ESTADÍSTICA ESPAÑOLA Vol. 43, Núm. 147, 2001, págs. 89 a 103 Determinación de la lealtad de voto mediante un modelo de clases latentes por JESÚS PÉREZ MAYO(1) Departamento de Economía Aplicada y Organización de Empresas Universidad de Extremadura MIGUEL A. FAJARDO CALDERA Departamento de Economía Aplicada y Organización de Empresas Universidad de Extremadura RESUMEN En este trabajo se pretende medir la lealtad de voto en los municipios extremeños en las elecciones a la Asamblea Regional de Extremadura y clasificarlos de acuerdo a los patrones de lealtad que presenten. La herramienta utilizada ha sido el modelo de clases latentes y se han tomado los datos de las elecciones a la Asamblea Regional de 1983, 1987, 1991 y 1995. Palabras clave: clases latentes, persistencia de voto, movilidad Clasificación AMS: 62H17, 62H30, 62P25, 91F10 (1) Este trabajo se ha mejorado con las críticas de un evaluador anónimo, cuyos comentarios queremos agradecer. 90 ESTADÍSTICA ESPAÑOLA 1. INTRODUCCIÓN La preferencia de una localidad por una opción política es una cuestión perseguida por cualquier partido. Aunque la base de la democracia es el sufragio universal, “un ciudadano, un voto” es importante para un partido conocer en qué zonas posee una cartera de votos amplia a la hora de planificar la campaña electoral. Además, es importante comprobar cómo evoluciona dicha preferencia a lo largo del tiempo. En concreto, en este trabajo se pretende clasificar las localidades según el patrón de cambio que siga la preferencia. De esta forma, se podrán identificar distintos grupos caracterizados por la persistencia o no de la preferencia. Pasamos, así, de un concepto puntual a otro relacionado con el transcurso del tiempo que podríamos llamar persistencia o lealtad de voto. Otra cuestión que debe comentarse en esta introducción es el ámbito del estudio. Desde 1977 hasta ahora se han celebrado varias elecciones tanto generales como autonómicas y locales. Los autores han preferido limitar el estudio a las elecciones a la Asamblea Regional de Extremadura. La razón de está opción es la búsqueda de la mayor homogeneidad de los datos. Por ejemplo, si se usaran datos de elecciones generales aparecería el problema de los partidos que sólo se presentan en determinadas zonas. Este problema se acentúa en las consultas locales ya que en ellas se presentan partidos locales o incluso listas de candidatos independientes y ser éstos los preferidos por los votantes. Además, en las elecciones municipales aparece el problema de una, en nuestra opinión, gran personalización. Se elige a los representantes más cercanos a los electores y, en muchas ocasiones, es más importante la persona que el partido bajo cuyas siglas se presenta. En consecuencia, las elecciones objeto de análisis serán aquellas en las que se eligen los representantes en las Asambleas o Parlamentos Regionales. De nuevo, el investigador debe plantearse una cuestión: el ámbito territorial del análisis. Por razones ya comentadas, no podían considerarse todas las localidades españolas. Existen partidos cuyo ámbito es la Comunidad Autónoma y que, por tanto, no se presentan en toda España. Además, no se han celebrado igual número de elecciones ni con igual distancia temporal entre ellas en todas las Comunidades Autónomas. En consecuencia, consideramos que debíamos estudiar una sola Comunidad Autónoma, Extremadura. DETERMINACIÓN DE LA LEALTAD DE VOTO MEDIANTE UN MODELO DE CLASES LATENTES 91 Por todo ello, se han considerado tres grupos o categorías en el análisis: PSOE (Partido Socialista Obrero Español), PP (Partido Popular)(2)y OTROS, que se han presentado a las Elecciones a la Asamblea Regional en los años 1983, 1987, 1991 y 1995. Los votos analizados son los porcentajes de votos válidos de los grupos considerados en cada uno de los municipios extremeños. Dichos datos se han recogido de la Oficina del Censo Electoral de Badajoz. La metodología utilizada es el modelo de clases latentes, mediante el cual se determina una variable latente que refleje la lealtad a una opción política de una localidad que se manifiesta en la preferencia por cada opción en cada una de las elecciones. Sea X=(x1, x2, x3, x4) un vector 4-dimensional, tal que cada variable es categórica y los elementos de observación son los municipios de la comunidad Autónoma. 