[摘要]本研究利用中国社会网络与职业经历(JSNET)调查数据，对社会网络影响健康的模式进行了探索性研究，通过广义结构方程(GSEM)建立潜类别模型，区分出三种潜在模式：网络脱嵌、情感网络嵌入、工具网络嵌入。这三种模式既体现了运用不同的网络资源获得健康的倾向，也反映出了不同倾向背后的健康条件异质性群体。本研究发现，网络脱嵌下的情感型网络仅能在较低层面改善健康水平，而工具型网络对健康的促进作用主要是对健康状况很好的个体。本研究还进一步从关系网络的视角总结出了中国社会健康不平等上升在非正式制度层面上的原因：社会转型导致关系强弱的重要性降低，网络整体嵌入的重要性提升，而健康劣势人群嵌入难度增加，导致更大的健康不平等。
[关键词]社会网络；健康；异质性；潜类别模式
健康是一种与个人生存利益密切相关的人力资本。健康问题不仅是个人层面的问题，更是一个家庭乃至社会的问题。改革开放以来，随着各地区经济水平的快速发展，人口总体健康状况不断改善。但是中国社会仍然存在明显的健康不平等现象。已有许多研究对相关问题进行了探讨，主要基于社会分层视角分析社会经济等方面的不平等因素和社会行为对健康的影响或重要关联[注]参见Deborah Lowry and Yu Xie. “Socioeconomic Status and Health Differentials in China: Convergence or Divergence at Old Ages?” in PopulationStudiesCenterResearchReport No. 09-690, University of Michigan, 2009. http://www.psc.isr.umich.edu/pubs/pdf/rr09-690.pdf；王甫勤：《社会流动有助于降低健康不平等吗?》，《社会学研究》2011年第2期；王甫勤：《社会经济地位、生活方式与健康不平等》，《社会》2012年第2期；焦开山：《健康不平等影响因素研究》，《社会学研究》2014年第5期；牛建林：《人口流动对中国城乡居民健康差异的影响》，《中国社会科学》2013年第2期；郑莉、曾旭晖：《社会分层与健康不平等的性别差异：基于生命历程的纵向分析》，《社会》2016年第6期。。然而，社会分层视角下的健康研究主要关注正式制度层面的因素，或者用正式制度因素去解释非正式制度因素，对于非制度因素对健康的影响机制，往往缺乏一些科学的方法来进行探索和解释。随着社会网络研究在中国的兴起，社会网络作为一种同时具有经济和文化意义的非正式制度，其对健康的影响也逐渐成为我国健康研究关注的焦点[注]参见鲍常勇：《社会资本理论框架下的人口健康研究》，《人口研究》2009年第2期；赵延东：《社会网络与城乡居民的身心健康》，《社会》2008年第5期。。在社会网络的作用受到文化传统和社会结构的双重影响的情况下，个体如何利用自身的网络资源获得健康，如何从网络这样的非正式制度视角来看待健康不平等，是本研究关心的问题。
学术研究的自觉是现代学术的应有品格之一。20世纪末，“世纪末情结”与学术自觉追求的交互为用，催生相当一批意在学术回顾与前瞻的研讨会、座谈会、笔会、论文和专著。在中国古代小说研究领域也是如此，诸多前辈时彦均对未来学术发展擘导深切，既望殷殷。这对新世纪的学术发展是有益的。转眼十年过去，21世纪头十年的中国古代小说研究到底进展如何？早先的回顾与前瞻对当下的学术研究是否真的发挥鞭策和引领作用？未来中国古代小说研究又有什么地方需要改进或曰强化？本文谨依据与古代小说研究关系密切的《明清小说研究》期刊，对这些问题略作检讨和思考。
译员由于不能确认被告的意思而与被告展开了对话——对电话号码的事情进行了澄清，以便把完整的意思翻译给法官听。这种澄清的行为对避免误译时是必要的。但是，本例中的问题是译员自行与被告展开了对话，法官可能因此对译员产生不信任并提出批评。比较好的调解策略是译员先获得法庭的许可。由于口译过程一般以第一人称进行，译员应该让法庭知道下面的请求是译员提出的：“法官大人，译员不是很明白被告的话，请允许译员要求被告澄清。”在法官许可后再要求说话者澄清。译员也会因为其专业性的调解行为而赢得法庭的尊重。
本文尝试以探索性研究的方式，探讨三个方面的问题：一，不同类型的网络资源对个体健康作用有何不同；二，不同特征的个体利用社会网络资源获得健康的方式存在怎样的差异；三，网络对健康的作用模式差异对当前社会的健康不平等有着怎样的潜在影响。
一、文献回顾：社会网络对健康的多重影响
(一)从社会支持到网络结构观
