摘要：本文研究了数字社交平台对线下健康行为的互惠作用。虽然互惠行为是人类心理学的一个基本方面，但它在促进健康行为方面的研究较为缺乏。作者对超过1,700 对用户在移动社交网络平台上进行了随机现场实验。实验组的个体收到来自他们朋友的礼物，并被要求通过参加跑步挑战来回报这种帮助。相比之下，对照组个体受到基于自身利益的激励。文章将两组的表现进行了比较。基于社会交换理论，作者认为在调动行为积极性方面，以互惠为基础的激励将优于利己为基础的激励。此外，实验结果表明互惠效应的大小取决于发送者和接收者之间的社会亲密度。有趣的是，社会亲密度互惠效应的影响呈现倒U型。 成员之间的社会亲近度适中时，互惠效应的影响最强。综上，相比于基于利己的激励机制，该研究在促进健康行为方面提供了一个效果更加的激励机制：互惠。

关键词：互惠，利己，健康行为，社会联系，社会亲密度，社会交换理论

1.核心速读

人们普遍认为，不健康的生活方式，如不良饮食、缺乏体育活动以及酗酒和吸烟对健康具有较大的危害，并可能会对人们带来巨大的经济代价。为了抑制医疗保健支出的快速增长，包括政府和卫生规划人员在内的众多利益相关者越来越呼吁并强调对健康行为的激励。与基于利己的激励（Self-interest Based Incentives）相比，作者提出并测试了一种新的激励机制-互惠，即通过互惠（Reciprocity）促进健康行为。因此，该研究有两个主要研究问题：(1)在促进健康行为方面，基于互惠的激励是否优于基于利己的激励? (2)社会亲密性如何影响互惠激励的有效性?

2. 理论背景

（1）互惠

互惠的概念源于礼物交换理论（Gift Exchange Theory）。Mauss和Halls的经典文章调查了原始社会中涉及一系列行为的礼物交换过程：给予、接受，更重要的是，互惠。 人们可能出于维护社会平衡或公平,表达感激之情为目的而回馈礼物。礼物交换会产生互惠，因为它可以帮助人表明社交距离并将朋友与非朋友区分开来。有时甚至可能向朋友进行过度的补偿。过往文献表明，人们的互惠行为主要出于以下三个原因：符合普遍规范、表达感激之情和避免心理困扰。在信息系统领域的文献中，研究人员通过礼物经济的视角来看待开源、在线社区和知识共享。在医疗保健领域，礼物赠送作为一种激励可以帮助组织促进用户的健康行为。

（2）社会交换理论

社会交换理论（Social Exchange Theory, SET）可以帮助我们回答：为什么互惠机制比基于利己的激励在促进健康行为方面更有用。从社会交换理论的视角看，赠送礼物是一种社会交换形式，它有助于建立和维持一对个体之间的社会关系。此外，该理论认为双方之间的交流产生了经济和社会结果。社会交换理论的核心原则是双方实施成本效益分析以确定如何交互，寻求在社会交互过程中最大化利益的同时最小化成本。

3. 假说演绎

基于互惠的激励与基于利己的激励这两种激励机制的好处有明显的不同。在基于利己的激励机制中，个体通过接受挑战与平台达成正式契约，不遵守契约将导致失去获得奖励的机会。因此，参与者接受活动挑战主要是为了为自身赢得奖励。相比之下，在互惠机制中，个人在接受挑战时虽然也与平台达成正式契约，但是在这种情况下，未能遵守契约将导致失去向发送者回报奖励的机会。过往的文献表明，人们宁愿支付少量的金钱，也不愿面对社会或心理压力。在本文的研究场景中，作者认为，未能回报朋友的心理负担将激励并推动他们完成比赛挑战。因此，作者假设：

【假设1】: 基于互惠的激励能够比基于利己的激励更有效地提高玩家完成健康运动挑战的概率。

对于关系较远的朋友，礼物接收者进行回报的欲望会减弱，但会随着社会亲密程度的增加而增强。对于亲密的朋友，礼物接收者会对礼物发送者感到更多的亏欠，直到他们偿还了这些恩惠。然而，对于一个非常亲密的朋友来说，亏欠的感觉可能会减弱。这是因为，对于非常亲密的朋友来说，礼物接收者和礼物发送者已经有了亲密的联系。换句话说，接受礼物的人相信，即使没有礼物回报，这种关系也会持续下去。

