環(huán)境事件中個體策略與群體策略選擇的行為實驗研究

鄭君君　何鴻勇

?

環(huán)境事件中個體策略與群體策略選擇的行為實驗研究

鄭君君何鴻勇

摘要:運用行為實驗的研究方法，筆者對PX項目環(huán)境事件中實驗對象的社會連接關(guān)系及其整體的社會網(wǎng)絡結(jié)構(gòu)進行刻畫，并運用DeGroot模型刻畫了實驗對象在社會連接關(guān)系、有向網(wǎng)絡圖與信息交互、學習過程作用下的個體行為與群體行為狀態(tài)的演化過程。研究結(jié)果表明在PX項目環(huán)境事件的實驗對象中，孤點與小團體的存在使得整體社會網(wǎng)絡密度較小，限制了群體中信息傳播與觀點交互；核心網(wǎng)絡中的不同節(jié)點對其它節(jié)點的控制力與影響力存在顯著差別；在研究試驗對象的學習與行為策略演變規(guī)律時,在對小群體的社會網(wǎng)絡拓撲結(jié)構(gòu)與社會影響矩陣進行試驗調(diào)查的基礎(chǔ)之上運用DeGroot模型來進行刻畫、預測是一種可操作的方案與途徑。

關(guān)鍵詞:有限社會網(wǎng)絡； 策略選擇； DeGroot模型； 意見領(lǐng)袖； 行為實驗

環(huán)境事件的演變是一個具有動態(tài)性與復雜性的過程，對其中所涉及個體與群體的行為策略選擇及其演化規(guī)律的研究需要考慮到個體間的社會連接關(guān)系與影響程度、復雜環(huán)境中的信息傳播與交互作用機制、群體層面的社會網(wǎng)絡及其結(jié)構(gòu)等方面的現(xiàn)實情況，對此，國內(nèi)外學者紛紛從演化博弈、多主體仿真分析、社會網(wǎng)絡等不同視角展開研究，并取得了較為豐碩的研究成果(Kinzig et al.，2013:164-175；Videras et al.，2012:35-50)。部分學者運用動態(tài)演化博弈理論來刻畫復雜性環(huán)境事件中不同行為主體之間的信息交互與學習過程，并據(jù)此對個體的信息狀態(tài)與行為策略選擇進行研究(潘峰等，2014:97-102；鄭君君等，2015:168-176；劉德海等，2014:3157-3166)。

學界基于貝葉斯觀察學習的演化博弈模型的研究方式為研究環(huán)境事件中個體與群體的行為策略選擇及其均衡狀態(tài)研究提供了一種規(guī)范性的理論基礎(chǔ)，但這種方式在相對復雜的情境下將難以運用，尤其是在考察具有社會連接關(guān)系、信息有向流動、社會影響力大小、意見領(lǐng)袖的存在等方面。對此，DeGroot開創(chuàng)性地提出了在網(wǎng)絡交互作用條件下的信息傳播與策略學習模型，對網(wǎng)絡中個體的觀點與行為策略演化、網(wǎng)絡群體的行為策略的動態(tài)演變過程與均衡狀態(tài)等問題給予了普適性的描述(DeGroot，1974:118-121；DeGroot & Schervish，2002)。因此，為了使該研究更貼近現(xiàn)實，筆者主要運用有向社會網(wǎng)絡與行為實驗研究相結(jié)合的方法來對環(huán)境事件中個體與群體行為選擇進行研究。

一、 社會網(wǎng)絡結(jié)構(gòu)試驗分析

筆者針對某高校的大學生群體試驗研究其對PX項目建設(shè)問題的認知與行為策略的交互作用及演變規(guī)律，實驗對象有效樣本共126名。一方面從實驗對象的多屬性進行歸納整理，以學生所在年級、所屬專業(yè)、社交范圍等因素出發(fā)選擇部分具有代表性的學生群體；另一方面，為使該研究更典型且具代表性，筆者通過屬性分析與網(wǎng)絡結(jié)構(gòu)分析從126名實驗樣本中選擇了其中14位學生作為研究對象，并研究PX項目所導致的這類環(huán)境事件中(下文環(huán)境事件均指本文實驗所涉及的這類PX項目環(huán)境事件)實驗對象進行信息傳播與觀點交互影響的社會網(wǎng)絡及其結(jié)構(gòu)、實驗對象中意見領(lǐng)袖的存在與確定、實驗對象間的社會影響程度及對應的社會影響矩陣等。

