UNIVERZITA KARLOVA V PRAZE FAKULTA SOCIÁLNÍCH VĚD Institut sociologických studií
Bc. Monika Červinková
Odhad volebních výsledků respondenty a jeho využití Diplomová práce
Praha 2015
Autor práce: Bc. Monika Červinková Vedoucí práce: doc. Milan Tuček, prom. mat., CSc. Konzultant: Mgr. Daniel Prokop
Rok obhajoby: 2015
ii
Bibliografický záznam ČERVINKOVÁ, Monika. Odhad volebních výsledků respondenty a jeho využití. Praha, 2015. 92 s. Diplomová práce. Univerzita Karlova v Praze, Fakulta sociálních věd, Institut sociologických studií. Vedoucí práce doc. Milan Tuček, prom. mat., CSc.
Abstrakt Diplomová práce „Odhad volebních výsledků respondenty a jeho využití“ pojednává o způsobech predikce volebních výsledků založených na volebních očekáváních jednotlivců a ukazuje, jak lidé svá očekávání utváří a jak jsou přesná. Nejprve přináší krátký přehled možných způsobů predikce volebních výsledků a jejich limitů – věnuje se také předvolebním průzkumům a jejich ambici předpovídat volební výsledky. Dále už se zaměřuje pouze na předpovídání volebních výsledků na základě volebních očekávání jednotlivců: predikční trhy a agregované odhady respondentů. Představuje koncept Moudrosti davů, ze kterého oba přístupy vychází a konkrétní příklady využití odhadů účastníků predikčních trhů a respondentů výzkumů ve volební oblasti. Výsledky zahraničních studií potvrzují, že predikční trhy předpovídají výsledky voleb velmi dobře a že jsou přesnějšími predikčními nástroji než předvolební průzkumy. Kladně dosavadní studie hodnotí i odhadování volebních výsledků respondenty. Respondenti výsledky voleb předpovědět většinou dokáží, a to i několik týdnů před volbami. Poslední část práce vychází z vlastního kvantitativního online výzkumu uskutečněného týden před volbami do Poslanecké sněmovny PČR 2013 a představuje jeho výsledky. Respondenti předpověděli výsledek voleb do PS PČR lépe než většina posledních předvolebních průzkumů. Problém však pro ně představovaly nově vzniklé a historicky neznámé strany. Analýza potvrdila, že lidé se při konstruování svého odhadu nerozhodují náhodně či pouze podle předvolebních průzkumů, ale na základě mnoha faktorů od zveřejňovaných předvolebních průzkumů, přes vlastní volební preference, až po volební preference lidí v jejich okolí.
Abstract The diploma thesis „Estimation of the election results by respondents and its usage“ discuss the methods of predicting the election results based on election expectations of individuals and shows how people form their expectations and how exact these iii
expectations are. First short summary of existing methods of election results predictions and its limitations is presented – it also deals with pre-election surveys and its ambitions to predict the election results. The rest of the thesis focuses only on the prediction of the election results based on election expectations of individuals: prediction markets and aggregated estimations of respondents. Concept Wisdom of Crowds, from which both approaches originate, is presented together with concrete examples of application of the predictions based on opinions of prediction markets participants and respondents of the pre-election surveys. Results of the foreign studies confirm that the prediction markets predict the election results very well and with higher accuracy than the pre-election surveys. Current studies also positively evaluate the estimation of the election results done by respondents. Respondents are usually able to predict the election results, even several weeks before the elections. Last part of the thesis is based on my own quantitative online research which was realized one week before the elections to the Chamber of Deputies of Czech Republic in 2013 and presents its results. Respondents predicted the results of the elections to the Chamber of Deputies more precisely than most of the latest pre-election surveys. However, respondents had problems with newly formed and historically not known political parties. The analysis confirmed that when people construct their estimation they do not decide randomly or accordingly to the preelection surveys, but they base the estimation on many factors: published pre-election survey results, their own political preferences, preferences of people in their surroundings etc.
Klíčová slova Iowa Electronic Markets, Moudrost davů, odhad volebních výsledků respondenty, predikční trhy, předvolební průzkumy, volební predikce, zbožné přání
Keywords Iowa Electronic Markets, Wisdom of Crowds, Citizen Election Forecasting, Prediction Markets, Pre-election Polls, Election Prediction, Wishful Thinking
Rozsah práce: 135 075 znaků s mezerami
iv
Prohlášení 1. Prohlašuji, že jsem předkládanou práci zpracovala samostatně a použila jen uvedené prameny a literaturu. 2. Prohlašuji, že práce nebyla využita k získání jiného titulu. 3. Souhlasím s tím, aby práce byla zpřístupněna pro studijní a výzkumné účely.
V Praze dne 05. 01. 2015
________________ Monika Červinková
v
Poděkování Na tomto místě bych ráda poděkovala vedoucímu své práce doc. Milanu Tučkovi za oprávněné připomínky, konstruktivní kritiku a cenné rady při zpracování práce. Dále Mgr. Danielovi Prokopovi za odbornou pomoc zejména při práci na praktické části práce – tvorbě dotazníku a analýze. A také všem, kteří se zúčastnili pilotáže dotazníku, za ochotu věnovat mi svůj čas. Rodině a přátelům děkuji za podporu.
vi
Institut sociologických studií Projekt diplomové práce Předpokládaný název práce: Odhad volebních výsledků respondenty a jeho využití Autor: Bc. Monika Červinková Vedoucí: doc. Milan Tuček, prom. mat., CSc. Konzultant: Mgr. Daniel Prokop
Vymezení předmětu zkoumání a strukturace výzkumného tématu V období před volbami je vždy realizováno nesčetné množství předvolebních průzkumů odrážejících voličské nálady v dané zemi. Publikovány jsou pak zejména dva typy informací: volební (stranické, hovoříme-li o volbách do Poslanecké sněmovny) preference a volební modely. Vzhledem k různému času sběru dat, různé konstrukci volebního modelu atd., jsou výsledky těchto průzkumů často odlišné – a to jak mezi sebou, tak od pozdějších volebních výsledků, které však předvolební průzkumy nemají předpovídat. Dotazovaní respondenti nejsou moc ochotní odpovídat na otázky, týkající se jejich vlastních volebních preferencí a sami často ještě ani nejsou rozhodnuti, zda k volbám půjdou, natož aby věděli, koho v nich budou volit. Např. ve výzkumu CVVM z 9. až 16. 9. (tedy měsíc před volbami do Poslanecké sněmovny PČR 2013) 15 % dotázaných uvedlo, že neví, koho bude volit [CVVM 2013 (online)]. I tyto faktory mají vliv na již zmíněné rozdílné hodnoty mezi jednotlivými průzkumy, které ještě více posilují nedůvěru veřejnosti k předvolebním – a nejen k těmto – průzkumům, z části i proto, že je mylně považují za prognózu volebních výsledků, na rozdíl od jejich realizátorů. Před čtyřmi lety se však společnost NextBig pokusila výsledek voleb odhadnout. Místo toho, aby se jako jiné výzkumné agentury ptala respondentů, koho budou v následujících volbách volit, zvolila zcela jiný přístup a ptala se lidí, jak si myslí, že volby do Poslanecké sněmovny Parlamentu ČR v roce 2010 dopadnou. Konečný odhad se sice od výsledků voleb lišil, ale v zásadě byl podobně přesný jako předvolební průzkumy výzkumných agentur, při nižších realizačních nákladech [100 chytrých 2010 (online)]. Rozdíly mezi jejich předvolebními odhady a skutečnými výsledky voleb zobrazuje následující graf:
vii
Graf č. 1: Výsledky voleb versus projekt 100 chytrých
28,2%
30% 25%
22,1%
20% 15% 10%
22,2% 20,2% 16,7% 12,8% 12,2% 11,3% 10,9% 7,6%
5%
Výsledky voleb
5,3% 4,4% 4,3% 3,6% 3,2% 2,4%
100 chytrých
0%
Zdroj: Autorka dle 100 chytrých 2010 (online)
Jejich přístup vychází z myšlenky, kterou publikoval v roce 2004 ve své knize „The wisdom of crowds: why the many are smarter than the few and how collective wisdom shapes business, economies, societies, and nations“ James Surowiecki. Dá se říci, že jde o poněkud netradiční aplikování crowdsourcingu. Crowdsourcing je využíván v mnoha oblastech, a to i v té volební. „Ukazuje se například, že vyhodnocování kurzů sázek dává lepší výsledky než průzkumy veřejného mínění - a tak například společnost Iowa Electronic Markets na tomto principu předpovídá výsledky voleb“ [Novák 2010]. Ve svých odhadech je Iowa Electronic Markets dlouhodobě přesnější než výzkumné agentury. Ve své diplomové práci se budu věnovat odhadování volebních výsledků respondenty, možnostem využití tohoto přístupu a jeho limitům. Je tato netradiční „metoda“ schopná obstát v konkurenci s průzkumy agentur? Může být alternativou ke zjišťování volebních preferencí? Nebo jen odráží publikované výsledky dříve zveřejněných volebních preferencí výzkumných agentur? Můžeme na jejím základě odhadovat výsledek voleb nebo jsou její výsledky realitě vzdáleny?
Cíle práce Hlavním cílem mé práce je kriticky zhodnotit odhadování volebních výsledků respondenty. Zjistit, jak lidé tato očekávání utváří a jak jsou přesná.
viii
Tyto hlavní cíle jsou pro realizaci rozděleny do těchto dílčích operativních podcílů: • Představit a porovnat koncepty, ze kterých agentury při užívání odhadování volebních výsledků respondenty vychází. • Zmapovat dosavadní využití přístupů postavených na principech těchto konceptů v oblastech týkajících se voleb u nás i v zahraničí. Srovnání výsledků těchto šetření se standardními metodami zjišťování volebních preferencí a výsledky voleb. • Porovnat výsledky předvolebních průzkumů k volbám do Poslanecké sněmovny v roce 2013 s odhady volebních výsledků respondenty. Následně srovnat odhady i předvolební průzkumy s výsledky voleb. • Pomocí analýzy vlastních dat určit, na základě čeho se lidé při svém odhadu rozhodují, zda a do jaké míry jsou jejich odhady ovlivněny zveřejňovanými předvolebními průzkumy voličských preferencí, a určit, zda je některá skupina respondentů ve svých odhadech přesnější než ostatní. • Na základě analýzy rozhodnout, zda je odhadování volebních výsledků respondenty pro predikci volebních výsledků v našem prostředí použitelné, nebo zda bychom se otázce „jak dopadnou volby“ měli vyvarovat.
Metody a prameny Na základě analýzy dat a dokumentů (desk research), konkrétně literatury zabývající se odhady lidí, zpracuji principy konceptu, na kterém je postavena metoda odhadu volebních výsledků respondenty a její dosavadní využití ve světě i u nás. Dále budu pracovat s odbornými publikacemi a sociologickými šetřeními zabývajícími se tématem volebních šetření. Ke srovnání odhadů respondentů s průzkumy volebních preferencí a výsledky voleb použiji data od společností CVVM a STEM/MARK. Co se týče zhodnocení metody, budu – vyjma výše zmíněného – vycházet z vlastních dat sesbíraných v týdnu před volbami na online panelu. Předběžný plán je 1000 respondentů.
Základní literatura k tématu BOON, Martin. Predicting elections: a 'Wisdom of Crowds' approach. International Journal of Market Research. 2012, vol. 54, issue 4, s. 465-483. DOI: 10.2501/IJMR-544-465-483. ix
CVVM. Stranické preference a volební model v září 2013. Tisková zpráva [online]. 24. 09.
2013
[cit.
Dostupné
2013-10-10].
z:
http://cvvm.soc.cas.cz/media/com_form2content/documents/c1/a7064/f3/pv130924.pdf ERIKSON, Robert S. a Christopher WLEZIEN. Markets vs. polls as election predictors: An historical assessment. Electoral Studies. 2012, vol. 31, issue 3, s. 532-539. DOI: 10.1016/j.electstud.2012.04.008. Iowa
Electronic
Markets
[online].
[cit.
Dostupné
2013-10-10].
z:
http://tippie.uiowa.edu/iem/ KREJČÍ, Jindřich. Kvalita výzkumů volebních preferencí. Praha: Sociologický ústav AV ČR, 2004, 262 s. ISBN 80-7330-056-7. LEWIS-BECK, Michael S. a Charles TIEN. Voters as forecasters: a micromodel of election prediction. International Journal of Forecasting. 1999, vol. 15, issue 2, s. 175184. DOI: 10.1016/s0169-2070(98)00063-6. LORENZ, Jan, Heiko RAUHUT, Frank SCHWEITZER a Dirk HELBING. How social influence can undermine the wisdom of crowd effect. PNAS. 2011, roč. 108, č. 22. DOI: 10.1073. Dostupné z: http://www.pnas.org/content/108/22/9020.full.pdf+html MURR, Andreas Erwin. “Wisdom of crowds”? A decentralised election forecasting model that uses citizens’ local expectations. Electoral Studies. 2011, vol. 30, issue 4, s. 771-783.
DOI:
10.1016/j.electstud.2011.07.005.
Dostupné
z:
http://linkinghub.elsevier.com/retrieve/pii/S0261379411000977 NOVÁK, Jan A. Tajemná moudrost davu. Hospodářské noviny. 2010. Dostupné z: http://hn.ihned.cz/c1-43657830-tajemna-moudrost-davu SUROWIECKI, James. The wisdom of crowds: why the many are smarter than the few and how collective wisdom shapes business, economies, societies, and nations. 1st ed. New York: Doubleday, 2004, xxi, 296 p. 100
chytrých
[online].
2010
[cit.
2013-10-10].
http://www.100chytrych.cz/o_projektu#volby
x
O
projektu.
Dostupné
z:
Obsah ÚVOD.......................................................................................................................................................... 2 1
CÍLE A VÝZKUMNÉ OTÁZKY ................................................................................................... 6
2
METODOLOGIE, METODY A DATA ......................................................................................... 8 2.1 2.2 2.3
3
MOŽNÉ ZPŮSOBY PREDIKCE VOLEBNÍCH VÝSLEDKŮ A JEJICH LIMITY .............. 13 3.1
4
STRUKTURA DOTAZNÍKU A JEHO VZNIK .......................................................................................... 8 RESPONDENTI A SBĚR DAT.............................................................................................................. 9 ZPRACOVÁNÍ DOTAZNÍKŮ A ANALÝZA DAT .................................................................................. 12
VOLEBNÍ PREDIKCE A PŘEDVOLEBNÍ PRŮZKUMY.......................................................................... 15
VÝCHODISKA PRÁCE ................................................................................................................ 17 4.1 MOUDROST DAVŮ (WISDOM OF CROWDS) ................................................................................... 17 4.1.1 Inspirace a příklady ........................................................................................................... 18 4.1.2 Podstata Moudrosti davů a principy, za kterých funguje ................................................... 20 4.1.3 Reakce na vydání knihy ...................................................................................................... 23 4.2 PREDIKČNÍ TRHY (PREDICTION MARKETS) ................................................................................... 24
5
VYUŽITÍ ODHADŮ RESPONDENTŮ A PREDIKČNÍCH TRHŮ VE VOLEBNÍ OBLASTI 26 5.1 PREDIKČNÍ TRHY .......................................................................................................................... 26 5.1.1 Historie volebních trhů ...................................................................................................... 26 5.1.2 Iowa Electronic Markets (USA) ......................................................................................... 27 5.2 ODHADY RESPONDENTŮ – PŘÍPADOVÉ STUDIE ............................................................................. 33 5.2.1 UK (2010) .......................................................................................................................... 34 5.2.2 Německo a Rakousko (2005 a 2006) .................................................................................. 42 5.2.3 USA (1956-1996) ............................................................................................................... 45 5.2.4 Švédsko (2006) ................................................................................................................... 46 5.3 EXPERIMENTY V ČR ..................................................................................................................... 46 5.3.1 100 chytrých (2010) ........................................................................................................... 46 5.3.2 Model delphi (2013) ........................................................................................................... 48
6
ANALÝZA ...................................................................................................................................... 52 6.1 6.2 6.3
ODHAD VOLEBNÍCH VÝSLEDKŮ RESPONDENTY A JEHO SROVNÁNÍ S VOLEBNÍMI MODELY ............ 53 PŘESNOST ODHADU V RÁMCI RŮZNÝCH SKUPIN ........................................................................... 58 JAK LIDÉ UTVÁŘÍ SVÁ OČEKÁVÁNÍ ............................................................................................... 64
DISKUZE ................................................................................................................................................. 69 ZÁVĚR ..................................................................................................................................................... 71 SUMMARY .............................................................................................................................................. 74 POUŽITÁ LITERATURA ...................................................................................................................... 76 SEZNAM PŘÍLOH .................................................................................................................................. 84 PŘÍLOHY ................................................................................................................................................. 85
1
Úvod V období před volbami je vždy realizováno nesčetné množství předvolebních průzkumů odrážejících aktuální voličské nálady v dané zemi. Publikovány jsou pak v současnosti zejména dva typy informací: volební (stranické, hovoříme-li o volbách do Poslanecké sněmovny) preference a volební modely. Vzhledem k různému období sběru dat, různé konstrukci volebního modelu atd., se výsledky těchto průzkumů často velmi liší – a to jak mezi sebou, tak od pozdějších skutečných volebních výsledků, které ale tyto průzkumy nemají předpovídat. Ačkoliv dnešní volební modely byly u nás ještě v předcházejícím desetiletí nazývány volebními prognózami [viz např. Lebeda 2003]1, dnes již nalezneme v téměř každé zprávě z předvolebního průzkumu informaci, že volební model nepředstavuje volební prognózu, ale rozložení hlasů voličů v době sběru dat. I současná odborná literatura mezi těmito pojmy jasně rozlišuje, dle Chábové (2013) volební prognóza představuje „předpověď výsledku voleb, zatímco volební model odhaduje výsledek voleb, pokud by se konaly v okamžiku provedení průzkumu“ [Chábová 2013: 25]. Volební prognózu jako takovou pak v současnosti žádná z českých výzkumných agentur nevydává2, ačkoliv jejich volební modely bývají médii nezřídka prezentovány jako předpovědi volebních výsledků. Skutečné předpovídání volebních výsledků je relativně mladou disciplínou. Předpovědi jsou založeny na modelech, které můžeme z toho nejzákladnějšího hlediska rozdělovat do dvou kategorií: mikro a makro. Makromodely vycházejí z velké části z ekonomického a politického vývoje. Mikromodely jsou oproti tomu založeny na konkrétních jednotlivcích. Tradičně pak na jejich volebních preferencích získaných 1
Společnost Factum Invenio (dnes ppm factum) dokonce ještě před několika lety vydávala tzv. volební prognózy, jež definovala úplně stejně, jako dnes definuje volební modely. V případě volebních prognóz se z jejích stránek dozvídáme: „Vzhledem k častému nepochopení a dezinterpretaci preferencí (přímé srovnávání s výsledky voleb) jsou od počátku roku 1999 zveřejňovány jednak stranické preference, jednak prognózy výsledků voleb do Poslanecké sněmovny. Volební prognóza, kterou na základě výsledků výzkumu Factum Invenio zpracovává, je založena na stranických preferencích a na informacích o hlasování v minulých volbách do Poslanecké sněmovny Parlamentu ČR. Zohledňuje také deklarovanou ochotu lidí zúčastnit se voleb a vývojové trendy skutečné volební účasti.“ [Ppm factum 2005 (online)]. Definice volebního modelu je pak až na přidaný dovětek („Ukazuje, jak by volby dopadly, kdyby se konaly v době dotazování.“) zcela shodná [Ppm factum 2013 (online)]. 2 Mezi většinou agentur panuje v dodržování terminologie týkající se volebních preferencí a volebního modelu konsensus. Společnost MÉDEA RESEARCH však místo volebního modelu stále hovoří o volební prognóze [MÉDEA RESEACH 2013 (online)].
2
prostřednictvím zmiňovaných předvolebních průzkumů. Co bylo ještě donedávna zcela opomíjeno a co je také středem zájmu této práce, jsou mikromodely odvozené z volebních očekávání [Lewis-Beck, Tien 1999: 175]. Mikromodely odvozené z očekávání voličů se v zahraničí ukázaly být jako užitečná alternativa k současným přístupům. Volební intence voličů zde nehrají roli, důležité je jejich očekávání ohledně volebních výsledků. Jedna část modelů založených na očekávání jedinců využívá ke svému fungování prostředí trhu, kde jedinci kupují podíly kandidáta, o kterém si myslí, že volby vyhraje nebo sází na konkrétní volební výsledky (podíly hlasů). Mluvíme o tzv. predikčních trzích. Typickým příkladem těchto trhů jsou Iowa Electronic Markets.3 Druhá část modelů založená na prosté agregaci individuálních očekávání využívá výzkumy veřejného mínění, ve kterých respondenti odpovídají na otázku, jak si myslí, že volby dopadnou [Lewis-Beck, Tien 1999: 176]. Tato v zahraničí méně prozkoumaná metoda prozatím nemá ustálený název. Někteří autoři (např. Lewis-Beck, Stegmaier, 2011; Miller et al., 2012; Murr, 2011) používají označení citizen forecasting. Oba přístupy odvozené z očekávání voličů vycházejí z konceptu, který publikoval v roce 2004 ve své knize „The wisdom of crowds: why the many are smarter than the few and how collective wisdom shapes business, economies, societies, and nations“ James Surowiecki. Myšlenka Surowieckiho knihy je taková, že za určitých podmínek, může být kolektivní odhad velké skupiny různorodých lidí lepší než odhady těch nejchytřejších jednotlivců v ní, tj. že statistický souhrn individuálních odhadů může překonat odhady nejpřesnějších jednotlivců. Příklady fungování Wisdom of Crowds (v překladu Moudrost davů) můžeme nalézt ve všech možných oblastech: od trhů, volebních průzkumů, internetových vyhledávačů až po televizní soutěže [Rauhut, Lorenz 2011: 191]. Ačkoliv na tento způsob predikování volebních výsledků byla ve světě – nejen v USA ale i v Evropě – provedena řada výzkumů a napsáno několik desítek studií, v ČR zatím žádná studie dokumentující tento fenomén nevznikla. Tato práce tak může sloužit
3
Iowa Electronic Markets (USA) předpovídá výsledky voleb pomocí vyhodnocování kurzů sázek. Ve svých odhadech je Iowa Electronic Markets dlouhodobě přesnější než předvolební průzkumy výzkumných agentur [Berg, Nelson, Rietz 2008].
3
jako podklad pro navazující výzkum. Nespornou výhodou tohoto přístupu by byla – v případě prokázání jeho účinnosti – menší finanční nákladnost. To zda lidé předpovědět výsledek dokáží, je ale podstatné i z jiného důvodu, než je predikce volebních výsledků. Mnohé výzkumy ukazují, že voliči nevolí vždy toho kandidáta, kterého preferují nejvíce, ale třeba předpokládaného vítěze (bandwagon effect), nebo podpoří nejslabšího kandidáta (underdog effect) či volí takticky (strategic voting) – což je asi nejběžnější z těchto vlivů v naší republice, a proto bude dále řeč pouze o něm [Blais, Bodet 2006: 477]. Je dokázáno, že voliči nevolí pouze na základě svých vlastních preferencí, ale že důležitou roli v jejich rozhodování koho volit hraje také strategie.4 Voliči se rozhodují tak, aby jejich hlas měl smysl a tzv. nepropadl, tj. mnohdy nevolí kandidáta (či stranu), kterého ve skutečnosti preferují nejvíce. Místo toho volí kandidáta (nebo stranu), se kterým se tolik neztotožňují, ale o kterém si myslí, že je silnější a má větší šanci uspět. Jak píše Cox (1997), „racionální voliči nechtějí plýtvat hlasem pro kandidáty, kteří nemají šanci ve volbách uspět, raději podpoří jiného kandidáta, který podle nich šanci uspět má“ [Cox 1997: 30]. Jejich rozhodování je tak do jisté míry ovlivněno očekáváními, která mají ohledně výsledků voleb [Blais, Gidengil, Fournier, Nevitte, Hicks 2008: 337]. To, zda jsou tato očekávání racionální, je základním předpokladem strategického hlasování, jehož důsledkem je odliv hlasů od objektivně slabších kandidátů k těm silnějším [Blais, Turgeon 2004: 455-456]. Ve všech zmíněných případech (bandwagon/underdog effect, strategic voting) voliči kromě svých preferencí berou při rozhodování v úvahu také očekávání ohledně šancí volených kandidátů – toto očekávání tak ovlivňuje jejich finální rozhodnutí a tedy i výsledek voleb [Blais, Bodet 2006: 477]. To, jaký výsledek voliči očekávají je tedy velmi důležité, protože ovlivňuje samotnou volbu. A proto je nasnadě se zabývat tím, jak lidé tato očekávání utváří a jak jsou přesná. Nabízí se také otázka, jak nejlépe tato očekávání měřit. Ve své diplomové práci se budu věnovat odhadování volebních výsledků respondenty, možnostem využití této otázky ve výzkumu veřejného mínění (nejen pro predikci výsledků voleb) a jejím limitům. Je tato netradiční „metoda“ schopná obstát v konkurenci s předvolebními průzkumy agentur? Může být alternativou ke zjišťování volebních preferencí? Nebo jen odráží publikované výsledky dříve zveřejněných 4
Viz například Cox (1997); Meffert, Huber, Gschwend, Pappi (2011).
4
volebních preferencí výzkumných agentur? Můžeme na jejím základě odhadovat výsledek voleb nebo jsou její výsledky realitě vzdáleny? Na základě analýzy dat a dokumentů zpracuji principy konceptu, na kterém je postaveno odhadování volebních výsledků respondenty a jeho dosavadní využití pro volební předpověď ve světě i u nás. Součástí práce je i analýza dat poskytnutých od společnosti STEM/MARK, která v roce 2013 odhad volebních výsledků respondenty zjišťovala. Pro zodpovězení výzkumných otázek (viz kap. 1) provedu analýzu vlastních dat získaných dotazníkovým šetřením v týdnu před volbami do Poslanecké sněmovny Parlamentu České republiky v roce 2013. Práce je rozdělena do několika hlavních částí. V následující kapitole jsou popsány cíle práce a výzkumné otázky. Ve druhé kapitole jsou uvedeny metody užité k zodpovězení výzkumných otázek a popis průběhu vlastního sběru a analýzy dat. Třetí kapitola je věnována možným způsobům predikce volebních výsledků a také předvolebním průzkumům a jejich ambici předpovídat výsledky voleb. Další část patří ukotvení práce a vysvětlení základních pojmů. Pátá kapitola je zaměřena na praktické příklady využití predikcí založených na volebních očekáváních jednotlivců ve světě i u nás. Šestá kapitola je věnována vlastnímu kvantitativnímu výzkumu a seznamuje čtenáře s jeho výsledky.
5
1 Cíle a výzkumné otázky Hlavním cílem mé diplomové práce je kriticky zhodnotit odhadování volebních výsledků respondenty. Zjistit, jak lidé tato očekávání utváří a jak jsou přesná. Tyto hlavní cíle jsou pro realizaci rozděleny do několika dílčích operativních podcílů: • Představit a porovnat koncepty, ze kterých agentury při užívání odhadování volebních výsledků respondenty vychází. • Zmapovat dosavadní využití přístupů postavených na principech těchto konceptů v oblastech týkajících se voleb u nás i v zahraničí. Srovnání výsledků těchto šetření se standardními metodami zjišťování volebních preferencí a výsledky voleb. • Porovnat výsledky předvolebních průzkumů k volbám do Poslanecké sněmovny PČR 2013 s odhady volebních výsledků respondenty. Následně srovnat odhady i předvolební průzkumy s výsledky voleb. • Pomocí analýzy vlastních dat (kvantitativní dotazníkové šetření) určit, na základě čeho se lidé při svém odhadu rozhodují (tj. jak svá očekávání utváří), zda a do jaké míry jsou jejich odhady ovlivňovány zveřejňovanými předvolebními průzkumy voličských preferencí, a určit, zda je některá skupina respondentů ve svých odhadech přesnější než ostatní. • Na základě analýzy rozhodnout, zda je odhadování volebních výsledků respondenty pro predikci volebních výsledků v našem prostředí při daném druhu voleb použitelné, nebo zda bychom se otázce „jak dopadnou volby“ měli vyvarovat. Dosažení výše zmíněných cílů diplomové práce by mělo přinést odpovědi na následující výzkumné otázky: • Dokáže skupina lidí předpovědět výsledek voleb? (pořadí volených stran, podíly hlasů) • Jsou tyto předpovědi lepší než výsledky předvolebních průzkumů? Mohou být odhady respondentů alternativou k předvolebním průzkumům? • Jsou některé skupiny lidí ve svých odhadech lepší než jiné?
