La elección de Trump: el tiro de gracia a la ciencia política

En primer lugar, deseo disculparme. En realidad voy a argumentar exactamente lo opuesto a lo que afirma el título,  que no es más que un descarado ardid publicitario para tener tu atención.

Es que estos días, parece ser que declarar la muerte a esta disciplina es tremendamente popular...
La más reciente autopsia se debe precisamente a lo desatinado de las predicciones (en algunos casos de 99%) de triunfo de Hillary Clinton en las pasadas elecciones presidenciales de Estados Unidos.  Aquí, aquí y aquí están algunos argumentos sobre cómo es que este error es motivo para enderezar el rumbo de la ciencia política.
Ciertamente, hay muchos motivos para discutir sobre estas predicciones y por qué se equivocaron tanto. Pero la premisa de estos argumentos es que la "ciencia política" predijo el triunfo de Clinton, y se equivocó. Si esto es cierto, el llamado a rectificar el rumbo tendría cierta base. Pero no lo es. Por un lado, esas predicciones fueron originadas por disciplinas distintas a la ciencia política. Por el otro, aquellos politólogos que aplicaron teorías y herramientas de la ciencia política de hecho no erraron el tino en tal grado (esto es más o menos el argumento que desarrollaré ahora, así que si tienes otro blog que leer, como uno que sí mate a la ciencia política, ahora es buen momento para ir por ello).

¿Dónde quedaron lxs politólogxs?
A pesar de mis esfuerzos, en los artículos mencionados puedo ubicar la parte en la que se señalan los errores de predicción que "la ciencia política" cometió de manera colectiva, pero me fue imposible localizar a un sólo politólogo o politóloga en los casos individuales que se discuten. Uno de los que se equivocó se mostró más seguros del triunfo de Clinton, asignándole una probabilidad de más de 99%, y por lo tanto ahora está muy expuesto a críticas, es el señor Sam Wang, cuya profesión es la neurociencia. Veo que la neurociencia es una rama que combina muchísimas disciplinas, pero ninguna de ellas es la ciencia política. Aún más atención recibe el economista Nate Silver, quien se "equivocó menos" que el resto dándole a Clinton un 2 a 1. Recibe más atención porque se hizo de fama con predicciones muy precisas en elecciones pasadas. Nótese que, en esas elecciones, nadie dijo "Oye, qué bárbaro. !Qué bien anda la ciencia política! ¡Estupendas predicciones! Yo no le cambiaría nada". Y todas las personas que no dijeron eso, hicieron bien, porque Wang, Silver y un montón de personas muy listas dedicadas a modelar estimaciones del resultado no son politólogos, sino que pertenecen a una industria muy particular, que es la de los pronósticos. De hecho, cuando criticamos la tarea de distintas disciplinas, deberíamos distinguir al menos tres: los encuestadores, la industria del pronóstico y la ciencia política.
Silver y demás tropa no hacen encuestas. Realizan sus pronósticos a partir de las encuestas que se van publicando en diversos medios. En este sentido, hasta cierto punto es cierto que las predicciones de los y las nerds de la industria del pronóstico son tan buenas como los insumos con los que trabajan. Hasta cierto punto, porque hay predicciones y predicciones. Algunas revelan mayor confianza y certidumbre que otras. ¿No les llama la atención que decimos que se "equivocó menos" quien hizo la predicción menos precisa?

La estadística y la cuestión de la "precisión"
Cuando se habla de precisión y métodos cuantitativos, parece que existe una confusión que tiene origen en la mistificación de las matemáticas, compartida incluso por varios críticos. Los métodos cuantitativos (al menos los aquí involucrados) son métodos probabilísticos, y sólo este término debería bastar saber que dichos métodos descartan cualquier noción de precisión como certeza.
Si usted tira un dado no cargado, yo le puedo decir que existe una probabilidad de 5/6 de que caerá un número distinto de 2. Si tira el dado y resulta que cae el número 2, ¿mi modelo probabilístico es malo? ¿Lo deberíamos cambiar por otro? Claramente no. La estimación de 5/6 es lo mejor que puedo hacer, tomando en cuenta las características del dado y el componente aleatorio del lanzamiento.

"¿Eso es lo mejor? ¡Novato!"

