CC BY
31
РОССППСШ ЮАШ
1 См. подробный обзор зарубежных подходов к пространственному моделированию электорального процесса: Ахремен-ко А.С. Пространственное моделирование электорального выбора: развитие, современные проблемы и перспективы // Полис. 2007, № 1—2.
2 См., напр., материалы круглого стола «Структура и динамика российского электорального пространства» — Полис. 2000, № 2.
А.С.Ахременко
СТРУКТУРНЫЕ ПОЗИЦИИ ПАРТИЙ В ЭЛЕКТОРАЛЬНОМ ПРОСТРАНСТВЕ И ИХ РЕЗУЛЬТАТЫ НА ВЫБОРАХ:
ПРОБЛЕМА СВЯЗИ
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 под электоральным пространством понимается совокупность альтернатив электорального (предъявляемого на выборах избирателям) выбора, обладающую определенной структурой, которая может быть выражена в пространственных терминах (близость, удаленность и т. п.). Далее будет показано, что структурное положение объектов (партий и кандидатов) в электоральном пространстве может оказывать влияние на тот результат, который они получают по итогам кампании. Особое внимание будет уделено такому специфическому феномену, как структурное доминирование.
Линейно-структурный анализ
3 Новейшая философская энциклопедия. — М., 2000. Т. 3. С. 647.
Под структурой (от латинского structure — строение, расположение) будет подразумеваться, во вполне традиционном духе, совокупность устойчивых связей объекта, обеспечивающих сохранение его основных свойств при различных внешних и внутренних изменениях3. Ключевым понятием в определении структуры является понятие связи. Применительно к проблемам электорального пространства мы будем говорить о статистических и, еще более конкретно, о корреляционных связях. Если в общем случае статистической связи изменение значений независимой переменной приводит к изменению распределения другой, то в случае корреляционной связи наблюдается зависимость вариации одной переменной от вариации другой. Операциональными инструментами измерения корреляционной связи в нашем исследовании станут коэффициенты корреляции Пирсона и Спирмана. Вычисление первого предъявляет жесткие требования к распределению переменных, которое должно в целом соответствовать нормальному. В том случае, если требование нормальности не реализуемо, мы будем основываться на коэффициенте ранговой корреляции Спирмана (ранговая корреляция оперирует логикой порядкового уровня измерения: прини-
4 См. Downs A.
An Economic Theory of Democracy. — N. Y, 1957, а также Sheplse K.A., Bonchek M.S. Analyzing Politics.
1997.
5 Принципиально важно, что в обоих случаях в выборах принимали участие независимые кандидаты, иначе связь по определению была бы функциональной отрицательной (r = -1).
маются во внимание не абсолютные значения, а отношения порядка — возрастания и убывания).
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, по сравнению с положительными, играют большую структурообразующую роль. Эта закономерность коренится в самой природе электоральных структур, которые в большей степени фиксируют различия, нежели сходства. Политический выбор, как и выбор вообще, строится на отличении некоторого объекта от некоторого другого объекта.
При этом данная закономерность может не зависеть 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.Даунса4). Тем не менее анализ электоральной статистики показывает наличие очень сильных отрицательных связей между ключевыми участниками электоральных гонок — представителями Республиканской и Демократической партий. Ниже 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)5.
Выборы 1996 г. г = -0,95
(с удалением объекта в нижнем правом углу диаграммы, который может считаться потенциальным выбросом, коэффициент снижается всего на три сотых до -0,92).
