Результаты голосования за "адресные" политические объединения по типам регионов, % от активной части избирателей

	Депрессивные	Отсталые	Экспортно- ориентированные	По России в целом
Аграрная партия-93	10,41	14,93	6,71	7,99
Женщины России-93	7,73	7,72	9,79	8,13
Аграрная партия-95	5,71	9,27	2,56	3,78
Женщины России-95	4,36	3,54	6,38	4,61
Партия самоуправления трудящихся-95	3,39	2,75	5,11	3,98
Женщины России-99	1,95	1,59	2,75	2,04
Аграрная партия-03	4,38	5,84	3,47	3,64
Российская партия пенсионеров- Партия социальной справедливости- 03	2,32	1,64	4,56	3,09

Политические объединения по половому, возрастному и профессиональному признакам (условно назовем их "адресными", поскольку они направлены на привлечение внимания определенных социальных групп населения), апеллирующие к идеям социал-демократии, самоуправления и т.п. ("Женщины России", "Российская партия пенсионеров - Партия социальной справедливости", "Партия самоуправления трудящихся") в депрессивных и отсталых регионах выступают особенно слабо²⁴. Население здесь консервативно, не готово к восприятию идей с претензией на что-то новое, нетрадиционное. Поэтому попытки перехвата традиционных коммунистических лозунгов и соответственно "левого", коммунистического электората не работают.

Единственное исключение связано с Аграрной партией России, традиционно повышенная поддержка которой в отсталых регионах, преимущественно сельскохозяйственных, легко объяснима и не нуждается в дополнительных пояснениях (табл. 4.15.).

4.4. Комплексный географический анализ факторов электорального поведения на уровне регионов

Комплексные исследования факторов электорального поведения населения получили определенное развитие в ряде научных работ. Однако в электоральной географии вся проблема интерпретации голосований получила слабое освещение. Несмотря на значительные успехи в изучении отдельных факторов (раскол "город-село", возрастной и образовательный состав населения, уровень жизни), до сих пор практически отсутствует опыт их системного географического анализа. По-видимому, географы настолько увлечены электоральной картой страны и поисками "волшебной палочки", способной в одиночку объяснить и предсказать итоги выборов, что забывают уделить должное внимание определению совокупного воздействия всех рассматриваемых факторов.

В то же время лишь комплексное исследование факторов электорального поведения способствует переходу от решения задач оценки их покомпонентного влияния на голосования к нахождению весов и определению цепочек взаимодействия. В свою очередь, через сопряженный анализ структуры и динамики факторов электорального поведения можно выйти на диагностику перераспределения их роли и выявление различных этапов, на которых влияние того или иного фактора являлось наибольшим. Другими словами, появляется возможность действительно "нащупать" зависимость электоральных предпочтений от происходящих трансформационных процессов в экономике, социальной и культурной сферах, смоделировав свойства найденной объясняющей модели на входе и выходе в политическую систему (см. §1.1.).

С учетом вышесказанного автором поставлена задача разработки методических основ и проведения комплексного географического анализа факторов электорального поведения.

Одним из наиболее адекватных методов анализа и прогнозирования результатов выборов является регрессионный анализ. Для решения поставленной задачи он подходит в наибольшей степени, учитывая слабую надежность результатов массовых опросов и высокую степень разнородности социологических данных в современных российских условиях.

В качестве зависимых переменных для регрессионного анализа возьмем показатели голосования за избирательные объединения и кандидатов в процентах от общего числа избирателей. В 3 главе автором для целей данной работы было выделено четыре политических кластера - "коммунисты", "демократы", "конформисты" и "националисты". Следовательно, поставим задачу искать наиболее адекватные регрессионные модели для четырех случаев²⁵.

Результаты исследования отдельных факторов электорального поведения (см. §§ 4.1. - 4.2.) продемонстрировали, что среди тех из них, которые поддаются количественному измерению, наибольшую объясняющую силу имеют доля городского населения, плотность сельского населения, удельный вес русских в этническом составе, доля лиц с высшим и незаконченным высшим образованием и доля населения старше трудоспособного возраста.

Названные факторы дополняются так называемыми трансформационными, которые связаны с оценкой уровня жизни и уровня социальной напряженности. Из факторов данной группы максимальные коэффициенты корреляции обеспечивают покупательная способность населения, уровень безработицы и уровень тяжкой преступности.

Одни из перечисленных показателей более универсальны (то есть являются индикативными для голосования за партии и кандидатов самой различной ориентации), другие коррелируют с уровнем поддержки лишь отдельных участников выборов. Поэтому применительно к каждому политическому кластеру будет свой набор факторов, включаемых в регрессионную модель.

