Доклады Центра эмпирических политических исследований спбгу издаются с 2000 года Выпуск 7
| Вид материала | Доклад |
- Доклады Центра эмпирических политических исследований спбгу издаются с 2000 года Выпуск, 1921.36kb.
- Доклады Центра эмпирических политических исследований спбгу издаются с 2000 года Выпуск, 1901.41kb.
- Доклады Центра эмпирических политических исследований спбгу издаются с 2000 года Выпуск, 1749.95kb.
- Доклады Центра эмпирических политических исследований спбгу выпуск, 2069.2kb.
- Доклады Центра эмпирических политических исследований, 1729.69kb.
- А. И. Стребкова теория и история политических институтов учебное пособие, 6519.62kb.
- Российского Фонда Фундаментальных Исследований. Настоящий сборник тезисов доклад, 2188.41kb.
- Российского Фонда Фундаментальных Исследований. Настоящий сборник тезисов доклад, 1778.8kb.
- Выпуск 3, 4164.91kb.
- Глобализация и социальная безопасность, 222.4kb.
* В данную группу вошли руководители и сотрудники неправительственных общественных организаций, рабочие, крестьяне, руководители партийных организаций в регионах.
И с т о ч н и к и: Крыштановская О.В. Анатомия российской элиты. М., 2005. С. 148; Краткие биографии депутатов // Власть. 2004. № 2. С. 60–86.
Из данных табл. 1 видно, что в рассматриваемый период «социальные группы-поставщики» (Крыштановская, 149) элитных кадров меняли свое значение: роль некоторых падала (интеллигенция, руководители партий), значение других возрастало (руководители министерств и ведомств, сотрудники региональных администраций, военные и офицеры спецслужб, бизнесмены).
Возросшие возможности бизнеса делегировать своих представителей во власть и оказывать влияние на принятие стратегических политических решений дали основание Гаман-Голутвиной говорить «о полноценной революции элит» в 90-е годы XX в., которые «стали беспрецедентным периодом в российской истории с точки зрения влияния крупного капитала на политический процесс» (Гаман-Голутвина, 320). Влияние отраслевых лобби на выработку политического курса оставалось высоким на протяжении всего периода президентства Б.Н. Ельцина. Особенностью постсоветской эволюции элит стало то, что, начиная с середины 90-х годов, крупнейшие политико-финансовые кланы не просто делегировали представительство своих интересов группам давления, но и сами выступали ведущими акторами политического процесса. Подобное слияние власти и собственности и дало основание определить сложившуюся политическую систему как олигархическую. Ведущими элементами этой системы выступали высшая государственная бюрократия и крупнейшие корпоративные структуры. «В период президентства Б.Н. Ельцина огромное влияние бизнеса на политические процессы – как на федеральном уровне, так и в городах и регионах – было бесспорным, и многие аналитики обозначали существовавший режим как “олигархический”» (Ледяев, 78).
Избрание президентом В.В. Путина ознаменовало новый подход власти к взаимоотношениям с бизнес-структурами. Существенное снижение влияния экономической элиты стало стратегической линией Путина в области внутренней политики. Новые отношения государства с бизнесом нашли отражение и в изменении персонального состава путинской элиты. Существенно укрепились позиции бюрократии, которая стала вытеснять выходцев из крупного бизнеса. Удельный вес руководителей министерств и ведомств как представителей административной элиты достиг в Государственной Думе четвертого созыва 18% против 12% в Государственной Думе предыдущего созыва.
