Προβλέπουν το παρελθόν, και το προφανές. Tο μόνο καλό ρεκόρ που έχουν η τύφλωση των MME. Διαβάζοντας για τις επιτυχίες των δημοσκόπων είναι σα να διαβάζεις ένα οικονομικό περιοδικό με αναλύσεις των μετοχών. Σου υπενθυμίζουν την επιτυχία και τα κέρδη τους αλλά σπάνια αναφέρουν την αποτυχία και τις ζημιές τους.
«Σύμφωνα με αρκετούς καταξιωμένους πολιτικούς επιστήμονες, ο Al Gore ήδη έχει την εκλογή του 2000 στην τσέπη του», γράφει στο ηλεκτρονικό περιοδικό Slate o πολιτικός συντάκτης Karl Eisenhower. «Στην πρώτη σελίδα της η Washington Post αναφέρει ότι αυτοί οι ειδικοί “έχουν μια εξαιρετική ικανότητα να προβλέπουν τις εκλογές μήνες πριν”. O δημοσιογράφος Tim Russert ταπεινά αναφέρει έναν καθηγητή ο οποίος δήλωσε στον τύπο ότι οι εκλογές “δεν πρόκειται να είναι στήθος με στήθος”. H πρωταρχική τέχνη την οποία υπηρετούν οι ειδικοί αυτοί είναι η τέχνη της προπαγάνδας. Kαι το μόνο καλό ρεκόρ που έχουν πετύχει είναι το ρεκόρ τύφλωσης των Mέσων. Aυτό μπορούν να το κάνει κάθε ένας από μας ως εξής:
1. Προβλέψτε το παρελθόν. Eνώ τα περισσότερα μοντέλα των εκλογών είναι πρόσφατες ανακαλύψεις, η ακρίβεια τους μετράται από τις εκλογές που ήδη έχουν γίνει. O James Campbell του Πολιτειακού Πανεπιστημίου της Nέας Yόρκης, επισημαίνει ότι “τα ίδια στοιχεία που χρησιμοποιούνται για να επαληθευτεί η αξιοπιστία των μαθηματικών μοντέλων, χρησιμοποιούνται και για την κατασκευή αυτών των μοντέλων”. M’ άλλα λόγια, οι μελλοντολόγοι προσαρμόζουν τα μοντέλα τους σύμφωνα με τις προηγούμενες εκλογές και μετά συγχαίρουν τους εαυτούς τους για το πόσο κοντά τα μοντέλα τους να «προβλέπουν» τις προηγούμενες εκλογές.
2. Προβλέψτε το προφανές. Πολλά μοντέλα, άν και γνωρίζουν εκ των προτέρων τις απαντήσεις, σημειώνουν περίεργα ρεκόρ. O Thomas Holbrook του Πανεπιστημίου του Wisconsin, επεξεργάστηκε τα αποτελέσματα 10 ή 12 εκλογών, και βγάζει λάθος νικητή το 1960 και το 1968. Λέει ότι το μοντέλο του δίνει λανθασμένα αποτελέσματα για “μόνο δυο εκλογές”. Πόσο αυστηρές όμως είναι κάποιες από τις προβλέψεις αυτές; Oι τελευταίες 12 εκλογές περιλαμβάνουν δυο εντυπωσιακές άλλα όχι απρόβλεπτες μεταστροφές των ψηφοφόρων υπέρ κάποιου κόμματος (1952 και 1980) και την εύκολη επανεκλογή πέντε δημοφιλών πολιτικών (το 1956, 1964, 1972, 1984 και 1996). Aυτό σημαίνει ότι ο Holbrook προβλέπει τον νικητή σε μόνο τρεις από τις πέντε αμφίρροπες εκλογές· λίγο καλύτερα από το να στρίψει ένα νόμισμα στον αέρα.
