вторник, 27 декабря 2011 г.

Data mining в политологии: математическая модель демократии 

Что делает демократию возможной: Моделирование с помощью инструментов интеллектуального анализа данных

Гада Шараф Эль-Дин, Карл Ли, Моатаз Фаттах
Центральный Мичиганский Университет, Маунт Плезант, Мичиган, США
Перевод с английского - С.С. Сошников ssosh(a)mednet.ru
Резюме. Методы интеллектуального анализа данных успешно примененяются для многих дисциплин, особенно в бизнес-аналитике, медицинских и связанных со здоровьем исследованиях. Эта статья представляет собой пример использования интеллектуального анализа данных и методов математического моделирования для выявления важных факторов, связанных с возможностью существования демократии. Демократия является парадоксальным явлением, она появилась в странах, в которых теоретически присутствовали предполагаемые условия, такие как высокий уровень экономического развития, низкий уровень неграмотности и сильно выраженный средний класс населения. В то же время другие страны, которые имеют эти предпосылки не получили успешного перехода к демократии. Это расхождение между теорией и эмпирическими наблюдениями призывает к исследованию факторов, находящихся вне социальных и экономических факторов, связанных с демократизацией. Интеллектуальный анализ данных в моделировании применены к разработке моделей, использующих политические факторы, социально-экономических факторы, степени развития и т.д., чтобы предсказать индексы институциональных и нормативных аспектов демократии.
Ключевые слова: Data Mining, Decision Tree, демократия, многоуровневая логистической регрессия, нейронные сети
Полный текст перевода...

1. Введение
Применение методов интеллектуального анализа данных широко распространено во многих дисциплинах, особенно в бизнес-аналитике, медицине и здравоохранении, безопасности и многих других. Эта статья представляет пример для выявления важных факторов, связанных с воссозданием демократии. Демократия всегда была парадоксальным явлением, она появилась в странах, в которых теоретически имеются предлагаемые условия, такие как высокий уровень экономического развития, низкий уровень неграмотности и выраженный средний класс населения. Такие страны, как Индия, Боливия, Сенегал, Мали и Бангладеш, по мнению ряда модернизационных и демократических школ, не должны иметь обязательного перехода к демократии, однако, они в настоящее время демократические. В то же время другие страны (например, Саудовская Аравия, Беларусь, Армения, Египет и Иран), которые эти предпосылки имеют, не получили успешного перехода к демократии [3, 13]. Это расхождение между теорией и эмпирическими наблюдениями требует больших масштабов исследования, для которого использована панель данных, где через изменение позволяет увидеть ситуацию через случаи во времени, в то же время, с возможностью распознать переменные, сильно связанные с инициацией и консолидацией демократического перехода. В этом проекте мы применяем интеллектуальный подход к моделированию для изучения политических, социально-экономических факторов, степени развития и т.д., которые могут предсказать, институциональные и нормативные аспекты демократии.
2. Теоретические основы возможности появления демократии
В течении нескольких десятилетий в литературе политической науки доминирует модернизационная школа [1, 10, 11], с утверждением, что общество представляет собой набор экономического, социального, технологического и политического планов. При этом развитие в любой области будет создавать перелив влияния на другие области. Тем не менее, есть примеры стран, которые достигли высокого уровня экономического роста (на примере арабских стран Персидского залива), но они все еще отстают в политической эволюции. Другие относительно продвинулись в политической борьбе, в это время, отставая во всех других областях (Индия, Мали, Сенегал и Боливия являются наглядными примерами). Политические исследования были зачастую ограничены недостаточным числом источников статистических данных или рамками предполагаемой сферы исследования. Такие расхождения характерны для другой политической школы, согласно которой процесс демократизации зависит  о политиков, их выбора, а не экономических, социальных факторов и предпосылок [9, 14]. Вейнерт [14] исследовала эффект диффузии в развитии демократии и предположила, что, когда в процесс включены диффузионные факторы, вклад социальных и экономических значительно снижается и диффузионные факторы имеют гораздо большее значение в объяснении процесса развития демократии. В этом исследовании Вейнерт [14] использовала прикладную иерархическую модель со смешанным подходом, принимая во внимание социальные, экономические факторы, а так же факторы диффузии. Из ее статьи становится ясно что необходимы дальнейшие исследования, чтобы объединить как можно более полные доступные источники данных в больших масштабах исследования с использованием современных методов интеллектуального анализа данных (Data Mining), которые разработаны для обработки больших массивов информации. В нашем исследовании, мы расширяем возможности анализа, включая более полный набор факторов, которые классифицируются, как показано ниже: (1) внешние факторы, (2) политические факторы, (3) социально-экономические факторы, (4) технологическое развитие, (5) устойчивость частного сектора бизнеса и (6) образовательных факторов. Детальное обсуждение, связанное с выбором каждой из категорий, приведено в разделе источники данных. 
