Hoppa till innehållet
Valvaka.online

Valdag 13 september 2026 · vallokaler stänger 20.00

← Tillbaka till Om metoden

Fördjupning

Backtest mot valet 2022

Fördjupning till avsnittet om osäkerhet. Alla tal på den här sidan kommer ur en och samma körning: valet 2022 spelas upp distrikt för distrikt i den ordning distrikten faktiskt rapporterade den kvällen, och prognosmodellen körs vid varje steg med samma inställningar som skulle använts på valnatten — 1 000 bootstrapdragningar för riksdagsvalet, 300 per regionval och 200 per kommunval. Läget som redovisas är blint: familjeprofilernas α sätts till noll och β till ett, som om modellen inte visste något alls om ett enskilt distrikts historik. Det är den ärliga mätningen — de skarpa profilerna är skattade på just den förändring som här mäts, och att kalibrera mot dem hade varit att låta modellen se facit i förväg.

Täckningsgrad och medelabsolutfel per nivå

tackning_90 är andelen (valområde, parti) där facit 2022 låg inom prognosens 90-procentsintervall; valkrets_90 är samma sak räknad per valkrets. Riksdagsvalet är ett enda valområde med nio partier — bara nio observationer per nivå — så den täckningsgraden kan bara anta värdena 0, 1/9, 2/9 och så vidare; valkretsraden bygger på 29 × 9 = 261 observationer och säger därför mer om hur väl intervallen håller i riksdagsvalet. mandattackning_90 mäts mot mandatfördelningen vid fullständigt räknat i samma partiuniversum.

Riksdagsvalet

Riksdagsvalet, blint läge, verklig rapporteringsordning.
Andel räknat MAE Täckning 50 Täckning 80 Täckning 90 Valkrets 50 Valkrets 80 Valkrets 90 Mandattäckning 90
3,5 %0,5620,6670,7781,0000,5630,8050,8811,000
7,8 %0,4380,6670,8891,0000,4710,7970,8621,000
12,3 %0,3590,6670,8891,0000,4600,7890,8701,000
17,0 %0,3150,6670,8891,0000,5020,7930,8661,000
22,0 %0,2730,6670,8891,0000,5250,8240,8891,000
27,2 %0,2140,7781,0001,0000,5980,8660,9121,000
37,9 %0,1460,7781,0001,0000,6670,8740,9351,000
48,7 %0,1051,0001,0001,0000,6930,9120,9431,000
76,7 %0,0461,0001,0001,0000,8540,9660,9851,000

Regionvalen (20 valområden per nivå)

Regionvalen, blint läge, verklig rapporteringsordning.
Andel räknat MAE Täckning 50 Täckning 80 Täckning 90 Valkrets 50 Valkrets 80 Valkrets 90 Mandattäckning 90
3,2 %0,8710,7930,9420,9570,7800,9270,9661,000
6,8 %0,7330,7070,9280,9570,6860,8780,9350,995
10,7 %0,6760,6730,8850,9420,6520,8620,9210,986
14,9 %0,6350,6780,8650,9230,6450,8390,9030,986
19,0 %0,6010,6630,8610,9090,6150,8440,8910,981
24,2 %0,5030,6560,8560,9090,6360,8430,8860,986
34,8 %0,3840,6750,8370,9000,6170,8380,8890,981
45,7 %0,3260,6510,8420,8800,6420,8470,8980,981
75,1 %0,1350,7510,8710,9280,6970,8950,9340,995

Kommunvalen (290 valområden per nivå)

Kommunvalen, blint läge, verklig rapporteringsordning.
Andel räknat MAE Täckning 50 Täckning 80 Täckning 90 Valkrets 50 Valkrets 80 Valkrets 90 Mandattäckning 90
4,3 %1,7820,7170,8700,9010,7460,9020,9270,971
8,3 %1,6470,6610,8460,8830,7240,8850,9120,964
11,9 %1,5370,6350,8310,8760,6920,8670,9060,957
16,1 %1,4250,6100,8160,8640,6510,8640,8960,956
20,6 %1,3210,5900,8120,8580,6550,8510,8750,952
25,7 %1,1910,5600,7930,8450,6180,8480,8840,950
36,7 %0,9610,5350,7730,8360,6020,8350,8870,951
48,2 %0,7630,5320,7560,8210,5790,8380,8870,955
77,5 %0,3420,5170,7340,8050,6160,8520,8920,973

