Но если мы обратимся на региональный уровень, то мы увидим, что избиратели активно участвуют в выборах, дают высокую поддержку главе региона, в отличие от голосования в Законодательную Думу края. В данном случае электорат часто демонстрирует свое негативное отношение к кандидатам, голосуя против всех кандидатов в большом количестве.

Глава 3. Наводнение и губернатора Хабаровского края в 2013 году

В литературе, посвященной изучению влияния стихийных бедствий на голосование, исследователи находят связь между стихийными бедствиями и электоральными результатами. В основном, данные исследования проводились в странах с демократическим политическим режимом, но мы также рассматривали исследование влияния наводнения на политический результат в стране с гибридным или полу-авторитарным режимом, которое также показало наличие связи между природной стихией и электоральными предпочтениями граждан. Перекладывая данный опыт на ситуацию с амурским наводнением, стоит отметить характеристики политического режима в России.

Описывая политический режим в России, исследователи характеризуют его как гибридный Golosov G. The Regional Roots of Electoral Authoritarianism in Russia, Europe-Asia Studies, Vol. 63, No. 4, June 2011, p. 623., который сформировался в период 2003-2007 г.г., а точнее его относят к «дефектной демократии» или «электоральному авторитаризму». «Дефектная демократия» противопоставляется полноценной либеральной демократии, в которой от демократических институтов присутствуют только выборы. Электоральный авторитаризм имеет отличия: такой режим не отвечает стандартам даже минимальных требований к свободным и честным выборам, выборы носят имитационный характер и остаются лишь источником легитимности режимаТам же. . В таком случае, наводнение, которое обрушилось в преддверии выборов - это внезапный «тест на прочность».

Стоит отметить, что пик наводнения в Хабаровском крае произошел за несколько дней до выборов губернатора, а в некоторых районах через несколько дней после выборов. Пострадавшие жители еще не получили материальную помощь от правительства. Данная ситуация позволяет проанализировать «чистый» эффект наводнения.

В данной главе будет проведен статистический анализ электоральных данных губернаторских выборов в Хабаровском крае в 2013 г., в период, когда наводнение было на самом пике.

Источники данных

Для составления базы данных необходимой для исследования использовались три основных источника: (1) электоральная статистика для зависимой переменной была взята с официального сайта Центральной избирательной комиссии РФ, также часть данных из базы данных «Российская электоральная статистика»; (2) для независимой переменной - подтопленных и неподтопленных поселений информация была взята с сайта Национального управления по воздухоплаванию и исследованию космического пространства (NASA), а также с Портала Геоинформационных Технологий (Esri CIS); (3) данные для контрольных переменных были получены из базы данных показателей муниципальных образований сайта Федеральной службы государственной статистики.

Необходимо обозначить недостатки официальных источников данных. В базе данных Федеральной службы государственной статистики информация неполная, данные по необходимым для исследования показателям можно найти не за все года, а многие показатели на сельском уровне вообще отсутствуют, по этой причине мы не могли включить в исследование порядка десяти переменных. Еще одним большим недостатком является отсутствие данных по малочисленным сельским поселениям, данные часто имеются только по районному центру. Что выяснилось только после сопоставления сельских поселений с номерами УИКов. Среди недостатков электоральной статистики на сайте ЦИК, можно выделить отсутствие названий УИКов. На сайте указаны только номера УИКов, а определение к какому сельскому поселению относится каждый номер участка, представляет собой отдельную работу.

Данные по наводнению

Информация Национального управления по воздухоплаванию и исследованию космического пространства (NASA) представляет собой карту, на которой обозначены подтопленные части Хабаровского края. Данная карта была соотнесена с подробной картой региона, после чего были отмечены подтопленные и неподтопленные поселения. Для крупных городов Хабаровска и Комсомольска-на-Амуре была взята отдельная карта на Портале Геоинформационных Технологий (Esri CIS), где указаны улицы, которые были подвержены подтоплению. Таким образом, были выделены подтопленные и неподтопленные улицы и они также были соотнесены с номерами избирательных участков, к которым они относятся.

Электоральные данные

Для исследования были собраны электоральные данные выборов губернатора Хабаровского края в сентябре 2013 г, выборы президента РФ в 2008 г., 2012 г., выборы глав сельских поселений в 2009 г. Данные были собраны по каждому УИКу во всех сельским поселений региона, их количество составило 826 шт. В базу данных были включены показатели результатов голосования за первого и второго кандидата, данные по явке и количеству бюллетеней.

