CC BY
13
Ars Administrandi (Искусство управления). 2023. Т. 15, № 2. С. 202-223.
Ars Administrandi. 2023. Vol. 15, no. 2, pp. 202-223.
Научная статья
УДК 324
https://doi.org/10.17072/2218-9173-2023-2-202-223
ФАКТОРЫ СВОЕОБРАЗИЯ ПАРТИЙНО-ЭЛЕКТОРАЛЬНОГО ЛАНДШАФТА В РЕГИОНАХ РОССИИ
Петр Вячеславович Панов1
1 Пермский федеральный исследовательский центр Уральского отделения РАН, Институт
гуманитарных исследований Уральского отделения РАН, Пермь, Россия, panov.petr@gmail.com,
https://orcid.org/0000-0002-0759-7618
Аннотация. Введение: в 2000-е годы в России возобладали тенденции политической централизации и унификации политического пространства. В этих условиях своеобразие партийно-электорального ландшафта в российских регионах проявляется в различиях голосования за основные партии на федеральных и региональных выборах. Цель: выявить, насколько стабильно воспроизводится своеобразие партийно-электорального ландшафта в субъектах Российской Федерации, а также определить, какие факторы влияют на степень своеобразия. Методы: количественный анализ итогов голосования за основные политические партии на федеральных и региональных выборах в период с 2007 по 2021 год; вычисление индекса своеобразия (index of dissimilarity) и корреляционный анализ его значений между различными электоральными циклами; регрессионный анализ факторов (социокультурная, историческая, географическая и социально-экономическая специфика региона), влияющих на значения индекса своеобразия, то есть на специфику партийно-электорального ландшафта регионов. Результаты: в целом по регионам обнаруживается средняя степень корреляции в значениях индекса своеобразия между электоральными циклами. Регрессионные модели объясняют примерно половину вариаций в значениях индекса своеобразия. Выводы: в большинстве регионов степень своеобразия партийно-электорального ландшафта воспроизводится относительно стабильно в течение всего рассматриваемого периода. Анализ факторов, влияющих на вариативность степени своеобразия партийно-электорального ландшафта в субъектах Российской Федерации, позволяет сделать вывод о ключевом воздействии социокультурной специфики региона. Кроме того, существенное значение имеет историческая и географическая специфика.
Ключевые слова: партии, выборы, региональные парламенты, Государственная Дума, индекс своеобразия, сравнительный анализ
Благодарности: исследование выполнено в рамках государственного задания Пермского федерального исследовательского центра Уральского отделения РАН, тема научно-исследовательской работы «Политические институты и процессы в современном территориальном и социокультурном контексте», регистрационный номер в ЕГИСУ НИОКР АААА-А19-119032590065-5.
Для цитирования: Панов П. Б. Факторы своеобразия партийно-электорального ландшафта в регионах России // Ars Administrandi (Искусство управления). 2023. Т. 15, № 2. С. 202-223. https://doi.org/10.17072/2218-9173-2023-2-202-223.
||2j ф I Контент доступен по лицензии Creative Commons Attribution 4.0 International License The content is licensed under a Creative Commons Attribution 4.0 International License
© Панов П. В., 2023
202
Original article
THE party-electoral LANDSCAPE DiSSiMiLARiTY FACTORS iN THE REGioNS oF RUSSiA
Petr V. Panov1
1 Perm Federal Research Center of the Ural Branch of the Russian Academy of Sciences, Institute for Humanitarian Studies of the Ural Branch of the Russian Academy of Sciences, Perm, Russia, panov.petr@gmail.com, https://orcid.org/0000-0002-0759-7618
Abstract. Introduction: in the 2000s, political centralization and political space unification trends prevailed in Russia. Under these conditions, dissimilarity of the party-electoral landscape in the Russian regions is manifested in different voting for the main parties in federal and regional elections. Objectives: to identify how stable the dissimilarity of the party-electoral landscape is reproduced in the constituent entities of the Russian Federation, as well as to determine what factors affect the degree of the party-electoral landscape dissimilarity. Methods: quantitative analysis of votes for the main political parties in federal and regional elections in 2007-2021; calculation of dissimilarity index; correlation analysis of dissimilarity index values between different electoral cycles; regression analysis of factors (socio-cultural, historical, geographical and socio-economic specifics of the region) influencing the dissimilarity index values, i.e., the specifics of the party-electoral landscape of the regions. Results: in general, the regions reveal an average degree of correlation in the index of dissimilarity values between electoral cycles. Regression models account for about half of the variations in the values of dissimilarity index. Conclusions: in most regions, the degree of dissimilarity of the party-electoral landscape is reproduced relatively stable throughout the entire period under review. The analysis of the factors influencing the variability of the degree of the party-electoral landscape dissimilarity in the constituent entities of the Russian Federation allows to conclude that the socio-cultural specificity of the region has a key impact. In addition, historical and geographical specifics are of significant importance.
Keywords: parties, elections, regional legislatures, the State Duma, index of dissimilarity, comparative analysis
Acknowledgements: the research was supported by the government fund to the Perm Federal Research Center of the Ural Branch of the Russian Academy of Sciences, research topic "Political institutions and processes in the modern territorial and socio-cultural context", registration number in the Unified State Information System for Accounting for Research, Development and Technological Works for Civil Purposes AAAA-A19-119032590065-5.
For citation: Panov, P. V. (2023), "The party-electoral landscape dissimilarity factors in the regions of Russia", Ars Administrandi, vol. 15, no. 2, pp. 202-223, https://doi. org/10.17072/2218-9173-2023-2-202-223.
ВВЕДЕНИЕ
В 2000-е годы в России возобладали тенденции централизации и унификации политического пространства. Создание партии власти «Единая Россия», усилия по укоренению ее в регионах страны, фактический запрет региональных партий привели к тому, что не только на общероссийском уровне, но и в субъектах Российской Федерации сложилась партийная система с доминирующей партией. Если в 1990-е годы в региональном политическом ландшафте господствовали «местные», зачастую «прогубернаторские», пар-
тии (Голосов, 2000; Коргунюк, 2007), то теперь в региональных легислатурах, как правило, представлены «Единая Россия» (ЕР), за отдельными исключениями имеющая большинство депутатских мандатов, а также три основные партии «системной оппозиции» - Коммунистическая партия Российской Федерации (КПРФ), Либерально-демократическая партия России (ЛДПР) и «Справедливая Россия» (СР). Политико-управленческая централизация («вертикаль власти») сопровождалась гомогенизацией политико-институциональной структуры в регионах. Рамочное федеральное законодательство, регулирующее организацию публичной власти на субнациональном уровне, становилось все более унифицирующим. В результате специфические черты, свойственные некоторым регионам в 1990-е годы, такие как парламентская система (Удмуртская Республика), двухпалатный парламент (Свердловская область), наличие позиции президента в системе органов власти (Республика Татарстан) и т. д. (Гельман, 1998; Кононенко, 2003; Туровский, 2011), в настоящее время исчезли.
