Daha önce grafikler vasıtasıyla görsel olarak incelediğim cumhurbaşkanlığı seçimini analitik testler ile incelemek istedim. Analizler için kullandığım veri seti partilerin büyükşehir olan illerde mahalli seçimlerdeki il genel meclisi oy oranları ve cumhurbaşkanı adaylarının bu illerde aldıkları oy oranlarından oluşmakta. İl genel meclisi seçimlerinde temsilci sayısı oy oranlarına göre belirlediği için seçmenlerin stratejik oy vermeleri ihtimali düşüktür. Yani seçmenler oylarını destekledikleri partiye vereceklerdir. Bu nedenle belediye başkanı seçimleri yerine il meclisi oy oranlarını kullanmak daha doğru olacaktır.

Cumhurbaşkanı adayları her ne kadar bağımsız adaylar olarak seçimlere katılmış olsalar da Erdoğan ve Demirtaş’ın parti lideri kimlikleri ve İhsanoğlu’nun ise CHP ve MHP tarafından çatı aday olarak sunulması adayların belli partileri ve seçmenleri temsil ettiği öngörümüzün dayanığını oluşturuyor. Cumhurbaşkanı adaylarını ve tekabül ettikleri siyasi parti seçmenini aşağıdaki gibi düşünebiliriz:

Erdoğan: AKP

Demirtaş: HDP ve BDP

İhsanoğlu: CHP ve MHP

Aşağıdaki değişenlerin tanımı:

İlk olarak grafiklerde gözlemlediğimiz MHP seçmeninin Erdoğan’ın %50 barajını geçmesindeki rolünü inceleyebiliriz. Bu bağlamda Spearman ve Kendall sıralamaya dayalı korelasyon katsayılarını kullanabiliriz. Erdoğan’ın her ilde AKP oy oranının üzerine eklediği oy oranıyla bu illerde MHP’nin yerel seçimlerde aldığı oy oranı arasında bir ilişki görülmekte. Her iki test de alternatif hipotez olarak Erdoğan’ın oylarını arttırdığı oran ile bu illerdeki MHP oy oranı arasında pozitif bir korelasyon olduğunu göstermekte. Spearman ve Kendall korelasyonlarını hesaplarken Diyarbakır ve Mardin’i gözlemlerin dışında tuttum zira bu illerde MHP’nin il meclisi için aldığı oy oranı %0’a çok yakın.

cor.test(data$RTE.AKP, data$MHP, method = "spearman", alternative = "greater")
## 
##  Spearman's rank correlation rho
## 
## data:  data$RTE.AKP and data$MHP
## S = 2644, p-value = 0.07708
## alternative hypothesis: true rho is greater than 0
## sample estimates:
##    rho 
## 0.2764
cor.test(data$RTE.AKP, data$MHP, method = "kendall", alternative = "greater")
## 
##  Kendall's rank correlation tau
## 
## data:  data$RTE.AKP and data$MHP
## T = 227, p-value = 0.06971
## alternative hypothesis: true tau is greater than 0
## sample estimates:
##    tau 
## 0.2011

Aynı testleri CHP’nin bu illerdeki oy oranlarını kullanarak tekrarlarsak negatif korelasyon görüyoruz. (Burada dikkat etmemiz gereken nokta CHP oylarını test ettiğimiz zaman alternatif hipotezin negatif korelasyon olması.) Bu da Erdoğan’ın seçilmesine MHP tabanından aldığı oyların yardımcı olduğu görüşümüzü doğruluyor.

cor.test(data$RTE.AKP,(data$CHP_MHP-data$MHP), method = "spearman", alternative = "less")
## 
##  Spearman's rank correlation rho
## 
## data:  data$RTE.AKP and (data$CHP_MHP - data$MHP)
## S = 6152, p-value = 4.59e-05
## alternative hypothesis: true rho is less than 0
## sample estimates:
##     rho 
## -0.6836
cor.test(data$RTE.AKP, (data$CHP_MHP-data$MHP), method = "kendall", alternative = "less")
## 
##  Kendall's rank correlation tau
## 
## data:  data$RTE.AKP and (data$CHP_MHP - data$MHP)
## T = 82, p-value = 4.23e-06
## alternative hypothesis: true tau is less than 0
## sample estimates:
##     tau 
## -0.5661

