Анохина н.В. Прогнозирование результатов выборов / Политическая социология и современная российская политика. СПб., 2000

Среди подходов к прогнозированию электорального поведения можно выделить научные и ненаучные модели построения прогнозов. Ненаучные модели предлагают те авторы, которые не отталкиваются в своих рассуждениях от точно сформулированных причин и гипотез, не основываются на правильно собранных данных. Научные же модели базируются на точных статистико-математических методах сбора и анализа данных.

Анализ показывает, что наиболее адекватными научно-методологическим и практическим требованиям, являются модели, которые строятся на основе математико-статистических методов. Подобная практика построения прогнозных электоральных моделей широко распространена в западной политической науке в силу того, что избирательные процессы, характеризующие развитые демократии, имеют продолжительную историю, на отдельных этапах которой применялись различные прогнозные модели от самых простых до более сложных, использующих современные статистико-математических методы.

Актуальность построения прогнозных моделей исхода выборов не вызывает сомнений и в чисто научном плане, ибо, как уже говорилось выше, общество нуждается в хорошем и правильном прогнозе того, кто будет управлять страной, а во-вторых, исследуя электоральный процесс, его элементы и этапы, маркетинговую стратегию предвыборной кампании, ученые, политологи не могут обойти своим вниманием такую важную составляющую электоральных исследований, как прогнозирование результатов выборов. Кроме того, профессиональные политологи должны быть озабочены отсутствием надежной макроуровневой модели электорального прогнозирования, существующей в сфере экономики, где точно прогнозируются такие важные показатели, как, например, уровень безработицы или валовой национальный продукт. Однако, несмотря на очевидную актуальность данной темы, опубликованные работы российских социологов и политологов, направленные на прогнозирование результатов выборов, не позволяют говорить о существовании в научном мире России каких-либо моделей, основывающихся на точных данных и строгих статистико-математических методах анализа.

Существующие в России методические подходы для оценки результатов избирательной кампании, основанные на данных социологических опросах, бывают недостаточно точными, о чем свидетельствуют неудачные прогнозы результатов выборов в Государственную Думу в 1993 г., связанные со значительным завышением шансов на победу партий демократического блока и недооценкой оппозиционных сил. С одной стороны, данную ситуацию сами исследователи объясняют тем обстоятельством, что социологи и политологи зачастую не владеют статистическим аппаратом, необходимым для анализа данных и построения прогнозных моделей, а также ангажированностью отдельных социологических служб, работающих на конкретных кандидатов. С другой стороны, динамика электоральных процессов в России такова, что сделать какие-либо устойчивые выводы и построить статистически проверенные модели весьма затруднительно. Логично в этой ситуации обратиться к общемировой традиции прогнозирования результатов выборов и после определенной адаптации моделей попытаться применить их к российским условиям. Среди задач, требующих решения в этой связи, стоит выделить следующие: анализ существующих в России и на Западе моделей электорального поведения, т.е. факторов, влияющих на решение избирателя, анализ существующих на Западе моделей прогнозирования результатов выборов, адаптация наиболее адекватной российской ситуации модели прогнозирования, применение построенной модели к будущим выборам.

1. Основные подходы к построению прогнозных электоральных моделей, предлагаемые западной политической наукой.

Для начала необходимо описать существующие методики прогнозирования, среди которых можно выделить научные и ненаучные модели построения прогнозов. Ненаучные модели не основаны на точно сформулированных причинах и гипотезах, на правильно собранных данных. Среди ненаучных моделей прогноза можно несколько типов в зависимости от источника, из которого они исходят, - это модели, предлагаемые так называемыми предсказателями, политическими деятелями и общественными лидерами.

Предсказатели.

Предсказатели выборов полагаются на знаки и правила, которые обычно не имеют непосредственного отношения к самим выборам. Классический пример такого прогнозирования относится к Древней Греции, где по исследованию внутренностей животного угадывалось, кто победит на выборах. Вот другие знаки, используемые предсказателями для определения того, кто будет избран Президентом США:

• Правило вина божоле: Если урожай вина божоле будет беден, победят республиканцы.

• Правило роста: Более высокий кандидат победит.

• Правило имени: Кандидат с более длинной фамилией победит.

