Welche Gesetzes­initiativen sind erfolgreich?

Wie wurde es gemacht?

• Welche Methodik wurde angewandt?

  Über die Parlaments-API werden alle Daten zu Gestzesinitiativen (beschlossenen und nicht beschlossenen) als JSON-Files eingelesen.

  Aus jedem dieser JSON-Files (eines pro Gestzesinitiative) werden dann für die Analyse relevante Informationen ausgelesen:

  • Kurztitel,
  • Zitation (= Nummer und Identifikationstyp),
  • Gesetzgebungsperiode,
  • Art des Verhandlungsgegenstands (= Dokumenttyp),
  • Anzahl der Antragsteller:innen
  • Datum des Beschlusses in 3. Lesung
  • Start- und Enddatum des parlamentarischen Verfahrens

  Danach wird für jede Antragsteller:in Name, Parlaments-ID und Klub ermittelt (dafür ist die vorher gewonnene Information zur Zahl der Antragsteller:innen notwendig).

  Die Klubs der Antragsteller:innen werden in eine Variable zusammengefasst. Anhand dieser Information wird eine Variable erstellt, die angibt, ob es sich um einen "Regierungsantrag" (nur von Koalitionsparteien unterstützt) handelt.

  Es wird außerdem eine Variable erstellt, die den Abfragezeitraum darstellt. Als Startdatum wird das Datum der jeweils ersten Plenarsitzung des Nationalrats nach Beginn einer ordentlichen Tagung verwendet. Das Enddatum wird mit dem Datum der Beendigung der jeweils letzten Plenarsitzung einer ordentlichen Tagung festgesetzt.

  Für diese Zeiträume wird im Showcase der Begriff "Tagung" verwendet, dieser ist aber mit dem Begriff der ordentlichen Tagung bzw. außerordentlichen Tagung nicht ident (Beispiele für diese Abfragezeiträume bzw. "Tagungen" sind 1996/97, 1997/98 usw.).

  Eine Kreuztabelle aus der Tagungsvariable und der Variable Dokumenttyp (eingeschränkt auf die in 3. Lesung beschlossenen Gesetzesinitiativen) liefert die für die erste Grafik nötigen Daten.

  Ausgewertet wurden folgende Dokumenttypen:

  • Selbständige Anträge von Abgeordneten (= Initiativanträge, Dokumenttyp "A")
  • Regierungsvorlagen (Dokumenttyp "RV")
  • Gesetzesanträge von Ausschüssen (= Bericht und Antrag, Dokumenttyp "BUA")
  • Bundesrechnungsabschlüsse (= ein Bericht des Rechnungshofs, Dokumenttyp "BRA")

  Weitere Gesetzesinitiativen wie Gesetzesanträge des Bundesrates bzw. von einem Drittel seiner Mitglieder (Dokumenttypen "GABR" bzw. "GABR13") und Volksbegehren (Dokumenttyp "VOLKBG") wurden nicht ausgewertet.

  In der Auswertung wurden die Dokumenttypen "BUA" und "BRA" aus Gründen der Vereinfachung der Visualisierung in eine Kategorie zusammengefasst.

  Die erste Grafik zeigt die Gesamtanzahl der drei Kategorien im Zeitraum 1996-2021.

  Die zweite Grafik verwendet die gleichen Daten, bildet diese jedoch für die oben definierten "Tagungen" ab.

  Die dritte Grafik basiert ebenso auf einer Kreuztabelle der Tagungsvariable mit der Variable “Regierungsantrag” (eingeschränkt auf beschlossene selbständige Anträge).

• Wie sieht das R-Script aus?

