Las Predicciones de una Elección Presidencial y los Métodos Estadísticos

¨El economista usa el 50% del tiempo haciendo estimaciones
y el 50% restante buscando las causas de los errores.¨

(Anónimo)

El estudio y predicción de elecciones futuras ha sido el objetivo de muchos estudios en el pasado. Economistas, politólogos, sociólogos y los mismos partidos políticos en tiempo de elecciones tratan de usar herramientas cuantitativas para la predicción de los resultados de tal proceso político.

Un análisis de los principales modelos usados permite determinar las factores considerados importantes o críticos en una elección presidencial. En este sentido, se mencionan factores como a) La situación económica del país b) el número de periodos presidenciales, c) El posicionamiento del candidato en su partido entre otros. Existen así mismo, una serie de condiciones que se asumen para la realización de dicha predicciones.

El modelo de Fair

El modelo de Fair, incluye como variables explicativas(Endógenas), el crecimiento Económico, la inflación, El posicionamiento del candidato y del partido . Con este modelo Fair pronostico el resultado de las elecciones de 1980, cuando R. Reagan vs Jimmy Carter. También pronostico los resultados de 1984 y la 1988. Pero en 1992 fallo en la re-elección de George Bush. Después, de este fallo el modelo fue re-estructurado. Fueron agregados, un segundo indicador de crecimiento económico y el tiempo de permanencia en el gobierno del partido al cual pertenece el candidato. Además, un indicador de ajuste en tiempos de guerra. Pero se elimino la variable de tendencia. Desde entonces, Fair ha pronosticado el ganador de las últimas elecciones.

El Modelo de Tufte

El modelo de Tufte incluye como variables endógenas, el crecimiento económico, el posicionamiento del partido y la opinión pública hacia el candidato presidencial. Esta última se basa en el número neto de menciones positivas y negativas en los estudios o investigaciones nacionales. Otros modelos toman como base el modelo de Tufte y agregan variables tales como gasto público, gasto militar, resultados de primarias entre las principales (Randall: 2008).

Los modelos de regresión son herramientas importantes para pronosticar elecciones presidenciales. Sin embargo, pueden pronosticar el ganador, pero no la proporción o cantidad con la cual gana. En realidad, los resultados presentan un sesgo o error en la cantidad o porcentaje estimado, pero son asertivos en cuanto al candidato. Por ejemplo, Fair estimo el ganador en 1996 con 51,2 % y el error fue de 3,3. En 2000 la proporción estimada fue de 50,8% y el error 0,05.

Estos modelos contribuyen a entender las razones de los resultados de las elecciones presidenciales, más allá, de los pronósticos propiamente. Podemos decir, por ejemplo, que el estado de la economía afecta significativamente los resultados de este tipo de elecciones y que los votantes consideran como responsables de la salud de la economía al partido de gobierno. Además, en sociedades democráticas se puede observar un patrón cíclico en cuanto a la alternancia al poder.

Finalmente, en lugar de solo usar la encuesta como herramienta de pronóstico para elecciones presidenciales, sería más apropiado usar herramientas estadísticas como los modelos de regresión o los modelos bayesianos para el pronóstico de tales eventos. Los modelos probabilísticos pronostican elecciones presidenciales con un razonable grado de precisión (error absoluto promedio estimado: 2,5%), tienden a tener soporte teórico o una teoría de soporte y producen resultados confiables a través del tiempo.

Dirección-E: [email protected]

Referencias:

Fair, R. C. Econometrics and presidential elections. Journal of Economics.(1996)
Tufte, E. R. Political Control of the economy . PU Press(1978)

A %d blogueros les gusta esto: