宗教信仰与社会冲突：根源还是工具?，本文主要内容关键词为：宗教信仰论文,根源论文,冲突论文,工具论文,社会论文，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。
JEL Classification H56,Z12,Z13
一、引 言
中国社会虽然总体上安定团结，但是社会冲突仍时有发生，且近几年呈现出规模增加、行为激烈、诱发点多、涉及面广、对抗性强等特点(应星，2009)①。更为常见的社会冲突表现是群体性事件。数据表明，近几年我国群体性事件从1993年的1万起增加到2004年的7.4万起，年平均增长17％；参与人数由73万多人增加到376万多人，年平均增长12％；其中，百人以上参与的由1400起增加到7000多起。2005年全国群体性事件的数量一度下降，但从2006年起又上升到6万多起，到2007年达到了8万多起(应星，2009)。
不少研究从经济分化(郭正林，2001②；于建嵘，2001③；李超海，2009④)和政治分化(Bernstein and Lü，2000；Guo，2001)等角度试图解释中国近些年群体性事件产生的原因，但是很少有人分析宗教等文化分化在群体性事件中所扮演的角色。美国的9·11事件唤起了一大批国外学者对宗教与冲突关系的兴趣(Fox，2004)，但中国西藏的3·14事件和新疆的7·5事件之后，依然鲜有学者关注宗教在中国社会冲突中的作用。
与国内研究不同，国外学者在社会冲突的研究中较高地关注了宗教因素。相关理论大都认同宗教的重要作用，认为宗教既有可能成为冲突的根源(Huntington，1996；Moynihan，1993；Horowitz，1985；Anderson，1983)，也有可能充当冲突的工具(Fox，2004)。但是实证分析结果却存在较大分歧，一些研究表明二者之间具有正相关关系(Chen，2005；Montalvo and Reynal-Querol，2005)，而一些研究则认为二者之间不存在相关关系(Fearon and Laitin，2003；Collier and Hoeffler，2004)。分歧的原因可能在于，这些分析大都是基于宏观层面的数据，如以国家或者地区为分析单位，从而使得这些分析在对社会分化、冤屈情绪等测量方面面临极大的困难，同时也不能有效剔除社会分化与社会冲突之间的内生性(Blattman and Miguel，2010)。
本文拟使用中国微观调查数据，尝试解决上述问题，对中国宗教与冤屈情绪、群体性事件关系进行检验。这些经验分析显示宗教在中国社会冲突中扮演着重要的角色。相对于以往的研究，本文的主要贡献在于：(1)引入新的维度——宗教信仰——来解释中国近些年群体性事件；(2)基于微观数据，在个体层面分析了宗教信仰对冤屈情绪产生、群体性事件参与的影响；(3)对宗教信仰与冤屈情绪和群体性事件之间的内生性进行了较为充分的考虑。
本文结构安排如下：第二部分对宗教与冤屈情绪、群体性事件之间关系进行理论分析并提出研究假设；第三部分介绍本文实证分析策略；第四部分介绍所用数据；第五部分给出分析结果；第六部分进一步讨论宗教影响冤屈情绪和群体性事件的机制；第七部分归纳本文主要结论。
二、研究假说
根据科赛(1989)⑤的社会冲突理论，冲突包括两个层面：一是冲突情绪，二是冲突行为。冲突行为的发生往往因为冲突情绪引起，但是冲突行为却并非冲突情绪的唯一化解机制。据此，本文拟从冤屈情绪产生和群体性事件参与等角度来探讨宗教信仰与社会冲突之间的关系。大多数社会学家认为，冤屈情绪产生的根源在于相对剥夺感，而相对剥夺感产生的根源则在于实际所得与理想所得之间的落差(Gurr，1968，1970；Oberschall，1978)。据此定义，可以认为影响冤屈情绪的渠道大体可以归为三点：实际所得分配的公平性、对理想所得的公平偏好以及他人冤屈情绪的影响。本文将这三条作用渠道分别称为掠夺效应、偏好效应(或者“洗脑”效应)和网络效应。在中国，宗教由于其少数性、弱势性、代际锁定以及与主流意识形态在某种程度上的对立性等属性，可能更易受到不平等待遇，因此掠夺效应有可能存在；另外宗教通过对信徒世界观、价值观的改造，从而会影响到信徒的公平偏好，故而“洗脑”效应也可能存在；再者，宗教具有组织性，是社会资本塑造的一个重要场所，所以宗教也可能通过网络效应影响冤屈情绪。
冤屈情绪是群体性事件参与的重要决定因素，宗教通过上述渠道对冤屈情绪的影响也会进而影响群体性事件的参与。除此之外，群体性事件的组织是有成本的，因此有冤屈情绪最后是否会参与群体性事件还要取决于群体性事件组织的可能性。由于宗教在身份认同、社会资本积累方面具有优势(Wald et al.，2005；Stark and Finke，2000)，宗教发起群体性事件的组织成本也就较低。在冤屈情绪一定的情况下，教会成员参与群体性事件的概率会高于非教会成员。本文将宗教对群体性事件的这一影响渠道称之为组织效应。
