作者简介：程诚，男，西安交通大学社会学系副教授，博士；王奕轩，女，西安交通大学社会学系副教授，博士；姚远，女，西安交通大学社会发展与管理专业博士研究生。西安 710049

　　内容提要：同伴网络在人力资本培育过程中具有双刃剑的作用，本文统合了现有文献中围绕同伴网络积极影响与消极影响展开的两支研究方向，考察同伴网络对学习行为及学业成就影响的非对称性。在通过随机分配同伴这一策略以解决内生性问题的基础上，本文发现：尽管各类学习行为均受到随机分配同伴的影响，但较之积极学习行为，消极学习行为更容易在同伴之间传播与扩散，也更可能影响其最终的学业表现。此外，本文还发现同伴的网络效应存在“梯度”现象，即同伴对学习行为的影响强度高于其对学业结果的影响。

　　关 键 词：同伴网络 学习行为 学业成就 非对称性 随机分配

　　标题注释：教育部人文社会科学研究青年基金项目(编号：15YJC840003)。

　　中图分类号：G40-054 文献标识码：A 文章编号：1671-9468(2019)01-0163-23

　　一、问题提出

　　同伴在青年学生人力资本积累过程中扮演了重要角色。国际学术界虽已围绕同伴效应展开研究，并形成了一定共识，但在部分核心问题上仍旧争论不已。比如，同伴影响的“近朱者赤”效应得到了广泛验证，但如何将其从“物以类聚”的内生效应中剔除出来？又如，“近朱者赤”的影响机制究竟是什么？是源于同伴之间诸如答疑解惑这样的直接帮助，还是源于他们之间价值观念潜移默化的间接影响？再如，许多基于随机分配自然实验的研究揭示出同伴网络与学业结果之间存在联系，但对中间过程却鲜有讨论。因此，研究我国高校学生中同伴网络效应，具有重要的理论意义：可以在中国情境中检验这一理论命题，同时将在影响过程和作用机制等方面深化并拓展学界对同伴效应的认知。虽然基于随机分配同伴来排除自我选择问题这一研究策略被广泛运用，且同伴影响的因果效应也不断得到证明，但是，就同伴网络学业成就效应而言，到底是其积极影响更强还是消极影响更强？“近朱者赤”与“近墨者黑”两种效应的强度相同吗？这是同伴影响众多命题中最核心的问题[1-2]，却也是目前学界研究成果最少的议题之一。而对于该问题的探讨具有极其重要的政策意义：首先，如果研究发现“近朱者赤”与“近墨者黑”两种效应的强度相同，则意味着同伴网络的影响是一场“零和博弈”，“高学习能力学生”(high-ability students)与“低学习能力学生”(low-ability students)之间的互动使得他们不断趋同[3]，而依此逻辑，基于同伴效应的研究也就难以产生真正的实践意义；其次，如果研究发现个体更容易“近朱者赤”而非“近墨者黑”，那么，在教育实践中，合理的关系管理与干预将有助于提高教育产出；再者，如果研究发现个体更容易“近墨者黑”而非“近朱者赤”，则需要强化学校的制度建设，以规避非正式人际互动所带来的总和负效应。

　　在回答上述问题的过程中，相比同类研究，本文在研究策略上还有一点创新，即将同伴网络影响的过程与结果结合起来。随机分配同伴的自然实验策略一般都是基于官方数据而非调查数据展开的，这导致研究者只能分析学业成就这类结果性指标，而形成学业成就的影响路径(过程)扑朔迷离，如直接影响和间接影响之争[4]。本文将官方数据(成绩)和调查数据(学习行为)结合起来，不仅可以更好地回答同伴网络影响的非对称性问题，还有助于研究者厘清同伴网络影响的复杂路径。

　　本文的行文逻辑如下：在文献回顾部分，重点论述同伴网络影响(尤其是随机分配同伴)的机制与争论，以及本文应对这些挑战的研究策略，在此基础上提出同伴网络效应的“非对称性”假设；在研究设计和实证分析部分，阐述如何分解基于“物以类聚”的“内生效应”和基于“近朱者赤”的“网络效应”[5]，如何采集学生自我选择的同伴特征和相关分析策略，并呈现实证结果；最后，结合实证结果提出政策建议。

　　二、文献回顾与假设

　　在《青少年社会：青年人的社会生活及其对教育的影响》(The Adolescent Society：The Social Life of the Teenager and Its Impact on Education)一书中，科尔曼(James Samuel Coleman)指出：青少年绝大多数时刻都沉浸在同伴网络及其影响中，而青年人又有着属于自己的、完全不同于成人世界的“亚文化”，因此青少年同伴群体更可能相互影响，其效应往往要强于家庭、教师和学校的形塑能力[6]。随着时间的推移，这个观点并未失去效力。如哈里斯(Judith Rich Harris)认为，家庭背景对子女成就唯一的影响途径就是为其提供了建构不同类型同伴网络的机会[7]。在大学阶段，同伴影响达到了个体生命历程的巅峰[8]，因为步入大学后，他们就开始逐渐脱离原生家庭，而同伴则成为其最为密切的接触对象。最近的一项随机分配实验研究也发现，相比教师，同伴的指导与答疑更可能帮助大学生树立学业目标并促进其学业成就[9]。

　　(一)两重争论

　　尽管如此，当学者发现学生本人的成绩与其同伴成绩高度相关时，无人敢断言这就是来自同伴的影响[10]。在许多学者看来，造成同伴与本人成就或各类行为模式趋同的原因，除了“网络效应”以外，还包括基于“物以类聚”的“内生效应”，即“相似吸引”而导致的趋同结果[11]。有学者认为，在青年群体中，“物以类聚”的影响要大于“近朱者赤”效应[12]。换言之，并非与“高学习能力学生”的交往让青少年个体变得优秀，而是他们之间会更天然、自觉地成为朋友，并排斥处于不利境地的“低学习能力学生”。因此，有学者认为，所谓的网络效应根本就是虚假相关，至少在传统的OLS模型中被严重高估了。这是同伴效应研究中最广为人知的第一重争论。

