De meeste opiniepeilingen voorspelden correct de winnende kandidaat bij de Amerikaanse presidentsverkiezingen van 2020, maar gemiddeld ze overschatten de marge waarmee Democraat Joe Biden de Republikeinse zittende Donald Trump zou verslaan.

Ons onderzoek naar peilingsmethoden heeft uitgewezen dat de voorspellingen van opiniepeilers nauwkeuriger kunnen zijn als ze verder kijken dan traditionele vragen. Traditionele peilingen vragen mensen op wie ze zouden stemmen als de verkiezingen vandaag zouden zijn, of voor de procentuele kans dat ze op bepaalde kandidaten stemmen.

Maar ons onderzoek naar de verwachtingen en sociale oordelen van mensen leidde ons en onze medewerkers, Henrik Olsson bij het Santa Fe Institute en Drazen Prelec bij MIT, om zich af te vragen of verschillende vragen nauwkeurigere resultaten zouden kunnen opleveren.

specifiek, we wilden weten of het vragen van mensen naar de politieke voorkeuren van anderen in hun sociale kringen en in hun staten zou kunnen helpen een vollediger beeld van het Amerikaanse electoraat te schetsen. De meeste mensen weten nogal wat over de levenservaringen van hun vrienden en familie, inclusief hoe gelukkig en gezond ze zijn en hoeveel geld ze ongeveer verdienen. Daarom hebben we enquêtevragen opgesteld om te zien of deze kennis van anderen zich ook uitstrekte tot de politiek - en we hebben geconstateerd dat dit het geval is.

opiniepeilers, wij bepaalden, meer zouden kunnen leren als ze van dit soort kennis gebruik zouden maken. Door mensen te vragen hoe anderen om hen heen gaan stemmen en hun antwoorden samen te voegen in een grote nationale steekproef, kunnen opiniepeilers gebruikmaken van wat vaak 'de wijsheid van de menigte' wordt genoemd.

Wat zijn de nieuwe 'wisdom-of-crowds'-vragen?

Sinds het seizoen van de Amerikaanse presidentsverkiezingen van 2016, we hebben deelnemers aan verschillende verkiezingspeilingen gevraagd:"Welk percentage van uw sociale contacten zal op elke kandidaat stemmen?"

Bij de Amerikaanse verkiezingen van 2016 deze vraag voorspelde dat Trump zou winnen, en deed dit nauwkeuriger dan vragen over de eigen stemintenties van de respondenten.

De vraag over de sociale contacten van de deelnemers was even nauwkeuriger dan de traditionele vraag bij het voorspellen van de resultaten van de Franse presidentsverkiezingen van 2017, de Nederlandse parlementsverkiezingen van 2017, de Zweedse parlementsverkiezingen van 2018 en de Amerikaanse verkiezingen voor het Huis van Afgevaardigden van 2018.

In sommige van deze peilingen we vroegen ook, "Welk percentage van de mensen in uw staat zal op elke kandidaat stemmen?" Deze vraag maakt ook gebruik van de kennis van de deelnemers over de mensen om hen heen, maar in een grotere kring. Variaties op deze vraag hebben bij vorige verkiezingen goed gewerkt.

Hoe goed deden de nieuwe pollingvragen het?

Bij de Amerikaanse presidentsverkiezingen van 2020 onze "wisdom-of-crowds"-vragen waren opnieuw beter in het voorspellen van de uitkomst van de nationale volksstemming dan de traditionele vragen. In de USC Dornsife Daybreak Poll vroegen we meer dan 4, 000 deelnemers hoe ze verwachtten dat hun sociale contacten zouden stemmen en welke kandidaat ze dachten te winnen in hun staat. Ook werd hen gevraagd hoe zij zelf van plan waren te gaan stemmen.

