Вестник Томского государственного университета. 2018. № 436. С. 124-130. DOI: 10.17223/15617793/436/14
УДК: 911.3 + 323.2
П.Л. Попов, А.А. Черенев, В.Г. Сараев
АНАЛИЗ РЕГИОНАЛЬНЫХ И МАКРОРЕГИОНАЛЬНЫХ ФАКТОРОВ ПОДДЕРЖКИ ОСНОВНЫХ ПОЛИТИЧЕСКИХ ПАРТИЙ НА ВЫБОРАХ В ГД РФ 2016 г.
Рассматриваются корреляции результатов выборов в Государственную Думу 2016 г. (% избирателей, поддержавших каждую из трех основных партий) на уровне регионов (субъектов РФ), с тремя показателями. Статья включает три раздела, в каждом из которых рассматриваются, поочередно, эти показатели. Первый показатель - социально-экономические явления на уровне региона. Второй показатель - результаты тех же выборов на уровне макрорегионов, к которым принадлежат соответствующие регионы. Третий показатель - социально-экономические явления на уровне макрорегионов, к которым принадлежат соответствующие регионы. С учетом этих корреляций для каждого показателя установлены четыре типа регионов.
Ключевые слова: выборы в 2016 и 2018; «Единая Россия»; КПРФ; ЛДПР; корреляция; регион; макрорегион; потенциальное повышение или понижение поддержки партии.
Введение
Электоральная география - неотъемлемая часть политической географии. Одной из первых работ с описанием связи интересов людей с их потребностями на различных территориях была книга А. Тюрго «Размышления о создании и распределении богатств», написанная им в 1766 г. Именно Тюрго считают автором термина «политическая география». Родоначальником политической географии как отдельной научной дисциплины принято считать Ф. Ратцеля, который в своей работе «Политическая география» (1897) увязывал развитие государства со спецификой его географического положения и географических условий.
Основоположником электоральной географии является французский ученый А. Зигфрид, который занимался выявлением взаимосвязей между политикой и географией. Первой крупной работой по электоральной географии является его труд «электоральная геополитика», вышедший в 1913 г. и посвященный географии голосований во Франции. В дальнейшем подход А. Зигфрида получил название экологического. Главная идея заключалась в практической необходимости изучения политических предпочтений населения, проживающего в определенной местности, и определении «привилегированных территорий» у каждой из политических партий, т.е. выделение политических регионов и климата.
В дореволюционной России в трудах выдающихся русских географов - Н.П. Огарева (его районирование России включало политико-географические элементы), П.П. Семенова-Тян-Шанского и В.П. Семенова-Тян-Шанского - были заложены основы отечественной политической географии [1].
Изучение электоральных процессов на региональном уровне с учетом комплексной характеристики жизнедеятельности населения субъектов РФ позволяет определить политические силы, с которыми население связывает улучшение жизненных перспектив, и наметить стратегические ориентиры оптимальной электоральной политики на местах. Различные аспекты данного круга проблем рассматривались в трудах ряда отечественных и зарубежных ученых. Пространственно-временная картина электоральной реальности на уровне РФ или регионов изучалась А.А. Дегтяревым
[2. С. 157-162], Е.А. Покровским [3. С. 245], А.Г. Манаковым [4], Н.В. Петровым [5. С. 72], Р.Ф. Туровским [6], Р. Джонстоном [7. Р. 585], Дж. Хеппена [8. Р. 201]; психологические аспекты проведения выборов были многосторонне рассмотрены К. С. Жуковым [9]; теоретические аспекты применения математических методов к электоральным процессам анализировались в трудах А. С. Ахременко [10, 11]; теоретическая и методологическая база разрабатывалась В.В. Лапкиным [13. С. 59-72], Б.М. Ишмура-товым [14. С. 7-12], В.П. Максаковским [15], Н.А. Нартовым [16], Н.П. Огаревым [17], Ю.Г. Сауш-киным [18], Б.Н. Чичериным [19], Дж. О'Луглина [20. Р. 270]. Концептуальные наработки перечисленных авторов позволили нам перейти при анализе электоральных явлений к применению методов математической статистики. В нашем исследовании методы математической статистики применяются для анализа электоральных процессов на уровне совокупности субъектов РФ и при учете большого массива социально-экономических явлений.
Социальные характеристики субъекта РФ оказывают влияние на электоральное поведение его населения. Это - факт несомненный и заслуживающий всестороннего изучения. При разработке методологических подходов нами учитывались работы применения. Нами [21. С. 77] была предпринята попытка выяснить, с каким комплексом социальных признаков субъекта РФ связана поддержка каждой из трех основных политических партий - Единой России (ЕР), КПРФ, ЛДПР - на выборах в ГД РФ 2016 г. На основе полученных результатов была предложена типология регионов РФ, учитывающая как уровень поддержки основных политических партий, так и выраженность комплекса социально-экономических признаков, благоприятствующих ее поддержке. Это рассмотрение целесообразно дополнить рассмотрением связи электоральных предпочтений населения региона с электоральными предпочтениями населения макрорегиона, к которому относится соответствующий регион. Поскольку оба рассмотрения основаны на едином подходе и мыслятся нами именно как сочетающиеся между собой, начнем с краткого изложения опубликованного материала по связи электоральных и социально-экономических характеристик регионов.