3.1 Влияние наводнения

Гипотезы.

Мы предполагаем связь между наводнением и результатами голосования, которая проявляется в поддержке инкумбента и явке избирателей. Опираясь на изученную литературу, были выдвинуты две гипотезы:

Н1. Возмездие избирателей. В данном случае, избиратели перекладывают вину на органы власти за причиненный им ущерб от наводнения: за неспособность предсказать наводнение, плохое управление во время стихии, недостаточное количество помощи или компенсации. Поэтому избиратели меньше голосуют за инкумбента.

Н2. Избиратели «награждают» власть. Избиратели ценят реакцию власти на катастрофу, оценивают ликвидацию последствий стихийного бедствия. Это является неким тестом на эффективность правительства.

Стоит отметить, что среди других дальневосточных регионов Хабаровский край был единственным регионом, который столкнулся с таким беспрецедентным наводнением с точки зрения повышения уровня воды. Однако амурское наводнение очень специфичный случай. С одной стороны, быстрая реакция государственных органов - спасательные операции и ликвидация последствий наводнения - может рассматриваться как пример государственной эффективности. Во время такого масштабного наводнения, согласно репортажам медиа, обошлось без жертв, был один летальный случай - погиб сотрудник МЧС. В таком случае, можно сделать предположение, что избиратели оценят действия властей и не будут их «наказывать», отдавая меньше голосов на выборах. С другой стороны, избирателям пришлось делать выбор еще до того, как они получат материальную помощь, компенсации, новые или отремонтированные дома. По сравнению с другими исследованиями, избиратели Хабаровского края имели меньше стимулов к вознаграждению власти. Поэтому, избиратели могут не «награждать» власть, но так же и не сильно «наказывать». Принимая в расчет все вышесказанное, мы будем ожидать небольшой положительный эффект влияния наводнения.

3.2 Данные и методы

Переменные

1. Зависимая переменная - включает в себя данные на уровне участковых избирательных комиссий, количество которых 806 участков.

Голосование за инкумбента - процент голосов, отданных за инкумбента на данном избирательном участке.

Явка избирателей - процент избирателей, которые проголосовали на данном избирательный участке.

2. Пространственные данные по Амурскому наводнению, соотнесенные с картой избирательных участков (прил.)

Пострадавшие - подвергнутые наводнению избирательные участки (0 - не пострадали, 1- пострадали). Из 806 избирательных участков 157 были подвержены наводнению.

Для обозначения избирательных, пострадавших и не пострадавших участков используется бинарный индикатор. Информация по распространению наводнения на избирательных участках была взята со снимков NASA.

Рисунок 1. Карта затопленных районов Хабаровского края (NASA)

Также была создана карта всех избирательных участков Хабаровского края. УИКи отмечались в программе Google Earth, затем на полученную карту, при помощи программы ArcGIS накладывались снимки NASA, на которых отмечены зоны затопления (рис.6 в приложении). Данные шаги были необходимы для получения информации по затопленным УИКам.

Рисунок 2. Карта УИКов Хабаровска (карта, построенная автором программе Google Earth)

Рисунок 3. Карта УИКов Хабаровска (карта, построенная автором программе Google Earth)

Второй способ, с помощью которого была получена информация по уровню затопленных участков - это информация из официальных постановлений Администрации г. Хабаровска «Об определении границ затопленийПостановление администрации г. Хабаровска «Об определении границ зоны затопления (подтопления) на территории муниципального образования городского округа «Город Хабаровск» и «Город Комсомольск-на-Амуре»...», в которых указаны все пострадавшие от наводнения дома. Пострадавшие дома, указанные в постановлениях, были соотнесены со списком домов, отнесенным к тем или иным участкам и таким образом было отмечено количество пострадавших домов на каждом УИКе и сопоставлено с количеством домов всего на данном УИКе, что позволило определить уровень «затопленности» каждого УИКа. В негородских районах края населенные пункты встречаются достаточно редко и чаще всего одно поселение является одним избирательным участком. Поэтому избирательные участки, относящиеся к прибрежным сельским поселениям, были закодированы как пострадавшие (1). В двух крупных городах - Хабаровске и Комсомольске-на-Амуре были произведены расчеты вручную по уровню затопленности каждого избирательного участка. Используя данные администрации г. Хабаровска по затопленным жилым домамТам же. , были произведены расчеты по выявлению уровня затопленности каждого избирательного участка.

