腐败行为的发展轨迹：潜变量混合增长模型研究_感知风险论文

腐败行为的发展轨迹：一项潜变量混合增长模型研究，本文主要内容关键词为：变量论文,轨迹论文,腐败论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      DOI：10.16719/j.cnki.1671-6981.20150626

      1 引言

      腐败是指通过滥用公共权力以谋取私人利益的行为(Tanzi & Tanzi，1995)。公共决策理论认为，腐败决策者在分析了腐败成本收益以及可能的风险损失之后才进行腐败(Klitgaard，1988)。基于这种假设，傅江景(2000)对个体腐败行为的发展趋势进行了理论分析，假设腐败者每次腐败被发现的概率为p，那么当腐败n次时，他被发现的可能性就变为1-(1-p)[n]，当n不断增大时，被发现的可能性指数倍增大，因此腐败决策者会越来越不敢腐败。这符合我们常说的：“常在河边走，哪能不湿鞋？”有趣的是，从事实案例来看，个体腐败发展趋势与上述分析恰恰相反。腐败往往呈现出“不敢想—试试看—大胆干”的发展轨迹(张增田，孙士旺，2008)。

      为什么理论分析与实际案例会存在分歧？我们认为，从两方面可以解释这一矛盾：(1)现有的腐败案例代表性不足；(2)现有的理论推导不完善。

      一方面，现有案例可能代表性不足。被曝光的腐败案例只能反映少数“东窗事发者”的腐败发展趋势，还有其他腐败者未曾被发现和曝光。他们的腐败发展是否与现有案例相同？由于腐败的隐蔽性，这个问题不得而知。

      我们认为腐败发展趋势具有异质性，不是所有人的腐败发展趋势都相同，有不同发展趋势的子群体。虽然没有直接数据说明腐败发展趋势是异质的，但有非常多的研究表明犯罪行为、吸烟、酗酒等行为的发展轨迹是异质的，存在不同类别的发展趋势(Colder，Campbell，Ruel，Richardson，& Flay，2002；Colder et al.，2001；Hoeve et al.，2008；Kreuter & Muthén，2008)。这些行为与腐败具有很多相似性，它们都属于负性行为，它们的风险支付矩阵都是“高概率获得大收益，低概率受到大损失”类型的。因此，我们提出假设：

      H1：腐败行为发展趋势存在异质性，不同子群体其腐败行为发展趋势不同。

      另一方面，现有理论推导也可能不完善。随着腐败次数的增加，客观风险概率的确随之增大，但腐败决策者对风险的主观感知却不一定随之增强。个体对风险的主观感知不仅受到客观概率的影响，还受到其他风险特征的影响(Slovic，1987)。其中感知的风险概率和风险可控性对个体腐败行为发展趋势可能起到了决定性的影响作用。

      众多腐败研究都证明低的腐败风险概率促进腐败行为的发生(Abbink，2006；Klitgaard & Klitgaard，1991)。在风险概率较低的情况下，尽管随着腐败次数的增多，腐败被发现的概率会增大，但增大的绝对值很小。例如，当单次腐败风险概率为1%时，随着腐败次数的增多，每一次腐败被发现的概率增加量还不到1%(表1)。这种风险概率的增加速度可能远远不及腐败收益的增长快，因此，腐败行为才会越演越烈。据此，我们提出假设：

      H2a：腐败发展过程中，感知的腐败风险概率不仅影响腐败发展趋势的截距，同时也影响腐败发展趋势的斜率。即感知的风险概率越高，人们首次腐败的程度越小，之后腐败的发展速度也越慢。

      腐败另一个较为突出的特征是高的可控性。现实中，当前国家监督机制不完善，处罚机制不透明(李晓广，2005)，掌权者能够有一定的控制力避免遭受检查，避免受到处罚，同时腐败决策者本身具有高权力地位，而高权力地位与高控制感直接相关(Keltner，Gruenfeld，& Anderson，2003)。

