出轨经济学

2018 年 1 月 9 日 虎嗅网 饭统戴老板


最近几天被 “璐出贾笑” 刷屏了。很多朋友在感慨:李小璐有贾乃亮这种男神丈夫,为什么还会跟一个哪方面都比不上她老公的人出轨呢?



我对娱乐圈的八卦通常毫无兴趣,但这件事情本身折射出很多经济学和心理学方面的规律,因此花了一些时间了解了这个事儿的来龙去脉。下面就从几个方面阐述一下出轨背后的动机和逻辑。


首先给大家介绍一下著名的 The seven-year itch Theory,即七年之痒理论。


The seven-year itch(七年之痒)这个词来自于一部 1955 年的电影片名,导演 Billy Wilder,主演玛丽莲 · 梦露。那张著名的梦露捂住被风吹起的裙子的照片,就出自这部电影的拍摄过程。据说在拍摄这段镜头时,几千人围观,梦露反复拍了 40 多次,让一旁探班的老公 Joe DiMaggio 十分不爽。


The seven-year itch,美国,1955 年


电影非常经典,片名被翻译为 “七年之痒” 之后,这个词竟成为汉语常用词。但婚姻危机的高发期,到底是七年还是四年,学界尚且争论不休。不过,每对步入 “围城” 的伴侣都有几乎同样的感受:在经历完热恋的炽热和婚姻的甜蜜阶段之后,婚姻会经历一段低潮期,很多人都有想打破牢笼的欲望,少数人会付诸实践,比如这次事件中的女主角。


为了分析这种现象,我们用两个模型来量化整个婚姻生命周期。


第一个模型:婚姻效用模型(Marriage Utility Model)


第一个模型叫做婚姻效用模型(Marriage Utility Model),我们用一个函数 U(t) 来代表伴侣中一方的婚姻效用变化,用大白话说,U(t) 就是婚姻给一个人带来的幸福感随时间变化的曲线。


Utility(效用) 是对人的感受的一种描述,没有办法做准确的度量。你如果让一个人对幸福感打分,恐怕他也很难用一个准确的分数来形容自身的感受。所以我们在这里只关心 “效用 “趋势和变化,不关注其绝对数量值是多少。



上图即为婚姻的效用函数,简单可以概括成:1. 浪漫期:效用随时间不断增长;2. 平淡期:婚姻总效用开始面临边际效用递减(Deminishing Marginal Utility),增速开始明显放缓;3. 疲惫期:由于各种生活,婚姻总效用开始缓慢衰减。整个过程会有反复和波动,但 99% 的婚姻符合以上曲线。


以下文字粗略反映了婚姻总效用随着时间的变化曲线:


女人 18 岁,你要骗她跟你睡

女人 28 岁,不用骗她就跟你睡

女人 38 岁,她编故事骗你跟她睡

女人 48 岁,你要编故事骗不跟她睡


在上述文字中,把女人换成男人,同样也成立。实际上,随着我国男人中年油腻现象越发严重,丈夫对妻子失去性吸引力的速度,远快于妻子对丈夫失去性吸引力的速度。


但婚姻效用模型还不能解释 The seven-year itch Theory,即 “总效用” 还不是出轨与否的核心变量,我们还需要对模型做一定的处理。首先我们来看比较下列两位妻子对婚姻的满意度:


妻子 A:丈夫去年收入 10 万,今年收入 20 万;

妻子 B:丈夫去年收入 100 万,今年收入 110 万;


A 和 B 两位妻子的丈夫,在过去一年均有 10 万绝对值的提升。如果纯粹按照婚姻效用函数,两者对伴侣满意度的提升应该是相同的,但在现实生活中,很显然是 A 的满意度会提升更多。引发这种不同的,就是边际效用(Marginal Utility)现象。


事实上,在 “出轨” 现象,背弃婚姻的人更容易受到边际效用变化的影响,而非总效用的变化(Feldman&Cauffman, 1999)。这就是为什么有些人抱怨 “我对她 / 他那么好,偶尔太忙没顾上,怎么就变心了呢?” 的原因。


我们将 “婚姻边际效用” 用 u'(t)来表示,如下图所示,这本质上也是婚姻满意度函数。可以清晰看到,婚姻满意度随着时间迁移,边际效用递减(Deminishing Marginal Utility),同时会存在一个或多个剧烈衰减期,如照顾刚出生孩子期间、经济拮据期间、婆媳矛盾期间等。



