Все
 
 
 


Применение локального индекса Морана для выявления электоральных аномалий
 
Код статьиS221979310026786-7-1
DOI10.37490/S221979310026786-7
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Матерухин Илья Андреевич 
Должность: Стажер-исследователь Центра пространственного анализа международных отношений Института международных исследований
Аффилиация: Московский государственный институт международных отношений (университет) МИД Российской Федерации
Адрес: Российская Федерация, Москва
Название журналаПсковский регионологический журнал
ВыпускТом 19. №3/2023
Страницы20-32
Аннотация

В данной статье рассматривается применение одного из методов пространственного анализа — локального индекса Морана — для анализа результатов выборов в целях выявления существования электоральных аномалий. Автором было проведено исследование на основе результатов парламентских выборов 2016 г. в разрезе районов г. Москвы для пяти крупнейших парламентских партий: «Единая Россия», КПРФ, ЛДПР, «Справедливая Россия» и «Яблоко». Были получены картограммы кластеров пространственной автокорреляции для каждой партии, по результатам которых были выделены районы с аномальными результатами. Электорально аномальными считались районы, для которых было зафиксировано нарушение эффекта соседства, то есть имело место отличие показателя голосования от соседних районов. Также был проведён анализ и высказаны возможные причины этих различий. В заключении было отмечено, что некоторые партии демонстрируют однородность в территориальном распределении голосов, из-за чего аномальные районы не были выделены. Также были сделаны выводы об эффективности применения данного метода пространственного анализа для выявления электоральных аномалий. В конце были прописаны общие итоги работы, включающие также возможные дальнейшие пути развития данной темы.

Ключевые словаиндекс Морана, пространственная автокорреляция, электоральная география, Москва, парламентские выборы
Получено23.07.2023
Дата публикации25.09.2023
Кол-во символов21944
Цитировать   Скачать pdf Для скачивания PDF необходимо авторизоваться
100 руб.
При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»
1 Введение. Электоральная география изучает пространственные закономерности политических предпочтений населения. Начиная с 1989 г., когда состоялись первые демократические выборы, вышло много научных публикаций, посвящённых электорально-географическому анализу. По результатам анализа работ 1989–2004 гг. в студенческой монографии «Эволюция электорального ландшафта» [11] можно заметить, что, несмотря на популярность выборов в г. Москве, использование столицы как основного объекта исследования было отмечено только в двух работах. В одной изучалась территориальная структура города по материалам парламентских выборов 1995 г. и президентских выборов 1996 г. Вторая работа была защищена в 2000 г. по материалам электоральных циклов 1995–1999 гг. Исходя из этого можно сделать вывод, что электоральная география Москвы пока изучена недостаточно хорошо, да и в принципе работ, посвящённых выборам в Москве, не так много. Фундаментальный труд А. Любарёва [5] позволяет проследить выборы в Москве на протяжении 12 лет. Автор достаточно подробно рассказывает о каждом электоральном событии, начиная от предыстории и подготовки, и заканчивая результатами. К сожалению, крупных фундаментальных трудов по выборам в Москве, не говоря уже об электоральной географии Москвы, после середины 2000-х гг. не выходило.
2 Однако данная работа посвящена отдельной важной теме — выявлении электоральных аномалий. Собственно говоря, целью данной работы является использование метода пространственного анализа LISA для обнаружения электоральных аномалий на примере парламентских выборов 2016 г. на уровне г. Москвы.
3 Актуальность работы заключается в том, что на сегодня отсутствуют исследования, посвящённые выявлению электоральных аномалий с помощью методов пространственного анализа.
4 Для достижения цели было сформулировано несколько задач. Во-первых, было необходимо проанализировать существующую литературу о методах обнаружения электоральных аномалий, а также применения методов пространственного анализа в электоральных исследованиях. Во-вторых, нужно было собрать данные по результатам пяти крупнейших партий по районам Москвы по 2016 г. В-третьих, применить метод LISA и получить картограммы с аномалиями. И наконец сделать выводы о том, насколько эффективно использование данного метода для обнаружения электоральных аномалий.
5 Объектом исследования служит электоральное пространство Москвы, а предметом — пространственная дифференциация политических предпочтений населения Москвы.
6 Обзор литературы. Выявление электоральных аномалий является одной из давних и хорошо разработанных тем в электоральных исследованиях. Основным способом является применение методов математической статистики. При этом все методы можно разделить на две большие группы по основному механизму действия. Первая группа основана на теории чисел и обращения к частотным характеристикам чисел в электоральной статистике. Точнее, речь идёт о применении закона Бенфорда [20], который основан на неравномерном распределении чисел в разных разрядах, т. е. вероятность встретить ту или иную цифру в разных разрядах неодинакова. К сожалению, у этого метода есть большой недостаток: часто первая цифра не подчиняется этому закону, поэтому в чистом виде данный закон не везде можно применить. В связи с этим были разработаны модификации, ориентированные на последнюю цифру [17] и сочетание цифр в двух младших разрядах [13]. Также есть метод Бебера-Скакко, который основан на вероятности встретить парные цифры в младших разрядах [12]. Стоит отметить, что все эти методы не лишены недостатков, поэтому в научном сообществе идут активные дискуссии по поводу их применимости [14; 15; 18]. Вторая группа методов более интуитивно понятна для неспециалиста, т. к. основана на поиске аномальных электоральных зависимостей между общими показателями и частными (успех отдельной партии или движения). Два основных метода — это метод Собянина-Суховольского и метод Шпилькина. Первый состоит в построении линейной регрессии для зависимости доли голосов, набираемых партией/кандидатом от уровня явки на избирательных участках (иногда, если их количество достаточно велико, используют более крупные единицы — областная избирательная комиссия или территориальная избирательная комиссия), причём доли партий/кандидатов рассчитываются не от числа полученных бюллетеней, а от списочного числа избирателей. А второй основан на построении гистограммы распределения числа голосов [2]. Считается, что отсутствие фальсификаций приводит к нормальному распределению, а любые аномалии, вроде высокой явки, «круглых» значений, а также наличие участков со 100 % результатом говорит об определённых нарушениях. Безусловно, эти методы также имеют свои недостатки. Начиная с того, что явка не является хорошим маркером искажения результатов выборов, заканчивая тем, что тезис о распределении голосов, близком к нормальному в идеале, достаточно спорен [1]. Больше об использовании данного метода, а также противоречивости такого электорального показателя, как явка, можно узнать в следующих работах [6; 16; 19]. Таким образом, все вышеописанные методы не являются идеальными и имеют свои недостатки.