Тем не менее с точки зрения соотношения результатов партий на выборах регионы России заметно различаются. Так, в последнем цикле выборов региональных парламентов (2017-2021) доля мест, полученных ЕР, колеблется от 34 % (Хакасия) до 94 % (Тыва)1, даже если не учитывать специфику этих выборов в Москве, где ЕР использовала технологию непартийного самовыдвижения, и в Хабаровском крае, где после победы на губернаторских выборах С. Фургала региональной партией власти временно стала ЛДПР. В итоге, несмотря на то, что только в пяти региональных легислатурах ЕР лишилась большинства, различия в композиции региональных парламентов довольно существенны. Подобная картина наблюдается и на федеральных выборах: в 2021 году доля голосов, полученных ЕР, в кросс-региональном измерении варьируется от 24,5 % (Хабаровский край) до 96 % (Чеченская Республика). Значительные различия демонстрируют и другие партии: КПРФ - от 0,75 до 36 %; ЛДПР - от 0,11 до 16 %; СР - от 0,9 до 19 %2.
Таким образом, своеобразие партийно-электорального ландшафта в российских регионах сохраняется даже в условиях унификации. Хотя наличие партийно-электоральной специфики субъектов Российской Федерации -хорошо известный феномен, однако не до конца исследовано, насколько стабильно воспроизводится это своеобразие. Кроме того, очевидно, что интенсивность специфики существенно различается, и возникает вопрос, какие факторы влияют на степень своеобразия партийно-электорального ландшафта в регионах страны.
МЕТОДОЛОГИЯ (ТЕОРЕТИЧЕСКИЕ ОСНОВЫ) ИССЛЕДОВАНИЯ
Измерение своеобразия партийно-электорального ландшафта
Для количественного измерения специфики единичного явления по сравнению с классом явлений, к которому оно принадлежит, в социальных науках
1 Выборы, референдумы и иные формы прямого волеизъявления [Электронный ресурс] // Офиц. сайт Центр. избират. комис. Рос. Федерации. URL: http://www.izbirkom.ru/region/izbirkom (дата обращения: 14.02.2023).
2 Там же.
широко используется индекс своеобразия (index of dissimilarity). В общем виде он определяется так: из количественного значения интересующего нас признака единичного явления вычитается значение данного признака у всего класса. Разумеется, этот алгоритм трансформируется в зависимости от того, какое именно «своеобразие» необходимо измерить. Если речь идет о своеобразии партийно-электорального ландшафта некого региона, именно он станет единичным явлением, классом - «регионы страны», а партийно-электоральный ландшафт будет измеряться через доли голосов, которые получила каждая партия на выборах. Следовательно, для количественного измерения своеобразия партийно-электорального ландшафта региона из доли голосов, полученных каждой партией в регионе, необходимо вычесть долю голосов, полученную во всех регионах (то есть по стране в целом), и суммировать полученные значения, взяв их по модулю. Во избежание «двойного счета» результат делится на два:
п
dis = \Y}Vp-Vp\
р=1
где Vp - доля голосов, полученная партией в регионе;
Vp - средняя доля голосов, полученная партией во всех регионах.
Индекс своеобразия как инструмент количественного измерения партийно-электоральной специфики регионов широко используется в сравнительных исследованиях (Hearl et al., 1996; Cartrite and Miodownik, 2016; Schakel, 2013a; Schakel, 2013b)3. Арьян Шекель, уточняя этот инструментарий, выделил четыре варианта исчисления индекса своеобразия регионов, или, используя его терминологию, «неконгруэнтности регионов и страны», в зависимости от того, какие именно количественные признаки партийно-электорального ландшафта соотносятся между собой. В представленном выше варианте речь идет о соотнесении результатов партий в регионе и в стране на национальных выборах (по Шекелю, о «неконгруэнтности электората на национальных выборах»). Второй вариант - соотнести результаты партий на региональных выборах в регионе и в стране в целом («неконгруэнтность электората на региональных выборах»); третий - сопоставить результаты партий на региональных выборах в регионе и национальных выборах в стране («неконгруэнтность партийных систем»); четвертый - соотнести результаты партий на региональных и национальных выборах в регионе («электоральная неконгруэнтность») (Schakel and Verdoes, 2023).
В данной работе использованы первые два варианта. Соответственно, значения индекса своеобразия регионов рассчитаны, во-первых, для каждого региона применительно к итогам голосования (доли голосов в процентах) по пропорциональной системе за партийные списки четырех основных
3 Речь идет об измерении специфики именно отдельных регионов, а не гетерогенности партийно-электорального ландшафта страны в целом, для которой применяются иные инструменты, а именно разнообразные индексы национализации партий и партийных систем (Caramani, 2004; Jones and Mainwaring, 2003; Туровский, 2016).
политических партий - ЕР, КПРФ, СР и ЛДПР - на выборах депутатов Государственной Думы в 2007, 2011, 2016 и 2021 годах4. Более ранние выборы не взяты по той причине, что существующая до настоящего времени партийная система сложилась именно к 2007 году. Во-вторых, индекс своеобразия был рассчитан для итогов голосования (доли голосов в процентах) по пропорциональной системе за партийные списки этих же партий на выборах депутатов региональных парламентов. Поскольку региональные выборы проходят не одновременно, они были разбиты на три цикла, «привязанные» к выборам депутатов Государственной Думы: 2007-2011, 2012-2016 и 2017-2021 годы. Итоги голосования за каждую партию в каждом регионе сопоставлялись со средними по всем регионам значениями голосования за эту партию в соответствующем электоральном цикле. Поскольку речь идет о голосовании по партийным спискам, из исследования исключена Москва, где начиная с 2014 года голосование по партийным спискам на региональных выборах не практикуется. Крым и Севастополь исключены из-за невозможности применить к ним результаты выборов до 2014 года. Таким образом, эмпирическая база исследования - результаты четырех циклов федеральных и трех циклов региональных выборов в 82 субъектах Российской Федерации5.
Третий вариант исчисления индекса - сопоставление результатов региональных и национальных выборов - применить к России проблематично, поскольку в 39, то есть почти в половине, субъектов Российской Федерации выборы в региональные парламенты проходят одновременно с выборами депутатов Государственной Думы. В итоге в этих регионах результаты партий на региональных и национальных выборах намного сильнее связаны, чем в остальных. Так, корреляция между голосованием за ЕР на выборах Государственной Думы 2021 года и на региональных выборах 2017-2021 годов в 39 указанных регионах составляет 0,99, а в остальных - 0,81; за ЛДПР - соответственно 0,95 и 0,73; за СР - 0,85 и 0,55; и только у КПРФ корреляции оказались близкими - 0,92 и 0,93. Следовательно, выводы о различиях в степени своеобразия разных регионов на основании сопоставления результатов региональных и национальных выборов будут некорректны.
Последний вариант исчисления индекса своеобразия имеет специфическую цель. Как представляется, он не столько показывает специфику региона, сколько позволяет определить, в какой мере избиратели региона меняют свои предпочтения на национальных выборах по сравнению с выборами региональных органов власти. Поэтому в данной работе четвертый вариант расчета не используется.
Таким образом, поскольку анализируются четыре электоральных цикла федеральных выборов и три - региональных, всего получается семь показателей индекса своеобразия, которые в настоящем исследовании являются зависимыми переменными: В1$$1тВиша-2007, В1$$1тВиша-2011, В1$$1тВиша-2016, В1$$1тВита-2021, DissimReg-1 (для цикла 2007-2011 годов), DissimReg-2
4 В 2021 году учитывалась еще и партия «Новые люди», которая также преодолела 5%-ный избирательный порог.
