Партии и кандидаты в электоральном пространстве: структурный «Эффект победителя» Текст научной статьи по специальности «Физика»

А. С. Ахременко

ПАРТИИ И КАНДИДАТЫ В ЭЛЕКТОРАЛЬНОМ ПРОСТРАНСТВЕ: СТРУКТУРНЫЙ «ЭФФЕКТ ПОБЕДИТЕЛЯ»

Понятие «электоральное пространство» еще только приживается как в мировой, так и в отечественной политической науке. Несмотря на наличие полноценной традиции пространственного моделирования в западной (прежде всего, американской) политологии1 и отдельные теоретические дискуссии в России2, данный термин еще далек от завершенной концептуализации. В данной работе мы будем понимать под электоральным пространством совокупность альтернатив электорального (предъявляемого на выборах избирателям) выбора, обладающую определенной структурой, которая может быть выражена в пространственных терминах (близость, удаленность и т. п.). Далее мы попытаемся показать, что структурное положение объектов (партий и кандидатов) в электоральном пространстве может оказывать влияние на тот результат, который они получают по итогам кампании.

Терминология и метод исследования

Под структурой (от лат. structure - строение, расположение) будет иметься в виду - во вполне традиционном духе - совокупность устойчивых связей объекта, обеспечивающих сохранение его основных свойств при различных внешних и внутренних изменениях. Ключевым понятием в определении структуры является понятие связи. Остановимся на нем несколько подробнее.

1 См. подробный обзор зарубежных подходов к пространственному моделированию электорального процесса: Ахременко А. С. Пространственное моделирование электорального выбора: развитие, современные проблемы и перспективы // Полис. 2007. № 1-2 (в печати).

2 См., напр.: Структура и динамика российского электорального пространства: Мат-лы круглого стола // Полис. 2000. № 2.

Выделяют два основных типа связей - функциональные (также их называют жестко детерминированные или однозначные) и статистические (стохастически детерминированные, неоднозначные). Функциональная связь между переменными х и у существует, если каждому возможному значению независимой переменной х соответствует одно или несколько строго определенных значений зависимого признака у. Функциональная связь может быть в общем виде записана формулой:

Уг =/ (X),

где уг - зависимая переменная (результативный признак), х{ - независимая переменная (факторный признак), / (х) - известная функция связи зависимой и независимой переменной. Функциональные связи характерны для естественных наук. Именно в таком виде сформулировано большинство законов физики.

Утверждение о наличии статистической связи между переменными правомочно в том случае, если изменение значений независимой переменной приводит к изменению распределения другой1. Здесь не наблюдается однозначного соответствия значений. Концепт статистической связи содержит имплицитное допущение, что на результативный признак у, кроме рассматриваемого х, влияет также несколько неучтенных или неконтролируемых факторов, а также неизбежные ошибки измерения. Поэтому значения зависимой переменной не могут быть определены точно, а лишь предсказаны с определенной вероятностью. В общем виде:

У г =/(Хг)+],

где уг - предсказанное значение зависимой переменной, / (хг) - часть результативного признака, сформировавшаяся под воздействием учтенных известных факторных признаков, j - часть результативного признака, возникшая вследствие действия неконтролируемых или неучтенных факторов, а также измерения признаков, неизбежно сопровождающегося некоторыми случайными ошибками. Вероятность соответствия предска-

1 Статистика: Учебник / Под ред. И. И. Елисеевой. М., 2006. С. 77.

занного значения у истинному будет тем выше, чем ближе статистическая связь к функциональной (другими словами, чем менее значим компонент /).

Общественные науки, в том числе политическая, оперируют исключительно статистическими связями: изучаемые процессы слишком сложны, число влияющих на политическое поведение факторов слишком велико, чтобы построить жестко детерминированные модели. Далее мы будем рассматривать только статистические, вероятностные зависимости.

Как было отмечено, наиболее общее определение статистической связи заключается в том, что зависимая переменная реагирует на изменения значений независимой изменением распределения. Однако применительно к задачам структурирования электорального пространства нам потребуется более частный вид статистической связи, а именно, корреляционная связь.

Большинство специалистов, естественно, хорошо знакомо с этим понятием. Тем не менее, краткий экскурс в нашем изложении представляется необходимым, так как корреляционный анализ является центральным для данного исследования методом.

Корреляционная связь - это статистическая зависимость вариации переменной у! от вариации переменной х;. Рассмотрим данные в табл. 1 и 2.