Diğer ilginç bir noktaysa Demirtaş’ın kazandığı oylardaki CHP seçmeninin rolü. Demirtaş’ın HDP+BDP oy oranının üzerine çıktığı iller ile bu illerdeki CHP oy oranı arasında pozitif bir ilişki var. Aynı zamanda MHP oy oranıyla bir ilişki gözlenmiyor.

cor.test(data$SD.BDP_HDP, (data$CHP_MHP-data$MHP), method = "kendall", alternative = "greater")
## 
##  Kendall's rank correlation tau
## 
## data:  data$SD.BDP_HDP and (data$CHP_MHP - data$MHP)
## T = 239, p-value = 0.02491
## alternative hypothesis: true tau is greater than 0
## sample estimates:
##    tau 
## 0.2646
cor.test(data$SD.BDP_HDP, data$MHP, method = "kendall", alternative = "greater")
## 
##  Kendall's rank correlation tau
## 
## data:  data$SD.BDP_HDP and data$MHP
## T = 194, p-value = 0.4301
## alternative hypothesis: true tau is greater than 0
## sample estimates:
##     tau 
## 0.02646

Aynı şekilde cumhurbaşkanı adaylarının oy kazanımları (kayıpları) ile seçime katılım oranı arasındaki ilişkiye baktığımızda hiçbir adayın oy kazanımıyla seçime katılım oranı arasında bir korelasyon göremiyoruz.

cor.test(data$RTE.AKP, data$Katilim, method = "kendall", alternative = "two.sided")
## 
##  Kendall's rank correlation tau
## 
## data:  data$RTE.AKP and data$Katilim
## T = 166, p-value = 0.3774
## alternative hypothesis: true tau is not equal to 0
## sample estimates:
##     tau 
## -0.1217
cor.test(data$EI.CHP_MHP, data$Katilim, method = "kendall", alternative = "two.sided")
## 
##  Kendall's rank correlation tau
## 
## data:  data$EI.CHP_MHP and data$Katilim
## T = 182, p-value = 0.7992
## alternative hypothesis: true tau is not equal to 0
## sample estimates:
##      tau 
## -0.03704
cor.test(data$SD.BDP_HDP, data$Katilim, method = "kendall", alternative = "two.sided")
## 
##  Kendall's rank correlation tau
## 
## data:  data$SD.BDP_HDP and data$Katilim
## T = 215, p-value = 0.3168
## alternative hypothesis: true tau is not equal to 0
## sample estimates:
##    tau 
## 0.1376

Adayların oy kazanımları yerine aldıkları oy oranlarına baktığımızda, Erdoğan’ın oy oranının katılım oranı ile korelasyonu olmadığını fakat İhsanoğlu ve Demirtaş’ın oylarının sırasıyla pozitif ve negatif korelasyonu olduğunu görüyoruz. Fakat bunu Ege Bölgesi’ndeki yüksek katılım oranı ve yüksek CHP/İhsanoğlu seçmeniyle açıklayabiliriz. Adayların oy kazanım ve kayıplarına bakmanın daha doğru olduğunu düşünüyorum. Böylece katılım oranının oy oranlarına yerel seçimlere nazaran nasıl yansıdığını görebiliriz.

cor.test(data$EI, data$Katilim, method = "kendall", alternative = "greater")
## 
##  Kendall's rank correlation tau
## 
## data:  data$EI and data$Katilim
## T = 224, p-value = 0.0872
## alternative hypothesis: true tau is greater than 0
## sample estimates:
##    tau 
## 0.1852
cor.test(data$SD, data$Katilim, method = "kendall", alternative = "less")
## 
##  Kendall's rank correlation tau
## 
## data:  data$SD and data$Katilim
## T = 144, p-value = 0.03928
## alternative hypothesis: true tau is less than 0
## sample estimates:
##     tau 
## -0.2381