3. Контрольные переменные - социально-экономические данные (только на муниципальном уровне). Все избирательные участки включены в муниципалитеты. Данные по каждому избирательному участку отсутствуют. Информация по социально-экономическим данным была взята с сайта Росстат, а именно: бюджет, уровень доходов, демографические данные и социальная инфраструктура.

Городские/сельские - тип поселения на данном избирательном участке (1 - городской, 0 - сельский).

Плотность населения - плотность населения в населенном пункте, чел/кмІ

Трансферты - трансферты из бюджета более высокого уровня в бюджет муниципалитета, в руб.

Дефицит бюджета - дефицит бюджета в данном муниципалитете, в руб.

Доходы - доходы на душу населения в данном муниципалитете, руб.

Сеть 3G - зона покрытия сетями 3G и 4G на данном избирательном участке. 3G используется как аппроксимация к доступу высокоскоростному интернету и для контроля «эффекта перетекания» (spillover effect).

Spillovers 1, 2 - (переменные, которые обозначают пострадал или не пострадал от наводнения муниципалитет или район).

4. Электоральная статистика, на уровне избирательных участков.

Число избирателей - число зарегистрированных избирателей на данном избирательном участке.

Голосование за инкумбента - процент голосов, отданных избирателями за инкумбента на данном избирательном участке.

Голосование за второго кандидата - процент голосов, отданных избирателями за кандидата, получившего второе место на данном избирательном участке.

3.3 Выявление фактов фальсификаций

Зачастую выборы в России сопровождаются скандальными историями об их нечестности и большого уровня фальсификациями См. например: Шпилькин С.А. Чудеса продолжаются. «Троицкий вариант» №99, 13 марта 2012 . Существует немало исследований, которые при помощи статистических методов выявляют факты фальсификаций на выборах в России.

Первыми исследователями, которые попытались найти статистические закономерности результатов голосования в России, были А. А. Собянин и В. Г. Суховольский. В 1990 - 1993 г.г. они провели исследование в ходе, которого выявили статистическую связь между процентом голосов, отданных за различных кандидатов или партий и явкой избирателейСобянин А. А., Суховольский В. Г. Демократия ограниченная фальсификациями. URL: < http://hrights.ru/text/sob/> (время доступа 10.03.2015).

Среди методов, которые используются для фальсификации выборов, авторы выделяют:

- Подбрасывание дополнительных бюллетеней в пользу желаемого кандидата. В данном случае явка избирателей на участке будет выше, чем в регионе или в России в целом.

- Принуждение избирателей к голосованию, что распространено в сельской местности. Данный метод осуществляется угрозами местных функционеров - руководителей колхозов, совхозов и т.д. лишить население каких-либо благ, а в больших селах, где нельзя лишить благ всех, функционеры приходят к избирателям на дом и выгоняют на голосование. Еще одним популярным способом принуждения к голосованию является приезд функционеров и нескольких членов избирательной комиссии с переносными урнами для голосования для подконтрольного заполнения избирательных бюллетеней. В городах методом принуждения также является приход с переносной урной домой к избирателям или же в больницы, санатории и т.д. В данном случае статистическим способом выявить фальсификации результатов именно этим методом практически невозможно. Влияние на результаты не отличается от рассмотренного выше способа нарушений. Здесь также растет активность избирателей, и количество ошибок, сделанных избирателями, будет ниже нормы, так как бюллетени заполняются под контролем.

- «Порча правильно заполненных бюллетеней». В этом случае растет доля недействительных бюллетеней и искажается прямая рангового распределения.

Другой исследователь статистических особенностей результатов выборов С. ШпилькинШпилькин С.А. Статистическое исследование результатов российских выборов 2007 -- 2009 гг. «Троицкий вариант» № 40, 27 октября 2009г. находит зависимость результатов голосования от явки. С. Шпилькин говорит, что в нормальной ситуации, при изменении явки, количество голосующих за все кандидатуры растет пропорционально. В случае фальсификации выборов, при росте явки, количество голосов за все кандидатуры остается постоянным, а все дополнительные голоса, возникающие от прироста явки, отходят кандидатуре власти.

