Introducción

Gracias a las encuestas fue posible conocer la intención de voto en momentos clave de las campañas a gobernador en el Estado de México. Tan solo en el portal que el Instituto Electoral del Estado de México (IEEM) dedicó para recopilar estos estudios, podemos contabilizar hasta antes del día de la elección, cerca de 148 encuestas preelectorales, de las cuales 102 fueron realizadas durante el periodo oficial de campaña (^{Instituto Electoral del Estado de México, 2023}).

Lamentablemente, la mayoría de estos estudios solo se centran en reportar un dato: la intención de voto a nivel estatal sin ofrecer un desglose detallado de las preferencias por municipio. Ante la ausencia de esta información, este texto pone énfasis en la importancia del nivel local de las elecciones al ofrecer estimados de la intención de voto por municipio. En el caso del Edomex, conocer el dato municipal de la intención de voto es relevante por dos razones. En primer lugar, por el número de municipios que conforman el estado, 125 en total, y cuya posición geográfica nos indica que cada municipio mexiquense tiene características particulares que pueden influir en el voto estatal. La segunda razón tiene que ver con los patrones de voto en el estado. En Edomex, hasta antes de la elección, donde el Partido Revolucionario Institucional ha gobernado más de 60 años, a nivel local se han conformado regiones que agrupan a municipios que históricamente han votado a favor de un partido, las más importantes son el Corredor Azul, de hegemonía panista, y el cinturón amarillo de dominio perredista.

Aunado al contexto político-geográfico del Edomex, el motivo de este artículo es aplicar una técnica estadística considerada en la literatura de opinión pública el ‘método estándar’ para estimación en áreas pequeñas: el modelo multinivel con post-estratificación o MRP (^{Bisbee, 2019}). Esta técnica permite, por un lado, obtener estimaciones de áreas donde es difícil tener información al aplicar una encuesta, ya sea por un tema de acceso o por diseño de la muestra. Y, por otro lado, ayuda a mejorar la información reportada por una encuesta al incluir fuentes de datos externas, como datos censales o históricos de votación, información que, según la literatura en comportamiento electoral, está relacionada con el contexto específico de los encuestados y que puede mover el voto mexiquense en cada municipio (^{Bowler, 2018}).

La estructura de este artículo es la siguiente. Presentamos primero las razones por las cuales una estimación usando MRP es relevante en el contexto de las elecciones locales en Edomex. Seguido de los fundamentos teóricos que sostiene el uso de este método estadístico aplicado a datos de encuestas, además de ejemplos donde un modelo con postestratificación ha sido usado en México y otros países. En la segunda parte del artículo exponemos los datos que usamos para este modelo, explicamos el manejo que le dimos a los datos para instrumentalizar nuestras variables, presentamos la estructura formal del modelo, su implementación durante la campaña y el contraste con los resultados de la elección. Después, mostramos los resultados de nuestro modelo, la intención de voto en los municipios, en el estado y nos concentraremos en describir las estimaciones en las regiones con más peso político en Edomex. Finalmente, abrimos la discusión a las mejoras a nuestro modelo, su uso futuro en diferentes elecciones, los datos que se pueden incorporar y sugerimos cambios a la regulación de las encuestas, especialmente eliminar la prohibición de publicar encuestas los días previos a una elección.

Contexto: La diversidad política del Edomex

El Estado de México es un estado complejo en términos políticos y geográficos. No solo porque concentra una parte considerable del padrón electoral del país sino también porque su extensión geográfica hace que tenga frontera con otros nueve estados, lo que genera dinámicas particulares dentro y fuera de sus municipios. Evidencia de lo anterior es que, a pesar de un marcado dominio priista en el gobierno estatal, partidos opositores han logrado construir bastiones regionales en diferentes municipios. Los dos casos más importantes son el “corredor azul” de hegemonía panista (formado por los municipios Atizapán de Zaragoza, Naucalpan, Huixquilucan, Tlalnepantla, Tultitlán, Cuautitlán Izcalli y Cuautitlán) y el corredor amarillo de dominio perredista con breve alternancia del PRI (lo constituyen municipios como Nezahualcóyotl, Texcoco, Chicoloapan, La Paz, Ixtapaluca, Chalco y Valle de Chalco Solidaridad) (^{Valdés Cervantes, 2018}). Para tener una referencia del voto en estos bastiones, las Tablas 1 y 2 muestran el voto en las últimas elecciones a presidente municipal y gobernador.

