Olhando para a frente para Novembro, a corrida presidencial poderia decidir mais do que apenas quem é o próximo presidente. Poderia também determinar que partido controla o Senado ou a Câmara ou mesmo a legislatura de um estado. E isso por causa de algo que a ciência política chama de “efeito casaco”, que é quando a popularidade de um candidato no topo da lista – estamos mais interessados em casacos presidenciais – aumenta a sorte dos candidatos do mesmo partido mais abaixo nas urnas.
A ciência política há muito que tenta medir o tamanho do efeito, e a maioria das pesquisas sugere que os candidatos que estão no topo da votação ganham pelo menos alguns votos graças ao desempenho do candidato no topo do ingresso, mas as estimativas variam quanto ao tamanho real do efeito cauda-de-casaco. Por exemplo, nas corridas da Câmara, onde temos a maioria dos dados, alguns estudos encontraram em qualquer lugar um salto de 0,2 pontos para 0,5 pontos para um candidato da Câmara para cada aumento de 1 ponto a experiência do candidato presidencial na cota de votos. Isso pode não parecer muito, mas se um candidato em uma cadeira competitiva na Casa atraiu 48% dos votos sozinho, um forte desempenho da candidata presidencial do mesmo partido poderia aumentar sua participação no voto apenas o suficiente para que ela limpe a marca dos 50% e ganhe.
E como mostra o gráfico abaixo, as margens nas corridas presidenciais e na Casa tendem a se mover juntas. Isso por si só não prova a existência de um efeito de cota, mas mostra o quanto esses votos estão intimamente ligados. Por exemplo, em 2004, o Presidente George W. Bush ganhou a reeleição por 2,5 pontos, enquanto o Partido Republicano ganhou a votação na Câmara Nacional por 2,6 pontos. Claro, nem sempre é tão simétrico – em 1996, o Presidente Bill Clinton ganhou a reeleição por 8,5 pontos, mas os Democratas ganharam a votação da Câmara por apenas 0,3 pontos. No geral, porém, de 1992 a 2016, encontramos uma forte correlação (0,655) entre as margens nacionais para as eleições presidenciais e as da Câmara.1
James Campbell, um cientista político da SUNY Buffalo que estudou o efeito de coattail presidencial nas corridas do Congresso, descobriu que num ano típico de eleições presidenciais de 1868 a 1988, um partido obteve uma média de duas a três cadeiras na Câmara por causa do efeito de coattail. E, de eleição em eleição, o efeito pode ser ainda mais forte. Os cientistas políticos Franco Mattei e Joshua Glasgow olharam para os concursos da Câmara de 1976 a 2000 e descobriram que um candidato forte à presidência poderia balançar quase 10% das disputas na Câmara.
Há menos trabalho no efeito casaco no Senado porque, ao contrário da Câmara, não tem eleições verdadeiramente nacionais. Ainda assim, um estudo realizado em 1991 por Campbell e Joe Sumners constatou que os candidatos ao Senado obtiveram um aumento médio de 0,2 pontos por 1% no voto do candidato presidencial do mesmo partido entre 1972 e 1988, o que eles concluíram ter afetado os resultados em duas a três corridas por ciclo. Mais uma vez, isso pode não soar muito, mas é o suficiente para virar a câmara se ela estiver bem dividida – como está agora. Além disso, um estudo não presidencial sobre o efeito de coattail por Marc Meredith, um cientista político da Universidade da Pensilvânia, descobriu que os candidatos ao gubernatório melhoraram os votos dos candidatos do seu partido em 0,1 a 0,2 pontos.
estimar o efeito de coattail num determinado ciclo é difícil, no entanto, pois não há um consenso real sobre o seu tamanho. Os estudos aqui citados têm todos estimativas diferentes, e um estudo dos concursos da Casa de 1916 a 2006 pelo cientista político Ray Fair descobriu que as acções de voto dos candidatos à Casa foram aumentadas de 0,8 pontos para -0,7 pontos, o que põe em questão o quanto podemos realmente generalizar sobre o efeito positivo do coattail.
