В порядке праздного интереса. Гистограмма числа участков (взвешенная по численности избирателей) в зависимости от отношения голосов Навальный/Собянин
( Read more... )
Надо бы посчитать смещение для этих двух выборок (т.е. провластные они или оппозиционные) - можно на основании данных 2012 года. Например, если один участок из района, где отклонение относительно среднего равно 0.5, а другой участок - из района, где отклонение равно 1, то итоговое отклонение будет (0.5+1)/2 = 0.75. Конечно, если бы удалось совместить участки 2012 года, то сравнение было бы точнее, но данных даже по районам будет достаточно для начала.
Кстати, а если выкинуть Новую Москву, то какие результаты будут? НМ может давать большое смещение.
Волков написал, что на участках где большой процент надомников, процент голосов за Собянина тоже выше. Т.е. там где комиссии жулят с надомниками, там же они умудряются подкинуть голоса каким то еще образом.
Так вот, по всему массиву данных, которым мы располагаем, коэффициент регрессии между параметрами "процент проголосовавших на дому" и "процент проголосовавших за Собянина" по данным, которые сейчас введены в ГАС "Выборы", составляет 0.57 (то есть даже больше, чем коэффициент 0.5, который имел бы место, если бы каждый голос, поданный на дому, был бы голосом за Собянина). Другими словами, каждый дополнительный процентный пункт голосования на дому на УИКе в среднем прибавлял к результату кандидата Собянина 0.57% на этом же УИКе в сравнении с остальными. Еще другими словами, то статистически не просто каждый голос надомного голосования конвертировался в голос за Собянина, но и в целом УИКи с большим процентом надомного голосования давали больший процент голосов за Собянина, чем УИКи с меньшим уровнем надомного голосования даже по тем избирателям, которые голосовали в помещении.
Пенсионеры по УИКам распределены неравномерно. У нас на районе есть островки новой (точечной, ага) застройки - там надомников меньше, и местами даже Навальный там выиграл. А рядом хрущевки - больше пенсов (что само по себе добавляет Собянину), и уже как следствие - больше надомников.
Я сам на таком УИКе судил: надомников 4,88%, С/Н - 50,89/27,15%, а в среднем по району - 3,4% и 46,99/29,44%.
Я когда в штабе РосВыборов направление переполучал (в субботу) - девчонки жаловались, что в ЮВАО (где Собянину потом фортило больше всех) заметная нехватка наблюдателей.
Опять же, это может объясняться и тем, что чем ниже поддержка Навального, тем меньше наблюдателей.
Да, корреляцию между электоральными предпочтениями и количеством наблюдателей я заметил и в масштабе района, когда в качестве координатора расставлял наблюдателей по участкам - ближе к центру города был избыток желающих понаблюдать на родном участке, а на периферии района людей не хватало (речь про Басманный район, который от Китай-города до Электрозаводской - так что это хороший кейс для анализа различий центр-периферия в миниатюре)
"Вопрос, что это - социологический сдвиг в расстановке наблюдателей или результат манипуляций."
ключевой вопрос - есть ли в рамках имеющихся данных возможности для решения этой задачи? точнее для количественной оценки вклада этих факторов
пока очевидный подход - разбить этот график по районам Собственно - сделать его отдельно по Новой Москве или Троицку, и отдельно по центральным районам с высокой поддержкой Навального. Очевидно, что в последнем случае распределения практически совпадут. А вот если (при досточной выборке СМС-ЦИК) по отдельно взятому Новомосковскому округу СМС-ЦИК снова будет сильно отличаться от участков без СМС-ЦИК, то это уже повод задуматься о манипуляциях.
или нужно привлечение дополнительных данных? очень уже много скоррелированных переменных, которые трудно развести. когда есть большие матрицы переменных просто долбать это всякого рода PCA и MDS, но в этой паранаучной социологии переменных 1-2-5 и обчелся.
Comments 21
тогда, можно было бы сравнивать
Reply
Кстати, а если выкинуть Новую Москву, то какие результаты будут? НМ может давать большое смещение.
Reply
Reply
Reply
Так вот, по всему массиву данных, которым мы располагаем, коэффициент регрессии между параметрами "процент проголосовавших на дому" и "процент проголосовавших за Собянина" по данным, которые сейчас введены в ГАС "Выборы", составляет 0.57 (то есть даже больше, чем коэффициент 0.5, который имел бы место, если бы каждый голос, поданный на дому, был бы голосом за Собянина). Другими словами, каждый дополнительный процентный пункт голосования на дому на УИКе в среднем прибавлял к результату кандидата Собянина 0.57% на этом же УИКе в сравнении с остальными. Еще другими словами, то статистически не просто каждый голос надомного голосования конвертировался в голос за Собянина, но и в целом УИКи с большим процентом надомного голосования давали больший процент голосов за Собянина, чем УИКи с меньшим уровнем надомного голосования даже по тем избирателям, которые голосовали в помещении.
Reply
Мое интуитивное объяснение этому скорее такое.
Пенсионеры по УИКам распределены неравномерно. У нас на районе есть островки новой (точечной, ага) застройки - там надомников меньше, и местами даже Навальный там выиграл. А рядом хрущевки - больше пенсов (что само по себе добавляет Собянину), и уже как следствие - больше надомников.
Я сам на таком УИКе судил: надомников 4,88%, С/Н - 50,89/27,15%, а в среднем по району - 3,4% и 46,99/29,44%.
Reply
Опять же, это может объясняться и тем, что чем ниже поддержка Навального, тем меньше наблюдателей.
Reply
Reply
Reply
ключевой вопрос - есть ли в рамках имеющихся данных возможности для решения этой задачи? точнее для количественной оценки вклада этих факторов
пока очевидный подход - разбить этот график по районам
Собственно - сделать его отдельно по Новой Москве или Троицку, и отдельно по центральным районам с высокой поддержкой Навального. Очевидно, что в последнем случае распределения практически совпадут.
А вот если (при досточной выборке СМС-ЦИК) по отдельно взятому Новомосковскому округу СМС-ЦИК снова будет сильно отличаться от участков без СМС-ЦИК, то это уже повод задуматься о манипуляциях.
или нужно привлечение дополнительных данных? очень уже много скоррелированных переменных, которые трудно развести. когда есть большие матрицы переменных просто долбать это всякого рода PCA и MDS, но в этой паранаучной социологии переменных 1-2-5 и обчелся.
Reply
Leave a comment