В контексте президентства Д. Трампа часто затрагиваются фундаментальные изменения американской политики и государства в начале XXI в. Изменяющиеся алгоритмы развития США проявляются сразу во всех сферах жизни страны: процессы в демографической структуре, смена политических идей и экономического устройства^[1]. Так, в один ряд с признаками меняющихся паттернов американской внутренней политики становятся и методы прогноза президентских выборов. Начиная с 2016 г. американские исследователи отмечают резкий рост ошибок разных видов прогностических моделей.
История методологического прогноза выборов президента США не сформирована в отдельную дисциплину, но представляет из себя большое количество фрагментированных научных методов и авторских методик. Их основная теоретическая база формируется в 1970-1980-х гг., в частности с первых исследований Ли Сигелмана и Майкла Льюиса-Бэка^[2]. Первые исследования в этой области касались анализа корреляций и связей между внутриполитической ситуацией и рейтингом одобрения инкумбента.
С того времени данная сфера значительно расширилась, увеличив количества разных методов. Только лишь число опросных агентств в 2000-2022 гг. возросло с 29 до 78 фирм.  Сегодня корректным будет выделить 3 основные группы моделей: 1) Анализ социальных опросов; 2) Прогностические модели; 3) Авторские методики.

Анализ социальных опросов – наиболее проблемный вид методов. Обзор трёх последних электоральных циклов показывает рост ошибок в прогнозе будущего президента начиная с 2016 г. Так, в течение кампании 2016 г. 88% социальных опросов завышали шансы Х. Клинтон, а в 2020 г. – 96% показывали завышенные ожидания за кандидатуру Дж. Байдена^[3]. Из-за неточностей традиционного метода, американские политтехнологи и исследователи стали обращать больше внимания на более разнообразные инструменты прогноза: авторы собственных прогнозов стремятся найти баланс между математическими и дихотомическими методами^[4]. Наиболее устоявшимися за последние 20 лет стали: 1) Опросы общественного мнения; 2) Рынки прогнозов; 3) Метод медианных опросов. Хотя и среди них есть разница в результатах, в 2024 г. они выявили ряд общих проблемных точек. Каждый метод можно рассмотреть на таблице “Проблемы методов прогноза на основе социальных опросов”.

Проблема нелегальных мигрантов и невозможность предсказания, кто проголосует, усложняют прогнозирование исхода выборов. Высокие темпы регистрации «независимыми» и нехватка демографических переменных также вносят свою лепту в неопределенность. Опросы не показывают реальный исход, так как определение выборов коллегией выборщиков минимизирует их полезность. Ограниченность ресурсов оставляет определённые слои населения не опрошенными, а низкий порог входа для анализа и издержки интернет-голосования могут значительно изменять как фокус-группу, так и искажать общую картину. Так, в 2024 г. методы прогноза на основе социальных опросов показали свою неспособность указать на преимущества Д. Трампа среди многих слоёв населения. До 4-5 ноября опросы показывали равное количество голосов всеобщего голосования как для Харрис, так и для Трампа, что сильно контрастирует с реальными результатами и уверенной победой республиканского кандидата.

Прогностические модели в 2024 г. показали наиболее точный результат. Основным инструментом метода выступают регрессионные модели. С их помощью исследователь способен задействовать ретроспективный анализ и включить в свою работу большое количество качественных экономических данных. Для более детального анализа традиционно требуется 3 вида моделей: 1) Регрессионная модель народного голосования на федеральном уровне; 2) Регрессионная модель народного голосования на уровне штатов; 3) Регрессионная модель голосов Коллегии выборщиков. Традиционно, для регрессий вводятся следующий набор данных за период с 1980 г. (или раньше): уровень безработицы^[11], рост ВВП^[12], средний уровень одобрения президента (Gallup)^[13], инфляция, преступность на 100.000 чел.^[14] и победитель. Так, регрессионная модель народного голосования показала в 2024 г. – 51,41% в пользу Д. Трампа. Результаты модели указаны в Приложении 1^[15]. Регрессионные модели, произведённые на основе данных из Северной Каролины и Висконсина, сумели показать сдвиг традиционно демократического Висконсина и колеблющейся Северной Каролины в сторону республиканцев: 61% за Трампа в Северной Каролине; 51,5% за Трампа в Висконсине. На примере следующей таблицы можно изучить кейс-стади регрессионных модель для Северной Каролины и Висконсина.