Еще на одну тенденцию обновления состава элиты указывает возрастание численности бывших и действующих сотрудников военных и специальных ведомств. Их вхождение в структуры государственного управления продолжается. Такая тенденция стала причиной появления в печати публикаций, авторы которых выдвинули тезис о формировании нового правящего слоя – «милитократии». Но не все исследователи готовы согласиться с подобной точкой зрения. Например, Гаман-Голутвина считает, что темпы вхождения во власть представителей бизнеса заметно опережают аналогичные показатели относительно военных. За первые годы правления Путина удельный вес выходцев из бизнеса вырос на 2% и достиг 20%, а доля представителей военной элиты увеличилась только на 1% и составила 12% (табл. 1). Можно сделать вывод, что в составе Государственной Думы присутствие представителей деловых кругов остается достаточно заметным. Следует отметить также существенное увеличение удельного веса административной элиты (центральной и региональной) среди депутатов Государственной Думы: доля руководителей министерств и ведомств в период с 1999 по 2003 г. возросла с 12% до 18%, а доля сотрудников региональных администраций – с 11% до 18%. В Государственной Думе четвертого созыва представители административной элиты составляли наиболее многочисленную в сравнении с представителями других элитных групп часть депутатского корпуса.
Анализируя качественный состав Государственной Думы за последние 10 лет, можно говорить о том, что основным источником пополнения политической элиты стала преимущественно военная и гражданская бюрократия (доля ее представителей увеличилась с 31% в 1993 г. до 48% в 2003 г.), которая полностью восстановила влияние, пошатнувшееся в середине 90-х годов XX века.
Изучая состав нижней палаты, следует отметить тот факт, что во всех трех составах процент лиц, занимавших руководящие должности в советский период, менялся. В Государственной Думе 1993 г. только 45% депутатов занимали руководящие должности в 1991 г. К 1999 г. их доля уменьшилась до 30%, а в 2003 г. вновь увеличилась до 50%. Можно сделать вывод о том, что причастность к советской номенклатуре перестала считаться негативным фактом биографии кандидата на выборах (Крыштановская, 147). Анализ данных следующей таблицы позволяет выявить число лиц, которые были представителями административной элиты еще в советский период и которые на сегодняшний день продолжают оказывать влияние на принятие политических решений в качестве депутатов Государственной Думы.
Таблица 2. Род занятий депутатов Государственной Думы
четвертого созыва в 1991 г.
Категории депутатов | чел. | % от числа депутатов |
| Руководители предприятий | 71 | 16 |
| Руководители министерств и ведомств | 38 | 9 |
| Руководители советов и исполкомов советов | 37 | 9 |
| Руководители учреждений науки, образования, культуры, СМИ | 21 | 5 |
| Руководители партийных органов | 25 | 6 |
| Руководители профсоюзных органов | 12 | 3 |
| Руководители комсомольских органов | 12 | 3 |
Всего из руководящих работников | 216 | 51 |
* Остальные 49% депутатов были рядовыми представителями различных социально-профессиональных групп.
И с т о ч н и к: Краткие биографии депутатов // Власть. 2004. № 2. С. 60–86.
Из данных табл. 2 видно, что 68% депутатов Думы четвертого созыва, входивших в состав советской правящей элиты в 1991 г., являются представителями административной элиты и в современной России (директора предприятий, министры, руководители исполкомов советов). Они составляют 33% от общего числа депутатов Государственной Думы.
Аналогичные процессы можно наблюдать и в верхней палате парламента (табл. 3).
Таблица 3. Социальный состав Совета Федерации России в 1993 – 2003 гг.
(% от числа депутатов)
| Социальные группы | 1993 г. | 2002 г. |
| Представители интеллигенции | 32 | 22 |
| Руководители министерств и ведомств | 33 | 27 |
| Сотрудники региональных администраций | 11 | 18 |
| Военные и офицеры госбезопасности | 4 | 12 |
| Бизнесмены | 7 | 15 |
| Руководители партий | 2 | 2 |
| Руководители СМИ | 0 | 0 |
| Другие* | 11 | 4 |
* В данную группу вошли руководители и сотрудники неправительственных общественных организаций, рабочие, крестьяне, руководители партийных организаций в регионах.
И с т о ч н и к и: Крыштановская О.В. Анатомия российской элиты. М., 2005. С. 148; Краткие биографии. Весь Совет Федерации // Власть. 2002. №7.
