Latent partilandskap

Kort fortalt

Modellen plasserer partier i et statistisk rom ut fra hvordan de faktisk har stemt i registrerte voteringer. Partier som ofte stemmer likt, vil normalt ligge nær hverandre. Partier som ofte stemmer ulikt, vil normalt ligge lenger fra hverandre.

Resultatet er en beskrivelse av observerte voteringsmønstre. Det er ikke en fasit på partiets ideologi, partiprogram, velgernes holdninger eller hva som er til befolkningens beste.

Hvorfor heter det «latent partilandskap»?

Partilandskap beskriver kartet av partier og deres relative avstand i voteringsdataene. Det er et landskap fordi flere partier kan ligge nær hverandre, danne mønstre eller skille seg fra hverandre.

Latent betyr at modellen forsøker å anslå en underliggende struktur som ikke står direkte i én enkelt kolonne i datagrunnlaget. Vi observerer stemmene, men ikke en ferdig «posisjon» for hvert parti. Posisjonen beregnes derfor statistisk fra mange voteringer.

Ordet latent er en påminnelse om at dette er et estimat. Det betyr ikke at modellen har avdekket en skjult, endelig sannhet om partiene.

Slik bygges analysen opp

1. Voteringene samles inn. Datagrunnlaget bygges fra importerte og dokumenterte kilder. Hver observasjon skal kunne spores til en konkret votering og et tidspunkt.
2. Partiet er analyseenheten. Representantstemmene brukes til å beregne partiets flertallsstandpunkt og partisamhold. Et stort parti får ikke automatisk større innflytelse bare fordi det har flere mandater.
3. Fravær holdes adskilt. Fravær, ukjent stemme og manglende registrering behandles ikke som motstemme. Voteringer med for lite informasjon kan utelates fra modellberegningen.
4. Voteringene får ulik informasjonsvekt. Voteringer som skiller partiene tydelig, bidrar mer enn enstemmige eller prosedyrepregede voteringer. Sammensatte og metodisk usikre voteringer kan nedvektes eller ekskluderes.
5. Modellen estimerer posisjoner. I én dimensjon beregnes én koordinat per parti og periode. I en eventuell todimensjonal modell beregnes to koordinater. Dimensjonene har nøytrale navn fordi politisk innhold må valideres særskilt.
6. Resultatet kontrolleres. Estimatene sammenholdes med direkte partilikhet, datadekning, partisamhold og modellens kvalitetsdiagnostikk.

Hva viser en valgt profil?

En profil er en forhåndsdefinert oppskrift for en modellkjøring. Den bestemmer blant annet hvilken modellfamilie som brukes, hvor mange dimensjoner som estimeres, om perioder kobles dynamisk, hvilke datakrav som gjelder og hvilke ressursgrenser som brukes.

Usikkerhet og journalistisk bruk

Et punkt på en graf er et estimat, ikke en eksakt måling. Intervaller rundt punktet viser modellens usikkerhet når slike intervaller finnes. Brede intervaller betyr at datagrunnlaget gir svakere grunnlag for å skille partiene.

En robust journalistisk formulering er: «I dette voteringsutvalget ligger partiet nærmere X enn Y, med denne modellens usikkerhet.» Unngå formuleringer som «modellen beviser at partiet har blitt mer høyreorientert» uten separat politisk validering.

Klikk videre til konkrete voteringer når du undersøker et utslag. En grafisk endring kan skyldes sakssammensetning, regjeringsstatus, taktiske stemmer, endret datadekning eller en ny konfliktlinje.

Kvalitetsstatus og diagnostikk

Forskningslaboratoriet viser et offentlig kvalitetssammendrag med antall partier, voteringer, parti-voteringer, dekning og om en versjonert kvalitetsport er registrert. Statusen «Godkjent med advarsler» betyr at resultatet kan brukes som et undersøkelsesgrunnlag, men at advarslene må tas med i tolkningen.

Mer tekniske mål som R-hat, effektivt utvalg (ESS), divergenser, treedepth, BFMI og posterior predictive checks er interne diagnostikkmål. De sier noe om hvorvidt den statistiske beregningen ser ut til å ha konvergert og om modellen gjengir viktige trekk ved dataene. De skal ikke blandes sammen med selve partienes estimerte posisjoner.

Et offentlig kvalitetssammendrag er derfor ikke en garanti for at modellen er «sann». Det er en kontroll på datadekning og dokumentert kvalitet. Ved journalistisk bruk bør du oppgi modellversjon, periode, antall voteringer, eventuelle advarsler og sammenholde resultatet med konkrete voteringer.

