| Раздел | Статьи |
| Заглавие | Пространственное моделирование электоральных предпочтений в Российской Федерации |
| Страницы | 70-100 |
| Автор 1 | Подколзина Елена Анатольевна кандидат экономических наук, доцент факультета экономических наук, заместитель директора Института институциональных исследований Национальный исследовательский университет «Высшая школа экономики» ул. Мясницкая, 20, Москва, 101000, Российская Федерация epodk@hse.ru ORCID: 0000-0002-8363-6711 |
| Автор 2 | Демидова Ольга Анатольевна кандидат физико-математических наук, доцент факультета экономических наук Национальный исследовательский университет «Высшая школа экономики» ул. Мясницкая, 20, Москва, 101000, Российская Федерация demidova@hse.ru ORCID: 0000-0001-5201-3207 |
| Автор 3 | Кулецкая Лада Евгеньевна аспирантка Аспирантская школа по экономике (департамент прикладной экономики), Национальный исследовательский университет «Высшая школа экономики» ул. Мясницкая, 20, Москва, 101000, Российская Федерация lada.kuletskaya@gmail.com ORCID: 0000-0003-2069-9800 |
| Аннотация | Основной задачей данной работы является оценка влияния индивидов, проживающих в соседних территориальных областях, друг на друга в принятии решений на примере выборов Президента России в 2018 г. c использованием данных по 2718 территориальным избирательным комиссиям (ТИКам). Рассчитанные авторами локальные и глобальные показатели пространственной автокорреляции (индексы Морана, Гири, Гетиса – Орда) дают эмпирическое подтверждение глобальной положительной автокорреляции (т. е. в целом по стране избиратели в каждом ТИКе голосуют сходным образом с соседями). Были выявлены ТИКи, входящие в локальные кластеры (где избиратели голосуют аналогично), и ТИКи – выбросы (outlier), т. е. окруженные ТИКами, где голосуют противоположным образом. На примере Татарстана, региона, где встречалось больше всего и ТИКов, образующих локальный кластер, и ТИКов-выбросов, мы проанализировали, какие экономические показатели вкупе с пространственными оказывают влияние на поддержку основного и оппозиционного кандидатов. Было показано, что готовность голосовать за основного кандидата объясняется ростом заработной платы в районе, но в то же время показатели экономической активности в районе и потенциальной мобильности граждан отрицательно влияют на поддержку основного кандидата. На голоса в пользу оппозиционных кандидатов изменение заработной платы не оказывает влияние, а остальные показатели демонстрируют обратную зависимость. Также мы показали, что модели с учетом пространственных эффектов предпочтительнее МНК моделей для анализа итогов голосований |
| УДК | 332 |
| JEL | C21, C31, R5 |
| DOI | |
| Ключевые слова | пространственная автокорреляция ♦ электоральные предпочтения ♦ глобальные и локальные индексы пространственной автокорреляции |
| Скачать | SE.2020.2.070-100.Podkolzina.pdf |
| Для цитирования | Подколзина Е.А., Демидова О.А., Кулецкая Л.Е. Пространственное моделирование электоральных предпочтений в Российской Федерации // Пространственная экономика. 2020. Т. 16. № 2. С. 70–100. |
| Ссылки | 1. Исследователь из Стэнфорда считает, что фальсификации? на выборах президента России было очень мало. Как он это вычислил? // Meduza. 2018. 7 мая. URL: (дата обращения: апрель 2020). 2. Статистика показывает: за Путина вброшено 10 миллионов бюллетеней // Радио «Свобода». 2018. 20 марта URL: (дата обращения: апрель 2020). 3. Шень A. Выборы и статистика: казус Единой России (2009–2018). 2018. Июль. URL: arXiv preprint arXiv:1204.0307 (дата обращения: апрель 2020). 4. Anselin L. Local Indicators of Spatial Association-LISA // Geographical Analysis. 