　　基于随机分配同伴的自然实验是解决上述争论的一种重要方法，也被认为是捕捉网络因果效应各类方法中最具优势的一种[13]。因为在现实生活中，几乎不可能真正做到随机分配同伴，尤其是当我们希望这类同伴关系还可以保持一年甚至更久。高校宿舍成员的分配是近似随机的，可被视为一项绝佳的自然实验，为考察同伴网络效应提供了可靠的研究平台[14]。这种基于高校宿舍随机分配的策略本身就因其操作便利而在国外相关研究中被广泛运用，大量基于该策略的研究成果陆续发表在社会科学研究的顶级期刊上，包括基于达特茅斯学院随机分配室友的研究[15]，考察随机分配不同种族室友对种族态度和融合的影响研究[16]，基于卫斯理学院和印度一所工科高校的有关学业成就的室友效应研究[17-18]，分析随机分配室友对健康行为影响的研究[19]，等等。

　　实际上，相比欧美高校大学的宿舍分配，中国高校宿舍分配使研究具有如下优势。首先，绝大多数欧美高校宿舍分配考虑了学生的偏好与诉求(如是否抽烟、晚睡、听音乐、爱整洁、养宠物等[20])，这些诉求客观上干扰了宿舍分配的随机化程度。而相较之下，本文所关注的高校，除了性别、所属学院以外，均按新生的姓氏拼音排序分配宿舍，故“似随机化”(as-if random)[21]程度更高，更符合自然实验的要求。其次，大多数欧美高校只要求学生第一年住校，第二学年可以自行在校外租住，这使得研究者往往只能观察到较为短期的随机分配同伴效应，而同伴关系持续的时间也是影响同伴效应的核心要素[22]。反观中国高校，大学四年基本均被要求住校。这一制度情境优势使得研究者可以更好地分析室友效应的长期的、动态变化。再次，室友构成了该校学生的核心关系。美国高校中，只有37％的学生将室友列为关系最好的三个朋友之一[23]。但在本文分析的高校中，宿舍室友关系要紧密得多——2014年数据显示，入大学半年后，关于该校新生对“与室友关系的评价”，报告“很好”或“好”的占比87％；在其所列的三个好朋友中，至少有一个为其室友的占76％①；两年后(2016年)的调查显示，后一数值仍维持在77％，非常稳健。国内其他同行也陆续认识到基于随机分配室友自然实验所具有的研究优势，所以相关议题的学术研究成果日益增多[24-26]。虽然随机分配的策略基本解决了选择性问题，但同伴影响的议题不仅没有终结，反而引发了一系列新的问题与争论。这些争议是当前同伴影响研究的前沿议题，本文将其称为第二重争论。主要包括以下几个方面：

　　1.网络效应的存在性之争

　　作为随机室友分配设计的首创者——撒切尔多特(Bruce Sacerdote)发现，学业成就的同伴效应非常明显，而且学习能力强的学生对学习能力差的学生的带动效应更为突出[27]。正如撒切尔多特所言：虽然宿舍室友是一个人社会网络中极小的组成部分之一，且高校学生又是一个具有高度选择性的群体，但依然可观察到强大的同伴效应。这一社会网络对于人力资本极其巨大的创生力量并未得到同一时期学者齐默曼(David J.Zimmerman)的支持。齐默曼也采用了基于随机分配室友的自然实验，但其研究发现则与撒切尔多特相反：“高学习能力学生”对“低学习能力学生”并无带动作用，而“低学习能力学生”对中等生却有消极影响[28]。继上述两位学者之后，学界相关研究不断涌现，并形成泾渭分明的两派：多数学者发现，大学室友的特征(如学业能力、家庭背景、社会行为)强烈地影响着个体的学业成就[29-33]，少数学者则观察到学业成就的室友效应非常微弱、不稳健或可忽略不计[34-36]。

　　2.网络效应的条件性之争

　　后续研究开始逐渐关注同伴效应是否依据不同因素从而产生不同的效果。首先，性别差异。这方面的研究结论不一：大多数研究认为，男生更容易受到同伴的影响[37-41]；也有少数研究认为，女性更容易受到同伴影响[42-44]。其次，对象差异。主流研究认为，学业成就的同伴效应多体现在具有推理、计算等特性的自然科学学科中，而对人文学科和社会科学领域的影响微弱[45-48]；而另一些研究则提供截然相反的证据，研究认为相比数学成绩，个体的语言类成绩更容易受到同伴的影响[49]。此外，非线性之争也可被视为条件性争论的一个表现。非线性观点认为，同伴效应在总体中虽适度存在，但对能力高低不同的学生影响不同。比如，一些研究认为“低学习能力学生”会受益更多[50-53]；而更多的研究则认为，“高学习能力学生”相互的积极影响很大，但该群体对相对较差学生的影响微弱，甚至有降低他们成绩的可能[54-57]。

　　3.网络效应的影响路径之争

　　学界普遍认为，同伴效应的产生有两条主要路径——直接影响和间接影响。直接影响是指同伴作为个人资源，可以为某学生的学业或者其他方面提供社会支持，继而促进该学生的学业进步与发展；而间接影响则更强调作为社会情境的同伴网络，通过对个体观念与行为的形塑而间接发挥作用。针对这两条路径及其各自影响方式，斯泰恩布里克纳父子(Ralph Stinebrickner & Todd R.Stinebrickner)认为，虽然目前的研究是以前者为立足点的，但真正发挥影响的更可能是基于后者[58]。这一观点得到了许多研究的支持。比如，有研究认为，同伴效应并非传授特定领域的具体知识[59]，而主要体现为传递共通性的学习技巧(如应该如何学习等)，从而影响同伴的人力资本创造。但一项基于印度某工科高校的研究发现，同伴学业成就效应的确稳健存在，但主要体现为直接影响，而非间接影响[60]。程诚改进了上述研究策略，提出以“专业匹配法”的方式来检验中国情境下同伴效应的影响路径，并发现间接影响占主导性地位[61]。

　　(二)从“结果”到“过程”

　　当前的研究与争论存在一个明显的问题：同伴网络效应的研究结论并不一致。造成不一致的原因包括：第一，研究情境的局限性。上述研究的数据采集均源于欧美大学，但欧美高校宿舍及其分配、管理制度决定了同伴(室友)效应测量有效性不足。第二，缺乏对同伴效应产生机制的深入剖析。虽然同伴效应的相关研究较多，但对其产生机制的剖析依然不够清晰[62-64]。不同学科的研究者从其自身学科领域与知识脉络出发，对该议题各抒己见，但这又导致很多研究之间难以对话。

