Диссертация (1147112), страница 21
Текст из файла (страница 21)
Другими показателями, которые могут использоваться в качестве независимых переменных, могут также быть доля недействительных бюллетеней, доля избирателей, проголосовавших досрочно или вне избирательногоучастка, и т. п.Наиболее простым и прямолинейным вариантом этого подхода можно назвать двухмерные гистограммы, показывающие взаимное распределение явки и доли голосов, набранныхучастником выборов.
Этот метод был предложен П. Климеком и его коллегами 157 в 2012 г. Какпоказало сравнение результатов, полученных на материале выборов в Австрии, Канаде, Чехии,Финляндии, Франции, Польши, Румынии, России, Испании, Швейцарии и Уганде, самым распространённым видом полученного графика являлась концентрация наблюдений в пределах одной, достаточно симметричной области в районе умеренных значений обеих величин. В случаеКанады наблюдалось выделение двух областей концентрации наблюдений при одном и том жеуровне явки, что отражает региональные особенности страны. В случае же России и Уганды исследователи обнаружили, во-первых, «размытие» графика по диагонали и, во-вторых, наличиеобласти концентрации наблюдений в районе предельных значений величин (~100% голосов иявки).
Подобную картину они назвали аномальной и связали с искажениями результатов волеизъявления граждан.Применение этого метода к изучаемым в рамках данного исследования странам подтвердило выводы группы Климека относительно аномального характера подобного вида распределений. При этом следует отметить, что выделенные особенности могут проявляться по157 Klimek, Peter. Statistical detection of systematic election irregularities.
/ Peter Klimek, Yuri Yegorov et al. // PNAS.2012 Vol. 109 (41). P. 16469–16473.88отдельности, и диагональное размытие области наблюдений является значительно чаще наблюдаемым феноменом, нежели появление второй области концентрации наблюдений. На рис. 30представлен пример проявления второй области концентрации: президентские выборы в Румынии в 1992 году. Как видно из гистограммы для результатов Эмиля Константинеску, в правомверхнем углу графика находится дополнительная область значений, аналогов которой на графиках других кандидатов обнаружить не удаётся.Рисунок 30: Двухмерные гистограммы для 4 основных кандидатов на президентских выборах вРумынии, 1992 г.Аналогичные области можно также наблюдать на графиках для второго тура президентских выборов в Румынии (1992 г.), второго тура президентских выборов в Румынии в 1996 г.(также для результатов Константинеску) и на графиках второго и «третьего» тура президентскихвыборов на Украине (2004 г.).
При этом в последнем случае во втором туре аномалия наблюдается на графике результатов В. Януковича, а в «третьем» туре — в результатах В. Ющенко.89Диагональное «размытие» результатов на графиках встречается чаще. В качестве примера можно привести президентские выборы в Армении (2013 г.). Гистограммы для их участниковприведены на рис. 31. На них явно выделяются «ядерные» области результатов С. Саркисяна иР. Ованнисяна, находящиеся примерно в центре графиков, и разнонаправленные «шлейфы» — всторону максимальных значений для Саркисяна и в сторону минимальных результатов при максимальной явки для Ованнисяна. При этом доли голосов, полученные миноритарными участниками, остаются примерно одинаковыми при любом уровне явки.Рисунок 31: Двухмерные гистограммы для 4 основных кандидатов на президентских выборах вАрмении, 2013 г.Аналогичную картину (диагональное размытие графика лидера) можно наблюдать такжев Армении на парламентских выборах в 2007 и 2012 гг.
(для Республиканской партии Армении)и на президентских выборах 2013 г. (также для С. Саркисяна); в Болгарии на президентских выборах 2006 г. (Георгий Пырванов) и на парламентских выборах 2005 г (коалиция «За Болга-90рию»). В остальных случаях наблюдается картина, приближенная к эталонной; в качестве примера можно привести первый тур президентских выборов в Польше в 2015 г. (рис. 32). На графиках распределения результатов основных участников видно, что наблюдения концентрируются в чётко очерченных областях, и если некоторое размытие и имеет место, то только в вертикальном направлении, что свидетельствует о неоднородном характере электоральной поддержкикандидата в рамках страны.Рисунок 32: Двухмерные гистограммы для 4 основных кандидатов на президентских выборах вПольше, 2015 г.Альтернативным представлением зависимости электоральной поддержки участников выборов от уровня явки является метод Шпилькина.
Фактически, он уже был рассмотрен в параграфе 2.2 в качестве способа оценки масштаба эффекта от аномального распределения избирательных участков по уровню явки. Однако в этом качестве он предстаёт в предельно упрощённой, не раскрывающей его полного потенциала, форме.91При полной реализации метод Шпилькина предполагает рассмотрение не только распределения числа избирателей по уровню явки, но и распределение числа голосов, поданных этимиизбирателями, в пользу участников выборов.
В этом случае становится видно, как из решениякаждого избирателя о поддержке того или иного участника складывается общая явка на выборах. В случае, если между явкой и таковым решением нет связи, на графике мы должны увидеть, что соответствующие участникам выборов распределения голосов подобны друг другу навсём интервале значений. Если же увеличение явки имеет конкретного бенефициара, то с ростом явки мы должны увидеть доминирование доли голосов, поданных за одного участника, исход на нет доли электоральной поддержки остальных участников выборов.Пример такой ситуации показан на рис.
33. На этом графике хорошо видно, что начиная сявки в примерно 60% результаты С. Саркисяна начинают занимать всё большую долю в общемчисле голосов; начиная с примерно 85%, практически все голоса, поданные избирателями, уходят именно в его пользу. Прирост явки в избирателях становится эквивалентен приросту голосов за С. Саркисяна.Рисунок 33: Распределения по методу Шпилькина (со сглаживанием). Армения, 2013 г.Ещё более чётко можно наблюдать этот эффект во втором туре выборов президента Украины 2004 г.
(рис. 34). До явки в 75% оба кандидата идут на равных, между 75% и 90% В. Ющенко вырывается вперёд, а после 95% тренд радикально меняется, и явка начинает совпадать сприростом голосов за В. Януковича. В третьем же туре этот тренд внезапно исчезает (рис. 35).Вместо перекрещивающихся и резко меняющих свой характер кривых мы видим более-менее92аналогичные распределения на всём интервале значений; до 75% процентов распределенияидентичны наблюдавшимся во втором туре.Рисунок 34: Распределения по методу Шпилькина. Украина, 2004 г., 2 тур.Рисунок 35: Распределения по методу Шпилькина.
Украина, 2004 г., 3 тур.В качестве примера нормы можно привести распределение на выборах президентаПольши 2015 г. (рис. 36). Здесь хорошо видно, что на всём интервале значений распределениядля участников выборов подобны. Распределения А. Дуды и Б. Коморовского пересекаются врайоне 55% явки, но характера при этом не меняют. И в целом на каждом интервале значений93явки голоса избирателей распределяются между участниками в примерно одинаковой пропорции.Рисунок 36: Распределения по методу Шпилькина. Польша, 2015 г., 1 тур.Конечно, методы, дающие численное представление обрабатываемых данных, предпочтительнее методов, требующих визуального анализа графиков исследователем.
Поэтому дляизучения зависимости успеха участников выборов от уровня явки (или другого показателя) часто используется регрессионный анализ. Как отдельную процедуру регрессионный анализ данных выделил А. Собянин158, предложив определять долю голосов, набранных участником выборов, как отношение полученных им голосов к списочному числу избирателей (а не к числу избирателей, принявших участие в выборах). При этом константа в уравнении регрессионной прямой называется СРЛ (смещение регрессионной линии), а коэффициент наклона — ПДИ (поддержка дополнительных избирателей).Таким образом метод Собянина-Суховольского обращается к оценке уровня электоральной поддержки участника избирателями в целом, а не только пришедшими на выборы.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
