马修·杰克逊：怎样衡量一个人的影响力？

　　文/新浪财经意见领袖专栏作家 马修·杰克逊

　　我们一生会形成很多网络——从大学到工作单位，到各种活动。随着知识的扩展和推移，我们会加入到不同的团体和组织，接触不同的人。

　　随着网络的发展，我们越来越联系在一起，但同时也越来越分裂。网络是有助于我们更好地决策，还是说我们会见证一个网络极化？在这样的社会当中我们的人口会不会越来越不平等，还是借助于更好的连接，实现机会均等化？

　　友谊悖论：网络是如何影响人的行为的？

　　“网络”到底有多重要？人之间的联系如何影响人们的学习、机会，以及如何抓住这些机会？

　　在过去的10年中，我们见证了经济的发展如何塑造人的行为，人们得到了更好的信息支持从而更好地决策。——这些经济学、信息学都有利于人们进行交互，也对人们的行为产生了影响。

　　网络是如何影响人的行为的？先看个例子。

　　一个高中有205名学生，他们之间的友谊关系，基于“每个人之间都有友谊的连接”这一假设，电脑随机生成了第一张图——205个学生，有205个节点，他们就像面条一样连接在一起。

　　而第二张图是学校的真实网络。我们看到，有上下两个独立的小组，如果一个团体了解了一些信息，这个信息会分享、流动、传播到另外一个群组的人士里面。值得注意的是，其中存在不对称和不平等，这些会影响到人们的看法，导致偏见，也会产生“友谊悖论”。

　　“友谊悖论”是1991年社会科学家Feld提出的，是指人们总觉得我们的朋友人缘比我们更好，联系网更大，更受欢迎。Coleman在1961年做过一个关于一所女子学校学生友谊连接的研究。图中每个节点里的数字，第一个数字表示一个人有多少个朋友，第二个数字表示他的朋友平均有多少个朋友。平均来说，大多数人都会觉得自己的朋友比自己的人缘更好。

　　2  朋友对你的影响有多大？

　　数据显示，有更多连接的人处在网络的中心，他们确实更受欢迎。你有可能会去模仿关注度最高者的一些行为，你的观点、想法都会受到你朋友的影响。

　　人们都有一种从众心理，总是看自己的朋友在做什么，再决定自己做什么。如果你的朋友在做一件事情，你会遵循朋友的做法或者看大多数人的做法；如果你的朋友对某个问题进行“预测”，你可能也会相信他的预测。

　　当然，有最多连接度的人往往还是少数人，这些少数人引领一种潮流，他们会影响着人们的观点、想法。

　　JPE的一篇论文旨在研究友谊悖论的不同方面，我们会看到，学生系统性地过高估计了他们同龄人有多少人在抽烟、喝酒等等。这是非常简单的系统性偏见，就是由于结构造成的结果。

　　3  怎样衡量一个人的影响力？

　　一个人的影响力有多大？我们有几百种方式来衡量，一个重要的维度叫“特征向量中心度”。比如最直接的可以看他有多少粉丝、他的朋友圈规模有多大、他有多少连接点；想一下这个人他有多少个朋友，他的朋友有多大的影响力、他周围人的富有程度等等。

　　另外，我们还可以衡量这个人在网络当中的能量有多大，比如说他的社会欢迎程度、他直接可以接触和联系到多少人，或者间接能联系到多少人，有多少朋友、朋友的朋友有多少朋友。

　　另外一个维度叫做“传播中心度”。比如两个没有太多交集的群体中，有一些人是重要的桥梁和连接点，通过他们这些中心节点，两个群进行联系，那么这些人就是网络中权利大的人。

　　传播中心度非常重要。比如我们有一个微金融信贷项目，在村庄里面随意选3-4个人，有可能他们虽然住在同一个村子里，但是有很多人并不认识，我们要找出在这个村庄当中谁处于中心节点，通过这些中心节点让我们传达的信息快速传播到所有的村民当中，而不是在一个割裂的群体当中传播。