　　此外，本文认为，导致研究结论存在争议还有一个非常重要但易被忽视的因素：以往随机分配脉络下的研究重视学业成就这一结果而忽视学习过程——如青年学生学习态度的形成、学习行为的传递等。造成这一研究现状的原因在于：上述研究在探讨网络效应时，依赖的是官方数据而非调查数据。其重大缺陷是未能收集学生学习行为，以及学生对学业成就重要性的认知和态度等方面的信息，进而无法考察学生的个人动机和偏好，也就无法进行有效深入的过程分析。而最近的研究表明，同伴网络效应主要以影响个人的态度和行为这一间接形式发挥作用，并最终作用于学生的学业成绩[65-68]。所以，同伴的影响还可能呈现一种“梯度”现象：一方面，对态度行为的影响力高于对最终结果的影响；另一方面，随着时间推移，学生之间的交往增多，同伴网络影响也逐步加强[69]。

　　由此可见，为了更加清晰地探明学生个体人力资本生成的网络效应，非常有必要考察学生个体的学业态度和行为的同伴效应，及其与学生最终学业产出之间的路径关系。这是本文需要直面的第一个问题，也是本文有别于以往研究的第一个重要特征。实际上解决这一问题并不困难，只需将新近基于官方数据的自然实验与传统的抽样调查数据相结合。本文不仅搜集了我国某高校的官方数据，还对该校学生进行了问卷调查，采集了他们的学业态度与行为、人生规划和家庭背景等相关信息。

　　(三)同伴网络对学业成就的影响

　　本文有别于以往研究的第二个重要特征是：将现有文献中围绕同伴网络积极影响与消极影响分别展开的两支独立研究脉络统合起来，并提出了同伴网络影响的非对称性假设。

　　概括而言，同伴效应研究可分为两派：一派将同伴网络视作促进青少年积极发展的因素，另一派则强调同伴网络在青少年成长中的负面影响[70]。积极派有较为浓厚的经济学传统，着眼于探索同伴互动可能带来的经济效益。这些研究普遍认为，同伴网络有可能促进学生人力资本的积累：一是人际网络的共享传递作用，同伴互动不仅促进了学习资源的共享，还推动了学业信息的传递；二是参照群体的同伴压力影响，外部竞争环境会激发个体学习的成就动机和内驱力。撒切尔多特最早发现，在基于随机分配的同伴中，“高学习能力学生”对“低学习能力学生”学业成就的带动作用，强于“低学习能力学生”对“高学习能力学生”的负面影响[71]。可见，同伴网络的影响具有“非线性”特征，即同伴的学习成绩越好，网络效应越强，反之则越弱。在此意义上，同伴网络具有帕累托改进的功能，可以促进社会福利的提升[72]。尽管这一派不否认“低学习能力学生”对“高学习能力学生”的负向影响，但该理论更强调同伴网络的积极影响。

　　消极派根植于关注青少年发展的社会学传统中，这一传统更强调同伴对于学生本人的负面影响，即将同伴视为越轨行为的重要诱因。大量研究发现，不良同伴极有可能诱发学生一系列越轨行为，包括逃学、酗酒、吸毒、辍学、暴力行为甚至自杀[73]。比如，在有关酗酒行为的同伴影响研究中，国光团队选取了基于随机分配的室友网络，以此抵制选择性问题和基因—环境的相关性威胁，并提出了同伴影响与基因倾向交互作用下的“摇摆理论”(swing theory)。实证研究发现，诱发青少年酗酒行为的同伴影响存在于具有中等酒精基因倾向(即酒精偏好适中)的青少年群体中，而对于低等酒精基因倾向(即酒精偏好很低)或高等酒精基因倾向(即酒精偏好很高)的青少年，同伴效应均无法发挥影响。此外，宿舍中若存在酗酒行为的室友，那么该宿舍的其他室友很可能会成为易感人群，其酗酒可能性会较无酗酒行为室友上升20％～40％[74]。再如，围绕青少年自杀行为的研究也发现，青少年的自杀行为的确可以被同伴所濡染，此同伴网络效应的影响强度也大于家庭的影响，且持续时间可长达六年之久[75]。此外，阿鲁姆(Richard Arum)和罗克莎(Josipa Roksa)专门考察了同伴网络对于本科生学业成就的消极影响，这种消极影响尤其体现在批判性思维、复杂原因认知和写作技巧等能力的提升上[76]。

　　综上，在学业成就中，同伴网络无疑是一把“双刃剑”。那么，问题的核心是，“近朱者赤”和“近墨者黑”，两种效应孰强孰弱？本文认为，同伴网络对学业成就的作用，消极影响大于积极影响。青年学生的行为可分为两类：学业导向行为和生活导向行为。其中，学业导向行为本质上是向内的，需要一个漫长的自我理解、体会与反思的过程，而网络涉入程度是有限的，因此同伴影响较弱。生活导向的行为本质上是向外的、群体性的、娱乐化的，此时网络涉入程度很高，因而同伴影响也就更强。例如，高校学生独自上自习的概率要远高于独自购物、饮酒、打游戏的概率。但即使结伴自习，也不一定发生实质性的相互讨论。另一方面，在时间约束条件下，学业导向和生活导向的行为强度往往此消彼长。比如，同伴约某位学生陪同逛街时，就有可能导致该生逃课。又如，有研究考察了“学习小组”这种目标导向非常明确的同伴网络及其影响，并发现小组内部成员为了高质量地完成某项任务，会自发地分工协作，每个成员负责各自擅长的内容。虽然这种分工协作确实提高了组织效率，但小组成员之间并无影响，相反，他们个人的优势和劣势反而在此过程中被强化[77]。由此可见，即使学业目标导向如此明确，同伴影响都未曾体现，那么基于其他原因而形成的同伴纽带在学业成就上的积极影响就更值得怀疑了。

