Sind die Hochrechnungen von Sitzen und First Party pro Provinz zuverlässig?

Hochrechnungen der Sitze und sogar der „ersten Partei pro Provinz“ werden oft anhand der Stimmenprozentdaten durchgeführt, die durch eine bestimmte Umfrage oder einen Durchschnitt bereitgestellt werden. Oftmals werden diese Extrapolationen auch als reine Erfindung kritisiert.

Da es sich um ein kontroverses Thema handelt, werden wir versuchen, eine sehr vereinfachte Zusammenfassung der Gründe zu erstellen, die beides unterstützen. Vielleicht wissen wir so, was wir von einer Hochrechnung der Sitze erwarten können und was nicht.

SIND EXTRAPOLATIONEN EINE ERFINDUNG?

Nein sind sie nicht. Die Hochrechnungen (zumindest wenn sie gut gemacht sind) basieren auf den Daten der letzten Wahlen (im Fall des Kongresses beispielsweise auf den Daten der Wahlen vom 26). Und sie berücksichtigen eine reale Tatsache: dass nicht alle Provinzen gleich abstimmen und dass diese Abstimmungsunterschiede im Wesentlichen über die Zeit hinweg bestehen bleiben.

Ausgehend von den Umfragedaten ist daher eine Extrapolation möglich linear versuchen, die wahrscheinlichsten Ergebnisse für jede Provinz herauszufinden und daraus eine konkrete Sitzverteilung abzuleiten.

Ist diese Extrapolation sinnvoll?

Ja, sehr nützlich. Die angebotenen Daten werden zuverlässiger und näher an der Realität sein, als wenn wir die bisherigen Unterschiede zwischen den Provinzen nicht berücksichtigen würden.

Ist es korrekt?

Nein. Es ist leichtsinnig, eine Extrapolation einer nationalen Umfrage zu verwenden, um zu diskutieren, ob diese oder jene Partei in Badajoz oder Huesca gewinnt. Die von den Hochrechnungen bereitgestellten Karten von Spanien geben zwar ein einigermaßen zuverlässiges Gesamtbild, aber andererseits ist es wahrscheinlicher, dass sie scheitern, und zwar umso kläglicher, je kleiner die Provinz ist, für die sie hochgerechnet werden.

Dies bedeutet nicht, dass die Sitzverteilung, die die Hochrechnungen bieten, wertlos ist, denn die Abweichungen, die in einigen Provinzen auftreten, werden durch Abweichungen in die entgegengesetzte Richtung in anderen weitgehend ausgeglichen.. Aus diesem Grund liefern verschiedene Extrapolationsmethoden überraschenderweise ähnliche Sitzvorhersagen, obwohl sie die Karte der ersten Partei nach Provinzen anbieten sieh aus wie ganz anders.

Wie kann man eine Hochrechnung verbessern?

Die übliche Extrapolationstechnik, die darin besteht, einfach auf jeden Wahlkreis den gleichen Prozentsatz der globalen Abweichung anzuwenden, der für jede Partei auf nationaler Ebene beobachtet wird, führt zu Fehlern und zu unmöglichen Ergebnissen (z. B. mehr als 100 % gültige Stimme in einigen Wahlkreisen). , und berücksichtigt nicht, dass ein Teil der Abweichung nicht qualitativ, sondern quantitativ, nicht proportional, sondern in allen Wahlkreisen parallel ist. Mit dieser Technik würde beispielsweise eine große Partei, die von den letzten Wahlen bis zur jüngsten Umfrage auf nationaler Ebene von 20 % auf 40 % der Stimmen gestiegen ist, in der Provinz von 40 % auf 80 % der Stimmen kommen zum Beispiel derjenige, der die meisten Stimmen erhält, und 3 bis 6 % derjenige, der die wenigsten Stimmen erhält. Solche Ergebnisse entsprechen nicht der Realität. Mit dem einfachen gesunden Menschenverstand sind wir uns alle einig, dass der tatsächliche Prozentsatz in der ersten Provinz weniger als 80 % und in der zweiten mehr als 6 % betragen wird.

Aus diesem Grund haben wir bei Electomania im letzten Jahr unsere Extrapolationsmethode verbessert und einen gemischten Faktor eingeführt, der proportionale Schwankungen mildert.

Eine zweite Verbesserung, die eingeführt werden kann, obwohl sie technisch viel komplexer und riskanter ist, besteht darin, die Entwicklung jedes Wahlkreises gemäß neueren Umfragen für andere Wahlen (Kommunal-, Regionalwahlen) oder, noch besser, die nachfolgenden Ergebnisse zu berücksichtigen diese anderen Wahlen. Wahlen.

