(中央财经大学 经济学院,北京 100081)

一 引言

社会信任(Social Trust)，又被称作一般信任(Generalized Trust)，是指普遍意义上人们对于家庭外人员的信任感[1-2][3]98。已有研究认为，社会信任是决定经济发展水平的重要因素之一，更高的信任感可以促进经济主体间更为广泛的合作关系，并且可以有效地降低交易成本[4-6]。在当代社会中，由于匿名交易所占的比重越来越高，所以社会信任将在维系市场交易的过程中发挥重要作用[7-10]。

然而，中国居民社会信任的现状并不乐观[11]，其中一个重要的问题是社会信任在不同的地区间存在明显差异[12-13]。对此，Dahlberg等人认为，地区内部的社会信任水平与该地区中人群的历史背景或种族差异显著相关[14]。因此，基于上述事实，本文将讨论居民文化背景的多样性是否影响了地区中的社会信任水平。

如果使用中国的大类方言分区作为区分区域文化种类的代理变量，则可根据某一地区内部通行的方言数量，将地级行政区划分为“单一文化城市①”(只通行一种方言)和“多元文化城市”(通行多种方言)两种类型。根据这一划分标准，使用2010-2013年《中国综合社会调查》(以下简称“CGSS”)的个体层面数据进行分组计算，可以发现，在控制了其他因素后，单一文化城市的平均信任度高于多元文化城市。

由于大类方言区的边界具有一定的模糊性，因此划分城市类型的变量可能存在度量误差(Measurement Error)。为了解决这一问题，有研究者根据方言学和移民学的相关研究，发现中国的多元文化地区大都形成于历史上的大规模移民之后[15]21-24[16]28-40。因此，某一地区形成多元文化的概率，与历史上移民到达该地区的难易程度有关。根据这一逻辑，有研究者使用城市与省会间地形的崎岖度作为城市文化类型的工具变量，再次进行回归分析，结果发现多元文化城市中个体平均信任度较低的结果仍然存在。有研究者认为，导致“文化的多样性会降低社会信任度”这一结果的经济机制在于，生活在同一个城市中但具有不同历史或文化背景的群体间会因为信息的不完全性而产生对于对方行为的误解(甚至是冲突)[17]，在经历了误解和冲突后，群体间的信任程度会相应降低。在中国的多元文化城市中，移民与原著民间在日常的生活中发生误解和冲突的概率较高，因此多元文化城市中的信任水平相对较低。

二 文献综述

从20世纪60年代起，社会信任问题就受到社会学家和经济学家的关注。早期的研究中，社会信任被定义为“对家庭范围之外的人员具有合作性的态度(Cooperative Attitude)”[1，18]。21世纪以来，关于社会信任问题的研究发现，在一个社会中对待合作的态度会随着时间的推移在博弈中进行演化[17，19-20]。同时，社会信任与经济绩效间的影响机制来自社会信任对于交易成本的降低作用[21-22]。

由于社会信任对于经济和社会具有正面的影响，因此讨论决定社会信任的因素具有理论和现实意义。Alesina和Ferrara通过美国的微观数据进行了初步总结[23]。首先，受教育程度、信仰和种族等个体特征可能影响信任水平。上述结果也在基于中国个体层面的调查数据研究中得到了证实[24-25]。第二，信任程度与人们在历史上的经历有关。如果某一群体经历过心理创伤性的事件，则有可能导致群体的平均社会信任度降低[26]。第三，人们在普遍意义上更相信与自己具有共同生活和文化背景的人。例如一些研究发现，多种族的社会更容易发生冲突，而冲突的产生会导致相互间的信任度降低，并影响长期中的经济表现[27-29]。第四，法律和制度可能影响社会信任。Aghion等人发现政府管制会降低社会资本，并进而导致信任水平的降低[21]。Lowes等人则通过自然实验的思路发现，在非洲的小型部落中，正式制度的差异会导致个体诚信水准的不同[30]。包群等人通过分析合资企业中与外商合作的持久性数据发现，文化相近与信任度之间关系也可能因其他因素而变得复杂，地区的制度质量在合作关系中也起到了重要的作用[31]。