6
• Jak lidé utváří svá očekávání ohledně volebních výsledků? Co tato očekávání ovlivňuje? Berou při svém rozhodování v úvahu výsledky zveřejňovaných předvolebních průzkumů? Hypotézy vychází ze studia literatury a poznatků z již proběhlých případových studií týkajících se odhadování volebních výsledků účastníky predikčních trhů či respondentů výzkumů a jsou uvedeny na začátku kap. 6.
7
2 Metodologie, metody a data Na základě analýzy dat a dokumentů (desk research), konkrétně literatury zabývající se odhady lidí, zpracuji principy konceptu, na kterém je postavena metoda odhadu volebních výsledků respondenty a její dosavadní využití ve světě i u nás. Dále budu pracovat s odbornými publikacemi a sociologickými šetřeními zabývajícími se tématem volebních prognóz a průzkumů. Ke srovnání odhadů respondentů s průzkumy volebních preferencí a výsledky voleb využiji kromě svých dat také data od společnosti STEM/MARK. Souhlas s poskytnutím dat uvádím – společně se zněním jejich podmínek – v příloze č. 1. Co se týče zhodnocení metody, budu vyjma výše zmíněného vycházet zejména z vlastního kvantitativního výzkumu – souhlas s jeho provedením je uveden v příloze č. 2. Výzkum jsem uskutečnila prostřednictvím dotazníku. Data byla sbírána v týdnu před volbami na online panelu společnosti Perfect Crowd5, která se již nějakou dobu o odhad volebních výsledků respondenty také zajímala. Podařilo se mi sebrat data od více než tisícovky respondentů, kteří po provedeném vážení tvoří reprezentativní vzorek populace z hlediska základních sociodemografických ukazatelů (pohlaví, věk, vzdělání, kraj, velikost obce). Detaily o realizaci vlastního výzkumu uvádím v následujících podkapitolách.
2.1 Struktura dotazníku a jeho vznik Data od společnosti STEM/MARK a Perfect Crowd jsem měla k dispozici ještě před spuštěním svého výzkumu, a tak mi byla cenným zdrojem informací pro tvorbu vlastního dotazníku. Jelikož jsem svá data sbírala na online panelu respondentů společnosti Perfect Crowd, jejichž předchozích sběrů jsem se aktivně zúčastnila, posloužila mi tato předchozí šetření jako předvýzkum mého vlastního. I tak vytvoření vlastní konečné verze dotazníku předcházelo několik zkušebních verzí. Finální verze dotazníku byla následně podrobena pilotáži6 na dvou desítkách7 respondentů. U 5
Perfect Crowd je členem European Society for Opinion and Marketing Research (ESOMAR) a dodržuje standardy této asociace. 6 Pojem pilotáž v této práci označuje testování výzkumného nástroje – dotazníku. Někdy bývá užíváno pojmu pretest. Používání těchto pojmů v literatuře není mezinárodně sjednoceno. Někdy však pilotáž =
8
testování jsem byla osobně přítomna, a mohla tak přímo pozorovat reakce respondentů. Důležitá pro mě byla zejména jasnost a pochopitelnost instrukcí, protože u online dotazování není přítomen tazatel, který by mohl nejasnosti respondentovi vysvětlit [Leeuw, Hox 2008: 239]. Dotazník se skládá ze čtyř základních tematických okruhů sdružujících otázky na: odhad volebních výsledků, formování těchto odhadů, zájem o politiku a předvolební průzkumy, vlastní volební preference. Přesné znění dotazníku uvádím v příloze č. 3.
2.2 Respondenti a sběr dat Sběr dat proběhl v týdnu před volbami – spuštěn byl 20. 10. 2013, ukončen pak těsně před začátkem voleb 25. 10. v 14:00. Za vyplnění dotazníku respondenti nedostali klasickou předem stanovenou fixní finanční odměnu či body, jak je u dotazníků v online panelu zvykem, ale byli motivováni odměnou v případě správného (přesněji řečeno nejpřesnějšího) odhadu skutečného výsledku voleb. Konkrétně byla pěti nejpřesnějším respondentům přislíbena a posléze vyplacena odměna 1000 Kč. Takto stanovena byla odměna hned z několika důvodů. Za prvé, dle provedených studií (viz kap. 5), je lepší, když jsou lidé na správnosti výsledků zainteresováni. Díky absenci fixní odměny a nastavení odměny v případě správného tipu se snížila pravděpodobnost, že respondenti dotazník vyplní, aniž by se na otázky soustředili nebo aniž by své odpovědi mysleli vážně. U online výzkumu je toto obzvlášť důležité kvůli existenci tzv. profesionálních respondentů. Sekundárním, ale neméně důležitým důvodem byla finanční stránka projektu – odměna respondentům ve výši 5 tisíc korun je mnohonásobně nižší, než by byla v případě, kdyby se odměna za vyplnění dotazníku vyplácela všem. Při takto dlouhém dotazníku by činila odměna jednomu respondentovi přibližně 20 až 30 korun, sběr dat pro moji diplomovou práci by se tak mohl vyšplhat až k 30 tisícům – uvažujeme-li jako dostatečně velký vzorek čítající okolo 1000 respondentů. Sběr dat probíhal prostřednictvím internetu. Online výzkum nabyl v posledním desetiletí v důsledku vývoje technologie – zejména pak rozšíření internetu – na významu a v současné době zaujímá přední pozici ve způsobu sběru kvantitativních dat „generálka“ celého výzkumu [Campanelli 2008: 178]. U nás (viz např. Jeřábek 1992) je zkouška celého výzkumu nazývána jako předvýzkum [Jeřábek 1992: 54-55]. 7 V literatuře se doporučovaná velikost souboru pro testování dotazníku liší. Nejnovější studie doporučují 15-35 respondentů [Campanelli 2008: 179].
9
[Poynter 2010: xiv]. Stejně jako jakýkoliv jiný mód sběru dat i online dotazování má své výhody a nevýhody, silné a slabé stránky [Toepoel 2008: 6; Best, Harrison 2009: 413]. Zmíním jen ty, které přímo souvisí s mou prací, a tedy důvody, proč jsem nakonec tento typ sběru dat zvolila. Jednou z hlavních výhod výzkumu prováděného online je rychlost sběru dat: dotazník může najednou vyplňovat velké množství respondentů, nejsme při něm omezeni počtem operátorů CATI studia či počtem tazatelů. Dále odpadá pořizování dat, jelikož data jsou rovnou zapisována v elektronické podobě. Zatímco u face-to-face či telefonních rozhovorů trvá sběr dat obecné populace i více než týden, v online výzkumu není problém získat 1000 respondentů v řádu několika dní. Vzhledem k tomu, že provedení výzkumu bylo časově omezeno termínem voleb, byl sběr online jediná možnost. Neméně důležitou výhodou online výzkumů je jejich cena. Podle ESOMAR Global Prices Study z roku 2007 je online dotazování o cca 40 % levnější než telefonické dotazování, které je zhruba o 40 % levnější než face-to-face dotazování [Poynter 2010: xv]. Po finanční stránce byl tedy pro mou práci online výzkum opět jasná volba. Dále, pokud je online výzkum prováděn na panelu respondentů, tak jako v mém případě, je výhodou také fakt, že v dotazníku nemusí být pokládány některé otázky (např. demografické proměnné), protože tyto informace o respondentovi již zpravidla máme k dispozici [Evans, Mathur 2005: 200-201]. Dotazník je pak o tyto otázky kratší, což ocení zejména respondenti. V mém případě, kdy respondenti nebyli za dotazník paušálně odměňováni, bylo nasnadě, aby byl dotazník co nejkratší, jednak kvůli případným stížnostem dotazovaných, jednak z etického hlediska, kdy není vhodné sbírat jiné než nezbytně nutné informace [Poynter 2010: 63]. Co se týká kvality dat, asi nejdiskutovanějším problémem online výzkumů je jejich reprezentativita.8 Couper (2000) tvrdí, že „největší hrozbu pro reprezentativitu výzkumů prováděných přes internet představuje chyba pokrytí“ [Couper 2000: 467]. Pokrytí představuje problém ve chvíli, kdy je online výzkum zaměřen na obecnou populaci [Leeuw, Hox 2008: 250; Manfreda, Vehovar 2008: 269]. O tom, že internetová populace se od obecné v mnoha atributech liší, toho bylo napsáno hodně [Toepoel 2008: 6]. Ne všichni lidé mají přístup k internetu a jeho rozšíření se země od země liší [Leeuw 8
Ještě nedávno uživatelé internetu skutečně nebyli reprezentativní částí obecné populace nikde na světě. V mnoha zemích už ale toto neplatí [Evans, Mathur 2005: 201]. Přístup k internetu roste po celém světě, čímž se chyba pokrytí zmenšuje – tento pokles bude pravděpodobně pokračovat i nadále [Leeuw, Hox 2008: 250]. Rozdíl v pokrytí obecné populace mezi online a tradičními způsoby sběru dat se rychle zmenšuje a Fricker a Schonlau (2002) se dokonce domnívají, že se v blízké době stane nepodstatným [Fricker, Schonlau 2002: 357].
10
2008: 126; Leeuw, Hox 2008: 250]. „Lidé, kteří nemají přístup k internetu, bývají většinou starší, mají nižší příjmy, a bývají více znevýhodněni, pokud jde o bydlení, zaměstnání a možnosti vzdělávání se.“ [Poynter 2010: 90]. I v případech, kdy sociodemografické charakteristiky (jako např. věk, pohlaví, příjem a vzdělání) uživatelů internetu odpovídají cílové populaci, je zobecňování na obecnou populaci stále obtížné, protože se uživatelé internetu mohou lišit od neuživatelů i v jiných charakteristikách, např. v činnostech souvisejících s životním stylem [Lohr 2008: 102; Manfreda, Vehovar 2008: 269]. Při interpretaci závěrů proto musíme toto zohlednit. Problém vyvstává zejména v těch případech, kdy povaha předmětu zkoumání přímo souvisí s internetem jako médiem, nelze např. skrze online výzkum zkoumat, jak často lidé používají internet – rozdíl mez online a offline populací je zřejmý [Poynter 2010: 12, 74]. Nyní se dostávám k samotnému výběru respondentů. Jednou z metod – a zároveň tou nejčastěji používanou – jak kontaktovat respondenty online, jsou online panely [Leeuw, Hox 2008: 251; Manfreda, Vehovar 2008: 266; Poynter 2010: 7], populární zejména v aplikovaném výzkumu a průzkumu trhu [Leeuw 2008: 126]. Online panely (také označovány jako online přístupové panely, přístupové panely nebo jen panely)9 jsou tvořeny skupinou potenciálních respondentů, lidí, kteří souhlasili, že se budou opakovaně účastnit výzkumů [Göritz 2004: 327; Leeuw 2008: 126; Nancarrow, Cartwright 2007: 573; Poynter 2010: 66]. V případě, že je cílem zobecnit výsledky online výzkumu na obecnou populaci, je obvykle použit kvótní výběr nebo vážení, aby rozložení známých charakteristik obecné populace (jako např. pohlaví, vzdělání, věk) zůstalo zachováno. Kvótní výběr je pak pro výběr jednotek z panelu používán nejčastěji. Spočívá
v předem
nastaveném
zastoupení
možností
několika
–
většinou
demografických – proměnných (např. pohlaví, vzdělání, věk) tak, aby jejich rozložení odpovídalo v cílové populaci [Poynter 2010: 73-74; Manfreda, Vehovar 2008: 269270]. Jelikož však v mém výzkumu nebyla odměna vyplácena každému respondentovi (tj. nevadilo, pokud bylo respondentů více), kvóty jsem dopředu nenastavovala s tím, že posléze použiju vážení. Základní sociodemografické informace o výzkumném souboru uvádím v příloze č. 4.
9
V této práci budu stejně jako do tohoto okamžiku pracovat s označením online panely, neboť je v ČR používáno nejčastěji.
11
2.3 Zpracování dotazníků a analýza dat Z hlediska etiky výzkumu je důležitým faktorem zabezpečení dat respondentů a jejich soukromých údajů tak, aby se nedostaly k neoprávněným osobám, a důvěrnost poskytnutých dat [ESOMAR GUIDELINE… 2011: 3-4; Evans, Mathur 2005: 202; Manfreda, Vehovar 2008: 274-275; Poynter 2010: xvi], proto jsem ihned po ukončení sběru dat smazala z datového souboru osobní údaje (jako např. emaily) a další podstatné skutečnosti, které by mohly nějakým způsobem identifikovat respondenty, jsem přiměřeným způsobem anonymizovala. Úplnou anonymitu jsem respondentům zajistit nemohla, neboť jsem potřebovala mít nějaké spojení mezi daty a respondenty, abych mohla pěti nejpřesnějším vyplatit odměnu. Poté jsem přistoupila k analýze. Prvním krokem analýzy je klasické čištění, editování a kódování otevřených otázek [Poynter 2010: 96]. Z dat jsem odstranila dva respondenty, kteří nebrali výzkum vážně: odpovídali nekonzistentně, do otevřených otázek psali hlouposti atd. Následně jsem mohla začít data analyzovat. Konečný počet respondentů vstupujících do analýzy je 1017. Výsledky analýzy předkládám v kapitole 6.
12
3 Možné způsoby predikce volebních výsledků a jejich limity Ve vyspělých demokraciích – speciálně pak v USA, Francii a UK – je předpovídání volebních výsledků v módě [Lewis-Beck, Stegmaier 2011: 264]. Jak lze předpovídat volební výsledky? Dle Berga, Nelsona a Rietze (2008) šesti různými způsoby: ničím nepodloženými předpověďmi, předvolebními průzkumy, predikčními trhy, strukturními modely, modely časových řad, a méně formálními metodami jako focus group, rozhovory se zasvěcenými stranami nebo expertními panely. Modely by mohly být přesné, pokud bychom měli relativně neměnné podmínky a prostředí, čehož je však v politické oblasti poměrně obtížné dosáhnout. Předvolební průzkumy měří aktuální rozložení politických sil, tj. preference voličů v době sběru dat. Průzkumy by mohly předpovídat volební výsledky, pouze pokud bychom měli dostatečně neměnné prostředí. Avšak prostředí se často mění velmi rychle, a to i díky politickým kampaním, jejichž primárním účelem je ovlivnit volbu voličů, a které často reagují právě na výsledky průzkumů, a tak v zásadě tyto predikce narušují [Berg, Nelson, Rietz 2003: 4-5; Berg, Nelson, Rietz 2008: 285-286]. Spíše než predikcemi jsou tak předvolební průzkumy odrazem aktuálního mínění voličů [Graefe, Armstrong, Jones, Cuzán 2014: 47]. Názory expertů může být zase obtížné agregovat přijatelným způsobem. Metoda Delphi10 je sice konstruována tak, že tyto problémy řeší, ale nebyla dosud11 na tuto problematiku aplikována – nebo alespoň neexistuje literatura, která by o jejím využití ve volební oblasti pojednávala, a tak není možné zhodnotit její účinnost. Nevýhodou expertních výzkumů, metody Delphi, stejně jako předvolebních průzkumů, je finanční nákladnost. Ze jmenovaných způsobů se v této práci budu detailněji věnovat predikčním trhům, jejichž schopnost předpovídat výsledky voleb již byla několikrát prokázána, a které se od zbylých metod liší právě velmi nízkou finanční nákladností. Predikční trhy jsou zkonstruovány přímo za účelem předpovídání událostí na základě tržních cen, které jsou
10
Metoda Delphi je z definice více kolový výzkum, ve kterém účastníci anonymně a na dálku (jednotliví účastníci by spolu neměli vůbec přijít do styku) opakovaně sdělují své odhady či řešení problému. Po každém kole, jsou všechny individuální odhady a komentáře shrnuty (např. v průměr, medián, či jiný statistický ukazatel skupiny a slovní komentáře k jednotlivým úkolům) a poskytnuty účastníkům vč. vlastního odhadu jako feedback. V dalším kole činí účastníci odhad nový – zohledňují přitom poskytnuté informace. Konečným výsledkem metody je skupinový odhad či řešení, agregovaný z individuálních odhadů z posledního kola. Hlavními rysy metody jsou: anonymita účastníků, iterace, kontrolovaný feedback a statistická agregace individuálních odhadů. Za silnou stránku této metody je považován strukturovaný proces komunikace, který umožňuje diskuzi a zároveň pomáhá skupině dosáhnout shody, a navíc eliminuje nevýhody spojené s přímými interakcemi [Graefe, Armstrong 2011: 185, 188]. 11 Tvrzení je převzato z literatury z roku 2008. Já sama jsem žádnou odbornou studii nenašla.
13
tvořeny agregováním informací od účastníků trhu. První a zároveň nejdéle existující soustava predikčních trhů vznikla v roce 1988 v Iowě právě za účelem predikce volebních výsledků a bude jí věnována část této práce [Berg, Nelson, Rietz 2003: 5; Berg, Nelson, Rietz 2008: 286]. Jedná se o „online trhy, na kterých obchodníci kupují a prodávají kontrakty, jejichž cena představuje odhad trhu o budoucím volebním výsledku“ [Jones 2008: 312]. Predikční trhy jsou oproti průzkumům založeny na úplně jiném mechanismu sběru a zpracování dat. V předvolebních průzkumech je respondentům pokládána otázka přibližně v tomto znění: „Kdyby se volby konaly tento týden, koho byste volil/a?“ nebo „V příštím týdnu se konají volby do Poslanecké sněmovny, kterou stranu budete volit?“ a jejich výsledek hodně závisí na reprezentativitě vzorku populace voličů a pravdivosti odpovědí. Publikovány jsou pak zejména dva typy výsledků: stranické preference a volební modely. „Stranické preference vypovídají o sympatiích k politickým stranám v souboru všech občanů s volebním oprávněním, tj. i těch, kteří k volbám nepůjdou nebo nevědí, koho by volili. Volební model naznačuje předpokládané výsledky voleb (…) v období konání výzkumu. Volební model vychází ze stranických preferencí, ale zahrnuje pouze dotázané, kteří se voleb chtějí zúčastnit a kteří uvedli nějakou stranu – v zásadě jde tedy o preference bez nerozhodnutých a nevoličů“ [Kunštát 2013]. V trzích zaměřených na volby je „pokládána“ otázka formulovaná např. v tomto znění: „Kdo volby vyhraje?“ a v případě správné odpovědi obdrží sázející předem určenou finanční odměnu. Účastníci trhů netvoří reprezentativní vzorek, ani se o něj neusiluje – není ani nutné, aby měl účastník volební právo. Např. typický účastník politických trhů na Iowa Electronic Markets (dále také IEM) je mladý dobře vzdělaný muž s vysokými příjmy [Berg, Forsythe, Nelson, Rietz 2008: 742]. Ze všech zmíněných přístupů bývají nejčastěji používány strukturní modely, předvolební průzkumy volebních preferencí a predikční trhy [Lewis-Beck, Stegmaier 2011: 264]. Ve výčtu možných způsobů predikce na začátku kapitoly však chyběla z hlediska mé práce ta nejdůležitější metoda. V této práci se kromě predikčních trhů, které zde spíše doplňují přehled predikcí založených na volebních očekáváních, budu zabývat i prozatím méně často užívanou a prozkoumanou metodou, v zahraniční literatuře označovanou např. jako „citizen forecasting“, založenou na předpovědích respondentů učiněných a agregovaných mimo trh – kdy se ptáme občanů, kdo podle
14
nich vyhraje volby v netržním prostředí – nejčastěji přímo v předvolebních průzkumech. Tyto dvě oblasti jsem se snažila v práci oddělit, neboť je mezi nimi z metodologického hlediska patrný rozdíl – do procesu nevstupují tržní mechanismy – ačkoliv někteří autoři mezi nimi příliš nerozlišují, neboť základní princip (lidí se ptáme, kdo pravděpodobně volby vyhraje či kolik procent hlasů dostanou jednotliví kandidáti) zůstává stejný. Námitkou proti tomuto přístupu může být to, že lidé nemohou vědět, jak volby dopadnou, a proto budou jejich odpovědi náhodné. Tato hypotéza však byla minimálně v USA, UK a několika dalších zemích, kde již byl tento koncept testován, zamítnuta [c. d.: 264-265].
3.1 Volební predikce a předvolební průzkumy V práci budu srovnávat agregované předpovědi respondentů nejen s výsledky voleb ale i předvolebními průzkumy. Průzkumy jsou jakousi přirozenou alternativou k těmto předpovědím. V mnoha zemích po celém světě jejich výkonnost (srovnáváme-li je s výsledky voleb) v průběhu posledních 20 let klesla z vynikající na katastrofální [Boon 2012: 465].12 I když se však zdá srovnání s předvolebními průzkumy logické, stanovisko agentur je takové, že výsledky průzkumů by měly být interpretovány jako informace, jak by volby dopadly, kdyby byly v daný den, nikoliv jako předpovědi volebních výsledků v budoucích volbách. Např. v USA byly předvolební průzkumy za predikce považovány – nebo se alespoň nikdo tomuto označení nějakou dobu nevyhýbal – až do neúspěchu ve volbách v roce 1948, kdy začaly agentury provádějící předvolební průzkumy tvrdit, že průzkumy nejsou předpovědi, a že je proto nelze s volebními výsledky srovnávat. Jak ale řekl Irving Crespi, držení se tohoto argumentu, dělá průzkumy, i ty provedené v předvečer voleb, zcela bezcennými [Forsythe, Nelson, Neumann, Wright 1992: 1148-1149]. Někteří autoři proto tvrdí, že by za predikce měly být považovány přinejmenším průzkumy provedené těsně před volbami. Jak píše Boon: volby jsou zřídkakdy „zítra“, aby mohla být kvalita předvolebních průzkumů ověřena. Pouze v té chvíli, kdy se volby konají následující den, se předvolební průzkumy mění v napjatě očekávané predikční průzkumy, jejichž přesnost je pro reputaci agentur i průzkumů obecně velmi důležitá [Boon 2012: 467].
12
Je však možno používat kombinování (přesněji řečeno zprůměrování) předvolebních průzkumů ze stejného období, což nepřesnost výsledků snižuje [Jones 2008: 311].
15
I v ČR agentury odmítají, aby byly výstupy z jejich předvolebních průzkumů považovány za predikce. Ve výstupu CVVM k říjnovým volbám 2013 je např. výslovně napsáno: „stranické preference představují aktuální rozložení sympatií k politickým stranám v celé společnosti a nelze je zaměňovat s předpovědí reálného volebního chování, resp. volební prognózou. (…) Volební model vychází z aktuálních stranických preferencí a naznačuje reálné rozvržení voličských hlasů v době sběru dat, nejedná se tedy o prognózu výsledků voleb.“ [CVVM 2013 (online)]. Ačkoliv agentury provádějící předvolební průzkumy jsou proti tomu, aby byly předvolební průzkumy brány jako předpovědi, média a veřejnost tyto průzkumy za určitý druh předpovědi z velké části považují [Berg, Nelson, Rietz 2003: 11-12]. Vzhledem k tomuto populárnímu výkladu předvolebních průzkumů je přirozené srovnávat předpovědi činěné za pomocí odhadů respondentů nebo predikční trhy s předvolebními průzkumy. Jejich porovnání s výsledky předvolebních průzkumů je užitečné nejen ke zjištění toho, jak dobré předpovědi tyto metody podávají, ale i toho jaké informace nám předvolební průzkumy vlastně dávají.
16
4 Východiska práce Obsahem této kapitoly je přehled a kritické zhodnocení existující literatury týkající se zkoumané oblasti. Na téma odhadování volebních výsledků respondenty byla provedena řada případových studií a výzkumů. Tyto výzkumy se z velké většiny opírají o myšlenku, kterou ve své knize „The Wisdom of Crowds“ sepsal James Surowiecki, případně se odvolávají na fungování a úspěšnost volebních predikčních trhů, které sám Surowiecki v knize uvádí jako jeden z příkladů aplikace Moudrosti davů v praxi. V této kapitole proto nejprve představím Surowieckiho knihu a myšlenku, na které je založena a následně predikční trhy a principy na kterých fungují. Konkrétním praktickým příkladům využití těchto přístupů pro předpovídání volebních výsledků se budu věnovat v kapitole 5.
4.1 Moudrost davů (Wisdom of Crowds) Podstatou „Wisdom of Crowds“ je přesvědčení, že za určitých podmínek může být odhad skupiny lidí (davu) stejně dobrý nebo dokonce lepší než úsudek jejího nejchytřejšího člena. Četné studie v mnoha různých oblastech tento efekt potvrzují. Jejich přehled podává ve své knize „The wisdom of crowds: why the many are smarter than the few and how collective wisdom shapes business, economies, societies, and nations“ James Surowiecki. Hned na začátku knihy Surowiecki rozlišuje tři druhy problémů, kterým musí skupiny lidí čelit a které by mohla kolektivní inteligence pomoci vyřešit: kognitivní problémy, problémy koordinace a kooperační problémy. Kolektivní inteligence se projevuje různě v závislosti na druhu problému. Kolektivní řešení kognitivních problémů se zásadně liší od řešení problémů koordinace a kooperace [Surowiecki 2005: 270], a proto jsou v této práci zmiňovány téměř výlučně problémy kognitivní, do nichž téma této práce spadá. Kognitivní problémy „jsou problémy, které mají nebo budou mít definitivní řešení“ [c. d.: XVII], jako např. odpověď na otázku „Kdo vyhraje volby?“.
17
4.1.1 Inspirace a příklady K představení a vyzdvihnutí své myšlenky Surowiecki v úvodu své knihy uvádí příklad anglického vědce Francise Galtona (proslulého zejména díky své práci v oblasti statistiky a eugeniky) z přelomu 19. a 20. století. Autor vypráví13, jak Galton navštívil trh, kde se zrovna konala soutěž v odhadování hmotnosti. Za 6 pencí si mohl každý z návštěvníků trhu koupit orazítkovaný lístek, na který pak mohl napsat svůj odhad váhy vystaveného vola. Těm, jejichž odhady budou skutečné váze nejblíže, byly přislíbeny ceny. Celkem 800 různých lidí – od „expertů“ (řezníků a farmářů) na posuzování váhy zvířat přes obyčejné návštěvníky trhu, kteří neměli o skotu žádné znalosti – se zúčastnilo a zkusilo tak své štěstí. Po ukončení soutěže si Galton vzal od organizátorů lístky14 a provedl sérii statistických testů. Mimo jiné vypočítal průměrný odhad tipujících: číslo reprezentující moudrost přítomného davu tj. kolik by vůl vážil v případě, že by byl dav jediná osoba. Galton si myslel, že průměrný odhad bude zcestný a chtěl to dokázat. Koneckonců drtivá většina odhadců byla „hloupá“ – nebyla pro odhadování hmotnosti vola nijak vybavena, a proto bylo více než pravděpodobné, že výsledný odhad bude špatný. Výsledky byl proto Galton velmi překvapen. Aritmetický průměr odhadů návštěvníků trhu byl nejen velmi blízko skutečné hmotnosti vola15, ale byl také přesnější než odhad jakéhokoliv z přítomných odborníků (znalců dobytka) [Poynter 2010: 327, Surowiecki 2005: XII-XIII].
13
Resp. převypravuje, o návštěvě trhu napsal sám Galton poprvé v roce 1907 v článku Vox Populi. Zde popisuje celou událost a předkládá výsledky některých statistických testů. Především stanovuje tzv. „middlemost estimate“, který podle něj vyjadřuje vox populi (každý jiný odhad byl moc nízký nebo moc vysoký pro většinu soutěžících). Tuto veličinu v dnešní době nazýváme medián. Až v dalším textu vydaném tentýž měsíc - The Ballot Box - se věnuje průměru získaných odhadů. Později se k události na trhu ještě několikrát vrací a diskutuje ji v několika různých spisech včetně svých pamětí. 14 Do testování zařadil celkem 787 lístků – dohromady 13 jich totiž bylo poškozených nebo nečitelných [Galton 1907a: 450]. 15 Průměrný odhad váhy se od skutečné hmotnosti vola lišil jen o jednu libru. Dav odhadoval 1197 oproti skutečné váze 1198 liber – jinými slovy úsudek davu byl v podstatě dokonalý [Surowiecki 2005: XIII].
