几乎什么东西都有人预测，在International Journal of Forecasting（国际预测杂志）2013年9－10月号上，哥伦比亚学者Neila Caceres和Samuel W. Malone发表的一篇文章是预测国家领导人（指总统或是总理、首相）变更的，题目是Forecasting leadership transitions around the world（预测世界各地的领导人变更）。
文章采用两种非参数方法（一是CART，即分类与回归树模型，另一是TreeNet，即迭代决策树方法）和一种参数方法（logit，即逻辑回归模型），针对162个国家在1960－2004年间的数据进行分析，识别出哪些经济变量、人口变量和政治变量导致政府执行部门领导人变更的概率较高。
研究发现，政治体制的制度化侧面（如民主化、独裁化的程度）、政府首席执行官的相关特征（如领导人的产生程序、权力受限情况、执政年头，等等）、人口变量（如人口年轻化或老龄化程度、城市人口比重，等等）、经济增长率、国际贸易变量等因素对于预测次年是否发生领导人变更都很重要。对于预测领导人变更，金融危机不是多么重要的因素。但是，若在低经济增长时期发生货币危机，则处于非大选年份的民主党领袖较易丢官。
就内样本数据而言，采用TreeNet预测的准确率为78％，采用CART预测的准确率为70％。对于外样本数据，TreeNet的预测效果总体上都要好于CART法和逻辑回归模型法。作者最后指出，在发达国家，用预测市场之类的方法来进行政治预测（如预测总统竞选的最终结果）已经是家常便饭，而发展中国家还根本没有采用这些方法做政治预测的先例（博主：估计当局也不允许）。
因此，本文的方法对于发展中国家开展政治预测也许更有价值。