07--估计冲突损失和报告偏差

政治科学的开放获取<img src="/media/202408//1724856293.273838.png" />简要报告从 ht tp s: // ww w 下 载pn as.组 织 51。19 5. 24 1. 22 7 于 20 23 年 12 月 3 日 从 IP 地 址估计冲突损失和报告偏差本杰明J。拉德福住所名称a,b,1身份证戴瑶瑶c身份证Niklas斯托尔d亚伦·谢恩e米亚·费尔南德斯b,c和Hanif Sajida身份证大卫 ·莱丁编辑，斯坦福大学，加州斯坦福大学；2023年5月2日收到；2023年7月17日接受确定在军事化冲突中所遭受的伤亡人数是这对于冲突的测量、预测和问责制都很重要。然而，考虑到 由于冲突的性质，可靠的伤亡统计数据很少。国家或政治参与冲突的行为者有动机去隐藏或操纵这些数字， 而第三方可能无法获得可靠的信息。例如，在俄罗斯和乌克兰之间持续的军事化冲突，估计的规模损失的差异很大，有时是不同数量级。在本文中，我们给出了一个 根据多种报告来源，衡量伤亡人数的方法，同时，考虑到这些来源的偏见。我们构造了一个数据集 4609份军事和平民损失报告。然后我们开发了一个统计模型，以更好地估计双方根据这些报告造成的损失。我们的模型 解释了不同类型的报告偏差，损失之间的结构性相关性类型，并集成了不同时间尺度上的损失报告。我们的日常和累积 据估计，俄罗斯损失的人员比乌克兰和乌克兰损失的人员更多也可能遭受更高的死亡与伤亡率。我们发现双方都有可能进行合作高估了对手和俄罗斯消息来源所遭受的人员损失 低估了他们自己造成的人员损失。新闻偏见| war |伤亡|开源数据|贝叶斯统计2022年2月，俄罗斯武装部队入侵乌克兰，在2014年吞并克里米亚和乌克兰东部地 区的基础上继续扩张。从那时起，各国政府、非政府组织和开源调查人员（OSI） 已经得出了数千个关于冲突中交战双方所遭受的身体损失的估计数：人员伤亡、死亡和设备损失。这些报告的损失形成了一个不完整的时间序列，提供了冲突直 到提出索赔点的快照。然而，这些报告的损失也被战争的迷雾所掩盖，并且经常 相互矛盾。不同来源同时报告的累积损失数可能有数量级的不同。例如，2022年9 月21日，俄罗斯国防部长绍伊古报告称，有5937名俄罗斯士兵在冲突中丧生(1)。 然而，在同一周，乌克兰国防部报告说，有55,510名俄罗斯士兵被杀(2)。。我们构建了一个俄罗斯和乌克兰遭受的损失报告数据集，以预测每一方和每一 损失类别的每日损失，其中类别包括各种类型的设备和人员。此外，我们考虑了 损失类别之间的相关性，以调整报告中的差距，同时也考虑了原始报告中特定来 源的偏差。在此模型下，我们可以预测冲突双方对每个损失类别在日水平和累积 水平上所遭受的预期损失。我们发现的证据表明，俄罗斯损失的人员比乌克兰多 得多，而且伤亡率也可能更高。然而，相对的设备损失往往更接近于双方之间的 平价。我们还发现，俄罗斯的消息来源高估了乌克兰的人员损失，而低估了他们 自己的人员损失。衡量军事冲突的伤亡率和死亡率对于确定冲突的特征和预测其进展都很重要。例如，对战争的许多定义都取决于对交战国中战斗人员死亡人数的绝对人数和相 对人数的了解(3)。死亡人数本身有时被用作难以衡量的概念的（接近）持续有价 值的代理，如冲突的严重程度(4)或冲突升级(5)。对死亡率和伤亡率以及对方可获得的设备的数量和类型的评估对战争规划、管 理公众舆论和保护人权至关重要。在估计战争成本方面的统计建模有着悠久的历 史。在第二次世界大战中，统计学家使用缴获的德国坦克上的连续序列号来估计 每月一次的坦克的生产能力（ “德国坦克的问题 ”），比情报分析人员更准确(6) 。在国内，政治领导人不仅对理解很感兴趣作者所属：一个公共政策项目，北卡罗来纳大学夏洛特，282223 ; b情报社区学术卓越中心，政治科学与公共管理系，28222；c 北卡罗来纳大学政治科学与公共管理系，28223；d计算机科学系 , 苏黎世联邦理工学院，苏黎世8092； 以及芝加哥大学统计系， 芝加哥，IL 60637<img src="/media/202408//1724856293.475772.png" />作者贡献：B。J.R.设计研究；B。J.R. , M. F., 和H。S.进行了 研究；B。J.R., Y.D.,N.S.和A。S.分析数据；和B。J.R. ,Y.D., 和H。S.写了这篇论文。作者声明没有任何竞争利益。版权所有：©2023，作者(s)。 由PNAS出版。本开放获取文章在知 识共享属性许可4.0（CC BY）下发布。1 通信可以写信给谁。 电子邮件：本杰明。radford@charlotte.edu. 2023年8月14日出版。<img src="/media/202408//1724856293.544957.png" /><img src="/media/202408//1724856293.575402.png" />PNAS 2023卷。120 No.34 e2307372120 https://doi.第1页，共3页.2307372120图1.估计俄罗斯（左）和乌克兰 （右）在前365天战争期间）造成 的军事人员（上）和坦克（下）损失。预期日损失用实线表示，预期累积损失用虚线表示。注意 灰色的95%后验可信区间。点表示 来自在右下角的图例中给出的来 源的报告。Y轴值为sinh— 1 (y) 为了清晰起见而转换。<img src="/media/202408//1724856293.6320262.jpeg" />报告不 致，所有的时间序列都 不完整的，许多包含不而是在管理公众对损失的理解方面 在美国的背景度上 是基于人们对预期伤亡人数的看法( ) 年 月积值、缺失的值和一天内的多个矛盾的值 我们使用所有可用的数据来估计所有 损失类别的每日损失和累积损失，同时考虑到报告中特定 于索赔来源的偏差。的媒体报道强调了公众对军事冲突中损失的看法的重要性 ：泄露的美国情报文件显然披露了乌克兰和俄罗斯在持续 冲突中损失的内部估计。然而，报告也指出，文件中的数 字很可能是由第三方在某个时候修改的，以尽量减少俄罗 斯的损失(8)。最近的研究还表明，政府将低估针对非战斗 人员的暴力行为(9)。这突出了在估计军事冲突期间的损失 时考虑具体来源的偏见的重要性。不幸的是，正如克劳塞维茨所写的那样，“双方的伤亡 报告从来都不准确，很少真实，而且在大多数情况下都是 故意伪造的”（10）。准确的伤亡人数估计是“ 出了名的 困难 ”（11）。估计战争死亡人数的方法可分为两大类：一类依赖于同期报告，通常来自多个来源，另一类依赖于 战后调查或人口统计研究的报告（12）。对与战斗相关的 死亡进行分类的一个值得注意的努力是PRIO战斗死亡数据 集（13）。这种努力，和我们的努力一样，主要属于前一 种估计方法。与我们的方法不同，PRIO战斗死亡数据集每 年只报告每个国家每场冲突中与战斗有关的死亡人数。相 反，我们试图利用伤亡报告的时间方面来估计每日水平的 损失。我们还利用多个损失类别的报告来帮助填补任何单 一损失类别的报告空白，假设某些类别的损失将与其他类 别的损失相关联。例如，装甲车的损失很可能与伤亡人数 有关（14）。我们的数据包含了通过社交媒体、新闻场所和各种政府消息来源报道的4609起损失索赔。我们将这些来源分为七组 , 我们称之为“索赔来源 ”：OSI（n = 169）、俄罗斯来源 （247）、英国来源（32）、乌克兰来源（3858）、联合国 （78）、美国来源（71）和其他来源（154）。*损失记录在 两个水平，每日和累积，后者占所有观测结果的96.5%。我 们记录了21个类别的损失，其中14个见表1，包括军事和平 民的伤亡和各种设备的损失。 由于结果利用我们的模型，我们估计了每个损失类别和目标国家对 ( “类别-目标 ”）的预期日损失和累积损失，条件是估计的 索赔来源偏差。图1描述了冲突双方主要方的军事人员死亡 和坦克损失的数据和后验预测。我们发现，截至2023年2月 23日，俄罗斯人员损失超过了乌克兰人员损失，预期损失数 分别为76687（95%可信区间：38670-139772）和17223（621 9-39105）。我们计算了俄罗斯和乌克兰的伤亡人数之比，从 ht tp s: // ww w 下 载得出的数值分别为2.9：1和4.9：1。在图的下面的两个面板中。随着时间的推移，我们看到 了坦克的预期损失。据估计，俄罗斯和乌克兰也遭受了类 似的损失，预计分别损失3380人和2051人。灰色阴影的95% 后可信区间显示，乌克兰的不确定性要高得多，在战争第 一年结束时获得了上限385和5946，而俄罗斯的上限分别为 1704和6178。。表1列出了截至2023年2月23日的估计累积损失的选择，pn as以及每种损失类型(n)对应的报告数量，以及每种估计值的 95%后验可信区间的界限。.我们还估计了索赔来源对损失类别的偏差。偏差并不一组 织 51定意味着故意的虚假陈述，而是相对于我们估计的损失值的 任何系统性的高估或低估。当观察俄罗斯军队死亡时，我们 发现，每遭受损失，俄罗斯来源只报告0.3损失(0。1 –0.5). 这大致相当于俄罗斯到2022年9月21日损失了5,937人，当时 我们的模型估计俄罗斯可能损失了31,532名士兵。俄罗斯的 消息来源高估了乌克兰军队的死亡人数，其比率为4.3比1。。19 5. 24 1. 22 7 于 20 23 年 12 月 3 日 从 IP 地 址乌克兰的消息来源高估了俄罗斯人的死亡人数，增加了近两 倍，尽管在95%可信区间（1.0：1 –3.4：1）中没有支持任 何偏见。我们在乌克兰关于乌克兰军人死亡的报告中没有发 现系统性偏见的证据。<img src="/media/202408//1724856293.700298.png" />*资料来源是指索赔要求的发起者。g., 美国国防部或俄罗斯国防部)，并与报告索赔的地点不同(e。 g., CNN或《纽约时报》)。2的3 https://doi。org/10. 1073/pn as.2307372120 pnas.org（“ 目标”，俄罗斯或乌克兰）、损失类别（如坦克、直升机）表1。截至2月份的估计累计损失 23, 2023ISO2类别n Est。95% CI、报告损失日期以及报告是否为范围（如50-100）、下限（如至少 50）、上限。我们假设结果要么是泊松或负二项分布，其均值在协 变量中是对数线性的。对于每个类别-目标对（例如，“坦克-乌克 兰 ”），我们还使用三次基样条估计了预期每日损失的潜在时间序 列。<table><tr><td>罗</td><td>AA系统</td><td>233</td><td>339</td><td>[76 – 1,070]</td></tr><tr><td>ua</td><td>AA系统</td><td>13</td><td>1,105</td><td>[108 –5,247]</td></tr><tr><td>罗</td><td>装甲车辆</td><td>400</td><td>6,351</td><td>[2,966 – 11,791]</td></tr><tr><td>ua</td><td>装甲车辆</td><td>15</td><td>3,280</td><td>[777 –8,439]</td></tr><tr><td>罗</td><td>炮兵</td><td>380</td><td>1,483</td><td>[701 –2,818]</td></tr><tr><td>ua</td><td>炮兵</td><td>35</td><td>2,290</td><td>[519 –6,966]</td></tr><tr><td>ua</td><td>平民伤亡</td><td>21</td><td>38,155</td><td>[13,245 – 84,852]</td></tr><tr><td>ua</td><td>平民死亡</td><td>46</td><td>13,287</td><td>[4,081 –32,399]</td></tr><tr><td>ua</td><td>平民伤害</td><td>26</td><td>19,464</td><td>[5,396 –46,460]</td></tr><tr><td>罗</td><td>直升机</td><td>389</td><td>172</td><td>[87 – 311]</td></tr><tr><td>ua</td><td>直升机</td><td>30</td><td>64</td><td>[14 – 183]</td></tr><tr><td>罗</td><td>喷气机</td><td>409</td><td>146</td><td>[68 – 273]</td></tr><tr><td>ua</td><td>喷气机</td><td>38</td><td>122</td><td>[32 – 372]</td></tr><tr><td>罗</td><td>军事伤亡</td><td>130</td><td>218,800</td><td>[108,432 – 397,361]</td></tr><tr><td>ua</td><td>军事伤亡</td><td>16</td><td>75,538</td><td>[19,994 – 176,612]</td></tr><tr><td>罗</td><td>军事死亡</td><td>523</td><td>76,687</td><td>[38,670 – 139,772]</td></tr><tr><td>ua</td><td>军事死亡</td><td>67</td><td>17,223</td><td>[6,219 –39,105]</td></tr><tr><td>罗</td><td>军事伤害</td><td>44</td><td>148,608</td><td>[45,749 – 365,649]</td></tr><tr><td>ua</td><td>军事伤害</td><td>8</td><td>33,081</td><td>[5,260 – 125,925]</td></tr><tr><td>罗</td><td>多管火箭发射系 统</td><td>261</td><td>488</td><td>[148 – 1,222]</td></tr><tr><td>ua</td><td>多管火箭发射系 统</td><td>27</td><td>538</td><td>[155 – 1,482]</td></tr><tr><td>罗</td><td>储罐</td><td>501</td><td>3,380</td><td>[1,704 –6,178]</td></tr><tr><td>ua</td><td>储罐</td><td>33</td><td>2,051</td><td>[385 –5,946]</td></tr><tr><td>罗</td><td>无人机</td><td>292</td><td>337</td><td>[153 – 707]</td></tr><tr><td>ua</td><td>无人机</td><td>40</td><td>1,643</td><td>[387 –4,371]</td></tr></table>我们假设泊松和负二项分布累计损失，y天和yj精液，其中i和j指数和累积观测结果(方程式。1 &amp; 2). 日对数和累积平均估计数以方 程式表示。3和4。系数用p表示。我们对每个目标国家的每个损失 类别的潜在时间序列的估计用act，d表示，其中ct索引类别-目标，d表示数字 自2022年2月24日以来的几天。 目标和目标的目标，pnst，是从一个正态分布(Eq。6).这个平均值加到时间趋势，p结束时间：365年月日)， 以及对时变偏差，Bp，来捕获line 损失的时间动态，其中pline是样条系数，B是三次的吗基样条曲线与150 kn。样条系数是多元正态分布的。7).每个索赔来源 （以s索引）都给出两个标量系数当给出范围时，考虑最小值和最大值估计数(Eq。8).I分i和我ax表示观测i是一个最小或最大估计。每个观测结果都是由一个特定于其本身的多水平偏差系数来衡量的源-目标对（按st进行索引）和类别，ps， 以解释系统性的高估或低估。这些是正态分布在源-目标特定的均值周围，这些均值本 身是正态分布的，先验均值为零(Eq。9).我们假设零中心偏差项 ，编码保守的信念，即一个源是无偏的，没有数据来表示否则。非零平均值将编码系统偏差（例如，系统测量误差）。我们通过部分池分层建模偏差项，来缓解类不平衡。在估计损失 时，我们将偏差项设置为零（即，“无偏差”）。