18
Obrázek 1: Zjištění F. Galtona
Zdroj: Autorka dle Kearon 2009: 4
V knize ale Surowiecki uvádí i celou řadu dalších příkladů a snaží se o jejich zobecnění. Také popisuje řadu experimentů, které byly provedeny sociology a psychology (především na studentech) např. odhad teploty v místnosti, odhad hmotnosti předmětů, odhad počtu fazolek v nádobě, nalezení cesty ven z bludiště, v nichž byl vždy skupinový odhad velmi blízko skutečné hodnotě a pouze několik tipujících nebo žádný skupinu překonali a měli odhad lepší.16 Opakováním experimentů na těch samých probandech bylo ale zjištěno, že tito „úspěšnější“ jednotlivci nejsou vždy stejní, tj. nebylo zjištěno, že by byli určití lidé pravidelně lepší než skupina, a proto, pokud chceme dostat dobré výsledky, je podle Surowieckiho vždy lepší požádat o odhad skupinu. Společné těmto experimentům bylo dále to, že jejich účastníci spolu většinou nespolupracovali, rozhodovali se individuálně a jejich odhady byly následně agregovány a zprůměrovány, stejně jako v případě F. Galtona [Surowiecki 2005: XX-7]. Jak ale kolektivní inteligence funguje v případě, kdy je odpověď na otázku podle všeho nepoznatelná (žádná zatím neexistuje), protože odhadovaná skutečnost ještě nenastala, jako je tomu např. v případě volebního výsledku? Surowiecki to vysvětluje na příkladu sázkových společností. Bookmaker se snaží nastavit výchozí kurz tak, aby účastníci sázeli rovnoměrně (zhruba stejné množství peněz) oběma směry, a zajistil tak společnosti jistý profit. Jakmile jsou sázky spuštěny, přestává být kurz v moci bookmakera a začíná se přesouvat v závislosti na jednání sázejících, tak aby byla zajištěna rovnováha – stejně jako ceny akcií stoupají nebo klesají podle poptávky investorů. Konečný kurz pak vlastně reprezentuje kolektivní úsudek sázejících o tom,
16
V případě nalezení cesty ven z bludiště se nejednalo o odhad ale řešení, a to bylo v případě skupiny nejlepší možné a lepší než řešení kteréhokoliv z probandů [Surowiecki 2005: 6-7].
19
jaký bude výsledek události. Jelikož sportovní sázkařské trhy jsou hotovou laboratoří pro studium předpovědí a jejich výsledků, řada vědců je již roky pozorně studuje, aby zjistili, jak jsou ve skutečnosti úspěšné. Výsledky jejich studií se shodují: obecně platí, že ve většině významných sportů je odhad sázejících poměrně přesný. V některých případech, jako např. v dostizích (kde mají všichni sázející, kteří sází na určitého koně stejný kurz; konečný kurz – rozhodnutí sázejících – je určen váženým průměrem všech sázek), jsou úsudky davu obzvláště dobré a konečné kurzy spolehlivě předpovídají pořadí závodníků a pravděpodobnost výhry. Kolektiv tipujících se tedy i v těchto případech ukazuje být velmi úspěšný. Jeho úsudek selhává pouze příležitostně a je nejspolehlivějším existujícím nástrojem na prognózu výsledků [c. d.: 11-14, 290]. Pokud jsme díky sázení na sportovní události schopni předvídat jejich výsledky, nabízí se otázka, zda by nebylo stejně dobré v předvídání i sázení skupiny na jiné druhy událostí. Proč bychom se měli omezovat na předpovídání sportovních výsledků, pokud bychom mohli přesně předpovídat např. volební výsledky? Samozřejmě, již existuje zavedený způsob, jak „předvídat“ volební výsledky – volební průzkumy. A výsledky těchto šetření jsou relativně přesné. Může jim něco jako sázkový trh, kde se lidé spoléhají na mnoho různých druhů informací včetně výsledků těchto průzkumů, konkurovat? Může být alespoň konkurenceschopnou alternativou k již zavedeným tradičním volebním průzkumům? Snaha odpovědět na tuto otázku stála v roce 1988 za vznikem Iowa Electronic Markets – projektu Univerzity v Iowě – přesněji řečeno jeho části Iowa Political Markets [Berg, Forsythe, Nelson, Rietz 2008: 742; Surowiecki 2005: 17]. Tomuto projektu se podrobněji věnuji v kapitole věnované volebním predikčním trhům (kap. 5.1.2). 4.1.2 Podstata Moudrosti davů a principy, za kterých funguje To, na co narazil Galton na trhu a co je jádrem celé Surowieckiho knihy, lze shrnout následovně: za určitých podmínek může být (a často je) skupina moudřejší než jednotlivci v ní17
18
[Surowiecki 2005: XIII]. Ve skupině nemusí převládat výjimečně
inteligentní lidé, aby byla „moudrá“. I v případě, že většina lidí ve skupině není nijak 17
Původní, rozšířené znění zní takto: „under the right circumstances, groups are remarkably intelligent, and are often smarter than the smartest people in them“ [Surowiecki 2005: XIII]. Surowiecki tedy neříká, že skupina pokaždé přijde se správnou odpovědí, ale že v průměru přichází s lepší odpovědí, než jakou může poskytnout kterýkoliv jednotlivec [Surowiecki 2005: 235]. 18 Tato teze je také jedním z východisek dnes čím dál tím více populárního crowdsourcingu (ačkoliv ten zahrnuje i spolupráci lidí uvnitř skupiny a skupina je de facto oslovena za účelem nalezení experta) [Poynter 2010: 327].
20
zvlášť dobře informovaná nebo racionálně uvažující, mohou společně dosáhnout dobrého rozhodnutí. Je pravda, že úsudky jednotlivců jsou často nedokonalé a podléhají mnoha nežádoucím vlivům. „Jsou-li však naše nedokonalé úsudky agregovány (…), je naše kolektivní inteligence často vynikající.“ [Surowiecki 2005: XIII-XIV]. Tuto kolektivní inteligenci Surowiecki označuje jako moudrost davů. Moudrost davů je podle Surowieckiho mimo jiné to, co vysvětluje proč je IEM v předpovídání volebních výsledků lepší než průzkumy veřejného mínění [c. d.: XIV]. Je však nutno poznamenat, že kolektivní inteligence, vědomí či moudrost je, spíše než něco s čím skupina jako celek vědomě přišla, výsledek agregace mnoha různých nezávislých úsudků [c. d.: 176]. Ve své knize Surowiecki uvádí řadu příkladů jednání skupin (či davů)19, ne všechny jeho teorii na první pohled podporují. Jsou situace, kdy se skupina (či dav) chová zcela iracionálně či činí špatná rozhodnutí, i takové příklady Surowiecki uvádí. Tyto příklady však jeho teorii neznehodnocují ba právě naopak, dokládá jimi totiž důležitost níže zmíněných vlastností davu tím, že ukazuje, co se stane, když nejsou přítomny. Aby totiž mohla moudrost davu fungovat – přesněji řečeno, aby dav mohl být moudrý – musí být splněny tři podmínky: rozmanitost (skupina nesmí být homogenní), nezávislost (lidé se nesmějí navzájem ovlivňovat, každý by měl myslet a jednat co nejvíce nezávisle) a určitý druh decentralizace [Surowiecki 2005: XVIII-XIX]. Důležitá je zejména rozmanitost a nezávislost skupiny. V neposlední řade je také nezbytná – pokud má být dav moudrý – určitá míra informovanosti skupiny. Je nepravděpodobné, že by váhu býka správně určily třeba děti [c. d.: 10-11]. Podle mého názoru je však také třeba, aby byli účastníci na správnosti výsledků zainteresováni (např. odměnou v případě správného úsudku), měli motivaci – stejně jako tomu bylo v případě návštěvníků trhu F. Galtona nebo jako tomu je v případě sázejících. Nyní podrobněji ke třem podmínkám. Skupina je rozmanitá, když zahrnuje lidi s různým stupněm znalostí a vhledu do dané problematiky, různou životní zkušeností a pohledem na problém. Takoví lidé pak přináší různé kousky informací, což je důležité i v situacích, kdy je množina možných řešení už v jistém smyslu předem určena jako např. v případě voleb (vyhraje buď jeden kandidát na prezidenta, nebo druhý). Posilovat rozmanitost je pak důležité zejména v malých skupinách a formálních organizacích. Ve velkých skupinách, jako jsou např. trhy nebo voliči, je již určitá míra rozmanitosti – 19
Surowiecki odlišuje pojmy skupina a dav stejně jako Le Bon [Surowiecki 2005: XVI].
21
vzhledem k velikosti trhů a skutečnosti, že účastnit se může každý, kdo má nějaké peníze – téměř zaručena [Surowiecki 2005: 27, 29 31]. Nezávislá je taková skupina, ve které se její členové navzájem neovlivňují. Pokud se lidé ve skupině rozhodují nezávisle na sobě, jsou jejich názory v jistém smyslu jejich vlastní. Podle Surowieckiho je daleko pravděpodobnější, že taková skupina přijde s dobrým rozhodnutím, stejně jako tomu bylo v příběhu F. Galtona, ve kterém každý návštěvník přišel se svým vlastním odhadem, založeným na „vlastních informacích“ zahrnující nespočetně faktorů jako např. interpretaci, analýzu, intuici atp., a kdy souhrn těchto nezávislých odhadů v jeden kombinovaný byl téměř dokonalý [c. d.: 41]. Autonomie jednotlivců je z hlediska inteligence skupiny důležitá ze dvou důvodů. Za prvé, zabraňuje tomu, aby byly chyby jednotlivců korelovány, aby byly systematicky vychýlené jedním směrem.20 Za druhé, když budou jednotlivci nezávislí, je pravděpodobnější, že budou přicházet s novými informacemi. Taková nezávislost pak vlastně zajišťuje rozmanitost: nejlepší „skupiny jsou tvořeny lidmi s různými perspektivami, kteří jsou schopni zůstat na sobě nezávislí“ [Surowiecki 2005: 41]. Určitému vlivu samozřejmě zamezit nelze. Problém však nastává ve chvíli, kdy se jednotlivci spoléhají pouze na informace ostatních nebo se rozhodují podle toho, jak jednají ostatní. Surowiecki tvrdí, že čím více se lidé ve skupině vzájemně znají a ovlivňují, tím méně je pravděpodobné, že rozhodnutí skupiny bude moudré, neboť budou pravděpodobně věřit tomu samému a dělat ty samé chyby [c. d.: 42-43, 54-55]. V tomto směru má tedy kolektivní myšlení své limity. Decentralizace pak podle autora zvyšuje rozsah a rozmanitost agregovaných názorů a informací (i když zájmy každého jednotlivce jsou omezené, tyto lokální znalosti zvyšují celkové množství informací) [Surowiecki 2005: 71-72, 75]. Odhady jednotlivců nejsou dokonalé. Surowiecki však tvrdí, že pokud požádáme dostatečně velkou, rozmanitou skupinu nezávislých osob (čili pokud budou splněny výše zmíněné podmínky) o předpověď nebo odhad pravděpodobnosti a zprůměrujeme tyto odhady, chyby těchto osob se navzájem vyruší. Totéž vysvětlení podává ve své
20
Zde stojí za to připomenout např. Aschovy experimenty sociální konformity ukazující negativní vliv skupiny a skupinového myšlení na úsudek jednotlivce [Murr 2011: 772].
22
knize Scott E. Page (2007).21 Průměrná odpověď v tomto případě nebude průměrně dobrá (jako např. když zprůměrujeme časy běžců nebo vypočítáme průměrné IQ skupiny), ale ve většině případů bude přinejmenším stejně dobrá jako odpověď nejlepšího člena skupiny [Surowiecki 2005: 10-11]. Tuto tezi dokládá mnoha příklady. 4.1.3 Reakce na vydání knihy Ihned po vydání knihy se zvýšil zájem společnosti o volební predikce predikčních trhů, které do té doby nebyly příliš známé. V témže roce, kdy byla kniha vydána, probíhaly v USA prezidentské volby a média překvapivě věnovala obrovskou pozornost volebním odhadům sázejících na IEM a TradeSports. Ve všech předcházejících volbách byly tyto trhy považovány spíše za kuriozity, přinejlepším za zajímavé experimenty, ale rozhodně ne jako něco, co by se mělo brát vážně. V roce 2004 se však staly nedílnou součástí volebních diskuzí a mainstreamových médií. Když v prezidentském klání nastal nějaký významný zlom, celé státy hned sledovaly, jak trhy zareagovaly a vyhledávány byly také jako „opěrný bod“ ve chvílích, kdy byly volební průzkumy obzvláště nestabilní. Finální předpověď (tj. v předvečer voleb) podílů hlasů kandidátů IEM byla velmi blízko skutečnému výsledku. Společnost TradeSports zase poměrně přesně předpověděla, v jakých zemích vyhraje ten který kandidát, a tak si predikční trhy hned poté, co vzbudily tak velkou pozornost, získaly důvěru a od té doby tvoří v USA stabilní část předvolebních informací [Surowiecki 2005: 274-275]. Důležité pro rozmach využívání moudrosti davů bylo ale také rozšíření internetu, díky čemuž se stalo shromažďování informací od mnoha lidí podstatně jednodušší a přístupnější. Sám Surowiecki považuje za jednu z největších výhod kolektivního rozhodování to, že nezáleží na tom, zda jedinec udělá nějakou chybu. Pokud je skupina dostatečně různorodá a lidé se vzájemně příliš neovlivňují, chyby jednotlivců se podle něj navzájem vyruší (jelikož nejsou vychýlené jedním směrem) a zůstane pouze vědění, které skupina má, a kolektivní úsudek tak bude moudrý [Surowiecki 2005: 276-279].
21
Page tvrdí, že odhady lidí jsou díky odlišnému vhledu do problému a jeho interpretaci zcela jiné, a že agregováním mnoha různých odhadů se individuální chyby vyruší [Page 2007]. Dle jiné studie zase kolektivní chyba = průměrná individuální chyba – rozmanitost skupiny [Lorenz, Rauhut, Schweitzer, Helbing 2011: 9020]. Teorii, že se chyby více predikcí navzájem vyruší, dokládá i studie „Combining forecasts: An application to elections“ (Graefe, Armstrong, Jones, Cuzán 2014) zabývající se kombinováním různých volebních předpovědí.
23
4.2 Predikční trhy (Prediction Markets) Pojem „predikční trhy“ zatím není v literatuře zcela ustálen a tak se můžeme setkat také s označením: rozhodovací trhy (decision markets)22, informační trhy (information markets), prognostické trhy (forecasing markets), uměle vytvořené trhy (artificial markets), informační agregační mechanismy (information aggregation mechanisms), virtuální akciové trhy (virtual stock markets) či do češtiny zatím nepřeloženými termíny „idea futures“ nebo „idea stock“ [Tziralis, Tatsiopoulos 2007: 255]. John Kearon – průkopník v oblasti používání metody predikčních trhů ve výzkumu trhu – pak zásadně používá termín „predictive markets“. Predikční trhy slouží – oproti obyčejným trhům, jejichž primární funkcí je alokace zdrojů – speciálně pro předpovídání událostí. Jsou navrženy a zkonstruovány za účelem shromažďování informací od účastníků tak, že výsledná tržní cena předpovídá budoucí dění určité události [Berg, Nelson, Rietz 2003: 1], např. pravděpodobnost, že tato událost nastane. Pro svou predikční schopnost si již získaly a stále získávají pozornost v mnoha různých oblastech. Základní myšlenkou je sestavení kontraktu (sázky na výsledek události), jehož výnos závisí na budoucím výsledku dané události [Graefe, Armstrong 2011: 185]. Nejznámějším (a také nejdéle fungujícím) příkladem predikčních trhů a zároveň ukázkovým příkladem citovaným jejich obhájci, jsou Iowa Electronic Markets (přesněji řečeno jejich část „political markets“ navržená pro předpovídání volebních výsledků), které úspěšně předpovídají výsledky amerických voleb po mnoho let. IEM je soustava predikčních trhů provozovaná od roku 1988 pro akademické účely Univerzitou v Iowě (University of Iowa, USA). Tyto trhy se pokouší předpovídat budoucnost událostí, jako jsou např. výše zmíněné volební výsledky či jiné politické události nebo ekonomické ukazatele (tržby filmů, zisky firem, ceny akcií atd.), tak, že umožňují lidem kupovat a prodávat „kontrakty“ (podobné akciím, podílům) podle toho, co si myslí, že se v budoucnu stane (podobně jako na burzách). Predikce IEM jsou velmi úspěšné a v porovnání s předvolebními průzkumy dosahují obecně lepších výsledků [Berg,
22
Neboť výsledky mohou složit také jako podklad pro rozhodování, viz např. Hanson (1999). Jako decision markets označujeme ty predikční trhy, které byly zkonstruovány „primárně pro účely využití informací k rozhodování“ [Berg, Rietz 2003: 79].
24
Nelson, Rietz 2003: 3; Poynter 2010: 327; Tziralis, Tatsiopoulos 2007: 255]. IEM se podrobněji věnuji v kapitole 5.1.2. IEM je ale pouze jeden – byť nejčastěji citovaný – příklad predikčních trhů. Největším predikčním trhem z hlediska výše obratu je pak nejspíše komerční Betfair (UK). Dalším známým predikčním trhem je Hollywood Stock Exchange (HSX), který vešel do povědomí zejména díky dobrému předvídání úspěchů souvisejících s filmy (vítězové Oscarů, návštěvnost filmů) [Poynter 2010: 327; Surowiecki 2005: 20]. Přednosti predikčních trhů byly téměř od začátku zřejmé, a tak poté, co historicky první predikční trhy začaly slavit úspěchy, rapidně vzrostl rozsah témat, kterými se predikční trhy zabývají. V roce 2003 si tak například lidé mohli na predikčních trzích NewsFutures (nyní Lumenogic) a TradeSports vsadit na to, zda a kdy budou v Iráku nalezeny zbraně hromadného ničení, nebo jestli bude Ariel Sharon u moci déle než Yasir Arafat. Existuje také internetová stránka „Innovation Futures“, kde si lidé mohou sázet na budoucí technologický vývoj. Takovéto trhy mohou být podle expertů užitečné jak pro vědecký výzkum, tak pro vládu, které mohou pomoci v rozhodovacích procesech tvorby politik [Surowiecki 2005: 20-21].
25
5 Využití odhadů respondentů a predikčních trhů ve volební oblasti Jak již bylo psáno výše, predikce odvozené z očekávání jedinců mohou být tvořeny dvěma způsoby. Tato kapitola se proto dělí na prosté odhady respondentů a sofistikované predikční trhy. Ty se od sebe liší nejen mechanismem výpočtu výsledku, ale také informovaností účastníků o názoru ostatních zúčastněných23, a proto je třeba je od sebe důrazně odlišovat. Za predikční trhy jsou považovány ty případy, kdy existuje určitá cena kontraktu, kterou účastníci vidí, a která se hýbe na základě jejich jednání na trhu. Tato cena pak značí pravděpodobný výsledek události. Predikční trhy jsou používány i výzkumnými agenturami, ale většinou existují přímo agentury zabývající se pouze predikčními trhy. Oproti tomu výzkumy, kde lidé činí odhad události (číslem, procentem nebo jinou odpovědí) a kde se přitom vůbec neoperuje s tržní cenou ale statistickými ukazateli (jako např. průměr nebo medián) jsou v této práci dále nazývány jako „odhady respondentů“.
5.1 Predikční trhy Tato kapitola má dvě části. Nejprve se budu věnovat předchůdcům dnešních online volebních predikčních politických trhů a poté nejstarším a největším ze současně fungujících online predikčních trhů zaměřených na volby – Iowa Electronic Markets.
5.1.1 Historie volebních trhů Ačkoliv predikční trhy jsou mnohými považovány za fenomén posledních let, využití tržních mechanismů ve volbách (ne přímo predikčních trhů popsaných níže v kap. 5.1.2 – neboť predikční trhy jsou trhy, jejichž primární funkcí je předpovídání událostí a nikoliv alokace zdrojů) má za sebou přinejmenším v USA dlouhou a pestrou historii. Sázení na volební výsledky v průběhu volebního klání bylo v USA běžné již na konci 19. století – v době, kdy byly sofistikované předvolební průzkumy ještě v plenkách – a
23
Informování o názoru ostatních zúčastněných hraje důležitou roli. Povědomí o názoru ostatních zúčastněných, které mají účastníci predikčních trhů na rozdíl od respondentů výzkumů vždy (skrze tržní cenu), může totiž odhady lidi ovlivňovat.
26
to především prostřednictvím trhů na Wall Street24, a to i v dobách, kdy bylo sázení prohlášeno za nelegální a jeho účastníkům bylo zakázáno jít k volbám. O aktuální situaci na trhu (sázkových kurzech) byla veřejnost denně informována prostřednictvím tisku na předních stranách. Trhů se účastnily tisíce sázejících25, jejich obrat přesahoval miliony dolarů a byly široce uznávané pro svou pozoruhodnou – vzhledem k různým překážkám např. záměrnému ovlivňování – schopnost předpovídat volební výsledky. Jejich výkon je srovnatelný s činností IEM, které vlastně představují moderní ztělesnění těchto trhů. Po celou dobu existence (1884-1940) tohoto trhu, kromě voleb v roce 1916, vyhrál volby vždy ten kandidát, kterého trh favorizoval. Přesnost těchto trhů je o to zajímavější, že až do poloviny 30. let 20 stol. neexistovaly odborné předvolební průzkumy.26 Tyto trhy umožňující lidem sázet na politické události však byly mnohými považovány za neetické či morálně nebezpečné, a tak po roce 1940 s příchodem vědeckých předvolebních průzkumů – které zaznamenaly velký úspěch ve volbách v roce 1936 – a jiných forem hazardu, postupně vymizely. Zájem o trhy jako predikční nástroje opět vzrostl až s rozšířením internetu a internetového sázení [Rhode, Strumpf 2003: 1-4, 18, 20].
5.1.2 Iowa Electronic Markets (USA) Jak již bylo psáno výše, trhy IEM jsou navrženy speciálně pro předpovídání událostí, jako jsou volby, kterým se věnují již více než 25 let. Jsou proto zdaleka nejznámější a nejčastěji citované. Mimo USA ale existují i další trhy zaměřující se na predikci výsledků voleb, i když fungují kratší dobu [Berg, Nelson, Rietz 2003: 3]. IEM disponuje řadou trhů konstruovaných pro předpovídání výsledků různých druhů voleb a poskytuje tak výzkumníkům data, která nejsou jinak dostupná. Tyto trhy jsou otevřené všem, účastnit se může každý, kdo má zájem. Lidé mají možnost kupovat a prodávat „kontrakty“ (akcie) kandidátů či stran podle toho, jak si myslí, že si v nadcházejících volbách povedou. Odměna je pak odvislá od výsledku voleb. Vybrat si 24
Ačkoliv trh v New Yorku byl centrem sázkové činnosti, podobné trhy fungovaly i ve Philadelphii, Chicagu, Baltimoru a většině dalších významných měst [Rhode, Strumpf 2003: 3]. 25 Volby byly společenskou událostí srovnatelnou např. se Silvestrem a sázení na ně představovalo uctívaný rituál, tradici [Rhode, Strumpf 2003: 7]. 26 Studie srovnávající úspěšnost amerických predikčních trhů (vč. jejich předchůdců) s výsledky předvolebních průzkumů dokonce došla k závěru, že předpovědi predikčních trhů byly přesnější v dobách, kdy ještě neexistovaly předvolební průzkumy. Byly podle nich podobně přesné jako předvolební průzkumy v dobách své největší úspěšnosti. Dle jejich analýzy predikční trhy za přítomnosti předvolebních průzkumů již nic nepřináší, neboť převážně kopírují předvolební průzkumy [Erikson, Wlezien 2012: 532].
27
mohou hned z několika typů kontraktů. Největší zájem je o dva z nich: první z nich je navržen tak, aby předpovídal vítěze voleb (winner-takes-all markets) a je mezi obchodníky zdaleka nejpopulárnější. V roce 2003 si při mimořádných volbách v Kalifornii např. lidé mohli koupit kontrakt, že vyhraje Arnold Schwarzenegger, který by jim v případě Schwarzeneggerovy výhry vynesl 1 dolar. Pokud by nevyhrál, nezískali by nic. Cena za takový kontrakt reflektuje úsudek trhu o kandidátově šanci na vítězství. Jednoduše řečeno, pokud kontrakt daného kandidáta stojí 50 centů, znamená to, že si trh myslí, že má 50% pravděpodobnost, že vyhraje. Pokud stojí 20 centů, je pravděpodobnost, že vyhraje 20 % atd. Druhý významný kontrakt IEM je sestaven tak, aby předpovídal, kolik procent hlasů kandidát ve volbách získá (vote-share markets). V tomto případě je výdělek určen počtem procent získaných ve volbách, pokud kandidát získá 51 %, zisk je 51 centů. Kontrakty jsou navrženy tak, že jejich závěrečné ceny značí předpovídaný výsledek voleb. Z toho, plyne, že pokud jsou predikce IEM přesné, budou ceny jejich kontraktů blízko hodnotám skutečných výsledků. To znamená, že na trhu pro předpovídání vítězů voleb by měl favorizovaný kandidát vyhrát (s pravděpodobností určenou trhem) a velký favorit by měl vyhrát s větším náskokem. Podobně to funguje i na trhu pro předpovídání podílů získaných hlasů. Pokud je cena kandidátova kontraktu v období těsně před volbami 51 centů, měl by ve volbách dostat přibližně 51 % hlasů [Berg, Nelson, Rietz 2003: 8-11; Berg, Forsythe, Nelson, Rietz 2008: 742; Surowiecki 2005: 17-18]. 5.1.2.1 Charakteristika trhu Zajímavé je, že IEM není příliš velký – na trhu nikdy neobchodovalo více než několik tisícovek obchodníků – a v žádném případě nereprezentuje voličstvo jako celek27. Registrují se jen lidé, kteří mají zájem. Ukázalo se, že účastníci trhu jsou více politicky aktivní (80 % z nich deklaruje, že chodí volit) než celková populace, což je v souladu s demografickou strukturou skupiny. Většinu totiž tvoří muži, běloši, dobře vzdělaní a finančně zajištění a nepřiměřeně velké množství obchodníků je přímo z Iowy [Berg, Nelson, Rietz 2003: 9-10; Forsythe, Nelson, Neumann, Wright 1992: 1146-1147]. Tito lidé tak evidentně nepředpovídají své vlastní jednání, ale jednání všech voličů. Dalším zajímavým faktem – který platí jak pro IEM, tak pro Hollywood Stock Exchange (HSX)
27
Navíc nemají názory obchodníků stejnou váhu (záleží na částce, kterou obchodník vloží, a která vypovídá o jeho přesvědčení o správnosti rozhodnutí, ale i ochotě riskovat, bohatství atd.), tržní cena je váženým průměrem [Berg, Nelson, Rietz 2008: 289].