Итоги регрессионной модели в штатах Северная Каролина и Висконсин
	Полит. аффиляция	Исторический контекст	Предсказания других	Итоги регрессионный модели	Регрессионная модель
Северная Каролина	12 электоральных циклов: Губернаторы: – 3 республиканца – 9 демократов	Северная Каролина представляет из себя переплетение южной истории и современных экономических изменений. Будучи в процессе неравномерной модернизации, жители штата – равномерно недовольны политическим распределением ресурсов.	The Hill оказалось одним из немногих агентств, которое построило собственные прогностические модели[16]. Так, сумма выводов регрессионной модели + вероятности соц. опросов показали 60% на победу Трампа.	Модель: 61-62% Реальность: TRUMP 51%, Harris – 48% Модель ошиблась в процентах, но предвидела победу Трампа. На основе ряда экономических показателей, регрессия показала возможное повторение “лавины Рейгана”. Несмотря на разницу ситуаций, в реальности Трамп действительно победил уверенно: “трифекта” ветвей власти впервые за 20 лет.
Висконсин	12 электоральных циклов: Губернаторы: – 7 республиканцев – 5 демократов	Как и во многих штатах, в Висконсине политика последовала за экономикой.С конца 1980-х гг. штат превратился из консервативного в более разнообразный и конкурентный политический ландшафт, в котором присутствует баланс двух партий.	Модель The Hill показывала 51% за Трампа, указывая в своей модели тенденции популяризации Республиканской партии[17].	Модель: 51-52% Реальность: TRUMP 49,6%, Харрис – 48,8% Модель также ошиблась в процентах, но сохранила “скромную” динамику ранее продемократического штата. В Висконсине регрессия более успешно отразила многолетние тренды колебания между партиями.

               Несмотря на неточные проценты, многочисленные запуски регрессионной модели показывали сильное влияние экономических факторов на народное голосование в этих штатах с 1980 г. Ограниченность современных технологий не позволяет провести детальный анализ возможных голосов Коллегии выборщиков без дополнительных данных, включающих дихотомические данные, культурный и политологический анализ аспектов внутренней политики каждого штата. Именно поэтому, исследователям приходится руководствоваться достижениями крупных агентств: модели коллегии выборщиков RealClearPolitics показывали победу Трампа, 270toWin – “минимум голосов для каждой партии”, а Nate Silver – победу Трампа, дополнив свою математическую модель авторским мнением^[18].

Авторские методики представили в 2024 г. парадокс точности. Несмотря на самый популярный метод Аллана Лихтмана, который ошибся впервые с 2000 г., остальные – показали альтернативный взгляд на традиционные прогнозы. Так, метод Bellwether (или “Метод Ведущего штата”) и Методика Единого показателя (Single Indicator Cut-Points) – одни из самых прикладных и исследованных. Метод “Ведущего штата” предлагает прогноз будущего президента на основе поиска “страны в миниатюре”: исследуется история голосования каждого штата за кандидата-победителя и выбирается тот, у которого получается наивысший процент правильного выбора. Так, штат Огайо с рейтингом 91% предсказал победу Трампа и стал “ведущим” в предсказании выборов 2028 г. Метод Единого показателя требует подсчёта “минимума” и “максимума” роста ВВП, где “минимум” – грань проигрыша,  а “максимум” – защищённая победа. В 2024 г. построенная модель показала порог победы в 5,1% (4,4% – среднегодовая в 2024 г.), а порог поражения – 1,1% (1,9% – среднегодовая в 2024 г.). Метод показал, что администрация Дж. Байдена не достигла необходимого максимума для защиты победы своей партии, а даже почти достигла значения близкого к  минимуму роста ВВП.

Проблемность методов и перспективы их развития

Насколько данные методы различаются по своим истокам, настолько же по-разному и выглядит их перспективы в дальнейшей практике прогноза президентских выборов в США.
Традиционные социологические опросы столкнулись с серьезным кризисом, обусловленным устаревшими методиками и неспособностью адекватно отражать динамику социальной структуры. Для восстановления доверия к опросам необходимы глубокие реформы, включающие сбалансированное использование онлайн-инструментов и модернизацию сбора данных. Успех этих преобразований будет зависеть от конкурентоспособности социологии на внутриполитическом рынке США.

