Ein Ansatz zur Vorhersage der Erststimmenanteile bei Bundestagswahlen

Abstract

ZusammenfassungNahezu die Hälfte der Bundestagsmandate wird über die Direktwahl in den Wahlkreisen vergeben. Das bleibt in einem Großteil der Wahlprognosemodelle jedoch unberücksichtigt. In diesem Beitrag stellen wir einen Ansatz zur Vorhersage der Erststimmenanteile in Wahlkreisen für Bundestagswahlen vor. Dazu kombinieren wir das Zweitstimmenvorhersagemodell von zweitstimme.org mit zwei Erststimmenmodellen, einer linearen Regression und einem künstlichen neuronalen Netzwerk, welche Kandidierenden- und Wahlkreischarakteristika zur Vorhersage nutzen. Für unseren Ansatz sind alle verwendeten Daten vor der jeweiligen Wahl öffentlich verfügbar und somit für eine echte Vorhersage nutzbar. Das Modell kann so bei künftigen Wahlen wertvolle Informationen für Kandidierende und die interessierte Öffentlichkeit bereitstellen. Die Vorhersagen sind darüber hinaus auch für erklärende Forschung relevant: Mithilfe der resultierenden Gewinnwahrscheinlichkeiten lassen sich bessere Messinstrumente zur Charakterisierung der Kompetitivität eines Wahlkreises und der zu erwartenden Knappheit des Wahlkreisrennens erstellen, welche politisches Verhalten beeinflussen können. Zudem erlaubt die Vorhersage, empirische Aussagen zur zu erwartenden Größe des Bundestags sowie seiner personellen Zusammensetzung zu treffen.

The Zweitstimme Model: A Dynamic Forecast of the 2021 German Federal Election

“…7. The district-level prediction model described in Neunhoeffer et al (2020) requires information on all candidates in each of the 299 electoral districts. Because this information is not yet available for the 2021 election (as of June 17, 2021), we must make additional simplifying assumptions.…”

“…However, important quantities of interest cannot be expressed when focusing only on the national vote share of parties, including the size of the Bundestag, the exact distribution of seats in parliament, and the candidates' chances to enter the Bundestag via the party list or a district vote. The online appendix, section B, describes how we combine our Zweitstimme forecast with an artificial neural network to generate district-level predictions using candidate-and district-level characteristics (Neunhoeffer et al 2020). We illustrate the capability of our model to forecast district-level results by describing the forecast for one competitive district (i.e., 61 Potsdam) and describe the expected size of the Bundestag, which depends not only on the distribution of party votes nationally but also on the distribution of candidate votes across districts.…”