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

Prognosen und Resultate 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

Resultate: NeinNeinJa – Nein Ja

(Trinkwasserinitiative – Pestizidinitiative – Covid19 – CO2 – PMT )

Gemessen an den letzten 34 eidgenössischen Abstimmungen beträgt die Genauigkeit des Modells 85.3%. 29 von 34 Abstimmungen wurden seit dem Frühjahr 2017 richtig prognostiziert. Das Modell wurde seit der Einführung bewusst nicht angepasst, um die Genauigkeit laufend verfolgen zu können.

Das Modell beinhaltet einen Eigenfehler von +/- 18 %. Spezielle Ereignisse und Umstände oder ungewöhnlich verlaufende Abstimmungskampagnen können zu einem „Bruch mit der Vergangenheit“ und können zu anderen als den prognostizierten Ausgängen führen.

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.

Für die Volksabstimmungen vom 13. Juni 2021 hat das Machine Modell vier von fünf Abstimmungen richtig prognostiziert. Den beiden Volksinitiativen wurde eine geringe Annahmewahrscheinlichkeit zugemessen und sie wurden auch deutlich abgelehnt. Für die drei Bundesgesetze wurde mit einer hohen Wahrscheinlichkeit eine Annahme prognostiziert. Das Covid19-Gesetz wurde schliesslich deutlich und das PMT etwas weniger deutlich angenommen. Das CO2-Gesetz wurde knapp abgelehnt.

Die Ablehnung des CO2-Gesetzes ist für viele Beobachter überraschend, da das Gesetz parteipolitisch breit abgestützt war. In den Abstimmungsumfragen haben allerdings sämtliche Vorlagen im Verlauf an Zustimmung verloren. Während dies bei Volksinitiativen üblich ist, war dieser Trend in der aktuellen Abstimmungskampagne im Falle der Bundesgesetze ungewöhnlich deutlich. Dieser Trend hat für das PMT zu einer relativ knappen Annahme und für das CO2-Gesetz zu einer knappen Ablehnung geführt.

Das hier beschriebene Machine Learning Modell hat den Vorteil, dass es zu Beginn der Abstimmungskampagne, d. h. bereits beim Erscheinen des Abstimmungsbüchleins, eine verlässliche Prognose über den Abstimmungsausgang abgibt. Die Dynamik der darauf folgenden Abstimmungskampagnen kann das Modell hingegen nicht erfassen. Gerade im Falle des CO2-Gesetzes hat sich aber gezeigt, dass bis kurz vor dem Abstimmungstag verlässliche Prognosen herausfordernd bleiben, welche den Abstimmungsausgang durch die Extrapolation der Abstimmungsabsichten aufgrund wiederholter repräsentativer Umfragen und anderen Modellen vorauszusagen versuchen.

Letzter Update 14. Juni 2021