Wahl- und Demografienanalyse im Schwalm-Eder-Kreis
Dasboard
Moritz Schumacher
Wahlverhalten und Demografie im Schwalm-Eder-Kreis
14 Kommunen, 2008 bis 2026, Lag-Korrelationsanalyse. Datenquellen: Votemanager ekom21 sowie Wegweiser Kommune, Bertelsmann Stiftung.
Referenztrend herausrechnen
Residualanalyse
Rohwerte
Änderung zw. Wahlen
Kommunen (mehrfach wählbar – Korrelation berechnet sich aus Auswahl)
Zeitreihe
Kennzahlen
—
r i
—
R² i
—p=—i
Interpretation
Auswahl treffen.
Residualanalyse: Referenztrend herausgerechnet.
Korrelations-Diagramm
Stärkste Zusammenhänge
Positiv
Negativ
Methodik:
Lag-Korrelationsanalyse: demografische Veränderungen zwischen zwei Wahlen werden mit Wahlveränderungen im gleichen Zeitraum korreliert.
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.
Autor: M. Schumacher, Hausarbeit Data Science, Hochschule Fulda.
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.
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.
Wahlprofil je Gemeindetyp
Was kennzeichnet die Typen?
Demografie × Wahlverhalten – PunktwolkenHover 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, der stärkste negative auf der Y-Achse.
Die Punktgröße und Farbe zeigt den Stimmenanteil der Partei.
Gemeinden rechts unten (türkis hinterlegt) haben den demografisch günstigsten Mix für diese Partei, Gemeinden links oben (gold hinterlegt) den ungünstigsten.
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.
Random Forest – Demografische Muster im Wahlverhalten
—
Accuracy
i
—
F1-Score
i
Was zeigt diese Grafik?
Der Random Forest hat aus 238 Beobachtungen gelernt, welche demografischen Merkmale vorhersagen, ob eine Gemeinde bei einer Partei über- oder unterdurchschnittlich abschneidet (nach Herausrechnen des Bundestrends).
Die Feature Importance zeigt, wie oft und wie entscheidend jedes Merkmal in den 200 Entscheidungsbäumen verwendet wurde – längere Balken bedeuten höhere Vorhersagekraft.
Die Modellgüte wurde durch 5-fache Kreuzvalidierung geprüft: Das Modell wurde fünfmal auf unterschiedlichen Datenteilmengen trainiert und getestet, um sicherzustellen, dass es nicht nur die Trainingsdaten auswendig kennt.
Modellgüte im Überblick – alle Parteien
Die goldene gestrichelte Linie markiert die Zufalls-Baseline (0.50) – ein Modell, das immer die häufigere Klasse vorhersagt, würde diesen Wert erreichen.
Alle Modelle außer FREIE WÄHLER liegen deutlich darüber, was zeigt, dass demografische Merkmale echte Vorhersagekraft besitzen.
FREIE WÄHLER ist schwach erklärbar, da lokale Listen sehr unterschiedliche Profile haben.
So funktioniert diese Analyse
Die vier wichtigsten Begriffe 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.
Unter dem Link finden Sie das wissenschaftliche Paper (nicht Peer-Reviewed) zum Download. Hier gibt es mehr Inhalte zum Vorgehen, Modellierung und Datenaufbereitung.