Abstrakt ÉDSKÉ PIRÁTSKÉ STRANY V LETECH 2006 2010 THE SWEDISH PIRATE PARTY VOTER BASE, 2006-2010 Pavel Maškarinec é analýz dat (ESDA), které dosud nejsou v k analýza prostorové autokorelace (Moranovo I kritérium a indikátory LISA) a metoda v zázemí švédské Pirá konaných volbách do švédského parlamentu. : Švédsko, Pirátská strana, Riksdag, Evropský parlament, prostorová analýza, prostorová autokorelace, Moranovo I kritérium, LISA, prostorová regrese Abstract The aim of the paper is to present the possibilities, which for an analysis of voting behavior provides techniques of exploratory spatial data analysis (ESDA), which are not yet in the Czech political science so far used specifically a spatial autocorrelation (Moran s I statistic, LISA indicators) and spatial regression. Using these methods, there will be analyzed voter base of the Swedish Pirate Party, which achieved significant success in the 2009 European Parliament election, but it failed to follow up its success in the following elections to the Swedish parliament held a year later. Key words: Sweden, Pirate Party, European parliament, Riksdag, spatial analysis, spatial autocorrelation, Moran s I statistic, LISA, spatial regression 1 ÚVOD Jedním z 70. a 80. let 20. století vznik nových politických stran, jejichž cílem bylo získat relevantní pozici v národním stranickém systému a etablovat se jako ních stranických zástupci protestantských zemí Skandinávie). i v emž zejména po roce 2000 vedla k tomu, že pro tyto subjekty užívat lternativní strany (Bútora, 2013), zatímco další se pokusili o typologií nových stran p s ohledem na analýzu novosti jejich a Lucardie, 2000; Sikk, 2011). Rok 2006 pak je zlomem, kdy se objevuje další nový typ politických stran tzv. pirátské strany, jejichž prvním zástupcem byla švédská Pirátská strana (Piratpartiet PP), která byla založena 1. prosince 2006. V, sdružující se v Pirátské internacionále (Pirate Parties International PPI),. která dokázala švédských pirát roce 2009 získala
jeden z 1 V textu možnosti, které pro nabízí techniky alýz dat (exploratory spatial data analysis, ESDA), které dosud nejsou v, 2007; Maškarinec, 2013 využívány. K analýza prostorové autokorelace a metoda prostorové regrese (spatial regression), která vychází z metodologického rámce mnohonásobné ordinary least squares OLS). Volba technik vyvinutých v metodologickému problému, který omezuje jejich aplikovatelnost a je spojen se specifickými vlastnostmi prostorových dat, jimiž je jejich prostorová povaha. Prostorov data (tj. vymezená data) jsou speciální (Anselin, 1988), protože jsou jejich zkreslení pr s ohledem na lokace a místa, odkud jsou data sbírána (Shin Agnew, 2011, s postavení prostoru a místa a fakt, že všechna sociální data jsou v prostorová, ijímáno v e prostorová hlavním proudu sociální k em (Goodchild et al., 2000, s. 139-140; Ward O Loughlin, 2002, s. 213-214). 2 METODOLOGICKÝ A TEORETICKÝ RÁMEC VÝZKUMU 2.1 Volební geografie a prostorová analýza voleb orelace nebo prostorové závislosti, což je založeno na tzv. prvním principu geografie: všechno je ve spojitosti se vzdálené. (Tobler, 1970, s. 236) To vede k (Cliff Ord, 1981) Dale, 2009, s. 89 93). Další vlastností mnoha prostorových t prostorovou heterogenitu a nestacionaritu spíše než stabilitu pozorovaných vlastností m analyzovaného území (Brunsdon et al., 1996; Brunsdon et al., 1998) Fortin mezi (biased inefficient ekonometrie, které jsou schopny kontrolovat vliv prostorových Pro analýzu parlamentu (Riksdg) v letech 2006 až 2010 a EP 2009 prvním kroku základní detekcí prostorové autokorela (spatial clustering) (spatial outliers) 1 V textu nejsou z postavením ve švédském stranickém systému. Pro zájemce o tuto problematiku lze odkázat na další texty viz Brunclík, 2010; Erlingsson Persson, 2011.
