从纳什均衡看旁观者效应

注:这篇文章是应You XU邀请的guest blog,代表了阅微堂上除了《中国崛起策》之外的文章的特色——至少是我想达到的风格。

1964年3月13号凌晨3点,纽约酒吧经济Kitty Genovese在即将到达寓所时,遭到持刀暴徒的侵犯,她惊恐的尖叫并恳求帮助。但她的38户邻居,很多人走到窗户前观望了片刻,目睹她在歹徒手中挣扎,但直到歹徒离开,才有人打电话报警。但Genovese却未能得到及时救治很快就死去了。[1]

为什么Kitty的邻居没有一个人援助她?人们普遍归因于人的异化与冷漠。但心理学家有不同的看法,大量的实验和研究显示在公共场所观看危机事件的旁观者越多,愿意提供帮助的人就越少,这被称为旁观者效应

为什么会这样呢?心理学家

...猜测,当旁观者的数目增加时,任何一个旁观者都会更少地注意到事件的发生,更少地把它解释为一个重大的问题或紧急情况,更少地认为自己有采取行动的责任。[1]

下面用经济学中的纳什均衡[2]的方法定量地说明,在人数变多时,的确是任何一个人提供帮助的可能性变小,而且存在某人提供帮助的可能性也在变小!通俗的说,在开头的报警案例中,围观者(邻居)越多,报警的可能性越小! (这些来源于2年前与同学的讨论,只不过当时还不知道心理学上也有对应的分析。)

在这里假设人都是利益动物(也就说下面的分析不考虑社会心理学中提到的人的心理因素)。在最开始的抢劫案件中,假设有n个围观者,有人提供帮助(报警),每个人都能得到a的固定收益,但报警者会有额外损失b(可以看成提供帮助所消耗的时间,精力或者报警者所可能遇到的危险——注意最近的彭宇案件)。容易知道,在b>a时,一个完全理性的人不可能去报警,所以我们只考虑0\leq b \leq a的情形。我们来分析一下,在这个模型里面,每个人将如何行动?

按照上面的假定,对于某个人A而言,他的收益矩阵为:

  其他n-1个人不报警 其他n-1个人有人报警
A不报警 0 a
A报警 a-b a-b

我们求上面的收益矩阵的纳什均衡,由于每个人都是对称的(暂且只考虑对称的纳什均衡),无妨假设每个人不报警的概率为p,不难得到纳什均衡在p=(\frac{b}{a})^{\frac1{n-1}}达到。注意p是随着人数n增大而增大的!更重要的是,存在某人报警的概率1-p^n=1-(\frac{b}{a})^{\frac{n}{n-1}}随着人数的增加而减少!

注意,上面的结果也提供了报警的概率与\frac{b}{a}的相关关系。

更多推断:

  • 相对而言,城市居民比小乡村居民更冷漠:在人少的地方获得帮助的可能性反而更大。
  • 朋友并不是越多越好的(?)
  • 求助时不要同时向若干人求助,即便如此也不要让他们互相知道。
  • 常在新闻里看到,一人受伤或者...,多少多少人围观,却没有人提供帮助。但从上面的分析可以看出,更多人看热闹并不代表着社会道德水平更低。
  • 一个社会的道德水平,如不考虑别的因素(社会和心理上的),将由ba的比值决定,而在受益a确定的情况下,完全由b决定,这里的b是提供帮助的成本(包括时间,精力,以及有可能遭致的打击报复,甚至忘恩负义者的反咬)。
  • 和谐社会,需要努力降低前面的b值,通过给与金钱上或者精神上的奖励。
  • 最近的彭宇事件,根据网络上的反应,这件事情大大提高了b,将导致道德水平下降。[西乔有一篇文章老太摔倒均衡点给出了类似的分析]

参考:

[1] David G. Myers, Social Psychology - 社会心理学, P363-369.

[2] 纳什均衡, 简单说来,纳什均衡是指相互作用的经济主体,每一方都在另一方所选择的战略为既定时,选择自己的最优战略。一旦双方达到了这种纳什均衡,都不会再有做出不同决策的冲动或激励。其最重要的案例是囚徒困境

查看更多关于, , , 的内容。

你可能感兴趣的
相关文章

17条留言 -> 跳到留言表格

  • At 2007.09.19 09:37, Moses said:

    好文啊...

    • At 2007.09.19 10:00, rex said:

      从数学的角度关注社会,以量化的结果证明似是而非的问题。虽然文中的具体公式需要一定的数学知识才能理解,但是这种行文思路、出发点与归结点,都让人心悦诚服。[有“PMP”的嫌疑,自辩一下。]

      • At 2007.09.19 10:05, rex said:

        比起《中国策》来,本文更符合本站一贯的风格,而且更不易引起GFW的过激反应--丫最近处外都是G点,一碰就到高潮。

        • At 2007.09.19 10:35, john said:

          和谐社会,需要努力降低前面的值,通过给与金钱上或者精神上的奖励。

          :)

          • At 2007.09.19 12:43, dribblejj said:

            这种文章和老板说的用online dating problem或是stable marriage problem来泡mm有异曲同工之妙.....另外赞一下我们的大牛同学:
            张志强, 清华大学 理论计算机科学研究中心(ITCS) 三年级博士生. 师从著名计算机科学家姚期智教授. 在此之前, 他在北京大学数学系取得本科学位. 他在计算机和数学方面获得的一些荣誉和经历包括 42届 IMO满分金牌, 2004 ACM/ICPC 上海区前5, 密歇根大学(University of Michigan) 访问学者, 微软亚洲研究院和 Google 中国实习生等.

            • At 2007.09.19 13:03, rex said:

              admiration:)

              • At 2007.09.19 13:54, You XU said:

                原文已经作为客座Blog 张贴.
                奇怪的是为什么我的 Trackback 没过来, 要人肉 Trackback :)

              • At 2007.09.19 12:45, dribblejj said:

                我悲伤的发现我已经是四年级博士生了,另外admire一下满分金牌

                • At 2007.09.19 13:34, alan said:

                  最近在网上老发现大牛啊。呵呵。
                  喜欢用小小的数学模型来分析整个社会现象,通俗易懂。
                  另,个人非常喜欢心里学。

                  • At 2007.09.19 21:02, tliu said:

                    非常有意思的文章,看来可以将数学和社会学结合起来作研究。

                    • At 2007.09.20 11:38, inspire said:

                      不好意思 转载一个 :)

                      • At 2007.09.20 16:51, hrllpsy said:

                        其实从心理学角度来看,就是一种责任分散,如果只有一个人看到,也许他当时就会立刻拨打报警电话,当人数越多时,个体所承受的压力就变小,从而缺乏驱动力去发生特定的行为了,也从而带有一定的从众行为倾向

                        • At 2008.02.17 15:54, fhx said:

                          我想在我的blog里转载,特此申请

                          • At 2008.05.05 18:06, Y1YI said:

                            我收藏了,请不要介意.

                            • At 2008.05.12 21:12, huibie said:

                              我突然想去学好数学了!

                              • At 2008.06.03 08:23, 在路上 said:

                                从众行为及多元无知也是导致都不报警的产生。

                                • At 2008.06.29 17:32, cx said:

                                  .您能不能讲一下p是怎么算的?

                                  (Required)
                                  (Required, not published)

                                  guest | 注册 | BBS | 管理 | English | 繁體

                                  阅微堂

                                  You’re still goin’ strong

                                  Loading...
                                  Loading...
                                  Loading...