Структурные позиции партий в электоральном

Полития, 2007 №4
Ахременко А.С.
Структурные позиции партий в электоральном пространстве и их
результаты на выборах: проблема связи
Понятие «электоральное пространство» еще только приживается как в мировой,
так и в отечественной политической науке. Несмотря на наличие полноценной традиции
пространственного моделирования в западной (прежде всего, американской)
политологии1, и отдельные теоретические дискуссии в России2, данный термин еще далек
от завершенной концептуализации. В данной работе мы будем понимать под
электоральным
пространством
совокупность
альтернатив
электорального
(предъявляемого на выборах избирателям) выбора, обладающую определенной
структурой, которая может быть выражена в пространственных терминах (близость,
удаленность и т.п.). Далее мы покажем, что структурное положение объектов (партий и
кандидатов) в электоральном пространстве может оказывать влияние на тот
результат, который они получают по итогам кампании. Особое внимание будет уделено
такому специфическому феномену, как структурное доминирование.
Линейно-структурный анализ
Под структурой (от лат. structure - строение, расположение) будет иметься в виду
– во вполне традиционном духе - совокупность устойчивых связей объекта,
обеспечивающих сохранение его основных свойств при различных внешних и внутренних
изменениях3. Ключевым понятием в определении структуры является понятие связи.
Применительно к проблемам электорального пространства мы будем говорить о
статистических и, еще более конкретно, о корреляционных связях. Если в общем случае
статистической связи изменение значений независимой переменной приводит к
изменению распределения другой, то в случае корреляционной связи наблюдается
зависимость вариации одной переменной от вариации другой. Операциональными
инструментами измерения корреляционной связи в нашем исследовании станут
коэффициенты корреляции Пирсона и Спирмана. Вычисление первого предъявляет
жесткие требования к распределению переменных, которое должно в целом
соответствовать нормальному. В том случае, если требование нормальности не
реализуемо, мы будем основываться на коэффициенте ранговой корреляции Спирмана
(ранговая корреляция оперирует логикой порядкового уровня измерения: принимаются во
внимание не абсолютные значения, а отношения порядка - возрастания и убывания).
Будем исходить из того, что совокупность корреляционных связей между
объектами электорального выбора играет ключевую роль в задании структуры
электорального пространства. При этом отрицательные корреляционные связи играют
большую структурообразующую роль по сравнению с положительными. Эта
закономерность коренится в самой природе электоральных структур, которые в большей
степени фиксируют различия, нежели сходства. Политический выбор, как и выбор
вообще, строится на отличении некоторого объекта от некоторого другого объекта.
См. подробный обзор зарубежных подходов к пространственному моделированию
электорального процесса: Ахременко А.С. Пространственное моделирование
электорального выбора: развитие, современные проблемы и перспективы. – ПОЛИС, 2007
г., №№1-2.
2
См., напр., материалы круглого стола «Структура и динамика российского
электорального пространства»» - ПОЛИС, 2000 г., №2.
3
Новейшая философская энциклопедия. М.»Мысль», 2000 г. Т.3. , С. 647
1
При этом данная закономерность может не зависеть от «объективной» степени
идеологической близости партий или кандидатов. Так, хорошо известно значительное
идейное сходство республиканцев и демократов в США (получившее объяснение в
классической пространственной модели «лево-правого континуума» Э.Даунса4). Тем не
менее, анализ электоральной статистики показывает наличие очень сильных
отрицательных связей между ключевыми участниками электоральных гонок –
представителями Республиканской и Демократической партий. Ниже приводятся
диаграммы рассеивания и коэффициенты корреляции для президентских выборов в США
1996 г. (Б.Клинтон против Б.Доула) и 2000 г. (Дж.Буш против А.Гора)5:
Выборы 1996 г. r= -0,95 (с удалением объекта в нижнем правом углу диаграммы, который может
считаться потенциальным выбросом, коэффициент снижается всего на три сотых до -0,92).
65
55
45
35
25
15
5
25
35
45
55
65
75
85
95
Выборы 2000 г. r = -0,97
90
80
70
GORE
60
50
40
30
20
0
10
20
30
40
50
60
70
80
BUSH
Возьмем случай с большим числом кандидатов, что характерно для выборов по
системе абсолютного большинства. К примеру, по результатам последних президентских
выборов в России (2004 г.) выявляются следующие корреляционные связи между
кандидатами:
Глазьев
Малышкин
Миронов
Глазьев
1.00
0.46
0.29
Малышкин
0.46
1.00
0.53
Миронов
0.29
0.53
1.00
Путин
-0.65
-0.75
-0.46
Хакамада
0.37
0.35
0.48
Харитонов
0.33
0.55
0.23
Против
всех
0.61
0.64
0.51
См. Downs A. 1957. An Economic Theory of Democracy. N.Y., Harper and Row, а также
Sheplse K.A., Bonchek M.S. 1997. Analyzing Politics. Norton&Company.
5
Принципиально важно, что в обоих случаях в выборах принимали участие независимые
кандидаты, иначе связь по определению была бы функциональной отрицательной (r = -1).
