Модель вектора решений в прогнозировании социального поведения (на примере вторичного анализа данных предвыборных опросов)

Обложка

Цитировать

Полный текст

Аннотация

Прогнозирование поведения людей - сложно реализуемая на практике задача в силу различий между декларируемым и реальным поведением. В статье рассмотрена модель вектора решений, при помощи которой можно аппроксимировать реальное поведение некоторыми формальными правилами, позволяющими построить алгоритмы для предсказания будущих состояний. Авторы проверили надежность предсказаний ex post facto на примере неудачно спрогнозированных выборов мэра Москвы в 2013 году. Исследование базируется на массивах четырех крупнейших опросных центров, которые проводили мониторинг предвыборной ситуации и представили описания намерений избирателей, существенно различающиеся и далекие от официальных итогов. Были выведены три модели вектора решения, которые позволяют подгонять прогноз, меняя коэффициенты конверсии для разных вариантов ответа. Для поиска оптимальных коэффициентов вероятности прихода респондента на избирательный участок были использованы вопросы о явке: одинаковый смысл вопросов позволил привести использованные в них шкалы к одной размерности - сгруппировав более дробные градации и получив по всем вопросам дихотомию «пойдут/не пойдут». Проведенный анализ показал, что в рамках модели вектора решений опросы, проводившиеся по разным методикам перед выборами мэра Москвы в 2013 году, дают одинаковые значения вероятности явки избирателей, с высокой точностью совпадающие с фактической явкой. Если бы соответствующие коэффициенты вероятности были известны заранее, то на выборах 2013 года можно было бы дать точный прогноз численности пришедших на выборы. Но для этого необходимо, чтобы вероятность явки можно было вычислить на основе других параметров, известных до выборов. Попытки интеграции социально-структурных переменных в модели массового поведения выглядят многообещающе, так как представляют собой переход от измерения поведенческих намерений к измерению обстоятельств, формирующих поведение, и модель вектора решений - перспективный инструмент такого перехода.

Об авторах

Николай Сергеевич Бабич

Институт социологии ФНИСЦ РАН; Российский университет дружбы народов

Автор, ответственный за переписку.
Email: sociolog@mail.ru
кандидат социологических наук, старший научный сотрудник Института социологии Федерального научноисследовательского социологического центра Российской академии наук; доцент кафедры социологии Российского университета дружбы народов ул. Кржижановского, 24/35, Москва, 117218, Россия; ул. Миклухо-Маклая, 6, Москва, 117198, Россия

Самун Мохаммад Харун

Российский университет дружбы народов

Email: 1032195969@rudn.ru
аспирант кафедры социологии ул. Миклухо-Маклая, 6, Москва, 117198, Россия

