预测右翼民粹主义的崛起以应对不平衡

标准错误。t统计P>tβLIM3.48 0.486 7.17 0.000βEUIM126.4 41.6 3.04 0.002βDter8.3e-05 7.7e-05 1.07 0.284βIter-1.2e-04 1.9e-04-0.64 0.525MIPEX 0.120 0.244 0.49 0.622β-0.353 0.109-3.24 0.001表2：具有随机效应GLS回归的汇总时间序列横截面分析（TSCS），如式（2）所示。检验统计：Waldχ（5）=139.39，P rob>χ=0.000。系数。标准错误。t统计P>tβLIM3.99 0.557 7.18 0.000βEUIM163.2 42.1 3.88 0.000β-0.432 0.089-4.84 0.000表3：随机效应GLS回归的混合时间序列横截面分析（TSCS）。检验统计：Waldχ（5）=169.9，P rob>χ=0.000。合并多个国家的横断面数据的时间序列横断面（TSCS）方法。这里的国家数为N=7：德国、奥地利、荷兰、瑞典、法国、挪威和丹麦。因为每个国家在时间维度上都有TioObservations，所以整个数据ethaspni=1Ti=142个观察值。与式（1）中的模型相比，TSCS模型有一个额外的变量，Mit=（1- MIP EX/100），其中MIPEX是migrant Integration Policy Index（MIPEX）[38]，积分率的近似值-较高的MIPEX意味着更好的积分，额外的指数i=1，2。。。，N表示横截面单位：RWit=β+βLIMIMLit+βeuimmeuit+βDterDit+βIterIit+Mit+eit。（2） TSCS回归模型的结果强调移民在总人口中的比例以及进入整个欧盟的移民流量是重要的预测变量（表2）。无MIPEX和暴力事件的SCS回归模型结果如表3所示。

有趣的是，即使我们忽略了进入欧盟的移民总数，表3中的系数值表明，一个国家总人口中有23%到24%的移民足以使RW民粹主义政党获得50%以上的支持，这与图1中得到的结果相似。根据分析的数据，目前尚不清楚RW民粹主义的兴起是暂时现象，还是政治取向的变化伴随着长期记忆。2015年10月举行的上述维也纳地方选举之后，发生了一连串的事件，让我们得以一瞥选民记忆的持久性。在这次选举中，RW民粹主义政党获得了33%的选票。也就是说，在几个月后的总统选举期间，就在移民危机达到顶峰之际，RW民粹主义运动获得了另一次提振，其候选人获得了近50%的选票，险些输给了左翼对手。然而，这些结果存在争议，重新投票预计将在2016年12月初进行。尽管移民危机自那以后有所平息，但民调显示RW民粹主义政党的支持率稳定在35%左右，其候选人的支持率接近51%，这表明RW民粹主义的兴起确实不仅仅是一种狂热。这一迹象似乎在文献中也得到了一些支持。20世纪80年代，欧洲国家的难民和非法移民数量大幅增加，引发了类似的激进RW民粹主义浪潮，如本文所述【39】。在这些事件之后，早在20世纪90年代初，仍有11%至14%的欧洲人将其他民族、种族或宗教划分为种族。模型人与人之间的交互在许多方面是异质的，并且容易出现突然的非线性响应。

正是这种反应体现在RW民粹主义政党及其候选人在奥地利选举中的崛起。因此，回归方程（1）所示的线性方法必然只能达到目前的水平。为了从机械论的角度看待RW民粹主义的兴起，并解释社会动力学中临界点的存在，我们在参考文献的精神中采用了一种复杂的网络方法。[20、40–42]。依赖复杂网络的好处在于它们能够模拟人类互动中的状态异质性，而不仅仅是捕捉引爆点附近的动态。在考虑移民和融合问题时，异质性似乎很重要，因为与移民与本地人口均匀混合相比，融合居住在贫民区（或网络理论术语中的枢纽）的移民可能更困难。根据我们对移民人口相对于本地人口增长的兴趣，在不丧失任何通用性的情况下，我们通过设置恒定数量的本地（以下也称作本地）代理来开始模型构建。这些代理人被安排在Erd"osR"enyi商业和个人联系人随机网络中。移民（以后通常是外来者）随后会在网络中出现。每一位内部人士都会观察周围的外部人士的比例，并根据这一比例决定是支持全球化还是转向民粹主义。因为内部代理向他们的邻居咨询信息，所以这种互动是局部的，但对于产生和理解引爆点也是必不可少的。然而，还有其他非本地类型的交互，以及信息被误解或曲解的可能性。在下文中，我们用三个模型假设将这些概念形式化。假设（i）：媒体和经济影响。

