Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Danilo Legnaro
Impressioni Grafiche
INDICE
PREFAZIONE 3
INTRODUZIONE 7
1. IL CAMPIONAMENTO STATISTICO E LE SCOMMESSE
IN CAMPO ELETTORALE 9
1.1 I sondaggi 9
1.2 Tasso d’errore 9
1.3 Speranza matematica, gioco equo e scommesse elettorali 13
2. STABILITA’ DI UN SISTEMA POLITICO 22
2.1 Introduzione alla teoria dei giochi 22
2.2 Giochi cooperativi 25
2.3 Cenni sul calcolo combinatorio: le permutazioni semplici 29
2.4 Gli indici di potere e valori 29
2.5 Sistema elettorale maggioritario 37
2.6 Sistema elettorale proporzionale 43
2.7 Sistema elettorale misto 50
2.7.1 I sistemi maggioritari a membro misto in Italia 52
2.7.2 Il sistema misto tedesco 62
3. I FLUSSI ELETTORALI 64
3.1 Metodi di stima dei flussi elettorali 64
3.2 Il Modello Goodman 65
3.2.1 Regressione lineare multivariata 66
3.2.2 Caso semplice: bipartitismo (o bipolarismo) perfetto 71
3.2.3 Modello Goodman: casi reali 74
3.3 Condizioni per l’applicazione del modello 83
3.3.1 Criteri di selezione delle unità di analisi 87
3.3.2 Omogeneità dell’ambito 89
3.3.3 Metodi di correzione dei valori inaccettabili 91
3.4 Altre rappresentazioni grafiche 92
3.5 Altri metodi di analisi dei flussi 101
CONSIDERAZIONI FINALI 104
BIBLIOGRAFIA 105
2
3
PREFAZIONE
L’Autore valuta quindi il sistema maggioritario nel suo confronto con il sistema
proporzionale, mettendone in risalto la governabilità e, rispettivamente, la rappre-
sentatività’. Per il sistema misto, ci ricorda le diverse combinazioni, partendo dal
maggioritario rispettivamente dal proporzionale, con un approfondimento riguar-
dante l’Italia. L’analisi delle Elezioni Politiche del 1994 e del 2019 si sposta quindi
al sistema tedesco.
4
I tassi di fedelta’ costituiscono l’obiettivo finale dei sistemi elettorali, e sono ga-
ranti della sua stabilita’,nonché’ del premio di fedelta’ che gli elettori attribuiscono
ad un determinato partito.
In presenza di valori non accettabili per le stime dei parametri del Modello di Re-
gressione, l’algoritmo RAS fornisce una possibile soluzione, in alternativa alla
Regressione Condizionata.
5
Il Professor Danilo Legnaro conclude affermando che un modello senza errori
non esiste. Tuttavia una prospettiva di miglioramento dei punti deboli è ciò che al
momento può essere considerata la migliore alternativa.
6
INTRODUZIONE
Questo libro tratta alcuni temi legati a metodi e modelli quantitativi, per fornire al
lettore gli strumenti essenziali per capire e interpretare i dati rispetto ai fenomeni
politico-elettorale, di cui molto spesso si sente parlare o si legge sui giornali, ma
che, senza conoscenza alcuna, l’utente tende a prendere per buono o, il più delle
volte, a non capire di cosa si stia parlando.
Il testo è suddiviso in tre capitoli, che trattano altrettanti temi, che forniscono una
panoramica ampia, ma non certo esauriente, per l’analisi dei fenomeni politico-
elettorali.
Nel prima capitolo si tratta il tema del campionamento statistico e delle scom-
messe in campo elettorale. L'indagine, tramite sondaggio, è lo strumento stati-
stico mediante il quale si acquisiscono informazioni su uno o più fenomeni atti-
nenti ad una popolazione. Le scommesse, nello specifico quelle relativo all’am-
bito politico, sono fortemente connesse ai sondaggi perché è sulla base dei dati
preelettorali che le agenzie di scommesse determinano le quote.
Nel secondo capitolo, attraverso la Teoria dei Giochi e, nello specifico degli Indici
di potere, si tratta il tema della stabilità, o meno, di un sistema politico, facendo
un’analisi dei principali sistemi presenti in Italia e in Europa. Si cerca di capire se
una Legge elettorale garantisce la stabilità di governo, l’analizzeremo in senso
critico e cerchiamo di capire, attraverso i punti di forza e/o di debolezza, se quella
Legge va bene, è migliorabile o, in casi estremi da abrogare e riscrivere total-
mente.
Infine, nel terzo capitolo, si affronta il tema dell’analisi dei flussi elettorali cge
hanno assunto un ruolo di rilievo nell'interpretazione dei risultati e nel dibattito
politico che ne è seguito. Nello specifico, l’analisi sarà incentratata sul modello di
Goodman, che in gergo metodologico viene chiamata la tecnica statistica di stima
dei flussi di voto. Tale modello non ha mai ricevuto tanta attenzione presso l'opi-
nione pubblica in generale e, comunque, al di fuori di un ristretto gruppo di stu-
diosi. All’interno del capitolo, si farà infine un accenno anche ad altri modelli ma
solo marginalmente a causa dei complessi strumenti matematici che spesso ven-
gono utilizzati.
7
8
1. IL CAMPIONAMENTO STATISTICO E LE SCOMMESSE IN CAMPO
ELETTORALE
1.1 I sondaggi
A differenza dei sondaggi e degli exit poll, una proiezione elettorale si basa
su voti effettivamente dati dagli elettori.
Il tasso di errore delle previsioni decresce con l’aumentare del numero del
campione
9
I sondaggi di opinione sono un elemento essenziale della democrazia parte-
cipativa: dai sondaggi emergono lo stile di vita e i problemi della popolazione
Strumenti e modalità:
- Campione probabilistico, rappresentativo della popolazione di riferi-
mento
- Questionario
1,96 · p · (1 – p)
E=
𝑛
Esempio
Intervistiamo 1000 (n)
L’indagine riguarda la possibile affluenza alle urne
Quesito: Lei andrà a votare alle prossime elezioni politiche?
Risposte possibili: SI – NO
Rispondono favorevolmente (SI) il 67% degli intervistati
Livello di confidenza: 95%
p = 67, 1 – p = 33
1,96 · 67 · 33
E= = 4,33%
1000
12
L’errore di campionamento è ± 4,33%. Il risultato favorevole per l’intera
popolazione è tra 62,67% e 71,33% □
Tabella di confronto
Utilizzando gli stessi dati dell’esempio precedente (n = 1000, 𝑧 = 1,96)
2
p 1-p Errore
99 1 0,19
95 5 4,33
85 15 2,5
80 20 3,14
75 25 3,68
70 30 4,12
60 40 4,7
55 45 4,85
50 50 4,9
𝐸[𝑋] = 𝑆 · 𝑃
13
Esempio
Nel gioco dei dadi, rappresentando il risultato del tiro del dado con una variabile
casuale che possa assumere i valori {1,2,3,4,5,6}, ciascuno con probabilità 1/6,
intuitivamente, la media di questa variabile casuale sarà 3,5, dal momento che:
E[X] = 1·1/6+2·1/6+3·1/6+4·1/6+5·1/6+6·1/6 = 3,5 □
E[X] = (6 + 1) / 2 = 3,5
.
Il valore atteso di X, in generale, è il giusto prezzo y d’ingresso ad un gioco il cui
premio sia un v.a. X:
y = E[X]
Esempio
Elezioni presidenziali negli Stati Uniti: si presentano 3 candidati. Noi non cono-
sciamo le quote dei 3 candidati e i sondaggi non danno esiti concordi, pertanto
consideriamo che “partano alla pari”. Alcuni amici si ritrovano e per gioco deci-
dono di scommettere sulla vincita di una dei tre, senza quote differenti.
E(X) = ∑𝑖 𝑆i P(Ai)
14
Esempio
In Regno Unito 3 amici (A, B e C) si ritrovano e decidono di scommettere sull’af-
fluenza alle prossime elezioni. Decidono di spendere tutti la stessa cifra (10 ster-
line), di scommettere su esiti diversi e, qualunque sia il risultato finale, di suddi-
vidersi il guadagno. Le quote, secondo il bookmaker, sono le seguenti:
1^ ipotesi – Vince A
2^ ipotesi – Vince B
3^ ipotesi – Vince C
15
1^ ipotesi – Vince A
2^ ipotesi – Vince B
3^ ipotesi – Vince C
Si osservi che la spesa corretta affinché il gioco sia equo poteva essere calco-
lata anche attraverso la formula
𝐸[𝑋] = 𝑆 · 𝑃
Esempio
Dall’esempio precedente. Puntiamo 10 sterline e verifichiamo se, per defini-
zione, il gioco è equo (non la scommessa!!!).
p(A) = 1/3 p(B) = 1/1,5 = 2/3 p(C) = 1/12
16
E[C] = (12 · 10 – 10) · 1/12 – (10 · 11/12) = 110/12 – 110/12 = 0 □
Se una scommessa è equa, per le quote ad essa associate, (𝑞1 e 𝑞2 ) deve va-
lere che:
(1⁄𝑞1 + 1⁄𝑞2 ) = 1
Esempio
Per le elezioni presidenziali in Francia vengono assegnate le seguenti quote:
Macron (Ma): 1,60 Pecresse(Pe): 3,75 Le Pen(L): 10
Zemmour(Z): 11 Melenchon(Me): 34 Philippe(Ph): 101
17
Si sottintende che la scommessa non è equa: questo perché nelle scommesse
contro un banco, a titolo di profitto per il servizio offerto, trattiene per sé e non
ridistribuisce una certa percentuale (aggio o ricarico).