Среди зарубежных работ, посвященных данной проблематике, можно отметить статью Дж. Дэкерта, М. Мягкова и П. Ордешука «Закон Бэнфорда и обнаружение фальсификаций на выборах» J. Deckert, M. Myagkov, P. C. Ordeshook. Benford's Law and the Detection of Election Fraud. URL: < http://pan.oxfordjournals.org/> (время доступа 10.05.2013) . В своей статье исследователи применяют «Закон Бэнфорда», который гласит, что десять возможных вторых цифр не должны встречаться с одинаковой частотой.

Так как в России выборы проходят не всегда честно и справедливо, и мы видим множество примеров, которые доказывают факты фальсификаций, исследования электоральных результатов должны рассматривать вопрос о мошенничестве в ходе выборов. Однако, исследователи не имеют доступа к прямым доказательствам фальсификаций на субнациональных и местных выборах и в качестве источника информации возможны лишь официальные результаты (Beber, Scacco 2012). Такая же ситуация и с выборами в Хабаровском крае. В России существует интернет-проект «Карта нарушений»Интернет портал «Карта нарушений» URL: < http://kartanarusheniy.org/> (время доступа 10.05.2015), в котором собраны все возможные сообщения о нарушениях на любых выборах в России. Согласно информации, которую можно найти на данном интернет портале, на выборах губернатора Хабаровского края было только одно сообщение о нарушении - в сельском поселении Тыгда. Поэтому для выявления фальсификаций используется количественные показатели, которые позволяют определить факт фальсификаций.

Для обнаружения фальсификаций на выборах губернатора Хабаровского края в 2013 г. будут использоваться следующие методы:

- Зависимость результатов голосования от явки - метод, основанный на методе Собянина и Суховольского;

- Включение в модели контрольных переменных:

Последние цифры в результатах голосования за инкумбента («Закон Бэнфорда»)

Количество бюллетеней в переносных ящиках.

3.4 Анализ результатов выборов губернатора Хабаровского края в 2013 г. на предмет выявления фальсификаций

Графическое сравнение показывает небольшое различие между долей голосов за инкумбента и явкой избирателей в пострадавших не пострадавших УИКах, но на значимом уровне (График 1 и 2). Но эти различия исчезают, когда мы делим на отдельные подвыборки на крупные города и малые города/сельские поселения. Кроме того, явка в больших городах (Хабаровске и Комсомольске-на-Амуре) намного меньше в пострадавших районах. Объяснением может быть, то, что многие жители прибрежных районов были эвакуированы и не смогли проголосовать, т. к. выборы в Хабаровске состоялись всего за 4 дня до пика наводнения, а в Комсомольске-на-Амуре пик продолжался в момент выборов.

График 1. Доля голосов за инкумбента в пострадавших и не пострадавших районах.

График 2. Явка избирателей в пострадавших районах и не пострадавших районах.

При проверке результатов голосования с помощью метода 2D корреляции между двумя переменными - «голосованием за инкумбента» и «явкой» на примере всего Хабаровского края. На графике 3 мы видим скопление точек яркого цвета на уровне 45%-50% явки избирателей и не наблюдаем на графике выраженного «хвоста» в виде точек, что обычно говорит о вбросе дополнительных протоколов.

График 3. Корреляция между голосованием за инкумбента и явкой. Весь Хабаровский край.

При разделении выборки на пострадавшие и непострадавшие УИКи также не наблюдается выраженного скопления точек в одной области в «хвоста» из точек (УИКов).

График 4. Корреляция между голосованием за инкумбента и явкой. Пострадавшие УИКи.

График 5. Корреляция между голосованием за инкумбента и явкой. Непострадавшие УИКи.

При анализе последних цифр в бюллетенях за инкумбента, данная контрольная переменная во всех моделях не оказалась значимой, что может говорить о том, что метод фальсификаций путем приписывания дополнительных голосов за инкумбента или исправление результатов голосования на выборах губернатора в 2013 г. не применялись. Вторая контрольная переменная «количество бюллетеней в переносных ящиках» оказалась значимой практически во всех моделях. Но данный факт может быть не только свидетельством махинаций на выборах. Возможно, многие избиратели не смогли посетить избирательные участки, и сотрудники комиссий приезжали с ящиками для голосования.