v analyzovaném d prvním kroku proveden Moranova I kritéria, prostorové autokorelace (Cliff Ord, 1981). Moranovo I je vhodným východiskem k vizualizaci a analýze geog 1 do +1 (perfektní negativní, resp. pozitivní prostorová autokorelace); hodnota 0 ukazuje na náhodný vzorec prostorového shlukování v datech. i (z hlediska vymezení Unwin, ice vah: diskrétní a spojité (Fotheringham et al., 2002, s. 42- binární matice, jejíž prvky nabývají pouze hodnot 0 a 1 (tj. nenormalizovaná matice vah), kdy Oproti diskrétní matici vah, jejíž prvky nabývají pouze hodnot 0 a 1, prvky spojité matice vah ity prostorových interakcí s rostoucí vzdáleností (srov. Unwin Unwin, 1998, s. 417-418; Dubin, 2009, s. 138-156). ních ího pohybu šachových figur. Jako sousední ova I kritéria je ovšem pouze jedna výsledná hodnota statistického ukazatele, identifikující míru prostorové autokorelace, shlukování (test for clustering) v celém zkoumaném území. Jako globální statistika je hodnota Moranova I na úrovni švédských obcí, budou v dalším kroku pro hodnoty prostorové autokorelace pr lokání indikátory prostorové asociace (local indicators of spatial association LISA). pro vizuali. Indikátory LISA mohou být jednotku a významné hodnoty (tj. p < 0.05) it, resp. kategorizovat Moranova diagramu. 2 ní prostorovou závislostí v vysokými hodnotami v okolních jednotkách (hot spots), nebo naopak nízké hodnoty sousedních jednotkách (cold spots), 2 je i to, že samotná velikost Moranova I (globálního i lokálního) neindikuje statistickou významnost ulovou hypotézu o neexistenci prostorové autokorelace (srov. Anselin, 1995, s. 95-96).
prostorové odchylky (spatial outliers), tj. vysoké hodnoty obklopené nízkými hodnotami a vice versa (Anselin, 1995; Shin Agnew, 2011). V práci budou použity mapy reprezentující významné pozitivní a negativní negativní. Hodnoty vysoká tmav šedou a hodnoty nízká šedou barvou. Mapy PP, ve kterých bude velikost podpory strany v jednotlivých švédských obcích zobrazena pomocí šedé (dolní kvartil) po tmav šedou (horní kvartil). Využité autokorelace v stické analýze dat, zejména regresní analýze (srov Fotheringham et al., 2002; Shin Agnew, 2011). vykazovat jež pracují s prostor ale (Fotheringham et al., 2002, s. 9-11; Shin Agnew, 2011, s. 63). Z budou prostorovou strukturou v kontaminací chyb prostorovou autokorelací. budou využity modely prostorové regrese, v nichž jsou prostorové interakce inkorporovány V strategie: prostorový intervalový model (spatial lag model) a prostorový chybový model (spatial error model korelace reziduí. Zatímco ale intervalový model inkorporuje prostorové efekty závisle autoregresivního procesu v reziduích (Anselin, 2002). 2.2 nejsou stran s, které stojí za podporou PP n, je, je hlavním hlubší tak nelze použít žádný jímaný teoretický koncept. - konfliktní linie vlastníci-pracující (viz Lipset Rokkan, 1967). T stranicko-politickou rozhodující význam socioekonomická konfliktní linie (Lane Ersson, 1996, s. 258), odehrává stabilního ideologického prostoru charakteristického silnými jednodimenzionálními tendencemi (Holmberg Oscarsson, 2004, s. 155). To dokládá i považují národních volbách její názor na problematiku sociální politi ají (srov. Oscarsson Holmberg, 2010, s. 9).