28
– je, že tyto trhy fungují velmi dobře, aniž by bylo velké množství peněz v sázce. Maximum peněz, které může jednotlivec do IEM investovat, je $500 (minimum je $5), přičemž průměrně má každý v sázce zhruba desetinu.28 V HSX dokonce existují pouze fiktivní peníze (play money), a jeho systém tak připomíná spíše virtuální hru. Provedené studie však zatím potvrzují, že účastníci predikčních trhů věnují větší pozornost svému rozhodnutí, pokud je s ním spojená odměna (v případě IEM vidina zisku či ztráty)29, což je možné vysvětlení toho, proč bývají predikce IEM přesnější. Výjimkou mohou být aktivní účastníci – bylo zjištěno, že pro aktivní obchodníky skýtá status a reputace dostatečnou odměnu pro to, aby své rozhodnutí nečinili lehkovážně [Surowiecki 2005: 20; What is the IEM 2012 (online)]. Lze tak vyvodit závěr, že je důležité lidi nějak odměnit, něčím motivovat, aby dělali co je v jejich silách s nejlepším vědomím a svědomím. Užití incentiv zde, tak jako ve výzkumech, vzbudí větší zájem a soustředění se. To však nemusí nutně znamenat „peníze v sázce“ a přísně vzato nemusí být incentivy ani finanční. To potvrzuje i studie „Prediction Markets: Does Money Matter?“, jejíž autoři došli k závěru, že peníze jsou jen jednou z forem motivace. Na trzích s nereálnými penězi jsou pak nejčastěji používanými incentivami odměny pro nejlepší „prognostiky“ [ServanSchreiber, Wolfers, Pennock, Galebach 2004: 250]. 5.1.2.2 Evaluace činnosti IEM Studie, která se zabývala výkonem IEM při 41 různých volbách ve 13 zemích z let 1988 až 2000, zjistila, že se ceny v předvečer voleb lišily od výsledku voleb v průměru o 1,37 % v prezidentských volbách30, 3,43 % v ostatních amerických volbách (kongresových, guvernérů amerických států) a 2,12 % v zahraničních volbách. Přesnost výsledků v předvečer voleb ukazuje graf č. 1 [Berg, Forsythe, Nelson, Rietz 2008: 743744; Surowiecki 2005: 18].
28
Což mimo jiné znamená, že nemůže jeden jediný člověk nebo malá skupinka lidí vychýlit – ať již záměrně nebo neúmyslně – výsledky, neboť nikdo nemá k dispozici takovou sumu, aby převážila kupní sílu ostatních zúčastněných [Surowiecki 2005: 288-289]. 29 Někteří dokonce tvrdí, že se chyba úsudku s větším množstvím peněz v sázce snižuje [Forsythe, Nelson, Neumann, Wright 1992: 1159]. 30 Rozšířením analýzy o prezidentské volby z roku 2004 se průměrná absolutní procentuální chyba v předpovídání podílů prezidentských kandidátů snížila na 1,33 % [Berg, Nelson, Rietz 2008: 286].
29
Graf č. 1: Přesnost IEM z let 1988-200031
Zdroj: Berg, Forsythe, Nelson, Rietz 2008: 745
Z grafu srovnávající predikovaný a skutečný výsledek je patrné, že predikce IEM nevytváří žádná významná zkreslení a že v průměru jsou predikce velmi přesné, zejména u velkých amerických volebních trhů (nejpopulárnější jsou mezi lidmi trhy k prezidentským volbám – červené čtverečky) [Berg, Forsythe, Nelson, Rietz 2008: 744]. Studie Berga, Forsytha a Rietze z roku 1996 zkoumala, jaké faktory ovlivňují přesnost výsledků. Většinu rozptylu vysvětlují tři faktory: 1) počet druhů obchodovaných kontraktů (trhy s méně kontrakty, tj. méně kandidáty nebo stranami, předpovídají výsledky lépe), 2) objem předvolebního trhu (jak již bylo zmíněno, trhy s více účastníky fungují lépe), 3) rozdíly v objemu sázek v čase (trhy s větším objemem blízko voleb dosahují lepších výsledků) [Berg, Forsythe, Rietz 1997: 444]. Z bodu č. 1 vyplývá, že v ČR by mohl určitý problém představovat vyšší počet kandidujících stran. Jak ukážu v další kapitole (kap. 5.2), v žádné ze zemí, ve které byl do dnešní doby odhad volebních výsledků respondenty testován, nekandiduje ve volbách takové množství politických subjektů jako u nás. 31
Graf ukazuje absolutní přesnost 237 kontraktů na 49 trzích ve 13 zemích. Osa X ukazuje skutečné výsledky, zatímco osa Y ukazuje predikce IEM. Pokud by všechny predikce ležely na přímce (45 %), trh by byl naprosto přesný. Přecenění kandidáta/strany leží nad přímkou, podcenění je zobrazeno pod přímkou [Berg, Forsythe, Nelson, Rietz 2008: 744].
30
Obecně jsou výsledky IEM lepší než výsledky hlavních volebních průzkumů32 – a to nejen srovnáme-li predikce IEM v předvečer voleb s posledními uveřejněnými výzkumy, ale i když porovnáváme jejich predikční schopnost několik týdnů před volbami. V dlouhodobějších predikcích jsou trhy oproti průzkumům dokonce ještě přesnější než v krátkodobých. Všechny studie srovnávající předvolební průzkumy s aktuálními predikcemi IEM (tj. s cenami trhu v tom samém období, kdy probíhal sběr dat průzkumů) dochází vesměs ke stejnému číslu – a to, že predikce IEM jsou blíže výsledkům voleb ve ¾ případů. Výsledky průzkumů navíc bývají velmi proměnlivé, oproti volebním předpovědím IEM, které mají tendenci se dramaticky33 měnit pouze v reakci na nové informace, což je činí spolehlivějšími [Berg, Forsythe, Nelson, Rietz 2008: 743-744; Berg, Nelson, Rietz 2008: 285, 296-297; Surowiecki 2005: 19]. Autoři si myslí, že predikční trhy předpovídají volební výsledky přesně z několika důvodů: za prvé, prostředí trhu zapříčiňuje, že účastníci mají na svém rozhodnutí zájem (pokud dobře předpoví nadcházející volby, sklidí zisk) a že toto rozhodnutí činí s rozmyslem a zvažují při něm mnoho faktorů34; za druhé, míra s jakou jsou si jisti svojí předpovědí, je přímo úměrná množství peněz, které jsou ochotni riskovat; za třetí, trh agreguje rozdílné informace od účastníků dynamickým a účinným způsobem [Berg, Nelson, Rietz 2003: 5]. Vzhledem k tomu, že účastníci trhu vůbec nereprezentují voličstvo jako celek (viz výše), je důležité se zabývat otázkou, zda a jak jejich politická a demografická struktura ovlivňuje jejich rozhodování a tržní strategie. Klasické průzkumy prokázaly, že tyto faktory mají vliv, neboť lidé mají tendenci přeceňovat míru, s jakou jejich pohled reprezentuje ostatní (o fenoménu wishful thinking více dále v kap. 5.2). Sami autoři studie, která se tímto tématem zabývala, dále předpokládali, že tyto faktory mohou mít malý vliv i na snahu jedinců maximalizovat investice. Také se domnívali, že 32
Porovnávání s předvolebními průzkumy se samo nabízí. Jak již však bylo psáno na začátku práce, předvolební průzkumy většinou nejsou navrženy za účelem predikce výsledků voleb, ale slouží k vyhodnocení současného politického stavu v populaci. Autoři studie si toto uvědomují. Nicméně podle nich představují předvolební průzkumy evidentní (pozn. aut.: a vlastně také jediný) základ pro srovnání, standard, se kterým budou jejich predikce vždy srovnávány [Berg, Forsythe, Nelson, Rietz 2008: 746]. 33 Slovo „dramaticky“ je velmi důležité. Předpovědi (rozuměj ceny) se jinak mění nepřetržitě v závislosti na jednání zúčastněných. Tendenci se více měnit mají trhy pouze v poslední den obchodování – tj. v předvečer voleb [Berg, Forsythe, Nelson, Rietz 2008: 746]. 34 Struktura trhu nutí obchodníky zamyslet se nad tím, jak budou lidé v nadcházejících volbách volit. To vyžaduje více než jen zvážení toho, jaké byly minulé volební výsledky (neboť současná situace je zcela určitě alespoň trochu jiná) nebo koho bude pravděpodobně sám daný obchodník volit (což je otázka, kterou respondentům pokládají předvolební průzkumy) [Berg, Nelson, Rietz 2008: 286].
31
zázemí a vlastní volební preference mohou ovlivnit výběr informací a vnímání kandidátovy šance na úspěch a v tom smyslu ovlivnit chování jednotlivce na trhu. Zjistili však, že to, že mají lidé „něco“ v sázce tyto vlivy do značné míry redukuje – demografické vlivy zcela, preference alespoň částečně [Forsythe, Nelson, Neumann, Wright 1992: 1147, 1154]. I studie vůbec prvních politických trhů ukazují, že sázející, chtějí sázkou podpořit svůj vlastní názor, a proto často sázejí podle své preference [Rhode, Strumpf 2003: 22]. Je však nutné si uvědomit, že to je možné pouze ve chvíli, kdy je reálná šance, že kandidát může vyhrát, a že v USA proti sobě většinou stojí dva kandidáti, jejichž podíly bývají vyrovnané. Navzdory tomu, že ze studií založených na datech z IEM vyplývá, že značná část účastníků trhu má nerealistické představy o úspěchu kandidátů, které sami preferují a chová se na trhu zcela iracionálně – bereme-li jako racionální chovat se tak, abychom na trhu uspěli – jsou celkové předpovědi výsledků voleb, jak jsme mohli vidět, poměrně přesné. Nabízí se také otázka – a i já osobně jsem se při psaní této práce často setkala s těmito reakcemi, kvůli čemuž považuji za důležité zde tuto problematiku zmínit – zda a jak ovlivňují odhady lidí zveřejňované předvolební průzkumy. Bez ohledu na to, co předvolební průzkumy měří, pokud jsou obchodníky považovány za hodnotný zdroj informací, je možné, že situace na trhu bude pouhým odrazem těchto průzkumů, jelikož obchodníci – neznalí intencí voličů – budou činit předpovědi založené na posledních dostupných informacích z předvolebních průzkumů, které představují nejpřímější a nejčastěji publikovanou statistiku o nadcházejících volbách. Práce Forsytha, Nelsona, Neumanna a Wrighta z roku 1992 se mimo jiné zabývala i vztahem mezi předvolebními průzkumy a tržními cenami IEM. Je více než jasné, že výsledky předvolebních průzkumů jsou pro účastníky trhu jedním ze zdrojů informací.35 Tržní ceny však nenásledují výsledky průzkumů, jak by se dalo předpokládat. 36 Z jejich analýzy vyplývá, že pokud existuje nějaký vztah mezi tržními cenami a výsledky průzkumů, pak tržní ceny predikují změny v průzkumech, což je přesně opačný směr kauzality. Tuto skutečnost vysvětlují tím, že trh není řízen průzkumy, ale událostmi. Průzkumy nepředstavují pro obchodníky novinky, ty představují události, na které průzkumy 35
Větší přesnost kolektivních předpovědí však naznačuje, že svůj odhad tvoří ještě na základě nějakých dalších informací [Surowiecki 2005: 19]. 36 Logicky, pokud v předvolebních průzkumech dojde k výrazné změně, mělo by její zveřejnění ovlivnit cenu kandidátových akcií. Opačně, pokud výsledky nejsou nijak překvapující, nemělo by na trhu dojít k žádné výrazné změně, neboť „nová“ informace neposkytuje žádnou příležitost k zisku [Forsythe, Nelson, Neumann, Wright 1992: 1150].
32
pouze reagují. Je podle nich zřejmé, že účastníci trhu dokázali odhadnout náladu voličů, aniž by čekali na předvolební průzkumy [Forsythe, Nelson, Neumann, Wright 1992: 1149-1153]. Studie tedy ukázaly, že přítomnost těchto průzkumů nemá na obchodníky příliš velký vliv, a pokud tomu tak bude i nadále a predikce budou úspěšné, je pro predikční trhy na trhu místo. Je také nutné si uvědomit, že v době, kdy fungovaly první trhy, ve kterých lidé mohli sázet na volební výsledky (jak již bylo psáno výše, sázení na volby má v USA dlouhou tradici, organizované trhy zde působily po více než tři čtvrtě století před druhou světovou válkou), žádné předvolební průzkumy neexistovaly (a nemohly tedy obchodníky ovlivňovat), a přesto byly tehdejší trhy v předpovědích přesné.
5.2 Odhady respondentů – případové studie V zahraničí bylo na metodu předpovídání volebních výsledků respondenty učiněno několik pokusů, většinou výzkumnými agenturami, které se dlouhodobě zaměřují i na předvolební průzkumy. V evropských zemích se o odhadech respondentů dozvídáme až v posledních několika letech. Oproti tomu v USA, bylo s otázkou „kdo vyhraje volby?“, pokládanou ve volebních průzkumech, nakládáno už v předešlém století. Jedním z možných vysvětlení je to, že odhadovat výsledek v zemích, kde se voleb účastní vícero kandidátů, se jeví být jak pro výzkumníky tak pro dotazované složitější. Výsledky většiny zemí se však v tom hlavním shodují. Respondenti vítěze (i podíly hlasů) správně předpovědět většinou dokáží (problémem je, když je souboj stran hodně vyrovnaný), a to i několik týdnů dopředu a dokázali to i v dobách, kdy neexistovaly předvolební průzkumy. Předmět odhadu však může být i jiný než odhadnout vítěze či podíly kandidujících. V Kanadě např. zkoumali, zda voliči dokáží dopředu určit, kdo skončí ve volbách na posledním místě, a zjistili, že ano. Jak to dotazovaní dělají? Dle Lewis-Becka a Stegmaiera (2011) vychází z toho, co ví. Mají totiž něco jako „politickou inteligenci“. Jejich schopnost správně předpovědět výsledek je však dle Blaise a Turgeona (2004) ovlivněna třemi faktory: vyrovnaností kandidátů (čím blíže si jsou, tím je těžší předpovědět výsledek)37, stupněm politické informovanosti jedince (předpovědi těch,
37
Ke stejnému závěru – čím je souboj vyrovnanější, tím těžší je pro respondenty předpovědět jeho výsledek – dospěl např. i Murr [Murr 2011: 782].
33
kteří se v politice vyznají více, jsou lepší)38 a stranickou identifikací (jedinec má tendenci přeceňovat „svou“ stranu) [Blais, Turgeon 2004: 455-458; Lewis-Beck, Stegmaier 2011: 264-268]. Přesnost předpovědí ovlivňuje také samotná ochota lidí říct svůj skutečný odhad. Ve snaze přimět respondenty uvádět své skutečné názory, bývají jako incentivy často využívány odměny pro nejpřesnější respondenty (kromě níže zmíněných studií a mého výzkumu také např. Miller et al., 2012). Ačkoliv odstavec výše v zásadě shrnuje hlavní zjištění uskutečněných případových studií, jednotlivé studie obsahují i další zajímavá zjištění a svým provedením se do značné míry liší. Důležitou roli zde hraje samotné politické prostředí. Jednotlivé země mají svá politická specifika, která je třeba brát na vědomí. Níže proto podrobněji popisuji jednotlivé případové studie.
5.2.1 UK (2010) K příležitosti britských voleb v roce 2010 vzniklo hned několik studií (např. LewisBeck, Stegmaier, 2011; Boon, 2012; Murr, 2011) využívajících předpovědi respondentů. Ve všech studiích občané správně předpověděli výsledek voleb. První ze zmíněných využívala dat z různých výzkumů od roku 1951 a zkoumala zejména to, zda respondenti dokáží správně předpovědět vítěze. S ohledem na to, že v ČR by vzhledem k mnoha kandidátům a jinému volebnímu systému jen předpovědět vítěze nestačilo (snad kromě prezidentských voleb), byly její závěry popsány jen stručně ve shrnujícím odstavci výše. Druhá ze zmíněných studií oproti tomu využívala svých vlastních dat a zaměřila se na předpovídání podílů hlasů. Tuto případovou studii popíši podrobněji neboť je svou metodologií nejblíže mému vlastnímu šetření. Předvolební průzkumy se v UK a jiných zemích po celém světě od konečných výsledků voleb v posledních letech hodně lišily, což vedlo autory práce „Predicting elections A ‘Wisdom of Crowds’ approach“ k tomu, aby otestovali teorii Moudrosti davů na volbách v UK v roce 2010. Studie ukazuje, že přístup inspirovaný Moudrostí davů (užitý agenturou pro výzkum veřejného mínění ICM Research ve volbách v roce 2010) přinesl nejpřesnější předvolební odhady, a že pravidelné sledování volebních preferencí touto metodou může být zajímavým doplňkem klasických předvolebních průzkumů volebních preferencí nebo dokonce i jejich konkurentem [Boon 2012: 465]. 38
Je tak otázkou, zda by nebylo lepší ptát se pouze lidí, kteří mají o politiku větší zájem. Tuto hypotézu budu v práci testovat.
34
Motivována úspěchy IEM, si agentura ICM položila otázku, zda náhodně vybraný vzorek respondentů dokáže kolektivně předpovědět výsledek voleb lépe, než když poví své vlastní volební preference tj. než předvolební průzkum volebních preferencí. Experiment probíhal v rámci jejich standardního telefonního předvolebního šetření (tj. obsahoval otázky na pravděpodobnost účasti, volební preference a volební chování v minulých volbách; data o volebních preferencích byla vážena dle sociodemografické struktury populace, dle jistoty účasti a dle minulého chování ve volbách) tři dny před volbami na náhodném vzorku 2022 respondentů ve věku 18+ a splňoval všechny Surowieckiho podmínky pro fungování Moudrosti davů [c. d.: 467468]. Jejich vlastní průzkum s průměrnou chybou39 1,25 % byl shodou okolností nejpřesnějším předvolebním průzkumem, a tak mohla být průměrná chyba predikce Moudrosti davu srovnána přímo s ním – aby si totiž predikce získala věrohodnost, je zapotřebí, aby byla lepší ve srovnání s nejpřesnějším předvolebním průzkumem. Naskytla se tak mimořádná možnost srovnat výsledky těchto dvou přístupů měřených na těch samých respondentech v tu samou dobu. Otázky inspirované Moudrostí davů byly pokládány až na konci dotazování, aby neovlivnily odpovědi na otázky zjišťující volební chování, jež byly jako vždy hlavním výstupem předvolebního průzkumu. I když by se tak dalo říct, že odhady respondentů byly ovlivněny klasickými předvolebními otázkami, předmětem testu bylo zjistit, zda stejný soubor respondentů může prostřednictvím konceptu Moudrosti davů poskytnout lepší predikce [Boon 2012: 469]. Ve výzkumu byly pokládány dvě otázky zjišťující moudrost davu. V první měli respondenti spontánně odhadnout volební výsledek tří hlavních politických stran a souhrnného podílu zbývajících menších stran40, v druhé – podpořené – jim byly nejprve ukázány podíly jednotlivých stran v minulých volbách a až poté měli
39
Průměrnou chybou je myšlen „průměr rozdílů mezi odhadovaným procentem každé strany a jejím skutečným výsledkem“ [Boon 2012: 466]. 40 Přesné znění otázky bylo následující: „As a bit of fun, please tell me what percentage share of the vote you think the …… party will win in the forthcoming general election?“ [Boon 2012: 470]. Dotazováni byli respondenti na tyto strany: The Labour Party, The Conservative Party, The Liberal Democrats, Other parties. Úvodní spojení „z legrace“ bylo do znění otázky přidáno za účelem odlišení této otázky od dříve položeného dotazu na vlastní volební preference, protože jinak se zdály být otázky docela podobné a bylo třeba respondentům připomenout, že na vlastní volbu již dotazováni byli. Druhým důvodem byla snaha nezastrašit respondenty, kteří toho o politice moc nevědí a moc o ní nepřemýšlejí [Boon 2012: 470].
35
respondenti učinit svůj odhad41. Součet procent se musel rovnat 100. Všechny individuální odhady podílů byly následně agregovány a zprůměrovány, čímž vznikly kolektivní predikce podílů jednotlivých stran [c. d.: 469-470]. Tabulka č. 1 ukazuje výsledky voleb v roce 2010 a tři výstupy z předvolebního průzkumu ICM: volební preference, spontánní a podpořenou predikci dotázaných. Data pro predikci byla vážena pouze podle standardních demografických ukazatelů, neboť tento způsob zjišťování preferencí, na rozdíl od toho klasického, nevyžaduje vážení dle minulého volebního chování. Kvalita průzkumu preferencí a predikcí respondentů je měřena velikostí jejich průměrné chyby. Ze srovnání můžeme vidět, že předvolební průzkum ICM, který – jak bylo psáno výše – byl zároveň nejlepším předvolebním průzkumem v zemi, byl z hlediska přesnosti překonán podpořenou predikcí davu s hodnotou průměrné chyby 0,9 %. Průměrná chyba spontánní predikce byla o něco horší (2,2 %) než chyba předvolebního průzkumu ICM, avšak stejně velká jako průměr průměrných chyb všech uskutečněných předvolebních průzkumů, takže spontánní predikce není lepší ale ani horší než průzkumy jako celek. Dále autoři upozorňují na typické nadhodnocování labouristů a podhodnocování konzervativců, kterýmž již nějaký čas britské předvolební průzkumy trpí, a jak se zdá predikce respondentů tento jev kopírují. Za nejdůležitější však autoři považují následující skutečnost: podíl Liberálních demokratů byl u podpořeného kolektivního odhadu přesný, zatímco u spontánní predikce byl o 3 % nižší. Což je přesně opačná chyba, než jakou můžeme nalézt u všech předvolebních průzkumů, které Liberální demokraty v reakci na úspěch jejich kandidáta v televizní debatě přecenily. Otázkou je, proč se úsudek davu lišil od všech předvolebních průzkumů. Možným vysvětlením je podle autorů to, že dav viděl reakci na debatu a nevěřil tomu, že by voliči opustili svá volební přesvědčení. Jinými slovy dav byl podle autora moudrý [Boon 2012: 470-472, 476].
41
Otázka zněla takto: „At the last general election in 2005, the Labour Party won 36% share of the vote, the Conservatives had 33% share, the Liberal Democrats 23% share and smaller parties combined had 8% share of the vote . Knowing this, please tell me what percentage share of the vote you think the …… party will win in the forthcoming general election?“ [Boon 2012: 470].
36
Tabulka č. 1: Srovnání volebních výsledků, předvolebního průzkumu ICM a spontánní a podpořené predikce davu
Zdroj: Boon 2012: 471
Z dosavadního zkoumání ICM tak vyplývá, že informací podpořená otázka je lepším prediktorem než spontánní. Zdá se tak, že minimálně v těch případech, kdy jedinci o tématu nemají dostatek informací, informování o tématu zvyšuje přesnost předpovědi [Boon 2012: 480]. Což vlastně naznačuje i Surowiecki, když říká, že jednotlivci musí být alespoň trochu informovaní, aby mohl být dav moudrý. V těch případech, kdy nemají dostatek informací, nejsou schopni situaci správně vyhodnotit. V případě odhadování volebních výsledků mají lidé většinou určité povědomí o současném stavu politiky v dané zemi a zhruba také o tom – pokud jim to sami neřekneme – jak si strany vedly v předcházejících volbách. Mají tedy podle Boona (2012) dostatek informací pro to, aby byla jejich predikce přesná [c. d.: 479]. Z toho také vyplývá, že určitý problém mohou z hlediska přesnosti predikce představovat nově vzniklé, historicky neznámé strany. To, že pro přesnou predikci je důležitá informovanost jejích účastníků a že do této informovanosti patří mimo jiného také určité povědomí o současném stavu politiky v dané zemi, rovněž otevírá debatu o tom, zda mohou být predikce davů pouze doplňkem klasicky konstruovaných volebních průzkumů nebo i jejich konkurentem. Tuto otázku jsem si položila i v úvodu práce a nyní se ji pokusím zodpovědět. Dle Boona (2012) lidé při vytváření predikce čerpají jak z minulého, tak ze současného stavu politické scény. Povědomí o současném stavu politiky je však do značné míry ovlivňováno výsledky předvolebních průzkumů, které o současném stavu politiky informují zveřejňováním aktuálních volebních preferencí. Volební průzkumy jsou tak vlastně nezbytným zdrojem informací pro predikce davů, a ty tak mohou být jejich konkurentem jen tak dlouho, dokud budou samy volební průzkumy existovat. Z tohoto hlediska tak lze predikce respondentů považovat spíše za zajímavý
37
doplněk k otázkám na volební preference než za hlavní náplň průzkumu [Boon 2012: 480-481].42 Ke stejnému závěru dochází i studie využívající dat ze švédských voleb [Sjöberg 2009: 13]. Jak již bylo řečeno, důležité je i samotné složení davu. Z předchozího zkoumání vyplývá, že pokud soubor obsahuje příliš mnoho podporovatelů jedné strany, tj. je z hlediska volebních preferencí nereprezentativní, pak s největší pravděpodobností nebude jeho kolektivní odhad dobrý (narušení principu rozmanitosti), neboť lidé mají tendenci přeceňovat své favority. Z toho plyne, že výzkumný soubor by měl alespoň do určité míry reprezentovat populaci voličů, případně by měl obsahovat více vzdělané a politiky znalé respondenty tak jako predikční trhy. Jak píšu v další podkapitole, vzdělání a znalost politiky vliv wishful thinking (v překladu zbožné přání) redukuje. Další charakteristikou, která ovlivňuje výsledek predikce, je velikost souboru. Právě na to, jaká je ideální velikost davu, přesněji řečeno, jak velký musí minimálně dav být, aby byla zajištěna jeho schopnost správně předpovídat volební výsledky, se zaměřila agentura ICM. Z téhož předvolebního průzkumu, o jehož výsledcích jsem informovala výše, byly náhodně vybrány tři dílčí soubory různých velikostí (N = 100, 250, 500), které byly následně zváženy dle demografických charakteristik. Poté byla zjišťována a vzájemně porovnávána jejich spontánní a podpořená predikční schopnost. U nejmenšího vzorku došlo z hlediska přesnosti predikce k výraznému zhoršení oproti původní velikosti souboru, avšak u vzorků o velikosti 500 a 250 bylo pozorováno u spontánní verze otázky zachování, a u podpořené formy otázky dokonce zlepšení přesnosti predikce [c. d.: 481-483]. Zdá se tedy, že dav o 250 členech je schopen poměrně přesné predikce volebních výsledků. Detailní informace ukazují tabulky č. 2 a 3.
42
Několik odborníků zkoumalo možný vliv předvolebních průzkumů podrobněji. Studie založená na Canadian Election Study (1988) zkoumající, jak lidé utváří své očekávání ohledně šancí jednotlivých kandidátů ve volbách a co jejich uvažování ovlivňuje, zjistila, že očekávání voličů je ovlivňováno jak objektivními kontextovými informacemi (zejména výsledky předchozích voleb a výsledky předvolebních průzkumů jakožto hlavního zdroje informací o současných šancích kandidátů, i když ne zcela spolehlivých), tak osobními preferencemi voliče. Objektivními informacemi jsou pak ovlivněni zejména politicky uvědomělejší respondenti [Blais, Bodet 2006: 477-478]. Stejně tak studie využívající dat z Izraele ukazuje, že voliči při vytváření svých odhadů vycházejí z předvolebních průzkumů – tvoří jakýsi základ, na kterém staví [Kisilevsky, Levine 2006: 15].
38
Tabulka č. 2: Spontánní predikce v roce 2010 dle velikosti souboru (průměrná chyba predikce)
Zdroj: Boon 2012: 481
Tabulka č. 3: Podpořená predikce v roce 2010 dle velikosti souboru (průměrná chyba predikce)
Zdroj: Boon 2012: 482
Autor dále diskutuje vybranou metodu sběru dat. Agentura ICM má možnost dotazovat respondenty pouze telefonicky nebo online, ale vzhledem k problémům online výzkumů preferuje první z uvedených možností. Proto také data pro předvolební průzkum sbírá jejím prostřednictvím, a jelikož se jevilo jako žádoucí srovnat volební preference s odhady jejích autorů, byly i odhady zjišťovány stejným způsobem. Přístup Moudrosti davů však problémy online výzkumů podle autora eliminuje a obavy spojené s touto metodou sběru dat se tak stávají z větší části irelevantní. U konceptu Moudrosti davů by nemělo vadit, že soubor dotázaných netvoří reprezentativní vzorek populace [Boon 2012: 473]. Z tohoto důvodu se agentura ICM rozhodla pravidelně sledovat predikce davu prostřednictvím svého online omnibusu probíhajícího dvakrát týdně na více než dvou tisících dospělých respondentech. Tyto predikce pojmenovala jako Wisdom Index. 39
Čtyřikrát se čas online (Wisdom Index) a telefonního (volební preference) sběru dat prakticky shodoval a tak mohla ICM provést další srovnání (byť dotazovaní respondenti se tentokrát mezi přístupy vzájemně lišili), jejichž cílem bylo zjistit, zda Wisdom Index podává věrohodné průběžné informace o volebních preferencích. Nutno poznamenat, že není možné určit, které odhady jsou lepší a které horší – to, zda jsou odhady věrohodné nebo ne, záleží z velké části na subjektivních názorech a předsudcích. Předvolební průzkumy ICM jsou však obecně vnímány jako věrohodné, protože bývají v predikcích volebních výsledků přesnější než většina ostatních předvolebních průzkumů. A proto jsou při tomto srovnání brány jako standard, se kterým je Wisdom Index srovnáván [Boon 2012: 473]. Toto srovnání ukazuje následující tabulka. Tabulka č. 4: Srovnání volebních podílů z telefonních průzkumů43 s online predikcemi (Wisdom Index)44 těchto podílů v čase
Zdroj: Boon 2012: 474
43
Telefonní průzkumy byly uskutečněny na cca 1000 respondentech, data byla tak jako v každém předvolebním průzkumu ICM vážena dle: sociodemografické struktury populace, jistoty účasti a minulého chování ve volbách [Boon 2012: 473]. 44 Online testování Wisdom Index obsahovalo vždy cca 2000 respondentů, data byla vážena jen dle demografických ukazatelů [Boon 2012: 473].
