GobernArte: Margarita González y Rabindranath Salazar en empate técnico en Morelos

|
image
FOTO: CUARTOSCURO.COM

Margarita González registró 23.0% de las preferencias en la contienda interna de Morena para la candidatura gubernamental en Morelos, según la encuesta de GobernArte, del mes de octubre. Aunque lidera, la diferencia entre ella y sobre Rabindranath Salazar con 20.0%, es de tres puntos porcentuales, lo que se traduce en un empate técnico.

De acuerdo al reporte de la encuestadora, Margarita tuvo un crecimiento de 2.0% en relación con el mes anterior, permitiéndole reafirmar su liderato; aunque, Rabindranath Salazar también aumentó un punto, logrando que la ventaja de González no se ampliara y pasara del empate.

Por otro lado, Víctor Mercado se posiciona en tercera posición con 14.0%, seguido de Juan Salgado con 11.0%, Tania Valentina con 8.0% y Sandra Anaya con 5.0%. Cabe señalar que, el 19.0% restante corresponde a los indecisos o a quien preferiría a otro “candidato” (5.0%).

Crédito: GobernArte. Morelos. Octubre 2023.

Fuente: GobernArte. Para revisar la metodología completa, consulte a la encuestadora.
Metodología: 1,500 entrevistas telefónicas a nivel estatal, del 25 al 30 de octubre de 2023, con IC 95% y error de ±2.5- 3.7%.
Encuesta completa: GobernArte. Morelos. Octubre 2023.

Por qué confiar en nosotros

Trabajamos para tener predicciones certeras e informativas. Para esto:

  • Utilizamos métodos estadísticos reconocidos, con herramientas profesionales y un flujo de trabajo reproducible.
  • Representamos honestamente la incertidumbre asociada a nuestras predicciones o resúmenes.
  • Tenemos supuestos razonables y claramente establecidos que pueden ser cuestionados, y nos esforzamos por validar y criticar nuestros resultados para que reflejen lo más fielmente posible el fenómeno que nos interesa analizar.
  • Estamos libres de sesgos políticos o motivacionales.

Adicionalmente, proveemos a los interesados resúmenes de nuestras metodologías en las siguientes ligas, con referencias académicas que fundamentan nuestros procesos de modelación