problém, protože umístit pirátské strany na pravolevé škále je velmi obtížné. Pirátské strany nezaujímají k oje a sami se brání (Brunclík, 2010, s. 22). Oscarsson a Persson (2009, s. 246), kt ukazují, že elektorát PP je než u dalších švédských stran celé délce pravolevé škály spektra. Podle Brunclíka (2010, s. 22) tak bude relevantní um a levici a pravici až poté, co pirátské strany. N ) shrnuje profil. P a mladými muži, obyvateli, osobami s (resp. i s nedo ), uživateli internetu a sociálních sítí, osob dosud neangažovaných v politice, nebo nezajímajících se o politiku a se politiku (srov. Brunclík, 2010, s. 23) jak ukázali Erlingsson a Persson (2011) švédské pirátské strany v evropských volbách 2009 nebyl spojen s protestním apelem, 2.3 Data Analytickými jednotkami pro prostorové srovnání bude všech 290 švédských obcí (kommuner). S spojené s podporou pirátských stran,, které byly jako možné indikátory podpory pirátských, v ostní strukturu prom oškoláci ( 74 let s vyšším ) a míra 64 let ijímoví (podíl 64 celostát ). Vliv velikosti obcí bude sledován pomocí logaritmovaného u obyvatel, vzhledem k tomu, že šují zbývající obce. D vysokoškoláci a ijí analýzy z pocházejí ze dvou z Statistiska centralbyrån SCB) a Arbetsförmedlingen). 3 ANALÝZA V É PODPORY PIRÁTSKÉ STRANY 3.1 PP V koeficient a globální Moran obecní úrovni. Pohled na atilo zejména pro volby do EP 2009. v parlamentních volbách 2006 disponovala podporou pouze Socialdemokratiska Arbetare Partiet SAP), v ci
(Moderata Samlingspartiet M) stranou (srov. Maškarinec, 2011, s. 88-90). V evropských volbách 2009 se pak piráti stali dokonce stranou s (srov. Maškarinec, 2010, s. 27-29). isté míry odpovídá i analýza prostorové autokorelace. Hodnoty Moranova I na globální úrovni dosahovaly velmi nízkých hodnot zejména v parlamentních volbách 2006, a dramatický vzestup, který se projevil ením hodnoty Moranova I, ala hodnota globálního údaj z voleb do EP 2009 a Riksdagu 2010. Zatímco elektorát PP se, z hlediska prostorového shlukování a dosud nejvyšší míra shlukování. Tabulka 1. Moranovo I kritérium 2006 (Riksdag) 0,63 33,13 0,158 2009 (EP) 7,13 19,80 0,309 2010 (Riksdag) 0,65 31,54 0,380 Zdroj: Valmyndigheten; Poznámka: -hodnota < 0,002). Testování mapy voleb do Riksdagu 2006 nabízí do velké míry totožný pohled. Ve volbách do Riskdagu 2006 jak vysoké, tak nízké podpory PP (Norrbotten Västmanland Norrbottenu, ve shluku obcí na samotném jihu Švédska v kraji Skåne. Oproti tomu shluky nízké podpory se objevují v Västerbotten, kraji Jönköping. Z celkové mapy podpory PP vyplývá, že mezi další oblasti s o Göteborg a jeho okolí na jihu kraje Västra Götaland a na sever a Výrazný pokles podpory PP ve volbách do Riksdagu 2010 se projevil zachováním shluku vysoké podpory v í v jihu Švédska vedl k vymizení shluku vysoké podpory ve Skåne k podpory PP sever Uppsala, ale i navazující Västmanland, zahrnující zejména kraje Stockholm, Göteborg evropských volbách. Nižší podporu PP znovu zaznamenáváme zejména v nízkou podporu PP v roce 2010, kdy se podpora pohybovala od 0,12 % do max. 1,07 % ohledem na velmi nízké r
