🔬 physics

Can homophily explain public underestimation of climate policy support?

本文通过计算建模证明，虽然仅靠同质性无法完全解释为何共和党人和民主党人都低估了公众对气候政策的支持，但媒体偏见与现实的、对称的同质性相结合，成功地再现了所观察到的误解模式。

原作者： Ekaterina Landgren, Shriya Nagpal, Joshua Garland, Yaw Acquah, Matthew G. Burgess

发布于 2026-06-16

📖 1 分钟阅读☕ 轻松阅读

原作者： Ekaterina Landgren, Shriya Nagpal, Joshua Garland, Yaw Acquah, Matthew G. Burgess

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

巨大的谜团：为什么我们觉得大家都不支持？

想象一个城镇，实际上每 100 人中就有 66 人支持建造一个新的社区公园。然而，当你询问人们他们认为镇上的人是怎么想的时候，几乎所有人都猜只有大约 37 人支持。

这正是美国气候变化政策所发生的情况。大多数美国人其实是支持这些政策的，然而共和党人和民主党人都认为对方的力量比实际情况要大得多。他们正遭受着**“多元无知”（pluralistic ignorance）**的影响：他们认为自己的观点属于少数派，而实际上自己的观点才是多数派。

本文的作者想要解开一个谜题：为什么会发生这种情况？ 具体来说，他们测试了**“同质性”（homophily）**（即“物以类聚”的倾向）是否是罪魁祸首。

核心角色：同质性（“回声壁”效应）

把同质性想象成在午餐时选择和谁坐在一起。

支持者倾向于和支持者坐在一起。
反对者倾向于和反对者坐在一起。

如果你只和那些和你意见一致的人聊天，你对世界的看法就会变得扭曲。这就像看着一间装满红气球的房间，却以为整个世界都是红色的。

研究人员问道：这种“午餐桌”效应能否解释为什么每个人都低估了对气候政策的支持度？

实验：两个数字城镇

为了测试这一点，作者构建了两种不同类型的数字“城镇”（计算机模型），以观察人们如何根据与谁交谈来形成观点。

“风云人物”镇（优先连接模型）： 在这个城镇里，新加入的人更有可能成为那些最受欢迎的人（拥有最多朋友的人）的朋友。这创造了一些非常著名的影响力人物和许多普通人。
“俱乐部”镇（随机块模型）： 在这个城镇里，人们被分成了严格的俱乐部。你要么在“支持俱乐部”，要么在“反对俱乐部”。你主要和自己俱乐部的人聊天，但也有一定的概率会和来自另一个俱乐部的人聊天。

研究结果：为什么仅靠“午餐桌”是不够的

研究人员运行了他们的模型，看看仅靠同质性是否能产生现实生活中观察到的那种大规模低估现象。以下是他们的发现：

1. “反对者”问题：
如果气候政策的反对者只和反对者混在一起，他们会正确地猜到支持率在他们群体内部是很低的。这使得他们低估了总体的支持率。这部分逻辑是通的。

2. “支持者”问题：
如果气候政策的支持者和支持者混在一起，他们应该看到大量的支持，并因此高估总人数。

症结所在： 为了让模型符合现实（即支持者也低估了支持率），支持者必须表现得非常“反常同质性”。他们必须更倾向于和反对者混在一起，而不是和同类混在一起。
现实检验： 作者指出，这是不现实的。支持者通常不会去寻找反对者；他们通常还是会紧跟自己的群体。

目前的结论： 同质性本身无法解释为什么所有人都低估了支持率。它只能解释为什么反对者会出错，除非我们假设支持者的行为很奇怪。

转折点：加入“大脑故障”与“偏见新闻”

由于简单的同质性行不通，作者在他们的数字城镇中加入了另外两个成分，看看是否能解决这个谜题。

成分 A：“大脑故障”（贝叶斯缩放）

有时，我们的大脑在猜测百分比时表现得很糟糕。如果我们不确定，我们往往会倾向于猜测事物更接近 50/50，而不是实际比例。

类比： 想象你在猜一个罐子里红球和蓝球的比例。即使你看到了大部分是红球，你的大脑可能会说：“好吧，为了保险起见，它可能更接近一半对一半。”
结果： 加入这种“大脑故障”后，情况稍微好了一点，但仍然需要支持者表现出奇怪的“非同质性”（即去和反对者混在一起）才能得出正确的数字。

成分 B：“偏见新闻”（媒体偏见）

这是模型最终与现实吻合的地方。作者模拟了一个场景，即城镇里的“影响力人物”或“新闻机构”存在偏见。

类比： 想象一个城镇，那里的扩音器（媒体）主要播放少数派（反对者）的声音，使得他们看起来比实际情况更普遍、更有影响力。
结果： 当他们把真实的同质性（人们坚持与同类交往）与媒体偏见（放大对立观点）结合起来时，模型产生了与现实中完全一致的模式：支持者和反对者都低估了真实的水平的支持率。