2. EL MODELO DE CLASES LATENTES Los modelos de clases latentes fueron introducidos por Lazarsfeld (1950) y Henry y Lazarsfeld (1968). Por otro lado, los problemas de estimación e identificación han sido tratados por Anderson (1954) y McHugh (1956). Goodman (1974) conectó estos modelos con la teoría moderna de las tablas de contingencia y finalmente, podemos citar a distintos autores que han desarrollado estas técnicas como Agresti (1982), Andersen (1993), Bartholomew (1987), Clogg (1993), McCutcheon (1987), entre otros. Las relaciones de dependencia entre las variables categóricas de una tabla de contingencia en mucho casos están provocadas por la existencia de una asociación entre cada una de ellas y otra variable no observable directamente, llamada variable latente. El modelo de clases latentes es una técnica estadística que permite estudiar la existencia de una (o varias) variable(s) latente(s) a partir de un conjunto de variables explicativas observadas y definir a partir de sus clases una clasificación o tipología de los individuos analizados. En el modelo de clases latentes, tanto las variables observadas como la variable latente se consideran variables categóricas con dos o más categorías, de manera que es necesario que la relación entre las variables manifiestas verifique dos hipótesis previas: a) Relación simétrica: no existe una variable explicada por un conjunto de variables explicativas, sino que cada variable de la tabla de contingencia puede quedar 2 Aquí se han considerado todos los partidos que tras sucesivas escisiones y refundaciones han constituido el actual Partido Popular. 92 ESTADÍSTICA ESPAÑOLA explicada por y explicar el comportamiento de cualquier otra variable categórica de la tabla. En resumen, supone la ausencia de una variable categórica de interés que pretenda explicarse a través del resto de variables categóricas de la tabla. b) Independencia local: supone que dentro de cada categoría de la variable latente, las variables observadas son estadísticamente independientes, es decir, que las variables de la tabla de contingencia son condicionadamente independientes dada una clase determinada de la clase latente. El modelo de clases latentes puede parametrizarse de dos formas distintas mediante probabilidades condicionadas o un modelo log-lineal. Supongamos un conjunto de variables categóricas, A, B, C y D, con un número de categorías I, J, K y L respectivamente. Por tanto, tendremos una tabla de conti ngencia de dimensión IxJxKxL. Por otro lado, sea X una variable latente con un total de T clases. Las ecuaciones básicas del modelo de clases latentes son: T πijkl = ∑ πijklt , [1] π ijklt = π t πijkl|t = π t π i|t π j|t πk|t πl|t . [2] t =1 donde Como vemos, se cumple la hipótesis de relación simétrica porque cada una de las variables consideradas depende sólo de la variable latente y, además, dentro de cada clase de ésta, las variables son estadísticamente independientes (hipótesis de independencia local). Aquí, π ijklt representa la probabilidad de estar en la celda (i, j, k, l, t) de la distribución conjunta ABCDX. Además, π t es la probabilidad de pertenecer a la clase latente t y π ijkl|t es la probabilidad de tener un patrón de respuesta concreta dado X=t. El resto de los parámetros π son probabilidades condicionadas. Por tanto, los parámetros del modelo de clases latentes son las probabilidades condicionadas πi|t, π j|t, π k|t, π l|t y las probabilidades de las clases latentes π t, que estarán sometidas a las siguientes restricciones: I J K L i =1 j =1 k =1 l =1 ∑ πi|t = ∑ π j| t = ∑ πk|t = ∑ πl|= = 1 , T y ∑ πt = 1 . t =1 [3] DETERMINACIÓN DE LA LEALTAD DE VOTO MEDIANTE UN MODELO DE CLASES LATENTES 93 El modelo de clases latentes expuesto antes es idéntico al modelo log-lineal {AX, BX, CX, DX}, cuya expresión es X AX BX CX DX log m ijklt = µ 0 + µ iA + µ Bj + µ kC + µ D l + µ t + µ it + µ jt + µ kt + µ lt , [4] en donde mijklt=Nπ ijklt. La ecuación anterior, además de la media general y los términos de una variable, contiene sólo los términos de