Πρόδρομος Προδρομίδης Ερευνητής ΚΕΠΕ, Επισκ. αναπλ. καθηγητής ΟΠΑ-ΑΣΟΕΕ Αξιοποίησις ΓΠΣ για τον προσδιορισμό παραλειπομένης πληροφορήσεως σε οικονομετρική ανάλυση: Η περίπτωσις της αναλύσεως των εκλογικών αποτελεσμάτων του η Πανελλαδική Συνάντηση Χρηστών Γεωγραφικών Συστημάτων Πληροφοριών Αθήνα, 3 Νοεμβρίου 2010 σε συνεργασία με τον Κωνσταντίνο Χατζή Περιβαλλοντολόγο, απόφοιτο Πανεπιστημίων Plymouth και Αιγαίου

Αγγλόφωνη εκδοχή: Modeling omitted spatial information: The case of the 2000 national elections in Greece. The paper proposes a methodology for utilizing spatial information extracted from the residuals in order to identify distinctive groupings of localities (not isolated outliers) and incorporate the latter in the regression as proxies for unobserved characteristics. This is applied to the 2000 Greek national election results. The vote shares received across the country’s municipalities by the four political parties that entered parliament are analyzed within a seemingly unrelated regression framework. In particular, the regressands are explained in terms of conventional determinants (such as population density, demographic, education and employment composition features) recorded in the 2001 census, and spatial heterogeneity dummies constructed after the spatial patterns of the residuals. Thus, the paper enriches the relevant literature that either estimates coefficients of conventional territorial partitions or uses the information contained in the residuals in order to estimate spatial-autocorrelation-corrected coefficients for the other conventional determinants but fails to consider spatial coefficients. Περίληψις (abstract) από το 49ο συνέδριο της Ευρωπαϊκής Εταιρείας της Περιφερειακής Επιστήμης, στην αλλοδαπή.

Ο οικονομολόγος συχνά αξιοποιεί μια σειρά εργαλείων για την ανάλυση οικονομικών μετρήσεων (τα λεγόμενα οικονο- μετρικά εργαλεία) προκειμένου να εξηγήσει ένα φαινόμενο ή μέγεθος Χ ως συνάρτηση των μεγεθών Ψ και Ω. Απλό γραμμικό παράδειγμα: Χ = α + βΨ + γΩ Αν ο αναλυτής δεν γνωρίζει ποιο είναι το «Ω» ή δεν διαθέτει στοιχεία για αυτό, θα εκτιμήσει: Χ = a + bΨ Συνέπειες: (1) a≠α. (2) Υποεκτιμάται ο στατιστικός δείκτης «t» με αποτέλεσμα να μην μπορεί να επιβεβαιωθεί πάντα ότι, όντως, οι συ- ντελεστές «a» και «b» είναι σημαντικοί. (Σε αυτές τις περιπτώσεις καθίσταται αβέβαιο αν το Ψ επιδρά στο Χ.) Ο ορισμός του προβλήματος (Τα Ψ, Ω είναι ανεξάρτητα, ασυσχέτιστα.)

Τίθεται το ερώτημα: Υπάρχει τρόπος, ακόμα και αν δεν έχουμε άλλα στοιχεία, να εκμαιεύσουμε κάποια πληροφορία για την μορφή, διάταξη, σχήμα του (ενδεχομένως αγνώστου) Ω και να εισάγουμε την πληροφορία αυτή στη σχέση Χ = a + bΨ; Η απάντηση είναι: Nαι, μέσω του χώρου. Διευκρίνησις: Δεν υπονοείται η (διερευνητική ή συμπτω- ματική) εισαγωγή γεωγραφικών ή άλλων πληροφοριών τύπου «ακριτική περιοχή», «πεδινή περιοχή», «περιοχή κοντά σε σιδηροδρομικό σταθμό ή λιμένα» κ.τ.τ., αλλά η αξιοποίησις λογισμικού γεωγραφικών πληροφοριακών συστημάτων (ΓΠΣ).