всего просмотров: 93

Оценка читателей: голосов 0 

1. Бузин А. Ю., Гришин Н. В., Калинин К. О., Коган Д. Л., Коргунюк Ю. Г., Михайлов В. В., Овчинников Б. В., Шалаев Н. Е., Шень А. Х., Шпилькин С. А., Шукшин И. А. Возможности математических методов по выявлению электоральных фальсификаций // Электоральная политика. 2020. № 2 (4). С. 4.
2. Бузин А. Ю., Любарёв А. Е. Преступление без наказания. Административные технологии федеральных выборов 2007–2008 годов. М.: ЦПК «НИККОЛО М»; Центр «Панорама». 2008. С. 197–200.
3. Колосов В. А., Вендина О. И. Социальная поляризация и политическое поведение москвичей // Социологический журнал. 1996. № 3–4. С. 164–175.
4. Корнеева Е. М. Локальный уровень голосования в России: пространственно-эконометрический подход // Политическая наука. 2021. № 3. С. 229–250.
5. Любарёв А. Е. Выборы в Москве: опыт двенадцати лет. 1989–2000. М.: Стольный град, 2001.
6. Мебейн У., Калинин К. Электоральные фальсификации в России: комплексная диагностика выборов 2003–2004, 2007–2008 гг. // Российское электоральное обозрение. 2009. № 2. С. 61.
7. Окунев И. Ю., Горелова Ю. С., Груздева Е. Е. Региональные особенности электорального поведения в Польше: опыт сравнительного пространственного анализа // Сравнительная политика. 2021. № 1. С. 149–160.
8. Окунев И. Ю. Основы пространственного анализа: Монография. М.: Издательство «Аспект Пресс», 2020. 255 с.
9. Подколзина Е. А., Демидова О. А., Кулецкая Л. Е. Пространственное моделирование электоральных предпочтений в Российской Федерации // Пространственная экономика. 2020. Т. 16. № 2. С. 70–100.
10. Пузанов К., Степанцов П. Механика Москвы. Исследование городской среды / Государственное автономное учреждение города Москвы «Московский институт социально-культурных программ», 2015.
11. Эволюция электорального ландшафта. Студенческая монография / Под ред. А. Сидоренко. М.: Комкнига, 2005.
12. Beber B., Scacco A. What the Numbers Say: A Digit-Based Test for Election Fraud // Political Analysis. Vol. 20. 2012. P. 211–234.
13. Deckert J. Benford’s Law and the Detection of Election Fraud. 2008. P. 248.
14. Diekmann A., Andreas Ben J. Benford's Law and Fraud Detection: Facts and Legends // German Economic Review. 2010. No. 11 (3). P. 397–401.
15. Leemann L., Bochsler D. A systematic approach to study electoral fraud // Electoral Studies. 2014. Vol. 35. P. 39–41.
16. Lukinova E. Metastasised Fraud in Russia's 2008 Presidential Election. P. 605.
17. Mebane Walter R. Jr. Comment on «Benford’s Law and the Detection of Election Fraud» // Political Analysis. 2011. Vol. 19. P. 271.
18. Shikano S., Mack V. When Does the Second-Digit Benford’s Law-Test Signal an Election Fraud? Facts or Misleading Test Results // Jahrbucher f. Nationalokonomie u. Statistik (Lucius & Lucius, Stuttgart, 2011). Bd. (Vol.) 231/5+6. P. 719–732.
19. Simpser A. Does Electoral Manipulation Discourage Voter Turnout? Evidence from Mexico // The Journal of Politics. 2012. Vol. 74. No. 3. P. 782–795.
20. Fewster R. M. A Simple Explanation of Benford’s Law // The American Statistician. February 2009. Vol. 63. No. 1. P. 26–32.

Система Orphus

Загрузка...
Вверх