Skip to main content
SpringerLink
Log in

Forecasting

Handbuch Methoden der Politikwissenschaft

Part of the book series: Springer Reference Sozialwissenschaften ((SRS))

Zusammenfassung

Prognosen stellen in der Politikwissenschaft ein zwar noch kleines, aber stetig wachsendes Forschungsfeld dar, welches in verschiedenen Teilbereichen der Disziplin Anwendung findet. Gemeint sind hiermit statistische Modelle, mit denen explizit politikwissenschaftlich relevante Phänomene vor ihrem Eintreten vorhergesagt werden. Dabei folgen sie den wissenschaftlichen Leitlinien der intersubjektiven Nachvollziehbarkeit und Reproduzierbarkeit. Dieser Beitrag führt ein in die Grundlagen politikwissenschaftlicher Prognosen. Den Schwerpunkt der Darstellung bilden Wahlprognosen, insbesondere strukturelle Modelle, welche beispielhaft anhand eines kanonischen Wahlprognosemodells erläutert werden. Daneben werden synthetische Modelle, Aggregationsmodelle, „Wisdom of the crowd“-Ansätze und Prognosemärkte diskutiert.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution

Institutional subscriptions

Notes

  1. 1.

    Aufgrund der besseren Lesbarkeit wird in diesem Beitrag der Einfachheit halber nur die weibliche Form verwendet. Die männliche Form ist selbstverständlich immer mit eingeschlossen.

  2. 2.

    Andere Versionen dieses Modells enthalten statt dieser Variablen eine Dummy-Variable, die anzeigt, ob die amtierende Präsidentin bereits zwei Amtszeiten im Amt war.

  3. 3.

    Für eine Erläuterung des Jury Theorems siehe Nurmi (2002).

  4. 4.

    Die Odds einer Wette auf das Eintreten eines Ereignisses E entsprechen der Wahrscheinlichkeit, dass das Ergebnis nicht eintritt relativ zur Wahrscheinlichkeit, dass es eintritt: \( \frac{1-p(E)}{p(E)} \). Hieraus ergibt sich auch der Auszahlungsbetrag.

  5. 5.

    Für eine genauere Erläuterung der Funktionsweise von Prognosemärkten und einigen Beispielen siehe Wolfers und Zitzewitz (2004), sowie Berg et al. (2008).

  6. 6.

    Während bayesianische Verfahren und Ansätze aus dem Machine Learning in ersten Anwendungen vielversprechende Ergebnisse liefern, hat was das Potenzial von Daten aus dem Internet, insbesondere Social Media, angeht bereits Ernüchterung eingesetzt (Huberty 2015).

Literatur

  • Abramowitz, Alan I. 2012. Forecasting in a polarized era: The time for change model and the 2012 presidential election. PS: Political Science & Politics 45(4): 618–619.

    Google Scholar 

  • Armstrong, J. Scott. 2012. Illusions in regression analysis. International Journal of Forecasting 28(3): 689–694.

    Article  Google Scholar 

  • Bechtel, Michael M., und Dirk Leuffen. 2010. Forecasting European union politics: Real-time forecasts in political time series analysis. European Union Politics 11(2): 309–327.

    Article  Google Scholar 

  • Berg, Joyce, Robert Forsythe, Forrest Nelson, und Thomas Rietz. 2008. Results from a dozen years of election futures markets research. In Handbook of experimental economics results, Bd. 1, 742–751. Elsevier.

    Chapter  Google Scholar 

  • Blumenthal, Mark. 2014. Polls, forecasts, and aggregators. PS: Political Science & Politics 47(2): 297–300.

    Google Scholar 

  • Campbell, James E. 2004. Introduction – The 2004 presidential election forecasts. PS: Political Science & Politics 37(4): 733–735.

    Google Scholar 

  • Colomer, Josep M. 2007. What other sciences look like. European Political Science 6(2): 134–142.

    Article  Google Scholar 

  • Eijk, Ceesvan der. 2005. Election forecasting: A sceptical view. The British Journal of Politics & International Relations 7(2): 210–214.

    Google Scholar 

  • Erikson, Robert S., und Christopher Wlezien. 2012. The timeline of presidential elections: How campaigns do (and do not) matter. Chicago: University of Chicago Press.

    Book  Google Scholar 

  • Erikson, Robert S., und Christopher Wlezien. 2014. Forecasting US presidential elections using economic and noneconomic fundamentals. PS: Political Science & Politics 47(2): 313–316.

    Google Scholar 

  • Fair, Ray C. 1978. The effect of economic events on votes for president. The Review of Economics and Statistics 60(2): 159–173.

    Article  Google Scholar 

  • Forsythe, R., F. Nelson, G. Neumann, und J. Wright. 1989. The Iowa presidential stock market: A field experiment. In Research in experimental economics, Hrsg. R. Issac, Bd. 4. Westport: JAI Press.

