社会网络特征、群体离散指数与社会经济地位：基于CGSS调查中少数民族的分析

杨潇坤,刘 庸

（兰州大学 西北少数民族研究中心，甘肃 兰州 730020）

一、研究背景与问题提出

布迪厄作为社会资本概念的早期提出者之一，创造性地建构了关系（Ties）、场域（Field）与资本（Capital）三者间的联系。布氏认为，场域是一种基于不同节点位置之间的关系铺织起来的网络结构，处于这一网络结构中不同节点位置的个体拥有不尽相同的资源禀赋，从而体现出不同节点位置的占有者在资本构成中的分布模式[1]132-134。可见，场域是关系的载体，也是资本角逐的舞台之一。场域的本质依附于资本的各个节点位置以某种方式连结而成的社会网络。进一步地，布氏定义社会资本是嵌套于社会网络中的现实的或潜在的各类资源的累积，它由两部分组成：一是社会网络中的关系；二是社会网络中资源的数量与质量[1]136。由于任何一个社会网络都不可能无限地扩张，现实社会中总是存在着若干个规模或大或小的社会网络。这些社会网络往往具有共同的特征：由彼此熟识且信任的人员构成，在一定程度上被制度化[1]139。上述分析表明，社会网络与社会资本是一组相辅相成的概念，前者为理解与测量后者提供了基础。

布迪厄之后，对于社会网络研究的发展作出举足轻重贡献的学者是格兰诺维特与林南。格兰诺维特提出的“弱关系”理论，依据社会网络中成员的接触频率、亲密程度以及互助次数等指标将社会网络的质量分为弱关系与强关系两类，并认为弱关系的社会网络较之强关系的社会网络在社会资本获取上更胜一筹[2]1371-1373,1377-1378。林南进一步完善了布迪厄的社会资本概念，认为社会资本是一种嵌入于社会网络结构之中、通过个体有目的的行动来获取或动员的资源，并且提出从达高性（Upper Reachability）、广泛性（Extensity）与异质性（Heterogeneity）三个特征维度测量社会网络[3]28-30,35。如果说早期社会网络研究更倾向于格兰诺维特的测量方法，那么近二十年来，林南对社会网络的测量则为更多学者所采纳。

既然社会网络是社会资本的具象，而社会资本毫无疑问地影响着个体的社会经济地位（Socioeconomic Status），那么，一个自然而然的想法是，社会网络状况会影响个体的社会经济地位吗？事实上，以往研究成果已经给出了肯定的答案[4]402-403。然而，如果转换本土化的视角，不难发现这一研究问题依然葆有旺盛的生命力与可发掘的潜在价值。一方面，目前国内学界关于社会网络的实证研究归纳起来大体上集中于阶层网络与社会资本差异、社会网络与职业地位获得以及社会组织网络与组织社会资本等研究课题。例如，边燕杰以不同阶层的城市居民为研究对象，分析其社会资本构成的差异[5]136；赵延东以下岗职工为研究对象，分析下岗职工的社会网络与其再就业过程的关系[6]；边燕杰以私营企业为研究对象，考察私营企业主的社会网络对私营企业的建立与发展的作用[7]。这些研究的对象往往是城市居民、求职者或社会组织，极少有专门以少数民族为研究对象，探讨其社会网络状况与社会经济地位两者关系的实证研究。社会分组原理（Social Group Principle）表明，社会总体由不同质的各类子群体构成[8]。即便是同一研究课题，基于不同研究对象所得出的结论可能由于群体异质性（Group Heterogeneity）的存在而具有不同的适用范围，因此以往研究结论或许不能完全适用于少数民族群体。另一方面，各民族之间与民族内部个体之间存在的结构性差异长期以来一直是国内学界的主要研究课题。结构性差异不同于文化性差异，主要是指民族群体之间或民族内部个体之间在社会经济地位方面存在的差异[9]。尽管不同学者采用不同的指标测量这种差异，但是归纳来看，以往研究选择的测量指标往往是民族群体层面的宏观指标，例如人均经济收入、教育结构、产业结构、行业结构、职业结构与城市化水平等[10][11][12]，较少采用个体层面的微观指标。同时，以往研究大多数是对民族群体之间结构性差异的宏观描述性比较，较为缺少微观视角下对个体之间社会经济地位差异的影响因素分析，特别是基于统计建模与统计推断方法的实证分析。

