Sesión @xjordimunozm: Curso 2016-2017

35
Las encuestas electorales Jordi Muñoz Universitat de Barcelona [email protected]

Transcript of Sesión @xjordimunozm: Curso 2016-2017

Page 1: Sesión @xjordimunozm: Curso 2016-2017

Las encuestas electorales Jordi Muñoz Universitat de Barcelona [email protected]

Page 2: Sesión @xjordimunozm: Curso 2016-2017

1. Índice

1. La investigación por encuestas, consideraciones generales

Modo de administración

Procedimientos de muestreo

El error en las encuestas

2. Las encuestas como instrumento de predicción electoral

¿Por qué fallan las encuestas?

Alternativas metodológicas: la cocina

Evaluación de encuestas recientes: ¿Han sido fiables?

3. Métodos alternativos de predicción

Agregadores

Modelos mixtos

Buzz mediático y de redes sociales

4. Más allá de la predicción. Otros usos de las encuestas en campaña

Planificación estratégica

Message testing

Page 3: Sesión @xjordimunozm: Curso 2016-2017

Consideraciones generales sobre la investigación por encuestas: muestreo, modos de administración, tipos de error.

1. Las encuestas: aspectos generales

Page 4: Sesión @xjordimunozm: Curso 2016-2017

Las encuestas: modos de administración

Ventajas Inconvenientes

Cara a cara Fiabilidad Materiales apoyo

Cobertura

Coste Plazo

Papel entrevistador

Telefónico Coste Rapidez

Cobertura Limitaciones cuestionario

Papel entrevistador

Postal Cost Sinceritat

Materials de suport

No respuesta Plazo

Falta de control

On-line Coste Rapidez

Sinceridad Materiales de apoyo

Cobertura Fiabilidad

Page 5: Sesión @xjordimunozm: Curso 2016-2017

Tipos de muestreo

Muestras probabilísticas

Aleatorio simple

Estratificado

Por conglomerados

Muestras no probabilísticas

Muestreo por cuotas

Snowballing

Page 6: Sesión @xjordimunozm: Curso 2016-2017

Muestreo probabilístico

Tipos principales de muestreo probabilístico

Aleatorio simple Estratificado Por conglomerados

Page 7: Sesión @xjordimunozm: Curso 2016-2017

El error en las encuestas: por qué el tamaño no importa (tanto)

Tipos de errores

Error aleatorio, muestral Imprecisión

Vinculado al tamaño muestral

Error sistemático, no muestral Sesgo

No respuesta

Cobertura

Page 8: Sesión @xjordimunozm: Curso 2016-2017

Elaboración de cuestionarios (el demonio está en los detalles)

Preguntas no sesgadas

La formulación (‘wording’) de las preguntas debería evitar el sesgo,

si el objetivo es obtener información sobre la opinión pública. El

framing de las preguntas importa mucho en los resultados.

Page 9: Sesión @xjordimunozm: Curso 2016-2017

Elaboración de cuestionarios (el demonio está en los detalles)

Complejidad cognitiva

A menudo en el diseño de cuestionarios se olvida la necesidad de

ajustar la complejidad cognitiva a los encuestados y al modo de

administración

Contenido –Qué estamos preguntando. Las ‘nonattitudes’

Formulación – Cómo lo preguntamos (longitud de la pregunta,

conceptos abstractos, vocabulario complejo). Less is more

Instrumento de medida – Categorías de respuesta, etiquetas,

orden, número de categorías, etc.

Page 10: Sesión @xjordimunozm: Curso 2016-2017

Elaboración de cuestionarios (el demonio está en los detalles)

Opciones de respuesta

En la mayoría de casos, usaremos preguntas cerradas, por razones

substantivas y prácticas. Es muy importante que las opciones de

resupesta sean:

Exhaustivas. Todas las posibles resupestas

Excluyentes. Sin solapamientos

Page 11: Sesión @xjordimunozm: Curso 2016-2017

Random is beautiful. Experimentos en encuestas

A menudo queremos inferir relaciones de causalidad mediante

encuestas. Un método muy sencillo y robusto para determinados

casos es el de los experimentos de encuesta

Se basan en la aleatorización de la presentación de determinadas

preguntas, viñetas, formulaciones, orden, etc.

Tienen usos metodológicos y substantivos

Page 12: Sesión @xjordimunozm: Curso 2016-2017

Las encuestas como instrumento de predicción electoral. Límites, potencialidades, alternativas.

2. Predicciones electorales

Page 13: Sesión @xjordimunozm: Curso 2016-2017

Las encuestas no deberían fallar

Se basan en el muestreo de la población. De acuerdo con la teoría de la probabilidad, una muestra de tamaño N extraída de modo aleatorio de una población, tendrá las mismas características que la población, con un error muestral conocido y decreciente con el tamaño de N.

…y, sin embargo, fallan

Page 14: Sesión @xjordimunozm: Curso 2016-2017

¿Por qué fallan las encuestas?

Problemas de muestreo

Marco muestral

Cobertura

Coste recontacto

La no respuesta a las encuestas

No aleatoria

Difícil de estimar las características

Deseabilidad social: La ocultación del voto y de la abstención

Voto e ingresos, y los NSNC

Los indecisos y los 'late-deciders’

Page 15: Sesión @xjordimunozm: Curso 2016-2017

¿Por qué fallan las encuestas?

Ejemplo: la ocultación de la abstención

6164

5955

6459

63

56

7976

7176 74 76

67

30

40

50

60

70

80

90

100

1980 1984 1988 1992 1995 1999 2003 2006

Any elecció

Dades oficials

Dades d'enquesta

Page 17: Sesión @xjordimunozm: Curso 2016-2017

¿Por qué fallan las encuestas?