Цель исследования - выявление важнейших факторов, которые сильно связаны с развитием демократии, используя возможности методики интеллектуального анализа данных с прогнозным моделированием и включением в исследование как можно более полных доступных источников данных, при фокусировании на измерении силы влияния исследуемых факторов, включая те, что были рассмотрены в литературе и многих других, которые удалось собрать.
3. Источники данных и подготовка данных
Источником данных явилась база данных Университетского консорциума политических и социальных исследований ICPSR [7]. Как указано в описании на веб-сайте, информация собрана из переменных шести существующих баз данных. Ретроспективность исследования составила с 1800 по 2005 год. Всего ипользовано 312 переменных и 15655 наблюдений по 187 суверенным государствам.
Для оценки выбран индекс демократии со значениями от 0 до 10, при этом 0 значит нет демократии, а 10 самый высокий уровень демократии. Предполагается, что этот показатель состоит из институциональных (партийная конкуренция, свободные выборы, мирное изменение власти) и нормативных аспектов демократии (свободы убеждений, выражения мнений, ассоциации и участия в политике страны). Разработка и применении этого индекса хорошо описаны в литературе, например, Дал [2 (стр. 38)], Джаггер и Гурр [8], Вейнерт [14]. На Рис. 1 приведен средний показатель уровня демократии в мире. Индекс демонстрирует три волны демократизации. Первый принес демократию в Западной Европе и Северной Америке в 19 веке. За ним последовал рост диктатур в межвоенный период. Вторая волна началась после Второй мировой войны, но потеряла силу между 1962 и середины 1970-х. Последняя волна началась в 1974 году и продолжается до сих пор. Демократизация в Латинской Америке и посткоммунистических странах Восточной Европы является частью этой третьей волны [6]. Среднегодовые показатели были ниже, чем в ходе ранних 1800-х, а самый низкий средний показатель в 1817 году. В 1946 (после Второй мировой войны), значение было в среднем 4,58. В 1994 (после окончания холодной войны), среднее значение составило 5,33. Рост произошел в 2001 году до 5,48. На Рис. 2 приводятся данные о числе стран, включенных в исследование. За приведенный год, минимальное число стран было 20, а максимальное число стран 158 в 1994 году. Существенное падение произошло в 1996 году с 158 до 132 и рост до 153 в 1997 году.
Среди 312 показателей, переменные, не связанные с целью данного исследования, исключались сразу. Проводилась последовательная предварительная статистическая оценка, чтобы отсеивать менее значимые переменные. Входящими переменными, отобранными для данного исследования явились те, кторые проходят предварительные статистические оценки и соотвествуют предложенной теоретической основе. В общей сложности 56 переменных выбраны в качестве наших входных переменных (факторов) в этом исследовании. Среди 56 переменных, двадцать восемь из них или около 50% имеют недостающие данные и исключаются из дальнейшего анализа. Остальные переменные делятся на шесть категорий, описанных в таблице 1. Среди оставленных переменных, мы выполнили процедуру доплнения недостающих данных с помощью следующей стратегии: отсутствующие значения переменной добавляются так, чтобы распределение восполненных данных было как можно ближе к распределению исходных данных переменной. Кроме того, мы провели преобразования переменных в соотвествии со следующей стратегией:
  • Для интервальных переменных, максимальное нормальное преобразование проводится таким образом, что переменная преобразуется как можно ближе к нормальному распределению.
  • Для категориальных переменных, группировка редких уровней проводится с отсечкой значений до 0,5% процента.
  • В SAS пишутся программы для создания подмножества данных и выполнения дальнейших манипуляций с данными, таких как восполнение отсутствующих данных.
    Рис. 1. Среднегодовой индекс демократии с 1800 по 2005 год
    Рис. 2. Число стран, в наборе данных по годам с 1800 по 2005 г. 
    Таблица 1. Определение типов входящих переменных.
