本文通过320名受试者参与的实验,首次提供友谊悖论影响行为的因果证据:仅观察邻居时,个体会因邻居样本偏向高连接度成员而系统性高估群体行为,并选择更高行动;该偏差在不同网络、阶段和连接度下均持续存在,同时扩大行为离散度、降低总体福利。更换网络位置或获得学习机会也难以消除这一偏差。
标题:《The friendship paradox: Causal evidence of its behavioral consequences》(友谊悖论:其行为后果的因果证据)
作者:Gary Charness、Francesco Feri、Matthew O. Jackson、Miguel A. Meléndez-Jiménez、Matthias Sutter。作者分别来自皇家霍洛威大学、斯坦福大学及Santa Fe Institute、马拉加大学、马克斯·普朗克行为经济学研究所、科隆大学和因斯布鲁克大学。
日期:2026年8月。
主题:社会网络、信息偏差、行为实验与战略互补。报告并非传统意义上的公司或行业研究报告,而是一篇行为经济学和网络经济学研究论文。其核心问题是:人们通常只能观察自己的朋友或社会联系人,而朋友往往比普通人拥有更多联系人,这种“友谊悖论”是否会因局部观察偏差而系统性改变行为。论文给出的总体答案是肯定的:在只观察邻居的情况下,受试者会选择更高、更分散的行动;即使他们知道完整网络结构、经历多轮互动并被重新安排到其他网络位置,也很难纠正这种偏差。
论文没有股票评级或目标价,评价对象也不是金融资产。它的主要“结论性判断”是:LOCAL(局部信息)处理下的行动高于FULL(完整信息)处理,且这种影响具有因果性、持续性,并会降低福利。作者试图说明,网络结构不仅影响人们获得什么信息,也会改变人们对社会规范的认知,并进一步放大实际行为。
友谊悖论由Feld提出,其基本含义是:只要网络中不同个体的连接数存在异质性,一个人的邻居平均而言往往比整个群体平均拥有更多连接。 直观地说,一个拥有很多朋友的人会被更多人“看到”,因此在随机沿着关系观察他人时,高连接度个体出现的概率更高。
这一点在社交媒体中可能更加明显,报告引用的研究显示,在Twitter/X上,98%的用户粉丝数少于其所关注用户的粉丝数,而平均关注关系指向的对象,其粉丝数超过总体平均水平十倍以上。 这意味着人们通过社交网络看到的样本不是人口总体的随机样本,而是对高连接度、高知名度和高活跃度个体的过度抽样。
该机制在战略互补行为中尤其重要。战略互补是指他人采取某种行为越多,个人采取该行为的边际收益越高,例如吸烟、教育投资、技术采用或政治参与。如果人们把邻居的行为平均值错误地当作总体平均值,那么由于邻居中高连接度者比例过高,个人会高估某种行为的普及程度,并相应提高自己的行动。 报告用吸烟和饮酒的观察性研究作背景说明:每增加一个朋友,中学生吸烟概率约增加5%,尝试酒精的概率约增加6%,但这些证据本身并不能识别友谊悖论的因果作用。
作者认为,以往研究主要提出了友谊悖论导致规范误判的理论解释或观察性证据,但尚未直接检验其对行为的因果影响。 本研究通过随机分配信息处理和网络位置,建立了一个实验对照:
如果受试者能够认识到邻居是高连接度个体的偏向样本,则两组行为应当相近;如果他们直接把邻居平均行动当作总体平均,LOCAL组的行动就应高于FULL组。
研究共有320名受试者,使用两个20人网络,每个网络中的节点连接数在1至4之间。受试者可以看到完整网络结构,这一点实际上给了他们纠正抽样偏差所需的额外信息,因此如果仍观察到偏差,可能意味着真实社会中更复杂、更大规模网络的偏差至少不会更弱。
每位参与者选择0至30之间、最多两位小数的行动。收益取决于三个因素:自己的行动、其他所有参与者的平均行动,以及由自身连接数决定的参考值。连接数越高,参考值越高,因此高连接度类型的理想行动也越高。 附录说明,连接数为1、2、3、4时,参考值分别为0、10、20和30。
最优行动是“其他人的平均行动”和个人参考值之间的中点。这意味着行动同时受到社会平均行为和个人网络位置的影响,形成战略互补:他人平均行动越高,个人最佳反应越高;同时,连接数越高者的基准行动也越高。
因此,友谊悖论要产生行为后果,必须满足两个条件:第一,邻居样本对高连接度者存在加权;第二,高连接度者确实选择更高行动。本文通过让参考值随连接数上升,明确构造了这两个条件之间的联系。
两个网络均包含20个节点,连接数范围为1至4,且聚类系数均为0。网络2是在网络1基础上增加7条边形成,因此网络2更加稠密。
