精准映射美国选区投票数据至人口普查地理单元：RLCR方法的数据集构建与验证

本研究针对美国选区（precinct）投票数据与人口普查地理单元（census geographies）匹配精度不足的问题，开发了基于区域化土地覆盖回归（RLCR）的投票数据分配方法。通过整合2016和2020年大选数据、NLCD土地覆盖数据及ACS人口数据，构建了覆盖block groups、census tracts和ZCTAs的多尺度数据集。验证显示RLCR方法在MAE、RMSE等指标上显著优于传统面积法和不透水面法，为选举行为与人口统计、公共健康等跨学科研究提供了高精度空间分析工具。

　　

在美国选举研究中，选区（precinct）作为最小投票统计单元，长期面临与人口普查地理单元（如block groups、census tracts）的空间匹配难题。政府机构提供的非选举数据（如人口统计、社会经济指标）通常仅发布在普查单元层面，而选区级数据缺失导致精细尺度分析受限。传统研究多依赖县级聚合数据或ANES调查，这种粗粒度分析可能掩盖选区内部异质性——例如同一县域内蓝领与白领群体的投票倾向差异。Texas A&M University-San Antonio的Amir Fekrazad团队在《Scientific Data》发表的研究，通过创新性空间分配方法解决了这一瓶颈问题。

研究团队开发了可复现的计算框架，整合三大类数据源：VEST/MEDSL提供的2016-2020年选区边界与选举结果、Census TIGER/Line地理边界、NLCD 30米分辨率土地覆盖数据。关键技术包括：1）基于QGIS的空间相交算法创建precinct-block group交叉单元（fractions）；2）区域化土地覆盖回归（RLCR）模型，通过聚类block groups建立土地覆盖类型与人口的区域特异性关系；3）利用不透水面比例（Imperviousness）和简单面积法构建对照数据集；4）使用2020年人口普查块级数据和北卡罗来纳州选民登记数据双重验证。

方法学创新
研究提出RLCR方法的核心突破在于：将block groups聚类为最小源区（source zones），通过约束回归（nnls算法）估算12类可居住土地覆盖（如高/中/低密度建成区、农田）的人口贡献系数。相较于传统面积法假设均匀分布，RLCR能捕捉区域差异——例如爱荷华州2,703个block groups被划分为166个聚类，每个聚类独立建模。人口分配时优先使用家庭人口（household population）而非总人口，有效规避监狱等群体居住区的投票资格干扰。

验证结果
与2020年人口普查块级数据对比显示，RLCR的MAE（24.08）显著低于面积法（28.98）和不透水面法（29.37）。北卡罗来纳州选民登记数据验证中，RLCR的 tract级投票数预测MAPE为11.59%，考虑3.8%地址无法地理编码的固有误差后表现优异。视觉验证通过宾夕法尼亚州总统选举地图证实，RLCR能保持原始选区的党派倾向空间模式。

应用示范
通过构建选民投票率（turnout）与ACS社会经济变量的回归模型，发现不同方法可能导致结论差异：在农村地区（低人口密度区），面积法与RLCR的income变量t值差异高达54.66%，凸显方法选择对统计显著性的影响。数据集已与CDC Places、FEMA风险指数等公共数据实现无缝对接，支持健康-选举行为、气候政策偏好等跨学科研究。

结论与展望
该研究建立了首个全国尺度、方法学透明的选区-普查单元关联数据集，其RLCR方法通过土地覆盖与人口的空间耦合关系，实现了亚公里级精度的投票数据重构。相较于现有工作，主要进步体现在：1）引入动态区域聚类解决地理异质性；2）系统比较三种分配策略的适用场景；3）提供覆盖block group/tract/ZCTA的多级数据产品。未来计划纳入2024年选举数据，并探索深度学习在人口分布建模中的应用。数据集通过哈佛Dataverse（CC0协议）开放获取，配套代码已在GitHub开源，为选举地理学、健康社会决定因素等研究提供了基础设施级支持。