没有择侣偏好就能躲得过婚姻匹配么？

编者按：本期推送的是谢宇、程思薇和周翔发表于Proceedings of the National Academy of Sciences的文章Assortative  mating  without  assortative preference。本文发现除了婚姻市场中行动主体的个人偏好之外，动态的结构性因素也会影响婚姻匹配的模式。编者对原文有删改。

这是社论前沿第S1375次推送

微信号：shelunqianyan

摘要

婚姻匹配，即由有相似社会特征的男性与女性结成的婚姻，是一个非常普遍的现象。在社会学与经济学的既有文献中，婚姻匹配现象主要被认为是个体有意识的个人偏好的结果。本文发现，即使个人没有婚姻匹配上的偏好或是拥有互补特征，婚姻匹配的模式也会从结构性的因素中产生：即闭合系统中的动态婚姻过程。对于一个有限人口中的指定青年队列来说，当结婚者的比例增加的时候，结婚相对较晚的人会比那些更早结婚的人有系统上的差异，这一差异也会导致婚姻匹配现象的产生。本文通过微观仿真方法来论证这一动态过程。

引言

婚姻匹配是在人类社会中可以普遍观察到的现象。在社会学与经济学的既有文献中，婚姻匹配现象主要被认为是个体有意识的对婚姻匹配的偏好下的结果。从一方面来说，社会学家们认为有相似的社会特征的人更容易具有相似的价值观、兴趣爱好、品位、经济资源与生活方式，并且个体在选择婚姻伴侣时也经常会注重这些相似性。另一方面，经济学家们通过强调婚姻伴侣双方的互补性来解释婚姻匹配现象。比如，Becker就发现在平衡的婚姻市场中，伴侣双方更可能由于具有在家务劳动上互补的特质而结合。换句话说，在二者的相似特征可以通过提升家庭幸福的方式来让双方受益，伴侣就有可能步入婚姻。

长期以来，社会学家们一直清楚地知道婚姻匹配现象，与友谊的形成一样，也可能会来自通过相似的特征将个体筛选进不同的社会背景的结构性力量。在现代社会，能够导致婚姻的经历与社会活动需要男女双方互相了解并且进行接触是很安全的一个假设。这个假设即使在交往是基于网络环境的条件下也依旧可靠。由于社会结构会定义人们进行交往的社会空间，它可以进而扩大或者限制婚姻匹配。在社会学文献中，社会结构被用于定义对配偶机会的接触程度（比如潜在的可以交流的人）。当有不同特征的人被分隔到不同的社会背景中时，即使人们并不倾向于与相似的人结婚，婚配匹配依旧会发生：因为他们没有机会与遇到或者接触到有不同特征的人。

本文发现，即使个人没有匹配偏好或是拥有互补特征，婚姻匹配的模式也会从另一个结构性的源头中产生：即闭合系统中的动态婚姻过程。对于一个有限的人口中的指定青年队列来说，当结婚者的比例增加的时候，刚进入婚姻的未婚者会比那些更早结婚的人有系统上的差异，这一差异也会导致婚姻匹配现象的产生。在最近用因果框架进行研究的文献中发现，在被处理组的倾向值(如结婚的倾向值)与处理效果(如结婚夫妇的效度)系统地相关时，动态过程会导致未处理组（如未婚的个体）的人口结构的变化。本文利用微观仿真方法来论证这一动态过程，首先利用了传统的deterministic Gale-Shapley模型，之后使用了概率模型以及encounter mating模型的两种形式。

假设与模型

本文首先假设了一个性别比例为1的有限人口，其中包括N名男性和N名女性（本文假设所有的婚姻为异性婚姻 ）。为了简便，本文假定个体只考虑单一维度的潜在婚姻伴侣特征，即伴侣吸引力。为了只论证变化中的人口结构对产生婚姻匹配的影响，本文假设对伴侣吸引力的偏好在所有相对性别成员中保持不变：用Xm与Xf分别代表男性与女性的伴侣吸引力。在这个设定中，一个人作为婚姻伴侣的吸引力，Xm或Xf ，会独立地影响与他/她结婚的效度。即，潜在伴侣的吸引力对做决定者的总体效度的贡献值并不决定于做决定者的特征。这也就是本文所指的在个人偏好层面的“无匹配”。随后，本文会讨论用于描绘婚姻形成的动态过程的三个模型。在这三个模型中，本研究只包括了一夫一妻制的婚姻，排除了多配偶制婚姻、离婚以及再婚。