网络1的节点分布为:8个连接数为1、6个为2、4个为3、2个为4;网络2则为4个连接数为1、4个为2、6个为3、6个为4。 因而网络2拥有更多高连接度节点,理论上更容易产生明显的友谊悖论,但作者也利用两个网络的差异检验结果是否依赖某一种特定网络结构。
下图展示了两个网络的节点位置、连接关系和连接度差异。网络1相对稀疏,低连接度节点较多;网络2增加了中高连接度之间的联系,整体更密集。
实验包括3个阶段,每阶段10轮,共30轮。第一阶段受试者随机分配到网络位置;第二阶段一半受试者保持原位置,另一半被安排到连接数不同的新位置;第三阶段所有人返回第一阶段的原位置。
该设计同时检验两种学习渠道:改变位置的人能否通过经历不同连接数和不同邻居而发现局部样本不具代表性;不改变位置的人能否通过观察邻居变化而间接学习。 每轮持续90秒,受试者可反复修改行动,最终提交值才计入收益。
实验在每种处理、每个网络下运行4场20人实验,共320人,平均实验时长约100分钟,平均收益为29.34欧元,其中包括5欧元出场费。
表1及附录表A1、A2给出两种网络下的均衡行动预测。所谓“有偏均衡”,是指参与者对邻居平均行动作出最佳反应;“无偏均衡”则是基于总体平均行动作出最佳反应。 由于邻居样本过度包含高连接度、且高连接度者具有更高参考值,理论上LOCAL下每一种连接度的行动都应高于FULL下的行动。
表A1和表A2的作用是把这一逻辑具体化到网络1和网络2的每个位置,显示同一自身连接数下,由于邻居连接数构成不同,各节点受到的局部信息冲击并不相同。 这为后续检验“局部信息不仅提高平均行动,也提高行动离散度”提供了理论基础。
表2按阶段、处理和连接数报告平均行动。合并两个网络后,LOCAL在几乎所有连接数和所有阶段都高于FULL,且第一阶段便已出现,第二、第三阶段仍然存在。 单尾Mann–Whitney检验显示,多数比较达到传统统计显著水平,尤其在合并网络后更为明显。
图2按连接数展示30轮行动变化。四个面板分别对应连接数1至4,蓝线为LOCAL,红线为FULL。可以看到:
图中蓝线在绝大多数轮次位于红线之上,且这种差距并未随轮数明显消失。
附录图A1和A2进一步分别显示网络1和网络2的走势。两张图均保持LOCAL高于FULL的总体模式,说明结果不是由合并网络时的加权方式造成的。 附录图A3至A5按照“是否改变位置”进一步拆分,虽然部分子样本波动较大,但总体上仍能看到LOCAL线通常高于FULL线。
表3报告每个处理、阶段和连接数下的组内标准差。理论上,FULL中同一连接数的参与者看到相同的总体行动信息,行动应更加集中;LOCAL中不同位置看到不同邻居样本,因此标准差应更高。
实际结果符合这一预测:LOCAL的行动离散度整体高于FULL,且第二、第三阶段的差异通常更明显,多数比较达到显著或边际显著。 这表明友谊悖论不仅造成平均行动向上偏移,也会使不同网络位置的人形成更加不同的行为。其机制不是简单的“所有人都增加同一个幅度”,而是不同邻居样本导致不同信号、不同信念和不同反应。
作者定义了三类偏差指标:
diff_local:实际行动与基于邻居平均行动计算的最佳反应之差;diff_full:实际行动与基于全体其他人平均行动计算的最佳反应之差;diff_forecast:根据邻居行动及不同连接度群体推断总体平均后的最佳反应之差。表4的结果非常关键。第一阶段中,LOCAL的diff_local平均值为-0.12,接近0,而diff_full为1.09、diff_forecast为0.97,距离0较远;FULL中,diff_full为0.03、diff_forecast为-0.08,均接近0,而diff_local为-1.28。 这说明LOCAL受试者确实像是在对邻居平均值作最佳反应,而不是对经过网络结构修正后的总体平均作最佳反应。
图3的核密度图进一步显示,LOCAL中diff_local的峰值接近0,FULL中diff_full的峰值接近0。换言之,处理组之间的差异不是单纯由粗心、随机误差或对收益函数理解不足造成,而是与受试者实际使用的信息集合相对应。
图4展示第一阶段各轮次三个偏差指标的均值及95%置信区间。LOCAL中的diff_local始终围绕0波动,但diff_full和diff_forecast明显偏正;FULL则相反,diff_full和diff_forecast围绕0变化。图中没有显著的时间趋势,支持偏差在重复互动中持续存在的结论。
