罚款和进步的意识形态促进了社会距离

同一组的5名参与者在其中一项政策干预下玩了20轮游戏。因此，我们使用受试者内设计和受试者间设计的两种策略的相对有效性来研究每种策略对社会距离行为的影响。一旦参与者完成了实验的互动部分，他们将继续进行实验后问卷调查，包括基本的人口统计学问题和一系列关于2019冠状病毒疾病大流行、社会距离、宗教、全球变暖、意识形态和政治冲突等主题的知识和态度问题。最后，参与者完成炸弹风险激发任务（BRET）（Crosetto and Filippin，2013），以激发风险偏好。根据疾病控制和预防中心的指导方针，受试者在说明中明确指出了新冠病毒，并描述了主要症状。治疗。我们实验的重点是三个治疗维度。首先，我们考虑两种5节点网络体系结构，用于参与者之间的交互结构：（1）一个完整的网络，其中每个人都与其他人连接；（2）一个星形网络，其中一个节点与所有其他节点连接，而这些节点之间没有连接。接下来，我们将2019冠状病毒疾病的传染性水平改变为低（α=15%）或高（α=65%）。最后，我们关注两种干预方法：（1）不练习社交距离的定义f=15分，或（2）以信息视频的形式进行行为推送，强调不练习社交距离对他人造成的伤害。因此，我们采用2×2×2全因子设计，共有8个处理。2数据在本节中，我们总结了我们的数据收集方法，并展示了结果数据集。

该部分还包括对最终样本的关键人口统计数据的描述，以及对来自实验的决策数据的收敛性分析。按照交互式在线实验的标准实践（Gallo和Yan，2015b；Suriand Watts，2011），我们首先使用MTurk上的一个简短调查招募了一组受试者。在招聘过程中，我们使用2018年美国人口普查数据，根据年龄、性别和地理位置生成一个代表性的成年美国人口小组（美国人口普查局，2019年）。作为招聘的一部分，我们还使用社会价值取向（SVO）任务收集受试者的社会偏好（Murphy et al.，2011）。SVO任务将个人分为四类——亲社会、个人主义、竞争性和利他主义——尽管典型的样本通常只包括个人主义和亲社会的个人。对于每一个实验环节，我们从我们的常设小组中随机邀请一个有代表性的受试者样本。尽管在参加实验环节时可能存在选择偏差，但我们获得了一个几乎具有代表性的样本，包括完成实验的400名参与者。为了检查在给受试者分配治疗时是否存在偏见，我们对受试者在性别、年龄类别和地理位置变量方面的治疗分配（一个包含8个选项的分类变量）进行了卡方检验。结果表明，所有八种实验治疗的受试者之间没有显著差异（双侧χ，p>0.05）。实验发生在2020年5月4日至29日之间。每节课有一到五组独立的五名受试者同时参加，具体人数取决于参加人数。实验平均持续33分钟，受试者的平均收入为5.81美元（包括固定参与费1美元）。

在整个实验过程中，受试者保持完全匿名，并且在参与前获得了受试者的知情同意。我们样本中的400名受试者都是美国居民，47%是女性，平均年龄不到44岁。我们样本中的平均受教育年限为15.3年，70%的人（全职或兼职）有工作。在宗教态度方面，51%的参与者认为自己是宗教，39%的人认为基督教是他们的主要宗教。样本中的平均受试者适度规避风险，CRRA得分为0.53- 0.55.关于社会价值观，我们的样本主要由亲社会者（58%）和个人主义者组成。我们限制美国居民参与者参与，他们至少完成了500项任务，总体排名至少为96%。我们还确保没有两个IP地址相同的受试者参与实验。最后，根据最近的贡献（Gallo和Yan，2015a；Rand等人，2011），即使只看过说明书的参与者也不允许多次参与。（41.75%），只有一个科目被列为竞争科目。总的来说，最终的数据集包含400名受试者的40项决策，共有1.6万次观察。图2A显示了个体平均社会距离倾向在传染性和网络治疗中的演变。该图显示，在第一轮中，社交距离行为呈下降趋势。这种行为在公益品实验中是典型的，随着实验的进行，对公益的贡献会下降（Ledyard，1994）。