通過實驗，得到如表1所示的社會網(wǎng)絡關(guān)系數(shù)據(jù)，為了表述方便，筆者將所選擇的具有代表性的14位同學分別給予編號1,2,3，…,14，那么，Lij=1表示學生i愿意與學生j交流，在社會網(wǎng)絡中則表示有一條有向箭頭由i指向j；對應的，Lji=1則表示j愿意與i交流，在社會網(wǎng)絡圖中也有一條有向箭頭由j指向i。

表1　實驗對象的社會連接關(guān)系數(shù)據(jù)

圖1　環(huán)境事件行為策略選擇交互作用的社會網(wǎng)絡圖

對表1中的社會連接關(guān)系數(shù)據(jù)進行分析，以實驗對象主體為點、以實驗對象之間的關(guān)聯(lián)性為線，運用Ucinet軟件就可以得到如圖1所示的整體社會網(wǎng)絡圖，在本質(zhì)上是一個二值有向圖。直觀看來，學生10為整體社會網(wǎng)絡中的孤點，與整體社會網(wǎng)絡中的其他實驗對象均不存在著交互影響；學生3、4、5則構(gòu)成了一個小團體，記為團體A，三人僅在內(nèi)部小集團交互作用，并不與實驗范圍內(nèi)的其他同學交流；剩余的10個同學則構(gòu)成了整體社會網(wǎng)絡中的核心部分，下文將這一部分網(wǎng)絡稱為核心社會網(wǎng)絡。在核心社會網(wǎng)絡中，還存在著另外一個由學生6、7、8、9所構(gòu)成的小團體，記為團體B。比較團體A與B可知，兩個團體內(nèi)部的社會網(wǎng)絡連接關(guān)系均非常緊密，但團體B在信息的獲取與流通方面具有更大的優(yōu)勢，這主要是因為團體B內(nèi)的成員7與團體外部的其他主體具有連接關(guān)系。

(一) 個體社會網(wǎng)絡密度與整體社會網(wǎng)絡密度分析

運用Ucinet對表1與圖1中社會網(wǎng)絡中的個體密度進行分析，得到表2，其中Size表示不包括自身的個體社會網(wǎng)絡規(guī)模大??；Ties表示個體所具有的直接社會關(guān)系總量；Paris為個體在理論上可以具有的直接社會關(guān)系總量的最大值；Densit為個體社會網(wǎng)絡的密度；AvgDis指在個體均可達到的網(wǎng)絡中的平均距離，即為每個個體社會網(wǎng)絡中個體的平均捷徑距離，對應的，Diamet則指對應的最長捷徑距離。對表2中的數(shù)據(jù)進行分析，從個體網(wǎng)絡規(guī)模來看，學生7和13具有的個體社會網(wǎng)絡規(guī)模最大，均為4，表示與學生7、13具直接社會聯(lián)系的學生人數(shù)均有4個；學生6、8、9、11、14的個體網(wǎng)絡規(guī)模次之，均為3。從實際關(guān)系總量與理論關(guān)系總量來看，學生7在網(wǎng)絡中具有較大的影響力，其實際關(guān)系總量與理論關(guān)系總量分別為6和12，在所有個體的對應數(shù)據(jù)中均為最大值。從個體網(wǎng)絡的密度來看， 共同組成一個獨立小團體的學生3、4、5的個體網(wǎng)絡密度最大，均為100%，表明該團體內(nèi)部的社會網(wǎng)絡結(jié)構(gòu)聯(lián)系在整個網(wǎng)絡中最為緊密；同樣的，在由6、7、8、9構(gòu)成的網(wǎng)絡團體特征較為明顯的小團體中，個體網(wǎng)絡密度也非常大，表明該團體內(nèi)部的社會網(wǎng)絡結(jié)構(gòu)也非常緊密。

表2　個體社會網(wǎng)絡密度示意

如表3所示，整體社會網(wǎng)絡中的社會連接總數(shù)為28，其網(wǎng)絡密度為0.1538。由此可見，該實驗群體中學生在對環(huán)境事件的信息交流過程中，整體社會網(wǎng)絡的密度較小，實驗群體內(nèi)部的社會網(wǎng)絡結(jié)構(gòu)相對松散，這在一定程度上限制了信息的傳播與行為策略的交互影響。

為了對實驗群體社會網(wǎng)絡的密度有一個更加直觀的了解，筆者也給出了核心社會網(wǎng)絡密度，如表4所示。比較表3與表4可知，在剔除了孤點10、獨立小團體A之后，核心社會網(wǎng)絡中的實際社會連接關(guān)系為22，占整體網(wǎng)絡社會關(guān)系的絕大部分，其密度0.2444也遠大于整體社會網(wǎng)絡密度0.1538。由此可見，整體社會網(wǎng)絡的結(jié)構(gòu)較為松散主要是由于孤點10與小團體A的存在，學?；蛳嚓P(guān)部門可采取不同措施：(1)若要正確引導該班學生們對環(huán)境事件的觀點與行為狀態(tài)、普及正確的環(huán)保意識，那么應該幫助小團體A、學生10與核心網(wǎng)絡中的學生建立連接關(guān)系，打破其游離于實驗群體交流之外的局面，這將極大地優(yōu)化實驗群體內(nèi)部對環(huán)境事件信息流通與交互作用的社會網(wǎng)絡結(jié)構(gòu)，促進學生們通過信息流通與觀點交互影響來對環(huán)境事件樹立更加客觀、理性的認識；(2)若該實驗群體中的部分學生對環(huán)境事件的情緒較為憤青、消極，相關(guān)管理人員可以安排與其具有社會關(guān)系的其他學生多加交流，尤其是在整體網(wǎng)絡中非常重要的、影響力較大的學生7和13等人。

(二) 派系分析

對派系(cliques)的研究源于對圖論的社會學意義的探索，霍桑試驗中涉及的“非正式群體”就屬于派系的研究范疇。在派系分析前，先需對整體網(wǎng)絡的關(guān)系屬性矩陣做對稱化處理，由此得到4個派系，如表5?？煽闯觯瑢W生1、2和10不屬于任何派系，在所調(diào)查的14位學生中，這3位學生在環(huán)境事件的信息交互網(wǎng)絡充當著孤立者、中立者的角色。通過群體共享信息分析可以得到{3,4,5}、{6,7,8,9}、{11,12,13,14}這3個群體及數(shù)量較少的局外人。

表3　整體社會網(wǎng)絡密度

表4　核心社會網(wǎng)絡密度

表5　調(diào)查對象中的派系

(三) 核心社會網(wǎng)絡的度數(shù)中心數(shù)與中間中心數(shù)

在實際社會網(wǎng)絡中的，若某一行為主體與為數(shù)較多的行為主體有直接社會連接關(guān)系，那么該行為主體往往處于網(wǎng)絡的中心地位，因此在社會網(wǎng)絡中也一般擁有較大的權(quán)利。一個行為主體的度數(shù)中心度(Degree Centrality)是指與該主體有直接社會連接關(guān)系的其他行為主體的總數(shù)，因此，度數(shù)中心度是測量社會網(wǎng)絡中某一行為主體的中心性與權(quán)利大小的最簡單也最直觀的指數(shù)，對核心社會網(wǎng)絡進行分析，可測量出表6所示的度數(shù)中心數(shù)指標，其中Degree表示各個學生的絕對度數(shù)中心數(shù)，NrmDegree則表示其相對度數(shù)中心數(shù)，可發(fā)現(xiàn)學生7與學生13的度數(shù)中心數(shù)最大，在核心社會網(wǎng)絡中占據(jù)最中心的地位，且所有點的度數(shù)中心數(shù)在整體上的差異并不大，絕對度數(shù)中心數(shù)的整體均值和方差分別為2.8、0.76。

表6　核心社會網(wǎng)絡的度數(shù)中心數(shù)

表7　核心社會網(wǎng)絡的中間中心數(shù)

