日报标题：在网上点赞这件事，也会有泡沫吗？
Manolo，经济学/历史学爱好者
许多网站都有点赞和反对设置。用户依赖赞、反对和衍生指标判断答案质量，自己再根据观感作评论。这里马上引出问题：赞数和反对数能不能反映答案真实质量？耶路撒冷希伯来大学的 Muchnik，哈佛大学的 Sinan 和纽约大学的 Taylor 联手做实验检验这一点，发现赞比反对更易被扭曲。商业、时政、文化与社会类话题赞数泡沫最大，娱乐、经济及普通新闻扭曲最小。用户关系对扭曲程度影响依关系类型及赞同 / 反对不同而不同。
文章很简单，故只做简单介绍。他们实验对象是某大型新闻网站评论区。每一评论有点赞及反对按钮。评论还有分数指标，用点赞数减反对数计算。实验按以下方式执行：他们随机抽取 101281 条评论，随机分三组：点赞处理组（up-treated group），出场自带 1 赞；反对处理组（down-treated group）；控制组。如果没有泡沫，三组分数不应有显著差异。他们用重复抽样加分层贝叶斯模型控制可能存在的非随机异质性。主要结果见上图右侧：5 个月后，点赞处理平均增加 25% 分数值，反对处理影响不显著。图中直线与横线不接触代表 95% 显著。
另一有趣结果是不同题材新闻下评论，随机处理结果差异很大。看上图，如果红线绿线相交，说明点赞 / 反对处理为新闻最终得分带来显著差异，说明先期一个无意义的赞对最终结果影响很大；如果不相交，说明处理影响不明显，分数泡沫较小。结果发现商业新闻评论泡沫最明显，文化与社会类新闻及时政新闻类似现象也显著。计算机、娱乐、经济及普通新闻泡沫不显著。但类似现象在知乎，或者类似网站是不是也存在？这个问题非常有意思。
作者还考察了用户关系对泡沫大小影响。“某网站”用户可以对另一用户使用“喜欢（like）”或“不喜欢（dislike）”按钮，作者分别称之为“朋友（friends）”和“敌人（enemies）”。对具体评论，虽然看不到支持者反对者是谁，评论者信息是可见的。结果显示：如果朋友评论出场自带 1 赞，用户点赞概率平均高 11%。虽然这一结果显著，但比起捧场，守望相助效应似乎更加明显：如果朋友评论出场自带 1 反对，用户赞成概率陡升约 17% 大家对敌人评论似乎更理性，所有估计结果都不显著。看来，大家都记得“不要仇恨你的敌人”这句教诲。
作者还考察了处理对评论回复数影响，发现结果不显著。如果把评论者分两类，一类平时赞成较多，一类平时反对较多。赞成处理让两类评论者数量都增加，评论者行为和平时相比变化不大。反对处理同样增加了两类评论者数量，但平时反对者此时多倾向于赞成，平时赞成者此时多倾向于反对，二者相互抵消。总体而言，赞成 / 反对处理都能增加表达立场的用户数量，但对用户立场本身影响差别很大。赞成泡沫比反对大，泡沫大小随讨论题材不同而不同。
参考文献：
Muchnik L, Aral S, Taylor S J. Social influence bias: A randomized experiment[J]. Science, 2013, 341(6146): 647-651.