社会网络影响健康的研究早期以社会支持为理论基础，关注社会交往和社会关系对健康的作用，认为社会网络主要通过提供各种社会支持来影响健康[注]Nan Lin, R. Simeone, W. Ensel and W. Kuo. “Social Support, Stressful Life Events, and Illness: A Model and an Empirical Test.” in JournalofHealthandSocialBehavior 20 (1979), p108-119.。社会支持对身体和精神方面的健康都有直接或间接的重要影响[注]James House,D. Umberson and K. Landis. “Structures and Process of Social Support.” in AnnualReviewofSociology 14 (1988), p293-318.。社会网络可以为人们提供更多的健康知识，促进健康信息的传播，使人积极从事有利于健康的预防性活动，控制负面的健康行为。社区层次的社会网络还可以提供情感性和物质性的社会支持，增强居民参与社会活动的机会等，这些机制都有助于提高人们的健康水平[注]Ichiro Kawachi, Bruce P. Kennedy, and Roberta Glass.“Social Capital and Self-Rated Health: A Contextual Analysis.” in AmericanJournalofPublicHealth 89 (1999),p1187-1193.。
第三是网络资源利用倾向的异质性。网络资源的影响是包含从建立和维持，到使用并生效的多阶段过程的结果。网络建构过程中，人际交往会同时受到个人偏好和所处社会结构的制约[注]Zhen Zeng and Yu Xie, “Statistical Models for Studying Inter-Group Friendship.” in AnnualWinter/SpringMeetingofSociologicalMethodologySection，American Sociological Association in Princeton NJ (March), 2002.。是否使用关系也存在着自我选择的内生性[注]Ted Mouw. “Social Capital and Finding a Job: Do Contacts Matter?” in AmericanSociologicalReview 68 (2003), p868-898.，人们更倾向于在资源可能发挥正功能时利用网络资源。对于健康而言，其通过网络作用的直接和间接影响因素更广泛，因而更容易产生不同的资源利用偏好，从而出现不同的健康行为决策和回报模式。
社会网络分析开始盛行以后，社会支持的理论也随之向结构化方向发展，关注每个人与多个个体之间的联系，从而将整个社会看作一种关系网结构[注]John Scott. SocialNetworkAnalysis:AHandbook. London: Sage Publications Ltd, 1991.。这方面研究主要认为，人们得到的支持大多来自社会网络关系，因此个人的社会网络状况就代表了社会支持的数量和质量，进而决定了他们的健康水平[注]James House, D. Umberson and K. Landis. “Structures and Process of Social Support.” in AnnualReviewofSociology 14(1988), p293-318.。也有研究认为，社会支持与社会网络是相对独立作用的健康因素，前者反映了个人在关系结构中获取的资源，后者则更多是关系网络结构自身的体现[注]Valerie Haines and J. Hurlbert. “Network Range and Health.” in JournalofHealthandSocialBehavior 33(1992), p254-266.。还有一些研究关注网络关系的运作，从社会资本的理论视角来分析网络对健康的影响，发现社会资本对健康水平有显著正向影响[注]周广肃、樊纲、申广军：《收入差距、社会资本与健康水平——基于中国家庭追踪调查(CFPS)的实证分析》，《管理世界》2014年第7期；Wouter Poortinga, “Social Relations or Social Capital? Individual and Community Health Effects of Bonding Social Capital.” in SocialScience&Medicine 63 (2006), p255-270.。在中国农村的研究发现，影响健康的主要是认知性社会资本，而结构性社会资本对健康没有明显影响[注]Winnie Yip, S. V. Subramanian, A. D. Mitchell, D. T. Lee, J. Wang and I. Kawach, “Does Social Capital Enhance Health and Well-being? Evidence from Rural China.” in SocialScience&Medicine 64 (2007), p35-49.。对农民工群体的研究则发现，有的社会资本对精神健康有积极的影响，例如信任和网络密度；有的社会资本则对精神健康产生消极影响[注]胡荣、陈斯诗：《影响农民工精神健康的社会因素分析》，《社会》2012年第6期。。
