第五章：婚姻互动建模

第五章：婚姻互动建模 (Modelling the Dynamics of Marital Interaction)

书籍来源：Murray - Mathematical Biology I
章节：第五章
主题：使用Gottman等人的方法论对婚姻互动进行数学建模

章节概述

本章探讨了如何运用数学建模方法来理解和预测婚姻关系的动态变化。Murray引入了Gottman和Levenson（1992）的研究方法，通过分析夫妻在冲突讨论中的互动模式，构建了描述婚姻互动的差分方程模型。本章的核心目标是生成关于婚姻变化机制的理论，而非仅仅依赖统计检验。建模策略遵循本书的一贯哲学：从简单模型开始，逐步增加复杂度。

5.1 心理背景与数据：Gottman-Levenson方法论

5.1.1 研究方法与样本

Gottman和Levenson（1992）采用了一种综合方法，同步收集了73对夫妻的生理、行为和自我报告数据。这些夫妻在1983年至1987年间接受了纵向跟踪研究。研究使用了快速夫妻互动评分系统（RCISS）来编码互动行为，该系统由Krokoff等人（1989）开发。

夫妻被分为两类： - 调控型（Regulated）夫妻：低解体风险 - 非调控型（Nonregulated）夫妻：高解体风险

分类基于Gottman（1979）提出的图形方法。具体做法是：计算每位配偶在每次对话轮次中的正性RCISS说话者代码总数减去负性代码总数，然后绘制累积总分图。如果丈夫和妻子的曲线斜率都为正，则称为"调控型"；否则称为"非调控型"。

5.1.2 关键发现

四年随访结果显示： - 低风险夫妻：约32%考虑过解体，17%分居，7%实际离婚 - 高风险夫妻：约70%考虑过解体，37%分居，19%实际离婚

这些数据表明，正负互动平衡的调节能力是预测婚姻稳定性的关键变量。

5.1.3 观察编码系统

在15分钟的录像互动讨论中，夫妻选择一个问题领域（如性、钱、姻亲等）进行讨论。录像带使用RCISS系统编码。此外，还使用Ekman和Friesen（1978）的面部动作编码系统（Duchenne笑容）来测量微笑和笑声，这些与真实正性情感相关。

5.1.4 数据驱动的建模理念

本章的一个关键创新是使用数据和差分方程来生成互动项。这种方法与通常的生物建模模式有根本区别：目标是生成理论，而非仅仅拟合数据。Murray认为，数据的"检验"不应是自动的统计过程，而应使用数据来引导科学直觉，使变化方程具有理论意义。

5.2 婚姻类型学与建模动机

5.2.1 Gottman的婚姻分类

Gottman（1994）提出并验证了一种婚姻类型学，包含三种稳定的婚姻类型和两种不稳定的婚姻类型：

稳定婚姻类型：

类型	特征
验证型（Validators）	在整个互动范围内都有线性影响，正负行为都有相应影响
波动型（Volatiles）	高说服水平，在讨论开始时就进行说服，正负影响都很强
回避型（Avoiders）	几乎不尝试说服对方，避免冲突，主要在正性范围内互相影响

不稳定婚姻类型：

类型	特征
敌对型（Hostile）	丈夫像验证型那样影响妻子，但妻子只像回避型那样通过正性行为影响丈夫
敌对-疏离型（Hostile-Detached）	丈夫像验证型那样影响妻子，但妻子像波动型那样主要通过负性行为影响丈夫

5.2.2 正负比率常数

Gottman（1993）发现了一个跨三种稳定婚姻类型不变的常数：正负RCISS说话者代码的比率约为5。这一发现在三种稳定婚姻类型中没有显著差异。

波动型夫妻：大量正性情感与大量负性情感的混合
验证型夫妻：中等正性与中等负性的混合
回避型夫妻：少量正性与少量负性的混合

5.2.3 建模目标

建模的哲学目标是将RCISS累积点图（正负行为的差值）分解为具有理论意义的组成部分： 1. 配偶对配偶的人际影响函数 2. 与个体自身动态相关的参数

这种分解代表了一种理论，说明依赖变量如何被分解为可预测婚姻稳定性的机制成分。

5.3 建模策略与模型方程

5.3.1 基本差分方程

设 $W_t$ 和 $H_t$ 分别表示妻子和丈夫在第 $t$ 轮的分数，模型使用确定性的离散差分方程：

\[W_{t+1} = f(W_t, H_t) \qquad(5.1)\]

\[H_{t+1} = g(W_{t+1}, H_t) \qquad(5.2)\]