微观仿真

本文用微观仿真（或称agent-based模型）来论证婚姻匹配的动态过程。在本研究的仿真中，假设的人口包括5000名男性与5000名女性，并假定个人特征Xmi与Xfi服从标准正态分布。同时，假设α0=β0=-1，α1=β1=2，c=0.0005。本文通过上述的三个模型来模拟匹配过程。在这三个模型中，本研究在每一个时间点记录了结婚伴侣的特征并且将他们在两个时间序列中表现，每个时间序列对应一个性别。本研究移除掉了没有成功结婚的时间点，因为这些时间点不能给本研究提供有价值的信息。

图1体现了由deterministic Gale-Shapley模型（模型1）产生的婚姻匹配结果。图1A是关于Xm与Xf的散点图，表现出男性与女性在婚姻中根据他们各自的Xm与Xf的排名完美地进行配对，Xm与Xf的相关系数是1.00。图中点的颜色代表结婚的时间：偏蓝色的点对应比较早的婚姻，而偏红色的点对应偏晚的婚姻。结果明确揭示了Xm与Xf分数较高的个体会更早结婚，分数比较低的会比较晚结婚。图1B是在不同婚姻时间下的流动相关系数(running correlation)和累积相关系数。图1B表明男性与女性特征之间的running correlation一直很高并且非常稳定。

在图2中，本文展现了用probabilistic Gale-Shapley模型（模型2）产出的婚姻匹配结果。图2A是关于Xm和Xf的散点图，二者的相关系数是0.71，表明婚姻中的高匹配度。同样，点的颜色表明Xm和Xf分数比较高的个体会更早结婚，而分数较低的会更晚结婚。图2B表明，当在短时间间隔中研究匹配度时，在模型2中加入概率的成分会将男性女性特征之间的流动相关性降低几乎到0。而累积相关系数则随着伴侣数量的增长逐渐变大。这一特征表明夫妻间特征的匹配度主要取决于人们进入婚姻的时间（有更高特征的人会更早结婚），但是这一特征会在控制等待进入婚姻的时间之后消失。

​

本文认为encounter mating模型对于婚姻研究来说是更现实的模型。这一模型分为两部分：基线模型（模型3A）和包含等待成本的扩展模型（模型3B）。图3展示了基线模型（模型3A）的结果，图4展示了扩展模型（模型3B）的结果。

图3A和3B表明，总体相关系数是0.53，相比由前两个基于Gale-Shapley算法模型的结果，这一结果体现出的匹配度更小但是更可信。在图3B中，已匹配者中的累积相关系数随着更多的人结婚而逐渐增加（红线）。这一增长的一大部分是由未婚者之间增长的同质性（由相遇的组对间各自Xm和Xf增长的匹配度所体现（蓝线））所驱动的。从数字来看，这一结果与模型2的结果基本类似，因为流动相关系数一直保持在接近0的状态（除了结尾段），但是累积相关系数随着时间逐渐增长，尤其在结尾段。图3C展示了男性与女性在不同结婚时间下的流动平均值(running average)，这一结果揭示了夫妻双方的特征值会随着时间稳定下降。图3D表现了在个人特征五分位数下的到婚姻的平均时间：排在较低五分位的个体比其他排在较高位数的个体更晚结婚。

图4表现了扩展模型（模型3B）的结果。图4中的模式与模型3A中的结果在本质上比较类似。然而，值得注意的是，模型中加入的增长的单身的时间成本进一步降低了匹配度，让总体相关系数降低到了0.44。原因是，增加的等待成本让人们在步入婚姻时对伴侣的特征（吸引力）不那么有选择性，进而通过结构性的改变降低了匹配度。同样的，如图4D所示，扩展模型中五个五分位数之间的平均到婚姻时间的差距相对基线模型中的更不明显。

结论

本文发现，即使个人没有匹配偏好或是拥有互补特征，婚姻匹配的模式也会从另一个结构性的源头中产生：即闭合系统中的动态婚姻过程。对于一个有限的人口中的指定青年队列来说，当结婚者的比例增加的时候，刚进入婚姻的未婚者会比那些更早结婚的人有系统上的差异，这一差异也会导致婚姻匹配现象的产生。通过传统的deterministic Gale-Shapley模型、probabilistic Gale-Shapley模型以及更现实的encounter mating模型的两种形式，本研究使用微观仿真模型来论证这一动态过程。