Ako model funguje a kde má hranice

Základom sú štyri zverejnené prieskumy. Tri z nich vznikli v čase, keď v hre ešte boli L. Gurbáľová a K. Hirman — ich podiely sa neodhadzujú, ale prenášajú podľa prenosovej matice s vlastnou neistotou. Nad prepočítanými prieskumami beží dynamický model s odhadom efektu jednotlivých agentúr a efektu zadávateľa.

Výsledok sa spája s fundamentálnym priorom (výsledok 2022, inkumbencia, stranícka sila v kraji) logaritmickým spájaním mienok — nie nezávislým zlučovaním, ktoré by neistotu neoprávnene zúžilo.

Tri zo štyroch prieskumov si objednal niektorý z kandidátov. Model to zohľadňuje samostatným efektom zadávateľa.

Nie je to predpoveď, že kandidát vyhrá. Je to podiel simulovaných volieb, v ktorých vyhráva — tvrdenie o tom, ako často vyhráva vo svete, ktorý model považuje za možný.

Preto sa vedľa čísla zobrazuje aj mriežka sto štvorčekov. Diskrétna reprezentácia neistoty vedie k lepším rozhodnutiam než percento (Kay a kol. 2016; Hullman a kol. 2015): percento sa číta ako predpoveď výsledku, frekvencia ako šanca.

Efekty jednotlivých agentúr sú pri troch agentúrach a štyroch prieskumoch silne zmršťované k nule a ich neistota je veľká. Napriek tomu je to najväčšia jednotlivá páka na výsledok: ktorej agentúre sa uverí, to určí, či je súboj tesný alebo rozhodnutý.

Tri zo štyroch prieskumov vznikli, keď boli v hre aj L. Gurbáľová a K. Hirman. Obaja medzitým odstúpili a podporili M. Porvažníka. Ich podiely — v máji spolu takmer 23 % — nemožno ani zahodiť, ani mechanicky pripočítať jednému kandidátovi.

Model preto použije prenosovú maticu s explicitným priorom a Dirichletovou neistotou: 58 % voličov Gurbáľovej a 68 % voličov Hirmana ide k Porvažníkovi, časť k Trnkovi (KDH bolo v roku 2022 súčasťou jeho koalície) a časť sa demobilizuje. Demobilizovaná časť znižuje efektívnu veľkosť vzorky — prieskum po prepočte teda váži menej než pred ním.

Podiel vychádza z toho istého dynamického modelu nad štyrmi prieskumami, prepočítanými do aktuálneho poľa kandidátov, spojeného s fundamentálnym priorom.

Ak kandidát kandidoval už v roku 2022, model má k dispozícii jeho vlastný výsledok — najsilnejší jednotlivý prediktor. Pri prvokandidátoch takýto vzorec neexistuje a model sa opiera o blokovú príslušnosť, čo je slabšia opora a širší interval.

Model podpory je tlmený lokálny lineárny trend. Okrem úrovne (podiel hlasov) odhaduje aj sklon — rýchlosť zmeny — ako plnohodnotný stav s vlastnou neistotou. Preto sa dá povedať nielen „rastie“, ale aj s akou pravdepodobnosťou a o koľko.

Tlmenie je podstatné: nedampovaný trend by akýkoľvek krátkodobý pohyb extrapoloval až do dňa volieb. Polčas rozpadu momenta je 21 dní, takže po piatich týždňoch bez prieskumu je latentná zložka prakticky vynulovaná. To nie je slabina modelu — to je poctivé priznanie, že bez merania o smere pohybu nevieme.

Pre každého kandidáta a okres sa odhaduje afinita — odchýlka od krajskej úrovne v log-mierke. Skladá sa z troch zdrojov: vlastného priestorového vzorca z roku 2022 (pre tých, ktorí už kandidovali), blokovej afinity strán z parlamentných volieb 2023 a efektu domáceho okresu.

Efekt domáceho okresu je kalibrovaný priamo na týchto voľbách: Viliam Zahorčák, primátor Michaloviec, získal v roku 2022 vo svojom okrese 38,8 % pri krajských 15,0 % a v susednom Sobrance 31,0 %. Ide teda o veľký efekt, ktorý presakuje aj do susedstva.

Priestorový model je jediná časť projektu, ktorá má skutočný out-of-sample test: predikcia okresu z krajského výsledku bez použitia dát toho okresu. Výsledok testu je v sekcii o overovaní vyššie.

Text spracúva klasifikátor v troch úrovniach podľa toho, čo je dostupné: jazykový model, dotrénovaný SlovakBERT, lexikón. Keď vyššia úroveň nie je k dispozícii, systém ustúpi na nižšiu a povie to — nepredstiera výsledok, ktorý nemá.

Jazykový model vracia tón a postoj ako dve nezávislé osi. Veta „zase všetci útočia na X, ale ja ho budem voliť“ má negatívny tón a pritom vyjadruje podporu; lexikón sa na takej vete rozbije, pretože vidí len slová. Model zároveň označuje riziko irónie a mieru, nakoľko je kandidát témou textu, a nie len spomenutý medzi ostatnými.

Sentiment nie je volebná preferencia. Kandidát môže mať výrazne negatívny sentiment a zároveň rásť — negatívna pozornosť je stále pozornosť a v politike často mobilizuje vlastný tábor. Preto tieto čísla vstupujú do indexu momenta ako indikátor pozornosti, nie do odhadu podielu hlasov.

Zhoda klasifikátora s ľudským kódovaním zatiaľ nebola odmeraná. Kým nie je, je ktorýkoľvek graf nálady ilustráciou, nie meraním — a tak sa aj označuje.

Index vyjadruje, koľko ľudí meno kandidáta hľadalo, relatívne k ostatným. Nie je to preferencia. Kandidát, ktorého ľudia hľadajú po škandále, v tomto grafe rastie a v predikcii súčasne klesá.

Preto vstupuje do indexu momenta ako signálová zložka, ktorá je od latentnej oddelená a do odhadu podielov hlasov nevstupuje. Zamieňať pozornosť za podporu je najbežnejšia chyba pri čítaní kampane.

Zdroj je navyše vzorkovaný: každé stiahnutie dá mierne iné čísla, preto sa priemerujú tri dotazy.

Meta aj Google publikujú výdavky v pásmach (napríklad 100–499 €). Do modelu vstupuje geometrický stred pásma, nie aritmetický: rozdelenie skutočných výdavkov je zošikmené doprava, takže aritmetický priemer by sumy systematicky nadhodnocoval.

Denné záznamy sa v tabuľke zlučujú po týždňoch, podľa kanála, príjemcu a cielenia. Stĺpec „zázn.“ uvádza, koľko podkladových záznamov riadok zhŕňa — zlúčenie teda nič neskrýva.

Vonkajšia reklama je jediná časť dátovej vrstvy, ktorú nemožno automatizovať úplne — plochy treba fyzicky zaznamenať alebo odčítať z fotografií. Je to odhad z cenníkov, nie fakturovaná suma. Reklamné knižnice navyše pokrývajú len reklamu označenú ako politická; časť výdavkov kampaní takto označená nie je a v číslach chýba.