啃书文学网

手机浏览器扫描二维码访问

附录 将流行病学模型应用于经济叙事（第2页）

SEIHFR分区模型有六个分区，不过，以后的经济叙事模型可以设置更多的分区并从中受益。比如，技术性失业叙事（请参阅第13章）的传播模型可以设置失业且受感染、失业未受感染、受雇且受感染、受雇未受感染的分区以及传统经济模型中的附加方程式。

经济模型也可以从并发流行病的医学文献中获得启发，将传染性经济叙事纳入经济模型。在医学上，当一种疾病的发展与另一种疾病的发展相互作用时，就会出现并发流行病。例如，艾滋病和结核病已被确定为具有双重传染性：同时感染这两种流行病的人数要远远多于这两者的独立模型分别预测的人数。伊丽莎·隆等人（ElisaF.Longetal，2008）根据克马克—麦肯德里克的思路提出了基本分区模型的一个变体，在这个模型中，感染了其中一种疾病的人更容易感染和传播另一种疾病。这样的模型可以代表一个叙事星座，星座中的多个叙事通过传播相互加强。此类模型也可以代表经济叙事（如技术性失业叙事）与经济状况（如失业）的相互作用。

结构式宏观经济模型通常包含简单的单变量整合移动平均自回归模型（ARIMA），以此表示那些没有经济学理论对之予以表述的误差项或驱动变量。乔治·博克斯（GeorgeE.P.Box）和格威利姆·詹金斯（GwilymJenkins）在他们1970年的书中首次普及介绍了ARIMA模型。虽然博克斯和詹金斯声称这类模型在哪个科学领域都有用武之地，不过最积极的使用者还要属经济学家。由于可以用ARIMA术语描述的时间序列预测理论非常成熟，ARIMA模型在经济学家中的流行导致理性预期模型的流行略有延迟，（根据GoogleNgrams统计）后者在1990年左右达到最高点，不过至今仍在流行。ARIMA模型是本附录中所述分区模型的替代方案。但是，ARIMA模型本质上具有一定的武断性，与分区流行病模型不同，它缺乏理论基础。

我们可以通过流行病理论模型对ARIMA方法加以改进，将模拟、分类、统计和最优化方法结合起来，在传染率和康复率随时间变化的时候对流行病发展曲线进行预测。我们可以根据对流行病结构的了解，有选择地引入流行病本身数据之外的数据，这远远胜过茫无目的地寻求“先行指标”的做法。

并不是所有的流行病数据都与分区模型框架完全匹配。我们可以看一下在美国长期而缓慢地流行的脊髓灰质炎肠道病毒案例，它从19世纪后期开始传播，在1952年达到高峰，中间还叠加了看似随机的夏季流行。清洁和卫生条件的改善本应减少而不是增加该病的发生率。矛盾的是，较低的发病率——这在很多时候本应是好事——带来的结果是涉及瘫痪或其他后果的上报病例更为普遍，因为哺乳期婴儿不太可能从母亲那里获得抗体，而抗体原本可以帮助他们获得免疫力，以抵抗这种疾病在以后的再感染中造成的严重后果。

当我们将分区模型应用于社会流行风潮和观点流行风潮时，自然需要做一些调整。一种思路是，随着某个观点逐渐变得不再那么吸人眼球，传播率应该会逐渐下降。达里尔·戴利和戴维·肯德尔（DarylJ.DaleyandDavidG.Kendall，1964，1965）提出了一种对该想法建模的方法，他们表示可以对克马克—麦肯德里克模型进行调整，使其反映如下模式：当感染者遇到另一名感染者或康复者之后，往往会变得失去传播力，因为他们会以为很多人现在都已经知道这个故事。由于故事不再新颖有趣，新感染者选择不再进一步传播。

巴塞洛缪（D.J.Bartholomew，1982）认为，当我们将克马克—麦肯德里克模型的修改版本应用于观点传播时，不应该把停止感染他人和遗忘观点当作一回事。人类的行为可能会受到一个虽然不怎么被提起但仍被人记在心里的旧观点的影响，也可称之为“行为痕迹”（Berger，2013）。

现在，网络模型方面的经济学文献数目可观，如最近的《牛津网络经济学手册》（Bramoulléetal，2016）。但行为流行模型却为数不多。“叙事”一词在上述手册中一次都没有出现。一些修改后的SIR模型涉及了复杂的结果模式，有时还涉及周期。传播的地理模型因全球社交媒体链接而变得越来越复杂。

