Online Anhang: Brille, Blazer oder Bart? Das Aussehen als Determinante des Wahlerfolgs von Bundestags-Direktkandidaten

Transkript

1 Online Anhang: Brille, Blazer oder Bart? Das Aussehen als Determinante des Wahlerfolgs von Bundestags-Direktkandidaten O1: Nach dem Pre-Test aussortierte Wahlkreise Wahlkreis Nr. Kandidat(in) Partei Wahlkreis Nr. Kandidat(in) Partei 15 Merkel, Angela Dorothea Kassner, Karin Kerstin LINKE 140 Schäfer, Axel Lammert, Norbert 40 Edathy, Sebastian Beermann, Maik 155 de Maizière, Karl Ernst Thomas Scheel, Sebastian 42 Bulmahn, Edelgard Leyen, Ursula von der 159 Lämmel, Andreas Gottfried Kipping, Katja LINKE 45 Heil, Hubertus Pahlmann, Ingrid 175 Tauber, Peter Michael Müller, Bettina 49 Gabriel, Sigmar Lagosky, Uwe 179 Schröder, Kristina Rottloff, Simon 53 Oppermann, Thomas Güntzler, Fritz 184 Jung, Franz Josef Friedrich Reichenbach, Gerold Rudolf 60 Steinmeier, Frank-Walter Voßhoff, Andrea Astrid 186 Zypries, Brigitte Huber, Karl-Heinz (Charles M.) 83 Ströbele, Hans-Christian Kiziltepe, Cansel GREENS 199 Heil, Mechthild Nahles, Andrea 84 Gysi, Gregor Niedergesäß, Fritz LINKE 216 Hasselfeldt, Gerda Schrodi, Michael CSU 85 Pau, Petra Angelika Grütters, Monika LINKE 220 Gauweiler, Peter Vorländer, Christian CSU 86 Lötzsch, Gesine Pätzold, Martin LINKE 225 Ramsauer, Peter Kofler, Bärbel CSU 87 Henke, Rudolf Schmidt, Ulla 226 Dobrindt, Alexander Dullinger, Angelica CSU 98 Röttgen, Norbert Bähr-Losse, Bettina 229 Scheuer, Andreas Franz Flisek, Christian CSU 100 Bosbach, Wolfgang Zalfen, Michael 239 Friedrich, Hans-Peter Ernstberger, Petra CSU 101 Lauterbach, Karl Wilhelm Nowak, Helmut Fedor 258 Kaufmann, Stefan Özdemir, Cem GREENS 104 Noll, Michaela Steinbrück, Peer 281 Marschall von Bieberstein, Matern Erler, Gernot 108 Gröhe, Hermann Krützen, Klaus 284 Schäuble, Wolfgang Drobinski-Weiß, Elvira 112 Pofalla, Ronald Hendricks, Barbara 285 Kauder, Volker Can, Ergun 121 Schwabe, Frank Mißfelder, Philipp 291 Schavan, Annette Mattheis, Hildegard 124 Spahn, Jens Arndt-Brauer, Ingrid 297 Altmaier, Peter Jost, Reinhold Fettgedruckt: Kandidaten, die die Pre-Tester erkannten (d.h. einer Partei zuordnen konnten).

2 O2: Einfluss des Button-Layouts auf die Latenzzeiten -Zeit bis zum ersten -Zeit bis zum zweiten -Zeit bis zum dritten Layout Buttons Klick in Sekunden Klick in Sekunden Klick in Sekunden (Std. Dev.) (Std. Dev.) (Std. Dev.) Oben sympathischer 4,057 5,811 6,885 1 Mitte kompetenter (0,9442) (0,9795) (1,365) Unten attraktiver N=48 N=47 N=47 Oben sympathischer 4,043 5,732 7,013 2 Mitte attraktiver (0,7952) (0,9536) (0,9346) Unten kompetenter N=43 N=42 N=42 Oben kompetenter 4,325 a 6,105 7,260 3 Mitte attraktiver (0,8110) (0,9858) (1,062) Unten sympathischer N=47 N=47 N=47 Oben kompetenter 4,143 5,847 6,872 4 Mitte sympathischer (0,8288) (1,030) (1,004) Unten attraktiver N=46 N=46 N=45 Oben attraktiver 4,129 5,935 7,271 5 Mitte sympathischer (0,8794) (0,9834) (1,094) Unten kompetenter N=31 N=31 N=30 Oben attraktiver 3,879 a 5,732 6,819 6 Mitte kompetenter (0,8093) (1,006) (1,097) Unten sympathischer N=46 N=46 N=46 Die Zahlen geben die Durchschnitte der mittleren Latenzzeiten für jeden Rater innerhalb einer Layout-Gruppe an; a = signifikanter Unterschied zwischen den Mittelwerten (zweiseitiger t-test; 95%-Konfidenzniveau).