Στην περίπτωση που αξιοποιούνται παρατηρήσεις διαστρω- ματικών στοιχείων για τις μεταβλητές Χ και το Ψ που αντι- στοιχούν, φερ΄ειπείν, σε: οικογενειακή κατανάλωση και εισόδημα, ανεργία και φύλο ή ηλικία ατόμου, παραγωγή και εκπαιδευτικό επίπεδο του εργατικού δυναμικού μια επιχειρήσεως ή περιοχής κ.ο.κ., μπορεί να επιχειρηθεί μια απλή ˆ αφαίρεση μεταξύ της γνωστής μεταβλητής Χ και της εκτιμήσε- ˆ ώς της που προκύπτει από την παλινδρόμηση. Με τον τρόπο αυτό λαμβάνεται ένα υπόλοιπο, Υ, για κάθε παρατήρηση, δηλ. μια νέα μεταβλητή που αντανακλά εκφάν- σεις του Ω. Εκτιμάται: Χ= a + bΨ Υ= Χ – Χ

Μέσω του ArcGIS τo μέγεθος αυτό μπορεί να προβληθεί στο χώρο. Η εικόνα που προκύπτει στο χάρτη επιτρέπει στη σκέψη μας να κατευθυνθεί προς ορισμένα συμπεράσματα, λ.χ., ότι το φαινόμενο Ω είναι έντονο κυρίως στα σύνορα ή τις πεδιάδες ή ότι η κατανομή τoυ δεν είναι έντονη στις περιοχές με σι- δηροδρομικούς σταθμούς και λιμένες κ.ο.κ. Με άλλα λόγια: Παρέχει χρήσιμα ερεθίσματα προκειμένου να προσδιορί- σουμε τον άγνωστο παράγοντα Ω που «ευθύνεται» για το φαινόμενο (ή συμπεριφορά ή επίδοση) που εξετάζουμε. Αποκαλύπτει στοιχεία που μας επιτρέπουν να σχεδιάσου- με χωρικά στοχευμένη πολιτική, σχετική με τις επιδιώξεις μας.

Χάριν παραδείγματος επιχειρούμε να εξηγήσουμε (α) τα πο- σοστά που έλαβαν οι πολιτικοί σχηματισμοί που εισήλθαν στην βουλή κατά τις εθνικές εκλογές του Απρ.2000 με (β) τα απογραφικά στοιχεία του Μαρ περιοχές (δήμους και κοινότητες). Πέντε συναρτήσεις (ΠΑΣΟΚ, ΝΔ, ΚΚΕ, ΣΥΝ, λοιποί). Εκλογικό ποσοστό = α + β (ψ/μ εισροής ετεροδημοτών) + γ (πληθυσμιακή πυκνότητα) + δ (δημογραφ. σύνθεση περιοχής σε %) + ε (εκπαιδ. σύνθεση πληθυσμού σε %) + ζ (επαγγελμ. σύνθεση πληθυσμού σε %). Ο υπολογισμός και η προβολή των υπολοίπων της κάθε συναρτήσεως στον χάρτη επιτρέπει τον εντοπισμό συστά- δων (περιοχών) με κοινά χαρακτηριστικά. Κατασκευάζε- ται μια ψ/μεταβλητή για κάθε τέτοια συστάδα, η οποία και ενσωματώνεται στην συνάρτηση: + η (χωρική μεταβλητή).