En el caso de las encuestas preelectorales, el componente aleatorio se debe a que se entrevista a una muestra, no a la población total. Entonces, si se entrevista a una muestra (aleatoria) de 1000 personas y de ellas el 55% reporta que votará por Clinton, ese 55% podría no ser exactamente el porcentaje de votantes de Clinton para la población total. La "precisión" de la estadística es que me permite estimar la amplitud de mi incertidumbre, la cual se refleja en el margen de error y el intervalo de confianza. En el ejemplo que planteo aquí, mi pronóstico sobre el voto de Clinton es, en un intervalo de confianza de 95%, de entre el 52% y el 58%. Todos los valores de ese intervalo arrojan el triunfo de Clinton, porque dan una mayoría absoluta de los votos. Sin embargo, en intervalos de confianza más amplios, podría ser que tendría menos del 50%. Bueno, pues resulta que, con estos datos, la probabilidad de tener esos resultados es menor al 0.1%.
Esto es, de manera muy simplificada, el procedimiento seguido por la mayoría de los pronosticadores. La gran virtud del procedimiento de Silver (que está explicado de manera fantástica aquí) es que no se limita al error muestral. Además de este problema, Silver incorpora dos fuentes de error en el pronóstico: 1) los indecisos, 2) la "contaminación" entre estados vecinos. Los indecisos podrían no votar o votar o votar igual que quienes reportan preferencia. En ese caso no son problemáticos. Pero Silver se pregunta, ¿y qué tal si buena parte de los indecisos, o todos, votan por uno de los candidatos? Digamos, por Trump. En tal caso el pronóstico podría cambiar. Pero no sólo eso: ¿qué tal si el cambio producido por este escenario no es propio de un sólo estado, sino que se da en el mismo sentido en los estados vecinos? Entonces habría un mayor efecto aún.
Considerando estas posibilidades es que Silver le asignó un 66.6% a Clinton y un 33.3% a Trump. Como estamos acostumbrados a convertir el lenguaje probabilístico en categórico, las estimaciones de 99.9% y de 66.6% son transformadas por igual en la misma certeza: ganará Hillary. Sin embargo, digamos que le invitan a usted a jugar ruleta rusa por una cantidad de dinero más que alta. El cargador tiene dos balas de seis posibles. La probabilidad de no morir es de 66.6%. ¿Jugaría?
El modelo de Silver, a mi juicio, probó ser fantástico (el comportamiento de los estados donde la predicción fue errada parece ser consistente con sus supuestos). En materia de pronósticos, dadas las condiciones, me parece que estamos frente al ejemplo del dado. Sin embargo, las felicitaciones a este predictor, ni siquiera si se extendieran a todos sus colegas, no pueden extenderse a su vez a los politólogos. La razón es clara: la predicción no es nuestro negocio (¡Ah! Por cierto, yo soy politólogo).

Ciencia política y predicción
La comunidad de politólogos y politólogas es plural, hay variedad de perspectivas teóricas, se usa una pluralidad de métodos y también hay considerable variación de seriedad y talento. Bueno, pues en toda esa pluralidad es excepcional el caso de los practicantes de la ciencia política que se dedican a hacer predicciones. Podría estar equivocado, pero me da la impresión de que el público en general y el sector no cuantitativo de mis colegas tienen a su vez la impresión de que quienes recurrimos a los métodos cuantitativos hacemos pronósticos o deberíamos hacerlos.
En parte, la ciencia social deductiva (a la que adhieren muchos cuantis, pero no todos) usa un lenguaje que se presta a la confusión. Al hablar de una "hipótesis" pensamos en una predicción, pero no en una predicción de eventos específicos, sino de una relación entre variables que observaremos al analizar los datos empíricos. No es lo mismo decir "a mayor crecimiento económico un año antes de la elección, mayor votación para el partido en el gobierno" (predicción de relación entre variables) que "Hillary va a planchar, y cañón, así que agárrate" (predicción de evento específico).
Es tan desproporcionado pensar en que las ciencias sociales den esa clase "servicios", que sólo las he visto así de desarrolladas en las novelas de ciencia ficción que dan nombre a este blog. El politólogo Bruce Bueno de Mesquita promueve a la predicción de eventos concretos como la prueba definitiva de la validez de nuestras hipótesis. Ha llamado relativamente la atención porque pocos politólogos imparten su Ted Talk (aquí su argumento en versión para adultos). Sus argumentos pueden ser o no atendibles, y tal vez tenga razón desde un punto de vista metodológico. El caso es que su postura es excepcional.
Como en prácticamente cualquier otra ciencia social (una rama de la economía se dedica a hacer terriblemente malos pronósticos de crecimiento), la ciencia política busca la explicar fenómenos a partir de los mecanismos que los generan. Es, se puede decir, la condición necesaria anterior a la predicción. Si entiendes el fenómeno, puedes formarte una expectativa de lo que podría ocurrir, condicionado a cómo estén operando los mecanismos subyacentes en cada caso especifico (este condicionamiento, de hecho, es común a todas las ciencias, "duras" o "blandas").
Entonces, aunque no es la actividad principal de la ciencia política (ni de ninguna de las ciencias sociales), para juzgar las predicciones de "la ciencia política", lo primero que habría que hacer es dar con pronósticos basados en las explicaciones (es decir, teorías) generadas por la propia disciplina. Es decir, pronósticos basados en el saber generado por la ciencia política.
Sobre eso...