Являясь хорошим развлечением, эти предсказания не воспринимаются всерьез, так как их предсказательная сила основана на случайности. Закон вероятности говорит, что за время Президентских выборов происходит более миллиона событий, и, по крайней мере, несколько из них будет коррелировать с результатами выборов. Каждый человек может стать таким предсказателем и открыть свои «правила»: выделить некое событие, произошедшее до выборов, и систематически связывать его с победителем.

Однако тот аргумент, что правила предсказания опираются на случайности, не всегда так просто применим. Возьмем следующий пример:

• Правило «региона – вожака»: как пойдет «регион – вожак», так пойдет нация.

Идея заключается в следующем: определенные геополитические союзы (графства, штаты) точно отражают избирательные предпочтения всей страны в целом. Таким образом, зная, как будут голосовать жители «региона–вожака», можно узнать, как будут голосовать остальные жители страны.

Определение такого «региона-вожака» – это часть американской политической науки. Самым известным «регионом–вожаком» является штат Мэн. Начиная с 1860 по 1932 гг. этот штат голосовал за кандидата-победителя в 16 из 19 Президентских выборах, породив высказывание: «Как пойдет Мэн, так пойдет нация». Это утверждение было подорвано в 1936 г., когда только один штат Вермонт присоединился к Мэну в избирательных предпочтениях. Это событие породило новое правило: как пойдет Мэн, так пойдет Вермонт. К несчастью для Мэна, неудача 1936 г. оказалась первой, но не последней. В период с 1936 по 1988 гг. штат голосовал за кандидата победителя только в 7 из 14 Президентских выборах.

Разрушение образа Мэна в качестве барометра национальных предпочтений привело обозревателей к поискам нового «региона–вожака». Экономист Л. Бин посвятил большую часть своей научной жизни определению наилучшего «региона-вожака». При прогнозировании Президентских выборов в 60-70-х гг. он предпочитал рассматривать большие штаты, такие как Нью-Йорк, Калифорния и Иллинойс. Анализируя более поздние Президентские кампании 70-80-х гг., С.А.Бро пришел к выводу, что Нью-Мехико – это штат, который с самого начала голосовал только за кандидата-победителя Президентских выборов, исключая 1978 г. Е. Тафт в 1974 г. выделил 3 «супер региона-вожака»: округ Крук (Орегон), округ Ларами (Вайоминг), округ Паоло Альто (Айова). Эти округи голосовали исключительно «за» кандидатов, победивших на всех Президентских выборах с 1916 по 1972 гг.

Рассмотрим, как работают эти «регионы-вожаки» на примере округа Паоло Альто. К 1980 г. репутация этого городка в качестве «региона-вожака» утвердилась настолько, что накануне Президентских выборов общенациональные средства массовой информации распространяли предпочтения его жителей на всю страну. В качестве объяснения такого предсказательного успеха региона предлагалось то, он представляет собой микрокосм нации. Таким образом, Паоло Альто рассматривается как модель, репрезентирующая всех американских избирателей, их установки и поведение. Однако этот регион нельзя назвать типичным, так как его населяют в основном фермеры и жители маленьких городков, потомки переселенцев из Европы, которые не представляют собой срез населения Америки последней четверти 20 века.

Выдвигается еще одна версия объяснения успеха Паоло Альто, по которой его жителей наделяют особыми предсказательными качествами. Эта точка зрения была распространена редактором местной газеты Emmetsburg Repoter-Democrat, которая считает местное население начитанным, хорошо образованным и разбирающимся во всех тонкостях политики.

Наиболее вероятное объяснение подобной предсказательной силы региона заключается в том, что все происходит в основном из случайности. Подобное объяснение подходит и для остальных «супер регионов-вожаков». Если взять во внимание, что в США около 3000 подобных округов, то ничего удивительного не будет в том, что несколько из них голосовали за кандидата-победителя Президентских выборов за период с 1916 по 1972 гг. И округу Паоло Альто просто посчастливилось стать одним из них.

Поскольку никаких разумных причинно-следственных объяснений предсказательного успеха «регионов-вожаков» нет, то рано или поздно за успехом должна последовать неудача. Первым из округов, потерпевшим неудачу стал округ Ларами, который проголосовал за кандидата, проигравшего Президентские выборы в 1976 г. Такие же неудачи претерпели в дальнейшем остальные «супер регионы-вожаки».

Политические деятели.