Esta regionalización del voto dentro del Edomex es importante considerarla porque, como lo indica la literatura de identidad partidista, el nivel de partidismo está estrechamente relacionado con el número de votos que obtiene un candidato o partido en una región específica (^{Bowler, 2018}). No obstante, aunque el medio principal para conocer la intención de voto antes de una elección son las encuestas electorales, conocer la opinión del votante en todos los municipios del Edomex implica diferentes retos, tanto metodológicos como económicos o de seguridad. Por estas razones, aplicar un método estadístico que permita estimar la opinión pública abarcando todo el conjunto de áreas dentro de un espacio geográfico es sumamente útil.

Literatura: El modelo multinivel con post estratificación (MRP)

La estimación en áreas pequeñas es un conjunto de técnicas estadísticas que intentar calcular información en espacios donde es imposible tener datos de manera directa. El principal uso de estos métodos es generar inferencia en lugares con poca o nula información (por ejemplo, cuando el diseño de una encuesta asigna pocos casos a un lugar) a partir del uso de datos agregados (^{Ansolabehere et al., 2015}).

Con datos de las encuestas publicadas a lo largo de esta campaña, aplicamos un modelo multinivel con post estratificación (MRP) para generar estimados de la intención de voto para cada candidata a gobernadora en los 125 municipios de Edomex. Esta técnica ya ha sido usada en diversos estudios a nivel internacional, por ejemplo, para obtener estimados de voto o de opinión sobre temas de política pública (ejemplo la opinión sobre derechos LGBT o el apoyo al Brexit) en áreas geográficas pequeñas.¹ En México, un ejemplo reciente es el modelo de voto para la Cámara de Diputados de 2021 publicado por Oraculus MX que combinó esta técnica con un modelo de agregación de encuestas para generar estimaciones a nivel distrital (^{Oraculus, 2021}). En un ejercicio similar, pero para las elecciones presidenciales, ^{Cortina, Gelman y Lasala (2008)}, aplican un modelo MRP a las elecciones de 1994, 2000 y 2006, para entender la influencia del contexto económicos de los estados en los resultados de tales comicios (^{Cortina et al., s/f}).

Aunque el uso de los modelos MRP para estimar la opinión pública en áreas pequeñas es considerado el “método estándar” en ciencia política, existen otras alternativas. Por ejemplo, una de las primeras soluciones a el número limitado de casos que una encuesta puede tener para cada área geográfica pequeña es la agregación de múltiples encuestas hasta tener un número de observaciones proporcional a cada área y promediar los resultados para tener un estimado de intención de voto (^{Lax y Phillips, 2009a}). Otro alternativa, que es la utilizada en la mayor parte de estudios de opinión, es ajustar mediante diversos parámetros (los más utilizados son población, recuerdo de voto, escolaridad) los resultados de una encuesta después del levantamiento. La idea es que, mediante ese ajuste o ponderación, lo reportado en la encuesta refleje las características de la población de donde se extrajo la muestra (^{Lauderdale et al., 2020}).

La ventaja de estas alternativas es la relativa simplicidad de la técnica. Para la primera solo basta concentrar un número considerable de encuestas hasta tener una muestra similar en cada subunidad geográfica y después desagregar por cada una. Con la segunda basta incluir información externa, por ejemplo, de censos, y calcular el porcentaje real de personas para cada parámetro, asignando pesos distintos para corregir la desproporción de los resultados (por ejemplo, que haya más hombres que mujeres, o personas de ingresos bajos sobre los de ingreso medio).

