Vaalien alla puoluegallupit tarjoavat viihdettä ja faktaa

Eduskuntavaalien lähestyessä uutisotsikoihin ilmestyy yhä useammin puolueiden kannatusarvioita käsitteleviä mielipidetutkimuksia.

Tulosten uutisoinneissa mediaa ja suurta yleisöä kiinnostavat yleensä eniten puolueiden kannatuksissa tapahtuneet muutokset. Ehkä juuri siksi muutoksista uutisoidaan myös silloin, kun niiden perusteella ei voida päätellä todellista muutosta.

Tällöin suurelle yleisölle saattaa syntyä väärä kuva puolueiden kannatusten muutoksista. Kannatusarviotuloksilla on tutkitusti vaikutusta ihmisten äänestyskäyttäytymiseen.

Mielipidetutkimusten tuloksia uutisoidaan melko usein prosentin kymmenesosan tarkkuudella, vaikka tosiasiassa niihin liittyy aina sattumasta ja menetelmistä johtuvia epätarkkuuksia. Tyypillisesti tulosten virhemarginaalit ovat Suomessa 2–4 prosenttiyksikön luokkaa kyselyihin vastanneiden henkilöiden lukumäärästä ja puolueen kannatusosuudesta riippuen.

Uutisissa kyllä useimmiten mainitaan virhemarginaalit, mutta silti usein alle prosenttiyksikön muutokset uutisoidaan muutoksena joko tarkoitushakuisesti tai tahattomasti.

Median, suuren yleisön ja tutkimuksen tekijöiden kannalta olisi hyödyllistä kehittää tutkimusmenetelmiä, joilla ennusteista saataisiin entistä tarkempia. Onhan esimerkiksi prosenttiyksikön muutos minkä tahansa puolueen kannatuksessa merkittävä asia. Tällä äänimäärällä voidaan useassa tapauksessa vaikuttaa puolueen asemaan hallitusneuvotteluissa ja vallanjaossa yleensäkin.

Vaalien jälkeisissä analyyseissä ei juuri puututa itse tutkimusmetodiikkaan vaan lähinnä itse tuloksiin ja muutosten syy-seuraussuhteisiin.

Vaikka Suomessa tehdyillä mielipidetutkimuksilla on yleensä saatu melko hyvät ennusteet eri puolueiden kannatuksille, on niiden puutteena ollut kannatuksissa tapahtuvien suurten muutosten ennustetarkkuus. Erityisesti tilanteet, joissa pieni puolue lisää kannatustaan voimakkaasti, ovat olleet haasteellisia.

Näin kävi viimeksi vuoden 2011 eduskuntavaaleissa, jolloin Perussuomalaisten kannatus nousi 15 prosenttiyksikköä noin viidestä prosentista miltei kahteenkymmeneen. Perussuomalaisten kannatus arvioitiin tutkimuksissa pääsääntöisesti liian pieneksi. Vastaava tilanne oli 70-luvun alussa, jolloin SMP lisäsi merkittävästi kannatustaan.

Suomessa kannatusarviomittausten metodiikka perustuu ainakin julkaistujen mielipidetutkimusten perusteella pitkälti jo 1930-luvulla Yhdysvalloissa kehiteltyihin menetelmiin ja käytäntöihin. Toki tiedonkeruumenetelmät ja analyysityökalut ovat siitä ajasta kehittyneet, mutta itse perusmetodiikka tässä asiayhteydessä ei niinkään paljon.

1930-luvulla tutkimustulosten laskennassa käytetyt korjauskertoimet vakiinnuttivat asemaansa. Niiden laskenta perustuu yleensä edellisten vaalien tuloksiin, edellisiin kannatusarviomittauksiin ja muihin mahdollisiin tekijöihin kuten esimerkiksi äänestysvarmuuteen.

Kertoimilla ja vastaajien ilmoittamien puoluekantojen perusteella lasketaan lopulliset ennusteet eri puolueiden kannatusosuuksille. Suomessa on sovellettu tätä menetelmää tiettävästi 1950-luvulta lähtien.

Yhdysvalloissa on kannatusmittauksissa sovellettu viime vuosina menestyksekkäästi uusia menetelmiä, jotka perustuvat Bayes-tilastotieteeseen. Bayes-menetelmien käyttö on parinkymmenen vuoden aikana lisääntynyt merkittävästi tilastollisessa päättelyssä ja ennusteiden laadinnassa useilla eri tieteen aloilla, mm. biolääketieteessä.

Yhdysvaltain edellisissä presidentinvaaleissa pelianalyytikko ja tilastotieteilijä Nate Silver onnistui mallintamaan Bayes-menetelmillä tarkat, oikeaan osuneet, ennusteet kaikissa osavaltioissa. Presidentinvaaleissa käytettävät Bayes-mallit eroavat kuitenkin jossain määrin Suomen monipuoluejärjestelmän vaatimista malleista. Suomessakin toki sovelletaan Bayes -menetelmiä, mutta niiden käyttö kaupallisten mielipidetutkimusyritysten keskuudessa on vielä vähäistä.

Veikkaan, että viimeistään seuraavien kunnallisvaalien ja vuoden 2019 eduskuntavaalien lähestyessä Bayes-menetelmien käyttöä sovelletaan laajasti Suomessakin. Bayes-menetelmillä voidaan laskea paljon asioita, joihin nykymenetelmillä ei pystytä. Esimerkiksi kuinka varmana voidaan pitää, että vaalien voittaja on juuri jokin tietty puolue.

Bayes-malleihin voidaan järkevällä tavalla yhdistää myös muuta lisäinformaatiota nykyisin käytettävän informaation lisäksi. Esimerkiksi sosiaalinen media tai Big Data lisäinformaatiolähteenä vaaliennusteiden laskennassa ovat vasta tulossa.

Lasse Luoma

tutkimusjohtaja

Tietoykkönen Oy

Jyväskylä

Mitä tunnetta artikkeli sinussa herättää? Ilmaisemalla tunteesi näet toisten reaktiot.

Uusimmat

Mielipidekirjoitus

Äänestäjien tahdosta viis

Tourujoen luontopolku ei ole mikään jätepiste

Lyhyet

Ydinvoima turvallista

Veronmaksajana saa ihmetellä Uuraisten valokuitupäätöksiä

Lyhyet

Helppo ja hyvä teko

Hallituskolmikon tarjoamat vastaukset eivät vakuuta

Ystävien merkitys

Mikä kuntapäättäjiä oikein vaivaa?

KSML.fi:n uutiskirje

Tilaa KSML.fi:n uutiskirje. Saat joka iltapäivä viisi juttua, jotka ainakin kannattaa lukea. Tilaus on maksuton.