Типологизация субъектов РФ, основанная на учете соотношения «уровень поддержки определенной партии / полнота комплекса
социальных признаков, благоприятствующих ее поддержке»
Социальным признаком субъекта РФ называем повышенное, или, напротив, пониженное (по отношению к среднему значению по субъектам РФ) количественное значение определенного социального явления; например повышенное значение продолжительности предстоящей жизни в Воронежской области является одним из ее социальных признаков, а пониженное значение этого показателя - одним из социальных признаков Новгородской области. С помощью корреляционного анализа были выявлены связи результатов выборов в ГД РФ с социальными явлениями на уровне совокупности субъектов РФ.
Было установлено 16 признаков, благоприятствующих голосованию за ЕР, 14 признаков - голосованию за ЛДПР и 8 признаков - голосованию за КПРФ. В том или ином регионе РФ присутствует до 16 признаков, благоприятствующих голосованию за ЕР, до 14 - за ЛДПР, до 8 - за КПРФ. Коэффициент корреляции доли голосов, поданных за определенную партию в регионе, с количеством признаков региона, благоприятствующих голосованию за нее, равен для ЕР 0,80; для ЛДПР - 0,75; для КПРФ - 0,4. Уровень статистической достоверности при данной величине выборки достигается при величине коэффициента корреляции не ниже по абсолютной величине 0,22. На основе этих результатов были предложены подход к оценке устойчивости поддержки партии в регионе и, соответственно, подход к оценке перспектив поддержки кандидатов от этих партий на президентских выборах 2018 г.
Если в регионе фактически оказана поддержка определенной партии на выборах в ГД 2016 г. (эта партия получила здесь больше голосов, чем в среднем по стране) и, вместе с тем, присутствует и больше половины от комплекса признаков, благоприятствующих голосованию за эту партию, - такой субъект РФ можно назвать регионом устойчивой поддержки данной партии. Обозначаем такой тип регионов как тип 1. Если в регионе данная партия получила меньше голосов, чем в среднем по стране, и в регионе присутствует меньше половины от комплекса признаков, благоприятствующих голосованию за данную партию, такой субъект можно назвать регионом устойчиво-пониженной поддержки данной партии (тип 2). Если в регионе данная партия получила больше голосов, чем в среднем по стране, но имеет меньше половины от комплекса благоприятствующих признаков, такой субъект РФ можно назвать регионом потенциального понижения поддержки данной партии (тип 3). Если в регионе фактически партия получила меньше голосов, чем в среднем по стране, и присутствует больше половины комплекса благоприятствующих данной партии признаков, то такой регион можно назвать регионом потенциального повышения поддержки данной партии (тип 4). Есть основания считать, что регионы потенциального повышения поддержки определенной
партии являются для нее перспективным полем предвыборной деятельности, а регионы потенциального понижения поддержки - слабым звеном, тоже требующим специальных усилий. В случае повышения или, напротив, понижения авторитета партии в масштабах страны, изменения, предположительно, коснутся в большей степени регионов потенциального повышения ее поддержки (в первом случае) или потенциального понижения поддержки (во втором). Эти выводы относятся и к прогнозируемым результатам президентских выборов 2018 г. [21. С. 80].
Но электоральные предпочтения населения региона имеют связи не только с наличием в данном регионе определенной группы социальных явлений (когда определенное электоральное предпочтение, в аспекте распространения по субъектам РФ, тяготеет к определенному комплексу социальных явлений). Они, эти предпочтения, связаны также с электоральными предпочтениями территориально близких регионов (когда определенное электоральное предпочтение, в аспекте распространения по субъектам РФ, тяготеет к группам территориально смежных и нередко близких в ряде других отношений субъектов РФ). Это обстоятельство известно - вспомним понятие «Красный пояс», отражающее ареал повышенной поддержки КПРФ в 1990-е гг., охватывавший Центральное Черноземье и некоторую часть Поволжья и Урала.
В качестве средства группировки регионов, взаимно близких в территориальном, во многих случаях в физико-географическом и культурном отношениях, можно использовать известную сетку экономических районов России (их выделяют обычно около 10). В контексте нашего исследования, однако, их целесообразно называть макрорегионами, поскольку у нас речь идет не об экономических явлениях.
Типологизация субъектов РФ, основанная на учете соотношения «уровень поддержки определенной партии / уровень поддержки данной партии в остальной части макрорегиона, в который входит данный субъект»
Субъект РФ, в котором фактически оказана повышенная (по отношению в среднему уровню по стране) поддержка определенной партии, находящийся в макрорегионе, в остальной части которого поддержка данной партии (в среднем по соответствующим субъектам РФ) также повышена, будем называть регионом устойчиво-повышенной поддержки данной партии (тип 1). Субъект РФ, в котором фактически оказана пониженная поддержка определенной партии и находящийся в макрорегионе, в котором и в остальной части в среднем по соответствующим субъектам поддержка данной партии также понижена, будем называть регионом устойчиво-пониженной поддержки данной партии (тип 2). Субъект РФ, в котором фактически партии оказана повышенная поддержка, находящийся в макрорегионе, в остальной части которого поддержка данной партии понижена, будем называть регионом потенциального понижения поддержки данной партии (тип 3). Субъект РФ, в котором фактически оказана пониженная поддержка определенной
партии, находящийся в регионе, в остальной части которого поддержка данной партии повышена, будем называть регионом потенциального повышения поддержки данной партии (тип 4).
