The news is by your side.

2024年大选后,民主党在参议院处于严重劣势

15


对 2024 年选举结果的大部分报道都集中在当选总统唐纳德·特朗普将如何运用行政权力来实现未来四年的政治目标。然而,特朗普在华盛顿并不孤单:选民们也选出了共和党在美国众议院和参议院的多数席位。参众两院可以帮助特朗普对进口商品征税、关闭美国边境并开始驱逐数百万无证移民。尤其是在参议院拥有 53 个席位的共和党人将能够批准一长串特朗普司法提名人名单,批准(或退出)任何条约,当然还可以批准他的内阁提名人。

美国政府政策输出即将发生的突然转变提醒人们,选举会在短期内产生严重后果。但 2024 年选举的影响可能会在多年内以另一种重要方式感受到:它可能使民主党在参议院长期处于少数派地位。根据一项新的 538 分析,除非该党的联盟发生重大变化,否则他们将很难在即将到来的选举中赢得多数席位,而且要赢得克服阻挠议事所需的 60 个席位多数席位也是难以置信的,几乎是不可能的(假设议会的机动并未被废除)。

政治排序伤害了参议院的民主党人

几十年来,许多农村州的民主党参议员候选人的表现远远好于这些州的总统党派之争,使该党赢得了仅靠蓝州无法获得的多数席位。例如,西弗吉尼亚州参议员乔·曼钦 (Joe Manchin) 在 2018 年以 3 个百分点的优势击败了共和党挑战者,尽管特朗普在 2016 年总统竞选中以 42 个百分点赢得该州,前马萨诸塞州州长米特·罗姆尼 (Mitt Romney) 在 2012 年以 27 个百分点获胜。参议员乔恩·泰斯特 (Jon Tester) 在 2012 年和 2018 年分别以 4 个百分点的优势赢得连任,而罗姆尼在 2012 年的选举中则以 14 个百分点的优势赢得了该州的支持。 2012 年,特朗普在 2016 年以 20 个百分点的优势获胜。

然而今年,泰斯特以 8 个百分点的劣势落败,随着曼钦的退休,民主党以 41 个百分点的优势失去了西弗吉尼亚州的席位。此前,民主党曾于 2018 年在印第安纳州、密苏里州和北达科他州、2014 年在阿肯色州、路易斯安那州和南达科他州以及 2000 年代在整个南方遭遇过类似的失败。

回想起来,未来的分析人士可能会将 2024 年大选视为民主党在美国农村生存能力的丧钟。该党今年的失利导致全国参议院的地图几乎完全由总统的党派之争决定。 2025 年 1 月 3 日,当最新一届参议员宣誓就职时,民主党将来自 25 个州,其中最红的是亚利桑那州。根据最近两次总统选举结果的加权平均值*,大峡谷州比全国整体偏右 4.0 个百分点——这意味着我们预计共和党总统候选人将在选举中以 4.0 个百分点的优势赢得该州的胜利。全国选举完全势均力敌。相比之下,2018 年大选后上任的民主党参议员阶层横跨从 R+41 西弗吉尼亚州到 D+32 夏威夷州。

到 2025 年,总共只有 6 个由民主党参议员代表的州将比全国整体更红(亚利桑那州、佐治亚州、密歇根州、内华达州、宾夕法尼亚州和威斯康星州)。十年前是 11 个。与此同时,共和党将从 28 个州中选出,其中最蓝的州(也是唯一拥有共和党参议员的蓝州)是缅因州。

如果民主党不弄清楚如何赢回这些目前红色的农村州的选民,这种不对称性应该会让民主党人对他们的未来感到恐惧。他们拥有大量很容易失去的座位。如今,在总统选举中,只有 19 个州比全国其他地区更支持民主党——这些州的支持率与新罕布什尔州相同或更高——而 31 个州则倾向于共和党。这意味着,在严格由总统党派决定的参议院中,民主党将仅拥有 38 个席位,而共和党将控制 62 个席位的绝对多数——这足以通过他们的议程并克服阻挠议事。

对小型农村国家的偏见

民主党在参议院处于劣势并非注定。简而言之,众议院目前对共和党有利,因为共和党候选人通常在农村选民中表现更好,而且小州和大州在参议院拥有平等的代表权。如果按人口密度对各州进行排序,** 2024 年,城市化程度最高的州(纽约)以 12 个百分点的优势投票给副总统卡马拉·哈里斯 (Kamala Harris)。最农村的怀俄明州以 46 分支持特朗普。人口密度和民主党优势呈中度相关(r = 0.59)——这意味着仅人口密度就可以预测今年州级总统选举结果所有变化的约 35%。

但情况并非总是如此:就在 1996 年总统选举期间,各州选票总数中城乡两极分化的现象相当少。时任总统比尔·克林顿 (Bill Clinton) 在这个最农村的州仅以 13 个百分点的差距输给了共和党前参议员鲍勃·多尔 (Bob Dole),人口密度与总统选举结果之间的相关性也较弱,为 0.49(这占了结果方差的 24%)。年)。

而且由于小州的数量多于大州,因此农村选民实力较强的政党往往会从参议院席位的分配方式中获得优势(无论人口多少,每个州两个)。今天,这个政党就是共和党。衡量他们当前在参议院优势大小的一项统计数据是中间州(也是中间参议院席位)的总统党派倾向与全国普选票数之间的差异。

