Advertisement

Politische Vierteljahresschrift

, Volume 59, Issue 3, pp 493–519 | Cite as

Die „Sonntagsfrage“, soziale Erwünschtheit und die AfD: Wie alternative Messmethoden der Politikwissenschaft weiterhelfen können

  • Thomas Gschwend
  • Sebastian Juhl
  • Roni Lehrer
Abhandlung
  • 532 Downloads

Zusammenfassung

Die Wahlabsichtsfrage, populärwissenschaftlich auch als „Sonntagsfrage“ bezeichnet, wird kritisiert, weil mit ihr der Stimmenanteil der „Alternative für Deutschland“ (AfD) nicht valide zu messen sei. Wir argumentieren, dass alternative Messinstrumente, die Verzerrungen aufgrund von sozialer Erwünschtheit berücksichtigen, besser geeignet sind. Dazu testen wir erstmalig drei alternative Messmethoden – das doppelte Listenexperiment, die kreuzweise Randomisierte-Antwort-Technik und die Weisheit-der-Vielen-Methode – hinsichtlich des geschätzten AfD-Stimmenanteils und vergleichen sie mit der klassischen „Sonntagsfrage“. Unsere Ergebnisse zeigen, dass insbesondere die Weisheit-der-Vielen-Methode eine kostengünstige und gute Erweiterung der politikwissenschaftlichen Fragebatterie ist.

Schlüsselwörter

Wahlabsicht Sonntagsfrage Soziale Erwünschtheit Vorhersage AfD 

Vote Intention, Social Desirability Bias, and AfD: How Alternative Measurement Techniques can Improve Political Research

Abstract

In Germany, the standard vote intention survey item has come under attack because it failed to correctly measure the vote share of the German party “Alternative für Deutschland” (AfD). We argue that alternative measurement techniques that aim to reduce social desirability bias are better suited for this task. We test three measurement techniques to forecast AfD vote share—a double list experiment, the crosswise-model randomized response technique, and the wisdom of crowds design—and compare their performance to the standard vote intention item. Our results indicate that the wisdom of crowds design is an easily implementable and promising addition to political scientists’ toolbox of survey items.

Keywords

Vote intention Social desirability Election forecasting AfD 

Notes

Danksagung

Für hilfreiche Kommentare danken wir den anonymen Gutachterinnen und Gutachtern sowie Christel Selzer für ihre redaktionelle Arbeit am Manuskript. Ebenso möchten wir uns beim Team des German Internet Panels (GIP) und insbesondere Ulrich Krieger für die hervorragende Unterstützung bedanken. Die Forschung, die diesem Artikel zugrunde liegt, wurde maßgeblich von der DFG durch den Sonderforschungsbereich 884 „Politische Ökonomie von Reformen“ (Teilprojekte C2 und C4) an der Universität Mannheim finanziert. Sebastian Juhls Forschung wurde zusätzlich vom Center for Doctoral Studies in Social and Behavioral Sciences an der Graduate School of Economic and Social Sciences der Universität Mannheim unterstützt.

Supplementary material

11615_2018_106_MOESM1_ESM.pdf (175 kb)
Online-Material beinhaltet Evidenz, dass die Randomisierung in die Gruppen die Ergebnisse nicht verzerrt, einen Überblick über die Häufigkeitsverteilung der ersten Ziffer der Hausnummern der GIP-Befragten sowie eine Replikation der Analysen in Abschnitt 4.1 mit Ausschluss nach abgelaufener Zeit in Sekunden