interacción entre la variable latente X y las variables manifiestas. La obtención de las estimaciones máximo-verosímiles de los parámetros de los modelos de clases latentes es más complicada que para los modelos log-lineales donde se observen todas las variables. Son utilizados varios métodos de estimación, entre los cuales los más utilizados son el algoritmo de Newton-Raphson y el algoritmo EM (Dempster, Laird y Rubin, 1977). En nuestro trabajo, vamos a utilizar este último. Dicho algoritmo es un procedimiento iterativo de estimación que consta de dos pasos. En el paso E(speranza) se calculan todos los valores esperados dados los valores observados y los “actuales” parámetros del modelo. En el paso M(aximización), se maximiza la función de verosimilitud de todos los datos a partir de los valores esperados calculados en el paso anterior. Esto implica el cálculo de estimaciones actualizadas de los parámetros del modelo como si no faltaran datos. Las iteraciones continúan hasta que se alcanza la convergencia. Así, finalmente, podemos obtener las estimaciones máximo-verosímiles π̂ i|t , π̂ j|t , π̂k|t , π̂ l|t y π̂ t ; [5] a partir de las que es posible calcular las probabilidades T π̂ ijklt y πˆ ijkl = ∑ πˆ ijklt . t =1 [6] El siguiente paso en el análisis es asignar cada individuo a las diferentes clases de la variable latente X. Para ello se calcula la probabilidad condicionada de que un individuo que se sitúe en las categorías i, j, k y l de las variables manifiestas A, B, C y D, pertenezca a la clase t de la variable X de la siguiente manera: πˆ ijkl|t = πˆ ijklt T ∑ πˆ ijklt t =1 . [7] 94 ESTADÍSTICA ESPAÑOLA Dada esta probabilidad, la regla de asignación es mediante la probabilidad modal, es decir, los individuos situados en la celda (i, j, k, l) de la tabla serán asignados a aquella clase latente cuya π̂ ijkl|t sea mayor. Como vemos se utiliza un proceso bayesiano para realizar dicha asignación. 3. APLICACIÓN DEL MODELO A LOS RESULTADOS ELECTORALES POR MUNICIPIO DE LAS ELECCIONES AUTONÓMICAS DE EXTREMADURA DESDE 1983 HASTA 1995 En nuestro caso, los individuos son los municipios de Extremadura. Como se dijo en la introducción el objetivo es clasificar a los individuos según su preferencia de voto. Así, vamos a definir una variable latente denominada “lealtad de voto”. Los datos usados son los votos válidos en cada municipio para las Elecciones Autonómicas de Extremadura en los años 1983, 1987, 1991 y 1995. En primer lugar y para estandarizarlos, se tomaron los porcentajes de dichos votos sobre los electores posibles de cada lugar. De esta forma, puede compararse un municipio con otros y con él mismo en sucesivos períodos de tiempo. El siguiente paso consistió en construir una variable discreta “partido más votado”(3) con tres categorías: PSOE, PP y otros. La última categoría corresponde a una situación en la que la suma de todos los partidos no considerados por separado supera a la suma de los porcentajes de los partidos principales. Esta es una decisión de los autores apoyada por la composición bipartidista de la Asamblea Regional. A través de la categoría observada donde se sitúe cada municipio en cada año, intentaremos determinar esa variable latente que representa su preferencia electoral. En resumen, el estudio se basa en 374 municipios recogidos en una tabla de 81 celdas. En principio, es lógico pensar que existirá algún tipo de dependencia entre las distintas elecciones. Se supondrá que dicha dependencia se debe a la existencia de una variable latente (preferencia o lealtad de voto) asociada con cada una de ellas que permite explicar la relación existente entre ellas. 3 Por tanto, estamos midiendo la preferencia en función de mayorías relativas y no absolutas. Así, una mayoría relativa de la categoría OTROS puede indicar que un partido tiene mayoría relativa o que ninguno de los dos partidos principales la tiene. 