Как сообщили СМИ, в Общественной палате РФ ученые, юристы, политологи, филологи обсудили идею математического анализа итогов выборов в разных странах, в том числе и в России, и пришли к выводу: математический анализ на выборах не работает. Политолог, доцент факультета политологии МГУ Сергей Володенков считает, что математики заблуждаются, считая российский электорат однородным, и это заблуждение теперь активно используют в пропагандистских целях зарубежные СМИ: «Я уверен, что коллеги хотят сделать хорошее, доброе дело, но их работы используются интересантами в совершенно других целях».
Доктор физико-математических наук Валерий Марачевский заявил о том, что в работах Сергея Шпилькина не смог увидеть научного подхода при исследовании закономерностей избирательного процесса: «К сожалению, графики есть, а как их получить – неизвестно. Так не делается в научной литературе. Почему я должен доверять, как человек нарисовал эту кривую? А вдруг она неправильно нарисована, вдруг там все по-другому должно быть? Желательно приводить большие основания».
Весеннее обострение разума рождает изысканные мыслеформы, подчас облекаемые в изящную вязь математических формул. Творцы алгебраических конструктов любят доказывать и увязывать любые события в единую логику причинно-следственных связей, им одним ведомых. Проверить алгеброй политическую гармонию – что может быть благороднее по замыслу и актуальнее в повестке! Увы, анализ математических методов не внушает особого оптимизма.
Можно ли математическими методами определить поведение людей – проблема, которая не имеет однозначного решения. По данному вопросу существуют различные позиции, включая полярные. Позиция первая – математические методы дают ключ к пониманию и прогнозированию социального поведения. Позиция вторая – мотивы принятия человеком того или иного решения в математические формулы уложить невозможно.
Математика, а именно теория больших чисел, может описывать вероятности поведения больших совокупностей. При этом на каждую конкретную единицу совокупности эта вероятность распространяется по принципу 50/50 – или «да», или «нет». Так, зная, что 99% людей не убийцы, мы в каждом конкретном случае не можем сказать, убийца перед нами или нет. Можно долго рассчитывать вероятность столкновения «Титаника» с айсбергом. Проще проверить на морском дне.
К истории вопроса
Попытки использования математических методов в социальных отношениях предпринимались еще в XIX веке.
Полтора века назад не существовало психологии и других наук, описывающих поведенческие характеристики индивида, групп индивидов, социума. Была только философия. Даже социология только зарождалась (сам термин появился только в 1839 году) и экспериментировала с методами исследования, в том числе количественными.
Тогда вообще казалось, что естественнонаучные методы можно применять во всем. Как и математику.
В 1837 году Пуассон описал свое «Распределение Пуассона», его работа называлась «О вероятности решений уголовных судов». Сторонники математических моделей объяснения социальных процессов приводят ее в пример, говоря: вот когда еще объяснили.
Не учитывается только то, что Пуассона интересовал тренд в целом – это скорее не правовые категории, а моральные и общественно значимые. Он исследовал приговоры судов, механизмы судебной ошибки. С точки зрения контроля за соблюдением прав это изучение/изменение тенденций, а не предотвращение конкретных правонарушений.
При этом само применение теории вероятностей к «моральным наукам» критиковалось еще в XIX веке. Уже тогда многими применение исчисления вероятностей к моральным вещам признавалось весьма опасной иллюзией и ложным приложением математических наук. А классик либерализма Дж.Ст. Милль расценивал подобные приложения исчисления вероятностей к установлению достоверности свидетелей и правильности приговоров, выносимых присяжными, как «настоящий позор математики».
Конечно, за прошедшие годы наука шагнула вперед, разработаны и апробированы методы математического моделирования, в том числе политических процессов. Однако наивно полагать, что математики обрели ключ к пониманию алгоритма социального поведения. Достаточно вспомнить, что при всей развитости математических методов в экономике мир регулярно и «внезапно» сотрясает очередной кризис.
Электоральные эксперты старшего поколения помнят, как на заре 1990-х годов на пике моды были прикладные наработки, основанные на использовании методов точных наук в прогнозных оценках поведения избирателей. Однако по мере развития реальных политических процессов формализованные методики в конкретных проблемных ситуациях периодически давали сбой, их востребованность резко упала. Причина не только в том, что механический перенос формализованных методов на живую социальную ткань есть недопустимое упрощение рабочей рамки политического анализа. Реальная причина в том, что в основу математических расчетов нередко положены негодные социальные предпосылки, отражающие уровень понимания разработчиками социальных процессов и взятые ими за аксиомы.
Сегодня на этой благодатной ниве электорального моделирования глубоко укоренились несколько постулатов, в которые свято верят поборники математических методов анализа, но которые у политических экспертов вызывают лишь улыбку.