  ########################################################
  ### Open Data Kooperation: univie & Parlament ##########
  ### Showcase 2: Ursprünge von Gesetzen #################
  ### code by Laurenz Ennser-Jedenastik & Isabel Kiani ###
  ### November 2022 ######################################
  ### Kontakt: laurenz.ennser@univie.ac.at ###############
  ########################################################

  #empty environment
  rm(list = ls())

  #load packages
  ##ACHTUNG: Wenn packages noch nicht installiert sind, diese bitte mit install.packages(package) vorher installieren
  library(httr)
  library(jsonlite)
  library(RJSONIO)
  library(RCurl)
  library(httr2)
  library(purrr)
  library(tidyr)
  library(dplyr)
  library(tibble)
  library(rjson)

  
  #Arbeitsumgebung für das Script und Speicherung von Ergebnissen des API-Calls
  setwd("")

  #Definition von API-UR und Body des API-Calls 
  req <- request("https://www.parlament.gv.at/Filter/api/filter/data/101?showAll=true")

  
  t1 <- 
    req %>% 
    req_body_raw('{"GP_CODE":["XXVII", "XXVI", "XXV", "XXIV", "XXIII", "XXII", "XXI", "XX"],"DOKTYP":["A","RV", "BUA", "GABR", "GABR13", "BRA"]}') %>% 
    req_perform()

  
  df1 <- t1 %>% resp_body_json()

  
  #Loop zur Umwandlung von relativen Links aus den Ergebnislisten des API-Calls (Filter) zu absoluten Links
  nrows1 <- length(df1$rows)
  vorne <- "https://www.parlament.gv.at"
  hinten <- "?json=true"
  all.urls <- rep(NA, nrows1)
  all.GPs <- rep(NA, nrows1)
  all.numbers <- rep(NA, nrows1)
  all.doctypes <- rep(NA, nrows1)

  for (i in 1:nrows1) {
    all.urls[i] <- paste0(vorne, df1[["rows"]][[i]][[15]], hinten)
  }

  for (i in 1:nrows1) {
    all.GPs[i] <- df1[["rows"]][[i]][[1]]
    all.numbers[i] <- df1[["rows"]][[i]][[3]]
    all.doctypes[i]  <- df1[["rows"]][[i]][[6]]
  }

  
  #Schreibt Ergebnisliste des API-Calls (Filter) in File in WorkingDirectory [OPTIONAL]
  #dfjson <- toJSON(df1)
  #write(dfjson, file="showcase2_filterliste.json")

  setwd("")
  # get JSON-Content von Geschichtsseite der Verhandlungsgegenstände
  #for (i in 1:nrows1){ 
  #  data1 <- getURL(all.urls[i], .encoding = "UTF-8") #ACHTUNG ENCODING = UTF-8, sonst Probleme in der Darstellung
  #  data2 <- fromJSON(data1)
  #  data3 <- toJSON(data2) 
  #  write(data3, file=paste0("vhg_", all.GPs[i], "_", all.numbers[i], "_", all.doctypes[i], ".json"))
  #}

  for (i in 1:nrows1){ 
    
    download.file(all.urls[i], destfile = paste0("vhg_", all.GPs[i], "_", all.numbers[i], "_", all.doctypes[i], ".json")) 
  }

  ### Environment leeren
  rm(list = ls())

  
  ### Notwendige Packages installieren bzw. laden
  necessary.packages <- c("rjson", "stringr")
  new.packages <- necessary.packages[!(necessary.packages %in% installed.packages()[,"Package"])]
  if(length(new.packages)) install.packages(new.packages)
  library(rjson)
  library(stringr)

  
  ### Arbeitsverzeichnis definieren
  setwd("")

  
  ### Liste aller Files im Arbeitsverzeichnis erstellen
  files.in.dir <- list.files(getwd())
  json.only <- grep("json", files.in.dir) # Liste auf JSON-Files beschränken (falls andere Files präsent)
  files.in.dir <- files.in.dir[json.only]
  nfiles <- length(files.in.dir) # Objekt definieren, das Anzahl der Files enthält

  samplefiles <- sample(nfiles, 300)

  ### Loop zum Erzeugen eines Dataframes (df), der pro Zeile einen Verhandlungsgegenstand enthält. In die Spalten werden für die Analyse relevante Variablen geschrieben.
  df <- data.frame(title = rep(NA, nfiles)) # leeren Dataframe erzeugen
  for (i in 1:nfiles) {
    getfile <- fromJSON(file = files.in.dir[i]) # JSON-File einlesen
    df$title[i] <- getfile$meta$title # Titel des Verhandlungsgegenstandes
    df$filename[i] <- files.in.dir[i] # Dateiname des Verhandlungsgegenstandes
    df$citation[i] <- getfile$content$zitation # Zitation des Verhandlungsgegenstandes
    df$type[i] <- getfile$content$typ # Art des Verhandlungsgegenstandes
    df$doktyp[i] <- getfile$content$doktyp # Art des Verhandlungsgegenstandes
    df$gp[i] <- getfile$content$gp_code # Gesetzgebungsperiode
    df$bgbl[i] <- ifelse(is.null(getfile$content$status$bgbllinks[[1]]$title)==TRUE, NA, getfile$content$status$bgbllinks[[1]]$title) # Bundesgesetzblatt 
    df$sponsorcount[i] <- ifelse(is.null(getfile$content$names)==TRUE, NA, length(getfile$content$names)) # Anzahl der Antragsteller:innen
    nphases <- length(getfile$content$phase) # Anzahl an Phasen des Gesetzgebungsprozesses (relevant für Ermittlung von Start- und Enddatum)
    df$nphases[i] <- nphases
    nstages <- length(getfile$content$phase[[nphases]]$stages) # Anzahl an Unter-Phasen des Gesetzgebungsprozesses (relevant für Ermittlung von Start- und Enddatum)
    df$nstages[i] <- nstages
    nstagesinphase3 <- ifelse(nphases<3, NA, length(getfile$content$phase[[3]]$stages)) # Anzahl an Unter-Phasen des Gesetzgebungsprozesses (relevant für Ermittlung von Start- und Enddatum)
    df$nstagesinphase3[i] <- nstagesinphase3
    df$startdate[i] <- as.Date(ifelse(nstages==0, NA, getfile$content$phase[[1]]$stages[[1]]$date), "%d.%m.%Y") # Einbringungsdatum/Startdatum des Gesetzgebungsprozesses
    df$enddate[i] <- as.Date(ifelse(nstages==0, NA, getfile$content$phase[[nphases]]$stages[[nstages]]$date), "%d.%m.%Y") # Enddatum des Gesetzgebungsprozesses
    nrbeschlusslocation1 <- ifelse(nstages==0, NA, grep("Gesetzesvorschlag in dritter Lesung <b>angenommen", getfile$content$phase)) # Phase lokalisieren, wo Gesetzesbeschluss dokumentiert ist
    nrbeschlusslocation2 <- ifelse(nphases<3, NA, grep("Gesetzesvorschlag in dritter Lesung <b>angenommen", getfile$content$phase[[nrbeschlusslocation1]]$stages)) # Unter-Phase lokalisieren, wo Gesetzesbeschluss dokumentiert ist
    df$nrbeschlussdatum[i] <- ifelse(nphases<3 | is.na(nrbeschlusslocation2), NA, getfile$content$phase[[nrbeschlusslocation1]]$stages[[nrbeschlusslocation2]]$date) # Beschlussdatum im Nationalrat auslesen
  }

  
  ### Div. Umformatierungen von Datumsvariablen
  df$startdate <- as.Date(df$startdate, origin="1970-01-01")
  df$enddate <- as.Date(df$enddate, origin="1970-01-01")
  df$endmonth <- as.numeric(substr(df$enddate, 6, 7))
  df$startmonth <- as.numeric(substr(df$startdate, 6, 7))
  df$endyear <- as.numeric(substr(df$enddate, 1, 4))
  df$nrbeschlussdatum <- as.Date(df$nrbeschlussdatum, "%d.%m.%Y")
  df$nrbeschlussjahr <- as.numeric(substr(df$nrbeschlussdatum, 1, 4))

  
  ### Variable bgbl.TF: TRUE/FALSE: Existiert ein Eintrag im Bundesgesetzblatt (d.h. wurde der Gesetzesvorschlag Gesetz)? (NB: keine perfekte Identifikation von Beschlüssen!)
  df$bgbl.TF <- !is.na(df$bgbl)

  
  ### Variable für Dateien mit "-U1.json" oder "-E1.json" im Dateinamen erzeugen (werden bei Analyse ausgeschlossen, handelt sich meist um Beilagen)
  df$u1files <- 0
  df$u1files[grep("-U1.json", df$filename)] <- 1
  df$u1files[grep("-E1.json", df$filename)] <- 1 # nur ein Fall

  
  ### Vereinfachte Variable Art des Verhandlungsgegenstandes => nur Gesetzesanträge
  # d.h. keine Staatsverträge, Bundesrechnungsabschlüsse, Beschlüsse Eur. Rat/Rat der EU, Regierungsvorlagen für Volksbefragungen)
  df$doktyp2 <- ""
  df$doktyp2[df$doktyp=="RV"] <- "RV"
  df$doktyp2[df$doktyp=="A"] <- "A"
  df$doktyp2[df$doktyp=="BUA"] <- "BUA"
  df$doktyp2[df$doktyp=="BRA"] <- "BUA"
  df$doktyp2[df$doktyp=="EBR"] <- "EBR"
  df$doktyp2[df$doktyp=="GABR"] <- "GABR"
  df$doktyp2[df$doktyp=="GABR13"] <- "GABR"

  ### Überprüfung: Einsprüche des Bundesrates (Einsprüche, auf die kein Beharrungsbeschluss folgt, müssen aus Gesamtanalyse herausgenommen werden)
  # setwd("")
  # ebr <- data.frame(filename = df$filename[df$doktyp2=="EBR"])
  # for (i in 1:nrow(ebr)) {
  #   ebrfile <- fromJSON(file = ebr$filename[i])
  #   # print(grep("Wiederholung des Gesetzesbeschlusses", ebrfile))
  #   ebr$beschlusswiederholung[i] <- length(grep("Wiederholung des Gesetzesbeschlusses", ebrfile))
  #   ebr$title[i] <- ebrfile$meta$title
  #   dashlocations <- unlist(gregexpr("/", ebrfile$content$reference[[1]]$url))
  #   ebr$refgp[i] <- substr(ebrfile$content$reference[[1]]$url, dashlocations[2]+1, dashlocations[3]-1)
  #   ebr$refart[i] <- substr(ebrfile$content$reference[[1]]$url, dashlocations[3]+1, dashlocations[4]-1)
  #   ebr$refnr[i] <- substr(ebrfile$content$reference[[1]]$url, dashlocations[4]+1, nchar(ebrfile$content$reference[[1]]$url))
  # }
  # ebr$refid <- paste0(ebr$refnr, "/", ebr$refart)
  # ebr$refid <- gsub("/I", " d.B.", ebr$refid)
  # erfolgreicheeinsprueche_id <- ebr$refid[ebr$beschlusswiederholung==0]
  # erfolgreicheeinsprueche_gp <- ebr$refgp[ebr$beschlusswiederholung==0]
  # # Überprüfung, ob Einsprüche ohne Beharrungsbeschluesse als Gesetzesbeschluesse erfasst sind ==> wenn alles FALSE, dann ok
  # for (i in 1:length(erfolgreicheeinsprueche_id)) {
  #   print(df$bgbl.TF[df$citation == erfolgreicheeinsprueche_id[i] & df$gp == erfolgreicheeinsprueche_gp[i]]) ### wenn FALSE, dann ist alles gut
  # }

  ### Loop zur Erzeugung von Variablen über Antragsteller:innen (bis zur Anzahl der Variable df$sponsorcount für jede kreierte Variable)
  maxspons <- max(df$sponsorcount, na.rm = T) # Maximalzahl der in den Daten erfassten Antragsteller:innen (nötig für Loop)
  for (i in 1:maxspons) { ### Loop zum Erzeugen der (leeren) Variablen
    df[[paste("name", i, sep="")]] <- NA ### Variable: Name d. Antragsteller:in
    df[[paste("id", i, sep="")]] <- NA ### Variable: ID d. Antragsteller:in
    df[[paste("party", i, sep="")]] <- NA ### Variable: Klub der Antragsteller:in (Ein-Buchstaben-Kürzel: S, V, F, G, ...)
  }

  
  ### Loop zum Befüllen der Antragsteller:innen-Variablen
  for (j in 1:maxspons) { 
    counter <- which(df$sponsorcount>(j-1) & df$doktyp2=="A") ### Counter auf Selbständige Anträge & Anzahl Antragsteller:innen > j-1 begrenzen
    for (i in counter) { 
      getfile <- fromJSON(file = df$filename[i])
      df[[paste("party", j, sep="")]][i] <- getfile$content$names[[j]]$frak_code
      df[[paste("id", j, sep="")]][i] <- substr(getfile$content$names[[j]]$url, 9, nchar(getfile$content$names[[j]]$url))
      df[[paste("name", j, sep="")]][i] <- getfile$content$names[[j]]$name
    }
  }

  
  ### Alle einbringenden Fraktionen in eine String-Variable zusammenfassen:
  df$sponsor.all <- NA
  df$sponsor.all[df$sponsorcount==1 & !is.na(df$sponsorcount)] <- df$party1[df$sponsorcount==1 & !is.na(df$sponsorcount)]
  df$sponsor.all[df$sponsorcount==2 & !is.na(df$sponsorcount)] <- paste(df$party1[df$sponsorcount==2 & !is.na(df$sponsorcount)], df$party2[df$sponsorcount==2 & !is.na(df$sponsorcount)], sep="")
  df$sponsor.all[df$sponsorcount==3 & !is.na(df$sponsorcount)] <- paste(df$party1[df$sponsorcount==3 & !is.na(df$sponsorcount)], df$party2[df$sponsorcount==3 & !is.na(df$sponsorcount)], df$party3[df$sponsorcount==3 & !is.na(df$sponsorcount)], sep="")
  df$sponsor.all[df$sponsorcount==4 & !is.na(df$sponsorcount)] <- paste(df$party1[df$sponsorcount==4 & !is.na(df$sponsorcount)], df$party2[df$sponsorcount==4 & !is.na(df$sponsorcount)], df$party3[df$sponsorcount==4 & !is.na(df$sponsorcount)], df$party4[df$sponsorcount==4 & !is.na(df$sponsorcount)], sep="")
  df$sponsor.all[df$sponsorcount==5 & !is.na(df$sponsorcount)] <- paste(df$party1[df$sponsorcount==5 & !is.na(df$sponsorcount)], df$party2[df$sponsorcount==5 & !is.na(df$sponsorcount)], df$party3[df$sponsorcount==5 & !is.na(df$sponsorcount)], df$party4[df$sponsorcount==5 & !is.na(df$sponsorcount)], df$party5[df$sponsorcount==5 & !is.na(df$sponsorcount)], sep="")
  df$sponsor.all[df$sponsorcount==6 & !is.na(df$sponsorcount)] <- paste(df$party1[df$sponsorcount==6 & !is.na(df$sponsorcount)], df$party2[df$sponsorcount==6 & !is.na(df$sponsorcount)], df$party3[df$sponsorcount==6 & !is.na(df$sponsorcount)], df$party4[df$sponsorcount==6 & !is.na(df$sponsorcount)], df$party5[df$sponsorcount==6 & !is.na(df$sponsorcount)], df$party6[df$sponsorcount==6 & !is.na(df$sponsorcount)], sep="")

  
  ### Partei-Strings in eindeutige Reihenfolge bringen (z.B. "VSF", "FVS", "SFV", etc. werden allesamt zu "SVF")
  ptyLETTERS <- c("S", "V", "F", "G", "L", "B", "T", "N", "J")
  for (i in 1:nrow(df)) {
    df$sponsors[i] <- str_c(ptyLETTERS[sort(match(str_split(df$sponsor.all[i], "")[[1]], ptyLETTERS))], collapse="")
  }

  
  ### Neue Variable, die nur Antragsteller:innen beschlossener Gesetze aus selbständigen Anträgen erfasst
  df$sponsorsA <- df$sponsors
  df$sponsorsA[is.na(df$nrbeschlussdatum)] <- NA
  df$sponsorsA[df$doktyp2!="A"] <- NA

  
  ### Erzeuge Vektor zu Tagungen (Tagung = Sitzungsperiode von September bis Juli, d.h. vom Ende einer bis zum Beginn der nächsten Sommerpause)
  tagung <- paste(1996:2020, "/", substr(1997:2021, 3, 4), sep="")
  tagung.start.ende <- as.Date(c("19.09.1996", "11.07.1997", "18.09.1997", "17.07.1998", "17.09.1998", "16.07.1999", "29.10.1999", "07.07.2000", 
                                 "05.09.2000", "06.07.2001", "26.09.2001", "11.07.2002", "19.09.2002", "10.07.2003", "02.09.2003", "09.07.2004",
                                 "22.09.2004", "08.07.2005", "21.09.2005", "14.07.2006", "12.09.2006", "06.07.2007", "27.09.2007", "10.07.2008",
                                 "12.09.2008", "10.07.2009", "01.09.2009", "09.07.2010", "22.09.2010", "08.07.2011", "13.09.2011", "06.07.2012",
                                 "19.09.2012", "06.07.2013", "17.09.2013", "10.07.2014", "02.09.2014", "17.07.2015", "01.09.2015", "08.07.2016",
                                 "13.09.2016", "13.07.2017", "20.09.2017", "05.07.2018", "07.09.2018", "03.07.2019", "19.09.2019", "09.07.2020",
                                 "14.09.2020", "19.07.2021"), "%d.%m.%Y") ### nicht enthalten: 2021/22 mit Daten 22.09.2021 bis 08.07.2022
  start.tagung <- tagung.start.ende[seq(1, 49, 2)]
  ende.tagung <- tagung.start.ende[seq(2, 50, 2)]
  # ende.tagung2 <- (tagung.start.ende-1)[seq(2, 52, 2)]

  
  ### Tagungsvariable im Dataframe erzeugen, die Tagung des Beschlusses ausweist
  df$tagung <- NA
  for (i in 1:length(tagung)) {
    df$tagung[start.tagung[i] <= df$nrbeschlussdatum & ende.tagung[i] >= df$nrbeschlussdatum] <- tagung[i]
  }

  ### Einzelfälle korrigieren
  # df$tagung[df$nrbeschlussdatum=="2013-07-06"] <- "2012/13"

  
  ### Variable amtierende Regierung: SPÖ-ÖVP (SV), ÖVP-FPÖ/BZÖ (VF), ÖVP-Grüne (VG) etc. (anhand des Einbringungsdatums):
  df$reg <- NA
  df$reg[df$startdate < as.Date("04.02.2000", "%d.%m.%Y")] <- "SV" ### SPÖ-ÖVP-Koalition vor Februar 2000
  df$reg[df$startdate >= as.Date("04.02.2000", "%d.%m.%Y") & df$startdate < as.Date("03.10.2006", "%d.%m.%Y")] <- "VF" ### ÖVP-FPÖ/BZÖ-Koalitionen (Schüssel I & II)
  df$reg[df$startdate >= as.Date("03.10.2006", "%d.%m.%Y") & df$startdate < as.Date("11.01.2007", "%d.%m.%Y")] <- "VB" ### ÖVP-BZÖ-Koalition (erst ab Oktober 2006 ist Fraktionskürzel für BZÖ "B")
  df$reg[df$startdate >= as.Date("11.01.2007", "%d.%m.%Y") & df$startdate < as.Date("18.12.2017", "%d.%m.%Y")] <- "SV" ### SPÖ-ÖVP-Koalitionen zwischen Jänner 2007 und Dezember 2017
  df$reg[df$startdate >= as.Date("18.12.2017", "%d.%m.%Y") & df$startdate < as.Date("22.05.2019", "%d.%m.%Y")] <- "VF" ### ÖVP-FPÖ-Koalition ab Dezember 2017 (Kurz I)
  df$reg[df$startdate >= as.Date("22.05.2019", "%d.%m.%Y") & df$startdate < as.Date("03.06.2019", "%d.%m.%Y")] <- "V" ### ÖVP-Minderheitsregierung (Kurz, Löger)
  df$reg[df$startdate >= as.Date("03.06.2019", "%d.%m.%Y") & df$startdate < as.Date("07.01.2020", "%d.%m.%Y")] <- "Bierlein" ### Bundesregierung Bierlein ab Juni 2019
  df$reg[df$startdate >= as.Date("07.01.2020", "%d.%m.%Y") & df$startdate < format(Sys.Date(), "%Y-%m-%d")] <- "VG" ### ÖVP-Grüne-Koalition ab Jänner 2020

  
  ### Variable Regierungsantrag: Selbständige Anträge, die von beiden Koalitionsparteien ohne Oppositionsbeteiligung eingebracht wurden:
  df$regA <- as.numeric(df$sponsorsA==df$reg)

  ####################
  ### AUSWERTUNGEN ###
  ####################

  
  table(df$doktyp2, df$tagung)

  ### Tabelle Gesetzesursprung pro Tagung (nur Gesetzesbeschlüsse; exkl. Anhänge, RV-Änderungen etc. (U1-Files):
  table.mat <- as.matrix(table(df$doktyp2[df$u1files==0], df$tagung[df$u1files==0]))
  table.mat <- table.mat[-which(row.names(table.mat)=="GABR"), ] ### erste Zeile der Matrix (=missing data) entfernen

  ### Anteile von Gesetzesquellen:
  round(rowSums(table.mat) / sum(table.mat), 3)
  ### als Prozentwerte:
  sprintf("%1.0f%%", 100 * rowSums(table.mat) / sum(table.mat))

  
  ### Tabelle exportieren:
  setwd("")
  write.table(t(table.mat), "showcase2_datenexport1.csv", sep=";", col.names = NA)

  
  ### Tabelle: Selbständige Anträge gesplittet in reine Regierungsanträge (1) und andere (0)
  table.mat2 <- table(df$regA, df$tagung)
  row.names(table.mat2) <- c("Andere Antraege", "Koalitionsantraege")
  write.table(t(table.mat2), "showcase2_datenexport2.csv", sep=";", col.names = NA)

  
  ### Grafik 1 erstellen:
  jpeg("SC2_grafik1.jpg", height = 10, width = 18, units = "cm", res=600)
  par(mar=c(4.5, 8, 4, 1))
  bplot <- barplot(rowSums(table.mat[c(3, 1, 2), ]), col=c("indianred1", "darkseagreen3", "cornflowerblue"), border="white",
                   names.arg = c("Regierungsvorlagen", "Selbst. Antrag", "Ausschussantrag"), horiz = TRUE, las=1, cex.names=0.9, cex.axis=0.9,
                   main = "Ursprung von Gesetzesbeschlüssen\n(September 1996 bis Juli 2021)", xlab="Anzahl Gesetzesbeschlüsse")
  text(rowSums(table.mat[c(3, 1, 2), ]) / 2, bplot, rowSums(table.mat[c(3, 1, 2), ]))
  dev.off()

  ### Grafik 2 erstellen:
  jpeg("SC2_grafik2.jpg", height = 12, width = 18, units = "cm", res=600)
  par(mar=c(4.5, 4, 2, 1))
  bplot <- barplot(table.mat[c(3, 1, 2), ], ylim=c(0, 200), las=2, col=c("indianred1", "darkseagreen3", "cornflowerblue"), beside=TRUE,
                   border="white", cex.names=0.9, cex.axis=0.9, main = "Ursprung von Gesetzesbeschlüssen im Zeitverlauf",
                   ylab="Anzahl Gesetzesbeschlüsse")
  legend(bplot[1], 200, c("Regierungsvorlagen", "Selbständige Anträge", "Ausschussanträge"), cex=0.8, bty="n",
         fill = c("indianred1", "darkseagreen3", "cornflowerblue"), border = "white")
  dev.off()

  ### Grafik 3 erstellen:
  jpeg("SC2_grafik3.jpg", height = 12, width = 18, units = "cm", res=600)
  par(mar=c(4.5, 3, 4, 1))
  bplot2 <- barplot(table.mat2[2:1, ], ylim=c(0, 120), las=2, col=c("indianred1", "darkseagreen3"), border="white", cex.names=0.9, cex.axis=0.9,
                    main = "Gesetzesbeschlüsse auf Basis von Selbständigen Anträgen\nnach einbringenden Klubs", beside = TRUE, ylab="Anzahl Gesetzesbeschlüsse")
  legend(bplot2[1], 120, c("Eingebracht von Klubs beider Regierungsparteien", "Eingebracht von Klubs in allen anderen Konstellationen"), cex=0.8, bty="n",
         fill = c("indianred1", "darkseagreen3"), border = "white")
  dev.off()