Models for Olympic Medal Tables（优秀范文一：对数线性计数模型 + 滚动回测 + 三口径排名 + 混合Bootstrap区间）

2025 美赛 MCM C 题 · 优秀范文一。视角：把「一国能拿多少奖牌」拆成可解释的三层结构——竞技惯性（上届奖牌的自回归项）、经济与人口的基本盘（GDP/人口的规模弹性）、主办国红利（哑变量加成），在 $24$ 国 $\times 8$ 届的合成练习面板上用对数线性 OLS 估计，以滚动回测（只用过去预测未来）验证外推能力，再比较金牌优先/总数优先/加权积分三种排名口径的 Kendall τ 一致性，最后用混合 Bootstrap（回归残差+观测层噪声）给出诚实的预测区间——并顺带演示「只抽回归残差」会把区间缩到荒谬的 0.4 枚宽。正文 / 配图 / 附录 / 真源四路数字一致（固定种子 seed=20250315）。

摘要

奖牌榜预测的经典陷阱是「只拟合不检验」与「只给点值不给区间」。本文建立三层结构的对数线性计数模型： $\log(M_{t+1}+1)=\beta_0+\beta_1\log(M_t+1)+\beta_2 z(\lg\mathrm{GDP})+\beta_3 z(\lg\mathrm{POP})+\beta_4\,\mathrm{host}$ ，在合成面板（24 国 × 8 届、每届奖牌池 900 枚、主办加成 0.35、乘性噪声 $\sigma=0.12$ ）上估计得 $R^2=0.980$ ：自回归系数 $\beta_1=0.3407$ 主导（竞技惯性解释了大部分延续性），经济弹性 $\beta_2=0.2698$ 次之，人口 $\beta_3=0.1363$ ，主办红利 $\beta_4=0.2926$ ——换算到奖牌数空间约 +34.0% 的主办国效应。滚动回测（目标届 2008–2024，训练窗不含目标信息）给出平均 MAE=4.66 枚、平均 Pearson r=0.982，最难的 2016 届 MAE 也仅 6.04 枚。排名口径比较显示：金牌优先 vs 总数优先的 Kendall τ 只有 0.870（三组中最不一致），而总数 vs 加权(4:2:1) 达 0.957；分歧案例 C06 在金牌榜排第 10、加权榜跌至第 13——「哪张榜更公平」没有客观答案，只有价值立场的显性化。不确定性部分给出本篇最重要的方法论对比：纯残差 Bootstrap 的 90% 区间仅 $[68.9,69.4]$ （宽 0.4 枚）且未能覆盖实际值 68，因为它把观测层的乘性噪声当成了零；改为混合 Bootstrap（残差+观测噪声同在 log 空间叠加）后区间扩为 $[53.5,90.5]$ （宽 37.0 枚），实际值落入区间——诚实的不确定性来自对每一层随机性的显式建模。

一、问题重述

题目要求四件事：①构建各国奖牌数的预测模型；②刻画历史趋势与主办国效应；③比较不同奖牌榜排名口径并讨论公平性；④量化预测的不确定性（区间与爆冷概率）。本篇聚焦①②④并以最小可行方式处理③（口径一致性），把多口径的深度权衡留给范文二，把爆冷概率的蒙特卡洛展开留给范文三。

二、模型假设

奖牌产出由「惯性—基本盘—主办红利」三层因素驱动，各层效应在对数空间线性可加。
经济规模按 GDP 增长率 1.005–1.03/届缓慢演变；人口届间不变；主办国每届至多一个。
奖牌分配围绕实力份额做乘性扰动（ $\sigma=0.12$ ），代表临场发挥、禁赛、项目设置等不可预测成分。
金/银/铜按实力分层拆分：强国的金牌率高（基础 8%–22%，主办再+5 个百分点内封顶）。
预测第 $t{+}1$ 届时只能使用第 $t$ 届及以前的信息（滚动外推原则）。

三、符号说明

符号	含义
$M_{g,i}$	国家 $i$ 第 $g$ 届奖牌总数
$\beta_1$	自回归系数（竞技惯性）
$\beta_2,\beta_3$	$\lg$ GDP、 $\lg$ 人口标准化后的弹性
$\beta_4$	主办国哑变量系数（log 空间）
$\tau_K$	Kendall 秩相关（口径一致性）
$\mathrm{CI}_{90}$	混合 Bootstrap 的 90% 预测区间

四、建模过程

全文技术路线如图 1：合成面板提供特征与真值，对数线性计数模型把「上届惯性 + 经济人口基本盘 + 主办红利」压缩进五个系数，滚动回测负责外推体检，三口径排名比较处理「公平」问题，混合 Bootstrap 最后给出诚实的预测区间——四个模块环环相扣，任何一步的数字都可以被附录代码原样复现。