40
Můžeme vidět, že oba přístupy mají vždy stejného vítěze, a že podíly jsou velmi podobné45 – Wisdom Index je schopen podávat ty samé informace o rozložení sil politických stran jako volební průzkumy ICM. Autor studie tak dochází k závěru, že Wisdom index, jak tento ukazatel nazval, může být nejen doplňkem ale i konkurentem klasických volebních průzkumů a vzhledem k úspěšnosti předvolebních průzkumů v posledních letech mu dává do budoucna velkou šanci [Boon 2012: 474-475]. I průzkum ICM potvrdil existenci korelace mezi vlastní volbou a predikcí – totiž, že lidé mají tendenci nadhodnocovat vlastní preferovanou stranu – a ukázalo se tak, jak moc je důležité, aby byl dav rozmanitý. Díky tomu se totiž nadhodnocené odhady vzájemně vyruší a kvalita predikce zůstane zachována. Souvislost mezi volenou stranou a predikcí dokládá následující tabulka srovnávající predikce respondentů v roce 2011 se stranou, kterou volili ve volbách v roce 2010. Predikce podílu dané strany od jejích vlastních stoupenců byly vždy vyšší než predikce založené na odhadech všech dotázaných [c. d.: 477-478]. Z toho vyplývá, že pakliže by daný soubor dotázaných obsahoval příliš mnoho nebo naopak hodně málo stoupenců dané strany, predikce by byla daným směrem vychýlena. Tabulka č. 5: Podpořená predikce podle politické strany volené v roce 2010
Zdroj: Boon 2012: 478
Za výhodu metodologie Moudrosti davů považuje autor její jednoduchost. Metoda osvobozuje výzkumné agentury od složitých výběrových a analytických technik. Vyhýbá se všem problémům, kterými jsou tradiční průzkumy obklopeny, neboť 45
Spontánní predikce jsou jak u konzervativců, tak u labouristů většinou o 1 % či 2 % nižší než průzkumy, podpořené pak ještě o další procento nižší. Podíly liberálních demokratů vycházející z predikcí jsou naopak o něco vyšší než ty, které udávají průzkumy – ačkoliv v předcházejících volbách byl jejich podíl přeceněn průzkumy nikoliv predikcemi založenými na odhadech. Podíl liberálních demokratů je v případě predikcí stabilnější. Stejně jako před volbami v roce 2010 i nyní vede informace o podílu hlasů demokratů v minulých volbách ke zvýšení odhadovaného podílu – autor to vysvětluje malým povědomím o výsledcích liberálních demokratů a s tím souvisejícím podceňováním této strany [Boon 2012: 474-475].
41
se ptá na to, co udělají jiní, nikoliv na budoucí chování samotného respondenta. Predikce davů se tím, že ke svému fungování potřebují pouze odhad výsledku, nikoliv informace o vlastní volbě, účasti, minulém volebním chování atd., vyhýbají faktorům způsobujícím nepřesnosti v předvolebních průzkumech. Nemusí např. čelit problému spirály mlčení (v kontextu předvolebních průzkumů spirála mlčení představuje situaci, kdy někteří voliči některých stran nechtějí říct, koho budou volit, neboť se stydí přiznat své preference). To je problém zejména u dotazování za přítomnosti tazatele. Není potřeba žádné další dotazování (oproti klasickým průzkumům volebních preferencí, kde se dotazuje i na volební účast, minulé volební chování), modelování, speciální vážení46 nebo analýza, stačí pouze zprůměrovat všechny odhady. Navíc se pracuje s odhady všech, bez ohledu na to zda se chystají volit nebo ne – zahrnutí méně politicky aktivních či informovaných je zároveň jednou z podmínek přesného úsudku davu.47 To je dalším z podstatných rozdílů oproti průzkumům, ve kterých podstatnou část dotázaných tvoří nevoliči a ti, kteří nevědí, koho budou volit, což představuje z hlediska přesnosti výsledků problém – zejména, pokud se tato část dotázaných politicky liší [Boon 2012: 472, 476].
5.2.2 Německo a Rakousko (2005 a 2006) Co země to jiné politické prostředí. Jelikož se domnívám, že i faktory jako počet kandidujících politických stran nebo třeba typ volebního systému mají na fungování předpovědí lidí vliv, budu se nyní věnovat studii hodnotící schopnost voličů odhadnout volební výsledky v pluralitních systémech a vliv voličova očekávání na jeho volební chování. Jak jsem již psala v úvodu, to zda lidé dokáží předpovědět výsledek voleb, je důležité i z jiného důvodu než je možnost dopředu predikovat volební výsledky. To jak lidé svá očekávání utváří, co je ovlivňuje, a jak jsou tato očekávání přesná, je významné také (a pro některé zejména) z hlediska důsledků, které tato očekávání na volební chování a postoje voličů mají – jak tato očekávání ovlivňují samotné volební chování. Tyto důsledky jsou v literatuře podrobně popsány v souvislosti s vlivem zveřejňovaných 46
Není třeba vyvažovat dle politických ukazatelů, minulého volebního chování – neboť bylo zjištěno, že toto vážení nemá na predikované podíly prakticky žádný vliv [Boon 2012: 476]. 47 Autor sám zkusil tento předpoklad otestovat a došel k závěru, že vyloučení nerozhodnutých a nevoličů z analýzy nemělo na predikce žádný podstatný vliv. Poté, co byli z dat výše zmínění respondenti vyloučeni, se průměrná chyba u spontánní predikce sice snížila o 0,2 %, ale chyba u podpořené predikce se o 0,1 % zvýšila [Boon 2012: 472].
42
předvolebních průzkumů, mezi nejznámější patří např. spirála mlčení od NoelleNeumannové nebo third-person efekt. Studie z Německa a Rakouska se podrobněji zabývala tzv. strategickým hlasováním (kdy se lidé snaží maximalizovat svůj vliv na volební výsledek, a zohledňují tak při svém rozhodování volební šance jednotlivých kandidátů, častým příkladem bývá snaha vyhnout se plýtvání hlasem) a bandwagon efektem (tendence nerozhodnutých voličů volit předpokládaného „vítěze“, ohroženi jsou zejména ti, kteří se celkově o politiku moc nezajímají) [Meffert, Huber, Gschwend, Pappi 2011: 806-807]. Níže popsaná studie využila dat z dvou reprezentativních předvolebních průzkumů z let 2005 (Německo, N=3583) a 2006 (Rakousko, N=1501). Analýza dat z obou zemí přinesla obdobné výsledky, a proto je dále v textu nerozlišuji [c. d.: 807]. Očekávání voličů ohledně volebních výsledků v Německu a Rakousku byla celkem přesná. Z čeho však očekávání voličů ohledně výsledků voleb vychází? Čím je formováno a ovlivňováno? Voliči jsou v předvolebním období často vystavováni mediálním výstupům z předvolebních průzkumů, ty však ne vždy přesně reflektují budoucí výsledek voleb. Otázkou je, do jaké míry voliči na těchto informacích staví svá očekávání. Co je již dlouho dobu známo, je, že očekávání voličů je ovlivněno jejich politickými preferencemi. Fenomén tzv. zbožného přání, kdy voliči nadhodnocují preferované strany a/nebo podhodnocují ty neoblíbené, je popsán řadou empirických studií48 a několikrát jsem se o něm zmínila i v této práci [Meffert, Huber, Gschwend, Pappi 2011: 805, 808]. Obecně se má za to, že ti, kteří se více zajímají o politiku, a mají tak větší povědomí a znalost o této oblasti, jsou ve svých očekáváních přesnější a snižuje se u nich tendence zkreslovat výsledky ve prospěch preferované strany. Lepší obrázek o tom, jak dopadnou volby, si také dělají ti, kteří se rozhodují strategicky, tak aby jejich hlas tzv. „nepropadl“. Tito lidé se totiž v předvolebním období více zajímají o šance jednotlivých stran a zjišťují si dostupné informace. Bylo také zjištěno, že očekávání lidí je ovlivněno prostředím, ve kterém žijí, přesněji řečeno sociálním kontextem. Pokud žijí v oblasti, která se politicky liší či jsou jejich osobní soc. sítě politicky homogenní,
48
Ne všechny studie o wishful thinking pojednávají v souvislosti s predikcí volebních výsledků. O fenoménu zbožného přání můžeme slyšet i v jiné než volební oblasti. Jeho výskyt je dokumentován kupř. i ve sportovní sféře při sázení na sportovní výsledky [Babad 1997: 106].
43
jsou jejich představy o výsledku voleb vychýlené [c. d.: 806]. K témuž závěru dochází i studie z prostředí izraelských voleb: vzdělanější lidé a ti s větším zájmem o politiku jsou ve svých předpovědích přesnější, ačkoliv angažovanější respondenti mají sklon nadhodnocovat favorizovanou stranu [Kisilevsky, Levine 2006: 15-16]. Významný pozitivní vliv na celkovou kvalitu a schopnost respondentů činit přesné volební předpovědi podle výsledků regresní analýzy studie má: politická znalost, zájem o politiku, pozornost věnovaná předvolebním průzkumům ale i stranická identifikace s některou ze stran (ačkoliv zároveň u konkrétních stran způsobuje fenomén zbožného přání, viz dále). Oproti očekávání naopak nebyl prokázán vliv zájmu o politickou kampaň na kvalitu předpovědí. Vliv sociálního prostředí se ukázal být sice statisticky významný, ale malý. V obou zemích byli muži ve svých předpovědích významně častěji přesnější, a to i při kontrole vlivu ostatních proměnných. Stejný poznatek přinesla studie zabývající se holandskými voliči. Proč jsou muži ve svých odhadech přesnější, zatím nebylo objasněno [Meffert, Huber, Gschwend, Pappi 2011: 808-810]. Co se týče fenoménu zbožného přání, bylo regresí při kontrole vlivu politické znalosti a vzdělání zjištěno, že ti, kteří preferují a hodnotí stranu lépe než všechny ostatní strany, mají sklony k přeceňování jejích volebních šancí a opačně pro neoblíbené strany. Výsledky studie se tak shodují s předešlými výzkumy na toto téma – potvrzují, že zbožné přání je velmi rozšířený jev a že pouze vzdělání a politická znalost pomáhají redukovat jeho vliv. Zdá se, že vzdělanější a znalejší respondenti jsou více a lépe informovaní, což jim umožňuje omezit vliv jejich vlastních preferencí, naopak méně znalí respondenti jsou nuceni se více spoléhat na svoje preference, což vede k vychýlení jejich odhadů [c. d.: 810-811]. Ačkoliv je strategické hlasování spojováno zejména s většinovým volebním systémem, vyskytuje se hojně i v proporčních volebních systémech, což prokázal i tento výzkum. Očekávání, že strana překoná minimální procentuální hranici, zvyšuje pravděpodobnost, že ji jedinec bude volit – ti, kteří neočekávají, že strana danou hranici překoná, stranu častěji volit nebudou, neboť nebudou chtít plýtvat hlasem. Oproti zbožnému přání se ke strategickému hlasování uchylují zejména politiky znalejší respondenti. Jak již bylo zmíněno, další možnost, jak očekávání mohou ovlivnit volební chování, je bandwagon efekt. Ukázalo se, že tento jev je patrný zejména 44
mezi méně politiky znalými voliči [c. d.: 807, 812-813]. Zdá se tak, že politická znalost hraje v obou těchto procesech důležitou roli. „Nejen že zvyšuje celkovou kvalitu voličova očekávání a redukuje vliv zbožného přání, ale také ovlivňuje to, zda a jak očekávaní ovlivňují volební chování.“ [c. d.: 814]. Autoři studie tak dochází k závěru, že očekávání voličů ohledně výsledků voleb jsou velice obstojná a zdá se, že jich využívají při rozhodování se koho volit. Asi nejzásadnějším objevem této studie však je pozitivní vliv stranické identifikace na celkovou kvalitu volebních očekávání, který dosud nikdo nezkoumal – zřejmě proto, že u jednotlivých stran je její efekt negativní (díky výskytu a vlivu wishful thinking). Možným vysvětlením, proč stranickost vzhledem k fenoménu zbožného přání celkovou přesnost spíše nezhoršuje, je to, že stranickost je spojena s vyšší účastí a zájmem o politiku [Meffert, Huber, Gschwend, Pappi 2011: 813-814].
5.2.3 USA (1956-1996) Myšlenka, že sami voliči dokáží přesně předpovídat volební výsledky, vedla autory studie „Voters as forecasters“ k analýze American National Election Surveys (ANES) z let 1956-1996. Cílem analýzy bylo zjistit, do jaké míry jsou američtí občasné schopni předpovídat výsledky prezidentských voleb a objasnit možné příčiny této schopnosti. Autoři zamítli počáteční hypotézu, že se voliči při odhadu volebního výsledku rozhodují náhodně a zjistili, že ve všech zkoumaných volbách dokázalo předpovědět vítěze 71 % z nich. Celkem se respondentům ANES podařilo správně předpovědět výsledek devíti z jedenácti zkoumaných voleb, a to vždy zhruba měsíc před samotnými volbami. Došli tak k závěru, že, voliči dokáží předpovědět, kdo vyhraje volby [Lewis-Beck, Tien 1999: 176-177, 181]. Zdá se tedy, že v USA fungují oba dva přístupy založené na očekávání voličů, jak ty konstruované v tržním (IEM) tak i ty v netržním prostředí. Americká studie srovnávající oba dva přístupy v prezidentských volbách v roce 2008, pak dokonce ukazuje, že „citizen forecasting“ je přesnější než predikční trhy [Miller, Wang, Kulkarni, Poor, Osherson 2012: 1019]. Kvalitu předpovědí podle autorů ovlivňuje kontext, konkrétně pak: vzdělání dotázaných, blízkost voleb, vyrovnanost souboje kandidátů [Lewis-Beck, Tien 1999: 183].
45
5.2.4 Švédsko (2006) Studie, srovnávající predikce švédských volebních výsledků od různých skupin lidí, „Are all crowds equally wise?“ přinesla obdobné výsledky jako studie výše. Zabývala se mimo jiné i odhady expertů a potvrdila tak Surowieckiho tezi, že dav může být za určitých okolností lepší než experti. Celkem čtyři skupiny respondentů (veřejnost a tři skupiny tvořené experty) odhadovaly, kolik procent hlasů dostane ve volbách do parlamentu každá ze sedmi kandidujících stran. Nejrozmanitější skupina sestavená z řad široké veřejnosti, byla v předpovědi volebního výsledku nejpřesnější a překonala i dva nejpozdější předvolební průzkumy (vč. exit poll), a to přestože předpovědi jednotlivců byly horší než předpovědi expertů – chyby jednotlivců se však vzájemně vyrušily. Autoři to vysvětlují tím, že důležitou roli při vytváření predikce hrají informace od ostatních lidí. Variabilita sociálních kontaktů je pak pravděpodobně větší ve skupině složené z veřejnosti než ve skupině tvořené experty. I tato studie potvrzuje, že schopnost předpovídat volební výsledky není u všech lidí stejná. Muži jsou ve svých předpovědích přesnější než ženy, stejně jako ti, kteří se více zajímají o politiku. Mezi členy veřejnosti a novináři se také objevil výše diskutovaný fenomén zbožného přání. Potvrdilo se tak že výskyt toho jevu negativně koreluje s politickou znalostí – např. u politologů se zbožné přání nevyskytovalo [Sjöberg 2009: 1, 3, 13-14].
5.3 Experimenty v ČR Ačkoliv v ČR zatím neexistuje odborná studie popisující a dokumentující odhadování volebních výsledků občany či respondenty, v roce 2010 byl učiněn jeden experiment a současně s mým výzkumem k volbám v roce 2013 odhady respondentů měřila i společnost STEM/MARK.
5.3.1 100 chytrých (2010) V roce 2010 se společnost NextBig inspirovala Surowieckiho knihou a pokusila se tři dny před volbami do Poslanecké sněmovny v roce 2010 přinést odhad jejich výsledků sestavený z tipů široké veřejnosti. Návštěvníků webových stránek 100 chytrých a čtenářů Hospodářských novin se ptala, jak si myslí, že volby do Poslanecké sněmovny dopadnou. Na nejpřesnějšího tipujícího přitom čekala výhra ve výši 50 tisíc korun. Účastníci nejprve vyplnili krátký orientační test od společnosti SCIO a poté vložili svůj odhad výsledku voleb do Poslanecké sněmovny. Svůj odhad poskytlo celkem 6758 lidí, 46
zveřejněným výstupem však byl aritmetický průměr odhadů pouze 100 „chytrých“, kteří byli vybráni na základě výsledků výše zmíněného testu. Tento odhad se sice stejně jako výsledky volebních průzkumů od konečných výsledků voleb lišil, ale v zásadě byl podobně přesný jako předvolební průzkumy výzkumných agentur (viz tabulka č. 6), při nižších realizačních nákladech [100 chytrých 2010 (online)]. Tabulka č. 6: Srovnání49 100 chytrých s předvolebními průzkumy a výsledky voleb do PS PČR (2010) Výsledky voleb -
Médea research 26. 3. - 7. 4.
Median 2. 4. - 1. 5.
ČSSD (%) ODS (%) TOP 09 (%)
22,1 20,2 16,7
27,5 23,0 15,8
26,2 19,0 10,7
30,5 19,0 14,0
26,3 22,9 10,9
28,2 22,2 12,2
KSČM (%) VV (%) KDU-ČSL (%) SPOZ (%) SZ (%)
11,3 10,9 4,4 4,3 2,4
10,2 12,1 4,5 2,6 3,0
13,3 7,6 7,5 6,8 3,5
13,0 11,5 3,5 2,0 4,5
13,1 12,6 5,5 2,6 2,5
12,8 7,6 5,3 3,2 3,6
Sběr dat (2010)
Factum CVVM Invenio 3. 5. - 10. 5. 7. 5. - 12. 5.
100 chytrých květen
Ostatní (%) 7,7 1,3 5,4 2,0 3,6 5,0 Průměrná abs. odchylka (%) 2,2 2,9 2,5 2,4 2,6 Zdroj: Autorka dle Médea Research 2010 (online), Median (2010), CVVM 2010 (online), Factum Invenio 2010 (online), 100 chytrých 2010 (online)
Tabulka nabízí srovnání volebních modelů vydaných před volbami do PS PČR v roce 2010 a experimentu 100 chytrých s výsledky voleb. Můžeme vidět, že z hlediska průměrné absolutní odchylky (tento způsob srovnání využívaly i výše zmíněné studie) nejlépe dopadl volební model agentury Médea Research, nejhůře pak model agentury Median. 100 chytrých s průměrnou odchylkou 2,6 bylo podobně přesných jako volební modely agentury CVVM a Factum Invenio. Prokop (2012) provádí komplexnější porovnání predikční schopnosti jednotlivých modelů k volbám v roce 2010. Kvalitu predikce hodnotí z hlediska sedmi parametrů (od odchylek přes velikosti chyby rozdílu mezi vítěznou a druhou stranou až po chybování v kvalifikaci stran do PS), které dohromady tvoří index celkové predikční kvality modelu. Z tohoto hlediska je odhad 100 chytrých po volebních modelech Factum Invenia (dnes ppm factum) a Médea Research třetím nejlepším prediktorem výsledků voleb. Výzkum 100 chytrých stejně 49
Tabulka obsahuje všechny dostupné předvolební průzkumy agentur, které v čase před volbami (tj. v dubnu či květnu) v roce 2010 zveřejnily svůj volební model. Pokud agentura zveřejnila volebních modelů více, je prezentován ten nejpozdější – v souladu s poznatkem, že výsledky předvolebních výzkumů se v čase přibližují výsledkům voleb [SIMAR 2013 (online)].
47
jako volební modely většiny agentur přecenil volební šance ČSSD a podcenil volební výsledek TOP 09. Na rozdíl od většiny volebních modelů však správně odhadl, že odklon od velkých politických stran bude směrem k těm nejmenším stranám [Prokop 2012: 20-23]. Otázkou zůstává, nakolik je kvalita predikce ovlivněna samotným postupem autorů – tj. tím, že ze všech tipujících autoři do finálního odhadu zahrnuli pouze 100 „chytrých“. Dle Boona (2012) je 100 respondentů pro kvalitní predikci málo. Což potvrdily i výsledky, pokud by totiž vstupní data pro aritmetický průměr nebyla omezena na 100 „chytrých“, byl by odhad přesnější [100 chytrých 2010 (online)].
5.3.2 Model delphi (2013) Trochu jinak – s využitím metody Delphi – zjišťovala odhady respondentů za účelem predikce volebních výsledků před posledními volbami do Poslanecké sněmovny i česká výzkumná agentura STEM/MARK. Stejně jako výše diskutované metody (citizen forecasting a predikční trhy) i metoda Delphi stojí na agregování názorů skupiny lidí. Původně byla vyvinuta pro rozhodování expertů, avšak neexistuje důvod, proč ji neaplikovat „mezi běžnou populací, když problém, který řešíme, není příliš odborný.“ [Fait 2013 (online)]. Odhady respondentů začala agentura z akademického zájmu měřit prostřednictvím online omnibusu na online panelu již v srpnu. Průzkum probíhal ve třech vlnách50, z toho každé se účastnil reprezentativní vzorek pěti set respondentů. Odměny byly fixní tj. za vyplněný dotazník nikoliv za správnou predikci. Respondenti byli dotazováni, jak podle nich volby dopadnou, přičemž jim byly předloženy odpovědi – přesněji řečeno průměrný odhad – všech respondentů, kteří odpovídali před nimi (v rámci jedné vlny). Dotazovací situace vypadala asi takto:
50
První vlna proběhla koncem srpna (26. 8. – 29. 8.), druhá koncem září (26. 9. – 30. 9.) a třetí v polovině října (13. 10. – 17. 10.).
48
Obrázek č. 2: Ukázka dotazovacího prostředí společnosti STEM/MARK
Zdroj: Fait 2013 (online)
Úkolem respondentů pak bylo upravit zobrazený průměrný odhad tak, aby vyjadřoval jejich mínění o tom, jak volby dopadnou. Museli ale vždy ve výsledku určit takové rozložení procent, jehož součet se rovnal 100. Výsledky metody byly podobné výsledkům standardních preferenčních průzkumů (ač jsou zde výrazné rozdíly v metodikách). To je dle vyjádření agentury „dobrá zpráva už jen proto, že víme, že metoda nestřílí zcela vedle“ [Fait 2013 (online)]. Detailní výsledky jsou zobrazeny v tabulce níže. Třetí vlna metody Delphi je zde konfrontována s výsledky nejpozději zveřejněných předvolebních průzkumů. Jednotlivé agentury jsou seřazeny dle času sběru dat. Průzkumy od společností TNS AISA a STEM předpověděly výsledek voleb nejlépe. Z hlediska průměrné abs. chyby je na tom metoda Delphi nejhůře, a to zejména díky nadhodnocení ČSSD a SPOZ a naopak podhodnocení ANO 2011. Možným vysvětlením tohoto výsledku je odchylka panelů směrem politicky doleva – poměrně běžný fenomén, který činí problémy většině výzkumů, i těm nepolitickým. Za horšími predikcemi však může stát i absence motivace (tj. odměny v případě správného tipu) pro respondenty činit odhady s rozmyslem.
49
Tabulka č. 7: Srovnání výsledků metody Delphi s předvolebními průzkumy a výsledky voleb do PS PČR51 Výsledky MEDIAN voleb
ppm factum
CVVM
TNS AISA
MÉDEA RESEARCH
STEM
SANEP
Metoda Delphi
-
16. 9. - 16. 10.
30. 9. - 10. 10.
7. - 14. 10.
7 - 16. 10.
8. - 14. 10.
8. - 15. 10.
17. - 21. 10.
13. -17. 10.
ČSSD (%)
20,5
25,5
22,8
26,0
23,0
22,2
25,9
23,8
27,9
ANO 2011 (%)
18,7
13,0
12,1
16,5
16,0
16,9
16,1
11,6
10,2
KSČM (%)
14,9
16,0
17,1
18,0
14,0
11,8
13,3
16,9
17,0
TOP 09 (%)
12,0
13,0
13,2
9,0
10,5
9,6
11,5
11,9
11,0
ODS (%)
7,7
8,0
7,2
6,5
7,0
5,5
8,6
7,5
10,3
Úsvit (%)
6,9
4,0
3,7
5,0
6,0
8,2
5,9
5,3
3,3
KDU-ČSL (%)
6,8
6,0
5,9
5,0
6,0
6,2
4,5
5,7
4,6
SZ (%)
3,2
3,0
4,3
2,0
3,0
2,9
2,6
3,1
2,7
Svobodní (%)
2,5
2,5
-
-
-
-
3,1
-
2,1
SPOZ (%)
1,5
5,0
4,7
3,5
4,0
3,7
2,6
5,2
8,2
Ostatní (%)
5,5
4,0
-
-
-
-
5,9
-
2,5
-
2,0
2,2
2,2
1,5
2,1
1,5
2,0
3,4
Sběr dat (2013)
Průměrná absolutní odchylka (%)
Zdroj: Autorka na základě dat z 3. vlny od společnosti STEM/MARK, TNS AISA 2013 (online), MÉDEA RESEARCH 2013 (online), STEM 2013 (online), SANEP 2013 (online), MEDIAN 2013 (online), ppm factum 2013 (online), CVVM 2013 (online)
Celkem třetině respondentů (části z první a druhé vlny) nebyly průměrné odhady ostatních respondentů poskytnuty, stejně jako ve výše zmíněných studiích a mém vlastním výzkumu. V tomto případě bylo jako výchozí nastaveno u všech zkoumaných stran „0 %“. Data tak nabízí možnost porovnání metody Delphi (tj. odhady lidí, kterým byly poskytnuty informace o mínění ostatních) a odhadů lidí, kteří tvořili svůj odhad zcela nezávisle na mínění ostatních respondentů. V grafu níže můžeme vidět odhady výsledků voleb vycházející z obou přístupů (zahrnuje data z 1. a 2. vlny). Přesnější predikce podávají odhady lidí, kteří nebyli vystaveni názoru ostatních – byli nezávislí. Průměrná chyba je u těchto odhadů o 0,3 % nižší (4 % oproti 4,3 % u metody Delphi). Je tedy otázkou, zda by třetí vlna odhadů nedopadla lépe, pokud se respondenti rozhodovali nezávisle.
51
U agentur, které nezahrnovaly do svého volebního modelu Svobodné, není zobrazeno procento u kategorie „ostatní“, neboť tato kategorie pak není srovnatelná s uvedeným výsledkem voleb. Výpočet průměrné abs. odchylky už s kategorií „ostatní“, která v těchto případech sestává z kategorií „ostatní“ + „Svobodní“, počítá.
