1. 引言
国家认同对于国家的经济发展、社会稳定、民族团结、国家统一都具有重要意义。国际上，全球化、多元化、多样化是当今世界的主要趋势。而中国是一个幅员辽阔的多民族、多语言、多文化的国家，人们存在不同程度的国家认同层次以下的民族认同、地域认同和文化认同 [1] [2] 。目前，我国面临着复杂的国际国内环境，复杂激荡的环境会影响人们的认同观念，在此背景下，探索影响我国国家认同的因素势在必行。
本研究基于2019年中国社会状况综合调查(CSS2019)数据来探索国家认同的影响因素，旨在探索更全面的影响因素，为相关单位和政府决策提供依据，另一方面以全体中国人为研究对象的相关研究较少，本研究的研究对象为全国18~69周岁的住户。过去研究大都基于CSS2013，而本研究基于CSS2019，数据较新，可探索近年来中国社会中关于国家认同的影响因素，并且过去研究者大都采用建立多元线性回归分析模型的方法来进行数据分析，该方法得到的影响因素均与国家认同有着直接的线性关系，本研究通过建立机器学习模型得到的影响因素与国家认同之间可能具有非线性关系和复杂交互作用。
基于DALEX包识别MLP中的预测因子发现，经济因素会影响国家认同感，具体而言，收入越高国家认同感越弱；“社会保障感知”有利于增加国家认同；“对法治的感受”、“宗教信仰”和国家认同之间存在着复杂的交互作用。
2. 机器学习模型构建
2.1. 数据集
本研究数据集来自CSS2019，CSS2019为中国社会质量基础数据库公布的最新数据集。CSS2019共包含10,283行数据，每行数据代表一个被试，问卷有1016个数据变量。得益于中国社会科学院社会学研究所对于问卷编制、抽样、执行管理、质量监控等环节的严格把控，由CSS数据资料得出的研究结果可推论至全国18~69周岁的住户。2019年的CSS调查既包括测量国家认同的数据变量，也包括潜在可预测国家认同的数据变量，因此我们选择该数据集。
2.2. 目标变量
过去研究中，有研究者将CSS2013有关国家认同的5道题目作为国家认同问卷，根据被试在该问卷上得分高低判断其国家认同的强弱 [3] ，在CSS2019中对应部分仅保留CSS2013中的2道题目，3道题目做出了修改。CSS2019中题目包括“现在大多数人都没有什么信仰”、“我经常为国家取得的成就而感到自豪”、“如果有下辈子，我还是愿意做中国人”、“每个中国人都有同样的机会获取财富与幸福”和“没有共产党，中国就会陷入混乱”，问卷采用李克特5点计分。对这5道题目进行一致性检验，其克隆巴赫α系数为0.595。对这5道题目进行单因子CFA来检验试题质量，CFA结果显示，第1道题目的标准化因子载荷值为0.184，小于0.5，说明该项目无法较好地反映所测量的构念 [4] ，且第1道题目并未言明“信仰”是政治信仰或宗教信仰，容易使被试产生误解，从而导致该项目质量不佳，可删去该题项。删去该题项后，各道题目标准化因子载荷均大于0.5，并且CFA拟合指标为χ2/df = 2.80，RMSEA = 0.013，CFI = 1.00，TLI = 1.00，SRMR = 0.004，克隆巴赫α系数上升至0.633，各项指标符合心理测量学要求。因此，保留后4道题目共同作为国家认同的判断指标，其中被试选择“很同意”的比例分别为59.20%、76.68%、48.80%、68.01%。本研究将被试的反应由连续变量转换为二分变量，在10,283个被试中，有3288名(32.0%)被试4个题项均选择“很同意”，我们将其编码为“高国家认同”，其余6995名(68.0%)被试被编码为“低国家认同”。
2.3. 数据预处理
通过数据集清洗、填补缺失值、使用哑特征、特征缩放后，共保留了266个数据变量，最终保留数据10280行。
2.3.1. 数据集清洗
