129. Google y primarias demócratas en USA. Lo que importa es el color.

21/04/2016. Demócratas. Lo que importa es el color.

¿Cuándo ganará Clinton?  

El martes pasado Hillary Clinton ganó en New York y ya suma 1948 delegados (1446 electos y 502 superdelados del partido), por 1238 Sanders (1200 electos y 38 superdelegados).Quedan unos 1580 delegados por elegir de modo que es seguro que Clinton ganará. Le bastaría hacerse con 1/3 de los que restan por repartir para superar los 2383 que necesita para ser nominada de modo automático. Lo malo (para ella) es que si todo va como hasta ahora puede que no lo logre hasta casi el final de la campaña, el 5 de junio, en Puerto Rico, o peor aún, 7 de junio, cuando se decidan 694 delegados, 501 de ellos en California. Despúes de eso, solo quedarán por asignar 46 delegados en Washington DC el 14 de junio.

La cuestión es que de aquí al 5 de junio se reparten 686 dejegados, y si Clinton llevase el 55 % de los delegados como hasta ahora, sumaría +377 y tendría 2325, y aunque se le pasaran los +42 superdelegados todavía en disputa se quedaría en 2367, todavía a 16 de los 2383 necesarios.

Por desgracia, Google no me está sirviendo de mucha ayuda para adelantar pronósticos en los estados. Como muestro abajo, la relación de búsquedas hillary clinton vs. bernie sanders solo explica un 56 % del voto. 

La relación clinton vs. sanders muestra peor correlación con el voto al verse influida por otros factores, como por ejemplo que unas cuantas poblaciones en EEUU se llaman Clinton y añaden búsquedas no relacionadas con la candidata Hillary Clinton. Así todo, ¿por qué es la correlación entre los resultados electorales de los candidatos demócratas y las búsquedas en Google incluso peores que la de los republicanos?  

It's the race, stupid!

Bueno, pues aquí la respuesta: porque el voto de Clinton es, sobre todo, racial.

En los estados en los que la población blanca supera el 80 %, el voto a Clinton cayó por debajo del 50 %. Alaska y Hawai se alejan de esta correlación por el peso de la población nativa (pues probablemente el diferencial de votos de Clinton lo dan negros+hispanos). El 64 % del voto a Clinton frente a Sanders viene determinado por la distribución racial de la población de cada estado y por eso es imposible dar con una ecuación que relacione búsquedas y votos en todos los estados.  En este juego la raza es la variable independiente tanto de los votos como de las búsquedas. 

Volviendo a lo mismo. ¿Cuándo ganará Clinton?

Siguiendo entonces con la cuestión de cuándo ganará Clinton, resulta que en los estados que quedan hasta el 7 de junio la población es mayoritariamente blanca, de modo que incluso si Clinton llevase los 60 delegados de Puerto Rico, sólo sumaría 374 delegados.  

Lo que sí se le da bien a Clinton son las primarias abiertas. En los 36 estados que ya votaron, 14 lo hicieron mediante caucus y en ellos Clinton obtuvo un 35% de los votos, mientras que en las primarias de los 21 restantes logró el 57 % de los votos. Para suerte de Clinton solo se juegan en Caucus 7 delegados en el territorio de Guam y otros 7 en las Islas Vírgenes Americanas.  

Pero el sistema electoral está también muy relacionado con la ascendecia de la población europea vs latino-africana. Descontando los casos especiales de Alaska y Hawai (estados con mucha población nativa), los estados con caucus tienen una poblacion blanca media del 88% y los estados con primarias del 77 %. 

De hecho, si calculo con la correlación de arriba los votos de Clinton para un 77 % y un 88% de población blanca en los estados con caucus y primarias, el resultado se aproxima muy mucho a los resultados reales de Clinton hasta la fecha.

El sistema electoral tampoco añade o quita a la correlación de búsquedas y votos demócratas. 

Así que Clinton está ahí, ahí... ¿Tendrá que esperar al 7 de junio para lograr los 2383 delegados? Por los pelos, pero es muy posible que sí. 

25/03/2016. Google y primarias en USA. Republicanos. 

Tras revisar las búsquedas en Google en 30 estados de los EEUU y los resultados de las eleciones, debo reconocer que no hay un modo simple de predecir con una mínima seguridad el resultado.  