在本文中，我们对这种融合过程的有限结果感兴趣，因此我们希望将注意力限制在大多数受试者已经确定了某种稳定策略的那些回合。特别是，我们确定，如果参与者在前四轮中使用了稳定策略，那么她在某一轮中已经收敛到稳定策略，并且在所有后续轮中，与所选策略的连续偏差不超过两次。鉴于上述趋同定义，我们发现，在前10轮治疗后，至少80%的参与者在每次治疗中趋同到一个稳定的策略。因此，我们的主要分析侧重于最后10轮的基线和干预，以控制受试者学习和实验的时间趋势。结果对包含所有数据都很可靠。3分析本节使用非参数和参数方法研究社会距离决策的决定因素。它包括对政治意识形态影响的讨论，以及我们用来确定其因果效应的工具变量方法。非参数分析使用Mann-Whitney U检验（以下简称MW）（Mann and Whitney，1947）对不匹配样本进行检验，使用Wilcoxon符号秩检验（以下简称WSR）（以下简称Wilcoxon，1945）对匹配样本进行检验。当样本由相同的组生成时，样本在组水平上聚合并匹配，而当对来自不同处理的跨组进行比较时，样本是不匹配的。我们使用随机效应Logit（以下简称REL）来模拟是否实行社会距离的二元选择。

形式上，它是一个随机效用模型，具有个体特定效应：yit=1<==> xitβ+vi+它>0（1），其中决定实行社会距离，是一组控制，通过个体特定的随机效应和这是一个逻辑分布的错误术语。它允许个体特定倾向于实践社交距离，但假设aSee Online对实用性的影响是对样本人口统计的更详细描述的附录。我们考虑三种收敛策略。在这两个网络中，我们观察的是受试者总是选择相同动作的策略。对于星型网络，我们还考虑了两种额外的策略。在一种策略中，参与者在处于超级扩展器位置时总是选择相同的动作，在处于外围位置时总是选择相同的补充动作。在另一种策略中，当她是超级预言家时，她总是选择相同的动作，当她是外围预言家时，她总是在动作之间交替。我们的分析对使用一个或三个连续偏差的或多或少保守的定义是稳健的。有关我们的稳健性检查的完整说明，请参见在线附录。使用这些非参数检验的所有结果对使用其参数类似物具有鲁棒性，即未配对和配对样本的t检验。变量x不是单个特定变量。我们在集团层面对错误进行聚类。我们的主要规范（表1第5列）包括以下五类独立变量：（1）实验治疗的虚拟变量（明确干预、轻推干预、传染水平和节点类型），（2）人口统计学控制，（3）位置和机构控制，（4）偏好控制，以及（5）意识形态控制。

本节中的P值仅针对一个规格，但如表1所示，所有规格的结果都是可靠的。一个初步问题是，政策干预是否会影响社会距离的总体水平。我们进行沃尔德测试以确定结构断裂。这项测试假设数据中最多有一个结构性中断，但不确定它何时发生以及是否发生。在FINE干预中，在实施FINE后的第21轮，社会距离的演变发生了变化（Wald检验，所有数据p<0.001，并被其他治疗细分）。第21轮的相同中断发生在聚合数据的微推干预中（Wald，p<0.001），但一旦我们用其他处理进行细分，结果就不可靠了。因此，该定义的引入对社交距离行为有中间影响，而推送的影响则不那么明确。后果罚款增加了社会距离，在非参数分析（WSR，p=0.0008）和回归分析（规范1，下文S1，p=0.001）中，这种影响都是显著的。社交距离行为的增加在低（WSR，p=0.04）和高（WSR，p=0.003）传染环境中都存在。在最后10轮的互动中，社交距离比前10轮的组合基线增加了8%，因此，这一过程的影响是巨大且持久的。相比之下，轻推干预的影响是微不足道的，而且并非对所有规格都有效（WSR，p=0.008；S1，p=0.03）。有趣的是，将焦点缩小到特定的传染环境，轻推会显著增加高传染（WSR，p=0.0003）的距离，但对低传染（WSR，p=0.5）没有影响。

比较这两项政策，该政策的影响略高于推动政策（MW，p=0.08）。总体而言，在过去10轮中，由于轻推干预，社交距离的增加仅为2%。2019冠状病毒疾病传播的一个关键驱动因素是超级传播者的存在，即个体感染的人数远远超过平均水平（Adam et al.，2020；Lauet al.，2020）。成为超级传播者的一个主要决定因素是生物性的——这是无法通过实验改变的，超出了本研究的范围。然而，也有一个社会因素是由个体之间的社会互动数量的巨大差异所驱动的（Jackson和Rogers，2007）。作为一个超级传播者，生物河流和社会河流之间的一个重要区别是，个体意识到后者，因此对社会距离的偏好可能会随着网络中的位置而变化。图2B显示了我们实验中的三个位置，每个政策处理的节点大小与该位置的社会距离成比例。在左边，有一个完整的网络，在这个网络中，所有参与者都处于我们称之为紧密刀锋的位置。在右边，有一个星型网络，其中一个参与者——超级扩展器——以我们称之为外围位置与所有其他参与者互动。在基线和政策干预中，超级传播者比边缘参与者练习更多的社交距离（MW和S1，p<0.0001）。此外，超级扩张器也比紧密联系的参与者（MW，p=0.004；S1，p=0.03）更多地练习社交距离。尽管有相同数量的参与者，结果对使用线性概率模型或Probit模型是稳健的。我们将在在线附录中对此进行进一步讨论。图2：政策和网络位置。