综合上述两方面的讨论，本文尝试以少数民族群体为研究对象，从个体层面出发考察少数民族社会网络与社会经济地位的关系。然而，由于来自同一少数民族群体的个体必然分享着某些相似的民族属性，如果完全从个体层面分析问题将会遗漏来自群体层面的重要信息。为此，本文兼顾群体层面的影响因素，选择离散指数这一变量，通过收集“群体—个体”嵌套数据，利用多层线性模型（Hierarchical Linear Model）的方法分析少数民族群体的离散指数在个体社会网络与社会经济地位的关系中发挥的作用。

二、研究假设推演

（一）个体层面的推论

如前文所述，林南提出从达高性、广泛性与异质性三个特征维度测量个体的社会网络。鉴于数据的可得性，本文仅分析其中的广泛性与异质性两个特征维度。社会网络的广泛性是指社会网络中个体可接触的节点位置的多寡，体现了个体藉由关系可获取的资源的丰富程度；社会网络的异质性是指个体的社会网络中与其构成弱关系的节点位置的多寡，体现了个体藉由关系可获取的资源的纵深程度[3]33-36。贝托的研究表明，社会网络资源愈丰富，愈有利于个体获得更高的社会经济地位[4]402，强调了社会网络广泛性对个体社会经济地位的正向影响。据此，本文设列第一个研究假设：

假设一：社会网络广泛性正向影响少数民族社会经济地位。

20世纪70年代格兰诺维特基于在美国波士顿郊区的调查发现社会网络中弱关系节点位置的数量愈多，则个体愈有可能获得更高的社会经济地位，并据此写就了使其一举成名的《弱关系的力量》（The Strength of Weak Ties）一文[2]1371,1377-1378。然而，边燕杰利用1988年在中国天津的实证调查数据发现，对于中国这样的“人情社会”来说，社会网络中强关系对个体社会经济地位的作用远甚于弱关系[13]。社会网络异质性衡量的正是个体所处的社会网络中强弱关系节点位置的比例。异质性愈高，则个体社会网络中弱关系节点位置的数量愈多；反之，弱关系节点位置的数量愈少。结合本土研究经验，本文设列第二个研究假设：

假设二：社会网络异质性负向影响少数民族社会经济地位。

（二）群体层面的推论

社会网络本质上是关系网络，关系的建立与性质则依赖于社会成员之间的交往互动。群体层面上，某一少数民族群体的分布流动状况影响着本民族内部个体的社会网络状况。对于人口分布广泛、流动性强的少数民族，因为更有可能与不同民族、不同环境中的其他社会成员建立关系，则民族内部个体的社会网络广泛性与异质性较强；反之，对于人口分布集中、流动性弱的少数民族，民族内部个体的社会网络广泛性与异质性较弱。此外，根据人口流动理论，人口流动总体上有利于促进经济社会的发展[14]。聚焦到少数民族上，则少数民族群体的人口流动宏观上有利于本民族经济水平的提高[15]34-36，从而间接影响民族内部个体的社会经济地位。有鉴于此，本文采用离散指数这一指标测量少数民族群体的分布流动程度，并设列第三、第四个研究假设：

假设三：离散指数在社会网络广泛性与少数民族社会经济地位的关系中存在调节作用。所属民族离散指数高的少数民族个体，其社会网络广泛性对社会经济地位的影响高于所属民族离散指数低的少数民族个体。

假设四：离散指数在社会网络异质性与少数民族社会经济地位的关系中存在调节作用。所属民族离散指数高的少数民族个体，其社会网络异质性对社会经济地位的影响低于所属民族离散指数低的少数民族个体。

综上所述，本文推论社会网络广泛性与社会网络异质性会影响少数民族个体的社会经济地位，且少数民族群体的离散指数分别在社会网络广泛性与社会经济地位、社会网络异质性与社会经济地位的关系中存在调节作用。据此建立研究的理论模型（见图1）。