Многие рассмотренные индикаторы коррелируют друг с другом, и поэтому необходимо выделение репрезентативных показателей. Частично эта работа уже была проведена ранее, при расчете парных коэффициентов корреляции между социально-экономическими индикаторами (см. §§ 4.1. - 4.2.). Теперь на основании таблицы 4.9. и таблиц 6-8 приложения 9 нам предстоит сформировать для каждого из четырех политических кластеров окончательный список показателей с целью последующего их включения в регрессионные модели.

Явка избирателей, картина территориальной дифференциации которой обладает довольно высокой степенью устойчивости, может способствовать косвенной оценке раскола "центр-периферия" при голосовании за партии и кандидатов демократической ориентации.

Таблица 4.16. Явка избирателей: оценка степени инерционности территориальных различий*	Явка-93	Явка-95	Явка-99	Явка-03
Явка-93	1,00
Явка-95	0,55	1,00
Явка-99	0,25	0,61	1,00
Явка-03	0,09	0,32	0,81	1,00

*по расчетам автора

Интересно отметить, что территориальная дифференциация участия населения в выборах изменяется поступательно. В межвыборный период, если сравнивать "соседние" избирательные кампании, распределение регионов по участию избирателей в выборах меняется не так сильно - об этом говорят коэффициенты корреляции (табл. 4.16.), однако на более долгосрочных временных отрезках начинает действовать закон перехода количества в качество, и если сравнивать явки избирателей в 1993 и 2003 гг., то они вообще почти никак не коррелируют друг с другом.

Вышесказанное позволяет, во-первых, прогнозировать явку избирателей в регионе исходя из данных предыдущих выборов, и, во- вторых, что особенно ценно, использовать показатель явки как один из факторов голосования за партии и кандидатов демократической ориентации.

В § 4.3. удалось доказать наличие заметных электоральных различий между депрессивными, отсталыми и экспортно-ориентированными регионами. Для учета типа социально-экономического развития территории автором использованы дамми-переменные, которые могут принимать только два значения - 0 или 1. Например, дамми-переменная, введенная для учета "фактора депрессивности", принимает для депрессивных регионов значение 1, а для всех остальных регионов - 0. Дамми- переменная, введенная для учета "фактора отсталости", принимает значение 1 для отсталых регионов, в противном случае она равна 0. Аналогичным образом "ведет" себя дамми-переменная для оценки "фактора экспортной ориентированности".

Автору представляется разумным учитывать также в качестве дополнительного, корректирующего фактора электорального поведения численность населения региона. Впервые на необходимость учета данного фактора, косвенно свидетельствующего "об уровне включенности в процесс модернизации и разряженности социальных сетей", при построении многофакторной модели электорального поведения указали Н.В.Анохина и Е.Ю.Мелешкина. Они приводят следующий пример: среди 22 малонаселенных субъектов РФ, численность избирателей в которых не превышает 500 тыс.чел., 19 являются автономиями с высокой долей сельского населения, достаточно большим удельным весом коренных жителей и неблагополучной экономической ситуацией. В то же время подавляющее большинство густонаселенных субъектов Федерации с численностью избирателей, превышающей 1,5 млн.чел., высокоурбанизированные, "русские" и более благополучные в экономическом отношении (Анохина, Мелешкина, 2002).

Другими словами, такой элементарный, в общем-то, показатель, как численность населения, позволяет давать интерпретацию территориальной дифференциации результатов выборов через косвенную оценку фундаментальных для российской электоральной карты расколов "город- село" и "русское ядро - национальные автономии". Совпадение? Навряд ли. Ведь исторически многие регионы Севера Сибири и Дальнего Востока из-за особенностей своего географического положения и природных условий остались малонаселенными, относительно менее урбанизированными и более "нерусскими". То же самое можно сказать о большинстве автономий, расположенных на юге европейской части страны - Северном Кавказе. Плотность населения здесь высока, но из-за маленькой площади этих регионов самого населения в них довольно мало, при этом особенно значителен удельный вес "титульного" этноса, а доля горожан лишь в редких случаях превышает отметку в 50% (единственным исключением является более урбанизированная Северная Осетия). А особая подверженность и северо-восточных, и самых южных российских территорий действию административного ресурса и прямым фальсификациям результатов выборов общеизвестна.

