Val2018 – röstningsmönster i Sveriges län och Stockholms kommuner

I tidigare inlägg har jag redogjort för hur min Bayesian Inference valprediktion lyckades (riktigt bra, tack för att du frågar, bättre än många proffs-tyckare, faktiskt!) 🙂

I detta inlägg presenteras några obearbetade “rådata” kring valutgången och populationen i dels samtliga svenska län, dels i kommunerna i Stockholms län.

Vidare presenteras en regressionsanalyser över partiernas valresultat releterat till andelen utrikes födda i respektive valområde, då huruvida detta har påverkat valresultatet har varit och är ett aktuellt debattämne.

Då jag anser att graferna nedan är självförklarande (åtm. för den primära målgruppen för denna blogg) så räcker det att jag påpekar en intressant skillnad i regressionsplottarna mellan å ena sidan Stockholms kommuner och andra sidan landets län… Den skillnaden bör vara av intresse för ev. statsvetare samt övriga valforskare…

val2018_rostandel_per_lan

val2018_andel_utfodda_lan

val2018_regression_lan

 

val2018_andel_sth

Val2018_utlandsfodda_sth_kommuner

 

val2018_lan_vinnare

val2018_regression_Sth_kommun

val2018_kommun_vinnare

[Addendum]

Efter att ha funderat ett tag på hur det kan komma sig att regressionslinjerna går i motsatt riktning för Stockholms kommun och aggregationen av länen, så tror jag mig nu ha svaret: helt enkelt att en eller ett par “outliers” på kommun-nivå har ingen större effekt när man aggregerar kommunerna till en större enhet. För att verifiera detta körde jag en simulering:

val2018_regession_sim

de röda, mindre prickarna representerar kommuner i ett län, de större oranga länen i landet. Den röd-oranga stora pricken är medelvärdet för kommunerna i de små prickarna, och därmed ett av värdena på länsnivå, dvs den “ingår” i mängden oranga prickar i den nedre delen av grafen, som en “outlier”.

Tittar man då på den oranga regressionslinjen, så ser man att outliern har en viss påverkan (linjen går över de flesta prickarna pga gravitationen från outliern), men inte tillräckligt för att ändra riktning på länens regression.

About swdevperestroika

High tech industry veteran, avid hacker reluctantly transformed to mgmt consultant.
This entry was posted in Bayes, Data Analytics, Numpy, Politik, Probability, PYMC, Python, Society, Statistics, Sverige and tagged , , , , , . Bookmark the permalink.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s