OGGETTIVO — Sondaggi e segnali: come leggere i dati senza farsi ingannare (medie, house effects, errore storico, FEC, special elections, mercati)

OGGETTIVO — Sondaggi e segnali: leggere i dati senza farsi ingannare

Pagina di metodo: gli strumenti oggettivi per leggere il clima politico USA — medie di sondaggi, approval tracker, FEC filings, special elections, prediction markets — e le regole per non farsi ingannare da ciascuno. Nessuna previsione qui: questa pagina è la cassetta degli attrezzi che le tesi del wiki (OGGETTIVO — Stato di sondaggi e mercati: istantanea datata al 22 luglio 2026 (generic ballot, approval Trump, gare chiave, prediction market), STORIA — Base rate della penalità midterm: quanti seggi Camera/Senato perde il partito del presidente in funzione dell'approval (tabella <40% / 40–50% / >50%), casi datati 1946–2022) devono usare. Machine-generated, dichiarato; ogni cifra viene da una fonte primaria fetchata e citata.

Regola zero: la media aggregata e il trend, mai il singolo sondaggio

Un singolo sondaggio è un'estrazione rumorosa: campionamento, pesatura, modello di likely voter, firma del pollster. Il "sondaggio-shock" che domina un ciclo di notizie è quasi sempre un outlier selezionato *perché* shock — selezione sulla varianza, non sull'informazione. La difesa è meccanica, non psicologica: guardare solo medie aggregate e la loro derivata (trend), mai il livello di un singolo poll.

Come è costruita una media seria (metodologia Silver Bulletin, 22 gen 2026 — FATTO, dalla pagina di metodologia): - regressione polinomiale locale sui sondaggi, con smoothing ottimizzato empiricamente (né overfitting sul rumore, né ritardo nel cogliere svolte reali); - peso di ogni poll = rating del pollster (accuratezza storica + trasparenza) × ampiezza campionaria (con rendimenti decrescenti: "il sample size conta meno che in teoria") × recenza (decadimento più aggressivo per l'approval, che si stabilizza prima); - protezione anti-flooding: il peso è calcolato sul volume aggregato di interviste per firma nel tempo, così un pollster che pubblica ogni giorno non domina la media; - bande d'errore dove dovrebbe cadere il 90% dei nuovi sondaggi: se un poll cade fuori, è il poll l'outlier, non la media a essere "smentita".

Nota di ecosistema (FATTO): FiveThirtyEight — fondato da Nate Silver nel 2008 come blog di aggregazione e analisi dei sondaggi — è stato chiuso da Disney/ABC News il 5 marzo 2025 (research-live.com). Ogni citazione "538" post-marzo 2025 è archivio, non dato corrente. La media di riferimento usata in questa pagina è Silver Bulletin (natesilver.net); esistono altri aggregatori attivi nel 2026, non censiti qui (unverified quali e quanto affidabili).

House effects: correggere la firma, non censurare il pollster

House effect = scostamento *statistico* sistematico di una firma rispetto alla media di tutti gli altri — non bias editoriale, non inaffidabilità. Numeri concreti dal ciclo 2024 (Silver Bulletin, 27 set 2024 — FATTO, margine Harris–Trump):

| Firma | House effect | |---|---| | Trafalgar Group | R +2.7 | | Rasmussen Reports | R +2.6 | | Spry Strategies | R +2.3 | | InsiderAdvantage | R +0.8 | | NYT/Siena | ≈0 (−0.06) | | Morning Consult | D +1.2 | | Public Policy Polling | D +1.4 | | Ipsos | D +1.9 |

La stessa fonte avverte che firma politica e house effect non coincidono ("Fox News's polling department has long played it straight down the fairway"). Come si stima senza sovracorreggere (metodologia Silver Bulletin — FATTO): l'house effect è calcolato come proporzione dello scarto della firma dalla media complessiva, mean-reverted — poche rilevazioni → forte sconto verso zero; per i poll di parte sul generic ballot si parte da un prior di bias di ~1.7 punti, poi l'evidenza empirica lo sovrascrive.