El gráfico anterior muestra el punto de partida. Las búsquedas son de la media semanal de la semana anterior (domingo a sábado) a las elecciones. El periodo de elecciones va del 01/02 al 15/03. En total, 30 estados. No incluyo los territorios exteriores (Puerto Rico, Islas Vírgenes Americanas, etc.). No hay datos de Ben Carson tras el Supertuesday del 01/03 porque se retiró. Opté por ajustes potenciales  y la razón es porque supongo que la relación entre votos y búsquedas es de tipo logarítmico. (Creo que, en general, la relación logarítmica es la función mediante la cual creamos el valor del mundo, aunque esto es algo que se escapa de mi propósito ahora). 

Como se ve en el gráfico, las búsquedas en Google son la base y el ajuste debería darme el exponente con el que calcular los votos de cada candidato. Como se ve en el gráfico, Trump es el principal problema para lograr un ajuste decente. Tras muchas pruebas y un poco al tun-tún, empecé con el caucus del Iowa (01/02/2016) asignando un exponente 1,73 (3^0,5) a Kasich y 1,41 (2^0.5) a los demás. El 01/03/2016 (SuperTuesday) rebajé el exponente de Trump a 1,14. El 05/03/2016 lo dejé en 1 (o sea, un ajuste lineal, a estas alturas la popularidad de Trump era ya de por sí una burbuja mediática y su crecimiento exponencial). El 12/03/2016 rebajé el exponented e Cruz a 1,14. 

Este es el resultado.

Recuerdo que para el Supertuesday GOP el acierto de mi previsión fue del 76 % y mi objetivo era del 90%. Con todos los resultados hasta la fecha, la realidad es aún peor (R2=0,63). 

¿Por qué tan malo?

Las posibilidades son:

1.- Las búsquedas en Google no reflejan el voto 

2.- Las presidenciales de los USA no son representativas. 

Creo que, en este caso, la respuesta es una mezcla de 1 y 2. Empiezo por 2.

Para los 30 estados, el error de los valores calculados es del 

       40 % en los caucus (10 estados)

       31 % en primarias cerradas (4 estados)

       28,5 % en primarias semicerradas (5 estados)

       21 % en primarias abiertas (11 estados)

Está claro que hay un déficit de representatitividad en los caucus y que cuanto más participativas y abiertas son las primarias, más semejante es su resultado al de las búsquedas. 

En cuanto a 1, es cierto que estas son unas elecciones partidistas, y Google Trends no discrimina si una búsqueda la hace un votante demócrata o un republicano, luego podría haber un sesgo. Es decir, un candidato podría ser mucho más popular entre los DEM que entre los GOP, de modo que las búsquedas estuviesen infladas (o menguadas, en caso contrario) respecto de los votos. Pero desde el momento que a cada candidato le aplico su propio ajuste, este problema deja de serlo. 

La verdadera cuestión es si la población que busca candidatos en Google en cada estado es representativa de la población en esos estados. Lo cierto es que la variabilidad de búsquedas en todos los estados es muy pequeña comparada con las búsquedas totales en los EEUU. Por ejemplo, en Vermont (un pequeño estado del norte con 626.000 habitantes) la variabilidad de búsquedas semanales de los 5 candidatos a lo largo de 1 año coincide con la total en EEUU en un 81,5 % y en Texas (el gran estado del sur, con 27,5 millones) la coincidencia es del 95%. Los estados pequeños tienden a mostrar más diferencias en búsquedas con la media de los EEUU, pero la tendencia estadística es muy endeble y poco relevante. De hecho, en Vermont y Texas votó en las primarias abiertas del GOP el 9% de la población y el error del ajuste fue del 35 % en Texas y del 20 % en Vermont. El mayor error de Texas se debió a que el voto mayoritario al candidato Cruz (que es gobernador allí, y por tanto muy conocido) no se acompañó de una correlación en las búsquedas. 

Y esta es la gran duda. De media, el comportamiento de búsquedas en los 30 estados difiere apenas un 11 % del comportamiento en todo el país. ¿Es esta variabilidad suficiente para representar la variabilida política? ¿Es la población que usa Google políticamente más homogénea que los votantes de los EEUU? Y lo que me parece más relevante: ¿Tenderá el uso masivo de la información instantánea de internet a unificar el comportamiento político? ¿Serán las masas de votantes cada vez más homogéneas? Es una interesante cuestión, y haría falta comprobar si los resultados electorales en los EEUU se han ido homogeneizando entre estados a lo largo del siglo XX. 

