Enunciado

En el archivo “votos_2006_2010_3rdTramite.csv” pueden encontrar las votaciones en tercer trámite constitucional de la Cámara de Diputados de Chile en el período 2006-2010.

En el archivo “militancias.csv” pueden encontrar las militancias de los parlamentarios. Las relevantes para este ejercicio están en las columna “partido.p0610”.

Vuestro objetivo será:

  1. Generar las estimaciones de ideología de cada parlamentario que aparece en la muestra por año usando wnominate y pscl comparándolas.
  2. Deberán verificar si el orden en que los ubican sus estimaciones tiene o no sentido politológico. Al menos debería suceder que los parlamentarios vinculados a la Concertación (partidos PS, PRSD, DC y PPD) deberían estar más juntos entre sí y lo mismo debería suceder con los parlamentarios vinculados a la Alianza por Chile (partidos UDI y RN).
  3. Identificar quién o quiénes podrían ser el votante mediano, el o los votantes pivotales para revertir un veto presidencial (se requieren \(\frac{2}{3}\) de los votos).
  4. Hacer una evaluación cualitativa de los resultados del punto (c). Es decir, hacer una breve búsqueda en internet[*] sobre las personas identificadas en el punto anterior para fundamentar el porqué hace o no hace sentido que sean votantes pivotales o votantes medianos, según corresponda.

[*] Por ejemplo, en notas periodísticas o haciendo una búsqueda de votaciones que consideren relevantes.

A - Estimaciones de ideología

A.1 - Estimación de ideología de cada parlamentario mediante wnominate

Se reliza la estimación de ideología de los parlamentarios, usando Wnominate (weighted nominal three steps estimation). En este, se utiliza un enfoque de preferencias reveladas para inferir la posición ideológica basada en los votos realizados por los parlamentarios, en dimensiones ortogonales entre sí.

Para esto, se construye el objeto rollcall, en el cual todos los resultados posibles de las votaciones son discretizados en dos alternativas: a favor/en contra. Los votos dispensados, abstenciones, no votos y sin información disponibles son omitidos del análisis. Cabe destacar que este enfoque no permite analizar la importancia estratégica de las ausencias o abstenciones. En base a este objeto se realiza la estimación usando como punto de referencia al político conservador Jose Antonio Kast para ambas dimensiones.

Se realizó la estimación para 123 legisladores, usando 244 votos y todos los miembros tienen el mínimo de votos requeridos para ser considerados. Del análisis se obtuvieron 2 dimensiones y el modelamiento logra predecir correctamente un 94.6% de los votos afirmativos y un 93.74% de los negativos.

De manera ilustrativa, se muestran las estimaciones en cada dimension para los 10 primeros legisladores ordenados alfabéticamente. Cabe destacar que, dado que este modelamiento se basa en un método frecuentista, no tiene errores estándar a los estimadores estimados.

## 
## 
## SUMMARY OF W-NOMINATE OBJECT
## ----------------------------
## 
## Number of Legislators:     123 (0 legislators deleted)
## Number of Votes:   244 (206 votes deleted)
## Number of Dimensions:      2
## Predicted Yeas:        11663 of 12334 (94.6%) predictions correct
## Predicted Nays:        9060 of 9772 (92.7%) predictions correct
## Correct Classifiction:     93.3% 93.74%
## APRE:              0.816 0.828
## GMP:           0.848 0.866 
## 
## 
## The first 10 legislator estimates are:
##                                     coord1D coord2D
## Accorsi Opazo Enrique                -0.783  -0.080
## Aedo Ormeno Rene                      0.774   0.058
## Aguilo Melo Sergio                   -0.922  -0.039
## Alinco Bustos Rene                   -0.682  -0.244
## Allende Bussi Isabel                 -0.930   0.082
## Alvarado Andrade Claudio              0.881   0.143
## alvarez Zenteno Rodrigo               0.951   0.309
## Alvarez-Salamanca Buchi Pedro Pablo   0.260  -0.712
## Araya Guerrero Pedro                 -0.685  -0.718
## Arenas Hadar Gonzalo                  0.969   0.053

El modelo devuelve: los valores estimados para cada legislador, en este caso para las dimensiones 1 y 2 del proceso de componentes principales; los vectores propios; el peso de cada dimensión para cada legislador; el coeficiente beta estimado; y el porcentaje de predicciones correctas para cada dimensión, entre otros resultados.

