作品简介
作者：Jordan Branch，克莱蒙特·麦肯纳学院政府学副教授，研究方向为主权国家领土制度的起源、特征和影响，以及技术和技术变革在国际政治中的作用。
编译：钱靓（国政学人编译员，上海外国语大学）
来源：Branch, J. (2016). Geographic Information Systems (GIS) in International Relations. International Organization, 70(4), 845-869.
doi:10.1017/S0020818316000199
归档：《国际关系前沿》2021年第11期，总第38期。
内容摘要
本综述讨论的三本著作：
-《不平等、怨恨、内战》，Cederman, Lars-Erik, Kristián Skrede Gleditsch, and Halvard Buhaug. 2013. Inequality, Grievances, and Civil War. New York: Cambridge University Press.
-《地缘政治学：空间、地点和国际关系》，Starr, Harvey. 2013a. On Geopolitics : Space, Place, and International Relations. Boulder, CO: Paradigm.
-《信贷立国：疆域、权力与欧洲政体发展》，Stasavage, David. 2011. States of Credit: Size, Power, and the Development of European Polities. Princeton, NJ: Princeton University Press.
地理信息系统（Geographic Information Systems，GIS）提供了一套复杂的分析工具，对基于空间面积、距离和关系的几何度量进行分析。这项技术越来越多地被运用于国际关系研究领域，但在运用过程中可能会出现显著的测量误差。这一误差通常由测量效度问题或选择性偏差所致：一方面，当GIS数据集里的点、多边形或像素格无法准确描述制度、惯例、观念或行为时，测量效度就会遭到削弱；另一方面，当研究者对空间实体或观念的关注导致其在分析中忽略非空间单位时，选择性偏差就会产生。本文阐述了GIS在国际关系研究领域是如何应用的，指出使用时出现的上述问题，并提出对应的改善建议。
文章导读
GIS与其在国际关系研究中的应用
GIS指的是任何与空间相关数据的收集和分析，涉及使用特定软件（如ArcGIS）来编码和分析空间数据；空间位置由一组经纬度的坐标描述。在GIS中，有两种数据编码方式：矢量数据（vector data）和栅格数据（raster data）。用矢量数据可以精准地利用几何图像表达地理形状和轮廓，点表示单个空间地点，线则表示线性物体（如道路），多边形表示占据一定面积的空间；每一个点、线、多边形可以通过“属性表”进行其他变量的赋值，以此录入空间数据或非空间数据。栅格数据是以像素格为基础的，每个相同大小的像素格会储存同一变量的数值，并连成完整平面。
在国关领域运用GIS的典型研究有以下三本著作：《信贷立国》、《不平等、怨恨、内战》和《地缘政治学》。
《信贷立国》利用GIS研究欧洲公共信贷系统的发展，这一要素对欧洲现代国家形成起到关键作用。公共信贷系统的发展程度随政体类型而异：更小规模的政体（特别是商人高度参与的城市国家）表现出更高的公共信贷能力。参与度的提高使得监督和执法更加容易，避免因违背承诺而导致利率提升和公共信贷资源减少。GIS的运用在该项研究有力地说明了空间因素（规模）的重要性。在斯塔萨维奇的另一有关中世纪晚期及现代早期欧洲的代议机构的研究中，GIS更为充分地得到利用，为“地理规模是代议机构创建的决定性因素”这一论断提供了重要支持。
在《地缘政治学》中，斯塔尔总结了他几十年来对领土、边界和地缘政治因素与国际关系核心议题（如联盟形成、军事化冲突和国际合作）之间联系的研究。GIS为长期存在的理论问题提供新的解决动力。例如，在两国毗邻特征与它们卷入军事冲突倾向之间的关系这一问题上，GIS能够做到对不同类型的边界以及不同边界的不同特征的区分，并分析这些因素如何影响冲突。研究表明，在两国互动水平和边界领土重要性非常高和非常低的情况下，冲突的可能性都较小；而当国家之间的跨界互动水平适中且沿该边界的领土具有适中程度的重要性时，冲突更有可能发生。
《不平等、怨恨、内战》一书则反驳了“怨恨情绪与内战爆发和种族叛乱几乎没有关系”的观点，提出个人或家庭层面的怨恨情绪可能无关紧要，但群体层面的情绪可能是重要的。该研究利用GIS分析国家和个人层面之间的族裔或其他层面的冲突，表明群体之间的不平等确实对冲突的发生及其性质产生重大影响。
