-
Notifications
You must be signed in to change notification settings - Fork 0
/
1_analyse_BVV.R
66 lines (58 loc) · 2.61 KB
/
1_analyse_BVV.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
library(tidyverse)
source("0_read_berlin_wahldaten.R")
source("election_functions.R")
# was will ich? (purpose)
# Wahlbeteiligung anschauen, Stimmen anschauen, Zeitverlauf jeweils
# nur auf relative Prozentpunkte zu schauen ist zu klein gedacht
# Strukturdaten zeigen bevölkerungssituation in spandau nicht hilfreich?
BVV <- get_BVV_ah()
#####
# Wahlbeteiligung
#####
# histogram Wahlbeteiligung Berlin
BVV %>% mutate(Wahlbeteiligung = Wählende/wahlberechtigt) %>%
ggplot(aes(x = Wahlbeteiligung)) +
geom_histogram() + facet_grid(~Jahr)
# barplot Wahlbeteiligung Spandau
BVV %>% mutate(Wahlbeteiligung = Wählende/wahlberechtigt) %>%
filter(Bezirk == "Spandau") %>%
ggplot(aes(y = Wahlbeteiligung, x = as_factor(AH_Wahlkreis))) +
geom_bar(aes(fill = as_factor(Jahr)), stat = "identity", position = "dodge") +
scale_fill_discrete("") + labs(x = "Wahlkreis")
# lineplot Wahlbeteiligung Vergleich Berlin
BVV %>% mutate(Wahlbeteiligung = Wählende/wahlberechtigt) %>%
# filter(Bezirk == "Spandau") %>%
ggplot(aes(x = Jahr, y = Wahlbeteiligung, color = as_factor(AH_Wahlkreis))) +
geom_line() + scale_color_discrete("") + facet_wrap(~Bezirk)
#####
# Stimmen
#####
# absolute Stimmenanzahl
# lineplot
BVV %>%
ggplot(aes(x = Jahr, y = GRÜNE, color = as_factor(AH_Wahlkreis))) +
geom_line() + scale_color_discrete("") + facet_wrap(~Bezirk)
# relativer Stimmenanteil
# lineplot
BVV %>% mutate(across(SPD:ÖDP, function(c){c/Wählende})) %>%
ggplot(aes(x = Jahr, y = GRÜNE, color = as_factor(AH_Wahlkreis))) +
geom_line() + scale_color_discrete("") + facet_wrap(~Bezirk)
# lineplot für Spandau
BVV %>% mutate(across(SPD:ÖDP, function(c){c/Wählende})) %>%
filter(Bezirk == "Spandau") %>%
ggplot(aes(x = Jahr, y = GRÜNE, color = as_factor(AH_Wahlkreis))) +
geom_line() + scale_color_discrete("")
# es tun sich drei Fragen auf: 1. was macht einen Wahlkreis aus, damit ein hoher
# Anteil Grünenwähler vorkommt? Entfernung zur City, Strukturdaten
# 2. Was macht einen Wahlkreis aus, sodass er viele Stimmen verloren hat? Alter?
# 3. Korreliert Stimmenverlauf, Wahlbeteiligungsverlauf?
# Hypothese: Grünes Ergebnis korreliert mit der Wahlbeteiligung
# Erklärung: höhere wahlbeteiligung vor allem bei jungen Menschen --> Grün
# während ältere Menschen "regelmäßiger" wählen gehen --> Schwarz
BVV %>% mutate(Wahlbeteiligung = Wählende/wahlberechtigt) %>%
ungroup() %>%
select(Wahlbeteiligung, SPD:GRÜNE) %>%
# summarize_all(class)
cor()
# vllt ist ein vergleichbarer wahlkreis (Hartz4, Alter, Ausländer) in anderen
# Bezirken besser. Da ist also Potenzial und wir könnten gezielter Wahlkampf machen