对恐怖袭击事件记录数据的量化分析

2020-03-05李凯康彤

中国传媒大学学报(自然科学版) 2020年1期

李凯，康彤

(中国传媒大学数据科学与智能媒体学院，北京 100024)

1 引言

恐怖袭击事件具有事态发展的高度偶然性、突发性和不确定性的特点也使我们无法及时、准确地预测恐怖主义的发生及带来的伤亡与损失。在以往的研究的基础上，本文主要分析事件中恐怖事件造成的财产损失程度，恐怖攻击对象，恐怖分子袭击成功次数，死亡人数，事态的延续性的内在联系。

2 文章的符号说明

符号意义w等级Rij第个指标与第个指标相比的重要程度CI矩阵的一致性指标RI矩阵的平均随机一致指标pi每种状态出现的概率H危害程度λmax最大特征根Aj制约因素

续表

3 VAR模型的建立

VAR模型是基于数据的统计性质来建立模型，它把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型。

VAR模型的数学表达式：

yt=a1yt-1+a2yt-2+…+apyt-p+bxt+εt

t=1，2…，T

上式中，yt是k维内生向量组成的平稳的线性随机过程，xt是d维外内生向量，p是滞后节数，T是样本个数，k×k维矩阵a1，a2，…，ap和k×d维矩阵b是待估计的系数矩阵。

4 模型求解与结果分析

由于影响因子的不平稳容易造成伪回归，因而需要对影响因子做平稳性检验。若序列平稳，则构造回归模型；若序列非平稳，需对原序列及进行查分，直到第i阶平稳。在序列平稳的额基础上，构造VAR模型，对脉冲响应函数和方差分解分析。

首先运用ADF方法对事件持续程度CA，表示恐怖袭击次数AC，攻击对象AT，袭击成功次数SN，事件死亡总数KN，财产损失程度MC因素进行平稳性校验，因为GTD数据空中有很多未知和空白的行，一些数据已经丢失。在任务中将这样的数据行给删除，就将数据进行筛选。然后对数据进行检验，检验结果如下表1。

表1 影响因子稳定性表

注：(c，T，d)分别代表检验形式中的常数项、时间趋势、滞后阶数；滞后阶数按SC最小信息准则确定。

从上表1的检验结果可以看出，CN、AN、AT、SN、KN、MC这六个因子序列的一阶差分序列在显著水平0.05下都平稳的，即均为一阶单整序列。在以下分析中，使用因子变量的一阶差分序列做研讨，分别表示为DCN、DAN、DAT、DSN、DKN、DMC。

为了进一步分析恐怖袭击事态的持续性、恐怖事件造成的损失程度，恐怖攻击对象，恐怖分子袭击成功次数，死亡人数的关系，构建4维向量自回归模型，需要知道VAR模型的滞后阶数。其中，滞后阶数是滞后变量的个数，滞后阶数过大，有利于减少残差存在自相关性，但会导致待估计参数增加，自由度减少，导致模型参数估计的有效性变化；滞后阶数偏小，残差可能有自相关，参数估计可能不同。滞后阶数又称为最优滞后阶数。在本任务中选用常用的AIC和SC准则来确定无约束VAR模型的最大滞后阶数p。用AIC和SC准则确定滞后阶数p是指当AIC和SC值同时最小时的滞后阶数。关于年度数据，比较到滞后阶数位p=4，即分别构造四维函数VAR(1)、VAR(2)、VAR(3)、VAR(4)模型，比较AIC、SC，让它们同时取最小值的滞后阶数值就是最大滞后阶数。因为所用的数据属于年度数据，运用该模型得出的滞后阶数p分别为4，3，2，1时的AIC和SC的值，如下表2所示。

表2 滞后阶数对应AIC和SC的值表

从上表2中可以看出，p=4，AIC和SC同时取最小，所以构造VAR(4)模型：

根据VAR模型的拟合程度0.9502、0.93201、0.8832、0.9432、0.892、0.8399，这表明拟合效果好。计算模型AR的特征多项式，根的倒数都在单位元里面，如下图1所示，表明建立VAR模型是稳定的。

图1 VAR稳定性图

5 结果分析

上面通过VAR(4)模型方程表示了恐怖袭击事态的持续性、恐怖事件造成的损失程度，恐怖攻击对象，恐怖分子袭击成功次数，死亡人数的关系。为了更加直观描述六者的动态联系，了解恐怖袭击事态的持续性、恐怖事件造成的损失程度，恐怖攻击对象，恐怖分子袭击成功次数，死亡人数的相互关系。分别给因素一个正的冲击，采用广义脉冲方法得到恐怖袭击事态的持续性对恐怖事件造成的损失程度的冲击，恐怖攻击对象冲击，恐怖分子袭击成功次数冲击，死亡人数冲击的脉冲响应函数图，和恐怖事件造成的损失程度，恐怖攻击对象，恐怖分子袭击成功次数，死亡人数对恐怖袭击事态的持续性的冲击的函数图。