Чтобы не смешивать типы 1-4, выявленные при учете социальных признаков (об этих типах речь шла выше) с типами 1-4, выявленными при учете электоральных предпочтений на уровне макрорегионов, будем первые называть С-типами (от слова «социальный»), а вторые - М-типами (от слова «макрорегион»).
Проверить предположение, согласно которому, по результатам выборов в ГД РФ 2016 г., связь электоральных предпочтений на региональном и макрореги-ональном уровнях существует, можно, определив на совокупности субъектов РФ коэффициент корреляции между количеством голосов, поданных за определенную партию в каждом регионе, с количеством голосов, поданных за эту партию в остальной части макрорегиона, к которому относится регион.
Выясняется, что для ЕР коэффициент корреляции равен 0,62; для ЛДПР - 0,70; для КПРФ - 0,05, т.е. поддержка этой партии на данных выборах не обнаруживает достоверной связи макрорегиональных и региональных показателей. Но именно наличие такого рода связи, как и наличие достоверной связи электоральных предпочтений с социально-экономическими признаками региона, позволяет выявлять типы регионов устойчиво-повышенной, устойчиво-пониженной поддержки партии, потенциального повышения или понижения ее поддержки. Следовательно, для КПРФ выявление М-типов по материалам данных выборов нецелесообразно. Выявление С-типов имеет смысл, потому что связь поддержки КПРФ с социально-экономическими признаками региона хотя и слабее аналогичных связей ЕР и ЛДПР, но все же достоверна [22. С. 85].
Типологизация субъектов РФ, основанная на учете соотношения «уровень поддержки определенной партии / полнота комплекса социальных признаков, благоприятствующих ее
поддержке в остальной части макрорегиона, в который входит данный субъект»
Существует и связь фактически оказываемой поддержки на уровне региона (это показатель, учитываемый при выявлении всех типов электоральной предрасположенности регионов) и социально-экономических признаков поддержки на уровне макрорегиона. Если один вариационный ряд образуют результаты определенной партии по субъектам РФ, а другой вариационный ряд - количества признаков поддержки этой партии в остальной части макрорегиона, к которому принадлежит данный регион, то корреляции по партиям будут выглядеть следующим образом: ЕР 0,62; КПРФ 0,19; ЛДПР 0,67. Сохраняется закономерность, установленная и для двух других типологизаций: корреляции результатов КПРФ с рассматриваемым показателем слабее (вплоть до потери статистической достоверности) корреляций результатов ЕР и ЛДПР.
В данном случае можно применить тот же подход, что и при соотнесении фактически оказываемой поддержки партии на уровне региона с фактически оказываемой поддержкой на уровне макрорегиона (М-типы) или с полнотой комплекса признаков поддержки на уровне региона (С-типы). Можно выделить третий алгоритм, в соответствии с которым выявляется особая группа типов регионов. Их назовем СМ-типами. СМ-тип 1 - это регион устойчиво-повышенной поддержки партии, когда партия в определенном субъекте имеет результаты выше средних по регионам РФ и при этом в макрорегионе, к которому относится данный регион, социально-экономические признаки поддержки партии также представлены более полно, чем в среднем по РФ. СМ-тип 2 (регион устойчиво-пониженной поддержки) означает противоположный случай - когда в регионе поддержка партии снижена, а в макрорегионе признаки поддержки также представлены менее полно, чем в среднем по РФ. СМ-тип 3 (регион потенциального понижения поддержки) - если в регионе поддержка партии повышена, а социально-экономические признаки поддержки партии в макрорегионе представлены менее полно, чем в среднем по РФ. СМ-тип 4 -если в регионе поддержка партии понижена, а в макрорегионе признаки поддержки представлены более полно, чем в среднем по РФ.
Таким образом, в содержаниях всех рассматриваемых «буквенных» типов (С, М, СМ) есть общая часть - это фактически оказываемая поддержка соответствующей партии на уровне региона (субъекта Федерации). Каждый из этих типов имеет и особенную, отличающую от двух других типов, часть в содержании. В случае С-типа это полнота набора социальных признаков, благоприятствующих голосованию на региональном уровне за определенную партию, в случае М-типа - это фактически оказанная поддержка данной партии на макрорегиональном уровне и в случае СМ-типа - полнота набора социальных признаков, благоприятствующих голосованию за данную партию на макрорегиональном уровне.
Эту особенную часть можно назвать также соотносительной частью, поскольку ее соотнесение с общей частью дает «номерные» типы 1-4.
Далее в приводимом списке по каждому субъекту РФ указывается, после названия партии, типологическая характеристика региона для тех партий, признаки поддержки которых образую достоверную корреляцию с фактически оказанной поддержкой на уровне региона (соответственно, по ЕР и ЛДПР представлены С-типы, М-типы, СМ-типы, по КПРФ - только С-типы).