首先，资源分配的公平性是冤屈情绪的主要影响因素之一。根据Caselli and Coleman(2006)所构造的掠夺模型，在组织规模一定的情况下，当弱势群体与强势群体之间具有明显的特征差异时，即弱势群体进入强势群体的成本较高时，强势群体对弱势群体的掠夺就会发生。而当掠夺发生的时候，冤屈情绪也就会随之产生(Glaeser，2005)。在中国，宗教与主流意识形态存在较大的对立，在一定程度上成为人们社会交往(陈雪，2010⑥；阮荣平等，2010⑦)进而是社会分化的一个重要分野(阮荣平和郑风田，2011⑧)。因此，在某种程度上，宗教群体与主流社会可能存在一定的张力。这种张力的表现之一就是大量“地下”宗教组织的存在，如家庭教会。同时，相对于非信徒而言，信徒目前无论是在数量上还是在结构上往往都表现出了较明显的弱势特征。根据世界价值观(WVS)2007年中国调查数据，信徒所占比重约为22％，并且大都以女性和老年人为主(郑风田等，2010⑨；阮荣平，2010⑩)。其作为弱势群体更为明显的例证是政治精英、文化精英和经济精英当中，信徒所占比重更低(阮荣平，2010)。基于CGSS(中国综合社会调查)数据，本文也发现，信教者大都为女性、年长者、低文化程度者、低收入者、农村居民、无社会保障者、未婚者等(参见表2)。其次，相对于非信徒而言，信徒进行信仰转换的机会成本更高，因此其信仰转换发生率也就更低。根据Stark et al.(2000)和Iannaccone(1988，1994，1998)的研究，信徒在宗教归信和宗教参与过程中会积累宗教社会资本和宗教人力资本。一旦信仰转换发生，这些资本就会消失。Barro et al.(2010)指出，从无宗教信仰向有宗教信仰转换的概率远远高于从有宗教信仰向无宗教信仰转换的概率。因此，由于宗教与主流社会的张力、信徒的弱势地位以及信仰的锁定效应，掠夺更容易在信徒身上发生，由此会导致信徒的冤屈情绪增加。
其次，宗教有可能会通过公平偏好影响冤屈情绪。宗教会在很大程度上影响信徒的世界观、价值观等精神层面(Idler and Kasl，1992；Ellison，1991)，这些都会对个体公平偏好产生影响，进而会影响到其冤屈情绪。非信徒往往将宗教的这一作用机制，称之为“洗脑”。如果宗教所塑造的公平偏好越强，那么在同等分配状况下信徒冤屈情绪就越高；反之亦然。
最后，宗教有可能会通过宗教社会资本影响冤屈情绪。这主要是由于冤屈情绪具有扩散性，而其扩散强度则主要取决于传播网络的强度，即社会资本(Oberschall，1978)。相对于非信徒而言，信徒会通过宗教的组织网络构造宗教社会资本(Idler and Kasl，1992；Ellison，1991；Stark and Finke，2000；Chen，2010)。基于中国宗教的分析对此也有所论证，如阮荣平和王兵(2011(11))指出，相对于非信徒而言，信徒的信任水平更高，尤其是对于传统信任半径比较大的群体，信徒与非信徒之间的信任差异会更大。另外，相对于非信徒而言，信徒的财产赠与、劳动给予、借贷施与、财产汲取、劳动汲取、借贷接受等水平更高(阮荣平和刘力，2010(12))。因此，在其他条件一定的情况下，宗教社会资本将会导致冤屈情绪具有更大的扩散性，从而信徒产生冤屈情绪的概率也就更大。
综合以上三个作用渠道，本文提出研究假说H1：
H1相对于非信徒而言，在信徒中间产生冤屈情绪的概率更大。
在经济学家看来，群体性事件等社会冲突的产生是由两方面的因素决定的，即效用和约束(如Collier and Hoeffler，2004；Collier et al.，2009)。其中效用方面主要指的是冤屈情绪，而约束方面则主要指的是冲突的参与成本和组织成本。冤屈情绪是社会冲突发生的前提条件，而预算约束则限定了冲突发生的可行性。基于这一理论，本文认为宗教影响群体性事件参与的渠道主要有两条：一是冤屈情绪，二是组织成本。因此，宗教影响冤屈情绪的渠道也会进而影响到群体性事件的参与。另外，在组织成本方面，由于宗教社会资本的存在，相对于非信徒而言，信徒具有更高的同质性，这有利于降低群体性事件的组织成本(Collier and Hoeffler，2004)。社会资源动员理论强调，宗教所尊重的领导、祭拜场所、戒律等会有利于团体组织化的形成，而这将会提高社会动员的可能性。因此，宗教组织能有效地进行集体行动动员(Wald et al.，2005)。一些研究种族、宗教多样性与公共物品供给的文献对此有所印证(如Alesina et al.，1999；Alesina et al.，2005)。据此，本文提出研究假说H2：
H2相对于非信徒而言，信徒参与群体性事件的概率更大。
三、模型设定
(一)宗教与冤屈
1.宗教对冤屈的影响
为了检验宗教与冤屈情绪之间的关系，本文设定如下模型：