Анализ данных табл. 3 показывает, что число лиц, относящихся к группе руководителей министерств и ведомств, несколько уменьшилось, но значительно увеличилась доля сотрудников региональных администраций (с 11% в 1993 г. до 18% в 2003 г.), представителей силовых структур (соответственно с 4% до 12%) и бизнес-элиты (соответственно с 7% до15%). Несмотря на такой характер изменений в составе верхней палаты, общая доля представителей административной элиты осталась достаточно значительной (в 1993 г. их удельный вес составлял 44%, а в 2003 г. – 45%).
На основе проведенного анализа можно сделать вывод о том, что военная и административная бюрократия продолжают оставаться основными источниками пополнения политической элиты и занимают значительные позиции в обеих палатах Федерального Собрания.
Литература
Ашин Г.К., Понеделков A.B., Игнатов В.Г., Старостин A.M. Основы политической элитологии. М., 1999.
Гаман О.В. Политические элиты: эволюция теоретических концепций. М., 1996.
Гаман-Голутвина О.В. Определение основных понятий элитологии // Политические исследования. 2000. № 3.
Гаман-Голутвина О.В. Политические элиты России: вехи исторической эволюции. М., 2006.
Зудин А. Властные элиты современной России. Ростов-на-Дону, 2004.
Колесник Н.В. Исследование российской элиты: в поисках теоретических оснований // Власть и элиты в современной России / Под ред. А.В. Дуки. СПб., 2003.
Крыштановская О.В. Анатомия российской элиты. М., 2005.
Ледяев В.Т. Модели эмпирического исследования власти // Власть и элиты в современной России / Под ред. А.В. Дуки. СПб., 2003.
Леушкин С.Г. Региональные политико-административные элиты современной России. М., 2001.
Мохов В.П. Элитизм как способ анализа властных трансформаций в России // Власть и элиты в современной России / Под ред. А.В. Дуки. СПб., 2003.
Региональные элиты России: проблемы, подходы, гипотезы: Программа исследования / Под ред. А.В. Дуки. СПб., 1999.
Региональные элиты Северо-Запада России: политические и экономические ориентации / Под ред. А.В. Дуки. СПб., 2001.
Giddens A. Elite in British Class Structure // The Sociolfl of Elites. Vol. 1. The Study of Elites / Ed. by J. Scott. Aldershot; Brookfield, 1990.
МЕТОДЫ ПОЛИТИЧЕСКОГО АНАЛИЗА
________________________________________________________
Г.В. Добромелов
ИСПОЛЬЗОВАНИЕ РЕГРЕССИОННЫХ МОДЕЛЕЙ
ДЛЯ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ВЫБОРОВ
В течение последних двух десятилетий существенно вырос интерес к прогнозированию результатов выборов. Он привел к появлению большого количества статистических моделей, которые адекватно соответствуют задачам электоральных прогнозов и с достаточно большой точностью предсказывают победителя на выборах. В России до последнего времени вопросам прогнозирования результатов выборов уделялось не очень пристальное внимание. Это вызвано как непродолжительной электоральной историей, так и частым изменением институциональных рамок голосования и избирательной процедуры.
Электоральное прогнозирование отличается от прочих отраслей политической науки тем, что тесно связано со статистическими методами анализа и математическим моделированием и сближает политологию с естественнонаучными дисциплинами.
Построение прогнозных моделей результатов выборов имеет в своей основе две задачи. Первую – определение результатов выборов с позиции поражения или победы того или иного кандидата или партии, и вторую – предсказание процента, который получит каждый из участников предвыборной гонки. И в зависимости от того, какая из задач является приоритетной, а это определяется типом выборов, характеристикой избирательной системы и прочими институциональными условиями, используется тот или иной метод построения прогнозных моделей.