Выборы 2000 г. г = -0,97
90 80 70 60
ш ее о
о 50 40 30 20
О 10 20 30 40 50 60 70 80
виви
Возьмем случай с большим числом кандидатов, что характерно для выборов по системе абсолютного большинства. Например, по результатам последних президентских выборов в России (2004 г.) выявляются следующие корреляционные связи между кандидатами:
Глазьев Малышкин Миронов Путин Хакамада Харитонов Против всех
Глазьев 1.00 0.46 0.29 -0.65 0.37 0.33 0.61
Малышкин 0.46 1.00 0.53 -0.75 0.35 0.55 0.64
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
Харитонов 0.33 0.55 0.23 -0.87 -0.03 1.00 0.37
Против всех 0.61 0.64 0.51 -0.73 0.63 0.37 1.00
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:
Глазьев Малышкин Миронов Путин Хакамада Харитонов Против всех
Глазьев -0.65
Малышкин -0.75
Миронов -0.46
Путин -0.65 -0.75 -0.46 -0.39 -0.87 -0.73
Хакамада -0.39 -0.03
Харитонов -0.87 -0.03
Против всех -0.73
Сумма -0.65 -0.75 -0.46 -3.84 -0.41 -0.89 -0.73
Можно легко рассчитать суммы отрицательных корреляций для каждой переменной (последняя строка таблицы). Пусть сумма отрицательных коэффициентов корреляции переменной А со всеми другими переменными (или модуль такой суммы; в данном случае знак не принципиален, так как он одинаков для всех объектов) будет вступать мерой структурной удаленности А от всех других переменных, или ее координатой в линейном структурном континууме. Последний получим, отложив координаты на линии, как показано ниже (схематично):
Прибавим к структурному линейному континууму еще одно измерение OY, в котором отложим полученные кандидатами результаты:
80
70
4
О
60
50
40
20
10
0
-10
-4.5
-4.0 -3.5 -3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0
correlation sum
Обозначения:
Глазьев — 1, Малышкин — 2, Миронов — 3, Путин — 4, Хакамада — 5, Харитонов — 6, Против всех — 7.
Полученная картина довольно красноречива и наводит на вполне определенные мысли. Примем в качестве основной гипотезы, что результат партии /кандидата на выборах зависит от ее/его структурной удаленности от всех других объектов (то есть положения в структурном линейном континууме). Чем более удален объект электорального выбора, тем более высокий результат получит партия / кандидат. Содержательно сумма отрицательных коэффициентов корреляции отражает контрастность позиционирования кандидата в сознании электората по отношению к другим кандидатам. Разумеется, речь идет о статистической связи, которая проявится не во всех изучаемых совокупностях.
На диаграмме хорошо видно, что объекты распределены в линейном пространстве неравномерно. Объект электорального выбора «Путин» удален от всех других объектов значительно сильнее, чем любой из его конкурентов. В терминах кластер-анализа можно говорить о наличии изолированного объекта «Путин» и довольно плотного кластера, включающего всех остальных кандидатов. Будем называть положение, при котором структурная удаленность объекта А существенно превышает структурную удаленность каждого из других объектов выбора, структурным доминированием объекта А. Дополнительная гипотеза заключается в том, что структурное доминирование способствует достижению победы (или по крайней мере занятию одной из лидирующих позиций) на выборах.
Ml
Все приведенные выше рассуждения имеют институциональное ограничение: они правомерны для пропорциональных избирательных систем и первых туров в рамках избирательных систем абсолютного большинства.
Протестируем далее гипотезы на данных электоральной статистики как России, так и ряда стран. Методом проверки будет все тот же корреляционный анализ связи между удаленностью объекта (положением в структурном линейном континууме) и результатом на выборах. В качестве координаты положения партии или кандидата в структурном линейном континууме будет взято абсолютное значение суммы отрицательных коэффициентов корреляции со всеми другими партиями или кандидатами. Соответственно, подтверждать гипотезу будет наличие отрицательных связей.
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).
Эмпирический Протестированный эмпирический массив состоит из трех час-
тей линейно- тей. Первая охватывает 18 парламентских и президентских выборов в структурных 11 странах мира. Вторая включает все российские федеральные выбо-закономер- ры с 1991 по 2004 год (8 кампаний), третья — 21 кампанию в органы ностей законодательной и представительной власти субъектов РФ с 2004 по 2006 год.
В таблице ниже (с. 51) приведены коэффициенты корреляции между структурной удаленностью партии / кандидата и результатом на выборах для первой части эмпирического массива.
Из 18 случаев только в трех не было зафиксировано значимой отрицательной связи между структурной удаленностью партии / кандидата и результатом на выборах. Думается, это может служить неплохим основанием обоснованности выдвинутой гипотезы.
Ниже приводятся диаграммы рассеивания для 12 случаев, когда, партия или кандидат с наибольшим (по модулю) показателем структурной удаленности заняли первое (9 случаев) или второе (3 случая) место. По оси ОХ отложено положение в структурном линейном континууме, по оси ОУ — результат на выборах. Кружками выделены партии и кандидаты, одновременно обладающие значительными показателями структурной удаленности и высоким результатом.