Центральное Черноземье, ЦЧ (Белгородская (ЕР: С1, М1, СМ1; КПРФ: С3; ЛДПР: С2, М2, СМ2), Брянская (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Курская (ЕР: С1, М1, СМ1; КПРФ: С4; ЛДПР: С3, М3, СМ3), Тамбовская (ЕР: С1, М1; СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Тульская (ЕР: С3, М1, СМ 3; КПРФ: С3; ЛДПР: С4, М2, СМ2), Орловская (ЕР: С4, М4, СМ4; КПРФ: С1; ЛДПР: С3, М3, СМ3), Рязанская (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С3, М3, СМ3), Калужская (ЕР: С2, М4, СМ3; КПРФ: С1; ЛДПР: С1, М3, СМ3), Липецкая (ЕР: С1,
М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Воронежская (ЕР: С1, М1, СМ1; КПРФ: С3; ЛДПР: С2, М2, СМ2) области). Центральное Нечерноземье, ЦНЧ (Владимирская (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С1, М1, СМ1), Московская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С3, М3, СМ1), Костромская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Тверская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Смоленская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Ивановская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Ярославская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1) области). Северо-Запад, СЗ (Калининградская (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С1, М1, СМ1), Ленинградская (ЕР: С4, М2, СМ4; КПРФ: С4; ЛДПР: С2, М4, СМ4), Псковская (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С4, М4, СМ4), Новгородская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1) области, Республика Карелия (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С1, М1, СМ1)). Северо-Восток Европейской части, СВЕЧ (Архангельская (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С1, М1, СМ1), Вологодская (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С1, М1, СМ1), Мурманская (ЕР: С2, М2, СМ2; КПРФ: С4; ЛдПр: С1, М1, СМ1) области, Республика Коми (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С1, М1, СМ1)). Северный Кавказ, республики, СК (Республика Дагестан (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ), Республика Адыгея (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Республика Северная Осетия-Алания (ЕР: С1, М1, СМ1; КПРФ: С1; ЛДПР: С2, М2, СМ2), Чеченская Республика (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Республика Ингушетия (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Кабардино-Балкарская Республика (ЕР: С1, М1, СМ1; КПРФ: С1; ЛДПР: С2, М2, СМ2), Карачаево-Черкесская Республика (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Республика Калмыкия (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2)). Юго-Запад, ЮЗ (Ростовская область (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М4, СМ2), Краснодарский (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М4, СМ2) и Ставропольский (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С3, М3, СМ3) края). Поволжье, П (Нижегородская (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С4, М2, СМ2), Кировская (ЕР: С2, М4, СМ4; КПРФ: С2; ЛДПР: С1, М3, СМ3), Пензенская (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Ульяновская (ЕР: С4, М4, СМ4; КПРФ: С3; ЛДПР: С3, М3, СМ3), Самарская (ЕР: С2, М4, СМ4; КПРФ: С3; ЛДПР: С4, М2, СМ2), Саратовская (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Волгоградская (ЕР: С4, М4, СМ4; КПРФ: С1; ЛДПР: С1, М3, СМ3), Астраханская (ЕР: С4, М4, СМ4; КПРФ: С1; ЛДПР: С2, М2, СМ2) области, Республики Татарстан (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Мордовия (ЕР: С1, М1, СМ1; КПРФ: С2; ЛДПР: С2, М2, СМ2), Мари Элл (ЕР: С4, М4, СМ4; КПРФ: С3; ЛДПР: С2, М2, СМ2), Чувашская Республика (ЕР: С4, М2, СМ4; КПРФ: С2; ЛДПР: С2, М2, СМ2)). Урал, У (Свердловская (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С1, М1, СМ1),
Оренбургская (ЕР: С4, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Челябинская (ЕР: С2, М2, СМ2; КПРФ: С4; ЛдПр: С1, М1, СМ1), Курганская области (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Пермский край (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Республика Башкортостан (ЕР: С1, М3, СМ1; КПРФ: С3; ЛДПР: С2, М4, СМ4), Удмуртская Республика (ЕР: С4, М2, СМ2; КПРФ: С4; ЛДПР: С4, М4, СМ4)). Западная Сибирь, ЗС (Тюменская (ЕР: С1, М3, СМ3; КПРФ: С2; ЛДПР: С2, М4, СМ4), Омская (ЕР: С2, М2, СМ4; КПРФ: С1; ЛДПР: С1, М1, СМ1), Томская (ЕР: С2, М2, СМ4; КПРФ: С4; ЛДПР: С1, М1, СМ1), Новосибирская (ЕР: С2, М4, СМ4; КПРФ: С1; ЛДПР: С1, М1, СМ1), Кемеровская области (ЕР: С1, М3, СМ3; КПРФ: С2; ЛДПР: С2, М4, СМ4), Алтайский край (ЕР: С2, М4, СМ4; КПРФ: С1; ЛДПР: С1, М1, СМ3), Республика Алтай (ЕР: С4, М2, СМ2; КПРФ: С1; ЛДПР: С4, М4, СМ4), Ямало-Ненецкий (ЕР: С1, М3, СМ3; КПРФ: С2; ЛДПР: С2, М4, СМ4) и Ханты-Мансийский (ЕР: С4, М2, СМ2; КПРФ: С2; ЛДПР: С1, М1, СМ1) автономные округа). Восточная Сибирь, ВС (Красноярский край (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Иркутская область (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Республика Хакасия (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Республика Тыва (ЕР: С1, М3, СМ3; КПРФ: С2; ЛДПР: С2, М4, СМ4), Республика Бурятия (ЕР: С4, М2, СМ2; КПРФ: С1; ЛДПР: С4, М4, СМ4), Республика Саха (Якутия) (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С4, М4, СМ1), Забайкальский край (ЕР: С4, М2, СМ4; КПРФ: С1; ЛДПР: С1, М1, СМ1)). Дальний Восток, ДВ (Магаданская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1). Сахалинская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Амурская (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1) области, Камчатский (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С1, М1, СМ1), Приморский (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1) и Хабаровский (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1) края, Еврейская автономная область (ЕР: С2, М2, СМ2; КПРФ: С1; ЛДПР: С1, М1, СМ1), Чукотский автономный округ (ЕР: С1, М3, СМ1; КПРФ: С2; ЛДПР: С1, М1, СМ1)). К макрорегионам приравниваются также Москва, М (ЕР: С4, М4, СМ4; КПРФ: С2; ЛДПР: С2, М2, СМ2) и Санкт-Петербург, СПб (ЕР: С2, М2, СМ2; КПРФ: С4; ЛДПР: С4, М4, СМ4).