В свою очередь, рынки прогнозов демонстрируют потенциал в качестве инструмента оперативной оценки политических настроений, особенно среди финансово активной части электората. Либерализация регулирования, примером которой служит легализация платформы Kalshi, и развитие криптоплатформ открывают новые возможности для развития этого направления.

Метод медианных опросов на уровне штатов, хотя и демонстрирует более высокую точность по сравнению с общенациональными опросами, напрямую зависит от качества первичных данных. Следовательно, прогресс в этой области определяется совершенствованием методик сбора и анализа информации.
Экзит-поллы, на фоне неудач традиционной социологии, могут стать важным инструментом для выявления демографических трендов и особенностей электорального поведения, не отражаемых другими методами.

В сфере математического моделирования продолжается активное внедрение искусственного интеллекта и расширение набора переменных. Это требует углубленного теоретического анализа интерпретации моделей и их применения в политической сфере. В частности, регрессионные модели голосов Коллегии выборщиков, сталкивающиеся со сложностями из-за непрямого характера выборов, нуждаются в совершенствовании машинного обучения и детальном анализе поведения выборщиков.

Метод Дельфи или метод экспертных оценок («Delphi method»), несмотря на свою традиционность, остается подвержен влиянию субъективных факторов и культурной среды экспертов. В связи с этим, возможности его модернизации и систематизации представляются ограниченными.

Регрессионные модели на уровне штатов выявили неожиданные корреляции и прореспубликанские тенденции в ряде регионов, что указывает на необходимость учета культурного и исторического контекста при анализе электоральных процессов.

Прогностические модели социологических агентств, несмотря на значительные финансовые ресурсы, не всегда демонстрируют высокую точность прогнозов. Их основная ценность заключается в предоставлении надежной информации на уровне штатов и комплексном анализе электорального поведения.

Модель “13 ключей к Белому дому” Аллана Лихтмана, не предсказавшая исход выборов 2024 г., требует дальнейшего анализа на предмет потенциальных систематических ошибок и адаптивности к меняющимся политическим условиям. Дальнейшая судьба модели будет зависеть от ее способности предсказать результаты выборов 2028 г.: будущие исследования должны показать возможность использования структуры “13 ключей” без связки с мнением самого А. Лихтмана.

Методология “Single Indicator Cut-Points”, основанная на анализе экономических индикаторов, поднимает вопрос о степени влияния экономического фактора на электоральный выбор и требует дальнейшего изучения. В особенности, данный метод интересен при вопросе изучения паттернов развития американского государства: метод указывает на историческую привязку политического контекста США с экономическим.

Заключение

Так, итоги 2024 г. показали разные результаты для популярных методик. Методики на основе социальных вопросов демонстрируют необходимость в реформировании системы социологического сбора данных. Математические регрессионные модели, несмотря на узкий набор вводной статистики, показывают точность и проявляют чёткие зависимости между экономическим состоянием американцев и их решением о выборе президента. Авторские методики – очень парадоксальный способ предугадать будущего президента. Пока остальные методы считают проценты, авторские методики отказываются от традиционных взглядов на прогнозы. Так, мы получаем сбалансированный, но не лишённый предубеждений метод Лихтмана, метод поиска “миниатюры американского общества”: ищем “Bellwether state” и узнаём – как же проголосует “штат-маятник”. Несмотря на это, Метод единого показателя основывается на статистике, являясь попыткой найти “триггер” американцев на уровень экономического комфорта. Индикатор пороговых значений (Single Indicator Cut-Points) показывает рамки ВВП, которые исторически являлись решающими для многих американских администраций.

^[1] Травкина Н. М. США: меняющийся алгоритм развития / Н. М. Травкина ; Институт США и Канады РАН. – М. : Весь Мир, 2018. – с. 13–32.

^[2] Campbell J. IJF1 Introduction [Электронный ресурс] // The State University of New York at Buffalo. URL: https://www.acsu.buffalo.edu/~jcampbel/documents/IJF1Intro.pdf (дата обращения: 07.02.2025).