95 DETERMINACIÓN DE LA LEALTAD DE VOTO MEDIANTE UN MODELO DE CLASES LATENTES Por tanto, la primera tarea es buscar la existencia de independencia entre las variables o si, por el contrario, puede explicarse su comportamiento temporal a través de una variable latente. Tabla 1 MODELOS DE CLASES LATENTES ASOCIADOS A LOS DATOS 2 2 Modelo Grados libertad X Prob. L Prob Independencia 2 clases latentes 3 clases latentes 4 clases latentes 72 63 54 45 2296.9244 646.0729 67.0200 41.1399 0.0000 0.0000 0.1099 0.6362 401.9548 141.3290 56.3298 32.3918 0.0000 0.0000 0.3878 0.9202 Fuente: LEM La tabla 1 muestra cómo se rechaza el supuesto de independencia y, por tanto, podemos admitir que las elecciones están relacionadas a través de una variable latente de cómo mínimo dos clases. Por otro lado, el número de clases de un modelo está restringido a las condiciones de identificabilidad local del modelo. Una condición necesaria para que el modelo esté localmente identificado es que IxJxKxL>(I+J+K+L-3)T. Como puede observarse en la tabla 1, el ajuste del modelo de 2 clases no es significativo por lo que debe rechazarse. Se elige el modelo de 4 clases porque, aunque el modelo de 3 clases es significativo explica peor la realidad que el modelo de 4 clases. Éste se ajusta a los datos casi perfectamente con unas probabilidades del 98% y el 88% para la razón de verosimilitud y el chi-cuadrado de Pearson, respectivamente. Podemos aceptar a un 5% y 1% que el modelo de 4 clases latentes puede explicar la relación entre las 4 variables o elecciones. Las estimaciones máximo-verosímiles de las probabilidades condicionadas y de las clases latentes aparecen en la tabla 2 donde destaca que los municipios extremeños pueden dividirse en cuatro grupos según la evolución de su preferencia electoral. El primer grupo, formado por el 9.51% de la población, se caracteriza por un predominio del PSOE, excepto en la segunda elección en la que ninguna de las dos opciones principales dominó. Se puede comprobar cómo el aumento del Partido Popular se hace a costa de otras opciones ya que el Partido Socialista Obrero Español mantiene su preferencia. 96 ESTADÍSTICA ESPAÑOLA Tabla 2 PROBABILIDADES DE LAS CLASES LATENTES Y CONDICIONADAS ESTIMADAS Clase 1 1983 1987 1991 1995 Clase 2 1983 1987 1991 1995 Clase 3 1983 1987 1991 1995 Clase 4 1983 1987 1991 1995 0.0951 PP 0,0623 0,0618 0,0211 0,2883 0.6567 PP 0 0,0114 0,0042 0,1342 0.0979 PP 0,6552 0,7645 1 1 0.1502 PP 0,8824 0,3179 0,1326 0,354 PSOE 0,4106 0 0,5906 0,5997 otros 0,5271 0,9382 0,3883 0,1121 PSOE 0,9143 0,9728 0,983 0,8414 otros 0,0857 0,0158 0,0128 0,0244 PSOE 0,3136 0,2097 0 0 otros 0,0311 0,0258 0 0 PSOE 0,0652 0,5985 0,8674 0,646 otros 0,0524 0,0836 0 0 Fuente: LEM El segundo grupo compuesto por el 65.67% de los municipios tiene como principal rasgo la posición mayoritaria del PSOE a lo largo del tiempo, aunque se produce una leve bajada de éste y un aumento del PP. Sin embargo, no podemos hablar de vuelco ya que, como se puede observar en la tabla 2, el PSOE es el partido más votado en el 84.14% de las localidades de esta clase. Por su parte, la tercera clase a la que pertenece el 9.79% se caracteriza por un claro predominio del PP. Finalmente, el 15.02% de los municipios ocupan una clase donde se parte de un predominio del PP, perdido a favor del PSOE y parece existir una recuperación insuficiente de este último. DETERMINACIÓN DE LA LEALTAD DE VOTO MEDIANTE UN MODELO DE CLASES LATENTES Clase 1 1 0,8 PP 0,6 PSOE 0,4 Otros 0,2 0 1983 1987 1991 1995 Elecciones Clase 2 1 0,8 PP 0,6 PSOE 0,4 Otros 0,2 0 1983 1987 1991 Elecciones 1995 97 98 ESTADÍSTICA ESPAÑOLA Clase 3 1 0,8 PP 0,6 PSOE 0,4 Otros 0,2 0 1983 1987 1991 1995 Elecciones Clase 4 1 0,8 PP 0,6 PSOE 0,4 Otros 0,2 0 1983 1987 1991 1995 Elecciones Un análisis complementario al anterior es el relativo a los posibles errores cometidos al asignar los individuos a una clase latente determinada, esto es, los llamados errores de mala clasificación. DETERMINACIÓN DE LA LEALTAD DE VOTO MEDIANTE UN MODELO DE CLASES LATENTES 99 En primer lugar, calculamos la proporción esperada de los errores de clasificación al asignar cada individuo a la clase cuya probabilidad sea mayor. [ ] E = ∑ 1 − max ( π x|ijkl ) πˆ ijkl ijkl [8] La proporción correspondiente a nuestro caso es del 0.0391, lo cual indica que se espera que los errores cometidos en la asignación sean muy pequeños, ya que el valor empírico es muy cercano a cero. Por otro lado, puede calcularse otro indicador de la calidad de la asignación a una clase concreta. Se denota por λ y se define como λ= [1 − max(πˆ x )] − E . 