Obrázek 1. PP kvartily) Zdroj: Valmyndigheten; 3.2 Souvislosti mezi volebními výsledky PP a vybranými charakteristikami obcí Základní srovnání model ukazuje, že prostorové chybové modely mají než modely OLS (modely OLS nejsou z, s. R 2, ale tzv. pseudo-r 2 výstupy OLS. Z log-likelihood statistiky, Akaikeho sílu prostor log-likelihood statistiky a naopak nižší hodnoty AIC a BIC (Anselin, 2005, s. 175). Srovnání výsledných hodnot pro Z regresní model z voleb do EP 2009, který vys 52 Pokud se o mnoho z nich v o ých ých. naopak nižším podílem postproduktivní populace.. Zatímco v ztráceli, v evropských volbách tomu bylo naopak mezi jednotlivými volbami. Zatímco v parlamentních volbách 2006 a evropských volbách 2009 ke vzes, ve volbách do Riksdagu 2010 tomu bylo naopak. ijímoví. Ve volbách do Riksdagu 2006 nižším než 20 % celostátního zisky PP v u, zatímco ve zbývajících dvojích volbách se naopak tohoto indikátoru
Tabulka 2. Parametry regresního modelu volební podpory PP (prostorový chybový model) Riksdag 2006 EP 2009 Riksdag 2010 Mladí (20 29) 0,038 (0,273) 0,176 (0,044) 0,031 (0,218) 0,018 (0,004) 0,186 (0,024) 0,018 (0,003) Populace (log) 0,006 (0,039) 0,171 (0,219) 0,034 (0,320) oškoláci 0,009 (0,003) 0,070 (0,020) 0,006 (0,003) Ne 0,016 (0,014) 0,008 (0,076) 0,035 (0,011) ijímoví 0,008 (0,004) 0,034 (0,026) 0,004 (0,004) Konstanta 0,220 3,721 0,530 Log-Likelihood 122,856 384,343 175,380 AIC 231,711 782,686 336,760 BIC 206,022 808,375 311,071 N 290 290 290 R 2 0,302 0,522 0,467 Zdroj: Arbetsförmedlingen, SCB, Valmyndigheten; Poznámka: nestandardizované regresní koeficienty B, standardní odchylky v závorce. 4 Cílem p dat stoupající tendencí) a y Potvrzena tak byla jak srovnání y OLS. I další charakteristiky pak potvrdily, že použitý prostorový metoda OLS. Z s globálního prostorového shlukování a pouze omezený rozsah lokálníc i v kraji Norrbotten, v švédské strany (shluk obcí v krajích Stockholm, Uppsala a Västmanland) Göteborg a ; v evropských volbách 2009 byla vyšší podpora PP nalezena i ve shluku obcí na samotném jihu Švédska v kraji Skåne. krajích (zejména v kraji Västerbotten), s výjimkou Norrbottenu; v evropských volbách kraji Jönköping. Z piráty byly zejména obce s populace, zatímco pouze v tších obcích. Vliv z jejich elektorátu, tak tak, že, hlasující pro piráty, ední generací. jednotlivých švédských obcí potvrdila ích studií. védské evropských volbách, kdy piráty obcích s vyšší
Použitá literatura 1. ANSELIN, L. Spatial Econometrics: Methods and Models. Dordrecht : Kluwer Academic Publisher, 1988, 284 s. ISBN 90-247-3735-4. 2. ANSELIN, L. Local Indicators of Spatial Association LISA. Geographical Analysis, 1995, vol. 27, no. 2, p. 93-115. 3. ANSELIN, L. Under the hood: Issues in the specification and interpretation of spatial regression models. Agricultural Economics, 2002, vol. 27, no. 3, p. 247-267. 4. ANSELIN, L. Exploring Spatial Data with GeoDaTM : A Workbook. Spatial Analysis Laboratory. Department of Geography. Urbana-Champaign : University of Illinois, 2005, 244 s (https://geodacenter.asu.edu/system/files/geodaworkbook.pdf) 5. Arbetsförmedlingen (http://www.arbetsformedlingen.se/). 6. BRUNCLÍK, M. Pirátské strany: nový fenomén v politice., 2010, -29. 7. BRUNSDON, C., FOTHERINGHAM, S. A. a CHARLTON, M. E. Geographically Weighted Regression: A Method for Exploring Spatial Nonstationarity. Geographical Analysis, 1996, vol. 28, no. 4, p. 281-298. 8. BRUNSDON, C., FOTHERINGHAM, S. A. a CHARLTON, M. Geographically Weighted Regression-Modelling Spatial Non-Stationarity. The Statistician, 1998, vol. 47, no. 3, p. 431-443. 9. BÚTORA, M. New Prospects For Alternative Politics? In MESEŽNIKOV, G., GYÁRFÁŠOVÁ, O. a BÚTOROVÁ, Z. Alternative Politics? The Rise of New Political Parties in Central Europe. Bratislava : Institute for Public Affairs, 2013, p. 11-51. 