这里假设妻子先说话，因此对话标记为 $W_1, H_1, W_2, H_2, \ldots$

5.3.2 无影响分量：惯性方程

无影响分量描述个体在不受配偶影响时的行为。假设无影响行为可以用简单的线性方程建模：

\[P_{t+1} = r_i P_t + a_i \qquad(5.2)\]

其中 $P_t$ 是第 $t$ 轮的分数，$r_i$ 是惯性参数，$a_i$ 是常数。

递推求解得：

\[P_t = r_i^t P_0 + a_i(1 + r_i + \cdots + r_i^{t-1}) = r_i^t P_0 + \frac{a_i(1 - r_i^t)}{1 - r_i} \qquad(5.3)\]

无影响稳态可通过设 $P_{t+1} = P_t = P$ 求得：

\[P = \frac{a_i}{1 - r_i}\]

稳定性条件：$|r_i| < 1$ 时系统趋向稳态；$|r_i| > 1$ 时稳态不稳定。

5.3.3 影响函数

影响函数描述一个配偶对另一个配偶行为的影响。设 $I_{AB}(A_t)$ 表示A在第 $t$ 轮的状态对B状态的影响。

完整模型为：

\[W_{t+1} = I_{HW}(H_t) + r_1 W_t + a \qquad(5.4)\]

\[H_{t+1} = I_{WH}(W_{t+1}) + r_2 H_t + b \qquad(5.5)\]

其中 $r_1, a, r_2, b$ 是四个参数，$I_{HW}$ 和 $I_{WH}$ 是两个影响函数。

5.3.4 影响函数的形式

两种可能的影响函数形式：

分段线性（sigmoidal）形式： - 在零点左右无影响 - 超过正性阈值后影响为正的常数 - 超过负性阈值后影响为负的常数

双斜率线性形式： - 正性和负性范围内各有一个斜率 - 通过原点

5.3.5 参数估计方法

隔离无影响行为：仅查看配偶分数为零的配对数据（约15%的数据）
最小二乘法拟合：对妻子的数据子集 $(W_{t+1}, W_t)$ 拟合线性方程确定 $r_1$ 和 $a_1$
计算无影响稳态和惯性
从总分中减去无影响分量：得到观察到的影晌分量

5.4 稳态与稳定性分析

5.4.1 零等倾线

对于离散方程，零等倾线定义为值随时间保持不变的曲线。即 $W_{t+1} = W_t$ 和 $H_{t+1} = H_t$。

由方程（5.4）和（5.5），零等倾线 $N_{HWV}$ 和 $N_{WH}$ 为：

\[N_{HWV}: W(H_t) = \frac{I_{HW}(H_t) + a}{1 - r_1} \qquad(5.6)\]

\[N_{WH}: H(W_t) = \frac{I_{WH}(W_t) + b}{1 - r_2} \qquad(5.6)\]

稳态是零等倾线的交点，满足双方得分在连续对话轮次中保持不变。

5.4.2 线性稳定性分析

设 $W_t = W_S + w_t$，$H_t = H_S + h_t$，其中 $|w_t|$ 和 $|h_t|$ 很小。

代入并线性化得：

\[w_{t+1} = r_1 w_t + I'_{HW}(H_S) h_t \qquad(5.9)\]

\[h_{t+1} = r_2 h_t + I'_{WH}(W_S) w_{t+1} \qquad(5.10)\]

写成矩阵形式：

\[\begin{bmatrix} w_{t+1} \\ h_{t+1} \end{bmatrix} = \begin{bmatrix} r_1 & I'_{HW}(H_S) \\ r_1 I'_{WH}(W_S) & r_2 + I'_{WH}(W_S) I'_{HW}(H_S) \end{bmatrix} \begin{bmatrix} w_t \\ h_t \end{bmatrix} = M \begin{bmatrix} w_t \\ h_t \end{bmatrix} \qquad(5.11)\]

设解的形式为 $w_t, h_t \propto \lambda^t$，则 $\lambda$ 满足特征方程：

\[\lambda^2 - (r_1 + r_2 + I'_{WH} I'_{HW}) \lambda + r_1 r_2 = 0 \qquad(5.14)\]

