به گزارش خبرنگار گروه آنلاین روزنامه دنیای اقتصاد، در فاصله کمتر از یک ماه مانده به انتخابات، برآوردهای آماری از شکست سنگین جمهوری‌خواهان خبر می‌دهند. بر اساس میانگین نظرسنجی‌های نِیت سیلور، نامزدهای دموکرات سنا در ایالت‌هایی پیشتاز هستند که دونالد ترامپ در سال ۲۰۲۴ با برتری‌های دورقمی در آن‌ها پیروز شده بود. ایالت‌هایی همچون کانزاس که ترامپ با اختلاف ۱۶ درصدی در آن پیروز شد، و آلاسکا، آیووا، اوهایو و تگزاس که ترامپ در هر یک با فاصله بیش از ۱۰ درصد به برتری رسید.
در مجلس نمایندگان نیز برآوردها حاکی از آن است که دموکرات‌ها در آستانه دستیابی به بزرگ‌ترین اکثریت پارلمانی خود طی ۱۸ سال گذشته قرار دارند. این تصویری است که ارقام نظرسنجی‌ها پیش روی ناظران می‌گذارند، اما مارک نوویکوف در مطلب اخیر خود در نشریه آتلانتیک می‌پرسد که تا چه اندازه می‌توان به این داده‌ها اعتماد کرد؟ موسسات افکارسنجی پس از دست‌کم گرفتن سبد رای ترامپ در سال ۲۰۱۶، همواره تلاش کرده‌اند با بازنگری گسترده در روش‌های خود، اعتماد عمومی را بازگردانند.
شاید این بار چاره‌اندیشی‌های آن‌ها کارساز شده باشد، باوری که مدیران این موسسات نیز بر آن پافشاری می‌کنند. اسپنسر کیمبال، مدیر نظرسنجی کالج امرسون، معتقد است موسسات این حوزه اکنون از تکنیک‌ها و الگوهای دقیق‌تری بهره می‌برند و به درستی نبض افکار عمومی را منعکس می‌کنند. با این حال، مراجع افکارسنجی در دوره‌های گذشته نیز از درستی کار خود اطمینان داشتند، اما صندوق‌های رای واقعیت دیگری را نشان دادند. موسسات نظرسنجی پس از شگفتی سال ۲۰۱۶ دریافتند که از متغیر قطبی‌شدن تحصیلی غافل بوده‌اند.
این پدیده نوظهور نشان می‌داد ترجیحات سیاسی رای‌دهندگان دارای تحصیلات دانشگاهی تفاوت چشمگیری با افراد فاقد مدرک دارد. از آن پس، این مراکز کوشیدند حضور افراد بدون تحصیلات دانشگاهی را در نمونه‌های آماری تقویت کنند یا با وزن‌دهی آماری، سهم واقعی آن‌ها را در جامعه رای‌دهندگان بازتاب دهند. پیش‌بینی بسیار دقیق نتایج انتخابات میان‌دوره‌ای ۲۰۱۸این تصور را پدید آورد که اصلاحات روش‌شناختی پاسخ داده است. اما انتخابات ۲۰۲۰ بار دیگر این دستاورد را زیر سوال برد.
هرچند نظرسنجی‌ها به درستی اقبال بیشتر مردم به جو بایدن در مقایسه با ترامپ را تشخیص دادند، اما میزان آرای ترامپ را حتی بیش از سال ۲۰۱۶ دست‌کم گرفتند. این خطا به ویژه در سطح ایالتی پررنگ‌تر بود. بارزترین نمونه ایالت ویسکانسین بود که در آن پیش‌بینی می‌شد بایدن با اختلافی نزدیک به ۱۰ درصد پیروز شود، اما برتری نهایی او به کمتر از یک درصد رسید. معمای رأی‌دهندگان خاموش ترامپ این خطای فاحش کارشناسان را سردرگم کرد. اگر کنترل متغیر تحصیلات گره‌گشا نبود، چه ابزار دیگری می‌توانست کارساز باشد؟
این فرضیه شکل گرفت که شاید هواداران ترامپ رفتار متفاوتی در برابر نظرسنجی‌ها دارند و در مقایسه با سایر گروه‌های جمعیتی مشابه، کمتر حاضر به پاسخ‌گویی می‌شوند. این پدیده که با عنوان سوگیری ناشی از بی‌میلی حزبی به پاسخ شناخته می‌شود، علت دقت بالاتر نظرسنجی‌ها در انتخابات میان‌دوره‌ای دوران ترامپ را در مقایسه با انتخابات ریاست‌جمهوری تا حدی توضیح می‌دهد. شرکت‌کنندگان در انتخابات میان‌دوره‌ای معمولاً شهروندانی هستند که پیگیری سیاسی بالاتری دارند، به نهادها بیشتر اعتماد می‌کنند و در نتیجه به پرسشگران نظرسنجی‌ها نیز راحت‌تر پاسخ می‌دهند.
