整体环境和个体关联对群体性事件产生与演化的影响

罗 植，杨冠琼

(1.北京市社会科学院，北京 100101；2.清华大学社会科学学院，北京 100084;3.北京师范大学管理学院，北京 100875)



整体环境和个体关联对群体性事件产生与演化的影响

罗 植1,2，杨冠琼3

(1.北京市社会科学院，北京 100101；2.清华大学社会科学学院，北京 100084;3.北京师范大学管理学院，北京 100875)

对群体性事件产生与演化规律的研究已经成为社会管理的重要主题，而发展迅速的计算社会学方法为深入研究这一问题提供了新的途径。在已有研究的基础上，通过考察群体性事件的部分案例，可以发现个体对政府的信任程度、个体利益诉求渠道和社会普遍情绪这些内生性因素构成了群体性事件发生的整体环境要素，这些内生性因素的存在和组合达到一定水平，就构成了群体性事件发生的重要条件，而在这些宏观条件下，个体之间通过社会网络产生的关联和相互作用对群体事件的产生与演化也有重要影响。通过基于社会网络的计算社会学模型的模拟检验，本文对群体性事件的产生与演化进行了计算分析，讨论了整体环境和个体关联的各要素的作用，获得了部分内生性因素在其他条件既定时引发群体性事件的临界值。研究工作为进一步研究群体性事件的演化与形成机制提供了必要的模型基础。

群体性事件；计算社会学；内生性因素；整体环境要素；社会网络

1 引言

随着社会经济的发展，我国因人民内部矛盾引发的上访、集会、请愿、游行、示威、罢工等群体性事件频繁发生，并日趋表现出数量多、人数多、规模大等特征。据有关部门统计，1993年到2005年间，每年的群体性事件由不到1万起增加到了8.7万起，2008年和2009年更是接近并突破了10万起。“瓮安事件”、“陇南事件”与“石首事件”等，在几个小时内就使得上万人参与其中，对社会秩序和社会稳定造成了重大的负面影响。因此，有关社会舆论与群体性事件这一主题引起了国内外学者的极大关注。

国内学者的众多研究中，于建嵘的研究独具特色，其研究主要利用丰富的第一手调查材料详细描述各事件发生的背景、过程与机制，分析特征以及引发事件的结构性因素[1-2]。于建嵘的研究归纳了可能引发群体性事件的各种因素，但没有说明各种因素发展到什么程度才会引发群体性事件。肖文涛[3]发现群体性事件多指向基层政府，认为这一现象反映了有些基层政府应对能力的明显不足。赵守东[4]认为，民众的政治参与要求无法满足，利益协调机制无法发挥作用，民众找不到利益协商机制和利益维护机制是影响群体性事件形成的重要因素。唐斌[5]分析了信息网络在群体性事件中的利与弊，一方面它给政府治理带来强大的舆论压力和流言风险，但另一方面它也加速了政民之间的信息交流，使得公众的知情权、监督权得到充分体现从而能有效促进政府治理。陈华森[6]从政治文化的角度出发认为群体性事件形成的原因是传统的政治文化与转型期中国之间的矛盾。陈潭与黄金[7]的研究是基于国外相关理论解释中国群体性事件的众多研究中较为具有典型性的一个，其研究较为全面地介绍了国外不同的理论框架并将其运用于近年来中国发生的群体性事件的特征、诱发因素及发生机制的分析。刘德海[8-9]用演化博弈论对群体性事件进行研究，认为在群体性事件处于制度危机阶段时政府部门应控制信息交流程度，在处于制度转型阶段时应该及时进行信息披露，同时还指出机会主义导致地方政府在处理群体性事件中总是延误最佳时机，导致了事态的扩大化。事实上，斯米尔塞[10]的专著，是国外有关群体性事件研究的集成之作，将政治学、社会学、心理学以及传播学等领域的相关研究结果或理论，经过筛选整合为一种“价值累加理论”。“价值累加理论”实际上构筑了一个相对宽泛的概念框架，不仅包括了到那时为止的几乎所有的理论，而且几乎能够解释任何地方发生的群体性事件。然而，理论的这种宽泛性具有其不可避免的内在缺陷，其对问题的解释精度相对较差，仅仅涉及几乎所有群体性事件都具有的共性特征与因素，而对具体事件的关键细节或差别性因素、机制等缺乏考虑或重视不够。

不论基于价值累加理论的解释，还是基于相对剥夺理论或亚健康政治理论的解释，都是群体性事件发生时存在的一些可能性因素，是在群体性事件发生后，通过后验性原因追溯得到的，因而这些因素可能是导致群体性事件爆发的关键内生因素，也可能是只起到催化作用的辅助因素。因此，识别出其中关键的内生性因素对准确的理解群体性事件的形成与演化机制具有重要意义。