    Внешние факторы
    (а) ведение страной войн, (б) оккупация страны врагом, (в) участие на мировой арене, (г) прямые иностранные инвестициии (в% от ВВП)
    Политические факторы
    (а) концентрации власти (унитарная против федеральной), (б) военные факторы общества (доля расходов на оборону и доля населения в вооруженных силах), (в) политическая стабильность (количество убийств, всеобщие забастовки, партизанские войны, бунты, революции), (г) зависимость государства от извлечений из общества (налоговых поступлений в процентах от ВВП), (е) уровень политического институционализма (конкурентоспособность в процессе выдвижения кандидатур в парламент, легитимность политических партий, процент зарегистрированных избирателей).
    Социально-экономические факторы
    (а) неравенство в доходах, (б) уровень грамотности, (в) экономические потрясения, (г) экономическое развитие, (е) уровень урбанизации, (е) расходы на здравоохранение на душу населения, (г) ожидаемая продолжительность жизни при рождении, (з) число врачей на 1000 человек
    Технологическое развитие
    (а) производство электроэнергии (кил-ваттный часов), (б) пассажирских автомобилей на 1000 человек, (в) количество факсов на 1000 человек, (г) телефонных магистральных линий на 1000 человек, (е) кабельное телевидение на 1000, (е) абонентов мобильной связи на 1000, (г) Интернет-хостов на 1000 человек
    Частный сектор
    (а) внутренние кредиты частному сектору (в% от ВВП), (б) валовое накопление (в% от ВВП)
    Образование и инновации
    (а) государственные расходы на образование, (б) научные исследования и инновации - расходы (% ВВП), (с) расходы на одного студента (в% от ВВП на душу населения), (г) капитал университета (0,0001)
    4. Методология моделирования
    Три типа техники прогнозного моделирования были использованы и сравненены для выбора «лучшей» модели, с применением нескольких критериев выбора модели. Используемые техники моделирования включали: (1) многоуровневую логистическую регрессию, (2) деревья принятия решений, (3) нейросетевые модели. Использование данных распределено следующим образом: обучение моделей (60%), валидизация (30%) и тестирование (10%). Данные для обучения моделей используются в построении моделей, данные для валидизации использованы чтобы выбрать «лучшие» модели для каждой техники моделирования и данные для тестирования призваны изучить и определить модели из различных методов моделирования для выбора «лучшей» модели. Для интеллектуального анализа данных используется программное обеспечение SAS / Enterprise Miner. Рис. 3 иллюстрирует последовательность и методы моделирования, используемые в этом исследовании.
    Рис. 3. Стратегия моделирования, используемая в исследовании.
    Модель деревьев принятия решений разработана с использованием как исходных, так и трансформированных переменных. Вычисление максимизации Хи-квадрат, с регулировакой методом Касса, применяется для разделения решений, с использованием набора обучающих данных. Обрезка осуществляется с помощью оценки критерия сведения к минимуму ошибок классификации на основе набора данных для проверки. Недостающие данные рассматриваются как отдельная категория, и тоже используется в моделировании. Значимость входящих переменных определяется с помощью меры logworth. 
    До проведения процедур логистической регрессии и построения нейросетевых моделей, производится выбор переменных с использованием метода деревьев  принятия решений, на основе критерия Джини. Это служит способом предварительного отбора входящих переменных. В ходе исследования проведены эксперименты с несколькими логистическими регрессионными и нейросетевыми моделямя. Одна  окончательная модель, из каждой техники моделирования, выбра в конечной модели для развития и сравнения. Связанная функция, используемая для логистической регрессии, является логит-связанной функцией. Целевая исследуемая переменная берется в порядковой шкале, а значит, многоуровневая логистическая регрессия строится с помощью кумулятивного логит-анализа. Модель задается, как показано ниже, пусть Y зависимая переменная “Индекс демократии” с 11 уровнями (от 0 до 10) и X - вектор независимых переменных. Модель вида:
    P(Y =i|X)=exp(β0i +β'X) /(1+exp(β0i +β'X))
    где i = 0,1,2 ...,10. Веса для входных переменных определены для каждого уровня Y, при этом, смещение условий β0i разные. Кумулятивная модель логит-анализ также известна как модель пропорциональных шансов, что общепринято, когда исследуемая переменая находится на порядковой шкале. Также проводились обобщенние регрессионной логистической модели, рассматривая индекса демократии в номинальной шкале, а результаты получены аналогичные c кумулятивной моделью  логит-анализа. Кумулятивные логистические модели используются здесь для колличественного выражения уровня демократии. Нейронные сети (НС) можно рассматривать как двухступенчатые или классификационные нелинейные модели. Исследуемая переменная Yi моделируется как функция линейной комбинации скрытых слоев Hi, определяется как      Yi. =f(W'Hi.')+ε, где f функция активации связи скрытых слоев с целями. Скрый слой H является линейной комбинацией входов:
    Hi. =g(Z'Xi.'),i=1,2,...,N, где g функции активации и Z - это вес матрицы входов. Мы построили набор моделей с разным числом скрытых слоев и с различным числом скрытых элементов, используя различные архитектуры и критерии отбора. Окончательная модель нейронной сети, выбранная для сравнения, является моделью NN с одним скрытым слоем, с тремя скрытыми блоками и использованием архитектуры многослойного перцептрона и средней ошибкой выбора критерия. Критерий, используемые для модели сравнение последних трех моделей (одной модели от каждой техники), являются уровень ошибки классификации, средняя ошибка и кумулятивный подъем. Подробнее об этих методах моделирования, можно найти у Сарма [12]. Хан и Камбер [5], Гиудици [4] и других.
