베이지안 숨은 마르코프 모델로 본 휴전이 갈등 강도에 미치는 영향

본 논문은 갈등 연구에서 관측된 전투 사망자 수와 같은 시계열 데이터를 활용해, 잠재적 갈등 상태를 라벨링하고 휴전이 갈등 역학에 미치는 영향을 정량적으로 분석하는 새로운 통계적 프레임워크를 제시한다. 연구 배경으로는 기존의 숨은 마르코프 모델(HMM) 적용 사례가 대부분 사례연구 수준에 머물렀으며, 시간 간격 선택, 상태 해석, 연속시간 모델링 등에서 한계가 있었다는 점을 지적한다. 특히, 최근 공개된 ETH‑PRIO 민간 갈등 휴전 데이터세트와 UCDP 전투 사망자 데이터가 결합될 수 있게 되면서, 전 세계적인 규모에서 휴전 효과를 체계적으로 검증할 수 있는 기회가 마련되었다. 데이터는 1989년부터 2018년까지 170개 국가의 주간 전투 사망자 수와 휴전 시작일을 포함한다. 전투 사망자 수는 음이항 분포를 통해 모델링되며, 평균 구조에 자기회귀(AR) 항을 포함해 이전 주의 사망자 수가 현재 주의 기대값에 영향을 미치도록 설계한다. 이는 전투 사망자 수가 과잉분산과 영(0) 과다현상을 보이는 특성을 반영한다. 휴전 기간은 시작 주와 그 이후 4주(총 5주)로 정의하고, 시작 전 2주를 ‘전휴전’ 구간으로 설정한다. 잠재 상태는 1~K개의 이산형 상태로 구성되며, 사전 지식에 기반한 부분 라벨링을 적용한다. 구체적으로, 전투 사망이 60일 이상 없고 연속 2년 이상 비폭력 상태를 유지한 주를 ‘비폭력 상태(1)’로 확실히 라벨링한다. 라벨이 없는 주는 베이지안 추정 과정에서 사후 확률에 따라 상태가 할당된다. 이렇게 함으로써 라벨링 오류를 최소화하고, 라벨이 없는 구간에서도 상태 전이를 추정할 수 있다. 베이지안 프레임워크 하에서 모델 파라미터는 MCMC 알고리즘을 통해 추정된다. 사전 분포는 비정보적이며, 상태 전이 행렬, 음이항 파라미터, AR 계수 등에 대한 사후 분포와 95% 신뢰구간이 제공된다. 모델 적합도는 후방 예측 검증, 시뮬레이션 기반 검증, 그리고 기존의 ARIMA·GLM 등 단순 모델과의 비교를 통해 평가한다. 결과적으로 제안된 HMM은 전투 사망자 수의 급격한 스파이크와 장기적인 저강도 상태를 동시에 포착하는 데 뛰어난 성능을 보인다. 휴전 효과 분석에서는 각 휴전 구간에 대한 상태 전이 확률과 기대 전투 사망자 수 변화를 추정한다. 주요 발견은 다음과 같다. (1) 휴전 시작 전 2주 동안 폭력 강도가 상승하는 ‘에스컬레이션’ 패턴이 통계적으로 유의하게 나타난다. 이는 협상 과정에서 갈등 당사자들이 전투를 강화하거나 재무장하는 전략적 행동을 할 가능성을 시사한다. (2) 휴전 자체가 즉각적인 폭력 감소로 이어지지는 않으며, 일부 경우에는 상태 전이가 높은 강도 상태로 이동한다. 이는 휴전이 전략적 시간 벌기, 인도주의적 목적 등 복합적 동기를 가질 수 있음을 반영한다. (3) 휴전 후 4주 동안 평균 전투 사망자 수는 약간 감소하지만, 효과 크기가 작고 국가별 이질성이 크다. 논문은 또한 모델의 한계와 향후 연구 방향을 제시한다. 첫째, 국가별 이질성을 완전히 반영하지 못했으며, 계층적 베이지안 구조를 도입해 국가별 파라미터를 공유하는 방안이 필요하다. 둘째, 라벨링 기준이 보수적이어서 중간 강도 상태를 과소평가했을 가능성이 있다. 셋째, 휴전 기간을 5주로 고정함으로써 장기 효과를 포착하지 못했으며, 연속시간 HMM이나 가변 길이 구간 모델을 적용해 보다 정밀한 시간 흐름을 모델링할 여지가 있다. 마지막으로, MCMC 수렴 진단과 사전 민감도 분석이 충분히 보고되지 않아 추정 결과의 견고성에 대한 추가 검증이 요구된다. 결론적으로, 이 연구는 베이지안 자기회귀 숨은 마르코프 모델을 통해 반지도학습 방식으로 갈등 상태를 라벨링하고, 전 세계적인 휴전 데이터와 전투 사망자 시계열을 결합해 휴전이 갈등 강도에 미치는 복합적 영향을 정량적으로 분석한 최초의 시도이다. 제안된 방법론은 갈등 연구뿐 아니라 다른 사회과학 분야에서 잠재적 상태 라벨링이 필요한 시계열 데이터 분석에 적용 가능성을 제시한다.