Различаются и данные, которые используют для построения прогнозных моделей и объяснительных гипотез голосования. В моделях основное внимание уделяется политическим и экономическим индикаторам, которые изменяются между выборами, а также макроэкономическим условиям и рейтингам популярности кандидатов и партий. В объяснительных же гипотезах электорального поведения используются междисциплинарные данные для того, чтобы определить различия в поведении избирателей в течение одного и того же промежутка времени. Тем не менее, при построении прогнозных моделей ученые вынуждены опираться на теории электорального поведения, хотя зачастую они и не гарантируют точность прогноза. Например, долгое время в концепциях электорального поведения уделялось большое внимание индикатору «поддержки кандидата/партии», который рассматривался в качестве крайне важного фактора, определяющего индивидуальное голосование. Однако, несмотря на то, что этот индикатор сохраняется от выборов к выборам, прогнозисты не включают его в прогнозные модели, поскольку он не дает нужного качества прогноза.
Для прогнозирования исхода голосования с позиции: «победит – не победит» исследователи предпочитают использовать различного рода индикаторы, которые с высокой долей вероятности предсказывают итогового победителя выборов. Наиболее распространенными являются индикаторы, предложенные Дж. Кэмпбеллом, Дж. Гэллапом и У. Литманом. В частности Кэмпбелл, изучив результаты выборов с 1952 по 2000 г., предложил рассматривать изменение «темпов роста» валового внутреннего продукта (ВВП) во второй четверти года выборов (апрель, май и июнь). Согласно его модели, если темпы роста ВВП во второй четверти года составляют 2,6 % или выше, то президент или другой кандидат от инкамбента, вероятнее всего, выиграет выборы. Если темп роста составляет 1,5 % или ниже, то президентская сторона, вероятнее всего, проиграет выборы. Если темп роста экономики находится между 1,5 % и 2,6 %, то этот индикатор не сможет быть основанием для точного прогноза.
Гэллап пошел по пути конструирования индикатора на базе опросов общественного мнения. На основании обобщения ответов на вопрос: «Одобряете ли Вы или относитесь неодобрительно к работе президента?» им был сделан вывод о том, что если оценка одобрения деятельности президента в середине июня в год выборов составляет 51 % или выше, то президент или другой кандидат от инкамбента, вероятно победит. А если оценка одобрения составляет 45 % или ниже, то он проиграет. Если же оценка одобрения находится между 45 % и 51 %, то индикатор не обеспечивает точного предсказания победителя.
Комплексный индикатор Литмана направлен на прогнозирование результатов выборов в том случае, если в них участвует инкамбент. Индикатор состоит из 13 переменных. Каждая переменная – это суждение, которое в случае соответствия ему либо приближает кандидата к победе на перевыборах, либо в случае несоответствия отдаляет. Если конкретному инкамбенту соответствует семь или более суждений, то, вероятнее всего, он останется у власти.
Относительно недавно получил распространение еще один способ прогнозирования: индикатор – «тотализатор». В качестве критерия составления прогноза в нем выступает количество ставок, сделанных на победу того или иного кандидата. В США наиболее известен «Электронный рынок» в Айове, а в Великобритании по схожей модели работает система ставок агентства Рейтер.
Но метод единичных либо комплексных индикаторов имеет существенные ограничения применения. Он эффективно предсказывает итоги выборов в странах с мажоритарной избирательной системой с одномандатными округами. В этом случае для прогноза достаточно знать шансы на победу или проигрыш конкретного кандидата. Но в тех случаях, когда выборы проходят по пропорциональной системе либо имеет место многомандатный избирательный округ при мажоритарной системе, необходимо уметь прогнозировать не только факт победы или поражения того или иного кандидата, но и тот процент, который он наберет в результате голосования.