    Google Scholar 

  • Foucault, Martial. 2012. Forecasting the 2012 French legislative election. French Politics 10(1): 68–83.

    Article  Google Scholar 

  • Gleditsch, Kristian Skrede, und Michael D. Ward. 2013. Forecasting is difficult, especially about the future: Using contentious issues to forecast interstate disputes. Journal of Peace Research 50(1): 17–31.

    Article  Google Scholar 

  • Graefe, Andreas. 2014. Accuracy of vote expectation surveys in forecasting elections. Public Opinion Quarterly 78(1): 204–232.

    Article  Google Scholar 

  • Graefe, Andreas. 2015a. German election forecasting: Comparing and combining methods for 2013. German Politics 24(2): 195–204.

    Article  Google Scholar 

  • Graefe, Andreas. 2015b. Improving forecasts using equally weighted predictors. Journal of Business Research 68(8): 1792–1799.

    Article  Google Scholar 

  • Graefe, Andreas. 2017. The pollyVote’s long-term forecast for the 2017 German Federal Election. Political Science & Politics 50(3): 693–696.

    Google Scholar 

  • Graefe, Andreas, J. Scott Armstrong, Randall J. Jones Jr., Alfred, und G. Cuzán. 2014. Combining forecasts: An application to elections. International Journal of Forecasting 30(1): 43–54.

    Article  Google Scholar 

  • Gschwend, Thomas, und Helmut Norpoth. 2001. ‚Wenn am nächsten Sonntag .‘: Ein Prognosemodell für Bundestagswahlen. In Wahlen und Wähler: Analysen aus Anlass der Bundestagswahl 1998, Hrsg. Hans-Dieter Klingemann und Max Kaase, 473–499. Wiesbaden: Westdeutscher Verlag.

    Chapter  Google Scholar 

  • Gschwend, Thomas, und Helmut Norpoth. 2005. Prognosemodell auf dem Prüfstand: Die Bundestagswahl 2005. Politische Vierteljahresschrift 46(4): 682–688.

    Article  Google Scholar 

  • Hibbs, Douglas A. 1982. President Reagan’s mandate from the 1980 elections: A shift to the right? American Politics Research 10(4): 387–420.

    Article  Google Scholar 

  • Huberty, Mark. 2015. Can we vote with our tweet? On the perennial difficulty of election forecasting with social media. International Journal of Forecasting 31(3): 992–1007.

    Article  Google Scholar 

  • Kastellec, Jonathan P. 2010. The statistical analysis of judicial decisions and legal rules with classification trees. Journal of Empirical Legal Studies 7(2): 202–230.

    Article  Google Scholar 

  • Kennedy, Ryan, Stefan Wojcik, und David Lazer. 2017. Improving election prediction internationally. Science 355(6324): 515–520.

    Article  Google Scholar 

  • King, Gary, Michael Tomz, und Jason Wittenberg. 2000. Making the most of statistical analyses: Improving interpretation and presentation. American Journal of Political Science 44:347–361.

    Article  Google Scholar 

  • Klarner, Carl. 2008. Forecasting the 2008 U.S. House, Senate and presidential elections at the district and state level. PS: Political Science and Politics 41(4): 723–728.

    Google Scholar 

  • Krueger, Joel T., und Kenneth Kuttner. 1996. The fed funds futures rate as a predictor of federal reserve policy. The Journal of Futures Markets 16(8): 865–879.

    Article  Google Scholar 

  • Küntzler, Theresa. 2018. Using data combination of fundamental variable-based forecasts and poll-based forecasts to predict the 2013 German election. German Politics 27(1): 1–19.

    Article  Google Scholar 

  • Leininger, Arndt. 2015. Wissenschaftliche Wahlprognosen – Alternative oder Ergänzung zu Umfragen? Zeitschrift für Parlamentsfragen 46(4): 675–691.

    Article  Google Scholar 

  • Lewis-Beck, Michael S. 2005. Election forecasting: Principles and practice. The British Journal of Politics & International Relations 7(2): 145–164.

    Article  Google Scholar 

  • Lewis-Beck, Michael S., und Tom W. Rice. 1992. Forecasting elections. Washington, DC: CQ Press.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • Lewis-Beck, Michael S., Richard Nadeau, und Éric Bélanger. 2016. The British general election: Synthetic forecasts. Electoral Studies 41(Supplement C): 264–268.

    Article  Google Scholar 

  • Linzer, Drew A. 2013. Dynamic Bayesian forecasting of presidential elections in the states. Journal of the American Statistical Association 108(501): 124–134.

