1、亚太经济2023年第1期“一带一路”沿线国家间合作网络特征及合作强度影响因素分析基于合作事件大数据的跟踪研究任德孝1刘清杰2张坤领3内容摘要：基于GDELT合作事件大数据，结合复杂网络分析方法，探索20032020年“一带一路”沿线国家间合作关系的网络分布特征，并结合负二项回归模型识别影响合作强度的主要因素。结果表明：“一带一路”沿线国家间合作网络结构以中国和俄罗斯为核心形成双向枢纽网络结构，合作网络的空间组织格局表现为显著的单中心辐射和多中心紧密相结合的区域合作结构；合作强度呈现出逐渐增强态势，国家间网络中心性水平、对外开放程度、经济发展水平、治理水平及地理距离等是影响合作强度的重要因素。关
2、键词：“一带一路”沿线国家国际关系复杂网络分析合作强度影响因素中图分类号：D812文献标识码：A文章编号：1000-1052（2023）01-0071-092023年，共建“一带一路”倡议提出10周年之际，探究“一带一路”沿线国家间合作网络结构及特征，识别影响其国际合作强度的主要因素，对于推动高质量共建“一带一路”，践行人类命运共同体理念，以及丰富国际关系理论具有重要意义。一、文献综述早在20世纪60年代，就有学者借助网络分析的方法研究国家间贸易往来问题（Brams,1966）。近年，随着社会网络分析方法的逐渐成熟，学者们开始尝试将其引入国际关系分析中。地缘政治关系网络研究方面，Wang 等（
3、2019）从国际关系中发生的冲突与合作事件为分析基础，引入网络分析方法研究国家间的策略互动行为模式。罗杭和李博轩（2021）结合结构性权力理论和社会网络分析方法评价了国家在国际体系网络中的角色，识别了不同国家的结构性权力变化。朱炤瑗等（2022）则探索国际关系的动态演化模式及其空间分布特征。地缘经济关系网络分析方面，主要是尝试基于经贸往来数据构建交互网络，探索国际经贸合作关系，以及各国在网络结构中的经济地位与合作偏好。Du 等（2017）以顶层网络分析方法研究国家间能源贸易网络的演化特征，Wang 等（2016）则分析了国家间能源进口关系网络的演化特征，以此评估能源安全问题。熊收稿日期：202
4、2年8月20日作者简介：1.任德孝，博士，广州工商学院管理学院讲师。研究方向：区域经济学。广州，510850。2.刘清杰（通讯作者），博士，北京师范大学一带一路学院讲师。研究方向：空间经济学。珠海，519087。3.张坤领，博士，北京师范大学一带一路学院讲师。研究方向：制度经济学。珠海，519087。基金项目：国家社科基金重大项目“一带一路投资安全保障体系研究”（19ZDA100）；中央高校基本科研业务费专项资金资助项目“空间经济视角下中国对一带一路沿线国家OFDI的区位布局研究”（2020NTSS37）。71DOI:10.16407/ki.1000-6052.2023.01.003ASIA-
5、PACIFIC ECONOMIC REVIEW NO.1,2023文等（2021）结合社会网络分析方法研究了北极航道通航对于世界贸易网络格局的影响。王文宇等（2021）以世界矿产资源贸易数据分析中国矿产资源贸易网络特征及其演化过程。自“一带一路”倡议提出以来，其国际合作关系成为学术界研究的热点问题，国内外相关学术研究成果日渐丰富（姜颖和梁桂阁，2022）。其中以“一带一路”沿线国家为样本，基于社会网络分析方法进行的国际合作网络研究也快速兴起。王彦芳等（2019）运用复杂网络分析法结合随机前沿模型，研究“一带一路”贸易网络的拓扑特征及其对中国进出口贸易效率的影响。彭羽等（2022）使用社会网络分
6、析法测度“一带一路”FTA网络国家地位，并基于沿线跨国面板数据检验其对出口的影响。杨继军和傅军（2022）基于“一带一路”沿线国家贸易数据，廓清了沿线国家的贸易网络拓扑结构，结合计量模型进一步发现了贸易网络对区域经济联动的显著影响，也有学者开始关注“一带一路”沿线国家投资网络结构问题（杨文龙和杜德斌，2019）。正确剖析国家间合作关系及其演化过程，是开展“一带一路”国际关系研究的重要基础。大数据的出现，丰富了数据库的数量和类型，也在悄然改变着国际关系量化研究的议题与方向（漆海霞，2018）。本研究尝试基于海量新闻事件大数据，结合社会网络分析方法，探索“一带一路”沿线国家间合作关系的网络结构特征
