龐博

摘要：自2015年以來，大量refugee涌入EU，據(jù)EU Frontex統(tǒng)計，2015年以來中，超過180萬refugee從海路或陸路抵達EU。而且大多數(shù)refugee選擇穿越地中海入境EU。面對愈演愈烈的refugee數(shù)量增長，2015年9月，EU通過了 Relocation Scheme機制[1]。這一機制計劃在兩年內(nèi)從轉(zhuǎn)移共計16萬refugee。截止2018年，分配方案的實施時間己過大半，但取得的進展卻千分有限。在這種背景下，EU進行Immigration和Immigration管理的理論未取得有效的結(jié)果，在此困境中本文嘗試對這些理論進行分析和評估，以便為危機的解決尋找更好的方案，利用數(shù)據(jù)分析和建模的方法，嘗試建立一種危機預(yù)防和管理的模型。

關(guān)鍵詞：refugee;EU;數(shù)據(jù)分析和建模;預(yù)警模型

一、EU refugee的現(xiàn)狀與分析

對refugee的數(shù)量和來源等信息進行有效監(jiān)控就顯得很重要，便可以及時調(diào)整相關(guān)refugee理論，有效地防范相關(guān)風(fēng)險。在2016年之后EU refugee數(shù)量的減少，也讓我們發(fā)現(xiàn)監(jiān)控入歐refugee潮、監(jiān)控EU外部邊界的管控、向成員國提供行動和技術(shù)支持等行為是有作用的。因此我們可以構(gòu)建一套指標(biāo)體系，利用數(shù)據(jù)分析的方法嘗試去建立這樣一種預(yù)警模型。

二、數(shù)據(jù)的分析與建模

動態(tài)因子模型（Dynamic Factor Model， DFM）是一種對經(jīng)濟變量的維度進行壓縮，提取經(jīng)濟現(xiàn)象背后的“隱性推動因素”進行相關(guān)分析和預(yù)測的模型。動態(tài)因子模型可從若干個變量中提取潛在的、觀察不到的共同趨勢，并利用這個共同趨勢即動態(tài)因子對經(jīng)濟變量進行預(yù)測。動態(tài)因子模型的基本形式為：

三、數(shù)據(jù)分析

回歸結(jié)果顯示：在的顯著性水平下，各個指標(biāo)的統(tǒng)計性都很顯著。從回歸模型中系數(shù)的符號可以看出：來自Syrian的refugee數(shù)量、來自Afghanistan的refugee數(shù)量、來自Iraq的refugee數(shù)量、refugee平均安置成本這4個變量對于refugee危機和refugee理論的影響是是正向且顯著的，這些指標(biāo)數(shù)值越大，發(fā)生危機的概率就越大。接納refugee的資源和refugee登記與審核人力的投入這兩個變量的影響程度小于上述四個變量，可能是因為自2016年以來，尤其是2017年以來refugee數(shù)量的減少使得各個Country資源緊缺的情況已經(jīng)有所緩解。邊境管理人員的投入增加或減少往往是滯后于危機發(fā)生的，因此可能在模型上對于我們所研究的問題影響程度不大，但是基于EU實踐來看，有效地安排邊境管理人員，推動EU統(tǒng)一refugee身份認證是有著重要意義的。refugee自愿返回人數(shù)這一變量的影響程度最低，一方面是因為實際情況上refugee自愿返回人數(shù)較少，二是這一指標(biāo)可能也具有滯后性。

綜合來看，上述的數(shù)據(jù)基本與實際情況相符，也反映了該模型在某種程度上可以說是有效的，對于refugee數(shù)量有著一定的預(yù)測作用。隨著每年refugee情況的變化，模型還有很大的調(diào)整空間。對EU Country和EU來說，通過refugee理論的收緊，減少入歐的尋求避難者的數(shù)量和規(guī)模的目標(biāo)已經(jīng)實現(xiàn)，但甄別和處理急劇增長的避難申請的任務(wù)依然是EU Country和EU亟待解決的緊迫任務(wù)。因此，做好對refugee數(shù)量的監(jiān)控和預(yù)警就顯得尤為重要了。

注釋：

[1]Relocation and Resettlement， EUropean Commission， http：//ec.EUropa.EU/home-affairs/homeaffairs/files/what-we-d0/polices/EUropean-agenda-migration