估计此模型所使用的数据主要是CGSS数据。其中因变量grievance表示冤屈情绪，是一个二值变量。如果受访者认为其在2001—2005年间经历了在财产、权力等方面的不平等待遇，那么则定义为“有冤屈情绪”，赋值为1；反之，赋值为0。religion表示有无宗教信仰，这是本文所关心的自变量。如果受访者认为其信奉佛教、道教、伊斯兰教、天主教、基督教、民间信仰以及其他信仰，则定义为“有宗教信仰”，赋值为1；反之，则认为受访者没有宗教信仰，赋值为0。Ω表示控制变量。本文对控制变量的选取主要依据“冤屈理论”。冤屈理论认为社会分层以及按照社会分层所形成的社会不平等是冤屈情绪的主要来源(Oberschall，1978)，据此本文选择社会阶层和社会阶级等变量作为控制变量，具体包括客观社会分层和主观社会分层两个指标。参照以往研究(如Bassuk et al.，2002；Lantz et al.，1998)的做法，客观社会分层指标选择的变量包括，就业状况(0=没有工作；1=有工作)、受教育水平(年)、家庭收入对数；主观社会分层包括，对自己社会经济地位的判断(5分变量，1为最上层，5为最底层)，对社会是否存在阶级的判断(0=不存在，1=存在，2=不好说)。按照冤屈理论预测，社会阶层越高，冤屈情绪就越低。另外，本文还控制了其他一些人口学特征变量，具体包括年龄(岁)的对数，性别(0=女；1=男)，婚姻状况(0=未婚，1=已婚)。μ表示随机扰动项。
为了检验模型(1)估计结果的稳健性和内生性，本文还将使用CRRP(中国农村宗教与社会事业调查)数据。CRRP和CGSS的不同主要体现在两方面。(1)样本。CGSS是全国性样本，而CRRP仅是农村样本。(2)被解释变量(冤屈情绪)的定义。CRRP关于冤屈情绪的定义比CGSS更为宽泛(参见第四部分的讨论)。其控制变量的选取基本一致(13)。因此，将两个数据的分析结果进行对照，可以有效地检验宗教与冤屈情绪之间关系对变量定义和样本选择的敏感性。
2.作用渠道
本文将通过对宗教进行不同的定义和加入与宗教有共同特征的变量，对比与模型(1)估计结果的差异，进而识别宗教对冤屈情绪的影响渠道。为此本文将估计以下模型(14)：
其中religion的定义有两种，
是8种具体宗教信仰(0=无宗教信仰，1=佛教，2=道教，3=民间信仰，4=伊斯兰教，5=天主教，6=基督教，7=其他信仰)；
是依据杨庆堃(2007)(15)的划分方法将其分为普化宗教和制度化宗教，具体为：0=无宗教信仰，1=普化宗教(包括民间信仰和其他信仰)，2=制度化宗教(佛教、道教、伊斯兰教、天主教和基督教)。普化宗教与制度化宗教的主要区别在于制度化宗教的组织性要远远大于普化宗教，因此通过对比二者对冤屈情绪的影响可以检验网络效应。新加入的其他变量Λ包括民族(0=少数民族；1=汉族)和组织参与(是否参加了某个协会、社团、俱乐部或其他组织?0=无；1=是)。
在Caseli and Coleman(2006)所构造的掠夺模型看来，种族和宗教对冤屈情绪的影响是一致的，即二者都会由于群体的弱势性和融入主流群体的难度而使掠夺更容易发生。因此，如果掠夺效应存在的话，那么加入少数民族等变量应会在一定程度上削弱宗教对冤屈情绪的影响程度。据此可以检验掠夺效应。另外，还可以通过对比信教者与非信教者之间的差异来考察信教者是否具有弱势特征，以此从侧面来检验信教者是否在社会、经济和政治资源的分配中遭受到了不平等待遇。
通过对比不同宗教之间的冤屈情绪是否有显著的不同可以检验“洗脑”效应。如果是因为宗教影响到了世界观，进而改变了人们的公平偏好，那么由于不同宗教的教义是不同的，因此不同宗教信仰者之间的偏好也应该不同，所以其冤屈情绪也应有所不同。
另外，如果宗教对冤屈情绪的影响是通过网络效应的话，那么组织性更强的制度化宗教其冤屈情绪应更大。因此，基于第二种宗教定义，通过对比制度化宗教与普化宗教之间冤屈情绪的差异可以检验宗教的网络效应。另外，如果宗教的网络效应存在的话，那么其他组织也会存在网络效应，并且加入组织参与变量将会削弱宗教对冤屈情绪的影响。据此，加入组织参与变量也可检验网络效应。
(二)宗教与群体性事件
1.宗教对群体性事件参与的影响
为了检验宗教与群体性事件参与之间的关系，本文设定如下模型(3)：
所使用数据主要也是CGSS数据。conflict表示2001—2005年间身边发生过群体性事件的个体是否参与了群体性事件(0=否；1=是)，因此该指标可以被认为是在冲突环境一定的情况下，个体参与群体性事件的概率。religion和grievance含义同模型(1)。Γ表示控制变量。根据贪婪理论，个体参与群体性事件的概率主要取决于参与的机会成本以及收入结构(Collier and Hoeffler，2004；Collier et al.，2009)。当参与群体性事件的机会成本增加时，参与概率就会下降；而当收入结构中资源性收入所占比重较大时，群体性事件的参与概率就会较高。机会成本的具体衡量指标是家庭收入的对数和就业状况(0=就业；1=无业)，关于收入结构的具体衡量指标是居住地(0=农村；1=城市)。其他人口学特征控制变量同模型(1)。μ为随机扰动项。