В любом случае, возможность операционализации расколов "город- село" и "русское ядро - национальные автономии" через показатель численности населения весьма удачна и полезна с электоральной точки зрения, и этот показатель можно использовать в нашем исследовании, включив в многофакторную модель оценку населенности региона. Однако, как показал расчет парных коэффициентов корреляции, численность населения регионов имеет высокую положительную связь с другими выбранными показателями, такими как доля горожан (0,45) и покупательная способность доходов (0,55).

Поэтому, по мнению автора, правильнее еще на первоначальном этапе поделить регионы на группы в зависимости от численности их населения, и далее осуществлять регрессионный анализ отдельно для каждой из групп. Помимо всего прочего, такой подход способствует изучению воздействия других факторов на электоральное поведение на различных интервалах генеральной совокупности, что верно с методологической точки зрения и способно повысить значимость регрессионной модели посредством оценки «весов» факторов для различных типов регионов.

Таким образом, в многофакторную аналитическую модель целесообразно инкорпорировать следующие группы факторов электорального поведения:

1. доля городского населения

2. плотность сельского населения

3. удельный вес русских в этническом составе

4. доля лиц с высшим и незаконченным высшим образованием

5. доля населения старше трудоспособного возраста

6. покупательная способность населения

7. уровень безработицы

8. уровень тяжкой преступности Корректирующие и вспомогательные факторы:

9. численность населения региона

10. тип социально-экономического развития (депрессивность, отсталость или экспортная ориентированность региона)

11. явка избирателей на предыдущих выборах

Для определения относительной значимости каждого из факторов и поиска наилучшего их сочетания был применен метод пошагового регрессионного анализа.

Как правило, связь зависимой и независимой переменных описывается нелинейными функциями. Однако в целях упрощения расчетов и повышения удобства использования уравнений регрессии, мы будем рассматривать линейную функцию.

Автор пошел по пути использования аддитивного метода включения отдельных факторов в регрессионную модель, что предполагает определение коэффициентов регрессии («весов» факторов)²⁶. Соответствующее уравнение регрессии имеет следующий вид:

У = к₁х₁+ к₂х₂+ к₃х₃+...+к_пХп+С, где

Y - зависимая переменная (уровень поддержки партий и кандидатов определенного политического кластера)

Xi...n- независимые переменные (нормированные значения факторов электорального поведения)

ki...n- коэффициенты регрессионного уравнения («веса» факторов) п - число используемых независимых переменных (факторов электорального поведения) С - свободный член

«Веса» факторов определялись статистическим методом. Статистический анализ проводился с помощью стандартного пакета SPSS версии 11.5.

В некоторых регрессиях автор исключил из уравнения константу (свободный член). Это допустимо в том случае, если константа является незначимой по критерию Стьюдента (t-критерию) при условии, что все факторы, входящие в регрессию, значимы.

Партии коммунистической ориентации

Для "коммунистов" (партий и кандидатов коммунистической ориентации) установлены значимая прямая зависимость результатов голосования от плотности сельского населения, доли населения старше трудоспособного возраста, и обратная зависимость от доли горожан (см. §§ 4.1 .-4.2., а также рис. 11., приложение 14).

Кроме того, партии и кандидаты коммунистической ориентации получают особенно высокий процент голосов в депрессивных и отсталых регионах (см. § 4.3.), что должно быть учтено в регрессионной модели с помощью дамми-переменных.

Поскольку независимые переменные должны входить в регрессионную модель с одним математическим знаком, вместо доли горожан мы возьмем долю сельского населения. Так как два из перечисленных трех факторов имеют высокую связь друг с другом (корреляция плотности расселения на селе с долей населения старше трудоспособного возраста составляет 0,49), они не должны оба единовременно входить в регрессию. Какой из этих двух факторов обеспечивает большую значимость всей регрессионной модели, нам и предстоит определить путем расчетов.

Таким образом, для партий и кандидатов коммунистической ориентации в число изучаемых независимых переменных для проведения пошагового регрессионного анализа вошли:

• Доля сельского населения

• Плотность сельского населения

• Доля населения старше трудоспособного возраста

• Принадлежность региона к группе депрессивных территорий

• Принадлежность региона к группе отсталых территорий.

Проведенные расчеты показали, что регрессионные модели, в

которых участвует показатель плотности сельского населения, имеют большую значимость, нежели те, в состав которых в качестве независимой переменной инкорпорированы возрастные характеристики населения.

Показатель, оценивающий плотность расселения в сельской местности, введенный автором в качестве экспериментального фактора электорального поведения, как оказалось, имеет самую высокую значимость для объяснения территориальной дифференциации голосования за партии и кандидатов коммунистической ориентации. Пожалуй, это один из самых интересных выводов всего проведенного исследования.

