不平等加剧和经济衰退下的两极分化

对100N复制事件进行模拟，并通过允许θ在100N复制事件周期内正弦变化来模拟环境位移。通过将所有人口成员随机分配到两组中的一组来计算每个人的适应度。为了模拟案例2，然后通过随机选择一名非团队成员来确定给定焦点个体的组外互动，互动成功与否由所选成员的策略和内在成功率QO决定。假设突变发生率为每复制事件0.1N，突变目标从人群中随机选择。对于非社会模型（案例1）模拟，我们允许全局突变，这样突变的参与者被分配了一个新的策略p+∈ [0, 1].在案例2的模拟中，我们使用了局部突变，使得突变目标的策略受到以下因素的干扰 = ±0.01，突变增加和减少p的可能性相等，我们施加适当的边界条件以确保策略是物理的。5数据分析在这里，我们为正文（图4）中的实证结果提供了额外的分析和稳健性检查。我们考虑了2008-2016年最后三个总统选举周期内，美国州一级的有效极化和不平等之间的关系。我们使用ANES和CCES选举调查的数据来衡量有效的两极分化（美国国家选举研究，2020年；McKee et al.，2019年；Gross，2019年；Cooper and Endres，2019年），以及人口普查局和联邦选举委员会关于各州（美国）每次选举时基尼系数、失业率和投票份额的数据。

人口普查局，2020年）。在个人层面上，有效的两极分化被定义为“温暖度”的差异，通过“情感温度计”测量，在个人最认同的主要政党（共和党或民主党）和外部政党（即受访者最不认同的主要政党）之间。长期以来，情感温度计一直是选举调查的标准组成部分，采用100分制，0表示对政党的强烈负面情绪，100表示强烈的正面情绪。直觉上，如果一个人给一方高分而给另一方低分，这表明一种高度的有效极化，即对首选方的积极感觉。最近的政治学研究强调，党派是一种显著的社会身份，也是与主要政党相关的各种其他群体身份的标志（Iyengar et al.，2012；Iyengar and Westwood，2015；Mason，2015，2018）。因此，有效极化（effectivepolarization）是一种非常适合评估我们基于团队的模型的指标。个人层面的有效极化分数可用于计算州或国家层面的平均值，这提供了选民对政党的极化程度的衡量标准。我们的模型所描述的倾向于行为策略的群体内或群体外可以理解为对应于这种个体层面的有效极化。由于我们预测（图3）不平等可能会成为群体内偏爱态度的驱动因素，因此我们可以在有效的极化数据中为这一预测寻求支持。

为此，我们提出了三种分析方法，支持不平等可以作为有效极化的驱动因素这一假设。5.1汇总数据在图4（正文）中，我们显示了州一级的平均极化与州一级基尼系数之间的相关性。显示的结果是所有三个选举周期的汇总数据（三个选举周期各50个州+DC，共153个数据点）。这种相关性在单截距双向固定效应模型下显著（双尾检验，t=5.2，p<0.01）。