为了检验模型(3)估计结果的稳健性和内生性，本文还将使用CRRP数据。此时，CRRP除与CGSS的样本不同外，对conflict的定义也有所不同。在CRRP中，conflict表示2005—2009年间是否发生过矛盾、纠纷和冲突(0=无；1=有)，既包括个体层面也包括群体层面，并且该指标不再限定冲突环境一定，因此该指标要比CGSS的冲突定义宽泛许多。其他控制变量也基本一致(16)。因此，将两个数据的分析结果进行对照，可以有效地检验宗教与社会冲突之间关系对变量定义和样本选择的敏感性。
2.作用渠道
同检验宗教影响冤屈情绪的渠道一样，本文还将通过对宗教进行不同的定义和加入与宗教有共同特征的变量，以此对比与模型(3)估计结果的差异，进而识别宗教对群体性事件的影响渠道。为此本文将估计以下模型：
其中对religion的定义同模型(2)中。新加入的变量Y为组织参与变量(0=无；1=是)。
根据前面论述，宗教对群体性事件的影响主要有两条渠道，即冤屈情绪和组织效应。通过对比加入grievance前后的估计结果，可以对冤屈效应进行检验。通过对比加入组织变量前后的估计结果以及普化宗教与制度化宗教对群体性事件参与的影响，可以对组织效应进行检验。
(三)内生性
正确估计模型(1)和(3)是检验宗教影响机制的前提条件，而正确估计这两个模型面临的最大问题是遗漏变量、联立性等问题所造成的内生性。为了克服潜在的内生性问题，本文拟使用工具变量法。本文所选择的工具变量为哈佛大学所开发的中国各省历史(1820年)寺庙数量(17)。本文认为这一变量适宜做个体宗教信仰工具变量的理由如下。第一，历史上寺庙数量与个体冤屈情绪和群体性事件参与之间具有较强的外生性。首先，历史上寺庙数量与个体当前宗教信仰不存在联立性问题。个体当前宗教信仰不会影响到1820年的寺庙修建。其次，也没有理由认为在1820年能够影响寺庙修建的因素在2006年仍然会影响个体冤屈情绪和群体性事件参与。第二，1820年寺庙数量与个体宗教信仰之间具有较强的相关性。由于宗教信仰具有很强的代际锁定效应(郑风田等，2010)，即父母的宗教信仰对子女宗教信仰选择具有很强的影响(Iannacone，1998；Bisin et al.，2000；Bisin et al.，2004)。因此，历史上的宗教信仰强度会对当前宗教信仰产生较强的影响。所以有理由认为，历史上宗教活动场所这一变量与当前宗教信仰具有较高的相关性。不过需要注意的是，哈佛数据只包含佛教活动场所数量，而本文对宗教信仰的衡量包含所有宗教类型(佛教、道教、伊斯兰教、天主教、基督教以及民间信仰等)的信仰。虽然历史上佛教活动场所数量越多，当前个体选择佛教信仰的概率就越大，但是也正因为如此，当前个体选择其他宗教信仰的概率可能就会越小。因此，1820年寺庙数量对个体宗教信仰选择的影响方向主要取决于样本中佛教和其他宗教信仰的相对比重。在CRRP数据中佛教信仰比重小于其他宗教信仰比重之和，因此工具变量对个体宗教信仰的影响方向可能为负。工具变量法主要是通过CRRP数据来实现，因为CGSS 2006所公布的数据中没有包含省级变量，无法与哈佛数据相匹配。
四、数 据
本文的主要数据来源是2006年中国综合社会调查(CGSS)，同时辅之以中国农村宗教与社会事业调查(CRRP)。CGSS是由中国人民大学和香港科技大学联合组织实施的连续性调查，到目前为止该调查已经进行了3次，即2003年、2005年和2006年。由于前两次调查对外公布的数据没有涉及有关宗教信仰的变量，因此本文的分析主要基于2006年调查。该调查在全国28个省市抽取大约10000个家庭户，其中城市约6000户，农村约4000户。调查对象为18～69周岁的人口。调查内容涵盖个人基本情况、工作经历、工作情况、婚姻/家庭及家庭社会经济活动、态度/意识/认同与行为评价等部分。
为了检验基于CGSS数据估计结果的稳健性，本文还选取CRRP数据。该数据来自中国人民大学农村公共事业与农村宗教课题组于2008—2009年对全国60多个村庄组织实施的调查，共得到有效样本约1800份。由于此调查研究的主要内容是宗教，因此其抽样方法更多地属于案例研究法，对信教者赋予了更高的权重，并且调查对象是农村居民，因此代表性相对于CGSS要逊色许多。
