Alkalmazott MrP-módszertan
Az alkalmazott MrP (multilevel regression and postratification) pipeline célja, hogy a kérdőíves adatfelvétel eredményeit ne pusztán a nyers vagy súlyozott mintaösszetétel alapján, hanem a célpopuláció (16 év feletti magyar lakosság) demográfiai, területi, politikai és digitális aktivitás szerinti szerkezetéhez igazítva becsüljük meg. Az MrP tehát a standard súlyozás helyett egy modellalapú eljárás: először statisztikai modellt illesztünk a survey-adatokra, majd a modell predikcióit egy külső forrásból (jellemzően népszámlálásból) származó vagy szintetikusan előállított populációs cellaszerkezetre vetítjük vissza. Az MrP előnye a hagyományos súlyozással szemben, hogy a ritka vagy kis elemszámú cellák becsléseit nem kizárólag az adott cellában megfigyelt válaszokra alapozza, hanem részleges összevonással a hasonló csoportokból és a teljes mintából származó információt is felhasználja, így stabilabb és kevésbé zajos alcsoportos becsléseket ad.
A kiindulópont a survey-adatbázis és a poszt-stratifikációs tábla harmonizálása. A cellaszerkezet a népességet a következő háttérváltozók kombinációjaként írja le, együttes eloszlásuk alapján: nem, életkor, iskolázottság, településtípus, régió, szavazatvisszaemlékezés a 2026-os országgyűlési választásokra, valamint két digitális aktivitást mérő dummy változó (online vásárlás, illetve szöveg-, táblázat-, videó- vagy képszerkesztő programok rendszeres használata). A megyei információkat régiós szinten aggregáljuk, az iskolázottságot három kategóriában kezeljük (diplomások, érettségivel rendelkezők és érettségivel nem rendelkezők), a településtípust négy kategóriára bontjuk, a szavazatvisszaemlékezést mérő változót – amelyet a választásokat követő napok során kérdeztünk le a paneltagoktól – pedig szintén négy kategóriában kezeljük: Tisza-szavazók, Fidesz-szavazók, Mi Hazánk-szavazók, egyéb szavazók és nem szavazók.
A fő modellezési lépés a vizsgált kérdések válaszkategóriáinak becslése volt multinomiális logisztikus regressziókkal. A modellek egyéni szintű (nem, kor, iskolázottság, lakóhely, digitális tevékenységek, szavazat-visszaemlékezések) és megyei szintű (a nagy pártok listás megyei szintű eredményei illetve megyei random hatások) prediktorokat egyidejűleg tartalmaznak. Az életkor folytonos változóként szerepel a modellekben, és a specifikáció páros interakciókat is tartalmaz (Andrew Gelman cikkei alapján), így az egyes prediktorok hatása eltérhet a többi prediktor értékének függvényében. Az interakciók modellezése különösen fontosnak bizonyult a kor és az iskolázottság interakciója esetén, ugyanis a magyar politikai preferenciák esetében a a kor hatása pártválasztásra nagyban különbözik a különböző iskolázottsági csoportok között. A prediktorok struktúrája a multinomiális logisztikus regresszióban tehát a következő általános jelleget ölt:
Pr (pártválasztás) = nem + kor + iskolázottság + településtípus + szavazat-visszaemlékezések + digitális tevékenységek + interakciós hatások + megyei listás eredmények + megyei random hatások.
Ezt a struktúrát alkalmazzuk a pártpreferencia-mérésekben szereplő összes változó százalékos megoszlásainak megbecsléséhez. Mivel az MrP-hez szükséges a modellben szereplő összes változó együttes eloszlása, a szavazatvisszaemlékezéshez (párt4), illetve a részvételi szándékot mérő változóhoz – amelyet a biztos szavazók beazonosítására használunk – szintetikus populációs becslést alkalmaztunk (Lauderdale et al, 2020): egy külön MrP-modellel megbecsültük e két változó együttes eloszlását a demográfiai és a digitális aktivitást mérő változókkal. Az így kapott szavazat-visszaemlékezésekre vonatkozó becsléseket ezt követően a választások ismert eredményeihez kalibráltuk.
A biztos szavazók szerinti bontáshoz egy kibővített, 9 dimenziós poststratifikációs táblát alkalmazunk, amely a fenti prediktor-struktúrát a részvételi szándékot mérő változóval egészíti ki:
Pr (pártválasztás)= nem + kor + iskolázottság + településtípus + szavazat-visszaemlékezések + részvételi szándék + digitális tevékenységek + interakciós hatások + megyei listás eredmények + megyei random hatások.
Mindez lehetővé teszi, hogy a pártpreferencia-becsléseket a demográfiai és digitális aktivitási szerkezet mellett a választási részvételi szándék szerinti bontásban is prezentáljuk.
Mivel az MrP-ből származó pártpreferencia-becslések nem teszik lehetővé a klasszikus, minta-alapú konfidencia-intervallumok kiszámítását, a bizonytalanság becslésére ún. „bootstrapping” módszert alkalmazunk. A bootstrapping lényege, hogy az eredeti adatokból véletlenszerűen, visszatevéssel új mintákat hozunk létre (“resampling with replacement”) – ez azt jelenti, hogy minden egyes újramintavétel során egyes megfigyelések többször is bekerülhetnek az új mintába, mások pedig kimaradhatnak. Ezt az újramintavételi és becslési folyamatot több száz alkalommal megismételjük, mind az egyéni válaszadók, mind a statisztikai cellák szintjén. Az így kapott több száz, egymástól kissé eltérő becslésből végül meghatározható, hogy a valódi érték mekkora tartományon belül mozog – ez adja a konfidencia-intervallumot.
Az eljárás végén diagnosztikai ellenőrzéseket végeztünk: vizsgáltuk a modellbe bevont és kizárt esetek számát, a kimeneti kategóriákat, valamint az illeszkedési mutatókat (training accuracy és log loss). Az eredmények így nem egyszerű súlyozott mintaátlagok, hanem modellalapú, populációs szerkezetre visszavetített becslések.
Az MrP használatának további rövid angol nyelvű leírásai az alábbi linkeken keresztül olvashatóak:
https://www.britishpollingcouncil.org/briefing-spotlight-on-mrp/
https://yougov.com/articles/51585-au-election-mrp-methodology
