¿Por cuál de los candidatos a la Jefatura de Gobierno de la CDMX definitivamente no o no votaría la gente?

|
image
FOTO: DANIEL AUGUSTO /CUARTOSCURO.COM

De acuerdo con un estudio publicado por Indemerc y La Crónica de Hoy, respecto a la pregunta por intención de voto, expresada como “¿Usted votaría por…?”, Clara Brugada tiene 50%, frente 33% de Santiago Taboada y 9% de Salomón Chertorivski.

La ex alcaldesa de Iztapalapa es la más conocida de los precandidatos (90% saben de ella), seguida por el ex alcalde de Benito Juárez (75%) y el ex secretario de Salud y diputado de MC (59%), que podrían tener un poco más de margen de crecimiento.

En pregunta con nombre de candidato y alianza, Clara Brugada, de la coalición encabezada por Morena tiene el 48% de las preferencias brutas entre los capitalinos, mientras que Santiago Taboada, de la coalición PAN-PRI-PRD cuenta con 32%, y Salomón Chertorivski, de Movimiento Ciudadano, con el 5%. En términos de preferencias netas, esto se traduce en 56%, 38% y 6%, respectivamente, según el pronóstico de la empresa encuestadora.

Fuente: Indemerc/La Crónica de Hoy. Para revisar la metodología completa, consulte a la encuestadora.
Metodología: 1,070 entrevistas, del 7 al 10 de diciembre 2023, con IC 95% y error de ±3%.

Encuesta completa: Indermerc. Ciudad de México. 13 diciembre 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