∑(1⁄𝑞1 ) = ∑ 𝑃𝑖 ≤ 𝑞1
𝑖 𝑖
𝐾𝑃 ∙ ∑(1⁄𝑞1 ) = 𝐾𝑃 ∙ ∑ 𝑃𝑖 = 1
𝑖 𝑖
Esempio
Riprendendo l’esempio precedente, dobbiamo “normalizzare” i seguenti risultati:
p(Ma) = 1/1,60 = 0,625
p(Pe) = 1/3,75 = 0,267
p(L) = 1/10 = 0,1
p(Z) = 1/11 = 0,091
p(Me) = 1/34 = 0,029
p(Ph) = 1/101 = 0,01
𝐾𝑃 = 1/1,122 ≈ 0,8913
18
Da cui ricaviamo:
p(Ma) = 0,8913/1,60 = 0,557 (55,7%)
p(Pe) = 0,8913/3,75 = 0,238 (23,8%)
p(L) = 0,8913/10 = 0,089 (8,9%)
p(Z) = 0,8913/11 = 0,081 (8,1%)
p(Me) = 0,8913/34 = 0,026 (2,6%)
19
b) Si moltiplica il coefficiente KR per le probabilità (in forma percentuale) che s’in-
tende utilizzare:
𝐾𝑅 · p%(i)
Esempio
Dall’esempio precedente. Dato 𝐾𝑅 = 1,122 vogliamo determinare l’aggio:
𝐾𝑅 = 100 / (100 – A) = 1,122
1° passaggio: (100 – A) = 100/ 1,122 = 89,13
2° passaggio: A = 100 – 89,13 = 10,87% □
Esempio
Supponiamo che l’Agenzia di scommesse per le elezioni del Presidente della Re-
pubblica applichi un ricarico del 20%, sapendo che le percentuali attribuite ai sog-
getti seguenti sono (dati dicembre 2021) :
Draghi: 38% Mattarella: 30% Cartabia: 20%
Berlusconi: 5% Casini: 4% Casellati: 2%
Altri: 1%
A = 20%
KR = 100 / (100 – A) = 100 / 80 = 1,25
q(D) = 100 / (KR · p(D)) = 100 / (1,25 · 38) = 2,11
q(M) = 100 / (KR · p(M)) = 100 / (1,25 · 30) = 2,67
q(Car) = 100 / (KR · p(Car)) = 100 / (1,25 · 20) = 4
q(B) = 100 / (KR · p(B)) = 100 / (1,25 · 5) = 16
q(Csn) = 100 / (KR · p(Csn)) = 100 / (1,25 · 4) = 20
q(Clt) = 100 / (KR · p(Clt)) = 100 / (1,25 · 2) = 40
q(A) = 100 / (KR · p(A)) = 100 / (1,25 · 1) = 80 □
20
In sintesi
Sapendo quanto vale l’aggio (A), in percentuale, dell’agenzia
Per passare dalle quote alle probabilità:
Si calcola il coefficiente di ricarico (KR) in uno dei seguenti modi:
𝐾𝑅 = 100 / (100 – A) oppure 𝐾𝑅 =∑𝑖(1⁄𝑞1 )
Si calcola la probabilità normalizzata in uno dei seguenti modi:
p%(i) = 100 / (𝐾𝑅 · q(i)) oppure p%(i) = 100 · 𝐾𝑃 / q(i)
21
2. STABILITA’ DI UN SISTEMA POLITICO
Prima di introdurre il tema degli indici di potere e dei valori per definire se un
sistema politico è stabile oppure no, facciamo un’introduzione sulla teoria dei gio-
chi e sui giochi cooperativi da cui hanno origine gli strumenti che utilizzeremo in
seguito.
La Teoria dei Giochi tratta le situazioni in cui il risultato dipende dalle scelte fatte
da più persone, dette giocatori, che operano perseguendo obiettivi che possono
risultare comuni, ma non identici, differenti ed eventualmente contrastanti; pos-
sono essere presenti anche aspetti aleatori.
23
Esempio (Dilemma del prigioniero)
E uno dei problemi più noti della Teoria dei Giochi; è stato introdotto nel 1950 da
Dresher e Flood (Flood, 1958); la “storiellina” seguente è dovuta a Tucker (1953).
Due individui I e II sono stati arrestati per lo stesso reato e vengono interrogati
separatamente dal giudice; ognuno può scegliere indipendentemente dall’altro di
confessare (C) o non confessare (NC).
Se entrambi non confessano vengono condannati per reati minori a due anni cia-
scuno; se entrambi confessano vengono condannati a cinque anni ciascuno; se
uno confessa e l’altro no quello che confessa ha uno sconto di pena e viene
condannato a un anno, mentre l’altro ha un’aggravante e viene condannato a sei
anni. Le pene sono riportate nella tabella come coppia (I, II)
II NC C
I
2 1
NC
2 6
6 5
C
1 5
24
2.2 Giochi cooperativi
Forma estesa
Forma strategica
Forma caratteristica
N = {I,II}
v(∅) = 0; v(I) = v(II) = −5; v(I,II) = −4
25
Nel nostro caso utilizzeremo sempre la forma caratteristica.
∑ 𝑉(𝑆𝑖 ) ≤ 𝑉(𝑁)
𝑖
I giochi semplici trovano applicazione nelle situazioni in cui una coalizione è ca-
ratterizzata dal riuscire a conseguire o meno un determinato risultato, come nei
giochi di maggioranza, utilizzati in politica.
Questi giochi sono più utilizzati nei consigli di amministrazione che in politica, in
quanto nel secondo caso la formazione di una maggioranza è legata non solo ai
numeri, ma anche alla collocazione dei partiti.
Prima di definire gli indici di potere, introduciamo un tema legato al calcolo com-
binatorio, necessario per determinare il Valore di Shapley che vedremo in se-
guito.
Pn = 𝑛(𝑛 − 1)(𝑛 − 2) … 3 ∙ 2 ∙ 1 = 𝑛!
Esempio
Quanti anagrammi diversi si possono fare con la parola UNO?
Un anagramma altro non è se non un raggruppamento diverso delle lettere che
compongono la parola data, in modo tale ogni raggruppamento differisca dall’al-
tro per l’ordine ed ognuno di essi contenga tutte e sole quelle lettere.
P3 = 3! = 3 ∙ 2 ∙ 1 = 6
27
Che possiamo elencare qui di seguito:
UNO – UON – NUO – NOU – OUN – ONU □
L’idea che si segue per la costruzione del Valore Shapley è quella di assegnare
ad ogni gioco un’allocazione, in modo tale da rispettare i seguenti criteri:
- simmetria: due giocatori si trovano nella stessa identica posizione in un gioco
- anonimità: il valore assegnato ad un giocatore non deve dipendere da chi è
questo giocatore, ma solo da quanto questo giocatore è in grado di ottenere da
solo e con gli altri.
Esempio
Ci sono 4 giocatori: N = {1, 2, 3, 4}
I giocatori 1 e 2 sono alleati: S = {1, 2}
Il giocatore 3 si vuole alleare con S, qual è il contributo (marginale) che il gioca-
tore 3 dà alla coalizione S?
Ipotizziamo che, inizialmente v(S) = 2
Il giocatore 3 si allea con S e il nuovo valore di v(S*) = 3
v(S*) – v(S) = 3 – 2 = 1
28
è il contributo marginale del giocatore 3 alla coalizione S* □
𝑣(S)−𝑣(𝑆/𝑖)
Si(v) =
𝑛!
Esempio
Sia dato il seguente gioco:
N = {1, 2, 3}
v(Ø) = 0; v(1) = 1; v(2) = v(3) = 0; v(1, 2) = v(1, 3) = v (2, 3) = 2; v(N) = 3
In riferimento al giocatore 1
Permutazione Coalizione Contributo marginale
123 1 v(1) – v(Ø) = v(1) = 1
132 1 v(1) – v(Ø) = v(1) = 1
213 1, 2 v(1, 2) – v(2) = 2
231 N v(N) – v(2, 3) = 3 – 2 = 1
312 1, 3 v(1, 3) – v(3) = 2
321 N v(N) – v(2, 3) = 3 – 2 = 1
Totale 8
Valore di Shapley 8/3! = 8/6 = 1,33
In riferimento al giocatore 2
Permutazione Coalizione Contributo marginale
123 1, 2 v(1, 2) – v(1) = 1
132 N v(N) – v(1, 3) = 1
213 2 v(2) – v(Ø) = v(2) = 0
231 2 v(2) – v(Ø) = v(2) = 0
312 N v(N) – v(1, 3) = 1
321 2, 3 v(2, 3) – v(3) = 2
Totale 5
Valore di Shapley 5/3! = 56 = 0,83
29
In riferimento al giocatore 3
Permutazione Coalizione Contributo marginale
123 N v(N) – v(1, 2) = 1
132 1, 3 v(1, 3) – v(1) = 1
213 N v(N) – v(1, 2) = 1
231 2, 3 v(2, 3) – v(2) = 2
312 3 v(3) – v(Ø) = v(3) = 0
321 3 v(3) – v(Ø) = v(3) = 0
Totale 5
Valore di Shapley 5/3! = 5/6 = 0,83
30
Esempio (Consiglio di Sicurezza dell’ONU, 2020)
Il Consiglio è composto da 5 membri permanenti e 10 membri non-permanenti
eletti in rappresentanza dei Paesi membri delle Nazioni Unite. L'Assemblea Ge-
nerale elegge i 10 membri non-permanenti (5 all'anno) con un mandato di due
anni.