Le due regole che ne seguono: 1. Non escludere Rasmussen perché "di destra" né Morning Consult perché "di sinistra": si stima la firma e la si sottrae. Un pollster con house effect R+2.6 *corretto* è più informativo di un pollster sconosciuto senza storia. House effect ≠ inaccuratezza. 2. Il trend interno alla stessa firma è più pulito del livello: se Rasmussen passa da R+5 a R+1, il movimento di 4 punti è segnale anche se il livello resta distorto.

L'errore storico dei sondaggi: il base rate dell'incertezza

Quanto sbagliano i sondaggi *quando va tutto normalmente*? È il base rate che va caricato sopra ogni media letta oggi.

- Il quadro lungo (FATTO) — Jennings & Wlezien, *Nature Human Behaviour* 2018: >30.000 sondaggi nazionali, 351 elezioni, 45 paesi, 1942–2017. La performance recente non è fuori dall'ordinario: i "fallimenti dei sondaggi" non sono diventati più frequenti; l'errore cala in modo strutturato avvicinandosi al voto e varia per contesto politico. - Il caso peggiore recente (FATTO) — AAPOR Task Force 2020: errore assoluto medio sul margine, ultime 2 settimane: 4.5 punti nazionale (il massimo in 40 anni per il voto popolare nazionale), 5.1 statale (il massimo in almeno 20 anni: gli statali sono tracciati dal 2000); errore *firmato* pro-Biden: +3.9 nazionale, +4.3 statale; Senato+Governatori combinati +6.0 pro-D. L'errore fu stabile fino a 3 giorni dal voto (non un late swing). La task force non ha potuto identificare la causa: esclusi i late deciders, la mancata pesatura per istruzione, lo "shy Trump" (l'errore era maggiore nelle gare *senza* Trump) e la composizione demografica; l'ipotesi residua è la nonresponse differenziale (i repubblicani più pro-Trump rispondono meno ai sondaggi), non testabile direttamente senza sapere come hanno votato i non-rispondenti. - Il ritorno alla norma (FATTO) — AAPOR Task Force 2024 (rapporto ott. 2025): su 611 sondaggi delle ultime 2 settimane (tutti gli uffici: presidenziali, Senato, governatori, Congresso), errore assoluto medio sul margine two-party 3.3 punti (vs 5.3 nel 2020 e 5.2 nel 2016, stessa metrica); presidenziali nazionali 2.6, statali 3.0 — i sondaggi statali più accurati di ogni ciclo presidenziale dal 1944. Nessuna evidenza di herding nel 2024; nessuna ricetta metodologica garantisce accuratezza. - La direzione (FATTO + CONTESO) — terzo ciclo presidenziale consecutivo con sottostima repubblicana: margine D sovrastimato di +2.7 (2024), +4.6 (2020), +3.1 (2016). Ma nei midterm l'errore firmato è stato quasi nullo: R sovrastimati di 0.6 nel 2022, D di 0.1 nel 2018. E storicamente è raro che i sondaggi sbaglino nella stessa direzione per più di un paio di cicli presidenziali consecutivi (D e R sottostimati circa altrettanto spesso dagli anni '30). → CONTESO se il bias pro-D persisterà nel 2026: assumerlo automaticamente ("aggiungi 3 punti ai repubblicani") è un errore quanto ignorarlo; nei midterm recenti non c'era.

Regola pratica: leggi ogni margine di media sondaggi con una campana di errore di $\pm 3$–$5$ punti sul margine, direzione non conoscibile ex ante. Un vantaggio di 2 punti sul generic ballot è rumore statistico; uno di 8 è segnale.