5 Источник всех данных - официальный сайт Центральной избирательной комиссии Российской Федерации. См.: Выборы, референдумы и иные формы прямого волеизъявления...
(для цикла 2012-2016 годов), DissimReg-3 (для цикла 2017-2021 годов). Кроме того, для каждого региона были рассчитаны средние значения: Dis-simDuma, DissimReg и DissimAver. Описательная статистика по всем зависимым переменным приведена в таблице 1. Значения DissimDuma и DissimReg для каждого региона представлены в приложении, а на рисунке показаны ящичные диаграммы распределения значений индекса своеобразия (нумерация регионов на диаграммах соответствует нумерации в Приложении).
Таблица 1 / Table 1
Описательная статистика значений индекса своеобразия (N = 82) / Descriptive statistics of the index of dissimilarity values (N = 82)
Параметры 1 *Св •imDuma 2007 •imDuma 2011 •imDuma 2016 •imDuma 2021 a ma u D S № V СИ S № V СИ S СЛ № V СИ S ж V СИ S се
S Св S се S се S се S се S се Di се Di се Di Di
Среднее 11,98 7,98 13,68 11,62 13,53 11,70 12,75 11,79 12,47 12,34
Медиана 10,31 6,07 11,85 10,59 13,36 10,15 11,84 10,61 11,67 11,33
Ст. откл. 5,77 6,43 9,07 6,82 7,32 6,65 7,10 6,28 6,98 5,36
Минимум 4,93 1,43 2,05 1,70 1,02 2,94 2,44 0,52 3,27 5,19
Максимум 36,32 31,13 46,99 36,82 41,77 39,18 35,86 28,92 42,67 32,50
Источник: собственные расчеты автора.
DissimDuma 2007 I DissimDuma 2016 I DissimReg-1 DissimReg-2 DissimReg3
DissimDuma 2011 DissimDuma 2021
Рис. Ящичные диаграммы значений индекса своеобразия / Fig. Box plots of the index of dissimilarity values
Источник: собственные расчеты автора.
Дескриптивный анализ показывает, что наименьшие значения индекса своеобразия были на выборах Государственной Думы 2007 года: среднее значение составляет около 8 %, медиана - примерно 6 %. На последующих выборах средние значения несколько возросли и остаются вполне стабильными на протяжении всего рассматриваемого периода как на федеральных, так и на региональных выборах: средние значения колеблются между 11,5 и 13,5 %, медианные - между 10,5 и 12 %.
Наименьшее своеобразие в отдельных циклах демонстрируют Ростовская область и Ставропольский край (выборы в Государственную Думу 2011 года), Белгородская и Липецкая области (выборы 2016 года), Белгородская и Нижегородская области (выборы 2021 года). На региональных выборах наименьшие значения индекса в Астраханской и Смоленской областях в первом цикле, в Нижегородской и Липецкой - во втором, в Волгоградской и Курской - в третьем. За исключением Астраханской, Смоленской и Волгоградской областей, все отмеченные регионы находятся в десятке субъектов Российской Федерации с наименьшими средними значениями индекса своеобразия. Тем не менее стабильность показателей своеобразия в этой группе не слишком велика, особенно на региональных выборах. У Астраханской области, например, значения индекса «скачут» от 3,2 до 14,9 %.
Группа регионов с наибольшим своеобразием партийно-электорального ландшафта, напротив, значительно более стабильна. На всех федеральных выборах «лидируют» республики: Чеченская, Ингушетия, Дагестан, Карачаево-Черкесская, Тыва, Кабардино-Балкарская, Татарстан, а также Мордовия, которая, правда, выпадает из группы в 2021 году (на тех выборах по указанным выше причинам в данной группе появляется Хабаровский край). К этой же группе, особенно по результатам региональных выборов, относятся Республика Башкортостан и Кемеровская область. На ящичной диаграмме хорошо видно, что все аутлаеры демонстрируют повышенные значения индекса своеобразия: Чеченская Республика (номер 77), Республики Дагестан (15), Ингушетия (19), Мордовия (40).
Учитывая, что средние значения индексов своеобразия за разные электоральные циклы примерно одинаковы, для определения степени их стабильности / волатильности в регионах можно использовать коэффициенты корреляции значений индекса между циклами (табл. 2). На федеральных выборах обнаруживается высокая корреляция между 2007 и 2011 годами (0,882) и между 2016 и 2021 годами (0,821), но в остальных случаях она заметно ниже: от 0,626 (между 2007 и 2021 годами) до 0,740 (между 2011 и 2016 годами). На региональных выборах коэффициент корреляции составляет 0,667 между первым и вторым циклами, но в третьем цикле его значение резко падает до 0,392. Не слишком велики и значения коэффициентов корреляции между федеральными и региональными выборами - от 0,385 до 0,676. Правда, если не учитывать далеко отстоящие по времени электоральные циклы, коэффициенты превышают 0,6.
Таблица 2 / Table 2
Корреляционная матрица значений индекса своеобразия (N = 82) / Correlation matrix of the index of dissimilarity values (N = 82)
« S « S « S « S « S № V es iss № V es iss СЛ № V es iss № V
Переменные simDi 2007 simDi 2011 simDi 2016 simDi 2021 iD S is es is s
Di s Di s Di s Di s Di Dis Dis Dis Di
DissimAver ,853** ,898** ,880** ,834** ,968** ,722** ,750** ,688** ,909**
DissimDuma-2007 ,882** ,664** ,626** ,885** ,606** ,526** ,471** ,677**
DissimDuma-2011 ,740** ,678** ,931** ,659** ,552** ,481** ,715**
DissimDuma-2016 ,821** ,895** ,481** ,655** ,602** ,729**
DissimDuma-2021 ,869** ,385** ,500** ,676** ,658**
DissimDuma ,601** ,621** ,618** ,775**
DissimReg-1 ,667** ,269* ,818**
DissimReg-2 ,392** ,854**
DissimReg-3 ,705**
Примечание: * - корреляция значима на уровне 0,05 (двухсторонняя), ** - корреляция значима на уровне 0,01 (двухсторонняя).
Источник: собственные расчеты автора.
Следовательно, в целом по регионам значения индекса своеобразия демонстрируют средний уровень стабильности, однако в большинстве регионов они относительно стабильны. Так, если рассчитать среднее изменение значений индекса своеобразия в трех случаях - между 2011 и 2007, 2016 и 2011, 2021 и 2016 годами, то лишь в 8 регионах оно превышает 4 %, а в 51-м составляет менее 3 %.
Факторы своеобразия партийно-электорального ландшафта
Современные теоретические представления о факторах, влияющих на своеобразие партийно-электорального ландшафта, в значительной мере базируются на концепции национального государства (nation-state). Становление национального государства в рамках этой концепции предполагает гомогенизацию политического пространства, или «национализацию политики», что включает в себя формирование устойчивой партийной системы с относительно гомогенной в кросс-территориальном отношении поддержкой политических партий (Мелешкина, 2010; Caramani, 2004). Вместе с тем очевидно, что национальное государство - это идеально-типическая модель, а гомогенизация политического пространства не более чем тенденция, поскольку в реальности в той или иной мере всегда обнаруживаются кросс-территориальные различия политических процессов. Разные территории, однако, демонстрируют различную степень специфики, и такая вариативность поднимает вопрос о том, какие факторы влияют на величину своеобразия партийно-электорального ландшафта.
Большое значение для разработки этой темы имели работы Стейна Рок-кана (Rokkan, 1973; Rokkan and Urwin, 1983). Анализируя становление современных западноевропейских государств, он обнаружил, что гомогенизации политического пространства препятствовали такие характеристики отдельных территорий, как социокультурная специфика, периферийность географического положения и исторический опыт наличия собственных политических институтов.
Социокультурное своеобразие наиболее отчетливо проявляется в специфике этнического состава населения региона. Языковые, религиозные и иные особенности производят не только неповторимую региональную идентичность, но и специфические политические интересы, направленные на сохранение социокультурной самобытности и связанные с языковой, конфессиональной политикой, политикой в области образования и т. д. На этой почве (если позволяет законодательство) возникают этнорегиональные партии, создавая тем самым своеобразие партийно-электорального ландшафта. Как правило, сила таких партий в значительной мере зависит от доли этнической группы в составе населения региона (Tronconi, 2015; Mazzoleni and Mueller, 2016).
Несмотря на современные средства коммуникации, периферийность географического положения, по мнению многих исследователей, по-прежнему остается важным фактором политической специфики региона: удаленность от центра снижает интенсивность политических коммуникаций и, как следствие, контроля за политическим процессом в регионе со стороны центра (Corner, 1988; Cartrite and Miodownik, 2016). Дополнительно на это влияют такие особенности периферийного региона, как его эксклавность или островное положение.
Некоторые ученые вслед за С. Рокканом акцентируют внимание на особенностях исторического развития отдельных частей государства (Fitjar, 2010; Hooghe and Marks, 2016). Они подчеркивают различия между теми регионами, которые составляли «ядро государства», то есть вошли в состав государства при его образовании, и теми, которые «изначально» были за его рамками. Более того, у некоторых регионов мог быть исторический опыт собственной государственности. В иных случаях они могли входить в состав других государств. Существенное значение имеет и то, каким образом регион вошел в состав данного государства, развязывались ли при этом войны, конфликты и т. д. В ситуации, когда это сохраняется в исторической памяти, возникают весьма серьезные стимулы для проявления политической специфики и в современных условиях.
Наконец, в качестве значимого фактора своеобразия партийно-электорального ландшафта рассматривается социально-экономическая специфика региона. Речь идет не только и даже не столько об отраслевой специализации региона (хотя она тоже может оказывать влияние), сколько об уровне социально-экономического развития относительно страны в целом. В данном случае теоретические ожидания исследователей расходятся. Одни полагают, что именно менее развитые регионы, вследствие их неудовлетворенности своим положением, будут выдвигать особые политические требования, что создает почву для усиления партийно-электоральной специфики (Sorens,
2008). Другие ученые, напротив, считают, что специфические требования выдвигают более развитые регионы, недовольные перераспределением ресурсов «в пользу бедных» (Cartrite and Miodownik, 2016). Оба предположения представляются вполне резонными, поэтому имеет смысл говорить не о более или менее развитых регионах, а о степени отклонения (в любую сторону) уровня социально-экономического развития региона от страны в целом.
Опираясь на эти теоретические представления, можно сформулировать несколько исследовательских гипотез:
Н1: Чем выраженнее социокультурная специфика, тем выше степень своеобразия партийно-электорального ландшафта в регионе.
Н2: Чем выраженнее специфика географического положения, тем выше степень своеобразия партийно-электорального ландшафта в регионе.
Н3: Чем выраженнее специфика политической истории, тем выше степень своеобразия партийно-электорального ландшафта в регионе.
Н4: Чем выраженнее регион отклоняется по уровню социально-экономического развития от страны в целом, тем выше степень своеобразия партийно-электорального ландшафта в регионе.
Для проверки этих гипотез в данной статье использованы несколько операциональных показателей, которые рассматриваются как независимые переменные. Социокультурная специфика региона измеряется через долю этнических меньшинств (в процентах) в населении региона. Но поскольку мы исследуем политическое своеобразие регионов, то есть их отклонение от общероссийских показателей, независимые переменные, в том числе социокультурная специфика, также должны отражать не абсолютные значения, а их девиацию от средних значений по России. Поэтому на основании результатов Всероссийской переписи населения 2010 года были рассчитаны и взяты по модулю отклонения по доле этнических меньшинств в населении субъектов Российской Федерации от общероссийского значения, которое составляет 80,9 %6, в результате чего получены значения показателя Dev-Nonrus.
Для измерения социально-экономической специфики регионов использованы два показателя: доля городского населения (в процентах) и уровень бедности, то есть доля жителей региона (в процентах) с доходами ниже прожиточного минимума7. Как представляется, последний показатель значительно лучше отражает «уровень социально-экономического благополучия», чем, например, ВРП на душу населения, объем инвестиций и т. п. В данном случае опять-таки следует брать не абсолютные значения, а отклонения от общероссийских по модулю. Соответственно были рассчитаны показатели Dev-Urban и Dev-Pov. В отличие от этнического состава регионов, они динамические, поэтому для федеральных выборов они были вычислены отдельно для 2007,
6 Всероссийская перепись населения 2010 года [Электронный ресурс] // Офиц. сайт Федер. службы гос. статистики. URL: https://gks.ru/free_doc/new_site/perepis2010/croc/perepis_itogi1612. htm (дата обращения: 12.02.2023).
7 Социально-экономические показатели по субъектам Российской Федерации. Приложение к сборнику «Регионы России. Социально-экономические показатели» [Электронный ресурс] // Офиц. сайт Федер. службы гос. статистики. 2022. 30 дек. URL: https://rosstat.gov.ru/folder/210/ document/47652 (дата обращения: 12.02.2023).
2011, 2016 и 2021 годов, а для региональных выборов взяты средние значения за годы, соответствующие трем электоральным циклам. Кроме того, были рассчитаны средние значения: для федеральных выборов - среднее за четыре соответствующих года, для региональных - среднее значение средних значений трех циклов, для всех выборов - среднее значение за весь период с 2007 по 2021 год8.
Географическая специфика измерялась через часто используемый в подобных исследованиях показатель удаленности региона от центра страны (Cartrite and Miodownik, 2016; Sorens, 2008) - расстояние регионального центра от Москвы по автомобильным или железным дорогам в тысячах киломе-тров9. Для всех регионов был вычислено среднее значение (2,343)10, и от него рассчитаны отклонения для каждого региона по модулю - Dev-Distance. Кроме удаленности, географическая специфика зафиксирована в таком показателе, как географическое расположение региона - в восточной или западной части страны. К субъектам Российской Федерации, которые находятся в восточной части (Eastern-Russia), отнесены регионы, расположенные к востоку от границы между Европой и Азией (в ее традиционном понимании: по Уральскому хребту и реке Урал). Они закодированы как «1», остальные - как «0».
