Wahlverhalten & Demografie – Schwalm-Eder-Kreis
14 Kommunen · 2008–2026 · Lag-Korrelationsanalyse
Votemanager ekom21 &
Wegweiser Kommune, Bertelsmann Stiftung
Wegweiser Kommune, Bertelsmann Stiftung
Referenztrend herausrechnen
Residualanalyse
Rohwerte
Änderung zw. Wahlen
Änderung zw. Wahlen
Zeitreihe
Kennzahlen
—
r i
—
R² i
—
p=—
i
Interpretation
Auswahl treffen.
Methodik:
Lag-Korrelationsanalyse – demografische Veränderungen zwischen zwei Wahlen korreliert mit Wahlveränderungen im gleichen Zeitraum.
Referenzwerte: Bundesergebnis (BTW/EU), Hessisches Landesergebnis (LTW), Schwalm-Eder-Kreis (Kreistagswahl).
Korrelationswerte werden dynamisch aus der Kommunenauswahl berechnet.
Schwellenwerte: |r|≥0,5 stark · 0,3–0,5 moderat · 0,1–0,3 schwach · p<0,05 signifikant.
· M. Schumacher – Hausarbeit Data Science, Hochschule Hof
Gemeindetypen im Schwalm-Eder-Kreis
Mithilfe einer Cluster-Analyse wurden die 14 Kommunen anhand ihrer demografischen Profile automatisch in zwei Typen eingeteilt. Das Verfahren sucht selbst nach Gemeinsamkeiten ohne dass vorab festgelegt wird welche Gemeinden zusammengehören. Fahren Sie mit der Maus über die Punkte um Details zur jeweiligen Kommune zu sehen.
Demografische Ähnlichkeit (statistisch)
Was zeigen diese Achsen?
Da jede Kommune durch 13 demografische Merkmale beschrieben wird lassen sich die Unterschiede nicht direkt in einem einfachen Diagramm darstellen. Die Hauptkomponentenanalyse (PCA) berechnet aus allen 13 Merkmalen die zwei Richtungen in denen sich die Kommunen am stärksten unterscheiden und projiziert jeden Ort auf diese zwei Achsen. Gemeinden die sich ähneln liegen nah beieinander – Gemeinden die sich unterscheiden liegen weit auseinander. Die Prozentzahlen zeigen wie viel der gesamten Unterschiede durch diese zwei Achsen erklärt werden. Kurz: Je näher zwei Punkte, desto ähnlicher sind sich die Kommunen demografisch.
Da jede Kommune durch 13 demografische Merkmale beschrieben wird lassen sich die Unterschiede nicht direkt in einem einfachen Diagramm darstellen. Die Hauptkomponentenanalyse (PCA) berechnet aus allen 13 Merkmalen die zwei Richtungen in denen sich die Kommunen am stärksten unterscheiden und projiziert jeden Ort auf diese zwei Achsen. Gemeinden die sich ähneln liegen nah beieinander – Gemeinden die sich unterscheiden liegen weit auseinander. Die Prozentzahlen zeigen wie viel der gesamten Unterschiede durch diese zwei Achsen erklärt werden. Kurz: Je näher zwei Punkte, desto ähnlicher sind sich die Kommunen demografisch.
Demografische Ähnlichkeit (verständlich)
Was zeigt diese Grafik?
Dieselben Kommunen wie links – mit zwei Achsen die jeder versteht: Wie hat sich die Bevölkerung seit 2011 verändert? (X-Achse) und Wie alt ist die Bevölkerung im Durchschnitt? (Y-Achse). Die Punktgröße zeigt den mittleren Stimmenanteil der gewählten Partei – größere Punkte bedeuten mehr Stimmen. Wählen Sie oben eine Partei aus um zu sehen wo sie besonders stark oder schwach abschneidet.
Dieselben Kommunen wie links – mit zwei Achsen die jeder versteht: Wie hat sich die Bevölkerung seit 2011 verändert? (X-Achse) und Wie alt ist die Bevölkerung im Durchschnitt? (Y-Achse). Die Punktgröße zeigt den mittleren Stimmenanteil der gewählten Partei – größere Punkte bedeuten mehr Stimmen. Wählen Sie oben eine Partei aus um zu sehen wo sie besonders stark oder schwach abschneidet.
Wahlprofil je Gemeindetyp
Was kennzeichnet die Typen?
Demografie × Wahlverhalten – Punktwolken
Hover für Gemeindename · Linie = Regressionsgerade (r = Korrelationswert)
Stärkste demografische Faktoren je Partei
Rohwerte
Was zeigt diese Grafik?
Für jede Partei werden die zwei demografischen Faktoren als Achsen gewählt die am stärksten mit dem Wahlergebnis zusammenhängen –
der stärkste positive Faktor auf der X-Achse (grün), der stärkste negative auf der Y-Achse (rot).
Die Punktgröße und Farbe zeigt den Stimmenanteil der Partei.
Gemeinden rechts unten haben den demografisch günstigsten Mix für diese Partei.
Mit dem Schalter oben rechts können Sie zwischen Rohwerten und der um den Bundestrend bereinigten Residualanalyse wechseln –
und direkt sehen ob ein Zusammenhang ein echter lokaler Effekt ist oder nur den allgemeinen Trend widerspiegelt.
So funktioniert diese Analyse – einfach erklärt
Was ist eine Korrelation?
Eine Korrelation misst ob zwei Dinge gleichzeitig steigen oder fallen. Wenn in einer Gemeinde der Anteil älterer Menschen steigt und gleichzeitig die AfD-Ergebnisse steigen liegt eine positive Korrelation vor. Eine Korrelation bedeutet nicht automatisch Ursache und Wirkung – aber es ist ein starkes Indiz das weitere Untersuchungen rechtfertigt.
Was bedeuten r und R²?
r liegt zwischen −1 und +1. Ab |r| ≥ 0,5 gilt ein Zusammenhang als stark, 0,3–0,5 als moderat, unter 0,3 als schwach. R² zeigt wie viel Prozent der Unterschiede erklärt werden: R² = 0,32 bedeutet – 32 % der Unterschiede im Wahlergebnis hängen mit diesem demografischen Faktor zusammen.
Was ist die Residualanalyse?
Bei jeder Wahl gibt es einen Bundestrend der alle Kommunen trifft. Die Residualanalyse zieht diesen Trend ab und zeigt nur noch die lokale Abweichung. Wenn Frielendorf die AfD um +11 % übertrifft ist das ein echter lokaler Effekt – kein bundesweiter Trend. Nur diese lokalen Effekte werden dann mit demografischen Daten verglichen.
Was ist die Lag-Analyse?
Demografie verändert sich langsam – Wahlverhalten reagiert mit Verzögerung. Die Lag-Analyse vergleicht deshalb Veränderungen zwischen zwei Wahlen: Hat sich der Altenquotient zwischen 2017 und 2021 stark erhöht und hat die AfD im gleichen Zeitraum zugelegt? Wenn ja liegt ein zeitlich versetzter Zusammenhang vor – aussagekräftiger als ein einfacher Querschnitt.
Datenquellen & Methodik:
Wahldaten: Votemanager / ekom21, 426 Dateien, 14 Kommunen, 2008–2026.
Demografiedaten: Wegweiser Kommune, Bertelsmann Stiftung, 165 Indikatoren, 2006–2023.
Methoden: Lag-Korrelationsanalyse (Pearson), Residualanalyse, K-Means-Clustering (k=2), PCA-Projektion.
Berechnungen: Python (pandas, scikit-learn, scipy).
Analyse: M. Schumacher – Hausarbeit Data Science, Hochschule Hof 2026.