Maxim Pshenichnikov (oude_rus) wrote,
Maxim Pshenichnikov
oude_rus

Сделал двумерные картинки по лидеру и совокупному не-лидеру(т.е. суммируются голоса за всех кандидатов, кроме лидера).
2D
Посчитал корреляцию (по Пирсону) по годам:

pearson
Слегка неожиданно то, что корееляция практически не менялась с 2003го (среднее 0.71, sd 0.007); корреляция не-лидера уменьшалась более постепенно.

Поскольку Пирсон дает среднее по палате, а тренд явно бимодальный, то посчитал средний процент для каждой явки, и сфитил получившиеся кривые функцией, состоящей из двух прямых, точка пересечения которых находится из наилучшего фита. Фит местами так себе, но дает четкую разбивку на два видных на картинке тренда: при малых и больших явках. Далее построил коэффициенты (т.е. наклон) прямых для обеих явок:
coef1
coef2
Коэффициент лидера для больших явок болтается около единицы независимо от года, создавая карайне выгодную ситуацию для лидера: больше явка - больше голосов. Для не-лидера этот коэффициент всегда отрицателен. Коэффициент же для малых явок меняет знак: так, например, небольшая положительная корреляция с явкой сменяется на отрицательную в 2012. Для не-лидера ситуация, понятно, ровно обратная -- но потом, напомню, все равно происходит перелом в пользу лидера.

Если смотреть по годам, то подобный анализ не дает никаких пороговых эффектов, хотя зрительно на двумерных картинках они вроде как видны по кометному хвосту. Непонятно только, как это дело охарактеризовать. Я пробовал смотреть по доле голосов после точки перегиба, но ничего интересного не нашел:
share
Subscribe
  • Post a new comment

    Error

    default userpic

    Your IP address will be recorded 

    When you submit the form an invisible reCAPTCHA check will be performed.
    You must follow the Privacy Policy and Google Terms of use.
  • 38 comments