基于系统动力学的我国社会重大风险仿真研究

张宁 刘革 张敬文

摘 要：基于系统动力学模型，构建社会重大风险系统因果关系图和流图，运用综合指数法对社会重大风险进行预警分析，并对子系统引起的社会重大风险进行仿真预测以监测我国社会重大风险。结果表明：宏观经济、生态环境及社会治理三个子系统监测预警综合值变化较小，趋势比较平稳，社会重大风险监测预警综合指数整体上呈现出小幅上升的趋势。因此，为防范化解我国的社会重大风险，政府应通过提升常规风险与突发事件应急管理机制精确度，加强社会重大风险的制度化控制，打好防范化解社会重大风险的基础。

关键词： 社会重大风险；系统动力学；仿真预测

中图分类号：F224．1；N941．3；C916  文献标识码： A   文章编号：1003-7217（2024）01-0104-07

一、引 言

“风险社会”这一概念是由德国社会学家乌尔里希·贝克提出的，他认为风险是指那些已存在、面向未来的种种有危害的不确定因素[1]。我们正从工业社会转型为风险社会[2]，如今各国更加着力于预防和管理风险，但与早期风险的特征表现不同，现代的风险并不能被完全计算或预测[3]。安东尼·吉登斯在制度主义的基础上对风险问题进行研究，认为“风险给我们带来了创新的动力，推动社会发展和进步，这样的社会会决定自己的未来，不会任由它走向宗教、传统或自然界的反复无常”[4]。当前，我国正处于社会转型期，随着改革的不断深入，经济实现了更好的发展，人民生活水平也得到了提高。然而，社会各方面的不确定因素增多，尤其是发展进入新时代以来，国内外经济社会发展形势发生了剧烈变化，我国社会矛盾和风险挑战愈加错综复杂。党的二十大报告指出，我国进入战略机遇和风险挑战并存、不确定难预料因素增多的时期，各种“黑天鹅”“灰犀牛”事件随时可能发生。我们必须增强忧患意识，坚持底线思维，做到居安思危、未雨绸缪，准备经受风高浪急甚至惊涛骇浪的重大考验。社会领域的重大风险影响着人民群众的切身利益，虽然防范化解社会领域的重大风险任务繁重，但也是加强和提升我国社会治理能力现代化的必然要求。

目前，有关社会重大风险监测的相关研究较少，已有研究主要集中在以下三个方面：（1）社会重大风险的界定方面。社会重大风险是由社会不稳定因素和人的不稳定因素引起的，影响范围广、波及人数多、损失较为严重的，削弱人民群众获得感、幸福感、安全感的风险[5]；社会风险是由生态、经济和政治等社会各个领域中不确定因素对社会整体良性运行和协调发展造成不良影响的一种可能性关系状态[6]。（2）社会重大风险的防范治理方面。一是在阐述社会领域重大风险相关概念及所面临的挑战和产生的原因的基础上，分别从政治层面、战略层面和操作层面探究了防范化解社会领域重大风险的策略[7]；二是从原因、结构、功能三个角度出发，研究社会领域重大风险的生成机理和治理策略[8]。（3）社会重大风险评估评价方面。1961年，埃·蒂里阿基安提出了三个测定社会不稳定性的指标[9]；艾斯特斯在提出衡量社会不稳定程度的六大指标后，又提出了确定社会失稳加剧的六个指标[10]；黄杰等从风险感知视角出发健全社会稳定风险评估机制，以实现风险的源头治理和社会的动态稳定[11]；宋林飞连续提出了社会风险早期预警系统、社会风险预警综合指数[12]和中国社会风险预警系统[13]，对社会风险预警系统进行分析和设计；霍德利等运用系统动力学的方法对北京冬奥会社会风险进行了仿真预测，得出总体社会风险预警阈值并对其进行预警险级判断[14]。

综上所述，学者们对社会领域的重大风险及其防范化解进行了研究，但是大多采取定量权重因素进行静态的社会重大风险识别和评估，缺少社会重大风险演化机理的动态分析。而系统动力学模型作为一种动态模型，一方面，可以详细地反映社会重大风险监测系统中各影响因素之间环环相扣的因果关系，能更加真实地反映社会重大风险的传播路径；另一方面，可以对社会重大风险作监测预警分析，通过仿真模拟与计算，观察社会重大风险监测预警综合指数值，为制定风险监测措施提供参考。因此，从系统的角度有效分析社会领域的重大风险以及风险之间的关系，并针对性地进行监测，对于提升防范化解社会重大风险的能力具有重要意义。

