相同的人，不同的命运：Sanjeev Goyal 的网络经济学

一群完全相同的人

假设一个房间里有 n 个人，他们在每一个可观测的维度上都完全相同——相同的禀赋、相同的偏好、相同的信息处理能力。现在让他们自由选择与谁建立联系，每条链接有成本，信息可以沿链接流动。对称的人应该做对称的事，形成某种均匀的网络结构——这是标准的直觉。

但 Bala and Goyal（Econometrica, 2000）证明了一个令人不安的结果：在严格纳什均衡中，这群完全相同的人自发形成了一个星（star）——一个人被所有人连接，成为信息枢纽，其余人沦为外围。没有人天生更聪明、更有魅力或更有资源。角色分化纯粹是互动逻辑的产物。

这个结果意味着不平等不需要先天差异来解释——战略互动本身就足以从对称中制造不对称。当异质性出现时（比如微小的链接成本优势），它只是在多个对称均衡之间做选择，而不是创造新的架构模式。结构先于差异，而非差异决定结构。

这篇论文的作者 Sanjeev Goyal，在过去二十五年里围绕这个核心直觉构建了网络经济学的大半个理论框架。他是剑桥大学经济学教授，研究横跨网络形成、网络博弈、信息获取、中间人理论和最优网络干预，在 Econometrica、AER、RES 等顶刊上留下了一系列奠基性的工作。但 Goyal 真正独特的地方不在于他研究网络——很多人研究网络——而在于他研究网络的方式：用最简约的战略模型推导最完整的刻画结果，然后永远不忘追问福利含义。

这篇文章尝试拆解 Goyal 的研究风格。我们从他的核心贡献出发，辨识他的研究哲学，深入他的方法论工具箱，再走进他的论文文本拆解写作技术，最后提炼几条对年轻学者可能有用的东西。

六篇论文，一个纲领

理解 Goyal 的研究，最好的方式不是按时间顺序罗列论文，而是把它们看作一个逐步展开的研究纲领。这个纲领追问的核心问题只有一个：当人们可以选择与谁连接、如何互动时，什么结构会涌现，涌现的结构又如何反过来塑造行为？

纲领的起点是 Bala and Goyal（Econometrica, 2000）的连接模型（connections model）。模型的关键创新在于采用单边链接形成——一个人可以单方面与另一个人建立联系并承担成本，无需对方同意。这与 Jackson and Wolinsky（JET, 1996）的双边同意模型形成根本对比。单边链接的技术优势在于它使纳什均衡概念直接适用，无需引入成对稳定性（pairwise stability）这样的非标准解概念。结果也更尖锐：纳什网络要么连通，要么为空；严格纳什网络在单向流动模型中是轮（wheel），在双向流动模型中是星（star）。Goyal 不满足于证明某类网络是均衡——他要证明它是唯一的均衡架构。这种对完整刻画的执念贯穿了他几乎所有的理论论文。这篇论文中，Bala 作为合作者与 Goyal 共同建立了单边链接形成的整套分析框架。

如果连接模型回答了"什么网络会形成"，Galeotti, Goyal, Jackson, Vega-Redondo, and Yariv（RES, 2010）回答的是"在给定网络上，人们怎么博弈"。在完全信息下，网络博弈的均衡分析几乎无法处理——每个人的最优行动取决于整个网络拓扑的细节，而拓扑的组合爆炸使问题迅速变得棘手。Goyal 和合作者的解法不是硬解更难的方程，而是重新表述问题。他们引入不完全信息——每个人只知道自己的度数（degree），不知道网络的全貌。这个看似削弱了模型的假设，实际上带来了巨大的分析红利：博弈变成了一个贝叶斯博弈，其中"类型"就是度数。一个 n 维的耦合问题被分解为按度数索引的一系列独立决策问题。由此产生的核心二分法干净利落：在战略互补下，高度数的人付出更多努力；在战略替代下，高度数的人反而付出更少。这个二分法像一面棱镜，将网络博弈的复杂光谱分解为两种基本颜色。这篇论文的合作者之一 Vega-Redondo 带来了演化博弈论的工具，使得动态选择和随机稳定性分析成为可能。