Para ilustrar los diversos resultados se presenta una tabla con las estimaciones para los primeros seis parlamentarios, que muestra las estimaciones correctas de votos y otras estadísticas asociadas.

correctYea wrongYea wrongNay correctNay GMP CC coord1D coord2D se1D se2D corr.1
Accorsi Opazo Enrique 59 4 4 106 0.8824570 0.9537572 -0.7832161 -0.0798845 0 0 0
Aedo Ormeno Rene 144 3 0 42 0.9344741 0.9841270 0.7738488 0.0581754 0 0 0
Aguilo Melo Sergio 49 6 4 108 0.8942716 0.9401198 -0.9220482 -0.0387239 0 0 0
Alinco Bustos Rene 58 7 14 81 0.8391036 0.8687500 -0.6818872 -0.2441610 0 0 0
Allende Bussi Isabel 49 0 6 88 0.9292669 0.9580420 -0.9299522 0.0819050 0 0 0
Alvarado Andrade Claudio 161 4 5 39 0.9100065 0.9569378 0.8809253 0.1429499 0 0 0

Al evaluar las dimensiones generadas para ordenar a los legisladores, es apreciable que la primera dimensión aporta a la identificación correcta de la votación en un 93.29% mientras que la segunda, únicamente un 0.448% adicional.

## correctclass1D correctclass2D         apre1D         apre2D          gmp1D 
##     93.2959366     93.7437744      0.8155569      0.8278781      0.8481184 
##          gmp2D 
##      0.8657043

Gráficamente, podemos ver la diferencia en valores propios al considerar diferentes dimensiones ortogonales entre si para agrupar y separar a los votantes, en base a sus acciones. Es apreciable que la primera dimensión explica la mayor parte, con las subsiguientes teniendo un aporte marginal.

Acorde a Poole y Rosental (2011), la variación en esta primera dimensión estaría capturando las divisiones partidistas tradicionales. Si ordenamos a los legisladores acorde a esta primera dimensión, desde el menor valor al mayor tenemos la siguiente gráfica:

Es apreciable que los legisladores se separaron en esta dimensión en lo que podríamos consiedar izquierda y derecha. La interpretación porlitológica d elos resultados se realiza con mayor detalle en las siguientes secciones.

Es posible enriquecer el posicionamiento incluyendo la segunda dimensión. Es apreciable la ubicacion de los diversos legisladores en el plano cartesiando construido con las dos dimensiones en la siguiente gráfica, codificados por partido político.

Finalmente, es posible observar las divisiones en diferentes votaciones entre los parlamentarios mediante el análisis de las líneas de corte. La mayoría de las votaciones están bastante divididas en el ángulo de 90 grados, es decir donde cada grupo queda separado en sus posiciones en dicho eje.

## NULL

A.2 - Estimación de ideología de cada parlamentario pscl (Bayesian analysis of item-response theory (IRT) models)

Una aspecto a mencionar de la estimación de la posición ideológica mediante el paquete , es que en está sustentado en un enfoque frecuentista. Esto limita la inferencia posible. Una alternativa es utilizar un modelo que considera un enfoque Bayesiano, en particular usando el paquete PSCL que utiliza moldeamientos Bayesiandos de item-response theory models (ITR). Las ventajas de esta alternativas son varias pero destacan 2: permite incluir más tipos de respuestas y no solamente afirmativas/negativas y calcular errores asociados a la estimación, ya que se genera una distribución asociada a la posición de cada parlamentario.