最终结论

论文得出结论，单靠同质性并不是故事的全貌。

如果人们只是坚守自己的群体，支持者应该感到自信，而不是怀疑。
为了让每个人都觉得自己处于少数地位，一定有某种东西在放大对立方的声音。
在他们的模型中，最可能的罪魁祸首是媒体偏见（或类似的机制），它让对立的观点看起来比实际情况更响亮、更核心。

重要提示： 作者指出，虽然他们的模型需要媒体偏见才能运作，但现实世界中关于媒体是否对气候政策报道存在偏见的证据是“褒贬不一”的。有些研究说是，有些研究说不是。因此，虽然他们的模型展示了这种情况如何发生，但论文并未明确证明媒体偏见是导致现实中发生这种情况的唯一原因。它只是表明，同质性本身并不足以解释这一切。

技术摘要：同质性能否解释公众对气候政策支持度的低估？

问题陈述
美国公众对气候变化缓解措施的看法呈现出一种显著的误解现象：尽管大多数人（通常为三分之二或更多）支持气候政策，但支持者和反对者都会系统性地低估这一支持水平。这种现象是一种“多元无知”（pluralistic ignorance）的形式，在共和党人以及接触大量右翼媒体的人群中尤为明显。本文旨在解决的核心谜题是识别驱动这种低估的机制。具体而言，作者研究了同质性（homophily）——即个体倾向于与志趣相投者交往的倾向——是否足以解释为什么反对者比支持者更严重地低估支持度，以及为什么作为多数派的支持者也会低估支持度。

研究方法
作者采用分析性和基于模拟的智能体模型（agent models），来评估社交网络结构与认知处理如何相互作用从而产生误解。他们使用了两种不同的网络模型：

优先连接模型（Preferential Attachment Model）： 智能体基于现有的度数进行连接（富者更富），并引入可调节的同质性参数（ $h_{ss}$ 代表支持者， $h_{oo}$ 代表反对者），以调节组内连接与组间连接的概率。
随机块模型（Stochastic Block Model）： 智能体被分配到不同的块中（支持者与反对者），其连接概率由块内（ $H_{in}$ ）和跨块（ $H_{out}$ ）参数控制，从而形成模块化的社区。

在两个模型中，智能体通过观察自身观点以及其直接邻居的观点来估计公众支持度（ $\hat{f}_s$ ）。误解（ $\beta$ ）被定义为真实人口支持率（ $f_s$ ）与个体估计值之间的差异。

为了探索超越纯粹网络结构的机制，作者通过以下方式扩展了模型：

贝叶斯重缩放（Bayesian Rescaling）： 这是一种认知机制，智能体根据先验信念（ $\delta$ ）和不确定性（ $\gamma$ ）来调整对比例的感知，模拟了在不确定性下高估小比例和低估大比例的倾向。
媒体偏见模拟（Media Bias Simulation）： 在优先连接模型中，通过人为地将少数派（反对派）节点提升至中心、高度数的地位来模拟偏见，从而有效地在网络的影响力结构中过度代表反对派观点。

模型的输出结果与 Sparkman 等人 [3] 的实证数据进行了对比，该数据调查了 6,119 名美国人关于碳税及其他气候政策支持度的估计。

关键结果

仅靠同质性： 分析表明，除非同质性具有高度且不切实际的不对称性，否则仅靠同质性无法解释观察到的实证模式。
- 若要使反对者低估支持度，必须具备强烈的同质性（ $h_{oo} > 0.5$ ）。
- 然而，若要使支持者（多数派）也低估支持度，模型则要求其具有极低的同质性（ $h_{ss} < 0.5$ ），这意味着他们必须不成比例地与反对者交往。
- 在随机块模型中，这一要求更为极端，实证观察到的误解范围仅覆盖了约 3% 的参数空间。
贝叶斯重缩放： 引入不准确的先验（例如，认为公众支持度为 50:50 的信念）和贝叶斯重缩放可以降低产生现实误解所需的同质性不对称程度。然而，即使有了这些认知调整，要解释超过 20% 的总体低估现象，仍然需要支持者优先与反对者交往这种不切实际的假设。
媒体偏见： 作者发现，将现实的、对称的同质性（即两组人都倾向于与同类交往）与媒体偏见（模拟为在中心网络位置过度代表反对派观点）相结合，可以成功重现观察到的误解模式。在这种情景下，支持者和反对者都会低估公众支持度，且反对者的低估程度更为严重。

意义与主张
本文声称为理解公众对气候变化等极化议题的观点误解提供了理论基础。其主要贡献在于界定了同质性能以及不能生成多元无知的特定条件。

作者谨慎地得出结论，认为其结果并未最终解决气候政策误解之谜。相反，他们证明了：

仅靠同质性不足以解释数据，除非引入不切实际的行为假设（例如，支持者主动寻找反对者）。
当同质性与媒体偏见（即过度代表少数派观点）或不准确的先验相结合时，最可能产生现实的误解模式。
目前关于必要条件的实证证据是复杂且不确定的。

该研究作为一个警示性的理论框架，表明未来的研究必须超越简单的网络隔离，将信息环境和认知处理偏差纳入其中，才能充分解释为何公众会低估对气候政策的支持。