3 O3: Logitmodelle (+ fixed effects) Attraktivität M1: Weibliche Rater, Frau vs. Frau-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 332 LR chi2(5) = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons Attraktivität M1_fe: Weibliche Rater, Frau vs. Frau-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 332 LR chi2(94) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons

4 Attraktivität M2: Weibliche Rater, Mann vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2438 LR chi2(7) = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons Attraktivität M2_fe: Weibliche Rater, Mann vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2438 LR chi2(122) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons

5 Attraktivität M3: Weibliche Rater, Frau vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2412 LR chi2(9) = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons Attraktivität M3_fe: Weibliche Rater, Frau vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2412 LR chi2(124) = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons

6 Attraktivität M4: Männliche Rater, Frau vs. Frau-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 438 LR chi2(5) = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons Attraktivität M4_fe: Männliche Rater, Frau vs. Frau-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 438 LR chi2(120) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons

7 Attraktivität M5: Männliche Rater, Mann vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2940 LR chi2(7) = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons Attraktivität M5_fe: Männliche Rater, Mann vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2940 LR chi2(146) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons

8 Attraktivität M6: Männliche Rater, Frau vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2858 LR chi2(9) = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons Attraktivität M6_fe: Männliche Rater, Frau vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2858 LR chi2(151) = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons

9 Kompetenz M1: Weibliche Rater, Frau vs. Frau-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 336 LR chi2(5) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons Kompetenz M1_fe: Weibliche Rater, Frau vs. Frau-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 336 LR chi2(93) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons

10 Kompetenz M2: Weibliche Rater, Mann vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2560 LR chi2(7) = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons Kompetenz M2_fe: Weibliche Rater, Mann vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2560 LR chi2(121) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons

11 Kompetenz M3: Weibliche Rater, Frau vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2390 LR chi2(9) = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons Kompetenz M3_fe: Weibliche Rater, Frau vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2390 LR chi2(123) = Prob > chi2 = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons

12 Kompetenz M4: Männliche Rater, Frau vs. Frau-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 438 LR chi2(5) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons Kompetenz M4_fe: Männliche Rater, Frau vs. Frau-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 438 LR chi2(119) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons

13 Kompetenz M5: Männliche Rater, Mann vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 3166 LR chi2(7) = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons Kompetenz M5_fe: Männliche Rater, Mann vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 3166 LR chi2(149) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons

14 Kompetenz M6: Männliche Rater, Frau vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2966 LR chi2(9) = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons Kompetenz M6_fe: Männliche Rater, Frau vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2966 LR chi2(151) = Prob > chi2 = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons

15 Sympathie M1: Weibliche Rater, Frau vs. Frau-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 344 LR chi2(5) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons Sympathie M1_fe: Weibliche Rater, Frau vs. Frau-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 344 LR chi2(95) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons

16 Sympathie M2: Weibliche Rater, Mann vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2632 LR chi2(7) = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons Sympathie M2_fe: Weibliche Rater, Mann vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2632 LR chi2(122) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons

17 Sympathie M3: Weibliche Rater, Frau vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2480 LR chi2(9) = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons Sympathie M3_fe: Weibliche Rater, Frau vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2480 LR chi2(125) = Prob > chi2 = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons

18 Sympathie M4: Männliche Rater, Frau vs. Frau-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 448 LR chi2(5) = 7.99 Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons Sympathie M4_fe: Männliche Rater, Frau vs. Frau-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 448 LR chi2(119) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck kurzhaar_x~x _cons

