CGE модель конкурирующих партий России
|
|
Источник: Четвертый всероссийский симпозиум: "Стратегическое планирование и развитие предприятий". Тезисы докладов и сообщений., 17.04.03 Автор: Бахтизина Н.В. - эксперт по финансовому и инвестиционному консультированию ЗАО "АКГ "РБС"
|
| |
В последнее время в прикладной экономической науке развитых стран запада получило широкое распространение моделирование экономических процессов посредством CGE (Computable General Equilibrium) моделей [2–6]. В то же время в России это направление появилось совсем недавно, а термин “вычислимая модель“, являющийся синонимом CGE модели был введен академиком В.Л. Макаровым при разработке модели экономики России [1].
Вообще говоря. CGE модели используются в основном для моделирования экономических явлений. В то же время, благодаря своей универсальности, этот инструмент может успешно применяться для моделирования политических процессов.
Предлагаемая CGE модель конкурирующих партий предназначена для прогнозирования результатов выборов в Государственную Думу России в зависимости от задаваемых условий.
Ниже приводится краткое описание модели.
В модели участвуют следующие политические агенты:
Основные политические партии/блоки России (при этом не рассматриваются различные депутатские группы): 1) КПРФ; 2) Единство; 3) Отечество — Вся Россия; 4) Союз правых сил; 5) Яблоко; 6) ЛДПР.
Электорат России, разбитый на три группы, в зависимости от уровня дохода: 7) первая группа (низкие доходы); 8) вторая группа (средние доходы); 9) третья группа (высокие доходы).
Ниже описывается поведение агентов.
Стратегия партий. Партии стремятся завоевать доверие избирателей, воздействуя на поведение электората посредством политической платформы, СМИ и т.д. Иными словами, партия стремится максимизировать свою “производственную функцию“ (ПФ), выходом которой являются голоса избирателей.
Производная функция имеет стандартный для CGE моделей вид:
Yi = ARi * (DCli)^ACil * (DC2i)^ACi2 * (DC3i)^ACi3, (1)
где i — номер партии (1, … , 6); Yi — число голосов избирателей; DCli, DC2i, DC3i — спрос различных групп населения на услуги, оказываемые партией, который определяется доверием избирателей, например, DCll — спрос первой группы на услуги, предоставляемые КПРФ (услуги, в свою очередь, выражаются в лоббировании интересов избирателей); ARi, ACil, АСi2, АСi3 — коэффициенты ПФ.
Коэффициенты ПФ имеют большое значение. Например, коэффициент ACil у КПРФ будет значительно выше, чем у СПС, поскольку в КПРФ заинтересована большая часть населения, представляющая первую доходную группу.
Каждая партия производит “политический продукт“, выражающийся в лоббировании интересов избирателей, который в дальнейшем распределяется по трем направлениям. В модели это выражается в определении долей, по которым будет распределяться “политический продукт“ для каждой группы населения.
Доли: ECli — доля политического продукта, предлагаемого первой группе населения (у КПРФ и Единства эта доля велика); EC2i — доля политического продукта, предлагаемого второй группе населения (преимущественно КПРФ, Отечество — Вся Россия); EC3i — доля политического продукта, предлагаемого третьей группе населения (Единство, Отечество — Вся Россия, КПРФ и СПС);
Стратегия избирателей. Население стремится получить для себя максимальную полезность, голосуя, на выборах. Например, избиратели, имеющие самые низкие доходы, недовольны действующей властью, поэтому их политические симпатии относятся к радикальным партиям или КПРФ. В то же время домохозяйства с самыми высокими доходами стремятся сохранить действующий режим, поэтому отдают голоса проправительственной партии.
В модели это выражается в определении следующих долей: OCli — доля избирателей первой группы, голосующих за i-ую партию; OC2i — доля домохозяйств второй группы, голосующих за i-ую партию; OC3i — доля домохозяйств третьей группы, голосующих за i-ую партию.
Общая часть модели. Равновесие в модели, при котором происходит удовлетворение спроса со стороны избирателей, наступает благодаря итеративному пересчету.
Формулы, описывающие суммарный спрос на услуги политических партий и предложение политического продукта приводятся ниже:
DCli+DC2i+DC3i=SCli+SC2i+SC3i
где DCji — спрос на услуги i-ой партии со стороны j-ой группы; SCji — предложение политического продукта, производимой i-ой партией для j-ой группы.
Пример вычислительного эксперимента. В качестве вычислительного эксперимента было решено “играть“ долями избирателей в доходных группах. Таким образом, проверялась гипотеза о том, что улучшение (ухудшение) уровня жизни приводит к новому раскладу сил на политической арене.
В первом эксперименте уменьшалась доля избирателей в первой группе, за счет увеличения доли второй группы (уровень жизни возрастал), а во втором эксперименте — наоборот.
В качестве исходных для модели были использованы данные опроса фонда “Общественно мнение» (http://classic.fom.ru), распределяющие голосовавших на выборах в Государственную Думу по трем доходным группам.
В таблице представлены фактические данные о разбиении электората и измененные для эксперимента.
Таблица. Распределение электората России по доходным группам, %.
Группы населения |
Фактические данные |
Данные для эксперимента 1 |
Данные для эксперимента 2 |
Первая |
22 |
12 |
32 |
Вторая |
41 |
51 |
31 |
Третья |
37 |
37 |
37 |
После пересчета модели получились результаты, представленые на рисунке.
Как видно, улучшение уровня жизни ведет к захвату думского большинства проправительственной фракции, в то время как КПРФ несколько потеряло свои позиции. При ухудшении уровня жизни ситуация меняется в противоположную сторону.
Таким образом, CGE модель конкурирующих партий России является инструментом, позволяющим прогнозировать расстановку политических сил в стране в зависимости от задаваемых начальных условий, в частности уровня жизни населения.
Автор выражает глубокую благодарность академику В.Л. Макарову за ценные замечания и практические советы.
Литература
1. Макаров В.Л. Вычислимая модель российской экономики (RUSEC). / Препринт # WP/99/069. — М.: ЦЭМИ РАН, 1999.
2. Berck P., Golan E. and Smith В. Dynamic Revenue Analysis for California. — Berkeley, University of California, 1996
3. Dixon P., Parmenter В. Computable General Equilibrium Modelling for Policy Analysis and Forecasting. Handbook of Computational Economics, Volume 1, ed. by Amman, H. et al. — North-Holland, Elsevier Science, 1996.
4. Johansen L. A multi-sectoral study of economic growth. — North-Holland, Amsterdam, 1960.
5. Scarf H. The computation of economic equilibria. — New Haven and London, Yale University Press, 1984.
6. Thissen M. A Classification of Empirical CGE Modelling. SOM Research Report 99C01. — The Netherlands, University of Groningen, 1998.