[વપરાશકર્તા એન્ટ્રી] લેખ 'વિટોરિનો ગાર્સિયા દ્વારા લખાયેલ યુપીમાં વોટ લોયલ્ટીનું આંકડાકીય વિશ્લેષણ'નો પ્રતિભાવ

વિટોરિનો દ્વારા લખાયેલા લેખ અને ડેટાનું વિશ્લેષણ કર્યા પછી, મારે કહેવું છે કે મને અસંખ્ય ભૂલો મળી છે, જેનું હું વર્ણન કરીશ. મૂળભૂત રીતે હું આ લખી રહ્યો છું કારણ કે હું તે જોઉં છું યુપીના પતન માટે IU ને દોષ આપવાનો કોઈ આંકડાકીય અર્થ નથી.લેખમાં સ્પષ્ટપણે સૂચવ્યા મુજબ. મારા નમ્ર અભિપ્રાયમાં, સ્પષ્ટપણે અમને એક સર્વેક્ષણની જરૂર છે કે શા માટે અમારા મતદારોએ અમને મતદાન કરવાનું બંધ કર્યું છે, માનવામાં આવતું આંકડાકીય વિશ્લેષણ નહીં.
આ કહીને, હું લેખમાં જોયેલી સમસ્યાઓથી શરૂઆત કરું છું:
1º વિટોરીનોએ કરેલી ગણતરીઓ સાથે, મને તેના અથવા r=0.63 જેવું જ સમીકરણ મળ્યું નથી. પરંતુ તેને અવગણીને, ગ્રાફિકલી આપણે જોઈ શકીએ છીએ કે તેણે જે ગ્રાફ્સ બહાર પાડ્યા છે તે સ્પષ્ટ વલણ દર્શાવતા નથી. સ્પષ્ટ વલણો નીચે મુજબ હશે:

વિટોરિનો દ્વારા રજૂ કરાયેલા સમાન એક માત્ર એક જ છે જે કહે છે કે કોઈ સહસંબંધ નથી. તેના ગ્રાફિક્સ નીચે મુજબ છે.

2º પણ આ મુદ્દાને અવગણીને અને તમે રજૂ કરેલ ડેટા સહસંબંધિત છે તે આધારને સ્વીકારીને, તેમની પર્યાપ્ત રીતે સારવાર કરવામાં આવી નથી. મને સમજાવવા દો, જો આપણે થયેલા નુકસાનને જોઈએ તો આપણે જોઈ શકીએ છીએ કે એવા ઘણા પ્રદેશો છે જે એકબીજાથી ખૂબ જ અલગ છે અને જેના માટે હું ઘણી વધુ સુસંગત સિદ્ધાંતો રજૂ કરવા જઈ રહ્યો છું.
જો કે આપણે વાસ્તવમાં નવરાને ઓછા નુકસાનથી અલગ પડેલા વિભાગ તરીકે મૂકી શકીએ છીએ, પરંતુ અમે પછીથી જે પૂર્વધારણા કરવા જઈ રહ્યા છીએ તેના આધારે, અમે અવલોકન કરીશું કે બધું હોવા છતાં તેને સમાન ગણી શકાય.

• બાકીનું સ્પેન:

આ સંખ્યાઓનું અવલોકન કરવાથી આપણે નીચેની બાબતો જોઈ શકીએ છીએ અને તે એ છે કે તે સમુદાયોમાં જ્યાં મજબૂત ડાબેરી રાષ્ટ્રવાદી અથવા સ્વતંત્ર પક્ષ છે (યુસ્કાડી, કેટાલોનિયા અને નવારા), યુપી નોંધપાત્ર રીતે વધુ સારી રીતે ધરાવે છે. તે પાર્ટીમાં ઘટાડા સાથે પણ એકરુપ છે. ખાસ કરીને મહત્વનું એ છે કે જીબીએ નવરામાં જે ઘટાડો સહન કર્યો છે, જે આ પૂર્વધારણાને અનુસરીને સ્પષ્ટપણે સમજાવે છે કે શા માટે યુપીએ સમગ્ર દેશમાં શ્રેષ્ઠ પ્રતિકાર કર્યો છે.
જો આપણે બેલેરિક ટાપુઓને જોઈએ, જો આપણે 20-D પરના MES મતોને ધ્યાનમાં ન લીધા હોય, તો તે વિકસિત પૂર્વધારણા સાથે સંપૂર્ણ રીતે બંધબેસે છે. જ્યારે MES ડેટા દાખલ કરવામાં આવે છે, ત્યારે ઘટાડો દેશના બાકીના ડેટા સાથે સુસંગત છે. જે મેં વિકસિત કરેલી પૂર્વધારણાની તરફેણમાં વધુ પોઈન્ટ આપે છે, જે તે છે સૌથી મહત્વપૂર્ણ ઘટાડો યુપીમાં થાય છે, પછી ભલે તે મત પોડેમોસ અથવા IU તરફથી આવે, અને તે મજબૂત ડાબેરી રાષ્ટ્રવાદી/સ્વતંત્ર પક્ષ સાથે તે સ્થાનો પર જ સારી રીતે પ્રતિકાર કરે છે., જેમના ઘણા મતો ગઠબંધનમાં જાય છે અને ઘટાડાને ખૂબ ઓછા ધ્યાનપાત્ર બનાવે છે.
જો આપણે કેનેરી ટાપુઓ અથવા બેલેરિક ટાપુઓ પર નજર કરીએ કે જ્યાં અસ્તિત્વમાં રહેલા ડાબેરી રાષ્ટ્રવાદી પક્ષો ખૂબ નબળા છે, તો આપણે અવલોકન કરીએ છીએ કે આ વલણ ચાલુ છે. અને બાકીના સ્પેનમાં જ્યાં આવી કોઈ પાર્ટીઓ નથી ત્યાં યુપી સ્પષ્ટપણે તૂટી જાય છે.

