3.1 Democràcia
És democràtic el règim polític d’un estat, diguem-ne, X? L’atorgament de credencials democràtiques als països és un afer que transcendeix els marges acadèmics tradicionals i s’endinsa de ple en el món de la diplomàcia i les relacions internacionals. Per això, des de l’acadèmia el tractament de les democràcies ha resultat sempre molt curós. Deixant de banda els debats teòrics sobre els components de les democràcies, quan és l’hora de classificar règims dels països segons un suposat component democràtic hi ha bàsicament dues aproximacions, que es corresponen amb les dues parts que es presentaran a continuació.
3.1.1 Przeworski, Ortega & Rapoport (1997): simple, eficient, clar
Przeworski, Ortega, and Rapoport (1997Przeworski, Adam, Juan Manuel Ortega, and Sara Gordon Rapoport. 1997. “Una Defensa de La Concepción Minimalista de La Democracia.” Revista Mexicana de Sociología. JSTOR, 3–36.) presenta estratègia per respondre clarament a la pregunta de si és democràtic el règim polític d’un país concret. L’estratègia dels autors es basa en els següents principis.
- Simplificar al màxim la definició de democràcia. En lloc de definir una democràcia com l’agregació de diferents principis teòrics molt elaborats, els autors opten per rebaixar-la a aspectes, si es vol, procedimentals.
- Buscar una operacionalització que sigui clara i eficient. Un cop una democràcia s’ha definit d’una manera molt simple, cal buscar una manera de mesurar-lo que no deixi lloc a l’ambigüitat, de manera que classificar els països sigui una feina quasi-mecànica, sense lloc per a matisos ni malentesos. Sense lloc perquè sigui qui sigui qui faci la classificació pugui arribar a les mateixes conclusions
- Clarificar quin és el tipus d’error que és preferible cometre. En un test d’embaràs, és millor que el resultat sigui positiu tot i que la dona no estigui embarassada o és millor que el resultat sigui negatiu i que la dona estigui embarassada? Què és preferible que passi? A l’hora de dissenyar un test com aquest, quin error és preferible cometre? Doncs en el cas de voler saber si un règim polític és una democràcia, el principi és el mateix: és millor per als autors classificar com a no democràtic un règim que no ho és que no pas fer que règims no democràtics siguin mal classificats com a democràtics. En realitat, doncs, els autors volen estar segurs que només els països classificats com a democràtics ho són de veritat.
D’aquesta manera s’aconsegueix una classificació difícilment controvertida, almenys pel que fa al procés de generació de la mesura. Es pot estar més o menys d’acord en si la definició de democràcia ho comprèn tot, però no es pot estar en desacord en com s’ha arribat a dir que el país X és una democràcia.
Una altre avantatge d’aquesta aproximació és que permet comparar règims contemporanis amb règims de fa dos-cents anys. Si és tan simple obtenir dades i arribar a una conclusió sobre el règim d’X el 2015, també ho és per aplicar els mateixos procediments sobre el règim d’X el 1820. El component temporal i històric es pot mantenir.
D’aquesta manera, aquestes dades ens permeten als politòlegs poder fer estudis comparatius sobre els efectes de les democràcies en altres aspectes (creixement econòmic, sobretot, però també altres resultats) fent servir mecanismes causals, ja que per tal d’establir mecanismes causals tenir dades d’evolució temporal és clau.
Una altra versió més moderna dels mateixos principis es pot trobar a Boix, Miller, and Rosato (2013Boix, Carles, Michael Miller, and Sebastian Rosato. 2013. “A Complete Data Set of Political Regimes, 1800–2007.” Comparative Political Studies 46 (12). SAGE Publications Sage CA: Los Angeles, CA: 1523–54.), i les dades actualitzades es poden aconseguir de la següent manera:
d <- read.table("https://sites.google.com/site/mkmtwo/democracy-v2.0.csv?attredirects=0",
header = TRUE, sep = ",", quote = "\"")L’objecte d en aquest cas és una matriu amb el següent nombre de files i columnes
dim(d)## [1] 17632 10I amb la següent estructura:
str(d)## 'data.frame': 17632 obs. of 10 variables:
