Zijn de extrapolaties van zetels en eerste partij per provincie betrouwbaar?

Extrapolaties van zetels en zelfs van de “eerste partij per provincie” worden vaak gemaakt op basis van de stempercentagegegevens uit een bepaalde enquête of een gemiddelde. Ook deze extrapolaties worden vaak bekritiseerd als pure verzinsels.

Omdat het een controversiële kwestie is, gaan we proberen een zeer vereenvoudigde samenvatting te maken van de redenen die beide ondersteunen. Misschien weten we zo wat we wel en niet kunnen verwachten van een extrapolatie van zetels.

ZIJN EXTRAPOLATIES EEN UITVINDING?

Nee, dat zijn ze niet. De extrapolaties (tenminste als ze goed zijn uitgevoerd) zijn gebaseerd op de gegevens van de laatste verkiezingen (in het geval van het Congres zijn ze bijvoorbeeld gebaseerd op de gegevens van de verkiezingen van 26 juli 2016), en ze houden rekening met een reëel feit: dat niet alle provincies hetzelfde stemmen en dat deze stemverschillen in wezen in de loop van de tijd blijven bestaan.

Op basis van de onderzoeksgegevens is het daarom mogelijk om te extrapoleren heerser Proberen per provincie de meest waarschijnlijke resultaten te achterhalen, en daaruit een specifieke zetelverdeling af te leiden.

Is deze extrapolatie nuttig?

Ja, erg handig. De gegevens die het biedt zullen betrouwbaarder zijn en dichter bij de werkelijkheid liggen dan wanneer we geen rekening zouden houden met de eerdere verschillen tussen provincies.

Is het accuraat?

Nee. Het is roekeloos om een ​​extrapolatie van een nationaal onderzoek te gebruiken om te bespreken of deze of gene partij wint in Badajoz of Huesca. De kaarten van Spanje die de extrapolaties opleveren, geven een redelijk betrouwbaar totaalbeeld, maar aan de andere kant is het waarschijnlijk dat ze zullen mislukken en dat dit nog erger zal zijn naarmate de provincie waarvoor ze worden geëxtrapoleerd kleiner is.

Dit betekent niet dat de zetelverdeling die de extrapolaties bieden waardeloos is, omdat de Afwijkingen die in sommige provincies voorkomen, worden grotendeels gecompenseerd door afwijkingen in de tegenovergestelde richting in andere.. Dat is de reden waarom verschillende extrapolatiemethoden de neiging hebben om, verrassend genoeg, vergelijkbare zetelvoorspellingen te bieden, ook al biedt de kaart van de eerste partij per provincie die zij aanbieden eruit zien nogal anders.

Hoe kunt u een extrapolatie verbeteren?

De gebruikelijke extrapolatietechniek, die bestaat uit het simpelweg toepassen op elk kiesdistrict van hetzelfde percentage van de mondiale afwijking dat voor elke partij op nationaal niveau wordt waargenomen, leidt tot fouten en tot onmogelijke resultaten (bijvoorbeeld meer dan 100% geldige stemmen in sommige kiesdistricten) , en houdt er geen rekening mee dat een deel van de afwijking niet kwalitatief maar kwantitatief is, niet proportioneel maar parallel in alle kiesdistricten. Met deze techniek zou een grote partij die van 20% naar 40% van de stemmen op nationaal niveau gaat vanaf de laatste verkiezingen tot aan het meest recente onderzoek, bijvoorbeeld van 40% naar 80% van de stemmen in de provincie gaan. één die de meeste stemmen krijgt en 3% tot 6% in degene die de minste stemmen krijgt, bijvoorbeeld. Dergelijke resultaten stroken niet met de werkelijkheid. We zijn het er allemaal, op grond van eenvoudig gezond verstand, over eens dat het werkelijke percentage in de eerste provincie minder dan 80% zal zijn en in de tweede meer dan 6%.

Daarom hebben we bij Electomania het afgelopen jaar onze extrapolatiemethode verbeterd, door een gemengde factor te introduceren die proportionele variaties tempert.

Een tweede verbetering die kan worden doorgevoerd, ook al is deze technisch veel complexer en risicovoller, is het in aanmerking nemen van de evolutie van elk kiesdistrict volgens recentere enquêtes voor andere verkiezingen (gemeentelijk, regionaal) of, beter nog, de daaropvolgende resultaten van verkiezingen. die andere verkiezingen.