Los pronósticos de la ciencia política.
Para quienes estén familiarizados con los estudios electorales norteamericanos no resulta extraño hablar de los "fundamentales".  Puesto en leguaje de pronóstico, la escuela de los fundamentales dice que, si quieres hacerte una idea del resultado electoral, antes de dejarte llevar por las particularidades específicas de cada elección, debes observar:

1. El nivel de identificación partidista.
2. El estado de la economía.
3. Qué partido gobierna y por cuanto tiempo.

La gente de Vox y The Economist ha tenido la gentileza de juzgar los pronósticos de la ciencia política a partir de los pronósticos hechos a partir del conocimiento de esta disciplina. Los resultados están aquí. No comentaré sobre ellos. Sólo diré una anécdota. Con Mauricio Rivera escribimos hace unos años un artículo sobre el estado de la ciencia política que ha causado alguna polémica. Uno de nuestros críticos observó que encontraba sumamente cuestionables nuestras regresiones. Nuestros esfuerzos por revisar las regresiones y corregirlas donde haga falta tienen una enorme limitación: el articulo no contiene una sola regresión. (Lo dejo aquí: tal vez usted detecte una que yo no haya visto.)

Por supuesto, los artículos mencionados al inicio de este post son considerablemente más inteligentes que esto. Mi posición es que la reflexión habría sido más apropiada si se hubiese encaminado a los usos y limitaciones de nuestras herramientas predictivas en el debate público.
El debate sobre la precisión de los pronósticos de la ciencia política, si le ha de servir a la disciplina, debería comenzar por el trabajo de la ciencia política.

Entonces, ¿por qué la mala onda?

Esperando a que el diagnóstico sobre el paciente se haga observando al paciente adecuado, me llama la atención la prisa con la que se declara la muerte de la ciencia política, el fin de una época, la necesidad de cambio de rumbo, etc.  Adelanto comento algunos hipótesis que se me ocurren para esta ansiedad:

1. En algunos casos, se trata de un proyecto ideológico-partidista. Resulta que el Partido Republicano lleva años en ofensiva contras la ciencia política, en buena medida porque le incomodan las implicaciones políticas de sus hallazgos.
2. Una rama de la ciencia política ha pasado por un desarrollo sumamente acelerado en los últimos años, que involucra el abandono del lenguaje propio del debate público en favor de un lenguaje crecientemente técnico. En casos localizados, este desarrollo ha provocado una reacción ludita entre quienes se sienten rebasados por las nuevas habilidades exigidas por esta práctica. Otros no están de acuerdo por principio (no sé muy bien qué principio). En todo caso, este sector reactivo es minoritario. Lo normal es que la gente practique sus propios estilos de investigación de la mejor forma posible, manteniéndose al tanto de los hallazgos de sus colegas y consciente de que existen distintas formas de investigación rigurosa.
3. Más importante aún, esta segmentación se presta a mistificaciones. Por un lado, desde cierto punto de vista puede ser fácil agrupar a toda persona que analice hechos políticos con herramientas matemáticas como "politólogo". Asimismo, sin el conocimiento apropiado puede generarse la sensación de que, si se usan herramientas matemáticas, cabe esperar que se hagan cosas como lanzar un cohete a la luna. 
4. Relacionado con esto último, creo que tenemos un problema de relaciones públicas. Los pronósticos comentados antes y que yo considero propiamente politológicos no recurren a las sofisticaciones técnicas de Silver, por ejemplo. Un entrenamiento básico en estadística es suficiente para diseñar estos modelos e interpretar sus resultados. Su poder proviene del marco analítico, del conocimiento de los mecanismos que operan sobre el fenómeno. Si los críticos de la ciencia política representada por Silver no tienen presente el trabajo de la ciencia política representada por politólogxs se debe a que estos resultados carecen de la exposición mediática de los pronosticadores de otras disciplinas. Hasta que no tengamos buenos divulgadores (un Asimov de la Ciencia Política), tendremos dificultades eternamente para explicarnos y diferenciarnos con respecto a otras profesiones.