Introduzione
L'obiettivo di questo progetto di modellazione era di prevedere l'esito delle elezioni del 2024 utilizzando dati sanitari pubblici, demografici e storici. L'approccio unico si basa su predittori che sono un proxy per il sostegno pubblico al Partito Democratico all'interno di una popolazione. Negli Stati Uniti, ci troviamo di fronte a una scelta binaria, Democratico o Repubblicano, e la nostra elezione è decisa dai voti elettorali di ogni stato. Pertanto, la metrica di risposta prevista era semplicemente il margine di vittoria all'interno di uno stato.
A causa del Collegio Elettorale, prevedere le elezioni è essenzialmente una questione di prevedere una manciata di stati. La maggior parte degli stati ha una cronologia affidabile di un ampio margine di vittoria per un partito o per l'altro, mentre alcuni non ce l'hanno. I dati e il modello saranno accurati nella misura in cui predicono accuratamente questi stati. A causa delle dimensioni ridotte del campione delle recenti elezioni nazionali e dell'importanza dei recenti punti dati nel modello, non sarà in grado di produrre previsioni altamente precise per gli stati con margini di vittoria ridotti. Pertanto, il successo di questo modello dipenderà dalla sua capacità di rilevare quali stati indecisi potrebbero avere più sostegno per i democratici (o i repubblicani) rispetto a quanto attualmente rilevato nei sondaggi.
Contesto e ipotesi
Negli ultimi due cicli di elezioni presidenziali, abbiamo assistito a fallimenti nei sondaggi pubblici in modi importanti. Nel 2016, quasi tutti i principali sondaggi e organi di informazione non sono riusciti a rilevare il grado di sostegno pubblico tra democratici e indipendenti che ha portato alla vittoria di Trump negli stati chiave indecisi e nella Rust Belt. Nel 2020, gli organi di sondaggio hanno nuovamente sottovalutato il sostegno di Trump negli stati chiave. Da allora, la fiducia nella capacità dei media di indagare e arrivare alla verità si è ulteriormente erosa.
Questa analisi cerca di trovare predittori che riflettano uno stato più accurato delle preferenze politiche del pubblico che non siano soggetti alle debolezze dei pregiudizi del settore dei sondaggi. A causa della natura iperpolarizzata della pandemia di Covid-19 e delle linee esplicitamente chiare in cui è sceso il sostegno al vaccino Covid-19, l'adesione pubblica alla "nuova" versione di un vaccino Covid-19 di ogni anno è altamente correlata al sostegno al Partito Democratico. Poiché ogni anno c'è un nuovo vaccino Covid-19, si presume che l'adesione continua indichi la fedeltà al voto democratico. Altri indicatori, come il tasso di migrazione interna e le richieste di voto per corrispondenza, sono fortemente correlati al sostegno democratico negli ultimi quattro anni.
Inoltre, i dati sulla popolazione provenienti da fonti di sanità pubblica sono stati utilizzati come variabili di controllo o predittive, tra cui tasso di mortalità, tasso di natalità e salute mentale. Alcune dinamiche demografiche e di popolazione sono associate a stati più tendenti ai repubblicani e altre a stati tendenti ai democratici, e queste relazioni si sono mantenute nel tempo nella storia recente. Altre misure, come il tasso di migrazione netta, hanno forti associazioni, ma sono più recenti e sono state influenzate dalla pandemia di Covid-19, durante la quale molti stati blu bloccati hanno registrato una perdita netta e gli stati rossi aperti hanno registrato un guadagno netto. La popolarità del vaccino anti-Covid-19, ormai annuale, sta calando di anno in anno e i dati sono stati modificati per misurare la popolarità relativa, con stati con un'adesione complessiva più elevata rispetto alla media che riflette un maggiore sostegno al partito democratico.
