Page 274 - kpi19903

239

การเมืองที่สอดคล้องกันมากกว่าเพื่อนบ้านที่ห่างไกล พบว่าภายในรัศมี 1/3 ไมล์ ได้ถูกเลือกเป็นระยะทางที่
เหมาะสมที่สุด ของการมีปฏิสัมพันธ์กัน (Makse et al., 2014)

การเลือกตั้งในรัฐเวอร์จิเนีย สหรัฐอเมริกา ระหว่างปี 2003 และปี 2006 พบว่ามีความสัมพันธ์เชิง

พื้นที่ (Spatial Autocorrelation) โดยที่ผู้คนในบริเวณใกล้เคียงกันมีแนวโน้มที่จะออกเสียงลงคะแนนไปใน
ทิศทางเดียวกัน (Michael Teryle McGahee, 2008) เช่นเดียวกับการศึกษารูปแบบการเลือกตั้งในการ

เลือกตั้งทั่วไปของอังกฤษ (England) และเวลล์ (Wales) ในปี ค.ศ. 2005 โดยพิจารณาถึงอิทธิพลทางด้าน

พื้นที่ที่อาจจะส่งผลต่อรูปแบบของการเลือกตั้งพบว่า รูปแบบของการเลือกตั้งไม่ได้เป็นอิสระจาก ความสัมพันธ์
เชิงพื้นที่ซึ่งเป็นปัจจัยที่ส าคัญต่อรูปแบบการเลือกตั้งพบว่าพรรคการเมืองส่วนใหญ่ได้รับอิทธิพลจากขอบเขตที่

แตกต่างกัน เห็นได้ชัดในกรณีของพรรคเสรีประชาธิปไตย (Liberal Democrats) ที่ใช้ประโยชน์จาก

ความสัมพันธ์เชิงพื้นที่ในการเพิ่มส่วนแบ่งคะแนนของพวกเขา (David Cutts & Don J. Webber, 2010)
การศึกษาในประเทศไทยพบว่าผลการเลือกตั้งของไทยมีความเป็นภูมิภาคนิยม และพรรคการเมืองใด

พรรคการเมืองหนึ่งโดยเฉพาะพรรคการเมืองใหญ่จะชนะการเลือกตั้งในการเลือกตั้งภูมิภาคหนึ่ง ๆ และไม่ชนะ

เลยในอีกภูมิภาคหนึ่ง (อรรถสิทธิ์ พานแก้ว, 2556a)
ในบทนี้จะใช้สถิติ Moran’s I ในการหาความสัมพันธ์เชิงพื้นที่ของผลการเลือกตั้ง ปี 2554 เพื่อ

พิจารณาความสัมพันธ์เชิงพื้นที่ว่าเป็นไปตามกฎข้อที่ 1 ของภูมิศาสตร์หรือไม่ โดยใช้โปรแกรม GeoDa

(Anselin, 2003; L Anselin, 2005b)
ในการวิเคราะห์ความสัมพันธ์ โดยค่าของสถิติ Moran’s I สามารถมีได้ตั้งแต่ -1 ถึง 1 หากค่าเข้าใกล้

1 นั่นหมายถึงข้อมูลมีความเกาะกลุ่ม (Cluster) กัน หรือข้อมูลที่อยู่ใกล้ ๆ กันจะมีลักษณะคล้ายกัน และมี

ความสัมพันธ์กันน้อยลงเมื่อมีระยะทางเพิ่มขึ้น เมื่อวิเคราะห์ผลคะแนนเลือกตั้งด้วย สถิติ Moran’s I จะทราบ
ว่าผลการเลือกตั้งมีรูปแบบการกระจายเชิงพื้นที่เป็นอย่างไร เกาะกลุ่มกันหรือไม่ แต่ไม่สามารถทราบได้ว่า

รูปแบบการเกาะกลุ่มหรือกระจายนั้นนั้นเกิดขึ้นบริเวณใดเพราะเป็นค่าสถิติที่สรุปออกมาเพียงค่าเดียว

ดังนั้นเพื่อหาค าตอบที่แน่ชัด จึงได้วิเคราะห์ความเข้มข้นของผลการเลือกตั้งโดย Local Indicators of
Spatial Association (LISA) (Luc Anselin, 1995) เพื่อแสดงให้เห็นถึงความเข้มข้นของพื้นที่ที่เกิดพฤติกรรม

การเลือกตั้ง และสามารถน ามาวาดแผนที่ความร้อน (Heat map) ท าให้เข้าใจรายละเอียดในการจับกลุ่มและ

จับกลุ่มย่อยของพื้นที่เขตเลือกตั้ง
วิธีการหารูปแบบการกระจายท าโดยน าข้อมูลผลการเลือกตั้งมาหาสัดส่วนด้วยวิธี Empirical Bayes

Smoothing (EBS) หลังจากนั้นท าการเชื่อม (join) ข้อมูลทั้งสองเข้าด้วยกันด้วยวิธี Join Table Attribute

ด้วยโปรแกรม QGIS และในส่วนของเขตเลือกตั้งนั้นน ามาหาค่าถ่วงน้ าหนักเชิงพื้นที่ (Spatial weight) หาค่า
Spatial Autocorrelation ด้วยการวิเคราะห์ Global Moran's I statistic และดูรูปแบบการกระจายแบบ

เกาะกลุ่ม (Clustering) โดยสิ่งที่อยู่ใกล้กันมีแนวโน้มว่าจะมีความคล้ายกัน (Similar) แต่หากมีรูปแบบการ

กระจายแบบตรงข้ามกับแบบกลุ่มคือไม่มีการรวมกลุ่มของพฤติกรรมข้อมูลที่คล้ายกันแต่เป็นแบบต่างกัน