Sin embargo, la solución de estas alternativas es bastante limitada. En el caso de la simple agregación, requiere conseguir un número considerable de encuestas hasta tener entrevistas suficientes para cada subunidad, para lo cual no hay un número específico. Una encuesta preelectoral en vivienda tiene en promedio 1,000 a 2,500 casos y la distribución de cada uno depende del tipo de diseño muestral. Y para la ponderación, las limitantes vienen de los datos de la propia encuesta: desde problemas en campo que afectaron la no respuesta, el fraseo de las preguntas de intención de voto, la sobrerrepresentación de alguna categoría, por ejemplo, personas de más ingreso o de más escolaridad pudieran responder con más facilidad una encuesta o incluso, el propio método de levantamiento, dependiendo si es en vivienda, telefónico o en línea.

La propuesta de un modelo MRP, aunque basada en modelos multinivel, incorpora algunas características de las alternativas antes mencionadas. Un modelo MPR consiste en dos etapas principales. Primero, como en la agregación de encuestas, es posible acumular diferentes estudios que contenga una pregunta similar, tanto en fraseo como en categorías, aunque no es paso completamente necesario, incluso con una sola encuesta y cuya muestra incluya pocas subunidades es posible ajustar este modelo. Además de los datos de encuestas es necesario recabar información externa, sobre todo censal, con las características básicas de la población de estudio. ^{Cortina, Gelman y Lasala (2008)}, utilizaron datos a nivel estatal del PIB per cápita (en dólares), porcentaje de mayores de 18 años en cada grado escolar, por sexo y edad, y el total de población en cada estado. Con estos datos se ajusta un modelo multinivel para calcular la probabilidad de que un entrevistado vote por algún candidato o partido al responder a la pregunta de intención de voto. El modelo multinivel permite asumir que los datos de la encuesta están agrupados dentro de diferentes categorías. Es decir, cada encuestado pertenece a una categoría de edad, de sexo, de escolaridad, y pertenece a una subunidad geográfica. Bajo este supuesto, la respuesta de un entrevistado no solo depende de las variables explicativas, sino que toma en cuenta la variación dentro de cada nivel de edad, sexo, etc. En el caso de datos de encuesta, en estados o municipios donde hay pocas entrevistas, las estimaciones se acercan al promedio dentro del grupo, con el fin de sustituir la falta de información. La segunda etapa es similar a la ponderación: con los datos censales se procede a calcular el porcentaje de todas las combinaciones de sexo, edad, escolaridad en cada subunidad (estratos). Con estos porcentajes se pondera cada estimación derivada del modelo multinivel. Este paso permite considerar todos los tipos de posibles votantes que por diseño no entrarían en una encuesta, y les asigna un peso con base en el porcentaje de personas que hay en cada estrato.

Estrategía Empírica: Modelo MRP a las encuestas preelectorales en el Edomex

Para las dos candidatas, Alejandra del Moral y Delfina Gómez, construimos un modelo de regresión logística multinivel que toma como variable principal la respuesta a la pregunta “Si el día de hoy fueran las elecciones al Estado de México, ¿por qué candidata votaría usted?”. Codificamos como 1, la elección por cada candidata y como 0 el resto de las opciones. Es necesario subrayar que solo consideramos encuestas que incluyeran características demográficas y la residencia del encuestado, por lo que dejamos fuera estudios telefónicos, por redes sociales, o encuestas en vivienda sin esta información.²La etapa de postestratificación la hicimos calculando el número de hombres y mujeres en cada categoría de edad por municipio de la lista nominal en el Estado de México según el Instituto Nacional Electoral (INE).

Por transparencia, en la Tabla 3, reportamos los insumos que utilizamos para la generación del modelo de estimación de preferencias electorales: el número de encuestas incluidas, el número de municipios que fueron incluidos en cada estimación y las observaciones (número de entrevistados). Cabe aclarar que sólo modelamos la elección dentro de cada encuesta por Delfina Gómez o Alejandra del Moral, por lo que la no respuesta, el voto nulo u otra opción fueron excluidos.