Sammenligning og eksport

Du kan sammenligne to modellkjøringer når de bruker samme modellfamilie, versjon, dimensjon, inputprofil og identifikasjonsstrategi. Sammenligningen bruker felles parti-perioder. Rangkorrelasjon viser om partienes relative rekkefølge ligner, mens RMSE oppsummerer gjennomsnittlig koordinatforskjell på den samme skalaen.

Kjøringer med ulike skalaer eller identifikasjon blir stoppet med en forklaring i stedet for å få et tall som ser presist ut, men ikke kan tolkes. JSON- og CSV-eksporten inneholder modellmetadata, kvalitetssammendrag og partiestimater slik at analysen kan ettergås.

Publisering av modellresultater

En fullført modellkjøring blir ikke automatisk offentlig. En publisher må først kontrollere kvalitetssammendraget og deretter publisere resultatet. Publisering, avpublisering og arkivering er separate handlinger og registreres i revisjonssporet.

Avpublisering skjuler resultatet fra den offentlige visningen, men sletter ikke kjøringen. Arkivering er en permanent produktstatus for visning og skal ikke brukes som sletting av historikk.

Slik leser du 1D-grafen

Hvert punkt er ett parti i én valgt periode. Punktets plassering viser partiets estimerte koordinat på Dimensjon 1. I grafen kan du velge en venstre- og en høyreferanse; visningen reskalerer da referansene til −1 og +1 uten å kjøre modellen på nytt. Dette orienterer aksen for lesbarhet, men gjør den ikke til et direkte ideologimål.

Den tynne streken rundt punktet er et usikkerhetsintervall når modellen har beregnet et slikt intervall. Når intervallene overlapper mye, bør du være forsiktig med å omtale forskjellen mellom partiene som tydelig.

Ved sammenligning over tid må du bruke samme dynamiske modellkjøring og samme identifikasjon. Store hopp kan også skyldes få voteringer, endret datadekning eller at sakene som ble votert over var annerledes. Tabellen under grafen er et tilgjengelig og etterprøvbart alternativ til figuren.

Slik leser du 2D-grafen

I en todimensjonal modell får hvert parti ett punkt med en koordinat på Dimensjon 1 og Dimensjon 2. Punkter som ligger nær hverandre har lignende observerte voteringsmønstre i det estimerte rommet, men avstanden er fortsatt modellbasert og ikke en direkte politisk måling.

De tynne strekene gjennom punktet er separate intervaller for hver dimensjon. De er ikke en ellipse. En ellipse krever at modellen lagrer kovarians, altså informasjon om hvordan usikkerheten i de to dimensjonene henger sammen. Når kovarians mangler, skal vi ikke konstruere en slik ellipse.

Dimensjonene har nøytrale navn fordi politisk betydning må dokumenteres gjennom egne valideringer. Se derfor på temaer, konkrete voteringer, partilikhet og datadekning før Dimensjon 2 gis en politisk tolkning.

Slik leser du tidsforløpet

Tidsforløpet viser samme parti i flere modellerte stortingsperioder. Du kan velge parti og dimensjon. Punktet viser periodens estimat, intervallet viser usikkerhet, og en linje kobler bare perioder som faktisk har et estimat.

Et hull betyr at modellen ikke har et gyldig estimat for perioden. Det skal ikke fylles inn med en rett linje eller tolkes som at partiet sto stille. For statiske modeller vises periodene som separate resultater, ikke som en modellert utviklingsbane.

En endring kan skyldes endret sakssammensetning, regjeringsstatus, taktiske voteringer, datadekning eller reell endring i observerte stemmemønstre. Bruk tidsforløpet som utgangspunkt for videre kontroll, ikke som en alene-stående årsaksforklaring.

Voteringer som former dimensjonen

Når modellresultatet inneholder voteringsparametere, vises voteringene med sterkest positiv og negativ diskriminering. Dette er voteringer som i modellen skiller partiene tydeligere langs dimensjonen.

En driverliste er ikke en liste over «viktige politiske saker» og sier ikke alene hva et parti støttet. Les sakstittel, forslagstekst, komité, partienes observerte standpunkt og datakvalitetsflagg sammen.

Hvis et run ikke har lagret voteringsparametere, viser appen dette eksplisitt. Den lager ikke en kunstig forklaring basert på sakstitler eller nærmeste partier.