为什么你的社交圈里总有那么几个人什么都知道，而大多数人靠这几个人获取信息？Galeotti and Goyal（AER, 2010）给出的回答干净利落：因为信息是公共品。一旦你的朋友获取了某条信息，你就可以通过社交链接免费获得。当自己获取的信息和从朋友那里获取的信息完全可以互相替代时，均衡的逻辑几乎不可避免——极少数人成为信息枢纽，大多数人选择搭便车。这篇论文在 Goyal 的纲领中尤其重要，因为它同时内生化了两个决策：信息获取水平和社交链接数量。人们不是在给定的网络上做信息获取决策，也不是在给定的信息获取行为上形成网络——两者同时决定。这是 Goyal 所说的"桥接网络形成与网络行为"的代表之作。合作者 Galeotti 擅长优化方法和更宽泛的框架构建，在这篇论文以及后来的最优干预论文中都是关键角色。

Goyal and Vega-Redondo（JET, 2007）追问的问题直接来自社会学：Ronald Burt 的结构洞理论认为，位于网络中"桥接"位置的人能够获取信息优势和控制优势。但社会学的论证依赖于归纳和案例，缺乏战略微观基础。Goyal 把这个社会学直觉形式化为一个博弈论模型，将网络中每个节点的价值分解为三种力量：接入——连接本身带来的信息获取；中介——位于最短路径上可以收取的"过路费"；规避——他人可以绕过你建立直接链接的威胁。均衡网络的架构取决于这三种力量的相对强度。一个颠覆性的结果是：在 Goyal 的模型中，星的中心比外围赚得更多，直接反转了 Jackson and Wolinsky（1996）的结论——在他们的模型中，星的外围比中心获益更大（因为外围不承担链接成本）。反转的原因在于中介租金：星中心控制着所有外围节点之间的信息流动，可以抽取中介费。

Gagnon and Goyal（AER, 2017）触及了社会科学中一个长久的辩论：市场经济的扩张是否侵蚀了社区纽带？关于这个问题的实证证据互相矛盾——有些研究发现市场繁荣与社区活力正相关，另一些则发现负相关。Goyal 的贡献是指出这种矛盾不是数据的混乱，而是底层战略结构的差异：在战略互补的博弈中，社区纽带与市场共存甚至相互强化；在战略替代的博弈中，此消彼长。这篇论文体现了 Goyal 研究风格的一个典型动作：面对相互矛盾的实证证据，不是选边站，而是构建一个足够丰富的理论框架，使得每种证据都成为框架在不同参数范围下的特例。

六篇论文中方法论最精巧的一篇是 Galeotti, Golub, and Goyal（Econometrica, 2020）。问题很实际：一个社会规划者想要改变网络中人们的行为（比如推广疫苗接种、减少犯罪），但预算有限，应该把资源投向谁？直觉告诉我们答案很简单——把资源投向网络中最有影响力的节点。但 Goyal 和合作者证明，这个直觉只在特定条件下成立。技术上的突破来自谱分解（spectral decomposition）。他们将邻接矩阵分解到特征向量基上，把一个 n 个人相互耦合的优化问题转化为 n 个独立的一维问题。这个分解不是纯粹的技术炫技——它让经济直觉重新变得清晰：在战略互补下，规划者应该瞄准最大特征值对应的特征向量分量（这对应着"影响有影响力的人"的直觉）；但在战略替代下，应该瞄准最小特征值对应的分量——恰恰是那些在网络中"最不协调"的方向。同一个网络，同一组预算约束，仅仅因为互动从互补变成替代，最优干预方向就可能完全反转。合作者 Golub 的谱图理论专长使这篇论文的分解方法成为可能。这个结果的反直觉程度不亚于连接模型中的对称性破缺。