Доля сельского населения, а также депрессивность и отсталость, сами по себе, как правило, не являются значимыми факторами, но в то же время способны существенно повысить значимость модели в целом.

При этом вся полученная автором модель статистически значима. Четыре выделенные переменные объясняют в различные годы от 40 до 50% территориальной вариации голосования за "коммунистов" (например, значение Я² в 1999 г. составляет 0,43). Это не очень много, но и не так мало, особенно учитывая тот факт, что все субъективные факторы (административный ресурс, партийно-политический ресурс и особенно влияние средств массовой информации), которые в современной России порой имеют решающее значение, статистически учесть почти невозможно, и поэтому построение регрессионных моделей априори связано с заниженными ожиданиями.

Включение в модель в качестве вспомогательных факторов дамми- переменных для депрессивности и отсталости немного повышает значение R².

Следует отметить, что предлагаемая регрессионная модель не "работает" на последних парламентских выборах: R² составляет всего 0,25 и не становится больше при включении дополнительных факторов.

Результаты регрессионного анализа приведены в табл.18 (приложение 15). Для проверки полученного R² использовалась F- статистика. Статистический анализ полученных данных включал также проверку критерия Стьюдента с уровнем значимости t=95% (р<0,05).

Проведенный анализ факторов электорального поведения, репрезентативных для голосования за партии и кандидатов коммунистической ориентации, позволил получить следующие формулы регрессионного уравнения:

Для выборов 1993 г.: Y_K = 0,37dens+0,03rur+0,07depr+2,40otst+2,38, Для выборов 1995 г.: Y_K = 0,47dens+0,08rur+1,07depr-0,04otst+12,09, Для выборов 1999 г.: Y_K = 0,43dens+0,03rur+1,74depr+2,46otst+11,67, Для выборов 2003 г.: Y_K = 0,15dens+0,006rur+0,20depr+0,35otst+5,46,

где

Y_K - уровень поддержки партий и кандидатов коммунистической ориентации

dens (density) - плотность сельского населения rur (rural) - доля сельского населения depr (depressed) - депрессивность back (backward) - отсталость

Попробуем теперь ввести дополнительный показатель численности населения регионов, поделив их на две большие группы и осуществив регрессионный анализ для каждой из этих групп. Сравнительный анализ регрессионных формул для разных типов регионов является важным этапом исследования. Костяк первой группы составили наиболее экономически развитые и густозаселенные субъекты РФ, включая Москву, Санкт-Петербург, Московскую, Нижегородскую, Самарскую, Свердловскую, Тюменскую области, Краснодарский и Красноярский края, республики Башкортостан и Татарстан (всего 58 регионов). Во вторую группу включено большинство автономий, а также сравнительно слабозаселенные области Дальневосточного, Северо-Западного и Центрального экономических районов - Магаданская, Сахалинская, Камчатская, Псковская, Новгородская, Костромская и др. (всего 30 регионов²⁷). Условная типологическая граница между двумя группами проведена по отметке в 1 млн.чел.

Авторская гипотеза заключалась в том, что учет в качестве дополнительного, корректирующего фактора электорального поведения численности населения региона может стать важным шагом к повышению значимости регрессионной модели. Посмотрим теперь, подтвердилась ли данная гипотеза.

В качестве case study возьмем парламентские выборы 1999 г., применительно к которым был получен довольно высокий R² для полного списка регионов (напомним, что он равен 0,43). Согласно расчетам, в обоих случаях объясняющая сила регрессионной модели действительно возросла. Для регионов первой группы (наиболее экономически развитых и густозаселенных субъектов РФ) получен коэффициент детерминации 0,57, для регионов второй группы (сравнительно слабозаселенных автономий и областей) он составил 0,53. Таким образом, наша гипотеза оказалась подтверждена²⁸. Результаты регрессионного анализа для двух групп регионов приведены в табл.19 (приложение 15). Формула уравнения регрессии для наиболее экономически развитых и густозаселенных субъектов РФ имеет вид:

Y_K = 0,19dens+0,23rur+1,03depr+2,35otst+8,8, где Y_K - уровень поддержки партий и кандидатов коммунистической ориентации

dens (density) - плотность сельского населения rur (rural) - доля сельского населения depr(depressed) - депрессивность back (backward) - отсталость

Формула уравнения регрессии для сравнительно слабозаселенных автономий и областей выглядит следующим образом: Y_K = 0,54dens-0,02rur+4,27depr+4,14otst+10,9