Наконец, для измерения исторической специфики регионов был использован композитный индекс специфики политической истории регионов Российской Федерации, разработанный российскими исследователями (Кирьянов и Панов, 2022) на основе методики, предложенной Р. Фитьяром (Fitjar, 2010). Индекс (в данной работе обозначен как History-Spec) может принимать значения от «0» до «8» в зависимости от наличия у региона следующих признаков исторической специфики: 1) регион не входил в «историческое ядро» Российского государства; 2) до вхождения в состав Московской Руси регион имел собственную государственность или на его территории было «свое» княжество; 3) был период, когда уже после вхождения в состав России регион временно выходил из ее состава; 4) у региона был опыт краткосрочной государственности в период с 1918 по 1922 год; 5) «столица» современного региона имела столичный статус еще до советских административных преобразо-ваний11.
Описательная статистика по всем зависимым переменным (по динамическим Dev-Urban и Dev-Pov - средние значения за период 2007-2021 годов) приведена в таблице 3.
8 Данные по бедности в Чеченской Республике в официальной статистике появляются только с 2012 года. Поэтому она исключена из анализа на федеральных выборах 2007 и 2011 годов, а также в первом цикле региональных выборов. При расчете средних значений для Чеченской Республики взяты средние за те циклы/годы, по которым для нее есть данные.
9 До Анадыря (Чукотка) и Петропавловска-Камчатского (Камчатский край) наземное транспортное сообщение (авто- и железные дороги) отсутствует, поэтому им были присвоены наивысшие значения: 11 и 10,5 тыс. км соответственно.
10 База данных «Субнациональный регионализм и многоуровневая политика (REG-MLG)». Пермь: Перм. федер. исслед. центр Урал. отд-ния Рос. акад. наук, 2021. 158 с. [Электронный ресурс]. URL: http://identityworld.ru/maps_aera/database/REG-MLG_codebook.pdf (дата обращения: 12.02.2023).
11 Там же.
Таблица 3 / Table 3
Описательная статистика значений независимых переменных (N = 82) / Descriptive statistics of the independent variables values (N = 82)
Параметры Dev-Nonrus Dev-Pov Dev-Urban Dev-Distance Eastern-Russia History-Spec
Среднее 18,86 4,06 9,98 2,016 0,27 2,17
Медиана 13,45 2,90 7,10 1,603 0,00 2,00
Ст. откл. 18,21 3,58 9,08 1,875 0,45 1,32
Минимум 0,00 0,60 0,50 0,022 0 0
Максимум 80,10 20,40 45,50 8,657 1 6
Источник: собственные расчеты автора.
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
Для исследования влияния социокультурной, социально-экономической, географической и исторической специфики регионов на степень своеобразия их партийно-электорального ландшафта построено несколько регрессионных моделей: отдельно для каждого из семи электоральных циклов, а также для средних значений DissimDumа, DissimReg и DissimAver. Результаты множественной линейной регрессии представлены в таблице 4.
Исследование показывает достаточно высокую объяснительную силу построенных моделей для федеральных выборов. Значение скорректированного Я2 колеблется между 0,415 и 0,472, а в модели с DissimDuma составляет 0,564. Относительно низкое значение Я2 для Государственной Думы 2011 года можно объяснить спецификой этих выборов, когда протестное голосование сильно повлияло на результаты ЕР во многих регионах, увеличив тем самым степень своеобразия. Для региональных выборов общие оценки моделей значительно хуже: во втором цикле скорректированный Я2 составил 0,186, в третьем - 0,201, а в первом всего лишь 0,083. Это ожидаемо, поскольку результаты выборов находятся под влиянием не только долговременных факторов, но и текущей ситуации, а региональные выборы проходят в разное время. В этом плане представляется важным, что и на федеральных, и на региональных выборах Я2 выше в моделях со средними значениями индекса своеобразия (DissimDuma и DissimReg), чем в отдельных циклах. Средние значения сглаживают влияние ситуационных факторов и оказываются более надежным показателем своеобразия партийно-электорального ландшафта регионов. Модель с DissimAver (среднее по всем циклам) объясняет более половины вариаций значений индекса своеобразия, с DissimDuma - еще больше, примерно 56 %, и даже на региональных выборах модель с DissimReg дает объяснения примерно 30 % вариаций.
Что касается отдельных факторов, анализ показывает, что ключевое значение в объяснении своеобразия партийно-электорального ландшафта регионов имеет историческая и особенно социокультурная специфика регионов. Предиктор Беу-№эпгш устойчиво демонстрирует статистическую значимость коэффициентов во всех десяти моделях: в среднем возрастание отклонений в доле русского населения от общероссийских показателей на 1 % увеличи-
<и 2
(В
S £
■м
CD
о-
ее о
о о
CD
&
14 CD CL
DissimAver Est (St.Br.) 0,062 (0,158) 0,000 (0,064) 0,795*** (0,360) 0,203*** (0,034) -0,368 (0,266) £ ^ 6,389 (1,108) 0,513 2 8 ,01 0, V p* in ,0 0, V p* о V p*
DissimReg_3 Est (St.Br.) 0,052 (0,238) 0,039 (0,098) 0,440 (0,561) 0,168*** (0,054) -0,081 (0,410) 2,026 (1,826) 7,397 (1,696) 0,201 2 8
DissimReg_2 Est (St.Br.) 0,128 (0,209) -0,098 (0,088) 1,252* (0,506) 0,125** (0,050) -0,527 (0,375) 3,352** (1,645) 7,398 (1,551) 0,186 2 8
DissimReg_1 Est (St.Br.) -0,135 (0,212) 0,050 (0,106) -0,089 (0,595) 0,136** (0,054) -0,370 (0,425) -0,449 (1,852) 11,198 (1,876) 0,083 81
DissimReg Est (St.Er.) 0,120 (0,178) -0,009 (0,072) 0,634 (0,404) 0,140*** (0,039) -0,354 (0,298) 1,530 (1,312) 8,236 (1,242) 0,291 2 8
DissimDuma 2021 Est (St.Er.) 0,018 (0,209) -0,066 (0,084) 0,762 (0,479) 0,278*** (0,045) -0,574 (0,349) 4,293*** (1,568) 7,196 (1,445) 0,472 2 8
DissimDuma 2016 Est (St.Er.) 0,002 (0,174) -0,064 (0,081) 1,266*** (0,467) 0,221*** (0,045) -0,503 (0,344) 5,502*** (1,510) 4,869 (1,420) 0,415 2 8
DissimDuma 2011 Est (St.Er.) -0,194 (0,226) 0,032 (0,101) 0,670 (0,594) 0,306*** (0,055) -0,308 (0,425) -0,413 (1,862) 7,478 (1,876) 0,399 81
DissimDuma 2007 Est (St.Er.) -0,010 (0,099) 0,154** (0,073) 0,593 (0,403) 0,197*** (0,036) -0,012 (0,286) -0,393 (1,246) 2,099 (1,262) 0,457 81
DissimDuma Est (St.Er.) -0,010 (0,159) 0,009 (0,071) 0,911* (0,393) 0,254*** (0,037) -0,373 (0,290) 2,244* (1,269) 5,037 (1,213) 0,564 2 8
Переменные Dev-Pov Dev-Urban History-Spec Dev-Nonrus Dev-Distance Eastern-Russia Constant Adjusted R-square Significance
в £
в
й S
Ж Ж
\о о
а
ж у
о
вает значение индекса своеобразия примерно на 0,2-0,25 процентных пункта. В моделях со средними значениями индекса своеобразия на федеральных выборах и по всем десяти циклам статистически значимы и коэффициенты предиктора History-Spec: увеличение показателя специфики политической истории региона дает прирост значения индекса своеобразия на 0,8-0,9 процентных пункта.