Goyal 的研究哲学

读完 Goyal 的论文，你会发现这些看似独立的工作背后有一组一以贯之的信念。这些信念不是他在某篇论文中明确陈述的——它们更像是地下水脉，只有当你把所有论文摊开来看时才变得可见。

经济学中到处都是外部性——技术溢出、同侪效应、传染风险。但在 Goyal 看来，外部性不应该是模型的原始假设，而应该从网络结构中涌现出来。连接的模式就是外部性传导的机制。他从不把外部性当作天上掉下来的东西，而是追问：这个外部性是通过什么样的连接结构传导的？拿掉网络，他的每一篇论文都会失去立足点。网络是外部性的微观基础，这是他全部工作的第一块基石。

与此紧密相连的是他对内生性的坚持。这个信念把 Goyal 与物理学传统的网络科学（Barabási, Watts-Strogatz）划清了界线。物理学家用优先连接或随机重连来生成网络——这些是机械规则，节点没有战略考量。Goyal 坚持网络是有目的的战略选择的产物。每个模型都包含链接成本和战略收益，形成真正的权衡。他总是同时追问两个问题：什么架构会涌现？一旦网络形成，人们会做什么？这也是他与社会学传统的对话方式——他认同 Granovetter、Burt、Coleman 关于结构重要性的直觉，但坚持需要战略微观基础。社会学的结构洞是一个描述性概念；Goyal 把它变成了均衡结果。

贯穿整个纲领的母题——完全相同的个体，仅仅通过战略互动，就能产生星、核心-外围、主导群体等不对称结构——其实是 Goyal 最有哲学深度的一个信念。就像一群完全相同的蚂蚁，通过互动规则自发分化出工蚁、兵蚁、侦察蚁——没有任何蚂蚁天生"注定"扮演某个角色。角色分化源于互动逻辑，而非先天差异。

Goyal 的研究纲领还有一个清晰的阶段演进：2000—2003 年是理论奠基期；2005—2007 年加入动态和异质性；2009—2010 年是密集发表的高影响力期；2014—2017 年转向实验检验和应用；2020—2024 年引入谱方法并做规模检验。这个演进不是随机漫步，而是一个理论家有意识地让自己的理论接受田野和实验室检验的过程。他使用实证事实有三种模式：动机（用事实引出问题）、检验（用实验实施理论预测）、例证（将模型映射到不同大陆的现实情境）。三者不可互换——动机中的事实是描述性的，检验中的事实是因果性的，例证中的事实是说明性的。

最后一个贯穿始终的信念：福利分析永远不能缺席。翻开 Goyal 的任何一篇论文，你都会在正文的后半部分找到福利分析。均衡是有效率的吗？谁获益，谁受损？有效率的网络往往产生不平等的收益分配，因此可能无法通过分散化的战略互动自发涌现——这种效率与稳定性之间的张力是他整个纲领的核心主题之一。在 Goyal 看来，不做福利分析的网络理论是不完整的。

Goyal 的方法论工具箱

如果说研究哲学是"为什么做"，方法论就是"怎么做"。Goyal 的工具箱里有三件标志性的武器。

第一件是竞争力量法。Goyal 有一个硬标准：如果你的模型里只有一种力量在起作用，那这个问题太简单了，不值得写论文。每个有意义的现象都应该可以分解为两到三个对抗的力量，均衡就是力量平衡的地方，而有意思的比较静态就是追踪参数移动时力量平衡如何变化。JET 2007 的结构洞论文将网络价值分解为接入、中介、规避三种力量。集体行动论文将群体规模效应分解为收益的整块性与排他性的递减两种力量，由此推导出倒 U 型关系——中等规模的群体最有可能成功。RES 2010 和 Econometrica 2020 都围绕互补与替代的二分法展开。竞争力量法的分析优势在于它天然产生比较静态：当某个参数变化时，哪种力量变得更强？力量平衡如何移动？均衡架构如何切换？模型的预测不是静态的分类，而是参数空间上的连续映射。

