Prever eleições é um problema de alto risco. Políticos e eleitores estão frequentemente desesperados para saber o resultado de uma disputa acirrada, mas fornecer-lhes previsões incompletas ou imprecisas pode ser enganoso. E a previsão eleitoral já é um desafio inato - o processo de modelagem é repleto de incertezas, informação incompleta, e escolhas subjetivas, tudo isso deve ser tratado com destreza. Especialistas políticos e pesquisadores implementaram uma série de abordagens bem-sucedidas para prever resultados eleitorais, com vários graus de transparência e complexidade. Contudo, as previsões eleitorais podem ser difíceis de interpretar e podem deixar muitas questões sem resposta após o desenrolar da disputa.

Esses desafios levaram os pesquisadores a se perguntar se a aplicação de um modelo de doença às eleições poderia ampliar a comunidade envolvida na previsão política. Em um jornal publicado hoje em Revisão SIAM , Alexandria Volkening (Northwestern University), Daniel F. Linder (Universidade Augusta), Mason A. Porter (Universidade da Califórnia, Los Angeles), e Grzegorz A. Rempala (The Ohio State University) emprestou idéias da epidemiologia para desenvolver um novo método de previsão de eleições. A equipe esperava expandir a comunidade que se envolve com dados de pesquisas e levantar questões de pesquisa de uma nova perspectiva; a natureza multidisciplinar de seu modelo de doenças infecciosas era uma virtude a esse respeito. "Nosso trabalho é inteiramente de código aberto, ", Disse Porter." Esperançosamente, isso encorajará outros a continuar a desenvolver nossas idéias e desenvolver seus próprios métodos de previsão de eleições. "

Em seu novo jornal, os autores propõem um modelo matemático baseado em dados da evolução das opiniões políticas durante as eleições nos Estados Unidos. Eles encontraram os parâmetros de seu modelo usando dados de pesquisa agregados, o que lhes permitiu rastrear as porcentagens de eleitores democratas e republicanos ao longo do tempo e prever as margens de voto em cada estado. Os autores enfatizaram a simplicidade e a transparência em sua abordagem e consideram essas características como pontos fortes particulares de seu modelo. "Modelos complicados precisam levar em conta a incerteza em muitos parâmetros de uma vez, "Disse Rempala.

Este estudo focou predominantemente na influência que os eleitores em diferentes estados podem exercer uns sobre os outros, já que a contabilização precisa das interações entre os estados é crucial para a produção de previsões confiáveis. Os resultados das eleições em estados com dados demográficos semelhantes são frequentemente correlacionados, e os estados também podem influenciar uns aos outros assimetricamente; por exemplo, os eleitores em Ohio podem influenciar mais fortemente os eleitores na Pensilvânia do que o contrário. A força da influência de um estado pode depender de uma série de fatores, incluindo a quantidade de tempo que os candidatos passam fazendo campanha lá e a cobertura do estado nas notícias. Para desenvolver sua abordagem de previsão, a equipe reaproveitou ideias da modelagem compartimental de doenças biológicas. Os matemáticos costumam utilizar modelos compartimentados - que categorizam os indivíduos em alguns tipos distintos (ou seja, compartimentos) - para examinar a propagação de doenças infecciosas como gripe e COVID-19. Um modelo compartimental amplamente estudado, denominado modelo suscetível-infectado-suscetível (SIS), divide a população em dois grupos:aqueles que são suscetíveis a adoecer e aqueles que estão atualmente infectados. O modelo SIS rastreia as frações de indivíduos suscetíveis e infectados em uma comunidade ao longo do tempo, com base nos fatores de transmissão e recuperação. Quando uma pessoa infectada interage com uma pessoa suscetível, o indivíduo suscetível pode ser infectado. Uma pessoa infectada também tem uma certa chance de se recuperar e se tornar suscetível novamente.