Approval tracker: il segnale lento

L'approval presidenziale è la serie più stabile e più densa di sondaggi: il posto giusto dove leggere il *clima*, non l'evento. Stato al 21 lug 2026 (tracker Silver Bulletin — FATTO): Trump net approval −17.4, in risalita dal minimo di secondo mandato −20.2 (maggio 2026); al punto equivalente del mandato Biden era a −19.2. I singoli titoli ("massimo dalla primavera!", "minimo storico sull'economia!") sono la versione approval del sondaggio-shock: stessa regola zero, si legge la media e il trend.

Una proprietà dalla fonte (FATTO, metodologia Silver Bulletin): l'approval si stabilizza più in fretta del voting intention — per questo il decadimento di recenza è più aggressivo. Regola operativa di questa pagina (metodo, non fonte): il segnale è la *derivata* della media su 4–8 settimane; il livello assoluto va confrontato solo con lo stesso punto di mandati precedenti. Il collegamento approval → seggi al midterm è materia di STORIA — Base rate della penalità midterm: quanti seggi Camera/Senato perde il partito del presidente in funzione dell'approval (tabella <40% / 40–50% / >50%), casi datati 1946–2022, non di questa pagina.

FEC filings: i soldi come comportamento rivelato

I sondaggi misurano parole; i filing FEC misurano denaro speso da persone reali — un segnale di entusiasmo e organizzazione che non si può dichiarare, va pagato. Fonte primaria: fec.gov/data (Form 3, 3P, 3X: raccolta, spesa, contributi individuali cercabili per donatore, profili di candidati e comitati). Calendario 2026 (FATTO, fec.gov): i trimestrali scadono 15 aprile, 15 luglio, 15 ottobre 2026 e 31 gennaio 2027 (year-end); in più i pre-election report (12 giorni prima di primarie/convention/runoff; pre-general dovuto il 22 ottobre 2026). Quattro finestre trimestrali l'anno in cui il quadro finanziario di ogni gara si aggiorna di colpo; il dato è pubblico, granulare e obbligatorio per legge.

Cosa leggere in un filing (metodo, non numeri): totale raccolto nel trimestre, cash on hand, burn rate (spesa/raccolta), quota di piccoli donatori. Confrontare candidati della stessa gara e lo stesso candidato nel tempo, mai valori assoluti tra gare diverse. Caveat onesto: la raccolta è endogena — i soldi seguono la viability percepita oltre a crearla, quindi è un termometro di energia e organizzazione, non un predittore lineare di voti (la letteratura quantitativa su fundraising→voti non è stata verificata qui: unverified).

Special elections: il rivelatore comportamentale

Le elezioni speciali sono l'unico segnale fatto di voti veri tra un novembre e l'altro. Stato del ciclo (Hunt, The Conversation, 13 feb 2026 — FATTO): nelle 88 special tenute dall'Election Day 2024 i democratici corrono in media +13 punti sopra i margini Harris 2024. Il precedente storico citato dalla stessa fonte: nel ciclo 2017–18 overperformance D di +9 medi sui margini Clinton 2016 → midterm vinto +8 con 40 seggi House (e 7 governatorati); nel 2021–22 *under*performance D di −4 vs Biden 2020 → voto nazionale House perso di ~3.

Perché funziona e dove inganna: turnout molto più basso e selezionato (misura la mobilitazione dei già convinti più che la persuasione degli incerti — meccanismo affine ai midterm, vedi TEORIA — Affluenza e composizione dell'elettorato midterm: surge and decline, enthusiasm gap e perché il partito fuori dal potere vota di più), fattori iperlocali (candidati deboli, scandali di distretto) — entrambi i caveat sono nella stessa fonte. Stessa regola zero dei sondaggi: conta la media di tutte le special del ciclo, mai la singola gara "eye-popping" — che finisce in prima pagina proprio perché estrema.