Таблица 1 Таблица 2

Случай Переменная Переменная Случай Переменная Переменная

п т п к

А 3 9 А 3 14

В 8 13 В 8 2

С 4 5 С 4 12

Б 12 10 Б 12 4

Е 23 32 Е 23 1

Е 2 10 Е 2 26

В этом иллюстративном примере вариации переменных п и т, а также переменных п и к связаны. Легко заметить, что возрастанию значений п в таблице соответствует возрастание переменной т, уменьшению значений п - уменьшение значений т.

Переменные варьируют как бы «в одном направлении», что хорошо видно на графике:

Для вариаций п и к наблюдается обратная картина: уменьшению значений одной переменной соответствует возрастание значений другой и наоборот:

В первом случае корреляционная связь является прямой (положительной), во втором - обратной (отрицательной). Это свойство корреляционной связи называется ее направленностью. Второй ключевой характеристикой корреляционной связи

является ее интенсивность (плотность, теснота). Эта характеристика определяет близость выявленной связи к функциональной и, соответственно, вероятную точность нашего предсказания значений одной переменной на основании значений другой. В коэффициенте корреляции (обозначается г), который и является числовым результатом корреляционного анализа, плотность колеблется от 0 до 1. При этом чем ближе значение коэффициента к 1, тем плотнее связь; чем ближе значение к 0, тем связь слабее. Направленность связи указывается знаком «-» (отрицательная) или «+» (положительная, знак не записывается).

Вычисление коэффициента корреляции базируется на т.н. методе наименьших квадратов. Все имеющиеся случаи представляются геометрически, то есть как точки с координатами (хг; уг). Например, при выявлении связи между переменными «доля городского населения в субъектах РФ» и «электоральная поддержка СПС в субъектах РФ» каждый регион может быть представлен как точка с координатами, задаваемыми значениями обеих переменных. Далее подбирается такая линейная функция вида у=ах+Ь (линия регрессии), что сумма квадратов расстояний от наблюдаемых точек до прямой является минимальной:

^ ^ (уфактические утеоретические) тгп.

Таким образом, эта функция становится линейной комбинацией обеих переменных. Данный метод воплощает одну из общих идей измерения статистической связи: минимизировать разницу между фактическими, наблюдаемыми значениями и теоретическими, предсказанными (лежат на линии регрессии).

Наиболее распространенным является корреляционный анализ по методу Пирсона, требующий интервальных данных с нормальным распределением. В том случае, если требование нормальности не реализуемо (а в электоральных исследованиях это происходит довольно часто), следует вычислять коэффициенты корреляции рангов, наиболее известным из которых является коэффициент Спирмана. Ранговая корреляции оперирует логикой порядкового уровня измерения: принимаются во внимание не абсолютные значения, а отношения порядка (возрастания и убывания). При работе с интервальными данными логика вычисления

коэффициента корреляции Спирмана в целом близка логике Пирсона, но с одной существенной оговоркой: в первом случае в анализ включаются не исходные данные, а их ранговые преобразования. При ранговом преобразовании абсолютное значение заменяется порядковым номером случая в ранжированном ряду. К примеру, имеются значения переменной «поддержка партии А» (28 %, 47 %, 23 %, 18 %, 50 %, 70 %). После рангового преобразования по убыванию имеем (4, 3, 5, 6, 2, 1).

Основные гипотезы

Мы будем исходить из того, что совокупность корреляционных связей между объектами электорального выбора играет ключевую роль в задании структуры электорального пространства. При этом отрицательные корреляционные связи играют большую структурообразующую роль по сравнению с положительными. Эта закономерность коренится в самой природе структур, которые в большей степени фиксируют различия, нежели сходства. Политический выбор, как и выбор вообще, строится на отличении некоторого объекта от некоторого другого объекта. Поэтому в реальной политической действительности не встречается корреляционных матриц1, которые содержали бы только положительные коэффициенты (другими словами, неструктурированных или плохо структурированных матриц). При этом данное правило не зависит от «объективной» степени идеологической близости партий или кандидатов.

Так, хорошо известно значительное идейное сходство республиканцев и демократов в США (получившее объяснение в классической пространственной модели «лево-правого континуума» Э. Даунса2). Тем не менее, анализ электоральной статистики показывает наличие очень сильных отрицательных связей между ключевыми участниками электоральных гонок - представителями республиканской и демократической партий. Ниже

1 Речь, конечно, идет о матрицах, вычисленных на основе электоральной статистики.

2 См.: Downs A. An Economic Theory of Democracy. N. Y.: Harper & Row, 1957; Sheplse K. A., Bonchek M. S. Analyzing Politics. Norton&Company, 1997.

