Appearance
Did private election administration funding advantage Democrats in 2020?
Summary
Problem: 2020年私人捐赠者向地方选举官员提供了超过3.5亿美元的资金，支持者认为这些拨款是中立且必要的，而批评者担心这些资金主要流向民主党倾向地区并可能倾斜选举结果。已有24个州因此立法限制私人选举拨款。本文旨在回答：这些私人选举管理拨款在多大程度上影响了2020年总统选举？ Approach: 作者收集了县级行政数据，包括CTCL拨款记录、1992至2020年总统选举结果、人口和选举支出数据。由于民主党倾向县更可能申请拨款，简单比较会存在选择偏差，因此采用合成控制方法，将获得拨款的县与2020年前选举结果和投票率趋势相似的未获拨款县进行比较。 Finding: 尽管民主党倾向县更可能申请并获得拨款，但拨款对2020年总统选举没有明显影响。对民主党得票率的平均效应估计在0.03至0.36个百分点之间，对投票率的平均效应在0.03至0.14个百分点之间。95%置信区间通常包含负效应，且所有估计均排除民主党得票率效应大于0.58个百分点、投票率效应大于0.40个百分点的可能性。基准分析表明，这些效应太小，不足以改变2020年总统选举结果。 Significance: 该研究为私人选举资金的政策辩论提供了实证依据，表明在当前边际上，额外选举资金对选举结果的影响可能远小于公众和官员的担忧。同时，该研究对地方选举行政效果和金钱在美国政治中作用的文献均有贡献，提示地方行政改革提升投票率的空间可能比预期更小。
Theoretical Framework
- Theoretical tradition: 选举行政政治经济学（political economy of election administration）与金钱政治（money in politics）研究传统。
- Prior theories built upon: 该文建立在关于选举行政变化对参与率和选民构成影响的文献之上，引用了多项关于投票等待时间（Pettigrew 33）、邮寄投票（20）、投票站增设（15, 19, 36）、提前投票时间扩展（17, 18）以及选举官员党派性（22）的研究。同时借鉴了地方选举官员动机的实证证据（2022年调查显示63%的官员认为鼓励投票是其职责的一部分）。
- Causal mechanism: 拨款通过增加选举资源（如雇佣更多投票站工作人员、购买邮寄投票设备、增设投票箱等）来降低投票成本（如缩短等待时间、增加投票便利性），从而提高投票率；若新增参与者系统性偏向某一政党，则可能改变政党得票率。作者通过分解各支出类别的潜在效应来推演这一机制。
- Key assumptions: 该理论推演假设选举官员有动机提高参与率且了解哪些行政措施最有效；假设拨款支出的效果可以按单项干预措施的已知效应线性叠加；假设投票等待时间对参与率的影响是线性的。
- Theoretical move: 本文应用并检验现有理论，将以往针对单一政策变化的研究扩展到对大规模资源注入的评估。作者指出，如果地方选举官员有动机且信息充分，资源增加应比任何单项政策变化产生更大的投票率效应，但实证结果挑战了这一预期，表明地方行政变化提升投票率的空间可能有限。
- Scope conditions: 作者明确指出，本文估计的是当前边际上额外选举资金的平均效应。如果选举官员预算远小于2020年水平，拨款可能有助于维持最基本的选举功能，从而产生实质性影响。结果不能外推至极端资源匮乏情境。
Research Design
本研究为观察性研究（observational study），采用合成控制方法进行因果推断。分析单位为县级行政单位。关键自变量为是否获得CTCL私人选举拨款（二值变量），因变量为2020年总统选举中民主党得票率（两党得票份额）和投票率。拨款数据来自CTCL 2020年税务申报文件，选举结果数据来自Dave Leip's Atlas of US Presidential Elections。研究还使用了威斯康星州市级选举结果和拨款分配的独立数据集进行复制分析。
Data & Sample
样本包含2,594个县级单位，覆盖美国除阿拉斯加和十个主要由市政管理选举的州（康涅狄格、缅因、马萨诸塞、密歇根、明尼苏达、新罕布什尔、罗德岛、佛蒙特、弗吉尼亚、威斯康星）之外的地区，另排除五个由市政管理选举的县（伊利诺伊州四个县和密苏里州杰克逊县）以及59个人口少于1,000或边界变化的县。时间跨度为1992至2020年总统选举。数据来源包括CTCL税务申报、州务卿选举结果、美国人口普查数据、ACS五年估计、Nationscape调查数据等。
Analytical Strategy
主要分析采用合成控制方法（synthetic control methods），利用2020年前的选举结果和投票率趋势构建反事实。具体而言，将获得拨款的县与未获拨款的县进行匹配，比较其2020年选举结果差异。作者还使用了替代的机器学习和计量经济学方法进行验证。关键控制变量包括2016年民主党得票率、人口规模、中位收入、都市化程度、非西班牙裔白人比例、COVID死亡率和社交距离遵守率等。稳健性检验包括：在大型县和战场州单独估计效应、检验大额拨款县是否存在异质性效应、使用威斯康星州市级数据进行复制分析、以及通过简单模拟去除平均效应后检验选举结果是否改变。
Results & Findings
