推文人 | 杨心梅 

 

原文信息：

 

Abhijit Banerjee, Arun G Chandrasekhar, Esther Duflo, Matthew O Jackson, Using Gossips to Spread Information: Theory and Evidence from Two Randomized Controlled Trials, The Review of Economic Studies, Volume 86, Issue 6, November 2019, Pages 2453–2490.

 

引言

 

选择关键人物植入信息以提升信息传播效率，是政策制定者宣传政策及企业市场营销经常使用的手段。如小额信贷机构通过对关键人物植入信息宣传产品，农业技术推广过程中需识别意见领袖，企业经常开展病毒式市场营销。如何选择信息植入者才能最有效地扩散信息成为一个重要问题。社会学、营销学、经济理论及计算机科学都对这一问题进行了不同角度的研究，关键结论是最有效的信息植入者是中心人物。但是对中心度的各种度量方法都需要大量的网络信息，十分耗钱耗力。

 

本文研究了如何在不收集网络数据的情况下，简单便宜地识别出中心人物。最终答案是前人研究所指出的，通过有高社会地位，处在地理中心或朋友很多的人扩散信息都是无效的，仅通过询问社区中的部分个体“谁最适合扩散信息？”，就可以识别出中心人物。

 

这一点在以往的研究中没有得到证实，Friedlkin (1983)指出人们对自己所处的社会网络了解有限，且认知存在偏误。从而关键问题是：在不了解自己所处的网络结构时，人们能否知道谁是网络中心人物？如果知道，又是怎么做到的？

 

本文首先通过2个随机对照实验证实了现实中可以通过询问社区成员识别出中心人物。第一个实验是在印度Karnataka的213个村庄开展的宣传手机及现金抽奖信息实验，证明了将被社区成员提名的“闲话者”作为种子，可以提升信息扩散程度。但由于选取的信息没有政策含义，因此开展了第二个实验，这是在印度Haryana的521个村庄开展的宣传疫苗接种计划实验，同样证实了上述假说。

 

接着本文构建网络交流模型提出了人们准确估计他人中心度的一种可能机制，即通过对自己听到来自其他人的小道消息次数计数，即可识别中心人物。但理论模型提出的机制在现实中未必存在，即使存在也未必唯一，因此本文进一步收集村庄数据后，构建网络发现人们的确会提名中心度高的人，验证了通过计数确定中心人物的机制是存在的；同时控制中心度时，提名对信息扩散的影响系数没有显著下降，意味着中心度并非信息扩散程度提高的唯一原因，可能是被提名者更有个人魅力或更健谈等中心度之外的因素作用。本文指出的通过询问社区成员，以被提名者为种子植入信息这一做法适合在政策中进行推广。

 

实证分析

 

将信息植入到被提名者能够更有效扩散

 

（1）实验一：宣传手机或现金抽奖信息

 

实验过程是一个接收到抽奖信息并想参与抽奖的人打电话到指定号码，实验员做登记但不接电话，从而确保免费。抽奖过程是参与者掷两个骰子，将获得的点数相加，每一点代表25卢比，如果得到12点则获得一部手机。值得注意的是，奖励不随着参与者多少而变化，确保奖赏是非竞争性的，从而参与者没有理由将抽奖信息保密。打来电话的数量是本研究关心的主要结果变量。

 

总样本为213个村庄，随机分为三组，从而每组71个村庄，在每个村庄中选择k个种子（k=3或5，保证信息可以充分传播但不会充满整个网络）。在T1随机组使用右手规则随机选择k个家庭作为种子，在T2“闲话”组从闲话被提名者选择集（通过在每个村庄中随机选取15个家庭，并询问“如果我们需要扩散关于一个音乐会、戏剧或集市信息或是一个新的贷款项目，我们应该找谁？”获得）中随机挑选k个家庭作为种子，从T3“长者”组从长者选择集（通过在每个村庄中随机选取15个家庭，并询问“谁是你所在村庄受尊敬的长者”获得）中随机选择k个家庭作为种子。

 

对结果进行描述性分析发现，每个村庄打过来的平均电话数量是9.35，95百分位是39，所有村庄中参与抽奖的村民数量中位数为3，从80.28%的村庄接到至少一个电话。从图1可以看出，“闲话”组村庄中电话数量明显高于随机组和长者组村庄；且单次传播带来大量电话的情况在随机组村庄和长者组村庄中少见，但发生在“闲话”组村庄中。