Модели прогнозирования, основанные будь то на правилах роста или правилах «регионов-вожаков», являются всего лишь одним из видов развлечений или игр со случайностью. Кроме них существуют модели, построенные непосредственными участниками политического процесса: активисты избирательных кампаний, члены партий, сами кандидаты постоянно делают оценки восприятия своей деятельности среди избирателей. Кроме того, эти политические деятели, как их можно назвать, часто дают прогнозы исхода выборов. Как предсказатели они привлекательны тем, что знают политику изнутри, они живут и дышат ею, знают все ходы и выходы. Делая прогнозы, политические деятели опираются на свой собственный опыт и на информацию, полученную из ближайших к кандидатам источников. Одним из недостатков подобных моделей является предубежденность их авторов. Когда политические деятели делают прогнозы, они стремятся поддержать своих кандидатов, несмотря на объективные условия. В результате они почти всегда предсказывают результат с большим запасом голосов «за» и «против», чем это есть на самом деле. Конечно, можно понять этих предсказателей – они верят или, по крайней мере, хотят сказать публично, что их кандидат победит, хотят передать это чувство уверенности избирателям, обеспокоить оппонентов, повлиять на тех, кто еще не определился со своим выбором. В целом, предубежденность прогнозов делает их крайне ненадежными, и если прогноз, в конечном счете, все же верен, то есть все основания утверждать, что это опять-таки случайность.

Общественные авторитеты.

Политические деятели – это не единственные эксперты, делающие прогнозы. Журналисты, обозреватели, ученые, критики также пытаются предсказать результаты выборов. Всех этих комментаторов избирательных кампаний можно отнести в группу общественных деятелей. Существенная разница между политическими деятелями и общественными авторитетами заключается в том, что последние, как правило, лишены прямой партийной предубежденности. Конечно, почти всегда известно, к какой партии благоволит тот или иной журналист, но их заинтересованность в успехе определенного кандидата не так значительна, как в случае с политическими деятелями. Таким образом, общественные авторитеты могут дать более объективные прогнозы.

Однако, прогнозы, данные общественными авторитетами, ненадежны по своей сути. Иногда они попадают в цель, иногда они не столь точны. По каким причинам это происходит? С одной стороны, на точность прогноза влияет вся та же предубежденность и принадлежность к определенной партии тех, кто дает прогноз. Кроме того, правила по которым строятся эти прогнозы, далеки от научных методов. Прогнозы общественных авторитетов базируются на неофициальных наблюдениях, непосредственном общении с политиками и интуиции. В этом методе нет определенного алгоритма, который можно было бы воспроизводить от выборов к выборам и повторять не только посторонним аналитикам, но и самому человеку, делающему прогноз. Даже если формула «сработает» в первый раз, то нет никакой гарантии, что она сработает позже. [Lewis-Beck and Rice 1992:7-9].

Специалисты по опросам общественного мнения

Как уже говорилось выше, ни один из методов прогнозирования, предлагаемых предсказателями, политическими деятелями, общественными авторитетами, не является строго научным. В то время как исследования общественного мнения, проводимые современными социологическим службами, лишены всех тех ограничений, свойственных вышеупомянутым методам прогнозирования.

Однако и в этом случае необходимо провести разграничительную черту между научными и ненаучными предвыборными исследованиями, включающими в себя и прогнозирование исхода выборов. Это разделение становится особенно важным во время увеличения числа подобных исследований накануне выборов. И самый главный вопрос здесь звучит следующим образом: какое исследование, какой прогноз более точен?

Один из популярных видов опроса общественного мнения, но, к сожалению, являющийся весьма неточным, можно определить как «фиктивный опрос общественного мнения». Начиная с 19 века, редакции газет использовали этот вид исследования для опроса своих читателей. На страницах газеты публикуется анкета, которую следует заполнить и отправить в редакцию. Ключевым моментом подобной анкеты является вопрос, за кого бы проголосовали читатели, если бы выборы проводились в ближайшие дни. Классическим примером неточности прогнозов, построенных на основе «фиктивных опросов», является исследование, проведенное журналом «Literary Digest» в 1936 г. накануне президентских выборов в США. Анкета, предназначенная для прогнозирования результатов выборов Президента США, была разослана миллионам владельцам автомобилей и телефонов. Результаты опроса, опубликованные газетой за неделю до выборов, предрекали победу А. Ландону с большим отрывом от Ф. Рузвельта. Однако в день выборов Ф. Рузвельт получил 60 % голосов избирателей против 36 % голосов, полученных А. Ландоном. Стоит ли говорить о том, что газета «Literary Digest» вскоре прекратила свой существование?