О сочетаниях типов электоральной предрасположенности регионов
Регион, принадлежащий в аспекте голосования за определенную политическую партию к С-типам 1 или 3, имеет, по определению, повышенный уровень поддержки данной партии. Следовательно, он может относиться только к М- и СМ-типам, имеющим те же номера, 1 или 3, поскольку и они подразумевают повышенную поддержку данной партии. Если регион относится к С-типам 2 или 4, то он может относиться только к М- и СМ-типам 2 или 4 (во всех случаях поддержка данной партии понижена).
Если у региона номера типов (С- и М-типа, СМ-типа и М-типа, СМ- и С-типа, или всех трех типов) совпадают, то очевидно, что его электоральная характеристика, общая этим номерам, усиливается. Например, Воронежская область по голосованию за ЕР относится к С-типу 1, М-типу 1 и СМ-типу 1, следовательно, ее характеристика как региона устойчиво-повышенной поддержки данной партии усиливается, по сравнению с оценкой, полученной на основании учета только одного из этих типов.
Если номера типов региона не совпадают, можно, по-видимому, считать, что данный регион относится к одному из переходных типов. Характеристику, даваемую С-типом, особенно в случае ЕР, следует считать более сильной, чем характеристику, даваемую М- или СМ-типом. Коэффициент корреляции уровня поддержки ЛДПР и ЕР в регионе с количеством социально-экономических явлений, благоприятствующих поддержке данной партии, выше коэффициента корреляции уровня поддержки данной партии в регионе с количеством голосов, поданных за эту партию в остальной части макрорегиона, к которому относится регион. Он выше и коэффициента корреляции уровня поддержки данной партии в регионе с выраженностью комплекса социальных признаков ее поддержки на макрорегиональном уровне.
Следует отметить, что фактическая частотность совпадений номеров типов значительно выше, чем следовало бы ожидать при случайном распределении соответствующих показателей. При парных сравнениях (например, сопоставим С- и М-типы по определенной партии), следовало бы ожидать совпадений номеров типов в 50% случаев, поскольку, что мы уже отметили, регион, принадлежащий к определенному типу, скажем С1, может принадлежать М-типам 1 или 3 (но не 2 или 4), и при равной вероятности появления обоих типов число совпадений С1 с ними должно составить 50%. Иными словами, в 50% субъектов РФ номера С- и М-типов должны совпадать.
Но фактическая частотность совпадений намного выше. Для ЕР число совпадений номеров С- и М-типов составляет 74% (т. е. в 74% субъектов РФ номера С- и М-типов совпадают), число совпадений С- и СМ-типов составляет 80%, и число совпадений М- и СМ-типов - 88%. По ЛДПР соответствующие цифры еще выше и составляют 83, 82 и 94% соответственно.
Объясняется такое положение тем, что показатели (полнота комплекса социально-экономических признаков поддержки на уровне региона, фактическая поддержка на уровне макрорегиона, полнота комплекса социально-экономических признаков поддержки на уровне макрорегиона), входящие в содержание С-, М- и СМ-типов, достаточно тесно коррелируют между собой.
Например, выявляется корреляция полноты набора признаков, благоприятствующих голосованию за определенную партию, по регионам (субъектам РФ) с полнотой набора соответствующих признаков по макрорегионам, к которым относятся регионы. Для ЕР коэффициент корреляции равен 0,74, для КПРФ 0,69, для ЛДПР - 0,77. Иными словами, в регионе признаки, благоприятствующие голосованию за определен-
ную партию, в значительной мере повторяют ситуацию в остальной части макрорегиона, к которому данный регион относится.
Фактическая поддержка партии на уровне макрорегиона и полнота набора признаков, благоприятствующих голосованию за эту партию также на уровне макрорегиона, связаны следующими корреляциями: ЕР 0,94; КПРФ 0,31; ЛДПР 0,66.
Полнота признаков поддержки на уровне региона и фактическая поддержка на уровне макрорегиона образуют следующие корреляции: ЕР 0,70; КПРФ 0,41; ЛДПР 0,71.
Ясно, что чем теснее связи показателей, входящих в С-, М- и СМ-типы, тем больше возможностей отрывается для электорального прогнозирования.