图1 分组电话数量分布

表1 按照组分类的电话数量

 

从表1第一列可见，在随机选取种子的村庄中，平均接到8.08个电话，平均每个种子带来1.97个电话；在闲话种子的村庄，接到比随机多3.65个电话（p=0.19），平均每个种子多带来1.05个电话（p=0.13）。

 

以上回答的是政策制定者关心的问题，即首先识别出闲话者，再对他们植入信息比随机选人植入信息要有效多少。随机选取种子及选取长者作为种子并没有排除他们是闲话者的可能性，在随机植入种子的村庄中，平均0.59个种子是闲话者。另一个问题是信息植入到闲话者中较非闲话者时，扩散程度会提升多少？

 

比较“至少有一个闲话者被选中”的村庄或“至少有一个长者被选中”的村庄与没有闲话者和长者被选中的村庄。由于闲话者/长者被选中的概率与村庄中潜在的闲话者/长者的数量有关，将其加入回归。为了说明结果的稳健性，同时采用OLS及工具变量估计。

表1第二列报告了OLS估计结果，击中至少一个闲话者会带来3.79个电话（p=0.04），与没有击中闲话者的村庄相比提高了65%。第五列的工具变量估计结果比OLS更大且统计上没有显著差异。

 

结果表明，对于扩散信息而言，将被提名的闲话者作为种子比随机植入种子要好很多，同时被提名的闲话者也是比长者更好的种子。长者作为种子时对信息扩散有负向影响，但不显著。

 

但实验一存在的问题是，长者可能认为抽奖是个很随意且意义不大的信息，没有必要扩散；且挑选闲话者的问题也是比较随意的音乐会或集市，有可能只挑选出了适合扩散这种不重要信息的群体，下一个问题是被提名的闲话者是否擅长扩散更重要的信息。

 

（2）实验二：宣传疫苗接种信息

 

实验展开的背景如下：贾米尔贫困行动实验室与Haryana政府合作提升疫苗接种率，总共3116个村庄参与。每个月都有疫苗接种营，政府给护士发一块有简单e-健康应用的写字板来追踪疫苗接种情况，这个数据将作为实验二的主要结果变量。值得注意的是，贾米尔贫困行动实验室在3116个村庄中开展了随机实验来提高疫苗接种需求，即在随机选择的村庄中，不选、选择33%或66%的以前接种过疫苗的家庭，发送短信提醒他们下一次疫苗接种时间。本研究从3116个村庄中抽取521个村庄展开实验。

 

将521个村庄分为随机组、闲话组、信任组、信任的闲话组四组，随机组中的村庄里随机选取6个家庭，以户主作为种子植入信息，闲话组、信任组及信任的闲话组都是通过首先去对应村庄拜访17个随机选择的家庭，该村庄被分到哪组就问一个对应的提名问题，从提名中各选择六位排名最高的个体作为种子植入信息。在2016年6月至8月，实验员接近种子并询问他们是否愿意作为项目大使，若同意，则留下手机号码并接受两类月度提醒（短信和电话），提醒内容包括下一次疫苗接种时间，什么疫苗，激励是什么（若有）以及让他们扩散信息；若拒绝，也不会找人替代他们；在2016年12月政府发放写字板给护士，开始记录疫苗接种情况，2017年2月起，实验员开始联系种子并提醒他们扩散信息。

表2 Haryana疫苗接种实验描述性统计

表3 Haryana疫苗接种项目信息扩散处理效应

 

从表3的上半部分可见，不区分疫苗类别时，在一个月内，随机组的村庄中18.11个儿童至少接种了一次疫苗，闲话组村庄中，多出4.9个儿童接种疫苗（p=0.05）；区分疫苗类别时，对于penta 1和penta 2疫苗，闲话组村庄中接种的儿童数量增加24%-25%；对于penta 3和麻疹疫苗，闲话组村庄中接种的儿童数量高出28%-31%。鉴于印度推广麻疹疫苗有较大挑战，这一点发现很重要。尽管以上处理效应没有手机抽奖实验中大，但这一实验持续了一年，表明闲话组的处理效应是较为稳定的。而信任组和信任的闲话组分别带来1.8和2.4多的儿童接种疫苗，不能拒绝这两者没有显著影响的假说。

 