Страна Выборы Коэффициент Пирсона Коэффициент Спирмана
Аргентина президентские, 2003 г., 1 тур -0,78 -0,89
Новая Зеландия парламентские, 2002 г. -0,89 -0,64
Новая Зеландия парламентские, 1999 г. -0,74 -0,46
Италия парламентские, 1996 г. -0,35 -0,38
Италия парламентские, 2001 г. связи нет связи нет
Нидерландах парламентские, 2002 г. -0,97 -0,83
Нидерландах парламентские, 2003 г. -0,73 -0,38
Греция парламентские, 2000 г. -0,78 -0,8
Греция парламентские, 1996 г. связи нет связи нет
Латвия Выборы в Европейский парламент 2004 г. (статистика по городам и районам) -0,72 -0,67
Венгрия парламентские, 2002 г. -0,82 -0,43
Португалия парламентские, 2002 г. -0,73 -1
Португалия президентские, 2001 г. -0,54 -0,9
Португалия парламентские, 1999 г. -0,65 -0,71
Словакия президентские, 1999 г. -0,83 -0,78
Словакия парламентские, 1998 г. -0,28 -0,45
Турция парламентские, 2002 г. -0,24 -0,54
Бельгия парламентские, 2006 г. связи нет связи нет
Аргентина, 2003
Новая Зеландия, 1999
Новая Зеландия, 2002
Нидерланды,2002
Г~©
.6 -1.4 -1.2 -1.0 -.8 -.6 -4 -.2
Нидерланды,2003
Латвия, 2004
О
Португалия, 2002
Португалия, 1999
Греция, 2000
Венгрия, 2002
Португалия, 2001
Словакия, 1999
-2. 5 -2. О -1 5 -1.0 -.5
Рассмотрим таким же образом все российские федеральные выборы с 1993 по 2003 г. (последние президентские выборы освещались 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 Президентские 1991 рассеивания
Парламентские 1995
Парламентские 1999
Парламентские 1993
Президентские 1996, 1 тур
-"3 -2 -1 0
Президентские 2000
Парламентские 2003
30
20
10
о
-10,
-7-6-5-4-3-2 -1 0
■
. нМ
й Президентские выборы 2004 г. были рассмотрены выше.
Таким образом, все без исключения российские федеральные выборы6 подтверждают отмеченную нами закономерность. Все корреляции между суммой отрицательных коэффициентов и электоральным результатом превышают 0,5 (за единственным исключением г Спирма-на для 2000 г.) по модулю и являются отрицательными (без исключений). 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.
Последний блок тестируемых эмпирических данных охватывает серию российских региональных выборов в законодательные собрания субъектов федерации. В таблице ниже приведены наименования регионов, год проведения выборов и соответствующие коэффициенты корреляции. Хронологические рамки (2004—2006 гг.) обусловлены тем, что именно в этот период в регионах устанавливается смешанная избирательная система, предполагающая формирование не менее половины депутатского корпуса по партийным спискам (см. таблицу на с. 55).
На материале выборов в региональные легислатуры гипотеза о связи позиции партии в линейно-структурном континууме с ее электоральным результатом находит очередное подтверждение. Из 21 рассмотренного случая только в двух (9%) не фиксируется статистической связи между дистанцией партии по отношению к конкурентам в пространстве отрицательных связей и ее электоральной поддержкой. При этом низкие коэффициенты (менее 0,4 по модулю) наблюдаются лишь в трех случаях, средние (от 0,4 до 0,7) — в десяти случаях, и высокие (выше 0,7) — в шести случаях.
Структурный анализ методом главных компонент
Другой, несколько более сложный способ исследования связей объектов электорального выбора осуществляется с помощью факторного анализа.
В нашем исследовании мы использовали метод главных компонент. В его основе лежит процедура объединения групп коррелирую -
Регион Год выборов Коэффициент Пирсона Коэффициент Спирмана
Алтайский край 2004 -0.54 -0.2
Ярославская область 2004 -0.63 -0.46
Республика Татарстан 2004 -0.99 -0.5
Тульская область 2004 связи нет связи нет
Сахалинская область 2004 -0.82 -0.79
Иркутская область 2004 -0.83 -0.45
Читинская область 2004 -0.74 -0.6
Калужская область 2004 -0.94 -0.24
Курганская область 2004 -0.9 -0.6
Архангельская область 2004 -0.65 -0.74
Корякский АО 2004 -0.3 -0.42
Республика Хакасия 2004 связи нет связи нет
Владимирская область 2005 -0.4 -0.1
Воронежская область 2005 -0.88 -0.5
Рязанская область 2005 -0.53 -0.46
Амурская область 2005 -0.8 -0.72
Магаданская область 2005 -0.92 -0.9
Белгородская область 2005 -0.96 -0.43
Москва 2005 -0.94 -0.75
Республика Чувашия -0.96 -0.88
Республика Тыва -0.77 -0.48
щих друг с другом переменных (т. н. «корреляционных плеяд» или «корреляционных узлов») в несколько факторов — переменных, не поддающихся непосредственному измерению7.