第二件是分解术。核心思想是：不要试图直接解决原始问题，而是找到一种变换，把问题重新表述为一组更简单的子问题。最经典的例子是 RES 2010 的不完全信息假设——把完全信息下不可处理的网络博弈变成以度数为类型的贝叶斯博弈。另一个是 Econometrica 2020 的谱分解——把 n 维耦合优化问题变成 n 个独立的一维问题。这两个分解有一个共同的结构：它们都找到了一组"正确的基"，使得原始问题在新基下变得可分离。在 RES 2010 中，正确的基是度数分布；在 Econometrica 2020 中，正确的基是邻接矩阵的特征向量。一旦找到了正确的基，原本纠缠在一起的高维问题就沿着每个基向量独立分解了。分解术的深层逻辑是：可处理性不是模型的副产品，而是分析的核心目标之一。如果一个问题不可处理，最好的反应不是做更多的数学，而是退后一步，追问是否存在一种不同的视角，使得数学变得自然。

第三件是论文的五步结构。读 Goyal 的论文，你会发现一个几乎不变的框架支撑着每一篇正文。先是存在性或景观映射——证明均衡存在，或映射可能的均衡类型。然后是刻画——从纳什均衡出发，逐步精炼到严格纳什或成对稳定，直到获得唯一的均衡架构。接着是比较静态——追踪关键参数（链接成本、信息衰减率、人数）的变化如何导致均衡架构的切换，这里经常出现阈值效应和制度转换。再是福利分析——比较均衡网络和社会最优网络，识别效率与稳定性之间的张力。最后是扩展与稳健性——每次放松一个假设（如从同质到异质、从确定性到随机性），检验核心结果是否经得起考验。这个五步结构为读者提供了完全可预测的导航：当你读到第三节的比较静态时，你知道福利分析马上就来；当你看到某个假设被标记为"为了分析上的可处理性"时，你知道扩展部分会放松它。对于年轻学者来说，这个结构本身就是一个可以直接学习的论文组织模板。

均衡概念的逐步升级也是 Goyal 方法论的一部分。他始终从纳什均衡——最宽泛的解概念——开始分析。当多重均衡使结果过于模糊时，他不是随意选择一个精炼概念，而是明确写出动机，然后升级到严格纳什或成对稳定。如果需要动态选择，再引入随机稳定性，通过 Freidlin-Wentzell 理论计算突变抵抗力来选择长期均衡。每一步升级都有明确的智识理由，而非技术便利。

证明的工具箱

Goyal 论文中的证明技术也有鲜明的风格。他最常用的主力工具是模仿/切换论证：要证明某种网络架构不是纳什均衡，只需构造一个人可以通过模仿另一个更好连接的人的策略来获得更高收益的偏离。这个论证不需要显式求解均衡——你只需要找到一个有利可图的偏离方向。

与之配合的是穷举排除法。JET 2007 的结构洞论文用五个引理系统排除了所有非星架构——先排除含有某种子结构的网络，再排除另一种，直到只剩下星。这种证明策略类似于雕塑：不是从零开始构建，而是从所有可能性的全集中逐步剔除，直到只剩下答案。

Econometrica 2020 引入的谱分解则代表了一种完全不同的证明风格。它不是组合式的穷举，而是代数式的变换——把问题搬到一个新的坐标系中，让原本纠缠的结构变得透明。这种从组合论证到代数方法的转变，也标志着 Goyal 研究纲领在技术层面的演进。

写作的纪律

Goyal 的论文写作有一种严格的纪律感。读多了你会发现，他的写作不是凭感觉的——每一个选择背后都有明确的原则。

Goyal 的导言遵循一种望远镜结构——从远到近逐渐聚焦。第一段永远是实证或现实世界的观察，零公式。他的开头策略多样但有规律可循：可以是枚举法（"Villagers protecting common-pool resources, manufacturers lobbying for tariffs, union members organizing a strike: all are engaged in collective action."），可以是检验流行说法，可以是当代参照（"Facebook, Twitter, and YouTube are very much part of our day to day life."），也可以是大主题（"The relationship between community and markets remains a central theme in the social sciences."）。无论哪种，第一段绝不出现数学符号。