二、社会重大风险监测系统因果关系分析

社会重大风险由经济、环境、生活等多方面因素相互作用产生，这些因素单一或相互交织起来给社会重大风险监测带来了极大的挑战。作为一个完整的系统，社会重大风险监测系统由多个子系统组成，每个子系统内部和子系统之间的不稳定性都将影响整个社会。同时，社会重大风险监测系统是一个动态系统，受到各方面因素的影响较大，随着时间的推移，系统内部的各类风险不断叠加、累积。基于已有PSR模型初步建立了一个含有壓力、状态、响应的社会重大风险指标体系，并经过R型聚类分析筛选得出了评估现阶段社会重大风险状况的指标体系[15]，这为接下来建立社会重大风险监测系统模型及仿真预测奠定了理论基础。

为此，本文基于所建立的社会重大风险指标体系来确定社会重大风险监测系统的边界，并建立一套包含四个层次的社会重大风险综合评价体系。社会重大风险监测系统包含宏观经济、人民生活、生态环境及社会治理四个子系统，一般认为生态环境是发展基础，宏观经济是发展动力，社会治理是发展保障，人民生活是发展目标。各子系统之间并非孤立存在，单个风险因素的存在可能导致其他风险的发生、扩散进而导致整体社会系统的不稳定甚至崩溃。

人民生活子系统表现为宏观经济、社会治理等对人民的影响及其变化带来的社会影响。生活环境、国家政策、医疗水平、受教育程度以及养老社会保障都会对人民生活造成举足轻重的影响。

宏观经济子系统表现为经济发展变化及对其他社会子系统的影响，在社会领域重大风险监测系统中占主导地位。宏观经济发展影响着城镇化发展、产业发展、国家财政和人民生活水平，同时会造成环境的破坏和资源的消耗。

社会治理子系统表现为人民日常生活中所发生的恶性事件以及国家为减少这些事件影响所采取的相应措施。社会治理能够反映一定时期的人民生活水平和经济发展状况，同时也对人民生活有着巨大的影响。

生态环境子系统表现为自然生态的现存状态、人民生产生活产生的垃圾废气对自然环境的破坏，以及相应的环境保护措施。社会经济的发展和人民生活水平的变化，导致了生态环境的显著变化。

根据上述对各子系统及其相互关系的分析，在各子系统内部指标的基础上以现有政策为标准对其进行进一步提炼细化，得出人民生活子系统包含医疗、养老、公共安全、教育、就业五个方面；宏观经济包含消费、投资、收入三个方面；生态环境子系统包含工业环境、生活环境、造林绿化、环保支出四个方面。图1是运用Vensim PLE软件绘制的因果关系回路图。

三、社会重大风险监测系统模型的建立

（一）社会重大风险指标权重的确定

本文采用熵权法确定社会重大风险指标体系中各指标的权重。确定指标权重的方法主要有主观赋权法和客观赋权法两种。在指标全面且观测时间长的基础上，经济社会发展指标数据出现的不正常波动，能够显著地反映当前社会所存在的重大风险。然而，这些客观数据并不适用于专家意见法等主观赋权法，因此，采用熵权法这一客观赋权法确定各指标的权重。熵权法主要根据各指标传递给决策者的信息量大小来确定权重，能够消除权重计算过程中主观因素的干扰。本文的指标数据主要来源于2010—2020年《中国统计年鉴》。使用熵权法进行赋权的步骤如下：

1.数据的无量纲化。由于各项指标具有不同的量纲，为了排除量纲的选用对评价结果的影响，使各项指标能加权综合成总指数，需做无量纲化处理。选用极大极小法作为无量纲方法对指标数据进行标准化。其中，式（1）用于计算正向指标，式（2）用于计算负向指标。

2.各指标信息熵。根据信息熵的定义，指标的信息熵为：

其中，pij表示第i年第j项指标的比重，即

3.确定指标权重。基于信息熵可计算得出各指标权重：

计算得出社会重大风险监测指标体系中各项指标的权重如表1所示。

根据权重计算结果可见，人民生活子系统指标中，文盲率的权重最大，为0.0340，说明人民的受教育水平在人民生活中扮演了重要角色；宏观经济子系统中，GDP增速的权重最大，为0.0456，说明国内生产总值的变化能够显著地反映出目前的宏观经济发展水平；社会治理子系统中，调解民间纠纷数的权重最大，为0.0305，说明调解民间纠纷数是反映社会治理情况的主要因素；生态环境子系统中，二氧化硫排放量的权重最大，为0.0405，直观地反映出减少二氧化硫排放量对于改善生态环境状况有着显著的效果。