1 − max( πˆ x ) [9] En este caso, su valor es del 88.60%, lo cual indica de nuevo que los errores cometidos al asignar un individuo a una clase determinada son muy pequeños. Por tanto, los comentarios realizados anteriormente sobre los resultados obtenidos tienen el apoyo de que dichos resultados se basan en una asignación de clases de gran calidad. 4. INFLUENCIA DE OTRAS VARIABLES Una vez determinados los grupos en que se puede dividir la población de municipios extremeños al no ser homogéneos para la lealtad de voto, es interesante intentar analizar si otras variables están relacionadas con la pertenencia a dichas clases. En primer lugar, vamos a realizar un análisis descriptivo y, más tarde, estudiaremos qué probabilidad existe de que dichas variables estén relacionadas. En concreto, veremos si el tamaño del municipio y la provincia influyen en la clase a la que pertenece(4). Los municipios se reparten entre las provincias de Badajoz y Cáceres de la siguiente manera: 162 (43.32%) y 212 (56.68%), respectivamente. 4 En un principio, se consideraron también el número de industrias y de trabajadores de la localidad. Sin embargo, un análisis preliminar demostró que no estaban relacionadas con la clase latente. 100 ESTADÍSTICA ESPAÑOLA En la siguiente tabla, aparece la clasificación cruzada de los municipios según la clase y la provincia a la que pertenecen. Tabla 3 CLASIFICACIÓN CRUZADA SEGÚN CLASE Y PROVINCIA Clase Provincia 1 2 3 4 Total Badajoz 7 (18.92) 127 (51.84) 12 (30.00) 16 (30.77) 162 (43.32) Cáceres 30 (81.80) 118 (48.16) 28 (70.00) 36 (69.23) 212 (56.68) Total 37 245 40 52 374 Fuente: Elaboración propia Aplicamos el contraste habitual de independencia aplicable a tablas de atributos, es decir, el Ji cuadrado con 3 grados de libertad, en este caso. Dado que su valor es 22,4367 (p = 0,0001) rechazamos la hipótesis de independencia entre las provincias y las clases latentes, lo que nos indica que existe una asociación entre la pertenencia a una provincia y la lealtad de voto. Por ejemplo, los municipios de la provincia de Badajoz pertenecen en una gran mayoría (78.39%) a la clase 2, y en Cáceres se encuentra un 55% en dicha clase y el resto se reparte casi equitativamente entre las clases resta ntes. En segundo lugar, estudiaremos si el tamaño de la población está relacionado con la clase donde se sitúa la localidad. Dadas las características de la distribución por tamaño de los municipios extremeños -la mayoría de la población reside en muy pocas localidades y existen muchos núcleos muy poco poblados- al utilizar la media para descubrir la posible relación, ésta parecía no existir. No teníamos ningún resultado empírico con la suficiente fuerza como para afirmar que los municipios de cada clase presentan unas características de tamaño parecidas. Para solucionar este problema, los autores decidimos suavizar la distribución, agrupando a las localidades en cuatro grupos según los cuartiles de dicha distribución. Tras realizar esta transformación, buscamos la relación existente entre las tres variables categóricas consideradas: la clase latente, la provincia y el cuartil de tamaño a las que pertenece cada municipio. La técnica del análisis estadístico multivariante más adecuada para estudiar la relación entre variables categóricas es el modelo log-lineal. Una vez aplicado a la tabla de 32 celdas que recoge las observaciones de las variables “clase latente” (A, 4 categorías), “provincia” (B, 2 categorías) y “tamaño” (C, 4 categorías), el mejor DETERMINACIÓN DE LA LEALTAD DE VOTO MEDIANTE UN MODELO DE CLASES LATENTES 101 modelo(5) es el que considera todas las interacciones de orden 2, es decir, el modelo {AB, AC, BC}. Por tanto, podemos decir que existe una relación entre la clase y la provincia, la clase y el tamaño y entre el tamaño y la provincia. Tabla 4 PÁRAMETROS LOG-LINEALES DE INTERACCIÓN(6) Clase Provincia 1 2 3 4 1 -0.4628 0.3152 0.1184 0.0291 2 0.4628 -0.3152 -0.1184 -0.0291 1 -0.4707 -0.2855 0.6142 0.1421 2 -0.3331 -0.3859 0.6996 0.0194 3 0.2093 -0.0017 -0.5566 -0.3490 4 0.5946 0.6731 -0.7572 -0.5105 Tamaño Fuente: Elaboración propia a partir de los resultados del programa LEM Como se puede observar, existe una relación positiva entre la clase 1 y la provincia de Cáceres, hecho ya comentado anteriormente, y el resto de las clases y la provincia de Badajoz. Finalmente, el tamaño se relaciona de manera importante con la clase. Cabe esperar que los municipios más poblados pertenezcan a las clases 1 y 2 y los menos poblados a las clases 3 y 4. Por tanto, podemos afirmar que es más probable que el PSOE sea el partido más votado que el PP cuanto mayor sea el municipio y, además, que los municipios más leales al PP son localidades muy pequeñas. 5. CONCLUSIONES En este artículo se postula un modelo para determinar si existe homogeneidad o heterogeneidad en la actitud de los ayuntamientos ante la lealtad de voto. La existencia de una variable latente y sus clases nos indican que no todos los ayun- 5 Este modelo presenta un L2 de 4.6554 (p=0.8633) y un Χ 2 de 4.3294 (p=0.8884) y no existe ningún otro modelo significativo. 6 Sólo aparecen en esta tabla los parámetros referidos a las relaciones en las que apacere la variable “clase latente”. 102 ESTADÍSTICA ESPAÑOLA tamientos poseen una misma actitud y, por tanto, no existe homogeneidad entre ellos. Según este modelo, se ha agrupado a los individuos (municipios) según la evolución que han experimentado en cada una de las elecciones autonómicas celebradas en Extremadura. Los resultados confirman los supuestos realizados al comienzo. En Extremadura existe una situación política muy polarizada entre el PSOE y el PP, ya que la mayoría de las localidades pertenecen a clases en las que mayoritariamente se vota a uno de los dos partidos. Además, es el PSOE el partido más votado en la mayoría de las localidades a lo largo del tiempo, es decir, podemos decir que existe una gran lealtad hacia dicho partido en nuestra región. Finalmente, parece estar relacionada esta variable latente con la provincia y el tamaño de los municipios, de manera que si un municipio es de gran tamaño y de la provincia de Badajoz cabe esperar que prefiera al PSOE y que si es pequeño y de Cáceres sea leal al PP. REFERENCIAS AGRESTI, A. (1982): “Analysis of ordinal categorical data”, John Wiley and Sons, Nueva York. ANDERSEN, E.B. (1993): “The analysis of categorical data”, Springer-Verlag, Berlín. ANDERSON, T.W. (1954): “On estimation of parameters in latent structure analysis”, Psychometrika, 19, 1-10. BARTHOLOMEW , D.J. (1987): “Latent variable models and factor analysis”. Griffin, Londres. CLOGG, C.C. (1993): “Latent class models: recent developments and prospects for the future”. En ARMINGER, G., C.C. CLOGG Y M.E. SOBEL (1993): “Handbook of statistical modeling in the social sciences”, Plenum, Nueva York. DEMPSTER, A.P., LAIRD, N.M. Y RUBIN, D.B. (1977): “Maximun likelihood estimation from incomplete data via the EM algorithm (with discussion)”. Journal of the Royal Statistical Society, Serie B, 39, 1-38. GOODMAN, L.A. (1974): “Exploratory latent structure analysis using both identificable and unidentificable models”, Biometrika, 61, 215-231. HENRY , L.W. Y LAZARSFELD, P.F. (1986): “Latent structure analysis”, Houghton Mifflin and Co., Boston. DETERMINACIÓN DE LA LEALTAD DE VOTO MEDIANTE UN MODELO DE CLASES LATENTES 103 LAZARSFELD, P.F. (1950): “The logical and mathematical foundation of latent structure analysis”, en STOUFFER ET AL, (1950): “Measurement and prediction”, Princeton University Press, Princeton. MCCUTCHEON, A.L. (1987): “Latent Class Analysis”, Sage, Beverly Hills. MCHUGH, R.B. (1956): “Efficient estimation and local identification in latent class analysis”, Psychometrika, 21, 331-347. DETERMINATION OF THE VOTE LOYALTY THROUGH A LATENT CLASSES MODEL SUMMARY In this work it is intended to measure the vote loyalty in the municipalities of Extremadura in the elections to the Regional Assembly of Extremadura and to classify them according to the loyalty patterns that present. The tool we have used has been the model of latent classes and the data of the elections to the Regional Assembly of 1983, 1987, 1991 and 1995 have been taken into account. Key words: AMS classification: