​​Несколько подписчиков просили продемонстрировать, как методы математической статистики помогают выявлять электоральные аномалии. Частично я уже писал о таких исследованиях здесь. Прошедшее событие референдумного типа подкидывает новые данные для анализа. На прикрепленном рисунке можно увидеть результаты первичной обработки официальных итогов Сергеем Шпилькиным. Даже без копания в данных можно увидеть серьёзные статистические аномалии, которые можно объяснить фальсификациями: например, ненормальное (негауссово) распределение или резкий рост голосов "за" при увеличении явки. По существующей методике оценки автор говорит о более чем 22 миллионах аномальных голосов за поправки и корректирует результат до 65,16%. Конечно, в данных нужно ещё разбираться и дальше, так как, например, есть региональный разрез и специфика отдельных УИК.

Важно ещё подчеркнуть два существенных аргумента. Во-первых, это только первичный анализ данных, к тому же не сопровождающийся интерпретацией и политическим анализом. Но на его основе можно строить и тестировать целый ряд гипотез и моделей, имеющих значение для понимания того, как устроены процедуры голосования в электоральных автократиях, как и почему выбирают разные поведенческие стратегии лояльные и протестные группы избирателей и ещё множества разных аспектов.

Во-вторых, есть очень много людей которые путают науку политологию с "болтологией" и начинают апеллировать к гражданским и политическим позициям учёных, ангажированности, финансированию из-за рубежа и т.д. Но политическая наука, как и другие, оперирует верфицированными методами в рамках логически выстроенных концептуальных подходов. Поэтому любая критика имеет смысл только в границах научного дискурса. То есть можно оспаривать данные (они, кстати, взяты из официальных источников), методику или теоретические основания выбранной методологии, а не политизировать научные исследования.
#методология #данные