二元投票机制下，假设性政策变动的影响如何建模分析？

咱们来拆解这个投票结果的分析思路：假设某A/B二选一投票的结果和若干人口统计学因素直接相关，我们可以用Logit回归模型来量化这种关联，模型表达式如下：

$$
ln\frac{P}{1-P}=\beta_0+\beta_1Dem_1+\beta_2Dem_2+\beta_3Dem_3
$$

对模型里的核心变量做个简单解释：

• $P$：投票者选择选项A的概率
• $Dem_i$：代表各类人口统计学因素变量（比如「完成中等教育人群的占比」就是一个典型的Dem变量）
• $\beta_0$是模型的截距项，$\beta_1$到$\beta_3$则是对应各Dem变量的回归系数，用来衡量每个因素对投票选择概率的影响程度

再说说政策影响的传导逻辑：我们可以推测，如果增加教育支出$S$，会提升完成中等教育的人群规模，这会直接改变对应的$Dem_i$变量取值。而根据Logit模型的设定，Dem变量的变化会进一步影响$ln\frac{P}{1-P}$的取值，最终导致选择A的概率$P$发生变化，整个投票结果也就随之改变了。

内容的提问来源于stack exchange，提问作者inquirius