如果根据 2024 年和 2020 年总统选举结果的相同加权平均值,将每个州从最红到最蓝排序,中间的两个州是北卡罗来纳州和亚利桑那州,这两个州的共和党支持率分别比全国高 2.7 点和 4.0 点分别作为一个整体。这两个数字的平均值(假设的参议院席位中位数)为 R+3.4。

但这一统计数据实际上掩盖了民主党问题的严重性。这是因为它会受到全国普选的干扰,而全国普选可能会因为纯红或蓝州投票行为的变化而波动,而这些变化实际上并不会影响政党赢得竞争性参议院席位的机会。例如,如果重复 2024 年的选举,深蓝色纽约的投票率下降 20%,那么特朗普将以更多的优势赢得普选,结果参议院席位中位数对共和党的偏见就会减少。

该指标还完全基于总统选举结果,这意味着它没有考虑到一个政党的参议院候选人表现优于总统候选人的可能性——就像直到最近民主党的情况一样。该党的真正问题不是民主党 总统 蒙大拿州或西弗吉尼亚州的候选人表现较差;他们已经有一段时间表现不佳了。他们真正的问题是失去 参议院 能够摆脱国家党标签并在对民主党不友好的地方竞争的候选人和现任议员。随着民主党品牌在全国范围内变得更加统一,他们预期的参议院席位总数在势均力敌的选举中有所下降。

现有的损失对民主党的打击尤其严重

我们真正需要的是一个数字,在考虑参议院候选人在某些州的表现后,直接衡量民主党在每个周期中需要做得如何才能让参议院候选人赢得多数席位。为此,我们建立了一个模型来预测每个州在每个参议院席位每两年进行一次选举的假设世界中如何投票。 (实际上,参议院每两年选举一次只有大约三分之一。)

为了训练这个模型,我首先将参议院分为 10 个独立的六年期,从 2000 年到 2024 年(2000-06、2002-08、2004-10 等);由于每个周期只选出三分之一的众议院议员,因此我们需要纳入六年的结果,以更准确地掌握每个参议员团体的动态。例如,当我在 2024 年选举后拟合此模型时,我纳入了 2020 年、2022 年和 2024 年举行的所有参议院选举。然后,我拟合了一个线性回归模型来预测整个时间范围内同时进行的参议院竞选中民主党的优势在有关的州和周期上,控制每个政党的候选人。接下来,我使用该模型来预测在模型训练期结束后立即在每个州同时举行的假设参议院选举的结果 – 例如,如果所有州都在 2026 年举行参议院选举,则减去失去席位的参议员在任的影响。

然后我调整了这些预测,在每个席位上统一增加民主党候选人的选票,直到假设该党在参议院赢得 51 个席位。一旦我弄清楚每个周期的数字是多少,我就会根据每个州的调整后预测计算出众议院隐含的全国普选优势。下表显示了该差值以及我们最初的、仅限总统的偏差指标:

我们现在可以看到这种趋势对民主党来说有多糟糕。虽然在最好的情况下,他们本可以赢得参议院,但在 2008 年输掉假设的参议院普选,但我们的模型表明,该党需要在 2024 年在全国范围内以 4.2 个百分点的优势获胜,才能赢得 51 个参议院席位。就背景而言,这比总统普选中高出 5.7 个百分点。此外,如果我们再次进行 2024 年选举,但消除民主党在失去席位的州(蒙大拿州、宾夕法尼亚州、俄亥俄州和西弗吉尼亚州)的在职优势,同时调整他们所占据的州(例如亚利桑那州,民主党在职州)的在职权价值。鲁本·加莱戈 (Ruben Gallego) 在该州的领先优势超过了特朗普近 8 个百分点)——民主党未来发展的模板——我们的模型表明,他们需要以 6.1 个百分点的优势赢得全国普选才能获得青睐赢得51个席位。

正如我们所看到的,现任总统给候选人带来的好处对民主党来说尤其重要。这是因为他们在目前全国整体偏右的六个州拥有参议院席位。如果这些席位没有现任议员,并且假设政治环境中立,民主党预计将失去六个参议院席位。更糟糕的是,失去这些现任议员对民主党的打击比共和党失去现任议员的打击更大,因为民主党更多地依赖特朗普选民的支持来赢得席位。

当然,长期趋势很难预测,这种练习最适合短期分析。也许到 2034 年,民主党将在德克萨斯州、北卡罗来纳州和佐治亚州等地取得实质性进展,从而使他们的劣势消失。但该党真正需要的是弄清楚深红色州的候选人如何与全国民主党品牌保持距离,或者完全改变全国品牌。如果没有这一点,该党将很难赢得足够的参议院席位来确认(或阻止)法官和内阁提名人,并在可预见的未来实现重大立法变革。

脚注

*具体来说,该州相对于全国的平均倾斜度,对 2024 年选举结果给予 75% 的权重,对 2020 年选举结果给予 25% 的权重。

**我通过首先将该州每个县居住的人数除以该县的面积(以平方英里为单位)来计算每个州的人口密度。然后,我取该数字的自然对数。最后,我计算了每个州县人口密度按每个县居住人数加权的平均值。



关键词:文章,116637086