除了整体内生性因素，群体性事件的产生与发展同个体之间的关联与相互作用也密切相关，而社会网络是描述个体关联的基本工具。实际上，已有许多工作利用社会关系网络反映个体之间的相互作用，并进而研究思想传播、舆论形成、群体决策等问题。Huang等[11]在小世界网络上模拟了SARS的动态传播机制，并检验了相应的公共卫生政策的有效性。Grabowski[12]将一致性公共舆论的形成推广到了复杂网络之中，不仅考虑地理邻近规则的影响，还考虑到社会网络的影响作用。Stocker[13-14]则进一步模拟了网络上个体之间思想传播与相互影响。他还通过模拟检验了层级网络与无标度网络中的个体如何形成稳定的舆论。Suo Shuguan和Chen Yu[15]模拟考察了不同网络结构中的多种因素共同作用时，公共舆论的形成特征。赵正龙，陈忠和孙武军[16]分别考察了规则网络、指数网络、无标度网络和小世界网络上具有差异化选择特征的扩散问题。刘德海[17]从社会网络分析角度揭示了群体性突发事件的演化机理，建立了维权型群体性突发事件社会网络结构与策略的协同演化模型。可见，社会网络是描述个体关联与研究群体性事件的有效工具。接下来，首先简要的介绍一下我国群体性事件的内生性整体环境因素，其次，构建基于社会网络的群体关联与作用模型，最后，利用模拟仿真的方式确定整体内生性因素的临界值。

2 我国群体性事件发生的内生性整体环境因素

探索我国群体性事件发生的结构因素，必须紧密联系中国群体性事件发生的具体背景与过程，从这些具体的背景与过程中识别具有决定性作用的整体环境因素。仔细考察诸如“瓮安事件”、“陇南事件”、“石首事件”以及“通钢事件”等典型事件(以下简称“典型事件”)，可以发现决定群体性事件是否发生的关键性因素或内生性因素，主要包括：(1)个体对政府(官员)行为的认同程度，(2)社会问题解决机制或个体利益诉求渠道，(3)社会普遍情绪或共同信念水平。

个体对政府(官员)政策或行为的认同程度是指个体对政府行为合乎义理性的认同程度，决定了个体对政府的信任程度。政府的权威性若缺乏社会的认同，政府便不再被社会认同为疏导、解释、表达和协调利益或权利冲突的公正裁判者，政府行为也不被认同为促进公共利益或社会正义的行为，而是被认同为谋取或偏袒特殊利益、剥夺特定群体权利的行为。该因素是形成各种社会心理动因的关键，而这些社会心理动因是形成群体性事件的基础[18]。值得注意的是，个体对于政府的信任程度不仅取决于政府行为的公共性程度，还取决于个体的理性化水平，即人们对于“规范的政府行为”的认知水平。因此，对于某些地区，即使政府行为不变，个体理性化水平的提高便会加剧“实际的政府行为”与“规范的政府行为”的冲突[19]，而对于另外一些地区，即使政府行为的公共性较低，但如果民众的认同程度较高就可能保障二者之间较高的匹配程度。总之，当人们认为社会已经不存在能够包容并能够反映道德和谐与互惠互利原则的权威机构时，人们就会自发地组织起来维护自己的利益与权利，群体性事件也就容易爆发。这是形成群体性事件的一个内生性因素。

社会问题解决机制或个体利益诉求渠道，是指当个体的利益或权利受到侵害时，个体能够进行有效地申诉，并得到公正与合理纠正的各种可能机制与渠道。个体利益申诉机制是否完善决定着社会怨气的聚集程度与速度，以及“导火索”事件形成的概率，这同样是形成群体性事件的一个内生性因素。目前已有不少研究指出了完善的利益诉求机制在控制群体性事件中的重要作用。比如，王春福[20]认为我国的利益表达机制存在动力缺失、网络缺失、以及作用缺失等问题，这些问题是导致群体性事件的关键。同时，部分地方政府的腐败问题使不负责任的“体制性颓丧”与不受约束的基层政府行为日趋严重，“官官相护”与政府短期行为不仅几乎完全屏蔽了个体利益申诉机制与渠道，而且往往使利益申诉者面临各种被制裁或惩罚的风险。“体制性颓丧”又引发出另一种鲜明对比：有权有势的几乎可以突破所有政策或制度限制(如子女入学、安排就业、农转非、冒名顶替、假领工资等)，而无权无势的普通民众则处处受到约束、限制与权利和利益的被剥夺(被人冒名顶替、廉价拆迁补偿、土地被强行征用、被迫受到严重环境污染的侵害等)。这种状况虽然与个体利益申诉机制受阻不同，但二者反映的社会权力运转的内在规则却是一样的，二者均成倍地激化了普通民众实际感受到的生活压力感、进取的挫折感与机会或权利的被剥夺感。“典型事件”中也普遍存在着个体利益申诉机制或渠道的长期缺乏或受阻现象，致使各种社会问题不断累积，社会怨气不断沉淀叠加，个体容忍度趋于极限。最终导致某个突发性事件便能引发规模较大的群体性事件。

