fristiger Wanderungssaldo je 1.000 Einwohner_innen, Frau­enanteil, Ausländer_innenanteil, Anteil Schutzsuchender, Bevölkerungsdichte). Diese Kontrollvariablen spielen für die Interpretation der Ergebnisse nur eine untergeordnete Rolle, erhöhen aber die Validität der erklärenden Variablen aus den unterschiedlichen Bereichen der Daseinsvorsorge. Darüber hinaus wird das regionale Wahlverhalten von wei­teren grundsätzlichen raumstrukturellen Merkmalen beein­flusst. Insbesondere zwischen west- und ostdeutschen Krei­sen und kreisfreien Städten sowie zwischen eher ländlichen und eher städtischen Räumen bestehen tendenziell große Unterschiede. In unsere Modelle fließen diese Merkmale als sogenannte Dummy-Variablen mit ein, die Werte von 0 oder 1 annehmen, je nachdem ob die beobachtete Region einem bestimmten Raumtyp angehört. Die Regressionsmo­delle enthalten Dummy-Variablen für die raumstrukturellen Kreistypen des Bundesinstituts für Bau-, Stadt- und Raum­forschung(kreisfreie Großstadt, städtischer Kreis, ländli­cher Kreis mit Verdichtungsansätzen) und für Ostdeutsch­land(=1) im Vergleich zu Westdeutschland(=0). Einflussfaktoren der Zweitstimmenanteile der AfD Die Ergebnisse der Regressionsanalysen werden im Folgen­den anhand von Koeffizientenplots präsentiert. Diese grafi­sche Darstellungsform ermöglicht eine visuelle Einschät­zung der statistischen Zusammenhänge zwischen den vor­gestellten unabhängigen Variablen und der jeweiligen abhängigen Variable. Ein im negativen Bereich liegender Koeffizient kann dahingehend interpretiert werden, dass die jeweilige unabhängige Variable einen hemmenden Ein­fluss auf die abhängige Variable ausübt. Im Gegensatz dazu deutet ein positiver Koeffizient darauf hin, dass die unabhängige Variable einen förderlichen Effekt auf die ab­hängige Variable hat. Die hervorgehobenen Linien um den Koeffizienten(Punkt) repräsentieren das Fünf-Prozent-Kon­fidenzintervall der Schätzungen. Berührt das Intervall die Nulllinie, ist der Koeffizient statistisch nicht signifikant. Es kann also nicht von einem signifikanten Einfluss der unab­hängigen auf die abhängige Variable ausgegangen werden. Zur Ermöglichung einer besseren Vergleichbarkeit unter­schiedlicher erklärender Variablen wurden die dargestellten Koeffizienten auf eine einheitliche Skala standardisiert. Die unstandardisierten Koeffizienten lassen sich dem Anhang entnehmen. Zentrale Frage der Untersuchung ist, welchen Einfluss Indi­katoren der Daseinsvorsorge auf die Stimmenanteile der AfD haben. In Abbildung 7 ist entsprechend für Gesamt­deutschland dargestellt, welche Indikatoren im Modell sig­nifikant mit höheren bzw. niedrigeren AfD-Stimmenantei­len bei der BTW 2025 korrelieren. Der erklärende Gehalt des Modells, also der Anteil der Varianz der abhängigen Variable, der sich durch die unabhängigen Variablen erklä­ren lässt, wird durch das sogenannte R² 4 bzw. angepasste R² ausgedrückt, das Werte zwischen 0 und 1 annehmen kann. Mit einem angepassten R² von 0,85 hat das statisti­sche Modell eine relativ hohe Erklärungskraft. Das Regressionsmodell zeigt, dass einzelne Faktoren der Daseinsvorsorge eine signifikante Rolle spielen könnten. Regionen mit einer guten Kinderbetreuung, einem hohen Anteil an Schulabgänger_innen mit Hochschulreife und ei­nem gut ausgebauten Breitbandnetz weisen tendenziell schwächere AfD-Ergebnisse bei der BTW 2025 auf. Dies lässt den Schluss zu, dass Investitionen in soziale und technische Infrastrukturen eine stabilisierende Wirkung für die Demokratiezufriedenheit entfalten. Überraschend ist hingegen der negative Koeffizient der Variable Mietkosten­belastung. Dieser lässt sich allerdings dadurch erklären, dass die AfD in ökonomisch schwächeren Regionen mit niedrigen Mietpreisniveaus tendenziell stärker gewählt wird. Hier überwiegen also die schwachen ökonomischen Perspektiven die Vorteile durch niedrige Wohnkosten. Hohe Kaufkraft, niedrige Arbeitslosigkeit sowie eine hohe Industriequote als Indikatoren der wirtschaftlichen Lage stehen in einem negativen Zusammenhang mit AfD-Stim­menanteilen: Wirtschaftliche Stabilität und Zukunftsfähig­keit tragen offenbar dazu bei, die Zustimmung zu extre­men Parteien zu verringern. Eine hohe demografische Überalterung und ein niedriger Frauenanteil gehen hinge­gen mit stärkeren AfD-Wahlergebnissen einher. Bei den weiteren Kontrollvariablen zeigt sich, dass der mit Abstand stärkste Prädiktor„Ostdeutschland“ ist. Dieser Faktor hat im vorliegenden Modell den größten positiven Einfluss auf den AfD-Stimmenanteil. Aufgrund dessen wurde die Re­gressionsanalyse zusätzlich für beide Landesteile Deutsch­lands separat durchgeführt. Hierbei lassen sich einige Ge­meinsamkeiten, aber auch deutliche Unterschiede in der Signifikanz der Einflussfaktoren feststellen. Der Ost-West-Vergleich in Abbildung 8 unterstreicht zu­nächst, dass der Bereich Bildung in beiden Landesteilen von ähnlich großer Relevanz ist. So ist sowohl in West- wie in Ostdeutschland ein höherer Anteil an Schulabgänger_in­nen mit Hochschulreife signifikant mit niedrigeren AfD­Stimmenanteilen verbunden. Während die weiteren Koeffi­zienten für Westdeutschland(Breitbandausbau und Kitabe­treuungsquote) die oben dargestellten gesamtdeutschen Zusammenhänge zwischen Daseinsvorsorge und Demokra­tiezufriedenheit bestätigen, zeigen sich in Ostdeutschland jedoch andere Zusammenhänge: Breitbandausbau und Mietkostenbelastung spielen keine signifikante Rolle. Statt­dessen korrelieren die Ausstattung mit Pflegeheimplätzen und Fachärzt_innen und überraschenderweise auch der An­teil der Langstreckenpendelnden negativ mit AfD-Stim­menanteilen. 4  R² gibt das sogenannte Bestimmtheitsmaß von statistischen Modellen an. Umso höher der Wert zwischen 0 und 1 liegt, umso höher ist die Erklärungskraft. Ist R²=0, wird die Wirklichkeit gar nicht abgebildet, ist R²=1, bildet das statistische Modell die Wirklichkeit perfekt ab. Da das R² durch die Anzahl der im Modell verwendeten Variablen verzerrt wird, wird stattdessen oftmals das angepasste R² angegeben, das um diesen Störrfaktor korrigiert wurde. Antidemokratische Wahlerfolge im ungleichen Deutschland 15