Анализ факторов электорального поведения на выборах глав регионов

Для того, чтобы проверить выбранные рабочие гипотезы, были взяты несколько показателей с интернет-портала федеральной службы государственной статистики по 12 регионам, где прошли губернаторские выборы в 2012;2013 гг., где губернатор является членом партии Справедливая Россия и был назначен до выборов в 2013 г. врио лишь с марта того же года, поэтому нецелесообразно включать данный регион в анализ.

Итак, к независимым переменным в данном анализе относятся:

• 1) Общий объем расходов бюджета муниципальных образований (переменная ln_expend — от величины был взят натуральный логарифм для сглаживания эффекта различия объемов расходов бюджетов между региональными столицами и отдаленными муниципальными образованиями);
• 2) Среднемесячная заработная плата работников организаций (частных и муниципальных) (переменная ln_wages — от величины был взят натуральный логарифм для сглаживания эффекта различия средних заработных плат между региональными столицами и отдаленными муниципальными образованиями);
• 3) Инвестиции в основной капитал, осуществляемые организациями, находящимися на территории муниципального образования (без субъектов малого предпринимательства), (переменная ln_invest — от переменной был взят натуральный логарифм по той же причине, что и в предыдущем пункте);
• 4) Мощность амбулаторно-поликлинических учреждений (самостоятельных и отделений в составе больничных учреждений и других ЛПУ), посещений в смену (переменная health). Данная переменная в первую очередь относится к социально-экономическому блоку, т.к. позволяет сделать вывод об эффективности работы медицинских учреждений. В то же время, данные по мощности являются наиболее полными в базе данных федеральной службы государственной статистики, в отличии, например, от числа больничных коек, количества медицинских учреждений и т. д.
• 5) Объем социальных выплат населению и налогооблагаемых денежных доходов населению (переменная ln_soc — от переменной был взят натуральный логарифм по той же причине, что и в предыдущих пунктах)
• 6) Число субъектов малого и среднего предпринимательства в расчете на 10 тысяч человек населения (переменная business)

В свою очередь, зависимая переменная — доля голосов, отданных за кандидата, поддерживаемого Единой Россией (edro) была взята с сайта центральной избирательной комиссии по каждому муниципальному району и городскому округу кроме закрытых административно-территориальных образований по которым отсутствует социально-экономическая статистика.

Стоит также отметить, что из массива данных были удалены значения-выбросы для каждой переменной. Номера удаленных наблюдений для каждой переменной можно найти в приложении 1.

Таким образом в данный анализ вошли 308 муниципальных районов/городских округов, что позволяет выполнить регрессионный анализ.

Однако прежде чем приступить непосредственно к анализу, необходимо специфицировать основные модели, рассматриваемые в данной работе.

Модель 1 (М1) связана с первой рабочей гипотезой и предполагает взаимосвязь экономического положения населения и уровня поддержки кандидата на выборах от партии власти. При этом, предполагается, что данная модель состоит из таких переменных, как среднемесячная заработная плата (ln_wages), а также объема социальных выплат населению (ln_soc).

Модель 2 (М2) характеризуется зависимостью расходной политики и уровня поддержки кандидата от правящей партии. Из этого следует, что модель состоит из таки переменных, как ln_expend (Общий объем расходов бюджета муниципальных образований) и объем социальных выплат населению (ln_soc).

Модель 3 (М3) служит для проверки гипотезы «социально-экономического голосования» и определяется с одной стороны, среднемесячной заработной платой (ln_wages), объемом социальных выплат населению (ln_soc) и, с другой стороны, мощностью амбулаторно-поликлинических учреждений (переменная health).

Модель 4 (М4) связана с последней рабочей гипотезой и выражается в виде совокупности следующих переменных: во-первых, числом субъектов малого и среднего предпринимательства в расчете на 10 тысяч человек населения (переменная business) и, во-вторых, инвестициями в основной капитал, осуществляемые организациями, находящимися на территории муниципального образования (без субъектов малого предпринимательства), (переменная ln_invest)

Модель 5 (М5) выступит в роли контрольной модели, куда будут включены все предикторы одновременно.

