Взаимосвязь голосования за различные партии и блоки

Партия, блок	КПРФ	«Выбор России»	«Яблоко»	ЛДПР
КПРФ	1,0	0,57	0,32	+ 0,08
«Выбор России»	0,57	1,0	+ 0,36	0,53
«Яблоко»	0,32	+ 0,36	1,0	0,63
ЛДПР	+ 0,08	0,53	0,63	1,0

Авторы отмечают, что высокие значения (больше 0, 4) коэффи­циента корреляции свидетельствуют о наличии линейной связи между голосованием за сравниваемые партии и блоки. Знак «минус» означает, что чем больше голосов определенная группа избирателей отдает за одну из сравниваемых партий, например за «Яблоко», тем меньше она отдает голосов за другую, например за ЛДПР (r = 0,63). Знак «плюс» означает, что чем больше голосов группа избирателей отдает одной партии, например «Выбору Рос­сии», тем больше она отдает голосов и другой сравниваемой пар­тии, например «Яблоку» (r = +0,36). Значения r < 0,4 свидетельст­вуют лишь о слабой выраженности линейной связи между голосова­нием за разные партии, но это не исключает наличия другой формы связи (нелинейной).

В статье подчеркивается, что сам факт положительной или отрицательной корреляции говорит только о возможном механизме перераспределения голосов избирателей между партиями и блока­ми, а не о сходстве или различии их политических позиций. Эти наблюдения в определенной мере подтверждаются результатами корреляционного анализа голосования за партии и блоки по итогам парламентских выборов 1995 г., проведенного А.Е. Любаревым [Любарев А.Е. Корреляционный анализ результатов парламентских выборов 1995 года // Политические исследования. 1996. № 5. С. 117—129]. Автором статьи были получены значения коэффици­ентов корреляции, приведенные в табл. 3.

Таблица 3

Взаимосвязь голосования за различные партии и блоки

Партия, блок	КПРФ	ДВР	«Яблоко»	ЛДПР
КПРФ	1,0	0,34	0,45	+ 0,15
ДВР	0,34	1,0	+0,67	0,60
«Яблоко»	0,45	+ 0,67	1,0	0,48
ЛДПР	+ 0,15	0,60	0,48	1,0

Как правило, на признаки изучаемого явления влияет множест­во причин, поэтому для выявления полной картины недостаточно только анализа парных корреляций, нужна группировка этих кор­реляций и выявление на этой основе комплексов скрытых (латент­ных) переменных, которые называются факторами (рис. 2).

Необходимость факторного анализа обусловлена тем, что мы не можем воспринимать большое число сопоставляемых пар призна­ков и вынуждены прибегать к помощи вычислительной техники. Факторный анализ основан на измерении доли влияния каждого из выделенных нами комплексов (независимых) переменных на изме­нение изучаемых признаков явления (зависимых переменных) и обнаружении причинной обусловленности этих изменений. Факторы выражают внутренние (скрытые) свойства системы переменных, характеризующих изучаемое явление.

Переменные П1 П2 П3 П4 П5 П6 П7 П8 П9

Факторы Ф1 Ф2

Рис. 2. Графическая структура факторного анализа

Исходной информацией факторного анализа служит матрица (система чисел, размещенных в прямоугольной таблице в виде п столбцов и т строк) парных коэффициентов корреляции [Харман, 33] всех отобранных нами переменных. На основе матрицы выявляются скопления переменных, тесно связанных друг с другом и слабо связанных с переменными, входящими в другие скопления. Эти скопления переменных образуют факторы (рис. 3).

1 ,0

Взгляды Путина

Взгляды Яковлева СПС

0 ,5 Взгляды Зюганова Взгляды Явлинского

Коммунистические взгляды Взгляды Хакамады

КПРФ

0 ,0

Социал-демократические взгляды Либеральные

взгляды

«Единство»

0,5 Яблоко

1,0 ОВР

1,0

0,5

0,0

0,5

1,0

0,5

Рис. 3. Группировка переменных в пространстве

двух факторов

Источник: Опрос населения Санкт-Петербурга, проведенный ЦЭПИ СПбГУ в ноябре 2000 г. Анализ выполнен с помощью пакета SPSS методом главных компо­нент (опции: statistics\data reduction\factor).

Первый фактор (горизонтальная ось графика) образуют пере­менные, характеризующие ориентации на коммунизм или либера­лизм. Второй фактор (вертикальная ось графика) образуют ориен­тации на власть или оппозицию. Следует учесть, что данная струк­тура существовала в сознании населения Санкт-Петербурга на мо­мент опроса (ноябрь 2000 г.). Со временем эта конфигурация пере­менных может измениться.

Целью факторного анализа служит выявление так называемой простой структуры. Согласно Терстоуну, эта структура должна удовлетворять следующим условиям [Харман, 114]:

1. В каждой строке факторной матрицы должно быть хотя бы одно нулевое значение (нулевыми считаются также значения, пер­вый разряд которых начинается с 1).

2. В каждом столбце факторной матрицы число нулевых значе­ний должно быть не меньше числа факторов.

3. В каждой паре столбцов должно быть несколько переменных, которые имеют значения, равные нулю в одном из столбцов и не равные нулю — в другом.

4. В каждой паре столбцов имеется мало переменных, значения которых в обоих из них отличны от нуля.

В качестве примера такой структуры можно привести результа­ты факторного анализа данных упомянутого выше опроса населе­ния Санкт-Петербурга (табл. 4).

Таблица 4