Vliv volební účasti na zisky jednotlivých stran PhDr. Lukáš Linek

Slides:



Advertisements
Podobné prezentace
PKML.
Advertisements

Stodůlky 1977 a 2007 foto Václav Vančura, 1977 foto Jan Vančura, 2007.
Energie.
Desetinná čísla (opakování) 5. třída
Města ČR – orientace na mapě
předsedkyně 7. senátu Nejvyššího správního soudu
Porovnání výroby a prodejů vozidel ve světě za období 2005 až 2012 VÝROBA za uvedené období celkem: ks vozidel PRODEJE za uvedené období celkem:
SEZÓNA 2012/2013. TRÉNINKOVÉ JEDNOTKY  POČET TJ: 109  V MINUTÁCH: 8175  V HODINÁCH: 136,25  V DNECH: 5,67.
Reklama Potřebujete nebo chcete vyrobit prezentaci na počítači
Aktuální informace o vyšetřování c-erb-2 genu v referenční laboratoři a návrh změny v indikačních kritériích Hajdúch M., Petráková K., Kolář Z., Trojanec.
Věk (v letech) skupina: kontrolní pacienti průměr 41,08 51,67 sm.odch.
19.1 Odčítání v oboru do 100 s přechodem přes desítku
Distribuční úlohy LP.
Čísla 0 – 100, sčítání a odčítání
Tomáš NETERDA 1961 Sportovní kariéra : plavecké třídy ZŠ Komenského gymnázium Dašická plavecká škola
Násobíme . 4 = = . 4 = = . 4 = = . 2 = 9 .
Dělení desetinných čísel 3. část
Kdo chce být milionářem ?
Výzkumy volebních preferencí za ČR a kraje od
NÁSOBENÍ ČÍSLEM 10 ZÁVĚREČNÉ SHRNUTÍ
Téma: SČÍTÁNÍ A ODČÍTÁNÍ CELÝCH ČÍSEL 2
Dělitelnost přirozených čísel
Stav studie „Seroprevalence VHC u injekčních uživatelů drog“ k Národní monitorovací středisko pro drogy a drogové závislosti Úřad vlády ČR.
VY_32_INOVACE_INF_RO_12 Digitální učební materiál
Lineární rovnice Běloun 91/1 a
ZVÍŘATA AUSTRÁLIE (2) - PROCVIČUJEME SČÍTÁNÍ A ODČÍTÁNÍ DO 100
Elektronická učebnice - I
MODERNÍ A KONKURENCESCHOPNÁ ŠKOLA reg. č.: CZ.1.07/1.4.00/ Základní škola, Šlapanice, okres Brno-venkov, příspěvková organizace Masarykovo nám.
VY_32_INOVACE_ 14_ sčítání a odčítání do 100 (SADA ČÍSLO 5)
Střední škola Oselce Škola: SŠ Oselce, Oselce 1, Nepomuk, Projekt: Registrační číslo: CZ.1.07/1.5.00/ Název: Modernizace.
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Mgr. Martina Burgetová Tento materiál byl vytvořen v rámci projektu Operačního programu.
Zábavná matematika.
V rámci všech serverů společnosti Aliaweb, spol. s r.o. oslovíte přes uživatelů Kurzy.cz finanční portál pro laiky i odborníky, tj. investice a.
VÝSTUPY Z UČENÍ – PREZENTACE VÝSTUPŮ PROJEKTU Vysoká škola technická a ekonomická v Českých Budějovicích INOVACE VÝSTUPŮ, OBSAHU A METOD BAKALÁŘSKÝCH PROGRAMŮ.
Dělení se zbytkem 6 MODERNÍ A KONKURENCESCHOPNÁ ŠKOLA
Dělení se zbytkem 5 MODERNÍ A KONKURENCESCHOPNÁ ŠKOLA
V OLEBNÍ SYSTÉMY Tato prezentace byla vytvořena v rámci projektu CZ.1.07/1.1.04/
