在人生早期转变阶段，友谊选择中的同质性：一种基于群体网络动态的方法

《Evolution and Human Behavior》：Homophily in friendship choice during an early life transition: A cohort network dynamic approach

　　玛丽·肯普尼奇|拉尔夫·沃尔弗|迈尔斯·休斯通|R.I.M.邓巴
牛津大学实验心理学系，南公园路，牛津OX1 3EL，英国

**摘要**
当有人进入一个全新的社交环境时，他们的友谊会发生怎样的变化？对于许多人来说，离开家去上大学是人生中的第一个重大转变，我们研究了两个新生群体中的友谊发展情况。通过群体网络分析，我们研究了在同质性（即在一系列特征上的一致性）对初始、短期和长期友谊选择的影响。结果显示，在分析的16个特征中，有三分之二的特征在一学期之内就出现了基于同质性的自我隔离现象。一旦初始网络建立起来，变化就很小了，这表明从一开始就存在对同质性的强烈选择。由于在更加流动的劳动力市场中，这种类型的重大转变现在更为常见，因此需要进一步研究这些快速的社会发展过程。在新的社区成员（例如企业）需要迅速融入的情况下，这一点尤为重要，因为未能做到这一点可能会导致孤独感。

**1. 引言**
虽然伴侣选择（与浪漫伴侣相关）和亲子关系具有明显的直接适应性意义，但友谊的适应性好处则更为间接。友谊主要是在很大程度上帮助我们应对生活在大型社交群体中的压力，并通过这种方式影响我们的健康、寿命和生育能力（邓巴，2025a）。拥有朋友（而不是成为社交孤岛）对寿命、抵抗和从疾病或伤害中恢复的能力以及生育能力有着显著影响（参见邓巴，2018；邓巴，2025b）。这一点不仅适用于人类，也适用于其他社会性哺乳动物，包括灵长类动物和马科动物：有社交关系的雌性从伤害中恢复得更快，皮质醇水平更低（表明压力更小），寿命更长，社会地位更高，生育能力更强，后代存活率也更高（卡梅伦、塞萨斯和林克莱特，2009；努涅斯等人，2015；西尔克等人，2009；维蒂格、克罗克福德、莱曼等人，2008）。然而，与身高或竞争能力和解决问题的能力等更传统的适应性特征不同，友谊依赖于一种互惠的关系才能带来其好处。因此，建立和维持友谊需要投入大量的时间（邓巴，2018；希德等人，2023）。这些特征在个体之间的契合程度（所谓的同质性效应：麦克弗森、史密斯-洛文和库克，2001；柯里和邓巴，2011；柯里和邓巴，2013）影响着友谊的稳定性和功能性。在这方面，友谊依赖于那些通常与个体作为配偶的吸引力不同的心理特征（邓巴、皮尔斯、沃拉达斯基和马钦，2024）。

这引发了关于友谊形成过程及其在进化过程中所起作用的问题。传统上，进化生物学家将解释分为四个互补的层面——功能、机制、发生和发展（廷伯根的“四个为什么”：廷伯根，1963）。这提醒我们在评估一个特征的适应性时，考虑机制（使适应性功能得以实现的过程）是重要的。产生某种功能的机制是故事的重要部分。在这里，我们关注的是支撑友谊形成的机制。特别重要的是，我们任何时候能够维持的关系数量是严格有限的（邓巴，2020）。因此，当进入提供新的友谊机会的新社交环境时，我们必须决定是维持旧友谊还是放弃它们以建立新的友谊。在研究重大生活转变（如离开家去上大学）的过程中，我们通常会放弃旧的“家乡”朋友（但不包括家庭关系），同时保持大致相同数量的关系（肯普尼奇、沃尔弗、休斯通和邓巴，2024；萨拉马基等人，2013）。我们如何做到这一点以及哪些特征影响了我们做得如何，就成了研究的中心问题。

鲍迈斯特和利里（1995）提出，“归属需求”（建立和维持支持性社交关系的愿望，类似于马斯洛1943年的“爱与归属感”）是我们最基本的进化驱动力之一。研究表明，良好的社交融入对心理和身体健康以及幸福感有着非常重要的影响（卡乔波等人，2002；邓巴，2025a；邓巴，2025b），这些影响必然会体现在适应性上。感到被社会排斥会引发强烈的即时负面反应，可能会产生长期的负面影响（卡乔波、卡乔波和布姆斯马，2014；卡乔波和帕特里克，2008；格雷和麦克唐纳，2010）。为了满足这种需求，互动必须是反复的并且通常是愉快的。此外，这些互动必须发生在“对彼此福祉的长期稳定和持续的情感关怀框架内”（鲍迈斯特和利里，1995，第497页）。

具有挑战性的环境与加强建立友谊的努力之间的联系表明，一起进入大学的陌生人（一个充满不确定性的阶段）很可能会迅速自我组织成一个紧密的社区，尤其是当进入环境的人都是陌生人时（赫查诺娃-阿拉姆帕伊、比尔、克里斯蒂安森和范霍恩，2002；特兰，2016）。这种情况涉及相当大的不确定性，斯蒂尔曼和鲍迈斯特（2009）将其描述为“急性归属威胁”。在不熟悉的环境中，人们倾向于与附近的人迅速建立联系（伯格和克拉克，1986；海斯，1985；麦克弗森等人，2001）。快速建立友谊可能是应对这类转变的重要策略。

稳定的友谊主要受到同质性的主导（偏好相似的人）（拉扎尔斯菲尔德和默顿，1954）。在他们的标志性综述中，麦克弗森等人（2001）认为同质性是支配友谊形成的最强大的原则之一。相似性可以基于社会人口统计、心理或行为特征，以及态度和能力（也参见邓巴，2018）。这种广泛因素的影响在所有类型的关系中都有观察到（包括亲属、朋友、同事和浪漫伴侣），并且贯穿整个生命周期。因此，在年轻人经历生活中心理最动荡的时期——他们最积极地参与友谊的选择和形成时，同质性效应可能尤为重要（坎德尔、戴维斯和贝达尔，1990）。为了更详细地探讨这一点，我们在这里关注同质性在从家庭环境到大学的重大生活转变中建立新友谊中的作用，这种转变通常发生在高中毕业时的18岁。

