html текст
All interests
  • All interests
  • Design
  • Food
  • Gadgets
  • Humor
  • News
  • Photo
  • Travel
  • Video
Click to see the next recommended page
Like it
Don't like
Add to Favorites

Исследователь из Стэнфорда считает, что фальсификаций на выборах президента России было очень мало. Как он это вычислил?

7 мая 2018 года пройдет инаугурация президента России Владимира Путина, победившего в марте на выборах главы государства. Наблюдатели и журналисты в день голосования зафиксировали множество нарушений и аномалий, но Путин назвал прошедшие выборы «самыми чистыми в истории нашей страны». Стипендиат Гуверовского института Стэнфордского университета (2017-2018), доктор политических наук Мичиганского университета Кирилл Калинин, специализирующийся на изучении электоральных фальсификаций, обнаружил нарушения на мартовских выборах — преимущественно вбросы голосов в пользу Путина. «Медуза» попросила Кирилла Калинина рассказать о предварительных результатах исследования, применявшемся методе и его ограничениях.

Фальсификаций на выборах президента в 2018 году было много?

Согласно нашим вычислениям, общий объем фальсификаций мог составить порядка 320 тысяч голосов, что меньше 1% от числа проголосовавших за Путина. При этом фальсификациями могли быть охвачены 4% участков. По сравнению с думскими выборами 2016 года, когда, по нашим подсчетам, украли два миллиона голосов, масштаб оказался сравнительно небольшим — его можно сопоставить с выборами 2004-го. 

Вот рейтинг регионов, где фальсификаций было больше всего: 

  • Краснодарский край
  • Кемеровская область
  • Башкортостан
  • Ямало-Ненецкий АО
  • Ставропольский край
  • Татарстан
  • Северная Осетия
  • Дагестан

Анализ показал, что результаты фальсифицировали чаще всего обычным для России способом — вбрасывали заполненные бюллетени в пользу победившего кандидата.

Как были подсчитаны фальсификации?

С помощью статистической, так называемой «конечной смешанной модели» (finite mixture model), разработанной Волтером Мебейном в 2016 году. В ее основу легла модель, которую создал Питер Климек и его коллеги в 2012-м.

Многие слышали, что исследователи выборных фальсификаций часто смотрят, как показатели голосования и явки распределяются на графике. По нормальному закону распределения график данных с честных выборов может принимать форму колокола — с одним «горбом».

Если на графике появляется больше одного «горба», это повод задуматься.

Модель Мебейна помогает исследователям понять, откуда взялись дополнительные «горбы» — фальсификация это или какая-то другая аномалия, не связанная с нарушением закона.

Что это еще за аномалии?

Самые разные. На возникновение «горбов» помимо фальсификаций могут повлиять особенности электорального поведения в различных регионах и районах страны, формирование предвыборных коалиций, существование малых поселений и военных гарнизонов и так далее. К примеру, в Канаде или Германии распределения голосования за партии имеют разнообразные причудливые очертания, которые без учета социально-культурной неоднородности страны можно было бы запросто списать на фальсификации.

Как работает модель Мебейна?

В качестве исходных данных для расчета модели берутся три переменные, с помощью которых можно рассчитать и явку избирателей, и процент голосов, полученный победителем:

  • общее число зарегистрированных избирателей,
  • общее число проголосовавших избирателей,
  • число избирателей, проголосовавших в пользу победившего кандидата.

Модель выявляет аномальное распределение голосования и явки, но не приравнивает все аномалии к фальсификациям. Согласно модели Мебейна, на каждом из избирательных участков, попавших в зону аномалии, выборы могли пройти по одному из трех сценариев:

  • чистого голосования,
  • «инкрементных фальсификаций» (incremental fraud) — переброса голосов от проигравшего кандидата в пользу победителя,
  • «предельных фальсификаций» (extreme fraud) — вбросов голосов в пользу победителя.

В случае инкрементных фальсификаций явка на избирательном участке остается нормальной, а процент голосов, полученных победителем, увеличивается. В случае предельных фальсификаций пропорционально увеличиваются явка и голоса за победителя.

Модель позволяет оценить, с какой вероятностью на каждом избирательном участке в конкретном регионе (избирательном округе) могло быть либо честное голосование, либо вбросы или подтасовка результатов, а также подсчитать общее число украденных голосов. Основная ценность модели в том, что аномалии можно проверить на любом интересующем нас уровне, от отдельных участков и регионов до страны в целом.

У этой модели есть какие-то ограничения?

Да, ограничения есть. Модель предполагает, что только у победившего кандидата была возможность повлиять на исход выборов путем фальсификаций — подтасовок и вбросов голосов. Модель хорошо описывает механизм фальсификаций для мажоритарных систем, где есть явный победитель (президентские выборы, одномандатные округа), ее применение для пропорциональной избирательной системы может быть затруднено из-за сложности определения явного победителя. Кроме того, модель не может выявить те фальсификации, которые не приводят к появлению дополнительных «горбов» на графиках распределения голосов и явки.

Модель Мебейна позволяет лишь оценить масштаб аномалий, которые с высокой степенью вероятности могут трактоваться в качестве фальсификаций. При этом она не претендует на универсальность своих оценок и тем более не служит доказательством существования настоящих фальсификаций. Модель скорее является индикатором. Для утверждения существования фальсификаций необходимо получение неопровержимых доказательств нарушений.

Точность метода зависит от способности модели успешно воспроизвести и оценить реальный механизм фальсификаций. Модель хорошо зарекомендовала себя на множестве выборов: например, зафиксировала нарушения на парламентских выборах в Турции в июне и ноябре 2015 года (правящая партия сначала потеряла, а затем вернула большинство мест в парламенте), не нашла их на президентских выборах в Австрии весной 2016-го (в итоге они были отменены из-за формальных нарушений регламента, но не из-за фальсификаций) и выявила масштабные фальсификации на президентских выборах в Кении в августе 2017-го (выборы аннулированы Верховным судом Кении из-за множества нарушений).

