|
|
|
|
| LEADER |
01000caa a22002652 4500 |
| 001 |
OLC2055722212 |
| 003 |
DE-627 |
| 005 |
20230303031659.0 |
| 007 |
tu |
| 008 |
200819s2020 xx ||||| 00| ||ger c |
| 024 |
7 |
|
|a 10.1007/s11615-019-00216-3
|2 doi
|
| 035 |
|
|
|a (DE-627)OLC2055722212
|
| 035 |
|
|
|a (DE-He213)s11615-019-00216-3-p
|
| 040 |
|
|
|a DE-627
|b ger
|c DE-627
|e rakwb
|
| 041 |
|
|
|a ger
|
| 082 |
0 |
4 |
|a 320
|q VZ
|
| 082 |
0 |
4 |
|a 320
|q VZ
|
| 084 |
|
|
|a 3,6
|2 ssgn
|
| 100 |
1 |
|
|a Neunhoeffer, Marcel
|e verfasserin
|4 aut
|
| 245 |
1 |
0 |
|a Ein Ansatz zur Vorhersage der Erststimmenanteile bei Bundestagswahlen
|
| 264 |
|
1 |
|c 2020
|
| 336 |
|
|
|a Text
|b txt
|2 rdacontent
|
| 337 |
|
|
|a ohne Hilfsmittel zu benutzen
|b n
|2 rdamedia
|
| 338 |
|
|
|a Band
|b nc
|2 rdacarrier
|
| 500 |
|
|
|a © The Author(s) 2020
|
| 520 |
|
|
|a Zusammenfassung Nahezu 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.
|
| 650 |
|
4 |
|a Prediction model
|
| 650 |
|
4 |
|a Electoral district
|
| 650 |
|
4 |
|a Distribution of seats
|
| 650 |
|
4 |
|a Artificial neural network
|
| 650 |
|
4 |
|a Deep learning
|
| 700 |
1 |
|
|a Gschwend, Thomas
|4 aut
|
| 700 |
1 |
|
|a Munzert, Simon
|4 aut
|
| 700 |
1 |
|
|a Stoetzer, Lukas F.
|4 aut
|
| 773 |
0 |
8 |
|i Enthalten in
|t Politische Vierteljahresschrift
|d VS Verlag für Sozialwissenschaften, 1960
|g 61(2020), 1 vom: 30. Jan., Seite 111-130
|w (DE-627)129459607
|w (DE-600)200397-1
|w (DE-576)01482339X
|x 0032-3470
|7 nnns
|
| 773 |
1 |
8 |
|g volume:61
|g year:2020
|g number:1
|g day:30
|g month:01
|g pages:111-130
|
| 856 |
4 |
1 |
|u https://doi.org/10.1007/s11615-019-00216-3
|z lizenzpflichtig
|3 Volltext
|
| 912 |
|
|
|a GBV_USEFLAG_A
|
| 912 |
|
|
|a SYSFLAG_A
|
| 912 |
|
|
|a GBV_OLC
|
| 912 |
|
|
|a SSG-OLC-POL
|
| 912 |
|
|
|a SSG-OLC-ZGE
|
| 912 |
|
|
|a SSG-OLC-HIS
|
| 912 |
|
|
|a SSG-OLC-IBL
|
| 912 |
|
|
|a GBV_ILN_20
|
| 912 |
|
|
|a GBV_ILN_22
|
| 912 |
|
|
|a GBV_ILN_40
|
| 912 |
|
|
|a GBV_ILN_49
|
| 912 |
|
|
|a GBV_ILN_77
|
| 912 |
|
|
|a GBV_ILN_90
|
| 912 |
|
|
|a GBV_ILN_92
|
| 912 |
|
|
|a GBV_ILN_110
|
| 912 |
|
|
|a GBV_ILN_119
|
| 912 |
|
|
|a GBV_ILN_121
|
| 912 |
|
|
|a GBV_ILN_130
|
| 912 |
|
|
|a GBV_ILN_147
|
| 912 |
|
|
|a GBV_ILN_267
|
| 912 |
|
|
|a GBV_ILN_350
|
| 912 |
|
|
|a GBV_ILN_607
|
| 912 |
|
|
|a GBV_ILN_636
|
| 912 |
|
|
|a GBV_ILN_640
|
| 912 |
|
|
|a GBV_ILN_694
|
| 912 |
|
|
|a GBV_ILN_754
|
| 912 |
|
|
|a GBV_ILN_2002
|
| 912 |
|
|
|a GBV_ILN_2004
|
| 912 |
|
|
|a GBV_ILN_2008
|
| 912 |
|
|
|a GBV_ILN_2011
|
| 912 |
|
|
|a GBV_ILN_2012
|
| 912 |
|
|
|a GBV_ILN_2014
|
| 912 |
|
|
|a GBV_ILN_2018
|
| 912 |
|
|
|a GBV_ILN_2020
|
| 912 |
|
|
|a GBV_ILN_2023
|
| 912 |
|
|
|a GBV_ILN_2024
|
| 912 |
|
|
|a GBV_ILN_2031
|
| 912 |
|
|
|a GBV_ILN_2032
|
| 912 |
|
|
|a GBV_ILN_2044
|
| 912 |
|
|
|a GBV_ILN_2105
|
| 912 |
|
|
|a GBV_ILN_2162
|
| 912 |
|
|
|a GBV_ILN_2206
|
| 912 |
|
|
|a GBV_ILN_2508
|
| 912 |
|
|
|a GBV_ILN_4012
|
| 912 |
|
|
|a GBV_ILN_4028
|
| 912 |
|
|
|a GBV_ILN_4036
|
| 912 |
|
|
|a GBV_ILN_4125
|
| 912 |
|
|
|a GBV_ILN_4126
|
| 912 |
|
|
|a GBV_ILN_4238
|
| 912 |
|
|
|a GBV_ILN_4247
|
| 912 |
|
|
|a GBV_ILN_4251
|
| 912 |
|
|
|a GBV_ILN_4266
|
| 912 |
|
|
|a GBV_ILN_4277
|
| 912 |
|
|
|a GBV_ILN_4305
|
| 912 |
|
|
|a GBV_ILN_4321
|
| 912 |
|
|
|a GBV_ILN_4326
|
| 912 |
|
|
|a GBV_ILN_4333
|
| 912 |
|
|
|a GBV_ILN_4346
|
| 912 |
|
|
|a GBV_ILN_4385
|
| 912 |
|
|
|a GBV_ILN_4393
|
| 951 |
|
|
|a AR
|
| 952 |
|
|
|d 61
|j 2020
|e 1
|b 30
|c 01
|h 111-130
|