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
个围观者,有人提供帮助(报警),每个人都能得到
的固定收益,但报警者会有额外损失
(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
时,一个完全理性的人不可能去报警,所以我们只考虑
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报警 | ![]() |
![]() |
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
,不难得到纳什均衡在
达到。注意
是随着人数
增大而增大的!更重要的是,存在某人报警的概率
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
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
和
的比值决定,而在受益
确定的情况下,完全由
决定,这里的
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
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
,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。

好文啊...
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。]
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。
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。
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.
admiration:)
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
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
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。
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。
不好意思 转载一个
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
我想在我的blog里转载,特此申请
我收藏了,请不要介意.
我突然想去学好数学了!
从众行为及多元无知也是导致都不报警的产生。
.您能不能讲一下p是怎么算的?
很有意思,我也转载一个
我也想转一个。
收了。
分析的有意思。。。
[...] 转载自阅微堂 [...]
p的计算过程能讲一下吗,谢谢。
该计算过程有误,但结果是对的!p的正确值应为p=pow(b/na, 1/n-1),请作者仔细检查一下。
计算过程如下:
A不报警的收益:R1=0*pow(p, n-1)+a*(1-pow(p, n-1)),
A报警的收益:R2=pow(p, n-1)(a-b)+(1-pow(p,n-1))(a-b);
A的期望收益: R(p)=p*R1+(1-p)R2;
求导,令R(p)'=0,解得p=pow(b/na, 1/n-1),这里,作者把指数函数的底写错了,不是b/a, 应该是b/na,不过这不影响结论,因为pow(b/a, 1/x-1)和pow(b/xa, 1/x-1),当0<=b<=a时,都是单调递增函数!
关于Nash均衡,请参看张维迎的《博弈论与信息经济学》
这个不是单调递增的吧???递减吧。。。关于LZ的计算有待考证。。。。