麦克弗森等人（2001）确定的最强烈和最一致的同质性因素是社会人口统计方面的：种族、性别、年龄、宗教和教育背景。职业、社交网络、行为和内在价值观的同质性也被注意到，但似乎难以与更显著的社会人口统计因素区分开来。此外，还有证据表明在个性特征（塞尔夫豪特等人，2010）和心理健康方面也存在同质性（例如，谢弗、科尼恩科和福克斯，2011）。一些相似性可能一目了然（例如，相同的年龄、种族或性别），但许多相似性需要持续的互动才能识别出来（例如，个性方面，或政治或宗教信仰）。里根斯（2011）将这些分别称为“表面”同质性和“深层”同质性。他指出，一个共同特征的显著性会影响其在特定情境中的影响。例如，两个在国外相遇的德国人可能会比在德国相遇时更加重视他们的共同国籍。

无论是显性的还是隐性的，同质性都可能影响个体如何组成群体。近距离或邻近性可能有助于网络迅速发展，因为它们为相似的人提供了接触的机会，从而在更大的社区中快速形成同质的子群体（马斯登，1988；齐普夫，1949）。同质性也可能因为相似的人倾向于聚集在相似的地方而得到促进（维尔布鲁格，1977）——或者在某些情况下，是由于价格和/或住房政策迫使他们这样做。因此，许多社区由志同道合的人组成，其中一个后果是社区沿着种族线分隔（布卢门斯托克、托梅特、阿哈斯和萨卢维尔，2015；法利、斯蒂、克里桑、杰克逊和里夫斯，1994）。许多组织在个性方面也是同质的，原因类似（例如，金等人，2017）。在其他情况下，同质性可能是出于行政原因而强加的。基于年龄的分层在教育系统中普遍存在，尤其是在高等教育中，但也可能反映其他社会人口统计特征（埃克斯特罗姆，1961；沙维特、阿鲁姆和加莫兰，2007）。

虽然我们可以合理地询问人们选择朋友的标准是什么（友谊选择），但我们必须认识到友谊通常不是静态的安排，而是具有相当大的时间跨度（布利兹纳和亚当斯，1992；希德等人，2023；罗伊、巴塔查里亚、邓巴和卡斯基，2022）。这种不稳定性在重大生活转变期间会加剧，例如学校过渡（埃斯克里巴诺、拉普恩特、库埃斯塔、邓巴和桑切斯，2023；哈芬、劳尔森、伯克、克尔和斯塔廷，2011）以及从学校到大学的过渡（罗伯茨和邓巴，2011；萨拉马基等人，2013；肯普尼奇等人，2024）。观察友谊模式随时间的变化可以认识到人际关系的这种内在灵活性，这对于研究首次聚集的群体尤为重要。此外，当曾经的陌生人成为朋友时，我们可以预期相似性会不断被重新评估。虽然最初“表面”相似性可能最为显著，但随着人们逐渐了解彼此，“深层”相似性可能会逐渐显现出来（里根斯，2011）。黄、辛格和阿戈特（2012）提供了一个例子，说明了在组织内部同事之间的知识传递过程中，最初有影响力的表面同质性逐渐被深层同质性所取代。

除了追踪特定同质性效应的相对强度的变化外，纵向研究还允许我们确定在同社区发展的特定时期同质性是否扮演了更积极的角色。麦克弗森等人（2001）认为同质性的影响通常会随着时间的推移而增加。然而，戈德利（2008）提供了证据表明同质性效应会随时间减弱：在一组大学生中，友谊最初主要是基于第一年的相似性建立的，但在随后的三年里，友谊主要基于简单的邻近性。同样，埃斯克里巴诺等人（2023）报告说，当朋友在不同的班级时，中学青少年的友谊在连续几年中发生了变化。由于横断面设计只考察了一个静态的快照，无法捕捉友谊动态，因此纵向研究同质性对友谊选择的影响是必要的，因为我们不能简单地假设在某一时间点观察到的效应代表了关系过程的后期阶段。

少数纵向研究友谊的研究主要集中在儿童之间的友谊（例如，格雷厄姆、科恩、兹比科夫斯基和塞克里斯特，1998）或测量友谊强度的变化，而不是友谊选择（例如，海斯，1985）。例如，哈芬等人（2011）的研究表明，瑞典青少年中的稳定友谊在违法行为、酗酒、成就动机和自尊方面具有同质性，而不稳定的友谊则没有。因此，在研究成人友谊的纵向同质性方面，文献中仍存在空白。

友谊中的同质性主要通过自我报告来研究，这不可避免地存在偏见（马斯登，1990）。在大多数研究中，参与者被要求列出一个或多个有意义的关系以及更多信息（指定持续时间、共同特征、强度等），这使得结果容易受到需求特征（奥恩，1962）和社会期望响应偏见（菲利普斯和克兰西，1972）的影响。否认社会上不希望的特征（例如，避免与种族不同的人交往）或试图满足研究者的期望（例如，按照问卷允许的数量列出朋友）可能会扭曲数据集。此外，参与者可能会无意中将他们的朋友视为比实际情况更相似。因此，仅依赖自我报告的研究可能会产生关于参与者本身及其提名朋友的偏颇和不准确的信息（费尔德和卡特，2002）。此外，友谊研究长期以来一直以个体为中心，尽管事实上友谊关系总是嵌入在网络中的（费尔顿和辛恩，1992）。