社会普遍情绪或共同信念水平是指社会中实际存在的关于正义、道德和谐以及相关制度或规则的一般性态度或观点。西塞罗曾明确指出，数目颇众的人们正是基于对法律和权利的共同认知以及渴望参与彼此获益的交往而聚合在一起。而“对法律和权利的共同认知”又基于人们共享某种态度或信念(Belief)，即道德和谐。因此人们能够聚合在一起或社会可能性的基础是道德和谐、互惠互利与维护这两者的制度或规则的可实施性。正是在这个意义上，涂尔干[21]将制度化信念(Institutionalized Beliefs)视为制度的灵魂，认为制度或秩序是集体共享的信念与行为模式。当社会普遍情绪或制度化信念与现行制度发生冲突时，前者将成为人们行为选择的认知、协调与信息基础。正如哈耶克所指出的，个体的行为选择依赖于其所具有的认知结构和足够的正确信息，但由于个体获得完全理性认知结构与足够正确信息的能力十分有限，因而个体总是倾向于将社会普遍情绪视为完全理性认知结构与所有正确信息的一个“充分统计量”，就如同人们在市场上自动接受市场价格作为商品质量等所有信息的“充分统计量”一样。因此，普遍情绪可以加速更多的非直接利益相关人以这种一般化的普遍情绪聚集在一起。Kuran[22]就利用社会普遍情绪的转变解释了1789年法国大革命、1917年俄国革命以及1978到1979年伊朗革命的突然爆发。国内许多研究也都指出了这是导致群体性事件形成的重要原因[4,18,23]。而且，上述“典型事件”无不与社会普遍情绪的迁移密切相关。这些都表明，社会普遍情绪是导致群体性事件爆发的内生性因素。

上述内生性因素不仅构成了在中国目前社会结构背景下群体性事件发生的社会内生性因素，也对理解世界范围内群体性事件的暴发具有一般意义。这些因素的存在并达到一定的水平，必定会导致群体性事件的爆发。

3 基于社会网络的群体关联与作用模型

本文假定个体生活在虚拟的社会网络中，每一个体仅有两种行为可以选择：一是保持沉默不行为，二是亲群体性行为，且他们都具有独特的社会关系与背景特征(对政府的信任程度)。所有个体根据一定的决策方式，在一定的社会背景影响下(个体利益诉求渠道的完备程度)相互作用，并决定自己的行为选择。假设初始社会网络中的所有个体均保持沉默不行为。此时，一个诱发因素的出现可能使得当事人放弃沉默不行为的决定，选择亲群体性行为。他的这一改变就会影响到他的亲戚朋友，以及周围的陌生人。而这种影响也会一级一级的传播下去。当社会背景、个体背景特征分布、以及行为决策方式达到某一特定临界值时，这种亲群体性行为的影响范围就会不断扩大，选择亲群体性行为的个体就不断增多，并最终导致群体性事件的形成。

已有实证研究表明，个体之间相互作用的社会网络具有两个重要特征。其一是网络度分布的无标度性质，“结点的度”分布服从幂律分布，即群体中直接利益相关者多(度或亲戚朋友多)的个体相对较少，而直接利益相关者少(度或亲戚朋友少)的个体相对较多。其二是社会网络具有小世界性质，即同时具有较短的平均路径程度和较高的集聚系数(Clustering Coefficient)[24]。这一特征会提高网络中信息传递的效率。基于这两个特征，本文模拟所用的复杂社会网络先用Barabasi-Albert算法[25]生成无标度网络(其中初始点m0=5，每次建立边数m=3，其他相关参数见各结果分析图)，再用三人组形成(Triad Formation)机制[26]提高网络的集聚系数(其概率pt=0.4)，以使模拟网络与实际社会网络的结构性质定性一致。

