Metodika

Ako model funguje a kde má hranice

Predikcia bez skóre je názor. Táto stránka uvádza, čo sa podarilo overiť, ako model dopadol a — čo je rovnako dôležité — čo overené nie je a prečo.

Priestorový holdout

1,81 p. b.

o 24 % lepšie než model bez afinít

Pokrytie intervalov

92 %

podiel predikcií vnútri dvoch smerodajných odchýlok

Prieskumov

za osem mesiacov, od troch agentúr

Nezhoda zdrojov

0,829

vzdialenosť komponentov v ALR jednotkách

Architektúra

Reťaz od zdroja k predikcii

Prepočet prieskumov do aktuálneho poľa

Tri zo štyroch prieskumov vznikli, keď boli v hre L. Gurbáľová a K. Hirman. Ich podiely sa prenášajú prenosovou maticou s Dirichletovou neistotou, nie odhadzujú. Časť voličov sa demobilizuje — to znižuje efektívnu veľkosť vzorky.

Prevod na log-podiely

Podiely žijú na simplexe. Pracujeme v aditívnej log-podielovej transformácii (ALR), takže sa trajektórie vždy sčítajú do 100 % a rast jedného je stratou iného. Bonus: log-podiely sú subkompozične koherentné, takže neúplne zverejnený prieskum netreba dopĺňať dohadmi.

Dynamický model s tlmeným trendom

Kalmanov filter nad tlmeným lokálnym lineárnym trendom. Úroveň je podiel, sklon je momentum — plnohodnotný stav s vlastnou neistotou. Súčasne sa odhadujú efekty agentúr a efekt zadávateľa.

Fundamentálny prior

Výsledok 2022, inkumbencia s penalizáciou tretieho obdobia, koaličná aritmetika zo straníckej sily v kraji podľa NR SR 2023 a vlastný minulý výsledok nezávislých kandidátov.

Logaritmické spájanie mienok

logaritmické spájanie mienok + bayesovský odhad medzikomponentového rozptylu (PyMC, NUTS). Váhy sa sčítajú do jednotky, takže spájanie samo od seba neistotu neznižuje. Medzikomponentový rozptyl ju naopak zvyšuje, keď si zdroje odporujú.

Rozklad na okresy a Monte Carlo

Afinity z minulého priestorového vzorca, blokovej príslušnosti a efektu domáceho okresu. Účasť sa modeluje samostatne. Z desiatok tisíc simulácií vznikajú pravdepodobnosti.

Test 1

Priestorový holdout na voľbách 2022

Vlastný priestorový vzorec kandidátov z roku 2022 sa v tomto teste nepoužíva - použil by informáciu z testovanej množiny. Skóre je preto pesimistické voči produkčnému modelu, ktorý tento vzorec má pri Trnkovi, Soročinovej a Kodrazim k dispozícii.

Model

1,81

p. b. MAE

Bez afinít

2,39

p. b. MAE

Zlepšenie

24 %

132 predikcií

Toto je najsilnejší test v projekte: pre každý okres sa afinity postavia bez použitia jeho vlastných dát a z krajského výsledku sa predpovedia okresné podiely. Zlepšenie 24 % oproti rovnomernému rozdeleniu je skromné, ale reálne a merateľné.

Test 2

Krížová validácia prieskumov

Test stojí na 4 prieskumoch. To je príliš málo na štatisticky presvedčivý záver o kalibrácii. Uvádzame ho ako diagnostiku, nie ako dôkaz kvality modelu. Hodnota |z| výrazne nad 1 znamená, že model podceňuje rozptyl medzi agentúrami.

Prieskum	MAE	\|z\|
AKO 23. 2.	8,31	2,08
AKO 22. 4.	4,41	1,03
SANEP 18. 5.	1,99	0,63
FOCUS 9. 7.	9,27	1,22

Prvá verzia modelu mala priemerné |z| = 1,94 a len 61 % predikcií vnútri dvoch smerodajných odchýlok — bola teda výrazne sebavedomejšia, než jej prislúchalo. Po kalibrácii je to 1,19 a 92 %. Bodová chyba pritom mierne stúpla — to je vedomá výmena: pri predikcii, ktorá verejne uvádza pravdepodobnosti, je kalibrácia dôležitejšia než bodová presnosť.

Čo overené nie je

Plný spätný test chýba

Nemáme archív predvolebných prieskumov pre KSK z rokov 2017 alebo 2022 v strojovo čitateľnej podobe. Bez neho sa celý reťazec model -> predikcia -> výsledok overiť nedá.

Znamená to, že projekt netvrdí, že má overenú prediktívnu schopnosť na celom volebnom cykle. Overené sú jednotlivé časti (priestorový rozklad, kalibrácia pozorovacieho modelu). Celok overený nie je, a bolo by nepoctivé to zamlčať.

Vstupné dáta

Štyri prieskumy a čo sa s nimi stalo

Stĺpec s prepočítanými hodnotami ukazuje podiely po prenesení podpory odstúpených kandidátov do aktuálneho poľa.