社交网络方法解决了所有这些偏见来源，因为它允许我们确定所谓的友谊是否是相互的（劳尔森、波普、伯克、克尔和斯塔廷，2011；沃尔弗、法贝尔和休斯通，2015）。尽管如此，大多数研究友谊中同质性的网络研究在分析中只包括少量的相似性测量。例如，Shin和Ryan（2014）仅关注了六年级学生的学业表现，并研究了他们在学术动机、参与度和成就方面的同质性。Block和Grund（2014）是最早正式探讨这一问题的研究者之一，他们敦促其他研究者认识到网络的多维性质。通过纳入“多种社会学上相关的维度”（Block & Grund, 2014, p. 189），可以在一个模型中控制不同的同质性效应。这种方法可以防止错误地认为种族同质性是友谊形成的原因，而实际上可能是性别同质性在起作用。为了探究哪些同质性来源最能解释友谊的初始形成和维持过程，至关重要的是“同时在多个特征上测量同质性”（McPherson et al., 2001, p. 418）。因此，需要明确区分友谊的开始与其后续的维持。大多数纵向研究通常强调社会化效应（随着时间的推移与朋友变得越来越相似，尤其是在行为上），而不是选择效应（基于现有的相似性来选择朋友）。这种强调对于研究高度易受影响的青少年的同伴压力尤为重要。这类研究经常关注青少年早期的不良社会化效应，如饮酒（Huang, Soto, Fujimoto, & Valente, 2014）、吸烟（例如，Mercken, Steglich, Sinclair, & Holliday, 2012）或违法行为（例如，Weerman, 2011）。然而，这种对朋友影响行为的狭隘关注可能无法反映成年后更普遍的问题，因为在成年后，基于个人难以控制的特征的自隔离所带来的负面后果往往起着更重要的作用（例如，Phillips, 2006）。因此，关于新群体中成人友谊选择过程的纵向研究仍然存在空白。

在研究同质性如何塑造新社区（如学生群体）的形成和发展时，以下三个要素是核心：采取纵向研究方法、分析整个网络，并关注可能的各种同质性来源。为此，我们研究了一所英国精英大学住宿学院两批新生群体中友谊网络的发展。我们在他们大一期间多次记录了这些学生的群体内友谊情况，并在大学即将结束时再次记录，以全面调查十六种可能的同质性来源。虽然各种各样的特征都可以（并且确实）成为同质性的基础，但为了使分析保持在合理的范围内，我们将分析限制在一系列人口统计特征（性别、种族、教育背景）、人格特征（五大人格特质：开放性、尽责性、外向性、宜人性和神经质）、社会态度（政治认同和宗教归属）、心理健康指标（抑郁和焦虑）以及网络参数（群体受欢迎程度，以收到的友谊提名数量表示；群体活动，以被提名的朋友数量以及大学开始前的社交关系质量和数量表示）。

我们使用了SIENA（Simulation Investigation for Empirical Network Analyses: Snijders, Van De Bunt, & Steglich, 2010）软件来考察这些因素随时间的动态互动。这种设计允许在一个模型中考虑多种同质性因素，同时涵盖了网络的结构及其纵向变化（区分即时、短期和长期的同质性效应）。通过这种方式，我们可以区分两个阶段：首先是陌生人被置于一个不熟悉的环境中并被鼓励建立联系；其次是随着他们逐渐相互了解并在社区内形成更稳定的友谊。重要的是要认识到，SIENA分析首先识别出决定网络结构的因素，然后确定是否有新的因素影响了网络参数的后续变化。

大学新生群体是一个特别适合的研究对象，因为样本量相对较大（约120名学生），并且网络边界非常清晰。此外，大学提供了一个独特的环境来研究这些效应，因为它们既是所有学生和一些教师的居住地，也是大部分教学活动的场所。因此，学生们在物理和社会上都有界限的社区内生活、吃饭、社交（包括运动）以及接受教育。结合关于学生友谊网络演变的研究（van de Bunt, Van Duijn, & Snijders, 1999; Zeggelink, 1993），我们的方法可以归纳为三个主要假设：在加入大学这一具有社会挑战性的环境中，个体应该能够迅速（在第一个学期内）建立新的友谊，且孤立者很少（H1）；友谊形成的偏好将由一个或多个人口统计、心理和社会特征的同质性决定（H2）；如果个体能够相对较快地找到具有共同特征的人，那么这些早期建立的友谊应该是稳定的；而如果寻找志同道合的朋友需要很长时间，友谊会随着时间的推移而继续变化（H3）。在测试H3时，我们考虑了两个不同的时间框架：第一年的变化（H3A）以及随后在第二年和第三年的变化（H3B）。

2. 方法
2.1. 研究设计和参与者
我们研究了一所英国精英大学的两批连续入学的学生群体（研究1和2）。每个群体在大学期间的不同阶段完成了一系列关于他们友谊的在线问卷调查，以及在九月（即十月开学前）对家乡朋友和家人的评估（T0）。研究1包括学生大一期间的三次评估（分别在十二月底、三月和六月：T1、T2和T3），以及在大学结束时的第四次评估（T4），以考察群体网络结构的长期变化。鉴于大学第一年友谊和网络结构的稳定性（参见Kempnich et al., 2024），并且应学院的要求减少参与者的工作负担，研究2仅在学生大一期间进行了两次评估（十二月和三月：T1和T2），第三次评估（T4）大约在参与者入学后一年半进行。

在研究1中，121名新生中有90名（46%为女性；平均年龄18±0.80标准差，范围：18–23岁）同意参与。所有参与者都完成了第一年的所有评估（100%），其中80名（89%）参与了最后的评估（T4）。在研究2中，118名新生中有84名（50.6%为女性；平均年龄18±0.4标准差，范围17–20岁）参与了研究；两名学生在初次接触后退出，最终在第一年和第二年的评估中都有81名参与者（96%）。