（A） 总疏远概率的演变被政策干预分割。（B） 按网络位置和政策干预划分的距离概率。节点大小与距离概率成正比。每个圆周长周围的虚线宽度表示95%的置信区间。互动。这可能是因为他们意识到自己在传播新冠病毒中的核心作用，并希望保护群体，或者是因为他们意识到外围参与者由于其孤立的位置而不太可能保持距离。高传染性会显著增加社交距离（MW，p=0.01，S1，p<0.0001），其影响大小与处于接近针头和周边位置之间的差异相似。在基线和干预中，高感染环境下的社交距离分别比低感染环境高10%和15%。社会偏好在决定社会距离方面起着重要作用。首先，对自利个体的平衡决策进行分析，预测在所有治疗中，社交距离的水平显著低于参与者的决策（MW，p<0.0001）。其次，使用SVO任务，我们将受试者分为个人主义和亲社会主义。如图3所示，亲社会参与者选择距离的可能性高出20%（S2，p<0.0001）。在社会人口统计学方面，女性（S2，p=0.004）和老年人（S2，p<0.0001）更容易产生距离。从数据来看，女性意味着疏远的可能性增加了12.6%，而且性别与每次政策干预的效果之间没有显著的交互作用。社交距离随着年龄的增长而增加——平均60岁的人比其他相同的20岁的人更容易产生距离。

有趣的是，年龄较大的受试者对轻推的反应相对较强（S3，p=0.02），而对轮廓的反应相对较弱（S3，p<0.0001）。白人不太可能保持距离（S2，p=0.04），但这种影响并不明显。教育、宗教和就业状况与疏远行为无关。社会人口特征和距离之间的这些关联与社会流动性（Baradaran Motie和Biolsi，2020）和基于调查的数据（Galasso等人，2020年；Masters等人，2020年；Papageorge等人，2020年；Pedersand Favero，2020年）的证据基本一致。我们使用BRET得出参与者的风险偏好。正如预期的那样，寻求风险的个体不太可能实行社会距离（S2，p=0.001），其影响大约是SVO任务中亲社会的一半。实验后的调查包括一个问题：为什么受试者选择待在家里？参与者将“保护他人”列为图3：意识形态和社会偏好之一。（A） 被社会偏好和政策干预分割的距离概率。（B） 疏远概率和（C）政策干预和意识形态指数五分位数导致疏远概率分裂的百分比变化。垂直条表示95%的置信区间。所述原因更有可能与社会距离有关（S2，p=0.007），且在大小和风险规避方面效果相似。在参与实验当天，州一级的新病例、累积病例和总死亡人数所捕获的大流行病的地理演变与距离无关。类似地，机构决策，如在不同州的某些秩序中停留的时间，与社会距离决策无关。思想我们发现，自我报告的民主党人比共和党人更有可能实践中立（S4，p=0.02）。

然而，这种二元分类是一种非常粗糙的度量。为了更清晰地了解参与者的政治倾向，我们构建了一个意识形态指数，根据对以下问题的回答为每个主题打分：（1）支持特朗普总统应对2019冠状病毒疾病大流行，（2）支持全民医疗，（3）相信社会距离措施会带来不合理的经济成本。问题采用5分Likert量表，因此我们得到了一个0-12的指数，其中0和12分别表示极度进步和极度保守的参与者。图3B显示，参与者越保守，练习距离的概率就越低——意识形态指数从1增加到5（受试者中的25%到75%）相当于距离概率降低14.6%。意识形态指数与社会距离决策高度相关（S5，p<0.0001），这与美国最近的社会流动性和基于调查的研究一致（Allcott等人，2020年；Barrios and Hochberg，2020年；Simonov等人，2020年）。我们的实验设计在政策干预、传染性和网络等方面都有异乎寻常的变化，使我们能够在这些维度上做出因果推断。意识形态显然不可能做到这一点。我们使用工具变量方法（下文第四节）研究意识形态的因果效应，以参与者对全球变暖的怀疑程度为工具。作为美国的一个党派问题，对全球变暖的态度与政治意识形态密切相关（Hornsey等人，2016年；皮尤研究中心，2019年）。