Indichiamo con P l’insieme dei Paesi permanenti e con Q quello dei non perma-
nenti:
N = {15 membri}
P = {Cina, Francia, Gran Bretagna, Russia, USA}
Q = {Belgio, Germania, Indonesia, Rep. Dominicana, Sudafrica, Niger, Tunisia,
S. Vincent e Granadine, Vietnam, Estonia}
Le decisioni del Consiglio di sicurezza sulle questioni non procedurali (e cioè so-
stanziali) richiedono il voto positivo di 9 membri. Ciononostante, è sufficiente il
voto negativo di uno dei membri permanenti, il cosiddetto veto, per annullare la
decisione.
L'astensione non è considerata pari al veto. In base a una norma, sia l'astensione
che il non voto non sono considerati impedimenti all'adozione di una decisione.
31
Ipotesi: l’insieme P è favorevole ad una decisione in modo unanime
32
Paesi ONU Peso (wi) Valore di Shapley
P1 7 0,18
P2 7 0,18
P3 7 0,18
P4 7 0,18
P5 7 0,18
Q1 1 0,01
Q2 1 0,01
Q3 1 0,01
Q4 1 0,01
Q5 1 0,01
Q6 1 0,01
Q7 1 0,01
Q8 1 0,01
Q9 1 0,01
Q10 1 0,01
Totale 45 1
33
In questo caso non si usano le permutazioni per determinare i contributi marginali
ma si prendono in considerazione tutte le possibili partizioni (coalizioni):
Contributi marginali
Coalizione
1 2 3
Ø - - -
1 1 - -
2 - 0 -
3 - - 0
1, 2 2 1 -
1, 3 2 - 1
2, 3 - 2 2
N 1 1 1
Totale 6 4 4
Bi(v) 6/23-1 = 1,5 4/23-1 = 1 4/23-1 = 1
Per permettere una comparazione tra i due indici occorre «normalizzare» l’indice
di Banzhaf-Coleman:
Bk(𝑣)
|Bk(v)| = con k = 1, 2, 3 …, n
∑ Bk(𝑣)
34
Esempio
Utilizzando i risultati dell’esempio precedente otteniamo
1,5 1,5
|B1(v)| = = = 0,43
1,5+1+1 3,5
1 1
|B2(v)| = |B3(v)| = = = 0,285
1,5+1+1 3,5
Che sommati:
0,43 + 0,285 + 0,285 = 1 □
35
2.5 Sistema elettorale maggioritario
Esempio
In questo esempio, supponiamo che in una certa sezione, o collegio, il partito,
che per semplicità chiameremo A ottenga il 35% dei voti, aggiudicandosi la com-
petizione. Se facessimo una ripartizione dei seggi in base proporzionale al partito
A andrebbe lo 0,35 di seggio. Questo ovviamente non accade perché i candidati,
in quanto esseri umani, sono esseri indivisibile e pertanto questo non avviene e
il partito A si aggiudica l’intero seggio, venendo, in questo caso, rappresentato
anche del restante 65% che erano andati ad altre liste. □
Con questa logica, più collegi una lista elettorale riesce ad ottenere e più guada-
gna come rappresentanza, però, di contro, non avrà alcuna rappresentanza nei
collegi in cui perde. Il sistema favorisce, quindi, le liste elettorali più “grandi” che
riescono ad avere molti seggi, e sfavorisce nettamente i più “piccoli”. Nel caso
invece di un partito piccolo ma concentrato territorialmente si avrà una rappre-
sentazione più equa (per il partito), in quanto avrà più possibilità di aggiudicarsi
dei seggi, mentre la sottorappresentanza nei seggi perdenti è minore.
36
Con questo, non possiamo pensare a priori che le liste elettorali “maggiori” sa-
ranno rappresentate maggiormente rispetto a quelle più piccole, ma è altamente
probabile che questo fenomeno avvenga ed inoltre comprovato che se un movi-
mento “maggiore” viene sottorappresentato questo accade raramente o in collegi
fortemente identificati con la cultura e la tradizione di un certo territorio (mino-
ranze linguistiche, Regioni a statuto speciale) che non si sentono rappresentati
dai governi centrali.
38
Esempio
A seguito dei risultati delle elezioni 2017 del Regno Unito, i 650 seggi della Ca-
mera dei Comuni sono stati così assegnati:
Partito Conservatore (1): 318 seggi
Partito Laburista (2): 262 seggi
Altri (3): 70 seggi
Vogliamo calcolare il valore di Shapley-Shubik e il valore di Banzhaf-Coleman
normalizzato (dovremmo ottenere gli stessi risultati)
N = {1, 2, 3}
Determiniamo la quota di maggioranza: q = (650 / 2) + 1 = 326
Ricordiamo che v(S) = 1 se S ≥ 326, dove S è la coalizione (o il singolo partito)
1 2 3
Permutazioni
P. Conservatore P. Laburista Altri
123 0 1 0
132 0 0 1
213 1 0 0
231 0 0 1
312 1 0 0
321 0 1 0
Totale 2 2 2
Si(v) 0,33 0,33 0,33
𝑣(𝑁)
S1(v) = S2(v) = S3(v) = 0,33 < 0,5 =
2
Da qui si evince che questo sistema, in questa specifica tornata elettorale, non è
stabile.
Confrontiamo, per completezza, i dati utilizzando l’indice di Banzhaf-Coleman
normalizzato per verificare che otteniamo gli stessi risultati.
39
1 2 3
Coalizioni
P. Conservatore P. Laburista Altri
Ø - - -
1 0 - -
2 - 0 -
3 - - 0
1, 2 1 1 -
1, 3 1 - 1
2, 3 - 1 1
N 0 0 0
Totale 2 2 2
|Bk(v)| 0,33 0,33 0,33
Vediamo un esempio di come scambia se si verificasse uno dei casi sopra indi-
cati.
Esempio
Prendiamo sempre come esempio le elezioni del Regno Unito del 2017 e suppo-
niamo sia previsto, per il partito vincente un premio di maggioranza pari a 1/3 dei
seggi disponibili.
Su 650 seggi, 217 sono assegnati al partito vincente, i restanti 437 vengono di-
stribuiti come segue:
40
Altri (3): 50 seggi
Al Partito Conservatore (1) spetta il premio di maggioranza di 217 seggi; quindi,
i seggi totali sono 429
Calcoliamo il valore di Shapley-Shubik
N = {1, 2, 3}, q = 326
A seguito del nuovo sistema di attribuzione dei seggi, otteniamo i seguenti valori:
v(Ø) = 0 v(1) = 1 v(2) = 0 v(3) = 0 v(1 2) = 1 v(1 3) = 1 v(2 3) = 0 v(N) = 1
1 2 3
Permutazioni
P. Conservatore P. Laburista Altri
123 1 0 0
132 1 0 0
213 1 0 0
231 1 0 0
312 1 0 0
321 1 0 0
Totale 6 0 0
Si(v) 1 0 0
Il sistema è stabile. □
41
stema proporzionale prevede abitualmente la possibilità, per l’elettore, di espri-
mere una o più preferenze per i candidati presenti nella lista votata (c.d. “voto di
preferenza”). In questa ipotesi, risulteranno eletti i candidati della lista che hanno
ottenuto il numero maggiore di preferenze. Esiste, tuttavia, la possibilità che non
sia previsto il voto di preferenza: in tal caso, risulteranno eletti i candidati secondo
l’ordine in cui compaiono in lista (c.d. “liste bloccate”). Si tratta di un sistema che
finisce, di fatto, per attribuire ai partiti il potere di “nominare” gli eletti (come av-
viene in Italia). Al contrario del maggioritario, il sistema proporzionale favorisce
la rappresentatività causando, tuttavia, una grande frammentazione che tende a
creare instabilità degli esecutivi. È un sistema che garantisce i partiti minori i
quali, oltre ad avere una visibilità che nel maggioritario risulta impensabile, pos-
sono finanche condizionare i governi in misura ben maggiore del proprio peso
elettorale. I correttivi che vengono apportati a questo sistema al fine di migliorare
la governabilità sono due: il premio di maggioranza e la soglia di sbarramento. Il
premio di maggioranza consiste in una quota di seggi assegnati alla coalizione
vincente. La soglia di sbarramento, invece, consiste nella previsione di una per-
centuale minima di voti che ogni partito deve ottenere per poter entrare in Parla-
mento. In Germania, ad esempio, il sistema elettorale stabilisce la soglia del 5%
per entrare a far parte del Bundestag.