除了人们相互作用的社会网络外，模型还考虑了个体空间区域因素的影响。在这个模拟的社会网络中共设置N=L×L个个体，用二维坐标i∈[1,L]和j∈[1,L]标识每一个个体，同时该坐标也是该个体的实际地理位置。网络中的所有个体只能持有两种行为选择，一是亲群体性行为，用Sij=1表示，二是保持沉默或不行为，用Sij=0表示。当个体持有亲群体性行为时，个体参与群体性事件的主观性强度就很高。

网络中任意个体的行为选择总在不断变化，这种变化主要受两方面的影响。一是与该个体有密切关系的朋友与亲人，或有类似经历的人，他们都是该个体的利益相关者，在社会网络中表现为与该个体有连接的一阶近邻，这部分影响用F表示。二是与该个体没有密切关系的陌生人。这些陌生人与该个体没有直接的利益相关性，只是生活在他的周围。这部分与空间区域有关的影响用D来表示。当个体n受到了不公平对待且没有合适的申诉渠道时，他就会试图通过非正常的途径来表达怨气，这时他的社会态度就转变为亲群体性行为(Si(n)j(n)=1)。与此同时，他会将自己经历的不公平对待通过社会网络传播出去，影响与他有连接的亲戚朋友和他周围的陌生人。假设传播这种经历的的努力程度取决于他对政府的不认同不信任程度Ai(n)j(n)。Ai(n)j(n)∈[0,λ](λ∈[0,1])满足0到λ上的均匀分布，值越大表示个体对政府的认同程度越低或越不信任。那么，当他越不认同不信任政府(Ai(n)j(n)越大)时，他就越会想尽方法在社会网络上表达自己受到的不公平待遇，这样他对其他人行为选择的影响就越大；相反，当他越认同信任政府(Ai(n)j(n)越小)时，他对别人选择的亲群体性行为的影响就越小，因此，网络中利益相关个体与非利益相关个体对个体ij态度的影响可以分别记为：

(1)

(2)

上式中，Fij(t)是个体ij在t时刻受到的所有利益相关个体影响的平均效果，Dij(t)是个体ij在t时刻受到的所有生活在自己附近的非利益相关个体影响的平均效果(非利益相关个体定义为：以个体ij为中心，上下左右距离均为d的矩形内的Nd个个体)。下标i(n)与j(n)是定位个体n的二维坐标ij的标记。Ai(n)j(n)Si(n)j(n)(t)就是个体n在t时刻对群体所产生影响的大小。如果个体持有沉默不行为，那么他对群体性事件形成的影响是0。如果个体持有亲群体行为的，那么他对群体性事件形成的影响就取决于于他对政府的不信任程度，越不信任影响就越大。

这两部分影响的加总决定着个体ij在t+1时刻的行为选择。从模拟结果可知，演化过程敏感两部分影响程度的实际比例，而不是具体的函数形式。因此，为了处理上的简单，本研究采用线性方式加总两部分影响。假设利益相关个体对ij行为选择的影响效应为α，非利益相关个体的影响效应为β，则两部分的总影响hij(t+1)可记为：

hij(t+1)=αFij(t)+βDij(t)

(3)

hij是个体间相互作用对个体ij产生的影响，但他如何选择自己的行为还取决于当前的社会总体环境与他自身的背景特征。考虑到这两个因素的作用，可将他在t+1时刻改变自己当前行为的概率pij写成下式：

(4)

当个体在沉默不行为状态时(Sij=0)，他对政府越不信任，转变为亲群体性行为的概率越高。当个体亲群体性行为时(Sij=1)，他对政府越信任，他转变为沉默不行为的概率越高。其中的参数T∈[0,+∞)是对社会环境的总体描述，表示个体利益诉求渠道的完备程度，是社会环境的总体背景。

T=0时个体寻求不到任何有效的利益诉求渠道，此时，如果个体ij处于沉默不行为状态，那么他转变态度的概率等于他对政府的不信任程度(pij=Aij)，其越不信任政府，他采取亲群体性行为的概率越高。如果个体原本就是亲群体性行为，那么他将始终保持不变(pij=0)。

T=∞时利益诉求的渠道相当完备，个体面临的所有问题几乎都可以通过正常渠道解决。此时，如果个体处于沉默不行为，那么，他始终不会选择亲群体性行为(pij=0)。如果个体持有亲群体性行为，那么他对政府的信任程度就是他转变态度的概率(pij=1-Aij)。

假设初始状态是所有个体都处于沉默不行为。而演化开始于一个“偶发事件”。该偶发事件的当事人因为找不到有效的利益诉求渠道，首先转变为亲群体性行为，并按照上述的演化规则影响其他个体。受到影响的个体也将继续按照同样的规则影响他的利益相关者与非利益相关者。这种类似链式的过程经过不断扩展的演化，当条件适合时，这一仅由少数几个人参与的“偶发性事件”就很有可能成为导火索，触发群体性事件的生成。相反，当条件不适合时，这种“偶发事件”只可能是一个孤立的个别事件，难以形成群体性事件。

