Politiken skriver i dag om, at Venstre siden folketingsvalget i 2011 har skiftet holdning i flere politiske sager. I den forbindelse har de lavet en infografik, der skal gøre det overskueligt for læseren, i hvilke sager Venstre har skiftet holdning. Der er dog flere grunde til, at den pågældende grafik irriterer mig, og blot er et eksempel på noget, der ikke bør være grundlag for inspiration.

For det første er der ingen kompleksitet i informationen, der motiverer visualiseringen af samme. Intet tungt talmateriale og ingen forvirrende sammenhænge. Fordelen ved at fremstille noget grafisk er netop, at det kan gøre det nemmere for læseren at overskue information. Her modarbejder grafikken læsevenligheden og placerer teksten tilfældigt.

For det andet er det uklart, hvorfor der er så mange billeder af Lars Løkke Rasmussen. Flertallet af de eksempler journalisten fra Politiken har fundet, involverer – foruden selvfølgelig Lars Løkke – Kristian Pihl Lorentzen, Henrik Høegh, Jacob Jensen, Karen Ellemann og Jan E. Jørgensen. Hvis man absolut vil visualisere anekdotisk evidens, kunne man i det mindste gøre det med de personer eksemplerne involverer.

For det tredje bruges grafikken blot til at underbygge én pointe: At Venstre er på slingrekurs. Spejlvendte billeder af Lars Løkke og den zigzaggende blå linje ned gennem grafikken. Der kunne nemt inddrages andre elementer, der kunne formidle mere end den samme pointe. Dette er selvfølgelig resultatet af, at man ikke har nogen information at visualisere, men det bør jo ikke være en undskyldning for, at det man laver er dårlig formidling.

For det fjerde er der ingen systematik i fremstillingen af eksemplerne. Nuvel, det er en grafik der bygger på tilfældige eksempler (nogle mere søgte end andre), men man kunne i det mindste have præsenteret dem efter for eksempel hvornår holdningsskiftet havde fundet sted.

Det kan være forbundet med store vanskeligheder for journalister at formidle komplekse emner. Derfor er visualisering af information et fantastisk redskab i den journalistiske værktøjskasse. Visualiseringen af information fordrer dog at der er en mening med galskaben og at det reducerer kompleksitetsgraden for læseren. Dette er ikke tilfældet med denne ligegyldige grafik.

Meningsmålinger er desværre ikke altid så præcise som journalister gør dem til. Står Enhedslisten til at få 14,9 pct. af stemmerne i en meningsmåling, er det som bekendt et kvalificeret gæt. Når medierne angiver partiernes procentvise andel af stemmerne helt ned til én decimial, sælger det blot en illusion om præcision.

Så længe vi ikke spørger alle vælgere om, hvilket parti de vil stemme på, skal vi altid forholde os til en grad af usikkerhed. De eneste eksempler vi har på meningsmålinger med en statistisk usikkerhed på 0, er valgresultaterne fra valg til Folketinget, kommunerne, regionerne og Europa-Parlamentet (altså når vi rent faktisk spørger hele populationen).

Den statistiske usikkerhed gør, at partiernes opbakning kan variere fra meningsmåling til meningsmåling, uden så meget som at én vælger har skiftet parti. Det er derfor helt naturligt, når de enkelte analyseinstitutter gennemfører meningsmålinger, at de kommer frem til lidt forskellige resultater. Dette illustreres bedst i valgkampe, hvor flere institutter gennemfører meningsmålinger dagligt. Følgende viser Socialdemokraternes opbakning i løbet af valgkampen i 2011 (kilde):

Hvilke meningsmålinger der rammer helt plet, kan vi i sagens natur ikke vide. Vi kan dog med al rimelighed betvivle, at én meningsmåling der ligger langt fra hvad andre meningsmålinger viser, giver et retvisende billede af virkeligheden. Det er her vi oplever noget paradoksalt ift. mediernes interesse for meningsmålinger: Jo mindre sandsynligt det er en meningsmåling rammer plet, desto mere opmærksomhed vil den få.

Når meningsmålingerne viser det samme, er det med en begrænset nyhedsværdi. Journalister er ikke interesserede i at skrive om, at verden er den samme i dag som i går. Viser en meningsmåling omvendt noget ekstremt (eller blot en eller anden form for forandring), får det straks en langt højere interesse blandt journalister, læsere, kommentatorer m.v.

Derfor bør man tillægge enkelte meningsmålinger mindre vægt, og se mere på hvilket billede de forskellige meningsmålinger sammenlagt tegner. Da Nate Silver påbegyndte arbejdet med bloggen FiveThirtyEight, var det med udgangspunkt i en simpel fremgangsmåde: Tag gennemsnittet af forskellige meningsmålinger og vej dem efter analyseinstitutternes tidligere præcision.

