انتخابات آمریکا؛ جنگ مدل‌‌های آماری آکادمیک با نظرسنجی‌های رسانه‌های جریان اصلی آمریکا

سال‌های طولانی‌ست که موسسات نظرسنجی یکه‌تاز میدان پیش‌بینی نتایج انتخابات در کشورهای دموکراتیک مختلف بودند تا اینکه در انتخابات سال ۲۰۱۶ میلادی یکی از خاص‌ترین حالت‌های ممکن، بر خلاف پیش‌بینی نظرسنجی‌ها اتفاق افتاد.

هیلاری کلینتون با اینکه در نظرسنجی‌ها حدود ۵الی۶ درصد در آرای مردمی و پیش‌بینی‌ تعداد رای‌های الکترال کالج جلوتر از دونالد ترامپ بود، سه ایالت کلیدی را با اختلاف رای اندکی به دونالد ترامپ واگذار کرد و سرنوشت انتخابات به گونه‌ای دیگر رقم خورد. آنقدر کم که باورکردنی نبود. 

 در انتخابات‌های اخیر این دومین بار بود که کاندیدای دارای رای مردمیِ بالاتر، مغلوب سیستم الکترال‌کالج آمریکا می‌شد. بار قبلی در انتخابات سال ۲۰۰۰ میلادی، زمانی که اَل‌گور کاندیدای محبوب دموکرات‌ها در مقابل جورج‌بوش پسر شکست را پذیرفت، تجربه تلخ دیگری برای دموکرات‌ها رقم خورد. اَل‌گور معاون بیل کلینتون در پیامی که برای طرفداران‌اش صادر کرد گفت: به سبب منافع ملی آمریکا رای دیوان عالی آمریکا با نسبت ۴ به ۵ که حکم به عدم بازشماری آراء در ایالت فلوریدا داده بودند را می‌پذیرم. در انتخابات مشکوک ایالت فلوریدا که برادر جورج بوش، جِب بوش فرماندار آن بود، اَل گور شکستی تنها با ۵۳۷ رای اختلاف در آن ایالت را تجربه کرد. زمانی که جب بوش هفتادهزار رای را به نفع برادر خود باطل کرده بود.

البته آن انتخابات را هم نمی‌توان به پای شکست نظرسنجی‌های رسانه‌های جریان اصلی گذاشت، زیرا روند انتخابات حرف و حدیث‌های فراوانی داشت.

اما بحث جالب دیگری که این روزها سر زبان‌ها افتاده است، استفاده از مدل‌سازی‌های ریاضی برای پیش‌گویی انتخابات است. چندی‌ست که اساتید علوم سیاسی با ارائه مدل‌هایی برای پیش‌بینی نتیجه انتخابات وارد گود شده‌اند و مدل‌های متفاوتی را ارائه کرده‌اند. هر یک از این مدل‌ها بر مبنای معیار مشخصی دست به پیش‌بینی می‌زنند و جام‌جهان‌نمای خود را دارند. در انتخابات گذشته نام یکی از اساتید علوم‌سیاسی هلموت نورپاث بیشتر بر سر زبان‌ها افتاد. پروفسور نورپاث در بهار سال ۲۰۱۶ برمبنای مدل ریاضی خود "Primary Model" پیش‌بینی کرد که دونالد ترامپ در پاییز برنده انتخابات خواهد بود با احتمال ٪۸۷، در حالی که رسانه‌های جریان اصلی (CNN,MSNBC,...) بر طبق نظرسنجی‌ها معتقد بودند کلینتون برنده انتخابات خواهد بود. نقطه قوت مدل نورپاث نسبت به دیگر مدل‌ها، زمان پیش‌بینی نتایج، درست هشت‌ماه پیش از انتخابات بود. مدل نورپاث بر مبنای ضریب وزنی موفقیت یک کاندیدا در سابقه انتخاباتی آن کاندیدا در یک ایالت مشخص بنا شده است. مدل ریاضی نورپاث از هیچ نظرسنجی‌ای استفاده نمی‌کند و تنها و تنها از نتایج واقعی دور مقدماتی انتخابات درون حزبی و فاکتورهای تاریخی در انتخابات‌های گذشته، بهره می‌برد. به نظر او عواملی مثل کرونا یا کشته شدن جورج فلوید و ناآرامی‌های پس از آن که جای خود دارد حتی فاکتوری به وزن جنگ جهانی اول هم تاثیری بر روی نتیجه نهایی انتخابات، چند ماه قبل از برگزاری آن ندارد. در بررسی انتخابات آمریکا تمرکز او روی دو ایالت نیوهمشایر و کارولینای جنوبی است. به نظر او شتاب و انرژی اولیه پویش‌های انتخاباتی نقش برجسته‌ای در شروع قدرتمند یک کارزار انتخاباتی دارد. برای مثال در ایالت نیوهمشایر، ترامپ ٪۹۰ رای حزبی را از آن خود کرد. در حالی که بایدن ٪۸.۴ رای حزبی را در میان کاندیداهای حزب دموکرات کسب کرد. پس میزان انرژی‌ای که ترامپ توانسته در ایالت مهمی چون نیوهمشایر آزاد کند بسیار بیشتر از بایدن بوده است. اهمیت نیوهمشایر اینجاست که زمان برگزاری انتخابات درون حزبی در این ایالت، نیمی از آرای الکترال حزبی تعیین تکلیف شده‌اند.