然后是三层递进的动机：现实世界的重要性，智识谜题或缺口，本文的独特角度。接着是结果预览——主要发现在导言中就预告，读者在前几页就知道价值主张。Goyal 的逻辑很简单：如果读者不知道你的论文有什么好东西，他们不会读到第四节。

最有辨识度的写作习惯出现在结果预告之后。他不仅告诉你"我们证明了 X"，而且用平实的语言解释"为什么 X 是对的"。在形式陈述和口语解读之间反复切换，让读者同时获得数学的精确性和直觉的清晰性——这是 Goyal 论文中一眼就能认出来的东西。

文献定位被放在导言的最后三分之一，通常有一个明确的过渡句："We now locate our article in the literature." 这个位置选择经过计算：先让读者理解你的贡献，再评估语境。定位时他使用桥接框架——"There is a literature on A... There is a separate strand on B... Our paper bridges these two strands."——而非简单的文献清单。差异化永远用"By contrast, we..."而不是贬低他人。

与导言的散文风格形成鲜明对比，模型部分在第一句话就进入正式化："Let N = {1,...,n} be a set of agents." 不写铺垫——那是导言的工作。原语的出场顺序是刚性的：玩家，行动/策略，网络/结构，收益函数（展示方程），均衡概念。这个顺序在他的论文中几乎从未改变。定义采用"先命名后符号"的惯例："the set of neighbours of i, denoted $N_i(g)$"。每个假设后面都跟着一句解释——经济学的（"This means that..."）、数学的（"This ensures..."）、实证的（"This is consistent with..."）或排除平凡情形的（"This rules out..."）。

他的每一个命题和定理都遵循口语-形式-口语的三明治结构。先用一句口语预告："The following result provides a complete characterisation of equilibrium networks when linking costs are low." 然后是形式陈述。然后是口语解读。解读的长度与结果的重要性成正比——主定理的解读是形式陈述长度的两到四倍，标准命题的解读约为一到两倍，引理可能没有解读。这个三明治结构的功能是双重的：对于技术读者，形式陈述提供了精确性；对于更广泛的受众，口语解读提供了可及性。更重要的是，口语预告管理了读者的预期——在看到形式陈述之前，读者已经知道这个定理要说什么，因而可以专注于理解为什么而非是什么。

Goyal 从不让一个定理突兀地跟在另一个后面。他的过渡模板是：解读前一个结果，指出它留下什么未解决，宣布下一个结果，然后陈述。当出现不可能性定理时，他从不让它悬而未决——不可能性结果立刻变成引入新假设的跳板。正是因为一般性的结果"什么都可能"，我们才有理由引入结构化的特殊情形。

他的结论部分通常只有五到十二句话，150—300 词，绝不超过半页。第一段回顾，第二段展望。开头句式几乎是固定的："We have studied [X]." 结尾是具体的未来方向——不是"未来可以研究更多相关问题"这样的废话，而是明确命名要放松的假设。结论中绝不引入新想法。

把 Goyal 绝不做的事列出来同样有启发性。他绝不以通用重要性声明开头——"Networks are important in today's world"这种句子你在他的论文里找不到。他绝不在正文中设立独立的"相关文献"章节。对已证明的结果，他用"must""always""unique""only"这样确定的词；只有未证明的推测才用"suggests""may"。他绝不使用自我吹捧的语言——"novel""groundbreaking""pioneering"从未出现。他绝不贬低他人的工作。他绝不让定理没有口语解读。这份反面清单本身就是一个写作准则——一个年轻学者如果能在每篇论文中做到这几个"绝不"，写作质量会立刻上升一个台阶。