Il concetto chiave alla base del sistema è quello di rappresentare in modo pro-
porzionale ogni partito (lista o movimento) in base ai voti ottenuti. In realtà, i vari
calcoli che servono per ottenere i seggi da attribuire ma, soprattutto, la diversa
dimensione delle sezioni elettorali fanno sì che raramente ci si ritrovi con un si-
stema proporzionale “puro”.
Noi per semplicità vediamo solo due criteri per l’attribuzione dei seggi: il metodo
dei quozienti e il metodo D’Hondt.
42
Per descrivere il sistema e i due modelli sopra citati partiamo con un esempio
con dei dati concreti.
Esempio.
Prendiamo le elezioni politiche del 2019 in Spagna (che usa il sistema proporzio-
nale e attribuisce i seggi con il metodo D’Hondt).
Facciamo riferimento al Congresso dei Deputati. Per semplicità consideriamo già
gli “apparentamenti” anche se di fatto sono avvenuti dopo l’esito delle elezioni.
L’utilizzo dei quozienti è quello meno complesso perché basta applicare sola-
mente una semplice formula che serve ad ottenere un quoziente (da qui il nome
del metodo), che successivamente viene utilizzato per dividere i voti ottenuti (V)
da ogni partito per determinare quanti seggi (S) vanno assegnati a ciascuna lista.
Il metodo più noto e utilizzato e usato è quello dei quozienti di Hare:
Q=V/S
Per trovare i seggi da assegnare a ciascuna lista si dividono i voti di presi per il
quoziente calcolato come sopra indicato. Il quoziente, pertanto, esprime i voti utili
per ottenere almeno un seggio.
43
Partito/Coalizione Voti Seggi
Partito Socialista + UP 11.264.287 152
Partito Popolare + Liberali 8.529.318 115
Vox + Altri conservatori 3.870.459 52
Altri 2.337.471 31
Totale 26.001.535 350
In questo caso q = 176, essendo che il massimo dei seggi assegnato è 152 è
evidente che il sistema non è stabile.
Inventato dallo studioso belga Victor D'Hondt nel 1878, è un metodo matematico
per l'attribuzione dei seggi nei sistemi elettorali che utilizzano il metodo propor-
zionale.
Questo sistema prevede che si divida il totale dei voti di ogni lista per 1, 2, 3, ...,
N (dove N è il numero di seggi da assegnare), e che si assegnino i seggi dispo-
nibili in base ai risultati in ordine decrescente.
In Italia è adoperato per l'elezione dei rappresentanti delle Città metropolitane.
Esempio
Per 12 seggi da assegnare, si presentano 5 partiti
Voti validi: 248000
44
Lista D 42000 16,94
Nella tabella di seguito andremo a rappresentare il numero di voti delle Liste rap-
portate ad un valore numerico che va da 1 al numero massimo di seggi da asse-
gnare (in questo caso 12).
Divisori A B C D E
1 65500* 59900* 51400* 42000* 29200
2 32750* 29950* 25700* 21000 14600
3 21833* 19967* 17133* 14000 9733
4 16375 14975* 12850 10500 7300
5 13100 11980 10280 8400 5840
6 10917 9983 8567 7000 4867
7 9357 8557 7343 6000 4171
8 8188 7488 6425 5250 3650
9 7278 6656 5711 4667 3244
10 6550 5990 5140 4200 2920
11 5955 5445 4673 3818 2655
12 5458 4992 4283 3500 2433
N. seggi 4 4 3 1 0
45
Esempio
Permuta- 1 2 3 4
zioni Social. + UP PP + Lib. Vox + Cons. Altri
1234 1 0 0 0
1243 1 0 0 0
1324 1 0 0 0
1342 1 0 0 0
1423 1 0 0 0
1432 1 0 0 0
2134 1 0 0 0
2143 1 0 0 0
2314 1 0 0 0
2341 1 0 0 0
2412 1 0 0 0
2421 1 0 0 0
3124 1 0 0 0
46
3142 1 0 0 0
3214 1 0 0 0
3241 1 0 0 0
3413 1 0 0 0
3431 1 0 0 0
4123 1 0 0 0
4132 1 0 0 0
4213 1 0 0 0
4231 1 0 0 0
4312 1 0 0 0
4321 1 0 0 0
Totale 24 0 0 0
Si(v) 1 0 0 0
Osservazioni:
- il sistema garantisce governabilità solo se la legge elettorale prevede un
premio di maggioranza o se la coalizione vincente supera il 50% dei con-
sensi;
- il metodo d’Hondt garantisce un maggior numero di seggi rispetto al me-
todo dei quozienti di Hare;
- il sistema prevede, quasi sempre, che le coalizioni di formino dopo l’esito
delle elezioni
- le soglie di sbarramento, spesso, garantisce una maggior stabilità
47
Esempio
I seggi da assegnare sono 60. Fissiamo la soglia di sbarramento al 5%
Lista B:
(3/650.000) · 159.900 = 0,74
(4/650.000) · 159.900 = 0,98
48
Lista C:
(3/650.000) · 151.400 = 0,7
(4/650.000) · 151.400 = 0,93
Lista D:
(3/650.000) · 144.000 = 0,66
(4/650.000) · 144.000 = 0,88
Un sistema elettorale che negli ultimi anni è in utilizzo in molti Paesi è quello
misto. La principale caratteristica di questo modello è quella di avere una base
dei precedenti sistemi analizzati: maggioritario e proporzionale. I modelli che pos-
sono essere definiti sono molto differenti fra di loro. Possiamo individuare i se-
guenti sistemi:
- maggioritari (a membro misto, a compensazione proporzionale, a coesistenza)
- proporzionali (con premio di maggioranza, a membro misto)
- maggioritari proporzionalizzati
49
Il sistema maggioritario a membro misto è il meno complesso. Una quota dei
seggi viene distribuita mediante il sistema maggioritario con collegio uninominale,
che po' essere a singolo o a doppio turno (o alla francese), mentre la restante
parte dei seggi da assegnare si calcola attraverso un sistema proporzionale,
utilizzando quindi dei collegi plurinominali.. Gli esempi più rappresentativi, in Ita-
lia, riguardano i sistemi approvati con la Legge 4 agosto 1993, n. 276 (cd. Matta-
rellum) e con la Legge 3 novembre 2017, n. 165 (cd. Rosatellum).
Il sistema maggioritario a compensazione proporzionale è diverso da quello a
membro misto solamente per un fattore: nel sistema a compensazione propor-
zionale il voto assegnato ad un candidato in un collegio uninominale è valido
anche per il partito collegato ad esso nella parte proporzionale, al contrario, nel
sistema maggioritario a membro misto l’elettore può votare un partito nella parte
proporzionale ed un candidato di un altro partito nel collegio uninominale (il co-
siddetto “voto disgiunto”).
Il sistema elettorale a coesistenza si distingue perché presenta, come il sistema
precedente, una quota maggioritaria ed una proporzionale ma dislocate in collegi
diversi all’interno del Paese. Quindi, troveremo dei collegi proporzionali che non
si contrappongono ai collegi maggioritari.
Il sistema elettorale proporzionale con premio di maggioranza prevede una quota
di seggi spettanti di diritto al partito vincente, mentre il resto dei seggi viene as-
segnato in modo proporzionale ai partiti “perdenti”.
Infine, il sistema proporzionale a membro misto, che è quello utilizzato in Germa-
nia, che differisce dal sistema maggioritario proporzionalizzato per l’impossibilità
di votare in modo disgiunto.
51
Collegi Totale
Lista
1 2 3 4 5 6 Voti
A 30.000 18.000 25.000 19.000 26.000 20.000 138.000
B 18.000 22.000 19.000 11.000 16.000 21.000 107.000
C 12.000 12.000 11.000 20.000 14.000 14.000 83.000
D 10.000 13.000 5.000 15.000 4.000 10.000 57.000
Tot. 70.000 65.000 60.000 65.000 60.000 65.000 385.000
In una fase successiva vengono assegnati i due seggi restanti, per quanto ri-
guarda la quota proporzionale. A tale scopo, per ogni lista si calcolano i voti resi-
dui, pari alla somma dei voti conseguiti dai rispettivi candidati nei collegi unino-
minali che, non essendo risultati vincitori nel collegio, non sono stati eletti in quota
maggioritaria. La tabella seguente riepiloga il calcolo dei voti residui per ciascuna
lista. Utilizzando il criterio dello scorporo, in corrispondenza dei candidati vincitori
del collegio è riportato il valore 0.
Collegi Voti
Lista
1 2 3 4 5 6 residui
A 0 18.000 0 19.000 0 20.000 57.000
B 18.000 0 19.000 11.000 16.000 0 64.000
C 12.000 12.000 11.000 0 14.000 14.000 63.000
D 10.000 13.000 5.000 15.000 4.000 10.000 57.000
I voti residui calcolati rappresentano la cifra elettorale in base alla quale bisogna
distribuire i seggi della quota proporzionale. Questa distribuzione avviene, in un
52
secondo tempo, utilizzando il metodo D'Hondt calcolato sulle migliori medie, ov-
vero dividendo le cifre elettorali per 1, 2, etc. fino a individuare i valori più alti. In
questo caso devono essere assegnati due seggi soltanto cosicché è sufficiente
prendere come "numeri divisori" solo 1 e 2. La tabella sottostante mette in evi-
denza i due valori più alti, associati alle Liste B e C (con divisore 1).