Далее необходимо выявить наличие взаимосвязи между голосованием за кандидата от правящей партии и социально-экономическими показателями с одновременной проверкой статистической значимости полученных корреляций. Для этого обратимся к таблице 3.

Таблица 3. Коэффициент корреляции Пирсона социально-экономических показателей с показателем «голоса, отданные за кандидата от правящей партии» .

Из данной таблицы видно, что только два показателя — средние заработные платы работников организаций и число субъектов малого и среднего предпринимательства являются значимыми, хотя и значения корреляций являются крайне низкими и свидетельствуют о слабой связи. При этом, в первом случае прослеживается положительная связь, а во втором — отрицательная. И в то же время, не всегда стоит обращать внимание на данные показатели, т.к. в российских условиях присутствует влияние многих факторов, неподдающихся квантификации. Туровский Р. Ф. региональное измерение электорального процесса // Общественные науки и современность. — М., 2006. — № 5. — С. 5−19 Именно поэтому, на данном этапе не будем исключать переменные, предположив, что далее при сочетании переменных возможно изменение значений значимости.

Итак, рассмотрим основные регрессионные модели, обозначенные выше. Для этого обратимся к таблице 4.

Таблица 4. Построение регрессионных моделей

Из приведенной выше таблицы видно, что только 4 модель (М4) не объясняет электоральное поведение россиян на губернаторских выборах 2012;2013 гг., т.к. все предикторы оказались незначимыми. Это может быть вызвано двумя причинами: либо экономическая модель голосования малого и среднего бизнеса не применима в чистом виде к объяснению голосования за кандидатов, поддерживаемых Единой Россией, либо некорректно подобраны переменные, объясняющие данную модель голосования. Однако в силу ограниченной информации, предоставленной статистическими службами, показатели по количеству предпринимателей на 10 000 чел. в каждом муниципальном образовании и объем инвестиций являются на мой взгляд наиболее приемлемыми.

В остальных моделях прослеживаются значимые предикторы, что дает нам основание не исключать их из анализа и продолжить тестирование на выявление наиболее оптимальной модели.

Для этого обратимся к критерию Шапиро-Уилка, для проверки нормальности распределения остатков регрессионных моделей (Таблица 5).

Таблица 5. Проверка нормальности распределения остатков регрессионных моделей

Из данной таблицы видно, что нет оснований для отклонения нулевой гипотезы о нормальности распределения остатков, и, следовательно, все четыре модели могут быть использованы в дальнейшем анализе.

Проведем также сравнение данных моделей на выполнение условия гомоскедастичности, для чего проведем тест Бреуша—Пагана для каждой модели.

Таблица 6. Проверка гомоскедастичности в модели 1(М1)

По итогам проведенного теста в первой модели (Таблица 6) прослеживается гетероскедастичность, и, следовательно, данная модель не может быть использована для объяснения электорального поведения, и, следовательно, мы вынуждены исключить ее из данной работы.

Если же обратиться ко второй модели (Таблица 7), то, напротив, здесь присутствует гомоскедастичность, при том, что модель верно специфицирована, что можно визуально проследить исходя из приложения 2.

Таблица 7. Проверка гомоскедастичности в модели 2

Таким образом, регрессия во второй модели может быть описана следующей формулой:

В третьей модели.

(Таблица 8) не выполняется условие равенства дисперсии остатков, а значит МНК-оценки коэффициентов при предикторах являются неэффективными и, следовательно, оценки коэффициентов при предикторах в наших моделях оказываются незначимыми.

Таблица 8. Проверка гомоскедастичности в модели 3

И, наконец, если рассмотреть последнюю модель, включающую все переменные, то можно обнаружить, что в ней также нет гомоскедастичности, а это предполагает исключение данной модели из последующего анализа.

Таблица 9. Проверка гомоскедастичности в модели 5

Таким образом, из проведенного анализа только вторая модель оказалась значимой, при том, что остатки у нее также имеют нормальное распределение. В этой связи, необходимо вернуться к рабочим гипотезам, поставленным в начале данной главы и проинтерпретировать результаты проведённого анализа в контексте первоначальной гипотезы.