|
|
Spatial Analysis of Czech Parliamentary Election: Comparison of Spatial Econometrics and Machine Learning
Černý, Jakub ; Šťastná, Lenka (vedoucí práce) ; Gregor, Martin (oponent)
Práce analyzuje výsledky voleb do Poslanecké sněmovny Parlamentu ČR z roku 2021 a snaží se vysvětlit voličskou podporu významných politických subjektů za použití agregovaných dat z obcí ČR. Protože data vykazují prostorovou autokorelaci, je nutné k analýze použít vhodný prostorový model. Práce poskytuje empirické i ekonomické důkazy ve prospěch Spatial Durbin Error modelu, který umožňuje rozlišovat přímé a nepřímé efekty jednotlivých proměnných a bere v potaz i prostorovou závislost reziduí. Tato metoda ukazuje, že proměnné popisující socio-ekonomickou úroveň obyvatelstva, jako např. podíl podnikatelů nebo lidí s vysokoškolským vzděláním, hrají důležitou roli při vysvětlování volebních výsledků a převážně vykazují přímé efekty. Naopak, proměnné obecně popisující obce, jako např. veřejné výdaje nebo úroveň infrastruktury, ovlivňují volební výsledky spíše nepřímo. Následně je analýza replikována pomocí dvou algoritmů strojového učení na principu rozhodovacích stromů a všechny modely jsou porovnány na základě jejich schopnosti předpovídat volební výsledek z neznámých dat. Navzdory skutečnosti, že metody strojového učení neodhadují koeficienty k jednotlivým proměnným, ale pouze jejich relativní důležitost, představuje tento přístup perspektivní doplněk k oboru prostorových analýz.
|
host ::
RSS.