2025年6月27日至7月1日，由清华大学国际关系研究院主办的第二十三届“国际关系研究方法研讨会”在北京辽宁大厦成功举办。在为期五天的活动中，研讨会安排了10场专题讲座，内容涵盖研究设计、案例研究、定量分析及前沿技术应用等领域。来自全国各地的百余名学员线下参与了此次学习，现场师生积极互动，学术氛围浓厚。

6月27日上午，清华大学国际关系研究院院长孙学峰教授以“社会科学研究设计的核心环节”为主题开启首场讲座。孙老师首先回顾了本研讨会自2003年创办以来的发展历程，重点介绍了教学内容与目标。孙老师强调研讨会在难度提升的基础上，更加注重交流互动，鼓励同学们主动思考、积极参与。随后，孙老师聚焦“建立理论框架”，强调“困惑”是提出研究问题的起点，通过寻找可靠的因果机制来解释问题。最后，孙老师与学员就如何发现研究困惑、如何确定有价值的研究选题等问题进行了深入交流。

6月27日下午，清华大学社会科学学院副院长、国际关系学系刘丰教授讲授了概念界定及其类型化，强调概念界定清晰是学术对话的前提。研究者可以通过提出“新”概念、重新界定传统概念、跨学科引入和转换概念、概念合成等路径实现概念与理论创新。通过梳理“对冲”概念内涵的流变与争议，刘老师讲解了概念的三个层次：基本定义、分界定义、操作定义。随后，刘老师介绍了概念操作化的重要性和方法。刘老师与在场同学针对复合指标概念操作化的基本方法及常见误区进行了充分的讨论。

6月28日上午，刘丰教授讲授了案例分析原理与技巧。刘老师回顾了案例研究方法的科学化历程，指出科学方法不等于量化方法，以案例研究方法为代表的定性研究方法也需要科学化。案例研究可分为明确研究范围、编制案例清单、选择进行细致考察的案例、运用具体技术进行案例分析、与替代性解释进行比较五个步骤，刘老师强调了编制案例清单的重要性。最后，刘老师简要介绍了一致性分析、过程追踪、多案例比较三种案例分析技术。

6月28日下午，清华大学国际关系研究院副院长漆海霞老师围绕博弈论方法开展了专题讲授。首先，漆老师强调博弈的核心在于“互动”，讲解了不同博弈模型的特征、应用场景及分析技巧。漆老师还讲述了动态博弈的核心概念，利用逆向归纳法进行求解的步骤与方法。她强调，将理论与实际紧密结合是深入掌握博弈论的关键所在，鼓励大家多从实际问题中提炼思考，不断增强博弈论方法的应用能力。

6月29日上午，漆海霞老师讲授动态博弈理论，借由三个经典案例生动阐释了博弈论的核心应用。通过构建博弈树分析了战争爆发的内在逻辑，重点讲解了信息不完全、承诺问题等关键因素。随后讲解了不完全信息博弈的理论与应用，并通过引入后验概率的贝叶斯均衡计算，阐释了在信息不对称条件下的战略决策逻辑。最后，漆老师阐释了无限多轮博弈中决策者心理因素（如决心）对战略选择的影响，系统展现了博弈论在国际关系研究中的实践价值。

6月29日下午，漆海霞老师继续讲授线性回归分析方法。漆老师首先系统讲解了一元线性回归和多元线性回归的理论与应用，内容涵盖回归模型的基本形式、普通最小二乘法（OLS）的原理及操作步骤。随后，漆老师结合国际关系案例展开实证分析，探讨贸易与经济差距对双边关系的影响，并对比不同模型的解释力。接着，漆老师介绍了Logit模型、时间序列和面板数据的应用场景，辅以学术论文案例说明统计方法在国际关系学科中的价值。最后，漆老师介绍了国际关系常用数据库资源，为实证研究提供数据支持。