解为：

\[\lambda_{1,2} = \frac{1}{2} \left[ (r_1 + r_2 + I'_{WH} I'_{HW}) \pm \sqrt{(r_1 + r_2 + I'_{WH} I'_{HW})^2 - 4r_1 r_2} \right] \qquad(5.14)\]

5.4.3 稳定性条件

稳态稳定的条件是：

\[-1 < \lambda_1 < 1 \quad \text{且} \quad -1 < \lambda_2 < 1 \qquad(5.16)\]

经过代数运算，稳定性条件为：

\[I'_{WH}(W_S) \cdot I'_{HW}(H_S) < (1 - r_1)(1 - r_2) \qquad(5.17)\]

5.4.4 梯度条件

稳定性条件也可以用零等倾线的梯度表示：

\[\frac{dW}{dH}\Big|_{\text{妻子零等倾线}, N_{HWV}} < \frac{dW}{dH}\Big|_{\text{丈夫零等倾线}, N_{WH}} \qquad(5.19)\]

即：妻子零等倾线的梯度小于丈夫零等倾线的梯度时，稳态稳定。

5.4.5 吸引域与分界曲线

对于具有多个稳态的系统，每个稳定稳态都有一个吸引域（basin of attraction）。吸引域是初始点集，从这些点开始的理论RCISS分数序列将趋向该稳态。

分界曲线（separatrix）分隔不同的吸引域。系统的长期行为取决于初始条件所在的吸引域。

5.4.6 吸引强度

稳定吸引子的吸引强度 $S$ 可定义为：

\[S = \max(|\lambda_1|, |\lambda_2|) \qquad(5.21)\]

$S$ 越接近1，吸引越弱；$S$ 越接近0，吸引越强。这一参数可用于评估婚姻治疗的潜在效果。

5.5 模型的实证结果

5.5.1 影响函数分析

通过最小二乘法拟合获得的经验影响函数显示：

验证型夫妻： - 在整个RCISS分数范围内影响函数为恒定斜率的上升直线 - 负性行为产生负影响，正性行为产生正影响

波动型夫妻： - 主要在负性RCISS范围内互相影响 - 在正性范围内影响基本为零（斜率为零）

回避型夫妻： - 主要在正性RCISS范围内互相影响 - 在负性范围内影响基本为零

敌对型夫妻： - 丈夫像验证型那样影响妻子 - 妻子像回避型那样只通过正性行为影响丈夫

敌对-疏离型夫妻： - 丈夫像验证型那样影响妻子 - 妻子像波动型那样只通过负性行为影响丈夫

5.5.2 错配理论

错配理论认为：不稳定的婚姻是个体尝试创建纯型婚姻类型失败的结果。

例如，一个更适合波动型或回避型婚姻的人可能与一个希望验证型婚姻的人结婚。他们的影响函数不匹配。

这一分析与"需求-回避"模式（demand-withdraw pattern）一致：一方希望追求问题并参与冲突，而另一方试图退出和回避冲突。

5.5.3 稳态与惯性参数表

表5.1：RCISS未累积点图的数学建模参数估计

组别	丈夫惯性	丈夫无影响稳态	丈夫影响稳态	妻子惯性	妻子无影响稳态	妻子影响稳态
低风险夫妻
波动型	0.33	0.68	0.75	0.20	0.68	0.61
验证型	0.37	0.38	0.56	0.14	0.52	0.59
回避型	0.18	0.26	0.53	0.25	0.46	0.60
平均	0.29	0.44	0.61	0.20	0.55	0.60
高风险夫妻
敌对型	0.32	0.10	0.03	0.51	-0.64	-0.45
敌对-疏离型	0.40	-0.42	-0.50	0.46	-0.24	-0.62
平均	0.36	-0.16	-0.24	0.49	-0.44	-0.54

5.5.4 关键发现

非调控型夫妻的惯性更高：妻子的差异尤其明显（0.29 vs 0.07）
稳态更负：非调控型夫妻的影响和无影响稳态都更负
波动型夫妻需要非常高的稳态来抵消其在负性范围内的相互影响
妻子的行为与丈夫显著不同：调控型婚姻中妻子的稳态等于或正于丈夫