Ранее мы высказали предположение, что в практической подготовке к выборам наиболее важны регионы 3-го и 4-го типов, а также те регионы, которые принадлежат к типам 1 и 2, но приближаются по соотношению «уровень поддержки / полнота комплекса признаков, характерных для регионов с повышенной поддержкой» к типам 3 и 4.
Мы также предположили, что если уровень поддержки той или иной партии в стране в целом до президентских выборов 2018 г. увеличится, то в большей степени увеличение проявится в регионах ее потенциальной поддержки (тип 4). Если, наоборот, уровень поддержки партии ослабеет, то в большей степени это коснется регионов потенциального ослабления ее поддержки (тип 3). Речь шла только об С-типах. Сейчас можно отнести те же предположения к регионам, относящимся к М- и СМ-типам 3 и 4. Особенно неустойчивыми и, с этой точки зрения, важными являются регионы, в которых (в каждом) С-, М- и СМ-тип совпадают по номеру 3 или 4. В случае, буквенные типы региона не совпадают, его следует считать регионом переходного типа, т. е. приближающимся к номерным типам 3 или 4, потому тоже имеющим повышенное значение. При этом в аспекте голосования за ЕР принадлежность региона к С-типу более значима, чем его принадлежность к М- или СМ-типу.
Таким образом, выявление связей электоральных предпочтений региона с электоральными предпочтениями на уровне макрорегиона и выявление связей электоральных предпочтений региона с социально-экономическими признаками данного региона, а также макрорегиона - взаимно дополняющие предпосылки прогноза электорального поведения населения региона.
Выводы
1. По результатам выборов в ГД РФ 2016 г. уровень поддержки ЕР, КПРФ и ЛДПР на региональном уровне достоверно коррелирует с полнотой комплекса социальных признаков поддержки этих партий на региональном уровне, что позволяет учитывать данный комплекс признаков при электоральном прогнозировании.
2. По результатам выборов в ГД РФ 2016 г. уровень поддержки ЕР и ЛДПР на региональном уровне достоверно коррелирует с уровнем их поддержки на макрорегиональном уровне, что позволяет учитывать его при электоральном прогнозировании.
3. По результатам выборов в ГД РФ 2016 г. уровень поддержки ЕР и ЛДПР на региональном уровне достоверно коррелирует с полнотой комплекса социально-экономических признаков поддержки этих партий на макрорегиональном уровне, что позволяет учитывать данный комплекс признаков при электоральном прогнозировании.
4. Уровень поддержки КПРФ на региональном уровне не имеет достоверной корреляции с уровнем поддержки этой партии на макрорегиональном уровне и с полнотой социально-экономических признаков поддержки данной партии на макрорегиональном уровне.
5. Уровень поддержки каждой из рассматриваемых партий (ЕР, КПРФ, ЛДПР) на уровне макрорегиона, полнота социальных признаков поддержки на уровне макрорегиона, полнота социальных признаков поддержки на уровне региона имеют достоверную корреляцию между собой. Этим обстоятельством обуслов-
ливается высокая степень совпадения типологических характеристик региона, полученных при опоре на разные классы признаков (социальный, макрорегиональ-ный, социально-макрорегиональный), что способствует решению задач электорального прогнозирования.
6. Характеристика каждого региона по трем классам признаков поддержки данной партии (социальному, макрорегиональному, социально-макрорегиональному) и соотнесение этих классов признаков с фактическим уровнем поддержки данной партии в регионе позволяют определить его электоральную предрасположенность. Это регионы устойчиво-повышенной поддержки, устойчиво-пониженной поддержки, потенциального повышения и потенциального понижения поддержки. Информация (установление типа региона) по каждому классу дополняет информацию по другому классу при решении задач электорального прогнозирования.
ЛИТЕРАТУРА
1. Полян П.М. Вениамин Петрович Семенов-Тян-Шанский: 1870-1942. М. : Наука, 1989. 123 с.
2. Дегтярев А.А. Политический анализ как прикладная дисциплина: предметное поле и направления развития // Полис. Политические
исследования. 2004. № 1. С. 154-168.
3. Покровский Е.А. Проблемы реализации избирательного процесса в регионе Российской Федерации как источник конфликтности //
Правоведение. 1999. № 1. C. 244-247.
4. Манаков А.Г., Капкина И.В. Электоральная география России и Псковской области. Псков: Центр «Возрождение», 1998. 46 с.
5. Петров Н.В., Титков А. А. Электоральный ландшафт // Россия в избирательном цикле 1999-2000 гг. М. : Гендальф, 2000. С. 72-74.
6. Туровский Р.Ф. Политическая география : учеб. пособие. Смоленск : Изд-во СГУ, 1999. 381 с.
7. Johnston R. Anglo - American electoral geography: same roots and same goals, but different means and ends? // The professional geographer. Forum and
Journal of The Association of American Geographers, 2005. № 57 (4). P. 580-587.
8. Heppen J. Racial and social diversity and U.S. presidential election regions // The professional geographer. Forum and Journal of The Association
of American Geographers. 2003. № 33 (55). P. 191-205.
9. Карнышев А.Д., Жуков К.С., Шестак В.Ф. Психология и политика: вопросы теории и практики. Иркутск : ИГУ, 2004. 364 с.