综合上述分析结果，我们从网络资源作用模式和遵循相应模式人群的健康特质来定义网络对健康影响的不同模式。模式一表现为健康状况较差，网络资源较为缺乏，我们定义为“网络脱嵌模式”。模式二则表现为健康状况较好，但情感网络依旧存在正面影响，经常使用微信有利于健康，说明该人群具有积极的网络建构倾向，可定义为“情感网络嵌入模式”。模式三表现为健康状况最好，但正面健康效应主要源于工具型网络，可定义为“工具网络嵌入模式”。
(二)社会网络特征和作用的异质性
本文从网络异质性的视角出发，分析社会网络对健康很可能存在多种作用模式的原因。首先是网络资源的异质性。网络关系的属性有工具性和情感性之分，对于不同关系属性的网络资源，人们会因需求不同而存在偏好差异。网络资源的异质性还体现为多种其他方面的资源都和网络资源密切相关，进而增加了网络影响健康的可能。而且个人的经济资本、文化资本和社会资本可能相互转换。而健康又是一个含义广泛且主观性较强的概念，它既体现了个体所能获得的资源，又反映了运用关系时对文化观念的理解。文化观念和经济资源作为影响健康的重要因素，很可能嵌入在社会网络中发挥作用。如果仅限于关注网络或者社会资本本身，不同程度忽略了与网络存在密切关联的其他因素，也可能导致不同的研究结果。
其次是网络资源作用的异质性，即相同的网络资源对不同个体的影响也会存在差异。一部分原因在于不同个体在所处网络中的相对社会地位差异。个人在自身网络中的地位往往是相对于网络成员而言的，与在整体分层结构中的绝对地位存在一定差异[注]Bernd Wegner. “Job Mobility and Social Ties: Social Resources, Prior Job, and Status Attainment.” in AmericanSociologicalReview 56 (1991), p60-71.。而人们又更倾向于和自己网络的成员来比较[注]Nicholas Pollis. “Reference Group Re-examined.” in TheBritishJournalofSociology 19(1968), p300-307. ，从而相对地位较高者更容易有满足感；也能动用更多网络资源来获得健康[注]Melvin Seeman, Teresa Seeman and Marnie Sayles. “Social Networks and Health Status: A Longitudinal Analysis.” in SocialPsychologyQuarterly 48 (1985), p237-248.。此外，不同性别、族群、社会经济地位的人群差异，也会使社会资本对健康产生不同的影响。而宏观因素方面，网络作用大小空间因不同经济体制而异，随着市场竞争加剧，社会网络很可能会阻碍劳动力配置向最优化发展[注]边燕杰、张文宏：《经济体制、社会网络与职业流动》，《中国社会科学》2001年第2期。，使得不同体制背景的个体从网络资源中得到不同的回报[注]梁玉成：《社会资本和社会网无用吗？》，《社会学研究》2010年第5期。。
4 预后较好，通常在3～4岁后逐渐停止发作，部分宝宝由毛细支气管炎衍变而来，10%～20%转变为哮喘。
(三)社会网络对健康作用的多重模式
面对多个层面的网络异质性，如何突破过往研究在视角和方法的不足，综合多方面的异质性特征来进一步理解社会网络对健康作用的不同模式？过往相关研究最大的局限在于，分析框架和模型过于单一，难以全面了解社会网络对健康的直接和间接影响机制。而且相比于其他影响健康的社会因素，社会网络更为复杂，即便是相对简单的个体网，也包含了与多重网络以及多名成员的互动。而且网络的建构和内部互动都因个体特征和条件而异，因而社会网络对健康的影响模式也具有多重性。但面对网络作用异质性和作用人群条件异质性，过往研究更多关注前者，没有将两者联系起来分析。本研究尝试基于数据驱动的探索性研究方式，去挖掘多种可能的网络对健康的影响模式及其社会意义。
二、分析策略、变量测量与数据
