Metodología
Los criterios de inclusión de las encuestas publicadas son:
- Encuestas cara a cara en vivienda o telefónicas (excluyendo robopolls)
- Cuya metodología pueda ser consultada en los estudios entregados a la Secretaría Ejecutiva del INE.
Nuestro método de agregación de encuestas consiste en un modelo bayesiano multinomial para series de tiempo. Sea (p_{ij}) un vector con las proporciones de respuestas de la encuesta (i) a cada categoría de la pregunta de intención de voto (partido, coalición o candidato, según corresponda). Denotamos a (n_{i}^{*}=frac{n_{i}}{deff}) el tamaño efectivo de muestra, donde (deff=1.7) es una aproximación conservadora del efecto de diseño. Entonces, (y_{ij}=p_{ij}n_{i}^{*}) es un vector de conteos que proviene de una distribución de probabilidad multinomial:
( y_{ij}sim Multinomialleft(pi_{ij},n_{i}^{*}right) )
cuyo parámetro (pi_{ij}) es la probabilidad de que un entrevistado manifieste su preferencia hacia cada una de las categorías de respuesta:
( pi_{ij}=frac{expleft(theta_{t[i]j}+delta_{k[i]j}right)}{sum_{j=1}^{J}expleft(theta_{t[i]j}+delta_{k[i]j}right)} ),
fijando la ecuación de una de las categorías en cero, para identificación del modelo.
Así, la probabilidad de elegir una de las categorías de respuesta en la encuesta (i) depende (1) de la preferencia electoral latente en la población (theta_{tj}) en el periodo de tiempo (t=1ldots T) en que se levantó la encuesta y (2) del «efecto de casa» (delta_{kj}) de la empresa (k=1ldots K) que la realizó.
El modelo de transición consiste en un nivel local:
( begin{bmatrix} theta_{t[i],1} vdots theta_{t[i],j} end{bmatrix}sim Nleft( begin{bmatrix} theta_{t-1,1} vdots theta_{t-1,j} end{bmatrix},sumright) )
donde (sum) es una matriz de varianza-covarianza.
Los parámetros fueron estimados con simulación bayesiana (MCMC) a través de JAGS. Las distribuciones a priori se especificaron de manera difusa o poco informativa. Los efectos de casa fueron estimados de manera redundante y con la restricción de que su media sea cero.
Las gráficas muestran la preferencia latente neta de efectos de casa, la cual se obtiene con la transformación inversa (softmax):
( frac{expleft(theta_{t,j}+tilde{delta_{j}}right)}{{ sum}expleft(theta_{t,j}+tilde{delta_{j}}right)} )
donde (tilde{delta_{j}}) representa el efecto mediano de casa.