4
Путин
Хакамада
Харитонов
Против
всех
-0.65
0.37
0.33
-0.75
0.35
0.55
-0.46
0.48
0.23
1.00
-0.39
-0.87
-0.39
1.00
-0.03
-0.87
-0.03
1.00
-0.73
0.63
0.37
0.61
0.64
0.51
-0.73
0.63
0.37
1.00
Внимательное изучение матрицы интеркорреляций покажет, что ключевой
особенностью полученных результатов является четкое структурное позиционирование
В.Путина: переменная «электоральная поддержка В.Путина» отрицательно коррелирует
со всеми другими переменными. Если мы очистим матрицу от всех положительных
коэффициентов корреляции, это станет вполне очевидно:
Глазьев
Малышкин
Миронов
Путин
Хакамада
Харитонов
Против
всех
Сумма
Глазьев
Малышкин
Миронов
-0.65
-0.75
-0.46
-0.65
-0.75
-0.46
Путин
-0.65
-0.75
-0.46
Против
всех
Хакамада
Харитонов
-0.39
-0.87
-0.03
-0.73
-0.89
-0.73
-0.39
-0.87
-0.03
-0.73
-3.84
-0.41
Хакамада
Глазьев
0
Миронов
Малышкин
Против всех
Харитонов
Путин
Можно легко рассчитать суммы отрицательных корреляций для каждой
переменной (последняя строка таблицы). Пусть сумма отрицательных коэффициентов
корреляции переменной А со всеми другими переменными (или модуль такой суммы; в
данном случае знак не принципиален, так как он одинаков для всех объектов) будет
вступать мерой структурной удаленности А от всех других переменных, или ее
координатой в линейном структурном континууме. Последний получим, отложив
координаты на линии, как показано ниже (схематично):
Прибавим к структурному линейному континууму еще одно измерение OY, в
котором отложим полученные кандидатами результаты:
80
4
70
60
50
result
40
30
20
10
6 271 5
3
0
-10
-4.5
-4.0
-3.5
-3.0
-2.5
-2.0
-1.5
-1.0
-0.5
0.0
correlation sum
Обозначения: Глазьев – 1, Малышкин – 2, Миронов – 3, Путин – 4, Хакамада – 5, Харитонов – 6,
Против всех – 7.
Получившаяся картина довольно красноречива и наводит на вполне
определенные мысли. Примем в качестве основной гипотезы, что результат партии /
кандидата на выборах зависит от ее / его структурной удаленности от всех других
объектов (то есть положения в структурном линейном континууме). Чем более удален
объект электорального выбора, тем более высокий результат получит партия /
кандидат. Содержательно сумма отрицательных коэффициентов корреляции отражает
контрастность позиционирования кандидата в сознании электората по отношению к
другим кандидатам. Разумеется, речь идет о статистической связи, которая проявится не
во всех изучаемых совокупностях.
На диаграмме хорошо видно, что объекты распределены в линейном
пространстве «неравномерно». Объект электорального выбора «В.Путин» удален от всех
других объектов значительно сильнее, чем любой из его конкурентов. В терминах
кластер-анализа можно говорить о наличии изолированного объекта «В.Путин» и
довольно плотного кластера, включающего всех остальных кандидатов. Будем называть
положение, при котором структурная удаленность объекта А существенно превышает
структурную удаленность каждого из других объектов выбора, структурным
доминированием объекта А. Дополнительная гипотеза заключается в том, что
структурное доминирование способствует достижению победы (или по крайней мере
одной из лидирующих позиций) на выборах.
Все приведенные выше рассуждения имеют институциональное ограничение:
они правомерны для пропорциональных избирательных систем и первых туров в рамках
избирательных систем абсолютного большинства.
Далее мы протестируем гипотезы на данных электоральной статистики как
России, так и ряда стран по всему миру. Методом проверки будет все тот же
корреляционный анализ связи между удаленностью объекта (положением в структурном
линейном континууме) и результатом на выборах. В качестве координаты положения
партии или кандидата в структурном линейном континууме будет взято абсолютное
значение суммы отрицательных коэффициентов корреляции со всеми другими партиями
или кандидатами. Соответственно, подтверждать гипотезу будет наличие отрицательных
связей.
Будет использован как корреляционный анализ по методу Пирсона, так и по
методу Спирмана, причем именно коэффициент Спирмана станет для нас базовым. Это
обусловлено тем, что структурно доминирующие объекты будут с большой силой
«тянуть» на себя линию регрессии, как это происходит в нашем примере с российскими
президентскими выборами. Так, для этого примера коэффициент Пирсона будет равен 0,99; метод же Спирмана дает гораздо более скромные -0,57 (хотя такой коэффициент
также весьма значим и подтверждает нашу гипотезу).
Эмпирический тест линейно-структурных закономерностей.
Протестированный эмпирический массив состоит из трех частей. Первая
охватывает 18 парламентских и президентских выборов в 11 странах мира. Вторая
включает все российские федеральные выборы с 1991 по 2004 год (8 кампаний), третья –
21 кампанию в органы законодательной и представительной власти субъектов РФ с 2004
по 2006 год.
В таблице ниже приведены коэффициенты корреляции между структурной
удаленностью партии / кандидата и результатом на выборах для первой части
эмпирического массива.
