2026 júniusi pártpreferenciák

/ /by

      Stabil erőviszonyok, továbbra is elsöprő Tisza-fölény

      Keveset változtak a politikai erőviszonyok a legutóbbi májusi felmérésünk óta (I. ábra). A Tisza-párt támogatotsága továbbra is jelentősen meghaladja az áprilisi választásokon elért hazai listás eredményét. A teljes népességben több, mint minden második választó tervezne a Tiszára szavazni egy most vasárnap tartandó országgyülési választásokon (52%). A pártválasztók körében ez 60%-os támogatottságnak, míg a biztos szavazó pártválasztók körében 63%-os támogatottságnak felel meg. Mindez csak minimális, bőven hibahatáron belüli elmozdulást jelez a májusi értékekhez képest, akkor 52%, 61% és 64% voltak a kormánypárt támogatottsági mutatói.

      A Fidesz esetében ha trendfordulóról nem is beszélhetünk, a párt mintha stabilizálni látszana a megmaradt támogatóinak táborát. Az előző hónapban mért 23%-hoz képest jelenleg 25%-on áll a teljes népességben, ami a pártot választani tudók körében 29, a biztos szavazó pártválasztók körében 28%-os támogatottságnak felel meg. A Fideszhez hasonlóan a Mi Hazánk támogatottsága is stabilnak mondható. A teljes népességben 7, a pártválasztók körében 8, a biztos szavazók körében 6% szavazna Toroczkaiék pártjára.

      A demográfiai törésvonalak a magyar politikában változatlanok: a fiatalok, magasan iskolázottak és nagyvárosokban élők körében relatív népszerű a Tisza, míg az idősek, alacsonyan iskolázottak és kistelepüléseken élők körében a saját támogatottsági szintjéhez képest relatív jól teljesít a Fidesz. Ezzel együtt nincs olyan nagy demográfiai csoport, amiben a Fidesz támogatottsága akár meg tudná közelíteni a Tiszáét. A Mi Hazánk támogatottsága a férfiak körében haladja meg jelentősebb mértékben az országos átlagát.A Fidesz-tábor választások óta tapasztalt zsugorodása a szavazat-visszaemlékezések szerinti bontásban is érzékelhető. Míg az áprilisban még a Fideszre szavazóknak csak 72, addig a Tisza párt áprilisi támogatóinak 93%-a tartana ki az akkori pártjuk mellett egy mostani választáson.

      A pártok támogatottságán túl a felmérésben a pártválasztók táborán belül rákérdeztünk a megjelölt párthoz való kötődés jellegére (II. Ábra). A pártválasztók közel fele (48%-a) mondható stabil támogatónak, ők azok, akik a “mindenképp rájuk szavaznék, mert közel állnak hozzám” válaszopciót jelölték meg. A három parlamenti pár között nincs jelentős különbség e tekintetben. Közepes mértékben kötődnek azok a választók, akik a “nyitott vagyok más pártokra, de egyelőre nem látok jobbat” válaszopciót jelölték még (az összes pártválasztó közül 42% válaszolt így). Ez az árnyaltabb kötődés elsősorban a Tisza-szavazókra jellemző, ebben a táborban 46% válaszolt így a kérdésre a Fidesz-szavazók 37 és a Mi Hazánk szavazók 32%-ával szemben. Kifejezetten szkeptikus támogatók azok, akik “jobb híján, legkisebb rossz alapon” szavaznának a választott pártjukra. Ezeket az arányszámokat vizsgálva a nagyobb pártok közül inkább a Fidesznek van miért izgulnia: a támogatóik 12%-a válaszolt így, ami arányaiban kétszer akkora szavazóvesztés veszélyét rejti magában, mint a Tisza esetében (6%). A Mi Hazánk ésegyéb kispártok támogatói ennél is szkeptikusabbak: ezekben a szegmensekben 18, illetve 29%-ot tesz ki a gyenge pártkötődésűek aránya.

      A politikusok népszerűségi listáját továbbra is Magyar Péter vezeti viszonylag fölényesen (III. Ábra), bár az e havi népszerűségi mutatója (55%) – azok aránya, akik inkább, vagy nagyon szívesen látnák őt fontos közéleti szerepben -valamivel mérsékeltebb a múlt havi értéknél (59%). A dobogó második fokára Orbán Anita (46%), harmadikra pedig Kapitány István (44%) állhat fel. Fontos megjegyezni, hogy ez a népszerűségi mutató a teljes népességet veszi bázisul, így mind a három politikus esetében a relatív magas ismertségüknek is köszönhetőek ezek az eredmények.

      A Fidesz politikusai közül ezúttal csak Orbán Viktor és Gulyás Gergely megítélésére kérdeztünk rá. Orbán messze a legelutasítottabb szereplője a jelenlegi politikai elitnek,  48% egyáltalán nem és további 7% inkább nem látná őt fontos politikai szerepben. Ezzel együtt még mindig többen ragaszkodnak a volt kormányfőhöz, mint Gulyáshoz: 21% nagyon szívesen látná őt fontos szerepben Gulyás 15%-ával szemben. Ezek a támogatottsági szintek azonban elmaradnak még a felsorolt Tiszás politikusok közül a legkevésbé ismertekétől is (Lannert Judit, Kármán András), akiket ugyan a teljes népességnek csak 30% körüli aránya látna fontos szerepben, de ennél jóval kevesebben is utasítják el őket.

      Módszertan:

      Az Europion 2200 válaszadót kérdezett meg a mobil- és webapplikációs paneljéből 2026 június 6. és 8. között. Az online panelek nyers adataiból származó jól ismert torzulásokat (mint például az egyes demográfiai csoportok, digitálisan kevéssé affinis állampolgárok szisztematikus alulreprezentációja) a nemzetközi online survey módszertanban régóta használt (pl. Survation, YouGov) MrP-módszerrel (multilevel regresszió és posztstratifikáció) korrigáltuk. A módszer lényege, hogy egy többváltozós logisztikus regressziós modell először megbecsüli a különböző pártpreferenciák valószínűségét demográfiai változók, digitális használati szokások, valamint az április országgyülési választásokra vonatkozó szavazat-visszaemlékezések függvényében. A hagyományos súlyozással szemben a modell nem külön-külön igazítja a mintát demográfiai és egyéb csoportokra, hanem e változók együttes eloszlását veszi alapul. Ahol egy ilyen kombináció a mintában csak kevés elemszámban vagy egyáltalán nem szerepel, ott a modell a többi csoportból „kölcsönöz” információt, és statisztikailag megbízható becslést ad ezekre a ritka cellákra is. Végül a modell ezeket a csoportszintű becsléseket a KSH 2022-es népszámlálásából származó népesség tényleges összetételének megfelelően átlagolja, így a mintavételi torzítások pontosabban korrigálhatók, mint hagyományos súlyozással. A becslések hibahatárát ún. “boostrapping” módszerrel teszteltük, ez alapján az egyes pártok becsült támogatottságának maximális eltérése (bizonytalansági intervalluma) a valós teljes népességbeli arányuktól 2,3%.

      2026 májusi pártpreferenciák

      / /by

          Látványosan érvényesül a győzteshez húzás jelensége az Europion első, az új parlament alakuló ülésére időzített, május 8–9-én végzett, országosan reprezentatív felmérése alapján. A teljes népességben a választási eredményekhez képest 5 százalékponttal kevesebben szavaznának a Fideszre egy most vasárnap tartott megismételt választás esetén. A Tisza támogatottsága ezzel szemben 8 százalékponttal nőtt, és már 52 százalék szavazna az új kormánypártra.

          A Mi Hazánk is valamelyest erősödni tudott – részben az elpártoló Fidesz-szavazóknak köszönhetően. A választási eredményeknél 2 százalékponttal többen, a teljes népesség 7 százaléka szavazna Toroczkai László pártjára.

          Ugyanezek az arányok a pártválasztók körében: Fidesz: 27%, Tisza: 61%, Mi Hazánk: 8%, egyéb pártot választók: 4%. A biztos szavazók körében az arányok: Fidesz: 27%, Tisza: 64%, Mi Hazánk: 7%, egyéb pártot választók: 3%.

          Demográfiai bontásban vizsgálva nincs olyan nagyobb demográfiai csoport, amelyben a Fidesz meg tudta volna tartani a vezetését. A legszorosabb verseny a 60 év felettiek és az érettségivel nem rendelkezők körében látható: ebben a két szegmensben „csak” 12 százalékpont a különbség a Tisza javára, az adott szegmensbe tartozó válaszadók teljes bázisán.

          Az Europion adatkorrekciós módszere, a multilevel regresszió és posztstratifikáció (MrP), azt is lehetővé teszi, hogy egyes demográfiai csoportok közös halmazaiban – vagyis celláiban – vizsgáljuk a becsült erőviszonyokat. Ezen a szinten már azonosíthatók olyan csoportok, amelyekben még mindig a volt kormánypártnak áll a zászló.

          Az érettségivel nem rendelkező, 50 év feletti, kistelepülésen élők között továbbra is egyértelmű a Fidesz fölénye. Ezzel szemben a fővárosban és a megyei jogú városokban élő fiatal diplomások körében szinte példa nélküli a Tisza vezetése. Ezekben a szegmensekben 10 véletlenszerűen kiválasztott állampolgárból várhatóan csak 1 Fidesz-szavazó és 8 Tisza-szavazó lenne.