（二）社会重大风险监测系统模型流图

为了更直观地反映系统运行过程以及系统内结构及反馈作用的机理，在因果关系图的基础上，进一步区分变量的性质，构造出系统流图。利用Vensim PLE软件绘制社会重大风险监测的系统动力学模型流图如图2所示。

（三）模型方程的构建

系统动力学模型的运行不仅需要构建体现系统内部各因素之间复杂关系的流图，还需要建立在对模型参数的估计和方程构造的基础上。基于社会重大风险评价指标体系通过对社会重大风险监测系统的因果关系分析，确定了系统中的状态变量、速率变量、辅助变量及常数。随着时间的变化有积累效应的变量作为状态变量，如宏观经济、人民生活、社会治理、生态环境及国内生产总值。状态变量如国内生产总值的初始值设定为2010年的统计数值。仿真运行过程中保持不变或变化甚微的量作为常量处理，如森林覆盖率。其他变量作为辅助变量处理。大多方程通过多元线性回归法、变量间的逻辑关系获得，而一些表函数方程的取值主要参照历史数据。

从系统动力学的建模原理出发，基于熵权法计算的变量间关系权重结果，结合社会重大风险监测系统模型的结构、变量初始值和权重关系，确定各风险因子的系统动力学方程。由于篇幅有限，本文仅列举了部分子系统内代表性指标的方程：

（1）醫疗卫生机构数=936337Wingdings 2MC@EXP［0.007529Wingdings 2MC@（TIME-2009）］

（2）老年抚养比=-23.4898+1.3503Wingdings 2MC@人口老龄化程度+2.2798Wingdings 2MC@LN（参加养老保险人数）

（3）GDP=INTEG（GDP增长量，412119.26）

（4）GDP增长量=GDPWingdings 2MC@GDP增长率

（5）第三产业比重=-128.146+13.2331Wingdings 2MC@LN（GDP）

（6）在岗职工平均工资变动率=WITH LOOK UP {[（2010，0）-（2025，20）]，（2010，13.47），（2011，14.28），（2012，12.11），（2013，10.08），（2014，9.49），（2015，10.25），（2016，9.09），（2017，10.33），（2018，11.328），（2019，10.194），（2025，11.06）}

（7）城镇化率=0.157Wingdings 2MC@LN（GDP）-1.5387

（8）GDP能耗=能源消费量/地区生产总值

（9）最终消费率=-5.4633+7.4136Wingdings 2MC@LN（居民消费水平）-0.1255Wingdings 2MC@通货膨胀率

（四）模型的检验

1.预测精度检验。为保证模型的实用性，采用基于历史数据的模型预测精度检验方式，运用全国2010—2020年的历史数据对模型进行检验。以2010年为基准年，把2010—2017年的数据作为训练集数据，2018—2020年的数据作为测试集数据，将训练集模拟得到的数据与实际数据进行对比，并计算出对应的相对误差，如表2所示。若模型的预测精度较低，则可通过改变系统内各变量间的关系对模型进行反复调整，直至得到合理的系统动力学模型。从四个子系统中选取全国代表变量的预测值进行检验，检验结果表明，模拟结果的相对误差均在10%之内，证明模型可较好地反映社会重大风险监测系统内变量间的反馈关系，完成社会重大风险监测系统的仿真。

2.结构稳定性检验。采用积分误差测试的方法验证模型结构的稳定性。分别选取STEP TIME=1，STEP TIME=0.5，STEP TIME=0.75，STEP TIME=0.125对模型的稳定性进行检验。由检验结果①可以看出，随着STEP TIME的变化，模型中变量的变化趋势大致相同，符合结构的稳定性检验标准。

四、仿真结果与分析

（一）社会重大风险监测预警结果分析

使用Vensim PLE软件对社会重大风险监测仿真系统进行模拟。系统运行范围为2010—2025年，仿真步长为1年，其中2010—2020年为系统对实际情况进行模拟的年限，以此进行系统调试和相关参数变量的确定，2021—2025年为系统仿真的预测年限，这一阶段的模拟是为了对未来的社会重大风险进行监测。