2.2. 材料
两项研究使用了相同的在线问卷（见在线补充信息）。在第一次评估（T0，即大学开学前），参与者提供了关于他们的年龄、性别、种族、国籍和学校背景的信息（即他们是就读于私立学校还是公立学校）。除了年龄（两项研究中几乎所有参与者的年龄相同，均为18岁）和国籍（绝大多数为英国人：研究1中为89%，研究2中为88%）之外，这些特征被视为可能的人口统计同质性来源。此外，参与者还被要求填写国际人格项目池（mini-IPIP）的简化版本（Goldberg, 1999）。Mini-IPIP仅使用了20个项目（每种人格特质四个项目：Donnellan, Oswald, Baird, & Lucas, 2006），选择它是因为其简洁性。它使用了一个5点评分量表，从非常不准确（1）到非常准确（5），并且已被证明能够产生可靠的结果（Baldasaro, Shanahan, & Bauer, 2013）。这五个特质分别是宜人性（研究1中α=0.78；研究2中α=0.76）、尽责性（研究1中α=0.57，研究2中α=0.66）、外向性（研究1中α=0.83，研究2中α=0.76）、神经质（研究1中α=0.74，研究2中α=0.72）和开放性（研究1中α=0.73，研究2中α=0.79），被认为是人格同质性的可能来源。与人口统计特征一样，假设这些人格特质在这个年龄阶段相对稳定（McCrae & Costa, 2003），因此只评估了一次。

参与者还被要求完成以下两个陈述来评估他们的政治认同：“我倾向于……的政治价值观”和“我在政治上……”。回答选项采用7点量表，从强烈社会主义（?3）到强烈保守（3），从远左（?3）到远右（3），每个问题也只评估了一次。参与者还被询问他们的宗教归属（详情见SI）。由于大多数参与者（研究1中56%，研究2中58%）表示无宗教信仰，而大多数有宗教信仰的参与者是基督徒（研究1中75%，研究2中68%；见SI），因此将参与者分为有宗教信仰和无宗教信仰两组，以测试宗教同质性效应。完整的问题集见在线补充信息。

然后，在每次评估波次（T1-T4）中，参与者被要求提名他们的同群体朋友。在之前的研究中，我们使用了多种定义朋友的方式，包括在一定时间内频繁或定期见面的人、情感上亲近的人，或者从功能角度定义的朋友（见Roberts, Arrow, Lehmann, & Dunbar, 2014）。我们的经验表明，这些不同的定义得出的名字数量相同，而且简单使用“朋友”这样的通用术语（至少在英国背景下）通常被认为指的是特定类型的关系（包括浪漫伴侣）。参与者还被要求填写患者健康问卷（PHQ-9，包含九个项目：Kroenke & Spitzer, 2002）和一般焦虑障碍问卷（GAD-7，包含七个项目：Spitzer, Kroenke, Williams, & L?we, 2006）。这两个问卷的回答选项采用4点量表，从从不（0）到几乎每天（3）。这些测量分别用于评估抑郁和广泛性焦虑障碍。抑郁是这个年龄段最常见的精神疾病（Kessler et al., 2003; Kessler & Walters, 1998），尤其是在大学环境中（Weitzman, 2004）。广泛性焦虑与抑郁高度共病，并且比其他年轻人更常影响大学生（Eisenberg, Gollust, Golberstein, & Hefner, 2007）。这两个测量被用作可能的精神健康同质性来源，并包含在每次评估中，以考虑随时间的潜在变化。

在网络测量方面，网络密度定义为网络中实际发生的所有可能联系的比例，而中心化得分最好解释为个体作为网络中心节点的重要性。有证据表明，在青春期前（Logis, Rodkin, Gest, & Ahn, 2013）和青少年（Dijkstra, Cillessen, & Borch, 2013）的友谊网络中存在同质性。我们用两种方式来衡量这一点。群体受欢迎程度可以估计为网络参数“入度”（即来自其他参与者的友谊提名数量）。同样，群体活动可以通过网络参数“出度”来确定（即参与者在群体内提出的友谊提名数量）。虽然这两个网络参数完全来自群体内的友谊模式，但也需要考虑参与者在这个边界之外的关系（W?lfer et al., 2015）。因此，我们探讨了参与者在大学开始前的基线自我网络（BEN）的质量和数量，作为可能的网络同质性来源。在初次接触参与者时（T0，即十月开学前的九月），他们被要求列出所有有意义关系的家庭成员和朋友（即他们的自我网络），并为一位朋友提供情感亲近度评分（你对X的情感亲近程度，评分范围从1[中立]到10[非常]）。在开始大学之前平均拥有的朋友数量（BEN数量）以及他们对这些朋友的平均情感亲密程度评分（BEN质量）被计算出来，作为潜在的网络同质性因素，这些因素超出了研究群体的范围。在研究1中，参与者在T1阶段被要求列出所有他们认为有某种个人关系的人（朋友、恋人、熟人、经常互动的人），这些人都在大一新生群体中（必要时参考电话簿、地址簿和社交媒体联系人）。我们没有定义这些术语，而是让参与者根据常识来定义，因为个体之间的定义差异更有可能引入误差，因此为了保守起见，我们降低了任何统计效应的显著性。在随后的每次评估（T2、T3和T4）中，都会向参与者展示他们最初的名单，并要求他们添加或删除名字。在研究2中，使用了一种不同的提名程序来控制回忆偏差。在T2和T4阶段的评估中，参与者被展示了一年级所有学生的名单（包括那些没有参与研究的学生），并被简单地要求指出他们认为是朋友的人（定义如上）。选择研究2中的修改后的提名程序有三个原因。首先，研究1的方法允许出现错误，因为参与者可能会列出群体边界之外的朋友，或者由于拼写错误、使用昵称或在不同评估中的不一致性而难以准确识别为群体成员的朋友。其次，有一些证据表明，在较大的网络中，识别技术可以产生更准确的结果（Neyer, 1997）。第三，用于分析网络动态的随机行为者导向模型需要评估之间友谊提名的某种变化，以便准确估计参数并拟合模型（Veenstra等人，2013）。如果在研究1的后续评估中向参与者展示他们最初的友谊名单，可能会产生过于静态的网络，从而无法生成可用的模型。

数据可以在在线补充信息文件Study1_Datafile和Study2_Datafile中找到。处理缺失数据的程序在在线补充信息文件Supplementary Methods, 2.3中有说明。