С этой целью прогнозисты используют метод построения регрессионных моделей. Чем проще модель и чем меньше параметров она содержит, при той же точности предсказания величины показателя, тем большую ценность она представляет как для целей теоретического анализа, так и для целей практического применения. Регрессионная модель состоит из объясняемой переменной и нескольких объясняющих (индикаторов) и представляет собой стандартное уравнение, где Y – объясняемая (зависимая) переменная, а X1, X2, X3, Xn – объясняющие (независимые) переменные:
Y = X1+X2+X3+…Xn
Западными исследователями было разработано несколько моделей, которые наиболее точно предсказывают результаты выборов. В регрессионную модель Кэмпбелла включены два индикатора: уровень экономического роста во второй четверти года выборов и рейтинг кандидата в период с 21 по 24 сентября. Майкл Люис Бек и Чарльз Тин предлагают модель, основанную на индикаторе «экономический рост в первых двух кварталах года выборов», оценке одобрения деятельности президента в июле в год выборов, а также на индикаторе оценки населением «перспектив для мира и процветания». Мартин Полдам и Питер Нунестад в качестве индикаторов берут рейтинг доверия к кандидату от власти и срок нахождения его во власти без учета электоральных циклов.
Очевидно, что в России эти модели не могут использоваться для точного предсказания результатов выборов. Построение модели прогнозирования электорального поведения в отечественных условиях имеет несколько проблем. Во-первых, отсутствует большой опыт конкурентных выборов. В связи с этим не существует и устойчивой электоральной статистики за длительный промежуток времени. Во-вторых, каждые выборы проходят в новых законодательных рамках, что тоже влияет на возможности прогнозирования. В-третьих, мало доступна большая часть социально-экономической статистической информации для построения адекватных задачам индикаторов.
Тем не менее задача построения прогнозной модели российских выборов вполне решаема. Для ее построения можно использовать данные статистики по федеральным избирательным кампаниям. За единицу наблюдения можно взять данные по субъектам РФ. Эти данные можно объединить в группы только по одним выборам. Таким образом, получается шесть отдельных баз данных по шести избирательным кампаниям. С учетом того, что во всех шести базах имеются одинаковые переменные, их можно объединить в одну. Для этого надо провести предварительную группировку всех участвующих в выборах партий и кандидатов с целью получения компактных электоральных групп, присутствующих на каждых выборах. В результате применения кластерного и факторного анализов были сформированы три устойчивые электоральные группы, представители которых участвовали в каждой избирательной кампании:12 «власть», «левые», «протестанты». В результате была сформирована база, включающая 528 единиц наблюдения по 88 субъектам федерации и по шести кампаниям (из анализа была исключена Чеченская республика). Помимо процентов, полученных каждой из групп на шести выборах, в базу были добавлены переменные по количеству избирателей, проценту явки на выборы, году и типу выборов (парламентские или президентские).
Для построения прогнозной модели результатов выборов были сконструированы дополнительные индикаторы. Ряд исследований показал важность фактора фрагментированности (количества конкурирующих участников) политического поля для прогнозирования результатов выборов. С этой целью были созданы переменные, отражающие фрагментированность как выборов в целом, так и каждой из групп (количество партий, блоков или кандидатов, объединенных в группу). Кроме того, для выборов в Государственную Думу был создан отдельный индикатор «фрагментированность победителей» – количество партий и блоков, прошедших в парламент.
Поскольку остается значительным количество граждан, не способных однозначно определить свои политические предпочтения, и сохраняется неустойчивость политических идентификаций граждан, то за основу их самоидентификации с определенными идейными течениями можно принять их ценностные ориентации. Исходя из этого, операционализация социально-психологической модели была осуществлена на основе данных мониторинга динамики ценностных ориентаций населения России в 1993–2003 гг., проведенного Российским независимым институтом национальных и социальных проблем – Институтом комплексных социальных исследований РАН. Из 14 суждений было отобрано десять, отражающих политические ценности. На их основе было выделено десять переменных: «стремление к власти», «равенство возможностей», «равенство доходов», «свобода», «материальное благополучие», «стремление выделяться среди других», «стремление жить как все», «способность жить в любой стране», «родина», «свобода политических прав». До начала анализа принципиально не делалось никаких предположений о принадлежности той или иной переменной к конкретной группе данных. Хотя известно, что для людей с коммунистической идентичностью значимым является жесткое регулирование частного сектора, патерналистское отношение к государству, приоритет интересов общества над интересами индивида. Для либералов значимы личные возможности в экономике, политические свободы и права человека, индивидуальная свобода. Сторонники социал-демократической идеологии ориентируются на социальную справедливость и социальные гарантии. Позиции остальных россиян представляют собой «выборочный набор» коммунистических или либеральных ценностей.
