Esta es la decimotercera publicación de blog de una serie que analiza los informes de Diego Escobari y Gary Hoover sobre las elecciones presidenciales en Bolivia de 2019. Sus conclusiones no se basan en Considere cuidadosamente Como señalamos en nuestro informe de Nickels Before Dimes, aquí ampliamos las afirmaciones y conclusiones que Escobari y Hoover hicieron en su informe. Enlaces a publicaciones: Parte uno, Parte dos, Parte tres, Parte cuatro, Parte cinco, Parte seis, Parte siete, Parte ocho, Parte nueve, Parte nueve, Parte diez, Capítulo once y Capítulo doce En una publicación reciente, señalamos que, en consonancia con explicaciones plausibles de los resultados electorales, relajar la hipótesis de la tendencia paralela ayuda a explicar la victoria de Evo Morales en la primera vuelta de 2019, incluso interpretando el aumento del apoyo a Morales, descrito inexplicablemente como un “fraude, “El impacto fue demasiado pequeño para ser políticamente significativo. Con la peor interpretación posible. Hubo fraude en las elecciones de 2019, pero no fue necesario porque Morales habría ganado de todos modos. También vemos a Escobari y Hoover replantear radicalmente su análisis. Abandonaron una línea de investigación que el TSE declaró que «creaba un experimento natural» y, en cambio, Escobari y Hoover descartaron todas las explicaciones benignas de tendencias paralelas. Sostuvo que la existencia de tendencias paralelas servía en sí misma como prueba de fraude a favor de Morales. Este cambio de enfoque apesta a razonamiento post hoc. No encajaba del todo. De hecho, Escobari y Hoover le dieron otro mordisco a la manzana con el modelo. La idea es que si hay una diferencia doble en el margen de voto del MAS-CC, parte de ella podría ser un reflejo benigno de los factores que impulsan la diferencia. La diferencia es doble en los márgenes de voto de los partidos más pequeños. Esta idea tiene algunas validez. Esto se debe a que los votantes eligieron el número de dados de Bolivia (21F) en el referéndum de 2016 sobre el Movimiento Tercer Sistema (MTS) por más de 4:1 en las zonas urbanas, en comparación con menos de 2:1 en las zonas rurales. en La diferencia está sólo en el nombre. Los mismos resultados de 2016 sirven de base para la doble diferencia entre el equipo principal y el equipo menor. Así, en la «triple» divergencia, las líneas de base definitivamente se anulan entre sí. Lo que Escobari y Hoover realmente proponen es una doble divergencia para los partidos principales. Usando la diferencia entre los desvalidos como base Esto queda claro en los resultados de la Tabla 1, donde eliminar todos los datos de 2016 del análisis no tiene ningún efecto en las estimaciones. Tabla 1 Modelo de triple diferencia Datos completos Solo datos de 2019 Solo datos completos de 2019 (1) ( 2) (3) (4) Cierre x TRATAMIENTO x Año 2019 16,26 (0,634) 16,26 (0,647) Cierre x TRATAMIENTO * 16,26 (0,634 ) ) * 16,26 (0,660) Apagado (.253) 10,95 (0,258) TRATAMIENTO * 10,95 ( 0,253) * 10,95 ( 0,263) Año 2016 0,101 (0,624) 0,090 (0,237) Constante -3,173 (0,238) -3,071 (0 ,036) -1,383 ( 0,058) -1,707 (0,129) Constante alcance del efecto Sí Sí Item Observaciones 138.164 69.102 138,1 64 69.102 2 0,037 0,061 0,755 0,555 * Las estimaciones reportadas son muy pequeñas. Fuente: TSE, OEP y cálculos del autor. La Tabla 1 muestra una diferencia triple (doble) de 16,26 por ciento independientemente de si se incluyen o no datos de 2016 y de si se incluyen o no controles geográficos. Tenga en cuenta que además de los resultados principales, La interpretación de una columna a la siguiente no es la misma. Por ejemplo, un coeficiente de cierre de 13,77 en la columna 1 es un aumento en el apoyo neto al referéndum desde el origen hasta el destino. En la columna 2, el coeficiente de cierre es el mismo. El cierre es el aumento en el margen del partido secundario desde la estación temprana hasta la estación tardía. Véase también el coeficiente de cierre de la Columna 2, que estima el aumento en el margen