　　鉴于此，本文试图区分两类学习行为——积极学习行为和消极学习行为，并考察基于随机分配同伴的积极或消极学习行为对于高校学生本人相应行为的影响强度。与此相关的两个研究假设分别为：

　　假设1：随机分配同伴的学习行为越积极/消极，则学生本人采取相应行为的可能性也随之增强；

　　假设2：消极学习行为的同伴效应强于积极学习行为的同伴效应。

　　

图1 分析框架

　　三、数据、变量与研究策略

　　(一)数据

　　为了检验本文的相关假设，笔者于2014年和2016年分别对我国某知名高校一年级新生进行了调查，两次调查的数据采集时间均为当年的3月至5月。选取该校并抽取其中一年级本科生的考虑如下：首先，该校99％以上的新生均被要求住校，且宿舍的分配是随机的，其随机程度高于欧美高校，更加符合自然实验的要求。其次，他们入校时间尚短，新的社会关系网络尚未完全形成，随机分配的室友便是他们的核心关系网络。在2014年调查中，以学生宿舍为抽样框，以15％的比例抽取了149个学生宿舍。宿舍人数包括三人间和四人间两种类型，后者占主导地位，所占比重超过80％。另外，本样本中，41％的宿舍成员的专业不完全相同，60％的宿舍其成员来自不同的班级。调查共计访问了572名学生，考虑到在一些核心变量(如学习行为)上存在少量缺失，实际分析样本为563人。

　　基于对2014年数据的分析，在2016年调查中，我们扩大了样本规模，将该校七个学院中的五个学院当年新生全部纳入调查范围内，另外两个学院则随机抽取若干班级，并对抽中的班级内的全部学生进行问卷调查。整群抽样的核心目的是收集班级内部的关系网络数据，便于比较基于随机分配的同伴和基于自我选择两种不同方式的同伴的影响。该轮调查中，共计获得3081份有效问卷。为了确保研究的稳健性，将参与调查的学生数未达到班级总人数75％的班级(共235名学生，占总样本的7.63％)，以及班级规模小于10人的班级(1个班级，3名学生)排除在分析之外。最终，参与分析的有效班级为112个，样本人数为2，820人。班级内学生覆盖率为95.01％，班级平均规模为26.05人。本文以2016年数据为分析重点，辅以2014年数据进行稳健性检验。

　　(二)宿舍分配的随机化程度检验

　　如上文所强调的，本文所用数据中，宿舍室友随机化分配较欧美大学的研究情境更优，“似随机”程度更高。在正式进入研究之前，本文先利用调查数据对随机化分配是否确实有效解决了基于相似吸引的内生性选择问题加以证明②。参照以往研究惯例[78]，以学生入学前的学业能力(高考成绩)为核心指标，同时考虑父母受教育年限和家庭年收入这两个家庭社会经济地位指标。用室友的相应指标去预测学生本人的对应指标。由于宿舍分配考虑了学生的性别、专业和学院，这三个指标均作为控制变量纳入模型中。又由于每个学生都有多个室友，我们将数据结构转换成“一对一”的模式，并采用了依被访者的聚类回归模型[79]。数据结果表明(见表1)，不论是按高考省份标准化的高考成绩，还是未标准化的高考成绩，被访者与其室友入学前的学业能力均不相关。代表社会经济地位的指标也未发现存在显著关联。该结果表明，随机化分配的室友确实有效解决了基于相似吸引的内生性选择问题。

　　(三)变量

　　1.因变量

　　本文涉及两个因变量：学习行为和学业成绩。对于第一个因变量，本文以加州大学伯克利分校组织的本科生学习经历调查(SERU)中的学习投入部分为基础[80]，结合“大学生就读经验调查”(CSEQ)中文版中的课程学习部分[81]，编制了一套最初包含16个指标的学习行为测量量表。根据预调查的数据分析，剔除了区分度较低的指标，最终生成了一套包含9个题目的量表来测量该校大学生的学习行为与学业态度，这些指标的内部一致性系数为0.740。验证性因子分析表明：每个因素负荷值和信度系数均大于0.5，且模型适配指数(如NFI、IFI、CFI)均大于0.9，模型可以被接受。通过因子分析，获得三个公因子：积极学习行为、消极学习行为以及自学行为。因子分析的方法为主成分法并正交旋转。三个公因子的解释度超过65.5％，KMO值为0.742。有关具体的测量指标和因子负载可参见表2。

　　学业成绩是本文的第二个因变量，它是对学生最终学业结果的考察。考虑到不同专业甚至不同班级因科目不同而导致的成绩不可比问题，本文选择学业奖学金作为测量学业成绩的指标。本文一方面将奖学金细分为两个类型：低额奖学金(1，000元及以下)由学业成绩处于中上等学生获得，高额奖学金(1，000元以上)由成绩排名非常靠前的学生获得；另一方面，本文将未获得奖学金的学生分为两类：挂科和未挂科的学生。故该因变量包括四个类型：挂科(12.9％)、未挂科亦未获奖学金(43.5％)、获得低额奖学金(32.3％)和获得高额奖学金(11.3％)。在量化过程中，以“未挂科亦未获奖学金”为参照组，采用多分类Logit模型加以分析。值得一提的是，奖学金数据并非在调查时询问由学生填报，而是他们完成学业以后从校方获取的(即所谓的官方行政数据)，然后根据编号匹配到调查数据中。这不仅具有更高的客观性和可信性，而且由于其产生于调查后，与学生的学习行为在时间上有先后次序，可更好地呈现因果关系③。

　　2.自变量

　　本文的核心自变量是同伴的学习行为。这里同伴具体指基于随机分配的室友和学生本人自主选择的朋友。由于2016年的调查几乎覆盖了该校全部一年级新生，因此被访者的室友也在本文的取样当中④。在此基础之上，首先识别出每位被访者的“室友”，然后计算这些同伴在上述三种学习行为上的平均得分，从而得到了室友的积极学习行为、消极学习行为和主动自学行为三个核心自变量。

