EU refugee理論的評估，分析以及預警模型的建立

龐博

摘要：自2015年以來，大量refugee涌入EU，據EU Frontex統計，2015年以來中，超過180萬refugee從海路或陸路抵達EU。而且大多數refugee選擇穿越地中海入境EU。面對愈演愈烈的refugee數量增長，2015年9月，EU通過了 Relocation Scheme機制[1]。這一機制計劃在兩年內從轉移共計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，利用數據分析和建模的方法，嘗試建立一種危機預防和管理的模型。

關鍵詞：refugee;EU;數據分析和建模;預警模型

一、EU refugee的現狀與分析

對refugee的數量和來源等信息進行有效監控就顯得很重要，便可以及時調整相關refugee理論，有效地防范相關風險。在2016年之后EU refugee數量的減少，也讓我們發現監控入歐refugee潮、監控EU外部邊界的管控、向成員國提供行動和技術支持等行為是有作用的。因此我們可以構建一套指標體系，利用數據分析的方法嘗試去建立這樣一種預警模型。

二、數據的分析與建模

動態因子模型（Dynamic Factor Model， DFM）是一種對經濟變量的維度進行壓縮，提取經濟現象背后的“隱性推動因素”進行相關分析和預測的模型。動態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因子對經濟變量進行預測。動態因子模型的基本形式為：

三、數據分析

回歸結果顯示：在的顯著性水平下，各個指標的統計性都很顯著。從回歸模型中系數的符號可以看出：來自Syrian的refugee數量、來自Afghanistan的refugee數量、來自Iraq的refugee數量、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，這些指標數值越大，發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數量的減少使得各個Country資源緊缺的情況已經有所緩解。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統一refugee身份認證是有著重要意義的。refugee自愿返回人數這一變量的影響程度最低，一方面是因為實際情況上refugee自愿返回人數較少，二是這一指標可能也具有滯后性。

綜合來看，上述的數據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數量有著一定的預測作用。隨著每年refugee情況的變化，模型還有很大的調整空間。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量和規模的目標已經實現，但甄別和處理急劇增長的避難申請的任務依然是EU Country和EU亟待解決的緊迫任務。因此，做好對refugee數量的監控和預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