Гипотеза Собянина – Суховольского
Гипотеза Собянина – Суховолького сформулирована в начале 1990-х годов (авторы – Александр Собянин, Владислав Суховольский) в книге «Демократия, ограниченная фальсификациями: выборы и референдумы в России в 1991–1993 годах».
Исходный посыл – рост явки пропорционально повышает долю голосов каждого из кандидатов. Соответственно, в графическом изложении поддержка кандидата, выраженная в процентах от общего списочного числа избирателей, от явки, в отсутствие фальсификации должна представлять прямую с наклоном, равным проценту голосов уже от явившихся, а при фальсификации наклон равен единице.
Гипотеза Собянина – Суховольского демонстрировала относительно высокий процент подтверждения на мажоритарных выборах начала 1990-х годов в условиях неструктурированных партийно-политических предпочтений электората и формирующейся социальной дифференциации, однако по мере развития политических процессов все больше выявлялась ее спорность и ограниченность. Так, гипотеза оказалась абсолютно неэффективной для анализа выборов, проводимых по пропорциональной системе, а также не позволяла учитывать фактор воздействия политических технологий на явку в том или ином сегменте электората. С середины 1990-х годов популярность этой гипотезы пошла на убыль, о ней фактически забыли.
Кривые Шпилькина
Новый всплеск интереса к математическим методам анализа выборов был связан с появлением книги Андрея Бузина и Аркадия Любарева «Преступление без наказания: административные технологии федеральных выборов 2007–2008 годов» (М., 2008. 284 с.) и вышедшими несколько позднее работами Сергея Шпилькина, сникавшими известность выстраиванием кривых на основе цифрового распределения электоральных показателей и их зависимости от явки. При малых явках результаты разных кандидатов растут пропорционально друг другу, при изменении явки количество голосующих за все кандидатуры растет пропорционально, а процентные доли сторонников разных партий среди пришедших на выборы остаются постоянными. При дальнейшем росте явки количество голосующих за все кандидатуры, кроме кандидатуры власти, остается постоянным (соответственно, процент их падает), а все дополнительные голоса, возникающие от прироста явки, получает партия власти. С. Шпилькин оценивает такое распределение как аномальное и объясняет его либо административными технологиями по принуждению к голосованию, либо вбросами бюллетеней.
Нетрудно отметить, что при всей внешней стройности математического моделирования вся конструкция С. Шпилькина основана на сомнительных исходных социальных допущениях, положенных в основу расчета.
Допущение первое. Избиратели представляют собой однородную массу. Цитата из самого Шпилькина: «Российское общество весьма однородно: оно находится в однородном информационном поле, созданном телевизором, и мало различается по воспитанию и образованию. У нас нет особого расслоения на страты, которые могли бы вести себя политически по-разному». Тезис об однородности – краеугольный камень всех построений, потому что только в этом случае распределение имеет сколь-либо серьезный вес.
Очевидно, что общество неоднородно. Оно неоднородно по культуре, социальному, этно-конфессиональному составу населения. Оно неоднородно по мотивации участия в голосовании и по культуре политического участия. Наконец, оно неоднородно по условиям территориального рассредоточения, даже по доступности голосования. И само собой, не выдерживает никакой критики тезис об однородном информационном пространстве, якобы задаваемом телевизором: каналы коммуникации и получения информации, как и степень актуальности тех или иных вопросов в общественной повестке, различны для каждого региона, каждой социальной группы. Дилетантское понимание общественных процессов сводит на нет основанные на нем формально корректные математические построения. Основанные на ложной социальной посылке, они заведомо не дают адекватной картины электорального поведения.
Допущение второе. При изменении явки количество голосующих за все кандидатуры растет пропорционально, все отклонения от этого правила суть аномалии. Поклонники и последователи Шпилькина еще более категоричны. В поиске аргументов и аналогий они идут дальше, апеллируя уже к законам физики, подчас призывая к себе в соавторы авторитеты, которые, почив в бозе, на такую вольность возразить уже не могут. Например, президентская кампания 2018 года отмечена новым перлом, который уже окрестили «Законом Ньютона – Удота (по имени его первооткрывателя Романа Удота, активиста «Голоса»).
«Закон Ньютона – Удота»
Необходимо помнить, что в основе такого понимания лежит гипотеза Собянина – Суховольского. Гипотеза, которая, не получив достаточного подтверждения, за четверть века так и не стала признанной теорией, не превратилась в полноценное научное знание, оставшись недоказанным предположением. Еще раз подчеркнем, что рождение этой гипотезы по времени относится к началу 1990-х годов, когда арсенал политических технологий по воздействию на избирателей еще находился в зачаточном состоянии. За это время в избирательный процесс прочно вошли стратегии точечного изменения политической активности, стимулирующих или снижающих мотивацию к участию в выборах (возгонка явки, усушка явки) мер в целевых электоральных группах с устойчивыми предпочтениями в отношении конкретных кандидатов и партий. Нередко отклонения от статистических величин, диагностируемые как аномалии, имеют в основании не случайность и не злоупотребления, а применение правомерных избирательных технологий. Например, на выборах муниципальных советников в Москве в 2017 году можно было одновременно наблюдать сразу ряд таких стратегий: и сушку явки, и мобилизацию сторонников оппозиционными кандидатами.