两类数据对冤屈情绪和冲突行为的调查有所差异。关于冤屈情绪的衡量，CGSS询问了“在过去的五年中，您是否在房产纠纷、土地征用、城市拆迁、企业改制、失业保障、宅基地分配、基层选举、债务纠纷以及其他方面的事情中遭受过不公平对待?”而CRRP则更为详细地罗列了24项农村中常见的不公平现象(大体包括土地、环境、用水、生产资料、借贷、村务等方面)，并且逐项询问。在两类数据中，本文对冤屈情绪变量的构造方法是，只要经历了一项不平等事件，将其定义为有冤屈情绪，否则定义为无冤屈情绪。有关冲突参与，CGSS中询问的是在2001—2005年间身边发生过群体性事件的个体是否参与过群体性事件，而CRRP询问的是在2005—2009年间是否发生过矛盾、争执或者纠纷。由此可以看出，CRRP关于冤屈情绪和冲突参与的定义均比CGSS宽泛许多。有关宗教信仰，两类调查都是让调查对象自己判定是否有宗教信仰，以及信何种宗教。表1给出了计量模型所涉及变量的统计性描述。
关于中国信教人口的确切数字到目前为止并没有统一说法。根据CGSS，中国信教比重为13％。而当代中国人精神生活调查(2005)(19)则显示，中国信教比重达31％，WVS 2007的结果为22％。相对于后两项调查，CGSS数据有些偏低。在中国宗教市场中，佛教所占份额最大，达56％，其次为民间信仰15％、基督教13％、伊斯兰教11％、天主教2％、其他信仰2％，道教所占份额最小，约为1％。参见图1。
总体来看，信教群体表现出较为明显的弱势特征。与非信徒相比，信徒中女性居多、居住在农村者居多、年龄偏大居多、受教育水平偏低居多、无社会保障者居多、政治面貌为群众者居多、没有工作者居多、已婚者偏少(参见表2)。此发现与郑风田等(2010)的研究结论一致。这些特征在一定程度上反映了信徒在获取经济、社会和政治资源的过程中存在较大困难。
根据CGSS，过去五年有12％的受访者遭受过不公平对待。就具体项目而言，3.1％的受访者在失业保障方面、2.9％的受访者在土地征用方面、2.5％的受访者在企业改制方面、1.8％的受访者在房产纠纷方面、1.6％的受访者在债务纠纷方面、1.3％的受访者在基层选举/宅基地分配/城市拆迁方面、1％的受访者在其他方面经历了不公平对待。参见图2。在2001—2005年间身边发生过群体性事件的个体中，有22％的受访者参与过群体性事件。
图2 各项目遭受不公平对待比例(％)
资料来源：CGSS。
与非信徒相比，信徒中有冤屈情绪的比例高出约3个百分点，参与群体性事件的比例则高出约8个百分点。参见图3。
图3 信徒与非信徒冤屈情绪与群体性事件参与比较
资料来源：CGSS。
五、主要结果
(一)宗教与冤屈
表3给出了宗教对冤屈情绪影响的估计结果。由于存在冤屈情绪者的比重明显低于无冤屈情绪者(参见表1)，因此使用标准Logit模型可能会低估其发生概率(King and Zeng，2001)。为了纠正这一过程，本文基于King and Zeng(2001)所建议的方法，使用Relogit模型重新进行了估计。二者估计结果并没有显著的差异(20)。
表3第(1)列是仅控制人口学特征变量后，宗教对冤屈情绪影响的估计结果。从中可以看出，宗教对冤屈情绪具有显著的正向影响，信教者存在冤屈情绪的概率要显著高于非信教者。第(2)和(3)列表示加入阶层变量以后，宗教对冤屈情绪的影响。无论是使用客观阶层指标，还是使用主观阶层指标，宗教对冤屈情绪依然具有显著的正向影响，并且控制了阶层指标以后，宗教对冤屈情绪的影响变得更大了。无论是否控制阶层变量，宗教对冤屈情绪的影响均在1％的水平上显著。
(二)宗教与群体性事件
表4是宗教对群体性事件参与影响的估计结果。由于群体性事件参与者所占比重也明显低于非参与者的比重(参见表1)，所以本文同样使用了Relogit模型。发现标准Logit模型确实存在低估问题，但是这一问题并不严重。
从表4中可以看出，宗教对群体性事件参与概率存在正向影响，并且这一结果具有较强的稳健性。当仅控制人口学特征变量时，信教者参与群体性事件的概率远远高于非信教者，这一差异在5％的水平上具有统计显著性(参见表4第(1)列)。加入机会成本变量后，宗教对群体性事件参与概率的影响有所增加，且仍在5％的水平上显著(参见表4第(2)列)。加入冤屈情绪以后宗教对群体性事件的影响程度和统计显著性均有所下降，但是仍然在10％的水平上具有统计显著性(参见表4第(3)列)。
需要指出的是，此处所考察的群体性事件参与只是针对那些在2001—2005年间身边发生过群体性事件者。因此，上述结果可以认为是，在冲突环境一定的情况下，宗教对群体性事件参与具有显著的正向影响。本文基于模型(3)考察了宗教对冲突环境的影响，发现宗教对冲突环境并没有显著的影响(p=0.713)(21)。
(三)稳健性和内生性
表3和表4使用了不同的模型设定形式和不同的估计方法，这在一定程度上说明了宗教与冤屈情绪和群体性事件之间相关关系的稳健性。本小节将使用CRRP数据进一步检验表3和表4估计结果的稳健性及内生性。表5给出了基于CRRP数据，宗教对冤屈情绪和冲突行为的估计结果。从中可以看出，宗教对冤屈情绪和冲突行为依然均有正向影响。