(一)分析策略
本研究与过往大多数研究的不同之处在于，考虑到社会网络资源及其对健康影响的多样性，不局限于某种网络因素对健康的影响，而是关注网络对健康可能存在的多种影响模式和划分依据。而过往研究对此缺乏足够的讨论，无法提出充分的理论依据来建构模型。而且过往研究过于依赖当前主流的实证研究范式，即通过单一的模型来对数据进行回归拟合，主要用于分析变量之间的统计关系，得到的结果更多的是一种平均化的效应。然而正如上文的分析表明，网络的异质性是多层面的。而个体之间的健康状况和意义更是千差万别。对此，传统分析方法不仅难以建模，更无法在复杂的影响因素当中提炼出相对抽象和简明的规律性解释。因此，本文将采用基于数据驱动的探索性研究方式，分析出不同的社会网络影响健康模式及遵循不同模式的人群之间的异质性。
在分析方法上，本研究采用结构化的潜类别模型来分析。潜在类别分析(Latent Class Analysis, LCA)是通过一系列外显变量来估计出潜在不可观测的类别变量，将总体划分成几个互斥的潜类别[注]Linda Collins. M., & Lanza, S. T. LatentClassandLatentTransitionAnalysis:WithApplicationsintheSocial,Behavioral,andHealthSciences. New York: Wiley, 2010.；而结构化的潜在类别模型，则是基于广义结构方程模型(Generalized Structural Equation Modeling, GSEM)来拟合具有类别型潜变量(categorical latent variables)的模型，用于识别出社会网络因素影响健康模式的潜在类别(latent class)。GSEM是结构方程模型的扩展性应用。相比于标准的结构方程模型仅限于分析连续型因变量和线性回归方程，GSEM的适用范围更为广泛，可适用于各种形式变量的分析，如类别变量、次序变量、离散型变量等，从而采用多种模型进行分析。与一般的潜类别分析不同之处在于，GSEM既可以构建潜类别本身，也可以构建模型的潜类别，即潜类别表达的是变量之间的潜在关系。因此该方法可以根据潜变量类别数的设定，拟合出相应数量的潜变量模型即健康影响模式；而且对于每种潜变量模型，都能计算出最大概率遵循该潜在模式的分样本群体的网络特征和健康水平，从而探索出健康影响模式和相应模式下健康人群的双重分类。模型采用STATA15版本软件进行分析拟合。
本研究的分析策略为：采用个体在较早调查时点的网络变量信息来预测下一个调查时点的健康信息，拟合出多个模型来解释网络影响健康的多种模式，并结合最可能选择相应模式的人群特征来进行理论概括和解释。已有研究基于潜变量分析的方法，总结出我国居民存在的健康型、风险型、混合型等三种健康行为方式，发现社会经济地位较高的群体存在健康型和风险型两端分化的选择，而社会经济地位较低的群体则更多的是混合型健康行为[注]王甫勤：《社会地位束缚与生活方式转型——中国各社会阶层健康生活方式潜在类别研究》，《社会学研究》2017年第6期。。但该研究并未回答本研究力求探索的问题，即不同的网络资源利用方式造成怎样的健康后果，对健康的影响机制有着怎样的差异。无论从研究还是现实意义而言，模式化和规律性的结论对了解我国社会的健康分层状况都更具启发性。
(二)变量及测量
本研究的因变量是自评健康水平，通过人们对个人总体健康状况的自我评估来测量。由于社会网络对个体行为和状态的影响是综合性的，而人们对健康的感知也存在多个方面，因此自评健康作为一个含义广泛的变量，比特定的或医疗上的健康指标更适用于评估社会网络的作用。自评健康是最常用的健康测量指标，具有较好的测量效度，能从社会科学的角度全面反映被访者的健康状态[注]Ellen Idler L. and Yael Benyamini. “Self-Rated Health and Mortality: A Review of Twenty-Seven Community Studies.” in JournalofHealthandSocialBehavior Vol.38 (1997), p21-37.。
本研究的自变量为社会网络因素，为了综合体现社会网络的特征，主要从三个方面进行测量：拜年网、亲密讨论网、借贷网。拜年网是指个体在调查年份春节期间的拜年关系网络，包含了网络规模、网顶、网差等三个指标。其中，网络规模是指拜年的人数，意味着信息和人情的含量；网络顶端则是指拜年对象里最高的职业地位，是关系人最高地位和资本量的体现；网差是指不同地位职业的种类，体现了网络资源内部差异性和互补性，暗示了潜藏社会资本质量的大小[注]边燕杰：《城市居民社会资本的来源及作用：网络观点与调查发现》，《中国社会科学》2004年第3期。。亲密讨论网是指在本地可向其诉说心事的朋友数量(不包括亲属)，而借贷网是指本地可向其借钱(5000元以上)的朋友数量(不包括亲属)。
