Incorporació del context espacial en models predictius de les eleccions catalanes

Abstract

Aquest treball de fi de màster explora la influència del context espacial en la millora de les previsions electorals mitjançant models d’aprenentatge automàtic, centrant-se en les eleccions catalanes. L’objectiu principal és demostrar si la incorporació del context espacial electoral, a escala de secció censal, pot augmentar la precisió dels models predictius. La metodologia emprada modela el conjunt de dades com un problema espacial i temporal, utilitzant dades de comicis anteriors, incloent-hi percentatges de vot, variables econòmiques i demogràfiques, així com la mitjana del percentatge de vot de les seccions censals adjacents. S’han provat diversos models d’aprenentatge automàtic, com ara regressió lineal, arbres de decisió, k-veïns més pròxims i XGBoost. Els resultats mostren que és factible utilitzar aquests algoritmes per predir eleccions, i que les variables de les seccions adjacents milloren significativament la qualitat dels models. Les implicacions d’aquest estudi són rellevants per al camp de la previsió electoral, aportant una visió valuosa sobre la dinàmica política catalana i oferint una eina potent per a la planificació i estratègia electoral.

This master’s thesis explores the influence of spatial context in improving electoral forecasts using machine learning models, focusing on the Catalan elections. The main objective is to demonstrate whether incorporating the electoral spatial context at the census section level can increase the accuracy of predictive models. The employed methodology models the dataset as a spatio-temporal problem, utilizing data from previous elections, including voting percentages, economic and demographic variables, as well as the average voting percentage of adjacent census sections. Various machine learning models have been tested, such as Linear Regression, decision trees, k-nearest neighbors, and XGBoost. The results prove that it is feasible to use these algorithms to predict elections, and that variables from adjacent sections significantly improve the quality of the models. The implications of this study are relevant to the field of electoral forecasting, providing valuable insights into the Catalan political dynamics and offering a powerful tool for electoral planning and strategy.