此外，其他一些因素也与社会信任相关。Enrich和Gambetta以及Grief和Tabellini均讨论一般的社会信任与狭义信任(Limited Trust)的关系。前者通过在实验中进行的信任博弈发现，家庭关系(Family Ties)强的个体对于陌生人的信任程度较低[32]；而后者则通过比较欧洲和中国在历史上的差异，解释了二者在今天具有不同水平的社会信任度的原因[9]。关于地理因素，Alesina等人发现，地理禀赋可以在很大的程度上解释种族间的经济水平差异[33]。Nunn和Puga则指出，地形的崎岖性对于经济结果具有显著的影响，但影响的方向是双重的[34]。由于受到了自然障碍的保护，所以地形崎岖度高的地区在今天的社会信任度也更高。

另一方面，由于本文主要的解释变量为文化类型，因此需要梳理关于中国地区间文化差异的相关研究。近年来，度量地区间文化差异的主要方式是使用中国的方言分区对文化变量进行代理。相对较早的研究关注方言差异与经济增长的关系[35]。之后的研究则进一步发现，如果使用方言区作为文化类型的代理变量，那么被省级行政区分割的文化区域，如果与省内的主流文化不同，则被分割地区的经济发展水平会有所下降[36]。同时，地区间的文化(方言)差异会通过阻碍制度的传播，进而形成阻碍技术扩散的壁垒[37]。刘毓芸等人还发现，如果相邻的两个县级行政区存在方言(文化)上的差异，则会导致两县间的资源产生显著的错配[38]。黄玖立和刘畅讨论了城市中的方言集中度对于社会信任的影响，该研究发现使用同一种方言的地区有利于建立信任[39]。然而，考虑方言集中度的度量误差以及实证模型中的遗漏变量问题，因此回归分析的结果存在一定程度的偏误，但两位作者并未对此进行处理与分析。

总之，关于文化多样性与社会信任问题的研究仍然处于初始阶段。基于中国的文化多样性国情与发展现状，对该问题进行研究具有重要的现实意义。因此在面，笔者将在已有文献的基础上详细地讨论城市的文化类型与社会信任的关系。

三 数据描述

(一)被解释变量

在本文的实证分析中，模型的被解释变量为个体的社会信任度。描述个体信任度的数据来自2010—2013年《中国综合社会调查》②，具体调查的问题为：“总的来说，您同不同意在这个社会上，绝大多数人都是可以信任的？”题目的答案列举了五个等级，分别为“非常不同意”、“比较不同意”、“说不上同意不同意”、“比较同意”和“非常同意”，以上五个等级依次对应1到5的数值。也就是说，数值越高，代表个体的社会信任度越高。

(二)解释变量

1.城市的文化类型

为了讨论城市的文化多样性对于社会信任的影响，首先需要对城市的文化类型进行区分。在本文中，城市的文化类型分为“单一的”和“多元的”两种类型。然而，区分城市的文化类型的前提，是说明如何定义中国的不同文化种类。高翔和龙小宁在研究中国省级区划所造成的文化分割对于地区经济的影响时，将中国的大类方言分区作为地区文化种类的代理变量，并论述了中国的文化区域与方言区域的一致性问题[36]。

借鉴这一思路，本文同样使用大类方言分区对文化种类进行代理。在CGSS开展调查的88个地级行政区中，存在的大类方言包括东北官话、北京官话、晋语、冀鲁官话、胶辽官话、中原官话、兰银官话、徽语、西南官话、江淮官话、湘语、吴语、粤语、赣语和闽语等15类[40][41]14-57[42]24-30[43]30-37。在大类方言区的划分方式下，如果方言资料中显示某一地级行政区内仅通行一种大类方言，则该地级行政区就划归为“单一文化城市”；如果行政区内通行大类方言多于一个，则该地级行政区就划归为“多元文化城市”。需要说明的是，在有关方言区域的文献中，北京、天津和上海三个直辖市虽然都只有一种方言，但由于当代的工作性移民已大量迁移到京、津、沪三地，所以这三个直辖市实际上已经成为多元文化的聚集地。因此，在下文的分析中，作者将京、津、沪划分为多元文化城市。

2.个体特征

由于度量信任度的数据来自于个体层面，因此需要在实证模型中控制个体的相关特征。本文中的个体特征包括了受教育程度、性别、年龄、民族、宗教、政治面貌、户籍以及个人的经济状况等。