- 拨款申请倾向: 民主党倾向县更可能申请并获得拨款。2016年特朗普获得约75%两党选票的县中约30%获得拨款，而希拉里获得75%选票的县中65%获得拨款。回归分析显示，2016年民主党得票率每高10个百分点，申请拨款概率平均高6.8个百分点。这一差距部分可由州固定效应、人口、收入、都市化、种族构成等因素解释，但即使控制这些因素，民主党得票率与拨款申请之间仍存在正相关。引入地方选举官员党派后，该关系显著减弱，表明民主党地方官员可能更积极申请或更可能知晓拨款机会。
- 对民主党得票率的影响: 合成控制估计显示，获得拨款对民主党得票率的平均效应在0.03至0.36个百分点之间。所有规格的95%置信区间均排除效应大于0.58个百分点的可能性。这一效应远小于2020年拜登在多数关键州的胜选差距，表明拨款不足以改变选举结果。
- 对投票率的影响: 获得拨款对投票率的平均效应在0.03至0.14个百分点之间，95%置信区间排除效应大于0.40个百分点的可能性。效应极小，在实质上不具有选举意义。
- 异质性分析: 在大型县和战场州，拨款效应与整体样本类似，未发现效应在这些对选举结果影响更大的县中更大。大额拨款县也未显示出更大的效应，排除了平均效应掩盖少数县大效应的可能性。
- 威斯康星州复制: 使用市级数据复制分析，同样未发现拨款显著提高投票率或民主党得票率。
- 与理论预期的关系: 作者通过分解支出类别的潜在效应进行推演，预期拨款效应很小。例如，若额外工作人员将平均等待时间减少10分钟，按Pettigrew的估计，投票率仅增加0.17个百分点；即使在极端党派分化的假设下，民主党得票率效应也仅0.021个百分点。实证结果与这一推演一致。
- 无效结果与意外发现: 主要发现是拨款效应在统计上不显著且实质上极小。作者还发现，约68%的拨款资金用于可能影响参与率的类别（如雇佣人员、开设新投票站、购买邮寄投票设备），但即便如此，总体效应仍然很小。
Limitations
作者承认以下局限：第一，研究估计的是当前边际上的平均效应，如果选举官员预算远小于2020年，拨款可能产生更大影响。第二，无法直接测量拨款对选举安全性的影响，尽管许多受助者表示拨款帮助提高了选举安全。第三，由于无法获得完整的拨款支出明细，对资金使用方式的分类基于威斯康星州数据，可能不完全代表全国情况。第四，描述性回归无法区分民主党官员更积极申请拨款是因为预期成本更高还是因为更积极或更知情。第五，研究排除了十个市政管理选举的州和阿拉斯加，限制了结果的全国推广性。
Key Contributions
- 首次系统评估了2020年大规模私人选举管理拨款对选举结果的因果效应，填补了该政策争论中缺乏实证证据的空白。
- 利用合成控制方法克服了拨款申请的选择偏差，为观察性研究中的因果推断提供了方法示范。
- 对地方选举行政效果文献的贡献：评估了大规模资源注入而非单一政策变化，发现资源增加对投票率的提升空间可能比预期更小。
- 对金钱政治文献的贡献：表明通过资助选举行政来影响选举结果可能不是实质性风险，为相关改革争论提供了实证依据。
- 提供了关于拨款申请模式的新证据，显示民主党倾向县更可能申请拨款，且这一差距部分由地方选举官员党派性驱动。
Key Claims
"We find that, despite the scale of the CTCL grant program in 2020 and the tendency of the money to go to Democratic-leaning counties, private funding did not noticeably advantage Joe Biden in the 2020 presidential election." (Abstract)
"Our estimates of the average effect on Democratic vote share range from 0.03 to 0.36 percentage points. Our estimates of the average effect of receiving a grant on turnout range from 0.03 to 0.14 percentage points." (Abstract)
"Across specifications, our 95% CIs typically include negative effects and all fail to include effects on Democratic vote share larger than 0.58 percentage points and effects on turnout larger than 0.40 percentage points." (Abstract)
"We find that the effects of the grants were likely too small to have changed the outcome of the 2020 presidential election." (Abstract)
"Our findings suggest that there may be less room for increasing turnout with local administrative changes than previously expected." (Section 1, Introduction)