Information, incentives, and goals in election forecasts

Andrew Gelman ed Elliott Morris avevano costruito per l’Economist il modello delle presidenziali del 2020; con Jessica Hullman e Christopher Wlezien si chiedono che cosa debba fare una previsione elettorale e come vada giudicata. Con una decina di elezioni presidenziali alle spalle ed errori statali fra loro correlati, la calibrazione di un intervallo al 95 per cento è quasi impossibile da verificare. Il punto più originale riguarda gli incentivi: i media premiano le previsioni audaci, ma una previsione audace sbagliata danneggia la reputazione più di quanto una giusta la accresca, e chi pubblica è spinto ora verso l’eccesso di sicurezza ora verso la prudenza per ragioni che con i dati non hanno a che fare. Citando Taleb, gli autori riconoscono che una previsione pienamente bayesiana non dovrebbe cambiare in modo prevedibile, ma osservano che né il loro modello né quello di FiveThirtyEight lo sono del tutto. Il confronto è istruttivo: a settembre l’Economist dava a Biden l’87 per cento e FiveThirtyEight il 71, eppure le due stime della quota di voto erano quasi identiche. Per il lettore la lezione è guardare la quota di voto prevista più che la probabilità di vittoria.