3.城市的发展水平与制度

相关研究认为，社会信任与地区的发展水平间存在相互的影响[6]，因此有必要在实证模型中控制城市的发展程度。在本文中，描述城市发展水平的指标为手机地图APP中各城市单位面积内的地图数据大小。之所以使用这一数据作为城市发展水平的代理变量，是因为导航数据包含了反映各类经济和社会活动的相关信息。对于某一城市来说，单位面积内的数据密度越大，则该城市的经济和社会活动就越丰富，城市的发展水平也就越高。本文使用的导航数据来自高德地图提供的分城市数据包③，地图数据的单位是MB。

另外，考虑到地区间的制度差异可能对于社会信任产生影响[44]，因此作者在稳健性检验中还进一步控制了各省的市场化水平，相关的数据来自历年的《市场化指数年度报告》[45][46]25-33。

4.地理变量

城市周边的地理环境(主要指地形的崎岖性)会对城市的文化类型以及社会信任产生影响。因此在下文的实证分析中，需要为地形的崎岖程度构建合理的度量指标。对此，作者使用城市与(城市所在省的)省会间“普通公路的平均通行速度”作为地形崎岖度的代理变量，通行速度的计算方式为两地间普通公路的距离除以通行的时间。关于上述变量，有以下几个问题需要说明：第一，城市间的通行路程和通行时间的数据均来自百度地图的路线查询功能。第二，所谓的“普通公路”是指百度地图在规划通行线路时给出的“不走高速”选项下的路线。作者之所以选择普通公路而不是高速公路的通行时间作为度量城市间地形崎岖度的指标，是因为普通公路在很大程度上与长期以来(历史上)两座城市间的通行路线相似。一个地区的社会信任程度通常是在历史中逐渐形成的(长期博弈的均衡)，相比于博弈演化过程的时长，高速公路的历史非常短暂。不仅如此，由于高速公路的通行速度较快，导致多山地区(崎岖度较高地区)的高速公路通常采用隧道技术进行建造，因此两座城市间的高速公路和普通公路在距离和平均通行速度上可能会有明显的差异。如果使用高速公路的通行速度作为道路崎岖程度的代理指标，必然会产生基于历史因素的偏误。第三，由于百度地图在估算通行时间时会将道路拥堵情况计算在内，因此，在不同的时间查询相同的路线时，报告出的通行时间结果并不相同。为了尽量减小由于交通拥堵问题所造成的误差，作者均在北京时间晚上23点之后到清晨4点之前使用百度地图进行路线查询，由于夜间道路基本处于畅通状态，因此可以减少交通拥堵所导致的通行时间计算误差。第四，由于省会城市的通行速度无法计算，因此作者以省内各城市到省会的最高通行速度的“加1取整”数值作为省会城市的通行速度④。此外，直辖市的通行速度计算方式如下：北京、天津和上海记为80公里/小时(国道的最高限速)，而考虑到重庆市内及周边为多山的地形特征，因此重庆的普通公路推荐速度以相邻各省的通行速度平均值进行估算。

另外，由于普通城市与政治或经济中心的距离可能对于经济指标产生一定的影响[47]，所以作者还使用百度地图，分别查询了城市与省会、北京、上海三地间的通行距离，作为控制变量引入模型。同时，城市的海拔高度以及经纬度坐标也会作为控制变量加入到模型之中。以上数据的全样本描述统计结果如表1所示。

表1.数据的描述性统计

四 实证分析

(一)基准模型及回归结果

根据相关的研究及本文所讨论的问题，作者建立了以下的基准分析模型：

Trustict=β0+β1MCc+β2Xict+β3DisPc+β4DisBJc+β5Alc+β6Ecoc+Yeart+εiε

(1)

其中，被解释变量Trustict反映被调查个体的社会信任度，下标i用以区分不同的被调查者，下标c代表被调查者所在的城市，下标t表示进行调查的年份。变量MCc为二元变量，用以表示城市的文化类型。具体来说，如果某一城市为多元文化城市，则该城市MCc变量的取值为1，否则MCc取值为0。Xict为描述被调查者身份特征的向量，向量中包括了本文所涉及的全部个体特征。DisPc和DisBJc分别度量“城市与其所在省的省会间普通公路的通行距离”，以及“城市与北京间的普通公路通行距离”。Alc描述城市的海拔高度，Ecoc度量城市的发展水平，Yeart为哑变量，用以控制不同的调查年份所造成的潜在影响。εi为随机扰动项，考虑到微观数据中样本间的行为具有相对的独立性，因此本文假设εi关于个体i相互独立。在实证分析中，β1为本文主要关注的回归系数。其经济含义为，在给定其他因素后，多元文化城市与单一文化城市间被调查个体的平均信任度差异。