Принципиальная идея компонентного анализа в какой-то мере схожа с идеей корреляционного анализа. Если геометрически представить множество объектов в ^мерном пространстве в виде точек, то возможно построить вектор, «объясняющий» значительную долю дисперсии (изменчивости) всех исходных признаков. Собственная дисперсия новой переменной должна быть максимальна, а разброс объектов вокруг нее — минимален. Такой вектор будет похож на линию регрессии, он станет первой главной компонентой. В более точном смысле главные компоненты представляют собой линейные комбинации исходных признаков (как линия регрессии является линейной комбинацией зависимой и независимой переменной). Далее мы можем построить второй вектор, не коррелирующий с первым и в этом смысле перпендикулярный ему, таким образом, чтобы этот вектор «объяснял» максимальную дисперсию, не объясненную первой компонентой. Продолжая в том же духе, мы в состоянии объяснить всю дисперсию исходных признаков, — в этот момент число построенных нами векторов окажется рав-
7 Подробнее по факторному анализу см. Ахременко А.С. Политический анализ и прогнозирование. — М., 2006.
ным числу исходных переменных. При этом объяснительная сила будет снижаться от первой компоненты к последней. Построив совокупность перпендикулярных (ортогональных) векторов мы можем перейти от исходной системы координат, заданной изучаемыми признаками, к новой системе координат, заданной построенными векторами. Такая процедура будет называться ортогональным преобразованием, так как вращение объектов сохраняет перпендикулярность координатных осей (и относительное положение объектов). Схематично это отображено на рисунке ниже:
В результате вдобавок к исходным переменным мы получаем равную им по числу совокупность новых переменных — главных компонент или факторов. Объяснительная сила факторных переменных, в соответствии с логикой метода главных компонент, убывает от первого фактора к последнему. Это дает возможность существенно сократить число переменных, описывающих изучаемый объект, без существенной потери структурных характеристик: мы просто избавляемся от факторов с наименьшей объяснительной силой. Например, на президентских выборах 2004 г. пять кандидатов набрали более 3% голосов: В.Путин, Н.Харитонов, С.Глазьев и позиция «против всех». Таким образом, имеется пять исходных переменных. Однако метод главных компонент позволяет объяснить 90% корреляций между ними с помощью всего двух факторных переменных.
Факторные переменные приобретают соответствующие значения для каждого случая (т. н. факторные значения, factor scores). На их основе мы в состоянии вычислить коэффициенты корреляции между исходными переменными и вновь полученными факторными переменными. Эти коэффициенты называются факторными нагрузками (factor loadings), которые и являются основой для геометрического представления пространства связей между переменными. Так как в нашем случае каждая переменная — это электоральная поддержка политической партии или кандидата, полученное геометрическое представление будет представлением электорального пространства как совокупности связей между объектами электорального выбора.
Факторные нагрузки для двухкомпонентной модели выборов 2004 г. следующие:
Переменные Ф1 Ф2
Глазьев 0.916404 0.078822
Путин -0.94703 0.292138
Хакамада 0.586114 0.725736
Харитонов 0.69684 -0.68916
Против всех 0.883808 0.293389
Объясненная вариация 3.346902 1.179262
От всей вариации 0.66938 0.235852
Геометрическое представление делает эти данные более наглядными. Отложим нагрузки на первый фактор по оси абсцисс, на второй — по оси ординат.
хакамада
0
путин против ■
О о
глазьев
о
харитонов
О
1.2 -О.В -0.4 0.0 0.4 0.8 1.2
На этом рисунке мы имеем факторное отображение электорального пространства на выборах 2004 г. Большие дистанции по линиям OX и OY отражают удаленность альтернатив по каждой из этих компонент. Альтернативы, занимающие «полярные» позиции на осях факторных переменных (математически — имеющие самые большие по модулю нагрузки на соответствующие факторы), мы будем далее называть структурными оппозициями. Так, в рассматриваемом случае по оси
8 Чтобы стандартизировать данный показатель, его следует разделить на общее число исходных переменных (объектов электорального выбора).