    5. Результаты и обсуждение
    Выбор моделей из трех методов моделирования основан на сравнении по трем критериям: уровень ошибки классификации (MS Rate), корень среднеквадратической ошибки (Root ASE) и кумулятивный подъем (Cum. Lift) в верхнем уровне 10%. Результаты приведены в таблице 2. Модель деревьев принятия решений оказались лучшим из опрбованных методов, на что указывают все три критерия. Уровень ошибки классификации на уровне 18% для принятом решении дерева модели, в то время как другие две модели показали более 33%.
    Таблица 2. Сравнение моделей
    Model setting
    MS Rate
    Root ASE
    Cum. Lift (10%)
    Decision Tree
    0.180
    0.149
    6.40
    Logistic Reg.
    0.332
    0.194
    6.14
    Neural Network
    0.369
    0.204
    6.28
    Мы выбрали модель дерева принятия решений, как последнюю «лучшую» модель. Остальные результаты и обсуждения основаны на выводах из этой модели. Важные независимые переменные выбраны с помощью модели деревьев принятия решений и приведены таблице 3.
    Таблица 3. Оценка важности вклада факторов в модели дерева принятия решений 
    Входящие переменные
    Отнсительная важость

    Регулирование участия (PARREG)
    1.00
    Конкурентоспособность в найме политиков-исполнителей (XRCOMP)
    0.952
    % Городского населения (100.000) (URBANICA)
    0.398
    % Рабочей силы в промышленности и сфере обслуживания (EXP_LABOIN_1)
    0.393
    Парламентская ответственность (PARLRES)
    0.346
    Географический регион (область)
    0.247
    Централизация государственной власти (CENTRAL)
    0.194
    Доля населения в вооруженных силах (0,0001) (MILITPOP)
    0.163
    % Расходов на оборону (DEFENEXP)
    0.138
    Валовое накопление капитала (в% от ВВП) (INVESTDM)
    0.131
    Исполнительный Открытость Рекрутинг (XROPEN)
    0.14
    На один университет человек (0,0001) (PWR_UNIVCA)
    0.102
    % Зарегистрированных избирателей (PWR_VOTERPOP)
    0.101
    Число антиправительственных мирных демонстраций (DEMONST)

    0.036

    Географически различные регионы имеют разный уровень развития демократии. Большинство стабильных демократий сконцентрированы в определенных регионах, в основном Северной Америки и Западной Европы с четким дефицит демократии на Ближнем Востоке, в Африке, Западной и Центральной Азии. Ученые политологи в области демократизации всегда ставят на первое место приоритет социально-экономических факторов в разработке институциональных факторов. В этом исследовании были включены все возможные факторы, социально-экономические, культурные, институциональные и другие, чтобы позволить дереву решений на основе эмпирических данных выделить переменные, которые более других способны помочь нам в понимании того, какой вклад они делают в более демократичных странах, чем в других.
    5.1 Основная находка
    Полученные веские доказательства показывают, что институциональные факторы являются гораздо более важными, для объяснения зависимой переменной - индекса демократии. Шесть из 14 факторов институционно- связанны, в том числе, первые два фактора в схеме принятия решений, и только четыре из 14 факторов социально-экономические.