基于模型(1)的OLS回归结果如表2所示。其中，表2回归(1)的解释变量仅包括城市的文化类型(以下简称MCc)和个体特征。在回归(1)的模型设定下，MCc回归系数的符号为负，显著性水平为1%。也就是说，在给定被调查者个体特征的情况下，生活在多元文化城市中的个体的平均信任度低于单一文化城市中个体的平均信任度。回归(2)在回归(1)的基础上加入了“城市与省会间普通公路的通行距离”作为解释变量，结果显示，MCc回归系数的符号为负，显著性水平为1%，系数的绝对值相比于回归(1)有所下降。回归(3)在回归(2)的基础上加入了“城市与北京间普通公路的通行距离”作为解释变量，结果显示MCc回归系数的符号为负，显著性水平为1%，系数的绝对值相比于回归(2)继续下降。回归(2)和(3)的结果说明，加入城市的地理位置作为控制变量后，没有改变MCc回归系数的统计性质，并且，城市的地理位置与社会信任间也存在一定程度的相关性。回归(4)在回归(3)的基础上加入了城市的海拔作为控制变量，可以发现MCc回归系数的符号为负，显著性水平为5%，回归系数的绝对值明显下降。因此，回归(4)的结果说明，在加入了城市的海拔作为控制变量后，虽然MCc与社会信任的关系保持稳定，但海拔对于社会信任度也有较大程度的影响。回归(5)在回归(4)的基础上进一步加入了城市的发展水平(以2014年各城市高德地图的数据密度进行代理)作为控制变量，结果显示MCc回归系数的符号为负，显著性水平为10%,回归系数的绝对值相比于回归(4)进一步下降。

表2.OLS回归结果

注：括号中为异方差稳健标准误；***p<0.01,**p<0.05,*p<0.1。

综合表2中的回归结果，基本可以证实多元文化城市的平均信任度低于单一文化城市。但是，由于大类方言区域的划分存在一定程度的模糊性，因此，以方言分区作为文化种类的代理变量，并以此对城市类型进行划分，会导致MCc存在一定程度的度量误差。在下一节中，笔者将讨论如何解决MCc的度量误差问题。

(二)工具变量模型及回归结果

1.工具变量

如果使用准实验(Quasi-experiment)的思路解释模型(1)的经济含义，则可以认为MCc将所有样本分为了两个组别。由于本文主要考察文化的多样性对于社会信任的影响，因此生活在多元文化城市中的全部样本构成实验的处理组(Treatment Group)，而生活在单一文化城市中的样本构成实验的控制组(Control Group)，MCc的回归系数值就是实验的平均处理效应(Average Treatment Effect，简称ATE)。在模型(1)中引入其他控制变量的意义，是为了保证基准回归方程尽量满足条件独立假设(Conditional Independence Assumption)。但是，MCc的度量误差，以及某些影响个体信任水平的不可观测变量(Unobservable Variables)的存在，使得实验的分组仍然存在样本间的选择性偏误(Selection Bias)。

关于MCc的度量误差，其主要的来源为大类方言分区的模糊性。事实上，汉语方言分区一直是富有争议的学术问题，采用不同的划分标准会导致不同的划分结果[42]19-23。因此，无论选择何种方言的划分标准作为地区文化的代理变量，都难以完全精确地区分地区的文化类型。为了解决上述问题，就需要从更加全面的角度对地区文化(方言)的形成过程进行了解。根据历史学和方言学的相关研究，形成多元文化地区的主要原因是历史上大规模的地区间移民⑥[48-50]。此外，关于中国移民史的研究还进一步指出，南宋之后，中国南北方之间没有再出现因战争所导致的大规模移民，各自内部的区域文化类型基本保持了稳定并一直延续到今天，但南方地区内部出现过一次重要的变化，那就是明末清初湖广地区向西南地区的移民[16]35-37。因此，无论南宋之后的行政区划如何划分，都没有从整体结构上打破南宋以来形成的文化(方言)区域。既然多元文化地区的成因是历史上的移民，那么为了更加精确地区分地区的文化类型，就需要讨论哪些地区更容易成为移民者的目的地。

