“一带一路”沿线国家间合作...于合作事件大数据的跟踪研究_任德孝.pdf

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（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：2022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-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，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；Den()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 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的国家对合作关系网络表现出越强的网络转移功能和控制力。三、“一带一路”沿线国家间合作强度的影响因素分析（一）模型构建与变量说明本部分探究“一带一路”沿线国家之间合作强度的影响因素。分析发现，国家间合作强度数据具有过离散特征，因此构建负二项回归进行估计。模型后续针对alpha值进行的过离散检验也证明了使用负二项回归模型的合理性。因此本部分构建的实证模型如下：Iij=+1DCij+2DOij+3DEij+4DGij+5DDij+ij（1）其中，Iij表示国家i和j之间的合作强度，反映的是合作事件对国家间合作关系的影响程度，合作强度指数的计算公式如下：Iij=(GSCij)(GSCji)（2）75ASIA-PACIFIC ECONOMIC REVIEW NO.1,2023式中GSCij为i国（发起国家）与j国（接受国家）之间合作事件的影响程度（Goldstein得分）之和；表示i国与j国之间合作事件的数量占i国与“一带一路”沿线国家合作事件总数的比重。GSCji指的是j国（合作发起国家）与i国之间合作事件的影响程度（Goldstein得分）之和，表示j国与i国之间合作事件数量占j国与“一带一路”沿线国家合作事件总数的比重。模型（1）中引入沿线国家间网络关系的中心度差异DCij、对外开放度差异DOij、经济发展水平差异DEij、治理水平差异DGij、地理距离DDij等因素，考察其对于国家间合作强度的影响。其中，网络中心度的测算在前文已有说明，此处不再赘述。对外开放度差异采用对外贸易依存度的相对差异表示，即两国进出口贸易总额占GDP的比重之差值；经济发展水平差异衡量的是两国间人均GDP的国别差异，其为测量经济距离的最常见指标；采用世界银行发布的全球治理指数来衡量治理能力差异；采用加入人口权重后的距离权重评估两国地理距离，计算公式如下：dij=()k i(popk/popi)l j(popl/popj)dkl1/（3）其中popk表示的是i国的集聚城市k的人口，表示的是贸易流动对两国距离的敏感度。国家间的距离数据来自CEPII提供的最新数据。为了考虑地理距离是否会因为语言的接近度而对合作强度的影响有所变化，我们构建第二个模型，引入交叉项，进行对比研究：Iij=+1DCij+2DOij+3DEij+4DGij+5DD*DLij+ij（4）式中DLij指各国之间是否超过9%的人使用共同语言，如果使用了共同语言则为1，否则为0。（二）模型估计结果与分析由模型（1）和（4）分别得到20032020年的回归结果，受篇幅限制，表3仅汇报2003、2010、2013和2020年的估计结果。首先需要检验本文构建的负二项回归模型是否合适。原假设是alpha值显著为0，备择假设为alpha值显著不为0，如果LR检验结果对应的P值小于5%，则拒绝原假设，认为使用负二项回归较为合理；反之则说明可能使用Poisson回归较优。表3显示，2003、2010、2013和2020年的回归结果中，LR检验均拒绝了原假设，通过了1%的显著性检验，因此，选择的负二项回归模型是合适的。表3负二项回归估计结果变量开放度差异合作中心度差异经济距离治理距离地理距离地理距离语言距离常数项LR检验Model_20030.004(1.50)0.006(0.36)0.111*(1.94)1.015*(5.29)-0.488*(-14.51)YES4.8e+04*0.004*(1.72)0.007(0.39)0.091(1.60)0.952*(5.02)-0.490*(-14.63)-0.440*(-3.63)YES4.7e+04*Model_2010-0.006*(-5.08)-0.081*(-4.34)0.252*(4.88)0.153(1.18)-0.482*(-19.70)YES4.2e+04*-0.006*(-5.00)-0.081*(-4.34)0.253*(4.88)0.155(1.19)-0.483*(-19.64)0.010(0.16)YES4.1e+04*76亚太经济2023年第1期续表变量开放度差异合作中心度差异经济距离治理距离地理距离地理距离语言距离常数项LR检验Model_2013-0.007*(-5.41)-0.078*(-8.58)0.226*(3.79)-0.618*(-3.93)-0.502*(-20.02)YES1.3e+05*-0.008*(-5.51)-0.079*(-8.64)0.232*(3.88)-0.609*(-3.87)-0.505*(-20.03)0.065(0.99)YES1.3e+05*Model_2020-0.007*(-5.20)-0.024*(-8.04)0.035(0.86)-0.452*(-3.08)-0.530*(-21.45)YES1.1e+05*-0.007*(-5.01)-0.024*(-8.06)0.034(0.83)-0.447*(-3.04)-0.529*(-21.29)-0.028(-0.45)YES1.0e+05*注：*、*、*分别表示通过了10%、5%和1%的显著性检验；括号内为z值。