10. Ахременко А.С. Количественный анализ результатов выборов: современные методы и проблемы. М. : Изд-во МГУ, 2008. 160 с.
11. Ахременко А.С. Количественный анализ политической динамики: статистический и детерминистский подходы // Вестник Московского университета. Серия 12: Политические науки. 2009. № 4. С. 3-17.
12. Ахременко А.С. Качество жизни регионов России: политологический аспект, методология и методика измерения // Вестник Московского университета. Серия 12: Политические науки. 2010. № 1. С. 67-83.
13. Семененко И.С., Лапкин В.В., Бардин А.Л., Пантин В.И. Между государством и нацией: дилеммы политики идентичности на постсоветском пространстве // Полис. Политические исследования. 2017. № 5. С. 54-78.
14. Ишмуратов Б.М. Экономико-географические и геополитические факторы развития межэтнических отношений на современном этапе // География и природные ресурсы. 1998. № 1. C. 5-14.
15. Максаковский В.П. Географическая картина мира. Кн. 1. Общая характеристика мира. М. : Дрофа, 2008. 495 с.
16. Нартов Н.А. Геополитика : учеб. для вузов. М. : ЮНИТИ, 1999. 359 с.
17. Огарев Н.П. Избранные социально-политические и философские произведения. М. : Литературное наследство, 1952. Т. 1. 95 с.
18. Саушкин Ю.Г. Экономическая география: история, теория, методы, практика. М. : Мысль, 1973. 443 с.
19. Чичерин Б.Н. Бюрократия и земство. Вопросы политики. М., 1905. 78 с.
20. O'Loughlin J. Polical Geography // The professional geographer. Forum and Journal of The Association of American Geographers. 1981. № 33 (2). P. 270-271.
21. Попов П.Л., Сараев В.Г., Черенев А.А., Галес Д.А. Результаты выборов в ГД РФ 2016 г. и перспективы региональной поддержки кандидатов от основных политических партий на президентских выборах // Власть. 2017. Т. 25, № 8. C. 74-82.
22. Попов П.Л., Сараев В.Г., Черенев А.А. От результатов выборов в ГД РФ 2016 г. на региональном и макрорегиональном уровнях к оценке перспектив кандидатов основных партий на президентских выборах 2018 г. // Власть. 2017. Т. 25, № 11. C. 83-87.
Статья представлена научной редакцией «Социология и политология» 23 сентября 2018 г.
ANALYSIS OF REGIONAL AND MACRO-REGIONAL FACTORS FOR SUPPORTING THE MAIN POLITICAL PARTIES AT THE ELECTIONS TO THE STATE DUMA OF THE RUSSIAN FEDERATION IN 2016
Vestnik Tomskogo gosudarstvennogo universiteta - Tomsk State University Journal, 2018, 436, 124-130. DOI: 10.17223/15617793/436/14
Petr L. Popov, V.B. Sochava Institute of Geography of the Siberian Branch of the Russian Academy of Sciences (Irkutsk, Russian Federation). E-mail: plp@irigs.irk.ru
Aleksei A. Tcherenev, V.B. Sochava Institute of Geography of the Siberian Branch of the Russian Academy of Sciences (Irkutsk, Russian Federation). E-mail: tcherenev@irigs.irk.ru
Vladimir G. Saraev, V.B. Sochava Institute of Geography of the Siberian Branch of the Russian Academy of Sciences (Irkutsk, Russian Federation). E-mail: soclab@irigs.irk.ru
Keywords: elections in 2016 and 2018; United Russia; CPRF; LDPR; correlation; region; macro-region; potential increase or decrease in support for party.
The article examines the correlation of election results in the State Duma in 2016 (per cent of voters who supported each of the three main parties) at the level of the regions (subjects of the Russian Federation) with three indicators. The article includes three sections, each of which, in turn, examines these indicators. The first indicator is socio-economic phenomena at the regional level. The second indicator is the results of the same elections at the level of the macro-regions to which the respective regions belong. The third indicator is socio-economic phenomena at the level of macro-regions to which the respective regions belong. Taking into account these correlations, four types of regions are established for each indicator. If the region in fact supported a certain party in the elections to the Duma of 2016 (this party received more votes here than the national average), and, at the same time, had support factors for this party, more than the national average, this was a region of sustained support for this party (support factors in this and other types can characterize both the region directly and the macro-region to which the region belongs). If the region gave fewer votes for this party than the national average and had less support for this party than the national average, this was a region of steadily low support for this party. If the region gave this party more votes than the national average, but had fewer support factors, this was a region of potential reduction of support for this party. If the region gave the party fewer votes than the national average, but had a relatively strong range of support factors for this party, this was a region of potential increase in support for this party. The greatest attention in the pre-election struggle should be drawn by the regions of potential increase and potential reduction in support for a particular party. All three indicators and types are considered complementary to each other when predicting the electoral behavior of the population of the region.
REFERENCES
1. Polyan, P.M. (1989) Veniamin Petrovich Semenov-Tyan-Shanskiy: 1870—1942 [Veniamin Petrovich Semenov-Tian-Shansky: 1870-1942]. Mos-
cow: Nauka.