ΠΑΣΟΚ ΝΔ ΚΚΕ ΣΥΝ R 2 69,19%75,24%6,88%63,17% \ Πληθυσμιακή πυκνότητα Κάτοικοι ανά km 2 –++ Κάτοικοι ανά km 2 στο τετράγωνο+–– \ που προκύπτουν με την μέθοδο των φαινομενικά ασυσχε- τίστων παλινδρομήσεων ( SUR ) R 2 : Ο συντελεστής προσδιορισμού είναι μέτρο της ικανότητος προσαρμογής του υποδείγμα- τος στα στοιχεία. Στατιστικώς σημαντικά αποτελέσματα

Σύνθεση νοικοκυριού ΠΑΣΟΚ ΝΔ. ΚΚΕ ΣΥΝ % ηλικίας 0-14 ετών +– % ηλικίας ετών +– % θήλεις ηλικίας – % άρρενες ηλικίας % θήλεις ηλικίας % άρρενες ηλικίας (πληθ. αναφ.) % θήλεις ηλικίας % άρρενες ηλικίας – % θήλεις ηλικίας % άρρενες ηλικίας % θήλεις ηλικίας – % άρρενες ηλικίας % θήλεις ηλικίας ≥ 75 % άρρενες ηλικίας ≥ 75+– Στατιστικώς σημαντικά αποτελέσματα

Εκπαιδευτική σύνθεση ΠΑΣΟΚ ΝΔ. ΚΚΕ ΣΥΝ % άνευ απολυτηρίου (πληθ. αναφ.) % θήλεις απόφοιτ. δημοτικού –++ αποφοιτ. 3-ετούς δευτεροβ. εκπ. απόφοιτ. 6-ετούς δευτεροβ. εκπ. αποφοιτ. μεταλυκειακής εκπ. ++ πτυχιoύχοι τριτοβαθμ. εκπ.+ με μεταπτυχιακό τίτλο –+ % άρρενες απόφοιτ. δημοτικού – αποφοιτ. 3-ετούς δευτεροβ. εκπ. απόφοιτ. 6-ετούς δευτεροβ. εκπ. αποφοιτ. μεταλυκειακής εκπ. πτυχιoύχοι τριτοβαθμ. εκπ. με μεταπτυχιακό τίτλο +– Στατιστικώς σημαντικά αποτελέσματα

Επαγγελματική σύνθεση ΠΑΣΟΚ ΝΔ. ΚΚΕ ΣΥΝ % θήλεις εκτός αγοράς εργασίας ή άνεργες σε κλάδο ξενοδοχ. κ.ά. + σε κλάδο οικιακών υπηρεσ. –++ % άρρενες εκτός αγοράς εργασίας –+ άνεργοι –+ σε εμπορικό κλάδο–+ σε κλάδο μεταφορών κ.ά. σε χρηματοπιστωτ. κλάδο +– σε εκπαιδευτικό κλάδο + σε κλάδο οικιακών υπηρ. –+–– Στατιστικώς σημαντικά αποτελέσματα

Επαγγελματική σύνθεση ΠΑΣΟΚ ΝΔΚΚΕ ΣΥΝ % θήλεις υπάλληλοι γραφείου +– ειδικευόμ. τεχνίτριες – + – % άρρενες εργαζόμενοι ως τεχνολόγοι, τεχν. βοηθοί +– ειδικευόμενοι τεχνίτες +–+ ανειδίκευτοι εργάτες –+ % θήλεις εργοδότριες + % άρρενες εργοδότες –+ % μισθωτοί, αυτοαπασχολού- μενοι και εργαζόμενοι σε άλλους κλάδους και επαγ- γέλματα (πληθ. αναφοράς) Στατιστικώς σημαντικά αποτελέσματα

Υπόμνημα. Προτίμηση προς: ΠΑΣΟΚ ΝΔ ΠΑΣΟΚ και ΚΚΕ ΠΑΣΟΚ και ΣΥΝ ΚΚΕ ΚΚΕ και ΣΥΝ ΣΥΝ Άλλα πολιτικά κόμματα Άλλες περιοχές Από αλλεπάλληλες δοκιμές (βγάλε-βάλε) διαπιστώνεται ότι η ενσω- μάτωσις δήμων-κοινοτήτων με υπόλοιπο ≥ 0,025 (α) βελτι- ώνει το R 2 και (β) παράγει στατι- στικώς σημαντικούς συντελεστές. Στατιστικώς σημαντικά αποτελέσματα

