政治脆弱性 ： 政变及其驱动因素

政治脆弱性 政变及其驱动因素 AlionaCebotari,EnriqueChueca-Montuenga,YoroDiallo,YunshengMa,RimaTurk,WeiningXin和HaroldZavarce WP/24/34 IMF工作文件描述了 作者的进展，并发表至引发评论并鼓励辩论。 国际货币基金组织工作文件中表达的观点是作者的那些，不一定 代表国际货币基金组织，其执行董事会，或国际货币基金组织管理。 2024 FEB ©2023国际货币基金组织WP/24/34 IMF工作文件 非洲部和战略、政策和审查部 政治脆弱性：政变及其驱动因素 由AlionaCebotari,EnriqueChueca-Montuenga,YoroDiallo,YunshengMa,RimaTurk, 新卫宁和哈罗德·扎瓦尔斯 由AndreaRichterHume（AFR）和BoileauLoko（SPR）授权发行 2024年1月 国际货币基金组织工作文件描述了作者正在进行的研究，并发表了 评论和鼓励辩论。基金组织工作文件中表达的观点是 作者（S），不一定代表国际货币基金组织，其执行董事会或国际货币基金组织管理层的观点。 摘要：本文通过将政变作为征兆，探讨了政治脆弱性的驱动因素。 suchfragility.Ituseseventstudiestoidentifyfactorsthatexhibitsignificantlydifferentdynamicintherunupto 政变和机器学习来识别这些压力源和更多的脆弱性结构决定因素-以及作为他们的非线性相互作用-创造了一个有利于政变的环境。论文发现一个国家的经济、政治或安全环境的不稳定——如低增长、高通胀、 软弱的外部地位、政治不稳定和冲突-为更高的政变可能性奠定了基础，重叠的压力源相互放大。这些压力源更有可能导致政治崩溃 当人口压力和潜在的结构性弱点(特别是贫困、排斥、 和薄弱的治理)通过复杂的相互作用存在或政策较弱时。相反，强化的基本面和宏观政策在结构脆弱的环境中有更高的回报 避免政治崩溃，这表明多边机构和 在脆弱的情况下，捐助者可能会产生特别高的红利。该模型在预测方面表现良好 政变样本之外，预测了包括萨赫勒地区在内的大多数2020-23年政变的可能性很高。 推荐引用:Cebotari,Aliona,Chueca-Montuenga,Enrique,Diallo,Yoro,Ma,Yunsheng, Turk,Rima,Xin,WeiningandZavarce,Harold,2024,“政治脆弱性:政变及其驱动因素”, JEL分类号: C10;C50;D74;O11 关键字: 脆弱性;脆弱性的驱动因素;政变;机器学习 作者的电子邮件地址： ACebotari@imf.org,JChuecaMontuenga@imf.org, YDiallo2@imf.org,YunshengMa@email.gwu.edu,RTurk@imf.org,WXin@imf.org,HZavarce@imf.org 货币基金组织工作文件24/34 工作文件 政治脆弱性 政变及其驱动因素 由AlionaCebotari,EnriqueChueca-Montuenga,YoroDiallo, 马云生、里玛·特克、魏宁·辛和哈罗德·扎瓦尔斯1 1作者要感谢曲丽彤和姚嘉雄对论文的早期贡献，JustinLesniak的优秀研究援助，以及PhilipBarrett、LucaRicci和非洲部研讨会的参与者评论。 Contents 1.简介……………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………3 2. 关于政变的一些程式化事实。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。。。。。。。。。。。。。。。。。。。。。。。。。 3.围绕政变的动态：事件研究 政变前动态：压力源。 并发动态：与政变的共同运动。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。政变后的动态：政治脆弱性的影响。 4.了解政变的驱动因素：机器学习 顶级预测因子及其随时间的演变预测因素如何影响政变的概率 政变的结合预测因子和结构预测因子之间的相互作用。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26 5.用机器学习模型预测政变。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 o31 该模型对政变的预测能力如何？31 在最近的案例中，高预测政变概率背后的主要因素是什么？ 6.结论……………………………………………………………………………………………………………………………………………… …………………………………………………………………………………………34 参考资料36 附件一数据和方法39 数据39 事件研究方法论43 机器学习方法论44 机器学习算法：基于树的模型 模型绩效评估……………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………… 超参数调优46 归因47 Shapley值47 附件二：事件研究结果49 附件三、机器学习结果………………………………… 附件四。政变：精选案件。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。。。 萨赫勒地区，2020-23年。