Metodología

Los cinco compromisos

Este proyecto publica intervalos, no titulares. Todo dato de la web es trazable a su fuente y clicable; el error del backtest se publica sin maquillaje; ninguna predicción viaja como cifra puntual; las sumas provinciales cuadran con la predicción estatal; y cada encuesta que no pasa validación queda documentada en un log público.

El diseño de esta web replica esos compromisos: si un número está mal, tiene que verse mal.

Fuentes

Tres familias de fuente. El CIS aporta microdatos preelectorales abiertos (35 estudios en el catálogo). El Ministerio del Interior aporta el escrutinio provincial de las 16 generales desde 1977. Los encuestadores privados aportan estimaciones transcritas desde su ficha técnica publicada (32 encuestas).

Ninguna encuesta entra sin URL de ficha técnica verificable. La que no la tiene, no se inventa: entra al log de exclusiones con su motivo.

Normalización

La base de todo es el % sobre voto válido: la base con la que se reparten escaños. El voto directo del CIS se publica sobre censo y se reescala a válido; las estimaciones privadas ya vienen sobre válido. Mezclar ambas sin normalizar compararía cosas distintas, así que la web lo advierte en la tabla de encuestas.

El espacio de la izquierda estatal cambia de marca (IU → Podemos → Sumar) y se modela como una sola familia para no generar partidos fantasma. Los identificadores de partido del Interior se canonicalizan con un diccionario propio (fusiones, refundaciones, siglas autonómicas como PSC o PSE).

Modelo

Una serie mensual ponderada por partido (peso de recencia con vida media de 45 días, tamaño muestral y calidad histórica de cada encuestador) alimenta el forecast estatal. Sobre ella se prueban dos métodos: TimesFM (zero-shot, checkpoint google/timesfm-2.5-200m-pytorch, CPU) y un baseline ingenuo (la última media ponderada). Después, una desagregación provincial por swing apoya la predicción en los resultados de 23J, y el reparto de escaños se simula con D'Hondt sobre 10 000 ejecuciones.

La salida es un JSON por provincia con media e intervalo. La web no calcula nada: solo lee el resultado del pipeline.

Validación (backtest)

El modelo se prueba contra cinco elecciones ya celebradas sin fuga de datos: se entrena con observaciones anteriores a cada votación. La métrica es el error absoluto medio (MAE) sobre % de voto válido.

Estos son los números por partido. Ser mejor «de media» no significa serlo en todos: TimesFM gana en PP y Sumar, pero pierde donde importa —los partidos grandes—.

Por elección (MAE medio de los 13 partidos modelados, recalculado de los errores publicados). La cobertura del universo crece con el tiempo y explica parte del error:

Correcciones de sesgo

Antes de entrar en la serie, cada observación se corrige con un efecto de casa estimado empíricamente: el error firmado medio (encuesta − real) por casa y partido, encogido con un factor de Bayes (k = 5) para no sobrecorregir con muestras pequeñas. La corrección se resta.

En el CIS, el sesgo direccional vive más en la respuesta directa que en su modelo publicado: sobre el mismo conjunto de cinco elecciones, el microdato reescalado tiene un MAE de 1,79 pp (sesgo medio -0,29 pp) y la estimación publicada del CIS, 1,09 pp (sesgo -0,25 pp). El modelo del CIS reduce el error absoluto en 0,71 pp.

Correcciones EB aplicadas a la serie del CIS (microdato sobre censo). El signo negativo significa que el CIS infravaloraba a ese partido y la corrección suma:

Errores conocidos y límites

El modelo no conoce el futuro y no lo finge. Los límites, sin adorno:

• TimesFM no aporta aquí: empata con el baseline (-0,040 pp). Se publica igualmente como contraste.
• Los intervalos son empíricos (errores del backtest), no calibrados como probabilidad de resultado; el σ por partido se estima con n = 2–5 elecciones → ruidoso.
• Swing proporcional uniforme: no captura terremotos locales ni elasticidades provinciales distintas. Los intervalos de partidos pequeños (CUP, CC, PACMA) son anchos a propósito.
• El backtest mide a 1 mes vista; las encuestas del propio mes de la elección quedan fuera por simetría entre métodos.
• El universo modelado son 13 partidos que cubren el 97,96 % del voto válido de 23J; el residual no reparte escaños.
• La serie CIS tiene huecos históricos (1989–1996, 1996–2015) por descargas en curso; no afecta al forecast de 2026, que vive de los datos 2023–2026.

Cuando no hay datos suficientes lo decimos con esas palabras; no escribimos «próximamente».

Log de exclusiones

Una encuesta que no pasa validación no desaparece: se documenta con su motivo. El log se renderiza como una tabla corriente, sin maquillaje, porque es documentación y no marketing.

Licencia y reutilización

El código se publica bajo licencia MIT. Los datos pertenecen a sus fuentes —CIS, Ministerio del Interior y encuestadores— y este proyecto los procesa y enlaza citando siempre el origen. La reutilización es bienvenida con atribución a las fuentes originales y a la metodología aquí descrita.

Volver a la portada