Pista falsa: los controles geográficos y las tendencias generales de Escobari y Hoover no aportan nada.

Esta es la undécima de una serie de publicaciones de blog que analizan los informes de Diego Escobari y Gary Hoover sobre las elecciones presidenciales en Bolivia de 2019. Sus conclusiones no se sostienen. 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 y Parte diez Anterior Observamos que, aunque la geografía es estable de una elección a la siguiente, Pero no hay garantía de que el impacto de la geografía en la proporción de votos sea consistente en el tiempo. Hay una explicación simple y perfectamente plausible de por qué los resultados electorales son más o menos sensibles a la geografía de una elección a otra. Esto puede dar como resultado una brecha cada vez mayor entre los márgenes observados sobre el progreso del conteo, incluso en ausencia de fraude. en la ultima publicacion Hemos visto el impacto que esto tiene en el modelo. La «diferencia en la diferencia» de Escobari y Hoover en particular La ausencia de fraude no garantiza la identificación. Esta «tendencia paralela» se mantendrá, lo que permite que el enfoque de Escobari y Hoover detecte accidentalmente fraude donde no existe. Desafortunadamente, también sabemos que tenemos razones para creer que el supuesto de tendencia paralela tampoco se cumple en los datos oficiales. Por ejemplo, Morales perdió apoyo en comparación con 2016 fuera de la Bolivia rural. Y las zonas rurales tienden a contarse tarde, por lo que su pérdida se reduce a medida que aumentan los votos rurales. El apoyo a Mesa entre los votantes de la oposición se concentra desproporcionadamente en la capital. Estos tienden a informarse temprano. Esto significa que el margen de Morales aumentó incluso más que el conteo. El resultado es La diferencia entre 2016 y 2019 se amplió significativamente y ya estaba presente en el momento del anuncio del TSE. Hay razones para esperar que, en promedio, Los colegios electorales cerrados muestran un mayor aumento en el margen de Morales que los colegios electorales. incluido en el anuncio. En la Figura 1 vemos la aplicación del modelo de diferencias a los resultados oficiales. Figura 1. El modelo de diferencia en diferencias aplicado a la fuente oficial y recibida de resultados. Actualización: TSE, OEP y cálculos del autor. Si ajustamos o no los datos en cualquier medida Habría una diferencia doble del 3 por ciento, pero parece claro que las tendencias no son paralelas. Los datos actualizados a la derecha muestran claramente que entre los colegios electorales incluidos en el anuncio del TSE, los periodistas posteriores tuvieron una brecha más amplia entre 2016 y 2019 que los colegios electorales informados anteriormente. Es claramente erróneo suponer que la emisora ​​después del anuncio La mayoría de los cuales se informaron más tarde. La brecha no debería ser al menos tan amplia como la Tabla 1. Aplicación de las “estimaciones de diferencias en diferencias” de Escobari y Hoover a datos reales basados ​​en simulaciones publicadas (1) (2) (3) (4) (5) (6) Variable parada x año 2019 2,964 (0,334) 2,699 (0,335) ) ) 2,842 (0,459) 2,996 (0,251) 3,018 (0,261) 3,018 (0,355) Parada 13,30 (0,610) -1,090 (0,2 12) 13,77 (0,624) -1,37 (0,122) ) Año 2019 11,99 (0 ,6 35) 11,15 (0,443) 11,13 (0,612) ) 11,06 (0,091) 11,03 (0,095) 11,03 (0,129) Valor constante -2,157 (3,380) 0 ,616 (0,298) 0,43 8 (0,290) -3,173 (0,238) -0,742 (0,038) -0,960 (0,060) Efectos fijos Resumen preliminar Sí Sí Estación Sí Sí Observaciones 66.535 66.535 66.535 69.082 69.082 69.082 R2 0,035 0,934 0 ,965 0,035 0,956 0 .967 en Fuente: TSE, OEP y cálculos del autor Escobari y A continuación, Hoover amplía su modelo para incluir la LLEGADA como variable, lo que da como resultado una tendencia general tanto para 2016 como para 2019 a medida que la doble divergencia gana impulso. Por lo tanto, esto no tiene ningún efecto sobre la doble divergencia. Comparamos los dos modelos de divergencia no ajustados en la Figura 2. A la derecha, podemos ver que la tasa de beneficio de 2016 aumentó más lentamente que la tendencia general. Si bien el margen de 2019 aumentó más rápido que la Figura 2, tener en cuenta tendencias electorales más amplias no cambia la doble diferencia. En la Tabla 2 vemos los resultados del modelo, así como las tendencias generales, en las columnas 1 y 4. Hemos incluido el resultados no de tendencia como referencia. La columna 5 muestra aplicaciones sin mejoras geográficas. Las columnas 6 y 7 replican los resultados con los efectos geográficos observados en las columnas 2 y 3 cuando se consideran al pie de la letra. y admitiendo haber interpretado los resultados como fraudulentos. Estos efectos no fueron lo suficientemente grandes como para indicar una reversión de la victoria de Morales en la primera vuelta: 3 puntos porcentuales se aplicaron al 16 por ciento del electorado, lo que equivale a menos de la mitad del 1 por ciento. Sin embargo, las tendencias no paralelas sugieren que estas estimaciones se ven Tabla 2. Utilizando estimaciones conjuntas de diferencia de tendencia de Escobari y Hoover basadas en simulaciones publicadas (1) (2) (3) (4) ( 5) (6) (7) Variable de desactivación x año 2019 2,964 (0,334) 2,954 (0,433) -2,761 (0,967) 2,996 (0,251) 2,992 (0,251) 3,018 (0,261) -3,027 (1,109) Apagar la máquina 13,30 (0,6 10) – 1,577 (0,262) 13,77 (0,624) 4,858 (0 .696) -1.560 (0.126) Año 2019 11.99 (0.635) 11.15 (0.443) 11.14 (0.611) 11.06 (0.091) 11.06 (0.091) 11.03 (0.095) 11.03 (0.129) llegó a 1. 340 (0,242) 25,26 (0,939) 0 . 906 (0,160) Llegada x Cerrado x Año 2019 7,277 ( 1,588) 7,429 ( 1,315) Constante -2,157 (3,380) -0,831 (0,311) 0,198 (0,280) – 3,173 (0,238) -14,81 (0,493) -1,17 9 (0,086) -0,960 (0,060) Área de efecto fijo Sí Sí Estación Sí Sí Observaciones 66.535 6 5.811 65.811 69.082 69.082 69.082 69.082 R2 0,035 0 ,937 0,966 0,035 0,055 0,956 0,967 Finalmente, Escobari y Hoover reconocieron que tempranamente Las tendencias de llegada varían de un año a otro. Exploraremos estos modelos en la próxima publicación.

Source link