2 gün sonra, yani 5 Kasım’da uzun süredir gündemin bir köşesini işgal eden ABD başkanlık seçim süreci nihayet sonlanacak ve Trump veya Kamala Harris ABD’yi önümüzdeki beş yıl daha yönetecek olan 47. başkanı olmaya hak kazanacak.

Geçtiğimiz haftalarda yine burada, kamuoyu araştırmalarından bahsettiğim yazımda, Amerika’nın seçimler için yapılan kamuoyu araştırmaları noktasında belki de dünyada bir numara olduğunu söylemiştim. Benzer bir şeyi seçim tahmin modelleri için söylemek de mümkün. The Economist, 538 ve NBC gibi pek çok ünlü kurum ve kuruluş, çeşitli akademik iş birlikleriyle birlikte anket sonuçlarını eski seçimler, sosyoekonomik göstergeler gibi bilgilerle harmanlayarak seçim tahmin modellerinin geliştirilmesine katkıda bulunuyorlar.  Ancak bu modeller kimi zaman çok başarılı performanslar gösterirken, örneğin 2020 seçimlerinde neredeyse tüm modeller Biden’in kazanacağını öngörmüş ve bu konuda doğru sonucu vermişlerdi, kimi zaman da tabir yerindeyse çuvallıyorlar; klasik bir örnek olarak 2016 Hillary Clinton ve Donald Trump arasındaki seçim.

Yine bir seçim günü gelirken bu sefer modeller geçen iki seçimin aksine herhangi bir favori belirtmiyor, her iki aday içinde neredeyse yüzde 50 şans olduğunu söylüyor ki bu da tüm bu modellerin verdiği sonuca sizin de aslında sadece 1 lira kullanarak yapacağınız bir yazı-turayla ulaşacağınızı gösteriyor.

The Economist'ten Veri Gazetecisi Alex Selby-Boothryod'un 30 Ekim günü X hesabından paylaştığı tweet: "Tahminimiz şu anda gerçek bir yazı turadan çok mükemmel bir yazı turaya benziyor."

2012 seçimleri doğru tahmin eden istatistikçi Nate Silver’in 31 Ekim günü X hesabından paylaştığı tweet: “Tahminler son derece istikrarlı ve 50/50'ye son derece yakın seyretmektedir.”

O zaman bu kadar çabaya gerek var mı? Seçim sonuçları tahmin edilebilir mi ya da edilemez mi?

İlk soruya net bir yanıtım var aslında; kesinlikle gerek var. Ancak ikinci soruya kesin bir yanıt vermenin güç olduğunu düşünüyorum, yani hem edilebilir hem edilemez. Peki neden?

Öncelikle bu tarz modellerin çoğu kamuoyu verilerine dayanıyor, yani bilinen adıyla anket sonuçlarına. Anket sonuçlarının hem dünya da hem de Türkiye’de neden “kesin güvenilir” olmadığını ve olamadığını anlatmıştım. Bu olamama hali dolayısıyla kendisine bağlı yapılan analizlerin ya da modellemelerin başarısızlığına yol açıyor.

Seçim sonuçlarını tahmin etmek için geliştirilen modellerin yaşadığı zorluk sadece bununla da sınırlı değil. Seçim verileri oldukça dinamik ve dolayısıyla da belirsiz verilerdir doğaları gereği çünkü pek çok faktör tarafından etkileşime maruz kalır. Ani siyasi olaylar, bir açıklama, bir tweet ya da kampanya sürecinde yapılan bir değişiklik... Bütün bu faktörleri bir model içinde temsil edilecek hale getirmek oldukça güç bir işlem ki bu temsil eksikliği de kaçınılmaz olarak bazı senaryolarda başarısızlığa yol açıyor.

Seçim verileri genellikle zaman serisi verileri olarak değerlendirilmeye alınıyor. Bunun sebebi de çok basit aslında, geçmişteki olayların ve sonuçların bir sonraki seçimi etkilemesinin oldukça olası bir seçenek olması. Fakat geçmiş verilere duyulan bu güven her zaman doğru sonuca ulaştırmıyor ve özellikle geçmiş veriyi çok iyi öğrenirse bu model, gelecekteki yaşanan beklenmedik olaylara karşı iyi bir performans göstermekte zorluk yaşıyor.

Modellerin geliştirildiği zaman da aslında bir başka faktör olarak değerlendirilebilir. Bir seçim için doğru çalışan model, aynı ülkede aynı kurallarla gerçekleştirilen bir sonraki seçimde aynı başarıyı gösteremeyebilir. Amerika ve İngiltere’den bir grup araştırmacının yaptığı bir çalışma, seçim sürecinin başlangıcından itibaren tahmin yapmanın, modelin doğruluğu tehlikeye atabileceğini ve bir modelin veriye dayalı en doğru tahminleri genellikle seçimden 2 ile 3 ay öncesinden yapabildiğini gösteriyor.