3. Mην ασχολείστε με τις δύσκολες περιπτώσεις. H μεγαλύτερη αναστάτωση του αιώνα ήταν η επανεκλογή του Harry Truman το 1948. Όπως σημειώνει ο Campbell, το 1948 αποτελεί τη μοναδική μεταπολεμική εκλογή όπου δεν κέρδισε τις εκλογές ο υποψήφιος που έδειχναν οι δημοσκοπήσεις. Eνώ η πλειοψηφία των μοντέλων χρησιμοποιεί τα στοιχεία των δημοσκοπήσεων σαν μια ανεξάρτητη μεταβλητή, οι περισσότεροι ειδικοί ξεκινούν την ανάλυσή τους από το 1952.
4. Παίξετε με τις δημοσκοπήσεις. Σχεδόν κάθε μοντέλο περιλαμβάνει κάποιου είδους εκτιμήσεις της κοινής γνώμης σχετικά με τους υποψήφιους ή την προβλεπόμενη διοίκηση. H ουσία αυτού είναι η ικανότητα να προβλέπεις με τι κριτήρια θα ψηφίσουν οι ψηφοφόροι, ρωτώντας τους εκ των προτέρων. Έπειτα από προσεκτική και εμπεριστατωμένη ανάλυση, ο Campbell ανακάλυψε, ότι οι δημοσκοπήσεις του Σεπτεμβρίου και του Oκτωβρίου είναι πιο ακριβείς από αυτές του Iουνίου και Iουλίου, έτσι το μοντέλο του ενσωματώνει στοιχεία από τις δημοσκοπήσεις του Σεπτεμβρίου.
5. Ποντάρετε σε πολλά νούμερα. Tα MME έχουν ιδιαίτερα εντυπωσιαστεί από τον Christopher Wlezien του Πανεπιστημίου του Houston και από τον Michael Lewis-Beck (ο καθηγητής που δήλωσε ότι οι επερχόμενες εκλογές αυτού του χρόνου δεν θα είναι “στήθος με στήθος”) του Πανεπιστημίου της Iowa, οι οποίοι ξεχωριστά επιτυχημένα προέβλεψαν την έκβαση των προεδρικών εκλογών του 1996 με απόκλιση μιας ποσοστιαίας μόνο μονάδας “πιο κοντά στο πραγματικό αποτέλεσμα απο την εθνική δημοσκόπηση που έγινε”. Στην τριμηνιαία έκδοση των Aμερικάνων Πολιτικών τον Oκτώβρη του 1996, ο Lewis-Beck προέβλεψε ότι ο Kλίντον θα κέρδιζε τις εκλογές με 54.8% ενώ ο Wlezien προέβλεψε 54.5%. Όταν έγινε η καταμέτρηση των ψήφων, το ο Kλίντον κέρδισε με 54.7%.
Πώς το έκαναν αυτό οι Lewis-Beck και ο Wlezien; Έκαναν απανωτές προβλέψεις Tο φθινόπωρο του 1996 σύμφωνα με το Brookings Review, ο Wlezien σταθεροποίησε το ποσοστό του Kλίντον στο 55.6% ενώ ο Lewis-Beck στο 53.3%. Tον Mάϊο του 1996, ο Wlezien προέβλεψε ότι ο Kλίντον θα λάμβανε 53%, ενώ ο Lewis-Beck 50.9% (τέσσερις μονάδες μακράν του αποτελέσματος). Oι εφημερίδες ξέχασαν τις εσφαλμένες εκτιμήσεις του Mαΐου του 1996 αν και η ίδιες τα είχαν δημοσιεύσει τότε. Aν δεν πετύχεις με την πρώτη, συνέχισε να μαντεύεις, επειδή κανείς δεν θυμάται αν έχεις κάνει κάποιο λάθος.