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 苏丹，2021年………………………………………………………………………………………………………………………………………… …………62 委内瑞拉：政治脆弱的悠久历史…………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………63 1.Introduction 与政变的长期下降相比，2020-23年政变的激增在纯粹的方面脱颖而出撒哈拉以南非洲的数量和集中度，提醒我们许多政治制度的脆弱性。 在萨赫勒地区及其周围地区进行的一系列军事收购或收购尝试（乍得，中部非洲共和国，马里，布基纳法索，尼日尔，几内亚，苏丹）中断了 自1960年代以来的政变（图1）。他们发生在 全球大流行、安全局势恶化、国内社会政治不稳定以及不断上升的地缘政治- 政治紧张局势。它们也是在许多国家高度关注的背景下发生的在此期间，一些国际机构通过了 脆弱国家的战略或框架(经合组织、世界银行和国际货币基金组织等) 提高对脆弱性驱动因素的认识，并吸取如何最好地减轻脆弱性的教训。 作为更好地理解脆弱性各种表现形式的努力的一部分，本文侧重于政变是政治脆弱性的征兆。1如果人们将脆弱性视为经济或 由于对冲击的不成比例的不利反应，在政治领域崩溃是通过不规则的权力转移(政变)或由于无法 以其他方式解决社会政治不满。Thepaperfocusesoncoupsasaexpressionofsuch 脆弱性，旨在通过识别它们的驱动因素和它们之间潜在的复杂相互作用 1本文是Cebotari等人(2023)为国家脆弱性开发分析框架的更广泛工作的一部分。这 框架是建立在Taleb(2014)开发的脆弱性概念上的-其中脆弱性在数学上被定义为一个超-对大型负面冲击或时间(作为压力源)的线性响应-并将其扩展到积极领域作为次线性响应积极冲击（或时间）。换句话说，该框架将脆弱性定义为经济或政治系统的崩溃 由于对负面冲击的不成比例的不良反应（“压力引起的脆弱性”）或无法产生/维持随着时间的推移增长(“慢性脆弱性”)。 使用机器学习技术。我们有兴趣探索可能 强调经济和政治制度，使社会政治环境变得 有利于政变，即压力源，但也有利于更结构性的因素，可以解释为什么- 当面临这样的压力时-一些国家经历政变，而另一些国家没有，即脆弱。同时，我们不寻求探索政变的直接触发因素 相当随机和不可预测-例如MohamedBouazizi在突尼斯的Sidi自焚Bouzid在2010年引发了阿拉伯之春或尼日尔总统卫队负责人被解雇2023年7月，据说这是政变的直接原因。 本文首先使用事件研究方法研究了十年窗口中变量的动态 围绕政变来确定政变前的压力源，我们将其定义为表现出的快速变化的变量导致政变的年份明显不同的动态。然后，它采用机器学习 模型，能够适应非线性和广泛的预测因素，不仅要研究压力源，但也是政治脆弱性的根源-更多的结构性特征使得 在压力源的存在下容易发生政变的国家。更重要的是，灵活的非参数性质机器学习方法的发展使我们能够检查压力源和来源之间的相互作用 脆弱性(以及压力源和来源本身)，因为政变往往是 acomplexinterplayofpolitical,economic,social,andhistoricalfactors.Whiletheeventstudyexercise 帮助我们了解政变事件和机器学习练习允许的变量的动态 我们要找到对政变有很高预测能力的司机，可能值得注意的是，无论是这些将指出考虑变量与政变事件之间的因果关系。 关于冲突的文献——政变通常是其中的一个子集——相当发达。许多作者 identify低收入水平and增长率作为政变和更普遍的民事的强大关联 战争(Alesina等人，1996年；Blattman和Miguel，2010年；Bazzi和Blattman，2014年；Muchlinski等人，2016 年， Redl和Hlatshwayo，2021)。事实上，【经济条件差】-即高失业率，高通货膨胀或经济衰退-可能导致不满情绪，制造不满，侵蚀 公众支持，并增加政变的可能性。科利尔和霍弗勒(2004、2005、2007和2009)- 在科利尔调查(2007年，第2章)-研究贫困、停滞和冲突之间的联系，以及认为处于脆弱状态的国家可能会陷入冲突模式，这些事件要么 持续的（内战）或迅速的（政变）。他们的研究表明，内战和政变的风险是受影响低增长（绝望），低收入（贫穷），低状态容量and过去的冲突或 政变事件。此外，他们表明，内战在社会上代价高昂，持续的经济、政治和 健康损失，而叛军的私人成本在以下情况下很低国家能力有限和预期好处可能是巨大的，特别是在有对初级商品出口的依赖. 与内战不同，科利尔和霍弗勒(2005，2007b)发现政变的风险不受出口商品依赖和政变风险导致与政变有关的军费开支增加 校对策略。Acemoglu等人(2011)还发现，暴露于政变的国家是有特征的由机构薄弱，经济发展水平低，这可能导致永久的内部 不稳定。确实，可能导致政变的最常被引用的因素之一是政治不稳定，包括 因素，如软弱或无效的政府,腐败,或政治两极分化(亨特等人， 2020).The军事干预政治的潜力也被发现是一个重要的驱动因素 政变-甚至比经济影响更重要-当党的控制能力 themilsiarygroupisweak(Feaver,2003andPowell,2016).Severalmilitaryfactorscancontributeto 军事干预，如士气低落、对文职领导缺乏信任或体制弱点 在军事上。蒂莉（1975）对欧洲国家的案例研究认为，垄断暴力的能力 是国家权力