Politiek gezien is het maar een vreemd jaar.
Op 23 Juni 2016 koos een kleine meerderheid in het Verenigd Koninkrijk (51.9%) ervoor om uit de EU te treden, tegen alle verwachtingen in. Nog geen vijf maanden later laat ook de VS een duidelijke middelvinger zien door Trump een plaats in het Witte Huis te geven. Op dit moment staat in Nederland de club van Geert het hoogst in de peilingen en krabt men zich achter de oren. We kunnen deze beweging niet langer negeren, en je ertegen verzetten lijkt alleen maar averechts te werken.
Er wordt geschreven dat de proteststemmers gedreven worden door een algeheel wantrouwen in het systeem: de democratie, de media, de economie, de wetenschap.
In de komende weken zullen de politici in Nederland waarschijnlijk allerlei rare sprongen maken om het vertrouwen van de kiezer terug te winnen. Om mezelf hiertegen te wapenen, heb ik besloten zelf in de data te graven, op zoek naar inzichten in ons politieke stelsel.
Dat doe ik door de data van alle stemmingen in de Tweede Kamer van de afgelopen 4 jaar van de overheidswebsite te halen en die met behulp van computerscripts te analyseren. Zodat ik geen woorden, maar daden kan vergelijken.
Klinkt interessant, ik ben benieuwd wat je zoal bent tegengekomen..
Op 29 oktober 2012 hebben Mark (VVD) en Diederik (PvdA) een regeerakkoord met de naam ‘Bruggen slaan’ gepresenteerd. In de vier jaar die daarop volgden hebben alle kamerleden daarop gereageerd met zogenaamde moties, oftewel discussiepunten en voorstellen om de eigen achterban te vertegenwoordigen. Over deze moties werd vervolgens weer door alle partijen gestemd en deze stemmingen heb ik verzameld.
Dat heeft in totaal meer dan 7000 datapunten opgeleverd, waarmee het karakter van de partijen in kaart kan worden gebracht. In de komende weken zal ik je met updates op de hoogte houden van mijn bevindingen!
Deze week:
Hoe ziet het politieke landschap er van bovenaf uit?
Zonder al te technisch te worden zal ik proberen uit te leggen hoe ik 7000 stemmingen door 11 politieke partijen heb geprobeerd samen te vatten in 1 plaatje.
Stel je een aquarium met verschillende vissen voor. Ik wil graag een foto maken waar alle vissen leuk op staan. Het aquarium is een driedimensionale bak, mijn foto slechts een tweedimensionale afbeelding. Als ik van recht van voren een foto maak, dan kan ik goed zien welke vissen hoog, laag, links of rechts zwemmen. Ik zie echter niet goed welke vissen voor- of achteraan zwemmen. Bij iedere hoek heb ik hetzelfde probleem, ik verlies altijd wat diepte. Een goede fotograaf zou echter een goede hoek kunnen vinden van waaruit hij een interessante foto kan maken met alle vissen er op.
Vervang in dit voorbeeld de vissen door politieke partijen en vervang het 3D-aquarium door een 7000-dimensionale bak aan stemmingen – iedere motie is een dimensie, misschien moeilijk voor te stellen, maar neem het maar even van me aan — waar de politici in zwemmen. Als politieke partijen vaak hetzelfde stemmen dan zwemmen ze naar elkaar toe in het politieke aquarium; stemmen ze steeds verschillend dan zwemmen ze van elkaar weg. (Voor de ingewijden: ik heb het hier over principal component analysis.)
En als je dan op het juiste moment een foto maakt dan ziet het er zo uit:
Op deze foto zie je 4 verschillende scholen vissen. Voor het gemak heb ik iedere groep een kleur gegeven en die zal je de komende weken steeds zien terugkomen: de groene, rode, blauwe en oranje groep.
Wat direct opvalt, is dat de PVV uniek is: weinig partijen zwemmen in de buurt van het gedachtegoed van de PVV, maar de VVD lijkt het dichtst bij te liggen. Ook zie je drie duo’s ontstaan: SGP+CDA, CU+D66 en PvdD+SP, waarover later meer. Maar zoals ik al noemde is deze afbeelding slechts illustratief en niet volledig, omdat we de diepte (en 6997 andere dimensies) zijn verloren.
Een andere manier om structuur aan te brengen in het Haagse aquarium is door het tekenen van een ‘boomstructuur-diagram’ of dendrogram. Denk weer even aan het 7000-dimensionale aquarium: door de afstand tussen alle vissen te meten, kun je vinden welke groepen zich vormen en hoe ver je moet uitzoomen voordat subgroepen weer met elkaar versmelten.