Допущение третье. Переток голосов от одной политической силы к другой, от одного кандидата к другому происходит по единой для всей страны статистической модели. Однако статистическое распределение работает со случайными или слабо зависимыми величинами, но не в случае осознанного выбора.
Эта гипотеза опровергается данными социологических опросов, в которых присутствует стандартный вопрос: за кого из кандидатов вы проголосуете, если ваш кандидат не будет участвовать в выборах. Переток на различных территориях происходит по-разному, причины, по которым люди меняют свою позицию, и «альтернативный» кандидат также различны. Выявив социологический портрет таких потенциальных «перебежчиков», именно с ними и работают технологи, корректируя месседжи кампании и средства их доставки.
Да и «искусственный» переток (проще говоря, фальсификация) имеет массу вариантов. Вот гипотетические «сценарии» подделки протоколов: можно отнять у кандидата А и добавить кандидату Б, можно отнять у всех кандидатов в пользу кандидата Б, можно поменять местами данные кандидата А и кандидата Б, можно на равную величину увеличить число проголосовавших вообще и число проголосовавших за кандидата Б.
Допущение четвертое: любое отклонение реальности от выстраивания математических моделей на практике автоматически и бездоказательно признается фальсификацией. Какие-либо объяснения от организаторов выборов игнорируются, дополнительные проверки и подтверждения не требуются. Истиной признается только то, что, по их мнению, отражает «зеркало кривых». Но, следовательно, верно и обратное: все соответствующее математической модели не фальсификация? Если встать на позиции параноика, какие гарантии, что остальные ТИК не честнее, а хитрее? Никаких.
Пример:
Вот, пожалуйста, смотрите, как рисовали в Карачаево-Черкессии: вот здесь честные ТИК, а вот здесь уже фальсификации. Причем каждая ТИК помечена разным цветом, и получается, что у них разные задания. (Удот Р.Н., 5 марта 2018 г.)
В бытовом восприятии это подается: «так не бывает». Но если говорить языком математики, о котором вроде идет речь, вероятность этого невелика, ничтожно мала. Но шанс, что такое событие случится, – есть. Пусть как выиграть джек-пот. Но ведь люди выигрывают.
При этом за математическую модель выдается построение графика, основанного на данных. Это не требует никакого математического анализа – визуальный просмотр сводной таблицы данных на сайте ЦИК покажет то же самое.
Если абстрагироваться от громких заявлений, что мы видим? В одной ТИК выявлены одинаковые показатели по УИК в процентном отношении. Метод в данном случае выявляет феномен, но никак не объясняет его.
Как было отмечено на заседании круглого стола по электоральной статистике, организованного Советом при президенте Российской Федерации по развитию гражданского общества и правам человека: «Что делает исследователь в таком случае, если он сталкивается с фактом какого-то явления, отклоняющегося от закономерностей? Он едет туда и пытается понять природу этих отклонений, какие факторы повлияли, что там случилось». Без непосредственной проверки на месте нельзя однозначно утверждать, что это было, случайность или вмешательство.
Подобные «дискуссии» идут не только вокруг математических методов в электоральных процессах – в эпоху «поиска смыслов» многим «исследователям» сама идея «поехать и проверить» кажется кощунством.
Далее – диапазон применения. Все избирательные участки существуют во времени и месте. Соответственно, совокупность показателя N%, повторяющаяся на участках в рамках одной ТИК, может рассматриваться как некий феномен. А вот на наборе участков в рамках субъекта – вряд ли. Проценты – тоже вещь сложная. Если на участке проголосовали 100 человек, то каждый – это 1%. +/– 3 человека – и нормальное отклонение.
Такие случаи надо проверять. И никакой сверхсложной математики тут не требуется.
Вывод. Попытки обретения философского камня, с помощью которого можно было бы достоверно и точно определить допущенные на выборах нарушения, пока не привели к ожидаемому результату. В зеркале формул картина выборов подчас размыта, а подчас и вовсе подается с сознательными искажениями. В то же время математические методы анализа совершенно необходимы для выявления отклонений, которые можно счесть аномальными. Пока наиболее рабочими являются самые простые, и справедливы они, скорее всего, для отдельных типов аномалий. Выяснять же природу этих аномалий и давать им юридическую оценку должны субъекты общественного контроля, организаторы выборов, судебные и правоохранительные органы. Роль же эксперта – помогать своим знанием, встраиваться в общее пространство коммуникации, а не отгораживаться в собственном королевстве кривых зеркал.
Статья подготовлена группой экспертов ассоциации «Гражданский контроль».