Können die Ausgänge eidgenössischer Volksabstimmungen aufgrund des Abstimmungsbüchleins vorhergesagt werden? Und wenn ja, wie?

Prognosen für die Abstimmungen vom 13. Juni 2021

Auf dieser Plattform wird ein Machine Learning Modell eingesetzt zur Prognose der Abstimmungsausgänge eidgenössischer Abstimmungen basierend auf der Analyse der Abstimmungsbüchlein zwischen 1979 und 2017. Das Modell hat „gelernt“, aufgrund der Beschreibung der Ausgangslage, der Argumente der Befürworter und Gegner sowie des Gesetzestextes das Abstimmungsresultat vorherzusagen.

Prognosen für den 13. Juni: Nein Nein Ja Ja Ja

  1. Volksinitiative für sauberes Trinkwasser und gesunde Nahrung: Modellprognose: Nein (Modellwahrscheinlichkeit für ein Ja: 13.4 %)
  2. Volksinitiative «Für eine Schweiz ohne synthetische Pestizide»: Modellprognose: Nein (Modellwahrscheinlichkeit für ein Ja: 22.8 %)
  3. Covid-19-Gesetz: Modellprognose: Ja (Modellwahrscheinlichkeit für ein Ja: 100 %)
  4. CO2-Gesetz: Modellprognose: Ja (Modellwahrscheinlichkeit für ein Ja: 100 %)
  5. Bundesgesetz über polizeiliche Massnahmen zur Bekämpfung von Terrorismus (PMT): Modellprognose: Ja (Modellwahrscheinlichkeit für ein Ja: 100 %)

Die Prognosen können hier online nachvollzogen werden.

Gemessen an den letzten 29 eidgenössischen Abstimmungen beträgt die Genauigkeit des Modells 86%. 25 von 29 Abstimmungen wurden seit dem Frühjahr 2017 richtig prognostiziert.

Das Modell wurde seit der Einführung bewusst nicht angepasst, um die Genauigkeit laufend verfolgen zu können.

Details zu den Prognosen von weiteren Modellen und Resultaten seit 2017. Hier geht es zum Hintergrund des Machine Learning Modells, welches auf der Basis des Abstimmungsbüchleins den Ausgang eidgenössischer Abstimmungen prognostiziert.

Das Modell prognostiziert den Ausgang eidgenössischen Volksabstimmungen aufgrund der „Erfahrung“ der Abstimmungsausgänge zwischen 1979 und 2017 und des gesamten Inhalts des Abstimmungsbüchleins zu einer gegebenen Vorlage.

Das Modell geht von der Weiterführung des bisherigen Abstimmungsverhaltens aus. Das Modell beinhaltet einen Eigenfehler von +/- 18 %. Spezielle Ereignisse und Umstände oder ungewöhnlich verlaufende Abstimmungskampagnen können zu einem „Bruch mit der Vergangenheit“ und zu anderen als den prognostizierten Ausgängen führen. Die Übertragung des bisherigen Abstimmungsverhaltens auf komplett neue Themen kann die Aussagekraft einschränken (wie zum Beispiel für Begriffe wie „e-ID“ oder „Covid-19“).

Bezogen auf die Abstimmungen vom 13. Juni 2021 wird für die Trinkwasser-und Pestizid- Volksinitiativen eine Ablehnung und für die drei weiteren Vorlagen (Covid-19 und CO2- Gesetz sowie PMT) eine Annahme prognostiziert.

Modellwahrscheinlichkeiten für eine Annahme zwischen 13 und 23 % wie für die beiden Volksinitiativen lassen eindeutige Abstimmungsausgänge erwarten. Umstrittene Volksinitiativen waren in der Vergangenheit häufig mit Modellwahrscheinlichkeiten für ein Ja von mehr als 40 % verbunden (wie zum Beispiel bei der Wohnungsinitiative und der Unternehmensverantwortungsinitiative). In der jüngeren Vergangenheit waren allerdings auch Initiativen mit einer Modellwahrscheinlichkeit für eine Annahme von weniger als 10% umstritten (Kriegsmaterialproduzenten) bzw. gar angenommen worden (Verhüllungsverbot).

Annahmewahrscheinlichkeiten von 100% (*), wie sie für die drei Bundesvorlagen bzw. Referenden prognostiziert werden, schliessen knappe oder anderslautende Ausgänge ebenfalls nicht aus, auch wenn dies in der Vergangenheit selten war. Prominente Ausnahmen bildeten die Ablehnung des Jagdgesetzes sowie der e-ID.

Die Abstimmungsprognosen zusätzlicher Machine Learning Modelle sind hier beschrieben. Und deren Berücksichtigung sind bei den Bundesvorlagen/Referenden auch Überraschungen möglich.

Letzter Update 20. April 2021

(*) Zur Modellwahrscheinlichkeit 100%: Der S-förmige Verlauf der logistischen Regressionskurve führt dazu, dass absolute Resultate der Regression grösser +/- ~4 auf 100% bzw. 0% gerundet werden. Dies ist eine Effekt des „Tunings“ / „Fittings“ des Modells (siehe hier), dass es ab einem gewissen Punkt nicht mehr gut „diskriminiert“. Es bedeutet nicht, dass sich das Modell „absolut sicher“ ist, sondern es handelt sich um eine Art Rundungseffekt aufgrund eines bestimmten Modells.