ÉDSKÉ PIRÁTSKÉ STRANY V LETECH 2006–2010 THE SWEDISH PIRATE PARTY VOTER BASE, 2006-2010 Pavel Maškarinec Abstrakt 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). iv 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), . švédských pirát která dokázala
roce 2009 získala
1
jeden z
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) Fortin – 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)
mezi
(biased inefficient ekonometrie, které jsou schopny kontrolovat vliv prostorových Pro analýzu parlamentu (Riksdg) v letech 2006 až 2010 a EP 2009 detekcí prostorové autokorela clustering) 1
prvním kroku základní (spatial (spatial outliers)
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. ních i (z hlediska vymezení – Unwin, ice vah: diskrétní a spojité (Fotheringham et al., 2002, s. 42binární 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). 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 ale stické analýze dat, zejména regresní analýze (srov Fotheringham et al., 2002; Shin – Agnew, 2011). vykazovat jež pracují s prostor
(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 , které stojí za podporou PP nejsou stran s
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 než u dalších švédských stran
ukazují, že elektorát PP je celé délce pravolevé škály spektra. Podle Brunclíka (2010, s. 22) tak bude relevantní levici a pravici až poté, co pirátské strany
um
a .
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 )a
, –74 let s vyšším míra ijímoví (podíl
oškoláci (
–64 let –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 úrovni. Pohled na
– obecní atilo zejména pro volby do
EP 2009. podporou pouze – SAP)
v parlamentních volbách 2006 disponovala Socialdemokratiska Arbetare Partiet , 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. 2006 (Riksdag) 2009 (EP) 2010 (Riksdag) Zdroj: Valmyndigheten; Poznámka:
0,63 7,13 0,65
33,13 19,80 31,54
Moranovo I kritérium 0,158 0,309 0,380 -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 ív jihu Švédska vedl k vymizení shluku vysoké podpory ve Skåne k podpory PP sever zahrnující zejména kraje Stockholm, Uppsala, ale i navazující Västmanland, 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. R2, ale tzv. 2 pseudo-R 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 v
52
o
naopak nižším podílem postproduktivní populace. Zatímco v volbách tomu bylo naopak
Pokud se o mnoho z nich ých ých. . ztráceli, v evropských
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 2 R 0,302 0,522 0,467 Zdroj: Arbetsförmedlingen, SCB, Valmyndigheten; Poznámka: nestandardizované regresní koeficienty B, standardní odchylky v závorce.
4 Cílem p dat
y Potvrzena tak byla jak
stoupající tendencí) a
srovnání y OLS. I další charakteristiky pak potvrdily, že použitý prostorový
metoda OLS. Z švédské strany s globálního prostorového shlukování a pouze omezený rozsah lokálníc i v kraji Norrbotten, v (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
jednotlivých švédských obcí potvrdila ích studií. védské
piráty byly zejména obce s populace, zatímco pouze v tších obcích. Vliv z jejich elektorátu, tak tak, že
, hlasující ední generací.
evropských volbách, kdy piráty obcích s vyšší pro piráty,
Použitá literatura 1.
2. 3. 4.
5. 6. 7.
8.
9.
10. 11.
12.
13.
14.
15.
16. 17. 18. 19.
ANSELIN, L. Spatial Econometrics: Methods and Models. Dordrecht : Kluwer Academic Publisher, 1988, 284 s. ISBN 90-247-3735-4. ANSELIN, L. Local Indicators of Spatial Association–LISA. Geographical Analysis, 1995, vol. 27, no. 2, p. 93-115. 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. 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) Arbetsförmedlingen (http://www.arbetsformedlingen.se/). BRUNCLÍK, M. Pirátské strany: nový fenomén v politice. , 2010, -29. 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. 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. 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. CLIFF, A. D. a ORD, J. K. Spatial Processes: Models and Applications. London : Pion, 1981, 266 s. ISBN 08-85086-081-4. DUBIN, R. Spatial Weights. In FOTHERINGHAM, A. S. a ROGERSON, P. A. The SAGE Handbook of Spatial Analysis. London : SAGE Publications, 2009, p. 125157. 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. 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. 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. 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. HOLMBERG, S. a OSCARSSON, H. Svenskt väljarbeteende. Redogörelse för 2002 års valundersökning. Stockholm – Örebro : Statistiska centralbyrån, 2004. KOUBA prostorové režimy. Sociologick -1037. 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. 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
20. 21.
Voter Alignments: Cross-National Perspectives. New York : The Free Press, 1967, p. 1-64. 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. MAŠKARINEC, P. Evropského parlamentu 1995– Slovenská politologická revue, 22-50.
22. 23. 24. 25.
26.
27. 28. 29. 30. 31. 32.
krajní pravice v Rexter 75-117. MAŠKARINEC, P. Prostorová analýza prezidentských voleb v v roce 2013. Sociológia -469. OSCARSSON, H. a HOLMBERG, S. Swedish Voting Behavior. Goteborg : University of Gothenburg, 2010, 22 s. ISBN 91-89246-03-9. 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. 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. SIKK, A. Newness as a winning formula for new political parties. Party Politics, 2011, vol. 18, no. 4, p. 465-486. Statistiska centralbyrån (http://www.scb.se/). TOBLER, W. R. A Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography, 1970, vol. 46, no. 2, p. 234-240. UNWIN, A. a UNWIN, D. Exploratory Spatial Data Analysis with Local Statistic. The Statistician, 1998, vol. 47, no. 3, p. 415-421. Valmyndigheten (http://www.val.se/). 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:
[email protected]
