Metodologia

Como lemos as pesquisas, e onde paramos de enxergar.

Modelamos cada pesquisa como uma medição do apoio latente mais um viés sistemático do instituto e um erro amostral. O apoio latente segue uma série suave ao longo do tempo, estimada por um filtro de Kalman com suavização. O viés de cada instituto — o house effect — é estimado a partir dos dados, por instituto, sempre. O modelo é cego a quem é quem: não conhece candidato nem espectro, e não corrige direção com base em eleição passada.

A restrição de soma-zero

O sistema tem uma ambiguidade de fundo: somar uma constante a todo o apoio latente e subtraí-la de todos os house effects produz exatamente as mesmas pesquisas. É preciso fixar uma referência, e a escolha dessa referência é uma decisão de método, não um detalhe.

Adotamos a soma ponderada dos house effects igual a 0, com peso igual ao número de pesquisas que cada instituto publicou na janela. Ponderar pelo volume evita que um instituto com uma única rodada ancore o consenso com o mesmo peso de um que publicou doze.

O que isso significa: o apoio latente passa a ser o consenso dos institutos, limpo da composição desigual de quem publicou em cada semana. O que isso não significa: que o consenso seja não-enviesado em relação à urna. Se todos os institutos errarem na mesma direção — como ocorreu no primeiro turno de2022 — o consenso erra junto, e o modelo não tem como saber. Esta limitação não é letra miúda; é o principal ponto cego do método.

Por isso não ancoramos os house effects no erro histórico contra as urnas. Medir viés absoluto seria melhor, mas institutos mudaram de metodologia depois de2022, o erro daquele ciclo foi assimétrico entre candidatos, e corrigir direcionalmente com base no último ciclo é o modo clássico de falha de um agregador. O erro histórico é calculado e exibido como contexto, mas não entra no modelo na versão atual.

A banda de incerteza é a resposta honesta a esse limite: quando o modelo não sabe, a faixa fica larga. Largura honesta é o produto — não um número único fingindo precisão.

Os limites

O que este modelo não faz.

Um instrumento honesto diz onde não enxerga. Esta lista é a mesma da metodologia, sem corte.

Não corrige viés que seja comum a todos os institutos
Não prevê resultado eleitoral nem probabilidade de vitória
Não modela correlação entre candidatos além da restrição de soma
Não distingue mudança real de opinião de mudança de metodologia do instituto
Não detecta fraude; os indicadores da §6 têm explicações inocentes e são publicados como diagnóstico, não acusação
Não pondera institutos por acurácia histórica na v1
Não mede transferência de voto: o fluxo entre candidatos é inferido de dado agregado, o que não identifica para onde foi o voto de ninguém — o resultado depende do prior tanto quanto do dado

Quem somos e como parar de ser rastreado

Este projeto extrai números de pesquisas registradas no PesqEle/TSE e os republica como fato, com o registro à vista. Nunca reproduzimos o texto de terceiros; a referência à fonte é sempre um link. Um instituto que peça a remoção de seus dados é atendido, e passamos a exibir aquele instituto como fonte removida a pedido.