4 模拟检验结果：整体内生性因素的临界值

为了理解各种不同因素在影响群体性事件生成中的作用，需要确定各不同内生性因素及其组合在不同水平上对于群体性事件是否生成的影响，并确定内生性因素引发群体性事件的临界值。下面我们将通过相关参数对模型的影响，分别考察在其他条件既定量，民众不认同或不信任政府的程度、利益诉求渠道、及社会普遍情绪的水平对群体性事件形成的作用。

4.1 民众不认同或不信任政府程度的影响

每个个体对政府的不认同或不信任程度都不相同。因此，本文假设民众对政府的不认同程度或不信任程度Aij是0到λ上的均匀分布(本研究曾假设Aij服从0到λ上的正态分布进行模型，发现其结果敏感于均值而不是方差，Aij的分布情况对模拟结果不存在显著影响)，λ的大小决定了民众整体对政府不认同或不信任程度的情况。λ越大，民众整体对于政府的不认同或不信任程度越高；λ越小，民众整体对政府的不认同或不信任程度越低。因此，可通过考察λ的水平来分析民众对政府的不信任程度对群体性事件形成与规模的影响。

图1是不同λ下民众对政府态度的演化过程及其稳态结果，其中L=50，m0=5，m=3，pt=0.4，d=5(图2与图3中的这些基本参数与此相同)，α=β=0.5，图中结果为20个独立样本演化的平均值，每个样本均进行2000次演化，1次演化指网络中的所有个体全部完成一次观点选择(图2与图3与此相同)。图1a是前400次的演化结果，400次后基本达到稳态，其中T=0.05，从图中可以看到，当民众整体对政府认同或信任程度较高时(λ=0.1)，选择亲群体性行为的个体始终不多，即〈S〉一直接近于0。说明只要民众对政府足够信任，即使出现一两个偶发性事件，也远不能使更多的个体参与其中，也就不能形成群体性事件。然而，在其他因素不变时，随着民众整体不信任程度的提高，就会有越来越多的个体参与偶发事件，群体性事件也因此更容易形成。从图中可以看到，在利益诉求渠道较少的前提下(T=0.05)，当民众的不信任程度达到一定的水平后，参与偶发事件的个体就会迅速增加。当λ=0.4时，稳态时参与偶发事件的个体达到80%左右。当λ=0.6时，稳态时参与偶发事件的个体基本上达到了100%。

图1b考察了不同社会背景下，不同的民众信任程度最终会令多少个体选择亲群体性行为。在利益诉求渠道较少的社会背景下(T=0.05)，当信任程度较高时(λ≤0.3)，始终难形成大量的亲群体性行为个体，不会形成群体性事件。但是，当不信任程度高于该值后(λ>0.3)，随着不信任程度的增加，参与偶发事件的个体数量会迅速增加。当λ达到0.4时，就有约80%的个体选择亲群体性行动。可以说，此时群体性事件已经形成，而且规模巨大。因此，当民众的利益诉求渠道较少时(T=0.05)，民众对政府的不信任程度与群体性事件生成之间存在一个临界值λC≈0.3。当民众的不信任程度低于该值时(λ<λC)，群体性事件几乎不会形成。当民众的不信任程度高于该值时(λ>λC)，群体性事件形成的概率和参与的人数就会快速增加。在图中还可以看到，当民众的利益诉求渠道增多时，不信任程度的临界值也会增大，当T=0.25时，这一临界值变为λC≈0.6。当T=0.5时，这一临界值变为λC=0.7。

图1 不同λ下民众对政府态度的演化过程及其稳态结果

图2 不同利益诉求渠道下民众对政府态度的演化过程及其稳态结果

4.2 利益诉求渠道的影响

利益诉求的各种渠道是减缓个体怨气的一种重要机制。随着利益诉求渠道的不断增多(T不断增大)，个体的怨气得到缓解的可能性就不断提高，群体性事件形成的概率与规模也就会相应的降低。当T～∞时，群体性事件就一定不会形成。相反，当个体完全没有利益诉求的可能时(T=0)，即使没有“导火索事件”，也会形成群体性事件。

