Επτά παραπλανητικά Memes Πολιτικής Ανάλυσης

Στην πολιτική ψηφοφορία, πότε δεν είναι η «νεκρή ζέστη»; Πότε ένα μικρό ποσοστό στις δημοσκοπήσεις σημαίνει μεγάλη διαφορά στα τελικά αποτελέσματα; Ποια λάθη κάνουν οι δημοσιογράφοι με συνέπεια κατά την προσπάθειά τους να επικοινωνούν δημοσκοπήσεις;

Οι περισσότεροι πολιτικοί σχολιαστές δεν είναι εκπαιδευμένοι στην ψυχολογία ή στα στατιστικά στοιχεία, επομένως είναι επιρρεπείς σε διαρκή παρερμηνεία των αποτελεσμάτων των ψηφοφοριών και της συμπεριφοράς των ψηφοφόρων. Τις επόμενες 80 μέρες, εδώ πρέπει να προσέξουμε.

1) Το πιο συχνό και απογοητευτικό λάθος των πολιτικών σχολιαστών είναι η επισήμανση οποιασδήποτε δημοσκόπησης ως «νεκρή θερμότητα» εάν η διαφορά μεταξύ των υποψηφίων βρίσκεται εντός του περιθωρίου σφάλματος (MoE).

Στην πραγματικότητα, μια ζέστη προτείνεται μόνο όταν οι υποψήφιοι είναι πραγματικά δεμένοι. Εάν ο Υποψήφιος Η βρίσκεται μπροστά από τον Υποψήφιο Τ κατά 52% έως 48% σε μια δημοσκόπηση με MoE 4%, αυτό σημαίνει ότι η καλύτερη εκτίμηση της δημοσκόπησης είναι ότι ο Υποψήφιος Η προηγείται κατά 4 ποσοστιαίες μονάδες. Είναι τόσο ξεκάθαρο. Και δεν είναι μια νεκρή ζέστη. Πράγματι, είναι εξίσου πιθανό ότι ο υποψήφιος Η προηγείται του υποψηφίου Τ κατά 8 ποσοστιαίες μονάδες, όπως είναι οι ισοδύναμοι.

Το σφάλμα μέτρησης πρέπει να σημειωθεί αλλά να μην παρερμηνευθεί.

2) Μικρές διαφορές στις δημοσκοπήσεις συχνά απορρίπτονται.

Μια μικρή και συνεπής διαφορά στις δημοσκοπήσεις μπορεί να οδηγήσει σε μεγάλες διαφορές στο θάλαμο ψηφοφορίας. Εάν ο υποψήφιος Η προηγείται του υποψηφίου Τ κατά 3 ποσοστιαίες μονάδες για μια περίοδο δύο μηνών, αυτό το 3 τοις εκατό έχει νόημα. Σε αμφίδρομες προεδρικές εκλογές, το ποσοστό αυτό θα οδηγούσε σε μια πειστική νίκη για τον υποψήφιο Η. Εξαιρουμένης της συμμετοχής στις προεδρικές εκλογές του 2012, το προβάδισμα 3% θα μεταφράζεται σε διαφορά 4 εκατομμυρίων ψήφων.

3) Οι αναλογίες παρουσιάζονται συχνά ως κατηγορηματικές και απόλυτες - όταν είναι στην πραγματικότητα οριακές και σχετικές.

Το πιο δραματικό παράδειγμα αυτού του λάθους είναι η απεικόνιση «κόκκινων καταστάσεων» και «μπλε καταστάσεων». Αν και είναι προφανές, αυτό το λάθος απαιτεί έμφαση. Εάν το 54% των ψηφοφόρων σε ένα κράτος ψηφίζει Ρεπουμπλικάνους, τότε αυτό σημαίνει ότι το 46% δεν το έκανε. Το ίδιο μπορεί να ειπωθεί για τις δημογραφικές πληροφορίες. Εάν ο Υποψήφιος Τ οδηγεί ανάμεσα σε ψηφοφόρους χωρίς εκπαίδευση στο κολέγιο, αυτό δεν σημαίνει ότι όλοι αυτοί οι άνθρωποι υποστηρίζουν τον Υποψήφιο Τ. Σε γενικές γραμμές, τα ανθρώπινα όντα έχουν την τάση να σκέφτονται κατηγορηματικά, κάτι που υπογραμμίζει μόνο την ανάγκη προστασίας από την αντίληψη της πλειοψηφίας ως ολόκληρης της ομάδας .

4) Όταν παρουσιάζονται εκτός πλαισίου, οι στατιστικές παραπλανούν.

