Volební model: Jak funguje a určuje vítěze

Volební model: Zlatý grál každé politické kampaně a jak vlastně funguje

Hele, znáš ten pocit, když se blíží důležité hlasování a ze všech stran na tebe na sítích i v televizi vyskakuje nějaký volební model, který slibuje zaručené predikce? Každý politolog, komentátor i tvůj strýc u nedělního oběda má najednou jasno v tom, kdo vyhraje, a všichni se ohánějí desetinami procent. Pamatuju si, jak jsme nedávno seděli s kamarády v jedné letenské hospodě a hádali se o to, jestli ta nová data dávají smysl. Kamarád tvrdil, že je to všechno jen vycucané z prstu, zatímco já se mu snažil vysvětlit, že za tím stojí obrovská hromada hodně pokročilé matematiky.

Speciálně teď, když už se píše rok 2026, je analytika a sběr dat úplně jinde než před deseti lety. Agentury dnes nespoléhají jen na to, že někdo někomu zavolá na pevnou linku. Používají neuvěřitelně komplexní algoritmy, obří databáze a sofistikované dotazování, aby zjistily, jak se zachováme my – voliči. Tenhle článek ti chci napsat tak, jak bychom si o tom povídali u kafe. Žádná nudná akademická teorie, ale čistá a srozumitelná praxe. Chci ti ukázat, jak to celé šlape, proč se občas i ta nejlepší data mohou splést a proč má vůbec smysl tyhle barevné grafy sledovat. Nakonec totiž zjistíš, že čísla nejsou jen nudná statistika, ale fascinující psychologický obraz celé naší společnosti v daném okamžiku.

V čem se to liší od běžného průzkumu a proč to potřebujeme

Hodně lidí hází všechny ty termíny do jednoho pytle. Řeknou „průzkum“ a myslí tím vlastně finální výsledek. Jenže to je velká chyba. Klasický průzkum sympatií nebo volebních preferencí ti ukáže jen to, koho by lidé hypoteticky volili, kdyby šli k volbám. Ale reálný volební model do toho započítává tu absolutně nejzásadnější proměnnou – jestli ten člověk k těm volbám vůbec fyzicky dojde nebo se přihlásí online. K čemu je ti strana, která má obrovské sympatie, když její fanoušci v den D raději odjedou na chatu?

Zkusím ti dát dva jasné příklady, proč tohle má obrovskou hodnotu pro samotné kampaně:

Příklad 1: Alokace rozpočtu. Představ si, že vedeš stranu a vidíš, že tvůj potenciál je obrovský, ale tvůj reálný odhadovaný zisk v modelu je poloviční. Znamená to, že tě lidé mají rádi, ale nejsou motivovaní to hodit do urny. Nemusíš měnit program, ale musíš všechny peníze nacpat do mobilizační kampaně. Začneš dělat agresivnější hesla, abys je zvedl z gauče.

Příklad 2: Krizový management. Vyleze kauza a ty potřebuješ vědět, jestli tě potopila. Rychlý bleskový sběr dat a sestavení matematického odhadu ti přesně ukáže, jestli ti utekli tvoji věrní, nebo se jen naštvali ti, kteří by tě stejně nikdy nevolili.

Tady jsou tři hlavní pilíře, na kterých každý solidní výpočet stojí:

1. Sběr reprezentativních dat: Není to anketa na Facebooku. Agentura musí oslovit přesný mix lidí – správný poměr mužů, žen, mladých, seniorů, lidí z Prahy i z malých vesnic na Moravě, lidí se základním vzděláním i vysokoškoláků.
2. Filtrování ochoty volit: Algoritmus se podívá na historii respondenta. Pokud někdo říká „určitě půjdu“, ale nebyl u posledních tří voleb, jeho odpověď dostane menší váhu.
3. Matematické vážení (Weighting): Pokud agentura omylem nabere moc mladých lidí, kteří tráví čas online, musí jejich hlasy matematicky „zmenšit“ a hlasy chybějících seniorů „zvětšit“, aby vzorek dokonale odpovídal demografii státu podle statistického úřadu.