Collegi
Lista
1 2 3 4 5 6
A 30.000 18.000 25.000 19.000 26.000 20.000
B 18.000 22.000 19.000 11.000 16.000 21.000
C 12.000 12.000 11.000 20.000 14.000 14.000
D 10.000 13.000 5.000 15.000 4.000 10.000
In sintesi, la Lista A, con 138.000 voti, ha ottenuto tre seggi; altrettanti sono andati
alla Lista B, che ha ottenuto 107.000 voti; la Lista C, con 83.000 voti, ha ottenuto
due seggi; infine, la Lista D, con 57.000 voti non ha ottenuto alcun eletto. Osser-
viamo che, per il particolare criterio di assegnazione dei seggi in quota propor-
zionale, nel Collegio numero 5, oltre al candidato della Lista A in quanto più vo-
tato, viene eletto il candidato della Lista C nonostante abbia ottenuto meno voti
della Lista B.
53
Sulla base di questi dati, seppur parziali e riguardanti la sola distribuzione dei
seggi al Senato, verifichiamo, utilizzando gli indici di potere la stabilità, o meno,
del sistema elettorale sopra descritto.
Esempio
Prendiamo in considerazione 4 Liste (A, B, C e D) e supponiamo che le Liste
sopra indicate non siano alleate tra di loro ma che concorrano l’una contro l’altra.
I seggi da destinare sono 8.
Lista Seggi
A 3
B 3
C 2
D 0
Totale 8
54
Permutazione A B C
ABC 0 1 0
ACB 0 0 1
BAC 1 0 0
BCA 0 0 1
CAB 1 0 0
CBA 0 1 0
Totale 2 2 2
𝟏 𝟏 𝟏
Valore
𝟑 𝟑 𝟑
Da qui si evince, che, relativamente ai dati sopra indicati, il sistema elettorale cd.
“Mattarellum” non garantisce stabilità. Ma vedremo in seguito l’esempio con in
dati reali delle elezioni politiche del 1994. □
Per quanto riguarda la Camera dei deputati, l'elettore aveva a disposizione due
schede distinte: una per votare uno dei candidati nel proprio collegio uninominale
(quota maggioritaria), in modo che venisse proclamato eletto il più votato di quel
collegio; la seconda scheda, uguale per tutti i collegi uninominali appartenenti alla
stessa circoscrizione, serviva per votare per una lista, comunemente chiamato
"listino bloccato" (quota proporzionale)
Dopo lo spoglio, per ciascuna delle liste presenti in quota proporzionale si som-
mavano i voti ottenuti in tutte le circoscrizioni (ovvero nel collegio unico nazio-
nale). Da queste si escludevano le liste che avessero ottenuto meno del 4% dei
voti e quindi si calcolava la cifra elettorale delle liste restanti attraverso un criterio
di scorporo parziale, anziché totale come accade per il Senato. In poche parole,
dal totale dei voti di ciascuna lista si escludevano i voti che, per ciascuno dei
vincitori in quota maggioritaria, erano stati necessari per arrivare alla vittoria
(equivalente ai voti del secondo candidato + 1). Per questa ragione, nell'esempio
precedente, per il collegio 1 lo scorporo non avrebbe riguardato tutti i 30.000 voti
del candidato della Lista A, ma solo 15.001 voti.
55
Sulla base dei risultati ottenuti tramite i calcoli, i seggi da attribuire con la quota
proporzionale erano ripartiti fra le liste a livello di circoscrizione tramite il metodo
Hare dei quozienti interi e dei resti più alti. In conclusione, in ogni circoscrizione
risultavano eletti i candidati del listino in base all’ordine di candidatura ed even-
tualmente, in subordine, i candidati dei collegi uninominali, collegati a quella
stessa lista, non eletti, tenendo in considerazione la percentuale (proporzional-
mente) di voti ottenuta.
56
Come è possibile osservare dalla tabella, il Polo con il 46,35% dei voti77 ha ot-
tenuto il 58% circa dei seggi. La coalizione che ha visto una sottorappresenta-
zione cospicua è stata Patto per l’Italia che ha visto dimezzarsi i seggi.
La problematica principale di questo sistema deriva dalla possibilità di presentare
liste diverse nelle quote maggioritaria e proporzionale. I candidati nelle liste uni-
che nel maggioritario sono principalmente esponenti dei vari partiti che compon-
gono la coalizione stessa. Il rapporto fra questi partiti, quindi, non deriva dalle
singole percentuali di voti ottenuti nella parte proporzionale ma dalla somma dei
candidati vincenti attraverso le liste uniche.
Questo aspetto è evidenziato soprattutto dai numerosi candidati vincenti della
Lega Nord nei collegi uninominali. Attraverso questi candidati il partito è riuscito
ad aggiudicarsi ben 117 seggi, più del 18%, pur avendo ottenuto solo l’8,36%
dei voti nella quota proporzionale.
Per semplicità, per verificare la stabilità del sistema, supponiamo che i partiti non
schierati si coalizzino con il Patto per l’Italia (PPI):
57
Il sistema, per quanto riguarda la Camera dei deputati, al contrario di quanto visto
per il Senato della Repubblica, è stabile essendo v(A) = v(N). □
La legge elettorale del 3 novembre 2017, n. 165 e comunemente nota come “Ro-
satellum”, è una legge elettorale della Repubblica Italiana che riprende in parte il
“Mattarellum” ma con significative modifiche.
La legge elettorale prevede che ogni lista presenti un proprio programma e di-
chiari un proprio capo politico nonché, eventualmente, l'apparentamento con una
o più liste al fine di creare coalizioni: l'esistenza di una coalizione, che è unica a
livello nazionale, vincola le liste coalizzate a presentare un solo candidato in cia-
scun collegio uninominale.
58
Sono previste diverse soglie di sbarramento, ossia percentuali di voti al di sotto
delle quali non si viene ammessi alla ripartizione dei seggi nei collegi plurinomi-
nali:
- 3% dei voti ottenuti a livello nazionale; valida per le liste singole;
- 20% dei voti ottenuti a livello regionale; valida, alternativamente e solo al
Senato, per le liste singole;
- 20% dei voti ottenuti a livello regionale, o elezione di due candidati nei
collegi uninominali; valida, alternativamente, per le liste rappresentative
di minoranze linguistiche riconosciute presentate esclusivamente nelle
regioni a statuto speciale in cui sia prevista una particolare tutela di tali
minoranze;
- 10% dei voti ottenuti a livello nazionale; valida per le coalizioni, purché
comprendano almeno una lista che abbia superato una delle altre tre so-
glie previste.
Le liste collegate in una coalizione che non raggiunga la soglia del 10% sono
comunque ammesse al riparto dei seggi qualora abbiano superato, a seconda
dei casi, almeno una delle altre soglie previste.
Camera Senato
Coalizioni
% voti seggi % voti seggi
Centro-Destra 37% 265 37,5% 137
Centro-Sinistra 22,86% 122 23% 60
Movimento 5 Stelle 32,68% 227 32,22% 111
Altri 7,76 1 7,28% 7
Totale 100 630 100 315(1)
Dai dati indicati in tabella, si evince facilmente che il sistema non è per niente
stabile, tanto da costringere, nel proseguo della legislatura, per ben tre volte al-
leanze “forzate”:
- Movimento 5 Stelle + Lega Nord: 348 deputati e 167 senatori
- Movimento 5 Stella + PD e altri di Centro Sinistra: 343 deputati e 169 se-
natori
- Governo delle intese: 562 deputati e 281 senatori. □
60
2.7.2 Il sistema misto tedesco
Nell'ottobre del 2020, il Bundestag ha approvato una riforma elettorale con l'o-
biettivo di ridurre il numero dei parlamentari. Questa riforma prevede due fasi di
entrata in vigore: la disposizione che prevede in prima battuta un metodo diverso
di calcolo del numero minimo di seggi a livello nazionale di cui al passo 3, cioè
viene presa in considerazione la cifra più alta tra quella dei mandati diretti ottenuti
dai partiti nei singoli Länder e quella, arrotondata per eccesso, che costituisce la
media tra il numero dei mandati diretti e il numero dei seggi assegnati ai partiti
nei singoli Länder, è entrata in vigore subito ed è stata già applicata in occasione
61
delle elezioni federali del 2021, così come la disposizione che stabilisce che,
nell'effettuare la ripartizione dei seggi a livello nazionale di cui al passo 4, fino a
3 mandati in eccedenza possano non essere compensati. La disposizione che
prevede la riduzione dei collegi uninominali da 299 a 280, invece, entrerà in vi-
gore a partire dal 1º gennaio 2024. Va osservato il fatto che, poiché la CSU nelle
elezioni del 2021 ha ottenuto 11 mandati in eccedenza vincendo in 45 dei 46
collegi uninominali della Baviera, la disposizione che ha modificato il metodo di
calcolo del numero minimo dei seggi a livello nazionale non ha avuto alcun ef-
fetto; di contro, se il meccanismo di compensazione non fosse stato modificato il
Bundestag avrebbe avuto 787 deputati, cioè 51 membri in più.