приводятся диаграммы рассеивания и коэффициенты корреляции для президентских выборов в США 1996 г. (Б. Клинтон против Б. Доула) и 2000 г. (Дж. Буш против А. Гора).

Выборы 1996 г. г = -0,95 (с удалением округа Колумбия -объекта в правом нижнем углу, который традиционно голосует за инкумбента и может считаться выбросом, коэффициент снижается всего на три сотых до -0,92).

65 55 45 35 25 15 5

25 35 45 55 65 75 85 95

Выборы 2000 г. г = -0,97.

90 80 70 60

ш

о: о

® 50 40 30 20

0 10 20 30 40 50 60 70 80

вывн

Возьмем случай с большим числом кандидатов, что характерно для выборов по системе абсолютного большинства. К примеру,

по результатам последних президентских выборов в России выявляются следующие корреляционные связи между кандидатами:

Глазь- Малыш- Миро- Путин Хака- Харито- Против

ев кин нов мада нов всех

Глазьев 1,00 0,46 0,29 -0,65 0,37 0,33 0,61

Малыш- 0,46 1,00 0,53 -0,75 0,35 0,55 0,64

кин

Миронов 0,29 0,53 1,00 -0,46 0,48 0,23 0,51

Путин -0,65 -0,75 -0,46 1,00 -0,39 -0,87 -0,73

Хакамада 0,37 0,35 0,48 -0,39 1,00 -0,03 0,63

Харито- 0,33 0,55 0,23 -0,87 -0,03 1,00 0,37

нов

Против 0,61 0,64 0,51 -0,73 0,63 0,37 1,00

всех

Внимательное изучение матрицы интеркорреляций покажет, что ключевой особенностью полученных результатов является четкое структурное позиционирование В. Путина: переменная «электоральная поддержка В. Путина» отрицательно коррелирует со всеми другими переменными. Если мы очистим матрицу от всех положительных коэффициентов корреляции, это станет вполне очевидно:

Глазь Ма- Миро- Пу- Хака- Харито- Против

ев лышкин нов тин мада нов всех

Глазьев -0,65

Малыш- -0,75

кин

Миро- -0,46

нов

Путин -0,65 -0,75 -0,46 -0,39 -0,87 -0,73

Хака- -0,39 -0,03

мада

Харито- -0,87 -0,03

нов

Против -0,73

всех

Сумма -0,65 -0,75 -0,46 -3,84 -0,41 -0,89 -0,73

Если рассчитать суммы отрицательных корреляций для каждой переменной (последняя строка таблицы), можно схематично расположить объекты в некотором одномерном континууме. Схематично:

Теперь нам понадобятся несколько новых терминов:

• Отображение объектов электорального выбора, когда их положение на линии задается суммой1 отрицательных коэффициентов парных корреляций со всеми другими переменными, будем далее называть структурным линейным континуумом.

• Структурной оппозицией будем называть такое отношение между объектами электорального выбора, когда они находятся на противоположных полюсах структурного линейного континуума. В нашем случае в структурной оппозиции находятся В. Путин и все остальные кандидаты.

• Электоральное пространство является тем лучше структурированным, чем больше объектов находятся в состоянии структурной оппозиции. В нашем примере мы имеем хорошо структурированное электоральное пространство, так как структурная оппозиция включает в себя все объекты.

• Структурным доминированием является такое положение объекта в структурном линейном континууме, когда он находится в структурной оппозиции всем или большинству оставшихся объектов. В нашем примере структурно доминирует В. Путин.

1 Вполне правомерно также использовать модуль суммы значений, континуум тогда будет задаваться положительным вектором ОХ.

Прибавим к структурному линейному континууму еще одно измерение ОУ, в котором отложим полученные кандидатами результаты.

11 4

5 6 О 172

1

2.0 2.5 БиММ

0.0

0.5

1.0

1.5

3.0

3.5

4.0

4.5

Обозначения: Глазьев - 1, Малышкин - 2, Миронов - 3, Путин - 4, Хакамада - 5, Харитонов - 6, Против всех - 7.

Получившаяся картина довольно красноречива и наводит на вполне определенные мысли. Сформулируем две гипотезы: основную и дополнительную.

