Er ekstrapoleringerne af sæder og første parti efter provins pålidelige?

Ekstrapolering af sæder og endda "provinsens ledende parti" er ofte lavet ud fra stemmeandelsdata leveret af en bestemt meningsmåling eller et gennemsnit. Også disse ekstrapolationer bliver ofte kritiseret som ren opfindelse.

Da det er en kontroversiel sag, vil vi forsøge at lave en meget forenklet opsummering af de grunde, der hjælper hinanden. Måske ved vi på denne måde, hvad vi kan forvente, og hvad ikke, ud fra en ekstrapolering af pladser.

ER EKSTRAPOLATIONER EN OPFINDELSE?

Nej de er ikke. Ekstrapoleringerne (i det mindste hvis de er udført korrekt) starter fra dataene fra det seneste afholdte valg (i tilfældet med Kongressen starter de for eksempel fra dataene fra valget den 26-J-2016), og de tager højde for en reel kendsgerning: at ikke alle provinser stemmer ens, og at disse forskelle i afstemning i det væsentlige opretholdes over tid.

På baggrund af data fra en undersøgelse er det derfor muligt at ekstrapolere lineal at forsøge at finde ud af de mest sandsynlige resultater provins for provins, og derfra udlede en specifik tildeling af pladser.

Er denne ekstrapolation nyttig?

Ja, meget nyttigt. De data, den tilbyder, vil være mere pålidelige og vil være tættere på virkeligheden, end hvis vi ikke tog højde for de tidligere forskelle mellem provinserne.

er det nøjagtigt?

Nej. Det er dumdrigt at bruge en ekstrapolation fra en national undersøgelse til at diskutere, om dette eller hint parti vinder i Badajoz eller Huesca. Kortene over Spanien, som ekstrapoleringerne tilbyder, giver et rimeligt sikkert helhedsbillede, men på den anden side er det sandsynligt, at de fejler, og at de gør det mere rungende, jo mindre provinsen de er ekstrapoleret for.

Det betyder ikke, at den tildeling af pladser, som ekstrapoleringerne tilbyder, er værdiløs, fordi afvigelser, der forekommer i nogle provinser, opvejes stort set af afvigelser i den modsatte retning i andre. Af denne grund har forskellige ekstrapoleringsmetoder en tendens til, overraskende nok, at give lignende forudsigelser for pladser, selvom kortet over det første parti efter provins, som de tilbyder ligner ret anderledes.

Hvordan kan en ekstrapolation forbedres?

Den sædvanlige ekstrapolationsteknik, som blot består i at anvende den samme procentdel af den globale afvigelse for hver valgkreds, som observeres for hvert parti på nationalt plan, fører til fejl, til umulige resultater (mere end 100 % af gyldige stemmer i nogle valgkredse, f.eks. eksempel ), og tager ikke højde for, at en del af afvigelsen ikke er kvalitativ, men kvantitativ, ikke proportional, men parallel i alle valgkredse. Med denne teknik vil for eksempel et stort parti, der går fra 20 % til 40 % af stemmerne på nationalt plan fra det seneste valg til den seneste undersøgelse, gå fra 40 % til 80 % af stemmerne i provinsen i den, der får flest stemmer og fra 3 % til 6 % i den, der får færrest, f.eks. Sådanne resultater stemmer ikke overens med virkeligheden. Vi er alle enige, ud fra almindelig sund fornuft, at den reelle procentdel i den første provins vil være mindre end 80 % og i den anden større end 6 %.

Af denne grund har vi i Electomania forbedret vores ekstrapolationsmetode i det sidste år ved at introducere en blandet faktor, der udjævner de proportionale variationer.

En anden forbedring, der kan indføres, selv om den er meget mere teknisk kompleks og mere risikabel, er at tage højde for udviklingen i hver enkelt valgkreds ifølge nyere undersøgelser for andre valg (kommunale, regionale) eller, endnu bedre, de efterfølgende resultater af de andre valg.

Uden tvivl, hvis denne forbedring er velimplementeret, ville det forfine dataene endnu mere. Det svære, det djævelske, er at komprimere disse data a posteriori lokal med dem fra den nationale gruppe, samt ikke overskride eller komme til kort i vægten tillagt denne korrektion for ekstrapolationsgruppen.

De foregående to afsnit beskriver komplekse virkeligheder, som ikke er værd at gå i detaljer med, og som ikke engang behøver at blive forstået fuldt ud. Det er kun nødvendigt at blive ved den grundlæggende idé: at ekstrapolere godt er svært, og at gøre det meget godt er endnu sværere, fordi det kræver meget fine justeringer.

Hvilke andre faktorer påvirker pålideligheden af en ekstrapolation?

Den grundlæggende faktor er tid.

En sommerfugls flagrende vinger i Peru vil i sidste ende påvirke Sibiriens klima på den eneste betingelse, at vi giver denne indflydelse tid nok til at materialisere sig. På samme måde vil resultaterne af et valg blive mindre og mindre pålidelige som tiden går, fordi der er mange "sommerfugle", der slår med vingerne og får hver provins til at udvikle sig på sin egen måde. Dermed vil det fremtidige valg-"klima" blive, som månederne går, mere og mere uforudsigeligt på lokalt plan, selvom vi har meget pålidelige globale data.

Målinger, der gennemføres en måned efter et folketingsvalg, vil være meget nemmere at ekstrapolere, og resultatet af ekstrapoleringen vil være meget mere sikkert end dem, der gennemføres fire år senere.

Et eksempel på dette, taget til det yderste, var det amerikanske præsidentvalg, hvor resultaterne for Unionens 51 stater blev udledt af meningsmålere, delvist fra globale nationale data. Det nysgerrige (og uretfærdige) amerikanske valgsystem forstærkede fejlene i disse ekstrapolationer og gav Trump en sejr i repræsentanter, som han langtfra opnåede, i stemmer. Meningsmålingerne fejlede ikke globalt ved disse valg: tværtimod var deres succesniveau meget høj.

Nate Silver, for eksempel, næsten "nailed" de samlede resultater af Hillary Clinton og Donald Trump. Men han tog fejl, da han tildelte nøglestaterne og dermed chancerne for sejr for hver enkelt:

Forudsigelse...

... og virkeligheden

Hvor demokraterne vandt, gjorde de det med mere margin end forventet, men det bragte dem ikke flere repræsentanter, mens hvor der var forventet uafgjort, blev det knebent brudt til fordel for republikanerne, som dermed fik mange flere repræsentanter end forventet. . Dermed, For at få det rigtigt globalt, begik meningsmålingerne store fejl lokalt.

Kaossommerfuglens vingeklap favoriserede Trump og lærte os noget grundlæggende: Lad os ikke være for meget opmærksomme på detaljerne, for jeg tager sikkert fejl. Lad os holde os til det generelle billede, for det vil nok være korrekt.

Og en anden ting. Sommerfugleeffekten", kaosets magt, når det kommer til at fordreje resultaterne, er stor i flertalsvalgsystemer eller af delegerede som USA, men Meget mere kontrollerbar i proportionalsystemer. Heldigvis har vi i Spanien et mindre uforholdsmæssigt system end det i USA. Så vores ekstrapolationer, med alle deres fejl, er meget mere pålidelige.

Den eneste betingelse for, at det er sådan, er, at... er, at... at undersøgelserne er veludførte. Lad os håbe, at de er mindst lige så gode som Nate Silvers estimater for USA.

For nu forlader vi her den sidste offentliggjort i Spanien, af Celeste-Tel, med dens tildeling af pladser og vores egen ekstrapolering efter provinser.

Vi tror helt på det, men det er logisk. Hvad synes du?