?
К использованию методов машинного обучения для ранжирования факторов дестабилизации в странах мир-системной периферии
В работе представлена попытка проанализировать различные предикторы нестабильности. Для того чтобы принять во внимание неоднородность проявлений политического насилия в мире, авторы использовали факторный анализа для разделения различных проявлений дестабилизации. В итоге было выделено две основные главные компоненты: массовая нестабильность (характеризующаяся массовыми акциями протеста, забастовками и беспорядками) и «кровавая» нестабильность (характеризующаяся террористическими актами, политическими убийствами и т. д.). Также был использован мир-системный подход, чтобы изучить предикторы дестабилизации для развивающихся и развитых стран по отдельности. В качестве основного метода анализа были использованы модели машинного обучения, позволяющие эффективно работать с большим количеством переменных (количество которых в данном случае превышало 150). Данный подход позволял также оценивать не только значимость переменных, но и направление связи. Сравнительный анализ проводился с разделением переменных на несколько групп – на экономические, социальные и политические индикаторы. Демографические переменные оказали наибольшее влияние во всех мир-системных зонах на все типы нестабильности. Авторы также отмечают предельную значимость экономических переменных, особенно уровня экономического роста. Массовая протестная нестабильность оказалась связана более с экономическими и демографическими показателями, в то время как кровавая нестабильность показала сильную связь с социально-политическими показателями.
В книге