基于上述关于多元文化城市成因的研究，作者认为，在给定移民大致的流动方向的前提下，地区周边的地形状况是决定移民流动最终目的地的主要因素，即：地形相对平坦的地区，更易于移民的到达，因此会吸引大量的移民前往；而地形崎岖性较高的地区，由于通行和到达的成本较高，就产生了较强的区域封闭性；这种封闭性使得地区的人口结构在长期中保持相对的稳定，也就进而使得地区内部的文化类型相对单一[34]。根据这一逻辑，作者使用城市周边的地形崎岖度作为MCc的工具变量，以修正使用大类方言分区作为文化类型的划分依据所导致的分组误差。为了进行数量分析，作者使用“城市与省会间普通公路的平均通行速度”作为地形的崎岖度代理变量。之所以选择城市与省会间的路况来度量地形的崎岖性，是因为今天的省会通常在历史上也是地区的中心城市和交通枢纽，所以城市与省会城市间的通行路径与历史上移民的通行路径大体相同。

导致样本选择性偏误的另一个问题，是存在某些不可观测的变量与Trustict和MCc同时具有相关性。在实证分析中，由于作者使用个体层面的数据进行计算，因此某些不可观测的个体特征可能同时与其信任水平和文化类型相关。但是，本文的工具变量属于地理指标，这一指标与个体特征间并不存在直接的相关性。因此，使用工具变量也可以解决不可观测变量对于回归结果的影响。

2.工具变量模型及回归结果

工具变量(IV)回归的模型设定如下:

Trustict=θ0+θ1MCc+θ2Xict+θ3DisPc+θ4DisBJc+θ5Alc+θ6Ecoc+Yeart+μi

(2)

MCc=γ0+γ1Tc+γ2Xict+γ3DisPc+γ4DisBJc+γ5Alc+γ6Ecoc+Yeart+υc

(3)

其中，Tc为“城市与省会间普通公路的平均通行速度”(以下简称“通行速度”)，即城市地形崎岖度的代理变量，μi和υc分别为回归方程(2)和(3)的随机扰动项，其他变量的含义与回归方程(1)相同，此外，工具变量满足有效性的前提条件为Tc与μi无关。

基于工具变量模型的二阶段最小二乘估计(2SLS)结果如表3所示。其中，表3 Panel A报告IV模型的第一阶段回归结果。由于MCc为二元变量，因此第一阶段回归类似于线性概率模型。回归结果显示，在不同的变量设定下，γ1的符号均为正，显著性水平均为1%。也就是说，通行速度越快的城市(地形的崎岖度越小的城市)，会以更高的概率成为多元文化城市。

表3 Panel B报告IV模型的第二阶段回归结果。回归(1)—(5)的变量设定与表2中对应编号的回归相同。从表3中可以发现，使用了工具变量和2SLS估计后，主要回归系数(θ1)的符号仍然为负。并且，在所有的变量设定下，θ1的显著性水平均为1%。同时，回归系数的绝对值也明显增加，说明使用工具变量对于样本的分组进行调整后，实验的ATE显著增强，也就是多元文化城市对于个体信任度的影响有所增强。

关于2SLS的估计结果，还有以下两个问题需要说明。第一，根据相关的计量经济学理论，如果回归模型中的某一解释变量存在度量误差，那么该变量系数的OLS估计结果将产生衰减偏差(Attenuation Bias)，衰减偏差会使系数的估计值趋向于0[51]138。对比OLS和2SLS的估计结果，可以看出在不同变量设定下，MCc系数的OLS估计值均明显小于2SLS的估计值，这一现象说明MCc确实存在度量误差问题。但是，在使用了工具变量模型进行回归后，度量误差问题得到了明显的改善。第二，在2SLS估计下，城市的发展水平与社会信任度间不再具有统计上显著的相关性。这一结果说明，城市中社会信任的形成可能是源自更为深层次的因素，比如本文所关注的地理和文化因素等。在目前的研究中，虽然还无法准确地说明地理和文化因素对于社会信任的影响机制，但如果在控制了地理和文化因素后，城市的发展水平与社会信任度不再具有显著的相关关系。这一结果，至少可以为制定更为合理的经济发展政策提供参考依据。