El análisis de datos de es realizado a través del ajuste de una simulación de Monte Carlo de cadenas de Markoc (MCMC).

Con esto en mente, realizamos la estimación alternativa, con 8000 iteraciones. Bajo este modelamiento, a cada legislador se le asignan varios posibles posicionamientos, con los cuales se construye una distribución de estos y se obtiene el coeficiente estimado de posición.

## ideal: analysis of roll call data via Markov chain Monte Carlo methods.
## 
## Ideal Point Estimation
## 
## Number of Legislators         123 
## Number of Items           285 
## 
## 
## Starting MCMC Iterations...

A.3 - Comparación de resultados y márgen de error

Es posible comparar las estimaciones punto de ambos modelos a un nivel global gráficamente en la siguiente figura.

Es apreciable que las coordenadas en la dimensión 1 estimada por el modelo Bayesiano y frecuentista están fuertemente colacionadas, particularmente el Wnominate captura un 97.4% de la varianza de las estimaciones Bayesianas.

## 
## Call:
## lm(formula = Bayesiano ~ Frecuentista, data = comp_bayes)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.41072 -0.09386 -0.00690  0.05019  0.79498 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   0.01322    0.01425   0.928    0.355    
## Frecuentista  1.30497    0.01891  69.024   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.158 on 121 degrees of freedom
## Multiple R-squared:  0.9752, Adjusted R-squared:  0.975 
## F-statistic:  4764 on 1 and 121 DF,  p-value: < 2.2e-16

Si revisamos la distribución del ordenamiento generado tenemos que ambos son parecidos, tal y como es observable en la siguiente gráfica de densidades.

Sin embargo se aprecian algunas diferencias, especialmente en el rango de las posiciones construidas, que para el modelo Bayesiano se escapan del rango -1,1. Los autores del algoritmo recomiendan usar priors para poder

Ahora, si revisamos particularmente para algunos individuos, es posible comparar las diferentes estimaciones realizadas por ambos moldeamientos. Por ejemplo, para el los individuos Felipe Harboe (Negro), Karla Rubilar (Rojo) y José Antonio Kast (verde) se muestra la distribución de sus estimaciones por el modelo Bayesiano y con una linea, el estimador punto del modelo frecuentista. En este caso lo que ocurre es que tanto para Rubilar, como Harboe los estimadores son parecidos, pero en el caso de Kast keda bastante lejos (aun así, mantienendo el ordenamiento relativo). Esto probablemente refleja que la estimación Bayesiana no está limitada al intervalo -1,1 y que a Kast se usó a priori como ``ancla’’ en el modelamiento de WNominate.

B - Sentido politológico

El tramo histórico para el cual se trabajan los datos, contempla el rango de años entre el 2006 y 2010. Ese periodo, coincide con el primer gobierno de Michelle Bachelet, donde la concertación coronaba su cuarto ciclo consecutivo en el poder. Aquello, estaba refrendado con una mayoría en la cámara de diputados.

Al revisar la distribucuón de los parlamentarios considerando ambas dimensiones, observamos que claramente se organizan en dos grupos. El de la izquierda contiene a los parlamentarios más orientados políticamente desde la izquierda al centro. Este segmento representa a lo que por entonces es la coalición de gobierno, agrupando a los partidos de la concertación: Partido Socialista, Partido Radical Social Demócrata, Partido Por la Democracia, Democracia Cristiana y algunos diputados independientes pro concertación.

Al lado derecho de la gráfica, observamos los parlamentarios que se orientan políticamente desde el centro a los ubicados más a la derecha. Estos diputados pertenecen a lo que por ese tiempo era la coalición Alianza por Chile, que representa a la oposición y que contempla los partidos de Renovación Nacional y la Unión Demócrata Independiente además de algunos diputados Independientes.

