LONDON (IT BOLTWISE) – Eine neue Studie nutzt eine umfangreiche US-Wahlbefragung, um Zusammenhänge zwischen Wirtschaftsoptimismus, rassenspezifischen Einstellungen und der Trump-Wahl bei asiatisch-amerikanischen Wählerinnen und Wählern zu untersuchen. Die Auswertung zeigt, dass Optimismus bezüglich Einkommen und Jobchancen mit einer höheren Wahrscheinlichkeit für die Stimmabgabe für Donald Trump verknüpft ist. Gleichzeitig sinkt die Trump-Unterstützung, wenn Befragte stärker an ein „linked fate“ glauben, also an die Abhängigkeit der eigenen Lebenslage vom Erfolg der eigenen rassischen Gruppe. Auch Einwanderungs- und „racial resentment“-Haltungen erweisen sich als relevante Prädiktoren.
Die politischen Vorlieben asiatisch-amerikanischer Wählerinnen und Wähler werden häufig als zu homogen dargestellt – dabei zeigen die neu veröffentlichten Auswertungen eines groß angelegten Wahl-Surveys, dass innerhalb dieser Bevölkerungsgruppe differenzierte Muster existieren. Besonders spannend ist dabei nicht nur das Wahlergebnis für die Präsidentschaftswahl 2024, sondern die statistische Frage, welche psychologischen und ökonomischen Einschätzungen die Wahlentscheidung besonders gut vorhersagen. In der Studie, die in Political Research Quarterly erschienen ist, werden Daten aus mehreren Wahlzyklen bis in die Gegenwart hinein miteinander in Beziehung gesetzt, um zu erkennen, welche Faktoren über die Zeit hinweg stabil wirken.
Technisch betrachtet beginnt der Informationsgehalt der Untersuchung bereits bei der Datenbasis: Die Forschenden greifen auf die Collaborative Multiracial Post-Election Survey zurück, eine nationale Umfrage mit gezielten Überrepräsentationen von Minderheiten. Dadurch lässt sich die Stichprobe sozusagen „verdichten“, um feinere Vergleiche zwischen Gruppen wie asiatisch-amerikanischen, schwarzen, lateinamerikanischen und weißen Wählerinnen und Wählern überhaupt statistisch belastbar zu machen. Der Gesamtumfang umfasst 24.061 wahlberechtigte Personen, die angaben, tatsächlich gewählt zu haben, darunter 5.776 asiatisch-amerikanische Befragte über die drei betrachteten Wahljahre 2016, 2020 und 2024 hinweg. Dass die Aussagen anschließend mit standardisierten Befragungsfragen zu Wirtschaft, Rassenzusammenhalt und Immigration kombiniert werden, macht die Studie methodisch so interessant für alle, die sich mit datengetriebener Politikforschung oder auch mit Modellierung in sensiblen Domänen beschäftigen.
Bei der Einordnung der Rohwerte fällt zunächst auf, wie stark die Entscheidungen zwischen den Bevölkerungsgruppen variieren: In der Wahl 2024 stimmten laut der Auswertung rund 38 Prozent der asiatisch-amerikanischen Wählerinnen und Wähler für Donald Trump, während 57 Prozent für Kamala Harris votierten. Zugleich zeigt sich Variation nach Herkunftsgruppen innerhalb der asiatisch-amerikanischen Population: Vietnamesische und philippinische Amerikaner unterstützen Trump demnach am häufigsten, japanische Amerikaner dagegen am seltensten. Dieses Bild wird in der Studie außerdem in Relation zu anderen Gruppen gesetzt: Unter lateinamerikanischen Wählerinnen und Wählern lag der Trump-Anteil 2024 ebenfalls ungefähr bei 38 Prozent, bei schwarzen Wählerinnen und Wählern dagegen bei rund 18 Prozent. Weiße Wählerinnen und Wähler waren die einzige Gruppe, in der die Mehrheit Trump unterstützte. Genau solche Vergleichsachsen – trotz unterschiedlicher Ausgangslagen – sind für datengetriebene Analysen entscheidend, weil sie helfen, Effekte nicht nur „für eine Gruppe“ zu berichten, sondern Kontext herzustellen.
