还有其他几种预测模型也采用相似的方法，把美国总统大选这类复杂的问题用“两个变量”的方程式解决（奇怪的是，这些模型中所用的两个变量五花八门）。实际上，在这些预测模型中，有些模型的跟踪记录远不及希布斯的预测模型准确。2000年，其中一个预测模型预计戈尔会以19个点取胜，甚至还预测小布什只有十万分之一的概率获胜。

这样的预测模型在1988年美国总统大选之后开始盛行，因为在这次竞选中此类模型的基本变量一直偏向老布什一方——经济运行良好，老布什代表的共和党有一位颇受民众欢迎的前任总统里根——但直到本次大选后期，民意调查都是偏向迈克尔·杜卡基斯一方的。最终，老布什轻松获胜。

然而，尽管这类预测模型越来越多，但它们的跟踪记录却很差。1992年以后的5次美国总统大选中，这个“基于基本变量”的典型预测模型——它忽略了民意调查，声称在没有相关信息的情况下仍可辨清选民的动向——结果漏掉了几位主要候选人之间高达7%的点数差距。而采用狐狸式方法的预测模式，把经济数据、民调数据以及其他类型的信息结合在一起，得出了更为可靠的预测结果。