La soglia di maggioranza (q) con i 736 seggi è pari a 369, quindi, per la stabilità
del governo, la Lista A è costretta ad allearsi con la lista B e/o con la lista C.
62
3. I FLUSSI ELETTORALI
Per flussi elettorali si intendono qui le frequenze assolute o relative di elettori che,
nel passaggio da una elezione all’altra, hanno cambiato o confermato le proprie
scelte. Si tratta di un’analisi che si può applicare a due elezioni consecutive, pren-
dendo la prima come elezione di riferimento, oppure a due elezioni contestuali,
ad esempio le Europee e le Comunali del giugno 2019. In genere, le opzioni della
prima elezione (o di quella considerata di riferimento) vengono riportate per riga
e quelle dell’elezione successiva (o oggetto di studio) riportate per colonna.
Ne deriva quindi una tabella doppia in cui, in genere, vengono riportate le fre-
quenze assolute di elettori (o le percentuali riga) per ogni combinazione fra le
opzioni di origine (riga) e di destinazione (colonna). In forma percentuale, la ta-
bella consente di valutare, per ogni 100 elettori che alla elezione precedente ave-
vano fatto una certa scelta di partito, quanti gli sono rimasti fedeli, quanti invece
sono andati ad altri partiti e quanti hanno optato per il non voto. Queste analisi si
basano sul totale degli aventi diritto al voto; quindi, astenersi o votare scheda
bianca rappresenta una possibile opzione di voto. Invece, nei dibattiti giornalistici,
di solito, si fa riferimento alle percentuali guadagnate o perse dai vari partiti ri-
spetto al totale dei voti validi; questo è fuorviante perché può risultare che un
partito ha guadagnato consensi quando invece ha perso elettori.
Esistono essenzialmente due metodi di stima dei flussi, quelli basati sui sondaggi
all’uscita dai seggi e quelli che, invece, si basano sui dati elettorali ufficiali. Le
stime mediante sondaggio, oltre agli usuali limiti legati alle risposte mancanti o
non veritiere, nel caso dei flussi soffrono di ulteriori problemi. Anzitutto, mentre
può essere facile intervistare un numero di elettori adeguato a stimare le percen-
tuali di votanti per un dato partito, quando questa percentuale è modesta le stime
di flusso da questo partito si baseranno su un numero di interviste molto conte-
nuto. A questo va aggiunto che, per conoscere come si erano comportati alla
elezione precedente coloro che non si sono recati al seggio, occorrerebbe un
63
sondaggio aggiuntivo. Infine, va considerato che i flussi hanno delle caratteristi-
che specifiche su ambiti territoriali ristretti; ne deriva che i flussi stimati a livello
regionale o nazionale sono spesso il risultato di compensazioni che derivano da
dinamiche differenti sul territorio. Come è noto, in Italia i risultati di ciascuna ele-
zione sono disponibili a livello di sezione elettorale e sembra naturale attendersi
che se, ad esempio, all’interno di un comune di medie dimensioni, il comporta-
mento degli elettori può essere descritto da un unico modello di flusso, questo
debba emergere dall’analisi della distribuzione dei voti nelle varie sezioni in due
tornate elettorali successive. In effetti, qualora in un comune di medie dimensioni
si ipotizzasse un comportamento prevalente nei flussi elettorali, attraverso un
semplice calcolo aritmetico sarebbe possibile ricavare il numero di voti atteso per
ogni partito in ciascuna delle sezioni elettorali del comune. Allora, in prima ap-
prossimazione, la discrepanza fra il numero di voti effettivi e quelli attesi forni-
rebbe una misura di validità dell’ipotesi fatta sul comportamento prevalente nei
flussi elettorali.
64
L’analisi statistica dei flussi elettorali è una disciplina che si è sviluppata a partire
dagli studi di Goodman per poi giungere, dopo molti studi, a modelli di elevata
complessità statistica.
I risultati dei partiti alle elezioni precedenti (anno A) sono noti, il problema sta
nella ricerca dei coefficienti Gij di una matrice i cui marginali di riga (i) e di colonna
(j) rappresentano i risultati dei partiti Pi, rispettivamente, negli anni B e A
Si prende in considerazione un territorio lo si suddivide in più parti (es. sezioni o
collegi) e si raccolgono i dati per poi utilizzarli per determinare i coefficienti della
matrice G.
I coefficienti Gij si ottengono con una regressione lineare multivariata, che tratte-
remo qui di seguito.
L’analisi della regressione multipla è una tecnica statistica che può essere impie-
gata per analizzare la relazione tra una variabile dipendente e diverse variabili
indipendenti.
La regressione lineare multipla rappresenta un’estensione del modello di regres-
sione lineare semplice: l’obiettivo dell’analisi è prevedere i valori assunti da una
variabile dipendente a partire dalla conoscenza di quelli osservati su più variabili
Indipendenti.
65
La relazione tra le variabili esplicative e la variabile dipendente può essere scritta
come:
Y = f(X1, X2, …, Xm) + ε
nella quale dovranno essere stimati i parametri. A tal scopo è necessario osser-
vare le variabili esplicative e la variabile dipendente su un campione di n osser-
vazioni.
66
Se la relazione è lineare…
67
La rappresentazione dei dati campionari potrà allora essere la seguente:
Esempio
Y X1 X2
2 2 1
3 3 5
4 5 3
5 7 6
8 8 7
2 = β0 + 2 · β1 + 1 · β2 +ε1
3 = β0 + 3 · β1 + 5 · β2 +ε2
4 = β0 + 5 · β1 + 3 · β2 +ε3
5 = β0 + 7 · β1 + 6 · β2 +ε4
8 = β0 + 8 · β1 + 7 · β2 +ε5
68
Mentre per quanto riguarda i residui (ε), otteniamo i dati seguenti:
Per quanto riguarda, nello specifico, l’utilizzo della regressione multipla nel
modello di Goodman occorre “normalizzare” i coefficienti nel caso la loro somma
sia differente da 1.
69
Nel caso dell’esempio la somma dei coefficienti è pari a 0,96, pertanto si procede
come segue:
β0
β0 + β1 + β2
0,9626 1
□
Nella realtà, le condizioni poste dal modello di Goodman non sono rispettate e
possono dal luogo a coefficienti al di fuori dell’intervallo atteso, compreso tra 0 e
1. Per ovviare a questo problema sono state sviluppate tecniche statistiche molto
complesse, che però non sembrano avere particolari vantaggi rispetto ad un’ana-
lisi condotta con il modello di Goodman su un territorio ristretto e con un’accurata
cernita delle sezioni da considerare.
70
Nel caso più semplice, la funzione lineare di partenza diventa semplicemente:
𝐺 𝐺12
[ 11 ]
𝐺21 𝐺22
Esempio
In questo esempio consideriamo un caso estremo ed eccezionale: non ci sono
schede bianche o voti nulli.
Prendiamo in esame l’esito delle votazioni in una certa località negli anni A e B:
Anno A Anno B
P1 2580 52,23% P1 1950 41,40%
P2 2360 47,77% P2 2760 58,60%
NE 150
4940 100,00% 4710 100,00%
71
La tabella che otteniamo dalla regressione lineare è la seguente:
ANNO A
ANNO
B/A P1 P2 NE Disp.
Partendo dalla tabella dei coefficienti, sopra indicata, procediamo alla trasforma-
zione dei dati in percentuale, che danno un’idea più chiara del “movimento” dei
flussi e una più chiara lettura e interpretazione da parte del lettore.
72
ANNO A
B/A P1 P2 NE Disp.
ANNO
P1 68% 6% 47% 0%
B
Come si leggono i dati nella tabella sopra? Leggiamo i dati analizzando i risultati
di un partito alla volta:
- P1: il 68% degli elettori è rimasto “fedele”, per il restante 32% una parte ha
votato per il partito P2 (22%), il restante è andato disperso;
- P2: l’89% degli elettori ha confermato il voto delle precedenti elezioni, sol-
tanto il 6% ha cambiato idea votando per il partito P1 mentre il restante
5% è andato disperso. □
73
Col termine “tassi di fedeltà” ai vari partiti si fa riferimento alla percentuale degli
elettori dei vari partiti che nelle ultime due elezioni consecutive ha confermato il
proprio voto.
NE 20973
74
Attraverso la regressione lineare multivariata otteniamo i seguenti risultati:
Regionali 2018
1 1 1 1 1 1
Questo è una dei punti critici del modello di Goodman che rivedremo nei paragrafi
successivi.
75
Di seguito la tabella con l’indicazione dei dati “non accettabili”:
Regionali 2018
1 1 1 1 1 1
Molto spesso non viene messa in evidenza la colonna dei “nuovi elettori” (NE)
che di fatto, vengono fatti rientrare nel gruppo dei “non elettori” nell’elezione pre-
cedente, che è corretto dal punto di vista numerico, ma non da evidenza di come
votano i nuovi elettori.
76
Vediamo la procedura:
Regionali 2018
Regionali 2018
1 1 1 1 1 1
77
3) Infine, dopo aver verificato che la somma di tutti i dati in colonna è uguale a
1, si trasformano i dati in percentuale per analizzare l’andamento dei flussi.