Τα ευρήματα που αφορούν στις επιδράσεις των πέντε πρώ- των μεταβλητών ενδεχομένως είναι αξιοποιήσιμα για την ανάλυση ενός πολιτικού επιστήμονα ή το σχεδιασμό στρα- τηγικής ενός πολιτικού φορέα σε εθνικό επίπεδο. (Λ.χ. πως συμπεριφέρεται ή τι προτιμάει η μια η άλλη δημογραφική ή επαγγελματική ομάδα κ.ο.κ.) Τα ευρήματα που αφορούν στις επιδράσεις τις νέας μετα- βλητής είναι αξιοποιήσιμα για αναλύσεις τοπικών κοινωνι- ών ή για τις επιλογές πολιτευτών και τις δράσεων πολιτικών φορέων σε τοπικό επίπεδο. (Λ.χ. υπάρχει (α) σημαντική διαφοροποίηση στην ε- κλογική συμπεριφορά στις ιδιαίτερες πατρίδες ιδρυ- τών ή αρχηγών κομμάτων ή (β) κάποια παραταξια- κή/οπαδική συμπεριφορά που μπορεί να αποδοθεί στην ιστορία (μεταβίβαση μνήμης από γενιά σε γε- νιά) κ.ο.κ.)

Με την αξιοποίηση του ArcGIS 1.Έχοντας απομονώσει τις επιρροές παραγόντων για τους οποίους είχαμε στοιχεία, εντοπίσαμε περιοχές με συστημα- τικά διαφορετικές προτιμήσεις. 2.Διερευνήσαμε τι συμβαίνει στους όμορους δήμους και κοι- νότητες των ανωτέρω περιοχών πειραματιζόμενοι με την επίδραση της προσθήκης ή μη της δείνα ή τάδε παρατη- ρήσεως στο στατιστικό «t» ή «R 2 ». Έτσι βελτιώσαμε τo οι- κονομετρικό εργαλείο. 3.Απεικονίσαμε τα στατιστικώς σημαντικά αποτελέσματα. Με τον τρόπο αυτό εντοπίσαμε (α) περιοχές όπου η παραταξια- κή επιλογή ή συνείδηση ήταν ισχυρή και (β) περιοχές που δεν ήταν. Η εικόνα επέτρεψε (διευκόλυνε) την δημιουργία σκέψεων/ερεθισμάτων ώστε να συνδέσουμε (εξηγήσουμε) κάποιες περιπτώσεις με συγκεκριμένα περιστατικά. Έτσι κα- ταλήξαμε εγγύτερα στο στοιχείο Ω που μας έλειπε.

Περαιτέρω σκέψεις, επεκτάσεις I.Αν και τα ευρήματα αυτά την βραδιά των εκλογών επικα- λυφθήκαν από τα συγκεντρωτικά αποτελέσματα που ανα- κοινωθήκαν σε επίπεδο νομού ή περιφερείας, είναι στατι- στικώς σημαντικά και επιδράσαν στην τελική έκβαση. Ίσως να είναι πάλι επίκαιρα την ερχόμενη Κυριακή. ΙΙ. Τα ανωτέρω ευρήματα ενδέχεται να είναι χρήσιμα για την χάραξη και στόχευση της επικοινωνιακής πολιτικής των κομματικών επιτελείων. Για εμάς είναι απλώς μια ενδια- φέρουσα εφαρμογή. ΙΙΙ. Παρεμφερής διερεύνηση των προτιμήσεων του κοινού με την συνδυασμένη χρήση οικονομετρικού λογισμικού και λογισμικού ΓΠΣ θα μπορούσε να αναληφθεί για πολλά προϊόντα ή υπηρεσίες (από την αγορά σαπουνιού ως τις τηλεθεάσεις).