Oratore | Trascrizione |
| Saloni Patel | Ok, ciao, mi chiamo Saloni e oggi presenterò il nostro progetto, il modello di previsione delle elezioni presidenziali negli Stati Uniti e lo studio sui comportamenti degli stati indecisi. |
| Questo progetto si compone di due parti: la prima riguarda la creazione e la valutazione di un modello volto a prevedere le elezioni presidenziali statunitensi del 2020. |
| La seconda parte del progetto studierà il comportamento dello stato indeciso nelle elezioni presidenziali statunitensi del 2020 e identificherà gli eventi chiave che hanno influenzato i modelli di voto nelle elezioni utilizzando metodi di clustering gerarchico. Tutta l'analisi è stata eseguita sulla piattaforma JMP 15. |
| Per chiarire, il nostro progetto non si concentra su tutti i 50 stati degli USA, ma studieremo solo i 15 stati indecisi. |
| Gli stati indecisi sono stati in cui può ragionevolmente vincere sia il candidato presidenziale democratico che quello repubblicano, a differenza degli stati sicuri che propendono costantemente per un partito. |
| Inoltre, il sistema elettorale statunitense si basa sul sistema del Collegio Elettorale, che assegna a ogni Stato un numero stabilito di voti in base alla popolazione. |
| Ci sono in totale 538 voti elettorali, quindi un candidato alla presidenza deve ottenere 270 voti elettorali per vincere le elezioni presidenziali. |
| Poiché la maggior parte degli stati è nota per votare per un candidato democratico o repubblicano senza la speranza di essere distolti dal normale schema di voto, |
| il sistema del Collegio Elettorale e il risultato delle elezioni presidenziali dipendono dalla massa degli stati indecisi che possono essere potenzialmente vinti da uno qualsiasi dei candidati. |
| Anche una vittoria con un piccolo margine fa sì che il candidato ottenga tutti i voti che lo Stato ha da offrire, per cui gli Stati indecisi hanno un impatto particolare nel determinare il prossimo presidente. |
| Per prima cosa abbiamo condotto questo progetto nella speranza di comprendere meglio le storiche elezioni statunitensi del 2020, avvenute nel mezzo di una pandemia globale e in un periodo di instabilità sociale ed economica. |
| La prima parte degli obiettivi del nostro progetto è identificare gli stati chiave indecisi, creare un modello di previsione basato sull'influenza del COVID-19 e sull'economia in quegli stati individuati e, infine, convalidare il modello di previsione con i risultati elettorali effettivi una volta che saranno resi noti. |
| Quindi il primo passo del nostro modello di previsione è identificare i 15 stati indecisi nelle ultime tre elezioni utilizzando questo indice degli stati indecisi. |
| Utilizziamo questa formula per determinare se gli stati sono stati indecisi o meno. È anche importante notare che questo indice di oscillazione non tiene conto per quale parte vota ogni stato, |
| ma piuttosto sui risultati delle elezioni stesse. In altre parole, uno stato avrebbe potuto votare per la stessa parte per tutti e tre gli anni, ma con margini molto diversi, e comunque essere considerato uno stato indeciso. |
| Studieremo più approfonditamente questo indice nella prossima parte del progetto, ma al momento lo utilizziamo solo per identificare i 15 stati in bilico. |
| Una volta identificati gli stati indecisi, ricaviamo il primo valore di cui avremo bisogno per calcolare il risultato elettorale previsto per il 2020. Questo è il margine di vittoria composito 2016-2012. |
| Per calcolare questo valore abbiamo preso il risultato del 2016 e il risultato delle elezioni del 2012. Nella formula, |
| abbiamo dato ai risultati del 2016 un peso doppio perché erano più recenti delle elezioni del 2012 e abbiamo dato un peso doppio all'attesa per le elezioni del 2016. |
| Poiché il presidente Trump era presente alle elezioni del 2016 in qualità di presidente, mentre Joe Biden era presente alle elezioni del 2012 in qualità di candidato vicepresidente. In totale, i risultati del 2016 avranno un peso quattro volte maggiore rispetto al 2012 nel margine di vittoria composito 2016-2012. |
| Successivamente identificheremo i fattori che caratterizzano esclusivamente il 2020 e i fattori in base ai quali gli elettori potrebbero votare. |
