2016美国总统选举全美选情简析（续（三）；分析推理部分（3））：

平心而论，径直给所有民意测验结果加上三个甚至五个百分点不是一件令人愉悦的事，甚至不是一件令人心安的事。于是我们发问：还有没有更好的，或者替代的，纠正系统性或非系统性偏差的办法？其实，在日常生活里各种歌舞比赛中所使用的“去掉一个最高分，去掉一个最低分”的打分办法也许可以给我们一个有益的启示，即用“去两端，留中间”的办法对待民意测验数据。当把这一原则用到以上链接给出的有关CO州的民意测验数据上时，在去掉TG（DJT所得最高支持率）与MS（最低）两家公司的调查结果后，其余三家的平均数值（指DJT与HRC支持率之差）为-3.67%——哈哈，这个结果比原来的平均值-3.6%还要差。我们当然不是说更差的结果就一定更不可靠，但是这至少可以让我们有机会再反思一下以上的做法有没有它的道理。

其实，以上用掐头去尾的办法来消除随机误差在通常情况下的确是一个好办法，但是不难理解，这种做法对系统性偏差基本上是无效的，而且还经常将情况恶化，正如我们如上所见。

让我们再把这个问题深入思考一下。假定有n个抽样调查，其中前n-1个只有随机误差，并无已知的系统性偏差，但第n个抽样调查却是有系统性偏差的，比如因为调查者存在对DJT的憎恶或偏见，于是不难推知，在n的数值不大的情况下（亦即通常情况），则这n个抽样调查的平均值将仍然带有系统性偏差，尽管这偏差的幅度比原来单个的调查要小。于是这就给了我们一个启示：或许纠正系统性偏差的最好办法是在众多抽样调查中寻找最好也就是最有代表性的那个或那些——假如这样的调查存在的话。

待续。