表3显示的回归结果，可以得出以下结论：第一，对外开放水平越相近，合作强度越高。结果显示，除了2003年对外开放差异对国家间合作强度的影响系数不够显著外，2010、2013和2020年估计结果均非常显著，均通过了1%的显著性检验，且系数为负值，即对外开放度相近的国家间更容易开展合作，这与我们的预期一致。总体上“一带一路”沿线国家对外开放水平呈现出持续上升态势。因此，未来在“一带一路”框架内各国扩大开放、加强合作的前景广阔。第二，合作网络中同等影响力的国家之间更容易展开合作，但也存在强弱联合的多极化合作发展趋势。结果显示，除了2003年之外，其他3个年份中心度差异对合作强度的影响系数均显著为负，通过了1%的显著性检验。说明处于同等影响力水平的国家间更容易展开合作，比如中国和俄罗斯同样具有较高中心度的国家间合作强度较大。不过根据估计系数绝对值的变化看，从 2010 到 2013 年，这个影响系数从 0.081 降到0.079，2020年再降到0.024，说明同一中心度水平的国家间合作强度逐渐减弱；多极化发展态势显现，居于中心地位的国家与非中心地位的国家合作强度有所提高。第三，经济水平差异越大的国家间合作程度越高，经济水平越接近的地区间合作难度越大。结果显示，经济差异对合作强度的影响在4个年份均为正值，不过2010年和2013年这种正向关系更加显著，通过了1%的显著性检验。这说明沿线国家间经济差异越大，合作强度越高；经济越相近的地区间合作反而越困难。这可能是因为经济差异较大的地区间，存在较大的资源整合空间，形成比较优势互补。以中国与老挝合作为例，两国的经济发展水平差异巨大，同时也存在较大的合作潜力，两国在基础设施建设、农业开发、旅游、物流等方面具有深化合作空间，中国目前是老挝第一大投资来源国、第一大出口市场、第二大贸易伙伴。“一带一路”框架下的中老铁路建设又将为深化两国合作提供更加广阔的发展平台。第四，随着国际合作质量的不断提高，治理水平相近的地区间更容易开展合作。治理水平的差异，反映的是政府之间的治理效率、治理能力等差异，直接影响两国合作与交流活动中的交易成本。2003年样本检验的结果表明，治理水平差异越大合作强度越大，而到2010年这种影响不再显著，2013年影响系数则显著为负，2020年同样也为负。这反映出国际合作日益规范化的变化特征。随着国际合作的不断规范，国际投资质量在不断提高，投机性合作大大降低，那么国际合作对治理水平的要求越来越高，跨国企业则更多地寻求与本国治理能力同等水平的国家进行投资合作。77ASIA-PACIFIC ECONOMIC REVIEW NO.1,2023第五，空间地理距离成为阻碍国家间合作的重要影响因素，并且不受语言因素的影响。结果显示，无论是2003年还是2010年、2013年或是2020年，空间地理距离对沿线国家间合作强度的影响都显著为负，均通过了1%的显著性检验，即从2003年至今，空间地理距离持续成为横亘在国家间合作的阻碍，距离越远的地区间合作强度越小。这与已有研究结论比较一致，有学者研究也发现在中国对“一带一路”沿线国家的投资中，中国对中东欧的投资决策受到距离因素的显著影响（刘清杰等，2019）。距离作为一种交通成本，显著抑制了国家间合作进程。从表3的估计系数年度变化来看，距离对合作的影响程度逐渐增大，可见地理距离对于合作的影响并没有在信息化时代有所削减。这也从侧面说明了“一带一路”建设中基础设施建设的重要意义。四、结论与政策启示（一）主要结论基于复杂网络分析方法，利用20032020年GDELT大数据对“一带一路”沿线国家间合作关系进行分析。总结沿线国家间合作的网络结构特征和合作强度，构建负二项回归模型，探究影响沿线国家间合作的影响因素。得到以下结论：“一带一路”沿线国家间合作关系越加紧密，对于“一带一路”建设越具有较好的推动作用；合作关系网络形成以中国和俄罗斯为核心的“双中心”枢纽节点层次结构；网络中心性水平差异、开放程度差异、经济规模差异、治理水平差异及地理距离等因素显著影响国家合作强度。（二）政策启示1.继续坚持开放发展战略，在推动“一带一路”框架下的国际合作中发挥中国的引领作用。对外开放是沿线发展中国家经济发展的重要动力，而中国具有高度开放的商品市场和适度开放的资本市场，其渐进式有管理的开放节奏有利于保证经济发展的稳定性，这对于沿线国家的发展非常重要。2.经济发展水平差异显著的地区间具有较大合作空间。“一带一路”建设的目的是实现人类命运共同体，因此，在欠发达国家寻找比较优势，加强中国与沿线发展中国家的合作，有利于实现优势互补，推动互利共赢。同时，提高国家治理能力，缩小国家间治理水平差距，是促进“一带一路”相关国家间合作的重要环节，也是优化和完善全球治理体系的必然要求。3.地理距离是阻碍国家间合作的重要因素。为提高沿线国家间合作强度，应继续推动基础设施建设，尤其是交通基础设施建设，以有利于突破地理距离限制，打开供需互促、优势互补的共赢大门，搭建开放合作的友谊桥梁，促进高质量共建“一带一路”，为全球经济可持续发展贡献更多力量。参考文献：1BRAMS S J.Transaction flows in the international system J.The American Political Science Review，1966，60（4）：880-8982WANG Q,CAO S,XIAO Y.Statistical characteristics of international conflict and cooperation network J.Physica A:StatisticalMechanics and its Applications，2019，535：1-10.3罗杭，李博轩.国际结构分析与国家权力测量基于大数据的网络分析 J.