| Abbiamo scoperto che la pandemia globale di COVID-19 e il conseguente colpo subito dall'economia sono stati fattori importanti |
| unici del 2020, quindi abbiamo raccolto i casi di infezione e i casi di decesso dovuti al COVID-19, nonché l'aumento della disoccupazione in ogni stato. |
| Successivamente abbiamo applicato la trasformazione standardizzata Z per evitare qualsiasi distorsione della media campionaria e della varianza. |
| Utilizzando questi punteggi Z, come Z-infetti, Z-decessi e Z-disoccupazione, abbiamo ricavato l'indice Z-COVID. Questo indice rappresenterà l'impatto della pandemia globale e il successivo colpo economico sperimentato da ogni stato. |
| Infine, abbiamo calcolato il risultato previsto per il 2020, utilizzando il margine di vittoria composito 2016-2012 e l'indice Z-COVID. |
| Una volta passate le elezioni del 2020, abbiamo registrato il |
| Risultati effettivi delle elezioni del 2020 e abbiamo proceduto a convalidare il nostro modello di previsione e a verificare se la nostra scelta di fattori ha avuto un buon impatto nel prevedere il risultato delle elezioni del 2020. |
| Inoltre, poiché prima delle elezioni i media avevano previsto che Trump avrebbe perso dal 3 al 5% dei voti rispetto al 2016, abbiamo deciso di sottrarre alcune percentuali dai risultati previsti. |
| Nella tabella sottostante, il risultato previsto è la categoria pari a zero percento e si possono osservare anche le riduzioni. |
| Per analizzare i risultati, abbiamo confrontato i risultati previsti con i risultati effettivi delle elezioni del 2020, utilizzando la regressione e il t-test appaiato. |
| Per confrontare i risultati previsti per il 2020 con i risultati delle elezioni precedenti nella previsione del 2020 |
| risultato effettivo, includiamo anche i risultati delle elezioni del 2012 e del 2016 nella nostra valutazione. Infine, abbiamo anche condotto un test di ipotesi a 1 proporzione per testare l'accuratezza dei risultati previsti per il 2020. |
| Per iniziare abbiamo condotto un test di regressione presentando i risultati elettorali solo per ogni stato. |
| Il confronto tra il risultato delle elezioni del 2012 e quello effettivo delle elezioni del 2020 non ha prodotto risultati significativi. |
| Tuttavia, i test di regressione tra i dati effettivi del 2016 e del 2020 mostrano un risultato significativo e il valore R quadrato più alto, pari a 0,81. |
| I risultati della regressione sono anche vicini a 1, a circa 1,17, suggerendo una forte relazione di regressione. La regressione tra il 2020 previsto e il 2020 |
| anche actual mostra un risultato significativo ma con un R quadrato inferiore, pari a 0,3. |
| Da questi risultati, la regressione tra i risultati effettivi del 2016 e quelli effettivi del 2020 ha avuto l'R quadrato più elevato e la pendenza più vicina a uno, nonostante fosse stato dichiarato un vincitore diverso. |
| È ragionevole supporre che i risultati delle elezioni del 2020 siano correlati con quelli del 2016, poiché Trump ha perso di misura negli stati indecisi nelle elezioni del 2016, con un piccolo margine, quindi solo Michigan, Pennsylvania e Wisconsin. |
| Successivamente, i test t accoppiati confronteranno anche le percentuali dei risultati elettorali di ogni stato. Utilizziamo il test t accoppiato perché gli stessi stati o coppie vengono valutati l'uno rispetto all'altro. |
| Il test t accoppiato ha rilevato una differenza significativa solo nelle medie del 2016 |
| risultati elettorali effettivi e risultati effettivi del 2020, il che ha senso poiché questi risultati avevano un'elevata significatività nei test di regressione. |
| Ciò suggerirebbe che le medie delle elezioni del 2012 e i risultati previsti per il 2020 sono simili a quelli del 2020, il che significa che i risultati effettivi delle elezioni sono simili. |
| Nelle elezioni del 2012, i democratici avevano vinto le elezioni e i risultati previsti avevano previsto che i democratici avrebbero vinto nel 2020, mentre nel 2016 i repubblicani avevano vinto le elezioni. Questo può spiegare perché il 2016 è significativamente diverso dai risultati effettivi delle elezioni del 2020, mentre il... |
| mentre i dati effettivi del 2012 e quelli previsti per il 2020 non lo sono. |
| Infine, utilizziamo il test dell'ipotesi della proporzione 1 per verificare in che modo i risultati previsti per il 2020 corrispondono ai risultati effettivi del 2020. |