社会重大风险监测系统是一个具有多重反馈结构的系统，各子系统之间的相互联系及相互作用导致社会重大风险总指标值的增加或者减少。为了量化各年份社会重大风险的状态，客观准确地反映其风险水平，运用综合指数法的加权思想，计算各年份社会重大风险监测预警的综合指数值，见式（6）。

S=w1x′1j+w2x′2j+…+wix′ij （6）

其中，wj表示第j个指标的权重；x′ij表示第i年第j个指标数据的无量纲量化值。2010—2020年采用各指标实际统计数值，2021—2025年采用社会重大风险监测系统SD模型仿真后得到的预测值。通过式（6）计算得到2010—2025年的社会重大风险监测预警综合指数值，如表3所示。由图3可知，在2010—2025年，社会重大风险监测预警综合指数整体上呈现出上升的趋势，最大为2025年。

在2010—2025年的社会重大风险监测预警综合指数值的基础上，计算得到社会重大风险宏观经济、人民生活、生态环境及社会治理四个子系统的评价结果，见图4。从中可以看出，2010—2020年社会重大风险宏观经济、人民生活、生态环境三个子系统综合值在整体上都呈现显著的上升趋势，而社会治理子系统综合值波动较大。在2021—2025年，四个子系统综合值变化较小，都呈现出显著上升的趋势，其中，人民生活子系统的预警综合值最大，需要政府予以更多的关注。

（二）社会重大风险仿真分析

基于系统动力学原理，从影响社会生活的不同方面出发，识别当前状态下社会所面临的不同类型的风险因素，构建由宏观经济、人民生活、生态环境及社会治理四个方面组成的社会重大风险监测系统动力学模型。因篇幅有限以及所使用方法的相似性，这里仅展示仿真预测所得的人民生活子系统社会重大风险仿真预测数据集。模型中，人民生活方面的风险主要由就业、教育、公共安全、养老和医疗五个方面的具体影响因素构成。就业包括城镇登记失业率、城镇单位就业人员年末人数及财政社会保障和就业支出，养老包括老年抚养比、人口老龄化程度和城镇职工基本养老保险年末参保人数，教育包括教育经费、文盲率和每十万人口高等学校平均在校生数，公共安全包括交通事故直接财产损失总计、交通事故灾难数和财政公共安全支出占比，医疗包括医疗卫生机构数、每万人口医疗卫生机构床位和财政医疗卫生支出占比。改变人民生活子系统中的任何一个风险影响因子，将会影响到整个系统的风险状况。使用Vensim PLE软件，将人民生活子系统的数据输入该维度的系统动力学方程中进行模拟仿真，可以得到社会重大风险人民生活子系统风险的仿真预测结果和趋势变化图。将就业、教育、公共安全、养老和医疗五个指标对于人民生活子系统风险的影响系数分别增加10%和减少10%，作为人民生活子系统社会重大风险敏感性分析的数据。

根据表4中的数据，实现就业、教育、公共安全、养老和医疗五个指标对于社会重大风险人民生活子系统影响程度的敏感性分析，将通过Vensim PLE所得的仿真预测结果保存成一个数据集如表5所示。

从表5可以看出，2010—2025年，随着时间的推移，人民生活子系统的社会重大风险表现出逐渐增加的趋势，就业、教育、公共安全、养老和医疗五个二级指标相对于人民生活子系统带来的社会重大风险敏感性也是随着时间的推移不断增加的。

五、结论与启示

以上基于已有的社会重大风险指标体系，构建了涵盖宏观经济、人民生活、生态环境及社会治理四个子系统的系统动力学模型，并对社会重大风险子系统进行仿真预测，运用综合指数法评价该社会重大风险监测系统，并进行监测预警分析。得到如下结论与启示：

1.社会重大风险系统的影响因素中，压力指标中二氧化硫排放量的权重最大，是对社会重大风险系统造成压力的重要因素；状态指标中GDP增速的权重最大，说明国民生产总值在一定程度上反映着社会重大风险的状态；影响指标中第三产业比重的权重最大，说明第三产业规模对社会重大风险系统产生深远影响。通过综合指数法计算得出2021—2025年人民生活子系统社会重大风险值较高，需要随时予以监测，防止风险程度进一步扩大；而宏观经济、生态环境及社会治理三个子系统监测预警综合值变化较小，趋势比较平稳。