Для операционализации экономической и социальной моделей электорального поведения использовались данные государственной статистики России. Так, для проверки теории кливиджей С. Липсета и С. Рокана были взяты сведения о численности городского населения в субъектах РФ в годы выборов и том, какой процент оно составляет от общей численности населения. Для операционализации понятия «экономическое голосование», использовалась «социотропно-ретроспективная» версия этой теории, обычными средствами операционализации которой служат показатели безработицы и индекс потребительских цен. Также были добавлены переменные: процент дохода по отношению к предыдущему году и абсолютная величина дохода в рублях. Таким образом, была создана эмпирическая база из 528 наблюдений и 32 переменных.
Для построения прогнозной модели были выбраны кандидаты и партии, входящие в электоральную группу «власть». В эту группу входят: проголосовавшие за партию «Наш Дом – Россия» (НДР) в 1995 г., Б.Н. Ельцина в 1996 г., блок «Отечество – Вся Россия» (ОВР) в 1999 г., В.В. Путина в 2000 и 2004 гг. и партию «Единая Россия» в 2003 г.
Для построения прогнозной модели использовался метод регрессионного анализа. Суть его заключается в количественной оценке влияния индикаторов на компоненты вектора электорального предпочтения. При этом основной проблемой является определение формы связи и ее описание при помощи уравнения регрессии. Основные требования регрессионного анализа к исходной информации выглядят следующим образом (Андреенков, Журавлев, 153):
- все переменные должны быть количественными (измерены на интервальной шкале);
- исследуемая совокупность должна быть качественно однородной;
- совокупность должна быть достаточно большой, чтобы показатели связей были статистически надежными, устойчивыми (число единиц совокупности должно превосходить число коррелируемых переменных не менее чем в 6–8 раз);
- наблюдения должны быть статистически независимыми, т.е. значения признаков у одной единицы не должны зависеть от значений признаков у других единиц совокупности;
- в регрессионном анализе предполагается, что каждому значению фактора (x) соответствует нормальное или близкое к нему распределение результативного признака (y) с одинаковой дисперсией (σ² ).
Таким образом, в базе для проведения регрессионного анализа все переменные должны быть измерены в интервальных шкалах либо переведены в биноминальные. Кроме того, должны отсутствовать значимые корреляции между независимыми переменными. Часто в политических исследованиях в качестве значимых принимаются коэффициенты корреляции, которые равны либо больше по модулю ±0,36. Данный подход является не совсем корректным, поскольку значимость на данном уровне действительна для исследований, в которых количество наблюдений больше 1000. Но часто в исследованиях используются значительно меньшие выборки. Если выборка меньше 800 единиц наблюдения, то необходимо определить отношение ошибки коэффициента корреляции к самому коэффициенту и вычислить t-критерий Фишера, проверив его значимость по таблице. Ошибка коэффициента корреляции подсчитывается по формуле:
m = 1 - r²
√ n -1
где m – это ошибка коэффициента корреляции,
r – значение коэффициента корреляции,
n – число наблюдений.
Если m в 10 раз меньше рассматриваемого коэффициента корреляции, то можно считать ошибку незначимой и не проверять по t-критерию Фишера. Во всех остальных случаях надо сверить полученные значения с табличным значением t-критерия Фишера.
Таким образом, на малых выборках нас могут не смущать коэффициенты корреляции равные 0,5 или даже 0,6. Еще одно ограничение для регрессионного анализа – соответствие наблюдаемого распределения переменных нормальному распределению. Кроме того, нужно, чтобы квадрат коэффициента корреляции был больше 0,5 и максимально приближался к единице.