为了分析的目的，所有非分类变量都根据给定特征的中值转换为二进制分数，每个研究分别进行转换。因此，中值标准是特定于研究群体的，可能会在两个群体之间有所不同。这是SIENA建模的要求（更多细节见SI Supplementary Methods）。我们首先在T1阶段横截面地检查了两个研究的初始群体网络，以评估同质性效应的可能性。使用单样本t检验，我们将每个同质性维度上具有相同特征的朋友的总体比例与基于中值划分的分数（即p = 0.50）的随机提名比例进行了比较。为了比较在社会经济优越子群体中个体来源对友谊的相对影响（Scull & Cuthill, 2010），有必要区分基线同质性（基于研究群体的组成）和实际同质性（偏好与相似的人建立联系）（McPherson等人，2001）。因此，作为第二步，我们通过比较每个类别中具有相同特征的朋友的比例与整个群体中该特征的比例来确定哪些子群体表现出同质性（例如，白人学生的比例为0.80，非白人学生的比例为0.20）。

友谊模式的纵向发展是使用R语言实现的Simulation Investigation for Empirical Network Analyses（SIENA: Snijders等人，2010）进行分析的。该软件包可以估计网络演变的动态行为者驱动模型。它可以解释和检查整体网络结构与构成网络的个体特征之间的自然依赖性（Steglich, Snijders, & West, 2006）。因此，SIENA允许评估哪些个体特征（人口统计、个性等）影响关系形成的变化。由于任何选择效应都可以解释为逻辑回归系数，我们可以确定对数几率比来测试特定假设。例如，关于抑郁的对数几率比为1.7，表示参与者与抑郁量表相同半段中的群体成员成为朋友的可能性是1.7 = 5.5倍。然后可以为这些几率比确定传统的p值。

这种方法的另一个优点是能够同时包括大量同质性因素，而不会影响模型的功效和拟合度（Ripley, Snijders, Boda, V?r?s, & Preciado, 2019）。这些因素相互控制，从而增加了对任何特定同质性效应的信心。每个建模的同质性效应还受到两个相关效应的额外控制。自我效应考虑了在网络中特别活跃的具有特定特征的群体成员（例如，女性成员结交了很多朋友，但不一定在性别上有所选择）。相比之下，他者效应考虑了受欢迎的具有特定特征的群体成员（例如，女性成员被许多群体成员所结识，不论后者的性别如何）。这些默认控制是为了完整性而报告的，但并不解释与本文的主要研究问题相关。

SIENA模型还包括与所考虑的特征无关的常见关系过程的结构控制（Ripley等人，2019）。这些控制考虑了网络成员倾向于与在整体网络结构中位置接近的人（由负出度效应表示，表明友谊的形成不是独立于社会距离的）、已经被认为是朋友的人（互惠）以及朋友的朋友（传递性三元组和传递性联系）建立关系的倾向。因此，纳入这些控制也使我们能够区分同质性效应和这些潜在的关系动态。SIENA模型因此包括了一系列广泛的同质性因素：每个因素的两个默认控制，以及上面列出的四个结构控制。

为了区分短期效应和长期效应，我们对每个研究进行了两次模拟。第一对结果模型，我们称之为短期模型，关注参与者大学的第一年（即研究1中的T1-T3，持续六个月，研究2中的T1-T2，持续三个月）。第二对模型，称为长期模型，还包括了最后的评估（即T4）。这些模型测试了十六种不同同质性效应的变化。注意，在T1阶段已经识别的显著效应不会在T2/T3或T4模型中重新出现。

总体最大收敛比率低于0.25，所有个体收敛t比率低于0.1，表明SIENA模型估计得很好（Ripley等人，2019）。短期模型的总体收敛比率分别为研究1的0.12和0.14；长期模型的相应收敛比率分别为0.17和0.13。此外，所有个体收敛t比率都低于0.1。因此，所有模型都满足了所有要求。所有四个模型的速率参数表明在评估波之间存在显著的网络变化（所有p < 0.001），这是后续分析的先决条件。此外，我们使用了在连续评估波之间计算的Jaccard指数作为稳定友谊提名比例的指标（Veenstra等人，2013）。这些指数应在每个连续网络之间高于0.30（表示至少30%的网络稳定性）（Ripley等人，2019）。研究1的Jaccard指数分别为0.87、0.89和0.37，研究2的指数分别为0.47和0.54。最后，所有四个模型中的所有四个结构控制都按预期方向显著地贡献于模型（p < 0.001）。

2.4. 伦理
牛津大学联合大学研究伦理委员会正式批准了这项研究。

3. 结果
3.1. 在群体中找到朋友（假设H1）
在大学只度过一个学期（即八周）后，研究1的参与者在T1阶段的评估中平均提名了14.31 ± 10.03SD的其他群体成员为朋友，支持了H1假设，即新来的学生很快就能建立新的友谊。总共提出了1288个提名，形成了图1（T1）中所示的群体网络。实现的关系与总关系的比例为0.16（即所有可能的关系中有16%得到了实现）。没有孤立者，因为每个参与者至少被另一个群体成员列为朋友。总体而言，54%的友谊提名得到了回应。一些学生被列出的次数比其他学生多，这反映在入度范围内，范围从0到31。这个受欢迎程度指数指的是收到的提名数量，表明群体内相对受欢迎程度存在一些差异。中心化得分是0.19：由于这个值可以从0到1变化，这个值表明了一个相对平坦的层次结构，这可能在大学生群体中是预期的。

图1. 大学第一学期（T1）、第二学期（T2）和第三学期（T3）后研究1的群体网络和统计数据。每个节点（方块）代表一个学生，每个链接（节点之间的连接）代表一个友谊提名。
研究2的群体网络（图2）与研究1类似。在T1阶段，参与者平均提名了16.61 ± 8.23SD的群体成员为朋友。总共提出了1304个提名，形成了0.20的网络密度（即所有可能的关系中有20%得到了实现）。在T2阶段只有两个孤立者；61%的提名友谊得到了回应。入度范围从0到40。中心化得分是0.30，表明比研究1有稍微更强的层次结构。