然而上述网络关系的测量都是相对静态的，并不能体现这些关系的利用频率和程度。随着互联网的发展，网上的沟通已成为一种主流的、重要的网络拓展和维持方式，而微信作为当前最为流行的线上聊天渠道，本文采用微信使用频率来测量网络沟通的频繁程度和网络资源的使用倾向，作为对网络资源的动态补充。此外，模型中还包含了一系列现实中与网络和健康都很可能存在重要关联的变量：性别、年龄、受教育程度、婚姻状况、就业情况、抽烟频率、体育锻炼频率等，加入这些变量不仅能够起到控制变量的作用，也有助于探索和总结网络因素对健康不同影响模式的产生原因。
(三)数据来源和描述统计
过往关于社会网络和健康的研究大多采用单一的模型来检验社会网络的健康效应，没有综合考虑到网络资源特征、作用以及利用倾向都具有较大异质性，研究结论较为片面。本研究采用探索性的研究方式，用结构性的建模方法从经验调查数据中挖掘出了三种潜在的网络对健康作用模式：(1)网络脱嵌模式：该模式下的健康状况普遍较差，网络资源缺乏，但对情感型网络有较大需求；(2)情感网络嵌入模式：该模式下健康状况较好，网络建构态度积极，且情感网络有利于健康；(3)工具网络嵌入模式：该模式的健康状况最好，网络规模较大，但情感型网络对健康有负面影响，主要靠工具型网络促进健康。基于这三种模式的区别规律，本研究认为分析网络对健康的影响时，需要考虑个体对网络的嵌入程度。健康状况影响网络资源利用倾向。网络对健康的影响是网络资源效应和健康状况的网络需求的双重作用结果。除了是网络资源本身，网络建构的积极倾向也能够促进健康，这也是过往许多研究所忽略的。
表1各变量描述统计
变量观测值变量观测值自评健康(%) 本地关系密切人数(%) 很差2.46 0个11.18 较差10.77 1—3个56.67 一般29.23 4—6个22.97 较好49.33 7—9个3.33 很好8.21 10个及以上5.85女性(%)53.74本地可借钱朋友人数(%) 没有30.41年龄(均值)45.55 1—3个43.59(13.92) 4个以上26.00婚姻状况(%) 离婚或丧偶8.72微信使用频率(%) 未婚13.59 从不19.03 已婚77.69 很少6.92 有时9.28受教育程度(%) 经常36.00 初中及以下27.38 总是28.77 高中、中专32.51 大专及以上40.10抽烟频率(%) 从不72.67就业状况(%) 偶尔6.36 无业13.54 每周20.97 退休28.82 有工作57.64锻炼频率(%) 从不32.26拜年网人数(均值)28.19 经常13.49(30.36) 几乎每天54.26网顶(均值)72.91 (26.69)自评社会经济地位(均值)6.82网差(均值)6.18 (1.70)(4.30) 个案数1950个案数1950
注：括号内数字为标准差。
三、分析结果
下面再来关注最可能遵循相应模式的人群特征(参见表4)。对于最可能采用模式一的人群，他们体现出的特征为自评健康较差，在一般以下的比例高达90.83%。从社会网络的情况来看，借贷网的资源较好，但亲密网的资源较差，而且拜年网规模最小，网顶和网差也不占优势，说明总体上还是缺乏较好的社会网络资源，尤其缺乏基于情感性质的网络关系。但该人群的微信使用频率却偏高，“总是使用微信”的比例(31.25%)要高于另两个群体。结合该人群的健康状况，以及相对较高的“无业”比例和“离婚或丧偶”比例，可以推测该群体网络资源获得能力较差，而且不倾向于构建网络，但是网络资源的利用倾向较高。再来看最可能遵循模式二的人群，健康状况明显好于遵循模式一的群体，该群体的各种网络的规模水平都居中，但拜年网却体现出网顶高、网差大的特点，微信使用频率也较高，说明该群体对于网络关系有着向上攀附的趋势，而且倾向于构建网络。最后是遵循健康模式三的人群，尽管在三组人群中平均年龄最大，受教育水平最低，但健康状况最好。在关系网络方面，该组人群的亲密网和拜年网的规模都最高，借贷网的平均规模较小，拜年网具有大规模的同质性，即规模最大但网顶和网差最小。
表2不同类别数量下的潜类别模型拟合情况比较
潜类别模型数模型对数似然函数值样本量DfAICBIC1个类别-2480.6462047285017.2915174.7672个类别-2385.9822047564883.9655198.9163个类别-2336.3062047844840.6125313.039