为了解决个体宗教信仰与冤屈情绪、群体事件参与之间可能存在的内生性问题，本文使用了工具变量法。在使用工具变量之前，应该对弱工具变量问题进行检验。关于连续性因变量和连续性工具变量的弱工具变量问题，Stock and Yogo(2005)提出了检验方法并且给出了检验标准。然而，Nichols(2011)指出，该方法和标准并不适用于受限性因变量和受限性工具变量。不幸的是，目前并没有一个有效的方法对受限性因变量和受限性工具变量的弱工具变量问题进行检验。因此，本文通过第一阶段工具变量对内生变量的显著性来对弱工具变量问题作一个初步判断。从第一阶段的回归结果来看，无论是在冤屈情绪模型中还是在群体性事件参与模型中，1820年寺庙数量对个体宗教信仰均具有显著的影响。另外，对比个体宗教信仰的Probit模型估计以及IV_Probit模型估计参数的标准误可以发现，IV_Probit模型估计参数的标准误并不比Probit模型估计参数的标准误大很多。由此，该工具变量的弱工具变量问题可能并不是太严重。
使用工具变量法，剔除宗教与冤屈情绪和冲突行为可能存在的内生性问题以后，宗教对冤屈情绪和冲突行为依然具有显著的正向影响。参见表5。
六、进一步的讨论
(一)宗教对冤屈情绪的作用渠道
1.掠夺效应
为了检验掠夺效应，本文在模型(1)中加入民族变量构造了模型(1.2)，重复了表3第(2)和(3)列的估计过程。依据Caselli and Coleman(2006)所构造的掠夺模型，如果掠夺效应存在，那么少数民族的冤屈情绪相对于汉族要更大，同时加入民族变量后，宗教对冤屈情绪的影响将会变弱。
表6中“掠夺效应”一栏给出了这一过程的估计结果。从中可以看出，民族对冤屈情绪的影响与宗教对冤屈情绪的影响一样，少数民族的冤屈情绪更高。另外，民族变量的加入使得宗教对冤屈的影响有了较大程度的下降，对比表6和表3的估计结果可以计算出，民族变量使得宗教对冤屈的影响平均下降了7％～8％(22)。这一结果说明，信教者之所以会产生更多的冤屈情绪，很有可能是因为社会在财产、权力等资源分配过程中对信教者采取了某种掠夺措施。
关于信教群体可能会因为其信徒身份而受到不平等待遇的其他证据，首先表现在文化大革命时期宗教所遭受到的巨大破坏；其次，一方面可能是由于宗教管理政策的路径依赖，一方面可能是部分官员的观念没有转变，当今社会宗教依然在很大程度上被认为是一个负面的因素。于建嵘(2010)描述了一个官员对宗教的态度，“(信教人数)不像种树，种树可以多报一点，这个报多了中央领导也不高兴，我们一般总的原则往小的报。”(23)在笔者自己的实地调查中，也遇到了诸如此类的谨慎言行，以致调查最后被迫中止。当时主管官员给出的理由是，“宗教数据属于国家机密”。无论是因文革时期大规模的破坏而留下的历史记忆，还是因现阶段宗教管理政策中存在的问题而受到的不平等待遇，都会导致宗教信徒冤屈情绪的增加。
2.“洗脑”效应
为了检验“洗脑”效应，本文对比了不同宗教之间的冤屈情绪是否有显著的不同。如果存在不同，则说明教义对公平偏好存在影响，“洗脑”效应存在；如果没有差异，则说明教义对公平偏好没有影响或者影响甚微，“洗脑”效应得不到证据支撑。使用模型(2)，本文检验了不同宗教信仰(具体包括佛教、道教、天主教、伊斯兰教、基督教、民间信仰和其他信仰)对冤屈情绪影响的差异，发现其差异并不具有统计显著性(24)，因此没有证据支持是因为宗教改变公平偏好从而导致其对冤屈情绪有正向影响。
在提出研究假说H1时，本文将宗教“洗脑”效应的影响方向作为不确定来对待，宗教既有可能加强人们的公平偏好，也有可能削弱人们的公平偏好。不过，就我们所掌握的文献而言，宗教削弱公平偏好的效应可能会更大。如卢云峰(2010)(25)指出，宗教给人们带来的最为基本的效用之一就是对苦难的缓冲。国外大量研究发现，宗教参与能够削弱创伤性事件对主观福利的影响(Ellison，1991；Strawbridge et al.，1998；Lelkes，2006；Dehejia et al.，2007)。阮荣平等(2011)(26)基于中国农村数据的研究也表明，宗教信仰能够显著削弱创伤性事件对精神层面主观福利的不利影响。如果宗教是人们应对苦难的一个策略的话，那么宗教的功能可以进一步推论为增加人们对不平等待遇的承受力，降低其公平偏好。因此，如果“洗脑”效应存在的话，那么更为合理的推理是宗教信仰者的冤屈情绪应该更弱。而本文的分析结果却表明，相对于无宗教信仰者而言，有宗教信仰者的冤屈情绪更大。由此，也可以推断宗教在冤屈情绪形成过程中的“洗脑”效应并不很强。
3.网络效应