　　为了比较随机分配的同伴(室友)和自我选择的同伴(朋友)各自的影响模式，本文也采集了后者的相关信息。笔者将被访者的朋友限定在班级内部，并以班级内相互提名的方式进行。由于2016年的调查采取了基于班级的整群抽样模式，故而被访者所提名的朋友亦在调查范围之内，根据学号信息，进一步识别出每位被访者朋友的相关信息，并将其朋友的学习行为特征加总平均，继而得到其朋友的积极学习行为、消极学习行为和自学行为三个核心自变量⑤。需要指出的是，在当初问卷调查时，班级好友可以包含其室友，但本文将室友排除在其好友之外，以确保自我选择同伴影响的纯粹性⑥。

　　3.家庭背景

　　学生家庭背景对学业成就影响的研究非常丰富，它常被视为影响子代成就的重要因素。家庭背景的测量指标也极其多样化。本文从多个维度全面描述研究对象的家庭背景与环境，具体的指标包括：父母的受教育年限、家庭收入水平、父母的职业类型、家庭文化资本以及家庭社会资本。上述多数变量的测量与以往研究一致，需要特别说明的是最后两个变量的测量。家庭文化资本主要关注客观形态的、与学习相关的文化资源，包括家中是否拥有可以专门用来学习的地方(如书房)、是否拥有超过50本书籍(不含课本或教辅材料)、是否订阅或经常购买报纸杂志以及是否拥有艺术品(如画作)等四个指标。通过对这四个指标的汇总，并将其取值范围重新赋值为0～1的区间。在借鉴其他研究[82]的基础上，本文对家庭社会资本的测量侧重考察高校学生上大学之前与父母的互动关系，包括两个指标：一是“在你上高中时，父母是否会因你的出色表现表扬你”；二是“在你上高中时，父母是否会在你遇到挫折时鼓励你”。其编码方式与家庭文化资本一致。

　　4.其他个体特征变量

　　本文控制的其他学生特征变量既包括性别、班级职务、高考成绩排名、入学途径、来源地等客观信息，也包括被访者对成绩重要性的认知及其人生与职业规划的明确程度等主观评价。

　　5.结构与情境变量

　　同伴效应研究的三大挑战中，除了选择性偏误以外，还包括“共同情境”的影响，这个共同情境既包括自然情境，亦包括社会情境[83]。在基于随机分配的室友效应研究中，为了克服这个问题，本文控制了被访者的专业、学院、宿舍特征等情境变量。有关上述变量的分布信息参见表3。

　　四、分析结果

　　(一)随机分配同伴与高校学生的学习行为

　　表4是关于学习行为同伴影响的似不相关回归(SUR)结果。第一列和第二列是关于积极学习行为的回归结果。模型1表明，当控制了性别和宿舍楼/学院等基本变量，随机分配同伴(室友)采取积极学习行为的可能性每提高1单位，将使得学生本人积极学习行为的概率增加17.1％(p＜0.001)。在模型2中，进一步控制更多的个体与家庭特征变量之后，室友的影响系数有小幅下降，但依然保持高度显著。模型3和模型4是关于消极学习行为的回归结果。数据显示，当控制变量较少时，室友消极学习行为每增加1单位，学生本人的相应行为概率将提高26.1％(p＜0.001)；而当控制变量增多后，这一概率略有下降，为24.0％(p＜0.001)。模型5和6亦表明自学行为存在显著的同伴影响。

　　本文对上述两组回归系数的差异进行了显著性检验[84]。结果表明：同伴消极学习行为效应(0.261和0.240)均显著高于其积极学习行为效应(0.171和0.144)⑦。综上，基于随机分配的同伴的学业态度显著影响着学生本人的学业态度，即同伴之间的学习行为具有明显地、不断趋于一致的同化特征。更为关键的是，同伴学习行为的消极影响要显著高于其积极影响。因此，本文的两个研究假设均得到验证。

　　从稳健性角度出发，本文还利用2014年的小样本数据进行了复制性研究(见表5)，同伴效应及其非对称性特征也再次得到验证。当其他变量保持不变，同伴采取积极学习行为、消极学习行为、自学学习行为的可能性提高1个标准单位，将使得学生本人采取相应行为的可能性分别增加15.6％(p＜0.05)、36.9％(p＜0.001)和16.0％(p＜0.05)个标准单位。来自同伴的消极学习行为效应强度是积极学习行为效应的2.37倍。对上述三个回归系数的差异检验结果表明：同伴消极学习行为效应(0.369)显著高于其积极学习行为效应(0.156)与自学效应(0.160)。至此，本文的两个研究假设均再次得到证明。

　　基于2016年调查数据的独特优势，本文还比较了被访者自我选择的同伴(朋友但不包含室友)对其学习行为的影响(见表6)。尽管在三个维度的学习行为上，学生本人与其同伴均表现出显著的趋同性，但回归系数的差异检验并未通过，即同伴影响的非对称性假设并没有被验证。这是自我选择同伴影响与随机分配同伴影响的主要差异，但考虑到自我选择的同伴存在内生性问题，本文认为，基于随机分配同伴影响的可信度更高。

　　(二)其他特征变量与高校学生的学习行为

　　家庭背景的影响值得重点解读。与以往基于中小学学生样本的研究结论不同，本文发现：家庭背景对高校学生的学业态度和行为的影响总体微弱，且呈现不一致性特征(见表4)。首先，父母受教育水平对三类学习行为均无显著影响；家庭收入(对数)的高低、家庭文化资本的多寡，既不决定高校学生是否采取更积极的学习行为，也不决定其是否采取更消极的学习行为；父母的职业类型对于三类学习行为基本无影响；家庭社会资本的丰富程度也不影响子女大学期间是否会采取消极学习行为和自学行为。其次，家庭背景的优越程度往往与消极学习行为相关联。比如，随着家庭收入水平的提高，学生在校期间主动自学的可能性不断降低；父母职业为经济精英，子女更可能采取消极学习行为。最后，少数代表家庭背景优越程度与采取积极学习行为正相关。比如，家庭文化资本越丰富，子女则越可能采取自学行为；如若上大学以前父母经常表现出鼓励或者宽慰行为，子女则更可能在进入大学后选择积极的学习行为。另外，高考成绩无法预测进入大学后的学业态度和行为。综合以上发现，除了要承认大学学习行为与中小学的学习行为存在本质区别以外，更要认识到目前多数父母在教育过程的作用，主要体现为诸如监督、资源供给等“外化”形式，而非帮助其子女将学业态度“内化”为一种惯习，导致子女在进入大学、父母缺席时无法自觉实现学业成就。