Literatur

  1. Adams, James, Michael Clark, Lawrence Ezrow, und Garrett Glasgow. 2004. Understanding change and stability in party ideologies: do parties respond to public opinion or to past election results? British Journal of Political Science 34(4):589–610.  https://doi.org/10.1017/S0007123404000201.CrossRefGoogle Scholar
  2. Adams, James F., Samuel Merrill, und Bernard Grofman. 2005. A unified theory of party competition: a cross-national analysis integrating spatial and behavioral factors. Cambridge: Cambridge University Press.CrossRefGoogle Scholar
  3. Aichholzer, Julian, Sylvia Kritzinger, Markus Wagner, und Eva Zeglovits. 2014. How has radical right support transformed established political conflicts? The case of Austria. West European Politics 37(1):113–137.  https://doi.org/10.1080/01402382.2013.814956.CrossRefGoogle Scholar
  4. Bergmann, Knut, und Matthias Diermeier. 2017. Die AfD: Eine unterschätzte Partei. Soziale Erwünschtheit als Erklärung für fehlerhafte Prognosen. No. 7/2017. IW-Report.Google Scholar
  5. Blom, Annelies G., Jessica M. E. Herzing, Carina Cornesse, Joseph W. Sakshaug, Ulrich Krieger, und Dayana Bossert. 2017. Does the recruitment of offline households increase the sample representativeness of probability-based online panels? Evidence from the German Internet panel. Social Science Computer Review 35(4):498–520.  https://doi.org/10.1177/0894439316651584.CrossRefGoogle Scholar
  6. Boland, Philip J. 1989. Majority systems and the condorcet jury theorem. Journal of the Royal Statistical Society. Series D (The Statistician) 38(3):181–189.  https://doi.org/10.2307/2348873.Google Scholar
  7. Boruch, Robert F. 1971. Assuring confidentiality of responses in social research: a note on strategies. The American Sociologist 6(4):308–311.  https://doi.org/10.2307/27701807.Google Scholar
  8. Bräuninger, Thomas. 2009. Responsivität und strategische Adaption im Parteienwettbewerb in den deutschen Bundesländern. In Parteienwettbewerb, Wählerverhalten und Koalitionsbildung: Festschrift zum 70. Geburtstag von Franz Urban Pappi, Hrsg. Christian Henning, Eric Linhart, und Susumu Shikano, 27–46. Baden-Baden: Nomos.CrossRefGoogle Scholar
  9. Bräuninger, Thomas, und Marc Debus. 2012. Parteienwettbewerb in den deutschen Bundesländern. Wiesbaden: Springer VS.CrossRefGoogle Scholar
  10. de Condorcet, Marquis. 1785. Essai sur l’application de l’analyse à la probabilité des décisions rendues à la pluralité des voix. Paris: De I’Imprimerie Royale.Google Scholar
  11. Coutts, Elisabeth, und Ben Jann. 2011. Sensitive questions in online surveys: experimental results for the Randomized Response Technique (RRT) and the Unmatched Count Technique (UCT). Sociological Methods & Research 40(1):169–193.  https://doi.org/10.1177/0049124110390768.CrossRefGoogle Scholar
  12. Crowne, Douglas P., und David Marlowe. 1960. A new scale of social desirability independent of psychopathology. Journal of Consulting Psychology 24(4):349–354.  https://doi.org/10.1037/h0047358.CrossRefGoogle Scholar
  13. Diekmann, Andreas. 2012. Making use of “Benford’s law” for the randomized response technique. Sociological Methods & Research 41(2):325–334.  https://doi.org/10.1177/0049124112452525.CrossRefGoogle Scholar
  14. Droitcour, Judith, Rachel A. Caspar, Michael L. Hubbard, Teresa L. Parsley, Wendy Visscher, und Trena M. Ezzati. 1991. The item-count technique as a method of indirect questioning: a review of its development and a case study application. In Measurement errors in surveys, Hrsg. Paul P. Biemer, Robert M. Groves, Lars E. Lyberg, Nancy A. Mathiowetz, und Seymour Sudman, 185–210. Hoboken: John Wiley & Sons Inc.Google Scholar
  15. Evans, Jocelyn, und Gilles Ivaldi. 2010. Comparing forecast models of Radical Right voting in four European countries (1973–2008). International Journal of Forecasting 26(1):82–97.  https://doi.org/10.1016/J.IJFORECAST.2009.04.001.CrossRefGoogle Scholar
  16. Galton, Francis. 1907. Vox populi. Nature 75:450–451.CrossRefGoogle Scholar
  17. Glynn, Adam N. 2013. What can we learn with statistical truth serum? Public Opinion Quarterly 77(S1):159–172.  https://doi.org/10.1093/poq/nfs070.CrossRefGoogle Scholar
  18. Graefe, Andreas. 2014. Accuracy of vote expectation surveys in forecasting elections. Public Opinion Quarterly 78(S1):204–232.  https://doi.org/10.1093/poq/nfu008.CrossRefGoogle Scholar