如果宗教对冤屈情绪的影响是通过网络效应的话，那么组织性强的宗教其冤屈情绪应更大。根据模型(2)估计结果(参见表6第(5)和(6)列)，使用客观社会阶层指标，普化宗教对冤屈情绪的影响系数为0.72(z=3.53)，而制度化宗教对冤屈情绪的影响系数为0.30(z=2.78)；使用主观社会阶层指标，普化宗教对冤屈情绪的影响系数为0.57(z=3.09)，而制度化宗教对冤屈情绪的影响系数为0.30(z=2.46)。上述结果表明，无论是从经济显著性还是从统计显著性看，普化宗教对冤屈的影响均高于制度化宗教。由此看来，宗教的网络效应也得不到经验支持。再者，如果宗教的网络效应存在的话，那么其他组织也会存在网络效应，并且加入组织变量将会削弱宗教对冤屈情绪的影响。表6第(3)和(4)列是这一过程的估计结果。从中可以看出，组织变量对冤屈情绪的影响十分不稳健，同时组织变量的加入也并没有改变宗教对冤屈情绪的影响。
上述分析表明，“洗脑”效应以及网络效应并没有经验证据的支持，因此信教者的冤屈情绪更可能是因为受到了社会的不平等待遇所引起的。
(二)宗教对群体性事件的作用渠道
1.冤屈效应
如果冤屈效应存在，那么：(1)冤屈情绪应对群体性事件参与具有显著的正向影响；(2)在模型中加入冤屈情绪，宗教对群体性事件的影响应有所下降。表4估计结果对此均有所印证。首先，冤屈情绪对群体性事件参与存在显著且稳健的正向影响。其次，加入冤屈情绪变量以后，宗教对群体性事件参与的影响无论是经济显著性还是统计显著性均有明显的下降，影响程度下降了16.28％，且统计显著性则从5％下降到了10％。
虽然冤屈效应在很大程度上解释了宗教对群体性事件参与的影响，但是并没有完全予以解释。加入冤屈情绪变量以后，宗教对群体性事件参与的影响依然显著，因此宗教对群体性事件的影响可能还存在其他作用机制。
2.组织效应
如果组织效应存在，那么其他组织变量也会对群体性事件具有显著的影响，并且其他组织变量的加入会削弱宗教的影响。为了检验这一机制，本文使用Relogit方法对模型(4)进行了估计。估计结果参见表7。从中可以看出，隶属于某一组织者参与群体性事件的概率大于不隶属于任何组织者参与群体性事件的概率，并且组织变量对群体性事件参与的影响大于宗教对群体性事件的影响。参见表7第(1)列。相对于表4中Relogit方法估计结果，加入组织变量以后，宗教对群体性事件参与概率的影响下降了3％。这说明宗教的组织化有利于群体性事件的形成。
此外，如果组织效应存在的话，那么普化宗教(即弱组织化宗教)对群体性事件参与的影响应弱于制度化宗教(即强组织化宗教)。表7第(2)和(3)列给出了二者比较结果。从中可以看出，当没有控制组织变量时，制度化宗教对群体性事件参与的影响系数为0.38(z=1.64)，普化宗教的影响系数则为0.31(z=0.64)；当控制组织变量时，制度化宗教对群体性事件参与的影响系数仍为0.38(z=1.60)，普化宗教的影响系数变为0.33(z=0.69)。上述结果表明，制度化宗教对群体性事件参与的影响无论是经济显著性还是统计显著性均高于普化宗教。此结果支持组织效应。
七、主要结论
现有关于文化分化与社会冲突的理论，无论是经济学的维度(如掠夺模型)、政治学的维度(文化多元理论)、还是社会学的维度(如现代化理论)，大都认为文化分化会导致社会冲突，但是现有大都基于宏观层面的经验研究，结论存在较大分歧。本文基于中国微观调查数据发现了支持上述理论预期的证据——宗教信仰对冤屈情绪的产生和群体性事件的参与均有显著的正向影响。基于不同的模型设定、估计方法和数据，这一结果均表现出了较强的稳健性。基于CRRP数据，使用各省1820年寺庙数量作为个体宗教信仰的工具变量，在纠正了内生性后，估计结果依然表明宗教对冤屈情绪和群体性事件参与具有显著的正向影响。
理论上讲，宗教影响冤屈情绪的渠道有掠夺效应、“洗脑”效应和网络效应，但是基于CGSS数据的实证分析结果只是提供了掠夺效应的经验证据。因此可以认为，信教群体的冤屈情绪相对于非信教群体之所以更大，其主要原因并不在于宗教对信徒价值观以及公平偏好的改造和冤屈情绪因在宗教组织网络传播而具有乘数效应，而主要在于信教群体作为社会少数因其信徒身份在社会资源分配中受到了不平等待遇。另外，本文研究还发现，信教者会更多地参与群体性事件的一个主要原因是信教者的冤屈情绪更大，再者宗教的组织性降低了群体性事件的组织成本。
综合上述结果可以认为，宗教本身并不是社会冲突的根源，其在社会冲突过程中所扮演的角色更多的是“工具”。但是，只要宗教本身不构成冲突的根源，宗教的工具性既有可能维系社会冲突也有可能化解社会冲突。正如Berger(1967)指出的那样，“宗教既是‘世界维系’的力量也是‘世界动摇’的力量”；Solle(1984)也认为，宗教可以是对现状的辩解和使现状合法化的工具，宗教也可能是反抗、变革和解放的工具。刘明兴等(2010)(27)对中国农村社团的研究也表明，“半独立的社团”在社会纠纷调解和削减村庄的大规模群体性上访过程中扮演着重要角色，他们所分析的“半独立的社团”的主体就是宗教组织。目前中国宗教之所以在社会冲突中更多地扮演冲突维系的角色，主要是因为社会资源分配的不平等与宗教信仰之间存在显著的相关关系。
上述结论的政策含义是确保社会资源分配的公平性不但是处理世俗社会矛盾的主要方面，同时也是处理中国宗教问题的主要方面。