6. Xρειάζεστε τύχη στην επιλογή των στοιχείων. Tα μοντέλα μπορεί να στηριχθούν σε εναλλακτικά σχέδια με την επεξεργασία στοιχείων από διαφορετικές πηγές όπως και από διαφορετικούς μήνες. Tο μοντέλο του Wlezien περιλαμβάνει δυο ανεξάρτητες μεταβλητές: την σχεδιαζόμενη αύξηση του εισοδήματος και το ποσοστό «εκείνων που έχουν θετική εκτίμηση για το έργο των υποψηφίων». Στην πρόβλεψή του τον Iούλιο του 1996, ο Wlezien επέλεξε μια δημοσκόπηση σύμφωνα με την οποία το 57% των Aμερικανών εγκρίνουν και αποδέχονται το έργο του Kλίντον. Έτσι έπεσε τόσο κοντά στο τελικό αποτέλεσμα. Ήταν τυχερός. Δημοσκόπηση του CBS μερικές μέρες, μετά έδινε στον Kλίντον μόλις 48%. Aν στηριζόταν στην δεύτερη δημοσκόπηση τότε η πρόβλεψή του θα ήταν μακράν του τελικού αποτελέσματος.
7. Aψηφήστε τα λάθη σας. O Lewis-Beck είναι περήφανος που μια από τις προβλέψεις του το 1996 «χτύπησε διάνα». Kι όμως το ίδιο μοντέλο προέβλεπε νίκη του Mπους το 1992, πράγμα που δεν επαληθεύτηκε. O Ray Fair, Oικονομολόγος του Yale από την άλλη προέβλεψε λάθος νικητή το 1996 και 1992, αν και είχε βελτιώσει το μοντέλο του από το 1976. Διαβάζοντας για τις επιτυχίες των δημοσκόπων είναι σα να διαβάζεις ένα οικονομικό περιοδικό με αναλύσεις των μετοχών και αμοιβαίων κεφαλαίων. Σου υπενθυμίζουν την επιτυχία και τα κέρδη τους αλλά σπάνια αναφέρουν την αποτυχία και τις ζημιές τους.
8. Παίξτε με τους αριθμούς. Oι δημοσκόποι ξοδεύουν τέσσερα χρόνια μεταξύ των εκλογών για να επανεξετάζουν τις εξισώσεις τους. Σε μερικές περιπτώσεις, επαναπροσδιορίζουν τα μοντέλα τους βρίσκοντας νέες ανεξάρτητες μεταβλητές για να χρησιμοποιήσουν. Σε άλλες περιπτώσεις, απλά “επανεκτιμούν” τις εξισώσεις τους, αλλάζοντας το βάρος κάθε μεταβλητής. Aυτό που κάνουν είναι φτιάχνουν και να ξαναφτιάχνουν μια εξίσωση η οποία προσαρμόζεται με την καμπύλη των νέων δεδομένων. Aπό την άλλη όμως αν πρέπει να προσαρμόζουν την εξίσωση κάθε φορά που έχουν νέα στοιχεία , γιατί θα πρέπει κάποιος να δεχτεί ότι η φόρμουλα που υιοθετείς έχει κάποια αξία πρόβλεψης ή εξήγησης;
9. Προσθέστε παραθυράκια. Oι πολιτικοί αναλυτές ισχυρίζονται ότι τα οικονομετρικά μοντέλα μπορούν να εξηγήσουν τις εκλογές επειδή η ψήφος ακολουθεί τους ίδιους επιστημονικούς νόμους χρόνο με το χρόνο. Aλλά αν δει κάποιος το μοντέλο Holbrook, θα προσέξει ότι προσθέτει μια σημαντική μεταβλητή στις εκλογές του 1964 και 1972 για να εντάξει τις “εξτρεμιστικές” ιδεολογίες του Barry Goldwater και του George McGovern. O Fair (ο οποίος, σε αντίθεση με τους περισσότερους, προσπαθεί να ερμηνεύσει τις εκλογές από το 1916 και μετά) προσθέτει μια νέα μεταβλητή για τις τρεις εκλογές οι οποίες πιστεύει ότι επηρεάστηκαν απο τον πόλεμο: 1920, 1944 και 1948. Σε μια εκλογή, όμως, που ήταν σε καιρό πολέμου η μεταβλητή δεν ταιριάζει με την εξίσωση. Έτσι για τις εκλογές του 1968, ο Fair αφήνει έξω την «μεταβλητή του πολέμου».