紧接着本文提出了“是不是种子越多时扩散越有效？闲话种子和数量更多的随机种子哪个更有效？”的问题。贾米尔贫困行动实验室在3116个村庄中开展了随机干预来提高疫苗接种需求，在随机选择的村庄中，不选、选择33%或66%的以前接种过疫苗的家庭，发送短信提醒他们下一次疫苗接种时间。这一实验中被提醒的个体与本文中闲话种子相比，被提醒的个体作为种子人数更多，种子自身就是孩子可能有接种疫苗需求的父母，从而信息有直接影响，且孩子父母可能有更多很需要疫苗接种信息的朋友；但是这里的种子是随机选择的，从而中心度不一定有闲话种子高。

 

表3的下半部分加入了33%接受短信，66%家庭接受短信的哑变量，闲话组，信任组及信任的闲话组系数与未加入哑变量相比没有很大改变，且哑变量系数并不显著，说明这种短信提醒的影响远小于闲话者的影响。

 

理论解释

 

尽管以上两个随机对照实验得出的结论：要知道谁最有影响力，只要问社区成员看似是个常识，但这一点在理论上未被验证，实践上也没有得到应用。Breza (2017)证明了人们对自己所处社会网络的不了解；实践上要推广农业技术也会依赖于社会地位及职业特征，而不是询问社区成员。

 

那么人们在不知道社会网络的情况下，是怎么提名出那些适合扩散消息的人的呢？接下来本文通过构建网络交流模型证明：一个有限理性且不知道自己所处的社会网络状况的人，能够仅通过计数知道谁是有影响力的。

实证检验

 

网络交流模型只是给出了人们识别好的扩散者的一种可能机制，现实中人们提名的也许是健谈的人，而不是高中心度的人，从而更好地扩散信息。于是本文利用Karnataka数据进一步检验中心度是一种影响机制吗？及中心度是唯一影响机制吗？

 

利用本文四位作者2013年的一篇关于小额贷款信息传播的文章用到的数据的一部分，选用其中2012年的数据，通过询问是否存在12种互动关系考察其社会网络。接着以家庭为节点，对每一个村庄构建一个网络，当家庭间存在以上12种关系中的至少一种时，就认为两者存在联系；再通过数据挖掘找到最有预测性的子网络，最终得到家庭层面非有向性非加权的网络。接着通过询问关于扩散活动信息及贷款信息的两个问题确定闲话种子，这里问两个问题是为了看不同信息是否有差异，结果表明扩散活动提名与贷款信息提名有很强相关性（0.76）且没有显著差异，因此2017年的实验没有区分两者。

 

（1）中心度是一种影响机制吗？

 

①人们只会提名自己的朋友吗？

图2 按网络距离分类的被提名者分布（Karnataka）小额贷款村庄

 

从图2可见，少于13%的个体提名了他们直接相连的人；28%的提名在距离至少3的人。因此尽管人们确实倾向于提名离他们近的人，但也会提名较远的，且根据朋友悖论可知，高中心度的个体确实比普通家庭离其他人更近，所以人们提名较近的人是有道理的

 

②中心度更高的人更可能被提名吗？

从图3可以发现，被提名的人（无论是领导者还是不是领导者）都比没有被提名的人中心度更高。

 

尽管结果与模型预测一致，但有多种可能的替代解释，个体可能会提名有更多朋友的人，朋友多的人倾向于中心度更高；或者人们可能仅提名村庄的领袖或地理上处于中心位置的人，这些特征与扩散中心度也是相关的，过往研究也表明地理数据是中心度的很好预测变量，我们将这些因素纳入下文分析中。

表 4 预测提名的因素

 

进一步地，如表5所示，加入其他变量时，扩散中心度始终显著；在最后一列加入所有变量，并采用LASSO分析，以挑选出与结果变量最强相关的变量，对于活动提名选出闲话者，最终LASSO挑选出唯一的预测变量扩散中心度，泊松回归后也是显著的；对于贷款提名选出的闲话者，最终LASSO挑选出预测变量是扩散中心度和度中心度，但泊松回归后度中心度影响并不显著。

表5 预测提名的因素

 

以上分析证明了村民会提名那些扩散中心度较高的人，但这不能证明他们真的记录了从不同人处听到消息次数，而可能通过不可观测又和中心度相关的变量（比如健谈的人）做出提名选择；因此将j是否被i提名回归到j在i的网络闲话评估中所处的百分位上，控制个体i的固定效应及j的扩散中心度或j的固定效应，得到结果如表6所示，说明对网络闲话的排序对提名有一定预测作用。