但出轨通常并不在婚姻满意度的剧烈衰减期发生,如本次事件中的贾乃亮和李小璐,两者婚姻表面上看起来仍然甜蜜如故,即使李小璐对婚姻的满意度在缓慢下降,但并无 “剧烈” 的迹象。


而且,常识告诉我们,即使婚姻边际效用不断降低,但出轨率并没有随着夫妻年龄的增长而增加,多数婚姻反而不断稳固。所以,在这里我们需要引入 “出轨” 的第二个核心模型:转换成本模型。


第二个模型:转换成本模型(Switching Cost  Model)


婚姻的边际效用随着时间的推移而不断下降,但某一项事物却随着时间而不断累积,那就是 “转换成本”(Switching Cost),也就是通常所说的 “出轨代价” 或“离婚成本”,其包括以下几方面:


共同的孩子

社会的舆论

资产的分割

生活的冲击

传统的观念


我们用 s(t)来表示 Switching Cost 随着时间变化的函数,如下图所示。通常 “切换成本” 随着时间线性增长,中间也会有迅速爬升阶段(如孩子的出生),也可能出现剧烈下降阶段(如孩子的成年)等。



我们把 “满意度”(效用的边际)和 “成本” 相加,就得出了婚姻稳定度(Marriage Stability)函数 h(t)=u'(t)+s(t)。如下图所示:在某段时间内,婚姻满意度的下降大于转换成本的上升,形成一个明显的波谷,这段时间即 “N 年之痒” 期间。换句大白话说就是:在婚内感受到越来越少的幸福,而换人成本还没那么高,此时最容易出轨。



以上即为婚姻经济学模型的全部内容:婚姻稳定度 = 效用(婚姻满意度)+ 约束(转换成本)。上述模型并非严格定量分析,事实上,每一对夫妻的婚姻满意度曲线和转换成本曲线均不相同,但整体符合上述曲线走势。


我们需要数据来验证,我们不妨看一看著名偷情社交网站 Ashley Madison 的统计数据:


  • 约三分之一的 Ashley Madison 用户,在他们的婚礼后的 3 年~5 年寻求他们的第一次婚外情;

  • 约四分之一的 Ashley Madison 用户,在他们孩子离家上大学的那一年注册了偷情账户。


因此,婚礼后 3 年~5 年和孩子成年离家这两个时间段,是出轨的高发期:前者是由于婚姻满意度的下降速度快于转换成本;后者是由于孩子成年引发的转换成本急剧下降。两者大致与我们的模型相符合。


有了经过验证的模型之后,下一个话题就很容易探讨:如何防止出轨,以及贾乃亮和李小璐的问题出在哪儿。


如何防止出轨


我们有了婚姻稳定度(Marriage Stability)函数图之后,就很容易得出防止出轨的方法:1. 降低婚姻满意度的衰减斜率;2. 抬高出轨的转换成本。例如下面这两条应对措施(摘子老掉牙的段子 “老公出轨后,全国各省老婆的反应”)


1. 发现老公出轨后,老婆一夜未睡。第二天,老婆先去美发店做个离子烫,下午做了个面膜,顺便到情趣商店买套性感内衣。晚上在家准备一个烛光晚餐,一共花费四百元。老公晚上回到家后,看到美丽性感的老婆,惊讶得合不拢嘴,深悔自己有眼无珠,并发誓再也不出轨了。这是个上海老婆。


2. 发现老公出轨后,老婆一夜未睡。第二天,老婆回到娘家,把这件事原原本本的告诉了自己的弟弟,弟弟喊上姑姑家的大哥、舅舅家的老弟,每人手里提着条木棍,在丈夫回家的路上截住他,一顿胖揍,老公被揍得鼻青脸肿,跟老婆下跪道歉,并发誓再也不出轨了。这是个东北老婆。


上述两条纯属段子,如有雷同纯属巧合。两条段子中描述的情景并非 “如何防止出轨”,而是 “如何处理出轨”(而且这两种处理方式很明显都错了,尤其是上海版)。


所以,正确防止出轨的方式应该如下图:



首先对于第一条:降低婚姻满意度的衰减斜率。简单来说,每个人在婚前都会为对方的幸福感而努力,但结婚并非是这种努力的终点,而是一个新的起点,婚后更加需要努力的让另一半满足,降低对方的满意度衰减斜率。


著名导演,也是著名好丈夫、好父亲李安说得比我透彻,这里借用一下他的话:


“我做了父亲、做了人家的先生,并不代表说,我就很自然地可以得到他们的尊敬。你每天还是要来赚他们的尊敬,你要达到某一个标准,因为这个,是让我不懈怠的原因。”


李安这番话讲得非常透彻,不过这番话其实是对着鲁豫说的,所以还是有点儿担心导演…… 不能不防啊!


