Abstract

Accurate and interpretable forecasting models predicting spatially and temporally fine-grained changes in the numbers of intrastate conflict casualties are of crucial importance for policymakers and international non-governmental organizations (NGOs). Using a count data approach, we propose a hierarchical hurdle regression model to address the corresponding prediction challenge at the monthly PRIO-grid level. More precisely, we model the intensity of local armed conflict at a specific point in time as a three-stage process. Stages one and two of our approach estimate whether we will observe any casualties at the country- and grid-cell-level, respectively, while stage three applies a regression model for truncated data to predict the number of such fatalities conditional upon the previous two stages. Within this modeling framework, we focus on the role of governmental arms imports as a processual factor allowing governments to intensify or deter from fighting. We further argue that a grid cell’s geographic remoteness is bound to moderate the effects of these military buildups. Out-of-sample predictions corroborate the effectiveness of our parsimonious and theory-driven model, which enables full transparency combined with accuracy in the forecasting process.

Los modelos de previsión precisos e interpretables que predicen los cambios a nivel espacial y temporal en la cantidad de víctimas de los conflictos intraestatales son de vital importancia para los responsables políticos y las organizaciones no gubernamentales (ONG) internacionales. Utilizando un enfoque de datos de recuento, proponemos un modelo de regresión Hurdle jerárquico para abordar el correspondiente reto de predicción a nivel mensual de PRIO-GRID. Más concretamente, modelamos la intensidad del conflicto armado local en un momento determinado como un proceso de tres etapas. Las etapas uno y dos de nuestro enfoque estiman si observaremos alguna víctima a nivel de país y de celda de la red, respectivamente, mientras que la etapa tres aplica un modelo de regresión para datos truncados con el propósito de predecir la cantidad potencial de dichas víctimas mortales en función de las dos etapas anteriores. Dentro de este marco de modelización, nos centramos en el rol de las importaciones de armas por parte de los gobiernos como un factor de proceso que permite a los gobiernos intensificar o impedir los enfrentamientos. Además, sostenemos que la lejanía geográfica de una célula de la red está destinada a moderar los efectos de estas concentraciones militares. Las predicciones fuera de la muestra corroboran la eficacia de nuestro modelo parsimonioso y basado en la teoría, que permite una transparencia total combinada con precisión en el proceso de previsión.

Les modèles de prévision précis et interprétables, qui permettent de prédire spatialement et temporellement les détails des changements dans les nombres de victimes de conflits intra-étatiques, sont d’une importance cruciale pour les décideurs politiques et les organizations non gouvernementales (ONG) internationales. Nous adoptons une approche par données de comptage et nous proposons un modèle de régression hiérarchique à obstacle (hurdle) pour relever le défi de la prédiction correspondante au niveau de la grille mensuelle du PRIO (Peace research institute Oslo, Institut de recherche sur la paix d’Oslo). Plus précisément, nous modélisons l’intensité des conflits armés locaux à un moment spécifique sous la forme d’un processus en trois étapes. Les étapes un et deux de notre approche consistent à estimer si nous observerons des pertes respectivement au niveau du pays et de la cellule de grille, tandis que l’étape trois consiste à appliquer un modèle de régression pour les données tronquées afin de prédire le nombre de ces pertes en fonction des deux étapes précédentes. Dans ce cadre de modélisation, nous nous concentrons sur le rôle des importations d’armes gouvernementales en tant que facteur processuel permettant aux gouvernements d’intensifier ou de dissuader les combats. Nous soutenons également que l’isolement géographique d’une cellule de la grille est susceptible de modérer les effets de ces renforcements militaires. Des prédictions hors échantillon corroborent l’efficacité de notre modèle parcimonieux fondé sur la théorie qui permet une totale transparence associée à une précision du processus de prévision.

摘要

准确且可解释的预测模型可以预测州内冲突伤亡人数在空间和时间上的细粒度变化，这对于决策者和国际非政府组织 (NGO) 至关重要。使用计数数据方法，我们提出了一个分层障碍回归模型，以解决每月 PRIO 网格级别的相应预测挑战。更准确地说，我们将特定时间点的局部武装冲突强度建模为三个阶段的过程。我们方法的第一阶段和第二阶段分别估计我们是否会在国家和网格单元级别观察到任何伤亡，而第三阶段应用截断数据的回归模型来预测此类死亡人数，前提是前两个阶段. 在这个建模框架内，我们将重点放在政府武器进口作为一个过程因素的作用，使政府能够加强或阻止战斗。我们进一步认为，网格单元的地理偏远势必会缓和这些军事集结的影响。样本外预测证实了我们的简约和理论驱动模型的有效性，该模型使预测过程的完全透明性和准确性相结合。

准确且可解释的预测模型可预测州内冲突受害者人数的空间和时间变化，这对政治领导人和国际非政府组织 (NGO) 至关重要。使用对 recuento 数据的调查，提出 Hurdle 回归模型 jerárquico 以接近 PRIO-GRID 每月级别的相应预测反馈。更具体地说，我们将确定时刻的局部武装冲突的强度建模为一个非常阶段的过程。Las etapas uno y dos de nuestro enfoque estiman si observaremos alguna víctima a nivel de pays y de celda de la red，分别，我希望这个阶段非常适用于数据的回归模型，该模型截断了根据后台阶段预测潜在致命受害者人数的建议。Dentro de este marco de modelización, nos centramos en el rol de las import de armas por parte de los gobiernos como un factor de proceso qu'allowe à los gobiernos intensificar o impedir los enfrentamientos。Además, sostenemos que la lejanía geográfica de una célula de la red está destinada a moderar los efectos de estasmilitares 浓度。该节目的预测证实了我们简约模型的有效性，并基于该理论，该理论允许预测过程中的完全透明性和精确性相结合。我们中心的作用是为部分虾虎鱼进口武器，作为允许虾虎鱼加强或阻碍攻击的过程因素。Además, sostenemos que la lejanía geográfica de una célula de la red está destinada a moderar los efectos de estasmilitares 浓度。该节目的预测证实了我们简约模型的有效性，并基于该理论，该理论允许预测过程中的完全透明性和精确性相结合。我们中心的作用是为部分虾虎鱼进口武器，作为允许虾虎鱼加强或阻碍攻击的过程因素。Además, sostenemos que la lejanía geográfica de una célula de la red está destinada a moderar los efectos de estasmilitares 浓度。该节目的预测证实了我们简约模型的有效性，并基于该理论，该理论允许预测过程中的完全透明性和精确性相结合。

准确和可解释的预测模型可以在空间和时间上预测国家内部冲突受害者人数变化的细节，对于政策制定者和国际非政府组织 (NGO) 至关重要。我们采用计数数据方法，我们提出了一个分层障碍回归模型，以应对月度 PRIO（和平研究所奥斯陆）网格级别的相应预测的挑战。'奥斯陆）。具体来说，我们将特定时间局部武装冲突的强度建模为一个三步过程。我们方法的第一步和第二步是估计我们是否会分别在国家和网格单元级别观察到损失，而第三步是对截断的数据应用回归模型，以根据前两步预测这些损失的数量. 在这个建模框架中，我们关注政府武器进口作为允许政府升级或阻止战斗的过程因素的作用。我们还认为，网格单元的地理隔离可能会缓和这些军事增援的影响。