Что делает опрос общественного мнения научным? Наиболее важным моментом является методология построения выборки. Если опрашиваемые люди отобраны для участия в исследовании не строгими научными методами, даже если вопросы анкеты сконструированы профессионалами в своем деле, то на точность результатов подобных опросов рассчитывать нельзя. Другими словами, правильная методика отбора респондентов должна базироваться на вероятностных выборочных методах. Применительно к предвыборным исследованиям, это означает, что каждый потенциальный избиратель в округе должен иметь равную вероятность быть отобранным для участия в опросе общественного мнения. Традиционные «фиктивные опросы общественного мнения», широко проводимые средствами массовой информации, нарушают этот основный принцип выборочного исследования. Возвращаясь к провалу, произошедшему с «Literary Digest», можно отметить следующее: владельцы автомобилей и телефонов, участвующие в опросе, имели большую финансовую состоятельность, и склонялись в своих предпочтениях к республиканцу А. Ландону, нежели миллионы других избирателей, не имеющих ни автомобиля, ни телефона и предпочитающих демократа Ф. Рузвельта. А поскольку они не имели возможность высказать своего мнения, то результаты опроса не показали, что Ф. Рузвельт поддерживается большим числом избирателей.

Вторая проблема, стоящая на пути правильного прогноза, после решения вопросов отбора респондентов, связана как ни парадоксально с ограничениями выборочного метода. Рассмотрим проблему прогнозирования результатов выборов в Палату Представителей США в одном из 435 округов. Допустим, что мы проводим исследование за неделю до выборов в округе Х, где нынешний конгрессмен Смит противостоит кандидату Брауну. Учитывая все тонкости построения выборки, мы отобрали для участия в исследовании 1 500 респондентов. Задавая вопрос, за кого бы проголосовали респонденты на предстоящих выборах, мы получаем следующие результаты: за Смита отдали бы свои голоса 52% избирателей, за Брауна – 48% при 0% неопределившихся. На первый взгляд, победа Смита очевидна. Но необходимо помнить, что типичный избирательный округ включает в себя около 200 000 избирателей, в то время как в опросе участвовало только 1 500 респондентов. Вполне возможно, что результаты исследования имеют определенную ошибку, которую надо учитывать. Согласно теории статистики, при выборке размером 1 500 респондентов при генеральной совокупности в 200 000 человек вероятность варьирования предпочтений избирателей всего округа в целом в пределах () 3 процентных пунктов ^* составляет 95%. Это означает, что истинная поддержка Смита среди всех избирателей округа колеблется между 49 и 55 %, а истинная поддержка Брауна – между 45 и 51 %. Этот интервал прогнозов ( 3) предполагает, что Браун, несмотря на явное отставание в опросе, на выборах может и опередить Смита. Поэтому необходимо быть крайне осторожным в своих прогнозах относительно результатов выборов. Кроме того, говоря о 95 процентной вероятности варьирования поддержки того или иного кандидата в пределах () 3 процентных пункта, нельзя забывать и об оставшихся 5 %. Они означают, что в 5 % случаев наш прогноз может быть неверным (и никогда нельзя знать заранее, какой из случаев будет верным, а какой – нет).