19 Sympathie M5: Männliche Rater, Mann vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 3146 LR chi2(7) = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons Sympathie M5_fe: Männliche Rater, Mann vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 3146 LR chi2(148) = Prob > chi2 = Log likelihood = Pseudo R2 = alter brille anzug_blazer schmuck krawatte glatze bart _cons

20 Sympathie M6: Männliche Rater, Frau vs. Mann-Wahlkreis, keine Rater fixed effects Logistic regression Number of obs = 2902 LR chi2(9) = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons Sympathie M6_fe: Männliche Rater, Frau vs. Mann-Wahlkreis, mit Rater fixed effects Logistic regression Number of obs = 2902 LR chi2(151) = Prob > chi2 = Log likelihood = Pseudo R2 = sex_candid~e alter brille anzug_blazer schmuck krawatte glatze bart kurzhaar_x~x _cons

21 O4: Crosscheck der binär-logistischen Regression zur Erklärung des Ratings (Basis: Sample aus 191 Studierenden der Universität Passau)

22 O5 a) Prozentsatz der Rater, die den Gewinner für attraktiver als den Zweitplatzierten halten Bundeswahlleiter, Statistisches Bundesamt, Wiesbaden 2012, Wahlkreiskarte für die Wahl zum 18. Deutschen Bundestag. Grundlage der Geoinformationen Geobasis-DE / BKG (2011)

23 O5 b) Prozentsatz der Rater, die den Gewinner für kompetenter als den Zweitplatzierten halten Bundeswahlleiter, Statistisches Bundesamt, Wiesbaden 2012, Wahlkreiskarte für die Wahl zum 18. Deutschen Bundestag. Grundlage der Geoinformationen Geobasis-DE / BKG (2011)

24 O5 c) Prozentsatz der Rater, die den Gewinner für sympathischer als den Zweitplatzierten halten Bundeswahlleiter, Statistisches Bundesamt, Wiesbaden 2012, Wahlkreiskarte für die Wahl zum 18. Deutschen Bundestag. Grundlage der Geoinformationen Geobasis-DE / BKG (2011)

25 O6: Deskription der verwendeten Variablen (Sämtliche Variablen messen auf der Ebene des Wahlkreises) Variable Differenz Erststimmen Attraktivität Beschreibung Mittelwert / Min / Max Standardabweichung Bei Dummies: Prozent der Fälle Quelle 0 / 51,4 17,577 / 11,986 Bundeswahlleiter 0 / 1 0,498 / 0,322 Kompetenz 0 / 0,985 0,530 / 0,207 Sympathie 0 / 0,963 0,504 / 0,244 Amtsinhaber-Bonus Geschlechterverteilung der Kandidaten Altersdifferenz Erststimmen Gewinner 2013 minus Erststimmen Zweitplatzierter 2013 Latenzzeitgewichtetes Mittel der Klicks für den Gewinner im Vergleich zum Zweitplatzierten Direktkandidaten Drei Dummy-Variablen, die angeben, ob der Gewinner 2013 oder der Zweitplatzierte 2013 oder keiner von beiden bereits 2009Amtsinhaber war. Vier Dummy-Variablen, die angeben ob der Gewinner 2013 Frau oder Mann war und der Zweitplatzierte Frau oder Mann war.: Alter Gewinner minus Alter Zweitplatzierter in Jahren Gewinner 2013 Amtsinhaber: 70,27% Zweitplatzierter Amtsinhaber: 7,34% Keiner von beiden Amtsinhaber: 22,39% Gewinner / Zweitplatzierter: / ; 47,49% / ; 32,82% / ; 12,74% / ; 6,95% -32 / 31-0,398 / 13,089 Eigene Online-Umfrage Bundeswahlleiter Bundeswahlleiter Lebensläufe auf Websites der Abgeordneten/ auf BT-Website