2. Degtyarev, A.A. (2004) Politicheskiy analiz kak prikladnaya distsiplina: predmetnoe pole i napravleniya razvitiya [Political analysis as an applied
discipline: The subject field and directions of development]. Polis. Politicheskie issledovaniya — Polis. Political Studies. 1. pp. 154-168.
3. Pokrovskiy, E.A. (1999) Problemy realizatsii izbiratel'nogo protsessa v regione Rossiyskoy Federatsii kak istochnik konfliktnosti [Problems of
implementation of the electoral process in the region of the Russian Federation as a source of conflict]. Pravovedenie. 1. pp. 244-247.
4. Manakov, A.G. & Kapkina, I.V. (1998) Elektoral'naya geografiya Rossii i Pskovskoy oblasti [Electoral geography of Russia and Pskov Oblast].
Pskov: Tsentr "Vozrozhdenie".
5. Petrov, N.V. & Titkov, A.A. (2000) Elektoral'nyy landshaft [Electoral landscape]. In: Makfol, M. & et al. (eds) Rossiya v izbiratel'nom tsikle
1999-2000gg. [Russia in the 1999-2000 election cycle]. Moscow: Gendal'f.
6. Turovskiy, R.F. (1999) Politicheskaya geografiya [Political geography]. Smolensk: Smolensk State University.
7. Johnston, R. (2005) Anglo-American electoral geography: same roots and same goals, but different means and ends? The Professional Geographer.
Forum and Journal of The Association of American Geographers. 57 (4). pp. 580-587. DOI: 10.1111/j.1467-9272.2005.00500.x
8. Heppen, J. (2003) Racial and social diversity and U.S. presidential election regions. The Professional Geographer. Forum and Journal of The
Association of American Geographers. 33 (55). pp. 191-205. DOI: 10.1111/0033-0124.5502007
9. Karnyshev, A.D., Zhukov, K.S. & Shestak, V.F. (2004) Psikhologiya i politika: voprosy teorii i praktiki [Psychology and politics: Theory and
practice]. Irkutsk: Irkutsk State University.
10. Akhremenko, A.S. (2008) Kolichestvennyy analiz rezul'tatov vyborov: sovremennye metody iproblemy [Quantitative analysis of election results: modern methods and problems]. Moscow: Moscow State University.
11. Akhremenko, A.S. (2009) Quantitative analysis of election results: statistical and deterministic approaches. Vestnik Moskovskogo universiteta. Seriya 12: Politicheskie nauki — Moscow University Bulletin. Series 12. Political Science. 4. pp. 3-17. (In Russian).
12. Akhremenko, A.S. (2010) Qualitative Analysis of Political Dynamics: Stochastic versus Deterministic Approach. Vestnik Moskovskogo universiteta. Seriya 12: Politicheskie nauki — Moscow University Bulletin. Series 12. Political Science. 1. pp. 67-83. (In Russian).
13. Semenenko, I.S., Lapkin, V.V., Bardin, A.L. & Pantin, V.I. (2017) Between the State and the Nation: Dilemmas of Identity Policy in Post-Soviet Societies. Polis. Politicheskie issledovaniya — Polis. Political Studies. 5. pp. 54-78. (In Russian). DOI: 10.17976/jpps/2017.05.05
14. Ishmuratov, B.M. (1998) Ekonomiko-geograficheskie i geopoliticheskie faktory razvitiya mezhetnicheskikh otnosheniy na sovremennom etape [Economic-geographical and geopolitical factors in the development of inter-ethnic relations at the present stage]. Geografiya i prirodnye resursy. 1. pp. 5-14.
15. Maksakovskiy, V.P. (2008) Geograficheskaya kartina mira [Geographical picture of the world]. Book 1. Moscow: Drofa.
16. Nartov, N.A. (1999) Geopolitika [Geopolitics]. Moscow: YuNITI.
17. Ogarev, N.P. (1952) Izbrannye sotsial'no-politicheskie ifilosofskieproizvedeniya [Selected socio-political and philosophical works]. Vol. 1. Moscow: Literaturnoe nasledstvo.
18. Saushkin, Yu.G. (1973) Ekonomicheskaya geografiya: istoriya, teoriya, metody, praktika [Economic geography: history, theory, methods, practice]. Moscow: Mysl'.
19. Chicherin, B.N. (1905) Byurokratiya i zemstvo. Voprosy politiki [Bureaucracy and zemstvo. Policy issues]. Moscow: Tipografiya t-va I. N. Kush-nerev i K.
20. O'Loughlin, J. (1981) Political Geography. The Professional Geographer. Forum and Journal of The Association of American Geographers. 33 (2). pp. 270-271.
21. Popov, P.L., Saraev, V.G., Cherenev, A.A. & Gales, D.A. (2017) From the Election Results in the Russian Federation of 2016 at the Regional and Macro Regional Levels to Evaluating the Perspectives of the Candidates of the Main Parties at the Presidential Elections of 2018. Vlast' — The Authority. 25(8). pp. 74-82. (In Russian).
22. Popov, P.L., Saraev, V.G. & Cherenev, A.A. (2017) From the Election Results in the Russian Federation of 2016 at the Regional and Macro Regional Levels to Evaluating the Perspectives of the Candidates of the Main Parties at the Presidential Elections of 2018. Vlast' — The Authority. 25(11). pp. 83-87.
Received: 23 September 2018