عامل دوم میزان حمایت حزبی

در مدل نورپاث میزان حمایت در انتخابات درون حزبی نیز یکی از عوامل موثر در پیش‌بینی نتیجه است. او می‌گوید نامزدی که در انتخابات درون حزبی با اختلاف بالایی از رقبای درون حزبی‌اش بایستد، به عبارت دیگر حمایت حزبی معناداری نسبت به رقبای‌ درون حزبی‌اش داشته باشد؛ برنده انتخابات است. در انتخابات ۲۰۲۰ طبق داده‌های نورپاث حمایت درون حزبی ترامپ از بایدن بالاتر است.

عامل سوم دامنه پیروزی‌ست

در این بخش نورپاث بر روی اختلاف دامنه پیروزی متمرکز است. برای مثال ریگان در ۱۹۸۴ اختلاف دامنه پیروزی‌اش نسبت به ۱۹۸۰ دو برابر شده بود. همین دامنه آنقدر قدرتمند بود که جورج بوش پدر به عنوان سومین رئیس‌جمهورِ جمهوری‌خواه انتخاب شود؛ یا به عنوان مثالی دیگر، اوباما در ۲۰۰۸ با دامنه‌ای به اندازه نصف اختلاف دامنه ۲۰۰۴ پیروز انتخابات شد، این یعنی نزول شانس دموکرات‌ها در انتخابات بعدی.

عامل چهارم

حزب در قدرت یا نظریه پاندول الکترال

 در نظریه چرخشِ پاندولی رای مردم به صورت رفت‌و‌برگشتی، اقبال مردمی بین دو حزب جابجا می‌شود، حزبی که در قدرت است و برای انتخابات دور دوم حاضر می‌شود، از ضریب وزنی موفقیت بالاتری برخوردار است. 

لازم به ذکر است که این مدل در دو جا شکست خورده است. یکی در راستی‌آزماییِ کارکرد آن در انتخابات سال ۱۹۶۰ بین کندی-نیکسون، که نتیجه را صحیح پیش‌بینی نمی‌نماید و دیگری در همان انتخابات مناقشه برانگیز ۲۰۰۰ که داستانی خاص داشت و نمی‌توان آن را به پای خطا در مدل نوشت.

نهایت اینکه بر طبق این مدل شانس پیروزی ترامپ ٪۹۱ با حدود ۳۶۲ رای الکترال کالج و شانس بایدن تنها ٪۹ با ۱۷۶ رای الکترال کالج برآورد می‌شود. در حالی که نظرسنجی‌های رسانه‌های جریان اصلی نسبت شانس پیروزی بایدن بر ترامپ را چیزی در حدود ۸۷ به ۱۳ می‌دانند. آنها رای الکترال بایدن را در حدود ۲۷۹ رای و ترامپ را حدود ۱۲۵ رای پیش‌بینی می‌کنند. باید منتظر ماند و دید در نزاع میان نظرسنجی‌ها در برابر مدل‌های آماری بر مبنای آنالیزهای سیاسی کدامیک دست بالا را خواهند داشت؟

فریبرز نعمتی

@tammollaat