注释：
①应星，“‘气场’与群体性事件的发生机制——两个个案的比较”，《社会学研究》，2009年第6期，第105—121页。
②郭正林，“中国农村权力结构的制度化调整”，《开放时代》，2001年第7期，第34—40页。
③于建嵘，《岳村政治：转型期中国乡村政治结构的变迁》。北京：商务印书馆，2001年。
④李超海，“农民工参加集体行动及集体行动参加次数的影响因素分析——基于对珠江三角洲地区农民工的调查”，《中国农村观察》，2009年第6期，第45—53页。
⑤[美]科塞著，孙立平译，《社会冲突的功能》。北京：华夏出版社，1989年。
⑥陈雪，“农民信教行为对农村社会网络的影响——基于河南X县的实证分析”，中国人民大学硕士学位论文，2010年。
⑦阮荣平、郑风田，“理性与信仰”，工作论文，2010年。
⑧阮荣平、郑风田，“中国农村‘文明的冲突’”，《经济学》(季刊)，2011年第3期，第845—868页。
⑨郑风田、阮荣平、刘力，“风险、社会保障与农村宗教信仰”，《经济学》(季刊)，2010年第3期，第829—850页。
⑩阮荣平，“中国农村宗教热缘何兴起：基于社会保障和公共文化视角的分析”，中国人民大学博士学位论文，2010年。
(11)阮荣平、王兵，“差序格局下的宗教信仰和信任—基于中国十城市的经济数据”，《社会》，2011年第4期，第195—217页。
(12)阮荣平、刘力，“中国农村非正式社会保障供给研究—基于宗教社会保障功能的分析”，《管理世界》，2011年第4期，第46—57页。
(13)在控制变量方面，两个数据的不同主要体现在社会分层变量的选择上。由于CRRP调查没有主观社会分层指标，因此无法使用这一变量对模型进行估计，在客观社会分层指标选择上主要选取从事行业(0=农业；1=非农业)、家庭支出对数、户口(1=农业户口；0=非农户口)。总体而言，这一变量对于两个数据而言是具有可比性的。
(14)鉴于CRRP数据方面的限制，本文对宗教影响渠道的分析都是基于CGSS调查数据。
(15)杨庆堃著，范丽珠译，《中国社会中的宗教》，上海人民出版社，2007年。
(16)religion and grievance以及人口学特征变量含义同模型(1)。冲突参与机会成本的具体衡量指标是家庭支出的对数、就业状况(0=没有工作；1=有工作)，收入结构的具体衡量指标是户口(0=农业户口；1=非农户口)。
(17)参见http://worldmap.harvard.edu/chinamap。感谢匿名审稿人的建议。
(18)我们还计算了各个回归样本中宗教信仰的分布。发现各个回归样本中，宗教信仰的分布并没有太大的差异。具体如下。表3第(1)列：有宗教信仰者所占比重13％；表3第(2)列：有宗教信仰者所占比重12％；表3第(3)列：有宗教信仰者所占比重13％。表4第(1)列：有宗教信仰者所占比重14％；表4第(2)—(3)列：有宗教信仰者所占比重12％。表5“冤屈情绪”中“Probit”-“IV_Probit”列：有宗教信仰者所占比重23％；表5“冲突行为”“Probit”-“IV_Probit”列：有宗教信仰者所占比重25％；表6第(1)、(3)、(5)列：有宗教信仰者所占比重12％；表6第(2)、(4)、(6)列：有宗教信仰者所占比重13％。表7有宗教信仰者所占比重12％。
(19)有关该调查的详细说明参见：郑风田、阮荣平、郎晓娟，“我国究竟有多少人信教”，人文与社会论坛，http：//wen.org.cn/modules/article/view.article.php/article=1108，2009年。
(20)Collier and Hoeffler(2004)也同时使用这两种方法研究了国内战争发生的决定因素，发现两种方法的估计也没有太大的差异。
(21)限于篇幅，估计结果没有报告，感兴趣的读者可以向作者索取。
(22)计算方法为：-8％=(0.34—0.37)/0.37；-7％=(0.27—0.29)/0.29。0.37和0.29分别是表3第(2)列和(3)列宗教信仰影响的估计参数。0.34和0.27分别是表6第(1)列和第(2)列宗教信仰影响的估计参数。
(23)于建嵘，“中国家庭教会调查”，实践与文本网，http://www.ptext.cn/home4.php?id=3983，2010。
(24)限于篇幅，检验结果没有报告，感兴趣的读者可以向作者索取。
(25)卢云峰，“苦难与宗教增长：管制的非预期后果”，《社会》，2010年第4期，第200—217页。
(26)阮荣平、郑风田、刘力，“公共文化供给的宗教信仰挤出效应检验—基于河南农村调查数据”，《中国农村观察》，2010年第6期，第72—85页。
(27)刘明兴、刘永东、陶郁等，“中国农村社团的发育、纠纷调解与群体性上访”，《社会学研究》，2010年第6期，第178—200页。