表3给出了设定为三个潜类别模型时的分析结果，代表了网络影响健康的三种模式。通过比较可以看出，在不同模式下，对健康产生影响的社会网络因素及其影响方向都存在一定的差异。在模式一当中，亲密朋友网对健康有重要影响，尤其是关系密切人数较多时(7—9人)，能极大提升自评健康水平。拜年网规模和有时使用微信也对自评健康有显著的正面影响。模式二当中，亲密朋友网规模在中间水平(4—6人)时，对健康有正面影响，很少和经常使用微信也有助于提升自评健康，这和模式一有相似之处。但该模式当中，拜年网规模对健康有负面影响，说明拜年网很可能增加了社会交往压力。而在模式三中，亲密朋友网和使用微信都对健康有负面影响。但具有工具属性的借贷网却有利于健康，说明该模式主要依靠工具型关系来促进健康。通过比较上述三种模式可以看出，模式一和模式二都反映出情感型关系网对健康的促进作用，但模式一更为明显。但两者不同之处在于，模式一当中，拜年网络规模增加会促进健康，而模式二则相反。模式三则体现了工具型网络对健康的正面影响，情感型关系反而不利于健康，这与前两种模式都完全相反。
表3社会网络影响健康的潜类别模型
潜类别模式一潜类别模式二潜类别模式三变量系数标准误系数标准误系数标准误女性-0.101 0.108 0.052 0.069 -0.038 0.089 年龄-0.019∗∗∗0.006 -0.009∗∗0.004 -0.016∗∗∗0.005 受教育程度 高中0.003 0.115 0.002 0.073 -0.097 0.090 大专及以上-0.101 0.135 0.094 0.086 -0.238∗∗0.099 工作状态 退休-0.035 0.151 -0.344∗∗∗0.108 0.069 0.136 有工作0.022 0.117 0.072 0.087 -0.044 0.094 婚姻状况 未婚-0.605∗∗∗0.211 -0.014 0.128 -0.225 0.154 已婚-0.053 0.140 0.014 0.096 -0.094 0.124 本地关系密切人数 1—3个0.288∗∗0.137 0.152∗0.084 -0.151 0.106 4—6个0.283∗0.159 0.282∗∗∗0.105 -0.258∗∗0.128 7—9个2.210∗∗∗0.343 0.305 0.224 -0.801∗∗∗0.224 10个以上-0.290 0.225 -0.022 0.117 -0.010 0.148 拜年网规模0.008∗∗∗0.002 -0.003∗∗∗0.001 0.001 0.001 拜年网网顶-0.002 0.002 -0.001 0.001 -0.002 0.002 拜年网网差-0.013 0.014 0.011 0.009 0.002 0.012 微信使用频率 很少用微信0.175 0.177 0.639∗∗∗0.120 -0.840∗∗∗0.176 有时用微信0.426∗∗0.180 0.075 0.107 0.037 0.127 经常用微信0.233 0.151 0.253∗∗∗0.093 -0.131 0.114 总是用微信-0.041 0.156 0.085 0.099 -0.022 0.111 本地可借钱朋友数1—3个0.136 0.117 -0.119∗0.072 0.179∗0.096 4个以上0.142 0.134 -0.165∗0.088 0.311∗∗∗0.111 自评社会经济地位-0.093∗∗∗0.023 -0.108∗∗∗0.016 0.019 0.023 抽烟频率 偶尔抽烟-0.012 0.182 -0.161 0.105 -0.008 0.126 每周抽烟-0.167 0.129 0.029 0.079 0.161 0.098 体育运动频率 经常锻炼0.355∗∗∗0.137 0.064 0.088 -0.238∗∗0.113 几乎每天锻炼0.384∗∗∗0.102 0.283∗∗∗0.056 -0.132∗0.072 常数项3.182∗∗∗0.435 4.338∗∗∗0.302 5.080∗∗∗0.415 个案数204720472047
*** p<0.01, ** p<0.05, * p<0.1
为了确定理想的类别数，本研究尝试了不同类别数量设定下的潜在模型分类，分析结果见表2。通过综合比较模型的对数似然函数值和AIC值，三个潜在模型分类时对数似然值最大，AIC值最小，说明相比于一类和两类的模型拟合情况，三类属于比较合理的结果。
图3表示将数据集分类两个簇，第一类用电量大，可能为重度用电用户，第二类用电量比较小，可能为轻度用电用户。图4为数据聚类结果的雷达图，反映了两个簇数据距离聚类中心的分布情况。
表4遵循各潜类别群体特征描述统计