在每一个时间t，代表一个月的时间段，每个内部代理都会受到媒体的相对影响率p（即每单位时间的概率），并在时间段τ内保持影响。我们假设这种影响将内部人士转变为RW民粹主义支持者。同样，没有失去普遍性，因为尽管媒体对内部人士都有影响，但我们只对净利率感兴趣（负的可能表示相反的影响）。媒体的影响是全球性的，反映出无论当地的真实情况如何，只要听到有关移民的消息，就有可能让一些内部人士变成RW民粹主义支持者。更一般而言，利率p也可能反映经济因素（例如失业）。对于随机选择的内部代理，我们可以使用公式[40]p轻松计算该代理受到媒体影响的概率* = 1.- 经验值(-pτ）。假设（ii）：外来者的当地影响。2010年11月，在希腊地方选举中，极右翼政党黎明党（Dawn）获得了5.3%的选票，然而在雅典一些拥有大量移民社区的社区，该党赢得了高达20%的选票。这种选举结果表明，内部人士和外部人士之间的接触很重要。在我们的网络模型中，最初使用I（0）个局外人来实现N个恒定数量的局内人，其中，由于流量Jt，后者的数量在每一时刻t都会增加。新到达的局外人被随机放置在一开始具有平均连接数（即度）k的现有代理之间。局外人总数i（t）是通过根据i（t）=i（0）+∑ts=1Js对每月J\'s求和得到的。在任何时候，外来者的吸引力等于fI（t）=I（t）/（N+I（t））。

为了说明上述由于内部人员和外部人员之间的接触而产生的影响，我们假设，任何具有kitotal联系的代理都会以一定的比率转向RW民粹主义，如果该代理周围至少有mi=FikiOutsiers[40，43，44]，其中0<fI<1是一个常数模型参数，量化内部人员的容忍度。这个假设值得多加评论。首先，随机选择的具有kiconnections的insideragent i被mioutsiders包围的可能性，因此倾向于RW民粹主义，equalsp（ki，mi，fI）≡ ∑kij=mifjI（1- fI）ki-j奇奇-j. 在此公式中，Fi是网络的真实当前状态。然而，事实可能是这样的：信息是双向的，内部人员感知到的外部人员比实际情况更多。如果偏差为fI，然后p（ki，mi，fI+fI）>p（ki，mi，fI）。这增加了概率p（ki，mi，fI+fI）表示公差参数fI必须减少fIestimable使用条件p（ki，mi- fIki，fI）=p（ki，mi，fI+fI）。这里的一个隐含假设是，所有内部代理都对移民具有同等的容忍度，因为容忍参数fI被定义为一个全球网络属性，而不是一个单独的代理属性。另一种方法是假设公差分布，在这种情况下，表示平均值[20]。为了适应移民影响RW民粹主义支持的计量经济学结果，weextend假设（ii）要求（a）如果移民流量J低于某个阈值J，社会将逐渐变得更加宽容。因此，如果J<Jat在给定的时间时刻，则公差参数fI在此时刻增加fI=δ>0。当扩展（A）得到满足时，移民和移民融合之间就达到了平衡。外部人士成功融合，内部人士能够适应社会的变化。从图中天真地判断。

2（b），Jfor德国每月应接近10000人。找到一个内部人员适应外部人员不断增加的最大Jat的问题可能被解释为与全球化的成功高度相关。也就是说，在他的三重困境中，罗德里克认为，只有在全球化以谨慎平衡的方式进行的情况下，民主的概念才与国家主权相兼容。如果J<J，在模型中可以实现这样一种平衡，即移民和融合是全球化不可避免的后果。否则，RW民粹主义作为一种不容忍的民主模式的崛起，威胁着进一步的进步。温和地说，在这种民主模式中，国家间的合作被降级为政治优先事项。经验证据表明，除了扩展（A），我们还应该考虑相反的扩展（B）。具体而言，随着外来者的流动J超过了某个阈值J（不一定等于J），社会逐渐变得不那么宽容。延伸（B）的数学表示是，如果J>J，则公差参数fI会减少fI=-γJ.（3）根据等式中的计量经济模型。（1） （2）我们使公差参数的减少与流量J成比例，其中γ是一个比例系数，表示内部人员对大型外部人员流量的敏感性。此外，根据图3（b），weexpress阈值是总人口的一个术语，即J=αN，其中α是另一个比例系数。事实上，图3（b）暗示了在受近期移民危机影响的欧盟国家的情况下，α的估计值。图中的虚线描绘了年流量，低于年流量，国家以混合方式应对移民，但高于年流量，对RW民粹主义的支持总是增加。因为α=J/N和，根据图。

3（b），12J/N≈ 0.004，我们得到α≈ 0.00033. （4） 扩展（A）和（B）代表两种相反的限制情况，一种是移民过程相对较慢，另一种是移民过程相对较快。我们被经验证据激励着引入这两个扩展，但在其他科学中也可以找到一些支持。例如，脑科学提供了一种生理学解释，表明政治态度在大脑结构中有对应物【45–47】。如果局外人的增长方式被认为是由局内人控制的，那么前额叶皮层（人脑中负责决策和形成社交行为的部分）就会适应新的环境。然而，如果内部人员开始将外部人员视为入侵者，则前额叶皮层会被杏仁核所覆盖，而杏仁核又会诱导对抗反应，从而抑制耐受性。迄今为止，通过假设（i）和（ii）开发的模型解释了影响个人内部意见的过程。然而，如果内部人士能够相互影响对方的观点，RW民粹主义的兴起将是最具爆炸性的。在人际交往中，同伴的影响是一种有据可查的现象，社交媒体的普及进一步推动了这一现象。因此，RW民粹主义有可能以高度非线性的方式传播，就像一种致命的传染病。我们在第三个（也是最后一个）模型假设中包括了这种非线性集体传播机制。假设（iii）：内部相互传染。在任何给定的时刻，一个与其他内幕人士有着密切联系的内幕特工i，以pif attime t的速度转向RW民粹主义- 这位特工在附近至少有Mi=Ki/2名RW民粹主义支持者。注意，为简单起见，系数1/2的作用类似于假设（ii）中的公差参数。