26 Doktortitel Umkämpfter Wahlkreis Zweitstimmen : Nur Gewinner hat Dr. 0: Beide oder keiner der beiden hat Dr. -1: Nur Zweitplatzierter hat Dr. Dummy, der angibt, ob der Wahlkreis vor der Wahl 2013 als umkämpft betrachtet wurde. Zweitstimmen für die Partei des Gewinners 2013 minus Zweitstimmen für die Partei des Zweitplatzierten; in Prozent. -1 / 1 0,046 /0,496 21,24% -10,353 / 43,580 16,159 / 11,214 Bundeswahlleiter Lebensläufe auf Websites der Abgeordneten/ auf BT-Website stagswahl-wackel-wahlkreise-2013-a html (letzter Aufruf am ) Gewerbeanmeldungen/ Gewerbeabmeldungen Anzahl der Gewerbeanmeldungen / Anzahl der Gewerbeabmeldungen (Pro 1000 Personen) -3,3 / 4,7 1,195 / 1,243 Statistisches Bundesamt Arbeitslosenquote In Prozent 2,0 / 14,0 6,763 / 2,935 Statistisches Bundesamt Anteil männlicher Wahlberechtigter In Prozent 46,644 / 51,657 49,179 / 0,649 Statistisches Bundesamt Wahlbeteiligung 2013 In Prozent 58,9 / 79,8 71,378 / 3,898 Bundeswahlleiter Gewerbesteuereinnahmen In 1000 pro Kopf 0,149 / 1,803 0,479 / 0,274 Statistisches Bundesamt Senioren-Jugendlichen- Rate Anteil an Senioren (> 60) / Anteil an Jugendlichen (< 25) 0,657 / 1,861 1,128 / 0,220 Statistisches Bundesamt

27 O7: Haupteffektmodell mit standardisierten Beta-Koeffizienten Aussehens-Ratings + Model 1 Beta Attraktivität 0,0575** Kompetenz 0,0413** Sympathie 0,0210 Amtsinhaber-Bonus ++ Zweitplatzierter = Amtsinhaber -0,0860*** Keiner der Kandidaten = Amtsinhaber -0,0682*** Geschlechterverteilung der Kandidaten +++ (Gewinner/Zweitplatzierter) / 0,0486 / 0,0680* / 0,0439* Kontrollvariablen Altersdifferenz (in Jahren) -0,0229 Doktortitel -0,00341 Umkämpfter Wahlkreis -0,0840*** Zweitstimmen 2013 (in Prozent) 0,912*** Wahlbeteiligung 2013 (in Prozent) -0,0342 Gewerbesteuereinnahmen (in 1000 Euro pro Kopf) 0,0103 Gewerbeanmeldungen/Gewerbeabmeldungen (pro 1000 Personen) -0,00302 Arbeitslosenquote (in Prozent) -0,0213 Anteil männlicher Wahlberechtigter -0,0308 Senioren-Jugendliche-Rate -0,0434* Fälle 259 R 2 0, = 100 Prozent der Rater werteten den Gewinner als attraktiver/kompetenter/sympathischer als den Zweitplatzierten, 0 = alle Rater werteten den Zweitplatzierten als attraktiver/kompetenter/sympathischer als den Gewinner; ++ Referenzkategorie: 2013 Gewinner = Amtsinhaber; +++ Referenzkategorie: / ; *** p<0,01, ** p<0,05,* p<0,1.