^[3] Pew Research Center. Confronting 2016 and 2020 Polling Limitations [Электронный ресурс] // Pew Research Center. 2021. URL: https://www.pewresearch.org/methods/2021/04/08/confronting-2016-and-2020-polling-limitations/ (дата обращения: 07.02.2025).

^[4] Massari P. Colloquy Podcast: How Reliable Are Election Forecasts? [Электронный ресурс] // Harvard Graduate School of Arts and Sciences. 2024. URL: https://gsas.harvard.edu/news/colloquy-podcast-how-reliable-are-election-forecasts (дата обращения: 07.02.2025).

^[5] Yancey D. Virginia went blue but is flashing 5 bright red warning signs for Democrats [Электронный ресурс] // Cardinal News. 2024. URL: https://cardinalnews.org/2024/11/07/virginia-went-blue-but-is-flashing-five-bright-red-warning-signs-for-democrats/ (дата обращения: 07.02.2025).

^[6] The Guardian. Trump Latino Hispanic Vote Election [Электронный ресурс] // The Guardian. 2024. URL: https://www.theguardian.com/us-news/2024/nov/09/trump-latino-hispanic-vote-election (дата обращения: 07.02.2025).

^[7] von Spakovsky H. HHRG-114-GO06-Wstate-vonSpakovskyH-20150212 [Электронный ресурс] // Congress.gov. 2015. URL: https://www.congress.gov/114/meeting/house/102975/witnesses/HHRG-114-GO06-Wstate-vonSpakovskyH-20150212.pdf (дата обращения: 07.02.2025).

^[8] Keller A. Florida’s rapid rise of No Party Affiliation voters [Электронный ресурс] // Florida Trend. 2022. URL: https://www.floridatrend.com/article/34885/floridas-rapid-rise-of-no-party-affiliation-voters (дата обращения: 07.02.2025).

^[9] Scientific American. Why Election Polling Has Become Less Reliable [Электронный ресурс] // Scientific American. URL: https://www.scientificamerican.com/article/why-election-polling-has-become-less-reliable/ (дата обращения: 07.02.2025).

^[10] Pew Research Center. Online opt-in polls can produce misleading results, especially for young people and Hispanic adults [Электронный ресурс] // Pew Research Center. 2024. URL: https://www.pewresearch.org/short-reads/2024/03/05/online-opt-in-polls-can-produce-misleading-results-especially-for-young-people-and-hispanic-adults/ (дата обращения: 07.02.2025).

^[11] U.S. Bureau of Labor Statistics. Unemployment Rate [Электронный ресурс] // FRED, Federal Reserve Bank of St. Louis. URL: https://fred.stlouisfed.org/series/UNRATE (дата обращения: 07.02.2025).

^[12] World Bank. GDP growth (annual %) — United States [Электронный ресурс] // World Bank Open Data. URL: https://data.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG?locations=US (дата обращения: 07.02.2025).

^[13] Gallup. Presidential Job Approval Center [Электронный ресурс] // Gallup. URL: https://news.gallup.com/interactives/507569/presidential-job-approval-center.aspx (дата обращения: 07.02.2025).

^[14] The Disaster Center. United States Crime Rates 1960 — 2010 [Электронный ресурс] // The Wayback Machine. 2013. URL: https://web.archive.org/web/20130113102703/http://archive.is/20120918/http://www.disastercenter.com/crime/uscrime.htm (дата обращения: 07.02.2025).

^[15] Приложение 1.

^[16] The Hill. Election Center [Электронный ресурс] // The Hill. 2024. URL: https://elections2024.thehill.com/forecast/2024/president/north-carolina/ (дата обращения: 07.02.2025).

^[17] The Hill. Election Center [Электронный ресурс] // The Hill. 2024. URL: https://elections2024.thehill.com/forecast/2024/president/wisconsin/ (дата обращения: 07.02.2025).

^[18] Silver N., McKown-Dawson E. FINAL Silver Bulletin 2024 presidential election forecast [Электронный ресурс] // Nate Silver. 2024. URL: https://www.natesilver.net/p/nate-silver-2024-president-election-polls-model (дата обращения: 07.02.2025).

Приложения.

1. Регрессионная модель всенародного голосования

   

2. Регрессионная модель всенародного голосования в Северной Каролине

   

3. Регрессионная модель всенародного голосования в Висконсине