给年轻学者的几条建议

从 Goyal 二十五年的工作中，可以提炼出几条对年轻学者可能有用的策略。

Goyal 最有影响力的贡献往往不是最难的证明，而是最聪明的问题表述。RES 2010 的核心洞见不是某个定理的复杂证明，而是"把完全信息博弈重述为以度数为类型的贝叶斯博弈"这个分解。Econometrica 2020 的核心洞见不是谱分解的数学细节，而是"邻接矩阵的特征向量是思考网络干预的正确基"这个认识。从一个好的分解开始，而不是从一个好的证明开始——在你动手证明之前，花更多时间追问：有没有一种看待这个问题的方式，使得答案变得显而易见？

如果你的模型只有一种力量在起作用，结果几乎总是单调的，比较静态几乎总是平淡的。引入第二种对抗的力量，你就有了非单调性、阈值效应、制度转换——这些才是有意思的经济学。Goyal 的每篇论文都包含至少两种力量的较量，这不是偶然，而是方法论原则。

证明"存在一个纳什均衡使得 X 成立"远不如证明"唯一的严格纳什均衡是 X"。前者告诉我们 X 是可能的，后者告诉我们 X 是必然的。Goyal 的论文之所以有持久的影响力，很大程度上在于他的结果是刻画性的——它们不仅排除了你不想要的均衡，还证明了你想要的均衡是唯一的。

福利分析是 Goyal 最容易学习的习惯，也是最容易被忽视的。在你完成了均衡刻画和比较静态之后，追问：均衡是有效率的吗？如果不是，偏离的方向是什么？谁承担了效率损失？这些问题不仅增加论文的厚度，还经常揭示出意想不到的洞见——比如有效率的网络可能恰恰是最不稳定的。

把你的每一个命题都用口语预告和口语解读包裹起来。预告管理预期，解读提供直觉。如果你发现自己无法用平实的语言解读一个定理，这往往意味着你对结果的理解还不够深——回到证明中，找到那个驱动结果的经济力量。

每当你因为一般性太强而不得不施加额外假设时，不要悄悄引入——明确写出为什么需要这个假设。让读者看到你的思维过程，看到从一般到特殊的智识动机，而不只是看到最终的假设列表。

结语：网络中的经济学家

一群完全相同的人，通过战略互动自发形成星——一个人成为中心，其余人成为外围。

这个结果之所以在二十五年后仍然是网络经济学课程的第一堂课，不仅因为它在数学上优美，更因为它触及了一个深层的问题：社会结构在多大程度上是选择的产物，而非禀赋的反映？如果完全相同的人可以自发产生不平等的结构，那么我们观察到的社会不平等有多少是战略互动的结果，又有多少是先天差异的反映？

Goyal 没有直接回答这个哲学问题——他是经济学家，不是哲学家。但他的二十五年工作为思考这个问题提供了一套精密的分析工具：网络形成模型告诉我们什么结构会涌现，网络博弈模型告诉我们涌现的结构如何塑造行为，最优干预模型告诉我们规划者如何利用（或对抗）这些结构。

用他自己论文中那种克制的语言来概括：我们研究了网络上的战略互动如何产生结构，以及结构如何反过来塑造行为。这句话看似平淡，但它概括了一个延续四分之一世纪、横跨六个研究方向、包含数十个定理的研究纲领。而这个纲领最令人印象深刻的地方，或许不是任何单个结果的技术精巧，而是整体的建筑感——每一篇论文都像一块砖，被精确地放置在它应该在的位置上，最终构成了一座关于网络、战略与结构的理论大厦。

对于正在寻找自己研究纲领的年轻学者来说，Goyal 的经验或许可以浓缩为一条建议：找到一个足够深的问题，用最简约的模型去回答它，追求完整的刻画而非存在性结果，永远不忘追问福利含义——然后用二十五年的时间，一篇接一篇地把这个问题的每一个面向都翻过来看一遍。