Есть и другие методы, позволяющие оценить наличие фальсификаций. Например, оценка неожиданных пиков около круглых значений явки. Согласно нашим дополнительным расчетам, на прошедших выборах процент аномальных участков, расположенных на пиках круглых значений явки и голосования, составил 0,66%, что по уровню сопоставимо с 2004 годом (для сравнения: 0,06% в 2000-м и 0,85% в 2016-м). Некоторые методы стали частью веб-приложения по исследованию выборов (Election Forensics Toolkit). Конечно, если разные методы говорят о присутствии электоральных аномалий, можно c большей уверенностью говорить о том, что выборы не были чистыми.

Есть альтернативные расчеты от Сергея Шпилькина. Они показали куда более высокий уровень фальсификации. Чем можно объяснить разницу оценок?

Это сложный вопрос, требующий отдельного изучения. Разница в наших оценках фальсификаций действительно колоссальная. Связана она, скорее всего, с разницей между нашими подходами.

По расчетам Сергея Шпилькина, на президентских выборах победивший кандидат получил 6,5 миллиона голосов за счет вбросов и 1 миллион голосов за счет переброса их от других кандидатов.

В отличие от нашего подхода, который строится на модели, воспроизводящей механизм перетекания голосов в пользу победившего кандидата, Сергей Шпилькин предлагает свой алгоритм расчета фальсификаций на базе эмпирического распределения явки и голосования, который не базируется на какой-либо модели. Шпилькин исходит из идеи, что люди ходят на выборы и голосуют примерно похожим образом, поэтому голоса должны распределяться нормально — на графике должен быть только один «горб». Согласно этому подходу, даже в случае серьезных фальсификаций «чистый горб» всегда можно распознать, а извлеченная из него информация поможет рассчитать общий масштаб фальсификаций.

В прошлый раз, при анализе выборов 2016 года, между нашими подходами также обнаружилась существенная разница в оценках. Дополнительный анализ показал, что наши подходы более или менее согласуются при ранжировании регионов по выраженности фальсификаций, однако по-разному оценивают их масштаб.

Я не берусь утверждать, чьи расчеты ближе к истине — наши или Сергея Шпилькина. Но у нашего метода есть важное преимущество: мы можем получить оценки на уровне отдельно взятых участков, и это позволяет нам при желании сравнить полученные данные с отчетами наблюдателей. В случае значительных расхождений между расчетными и наблюдаемыми фальсификациями отдельные части модели всегда могут быть пересмотрены. В любом случае, мы лишь в самом начале длинного пути по разработке совершенной статистической модели, проливающей свет на масштаб и характер электоральных фальсификаций.

Сергей Шпилькин отказался комментировать работу Кирилла Калинина, назвав модель Мебейна «безумно усложненной и совершенно нежизнеспособной».

Кирилл Калинин

Читать дальше
Twitter
Одноклассники
Мой Мир

материал с meduza.io

1

      Add

      You can create thematic collections and keep, for instance, all recipes in one place so you will never lose them.

      No images found
      Previous Next 0 / 0
      500
      • Advertisement
      • Animals
      • Architecture
      • Art
      • Auto
      • Aviation
      • Books
      • Cartoons
      • Celebrities
      • Children
      • Culture
      • Design
      • Economics
      • Education
      • Entertainment
      • Fashion
      • Fitness
      • Food
      • Gadgets
      • Games
      • Health
      • History
      • Hobby
      • Humor
      • Interior
      • Moto
      • Movies
      • Music
      • Nature
      • News
      • Photo
      • Pictures
      • Politics
      • Psychology
      • Science
      • Society
      • Sport
      • Technology
      • Travel
      • Video
      • Weapons
      • Web
      • Work
        Submit
        Valid formats are JPG, PNG, GIF.
        Not more than 5 Мb, please.
        30
        surfingbird.ru/site/
        RSS format guidelines
        500
        • Advertisement
        • Animals
        • Architecture
        • Art
        • Auto
        • Aviation
        • Books
        • Cartoons
        • Celebrities
        • Children
        • Culture
        • Design
        • Economics
        • Education
        • Entertainment
        • Fashion
        • Fitness
        • Food
        • Gadgets
        • Games
        • Health
        • History
        • Hobby
        • Humor
        • Interior
        • Moto
        • Movies
        • Music
        • Nature
        • News
        • Photo
        • Pictures
        • Politics
        • Psychology
        • Science
        • Society
        • Sport
        • Technology
        • Travel
        • Video
        • Weapons
        • Web
        • Work

          Submit

          Thank you! Wait for moderation.

          Тебе это не нравится?

          You can block the domain, tag, user or channel, and we'll stop recommend it to you. You can always unblock them in your settings.

          • meduza.io
          • канада
          • модель
          • выборы
          • университет
          • путин
          • законы
          • исследования
          • домен meduza.io

          Get a link

          Спасибо, твоя жалоба принята.

          Log on to Surfingbird

          Recover
          Sign up

          or

          Welcome to Surfingbird.com!

          You'll find thousands of interesting pages, photos, and videos inside.
          Join!

          • Personal
            recommendations

          • Stash
            interesting and useful stuff

          • Anywhere,
            anytime

          Do we already know you? Login or restore the password.

          Close

          Add to collection

             

            Facebook

            Ваш профиль на рассмотрении, обновите страницу через несколько секунд

            Facebook

            К сожалению, вы не попадаете под условия акции