Dinamica intențiilor de vot și variația estimărilor în funcție de diferiți factori (firma care a realizat sondajul, eventualele conflicte de interese, respectiv modalitatea de colectare a datelor) arată că estimările produse de sondaje sunt, în unele cazuri, puternic dependente de o serie de factori.
În acest articol folosesc datele publice și analize anterioare pentru a produce o predicție a intențiilor de vot în cazul alegerilor de duminică.
Pentru realizarea predicției am combinat mai multe predicții, produse prin diferite metode, toate bazate pe datele din sondajele publice. Probabil ar fi fost utilă includerea și a altor tipuri de date (indicatori economici, cote pariuri, indicatori asociați mediului online). Predicția finală este o medie a patru tipuri de predicții, majoritatea construite pornind de la estimările din sondajele publice. Cele patru tipuri de predicții sunt următoarele:
- o medie a estimărilor realizate de firmele de sondare care au un grad relativ mai mare de încredere; am folosit doar sondajele cele mai recente;
- o modelare statistică a dinamicii intențiilor de vot pornind de la toate sondajele publice; aici am combinat predicțiile obținute cu ajutorul mai multor tipuri de analize: regresie logistică multinominală (liniar, non-liniar și combinații) și „bayesian state-space model”;
- folosind datele brute din trei seturi de date, două CATI (IRES și MMT) și unul online (MKOR), am construit și evaluat o serie de variante de ponderări, asociate unor scenarii diferite; am folosit media a două dintre predicțiile obținute; principala limită a acestui demers o constituie faptul că două dintre baze nu acoperă populația în vârstă (65+);
- folosind aceleași seturi de date brute, am realizat o modelare statistică de tip multi-nivel cu post-stratificare; desigur, ar fi fost de dorit ca toate bazele să acopere și populația vârstnică; o altă limită este numărul redus de cazuri; am folosit media mai multor predicții.
Majoritatea sondajelor publice acoperă doar populația din România. Pentru a produce o predicție care să includă și diaspora, am folosit distribuția voturilor de la turul 1 al alegerilor prezidențiale din 2024, estimări ale intențiilor de vot ale alegătorilor din diaspora conform datelor din sondajul AtlasIntel realizat în perioada 17-22 aprilie și estimările mele cu privire la împărțirea probabilă a voturilor.
Toate informațiile, estimările, aproximările cu care am lucrat au un anumit grad de incertitudine. Prin urmare, nu am folosit valori exacte ci distribuții asociate acestor valori. Am considerat că distribuțiile sunt de tip normal (formă de clopot). Prin faptul că folosește distribuții, modelarea ține cont de incertitudinile asociate valorilor de imput. Desigur, distribuțiile au grade diferite de incertitudine. Le-am estimat folosind variațiile dintre estimările medii produse de cele patru metode menționate mai sus. Un model care nu ține cont de aceste aspecte riscă să producă estimări care (1) sunt prea sigure în relație cu informația disponibilă sau, dimpotrivă, (2) sunt prea imprecise, deci prea puțin informative sau (3) asociază același grad de incertitudine a estimării tuturor candidaților.
Foarte probabil, modelul de agregare a informațiilor descris pe scurt mai sus nu va produce estimări perfecte. Faptul că informațiile folosite provin dominant din sondajele publice reprezintă o limită majoră (mai ales că nu am avut acces la bazele de date, cu mici excepții). Cu toate acestea, mă aștept ca scorurile finale să fie în general în interiorul intervalelor de încredere. Cu cât un scor va fi mai aproape de centrul intervalului de încredere, cu atât predicția va fi mai bună.
Pentru a nu deruta cititorii mai puțin obișnuiți cu grafice de tip distribuție de densitate, prezint rezultatul modelării într-o formă grafică simplă: cercurile pline indică predicțiile, iar liniile indică incertitudinea acestora, adică intervalul în care ne așteptăm, cu o probabilitate de 95%, să se situeze rezultatul final. În partea din dreapta a graficului apar predicțiile la nivel național (fără diaspora), iar în stânga predicțiile pentru național plus diaspora.
Pe scurt, cu referire doar la predicția la nivel național plus diaspora, mesajul graficului e următorul:
- pe primul loc va fi, aproape sigur, George Simion cu un scor de aproximativ 34-35% (intervalul de încredere e 32-37%);
- locurile doi și trei vor fi ocupate de Crin Antonescu și Nicușor Dan, probabil în această ordine, cu un scor de aproximativ 21% (Antonescu), respectiv 20% (Dan); rezultatele obținute nu permit să distingem între pozițiile celor doi candidați (intervalele de încredere se suprapun în mare parte); balanța poate fi înclinată într-o parte sau alta în funcție de distribuția deciziilor alegătorilor care s-au decis sau se vor decide zilele acestea, duminică inclusiv; cum, de obicei, numărul lor nu e deloc mic (~ 15-20%), oricare dintre cei doi candidați poate ajunge pe locul doi funcție de (1) mobilizarea și votul real al votanților PSD+PNL+UDMR, (2) o eventuală supra-mobilizare a alegătorilor în favoarea lui Nicușor Dan și (3) preferințele reale ale votanților din diaspora și, evident, numărul acestora;
- pe locul patru va fi mai probabil Victor Ponta cu un scor de aproximativ 15%; scorul final depinde mult de votul real al votanților PSD; dacă va fi preferat de o pondere mai mare a votanților PSD decât cea declarată în sondaje, scorului lui Ponta va fi ceva mai mare (și al lui Simion și/sau Antonescu ceva mai mic); estimarea asociată acestui candidat are un grad de incertitudine ridicat; incertitudinea este cauzată de diferența mare dintre estimările produse de sondajele telefonice comparativ cu sondajele online;
- pe locul cinci se va situa Elena Lasconi cu un scor de aproximativ 6%.