　　讲到“度”，还要注意，不能光拿数量来衡量，还需要考虑比例问题，不同人的朋友数量可能相等，但是影响力却千差万别。比如说他的朋友有很多是属于中心节点上的朋友，尽管他的朋友不多，但是总体来说他的影响力更大。

　　4  物以类聚，新技术进一步放大同质性

　　从社会学研究可知，人们会倾向于找自己同道的人，比如说年龄、宗教信仰、教育背景、职业等，通常是相似特征的人会组织到一起、互动更多。

　　还是刚才那个学校的例子。通过种族把这个节点用不同颜色标注出来，黄色代表白人，蓝色是黑色种族，红色是西班牙裔的，可以发现，尽管在同一个学校、很多课是一起上的，友谊模式也是分裂开来的，不同的群体当中他们的联系、连接比较少，背后的原因很重要的一点是，它会导致很多不同行为或者模式。这种现象在美国高中非常普遍。

　　在很多村庄，我们也发现了同样的现象。每一个节点代表一个家庭，在这个网络当中会有特定的友谊，比如村里穷人之间可能会分享粮食来互相帮助。对这个网络，我们对有钱的、贫穷的、不同种姓的家庭进行了编码和颜色标识。通过简单的算法计算发现，很多内部联系局限于某一个特定群体，而不是说群体之间的联系，完全属于同一个种性的小群体之间内部联系比群体与群体之间的联系多得多。即便在一个特定的种性家庭或者部落当中，他们的联系情况也不一样，如果你看一下细化网络就可以看到，这些群体他们的交流和联系非常少。

　　在中国也是一样的。不同的收入的分布、语言分布把不同的地区、不同省份进行区分和连接。而有一些群体，他们受教育程度、收入程度不一样，根据他们的社会网络情况不一样，他们也会各自组成新的群体。

　　一个群体里，比如说有两个人学习非常勤奋，其他人可能会观望；如果他们大部分的朋友都这样做，那么他们也会受到影响，也会这样做。从同质性的角度来说，通过这样的影响，人们之间的关系会变得更加复杂。人们会受到同龄人之间的影响，他们会进行互动，会出现一些分裂，也会跨越不同的差异，这就是差异的重要性。

　　物以类聚，而新技术、新平台也在通过算法，放大我们物以类聚的倾向，进一步加剧同质性。

　　这是我们在斯坦福大学做的一个关于高中生吸烟情况的研究。图中红色是表示吸烟的同学，蓝色的是不吸烟的同学。可以看到，如果说你的朋友是抽烟的，你会看到更多的人开始抽烟，确实验证了这样的情况，他们受到朋友习惯影响的程度是40%。在这样的学校，如果说想降低抽烟率，应该让学生更多的了解这样的模式。

　　在社会当中，不同群体当中会产生什么样的影响？上图反应的是各国的基尼系数（考察社会的不平等状况），可以看到，在一个不平等度很高的国家社会，代际收入流动性会非常差，美国的基尼系数在三四十年代降低，然后又在升高。中国的系数在60年代比较低，80年代以后开始上扬。美、中、英分别是北美、欧洲、亚洲的典型代表国家。

　　基尼系数上升的背后，反映出哪些经济学的情况？来看一下非农业务或者非农商业活动，生产率提高得非常大，单位时间工作内需要投入的劳动时间从100%已经降低到20%多，也就是说需要耗费的劳动时间减少了，意味着生产效率提升了。

　　最重要的一部分在于，生产效率的提高对不同的经济体产生不同的影响。我们可以想一下有两个不同的经济领域，一方面人们的劳动系数很低，包括在工厂、农场里干活的工人，他们的工作技能并不高，如果技术给他们提高生产率甚至替代他们的工作，比如放入机器人，有一些在线商店、网购，低技能的工作人群会失业。