Como variables independientes contextuales incluimos el porcentaje de voto municipal por partido en la elección estatal de 2017, en la elección presidencial y de diputados de 2018 y en la elección federal de 2021 de los partidos en coalición de cada candidata. También añadimos el porcentaje de personas en condición de pobreza extrema y pobreza salarial por municipio (CONEVAL 2020). Además, para controlar la variación por características sociodemográficas incluimos el sexo, el grupo de edad y el municipio del encuestado.³ El modelo final para ambas candidatas es el siguiente:

1. Modelo logístico:

2. Efectos aleatorios

Donde N(0,σ²) denota una distribución normal con media 0 y varianza σ².

Cabe mencionar que a lo largo de las campañas hicimos 6 estimaciones antes de las elecciones y una estimación pasados los comicios, esto debido a que la veda electoral prohíbe publicar resultados de encuestas previas a los días de la elección y no posible incorporar esas encuestas en el modelo.⁴

Resultados: estimaciones con el modelo MRP

Aunque los estimados estatales dan una idea general de la dinámica de la intención del voto, consideramos que una fotografía más detallada del desarrollo de esta campaña electoral la tenemos al considerar las preferencias electorales por municipio. En los mapas siguientes tenemos las preferencias a gobernadora de nuestra estimación previa a las elecciones. Una de las ventajas de realizar estimaciones electorales es que posible contrastar la efectividad de un modelo con los datos reales, en este caso con el resultado de la elección.

En los Mapas la preferencia estimada muestra una concentración de la intención de voto a favor de Delfina Gómez en la zona llamada corredor azul. Los municipios de esta zona colindantes con el norte de la Ciudad de México (Atizapán de Zaragoza, Naucalpan, Huixquilucan, Tlalnepantla, Tultitlán, Cuautitlán Izcalli y Cuautitlán) históricamente han tenido gobiernos panistas. Aunque en 2017 y 2018 el voto morenista arrasó en estos municipios los resultados de la elección de 2021 suponían un regreso del PAN a esta región, de la mano de la alianza “Va por México”, tal y como lo mostramos en la Tabla 1.

Mapas 1 Preferencia electoral estimada para gobernador por municipios en Edomex (estimación preelectoral 18 de mayo) 

En la Gráfica 1 mostramos las preferencias para las dos candidatas en estos municipios, ordenándolos de menor a mayor margen entre estimaciones. La gráfica muestra que solamente en Huixquilucan (bastión panista) las preferencias estarían cerradas mientras que en el resto del corredor Del Moral es superada por Delfina por más de dos cifras.

Gráfica 1 Preferencias electorales estimadas en municipios del “corredor azul” (estimación preelectoral 18 de mayo) 

Por su parte, la preferencia estimada para Alejandra del Moral luce dispersa en todo el estado y tiene los porcentajes más altos en Luvianos (65.4%), Chimalhuacán (54.3%), Villa Victoria (52.1%) y Huixquilucan (48.9%), aunque de estos municipios únicamente Chimalhuacán es gobernado por Morena. Incluso en los municipios del también llamado cinturón amarillo, la preferencia por Del Moral solo es alta en La Paz y Chicoloapan (46.1% y 45.2% respectivamente). En la Gráfica 3 mostramos las estimaciones para los municipios del cinturón amarillo ordenadas también de menor a mayor diferencia entre estimaciones. Lo que vemos ahí es que la ventaja de Delfina Gómez sobre Alejandra del Moral, a diferencia del corredor azul, es un poco menos cerrada. Únicamente en Chalco la candidata de Morena parece tener una ventaja holgada, mientras que en La Paz y Chicoloapan Del Moral la diferencia es menor a los 10 puntos.

Gráfica 2 Preferencias electorales estimadas en municipios del cinturón amarillo (estimación preelectoral 18 de mayo) 

Gráfica 3 Preferencia electoral estimada para las candidatas a gobernadora en Edomex 

En este cinturón amarillo -cuya alternancia entre PRI y PRD le ha dado ese nombre-, su característica principal ha sido una alta competencia partidista (^{González Anaya, 2017}).

