Na afloop van de Provinciale Statenverkiezingen publiceerden alle grote kranten dezelfde kaart, waarin per gemeente werd getoond welke partij de meeste stemmen had gekregen. Zodra de uitslag van de verkiezingen voor het Europees Parlement bekend waren, volgden soortgelijke kaartjes. Dit sluit aan bij de disproportionele aandacht voor de vraag welke partij de grootste is, en zegt weinig in een verkiezing waar de grootste partij in een gemeente vaak nog geen twintig procent van de stemmen behaalde. Een andere methode die werd gebruikt is het in aparte kaarten tonen van het percentage stemmen voor elke (grote) partij. De veelvoud aan partijen maakt echter dat er al snel tien kaarten getoond moeten worden, wat een snel overzicht van ruimtelijke patronen niet bevordert. Het versnipperde politieke landschap vraagt dan ook om een nieuw soort kaart om verschillen tussen gebieden inzichtelijk te maken.
Een manier om meer informatie weer te geven in één kaart is door gebruik te maken van ‘ternary color coding’. Bij deze techniek wordt de in kaart te brengen informatie ingedeeld in drie dimensies, die elk op één van de punten van een driehoek worden gezet. Elke dimensie krijgt een kleur toegekend. Doordat deze kleuren in de driehoek ‘gemengd’ worden, krijgen specifieke situaties – bijvoorbeeld een hoge score op twee dimensies en een lage score op een derde dimensie – een eigen kleur. Deze kleuren worden getoond op de kaart, en de driehoek wordt naast de kaart weergegeven zodat deze gebruikt kan worden als legenda. Deze techniek is eerder gebruikt om uiteenlopende fenomenen in kaart te brengen, waaronder bevolkingsstructuren in Europa, verkiezingsuitslagen in Groot-Brittannië en de spreiding van ijs op de Noordpool.
Ik geef in deze blog een aantal voorbeelden van hoe de methode gebruikt kan worden om verkiezingsuitslagen in Nederland in kaart te brengen. Daarbij maak ik gebruik van R-package ‘Tricolore’ en de verkiezingsuitslagen van de Provinciale Statenverkiezingen op 20 maart 2019 op gemeenteniveau.
Progressief, gematigd rechts, en protestpartijen
Om de methode van ‘ternary color coding’ toe te kunnen passen op de Nederlandse verkiezingsuitslagen, moeten de politieke partijen eerst worden ingedeeld in drie dimensies. Uiteraard kan elke indeling die hiervoor gebruikt wordt aanleiding zijn voor discussie, en levert een andere indeling een ander beeld op. Om de methode te illustreren is een eerste indeling gemaakt in progressieve partijen (GroenLinks, PvdA, D66, PvdD), gematigd rechtse/confessionele partijen (VVD, CDA, SGP, CU) en protestpartijen (FvD, PVV, SP, 50Plus; overige partijen zijn niet meegenomen). De driehoek en kaart die dit oplevert zijn te zien in Figuur 1. De driehoek laat zien dat in een ‘gemiddelde’ gemeente 27.5% van de kiezers op een progressieve partij stemde, 38.4% op een gematigd rechtse/confessionele partij en 34.2% op een protestpartij. Naarmate een gemeente sterker afwijkt van dit gemiddelde, kleurt de gemeente sterker groen (meer stemmen voor progressief), blauw (gematigd rechts/confessioneel) of roze (protest). Dit geeft een mooi overzicht van de electorale geografie van Nederland anno 2019. Zo zien we in blauw de Bible Belt goed terug, kleuren de studentensteden duidelijk groen en zien we enkele gemeenten (bijvoorbeeld Rucphen en Edam-Volendam) waar de protestpartijen het goed doen. Daarnaast maakt de kaart duidelijk dat er gemeenten zijn waar twee van de drie typen partijen goed scoren. Oost-Groningen kleurt bijvoorbeeld bruin, wat duidt op een oververtegenwoordiging van zowel progressieve als protestpartijen. Tot slot blijven veel gemeenten grijs, wat aangeeft dat de verkiezingsuitslag in deze gemeenten niet sterk verschilt van de uitslag in een gemiddelde gemeente. Met name dit laatste kenmerk zorgt voor een meer genuanceerd beeld dan een kaart die alleen laat zien welke partij de grootste is geworden.