5.5.5 离婚预测参数

研究结果表明： 1. 调控-非调控分类与妻子的情感惯性以及丈夫和妻子的无影响稳态相关 2. 丈夫和妻子的稳态都可显著预测离婚 3. 初期稳态更负的夫妻更可能离婚

5.6 益处、含义与婚姻修复方案

5.6.1 建模的价值

数学建模方法提供了：

新语言：用于思考婚姻互动和随时间变化的精确数学语言
机制解释：替代仅仅知道变量相关的统计模型，提供预测婚姻稳定性的机制解释
模拟能力：一旦为夫妻编写了互动方程，可以模拟他们在产生数据之外环境中的行为
参数概念：无影响稳态、影响稳态、情感惯性和影响函数等概念

5.6.2 稳定婚姻的成本与收益

波动型婚姻： - 收益：非常浪漫和充满激情 - 风险：可能演变为无休止的争吵

验证型婚姻（当前婚姻治疗模型）： - 收益：更平静和亲密 - 风险：浪漫可能随时间消失

回避型婚姻： - 收益：避免对抗和冲突的痛苦 - 风险：情感距离和孤独

5.6.3 修复场景

如果零等倾线发生位移，稳定正稳态可能消失，解决方案进入负稳态的吸引域——这是离婚的配方。

修复参数的可能性： - 婚姻治疗的一个可能效果是加强正吸引子并削弱负吸引子 - 添加修复组件到影响函数中 - 仅有4%的案例出现了类似"勾选标记"的累积图

5.6.4 未来研究方向

从差分方程到微分方程：使用连续编码提供更可靠的数据
时间延迟作为参数：而非固定的单位时间延迟
三角互动建模：三方（夫妻婴儿）互动
生理指标关系：研究心率等生理指标与惯性参数的功能关系

5.7 方程汇总表

方程编号	方程名称	方程形式	描述
(5.1)	妻子更新方程	$W_{t+1} = f(W_t, H_t)$	妻子分数由当前分数和丈夫分数决定
(5.2)	无影响行为方程	$P_{t+1} = r_i P_t + a_i$	线性惯性方程
(5.3)	递推解	$P_t = r_i^t P_0 + \frac{a_i(1-r_i^t)}{1-r_i}$	无影响行为的解析解
(5.4)	妻子完整方程	$W_{t+1} = I_{HW}(H_t) + r_1 W_t + a$	包含影响函数
(5.5)	丈夫完整方程	$H_{t+1} = I_{WH}(W_{t+1}) + r_2 H_t + b$	包含影响函数
(5.6)	零等倾线方程	$W = \frac{I_{HW}(H) + a}{1-r_1}$, $H = \frac{I_{WH}(W) + b}{1-r_2}$	稳态条件
(5.7)	扰动变量	$W_t = W_S + w_t$, $H_t = H_S + h_t$	线性稳定性分析
(5.9)	线性扰动方程(妻)	$w_{t+1} = r_1 w_t + I'_{HW}(H_S) h_t$	妻子扰动方程
(5.10)	线性扰动方程(夫)	$h_{t+1} = r_2 h_t + I'_{WH}(W_S) w_{t+1}$	丈夫扰动方程
(5.11)	稳定性矩阵	$\mathbf{w}_{t+1} = M \mathbf{w}_t$	矩阵形式
(5.14)	特征值方程	$\lambda^2 - (r_1+r_2+I'_{WH}I'_{HW})\lambda + r_1r_2 = 0$	特征方程
(5.14)	特征值解	$\lambda_{1,2} = \frac{1}{2}[...] \pm \sqrt{...}$	特征值表达式
(5.16)	稳定性条件	$-1 < \lambda_1 < 1$, $-1 < \lambda_2 < 1$	稳态稳定条件
(5.17)	导数稳定性条件	$I'_{WH}(W_S) \cdot I'_{HW}(H_S) < (1-r_1)(1-r_2)$	导数形式条件
(5.19)	梯度稳定性条件	$\frac{dW}{dH}\Big	{N\Big}} < \frac{dW}{dH
(5.21)	吸引强度	$S = \max(	\lambda_1