度數(shù)中心數(shù)刻畫了行為主體在社會網(wǎng)絡中處于中心地位的程度，可以在一定程度上衡量行為主體在社會網(wǎng)絡中的交易能力、信息獲取能力等；而中間中心度(Betweenness Centrality)則側(cè)重于刻畫行為主體在社會網(wǎng)絡中控制資源或者其他行為主體的能力，F(xiàn)reeman(1977)認為若一個行為主體處于多對行為主體的網(wǎng)絡路徑上，那么該行為主體盡管度數(shù)中心度可能較低，但其在整個社會網(wǎng)絡中往往具有重要的“中介“作用，因而也處于社會網(wǎng)絡的中心，而這種處于網(wǎng)絡中心的行為主體就可以通過控制真假信息的傳播進而對社會網(wǎng)絡中群體的信息結(jié)構(gòu)與行為策略造成不可忽視的影響。對核心網(wǎng)絡的中間中心度進行分析，其測量結(jié)果如下表所示，其中學生14、13的中間中心度最大，這表明兩者對其他學生對環(huán)境事件的信息交互與行為策略選擇具有最大的控制力與影響力，而2、8、9和12這四個學生對其他學生則完全沒有控制力，核心網(wǎng)絡在整體上的中間中心勢為26.54%，體現(xiàn)出了一定的中心度。

(四) 核心社會網(wǎng)絡中的結(jié)構(gòu)洞

在表8所示的核心網(wǎng)絡結(jié)構(gòu)洞分析示意圖中，“Dyadic redundancy”矩陣列舉出了列學生成員相對于行學生成員來說的冗余程度，其取值越大表明冗余程度越大，如學生9在學生6、7、8的社會網(wǎng)絡結(jié)構(gòu)中的冗余程度分別為0.60、0.60、0.50，取值均較大，這說明學生9在環(huán)境事件信息交互過程中，對學生6、7、8而言在很大程度上是冗余之人。通過Dyadic redundancy矩陣可以獲得該班同學對環(huán)境事件信息交互社會網(wǎng)絡的很多信息，如學生1、2對所有學生而言的冗余程度均為0，而在由{6,、7、8、9}所構(gòu)成的小團體內(nèi)部，則體現(xiàn)出較大的冗余性。

而“Dyadic Constraint”矩陣則列舉了行學生成員受到列學生成員限制或控制的程度，取值越大則表明受限制程度也越大。由矩陣中的數(shù)據(jù)可以看出，學生2完全受到學生1的控制，學生6和學生11在社會網(wǎng)絡中也都表現(xiàn)出較強的控制力，其中，學生6對學生7、8、9的控制程度均較大，分別為0.31、0.41、0.41，這表明在由{6，7，8，9}所構(gòu)成的小團體中，學生6具有非常的影響力與控制力，因此在控制、引導該團體成員對環(huán)境事件的觀點時，學生6是管理工作人員需要動員引導的重要對象。

在“Structure Hole Measures”表中，EffSize與Efficie分別為列學生成員的效率規(guī)模與效率測度，取值越大表明其在核心社會網(wǎng)絡中越自由、行動越高效，由上圖可知，學生1和2為核心社會網(wǎng)絡中效率最高的成員，均達到了1.000，其次為學生14，其效率測度達到0.875；Constra為列學生成員在核心網(wǎng)絡中的總限制程度，可看出1和6程度最低，兩者的受限程度分別為0和0.007；Hierarc表示各個學生在核心社會網(wǎng)絡中的等級度，學生的等級度越高表明其越處在核心地位，可看出學生14和7的等級度都較大，分別為0.198、0.125，兩者處于網(wǎng)絡的核心地位，而盡管學生1的效率最高、受限程度也較低，但其等級度取值為0，在核心網(wǎng)絡中處于邊緣。

表8　核心社會網(wǎng)絡的結(jié)構(gòu)洞分析

二、 基于DeGroot模型的個體行為與群體行為分析

對某一個小群體G(其中的個體可以為環(huán)境事件中具有社會連接關(guān)系的直接相關(guān)者、間接相關(guān)者或社會關(guān)注者)，那么群體中的個體i(i=1,2，…，n)對環(huán)境事件都有一個初始行為狀態(tài)pi，其中pi∈[0,1]，pi越大表明其對環(huán)境事件越不滿、越容易采取如支持或參與環(huán)境群體性事件等過激的行為策略。群體的初始行為狀態(tài)可以表示為一個n維向量p(0)=(p1(0),p2(0),…,pn(0))。

