ESTÚDIO 68

Como estimar quem mudou o voto no 2º turno sem ver nenhum voto?

Por Maria Alice Maia · · vídeo de 39 min

Resposta curta

Com inferência ecológica. A aula usa os totais de quase 500 mil locais de votação nos dois turnos. A decomposição de Shapley reparte o ganho de um candidato entre comparecimento, brancos e nulos e outros candidatos. A matriz de transferência de Goodman estima, para cada grupo do primeiro turno, para onde ele foi no segundo.

Quem mudou o voto no 2o turno? Descobrindo quem mudou sem ver nenhum voto | Ep 4: Shapley e Goodman

Pontos principais

Para quem decide

Ao receber uma análise feita sobre dados agregados, quem decide deve perguntar se o número fala do grupo ou da pessoa, qual o tamanho do efeito e onde está a nota de qualidade, como o R quadrado.

O que é inferência ecológica?

Inferência ecológica é o problema de entender o comportamento de perfis de pessoas quando só se conhece o total de cada grupo. Na eleição, a urna informa para cada local de votação o comparecimento, os votos por candidato, os brancos e os nulos, mas nada sobre cada eleitor.

O vídeo mostra que o mesmo desafio aparece em empresas. Uma rede vê que uma loja mudou de desempenho entre trimestres sem saber quais clientes mudaram. Um RH vê uma diretoria despencar numa pesquisa anônima sem saber quais perfis de colaborador mudaram.

A aula usa a eleição como conjunto de dados para demonstrar métodos estatísticos. O canal se declara neutro e trata os números como uma rodada de análise, não como conclusão fechada.

Por que correlação entre lugares não prova o comportamento das pessoas?

A armadilha comum é concluir que, se o candidato cresceu mais onde mais gente voltou a votar, foram essas pessoas que votaram nele. Pode ser que sim, pode ser que não. Quem decide é o método.

O exemplo clássico citado é o de bairros com mais afogamentos e mais sorveterias. A sorveteria não causa afogamento. O calor e a proximidade da praia explicam as duas coisas. Esse erro de levar a conclusão do grupo para o indivíduo é a falácia ecológica.

O vídeo também lembra que os mapas mostram o saldo de cada lugar. Se 50 pessoas voltam a votar e 10 deixam de votar, o saldo é de 40, e não a trajetória de cada indivíduo.

Como funciona a decomposição de Shapley?

A decomposição responde de onde veio o ganho de um candidato. No exemplo da aula, uma cidade com 100 mil eleitores aptos tem o candidato A com 35 de cada 100 aptos no primeiro turno e 50 no segundo, um ganho de 15 pontos.

O método pergunta quanto o candidato mudaria se só o comparecimento tivesse mudado, depois só os válidos, e assim por diante. Como o resultado depende da ordem, Shapley faz a média da contribuição de cada fonte em todas as ordens possíveis, como um rateio de conta de bar.

As três partes somam exatamente os 15 pontos, sem sobra nem falta. Por isso não se pede significância à decomposição. Ela divide uma conta que já aconteceu.

Em São Paulo, a maior parte do ganho veio de eleitores de outros candidatos. A aula observa que parte dessa mudança é aritmética, porque os votos válidos precisam se dividir entre os dois finalistas quando os demais saem.

O que a matriz de transferência de Goodman mostra?

A matriz responde a outra pergunta: de cada grupo do primeiro turno, para onde as pessoas foram. O algoritmo coloca num gráfico, para todas as seções de uma cidade, a abstenção no primeiro turno e o voto no candidato no segundo. A inclinação da reta resultante é a taxa de transferência.

A comparação é feita só entre seções da mesma cidade, para anular o que é comum ao município, como a economia local ou o transporte. Sobra apenas o que variou de seção para seção.

O resultado nacional indica que a troca direta entre eleitores dos dois finalistas foi praticamente zero. Entre quem se absteve no primeiro turno, de 10% a 13% foram para Lula e entre 82% e 89% continuaram se abstendo. A abstenção gerou o maior volume de votos por ser o maior grupo fora dos finalistas, apesar de ter a menor taxa.

Como saber em qual número confiar?

A aula usa o R quadrado dentro do município como nota de qualidade. Para os finalistas ficou em torno de 90%, para a abstenção em torno de 75% e para brancos e nulos caiu para 25%, faixa em que o modelo chuta mais do que acerta.

Três perguntas fecham o método. O número é sobre o grupo ou sobre a pessoa? Qual é o tamanho do efeito em reais, clientes ou pontos percentuais, além da significância? Onde o método falha?

Na análise por perfil de território, os grupos que mais se moveram para Lula foram os de renda, alfabetização e PIB per capita mais altos, com menos famílias no Bolsa Família e mais densidade de igrejas evangélicas. O vídeo trata isso como associação, não como causa.

Conceitos do vídeo

Inferência ecológica
Estimativa do comportamento de perfis de pessoas a partir apenas dos totais de cada grupo, sem dados individuais.
Falácia ecológica
Erro de atribuir aos indivíduos uma relação observada apenas entre grupos ou lugares.
Decomposição de Shapley
Rateio da variação total entre fontes que mudaram ao mesmo tempo, pela média das contribuições em todas as ordens possíveis.
Matriz de transferência de Goodman
Estimativa de quanto de cada grupo inicial migrou para cada grupo final, usando a inclinação de uma reta entre unidades comparáveis.
R quadrado
Medida de quanto a reta estimada se encaixa nos dados. Indica quais partes da estimativa são confiáveis.

Perguntas frequentes

A decomposição de Shapley precisa de teste de significância?

Não. Segundo a aula, Shapley não é um método estatístico que calcula significância. Ele reparte uma variação que já foi observada, e as partes somam exatamente o total. A incerteza está na variável que está sendo decomposta, não no rateio em si.

Por que a abstenção trouxe tantos votos se a taxa de mudança foi baixa?

Porque a abstenção era o maior grupo fora dos dois finalistas. Uma taxa pequena aplicada a um grupo grande gera um volume grande de pessoas. Por isso a aula insiste em olhar o tamanho do efeito, e não só a taxa ou a significância.

Esses métodos servem fora da política?

Sim. O vídeo aplica o mesmo raciocínio a lojas, quando se conhece só o total de vendas por unidade, e a pesquisas anônimas de RH, quando se conhece só o resultado por diretoria. Em todos os casos o objetivo é estimar quais perfis mudaram sem ter dado individual.

Por que comparar só seções da mesma cidade?

Porque fatores comuns ao município, como economia, força dos partidos locais e transporte, afetam todas as seções da mesma forma. Ao comparar seções da mesma cidade, esses fatores se anulam e sobra apenas a variação entre seções, que é o que o método usa para estimar a transferência.

Texto produzido a partir da transcrição do vídeo. O raciocínio completo, os exemplos e as ressalvas estão no vídeo.

Receba as próximas aulas por e-mail

Um e-mail quando sair conteúdo novo do Estúdio 68. Sem spam, cancelamento em um clique.

Mais sobre Dados públicos e eleições

Todo o conteúdo do tema