图2. 大学第一学期（T1）和第二学期（T2）后研究2的群体网络和统计数据。每个节点（方块）代表一个学生，每个链接（节点之间的连接）代表一个友谊提名。在T2阶段，有两名孤立者（在图的左上角标出），他们既没有提名也没有被其他人提名为朋友。

综合这些结果，可以看出友谊的形成非常迅速（在不到两个月内），孤立者非常少（<1%），这证实了H1假设。友谊的互惠程度适中，几乎没有层次结构的证据，表明二元友谊相对独立。尽管使用的定义略有不同，以及获取名字的方式也不同，但两个研究中列出的朋友数量之间的差异很小。

3.2. 友谊中的自我分类（假设H2）
我们首先确定在第一个学期结束时（T1阶段），参与者提名的具有共同特征的朋友比例是否高于随机预期（定义为p = 0.50），然后测试他们选择的具有特定特征的朋友是否与群体中该特征的可用性成比例。结果见表1和表2。**研究1中第一学期后的初始同质性**
**相似性的来源**
**总体**：具有相同特征的朋友比例（标准差）
**空单元**
**子群体**：具有相同特征的朋友比例（标准差）
**队列中的特征分布（比例）**

| 性别 | 0.53 (0.16) | <0.55 (0.15) | 男性 (0.56) | 0.50 (0.17) | *女性 (0.44) |
| --- | --- | --- | --- | --- | --- |
| 种族 | 0.66 (0.27) | *** | <0.79 (0.11) | 白人 (0.73) | 0.25 (0.22) | 非白人 (0.27) |
| 学校背景 | 0.52 (0.17) | <0.57 | (0.54) | (0.46) | (0.46) |
| 州籍 | 0.54 | 0.46 (0.14) | 私立学校 | (0.46) | 开放性 | 0.60 (0.22) | **<0.70 (0.15) | 高 (0.69) | 0.34 (0.15) | 低 (0.31) |
| 尽责性 | 0.50 (0.18) | <0.49 (0.19) | 高 (0.51) | 0.51 (0.18) | 低 (0.49) |
| 外向性 | 0.55 (0.20) | * | <0.65 (0.18) | *** | 高 (0.51) | 0.46 (0.16) | 低 (0.49) |
| 亲和力 | 0.52 (0.16) | <0.57 (0.15) | ** | 高 (0.51) | 0.46 (0.14) | 低 (0.49) |
| 神经质 | 0.50 (0.16) | <0.51 (0.17) | 高 (0.51) | 0.50 (0.16) | 低 (0.49) |
| 政治认同 | 0.53 (0.23) | <0.63 (0.19) | ** | 左翼 (0.54) | 0.39 (0.22) | 右翼 (0.46) |
| 宗教信仰 | 0.49 (0.16) | <0.56 (0.15) | 非宗教信仰 | 0.56 | 0.40 (0.13) | 宗教信仰 (0.44) |
| 焦虑 | 0.51 (0.16) | <0.49 (0.16) | 是 | 0.44 | 否 (0.56) |
| 抑郁 | 0.54 (0.17) | * | <0.46 (0.18) | 是 | 0.59 (0.16) | * | 否 (0.54) |
| 队列受欢迎程度 | 0.55 (0.27) | <0.75 (0.16) | *** | 高 (0.51) | 0.32 (0.16) | *** | 低 (0.49) |
| 队列活动 | 0.51 (0.32) | <0.71 (0.10) | *** | 高 (0.51) | 0.24 (0.32) | *** | 低 (0.49) |
| BEN数量 | 0.53 (0.18) | <0.56 (0.15) | * | 高 (0.51) | 0.49 (0.21) | 低 (0.49) |
| BEN质量 | 0.51 (0.15) | <0.52 (0.15) | 高 (0.51) | 0.50 (0.15) | 低 (0.49) |

**显著单元以粗体表示：** * p ≤ 0.05 ** p ≤ 0.001 *** p ≤ 0.001
< 表示子群体之间存在显著差异 (p ≤ 0.05)。
aBEN数量：大学入学前（T0）列出的家乡朋友数量；BEN质量：对这些家乡朋友的感情亲密程度，采用1（中立）-10（非常亲密）的评分标准。

**研究1**中，在16个特征中有10个特征对友谊选择存在显著的同质性效应（表1），**研究2**中有9个特征存在显著的同质性效应（表2），无论是从备选偏好（预期概率 p = 0.50）还是特征可用性（表格的右侧列）来看。在至少一半的情况下，统计显著性非常高（p < 0.001）。在**研究1**中，参与者提名具有相同特征的朋友比例高于随机预期（即 p = 0.50），这些特征包括种族、开放性、外向性和抑郁（均为二分编码）。**研究2**的参与者在六个特征上表现出显著偏好：性别（男性或女性）、种族、开放性、外向性、亲和力和政治认同。

这种计算“共同特征”比例的方法的优势在于可以直观比较不同特征之间的差异。因此，我们进行了单因素方差分析（ANOVA），比较了这16个特征在影响初始友谊选择方面的相对重要性。结果证实，每种研究中塑造队列网络的特征相对重要性存在显著差异（**研究1**：F(8.27, 595.29) = 2.74, p < 0.001, η2 = 0.037；**研究2**：F(9.72, 767.70) = 2.62, p < 0.001, η2 = 0.032；两种情况下方差都不相等）。在两项研究中，Bonferroni校正后的成对比较都表明，与相似队列成员建立友谊的倾向在种族上最强。参与者与他们的队列朋友共享白人/非白人种族（**研究1**：66% ± 27SD），并且在其他四个特征上也存在共同特征偏好（宗教：p = 0.003；开放性：p = 0.009；焦虑：p = 0.013；BEN质量：p = 0.002），所有其他差异均不显著。在**研究2**中，与相似队列成员建立友谊的倾向再次在种族上最强（61% ± 22%），并且在其他五个特征上也存在共同特征偏好（宗教：p = 0.040；学校背景：p = 0.009；神经质：p < 0.001；BEN数量：p = 0.021；BEN质量：p = 0.016）。此外，参与者报告与在人格特征开放性上得分相似的队列成员之间的相同特征友谊比例高于在神经质上的比例（p = 0.047）。