4.1 合成面板：先造一个"真实的世界"

数据型赛题的第一步是把数据结构吃透。本站的合成练习面板模拟了奥运奖牌榜的全部关键统计特征（图 2）：头部集中——末届 Top5（C04=112、C23=86、C11=81、C10/C17=72 枚）拿走约 47% 的奖牌；长尾稀疏——半数国家奖牌不足 10 枚。图 3 验证了建模的核心经验事实：经济规模与奖牌产出在双对数坐标下近似线性（斜率即规模弹性），但散点带宽不容忽视——同样经济规模的国家奖牌数可以差 3–5 倍，这正是惯性项、主办效应与临场噪声要解释的部分。

4.2 三层结构与系数解读

全样本拟合结果（图 4）： $R^2=0.980$ ，四个系数全部符合机理预期。 $\beta_1=0.3407$ 说明上届奖牌每多 1%（对数意义上），本届约多 0.34%——竞技惯性是真实的但不完全传递，系统均值回归； $\beta_2=0.2698$ 表明经济规模仍是第二杠杆，体育投入的边际产出递减但显著； $\beta_3=0.1363$ 提示人口红利存在但被人均资源稀释；最有趣的是 $\beta_4=0.2926$ ——在 log 空间叠加后，主办国效应折合奖牌数 $\exp(0.29)-1\approx+34.0\%$ ：主场作战、东道主项目布局与本土裁判亲和共同造就了这一「红利」，且它的量级恰好落在文献对真实奥运会估计的 25%–40% 区间内。

4.3 滚动回测：让模型只准用过去

拟合优度高不代表能预测——特征多、国家少的面板极易过拟合。我们执行严格的滚动回测：预测 2008 届时只允许用 1992–2004 的相邻届对训练，以此类推（图 5）。结果平均 MAE=4.66 枚、平均 r=0.982：对一个总数上百枚的国家，±4.7 枚意味着相对误差约 4%–5%；四次回测中仅 2016 届误差抬升到 6.04 枚——该届恰有多国主办后回落，惯性假设受到考验。图 6 把末届回测画成「预测—实际」散点，所有国家紧贴完美线，唯有的离群点集中在 20–40 枚的中游集团：头部太稳、尾部太穷，波动永远发生在中间层。

五、三种奖牌榜：口径即立场

同一份成绩单可以排出三张不同的榜单。图 7 对末届 Top8 国家并列展示金牌优先、总数优先与加权(金4银2铜1)三种名次：多数国家的座次稳定，但分歧真实存在——全表 24 国的两两 Kendall τ 为：金vs总 0.870（最不一致）、金vs加权 0.913、总vs加权 0.957。极端案例 C06：金牌榜第 10 名，加权榜第 13 名，落差 3 位——它是典型的「银铜专业户」，奖牌厚度可观但成色不足。这说明「公平」不是一个可以客观求解的问题：金牌优先把「冠军稀缺性」定价最高，总数优先奖励参与广度，加权榜则隐含了 4:2:1 的价值公理——任何一张榜都是一次价值判断的显性化，负责任的报告应当同时给出多种口径及其分歧清单。

六、不确定性的两层来源与混合 Bootstrap

这是本篇的方法论重心。对末届实际第 6 名 C08（68 枚）做预测区间：

纯残差 Bootstrap：从回归残差中重抽扰动。得到的 90% 区间是 $[68.9, 69.4]$ ——宽度只有 0.4 枚，且未覆盖实际值 68。原因一目了然： $R^2=0.98$ 的回归残差极小，而它完全忽略了奖牌生成过程中的乘性观测噪声（ $\sigma=0.12$ ）。这不是 Bootstrap 的错，是「噪声分层」被偷懒合并了。
混合 Bootstrap：在 log 空间同时叠加回归残差 $e$ 与观测噪声 $e_{\mathrm{obs}}\sim N(0,0.12)$ ，B=500 次重抽样。区间扩大为 $[53.5, 90.5]$ （宽 37.0 枚，约为点预测的 ±27%），实际值 68 稳稳落入（图 8）。

两种做法的对照给出了可迁移的教训：预测区间的宽度必须覆盖从方程到现实之间的全部随机层——回归误差只是其中一层，观测与生成机制里的噪声往往更大。对奥运奖牌这种高波动的计数对象，「点预测 ±27%」才是诚实的话术，比「精确到 0.4 枚」的假精度有价值得多。

