Lab 2: Replica-ng Gartzke, The Capitalist Peace (2007) - PowerPoint PPT Presentation

Lab ¡2: ¡Replica-ng ¡Gartzke, ¡“The ¡ Capitalist ¡Peace ¡(2007) ¡ Linear ¡probability ¡models ¡ Logis-c ¡regression ¡ Interac-ons ¡

Pre-­‑lab ¡Assignment ¡ • What ¡are ¡the ¡hypotheses ¡Gartzke ¡uses ¡to ¡test ¡ liberal ¡democra-c ¡peace ¡theory? ¡ ¡What ¡are ¡the ¡ proposed ¡causal ¡mechanisms ¡behind ¡these ¡ hypotheses? ¡ • What ¡are ¡the ¡hypotheses ¡Gartzke ¡uses ¡to ¡test ¡ capitalist ¡peace ¡theory? ¡ ¡What ¡are ¡the ¡proposed ¡ causal ¡mechanisms ¡behind ¡these ¡hypotheses? ¡ • How ¡is ¡Gartzke ¡measuring ¡“capitalism”? ¡i.e. ¡how ¡ is ¡he ¡opera-onalizing ¡his ¡causal ¡variables ¡

Liberal ¡Democra-c ¡Peace ¡Theory ¡ • H D1 : ¡Greater ¡democracy ¡in ¡both ¡countries ¡in ¡a ¡dyad ¡ decreases ¡the ¡probability ¡of ¡conflict ¡ ¡ • H D2 : ¡Greater ¡democracy ¡in ¡one ¡country ¡in ¡a ¡dyad ¡increases ¡ the ¡probability ¡of ¡conflict ¡ • H D3 : ¡Increased ¡trade ¡dependency ¡in ¡both ¡countries ¡in ¡a ¡ dyad ¡decreases ¡the ¡probability ¡of ¡conflict ¡ ¡ • Liberal ¡norms ¡and ¡ins-tu-ons ¡as ¡a ¡constraint ¡on ¡the ¡use ¡of ¡ force ¡ • Greater ¡costs ¡in ¡war ¡for ¡democracies ¡and ¡trade ¡partners ¡ • BeUer ¡signaling ¡

Capitalist ¡Peace ¡Theory ¡ • H C1 : ¡Financial ¡or ¡monetary ¡openness ¡in ¡both ¡countries ¡in ¡a ¡ dyad ¡decreases ¡the ¡probability ¡of ¡conflict ¡ • H C2 : ¡Development ¡in ¡both ¡countries ¡in ¡a ¡con-guous ¡dyad ¡ decreases ¡the ¡probability ¡of ¡conflict ¡ • H C3 : ¡Development ¡in ¡both ¡countries ¡in ¡a ¡noncon-guous ¡dyad ¡ increases ¡the ¡probability ¡of ¡conflict ¡ • H C4 : ¡Similar ¡state ¡policy ¡interests ¡in ¡a ¡dyad ¡decreases ¡the ¡ probability ¡of ¡conflict ¡ Modern ¡economies ¡find ¡it ¡easier ¡to ¡obtain ¡resources ¡through ¡commerce ¡ • than ¡through ¡coercion ¡ Liberal ¡economies ¡have ¡similar ¡foreign ¡policy ¡goals ¡ ¡ • Global ¡capital ¡markets ¡are ¡a ¡mechanism ¡for ¡compe--on/communica-on ¡ • Development ¡also ¡increases ¡the ¡ability ¡of ¡state ¡to ¡project ¡power, ¡as ¡well ¡ • as ¡their ¡global ¡interests ¡

Opera-onalizing ¡“Capitalism” ¡ • IMF ¡Fin. ¡Open. ¡(Low) ¡– ¡the ¡lower ¡monadic ¡IMF ¡ financial ¡openness ¡score ¡in ¡the ¡dyad; ¡the ¡score ¡is ¡ an ¡index ¡that ¡takes ¡the ¡difference ¡between ¡8 ¡and ¡ the ¡sum ¡of ¡8 ¡types ¡of ¡government ¡restric-ons ¡on ¡ foreign ¡exchange, ¡current, ¡and ¡capital ¡accounts ¡ • GDPPC ¡(Low) ¡– ¡the ¡lower ¡of ¡the ¡two ¡monadic ¡ popula-on ¡weighted ¡gross ¡domes-c ¡product ¡ sta-s-cs ¡for ¡a ¡given ¡dyad ¡ • Affinity ¡– ¡score ¡calculated ¡from ¡UNGA ¡vo-ng ¡