Страна
Аргентина
Новая Зеландия
Новая Зеландия
Италия
Италия
Нидерланды
Нидерланды
Греция
Греция
Латвия
Венгрия
Португалия
Португалия
Португалия
Словакия
Словакия
Турция
Бельгия
Выборы
Коэффициент
Пирсона
президентские, 2003 г., 1 тур
-0,78
парламентские, 2002 г.
-0,89
парламентские, 1999.
-0,74
парламентские 1996 г.
-0,35
парламентские 2001 г.
связи нет
парламентские, 2002 г.
-0,97
парламентские 2003 г.
-0,73
парламентские, 2000 г.
-0,78
парламентские, 1996 г.
связи нет
Выборы в Европейский парламент -0,72
2004 г. (статистика по городам и
районам)
парламентские, 2002 г.
-0,82
парламентские, 2002 г
-0,73
президентские, 2001 г
-0,54
парламентские, 1999 г
-0,65
президентские 1999 г.
-0,83
парламентские, 1998 г.
-0,28
парламентские, 2002 г.
-0,24
парламентские, 2006 г.
связи нет
Коэффициент
Спирмана
-0,89
-0,64
-0,46
-0,38
связи нет
-0,83
-0,38
-0,8
связи нет
-0,67
-0,43
-1
-0,9
-0,71
-0,78
-0,45
-0,54
связи нет
Из 18 случаев только в трех не было зафиксировано значимой отрицательной
связи между структурной удаленностью партии / кандидата и результатом на выборах.
Думается, это может служить неплохим основанием обоснованности выдвинутой
гипотезы.
Ниже приводятся диаграммы рассеивания для 12 случаев, когда, партия или
кандидат с наибольшим (по модулю) показателем структурной удаленности заняли первое
(9 случаев) или второе (3 случая) место. По оси OX отложено положение в структурном
линейном континууме, по оси OY – результат на выборах. Кружками выделены партии и
кандидаты, одновременно обладающие значительными показателями структурной
удаленности и высоким результатом.
Аргентина, 2003
Новая Зеландия, 2002
Новая Зеландия, 1999
50
30
40
40
30
20
30
20
10
20
10
0
10
0
-10
-3.0
-2.5
-2.0
-1.5
-1.0
-.5
0.0
.5
Нидерланды, 2002
0
-1.6
-1.6
-1.4
-1.2
-1.0
-.8
-.6
-.4
Нидерланды, 2003
30
-1.4
-1.2
-1.0
-.8
-.6
-.4
-.2
-.2
Греция, 2000
50
30
40
20
20
30
20
10
10
10
0
0
-2.5
-2.0
-1.5
-1.0
-.5
0.0
Латвия, 2004
-2.0
0
-3.0
-2.5
-2.0
-1.5
-1.0
Венгрия, 2002
-1.0
-.5
0.0
Португалия, 2002
40
50
50
30
40
40
30
20
-1.5
-.5
30
20
20
10
10
10
0
0
-2.5
-10
-7
-6
-5
-4
-3
-2
-1
-2.0
-1.5
-1.0
-.5
0.0
0
-2.5
0
Португалия, 2001
Португалия, 1999
60
50
50
40
40
30
-2.0
-1.5
-1.0
-.5
Словакия, 1999
50
40
30
30
20
20
20
10
10
10
0
0
-2.5
-2.0
-1.5
-1.0
-.5
0.0
0
-10
-3.5
-3.0
-2.5
-2.0
-1.5
-1.0
-.5
0.0
-4.0
-3.5
-3.0
-2.5
-2.0
-1.5
-1.0
-.5
Рассмотрим таким же образом все российские федеральные выборы с 1993 по
2003 г. (последние президентские выборы мы осветли выше). Таблица коэффициентов
корреляции Пирсона и Спирмана выглядит следующим образом:
Выборы
Президентские 1991
r Пирсона
-0,98
r Спирмана
-0,86
0.0
Парламентские 1993
Парламентские 1995
Президентские 1996, 1 тур
Парламентские 1999
Президентские 2000
Парламентские 2003
-0,57
-0,72
-0,68
-0,87
-0,76
-0,89
-0,68
-0,54
-0,57
-0,81
-0,26
-0,57
Диаграммы рассеивания:
Президентские 1991
Парламентские 1993
60
Парламентские 1995
30
30
50
20
40
20
10
30
20
10
0
10
-10
0
0
-3.0
-2.5
-2.0
-1.5
-1.0
-.5
0.0
Президентские 1996, 1 тур
-16
-3.5
-3.0
-2.5
-2.0
-1.5
-1.0
-.5
Парламентские 1999
40
-14
-12
-10
-8
-6
-4
-2
0
0.0
Президентские 2000
60
30
50
30
20
40
20
30
10
10
20
10
0
0
0
-10
-5
-4
-3
-2
-1
0
-10
-6
-5
-4
-3
-2
-1
0
-10
-2.5
-2.0
-1.5
-1.0
-.5
Парламентские 2003
40
30
20
10
0
-10
-7
-6
-5
-4
-3
-2
-1
0
Таким образом, все без исключения российские федеральные выборы6
подтверждают отмеченную нами закономерность. Все корреляции между суммой
отрицательных коэффициентов и электоральным результатом превышают 0,5 (за
6
Президентские выборы 2004 г. были рассмотрены выше
0.0
единственным исключением r Спирмана для 2000 г.) по модулю и являются
отрицательными (без исключений). Эффекты структурного доминирования хорошо видны
на примерах выборов 1991 г. (Б.Ельцин), 1995 г. (КПРФ), 1999 г. (КПРФ) и особенно 2003
г. («Единая Россия»). Последний случай, как и случай президентских выборов 2004 г.