Еще одна проблема, возникающая при построении моделей прогнозирования, заключается в том, что в реальности предельная ошибка выборки превышает 3 процентных пункта, определенных теорией. Это происходит вследствие не столько неверно построенной выборки или неправильно выбранного инструмента исследования, а по причине трудности определения числа респондентов, реально голосующих на выборах. Если оценка избирательских предпочтений основывается на выборке, содержащей в себе респондентов, которые не будут голосовать на выборах, то дополнительная ошибка неизбежна. Поэтому службы общественного мнения разрабатывают различные методы определения числа респондентов, участвующих в опросе, которые действительно придут на выборы. Большинство предвыборных анкет начинается с вопроса, определяющего вероятность участия респондента в предстоящих выборах. Шкала ответов на этот вопрос варьируется на континууме от пункта «весьма вероятно», «отчасти вероятно» до пункта «скорее не вероятно» и «не вероятно». Далее, в анкете спрашивается, участвовал ли респондент в прошедших выборах. По итогам этих двух вопросов, из исследования отсеиваются те из респондентов, не участвующие в предшествующих выборах, и у которых вероятность участия в предстоящих выборах невелика. Конечно, этот метод позволяет более точно оценить предпочтения действительно проголосующих респондентов, но ничто не мешает не прийти на выборы тем, кто собирался это сделать во время опроса. Кроме того, респонденты могут изменять свои взгляды и предпочтения. Если это произойдет после интервьюирования, то прогноз, основанный на данных опроса общественного мнения, будет неверным. Вполне логичен здесь вопрос, насколько вообще хороши предвыборные опросы в качестве инструмента прогнозирования? Проблемы применения опросов для построения прогнозных моделей заключаются в следующем. Во-первых, методология построения вывода на основе результатов исследования требует распространения предельной ошибки выборки на все прогнозы, что снижает их ценность. Во-вторых, встает проблема качества сконструированного опросника и проведения интервью. Следующая не менее важная проблема – это вопрос стоимости исследования. На сегодняшний день такие службы опросов общественного мнения как службы Гэллапа затрачивают около 20 долларов за одно интервью, включая его проведение и обработку. На уровне одного избирательного округа в США проведение опроса общественного мнения с выборкой не менее 1 500 респондентов потребует затратить около 30 000 долларов. Учитывая, что всего в США 435 избирательных округов, то стоимость общенационального опроса достигнет астрономической суммы в 13,050,000 долларов. И, наконец, едва ли не наиболее важная проблема – это изменение предпочтений избирателей уже после проведенного опроса. Конечно, у исследователей есть возможности минимизировать эту трудность, регулярно проводя опросы, увеличивая точность прогнозов, вплоть до дня выборов. Однако еще один вопрос, который в связи с этим следует рассмотреть, это так называемое опережающий период прогноза, т.е. предвыборный период, в котором был сделан прогноз. Даже самый точный прогноз, сделанный за день до выборов, будет не столь интересен, как долгосрочный. Поэтому специалисты по прогнозированию всегда будут стоять перед дилеммой, каким должен быть опережающий период прогноза, чтобы он был одновременно точным и интересным.

2. Основные принципы построения статистико-математических моделей прогнозирования результатов выборов.

В западной традиции при построении научных моделей прогнозирования принято использовать метод регрессионного анализа. Для упрощения задачи рассмотрим, как применяется этот метод американскими политологами для прогнозирования результатов выборов Президента США. Критерием измерения результатов президентских выборов в США служит такой показатель, как всенародная доля голосов, показанная в процентах. Кандидат, получивший наибольшее число голосов, считается победившим. Президентским выборам предшествуют не предусмотренные Конституцией первичные выборы – праймериз, проводимые более чем в 30 штатах с целью демонстрации относительной популярности кандидатов на пост президента и избрания делегатов на созываемые обычно в июле – августе года президентских выборов национальные съезды партий. Первичные выборы позволяют неофициальным путем определить круг кандидатов, пользующихся наибольшей популярностью у избирателей и, следовательно, являющихся наиболее перспективными кандидатами на пост президента. Выборы в президенты в США являются косвенными: технически, когда американцы голосуют на выборах, то они голосуют не за кандидатов, а за членов коллегии выборщиков, которых набирает каждый из кандидатов. Победившим считается тот кандидат, который набрал наибольшее число голосов, отданных за его выборщиков.

Модель прогнозирования результатов президентских выборов, основанная на методе регрессионного анализа, предполагает проведение двух этапов: 1) анализ результатов предшествующих выборов; 2) прогнозирование исхода предстоящих выборов.

При этом предлагается использовать следующий механизм:

1. Переменная «результаты выборов» (Yi) зависит от некоторого набора параметров (Xi), которые можно определить в ходе опроса избирателей. В качестве зависимой переменной (Yi) при этом выступает результат, полученный действующим Президентом – инкумбентом.

2. Накануне выборов проводится опрос избирателей и измеряется конкретное состояние параметров (Xi).

3. После проведения выборов и подсчета голосов берется реальные результаты голосования, т.е. доля голосов, полученная инкумбентом- (Yi).

4. С помощью модели регрессионного анализа находится математическое описание переменной (Yi) как функции (F), зависящей от параметров (Xi).