1995. Vol. 27. No. 2. Pp. 93–115. 5. Burnett W., Lacombe D.J. Accounting for Spatial Autocorrelation in the 2004 Presidential Popular Vote: A Reassessment of the Evidence // The Review of Regional Studies. 2012. Vol. 42. Issue 1. Pp. 75–89. 6. Clem R.S., Craumer P.R. Spatial Patterns of Political Choice in the Post-Yel’tsin Era: The Electoral Geography of Russia’s 2000 Presidential Election // Post-Soviet Geography and Economics. 2000. Vol. 41. Issue 7. Pp. 465–482. 7. Clem R.S., Craumer P.R. The Geography of the Russian 1995 Parliamentary Election: Continuity, Change, and Correlates // Post-Soviet Geography. 1995a. Vol. 36. Issue 10. Pp. 587–616. 8. Clem R.S., Craumer P.R. The Politics of Russia’s Regions: A Geographical Analysis of the Russian Election and Constitutional Plebiscite of December 1993 // Post-Soviet Geography. 1995b. Vol. 36. Issue 2. Pp. 67–86. 9. Coleman S. Voting and Conformity: Russia, 1993–2016 // Mathematical Social Sciences. 2018. Vol. 94. Pp. 87–95. 10. Cutts D., Webber D., Widdop P., Johnston R., Pattie C. With a Little Help from my Neighbours: A Spatial Analysis of the Impact of Local Campaigns at the 2010 British General Election // Electoral Studies. 2014. Vol. 34. Pp. 216–231. 11. Dow J.K. A Comparative Spatial Analysis of Majoritarian and Proportional Elections // Electoral Studies. 2001. Vol. 20. Issue 1. Pp. 109–125. 12. Elhorst J.P. Spatial Panel Data Models // Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications. Springer-Verlag Berlin Heidelberg, 2010. Pp. 377–407. 13. Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications / Edited by M.M. Fischer, A. Getis. Springer-Verlag Berlin Heidelberg, 2010. 812 p. 14. Jensen C.D., Lacombe D.J., McIntyre S.G. A Bayesian Spatial Econometric Analysis of the 2010 UK General Election // Papers in Regional Science. 2013. Vol. 92. Issue 3. Pp. 651–666. 15. Kim J., Elliott E., Wang D. A Spatial Analysis of County-Level Outcomes in US Presidential Elections: 1988–2000 // Electoral Studies. 2003. Vol. 22. Issue 4. Pp. 741–761. 16. Kobak D., Shpilkin S., Pshenichnikov M. Statistical Fingerprints of Electoral Fraud? // Significance. 2016. Vol. 13. Issue 4. Pp. 20–23. 17. Moraski B., Reisinger W.M. Spatial Contagion in Regional Machine Strength: Evidence from Voting in Russia’s Federal Elections / APSA. Annual Meeting Paper. 2010. 48 p. 18. Moraski B.J., Reisinger W.M. The Diffusion of Deference: Regional Machine Strength and Federal Election Results in Russia. 2014. 50 р. URL: (дата обращения: апрель 2020). 19. Mur J., Angulo A., Lopez F. Looking for the Causes of Instability in Spatial Econometric Models: An Application to 2008 Spanish General Elections / International Regional Science Review. 2012. Vol. 35. Issue 3. Pp. 303–228. 20. O’Loughlin J., Shin M., Talbot P. Political Geographies and Cleavages in the Russian Parliamentary Elections // Post-Soviet Geography and Economics. 1996. Vol. 37. Issue 6. Pp. 355–385. 21. Poole K.T., Rosenthal H. US Presidential Elections 1968–80: A Spatial Analysis // American Journal of Political Science. 1984. Vol. 28. No. 2. Pp. 282–312. 22. Sutter R.C. Spatial Econometric Modeling of Presidential Voting Outcomes. Doctoral Dissertation / University of Toledo. 2005. URL: (дата обращения: апрель 2020). |
| Финансирование | Исследование проведено при поддержке Программы фундаментальных исследований Национального исследовательского университета «Высшая школа экономики» (НИУ ВШЭ) в 2020 г., а также факультета экономических наук НИУ ВШЭ |
| Поступила в редакцию | 15.04.2020 |
| Принята к публикации | 22.05.2020 |
| Опубликована online | 30.06.2020 |