можно охарактеризовать как чистый тип структурного доминирования.
Последний блок тестируемых эмпирических данных охватывает серию
российских региональных выборов в законодательные собрания субъектов федерации. В
таблице ниже приведены наименования регионов, год проведения выборов и
соответствующие коэффициенты корреляции. Хронологические рамки (2004 – 2006 гг.)
обусловлены тем, что именно в этот период в регионах устанавливается смешанная
избирательная система, предполагающая формирование не менее половины депутатского
корпуса по партийным спискам.
Регион
Год выборов
Алтайский край
Ярославская область
Республика Татарстан
Тульская область
Сахалинская область
Иркутская область
Читинская область
Калужская область
Курганская область
Архангельская область
Корякский АО
Республика Хакасия
Владимирская область
Воронежская область
Рязанская область
Амурская область
Магаданская область
Белгородская область
Москва
Республика Чувашия
Республика Тыва
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2005
2005
2005
2005
2005
2005
2005
Коэффициент
Пирсона
-0.54
-0.63
-0.99
связи нет
-0.82
-0.83
-0.74
-0.94
-0.9
-0.65
-0.3
связи нет
-0.4
-0.88
-0.53
-0.8
-0.92
-0.96
-0.94
-0.96
-0.77
Коэффициент
Спирмана
-0.2
-0.46
-0.5
связи нет
-0.79
-0.45
-0.6
-0.24
-0.6
-0.74
-0.42
связи нет
-0.1
-0.5
-0.46
-0.72
-0.9
-0.43
-0.75
-0.88
-0.48
На материале выборов в региональные легислатуры гипотеза о связи позиции
партии в линейно-структурном континууме с ее электоральным результатом находит
очередное подтверждение. Из 21 рассмотренного случая только в двух (9%) не
фиксируется статистической связи между дистанцией партии по отношению к
конкурентам в пространстве отрицательных связей и ее электоральной поддержкой. При
этом низкие коэффициенты (менее 0,4 по модулю) наблюдаются лишь в трех случаях,
средние (от 0,4 до 0,7) – в десяти случаях, и высокие (выше 0,7) – в шести случаях.
Структурный анализ методом главных компонент
Другой, несколько более сложный способ анализа связей объектов
электорального выбора, осуществляется с помощью факторного анализа.
В нашем исследовании мы использовали метод главных компонент. В его основе
лежит процедура объединения групп коррелирующих друг с другом переменных (т.н.
«корреляционных плеяд» или «корреляционных узлов») в несколько факторов переменных, не поддающихся непосредственному измерению7.
Принципиальная идея компонентного анализа в какой-то мере схожа с идеей
корреляционного анализа. Если мы геометрически представим множество объектов в nмерном пространстве в виде точек, то сможем построить вектор, «объясняющий»
значительную долю дисперсии (изменчивости) всех исходных признаков. Собственная
дисперсия новой переменной должна быть максимальна, а разброс объектов вокруг нее –
минимален. Такой вектор будет похож на линию регрессии, он станет первой главной
компонентой. В более точном смысле главные компоненты представляют собой линейные
комбинации исходных признаков (как линия регрессии является линейной комбинацией
зависимой и независимой переменной). Далее мы можем построить второй вектор, не
коррелирующий с первым и в этом смысле перпендикулярный ему, таким образом, чтобы
этот вектор «объяснял» максимальную дисперсию, не объясненную первой компонентой.
Продолжая в том же духе, мы в состоянии объяснить всю дисперсию исходных признаков,
- в этот момент число построенных нами векторов окажется равным числу исходных
переменных. При этом объяснительная сила будет снижаться от первой компоненты к
последней. Построив совокупность перпендикулярных (ортогональных) векторов мы
можем перейти от исходной системы координат, заданной изучаемыми признаками, к
новой системе координат, заданной построенными векторами. Такая процедура будет
называться ортогональным преобразованием, так как вращение объектов сохраняет
перпендикулярность координатных осей (и относительное положение объектов).
Схематично это отображено на рисунке ниже:
В результате мы, вдобавок к исходным переменным, получаем равную им по числу
совокупность новых переменных – главных компонент или факторов. Объяснительная
сила факторных переменных, в соответствии с логикой метода главных компонент,
убывает от первого фактора к последнему. Это дает возможность существенно сократить
число переменных, описывающих изучаемый объект, без существенной потери
структурных характеристик: мы просто избавляемся от факторов с наименьшей
объяснительной силой. Например, на президентских выборах 2004 г. пять кандидатов
набрали более 3% голосов: В.Путин, Н.Харитонов, С.Глазьев и позиция «против всех».
Таким образом, имеется пять исходных переменных. Однако метод главных компонент
позволяет объяснить 90% корреляций между ними с помощью всего двух факторных
переменных.