موسسات برای عبور از این بن‌بست، به ساده‌ترین راهکار ممکن یعنی پرسش درباره سابقه رای پیشین متوسل شدند. بر این اساس، اگر هواداران ترامپ رفتار سیستماتیک متفاوتی داشتند، کافی بود از پاسخ‌دهندگان پرسیده شود آیا در دوره قبل به ترامپ رای داده‌اند یا خیر، و سپس جامعه آماری به گونه‌ای تنظیم شود که سهم حامیان پیشین ترامپ با نتایج واقعی دوره گذشته همخوانی پیدا کند. این روش در انتخابات میان‌دوره‌ای ۲۰۲۲ موفق از آب درآمد و نتایج با دقت بالایی پیش‌بینی شد.
با این حال، تکیه بر متغیر یادآوری رای نتوانست در انتخابات ۲۰۲۴ مانع خطا شود و نظرسنجی‌ها بار دیگر حدود ۳ درصد از آرای واقعی ترامپ عقب ماندند، درست همانند آنچه در سال ۲۰۱۶ رخ داد. تجربه نشان داد که خنثی کردن خطای ناشی از عدم پاسخ‌گویی در سال‌های انتخابات ریاست‌جمهوری بسیار دشوار است. حتی در میان افرادی که می‌گفتند در گذشته به ترامپ رای داده‌اند، به نظر می‌رسید موسسات تنها کسانی را می‌یابند که تمایل بیشتری به رای دادن به دموکرات‌ها داشتند.
پاتریک روفینی، پژوهشگر نظرسنجی وابسته به جناح جمهوری‌خواه، تاکید می‌کند که این صنعت در نهایت به همکاری شهروندان متکی است و افرادی که پای تلفن حاضر به گفت‌وگو می‌شوند لزوماً نماینده واقعی جامعه نیستند. رابرت کاهالی، از بنیان‌گذاران گروه نظرسنجی ترافالگار، نیز خاطرنشان می‌کند جمهوری‌خواهان کمی بیشتر نگران‌اند که نامشان در یک فهرست ثبت شود و می‌خواهند بدانند این اطلاعات در اختیار چه کسانی قرار می‌گیرد. در مواجهه با این مانع پیچیده، موسسات افکارسنجی به راهکارهای فنی سخت‌تری روی آورده‌اند.
داگلاس ریورز، مدیر علمی موسسه یوگاو، اعلام کرده تیم او اکنون به سراغ مدل‌سازی در سطح حوزه‌های خرد و محلات رفته است تا مطمئن شود نه‌تنها به اندازه کافی پاسخ‌دهنده‌ای دارد که می‌گویند به ترامپ رای داده‌اند، بلکه به اندازه کافی از این افراد در محله‌هایی زندگی می‌کنند که اکثریتشان به ترامپ رای داده‌اند. نیویورک‌تایمز و کالج سینا نیز در نظرسنجی‌های مشترک خود الگوهایی مانند ضریب تمایل و توازن انرژی طراحی کرده‌اند.
این روش‌ها با ارزیابی شاخص‌هایی چون میزان گرایش حزبی مستتر در نام افراد، نوع خودروی شخصی و تشابه آماری کامل با گروه‌های جمعیتی، وزن داده‌ها را تعدیل می‌کنند. با این همه، مهار خطای پاسخ‌دهندگان به تنهایی تضمین‌کننده دقت پیش‌بینی‌ها نیست و مدل‌سازی نرخ مشارکت متغیر تعیین‌کننده دیگری است. برآورد دقیق نتیجه منوط به این است که چه افرادی واقعاً پای صندوق‌های رای حاضر خواهند شد. الگوهای تخمین مشارکت می‌توانند نتایج را به کلی جابه‌جا کنند.
برای مثال، نظرسنجی ماه سپتامبر موسسه یوگاو در میان رای‌دهندگان ثبت‌نام‌شده نشان داد دموکرات‌ها با اختلاف ۶ درصد پیشتاز هستند که برای پس گرفتن شکننده مجلس نمایندگان کافی بود. اما بررسی همین جامعه آماری در میان افرادی که حضورشان پای صندوق‌ها محتمل دانسته می‌شد، فاصله دموکرات‌ها را به ۱۶ درصد رساند، رخدادی که می‌توانست بزرگ‌ترین اکثریت دموکرات‌ها در مجلس نمایندگان را از دهه ۱۹۷۰تاکنون رقم بزند.