## $ country : Factor w/ 219 levels "AFGHANISTAN",..: 204 204 204 204 204 204 204 204 204 204 ...
## $ ccode : int 2 2 2 2 2 2 2 2 2 2 ...
## $ abbreviation : Factor w/ 218 levels "ADO","AFG","ALB",..: 202 202 202 202 202 202 202 202 202 202 ...
## $ year : int 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 ...
## $ democracy : int 1 1 1 1 1 1 1 1 1 1 ...
## $ sovereign : int 1 1 1 1 1 1 1 1 1 1 ...
## $ democracy_trans : int 0 0 0 0 0 0 0 0 0 0 ...
## $ democracy_breakdowns : int 0 0 0 0 0 0 0 0 0 0 ...
## $ democracy_duration : int 1 2 3 4 5 6 7 8 9 10 ...
## $ democracy_omitteddata: int 1 1 1 1 1 1 1 1 1 1 ...Aquesta llista ens mostra tant el nom de les variables de la matriu de dades com el seu tipus (si contenen números -num-, valors repetits -factor- o text -char-).
Les següents línies generen valors amb el nombre de països (nC, per “number of countries”, nY per “number of years”, i nO per “number of observations”) que necessitarem a continuació. La manera de fer-ho és referint-nos a una variable de l’objecte (d$country), i aplicant una funció que torna els possibles valors que té la variable (unique()) i finalment aplicant una funció que es limita a calcular quina és la llargada (length()) del vector de possibles valors.
nC <- length(unique(d$country))
nC## [1] 219nY <- length(unique(d$year))
nY## [1] 211nO <- length(d$country)
nO## [1] 17632Per calcular la proporció de democràcies en tots els països considerats des del 1800 al 2007 simplement cal obtenir els resultats de la variable democracy mitjançant una taula i després dividir-ho pel total d’observacions:
table(d$democracy)##
## 0 1
## 11566 5422table(d$democracy) / nO##
## 0 1
## 0.65597 0.30751Per saber com ha evolucionat temporalment la proporció de democràcies primer cal agrupar les dades per la variable temporal (year) i després obtenir el nombre de casos que són efectivament una democràcia (length(which(democracy == 1))) i dividir-ho pel nombre total de règims (length(democracy). Com que les dades ja han estat agrupades per any, totes aquestes operacions es fan prenent les dades anuals com a referència.
pd <- d %>%
group_by(year) %>%
summarize(pD = length(which(democracy == 1)) / length(democracy))Amb el nou objecte acabat de crear (pd, per “proportion of democracies”) fem una figura que mostri les línies (geom_line()) de l’evolució temporal en l’eix horitzontal (x = year) i la proporció de democràcies calculada anteriorment en l’eix vertical (y = pD).
ggplot(pd, aes(x = year, y = pD)) +
geom_line()Figure 3.1: Evolució temporal de la proporció de democràcies al món.
També es poden agrupar les observacions de la matriu de dades per països, i calcular per a cada país quina és la proporció de temps que el seu règim ha estat democràtic:
pyd <- d %>%
group_by(country) %>%
summarize(pyD = length(which(democracy == 1)) / length(democracy))Finalment tenim un objecte que conté, per a cada país, la proporció de temps en què el seu règim ha estat democràtic. Podem obtenir les cinc primeres observacions seleccionant-les amb els claudàtors8 [1:5,]: abans de la coma hi ha les files que desitgem obtenir (de la 1 a la 5) i després de la coma les columnes que volem obtenir (totes), en aquest cas per omissió, ja que en no explicitar-ne cap assumim que les volem totes.:
pyd[1:5,]## # A tibble: 5 x 2
## country pyD
## <fct> <dbl>
## 1 AFGHANISTAN 0
## 2 ALBANIA 0.186
## 3 ALGERIA 0
## 4 ANDORRA 1
## 5 ANGOLA 0
Figure 3.2: Distribució de la proporció de temps que els països han estat en règim democràtic.