Die Kernergebnisse aus den statistischen Modellen betreffen drei Themenfelder: wirtschaftliche Erwartungen, rassenspezifische Solidarität und out-groupbezogene Einstellungen. Beim ersten Feld zeigt sich ein klarer Zusammenhang zwischen ökonomischem Optimismus und Wahlentscheidung: Befragte, die an eine bessere finanzielle Zukunft für ihre Familie sowie an bessere Jobchancen glaubten, hatten im Jahr 2024 eine höhere Wahrscheinlichkeit, Trump zu wählen. Wichtig ist: Dieser Befund bleibt nicht auf asiatisch-amerikanische Wählerinnen und Wähler beschränkt, sondern tritt laut Studie auch bei schwarzen, lateinamerikanischen und weißen Befragten auf – wirtschaftlicher Optimismus korreliert demnach gruppenübergreifend mit höherer GOP- bzw. Trump-Affinität. Für die Interpretation heißt das weniger, dass „Wirtschaft alles erklärt“, sondern eher, dass wirtschaftliche Lageeinschätzungen eine robuste, wiederkehrende Signalquelle in Wahlstudien sind – selbst wenn Identitätsfaktoren gleichzeitig hochwirksam bleiben.
Der zweite und für die politische Kommunikation besonders relevante Faktor heißt linked fate: Die Umfrage misst, wie stark Menschen glauben, dass sich ihre eigene Lebenslage an dem Erfolg der eigenen rassischen Gruppe orientiert. In den Modellen korreliert ein stärker ausgeprägtes linked fate mit einer geringeren Wahrscheinlichkeit, Trump zu unterstützen. Die Studie ordnet dieses Muster zeitlich ein: Der Effekt war in 2020 besonders ausgeprägt, einem Jahr, das durch einen Anstieg anti-asiatischer Hassvorfälle im Kontext der COVID-19-Pandemie geprägt war. Dennoch bleibt die Wirkung auch 2024 bestehen – selbst dann, wenn sich die öffentliche Debatte im Lauf der Zeit verändert. Analog findet sich bei schwarzen Wählerinnen und Wählern ebenfalls ein Zusammenhang zwischen starkem linked fate und niedrigerer Trump-Unterstützung; bei lateinamerikanischen und weißen Befragten ist dieser Zusammenhang in der Auswertung für 2024 dagegen nicht statistisch signifikant. Für Modellbauer, die in der Praxis Wahlprognosen oder Zielgruppenanalysen erstellen, ist das ein Hinweis darauf, dass Identitätsmechanismen nicht nur „gleichmäßig“ wirken, sondern abhängig von Gruppe und Kontext.
Das dritte Feld umfasst out-groupbezogene Einstellungen: Die Studie untersucht racial resentment sowie Haltungen zu Immigration. Racial resentment wird über standardisierte Fragen erfasst, die in der politischen Forschung genutzt werden, um anti-Black Vorurteile bzw. abwertende Einstellungen gegen eine bestimmte Gruppe zu operationalisieren. Höhere Werte gehen mit einer höheren Wahrscheinlichkeit einher, Trump zu wählen – und dieser Zusammenhang soll sich 2024 für alle nicht-schwarzen Wählergruppen gezeigt haben. Zusätzlich wird Immigration als Prädiktor betrachtet: Befragte, die zustimmen, dass „Einwanderer das Land schwächen“ statt es zu stärken und die nationale Kultur und Wirtschaft zu bereichern, zeigen demnach eine höhere Trump-Wahrscheinlichkeit. Besonders auffällig ist dieser Zusammenhang bei asiatisch-amerikanischen Befragten, obwohl diese Bevölkerungsgruppe in den USA überwiegend Einwanderungsursprünge hat. Die Forschenden interpretieren das als mögliches Resultat von Assimilationsorientierung oder einem stärker meritokratisch geprägten Weltbild, das die wahrgenommenen Interessen innerhalb einer Einwanderer-Gemeinschaft relativiert. Daneben wird ein ähnliches Muster für anti-immigrantische Einstellungen auch bei lateinamerikanischen, schwarzen und weißen Befragten beschrieben.
