Valgmålinger er mere præcise, hvis de spørger deltagerne, hvordan andre vil stemme

De fleste offentlige meningsmålinger forudsagde korrekt vinderkandidaten ved det amerikanske præsidentvalg i 2020 - men i gennemsnit, de overvurderede den margin, hvormed demokraten Joe Biden ville slå den republikanske siddende Donald Trump.

Vores forskning i afstemningsmetoder har fundet ud af, at meningsmålingernes forudsigelser kan være mere nøjagtige, hvis de ser ud over traditionelle spørgsmål. Traditionelle meningsmålinger spørger folk, hvem de ville stemme på, hvis valget var i dag, eller for den procentvise chance for, at de kan stemme på bestemte kandidater.

Men vores forskning i folks forventninger og sociale vurderinger førte til, at vi og vores samarbejdspartnere, Henrik Olsson ved Santa Fe Institute og Drazen Prelec ved MIT, at spekulere på, om forskellige spørgsmål kunne give mere præcise resultater.

Specifikt, vi ønskede at vide, om det at spørge folk om andres politiske præferencer i deres sociale kredse og i deres stater kunne hjælpe med at tegne et mere fuldstændigt billede af den amerikanske vælgerskare. De fleste mennesker ved en del om deres venners og families livserfaringer, herunder hvor glade og sunde de er, og hvor mange penge de tjener. Så vi designede afstemningsspørgsmål for at se, om denne viden om andre udvidede sig til politik - og det har vi fundet ud af, at den gør.

meningsmålere, vi bestemte, kunne lære mere, hvis de benyttede sig af denne type viden. At spørge folk, hvordan andre omkring dem vil stemme og samle deres svar på tværs af en stor national stikprøve, gør det muligt for meningsmålingerne at udnytte det, der ofte kaldes "skarernes visdom".

Hvad er de nye 'visdom-of-crowds'-spørgsmål?

Siden sæsonen for det amerikanske præsidentvalg i 2016, vi har spurgt deltagerne i en række valgundersøgelser:"Hvilken procentdel af dine sociale kontakter vil stemme på hver kandidat?"

Ved det amerikanske valg i 2016, dette spørgsmål forudsagde, at Trump ville vinde, og gjorde det mere præcist end spørgsmål, der spørger om respondenternes egne stemmeintentioner.

Spørgsmålet om deltagernes sociale kontakter var ligeledes mere præcist end det traditionelle spørgsmål til at forudsige resultaterne af det franske præsidentvalg i 2017, det hollandske parlamentsvalg i 2017, det svenske parlamentsvalg i 2018 og det amerikanske valg til Repræsentanternes Hus i 2018.

I nogle af disse meningsmålinger, vi spurgte også, "Hvilken procentdel af mennesker i din stat vil stemme på hver kandidat?" Dette spørgsmål griber også ind i deltagernes viden om dem omkring dem, men i en bredere kreds. Variationer af dette spørgsmål har fungeret godt ved tidligere valg.

Hvor godt klarede de nye afstemningsspørgsmål sig?

Ved det amerikanske præsidentvalg i 2020, vores "visdom-of-crowds"-spørgsmål var igen bedre til at forudsige resultatet af den nationale folkeafstemning end de traditionelle spørgsmål. I USC Dornsife Daybreak Poll spurgte vi mere end 4, 000 deltagere, hvordan de forventede, at deres sociale kontakter ville stemme, og hvilken kandidat de troede ville vinde i deres stat. De blev også spurgt, hvordan de selv havde tænkt sig at stemme.

De nuværende valgresultater viser en Biden-føring på 3,7 procentpoint i den populære afstemning. Et gennemsnit af nationale meningsmålinger forudsagde et forspring på 8,4 procentpoint. Sammenlignet med, spørgsmålet om sociale kontakter forudsagde en Biden-forspring på 3,4 point. Statsvinderspørgsmålet forudsagde, at Biden førte med 1,5 point. Derimod det traditionelle spørgsmål, der stillede om vælgernes egne hensigter i samme meningsmåling, forudsagde en føring på 9,3 point.

Hvorfor virker de nye afstemningsspørgsmål?

Vi tror, ​​der er tre grunde til, at det ender med at være mere præcist at spørge deltagerne i afstemningen om andre i deres sociale kredse og deres tilstand end at spørge om deltagerne selv.

Først, spørger folk om andre effektivt øger stikprøvestørrelsen af ​​afstemningen. Det giver meningsmålingerne i det mindste nogle oplysninger om stemmeintentionerne hos personer, hvis data ellers ville være blevet fuldstændig udeladt. For eksempel, mange blev ikke kontaktet af meningsmålerne, eller kan have afvist at deltage. Selvom respondenterne ikke har perfekt information om alle omkring dem, det viser sig, at de ved nok til at give nyttige svar.

Sekund, vi formoder, at folk kan finde det nemmere at rapportere om, hvordan de tror, ​​andre kan stemme, end det er at indrømme, hvordan de selv vil stemme. Nogle mennesker kan føle sig flov over at indrømme, hvem deres favoritkandidat er. Andre kan frygte chikane. Og nogle lyver måske, fordi de vil hindre meningsmålingerne. Vores egne resultater tyder på, at Trump-vælgere kunne have været mere tilbøjelige end Biden-vælgere til at skjule deres stemmeintentioner, af alle disse grunde.

Tredje, de fleste mennesker er påvirket af andre omkring dem. Folk får ofte information om politiske spørgsmål fra venner og familie - og disse samtaler kan påvirke deres valg af stemme. Afstemningsspørgsmål, der spørger deltagerne, hvordan de vil stemme, fanger ikke den sociale indflydelse. Men ved at spørge deltagerne, hvordan de tror, ​​at andre omkring dem vil stemme, meningsmålere kan få en idé om, hvilke deltagere der stadig kan ændre mening.

Andre metoder, vi undersøger

Med udgangspunkt i disse resultater, vi kigger på måder at integrere information fra disse og andre spørgsmål i algoritmer, der kan give endnu bedre forudsigelser af valgresultater.

En algoritme, kaldet "Bayesian Truth Serum, " giver mere vægt til svarene fra deltagere, der siger deres stemmeintentioner, og deres sociale kredse, er relativt mere udbredt, end folk i den stat tror. En anden algoritme, kaldet en "fuld informationsprognose, " kombinerer deltagernes svar på tværs af flere afstemningsspørgsmål for at inkorporere information fra hver af dem. Begge metoder overgik stort set det traditionelle afstemningsspørgsmål og forudsigelserne fra et gennemsnit af meningsmålinger.

Vores meningsmåling havde ikke nok deltagere i hver stat til at lave gode prognoser på statsniveau, der kunne hjælpe med at forudsige stemmer i valgkollegiet. Som det var, vores spørgsmål om sociale kredse og forventede statsvindere forudsagde, at Trump kunne vinde valgkollegiet snævert. Det var forkert, men indtil videre ser det ud til, at disse spørgsmål i gennemsnit havde lavere fejl end de traditionelle spørgsmål ved at forudsige forskellen mellem Biden og Trumps stemmer på tværs af stater.

Selvom vi stadig ikke kender den endelige stemmetal for valget i 2020, vi ved nok til at se, at meningsmålere kunne forbedre deres forudsigelser ved at spørge deltagerne, hvordan de tror, ​​andre vil stemme.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.