3.5 Анализ данных

Дескриптивный анализ показывает небольшую разницу между голосованием в подтопленных поселениях и неподтопленных. Среднее значение голосования за кандидата, занявшего первое место в неподтопленных участках - 64,9%, в подтопленных чуть больше - 67,5%. Явка отличается немного большей разницей, в подтопленных участках избиратели были более активными - 46,5%, в неподтопленных чуть менее активные - 41,3%. В обоих случаях, эта разница статистически значима по Т-тесту.

Табл. 5. Средние значения голосования и явки населения в подтопленных и неподтопленных поселениях.

Результаты корреляции показывают невысокую положительную связь 0,12 между результатами голосования и подтопленными и неподтопленными УИКами, но на значимом уровне 0,01.

Табл. 6. Корреляция между голосованием за кандидата №1 в подтопленных и неподтопленных поселениях

Учитывая широкий спектр литературы, посвященной влиянию стихийных бедствий на голосование за инкумбента, помимо фактора наводнения, были рассмотрены социально-экономические факторы, которые также могли повлиять на результаты выборов в 2013 г.

Построение регрессионных моделей.

Для построения регрессионных моделей были взяты контрольные переменные - социально экономические факторы: (1) налоги; (2) трансферты; (3) уровень доходов; (4) уровень расходов; (5) плотность дорог; (6) количество школ; (7) трансферты. Все показатели (кроме количества школ и плотности дорог) были разделены на душу населения.

При построении моделей, я предполагала, что зависимые переменные имеют нормальное распределение. Также ожидалась линейная связь между зависимыми и независимой переменной. Данная связь прямая, не модерирующая с другими переменными. Линейная регрессия позволяет выявить направленные зависимости и измерить уровень совокупного влияния группы переменных. Поэтому для построения моделей использовался метод множественной линейной регрессии.

Прежде всего, рассмотрим модели, которые включают в себя наблюдения (УИКи) со всего Хабаровского края. В первой модели (табл. 8)

где зависимой переменной является «результаты голосования за инкумбента», а независимой - «пострадавшие», «не пострадавшие» УИКи, независимая переменная имеет значение 2.247 на уровне значимости 0,1, что говорит о значимости независимой переменной, которая отражает «затопленность» рассматриваемых единиц - УИКов. Независимая переменная остается значимой на уровне 0,05 при добавлении контрольных переменных. В моделях с зависимой переменной «явка» (в табл. 8 №2 и №5) независимая переменная не приобретает значимого уровня, что может говорить, о том, что «(не)затопленность» избирательных участков не повлияла на явку избирателей.

Также переменные в моделях были протестированы при помощи теста Кластеризированных робастных остатковA. Colin Cameron and Douglas L. Miller. «A Practitioner's Guide to Cluster-Robust Inference». Journal of Human Resources, forthcoming, Spring 2015. Так как в выборке существует много «кластеров», т. е. сообществ УИКов, сгруппированных по разным территориям. Два кластера составляют большие города в крае - это Хабаровск и Комсомольск-на-Амуре, в них насчитывается более 300 уиков. В то время как большинство других кластеров включают в себя от 2 до 5 (реже 10). При использовании данного теста неравномерные «кластеры» в моделях уравниваются, что позволяет получить наиболее надежные результаты.

Далее, при построении регрессионных моделей, выборка была разделена на крупные города - Хабаровск и Комсомольск-на-Амуре и на малые города и сельские поселения.

В таблице 9 отображены модели, наблюдения (УИКи) которые относятся к малым городам и сельским поселениям. В данном случае, мы наблюдаем тот же результат, что и на примере моделей с УИКами со всего региона - при добавлении контрольных переменных, уровень значимости независимой переменной для обоих зависимых приобретает уровень 0,01, что говорит о высоком значении независимой переменной («затопленности») в моделях. Но при добавлении теста на кластерные робастные остатки исчезает эффект наводнения для переменной «явки». Также эффект наводнения не является надежным для переменных spillovers (переменные, которые обозначают, пострадал или не пострадал от наводнения муниципалитет или район; модели 3, 6 в табл. 8). В то время как spillover первого уровня (муниципалитеты) хорошо коррелирует с воздействием наводнения, поэтому не может быть включена в модель. При добавлении контрольной переменной spillover второго уровня (районы) р-значение для эффекта наводнения является незначительным. Но уровень кластеризации имеет значение - когда ошибки группируются по районам, а не по муниципалитетам эффект наводнения исчезает. Когда электоральные данные агрегируются на уровне сельских поселений, разница между пострадавшими и непострадавшими поселениями становится незначительной, даже при добавлении контрольных переменных.

