Juan Carlos Borrás


Garea se equivoca: antes se abstienen que votan a otro

Existe la teoría de que actualmente hay un transvase de votos en España desde los partidos mayoritarios tradicionales (PP y PSOE) a otra formaciones (IU y UPD). Ver por ejemplo el artículo de Fernando Garea de 3 de marzo de 2013.

La hipótesis es criticable por dos motivos: el primero es que se obvian los resultados de los partidos nacionalistas (Bildu, ERC, CiU y PNV) que representan ahora mismo 38 de los 350 escaños del Congreso, un 11% aproximadamente, con sus representaciones en regiones muy pobladas del territorio con la consecuente importancia relativa en escaños o en transvases de votos y el segundo es que las estadísticas no parecen indicar precisamente éso.

Un poco a vuela pluma voy a analizar el problem usando R y veremos qué nos dicen los resultados.

Tomemos los datos de intencion de voto del CIS y sumémoslos para tener por un lado el total de intención de voto (la suma de todos los porcentajes de intención) y luego calcular el porcentaje de abstención (100% menor el agregado de intención). Tanto agregado como la abstención son importantes porque al no tomarse en consideración da como resultado un análisis sesgado.

x <- read.csv("cis.csv")
x$total <- with(x, PP + PSOE + IU + UPD)
x$abstencion <- with(x, 100 - total)
x$ymd <- with(x, strptime(DateString, "%d-%m-%Y"))

Con él y las cifras de intención de voto del CIS tenemos:

##    DateString   PP PSOE   IU  UPD total abstencion        ymd
## 1  01-11-2011 44.6 28.7  6.9  4.7  84.9       15.1 2011-11-01
## 2  01-12-2011 44.9 28.4  7.5  5.0  85.8       14.2 2011-12-01
## 3  01-01-2012 46.4 26.5  7.7  4.6  85.2       14.8 2012-01-01
## 4  01-02-2012 46.2 23.0  8.8  6.3  84.3       15.7 2012-02-01
## 5  01-03-2012 46.3 24.4  9.1  5.1  84.9       15.1 2012-03-01
## 6  01-04-2012 38.1 23.0 11.6  5.9  78.6       21.4 2012-04-01
## 7  01-05-2012 37.2 25.8 12.2  6.1  81.3       18.7 2012-05-01
## 8  01-06-2012 37.1 25.9 12.0  5.9  80.9       19.1 2012-06-01
## 9  01-07-2012 37.0 23.1 13.2  7.8  81.1       18.9 2012-07-01
## 10 01-08-2012 30.0 24.7 12.3  9.9  76.9       23.1 2012-08-01
## 11 01-09-2012 30.9 24.1 12.4  9.8  77.2       22.8 2012-09-01
## 12 01-10-2012 29.9 23.9 12.6 10.2  76.6       23.4 2012-10-01
## 13 01-11-2012 31.8 22.9 12.9  8.5  76.1       23.9 2012-11-01
## 14 01-12-2012 31.3 22.7 13.3 10.2  77.5       22.5 2012-12-01
## 15 01-01-2013 29.8 23.3 15.6 10.1  78.8       21.2 2013-01-01
## 16 01-02-2013 23.9 23.5 15.3 13.6  76.3       23.7 2013-02-01
## 17 01-03-2013 24.3 23.1 15.4 10.0  72.8       27.2 2013-03-01

Reseño que la columna llamada ymd es la representación propia de fechas a partir de las cadenas en la columna DateString. Es un formalismo pero no quiero que se me despiste nadie por la repetición.