50
Graf č. 2: Srovnání odhadů respondentů bez znalosti názorů ostatních s metodou Delphi 35% 30%
29,1% 26,8%
25% 20,5%
20% 15% 10% 5%
18,7%
17,6% 16,7% 14,9% 13,9% 12% 11,7% 11,6% 10,6% 9,6% 8,7% 7,7% 6,5% 6,9% 6,8% 6,3% 5,5% 4,9% 3,8% 3% 4,3% 3,2% 2,8% 2,5%2,2% 2,7% 2,9% 1,5% 2,2% 2%
0%
výsledky voleb
bez nabídnutého průměru (N=496)
metoda Delphi (N=459)
Zdroj: autorka na základě dat z 1. a 2. vlny od společnosti STEM/MARK
Už Surowiecki (2005) zdůrazňoval důležitost vzájemného neovlivňování se. Sociální vliv hraje v rozhodování jednotlivce důležitou roli, a ovlivňuje tak individuální i kolektivní odhady. A tento vliv je podle autorů studie „How social influence can undermine the wisdom of crowd effect“ negativní, a to i když jsou jednotlivci motivováni odměnou v případě správného odhadu a snaží se tak zejména o přesnost svých vlastních odhadů nikoliv o konformitu s ostatními. Jejich experiment ukázal, že i slabý sociální vliv může ohrozit fungování moudrosti davu v jednoduchých odhadovacích úkolech. Zjistili totiž, že pokud mají respondenti k dispozici průměrné odpovědi ostatních účastníků výzkumu, snižuje se rozmanitost a zužuje se rozsah jejich názorů do takové míry, že dochází k oslabení kolektivní moudrosti z hlediska spolehlivosti a přesnosti [Lorenz, Rauhut, Schweitzer, Helbing 2011: 9020]. Studie tedy ukazuje, že i takový vliv, který je zcela běžný například v predikčních trzích skrze tržní ceny, spouští efekt stáda a negativně ovlivňuje mechanismus moudrosti davu.
51
6 Analýza V této části práce vycházím z mnou provedeného kvantitativního výzkumu, který jsem realizovala v týdnu před volbami do PS PČR 2013. Jak již bylo psáno výše, metody používané k zajištění reprezentativity výzkumného souboru, nemají zdá se na „moudrost davu“ velký vliv. Vzhledem k tomu, že součástí mého výzkumu byly i otázky zjišťující jak lidé svá očekávání utváří (tj. na základě čeho se při svých odhadech rozhodují), byla získaná data vážena dle základních sociodemografických charakteristik, tak aby výběrový soubor tvořil z hlediska těchto ukazatelů reprezentativní vzorek populace. Jeho sociodemografickou strukturu před a po vážení uvádím v příloze č. 4. Na konci kapitoly 6.1 pak ukazuji, zda a jak by se odhady volebních výsledků lišily, pokud by výzkumný soubor vážen nebyl. Vlastní výzkumný soubor splňuje všechny podmínky, jimiž Surowiecki ve své knize charakterizuje moudré davy. Tj. rozmanitost názorů (rekrutování více než tisíce respondentů z celé řady sociodemografických kategorií, voličů i nevoličů, zajišťuje, že každý jednotlivec bude mít nějaké vlastní informace, i když to třeba budou jen výstřední interpretace známých skutečností), nezávislost (respondentům nebyly předkládány agregované odhady ostatních respondentů, což dle provedených studií oslabuje kolektivní moudrost), decentralizace (je zaručena vzhledem k velikosti a různorodosti výzkumného souboru). Zároveň existuje hned několik možností, jak převést odhady jednotlivců na jeden kolektivní. Na základě studia literatury a poznatků z již proběhlých studií týkajících se odhadování volebních výsledků účastníky predikčních trhů a respondentů výzkumů byly stanoveny následující hypotézy: H1: Průměrná chyba odhadu respondentů bude menší než průměrná chyba většiny předvolebních průzkumů. H2: Jako agregační měřítko je vhodnější medián než průměr. Kap. 6.1 H3: Přesněji lidé odhadnou výsledky již zavedených stran než 1) nově vzniklých politických uskupení, 2) stran, které se na české politické scéně již jedno volební období pohybují ale v pozadí. 52
H4: Muži jsou ve svých odhadech přesnější než ženy (při kontrole vlivu zájmu o politiku). H5: Lidé s vyšším vzděláním jsou ve svých odhadech přesnější než lidé s nižším vzděláním. Kap. 6.2 H6: Ti, kteří se více zajímají o politiku, jsou ve svých odhadech přesnější. H7: Ti, kteří byli vystaveni výsledkům předvolebních průzkumů, budou ve svých odhadech přesnější, než ti, kteří výsledky žádného předvolebního průzkum neviděli. H8: Lidé berou při vytváření svého odhadu v úvahu více faktorů. Kap. 6.3 H9: Lidé přeceňují výsledek preferované strany.
6.1 Odhad volebních výsledků respondenty a jeho srovnání s volebními modely V této podkapitole představím výsledné odhady volebních výsledků. Existuje mnoho způsobů, jak převést odhady jednotlivců na jeden kolektivní. Už od dob Galtona se vede diskuze o tom, jaký způsob agregace je nejlepší [Galton 1907b; Hooker 1907]. Obvykle se používá aritmetický průměr či medián, ale existují i jiné alternativy. U moudrých davů často bývá správná hodnota blízko mediánu, což z něj činí vhodný prostředek agregace [Lorenz, Rauhut, Schweitzer, Helbing 2011: 9021-9022]. V analýze budu pracovat s průměry i mediánem. Pokusím se také zodpovědět, které z těchto měřítek je pro odhadování voleb lepší. Vzhledem k prokázané (viz dále) existenci wishful thinking (nadhodnocování oblíbených a podhodnocování neoblíbených stran) budu kromě aritmetického průměru používat také 5% trimmed mean52. Tento průměr by měl lépe vystihnout kolektivní odhad než obyčejný aritmetický průměr, neboť není tolik vychýlen extrémními odhady. Avšak vzhledem k tomu, že odhady nejsou normálně ale asymetricky rozloženy53 –
52
5% trimmed mean je průměr, který do svého výpočtu nezahrnuje extrémní hodnoty. Konkrétně 5 % nejvyšších a 5 % nejnižších hodnot. 53 Ukázku rozložení odhadů u jedné ze stran naleznete v příloze č. 5.
53
vyznačují se větší špičatostí a co je pro výpočet střední hodnoty nejdůležitější, také šikmostí (většinou kladnou, též pravostrannou, což znamená, že se většina odhadů nachází pod průměrem; pouze u ANO 2011 a ČSSD je šikmost záporná tj. levostranná) by měl být nejvhodnějším prostředkem agregace medián. Tuto hypotézu se budu snažit ověřit na datech. Do srovnání odhadů respondentů s výsledky předvolebních průzkumů jsem zařadila poslední zveřejněné volební modely jednotlivých agentur. Všechny tyto modely byly publikovány v říjnu 2013. V souladu s tezí, že výsledky předvolebních výzkumů se v čase přibližují výsledkům voleb [SIMAR 2013 (online)], by tyto modely měly predikovat volební výsledky lépe než ty zveřejněné dříve. Následující graf podává přehled volebních modelů jednotlivých agentur a výsledných odhadů respondentů. Ty jsou reprezentovány již zmiňovaným aritmetickým průměrem, 5% trimmed mean a mediánem (neplést s agenturou MEDIAN). Celkově tak graf kromě samotných výsledků voleb obsahuje 7 volebních modelů a 3 zvolená agregační měřítka moudrosti davu. Vzhledem k tomu, že některé agentury nezahrnovaly do svého volebního modelu menší strany (ČPS, Svobodné), graf neobsahuje kategorii „ostatní“, neboť není napříč jednotlivými modely a mým výzkumem porovnatelná.
54
Graf č. 3: Srovnání odhadů respondentů s volebními modely a výsledky voleb 30% 25% 20% 15% 10% 5% 0% ČSSD
ANO 2011
KSČM
TOP 09
ODS
Úsvit
KDUČSL
SZ
ČPS
Svobod ní
SPOZ
Výsledky
20,5%
18,7%
14,9%
12,0%
7,7%
6,9%
6,8%
3,2%
2,7%
2,5%
1,5%
Průměr
22,6%
12,8%
13,1%
10,9%
9,3%
4,8%
6,4%
3,4%
2,3%
2,4%
5,9%
5% Trimmed Mean 22,7%
12,8%
13,0%
10,6%
8,7%
4,6%
6,1%
3,2%
2,0%
2,1%
5,3%
Medián
23,0%
14,0%
13,0%
10,5%
8,0%
5,0%
6,0%
3,0%
2,0%
2,0%
5,0%
MEDIAN
25,5%
13,0%
16,0%
13,0%
8,0%
4,0%
6,0%
3,0%
2,0%
2,5%
5,0%
ppm factum
22,8%
12,1%
17,1%
13,2%
7,2%
3,7%
5,9%
4,3%
CVVM
26,0%
16,5%
18,0%
9,0%
6,5%
5,0%
5,0%
2,0%
2,5%
3,5%
TNS AISA
23,0%
16,0%
14,0%
10,5%
7,0%
6,0%
6,0%
3,0%
2,5%
4,0%
MÉDEA RESEARCH
22,2%
16,9%
11,8%
9,6%
5,5%
8,2%
6,2%
2,9%
3,1%
3,7%
STEM
25,9%
16,1%
13,3%
11,5%
8,6%
5,9%
4,5%
2,6%
3,1%
SANEP
23,8%
11,6%
16,9%
11,9%
7,5%
5,3%
5,7%
3,1%
4,7%
3,1%
2,6% 5,2%
Zdroj: vlastní data (N=1017), TNS AISA 2013 (online), MÉDEA RESEARCH 2013 (online), STEM 2013 (online), SANEP 2013 (online), MEDIAN 2013 (online), ppm factum 2013 (online), CVVM 2013 (online)
Respondenti správně odhadli pořadí prvních pěti volených stran. KDU-ČSL však dávali větší šanci než Úsvitu (stejně jako většina předvolebních průzkumů) a výrazně přecenili šance SPOZ, která ve skutečnosti byla z uvedených stran na posledním místě. Také mylně předpovídali o něco více procent ČSSD, stejně jako všechny předvolební průzkumy. Ačkoliv jsou výsledky velmi podobné předvolebním průzkumům, nekopírují je zcela. Navzdory tomu, že většina průzkumů dlouhou dobu přinášela zprávy o malé podpoře ODS, respondenti se i tak domnívali, že ve volbách dostane hlasů více. Také o dost více podcenili volební výsledek ANO 2011. A oproti většině předvolebních výzkumů hádali výrazně menší podporu KSČM. Pro srovnání celkové predikční kvality odhadů respondentů a jednotlivých volebních modelů samozřejmě jen takovéto zhodnocení nestačí. Kvalita predikcí se dá posuzovat hned z několika hledisek. Vzhledem k tomu, že každé z nich penalizuje různé chyby, je lepší využít jich při srovnání vícero. Celkovou predikční kvalitu proto
55
srovnávám z hlediska následujících ukazatelů: průměrné absolutní odchylky54 (penalizuje odchylky u velkých stran), průměrné relativní odchylky55 (penalizuje odchylky u malých stran) a sumy čtverců odchylek56 (penalizuje velké odchylky). Do těchto výpočtů je již zahrnuta i kategorie „ostatní strany“. Z hlediska všech ukazatelů nejlépe předpověděly výsledek voleb modely agentur TNS AISA a STEM (tabulka č. 8). Nejhůře pak modely agentur ppm factum a SANEP. Ze třech měřítek reprezentujících agregovaný odhad respondentů měl nejmenší odchylky medián, což potvrzuje hypotézu č. 2, že jako způsob agregace je vhodnější medián. Nejhůře pak výsledky predikoval aritmetický průměr všech odhadů. Odhad respondentů pomocí mediánu pak byl třetím nejlepším prediktorem výsledků voleb. Hypotéza č. 1, že průměrná chyba odhadů respondentů bude menší než průměrná chyba většiny předvolebních průzkumů, byla také potvrzena. Je však třeba brát v úvahu, že sběr dat probíhal těsně před volbami, a tak je oproti volebním modelům většiny agentur zvýhodněn, ačkoliv z tabulky srovnávající odchylky průzkumů nevyplývá, že by výzkumy, které byly provedeny později, byly přesnější. Tabulka č. 8: Srovnání predikční kvality odhadů respondentů s volebními modely z hlediska velikosti odchylek Průměr Sběr dat Průměrná abs. odchylka Průměrná rel. odchylka Suma čtverců odchylek
5% Trimmed Mean
Medián
20. - 25. 10.
MEDIAN
ppm factum
CVVM
TNS AISA
MÉDEA RESEARCH
STEM
SANEP
16. 9. - 16. 10.
30. 9. - 10. 10.
7. - 14. 10.
7 - 16. 10.
8. - 14. 10.
8. - 15. 10.
17. - 21. 10.
1,9 %
1,9 %
1,6 %
1,8 %
2,2 %
2,1 %
1,4 %
1,9 %
1,4 %
2,0 %
45,9%
41,6%
35,7%
35,0%
39,7%
31,2%
28,0%
34,0%
20,6%
37,1%
80,9
72,9
52,5
81,9
78,4
68,1
32,2
55,1
48,1
83,4
Zdroj: vlastní data (N=1017), TNS AISA 2013 (online), MÉDEA RESEARCH 2013 (online), STEM 2013 (online), SANEP 2013 (online), MEDIAN 2013 (online), ppm factum 2013 (online), CVVM 2013 (online)
54
Absolutní odchylkou rozumíme odchylku předpovídané hodnoty pro danou stranu od skutečného volebního výsledku v absolutní hodnotě. Průměrná absolutní odchylka je pak aritmetickým průměrem těchto odchylek. 55 Relativní odchylkou u strany s volebním ziskem X a predikovanou hodnotou Y rozumíme hodnotu [|YX| / X] * 100. Průměrná relativní odchylka je aritmetickým průměrem těchto odchylek. 56 Součet druhých mocnin jednotlivých odchylek. Tento ukazatel odchýlení predikovaných od pozorovaných hodnot od sebe lépe odliší výsledky, kde se např. 11 stran liší o 1 % (což je relativně přesné a systematicky nevychýlené) od výsledků, kde se jedna strana liší o 6 % a zbylé o 0,6 % (což je značně systematicky vychýlené). Průměrná abs. odchylka v obou případech vychází skoro stejně, suma čtverců odchylek je však 4x vyšší u systematicky vychýleného tipu než u nevychýleného.
56
Detailněji ukazuje přesnost odhadů respondentů u jednotlivých stran tabulka č. 9. Můžeme vidět, že velký vliv na výpočet průměrné relativní odchylky má velikost vychýlení odhadu volebního výsledku SPOZ. Relativní odchylka u průměru je zde 288 %, u mediánu je pak toto vychýlení o cca 50 % menší. Průměrnou absolutní odchylku a sumu čtverců odchylek zas velmi ovlivňuje již zmíněné podcenění ANO 2011 a přecenění SPOZ. Tabulka č. 9: Velikost odchylek odhadů respondentů od výsledků voleb Průměr Abs. odchylka
Rel. odchylka
ČSSD
2,2 %
ANO 2011
5,9 %
KSČM TOP 09
5% Trimmed Mean Čtverce odchylek
Abs. odchylka
Rel. odchylka
11%
4,7
2,3 %
31%
34,4
5,9 %
1,8 %
12%
3,1
1,1 %
9%
1,2
ODS
1,6 %
21%
Úsvit
2,1 %
30%
KDU-ČSL
0,4 %
SZ
0,2 %
ČPS Svobodní
Medián
Čtverce odchylek
Abs. odchylka
Rel. odchylka
Čtverce odchylek
11%
5,3
2,6 %
12%
6,5
32%
34,5
4,7 %
25%
21,6
1,9 %
13%
3,5
1,9 %
13%
3,6
1,4 %
11%
1,9
1,5 %
12%
2,2
2,6
1,0 %
13%
1,0
0,3 %
4%
0,1
4,3
2,3 %
33%
5,3
1,9 %
27%
3,5
6%
0,2
0,7 %
11%
0,5
0,8 %
12%
0,6
6%
0,0
0,0 %
0%
0,0
0,2 %
6%
0,0
0,4 %
15%
0,2
0,6 %
24%
0,4
0,7 %
25%
0,4
0,0 %
1%
0,0
0,3 %
14%
0,1
0,5 %
19%
0,2
SPOZ
4,3 %
288%
18,9
3,8 %
249%
14,2
3,5 %
231%
12,2
Ostatní
3,4 %
121%
11,4
2,5 %
89%
6,2
1,2 %
43%
1,4
Zdroj: vlastní data (N=1017)
Co se týče třetí hypotézy – že lidé přesněji odhadnou výsledky již zavedených stran než 1) nově vzniklých politických uskupení, 2) stran, které se na české politické scéně již jedno volební období pohybují ale v pozadí – tu lze také potvrdit. Za dosud nezavedené strany je možné považovat strany, které se voleb do Poslanecké sněmovny Parlamentu ČR účastnily poprvé nebo strany, které se voleb v ČR již jednou účastnily, avšak bez většího úspěchu. Tedy ANO 2011, Úsvit a SPOZ. Smysl v tomto případě má srovnávat velikost chyby pouze podle relativní odchylky. Z hlediska té je nejhůře predikovanou stranou právě SPOZ (relativní odchylka více než 200 %), ANO 2011 a Úsvit (u obou stran okolo 30 %). Nyní se pokusím ověřit jeden z předpokladů použití přístupu inspirovaného Moudrostí davů a to ten, že nezáleží na reprezentativitě výzkumného souboru. Jinými slovy ukážu, jaký vliv na kvalitu predikce mělo použité vážení, tím, že srovnám odhady volebních výsledků z původního neváženého souboru s odhady, které byly
57
prezentovány výše. Toto porovnání nabízí tabulka č. 10. Můžeme vidět, že jednotlivé průměry a mediány jsou téměř totožné. Velikosti průměrných odchylek a sum čtverců odchylek pak značí, že vážení dat skutečně nezměnilo celkovou kvalitu predikce – rozdíl průměrných abs. odchylek je v setinách procent, průměrné relativní odchylky se od sebe liší cca o dvě procenta a suma čtverců odchylek je u průměrných odhadů neváženého souboru sice o něco nižší, ale u mediánu zase o něco vyšší. Zdá se tak, že v případě odhadování volebních výsledků respondenty výzkumný soubor opravdu nemusí reprezentovat populaci, ale stačí, když je tzv. rozmanitý. Vážení dat výsledné odhady nezlepšilo. Tabulka č. 10: Srovnání výsledných odhadů (vážená versus nevážená data) Vážená (reprezentativní) data
Nevážená (nereprezentativní) data
Výsledky voleb
Průměr
5% Trimmed Mean
Medián
Průměr
5% Trimmed Mean
Medián
ČSSD
20,5%
22,6%
22,7%
23,0%
23,1
23,15
23,5
ANO 2011
18,7%
12,8%
12,8%
14,0%
13,2
13,18
14,1
KSČM
14,9%
13,1%
13,0%
13,0%
12,9
12,85
13,0
TOP 09
12,0%
10,9%
10,6%
10,5%
11,3
11,13
11,0
ODS
7,7%
9,3%
8,7%
8,0%
9,5
8,97
8,0
Úsvit
6,9%
4,8%
4,6%
5,0%
4,5
4,25
4,2
KDU-ČSL
6,8%
6,4%
6,1%
6,0%
6,1
5,89
5,9
SZ
3,2%
3,4%
3,2%
3,0%
3,5
3,31
3,0
ČPS
2,7%
2,3%
2,0%
2,0%
2,3
2,10
2,0
Svobodní
2,5%
2,4%
2,1%
2,0%
2,4
2,13
2,0
SPOZ
1,5%
5,9%
5,3%
5,0%
5,5
4,96
4,5
Ostatní
2,8%
6,2%
5,3%
4,0%
5,7
4,95
4,0
-
1,95%
1,89%
1,63%
1,94%
1,87%
1,65%
-
45,9%
41,6%
35,7%
43,7%
39,6%
33,9%
-
80,9
72,9
52,5
75,4
68,5
53,7
Průměrná abs. odchylka Průměrná rel. odchylka Suma čtverců odchylek
Zdroj: vlastní data (N=1017)
6.2 Přesnost odhadu v rámci různých skupin Odečtením jednotlivých odhadů stran od jejich skutečných výsledků ve volbách a zprůměrováním těchto rozdílů v absolutní hodnotě, jsem získala průměrnou absolutní odchylku každého respondenta (dále označováno jako individuální průměrná abs. odchylka). S touto proměnnou jsem dále pracovala při analýze. Potvrdilo se, že některé skupiny lidí jsou při predikci volebních výsledků přesnější než jiné, a tedy, že možná
58
není tak úplně jedno, jaké je složení výzkumného souboru. Rozdíly mezi skupinami ukazuje následující tabulka. Všechny rozdíly mezi průměry individuálních průměrných abs. odchylek jsou statisticky významné (dle T-testů, hladina významnosti 0,05).
Výsledky předvolebních průzkumů
Zájem o politiku
Vzdělání
Pohlaví
Tabulka č. 11: Přesnost odhadů v rámci různých skupin Průměrná individuální průměrná abs. odchylka
N
Muži
3,2 %
492
Ženy
3,9 %
525
ZŠ vč. neukončeného
4,7 %
140
SŠ bez maturity
3,9 %
348
SŠ s maturitou
3,2 %
351
Vysokoškolské
2,8 %
177
Velmi se zajímám
2,8 %
201
Spíše se zajímám
3,2 %
476
Spíše se nezajímám
4,3 %
276
Vůbec se nezajímám
5,3 %
64
Nezaznamenal v posledním měsíci
5,3 %
207
Zaznamenal v posledním měsíci
3,1 %
810
Zdroj: vlastní data (N=1017)
Ti, kteří se více zajímají o politiku, jsou ve svých odhadech přesnější (H6), než ti, kteří se o politiku zajímají méně nebo vůbec. Přesněji řečeno ti, kteří se více zajímají o politiku, mají menší průměrnou individuální průměrnou absolutní odchylku, než ti, kteří se o politiku zajímají méně. Korelace proměnných s individuální průměrnou abs. odchylkou ukazuje následující tabulka. Spearmenův korelační koeficient je zde 0,369. Důvod, proč jsem začala interpretací vlivu zájmu o politiku na přesnost odhadu, je ten, že do značné míry ovlivňuje rozdílnou výši průměrné individuální průměrné absolutní odchylky mezi muži a ženami. Jelikož se v mém souboru muži statisticky významně častěji zajímají o politiku než ženy, vliv pohlaví na výsledné odhady jsem zkoumala při kontrole vlivu zájmu o politiku (vztahy mezi proměnnými ukazuje tabulka č. 13). H4, že muži jsou ve svých odhadech přesnější než ženy, nelze zcela potvrdit ale ani vyvrátit. Mezi muži a ženami, kteří se o politiku zajímají velmi nebo naopak vůbec, není statisticky významný rozdíl ve výši průměrné individuální průměrné absolutní 59
odchylky. Muži a ženy, jež deklarovali, že se o politiku spíše ne/zajímají, se však v přesnosti odhadu liší – a to tak, že muži jsou přesnější. Další hypotéza, kterou jsem podrobila testování, byla ta, že lidé s vyšším vzděláním jsou ve svých odhadech přesnější než lidé s nižším vzděláním. Opět platí to, že lidé s nižším (ZŠ a SŠ bez maturity) se o politiku zajímají méně než lidé s vyšším (SŠ s maturitou a VŠ) vzděláním. Vliv vzdělání jsem proto opět zkoumala při kontrole vlivu zájmu o politiku. Ukázalo se, že i tak jsou lidé s vyšším vzděláním ve svých odhadech přesnější – rozdíl mezi vzdělanostními kategoriemi je pak zejména patrný u těch, kteří deklarují, že se o politiku spíše nebo vůbec nezajímají. Lidé s vyšším vzděláním mají menší průměrnou individuální průměrnou absolutní odchylku – tj. jsou ve svých odhadech přesnější – než lidé s nižším vzděláním (H5). Vliv na přesnost odhadů má také to, zda dotázaný zaznamenal v médiích výsledky nějakého předvolebního průzkumu. Téměř 80 % respondentů uvedlo, že za poslední měsíc zaznamenalo výsledky předvolebních průzkumů – z toho drtivá většina zaznamenala předvolební výzkumy i v posledním týdnu před volbami. Tito lidé – tj. lidé, kteří byli vystaveni výsledkům předvolebních průzkumů – jsou ve svých odhadech přesnější než lidé, kteří výsledky žádného předvolebního průzkum neviděli (H7). Zkoumala jsem také, zda výše odchylky souvisí s věkem a deklarovanou účastí ve volbách, výsledek však nebyl statisticky významný. Tabulka č. 12: Korelace individuální průměrné abs. odchylky s jednotlivými proměnnými Correlations
Pohlaví Spearman's Individuální rho průměrná abs. odchylka
Correlation Coefficient Sig. (2tailed)
Vzdělání
Zájem o politiku
Výsledky předvolebních průzkumů
,219**
-,299**
,369**
,477**
,000
,000
,000
,000
**. Correlation is significant at the 0.01 level (2-tailed).
Zdroj: vlastní data (N=1017)
60
Tabulka č. 13: Korelační matice proměnných Correlations
Pohlaví Spearman's Pohlaví rho
Correlation Coefficient
1,000
Sig. (2tailed) Vzdělání Correlation Coefficient Sig. (2tailed) Zájem o Correlation politiku Coefficient Sig. (2tailed) Výsledky Correlation předvolebních Coefficient průzkumů Sig. (2tailed)
-0,142**
Vzdělání
Zájem o politiku
Výsledky předvolebních průzkumů
-0,142**
0,215**
0,094**
,000
,000
,005
1,000
-0,261**
-0,223**
,000
,000
1,000
0,398**
,000 0,215**
-0,261**
,000
,000
0,094**
-0,223**
0,398**
,005
,000
,000
,000 1,000
**. Correlation is significant at the 0.01 level (2-tailed).
Zdroj: vlastní data (N=1017)
Následně jsem se proto pokusila modelovat závislost individuální průměrné absolutní odchylky respondentova odhadu (závislá proměnná) na jeho pohlaví, vzdělání, výši zájmu o politiku a na tom, zda před volbami v roce 2013 viděl výsledky předvolebních výzkumů (nezávislé proměnné). Níže uvádím výstupy z regresní analýzy (metoda Enter). Tabulky č. 14-16: Regresní analýza Model Summary Model
1
R
,546
R Square
a
,298
Adjusted R
Std. Error of the
Square
Estimate ,295
1,61903
a. Predictors: (Constant), Výsledky předvolebních průzkumů, Pohlaví, Vzdělání, Zájem o politiku
R square (index determinace) se rovná 0,298. Index determinace udává procento vysvětleného rozptylu závislé proměnné nezávislými proměnnými. Můj model vysvětluje závislou proměnnou skoro z 30 %. Tedy 30 % rozptylu individuální průměrné abs. odchylky se dá vysvětlit vybranými nezávislými proměnnými.
61
a
ANOVA Model 1
Sum of Squares
df
Mean Square
Regression
1124,535
4
281,134
Residual
2652,707
1012
2,621
Total
3777,242
1016
F
Sig.
107,252
,000
b
a. Dependent Variable: individuální průměrná odchylka b. Predictors: (Constant), Výsledky předvolebních průzkumů, Pohlaví, Vzdělání, Zájem o politiku
Tabulka výše obsahuje celkový F Test. Nulová hypotéza zní, že ani jedna nezávislá proměnná nemá vliv na závislou proměnnou. Alternativní hypotéza zní: alespoň jedna nezávislá proměnná má vliv na závislou proměnnou. Hodnota signifikance je nižší než 0,05, takže zamítáme nulovou hypotézu a přijímáme alternativní – alespoň jedna z nezávislých proměnných statisticky významně ovlivňuje závislou proměnnou. Model má význam. Coefficients Unstandardized Coefficients Model 1 (Constant) Pohlaví
b
Vzdělání
c
Zájem o politiku
d
B
Std. Error
3,195
,140
,477
,104
-,413 ,377
a
Standardized Coefficients
95,0% Confidence Interval for B t
Sig.