我們用點來表示G中的個體，個體之間的有向線條則表示兩者之間的社會連接關(guān)系，記G中個體j對個體i的影響程度為Tij，Tij∈[0,1]，在信息傳播與交互作用的過程中，Tij可理解為個體i在更新其下一輪次的個體行為狀態(tài)時受到個體j這一輪次的個體行為狀態(tài)信息的影響程度，Tij=0表示個體j對i完全沒有影響，反之，Tij=1則表示個體i的觀點與個體行為完全受控于j。同時考慮到現(xiàn)實情況的不確定性，可知T是一個行隨機矩陣，即對于包含N個主體的G中的任意個體i而言，均存在：

群體G中的個體通過矩陣T來進行交互影響并更新其個體行為狀態(tài)，對應的，在影響矩陣的作用下，群體隨著時間的推進不斷更新其行為狀態(tài)，記時間單位為1個輪次，每1個輪次群體中的個體均在其網(wǎng)絡關(guān)系中交互影響一次，那么在第t輪，群體的行為狀態(tài)向量為：

p(t)=Tp(t-1)=Ttp(0)

圖2　小團體A中的社會影響關(guān)系示意圖

因此，可通過環(huán)境事件中某一群體的社會網(wǎng)絡關(guān)系及其拓撲結(jié)構(gòu)、初始行為狀態(tài)來預測該群體的行為狀態(tài)演變規(guī)律，而這些都是可通過行為試驗與數(shù)據(jù)統(tǒng)計來實現(xiàn)的，可對環(huán)境事件中的直接相關(guān)者群體、網(wǎng)絡論壇中的活躍用戶群體、環(huán)境治理專家群體的個體行為策略或小群體行為狀態(tài)展開研究，因此，DeGroot模型的提出為分析有限網(wǎng)絡中群體的學習與行為策略演變提供了一個有可操作性的方案。

以學生3、4、5所構(gòu)成的小團體A為例，通過試驗可得到如圖2的社會影響關(guān)系示意圖，其中學生3受到其自身與學生4、5的影響，對應的影響程度分別為1/2、2/4和1/4；學生4也受到三者的影響，且影響程度相同均為1/3；學生5則極端固執(zhí)，小團體A中其他個體的信息與行為對其完全無影響。

考慮社會影響矩陣中Tij的不同取值情況可以對不同的現(xiàn)實問題進行分析，如群體中意見領(lǐng)袖的確定問題、共識達成問題、群體行為聚類化與模塊化問題等，筆者接下來分析環(huán)境事件涉及群體中的意見領(lǐng)袖對其他個體的行為狀態(tài)的影響機理。

國內(nèi)外既有的研究成果表明群體中的意見領(lǐng)袖對某些個體觀點的演變或行為策略的選擇具有不可忽視的、甚至是絕對的影響(鄭君君等，2014:43-67)，為了便于研究，可以考慮一種極端的情況：在環(huán)境事件的實驗群體中包括一個意見領(lǐng)袖如班長或輔導員(記為個體1)與關(guān)注該意見領(lǐng)袖的n-1個實驗群體學生(記為個體2、3,…,n)，同時這n個個體可以通過社會網(wǎng)絡來交流意見并相互影響，其中，意見領(lǐng)袖的行為策略選擇不受到實驗群體學生的影響，但會影響實驗群體學生對該環(huán)境事件的行為狀態(tài)。那么對于該意見領(lǐng)袖來說，社會影響矩陣中的系數(shù)T11=1，且Ti1=0，0≤T1i≤1(i=2,3,…,n)，考慮T1i=0即意見領(lǐng)袖對實驗群體學生的行為狀態(tài)演化沒有影響可能是由于存在著非常頑固、或者對該環(huán)境事件本身具有絕對信息優(yōu)勢的人，那么此時該個體i則有可能在實驗群體的社會網(wǎng)絡中發(fā)布相關(guān)言論或披露信息影響到其他個體的行為狀態(tài)。