  19. Grofman, Bernard, Guillermo Owen, und Scott L. Feld. 1983. Thirteen theorems in search of the truth. Theory and Decision 15(3):261–278.  https://doi.org/10.1007/BF00125672.CrossRefGoogle Scholar
  20. Groß, Jochen. 2010. Die Prognose von Wahlergebnissen. Ansätze und empirische Leistungsfähigkeit. Wiesbaden: Springer VS.CrossRefGoogle Scholar
  21. Höglinger, Marc, und Andreas Diekmann. 2017. Uncovering a blind spot in sensitive question research: false positives undermine the crosswise-model RRT. Political Analysis 25(1):131–137.  https://doi.org/10.1017/pan.2016.5.CrossRefGoogle Scholar
  22. Höglinger, Marc, Ben Jann, und Andreas Diekmann. 2016. Sensitive questions in online surveys: an experimental comparison of the randomized response technique and the crosswise model. Survey Research Methods 10(3):171–187.  https://doi.org/10.18148/srm/2016.v10i3.6703.Google Scholar
  23. Jann, Ben, Julia Jerke, und Ivar Krumpal. 2012. Asking sensitive questions using the crosswise model: an experimental survey measuring plagiarism. Public Opinion Quarterly 76(1):32–49.  https://doi.org/10.1093/poq/nfr036.CrossRefGoogle Scholar
  24. Johann, David, Kathrin Thomas, Thorsten Faas, und Sebastian Fietkau. 2016. Alternative Messverfahren rechtspopulistischen Wählens im Vergleich: Empirische Erkenntnisse aus Deutschland und Österreich. In Wahlen und Wähler: Analysen aus Anlass der Bundestagswahl 2013, Hrsg. Harald Schoen, Bernhard Weßels, 447–470. Wiesbaden: Springer.Google Scholar
  25. Kollman, Ken, John H. Miller, und Scott E. Page. 1992. Adaptive parties in spatial elections. American Political Science Review 86(4):929–937.  https://doi.org/10.2307/1964345.CrossRefGoogle Scholar
  26. Kreuter, Frauke, Stanley Presser, und Roger Tourangeau. 2008. Social desirability bias in CATI, IVR, and web surveys: the effects of mode and question sensitivity. Public Opinion Quarterly 72(5):847–865.  https://doi.org/10.1093/poq/nfn063.CrossRefGoogle Scholar
  27. Krogh, Anders, und Jesper Vedelsby. 1994. Neural network ensembles, cross validation and active learning. Proceedings of the 7th International Conference on Neural Information Processing Systems. NIPS’94., 231–238. Cambridge: MIT Press.Google Scholar
  28. Krosnick, Jon A. 1991. Response strategies for coping with the cognitive demands of attitude measures in surveys. Applied Cognitive Psychology 5(3):213–236.  https://doi.org/10.1002/acp.2350050305.CrossRefGoogle Scholar
  29. Krosnick, Jon A. 1999. Survey research. Annual Review of Psychology 50(1):537–567.  https://doi.org/10.1146/annurev.psych.50.1.537.CrossRefGoogle Scholar
  30. Krumpal, Ivar. 2012. Estimating the prevalence of xenophobia and anti-semitism in Germany: a comparison of randomized response and direct questioning. Social Science Research 41(6):1387–1403.  https://doi.org/10.1016/j.ssresearch.2012.05.015.CrossRefGoogle Scholar
  31. Kuklinski, James H., Paul M. Sniderman, Kathleen Knight, Thomas Piazza, Philip E. Tetlock, Gordon R. Lawrence, und Barbara Mellers. 1997. Racial prejudice and attitudes toward affirmative action. American Journal of Political Science 41:402–419.CrossRefGoogle Scholar
  32. Lehmbruch, Gerhard. 2000. Parteienwettbewerb im Bundesstaat: Regelsysteme und Spannungslagen im politischen System der Bundesrepublik Deutschland. Wiesbaden: Springer VS.CrossRefGoogle Scholar
  33. Lewandowsky, Marcel. 2015. Eine rechtspopulistische Protestpartei? Die AfD in der öffentlichen und politikwissenschaftlichen Debatte. Zeitschrift für Politikwissenschaft 25(1):119–134.  https://doi.org/10.5771/1430-6387-2015-1-119.CrossRefGoogle Scholar
  34. Lewandowsky, Marcel, Heiko Giebler, und Aiko Wagner. 2016. Rechtspopulismus in Deutschland. Eine empirische Einordnung der Parteien zur Bundestagswahl 2013 unter besonderer Berücksichtigung der AfD. Politische Vierteljahresschrift 57(2):247–275.  https://doi.org/10.5771/0032-3470-2016-2-247.CrossRefGoogle Scholar
  35. Lewis-Beck, Michael S. 2005. Election forecasting: principles and practice. The British Journal of Politics and International Relations 7(2):145–164.  https://doi.org/10.1111/j.1467-856X.2005.00178.x.CrossRefGoogle Scholar
  36. Lewis-Beck, Michael S., und Andrew Skalaban. 1989. Citizen forecasting: can voters see into the future? British Journal of Political Science 19(1):146–153.  https://doi.org/10.1017/S000712340000538X.CrossRefGoogle Scholar