10. CLIFF, A. D. a ORD, J. K. Spatial Processes: Models and Applications. London : Pion, 1981, 266 s. ISBN 08-85086-081-4. 11. DUBIN, R. Spatial Weights. In FOTHERINGHAM, A. S. a ROGERSON, P. A. The SAGE Handbook of Spatial Analysis. London : SAGE Publications, 2009, p. 125-157. 12. ERLINGSSON, G. Ó. a PERSSON, M. The Swedish Pirate Party and the 2009 European Parliament Election: Protest or Issue Voting? Politics, 2011, vol. 31, no. 3, p. 121-128. 13. GOODCHILD, M. F., ANSELIN, L., APPLEBAUM, R. P. a HERR HARTHORN, B. Toward Spatially Integrated Social Science. International Regional Science Review, 2000, vol. 23, no. 2, p. 139-159. 14. FORTIN, M.-J. a DALE, M. T. Spatial Autocorrelation. In FOTHERINGHAM, A. S. a ROGERSON, P. A. The SAGE Handbook of Spatial Analysis. London : SAGE Publications, 2009, p. 89-104. 15. FOTHERINGHAM, A. S., BRUNSDON, C. a CHARLTON, M. Geographically Weighted Regression: the analysis of spatially varying relationships. 1st. ed. Chichester : Wiley, 2002, 282 s. ISBN 978-0-470-85525-6. 16. HOLMBERG, S. a OSCARSSON, H. Svenskt väljarbeteende. Redogörelse för 2002 års valundersökning. Stockholm Örebro : Statistiska centralbyrån, 2004. 17. KOUBA prostorové režimy. Sociologick -1037. 18. LANE, J.-E. a ERSSON, S. The Nordic Countries. In COLOMER, J. M. Political Institutions in Europe. London New York : Routledge, 1996, p. 254-281. 19. LIPSET, S. M. a ROKKAN, S. Cleavage Structures, Party Systems, and Voter Alignments: An Introduction. In LIPSET, S. M. a ROKKAN, S. Party Systems and
Voter Alignments: Cross-National Perspectives. New York : The Free Press, 1967, p. 1-64. 20. LUCARDIE, P. Prophets, Purifiers and Prolocutors: Towards a Theory on the Emergence of New Parties. Party Politics, 2000, vol. 6, no. 2, p. 175-185. 21. MAŠKARINEC, P. Evropského parlamentu 1995 Slovenská politologická revue, 22-50. 22. krajní pravice v Rexter 75-117. 23. MAŠKARINEC, P. Prostorová analýza prezidentských voleb v v roce 2013. Sociológia -469. 24. OSCARSSON, H. a HOLMBERG, S. Swedish Voting Behavior. Goteborg : University of Gothenburg, 2010, 22 s. ISBN 91-89246-03-9. 25. OSCARSSON, H. a PERSSON, M. Piratpartiets sympatisörer. In HOLMBERG, S. a WEIBULL, L. Svensk höst. Trettiofyra kapitel om politik, medier och samhälle. SOM-undersökningen 2008. SOM-rapport 46. Goteborg : SOM-institutet, Göteborgs universitet, 2009, p. 241-248. 26. SHIN, M. a AGNEW, J. Spatial Regression for Electoral Studies: The Case of the Italian Lega Nord. In WARF, B. a LEIB, J. Revitalizing Electoral Geography. Farnham Burlington : Ashgate, 2011, p. 59-74. 27. SIKK, A. Newness as a winning formula for new political parties. Party Politics, 2011, vol. 18, no. 4, p. 465-486. 28. Statistiska centralbyrån (http://www.scb.se/). 29. TOBLER, W. R. A Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography, 1970, vol. 46, no. 2, p. 234-240. 30. UNWIN, A. a UNWIN, D. Exploratory Spatial Data Analysis with Local Statistic. The Statistician, 1998, vol. 47, no. 3, p. 415-421. 31. Valmyndigheten (http://www.val.se/). 32. WARD, M. D. a O LOUGHLIN, J. Spatial Processes and Political Methodology: Introduction to the Special Issue. Political Analysis, 2002, vol. 10, no. 3, p. 211-216. Kontaktní údaje Mgr. Pavel Maškarinec, Ph.D. v Ústí nad Labem Filozofická fakulta, Katedra politologie a filozofie Pasteurova 1, 400 96 Ústí nad Labem Tel: +420 723 659 356 email: maskarinec@centrum.cz