在多党系统中使用什么回归来计算选举结果？

我想对议会选举的结果作出预测。我的输出将是每一方收到的百分比。有超过2个参与方，因此逻辑回归不是可行的选择。我可以为每个参与方进行单独的回归，但在那种情况下，结果将在某种程度上彼此独立。它不能确保结果的总和为100％。

我应该使用哪种回归（或其他方法）？是否可以通过特定的库在R或Python中使用此方法？

罗伯特是对的，多项逻辑回归是最好的工具。尽管您需要具有一个将方表示为因变量的整数值，例如：

1 =保守多数，2 =劳动多数，3 =自由多数....（依此类推）

您可以使用nnet软件包在R中执行此操作。这是一个快速介绍如何使用它的好地方。

您要基于什么进行预测？我曾尝试根据前几年的预测来预测我的论文的多党选举结果，然后使用今年的某些投票站的结果来预测所有其他投票站的结果。为此，我与之进行了比较的线性模型是通过对前几年的票数进行回归来估算每个政党将获得的票数。如果您具有所有各方的估计投票数，则可以从中计算出百分比。有关相关文章，请参见非随机样本的预测，该文章扩展了线性模型。

这不是回归，而是多类分类问题。输出通常是任何给定测试实例（测试行）的所有类的概率。因此，在您的情况下，训练模型中任何给定测试行的输出将具有以下形式：

prob_1, prob_2, prob_3,..., prob_k

其中prob_i表示第i类（在您的情况下为第i方）的概率，假设响应变量中有k个类。注意，这k个概率的总和将为1。在这种情况下，类别预测将是具有最大概率的类别。

R中有许多分类器可以进行多分类。您可以通过R中的nnet包并调用multinom命令，在多类支持下使用逻辑回归。

或者，您也可以在R中使用gbm软件包并调用gbm命令。要创建一个多分类器，只需使用distribution="multinomial" while using thegbm`函数。