Menu

Katharina Brunner

Bloggin' since 2007

Zwei Gründe, warum die Prognosen zur US-Wahl das ganz große Bashing nicht verdient haben

Die Meinungsforscher lagen falsch. Das war Konsens nach der US-Wahl. Und ja es stimmt, Fivethirtyeight, NYTimes, Pollyvote und eine Reihe anderer hielten einen Sieg Hillary Clintons wahrscheinlicher als einen Sieg von Donald Trump.

Doch so katastrophal war das Abschneiden nicht. Aus zwei Gründen.

1. Das Wörtchen wahrscheinlich

Die Berechnungen sagten nie: Hillary gewinnt. Oder Trump gewinnt. Sondern: Mit einer Wahrscheinlichkeit von, sagen wir 80 Prozent, gewinnt Clinton.

80 Prozent klingt hoch, nah an der 100, also kann ich mich beruhigt hinter meinem Smartphone zurücklehnen. Bauen wohl doch keinen Scheiss, diese Amerikaner. Die 20 Prozent Unsicherheit sind dann schnell ignoriert. Vor allem dann, wenn mir die 80 Prozent in den Kram passen. Psychologen nennen das Confirmation Bias.

Deutlicher wird der unsichere Part, wenn man die 80 Prozent als sogenannte Quote darstellt. Das bekannteste Beispiel ist die 1:1-Chance, also dann, wenn Clinton und Trump jeweils eine 50-prozentige Siegwahrscheinlichkeit zugesprochen wird.

Eine 80-Prozent-Siegchance bedeutet eine Quote von 4:1. Klingt nicht mehr ganz so optimistisch. Zum Vergleich: Beim Würfel eine Eins zu bekommen hat die Quote 1:5.

Und selbst bei Unsicherheiten im sehr niedrigen Bereich, kann die Wahrscheinlichkeit dem Wunsch ein Schnippchen schlagen. „Schwarzer Schwan“ nennt das Nassim Nicholas Taleb.

2. Umfrageergebnisse sind nicht fix

Die Prognosen basieren alle auf einzelnen Umfragen. Und jede einzelne gibt zwar einen konkreten Wert an, wie 51 Prozent für Clinton und 47 Prozent für Trump, meint aber eigentlich eine Spanne, in der das Umfrageergebnis liegt. Das würde dann in diesem fiktiven Beispiel bedeuten, dass zu 95 Prozent zwischen 55 und 47 Prozent der Befragten Clinton wählen würden und zwischen 51 und 43 Prozent Trump.

Das zeigt zweierlei: Erstens geben die Werte eigentlich einen Bereich an. Und zweitens können sich diese Bereiche von Clinton und Trump überschneiden.

Quartz schreibt dazu im Text The polls didn’t fail. We just chose to ignore the math:

„Forecasting is as much art as science, and not just in elections, because every moment in history is uniquely different. This flexibility makes it easy to fool ourselves, like everything else, we see what we want to see. A margin of error is built into polls because despite the analysis, unseen factors can introduce mistakes. Next time you see a difference between predictions, ask how big it really is, and ask why“

Links:

Not all forecasters got it wrong: Nate Silver does it again (again)

Die Probleme einzelner Meinungsumfragen (nicht die Berechnung mit aggregierten Daten, von denen ich im Post spreche)