表5显示,分组考察改变位置和不改变位置的参与者后,LOCAL高于FULL的模式仍然存在。 表6显示,在第一阶段、尚未发生位置变化时,两类参与者的行为都接近局部信息最佳反应,说明两组初始状态相似。
改变位置者在第二阶段的diff_forecast从1.15下降至0.88,但差异并不显著;第三阶段回到原位置后,改变位置者与未改变位置者仍都接近局部信息基准。 图5也显示两阶段密度分布的峰值变化有限,图6则显示第三阶段改变位置者并没有比未改变者更接近无偏基准。
表7的福利分析显示,FULL在所有连接数和阶段的平均收益都高于LOCAL,绝大多数差异具有统计显著性。 由于正确的无偏最佳反应可以使每轮收益达到30,LOCAL中的过度行动偏离最优点,直接造成效率损失。 这使论文的结论不仅涉及认知偏差,也涉及资源配置和社会福利。
表8使用面板回归分析网络、连接数、认知反思能力、风险偏好、自利程度、年龄、性别和轮次等因素。结果显示,网络2相对于网络1并未显著影响最佳反应准确性;连接数在LOCAL中显著影响偏离程度,但在FULL中不显著,因为FULL中的所有人都获得相同的总体信息。
认知反思测试(CRT)得分能够显著预测LOCAL中对修正后总体平均的最佳反应能力,也能预测FULL中的最佳反应准确性,但对LOCAL中“未经修正的局部最佳反应”没有明显影响。 这一结果暗示,认知能力较高者更可能识别并修正局部样本偏差,而不是简单地更擅长追随邻居。
年龄和风险偏好影响不明显;FULL中女性的最佳反应准确性低于男性。轮次变量显示最佳反应能力随时间略有提高,但系数很小,且LOCAL中同时存在“更准确地追随局部平均”和“更准确地修正局部偏差”的不同人群。
附录还报告了9节点、结构更小且更对称的网络实验。该网络包含3个连接数为4的节点和6个连接数为1的节点,同一连接数的位置彼此同构,因而更容易从局部样本推断总体结构。
该实验设置四种处理:T1为局部信息、总体收益;T2为完整信息、总体收益;T3为局部信息、局部收益;T4为局部信息但不提供网络结构和他人收益函数。 表B3显示,T1行动虽然高于T2,但差异较小且不显著;在T2与信息更少的T4之间,连接数为4的参与者差异显著。
图B2显示,T2的行为峰值接近完整信息最佳反应,T3接近局部信息最佳反应;T1和T4则存在较大离散度,且部分参与者似乎尝试修正局部偏差。 这一附加实验的重要含义是:友谊悖论的行为后果可能在复杂、不对称网络中最强,而在小型、对称网络中,参与者更容易根据已知结构进行校正。
第一,实验结果的因果识别较为清晰,但外部有效性仍需谨慎。受试者面对的是20人、无聚类、连接度仅为1至4的人工网络,而现实社交网络往往更大、更有社群结构、同质性和方向性关系。 因此,论文关于现实社会的推断主要是理论外推,而非直接验证。
第二,LOCAL与FULL不仅在“看多少信息”上不同,也可能在计算负担上不同。FULL参与者获得19个行动,LOCAL参与者只获得邻居行动,二者的信息处理难度和可操作性并不完全对称。虽然最佳反应分析支持网络偏差机制,但不能完全排除注意力、计算复杂度或信息过载因素。
第三,统计推断需要注意聚类数量。实验共有16场主要实验,但表A5明确指出,由于聚类数量有限,关于改变位置者与未改变位置者之间差异的证据较弱。 因此,“完全没有学习”应更准确地表述为“没有发现稳健、显著且持续的学习证据”。
第四,作者把较高连接度与较高参考值绑定,构造了“网络位置—偏好—行动”的相关性。这有利于检验理论,但现实中高连接度者未必总是更偏好或更强烈地采取某种行为,因而实验识别的是特定类型的友谊悖论后果,而非所有网络场景下的普遍效应。
总体而言,论文通过随机化实验和LOCAL/FULL信息对照,为“友谊悖论会改变实际行为”提供了较有说服力的因果证据。LOCAL处理下,行动在均值上更高、在个体间更分散,且这种差异贯穿不同连接度、两个网络、三个阶段和重复互动过程。 最佳反应指标进一步证明,受试者不是随机偏离,而是在LOCAL中系统性地对邻居平均行动作出反应,在FULL中则对总体平均行动作出反应。
位置转换只带来有限、短暂且不稳定的修正效果,返回原位置后参与者再次表现出局部样本偏差。 由于LOCAL导致行动偏离有效均衡,FULL产生更高收益,说明网络信息偏差会转化为福利损失。 附录小网络结果则表明,网络越复杂、不对称,友谊悖论的行为影响可能越显著。
作者的总体立场是:网络结构本身能够系统性扭曲社会规范认知和互补性行为,而且即使信息透明、激励明确、重复学习充分,这种偏差仍可能持续存在。
2608.07819.pdf