Влияние стран в контексте продовольственной безопасности

Продовольственная безопасность является одним из ключевых вопросов последние десятилетия. Огромное количество организаций было создано за это время, и их основными задачами являются оценка уровня продовольственной безопасности в странах, а также понижение уровня недоедания в мире. Однако оценка уровня продовольственной безопасности обычно основывается на статистических показателях каждой страны, которые зачастую собираются через опросы домашних хозяйств. Основным недостатком таких оценок является то, что они не учитывают отношения между странами. В данной работе мы предлагаем объединить анализ статистических показателей стран и торговых отношений между ними с помощью анализа социальных сетей, для того чтобы выявить наиболее влиятельных экспортёров. Для выявления наиболее влиятельных участников могут быть применены классические меры центральности, но, к сожалению, эти меры не учитывают такие важные факторы, как индивидуальные характеристики вершин, групповое влияние, а также непрямые взаимодействия между участниками. В работе предлагаются несколько новых мер центральностей, которые учитывают все эти факторы. Предложенный подход помогает нам оценить влияние одних вершин на другие, что в дальнейшем может быть агрегировано в индекс влияния или в индекс зависимости стран. Мы применили классические меры центральности, а также меры, предложенные в данной работе, к торговой сети, построенной на данных международной торговли Всемирного Банка. Было выделено три наиболее важных для продовольственной безопасности продукта (пшеница, рис, мясо курицы), которые были рассмотрены раздельно. Для того чтобы объяснить, почему страны зависят от импорта из других стран, были проанализированы прямые и непрямые влияния в построенных сетях. Мы также провели анализ индексов влияния в динамике, рассмотрев промежуток с 1996 по 2016 годы. Наконец, был применён кластерный анализ на исходных сетях и сетях прямых влияний и был сделан вывод, что сеть прямых влияний более предпочтительна для анализа сообществ в торговых сетях.