奥地利选民态度与行为动态追踪：AUTNES在线面板研究（2017-2024）的纵向数据价值

本研究通过AUTNES在线面板追踪奥地利选民2017-2024年间的政治态度与行为，采用23波次纵向设计结合滚动截面调查（rolling cross-section），解决传统截面研究无法捕捉个体动态变化的问题。研究发现非概率样本经IPF加权后可达概率样本精度，且面板参与度主要受年龄/教育等人口因素影响（RMSE<0.05），为欧洲民主动态研究提供高时效性数据支持。

　　

在民主政治研究中，选举被视为公民表达政治偏好的核心机制。然而，传统截面调查难以捕捉选民态度变化的微观动态，尤其在奥地利这类多党制国家，政党格局的剧烈变动（如2019年执政联盟突然解体）更需要精细化追踪工具。正是这一研究空白，促使维也纳大学团队建立了AUTNES在线面板——目前奥地利唯一覆盖2017-2024年全部全国性选举的纵向数据库。

这项发表在《Scientific Data》的研究创新性地将滚动截面设计融入面板调查，在关键选举期间（如2024年议会选举）实现日均样本分布，精准捕捉"伊维萨丑闻"等突发事件对民意的影响。通过23波次调查覆盖11,184名16岁以上选民，数据集不仅包含常规投票意向、政党认同（party identification）等核心变量，还嵌入福利改革态度、移民政策等主题模块及情感政治学实验。

关键技术方法

研究依托ISO 20252认证的Marketagent在线样本库（N=154,000），采用年龄-性别-教育等多维配额抽样。通过迭代比例拟合（IPF）生成两类权重：人口统计权重（w_weightd）匹配奥地利微观人口普查数据，政治权重（w_weightp）进一步校准投票行为。数据质量评估采用均方根误差（RMSE）和设计效应（design effect=1.46-1.55），并与概率样本Digitize! CSES进行方法学对比。

数据质量验证

原始数据在年龄/就业指标上初始偏差较大（RMSE=0.08），但通过持续补充退休人员样本，后期波动降至5个百分点内。与概率样本对比显示，该面板在触及低政治兴趣选民方面更具优势。

面板动态特征

尽管平均参与波次为6.35，但70岁以上群体持续参与度比30-39岁高3波次，而学生群体低0.8波次。回归分析证实家庭规模（β=-1.0）和移民背景（β=-1.1）显著降低参与度，但政治变量无显著影响。

响应行为分析

长达7年的追踪未导致显著的面板 conditioning效应。仅发现老练受访者更易通过注意力检测题（β=-0.003），而项目无应答、极端态度等指标保持稳定。这种稳定性使数据特别适合研究FP?（自由党）崛起等长期政治现象。

结论与意义

该数据集通过三重创新——纵向设计、滚动截面采样和实验模块嵌入，突破了传统选举研究的时空局限。其方法论价值尤其体现在：1）证实非概率样本经科学加权可达到官方选举结果再现精度；2）揭示在线面板 attrition主要由生命周期因素（非政治态度）驱动；3）提供连接媒体/政党文本数据的接口框架。对于理解民粹主义浪潮中选民重组（voter realignment）机制具有独特贡献，其设计思路已被德国GLES等选举研究项目借鉴。