🗳️ Calentando el horno, las consultas

Las encuestas y los resultados de las consultas de marzo de 2022

Autor/a

Afiliación

Recetas Electorales

Análisis independiente

“Prejudice is a great time saver. You can form opinions without having to get the facts.”
– E. B. White

Aciertos y desaciertos

Las encuestas tuvieron una buena jornada ayer. Invamer, CNCSocial, Cifras y Conceptos, Guarumo y AtlasIntel capturaron juntas el orden de todas consultas. Los mayores aciertos fueron el Pacto Histórico y los mayores desaciertos fueron sobreestimar al ganador de la Coalición Centro Esperanza y subestimar a ganador de la Coalición Equipo por Colombia.

Veamos cada una de las consultas por separado.

---

🟨 Pacto Histórico

Todas las encuestas acertaron en precisión de proporción de votos y orden de los candidatos. Dado que era la consulta con las más amplias diferencias entre los candidatos, era de esperarse que una muestra bien tomada, incluso pequeña, detectara esas diferencias.

# Paquetes ####
library(tidyverse)
library(plotly)

consultas_pacto <- readr::read_delim("https://raw.githubusercontent.com/nelsonamayad/Elecciones-presidenciales-2022/main/Encuestas%202022/consultas.csv", delim = "," , locale = locale(encoding = "UTF-8")) %>%
  # Adjust date
  dplyr::mutate(fecha = lubridate::as_date(fecha)) %>%
  # Resultados consultas
  dplyr::bind_rows(consultas_resultados) %>%
  dplyr::mutate(candidato = ifelse(stringr::str_detect(candidato,"alosa"),"Enrique Penalosa",candidato)) %>%
  # Filtrar consulta
  dplyr::filter(consulta %in% c("Pacto Historico","Resultado")) %>% 
  # Margenes de error
  dplyr::mutate(int_voto_max = int_voto+margen_error,
                int_voto_min = int_voto-margen_error) %>%
  # Plot
  ggplot2::ggplot(ggplot2::aes(x=candidato %>% reorder(dplyr::desc(votos)),y=int_voto))+
  ggplot2::geom_point(ggplot2::aes(shape=encuestadora,color=encuestadora,
                 text = paste('Candidato: ', candidato,
                              '<br>Intencion de voto/% votacion:', paste(int_voto,"%"),
                              '<br>Votos:', prettyNum(votos, big.mark = " "),
                              '<br>Encuestadora/Resultado:',encuestadora)),size=5,show.legend = FALSE)+
  ggplot2::coord_flip()+
  ggplot2::theme(legend.position = "bottom",
        legend.title = ggplot2::element_blank(),
        legend.key=ggplot2::element_blank(),
        panel.background = ggplot2::element_rect(fill="white",color="white"),
        strip.background = ggplot2::element_rect(fill="white",color="white"))+
  ggplot2::labs(x="",y="\n% votos")+
  ggplot2::scale_shape_manual(values=c(4,5,16,17,10))+ #
  ggplot2::scale_color_manual(values=c("gold2","gold2","gold2","gold2","#ff4800")) 
  
# ggplotly ####
plotly::ggplotly(consultas_pacto, tooltip = "text")

1

Leemos las consultas desde GitHub, ajustamos la fecha, agregamos los resultados reales, filtramos la consulta del Pacto Histórico y calculamos márgenes de error.

2

Construimos el gráfico de puntos (candidato ordenado por votos vs intención de voto), con forma/color por encuestadora.

3

Convertimos el gráfico a interactivo con ggplotly.

Consulta Pacto Historico

🟩 Centro Esperanza

Las encuestas sobrestimaron a Sergio Fajardo y a Alejandro Gaviria, y subestimaron a Carlos Amaya. Acertaron en la votación de Juan Manuel Galan y Jorge Enrique Robledo.