国际关系学者已经在某些研究方向上使用GIS的数据集。例如，通过使用反映种族领土范围的数据集研究种族冲突问题，如关于族群地理分布的数据库（Geo-referencing Ethnic Group，GREG），这一数据库能够在不依赖国家层面的变量（例如种族分化）的情况下测量种族情况。除GREG数据集以外，还有CShapes、PRIO-GRID data、AidData为量化研究提供数据支持。GIS能够分析历史时期上的规模效应和空间变量，实现原本不可能的实证检验。GIS也支持领土问题研究。戈曼斯（Goemans）和舒尔茨（Schultz）在研究族群分布对非洲领土冲突的影响时，通过GIS确定族群空间范围和出现暴力争端的特定领土，得出某些种族分裂与领土冲突的加剧相关。此外，学者利用GIS发现历史边界的密集程度与冲突的级别呈正相关。在解释冲突问题上，GIS也可以与网络分析（Network Analysis）结合。一项研究将地理空间关系与国家间权力关系的社会网络分析相结合以研究国家间战争的爆发。在分析种族冲突时，许多研究也参照《不平等、怨恨、内战》的方法，利用GREG、Geo-EPR 或 PRIO-GRID 等数据集对常用理论变量进行分解。这也说明了 GIS 在国际关系研究中的优势：GIS作为测量和分析的方法论工具，可以从理论上实现更有效的假设检验。
运用GIS时的问题和解决办法
在实际运用GIS的过程中，可能出现测量效度和选择性偏差两种问题。如果GIS数据集中收集的数据没有准确捕获其所研究的政治现象，那么测量可能无效；如果研究方法只关注空间特征并忽略非空间因素，可能会带来选择性偏差问题。
A.测量效度（Measurement Validity）
在国际关系中，该问题表现为政治制度、实践或行为的相关特征是否可以通过GIS编码体现。许多研究以政治制度为分析单位，但这些制度并非总是符合 GIS 数据的空间特征。由于许多政治组织并非基于领土管辖，这对GIS数据集的测量有效性产生了影响。例如，在《信贷立国》中利用欧洲历史地图资料库（Euratlas）开展研究。该数据集将传统的历史地图集输入GIS，并将政治单位及其边界编码为多边形。但是，清晰的领土边界在中世纪的欧洲并非总是存在，同一领土可能由多个政治单位进行管辖。统治是对人、位置和其他非领土管辖权提出的，很少精确针对领土范围，而GIS数据无法描述非领土性质的管辖范围。同样地，一项考察代议制与政体规模联系的研究表明，辨别政体成员的标准通常与Euratlas绘制的领土边界无关，这是因为存在重叠的土地管辖以及非领土性政体的情况，而这些情况都被GIS排除了。
该问题也表现为将非领土性质的变量被误测量为领土性变量。例如，在处理种族冲突时不一定是根据划定的空间区域来处理族群及其之间关系：对于聚居区明显的群体，使用GIS进行空间测量是有效的；然而对于其他类型的群体（如侨民），矢量数据可能无法有效地测量。
此外，即使现代国际领土边界十分清晰，仍然无法完全避免测量无效的发生，尤其在发生暴力叛乱的领土中情况的复杂可能是GIS数据集无法捕捉的；即便叛乱集团对特定领土实现了一定程度的统治，这些团体也不一定会建立具有明确边界或国际承认的国家。
另外，除了空间数据集因存在非领土性质变量而影响测量效度的情况，也有可能出现非空间因素（如时间）和空间因素混合编码而同时被一个空间变量测量的情况。对于那些容易被误测（例如大小或距离）的特定概念而言，这种情况将对妨碍研究者做出有效的因果推论。
尤其是那些专门供不熟悉GIS学者使用的数据集而言，以上纰漏随时会发生。解决措施之一是，根据研究的分析水平和尺度选择合适单位的空间或非空间形式，并通过GIS有效地呈现出来。当纳入复杂或非空间的政治或社会变量时，需要特别注意误测的可能性。现有工作中出现了三个潜在的解决方案：使用点代替多边形，扩展单位之间的边界定义方式，以及将网络分析与空间数据结合起来。
1. 使用点代替多边形数据，点数据可以更紧密地匹配基本概念。比如在对中世纪的欧洲政治进行研究时，对中世纪的地图和文字描述需要反映出政治权威的支配范围是作为“地点（place）”的城镇而非作为“空间（space）”的领土。区分“地点”和“空间”在历史学和地理学中解决GIS的测量有效性至关重要，但在国际关系研究中仍未得到证实。“地点”的重要性在于其特定特征，而非在于它包含的一定空间范围。毕竟政体是社会制度的集合而非地理概念：个人和群体的思想、实践和行为构建了政体并与政体发生互动。
2. 扩展单位之间的边界定义方式，即在线以外考虑其他定义方法。边界可以用许多变量来描述，包括边界本身的潜在性质，如边界是分散还是模糊、稀疏还是严密、设防还是不设防。
3. 将网络分析与空间数据结合，利用网络分析处理复杂的非空间特征或关系——权威关系、文化联系。例如，在上文Euratlas的案例中，若将GIS的空间数据与受政治管辖的地方之间联系互动的网络分析结合，将能够更准确地捕捉领土边界不清晰的前现代国家的动态变化及规律，从而对这些制度的起源或影响做出更有效的推断。
以上解决措施可能会带来数据量过大的问题，因此，学者们应该选择能够更有效地衡量研究现象的空间和非空间范围，并将网络分析与 GIS 相结合。类似的解决方案可以应用于当今各种空间和非空间单位共存的政治环境，如有限的国家地区、存在统治争议的内战区以及国际组织的复杂重叠的管理。
B.选择性偏差（Selection Bias）
