[论文解读] A Model of Competing Narratives

Kfir Eliaz, Ran Spiegler|arXiv (Cornell University)|Nov 10, 2018

Electoral Systems and Political Participation参考文献 8被引用 4

一句话总结

本文将政治叙事形式化为贝叶斯网络（DAG）中的因果模型，表明竞争性叙事——尤其是“机会叙事”——可通过扭曲对政策后果的信念来维持极端政策。在均衡状态下，最大化预期效用的叙事倾向于支持充满希望且带有偏见的信念，即使叙事使用相同的变量但因果结构不同，也会导致极化。

ABSTRACT

We formalize the argument that political disagreements can be traced to a "clash of narratives". Drawing on the "Bayesian Networks" literature, we model a narrative as a causal model that maps actions into consequences, weaving a selection of other random variables into the story. An equilibrium is defined as a probability distribution over narrative-policy pairs that maximizes a representative agent's anticipatory utility, capturing the idea that public opinion favors hopeful narratives. Our equilibrium analysis sheds light on the structure of prevailing narratives, the variables they involve, the policies they sustain and their contribution to political polarization.

研究动机与目标

• 将竞争性叙事在塑造公众舆论和政治极化中的作用形式化。
• 建模叙事如何作为因果模型，将政策行动映射到感知后果。
• 分析公众舆论如何基于预期效用选择叙事，偏好‘充满希望’的故事。
• 研究在共享变量下叙事如何维持极端政策的结构条件。
• 探索政策辩论中叙事竞争的均衡动态，特别是当叙事涉及混淆变量时。

提出的方法

• 将叙事表示为有向无环图（DAG），其中动作、中间变量和后果作为节点。
• 将信念建模为源自DAG的条件概率，捕捉感知到的因果效应，而不指定效应大小。
• 将均衡定义为在代表性代理人预期效用最大化的前提下，叙事-政策对上的概率分布。
• 分析极限情况（ε, δ → 0）以识别均衡中占主导地位的叙事结构。
• 比较杠杆叙事（其中变量为内生且受政策影响）与机会叙事（其中变量为外生且政策对其作出响应）。
• 使用数学优化方法，确定在不同叙事类型下可实现的有利结果信念最大值（P(y=1|a)）

实验结果

研究问题

• RQ1 在缺乏系统性信息差异的情况下，叙事如何塑造公众对政策结果的信念？
• RQ2 因果叙事的哪些结构特征（如杠杆型与机会型）会导致对相反政策的支持？
• RQ3 为何使用相同变量但赋予其不同因果角色（内生与外生）的叙事会导致政策偏好的分歧？
• RQ4 在何种条件下均衡中会出现多个主导的叙事-政策对，其共存的驱动力是什么？
• RQ5 叙事推广的成本如何影响均衡中叙事的选择？

主要发现

• 在ε极小的极限下，均衡中的叙事为最大化预期效用的机会叙事，导致对极端政策的强力支持。
• 对于任意α ∈ (0,1)，机会叙事实现的P(y=1|a=1)高于杠杆叙事，具体为1−α(1−μ) > μ/(μ+(1−μ)α)。
• 均衡要求α = 1/2，以在左右极端政策之间平衡净预期效用，确保叙事的稳定性。
• 同一变量可在一种叙事中作为杠杆（受政策影响），在另一叙事中作为外生威胁/机会，从而支持相反政策。
• 均衡叙事并非唯一；由于叙事受欢迎度的递减回报，多个叙事-政策对可共存。
• 当叙事被限制为线性链（a→x₂→x₃→y）时，均衡结构偏好更长的链，表明对包含更多变量的复杂叙事存在偏好。