Al entrar en detalle, vemos que dentro de los parlamentarios ubicados más a la izquierda son los del Partido Socialista, lo que tiene sentido politológico dado que es el partido con representación en la cámara baja más orientado a la izquierda. Por su parte, los más al centro son los de la Democracia Cristiana. Por otro lado, los parlamentarios ubicados gradualmente a la derecha son mayoritariamente de Renovación Nacional, dejando a la derecha absoluta a los diputados de la UDI.

El gráfico muestra claramente que la coalición de gobierno es más heterogénea en su composición, mientras que el conglomerado de oposición se construye a partir de mayores grados de homogeneidad. Este hecho pareciera ser característico de la representación que tienen estas ideas en la sociedad chilena, donde las posturas políticas más vinculadas al concepto de diversidad, encuentran un asidero en pensamientos de izquierda, a contrapelo de lo que sucede en ideologías más a la derecha, que se caracterizan por un pensamiento más homogéneo y uniforme.

C - Votante Mediano y Pivotal

Podemos ver que en la estimación del modelo con w-nominate la dimensión 1 predice la votación en un 93.29%. De forma tal que es posible analizar la ubicación del votante medio y pivotal solamente considerando esta dimensión.

Para identificar a los votantes pivotal y mediano ordenamos los legisladores en base a la dimensión 1, desde izquierda a derecha.