Nel complesso, questa analisi cerca di combinare sia le tendenze a lungo termine sia quelle più recenti per stimare l'attuale livello di supporto per il Partito Democratico. Poiché il modello deve essere addestrato su dati resi disponibili solo nei mesi (Covid-Vax) e nelle settimane (richieste di voto per corrispondenza) che precedono le elezioni, non sarà in grado di rilevare alcun cambiamento dell'ultimo minuto.
Come ha detto George Box, "Tutti i modelli sono sbagliati, ma alcuni sono utili". La mia speranza con questa analisi è che possa essere utile rilevare segnali che potrebbero non essere presenti nei sondaggi elettorali tradizionali. Oltre alla previsione (che è per lo più per divertimento), ho incluso alcune analisi degli stati indecisi che penso possano far luce sui cambiamenti chiave che si sono verificati negli ultimi quattro anni.
Metodi
Poiché la spiegabilità e l'interpretazione sono fondamentali nel contesto elettorale, mi sono attenuto a modelli semplici. I modelli di modellazione lineare generalizzata, regressione logistica e Random Forest sono stati tutti addestrati su dati dal 2020 al 2022. Il risultato, o risposta, era il margine di vittoria del Partito Democratico. Per il modello logistico, la risposta prevista era una vittoria o una sconfitta binaria per quello stato. Poiché ogni modello ha i suoi punti di forza e di debolezza, insieme ai suoi tassi di errore, la classificazione finale di una vittoria o di una sconfitta sarà determinata dal voto di maggioranza. Ho caricato il mio codice e i miei dati su githube chiunque è benvenuto a criticare, correggere o fornire feedback.
Limiti
A causa della mia decisione di usare l'assunzione di vaccino Covid-19 tra gli stati come predittore, questo limita la tempistica e i dati che possono essere raccolti. Per questo motivo, mi aspetto che il modello abbia una propensione verso i democratici. Su 50 stati, cinque rientravano nell'intervallo di errori. Tutti e cinque quegli stati sono considerati stati indecisi. Ai fini della categorizzazione, solo gli stati che rientrano chiaramente negli errori dei miei modelli saranno classificati come una vittoria per quel partito. Quelli all'interno degli intervalli di errore saranno classificati come incerti.
Discussione
Poiché negli Stati Uniti le elezioni sono una scelta binaria, l'analisi esamina solo Democratico vs. Repubblicano e non riesce a rilevare cambiamenti nel sostegno a un candidato tra gli elettori del partito opposto. Ciò rivela un presupposto fondamentale del modello, ovvero che questa elezione riguarda ancora principalmente la fedeltà al partito rispetto al singolo candidato.
Per la candidata democratica Kamala Harris, credo che questa ipotesi sia vera, poiché non è stata eletta tramite voto popolare durante le primarie e gran parte della campagna è stata incentrata sulla creazione di un personaggio strategicamente elaborato da una donna che fino a poco tempo fa era stata ampiamente ignorata, liquidata e persino derisa. Possiamo vedere che negli ultimi mesi, i dibattiti, i tentativi di assassinio e altri momenti importanti non hanno semplicemente avuto alcun effetto importante sulle tendenze dei sondaggi.
Per Donald Trump, non credo che questa ipotesi sia valida. La personalità ben nota di Trump è dominante e onnipresente. Dalla sua presidenza dal 2017 al 2021 e dalle sue continue battaglie con cause legali, tentativi di assassinio e ossessione mediatica, la vittoria di Trump dice molto di più su di lui rispetto al Partito Repubblicano. Il Partito Democratico è una macchina e il Partito Repubblicano ha solo con riluttanza consolidato il sostegno a Trump dopo anni di lotte intestine e divisioni tra i suoi leader.
Poiché il modello utilizza dati sia delle elezioni presidenziali del 2020 che delle elezioni del Senato del 2022, è addestrato per modellare il sostegno del partito, da qui la sua debolezza intrinseca. I sondaggi recenti si sono spostati a favore di Trump, ma hanno importanti stati indecisi in parità. Fedele ai miei metodi e all'intento di questo esercizio, nessuno di quei dati è incluso.