второй факторной переменной (ОУ) находятся И.Хакамада и Н.Харитонов. Содержательная интерпретация структурных оппозиций — ключ к пониманию структурной организации электорального пространства. Структурным доминированием мы будем называть такое положение объекта в структурном линейном континууме, когда он находится в структурной оппозиции всем или большинству оставшихся объектов. Математически объект А является структурно доминирующим в том случае, если факторные нагрузки А на фактор п противоположны по знаку факторным нагрузкам на п всех остальных переменных. В ситуации структурного доминирования факторная оппозиция приобретает характер «А против всех остальных». В нашем случае структурным доминированием по первой компоненте обладает переменная «поддержка В.Путина», которая «противостоит» (в пространстве корреляционных связей) всем другим альтернативам.
Существует возможность количественно оценить интенсивность структурного доминирования объекта. Выше, в линейно-структурном анализе, мы использовали в качестве показателя структурного положения суммы отрицательных коэффициентов корреляции. В данном случае уместно использовать сумму разностей факторных нагрузок объекта А и всех остальных объектов:
F-dist = %(А — п.), где п1 — факторные нагрузки на каждый объект электорального выбора, за исключением А.
Назовем этот показатель факторно-структурной дистанцией объекта А ^-Шб^8. Чем больше его значение, тем сильнее структурное доминирование А.
Выдвигаемая нами гипотеза относительно связи структурного положения объекта с его электоральным результатом созвучна тому предположению, которое было сформулировано в рамках линейно-структурного анализа. А именно: факторно-структурное доминирование кандидата или партии в электоральном пространстве способствует получению этой партией или кандидатом большего числа голосов на выборах. Существует прямая статистическая связь между значением факторно-структурной дистанции и числом (долей) голосов, получаемых объектом электорального выбора. Говоря проще, чем более контрастно расположен объект в пространстве связей, чем более он удален от других объектов, тем выше шансы на победу.
Рассмотрим под этим углом зрения результаты выборов в Государственную Думу 2003 г. Особенность этой кампании заключалась в том, что и на общефедеральном уровне (на основании данных по избирательным комиссиям субъектов федерации), и на уровне большинства регионов (на основании данных территориальных избирательных комиссий) наблюдается структурное доминирование партии «Единая Россия». Это вполне логично вытекает из господства «партии власти» в информационном поле, ее поддержки со стороны властных элит и т. д. Так, для России в целом пространство первых двух компонент выглядит следующим образом:
0.8 0.6 0.4 0.2 0.0
"В
-0.2
-0.4 -0.6 -0.8 -1.0
СПС ЯБЛОКО
о
ЕР ПРОТИВ
о ПЕНС Ф
о РОДИНА
о
ЛДПР
о
АПР КПРФ
О С:
-1.2
-0.8
-0.4
0.0 РасЛог 1
0.4
0.8
1.2
Обозначения:
СПС (СПС), Российская партия пенсионеров — Партия социальной справедливости (ПЕНС), «Яблоко» (ЯБЛОКО), АПР (АПР), «Родина» (РОДИНА), ЛДПР (ЛДПР), «Единая Россия» (ЕР), КПРФ (КПРФ), «Против всех» (ПРОТИВ).
9 Из анализа были исключены регионы (прежде всего автономные округа), в которых не набралось статистически значимого количества территориальных избирательных комиссий.
Аналогичная картина характерна для многих регионов.
Гипотезу о связи структурного доминирования с результатом партии можно протестировать количественно. В качестве показателя интенсивности структурного доминирования возьмем охарактеризованную выше переменную «факторно-структурная дистанция», рассчитанную для «Единой России» по 79 регионам9 на основании факторного анализа данных территориальных избирательных комиссий. Вторая анализируемая переменная — электоральная поддержка (процент голосов) «Единой России» в этих регионах.
Коэффициент корреляции (Спирмана) между этими переменными составляет 0.59. Таким образом, между факторно-структурной дистанцией и уровнем поддержки «Единой России» наблюдается значимая, довольно плотная положительная связь. Это целиком соответствует нашим ожиданиям.
В таблице ниже приводятся данные, на основании которых были сделаны расчеты.
В целом примечательная особенность структурной динамики электорального пространства современной России в период с 1991 по 2004 г. заключается в движении от лево-правой поляризации к структурному доминированию «партии власти». Остановимся на этом несколько подробнее.
