La mayoría de los sondeos de opinión pública predijeron correctamente el candidato ganador de las elecciones presidenciales de 2020 en Estados Unidos, pero en promedio sobrestimaron el margen por el que el demócrata Joe Biden vencería al republicano Donald Trump.
Nuestra investigación sobre los métodos de sondeo ha descubierto que las predicciones de los encuestadores pueden ser más precisas si miran más allá de las preguntas tradicionales. Las encuestas tradicionales preguntan a las personas por quién votarían si las elecciones fueran hoy, o por el porcentaje de posibilidades de que voten a determinados candidatos.
Pero nuestra investigación sobre las expectativas y los juicios sociales de las personas nos llevó a nosotros y a nuestros colaboradores, Henrik Olsson, del Santa Fe Institute, y Drazen Prelec, del MIT, a preguntarnos si otras preguntas podrían dar resultados más precisos.
Específicamente, queríamos saber si preguntar a la gente sobre las preferencias políticas de otros en sus círculos sociales y en sus estados podría ayudar a pintar una imagen más completa del electorado estadounidense. La mayoría de la gente sabe bastante sobre las experiencias vitales de sus amigos y familiares, incluyendo lo felices y sanos que son y aproximadamente cuánto dinero ganan. Así que diseñamos preguntas de encuesta para ver si este conocimiento de los demás se extendía a la política, y hemos descubierto que sí.
Los encuestadores, determinamos, podrían aprender más si aprovecharan este tipo de conocimiento. Preguntar a la gente cómo van a votar otras personas de su entorno y agregar sus respuestas a través de una gran muestra nacional permite a los encuestadores aprovechar lo que a menudo se denomina «la sabiduría de las multitudes».
¿Cuáles son las nuevas preguntas de «sabiduría de las multitudes»
Desde la temporada de elecciones presidenciales de 2016 en Estados Unidos, hemos estado preguntando a los participantes en una variedad de encuestas electorales: «¿Qué porcentaje de sus contactos sociales votará a cada candidato?».
En las elecciones estadounidenses de 2016, esta pregunta predijo que Trump ganaría, y lo hizo con más precisión que las preguntas que indagan sobre la propia intención de voto de los encuestados.
La pregunta sobre los contactos sociales de los participantes fue igualmente más precisa que la pregunta tradicional a la hora de predecir los resultados de las elecciones presidenciales francesas de 2017, las elecciones parlamentarias holandesas de 2017, las elecciones parlamentarias suecas de 2018 y las elecciones a la Cámara de Representantes de Estados Unidos de 2018.
En algunos de estos sondeos, también preguntamos: «¿Qué porcentaje de personas en su estado votará por cada candidato?» Esta pregunta también se centra en el conocimiento que tienen los participantes de su entorno, pero en un círculo más amplio. Variaciones de esta pregunta han funcionado bien en elecciones anteriores.
¿Qué tal funcionaron las nuevas preguntas de las encuestas?
En las elecciones presidenciales estadounidenses de 2020, nuestras preguntas de «sabiduría de las multitudes» volvieron a ser mejores para predecir el resultado del voto popular nacional que las preguntas tradicionales. En la encuesta USC Dornsife Daybreak Poll preguntamos a más de 4.000 participantes cómo esperaban que votaran sus contactos sociales y qué candidato creían que ganaría en su estado. También se les preguntó cómo pensaban votar ellos mismos.
Los resultados electorales actuales muestran una ventaja de Biden de 3,7 puntos porcentuales en el voto popular. Una media de encuestas nacionales preveía una ventaja de 8,4 puntos porcentuales. En comparación, la pregunta sobre los contactos sociales predijo una ventaja de 3,4 puntos para Biden. La pregunta sobre los ganadores de los estados predijo que Biden llevaba una ventaja de 1,5 puntos. En cambio, la pregunta tradicional que indagaba sobre las propias intenciones de los votantes en el mismo sondeo predecía una ventaja de 9,3 puntos.
¿Por qué funcionan las nuevas preguntas de las encuestas?
Creemos que hay tres razones por las que preguntar a los participantes en las encuestas sobre otras personas de sus círculos sociales y su estado acaba siendo más preciso que preguntar sobre los propios participantes.
En primer lugar, preguntar a la gente sobre otras personas aumenta efectivamente el tamaño de la muestra de la encuesta. Proporciona a los encuestadores al menos cierta información sobre las intenciones de voto de personas cuyos datos podrían haberse omitido por completo de otro modo. Por ejemplo, muchos no fueron contactados por los encuestadores, o pueden haber declinado participar. Aunque los encuestados no tienen información perfecta sobre todos los que les rodean, resulta que saben lo suficiente para dar respuestas útiles.
En segundo lugar, sospechamos que a la gente le resulta más fácil informar sobre cómo creen que votarán los demás que admitir cómo votarán ellos mismos. Algunas personas pueden sentirse avergonzadas de admitir quién es su candidato favorito. Otros pueden temer el acoso. Y algunos pueden mentir porque quieren obstruir a los encuestadores. Nuestros propios hallazgos sugieren que los votantes de Trump podrían haber sido más propensos que los de Biden a ocultar sus intenciones de voto, por todas esas razones.
En tercer lugar, la mayoría de la gente está influenciada por otros a su alrededor. La gente suele informarse sobre temas políticos a través de sus amigos y familiares, y esas conversaciones pueden influir en su elección de voto. Las preguntas de las encuestas en las que se pregunta a los participantes por su voto no captan esa influencia social. Sin embargo, al preguntar a los participantes cómo creen que votarán otras personas de su entorno, los encuestadores pueden hacerse una idea de qué participantes podrían cambiar de opinión.
Otros métodos que estamos investigando
A partir de estos hallazgos, estamos buscando formas de integrar la información de estas y otras preguntas en algoritmos que podrían hacer predicciones aún mejores de los resultados electorales.
Un algoritmo, llamado «suero de la verdad bayesiano», da más peso a las respuestas de los participantes que dicen que sus intenciones de voto, y las de sus círculos sociales, son relativamente más prevalentes de lo que la gente de ese estado piensa. Otro algoritmo, denominado «previsión de información completa», combina las respuestas de los participantes en varias preguntas de la encuesta para incorporar información de cada una de ellas. Ambos métodos superaron ampliamente a la pregunta tradicional de la encuesta y a las predicciones de una media de encuestas.
Nuestra encuesta no tenía suficientes participantes en cada estado para hacer buenas predicciones a nivel estatal que pudieran ayudar a predecir los votos en el Colegio Electoral. Así las cosas, nuestras preguntas sobre los círculos sociales y los ganadores estatales esperados predijeron que Trump podría ganar por poco el Colegio Electoral. Eso fue erróneo, pero hasta ahora parece que estas preguntas tuvieron un error medio más bajo que las preguntas tradicionales a la hora de predecir la diferencia entre los votos de Biden y Trump en los distintos estados.
Aunque todavía no conocemos el recuento final de votos para las elecciones de 2020, sabemos lo suficiente para ver que los encuestadores podrían mejorar sus predicciones preguntando a los participantes cómo creen que votarán los demás.