Географическая специфика также оказывает влияние, при этом речь идет не об удаленности региона от центра страны (Dev-Distance не имеет значимых коэффициентов ни в одной из десяти моделей), а о расположении его в восточной части России, о чем свидетельствует статистическая значимость коэффициентов предиктора Eastern-Russia. Правда, нельзя не отметить, что она появляется только в двух последних циклах федеральных выборов и во втором цикле региональных. Но третий цикл региональных выборов, как уже отмечалось, проходил в своеобразной ситуации, и это объясняет, почему Eastern-Russia теряет статистическую значимость, однако показательно, что сила и направление воздействия этого предиктора сохраняются. Таким образом, есть основания говорить о том, что географическая специфика становится значимым фактором именно в 2010-е годы: географическое положение региона «за Уралом» в этот период увеличивает значение индекса своеобразия примерно на 3-5 процентных пунктов.
Данные, характеризующие социально-экономическую специфику регионов, оказались незначимы. Следует заметить, что попытки дополнить / заменить показатели «доля городского населения» и «уровень бедности» иными универсальными (то есть применимыми ко всем субъектам Российской Федерации) социально-экономическими индикаторами, как, например, ВРП на душу населения, доля федеральных трансфертов в региональном бюджете, среднемесячная заработная плата и т. д., не изменили результатов анализа, эти предикторы дают еще более слабые коэффициенты. Однако было бы некорректно делать из этого вывод, что социально-экономическая специфика не влияет на своеобразие партийно-электорального ландшафта регионов. Возможно, иные показатели, характеризующие, в частности, отраслевую специфику экономики региона, дали бы иной результат, но найти такой универсальный индикатор, который бы валидно фиксировал одновременно и содержание, и степень отраслевой специфики экономики региона, представляется весьма проблематичным.
Сопоставление реальных значений DissimDuma и DissimReg и значений, предсказанных соответствующими регрессионными моделями (см. Приложение), позволяет говорить о том, что практически во всех моделях аутлае-ром является Республика Мордовия, на федеральных выборах - Чувашская Республика, а на региональных - Кемеровская область12. При этом Чувашия демонстрирует экстраординарную девиацию значений индексов своеобразия в отрицательную сторону, а Мордовия и Кемеровская область - наоборот, в положительную. Иначе говоря, с точки зрения степени социокультурной и исторической специфики региона Чувашская Республика должна обладать значительно бол ьшим своеобразием партийно-электорального ландшафта, а на деле она его не имеет. Республика Мордовия и Кемеровская область, напротив,
12 В отдельных электоральных циклах неоднократно среди аутлаеров оказываются также Республика Башкортостан, Чеченская Республика, Кемеровская область, в последних циклах по понятным причинам Хабаровский край.
имеют слишком большое для своей социокультурной и исторической специфики своеобразие партийно-электорального ландшафта. Примечательно, однако, что исключение аутлаеров из регрессионного анализа не оказывает существенного воздействия на результаты: общая оценка моделей (в частности, значение скорректированного R2) ожидаемо повышается, но значимость коэффициентов отдельных предикторов не меняется. Помимо прочего, это говорит о том, что статистически полученные результаты достаточно робастны.
ЗАКЛЮЧЕНИЕ
В условиях унификации политических институтов и отсутствия региональных политических партий специфика партийно-электорального ландшафта в субъектах Российской Федерации проявляется в своеобразии голосования за основные политические партии на федеральных и региональных выборах. Количественный анализ электоральных результатов за период с 2007 по 2021 год, сделанный на основе вычисления индекса своеобразия, показал, что в большинстве регионов степень своеобразия воспроизводится относительно стабильно в течение всего рассматриваемого периода. Анализ факторов, влияющих на вариативность степени своеобразия партийно-электорального ландшафта в российских регионах, позволяет сделать вывод, что ключевое воздействие оказывает социокультурная специфика региона. Существенное значение имеет также историческая и географическая специфика. Социально-экономические показатели субъекта Российской Федерации относительно средних по стране оказались статистически незначимыми, что, однако, не позволяет делать вывод об отсутствии влияния социально-экономической специфики региона на своеобразие партийно-электорального ландшафта.
Список источников
Гельман В. Я. Региональная власть в современной России: институты, режимы и практики // Полис. Политические исследования. 1998. № 1. С. 87-105.
Голосов Г. В. Губернаторы и партийная политика // Pro et Contra. 2000. Т. 5, № 1. С. 96-108.
Кирьянов И. К., Панов П. В. Историческая специфика регионов России: инструментарий для анализа гетерогенности политического пространства // Вестник Пермского университета. Политология. 2022. Т. 16, № 4. С. 53-63. https://doi.org/10.17072/2218-1067-2022-4-53-63.
Кононенко П. Б. Политические факторы конституционного строительства в республиках РФ // Полис. Политические исследования. 2003. № 6. С. 135-143. https://doi.org/10.17976/jpps/2003.06.12.
Коргунюк Ю. Г. Становление партийной системы в современной России. М.: Фонд ИНДЕМ, Моск. город. пед. ун-т, 2007. 542 с.
Мелешкина Е. Ю. Формирование государств и наций в условиях этнокультурной разнородности: теоретические подходы и историческая практика // Политическая наука. 2010. № 1. С. 8-28.
Туровский Р. Ф. Институциональный дизайн российской региональной власти: кажущаяся простота? // Общественные науки и современность. 2011. № 5. С. 82-92.
Туровский Р. Ф. Национализация и регионализация партийных систем: подходы к исследованию // Полития: Анализ. Хроника. Прогноз. 2016. № 1. С. 162-180. https://doi.org/10.30570/2078-5089-2016-80-1-162-180.
Caramani D. The nationalization of politics: The formation of national electorates and party systems in Western Europe. Cambridge; New York: Cambridge University Press, 2004. 347 p.
Cartrite B., Miodownik D. Determinants of regional political distinctiveness // Nationalism and Ethnic Politics. 2016. Vol. 22, № 2. Р. 119-148. https://doi.org/10.1 080/13537113.2016.1169057.
Corner T. The maritime and border regions of Western Europe // Comparative Education. 1988. Vol. 24, № 2. P. 229-245.
Fitjar R. Explaining variation in sub-state regional identities in Western Europe // European Journal of Political Research. 2010. Vol. 49, № 4. P. 522-544. https://doi. org/10.1111/j.1475-6765.2009.01907.x.
Hearl D., Budge I., Pearson B. Distinctiveness of regional voting: A comparative analysis across the European Community (1979-1993) // Electoral Studies. 1996. Vol. 15, № 2. P. 167-182. https://doi.org/10.1016/0261-3794(95)00039-9.
Hooghe L., Marks G. Community, scale, and regional governance: A postfunc-tionalist theory of governance. Vol. II. Transformations in governance. Oxford: Oxford University Press, 2016. 212 p.