Субъект федерации F-dist «ЕР» %
Республика Адыгея (Адыгея) 8.75 51.27
Республика Алтай 0.12 26.36
Республика Башкортостан 8.51 38.85
Республика Бурятия 6.82 34.69
Республика Дагестан 6.14 65.93
Кабардино-Балкарская Республика 8.45 76.98
Карачаево-Черкесская Республика 6.32 49.59
Республика Карелия 6.82 37.87
Республика Коми 6.61 32.96
Республика Марий Эл 7.44 34.57
Республика Мордовия 9.60 76.05
Республика Саха (Якутия) 4.36 38.90
Республика Северная Осетия — Алания 2.86 46.72
Республика Татарстан (Татарстан) 9.52 59.53
Республика Тыва 8.98 66.83
Удмуртская Республика 9.14 42.15
Республика Хакасия 5.80 30.36
Чеченская Республика 9.02 79.77
Чувашская Республика — Чувашия 7.15 37.32
Алтайский край 0.94 29.63
Краснодарский край 2.10 37.05
Красноярский край 5.21 29.90
Приморский край 6.06 27.53
Ставропольский край 0.95 32.01
Хабаровский край 7.21 34.31
Архангельская область 7.11 37.93
Белгородская область 6.90 33.06
Брянская область 3.80 34.71
Владимирская область 5.53 30.37
Волгоградская область 1.51 28.88
Вологодская область 5.54 38.94
Воронежская область 5.33 25.86
Ивановская область 5.99 33.60
Иркутская область 6.96 32.79
Калининградская область 7.87 31.98
Калужская область 6.36 35.09
Камчатская область 7.73 34.95
Кемеровская область 8.60 52.13
Кировская область 1.57 32.88
Костромская область 5.67 34.12
Субъект федерации F-dist «ЕР» %
Курганская область 0.24 33.59
Курская область 4.74 30.11
Ленинградская область 5.93 38.11
Липецкая область 5.62 28.21
Магаданская область 7.00 34.36
Московская область 33.57
Мурманская область 6.16 39.19
Нижегородская область 6.29 31.96
Новгородская область 7.76 37.08
Новосибирская область 6.02 28.92
Омская область 7.12 32.74
Оренбургская область 2.82 27.59
Орловская область 8.81 44.62
Пензенская область 9.03 45.14
Пермская область 6.04 30.73
Псковская область 6.28 37.15
Ростовская область 7.64 38.99
Рязанская область 5.64 31.69
Самарская область 6.79 32.59
Саратовская область 8.51 44.33
Сахалинская область 5.06 30.13
Свердловская область 5.30 34.13
Смоленская область 6.65 37.25
Тамбовская область 7.64 28.98
Тверская область 6.67 34.53
Томская область 7.07 34.01
Тульская область 1.09 29.86
Тюменская область 6.93 49.67
Ульяновская область 8.12 34.00
Челябинская область 5.62 33.79
Читинская область 3.27 38.09
Ярославская область 6.13 35.65
город Москва 7.44 34.35
город Санкт-Петербург 6.65 30.72
Еврейская автономная область 7.97 42.21
Коми-Пермяцкий автономный округ 6.95 46.29
Усть-Ордынский Бурятский автономный округ 7.10 46.37
Ханты-Мансийский автономный округ — Югра 6.95 41.25
Ямало-Ненецкий автономный округ 9.39 45.83
"ПОАПТА" № 4 (43) Зима 2006-2007
61
10 Чтобы не «перегружать» модели, определенные ограничения вводятся для числа участвующих в анализе политических партий, избирательных объединений и кандидатов.
В общем случае рассматриваются только те из них,
С точки зрения структурных характеристик может быть выделено три периода в эволюции электорального пространства современной России. Первый охватывает «установочную» эпоху, начиная с президентских выборов 1991 года и заканчивая президентскими выборами 1996 года. Он характеризуется прежде всего выраженным доминированием раскола между «державно-консервативными» левыми политическими силами и «либерально-реформистскими» правыми. Ниже приводятся диаграммы, отражающие расположение объектов электорального выбора10 в пространстве первых двух факторных переменных.
Президентские выборы 1991 г.
которые сумели получить 3% и более голосов избирателей. 3%-ный критерий является в значительной мере традиционным для международных исследований в электоральной сфере.
£ -П2 к!