В таблице 10 представлены модели, УИКи которых находятся в крупных городах - Хабаровске и Комсомольске-на-Амуре. В данном примере независимая переменная в моделях, где зависимой переменной является «голосование за инкумбента» (№1 и № 2), оказывается не значимой. В моделях с зависимой переменной «явка», наводнение приобретает значимый коэффициент, но при этом с отрицательным знаком, что может говорить о маленькой явке в пострадавших УИКах. Объяснением также могло послужить эвакуация жителей пострадавших районов, в связи, с чем избиратели не имели возможность прийти на выборы.

Одномерные регрессии показывают значимый эффект влияния наводнения на результаты голосования за инкумбента и явку, но после проверки с помощью робастных стандартных ошибок только эффект влияния наводнения на результаты голосования за инкумбента остается значимым. И что интересно, при добавлении контрольных переменных эффект наводнения становится сильнее. Объяснением может быть наличие искажающих результаты факторов в модели, они могут быть результатом несбалансированности размеров кластеров в модели. Два кластера составляют большие города в крае - это Хабаровск и К-на-Амуре в них насчитывается более 300 уиков. В то время как большинство других кластеров включают в себя от от 2 до 5 (реже 10). В таком случае обе регрессии МНК и с робастом могут давать смещенные оценки.

Заключение

Исследование, проводимое в рамках диссертации, было посвящено анализу влияния наводнения, произошедшее в Хабаровском крае в июле-сентябре 2013г. на результаты голосования на выборах губернатора в сентябре 2013 г.

Целью данного исследования было обнаружение влияния стихийного бедствия на результаты выборов, которые проходили во время чрезвычайной ситуации в регионе. Согласно литературе, посвященной данной проблеме, нет однозначного ответа, влияют ли стихийные бедствия на голосование и каким образом они влияют? Обрушивают ли свой гнев избиратели за произошедшее на власть, путем голосования или же наоборот - поддерживают ее за успешные действия в ликвидации последствий наводнения.

Для ответа на исследовательский вопрос: «каким образом наводнение в Приамурье повлияло на результаты выборов губернатора в 2013 г.?», - во-первых, была собрана база социально-экономических и электоральных данных по четырем выборам - президентским 2008 г. и 2012 г., выборам глав сельских поселений 2009 г. и губернаторским выборам в 2013 г. в Хабаровском крае на уровне участковых избирательных комиссий. Затем были определены затопленные и незатопленные участки субъекта. Для этого, в программе Google Earth были нанесены на карту Хабаровского края все избирательные участки и на полученную карту, при помощи программы ArcGIS накладывались снимки NASA, на которых отмечены зоны затопления.

Следующим шагом был проведен статистический анализ собранных данных на предмет влияния наводнения и социально-экономических показателей на результаты выборов. Для построения моделей использовался метод множественной линейной (МНК) регрессии, который позволяет выявить направленные зависимости и измерить уровень совокупного влияния группы переменных. Для проверки гипотез были сформированы 3 группы моделей (всего моделей 17 шт.) с зависимыми переменными «голосование за инкумбента» и «явка избирателей» и независимой «пострадавшие» УИКи. Также для контроля использовались порядка десяти социально-экономических факторов, а также электоральная статистика трех предыдущих выборов.

В ходе исследования, как ожидалось, была выявлена слабая положительная связь между влиянием Амурского наводнения и результатами выборов губернатора Хабаровского края в 2013 г. Отсутствие надежной связи между наводнением и электоральными результатами можно частично объяснить тем, что наводнение произошло непосредственно перед выборами. Избиратели в пострадавших районах еще не получили компенсацию за причиненный ущерб от правительства. В предыдущих исследованиях эффект самой катастрофы и финансовой помощи (или в обобщенном виде государственной ответственности) различается не совсем точно (Bechtel and Hainmuller 2011, Fair et al. 2013, Lazarev et al. 2014), они соотносят расходы в случае стихийных бедствий, но не самой катастрофы.