5. Накануне следующих выборов с помощью опроса избирателей, проведенного по той же анкете с использованием аналогичной выборки и схемы опроса, измеряются значения параметров (Xi) для других кандидатов и подставляются в функцию (F), на основе чего и определяется прогнозируемый результат выборов для инкумбента.[Синяков 1999].

Конечно, строя регрессионную модель, прежде всего, следует определить перечень независимых переменных Х, включаемых в уравнение. Это должно делаться на основе теоретических положений. Список Х может быть достаточно широк, и ограничен только исходной информацией. Отбор наиболее значимых из них можно провести с помощью компьютерных программ, таких как SPSS, PolyAnalyst, выбирая в соответствии с коэффициентами корреляции и другими критериями факторы, наиболее тесно связанные с У. Параллельно решается вопрос о форме уравнения. Современные средства вычислительной техники позволяют за относительно короткое время рассчитывать достаточно много вариантов уравнений. В ЭВМ вводятся значения зависимой переменной У и матрица независимых переменных Х, принимается форма уравнения. Далее ставится задача включения в уравнение наиболее значимых переменных Х. В результате, получается уравнение регрессии с наиболее значимыми факторами. [Статистика: курс лекций 1999:134].

Таким образом, можно построить следующую регрессионную модель уравнения, которая заключается в переводе вербальной теории явления на язык математических уравнений:

Y = a0 + b1X1 + b2X2 + …+ biXi + Е, где

Y – зависимая переменная – результат выборов;

X1, X2, Xi – независимые переменные, влияющие на результат выборов;

a0, b1, b2,…,bi – постоянные коэффициенты, коэффициенты регрессии, вычисляемые на основе эмпирических данных предыдущих выборов, каждый из коэффициентов регресс показывает, насколько единиц изменится У с изменением соответствующего признака Х на единицу при условии, что остальные признаки останутся на прежнем уровне;

Е – погрешность, означающая любое колебание Y, не вызванное изменением независимой переменной в модели.

Естественно, что чем больше динамический ряд данных, на основании которых строится регрессионное уравнение, тем выше его точность, т.е. его предсказательная сила. Прогнозные модели, построенные в США, имеют несравненное преимущество перед всеми моделями, которые будут построены в России, - они базируются на более длительной электоральной динамике. В исследовательской литературе обычно приводятся данные по выборам за послевоенный период, начиная с 1948 г.

Одним из показателей точности построенной регрессионной модели, т.е. правильности прогноза, является коэффициент множественной детерминации R². Этот коэффициент показывает, насколько независимые переменные, по которым была построена модель, объясняют колебания зависимой переменной: чем ближе он к 1, тем более совершенна модель. Конечно, значение коэффициента множественной детерминации может быть увеличено путем введения в модель добавочных независимых переменных, но исследователь должен всегда задаваться вопросом, не делает ли вновь введенная переменная модель слишком сложной и привнесет ли она что-нибудь ценное в понимание и объяснение исследуемого явления.

Построение математической модели определения зависимой переменной через ряд показателей (Xi) поднимает едва ли не самый главный для социологов и политологов вопрос, от ответа на который, зависит собственно точность предлагаемых прогнозов, а именно – операционализация независимых переменных, то есть определение факторов, движущих избирателями в момент принятия решения. Действительно, без ответа на такие вопросы, как «Почему избиратели голосуют определенным образом?» или «Почему они предпочитают одного кандидата другому?», невозможно построить ни одну прогнозную модель. Поэтому работы специалистов по факторам формирования электорального поведения служат основополагающей базой для построения моделей прогнозирования. Одна из первых серьезных академических работ на эту тему была издана в 1936 под названием «Американский избиратель» группой ученых, руководимой А. Кэмпбеллом. (A. Campbell, Ph.Convers, W. Miller, D. Stokes. The American Voter). В настоящий момент в западной политической науке разработан корпус теорий, позволяющих объяснять и предсказать массовое электоральное поведение.

3. Основные подходы к электоральным моделям голосования.