ЖИРИН РЫЖК Ö
ЕЛЬЦИН ..... ПРОТИВ МАКАШОВ
Обозначения:
Ельцин (ЕЛЬЦИН), Рыжков (РЫЖК); Жириновский (ЖИРИН); Макашов (МАКАШОВ); Против всех (ПРОТИВ). Переменные «поддержка А.Тулеева» и «поддержка В.Бакатина» исключены из анализа в силу сильного несоответствия нормальному распределению.
Парламентские выборы 1993 г.
а
И VI -1Л
-1D GZ П2 OjS 1D
F9=tf 1
Обозначения:
Аграрная партия России (АПР), «Яблоко» (ЯБЛ), Выбор России (ВР), КПРФ (КПРФ), ЛДПР (ЛДПР), Партия российского единства и согласия (ПРЕС), Женщины России (ЖР), Российское движение демократических реформ (РДДР).
ЛДПР ЯБЛ
КПРФ -р- РДДРЭР * "
АПР ЖР
ПРЕС
_РОССИЯ полпм
Парламентские выборы 1995 г.
ЛДПР
ПРОТИВ
КРО КТР
ЯБЛ
КПРФ
АПР
ДВР
ндр
ц
яв1-
-1Е -СЯ -се -ПЧ 4]2 ПП П2 ПЧ пя
РЭМУ 1
Обозначения:
«Наш дом — Россия» (НДР), «Яблоко» (ЯБЛ), «Демократический выбор России — объединенные демократы» (ДВР), КПРФ (КПРФ), Конгресс русских общин (КРО), ЛДПР (ЛДПР), Коммунисты — трудовая Россия — За СССР (КТР), Аграрная партия России (АПР), Против всех (ПРОТИВ).
Президентские выборы 1996 г.
п1-ггп -ЖИРИН
ЛЕБЕД
ЗЮГАН
ПРОТИВ
ЯВЛ -
ЕЛЬЦ
Обозначения:
Б.Ельцин (ЕЛЬЦ), В.Жириновский (ЖИРИН), Г.Зюганов (ЗЮГАН), А.Лебедь (ЛЕБЕд), Г.Явлинский (ЯВЛ), Против всех (ПРОТИВ).
На выборах 1991 г. мы наблюдаем по первой факторной (горизонтальной) оси раскол «Б.Ельцин (единый кандидат демократических сил) — все остальные (все, кроме В.Жириновского — члены КПСС). В 1993 г. структурную оппозицию образуют КПРФ и АПР (левый фланг) и РДДР, «Выбор России» и «Яблоко» (правый фланг). В 1995 г., как отмечалось выше, наблюдается противостояние лево-консервативного «кластера» в составе КТР — СССР, АПР и КПРФ «Яблоку» и, в несколько меньшей степени, «Демократическому выбору России». В 1996 г. Г.Зюганов противостоит всем «некоммунистическим» кандидатам.
Следующий электоральный цикл, охватывающий парламентские выборы 1999 г. и президентские выборы 2000 г., можно считать переходным: от идеологического раскола «левые — правые» к расколу «власть — оппозиция». Позиции партий и кандидатов в электоральном пространстве показаны на диаграммах ниже:
Парламентские выборы 1999 г.
е
га 112
ОВР
СПСЯБЛ
ПРОТИВ i
КПРФ
БЖ
ЕДИН
412 02
Factor I
Обозначения:
«Яблоко» (ЯБЛ), «Единство» (ЕДИН), «Блок Жириновского» (БЖ), Отечество — Вся Россия (ОВР), КПРФ (КПРФ), СПС (СПС), «Против всех» (ПРОТИВ).
Президентские выборы 2000 г.
ЗЮГАН
ТУЛЕЕВ
ЖИРИН
ПУТИН } ПРОТИВ ЯВЛИН
413 -0JS 41.) 412 ПЛ 42 Щ П.» ИЗ 11 FSCW I
Обозначения:
В .Жириновский (ЖИРИН), Г.Зюганов (ЗЮГАН), В.Путин (ПУТИН), А.Тулеев (ТУЛЕЕВ), Г.Явлинский (ЯВЛИН), «Против всех» (ПРОТИВ).