Факторные переменные приобретают соответствующие значения для каждого
случая (т.н. факторные значения, factor scores). На их основе мы в состоянии вычислить
коэффициенты корреляции между исходными переменными и вновь полученными
факторными переменными. Эти коэффициенты называются факторными нагрузками
(factor loadings), которые и являются основой для геометрического представления
пространства связей между переменными. Так как в нашем случае каждая переменная –
это электоральная поддержка политической партии или кандидата, полученное
Подробнее по факторному анализу см. Ахременко А.С. Политический анализ и прогнозирование. Учебное
пособие. – М.: «Гардарики», 2006.
7
геометрическое представление будет представлением электорального пространства как
совокупности связей между объектами электорального выбора.
Факторные нагрузки для двухкомпонентной модели выборов 2004 г. следующие:
Переменные
Глазьев (GLAZ)
Путин (PUTIN)
Хакамада (HAKAM)
Харитонов (HARIT)
Против всех (PROTIV)
Объясненная вариация
От всей вариации
Ф1
0.916404
-0.94703
0.586114
0.69684
0.883808
3.346902
0.66938
Ф2
0.078822
0.292138
0.725736
-0.68916
0.293389
1.179262
0.235852
Геометрическое представление делает эти данные более наглядными. Отложим
нагрузки на первый фактор по оси абсцисс, на второй – по оси ординат.
1.0
HAKAM
0.8
0.6
Factor 2
0.4
PROTIV
PUTIN
0.2
GLAZ
0.0
-0.2
-0.4
-0.6
-0.8
-1.2
HARIT
-0.8
-0.4
0.0
0.4
0.8
1.2
Factor 1
На этом рисунке мы имеем факторное отображение электорального пространства
на выборах 2004 г. Большие дистанции по линиям OX и OY отражают удаленность
альтернатив по каждой из этих компонент. Альтернативы, занимающие «полярные»
позиции на осях факторных переменных (математически, имеющие самые большие по
модулю нагрузки на соответствующие факторы) мы будем далее называть структурными
оппозициями. Так, в рассматриваемом случае по оси второй факторной переменной (OY)
находятся И.Хакамада и Н.Харитонов. Содержательная интерпретация структурных
оппозиций – ключ к пониманию структурной организации электорального пространства.
Структурным доминированием мы будем называть такое положение объекта в
структурном линейном континууме, когда он находится в структурной оппозиции всем
или большинству оставшихся объектов. Математически, объект A является структурно
доминирующим в том случае, если факторные нагрузки А на фактор n противоположны
по знаку факторным нагрузкам на n всех остальных переменных. В ситуации
структурного доминирования факторная оппозиция приобретает характер «А против всех
остальных». В нашем случае структурным доминированием по первой компоненте
обладает переменная «поддержка В.Путина», которая «противостоит» (в пространстве
корреляционных связей) всем другим альтернативам.
Существует возможность количественно оценить интенсивность структурного
доминирования объекта. Выше, в линейно-структурном анализе, мы использовали в
качестве показателя структурного положения суммы отрицательных коэффициентов
корреляции. В данном случае уместно использовать сумму разностей факторных
нагрузок объекта А и всех остальных объектов:
F-dist = ∑(A - ni), где ni – факторные нагрузки на каждый объект электорального
выбора, за исключением А.
Назовем этот показатель факторно-структурной дистанцией объекта А (F-dist)8.
Чем больше его значение, тем сильнее структурное доминирование А.
Выдвигаемая нами гипотеза относительно связи структурного положения объекта с
его электоральным результатом созвучна тому предположению, которое было
сформулировано в рамках линейно-структурного анализа. А именно: факторноструктурное доминирование кандидата или партии в электоральном пространстве
способствует получению этой партией или кандидатом большего числа голосов на
выборах. Существует прямая статистическая связь между значением факторноструктурной дистанции и числом (долей) голосов, получаемых объектом электорального
выбора. Говоря проще, чем более контрастно расположен объект в пространстве связей,
чем более он удален от других объектов, тем выше шансы на победу.
Рассмотрим под этим углом зрения результаты выборов в Государственную Думу
2003 г. Особенность этой кампании заключалась в том, что и на общефедеральном уровне
(на основании данных по избирательным комиссиям субъектов федерации), и на уровне
большинства регионов (на основании данных территориальных избирательных комиссий)
наблюдается структурное доминирование партии «Единая Россия». Это вполне логично
вытекает из господства «партии власти» в информационном поле, ее поддержки со
стороны властных элит и т.д. Так, для России в целом пространство первых двух
компонент выглядит следующим образом:
0.8
SPS
0.6
YABL
0.4
ER
PROTIV
PENS
RODINA
Factor 2
0.2
0.0
LDPR
-0.2
-0.4
-0.6
APR KPRF
-0.8
-1.0
-1.2
-0.8
-0.4
0.0
0.4
0.8
1.2
Factor 1
СПС (SPS), Российская партия пенсионеров – Партия социальной справедливости (PENS),
«Яблоко» (YABL), АПР (APR), «Родина» (RODINA), ЛДПР (LDPR), «Единая Россия» (ER), КПРФ (KPRF),
«Против всех» (PROTIV)
Аналогичная картина характерна для многих регионов.
