"Wenn am nächsten Sonntag ...": ein Prognosemodell für Bundestagswahlen

Abstract: Im vorliegenden Beitrag wird ein multivariates Prognosemodell entworfen, durch das die politische Unterstützung für die amtierende Regierungskoalition bei einer Bundestagswahl mit hoher Genauigkeit vorherbestimmt werden kann. Dabei gilt es, den Stimmenanteil der regierenden Parteien insgesamt zu treffen und nicht den separaten Anteil der jeweiligen Parteien. Es wird ein Erklärungsmodell des Wählerverhaltens im Hinblick auf die Frage vorgestellt, welche Faktoren die Wählerunterstützung für die Regierungsparteien bei Bundestagswahlen steuern und was den amtierenden Parteien Wahlsieg oder Niederlage im Rahmen von Prognosen verheißt. Die Autoren gehen dabei davon aus, dass die Wahlentscheidung durch langfristige, kurzfristige und mittelfristige Komponenten bestimmt wird. Sie betrachten die Wahlentscheidung in ihrem Modell hauptsächlich als eine kurzfristige Nutzenkalkulation, die in langfristige Bindungen eingebettet und einer mittelfristigen Wechseldynamik unterworfen ist. Die Ergebni

Object Details

• Alternative title: "When next Sunday ...": a multivariate forecasting model for federal elections
• Location: Deutsche Nationalbibliothek Frankfurt am Main
• Extent: Online-Ressource, 473-499 S.
• Language: Deutsch
• Notes: Veröffentlichungsversion ; In: Klingemann, Hans-Dieter (Hg.), Kaase, Max (Hg.): Wahlen und Wähler: Analysen aus Anlass der Bundestagswahl 1998. 2001. S. 473-499. ISBN 3-531-13721-2

References and Relationships

• Bibliographic citation: Wahlen und Wähler: Analysen aus Anlass der Bundestagswahl 1998 ; Bd. 90 ; Schriften des Otto-Stammer-Zentrums im Otto-Suhr-Institut der Freien Universität Berlin ; Bd. 90

Classification and Topics

• Classification: Politik
• Keyword: Bundestagswahl ; Prognosemodell ; Regierungspartei

Contributors, Places and Time

• Event: Veröffentlichung
• (where): Wiesbaden
• (who): Westdt. Verl
• (when): 2001
• Creator: Gschwend, Thomas ; Norpoth, Helmut
• Contributor: Klingemann, Hans-Dieter ; Kaase, Max

Further information

• URN: urn:nbn:de:0168-ssoar-258523
• Rights: Open Access unbekannt; Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
• Last update: 15.08.2025, 7:24 AM CEST