Классической моделью электорального поведения долгое время считалась социологическая модель, в основу которой легли результаты исследования президентских выборов США 1948 г., проведенного группой американских ученых под руководством П. Лазарсфельда. Исследование показало, что при голосовании выбор избирателей определяется не сознательными индивидуальными политическими предпочтениями, а принадлежностью к большим социальным группам. Каждая подобная группа обеспечивает той или иной партии стабильную базу электоральной поддержки. Сам же акт голосования оказывается не столько свободным политическим волеизъявлением, сколько проявлением солидарности индивида с группой. Такое поведение было названо экспрессивным. Теоретические основания социологической модели были разработаны весьма тщательно, однако ее эмпирическая адекватность – и в частности способность предсказывать исходы выборов в Западной Европе и, в особенности, в США – оказалась не очень высокой. Это побудило американских ученых в 60-х гг. предложить новую трактовку поведения избирателей, получившую название социально-психологической модели.

В рамках социально-психологической модели электоральное поведение по-прежнему рассматривается как промежуточно экспрессивное, но объектом, с которым солидаризируются избиратели, выступает не большая социологическая группа, а партия. Согласно социально-психологической модели, склонность к поддержке определенной партии вырабатывается у индивида в процессе ранней социализации. Исследования, проведенные в ряде демократических политий в 60-е годы, показали, что уже в возрасте 10-11 лет дети проявляют партийные предпочтения, определенные родительской приверженностью, которая оказывает продолжительное влияние в течение всей его жизни.

Подобный «выбор» партии, определяемый как «партийная идентификация», является важной индивидуальной ценностью, отказаться от которой не так просто. Социально-психологическая модель в дальнейшем успешно применялась при изучении электорального поведения в Западной Европе и США, ее влияние оказалось настолько сильным, что к настоящему времени понятие «партийной идентификации» можно считать одним из важнейших в электоральных исследованиях на Западе.

Вместе с тем, выявилась и определенная ограниченность обеих концепций: поскольку распределение социальных статусов и партийная идентификация относительно стабильны, то эти теории оказались неспособными объяснить значительные сдвиги в избирательных предпочтениях в конце 60-х – начале 70-х годов, когда в большинстве развитых либеральных демократиях начался массовый отход избирателей от традиционных политических партий и заметно ослабла связь между классовой принадлежностью и политическим выбором при голосовании. Осознание неадекватности этих теорий подтолкнуло исследователей к поиску новых подходов объяснения электорального поведения, что и привело к созданию рационально-инструментальной модели.

Фундаментальное положение для рационально-инструментальной модели, выдвинутое Э. Даунсом в работе «Экономическая теория демократии», состоит в том, что каждый гражданин голосует за ту партию, которая, как он полагает, предоставит ему больше выгод, чем любая другая. Правда, сам Э. Даунс считал, что ведущую роль в соответствующих оценках играют идеологические соображения. Рассматриваемая модель была развита в работах М. Фиорины, который во многом пересмотрел взгляды Э. Даунса о роли идеологии в формировании избирательских предпочтений. По мнению М. Фиорины, обычным гражданам не обязательно знать в деталях внутреннюю и внешнюю политику действующей администрации, чтобы дать ей некую оценку, реально они располагают лишь одним видом данных: они знают, как им жилось при данной администрации. Иными словами, существует прямая связь между положением в экономике и результатами выборов, и при голосовании избиратель исходит из того, что именно правительство несет ответственность за экономическое состояние страны. Если жилось хорошо – голосуй за действующее правительство (действующего президента, представителей партии власти), если плохо – за оппозицию. Представленная в работах М. Фиорины теория экономического голосования неоднократно проверялась как на американских, так и на западноевропейских массивах электоральных данных, и полученные результаты оказались весьма убедительными.

Однако, современные исследования показывают, что в последние десятилетия в странах Запада происходит определенная эволюция политических ориентаций избирателей, характеризующаяся снижением влияния долгосрочных факторов формирования политических предпочтений и усилением влияния краткосрочных факторов, таких, как влияние имиджа кандидата и позиция избирателя по отдельным общественным проблемам. Вместе с тем, по результатам сравнительных исследований социально-групповые факторы и особенно фактор политической идентификации все же продолжают играть существенную роль при формировании политических ориентаций на выборах, что способствует актуализации проблемы создания интегративной многофакторной модели электорального поведения.

4. Обзор моделей прогнозирования, разработанных в западной политической науке на основе статистико-математических методов.

Поскольку на сегодняшний день в политической науке развитых либеральных демократий отсутствует единая общепризнанная модель электорального поведения, то и для построения прогнозных моделей используются совершенно разные факторы влияния на результаты выборов. Сравнительный анализ, проведенный М. Льюис-Беком и Т. Райсом в работе «Прогнозирование выборов», показал наличие, по крайней мере, девяти моделей прогнозирования результатов президентских выборов, включая их собственную.