我们删除了部分由研究者创建的数据变量，例如：uid、ID、weight等；删除了一些缺失值过多不能帮助产生预测国家认同假设的题项，例如：问卷A部分的家庭成员情况、问卷B部分关于家庭耕地等具体情况、问卷C部分关于家庭房产的具体情况等(Abhishek et al., 2020)；删除了一些开放性回答的题项，例如：“其他方面的生活压力和困难，请说明___”、“其他群，请说明”、“其他团体(其他，请注明)”等；删除了构成目标变量的4道题项。数据清洗后，共保留了266个数据变量。
2.3.2. 填补缺失值
CSS2019存在部分缺失数据，数据清洗后数据集上仍有32.1%的缺失值。首先通过分析调查问卷逻辑填补部分数据，例如：当被试在题项“您家目前有没有自有住房？”选择为2 (没有自有住房)时，则将该被试在题项“您家目前有几套自有住房？”的值由缺失填充为0；对于g7_1~g7_20 (您认为一个好的社会应包括下列哪些特征？)，分析数据集发现，被试选择了某一项则对应值为1，否则为缺失，我们可以将缺失值填充为0，代表被试未勾选此项。然后对于数值型变量例如：“总收入：金额”、“生活消费总支出”以及“家庭总收入”等使用序列平均值进行插补。对于分类变量例如：f4b3_1~f4b3_3 (富人能取得财富最主要的原因是什么？最多选三项，并排序)，部分被试仅选择一个原因作为最主要原因，部分被试选择三个原因并排序，可以将该情况下的缺失作为分类变量的另一个值，可充分反映被试作答情况。此时，数据集的完整度为99.9%，最后删去仍包含缺失值的个案，最终保留数据10,280行。
2.3.3. 哑特征的使用
在数据集中存在部分类别特征，连续输入使得估计器认为类别之间是有序的，但实际上分类值与大小无关，因此把这种类别特征拆分为多个哑特征，例如题项“您的政治面貌是”：选项有1 (中共党员)、2 (共青团员)、3 (民主党派)、4 (群众)这四类，将其拆分为四个二元分类的特征，答案均为是或否，计算机读入数值1或者0。
2.4. 模型构建
为了训练我们的模型，我们使用80%的数据作为训练集来训练模型，使用余下20%的数据作为测试集来测试模型。本研究旨在构建一个MLP神经网络，将样本的特征映射到对应标签上。MLP神经网络是一种前向结构的人工神经网络，第一层为输入层，中间为隐藏层，最后一层为输出层。隐藏层和输出层每个节点的关系公式如下，式中Ii为第l层第i个节点的输入，Oi为第l层第i个节点的输出，wji是连接点j，i的权重，xj是与节点i相连接的上一层节点j对i的输入值，θi是节点i的阈值。
(1)
(2)
首先将模型中的隐藏层数量由0到5逐步增加进行实验(Abhishek et al., 2020)，我们发现，在MLP由单隐藏层增加至2个隐藏层时，准确度有一定提高，但是增加至3个隐藏层时，准确度增加不明显，因此我们选择有2个隐藏层的模型。为了确定更好的模型，我们调试了一些超参数，包括隐藏层神经元的数量、批处理数量、学习率，也使用了不同的激活函数如：identity、logistic、tanh、和relu，使用了不同的优化权重算法如：lbfgs、sgd、adma。在精确率和召回率均大于50%的模型中选择准确率最高的模型，表1给出了我们最终模型中使用的参数。
注：Hidden_layer_sizes表示隐藏层的大小；Activation表示激活函数；Solver表示权重优化算法；Batch size表示批尺寸；Learning rate表示学习率策略；Max_iter表示算法收敛的最大迭代次数；Random_state表示随机种子的数量。
3. 结果
3.1. 国家认同的可预测性
在测试集(未参与模型构建的数据集)中，MLP模型准确地将69.8% (95%CI = [67.8%, 71.8%])的被试识别为高国家认同或低国家认同。表2给出了MLP模型使用测试集数据得到的混淆矩阵。
Table 2. Confusion matrix of MLP model on test set