На первом этапе регрессионного анализа необходимо отобрать те переменные, которые мы можем включить в процедуру вычисления регрессии. С этой целью были созданы матрицы интеркорреляций зависимой переменной «власть» и независимых переменных. Необходимо было выбрать такие из них, которые имели бы достаточно плотную связь с зависимой переменной и при этом не были бы тесно связанны между собой. В нашем случае база состоит из 528 переменных и для них стандартный значимый уровень коэффициента корреляции остается неизменным по модулю – 0,36 (m = 0,0379). Рассмотрим результаты вычисления коэффициентов корреляции (табл. 1 – 3).
Таблица 1. Корреляции переменных: «власть» – «фрагментация
политического поля»
| Переменные | Фрагментация «всего» | Фрагментация «левые» |
| «Власть» | -0,340 | -0,497 |
Таблица 2. Корреляции переменной «власть» с социально-демографическими переменными
| Переменные | Численность городского населения, % | Численность городского населения, тыс. чел. | Уровень безработицы, % | Доход, руб. | Доход, в % к предыдущему году | Индекс потребительских цен |
| «Власть» | -0,050 | -0,015 | -0,048 | 0,350 | 0,713 | 0,386 |
Таблица 3. Корреляции переменной «власть» с ценностными ориентациями
| Переменная | Стремление к власти | Равенство возможностей | Равенство доходов | Свобода | Материальное благополучие | Стремление выделяться среди других | Стремление жить как все | Способность жить в любой стране | Родина | Свобода политических прав |
| «Власть» | -0,054 | -0,029 | 0,128 | -0,109 | 0,145 | -0,297 | 0,438 | -0,199 | 0,186 | 0,585 |
Из данных табл. 1, 2, 3 видно, что с зависимой переменной «власть» имеют значимые коэффициенты корреляции всего пять переменных: «фрагментация левых», «доход, в % к предыдущему году», «индекс потребительских цен», «стремление жить как все», «свобода политических прав».
Теперь необходимо проверить, есть ли значимая корреляция между независимыми переменными (табл. 4):
Таблица 4. Корреляции между независимыми переменными
| Переменные | Фрагментация «левые» | Доход, в % к предыдущему году | Индекс потребительских цен | Стремление жить как все | Свобода политических прав |
| Фрагментация «левые» | 1,000 | -0,530 | -0,986 | -0,113 | -0,277 |
| Доход, в % к предыдущему году | -0,530 | 1,000 | 0,444 | 0,364 | 0,652 |
| Индекс потребительских цен | -0,986 | 0,444 | 1,000 | 0,831 | 0,445 |
| Стремление жить как все | -0,113 | 0,364 | 0,831 | 1,000 | -0,125 |
| Свобода политических прав | -0,277 | 0,652 | 0,445 | -0,125 | 1,000 |
Из табл. 4 видно, что переменные «доход в % к предыдущему году», «индекс потребительских цен» имеют высокие корреляции с другими индикаторами. Поэтому они не могут быть включены в процедуру регрессионного анализа.
После отбора необходимых переменных можно переходить непосредственно к процедуре регрессионного анализа. Поскольку количество независимых переменных, которые мы используем, достаточно мало, то для процедуры регрессии используется метод «Enter», который подразумевает включение всех без исключения отобранных независимых переменных в уравнение регрессии. Формула регрессии в наиболее общем виде выглядит следующим образом:
y = a + b1x1+ b2x2 + b3x3
где y – зависимая переменная, x – независимые переменные (индикаторы), а – константа, b – коэффициенты при независимых переменных.
Регрессионный анализ на основе статистического пакета SPSS 11. позволил получить следующие результаты (табл. 5):
Таблица 5. Итоговая модель*
| Модель | R | R² | Стандартная ошибка | Статистики | |||
| F | df1 | df2 | Значимость F | ||||
| 1 | 0,910 (a) | 0,810 | 9,46092 | 3,40266 | 3 | 348 | 0,010 |
* Независимые переменные: свобода политических прав, стремление жить как все, фрагментация «левые»; зависимая переменная: власть.