关键参数定义

参数	定义	意义
$W_t, H_t$	妻子和丈夫在第t轮的RCISS分数	正值=正性行为多，负值=负性行为多
$r_i$	惯性参数（0≤r<1）	值越大，返回稳态越慢 = 越死板
$a_i$	无影响行为常数	无影响稳态 = $a_i/(1-r_i)$
$I_{HW}, I_{WH}$	影响函数	配偶分数对另一方的影响
$I'_{AB}$	影响函数导数	影响函数的斜率
$W_S, H_S$	稳态分数	长期互动模式的预测值

主要结论

正负平衡是关键：稳定婚姻维持约5:1的正负比率
惯性决定灵活性：低惯性（灵活）关联稳定婚姻，高惯性关联不稳定婚姻
影响函数类型决定婚姻风格：验证型、波动型、回避型各有特征影响函数
错配预测不稳定：影响函数不匹配的夫妻更可能婚姻失败
初始条件决定结果：吸引域的存在意味着对话如何开始可能决定最终结果
治疗可能性：通过修改影响函数或参数可能实现从负稳态向正稳态的转移

阅读笔记

本章展示了数学建模在社会科学领域的应用潜力。通过将复杂的婚姻互动分解为可量化的参数（惯性、稳态、影响函数），研究者能够： - 超越简单的统计相关 - 提出机制解释 - 进行预测和"思想实验"

这种方法论的创新在于：不是用数据验证理论，而是用数据和数学方法生成理论。这是跨学科研究的一个范例。

方程编号	方程名称	方程形式	描述
(5.1)	妻子更新方程	\(W_{t+1} = f(W_t, H_t)\)	妻子分数由当前分数和丈夫分数决定
(5.2)	无影响行为方程	\(P_{t+1} = r_i P_t + a_i\)	线性惯性方程
(5.3)	递推解	\(P_t = r_i^t P_0 + \frac{a_i(1-r_i^t)}{1-r_i}\)	无影响行为的解析解
(5.4)	妻子完整方程	\(W_{t+1} = I_{HW}(H_t) + r_1 W_t + a\)	包含影响函数
(5.5)	丈夫完整方程	\(H_{t+1} = I_{WH}(W_{t+1}) + r_2 H_t + b\)	包含影响函数
(5.6)	零等倾线方程	\(W = \frac{I_{HW}(H) + a}{1-r_1}\), \(H = \frac{I_{WH}(W) + b}{1-r_2}\)	稳态条件
(5.7)	扰动变量	\(W_t = W_S + w_t\), \(H_t = H_S + h_t\)	线性稳定性分析
(5.9)	线性扰动方程(妻)	\(w_{t+1} = r_1 w_t + I'_{HW}(H_S) h_t\)	妻子扰动方程
(5.10)	线性扰动方程(夫)	\(h_{t+1} = r_2 h_t + I'_{WH}(W_S) w_{t+1}\)	丈夫扰动方程
(5.11)	稳定性矩阵	\(\mathbf{w}_{t+1} = M \mathbf{w}_t\)	矩阵形式
(5.14)	特征值方程	\(\lambda^2 - (r_1+r_2+I'_{WH}I'_{HW})\lambda + r_1r_2 = 0\)	特征方程
(5.14)	特征值解	\(\lambda_{1,2} = \frac{1}{2}[...] \pm \sqrt{...}\)	特征值表达式
(5.16)	稳定性条件	\(-1 < \lambda_1 < 1\), \(-1 < \lambda_2 < 1\)	稳态稳定条件
(5.17)	导数稳定性条件	\(I'_{WH}(W_S) \cdot I'_{HW}(H_S) < (1-r_1)(1-r_2)\)	导数形式条件
(5.19)	梯度稳定性条件	$\frac{dW}{dH}\Big	{N\Big}} < \frac{dW}{dH
(5.21)	吸引强度	$S = \max(	\lambda_1

参数	定义	意义
\(W_t, H_t\)	妻子和丈夫在第t轮的RCISS分数	正值=正性行为多，负值=负性行为多
\(r_i\)	惯性参数（0≤r<1）	值越大，返回稳态越慢 = 越死板
\(a_i\)	无影响行为常数	无影响稳态 = \(a_i/(1-r_i)\)
\(I_{HW}, I_{WH}\)	影响函数	配偶分数对另一方的影响
\(I'_{AB}\)	影响函数导数	影响函数的斜率
\(W_S, H_S\)	稳态分数	长期互动模式的预测值