Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen: La literatura sobre el sistema poltico electoral en Mxico a menudo se interesa en evaluar el efecto de una reforma electoral, o bien de alguna otra variable contextual,
sobre la correlacin de fuerzas en la Cmara de Diputados. Desde un punto de vista emprico, estimar estadsticamente este tipo de efectos es una tarea difcil que requiere cierta
experiencia en programacin. Esta nota pretende contribuir al estudio del sistema electoral y del Congreso de dos maneras. Por una parte, presentamos un mtodo estadstico para
analizar la composicin de la Cmara de Diputados en Mxico. Por otra, facilitamos su
implementacin con el software camaradip, un mdulo para Stata desarrollado por los autores, que permite estimar cantidades de inters relacionadas con la Cmara de Diputados
a partir de simulaciones de Monte Carlo. Para mostrar la aplicacin de nuestro mtodo
evaluamos la repercusin hipottica de dos reformas electorales en la composicin de la
Cmara: por un lado, homologar el calendario de las elecciones locales y federales en todo
el pas y, por otro, disminuir el nmero de diputados plurinominales.
Palabras clave: Cmara de Diputados, reforma electoral, simulaciones de Monte Carlo.
nmero 2
ii semestre de 2010
PP. 351-379
Poltica y gobierno
351
model with the software camaradip, a Stata module developed by the authors that allows
for the estimation of quantities of interest regarding the Chamber via Monte Carlo simulations. To illustrate the applicability of our model, we evaluate the hypotethical impact
of two electoral reforms: the effect of making all local and federal elections concurrent,
and the reduction of the number of proportional representation seats.
Keywords: Chamber of Deputies, electoral reform, Monte Carlo simulations.
Introduccin
352
volumen xVII
nmero 2
ii semestre de 2010
Por otro lado, mostramos la implementacin de nuestro mtodo en el software camaradip, un mdulo de Stata (StataCorp, 2009) desarrollado por los
autores para estimar cantidades de inters relacionadas con la composicin
de la Cmara de Diputados a partir de simulaciones de Monte Carlo. Creemos que camaradip tiene varias caractersticas deseables para los investigadores del Congreso mexicano, como las siguientes:
Est implementado en Stata, un paquete estadstico utilizado comnmente por los cientficos sociales.
Es fcil de usar, pues est basado en unos cuantos comandos sencillos
que requieren pocos pasos.
No requiere aprender nuevos mtodos ni modelos estadsticos distintos
a los que se usan normalmente en la ciencia poltica contempornea.
Est basado en mtodos de simulacin estadstica, una herramienta lo
suficientemente flexible como para extraer cantidades de inters relacionadas tanto con los resultados electorales como con la composicin
de la la Cmara de Diputados en Mxico (por ejemplo, el efecto de los
gastos de campaa, mtodos de seleccin de candidatos, cuotas de gnero, etctera).
El mdulo permite al investigador simular el efecto de un amplio abanico de reglas de asignacin de curules (por ejemplo, procesos de redistritacin, cambios en el nmero de curules uninominales y plurinominales, modificaciones en las clusulas de sobrerrepresentacin o bien en
los umbrales de representacin, etctera).
El paquete funciona en Stata versin 10.0 o superior, y est disponible en: http://www.buen
diaylaredo.com/investigacion y http://investigadores.cide.edu/aparicio/camaradip.
volumen xVII
nmero 2
ii semestre de 2010
Poltica y gobierno
353
Discusin preeliminar
El objetivo principal del mtodo estadstico que aqu proponemos es extraer cantidades de inters relacionadas con la conformacin partidista de la
Cmara. Denotemos al nmero de asientos o curules que le corresponden
a cada uno de los partidos polticos con representacin en la Cmara como
y = [y1, y2, ... ,yJ]. El nmero de curules para cada partido depende fundamentalmente de dos variables: las preferencias de los votantes, las cuales se
observan de manera agregada en el resultado electoral, y las reglas electorales, entre las que destacan las reglas de asignacin de curules (figura 1). Las
preferencias de los votantes se manifiestan en los votos V = [V1, V2, ... ,VJ].
para cada uno de los J partidos ( j = 1, ... , J), que a su vez se transforman en
posiciones en la Cmara a travs de las reglas de asignacin.
FigurA 1.
Reglas
electorales
Resultado
electoral
Composicin
de la Cmara
de Diputados
Reglas
de asignacin
de curules
354
Poltica y gobierno
volumen xVII
nmero 2
ii semestre de 2010
El segundo tipo de reglas se refiere explcitamente a la asignacin de curules, es decir, aquellas reglas que determinan mecnicamente el procedimiento mediante el cual los porcentajes de votos se traducen en el reparto
de curules entre los partidos; por ejemplo, el porcentaje o umbral mnimo
de votacin para tener derecho a curules de representacin proporcional o
el tope mximo de sobrerrepresentacin en la Cmara.