I en dansk kontekst har vi Berlingske Barometer og de kvalitetsvægtede gennemsnit fra Altinget.dk, som valgforsker og professor ved Aarhus Universitet Søren Risbjerg Thomsen udarbejder hver måned. Disse vægtede gennemsnit giver et mere retvisende billede af hvordan partierne ligger. Der kan selvfølgelig godt være en meningsmåling der er mere korrekt end det vægtede gennemsnit, når andre meningsmålinger viser noget der ikke ligger lige så tæt på. Vi kan dog ikke vide hvilken meningsmåling der eventuelt rammer mest præcist – og de er stadig alle underlagt en grad af usikkerhed.

Den store fordel ved de vægtede gennemsnit er dermed, at de reducerer den usikkerhed vi opererer med. Usikkerheden varierer alt efter partiets størrelse, hvor usikkerheden er større desto tættere et parti ligger på 50 pct. af stemmerne. Grunden til dette ligger i den måde man beregner usikkerheden for hvert parti:

Standardfejlen er angivet ved se, og som det kan ses, vil den falde i takt med at vi spørger flere respondenter (jo større n, desto mindre se). Partiets andel er angivet ved p. Hvis en meningsmåling har spurgt 1.000 vælgere, vil det give en standardfejl på 0,0158 for et parti der får en andel på 0,5 af stemmerne, og en standardfejl på 0,0031 for et parti der står til en andel på 0,1 af stemmerne (eller 0,9). Har du lyst til at beregne usikkerheden for et partis andel, kan det gøres her. Aftenens udgave af Detektor havde desuden et fint indslag omkring forholdet mellem stikprøvestørrelse og usikkerhed i meningsmålinger.

Hvis vi tager et partis andel ± en standardfejl, vil vi få et 68 pct. konfidensinterval for partiet. De fleste meningsmålinger rapporterer dog usikkerheden i form af 95 pct. konfidensintervaller, som fås ved ± 1,96 standardfejl. Får et parti 50 pct. af stemmerne i en meningsmåling der har spurgt 1.000 tilfældigt udvalgte vælgere, giver det dermed en usikkerhed på ±3,099 med et 95 pct. konfidensinterval. Et parti der står til at få 5 pct. af stemmerne i samme meningsmåling, vil have en usikkerhed på ±1,351.

Hvad er implikationen af dette når vi diskuterer enkeltmålinger i forhold til kvalitetsvægtede gennemsnit? Tager vi en enkelt meningsmåling, vil usikkerheden som sagt være størst for de store partier, hvorved kvalitetsvægtede meningsmålinger vil have en større betydning, da forskellige meningsmålinger hver især vil ligge længere fra hinanden når det kommer til de store partier ift. de mindre (ceteris paribus og forudsat de ellers er repræsentative, forstås).

De små partier vil derfor generelt ligge tættere på det vægtede snit i en enkelt meningsmåling end de større. Dette kan vi selvfølgelig illustrere ved hjælp af empiri. Jeg har taget Søren Risbjerg Thomsens vægtede snit fra perioden 1990 til 2010 og Gallups menigsmålinger fra samme periode. Nedenstående plot viser differensen mellem Risbjergs snit og Gallup på y-aksen og partistørrelsen ([Risbjerg+Gallup]/2) på x-aksen for 2.098 partiestimatforskelle.

Jo større partiet er, desto større vil differensen være mellem det vægtede snit og enkeltmålingen. Sagt med andre ord: Jo større et parti er i en meningsmåling, desto mindre kan vi være sikre på, at én meningsmåling rammer plet. Vi har derfor brug for kvalitetsvægtede gennemsnit af meningsmålinger til at reducere den tilfældige støj. En tilfældig støj der kun bliver større, desto større et parti er. Man skal desuden bemærke, at da Gallup er inkluderet i Risbjergs snit, er forskellen angivet i plottet mindre end hvis Risbjergs snit ikke havde inkluderet meningsmålinger fra Gallup.

Vægtede meningsmålinger er alt andet lige at foretrække frem for enkeltmålinger. Når de forskellige medier formidler spændende nyheder omhandlende forandringer i meningsmålingerne, så vent og se om disse forandringer manifesterer sig i de vægtede snit. Ellers er tilfældet nok bare, at der var tale om tilfældige udsving i en enkelt måling.

I Deadline her til aften blev Kasper Møller Hansen (professor i Statskundskab ved Københavns Universitet) interviewet omkring valgplakaternes betydning. Valgplakaterne er en hundrede år gammel tradition ved danske valg, og der er ingen tvivl omkring, at de har en stor historisk og symbolsk værdi.