7、，识别影响国家间合作强度的重要因素。二、“一带一路”沿线国家间合作关系的网络结构特征（一）研究设计1.网络分析指数测算。基于复杂网络理论，引入中心性、中间中心性、网络密度、聚类系数和复杂网络内平均路径长度的概念（表1）。其中，Cin()i和Cout()i分别表示国家i的入度和出度；fij是合作发起国家i和国家j之间的合作事件数，fji是合作发起国家j和国家i之间的合作事件数；Cd()i表示国家i的中心性，是指该国的进出程度之和；Cb()i是国家i的中间中心性，jk是国家j和k之间最短路径的个数；jk(i)是国家j和k通过节点i最短路径的个数；S()i表示国家i的主动或被动合作过程的功能指标；D
8、en()i和Clu()i分别表示网络密度和网络聚类系数；Ei表示与国家i实际连接的一侧；MaxEi表示最有可能连接国家i的一侧；PL(i,j)表示网络的平均路径长度；L(i,j)表示国家i和国家j之间的最短路径长度；l表示网络中最短路径的总数。表1 复杂网络测算指数及说明指数入度出度中心性中间中心性网络密度集聚系数平均路线长度测算公式Cin()i=j=1nfjiCout()i=j=1nfijCd()i=Cin()i+Cout()iCb()i=j=1;k=1;j k injk(i)jkDen()i=|Ei|Vi|(|Vi-1)Clu()i=|Ei|MaxEi|PL(i,j)=i jLijl（i
9、j;i、j=1,2,3,l)指数含义值越大，表示节点国家的入度、出度和中心性更高，以及他们在合作网络中更重要的位置值越大，表明节点国家控制合作网络的能力越强，这些国家作为“中介”或“中转站”的能力越高值越大，表明合作网络的密度越高，节点国家之间的联系越紧密值越大，表明合作网络各部分的集聚程度越高，分布越不平衡值越大，表明节点国家之间的连接长度越长2.研究样本与数据来源。本研究基于全球最大的新闻事件数据库（The Global Database of Events,Lan-guage,and Tone,简称GDELT），过滤“QuadClass”字段得到的实质合作事件，即签订合作协议、提供物质帮
10、助等。本研究范围界定为65个“一带一路”沿线国家，具体如下：东南亚（11个国家），南亚（8个国家），西亚和中东（19个国家），中东欧（19个国家），中亚（5个国家），蒙古和俄罗斯、中国等。由于黑山、波72亚太经济2023年第1期黑、斯洛文尼亚、巴勒斯坦、罗马尼亚等5个国家在GDELT的数据库中未检测到，因此剔除掉这5个国家，本文研究对象为“一带一路”沿线60个国家。图1显示“一带一路”沿线国家间合作事件从2003年的3.30万件增加到2020年底的15.06万件，尤其是2013年“一带一路”倡议提出以后开始快速增长，2016年合作事件达到高峰，数量从13.28万件增长到28.20万件，增长超过
11、一倍。2017年后受“逆全球化”思潮的影响，国际关系偏向保守，“一带一路”沿线国家间合作新闻事件数量开始有下降趋势（图1）。图1 20032020年“一带一路”沿线国家间合作事件数量演变单位：万件资料来源：原始数据来自GDELT数据库，图中数据由作者统计整理得到。（二）“一带一路”沿线国家间合作网络的整体结构分析20032020年，“一带一路”沿线国家间合作关系网络的边数、平均节点度和网络密度整体上有显著增加（表2），这说明网络内沿线国家间有着愈加频繁的接触和密切的合作与互动。表2“一带一路”沿线国家间合作网络统计指标年份2003201020132020边数1176182819831989平均
