Андрей Бузин: Кратко о Собянине–Суховольском

Как известно, метод Собянина-Суховольского часто используется для исследования качества выборов. Вот, например, Мягков, Ордешук и Шакин в книге «The forensics of election fraud: Russia and Ukraine» используют его для оценки того, что происходило в России и Украине в 2000е годы. Да и мы с Любаревым любили этот метод и использовали как в книге «Преступление без наказания», так и в докладах ГОЛОСа.

Известно, что если бы распределение голосов претендентов не зависело от явки, то регрессионная прямая, вычисленная по Собянину-Суховольскому для определенного претендента имела бы наклон равный доле голосов, полученных этим претендентом (от числа избирателей, принявших участие в выборах). Такая независимость давала бы также идеальные результаты и по методу Шпилькина.

Однако, зависимость распределения голосов от явки, которая сильно отклоняет и Собянина-Суховольского и Шпилькина от идеалов честных выборов, существует, причем она может объясняться не только прямыми фальсификациями, но и другими факторами. Поэтому меня всегда интересовало, а как ведет себя коэффициент регрессионной прямой в зависимости от явки. (Не исключаю, что не всегда, но уж по крайней мере, после того, как Аркадий Любарев поставил вопрос, а можно ли получить количественные оценки фальсификаций из метода Собянина-Суховольского).

Еще замечу, что эту зависимость можно получать не напрямую, а в различных усредненных видах. Например, Kobak D., Shpilkin S., Pshenichnikov M.S. получают ее, осредняя распределение по однопроцентным интервалам явки. Как выяснилось, разные осреднения дают разный результат, но кое-что общее у всех осреднений есть, при этом осреднение по Собянину-Суховольскому дает более выразительный результат. сопредседателя движения «Голос»

Итак, у меня дошли руки до построения кривых, отражающих поведение коэффициента регрессии в зависимости от явки для разных претендентов на разных выборах. Понятное дело – не для всех, тем более, что база для исследования иностранных выборов у меня довольно скудная. Но вот московские федерального и регионального уровня с 1999 года я построил все.

Приведу несколько картинок.

Вот – выборы Мэра Москвы в 2013 году:

Здесь и далее горизонтальная ось τ – это явка, а вертикальная ось – это а – коэффициент линейной регрессии, который строится для двух основных претендентов. Замечу, что на редкие комиссии в левой части графика можно не обращать внимания.

Во-первых, бросается в глаза непостоянство коэффициента регрессии. Во-вторых, – рост этого коэффициента у Навального до явки в 38% с последующим падением. Интерпретацию предоставляю читателю.

А вот несколько другая картина – выборы Мэра в 2003 году:

Популярный Лужков сначала набирает очки, затем теряет, но потом опять начинает набирать.

В период зицпрезидентства 2007–2011 годов картина радикально меняется: динамика а звериным оскалом напоминает нам о том, как мы выбирали Медведева (см. рисунок ниже) и действующую Государственную Думу:

Стоит обратить внимание на тот факт, что на самом правом краю, который характеризует голосование в больницах, графики двух предыдущих рисунков ведут себя по-разному. Это значит, что организаторы выборов так старались на «открытых» участках, что перекрыли даже результат на «закрытых» участках.

Таким образом, зависимость распределения голосов есть, да еще какая. И метод Собянина-Суховольского надо использовать с большой осторожностью!

А как там у иностранцев? А тоже по-разному. Например, на выборах депутатов Бундестага в земле Баден-Вюртемберг (по численности избирателей примерно равной Москве) картинка такая:

А в Берлине на тех же выборах:

Ха-ха, можно подумать, что берлинские христианские демократы поступали не демократично и не по-христиански!

А вот французы на выборах президента в 2007 году:

Смотрите, какая разнородная страна Франция! Более дисциплинированные голосуют за женщину, а более ленивые – за мужчину.

Вот так. Чуров с Арлазоровым были бы правы, если бы еще не занимались подгонкой результата под заказ.

Источник — ЖЖ сопредседателя Совета движения «Голос» Андрея Бузина.