三、数据与变量

（一）研究样本

图1 理论模型

本文使用的数据来自中国人民大学中国综合社会调查（Chinese General Social Survey，CGSS）项目。本文以少数民族为研究对象，由于单独一次CGSS调查中少数民族子样本占全样本的比例较小，为尽可能提高统计有效性与计算稳定性，本文选择横向合并2003年、2006年和2008年三次设计有“拜年网”题组、对社会网络测量较为全面的CGSS调查数据以扩充样本量。这样做的合理性在于，CGSS采用多阶段分层抽样的方式从全国范围内随机抽取样本个案，而且每次调查都会重新抽取不同的样本个案，因此合并后的样本中不存在重复个案。尽管如此一来会损失少量时间维度上的信息，但是由于三次CGSS调查的间隔时间较短，且CGSS本身不属于纵列数据，故几乎不会对本文的分析结果造成影响。通过数据清洗，在删除样本中的汉族个案、民族身份未知的个案以及极少数在所关注的核心变量上存在缺失值的个案后，本文实际用于研究分析的样本个案为647例，分别属于回族（25.04%）、蒙古族（8.81%）、满族（17.93%）、壮族（32.77%）与维吾尔族（15.46%）5个少数民族群体。

如图2所示，本文所构建的数据结构为“群体—个体”嵌套数据，少数民族个体嵌套于少数民族群体之内，构成群体与个体两个层面。之所以考虑嵌套数据，除上文已经论述的理由外，从统计推断的角度来说，原因在于来自同一少数民族群体的个体之间随机误差项存在一定程度的自相关（Autocorrelation），如果仅利用个体层面的数据建立统计模型则违背了样本数据独立同分布（Independently Identically Distributed）的基本前提，导致有限样本（Finite Sample）下统计推断失效[16]32-38。依据嵌套数据中变量所处的层面不同，多层线性模型中变量的属性也有所差别[17]。本文在群体层面选择的离散指数被称为全局变量（Global Variable），而在个体层面选择的社会网络广泛性、社会网络异质性以及社会经济地位等变量被称为个体变量（Individual Variable）。各变量的操作化定义详于后。

图2 嵌套数据结构

（二）变量操作化

1.社会网络广泛性

本文关于社会网络的测量仅采用了基于位置生成法（Position Generator）的“拜年网”题组，并未同时采用基于名称生成法（Name Generator）的“讨论网”题组。事实上，王卫东的研究表明，较之于讨论网，拜年网是中国社会文化环境下测量个体社会网络的更为有效的工具，也更为符合林南关于社会网络特征维度的界定[18]。因此，本文对社会网络广泛性的操作化定义基于CGSS拜年网题组中对“春节期间相互拜访、交往的亲属、亲密朋友和其他人的数量”这一题项的测量，计算各类人群的数量之和，数量愈多则社会网络总人数愈多，社会网络广泛性愈强，反之愈弱。

2.社会网络异质性

由于难以直接测量社会网络异质性，边燕杰建议可以采用社会网络节点位置总数量中亲戚等强关系人群所占的比例作为其近似估计[5]141-143。本文对社会网络异质性的操作化定义以对社会网络广泛性的测量为基础，将亲戚这类强关系人群的数量在社会网络总人数中所占的比例作为社会网络异质性的代理变量，即：

式中，H代表社会网络异质性，R代表社会网络中亲戚的数量，N代表社会网络总人数。

3.社会经济地位

尽管存在诸多不同的社会经济地位的计算方法，但是学界广泛采用的指标主要是格林提出的社会经济地位得分（Socioeconomic Score）与邓肯提出的社会经济地位指数（Socioeconomic Index）。本文采用格林的双因素方法计算少数民族个体的社会经济地位得分[19]。公式如下：

社会经济地位得分=0.7×教育+0.4×收入

式中，关于教育的测量使用CGSS中样本个案的受教育年限；关于收入的测量使用CGSS中样本个案的全年职业收入。

由于计算得到的社会经济地位得分的数值范围较大，有可能在后续估计多层线性模型时给梯度向量（Gradient）的迭代过程带来数值问题。为加快模型估计时的收敛速度，本文对计算出的社会经济地位得分作规范化（Min-max Normalization）变换。使原始变量映射到[0,1]区间上。

