In der vorliegenden Arbeit wird der Zusammenhang zwischen den sozioökonomischen Strukturen der Wahlkreise und den unterschiedlichen Wahlergebnissen der Parteien in diesen Wahlkreisen untersucht.
Dabei werden die Zusammenhänge zwischen den Strukturvariablen und den Wahlkreisergebnissen anhand einer Lasso-Regression mit Cross-Validation erklärt. Die Ergebnisse zeigen, dass Strukturdaten zu einem hohen Grad die unterschiedlichen Wahlergebnisse erklären können. Zudem deutet das Modell daraufhin, dass einige der klassischen Konfliktlinien der Cleavage-Theorie nach Lipset/Rokkan sich in den Strukturvariablen mit dem größten Einfluss wiederfinden. Die Modelle für die einzelnen Parteien bestätigen zudem Erkenntnisse der bisherigen Wahlforschung.
Am 24. September 2017 fand die Wahl zum 19. Deutschen Bundestag statt. Soziodemographische Faktoren stellen wichtige Variablen für die Bestimmung und Analyse von eben solchen Wahlergebnissen dar. In dieser Arbeit wird untersucht, welchen Einfluss Strukturdaten, insbesondere soziodemographische und (sozio-)ökonomische Variablen auf die unterschiedlichen Wahlergebnisse der Wahlkreise bei der Bundestagswahl 2017 hatten. Dieses Thema ist höchst relevant, sowohl in der Politik als auch in der Wissenschaft: Jede politische Partei strebt bei einer Wahl nach maximalen Erfolg durch Erhalt von Stimmen. Durch Erläuterung der womöglich wichtigsten abhängigen Variablen für die unterschiedlichen Wahlergebnisse kann ermittelt werden, welche Wählergruppen mehrheitlich für welche Parteien gestimmt haben und in welchen Wahlkreisen die Ergebnisse besonders stark von den Erwartungen abweichen, möglicherweise aufgrund von Wahlkreiskandidaten, lokaler Wahlkampfstrategien etc.
Die Forschungsfrage soll außerdem aufwerfen, inwiefern anhand von Strukturdaten sich die unterschiedlichen Wahlkreisergebnisse der Parteien erklären lassen. Dafür werden am Beispiel der CSU die stärksten Einflussvariablen untersucht. Zusätzlich schauen wir uns an, welche Cleavages sich nach der Cleavage-Theorie in diesen wiederspiegeln.
Inhaltsverzeichnis (Table of Contents)
- I. Einleitung
- II. Daten
- II.1 Wahldaten
- II.2 Strukturdaten
- III. Methode
- III.1 Das Lasso
- III.2 Lambda-Parameter
- III.3 Kolmogorov-Smirnov-Test für Normalverteilung
- III.4 Kollinearität und „Heavy Tails“
- III.5 Cross-Validation
- III.6 Lasso mit skalierten Werten ohne Cross Validation
- IV. Ergebnisse
- IV.1 Qualität des Modells und der Vorhersagen
- IV.1.1 Pseudo-R²-Wert
- IV.1.2 Absolute Errors
- IV.2 Diagnoseplots
- IV.3 Exkurs: Cleavage-Theorie und Ergebnisse der Regression
- IV.1 Qualität des Modells und der Vorhersagen
- V. Fazit
Zielsetzung und Themenschwerpunkte (Objectives and Key Themes)
Diese Arbeit untersucht den Einfluss von Strukturdaten auf die Wahlergebnisse der Parteien bei der Bundestagswahl 2017. Es wird analysiert, wie sozioökonomische und demographische Faktoren die unterschiedlichen Ergebnisse in den Wahlkreisen beeinflussen. Die Arbeit verwendet dazu eine Lasso-Regression mit Cross-Validation, um die Zusammenhänge zwischen den Variablen zu modellieren.
- Identifizierung der wichtigsten Strukturvariablen, die die Wahlergebnisse beeinflussen.
- Bewertung der Qualität des Modells anhand von R²-Werten und Absolute Errors.
- Untersuchung der Ergebnisse der Lasso-Regression im Hinblick auf die klassischen Konfliktlinien der Cleavage-Theorie.
- Bewertung der Bedeutung der Ergebnisse für zukünftige Forschungsarbeiten.
- Diskussion der Grenzen der Studie und der Notwendigkeit weiterer Forschungsarbeiten.
Zusammenfassung der Kapitel (Chapter Summaries)
Die Einleitung führt in die Thematik ein und stellt die Forschungsfrage vor: Inwiefern lassen sich anhand von Strukturdaten die unterschiedlichen Wahlkreisergebnisse der Parteien erklären?
Der Kapitelteil „Daten“ beschreibt die beiden verwendeten Datensätze: Wahldaten vom Bundeswahlleiter und Strukturdaten mit sozioökonomischen und demographischen Variablen.
Im Methodenteil wird die Lasso-Regression mit Cross-Validation erläutert, sowie die Analyse der Variablen auf Normalverteilung, Log-Normalverteilung und Kollinearität.
Der Kapitelteil „Ergebnisse“ präsentiert die Ergebnisse der Regression, darunter R²-Werte, Absolute Errors und Diagnoseplots. Zudem wird ein Exkurs zur Cleavage-Theorie und deren Relevanz für die Interpretation der Ergebnisse gegeben.
Schlüsselwörter (Keywords)
Die wichtigsten Schlüsselwörter der Arbeit sind: Bundestagswahl 2017, Strukturdaten, sozioökonomische Faktoren, demographische Variablen, Lasso-Regression, Cross-Validation, Cleavage-Theorie, Wahlkreisergebnisse, Parteien, Politikwissenschaft.
- Arbeit zitieren
- Christian Ramspeck (Autor:in), Fabian Haggerty (Autor:in), Tom Hartl (Autor:in), 2018, Die Bundestagswahl 2017. Welchen Einfluss hatten Strukturdaten auf die Wahlkreisergebnisse der Parteien?, München, GRIN Verlag, https://www.hausarbeiten.de/document/470782