| A differenza della regressione e del t-test accoppiato, il test della proporzione 1 confronta gli stati e per quale parte hanno votato. |
| La regressione e il t-test accoppiato hanno confrontato solo i risultati delle elezioni, senza alcuna indicazione su quale parte abbiano votato gli stati. |
| Pertanto, questo test è più potente e convalida il modello di previsione, poiché confronta il lato previsto per cui ogni stato voterebbe |
| e per quale parte gli stati hanno effettivamente votato. Assegniamo agli stati che hanno votato per la parte prevista un pass e a quelli che non hanno votato per la parte prevista un fail. |
| In totale 12 stati su 15 hanno ricevuto un pass, come previsto con precisione, mentre gli altri tre hanno ricevuto un fail. Abbiamo impostato il valore di successo su pass e la scala è una proporzione campione di 0,8. |
| Poiché vogliamo che la proporzione del campione sia maggiore di 0,9 o con una precisione del 90%, impostiamo la proporzione ipotizzata su 0,9. |
| Poiché la proporzione 0,8 non è riuscita a superare lo 0,9 al livello di confidenza del 95%, il modello di previsione non è riuscito a essere accurato al 90%, non è riuscito a rifiutare l'ipotesi nulla al livello di confidenza del 95%. In base alla proporzione del nostro campione, questo modello è accurato all'80%. |
| Per riassumere, il test di regressione ha mostrato una significatività tra i risultati effettivi del 2016 e il risultato effettivo delle elezioni del 2020. |
| così come una minore significatività tra i risultati previsti per il 2020 e quelli effettivi delle elezioni del 2020. Ipotizziamo che ciò potrebbe essere dovuto al fatto che in queste elezioni il presidente Trump ha perso quegli stati indecisi vinti di misura nelle elezioni del 2016. |
| Il t-test accoppiato ha mostrato una differenza significativa tra i dati effettivi del 2016 e quelli del 2020 e abbiamo ipotizzato che ciò potrebbe essere dovuto al fatto che le due elezioni hanno dichiarato vincitori diversi. |
| Il presidente Trump ha vinto le elezioni del 2016 ma ha perso quelle del 2020. Inoltre, i risultati previsti per il 2012 e il 2020 non sono significativamente diversi da quelli effettivi del 2020 |
| risultato...risultato elettorale, che potrebbe essere dovuto al fatto che entrambi hanno dichiarato vincitore lo stesso partito politico. |
| Infine, il test dell'ipotesi dell'1% non è riuscito a rifiutare l'ipotesi nulla, quindi il nostro modello di previsione non è accurato al 90% al livello di confidenza del 95%. |
| Arizona, Wisconsin e Minnesota, |
| il che potrebbe suggerire che, oltre all'impatto del COVID-19 e ai tassi di disoccupazione, ci siano stati altri fattori importanti che hanno influenzato il risultato delle elezioni del 2020. |
| A questo punto passiamo alla parte successiva del nostro progetto, in cui raggrupperemo gli stati in base al loro indice di incertezza e li identificheremo in base agli eventi chiave verificatisi nel 2020 che potrebbero aver influenzato i comportamenti di voto degli stati indecisi. |
| Quindi le domande a cui questa parte del progetto si occuperà fin dall'inizio sono quali eventi e fattori hanno influenzato gli stati indecisi nel modo in cui hanno votato. |
| Quanto più o meno gli elettori si sono preoccupati del COVID-19 rispetto all'economia e ad altre indagini collaterali? Possiamo usare strumenti statistici per collegare gli eventi politici con i modelli di voto? |
| L'obiettivo di questo progetto è studiare i modelli di voto degli stati indecisi precedentemente identificati, collegando i metodi di clustering statistico agli eventi politici. |
| Adatteremo anche l'indice Z-COVID, o come lo chiameremo d'ora in poi Z-Ratio, con nuovi rapporti per comprendere meglio l'importanza del COVID-19 e dell'economia nel comportamento di voto. |
| In precedenza l'indice Z-COVID aveva un rapporto di due a uno, in cui i valori dei casi di infezione da COVID-19 e dei decessi |
| è stato dato un peso doppio rispetto al valore dell'aumento della disoccupazione, poiché c'erano due valori per il COVID-19 e solo uno per l'economia. |
| Ci siamo resi conto che ogni Stato è stato colpito in modo diverso dalla pandemia, quindi abbiamo pensato che sarebbe stato opportuno analizzare gli effetti del passaggio da questo rapporto due a uno ad altri rapporti. |