　　表4的其他变量还表明：第一，尽管男生采取积极学习行为的可能性低于女生，但控制更多的变量以后，这一差异也随之消失；第二，人生目标与职业规划越明确的学生，不仅会采取更加积极的学习行为，也更可能采取主动自学行为，但在消极学习行为上并无二致；第三，对学业重要性认同度越高的学生，也越可能采取积极学习行为，同时也更不会采取消极学习行为，但对主动自学行为并无影响；第四，是否通过高考统招进入该校并不影响其在大学期间的学业态度和行为。

　　(三)随机分配同伴与高校学生的学业成绩

　　尽管上述分析已表明，无论是随机分配抑或是自我选择同伴，他们的学习行为对学生本人的对应行为具有“濡染效应”，但是否影响学生本人最终的学业成绩还有待进一步考察。在表7和表8中，模型的被解释变量均为大一学年的学业表现，按性质不同分为：挂科、未挂科亦未获得奖学金、获得低额奖学金和获得高额奖学金四个类型。以“未挂科亦未获得奖学金”为参照组，进行多分类logit回归。表7和表8各有两个模型，模型1包含除本人学习行为以外的变量，而模型2则包括全部变量。

　　回归结果表明，持续时间为一年期的随机分配同伴对学生本人最终的学业成绩影响有限。这种有限影响体现在：无论同伴采取何种学习行为，均不会使得学生本人的成绩产生“飞跃式”变化，比如挂科或者获得高额奖学金。但随机分配同伴的消极学习行为的确显著降低了学生本人获得低额奖学金的概率，而同伴积极学习行为和主动自学行为对获得低额奖学金也未有显著影响。该结果深化了我们对于同伴影响的非对称性特征的认识，即消极学习行为不仅更容易在同伴之间濡染、扩散，而且其“破坏性”影响也更大。将学习行为和学业结果的同伴影响之差异放在一起来看，可以发现同伴效应具有“梯度”特征，即行为的趋同度更高，而结果的趋同度较低。

　　家庭背景对高校学生的学业成绩的影响与其对学习行为的影响一致，即该影响总体微弱，且呈现不一致性的特征。父母受教育年限和家庭年收入(对数)均未显著影响高校学生能否获得学业奖学金或者挂科。有趣的是，家庭文化资本越丰富，该生挂科的可能性反而更高。这一发现尽管不同于欧美国家，但与基于东亚国家的研究一致[85]。家庭背景优越性的积极影响表现在：来自管理精英家庭的子代，更可能避免挂科；家庭社会资本越丰富，越可能获得高额奖学金。

　　高校学生本人的学业态度和行为是影响其能否获得较高学业成就的关键因素。具体体现在：对学业重要性评价越高、人生和职业规划越清晰、学习行为越积极主动的学生，则越可能规避挂科并获得奖学金，尤其是高额奖学金。但高考成绩和进入大学的途径对于是否获得奖学金以及是否挂科的影响并不显著。学业成绩表现出性别差异：相较于女生，男生获得高额奖学金的几率更低。

　　最后，将随机分配的同伴(室友)替换为自我选择的同伴(朋友)进行上述研究(见表8)。结果显示，学生好友的学习行为越积极，学生本人则越可能获得奖学金，尤其是高额奖学金；而好友的消极学习行为越频繁，学生本人则越可能挂科且越难获得奖学金，尤其是高额奖学金；但是好友的主动自学行为越频繁，越不利于学生本人获得奖学金。考虑到“物以类聚、人以群分”的同质性交往规律[86]，本文认为表8所展现的好友影响力，不仅被过度夸大了，还掩盖了同伴影响的“非对称性”和“梯度”特征。

　　(四)从同伴互动的内容解读同伴影响的非对称性

　　从同伴间日常互动活动的结果中，可以发现：同伴更像“玩伴”，而非“同学”。调查询问了每位被访者与同伴一起做的八类事情的频率(见表9)。表9第一列是项目类型，第二列是选择“从不/很少”的比例，第三列是选择“经常/总是”的比例。前四项选择“经常/总是”的比例最低，选择“从不/很少”的比例最高，而这四项全部是与学业相关的。相反，后四项选择“经常/总是”的比例最高，选择“从不/很少”的比例最低，而这四项则与生活，尤其是娱乐相关。总体而言，同伴的功能主要为“生活”导向，而非“学业”导向，这就不难理解为什么随机分配的同伴对学习行为和成就的消极影响要高于积极影响了。

　　五、结论与政策启示

　　近年来，高校的“学风”受到广泛的关注。基于实证分析，本文尝试从同伴网络影响的角度提供一个全新的解释。同伴网络在人力资本积累过程中发挥着双刃剑作用，本文主张将同伴网络的积极效应与消极效应统合起来，以考察在我国高校大学生群体的学业态度形成中，同伴网络效应的“非对称性”。在充分考虑内生性问题的基础上，利用基于随机分配室友的自然实验，本文发现“近墨者黑”效应大于“近朱者赤”效应，即相比积极的学习行为，消极的学习行为更容易在高校学生群体同伴间传播与扩散。同伴的消极学习行为还制约了学生本人取得较高的学业成就(获得学业奖学金)，但同伴的积极学习行为和自学行为对学生本人短期内(1年)是否取得更好的成绩则无显著影响。因此，同伴网络影响的“非对称性”特征在学习行为和学业成绩两个方面具有体现。本文通过对同伴实际互动内容的分析发现，上述“非对称性”的原因可能在于：多数学生将随机分配的同伴视为“玩伴”而非“同学”。青年学生的日常行为可区分为两种类型：一类以“学业”为导向，一类以“生活”为导向。后者更依赖于同伴的支持，故同伴的影响更大。从这个角度看，尽管许多学者认为同伴的组合(sorting)可以带来经济效益，但本文认为，权衡正负效应，大学生的同伴网络更可能对其学习行为发挥消极影响。