# Paquetes ####
library(tidyverse)
library(plotly)

consultas_centro <- readr::read_delim("https://raw.githubusercontent.com/nelsonamayad/Elecciones-presidenciales-2022/main/Encuestas%202022/consultas.csv", delim = "," , locale = locale(encoding = "UTF-8")) %>%
  # Adjust date
  dplyr::mutate(fecha = lubridate::as_date(fecha)) %>%
  # Resultados consultas
  dplyr::bind_rows(consultas_resultados) %>%
  dplyr::mutate(candidato = ifelse(stringr::str_detect(candidato,"alosa"),"Enrique Penalosa",candidato)) %>%
  # Filtrar consulta
  dplyr::filter(consulta %in% c("Centro Esperanza","Resultado")) %>% 
  # Margenes de error
  dplyr::mutate(int_voto_max = int_voto+margen_error,
                int_voto_min = int_voto-margen_error) %>%
  #Order 
  dplyr::mutate(candidato = factor(candidato,levels=c("Jorge Enrique Robledo","Alejandro Gaviria","Carlos Amaya","Juan Manuel Galan","Sergio Fajardo"))) %>%
  # Plot
  ggplot2::ggplot(ggplot2::aes(x=candidato,y=int_voto))+
  ggplot2::geom_point(ggplot2::aes(shape=encuestadora,color=encuestadora,
                 text = paste('Candidato: ', candidato,
                              '<br>Intencion de voto/% votacion:', paste(int_voto,"%"),
                              '<br>Votos:', prettyNum(votos, big.mark = " "),
                              '<br>Encuestadora/Resultado:',encuestadora)),size=5,show.legend = FALSE)+
  ggplot2::coord_flip()+
  ggplot2::theme(legend.position = "bottom",
        legend.title = ggplot2::element_blank(),
        legend.key=ggplot2::element_blank(),
        panel.background = ggplot2::element_rect(fill="white",color="white"),
        strip.background = ggplot2::element_rect(fill="white",color="white"))+
  ggplot2::labs(x="",y="\n% votos")+
  ggplot2::scale_shape_manual(values=c(4,5,16,17,10))+ #
  ggplot2::scale_color_manual(values=c("forestgreen","forestgreen","forestgreen","forestgreen","#ff4800")) 
  
# ggplotly ####
plotly::ggplotly(consultas_centro, tooltip = "text")

1

Leemos las consultas, ajustamos la fecha, agregamos los resultados reales y filtramos la consulta del Centro Esperanza.

2

Ordenamos los candidatos en un factor con el orden deseado.

3

Construimos el gráfico de puntos y lo convertimos a interactivo con ggplotly.

Consulta Centro Esperanza

🟦 Equipo por Colombia

Las encuestas estuvieron muy lejos de detectar el resultado de esta consulta. Antes del 13 de marzo, 3 candidatos estaban disputándose el primer lugar, pero Federico Gutierrez superó por un amplio márgen a Alex Char y a David Barguil.

# Paquetes ####
library(tidyverse)
library(plotly)

consultas_equipo <- readr::read_delim("https://raw.githubusercontent.com/nelsonamayad/Elecciones-presidenciales-2022/main/Encuestas%202022/consultas.csv", delim = "," , locale = locale(encoding = "UTF-8")) %>%
  # Adjust date
  dplyr::mutate(fecha = lubridate::as_date(fecha)) %>%
  # Resultados consultas
  dplyr::bind_rows(consultas_resultados) %>%
  dplyr::mutate(candidato = ifelse(stringr::str_detect(candidato,"alosa"),"Enrique Penalosa",candidato)) %>%
  # Filtrar consulta
  dplyr::filter(consulta %in% c("Equipo por Colombia","Resultado")) %>% 
  # Margenes de error
  dplyr::mutate(int_voto_max = int_voto+margen_error,
                int_voto_min = int_voto-margen_error) %>%
  #Order 
  dplyr::mutate(candidato = factor(candidato,levels=c("Enrique Penalosa","Aydee Lizarazo","David Barguil","Alex Char","Federico Gutierrez"))) %>%
  # Plot
  ggplot2::ggplot(ggplot2::aes(x=candidato,y=int_voto))+
  ggplot2::geom_point(ggplot2::aes(shape=encuestadora,color=encuestadora,
                 text = paste('Candidato: ', candidato,
                              '<br>Intencion de voto/% votacion:', paste(int_voto,"%"),
                              '<br>Votos:', prettyNum(votos, big.mark = " "),
                              '<br>Encuestadora/Resultado:',encuestadora)),size=5,show.legend = FALSE)+
  ggplot2::coord_flip()+
  ggplot2::theme(legend.position = "bottom",
        legend.title = ggplot2::element_blank(),
        legend.key=ggplot2::element_blank(),
        panel.background = ggplot2::element_rect(fill="white",color="white"),
        strip.background = ggplot2::element_rect(fill="white",color="white"))+
  ggplot2::labs(x="",y="\n% votos")+
  ggplot2::scale_shape_manual(values=c(4,5,21,16,17,10))+ #
  ggplot2::scale_color_manual(values=c("#2578B6","#2578B6","#2578B6","#2578B6","#2578B6","#ff4800")) 
  
# ggplotly ####
plotly::ggplotly(consultas_equipo, tooltip = "text")

1

Leemos las consultas, ajustamos la fecha, agregamos los resultados reales y filtramos la consulta de Equipo por Colombia.

2

Ordenamos los candidatos en un factor con el orden deseado.

3

Construimos el gráfico de puntos y lo convertimos a interactivo con ggplotly.

Consulta Equipo por Colombia