28 O8: Haupteffektmodelle mit einflussenreichen Fällen ausgeschlossen AV: Erststimmenanteil Gewinner minus Modell 1a Modell 1b Modell 2a Modell 2b Erststimmenanteil Zweitplatzierter (reduziert) (stepwise) (stepwise, reduziert) Aussehens-Ratings + Attraktivität 2.142** 2.655*** 2.402*** 2.295*** (0.884) (0.742) (0.597) (0.525) Kompetenz 2.389** *** 2.170*** (1.050) (0.880) (0.916) (0.753) Sympathie (1.065) (0.896) Amtsinhaber-Bonus ++ Zweitplatzierter = Amtsinhaber *** *** *** *** (0.792) (0.702) (0.766) (0.719) Keiner der Kandidaten = Amtsinhaber *** *** *** *** (0.500) (0.413) (0.464) (0.378) Geschlechterverteilung der Kandidaten +++ (Gewinner/Zweitplatzierter) / *** (0.811) (0.688) / 1.731* 2.152*** 0.691* (0.898) (0.761) (0.367) / 1.574* 2.911*** 1.247** (0.912) (0.770) (0.487) Kontrollvariablen Altersdifferenz (in Jahren) (0.0176) (0.0147) Doktortitel (0.396) (0.328) Umkämpfter Wahlkreis *** *** *** (0.511) (0.439) (0.486) Zweitstimmen 2013 (in Prozent) 0.975*** 1.017*** 0.982*** (0.0234) (0.0207) (0.0178) Wahlbeteiligung 2013 (in Prozent) (0.0672) (0.0567) Gewerbesteuereinnahmen (in 1000 Euro pro Kopf) (0.847) (0.731) Gewerbeanmeldungen/Gewerbeabmeldungen (pro 1000 Personen) (0.187) (0.159) Arbeitslosenquote (in Prozent) (0.108) (0.0906) Anteil männlicher Wahlberechtigter (0.345) (0.296) Senioren-Jugendliche-Rate * ** ** *** (1.256) (1.065) (0.891) (0.417) Konstante 37.41* *** 2.746** 2.015** (19.92) (0.439) (1.203) (0.998) Fälle R ,962 Um zu testen ob einflussreiche Fälle das Gesamtergebnis verzerren wurden alle Fälle mit einer Cooks-Distanz > 4/N ausgeschlossen (Modelle 1b und 2b, vgl. hierzu Stata 2013: 1881). + 1 = 100 Prozent der Rater werteten den Gewinner als attraktiver/kompetenter/sympathischer als den Zweitplatzierten, 0 = alle Rater werteten den Zweitplatzierten als attraktiver/kompetenter/sympathischer als den Gewinner; ++ Referenzkategorie: 2013 Gewinner = Amtsinhaber; +++ Referenzkategorie: / ; Standardfehler in Klammern; *** p<0,01, ** p<0,05, * p<0,1.

