Considerar la distància geogràfica entre dos països com una variable més de relació entre ells no és senzill, al contrari del que podria semblar a simple vista. Si més no, els mapes són una manera molt simple de veure si un país és a prop d’un altre o no. Però hi ha diferents aspectes que compliquen molt un càlcul simple:
De manera que al capdavall cal sempre fer alguna mena de tria per simplificar el resultat. I normalment la tria és entre o bé considerar matrius binàries de si dos estats comparteixen frontera o no (Stinnett et al. 2002Stinnett, Douglas M, Jaroslav Tir, Paul F Diehl, Philip Schafer, and Charles Gochman. 2002. “The Correlates of War (Cow) Project Direct Contiguity Data, Version 3.0.” Conflict Management and Peace Science 19 (2). Sage Publications Sage CA: Thousand Oaks, CA: 59–67.), o bé calcular la distància entre les capitals (i potser ponderant per fronteres comunes d’alguna manera)13 Per una discussió tècnicament complexa del fet que la distància entre països és més que no pas la geografia vegeu Beck, Gleditsch, and Beardsley (2006Beck, Nathaniel, Kristian Skrede Gleditsch, and Kyle Beardsley. 2006. “Space Is More Than Geography: Using Spatial Econometrics in the Study of Political Economy.” International Studies Quarterly 50 (1). Wiley Online Library: 27–44.).
Les dades de contigüitat les pots obtenir de la següent manera14 Consulta el llibre de codis per més detalls sobre la variable de contigüitat, un valor d’1 és contigüitat terrestre, i els valors de 2 a 5 són diferents distàncies de contigüitat marítima.:
tmp <- tempfile()
download.file("http://www.correlatesofwar.org/data-sets/direct-contiguity/direct-contiguity-v3-2/at_download/file", tmp)
file <- unzip(tmp, files = "DirectContiguity320/contdird.csv")
cont <- read.table(file, header = TRUE, sep = ",")
head(cont)
## dyad state1no state1ab state2no state2ab year conttype version
## 1 2020 2 USA 20 CAN 1920 1 3.2
## 2 2020 2 USA 20 CAN 1921 1 3.2
## 3 2020 2 USA 20 CAN 1922 1 3.2
## 4 2020 2 USA 20 CAN 1923 1 3.2
## 5 2020 2 USA 20 CAN 1924 1 3.2
## 6 2020 2 USA 20 CAN 1925 1 3.2
Creem un diagrama de xarxa amb les contigüitats d’uns quants països candidats, i per a aquelles parelles per les quals no tenim dades els afegim un zero, indicant que no tenen cap mena de contigüitat, ni tan sols marítima.
Figure 4.5: Representació de la xarxa de contigüitats de diferents països seleccionats. El tipus de línia representa el tipus de contigüitat.
candidats <- c("USA", "CAN", "MEX", "AND", "FRN", "SPN", "ITA", "UKG")
cont.candidats <- cont %>%
filter(year == 2010) %>%
filter(state1ab %in% candidats & state2ab %in% candidats) %>%
select(state1ab, state2ab, conttype)
cont.matriu <- reshape2::acast(cont.candidats,
state1ab ~ state2ab, value.var = "conttype",
fill = 0)
xarxa <- network(cont.matriu,
matrix.type = "adjacency", ignore.eval = FALSE,
names.eval = "conttype")
ggnet2(xarxa, label = TRUE, edge.lty = "conttype")
Les dades de distància entre capitals són simples d’obtenir amb el paquet geosphere
:
library(maps) # Permet importar latituds i longituds
data(world.cities)
library(geosphere) # Permet calcular distànces a través de punts en l'espai geogràfic
capitals <- world.cities %>%
filter(capital == 1) %>%
select(country.etc, lat, long)
dist.capitals <- distm(cbind(capitals$long, capitals$lat))
str(dist.capitals)
## num [1:230, 1:230] 0 1986720 3892960 4758970 18458482 ...
El resultat, una matriu quadrada de 230x230 casos, es pot també estudiar com una xarxa de relacions
Figure 4.6: Representació de la xarxa de distàncies entre 10 capitals.
dimnames(dist.capitals)[[1]] <- capitals$country.etc
dimnames(dist.capitals)[[2]] <- capitals$country.etc
dist.capitals <- dist.capitals / max(dist.capitals, na.rm = TRUE)
xarxa <- network(dist.capitals[1:10,1:10],
matrix.type = "adjacency", ignore.eval = FALSE,
names.eval = "distance")
ggnet2(xarxa, label = TRUE, edge.size = "distance")