      尽管没有直接的研究说明，可控感影响腐败的发展趋势，但有大量的文献说明可控感会影响风险感知和风险行为(Horswill & McKenna，1999；Klein & Kunda，1994；Slovic，1987；Weinstein，1984)，主要表现为：风险的可控感越高，人们感知到的风险越小，表现得更不担心风险事件的发生(Slovic，1987)，并采取更少的防护措施(Nordgren，Van Der Pligt，& Van Harreveld，2007)，也更容易产生乐观偏差(Optimism Vias)(Weinstein，1984)。可控感也影响连续地风险决策过程，有研究表明，可控性较高的风险项目使人们容易产生“热手谬误”：即当出现连续相同的风险结果时，决策者倾向于认为相同风险事件的结果之间会存在着正相关，下次出现相同结果的可能性变大(Oskarsson，Van Boven，McClelland，& Hastie，2009)。基于上述研究，我们认为在高风险可控感条件下，腐败者对腐败风险的敏感度降低，容易产生乐观偏差与侥幸心理，决策更加冒险，连续多次腐败时也更容易产生“热手谬误”，认为“不受处罚”的可能性变大，从而腐败更加猖狂。因此，我们提出假设：

      H2b：腐败发展过程中，感知的风险可控感不仅影响腐败发展趋势的截距，同时也影响腐败发展趋势的斜率。即风险可控感越高，人们首次腐败的程度越大，之后的腐败发展速度也越快。

      由于贿赂是最为常见、最有代表性的一种腐败形式。在已有的腐败研究中，无论是调查类研究还是实验室模拟研究，都常使用贿赂作为腐败的代表性行为进行研究(Abbink，2006；Transparency International，2014)。因此，参照众多腐败案例，本研究自主设计了一个实验室模拟贿赂情境，以考察被试在多轮腐败模拟中腐败行为的发展趋势，同时考察感知的风险概率和风险可控性对腐败行为发展的影响。

      

      

      2 方法

      2.1 被试

      招募到158名北京高校大学生被试，其中155个数据有效(男性58人)。

      2.2 研究程序

      2.2.1 实验规则与流程的学习

      被试来到实验室后，主试告知他们将两人共同完成多轮的角色模拟实验，他们的报酬与其游戏中的表现相关。然后，进行抽签分配角色。实际上，所有被试都会抽到“质检负责人”，由电脑程序模拟“营养品生产商”。

      接下来被试学习实验规则和流程：首先，营养生产商会给质监负责人好处费，并要质检负责人虚报营养品含量。质检负责人需要决定是否接受好处费并虚报营养品含量。之后有一个纪律检查过程：电脑会呈现33份质检报告，质检负责人需从中抽取一份接受真假检查，如果抽中了虚假报告，质检负责人的受贿与作假行为将被发现。质检负责人受贿金额越大，假报告的比例越大，被发现的可能性就越高(表2)。抽签之后，被试要完成一个“销毁假报告”的任务。不管是否抽到假报告，如果质检负责人顺利完成“销毁假报告”任务，就能避免受到惩罚。如果质检负责人抽中了假报告，同时没有完成“销毁假报告”的任务，他会遭受惩罚：他将损失在游戏中的所有收入，只能得到少许实验参与费。

      2.2.2 练习“销毁假报告”任务

      学习实验规则和流程后，被试进行“销毁假报告”任务的练习50次。任务时，电脑屏幕四个角会分别出现一个单词，包括3个“real”和1个“fake”单词，4个位置对应4个不同的按键，单词出现的时间随机，被试在单词出现期间准确识别出fake所在的位置，并按下相应按键，就能成功销毁假报告，避免受到惩罚。

      2.2.3 正式模拟实验

      正式模拟实验与被试学习到的实验流程完全一致，但正式模拟不会给被试反馈结果。所有被试将进行10轮游戏(被试不知晓轮次)。

      2.3 变量的操纵与测量

      2.3.1 自变量的操纵

      感知的腐败风险概率：被试在练习“销毁假报告”任务时，由于单词出现的时间随机，被试无法自己判断是否及时准确地对单词进行了反应，因此我们可以随机给被试反馈结果。其中一半被试有25%的可能性被反馈为成功，他们会认为该任务的成功率较低，因此感知到腐败被处罚的概率较高。另一半被试有75%的机会被反馈为成功，他们会认为该任务的成功概率较大，因此感知到腐败被处罚的概率较低。

      感知的腐败风险可控感：在练习“销毁假报告”前，主试对一半被试说：“电脑的按键会偶尔失灵”，这些被试会认为是否能够完成“销毁报告”任务而避免受到处罚是自己不可控的；另一半被试则说“电脑被调试过，按键一切正常”，这些被试会认为是否能完成“销毁假报告”任务而避免受到处罚是由自己控制的。

      2.3.2 自变量的操纵检验

      在练习结束后，对被试感知的风险概率进行了操纵检验，题目为：“你估计你有多大可能性能成功完成‘销毁假报告’任务？填写你认为的可能性，范围是0～100%”；对感知的风险可控感也进行操纵检验，题目为“你是否同意这一说法：是否能够很好地完成‘销毁假报告’任务，完全取决于我自己的表现”(1～7点评分)。