表2. MLP模型在测试集上的混淆矩阵
该模型整体准确率高于随机水平，κ = 29.7%。该模型的特异性(即对高国家认同个体分类的准确性)为50.2%，而该模型的敏感性(即对低国家认同个体分类的准确性)为81.1%，这表明如果该模型预测一名被试为低国家认同，那么其预测有77.0%的概率是准确的。本模型的精确率(Precision)为77.0%，本模型的F1分数为78.0%。本模型ROC曲线下的面积即AUC = 65%，AUC的计算方法同时考虑了模型对于高国家认同个体和低国家认同个体的分类能力，可对模型做出合理的评价。
3.2. 国家认同的预测因子
有多种方法可以识别出机器学习模型中价值最高的预测因子，例如LIME、iml和DALEX。所有的解决方法提供的都是近似解，均给出了一种可行的解决方案，但并非最优解，因此每种方法给出的预测因子的排序可能相同也可能不同。本研究使用python中的DALEX包来识别MLP中价值最高的预测因子。DALEX模块原理为，每次改变一个预测因子，并评估这种改变对MLP模型在特定数据集上损失(loss)的影响，如果改变一个预测因子会使损失值增加更多，则认为其具有更高的价值。模型基于训练集构建，因此该分析过程在训练集上进行。表3列出了DALEX包计算出具有最高价值的10个预测因子。
Table 3. Based on MLP model, 10 prediction factors with the highest value for national identity are obtained
表3. 基于MLP模型得到对国家认同具有最高价值的10个预测因子
注：题项后括号中的值代表将类别变量转换为哑变量后，哑变量对应的选项。Δ Dropout loss指如果该行提到的预测因子被置换，模型的损失值的变化。
4. 分析与讨论
在经济全球化的背景下，世界各国政治、文化、价值观相互影响，数字媒介借助信息化浪潮裹挟着不同政治取向、意识形态的海量资讯，当下民众获取信息的管道更加多元，舆论场中社交媒体大V、意见领袖与自媒体人的非主流政治表达，冲击着公众对社会热点问题的态度与认知，也对我国国民的国家认同产生不可忽视的影响。因此，在各种思潮相互激荡的当下，把握国家认同的预测因素对妥善处理舆情、坚持主流国家认同意识的主导地位、弘扬与培育爱国主义情操具有积极意义。
已有研究者在建立回归模型的基础上利用Shapley值分解判断各因素的具体贡献和相对重要程度，例如基于CSS2013数据分析表明：对青年一代(18~35岁)国家认同感的解释贡献率中，人口特征、地区、文化因素、经济因素和社会结构因素占比分别为16.64%、2.71%、36.21%、29.49%、14.95%，对老一代(36岁以上)国家认同感的解释贡献率中，人口特征、地区、文化因素、经济因素和社会结构因素占比分别为17.13%、8.48%、13.34%、11.53%、49.52%。也有研究者通过Adjusted R2来判断自变量重要性，基于亚洲民主动态调查，有研究者指出，影响国家认同的首要因素是政治绩效。前人确定的不同模型对影响国家认同的各因素的重要性排序略有不同，这可能是由于构建模型所采用的被试数据来自不同的数据集、不同的年龄段以及纳入各模型的因素并不完全相同，但是总体上MLP模型确定的国家认同的预测因子与现有的研究结论是一致的。
价值最高的两个因子是“家庭总收入”与“生活消费总支出”，其代表经济因素。现有研究表明，经济因素会影响国家认同感，具体而言，收入越高国家认同感越弱，这可能是由于高收入个体获取信息的渠道更加多元，更富有批判精神，对国家认同的要求更加苛刻 [5] 。