4.离散指数

离散指数为本文选择的群体层面的全局变量，常用来衡量某一少数民族群体人口分布的聚集或流动分散状况。计算公式如下：

式中，D代表离散指数，Ni代表某一区域（一般为省份）某一少数民族人口的数量，N代表这一民族在全国的总人口数。由公式看出，离散指数取值介于0与1之间，取值愈接近1，说明某一少数民族群体在全国的分布愈均匀，聚集程度愈低，人口流动性愈强。鉴于少数民族人口分布在一段时期内不会发生较大程度的变化，本文依据骆为祥利用2005年全国1%人口抽样调查数据开展的相关研究[20]，得到样本数据中5个少数民族群体的离散指数（见表1）。

表1 样本中少数民族群体的离散指数

5.协变量

虽然本文尽可能地扩充了样本量，但是样本中少数民族群体的数量依然较少，导致无法纳入足够的协变量以控制混淆因素对参数估计结果的干扰。尽管如此，本文依然选择性别与年龄2个最符合前定（Predetermined）原则的个体变量作为协变量，以期在一定程度上减少混杂性偏差（Confounding Bias）对实证分析结果的干扰。

本文所使用变量的描述性统计结果见表2。

表2 变量描述性统计结果（N=647）

四、模型设定与分析结果

（一）实证模型设定

1.空模型

本文建立的多层线性模型的第一个子模型为空模型（Empty Model）。该模型设定截距项为群体层面的随机截距，且个体层面与群体层面均不包含任何解释变量。模型设定如下：

式中，i为样本个案下标，j为群体下标，γ00为固定效应，εij与μ0j为随机效应。假定εij～ N(0, σ2)，μ0j～ N(0, τ00)，且 Cov(εij,μ0j) = 0，则被解释变量的方差可以被分解为 Var(社 会 经 济 地 位ij) =τ00+ σ2，进 而 计算组内相关系数ρ（Interclass Correlation Coefficients）：

事实上，计算组内相关系数正是空模型的意义所在。一般认为，如果组内相关系数大于0.059，说明被解释变量存在较强的聚类效应[16]64-66。就本文而言，则说明少数民族个体社会经济地位的变异可部分归因于少数民族群体之间的差异，从而有必要进行接下来的分析。

2.随机系数回归模型

在空模型的基础上，本文建立多层线性模型的第二个子模型随机系数回归模型（Randomcoefficients Regression Model）。该模型设定截距项与斜率均为群体层面的随机截距与随机斜率，且仅在个体层面上包含解释变量。模型设定如下：

个体层面：

社会经济地位ij=β0j+β1j性别ij+β2j年龄ij+β3j社会网络广泛性ij+β4j社会网络异质性ij+εij

群体层面：

复合模型：

社会经济地位ij=γ00+γ10性别ij+γ20年龄ij+γ30社会网络广泛性ij+γ40社会网络异质性ij+μ0j+μ3j社会网络广泛性ij+μ4j社会网络异质性ij+εij

式中，εij、μ0j、μ3j与 μ4j为随机效应，其余参数为固定效应。由于性别与年龄仅作为个体层面的协变量，故设定二者斜率为固定效应。依据研究假设，本文意在考察离散指数对个体变量的跨层调节作用，则建立随机系数回归模型的意义在于检验社会网络广泛性与社会网络异质性的系数是否表现为随机变动，进而判断是否有理由将其设定为全局变量的函数。

3.随机变动系数模型

在随机系数回归模型的基础上，本文建立多层线性模型的最后一个子模型随机变动系数模 型（Random Varying Coefficients Model）。该模型与随机系数回归模型的区别在于群体层面上纳入了全局变量离散指数，从而构成离散指数与社会网络广泛性和社会网络异质性的交互项以检验跨层调节作用是否存在。模型设定如下：

经勘察分析，该污水厂的地基承载力不够，无法直接进行污水厂建设，需要采取合适的地基处理技术进行处理，提高地基的承载力和稳定性。因此，根据勘察报告中的数据进行分析，选择夯实水泥土桩技术对地基进行处理，并进行施工方案设计。夯实水泥土桩施工完成后，需要进行沉降观测。沉降观测需要以该污水厂为中心布置观测点。布置的观测点应具有良好的通视条件，并定期进行沉降观测，对每次观测做好记录。该污水厂工程的沉降观测的首次标高为23.13m，具体沉降观测数据记录如表2所示。