• Основная гипотеза. Результат партии / кандидата на выборах зависит от ее / его положения в структурном линейном континууме. Чем выше модуль суммы отрицательных коэффициентов корреляции, тем более высокий результат получит партия / кандидат. Соответственно, чем ближе к нулю абсолютное значение суммы отрицательных коэффициентов корреляции, тем слабее будет результат. Содержательно сумма отрицательных коэффициентов корреляции отражает контрастность позиционирования кандидата в сознании электората по отношению к другим кандидатам.

• Структурное доминирование в большинстве случаев приводит к победе на выборах1.

1 Объективно говоря, здесь следует учитывать институциональные эффекты избирательной системы. Однако раскрытие этой темы потребует слишком много места, и ее придется опустить.

Далее мы протестируем гипотезы на данных электоральной статистики как России, так и ряда стран по всему миру. Методом проверки будет все тот же корреляционный анализ связи между переменными «сумма отрицательных коэффициентов корреляции» и «полученный на выборах результат». Будет использован как корреляционный анализ по методу Пирсона, так и по методу Спирмана, причем именно коэффициент Спирмана станет для нас базовым. Это обусловлено тем, что структурно доминирующие объекты будут с большой силой «тянуть» на себя линию регрессии, как это происходит в нашем примере с российскими президентскими выборами. Так, для этого примера коэффициент Пирсона будет равен 0,99; метод же Спирмана дает гораздо более скромные 0,57 (хотя такой коэффициент также весьма значим и подтверждает нашу гипотезу).

Результаты эмпирического исследования

Аргентина, президентские выборы 2003 г., 1 тур, мажоритарная система абсолютного большинства. Коэффициент г Пирсона1 - -0,78; г Спирмана - -0,89. Диаграмма рассеивания:

30 г

10

0

-3.0 -2.5 -2.0 -1.5 -1.0 -.5 0.0 .5

1 Здесь и далее в разделе между суммой отрицательных коэффициентов и электоральным результатом; соответственно, гипотезу подтверждают отрицательные корреляции (чем больше - ближе к нулю - сумма, тем меньше результат).

На диаграмме рассеивания достаточно четко виден «эффект победителя» для структурно доминирующих кандидатов (обведены кружками).

Новая Зеландия, выборы в Палату представителей, 2002 г., в целом смешанная избирательная система, в данном случае взяты результаты по пропорциональной части. Коэффициент г Пирсона - -0,89; г Спирмана - -0,64. Диаграмма рассеивания:

Новая Зеландия, выборы в Палату представителей, 1999 г, в целом смешанная избирательная система, в данном случае взяты результаты по пропорциональной части. Коэффициент г Пирсона - -0,74; г Спирмана - -0,46. Диаграмма рассеивания:

-1.6 -1.4 -1.2 -1.0 -.8 -.6 -.4 -.2 БиМ

К 0

Италия. Выборы в Парламент 1996 г. Пропорциональная система. Коэффициент г Пирсона —0,35; г Спирмана —0,38. Диаграмма рассеивания:

Как видно, на итальянском материале закономерность работает значительно слабее. На выборах в Парламент в 2001 г. значимой статистической связи вообще не удалось выявить.

Нидерланды. Выборы во Вторую палату Генеральных Штатов, 2002 г., пропорциональная система. Коэффициент г Пирсона - -0,97; г Спирмана - -0,83. Диаграмма рассеивания:

аим.

Нидерланды. Выборы во Вторую палату Генеральных Штатов, 2003 г., пропорциональная система. Коэффициент г Пирсона - -0,73; г Спирмана - -0,38. Диаграмма рассеивания:

ей 0

-3.0 -2.5 -2.0 -1.5 -1.0

Греция. Выборы в Парламент 2000 г., пропорциональная система. Коэффициент г Пирсона - -0,78; г Спирмана - -0,8. Диаграмма рассеивания:

-2.0 БиМ

-1.5 -1.0

5

-.5

0. 0

Латвия. Выборы в Европейский парламент 2004 г., пропорциональная система (по городам и районам). Коэффициент г Пирсона - -0,72; г Спирмана - -0,67. Диаграмма рассеивания:

-5 -4 -3 -2 -1 0

Венгрия. Выборы в Государственное Собрание 2002 г. Избирательная система смешанная, в данном случае взяты данные по пропорциональной части. Коэффициент г Пирсона - -0,82; г Спирмана - -0,43. Диаграмма рассеивания:

-1.5 -1.