Lower Bound
Upper Bound
22,872
,000
2,921
3,469
,124
4,580
,000
,273
,681
,056
-,200
-7,384
,000
-,523
-,303
,069
,161
5,486
,000
,242
,511
Beta
Výsledky předvolebních 1,643 ,138 ,343 11,926 ,000 1,373 1,913 e průzkumů a. Dependent Variable: individuální průměrná odchylka b. Hodnoty: 0=muž, 1=žena c. Hodnoty: 0=ZŠ vč. neukončeného, 1=SŠ bez maturity, 2=SŠ s maturitou, 3=Vysokoškolské d. Hodnoty: 0=Velmi se zajímám, 1=Spíše se zajímám, 2=Spíše se nezajímám, 3=Vůbec se nezajímám e. Hodnoty: 0= Zaznamenal v posledním měsíci, 1=Nezaznamenal v posledním měsíci
Signifikance a hodnoty dílčích T-Testů značí, že vliv všech proměnných na výši individuální průměrné abs. odchylky je statisticky významný a tedy zobecnitelný na populaci. U všech proměnných zamítáme nulovou hypotézu, že spolu závislá a nezávislá
proměnná
nesouvisí
a
přijímáme
alternativní,
že
spolu
souvisí.
Standardizované koeficienty ukazují, jak velký mají nezávislé proměnné na závislou proměnnou vliv. Největší vliv má, zda respondent zaznamenal nebo nezaznamenal výsledky předvolebních průzkumů, což se dalo očekávat. Konstanta (3,195) v případě mého regresního modelu znamená jaká je průměrná individuální průměrná absolutní odchylka muže se základním vzděláním, který se
62
zajímá o politiku a viděl před volbami výsledky předvolebních průzkumů. Regresní rovnice57 je pak následující: individuální průměrná absolutní odchylka = 3,195 (konstanta) + (0,477 * pohlaví) + (-0,413 * vzdělání) + (0,377 * zájem o politiku) + (1,643 * výsledky předvolebních průzkumů).
Zajímavé však je, že pokud vezmeme v úvahu pouze odhady lidí, kteří jsou obecně ve svých odhadech přesnější (tj. odhady lidí, kteří se více zajímají o politiku atd.), nedostaneme lepší výsledek, než jaký jsme dostali pomocí mediánu. Z hlediska všech ukazatelů (průměrné absolutní i relativní odchylky a sumy čtverců) se sice průměrné odhady o něco zlepší, nové mediány však z hlediska kvality predikce zůstávají zhruba na stejné úrovni (viz tabulka č. 17). Tabulka č. 17: Srovnání výsledných odhadů s odhady lidí s vyšším vzděláním a zájmem o politiku58 Všichni respondenti (N=1017)
Respondenti s vyšším vzděláním a zájmem o politiku (N=391) 5% Trimmed Průměr Medián Mean
Výsledky voleb
Průměr
5% Trimmed Mean
Medián
ČSSD
20,5%
22,6%
22,7%
23,0%
24,0%
24,1%
24,0%
ANO 2011
18,7%
12,8%
12,8%
14,0%
14,0%
14,1%
14,1%
KSČM
14,9%
13,1%
13,0%
13,0%
13,3%
13,4%
13,5%
TOP 09
12,0%
10,9%
10,6%
10,5%
11,2%
11,0%
11,0%
ODS
7,7%
9,3%
8,7%
8,0%
8,2%
8,0%
8,0%
Úsvit
6,9%
4,8%
4,6%
5,0%
5,1%
4,9%
5,0%
KDU-ČSL
6,8%
6,4%
6,1%
6,0%
5,8%
5,8%
6,0%
SZ
3,2%
3,4%
3,2%
3,0%
3,3%
3,2%
3,0%
ČPS
2,7%
2,3%
2,0%
2,0%
2,2%
2,0%
2,0%
Svobodní
2,5%
2,4%
2,1%
2,0%
2,0%
1,9%
2,0%
SPOZ
1,5%
5,9%
5,3%
5,0%
5,3%
5,0%
5,0%
Ostatní
2,8%
6,2%
5,3%
4,0%
5,5%
4,8%
4,0%
-
1,95%
1,89%
1,63%
1,79%
1,72%
1,62%
-
45,9%
41,6%
35,7%
41,3%
38,2%
35,4%
-
80,9
72,9
52,5
65,0
59,2
54,4
Průměrná abs. odchylka Průměrná rel. odchylka Suma čtverců odchylek
Zdroj: vlastní data (N=1017) 57
y=b0+b1.x V práci byl prokázán vliv pohlaví, vzdělání, zájmu o politiku a předvolebních průzkumů na kvalitu individuálních předpovědí. To, zda respondenti viděli či neviděli výsledky předvolebních průzkumů, mělo sice na kvalitu předpovědí největší vliv, nicméně vzhledem k možnému využití metody i bez přítomnosti průzkumů nebyla tato proměnná do tabulky zahrnuta. Tabulka tak počítá s respondenty, kteří mají vyšší vzdělání (SŠ s maturitou nebo VŠ) a zároveň se zajímají o politiku (velmi nebo spíše), neboť vzdělání a zájem o politiku – hned po pozornosti věnované průzkumům – nejvíce ovlivňují kvalitu předpovědí. 58
63
Jak píše Surowiecki v závěru své knihy: „Pro mě je jedno z klíčových poučení z Moudrosti davů to, že ne vždy víme, kde se dobrá informace nachází. A proto je chytřejší zahrnout co nejširší síť lidí, než plýtvat časem zjišťováním toho, kdo by měl být ve skupině a kdo ne“ [Surowiecki 2005: 276].
6.3 Jak lidé utváří svá očekávání Na základě jakých informací se lidé při konstruování svého odhadu rozhodují? Jak utváří svá očekávání ohledně volebních výsledků? Co tato očekávání ovlivňuje? Berou při svém rozhodování v úvahu výsledky zveřejňovaných předvolebních průzkumů? Odpověď na poslední otázku již tak trochu daly předchozí odstavce. V dotazníku jsem respondenty žádala, aby co nejkonkrétněji popsali, na základě čeho se při svých tipech na výsledek voleb rozhodovali. Tyto odpovědi samozřejmě nemohou plně popsat realitu, neboť je pravděpodobné, že všechny vlivy si ani sami respondenti neuvědomují. Lze však získat alespoň určitý vhled do problematiky a potvrdit závěr Lewis-Becka a Stegmaiera (2011), že lidé se nerozhodují náhodně. Co ovlivnilo úsudky respondentů, jsem zkoumala třemi otázkami. Nejprve respondenti odpovídali na otevřenou otázku, která zněla „Nyní prosím, co nejkonkrétněji popište, na základě čeho jste se při svých tipech na výsledek voleb rozhodoval/a?“. Ze všech 1017 odpovědí vzniklo 20 kódů, jejichž procentuální četnosti jsou zobrazeny v grafu č. 4. Spontánně respondenti nejčastěji jmenovali: informace z předvolebních průzkumů, vlastní úsudek na základě sledování politiky, intuici a volební preference lidí ve svém okolí.
64
Graf č. 4: Informace, které berou lidé v úvahu při rozhodování
Zdroj: vlastní data (N=1017), Nyní prosím, co nejkonkrétněji popište, na základě čeho jste se při svých tipech na výsledek voleb rozhodoval/a? (otevřená otázka)
Většina lidí bere při vytváření svého odhadu v úvahu více faktorů (H8), nelze tedy říci, že by se rozhodovali pouze na základě zveřejněných předvolebních průzkumů. Ačkoliv ty hrají v jejich rozhodování podstatnou roli (viz graf č. 5). Celkem 26 % dotázaných uvedlo, že informace o preferencích z předvolebních průzkumů hrály v jejich odhadu velkou roli. 46 % dotázaných pak přiznalo částečnou roli těchto průzkumů. Drtivá většina z těch, kteří předvolební průzkumy zaznamenali, tak bere jejich výsledky v potaz. Pouze pro 16 % dotázaných však hrály informace z předvolebních průzkumů v jejich rozhodování hlavní roli (tabulka č. 19). Jak ovlivnily předvolební průzkumy odhady respondentů, ukazuje následující tabulka, která srovnává odhady těch, kteří deklarovali, že vycházeli při konstrukci svých odhadů z informací o preferencích z předvolebních průzkumů, s těmi, kteří tvrdili, že tyto informace nehrály při jejich odhadu žádnou roli. Odhady respondentů, kteří deklarovali, že se rozhodovali podle volebních průzkumů, jsou jejich výsledkům skutečně blíže. Respondenti se podle průzkumů orientovali zejména u ČSSD, ANO 2011 a ODS. U dvou posledních stran to bylo ku prospěchu. Za to ti, kteří nebrali 65
předvolební průzkumy v potaz, lépe odhadli výsledek ČSSD, kterou průzkumy chybně nadhodnocovaly. U ostatních stran je rozdíl v odhadech minimální. Celkově jsou odhady lidí, kteří brali v úvahu předvolební průzkumy o něco lepší. Odhady lidí, kteří podle svých slov z předvolebních průzkumů nevycházeli, však nejsou u většiny stran moc odlišné. Tabulka č. 18: Odhady lidí vycházejících z předvolebních průzkumů Informace o preferencích z průzkumů
ČSSD ANO 2011 KSČM TOP 09 ODS Úsvit KDU-ČSL SZ ČPS Svobodní SPOZ Ostatní Průměrná abs. odchylka Průměrná rel. odchylka Suma čtverců odchylek
Výsledky voleb 20,5% 18,7% 14,9% 12,0% 7,7% 6,9% 6,8% 3,2% 2,7% 2,5% 1,5% 2,8% -
Hrály roli (N=729) Medián 23,3% 14,0% 13,4% 11,0% 8,0% 5,0% 6,0% 3,0% 2,0% 2,0% 5,0% 4,0% 1,6% 35,3% 51,5
Nehrály roli (N=288) Medián 22,0% 11,6% 13,0% 10,0% 8,2% 5,0% 6,0% 3,0% 2,0% 1,8% 5,0% 5,0% 1,9% 40,6% 81,9
Zdroj: vlastní data (N=1017)
Z grafu č. 5 je zřejmé, že úsudek respondentů je kombinací mnoha vlivů v různém poměru. Důležitou – ne-li nejdůležitější – roli pak hrají při vytváření odhadu vlastní volební preference respondenta. Celkem 79 % dotázaných deklarovalo ovlivnění vlastní volbou (graf č. 5) a spolu s předvolebními průzkumy to byl pro nejvíce dotázaných nejdůležitější faktor při rozhodování (tabulka č. 19).
66
Graf č. 5: Důležitost jednotlivých faktorů při vytváření odhadu
Jak velkou roli hrály ve Vašem odhadu volebních výsledků následující faktory? 0%
20%
Vlastní volební preference
40%
60%
33%
Obecné povědomí o síle stran
80%
100%
46%
25%
21%
53%
23%
Známost stran
28%
Síla osobnosti v čele stran
26%
49%
Informace o preferencích z předvolebních výzkumů
26%
46%
28%
Jiné informace o stranách
26%
45%
29%
Stabilita voličské základny jednotlivých stran
22%
Atraktivita volebního programu stran
21%
Výsledky voleb v předchozích letech
48%
24% 26%
49%
30%
44%
18%
35%
40%
42%
Volební preference lidí v mém okolí
13%
45%
42%
Rozsah a viditelnost předvolební kampaně stran
11%
46%
43%
Odhady lidí v mém okolí (konzultace)
13%
43%
44%
Délka existence stran
14%
41%
45%
Něco jiného
9%
28% Velkou roli
63%
Částečnou roli
Žádnou roli
Zdroj: vlastní data (N=1017), Jak velkou roli hrály ve Vašem odhadu volebních výsledků následující faktory? (uzavřená otázka)
Tabulka č. 19: Nejdůležitější faktor při rozhodování (uzavřená otázka) Nejdůležitější faktory při rozhodování Informace o preferencích z předvolebních výzkumů
16%
Vlastní volební preference
15%
Jiné informace o stranách (netýkající se jejich preferencí, např. různé jejich aktivity, kauzy jejích členů, důvěra stranám apod.) Síla osobnosti v čele stran
10% 9%
Atraktivita volebního programu stran
7%
Obecné povědomí o síle stran
6%
Stabilita voličské základny jednotlivých stran
5%
Známost stran
4%
Odhady lidí v mém okolí (konzultace)
4%
Volební preference lidí v mém okolí
4%
Výsledky voleb v předchozích letech
3%
Rozsah a viditelnost předvolební kampaně stran a jiné reklamy
3%
Délka existence stran
2%
Něco jiného
4%
Zdroj: vlastní data (N=1017), Nyní vidíte faktory, u kterých jste uvedl/a, že pro Vás hrály při odhadu volebních výsledků velkou roli. Vyberte prosím jeden z nich, který ve Vašem odhadu hrál roli největší. (uzavřená otázka)
67
Tím se dostávám k poslední deváté hypotéze, která zní, že lidé přeceňují výsledek preferované strany. Vliv vlastní preference na odhad respondenta byl již několikrát zkoumán a potvrzen. I u respondentů v mém výzkumu se projevil fenomén wishful thinking. Ke zkoumání tohoto jevu je zapotřebí znát respondentovy vlastní volební preference a jeho očekávání ohledně výsledků voleb. Následující tabulka ukazuje průměrné59 odhady respondentů, kteří uvedli, jakou stranu budou ve volbách do poslanecké sněmovny volit, tj. bez respondentů, kteří se k volbám nechystali nebo nechtěli říct či nevěděli, jakou stranu budou volit. Odhady jsou pak zvlášť zkonstruovány z odhadů těch, kteří uvedli, že budou danou stranu volit a těch, kteří uvedli, že budou volit jinou stranu. U každé strany je odhad jejích voličů vyšší než odhad nevoličů. Největší je tento rozdíl u SPOZ, které její voliči predikovali o 23 % více než voliči jiných stran. Tabulka č. 20: Vliv vlastní volební preference na odhad volené strany Průměrný odhad
ČSSD ANO 2011 KSČM TOP 09 ODS Úsvit KDU-ČSL SZ ČPS Svobodní SPOZ Ostatní
Volí stranu
Nevolí stranu
25,5% 17,7% 17,4% 14,2% 10,6% 8,7% 7,9% 5,4% 5,1% 3,7% 28,8% 7,9%
22,0% 12,2% 12,6% 10,7% 8,8% 4,6% 6,1% 3,3% 2,2% 2,3% 5,3% 5,9%
Zdroj: vlastní data (N=741)
59
Pro demonstraci vlivu vlastní volební preference na odhad volené strany jsou použity průměrné odhady nikoliv mediány, protože v tomto případě nás vlastně případné extrémní odhady zajímají.
68
Diskuze Na tomto místě by bylo vhodné pojednat nejen o možnostech, jak na tuto práci v budoucnu navázat, ale také ji kriticky zhodnotit a poukázat na skutečnost, že má své limity. Ze způsobů měření odhadů volebních výsledků respondenty představuje přístup zjišťující přesná procenta největší výzvu [Meffert, Huber, Gschwend, Pappi 2011: 808]. V našem politickém prostředí je však tento způsob v zásadě jediný použitelný – ptát se respondentů pouze na vítěze či pořadí prakticky nemá smysl. Bylo by však například možné ptát se respondentů, které strany se podle nich dostanou do poslanecké sněmovny, a které ne. I tak by ale hodnota těchto predikcí nebyla v porovnání s výsledky předvolebních průzkumů, které nabízí alespoň určitý odhad procent, vysoká. Provedení vlastního výzkumu bylo urychleno a omezeno termínem voleb. Téma diplomové práce jsem si vybrala zhruba měsíc před začátkem říjnových voleb do PS PČR 2013. Nutno podotknout, že po důkladném studiu všech případových studií a výzkumů, které byly na tento způsob predikování volebních výsledků jinde ve světě provedeny, bych dotazník sestavila trochu jinak. Některé otázky, které jsem posléze ani nevyužila v analýze, bych vyloučila, některé naopak přidala. Bylo by např. jistě zajímavé zjišťovat kromě spontánní predikce i podpořenou predikci, ve které by byly respondentům nabídnuty výsledky minulých voleb do poslanecké sněmovny – tak jako tomu bylo ve výzkumu agentury ICM v UK (kap. 5.2.1). Vzhledem k vyššímu počtu politických stran v naší zemi, a tedy horšímu zapamatování si jejich dřívějších výsledků a také složitější představě možných procentních zisků60, si myslím, že by tato informace respondentům pomohla se lépe orientovat a možná i činit lepší odhady. Berg, Forsythe a Rietz (1997), kteří zkoumali faktory ovlivňující přesnost výsledků volebních predikčních trhů, došli k závěru, že vliv na přesnost odhadů má mimo jiné právě počet kandidujících subjektů (čím méně jich je, tím jsou předpovědi 60
Jako dobré se ukázalo být nastavení odpovědí respondentů tak, aby suma všech odhadů stran, nemohla překročit 100 %. Jelikož jsem měla k dispozici data, ve kterých tato podmínka nebyla nastavena (respondenti byli na tuto skutečnost pouze upozorněni), vím, že respondenti měli se sečtením tolika procent problém a často mnohonásobně max. možnou sumu přesahovali. Z toho také vyplývá, že ve chvíli, kdy chceme zjišťovat přesná procenta, nikoliv pouze pořadí stran, by bylo velmi problematické sbírat data např. telefonicky.
69
lepší). V žádné ze zemí, ve které byl dosud odhad volebních výsledků respondenty testován, nekandiduje ve volbách takové množství politických subjektů jako u nás. Vyšší počet politických stran ve volbách do poslanecké sněmovny v ČR tak rovněž vede k zamyšlení nad tím, zda by odhady respondentů nemohly predikovat volební výsledky lépe, pokud by byly aplikovány např. na české prezidentské volby – zejména pak na druhé kolo těchto voleb, ve kterém proti sobě stojí pouze dva nejúspěšnější kandidáti z kola prvního. V tomto případě by rovněž nemohla být relevantní námitka odpůrců tohoto přístupu, že lidé se rozhodují pouze na základě předvolebních průzkumů – kterou se však v mém výzkumu podařilo vyvrátit – a mohlo by být zároveň otestováno, zda lidé dokážou předpovědět výsledek i bez jejich přítomnosti. Dalším faktorem, který má podle Berga, Forsytha a Rietze (1997) vliv na přesnost předpovědí je čas – čím blíže volbám predikce zjišťujeme, tím přesnější jsou. Otázkou tak je, nakolik byla získaná kvalita predikce ovlivněna časem sběru dat a zda nebylo přesnějších výsledků mého výzkumu v porovnání s většinou předvolebních průzkumů dosaženo jen proto, že probíhal těsně před volbami. Jak již jsem ale psala, téma práce jsem si vybrala zhruba měsíc před začátkem voleb, a sběr dat tak nemohla uskutečnit dříve. Jistě by ale stálo za to provést sběrů více (přičemž začít cca měsíc před začátkem voleb) a porovnat jejich predikční schopnost. Vzhledem k tomu, že do dnešního dne zatím nevznikla žádná odborná studie dokumentující tento způsob predikování volebních výsledků v českém prostředí, nelze výsledky této práce srovnat s výsledky jiné studie. Tato práce ale může sloužit jako podklad pro navazující výzkum. I kvůli možnému budoucímu využití pro komparaci, byl datový soubor vážen dle základních sociodemografických charakteristik – svou strukturou tak odpovídá jiným průzkumům veřejného mínění, které mohou otázku na odhad volebních výsledků zahrnout. Práce také nabízí jeden velice důležitý podnět pro jiné studie, a to, že: důvěra lidí v šance strany není zcela nezávislá na předvolebních průzkumech a na jejich vlastních preferencích.
70
Závěr Předpovídání volebních výsledků je ve vyspělých západních demokraciích v módě. Relativně nově je pak využíváno predikcí založených na volebních očekáváních jednotlivců. V této práci jsem se snažila představit a kriticky zhodnotit tento způsob předpovídání volebních výsledků, zejména pak metodu odhadování volebních výsledků respondenty. Hlavním cílem práce pak bylo zjistit, jak lidé svá očekávání utváří a jak jsou přesná. Mým prvním cílem bylo představit a porovnat koncepty, ze kterých agentury při užívání predikcí založených na volebních očekáváních jednotlivců vychází. Výzkumy a studie, které byly na toto téma provedeny, se opírají o myšlenku, kterou ve své knize „The Wisdom of Crowds“ sepsal James Surowiecki. Podstatou této myšlenky je přesvědčení, že za určitých podmínek (které Surowiecki definuje) může být odhad skupiny lidí stejně dobrý nebo dokonce lepší než úsudek jejího nejchytřejšího člena, protože chyby členů skupiny se navzájem vyruší. To potvrzují i provedené experimenty. Dále jsem se zabývala dosavadním využitím přístupů založených na volebních očekáváních jednotlivců (tj. agregovanými odhady respondentů a predikčními trhy) pro predikci volebních výsledků. Výsledky zahraničních studií ukazují, že predikční trhy předpovídají výsledky voleb velmi dobře, a že jsou přesnějšími predikčními nástroji než předvolební průzkumy. Podobně kladně hodnotí dosavadní studie i odhadování volebních výsledků respondenty. Z jejich závěrů vyplývá, že respondenti výsledky voleb správně předpovědět většinou dokáží, mnohdy přesněji než předvolební průzkumy, a to i několik týdnů před volbami. Predikování volebních výsledků na základě očekávání jednotlivců se tak v zahraničí ukázalo být užitečnou alternativou k současným přístupům. V žádné z těchto zemí však nekandiduje takové množství politických subjektů jako v ČR, což představuje dle výsledků zahraničních studií nevýhodu. Bylo také prokázáno, že voliči využívají svých očekávání při rozhodování se koho volit, a tedy že to, jak lidé svá očekávání utváří, co je ovlivňuje, a jak jsou tato očekávání přesná, je kromě predikce volebních výsledků důležité zjišťovat i proto, že tato očekávaní ovlivňují samotné volební chování.
71
Nakonec jsem se věnovala analýze vlastních dat. Respondenti předpověděli výsledek voleb do PS PČR poměrně přesně a lépe než většina posledních předvolebních průzkumů. Analýza tak ukázala, že lidé odhadnout výsledek voleb do PS PČR dokáží a že tato předpověď může svou kvalitou převyšovat předvolební průzkumy. Problém však pro ně mohou představovat nově vzniklé či historicky neznámé strany. Stejně jako zahraniční výzkumy i můj výzkum ukazuje, že ne všechny skupiny lidí jsou v odhadování volebních výsledků stejně dobré. Výsledky se shodují s dosud provedenými studiemi v tom, že přesnější jsou v odhadech volebních výsledků: muži, lidé s vyšším vzděláním a ti, kteří se více zajímají o politiku. I přesto však agregované odhady těchto lidí nejsou přesnější než odhady „davu“. Celkovou kvalitu respondentova odhadu pak nejvíce ovlivňuje pozornost věnovaná předvolebním průzkumům – ti, kteří viděli výsledky předvolebních průzkumů, jsou ve svých odhadech přesnější. Jejich očekávání je ale ovlivněno i dalšími faktory. Výsledky zahraničních studií ukazují, že lidé se nerozhodují pouze na základě předvolebních průzkumů, jak tvrdí kritici tohoto přístupu. Přinejmenším je nepřijímají nekriticky. Spíše však využívají informací z předvolebních průzkumů jako základ, ke kterému si přidávají další informace. O jaké informace konkrétně jde, zjišťovala tato práce vůbec jako první, ačkoliv je třeba brát na vědomí, že některé vlivy si ani sami respondenti neuvědomují, a jde tak spíše jen o určitý vhled do problematiky. Lze však dojít k závěru, že lidé se při konstruování svých odhadů nerozhodují náhodně či pouze podle předvolebních průzkumů, ale na základě mnoha faktorů od již zmíněných zveřejňovaných předvolebních průzkumů, které hrají při utváření jejich odhadů důležitou roli, přes výsledky voleb v předchozích letech, až po volební preference lidí v jejich okolí. Jedním z faktorů, kterému respondenti přikládali velkou roli, jsou i vlastní volební preference. Výzkum potvrdil existenci zbožného přání, tj. že lidé mají tendenci nadhodnocovat stranu, kterou sami preferují, a ukázalo se tak, jak moc je důležité, aby výzkumný soubor neobsahoval příliš mnoho podporovatelů jedné strany (narušení principu rozmanitosti), případně byl složen pouze ze vzdělanějších a politicky znalejších lidí, u kterých se dle zahraničních studií tento jev téměř nevyskytuje. Odpovědět na otázku, zda v ČR můžeme předpovídat volební výsledky do PS PČR na základě odhadů respondentů, zatím s jistotou nelze. Problematika vyžaduje dlouhodobější měření (nejen několik voleb, ale i několik měření před každými volbami)
72
a evaluaci metody. Výsledky analýzy se však shodují s výsledky zahraničních studií a ukazují, že odhady obyčejných lidí jsou, co se týče predikce volebních výsledků, velmi přesné – přesnější než většina předvolebních průzkumů. Vzhledem k tomu, že lidé využívají při utváření svých odhadů výsledky předvolebních průzkumů a že to dle výsledků mé analýzy pozitivně ovlivňuje celkovou kvalitu jejich odhadů, však docházím k závěru, že předložený způsob předpovídání volebních výsledků nemůže nahradit předvolební průzkumy, neboť ty jsou nikoliv nezbytným, ale cenným zdrojem informací pro predikce davů.
73
Summary In this diploma thesis I dealt with the method of predicting the election results by respondents and its application. The main objective was to introduce and critically evaluate the method, find out how people form their expectations and how precise these expectations are – main objectives and research questions are in greater detail specified in the first chapter. In the second chapter, I described the methods which I used for answering the research questions together with the process of data collection and analysis of my own research. Besides the analysis of the documents and secondary data analysis, the text is also based on my own quantitative online research which was realized one week before the elections to the Chamber of Deputies of Czech Republic in 2013. The questionnaire was completed by more than one thousand respondents who (after being weighted) constitute representative sample of the population based on the basic sociodemographic indicators. In the third chapter, I discussed the existing methods of the election results prediction and its limitations; the fourth chapter was dedicated to anchoring the thesis itself and explanation of some concepts. Prediction of the election results is quite popular in some developed countries. The predictions are based on the models which can be most fundamentally divided into two categories: micro and macro. The main focus of this diploma thesis was on the micro models, derived from the election expectations of individuals. Election expectations of individuals can be measured by two approaches: with prediction markets or with surveys. Both methods can be explained by the concept “Wisdom of Crowds”, which was introduced by James Surowiecki in his book. The merit of this idea is a conviction that „under the right circumstances groups are remarkably intelligent, and are often smarter than the smartest people in them“ [Surowiecki 2005: XIII], because mistakes of the members are mutually cancelled out. In the fifth chapter, I focused on practical examples of application of the election results estimated by prediction markets or surveys, both in Czech Republic and abroad. The usage of market mechanisms in the elections has a long history. The results of the
74
foreign studies confirm that the prediction markets predict the election results very well and with higher accuracy than the pre-election surveys. Present studies also positively evaluate the estimation of the election results done by respondents. Respondents are usually able to predict the election results, even several weeks before the elections. In the last chapter, I present the results of my own quantitative study. The analysis showed that people are able to estimate the results of the elections into the Chamber of Deputies of Czech Republic and that this prediction can even qualitatively exceed the pre-election surveys. However, respondents had problems with newly formed and historically not known political parties. The analysis also confirmed that when people construct their estimation they do not decide randomly or accordingly to the pre-election surveys, but they base it on many factors from the published preelection survey results, their own political preferences or the preferences of people in their surroundings etc.
75
Použitá literatura BABAD, Elisha. Wishful thinking among voters: motivational and cognitive influences. International Journal of Public Opinion Research. 1997, vol. 9, no. 2, s. 105-125. DOI: 10.1093/ijpor/9.2.105. BERG, Joyce, Robert FORSYTHE, Forrest NELSON a Thomas RIETZ. Results from a Dozen Years of Election Futures Markets Research. PLOTT, Charles R., Vernon L. SMITH Handbook of experimental economics results. 1st ed. New York: North Holland, 2008, s. 742-751. Handbooks in economics, bk. 28. ISBN 978-0-444-82642-8. BERG, Joyce, Robert FORSYTHE, Thomas RIETZ. What Makes Markets Predict Well? Evidence from the Iowa Electronic Markets. Understanding Strategic Interaction: Essays in Honor of Reinhard Selten. Berlin, Heidelberg: Springer Berlin Heidelberg, 1997, s. 444-463. ISBN 978-3-642-64430-6. BERG, Joyce, Forrest NELSON a Thomas RIETZ. Accuracy and Forecast Standard Error of Prediction Markets. [online]. University of Iowa, 2003, 45 s. [cit. 2014-02-26]. Dostupné z: http://www.biz.uiowa.edu/faculty/trietz/papers/forecasting.pdf BERG, Joyce E., Forrest D. NELSON a Thomas A. RIETZ. Prediction market accuracy in the long run. International Journal of Forecasting [online]. April-June 2008, roč. 24, č.