6月30日上午，清华大学国际关系学系陈冲老师带来国际关系数据可视化的专题讲座。陈老师首先讲解了数据可视化在学术研究中的重要价值，指出可视化有助于发现数据中的潜在模式和规律。随后，陈老师系统讲解了R语言及相关可视化软件包的使用，重点介绍了数据格式、变量类型及常见图表的绘制方法，包括单变量和多变量的柱状图、箱线图等，帮助同学们掌握从描述性统计到协变量关系的可视化思路。针对学员提出的“如何在投稿中平衡图表与模型结果展示”等问题，陈老师结合国内外学术期刊的实际要求，进行了经验上的答疑。

6月30日下午，陈冲老师开展国际关系空间数据分析方法的专题讲授。陈老师从经典的“高尔顿之问”切入，系统阐述了空间分析在社会科学研究中的核心价值。陈老师深入浅出地解析了空间权重矩阵的设计原理，重点讲解了空间回归模型（SAR）和空间滞后模型（SLM）的建模逻辑与应用场景。他指出，当研究问题涉及空间依赖性、空间异质性以及空间维度在理论构建中的重要性时，空间分析方法就成为了不可或缺的研究工具。在实践环节，陈老师不仅介绍了专业的空间分析软件，还详细解释了R语言中空间分析包的使用技巧。此外，他还推荐了包括全球行政区划数据库（GADM）、冲突事件定位数据集（ACLED）在内的多个权威空间数据库资源，为学员们开展空间分析提供了实用指导。

7月1日上午，北京大学国际关系学院庞珣教授讲解了大语言模型（LLM）在社会科学中的应用，探讨其技术先进性、挑战及未来潜力。庞老师从大语言模型在社会科学的发展、理解不可理解的大语言模型、探索大语言模型在应用上的潜力、AI与社会科学的“当下与未来”依序进行展开，庞老师强调理解大语言模型的原理概念比操作细节更为重要。此外，庞老师指出，大语言模型不仅能提升研究效率，更能推动理论与定量研究的创新，社会科学研究也能为AI的伦理问题和行为规范提供宝贵视角。

7月1日下午，漆海霞老师讲解了机器学习与大数据分析方法。首先，漆老师讲解了传统回归分析与机器学习的区别，主要在于机器学习无需对数据分布进行假定，而是从数据本身出发，提取有效特征并形成数据驱动的知识。随后，漆老师介绍了交叉验证法的具体步骤，详细说明了监督学习、非监督学习与强化学习这三类机器学习的概念与区别。此外，她还讲解了朴素贝叶斯方法的基本公式和隐马尔科夫模型的原理、应用场景，重点介绍了GDELT数据库在国际关系研究中的应用，展示了如何利用大数据分析国际关系问题。最后，漆老师详细讲解了随机森林算法与神经网络的基本原理，并结合案例说明了这些算法在实际预测和分类任务中的应用技巧，有效拓展了同学们对现代大数据与机器学习方法的认识与掌握。

随后，清华大学国际关系博士生王淇详细讲解了国际关系研究中的因果推断与样本选择问题。首先，他以具体研究案例阐述了相关关系并不一定代表因果关系，强调了错误的因果识别可能带来的误导性结论。接着，他介绍了有向无环图（DAG）的基本构成及其在因果推断中的重要性，解释了因果路径、混淆路径和对撞路径的区别及其在实际研究中的影响。随后，他详细介绍了样本自选择偏差产生的原因，并用具体案例阐释了样本自选择问题的解决思路。最后，他还介绍了Heckman选择模型与内生选择变量处置效应模型在国际关系领域的具体应用，以及如何使用Stata和R语言实现两种模型的估计，帮助同学们在未来的研究中更好地进行因果识别以及避免样本自选择偏差问题。

闭幕式上，漆海霞老师鼓励学员勇于探索前沿领域，保持对于学术的热情与思考，将所学方法应用于实际研究，助力国际关系研究的发展。本届方法研讨会圆满结束。

（新闻撰稿：清华大学国际关系学系博士生沈宏叡）