Vale, lo primero es representar el gráfico de la evolución de voto por partido. Es el mismo gráfico que puede verse en el artículo referido con la salvedad de que está hecho con la herramienta que yo tengo más a mano.

y <- subset(x, TRUE, c("PP", "PSOE", "IU", "UPD", "ymd"))
z <- melt(y, c("ymd"), c("PP", "PSOE", "IU", "UPD"), "Intention")
ggplot(z, aes(x = ymd, y = value, colour = Intention, group = Intention)) + 
    geom_line(size = 2) + geom_point(size = 4) + 
    scale_y_continuous(name = "Intención de Voto (%)") + 
    scale_x_datetime(name = "") + 
    scale_color_manual(values = c("blue", "red", "darkgreen", "magenta"))
Intención de voto por partido (Marzo 2013)

Ni el agregado de intención de voto ni la abstención están representados en el gráfico (ni tampoco en el artículo al que hago referencia) pero a mi juicio son claves. Un poco más adelante veremos por qué pero la tendencia claramente descendente del agregado (la tendencia de la abstención obviamente es de signo contrario) tiene que daros alguna pista:

y <- subset(x, TRUE, c("total", "abstencion", "ymd"))
z <- melt(y, c("ymd"), c("total", "abstencion"), "Agregados")
ggplot(z, aes(x = ymd, y = value, colour = Agregados, group = Agregados)) + 
    geom_line(size = 2) + geom_point(size = 4) + 
    facet_grid(Agregados ~ ., scales = "free_y") + 
    scale_y_continuous(name = "Agregados (%)") + scale_x_datetime(name = "") + 
    scale_color_manual(values = c("darkgreen", "darkred"))
Evolución de la abstencion de voto (Marzo 2013)

Mi hipótesis a tenor de los gráficos es algo contrapuesta: los partidos mayoritarios están viendo como sus respectivos electorados los abandonan, cierto, pero no creo que exista transvase de votos a otras fuerzas políticas sino que mayormente se abstienen de votar.

Si la hipótesis de Garea fuera cierta deberíamos ver que el los cambios de intención de votos de un mes a otro de los partidos mayoritarios se compensan con los cambios de los otros partidos. sin embargo esto no es cierto viendo el agregado de intención de voto.

Seamos más rigurosos. Calculemos los cambios de intención mes a mes.

M <- with(x, data.frame(dPP = diff(PP), dPSOE = diff(PSOE), dIU = diff(IU), 
    dUPD = diff(UPD), dtotal = diff(total), dabstencion = diff(abstencion)))
rownames(M) <- x$year.month.day[-1]
M
##     dPP dPSOE  dIU dUPD dtotal dabstencion
## 1   0.3  -0.3  0.6  0.3    0.9        -0.9
## 2   1.5  -1.9  0.2 -0.4   -0.6         0.6
## 3  -0.2  -3.5  1.1  1.7   -0.9         0.9
## 4   0.1   1.4  0.3 -1.2    0.6        -0.6
## 5  -8.2  -1.4  2.5  0.8   -6.3         6.3
## 6  -0.9   2.8  0.6  0.2    2.7        -2.7
## 7  -0.1   0.1 -0.2 -0.2   -0.4         0.4
## 8  -0.1  -2.8  1.2  1.9    0.2        -0.2
## 9  -7.0   1.6 -0.9  2.1   -4.2         4.2
## 10  0.9  -0.6  0.1 -0.1    0.3        -0.3
## 11 -1.0  -0.2  0.2  0.4   -0.6         0.6
## 12  1.9  -1.0  0.3 -1.7   -0.5         0.5
## 13 -0.5  -0.2  0.4  1.7    1.4        -1.4
## 14 -1.5   0.6  2.3 -0.1    1.3        -1.3
## 15 -5.9   0.2 -0.3  3.5   -2.5         2.5
## 16  0.4  -0.4  0.1 -3.6   -3.5         3.5

Esto es, mirando la primera fila veremos que de noviembre de 2012 a diciembre de 2012 el PP gana 0.3% de intención de voto, PSOE pierde un 0.3%, IU gana un 0.6%, UPD un 0.3% y la intención de voto sube un 0.9% (la suma de los cambios de intención de voto de los cuatro partidos) y por tanto la abstención baja -0.9%.