PD.- Para terminar, una paradoja: considerando los ajustes de los candidatos y su evolución (Cruz ha pasado de un exponente de 1,41 a 1,14), el único con posibilidades de ganar a Trump es Kasich, el último del pelotón. A Kasich le bastaría añadir muy poco interés público por su candidatura para ganar un montón de votos. 

121. Segunda intentona: primarias en New Hampshire

Pues ahora que ya sé que Google también da datos locales, lo vuelvo a intentar en New Hampshire.

1.-GOP. (Republicanos)

Los presupuestos, los ya comentados:

1.- Para el cálculo uso la serie de datos desde el enero de 2015 hasta febrero de 2016. Son datos semanales, y la semana del 31 al 7 de febrero (que es justo la última y la decisiva) son datos provisionales, pero es lo que hay.

2.- Calculo la  diferencia de búsquedas de cada candidato con la media de las búsquedas relativas desde enero de 2015 hasta su presentación oficial como candidato, que para la mayoría fue junio de 2015.

3.- De Trump considero las búsquedas semanales mínimas de un periodo de 5 semanas.

El resultado (considerando que los cinco candidatos suman un 90 % de los votos totales) es el que sigue:

El problema está a al vista. Las variaciones semana a semana son enormes:

Trump, por ejemplo, pierde nada menos que 15 puntos en la última semana. La causa principal, como se ve en las búsquedas hora a hora, es el efecto de las elecciones de Iowa el 02 de febrero.***

Las variaciones tras el 02 de febrero afectan sobre todo a Cruz (que baja) y a Bush y Rubio (que suben):

Así pues, al final, como siempre, se trata de una apuesta, y como éste parece un juego bastante volátil, me quedo con la última carta, que es la tendencia del último día:

[Por cierto, estos resultados están calculados de las búsquedas hora a hora tal cual, sin filtro alguno (ni siquiera para Trump) ya que no tengo registro de búsquedas horarias de 2015 con qué comparar; de todas formas imagino que no antes de la candidatura las búsquedas de cualquiera de ellos -salvo Bush, probablemente- serían cero patatero. Es decir, si alguno hay sobrevalorado por esto, será Bush]

Cruz: 14,5 % Bush 12,9 % Rubio 21,5 % Carson: 5,6 % Trump: 35,4 %

2.- Demócratas. 

Como ya expliqué, con los demócratas tengo un prolema distinto. En Iowa, con una ventaja constante y consistente de búsquedas de 2:1 en favor de Sanders sobre Clinton, el resultado fue 1:1. Y en New Hampshire las búsquedas son favorables a Sanders, pero en un ratio menor 1,5:1.

Es decir, según búsquedas anuales Sanders debería ganar con un 60 % de los votos y Clinton perder con un 40%, pero si aplico el ratio de búsquedas/votos de Iowa, resulta que el resultado se invierte: Sanders obtiene el 30 % y Clinton el 60%. ¿Qué será, será?

Los datos hora a hora reproducen el esquema anterior, aunque añaden una ligera pérdida de Clinton en los últimos días de enero, pasando del 40 al 30 % de las búsquedas totales.

En este caso no hay corrección alguna tras las elecciones de Iowa el 2 de febrero, y es que no había nada que corregir, ya que con la deriva de los últimos días de enero los porcentajes en New Hampshire reproducían los de Iowa con la misma ventaja (hillary/bernie) de 2:1. Resumiendo, al final, ya que las búsquedas en New Hampshire parecen repetir los de Iowa, voy a suponer que el ratio búsquedas/votos también se mantiene y, por tanto, se repite el resultado:

Bernie Sanders: 50 %.
Hillary Clinton: 50 %

***[¿el efecto catárquico de las elecciones?]

118. Una intentona con el caucus de Iowa. ¿Ganará Ted Cruz?

Por no esperar las nuevas elecciones de España, me he lanzado con los caucus de Iowa de mañana. La verdad, podía esperar a ver los resultados y tener al menos una referencia, pero quería comprobar hasta donde se puede fiar uno de Google Trends. 

Voy por partes.