Jones M. P., Mainwaring S. The nationalization of parties and party systems: An empirical measure and an application to the Americas // Party Politics. 2003. Vol. 9, № 2. P. 139-166. http://doi.org/10.1177/1354068803009002835.
Regionalist parties in Western Europe: Dimensions of success / Ed. by O. Maz-zoleni, S. Mueller. 1st ed. New York: Routledge, 2016. 208 p.
Rokkan S, Urwin D. Economy, territory, identity: Politics of West European peripheries. London: Sage Publications, 1983. 218 p.
Rokkan S. Cities, states and nations: A dimensional model for the study of contrasts in development // Building states and nations: Models and data resources. Vol. 1 / Ed. by S. N. Eisenstadt, S. Rokkan. London: Sage Publications, 1973. P. 73-91.
Schakel A. Congruence between regional and national elections // Comparative Political Studies. 2013a. Vol. 46, № 5. P. 631-662. https://doi. org/10.1177/0010414011424112.
Schakel A. Nationalisation of multilevel party systems: A conceptual and empirical analysis // European Journal of Political Research. 2013b. Vol. 52, № 2. P. 212236. https://doi.org/10.1111/j.1475-6765.2012.02067.x.
Schakel A. H., Verdoes A. Tracing developments in regional electoral democracy: The impact of regional authority, regional identity and regional electoral systems on the regional vote // Handbook on local and regional governance / Ed. by F. Teles. Cheltenham: Edward Elgar Publishing, 2023. Р. 162-181.
Sorens J. Regionalists against secession: The political economy of territory in advanced democracies // Nationalism and Ethnic Politics. 2008. Vol. 14, № 3. P. 325-360. https://doi.org/10.1080/13537110802289670.
Tronconi F. Ethno-regionalist parties in regional government: Multilevel coali-tional strategies in Italy and Spain // Government and Opposition. 2015. Vol. 50, № 4. P. 578-606. https://doi.org/10.1017/gov.2014.30.
Информация об авторе
П. В. Панов - доктор политических наук, доцент, главный научный сотрудник ФГБУН Пермский федеральный исследовательский центр Ураль-
ского отделения Российской академии наук, Института гуманитарных исследований Уральского отделения Российской академии наук, 614990, Россия, г. Пермь, ул. Ленина, 13а
SPIN-код (РИНЦ): 1739-3478
AuthorID (РИНЦ): 77223
Web of Science ResearcherID: O-2160-2016
Scopus Author ID: 36094686300
Автор заявляет об отсутствии конфликта интересов.
Статья поступила в редакцию 17.03.2023; одобрена после рецензирования 20.04.2023; принята к публикации 20.04.2023.
References
Gelman, V. Ya. (1998), "Regional power in today's Russia: Institutes, regimes, practices", Polis. Political Studies, no. 1, pp. 87-105.
Golosov, G. V. (2000), "Governors and party politics", Pro et Contra, vol. 5, no. 1, pp. 96-108.
Kiryanov, I. K. and Panov, P. V (2022), "Historical specificity of Russian regions: An instrument for the analysis of political space heterogeneity", Bulletin of Perm University. Political Science, vol. 16, no. 4, pp. 53-63, https://doi.org/10.17072/2218-1067-2022-4-53-63.
Kononenko, P. B. (2003), "Political factors of constitutional construction in the Republics of the Russian Federation", Polis. Political Studies, no. 6, pp. 135143, https://doi.org/10.17976/jpps/2003.06.12.
Korgunyuk, Yu. G. (2007), Stanovlenie partiinoi sistemy v sovremennoi Rossii [Party system formation in contemporary Russia], INDEM foundation, Moscow City University, Moscow, Russia.
Meleshkina, E. Yu. (2010), "Nation and state building within ethno-cultural assemblages: Theoretical approaches and historical practice", Political Science, no. 1, pp. 8-28.
Turovsky, R. (2011), "Institutional design of the Russian regional power", Social Sciences and Contemporary World, no. 5, pp. 82-92.
Turovsky, R. (2016), "Nationalization and regionalization of party systems: Approaches to research", The Journal of Political Theory, Political Philosophy and Sociology of Politics Politeia, no. 1, pp. 162-180, https://doi.org/10.30570/2078-5089-2016-80-1-162-180.
Caramani, D. (2004), The nationalization of politics: The formation of national electorates and party systems in Western Europe, Cambridge University Press, New York, NY, US, Cambridge, UK.
Cartrite, B. and Miodownik, D. (2016), "Determinants of regional political distinctiveness", Nationalism and Ethnic Politics, vol. 22, no. 2, pp. 119-148, https:// doi.org/10.1080/13537113.2016.1169057.
Corner, T. (1988), "The maritime and border regions of Western Europe", Comparative Education, vol. 24, no. 2, pp. 229-245.
Fitjar, R. (2010), "Explaining variation in sub-state regional identities in Western Europe", European Journal of Political Research, vol. 49, no. 4, pp. 522-544, https:// doi.org/10.1111/j.1475-6765.2009.01907.x.
Hearl, D., Budge, I. and Pearson, B. (1996), "Distinctiveness of regional voting: A comparative analysis across the European Community (1979-1993)", Electoral Studies, vol. 15, no. 2, pp. 167-182, https://doi.org/10.1016/0261-3794(95)00039-9.
Hooghe, L. and Marks, G. (2016), Community, scale, and regional governance: A postfunctionalist theory of governance. Vol. II. Transformations in governance, Oxford University Press, Oxford, UK.
Jones, M. P. and Mainwaring, S. (2003), "The nationalization of parties and party systems: An empirical measure and an application to the Americas", Party Politics, vol. 9, no. 2, pp. 139-166, http://doi.org/10.1177/1354068803009002835.
Mazzoleni, O. and Mueller, S. (eds.) (2016), Regionalistparties in Western Europe: Dimensions of success, 1st ed., Routledge, New York, NY, US.
Rokkan, S. and Urwin, D. (1983), Economy, territory, identity: Politics of West European peripheries, Sage Publications, London, UK.
Rokkan, S. (1973), "Cities, states and nations: A dimensional model for the study of contrasts in development", in Eisenstadt, S. N. and Rokkan, S. (eds.), Building states and nations: Models and data resources. Vol. 1, Sage Publications, London, UK, pp. 73-91.
Schakel, A. (2013a), "Congruence between regional and national elections", Comparative Political Studies, vol. 46, no. 5, pp. 631-662, https://doi. org/10.1177/0010414011424112.
Schakel, A. (2013b), "Nationalisation of multilevel party systems: A conceptual and empirical analysis", European Journal of Political Research, vol. 52, no. 2, pp. 212236, https://doi.org/10.1111/j.1475-6765.2012.02067.x.
Schakel, A. H. and Verdoes, A. (2023), "Tracing developments in regional electoral democracy: The impact of regional authority, regional identity and regional electoral systems on the regional vote", in Teles, F. (ed.), Handbook on local and regional governance, Edward Elgar Publishing, Cheltenham, UK, pp. 162-181.
Sorens, J. (2008), "Regionalists against secession: The political economy of territory in advanced democracies", Nationalism and Ethnic Politics, vol. 14, no. 3, pp. 325-360, https://doi.org/10.1080/13537110802289670.