| Per prima cosa, torneremo all'indice degli stati indecisi, che aiuta a identificare l'oscillazione di ogni stato utilizzando le percentuali dei risultati elettorali delle ultime tre elezioni. |
| Un risultato elettorale negativo indica che gli elettori hanno votato per i democratici, mentre un risultato positivo indica un voto repubblicano. |
| Quanto più grande è l'entità e quanto più negativo è l'indice di oscillazione, tanto più oscillano i modelli di voto di quello Stato. |
| Se lo stato cambia direzione, i segni delle due differenze non saranno uguali, facendo sì che l'indice dello stato di oscillazione sia negativo e che si verifichi un comportamento maggiormente oscillante. |
| Da questa tabella, possiamo vedere che Michigan e Minnesota hanno valori negativi di magnitudine maggiore, il che significa che hanno oscillato di più nelle ultime tre elezioni. Nel complesso, l'indice degli stati indecisi è piuttosto utile per comprendere i modelli di voto di base per gli stati indecisi. |
| Tuttavia, l'indice degli stati indecisi non è in grado di identificare gli eventi chiave che hanno determinato i modelli di voto. |
| Abbiamo utilizzato il clustering gerarchico per studiare gli stati con modelli di voto simili ed elencare i potenziali fattori che hanno influenzato il loro comportamento di voto. |
| Il clustering gerarchico ha raggruppato i 15 stati oscillanti in quattro cluster diversi, come si vede sulla destra. |
| Abbiamo utilizzato questo metodo, per il suo approccio bottom-up, in cui ogni stato è un cluster a sé stante prima che emergano uno alla volta e salgano nella gerarchia. Sulla destra, Iowa e Ohio possono essere visti in rosso, a indicare che sono nello stesso cluster. |
| Come accennato in precedenza, il clustering gerarchico ha suddiviso gli stati indecisi in quattro cluster, il primo dei quali è costituito da Iowa e Ohio. |
| Entrambi gli stati avevano votato per i democratici nelle elezioni del 2012, ma per i repubblicani in quelle del 2016 e del 2020. |
| Il secondo gruppo comprende Georgia, Arizona, North Carolina e Florida. Tutti questi stati, eccetto North Carolina, sono diventati più blu o più rossi, o in altre parole stanno iniziando a favorire pesantemente una delle due parti. |
| Ma il terzo cluster è costituito da Wisconsin, Pennsylvania, Michigan, Nevada, New Hampshire e Minnesota. |
| Tutti questi stati, a parte il Nevada, hanno un indice di oscillazione negativo, il che significa che sono gli stati oscillanti più incostanti. |
| L'ultimo gruppo comprende Colorado, Virginia e Nuovo Messico, tutti stati relativamente democratici o che hanno sempre votato per i democratici e che alle elezioni del 2020 hanno votato per i democratici con un margine maggiore rispetto al passato. |
| Ora che abbiamo tutti i cluster e un'idea delle loro caratteristiche, abbiamo esaminato la cronologia delle unioni di clustering, che identifica le coppie di stati più alte o quali due stati sono più simili nei loro cluster. |
| Dalla cronologia delle unioni, le prime due coppie sono il Wisconsin con la Pennsylvania dal terzo cluster e la Georgia con l'Arizona dal secondo cluster. |
| Entrambe le coppie fanno parte dei cluster in cui gli stati sono passati dal rosso al blu nelle elezioni del 2020. |
| Dopo ulteriori ricerche, abbiamo scoperto che il Wisconsin e la Pennsylvania sembravano avere preoccupazioni per l'economia, |
| insoddisfazione per le politiche del presidente Trump in materia di assistenza sanitaria, come i suoi sforzi per indebolire l'Affordable Care Act, emanato sotto l'amministrazione Obama, |
| così come le preoccupazioni per l'ambiente, tutti fattori che alla fine hanno spinto la maggioranza degli elettori a votare per i democratici. |
| Tuttavia, in Georgia e Arizona, vediamo importanti cambiamenti nella demografia, come un maggior numero di elettori latini registrati in Arizona |
| e il movimento Black Lives Matter, che ha denunciato gravi ingiustizie razziali, ha infine spinto la maggioranza degli elettori a votare per i democratici. |
| Grazie al clustering gerarchico siamo riusciti a separare gli stati in gruppi diversi in base ai loro comportamenti di voto e a creare collegamenti in base agli eventi chiave che hanno causato il comportamento di voto osservato. |