          A pártpreferencia-kutatásban a politikusok megítélését is megkérdeztük a válaszadóktól. Ötfokú skálán értékelték, mennyire látnák szívesen az egyes szereplőket fontos közéleti szerepben.

          Az új politikai generáció népszerűségi listáját egyértelműen Magyar Péter vezeti: a magyarok 40 százaléka nagyon, további 19 százaléka inkább szívesen látná fontos szerepben. Nem utolsósorban alacsonyabb ismertségük miatt messze lemaradva következnek a Tisza további vezető politikusai – Kapitány István, Orbán Anita és Radnai Márk –, akiket hasonló arányban, körülbelül 45 százaléknyian látnának fontos szerepben.

          Tőlük valamelyest lemaradva következik Hegedűs Zsolt, 37 százalékos népszerűségi mutatóval. A tiszás politikusokhoz képest jóval alacsonyabb népszerűségnek örvendenek a vezető fideszes politikusok: Orbán Viktort a magyarok 31 százaléka, Szijjártó Pétert 29 százaléka, Gulyás Gergelyt 27 százaléka, Lázár Jánost pedig 24 százaléka látná szívesen fontos szerepben. A sereghajtók közé került a Mi Hazánk elnöke, Toroczkai László is, 28 százalékos népszerűségi mutatóval.

          Végül, de nem utolsósorban az elmúlt napokban kisebb vihart kavart Melléthei-Barna Márton igazságügyi miniszterjelölt ügye is. Meléthei-Barna csütörtökön jelentette be visszalépését a jelöltségtől Magyar Péter megválasztott miniszterelnökhöz fűződő rokoni szálai miatt.

          A történet megítélése igen megosztónak bizonyult: hasonló arányban oszlik meg a magyar lakosság három különböző álláspont között. 28 százalék szerint eleve hatalmas hiba volt a jelölése, 35 százalék szerint szintén hiba volt, de a lemondással a Tisza megfelelően korrigált, míg 25 százalék szerint túlreagálás volt a lemondás, hiszen Meléthei-Barna kompetens igazságügyi miniszter lehetett volna.

          Ez utóbbi álláspontot még a Tisza-szavazóknak is csak kisebbsége vallja: 42 százalékuk szerint túlreagálás volt a lemondás, míg 46 százalékuk szerint hiba volt ugyan a jelölés, de a lemondással a Tisza megfelelően korrigálta azt.

          Módszertan:

          Az Europion 2000 válaszadót kérdezett meg a mobil- és webapplikációs paneljéből 2026 május 8-9-én. Az online panelek nyers adataiból származó jól ismert torzulásokat (mint például az egyes demográfiai csoportok, digitálisan kevéssé affinis állampolgárok szisztematikus alulreprezentációja) a nemzetközi online survey módszertanban régóta használt (pl. Survation, YouGov) MrP-módszerrel (multilevel regresszió és posztstratifikáció) korrigáltuk. A módszer lényege, hogy egy többváltozós logisztikus regressziós modell először megbecsüli a különböző pártpreferenciák valószínűségét demográfiai változók, digitális használati szokások, valamint az április országgyülési választásokra vonatkozó szavazat-visszaemlékezések függvényében. A hagyományos súlyozással szemben a modell nem külön-külön igazítja a mintát demográfiai és egyéb csoportokra, hanem e változók együttes eloszlását veszi alapul. Ahol egy ilyen kombináció a mintában csak kevés elemszámban vagy egyáltalán nem szerepel, ott a modell a többi csoportból „kölcsönöz” információt, és statisztikailag megbízható becslést ad ezekre a ritka cellákra is. Végül a modell ezeket a csoportszintű becsléseket a KSH 2022-es népszámlálásából származó népesség tényleges összetételének megfelelően átlagolja, így a mintavételi torzítások pontosabban korrigálhatók, mint hagyományos súlyozással. A becslések hibahatárát ún. “boostrapping” módszerrel teszteltük, ez alapján az egyes pártok becsült támogatottságának maximális eltérése (bizonytalansági intervalluma) a valós teljes népességbeli arányuktól 2,1%.

