“空间”这一概念在国际关系研究中扮演着重要角色。近年来，随着地理空间数据和地理信息系统的广泛使用，国际关系研究对空间的理解更加深入，采用空间分析的理论和实证研究成果层出不穷，为国际关系理论的发展和实证研究的推进提供了重要推动力。

作为理论建构的空间分析

作为理论建构的空间分析可以追溯到1888年统计学家弗兰西斯·高尔顿在英国皇家人类学会年会上对人类学家爱德华·泰勒的研究评论，即著名的“高尔顿之问”。高尔顿指出，世界各地的部落和族群之间的风俗习惯具有相似性，研究这些族群时，应进一步探讨其风俗习惯的形成在多大程度上是相互依赖抑或独立发展的结果。他提出了一个重要问题，即这些风俗文化特征的相似性是否可能存在共同的起源，抑或由于群体通过相互模仿等方式互相影响而逐渐趋同。对此，在“高尔顿之问”的基础上形成了两种可能性解释。

第一种解释基于“空间聚集”。这一理论认为，观察到的相似性可能是由于部落受到了相同因素的影响。正是共同的影响因素导致了各部落在风俗习惯上的相似性，但这些部落之间并无实际的互动。这意味着每个部落独立发展其文化习惯，但受相似因素的影响，这些风俗习惯也可能呈现相似特征。

另一种解释则基于“空间相互依赖”，即这些群体之间存在某种程度的相互影响与互动，导致行为模式和风俗上的趋同或差异。空间聚集与空间相互依赖尽管在经验观察上表现得较为相似，都是对现象相似性的描述解释，但其背后的机制却截然不同。并非所有的空间聚集现象都源于空间相互依赖，不同的机制能够解释这些相互依赖现象。“高尔顿之问”至今仍是社会科学理论建构的重要起点之一，并激发了诸多有趣且富有启发性的研究。

作为方法模型的空间分析

在空间分析看来，社会科学数据在某种程度上都具有空间属性。例如，若研究对象是个人，尽管研究的重点不是空间，但这些个人来自不同的空间单元，如国家、省级或县级单位，甚至可以细化到其所在的公司或机构。这些数据所承载的分析单元在本质上都具有空间属性，存在于一个具体的空间环境中。在此意义上，社会科学数据都包含一定的空间要素，只是很多情况下我们没有特别关注这些空间属性。

因此，研究者需要接受的基本事实是：所有社会科学数据都具有空间属性。在空间分析中，一个无法忽视的基本法则是“地理学第一定律”：所有事物都是相互关联的，但相距较近的事物之间的关联性更强。这一定律由地理学家托贝勒于1970年提出，强调了空间数据分析的核心在于“地理相邻性”，即在地理位置上接近的现象或事件之间，其相似性通常更为显著。尽管相距较远的事物之间也可能存在一定的相似性或相关性，但这种相关性通常比相距较近的事物更为薄弱。空间分析的一个重要步骤是将这些空间数据与我们的分析单元（如国家、省份）进行连接，通常通过“空间合并”来完成。例如，如果研究者希望研究自然资源（如石油）的分布对地方暴力冲突的影响，就需要将冲突事件的位置与自然资源位置的数据点进行空间匹配。

空间分析的核心还包括定义和创建空间关系矩阵W。W矩阵可用于各种空间数据分析，包括探索性数据分析、空间自相关检验以及空间计量模型等。在空间分析中，理解“事物如何关联”是关键步骤之一。这涉及对数据中各单元之间的空间关系进行定义和量化，研究者采用的核心工具是空间权重矩阵。这是一个N×N的矩阵，用来表示数据中所有单元之间的连接关系。定义空间联系的关键在于如何确定一个单元的“邻近性”。邻近性可以通过多种标准来定义，如地理上的直接接壤、地理距离，或者基于某一数量的最近相邻单元（如K最邻近算法），这些不同的定义方式会影响W矩阵的结果和空间分析结果。一般而言，研究者主要考虑“第一序邻近性”，即一个单元的直接邻居通常包括紧邻它的其他单元。此外，也可以进一步考虑“第二序邻近性”以及“第N序邻近性”，即不仅包含直接邻居，还包括“邻居的邻居”“邻居的邻居的邻居……”等。

在空间分析中，识别空间自相关性是理解空间现象分布规律的关键步骤之一。通过绘制地图或使用莫兰指数等统计检验，可以识别数据在空间上是否存在集聚效应。哈尔瓦德-布豪格与克里斯蒂安·格里蒂奇（2008）在关于武装冲突扩散的研究中指出，如果我们将全球范围内的冲突事件绘制成地图（特别是2001年至2005年期间的数据），就会发现这些暴力事件往往在空间上聚集在特定地区。例如，萨赫勒地区和中东的冲突国家通常与其他有类似经历的国家毗邻。这种邻近国家之间的相似性也表明，冲突可能跨越国界传播，暴力冲突具有“传染性”。

何时需要使用空间分析

当研究对象的属性表现出空间依赖性、异质性或受到遗漏变量影响时，空间分析就是研究者的一个主要选择。传统统计分析一般需要假定观察对象是独立同分布的。然而，当一个观测单元的属性可能影响到其他观测单元的属性时，传统方法可能无法充分捕捉这种空间相互影响，而空间分析则能够有效地识别这些空间依赖性。

空间分析在处理空间异质性时也具有重要作用。空间异质性是指某个处理效应的强度和方向可能因空间位置的不同而变化。在不同的区域，政策或干预措施的影响可能呈现显著的空间差异，使用空间分析方法能够捕捉这些空间上的差异，并提供更具解释力的分析结果，从而提升研究的精确性。

遗漏变量偏差也是空间分析可以解决的一个问题。在地理或空间分析单元中，往往存在一些无法直接观测的潜在因素，这些因素可能导致变量之间产生空间自相关性。空间分析方法通过对这些隐性影响因素进行建模，可以有效控制遗漏变量带来的偏差，使得模型结果更加可靠。

此外，空间分析在理论构建与验证中也发挥着独特作用。当某些现象具有显著的空间成分，且这些空间特征是理论框架中不可或缺的一部分时，空间分析能够帮助研究者更加系统地将地理或空间因素纳入理论建构之中。通过对空间依赖和空间异质性的深入挖掘，研究者不仅能够检验既有理论，还能提出新的理论假说，从而推动学术理论的创新。

综上所述，当研究问题涉及空间依赖性、空间异质性、遗漏变量偏差以及空间维度在理论构建中的重要性时，空间分析方法成为理解和解释这些复杂现象的有力工具。在分析国际关系现象时，应考虑空间上的邻近性及其相互影响，将其作为研究的起点。还需强调的是，并非所有理论和模型都需要使用空间分析。尽管社会科学中的大部分数据具有空间属性，事物之间存在普遍的空间关系，且空间相邻的事物往往关联更加紧密，但这并不意味着每一种国际关系分析都必须采用空间分析。

（作者系清华大学社会科学学院国际关系学系副教授）

编辑：李华山