Röstetalsfelet

Räknat- och prognossektionerna visar aldrig ett skattat röstetal — bara andelar, mandat och intervall. Men modellen bygger internt upp ett eget röstetal per valområde, för att kunna skala valdeltagandet och den återstående röstmängden i distrikt som ännu inte räknats. Röstfel mäter hur rätt modellen har om just det: prognosens totala röstetal mot det facit som faktiskt kom in 2022, i procent och utan tecken. Det säger något om valdeltagandeledet specifikt och om inget annat — en gemensam felskala för hela valområdets röstetal påverkar varken andelar, mandat eller intervall, eftersom den flyttar alla partier lika mycket. Talen nedan är medelabsolutfelet ur samma körning som tabellerna ovan.

Röstfel (medelabsolut, procent, utan tecken) per valtyp och nivå, blint läge, verklig rapporteringsordning.
Valtyp Andel räknat Röstfel
Riksdagsvalet3,5 %1,731
Riksdagsvalet7,8 %1,077
Riksdagsvalet12,3 %1,238
Riksdagsvalet17,0 %1,416
Riksdagsvalet22,0 %0,476
Riksdagsvalet27,2 %0,446
Riksdagsvalet37,9 %0,631
Riksdagsvalet48,7 %0,496
Riksdagsvalet76,7 %0,474
Regionvalen3,2 %4,629
Regionvalen6,8 %3,503
Regionvalen10,7 %3,588
Regionvalen14,9 %3,516
Regionvalen19,0 %2,495
Regionvalen24,2 %2,120
Regionvalen34,8 %1,995
Regionvalen45,7 %2,037
Regionvalen75,1 %1,156
Kommunvalen4,3 %6,364
Kommunvalen8,3 %6,691
Kommunvalen11,9 %7,076
Kommunvalen16,1 %7,189
Kommunvalen20,6 %6,731
Kommunvalen25,7 %6,029
Kommunvalen36,7 %5,263
Kommunvalen48,2 %4,330
Kommunvalen77,5 %2,567

Konfidenskurvan

Metodsidans avsnitt om konfidenssiffran säger att kurvan är byggd så att lika konfidens betyder lika fel. Den skattas mot råpoängen — talet innan kurvan tillämpas, inte den siffra som till slut visas. Så här ser sambandet ut i den blinda uppspelningen, i bins om 350 observationer (349 i den sista):

Konfidens (0–100) mot medelabsolutfel i procentenheter, blint läge.
Konfidens, lägst Konfidens, högst Konfidens, medel MAE Observationer
0,04512,15711,0442,054350
12,15739,02316,9281,942350
39,02341,52241,1561,441350
41,52250,36544,2671,349350
50,39765,13955,5521,127350
65,14174,28170,8930,733350
74,33485,22680,7820,472350
85,25593,57089,5280,264349

Kurvan planar ut vid höga råpoäng, av ett skäl som ligger i rapporteringsordningen snarare än i modellen: i den ordning resultat faktiskt kommer in en valnatt ligger inget valområde någonsin långt före de andra, så råpoängen når aldrig upp mot sitt teoretiska tak. Kurvan är skattad över precis det intervall av råpoäng som faktiskt förekommer, och planar därför ut där den verkliga rapporteringsordningen slutar bidra med nya observationer att skatta emot.

Den kurva modellen faktiskt använder är isotoniserad ur mätpunkterna ovan (monoton per konstruktion, så att en högre konfidens aldrig kan svara mot ett sämre förväntat fel). Varje omkalibrering skattas från grunden mot facit och mot råpoängen, aldrig mot kurvans egen tidigare utsignal — annars skulle varje ny körning lägga sig ovanpå den föregående och gradvis komprimera skalan utan att något i modellen ändrats. Med i övrigt oförändrade förhållanden ger en omkalibrering därför samma kurva igen.

← Tillbaka till Om metoden