图2是不同利益诉求渠道下民众对政府态度的演化过程及其稳态结果(参数及处理方式同图1)。图2a是前400次的演化结果，400次后基本达到稳态，其中λ=0.8，从演化结果可以看到，当民众的不信任程度较高时(λ=0.8)，如果再没有任何利益诉求渠道(T=0)，那么群体性事件的形成不仅是必然的，而且非常迅速，规模巨大。只要经过不到50步的演化，几乎所有的民众都会选择亲群体性行为，导致群体性事件的形成。当利益诉求渠道逐渐增多时，参与偶发事件的个体数量就会逐渐降低。当T=0.2时，最终只有大概60%的个体选择亲群体性行为并参与偶发事件。当T=0.5时，选择亲群体性行为并参与偶发事件的个体数就可以下降到了20%以下。

图2b中显示了各种不信任程度下，利益诉求渠道的多少最终会令多少个体选择亲群体性行为。一个很明显的特点是，在完全没有利益诉求渠道的极端情况下(T=0)，不管民众的整体信任程度如何(λ=0)，都会导致几乎全体民众选择亲群体性行为，此时形成群体性事件的规模是巨大的。当然，这种极端的情况在实际社会中几乎不会存在。当利益诉求渠道逐渐增多时，选择亲群体性行为的个体就会不断减少。当民众对政府的信任程度适中时(λ=0.5)，只要利益诉求渠道T≥0.15，就难以形成群体性事件。这说明，在这种条件下，利益诉求渠道的临界值TC≈0.15。当其他条件不变时，只要社会中的利益诉求渠道大于该临界值，群体性事件就难以形成。当其小于该临界值，群体性事件形成的概率与规模就会随着利益诉求渠道的不断减少而增加。从图中还可看到，当λ=0.6时，该临界值大约为0.25，当λ=0.7时，该临界值约为0.35。

4.3 普遍情绪或共同信念的影响

群体性事件的形成有一个重要特点，那就是参加群体性事件的众多个体并非“偶发事件”的直接利益相关者。这些非利益相关者在多大程度上会参与其中，取决于对他们的影响权重有多高。这可以通过当前社会的普遍情绪或共同信念的强度来反应。随着社会中普遍情绪或共同信念的不断增强，影响非利益相关个体的权重就不断增加(β变大)，就导致群体性事件的形成在速度与规模上成倍提高。假设“偶发事件”的直接相关者(与当事人相连的个体)一定会选择亲群体性行为，而其他的二级(与当事人一阶近邻连接的个体)或更高级的利益相关者受到的影响只有20%(α=0.2)。此时，普遍情绪或共同信念即非利益相关者的影响程度β与群体性事件形成的演化模拟结果如下。

图3 各种非利益相关个体的影响程度下民众对政府态度的演化过程及其稳态结果

图3是各种非利益相关个体的影响程度下民众对政府态度的演化过程及其稳态结果，其中T=0.05，α=0.2(其他参数及处理方式同图1)。图3a是前400次的演化结果，400次后基本达到稳态，其中λ=0.4，该演化结果表明，在利益诉求渠道较少(T=0.05)，不信任程度适中(λ=0.4)，利益相关个体影响力度不高(α=0.2)的情况下，只要普遍情绪或共同信念不是很高(β=0.4)，群体性事件就不会形成。但当这种普遍情绪或共同信念超过0.4以后，选择亲群体性行为的个体就会快速增加。当β=1时，形成群体性事件的概率非常大，几乎是必然发生。图 3b显示了各种民众信任程度下，普遍情绪的高低最终会令多少个体选择亲群体性行为。显然，随着民众对政府行为认同程度的降低，所要求的普遍情绪的水平越来越低。在民众不认同政府的水平为0.35时，只要普遍情绪β≤0.6，群体性事件就难以形成。可见，在这种民众不认同水平下，普遍情绪或共同信念的临界值βC≈0.6。只要普遍情绪或共同信念小于该临界值时，群体性事件就难以形成。当大于临界值以后，群体性事件形成的概率与规模会随着其增加而不断增加。当民众对政府的不认同水平上升到0.4时，普遍情绪或共同信念的临界值会下降到0.3附近。当这种不认同水平继续上长到0.45后，只要普遍情绪超过0.2就有可能形成群体性事件。

