Elecciones México 2024: Barómetro Electoral Máynez gana apoyo en medio de peticiones de retirada

Descripción del modelo

Este modelo estima las proporciones ponderadas de los resultados de las encuestas usando un modelo de regresión local ponderada. Este modelo calcula los porcentajes de apoyo por candidato en función del tiempo, ponderando los resultados usando información sobre las casas encuestadoras y los resultados de las elecciones. El modelo LOESS, por sus siglas en inglés, es una herramienta que permite identificar la relación no lineal entre un conjunto de variables mediante el uso de polinomios. Este modelo es óptimo para extrapolar de manera ponderada la proporción de encuestados que prefiere a un candidato sin asumir que los resultados siguen una tendencia lineal.

El modelo incorpora un ponderador diseñado para otorgar mayor peso en la estimación a ciertas observaciones. Los elementos que conforman este ponderador son el tiempo (mayor peso a observaciones recientes), precisión histórica de la casa encuestadora que publica los resultados (mayor peso a resultados de casas encuestadoras con altos niveles de precisión en encuestas pasadas), precisión de la encuesta (mayor peso a encuestas con márgenes de error menores, aproximado por el tamaño de la muestra reportada) y tipo de encuesta (mayor peso a encuestas realizadas en vivienda). Los componentes del ponderador se detallan a continuación.

Ponderador por precisión histórica

El indicador de precisión de las casas encuestadoras está basado en la adaptación para sistema multipartidistas del “índice de precisión A” de Martin, Traugott y Kennedy (2005) que realizaron Arzheimer y Evans (2014). El índice de precisión A es una medida de sesgo que proporciona información sobre la sobre o sub estimación de los resultados de una encuesta una vez que se comparan con los resultados oficiales, pero originalmente fue diseñado para funcionar en sistemas bipartidistas únicamente. Según el algoritmo de Arzheimer y Evans, para adaptarlo a un sistema multipartidista como el mexicano, en primer lugar son calculados los sub-índices de precisión A’ correspondientes a cada uno de los partidos. Formalmente, en donde , es la proporción de encuestados que apoya al partido i, y proporción de votos que el partido i obtuvo en la elección. In this way, the combined index B De esta forma, el índice combinado B es la suma del valor absoluto de los sub-índices dividido por el número de partidos en la elección. Específicamente,

Para calcular los índices de precisión de cada casa encuestadora fueron analizadas las encuestas que fueron publicadas y registradas en el archivo del Instituto Nacional Electoral para las elecciones presidenciales de 2006, 2012 y 2018. El índice B para cada casa encuestadora fue calculado como el promedio de los índices que recibió cada uno de los estudios que publicó en un ciclo electoral. Para privilegiar las encuestas en la elección más reciente, el índice de precisión final da más peso a los resultados de 2018, quealosde2012yde2006.

Esta cantidad exponenciada, exp(B), puede ser interpretada como el factor promedio por el cual los momios de los diferentes partidos fueron sobre o sub estimados. Números menores indican mayor precisión, por lo que el ponderador es el inverso de esta cantidad. A aquellas encuestadoras de las que no se tiene registro en 2006, 2012 o 2018 se les asignó el número de precisión más grande en la muestra, lo que equivale a un ponderador más bajo.

El ponderador de precisión histórica arroja la siguiente clasificación de las casas encuestadoras:

Casa encuestadora

• • VOTIA
  • Reforma
  • Covarrubias y Asociados S.C.
  • Demotecnia
  • Consulta Mitofsky

• • Buendía & Márquez
  • El Financiero
  • MEBA

• • GEA ISA
  • Campaigns&Elections
  • Enkoll
  • FactoMétrica
  • Poligramas
  • SIMO, S.C.
  • Áltica

Ponderador por precisión y margen de error

El ponderador por precisión de la encuesta está determinado por el error estándar derivado del tamaño de la muestra y de la proporción de votos que haya registrado cada candidato A:

Ponderador por tipo de encuesta

Debido a los potenciales errores de cobertura de las encuestas telefónicas que son resultado de los sesgos inevitables de entrevistar sólo a la población que tiene una línea de teléfono en casa, el ponderador da menos peso relativo a las encuestas telefónicas, comparadas con las encuestas en vivienda.