De huidige verkiezingsresultaten tonen een voorsprong van Biden van 3,7 procentpunten in de populaire stemming. Een gemiddelde van de nationale peilingen voorspelde een voorsprong van 8,4 procentpunt. In vergelijking, de vraag over sociale contacten voorspelde een voorsprong van 3,4 punten op Biden. De vraag over de staatswinnaar voorspelde dat Biden een voorsprong van 1,5 punten zou hebben. Daarentegen, de traditionele vraag die in dezelfde peiling naar de eigen bedoelingen van de kiezers vroeg, voorspelde een voorsprong van 9,3 punten.

Waarom werken de nieuwe pollingvragen?

We denken dat er drie redenen zijn waarom het vragen van deelnemers aan een enquête naar anderen in hun sociale kringen en hun toestand uiteindelijk nauwkeuriger is dan vragen naar de deelnemers zelf.

Eerst, door mensen naar anderen te vragen, wordt de steekproefomvang van de peiling effectief vergroot. Het geeft opiniepeilers op zijn minst enige informatie over de stemintenties van mensen van wie de gegevens anders helemaal zouden zijn weggelaten. Bijvoorbeeld, velen werden niet benaderd door de opiniepeilers, of heeft mogelijk geweigerd deel te nemen. Hoewel de respondenten van de enquête geen perfecte informatie hebben over iedereen om hen heen, het blijkt dat ze genoeg weten om bruikbare antwoorden te geven.

Tweede, we vermoeden dat mensen het misschien gemakkelijker vinden om te vertellen hoe ze denken dat anderen zullen stemmen dan om toe te geven hoe ze zelf zullen stemmen. Sommige mensen schamen zich misschien om toe te geven wie hun favoriete kandidaat is. Anderen zijn misschien bang voor intimidatie. En sommigen liegen misschien omdat ze opiniepeilers willen hinderen. Onze eigen bevindingen suggereren dat Trump-kiezers waarschijnlijker dan Biden-kiezers waren om hun stemintenties te verbergen, om al die redenen.

Derde, de meeste mensen worden beïnvloed door anderen om hen heen. Mensen krijgen vaak informatie over politieke kwesties van vrienden en familie - en die gesprekken kunnen hun stemkeuzes beïnvloeden. Enquêtevragen die deelnemers vragen hoe ze zullen stemmen, vangen die sociale invloed niet op. Maar door deelnemers te vragen hoe zij denken dat anderen om hen heen zullen stemmen, opiniepeilers kunnen een idee krijgen van welke deelnemers nog van gedachten kunnen veranderen.

Andere methoden die we onderzoeken

Voortbouwend op deze bevindingen, we zoeken naar manieren om informatie uit deze en andere vragen te integreren in algoritmen die mogelijk nog betere voorspellingen doen van verkiezingsuitslagen.

één algoritme, het "Bayesiaanse waarheidsserum" genoemd, " geeft meer gewicht aan de antwoorden van deelnemers die hun stemintenties zeggen, en die van hun sociale kringen, komen relatief vaker voor dan mensen in die staat denken. Een ander algoritme, een "volledige informatieprognose, " combineert de antwoorden van deelnemers op verschillende peilingen om informatie van elk van hen op te nemen. Beide methoden presteerden grotendeels beter dan de traditionele peilingvraag en de voorspellingen van een gemiddelde van peilingen.

Onze peiling had niet genoeg deelnemers in elke staat om goede voorspellingen op staatsniveau te doen die zouden kunnen helpen bij het voorspellen van stemmen in het Electoral College. Zoals het was, onze vragen over sociale kringen en verwachte staatswinnaars voorspelden dat Trump het kiescollege nipt zou kunnen winnen. Dat was fout, maar tot nu toe lijkt het erop dat deze vragen gemiddeld een lagere fout hadden dan de traditionele vragen bij het voorspellen van het verschil tussen Biden- en Trump-stemmen in verschillende staten.

Ook al weten we nog steeds niet dat de uiteindelijke stem telt voor de verkiezingen van 2020, we weten genoeg om te zien dat opiniepeilers hun voorspellingen zouden kunnen verbeteren door deelnemers te vragen hoe zij denken dat anderen zullen stemmen.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.