图4 普遍情绪或共同信念与群体性事件关系演化图

如果用黑色表示选择亲群体性行为，并参与“偶发事件”的个体(Sij=1)，用白色表示保持沉默不行为的个体(Sij=0)。那么，可通过如图4所示的演化过程图展示个体行动选择分布的演化情况，从而描绘群体性事件是如何通过个体不断参与到“偶发事件”之中而一步步形成的。图4共包含6个时间状态，从左左向右，从上到下，依次为t=1，t=10，t=20，t=30，t=40和t=50的情况，其中T=0.05，λ=0.4，α=0.2，β=0.6，其他参数同图1。从图4可以看到，在t=1时，出现一个“偶发事件”，除当事人外，还有3个直接利益相关人参与其中。经过10次演化(例如各种消息、传言等不断生成与传播)以后，参与此“偶发事件”的个体数量开始不断增加，但此时仍具有明显的孤立性。当t=30时，这种区域性特征已不明显，分散于社会网络不同之处的个体越来越多地变为持有亲群体性行为。最后，随着演化的不断进行，原本只是几个人的事件就因为个体不断的选择亲群体性行为并参与到“偶发事件”之中而形成群体性事件。

5 结语

本文基于有关群体性事件生成与演化的相关理论，针对中国社会近年来发生的群体性事件的特征，提炼出了影响群体性事件的整体环境因素，包括个体对政府(官员)行为的认同程度、社会问题解决机制或个体利益诉求渠道、社会普遍情绪或共同信念水平等，它们构成了解释中国群体性事件生成的内生性因素。同时，注意到群体关联和相互作用对群体行为的影响，我们通过基于社会网络的计算社会学模型对这些因素生成群体性事件的机制、过程进行了模拟，并获得了在其他条件不变的前提下这些相关因素生成群体性事件的临界值。通过分析我们得到了如下三点结论。

(1)若社会中一定数量的个体越来越不信任政府或官员的行为，那么群体性事件生成的可能性就会明显提高。本文的模拟结果表明，在民众的利益诉求渠道较少(T=0.05)的情形下，当民众对政府的信任或认同程度较低(λ<0.3)时，群体性事件就非常容易形成。

(2)利益诉求渠道的畅通与否是缓解个体怨气的重要机制，因而也是降低群体性事件形成的概率与规模的重要途径。本文的模拟结果表明，即使民众对政府的认同程度较低(λ=0.8)，但只要利益诉求的渠道较为完善(T≥0.6)，偶发事件的直接利益相关者的亲群体性行为不会令更多的非利益相关个体参与其中，从而也不会引发群体性事件。

(3)社会民众的普遍情绪或共同信念是决定个体是否参与偶发事件的关键因素。当人们对“偶发事件”当事人的处境形成某种共同感受，对某些问题产生共同看法或发生态度的共振时，即使是陌生人、非直接利益相关者，他们也可能集中到一起形成群体性事件。本文的模拟结果表明，当民众对政府的不认同程度在0.35时，只要这种普遍情绪或共同的信念超过0.6，群体性事件就非常容易生成。

综上可知，为了有效预防群体性事件的形成，为了在群体性事件发生之前消除其形成的隐患，就必须通过公共治理结构的创新，提高民众对政府的认同与信任程度以及政府行为合乎义理性程度，有效扩展和完善民众利益诉求的机制与渠道，保证其利益诉求的畅通与问题的及时解决。值得注意的是，以上社会计算模型的社会仿真结果主要是在仿真的基础上揭示了系统演化过程中的突变行为，是对群体性事件的性质与形成的一种解释，为进一步理解与研究群体性事件提供了一个模型基础。在这一模型基础上，如果可通过某种方式对各种参数进行真实的调查统计以及定量分析，比如民众信任程度分布情况λ，民众利益诉求机制的完备程度T，以及普遍情绪或共同信念水平β，那么，就有可能计算出各种参数在真实社会网络中的临界值，不仅可以检验并完善模型，还可以预测社会系统的变化情况，从而为预见并防止群体性事件的形成提供更加有效的政策建议。

[1] 于建嵘.社会泄愤事件中群体心理研究——对“瓮安事件”发生机制的一种解释[J] .北京行政学院学报，2009，(1)：1-5.

[2] 于建嵘.我国现阶段农村群体性事件的主要原因[J].中国农村观察，2003，(6)：75-78.

[3] 肖文涛.治理群体性事件与加强基层政府应对能力建设[J].中国行政管理，2009，(6)：118-123.

[4] 赵守东.群体性事件的体制性症结及解决思路[J].理论探讨，2007，(2)：17-18.

[5] 唐斌.群体性事件的网络传播与政府干预分析[J].河南师范大学学报(哲学社会科学版)，2009，(6)：42-46.

[6] 陈华森.群体性事件的发生机制及其消减途径探析——一个政治文化的分析视角[J].探索，2010，(6)：96-100.

[7] 陈潭，黄金.群体性事件多种原因的理论阐释[J].政治学研究，2009，(6)：54-61.

[8] 刘德海. 信息交流在群体性突发事件处理中作用的博弈分析[J]. 中国管理科学，2005，13(3)：95-102.