So überzeugend die Zusammenhänge statistisch sind, die Studie macht zugleich eine methodische Grenze deutlich, die man in der datengetriebenen Praxis nicht übergehen sollte: Die Analyse basiert auf Beobachtungsdaten aus Befragungen. Statistische Modelle können daher Assoziationen zwischen Einstellungen und Wahlverhalten sichtbar machen, aber sie beweisen nicht, dass eine konkrete Haltung die Ursache für die Wahlentscheidung ist. Hinzu kommt ein weiterer praktischer Stolperstein: Die Messung wirtschaftlicher Einstellungen wurde über die Jahre unterschiedlich operationalisiert. 2016 und 2020 wurden die Teilnehmenden gefragt, welche Probleme sie am wichtigsten fanden, die Regierung anzugehen habe; 2024 dagegen ging es um persönliche wirtschaftliche Optimismuswerte. Dadurch wird schwer, exakt zu quantifizieren, ob und wie sich der Einfluss der „Ökonomie“ zwischen den Wahljahren tatsächlich verändert hat. Schließlich verweisen die Forschenden auf einen möglichen Beitrag durch Wahlbeteiligung: Ihre Daten deuten darauf hin, dass asiatisch-amerikanische Wählerinnen und Wähler, die 2024 tatsächlich zur Wahl gingen, Trump im Vergleich zu Nichtwählern häufiger bevorzugten. Genau dieser Punkt eröffnet eine Anschlussfrage für künftige Forschung: Handelt es sich um echte Verschiebungen von Einstellungen oder um unterschiedliche Mobilisierung zwischen Gruppen.
Für die Technologie- und Datenbranche hat das Projekt dennoch eine greifbare Relevanz – selbst wenn es keine „KI-Modelle“ im engeren Sinne beschreibt. Wer in Unternehmen, Behörden oder Medien mit Prognosemodellen arbeitet, erkennt hier Muster, die sich in Feature-Engineering übersetzen lassen: wirtschaftliche Lageeinschätzung als wiederkehrendes Signal, Identitätsbezug über linked fate als gruppenspezifischer Verstärker und out-groupbezogene Faktoren als zusätzliche Erklärungsebene. Gleichzeitig warnt die Studie vor naiven Kausalannahmen und vor dem Problem inkonsistenter Messinstrumente über Zeit. Gerade weil solche Modelle in der Praxis manchmal zu schnell für Entscheidungsprozesse herangezogen werden, liefert die Arbeit ein sauberes Beispiel dafür, warum robuste Evaluation, Transparenz über Messänderungen und die Trennung von Assoziation und Ursache auch in politischen Kontexten zentral bleiben.
Für den nächsten Schritt kündigen die Forschenden an, künftige Analysen darauf auszurichten, ob die beschriebenen Mechanismen in späteren Wahlzyklen gleichgerichtet wirken – etwa auch dann, wenn Donald Trump nicht auf dem Stimmzettel steht. Damit wird die Frage nach Stabilität und Transferierbarkeit von Wahlkorrelaten stärker in den Fokus gerückt. Denn erst wenn sich zeigt, dass bestimmte psychologische Profile unabhängig vom Kandidaten „anspringen“, lässt sich die Logik hinter den Zusammenhängen wirklich verallgemeinern. Für Leserinnen und Leser, die politische Datenarbeit betreiben oder in Auftrag geben, heißt das vor allem: Nicht nur die Trefferquote eines Modells ist entscheidend, sondern auch die soziale Semantik der Features, die im Hintergrund die Zahlen erst verständlich macht.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Wirtschaftsoptimismus und Rasseneinstellungen: Was die Daten zu Trump-Wahlentscheidungen zeigen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Wirtschaftsoptimismus und Rasseneinstellungen: Was die Daten zu Trump-Wahlentscheidungen zeigen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Wirtschaftsoptimismus und Rasseneinstellungen: Was die Daten zu Trump-Wahlentscheidungen zeigen« bei Google Deutschland suchen, bei Bing oder Google News!