50

40

30

20

10

* 0

ним

Португалия. Выборы в Парламент 2002 г. Пропорциональная система. Коэффициент г Пирсона —0,73; г Спирмана —1. Диаграмма рассеивания:

ей 0

Португалия. Президентские выборы 2001 г. Коэффициент г Пирсона - -0,54; г Спирмана - -0,9. Диаграмма рассеивания:

ей 0

Португалия. Выборы в Парламент 1999 г. Пропорциональная система. Коэффициент г Пирсона - -0,65; г Спирмана - -0,71. Диаграмма рассеивания:

-3.5 -3.0 -2.5 -2.0 -1.5 -1.0 -.5 0.0

эим

Словакия. Выборы президента 1999 г. Мажоритарная система абсолютного большинства, 1 тур. Коэффициент г Пирсона - -0,83; г Спирмана - -0,78. Диаграмма рассеивания:

ей 0

-4.0 -3.5 -3.0 -2.5 -2.0 -1.5 -1.0 -.5 0.0

эим

Словакия. Выборы в Национальный Совет 1998 г. Пропорциональная избирательная система. Коэффициент г Пирсона - -0,28; г Спирмана - -0,45. Диаграмма рассеивания:

ей 0

-2.0 -1.5 -1.0 -.5 0.0

Турция. Выборы в Парламент 2002 г. Коэффициент г Пирсона - -0,24; г Спирмана - -0,54. Диаграмма рассеивания:

ей -10

аим

ыим

Из 19 рассмотренных нами выборов лишь в двух случаях не был получен значимый отрицательный коэффициент корреляции (выборы в Италии 2001 г. и выборы в Греции 1996 г.), и только в одном случае (Бельгия, парламентские выборы 2003 г.) коэффициент приобрел положительное значение.

Рассмотрим таким же образом все российские федеральные выборы с 1993 по 2003 г. (последние президентские выборы мы осветили выше). Таблица коэффициентов корреляции Пирсона и Спирмана выглядит следующим образом:

Выборы г Пирсона г Спирмана

Президентские 1991 -0,98 -0,86

Парламентские 1993 -0,57 -0,68

Парламентские 1995 -0,72 -0,54

Президентские 1996, 1 тур -0,68 -0,57

Парламентские 1999 -0,87 -0,81

Президентские 2000 -0,76 -0,26

Парламентские 2003 -0,89 -0,57

Диаграммы рассеивания: _Президентские 1991_

0.0ч-

-.51

-1.5'

ё -2.51

^ -3-е!_._._._._._

0 10 20 30 40 50 60

УЛВ.0 0010

Парламентские 1993

30 ч-

201

10.

р|......

-3.5 -3.0 -2.5 -2.0 -1.5 -1.0 -.5 0.0 БиМ

Парламентские 1995 Президентские 1996, 1 тур

-16 -14 -12 -10

-4 -2 0

Парламентские 1999

Президентские 2000

-5 -4 -3 -2 -1 0

Парламентские 2003

БУМ

Таким образом, все без исключения российские федеральные выборы подтверждают отмеченную нами закономерность.

Все корреляции между суммой отрицательных коэффициентов и электоральным результатом превышают 0,5 (за единственным исключением г Спирмана для 2000 г.) по модулю и являются отрицательными. Эффекты структурного доминирования хорошо видны на примерах выборов 1991 г. (Б. Ельцин), 1995 г. (КПРФ), 1999 г. (КПРФ) и особенно 2003 г. («Единая Россия»). Последний случай, как и случай президентских выборов 2004 г., можно охарактеризовать как чистый тип структурного доминирования.

Еще более интересным методом анализа структур электорального пространства является факторный анализ, с помощью которого можно создать многомерное пространство связей. Однако это - тема отдельной публикации.

В. Ф. Пеньков ИМИДЖ ВЛАСТИ ИЛИ ВЛАСТЬ ИМИДЖА?

В сегодняшней политологии и смежных с ней социальных науках нет недостатка в публикациях, затрагивающих проблемы формирования, возвышения и восприятия имиджа политиков, политических партий, властных институтов. И это вполне объяснимо, поскольку перед политическими и управленческими элитами с незапамятных времен стояла и стоит отчасти банальная, но по сути своей значимая дилемма: что же важнее - быть или казаться. Думается, в современной российской ситуации значительная часть участников политических процессов откровенно делает свой выбор в пользу последнего. Сразу оговоримся, что данное умозаключение автора не следует воспринимать как изначально негативное. Виртуализация политики, когда образ «власть предержащего» (благодаря средствам массовой коммуникации) становится все более и более осязаем для значительного числа граждан, неизбежно диктует необходимость использования новых коммуникационных и имиджмейкерских механизмов.

Для прояснения позиций автора сразу же условимся, что под имиджем в политике будем подразумевать весьма широко