Nuestro mtodo estadstico sirve para elaborar predicciones, expli
caciones o estimar contrafactuales de la Cmara de Diputados, cuando una
reforma electoral modifica los resultados electorales o el mtodo de asig
nacin de curules. Formalmente, el objetivo es describir la distribucin de
probabilidad de curules, p(y). Una manera de hacer esto es por medio
de simulaciones de Monte Carlo (Jackman, 2000a, 2000b, 2004; Martin,
2008). Es decir, en lugar de encontrar una solucin analtica para estimar el
efecto de un cambio en las reglas electorales, podemos obtener varios valores de p(y V) con la ayuda de un generador de nmeros (seudo)aleatorios, agregar dichos valores, y hacer inferencias con ellos mediante es
tadsticas descriptivas. Con este mtodo se pueden simular diferentes
composiciones hipotticas de la Cmara a partir de una serie aleatoria de
resultados electorales. Daz-Cayeros (2005) utiliza esta tcnica para analizar la composicin del Senado en Mxico bajo distintas reglas de asignacin de escaos.
El problema se torna un poco ms complicado cuando se analiza el efecto de una reforma que presumiblemente puede alterar los resultados de
una eleccin por ejemplo, al cambiar las preferencias de los votantes o al
cambiar las opciones que se le presentan, pues resulta imposible simular
valores aleatorios de p(y V) de manera directa. No obstante, el mtodo de
Monte Carlo sigue siendo una herramienta til para nuestra aplicacin. El
algoritmo que aqu se propone incluye estimar un modelo de regresin lineal para explicar los resultados electorales, V, en funcin de ciertos parmetros , de modo que podemos simular valores de la distribucin p( V)
y, a partir de esos valores, estimar la distribucin de asientos como y = h ()
(vase Jackman, 2000a, 2009, cap. 3).
En trminos generales, el modelo estadstico para la Cmara de Diputados que se propone comprende cuatro etapas que se ilustran en la primera
columna de la figura 2: 1) especificacin y simulacin de los parmetros de
La distribucin de probabilidad es el rango de valores que un parmetro o estadstico puede
tomar en una muestra aleatoria de cierta poblacin y las probabilidades asociadas con esos valores.
volumen xVII
nmero 2
ii semestre de 2010
Poltica y gobierno
355
FigurA 2 .
Modelo estadstico
Implementacin
Presentacin
de resultados
Modelo de regresin
y simulacin
de parmetros
estimadip
Coeficientes y errores
estndar
Replicaciones
hipotticas del
resultado electoral
simuladip
Distribucin de
probabilidad de votos
Replicaciones
hipotticas de la
Cmara de Diputados
asignadip
Distribucin
de probabilidad
de curules
Cantidades de inters
Estadstica descriptiva
Pruebas de hiptesis
u otras cantidades
de inters
un modelo de regresin, 2) generacin de replicaciones hipotticas del resultado electoral, as como 3) de la conformacin de la Cmara de Diputados, y 4) extraccin de cantidades de inters. Con esto el investigador puede analizar tanto la tendencia central como la dispersin de las distribuciones
de probabilidad de votos, las distribuciones del nmero de curules de cada
partido, o bien otras cantidades que se derivan de la distribucin de votos y
asientos por ejemplo, la probabilidad de que la bancada de un partido sea
pivotal en una coalicin mnima-ganadora.
En la siguiente seccin abordamos brevemente las cuatro etapas del
modelo estadstico. En la cuarta seccin exponemos intuitivamente nuestra implementacin del modelo en el paquete camaradip de Stata (vase la
segunda columna de la figura 2). En la quinta seccin presentamos dos
aplicaciones concretas del mtodo que proponemos para extraer cantidades
de inters (tercera columna de la figura 2).
356
Poltica y gobierno
volumen xVII
nmero 2
ii semestre de 2010
Modelo estadstico
Estimacin con datos electorales multipartidistas
Como mencionamos en la seccin anterior, el nmero de asientos que le
corresponden a cada partido en la Cmara depende del resultado electoral
(la manifestacin en votos de las preferencias de los votantes) y de las reglas
electorales. En esta parte abordaremos el primero de ellos.
