Modelo electoral 2020: Trump tiene un 30% de posibilidades de ganar

"Es difícil hacer predicciones, sobre todo acerca del futuro" es una cita que se le suele atribuir Niels Bohr y que resume muy bien la tarea de predecir unos resultados electorales actualmente. Algo que puedo confirmar con mi intento de predecir el resultado electoral en España con un modelo basado en el modelo "Time for change" y unos resultados bastante malos. Un modelo que ha demostrado su valía en Estados Unidos. "Time for change" ha predicho el porcentaje de voto popular en las elecciones presidenciales de los Estados Unidos desde 1988 con un error medio por debajo del 3%. Para lo que solamente emplea tres variables: el estado de la economía, la popularidad del presidente y si el presidente se presenta para la reelección.

En 2020 posiblemente el modelo no sea adecuado. La economía ha sufrido la mayor caída desde la Gran Depresión. Algo que según "Time for change" llevaría a la derrota del actual presidente, puede que los electores valoran como en otros momentos. Por eso el autor del modelo ha propuesto un nuevo modelo que discutiremos a continuación.

"Time for change" para la pandemia

El modelo "Time for change", desarrollado por Alan Abramowitz, utiliza exactamente las siguientes variables:

• la variación del PIB real en el segundo trimestre del año electoral,
• el índice de aprobación del presidente en ejercicio a fines de junio o principios de julio y
• una variable que indica si el presidente se postula o no para la reelección.

A pesar del éxito demostrado durante las últimas décadas, puede que no sean las variables que cuente en este momento. Como ha comentado el propio autor del modelo. La mayor caída del PIB desde la Gran Recesión es debida a una pandemia global, que no solo afecta a los Estados Unidos. En esta situación es posible que los votantes no responsabilicen directamente al presidente. Ya que la recesión es una causa de las medidas tomadas para evitar la propagación del virus. Por otro lado, puede que la variable que indica si el presidente se postula o no para la elección sea irrelevante en esta situación.

Por eso Abramowitz ha propuesto para las elecciones de 2020 un modelo más sencillo basado solamente en el índice de aprobación neta del presidente. La aprobación neta es la diferencia entre los que aprueban y no aprueban la gestión del presidente. Así, se puede usar una regresión para predecir los votos electorales obtenidos por cada candidato en base al valor de la aprobación neta.

Resultados del modelo simplificado

El nuevo modelo propuesto por Abramowitz se ha calibrado con los datos de aprobación histórica de los presidentes en los meses de julio y octubre. El modelo con los datos de julio tiene un R ² de 0,64, lo que es un valor bajo, mientras que el de octubre el R ² sube a 0,82, un modelo mucho más preciso que el anterior.

Con los datos de julio se puede estimar que la posibilidad de que Donald Trump conserve la presidencia es del 30%. Pero actualmente la valoración del presidente muestra una gran volatilidad. Por lo que el resultado puede cambiar en pocos días.

Ahora bien, el modelo para octubre indica que el actual presidente parte de 261 votos electorales y con cada punto de aprobación neta el resultado sube casi cinco votos. En Estados Unidos se reparten 538 votos electorales, por lo que solo son necesarios 270 votos para ganar la elección. Lo que nos indica que, si la aprobación neta es positiva lo más probable es que gane el actual presidente, sino el candidato del otro partido.

Obviamente, los datos de aprobación de octubre no están disponibles. Pero si revisamos la evolución en Gallup, nos encontramos que la aprobación neta en los últimos tres meses ha variado entre 4 y -20. Una volatilidad con la que es difícil hacer una predicción.

Conclusiones

Es difícil hacer predicciones, sobre todo acerca del futuro.

La cita es la mejor conclusión de esta revisión. El modelo que podemos evaluar actualmente da una probabilidad de ganar a Donald Trump del 30%. Aproximadamente una de cada tres ocasiones. Por otro lado, no tenemos datos para evaluar el modelo más preciso y hacer una proyección sobre los datos es toda una aventura. Afortunadamente, las dudas se resolverán en un par de meses.

Imágenes: Unsplash (Arnaud Jaegers)

Publicidad