1.- Lo primero fue fácil. Me he ido a la lista de candidatos de wikipedia, y he ido comprobando uno por uno cuáles eran los que tenían más búsquedas con la fórmula candidato iowa. El resultado fue una sorpresa, sólo cinco daban búsquedas: Ted Cruz, Ben Carson, Jeb Bush, Marco Rubio y Donald Trump. 

2.- El siguiente paso fue comprobar los resultados con el nombre y el apellido. El único que era buscado de modo indistinto con ambos era Jeb Bush. Esto me complicaba bastante, pues no sabía si tenía que sumar las búsquedas o quedarme solo con la más popular. Al final, como jeb iowa no da búsquedas en algunos casos, me quedé sólo con los resultados de bush. 

3.- Supongo -ya veremos si es mucho suponer-, que iowa me restringe las búsquedas al estado. Funcionó más o menos con Andalucía en las autonómicas de 2015. Veremos si aquí también.

Para comprobar que los resultados de iowa eran independientes de los nacionales, hice dos conjuntos de búsquedas: el de candidato iowa, y otro con candidato polls. Hice búsquedas para 7, 30, 90 días y 12 meses. 

4.- El principal problema era que la popularidad de Trump me desbarataba los resultados. Con el 70 % o más de las búsquedas totales, los resultados de búsquedas relativas de los otros candidatos se aproximaban a cero y las correlaciones se iban a pique. Al final, con los datos de 12 meses, comparando las búsquedas de trump poll y trump iowa, opté por darle a Trump lo que ganaba la tendencia de sus valores mínimos de búsquedas, un 20%. Veremos si es o no una buena decisión.

5.- Fijado Trump, que era el gran problema, a los demás les asigné una estimación de voto proporcional a las búsquedas. Sin mayores complicaciones. 

Como resultado final, la media de las últimas tres semanas:

Bueno, estos porcentajes son dándole 100% a los cinco candidatos. Así que mi apuesta viene a ser:

Cruz-Carson-Bush-Rubio-Trump: 5-1-1-1-2

(Y los demás no llegan a 1)

Y ahora, (mañana del sábado) los demócratas

Éstos son bastante más sencillos.

1.- Hay tres candidatos: Hillary Clinton, Martin O'Malley y Bernie Sanders. Pero O'Malley, aparte de que Google Trends no me deja poner el apóstrofe, no me da resultados. Probé con omalley y malley, pero nada. Así que la cosa se queda en un combate Clinton vs. Sanders.

2.- Y los nombres. sanders y bernie funcionan casi a la par tanto en búsquedas con polls como con iowa.
clinton y hillary funcionaban casi a la par con polls, pero sobre una base de 9:1 para clinton en las búsquedas con iowa. hay una ciudad Clinton en el estado de Iowa. O también puede ser que los iowanos se refiriesen a Hillary como Clinton antes de la campaña.

De cualquier modo, para evitar conflictos, comparo hillary con bernie y asunto resuelto.

3.- Pues así queda para un año:

Y así para la última semana:

Hillary va perdiendo en búsquedas en Iowa como en todo el país. Y va peor en Iowa que el conjunto de los EEUU. Ya veremos como se traduce eso en votos. Por el momento, ya que estamos en el país de la democracia voy a suponer que una búsqueda un voto.

Uso las medias de los últimos siete días, que son congruentes con las de las últimas semanas, sin dar demasiado importancia a la aparente remontada de las últimas horas.

4.- Conclusión: Bernie Sanders gana a Hillary Clinton 2:1.

03/02/2016. RESULTADOS

Bueno, ganó Ted Cruz y acerté dándole a Trump su tendencia en mínimos, aunque le raspé demasiado (sacó 4,3% puntos más). También acerté con el tercero y el cuarto, aunque cambiados, y me colé del todo con Jeb Bush (sacó un birrioso 2,8%) superado por Paul Rand (4,5%) Pero sobre todo fallé por un buen trecho con las proporciones 5:1 entre Cruz y Rubio, que quedaron más cerca del 1:1.

Y creo que, en buena parte, ésta es la causa:

Arriba, evolución de búsquedas de candidato iowa en los días anteriores a los caucus de Iowa. Abajo mapa con los lugares donde estas búsquedas fueron relativamente mayores. California -y no Iowa- fue el estado que más buscó bush iowa.