Гипотезу о связи структурного доминирования с результатом партии можно
протестировать количественно. В качестве показателя интенсивности структурного
доминирования возьмем охарактеризованную выше переменную «факторно-структурная
Чтобы стандартизировать данный показатель, его следует разделить на общее число
исходных переменных (объектов электорального выбора)
8
дистанция», рассчитанную для «Единой России» по 79 регионам9 на основании
факторного анализа данных территориальных избирательных комиссий. Вторая
анализируемая переменная – электоральная поддержка (процент голосов) «Единой
России» в этих регионах.
Коэффициент корреляции (Спирмана) между этими переменными составляет
0.59. Таким образом, между факторно-структурной дистанцией и уровнем поддержки
«Единой России» наблюдается значимая, довольно плотная положительная связь. Это
целиком соответствует нашим ожиданиям.
В таблице ниже приводятся данные, на основании которых были сделаны
расчеты.
Республика Адыгея (Адыгея)
Республика Алтай
Республика Башкортостан
Республика Бурятия
Республика Дагестан
Кабардино-Балкарская Республика
Карачаево-Черкесская Республика
Республика Карелия
Республика Коми
Республика Марий Эл
Республика Мордовия
Республика Саха (Якутия)
Республика Северная Осетия Алания
Республика Татарстан (Татарстан)
Республика Тыва
Удмуртская Республика
Республика Хакасия
Чеченская Республика
Чувашская Республика - Чувашия
Алтайский край
Краснодарский край
Красноярский край
Приморский край
Ставропольский край
Хабаровский край
Архангельская область
Белгородская область
Брянская область
Владимирская область
Волгоградская область
Вологодская область
Воронежская область
Ивановская область
Иркутская область
Калининградская область
Калужская область
Камчатская область
Кемеровская область
8.75
0.12
8.51
6.82
6.14
8.45
6.32
6.82
6.61
7.44
9.60
4.36
51.27
26.36
38.85
34.69
65.93
76.98
49.59
37.87
32.96
34.57
76.05
38.90
Костромская область
Курганская область
Курская область
Ленинградская область
Липецкая область
Магаданская область
Московская область
Мурманская область
Нижегородская область
Новгородская область
Новосибирская область
Омская область
2.86
9.52
8.98
9.14
5.80
9.02
7.15
0.94
2.10
5.21
6.06
0.95
7.21
7.11
6.90
3.80
5.53
1.51
5.54
5.33
5.99
6.96
7.87
6.36
7.73
8.60
46.72
59.53
66.83
42.15
30.36
79.77
37.32
29.63
37.05
29.90
27.53
32.01
34.31
37.93
33.06
34.71
30.37
28.88
38.94
25.86
33.60
32.79
31.98
35.09
34.95
52.13
Оренбургская область
Орловская область
Пензенская область
Пермская область
Псковская область
Ростовская область
Рязанская область
Самарская область
Саратовская область
Сахалинская область
Свердловская область
Смоленская область
Тамбовская область
Тверская область
Томская область
Тульская область
Тюменская область
Ульяновская область
Челябинская область
Читинская область
Ярославская область
город Москва
город Санкт-Петербург
Еврейская автономная область
Коми-Пермяцкий автономный округ
Усть-Ордынский Бурятский
«ЕР» %
F-dist
«ЕР» %
Субъект федерации
F-dist
Субъект федерации
5.67
0.24
4.74
5.93
5.62
7.00
33.57
6.16
6.29
7.76
6.02
7.12
34.12
33.59
30.11
38.11
28.21
34.36
2.82
8.81
9.03
6.04
6.28
7.64
5.64
6.79
8.51
5.06
5.30
6.65
7.64
6.67
7.07
1.09
6.93
8.12
5.62
3.27
6.13
7.44
6.65
7.97
6.95
7.10
27.59
44.62
45.14
30.73
37.15
38.99
31.69
32.59
44.33
30.13
34.13
37.25
28.98
34.53
34.01
29.86
49.67
34.00
33.79
38.09
35.65
34.35
30.72
42.21
46.29
46.37
39.19
31.96
37.08
28.92
32.74
Из анализа были исключены регионы (прежде всего, автономные округа), в которых не
набралось статистически значимого количества территориальных избирательных
комиссий.
9
Кировская область
1.57
автономный округ
Ханты-Мансийский автономный
округ - Югра
Ямало-Ненецкий автономный округ
32.88
6.95
9.39
41.25
45.83
В целом, примечательная особенность структурной динамики электорального
пространства современной России в период с 1991 по 2004 г. заключается в движении от
лево-правой поляризации к структурному доминированию «партии власти». Остановимся
на этом несколько подробнее.
С точки зрения структурных характеристик может быть выделено три периода в
эволюции электорального пространства современной России. Первый охватывает
«установочную» эпоху, начиная с президентских выборов 1991 года и заканчивая
президентскими выборами 1996 года. Он характеризуется, прежде всего, выраженным
доминированием раскола между «державно-консервативными» левыми политическими
силами и
«либерально-реформистскими» правыми. Ниже приводятся диаграммы,
отражающие расположение объектов электорального выбора10 в пространстве первых
двух факторных переменных.
Президентские выборы 1991 г.
Парламентские выборы 1993 г.