  37. Lewis-Beck, Michael S., und Mary Stegmaier. 2011. Citizen forecasting: can UK voters see the future? Electoral Studies 30(2):264–268.  https://doi.org/10.1016/j.electstud.2010.09.012.CrossRefGoogle Scholar
  38. Lewis-Beck, Michael S., und Charles Tien. 1999. Voters as forecasters: a micromodel of election prediction. International Journal of Forecasting 15(2):175–184.  https://doi.org/10.1016/S0169-2070(98)00063-6.CrossRefGoogle Scholar
  39. List, Christian, und Robert E. Goodin. 2001. Epistemic democracy: generalizing the condorcet jury theorem. Journal of Political Philosophy 9(3):277–306.  https://doi.org/10.1111/1467-9760.00128.CrossRefGoogle Scholar
  40. Munzert, Simon, Lukas Stötzer, Thomas Gschwend, Marcel Neunhoeffer, und Sebastian Sternberg. 2017. Zweitstimme.org. Ein strukturell-dynamisches Vorhersagemodell für Bundestagswahlen. Politische Vierteljahresschrift 58(3):418–441.  https://doi.org/10.5771/0032-3470-2017-3-418.CrossRefGoogle Scholar
  41. Murr, Andreas E. 2011. ‘Wisdom of crowds’ ? A decentralised election forecasting model that uses citizens’ local expectations. Electoral Studies 30(4):771–783.  https://doi.org/10.1016/j.electstud.2011.07.005.CrossRefGoogle Scholar
  42. Murr, Andreas E. 2015. The wisdom of crowds: applying Condorcet’s jury theorem to forecasting US presidential elections. International Journal of Forecasting 31(3):916–929.  https://doi.org/10.1016/j.ijforecast.2014.12.002.CrossRefGoogle Scholar
  43. Murr, Andreas E. 2016. The wisdom of crowds: What do citizens forecast for the 2015 British General Election? Electoral Studies 41:283–288.  https://doi.org/10.1016/j.electstud.2015.11.018.CrossRefGoogle Scholar
  44. Murr, Andreas E. 2017. Wisdom of crowds. In Handbook of political behavior, Hrsg. Kai Arzheimer, Jocelyn Evans, und Michael S. Lewis-Beck, 835–860. Los Angeles: SAGE.Google Scholar
  45. Page, Scott E. 2007. The difference: how the power of diversity creates better groups, firms, schools, and societies. Princeton: Princeton University Press.Google Scholar
  46. Phillips, Derek L., und Kevin J. Clancy. 1972. Some effects of „social desirability“ in survey studies. American Journal of Sociology 77(5):921.  https://doi.org/10.1086/225231.CrossRefGoogle Scholar
  47. Rosenfeld, Bryn, Kosuke Imai, und Jacob N. Shapiro. 2016. An empirical validation study of popular survey methodologies for sensitive questions. American Journal of Political Science 60(3):783–802.  https://doi.org/10.1111/ajps.12205.CrossRefGoogle Scholar
  48. Rosenfelder, Joel. 2017. Die Programmatik der AfD: Inwiefern hat sie sich von einer primär euroskeptischen zu einer rechtspopulistischen Partei entwickelt? Zeitschrift für Parlamentsfragen 48(1):123–140.  https://doi.org/10.5771/0340-1758-2017-1-123.CrossRefGoogle Scholar
  49. Roth, Dieter, und Andreas M. Wüst. 2015. Missgeschick oder Trend? Zur Prognosetauglichkeit von Wahlumfragen. Zeitschrift für Staats- und Europawissenschaften 13(2):298–330.  https://doi.org/10.5771/1610-7780-2015-2-298.CrossRefGoogle Scholar
  50. Schmitt-Beck, Rüdiger, Hans Rattinger, Sigrid Roßteutscher, Bernhard Weßels, Christof Wolf, Ina Bieber, Manuela S. Blumenberg, Jan Eric Blumenstiel, Thorsten Faas, André Förster, Heiko Giebler, Isabella Glogger, Tobias Gummer, Sascha Huber, Mona Krewel, Patrick Lamers, Jürgen Maier, Julia Partheymüller, Thomas Plischke, Joss Roßmann, Anne Schäfer, Philipp Scherer, Markus Steinbrecher, Aiko Wagner, und Elena Wiegand. 2014. Zwischen Fragmentierung und Konzentration: Die Bundestagswahl 2013. Baden-Baden: Nomos.CrossRefGoogle Scholar
  51. Schnell, Rainer, und Marcel Noack. 2014. The accuracy of pre-election polling of German general elections. Methods, Data, Analyses 8(1):5–24.  https://doi.org/10.12758/mda.2014.001.Google Scholar
  52. Surowiecki, James. 2004. The wisdom of the crowd: why the many are smarter than the few. London: Abacus.Google Scholar
  53. Wüst, Andreas M. 2003. Stimmung, Projektion, Prognose? In Politibarometer, Hrsg. Andreas M. Wüst, 83–107. Wiesbaden: Springer VS.CrossRefGoogle Scholar
  54. Yu, Jun-Wu, Guo-Liang Tian, und Man-Lai Tang. 2008. Two new models for survey sampling with sensitive characteristic: design and analysis. Metrika 67(3):251–263.  https://doi.org/10.1007/s00184-007-0131-x.CrossRefGoogle Scholar

Copyright information

© Deutsche Vereinigung für Politikwissenschaft 2018

Authors and Affiliations

  1. 1.MannheimDeutschland

Personalised recommendations