民主主義システムのトラジェクトリー認識信頼性モデル

論文: arXiv:2604.20127v1 Announce タイプ: 新しい 要約: 複雑なシステムの失敗は、孤立した衝撃ではなく、相互に作用するコンポーネント間のストレス増大に伴う漸進的な劣化を通じて生じる場合が多い。民主主義システムも、弱体化する制度が関連する制度構造の連鎖的な劣化を引き起こすと同様の動的性質を示す。従来の信頼性および生存モデルは、現在のシステム状態に基づいて Failure Risk を推定するが、制度ネットワーク内での劣化が時間とともにどのように伝播するかを明示的に捉えることはできない。本研究は、動的因果神経オートレグッション（DCNAR）に基いたトラジェクトリー認識信頼性モデル枠組みを導入する。この枠組みは、まず制度指標間の因果相互作用構造を推定し、そのjoint temporal evolution モデリングにより、システム状態の将来軌道（forward trajectories）を生成する。Failure risk は、固定された時間範囲内において、予測された軌道が事前定義された劣化閾値を交差する確率として定義される。縦断的制度指標を用いて、DCNAR ベースのトラジェクトリーリスクモデルを離散時間ハザードモデルおよびCox比例ハザードモデルと比較した。結果は、トラジェクトリー認識モデルがCoxモデルを常に優れており、伝播誘発型のいくつかの制度失敗におけるリスク予測を改善することを示している。これらの発見は、信頼性解析およびシステム劣化の早期検出において、動的なシステム相互作用のモデル化の重要性を強調している。

arXiv:2604.20127v1 Announce Type: new Abstract: Failures in complex systems often emerge through gradual degradation and the propagation of stress across interacting components rather than through isolated shocks. Democratic systems exhibit similar dynamics, where weakening institutions can trigger cascading deterioration in related institutional structures. Traditional reliability and survival models typically estimate failure risk based on the current system state but do not explicitly capture how degradation propagates through institutional networks over time. This paper introduces a trajectory-aware reliability modeling framework based on Dynamic Causal Neural Autoregression (DCNAR). The framework first estimates a causal interaction structure among institutional indicators and then models their joint temporal evolution to generate forward trajectories of system states. Failure risk is defined as the probability that predicted trajectories cross predefined degradation thresholds within a fixed horizon. Using longitudinal institutional indicators, we compare DCNAR-based trajectory risk models with discrete-time hazard and Cox proportional hazards models. Results show that trajectory-aware modeling consistently outperforms Cox models and improves risk prediction for several propagation-driven institutional failures. These findings highlight the importance of modeling dynamic system interactions for reliability analysis and early detection of systemic degradation.