Kde se to vůbec vzalo (Origins)

Možná si myslíš, že tyhle statistiky jsou výdobytkem posledních pár dekád, ale historie sahá mnohem hlouběji. Všechno to začalo už ve třicátých letech dvacátého století. Nejslavnější průlom udělal George Gallup ve Spojených státech. Před ním noviny zkoušely odhadovat výsledky tak, že poslaly miliony anketních lístků čtenářům. Jednou se ale spletly naprosto katastrofálně, protože jejich čtenáři byli převážně bohatí lidé, a absolutně minuli náladu chudší dělnické třídy. Gallup přišel s radikální myšlenkou – řekl, že nepotřebuje miliony lidí. Tvrdil, že mu stačí pár tisícovek, pokud to bude správných pár tisícovek, které tvoří dokonalou zmenšeninu celé Ameriky.

Vývoj přes desítky let (Evolution)

Od té doby se pravidla hry neustále měnila. V osmdesátých a devadesátých letech vládly takzvané CATI linky – obrovská call centra, kde operátoři s obřími sluchátky obvolávali pevné linky. Znělo to logicky, pevnou linku měla každá rodina. Jenže pak přišly mobily. Lidé začali pevné linky rušit, a najednou se výzkumníkům stávalo, že se dovolali jen starším lidem, kteří seděli doma. Bylo nutné překopat celou metodologii a začít míchat mobilní čísla s těmi pevnými. To s sebou přineslo obrovské finanční náklady, ale nebylo zbytí, protože jinak by se data úplně odtrhla od reality.

Současný stav a moderní technologie (Modern state)

Dneska už to není jen o telefonech. Velké agentury pracují s obrovskými online panely. Mají zaregistrované desítky tisíc lidí, o kterých vědí úplně všechno. Kdykoliv potřebují udělat bleskový průzkum, systém rozešle notifikace na telefony přesně vybraným profilům. Dokonce se začíná využívat strojové učení k analýze takzvaných ne-odpovědí. Když někdo zavěsí nebo odmítne odpovědět, umělá inteligence počítá pravděpodobnost toho, koho by tento „mlčící“ člověk volil, na základě jeho bydliště a profese. To nám dává neuvěřitelně plastický obraz reality.

Matematika za oponou

Připadá ti to občas jako černá magie? Neboj, není. Jsou za tím naprosto tvrdé matematické rovnice a statistické vzorce. Ať se děje, co se děje, každá seriózní analytika pracuje s takzvaným intervalem spolehlivosti. Často slyšíme v televizi věty jako „strana X má deset procent s možnou chybou plus minus tři procenta“. To není alibismus agentury, to je přiznání fyzikálních limitů matematiky. Když nezkoumáš všech deset milionů obyvatel, vždycky tam bude statistická odchylka.

Algoritmy, které nás znají

Dneska to už navíc funguje přes složité matice. Analytici používají takzvané raking nebo cell-weighting metody. Snaží se vzorek narovnat tak, aby seděl na sčítání lidu. Není to nic jednoduchého. Když se to udělá špatně, vyjde ti nesmysl, a proto je kvalita analytika mnohem důležitější než hrubá data ze samotných dotazníků. Pokud špatně zkoriguješ data, dopadne to jako slavný Brexit, kde modely ukazovaly, že Britové zůstanou v EU, ale vůbec nedocenily obrovskou skrytou masu nespokojených voličů, kteří normálně do průzkumů nemluví, ale k volbám nakonec dorazili.

• Reprezentativní vzorek neznamená kvantitu: Tisíc správně vybraných lidí má větší přesnost než sto tisíc náhodných hlasujících na internetové anketě.
• Vliv volební účasti: Většina chyb nevzniká špatným odhadem preferencí, ale špatným odhadem toho, jaká skupina zůstane v den voleb doma.
• Spirála mlčení: Extrémní nebo radikální strany mívají v realitě často lepší výsledek než na papíře, protože jejich voliči se za svou volbu před tazatelem stydí.
• Překrývání voličů: Skutečná data vždy zkoumají i druhou a třetí volbu. Lidé se dnes nerozhodují jen pro jednu stranu, mají koš přijatelných variant.

Krok 1: Výběr agentury a metodiky (Den 1)

Tak jo, pojďme si ukázat, jak by vypadal takový sedmidenní sprint, kdybys chtěl postavit vlastní datový report. V pondělí musíš jasně definovat, co hledáš. Zadáš práci sociologické agentuře a společně musíte rozhodnout metodiku. Bude to jen telefon? Nebo čistě online panel? Nebo takzvaný mix-mode, který je dnes považován za naprostý zlatý standard? Většinou se vybere mix, protože přes telefon dostaneš lidi, kteří na internetu neklikají na dotazníky, a online zase chytíš ajťáky, kteří by cizí číslo v životě nezvedli.