Als je deze analyse loslaat op alle partijen zoals ze zijn gekozen in 2012 (dus zonder de afgesplitste eenmansfracties en andere partijen/groepen, daar kom ik later nog op terug) dan ziet de boom er zo uit:
Tussen beide visualisaties zit een duidelijk verschil: de PvdA zit opeens in de blauwe groep vlak bij de VVD. Dat is niet zo gek, ze hebben dan ook samen aan een verhaal geschreven en compromissen gesloten.
Is de PvdA dus eigenlijk de brug overgestoken naar politiek-rechts?
Dat is een vraag die ik niet kan beantwoorden, en die ik ook niet ga beantwoorden in deze reeks. We zijn gewend om de politieke partijen in hokjes te plaatsen. Links/rechts en conservatief/progressief. Zo zag dat plaatje er bijvoorbeeld 4 jaar geleden bij de vorige verkiezingen uit:
Een verwarrend plaatje, als je het mij vraagt. Bij PVV moet ik toch gelijk aan extreem-rechts denken, terwijl ze een gemeenschappelijke achterban heeft met de SP. De VVD zou rechts en liberaal zijn, maar Halbe Zijlstra heeft uitspraken over paaseieren gedaan die je niet van een liberaal zou verwachten. De Partij voor de Dieren staat links, terwijl zij zelf aangeven links noch rechts te zijn.
Kortom: het laatste plaatje kan de prullenbak in.
De komende weken ga ik proberen meer inzicht te krijgen in hoe het politieke landschap, of de politieke vissenkom, eruitziet en daarvan houd ik jullie op de hoogte. Als je benieuwd bent naar specifieke onderwerpen, partijen, patronen, laat dat vooral weten.
Kloppen deze plaatjes nou precies met wat je al dacht of ben je totaal verrast? Hieronder heb je de mogelijkheid om al je gedachten, observaties, vragen en meningen te delen!
Is het mogelijk om de 7000 moties te klassificeren op beleidsterrein en dan de analyse te herhalen? Dat zou een belangrijke verklarende dimensie voor mensen kunnen zijn om hun stemkeuze op te bepalen.
Zou het verder ook mogelijk zijn op basis van deze data om een maat voor de politieke volatiliteit van een partij te berekenen? Ik heb namelijk de indruk dat sommige partijen vaker van standpunt wijzigen dan andere.
Hoe haalbaar schat je het eigenlijk om stemgedrag te correleren aan de verschillende politieke programma’s?
Hee Tom,
Ja, zeker! Pas als je per thema gaat kijken wordt het echt interessant. 😉 Daar volgen nog een aantal updates over.
Volatiliteit… Interessant. Maar hoe meet je dat zonder daadwerkelijk alle moties te hoeven lezen? 🙂 Heb je toevallig suggesties? Ik denk er nog even over na.
Ik kan ook nog niets zinnigs zeggen over de correlatie met de politieke programma’s, want ik heb nu alleen nog maar het programma van de PVV in zijn volledigheid gelezen (maar dat heb je al gauw).
Maar ik ga eens bedenken hoe ik nou kan viualiseren wie er “draait”. Zowel binnen de kabinetsperiode als ten opzichte van hun verkiezingsprogramma… Bedankt!
Interessant, die PCA. Vooral het paar D66-CU had ik niet verwacht. Ben je ook van plan op dezelfde manier PCA te doen op subgroepen van je dataset zoals bijv. ‘milieubeleid’ om maar eens iets te noemen? Ben namelijk wel benieuwd op welke thema’s de ‘duo’s’ van elkaar verschillen of juist overeenkomen.
Verandert ‘t beeld eigenlijk nog sterk als je de derde component erbij pakt? (Mss een draaiend gifje? :p )
Groeten 😉
Hee Camile,
Ja, ik ga het straks ook juist op subgroepen doen (zoals natuur&milieu). Dan pas wordt echt duidelijk waarom de partijen uit elkaar liggen. Dan zul je inderdaad zien dat deze koppels op bepaalde thema’s wel heel anders stemmen: Handig om te weten als je een van beide partijen overweegt.
Draaiend gifje ga ik proberen! Goede tip. PC1, PC2, PC3, en PC4 verklaren allemaal individueel ongeveer 20%. Dat is niet heel veel. Maar om niet direct het overzicht te verliezen heb ik PC3 en PC4 nog even achterwege gelaten. Omdat ik de vraag “maar wat betekenen de assen dan?” niet kan beantwoorden omdat het in feite een willekeurig samenraapsel is van moties.
Volgende week introduceer ik trouwens de thema’s!