Seçim modellerinin başarısızlığı sadece dış etmenlerden kaynaklanmayabiliyor zaman zaman, bir başka deyişle bu modeller kimi zaman kendi olası başarılarının baltalanmasına yol açıyor. Örneğin, model tahminlerinin bazı seçmenlerde sonucu önceden belirlenmiş gibi görme hissi yaratması, katılımı azaltabilir ve siyasi süreçten kopmalarına yol açabilir. Bazen oy oranıyla kazanma olasılığının karıştırılması da benzer bir sonucu doğurabilir. Mesela, yüzde 60 kazanma şansı olan bir adayın yüzde 60 oy alacağı beklentisi gibi yanılgılar, insanların tahminleri yanlış anlamalarına, seçmenlerin seçim sonuçlarını önceden belirlenmiş gibi görmelerine ve oy kullanmamaya yönelmelerine neden olabilir.

Bu listeyi uzatmak, kararsız seçmenler, seçim sistemlerinin karmaşıklığı gibi faktörleri eklemek mümkün ama yazıyı daha da boğmadan muhtemelen kafalarınızda oluşan o soruyu yanıtlamak istiyorum. “E iyi de bu kadar başarısızlık faktörü varken neden tahmin etmek için çaba harcayalım?”

Geleceği bilebilme hissinin vermiş olduğu tatmin duygusu, aslında bir yanıt ama tek yanıt değil elbette. Daron Acemoğlu’na Nobel kazandıran faktörlerden birisi kurumlar kavramını sözel analiz bağlamından çıkarıp sayısal ve analiz edilebilir bir bağlama oturtmasıydı. Benzer bir şekilde seçim modelleri de bu prensibi seçimler ve ülke siyasetleri için yapıyor. (Bu yaklaşım da bir gün Nobel aldırır mı? Neden olmasın.)  Siyaset ve seçimin sözel içerikten sayısal ve analiz edilebilir bir içeriğe dönüştürülmesi her ne kadar her zaman “sayısal olarak” kesin sonuçlara ulaştırmasa da ülkedeki siyaset dinamiklerinin daha iyi anlaşılmasına neden olabilir. The Economist’in seçim modeli geliştirilmesi için iş birliği yaptığı Columbia Üniversitesi’nden siyaset bilimci ve istatistikçi Andrew Gelman, bu hafta Nature için yazdığı makalede yazdığı gibi seçim modellerinin sağladığı bu öngörülebilirliğin politikacıların ve gazetecilerin seçimler, ekonomi ve partiler arasındaki denge hakkında nasıl düşündüğünü etkilediğini söylüyor. Örneğin siyasetçileri yaptıkları bir hamlenin oy oranlarına etkisini ölçebilir ve daha güzeli daha o hamleyi yapmadan olası etkisini de gözlemleyebilir. Bu doğrultuda kampanyalarını düzenler ve kendilerine doğru bir strateji belirleyebilir. 

Veriye dayalı modeller her zaman kesin sonuca ulaştırmasa da mevcut seçim yarışının genel hatlarını çizmeye yarayacak faydalı bilgiler sağlar. Bu modeller ayrıca seçim dönemi yapılan farazi uydurmaların da kısmen önüne geçer ve azalmasını sağlar. Örneğin küçük bir partinin anketlerde yüzde 20 oyumuz var, ya da bir cumhurbaşkanı adayının yüzde 30 alırım ben gibi uydurduğu hikayelerin boşa düşmesini sağlar. 

Seçim tahmin modelleri sadece Amerika ile sınırlı değil elbette. Avrupa’da da Türkiye’de de bu problem ile uğraşan araştırmacılar var ki bir tanesi de ben olmaya çalışıyorum. 2028 seçimleri için anket firmalarının geçmiş seçimlerdeki başarıları ve başka faktörleri de dikkate alarak geliştirmiş olduğum ağırlıklandırılmış ortalama ve ona ek iki klasik metodu bu adresten güncel bir şekilde yayınlıyorum bir aydır. Geri dönüşleriniz ve bildirimleriniz benim için çok kıymetli.

Geleceği tahmin etme çabası, yalnızca kazananı önceden kestirme isteğinden ibaret değildir; aynı zamanda ülkenin siyasi yapısının derinlemesine anlaşılmasını sağlayan önemli bir adımı temsil eder. Bu çabalar, seçmen davranışları, kampanya stratejileri ve siyasi dinamikler arasındaki ilişkiyi daha iyi çözümleyerek siyaset biliminin gelişimine katkı sunar. Tahmin modelleri, adayların hamlelerinin seçmen üzerindeki etkilerini önceden ölçme imkânı sunarak, siyaseti daha bilinçli ve stratejik kararlarla yönlendirme fırsatı yaratır. Ayrıca, seçim sürecine nesnel bir bakış açısı kazandıran bu modeller, tahminlerin güvenilirliğini artırarak seçim döneminde sıkça karşılaşılan bilgi kirliliğinin önüne geçer. Böylece, seçmenler ve kamuoyu seçim yarışını daha şeffaf ve anlaşılır bir çerçevede değerlendirme şansı bulur; bu da seçimlerin demokratik süreçler içerisindeki yerini güçlendiren, toplumu bilinçlendiren bir fayda sağlar.

Referanslar:

Jennings, W., Lewis-Beck, M., & Wlezien, C. (2020). Election forecasting: Too far out? International Journal of Forecasting, 36(3), 949–962. https://doi.org/10.1016/j.ijforecast.2019.12.002

Gelman, A. (2024). Why forecast an election that’s too close to call? Nature, 634 (8036), 1019. https://doi.org/10.1038/d41586-024-03470-7