29 O9: Interaktionsmodelle AV: Erststimmenanteil Gewinner minus Int. Modell 1 Int. Modell 2 Int. Modell 3 Int. Modell 4 Int. Modell 5 Int. Modell 6 Int. Modell 7 Int. Modell 8 Int. Modell 9 Erststimmenanteil Zweitplatzierter Amtsinhaber x Amtsinhaber x Amtsinhaber x Geschlecht x Geschlecht x Geschlecht x Alter x Alter x Alter x Attraktivität Kompetenz Sympathie Attraktivität Kompetenz Sympathie Attraktivität Kompetenz Sympathie Aussehens-Ratings + Attraktivität 1,748* 2,157** 2,137** 2,842 2,084** 2,188** 2,030** 2,169** 2,203** (0,944) (0,886) (0,893) (2,913) (0,886) (0,894) (0,884) (0,886) (0,883) Kompetenz 2,296** 1,941* 2,316** 2,380** 4,200 2,423** 2,492** 2,311** 2,432** (1,044) (1,170) (1,058) (1,065) (3,581) (1,051) (1,043) (1,049) (1,042) Sympathie 1,061 1,024 0,749 1,014 0,938 1,338 1,139 1,064 0,978 (1,059) (1,067) (1,170) (1,072) (1,067) (1,342) (1,062) (1,064) (1,061) Amtsinhaber-Bonus ++ Zweitplatzierter = Amtsinhaber -6,568*** -3,052-5,998*** -4,005*** -3,907*** -3,977*** -3,911*** -3,939*** -3,863*** (1,429) (2,213) (1,868) (0,797) (0,793) (0,790) (0,789) (0,791) (0,791) Keiner der Kandidaten = Amtsinhaber -1,984** -3,336** -2,058* -1,992*** -2,011*** -1,902*** -1,976*** -1,904*** -2,019*** (1,001) (1,288) (1,236) (0,505) (0,510) (0,501) (0,498) (0,501) (0,500) Geschlechterverteilung der Kandidaten +++ (Gewinner/Zweitplatzierter) / -1,281-1,249-1,167-5,734** (0,810) (0,817) (0,815) (2,430) / 0,590 0,572 0,607 2,662 2,022 1,685* 1,741* 1,725* 1,756* (0,468) (0,469) (0,476) (2,399) (2,160) (0,965) (0,898) (0,901) (0,898) / 0,459 0,216 0,428 1,341 1,290 0,926 1,683* 1,539* 1,694* (0,627) (0,641) (0,630) (2,808) (2,228) (1,662) (0,918) (0,918) (0,919) / 1,622 2,697 1,161 1,197 1,219 (2,383) (1,943) (0,810) (0,814) (0,811) Kontrollvariablen Altersdifferenz (in Jahren) -0,0206-0,0216-0,0219-0,0229-0,0203-0,0219 0,0176 0,0191 0,0313 (0,0175) (0,0176) (0,0178) (0,0178) (0,0176) (0,0178) (0,0291) (0,0423) (0,0368) Doktortitel -0,0403-0,0510-0,0466-0,0504-0,0425-0,0607-0,0451-0,0320-0,0394 (0,209) (0,210) (0,211) (0,214) (0,212) (0,209) (0,209) (0,210) (0,209) Umkämpfter Wahlkreis -2,642*** -2,361*** -2,502*** -2,422*** -2,475*** -2,460*** -2,463*** -2,448*** -2,449*** (0,515) (0,517) (0,514) (0,517) (0,514) (0,510) (0,509) (0,511) (0,510) Zweitstimmen 2013 (in Prozent) 0,976*** 0,974*** 0,976*** 0,974*** 0,973*** 0,978*** 0,975*** 0,974*** 0,973*** (0,0232) (0,0234) (0,0234) (0,0235) (0,0235) (0,0232) (0,0233) (0,0234) (0,0233) Wahlbeteiligung 2013 (in Prozent) -0,101-0,109-0,0995-0,108-0,106-0,0874-0,0919-0,113* -0,101 (0,0672) (0,0678) (0,0678) (0,0683) (0,0686) (0,0677) (0,0677) (0,0681) (0,0674) Gewerbesteuereinnahmen 0, , , , , , , , , (in 1000 Euro pro Kopf) (0,000870) (0,000875) (0,000876) (0,000878) (0,000889) (0,000874) (0,000873) (0,000874) (0,000872) Gewerbeanmeldungen/Gewerbeabmeldungen -0,0317-0,0560-0,0133-0,0236-0, , , ,0322-0,00206 (pro 1000 Personen) (0,187) (0,189) (0,188) (0,188) (0,188) (0,186) (0,187) (0,187) (0,188) Arbeitslosenquote (in Prozent) -0,0534-0,0903-0,0756-0,0846-0,0940-0,0625-0,0741-0,0938-0,0769 (0,108) (0,108) (0,108) (0,109) (0,108) (0,108) (0,108) (0,108) (0,108) Anteil männlicher Wahlberechtigter -0,541-0,550-0,564-0,577-0,590* -0,478-0,553-0,580* -0,584* (0,344) (0,347) (0,347) (0,351) (0,350) (0,346) (0,345) (0,346) (0,345)