Porque existem dois grandes partidos políticos nos EUA, os autores empregaram uma versão modificada de um modelo SIS com dois tipos de infecções. "Usamos técnicas de epidemiologia matemática porque elas nos deram um meio de enquadrar as relações entre os estados de uma forma familiar, forma multidisciplinar, "Volkening disse. Embora as eleições e a dinâmica da doença sejam certamente diferentes, os pesquisadores trataram as inclinações eleitorais democratas e republicanos como dois tipos possíveis de "infecções" que podem se espalhar entre os estados. Indeciso, independente, ou eleitores de partidos menores se enquadram na categoria de indivíduos suscetíveis. "Infecção" foi interpretada como adoção de opiniões democratas ou republicanas, e "recuperação" representava a troca de eleitores comprometidos com os indecisos.

No modelo, eleitores comprometidos podem transmitir suas opiniões a eleitores indecisos, mas o oposto não é verdade. Os pesquisadores tiveram uma visão ampla da transmissão, interpretar a persuasão de opinião como ocorrendo por meio de comunicação direta entre os eleitores e métodos mais indiretos, como campanha, cobertura de notícias, e debates. Os indivíduos podem interagir e fazer com que outras pessoas mudem suas opiniões dentro e entre os estados.

Para determinar os valores dos parâmetros matemáticos de seus modelos, os autores usaram dados de pesquisas no senatorial, governamental, e corridas presidenciais do HuffPost Pollster para 2012 e 2016 e RealClearPolitics para 2018. Eles ajustaram o modelo aos dados de cada corrida individual e simularam a evolução das opiniões no ano anterior a cada eleição, rastreando as frações de indecisos, Democrático, e eleitores republicanos em cada estado de janeiro até o dia da eleição. Os pesquisadores simularam suas previsões finais como se as tivessem feito na véspera do dia da eleição, incluindo todos os dados da votação, mas omitindo os resultados da eleição.

Apesar de sua base em um campo não convencional de previsão eleitoral, ou seja, epidemiologia - o modelo resultante teve um desempenho surpreendentemente bom. Ele previu as corridas para governador dos EUA em 2012 e 2016, Senado, e o gabinete presidencial com uma taxa de sucesso semelhante à dos sites populares de analistas FiveThirtyEight e Sabato's Crystal Ball. Por exemplo, a taxa de sucesso dos autores para prever os resultados dos partidos em nível estadual nas eleições presidenciais de 2012 e 2016 foi de 94,1 por cento, enquanto FiveThirtyEight teve uma taxa de sucesso de 95,1% e a Bola de Cristal de Sabato teve uma taxa de sucesso de 93,1%. "Todos nós ficamos inicialmente surpresos que um modelo de transmissão de doenças pudesse produzir previsões significativas de eleições, "Volkening disse.

Depois de estabelecer a capacidade de seu modelo de prever resultados na véspera do dia da eleição, os autores procuraram determinar o quão cedo o modelo poderia criar previsões precisas. As previsões feitas nas semanas e meses antes do dia da eleição são particularmente significativas, mas produzir previsões antecipadas é um desafio porque menos dados de pesquisa estão disponíveis para o treinamento do modelo. Ao empregar dados de pesquisas das eleições para o senador de 2018, o modelo da equipe foi capaz de produzir previsões estáveis ​​a partir do início de agosto com a mesma taxa de sucesso das previsões finais de FiveThirtyEight para essas corridas.

Apesar das diferenças claras entre contágio e dinâmica de votação, este estudo sugere uma abordagem valiosa para descrever como as opiniões políticas mudam entre os estados. Volkening está atualmente aplicando este modelo - em colaboração com os alunos de graduação da Northwestern University Samuel Chian, William L. He, e Christopher M. Lee - para prever o presidente dos EUA em 2020, senatorial, e eleições para governador. "Este projeto me fez perceber que é um desafio julgar as previsões, especialmente quando algumas eleições são decididas por uma margem de voto de menos de um por cento, "Volkening disse." O fato de nosso modelo ter um bom desempenho é empolgante, uma vez que há muitas maneiras de torná-lo mais realista no futuro. Esperamos que nosso trabalho incentive as pessoas a pensar mais criticamente sobre como julgam as previsões e se envolvem nas próprias previsões eleitorais. "