      2.3.3 因变量的测量

      腐败程度：我们记录下了被试在每一轮的腐败程度，被试可选择0，1000，2000……10000这11种不同的受贿金额，对应地将腐败程度记为0，1，2……10。

      3 结果

      3.1 操纵检验

      用单因素方差分析对感知的风险可控感和风险概率的操纵检验发现，高可控感组被试(M=4.38，SD=1.44)对自己在任务中的控制感评定显著高于低可控感组被试(M=3.38，SD=1.63)，F(1，153)=16.29，p＜.001，

=.096；高感知风险概率组被试对自己成功完成任务的可能性估计(M=43.72，SD=25.72)显著低于低感知风险概率组被试(M=66.43，SD=18.34)，F(1，153)=40.28，p＜.001，

=.21，这说明，实验对被试感知的风险可控感和风险概率的操纵成功。

      3.2 腐败发展趋势描述统计分析

      从10轮腐败模拟中被试腐败程度的描述统计(表3)可以看出：①10轮腐败整体上呈波动上升的趋势。②数据标准差与差异系数都很大，说明腐败程度的离散程度大，被试的异质性强。③数据的偏度系数与峰度系数的值都较大，腐败程度的分布可能不符合正态分布。这些结果说明，被试可能并非来自一个同质的总体，腐败发展趋势可能存在不同的亚群体，可考虑采用潜变量混合增长模型(Growth Mixture Modeling，GMM)区分出不同类别，并考察不同类别的发展轨迹(刘红云，2007)。

      

      3.3 腐败发展趋势的潜变量混合增长模型分析

      对10轮腐败行为的发展趋势进行了潜变量混合增长模型分析(图1)：将感知的腐败风险概率(记为x1)和腐败风险可控感(记为x2)作为预测变量，将腐败程度(记为y1-y10)作为因变量。模型中C表示分类变量；I表示y1-y10增长曲线的截距，将I到y1-y10的路径系数全部固定为1；S表示y1-y10线性增长曲线的斜率，固定S到y1-y10的路径系数为0，1，2……8，9。为了简化模型，将I、S的组内方差固定为0。

      

      图1 潜变量混合增长模型图

      

      由于潜在类别数未知，我们比较了6个类别模型(表4)，选择3类别模型为最优拟合模型：它的LMR-LRT的p值显著且BIC较小，BLRT的p值、AIC、ABIC、Entropy值都符合拟合标准(Nylund，Asparouhov，& Muthén，2007)。

      3类别模型将腐败发展趋势分为3个子类别，从模型的参数估计(表5)可看出，第一类人占的比例最大，约40%。他们最初的腐败程度处于中等水平，之后的腐败程度几乎不变，甚至呈轻微的下降趋势，但趋势不显著。对应于现实生活，这一类腐败者属于是腐败的主要人群，他们的腐败行为较为谨慎，我们命名其为“一般腐败者”。第二类人在总体中的比例约30%，他们最初就有较强的腐败倾向，之后腐败发展也呈现轻微的增长趋势，不过增长并不显著。对应于现实世界，这一类人的腐败发展是一个逐渐沦陷的过程，我们称之为“腐败沦陷者”。第三类人在总体中的比例与第二类人相当，约30%，这些人整体的腐败意向很低，能够保证在长期时间内维持一个较低的腐败水平甚至不腐败，我们将这类人称之为“清廉者”，这类人中包括14位完全清廉者，他们在10轮模拟中不接受任何贿赂。

      最后分析感知的风险概率与风险可控感对腐败发展趋势的影响(表6)可以发现，感知的腐败风险概率影响腐败发展的截距，感知的腐败风险概率越高，腐败初始阶段的腐败程度越低，但感知的风险概率并不影响腐败发展的斜率。而感知的腐败风险可控感不仅影响初始阶段的腐败程度，也影响腐败发展的斜率，即感知的腐败可控感越高，初始腐败程度越大，之后的腐败发展趋势也越快。

      

