清华大学国际关系数据与计算实验室2025年春季学期第4期“前沿研读沙龙”于2025年5月17日在腾讯会议平台顺利举行。
本期读书会由南开大学国际政治专业本科生张佳和王奕博主讲。主讲人对期刊文章《防务合作网络中的搭便车、网络效应与负担分摊》（Free Riding, Network Effects, and Burden Sharing in Defense Cooperation Networks）做了主要内容的介绍以及统计分析过程的复刻。本期读书会由清华大学国际关系数据与计算实验室主任漆海霞老师主持，并邀请到清华大学国际关系研究院博士后张晟昊老师作为点评嘉宾。
01 主要内容
首先，王奕博同学先介绍了本文的基本信息。此次展示的文章发表于《国际组织》（International Organization）2023年第77卷第2期，作者为加利福尼亚大学政治学科学系副教授Brandon J. Kinne。
接着，王奕博同学介绍了文章的研究问题。这篇文章关注的是“国家如何在集体防御中分配负担”这一经典研究议题，通过对此前文献的回顾、“防务协定”与“联盟”概念的界定区分、理论推导等，作者提出了这篇文章的具体研究问题：防务关系的结构如何具体影响国家的负担分摊？
在这一问题下，王奕博同学介绍了作者的研究设计。在研究对象上，作者引入“传递三元组”（The Transitive Triad），提出国家之间的防务协定并非仅仅是双边的，在实际中防务协定网络的发展显现出独特的“三元”结构。这种呈现“我朋友的朋友就是我的朋友”特点的“三元”结构成为本文重点关注对象。
作者讨论了“传递三元组”的影响机制：效率影响与搭便车影响。效率影响指传递三元组存在网络效率，即行为体不仅可以从其个体联系中获得效用，还可以从这些联系的结构中获得效用。搭便车效应则指国家缺乏为集体行动自愿付出的动机。这两种效应都可以降低国家的国防开支，但作者认为并不相同。一个关键区别在于，效率是网络结构本身的普遍效应，而搭便车则取决于合作伙伴的国防努力。因此，传递三元组对国家国防开支的具体影响机制仍需要进一步辨析。
图1：文章提出的“传递三元组”（The Transitive Triad）
随后，王奕博同学介绍了文章的研究假设。作者利用ABM模型，提出了四个假设，用来区分国家防务协定的双边影响和网络影响以及这种影响是受网络效率推动还是搭便车推动。ABM（Agent-Based Modeling）模型，即基于个体的建模（也有直译为“代理基”模型），是一种模拟系统复杂行为的工具。它通过模拟个体（代理）的行为和相互作用，来研究系统整体的动态变化。ABM模型在经济学、社会学、生态学等领域都有广泛应用，能够揭示许多传统模型难以解释的现象。在文章中，作者引入ABM模型，构建了网络效应函数与行为效应函数，
借助模型提出了四个假设：
- 假设1：随着一个国家的DCA合作伙伴数量的增加，其国防开支也会增加。
- 假设2：随着一个国家的本地DCA网络中三元结构的增加，其国防开支减少。
- 假设3（效率）：三角形减少一个国家的防御努力，而不管其合作伙伴的努力如何。
- 假设4（搭便车）：三角形减少一个国家的防御努力，只有当它的合作伙伴的努力增加。
之后，作者对这些假设进行实证检验与分析。
02 实证分析
张佳同学介绍了本文实证检验的设计。首先，作者将前文构建的ABM模型转化为SAOM模型（Stochastic Actor-Oriented Models），实现了网络演化目标函数和行为调整目标函数的转化，便于从机制模拟到矩阵估计。作者构建网络关系和行为特征两个方程。方程一将是否签署DCA作为因变量，自变量如下表1，方程二将国家的国防开支水平作为因变量，自变量如下表2。
表1：网络方程的自变量
表2：国防开支方程的自变量
本文构建了四个模型层层递进以检验集合，模型1是本文的机制模型，未包含任何结构因素；模型2在方程1中引入网络结构特征TRANSITIVE TRIADS（传递三元组）和TOTAL DEGREE（中心度），以衡量国家是否倾向于与那些与自己已有合作伙伴也有合作关系的国家签约；模型3在方程2中引入DCA DENSE TRIADS（密集三角结构）对防务支出的影响，用于检验“网络效率机制”；模型4加入DCA TRIADS EFFORTS作为搭便车项，测量某国的防务支出是否受其三角合作网络中伙伴关系国防支出水平的影响。
随后，张佳同学在简单介绍RSiena代码后，根据作者提供的源代码，对全文主要的分析过程进行复现，基本重现了全文的图表（图3-图6）。
图2：代码复现过程
图3：网络方程和国防开支方程的变量显著性（复现图表）
图4：网络结构变量（Degree×Triangle Ratio）对国防支出的影响可视化（复现图表）
图5：24个高度数国家的反事实分析（复现图表）
图6：SAOM模型的变量重要性评估（复现图表）
根据图表展示的结果，模型1说明国家更喜欢军事能力强和民主政体的进行双边防务协议合作；模型2说明国家倾向于形成三角合作关系是出于结构偏好，而不是单纯因为它合作对象多；模型3说明三角结构的增加抑制国防支出，即密集的本地防务网络对支出具有抑制作用；模型4则否定了搭便车对国防支出的影响，从而侧面证明了网络效率机制。在后估计分析阶段，作者不仅证明了三角组会抑制国防支出，并发现随着时间的发展，网络因素对国防支出的影响越来越大。
在稳健性检验部分，作者使用了丰富的稳健性检验的方法。首先，其改变或增加变量或变量的衡量方式，通过扩展时间范围、更改DCA的定义、增加控制变量盟友支出和双边贷款、因变量转化为对数形式和加入意识形态因素的方式，发现关键变量 Triads 和 Degree 均稳定显著。随后，其进行离散化方法敏感性分析，更改国防支出变量的离散化粒度，并且使用总支出的绝对数额代替GDP百分比，发现总支出模型的部分控制变量失效，但DCA效应依旧稳健。最后，作者采用线性回归代替建模，发现核心变量依然显著，SAOM模型的预测准确率远超OLS，并且RMSE（均方根误差）在加入DCA Degree 和 DCA Triads 后显著下降，即证明了SAOM模型的优势，又证明了核心变量的解释力。张佳同学通过代码操作，基本复现了这一过程。
03 活动总结
王奕博同学介绍了ABM模型的背景知识、文章的理论假设以及研究设计，张佳同学对文章的实证检验进行了和复刻，并详细介绍了本文附录中的稳定性检验方法。两位主讲人还指出了文章的主要贡献与局限，并提供了进一步研究的潜在方向。
在讨论环节，同学们针对文章的数据时间范围、模型设计、潜在的替代理论机制等提出了各自的看法，主讲人对此进行了一一回应。在点评环节，张晟昊老师指出了本文的复杂程度，肯定了主讲人对文章结构的把握和复刻的细致程度，并补充了ABM模型和SAOM模型在文章的不同作用，指出SAOM模型内含网络和行为的共生性，提高了同学对网络模型的理解程度。漆海霞老师也指出，国际关系的研究需要关注前沿模型，鼓励同学们学习并应用前沿方法模型，推动方法的更新与进步。