　　除了“非对称性”特征之外，本文还发现了同伴网络影响的“梯度”特征。若将学习行为和学业结果的同伴影响之差异放在一起来看，可以发现：学习行为的趋同度更高，而学业结果的趋同度较低。换言之，同伴对学生本人的态度行为的影响力高于对最终结果的影响。同伴网络影响的这一“梯度”特征蕴含了如下两个事实。首先，“梯度”特征表明了同伴效应的影响机制主要是通过影响价值观念而间接发挥影响，而非通过直接的互帮互助。其次，“梯度”特征预示着随着时间推移，学生之间的交往增多，同伴网络影响也将逐步增强。这意味着研究者在考察同伴效应，尤其是随机分配同伴的影响时，同伴间互动持续的时间是必须考虑的要素。目前国际研究中，有关室友效应是否存在的争论，很可能与其观察时间较短(1年)有关。从这个角度而言，尽管本文发现学业成就的短期(1年)同伴效应是微弱而有限的，但其长期影响或许更加强烈，这也是下一步可以探索的议题。例如，未来可以进一步考察毕业生国内升学、出国出境、就业质量的同伴效应。

　　教育政策与启示方面，本文认为应充分考虑奖惩制度对同伴网络效应的约束作用。比如，除了常规自习室外，学校可增设专门用于各类小组集体讨论的自学室，或鼓励学生以团队形式参与学术科技竞赛，以此促进同伴网络的正效应。而针对集体逃课等负面问题，学校应进一步加强惩治力度，抑制同伴网络所造成的负面乘数效应。

　　本文也存在一些不足，需要在未来研究中完善⑧。首先，随机分配室友只是同伴的一个来源，仅反映了同伴影响的冰山一角，所以本文有可能低估了同伴效应。针对这一点，未来应借助其他制度设计，考虑更大范围的随机分配同伴的影响，比如班级层面的同伴效应。其次，虽然自我选择的同伴混合了“吸引”和“影响”两种效应，因而无法判断其实际效应，但不能认为自我选择同伴与随机分配同伴的影响是一致的。目前现有基于劳动力市场的研究已发现，网络影响不仅没有因“趋同性”而被高估，反而因“趋异性”而被低估[87]。再次，本文分析了同伴课堂内积极与消极学习行为的影响差异性，但同伴课外行为的影响是否也遵循此模式呢？这有待于更多的数据支撑。此外，由于对学习行为只进行了一次测量，反射性问题未能得到妥善解决，故在学习行为的同伴效应方面，本文仅验证了存在因果效应，而因果效应的大小则有待更为精细的度量。但是，在学业成就问题上，本文还是考虑了反射性问题，这表现在：第一，时间顺序上，学习行为和成绩在测量上有先后次序；第二，模型设定上，本文既纳入了同伴学习行为的影响，也纳入了学生本人学习行为的影响。最后，同伴影响不只包括核心关系(如好友)的影响，还包括不熟悉、不认识甚至敌对关系的同伴的影响，这类同伴如何影响学业成绩也并不在本文的讨论范围之中。有鉴于此，本文同伴影响的“非对称性”和“梯度”特征不能直接推论到所有的同伴影响中，未来还需大量相关研究。

　　致谢：作者感谢中国人民大学赵延东教授、西安交通大学陆根书教授、张顺教授、李丽洁博士的建议与指导，感谢匿名评审专家所提的宝贵修改意见。文责自负。

　　注释：

　　①一个学生至多有三名室友。

　　②特别感谢匿名审稿人提出的这一重要建议。

　　③特别感谢匿名审稿人提出的本条建议。

　　④该校为了便于管理，要求绝大多数新生与本年级学生同住，只有极少的学生被分配到高年级宿舍中。本文样本不包括与高年级同住的学生。

　　⑤大多数研究中，同伴的特征是通过被访者自我评价而获得的。但本文的同伴特征信息是由其同伴直接回答的，依据此种策略所采集到的信息不仅更加完备，也更为准确。

　　⑥本文也分析了包含室友和不包含室友两类好友的影响是否存在差异。结果表明，不同测量标准下的好友影响几乎没有差异，主要原因是室友在其班级好友中占比较少。

　　⑦两组卡方值分别为4.84和5.64，均在0.05水平下显著。

　　⑧感谢审稿专家的建议。

　　参考文献：

　　[1][56]Sacerdote,B.(2011).Peer effects in education:How might they work,how big are they and how much do we know thus far? In M.Hanushek,S.Machin,& L.Woessmann(Eds.).Handbook of the economics of education(pp.249-277).North Holland:North Holland.

　　[2][72]Sacerdote,B.(2014).Experimental and quasi-experimental analysis of peer effects:Two steps forward? Annual Review of Economics,6,253-272.

　　[3]杜育红，袁玉芝.教育中的同伴效应研究述评：概念、模型与方法[J].教育经济评论，2016(3)：77-91.

　　[4][18][32][47][60][64]Hasan,S.,& Bagde,S.(2013).The mechanics of social capital and academic performance in an Indian college.American Sociological Review,78(6),1009-1032.

　　[5]Manski,C.F.(1993).Identification of endogenous social effects:The reflection problem.Review of Economic Studies,60(3),531-542.

　　[6]Coleman,J.S.(1961).The adolescent society:The social life of the teenager and its impact on education.New York:Free Press of Glencoe.

　　[7]Harris,J.R.(2009).The nurture assumption:Why children turn out the way they do.New York:Free Press.

　　[8]Arnet,J.J.,Marion,K.,Hendry,L.,& Tanner,J.L.(2011).Debating emerging adulting:Stage or process.New York:Oxford University Press.

　　[9]Shin,T.S.,Ranellucci,J.,& Roseth,C.J.(2017).Effects of peer and instructor rationales on online students' motivation and achievement.International Journal of Educational Research,82,184-199.

　　[10][14][15][20][27][37][50][71][78]Sacerdote,B.(2001).Peer effects with random assignment:Results for Dartmouth roommates.Quarterly Journal of Economics,116(2),681-704.

　　[11][83][86]McPherson,M.,Smith-Lovin,L.,& Cook,J.M.(2001).Birds of a feather:Homophily in social networks.Annual Review of Sociology,27,415-444.

　　[12]Giordano,P.C.(2003).Relationships in adolescence.Annual Review of Sociology,29(1),257-281.