Следуя результатам исследования, мы можем точно отклонить Гипотезу №1 («Возмездие избирателей»). Наводнение не уменьшило поддержку избирателей за инкумбента, возможно из-за эффективных действий государственных органов во время наводнения. Пока мы не имеем соответствующих мер эффективности правительства (компенсации), данное утверждение выглядит довольно спекулятивным, но оно соответствует результатам предыдущих исследований - которые показывают, что избиратели не «слепо» наказывают власть, а оценивают результат фактической производительности правительства.

Литература

1) International charter “Space and major disasters”. 2013. Flood in Russian Federation.URL<http://www.disasterscharter.org/web/charter/activation_details?p_r_p_1415474252_assetId=ACT-449> (Время доступа 5.02.2014)

2) NRT Global Modis Flood Mapping URL< http://oas.gsfc.nasa.gov/floodmap/getTile.php?location=130E050N&day=251&year=2013&product=3> (Время доступа 5.02.2014)

3) Портал Геоинформационных Технологий (Esri CIS). URL <http://gislive.ru/?p=1176> (Время доступа 5.02.2014)

4) Lenta.ru. Число пострадавших от наводнения на Дальнем Востоке превысило 168 тыс. человек. URL < http://lenta.ru/news/2013/10/15/flood/> (время доступа: 22.11.13)

5) БД «Российская электоральная статистика». Электронный ресурс URL <http://db.geliks.org/vibory.php?region=%D5%E0%E1%E0%F0%EE%E2%F1%EA%E8%E9%20%EA%F0%E0%E9&organ=3&vibory=%D5%E0%E1003&type=okrug&num=1.0&tur2=no> (Время доступа 1.06.2014)

6) Данные Дальневосточного федерального университета путей сообщения. URL <http://edu.dvgups.ru/METDOC/ITS/GIDRA/VODOSN/METOD/UP/4.htm> (Время доступа 3.05.2014)

7) Информационный сайт политических комментариев «ПОЛИТКОМ.RU». Электронный ресурс // URL <http://www.politcom.ru/13678.html> (Время доступа 20.05.2014)

8) Коммерсантъ (Хабаровск) №158 от 03.09.2013. URL <http://www.kommersant.ru/doc/2269797> (Время доступа 20.05.2014)

9) Крамарева Л.С., Кровотынцев В.А., Суханова и др. Мониторинг паводка 2013 на р. Амур и ее притоках Дальневосточным центром ФГБУ «НИЦ «Планета».

10) Новостной портал г. Хабаровск «АмурМедиа» от 29.05.2013. Электронный ресурс // URL <http://amurmedia.ru/news/economics/29.05.2013/279090/po-chastyam-razdayut-habarovskiy-kray-inostrannim-investoram.html>

(Время доступа 20.05.2014)

11) Новостной портал вести.ру // Наводнение на востоке России / Почти все пострадавшие от паводка на Дальнем Востоке получили компенсации URL <http://www.vesti.ru/doc.html?id=1142051&tid=97094> (Время доступа 7.04.2014)

12) Новостной портал «Сайт Хабаровска» // Наводнение на Дальнем Востоке и в Хабаровске: хроника событий. URL <http://www.dvnovosti.ru/khab/2013/08/11/big_water__chronicles/>

(Время доступа 8.03.2014)

13) Новостной портал «Сайт Хабаровска» // Россия отказалась от гуманитарной помощи из Китая для пострадавших от наводнения дальневосточников. URL http://www.dvnovosti.ru/khab/2013/08/29/pavodoc_vvp1/

(Время доступа 7.04.2014)

14) Постановление администрации г. Хабаровска «Об определении границ зоны затопления (подтопления) на территории муниципального образования городского округа «Город Хабаровск» и «Город Комсомольск-на-Амуре»

Приложения

Рисунок 5. Карта затопленных улиц Хабаровска (Esri CIS)

Рисунок 6. Карта УИКов Хабаровска, с наложенными снимками затопленных участков NASA (карта, построенная автором)

Уровень значимости: *p<0.1 **p<0.05 ***p<0.01

Табл. 8. Влияние наводнения на результаты голосования за инкумбента и явку (малые города и сельские поселения). Кластерные робастные стандартные ошибки в скобках.

Уровень значимости: *p<0.1 **p<0.05 ***p<0.01

Табл. 9. Влияние наводнения на результаты голосования за инкумбента и явку (Комсомольск-на-Амуре; Хабаровск). Кластерные робастные стандартные ошибки в скобках.

Уровень значимости: *p<0.1 **p<0.05 ***p<0.01

Размещено на Allbest.ru