个体层面：

社会经济地位ij=β0j+β1j性别ij+β2j年龄ij+β3j社会网络广泛性ij+β4j社会网络异质性ij+εij

群体层面：

复合模型：

社会经济地位ij=γ00+γ10性别ij+γ20年龄ij+γ30社会网络广泛性ij+γ40社会网络异质性ij+γ01离散指数j+γ31社会网络广泛性ij×离散指数j+γ41社会网络异质性ij×离散指数j+μ0j+μ3j社会网络广泛性ij+μ4j社会网络异质性ij+εij

式中，εij、μ0j、μ3j与 μ4j为随机效应，其余参数为固定效应。

本文借助统计软件Mplus8.0完成上述统计分析过程。考虑到样本量并不大，为保证统计推断的可靠性，选择稳健极大似然法（Robust Maximum Likelihood Estimator）估计多层线性模型的三个子模型。

（二）实证分析结果

进一步地，通过调节作用图直观地考察离散指数如何调节社会网络异质性与社会经济地位的关系。社会网络异质性对社会经济地位的边际效应为：

表3 多层线性模型估计结果

由于此时边际效应不是常数，故选择离散指数±1倍标准差时的取值绘制调节作用图（见图3）。社会网络异质性对社会经济地位的边际效应随着离散指数的增大而上升，说明离散指数正向调节了社会网络异质性与社会经济地位之间的关系。换言之，所属民族离散指数高的少数民族个体，其社会网络异质性对社会经济地位的影响要高于所属民族离散指数低的少数民族个体。

图3 离散指数的调节作用

五、结论与讨论

本文基于多层线性模型的实证结果既回应了以往研究，也提出了新的研究发现，在深化对少数民族社会网络的理解方面具有一定的探索意义。依据实证分析结果，总结下述研究结论。第一，社会网络广泛性正向影响少数民族社会经济地位。这一结论回应了以往研究，说明少数民族的社会网络中可接触节点位置数量愈多，社会资本存量就愈丰富，愈有利于其社会经济地位的提升。第二，社会网络异质性正向影响少数民族社会经济地位。尽管这一结论与研究假设预期的影响方向相悖，但仍不失为一个新的发现。以往研究认为中国社会中强关系的社会网络对社会经济地位的影响强于弱关系的社会网络，即社会网络异质性负向影响社会经济地位。然而本文的分析结果发现，少数民族的社会网络异质性程度愈高，愈有利于其社会经济地位的提升。这或许可归因于群体异质性的存在，即以往研究并未专门考察少数民族，而少数民族与以往研究对象之间的异质性特征已超出了以往研究结论所适用的范围。本文只是初步揭示了社会网络异质性对少数民族社会经济地位的影响方向，究竟这背后的形成机制是什么，则有待于后续研究进一步探讨阐明。第三，离散指数在社会网络异质性与少数民族社会经济地位的关系中存在正向调节作用。这一结论作为对上一条结论的补充，说明某一少数民族群体分布愈广泛、流动性愈强，则民族内部成员的社会网络异质性程度对于其社会经济地位的正向影响愈突出。有学者认为，少数民族人口分布广泛、流动程度高是民族发展的重要体现之一[15]37。本文或从社会网络的视角为此观点提供了实证数据支持。

本文亦存在两点不足之处。第一，由于CGSS数据为全国范围内抽取的随机样本，人口较少民族的样本数量明显少于汉族或者人口较多民族，因此即使是采用了横向合并的方式扩充研究样本，样本量依然不尽如人意。特别是样本中少数民族群体的数量较少，仅覆盖了5个人口较多的少数民族群体，导致本文设定模型时无法纳入足够的协变量来控制混杂性偏差。倘若后续研究能收集到更丰富的样本数据，或可使本文的研究结论更为稳健。第二，社会经济地位也可能影响少数民族社会网络状况，例如，考虑社会经济地位更高的少数民族个体拥有更加广泛的社会网络。为此，后续研究可选择合适的工具变量纳入模型以克服这种反向因果（Reverse Causality）对实证结果的干扰。

此外，为基于“拜年网”题组测量少数民族社会网络特征，本文仅能采用2008年及之前的CGSS数据，以致数据来源略显陈旧。本文所遇到的这一问题或许从一个侧面反映出当前国内缺少专门面向少数民族开展的大型社会调查项目，关于少数民族的二手调查数据稀缺。本文也借此希冀国内高校或科研院所尝试建立少数民族社会调查数据库，为研究者提供更多可资利用的数据资料。