How ¡does ¡Gartzke ¡test ¡these ¡ compe-ng ¡theories? ¡

Let’s ¡load ¡the ¡data. ¡ ¡ Also, ¡the ¡handout ¡is ¡under ¡ “Teaching” ¡at: ¡aruggeri.eu ¡ R ¡

R ¡Exercise ¡1(a): ¡LPM ¡ • Replicate ¡Table ¡1, ¡Model ¡1 ¡with ¡LPM ¡and ¡ interpret ¡your ¡results ¡ – Do ¡we ¡get ¡the ¡expected ¡results? ¡ – How ¡well ¡does ¡this ¡match ¡Oneal ¡and ¡RusseU’s ¡ findings? ¡ à R ¡

Logis-c ¡Regression ¡ • The ¡leh ¡hand ¡side ¡of ¡the ¡equa-on ¡(logit) ¡is ¡now ¡ the ¡“log ¡of ¡the ¡odds ¡that ¡ y ¡= ¡1” ¡instead ¡of ¡“ y ”, ¡ and ¡it’s ¡rela-onship ¡with ¡the ¡predictors ¡is ¡linear ¡ • 0.75/(1-­‑0.75) ¡ à ¡3:1 ¡ odds ¡ à ¡log ¡(3)=1.01 ¡ log ¡odds ¡ • In ¡reverse: ¡a ¡ log ¡odds ¡ of ¡1.01 ¡ à ¡exp ¡(1.01) ¡= ¡ odds ¡ of ¡2.75 ¡ à ¡2.75/(1+2.75) ¡= ¡0.73 ¡ probability ¡

Logis-c ¡interpreta-on ¡prac-ce ¡ • Coefficient ¡of ¡3.7? ¡ • e 3.7 ¡= ¡40.4473 ¡ – increase ¡of ¡1 ¡unit ¡in ¡x, ¡makes ¡the ¡odds ¡of ¡the ¡ event ¡40 ¡-mes ¡greater, ¡all ¡else ¡equal. ¡ ¡ • Coefficient ¡of ¡-­‑0.02? ¡ ¡ – exp(-­‑0.02) ¡= ¡0.9801987 ¡ – i.e. ¡1 ¡unit ¡increase ¡in ¡x ¡variable ¡is ¡associated ¡with ¡ 2 ¡percent ¡decrease ¡in ¡the ¡odds ¡ra-o ¡of ¡the ¡event, ¡ all ¡else ¡equal. ¡ ¡

R ¡Exercise ¡1(b): ¡Logit ¡ • Replicate ¡Table ¡1, ¡Model ¡1 ¡with ¡logit ¡and ¡ interpret ¡your ¡results ¡ – Do ¡we ¡s-ll ¡get ¡the ¡expected ¡results? ¡ – How ¡well ¡does ¡this ¡match ¡Oneal ¡and ¡RusseU’s ¡ findings? ¡ à R ¡

Predicted ¡probabili-es ¡ • We ¡can ¡calculate ¡probabili-es ¡at ¡given ¡values ¡of ¡all ¡our ¡ predictors ¡by ¡plugging ¡them ¡in ¡ • R ¡can ¡also ¡do ¡it ¡for ¡us… ¡ • We ¡s-ll ¡have ¡to ¡tell ¡it ¡what ¡values ¡we ¡want ¡to ¡set ¡our ¡ predictors ¡at ¡ • It’s ¡ohen ¡useful ¡to ¡allow ¡one ¡variable ¡to ¡vary, ¡but ¡to ¡hold ¡ the ¡other ¡predictors ¡constant ¡while ¡we ¡predict ¡probabili-es ¡ as ¡that ¡one ¡variable ¡changes ¡ R ¡

R ¡Exercise ¡2 ¡ • Replicate ¡Table ¡1, ¡Model ¡2 ¡and ¡interpret ¡your ¡ results ¡ à R ¡

R ¡Exercise ¡3 ¡ • Replicate ¡Table ¡1, ¡Model ¡3 ¡and ¡interpret ¡your ¡ results ¡ à R ¡