Men hvad betyder de i praksis? Flytter de stemmer? Kasper Møller Hansen gjorde det klart, at der ikke er belæg for, at de flytter flere vælgere ned til stemmeurnerne, men valgplakater har en særdeles stor effekt på især kampen om de personlige stemmer inden for listerne. Det er ligeledes en pointe han bliver citeret for hos KL.dk: »Ved forrige kommunalvalg var valgplakater det, som var bedst til at flytte stemmer.«

Det statistiske belæg for argumentet er at finde i arbejdspapiret »Den kommunale valgkampagne anno 2009. En kommenteret tabelrapport«, hvor kandidaterne ved kommunalvalget i 2009 blev spurgt om, hvordan de planlagde deres kampagneaktiviteter.

I arbejdspapiret estimeres en række OLS-regressioner for at undersøge effekten af valgplakater. Som der skrives: »Fordelen ved regressionsmodeller er, at man kan isolere den selvstændige effekt af de enkelte variable. Altså kan man estimere effekten af fx flere valgplakater, når man tager højde for alle de andre variable i modellen.« (side 21). Her er det vigtigt at huske på, at der som sådan ikke er tale om effekten af flere valgplakater, men blot den partielle korrelation mellem det antal valgplakater en kandidat har hængt op og andelen af stemmer.

Overordnet er jeg på ingen måde overbevist om, at der er en kausal sammenhæng mellem det at hænge en valgplakat op og få flere personlige stemmer, blandt andet fordi der er så mange andre forhold jeg formoder har en større effekt på stemmetallet, der gør effekten af valgplakater minimal.

Det store problem forbundet med at undersøge korrelationen mellem antallet af valgplakater og andelen af stemmer er selvfølgelig, at det ikke er tilfældigt hvor mange valgplakater en politiker hænger op. Der er med andre ord op til flere fejlkilder. Populære kandidater, der har været en del af lokalpolitik i mange år, som kan se frem til et godt valg, har måske en større kampagnestab og flere ressourcer – og får hængt flere valgplakater op. Kontrolvariable kan være med til at mindske bekymringerne relateret til dette, men der er stadigvæk en del uobserveret heterogenitet.

Skal jeg overbevises om effekten af valgplakater, må der mere til. Man kunne udvælge kandidater i kommuner der ved tidligere valg har hængt få eller ingen plakater op. Her kunne man få dem til at hænge 1.000 valgplakater op, for at se om det resulterer i flere hundrede ekstra personlige stemmer. Dette er ingenlunde uden metodiske svagheder, men det ville være et skridt i den rigtige retning.

Alternativt kunne man studere de kommuner der laver interne aftaler om ikke at hænge valgplakater op ved næste kommunalvalg. I Helsingør Byråd har man f.eks. besluttet at gadebilledet ikke længere skal være domineret af valgplakater. Hvis valgplakater angiveligt har så stor en effekt bør vi forvente, at dem der ved sidste kommunalvalg havde mange valgplakater og fik mange stemmer, vil miste stemmer ved det næste valg, når de ikke får lige så mange stemmer på grund af valgplakaterne. Dette er ligeledes ikke uden metodiske svagheder, men hvis det rent faktisk viser sig, at dem der kunne nyde godt af den store valgplakateffekt ved forrige valg, mister stemmer nu, kan jeg godt overbevises om, at valgplakater rent faktisk har betydning.

Måske findes der også kandidater der havde produceret flere tusinde valgplakater, men hvor eksogene forhold gjorde, at disse ikke blev hængt op (eller blev fjernet meget tidligt i valgkampen). Det kan være en brand, hærværk på de fleste af en kandidats valgplakater, formelle krav der viser sig ikke at være overholdt etc. Kandidater der oplever den slags må, alt andet lige, få færre stemmer, når de ikke kan nyde godt af valgplakaterne, mens andre kandidater kan.

Man kan selvfølgelig også foretage lab eksperimenter. Cindy D. Kam og Elizabeth J. Zechmeister har undersøgt hvilken effekt kendskab til kandidater har for opbakningen til samme. Her anvendes subliminal primes til at undersøge om det at man kan genkende en kandidats navn har betydning for, om man vil stemme på vedkommende. Problemet med denne slags eksperimenter er den eksterne validitet, og det er ikke uden grund, at de selv pointerer, at den slags effekter vil være størst i »low information contexts«.

Giver valgplakater flere stemmer? Måske. Jeg er dog i skrivende stund ikke overbevist om, at det er det redskab, der er bedst til at flytte stemmer.