Las encuestas telefónicas levantadas de forma automática reciben un ponderador más bajo porque la falta de una persona entrevistadora impide cualquier tipo de control de calidad sobre las respuestas.

Ponderador temporal

Para dar mayor importancia a las encuestas más recientes, calculamos la distancia temporal entre la fecha de publicación de cada una de las encuestas y el día de la elección. Debido a que cantidades menores son más deseables, el ponderador temporal es igual al inverso de esta cantidad.

Finalmente, se multiplicaron las cantidades antes mencionadas para formar el vector de ponderadores finales.

Una nota final sobre por qué no usamos los sondeos en redes sociales

Decidimos no incluir los resultados de derivados de sondeos en redes sociales (en particular, los levantamientos entre usuarios de Facebook publicados por SDP en 2018) por tres razones fundamentales:

1. 1. Los usuarios de redes sociales suelen ser más jóvenes y tener un nivel socioeconómico más alto que la sociedad en general. Esto introduce sesgos en la selección de entrevistados que pueden ser mitigados al post-estratificar los resultados para darles a los grupos sub-representados en el estudio un peso similar al que tienen en la población general. Pero hacerlo no mitiga sesgos que vengan de las diferencias en las preferencias políticas entre quienes son usuario de las redes sociales y quienes no lo son.
2. 2. No hay forma clara de saber quiénes fueron invitados o no a participar en la encuesta porque los sistemas que controlan las invitaciones son, básicamente, cajas negras que impiden conocer el marco muestral y los mecanismos de selección de los invitados a participar en el sondeo. Esto hace imposible calcular cualquier medida de incertidumbre de los resultados y hace inútiles sus muestras, que son grandes, para estimar qué tan precisos son los resultados en realidad.
3. 3. Los participantes son autoseleccionados, esto es, deciden participar o no por motivos que no son cuantificables y son seleccionados de una población desconocida e inverificable. Hay indicios de que los sondeos de redes sociales incluyen cantidades no triviales de usuarios falsos o cuyas respuestas son influidas por motivos económicos distintos a expresar sus preferencias electorales.

Finalmente, es importante tomar en cuenta que las encuestas en redes sociales no son consideradas como válidas por la industria, al menos no para generalizar sus resultados a la población en general. Agregarlas a la media ponderada irá en contra de los estándares de la industria (véase AAPOR 2014). Además, dado que el tamaño de las muestras que manejan es muy elevado, agregarlas a la media ponderada que calcula este sistema causará un sesgo significativo a favor de sus resultados, afectando con ello su validez.

Referencias

AAPOR (2014), “Social Media in Public Opinion Research”,

Arzeimer, Kai y Jocelyn Evans (2014), “A New Multinomial Accuracy Measure for Polling Bias”, Political Analysis, vol. 22, n.1.

Martin, Elizabeth A., Michael W. Traugott y Courtney Kennedy (2005), “A Review and a Proposal for a New Measure of Poll Accuracy”, Public Opinion Quarterly, vol. 69, n. 3.

La metodología del Barómetro Electoral de Bloomberg fue desarrollada por Salvador Vázquez del Mercado, doctor en ciencia política y maestro en matemáticas aplicadas por Northwestern University, actualmente consultor asociado en Integralia Consultores; por Michelle Torres, doctora en ciencia política y maestra en estadística por Washington University in St Louis, actualmente profesora de metodología política en UCLA; y por Yael Cervantes, licenciado en economía por el CIDE, quien actualmente cursa la maestría en ciencia de datos y políticas públicas en MIT.