Agentúra	Zadávateľ	n	n_ef	Zverejnené	Prepočítané
AKO 23. 2. · CAWI	kandidát tím M. Porvažníka	1 000	599	Trnka 49,3Šimko 19,8Porvažník 14,8	Trnka 58,8Šimko 23,6Porvažník 17,6
AKO 22. 4. · CATI	médium tím L. Gurbáľovej (KDH)	500	383	Trnka 53,0Gurbáľová 12,8Šimko 12,5Porvažník 10,5Hirman 9,1	Trnka 59,8Porvažník 25,2Šimko 13,8Soročinová 0,8
SANEP 18. 5. · CAWI	médium ta3	950	572	Trnka 47,2Gurbáľová 12,3Šimko 11,8Hirman 10,6Porvažník 10,2Kodrazi 0,5	Trnka 57,0Porvažník 27,2Šimko 13,9Soročinová 0,9Kodrazi 0,8
FOCUS 9. 7. · MIXED	kandidát tím M. Porvažníka	959	499	Trnka 31,1Porvažník 25,9Šimko 10,7	Trnka 45,9Porvažník 38,3Šimko 15,8

Tri zo štyroch prieskumov si objednal niektorý z kandidátov. Model odhaduje samostatný efekt zadávateľa (posun v prospech objednávateľa): ±0,0 ALR so smerodajnou odchýlkou 0,093. Odhad sa od prioru prakticky nepohol — pri troch pozorovaniach sa viac tvrdiť nedá.

Efekty agentúr

Kto meria vyššie a kto nižšie

V percentuálnych bodoch pri aktuálnej úrovni podpory. Identifikované predpokladom, že vážený priemer agentúr je nevychýlený.

Agentúra	Porvažník	Šimko	Soročinová
AKO	−3,36	−0,80	+0,07
FOCUS	+6,20	+2,04	−0,41
SANEP	+0,53	−0,45	+0,26

Pri troch agentúrach a štyroch prieskumoch sú tieto odhady silne zmršťované k nule a ich neistota je veľká. Je to najväčšia jednotlivá páka na výsledok: ktorej agentúre uveríte, to určí, či je súboj tesný alebo rozhodnutý.

Citlivosť

Ako veľmi záleží na prenosovej matici

Čo urobí s májovým prieskumom SANEP rôzna sila prenosu voličov Gurbáľovej a Hirmana k Porvažníkovi.

Prenos k Porvažníkovi	Trnka	Porvažník	Šimko
40 %	60,8	21,8	14,5
50 %	59,1	24,2	14,2
58 %	57,8	26,1	14,0
68 %	56,1	28,4	13,7
80 %	54,2	31,2	13,3

Model používa 58 % pre voličov Gurbáľovej a 68 % pre Hirmana. Literatúra o endorzmentoch uvádza typicky 50–70 % prenosu; KDH navyše podporovalo Trnku v roku 2022, takže časť jeho voličov má Trnku ako prirodzenú druhú voľbu.

Predpoklady

Všetko, čo nie je merané

Každý riadok je hodnota, ktorá nemá priame meranie. Trieda D znamená expertný odhad alebo parameter modelu.

Dstredný - ovplyvňuje váhu najstaršieho prieskumu

Veľkosť vzorky prieskumu AKO z februára 2026 nebola zverejnená; predpokladáme n = 1000.

Dvysoký - určuje, ako sa čítajú tri zo štyroch prieskumov

Prenos voličov L. Gurbáľovej a K. Hirmana k M. Porvažníkovi je expertný odhad (58 % a 68 %) s Dirichletovou neistotou.

Dstredný - týka sa fundamentálneho prioru

Konverzia straníckej sily na podporu kandidáta 0.52 je odhadnutá z jediného prípadu (V. Zahorčák 2022).

Dvysoký

Efekty agentúr sú identifikované predpokladom, že vážený priemer agentúr je nevychýlený. Pri troch agentúrach a štyroch prieskumoch je odhad silne zmršťovaný.

Dvysoký - v župných voľbách rozhoduje účasť

Účasť je modelovaná ako okresný vzorec z roku 2022 krát krajský multiplikátor s priorom 41,5 % (sd 3,8 p. b.).

Dvysoký pre kontrafaktuály, nulový pre hlavnú predikciu

Parametre agentového modelu (sila presviedčania, miera sociálneho vplyvu, vekové zásahy kanálov) sú expertné odhady ukotvené v literatúre, nie odhady z dát.

Arozsah projektu

Predikcia zloženia krajského zastupiteľstva (57 mandátov v 11 obvodoch) sa nerobí. Neexistuje pre ňu žiadny verejný prieskum ani porovnateľný historický prediktor na úrovni jednotlivých kandidátov; model by bol nepodložený.

Diagnostika

Technické parametre behu

loglik

-11.381

iterations

n_observations

window_start

2026-02-06

draws

4000

r_hat_max

1.0008

ess_bulk_min

2819

divergences

tau_between

0.0768

sd_pool_alr

0.9614

sd_between_alr

0.313

sd_total_alr

1.0111

Váhy komponentov v spojení: polls 62 % · fundamentals 24 % · market 14 % · abm 0 %. Agentový model má váhu nula zámerne — je kalibrovaný na prieskumový model, takže jeho zhoda nie je nezávislým potvrdením.