Las cifras aquí presentadas reflejan el carácter local que pueden tener elecciones tan competidas como las de gobernador en el Estado de México. Por un lado, la tendencia general de las preferencias aquí estimadas muestra una ventaja considerable entre la candidata Delfina Gómez sobre su contraparte Alejandra del Moral. Nuestra primera estimación a 79 días de la elección ponía la preferencia por Delfina Gómez (67%) al doble de lo estimado para Alejandra del Moral (32.9%). Con el transcurso de la campaña esa diferencia entre candidatas disminuyó ligeramente, pero sin un cambio notable en la intención de voto. En la última estimación, 17 días previos, la preferencia por Del Moral llegó a 41.1% mientras que para Delfina Gómez apenas bajó a 58.9%.

Por otro lado, las estimaciones a nivel municipal nos dan cuenta de lo heterogénea que puede ser la competencia electoral al interior del estado. Regiones que históricamente han sido ganadas por un partido muestran un cambio significativo hacia un candidato o, por el contrario, regiones con alternancia conservan una marcada competencia. Las preferencias estimadas para el corredor azul y el cinturón amarillo son ejemplo de estos dos escenarios. En el corredor azul los cálculos aquí presentados sugieren un retorno de la fuerza morenista, aunque la disputa por Huixquilucan persiste al darse un margen cerrado para las dos candidatas-incluso en Cuautitlán Izcalli, donde gobernó Del Moral, la distancia con la morenista es amplia. En cambio, la intención electoral en el cinturón amarillo aunque favorece a la candidata Delfina Gómez, luce más reñida entre municipios siendo La Paz el más competido de esa zona.

Es importante señalar que el modelo de preferencias electorales que presentamos en este artículo depende de disponibilidad de las bases de datos de las encuestas publicadas-las cuales son depositadas en la página de internet del Instituto Electoral del Estado de México a veces días o incluso semanas después de haberse levantado. A continuación, comparamos los resultados de nuestra estimación de las preferencias electorales -tanto a nivel estatal y municipal-con los resultados de la elección. En resumen, encontramos que nuestra proyección a nivel estatal como municipal reportaron una muy alta precisión respecto de los resultados de la elección.

Resultado: modelo MRP vs. resultados de la elección a nivel estatal y municipal

En la Gráfica 3 reportamos las preferencias estimadas para Delfina Gómez y Alejandra del Moral basados en nuestro modelo de agregación de encuestas. Como explicamos, nuestro modelo únicamente incluye aquellas encuestas que, además de contar con información demográfica del encuestado, indican el municipio en donde viven. También es necesario resaltar que esta última estimación la hicimos pasadas las elecciones ya que, por las restricciones a la publicación de encuestas, aunque estas encuestas se hayan levantado la semana previa a la elección, los datos de estos estudios solo estuvieron disponibles después del 4 de junio en el portal del Instituto Electoral del Estado de México (IEEM). En la gráfica cada porcentaje equivale a una estimación hecha con las encuestas acumuladas al momento.

Las estimaciones que reportamos en la Gráfica 3 para ambas candidaturas quedaron muy cerca de su votación obtenida (Delfina Gomez: estimada 55.3%, elección 54%; Alejandra del Real: estimada 44.7%, elección 46%). Para hacer la comparación entre las preferencias estimadas por nuestro modelo y resultados finales quitamos los votos nulos y de candidatos no registrados. La última diferencia estimada por nuestro modelo para estas candidatas fue de 10.7%, una cifra muy parecida al día de la elección que fue de 8%. También es interesante resaltar que la diferencia entre Delfina Gómez y Alejandra del Moral se redujo 7.1 puntos respecto de la estimación previa al segundo debate. En otras palabras, las campañas sí afectaron la intención del voto, particularmente en la recta final de las mismas.