Os peritos com quem falei não tinham a certeza do efeito preciso do coattail devido a outros factores que podem afectar a votação, como a incumbência ou o estado da economia. Por exemplo, alguns estudos descobriram que o efeito de coattail é notavelmente mais forte em competições de lugares abertos, onde nenhum titular está concorrendo para a reeleição. E, segundo Campbell, algo como a economia tem mais consequências eleitorais do que o efeito de coattail por si só, mas o efeito é muitas vezes um subproduto dessas grandes condições eleitorais. “Se a economia trouxer mais republicanos para votar no Trump, isso vai ajudar os republicanos, pois eles vão estar lá para votar nas eleições para o Congresso”, disse Campbell.
Experts argumentam que onde realmente vemos o efeito de coattail está na afluência às urnas entre a base do partido. “A forma de beneficiar mais os candidatos com menos votos é conseguir que os membros desse partido apareçam para votar”, disse Meredith. Isto é especialmente verdade na nossa era polarizada, que tem altas taxas de votação com bilhetes directos. “Para cada 10 partidários que saem para votar em um candidato presidencial, você provavelmente está recebendo oito ou nove deles votando no candidato da Câmara”, acrescentou Campbell.
Mas uma razão pela qual o efeito de cauda de casaco não é mais pronunciado é uma força contrária no trabalho conhecida como “equilíbrio”, que é quando alguém vota contra o partido que pensa que vai ganhar a presidência em corridas de bolão. Olhando para as eleições de 1948 a 2012, o cientista político Robert Erikson, da Universidade de Columbia, descobriu que se um candidato presidencial fosse fortemente favorecido para ganhar, os eleitores moderados e altamente engajados muitas vezes votam na Câmara para o outro partido – uma espécie de “cobertura ideológica”. É verdade que apenas um número relativamente pequeno de eleitores faz isso, e o voto dividido para presidente e Congresso tem geralmente declinado nos últimos anos, mas um número suficiente de eleitores ainda faz isso que pode fazer a diferença nas corridas da Câmara.2
>
>
Considerar as eleições de 2016. Alguns eleitores de alta informação dividiram seus ingressos nas corridas do Senado e da Câmara porque a maioria dos sinais – quer fossem mercados de apostas ou previsões eleitorais – apontavam para Hillary Clinton ganhar a presidência. E isso provavelmente ajudou o Partido Republicano a segurar alguns distritos que Clinton carregava, particularmente assentos altamente educados nos subúrbios das principais áreas metropolitanas, como o 10º Distrito da Virgínia fora de Washington, D.C. e o 3º Distrito de Minnesota fora de Minneapolis.
Dito isto, não há muitos desses assentos “cruzados”, ou assentos onde o partido que ganha na Câmara não o carrega no nível presidencial. As eleições de 2016 tiveram 35 assentos na Câmara, que subiram muito pouco em relação a 2012, quando houve apenas 26 resultados separados. E no Senado, todas as cadeiras foram para o mesmo partido que ganhou o estado a nível presidencial.
Parte da razão pela qual não há mais cadeiras cruzadas é que o efeito de cauda de casaco geralmente desempenha um papel maior do que o de equilíbrio. Erikson até me disse que não achava que o equilíbrio por si só fosse suficiente para impedir um partido com uma clara liderança nas sondagens presidenciais. Por isso, considerando o potencial lado positivo do efeito de coattail em 2020, não se surpreenda ao ouvir Trump e o ex-vice-presidente Joe Biden enfatizarem a sua capacidade de ajudar o seu partido a ganhar a sua passagem enquanto a campanha eleitoral aquece. Por exemplo, Biden já começou a fazer campanha sobre a idéia de que ele pode ajudar os democratas a colocar mais cadeiras no Senado e proteger a maioria do partido na Câmara. E, por sua vez, os republicanos já estão mostrando sinais de preocupação de que o Trump está lidando com a pandemia do coronavírus e com o estado da economia, que pode prejudicar os republicanos nas corridas para o down-ballot e colocar em risco a maioria do partido no Senado.
É improvável que a candidatura do Trump ou do Biden faça toda a diferença nestas corridas chave, mas para alguns candidatos ao “down-ballot”, pode não fazer mal agarrar os casacos do seu candidato presidencial.
A correlação foi ainda maior para os ciclos de 2000 a 2016 (.897).
A correlação foi ainda maior para os ciclos de 2000 a 2016 (.897).