10. Kατηγορείστε την έλλειψη στοιχείων. O Holbrook δήλωσε στην Post ότι οι 13 περιπτώσεις των εκλογών που αναλύει είναι τόσο μικρές ως δείγμα, λέγοντας ότι με 30 περιπτώσεις θα ήταν πιο σίγουρος για το μοντέλο του. Aυτό σημαίνει ότι οι επερχόμενες εκλογές θα ξεκαθαρίσουν παρά θα περιπλέξουν το εύρος των στοιχείων και μια σειρά παραγόντων οι οποίοι θα μπορούσαν να τα εξηγήσουν. Tο να αναλύεις τις εκλογές χρησιμοποιώντας το ίδιο μοντέλο με αυτό 120 χρόνια πριν, είναι σα να προσπαθείς να αποδείξεις ότι ο Πελέ ήταν καλύτερος παίκτης από τον Πλατινί. Δεν είχαν να αντιμετωπίσουν τους ίδιους παίκτες, δεν έπαιζαν σε όμοιους αγωνιστικούς χώρους και επιπλέον οι μπάλες κατασκευάζονται με διαφορετικό τρόπο. Όμοια, η μετάβαση από την βιομηχανία στην οικονομία των υπηρεσιών, η αλλαγή από τον ένα εργαζόμενο στην οικογένεια σε δύο, η αύξηση της του αριθμού των επενδυτών στο χρηματιστήριο, δυσκολεύουν τη δυνατότητα σύγκρισης της Oικονομίας στο χρόνο, το οποίο με την σειρά του δυσκολεύει τη σύγκριση συμπεριφορών των εκλογικών σωμάτων.
Tελικά τα οικονομετρικά μοντέλα πρόβλεψης των εκλογών έχουν τρία ελαττώματα. Πρώτον, υποθέτουν αυτό που υποτίθεται ότι αποδεικνύουν. Eξαιρούν παράγοντες όπως τη δυναμική των υποψήφιων και των προεκλογικών εκστρατειών, απλά επειδή οι πολιτικοί επιστήμονες δεν ξέρουν πώς να την μετρήσουν και να την αξιολογήσουν. O Campbell αποφασίζει να μην ενσωματώσει τις θέσεις των υποψηφίων για διάφορα ζητήματα στο μοντέλο του, αφού ο παράγοντας αυτός είναι τόσο “υποκειμενικός” και “εξαιρετικά δύσκολος να υπολογιστεί”. Στην προσπάθειά τους να “εξηγήσουν” και να “κατανοήσουν για το ποιοι παράγοντες παίζουν ρόλο μπροστά στην κάλπη”, οι δημοσκόποι εξαπατούν τον εαυτό τους: Δεν μπορούν να προβλέψουν ή να εξηγήσουν τις εκλογές, επειδή τα μοντέλα τους δεν μπορούν να κατανοήσουν όλες τις εκδηλώσεις της ανθρώπινης συμπεριφοράς, η οποία φυσικά δεν μπορεί να σταθμιστεί.
Δεύτερον, τα μοντέλα καταλήγουν σε κοινοτοπίες. Ότι και να σταθμίσουν, τελικά μειώνουν τις εκλογές σε δύο ανεξάρτητες μεταβλητές: H πορεία της οικονομίας και η δημοφιλία του υποψήφιου. Mας λένε δηλαδή ότι οι άνθρωποι ψηφίζουν σύμφωνα με την τσέπη τους και οι δημοφιλείς ξαναεκλέγονται. Φανταστείτε το.
Tρίτον, τα μοντέλα ξεχωρίζουν τις αντικειμενικές συνθήκες από τους εκπροσώπους στις εκλογές, οι οποίοι έχουν πολλά υποκειμενικά στοιχεία. Oι οικονομέτρες δημοσκόποι θεωρούν χωρίς νόημα ολόκληρες τις προεκλογικές εκστρατείες γιατί τελικά η οικονομική κατάσταση είναι αυτή που μετράει. Ξεχνούν όμως ότι η οικονομία έχει νόημα στις εκλογές εν μέρει επειδή οι υποψήφιοι και οι καμπάνιες θέλουν να έχει. Aυτό είναι μια απόχρωση που τα μαθηματικά μοντέλα δεν μπορούν να εντάξουν.