| Sebbene abbiamo individuato eventi chiave che hanno influenzato il comportamento di voto di ogni stato, il clustering gerarchico non ci ha fornito informazioni sul peso che ciascun evento ha avuto nel comportamento di voto del singolo stato indeciso. |
| COVID-19 e la conseguente recessione economica. |
| COVID-19 e l'economia. |
| Tuttavia, abbiamo dovuto supporre che ogni stato avrebbe avuto lo stesso rapporto Z, il che ha dato al COVID-19 un peso doppio, con conseguente rapporto di due a uno per ogni stato. |
| Tuttavia, dal clustering gerarchico, abbiamo scoperto che ogni stato ha una situazione unica e i suoi elettori si sono preoccupati di questioni diverse. Per regolare lo Z-ratio e...lo Z-ratio, abbiamo creato un valore chiamato Variabile rapporto. La Variabile rapporto determinerà il rapporto dell'importanza del COVID-19 |
| o l'indice Z-COVID, che rappresenta i casi infetti e i decessi in ciascun caso rispetto all'economia o alla disoccupazione, che rappresenta il tasso di aumento annuale della disoccupazione in ciascun stato. |
| Una volta regolato il rapporto Z, con alcune variabili di rapporto diverse, come 0,1, che crea un rapporto di uno per 10, dando all'economia un'importanza 10 volte maggiore, |
| viene implementato nella formula completa utilizzata per calcolare i risultati previsti per il 2020. |
| Questi risultati previsti per il 2020 vengono confrontati con i risultati effettivi delle elezioni del 2020 per determinare quale rapporto spiega meglio la situazione dello Stato e quanta importanza hanno avuto il COVID-19 e l'economia nell'influenzare il comportamento di voto. |
| Abbiamo deciso di studiare attentamente il comportamento di voto della Georgia, poiché sembrava distinguersi rispetto agli altri stati indecisi. |
| Innanzitutto, la Georgia è stato il primo stato a riaprire le attività ad aprile, mentre gli altri stati non lo hanno fatto. |
| Inoltre, la Georgia è stato uno stato chiave nelle elezioni del 2020, su cui il presidente Trump ha puntato l'attenzione anche dopo l'annuncio dei risultati elettorali, nel tentativo di ribaltarli. |
| La Georgia ha votato per i democratici con un piccolo margine e ha ottenuto un risultato elettorale pari a -0,3%. |
| I risultati previsti per la Georgia nel 2020 sono stati inseriti in un riquadro e un indicatore per la Georgia...per il risultato elettorale effettivo della Georgia è stato posizionato sul grafico a destra. |
| Dal grafico vediamo che i risultati previsti per il 2020, con la variabile di rapporto pari a 0,75, avevano un valore pari a -0,2%, che è il più vicino al risultato elettorale effettivo della Georgia, pari a -0,3%. |
| La variabile del rapporto 0,75 significa che il rapporto è tre per quattro, il che indica che l'economia era la questione più importante per la maggioranza degli elettori in Georgia. |
| Ciò ha senso perché, come accennato in precedenza, la Georgia è stato il primo stato a riaprire le attività ad aprile, il che dimostra una forte preoccupazione per il benessere delle sue attività e della sua economia. |
| In questo progetto abbiamo esplorato diversi eventi chiave e la loro importanza nell'influenzare i comportamenti di voto di 15 stati indecisi identificati utilizzando metodi statistici. |
| Il primo clustering gerarchico è stato utilizzato per raggruppare gli stati indecisi in base al loro comportamento di voto nelle ultime tre elezioni. |
| Da questo abbiamo scoperto che nel secondo cluster costituito da Arizona, Georgia e altri, |
| sono stati colpiti principalmente da questioni relative ai diritti civili, mentre stati come la Pennsylvania e il Wisconsin, nel terzo cluster, hanno votato per Joe Biden a causa di preoccupazioni per l'economia, l'assistenza sanitaria e l'ambiente. |
| Nel complesso, il peggioramento della situazione del COVID-19, i movimenti razziali come il movimento Black Lives Matter, |
| COVID 19 |
| e l'economia, avevano su ogni stato. La Georgia è stata esplorata più in dettaglio, e si è scoperto che un rapporto tre per quattro corrispondeva meglio al risultato elettorale effettivo, |
| suggerendo che l'economia fosse una questione più importante per gli elettori rispetto al COVID-19, e ciò ha senso perché la Georgia è stato il primo stato a riaprire le attività ad aprile. |
| Grazie per aver ascoltato la mia presentazione. |