Regionali 2018
78
Esempio (Genova, Politiche 2018 – Europee 2019)
I risultati delle elezioni europee del 26 maggio 2019 a Genova seguono la ten-
denza generale già emersa in molte altre città italiane.
Osserviamo dunque la Tabella per avere un’immagine dettagliata dei voti in ter-
mini assoluti e percentuali ottenuti dai vari partiti nel capoluogo ligure, durante le
elezioni europee del 2014, le politiche del 2018 e le europee dello scorso 26
maggio. Alcuni dati saltano subito all’occhio.
79
Se confrontiamo i risultati di queste ultime elezioni europee con quelli della tor-
nata politica immediatamente precedente (marzo 2018) possiamo misurare il ren-
dimento elettorale alle europee, ovvero la capacità dei vari partiti di trascinare
anche sulle elezioni europee il proprio risultato delle politiche.
Per farlo calcoliamo, per ciascun partito in competizione, il rapporto tra voti otte-
nuti a queste europee e quelli ottenuti alle politiche (marzo 2018). quindi evidenti
le grandi difficoltà del Movimento nel tradurre le preferenze nazionali in voti alle
europee.
Emerge che i partiti risultati “vincitori” a Genova raggiungono un livello alto di
rendimento rispetto al 2018:
- 160% per la Lega
- 136% per il PD
- 141% per FDI.
80
Se vogliamo comprendere meglio le dinamiche elettorali che hanno caratteriz-
zato le elezioni europee nel capoluogo ligure, possiamo guardare all’analisi dei
flussi elettorali, che mostra con chiarezza i tassi di fedeltà, le destinazioni e le
provenienze dei voti ai vari partiti fra politiche 2018 ed europee 2019, a Genova.
Ma qual è la provenienza dei voti dei partiti vincitori? E dove sono andati quelli
degli sconfitti?
Per rispondere, dobbiamo guardare la tabella successiva.
81
Per quanto riguarda la Lega, un dato emerge con chiarezza: la sua capacità di
catturare voti trasversalmente
Infatti:
- il 50% dei suoi elettori 2019 proviene dal bacino 2018 della Lega;
- il 7% dei suoi voti proviene da elettori 2018 del PD;
- il 15% da elettori ex FI;
- il 22% dal M5S
Analizziamo il PD. I suoi voti vengono principalmente dal proprio bacino elettorale
(68%) e da quelli di altri partiti di sinistra:
- il 16% dal bacino elettorale 2018 di LeU;
- il 10% da quello degli alleati 2018 del PD.
82
Queste analisi permettono una stima dei comportamenti attraverso una serie di
parametri, che sono i coefficienti di regressione che vengono interpretati come
proporzioni di flussi.
Ecco, quindi, che la variazione fra le diverse unità territoriali della distribuzione
dei gruppi che compongono la popolazione implica la possibilità di controllare che
vi sia una “mancanza” di covariazioni dei differenti gruppi nelle diverse unità ter-
ritoriali.
83
In generale, si può dire che più sarà piccola l’unità di analisi considerata e mag-
giore sarà la varianza.
A questo punto, si può convenire che in Italia siano le sezioni elettorali le aree
destinate ad assumere il ruolo di unità territoriali minime per l’esistenza di dati
aggregati.
84
Schadee e Corbetta sostengono che ci sono delle difficoltà nello stimare in modo
soddisfacente i coefficienti di flusso del modello quando si opera con dati a livello
comunale, provinciale o regionale. Quindi, in definitiva, le stime risentono forte-
mente della diversa distribuzione territoriale dei voti, poiché sono ottenute con-
frontando la variabilità dei fenomeni rispetto alle unità di analisi considerate. Tut-
tavia, si ammette che il ricorso alle sezioni elettorali può creare problemi ad al-
cune analisi diacroniche, poiché si tratta di unità soggette a continue variazioni
territoriali nel tempo.
La seconda condizione consiste nel fatto che l’analisi deve fare riferimento alla
totalità degli iscritti nelle liste elettorali delle sezioni prescelte. Ciò comporta la
necessità di inserire nel modello, non solo i valori validi, ma i voti non validi
(schede bianche e nulle) e gli elettori che nono sono andati alle urne. L’esclusione
esplicita degli astenuti nei modelli è consigliata per due ragioni:
1) per l’importanza del fenomeno astensionista nel nostro Paese;
2) la mancata inclusione degli astenuti farebbe apparire come flussi fra i par-
titi (o le coalizioni) gli interscambi avvenuti con l’astensione.
6) vi sia un numero di votanti inferiori alle 300 unità e superiore alle 800 unità.
Quest’ultimo punto può rappresentare un problema, visto che molte sezioni elet-
torali, nel corso degli anni, sono state accorpate e, in alcune, sono iscritti più di
1000 elettori.
87
3.3.2 Omogeneità dell’ambito
Dopo aver identificato l’ambito territoriale su cui fare l’analisi, verificando che tutti
i criteri di ammissibilità siano rispettati, l’altro aspetto importante da considerare
è la scelta dell’ambito entro cui effettuare la ricerca sui flussi elettorale, d’impor-
tante rilevanza, in fase preliminare, per applicare la tecnica di analisi sopra citata.
Il modello in questione inferisce asserti relativi al livello individuale sulla base dei
dati aggregati, che non garantiscono la loro accettabilità ai fini del calcolo dei
coefficienti utili ad effettuare l’analisi.
Per ovviare a questo inconveniente potrebbe essere sufficiente introdurre nel mo-
dello il criterio di aggregazione come variabile casuale, che non garantisce, co-
munque, la risoluzione del problema generale. Infatti, è molto difficile l’individua-
zione della variabile utilizzata come criterio di aggregazione proprio perché gli
effetti dell’aggregazione sono difficilmente valutabili, ma se anche fosse possibile
farlo, rimarrebbe pur sempre il problema di una sua definizione operativa ed il
reperimento delle informazioni ad esse relative.
88
Possiamo partire dal fatto che modello di Goodman vengono messe in relazione
solo due variabili, una indipendente e l’altra dipendente, e che il controllo princi-
pale sulla validità del modello è dato dalla coerenza logica dei risultati. Con que-
sta espressione si fa riferimento in realtà a una coerenza solo matematica dei
risultati e non ad una loro plausibilità rispetto alle variabili cui si riferiscono.
Infatti, in pratica i coefficienti nel modello possono assumere solo valori positivi (i
coefficienti negativi vengono eliminati) e compresi fra lo zero e l’unità (se supe-
rano il valore 1 vengono “normalizzati” i dati); ciò significa che una o più variabili,
dalle quali dipendono i coefficienti di stima, sono rimaste fuori dal modello. Que-
ste variabili, poiché devono essere aggiunte e non sostituite a quelle originarie
del modello, sono definite variabili addizionali.
Queste variabili vengono dette “contestuali” perché fanno riferimento alla zona in
generale, e quindi interessano tutti gli individui che ne fanno parte.
Anzitutto l’applicazione dei minimi quadrati non fornisce stime efficienti, infatti il
modello multinomiale sottostante implica una struttura di covarianza che dipende
dai parametri incogniti (probabilità di transizione) con correlazione negativa. Inol-
tre, mentre le probabilità devono essere comprese fra 0 e 1, i minimi quadrati
possono produrre valori negativi o maggiori di 1.
90
Il limite dell’algoritmo RAS è quello di essere applicabile a modelli bivariati. L’al-
goritmo RAS è utile per stime di massima verosimiglianza di frequenza, ma se-
condo i critici, il risultato porta a ipotesi di tipo statistico ma non hanno nulla a che
vedere con il comportamento politico di un elettore.
Ad esempio, il vincolo nel modello significa che l’elettore, una volta che ha deciso
di non votare per lo stesso partito votato in precedenza, fa una scelta casuale tra
gli altri partiti.
Altre critiche in merito alla correzione dei dati non accettabili sono che:
- i piccoli partiti tendono ad avere le correzioni maggiori
- i coefficienti negativi eguagliati a zero dovrebbero significare che nessun
elettore, che in precedenza ha votato per un certo partito, ha votato
nell’elezione successiva
91
3.4 Altre rappresentazioni grafiche
92
Vediamo adesso, attraverso due esempi reali un altro modo di rappresentare i
flussi dal punto di vista grafico.
Vediamo nel dettaglio questi movimenti. Riguardo ai flussi per il candidato del
Centrosinistra (CS), ossia Lo Russo, le stime riportate nella tabella ci dicono che
gran parte del bacino elettorale che il Pd aveva creato nelle europee di due anni
fa è confluito su di lui. Per la precisione, se il Pd alle europee disponeva di una
forza elettorale (calcolata sugli aventi diritto al voto) di 19,8%, vediamo che il
16,4% ha votato Lo Russo. La perdita verso l’astensione è stata minima (0,9%).
Vi è stata, peraltro, una perdita non trascurabile – 1,7% – che ha fatto il salto
verso il candidato di centrodestra (CD), però Lo Russo è riuscito a compensarla
con l’ingresso di una quota (1,1%) di elettori che alle europee votarono M5S e di
una piccola quota (0,9%) di elettori che nel 2019 votarono Lega.