La manera ms comn de explicar o predecir estadsticamente un resultado electoral es a travs de un modelo de regresin (Gelman y Hill,2007,
caps. 3 y 4). Normalmente, el investigador estima el porcentaje de votacin
de un partido poltico como una funcin de diversos factores explicativos a
travs de un modelo de regresin de mnimos cuadrados ordinarios (mco).
Desafortunadamente, el modelo estndar de regresin es inapropiado para
estimar los resultados electorales de un sistema multipartidista (Katz y
King,1999). Por ejemplo, los resultados de la regresin pueden indicar que
un partido podra obtener menos de cero votos, o bien que la suma de los
votos de todos los partidos podra ser menor o mayor de 100 por ciento.
Estas inconsistencias surgen porque los resultados electorales multipartidistas violan dos supuestos subyacentes del modelo estndar. En primer
lugar, el modelo de mco asume que la variable dependiente (en este caso, la
proporcin de votos de un partido) es una variable continua irrestricta, es
decir, que puede tomar cualquier valor. Naturalmente, la proporcin de
votos de un partido se encuentra necesariamente acotada entre cero y uno.
Denotemos a Vij como la proporcin de votos del partido j ( j = 1, ... , J), en
el distrito electoral i ( i = 1, ... , n). Formalmente,
Vij ; 0,1= i, j
(1)
j =1
volumen xVII
nmero 2
ii semestre de 2010
ij
=1 i
(2)
Poltica y gobierno
357
La transformacin logstica convierte las proporciones de votos en una
escala continua irrestricta como requiere el modelo mco, y tras la estimacin las recupera en su escala original (satisfaciendo [1] y [2]) con una
transformacin logstica inversa. Para fines de estimacin, asumimos que el
vector de log ratios tiene una distribucin normal multivariada con su media
en el vector y matriz de varianza , Yi : N (i , ) (Tomz et al.,2002). Luego entonces, el resultado electoral esperado en cada distrito, i , se puede
modelar como una funcin lineal de un vector de variables explicativas Xi y
los parmetros , tal que
Mi = xi1 B1 xi 2 B 2 K xi J
1 B J
1
(3)
Al igual que en cualquier modelo de regresin, la eleccin de qu variables incluir en el vector Xi depende de nuestra pregunta de investigacin.
Si el objetivo es evaluar el efecto causal de una variable en la votacin de los
partidos (y por lo tanto en las curules que les corresponden), este vector
debe excluir aquellas variables que son en parte consecuencia de nuestra
variable explicativa clave (Rosenbaum, 1984; King et al., 1994). En cambio,
si el objetivo es hacer pronsticos del resultado electoral (para luego evaluar
el efecto de una regla de asignacin de curules), la seleccin de las variables
Katz y King(1999) argumentan que la distribucin normal multivariada no se ajusta correctamente a los datos electorales multipartidistas, y que en su lugar debera emplearse la distribucin t. Sin embargo, los experimentos de Tomz etal.(2002) muestran que ambas distribuciones
arrojan resultados muy parecidos, en particular cuando las cantidades de inters son votos o curules en la legislatura. Como los autores afirman, al adoptar la distribucin normal se pierde poco
de inters sustantivo pero se gana mucho en trminos de facilidad (p. 71). Su investigacin
tambin cita los hallazgos de Breusch etal.(1997), quienes sostienen que aunque los dos modelos son diferentes matemticamente, para fines de inferencia estadstica son indistinguibles
(p. 269).
358
Poltica y gobierno
volumen xVII
nmero 2
ii semestre de 2010
nmero 2
ii semestre de 2010
Poltica y gobierno
359
y = h ()
El xito en la empresa depende de la naturaleza de la cantidad de inters: algunas pueden calcularse fcilmente con mtodos analticos tradicionales (e.g., Gelman y King, 1994, p. 532); otras requieren mtodos ms dif
ciles, como aproximaciones por series de Taylor (Katz y King, 1999, p. 25),
y algunas son imposibles de obtener con cualquiera de los mtodos anteriores. Dada la complejidad de las reglas de asignacin, la distribucin del
nmero de curules de un partido en la Cmara de Diputados puede ser
difcil o imposible de obtener de manera analtica. Por eso proponermos
calcularla empricamente con la ayuda de simulaciones. Como King et al.
(2000) afirman:
Existe una alternativa basada en simulacin para casi cualquier mtodo analtico empleado para calcular cantidades de inters y para realizar pruebas estadsticas, pero no al revs. As pues, la simulacin estadstica puede ofrecer respuestas precisas incluso cuando no existen soluciones analticas (p. 53).
360
Poltica y gobierno
volumen xVII
nmero 2
ii semestre de 2010
(4)
Q
Q N Q, var