🇷🇺🗳Как математика стала врагом российских выборов?

"Сентябрьским выборам в Госдуму предстоит столкнуться со старым врагом — недобросовестным математическим анализом", – говорят кремлёвские "политологи".

Угрозу математического вмешательства в российские выборы обсуждали 5 августа в Общественной палате РФ. На заседании были представлены первые результаты «суверенного» метода электорального матанализа, не отягощенного поиском фальсификаций.

«Любой метод математический, построенная на его основании модель, будет абстракцией или идеальной моделью — упрощением реальности,— пояснил политолог Тюков.— Если мы начинаем модель усложнять, мы приходим к проблеме, перед которой сейчас стоит социология: перестают в 21 веке работать те вещи, которые мы считали значимыми для 19/20 веков. Пол, возраст, занятость — любые константы перестают работать. Значит, работают какие-то динамические вещи, и выявить их крайне сложно».

Авторы "исследования" отказываются считать аномальные результаты по части явки или распределения голосов признаком фальсификаций, предлагая вместо этого выявлять отдельные причины, которые привели к заметному скачку на графике. Например разные типы политической культур в отдельных районах и целых регионах.

🗳Но как вообще математический анализ может помочь выявить фальсификации?

Обращусь к статье политолога Аркадия Любарева. Применение математики в политологии имеет не очень давнюю историю. Поэтому часто пионерами в этом деле становятся представители точных наук. В первую очередь физики, но нередко и биологи, ибо у биологических и социальных наук много общего – и там, и здесь закономерности обычно имеют статистическую природу. Так, одним из лидеров в области политологии стал американец – физик Рейн Таагепера, успешно применивший математические методы для анализа политических процессов.

В России одной из главных математических проблем политологии стали выявление и оценка уровня фальсификаций на выборах. Пионерами оказались физик Александр Собянин и специалист по математическому моделированию биологических процессов Владислав Суховольский. Их книга 1995 года «Демократия, ограниченная фальсификациями» стала первой важной вехой. Увы, первый вскоре умер, а второй – исследования дальше не развивал.

📊После избрания Госдумы 2007 года для большой группы исследователей выборов было ясно, что эта кампания сопровождалась крупными фальсификациями. Сигналы о них поступали отовсюду, но не было методов, позволявших оценить их масштаб. И вдруг в январе 2008 года физик Сергей Шпилькин создал новый метод и вычислил, что фальсификации составили около 14 млн голосов.

Схожий подход был использован одним американским дипломатом для выявления фальсификаций на президентских выборах в 🇦🇲Армении 2004 года.

Метод Шпилькина основан на предположении, что если где-то явка низкая, а где-то – высокая, то соотношение голосов от этого не должно меняться (речь о вариациях именно в пространстве, а не во времени).

Сама по себе эта гипотеза не очевидна, но графики, которые строятся по методу Шпилькина, показывают, что она верна. Графики – это зависимость голосов от явки. И на них видно, что кривые для разных кандидатов подобны: при умножении на соответствующий коэффициент они совпадут друг с другом. Там, где нет фальсификаций, данное правило касается всех кандидатов.

Аномальные случаи – это когда кривая, соответствующая голосам за лидера, отличается по форме от остальных кривых. Но опять-таки не везде: в области низких значений явки отличий нет. А в области высоких значений явки форма кривой другая. Причем часто на ней видны «зубчики» – это признак подгонки под круглые значения (на фото).

Метод вычисления аномальных голосов оказывается достаточно простым. Кривая, описывающая сумму голосов за остальных кандидатов, умножается на коэффициент, позволяющий совместить восходящую часть этой новой кривой с восходящей частью кривой лидера. В случае аномалии нисходящая часть кривой лидера окажется выше этой новой кривой. Площадь между кривыми и даст число аномальных голосов.

Файл с анализом Шпилькина оставлю в комментариях...

Миша и political science 🗳