表3 Panel C报告的是工具变量模型的相关检验结果，以考察工具变量的有效性。首先，内生性检验(Hausman-Wu检验)的结果说明，变量MCc对于模型(1)而言确实存在内生性问题。因此，使用工具变量模型再次进行分析是合理且有必要。第二，不可识别检验和弱工具变量检验的结果均为在1%的水平下拒绝原假设，即拒绝Tc是不可识别的工具变量和弱工具变量。结合2SLS估计的第一阶段回归结果，可以说明Tc作为工具变量满足工具变量的包含性约束(Inclusive Restriction)。

关于工具变量的排除性约束(Exclusive Restriction)，目前无法通过统计学的方法进行证实。就本文的模型而言，排除性约束的威胁主要来自遗漏变量，而模型的遗漏变量主要包括地方性的制度因素(比如市场化水平)、地区的人文特点(比如犯罪率)以及地区长期的文化特征等。由于城市的地形特征在形成的时间上绝对外生于以上的遗漏变量，并且与上述遗漏变量间不存在直接的相关关系，因此工具变量的排除性约束基本上可以得到满足。在下文关于模型的稳健性检验中，作者还将通过加入其他控制变量的方式，进一步论证工具变量的有效性。

表3.工具变量回归结果

注：括号中为异方差稳健标准误；***p<0.01, **p<0.05,*p<0.1；内生性检验统计量为Hausman-Wu Wald统计量；不可识别检验的统计量为Kleibergen-Paap rk LM统计量；弱工具变量检验的统计量为Cragg-Donald Wald F统计量。

综合表3的估计结果，可以认为生活在多元文化城市中的个体，平均的社会信任度较低。并且，在使用工作变量克服样本的选择性偏误后，以地形因素为基础所形成的不同城市类型与居民的平均信任度之间存在历史性的因果关系。

(三)稳健性检验

1.分类样本

使用分类样本进行回归，以考察实证模型的分析结果是否具有内部有效性。相关的检验结果如表4所示。表4中所有回归的变量设定与表3回归(5)相同，并使用2SLS进行估计。

使用的样本分类方式包括区分性别、户籍以及具有不同特征的地区。关于分地区回归，如前文所述，京、沪、粤三地以及省级民族自治区的文化多样性问题较为复杂，因此作者使用剔除来自上述两类地区样本的方式进行检验。以上分类样本的回归结果均显示，实证模型的回归结果是稳健的。

表4.稳健性检验(分类样本)

注：括号中为异方差稳健标准误；***p<0.01,**p<0.05,*p<0.1。

2.其他控制变量

除分类样本外，作者还使用其他的控制变量对模型的外部有效性进行检验。新的控制变量包括不同的个体收入水平指标、不同的地理位置指标、不同的城市发展程度指标以及加入其它变量(比如市场化水平)等。使用新的控制变量后，实证模型的回归结果保持稳健(由于篇幅所限，具体的检验结果不在正文中展示)。

五 影响机制分析

前文中，实证模型的回归结果证实了地区中的文化多样性与居民的社会信任度存在负相关关系。为了进一步说明产生上述负相关性的原因，作者将在本节中分析多元文化对于社会信任的影响机制。对此，Acemoglu 和 Wolitzky在讨论群体间的冲突问题时所建立的博弈模型提供了一个可行的解释[17]。在该模型中，两位作者指出了来自不同背景群体的个体间相互不能建立足够信任度的原因。假设两个群体中存在世代交叠的个体，并且个体间连续地进行协调博弈(Coordination Games)，那么，在信息不完全的动态博弈中，由于个体难以识别出其他群体中一直采取恶意行为的“坏人”(Bad types who always take bad actions)，因此即便其他群体中的个体在博弈中所选择的策略是做“好人”并执行善意的行为，但在信息不完全的前提下，善意的行为也会以很大的概率被误解(Misperceived)。此外，由于在历史的进程中，关于任何个体行为的信息是有限的，所以群组间的冲突以及由于冲突所导致的不信任感会在误解和有限的信息下产生。