Interac-ons ¡ ¡ • Two ¡independent ¡variables ¡interact ¡if ¡the ¡effect ¡of ¡one ¡of ¡ the ¡variables ¡differs ¡depending ¡on ¡the ¡level ¡of ¡the ¡other ¡ variable ¡ Y ¡= ¡a ¡+ ¡b 1 x 1 ¡+ ¡b 2 x 2 ¡+ ¡ b 3 x 1 x 2 ¡ • Non-­‑interac-on: ¡ ¡ – Aid ¡and ¡peace ¡both ¡promote ¡economic ¡development ¡ • Interac-on: ¡ ¡ – Aid ¡(x 1 ) ¡promotes ¡economic ¡development ¡only ¡when ¡there ¡is ¡ peace ¡(x 2 ) ¡ – i.e. ¡b 1 ¡= ¡0, ¡but ¡b 3 =2, ¡so ¡when ¡there ¡is ¡peace ¡(x 2 =1), ¡a ¡unit ¡ increase ¡in ¡aid ¡has ¡a ¡posi-ve ¡effect ¡of ¡b 1 ¡ + ¡b 3 ¡ = ¡2 ¡

Interpre-ng ¡interac-ons ¡in ¡LPM ¡ • Recall: ¡ ¡ • Interpret: ¡b 1 ¡ = ¡0.4, ¡ ¡ ¡b 2 ¡ = ¡-­‑0.2, ¡ ¡b 3 ¡ = ¡-­‑0.5 ¡ • Interpret: ¡b 1 ¡= ¡-­‑0.3, ¡ ¡b 2 ¡ = ¡0.4, ¡ ¡ ¡b 3 ¡ = ¡0.2 ¡

Interac-ons ¡and ¡Gartzke ¡ • H C2 : ¡Development ¡in ¡both ¡countries ¡in ¡a ¡con-guous ¡dyad ¡ decrease ¡the ¡probability ¡of ¡conflict ¡ • H C3 : ¡Development ¡in ¡both ¡countries ¡in ¡a ¡noncon-guous ¡dyad ¡ increases ¡the ¡probability ¡of ¡conflict ¡ • i.e. ¡development ¡has ¡a ¡posi-ve ¡effect ¡on ¡MIDs, ¡but ¡its ¡ interac-on ¡with ¡con-guity ¡has ¡a ¡nega-ve ¡coefficient ¡that ¡is ¡ greater ¡in ¡absolute ¡terms ¡than ¡development’s ¡posi-ve ¡one ¡ ¡ ¡

R ¡Exercise ¡4(a): ¡LPM ¡ • Replicate ¡Table ¡1, ¡Model ¡4, ¡adding ¡the ¡GDP ¡ per ¡capita ¡x ¡con-guity ¡interac-on ¡but ¡with ¡ LPM. ¡ ¡Interpret ¡your ¡results. ¡ à R ¡

Interac-ons ¡and ¡logis-c ¡regression ¡ Pr( y 1 ) ⎛ ⎞ = ln a b x b x ... b m x ⎜ ⎟ = + + + + ⎜ ⎟ 1 1 2 2 m 1 Pr( y 1 ) − = ⎝ ⎠ • In ¡LPM, ¡we ¡added ¡on ¡the ¡right-­‑hand ¡side ¡of ¡ the ¡equa-on ¡to ¡get ¡probability ¡on ¡the ¡leh ¡ • In ¡logis-c ¡regression, ¡we ¡mul-ply ¡on ¡the ¡right ¡ to ¡get ¡odds ¡on ¡the ¡leh ¡

Interpre-ng ¡interac-on ¡effects ¡in ¡logit ¡ E.g. ¡x 1 ¡is ¡con-nuous ¡(GDP/c), ¡x 2 ¡is ¡binary ¡(oil), ¡and ¡y ¡is, ¡of ¡course, ¡binary ¡ (democracy) ¡because ¡we’re ¡using ¡logit ¡ The ¡model ¡gives: ¡ ¡ ¡ ¡b 1 ¡ = ¡4, ¡b 2 ¡ = ¡-­‑2, ¡b 3 ¡ = ¡-­‑5 ¡ x 2 =1 ¡ x 2 =0 ¡