一些SIR模型放弃了随机混合的想法，选择了网络结构。个体在是否允许自己被感染方面可能会做出策略性决策，而感染人群所占比例会影响这个决策（JacksonandYariv，2005）。另外一些模型设定，个体采取某些做法并不仅仅是因为随机感染，还因为他们理性地计算过自己与他人碰面时传递的信息。

虽然人们担心现代媒体（尤其是互联网）会导致原始SIR模型在描述社会流行时不再那么准确，但不管人们之间采取何种联系方式，克马克—麦肯德里克核心模型都能够适用。出于这个原因，我们在使用SIR模型解释观点或叙事的传播时，可能需要对其做出改动，将广电传播以及人际接触传播纳入考量。不论人们处在什么地理位置，社交媒体都会自动将叙事推送给可能对其感兴趣的人，因此叙事有着更高的传播率，而现有模型可以适应这样的变化。

社会学家伊莱休·卡茨和保罗·拉扎斯菲尔德（ElihuKatzandPaulF.Lazarsfeld，1955）以充足的证据证明了“两步传播假设”，即文化变革虽然始于新闻媒体，但需要通过主要群体的口口相传这一“中继功能”才能实现，领导这些群体的是关注新闻且数量相对较少的群体成员。营销行业立即采取应对措施，推广了口碑传播策略和电视广告，让演员将自己演绎成能够让普通人产生认同的人物并模拟直接的人际对话。此外，营销文献发现，直接的口碑传播在说服力方面仍胜过其他形式的交流。在研究互联网和社交媒体是否会影响SIR模型时，赵来军及其合著作（2013）提出了一种改进的SIR模型，在这个模型中，新闻媒体数量的增多类似于参数c和r的变动。

克里斯汀·鲍克哈格（ChristianBauckhage）给出的证据表明，克马克—麦肯德里克分区模型的SIRS变体在GoogleInsights（现在的谷歌趋势）的互联网模因上与时间序列数据相当匹配。他研究了近来那些愚蠢的互联网病毒，如“ORLY?”模因，这个模因其实就是一张照片，上面是一只貌似一脸惊讶的可爱猫头鹰。模因大多荒谬而没有意义，因此我们可以预想它们会遵循一个独立于其他观点的发展过程，从而与SIRS模型完美匹配，这也正是鲍克哈格发现的结果。他一次又一次地在互联网模因中发现了大致相同的驼峰形感染模式。

认为经济叙事的传播模式类似于疾病流行的更多理由

即使现代传播媒体已经使面对面的直接交流变得不再那么重要，但由三个方程式构成的克马克—麦肯德里克模型仍可用来研究观点传播。无论人们如何联系彼此，核心模型都能够适用。

我和同事约翰·庞德（JohnPound）在1985年对机构投资者和个人投资者进行过一次调查，以期了解他们在做出投资决策时带有多大的系统性。我们请所有受访者回想一下他们最近所做的一笔股市投资，并询问他们是否同意以下有关此笔投资的说法：

我或其他人（使用计算机或其他类似搜索程序）在大量股票中系统性地寻找一只具有某些特征的股票，然后对它产生了初步的兴趣。注释标题ShillerandPound（1989），第54页。发给个人投资者的版本中删掉了括号里的内容。

机构投资者中有67%的人同意这一说法，但只有23%的个人投资者同意这一说法。另一项调查的对象是那些投资于高市盈率并且股价飞涨的股票的投资者，我们在调查中提出了同样的问题。在这项调查中，只有25%的机构投资者同意这一说法，而个人投资者中仅有16%同意。

那么，人们是如何开始关注某只个股的呢？答案是口口相传。我们在第一项调查中询问受访者与多少人谈到过该只股票。对于随机样本中的机构投资者，平均答案为7。对于活跃的个人投资者，平均答案还要更高，为20。由此得出的结论是，人们的选择并不都是系统性的：他们会因为小道消息产生非系统性的反应，从而造成关注点的摇摆不定。从投资领域得出的这一认识可以延伸至投资之外的其他经济决策，因为它反映了人类决策的基本模式。有人建议用SIR模型的修改版本来理解人们对单一资产的投资，他们提出证据证明，人们往往投资于地理位置较近的公司，对单只股票的兴趣有时会非常迅速地风行一时，但并不会感染大部分人口（如果c和r都很高，或是限定于较小的地理区域，SIR模型就可以套用）。