    Article  Google Scholar 

  • Martin, Andrew D., Kevin M. Quinn, Theodore W. Ruger, und Pauline T. Kim. 2004. Competing approaches to predicting supreme court decision making. Perspectives on Politics 2(4): 761–767.

    Article  Google Scholar 

  • Mayer, William G. 2014. What, if anything, have we learned from presidential election forecasting? PS: Political Science & Politics 47(2): 329–331.

    Google Scholar 

  • Meirowitz, Adam, und Joshua A. Tucker. 2004. Learning from terrorism markets. Perspectives on Politics 2(2): 331–336.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Murr, Andreas Erwin. 2011. ‚Wisdom of crowds‘? A decentralised election forecasting model that uses citizens’ local expectations. Electoral Studies 30(4): 771–783.

    Article  Google Scholar 

  • Norpoth, Helmut. 2016. Primary model predicts trump victor. PS: Political Science & Politics 49(4): 655–658.

    Google Scholar 

  • Norpoth, Helmut, und Thomas Gschwend. 2014. A near miss for the chancellor model. EUSA: EU Political Economy Bulletin 17:4–8.

    Google Scholar 

  • Nurmi, Hannu. 2002. Voting procedures under uncertainty. Berlin/Heidelberg: Springer.

    Book  Google Scholar 

  • O’Brien, Sean P. 2010. Crisis early warning and decision support: Contemporary approaches and thoughts on future research. International Studies Review 12(1): 87–104.

    Article  Google Scholar 

  • Peterson, Jack, Joseph Krug, Micah Zoltu, Austin K. Williams, und Stephanie Alexander. 2015. Augur: A decentralized oracle and prediction market platform. arXiv:1501.01042 [cs]. Zugegriffen am 05.03.2018.

    Google Scholar 

  • Sanders, David. 1996. Economic performance, management competence and the outcome of the next general election. Political Studies 44(2): 203–231.

    Article  Google Scholar 

  • Schrodt, Philip A. 2013. Seven deadly sins of contemporary quantitative political analysis. Journal of Peace Research 51:287–300.

    Article  Google Scholar 

  • Selb, Peter, und Simon Munzert. 2015. Forecasting the 2013 German bundestag election using many polls and historical election results. German Politics 25(1): 73–83.

    Article  Google Scholar 

  • Silver, Nate. 2016. A user’s guide to FiveThirtyEight’s 2016 general election forecast. FiveThirtyEight. https://fivethirtyeight.com/features/a-users-guide-to-fivethirtyeights-2016-general-election-forecast/. Zugegriffen am 21.12.2017.

  • Sternberg, Sebastian. 2017. How to forecast constitutional court decisions? Legal context and political context in a machine learning framework. Working paper.

    Google Scholar 

  • Ward, Michael D., Brian D. Greenhill, und Kristin M. Bakke. 2010. The perils of policy by p-value: Predicting civil conflicts. Journal of Peace Research 47(4): 363–375.

    Article  Google Scholar 

  • Wolfers, Justin, und Eric Zitzewitz. 2004. Prediction markets. Journal of Economic Perspectives 18(2): 107–126.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Otto Suhr Institute of Political Science, Freie Universität Berlin, Berlin, Deutschland

    Arndt Leininger

Authors
  1. Arndt Leininger
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Arndt Leininger .

Editor information

Editors and Affiliations

  1. Methodenzentrum Sozialwissenschaft, Goethe-Universität Frankfurt Methodenzentrum Sozialwissenschaft, Frankfurt, Hessen, Germany

    Claudius Wagemann

  2. Institute for Political Sciences, University of Duisburg-Essen Institute for Political Sciences, Duisburg, Germany

    Achim Goerres

  3. Institut für Politikwissenschaft, Goethe-Universität Frankfurt am Main Institut für Politikwissenschaft, Frankfurt, Hessen, Germany

    Markus Siewert

Rights and permissions

Reprints and permissions

Copyright information

© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this entry

Check for updates. Verify currency and authenticity via CrossMark

Cite this entry

Leininger, A. (2018). Forecasting. In: Wagemann, C., Goerres, A., Siewert, M. (eds) Handbuch Methoden der Politikwissenschaft. Springer Reference Sozialwissenschaften. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-16937-4_36-1

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-16937-4_36-1

  • Received:

  • Accepted:

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-16937-4

  • Online ISBN: 978-3-658-16937-4

  • eBook Packages: Springer Referenz Sozialwissenschaften und Recht

Publish with us

Policies and ethics

Chapter history

  1. Latest

    Forecasting
    Published:
    04 October 2018

    DOI: https://doi.org/10.1007/978-3-658-16937-4_36-2

  2. Original

    Forecasting
    Published:
    04 July 2018

    DOI: https://doi.org/10.1007/978-3-658-16937-4_36-1

Search

Navigation