ઠીક છે, હવે જ્યારે અમારી પાસે પૂર્વધારણાને સમર્થન આપવા માટે ડેટા છે, ત્યારે આપણે યુપીના પતનનું મૂળ શોધવું જોઈએ. આ કરવા માટે, તે IU સાથે ગઠબંધનને કારણે છે કે નહીં તે ધ્યાનમાં લીધા વિના, ત્યાગ સાથે થતા સામાન્ય ઘટાડાને પહેલા દૂર કરવું વાજબી છે. એટલે કે, આપણે ગેલિસિયામાં સરેરાશ ઘટાડાની ગણતરી કરવી જોઈએ, જ્યાં પહેલેથી જ ગઠબંધન હતું અને ત્યાં કોઈ મજબૂત રાષ્ટ્રવાદી/સ્વતંત્ર પક્ષ નથી જે નોંધપાત્ર રીતે ઘટ્યો છે. એટલે કે, જો તે પહેલાથી જ ગઠબંધનમાં ગઈ હોત તો બાકીના સ્પેનમાં (જ્યાં કોઈ મજબૂત ડાબેરી રાષ્ટ્રવાદી પક્ષ ન હોય તેવા ચિહ્નિત ઘટાડામાં) જે મત યુપીને મળ્યા હોત તેના જેવું જ દૃશ્ય.
ગેલિસિયામાં સરેરાશ ઘટાડો 15,73% છે. તેથી હવે અમે તે સરેરાશ ઘટાડાને દૂર કરીને બાકીના સ્પેનમાં ડેટા મેળવીશું. આ રીતે આપણે સાથે જઈને દરેક પ્રદેશમાં જે નુકસાન કે નફો મળે છે તે જોઈ શકીએ છીએ. એટલે કે, અમે ગઠબંધનની નિષ્ફળતા માટે તે "ગુનેગાર" મેળવવા માટે સક્ષમ થઈશું જેમાં બે પક્ષોમાંથી એક ( પોડેમોસ અથવા IU ) સ્પષ્ટપણે વેગનમાંથી ઉતરી ગયો છે.

મેં અગાઉ ઉલ્લેખ કર્યો છે તેમ, ગુનેગારોને શોધવાની વિટોરીનોની રીતો આંકડાકીય રીતે સાચી છે એમ ધારી રહ્યા છીએ, આ સંખ્યાઓને ધ્યાનમાં લેવી પડશે, કારણ કે તે ધુમ્મસને દૂર કરે છે જે અમને ડેટાને સ્પષ્ટપણે જોવાની મંજૂરી આપતું નથી.

આ સંખ્યાઓમાંથી આપણે નીચેનો ગ્રાફ મેળવીએ છીએ:

જો આપણે આલેખને નજીકથી જોઈશું, તો આપણે જાણીશું કે વિટોરીનોએ અગાઉના લેખમાં જે લીટીઓનો ઉલ્લેખ કર્યો છે તે ઘણી ઓછી ઉચ્ચારણ છે. અને જો આપણે વધુ વિગતવાર પણ હોઈએ, તો આપણે જોઈ શકીએ છીએ કે તે ઝામોરા (3 ડેપ્યુટીઓ), કેસ્ટેલોન (5 ડેપ્યુટીઓ) અને કુએન્કા (3 ડેપ્યુટીઓ) છે જે ત્યાં લગભગ એક સીધી રેખા થવાથી અટકાવે છે, જેમ કે આપણે ગ્રાફમાં જોઈએ છીએ જેમાં આપણે જણાવ્યું ડેટા દૂર કર્યો. એટલે કે, ત્યાં 3 પ્રાંત છે જે 11 માંથી 247 સીટોનું વિતરણ કરે છે જેનું આપણે વિશ્લેષણ કરી રહ્યા છીએ (ભાગ્યે 4%) અને તે વસ્તી ગણતરીના માત્ર 3% જ રજૂ કરે છે અને જ્યાં યુપીમાં પણ પહેલા કે પછી સારા પરિણામો આવ્યા નથી. એટલે કે, આપણે જે ડેટાનું વિશ્લેષણ કરી રહ્યા છીએ તે તે ડેટા છે જે નકામી અથવા જરૂરી ન ગણી શકાય.

નિષ્કર્ષ:
આંકડાકીય રીતે અમે પોડેમોસ અથવા IU માં ખરાબ પરિણામો માટે "ગુનેગાર" શોધી શકતા નથી. "ગુનેગારો" બંને હશે, ઓછામાં ઓછું આ પ્રકારનું વિશ્લેષણ કરી રહ્યા છે.
કારણ શોધવા માટે મતદારો અને ભૂતપૂર્વ મતદારો વચ્ચેના સર્વેક્ષણોનું વધુ વિસ્તૃત વિશ્લેષણ જરૂરી છે. જો કે આ ડેટાને જોતા અમે પ્રવચન અને/અથવા રીતે જે આ ઘટાડા તરફ દોરી ગયા છે તેમાં ફેરફાર દર્શાવવાનું સાહસ કરી શકીએ છીએ, કારણ કે તે એવી વસ્તુ છે જે તમામ મતદારોને સ્પષ્ટ રીતે પ્રભાવિત કરે છે.

*** Javi Alberdi દ્વારા એક લેખ