将每个特征按二元子群体划分后，发现10个特征存在同质性（见表1）：女性参与者提名的同性别朋友比例显著高于预期，考虑到队列中女性学生的比例。此外，在外向性和亲和力等人格特征上得分较高的参与者提名的相同特征朋友比例也高于预期。将参与者划分为政治“左翼”和“右翼”后，也发现了类似的模式。在宗教信仰方面，非宗教信仰的参与者提名的相同特征朋友比例高于预期。在焦虑方面，有焦虑问题的参与者提名的相同特征朋友比例高于预期。在抑郁方面，有抑郁问题的参与者提名的相同特征朋友比例低于预期。在队列受欢迎程度方面，受欢迎程度高的参与者提名的相同特征朋友比例高于预期。在队列活动方面，活动频繁的参与者提名的相同特征朋友比例高于预期。在BEN数量和质量方面，也发现了类似的趋势。

**研究2**中发现了大致相似的结果（表2）。女性参与者提名的同性别朋友比例显著高于预期，考虑到队列中女性学生的比例。在外向性和尽责性等人格特征上得分较高的参与者提名的相同特征朋友比例也高于预期。在政治认同方面，将参与者划分为“左翼”和“右翼”后，也发现了类似的模式。在心理健康方面，未被诊断为抑郁的参与者提名的相同特征朋友比例高于预期。在网络参数方面，受欢迎程度高的参与者与受欢迎程度相似的人建立了友谊，而受欢迎程度较低的参与者则避免了与受欢迎程度较低的队列成员建立友谊。然而，需要注意的是，不太受欢迎的参与者避免与不太受欢迎的队列成员建立友谊。同样，活动频繁的参与者（建立了许多友谊）与活动频率相似的朋友建立了友谊，而不太活跃的参与者（建立的友谊较少）则避免了与不太活跃的队列成员建立友谊。最后，具有较大基线（大学前）自我网络规模的参与者与具有较多朋友数量的其他人建立友谊的频率也高于预期。这一现象发生的迅速性可能表明，当人们进入一个完全陌生的环境时，强烈的威胁感会促使他们匆忙但专注地寻找潜在的盟友（Schachter, 1959; Stillman & Baumeister, 2009）。另一种可能性是，所讨论的大学中学院规模较小、更加亲密（Tapper & Palfreyman, 2002），这可能通过简单的邻近性促进了友谊的迅速发展。第二个值得注意的发现是同质性效应的强度。这种选择过程发生得如此之快，并且在最初两个月后仍然保持稳定，这表明人类非常擅长识别他人身上的各种特征，并将这些特征与自己的特征相匹配。性别和种族一直被认为是同质性的最强基础之一（McPherson et al., 2001）。尽管先前的研究发现，在控制了性别和种族的同质性后，高中教育背景（作为社会经济背景的代理指标：Epple, Figlio, & Romano, 2004; Long & Toma, 1988）对友谊选择有一定影响（Skopek, Schulz, & Blossfeld, 2011），但在本研究中几乎没有影响。在某种程度上，这种影响的缺失可能仅仅是因为该大学的大多数学生来自较好的家庭背景。年龄因素也几乎没有影响（通常年龄会有显著影响：Webster, Antonucci, & Ajrouch, 2018），这可能是因为我们的参与者在年龄和教育成就上非常相似。

在性格特征方面，最初的友谊模式受到五大性格特质中的三个（开放性、外向性和宜人性）的相似性的影响，而在第二项研究中还发现了尽责性的影响。除了这种初始的横断面评估外，第二项研究还提供了证据，表明开放性在短期内（但不是长期内）影响了群体网络结构的变化。Selfhout等人（2010）也报告了类似的结果。Kempnich（2016）在对另一所大学群体的早期研究中发现了这些性格维度的类似效应。然而，除了这些研究之外，关于性格同质性的文献得出了混合的结果。一些研究发现只有一种性格特质存在同质性（例如开放性：Lee, Ashton, & Visser, 2009），另一些研究发现了两种（例如外向性和宜人性：van Zalk & Denissen, 2015），还有一些研究发现了略有不同的三种（尽责性、宜人性和外向性：No?, Whitaker, & Allen, 2016），这些都与我们在两项研究中观察到的结果不同。

根据假设H2，我们预期政治和宗教信仰会成为同质性的重要基础（参见McPherson et al., 2001）。然而，这一假设只得到了部分支持。在两项研究中，左倾（而非右倾）的参与者提名了比群体比例预期更多的具有相同特征的朋友。在线约会中也观察到了类似的现象，其效应大约是种族效应的一半（Halberstam & Knight, 2016; Huber & Malhotra, 2017）。在Twitter等在线环境中也观察到了政治同质性，主要出现在自认为是左倾的人群中（Colleoni, Rozza, & Arvidsson, 2014）。相比之下，尽管先前的研究发现宗教方面存在同质性效应（French, Purwono, & Rodkin, 2012），但本研究中并未发现这种情况。这可能是因为大多数参与者报告说他们没有宗教信仰：由于非宗教信仰者可能对其信仰的承诺较低，他们的选择可能不那么严格，从而减弱了宗教信仰者的同质性效应。在宗教子群体内部可能存在更强的同质性效应，但这可能表现为种族同质性（参见Phalet, Leuven, & Maliepaard, 2013）。由于没有要求参与者说明他们的宗教信仰程度，因此无法区分信仰实践者和非信仰者。

最后，关于心理健康的同质性证据很少。在第一项研究中，有一些证据表明抑郁影响了友谊选择，形成了比预期更多的具有相同特征的朋友关系。这一总体发现似乎主要是由未被诊断为抑郁的人选择了相似的朋友。尽管有一些证据表明抑郁与同质性有关（Hogue & Steinberg, 1995; Rosenquist, Fowler, & Christakis, 2011），但这可能是由于抑郁患者会社交退缩，因此他们不太可能提名或被提名为朋友（Chee, 2010）。虽然有一些关于心理健康同质性的报告（例如Baggio, Luisier, & Vladescu, 2016），但很少有研究专门探讨焦虑方面的同质性。最近的一项研究发现，在学生样本中，焦虑并未影响友谊选择（Long et al., 2020），这与本样本中的结果一致。