七、灵敏度分析

主办加成 0.35→0.50： $\hat\beta_4$ 相应升至约 0.40，主办国下一届的「回落幅度」预测变大；模型通过自回归项自动捕捉「后主办低谷」。
噪声 $\sigma$ 0.12→0.20：MAE 升至约 7.8 枚、 $R^2$ 降至 0.95 左右，但系数估计的符号与排序不变——结构结论对噪声水平稳健，区间宽度则需同步放大约 60%。
训练窗长度：窗 <3 届时 MAE 明显恶化（样本不足 72 行）；≥4 届后收敛，故回测从第 4 目标届起报数。
剔除自回归项：MAE 从 4.66 恶化到约 9.3 枚——惯性是最强的单一信息源，「白纸重跑」式预测不可取。

八、模型评价与改进

优点：①结构可解释，每个系数对应一条政策或机理叙事；②滚动回测杜绝信息泄漏，外推可信度有据可查；③混合 Bootstrap 把「模型误差」与「观测噪声」分开计价，区间诚实。局限：①线性弹性无法刻画门槛效应（如体育投入超过某阈值后产出跳升）；②金银铜拆分规则较粗糙，未建项目层面的优势专项；③合成面板的生成参数即真值，真实数据中还会遭遇抵制、合并参赛等制度冲击。改进方向：泊松/负二项回归处理零膨胀；树模型捕捉非线性交互；贝叶斯层级模型把国别随机效应与参数不确定性统一进后验（范文二将沿此方向扩展多口径决策，范文三展开爆冷概率的蒙特卡洛）。

九、结论

奥运奖牌榜可以被一个五系数的对数线性模型解释九成八的方差：惯性 0.3407、经济 0.2698、人口 0.1363、主办红利 0.2926（≈+34.0%）；滚动回测平均 MAE 4.66 枚、r=0.982 证明它外推可用。三张榜单的分歧行情是 τ=0.870（金牌 vs 总数）到 0.957（总数 vs 加权）——「公平」取决于你给冠军稀缺性定多高的价。而对不确定性最诚实的交代来自两层噪声的混合 Bootstrap：90% 区间宽 37 枚、覆盖实际值，远比纯残差版本那 0.4 枚的假精度可靠。一句话：预测奖牌不难，难的是承认自己预测不准的部分有多大。

参考文献

COMAP. MCM Problem C: Models for Olympic Medal Tables. 2025.
Johnson D. K. N., Ali A. A Tale of Two Seasons: Participation and Medal Counts at the Summer and Winter Olympic Games. 2004.
Bernard A. B., Busse M. R. Who Wins the Olympic Games: Economic Resources and Medal Totals. Rev. Econ. Stat., 2004.
Efron B. Bootstrap Methods: Another Look at the Jackknife. Ann. Statist., 1979.
Kendall M. G. Rank Correlation Methods. Griffin, 1970.

附录：核心 Python 实现

import sys, os
_HERE = os.path.dirname(os.path.abspath(__file__))
sys.path.insert(0, os.path.abspath(os.path.join(_HERE, "..", "..", "..", "tools")))
import gen_mcm2025c as M   # 真源：对数线性模型 + 回测 + 口径 + Bootstrap

# 1) 合成面板与全样本拟合
ctys, panel = M.gen_panel()
beta_full, r2_full = M.fit_full(panel)
print("面板: %d国×%d届  R²=%.3f" % (M.N_CTY, M.N_GAMES, r2_full))
print("系数 β0..β4:", ["%.4f" % b for b in beta_full])

# 2) 滚动回测（训练窗不含目标届）
maes, corrs, _ = M.rolling_backtest(panel)
print("平均MAE=%.2f枚  平均r=%.3f"
      % (sum(maes) / len(maes), sum(corrs) / len(corrs)))

# 3) 三口径一致性与分歧案例
byg, byt, byw, t_gt, t_gw, t_tw, case = M.rank_analysis(panel[-1])
print("Kendall τ: 金vs总=%.3f 金vs加权=%.3f 总vs加权=%.3f"
      % (t_gt, t_gw, t_tw))
print("分歧最大: %s 金牌榜第%d ↔ 加权榜第%d"
      % (case[0], case[1], case[2]))

# 4) 混合 Bootstrap 预测区间（末届实际第6名）
boot = M.bootstrap_interval(panel)
print("%s 点预测%.1f 实际%d  90%%区间[%.1f, %.1f] 宽%.1f  覆盖=%s"
      % (boot["id"], boot["point"], boot["actual"],
         boot["lo"], boot["hi"], boot["hi"] - boot["lo"],
         boot["covered"]))