Dalla parte di Damilano, ossia del candidato di CD, la situazione è un po’ diversa,
perché le perdite verso l’astensione appaiono più consistenti. In particolare, è
stato l’elettorato della Lega che ha “tradito” il candidato di CD: le stime dei flussi
registrano una perdita consistente verso l’astensione (il 4,2% degli aventi diritto)
e perdite minori verso il M5s e verso il candidato di CS. Più limitate, ma non
trascurabili sono poi le perdite verso l’astensione dal bacino di FI e di FdI.
93
Per approfondire ulteriormente l’analisi, si possono osservare i due grafici. Quello
di destra illustra i flussi appena esaminati nella tabella (con destinazione il voto
per il sindaco), mentre quello di sinistra illustra i flussi che hanno come destina-
zione i voti per le liste delle recenti comunali. Anche qui si vede il consistente
flusso verde che dalla Lega si dirige nella casella grigia dell’astensione: un flusso
più consistenti di quelli che arrivano all’astensione dal M5S o dal Pd.
94
Esempio (Napoli, Europee 2019 – Amministrative 2021)
A Napoli le stime dei flussi mostrano che la grande vittoria di Manfredi è stata
alimentata da un potente afflusso di voti dall’ampio bacino del M5s: gli elettori
pentastellati alle europee erano il 15,5% del corpo elettorale. Una quota si è
persa nell’astensione (2,2%) ma il grosso (11,8%) si è riversato sul candidato di
centrosinistra.
Il Pd possedeva un bacino di minore entità (pari al 9,1% del corpo elettorale): una
parte si è persa nell’astensione (1,4%), una parte ha scelto il suo vecchio sindaco
Bassolino (1,8%), mentre la parte più consistente ha scelto Manfredi.
I bacini elettorali del centrodestra (alle europee complessivamente di entità molto
piccola rispetto a quelli dell’alleanza PD+M5S) non sembrano aver subito grosse
perdite verso l’astensione. È però da segnalare che la Lega, secondo le stime,
95
subisce una perdita di una certa consistenza (ossia il 2% del corpo elettorale,
quasi la metà del suo bacino delle europee, attestato al 4,8%) verso il candidato
di centrosinistra. Un flusso che può apparire anomalo ma che probabilmente è
spiegabile col fatto che l’elettorato leghista al Sud, cresciuto in fretta, non è an-
cora ben “consolidato” e “radicato”: per questo una parte di esso non ha seguito
le indicazioni del partito a favore di Maresca ma ha preferito altre scelte di voto,
in linea probabilmente con le forze politiche da cui questi stessi elettori confluiti
sulla Lega nel 2019 provenivano.
Per capire questa apparente stranezza, bisogna fare un passo indietro. Nelle ele-
zioni del 2019, la Lega aveva raccolto elettori dai 5 Stelle e dall’astensionismo
(parte sinistra del grafico). Non possiamo dire se e in che misura si tratti degli
stessi elettori, ma ovviamente sono tra i più indiziati di avere poi lasciato il partito
di Salvini.
96
Nella tabella seguente l’analisi dei flussi delle Amministrative (prendendo come
riferimento il candidato Sindaco e non i voti di lista che, per queste elezioni, po-
trebbero anche essere disgiunti) rispetto alle Europee del 2019.
97
- box-plot
Esempio
Prendiamo in esame gli esiti di due elezioni consecutive che una certa lista elet-
torale, che adesso indicheremo LE, in 10 sezioni elettorali di un certo Comune,
al tempo T1 e T2.
98
sez. n. LE (T2) LE (T1)
1 12,6 11,6
2 14,5 12
3 14,5 12,8 Statistica della regressione
4 10 15,1 R multiplo 0,421975
5 15,1 15,4 R al quadrato 0,178063
6 18,3 15,7 R al quadrato corretto 0,060643
7 17,5 16,4 Errore standard 2,421071
8 16,9 17,2
9 15,4 18,4
10 16,2 19,7
Questa rappresentazione non è indicativa sul vero andamento dei flussi elettorali
ma, più che altro, ci fa vedere se c’è una certa correlazione tra i risultati ottenuti
nell’elezione precedente rispetto all’ultima. □
99
3.5 Altri metodi di analisi dei flussi
Dopo il modello di analisi dei flussi di Goodman, sicuramente uno dei più noti è il
modello di Brown e Payne del 1986. Si tratta, in prima approssimazione, di un
affinamento del modello precedente che, oltre a fornire stime di massima verosi-
miglianza sempre comprese fra 0 e 1, ipotizza un modello multinomiale con iper-
dispersione, quindi più articolato rispetto a quello di Goodman. In pratica si sup-
pone che gli elettori appartenenti ad una data sezione e che hanno fatto la stessa
scelta nella prima elezione siano un collettivo omogeneo, ma il loro modello di
comportamento (probabilità di flusso) può differire da quello di elettori analoghi
appartenenti a diverse sezioni elettorali.
Nell’esempio che segue si è applicata una versione modificata del modello (For-
cina e Marchetti, 2009), in cui si suppone che la correlazione non coinvolga tutti
gli elettori della sezione, ma dei sottogruppi di dimensione più contenuta.
100
Per determinare i dati su usano software specifici (es. MatLab) che determinano
i coefficienti, in riferimento ai flussi, e gli errori standard.
Dai dati indicati in tabella si evince subito che, come per il modello Goodman, i
dati non sono “normalizzati”, ovvero la somma delle colonne non è sempre
uguale a 100 (essendo in percentuale). Per poter confrontare i dati con altri mo-
delli “probabilistici” occorre “normalizzare” i dati in tabella come segue:
Amministrative/Comunali
Europee
PD AS CS UDC PdL AD CD NV
PD 98,98 0,69 0,62 0,29 1,21 0,22 1,20 -
AS 0,51 51,41 90,68 - 4,29 4,13 15,27 5,85
UDC - 11,69 - 97,29 11,00 - 19,76 -
PdL - 4,20 8,70 2,43 78,77 1,09 34,73 6,81
AD 0,41 32,01 - - 4,73 94,57 29,04 0,09
NV 0,10 - - - - - - 87,25
100 100 100 100 100 100 100 100
Non è usuale analizzare, tramite i flussi, elezioni elettorali tenutesi nello stesso
anno, ma il dato che salta subito all’occhio è che il “non voto” (NV) è prevalente
nelle elezioni amministrative più che nelle elezioni Europee, un dato che, solita-
mente è in controtendenza. □
101
Negli ultimi anni ha acquisito popolarità in ambito sociologico l’approccio ispirato
da Gary King (1999) e ripreso in Italia da De Sio (2009). Nel caso elementare con
due opzioni di voto, l’insieme di tutte le possibili tabelle di flusso compatibili con
le marginali determina l’intervallo in cui possono variare i parametri di flusso per
una data sezione e per il comune nel suo insieme. Si cerca quindi di minimizzare
la distanza fra i parametri di flusso per sezione che sono compatibili con i flussi
complessivi del comune.
Si potrebbe quasi dire che chi analizza il voto tenta qualche ipotesi sul modello
di cambiamento, e che la differenza tra i modelli deterministici e quelli governati
dal calcolo delle probabilità sta proprio nel tentativo di validare la forza di quelle
ipotesi. Questo modello è anche noto come modello bayesiano di King, Rosen
e Tanner.
Altri modelli, negli ultimi anni, si stanno sviluppando ma molto spesso sono sol-
tanto miglioramenti o correzioni di modelli preesistenti.
102
CONSIDERAZIONI FINALI
Tuttavia, in conclusione, vanno ricordati i due problemi che restano irrisolti e ri-
guardano:
1) l’utilizzo dei campioni nazionali di sezioni
2) l’identità dell’elettorato tra due elezioni
In merito al secondo punto, allo stato attuale, sembra poco probabile trovare una
soluzione, se non limitare le nostre indagini a transizioni elettorali brevi o mante-
nere la consapevolezza che con l’aumentare della distanza temporale tra due
elezioni, inevitabilmente diminuisce l’affidabilità delle stime.
103
BIBLIOGRAFIA
Monografie:
Anastasi, Cangemi, Pavsic, Tomaselli (1989) Guerra dei flussi o bolle di sapone?
Ricerca empirica e riflessioni sul modello di Goodman per la stima dei flussi elet-
torali ISBN 8877960167
McAdams D. (2017) Game Theory and Cooperation: How Putting Others First
Can Help Everyone ISBN 9780486296723
Articoli:
Cox G. W. (1997) Making votes count: strategic coordination in the world’s elec-
toral systems. Cambridge, Cambridge University Press: 12-27
Gentilini M., Marino M., Regalia M., Valbruzzi M., Vignati R. (2016) I flussi eletto-
rali in sette città (Torino, Novara, Bologna, Rimini, Napoli, Salerno, Cagliari).
Fondazione Istituto Cattaneo: 2-4
Capitoli di libri:
De Sio L. (2008) Oltre il modello Goodman: l'analisi dei flussi elettorali in base a
dati aggregati ISBN 9788859603641
Freeman S.F. (2004) The Unexplained Exit Poll Discrepancy. Center for Organi-
zational Dynamics ISBN 0963416307
Marinello V. (2010) Analisi dei flussi elettorali. Un approccio alla stima mediante
un modello gerarchico bayesiano ISBN 978854832329
104
105
L’Autore
106