Ohne Zweifel würde eine gute Umsetzung dieser Verbesserung die Daten noch weiter verfeinern. Das Schwierige, das Teuflische daran ist, diese Daten im Nachhinein zu komprimieren ortsnah mit denen der Landesgruppe übereinstimmen und das Gewicht dieser Korrektur für die Hochrechnung insgesamt nicht über- oder unterschreiten.

Die beiden vorherigen Absätze beschreiben komplexe Realitäten, die es nicht wert sind, näher erläutert zu werden, und die nicht einmal vollständig verstanden werden müssen. Sie müssen nur die Grundidee beibehalten: Eine gute Extrapolation ist schwierig, und eine sehr gute Extrapolation ist sogar noch schwieriger, da sehr feine Anpassungen erforderlich sind.

Welche weiteren Faktoren beeinflussen die Zuverlässigkeit einer Hochrechnung?

Der grundlegende Faktor ist Zeit.

Der Flügelschlag eines Schmetterlings in Peru wird letztendlich das Klima Sibiriens beeinflussen, mit der einzigen Bedingung, dass wir diesem Einfluss genügend Zeit geben, um sich zu verwirklichen. Ebenso werden die Ergebnisse einer Wahl mit der Zeit immer weniger zuverlässig, da es viele „Schmetterlinge“ gibt, die mit den Flügeln schlagen und dafür sorgen, dass sich jede Provinz auf ihre eigene Weise entwickelt. Daher wird das künftige Wahlklima auf lokaler Ebene im Laufe der Monate immer unvorhersehbarer, obwohl wir über sehr zuverlässige globale Daten verfügen.

Umfragen, die einen Monat nach einer Parlamentswahl durchgeführt werden, lassen sich viel einfacher extrapolieren, und das Ergebnis der Extrapolation wird viel sicherer sein als Umfragen, die vier Jahre später durchgeführt werden.

Ein auf die Spitze getriebenes Beispiel hierfür war die amerikanische Präsidentschaftswahl, bei der die Ergebnisse für die 51 Staaten der Union von Meinungsforschern teilweise aus globalen nationalen Daten abgeleitet wurden. Das merkwürdige (und unfaire) amerikanische Wahlsystem verstärkte die Fehler dieser Hochrechnungen und bescherte Trump einen Sieg bei den Abgeordneten, den er bei den Stimmen nicht annähernd erreichen konnte. Die Umfragen sind bei diesen Wahlen weltweit nicht gescheitert, im Gegenteil, ihr Erfolg war sehr groß.

Nate Silver zum Beispiel hat das Gesamtergebnis von Hillary Clinton und Donald Trump fast „auf den Punkt gebracht“. Aber er machte einen Fehler bei der Zuordnung der Schlüsselzustände und damit der Siegeswahrscheinlichkeiten für jeden einzelnen:

Vorhersage…

…und die Realität

Wo die Demokraten gewannen, lagen sie mit einem größeren Vorsprung als erwartet vor, was ihnen aber nicht mehr Repräsentanten einbrachte, wohingegen dort, wo ein Unentschieden erwartet wurde, dieser knapp zu Gunsten der Republikaner gebrochen wurde, die somit viel mehr Repräsentanten einheimsen konnten als erwartet. . Daher, Während die Meinungsforscher weltweit alles richtig machten, machten sie lokal große Fehler.

Der Flügelschlag des Schmetterlings des Chaos begünstigte Trump und lehrte uns etwas Grundlegendes: Lasst uns den Details nicht zu viel Aufmerksamkeit schenken, denn sie sind wahrscheinlich falsch. Bleiben wir beim Gesamtbild, denn es wird wahrscheinlich richtig sein.

Und außerdem. Der Schmetterlings-Effekt", Die Macht des Chaos, Ergebnisse zu verzerren, ist in Mehrheitswahlsystemen groß oder von Delegierten wie dem der Vereinigten Staaten, aber in proportionalen Systemen viel besser kontrollierbar. Glücklicherweise haben wir in Spanien ein weniger unverhältnismäßiges System als das der Vereinigten Staaten. Daher sind unsere Extrapolationen trotz all ihrer Mängel viel zuverlässiger.

Die einzige Voraussetzung dafür ist, dass... die Umfragen gut durchgeführt werden. Hoffen wir, dass sie mindestens so gut sind wie die Schätzungen von Nate Silver für die Vereinigten Staaten.

Hier belassen wir vorerst die letzte in Spanien von Celeste-Tel veröffentlichte Ausgabe mit der Sitzverteilung und unserer eigenen Hochrechnung nach Provinzen.

Wir glauben es durchaus, aber das ist logisch. Was denken Sie?

Josef Salver