Паттерн-анализ и кластеризация в исследовании государственной состоятельности: «Адаптивная оптика» для политической науки

Центральный фокус работы - методологический. На примере набора индикаторов государственной состоятельности авторы показывают конкретную стратегию выявления устойчивых структур в многомерных массивах данных, отражающих сложные и неоднозначные понятия политической науки. Ключевая особенность этой стратегии - применение родственных, но существенно различающихся по своим техническим особенностям многомерных методов - кластерного и паттерн-анализа. В статье использована иерархическая кластеризация с различными сочетаниями метрик и правил объединения, а также порядково-инвариантная паттерн-кластеризация. Попутно впервые в политологической литературе (насколько известно авторам) описаны особенности паттерн-анализа как метода исследования многомерных массивов данных. Если кластеризация давно и активно используется в политологии, то паттерн-анализ пока еще практически не «встал на вооружение» в нашей науке. При этом паттерн-анализ обладает некоторыми важными и во многом уникальными возможностями. Было показано, что совместное использование кластерного и паттерн-анализа позволяет выявить согласованные структуры, имеющие ясную интерпретацию в терминах политической науки. Таким образом, в ходе исследования выявлено несколько типов государственной состоятельности, хотя эта задача носила скорее иллюстративный характер. Эмпирическими индикаторами государственной состоятельности стали доля военных расходов в ВВП, доля военного персонала в общей численности населения, доля налоговых поступлений в ВВП, суммарный уровень убийств и жертв внутренних конфликтов, качество государственных институтов. Данные по более чем 150 странам взяты за 1996, 2005 и 2015 гг. Устойчивые сочетания значений этих показателей, выявленные одновременно с помощью кластерного и паттерн-анализа, формируют искомые структуры государственной состоятельности. В заключение приводятся наиболее перспективные направления развития описанной методологии. Одним из наиболее важных представляется анализ динамики стран в рамках паттерн-кластерных структур государственной состоятельности.

государственная состоятельность, кластер, кластерный анализ, паттерн, анализ паттернов, порядково-инвариантная паттерн-кластеризация, state capacity, cluster, cluster analysis, pattern, pattern analysis, ordinal-invariant pattern-clustering

1. Анализ данных науки, образования и инновационной деятельности с использованием методов анализа паттернов: препринт WP7/2012/07 / Ф.Т. Алескеров, Л.М. Гохберг, Л.Г. Егорова, А.Л. Мячин, Г.С. Сагиева; Нац. исслед. ун-т «Высшая школа экономики». - М.: Изд. дом Высшей школы экономики, 2012. - 72 с. - Режим доступа: https://wp.hse.ru/data/2013/01/22/1305726760/ WP7_2012_07_f_.pdf (Дата обращения: 15.05.2019.)

2. Анализ паттернов в статике и динамке, часть 1: обзор литературы и уточнение понятия / Ф.Т. Алескеров, В.Ю. Белоусова, Л.Г. Егорова, Б.Г. Миркин // Бизнес-информатика. - М., 2013. - № 3(25). - С. 3-18.

3. Ахременко А.С., Горельский И.Е., Мельвиль А.Ю. Как и зачем измерять и сравнивать государственную состоятельность различных стран мира? Теоретико-методологические основания // Полис. Политические исследования. - М., 2019 a. - № 2. - С. 8-23. - DOI: https://doi.org/10.17976/jpps/2019.02.02

4. Ахременко А.С., Горельский И.Е., Мельвиль А.Ю. Как и зачем измерять и сравнивать государственную состоятельность различных стран мира? Опыт эмпирического исследования // Полис. Политические исследования. - М., 2019 b. - № 3. - С. 49-68. - DOI: https://doi.org/10.17976/jpps/2019.03.04

5. Миркин Б.Г. Методы кластер-анализа для поддержки принятия решений: обзор: препринт WP7/2011/03. - М.: Изд. дом Национального исследовательского университета «Высшая школа экономики», 2011. - 88 с. - Режим доступа: https://www.hse.ru/data/2011/05/19/1213868030/WP7_2011_03f.pdf (Дата помещения: 15.05.2019.)

6. Мячин А.Л. Анализ паттернов в системе параллельных координат на базе парного сравнения показателей // Автоматика и телемеханика. - М., 2019 а. - № 1. - С. 138-152. - DOI: https://doi.org/10.1134/S0005231019010100

7. Мячин А.Л. Анализ паттернов: диффузионно-инвариантная паттерн-кластеризация // Проблемы управления. - 2016. - № 4. - С. 2-9.

8. Мячин А.Л. Определение центроидов для повышения точности порядково-инвариантной паттерн-кластеризации // Управление большими системами.-2019 b. - № 78. - C. 6-22.

9. Aleskerov F., Ersel H., Yolalan R. Clustering Turkish commercial banks according to structural similarities // Yapi Kredi Research Department Discussion Paper Series. - Istanbul, 1997. - P. 97-102.

10. Charron N. Diverging Cohesion? Globalisation, State Capacity and Regional Inequalities Within and Across European Countries // European Urban and Regional Studies. - L., 2016. - Vol. 23, N 3. - P. 355-373.

11. Dubes R., Jain A.K. Clustering techniques: the user's dilemma // Pattern Recognition. - N.Y., 1976. - Т. 8, N 4. - P. 247-260.

12. Hanson J., Sigman R. Leviathan’s Latent Dimensions: Measuring State Capacity for Comparative Political Research. - 2013. - Mode of access: http://www-personal.umich.edu/~jkhanson/resources/hanson_sigman13.pdf (accessed: 20.04.2019.)

13. Hendrix C. Measuring State Capacity: Theoretical and Empirical Implications for the Study of Civil Conflict // Journal of Peace Research. - L., 2010. - Vol. 47, N. 3 - P. 273-285.

14. Jain A.K., Murty M.N., Flynn P.J. Data clustering: a review // ACM computing surveys (CSUR). - N.Y., 1999. - Т. 31, N 3. - P. 264-323.

15. Savoia A., Sen K. Measurement and evolution of state capacity: Exploring a lesser known aspect of governance. - Manchester, UK, 2012. - 28 p. - (ESID Working Paper; N 10).

16. Shawe-Taylor J., Cristianini N. Kernel methods for pattern analysis. - Cambridge: Cambridge univ. press, 2004. - Mode of access: http://read.pudn.com/downloads190/ebook/893343/Kernel_Methods_for_Pattern_Analysis/0521813972.pdf (accessed: 20.04.2019.)

17. Wang S. The Rise of the Regions: Fiscal Reform and the Decline of Central State Capacity in China // The Waning of the Communist State: Economic Origins of Political Decline in China and Hungary / Ed. by A. Walder. - Berkeley: Univ. of California press, 1995. - P. 87-114.

18. Xu R., Wunsch D.C. Survey of clustering algorithms // IEEE Transactions on Neural Networks. - N.Y., 2005. - Vol. 16, N 3. - P. 645-678. - DOI: https://doi.org/10.1109/TNN.2005.845141