0.8
0.6
LDPR
ZHIR91
0.4
0.6
YABL
RYZHK91
0.2
0.4
0.2
KPRF
RDDR
VR
-0.2
Factor 2
Factor 2
0.0
YELTZ91
-0.4
PROTIV91
0.0
-0.2
APR
-0.4
-0.6
JR
-0.6
MAKASHOV91
-0.8
PRES
-0.8
-1.0
-1.2
-0.8
-0.4
0.0
0.4
0.8
-1.0
-1.0
1.2
-0.6
-0.2
0.2
0.6
1.0
Factor 1
Factor 1
Обозначения: Ельцин (YELTZ91), Рыжков (RYZHK91);
Жириновский (ZHIR91); Макашов (MAKASHOV); Против
всех (PROTIV91). Переменные «поддержка А.Тулеева» и
«поддержка В.Бакатина» исключены из анализа в силу
сильного несоответствия нормальному распределению.
Обозначения: Аграрная партия России (APR), «Яблоко»
(YABL), Выбор России (VR), КПРФ (KPRF), ЛДПР
(LDPR), Партия российского единства и согласия
(PRES), Женщины России (JR), Российское движение
демократических реформ (RDDR).
Парламентские выборы 1995 г.
Президентские выборы 1996 г.
0.8
1.0
JIRIN
LEBED
LDPR
0.6
0.8
0.4
0.6
PROTIV
YAVL
0.2
0.4
0.2
KTR
KRO
Factor 2
Factor 2
ZUGAN
PROTIV
YABL
0.0
KPRF
APR
-0.2
0.0
-0.2
-0.4
-0.6
-0.4
DVR
-0.8
-1.0
-0.8
-0.6
-0.4
-0.2
Factor 1
YELTS
-0.8
NDR
-0.6
0.0
0.2
0.4
0.6
0.8
-1.0
-1.2
-0.8
-0.4
0.0
0.4
0.8
1.2
Factor 1
Чтобы не «перегружать» модели, определенные ограничения вводятся для числа участвующих в анализе
политических партий, избирательных объединений и кандидатов. В общем случае рассматриваются только
те из них, которые сумели получить 3% и более голосов избирателей. 3%-ный критерий является в
значительной мере традиционным для международных исследований в электоральной сфере
10
Обозначения: «Наш дом – Россия» (NDR), «Яблоко»
(YABL),
«Демократический
выбор
России
–
объединенные демократы» (DVR), КПРФ (KPRF),
Конгресс русских общин (KRO), ЛДПР (LDPR),
Коммунисты – трудовая Россия – За СССР (KTR),
Аграрная партия России (APR), Против всех (Protiv).
Обозначения: Б.Ельцин (YELTS), В.Жириновский
(JIRIN), Г.Зюганов (ZUGAN), А.Лебедь (LEBED),
Г.Явлинский (YAVL), Против всех (Protiv).
На выборах 1991 г. мы наблюдаем по первой факторной (горизонтальной) оси
раскол «Б.Ельцин (единый кандидат демократических сил) – все остальные (все, кроме
В.Жириновского – члены КПСС). В 1993 г. структурную оппозицию образуют КПРФ и
АПР (левый фланг) и РДДР, «Выбор России» и «Яблоко» (правый фланг). В 1995 г., как
отмечалось выше, наблюдается противостояние лево-консервативного «кластера» в
составе КТР – СССР, АПР и КПРФ «Яблоку» и, в несколько меньшей степени,
«Демократическому выбору России». В 1996 г. Г.Зюганов противостоит всем
«некоммунистическим» кандидатам.
Следующий электоральный цикл, охватывающий парламентские выборы 1999 г.
и президентские выборы 2000 г., можно считать переходным: от идеологического раскола
«левые – правые» к расколу «власть – оппозиция». Позиции партий и кандидатов в
электоральном пространстве показаны на диаграммах ниже:
Парламентские выборы 1999 г.
Президентские выборы 2000 г.
0.8
1.2
OVR
0.6
ZUGAN
YABL
SPS
0.8
0.4
PROTIV
0.4
0.0
-0.2
Factor 2
Factor 2
0.2
KPRF
BJ
-0.4
TULEEV
JIRIN
0.0
-0.6
-1.0
-1.0
PROTIV
-0.4
EDIN
-0.8
YAVLIN
PUTIN
-0.6
-0.2
0.2
0.6
1.0
Factor 1
Обозначения: «Яблоко» (YABL), «Единство» (EDIN),
«Блок Жириновского» (BJ), Отечество – Вся Россия
(OVR), КПРФ (KPRF), СПС (SPS), «Против всех»
(PROTIV).
-0.8
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
Factor 1
Обозначения: В.Жириновский (JIRIN), Г.Зюганов
(ZUGAN), В.Путин (PUTIN), А.Тулеев (TULEEV),
Г.Явлинский (YAVLIN), «Против всех» (PROTIV).
Так, в 1999 г. лево-правый раскол еще можно считать базовым: структурную
оппозицию по оси первого фактора формируют КПРФ и «Яблоко» с СПС (вместе с
позицией «против всех»). Борьба «партий власти» - «Единства» и ОВР отражена лишь по
линии второго фактора. Однако уже в 2000 г. ситуация меняется принципиально:
ключевая оппозиция разделяет и.о. президента В.Путина и всех остальных кандидатов. В
отличие от выборов 1991 и 1996 г., картина явно не вписывается в традиционный формат
«левые консерваторы – правые реформаторы». С 2000 г. постепенно начинает
доминировать раскол «действующая власть – альтернативы действующей власти»,
выходящий на ось первого фактора.