Analisi dello stato di oscillazione
L'esito delle elezioni sarà determinato da una manciata di stati. Attualmente, le gare serrate in Arizona, Nevada, Wisconsin, Michigan, North Carolina, Georgia e Pennsylvania sono sufficienti a far pendere l'elezione a favore di uno dei due. Di questi stati, il modello ha classificato Michigan e Pennsylvania come democratici in bilico in modo sicuro. Gli stati rimanenti rientravano tutti nell'intervallo di errore del modello e quindi sono stati classificati come incerti.
Per fornire un contesto visivo del funzionamento di questa analisi, ecco alcune ripartizioni di alcuni dei predittori per gli stati che sono generalmente considerati stati in bilico.
Tassi di migrazione interna: 2019-2023*
Nel complesso, c'è una relazione negativa tra il tasso di migrazione netta e il margine di vittoria democratico. Negli ultimi 4 anni, molti stati blu hanno perso popolazione, mentre quelli rossi gli stati hanno guadagnato. Per questi stati indecisi, alcuni sono "rossi" per quanto riguarda i governatori e il governo statale, e altri sono "blu". Nel complesso, Pennsylvania e Michigan sono gli unici 2 che hanno avuto tassi di migrazione negativi negli ultimi 4 anni.
Richieste di voto per posta
Alcuni stati, come California, Colorado e Nevada, sono stati "All Mail". Ciò significa che a ogni elettore registrato viene inviata una scheda cartacea per impostazione predefinita. Ad eccezione dello Utah (e forse del Nevada), quasi tutti questi stati sono stati blu e sono solidamente blu. Il Nevada è l'unico stato indeciso che è uno stato all-mail, come puoi vedere le sue richieste rimangono stabili. La tendenza generale con la maggior parte degli altri, ad eccezione dell'Arizona, è una diminuzione delle richieste di voto per posta.
Assunzione annuale del vaccino anti-Covid-19**
Poiché il modello utilizza l'assunzione annuale del vaccino Covid come forte predittore del sostegno del Partito Democratico, ma la popolarità complessiva sta diminuendo, il modello utilizza il punteggio relativo per confrontare ogni stato con gli altri nell'arco dell'anno. A parte il Wisconsin, gli stati rimanenti hanno avuto un'assunzione di vaccino Covid-19 leggermente inferiore alla media nel 2021**, 2022 e 2024.
*I tassi di migrazione interna sono in linea con quelli dell'anno precedente.
**Poiché i vaccini anti-Covid-19 non erano disponibili fino al 2021, i dati del 2021 sono stati abbinati ai dati sui risultati delle elezioni del 2020. Per il 2022 e il 2024, i dati riflettono l'assorbimento della nuova versione di quell'anno.
Per avere un'idea di quanto siano importanti i predittori per il modello, il grafico sottostante classifica ogni misura in base a quanto influisce su una delle previsioni del modello. Come puoi vedere, l'assorbimento del vaccino Covid-19 è classificato subito sotto "precedente vittoria democratica".
Risultati
Il modello prevede che Harris vinca in sicurezza 260 voti elettorali dagli stati che prevede saranno sicuramente democratici. Se Pennsylvania e Michigan sono effettivamente in lizza, allora solo 226 di questi sono sicuramente democratici.
Il modello prevede che Trump vinca in modo sicuro 219 voti elettorali negli stati che, secondo il modello, saranno sicuramente repubblicani.
Gli stati indecisi Wisconsin, Georgia, North Carolina, Nevada e Arizona sono tutti in palio e rappresentano 59 voti elettorali. Se Pennsylvania e Michigan sono in lizza, sono 93 i voti elettorali in palio.