ggplot(pyd, aes(x = pyD)) +
geom_histogram()3.1.2 Szmolka (2010): Refinat, complex
En contrast amb una aproximació mecànica, simple, clara i eficient com la que acabem de presentar, hi ha les aproximacions basades en principis ben diferents. Szmolka Vida (2010Szmolka Vida, Inmaculada. 2010. “Los Regímenes Políticos Hibridos: Democracias Y Autoritarismos Con Adjetivos. Su Conceptualización, Categorización Y Operalización Dentro de La Tipología de Régimenes Políticos.” Revista de Estudios Políticos, no. 147. Centro de Estudios Políticos y Constitucionales: 103–35.) presenta una detallada descripció dels procediments per redimensionar la democràcia no com un concepte híbrid, sinó com un concepte gradual, amb diferents nivells. D’aquesta manera l’autora caracteritza i classifica els règims polítics aclarint els supòsits de partida i creant dos pols (democràcies plenes en contrast als autoritarismes tancats) entre els quals hi situa els règims híbrids.
3.1.3 Polity IV: l’estàndard
El Polity IV és, segurament, “La mesura” de democràcia en relació a la qual la resta es comparen Un dels avantatges és que a banda de les dades crues també hi ha accessibles per a qualsevol qui ho desitgi tant els manuals metodològics com els informes de cadascun dels països. Obtenir les dades en R es pot fer fàcilment a través d’un paquet específic:
library(readxl)
tmp <- tempfile()
download.file("http://www.systemicpeace.org/inscr/p4v2017.xls", tmp)
polity <- read_excel(tmp)
str(polity)## Classes 'tbl_df', 'tbl' and 'data.frame': 17395 obs. of 36 variables:
## $ cyear : num 21800 21801 21802 21803 21804 ...
## $ ccode : num 2 2 2 2 2 2 2 2 2 2 ...
## $ scode : chr "USA" "USA" "USA" "USA" ...
## $ country : chr "United States" "United States" "United States" "United States" ...
## $ year : num 1800 1801 1802 1803 1804 ...
## $ flag : num 0 0 0 0 0 0 0 0 0 0 ...
## $ fragment: num NA NA NA NA NA NA NA NA NA NA ...
## $ democ : num 7 7 7 7 7 7 7 7 7 9 ...
## $ autoc : num 3 3 3 3 3 3 3 3 3 0 ...
## $ polity : num 4 4 4 4 4 4 4 4 4 9 ...
## $ polity2 : num 4 4 4 4 4 4 4 4 4 9 ...
## $ durable : num NA NA NA NA NA NA NA NA NA 0 ...
## $ xrreg : num 3 3 3 3 3 3 3 3 3 3 ...
## $ xrcomp : num 3 3 3 3 3 3 3 3 3 3 ...
## $ xropen : num 4 4 4 4 4 4 4 4 4 4 ...
## $ xconst : num 7 7 7 7 7 7 7 7 7 7 ...
## $ parreg : num 4 4 4 4 4 4 4 4 4 2 ...
## $ parcomp : num 2 2 2 2 2 2 2 2 2 4 ...
## $ exrec : num 8 8 8 8 8 8 8 8 8 8 ...
## $ exconst : num 7 7 7 7 7 7 7 7 7 7 ...
## $ polcomp : num 2 2 2 2 2 2 2 2 2 9 ...
## $ prior : num NA NA NA NA NA NA NA NA NA 4 ...
## $ emonth : num NA NA NA NA NA NA NA NA NA 3 ...
## $ eday : num NA NA NA NA NA NA NA NA NA 4 ...
## $ eyear : num NA NA NA NA NA ...
## $ eprec : num NA NA NA NA NA NA NA NA NA 1 ...
## $ interim : num NA NA NA NA NA NA NA NA NA NA ...
## $ bmonth : num 1 NA NA NA NA NA NA NA NA 3 ...
## $ bday : num 1 NA NA NA NA NA NA NA NA 5 ...
## $ byear : num 1800 NA NA NA NA ...
## $ bprec : num 1 NA NA NA NA NA NA NA NA 1 ...
## $ post : num 4 NA NA NA NA NA NA NA NA 9 ...
## $ change : num 88 NA NA NA NA NA NA NA NA 5 ...
## $ d4 : num 1 NA NA NA NA NA NA NA NA 1 ...
## $ sf : num NA NA NA NA NA NA NA NA NA NA ...
## $ regtrans: num NA NA NA NA NA NA NA NA NA 2 ...La variable polity2 és la que resumeix el règim polític del país, i que es calcula de manera molt simple a través de sumes i mitjanes combinades de les dades observades (que és precisament el que critiquen Treier and Jackman (2008Treier, Shawn, and Simon Jackman. 2008. “Democracy as a Latent Variable.” American Journal of Political Science 52 (1). Wiley Online Library: 201–17.) amb la seva proposta). El rang de la variable va de -10 fins a 10, essent -10 un règim autoritari i 10 un règim democràtic. Normalment se situa el punt de tall de les democràcies en el 6, a partir del qual un règim es considera democràtic. Cal destacar també que es tracta d’una base de dades molt completa en termes temporals (des del 1800) com en termes d’abast de països.
Figure 3.3: Evolució temporal de la mitjana i la mediana de l’indicador agregat polity2. Per calcular la mitjana i la mediana cal no fer cas dels valors perduts, i per això es fa servir na.rm = TRUE, que es llegeix com na (valors perduts) rm (remove, esborrar).
pmy <- polity %>%
group_by(year) %>%
summarize(Mitjana = mean(polity2, na.rm = TRUE))
ggplot(pmy, aes(x = year, y = Mitjana)) +
geom_line() +
expand_limits(y = c(-10, 10))Tenir accés fàcil a aquestes dades et pot resultar molt útil a l’hora de fer treballs o analitzar l’evolució temporal i històrica del país o països que vulguis considerar. En aquest cas, per exemple, les dades es filtren per 3 països i es mostren les seves trajectòries.
p3c <- polity %>%
filter(country %in% c("Argentina", "Mexico", "Spain"))
ggplot(p3c, aes(x = year, y = polity2, color = country)) +
geom_line()
Figure 3.4: Evolució temporal de tres països seleccionats.
3.1.4 Altres mesures de democràcia
Més enllà del Polity IV en aquest apartat mencionem breument altres fonts d’informació des d’on obtenir dades de democràcia i llibertats polítiques.
La Freedom House és una institució nord-americana que genera anualment des de 1973 una mesura de llibertats civils i polítiques. Per tant, està més pensada cap a qüestions menys procedimentals i més de drets polítics. Es pot trobar a la web de la Freedom House.
Cheibub, Gandhi, and Vreeland (2010Cheibub, José Antonio, Jennifer Gandhi, and James Raymond Vreeland. 2010. “Democracy and Dictatorship Revisited.” Public Choice 143 (1-2). Springer: 67–101.) és una altra referència on es classifiquen els règims polítics en democràcies / dictadures, i també dins de les democràcies com a parlamentàries, semi-presidencials i presidencials. El rang temporal va des de 1946 (o l’any de la independència) fins al 2008. És especialment detallat el document tècnic “codebook”.
Cal també destacar el projecte V-Dem (Varieties of Democracy) que està generant un índex democràtic basat en 11 components secundaris i 5 de principals (electoral, liberal, deliberativa, igualitària i participativa) i basat en codificacions d’experts nacionals des del 1900 fins a data d’avui (Coppedge et al. 2017Coppedge, Michael, John Gerring, Staffan I Lindberg, Svend-Erik Skaaning, Jan Teorell, Joshua Krusell, Kyle L Marquardt, et al. 2017. “V-Dem Methodology V7.”).
Finalment, i tot i que no suposen un pas en la recollida de dades, sinó una contribució a com les dades s’agreguen en índexs, cal mencionar Treier and Jackman (2008Treier, Shawn, and Simon Jackman. 2008. “Democracy as a Latent Variable.” American Journal of Political Science 52 (1). Wiley Online Library: 201–17.), que representen segurament l’expressió més moderna i més complexa en termes metodològics. En aquest cas s’opta per mirar d’incloure el màxim nombre de components en el càlcul del nombre final assignat a cada règim. I en lloc de decantar-se per un tipus d’error preferible a l’hora de donar un veredicte binari (democràcia-sí / democràcia-no) el mètode matemàtic utilitzat permet donar amb molta precisió els marges d’error de cadascun dels països, classificar-los en una dimensió contínua (no binària) i poder calcular amb precisió quina és la probabilitat que el país X sigui més democràtic que el país Y i per quin marge.