这里的要点是，由于内部代理人之间的联系，一旦RW民粹主义在网络的某个地方出现，整个民粹主义运动就会像传染病一样传播。这样的集体传播是至关重要的，因为即使周边没有外来者，一个内部代理人也可以成为RW民粹主义支持者，从而可能解释为什么一些几乎没有移民的欧盟国家甚至反对接受一小群移民。对于美国最近的总统选举结果来说，类似的影响可能也很重要，其中获胜的候选人经常在主流媒体上受到嘲笑，这在我们的假设模型（i）中得到了体现。假设（iii）总结了模型构建，从而使我们重新关注仿真结果及其影响。在图4中，从5000名代理人的网络开始，我们用数字显示了RW民粹主义支持者的分裂如何随着外来者的不断涌入而增加，这里的J=每月2人。图4所示：非线性、转折点和右翼民粹主义的兴起。使用一个由N=5000个代理组成的网络，每个代理平均有15个连接，我们以每个时间步J=2的速度检查外来者恒定流量的影响。在此设置中，任何时刻的外来者总数为I（t）=∑iJi=hJit。当局外人的分数fI=I/（N+I）接近公差参数fI=0.15时，临界点的存在会导致RW民粹主义支持者的分数开始非线性增加，并最终在大约37年（450个月）的时间内突然跳跃（即不连续的变化）进入模拟（黑色曲线）。如果外来者的流动在时间和时间上经历冲击，即J=200名外来者进入网络，那么这种突然的跳跃会发生得更严重。

特别是，随着网络接近临界点，完全相同的冲击的影响变得不成比例地高（红色曲线）。然而，在这种情况下，公差参数仍然保持不变。最后，我们还研究了有时电击会影响耐受性参数的情况，其中反应性由参数γ=0.0001控制。在这里，第二次冲击足以将电视网不断推向RW民粹主义（绿色曲线）。其他参数为p=0.007、τ=15、p=0.5、p=0.5和α=0.001。每年约占总人口的0.5%，略高于图3（b）所示的阈值。每个月J=2的模拟应模拟上述扩展（B）中表示的快速限制。在经历了大约37年的快速全球化之后，该网络达到了一个转折点，并突然转变为以RW民粹主义为主导的模式。声明RW民粹主义占主导地位意味着网络中超过50%的RW民粹主义支持者（即P>0.5，其中P表示RW民粹主义者的比例）。50%的门槛是由于民主是多数原则。在图4中，我们进一步报告了假设（i）-（iii）下的模拟网络如何响应冲击（红色曲线）。在此阶段，分机（B）还不允许运行。外部人员的恒定年流量J=2，在时间间隔t补充了两个事件，其中J=200。网络状态，特征图5：右翼民粹主义成因的分解。图4显示，随着社会接近临界点，RW民粹主义的概率P突然增加，但对潜在原因保持沉默。在这里，我们区分了本地外部影响（假设（ii））和内部相互传染（假设（iii））的贡献。远离临界点，P主要响应当地外来影响（ii）。

相比之下，随着网络接近其临界点，内部人相互传染（iii）接管并加速向RW民粹主义主导的过渡。参数值为N=5000，平均度数为15，J=2，p=0.007，τ=15，p=0.7，p=0.8。受RW民粹主义者比例（P）的影响，尽管冲击波（J=200）是相同的，但在TTT上表现出更强烈的反应。这种强烈反应的原因是，在t中，系统更接近临界点，因此比在t中更不稳定。因为在现实中，J的值可能是错误估计或其他形式的信息误解的结果，所描述的结果表明，接近临界点的同时，非线性效应也在增强，因此，即使是很小的冲击，也可能触发最终推动RW民粹主义主导的模式。如果允许延伸（B）运行，即如果公差参数F随J变化，则情况更具爆炸性（就P而言）。图4（绿色曲线）中的第三个模拟说明了延伸（B）运行时假设（i）-（iii）下的动力学。因此，公差参数随J变化，如公式（3）所规定。由于耐受性降低，第二次冲击现在足以将系统推到临界点之外，从而导致RW民粹主义比前两次模拟更早占据主导地位。仅从图4中的模拟来看，不清楚局外人的局部影响（假设（ii））在多大程度上促成了RW民粹主义相对于互惠主义的蔓延（假设（iii））。我们在图5中检查这些贡献。在最初的过渡期消失后，是外来者的当地影响力推动了图6：预测RW民粹主义的时机。我们发现，对于广泛的外部流量（J）和公差参数值（fI），公式。