模式一群体模式二群体模式三群体变量观测值观测值观测值自评健康(%) 很差2000 较差70.832.850.73 一般7.536.9317.68 较好055.9857.14 很好1.674.2424.46女性(%)5054.7452.78年龄(均值)46.3943.9550.08(14.26)(13.84)(12.92)婚姻状况(%) 离婚或丧偶10.837.949.93 未婚12.0815.039.93 已婚77.0877.0280.15受教育程度(%) 初中及以下3024.2135.84 高中、中专34.1730.338.5 大专及以上35.8345.4925.67就业状况(%) 无业20.8312.1813.56 退休31.2523.942.86 有工作47.9263.9243.58拜年网人数(均值)25.4128.0730.20(22.77)(30.59)(33.28)网顶(均值)71.5973.9670.41(27.79)(25.96)(28.12)网差(均值)5.996.395.64(4.30)(4.33)(4.18)本地关系密切人数(%) 0个159.8713.08 1—3个55.8357.2955.21 4—6个21.2523.7521.55 7—9个1.673.623.39 10个及以上6.255.476.78本地可借钱朋友人数(%) 没有28.7528.5337.29 1—3个44.1744.839.47 4个以上27.0826.6823.24微信使用频率(%) 从不21.2516.0427.12 很少7.925.869.69 有时7.929.110.65 经常31.6739.7826.63 总是31.2529.2225.91抽烟频率(%) 从不71.6773.7969.73 偶尔56.327.26 每周23.3319.8923锻炼频率(%) 从不32.530.7636.8 经常12.514.5710.65 几乎每天5554.6652.54自评社会经济地位(均值)7.16.707.02(1.81)(1.66)(1.70)个案数2401297413
注：括号内数字为标准差。
过往研究基本上都肯定了社会网络资本对健康的正面影响，但也有部分研究持相异的结论。例如，有的研究未发现社会网络能促进健康信息传递和健康行为[注]Melvin Seeman, Teresa Seeman and Marnie Sayles.“Social Networks and Health Status: A Longitudinal Analysis.” SocialPsychologyQuarterly48(1985),p237-248.。还有研究认为网络规模与健康无直接关系[注]Joseph Stokes. “Predicting Satisfaction with Social Support from Social Network Structure.”in AmericanJournalofCommunityPsychology 11(1983),p141-152. Israel, B. and T. Antonucci. “Social Network Characteristics and Psychological Well-Being: A Replication and Extension.”in HealthEducationandBehavior14(1987),p461-481.，尽管大多数研究结论都表明，较大规模网络的人健康会较好[注]Dan Blazer. “Social Support and Mortality in an Elderly Community Population.”in AmericanJournalofEpidemiology115(1982),p684-694. Barry Wellman and S. Wortly.“Different Strokes from Different Folks: Community Ties and Social Support.” in AmericanJournalofSociology96(1990),p558-588.。遗憾的是，研究者大多更关注趋于主流观点的研究结论，对导致不同结论的根本原因缺乏深入探讨和系统性解释。基于中国社会特有的网络结构观和健康的社会意义，有必要找到更为全面的分析方式来探索网络影响健康的多种特定模式。中国社会长期存在注重人际关系和网络的文化传统。社会转型以后，正式制度处于不稳定状态，人们的社会行为更加依赖于社会网络为代表的非正式制度，进而对健康产生潜在影响，例如流动人口的社会适应[注]李培林：《流动民工的社会网络与社会地位》，《社会学研究》1996年第4期；赵延东、王奋宇：《城乡流动人口的经济地位获得及决定因素》，《中国人口科学》2002年第4期。、灾后恢复[注]赵延东：《社会资本与灾后恢复：一项自然灾害的社会学研究》，《社会学研究》2007年第5期。等。直接关注健康的研究则以特定群体为分析对象，如老年群体[注]贺寨平：《社会经济地位、社会支持网与农村老年人身心状况》，《中国社会科学》2002年第3期。、大学生群体[注]欧阳丹：《社会支持对大学生精神健康的影响》，《青年研究》2003年第3期。、农民工群体[注]胡荣、陈斯诗：《影响农民工精神健康的社会因素分析》，《社会》2012年第6期。等，尚需要更多关于大众群体健康的研究来探索更为广泛的社会网络作用规律。