En los siguientes Mapas mostramos el comparativo entre la candidata ganadora por municipio con los resultados del PREP al 100% y la ganadora proyectada por nuestro modelo. De los 125 municipios del Estado de México, nuestro modelo logró acertar a la candidata ganadora en 100, es decir, alcanzó una precisión bastante alta del 80%. Como explicamos al inicio, el diseño muestral de las encuestas que utilizamos en nuestro modelo fue elegido por las casas encuestadoras para estimar las preferencias electorales a nivel estatal. No obstante, con nuestro modelo logramos aprovechar la información de esas encuestas y modelar las preferencias electorales a nivel municipal con un nivel bastante alto de precisión en la gran mayoría de los municipios del Estado de México. La precisión de nuestro modelo de preferencias electorales fue menor en los municipios del norte y oeste de esta entidad.

Mapa 2 Comparativo entre candidata ganadora proyectada y real en los municipios del Estado de México 

En la Gráfica 4 mostramos el cambio entre estimación que realizamos después del segundo debate entre candidatas y la estimación días antes de la elección, en comparación con el voto final recibido en los siete municipios del corredor azul. La proyección al día siguiente del segundo debate era que Delfina Gómez ganaría en los siete municipios por una amplia ventaja, excepto en Huixquilucan, situación que cambió en nuestra segunda proyección al actualizar el modelo. De esta forma, nuestro modelo proyectó correctamente a la ganadora de la elección en los siete municipios del corredor azul. Únicamente en Huixquilucan y Tultitlán hubo algunas discrepancias en los porcentajes de voto, no obstante, se proyectó correctamente a la ganadora. Al igual que en la Gráfica 4, en la Gráfica 5 también se puede observar que en las últimas dos semanas de la campaña hubo un cambio notorio en la intención de voto con un repunte significativo en los municipios donde triunfó Alejandra del Moral.

Gráfica 4 Preferencia final estimada y voto PREP en municipios del corredor azul 

Gráfica 5 Preferencia final estimada y voto PREP en municipios del cinturón amarillo 

De hecho, en un análisis sobre los bastiones partidistas en el Estado de México utilizando la misma técnica que los modelos de intención de voto, calculamos que la opinión positiva hacia el PRI-PAN en los municipios del corredor azul donde ganó Alejandra del Moral era bastante más alta respecto del promedio estatal: Huixquilucan, Tlalnepantla de Baz, Naucalpan de Juárez y Atizapán de Zaragoza (^{Pérez García y Castro Cornejo, 2023}). Nuestro análisis sugiere que, a pocos días de la elección, la opinión partidista positiva hacia PRI y PAN activó el voto a favor de la candidata de la alianza “Vamos por el Estado de México” en estos municipios.

Pasando a los municipios del cinturón amarillo, reportamos una gráfica similar incluyendo la estimación al día del segundo debate y la elaborada con datos previos a la veda electoral. Ambos datos los comparamos con el voto PREP. En la Gráfica 5, de nueva cuenta, observamos que nuestro modelo proyectó correctamente a la ganadora en todos los municipios del corredor amarillo. A excepción de Ixtapaluca y Valle de Chalco Solidaridad, la estimación previa a la elección se acercó bastante a los números del PREP, con una diferencia promedio de 3 puntos. La tendencia de estos municipios mexiquenses tuvo pocos cambios desde el segundo debate hasta el final de las campañas colocando a Delfina Gómez en primer lugar.

Resultados: Evaluación del modelo de preferencias electorales

Las estimaciones realizadas con las encuestas publicadas a lo largo de la campaña mostraron que la diferencia en la intención de voto entre las candidatas mexiquenses comenzó a disminuir pasado el segundo debate. Aunque nuestra última estimación fue realizada pasadas las elecciones (dado que las bases de datos de las últimas encuestas en el portal del IEEM sólo estuvieron disponibles después de la elección), nuestro modelo proyectó un resultado muy cercano al voto registrado en el PREP. Además, la precisión de nuestro modelo fue aumentando conforme incluíamos más encuestas y más cercana estaba la elección.