Στην τελευταία προεδρική προεδρία, για παράδειγμα, λέγοντας ότι κάθε νικητής υποψήφιος έλαβε υποστήριξη από λιγότερο από το 7% του εκλογικού σώματος είναι ακριβής, αλλά εκτός πλαισίου. Σε έναν διαγωνισμό πρωτοβάθμιας, ο νικητής υποψήφιος συνήθως λαμβάνει λιγότερο από το 7% του συνολικού εκλογικού σώματος. Ένα τέτοιο αποτέλεσμα είναι τυπικό - όχι συγκλονιστικό ή ακόμη και αξιοσημείωτο. Το συνολικό ποσοστό συμμετοχής στις πρωτοβάθμιες εκλογές και τους καυκάσιους για ένα μεγάλο κόμμα είναι συνήθως λιγότερο από το 13% του εκλογικού σώματος. Η σιωπηλή υπονοούμενη συνθήκη σύγκρισης της συμμετοχής 100% δεν είναι ρεαλιστική. Ακόμη και σε γενικές προεδρικές εκλογές, η προσέλευση τον τελευταίο μισό αιώνα παραμένει αξιόπιστα κάτω από το 60%. Πριν από είκοσι χρόνια, ήταν κάτω του 50%. Το 2012, ο Πρόεδρος Ομπάμα εξελέγη πειστικά με ψήφους από το 27% του εκλογικού σώματος.

5) Ένα συγκεκριμένο επίπεδο συγκέντρωσης μπορεί να οδηγήσει σε εσφαλμένη κατανόηση.

Τα κράτη είναι σημαντικά στις εκλογές επειδή αποτελούν τη βάση του Electoral College, αλλά συνήθως δεν είναι κατάλληλες ομάδες για την κατανόηση της αμερικανικής πολιτικής. Και πάλι, δεν έχουμε κόκκινες και μπλε καταστάσεις. Κάθε κράτος έχει ένα μείγμα Δημοκρατών, Ρεπουμπλικάνων και Ανεξάρτητων, με την πλειοψηφία των Δημοκρατών σε αστικές περιοχές, την πλειοψηφία των Ρεπουμπλικάνων σε αγροτικές περιοχές, και ένα μείγμα στα προάστια. Όσον αφορά την κατανόηση διαφορετικών ομάδων ψηφοφορίας, οι κατηγορίες αστικών, αγροτικών και προαστίων είναι πιο ενημερωτικές από τα κρατικά σύνορα.

6) Η παράβλεψη δεδομένων μπορεί να οδηγήσει σε δηλώσεις ψευδούς ισοδυναμίας.

Για παράδειγμα, οι πολιτικοί σχολιαστές επιθυμούν να μιλήσουν για την ευνοϊκή και μη ευνοϊκή θέση ενός υποψηφίου, αφαιρώντας τις δυσμενείς βαθμολογίες από ευνοϊκές, κάτι που στη συνέχεια δίνει την καθαρή βαθμολογία δυσμενούτητας. Εάν ο υποψήφιος Η έχει καθαρή βαθμολογία δυσμενής από -11, αυτό δεν είναι καλό. Αν όμως ο υποψήφιος Τ έχει καθαρή βαθμολογία δυσμενής από -28, τότε αυτό είναι πολύ χειρότερο. Το να απορρίψουμε τη διαφορά λέγοντας ότι και οι δύο υποψήφιοι έχουν υψηλές βαθμολογίες δυσφορίας είναι να παραπλανήσουν πετώντας τα δεδομένα.

7) Οι χάρτες αντιπροσωπεύουν τη μάζα της γης και όχι τους ανθρώπους.

Αν και οι περισσότεροι σχολιαστές το γνωρίζουν αυτό το 2016, είναι ακόμα οπτικά συντριπτικό να εκπροσωπούν τα δύο μεγάλα κόμματα σε αυτήν τη χώρα με δύο διαφορετικά χρώματα, το κόκκινο και το μπλε. Βουνά, λιβάδια και χωράφια με καλαμπόκι και σιτάρι δεν ψηφίζουν. Η εμφάνιση ενός χάρτη με αυτά τα δύο χρώματα που τοποθετούνται στις διάφορες καταστάσεις μπορεί να παραπλανήσει τους θεατές σχετικά με την κυριαρχία ενός μέρους έναντι ενός άλλου.

Αυτά δεν είναι κομματικά ζητήματα. Είναι λάθη της αριθμητικής και της αναπαράστασης των δεδομένων που μπορεί να διορθώσει η βασική στατιστική συλλογιστική.