20、社交关系中的协同调节映射

社交关系中的协同调节映射

1. 遍历性与数据局限性

在研究社交关系中的协同调节时，分析单一夫妻甚至仅在一天内的数据被认为有助于寻求遍历性解决方案。遍历性原本是物理学概念，被引入社会科学，意味着个体内部和个体之间具有相同的模型。然而，对于嵌套数据（如本章中，个体的心率（BPM）重复测量嵌套在个体内，个体又嵌套在夫妻对中），基于一组（如某一天的一对夫妻）数据估计的动态系统模型结果，不能直接推广到所有夫妻和所有天数。这与系统理论中的内在动力学概念一致，即个体的系统（在本例中，跨天数）可能存在很大差异。

2. 协变分析

计算建模中，以动态系统逻辑进行分析时，最难的部分往往是确定起始点。我们从最常见的同时协变分析入手。通过绘制丈夫和妻子 BPM 的散点图（图 8.2），可以直观地看到两者之间的协变关系。图中的最佳拟合直线直接体现了协变程度，正相关表示两者的高低变化趋势一致，负相关则相反。计算得出的相关系数为 0.25（95% 置信区间：0.19 < 0.25 < 0.31），表明妻子心率较高时，丈夫心率也倾向于较高。有趣的是，夫妻在一起时的相关系数（95% 置信区间：0.34 < 0.45 < 0.55）明显高于分开时（95% 置信区间：0.13 < 0.20 < 0.27），这可作为某种协同调节的简单证据。

不过，协变分析存在局限性。它只能表明数值对应关系的存在，却无法解释这种对应关系产生的原因。例如，夫妻双方可能各自基于个体内部动力学围绕一个稳态值波动，当遇到不同环境情况时，心率会发生变化并最终回归稳态值。这种情况下，虽然从稳态模式上看存在协变，但实际上可能并非真正的协同调节。

为了更深入理解这种对应关系，