En la Gráfica 6, hacemos una evaluación de nuestras estimaciones a partir del cálculo de la raíz de las desviaciones del error cuadrático medio (RSEM), medida usada para conocer la precisión de nuestras proyecciones (^{Shirani-Mehr et al., 2018}). Por ejemplo, la primera estimación realizada 79 días antes de la jornada electoral tuvo un error promedio de 13.1% de los resultados finales, este error se redujo a solo 0.4%. La Gráfica 4 muestra la evolución del error en nuestras estimaciones. Nuestro error bajó considerablemente a partir de la tercera estimación y usando solo tres encuestas (ver Tabla 3).

Gráfica 6 Cambio en el error de cada estimación respecto del resultado PREP 

Sin embargo, como indicamos en la misma gráfica, el error final de las estimaciones municipales fue mucho más alto que el estimado estatal. Consideramos al menos dos explicaciones para este error. La primera es la concentración de las muestras de las encuestas en algunos municipios. Generalmente los municipios más poblados tienen mayor probabilidad de entrar en el diseño muestral de una encuesta y esto sesga las estimaciones. Dentro de un modelo multinivel las estimaciones de categorías faltantes, en este caso municipios, son acercadas a la media grupal.

La segunda explicación la relacionamos con la falta de información individual en las encuestas utilizadas. Aunque utilizamos sexo y edad para controlar la variación por grupos demográficos, en la literatura se sugiere incorporar otro tipo de datos como la escolaridad del encuestado, su ingreso, religión o identidad partidista. Con esta información es posible controlar la intención de voto por características más detallas del votante y también, estimar efectos aleatorios más complejos en el mismo modelo multinivel (^{Trangucci et al., 2018}). Esta información no siempre está disponible en las bases de datos de las encuestas que se suben a los institutos electorales locales durante las elecciones.

Sin embargo, a pesar del tamaño del error estimado a nivel municipal fue posible, como se mencionó al principio de este artículo, acertar a la candidata ganadora en el 80% de los municipios mexiquenses. Incluso como se ve en las Gráficas 2 y 3, el porcentaje de voto estimado para Alejandra del Moral y Delfina Gómez tanto en el corredor azul como en el cinturón amarillo fue bastante cercano al voto final. Esto también muestra que, aun en el supuesto de que las encuestas sobreestimaran o subestimaran la preferencia hacia alguna de las candidatas, el modelo multinivel con post estratificación utilizado permitió corregir los posibles sesgos en la estimación estatal y tener proyección de voto en todos los municipios del Edomex.

Discusión

Como explicamos anteriormente, cuando incluimos en nuestro modelo de preferencias electorales todas las encuestas que se realizaron unos días antes de la elección, el resultado del modelo es muy parecido a los resultados de la elección. De los 125 municipios del Estado de México, nuestro modelo logró acertar a la candidata ganadora en 100, es decir, alcanzó una precisión bastante alta del 80%. Y esto a pesar que las encuestas que se analizaron en este estudio no estaban diseñadas específicamente para estimar las preferencias electorales a nivel municipal. Sin embargo, gracias al modelo MRP, se pudieron generar estimaciones a nivel municipal con un muy alto grado de precisión.

No obstante, es necesario resaltar mucha de esa información no estuvo disponible los días previos a la elección dada que la ley electoral prohíbe publicar encuestas desde el primer minuto del jueves anterior a la elección.⁵ Como nuestros modelos sugieren, muchos votantes tomaron su decisión electoral en los últimos días de la campaña. Pero las encuestas y modelos de agregación no siempre pueden reflejar esos últimos cambios debido a la prohibición de difundir encuestas. Lo cual aumenta la percepción de error de las encuestas, cuando en realidad tiene que ver, en parte, por la imposibilidad de levantar y difundir estos estudios en los últimos días de la campaña electoral. Esto impacta en la calidad de información que los votantes y candidatos reciben de parte de las encuestadoras y medios de comunicación. Por lo mismo, podría ser deseable extender el periodo de divulgación de las encuestas y únicamente prohibirlo durante el fin de semana cuando la elección se celebra.