Estadística Bayesiana para la Inferencia sobre el Comportamiento Electoral
DOI:
https://doi.org/10.29166/ingenio.v5i2.3712Palabras clave:
Cadenas de Markov, Monte Carlo, modelos bayesianos, inferencia ecológicaResumen
Los resultados que proporcionan las entidades electorales no permiten conocer el apoyo a los partidos por clases sociales, grupos de edad o razas. En este trabajo, se dividió a la población electoral por clases de edad y se realizó inferencias sobre las proporciones de apoyo por edad para los partidos Alianza País y CREO, los más importantes de la contienda presidencial en Ecuador en 2013. Se tomaron los resultados de la contienda política en tablas de contingencia de tamaño RxC a nivel parroquial y por medio de la inferencia ecológica se estiman las proporciones de apoyo hacia los candidatos por parte de dichas clases. Las inferencias se realizaron a través de técnicas bayesianas con un modelo jerárquico Dirichlet-Multinomial y se utilizaron métodos computacionales Markov Chain Montecarlo ejecutados por el paquete RStan.Descargas
Métricas
Citas
“Consejo Nacional Electoral Ecuador.” http://cne.gob.ec/es/ (accessed Aug. 11, 2021).
D. Duncan and B. Davis, “An Alternative to Ecological Correlation,” Am. Sociol. Rev., vol. 18, no. 6, p. 665, Dec. 1953.
L. A. Goodman, “Ecological Regressions and Behavior of Individuals,” Am. Sociol. Rev., vol. 18, no. 6, p. 663, Dec. 1953.
G. King, A solution to the ecological inference problem, 1st edn. Princeton: Princeton University Press, 1997.
S. R. Flaxman, Y. X. Wang, and A. J. Smola, “Who supported Obama in 2012? Ecological inference through distribution regression,” in Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2015, vol. 2015, pp. 289–298.
J. Pavia and R. Romero, “Improving estimates accuracy of voter transitions. Two new algorithms for ecological inference based on linear programming,” Advance, vol. 2021, pp. 1–24, Jun. 2021, [Online]. Available: /articles/preprint/Improving_estimates_accuracy_of_voter_transitions_Two_new_algorithms_for_ecological_inference_based_on_linear_programming/14716638/1.
P. Sandoval and S. Ojeda, “Estimation of Electoral Volatility parameters employing Ecological inference methods.” https://www.researchgate.net/publication/338951636_Estimation_of_Electoral_Volatility_parameters_employing_Ecological_inference_methods/references (accessed Aug. 11, 2021).
S. Flaxman, D. Sutherland, Y.-X. Wang, and Y. W. Teh, “Understanding the 2016 US Presidential Election using ecological inference and distribution regression with census microdata,” 2016.
G. King, O. Rosen, M. Tanner, and A. Wagner, “Ordinary Economic Voting Behavior in the Extraordinary Election of Adolf Hitler,” J. Econ. Hist., vol. 68, no. 4, 2008.
E. M. M. Ferreira Castela, “Inferencia ecológica para la caracterización de abstencionistas: el caso de portugal,” 2010.
O. Rosen, W. Jiang, G. King, and M. Tanner, Bayesian & Frequentist Inference for Ecological Inference: The RxC Case, Stat. Neerl., vol. 55, 2001.
G. King, O. Rosen, and M. Tanner, “Binomial Beta Models for Ecological Inference,” Sociol. Methods Res., vol. 28, 1999.
“Instituto Nacional de Estadística y Censos.” https://www.ecuadorencifras.gob.ec/institucional/home/ (accessed Aug. 11, 2021).
C. Plescia and L. De Sio, “An evaluation of the performance and suitability of R × C methods for ecological inference with known true values,” Qual. Quant., vol. 52, no. 2, pp. 669–683, Mar. 2018, doi: 10.1007/s11135-017-0481-z.
G. King, O. Rosen, and M. A. Tanner, “Ecological inference: New methodological strategies,” Ecol. Inference New Methodol. Strateg., pp. 1–431, Jan. 2004, doi: 10.1017/CBO9780511510595.
P. Lee, Bayesian statistics : an introduction. Wiley, 2012.
A. Gelman, B. Carlin, H. Stern, and B. Rubin, Bayesian Data Analysis, Third Edition (Statistical Science). 2014.
K. Imai and Y. Lu, “Bayesian and Likelihood Inference for 2 x 2 Ecological Tables: An Incomplete-Data Approach,” Polit. Anal., vol. 16, pp. 41–69, 2007, doi: 10.1093/pan/mpm017.
J. Kruschke, Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan, second edition. Elsevier Science, 2014.
M. A. Tanner, Tools for statistical inference : methods for the exploration of posterior distributions and likelihood functions. Springer, 1996.
“Stan Reference Manual.” https://mc-stan.org/docs/2_21/reference-manual/index.html (accessed Dec. 10, 2019).
A. Klima, T. Schlesinger, P. W. Thurner, and H. Küchenhoff, “Combining Aggregate Data and Exit Polls for the Estimation of Voter Transitions:,” Sociol. Methods Res., vol. 48, no. 2, pp. 296–325, May 2017.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Atal Kumar Vivas Paspuel, David Alfredo Vivas Paspuel, Alberto Benjamín Santillán Tituaña
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