　　[13]Mouw,T.(2006).Estimating the causal effect of social capital:A review of recent research.Annual Review of Sociology,32,79-102.

　　[16]Boisjoly,J.,Duncan,G.J.,Kremer,M.,Levy,D.M.,& Eccles,J.(2006).Empathy or antipathy? The impact of diversity.American Economic Review,96(5),1890-1905.

　　[17][35]McEwan,P.J.,& Soderberg,K.A.(2006).Roommate effects on grades:Evidence from first-year housing assignments.Research in Higher Education,47(3),347-370.

　　[19][73]Guo,G.,Li,Y.,Wang,H.Y.,Cai,T.J.,& Duncan,G.J.(2015).Peer influence,genetic propensity,and binge drinking:A natural experiment and a replication.American Journal of Sociology,121(3),914-954.

　　[21]Dunning,T.(2012).Natural experiments in the social sciences:A design-based approach.New York:Cambridge University Press.

　　[22][61][69][79][82]程诚.同伴社会资本与学业成就——基于随机分配自然实验的案例分析[J].社会学研究，2017(6)：143-166.

　　[23][43][58][62][65]Stinebrickner,R.,& Stinebrickner,T.R.(2006).What can be learned about peer effects using college roommates? Evidence from new survey data and students from disadvantaged backgrounds.Journal of Public Economics,90(8-9),1435-1454.

　　[24]程诚.大学生消费的同群效应[J].青年研究，2015(2)：1-9.

　　[25]权小娟.大学成绩的同伴影响研究：基于多层次模型的分析[J].清华大学教育研究，2015(5)：66-76.

　　[26][57]梁耀明，何勤英.大学生学业成绩的宿舍同伴效应分析[J].教育与经济，2017(4)：83-88.

　　[28][38][49]Zimmerman,D.J.(2003).Peer effects in academic outcomes:Evidence from a natural experiment.Review of Economics and Statistics,85(1),9-23.

　　[29][63][66]Carrell,S.E.,Malmstrom,F.V.,& West,J.E.(2008).Peer effects in academic cheating.Journal of Human Resources,43(1),173-207.

　　[30][45][52]Carrell,S.E.,Fullerton,R.L.,& West,J.E.(2009).Does your cohort matter? Measuring peer effects in college achievement.Journal of Labor Economics,27(3),439-464.

　　[31][42]Han,L.,& Li,T.(2009).The gender difference of peer influence in higher education.Economics of Education Review,28(1),129-134.

　　[33][48][53]Chen,Q.H.,Tian,G.Q.,& Okediji,T.O.(2014).Quasi-experimental evidence of peer effects in first-year economics courses at a Chinese university.Journal of Economic Education,45(4),304-319.

　　[34]Foster,G.(2006).It's not your peers,and it's not your friends:Some progress toward understanding the educational peer effect mechanism.Journal of Public Economics,90(8-9),1455-1475.

　　[36]Lyle,D.S.(2007).Estimating and interpreting peer and role model effects from randomly assigned social groups at West Point.Review of Economics and Statistics,89(2),289-299.

　　[39][67]Kremer,M.,& Levy,D.(2008).Peer effects and alcohol use among college students.Journal of Economic Perspectives,22(3),189-206.

　　[40]Ficano,C.C.(2012).Peer effects in college academic outcomes:Gender matters! Economics of Education Review,31(6),1102-1115.

　　[41][59][68]Griffith,A.L.,& Rask,K.N.(2014).Peer effects in higher education:A look at heterogeneous impacts.Economics of Education Review,39,65-77.

　　[44]Yakusheva,O.,Kapinos,K.A.,& Eisenberg,D.(2014).Estimating heterogeneous and hierarchical peer effects on body weight using roommate assignments as a natural experiment.Journal of Human Resources,49(1),234-261.

　　[46]Brunello,G.,De Paola,M.,& Scoppa,V.(2010).Peer effects in higher education:Does the field of study matter? Economic Inquiry,48(3),621-634.

　　[51]Burke,M.A.,& Sass,T.R.(2013).Classroom peer effects and student achievement.Journal of Labor Economics,31(1),51-82.

　　[54]Gaviria,A.,& Raphael,S.(2001).School-based peer effects and juvenile behavior.Review of Economics and Statistics,83(2),257-268.

　　[55]Kling,J.R.,Liebman,J.B.,& Katz,L.F.(2007).Experimental analysis of neighborhood effects.Econometrica,75(1),83-119.

　　[70][72]McCabe,J.M.(2016).Connecting in college:How friendship networks matter for academic and social success.Chicago:University of Chicago Press.

　　[74]Guo,G.,Li,Y.,Wang,H.Y.,Cai,T.J.,& Duncan,G.J.(2015).Peer influence,genetic propensity,and binge drinking:A natural experiment and a replication.American Journal of Sociology,121(3),914-954.

　　[75]Abrutyn,S.,& Mueller,A.S.(2014).Are suicidal behaviors contagious in adolescence? Using longitudinal data to examine suicide suggestion.American Sociological Review,79(2),211-227.

　　[76]Arum,R.,& Roksa,J.(2011).Academically adrift:Limited learning on college capmuses.Chicago:University of Chicago Press.

　　[77]Jain,T.,& Kapoor,M.(2015).The impact of study groups and roommates on academic performance.Review of Economics and Statistics,97(1),44-54.

　　[79]Burt,R.,& Burzynska,K.(2017).Chinese entrepreneurs,social networks,and guanxi.Management and Organization Review,13(2),221-260.

　　[80]龚放，吕林海.中美研究型大学本科生学习参与差异的研究——基于南京大学和加州大学伯克利分校的问卷调查[J].高等教育研究，2012(9)：90-100.

　　[81]陈琼琼.中日大学生就读经验比较研究[D].上海：华东师范大学，2009.

　　[82]Verhaeghe,P.P.,Li,Y.,& Putte,B.V.(2013).Socio-economic and ethnic inequalities in social capital from the family among labour market entrants.European Sociological Review,29(4),683-694.

　　[84]陈强.高级计量经济学及Stata应用[M].北京：高等教育出版社，2014：468-481.

　　[85]胡安宁.文化资本研究：中国语境下的再思考[J].社会科学，2017(1)：64-71.