Krok 2: Tvorba dotazníku na míru (Den 2)

V úterý sedíš s psychology a experty na komunikaci a píšeš otázky. Nesmíš se ptát návodně. Pokud se zeptáš „Také si myslíte, že je současná vláda hrozná a koho budete volit místo ní?“, vyhodil jsi peníze oknem. Dotazník musí být absolutně neutrální. Také musíš zařadit záludné kontrolní otázky. Ptáš se nejen „Půjdete volit?“, ale třeba i „Víte, kde máte přesně svou volební místnost?“. Kdo neví, kde má urnu, u toho se pravděpodobnost jeho reálné účasti razantně snižuje.

Krok 3: Sběr dat v terénu a online (Den 3 a 4)

Středa a čtvrtek patří samotné akci. Rozjíždí se obří mašinérie. Operátoři volají od rána do večera. Systémy rozesílají desetitisíce e-mailů s unikátními odkazy pro registrované respondenty. Výzkumníci zároveň chodí občas po ulicích, aby ulovili i lidi, kteří nesedí doma. Sleduje se takzvaná návratnost a agentura vidí na obrazovkách v reálném čase, jak se jim plní takzvané kvóty – jestli už mají dostatek mužů ze severu země, nebo jestli jim akutně chybí vysokoškolačky do 30 let.

Krok 4: Čištění a filtrace odpovědí (Den 5)

V pátek ráno máš surová data. A věř mi, jsou to většinou tuny odpadu. Lidé odpovídají nesmysly, naklikají dotazník za deset vteřin, jen aby dostali odměnu. Tohle všechno musí analytici vyčistit. Hledají se takzvaní speeders (lidé, co jen proklikávají) a straight-liners (lidé, co dávají všude odpověď 1, ať je to cokoliv). Když tenhle datový balast odstraníš, zbyde ti čisté zlato. Pak musíš tvrdě oříznout ty, u kterých detekuješ, že k volbám lžou a nepřijdou.

Krok 5: Aplikace matematických vah (Den 6 dopoledne)

Sobotní ráno je o tvrdé matematice. Máš tisíc platných odpovědí, ale zjistíš, že ti odpovědělo příliš málo lidí s učňovským vzděláním. Zapojíš algoritmy, které tyhle konkrétní odpovědi matematicky znásobí, abys vyrovnal demografické složení podle aktuálních čísel statistického úřadu. Tohle je přesně ta fáze, kde se odlišují amatéři od absolutních profíků. Špatné vážení znamená, že vytvoříš alternativní vesmír, který nemá s reálným státem nic společného.

Krok 6: Výpočet pravděpodobnosti účasti (Den 6 odpoledne)

Teď do toho promítneš ten nejtěžší faktor. Kdo fakt zvedne zadek. Vypočítáš takzvaný jádrový voličský kmen a na druhou stranu dáš nerozhodnuté. Agentura použije historické vzorce chování. Ví se například, že naštvaný volič chodí častěji než spokojený, a že senioři chodí s mnohem železnější pravidelností než prvovoliči, ačkoliv prvovoliči na sítích dělají největší rámus. Tato korekce dokáže strhnout stranám s mladými voliči i několik procent směrem dolů.

Krok 7: Finální vizualizace a interpretace (Den 7)

V neděli se čísla přelijí do grafů. Dělají se koláčové grafy, spojnicové grafy trendů, píše se závěrečná zpráva pro média nebo pro politickou stranu. Přidávají se varování o statistických odchylkách. V tenhle moment se ten balík dat stává oním volebním modelem, který v pondělí ráno uvidíš na titulních stranách všech zpravodajských serverů a o kterém se budete zase večer hádat u piva.

Mýtus 1: Modely jsou přesné věštby výsledků

Mýtus: Lidé věří, že když graf ukáže 25 %, bude mít strana v sobotu přesně 25 %.

Realita: Je to jen fotografie aktuální nálady v momentě sběru. Za těch pět dní do hlasování může jeden televizní debatní trapas pohnout náladou o několik procent.