　　对于接受过高等教育的人，他们能够通过生产率的提高更加武装自己。上图是美国大学生的工资变化，从1963年到2011年大学生工资翻了一倍。在中国也有类似的曲线。

　　盖茨比曲线是加拿大教授迈尔斯·克拉克发明的，体现的是社会不平等程度。在不平等程度高的社会里，父母收入和子女收入正相关，代际收入流动性非常差，也就是说你父母穷很可能你也会很穷，你父母很富你就会很富。

　　社会结构能够预测很多流动性的内容。通过对比不平等度高和低的国家，有助于我们理解社会结构如何影响我们。如果你生于同一个社区，你的家庭、你的同龄人都会决定着你获取的信息、你的机会、你的就业前景。这也就是意味着，你在这样一个网络之中的行为模式也会受到网络的影响，你在受到好教育的时候就能够在同龄人当中脱颖而出，你的机会也会更多。

　　但流动性很差，为什么呢？第一是朋友，第二是信息，第三是榜样，比如说你的朋友给你带来的信息当中有多少机会，这对影响你的行为也是非常重要的，也有助于你来理解你有什么样的机会，有什么样的就业前景。

　　如果大家看一下教育水平的差距就能够理解，为什么说代际收入的流动性不一样。在美国，有大学学位的人在不同的人种或者人群之间有不同的比例分布，白人大概50%的25-30岁的年轻人有大学学位，黑人只有30%，西班牙裔、美国人获得大学学位的人相对低，亚洲裔获得比较高，意味着不同的人群有不同的工作机会，在不同的群体之间有这样的差别。

　　还有一点非常有意思：廉价可获得的教育机会非常重要。这个图是中国和美国大学录取新生的情况，美国的曲线相对平缓，中国的曲线相对比较陡峭。从90年代末期起，尤其是从1997年或者1998年以后曲线开始上扬，中国大学开始扩招，更多的人可以进入大学学习。

　　教育高速发展是好的一面，同时另一方面，是否实现机会均等化或者说教育更加公平？拿清华为例，上图表示的是每1万个考生有多少人考入清华，可见不同城市分布并不均匀。

　　当我们一旦开始考虑到不平等话题和流动性弱话题，我们就应该考虑到政策。政策需要资金来推动，我们需要把钱用来制定一些好的政策，帮助大家建立学校、推广教育，我觉得这可能会针对一些症状，症状的背后有一些根源。网络结构的视角有助于我们从根本上来思考解决问题之道，不只是头疼医头，花钱制定局部的政策。

　　5 为什么极化问题在增加？

　　我们现在看到是一个非常奇怪的世界。全球化的发展，我们看到互联网的发展，看到了更大的网络和更强的连接性，也看到了越来越多的分割性网络、碎片化网络和极化的问题。

　　现在共同投票的网络极化已经出现了。根据计算机科学家Lucioni从1990年开始的研究，我们可以看到在美国参议院进行投票的状况。通常方式投票情况是一样的，我们通过节点就能够把他们投票方式相似的参议员连接在一起，我们用颜色标注出来了。

　　民主党和共和党分处不同的阵营，通过不同的投票方式把他们分成两组，1990年大概有92%的参议员投票是一致的，剩下的人持有不同的意见。2015年的时候，也就是在特朗普上台前后，当时一致投票的倾向在议员当中参议院是53%，要么投同意票，要么反对什么。关联性降低是一个事实。

　　我们往往低估了朋友之间的共同性、相似性，因此我们总认为，根据自己听到的内容形成意见很容易，但这种想法其实不够实际。另外，社会结构对于不同的社会阶层所产生的影响，从英国、法国、匈牙利、奥地利、土耳其等有很多世界大国可以看到，分裂是存在的或者仍会持续。

　　本文为作者在清华大学经管学院举办的清华金融高端讲坛《圈层经济学：社会网络的视角》上分享的重要观点。

　　该活动由清华大学经管学院与中信出版集团联合举办。

　　(本文作者介绍：著名经济学家、斯坦福大学经济学讲席教授、美国科学院院士)