V1 numero
25 De Urresti Longton Alfonso 1
18 Bustos Ramirez Juan 2
5 Allende Bussi Isabel 3
3 Aguilo Melo Sergio 4
38 Espinoza Sandoval Fidel 5
72 Montes Cisternas Carlos 6
58 Jimenez Fuentes Tucapel 7
75 Munoz D’Albora Adriana 8
91 Robles Pantoja Alberto 9
85 Pascal Allende Denise 10
11 Ascencio Mansilla Gabriel 11
99 Schilling Rodriguez Marcelo 12
82 Pacheco Rivas Clemira 13
1 Accorsi Opazo Enrique 14
105 Sunico Galdames Raul 15
36 Escobar Rufatt Alvaro 16
33 Encina Moriamez Francisco 17
57 Jarpa Wevar Carlos Abel 18
104 Sule Fernandez Alejandro 19
71 Monsalve Benavides Manuel 20
61 Leal Labrin Antonio 21
34 Enriquez-Ominami Gumucio Marco 22
28 Diaz Diaz Marcelo 23
46 Girardi Briere Guido 24
42 Fuentealba Vildosola Renan 25
9 Araya Guerrero Pedro 26
114 Valenzuela Van Treek Esteban 27
4 Alinco Bustos Rene 28
107 Toha Morales Carolina 29
20 Ceroni Fuentes Guillermo 30
54 Insunza Gregorio de las Heras Jorge 31
102 Silber Romo Gabriel 32
93 Rossi Ciocca Fulvio 33
84 Paredes Fierro Ivan 34
101 Sepulveda Orbenes Alejandra 35
108 Tuma Zedan Eugenio 36
122 Walker Prieto Patricio 37
30 Duarte Leiva Gonzalo 38
40 Farias Ponce Ramon 39
37 Espinosa Monardes Marcos 40
64 Lorenzini Basso Pablo 41
56 Jaramillo Becker Enrique 42
60 Latorre Carmona Juan Carlos 43
106 Tarud Daccarett Jorge 44
78 Nunez Lozano Marco Antonio 45
48 Goic Boroevic Carolina 46
79 Ojeda Uribe Sergio 47
49 Gonzalez Torres Rodrigo 48
117 Venegas Cardenas Mario 49
115 Vallespin Lopez Patricio 50
89 Quintana Leal Jaime 51
103 Soto Gonzalez Laura 52
97 Saffirio Suarez Eduardo 53
120 Vidal Lazaro Ximena 54
50 Hales Dib Patricio 55
62 Leon Ramirez Roberto 56
95 Saa Diaz Maria Antonieta 57
17 Burgos Varela Jorge 58
80 Olivares Zepeda Carlos 59
81 Ortiz Novoa Jose Miguel 60
74 Mulet Martinez Jaime 61
51 Harboe Bascunan Felipe 62
27 Diaz Del Rio Eduardo 63
87 Perez Arriagada Jose 64
68 Meza Moncada Fernando 65
118 Venegas Rubio Samuel 66
96 Sabag Villalobos Jorge 67
8 Alvarez-Salamanca Buchi Pedro Pablo 68
55 Isasi Barbieri Marta 69
14 Becker Alvear German 70
88 Perez San Martin Lily 71
47 Godoy Ibanez Joaquin 72
83 Palma Flores Osvaldo 73
65 Martinez Labbe Rosauro 74
53 Herrera Silva Amelia 75
100 Sepulveda Hermosilla Roberto 76
69 Monckeberg Bruner Cristian 77
116 Vargas Lyng Alfonso 78
39 Estay Penaloza Enrique 79
119 Verdugo Soto German 80
44 Garcia Garcia Rene Manuel 81
94 Rubilar Barahona Karla 82
15 Bertolino Rendic Mario 83
26 Delmastro Naso Roberto 84
12 Barros Montero Ramon 85
21 Chahuan Chahuan Francisco 86
2 Aedo Ormeno Rene 87
13 Bauer Jouanne Eugenio 88
113 Valcarce Becerra Ximena 89
76 Nogueira Fernandez Claudia 90
35 Errazuriz Eguiguren Maximiano 91
19 Cardemil Herrera Alberto 92
111 Uriarte Herrera Gonzalo 93
52 Hernandez Hernandez Javier 94
92 Rojas Molina Manuel 95
70 Monckeberg Diaz Nicolas 96
31 Egana Respaldiza Andres 97
67 Melero Abaroa Patricio 98
112 Urrutia Bonilla Ignacio 99
6 Alvarado Andrade Claudio 100
110 Ulloa Aguillon Jorge 101
45 Garcia-Huidobro Sanfuentes Alejandro 102
109 Turres Figueroa Marisol 103
63 Lobos Krause Juan 104
24 Cubillos Sigall Marcela 105
23 Cristi Marfil Maria Angelica 106
121 Von Muhlenbrock Zamora Gaston 107
123 Ward Edwards Felipe 108
43 Galilea Carrillo Pablo 109
29 Dittborn Cordua Julio 110
77 Norambuena Farias Ivan 111
66 Masferrer Pellizzari Juan 112
73 Moreira Barros Ivan 113
32 Eluchans Urenda Edmundo 114
16 Bobadilla Munoz Sergio 115
7 alvarez Zenteno Rodrigo 116
90 Recondo Lavanderos Carlos 117
22 Correa De la Cerda Sergio 118
98 Salaberry Soto Felipe 119
59 Kast Rist Jose Antonio 120
10 Arenas Hadar Gonzalo 121
86 Paya Mira Dario 122
41 Forni Lobos Marcelo 123

Dado que el total de votantes es 125, particularmente el votante medio será el que se ubique en la mediana de la distribución (es decir, ubique la posición 63) y el votante pivotal el que esta en la posición que acumule 2/3 de los parlamentarios desde la izquierda. En este caso, se realiza la acumulación desde ese sentido ya que para el periodo analizado el oficialismo contaba con mayoría parlamentaria, y estos serían los votos que podrían hacer la diferencia en el caso de un veto presidencial.

Es apreciable que el congreso está polarizado en dos grandes grupos, el primero modo representa al bloque oficialista mayoría que contiene al votante medio y el otro bloque contiene al votante pivotal. Es decir, el oficialismo cuenta con votos para aprobar proyectos que solamente requieran mayoría simple. Sin embargo, para generar proyectos que requieren 2/3 o para revertir un veto presidencial, se requiere la negociación con la bancada opositora, ya que el votante pivotal está ubicado en este bando.