Plazos

La regulación española

Campañas y late deciders

Las encuestas andorranas

Interés en fallar?

Efectos electorales de las encuestas

Red de intereses: Partidos – Medios - Institutos

Page 18: Sesión @xjordimunozm: Curso 2016-2017

Dentro de la cocina

La cocina es necesaria

Qué se hace en la cocina

La ‘cocina’ se compone de tres pasos fundamentales:

Postestratificación–Ponderación de la muestra por variables

observadas para corregir desvíos. Uso y abuso del recuerdo de voto

Asignación de indecisos– Modelo predictivo para asignar NS/NC

Estimación de participación– Probabilidad latente. El caso de

Yougov

Paredes de cristal?

La mala fama de la cocina y la importancia de la transparencia. El

ejemplo de los restaurantes

Page 19: Sesión @xjordimunozm: Curso 2016-2017

Un ejemplo

Fuente: Alberto Penadés (USAL)

Page 20: Sesión @xjordimunozm: Curso 2016-2017

Han sido fiables históricamente?

Enquestes i resultats, PSOE

20

25

30

35

40

45

50

ene-93 oct-95 jul-98 abr-01 ene-04 oct-06 jul-09 abr-12 dic-14

PSOE PSOE eleccions

Page 21: Sesión @xjordimunozm: Curso 2016-2017

Han sido fiables históricamente?

Enquestes i resultats, PP

20

25

30

35

40

45

50

55

oct-95 jul-98 abr-01 ene-04 oct-06 jul-09 abr-12

PP enquestes PP eleccions

Page 22: Sesión @xjordimunozm: Curso 2016-2017

Han sido fiables en 2015?

Page 23: Sesión @xjordimunozm: Curso 2016-2017

Han sido fiables en 2015?

Page 24: Sesión @xjordimunozm: Curso 2016-2017

Más allá de la predicción, ¿de qué nos sirven las encuestas en la planificación de campañas electorales?

4. Otros usos de las encuestas

Page 25: Sesión @xjordimunozm: Curso 2016-2017

Planificación estratégica

Análisis de la competición

Zonas de contacto, trasvase de votos, competidores y posición

relativa. Palancas de cambio.

Perfiles sociodemográficos

Complemento a la campaña: diseño de la comunicación y

planificación del operativo grasroots

Page 26: Sesión @xjordimunozm: Curso 2016-2017

Message testing

Por qué es importante?

Nuestra intuición puede ser errónea. Las reacciones en social

media pueden estar muy sesgadas (el caso de UPyD). Difícil aislar

efectos concretos durante la campaña

Cómo se hace

Mediante aleatorización, con encuestas flash a muestras

relativamente reducidas. Preferencia encuestas on-line por

razones de coste

Page 27: Sesión @xjordimunozm: Curso 2016-2017

Recientemente estan emergiendo alternativas a la predicción electoral mediante encuestas que, en algunos casos, ayudan a mejorar las predicciones

4. Otros métodos de predicción

Page 28: Sesión @xjordimunozm: Curso 2016-2017

Agregadores de encuestas

Qué son

Promedios ponderados o modelos de apoyo subyacente que se

‘alimentan’ de todas las encuestas publicadas

Cómo funcionan

Estiman la mejor predicción dado el conjunto de encuestas.

Tienen en cuenta la N, la fecha, los house effects y la tendencia

Para qué sirven

Ayudan a solucionar los problemas de precisión

Para qué NO sirven

No solucionan los problemas de sesgo sistemático. Los modelos

sólo pueden ser tan buenos cómo el conjunto de datos de los que

se alimentan

Page 29: Sesión @xjordimunozm: Curso 2016-2017

Agregadores

Page 30: Sesión @xjordimunozm: Curso 2016-2017

Agregadores (II)

Page 31: Sesión @xjordimunozm: Curso 2016-2017

Modelos de predicción mixtos

Qué son

Combinan información de encuestas con otro tipo de factores, los

llamados fundamentals: evolución de la economía, incumbency

status, etc.

Ejemplos:

http://www.washingtonpost.com/wp-tran/politics/election-lab-

2014 y http://fivethirtyeight.com/

Cómo funcionan

Modelos similares a los agregadores, pero con fuentes adicionales

de información

Para qué sirven

Ayudan, como los agregadores, a mejorar la precisión. Pueden

también corregir los sesgos de las encuestas

Page 32: Sesión @xjordimunozm: Curso 2016-2017

Los fundamentals

Page 33: Sesión @xjordimunozm: Curso 2016-2017

El big data

Qué son

Modelos de predicción basados en la escucha activa de la actividad

en social media (twitter), internet (búsquedas de google y tráfico)

y media tradicional

Cómo funcionan

Análisis de menciones. Análisis de sentimiento. Natural Language

Processing.

Para qué sirven

Complemento a las predicciones por encuesta. Reducción de

costes. Escucha contínua. Sin límites de plazos

Para qué NO sirven

Necesitan complementarse/calibrarse con encuestas

Page 34: Sesión @xjordimunozm: Curso 2016-2017

Acceso Election Talks

5. Encuestas y big data: un caso práctico

Page 35: Sesión @xjordimunozm: Curso 2016-2017

Objetivos

Exploración de alternativas a la predicción tradicional

• Encuestas on-line y mixta

• Modelo agregador

• Big data

• http://www.acceso.com/elecciones-20d/