Prediction markets: segnale, non verità

Cosa è provato (Berg, Nelson & Rietz, *Int. J. of Forecasting* 2008 — FATTO, dal paper): Iowa Electronic Markets vs 964 sondaggi nazionali, presidenziali 1988–2004: il mercato è più vicino all'esito finale nel 74% dei confronti. A parità di date (stesso giorno di ogni sondaggio): errore assoluto medio 1.82 punti per il mercato contro 3.37 per i sondaggi sull'intero campione; negli ultimi 5 giorni 1.20 contro 1.62; oltre 100 giorni dal voto 2.65 contro 4.49 — e il vantaggio del mercato è significativo in ogni elezione oltre i 100 giorni. L'errore election-eve dei soli mercati vote-share è 1.33 punti. Interpretazione degli autori: il mercato prezza *l'esito a novembre*, il sondaggio fotografa *l'opinione di oggi*.

Cosa è conteso (CONTESO, verificato sull'abstract): Erikson & Wlezien, *Public Opinion Quarterly* 72(2), 2008 ("Are Political Markets Really Superior to Polls as Election Predictors?") — "when poll leads are properly discounted, poll-based forecasts outperform vote-share market prices": proiettando i sondaggi al voto con la relazione storica data→esito, i forecast poll-based battono i prezzi IEM sugli stessi cicli 1988–2004, e i trader sovrastimerebbero l'incertezza di campagna. Il confronto "mercato vs sondaggio grezzo" sarebbe quindi truccato in partenza. La questione resta aperta in letteratura. I mercati moderni (Polymarket, Kalshi, PredictIt) aggiungono rischi propri — liquidità sottile sui contratti minori, possibilità di manipolazione, long-shot bias — plausibili ma qui non verificati su fonte primaria (unverified).

Regola: il prezzo di mercato è *un aggregatore in più* con skin in the game, da leggere accanto alla media sondaggi — mai "la probabilità vera". Divergenza mercato–media è essa stessa un segnale da spiegare, non da arbitrare a favore del proprio priore.

La regola anti-bias: sconta per interesse, mai per schieramento

Ogni fonte va scontata per il suo interesse dichiarato — cosa guadagna se le credi — e lo sconto è simmetrico: Fox News e MSNBC allo stesso modo, un pollster R-affiliated e uno D-affiliated allo stesso modo, la Casa Bianca e l'opposizione allo stesso modo. Mai scontare per schieramento in sé: la domanda non è "da che parte sta?" ma "che incentivo ha su questo numero?".

Il caso che dimostra la differenza (FATTO, AAPOR 2024): i pollster R-affiliated sono risultati *leggermente più accurati* nel 2024 — ma le differenze erano piccole, possono riflettere altri attributi dei loro metodi, e la task force avverte che possono riflettere la tendenza a pubblicare selettivamente numeri R-friendly: una tendenza che produce accuratezza negli anni in cui la media ha bias pro-D e la distruggerebbe negli altri. L'incentivo di release, non lo schieramento in sé, è la variabile da scontare. Corollario operativo: per ogni numero che conferma la tua tesi, cerca *attivamente* il dato che la contraddice (il pollster con house effect opposto, la special election fuori trend, il filing FEC del candidato "spacciato") e registralo nella pagina — se non c'è scritto dove la tesi morirebbe, non è una tesi, è tifo (SPIN è l'etichetta per i numeri veicolati da chi ha interesse nel loro effetto, non necessariamente falsi).

Checklist operativa (ordine di lettura di un segnale nuovo)

1. È un singolo sondaggio? → cerca la media aggregata; se non esiste, trattalo come aneddoto. 2. Chi lo pubblica? → sottrai l'house effect stimato; se la firma è nuova, sconta verso la media. 3. Carica il base rate d'errore: $\pm 3$–$5$ sul margine, direzione ignota ex ante; midterm storicamente meno distorti dei presidenziali. 4. Cross-check comportamentale: la media delle special elections e i filing FEC trimestrali raccontano la stessa storia dei sondaggi? Le divergenze sono il contenuto informativo. 5. Mercati: annota il prezzo come secondo aggregatore; spiega la divergenza dalla media, non usarla per scegliere il numero che preferisci. 6. Anti-bias: sconto per interesse (simmetrico), ricerca esplicita del dato contrario, etichette FATTO/CONTESO/SPIN sul numero, non sulla fonte.