A 2026-os országgyűlési választások közeledtével frissítettük előrejelző rendszerünket. Az új modell, a “Krónikás-v2”, a legmodernebb adatstatisztikai módszereket, konkrétan a probabilisztikus programozást és a hierarchikus Bayes-i modellezést alkalmazza a várható eredmények becslésére.

Az alábbiakban részletesen bemutatjuk a modell működését, az adatforrásokat és a felhasznált algoritmusokat.

1. Adatforrások

A modell elsődleges bemenete a publikus közvélemény-kutatások eredményei. Ezeket a Vox Populi választási kalauz adatbázisából vesszük át, amely Tóka Gábor lelkiismeretes gyűjtőmunkájának eredménye. A modell jelenleg a 2024 novembere óta publikált kutatásokat dolgozza fel.

2. A Hierarchikus Bayes-i Modell (Polling Aggregation)

A közvélemény-kutatások aggregálása nem egyszerű átlagolást jelent. A különböző intézetek eltérő módszertannal, más időpontokban és különböző mintanagyságokkal dolgoznak. A modellünk mindezt figyelembe veszi.

Főbb komponensek:

• Latens népszerűség (Latent State): A pártok valódi társadalmi támogatottságát egy időben változó, rejtett (latens) változóként kezeljük. Ennek mozgását egy Gauss-féle véletlen séta (Gaussian Random Walk) írja le. Ez azt jelenti, hogy a mai támogatottság a tegnapi támogatottságból indul ki, de egy véletlenszerű mértékben változhat.
• Kutatói torzítások (House Effects): Minden kutatóintézethez rendelünk egy torzítási paramétert. A modell megtanulja az adatokból, hogy egy adott intézet szisztematikusan felül- vagy alulmér-e bizonyos pártokat az átlaghoz (konszenzushoz) képest. Mivel nem tudjuk biztosan, kinek van igaza, a “House Effect”-eket egy közös, hierarchikus prior eloszlással fogjuk össze.
• Megfigyelési modell (Observation Model): A pártok támogatottságát egy Dirichlet-eloszlás segítségével modellezzük. Ez a többváltozós eloszlás garantálja, hogy a pártok támogatottságának összege mindig pontosan 100% legyen (ún. simplex kényszer), így elkerülhetjük a külön-külön modellezésből adódó inkonzisztenciákat.
• Időbeli bizonytalanság: A választás napjához közeledve a bizonytalanság csökken. A modell a hátralévő idő négyzetgyökével arányos extra szórást ad az előrejelzéshez, így a távoli jövőre vonatkozó becslések természetes módon bizonytalanabbak (“tölcsér” effektus).

A becsléshez MCMC (Markov Chain Monte Carlo) mintavételezést használunk a PyMC könyvtár segítségével, jellemzően 4 láncon, több ezer mintával a konvergencia érdekében.

3. Mandátumbecslés (Seat Projection)

A magyar választási rendszer sajátossága, hogy a mandátumok többsége (106 a 199-ből) egyéni választókerületekben (OEVK) dől el, ahol a “győztes mindent visz” elv érvényesül.

A modell lépései:

1. Bázis: 2022-es választások: Mivel nincsenek rendszeres, körzetszintű felmérések, a 2022-es választási eredményeket használjuk kiindulópontként.
2. Országos elmozdulás (Uniform Swing): A 2022-es eredményeket módosítjuk az aktuális országos közvélemény-kutatási átlagok változásával.
   • Példa: Ha a Fidesz országosan 5 százalékpontot gyengült 2022 óta, akkor a modell minden egyes választókerületben 5 százalékponttal csökkenti a Fidesz várható eredményét.
   • Ez a módszer feltételezi, hogy a politikai hangulatváltozások területi eloszlása viszonylag egyenletes (bár a modell tartalmaz némi véletlenszerű szórást a körzetek között is a bizonytalanság növelése érdekében).
3. Pártok megfeleltetése:
   • Fidesz-KDNP → Fidesz-KDNP (változatlan)
   • Egységben Magyarországért (2022) → A 2022-es ellenzéki összefogás szavazatait a jelenlegi kutatások arányában osztjuk szét a TISZA Párt és a DK (illetve az MSZP-Momentum tömb) között.
   • Mi Hazánk → Mi Hazánk (változatlan)
   • MKKP → MKKP (változatlan)
4. A rendszer logikája:
   • 106 egyéni mandátum: A körzetenkénti becsült eredmények alapján a legtöbb szavazatot szerző jelölt nyeri a mandátumot.
   • Győzteskompenzáció: A győztes pártnak a második helyezetthez képesti szavazatkülönbsége (többletszavazatok) hozzáadódik az országos listás eredményhez.
   • Töredékszavazatok: A vesztes jelöltekre leadott szavazatok szintén az országos listát gyarapítják.
   • 93 listás mandátum: Az összesített listás szavazatok (országos listás voksok + töredékszavazatok + győzteskompenzáció) alapján D’Hondt-módszerrel osztjuk ki a mandátumokat, 5%-os bejutási küszöb alkalmazásával.
   • Nemzetiségi mandátum: A modell 1 mandátumot a német nemzetiségnek dedikál, amelyet a politikai elemzések alapján a kormánypárti blokkhoz sorolunk.
   • Levélszavazatok: A modell kb. 250.000 határon túli levélszavazattal számol, melyeknél a múltbeli tapasztalatok alapján >90%-os Fidesz-támogatottságot feltételez.

4. Szimuláció és Eredmények

A jövőbeli bizonytalanságot nem egyetlen becsléssel, hanem 40.000 Monte Carlo szimulációval kezeljük. Mind a 40.000 esetben:

1. Generálunk egy lehetséges választási eredményt a statisztikai hibahatárokon belül.
2. Lefuttatjuk a teljes választási rendszert (körzetek, lista, kompenzáció).
3. Meghatározzuk a győztest és a mandátumarányokat.

Így kapjuk meg azokat a valószínűségeket – például a “Patthelyzet esélye” vagy a “TISZA többség esélye” –, amelyeket az elemzéseinkben közlünk. Ez a módszer sokkal árnyaltabb képet ad, mint az egyszerű százalékok, hiszen megmutatja a lehetséges forgatókönyvek teljes skáláját.

A modell folyamatos fejlesztés alatt áll. A cél nem a jövő megjóslása, hanem a jelenlegi folyamatok és bizonytalanságok pontos, matematikai alapú feltérképezése.