各位读者朋友大家好，很高兴今天有机会与大家分享《信任的滑坡与重建——基于ABM方法的计算社会学解释》的写作历程。我在读研究生二年级的时候就开始从事信任的研究，当时留意到和中国人信任相关的几个有趣现象，比如中国人的普遍信任和特殊信任相互独立；中国人信任水平较高、信任半径较小（即非常信任和自己相熟的人）等。此前，大部分量化学者的信任研究立足社会调查数据，分析何种因素、在什么条件下会影响信任水平，当时我感觉前人的研究已经做的很充分完全，似乎很难再提出一个有趣的话题。2016年，我无意中读到Yoshimichi Sato老师发表的论文《市场、信任与不平等》（Sato，2005），该文使用基于多主体建模与仿真方法（ABM）来讨论市场吸引力对信任和不平等的影响，这一方法使我觉得耳目一新。之前的学者多以回归模型从上而下来解释不均衡、社会流动等宏观因素对个体信任的影响，然而这一过程较少分析微观个体的互动过程。我经常想，受访者在填答是不是信任邻居的时候，他们会真的受到这个社会不均衡水平的影响吗？对这个问题我总是有所怀疑，因此就想以ABM方法来做尝试。

ABM是一种自下而上研究社会系统演化的过程。ABM利用计算机设定一定数量的主体，主体依简单规则而行动，最终去看演化出来的宏观结果。通俗来讲（以信任研究为例），我们假设一个社会有N个人，每个人可以信任或者不信任别人，当他信任时会带来哪些结果，这些结果会影响他以后是不是会继续信任，经历很多次上述过程的社会互动，最后观察有多少人还会信任别人。这个过程只需要设定简单的规则，就会产生很有趣的宏观结果。

在Sato论文的启发下，我首先用Netlogo重复了他论文的发现，然后开始尝试设定各种各样的条件影响信任，比如流动、不均衡等等。2017年，辛自强老师的《市场化预测信任下降》（Xin & Xin，2017）一文给了我很大的启发，我继续沿着市场化与信任的主题做尝试。因为中国人信任半径较小，“绝大多数人的信任”更多地指向与自己相熟的人，我转而采用调查数据中的“陌生人信任”来讨论市场化与一般信任的关系。当时，我发现中国综合社会调查（CGSS）2005年中市场化与陌生人信任呈现“倒U型”关系。非线性关系常常令学者们着迷，如何解释非线性关系往往是一大难点。后来，2018年初CGSS2015公布，市场化与陌生人信任开始呈现正向的关系。这一转变非常有趣，传统的抽样调查因为涉及的信息较为有限，所以一时找不到太合适的解释机制。于是，我尝试使用ABM方法对这一转变做出解释。结合调查数据和ABM仿真，拙作对市场化与一般信任的关系展开讨论。

ABM方法不仅仅适用于解释宏观社会现象，更被广泛地应用于社会预测。因此，除了解释市场化与一般信任的关系，我又使用ABM模拟对“控制市场交易中的风险”、“提高社会资本”两类政策实验做了预测。ABM模拟结果显示，“控制市场交易中的风险”对于一般信任的提升非常有效，由此，我在文章中提出了相应的政策启示。

限于篇幅，这里只是简要分享了拙作的写作历程及回应的主要问题。最后我想再分享一点关于ABM方法的思考。ABM的全称是agent-based modeling，中文译做基于多主体建模与仿真方法。使用ABM研究复杂系统和互动性的社会现象具有独到的优势，如规范的产生、观点/疾病的扩散。在西方学术界，ABM方法甫面世即属于计算社会学的范畴，在国内学术界一致不温不火，然而在社会学刊物中尚不多见。近年来，随着计算社会科学的兴起，大数据、机器学习等方兴未艾，社会仿真研究也越来越受到重视。其中，ABM属于面向对象的一种社会仿真方法，期待未来可以见到更多社会学领域的ABM研究。