Il lavoro degli statistici non termina quando si sono completamente sbagliate le previsioni :-). L’analisi del voto effettivo è fondamentale perché serve a tarare meglio i modelli previsionali per cercare di fare meno peggio la volta successiva: sbagliare la composizione del campione elettorale porta inevitabilmente a un errore di partenza (un bias) che non può essere corretto. Ecco dunque che Nate Silver è tornato sui risultati dell’elezione del Presidente degli Stati Uniti e si è messo a cercare qualche correlazione a partire dai risultati per singola contea, prendendo i dati estremi per vedere se spuntava qualcosa. Il risultato è davvero interessante. Mentre i risultati delle contee con il reddito medio più alto e di quelle col reddito medio più basso non mostrano nessun trend specifico, se si guarda le prime cinquanta con la percentuale maggiore e minore di laureati le cose cambiano eccome. Nel primo caso Clinton ha guadagnato 8 punti e mezzo sul risultato di Obama nel 2012, cioè più del 4% dei votanti si è spostato verso di lei (escludendo in prima approssimazione gli altri candidati), nel secondo Trump ha migliorato le performance di Romney di più di 11 punti, con uno spostamento di quasi il 6%. Il bello è che queste contee a volte sono fortemente polarizzate verso un partito, ma il trend si vede ugualmente: quindi non è un problema di zone democratiche o repubblicane. Silver ha poi testato altri insiemi di contee per eliminare possibili correlazioni spurie, sia per quanto riguarda il reddito medio che per eventuali presenze di minoranze etniche, e l’ipotesi “più laureati → voto per Clinton” sembra proprio essere valida.
Silver termina facendo ipotesi su cosa può significare questo bias. No, non è necessariamente “solo uno stupido può voler votare per Trump” :-) Questo è importante da un punto di vista politico ma anche statistico, per quello che dicevo all’inizio: ma si va troppo fuori dalle mie competenze, quindi vi risparmio il pippone!
(grazie ad Alessio Bragadini per la segnalazione dell’articolo di Silver!)
Ultimo aggiornamento: 2016-11-23 15:43