Als deze verbetering goed werd doorgevoerd, zouden de gegevens ongetwijfeld nog verder worden verfijnd. Het moeilijke, het duivelse, is om die gegevens a posteriori te comprimeren lokaal met die van de nationale groep, en mag het gewicht dat aan deze correctie wordt toegekend voor de extrapolatie als geheel niet overschrijden of tekortschieten.

De voorgaande twee paragrafen beschrijven complexe realiteiten die niet de moeite waard zijn om verder te detailleren, en die zelfs niet volledig begrepen hoeven te worden. Je hoeft alleen maar het basisidee te behouden: Goed extrapoleren is moeilijk, en het heel goed doen is zelfs nog moeilijker omdat het zeer fijne aanpassingen vereist.

Welke andere factoren beïnvloeden de betrouwbaarheid van een extrapolatie?

De fundamentele factor is tijd.

Het klapperen van de vleugels van een vlinder in Peru zal uiteindelijk het klimaat van Siberië beïnvloeden, met als enige voorwaarde dat we die invloed voldoende tijd geven om zich te manifesteren. Op dezelfde manier zullen de resultaten van verkiezingen in de loop van de tijd steeds minder betrouwbaar worden, omdat er veel ‘vlinders’ zijn die met hun vleugels klapperen en elke provincie op zijn eigen manier laten evolueren. Het toekomstige electorale ‘klimaat’ zal dus met het verstrijken van de maanden steeds onvoorspelbaarder worden op lokaal niveau, ook al beschikken we over zeer betrouwbare mondiale gegevens.

Opiniepeilingen die een maand na de algemene verkiezingen worden gehouden, zullen veel gemakkelijker te extrapoleren zijn, en de uitslag van de extrapolatie zal veel zekerder zijn dan die van vier jaar later.

Een tot het uiterste doorgevoerd voorbeeld hiervan waren de Amerikaanse presidentsverkiezingen, waarbij de resultaten voor de 51 staten van de Unie door opiniepeilers gedeeltelijk werden afgeleid uit mondiale nationale gegevens. Het merkwaardige (en oneerlijke) Amerikaanse kiesstelsel versterkte de fouten van deze extrapolaties en bezorgde Trump een overwinning in het aantal vertegenwoordigers waar hij qua stemmen niet eens in de buurt kwam. De peilingen faalden bij die verkiezingen niet wereldwijd: integendeel, hun succes was zeer groot.

Nate Silver heeft bijvoorbeeld bijna de algehele resultaten van Hillary Clinton en Donald Trump ‘gespijkerd’. Maar hij maakte een fout bij het toewijzen van de belangrijkste toestanden en dus de kansen op overwinning voor elke toestand:

Voorspelling…

…en realiteit

Waar de Democraten wonnen, deden ze dat met een grotere marge dan verwacht, maar dat leverde hen niet meer vertegenwoordigers op, terwijl waar een gelijkspel werd verwacht, deze nauwelijks werd doorbroken ten gunste van de Republikeinen, die zo veel meer vertegenwoordigers binnenhaalden dan de Democraten. verwacht. . Dus, Hoewel de opiniepeilers het wereldwijd goed deden, maakten ze lokaal grote fouten.

Het klapperen van de vleugels van de vlinder van de chaos was in het voordeel van Trump en leerde ons iets fundamenteels: laten we niet te veel aandacht besteden aan de details, want die hebben waarschijnlijk ongelijk. Laten we bij het algemene beeld blijven, want dat zal waarschijnlijk wel kloppen.

En een ander ding. Het vlinder effect", De kracht van chaos bij het vertekenen van de resultaten is groot in meerderheidskiesstelsels of door afgevaardigden zoals die van de Verenigde Staten, maar veel beter controleerbaar in proportionele systemen. Gelukkig hebben we in Spanje een minder disproportioneel systeem dan dat in de Verenigde Staten. Onze extrapolaties, met al hun gebreken, zijn dus veel betrouwbaarder.

De enige voorwaarde hiervoor is dat... is dat... dat de onderzoeken goed zijn uitgevoerd. Laten we hopen dat ze minstens zo goed zijn als de schattingen van Nate Silver voor de Verenigde Staten.

Voorlopig laten we hier de laatste publicatie in Spanje achter, door Celeste-Tel, met de zetelverdeling en onze eigen extrapolatie per provincie.

Wij geloven het best, maar dat is logisch. Wat denk je?

jos salver