2.本文基于系统动力学原理与方法，设计社会重大风险监测系统的因果关系图，以识别和量化相关风险因子及其相互关系，并构建社会重大风险监测系统仿真模型，进行社会重大风险指标体系数据预测仿真研究，其中，对人民生活子系统的社会重大风险的模拟仿真发现，人民生活因素引起的社会重大风险随着时间的推移呈增加趋势，且子系统内二级指标相对于社会风险的敏感性也不断增加。

3.为防范化解社会重大风险，首先，必须坚持党的正确领导，充分发挥党的全面领导的政治优势，以更强的政治领导力为防范化解社会重大风险把方向、谋大局、定策略。其次，建立健全风险识别、预警、评估、化解、防控保障机制，以更强的制度威慑力防范化解重大风险。再次，政府应通过提升常规风险与突发事件应急管理机制精确度，加强社会重大风险的制度化控制，打好防范化解社会重大风险的基础。最后，要充分运用科技理念、手段、成果来织密防范化解重大风险的科技防控网，更好地发挥现代科技在防范和化解重大风险中的強大支撑作用。

注釋：

① 限于篇幅，时间间隔变动引起结构稳定性的变动情况未作呈现，如有需要，可联系作者。

参考文献：

［1］ 乌尔里希·贝克.世界风险社会[M].南京：译林出版社，2004.

［2］ Almas R. Food trust， ethics and safety in risk society[J]. Sociological Research Online， 1999， 4（3）：1-7.

［3］ Beck U， Levy D. Cosmopolitanized nations： re-imagining collectivity in world risk society[J]. Theory， Culture&Society，2013，30（2）：3-31.

［4］ 安东尼Wingdings 2_B@吉登斯.失控的世界[M].江西：江西人民出版社，2001.

［5］ 吴世坤，郭春甫.社会重大风险起源、界定与防范化解[J].社会治理，2019（5）：59-67.

［6］ 刘岩.当代社会风险问题的凸显与理论自觉[J].社会科学战线，2007（1）：213-217.

［7］ 李雪峰.防范化解社会领域重大风险的若干思考[J].行政管理改革，2019（4）：30-37.

［8］ 姚亮.社会领域重大风险的生成机理及治理策略研究[J].山东社会科学，2020（6）：69-76，82.

［9］ 胡联合，胡鞍钢，王磊.关于我国社会不稳定因素变化态势的实证分析[J].探索，2007（6）：105-114.

［10］ 鲍宗豪，李振.社会预警与社会稳定关系的深化——对国内外社会预警理论的讨论[J].浙江社会科学，2001（4）：110-114.

［11］ 黄杰，朱正威，王琼.风险感知与我国社会稳定风险评估机制的健全[J].西安交通大学学报（社会科学版），2015，35（2）：48-55.

［12］ 宋林飞.社会风险指标体系与社会波动机制[J].社会学研究，1995（6）：90-95.

［13］ 宋林飞.中国社会风险预警系统的设计与运行[J].东南大学学报（社会科学版），1999（1）：69-76.

［14］ 霍德利，薛广佑，毛旭艳.基于系统动力学的北京冬奥会社会风险预警研究[J].北京体育大学学报，2021，44（7）：76-92.

［15］ 刘革，邓庆彪，蔡耀星.基于PSR模型的我国社会重大风险评估体系研究[J].财经理论与实践，2021，42（5）：34-41.

Simulation Study of Major Chinese Social Risk Based on System Dynamics

Abstract：Based on the system dynamics model， this paper attempts to draw a causal loop diagram and flow chart illustrating the major social risk system. We simulate and predict socially significant risks caused by subsystems， and use the comprehensive index method to conduct an early warning of socially significant risks to monitor them in China. The results show that the changes in the comprehensive values of the macro-economy， ecological environment， and social governance subsystems are relatively small， with stable trends. The overall comprehensive index of major social risks shows a slight upward trend， but turns to a downward trend by the year 2025. To address and alleviate these risks effectively， the government could enhance the precision of routine risk and emergency management mechanisms. Additionally， the government could strengthen the institutionalized control of major social risks， laying a foundation for preventing and resolving these risks effectively.

Key words：major social risk; system dynamics; simulation prediction