Es razonable pensar que los vecinos también afectan, o podrían ser convencidos ya que el modelo frecuentista no tiene estimaciones de error estadístico, por lo cual no sabemos que tan diferente es la posición real de los vecinos.

De este modo, se identifica como la vecindad de votantes medianos a los siguientes legisladores (que tienen los valores 61, 62 y 63): Eduardo Diaz Del Rio, Felipe Harboe Bascunan y Jaime Mulet Martinez

## [1] "Diaz Del Rio Eduardo"   "Harboe Bascunan Felipe" "Mulet Martinez Jaime"

Siguiendo la misma lógica, se identifica como votantes medianos a los siguientes legisladores (que tienen los valores 81, 82 y 83): Mario Bertolino Rendic, Karla Rubilar Barahona y Manuel Garcia Garcia.

## [1] "Bertolino Rendic Mario"    "Garcia Garcia Rene Manuel"
## [3] "Rubilar Barahona Karla"

A continuación se presentan dos gráficos que muestran la ubicación del votante mediano y pivotal y su vecindad en el universo total de votantes, considerando la dimensión 1.

D - Evaluación cualitativa

Hacer una evaluación cualitativa de los resultados del punto (c). Es decir, hacer una breve búsqueda en internet sobre las personas identificadas en el punto anterior para fundamentar el porqué hace o no hace sentido que sean votantes pivotales o votantes medianos, según corresponda.

El hecho de que el votante mediano sea el diputado Felipe Harboe tiene un sentido politológico claro, dado que pertenece a la coalición de gobierno, la que además tenía una mayoría en el parlamento para aquel periodo. Felipe Harboe fue ministro suplente durante el primer gobierno de Bachelet y luego fungió como presidente de la comisión de Protección al Patrimonio Arquitectónico posterior al terremoto del 2010. Caso particular es el de Eduardo Díaz, quien se retiró de la bancada de la UDI el año 2004, uniéndose al PDC y posteriormente al PRI. Una hipótesis es que su “dinamismo ideológico” lo hace tender inevitablemente al medio. En general, estos votantes medios tienen una cercanía hacia el oficialismo de la época por tanto hace sentido que ellos sean los votantes medianos detectados en este trabajo.

La votante pivotal es Karla Rubilar y su vecindad, Mario Bertolino y Roberto Delmastro todos militantes del partido RN. Hace sentido que estos 3 diputados sean los votantes pivotales dado que la coalición de oposición tiene sólo un poco menos de la mitad de representación, por tanto el 2/3 se ubica en su “espacio político”. Karla Rubilar se presenta como una “pivotal accesible”, dado que por ese tiempo mantuvo una cercanía relativa hacia la Concertación, participando en comisiones asesoras presidenciales de la juventud durante el primer mandato de la Presidenta Bachelet. De hecho, en su minuto renunció al partido e integró comisiones mixtas. Por su parte, Mario Bertolino fue jefe de la bancada de RN durante el 2007-2008, lo que representa un pivotal más conservador y poco accesible a negociaciones, al igual que Roberto Delmastro, quien por ese periodo pasaba de ser diputado independiente a ser diputado RN desde el 2006, formando parte de varias comisiones permanentes entre ellas la de asuntos interparlamentarios e integración Latinoamericana.

Referencias

Joshua Clinton, Jackman, S., & Rivers, D. (2004). The Statistical Analysis of Roll Call Data. The American Political Science Review, 98(2), 355–370.

Poole, K., Lewis, J., Lo, J., & Carroll, R. (2011). Scaling Roll Call Votes with wnominate in R. Journal of Statistical Software, Articles, 42(14), 1–21.

Poole, K., Lewis, J., Rosenthal, H., Lo, J., & Carroll, R. (2016). Recovering a Basic Space from Issue Scales in R. Journal of Statistical Software, Articles, 69(7), 1–21.