حتی داگلاس ریورز اذعان می‌کند که پذیرش چنین فاصله‌ای دشوار است و این ارقام برآمده از مفروضاتی است که نتیجه را یک‌طرفه به نفع دموکرات‌ها سنگین می‌کند و باید با تردید به آن نگریست. الگوهای پیش‌بینی مشارکت همواره آمیخته با حدس‌های تجربی است. آمار جمعیت بزرگسال سفیدپوست، سیاه‌پوست یا آسیایی‌تبار در آمریکا کاملاً مشخص است و می‌توان جامعه آماری نظرسنجی را منطبق با ترکیب جمعیتی طراحی کرد، اما اینکه چه درصدی از هر گروه نهایتاً پای صندوق حاضر می‌شوند همیشه امری تخمینی است.
اگر حضور عملی این گروه‌ها با پیش‌بینی‌ها فاصله زیادی داشته باشد، می‌تواند خطای ارقام پایانی را افزایش دهد. کابوس تکرار خطا برای دموکرات‌ها با این وجود، دموکرات‌ها و موسسات نظرسنجی برای سال ۲۰۲۶دلایلی برای امیدواری دارند. در این انتخابات میان‌دوره‌ای، نام ترامپ مستقیماً در برگه رای ثبت نشده و انتظار می‌رود رای‌دهندگان کم‌انگیزه در خانه بمانند، شرایطی که موسسات در دوره‌های گذشته در پیش‌بینی آن عملکرد بهتری داشته‌اند.
از طرف دیگر، تجربه انتخابات در دوران ترامپ تنها محدود به دو انتخابات میان‌دوره‌ای و سه انتخابات ریاست‌جمهوری است و این تعداد اندک برای قاعده‌سازی قطعی کفایت نمی‌کند. رفتار انتخاباتی گاه به شکلی غیرقابل‌پیش‌بینی تغییر می‌کند و علاوه بر این، ترامپ به شیوه‌های گوناگون حضور خود را در متن این انتخابات میان‌دوره‌ای تحمیل کرده است، از دخالت مستقیم در انتخاب نامزدها و برگزاری گردهمایی‌های فشرده تا استفاده از پول مالیات‌دهندگان برای تبلیغات سیاسی و واداشتن حزب به برگزاری کنوانسیون میان‌دوره‌ای با محوریت خود.
بروز خطای ساختاری در نظرسنجی‌ها، در ابعادی مشابه با سال‌های ۲۰۱۶ یا ۲۰۲۴، می‌تواند رویای دموکرات‌ها برای تصاحب سنا را بر باد دهد. اگر داده‌ها بخت دموکرات‌ها را در هر ایالت تنها ۳ درصد بیش از واقعیت نشان داده باشند، آن‌ها با حاشیه‌ای شکننده در آلاسکا، تگزاس، میشیگان و اوهایو پیروز خواهند شد، اما نمی‌توانند کرسی‌های کانزاس، آیووا و مین را از آن خود کنند و در مینسوتا نیز شکست می‌خورند. در این حالت آرای سنا به تساوی ۵۰ در برابر ۵۰می‌رسد و جی‌دی ونس در مقام معاون رئیس‌جمهور، رای تعیین‌کننده را به سود جمهوری‌خواهان به صندوق خواهد انداخت.
اگر خطای پیش‌بینی به بزرگی سال ۲۰۲۰ باشد، پیامد آن برای دموکرات‌ها وخیم‌تر خواهد بود و هیچ کرسی اضافه‌ای در سنا به دست نخواهند آورد، ضمن آنکه پس گرفتن مجلس نمایندگان نیز با اکثریتی بسیار لرزان محقق خواهد شد. تمامی این محاسبات فرضیاتی بر روی کاغذ هستند. در دنیای واقعی صندوق‌های رای، خطاهای آماری در ایالت‌های گوناگون یکسان عمل نمی‌کنند و وزن متفاوتی خواهند داشت. البته اگر ناظران می‌توانستند این خطاها و تفاوت‌های ایالتی را از پیش با دقت تعیین کنند، اساساً نیازی به اجرای نظرسنجی احساس نمی‌شد.
منبع: دنیای اقتصاد