12、度23.76735.53337.80038.333网络密度0.4030.6020.6410.650聚类系数37.96243.48270.75890.586平均路径1.6091.3991.3591.351资料来源：原始数据来自GDELT数据库，图中指数由作者通过社会网络分析软件UCINET测算得到。从图2中可以看出网络密度持续增长，整个网络合作关系愈加密切。网络聚类系数在20032014年间快速提高，尤其是2013年到2014年，增速从70.758增加到158.329，翻了一倍多。从2014年至今开始波动下降，平均聚类系数逐渐变小，合作网络有从集聚到分散的趋势，合作格局发生变化。网络的平均最短路
13、径越来越小，在1.2到1.7的范围内，略低于具有相同节点和边数的随机网络平均路径长度的理论值(1.33到1.91)，合作网络的小世界特征不断显现。图2 网络密度、平均路径与聚类系数的时变图资料来源：原始数据来自GDELT数据库，图中指数由作者通过社会网络分析软件UCINET测算得到。73ASIA-PACIFIC ECONOMIC REVIEW NO.1,2023合作网络的节点度数，即与每个节点相关联的边的度数，反映的是一种关联度。从图3可以看出，节点度数的幂函数拟合系数在2003、2010、2013和2020年分别为0.8635、0.8093、0.8371和0.7797，符合长尾分布和无标度特
14、性，可见“一带一路”沿线国家间合作网络具有无标度特征，各节点的中心度之间呈严重不均匀分布：少数国家节点拥有极其多的连接，大多数国家节点只有很少量的连接。在60个样本国节点中，2003年度数排名前20的国家节点度数总和占总体的67%，2020年下降到61.48%。由此可见，少数国家对于无标度网络的运行起着主导作用，同时这种无标度特性随着时间的推移在发生变化。2020年这种无标度特性有所削弱，度数处于中间位置的国家节点数量不断增加，合作关系网络结构不断得到优化。以中国为例，2003年其与沿线其他国家的合作关联度数为2370，处于第七位；2010年关联度数增加到10734，排序上升到第四位；2013
15、年度数为16011，持续名列第四位；2020年度数增加到38000，位列沿线国家第一位。由此可见，中国与沿线国家的合作关联度正在快速增强。图3 相关年份“一带一路”沿线国家间合作度数及拟合线资料来源：原始数据来自GDELT数据库，图中指数由作者通过社会网络分析软件UCINET测算得到。74亚太经济2023年第1期（三）“一带一路”沿线国家间合作网络的国家中心性分析以下利用复杂网络分析方法计算合作关系网络的节点中心性和中间中心性等，并利用NetDraw绘制2020年的“一带一路”沿线国家间合作网络拓扑结构图，探究合作网络中国家的中心性特征。图4显示，2020年中国和俄罗斯在网络中心性持续位居前两
16、位，位于合作网络的中心，与其他国家有高度关联，其中，中国以98.3的中心度位居第一位，高于俄罗斯96.6的中心度；中东欧的土耳其和波兰，与东南亚的印度、越南、印度尼西亚和马来西亚等国形成合作网络的次要节点；东帝汶、格鲁吉亚和不丹的网络中心性最低，处于合作网络的边缘。20032020年间，沿线国家的节点中心性都有了不同程度的提高，尤其是中心性值较低的国家，如马尔代夫和不丹的中心性在2003年处于低位，但是经过18年的发展，中心性分别提高4倍和2.8倍。图4 2020年“一带一路”沿线国家合作关系网络结构拓扑图近年“一带一路”沿线国家合作网络的中间中心性呈现出高值快速下降、低值缓慢上升的变化特征。中国和俄罗斯虽然中间中心性处于高位，但是其变化趋势是逐渐下降的；马尔代夫和不丹的中间中心性最低，但是其表现出逐渐提高的趋势。高值与低值之间的差距不断缩小，表明合作网络中节点的“中介”功能逐渐趋于平衡。同时在这一趋势期，中俄两国继续具有较大的中间中心性，他们基本上是合作网络的两个枢纽。国家中心性和中间中心性之间的相关系数在5年间均大于0.8，两者之间具有较高的相关性。这些结果表明，合作网络内级别越高