Mýtus 2: Výzkumníci to falšují pro peníze

Mýtus: Agentury berou úplatky a čísla si prostě vymýšlejí podle toho, kdo jim platí.

Realita: Být důvěryhodnou agenturou je to jediné, co těm firmám zajišťuje byznys. Kdyby před volbami ukazovaly nesmysly, už si u nich žádný komerční klient (banka, automobilka) neobjedná drahý tržní výzkum. Jde jim o reputaci.

Mýtus 3: Na internetu se dá zjistit všechno zdarma

Mýtus: Stačí hodit anketu na velký portál a máme čísla, nepotřebujeme platit složité vědce.

Realita: Internetová anketa trpí fenoménem zvaným self-selection bias. Hlasují tam jen ti nejvíc motivovaní fanoušci, často koordinovaně ze zájmových skupin. Vůbec to nezobrazuje tichou většinu.

FAQ: Proč se modely někdy mýlí?

Hlavním důvodem je, že lidé často lžou i sami sobě. Říkají tazatelům, co si myslí, že je společensky přijatelné. Dalším faktorem jsou události na poslední chvíli, takzvané černé labutě, které změní názor nerozhodnutých voličů den před volbami.

FAQ: Kolik lidí je potřeba otestovat?

Kupodivu, abys měl dobrý přehled pro desetimilionovou republiku, nepotřebuješ statisíce lidí. Pro spolehlivá data stačí zhruba 1000 až 1200 perfektně vybraných respondentů. Zvýšení vzorku na 5000 sice lehce sníží statistickou chybu, ale náklady stoupnou natolik, že to nikdo nezaplatí.

FAQ: Kdo si tyto modely platí?

Kromě samotných politických stran si ty veřejné výstupy objednávají velká mediální vydavatelství nebo televizní stanice, protože vědí, že grafy fungují na diváky jako magnet a přitahují obrovskou sledovanost a inzerenty.

FAQ: Může AI nahradit tradiční výzkumníky?

Dnes v roce 2026 už umělá inteligence zastává velkou část rutinní práce při čištění dat a prediktivním doplňování vzorců, ale psychologii člověka a vymýšlení metodiky musí pořád řídit zkušený lidský sociolog. AI ještě neumí empaticky poznat kontext naší nátury.

FAQ: Co je to interval spolehlivosti?

Je to to rozmezí plus minus. Znamená to, že s určitou pravděpodobností (většinou 95 %) leží skutečná podpora strany v tomto rozmezí. Takže zisk 10 % znamená reálně cokoliv od 7 do 13 procent.

FAQ: Má smysl sledovat modely měsíce předem?

Určitě ano, ale nesmíš sledovat absolutní čísla, nýbrž celkové dlouhodobé trendy. Jedno měření neznamená nic. Až teprve tři po sobě jdoucí měsíce ti ukážou, jestli strana stabilně padá, nebo roste.

FAQ: Jak poznám kvalitní model od podvodu?

Dobrá agentura vždycky zveřejní takzvaný pasport. To je rodný list výzkumu. Musí tam být datum sběru, metoda, počet lidí a jasná definice, jak se vážila data. Kde to chybí, tam to ignoruj.

Konečné shrnutí a co si z toho odnést

Tak a je to. Doufám, že teď už je ti naprosto jasné, že postavit kvalitní volební model není jen otázkou pár náhodných telefonátů a tabulky v Excelu. Je to fascinující směs matematiky, sociologie, moderní technologie a taky tak trochu odhadování lidských emocí. Každá ta barevná křivka, kterou vidíš večer ve zprávách, skrývá stovky hodin práce, nervů a neskutečného filtrování dat.

Neber ta čísla jako neomylné písmo svaté, ale ber je jako ten nejlepší kompas, který v danou chvíli máme, abychom zmapovali, kudy se ubírají nálady ve společnosti. Pokud se ti tenhle hlubší vhled do světa politické datové analýzy líbil a pomohl ti prokouknout za oponu, nezapomeň tenhle článek nasdílet na sítích a poslat ho těm kamarádům, co se s tebou rádi hádají v hospodě o procentech. Věř mi, ušetříte si spoustu zbytečných hádek nad špatně pochopenými statistikami. Měj oči otevřené a při příštích volbách čti grafy jako profík!