Hoe groot is het Jesse Klaver-effect?

1 Comment

Het aantreden van de nieuwe GroenLinks-voorman Jesse Klaver ging gepaard met veel positieve media-aandacht voor GroenLinks. Recente peilingen waren ook gunstig, al waren de effecten wel uiteenlopend: drie zetels winst bij De Hond en De Politieke Barometer en zelfs vijf omhoog bij EenVandaag. Daar zit dus nog wel enig verschil tussen.

De frequente lezer van dit blog zal wellicht denken: dan raadpleeg ik toch de Peilingwijzer, die alle peilingen middelt? “Chapeau”, zeg ik u, maar helaas is de Peilingwijzer daar niet helemaal voor geschikt. Dat leg ik hier uit – en ik laat zien hoe we dan toch, met de Peilingwijzer, een schatting van het electorale Klaver-effect kunnen maken.

 

Uitschieters

De Peilingwijzer combineert alle peilingen door rekening te houden met hun foutmarges (toevallige uitschieters door steekproeftrekking) en (structurele) huiseffecten. Maar hoe weet je nu of een peiling een uitschieter is of niet? Dat doe je door rekening te houden met het verleden. Aan het begin van 2013 stond 50PLUS bijvoorbeeld op winst (rond de 18 zetels), maar een peiling van TNS NIPO had ze plotsklaps op 24 staan (een winst van 17 t.o.v. de eerste TNS NIPO peiling). Aangezien geen enkele peiling daarvoor of daarna de partij zo hoog inschatte, was dit waarschijnlijk een uitschieter.

De Peilingwijzer gaat er vanuit dat steun voor een partij elke dag maar een beetje verandert: soms wat meer, soms wat minder, maar sterke veranderingen zijn onwaarschijnlijk. Dit wordt ook wel een ‘random walk model’ genoemd. Dat werkt vaak goed, maar als er echt een grote gebeurtenis is, maakt dat de Peilingwijzer ook wat conservatief. Dus toen De Hond drie zetels winst liet zien voor GroenLinks, veranderde de Peilingwijzer nauwelijks voor deze partij. “Waarschijnlijk een uitschieter”,  dacht het model – als het zou kunnen denken.

Sommige politieke gebeurtenissen, schudden de publieke opinie echter zo stevig op dat de steun voor een partij gisteren geen goed richtsnoer meer is. Na de presentatie van het regeerakkoord kelderde de VVD bijvoorbeeld zo’n 8% (12 zetels) op heel korte termijn.

Het goede nieuws is, dat de Peilingwijzer dit na verloop van tijd ook zal oppikken, als maar genoeg peilingen zo’n sterke daling laten zien. Het slechte nieuws is dat dit even duurt (één peiling is waarschijnlijk een uitschieter) en dat het lastig is om met de Peilingwijzer de timing precies te bepalen. Want de Peilingwijzer weet niet wanneer de ‘grote gebeurtenis’ precies was en acht het waarschijnlijker dat de daling over een iets langere periode heeft plaatsgevonden.

 

GL_PW_normaal

 

Het Klaver-effect

Terug naar GroenLinks. Als we alle recente peilingen meenemen, schat de Peilingwijzer de partij nu in op 6,6%, een duidelijke (en signifcante) stijging sinds eind april. Maar de timing is vreemd: GroenLinks begint eind april al te stijgen in de Peilingwijzer, terwijl geen enkele peiling dat toen aangaf. Dat komt vanwege de ‘random walk’ aanname: de Peilingwijzer smeert de toename in steun voor GroenLinks als het ware uit over een langere periode, ook voor 12 mei. Dat komt omdat het model niet verteld wordt dat er op 12 mei iets bijzonders is gebeurd, namelijk een leiderschapswisseling.

Wat gebeurt er als we grote gebeurtenissen wel meenemen in het model? We vertellen de Peilingwijzer: normaal gesproken volgt de steun voor een partij een random walk, maar er zijn een aantal bijzondere gebeurtenissen waarop de kiezerssteun (veel) sneller kan toe- of afnemen. In feite komt het er op neer dat we de Peilingwijzer vertellen: na zo’n grote gebeurtenis kan er van alles gebeuren, all bets are off.

Als je dat doet, zien we een sterke toename van de kiezerssteun na het aantreden van Klaver. De steun nam toe met iets meer dan 2%, of ruim drie Kamerzetels. GroenLinks staat volgens dit model nu op 7,2%, dus iets hoger dan volgens de normale Peilingwijzer. Let wel, de exacte timing kunnen we op deze manier niet zeker weten: als we het model hadden verteld dat Klaver een dag later was aangetreden, dan was de ‘schok’ daar te zien geweest.

 

GL_schokcorrectie 

Meerdere schokken

Door expliciet mee te wegen dat er een belangrijke gebeurtenis heeft plaatsgevonden, geeft de Peilingwijzer een betere inschatting van de impact daarvan. Dat betekent niet dat het model automatisch aanneemt dat zo’n gebeurtenis grote invloed heeft op het stemgedrag. In onderstaande figuur zijn meerdere belangrijke gebeurtenissen meegewogen: het aftreden van Sap, verkiezingen voor gemeenteraad, Europees Parlement en Provinciale Staten, en de afsplitsing/aftreden van verschillende Kamerleden (Krol, Kuzu/Ozütürk en en Bontes).

In de figuur is te zien dat de meeste van deze geen grote invloed hebben op de peilingen voor GroenLinks. Sterker nog, alleen rondom het aantreden van Klaver zien we een significant verschil in steun voor en na de bijzondere gebeurtenis. In de andere gevallen viel de verandering in partijsteun (op korte termijn) binnen de foutmarge.

Op de hier beschreven manier kun je met de Peilingwijzer een idee krijgen van het effect van specifieke gebeurtenissen. Het instrument blijft het best geschikt om trends in kaart te brengen, niet de invloed (op korte termijn) van specifieke gebeurtenissen, maar op deze manier kun je er rekening mee houden dat sommige gebeurtenissen de normale gang van zaken stevig verstoren.

 

GL_schok_lang

 

Technische noot: de reguliere Peilingwijzer gaat uit van een random walk, waarbij het percentage voor een partij vandaag wordt getrokken uit een normaalverdeling met het percentage van gisteren als gemiddelde en een precisie (inverse van de varantie) van tau (die parameter wordt in het model geschat). Voor het ‘schokgevoelige’ model specificeer ik dat voor die dag de precisie gelijk is aan tau * schok, waarbij schok een voor die dag specifieke parameter is, getrokken uit een uniforme verdeling tussen de 0.0001 en 1. In de praktijk betekent dit dat we veronderstellen dat op een dag met een bijzondere gebeurtenis de veranderlijkheid minimaal hetzelfde en maximaal 100 keer zo groot is als op een normale dag (als we kijken naar de standaardafwijking van de random walk). Voor het ‘Klaver-effect’ wordt dit geschat op zo’n 20 keer.

About the author

Tom Louwerse
Tom Louwerse is universitair docent politicologie aan de Universiteit Leiden. Zijn onderzoek richt zich op politieke representatie, parlementair gedrag, verkiezingen, peilingen en stemhulpen.

Related Articles

1 Comment

  1. EMB Peilingwijzer: GroenLinks en PvdA nu even groot

    […] conclusie ligt voor de hand dat GroenLinks (+3 sinds de vorige Peilingwijzer) profiteert van de populariteit van de nieuwe leider Jesse Klaver en dat die winst leidt tot een leegloop bij de PvdA (-3). Maar […]

Leave a Reply

Your email address will not be published. Required fields are marked (required)