在美国，一场关于选举公平性的法律与数学博弈正在上演。就在昨日，密苏里州最高法院一致投票否决了由特朗普总统支持的新国会选区地图，禁止其在即将到来的11月选举中使用。此举再次将“杰利蝾螈”（Gerrymandering）——这一通过操纵选区边界来服务党派利益的政治手段——置于聚光灯下。

杰利蝾螈的本质是利用几何学原理，将选民以特定方式打包或拆散，从而在总票数不变的情况下，最大化本党席位数。其名称源于19世纪初马萨诸塞州州长埃尔布里奇·格里（Elbridge Gerry），他批准了一个形状怪异、酷似蝾螈的选区，该词由此成为政治操纵的代名词。

要理解其运作机制，一个高度简化的模型便足以说明问题。假设一个州有50名选民，其中20人支持蓝党，30人支持红党。若选民按网格分布，且红党选民集中在前两条大道，蓝党选民分布在后三条大道。若将选民垂直划分为5个等规模选区，则会产生2个纯红党和3个纯蓝党选区，席位比例（3:2）准确反映了民意。然而，若由蓝党主导划分，他们可能选择水平切割，使每个选区都包含4名红党与6名蓝党选民，从而赢下全部5个席位。这种“打包”与“拆散”的策略在现实中屡见不鲜：2012年，纽约州民主党获得58%的选票，却拿下了27席中的21席；同年宾夕法尼亚州民主党获得51%选票，却仅赢得18席中的5席。

为科学地识别选区划分中的党派偏见，芝加哥大学法律学者尼古拉斯·斯特凡诺普洛斯（Nicholas Stephanopoulos）与公共政策研究所政治学家埃里克·麦吉（Eric McGhee）于2014年提出了“效率差距”（Efficiency Gap）指标。该指标通过计算两党“浪费选票”（即败选区的全部选票或胜选区的多余选票）之差，再除以总票数得出。在上述模型中，垂直划分的效率差距仅为0.08，而水平划分则高达0.4，显示出强烈的党派偏向。

然而，问题远比想象中复杂。2013年一项针对佛罗里达州的研究发现，即便使用非党派算法绘制“最紧凑”的选区，结果依然偏向共和党。原因在于民主党选民高度集中于城市，导致其选票在少数城市选区“浪费”严重，而在广袤的乡村地区则以微弱劣势惜败。这种由人口分布自然导致的“自然杰利蝾螈”现象，使得仅凭选区形状难以断定人为操纵。

为了应对这一挑战，伊利诺伊大学厄巴纳-香槟分校的统计学家温迪·赵（Wendy Cho）及其团队开发了超级计算机算法。该算法能依据各州法律规则，生成数百万乃至数亿种可能的划分方案。通过对2011年马里兰州的分析，他们发现官方地图在99.79%的模拟结果中都更偏向民主党，从而提供了强有力的统计证据。尽管今年美国多数州的选区划分被认为是40年来最公平的，净效应仅给共和党带来约3个额外席位，但在势均力敌的选举中，哪怕一个席位的偏差都可能决定国会控制权的归属，杰利蝾螈的争议远未平息。