【假设2】: 随着用户之间亲密度的增加，完成健康运动挑战的概率先增大后减小。即基于互惠机制的实验组个体挑战完成度与亲密度之间呈倒U型关系。

4.研究场景

作者对健身运动平台上的跑步者进行了一项随机现场实验，为保持匿名，作者将该平台被命名为Running Platform。该平台提供了类似Twitter的功能，允许个人关注他人或被他人关注。这个特征使得作者能够找到成对的朋友，这是测量互惠的必要条件。作者通过一系列筛选，最终确定3514个用户为信息发送者（像他们的朋友转发与体育活动相关的挑战邀请）。其中2744个用户同意在配对期间将消息转发给他们的朋友(体育活动相关挑战邀请的接收者)。一旦发件人同意参与，作者会根据收件人的ID将其随机分配到以下三组的其中一组中：

第一组(Frnd-Recip组)中，该组为实验组，接收者从发送者那里收到一枚虚拟金币。他们参加跑步挑战就可以获得一枚金币并将其回馈给发送者。

第二组(FrndSelfInt组)中，接收者从发送者那里收到一枚金币，并有机会参加同样的挑战，但在这组中，他们可以自己保留第二枚金币，这使得获得奖励的机会增加了一倍。

第三组(Plat-SelfInt组)，在这个组中，接受者从平台获得一枚虚拟金币(礼物)，并有机会参与同样的挑战，为自己赢得第二枚硬币。

在符合条件的用户中，共1738对用户构成了该研究的最终样本。三组分别占总接收人数的32.85%、33.95%和33.20%。

5.实证模型及结果

（1）假设1的检验

该研究使用Probit模型正式测量治疗效应，如式（1）所示。其中,为潜变量，为关键因变量，表示个体是否完成挑战。和分别表示Frnd-Recip和FrndSelfInt组，其中Plat-SelfInt组作为默认的基线组。捕捉了发送者和接收者的特征，包括预处理距离、朋友数量、性别、年龄、任期和参与的比赛数量，以及参与者被分配的挑战类型。

(Reference: Liu et al, 2022, p273, Equation 1)

结果如表6所示，在列(1)中，Frnd-Recip组的完成率为正且显著。的边际效应为9.6%。由于Plat-SelfInt组的完成率为30.6%，互惠效应导致挑战完成率提高了31.4%。此外，作者在FrndSelfInt和Frnd-Recip之间进行了Wald测试。Wald检验的结果表明，在控制了送礼者的影响后，互惠的效果仍然优于基于自利机制的激励方案。因此，假设（1）被验证。

(Reference: Liu et al, 2022, p274, Table 6)

（2）假设2的检验

本文作者通过考虑网络结构来定义社会亲密性。即发送者和接收者之间共同朋友的数量(CommonFriends)。作者使用以下模型测试Frnd-Recip组的曲线关系.

(Reference: Liu et al, 2022, p275, Equation 2)

表7的第1列显示了结果。平方项的显著和负号表明一个倒U型关系。结果支持了假设（2）的论点。此外，作者对倒U型关系进行了进一步检验:从下界开始的斜率为0.305,p值小于0.05，从中点到上限的斜率为-0.493, p值小于0.05，整体检验是否存在倒U型，p值= 0.038，综上，结果显示倒U型关系存在。

(Reference: Liu et al, 2022, p276, Table 7)

6. 结论

这项研究设计了一种基于互惠的新激励机制，并进行了随机对照实验来测试其有效性。该研究提供的实证结果表明，基于互惠的设计可以在较大程度上提高激励计划的有效性。从有效利用资源和改善有效性的角度来看，该研究为如何更准确地为个人制定激励措施提供了极有价值的参考依据。

参考文献：

Liu, C. W., Gao, G. G., & Agarwal, R. (2022). Reciprocity or self-interest? Leveraging digital social connections for healthy behavior. MIS Quarterly, 46(1).

文章链接：

https://doi.org/10.25300/MISQ/2022/16177

https://misq.umn.edu/reciprocity-or-self-interest-leveraging-digital-social-connections-for-healthy-behavior.html

作者信息：

Che-Wei Liu

Position: Assistant Professor, Kelley School of Business, Indiana University Bloomington

Site:https://kelley.iu.edu/faculty-research/faculty-directory/profile.html?id=CWLIU

E-mail: cwliu@iu.edu

Research Interest: Business Analytics, Mobile Health, Fintech, Artificial Intelligence

Guodong (Gordon) Gao

Position: Professor, Robert H. Smith School of Business, University of Maryland

Site: https://www.rhsmith.umd.edu/directory/guodong-gordon-gao

E-mail: ggao@umd.edu

Research Interest: Artificial Intelligence in healthcare, Big Data in healthcare such as EMR, mHealth, and social media data, and quality transparency mechanisms.

Ritu Agarwal

Position: Research Professor,, Retired. Robert H. Smith School of Business, University of Maryland

Site:https://www.rhsmith.umd.edu/directory/ritu-agarwal

E-mail: ragarwal@umd.edu

Research Interest: information technology in healthcare settings, health analytics, and artificial intelligence applications in health