    5.2 Политическое значение институциональных факторов
    Институциональные факторы показывают, что они относятся к высокому уровню эффективности в создании демократических институтов и управлении конфликтами. Например, страны могут, в конечном итоге, оказаться в гражданской войне из-за плохих и неоднозначных отношений между парламентом, исполнительной властью, бюрократией, судебной ветвью власти. Примеры варьируются от Сомали до Югославии, Ливана и многих других. Согласно этой модели, регулирование политического участия (PARREG) оперируется в зависимости от степени в которой есть обязательные правила о том, когда и как политические предпочтения выражены, и является наиболее важным фактором в прогнозировании институциональной демократии. Сущность демократии заключается в создании соответствующих правил для управления и регулирования, участия и конкуренции граждан и групп граждан над тем, что, кто, когда и как получает. Это указывает на то, что такое регулирование является обязательным для укоренения демократии, оно должно быть консолидированным и сочетаться с эффективной организационной разработой. Это будет гарантировать, что относительно стабильные и прочные группы будут регулярно бороться за политическое влияние с небольшим использованием принуждения.
    Вторая переменная представляет модель конкурентоспособности в найме политиков-исполнителей (XRCOMP). Такая конкурентоспособность означает, что демократия пускает корни в политику, и делает возможным процесс выбора своих руководителей за счет конкуренции между двумя или более сторонами или политической коалицией, а не за счет наследования или удержания власти однопартийной системой. Политики, которые не в этой системе, позволяющей справедливо завершить свои обязанности, с возможностью принятия участия в ней всех граждан и политических сил, рискуют быть недемократическими.
    Третий релевантной переменной в объяснении, почему некоторые политии являются демократическими, а другие нет - это парламентская ответственность (PARLRES). Демократии наслаждаются высоким уровнем "сдержек и противовесов", которые гарантируют, что парламент осуществляет надзор и мониторинг нарушений в исполнительной власти и бюрократии. Без этих институциональных элементов возможность демократической стабильности очень мала. К последним трем институциональным переменным, которые увеличивают вероятность наличия стабильных демократий, относятся: характер отношений между центральным правительством и его периферии с федерализмом, увеличивая возможность демократии по сравнению с унитарными режимами (CENTRAL)). Соблюдение открытости набора руководящих кадров дает большую поддержку для демократии в режимах, которые позволяют более открытый конкурс на замещение исполнительных органов, а не указания или фаворитизм (XROPEN). Процент зарегистрированных избирателей (PWR_VOTERPOP), показывающий, что чем больше режим способен убедить своих граждан быть политически активными, тем больше шансы на установление стабильной демократии.
    5.3 Социально-экономические факторы
    Четыре социально-экономических фактора кажутся релевантными при объяснении, почему некоторые политии более демократичны, чем другие: (1) Уровень урбанизации (чем больше людей живет в городах по сравнению с сельской местностью, тем выше шанс демократической стабильности (URBAN1CA). (2) % рабочей силы в промышленности и сфере обслуживания интерполируется (EXP_LABOIN_1). Чем выше число людей, которые работают в секторах промышленности и услуг по сравнению с сельским хозяйством и охотой, тем больше возможности демократизации. (3) Валовое накопление капитала (% ВВП) (INVESTDM). Чем богаче страна (измеряется его валовое накопление основного капитала), тем больше она стремится стать демократической, учитывая желание своих граждан, чтобы преобразовать их образовательные и интеллектуальные навыки в политических правах. (4) Университеты на душу населения (0,0001) (PWR_UNIVCA). Чем больше молодежи в университетах или с высшим образованием, тем больше шансов на демократизацию. Взятые вместе, эти четыре переменные показывают, что сильнее средний класс в стране, тем более вероятна демократизация и демократическая стабильность. Поддержан политический аргумент: "нет среднего класса, нет демократии".
    5.4 Пременные, связанные с охраной безопасности
    Две переменные, которые не обязательно связаны с демократизацией,  но всегда  очень актуальны для безопасности и стабильности любого государственного устройства появляются в модели: доля населения в вооруженных силах и доля расходов на оборону. Исторически сложилось, что сильные демократические страны имеют тенденцию к повышению пропорции вооруженных сил и расходов на оборону в целях поддержания безопасности и стабильности. Так же верно, что сильная диктатура или унитарное партия, контролирующая страну, имеет высокий процент населения в вооруженных силах и высокую долю оборонных расходов в целях удержания диктатуры или власти унитарной партии.