Me falla la circunscripción de las búsquedas al estado. Iowa tiene unos 2,3 millones de habitantes , California tiene 39 millones, los EEUU 320 M. Incluso si los californianos buscan bush iowa con una frecuencia diez veces menor que los iowanos, harán casi el doble de búsquedas totales. Pero es que en los últimos siete días al menos, hicieron más búsquedas relativas, condicionando por completo los resultados.

Es lo que pasa también con Cruz, que tiene muchas búsquedas en Texas y Nueva York. Nueva York tiene 19,3 M de habitantes, Texas tiene 27,5 M y allí es gobernador Cruz. Incluso con un interés relativo menor que el Iowa -o ahora New Hampshire, que tiene solo 1,3 M- las búsquedas totales del resto del país encubrirán los resultados locales de estos pequeños estados. Y no tengo manera de evitarlo. Es como intentar hacer predicciones en España por provincias. Con Andalucía funcionó -un poco-, pero es que Andalucía tiene 8 M de los 48 M de habitantes de España, y las eleciones eran sólo andaluzas, no implicaban demasiado al resto del país.

Pero lo peor es que, por el momento, las búsquedas de hampshire candidato no son suficientes para generar datos, salvo para Trump en la serie anual (datos semanales) y Trump y Cruz a 90 días Así que, por el momento, no tengo manera de hacer predicciones parciales. Ni siquiera malas predicciones.
Un fastidio.

05/02/2016. UF!! VUELTA A EMPEZAR. GOOGLE SÍ DA DATOS LOCALES. 

Supongo que así es como se sentirse un lagarto al dejar atrás su cola para escapar. Bien, pero...

En fín! Estaba medio perdido buscando un modo de aproximar unos datos locales de búsquedas a los resultados de Iowa con vistas a New Hampshire cuando, ¡resulta que Google Trends SÍ da datos locales! ¡Solo hay que pinchar en el mapa!:

La sensación de haber estado haciendo el idiota durante todo este tiempo me dejó como cuando intentas atravesar una puerta de cristal. ¿Cómo no la vi? ¿Es que soy una puta mosca? Eso parece...

En fin... lo superaré, pero duele.

Lo bueno es que ya tengo los datos y... ¡funcionan! Con datos semanales desde el 01/01/2015, sólo hice dos correciiones de partida:

1.-Resté a las búsquedas semanales de cada candidato la media de búsquedas en el primer semestre de 2015.

Es decir, hice con todos lo que hice con Trump en la primera intentona: cuento como votos el incremento de búsquedas desde junio de 2015, que es cuando comenzaron a apuntarse los candidatos (salvo Sanders, que lo hizo antes).

Esto es posible y razonable -creo- por que son candidatos del mismo partido y no hay para ellos voto cautivo o fiel, como puede pasar al enfrentar partidos distintos (hay mucha gente que votaría al otro candidato si fuera de su partido, y todavía más aún gente vota a su partido independientemente del candidato). Entiendo que en primarias cada cual elige según sus preferencias, sin más (amor verdadero).

2.- Suavicé las búsquedas de Trump a los valores mínimos de 5 semanas.

El resultado medio (descontados los votos de los otros candidatos) para las dos últimas semanas es éste :

¿Impresionante, no? El que más se desvía es Carson, pero si es cierto que la jugarreta de Cruz que denunció Trump tuvo sus efectos, podría explicarlo.

Y estas son las tendencias que han derivado en estos resultados. La pérdida de Trump ha sido en realidad relativa, a medida que despertaban los demás candidatos. Muy interesante.

¿Seguirá perdiendo votos Trump ahora que han comenzado las votaciones, o se estabilizará?


06/02/2016 Hillary y Bernie. 

Esto no lo arreglo ni con datos locales. La diferencia (2:1) en favor de Bernie Sanders se mantiene en Iowa compare Clinton con Sanders, Bernie con Hillary o incluso Bernie Sanders con Hillary Clinton.

(La mayor varibilidad de Clinton vsclinton+bernie se debe a que hay una ciudad Clinton en Iowa.)

Pero Clinton y Sanders se repartieron los votos de Iowa casi a pachas, con una mínima diferencia de 0,3 puntos para Cliton (Hillary Clinton, 49,8: Bernie Sanders, 49,6).

Ni idea qué hacer.