Son olarak cumhurbaşkanı adaylarının oy kazanımlarını basit regresyon modeli ile açıklamayı deneyebiliriz. MHP oranı yukarıda tanımladığımız gibi CHP ve MHP’nin yerel seçimlerde aldığı toplam oy oranı içindeki MHP oy oranını gösteriyor. Kısaca çatı aday olan İhsanoğlu’na bir ilde daha çok MHP tabanından mı yoksa CHP’den mi oy gelmesini beklediğimizin bir göstergesi. Katılım oranı ise cumhurbaşkanlığı seçimine bir ildeki katılım oranı, Kullanılan Oy/Kayıtlı Seçmen.

Dikkat çekici noktalar katılım oranının sadece Demirtaş’ın oy kazanımına istatistiksel olarak bir etki yaptığı pozitif bir etki yaptığı. Diğer göze çarpan nokta ise MHP’nin oy oranının Erdoğan’ın oy kazanımına olan pozitif etkisi ve diğer adaylar için gösterdiği negatif etki. Kısaca çatı adayın hitap etmesini beklediğimiz CHP ve MHP oyları içinde MHP’nin oylarının oranı yüksekdikçe Erdoğan’ın oylarını arttırmasını bekliyoruz.

% Oy Kazanımı = MHP_orani+Katilim

RTE_AKP_Farki<-lm(RTE.AKP~0+MHP_orani+Katilim,data=data)
summary(RTE_AKP_Farki)
## 
## Call:
## lm(formula = RTE.AKP ~ 0 + MHP_orani + Katilim, data = data)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -7.724 -1.851 -0.151  1.658  6.555 
## 
## Coefficients:
##           Estimate Std. Error t value Pr(>|t|)    
## MHP_orani   0.1463     0.0292    5.01  3.3e-05 ***
## Katilim     0.0249     0.0204    1.22     0.23    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.21 on 26 degrees of freedom
## Multiple R-squared:  0.908,  Adjusted R-squared:  0.901 
## F-statistic:  129 on 2 and 26 DF,  p-value: 3.23e-14
EI_CHPMHP_Farki<-lm(EI.CHP_MHP~0+MHP_orani+Katilim,data=data)
summary(EI_CHPMHP_Farki)
## 
## Call:
## lm(formula = EI.CHP_MHP ~ 0 + MHP_orani + Katilim, data = data)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -6.669 -1.493  0.028  1.251  9.356 
## 
## Coefficients:
##           Estimate Std. Error t value Pr(>|t|)  
## MHP_orani  -0.0711     0.0312   -2.28    0.031 *
## Katilim    -0.0253     0.0217   -1.16    0.255  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.43 on 26 degrees of freedom
## Multiple R-squared:  0.749,  Adjusted R-squared:  0.73 
## F-statistic: 38.9 on 2 and 26 DF,  p-value: 1.53e-08
SD_BDPHDP_Farki<-lm(SD.BDP_HDP~0+MHP_orani+Katilim,data=data)
summary(SD_BDPHDP_Farki)
## 
## Call:
## lm(formula = SD.BDP_HDP ~ 0 + MHP_orani + Katilim, data = data)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -2.263 -0.728 -0.162  0.597  3.487 
## 
## Coefficients:
##           Estimate Std. Error t value Pr(>|t|)    
## MHP_orani -0.02343    0.01098   -2.13    0.042 *  
## Katilim    0.04928    0.00765    6.44    8e-07 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.21 on 26 degrees of freedom
## Multiple R-squared:  0.844,  Adjusted R-squared:  0.832 
## F-statistic: 70.1 on 2 and 26 DF,  p-value: 3.34e-11