第3、5、7、8个预测因子“政府提供的经济适用房、公租房、廉租房等基本住房保障”、“社会保障是政府的基本责任，不应当由普通百姓负担”、“扶助残障”、“现在的社会保障水平太低，起不到保障的作用”可提炼为“社会保障感知”，现有研究表明，社会保障财政支出对推动公众满意度增长具有显著效应 [6] ，并且，养老保障、医疗保障有助于增强政治认同和国家认同，研究显示，2006至2015年社会保障公平性的提升得到了公众认可。当下我国正处于中国特色社会主义新时代，社会保障的总目标正从保障人民基本生活的兜底作用转变为增强民众向心力与国家认同的制度优势，此时党和政府再次强调共同富裕的重要性，强化社会保障，有利于增强国家认同与国家软实力。
第4个预测因子“您上网进行下列活动的频率：聊天交友(比如：微信等交友活动)”，这是一个双管问题，既可反映被试的网络使用频率也可以反映被试的网络社交频率，现有研究表明，国家认同与支持性社交网络呈正相关，而互联网等新兴媒介的使用会削弱个体的国家认同 [7] ，说明加强互联网管理与引导具有必要性。
第6个预测因子“您认为一个好的社会应该包括哪些特征？法治”和第9个预测因子“你觉得当前社会生活中以下方面的公平程度如何？司法与执法”可以提炼为“对法治的感受”。目前，有学者已经论述了“法治”和“国家认同”之间的关系，例如：有学者提出通过全面依法治国来提升国家认同 [8] ，亦有学者提出以法治文化建设提升公民国家认同。本研究发现：第9个预测因子中回答“非常公平”的被试中有53.22%具有高国家认同，选择其他回答的被试中有26.63%具有高国家认同。而该预测因子与目标变量之间为弱相关，相关系数r = 0.091，基于多元线性回归模型或Logistic回归模型都不会将该题项作为有价值的预测因子，而机器学习模型可以捕获非线性关系。尽管存在着复杂的交互作用，但是“对法治的感受”和国家认同之间仍存在着直接关联，认同当前社会生活中司法与执法公平性的被试具有更高的国家认同，本研究提示了“对法治的感受”的重要性，与前人的回归分析结果一致，司法公平感正向预测国家认同。本研究为公众法治感知影响国家认同提供了新的证据，我国应全面推进依法治国，加快建设社会主义法治国家。
第10个预测因子“就您的个人观念来看，您能否接纳以下群体：有不同宗教信仰者”，该问题代表宗教因素，大量研究表明，宗教信仰与国家认同之间具有复杂的关系，21世纪宗教对于国家与民族特性的重要性在增强。有关部门应做好对宗教的引导与规范，促进其发挥多民族共同体建构中国家的社会基础作用，团结信教群众，筑牢国家认同主流意识形态，确保国家认同统领宗教认同等其他认同。
本研究使用机器学习建模的方法补充了前人对于国家认同的影响因素的研究，具有方法学意义。目前，世界正经历百年未有之大变局，凝聚共识，提升国家认同尤为重要。在新旧矛盾相互交织的今天，传统与非传统安全问题引发关注，提升国民国家认同是维护国家安全的重要途径，而国家认同建设离不开民众参与，推进公民教育作为培育国家认同的重要手段。将国家认同的培养融入学校课程标准与教育实践，社会上广泛普及我国社会保障的基本政策以及国家在保障人民就业、住房、医疗、教育等各项工作中取得的进步。各级学校作为引导学生国家认同的桥头堡，加强爱国教育等相关德育课程的育人功能，树立法治信念，以法治精神引领学生成才之路。进一步加强法治宣传，宣讲法治建设成果，让人民群众切身体会到社会主义法治进步，感受到更多法治温暖。澄清网络使用环境，打造清朗的网络空间，发挥社交网站的正向舆论引导功能，努力使社交媒体成为凝聚人心，增强国家认同的重要阵地，巩固国家认同主流话语在网络空间的主导地位。
5. 不足与展望
本研究使用CSS2019数据集，展开横截面建模分析，无法分析不同影响因素重要性随时间的变化趋势，未来可使用CSS2013、CSS2015、CSS2017等数据集研究中国人国家认同的影响因素随时间的变化情况。以后可考虑使用世界价值观调查(WVS)探索世界上不同国家的国家认同的影响因素之间的差异情况，展开跨文化研究。