Elecciones USA. ¿Quién Ganará las Elecciones? Esta ecuación tiene la respuesta.

Cualquiera sabe. ¿Se puede decir algo más con un modelo económico de las elecciones presidenciales norteamericanas? Eso es lo que ha estado haciendo desde 1978 el profesor de la Universidad de Yale Ray Fair. Con casi 35 años de experiencia, ¿qué predicción da su modelo para el resultado de hoy?

Para quienes no estén interesados en el cómo sino el qué, la predicción es de un 49% de los votos para Obama, pero “los resultados actuales (de la ecuación) tienen poco que decir sobre el probable ganador de la elección presidencial”. Sorry! Y adiós.

Para quienes sigan aún conmigo, aquí va una explicación. Lo que Fair, un económetra, ha estado estudiando es si los votantes evalúan los resultados económicos de los partidos demócrata y republicano, y votan por el que creen que les proporcionará un mayor bienestar futuro.

Fair ha ido contrastando a lo largo del tiempo hipótesis variadas sobre qué variables económicas ayudan a predecir mejor. La variable que predice es los votos al candidato demócrata como porcenaje de la suma de votos al demócrata y al republicano (denotada por Vp). Aunque un porcentaje mayor del 50% suele implicar que el candidato es elegido presidente, puede suceder lo contrario, pues el sistema electoral de EEUU se basa en el llamado Colegio Electoral. No ha sucedido casi nunca, pero en 2000 George W. Bush obtuvo menos votos que Al Gore y fueelegido presidente por el colegio electoral (…o por el Tribunal Supremo).

La ecuación de predicción

La ecuación estimada para predecir las elecciones es la siguiente:

Vp = b DPER − c DUR + d WAR + e (G x I) − f (P x I) + g (Z x I)

con datos estimados con las elecciones habidas desde 1916, donde b, c,… son constantes positivas –de ahí los signos negativos en DUR y (P x I)– y las definiciones de las variables son las siguientes: I = 1 si el presidente actual es demócrata (−1 si es republicano). DPER = 1 si el candidato demócrata es el presidente (−1 si es republicano, 0 si el presidente no es candidato). DUR = 0 si el partido del presidente solo lleva en la Casa Blanca un periodo (1 [−1] si el partido demócrata [republicano] lleva dos periodos consecutivos, 1.25 [−1.25] si lleva tres, etc.). WAR = 1 si EEUU está en guerra (0 en otro caso). G = tasa de crecimiento real del PIB per cápita durante los tres primeros trimestres del año de la elección. P = tasa de inflación durante la legislatura actual. Z = número de trimestres durante la legislatura actual en que la tasa interanual de crecimiento del PIB real per cápita ha sido mayor del 3.2% (“buenas noticias”).

Aquí hay una explicación de la derivación de la ecuación, aquí una exposición muy intuitiva de una versión previa y aquí el libro “Predicting Presidential Elections and Other Things” –muy entretenido y que recomiendo–, que habla también de la predicción de asuntos como los líos extramaritales, la calidad del vino o los tiempos logrados en las carreras de maratón.

De los resultados de la estimación se deriva que las variables económicas −crecimiento del PIB, inflación y buenas noticias− aparecen interaccionadas con el partido del presidente actual. También es destacable que la memoria de los votantes es corta: solo tres trimestres para el crecimiento económico y la legislatura en curso para la inflación (Fair probó con plazos más largos pero no aportaban nada a la bondad de la predicción). También importan, obviamente, variables no económicas, como que el presidente sea o no candidato, el tiempo que el partido del presidente lleva en el poder y si el país está en guerra.

¿Qué tal ha predicho la ecuación en el pasado?

Estos son los resultados (los detalles están aquí):

El cuadro muestra los valores y los errores de las predicciones hechas justo antes de las elecciones, no con la ecuación actual sino con la usada en cada momento, en las últimas ocho  (en la página web de Fair se muestra toda la secuencia).

La ecuación predice con un error absoluto medio (MAE) de 3.6 puntos porcentuales, que es un poco alto. La metedura de pata más gorda sucedió en 1992 (10.5 puntos de error), cuando Clinton fue elegido presidente frente a Bush padre, aunque en esta elección hubo un candidato independiente, Ross Perot, que obtuvo el 19% de los votos y seguramente detrajo más votos de Bush que de Clinton. El otro error importante sucedió en 2004, cuando George W. Bush venció a Kerry. No obstante, la ecuación solo predijo mal el ganador en 1992 (pues cualquiera sabe si en 2000 ganó Bush o Gore).

Un aspecto curioso, que muestra el cuadro, es que la ecuación predice mejor cuando se usan datos ex-post –es decir, incluyendo las revisiones del PIB y su deflactor, que a veces son grandes– que cuando se usan los datos ex-ante (los que se tienen antes de la elección). Solo es predicción propiamente dicha la segunda, pero una interpretación posible es que los votantes no se fijan solo en los datos publicados en el momento de la votación sino en cómo les va a ellos y a los de su entorno (que captarían mejor los datos revisados). Por cierto, quienes crean que pueden predecir cuáles serán los valores revisados de las variables económicas pueden rehacer la estimación con el modelo de Fair aquí y obtener una predicción distinta. (Fair es admirable por su afán de poner este modelo y varios modelos macroeconómicos en su página web para que uno los reestime como guste.)

¿Qué pasará hoy?

La predicción de Fair es de un 49% del voto para Obama (cualitativamente, su derrota). No obstante, el error estándar  de la ecuación es de al menos 2.5 puntos porcentuales. Esto significa –bajo una distribución normal– que el resultado estará entre el 46.5% y el 51.5% con una probabilidad del 68%. Como dice Fair, el 50% (un empate) “está totalmente dentro del intervalo de una desviación estándar alrededor de la predicción del 49%”. De ahí que diga que “los resultados actuales tienen poco que decir sobre el probable ganador de la elección presidencial. Esto es especialmente cierto en las actuales elecciones porque podría suceder que Obama perdiera el voto popular pero ganara en el colegio electoral”.

Se puede interpretar que la precisión de la estimación es baja, pues el número de datos es pequeño, concretamente 24, o que las variables económicas –al menos las que usa Fair– no bastan para predecir los resultados de una elección que se anticipa muy apretada.

No sabemos si Obama se beneficiará de datos no conocidos en el momento de la última predicción de Fair (pero que podrían afectar a sus variables predictivas), como una mayor creación de empleo que la esperada o el posible efecto del huracán Sandy. En todo caso, losmercados de apuestas dan como favorito a Obama (cuando escribo estas líneas) y, según un artículo de Kenneth Arrow y otros muchos economistas famosos –en la línea que ha venido defendiendo Justin Wolfers– los mercados predictivos funcionan muy bien. Pronto saldremos de dudas.




Deja un comentario

*