圖3　初始階段意見領(lǐng)袖對實驗群體學生行為狀態(tài)影響示意圖

如果結(jié)合有向網(wǎng)絡圖來分析，如圖3所示，則可選擇幾種具有代表性的實驗群體個體：第一類為完全不受意見領(lǐng)袖1影響的個體，如實驗群體學生2；第二類為全盤接受意見領(lǐng)袖行為策略影響的個體，如實驗群體學生3；第三類為一定程度上受到意見領(lǐng)袖行為策略的影響，但受影響程度不同，如學生4、5、6，這可表示為個體的頑固程度系數(shù)。

那么在環(huán)境事件的信息傳播與行為策略交互作用過程中，社會影響系數(shù)T0可以表示為下左式：

對具初始行為狀態(tài)向量p0′經(jīng)意見領(lǐng)袖的觀點與行為影響后，其行為狀態(tài)向量可變化為下右式：

接下來分兩類情況探討：

(1)意見領(lǐng)袖對于環(huán)境事件給予持續(xù)引導，并以同樣的行為與社會影響系數(shù)對實驗群體學生的行為狀態(tài)產(chǎn)生影響，即圖3所示社會影響關(guān)系在每一輪次均作用一次，則可得到：pN′=T0Np0′

(2)意見領(lǐng)袖對環(huán)境事件不發(fā)表后續(xù)意見，但5名實驗群體學生各抒己見并對他人行為狀態(tài)產(chǎn)生影響，后續(xù)社會影響矩陣為：

圖4　后續(xù)階段實驗群體學生交互作用對其行為狀態(tài)影響示意圖

其中，T′中的第一行仍表示意見領(lǐng)袖1對實驗群體學生的影響，此時意見領(lǐng)袖不再發(fā)表相關(guān)言論，故不對其他成員的行為狀態(tài)產(chǎn)生影響；同時，實驗群體學生通過網(wǎng)絡途徑或社會連接關(guān)系繼續(xù)交互影響，如圖4所示社會影響關(guān)系T′在后續(xù)每一輪中均作用一次，則可得到：pN′=T′N-1T0p0′

值得注意的是，社會影響關(guān)系矩陣發(fā)生了變化，即環(huán)境事件中個體行為狀態(tài)演變過程中不同成員對其他個體的影響力是動態(tài)變化的，因此可考慮更一般、更加貼近現(xiàn)實的情況：某一環(huán)境事件，某個群體內(nèi)部個體的社會連接關(guān)系及其拓撲結(jié)構(gòu)、關(guān)系強度、對其他個體的社會影響力等都處于變動狀態(tài)時，可通過規(guī)模更大的行為試驗結(jié)合社會調(diào)查與統(tǒng)計分析監(jiān)測群體中個體的社會影響矩陣與初始行為狀態(tài)向量來預測其行為狀態(tài)演變過程，從而得到一些規(guī)律性的、代表性的數(shù)據(jù)，那么通過所構(gòu)建的DeGroot模型來設(shè)計多主體仿真分析平臺來分析預測，如百度所進行的PX項目民意調(diào)查、中國社會輿情年度報告等系列成果中就有大量的非常具有現(xiàn)實意義且具有理論研究價值的數(shù)據(jù)，而這也是筆者未來的研究方向。

三、 小結(jié)

筆者針對某高校的大學生群體展開試驗并選擇其中由14位學生構(gòu)成的具有代表性的社會團體作為研究對象，對其在環(huán)境事件中的社會網(wǎng)絡及其結(jié)構(gòu)、社會影響程度及社會影響矩陣等進行了實驗研究，隨后以實驗所得的有向有限社會網(wǎng)絡為依托，運用DeGroot模型研究個體與群體在復雜性環(huán)境事件中的行為策略選擇的演化規(guī)律，最后進一步研究了意見領(lǐng)袖對群體行為策略選擇的影響機制，并據(jù)此提出了在不同情形下引導、控制該實驗群體對環(huán)境事件的觀點演變與行為選擇策略的措施與政策建議。

