Существующие теоретические разработки позволяют предположить, что общая инфляция может оказывать неоднозначное влияние на вероятность начала революционных выступлений в результате наложения положительно влияющей на революционную активность высокой инфляции, снижающей вероятность революции умеренной инфляции и вновь повышающих революционную активность отрицательных значений инфляции. В то же время многими исследователями отдельно выделяется продовольственная инфляция как безусловно значимый предиктор разворачивания революционных процессов, т. к. продуктовая инфляция - гораздо более чувствительный макроэкономический показатель, усугубляющий многие общественные невзгоды, такие как бедность, протестные настроения, фрустрацию, социально-экономические шоки и т. п. Авторы, с опорой на современные политологические концепции и количественные расчеты протестировали соответствующие гипотезы. Используя регрессионную модель для редких событий (Rare Event Regression Model) и набор контрольных переменных (подушевой ВВП, численность населения, доля молодежи, урбанизация, уровень образования, уровень демократии) для получения более надежных результатов, авторы пришли к заключению, что общий уровень инфляции значимого влияния на риски революционной дестабилизации не оказывает. С другой стороны, продовольственная инфляция действительно оказывается достаточно надежным предиктором начала разворачивания революционных процессов. Продовольственная инфляция особенно сильно бьет по слоям с низкими доходами, поэтому она оказывается наиболее мощным дестабилизирующим фактором в наименее экономически развитых странах, а в региональном плане наиболее сильное дестабилизирующее влияние продовольственная инфляция может оказывать на страны Африки, в особенности на бедные городские слои этого континента, ведя к самым сильным политическим потрясениям.
Существующие данные по расколу элит дают основания предполагать его значимость для революционного успеха, а также значимость для успеха революционного выступления перехода на сторону революционной оппозиции прежде всего силовых элит. Авторы, с опорой на современные политологические концепции и сравнительно-качественный анализ (QCA), протестировали соответствующие гипотезы. Использовались следующие переменные: разнообразие протестующих по социально-демографическим признакам; разнообразие протестующих по политическим признакам; разнообразие протестующих по этнорелигиозным признакам; поддержка режима извне; поддержка протестующих извне; раскол гражданских элит; раскол силовых элит; число участников революционного эпизода на пике события. В качестве кейсов были выбраны революционные эпизоды, произошедшие в период с 2000 по 2013 год, по которым имеется достаточно информации для проведения анализа. Результаты QCA показали, что одновременный раскол обоих видов элит является значимым предиктором успеха большинства невооруженных революционных эпизодов, попавших в выборку, однако речь идет о достаточном, но не необходимом условии революционного успеха. При этом если имеется раскол лишь одного из видов элит, то невооруженное революционное выступление может победить, только если присутствует разнообразие протестующих по политическим признакам (что является индикатором наличия широкой революционной коалиции). В целом широкая революционная коалиция показывает себя в качестве очень мощного фактора успеха невооруженного революционного выступления, близкого по своей силе к фактору раскола элит. Другим достаточно важным предиктором революционного успеха оказалось сочетание внешней поддержки участников невооруженного революционного выступления с отсутствием внешней поддержки режима.
В своей статье авторы предлагают систематический обзор основных способов применения методов машинного обучения, релевантного для политической социологии. Описывается история перехода от использования простых регрессионных моделей к комплексным моделям машинного обучения. Анализируются причины и преимущества такого перехода. Определяются основные способы использования моделей машинного обучения, которыми пользуются в смежных дисциплинах, и приводятся способы их применения к задачам предсказания революционных событий. Рассматривается когорта других исследователей, которые по-своему решали вопрос предсказания политической нестабильности от использования множества регрессионных моделей до применения машинного обучения как классификатора для твитов во время «арабской весны». Приводится расширенное описание основных направлений в области изучения поведения предикторов в моделях машинного обучения. Анализируются кейсы их применения и ограничения, с которыми могут столкнуться исследователи. Авторы приводят описание различных статистических подходов к задаче оценки параметров моделей машинного обучения. На примере анализа моделей, построенных для предсказания вероятности возникновения невооруженных революционных эпизодов, рассматриваются способы ранжирования параметров модели через оценку решающих деревьев и изменения в результирующей силе моделей. Авторы показывают, как коррелированные переменные могут влиять на полученный результат ранжирования, почему переменные могут при разных системах подсчета их важности оказываться в различных частях рейтинга. Также рассматривается способ определения границы, после которой параметры модели можно рассматривать как статистически значимые. Авторами проводится способ генерализованного представления направления связи различных переменных, с учетом их взаимодействия с другими предикторами, и дается интерпретация полученных результатов с использованием векторов Шепли. Из содержательных результатов проведенных тестов особо следует отметить выявление исключительно мощного эффекта революционных волн в революционных событиях XXI века, притом что в XXI веке эффект глобальных революционных волн оказывается сильнее эффекта волн региональных. Проведенные тесты заставляют предполагать, что особо сильными факторами, значимо повышающими в XXI веке вероятность начала невооруженных революционных выступлений (кроме эффекта революционных волн), являются следующие: высокий уровень политической коррупции, эффект инерции (невооруженные революционные или мощные протестные события в недавнем прошлом), аномалии экономического роста, высокие объемы помощи со стороны США (эффект «железной клетки либерализма» по Д. Риттеру), отсутствие нефтяной ренты, высокая численность населения, высокая продовольственная инфляция, средний уровень экономического развития, продолжительное пребывание первого лица у власти и промежуточный тип политического режима.