类别特定目标 的过度分散是由小ct平衡 10).为了简洁起见，我们省略了超先验组 织 5 1请注意，对于一些损失类别，2月。2023年23日，可能比最新的观测报告晚了好几个月。数据很少或代 表复合类别的损失类型。。<img src="/media/202408//1724856293.828678.jpeg" /><table><tr><td></td></tr></table>讨论[1] [2][3]。总的来说，我们发现俄罗斯和乌克兰的设备损失通常按类 别划分是可比较的，但俄罗斯的人员损失超过了乌克兰的 人员损失。这可能反映了俄罗斯士兵装备不足和无效的补 给线导致了相对较高的人力成本，这种说法在媒体上一直 很流行。在一年的时间里，俄罗斯对乌克兰的人员损失率 似乎为5.53比1（1.6：1-14.5：1）。19 5. 24 1. 22 7 于 20 23 年 12 月 3 日 从 IP 地 址 	<img src="/media/202408//1724856293.9245539.png" /> http s: // ww w 下 载,[4] [5]更一般地说，我们提出了一种从开源数据中以高时间保真度测量冲突相关损失的方法。我们的方法以一种原则性的 方式处理特定于源的偏差，并将它们作为需要估计的参数。 它还包括关于多个不同损失类别的每日和累积报告，作为范 围或点估计。这使得研究人员在报告任何单一类型的损失可 能是稀缺时，能够利用可用报告的广度。<img src="/media/202408//1724856293.95596.jpeg" /><table><tr><td></td></tr></table>[6] 	[7] 	[8] 	[9] [10]材料和方法我们使用一个单一的多元贝叶斯模型，有两种结果：每日和累积 损失计数。每项观察都包括一份损失报告（每日或累积），损失 报告的“来源 ”，损失指的国家1.俄罗斯召集了30万名预备役军人，称在乌克兰丧生的600万名士兵。路透社（2022年）。8.H.库珀。施密特，乌克兰战争计划泄露促使五角大楼展开调查（纽 约时报，2023年）。2.乌克兰国防部，敌人的总战斗损失从24.02到22.09。乌克兰国防部官方网站（2022 年）。3.N.什么是内战？操作性定义的概念上和经验上的复杂性。 J.承认。物品48, 814 –858 (2004).4. B.拉西纳，解释了内战的严重性。J.承认。物品50, 276 –289 (2006).5.H.Hegre，P。维斯科，M。来自升级预测比赛的教训。Int。相互作用48,521-554年 （2022年）。。6.R.RugglesH。布罗迪，二战期间研究经济情报的实证方法。J.是斯达使发生联系42, 72 –91 (1947).pn7.L.J.Klarevas, C.格尔皮，J。死亡，伤亡人数， 民意调查和伊拉克战争。Int。秒31, 186 – 198 (2006).9.M.吉比利斯科，J。《战略报告：冲突数据中偏见的正式模型》 。是波利特。科学。Rev., 1– 17 (2022).10. C.冯克劳塞维茨，M。霍华德，P。帕雷特，《论战争》（普林斯顿大学出版社，2008年）。 11.Z.科罗拉多州奥伯迈耶。J.L.默里。加基杜，从越南到波斯尼亚暴力战争死亡：世界健康调查方案数据分析。BMJ 336, 1482 – 1486(2008).12.M.Spagat， 。麦克，T。库珀，J。克罗伊茨，《估计战争死亡人数：一个争论的 舞台》 。J.承认。物品53, 934 –950 (2009).13. B.Lacina, N.P.《监测全球战斗的趋势：一个新的战斗死亡数据集》 。欧洲人 J.波普尔。21, 145 – 166 (2005).14.A.Khorram-ManeshK。Goniewicz, F.M.伯克尔，Y。罗宾逊，现代冲突中的 军事伤亡回顾——装甲战争中伤亡的重新出现。千分之一寸医学187,e313 –e321 (2021).PNAS 2023卷。120 No.34 e2307372120 https://doi.org/10.1073/pnas 3，共3页.2307372120