O roku ów!

20 grudnia 2017
Kobieta patrzy na mur z napisaem Future

Źródło grafiki: Salvatore Vastano, flick, CC BY-NC 2.0

W ramach corocznego cyklu możemy spodziewać się, że chwilę po tym jak Kevin McCallister upora się z włamywaczami (24.12 Polsat 20.10 Kevin sam w domu) media informacyjne rozpoczną noworoczny przeplataniec podsumowań mijającego roku i analiz roku przyszłego. Na podsumowanie ostatnich dwunastu miesięcy przyjdzie czas, najpierw spróbujmy spojrzeć w przyszłość.

W 2018 w Polsce będą miały miejsce wybory samorządowe. Przez wiele miesięcy różni analitycy i „sondażownie” będą przekonywali, że już znają polityczną przyszłość. Tymczasem złośliwi twierdzą, że analityk to jedynie ktoś kto dziś potrafi wytłumaczyć, dlaczego jego wczorajsza prognoza się nie sprawdziła. Warto zastanowić się jak powstają różne prognozy politycznej przyszłości i jaki wpływ na to ma rozwój techniki. Ostatnie wybory prezydenckie w USA pokazały, że wiara w sondaże jest tylko… wiarą w sondaże. Zobaczmy czy inne metody są w stanie lepiej przewidywać wyniki wyborcze? Czy już nadszedł czas na stwierdzenie, że inteligencja oparta o organiczne związki węgla całkowicie przegrała z krzemem? Czy możemy skutecznie przewidywać przyszłość?

Xue Li

Kampania prezydencka 2016 w USA pokazała wiele nowych zjawisk, jak fake news, trolling oraz ogólnie coraz większy udział mediów społecznościowych w procesie wyborczym. Profesor Xue Li z Uniwersytetu w Qeensland używając danych pobieranych z Twittera stworzył model, który wyliczał aktualne poparcie dla kandydatów. Model poprawnie wskazał zmianę lidera na ostatniej prostej i nieznaczne zwycięstwo Trumpa.

Nate Silver

Nate Silver to statystyk, który zajmował się głównie analizą… gry w baseball. W 2008 roku przewidział dokładne wynik wyborów prezydenckich w 49 z 50 stanów. Cztery lata później jego model statystyczny oparty o dane sondażowe i dane demograficzne przewidział wyniki we wszystkich stanach. W ostatnich wyborach model Nata Silvera nie przewidział wygranej Trumpa – co nie powinno być zaskoczeniem biorąc pod uwagę, że głównym źródłem danych były sondaże, które niemal wszystkie do końca dawały większą szansę na wygraną Clinton (z pewnością od 85% do 99%). Na swoją obronę Nate Silver tłumaczył się (złośliwi się ucieszą) całkiem racjonalnym argumentem, że w jego modelu pewność wygranej Clinton była najniższa i wynosiła „tylko” 64.5%.

The Good Judgment Project

The Good Judgment Project to całkiem udana próba stworzenia modelu predykcji przyszłości oparta o ankietowanie osób obdarzonych „supermocami przewidywania przyszłości”. Nie ma w tym nic nadprzyrodzonego jedynie założenie, że niektóre osoby potrafią trafniej odpowiadać na zadane pytania o przyszłe wydarzenie polityczne i można to statystycznie udowodnić. Osoby takie nazywane „superprognostykami” w projekcie, który wygrał w konkursie realizowanym przez IARPA, uzyskiwały nawet 30% lepsze wyniki niż przeszkoleni pracownicy wywiadu mający dostęp do tajnych danych. Superprognostycy potrafią dość dobrze szacować zmiany dyktatorów w Afryce, ale nie trafili z oceną szans na wygraną Trumpa.

Allan Lichtman

Profesor Allan Lichtman stworzył najdoskonalszy model przewidujący wynik wyborów prezydenckich. Skutecznie przewiduje wszystkie wyniki wyborów od 1984 roku. Co więcej jego model działa też ze stuprocentową skutecznością dla przeszłych wyborów od czasów Wojny Secesyjnej. Prognoza wyborcza oparta jest tu na odpowiedzi tak lub nie dla trzynastu prostych pytań. Więcej niż sześć „nie” oznacza zmianę barw partyjnych prezydenta. Pytania, które umożliwiają taką skuteczność dotyczą krótkoterminowej i długoterminowej ekonomii, sukcesu lub porażki militarnej (dyplomatycznej), ważnych skandali, charyzmy, itp.

Wracając do Polski i CMDP to wnioski z powyższych przykładów powinny uświadomić nam, że modelowanie życia politycznego jest bardzo niepewne. Jako CMDP możemy posłużyć się prostą „analizą techniczną” i spojrzeć na długoterminowe trendy liniowe obecność w mediach. 

Dla całego okresu i wszystkich monitorowanych programów przy odrzuceniu obecności osób niepartyjnych i ograniczeniu ilości partii (pozostałe to zagregowane partie poniżej piątego miejsca w rankingu)  daje się zauważyć trend spadkowy dwóch pierwszych partii PiS i PO kosztem nieznacznie rosnących udziałów partii mniejszych, czyli Nowoczesnej, Kukiza, PSL i pozostałych.

Patrząc na ostatnie 11 miesięcy, bez odrzucania niepartyjnych i stosując taką samą jak powyższa agregacja mniejszych partii trendy spadkowe dwóch pierwszych partii PO i PiS są jeszcze bardziej widoczne. Małe partie minimalnie rosną lub utrzymują swoje pozycje. Miejsce w mediach coraz bardziej zabierają osoby niepartyjne.

Powyższe analizy mają tę wadę, że dotyczą wszystkich programów, a w prezentowanych okresach pojawiały się nowe i znikały stare audycje. Czy te trendy utrzymają się do wyborów? Tego nie wiemy na 100%, ale jeżeli by się okazało, że nie to na pewno uda nam się znaleźć jakieś wytłumaczenie czemu prognozy okazały się nietrafione.