-

T+7 FORECAST

-

- - -

여론조사 실측 vs T+7 예측

-

예측 결과 (5,000회)

예측 대상일 기준 평균 + 95% CI
1위 확률
📊 여론조사 누적 · T+7 백테스트
전체 데이터

시뮬레이션 컨트롤

모델 파라미터

7

예측 대상일 = 데이터 기준일 + h일 (열람일과 무관하게 고정 — 새 조사가 오면 자동 채점).

10
2.0
5,000

기관·조사방식 보정 (기본 적용 — 끄면 원자료 그대로)

0.85
0.65
100%
100%

시뮬레이션 요약

-
결과 계산 중...

T+7 예측 분포

1위 확률

예측 지지율 분포

롤링 T+7 검증 — 예측 궤적 vs 실측

실선·음영 = 각 날짜의 7일 전까지 데이터만으로 만든 T+7 예측과 95% CI (walk-forward). 점 = 실제 여론조사. 마지막 조사일 이후 구간은 아직 채점되지 않은 열린 예측이며, 새 조사가 수집되면 자동으로 채점 대상이 됩니다.

검증 스코어카드 · T+7, 대상일 ±1일 실측 대비

자동 보정 상태 · 검증 오차에서 도출

구간별 예측 vs 실측 상세

각 행 = "해당 구간까지의 조사만 사용"해 만든 T+7 예측과, 대상일 ±1일 실제 여론조사(표본 가중 평균)의 비교. ✓/✗ = 실측이 예측 95% CI 안/밖. 편차 색상: ≤2%p · ≤4%p · >4%p

합성패널 세그먼트 분해 불러오는 중…

펼치기 ▾접기 ▴

누가 움직이나 (T+7 기여)

-

세그먼트 검증성적 (walk-forward)

-

패널 쿼터 구성 시도 × 성별 × 연령, 단위: 명 (2026-07 재추출 기준)

시도남성여성합계
10대20대30대40대50대60대70세이상소계10대20대30대40대50대60대70세이상소계
서울18131164151162141123890181491651541671561639721,862
부산63845525858523096374251606671333642
대구52934374541322235273037474546237460
인천63951555853352976364651585447298595
광주52021242721161343181924272324138272
대전32223232723171383202123272423141279
울산21417202221121082101418222015101209
세종14687433314796543669
경기311812272492672231511,329291652062392642231991,3252,654
강원31924253032261596212328333234177336
충북42124263131231603171924303031154314
충남52631374239332134212633373744202415
전북72820263639301864171825333542174360
전남42020273638331783161824323559187365
경북52831395053442505212535475161245495
경남73641556662463136283551636264309622
제주41314292029291382212631272233162300
전체1166697938839849087055,0581066287408579809209605,19110,249

MDIS 인구총조사 기반 원천 794,000명에서 Hamilton 최대잔여법으로 시도×성별×연령 238셀 비례 배분해 추출한 공용 쿼터 패널. 10대는 만 18~19세만 포함. 권역×이념 소수셀 부스터 표본이 포함되며, 분석 시에는 weight로 재가중되어 인구 구성비에 정렬된다. 패널의 정치 성향 변수는 KOSSDA 학습 모델의 예측값이므로 원자료 분포를 직접 인용하지 말 것 — 여론조사 앵커링의 출발점으로만 쓰인다.

지지율 시계열 (실측)

잠재 지지율 추정 (Kalman RTS + 기관보정) · 예측 구간 포함

점 = 실측 여론조사(기관보정 전), 실선 = 기관보정 후 잠재 지지율, 음영 = 95% CI. 마지막 조사일 이후는 랜덤워크 외삽.

기관별 House Effect (%p)

시점 혼란을 보정한 잔차에서 조사방식(ARS/면접) 효과를 먼저 차감한 뒤 남는 기관 고유 편향. 관측 수가 적은 기관은 shrinkage(k/(k+3))로 축소. 양(+)이면 해당 항목을 전체 평균보다 높게 발표하는 경향. OCR 폴 포함 기관(여론조사꽃)은 추출 오류 가능성에 유의.

원시 데이터

모델 설명 (클릭하여 펼치기)