表6 闲话能有效预测提名吗？

 

（2）中心度是唯一影响机制吗？

 

上述分析证明了村民对收到其他人信息次数的计数会影响提名，现在关心的是扩散中心度能充分刻画闲话种子扩散信息的能力吗？

在手机抽奖信息实验后，本研究又对68个随机组村庄进行调查获取网络数据，表7表明，扩散中心度只是闲话者提名作为种子可以提升信息扩散程度的一种，但不是全部，在控制了扩散中心度情况下，闲话者仍然会带来更多的扩散。针对这一现象有以下两点解释。一是本研究对于网络中心度的衡量不准确，村民自己内心的判断比实际用问卷的方式问出来的中心度更为精确；二是提名是一个比基于模型的中心度度量对信息扩散更好的代理变量，因为可能有其他因素中心度外的因素评价一个种子是否擅长扩散信息（对信息的感兴趣程度、利他主义）。

 

总结

 

在很多现实场景中，识别出中心人物有利于信息扩散，但收集网络数据昂贵且又是不切实际，本文通过研究了村民能否识别出中心人物的问题以便捷地识别出中心人物。在一个小道消息的随机实验中，我们发现将被提名者作为种子确实比随机选取或长者更有效；紧接着一个更大规模的政策消息的随机实验中得到类似的结论，将闲话被提名者作为种子提升了20%的疫苗接种率。然后用网络模型解释了上述结果，表明有限理性的个体仅需要通过简单计数就可以识别中心人物，且他们不仅能识别局部中心人物，也能识别出全局中心人物，这为扩散信息提供捷径。尽管我们的模型用社会网络理论解释了信息扩散的机制，但在此之外的考虑也会影响人们的提名决定，被提名者在中心度外的其他特征也会影响扩散效率，可能村民会提名在传播信息上更容易成功的人。

 

本文的政策意义在于由于确定提名者的问题不长，比收集网络数据方便，这种方式可作为扩散政策信息的有效途径。而本文局限性有两点，一是只是聚焦在信息传播，并没有涉及是否采取行为，但确实在疫苗实验中信息是真正的阻碍，且在另一篇小额贷款的论文中，我们证明无法拒绝信任没有作用的假说。二是实验只是局限在1000人口规模的社区，显然当社区规模达到百万或更大后结论很难外推，但是至少我们迈出了第一步，在大社区里也可以通过识别出子社区的中心人物扩散信息。我们的研究为以后积极社会学习的理论与调查奠定了基础，关于生活中人们如何决定向谁获取重要信息以及找谁扩散信息有待进一步研究。

 

延伸性思考

 

大量研究都表明识别出中心人物是扩散信息的关键，于是本文作者在2014年的工作论文主要聚焦理论模型推导，解释提名可以作为识别中心人物的一大手段。但从发表版本的论文标题也可以看出，两个随机对照实验是核心所在，验证了闲话提名对扩散信息的直接影响。尽管之后作者以中心度为核心构建理论模型做出一种可能解释，但由于控制住中心度时，闲话提名对扩散信息仍然有显著影响，从而存在闲话提名是擅长扩散信息人的更好代理变量的可能性，为进一步地研究提供了方向。经济学中的实证与理论长期以来便是理论引领实证，实证修正发展理论的关系，本文在跳出既有的“高中心度个体是扩散信息的最佳人选”这一理论框架后，可能正试图寻找对扩散信息方式选择的新解答。

 

本推文由中国经济转型讨论班（CETW）供稿。

 

Abstract

 

Can we identify highly central individuals in a network without collecting network data, simply by asking community members? Can seeding information via such nominated individuals lead to significantly wider diffusion than choosing randomly chosen people, or even respected ones? In two separate large field experiments in India, we answer both questions in the affirmative. In particular, in 521 villages in Haryana, we provided information on monthly immunization camps to either randomly selected individuals (in some villages) or to individuals nominated by villagers as people who would be good at transmitting information (in other villages). We find that the number of children vaccinated every month is 22% higher in villages in which nominees received the information. We show that people’s knowledge of who are highly central individuals and good seeds can be explained by a model in which community members simply track how often they hear gossip about others. Indeed, we find in a third dataset that nominated seeds are central in a

 

network sense, and are not just those with many friends or in powerful positions.