选择性偏差出现在被GIS数据集排除的非领土或非空间单位或案例中，对以政治制度为分析单位的研究来说尤其明显。被排除的单位不仅因其非空间属性而有所不同，在研究的关键变量和概念方面也可能有所不同，从而影响因果推论。例如，自治城市因表示其地理规模的GIS数据不足而在GIS应用中被忽略。从本质上来说，此类数据的不足是因为这些自治城市并非通过领土划界方式定义而导致的。除自治城市以外，被排除在外的非领土单位还包括非边缘性的政治组织，如在中世纪由北欧独立贸易城市组成的联盟——汉萨同盟。城市联盟与国家完全不同，联盟中许多城镇成员在地理上分散分布，而许多城镇对当地的控制又十分有限。当然，这不是在说Euratlas的矢量数据是错误的。从理论上讲，我们可以构建一个包含所有单位及其关系的替代数据集。然而这非常困难，因为在许多研究者眼中GIS和矢量数据单位是可行的捷径。
现代国际关系的研究也会出现类似问题，因为GIS的研究单位也会更偏向于“类国家”实体。尽管在GREG和GeoEPR数据集中有很多改进，但是仍存在部分群体没有被编码进入的情况。事实上，这些被GIS忽略的群体也会对结果产生影响，比如在一些冲突中，没有“定居区”的群体（如侨民社区）也扮演着重要角色。这一问题实际上是由多边形数据结构本身的限制所决定的。
解决上述问题的办法有三种：用多种编码方法组合非空间和空间单位和变量，建构研究单位的分析性而非经验性的定义，以及将研究问题聚焦于所选的数据范围之内。
1. 用多种编码方法组合非空间和空间单位和变量。例如，政治单位可以编码为多边形、点或非空间网络联系，或多种方式混合。基于GIS的分析可以仅作为研究设计的一部分，这么做不仅可以利用空间分析的优势，还避免了过度依赖GIS研究问题的非空间方面。
2. 建构研究单位的分析性而非经验性的定义，即在GIS中建构栅格数据集，用像素格表征固定单位的变量。有学者尝试在单个时间点固定研究单位的空间边界，以避免在不断变化的政治单位影响下改变数据的边界；也有学者尝试将欧洲划分成一个固定的方形单位网格以进行研究。PRIO-GRID数据集也使用覆盖全球陆地表面的方形的多边形网格，对每个多边形都采用固定及可变特征的数据进行编码，包括地理地形、社会或政治变量。
3. 将研究问题聚焦于所选的数据范围之内。如果无法收集足够准确的信息来制作包含所有空间和非空间单位的数据集，可以通过提出明确的问题避免针对非空间因素的内在选择偏差。
国际政治本质上是空间性的，但并非所有现象都具有空间性。由于GIS背后的假定与国际关系中制度、过程和结果的概念存在潜在的不匹配，这对测量效度和对象选择都会产生影响。然而，测量效度与选择性偏差的问题尚未完全解决，因此，本文提出的解决方案将有助于支持未来继续在国际关系研究中有效地使用GIS。
译者评述
如今，GIS这一基本的空间信息技术已经越来越频繁地运用在社会科学的定量研究中，尤其是社会学和历史学中，如影响新冠疫情确诊率的社会因素等。在这一工具的帮助下，更多复杂的社会问题得以被量化，使得答案和解释更加具体、可视。国关研究的对象往往是复杂的，很难仅用定性研究做出准确判断。并且，国际关系的研究会出现跨学科的特点，例如心理学的诸多理论已经在国际关系研究中得到运用，但是与地理学的综合运用还未达到“炉火纯青”的地步。尽管在一些与空间因素相关的研究中确有使用GIS的必需，使用这一技术仍需要需要严密的变量控制，其中涉及到精确的数据编码，而这往往是社会科学的定量研究中存在的技术“壁垒”。一些现有的数据集的确提供了很多便利，但是若是要运用到具体的研究中，则需要进一步了解数据集编码原理和逻辑，在此基础上才能对现有数据“对症下药”地运用到研究中；否则，只能避开技术上造成的障碍，在已有的资源下展开有限的研究；否则，就会出现作者所说的测量效度和选择性偏差的问题，导致研究结果的偏颇。我国学者也有利用GIS开展研究的尝试；在此基础上，甚至还可以叠加地理加权回归模型（Geographically weighted regression，GWR）和多尺度地理加权回归（Multiscale GWR）开展复杂变量下更精准的研究。
参考文献
[1] Mollalo, A., Vahedi, B., & Rivera, K. M. (2020). GIS-based spatial modeling of COVID-19 incidence rate in the continental United States. Science of The Total Environment, 728, 138884.
https://doi.org/10.1016/j.scitotenv.2020.138884
词汇整理
地理信息系统
Geographic Information System
矢量数据 vector data
栅格数据 raster data
网络分析 network analysis
选择性偏差 selection bias
责编 | 阮辰阳 杨沛鑫
排版 | 彭雯昕 云琪布日
文章观点不代表本平台观点，本平台评译分享的文章均出于专业学习之用, 不以任何盈利为目的，内容主要呈现对原文的介绍，原文内容请通过各高校购买的数据库自行下载。
联系客服
