Выпуск ? 24. Сентябрь 2010 г.

Прогнозирование президентских выборов во Франции 2007 г.

Зернова Юлия Александровна – аспирант факультета государственного управления МГУ имени М.В. Ломоносова.
E-mail: zernovaju@gmail.com

Петрунин Юрий Юрьевич – доктор философских наук, профессор факультета государственного управления МГУ имени М.В. Ломоносова.
E-mail: petrunin@spa.msu.ru

Регрессионный анализ президентских выборов во Франции 2007 г. показал, что на результаты кандидатов наиболее существенное влияние оказали: Руаяль – количество людей без диплома и среднее количество человек в семье в данном регионе; Саркози – количество граждан, родившихся за границей и доля граждан, снимающих жилье; Байру – количество людей без диплома, уровень экономической активности и уровень безработицы в регионе; Ле Пен – количество людей без диплома, уровень безработицы и среднее количество человек в семье в регионе. Регрессионный анализ показал, что из множества выбранных переменных, характеризующих социальные, экономические, демографические и иные показатели развития регионов, установлено влияние только 3–4. Коэффициент детерминации при этом колеблется от 0,38 до 0, 62 для разных кандидатов. По найденным закономерностям предсказать результаты выборов практически невозможно.
Для создания более мощной и точной модели прогнозирования использована нейронная сеть с обратным распространением ошибки, имеющая три скрытых слоя нейронов, обладающих различными функциями активации. Коэффициенты детерминации при использовании этой модели показали, что выявленные ею закономерности охватывают 93% выборки для Руаяль, 95% – для Саркози, 83% – для Байру и 96% для Ле Пена. При этом корреляция реальных результатов и прогноза составляет для Руаяль 0.95, для Саркози 0.97, для Байру 0.85 и для Ле Пена 0.96. Значение средней абсолютной ошибки составляет 0,457%, 0,322%, 0,516% и 0,284% для Руаяль, Саркози, Байру и Ле Пена, соответственно. При этом максимальная абсолютная ошибка для каждого кандидата составляет 2,6%, 1,96%, 3,21% и 1,97%, соответственно. Таким образом, использованная модель нейронной сети по сравнению с регрессионными моделями показала лучшие результаты по охвату независимых переменных, коэффициентам корреляции и детерминации, величине ошибки прогноза.

Ключевые слова

Политическое прогнозирование, электоральное поведение, регрессионные модели, нейронные сети.