《在国家冲突建模中理解区域变量的分层聚类方法》

目的：本文旨在研究国家冲突建模中的区域变量如何影响预测的准确性，并确定进一步改进预测的方法。

设计/方法/途径：本文使用统计学习方法评估国家聚类的数据量，并根据使用的聚类数量量化准确性。

研究结果：本研究表明，只要模型稳健，增加建模聚类的数量可提高预测冲突的能力。

独创性/价值：本研究调查了冲突建模中使用的聚类数量，而之前的研究在建模前假设了特定的数量。

战争是一场混乱的战争。战争不仅会付出当前的生命代价，还会影响未来的生命、财富和荣誉（声望）。尽管 20 世纪 40 年代在德国发生的事件已经过去了 70 多年，但人们仍然对大屠杀的宗教种族灭绝感到精神痛苦。如今，也门的政治冲突阻碍了发展，各派争夺政府的官方合法性。战争夺走的不仅仅是生命，它渗透到生活的方方面面。

从最高权力层到最底层的贫困地区，研究人员都在寻求并努力了解使战火持续不熄的构造--大量的时间、资源和研究推动着国家冲突与和平模型的建立。然而，具有讽刺意味的是，研究人员往往从狭隘的角度看待冲突，认为冲突与经济资源分配和信息博弈论有关（Brito 和 Intriligator，1985 年）。例如，Gartzke 主要关注资本相互依存的经济贡献（Gartzke et al. 然而，国家冲突总是比这更复杂--它是一个包含政治、经济和社会方面的产物。在对预测国家冲突的重要变量进行调查时，有五个代用指标不断浮出水面： 政体（通过政权类型）、人均国内生产总值（GDP）、冲突历史、人口数量和地区。然而，许多非政府组织在开发特定数据集方面花费了大量时间和资金。除地区分组外，所有变量都可追溯到开放源数据库。然而，区域往往是定性的，同时也显示出提高预测准确性的整体性（Hegre 等人，2013 年；Ahner 等人，2015 年；Leiby，2017 年）。尽管先前的研究将国家划分为多个地区，但在揭示地区代理的驱动因素及其重要性方面仍存在差距。有一种假设认为，地区代表了产生共同文化的各种变量的复杂混合物，驱动着其他变量如何影响国家的不稳定性。换句话说，在一个稳健的国家冲突预测模型中，地区替代值设定了所有其他替代值的系数水平。因此，我们的任务就是发展这些地区，使其他独立变量的预测影响最大化。

本研究考虑的变量远远多于以往文献中考虑的变量，在发展整体文化概念的同时，还形成了区域，以通过文化界限更好地模拟国家冲突。最值得注意的是，它研究了在建模过程中需要考虑的最佳区域数量，以及每个区域的地理边界划分，同时还考虑了数据的相似性。