Como funciona o modelo de “eleitor provável” (likely voter)

A lógica por trás desse modelo é simples de entender, mas exige um cálculo estatístico cuidadoso. Veja como funciona, segundo a explicação de Felipe Nunes (Quaest/FGV):

1. A amostra parte de todos os eleitores aptos
A pesquisa não começa filtrando quem vai votar — ela entrevista uma amostra representativa de todo o eleitorado, incluindo pessoas que podem acabar se abstendo no dia da eleição.

2. Cada entrevistado recebe uma probabilidade de comparecimento
Em vez de simplesmente perguntar “você vai votar?” (resposta que tende a ser enviesada, já que muita gente diz que vai votar mesmo sem intenção real), o instituto calcula uma probabilidade individual de comparecimento às urnas. Essa probabilidade é estimada a partir de variáveis como:

• Perfil sociodemográfico do eleitor
• Histórico de engajamento político
• Nível de interesse e motivação naquela eleição específica
• Comportamento em eleições anteriores

3. O resultado final é ponderado pela probabilidade de voto
Em vez de tratar todos os entrevistados como igualmente propensos a votar, o instituto pondera as respostas: quem tem alta probabilidade de comparecer pesa mais no resultado final projetado; quem tem baixa probabilidade pesa menos (ou é excluído das projeções para os dois turnos).

Por que a abstenção afeta a precisão das pesquisas

A abstenção é um dos maiores desafios metodológicos das pesquisas eleitorais, por alguns motivos:

• Ela não é uniforme entre grupos. Diferentes perfis de eleitores (por idade, região, renda, nível de engajamento político) têm propensões distintas a se abster. Se o modelo erra a mão em estimar quem vai ou não comparecer dentro de cada grupo, o resultado projetado se distancia do resultado real das urnas.
• Quanto maior a abstenção, maior a margem de erro potencial. Com o índice recorde de 20,9% no primeiro turno de 2022 — o maior desde 1998 —, o “filtro” do eleitor provável se torna ainda mais determinante: um erro na estimativa de quem vai às urnas tem mais peso proporcional no resultado final.
• A abstenção pode ser diferente entre os candidatos. Se o eleitorado de um candidato específico tende a se abster mais (ou menos) do que o de outro, isso pode distorcer a diferença projetada entre eles caso o modelo não capture bem esse efeito.

Por isso, calibrar corretamente o modelo de likely voter é uma das partes mais sensíveis — e mais discutidas — da metodologia dos institutos, especialmente em cenários de alta abstenção como o de 2022.

fonte:G1