Tronconi, F. (2015), "Ethno-regionalist parties in regional government: Multilevel coalitional strategies in Italy and Spain", Government and Opposition, vol. 50, no. 4, pp. 578-606, https://doi.org/10.1017/gov.2014.30.
information about the author
P. V. Panov - Doctor of Political Sciences, Associate Professor, Chief Researcher of the Perm Federal Research Center of the Ural Branch of the Russian Academy of Sciences, Institute for Humanitarian Studies of the Ural Branch of the Russian Academy of Sciences, 13a Lenin Str., Perm, 614990, Russia
SPIN-code (RSCI): 1739-3478
AuthorID (RSCI): 77223
Web of Science ResearcherID: 0-2160-2016
Scopus Author ID: 36094686300
The author declares no conflicts of interests.
The article was submitted 17.03.2023; approved after reviewing 20.04.2023; accepted for publication 20.04.2023.
Приложение / Appendix
Значения DissimDuma и DissimReg для каждого региона: реальные и предсказанные соответствующими регрессионными моделями / Values of DissimDuma и DissimReg for each region: Actual and predicted by the respective regression models
№ n/n Регион DissimDuma (реальное значение) DissimDuma (предсказанное значение) DissimReg (реальное значение) DissimReg (предсказанное значение)
1 Республика Адыгея (Адыгея) 8,42 12,00 7,78 12,33
2 Республика Алтай 7,56 14,11 10,50 14,26
3 Алтайский край 14,16 12,05 16,34 13,07
4 Амурская область 12,71 12,28 14,84 12,83
5 Архангельская область 12,33 10,20 9,86 11,32
6 Астраханская область 9,71 11,74 8,33 12,49
7 Республика Башкортостан 13,61 18,88 19,47 16,00
8 Белгородская область 2,94 7,87 12,05 9,96
9 Брянская область 7,43 9,25 12,57 10,52
10 Республика Бурятия 7,46 12,61 9,22 13,28
11 Владимирская область 9,33 9,78 10,64 11,15
12 Волгоградская область 8,68 7,76 5,28 9,76
13 Вологодская область 13,05 9,42 15,94 10,73
14 Воронежская область 5,60 9,91 12,84 11,29
15 Республика Дагестан 29,42 28,36 20,68 21,39
16 Еврейская автономная область 6,88 10,77 10,19 12,40
17 Забайкальский край 10,11 10,81 10,45 12,41
18 Ивановская область 9,03 8,00 8,83 10,09
19 Республика Ингушетия 30,67 27,10 24,31 21,93
20 Иркутская область 12,40 10,69 12,67 12,14
№ п/п Регион (реальное значение) (предсказанное значение) DissimReg (реальное значение) DissimReg (предсказанное значение)
21 Кабардино-Балкарская Республика 26,18 23,35 15,05 19,40
22 Калининградская область 7,82 11,51 8,53 12,48
23 Республика Калмыкия 13,33 19,39 12,60 18,15
24 Калужская область 7,65 9,15 5,19 10,64
25 Камчатский край 9,45 7,32 9,04 9,44
26 Карачаево-Черкесская Республика 28,50 20,16 17,85 17,45
27 Республика Карелия 12,38 7,62 16,79 10,15
28 Кемеровская область - Кузбасс 15,63 11,06 24,42 11,87
29 Кировская область 14,30 9,11 17,74 10,88
30 Республика Коми 11,57 8,67 7,53 10,39
31 Костромская область 15,63 10,10 5,75 11,25
32 Краснодарский край 5,62 9,44 15,73 10,90
33 Красноярский край 10,59 11,05 13,94 12,39
34 Курганская область 8,81 11,08 6,70 12,51
35 Курская область 4,14 10,19 6,16 11,24
36 Ленинградская область 8,29 10,22 9,77 11,37
37 Липецкая область 4,18 8,31 6,47 10,02
38 Магаданская область 7,65 6,33 7,21 8,17
39 Республика Марий Эл 9,38 13,83 11,79 14,05
40 Республика Мордовия 26,00 12,34 24,83 12,80
41 Московская область 6,87 9,05 10,55 10,78
42 Мурманская область 12,57 7,07 15,15 9,17
№ п/п Регион DissimDuma (реальное значение) DissimDuma (предсказанное значение) DissimReg (реальное значение) DissimReg (предсказанное значение)
43 Ненецкий автономный округ 14,72 8,77 10,40 10,76
44 Нижегородская область 4,29 9,77 5,77 10,97
45 Новгородская область 11,30 9,78 15,59 11,08
46 Новосибирская область 12,35 10,91 9,94 12,08
47 Омская область 11,72 11,14 15,31 12,34
48 Оренбургская область 11,08 10,17 12,35 11,52
49 Орловская область 8,61 9,12 12,45 10,46
50 Пензенская область 6,51 7,76 15,49 9,91
51 Пермский край 10,23 8,10 11,64 10,19
52 Приморский край 12,59 7,25 15,95 9,12
53 Псковская область 8,75 11,65 9,89 12,64
54 Ростовская область 3,59 8,81 11,03 10,51
55 Рязанская область 5,41 9,67 7,54 10,87
56 Самарская область 6,91 8,53 7,43 10,46
57 Санкт-Петербург 11,78 11,21 11,63 12,09
58 Саратовская область 9,50 7,96 15,07 10,44
59 Сахалинская область 9,64 7,55 6,03 9,33
60 Свердловская область 12,05 9,16 14,76 10,89
61 Республика Северная Осетия -Алания 16,59 24,72 13,84 19,65
62 Смоленская область 10,19 11,41 7,50 12,43
63 Ставропольский край 5,42 6,62 7,64 9,42
64 Тамбовская область 10,65 10,36 10,48 11,19
№ п/п Регион (реальное значение) (предсказанное значение) DissimReg (реальное значение) DissimReg (предсказанное значение)
65 Республика Татарстан (Татарстан) 23,76 18,53 24,66 16,57
66 Тверская область 9,07 9,22 10,80 10,55
67 Томская область 10,75 10,15 12,78 11,54
68 Тульская область 5,27 8,80 7,12 10,31
69 Республика Тыва 28,08 25,11 26,51 21,88
70 Тюменская область 9,23 8,47 6,60 10,58
71 Удмуртская Республика 6,78 9,40 7,30 10,51
72 Ульяновская область 7,59 8,12 12,60 10,40
73 Хабаровский край 13,80 9,67 17,49 10,57
74 Республика Хакасия 11,80 8,58 12,69 11,18
75 Ханты-Мансийский автономный округ - Югра 8,99 11,47 10,15 12,27
76 Челябинская область 9,72 8,78 7,35 10,65
77 Чеченская Республика 39,18 30,64 32,50 23,35
78 Чувашская Республика -Чувашия 6,78 19,08 8,63 16,36
79 Чукотский автономный округ 13,25 12,20 13,01 11,63
80 Республика Саха (Якутия) 10,64 17,82 7,66 15,57
81 Ямало-Ненецкий автономный округ 17,19 13,07 14,82 13,69
82 Ярославская область 15,64 9,97 9,81 10,99
Источник: собственные расчеты автора.