          Alkalmazott MrP-módszertan

          / /by

           

          Az alkalmazott MrP (multilevel regression and postratification) pipeline célja, hogy a kérdőíves adatfelvétel eredményeit ne pusztán a nyers vagy súlyozott mintaösszetétel alapján, hanem a célpopuláció (16 év feletti magyar lakosság) demográfiai, területi, politikai és digitális aktivitás szerinti szerkezetéhez igazítva becsüljük meg. Az MrP tehát a standard súlyozás helyett egy modellalapú eljárás: először statisztikai modellt illesztünk a survey-adatokra, majd a modell predikcióit egy külső forrásból (jellemzően népszámlálásból) származó vagy szintetikusan előállított populációs cellaszerkezetre vetítjük vissza. Az MrP előnye a hagyományos súlyozással szemben, hogy a ritka vagy kis elemszámú cellák becsléseit nem kizárólag az adott cellában megfigyelt válaszokra alapozza, hanem részleges összevonással a hasonló csoportokból és a teljes mintából származó információt is felhasználja, így stabilabb és kevésbé zajos alcsoportos becsléseket ad.

          A kiindulópont a survey-adatbázis és a poszt-stratifikációs tábla harmonizálása. A cellaszerkezet a népességet a következő háttérváltozók kombinációjaként írja le, együttes eloszlásuk alapján: nem, életkor, iskolázottság, településtípus, régió, szavazatvisszaemlékezés a 2026-os országgyűlési választásokra, valamint két digitális aktivitást mérő dummy változó (online vásárlás, illetve szöveg-, táblázat-, videó- vagy képszerkesztő programok rendszeres használata). A megyei információkat régiós szinten aggregáljuk, az iskolázottságot három kategóriában kezeljük (diplomások, érettségivel rendelkezők és érettségivel nem rendelkezők), a településtípust négy kategóriára bontjuk, a szavazatvisszaemlékezést mérő változót – amelyet a választásokat követő napok során kérdeztünk le a paneltagoktól – pedig szintén négy kategóriában kezeljük: Tisza-szavazók, Fidesz-szavazók, Mi Hazánk-szavazók, egyéb szavazók és nem szavazók.

          A fő modellezési lépés a vizsgált kérdések válaszkategóriáinak becslése volt multinomiális logisztikus regressziókkal. A modellekben az életkor folytonos változóként szerepel, és a specifikáció tartalmaz egy kor × iskolázottság interakciót is, így az életkor hatása eltérhet az érettségi nélküli, az érettségizett és a diplomás csoportokban. A pontosabb modellspecifikáció beazonosítása érdekében más lehetséges interakciókat és funkcionális formákat is teszteltünk, ezek azonban nem hoztak szignifikáns és/vagy az illeszkedést érdemben javító eredményeket. A prediktorok struktúrája a multinomiális logisztikus regresszióban a következő volt:

          nem2 + kor + isk3 + kor × isk3 + teltip4 + régió7 + párt4 + digi1_dummy + digi2_dummy

          Ezt a struktúrát alkalmazzuk a pártpreferencia-mérésekben szereplő összes változó százalékos megoszlásainak megbecsléséhez. Mivel az MrP-hez szükséges a modellben szereplő összes változó együttes eloszlása, a szavazatvisszaemlékezéshez (párt4), illetve a részvételi szándékot mérő változóhoz – amelyet a biztos szavazók beazonosítására használunk – szintetikus populációs becslést alkalmaztunk: egy külön MrP-modellel megbecsültük e két változó együttes eloszlását a demográfiai és a digitális aktivitást mérő változókkal. Az így kapott párt4-becsléseket ezt követően a választások ismert eredményeihez kalibráltuk.

          A biztos szavazók szerinti bontáshoz egy kibővített, 9 dimenziós poststratifikációs táblát alkalmazunk, amely öt demográfiai változóból, két digitális aktivitást mérő dummy-ból, a szavazatvisszaemlékezést mérő (kalibrált) változóból és a részvételi szándékot mérő változóból áll:

          nem2 + kor × isk3 + isk3 + teltip4 + régió7 + párt4 + digi1_dummy+ digi2_dummy + részvételiszándék

          Ez lehetővé tette, hogy a pártpreferencia-becsléseket a demográfiai és digitális aktivitási szerkezet mellett a választási részvételi szándék szerinti bontásban is prezentáljuk.

          Az eljárás végén diagnosztikai ellenőrzéseket végeztünk: vizsgáltuk a modellbe bevont és kizárt esetek számát, a kimeneti kategóriákat, valamint az illeszkedési mutatókat (training accuracy és log loss). Az eredmények így nem egyszerű súlyozott mintaátlagok, hanem modellalapú, populációs szerkezetre visszavetített becslések.

          Az MrP használatának további rövid angol nyelvű leírásai az alábbi linkeken keresztül olvashatóak:

          https://www.britishpollingcouncil.org/briefing-spotlight-on-mrp/

          https://yougov.com/articles/51585-au-election-mrp-methodology

          https://www.dataforprogress.org/blog/2018/6/19/data-demystified-an-introduction-to-mrp-and-demographic-sorting

          https://www.survation.com/what-is-mrp