以上述模型作为理论基础，并结合中国的实际情况，我们就可以理解多元文化城市与单一文化城市间的社会信任差异。总的来说，多元文化城市的成因是历史性的移民。那么，在任何多元文化城市的形成过程中，总有所谓的原住群体和移民群体之分，如果群体间的文化背景有较大的差别且生活在同一个城市中，由于对资源的利用属于竞争关系，则必然会以较高的概率产生群体间的冲突。移民所导致的群体间冲突在历史和现实中并不鲜见。以南宋时期的移民为例，在中国南方，由于南宋的行政中心位于临安(今杭州市)，因此导致临安聚集了大量的外地移民。一方面，来自不同文化背景的群体，在生活方式和思想观念上难以迅速融合；另一方面，大量移民的到来，使得对于公共资源的争夺问题显得尤为严重。一个典型的例子就是不同文化背景的群体对于教育和科举资源的竞争，造成临安在教育和科举资源上的压力，最终迫使政府发布行政命令，要求外乡学子回原籍进行考试[52]。在战乱的压力下，文化差异、对资源的竞争以及朝廷对于不同群体的差别对待政策，必然导致群体间的冲突和相互间的不信任感。与历史上的情况类似，移民所造成的文化差异问题在改革开放后的工作性移民城市中仍然存在。以广东省为例，由于广东是工作性移民的主要目的地，因此在多元文化的背景下，广东省被调查个体的平均信任度仅为3.29(全样本均值为3.42)⑧。如果进一步考察具体城市的情况，可以发现在CGSS开展调查的地点中，属于单一文化城市的汕头和典型的移民城市东莞具有个体间的可比性(基于相似的平均受教育年限)。汕头市的平均信任度为3.32，而东莞的平均信任度仅为3.01⑨。

虽然目前的模型无法预测这一差距在未来是会扩大还是缩小，但多元文化对于信任度所造成的影响的确在历史上和现代社会中都有明显的事例。较低的信任度来自不同文化间由于误解所导致的冲突，而产生误解的原因是动态博弈中的不完全信息。因此，任何有利于传播正确信息和降低误解发生概率的政策，都将有助于提高城市的平均信任度。

六 结论及启示

通过使用大类方言分区对城市的文化种类进行代理，本文将中国的地级城市按照文化种类的数量分为了两种类型，即单一文化城市和多元文化城市。通过CGSS的微观调查数据以及OLS回归可以发现，在多元文化城市生活的个体，平均社会信任度低于生活在单一文化城市的个体。由于城市类型的划分可能存在一定程度的度量误差，因此OLS估计可能导致回归系数存在偏误。对此，考虑到城市文化类型的成因，作者使用地形的崎岖程度作为城市文化类型的工具变量再次进行分析后发现，城市文化类型所造成的信任度差异仍然显著存在。并且，在修正了变量的度量误差问题后，城市的文化类型对于信任度的影响明显增强。

如前文所述，导致信任度差异的经济机制在于不同文化背景的个体间发生冲突的概率更高，因此多元文化城市中的个体更易发生相互间的冲突，并因此而降低了相互间的信任程度。根据本文的研究结果，政策制定者在制定区域性的经济政策时需要意识到，虽然城市或地区内的平均信任度是个体间博弈的长期均衡之结果，但均衡的位置(社会信任的水平)由文化、地理和制度等因素共同决定，并且这些因素间的相互作用还会进一步影响最终的博弈结果[44][53-54]。如果地区的社会信任水平确实对经济发展具有重要的作用，那么提高多元文化城市的社会信任度就是有意义的政策目标。具体来说，由于地理和文化因素是外生性较强的变量，因此制度因素是唯一可以人为改变的影响因素。对于试图促进社会信任度的政策而言，其直接的影响目标应该是降低不同背景的群体间发生冲突的可能性。以当代的工作性移民城市为例，降低户籍差异的影响，建立公平的教育和就业环境以及减少本地居民的排外意识等公共政策，都可能在一定程度上提高城市的平均信任水平。

注释：

①在本文中，“城市”一词的含义与地级行政区或地级市的含义相同。

②⑧⑨相关调查数据可以从以下网站获得即：http://www.Chinagss.org/.

③由于地图APP的数据大小会定期更新，所以应定期收集地图数据的信息。

④以安徽省为例，省会合肥的普通公路的通行速度为48公里每小时，其计算方法就是其他城市中速度值最高的城市(亳州，47.4公里/小时)取整并加1。

⑤⑦表格中“是”的含义为：控制了调查年份的差异对于模型回归结果所造成的潜在影响。

⑥中国历史上曾出现过三次大规模的人口流动，第一次是在东晋时期，第二次在两宋交替，第三次则在明末清初，以上所涉及的三次大规模移民都与战争所导致的政局动荡或朝代更迭密切相关。