2,
s.
285-300
[cit.
Dostupné
2014-01-23].
z:
http://www.sciencedirect.com/science/article/pii/S0169207008000320 BERG, Joyce E. a Thomas A. RIETZ. Prediction Markets as Decision Support Systems. Information
Systems
Frontiers.
2003,
vol.
5,
issue
1,
s.
79-93.
DOI:
10.1023/A:1022002107255 BEST, Samuel J. a Chase H. HARRISON Internet Survey Methods. BICKMAN, Leonard, Debra J. ROG. The SAGE handbook of applied social research methods. 2nd ed. Los Angeles: SAGE, c2009, s. 413-434. ISBN 9781412950312.
76
BLAIS, André a Marc André BODET. How Do Voters Form Expectations about the Parties' Chances of Winning the Election?. Social Science Quarterly. 2006, vol. 87, issue 3, s. 477-493. DOI: 10.1111/j.1540-6237.2006.00392.x. BLAIS, André, Elisabeth GIDENGIL, Patrick FOURNIER, Neil NEVITTE a Bruce M. HICKS. Measuring expectations: Comparing alternative approaches. Electoral Studies. 2008, vol. 27, issue 2, s. 337-343. DOI: 10.1016/j.electstud.2008.02.002. BLAIS, André a Mathieu TURGEON. How good are voters at sorting out the weakest candidate in their constituency?. Electoral Studies. 2004, vol. 23, issue 3, s. 455-461. DOI: http://dx.doi.org/10.1016/s0261-3794(03)00031-3. BOON, Martin. Predicting elections: a 'Wisdom of Crowds' approach. International Journal of Market Research. 2012, vol. 54, issue 4, s. 465-483. DOI: 10.2501/IJMR-544-465-483. CAMPANELLI, Pamela. Testing survey questions. LEEUW, Edith D. de, Joop J. HOX a Don A. DILLMAN. International Handbook of Survey Methodology. New York: Taylor & Francis, 2008, s. 176-200. ISBN 978-0-8058-5753-5. COUPER, Mick P. Web Surveys: A Review of Isues and Approaches. Public Opinion Quarterly. 2000, Volume 64, s. 464-494. COX, Gary W. Making votes count: strategic coordination in the world's electoral systems. 1st pub. Cambridge: Cambridge University Press, 1997, xiv, 340 s. Political economy of institutions and decisions. ISBN 05-215-8527-9. CVVM. Stranické preference a volební model v květnu 2010. Tisková zpráva [online]. 19.
5.
2010
[cit.
2014-11-17].
Dostupné
z:
http://cvvm.soc.cas.cz/media/com_form2content/documents/c1/a3762/f3/101038s_pv10 0519.pdf CVVM. Stranické preference a volební model v říjnu 2013. Tisková zpráva [online]. 21. 10.
2013
[cit.
2014-11-17].
Dostupné
z:
http://cvvm.soc.cas.cz/media/com_form2content/documents/c1/a7102/f3/pv131021.pdf
77
ERIKSON, Robert S. a Christopher WLEZIEN. Markets vs. polls as election predictors: An historical assessment. Electoral Studies. 2012, vol. 31, issue 3, s. 532-539. DOI: 10.1016/j.electstud.2012.04.008. ESOMAR GUIDELINE FOR ONLINE RESEARCH. ESOMAR [online]. 2011, s. 21 [cit. 2014-01-30]. Dostupné z: http://www.esomar.org/uploads/public/knowledge-andstandards/codes-and-guidelines/ESOMAR_Guideline-for-online-research.pdf EVANS, Joel R. a Anil MATHUR. The value of online surveys. Internet Research. 2005, roč. 15, č. 2, s. 195-219. FACTUM INVENIO. Šest stran, pravostředová většina. Tisková zpráva [online]. 24. 5. 2010 [cit. 2014-11-17]. Dostupné z: http://www.factum.cz/images/zpravy/400/400_seststran-pravostredova-vetsina.pdf FAIT, Jan. Metoda Delphi pro předpověď volebních výsledků. STEM/MARK [online]. 2013 [cit. 2014-10-09]. Dostupné z: http://www.stemmark.cz/metoda-delphi-propredpoved-volebnich-vysledku/ FORSYTHE, Robert, Forrest NELSON, George R. NEUMANN a Jack WRIGHT. Anatomy of an Experimental Political Stock Market. The American Economic Review. 1992, vol. 82, issue 5, s. 1142-1161. FRICKER, Ronald D. a Matthias SCHONLAU. Advantages and Disadvantages of Internet Research Surveys: Evidence from the Literature. Field Methods. 2002, vol. 14, issue 4, s. 347-367. DOI: http://dx.doi.org/10.1177/152582202237725. GALTON, Francis. Vox Populi. Nature. March 7, 1907a, č. 75, s. 450-451. GALTON, Francis. The Ballot Box. Nature. March 28, 1907b, č. 75, s. 509-510. GÖRITZ, Anja S. The impact of material incentives on response quantity, response quality, sample composition, survey outcome, and cost in online access panels. International Journal of Market Research. 2004, Vol. 46, Quarter 3, s. 327-345. GRAEFE, Andreas a J. Scott ARMSTRONG. Comparing face-to-face meetings, nominal groups, Delphi and prediction markets on an estimation task. International
78
Journal
of
Forecasting.
2011,
vol.
27,
issue
1,
s.
183-195.
DOI:
10.1016/j.ijforecast.2010.05.004. GRAEFE, Andreas, J. Scott ARMSTRONG, Randall J. JONES a Alfred G. CUZÁN. Combining forecasts: An application to elections. International Journal of Forecasting. 2014, vol. 30, issue 1, s. 43-54. DOI: 10.1016/j.ijforecast.2013.02.005. HANSON, Robin D. Decision Markets. IEEE INTELLIGENT SYSTEM. 1999, May/June, s. 16-19. HOOKER, R. H. Mean or Median. Nature. 1907, vol. 75, issue 1951, s. 487-488. DOI: 10.1038/075487a0. Dostupné z: http://www.nature.com/doifinder/10.1038/075487a0 CHÁBOVÁ, Kristýna. Komparace metodických postupů předvolebních průzkumů agentur CVVM, ppm factum, Median a STEM. Naše společnost. 2013, roč. 11, č. 1, s. 25-35.
DOI:
Dostupné
10.13060/1214-438X.2013.11.1.3.
z:
http://cvvm.soc.cas.cz/media/com_form2content/documents/c3/a7058/f11/Komparace% 20metodick%C3%BDch%20postup%C5%AF%20p%C5%99edvolebn%C3%ADch%20 pr%C5%AFzkum%C5%AF.pdf JEŘÁBEK, Hynek. Úvod do sociologického výzkumu. 1. vyd. Praha: Karolinum, 1992, 162 s. ISBN 80-706-6662-5. JONES, Randall J. The state of presidential election forecasting: The 2004 experience. International Journal of Forecasting. 2008, vol. 24, issue 2, s. 310-321. DOI: 10.1016/j.ijforecast.2008.03.002. KEARON, John. Predictive Markets: Utilizing the wisdom of crowds to slay the sacred cow
of
scientific
2009,
sampling.
20
s.
Dostupné
z:
http://www.brainjuicer.com/xtra/Predictive_Markets_-_2009.pdf KISILEVSKY, Valery a Renan LEVINE. Voters' Expectations Over Election Outcomes. Paper prepared for presentation of the 2006 Annual Meeting of the American Political Science Association. Philadelphia, 2006, 28 s.
79
KUNŠTÁT, Daniel. Stranické preference a volební model v září 2013. In: CVVM [online].
2013
[cit.
2013-10-10].
Dostupné
z:
http://cvvm.soc.cas.cz/volby-a-
strany/stranicke-preference-a-volebni-model-v-zari-2013 LEBEDA, Tomáš. Průzkumy volebních preferencí před volbami do Sněmovny 2002: Srovnání výzkumů agentur CVVM, STEM a TNSF. Politologický časopis. 2003, č. 1, s. 22-37. LEEUW, Edith D. de. Choosing the method of data collection. LEEUW, Edith D. de, Joop J. HOX a Don A. DILLMAN. International Handbook of Survey Methodology. New York: Taylor & Francis, 2008, s. 113-135. ISBN 978-0-8058-5753-5. LEEUW, Edith D. de a Joop J. HOX. Self-Administered Questionnaires; Mail Surveys and Other Applications. LEEUW, Edith D. de, Joop J. HOX a Don A. DILLMAN. International Handbook of Survey Methodology. New York: Taylor & Francis, 2008, s. 239-263. ISBN 978-0-8058-5753-5. LEWIS-BECK, Michael S. a Mary STEGMAIER. Citizen forecasting: Can UK voters see the future? Electoral Studies. 2011, vol. 30, issue 2, s. 264-268. DOI: http://dx.doi.org/10.1016/j.electstud.2010.09.012. LEWIS-BECK, Michael S. a Charles TIEN. Voters as forecasters: a micromodel of election prediction. International Journal of Forecasting. 1999, vol. 15, issue 2, s. 175184. DOI: 10.1016/s0169-2070(98)00063-6. LOHR, Sharon L. Coverage and sampling. LEEUW, Edith D. de, Joop J. HOX a Don A. DILLMAN. International Handbook of Survey Methodology. New York: Taylor & Francis, 2008, s. 97-112. ISBN 978-0-8058-5753-5. LORENZ, Jan, Heiko RAUHUT, Frank SCHWEITZER a Dirk HELBING. How social influence can undermine the wisdom of crowd effect. Proceedings of the National Academy
of
Sciences.
2011,
vol.
108,
10.1073/pnas.1008636108.
issue
22,
Dostupné
http://www.pnas.org/cgi/doi/10.1073/pnas.1008636108
80
s.
9020-9025.
DOI: z:
MANFREDA, Katja Lozar a Vasja VEHOVAR. Internet surveys. LEEUW, Edith D. de, Joop J. HOX a Don A. DILLMAN. International Handbook of Survey Methodology. New York: Taylor & Francis, 2008, s. 264-284. ISBN 978-0-8058-5753-5. MÉDEA RESEARCH. Volební prognóza MÉDEA RESEARCH: Volby by vyhrála ČSSD. Zpráva z výzkumu [online]. 12. 04. 2010 [cit. 2014-11-17]. Dostupné z: http://group.medea.cz/detail-clanku/90-volebni-prognoza-medea-research-volby-byvyhrala-cssd MÉDEA RESEARCH. Volební prognóza. Týden [online]. 2013 [cit. 2014-01-24]. Dostupné
z:
http://www.tyden.cz/priloha/201310/525e39a20e986/medea-research-
volebni-prognoza---rijen-2013-525e78fc85c2b.pdf MEDIAN. Volební model, stranické preference, vývoj voličských preferencí. Tisková zpráva
[online].
2010
[cit.
2014-11-17].
Dostupné
z:
http://www.median.cz/docs/preference_2010_04.pdf MEDIAN. Sněmovní volební model MEDIAN (září-říjen 2013). Zpráva z výzkumu [online].
18.
10.
2013
[cit.
2014-11-17].
Dostupné
z:
http://www.median.cz/docs/MEDIAN_Snemovni_volebni_model_ZARIRIJEN_2013.pdf MEFFERT, Michael F., Sascha HUBER, Thomas GSCHWEND, Franz Urban PAPPI. More than wishful thinking: Causes and consequences of voters’ electoral expectations about parties and coalitions. Electoral Studies. 2011, vol. 30, issue 4, s. 804-815. DOI: http://dx.doi.org/10.1016/b978-012436643-5/50155-3. MILLER, Michael K., Guanchun WANG, Sanjeev R. KULKARNI, H. Vincent POOR a Daniel N. OSHERSON. Citizen Forecasts of the 2008 U.S. Presidential Election. Politics & Policy. 2012, vol. 40, no. 6, s. 1019-1052. MURR, Andreas Erwin. “Wisdom of crowds”? A decentralised election forecasting model that uses citizens’ local expectations. Electoral Studies. 2011, vol. 30, issue 4, s. 771-783.
DOI:
10.1016/j.electstud.2011.07.005.
http://linkinghub.elsevier.com/retrieve/pii/S0261379411000977
81
Dostupné
z:
NANCARROW, Clive a Trixie CARTWRIGHT. Online access panels and tracking research: The condition issue. International Journal of Market Research. 2007, vol. 49, issue 5, s. 573-594. PAGE, Scott E. The difference: how the power of diversity creates better groups, firms, schools, and societies. Princeton: Princeton University Press, 2007, xxiv, 424 p. ISBN 06-911-2838-3. POYNTER, Ray. The handbook of online and social media research: tools and techniques for market researchers. New York: Wiley, 2010, xix, 441 s. ISBN 978-0470-71040-1. Ppm factum. Volební prognóza. Tisková zpráva [online]. 07. 12. 2005 [cit. 2014-01-23]. Dostupné z: http://www.factum.cz/165_volebni-prognoza Ppm factum. Dosavadní trend pokračuje, podpora nových a neparlamentních stran mírně posiluje. Tisková zpráva [online]. 14. 10. 2013 [cit. 2014-01-23]. Dostupné z: http://www.factum.cz/538_dosavadni-trendpokracuje?PHPSESSID=67d7cda0d9e69509f8f9cef1d8a0da61 PROKOP, Daniel. Výzkum volebních preferencí v ČR: Návrh metodologické optimalizace. Praha, 2012. 114 s. Diplomová práce. Univerzita Karlova, Fakulta sociálních věd, Institut sociologických studií. RAUHUT, Heiko, Jan LORENZ. The wisdom of crowds in one mind: How individuals can simulate the knowledge of diverse societies to reach better decisions. Journal of Mathematical
Psychology.
2011,
vol.
55,
issue
2,
s.
191-197.
DOI:
10.4135/9781452257044.n287. RHODE, Paul W. a Koleman S. STRUMPF. Historical Prediction Markets: Wagering on
Presidential
Elections.
2003,
37
s.
Dostupné
z:
http://www.unc.edu/~cigar/papers/BettingPaper_10Nov2003_long2.pdf SANEP. Volební preference - předčasné volby- říjen. Zpráva z výzkumu [online]. 21. 10. 2013 [cit. 2014-11-17]. Dostupné z: http://sanep.cz/pruzkumy/volebni-preferencepredcasne-volby-rijen-publikovano-21-10-2013/
82
SERVAN-SCHREIBER, Emile, Justin WOLFERS, David M. PENNOCK a Brian GALEBACH. Prediction Markets: Does Money Matter? Electronic Markets. 2004, vol. 14, issue 3, s. 243-251. DOI: 10.1080/1019678042000245254. SIMAR. Máme po volbách ... a co dál [videozáznam z diskuze]. 2013 [cit. 29. 11. 2013]. Dostupné z: http://simar.cz/hot-news/mame-po-volbach.html SJÖBERG, Lennart. Are all crowds equally wise? a comparison of political election forecasts by experts and the public. Journal of Forecasting. 2009, vol. 28, issue 1, s. 118. DOI: 10.1002/for.1083. STEM. VOLEBNÍ MODEL K POLOVINĚ ŘÍJNA 2013. Tisková zpráva [online]. 2013 [cit. 2014-11-17]. Dostupné z: http://www.stem.cz/clanek/2855 SUROWIECKI, James. The wisdom of crowds. 1st Anchor books ed. New York: Anchor books, 2005, xxi, 306 s. ISBN 03-857-2170-6. TNS AISA. Volby do Poslanecké sněmovny Parlamentu ČR 2013. Závěrečná zpráva z výzkumu veřejného mínění realizovaného výhradně pro Českou televizi [online]. 2013 [cit.
Dostupné
2014-11-17].
z:
http://img.ct24.cz/multimedia/documents/52/5143/514269.pdf TOEPOEL, Vera. A closer look at web questionnaire design. Tilburg University: CentER, 2008, 142 s. ISBN 90-566-8221-0. TZIRALIS, Georgios a Ilias TATSIOPOULOS. Prediction markets: an information aggregation perspective to the forecasting problem. World Review of Entrepreneurship, Management and Sust. Development. 2007, vol. 3, nos. 3/4, s. 251-259. What is the IEM? Iowa Electronics Markets [online]. 2012 [cit. 2014-03-03]. Dostupné z: https://tippie.uiowa.edu/iem/media/summary.html 100
chytrých
[online].
2010
[cit.
2013-10-10].
http://www.100chytrych.cz/
83
O
projektu.
Dostupné
z:
Seznam příloh Příloha č. 1: Souhlas s poskytnutím dat STEM/MARK (text) Příloha č. 2: Souhlas s provedením výzkumu (text) Příloha č. 3: Podklad k programování dotazníku (text) Příloha č. 4: Struktura výběrového souboru dle základních sociodemografických ukazatelů (tabulka) Příloha č. 5: Ukázka asymetrického rozdělení proměnné u odhadů SPOZ (graf)
84
Přílohy Příloha č. 1: Souhlas s poskytnutím dat STEM/MARK (text) Tato akademická práce využívá data z projektu Delphi výzkumné agentury STEM/MARK a.s. Data byla poskytnuta bezplatně a v plném rozsahu výhradně pro výzkumné účely této práce a jejich další šíření třetím stranám, kopírování nebo publikace výsledků na nich založených v jiných pracích je podmíněno výslovným písemným svolení zástupce agentury STEM/MARK a.s. Tyto třetí strany musí být příslušné akademické instituci. Příloha č. 2: Souhlas s provedením výzkumu (text) Společnost Perfect Crowd souhlasí s provedením výzkumu pro účely diplomové práce Bc. Moniky Červinkové, studentky ISS FSV UK a publikováním výsledků výzkumu v této práci.
85
Příloha č. 3: Podklad k programování dotazníku (text) Odhad volebních výsledků – Volby do Poslanecké sněmovny 2013 (dotazník) 18.10.2013 DOPIS RESPONDENTŮM, STANDARDNÍ ÚVOD PŘIPOJIT Z PANELU INFORMACI O POHLAVÍ, VĚKU, VZDĚLÁNÍ, KRAJI A VELIKOSTI BYDLIŠTĚ RESPONDENTA Poznámka: modré texty nejsou pro respondenty viditelné. ÚVODNÍ INFORMACE Dobrý den, v následujícím dotazníku se budeme bavit o volbách. Nebudeme se Vás ale primárně ptát, koho se chystáte v blízkých volbách do Poslanecké sněmovny volit. Chceme znát hlavně Váš názor a odhad, jak volby dopadnou. Autory 5 nejpřesnějších odhadů odměníme částkou 1000 Kč. ODHAD VOLEBNÍCH VÝSLEDKŮ - POŘADÍ A1a Nejprve bychom se Vás zeptali, která strana podle Vás volby vyhraje, čili získá nejvíce hlasů? A1b Která strana bude podle Vás druhá? A1c A která bude třetí? A1d Která strana bude v počtu hlasů čtvrtá v pořadí? A1e A která bude pátá? A1f Jako šestá v pořadí podle Vás bude? A1g A další bude? (PROG.: ROTACE STRAN, NEZOBRAZOVAT JIŽ VYBRANÉ MOŽNOSTI V PŘEDCHOZÍCH OTÁZKÁCH)
Česká pirátská strana
Úsvit přímé demokracie Tomia Okamury
TOP 09
ANO 2011
Strana zelených
Strana svobodných občanů
ODS
KDU-ČSL
ČSSD
Dělnická strana sociální spravedlnosti
Strana Práv Občanů ZEMANOVCI
KSČM 86
HLAVU VZHŮRU – volební blok
ODHAD VOLEBNÍCH VÝSLEDKŮ - PROCENTA A2 SOUTĚŽNÍ OTÁZKA U každé strany prosím vypište, kolik procent hlasů podle Vás ve volbách dostane. Součet všech procent nesmí být větší než 100. Pište procenta číslem (např. 13), nikoliv slovy. Desetinnou čárku prosím zapisujte tečkou (př. 13.5), nikoliv čárkou. Kolik procent hlasů podle Vás získá … (ROTACE SEZNAMU, KONTROLA SUMY MENŠÍ NEBO ROVNO 100)
Česká pirátská strana
Úsvit přímé demokracie Tomia Okamury
TOP 09
ANO 2011
Strana zelených
Strana svobodných občanů
ODS
KDU-ČSL
ČSSD
Dělnická strana sociální spravedlnosti
Strana Práv Občanů ZEMANOVCI
KSČM
HLAVU VZHŮRU – volební blok Zbývající procenta (do sumy 100 %) připadnou ostatním (výše nejmenovaným – z důvodu nekandidování stran ve všech krajích) stranám (Romská demokratická strana, Klub angažovaných nestraníků, Změna, Strana soukromníků ČR, Volte pravý blok, LEV 21, Suverenita - Strana zdravého rozumu, Aktiv nezávislých občanů, Občané 2011, Koruna Česká, Československá strana socialistická) VYTVÁŘENÍ ODHADŮ Děkujeme za Vaše tipy. Poprosíme Vás ještě o vyplnění několika otázek, které nám pomohou výsledky zpracovat. B1
Nyní prosím, co nejkonkrétněji popište, na základě čeho jste se při svých tipech na výsledek voleb rozhodoval/a? (OTEVŘENÁ OTÁZKA)
87
B2
…
Jak velkou roli hrály ve Vašem odhadu volebních výsledků následující faktory: (BATERIE, ROTACE SEZNAMU KROMĚ „NĚCO JINÉHO? VYPIŠTE“) Informace o preferencích z předvolebních výzkumů Jiné informace o stranách (netýkající se jejich preferencí, např. různé jejich aktivity, kauzy jejích členů, důvěra stranám apod.) Výsledky voleb v předchozích letech Volební preference lidí v mém okolí Odhady lidí v mém okolí (konzultace) Vlastní volební preference Obecné povědomí o síle stran Stabilita voličské základny jednotlivých stran Známost stran Atraktivita volebního programu stran Síla osobnosti v čele stran Délka existence stran Rozsah a viditelnost předvolební kampaně stran a jiné reklamy Něco jiného. Vypište:
B3
Velkou roli
Částečnou roli
Žádnou roli
Nyní vidíte faktory, u kterých jste uvedl/a, že pro Vás hrály při odhadu volebních výsledků velkou roli. Vyberte prosím jeden z nich, který ve Vašem odhadu hrál roli největší. (POUZE POKUD V B2 ALESPOŇ U DVOU FAKTORŮ „VELKOU ROLI“, ZOBRAZIT POLOŽKY U KTERÝCH ZAŠKRNUTO „VELKOU ROLI“) Informace o preferencích z předvolebních výzkumů Jiné informace o stranách (netýkající se jejich preferencí, např. různé jejich aktivity, kauzy jejích členů, důvěra stranám apod.) Výsledky voleb v předchozích letech Volební preference lidí v mém okolí Odhady lidí v mém okolí (konzultace) Vlastní volební preference Obecné povědomí o síle stran Stabilita voličské základny jednotlivých stran Známost stran
88
Atraktivita volebního programu stran Síla osobnosti v čele stran Délka existence stran Rozsah a viditelnost předvolební kampaně stran a jiné reklamy Něco jiného ZÁJEM O POLITIKU A PŘEDVOLEBNÍ PRŮZKUMY B4 Jak moc se v současné době zajímáte o politiku?
B5
B6
Velmi se zajímám
Spíše se zajímám
Spíše se nezajímám
Vůbec se nezajímám
Zaznamenal/a jste za poslední měsíc výsledky nějakého předvolebního průzkumu? (v televizi, rádiu, novinách, na internetu...)
Ano jednoho
Ano několika (vypište odhadem kolika…)
Ne
Pokud byste počítal/a i útržkovité zmínky typu „podpora strany X stoupá“, „volby podle průzkumů vyhraje strana X“, „do sněmovny se ne/dostane“, zmíněné např. v nadpisech článků, řekl/a byste, že jste za poslední měsíc něco takového zaznamenal/a? (v televizi, rádiu, novinách, na internetu, rozhovory mezi lidmi..) (POUZE POKUD B5=NE) Ano
B7
B8
Ne
Zaznamenal/a jste v posledních 7 dnech výsledky nějakého předvolebního průzkumu? (v televizi, rádiu, novinách, na internetu...). (POUZE POKUD B5=ANO JEDNOHO, NEBO ANO NĚKOLIKA)
Ano jednoho
Ano několika (vypište odhadem kolik…)
Ne
Vzpomenete si, od jakých společností tyto průzkumy byly (které společnosti průzkumy realizovaly)? (POUZE POKUD B5 =ANO JEDNOHO, NEBO ANO NĚKOLIKA)
Ano (vypište…)
Ne
89
VLASTNÍ ÚČAST A PREFERENCE Nyní Vám položíme poslední dvě otázky, které nám pomůžou při analýze. Pokud nechcete, nemusíte na ně odpovídat. A7
A8
Ve dnech 25. a 26. října budou volby do Poslanecké sněmovny, půjdete volit?
Rozhodně ano
Spíše ano
Spíše ne
Rozhodně ne
Nevím
Nechci odpovědět
Pokud půjdete k volbám, kterou stranu budete volit? (NEZOBRAZOVAT KDYŽ V A7 = rozhodně ne, ROTACE SEZNAMU KROMĚ NEVÍM A NECHCI ODPOVĚDĚT)
Česká pirátská strana
Úsvit přímé demokracie Tomia Okamury
TOP 09
ANO 2011
Strana zelených
Strana svobodných občanů
ODS
KDU-ČSL
ČSSD
Dělnická strana sociální spravedlnosti
Strana Práv Občanů ZEMANOVCI
KSČM
HLAVU VZHŮRU – volební blok
Některou ze stran: Romská demokratická strana, Klub angažovaných nestraníků, Změna, Strana soukromníků ČR, Volte pravý blok, LEV 21, Suverenita - Strana zdravého rozumu, Aktiv nezávislých občanů, Občané 2011, Koruna Česká, Československá strana socialistická
Nevím
Nechci odpovědět DĚKUJEME ZA VÁŠ ČAS A VAŠE NÁZORY
90
Příloha č. 4: Struktura výběrového souboru dle základních sociodemografických ukazatelů (tabulka) Pohlaví
Muži Ženy Věk 18-29 let 30-39 let 40-49 let 50-59 let 60 a více let Vzdělání Základní vč. neukončeného Střední bez maturity Střední s maturitou Vysokoškolské Velikost místa bydliště do 999 obyvatel 1 000 až 4 999 obyvatel 5 000 až 19 999 obyvatel 20 000 až 99 999 obyvatel 100 000 a více obyvatel Kraj Hlavní město Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královehradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Zdroj: vlastní data (N=1017)
91
Před vážením 32,4% 67,6% 35,7% 28,9% 14,9% 11,4% 9,1% 5,9% 14,8% 54,2% 25,1% 16,2% 16,8% 18,0% 20,2% 28,8% 20,7% 9,6% 6,6% 4,0% 2,7% 7,1% 3,7% 5,5% 4,0% 3,8% 11,3% 5,6% 3,1% 12,1%
Po vážení 48,4% 51,6% 19,7% 21,1% 17,7% 16,5% 25,0% 13,8% 34,3% 34,6% 17,4% 16,9% 21,9% 18,2% 22,4% 20,5% 12,0% 12,0% 6,0% 5,3% 3,1% 8,0% 4,3% 5,3% 4,8% 4,9% 11,1% 5,9% 5,5% 12,0%
Příloha č. 5: Ukázka asymetrického rozdělení proměnné u odhadů SPOZ (graf)
Zdroj: vlastní data (N=1017)
Histogram znázorňuje jednotlivé četnosti (osa Y) odhadů respondentů (osa X). Černá křivka symbolizuje, jak by histogram vypadal v případě normálního rozdělení. Koeficient šikmosti je stejně jako u většiny ostatních stran kladný (γ1=2,98). To znamená, že se většina odhadů nachází pod průměrem. Ten je vychýlen několika málo respondenty, kteří predikovali straně výrazně větší úspěch. V těchto případech průměr nereflektuje střední hodnotu odhadu tak dobře jako medián.
92
