Citat:
Ursprungligen postat av
Svenne-i-Banan
Jag känner mig skeptisk till modellsäkerheten som anges. Om jag tolkar det korrekt så utgår modellen från att säkerheten är mycket hög direkt efter val men det anser inte jag att den är.
SD fick sannolikt ett kraftigt uppsving som följd av att de blev mer rumsrena när de gick från att vara ett 6% parti till ett 13% parti. Redan under valnatten såg vi stora förändringar i hur media pratade om SD, de togs på ett betydligt mer seriöst sätt än tidigare.
Enligt min mening behöver därför säkerheten inte var speciellt mycket högre direkt efter valet än innan. Synpunkter på det?
Det du tar upp är en intressant fråga och jag har själv funderat en hel del på det. Den dynamiska modellen som den ser ut nu är definierad av följande (stokastiska) differentialekvationer
dp = v(t) dt
dv = sigma(p(t), v(t), theta, t) dW0
db1 = b dW1
..
dbi = b dWi
där t är tiden, p(t) är väljarstödet, v(t) förändring av väljarstödet, b1(t) ... bi(t) tidsberoende systematiska fel för i st institut, dW0 .. dWi inkrementen hos oberoende Wienerprocesser, sigma() en variabel faktor för den stokastiska delen av v's förändring som i sin tur innehåller en undermodell med beroenden på tillståndsvariabler och parametrar theta, och b en parameter.
Observationsmodellerna är definierade som
hval(t) = p(t)
ha(t) = ba p(t) + e_a
h1(t) = b1(t) p(t) + e_1
..
hi(t) = bi(t) p(t) + e_i
där hval(t) modellen av valet, ha(t) modellen av ankarets mätning vid tiden t, h1() .. hi(t) modellerna av övriga i instituts mätningar vid tiden t. Därutöver beskrivs de slumpmässiga felen i mätningarna e_a, e_1 .. e_i, av ytterligare undermodeller.
Vid ett val finns ingen osäkerhet i "mätningen" och fördelningen p(t) får all sin sannolikhetsmassa lokaliserad till valresultatet. Vad som händer sen är att p(t) utvecklas enligt p'(t) = v(t) (allra första ekvationen ovan) och eftersom v(t) är osäker blir p(t) och successivt mer osäker. Även v(t), som vid valets mycket säkra mätning blir ganska väl känd, kommer utveckla mer osäkerhet. Storleken på denna beror på exakt hur undermodellen sigma() ser ut. Utan att gå in på exakt hur jag valt denna, så kan jag säga att de okända parametervärdena den innehåller har skattats (ML) från OU-data mellan 2010 och nu. I slutändan kokar det ner till hur snabba förändringar i opinionen som modellen tillåter, och skattningen av parametrarna i min modell som styr just detta har uppenbarligen fått sådana värden att förändringar sker ganska långsamt (då detta bäst kunnat förklara historiska data).
Eftersom ett val är en så speciell händelse har jag dock övervägt att "injicera" lite extra osäkerhet i v(t) precis valet. Ska fortsätta att kolla mer på detta då jag precis som du har en magkänsla som reagerar lite. Det jag vill vara försiktig med är att introducera min egna subjektiva uppfattningar i modellen.