[9] 刘德海.群体性突发事件中政府机会主义行为的演化博弈分析[J].中国管理科学，2010，18(1)：175-183.

[10]SmelserNJ.Theoryofcollectivebehavior[M].NewYork:TheFreePress, 1962.

[11]HuangC,SunC,HsiehJ,etal.SimulatingSARS:Small-worldepidemiologicalmodelingandpublichealthpolicyassessments[J].JournalofArtificialSocietiesandSocialSimulation, 2004, 7(4): 2.

[12]GrabowskiA,KosinskiRA.Ising-basedmodelofopinionformationinacomplexnetworkofinterpersonalinteractions[J].PhysicaA:StatisticalMechanicsanditsApplications, 2006, 361(2)： 651-664.

[13]StockerR,GreenD,NewthD.Consensusandcohesioninsimulatedsocialnetworks[J].JournalofArtificialSocietiesandSocialSimulation, 2001, 4(4):5.

[14]StockerR,CornforthD,BossomaierTRJ.Networkstructuresandagreementinsocialnetworksimulations[J].JournalofArtificialSocietiesandSocialSimulation, 2002, 5(4): 1-18.

[15]SuoShuguang,ChenYu.Thedynamicsofpublicopinionincomplexnetworks[J].JournalofArtificialSocietiesandSocialSimulation, 2008, 11(4): 2.

[16] 赵正龙，陈忠，孙武军,等.具有差异化选择特征的复杂社会网络扩散研究[J].管理科学学报，2010,13(3):38-49.

[17] 刘德海，王维国. 维权型群体性突发事件社会网络结构与策略的协同演化机制[J]. 中国管理科学，2012，20(3)：185-192.

[18] 周感华.群体性事件心理动因和心理机制探析[J]. 北京行政学院学报，2011，(6)：1-5.

[19] 梅珍生，胡静.群体性事件形成的心理机制分析[J]. 社会心理科学，2006，21(6)：18-25.

[20] 王春福.韩国公共政策利益表达机制及其启示[J].管理世界，2007，(11):156-157.

[21]DurkheimE.Therulesofsociologicalmethod[M].NewYork:TheFreePress, 1950.

[22]KuranT.Sparksandprairiefires:Atheoryofunanticipatedpoliticalrevolution[J].PublicChoice, 1988, 61(1): 41-74.

[23] 曹英，群体性事件中的信息传播流程、节点与心理接受机制[J]. 河南社会科学，2009，17(1)：133-138.

[24]HamillL,GilbertN.Socialcircles:Asimplestructureforagent-basedsocialnetworkmodels[J].JournalofArtificialSocietiesandSocialSimulation, 2009, 12(3): 3.

[25]BarabasiAL,AlbertR.Emergenceofscalinginrandomnetworks[J].Science, 1999, 286(5439): 509-512.

[26]HolmeP,KimBJ.Growingscale-freenetworkswithtunableclustering[J].PhysicalReviewE, 2002, 65(2): 1-4.

TheEffectsofGlobalFactorsandIndividualInteractionsontheGenerationandEvolutionofEmergentCollectiveEvent

LUO Zhi1,2, YANG Guan-qiong3

(1.Beijing Academy of Social Sciences, Beijing 100101;2. School of Social Science,Tsinghua University, Beijing 100084,China;3.School of Managernent,Beijing Normal University, Beijing 100101,China)

The study of the generation and evolution of emergent collective event has become an important topic of social management. The computational social science approach provides a new method to analyze this issue deeply. By reviewing the previous research and empirical analysis of several cases, the global factors of emergent collective events are suggested. They are the level of public trust in the government, interest demand or social problem solving mechanism and the social common brief. When these global factors reached a certain level, they form the important conditions for emergent collective event. Under certain global conditions, the formation of emergent collective event depends deeply on the individual interactions through the social network. Based on the model of computational sociology, the generation and evolution of emergent collective event on the artificial social network is simulated and the effects of global factors and individual interactions are analyzed. The result of the simulation demonstrated the critical value of some endogenous factors when other factors are constant. A necessary fundamental model is provided for the further study on the generation and evolution of emergent collective event.

emergent collective events; computational sociology; endogenous factors; global factors; social network

2013-04-27；

2013-06-12

国家自然科学基金资助项目(70733001，91024005)

罗植(1983-)，男(汉族)，河南省新乡人，北京市社会科学院管理研究所助理研究员，博士，清华大学社会科学学院在站博士后，研究方向：公共管理、管理政策分析政府管理.

1003-207(2015)03-0159-09

10.16381/j.cnki.issn1003-207x.2015.03.019

C931

A