Figuur 1 – Kaart van de Provinciale Statenverkiezingen 2019, opgesplitst naar progressieve (GroenLinks, PvdA, D66, PvdD), gematigd rechtse/confessionele (VVD, CDA, SGP, CU) en protestpartijen (FvD, PVV, SP, 50Plus)
Links, rechts, populistisch
Figuur 2 toont een alternatieve indeling in linkse (GroenLinks, PvdA, SP, PvdD), rechtse (VVD, CDA, D66, SGP) en populistische partijen (FvD, PVV, 50Plus; overige partijen – waaronder CU – zijn buiten beschouwing gelaten). De interpretatie van de kaart komt redelijk overeen met die in Figuur 1: nog steeds zien we de studentensteden groen kleuren, de Bible Belt blauw en Oost-Groningen bruin. De verschillen worden echter minder duidelijk doordat partijen met een vergelijkbaar ruimtelijk patroon – zoals GroenLinks en D66 – niet meer bij dezelfde groep zijn ingedeeld.
Figuur 2 – Kaart van de Provinciale Statenverkiezingen 2019, opgesplitst naar linkse (GroenLinks, PvdA, SP, Pvd), rechtse (VVD, CDA, D66, SGP) en populistische (FvD, PVV, 50Plus) partijen
FvD, PVV, overig
Een andere manier om de methode toe te passen is door stemmen op twee partijen tegen elkaar af te zetten, met steun voor alle overige partijen in de derde hoek. Figuur 3 laat bijvoorbeeld zien waar de PVV goed scoorde (blauw), waar Forum voor Democratie het goed deed (groen) en waar geen van deze partijen veel stemmen binnenhaalde (rood). Uit de kaart blijkt dat er vooral op de PVV gestemd werd aan de grenzen van Nederland, en dan met name in Limburg. FvD deed het juist beter in het westen van het land. De groenblauwe kleur in onder meer Lelystad en Almere laat zien dat zowel de PVV als FvD hier groot zijn geworden, terwijl de rode gemeenten in het noorden en oosten aangeven dat hier relatief weinig op PVV en FvD werd gestemd.
Figuur 3 – Kaart van de Provinciale Statenverkiezingen 2019, opgesplitst naar PVV, FvD en overige partijen
Makkelijk, genuanceerder, maar niet zonder kanttekeningen
Deze nieuwe manier om verkiezingsuitslagen op de kaart af te beelden is relatief makkelijk te implementeren in R (zie deze tutorial). Er zijn verschillende opties om de kaarten verder te optimaliseren, bijvoorbeeld door andere kleurenschema’s te gebruiken of de driehoek in te delen in categorieën. Uiteraard kan de methode ook worden toegepast om kaarten te maken op andere schaalniveaus, bijvoorbeeld om verschillen tussen stembureaus binnen een bepaalde stad in kaart te brengen. Dit soort kaarten geeft een genuanceerder beeld van bestaande ruimtelijke patronen dan kaarten die simpelweg laten zien welke partij waar de grootste is geworden, wat een belangrijk uitgangspunt vormt voor het begrijpen van het huidige versnipperde politieke landschap.
Een kanttekening is dat de kaarten de geografische verhoudingen van Nederland weergeven, zonder rekening te houden met verschillen in bevolkingsdichtheid. Hierdoor krijgen gemeenten met grote oppervlaktes maar weinig kiezers disproportioneel veel aandacht. Een oplossing zou zijn om de kleurenschema’s uit de driehoek op een andere manier weer te geven, bijvoorbeeld in een cartogram of een figuratieve kaart. Omdat zo’n kaart met een groot aantal gemeenten echter al snel onleesbaar wordt, is er hier voor gekozen om de gemeenten simpelweg in te kleuren.
Geef een reactie