Основные модели прогнозирования результатов президентских выборов

Хотя общие принципы построения этих моделей одинаковы, – все они основаны на общенациональных серийных опросах, обращаются к регрессионным моделям, - но в них используются различные переменные, объясняющие мотивы формирования электорального поведения. В то же время более детальный анализ приведенной таблицы показывает, что едва ли не во всех этих моделях используется т.н. экономический фактор голосования, берущий свои корни из рационально-инструментальной модели электорального поведения. Однако, как нет единства среди приверженцев рационально-инструментальной модели по вопросу, какой показатель брать за операционализированное понятие экономического фактора – оценку избирателем собственного экономического положения или результатов работы экономики страны в целом, так нет этого единства и среди авторов прогнозных электоральных моделей.

Рассмотрим три модели прогнозирования результатов президентских выборов, представленные в последнем десятилетии – модели Эриксона (1989), Кэмпбелла и Уинка (1990), Льюис-Бека и Райса (1992).

Эриксон в своей модели попытался скомбинировать две более ранние модели – Тафта (1978) и Гиббса (1982). Из модели Тафта он взял показатель «симпатии» к кандидату (С), измеренный с помощью опросника, разработанного национальной службой избирательных технологий Мичиганского Университета, из модели Гиббса - показатель изменения дохода за последние 2 года (I), т.е. за годы нахождения у власти действующего президента.

Полученная модель регрессионного уравнения выглядит следующим образом:

V = 44.64 + 2.77I + 6.50C + e, где

V – процент голосов, отданных за действующего президента;

I – среднее изменение среднедушевого дохода за 4 года в процентах;

C – общее благоприятное положение кандидата (превышение оценок «симпатии» над оценками «антипатии);

е – ошибка.^*

Какова точность этой модели, или другими словами, правилен ли прогноз результатов выборов, данный с помощью построенной модели? Как уже упоминалось выше, одним из показателей точности модели (кроме сравнения с результатами уже состоявшихся выборов), является коэффициент множественной детерминации R² , который в модели Эриксона равен 0.88. Это означает, что выбранные в модели независимые переменные на 88% объясняют колебания зависимой переменной, т.е. результат голосования. Кроме всего прочего, ошибка модели равняется 2.22, величина которой означает, что для будущих выборов прогноз может отклоняться всего на 2 % от реального результата.

С математической точки зрения данная модель выглядит почти безупречно. Значения R² и ошибки говорят о большой предсказательной силе модели. Но самым большим недостатком модели, перекрывающим все ее положительные стороны, является почти полное отсутствие опережающего времени. Это означает, что прогноз был сделан либо за день до выборов, либо непосредственно в день их проведения. Несмотря на все положительные стороны модели Эриксона, она не является долгосрочной, и потому ее использование не оправдывает себя с точки зрения актуальности сделанного прогноза.

Еще одна модель, которую следует рассмотреть далее, это модель Кэмпбелла и Уинка, предложенная ими в 1990 г, и которая имеет столь необходимый опережающий период. В предложенной ими модели скомбинированы следующие независимые переменные: вопрос «За кого бы Вы проголосовали на предстоящих выборах?» (данные службы Гэллапа) и изменение валового национального продукта. В результате учеными была построена такая регрессионная модель:

V = 24.34 + 0.53H + 2.14G + е, где

V - процент голосов, отданных за действующего президента;

H – процент голосов, отданных за действующего президента, по результатам опроса службы Гэллапа в сентябре года президентских выборов;

G - среднее изменение среднедушевого дохода во второй четверти года президентских выборов в процентах.

Коэффициент множественной детерминации R² уравнения превышает аналогичный показатель в модели Эриксона – 0.95, т.е. независимые переменные, включенные Кэмпбеллом и Уинком в модель, на 95 % объясняют и прогнозируют результаты выборов. Кроме того, ошибка модели так же ниже, чем в случае с уравнением Эриксона – 1.40. Однако существенным недостатком модели Кэмпбелла и Уинка также является короткий опережающий период. Этот недостаток относится и к остальным более ранним моделям, кроме модели Абрамовитца, но которая из-за сравнительно низкого значения коэффициента множественной детерминации также не вполне удовлетворительна. Для сравнения рассмотрим таблицу.