De fleste meningsmålinger forudsagde korrekt den vindende kandidat ved præsidentvalget i USA i 2020 – men i gennemsnit overvurderede de den margin, hvormed demokraten Joe Biden ville slå den siddende republikaner Donald Trump.
Vores forskning i meningsmålingsmetoder har vist, at meningsmålingernes forudsigelser kan være mere præcise, hvis de ser ud over de traditionelle spørgsmål. Traditionelle meningsmålinger spørger folk, hvem de ville stemme på, hvis valget var i dag, eller om den procentvise chance for, at de ville stemme på bestemte kandidater.
Men vores forskning i folks forventninger og sociale vurderinger fik os og vores samarbejdspartnere, Henrik Olsson ved Santa Fe Institute og Drazen Prelec ved MIT, til at spekulere på, om andre spørgsmål kunne give mere præcise resultater.
Specifikt ønskede vi at vide, om det at spørge folk om de politiske præferencer hos andre i deres sociale kredse og i deres delstater kunne hjælpe med at tegne et mere fyldestgørende billede af den amerikanske vælgerbefolkning. De fleste mennesker ved en hel del om deres venners og familiers livserfaringer, herunder hvor lykkelige og sunde de er, og hvor mange penge de nogenlunde tjener. Så vi udformede spørgsmål til meningsmålinger for at se, om denne viden om andre også gælder for politik – og vi har fundet ud af, at det gør det.
Ved meningsmålingerne kunne vi konstatere, at de kunne lære mere, hvis de udnyttede denne type viden. Ved at spørge folk, hvordan andre omkring dem vil stemme, og ved at samle deres svar på tværs af en stor national stikprøve kan meningsmålingerne udnytte det, der ofte kaldes “crowds visdom”.
Hvad er de nye “wisdom-of-crowds”-spørgsmål?
Siden den amerikanske præsidentvalgssæson 2016 har vi spurgt deltagerne i en række valgmålinger: “Hvor stor en procentdel af dine sociale kontakter vil stemme på hver enkelt kandidat?”
I det amerikanske valg i 2016 forudsagde dette spørgsmål, at Trump ville vinde, og det gjorde det mere præcist end spørgsmål, der spurgte til meningsmålingernes egne stemmeintentioner.
Spørgsmålet om deltagernes sociale kontakter var på samme måde mere præcist end det traditionelle spørgsmål til at forudsige resultaterne af det franske præsidentvalg i 2017, det hollandske parlamentsvalg i 2017, det svenske parlamentsvalg i 2018 og det amerikanske valg til Repræsentanternes Hus i 2018.
I nogle af disse meningsmålinger spurgte vi også: “Hvor stor en procentdel af folk i din stat vil stemme på hver kandidat?”. Dette spørgsmål tapper også ind i deltagernes viden om deres omgivelser, men i en bredere kreds. Variationer af dette spørgsmål har fungeret godt ved tidligere valg.
Hvor godt klarede de nye meningsmålingsspørgsmål sig?
I det amerikanske præsidentvalg i 2020 var vores “wisdom-of-crowds”-spørgsmål endnu en gang bedre til at forudsige resultatet af den nationale folkeafstemning end de traditionelle spørgsmål. I USC Dornsife Daybreak Poll spurgte vi mere end 4.000 deltagere, hvordan de forventede, at deres sociale kontakter ville stemme, og hvilken kandidat de troede ville vinde i deres stat. De blev også spurgt om, hvordan de selv havde tænkt sig at stemme.
Det aktuelle valgresultat viser et forspring på 3,7 procentpoint til Biden i den populære afstemning. Et gennemsnit af de nationale meningsmålinger forudsagde et forspring på 8,4 procentpoint. Til sammenligning forudsagde spørgsmålet om sociale kontakter en føring for Biden på 3,4 point. Spørgsmålet om statsvindere forudsagde, at Biden førte med 1,5 procentpoint. Derimod forudsagde det traditionelle spørgsmål om vælgernes egne intentioner i samme meningsmåling en føring på 9,3 procentpoint.
Hvorfor virker de nye meningsmålingsspørgsmål?
Vi mener, at der er tre grunde til, at det at spørge meningsmålingens deltagere om andre i deres sociale kredse og deres stat ender med at være mere præcist end at spørge om deltagerne selv.
For det første øger det at spørge folk om andre effektivt meningsmålingens stikprøvestørrelse. Det giver meningsmålerne i det mindste nogle oplysninger om stemmeintentionerne hos personer, hvis data ellers måske helt ville være blevet udeladt. Mange af dem blev f.eks. ikke kontaktet af meningsmålerne eller kan have afvist at deltage. Selv om respondenterne i meningsmålingerne ikke har perfekte oplysninger om alle omkring dem, viser det sig, at de ved nok til at give nyttige svar.
For det andet har vi en mistanke om, at folk måske finder det lettere at rapportere om, hvordan de tror, at andre vil stemme, end det er at indrømme, hvordan de selv vil stemme. Nogle mennesker føler sig måske flove over at indrømme, hvem deres foretrukne kandidat er. Andre frygter måske chikane. Og nogle lyver måske, fordi de ønsker at lægge hindringer i vejen for meningsmålingerne. Vores egne resultater tyder på, at Trump-vælgere måske har været mere tilbøjelige end Biden-vælgere til at skjule deres stemmeintentioner af alle disse grunde.
For det tredje påvirkes de fleste mennesker af andre omkring dem. Folk får ofte oplysninger om politiske spørgsmål fra venner og familie – og disse samtaler kan påvirke deres valg af stemme. Meningsmålingsspørgsmål, der spørger deltagerne, hvordan de vil stemme, fanger ikke denne sociale indflydelse. Men ved at spørge deltagerne om, hvordan de tror, at andre omkring dem vil stemme, kan meningsmålerne få en idé om, hvilke deltagere der stadig kan ændre mening.
Andre metoder, vi undersøger
Med udgangspunkt i disse resultater undersøger vi, hvordan vi kan integrere oplysninger fra disse og andre spørgsmål i algoritmer, der kan give endnu bedre forudsigelser af valgresultater.
En algoritme, kaldet “Bayesian Truth Serum”, giver mere vægt til svarene fra deltagere, der siger, at deres stemmeintentioner og deres sociale kredse er relativt mere udbredte, end folk i den pågældende stat tror. En anden algoritme, kaldet en “fuld informationsprognose”, kombinerer deltagernes svar på tværs af flere meningsmålingsspørgsmål for at inddrage oplysninger fra hvert enkelt spørgsmål. Begge metoder overgik i høj grad det traditionelle meningsmålingsspørgsmål og forudsigelserne fra et gennemsnit af meningsmålinger.
Vores meningsmåling havde ikke nok deltagere i hver stat til at lave gode forudsigelser på statsniveau, der kunne hjælpe med at forudsige stemmerne i valgkollegiet. Som det var, forudsagde vores spørgsmål om sociale kredse og forventede statsvindere, at Trump måske snævert ville vinde valgmandsvalget. Det var forkert, men indtil videre ser det ud til, at disse spørgsmål i gennemsnit havde en lavere fejl end de traditionelle spørgsmål i forhold til at forudsige forskellen mellem Biden- og Trump-stemmerne på tværs af stater.
Selv om vi stadig ikke kender de endelige stemmetal for valget i 2020, ved vi nok til at se, at meningsmålerne kunne forbedre deres forudsigelser ved at spørge deltagerne, hvordan de tror, at andre vil stemme.