这类模型可以帮助解释经济叙事传播的地理模式，比如比特币叙事，虽然它在很多国家都具有传播力，但也确实带有地域性。宾夕法尼亚大学沃顿商学院院长杰弗里·加勒特（GeoffreyGarrett）访问硅谷后，在返回的时候谈及了人们对比特币的看法：

虽然华尔街的大多数人都在怀疑和观望，硅谷却全情投入。从最大的科技公司到最小的初创公司，基本上我参加的每场会议都充满了热情而富有创意的有关加密货币的对话。注释标题http:knowledge.wharton.upenn.eduarticleis-this-the-end-of-money.

观点传播和信息瀑布

SIR模型的变体可能会产生混沌。数学中的混沌理论表明，很多非线性微分方程模型从精确的数学意义上说有可能是混沌的。也就是说，系统可以生成看似随机的变量，这些变量永远不会重复出现；即使系统是确定的，这些变量好像也在生成随机数。事实上，计算机上的随机数生成器并不是真正的碰运气，而是这类混沌的确定性模型的产物。根据数学方法的论证和研究以及实际的疾病数据，SEIR流行病模型的变体有可能是混沌的。

混沌理论与蝴蝶效应有关，后者指的是一场似乎不可预测的巨大风暴有可能是一件看起来遥不可及、无关紧要的事情引发的，比如很久以前一只蝴蝶在地球的另一侧扇动了翅膀。SIR模型的另一个变体可以通过在基本模型中添加“信息瀑布”帮助解释这种蝴蝶效应。如果人们觉得，通过观察有多少人做出某些选择，就可以收集到可靠的信息，那么均衡就会向着随机的方向移动，就像萨尔加尼克及其同事在第4章中所做的虚拟音乐市场实验一样。加州大学洛杉矶分校伊沃·韦尔奇（IvoWelch）教授是信息瀑布理论的作者之一，我还记得我和他的一次经历。当时，他开车送我回酒店，告诉我他觉得我们就在酒店附近，但他不知道酒店到底在哪个位置。然后他发现了一辆没有乘客的出租车，于是他决定跟着那辆出租车，因为这辆出租车很有可能正在驶向那家酒店。他认为出租车司机掌握着我们所需的信息，这个猜测这一次完全奏效了，但它原本也有可能把我们带到另一家酒店或数不胜数的随机地点。如果很多人都像伊沃那样，那么理论上说，初始的一辆出租车就有可能引发一场流行并导致大量出租车涌向一个随机地点。

信息瀑布可以解释投机泡沫为什么有可能是完全理性的并且符合经济学原理。在我看来，它们很有意思，因为它们描述了在人们相当理性的情况下，泡沫或萧条是怎样从完全随机的原因开始起步的。乔治·阿克洛夫和珍妮特·耶伦在1985年创造了“近似理性”这个词，我真希望这个词在当时更加流行并像病毒般传播开来。不过，信息瀑布可能并不是一个特别重要的问题。在现实生活中，出租车司机似乎从不会跟着某辆领头车，至少当他们在本市开车前往目的地的时候不会这样做。但是，就像其他人一样，出租车司机在一些比较模糊的“事实”方面——比如本市的最佳餐厅——可能会效仿其他人。你可以试试让出租车司机带你去最好的餐厅：你得到的回应很有可能是一阵笑声，而且你们前往的目的地也不太可能真的是当之无愧的最佳餐厅。

如果不借鉴叙事经济学，我们很有可能永远都无法真正理解出租车司机的举动，也无法理解消费者、投资者和企业家的行为变化以及其他经济现象。我们需要在叙事经济学领域取得真正的进展，这对未来的研究至关重要。

魔王奶团敲凶哒  莲静竹衣代表作品合集（共8册）  知乎高赞答主：温酒的睡前故事（全2册）  冲出豪门似鸟飞  我的竹马是哭包  超能富豪养成计划  百龙传奇：人龙传  紫金陈：少年股神（全2册）  读美文库——再别康桥  全球神邸：我随机获得万界宝物  上班第一天，我拒绝了无偿加班！  替身的我和白月光互穿了  村霸农女：傲娇夫君来种田  灵域战仙  穿书之黑化反派自救手册  夏元  末世：开局爆出一只貂蝉  谢邀：人在迪迦刚成邪神  王牌狙击手（全5册）  末日求生