基于神经前向强度泊松过程揭示气候与政治暴力间的激发型因果关系
机器学习
2022-03-10 v1 应用统计
摘要
气候与政治暴力之间的因果机制充满复杂机制。当前的定量因果模型依赖于一个或多个假设：(1) 气候驱动因素持续产生冲突，(2) 因果机制与冲突生成参数呈线性关系，和/或 (3) 有充足数据来告知先验分布。然而，我们知道冲突驱动因素常常激发一个社会转型过程从而导致暴力（例如，干旱迫使农业生产者加入城市民兵），但进一步的气候效应未必会促成更多的暴力。因此，这种分叉关系不仅高度非线性，而且往往缺乏数据来支持高分辨率建模的先验假设。在此，我们旨在通过提出一种神经前向强度泊松过程（NFIPP）模型来克服上述因果建模挑战。NFIPP 旨在捕捉气候诱发政治暴力中潜在的非线性因果机制，同时对稀疏和时间不确定的数据具有鲁棒性。我们的结果跨越近 20 年，揭示了极端气候事件与多国政治暴力之间基于激发的因果联系。我们的气候诱发冲突模型结果针对定性气候脆弱性指数进行了交叉验证。此外，我们标注了那些提高或降低我们可预测性增益的历史事件，展示了领域专业知识在辅助解释方面的重要性。
引用
@article{arxiv.2203.04511,
title = {Revealing the Excitation Causality between Climate and Political Violence via a Neural Forward-Intensity Poisson Process},
author = {Schyler C. Sun and Bailu Jin and Zhuangkun Wei and Weisi Guo},
journal= {arXiv preprint arXiv:2203.04511},
year = {2022}
}