Ahora tan sólo nos queda calcular las correlaciones entre los diferentes valores de intención de voto y ver lo fiables que son los estimadores de la supuesta transferencia de votos.

cor(as.matrix(M))
##                 dPP   dPSOE       dIU     dUPD    dtotal dabstencion
## dPP          1.0000 -0.2155 -0.128308 -0.55451  0.699636   -0.699636
## dPSOE       -0.2155  1.0000 -0.323396 -0.10462  0.207478   -0.207478
## dIU         -0.1283 -0.3234  1.000000 -0.00248 -0.009135    0.009135
## dUPD        -0.5545 -0.1046 -0.002480  1.00000 -0.066547    0.066547
## dtotal       0.6996  0.2075 -0.009135 -0.06655  1.000000   -1.000000
## dabstencion -0.6996 -0.2075  0.009135  0.06655 -1.000000    1.000000

La matrix de correlacion nos indica cómo se relacionan los cambios de cada pareja de valores y sólo nos sirven para detectar transvases electorales si sus valores absolutos son elevados. En particular los mayores valores sobre las variaciones son entre el PP y el total (correlacion directa de casi 0.7), el PP y UPyD (inversa, -0.55) y PSOE con IU (inversa, -0.32).

En roman paladino: por cada punto porcentual de apoyo que pierde el PP, la abstención aumenta un 0.7%; por cada punto porcentual de apoyo que pierde el PP, UPyD gana un 0.55%; y por cada punto que pierde el PSOE, IU gana un 0.32. Todo eso de forma aproximada ya que el lector sagaz habrá visto que si el PP pierde un punto, 0.7 va a la abstención y 0.55 va a UPyD y los dos últimos no suman uno.

Falta por calcular la fiabilidad de la estimación que no puede ser muy elevada con tan solo 17 muestras.

with(M, cor.test(dPP, dtotal))
## 
##  Pearson's product-moment correlation
## 
## data:  dPP and dtotal 
## t = 3.664, df = 14, p-value = 0.002554
## alternative hypothesis: true correlation is not equal to 0 
## 95 percent confidence interval:
##  0.3122 0.8875 
## sample estimates:
##    cor 
## 0.6996

Un p-value de aproximadamente 0.003 es ciertamente significativo si bien el escaso tamaño de la muestra devuelve un generoso, por ancho, intervalo de confianza. Por tanto podríamos decir que la caída en intención de voto es causada por la caida en apoyo del electorado al PP.

with(M, cor.test(dPP, dUPD))
## 
##  Pearson's product-moment correlation
## 
## data:  dPP and dUPD 
## t = -2.493, df = 14, p-value = 0.0258
## alternative hypothesis: true correlation is not equal to 0 
## 95 percent confidence interval:
##  -0.82378 -0.08109 
## sample estimates:
##     cor 
## -0.5545

Un p-value de aproximadamente 0.03 es ciertamente significativo por tanto podríamos decir que hay un trasiego de votos del PP a UPyD con la salvedad una vez más del generoso intervalo de confianza.

Por último veremos los p-values para trasiegos desde el PSOE no son significativos (el menor de ellos es de 0.22).

with(M, cor.test(dPSOE, dIU))
## 
##  Pearson's product-moment correlation
## 
## data:  dPSOE and dIU 
## t = -1.279, df = 14, p-value = 0.2218
## alternative hypothesis: true correlation is not equal to 0 
## 95 percent confidence interval:
##  -0.7059  0.2052 
## sample estimates:
##     cor 
## -0.3234
with(M, cor.test(dPSOE, dtotal))
## 
##  Pearson's product-moment correlation
## 
## data:  dPSOE and dtotal 
## t = 0.7936, df = 14, p-value = 0.4407
## alternative hypothesis: true correlation is not equal to 0 
## 95 percent confidence interval:
##  -0.3213  0.6376 
## sample estimates:
##    cor 
## 0.2075

Hay dos conclusiones por tanto. La primera es que el PP sufre una espantada de votantes que se decantan entre la abstención y UPyD (probablemente mucho más por lo primero que por lo segundo). La segunda conclusión es que PSOE sufre otra espantada pero no está del todo claro que recaben en IU.

Se deja para un futuro el evaluar si existe existe un intervalo temporal desde que el electorado abandona el partido de su preferencia hasta que se pasa a otro. A mí juicio creo que existe, pero eso lo dejamos para otro día.