30 Senioren-Jugendliche-Rate -2,525** -2,438* -2,344* -2,329* -2,195* -2,198* -2,317* -2,432* -2,260* (1,247) (1,256) (1,254) (1,261) (1,273) (1,253) (1,247) (1,253) (1,249) Interaktionen mit Amtsinhaber-Bonus Zweitplatzierter = Amtsinhaber x 5,218** Attraktivität (2,376) Keiner der Kandidaten = Amtsinhaber x 0,111 Attraktivität (1,525) Zweitplatzierter = Amtsinhaber x -1,777 Kompetenz (3,904) Keiner der Kandidaten = Amtsinhaber x 2,764 Kompetenz (2,350) Zweitplatzierter = Amtsinhaber x 4,178 Sympathie (3,449) Keiner der Kandidaten = Amtsinhaber x 0,201 Sympathie (2,029) Interaktionen mit Geschlechterverteilung Gewinner = Mann & Zweitplatzierter = Mann x -0,518 Attraktivität (2,979) Gewinner = Mann & Zweitplatzierter = Frau x -1,825 Attraktivität (3,087) Gewinner = Frau & Zweitplatzierter = Frau x 0,437 Attraktivität (3,599) Gewinner = Mann & Zweitplatzierter = Mann x -3,169 Kompetenz (3,760) Gewinner = Mann & Zweitplatzierter = Frau x -0,911 Kompetenz (4,013) Gewinner = Frau & Zweitplatzierter = Frau x 0,410 Kompetenz (4,264) Gewinner = Mann & Zweitplatzierter = Mann x 6,773* Sympathie (3,508) Gewinner = Mann & Zweitplatzierter = Frau x -2,604 Sympathie (1,950) Gewinner = Frau & Zweitplatzierter = Frau x -0,956 Sympathie (2,633) Interaktionen mit Alter Altersdifferenz x Attraktivität -0,0766* (0,0462) Altersdifferenz x Kompetenz -0,0727 (0,0698) Altersdifferenz x Sympathie -0,0982 (0,0609) Konstante 37,07* 38,35* 37,97* 37,41* 37,71* 32,15 35,34* 38,69* 37,52* (19,96) (20,09) (20,09) (20,62) (20,47) (20,13) (19,95) (20,06) (19,94) Fallzahl R-Quadrat 0,943 0,942 0,942 0,942 0,942 0,943 0,942 0,942 0,942 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1

31 O9: Interaktionsmodelle (Fortsetzung) AV: Erststimmenanteil Gewinner minus Int. Modell 10 Int. Modell 11 Int., Modell 12 Erststimmenanteil Zweitplatzierter Attraktivität x Sympathie Attraktivität x Kompetenz Sympathie x Kompetenz Aussehens-Ratings + Attraktivität 1,362 2,941 2,198** (1,612) (1,807) (0,887) Kompetenz 2,366** 3,092* 4,132* (1,052) (1,740) (2,246) Sympathie 0,333 1,024 2,775 (1,609) (1,067) (2,254) Amtsinhaber-Bonus ++ Zweitplatzierter = Amtsinhaber -3,938*** -3,933*** -3,892*** (0,793) (0,793) (0,794) Keiner der Kandidaten = Amtsinhaber -1,954*** -1,949*** -1,928*** (0,500) (0,501) (0,501) Geschlechterverteilung der Kandidaten +++ (Gewinner/Zweitplatzierter) / / 1,769* 1,739* 1,723* (0,901) (0,899) (0,898) / 1,593* 1,598* 1,609* (0,914) (0,915) (0,913) / 1,194 1,170 1,154 (0,814) (0,813) (0,812) Kontrollvariablen Altersdifferenz (in Jahren) -0,0213-0,0201-0,0195 (0,0176) (0,0177) (0,0177) Doktortitel 0, , ,00521 (0,397) (0,397) (0,396) Umkämpfter Wahlkreis -2,447*** -2,478*** -2,513*** (0,512) (0,513) (0,515) Zweitstimmen 2013 (in Prozent) 0,974*** 0,975*** 0,976*** (0,0234) (0,0234) (0,0234) Wahlbeteiligung 2013 (in Prozent) -0,108-0,102-0,0991 (0,0675) (0,0677) (0,0676) Gewerbesteuereinnahmen 0,455 0,506 0,494 (in 1000 Euro pro Kopf) (0,848) (0,856) (0,849) Gewerbeanmeldungen/Gewerbeabmeldungen -0,0238-0,0336-0,0307 (pro 1000 Personen) (0,188) (0,188) (0,188) Arbeitslosenquote (in Prozent) -0,0881-0,0813-0,0751 (0,108) (0,108) (0,109) Anteil männlicher Wahlberechtigter -0,575* -0,577* -0,556 (0,346) (0,346) (0,346) Senioren-Jugendliche-Rate -2,353* -2,323* -2,340* (1,258) (1,260) (1,257) Interaktionen Attraktivität x Sympathie 1,489 (2,573) Attraktivität x Kompetenz -1,459 (2,876) Sympathie x Kompetenz -3,446 (3,922) Konstante 38,19* 37,12* 35,38* (19,99) (19,96) (20,06) Fallzahl R-Quadrat 0,942 0,942 0,942 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1