Список литературы

  1. Babich N.S. Ontologicheskie dopushcheniya oprosov obshchestvennogo mneniya v sotsi-­alno-politicheskom i tekhnologicheskom kontekste [Ontological assumptions of public opinion polls in the social-­political and technological context]. Sotsiologiya Nauki i Tekhnologiy. 2019; 10 (4). (In Russ.).
  2. Baskakova Yu.M., Terentieva N.N. “Veroyatny izbiratel”: evolyutsiya i modifikatsii modeli Gallupa [“Probable voter”: Evolution and modifications of the Gallup model]. Monitoring Obshchestvennogo Mneniya: Ekonomicheskie i Sotsialnye Peremeny. 2018; 4. (In Russ.).
  3. Vybory mera Moskvy [Moscow mayoral elections]. URL: http://www.moscow-­city.vybory.izbirkom.ru/region/region/moscow-­city?action=show&root=1&tvd=27720001368293&vrn=27720001368289®ion=77&global=&sub_region=0&prver=0&pronetvd=null&vibid=27720001368293&type=234. (In Russ.).
  4. Vybory mera Moskvy: posledny prognoz [Moscow mayoral elections: The latest forecast]. 02.09.2013. URL: https://wciom.ru/analytical-­reviews/analiticheskii-­obzor/vybory-­mera-moskvy-­poslednij-prognoz. (In Russ.).
  5. Zadorin I.V. Prognozirovanie itogov vyborov po oprosnym dannym na osnove veroyatnostnoi modeli elektoralnogo povedeniya [Forecasting election results based on survey data using a probabilistic model of electoral behavior]. 15.04.06. URL: http://www.zircon.ru/upload/iblock/b42/Prognozirovanie_itogov_vyborov_po_oprosnym_dannym_na_osnove_verojatnostnoj_modeli_jelektoralnogo_povedenija.ppt. (In Russ.).
  6. Zvonovsky V.B. Prognozirovanie elektoralnoy aktivnosti na osnove otchetov respondentov [Predicting electoral activity on the basis of respondents’ reports]. Monitoring Obshchestvennogo Mneniya: Ekonomicheskie i Sotsialnye Peremeny. 2011; 2. (In Russ.).
  7. Otkrytoe mnenie: vybory mera Moskvy [Open opinion: Moscow mayoral elections]. URL: https://openopinion.ru/mer_moscow. (In Russ.).
  8. Prognoz itogov golosovaniya na vyborah mera Moskvy [Forecast of voting in the Moscow mayoral elections]. 02.09.2013. URL: http://fom.ru/Politika/11063. (In Russ.).
  9. Rezultaty predvybornogo oprosa v Moskve [Results of the pre-­election poll in Moscow]. 01.09.2013. URL: http://www.levada.ru/01-09-2013/rezultaty-­predvybornogo-oprosa-v-­moskve. (In Russ.).
  10. Finalnye reitingi (29.08–02.09): Bolshe poloviny moskvichei veryat v to, chto vybory povliyayut na zhizn goroda [Final ranking (29.08–02.09): More than half of Muscovites believe that the elections will affect the life of the city]. URL: http://web.archive.org/web/20130913012839/http://www.comcon-2.ru/default.asp?artID=2870. (In Russ.).
  11. Fond “Obshchestvennoe mnenie” ne budet bolshe prognozirovat rezultaty vyborov [Public Opinion Foundation will no longer predict election results]. 12.09.2013. URL: http://itar-­tass.com/glavnie-­novosti/675893. (In Russ.).
  12. Elektorat Sobyanina ostalsya doma [Sobyanin’s electorate stayed at home]. Moskovskie Novosti. 09.09.2013. URL: https://www.mn.ru/moscow/authority/88021. (In Russ.).
  13. Bolstein R. Predicting the likelihood to vote in pre-­election polls. Journal of the Royal Statistical Society. Series D. 1991; 40 (3).
  14. Crespi I. Pre-­Election Polling: Sources of Accuracy and Error. New York; 1988.
  15. Fiorino N., Galli E., Pontarollo N. Does social capital affect voter turnout? Evidence from Italy. Social Indicators Research. 2021; 156 (1).
  16. Freedman P., Goldstein K. Building a probable electorate from pre-­election polls: A two-­stage approach. Public Opinion Quarterly. 1996; 60 (4).
  17. Gerber A.S., Green D.P., Larimer C.W. Social pressure and voter turnout: Evidence from a large-­scale field experiment. American Political Science Review. 2008; 102 (1).
  18. Gerber A.S., Rogers T. Descriptive social norms and motivation to vote: Everybody’s voting and so should you. Journal of Politics. 2009; 71 (1).
  19. Haenschen K. Social pressure on social media: Using Facebook status updates to increase voter turnout. Journal of Communication. 2016; 66 (4).
  20. Kallgren C.A., Reno R.R., Cialdini R.B. A focus theory of normative conduct: When norms do and do not affect behavior. Personality and Social Psychology Bulletin. 2000; 26 (8).
  21. Karp J.A., Brockington D. Social desirability and response validity: A comparative analysis of overreporting voter turnout in five countries. Journal of Politics. 2005; 67 (3).
  22. LaPiere R.T. Attitudes vs actions. Social Forces. 1934; 2.
  23. Murray G.R., Riley C., Scime A. Pre-­election polling: Identifying likely voters using iterative expert data mining. Public Opinion Quarterly. 2009; 73 (1).
  24. Petrocik J.R. An algorithm for estimating turnout as a guide to predicting elections. Public Opinion Quarterly. 1991; 55 (4).
  25. Rogers T., Aida M. Vote self-­prediction hardly predicts who will vote and is (misleadingly) unbiased. American Politics Research. 2014; 3.
  26. Traugott M.W., Tucker C. Strategies for predicting whether a citizen will vote and estimation of electoral outcomes. Public Opinion Quarterly. 1984; 48 (1).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».