[论文解读] A Bayesian Approach to Modelling Fine-Scale Spatial Dynamics of Non-State Terrorism: World Study, 2002-2013

André Python, Janine Illian+2 more|arXiv (Cornell University)|Oct 4, 2016

Terrorism, Counterterrorism, and Political Violence参考文献 85被引用 8

一句话总结

本研究利用随机偏微分方程（SPDE）与集成嵌套拉普拉斯近似（INLA）构建贝叶斯分层模型，分析2002至2013年非国家恐怖主义在细粒度时空尺度上的动态。研究发现，致死率与致命袭击频率受相反的局部机制驱动：致死率较高的事件多发生在远离城市、经济较不发达且民族多样性较高的地区；而袭击频率较高的区域则集中于城市化、经济发达且实行民主制度的地区。

ABSTRACT

To this day, terrorism persists as a worldwide threat, as exemplified by the ongoing lethal attacks perpetrated by ISIS in Iraq, Syria, Al Qaeda in Yemen, and Boko Haram in Nigeria. In response, states deploy various counterterrorism policies, the costs of which could be reduced through efficient preventive measures. Statistical models able to account for complex spatio-temporal dependencies have not yet been applied, despite their potential for providing guidance to explain and prevent terrorism. In an effort to address this shortcoming, we employ hierarchical models in a Bayesian context, where the spatial random field is represented by a stochastic partial differential equation. Our results confirm the contagious nature of the lethality of terrorism and the number of lethal terrorist attacks in both space and time. Moreover, the frequency of lethal attacks tends to be higher in richer areas, close to large cities, and within democratic countries. In contrast, attacks are more likely to be lethal far away from large cities, at higher altitudes, in poorer areas, and in locations with higher ethnic diversity. We argue that, on a local scale, the lethality of terrorism and the frequency of lethal attacks are driven by antagonistic mechanisms.

研究动机与目标

• 为解决全球恐怖主义研究中细粒度时空建模的不足，特别是亚国家层面的建模空白。
• 识别致命恐怖袭击频率与致死率在局部尺度上的时空驱动因素。
• 应用计算高效的贝叶斯分层模型，结合随机偏微分方程（SPDE）与高斯马尔可夫随机场（GMRF），以捕捉复杂的时空依赖性。
• 在考虑不确定性的同时，评估社会经济、政治与地理协变量对恐怖主义模式的影响。
• 为政策制定者提供一种稳健且具备不确定性感知的建模框架，以指导预防性反恐战略。

提出的方法

• 采用具有潜在高斯马尔可夫随机场（GMRF）的贝叶斯分层模型，以表征空间与时间的随机效应。
• 利用SPDE方法通过条件自回归（CAR）结构近似高斯随机场，借助INLA实现高效计算。
• 使用泊松似然函数建模致命袭击频率，使用伯努利似然函数建模致死率，二者均条件依赖于空间结构化的随机效应。
• 引入具有空间明确性的协变量，如人均GDP、城市接近度、海拔、民族多样性与政体类型。
• 采用可分的时空协方差结构，结合AR(1)时间过程与各向同性、平稳的空间相关性。
• 应用INLA实现快速后验推断，避免马尔可夫链蒙特卡洛（MCMC）采样，从而支持对全球细粒度数据的可扩展分析。

实验结果

研究问题

• RQ1 2002至2013年期间，全球致命恐怖袭击的频率在局部尺度上呈现出怎样的时空模式？
• RQ2 地理、经济与政治因素如何影响致命袭击频率与致死率的空间分布？
• RQ3 恐怖袭击的致死率在时空上在多大程度上受传染性或扩散型过程的驱动？
• RQ4 在细粒度空间尺度上，是否存在分别主导袭击频率与致死率的独立且对立的机制？
• RQ5 该模型的不确定性量化如何支持基于证据的反恐政策决策？

主要发现

• 致命袭击表现出传染性的空间与时间聚集特征，表明高致死事件具有类似扩散的传播模式。
• 在经济发达、城市化程度高且实行民主制度的地区，致命袭击的频率显著更高。
• 在偏远、高海拔、经济较不发达且民族多样性较高的地区，致死率更高。
• 模型识别出攻击频率与致死率之间存在空间结构化的对立关系，二者在局部尺度上受相反机制驱动。
• 贝叶斯框架成功捕捉了预测中的不确定性，这对政策评估与风险分析至关重要。
• 先验敏感性分析表明，由于数据集规模较大，结果对先验选择不敏感，支持模型的可靠性。