Обозначения:
R – суммарный коэффициент корреляции зависимой и независимых переменных
F – F-критерий (оценка по таблице: наблюдаемое значение должно быть больше табличного)
df – число степеней свободы
Следует учитывать, что R² должен быть не меньше 0,5–0,6 (50–60%), наблюдаемое значение F-критерия должно быть больше табличного, а значимость не ниже 0,05.
Таблица 6. Регрессионные коэффициенты*
| Переменные | B | Стандартная ошибка | Beta | t | Значимость |
| 70,514 | 14,526 | | 4,854 | ,000 | |
| Фрагментация «левые» | -36,436 | 2,640 | -,846 | -13,800 | ,000 |
| Стремление жить как все | -,538 | ,153 | -,209 | -3,519 | ,000 |
| Свобода политических прав | 1,469 | ,163 | ,325 | 9,015 | ,000 |
* Зависимая переменная: % голосов, полученный властью
Обозначения:
B – константа (коэффициент уравнения регрессии) 70,514.
Beta – стандартизованный коэффициент, характеризующий вклад каждой независимой переменной:
-0,846 (β1X1), -0,209 (β2X2), + 0,325 (β3X3), в изменение зависимой переменной (для формулы регрессии).
Формула регрессии (с учетом знака Beta)
% власти = B + β1X1 + β2X2 + β3X3 = 70,514 - 0,846 (фрагментация левые) - 0,209 (стремление жить как все) + 0,325 (свобода политических прав).
Графически полученная нами регрессия выглядит следующим образом (рис. 1).
Рис. 1. Линия регрессии.
Данное регрессионное уравнение прогнозирует 81% случаев голосования, поскольку квадрат коэффициента корреляции R2 = 0,810. Значения t-критерия Стьюдента и F- критерия Фишера находятся в пределах табличной нормы. Распределение соответствует нормальному (рис. 2).
Рис. 2. График распределения значений зависимой переменной.
С учетом тщательного отбора переменных для включения в регрессионный анализ на подготовительном этапе, можно сделать вывод, что процедура регрессионного анализа проведена корректно и полученную модель можно использовать для прогнозирования процента, который может набрать кандидат или партия от «власти». Для этого необходимо знать «фрагментацию левых», т.е. сколько партий или кандидатов будут представлять этот блок, а также результаты данных опроса для переменных: «стремление жить как все» и «свобода политических прав».
Несмотря на то, что полученное уравнение вроде бы представляет собой удобный инструмент для прогнозирования результатов выборов, есть ряд ограничений, которые необходимо учитывать при составлении прогноза на его основе. Не всегда возможно четко определить какой кандидат или партия являются представителями группы «власти». Например, в 1999 г. у экспертов создавалось ощущение, что «партией власти» на выборах был блок «Единство». Но в сознании избирателя таковым стал блок «ОВР», составленный из региональной политической элиты и представляющий ее интересы. Чтобы определить фрагментацию левых сил, также надо понять, кого к ним можно относить.
Для решения этой проблемы необходимо провести предварительную процедуру кластерного и факторного анализов для участников выборов, чтобы определить, к какой группе их можно относить. При отсутствии данных о той или иной партии, которая ранее не участвовала в федеральных выборах (сейчас таковой является партия «Справедливая Россия»), можно использовать для кластерного и факторного анализов результаты голосований на выборах в субъектах РФ.
Определение индикаторов: «стремление жить как все» и «свобода политических прав» гораздо более простая задача. Для конструирования этих переменных достаточно использовать опросы общественного мнения. Надо учитывать, что опросы должны быть репрезентативными, т.е. отражать мнение населения именно того региона, для которого строится прогнозная модель, или опросы должны быть общероссийскими, в случае анализа федеральных избирательных кампаний. В целом метод построения регрессионных прогнозных моделей достаточно эффективен и может быть использован в российских условиях.