Указанная тенденция полостью закрепляется в электоральном цикле 2003 – 2004
г. Диаграммы факторного анализа вполне красноречивы:
Парламентские выборы 2003 г.
Президентские выборы 2004 г.
0.8
1.0
SPS
0.6
YABL
0.4
0.6
ER
PROTIV
PENS
RODINA
0.4
0.0
Factor 2
Factor 2
0.2
LDPR
-0.2
-0.4
PROTIV
PUTIN
0.2
GLAZ
0.0
-0.2
-0.6
-0.4
APR KPRF
-0.8
-1.0
-1.2
HAKAM
0.8
-0.6
-0.8
-0.4
0.0
0.4
0.8
1.2
Factor 1
Обозначения:
СПС
(SPS),
Российская
партия
пенсионеров – Партия социальной справедливости
(PENS), «Яблоко» (YABL), АПР (APR), «Родина»
(RODINA), ЛДПР (LDPR), «Единая Россия» (ER),
КПРФ (KPRF), «Против всех» (PROTIV)
-0.8
-1.2
HARIT
-0.8
-0.4
0.0
0.4
0.8
1.2
Factor 1
Обозначения: Глазьев (GLAZ), Путин (PUTIN),
Хакамада (HAKAM), Харитонов (HARIT), Против всех
(PROTIV)
В обеих кампаниях мы наблюдаем «партию власти» (в 2003 г.) и инкумбента (в
2004 г.) в качестве структурно доминирующей альтернативы. При этом их электоральные
результаты становятся все более впечатляющими. На парламентских выборах 2003 г.
«Единая Россия» получила 37.6% голосов. Результат же В.Путина в 2004 г. просто
беспрецедентно высок: 71,3%.
В целом, в восьми федеральных кампаниях структурное доминирование одного
объекта электорального выбора наблюдается пять раз:
Случай структурного доминирования
Результат
Б.Ельцин, 1991 г.
победа в 1 туре
Г.Зюганов, 1996 г.
второе место
В.Путин, 2000 г.
победа в 1 туре
«Единая Россия», 2003 г.
первое место
В.Путин, 2004 г.
победа в 1 туре
Единственный кандидат, не сумевший победить в позиции структурного
доминирования – Г.Зюганов в 1996 г. Здесь необходимо сделать поправку на количество
туров. В системе относительного большинства либо при преодолении 50%-ой отметки в
системе абсолютного большинства в первом туре, структурное доминирование характерно
для победителя. Однако в том случае, если кампания переходит ко второму туру, позиция
структурного доминирования начинает работать против того, кто ее занимает.
Это объясняется следующим образом. Между первым и вторым туром переходит
перераспределение поддержки от выбывших кандидатов к двум оставшимся в кампании
лидерам. Вполне естественно, что голоса передаются легче тому кандидату, который
находится на том же полюсе базовой структурной оппозиции, «по одну и ту же строну»
наиболее принципиального размежевания. Голоса наиболее крупных «держателей
электората» - прежде всего А.Лебедя, Г.Явлинского и, в меньшей степени,
В.Жириновского – распределились между Б.Ельциным и Г.Зюгановым явно в пользу
первого (действующий президент прибавил во втором туре почти 20% голосов, тогда как
его оппонент – лишь около 8%).
Итак, мы рассмотрели проблему связи между структурным положением партии
(кандидата) и результатом на выборах на четырех массивах данных: парламентские и
президентские выборы в разрезе регионов 11 стран мира (с акцентом на Европу), все
федеральные выборы в России (также в разрезе регионов), 21 кампанию по выборам
депутатов легислатур российских субъектов федерации и парламентские выборы 2003 г. в
разрезе территориальных комиссий по 79 регионам РФ в отдельности. Для каждого блока
данных были получены значимые результаты. Думается, что применительно к России
наличие связи электорального результата и структурного положения можно считать
доказанным (связи, в основном, далеки от функциональных; но для такого сложного
феномена, как электоральное поведение, наличие «железных законов» трудно себе
представить). Что же касается кросснациональных исследований, то здесь выводы носят
самый предварительный характер и требуют дополнительной эмпирической проверки.
Сведения об авторе
Ахременко Андрей Сергеевич, 1977 г.р.
Ученое звание – доцент, ученая степень – кандидат политических наук,
должность – доцент кафедры государственной политики отделения политологии
философского факультета МГУ имени М.В.Ломоносова.
На философском факультете читает курс «Политический анализ и
прогнозирование» для студентов отделения политологии, образовательных программ
«Политический менеджмент и связи с общественностью», «Экономическая политика»,
«Экологическая политика», спецкурс «Моделирование индивидуального и группового
выбора».
Автор ряда учебных пособий, в том числе «Политический анализ и
прогнозирование», М., «Гардарики», 2006, 21 п.л.
Область научных интересов: количественные исследования электоральных
процессов, методологические проблемы политической науки, политический процесс в
регионах России.
Адрес электронной почты: Ahremenko@yandex.ru