      与此同时，感知的风险概率与风险可控感还对分类过程本身产生影响，通过列联表分析(表7)发现，高低风险概率组被试在不同腐败类别中的分布差异显著：在高感知风险概率条件下，有更多“清廉者”，而“一般腐败者”和“腐败沦陷者”的数量相当；在低感知风险概率条件下，“一般腐败者”最多，“清廉者”最少。高低风险可控感组被试在不同腐败类别中的分布也差异显著：在高可控感条件下，“一般腐败者”和“腐败沦陷者”都相对较多，“清廉者”最少；在低可控感条件下，“清廉者”最多，而“腐败沦陷者”最少。

      

      4 讨论

      4.1 研究意义

      首先，本研究在一定程度上解释了为什么理论推导出的腐败发展趋势和曝光的案例不一致。一方面，腐败发展存在异质性，包括“一般腐败者”、“腐败沦陷者”和“清廉者”3种子群体。而现实中的腐败案例可能是取样有偏差的，他们可能更多来自于“腐败沦陷者”这一子群体，这类人更爱冒风险，被抓获和曝光的概率也更高。因此，现实案例无法代表全部的腐败者。另一方面，用公式进行的理论推导只考虑了客观增加的概率，却没有考虑腐败者的主观感受。我们发现，感知的风险概率和风险可控感对腐败行为发生和发展有一定影响，只有综合考虑主观和客观因素才能对腐败发展趋势做出有效地预测。

      其次，现实生活中个体的腐败行为非常隐秘，几乎没有资料可以记录个体腐败行为的真实发展过程。我们通过实验室模拟研究，在一定程度上揭开了这一隐秘的黑箱，发现腐败发展轨迹存在不同的类型。这可能是因为腐败受到了众多因素的影响，如个体的风险偏好、物质主义、权威人格等(O'Connor & Fischer，2012)。面对腐败情境时，一些人受到风险偏好、风险感知的影响更大，但另一些人可能更多受到物质主义价值观、公平正义感的影响，这种差异可能导致不同的腐败发展轨迹。

      第三，本研究在研究方法有创新。一方面，本研究完全独立自主的设计了一个典型的贿赂情景，在各种参数和情景设置上力图遵循实际情况，这为以后腐败的实验室模拟研究提供了参考。另一方面，本研究使用潜变量混合增长模型分析实验室多轮模拟实验的数据，关注了行为发展趋势的个体差异，为后续研究提供了分析方法上的新思路。

      最后，本研究对反腐实践也有指导意义，我们发现感知的风险概率只影响腐败发展截距，而风险可控感同时影响发展趋势的截距和斜率。因此，实践中不仅要加大检查和处罚概率，更应该降低官员的可控感，保证监督检查部门的独立性和权威性，这样才能有效地遏制腐败的发生和发展。

      4.2 研究不足与展望

      本研究存在一定的局限性，今后的研究可以从以下几方面改善。

      第一，尽管将腐败发展趋势划分了3种类别，但所有类别的增长系数都不显著，这可能是由于腐败增长趋势并非完全线性，而是有周期性波动的(表3)。今后的研究可以考虑使用更加高级的统计方法以探索腐败行为发展趋势的周期性变化规律。

      第二，尽管实验初期我们对感知风险概率和可控感的操纵被验证是有效的，但实验进行多轮后，被试感知的风险概率与可控感可能会因为经验而改变，进而影响腐败发展趋势。未来的研究可以考虑追踪腐败者在腐败行为发展中感知到的风险概率和风险可控感的变化趋势。

      第三，生态效度需要进一步提高。首先，本研究被试是在校大学生，他们还没有获得一定的职业角色，缺乏社会经验，可能无法代表真实的腐败人群。被试的性别比例也不够均衡，女性被试占多数，这与现实腐败人群性别比例不同，今后研究需要注意被试抽样的代表性问题。其次，本研究通过在短时间内进行多轮腐败模拟实验来探究腐败行为发展趋势，实验时间间隔过短，与现实中腐败行为发展的时间跨度有区别，今后研究可考虑进行长时间跨度的模拟腐败研究。最后，单一的实验任务也可能影响研究的外部效度。现实中腐败有多种多样的形式，本研究只是选取了一种贿赂情景作为研究对象，今后研究可考虑研究不同形式的腐败行为其发展趋势。

      5 结论

      利用潜变量混合增长模型，本研究发现腐败发展规律存在3种子群体：腐败程度始终稳定在中等水平的“一般腐败者”；腐败程度较高，并呈逐渐增长趋势的“腐败沦陷者”和始终都少有腐败行为的“清廉者”。同时，还发现感知的风险概率影响初始的腐败程度，而可控感则既影响初始腐败程度，又影响腐败发展速度。

标签：感知风险论文;  反腐倡廉论文;