Les extrapolations des sièges et du premier parti par province sont-elles fiables ?

Les extrapolations des sièges et même du « premier parti par province » sont souvent faites à partir des données de pourcentage de vote fournies par une enquête particulière ou une moyenne. Souvent aussi, ces extrapolations sont critiquées comme étant une pure invention.

Comme il s’agit d’une question controversée, nous allons essayer de faire un résumé très simplifié des raisons qui soutiennent les deux. Peut-être que nous saurons ainsi ce que nous pouvons et ne pouvons pas attendre d’une extrapolation des sièges.

LES EXTRAPOLATIONS SONT-ELLES UNE INVENTION ?

Non ils ne le sont pas. Les extrapolations (du moins si elles sont bien faites) sont basées sur les données des dernières élections organisées (dans le cas du Congrès, par exemple, elles sont basées sur les données des élections du 26-J-2016), et ils tiennent compte d'un fait réel : que toutes les provinces ne votent pas de la même manière et que ces différences de vote se maintiennent, essentiellement, dans le temps.

Par conséquent, à partir des données de l’enquête, il est possible d’extrapoler règle essayer de connaître les résultats les plus probables province par province, et en déduire une répartition précise des sièges.

Cette extrapolation est-elle utile ?

Oui, très utile. Les données qu’elle propose seront plus fiables et plus proches de la réalité que si l’on ne tenait pas compte des différences antérieures entre les provinces.

Est-ce exact ?

Non. Utiliser une extrapolation d’une enquête nationale pour discuter de la victoire de tel ou tel parti à Badajoz ou à Huesca est imprudent. Les cartes de l'Espagne proposées par les extrapolations donnent une image globale raisonnablement fiable, mais, d'un autre côté, elles risquent d'échouer et ce d'autant plus lamentablement que la province pour laquelle elles sont extrapolées est petite.

Cela ne veut pas dire que l'attribution de sièges qu'offrent les extrapolations est sans valeur, car le Les écarts qui se produisent dans certaines provinces sont largement compensés par des écarts en sens inverse dans d’autres.. C'est pourquoi différentes méthodes d'extrapolation ont tendance à offrir, de manière surprenante, des prévisions de sièges similaires, même si la carte du premier parti par province qu'elles proposent sembler assez différent.

Comment améliorer une extrapolation ?

La technique habituelle d'extrapolation, consistant simplement à appliquer à chaque circonscription le même pourcentage d'écart global que l'on observe pour chaque parti au niveau national, conduit à des erreurs, à des résultats impossibles (plus de 100% de vote valable dans certaines circonscriptions par exemple). , et ne tient pas compte du fait qu’une partie de l’écart n’est pas qualitative mais quantitative, non proportionnelle mais parallèle dans toutes les circonscriptions. Avec cette technique par exemple, un grand parti qui passe de 20% à 40% des voix au niveau national depuis les dernières élections jusqu'au sondage le plus récent, passerait de 40% à 80% des voix dans la province au celui qui reçoit le plus de voix et 3% à 6% dans celui qui en reçoit le moins, par exemple. De tels résultats ne correspondent pas à la réalité. Nous serions tous d'accord, par simple bon sens, que le pourcentage réel dans la première province sera inférieur à 80 % et dans la seconde supérieur à 6 %.

C'est pourquoi chez Electomania nous avons amélioré notre méthode d'extrapolation l'année dernière, en introduisant un facteur mixte qui tempère les variations proportionnelles.

Une deuxième amélioration qui peut être introduite, bien que beaucoup plus complexe techniquement et plus risquée, est de prendre en compte l'évolution de chaque circonscription en fonction d'enquêtes plus récentes pour d'autres élections (communales, régionales) ou, mieux encore, des résultats ultérieurs des élections. ces autres élections.

Sans aucun doute, si cette amélioration était bien mise en œuvre, elle affinerait encore davantage les données. Le plus difficile, le plus diabolique, c'est de compacter ces données a posteriori. local avec ceux du groupe national, ainsi que de ne pas dépasser ou diminuer le poids accordé à cette correction pour l'extrapolation dans son ensemble.

Les deux paragraphes précédents décrivent des réalités complexes qui ne méritent pas d’être détaillées davantage et n’ont même pas besoin d’être pleinement comprises. Il faut juste garder l'idée de base : Bien extrapoler est difficile, et très bien le faire est encore plus difficile car cela nécessite des ajustements très fins.

Quels autres facteurs influencent la fiabilité d’une extrapolation ?

Le facteur fondamental est le temps.

Le battement d'ailes d'un papillon au Pérou finira par influencer le climat de la Sibérie, à la seule condition que nous laissions à cette influence suffisamment de temps pour se matérialiser. De même, les résultats d’une élection deviendront de moins en moins fiables au fil du temps, car de nombreux « papillons » battent des ailes et font évoluer chaque province à sa manière. Ainsi, le futur « climat » électoral deviendra, au fil des mois, de plus en plus imprévisible au niveau local, même si nous disposons de données globales très fiables.

Les sondages réalisés un mois après une élection générale seront beaucoup plus faciles à extrapoler, et le résultat de l'extrapolation sera beaucoup plus sûr que ceux réalisés quatre ans plus tard.

Un exemple de cela, poussé à l’extrême, a été l’élection présidentielle américaine, où les résultats pour les 51 États de l’Union ont été déduits par les sondeurs, en partie, à partir de données nationales mondiales. Le curieux (et injuste) système électoral américain a amplifié les erreurs de ces extrapolations et a donné à Trump une victoire en termes de représentants dont il ne s’est même pas approché en termes de votes. Les sondages n’ont pas globalement échoué lors de ces élections : au contraire, leur niveau de succès a été très élevé.

Nate Silver, par exemple, a presque « cloué » les résultats globaux d’Hillary Clinton et de Donald Trump. Mais il s’est trompé en attribuant les états clés et donc les probabilités de victoire pour chacun :

Prédiction…

…et la réalité

Là où les démocrates ont gagné, ils l'ont fait avec une plus grande marge que prévu, mais cela ne leur a pas donné plus de représentants, tandis que là où on s'attendait à une égalité, elle a été brisée, à peine, en faveur des républicains, qui ont ainsi récolté beaucoup plus de représentants que attendu. . De cette façon, Tout en réussissant à faire les choses à l’échelle mondiale, les sondeurs ont commis des erreurs majeures au niveau local.

Le battement d'ailes du papillon du chaos a favorisé Trump et nous a appris quelque chose de fondamental : ne prêtons pas trop attention aux détails, car il a probablement tort. Restons-en au tableau général, car il sera probablement correct.

Et une autre chose. L'effet papillon", Le pouvoir du chaos de fausser les résultats est grand dans les systèmes électoraux majoritaires ou par des délégués comme celui des États-Unis, mais beaucoup plus contrôlable dans les systèmes proportionnels. Heureusement, nous avons en Espagne un système moins disproportionné que celui des États-Unis. Nos extrapolations, malgré tous leurs défauts, sont donc bien plus fiables.

La seule condition pour qu'il en soit ainsi, c'est que... c'est que... que les enquêtes soient bien faites. Espérons qu'elles soient au moins aussi bonnes que les estimations de Nate Silver pour les États-Unis.

Pour l'instant, nous quittons ici le dernier publié en Espagne, par Celeste-Tel, avec sa répartition des sièges et notre propre extrapolation par provinces.

Nous y croyons tout à fait, mais c'est logique. Qu'en penses-tu?

José Salver