你住在一座几乎没有悬念的州，投出的一票却被评为“中等影响力”。这就像把气温从 20℃ 升到 30℃，直接理解成体感也均匀增加十格：算术没有错，现实关系却未必是直线。Andrew Gelman 对 PowerMoves 的 Voter Impact Index（选民影响指数）的批评，正好展示了综合指数最容易藏住的一类问题：分数很精确，但它映射现实的方式可能不对。
本文材料只有 Gelman 的一篇文章。项目设计、数字及开放性说法，部分来自他转述的 PowerMoves 推广邮件，尚无第二信源独立核验。
44 分为什么让人起疑
据 Gelman 转述，PowerMoves 为美国每个 ZIP code（邮政编码区域）计算一个 0–100 分的 voter impact score。它参考与所在地相关的六场联邦和州级选举，依据这些选举近期有多激烈来打分。
这是一种综合指数——把多个变量经过缩放、加权和汇总，压成一个便于比较的数字。PowerMoves 在邮件中称，项目使用可信的非党派数据源，评分不考虑党派归属；底层数据、代码和方法也已通过网站及 GitHub“完全开放”。这些都是项目方的自述。它还估计，美国每年约有 1500 万登记选民搬家，并把该指数定位为研究选民迁移、政治地理和投票动员的工具。
Gelman 查了自己所在的 ZIP code，结果是“medium”，即 44/100。02139 的分数更低，但他仍认为 44 接近量表中点，和当地选举长期缺少悬念的直觉不符。
州长选举或许能贡献一部分分数。按他查看的方法，州长选举权重为 15%。但即便把纽约州长选举视为较接近，他仍无法从直觉上解释总分为何会到 44。
错不一定在权重，而在那条直线
Gelman 认为，关键问题不是某个除以 2 或 3 的计算细节，而是指数用线性尺度表达竞争程度。
所谓线性，就是输入每变化一单位，结果都增加相同数量。比如把胜负差距从 1 个百分点扩大到 2 个百分点，与从 12 个百分点扩大到 13 个百分点，当作同样大小的一步。放在普通评分表里，这很自然；放在“某一票能否改变结果”上，却可能严重失真。
原因在于，选举差距与一票成为决定性票的概率，可能是强非线性关系。差距已经很大时，再接近一点，并不意味着单张选票的影响力就按相同比例增加。真正势均力敌的选举，则可能在很窄的区间里迅速变得重要。
Gelman 举的是 2024 年总统选举。Kamala Harris 在纽约州的两党票中以 13 个百分点的优势获胜。按照他的数量级估计，纽约选民的一票成为决定性票的概率，大约只有摇摆州选民的百分之一。
这不是精确测算。Gelman 自己用了“类似”“大约”“也许”等限定词。他的意思是：如果 Wisconsin、Michigan 和 Pennsylvania 的总统选举贡献值算 100，纽约更合理的量级也许是 1，甚至可能是 0.1 或 2，总之应当是一个很小的数，而不是经过线性折算后仍占据可观分量。
线性映射会把信号抹平
这类误差有两个方向。它不仅高估了纽约等非摇摆州，也等于低估了摇摆州或摇摆选区中投票的相对价值。原本可能相差几十倍乃至更大的现实，被压成了一组看起来温和的分数。
这正是综合指数危险的地方。把六场选举合成一分，本身没有问题；真正决定排名的，是每场选举先如何换算，再怎样加权。权重写得再清楚，如果前一步把非线性现实拉成直线，最后的加权平均只会稳定地汇总这种偏差。
一种常见思路是做变量变换——先把原始差距通过平方、对数或其他映射转换，再放进指数。它可以表达弯曲、阈值或饱和关系。但换哪种变换，也会重新决定不同区间在总分中的分量，并不存在天然唯一的答案。Gelman 的文章指出了线性尺度的问题，却没有给出可直接替换的完整公式。
这件事值得关注，不只是因为一名纽约选民拿到了 44 分。很多评分系统都会把复杂现实压成一个易传播的数字。看到这种指数时，最该问的往往不是“各项权重加起来是否等于 100%”，而是“原始变量增加一格，现实意义真的也增加一格吗”。
局限与未知
- 供稿没有给出该 ZIP code、完整公式及六场选举各自的计算过程，因此无法从现有材料复算 44 分，也不能全面判定整个指数。
- Gelman 提出的“百分之一”以及纽约应取 0.1、1 或 2，都是数量级示意，不是经本文材料独立验证的精确结果。
- Gelman 称他已向项目创建者反馈，双方友好交流，但对方没有接受意见，指数保持不变。现有材料未包含 PowerMoves 对线性设计的完整解释。