All
 
|
 
 


Application of the local Moran index to detect electoral anomalies
 
PIIS221979310026786-7-1
DOI10.37490/S221979310026786-7
Publication type Article
Status Published
Authors
Ilya Materukhin 
Occupation: Research Intern at the Center for Spatial Analysis in International Relations of the Institute for International Studies
Affiliation: Moscow State Institute of International Relations (University) of the Ministry of Foreign Affairs of the Russian Federation
Address: Russian Federation, Moscow
Journal namePskov Journal of Regional Studies
EditionVolume 19. No3/2023
Pages20-32
Abstract

This article discusses the use of one of the methods of spatial analysis, as the local Moran index, for analyzing election results in order to identify the existence of electoral anomalies. The author conducted a study based on the results of the 2016 parliamentary elections in the context of Moscow districts for the five largest parliamentary parties:“Edinaya Rossiya”, KPRF, LDPR, “Spravedlivaya Rossiya” and “Yabloko”. Cartograms of clusters of spatial autocorrelation were obtained for each batch, according to the results of which areas with abnormal results were identified. Electorally abnormal areas were considered for which a violation of the neighborhood effect was recorded, that is, there was a difference in the voting index from neighboring areas. An analysis was also carried out and possible reasons for these differences were expressed. In conclusion, it was noted that some parties demonstrate uniformity in the territorial distribution of votes, which is why abnormal areas were not allocated. Conclusions were also drawn about the effectiveness of using this spatial analysis method to identify electoral anomalies. At the end, the general results of the work were spelled out, including also possible further ways of developing this topic.

KeywordsMoran's I, spatial autocorrelation, electoral geography, Moscow, parliament elections
Received23.07.2023
Publication date25.09.2023
Number of characters21944
Cite   Download pdf To download PDF you should sign in
100 rub.
When subscribing to an article or issue, the user can download PDF, evaluate the publication or contact the author. Need to register.
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.

views: 92

Readers community rating: votes 0 

1. Buzin A. Yu., Grishin N. V., Kalinin K., Kogan D. L., Korgunyuk Yu. G., Mikhailov V. V., Ovchinnikov B. V., Shalaev N. E., Shen A., Shpilkin S. A., Shukshin I. A. (2020), Using Mathematical Methods for Electoral Fraud Detection, Electoral Politics, no. 2 (4), pp. 4 (In Russ.).
2. Buzin A. Yu., Lyubarev A. E. (2008), Prestuplenie bez nakazaniya. Administrativny`e texnologii federal`ny`x vy`borov 2007–2008 godov [Crime without punishment. Administrative Technologies of the 2007–2008 Federal Elections], Moscow, CzPK “NIKKOLO M”; Centr “Panorama”, pp. 197–200. (In Russ.).
3. Kolosov V. A., Vendina O. I. (1996), Social polarization and political behavior of Muscovites, Sociologicheskij zhurnal [Sociological journal], no. 3–4, pp. 164–175. (In Russ.).
4. Korneeva E. M. (2021), Local voting in Russia: a spatial-econometric approach, Political science (RU), no. 3, pp. 229–250 (In Russ.).
5. Lyubarev A. E. (2001), Vy`bory` v Moskve: opy`t dvenadczati let. 1989–2000 [Elections in Moscow: experience of twelve years. 1989–2000], Moscow. (In Russ.).
6. Mebejn U., Kalinin, K. (2009), Electoral Fraud in Russia: Comprehensive Diagnostics of Elections 2003–2004, 2007–2008, Rossijskoe E`lektoral`noe Obozrenie [Russian electoral review], no. 2, p. 61. (In Russ.).
7. Okunev I. Yu., Gorelova J. S., Gruzdeva E. E. (2021), Regional Disparities of Electoral Behaviour in Poland: Comparative Spatial Analysis, Comparative Politics Russia, no. 1, pp. 149–160. (In Russ.).
8. Okunev I. Yu. (2020), Osnovy` prostranstvennogo analiza: Monografiya [Fundamentals of Spatial Analysis: Monograph], Moscow, Aspekt Press, 255 p. (In Russ.).
9. Podkolzina E. A., Demidova O. A., Kuletskaya L. E. (2020), Spatial Modeling оf Voting Preferences in Russian Federation, Prostranstvennaya Ekonomika [Spatial Economics], vol. 16, no. 2, pp. 70–100 (In Russ.).
10. Puzanov K., Stepanczov P. (2015), Moscow Mechanics. Research of the urban environment / State Autonomous Institution of the City of Moscow “Moscow Institute of Social and Cultural Programs”. (In Russ.).
11. E`volyuciya e`lektoral`nogo landshafta. Studencheskaya monografiya [The evolution of the electoral landscape. Student monograph] (2005), Sidorenko A. (ed.), Moscow, Komkniga, (In Russ.).
12. Beber B. Scacco A. (2012), What the Numbers Say: A Digit-Based Test for Election Fraud, Political Analysis, vol. 20, pp. 211–234.
13. Deckert J. (2008), Benford’s Law and the Detection of Election Fraud. P. 248.
14. Diekmann A., Andreas Ben J. (2010), Benford's Law and Fraud Detection: Facts and Legends, German Economic Review, no. 11 (3), pp. 397–401.
15. Leemann L., Bochsler D. (2014), A systematic approach to study electoral fraud, Electoral Studies, vol. 35, pp. 39–41.
16. Lukinova E. Metastasised Fraud in Russia's 2008 Presidential Election. P. 605.
17. Mebane W. R. Jr. (2011), Comment on «Benford’s Law and the Detection of Election Fraud», Political Analysis, vol. 19, p. 271.
18. Shikano S., Mack V. (2011), 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), bd. (vol.) 231/5+6, pp. 719–732.
19. Simpser A. (2012), Does Electoral Manipulation Discourage Voter Turnout? Evidence from Mexico, The Journal of Politics, vol. 74, no. 3, pp. 782–795.
20. Fewster R. M. (2009), A Simple Explanation of Benford’s Law, The American Statistician, vol. 63, no. 1, pp. 26–32.

Система Orphus

Loading...
Up