四、研究结论与讨论
本研究数据来自2014年和2016年的中国“社会网络与职业经历(JSNET)”调查。本次调查在长春、济南、兰州、西安、天津、广州、厦门、上海等八个城市进行，将多阶段抽样法、PPS抽样方法和地图法抽样等多种抽样法结合，随机抽取18岁以上的家庭成员作为调查对象。调查采用面访的方式进行。2016年的调查为2014的追踪调查，除了自评健康指标来自2016年的数据外，其他均来自2014年。综合两期数据所需变量，最后得到进入模型的有效个案数2047个，其中成功纳入各个潜在类别的样本1950个。各变量的具体操作化方式及描述统计情况如表1 所示。
选取我院2017年1月~2018年1月收治的50例异位妊娠患者为研究对象,随机分为两组,各25例,对照组接受经腹彩超检测,年龄21~44岁,平均年龄(27.5±3.5)岁,停经时间30~120d,平均停经时间(49.5±2.5)d;观察组接受经阴道超声检测,年龄22~45岁,平均年龄(28.5±3.5)岁,停经时间31~120d,平均停经时间(50.0±2.5)d;两组患者均已通过相关检测,符合检测标准,无超声、彩超不适者,均有明显停经史,HCG显示阳性,排除其他传染疾病,年龄、停经时间等方面经统计学分析,无显著性差异,P>0.05,有可比性。
本研究的发现有助于深入理解我国社会的健康不平等状况。过往研究并未真正回答健康劣势的个体多大程度能突破结构束缚，实现健康阶层向上流动的问题。本研究认为，网络建构的积极倾向会带来网络嵌入程度增加，是个体健康突破结构地位束缚的关键因素。这从社会网络的视角解释了健康不平等仍在上升的非正式制度原因：当市场竞争随着经济发展而加剧时，激发了关系中的内在紧张，人们越来越可能冒着破坏关系的风险去“杀熟”，导致强关系对象的利益反而更容易受损的“逆差序格局”现象[注]蔡禾、贾文娟：《路桥建设业中包工头工资发放的“逆差序格局”——“关系”降低了谁的市场风险》，《社会》2009年第5 期。。竞争加剧也会促进个人人力资本的提升，使得有能力的人更加不轻易使用关系，这降低了关系强度对资源回报的重要性。但中国注重人情关系的传统以及我国社会结构特征，又决定了资源需要以社会网络为载体发挥作用，因此关系强度重要性的降低反而促进了网络开放性，人们依然倾向于建立关系网络资源。而健康较差的个体更容易陷入网络脱嵌状态，此时情感型关系又无助于扭转健康的劣势，导致健康不平等加剧，甚至两级分化。
陶小西说温衡的手机一直关机，他已经在火车站等了四天了，连夜晚也不敢走开，他还刻意穿了扎眼的橘红色羽绒服，只是为了让她一眼就能在人群里看见他。
然而本研究也存在着一定的不足。首先，探索出的新理论并没有完全厘清网络和健康的因果关系，需要有包含更多时点的数据来考察。个人的健康状况也在很大程度上影响着关系网络资源的建构和运用，尤其是健康水平偏低的时候增加健康的不可逆性，从而弱化了情感型网络对健康的影响。而且本研究也未能区分网络对健康的直接和间接影响，导致相关的理论未能进一步细化。最后，本研究仅关注了自评健康，虽然该指标是对健康的一种综合性的测量，但是存在一定的主观理解差异，而且指标也较为单一。不同的健康指标下，很可能存在其他种类的网络对健康的影响模式。这些都有待新的数据和方法出现来进一步探讨。
[中图分类号]C913.4
[文献标识码]A
[文章编号]1003-4145[2019]05-0057-08
收稿日期：2018-12-20
作者简介：
梁玉成(1971—)，男，中山大学社会学与社会工作系教授、博士生导师，哲学博士，主要研究方向为社会分层与社会不平等、量化研究方法。
翁牛特旗位于科尔沁沙地西缘，沙化土地七百三十万亩，有十四万人口饱受风沙危害。三北防护林工程实施后，翁牛特人用了四十年时间，硬是把流动的沙魔驯服，还意外创造出一个能够富民的沙产业。
鞠 牛(1985—)，男，中山大学社会学与社会工作系博士后、助理研究员，哲学博士，主要研究方向为健康社会学。
(责任编辑：陆影)
标签：健康论文; 网络论文; 社会论文; 模式论文; 网络资源论文; 社会科学总论论文; 社会学论文; 社会结构和社会关系论文; 《山东社会科学》2019年第5期论文; 中山大学社会学与社会工作系论文;