Il percorso di Harris verso la vittoria
Il percorso di Harris verso la vittoria sembra più semplice. Con un voto elettorale iniziale più alto "in tasca", può collezionare una manciata di stati indecisi. Pennsylvania e Michigan sono indicati come vittorie per lei nel modello e, se li vince, le basta uno qualsiasi tra Arizona, North Carolina, Wisconsin o Georgia per assicurarseli. Se vince uno o l'altro tra Pennsylvania o Michigan, deve sostituire la sconfitta con 1-2 stati indecisi aggiuntivi.
Il cammino di Trump verso la vittoria
È importante guardare al percorso di Trump con una mentalità del tipo "tutto può succedere". Ha superato le aspettative in entrambe le elezioni precedenti. La maggior parte dei gatekeeper dell'informazione, degli opinionisti mainstream e dei sondaggisti elettorali hanno sbagliato in passato.
Con 219 in tasca, Trump deve conquistare ogni singolo stato in bilico tra Arizona, Georgia, North Carolina, Wisconsin e Nevada. Se Trump vincesse in Pennsylvania e/o Michigan, allora il suo percorso diventerebbe più facile, il che significa che avrebbe ancora bisogno di 2-3 dei restanti stati in bilico.
Dai un'occhiata alla Dashboard qui sotto. Interagisci per vedere come il percorso di entrambi i candidati verso la vittoria vincendo gli stati in bilico e guarda i diagrammi di dispersione per le previsioni misurate per stato.
Le mie previsioni personali basate sul modello
Ho più intuito per la Carolina del Nord e la Georgia, dato che ci passo del tempo, e li chiamo per Trump. Non ho lo stesso intuito per Arizona, Nevada o Wisconsin. Quindi prendilo con le pinze. Ma essendo fedele al metodo, il mio modello chiama Pennsylvania e Michigan per Harris, e credo che prenderà almeno altri 2-3 stati indecisi. Spero di sbagliarmi.
Riferimenti:
Laboratorio elettorale del MIT https://electionlab.mit.edu/data#data
Fatti USA https://usafacts.org/economy/
Laboratorio elettorale UF https://election.lab.ufl.edu/voter-turnout/
Votazione e registrazione alle elezioni di novembre 2022 https://www.census.gov/data/tables/time-series/demo/voting-and-registration/p20-586.html
CDC https://data.cdc.gov/NCHS/Indicators-of-Anxiety-or-Depression-Based-on-Repor/8pt5-q6wp/about_data
CMS https://data.cms.gov/provider-data/dataset/avax-cv19
CDC https://www.cdc.gov/covidvaxview/weekly-dashboard/vaccine-administration-coverage-jurisdiction.html
Cinque Trentotto https://github.com/fivethirtyeight/election-results/blob/main/election_results_senate.csv
Monitor per vaccini KFF https://www.kff.org/coronavirus-covid-19/dashboard/kff-covid-19-vaccine-monitor-dashboard/
Laboratorio elettorale UF https://election.lab.ufl.edu/2024-presidential-nomination-contests-turnout-rates/
Centro nazionale per le statistiche sanitarie https://www.cdc.gov/nchs/data_access/VitalStatsOnline.htm CDC https://www.cdc.gov/nchs/data/vsrr/vsrr035.pdf Censimento.Gov https://www.census.gov/data/tables/time-series/demo/popest/2020s-state-total.htmlCDC https://www.cdc.gov/covidvaxview/interactive/adults.html
Centro nazionale per le statistiche sanitarie https://www.cdc.gov/nchs/fastats/state-and-territorial-data.htm
Censimento - Povertà https://www.census.gov/data/tables/time-series/demo/income-poverty/historical-poverty-people.html
Censimento - Variazione della popolazione per stato https://www.census.gov/newsroom/press-kits/2023/national-state-population-estimates.html
Progetto elettorale statunitense https://electproject.github.io/
Ripubblicato dall'autore substack
Pubblicato sotto a Licenza internazionale Creative Commons Attribution 4.0
Per le ristampe, reimpostare il collegamento canonico all'originale Istituto di arenaria Articolo e Autore.