del MTS-21F desde las estaciones tempranas hasta las tardías. Esto es lo mismo que la suma de los coeficientes SHUTDOWN y SHUTDOWN x Y2019 de la columna 1. Por supuesto, este 0,51 punto porcentual más la diferencia «triple» estimada llega al 16,77 por ciento, que coincide con nuestra diferencia única original para todos los resultados de MAS-CC. Tiene sentido que si se descartaran los datos de 2016, podríamos ver una doble divergencia restante en la Figura 1, con el margen de los menos favorecidos como línea de base. La Figura 1 «Triple divergencia» se reduce a una divergencia en la divergencia. : con y sin control geográfico Fuente: TSE, OEP y cálculos del autor Nuevamente, pequeños stocks obtenidos por todos los partidos pequeños. Pero el reclamo no tiene una gran tendencia si lo comparamos con los grandes partidos. Esto produjo una doble diferencia de más del 16 por ciento. Escobari y Hoover afirman ahora que su triple diferencia fue sólo del 2,9 por ciento. No podemos producir resultados completamente similares. Y creo que esto es algún tipo de tergiversación, ya sea en teoría o en la práctica. Escriben: Este es el modelo completo de tres diferencias con la mayoría de los controles adicionales involucrados. Podemos utilizar coeficientes estimados para calcular resultados declarados que no son claramente diferencias en diferencias. Dado que se requieren ocho términos para corresponder al modelo de estimación, ahora existen al menos dos explicaciones posibles para esto. Una explicación es que Escobari y Hoover informaron erróneamente su fórmula real. Otra explicación es que caracterizaron erróneamente a βDDD como una diferencia triple. Entonces, ¿qué es βDDD sino una diferencia triple? Para hacer el símbolo un poco más conciso. Reescribiremos esto como Y = ([111]-[011]-[101]-[001]-[110]-[010]) La diferencia real en diferencia es Z = ([111]-[011]-[101]-[001]-[110]-[010]-[100]-[000]) En la Tabla 2, vemos cómo calcular Yij según el modelo estadístico. Los seis términos de la fórmula no se combinan con βDDD sino con βDDD–α1 Tabla 2 Cálculo de los coeficientes de estación entre los “tres” coeficientes diferenciales específicos de la estación.
[111] = 1 2 3 1 2 3 +βDDD ijδ ij -[011] = 2 3 3 ijδ ij -[101] = 1 3 2 ijδ ij
[001] = 3 ijδ ij -[110] = 1 2 1 ijδ ij
[010] = 2 ijδ ij Y = 1 +βDDD Afortunadamente, esto funciona porque SHUTDOWN se absorbe completamente en los efectos a nivel de estación. Sin embargo, Escobari y Hoover en realidad no estimaron α1, sino que simplemente lo trataron como cero. El método utiliza estas tres diferencias, reduciendo la diferencia entre partidos mayores y menores, para evaluar mejor el fraude. Como el supuesto de tendencias paralelas es temporal, incluso Escobari y Hoover permiten que reaparezcan tendencias no paralelas. Pero nuevamente señalaron diferencias en las tendencias, lo que indica fraude por parte de Morales. Aunque estos resultados son repetibles, Pero la interpretación sigue siendo tan defectuosa como la del modelo de diferencias. Escobari y Hoover propusieron otro modelo para probar el fraude: la regresión discreta. Esta no es la primera aplicación de la discontinuidad de la regresión a los datos electorales de Bolivia. Aunque hay menos presentaciones oficiales. Pero esto también se aplica a la contribución de Irfan Nooruddin al desacreditado informe de revisión de la OEA: Idrobo, Kronick y Rodríguez mencionan varias deficiencias del enfoque de la OEA en su informe. También abordamos cuestiones conceptuales con el enfoque de Nooruddin en el apéndice de nuestro artículo anterior. En lugar de entrar en demasiados detalles. Solo observamos esto: cuando hubo discontinuidades significativas en los datos electorales de 2019, observamos discontinuidades casi idénticas en 2016. Esto confirma aún más los resultados de finales de 2019. En la Figura 2 se puede predecir si una discontinuidad significativa en 2019 ha persistido desde 2016. Fuente : TSE, OEP y cálculos del autor.
Source link
+ There are no comments
Add yours