對實驗對象的社會網(wǎng)絡及其結(jié)構(gòu)的研究結(jié)果表明了以下幾點：(1)實驗對象的整體社會網(wǎng)絡密度較小，實驗群體內(nèi)部的社會網(wǎng)絡結(jié)構(gòu)相對松散，這在一定程度上限制了信息的傳播與觀點的交互影響，造成這一結(jié)果的原因在于孤點10與小團體A的存在；(2)對核心網(wǎng)絡中間中心度的分析結(jié)果表明學生14、13對其他學生對環(huán)境事件的信息交互與觀點影響具有最大的控制力與影響力，而2、8、9和12這四個學生對其他學生則完全沒有控制力，核心網(wǎng)絡在整體上的中間中心勢為26.54%，體現(xiàn)出了一定程度的中心度；(3)對核心社會網(wǎng)絡的結(jié)構(gòu)洞分析結(jié)果表明在由{6，7，8，9}所構(gòu)成的小團體中，學生6具有非常的影響力與控制力，因此在控制、引導該團體成員對環(huán)境事件的行為狀態(tài)時，學生6是管理工作人員需要動員引導的重要對象，學生14與學生7的等級度都較大，分別為0.198、0.125，兩者都處于網(wǎng)絡的重要核心地位，而盡管學生1的效率最高、受限程度也較低，但其等級度取值為0，在核心網(wǎng)絡中處于邊緣地位。由此可見，通過對實驗學生在社會網(wǎng)絡中的個體密度、中心度、冗余性與有效性等方面的分析可以從不同角度給出正確引導、控制該實驗群體對環(huán)境事件個體與群體行為策略的相關(guān)管理措施與建議，還可為預防環(huán)境事件的負面輿論爆發(fā)、群體行為失控等問題提供指導。

參考文獻：

[1]劉德海、陳靜鋒 (2014).環(huán)境群體性事件“信息-權(quán)利”協(xié)同演化的仿真分析.系統(tǒng)工程理論與實踐，12.

[2]潘峰、西寶、王琳 (2014).地方政府間環(huán)境規(guī)制策略的演化博弈分析.中國人口·資源與環(huán)境，6.

[3]鄭君君、何鴻勇、蔡明 (2014).政府重大項目投資決策下群體性事件的形成機制及其仿真分析.技術(shù)經(jīng)濟,10.

[4]鄭君君、閆龍、張好雨、何鴻勇 (2015).基于演化博弈與優(yōu)化理論的環(huán)境污染群體性事件處置機制.中國管理科學，8.[5]DeGroot M H,Schervish M J (2002).Probabilityandstatistics.Boston:Addison Wesley.

[6]DeGroot M H (1974).Reaching a consensus.JournaloftheAmericanStatisticalAssociation,69(345).

[7]Freeman L C (1977).A set of measures of centrality based on betweenness.Sociometry,40(1).

[8]Gale D,Kariv S (2003).Bayesian learning in social network.GamesandEconomicBehavior，45(2).

[9]Kinzig A P,Ehrlich P R,Alston L J,et al (2013).Social norms and global environmental challenges:the complex interaction of behaviors,values,and policy.BioScience,63(3).

[10] Videras J,Owen A L,Conover E,et al (2012).The influence of social relationships on pro-environment behaviors.JournalofEnvironmentalEconomicsandManagement,63(1).

何鴻勇，武漢大學經(jīng)濟與管理學院。

■責任編輯：劉金波

◆

■作者地址：鄭君君，武漢大學經(jīng)濟與管理學院；湖北 武漢430072。Email：99zhengjunjun@163.com。

The Behavior Experiment of Individual Strategy and Group Strategy Selection in Environmental Events

ZhengJunjun(Wuhan University)HeHongyong(Wuhan University)

Abstract:This paper use behavioral experimental approach to characterize the social relationship and the whole social network structure of the experimental group in PX project environmental events. This paper also use DeGroot model to depict the evolutionary process of individual and group behavior under the influence of social relationship,directed network,information interaction and learning process. The result shows that in PX project environmental events the whole social network has low density because the existence of acnodes and cliques.They so restricted the information transmission and interaction in the group.Different nodes has different controlling force and influence in the core network.On the basis of experiment and investigation of the group’s social network topology and social influence matrix, using DeGroot model to depict and predict the evolution of the experimental group’s opinion and behavior strategy selection is an operational method.

Key words:limited social network; strategy selection；DeGroot model；opinion leader；behavior experiment

基金項目：■國家自然科學基金一般項目(71371147)

DOI:10.14086/j.cnki.wujss.2016.03.010