    5.5 Антиправительственные демонстрации
    Не удивительно, что антиправительственные демонстрации, являются важным фактором влияния на развитие демократии. Переход от диктатуры к демократии часто влечет за собой большую свободу выражения мнений, ассоциаций и демонстраций. В демократических странах такие демонстрации, регулируются законом. При диктатуре или власти унитарной партии, такие движения, скорее всего, не допускается. Реакция со стороны правительства проявляется часто с применением силы, для подавления подобных инцидентов. И становится циклом антиправительственных демонстраций граждан с подавлением демонстраций полицейскими силами. Такие циклы часто приводят к ограниченнию продвижения к демократии.
    6. Заключение
    В статье представлен пример применения трех различных методов моделирования, которые приняты в методе интеллектуального анализа данных: дерево принятия решений, логистическая регрессия и нейронные сети, для имерения силы связей факторов, связанных с принятием демократии, с использованием более 200 лет ретроспективных данных. Модель деревьев принятия решений оказалась «лучшей» моделью, что было определено с помощью трех критериев: уровень ошибки классификации (MS Rate), корень среднеквадратической ошибки (Root ASE) и кумулятивный подъем (Cumulative Lift). Уровень ошибки классификации в лучшей модели составил 18%. Среди 56 факторов считающихся входными переменными, четырнадцать переменных определены как важные. Источники литературы обращали больше внимания на социально-экономических факторы [1, 10, 11]. В недавниех исследованиях с использованием иерархического смешанного подхода в моделировании, проведенных Веджнерт [14] было предположено, что факторы диффузии являются более важными, чем социально-экономические факторы. Наше исследование сделало еще один шаг вперед, приняв во внимание всю полноту имеющихся входящих переменных и большую ретроспективность. Наши результаты показывают, что есть четыре категории факторов, которые делают значительный вклад в становление демократии. Наиболее важной категорией является политическая значимость институциональных факторов, далее следуют социально-экономические факторы и факторы, связанные с военными расходами, а также антиправительственная деятельность в виде демонстраций. Слабой стороной этого исследования является то, что в нем не принимаются во внимание временные ряды. Необходимы дальнейшие исследования в свете воздействия временного лага входных переменных для развития демократии. Еще одним интересным возможным направлением исследований может явиться прогнозирование количества времени, необходимого для развития демократии при определенных начальных  условиях вводных переменных.
    Литература:
    1. Bollen, K.: World System Position, Dependency, and Democracy: The Cross-National Evidence." American Sociological Review 48:486-79 (1983) 
    2. Dahl, R.: On Democracy. Yale University Press (1998) 
    3. Fattah, M.: Democratic Values in the Muslim World. Lynn Rienner 
    Publications (2006) 
    4. Giudici, P.: Applied Data Mining. John Wiley & Sons, Inc. (2003) 
    5. Han, J., Kamber, M.: Data Mining Concepts and Techniques. Morgan 
    Kaufman Publishers (2001) 
    6. Huntington, S.P.: Democratization in the Late Twentieth Century. 
    Norman: University of Oklahoma Press (1991) 
    7. Inter-University Consortium for Political and Social Research, 
    #20440. http://www.icpsr.umich.edu/cocoon/ICPSR/STUDY/20440.xml
    8. Jagger, K., Gurr, T.R..: Tracking Democracy's Third Wave with the 
    Policy III Data. Journal of Peace Research 32:469-82 (1995) 
    9. Linz, J.J., Alfred S.: 1996. Problems of Democratic Transition and Consolidation: Southern Europe, South America and Post-Communist 
    Europe. The Johns Hopkins University Press. p.113 (1996) 
    10. Przeworski, A, Alvarez, M., Cheibub, J.A., Limongi, F.: Democracy 
    and Development. Cambridge University Press (2000) 
    11. Rustow, D.A.: Transitions to Democracy: Toward a Dynamic Model. 
    Comparative Politics 2:337-64 (1970) 
    12. Sarma, K.: Predictive Modeling With SAS Enterprise Miner: Practical 
    Solutions for Business Applications. SAS Publishers (2007) 
    13. Tessler, M.: Do Islamic Orientations Influence Attitudes Toward De- mocracy in the Arab World? Evidence from Egypt, Jordan, Morocco, and Algeria. International Journal of Comparative Sociology 43 (3- 5):229-249 (2002) 
    14. Wejnert, B.: Diffusion, development and democracy, 1800-1999. 
    American Sociological Review, 70(1), 53-81 (2005) 

    Комментариев нет:

    Отправить комментарий