世界经济与政治，2021（6）：48-82+157-158.4朱炤瑗，秦昆，关庆锋，等.COVID-19期间国家关系交互网络时空分析研究 J.地理与地理信息科学，2022，38（1）：15-22.5DU R,WANG Y,DONG G,et al.A complex network perspective on interrelations and evolution features of international oiltrade,20022013 J.Applied Energy，2017，196：142-151.6WANG M,TIAN L,DU R.Research on the interaction patterns among the global crude oil import dependency countries:Acomplex network approach J.Applied Energy，2016，180：779-791.7熊文，罗熙，孙婷，等.基于北极航道开通情景的世界贸易网络演进分析 J.地理与地理信息科学，2021，37（3）：109-1198王文宇，贺灿飞，任卓然.中国矿产资源贸易网络演化 J.自然资源学报，2021，36（7）：1893-1908.78亚太经济2023年第1期9姜颖，梁桂阁.“一带一路”国际合作研究态势基于20132021年WOS数据的文献计量分析 J.北京交通大学学报（社会科学版），2022，21（4）：150-158.10王彦芳，陈淑梅，高佳汇.“一带一路”贸易网络对中国贸易效率的影响兼论与TPP、TTIP、RCEP的比较 J.亚太经济，2019（1）：49-55+154.11彭羽，郑枫，沈玉良.“一带一路”FTA网络国家地位测度及出口效应研究 J.亚太经济，2022（1）：47-58.12杨继军，傅军.“一带一路”贸易网络结构及其对区域经济联动的影响 J.南京社会科学，2022（11）：42-50.13杨文龙，杜德斌.“一带一路”沿线国家投资网络结构及其影响因素：基于 ERGM 模型的研究 J.世界经济研究，2019（5）：80-94.14漆海霞.大数据与国际关系研究创新 J.中国社会科学，2018（6）：160-171.15刘清杰，刘倩，任德孝.中国对“一带一路”沿线国家投资倾向于出口平台型吗？J.财贸经济，2019，40（6）：101-116.16刘文文.国铁集团：2022年开行中欧班列1.6万列、发送160万标箱 N/OL.中国新闻网，2023-01-032023-01-18.https:/ on the Cooperation Networks among Countries along The Belt and Road and Influencing Factors of Cooperation IntensityTracking Analysis based on Big Data of Cooperation EventsRen De-xiaoLiu Qing-jieZhang Kun-lingAbstract:Based on GDELT data from 2003 to 2020,combined with the complex network analysis method,thispaper explores the network distribution characteristics of cooperation relationship among countries along The Belt andRoad,and identifies the main factors affecting the cooperation intensity with the negative binomial regression model.The results show that the cooperative network structure takes China and Russia as the core to form a two-way hubnetwork structure,and the spatial organization pattern of the cooperative network is a regional cooperative structurewith obvious single-center radiation and multi-centers.East Asia and South Asia are located at the center and edge ofthe network,Central and Eastern Europe,West Asia and North Africa are closely linked,and Central Asia as a wholehas a weak cooperation network.The cooperation intensity is gradually increasing.The differences in network centrality,openness,economic development,governance and geographical distance among countries are all important factors that affect the cooperation intensity.Key words:Countries along The Belt and Road;International Relationship;Complex Network Analysis;Cooperation Intensity;Influencing Factors（责任编辑林珊）79