The Effects of Non-response Adjustment in Election Forecasting by Public Opinion Poll

Abstract

유권자들의 올바른 투표행위를 돕기 위해서 또는 정당이나 후보의 적절한 선거전략 수립을 위해서 여론조사를 통한 객관적이고 신뢰성 있는 정보의 확보는 매우 중요한 문제이다. 따라서 정당, 언론기관, 조사기관 등 여론조사 관련 기관에서는 여론조사의 결과 및 선거예측의 정확성 제고를 위해 지속적으로 노력해 왔다. 본 연구에서는 여론조사를 통한 선거예측의 과정에서 지지후보가 없다고 응답한 무응답층을 분류함으로써 득표율 예측의 정확도를 높이는 데 기여할 수 있는지를 살펴보았다. 실증 분석을 위해 2016년 20대 국회의원선거를 대상으로 전화면접조사를 통해 수집된 자료를 사용하였으며, 다양한 통계적 판별모형을 적용하여 분석을 시도하였다. 무응답 분류의 방법으로는 로지스틱 회귀(logistic regression), 판별함수(discriminant function), 성향점수(propensity method) 방법을 고려하였고, 각 방법에서 세부적인 사항에 따라 결과가 어떻게 달라지는지를 살펴보았다. 무응답 분류의 방법에 따라 다소의 차이는 있으나 어떤 방법을 사용하든 적어도 단순 보정의 결과보다는 더 좋은 예측 결과를 얻을 수 있었으며, 결과적으로 무응답층에 대하여 적절한 보정을 수행함으로써 득표율 예측을 위해 정확도를 상당히 높일 수 있음을 확인하였다.Obtaining the objective and reliable data through public opinion poll is of significant importance in order to help the electorate vote properly or establish a suitable election strategy of candidate or party. Hence, polling organizations such as political party, press, and research company have been dedicated to continuously improving the results of the public opinion poll and accuracy of election forecasting. This study looked into whether it can improve the accuracy of election forecasting by adjusting non-response, those who answered that they support no candidate, in the electoral process through public opinion poll. Logistic regression, discriminant function, and propensity method are applied for the classification of non-responses. For empirical research, we used the data that were collected by CATI(computer assisted telephone interviewing) for the 20th national assembly election in 2016 and attempted an analysis by applying varied statistical nonresponse adjusting model. Consequentially, our finding suggests that an appropriate adjustment for non-response can greatly increase accuracy in election forecasting.