Tomáš NETERDA 1961 Sportovní kariéra : plavecké třídy ZŠ Komenského gymnázium Dašická plavecká škola PF Hradec.
Letokruhy Projekt žáků Střední lesnické školy a střední odborné školy sociální ve Šluknově.
Stav studie „Seroprevalence VHC u injekčních uživatelů drog“ k Národní monitorovací středisko pro drogy a drogové závislosti Úřad vlády ČR tel.
Nejmenší společný násobek, největší společný dělitel
Čtení myšlenek Je to až neuvěřitelné, ale skutečně je to tak. Dokážu číst myšlenky.Pokud mne chceš vyzkoušet – prosím.
MODERNÍ A KONKURENCESCHOPNÁ ŠKOLA reg. č.: CZ.1.07/1.4.00/ Základní škola, Šlapanice, okres Brno-venkov, příspěvková organizace Masarykovo nám.
Únorové počítání.
Inovace a zkvalitnění výuky prostřednictvím ICT VY_32_INOVACE_412_3TR_M Autor: Mgr. Jana Siederová 1 Základní škola Karviná – Nové Město tř. Družby 1383.
52_INOVACE_ZBO2_1364HO Výukový materiál v rámci projektu OPVK 1.5 Peníze středním školám Číslo projektu:CZ.1.07/1.5.00/ Název projektu:Rozvoj vzdělanosti.
Dělení se zbytkem 8 MODERNÍ A KONKURENCESCHOPNÁ ŠKOLA
Náhoda, generátory náhodných čísel
Zásady pozorování a vyjednávání Soustředění – zaznamenat (podívat se) – udržet (zobrazit) v povědomí – představit si – (opakovat, pokud se nezdaří /doma/)
SČÍTÁNÍ A ODČÍTÁNÍ V OBORU DO 100
Hrubá - prostá incidence nádorů kolorekta u mužů 1. Maďarsko 88,29 2. Česká Republika 86,73 3. Japonsko 77,74 4. Německo 75,39 5. Nový Zéland71,77 6. Austrálie.
ROK 2010 ÚLOVKY Z REVÍR Ů MO Č RS JIND Ř ICH Ů V HRADEC Zpráva dle podklad ů J č ÚS.
TRUHLÁŘ II.ročník Výrobní zařízení Střední škola stavební Teplice
Dělení desetinných čísel
MNAI –cvika3 Základní simulace s BJT
Celá čísla Dělení.
DĚLENÍ ČÍSLEM 7 HLAVOLAM DOPLŇOVAČKA PROCVIČOVÁNÍ
Analýza knihovnických standardů za rok 2006 knihovny Jmk Provozní doba Nákup knihovního fondu Kč na 1 obyvatele Roční přírůstek Počet studijních míst Veřejně.
1 Celostátní konference ředitelů gymnázií ČR AŘG ČR P ř e r o v Mezikrajová komparace ekonomiky gymnázií.
Úkoly nejen pro holky.
Zdravotní stav obyvatel v Ústeckém kraji RNDr. Jiří Skorkovský
EuPIA Printing Ink Market Statistics Q EuPIA statistika trhu s tiskovými barvami První kvartál roku 2009.
Přednost početních operací
ZÁKLADNÍ ŠKOLA OLOMOUC příspěvková organizace MOZARTOVA 48, OLOMOUC tel.: , ; fax:
Predikce chemických posunů
Znaky dělitelnosti.
Opakování 5. ročník Matematické operace
KONTROLNÍ PRÁCE.
Vládnutí Svoboda a zodpovědnost (občanská společnost) proces vládou vybraný, jí vyžadovaný a uskutečňovaný síla vlády.
Porovnání výroby a prodejů vozidel ve světě
Transkript prezentace:

Vliv volební účasti na zisky jednotlivých stran PhDr. Lukáš Linek

Vliv volební účasti na volební podporu – 2 teze Vyšší volební účast pomáhá levicovým stranám, a to především ve státech, kde je intenzivní třídní hlasování. Vyšší volební účast pomáhá stranám s větším potenciálem voličů (composition effect), a to za situace, kdy je malá míra voličské neloajality (defection effect).

Cíl příspěvkua strategie zkoumání Cíl příspěvku a strategie zkoumání Cíl: 1. zjistit, kterým stranám volební účast pomáhá a kterým ne; 2. zjistit, zda má složení elektorátu vliv na celkový efekt volební účasti na zisky jednotlivých stran. Strategie: 1. analýza agregovaných dat; 2. analýza individuálních dat s využitím proxy proměnných.

Analýza agregovaných dat (N = 159 – okresní města a zbytky okresů) Analýza agregovaných dat (N = 159 – okresní města a zbytky okresů) Změna volební podpory při nárůstu volební účasti o 10 % ČSSD-2,06-6,83 ODS0,065,65 KSČM-4,48-4,14 KDU-ČSL6,454,05 SZ-0,86 Levice-6,55-10,96 Pravice6,519,70

Analýza dat z individuální úrovně Proměnné, které definují odlišně velké skupiny voličů  účast ve volbách do PS v roce 2002, referendu o vstupu do EU 2003, volbách do EP 2004 a krajů 2004  identifikace se stranou  doba, kdy se volič rozhodl pro volenou stranu  pravděpodobnost volby strany (PTV‘s)  volba strany v případě, že by se volič voleb účastnil

Volební výsledky v případě účasti těch, kteří hlasovali v různých minulých volbách 2006 voliči a nevoliči 2006 výsledky 2002 PSP 2003 ERef 2004 EP 2004 Reg účast70,963,353,752,437,545,9 ODS33,735,436,136,839,837,4 ČSSD31,132,332,5 31,030,5 KSČM12,912,814,813,211,815,0 KDU-ČSL6,67,27,97,07,98,0 SZ7,86,33,84,63,93,7 SNK-ED2,02,11,72,2 1,9 ostatní5,83,93,23,73,5

Volební výsledky podle doby rozhodnutí pro volbu dané strany vždy takto hlasuje je to již dlouho během minulého roku před několika měsíci před několika týdny několik dní před volbami v den voleb účast20,235,840,546,551,958,059,6 ODS40,538,538,637,536,735,935,4 ČSSD24,031,332,233,433,532,5 KSČM22,517,516,314,613,812,912,7 KDU10,48,47,97,57,27,17,0 SZ0,72,12,63,95,06,16,4

Volební výsledky podle doby hodnoty pravděpodobnosti volby dané strany Hodnota PTV účast35,650,967,176,683,290,0 10% nárůst ČSSD31,831,732,232,732,232,4 0,14 KDU-ČSL8,48,18,08,3 8,5 0,02 KSČM18,716,714,814,314,213,8 -0,90 ODS33,934,333,532,431,530,5 -0,63 SZ7,39,311,512,413,714,91,37

Vliv volební účasti na výsledky stran (regresní koeficienty) proxy proměnnéPTV‘scelkem ČSSD2,240,141,32 KDU-ČSL-0,510,02-0,18 KSČM-2,24-0,90-1,33 ODS-1,23-0,63-1,33 SZ0,931,371,64

Komu a proč prospívá volební účast I. Tradiční pohled: Analýzy agregovaných dat dlouhodobě ukazují, že v okresech s vyšší volební účastí získává více KDU-ČSL, ODS a částečně SZ a ztrácí KSČM a ČSSD. Nová zjištění: Analýza individuálních dat ukazuje, že vyšší volební účast prospívá ČSSD a SZ, nepřeje ODS a KSČM a v případě KDU- ČSL je její vliv nepatrný.

Komu a proč prospívá volební účast II. Důvod odlišného vlivu volební účasti spočívá v odlišném složení elektorátu jednotlivých stran:  KDU-ČSL a KSČM mají pevná, ale malá jádra voličů a málo periferních voličů (v případě KDU-ČSL více periferních voličů)  ČSSD a SZ má malé jádro voličů a hodně periferních voličů  ODS má velké jádro voličů a středně periferních voličů

Voličské přesuny aneb jaká jsou voličská jádra I. velmi blízko docela blízko ne tak blízko bez identifikacecelkem ČSSD4,948,720,026,4100 KDU-ČSL13,841,49,235,6100 KSČM22,446,86,424,4100 ODS11,952,611,923,6100 SZ3,938,218,439,5100

Voličské přesuny aneb jaká jsou voličská jádra II. ČSSDODSKSČMKDUSZostatnínevoliči celkem ČSSD71,35,94,30,62,5 13,0 100 ODS2,385,50,00,72,0 7,6 100 KSČM9,21,579,40,8 1,56,9 100 Koalice9,412,50,056,32,18,311,5 100 SZ15,8 0,0 47,45,315,8 100 ostatní19,220,812,88,83,211,224,0 100 nevoliči11,38,72,61,23,63,169,6 100 celkem22,223,59,44,93,23,633,2 100

Závěr Vyšší volební účast pomohla ČSSD a SZ, pro KSČM a ODS měla opačný efekt a v případě KDU-ČSL mírně negativní. Důvodem odlišného vlivu výše volební účasti na zisky stran je rozsah potenciálních voličů (vysoký u ČSSD a SZ, malý u KSČM, střední u ODS a KDU-ČSL) a jejich loajalita.