Так, в 1999 г. лево-правый раскол еще можно считать базовым: структурную оппозицию по оси первого фактора формируют КПРФ и «Яблоко» с СПС (вместе с позицией «против всех»). Борьба «партий власти», «Единства» и ОВР отражена лишь по линии второго фактора. Однако уже в 2000 г. ситуация меняется принципиально: ключевая оппозиция разделяет и.о. президента В.Путина и всех остальных кандидатов. В отличие от выборов 1991 и 1996 г., картина явно не вписывается в традиционный формат «левые консерваторы — правые реформаторы». С 2000 г. постепенно начинает доминировать раскол «действующая власть — альтернативы действующей власти», выходящий на ось первого фактора.
Указанная тенденция полостью закрепляется в электоральном цикле 2003—2004 г. Диаграммы факторного анализа вполне красноречивы:
Парламентские выборы 2003 г.
□б □.4 □2
I
™ Я2 ■Об
■аз
■1Е -1
Обозначения: рмом
СПС (СПС), Российская партия пенсионеров — Партия социальной справедливости (ПЕНС), «Яблоко» (ЯБЛ), АПР (АПР), «Родина» (РОДИНА), ЛДПР (ЛДПР), «Единая Россия» (ЕР), КПРФ (КПРФ), «Против всех» (ПРОТИВ)
Президентские выборы 2004 г.
ш
ОБ
ал
гч 02
I пл
-П2 -П.4 -Об -ЛЯ
-12 -ОВ -ОЧ ПЛ ПЧ ПЕ 12
Обозначения:
Глазьев (ГЛАЗ), Путин (ПУТИН), Хакамада (ХАКАМ), Харитонов (ХАРИТ), Против всех (ПРОТИВ).
СПС
ЯБЛ
ПРОТИВ
ЕР ПЕНС
"РОДИНА
ЛДПР
АПР КПРФ
ХАКАМ
ПУТИН ПРОТИВ
ГЛАЗ
ХАРИТ
В обеих кампаниях мы наблюдаем «партию власти» (в 2003 г.) и инкумбента (в 2004 г.) в качестве структурно доминирующей альтернативы. При этом их электоральные результаты становятся все более впечатляющими. На парламентских выборах 2003 г. «Единая Россия» получила 37,6% голосов. Результат же В.Путина в 2004 г. просто беспрецедентно высок: 71,3%.
В целом в восьми федеральных кампаниях структурное доминирование одного объекта электорального выбора наблюдается пять раз:
Случай структурного доминирования Результат
Б.Ельцин, 1991 г. победа в 1 туре
Г.Зюганов, 1996 г. второе место
В.Путин, 2000 г. победа в 1 туре
«Единая Россия», 2003 г. первое место
В.Путин, 2004 г. победа в 1 туре
Единственный кандидат, не сумевший победить в позиции структурного доминирования — Г.Зюганов в 1996 г. Здесь необходимо сделать поправку на количество туров. В системе относительного большинства, либо при преодолении 50%-ой отметки в системе абсолютного большинства в первом туре, структурное доминирование характерно для победителя. Однако в том случае, если кампания переходит ко второму туру, позиция структурного доминирования начинает работать против того, кто ее занимает.
Это объясняется следующим образом. Между первым и вторым туром переходит перераспределение поддержки от выбывших кандидатов к двум оставшимся в кампании лидерам. Вполне естественно, что голоса легче передаются тому кандидату, который находится на том же полюсе базовой структурной оппозиции, «по одну и ту же строну» наиболее принципиального размежевания. Голоса наиболее крупных «держателей электората» — прежде всего А.Лебедя, Г.Явлинского и, в меньшей степени, В.Жириновского — распределились между Б.Ельциным и Г.Зюгановым явно в пользу первого (действующий президент прибавил во втором туре почти 20% голосов, тогда как его оппонент — лишь около 8%).
* * *
Итак, мы рассмотрели проблему связи между структурным положением партии (кандидата) и результатом на выборах на четырех массивах данных: парламентские и президентские выборы в разрезе регионов 11 стран мира (с акцентом на Европу), все федеральные выборы в России (также в разрезе регионов), 21 кампанию по выборам депутатов
легислатур российских субъектов федерации и парламентские выборы 2003 г. в разрезе территориальных комиссий по 79 регионам РФ в отдельности. Для каждого блока данных были получены значимые результаты. Представляется, что применительно к России наличие связи электорального результата и структурного положения можно считать доказанным (связи в основном далеки от функциональных; но для такого сложного феномена, как электоральное поведение, наличие «железных законов» трудно представимо). Что же касается кросснацио-нальных исследований, то здесь выводы носят самый предварительный характер и требуют дополнительной эмпирической проверки.