关于参与者倾向于与自己在群体受欢迎程度和活动水平以及群体外关系的数量和质量上相似的人交朋友（H3）的证据也是混合的。最初，两项研究的参与者都列出了与群体受欢迎程度和活动水平相似度较高的朋友数量，超过了群体构成的预期。然而，在这两项研究的横断面评估之后，得分较低的人列出的与得分较低的人的朋友数量较少。纵向数据强烈表明，随着时间的推移，这两项群体特征的高分者的吸引力逐渐减弱（表4）。Dijkstra等人（2013）和Logis等人（2013）也注意到了类似的结果。一种可能的解释是“地位范式”（Yap & Harrigan, 2015）：社交能力较弱的人试图通过与受欢迎的人交往来获得社会认可——但由于他们提供的特质对朋友来说吸引力较小，因此维持这些友谊的成功率可能较低。

大学入学前的关系仅在有限的程度上影响了友谊选择。在第一项研究中，具有较大基线自我网络（即BEN数量）的参与者提名了比群体比例预期更多的具有相似社会背景的朋友。然而，在第一项研究的横断面评估之后，没有证据表明BEN数量影响了友谊模式，第二项研究中则完全没有这种影响。此外，在两项研究的任何网络形成阶段，都没有证据表明BEN质量影响了友谊选择。尽管有人认为同质性效应可能源于人们希望减少对他人的行为不确定性的愿望（Kets & Sandroni, 2019），但当前的结果仅提供了有限的支持。对于第一项研究中的一些结果，一个可能的解释是参与者看到了他们之前列出的所有朋友，因此必须有意识地决定舍弃某些朋友：因此做出选择的门槛可能比简单地忘记列出某个朋友要高（Bell, Belli-McQueen, & Haider, 2007; Neyer, 1997）。结果，网络可能看起来比实际情况更静态（因此规模更大）。实际上，第一项研究的Jaccard指数显示，第一年内87%和89%的网络联系在连续评估之间保持不变。第二项研究中使用的基于识别的提名程序确实产生了更动态的网络（Jaccard指数仅为47%），但两项研究的结果非常相似，表明提名程序的影响可能有限。更重要的是，SIENA模型的参数表明，第一项研究中的网络变化足够大，可以进行有意义的建模，这使得这种解释不太成立。

尽管我们使用的全网络方法避免了大多数网络研究的局限性（W?lfer et al., 2015），但自我评估的社会特征容易受到偏见的影响。区分感知到的相似性、实际相似性和同伴评价的相似性可能会导致不同的结果，至少在性格同质性方面是这样（Selfhout, Denissen, Branje, & Meeus, 2009）。更客观的特质评估方法将是可取的。从社交媒体数据中提取性格特征的研究（Azucar, Marengo, & Settanni, 2018; Golbeck, Robles, & Turner, 2011; Park et al., 2015）为未来的研究提供了有希望的方向，特别是如果将这些方法与自我评估数据结合使用的话。Youyou, Stillwell, Schwartz, 和 Kosinski（2017）就使用这种混合方法确认了友谊中的性格同质性。

有人可能会争辩说，在互联网快速发展的时代，关系的发展不再需要共享物理空间，因此当前的结果可能不能代表当代世界的实际情况。然而，“线下”的物理邻近性在决定谁在虚拟空间中建立联系方面起着重要作用（Huang, Shen, & Contractor, 2013）。事实上，有大量证据表明，面对面的交流仍然是大多数大学生的主导（Baym, Zhang, & Lin, 2004）和首选（Vlahovic, Roberts, & Dunbar, 2012）互动方式。

4.1. 未来方向

这项研究提出了一些值得进一步详细探讨的问题。其中一个重要的问题是研究更广泛的情境，而不仅仅是青少年。老年人是否在搬家工作或退休时也会表现出相同的友谊替换模式，并且速度同样快？此外，探索更广泛的特质作为同质性的基础也可能是有帮助的。不同的表面和深层同质性特质在不同的情境和不同年龄的人群中可能会有不同的表现。我们没有发现不同性别在各种特质上存在显著差异，尽管我们知道性别会导致网络规模和结构的显著差异（Dunbar et al., 2024）。我们对性别相关的同质性偏好知之甚少。

当前的结果也对任何将随机一群陌生人聚集在一起的情境具有启示意义，例如工作环境、军队或学校。由于友谊形成得非常快，为个体提供社交机会和时间以迅速建立归属感可能对群体的效率和效果很重要。例如，Segal（1974）发现，仅仅将人们按字母顺序排列坐在一起就可以形成持久的友谊。同样，在短短几小时的入职活动中将个体分配到特定的子群体中也可以在群体中创造更多样化的友谊（Boda, Elmer, V?r?s, & Stadtfeld, 2020）。这对于种族异质学校中的融合可能有重要意义（Wells, Fox, & Cordova-Cobo, 2016）。虽然我们应谨慎对待一次性解决方案（有意义的友谊需要时间来发展：Hall, 2012），但采用这些策略可能会在员工参与度和功能效果方面带来回报（参见Camilleri, Rocky, & Dunbar, 2023）。更详细地探索这些可能性肯定值得投入研究努力。

**作者贡献声明**

Mary Kempnich：撰写——审阅与编辑、撰写——初稿、可视化、验证、项目管理、方法论、调查、正式分析、数据管理、概念化。
Ralph W?lfer：撰写——审阅与编辑、监督、概念化。
Miles Hewstone：撰写——审阅与编辑、监督。
R.I.M. Dunbar：撰写——审阅与编辑、撰写——初稿、验证、监督、资源管理、方法论、资金获取、概念化。

**伦理声明**

本研究遵循了负责人类实验的伦理标准（机构和国家级）以及1975年的《赫尔辛基宣言》（2008年修订版（5））。