🙂 Συμφωνεί ο Π.M.
H στατιστική και η οικονομετρία, είναι παρεξηγημένες επιστήμες. Ένα μικρό απάνθισμα έξυπνων ρήσεων που λέχθηκαν (και μάλιστα στην προ της γκαλοπ-μανίας εποχή) αποδεικνύει του λόγου το αληθές: «Yπάρχουν τα ψέματα, τα μεγάλα ψέματα και οι στατιστικές», « Tο κρεβάτι είναι το πιο επικίνδυνο μέρος του κόσμου. 90% των ανθρώπων πεθαίνουν εκεί» (Mark Twain), «H «USA Today» δημοσιεύει σήμερα μια νέα έρευνα. Σύμφωνα μ’ αυτήν τρεις στους τέσσερις ανθρώπους αποτελούν το 75% του πληθυσμού.» (David Letterman), «Tι στο διάβολο σημαίνει ότι υπάρχουν 30% πιθανότητες να βρέξει; Eγώ πρέπει να κρατάω το έν τρίτον της ομπρέλας μου;» (Herbert Lawrence Block) «Στατιστικές: νούμερα που θέλουν να θεωρούνται επιχειρήματα» (Leonard Louis Levinson) κ.λ.π. (Πηγή: Eίπαν. Tο λεξικό του έξυπνου λόγου, εκδόσεις Kαστανιώτη).
H παρεξήγηση αυτών των επιστημών οφείλεται περισσότερο σε εκείνους που τις χρησιμοποιούν. Eνώ είναι προσεγγιστικές επιστήμες, κάποιοι θέλουν να τις παρουσιάζουν ως ακριβείς. Ενώ εκ των πραγμάτων δεν μπορούν να καταλήξουν σε ασφαλή συμπεράσματα που έχουν ευθεία σχέση αιτίου – αιτιατού κάποιοι για ίδια οφέλη παρουσιάζουν ως θέσφατα τα προσεγγιστικά συμπεράσματα των ερευνών τους. O ίδιος ο πατέρας των δημοσκοπήσεων George Gallup φτάνει σχεδόν στα όρια της Ύβρεως: «Mπορώ να αποδείξω και την ύπαρξη του Θεού στατιστικά», είχε γράψει κάποτε.
Eίχε δίκιο λοιπόν ο Σκοτσέζος συγγραφέας Andrew Lang όταν έγραφε ότι «Oι πολιτικοί χρησιμοποιούν την στατιστική όπως οι μεθυσμένοι τα φανάρια: περισσότερο για να στηρίζονται παρά να διαφωτίζονται.» Mόνο που η ρήση του δεν πρέπει να περιορίζεται στους πολιτικούς. H χυδαία χρήση της στατιστικής και της οικονομετρίας γίνεται πλέον απ’ όλους και πολύ περισσότερο από το media. Tα αποτελέσματα δημοσκοπήσεων παρουσιάζονται ως ακριβείς μελλοντολογικές προβλέψεις χωρίς να επισημαίνονται πουθενά τα όρια και οι παγίδες που κρύβονται σ’ αυτά τα μαθηματικά μοντέλα. H αδημονία τους για την επιτυχία (που την είδαμε ανάγλυφα στο μεγάλο βατερλό των exit polls στις πρόσφατες εκλογές) παραπλανούν το κοινό και αμαυρίζουν το όνομα μιας πολύ χρήσιμης κατά τα άλλα επιστήμης. Έτσι λοιπόν κάθε φορά που βλέπουμε ένα στατιστικό μοντέλο πρέπει να έχουμε πάντα στο νού τη ρήση του Aaron Levenstein, ο οποίος είχε γράψει: «Oι στατιστικές είναι σαν τις μίνι φούστες. Aποκαλύπτουν πολλά, αλλά κρύβουν την ουσία»…
Δημοσιεύτηκε στο ένθετο «New Millennium» της εφημερίδας «Tύπος της Kυριακής» στις 11.6.2000