其次对于第二条:抬高出轨的转换成本。此种方法的措辞比较多,社会上常见的做法在财产上做文章,例如签署净身出户协议、房产赠与改名。通常大家认为,这些招数对男人比较管用,尤其是净身出户协议这种 “大杀器”。不过很可惜的是,似乎目前婚姻法并不支持此类协议,所以如果要跟老公签,最好先找律师问清楚。


另外一个很重要的措施是:提前给另一半阐述出轨的严重后果,例如绝不姑息、马上离婚、财产分割等。这样,会无形中抬升对方内心中的 “转换成本”。很多人精虫上脑管不住自己,部分原因也在于没有清晰地认识到“转换成本” 有多大,等到后悔时却什么都晚了。


下面就用这两条,来分析下贾 - 李婚姻中到底出现了什么问题。


贾—李关系中的问题


首先第一条:李小璐的婚姻满意度函数的衰减斜率非常快。这个结果并非是贾乃亮做得不好(相反贾很努力了),而是从这段关系一开始就已经奠定了。我们可以看下面的这个娱乐新闻标题:



另外,还有很多贾乃亮追求李小璐的故事,均为贾乃亮亲自讲述,比如下面这个:


“我苦苦追了一年,想尽办法组局约她,兜里钱都花没了。后来不得已接了一个片酬比平时低三倍的戏,还特别累,但是没办法啊,我想约她总得请她吃饭吧,结果拍了三个月回来,人家又快把我忘了。”


或者下面这张图:



贾乃亮个人条件其实很好,个高英俊大长腿,并不比戴老板差。之所以追李小璐追得如此辛苦,原因可能有二:一是李小璐身边并不缺贾乃亮这种类型的男人,她见得太多了;二是贾乃亮身上闪光的地方,在李小璐眼里没有什么价值。


以上两条无论哪条成立,都会导致李小璐婚后的幸福函数衰减斜率远大于普通情侣。用简单的话说,贾乃亮已经拼尽了全力去追求对方,而这些努力在对方眼里并非珍贵。婚后,贾乃亮仍然延续了努力和热情,但这些东西既然在婚前都没有被特别珍惜,在婚后自然也无法改善李小璐满意度的衰减斜率,over。


其次第二条:贾乃亮没有抬升李小璐的转换成本,反而做了压低。在两人携手参加的某一期节目里,主持人先是问贾乃亮是否接受另一半有异性知己,贾乃亮大方称 “随便”。然后主持人又问“对方出轨后主动承认错误会原谅吗” 这个问题,贾乃亮做了如下回答:



我们在前面阐述过,抬高转换成本的最有用措施就是 “提前给另一半阐述出轨的严重后果”,而在贾乃亮这里,简直是反其道而行之。事实上,这种 “出轨许可证”,在国外早就被证明是昏招中的昏招,愚蠢中的愚蠢。


当然,如此愚蠢的人并非独家,女版的贾乃亮也照样存在。比如 2014 年,陈思成和佟丽娅被问到 “如何面对另一半出轨”,佟丽娅说 “对我来说回家就好”,于是没过几年,陈老师就被卓伟老师拍到玩 3P 了……


综上两条,李小璐的婚姻稳定度函数,将呈现下图的样子,特意用绿色虚线标注:



结论:李小璐的婚姻稳定度函数 h(t) 一定会出现时间跨度较普通情侣更长的 “波谷”,即出轨高危期远高于普通夫妻。本身处在娱乐圈中,诱惑又比常人更多,因此出轨几乎成为一个必然的选项,只是时间问题。


换句大白话说:这尼玛怎么可能不出轨?


对我们的启示


其实分析了这么多,大家看到这里,对如何防止出轨应该都有了自己的结论:


  • 努力降低婚姻满意度衰减的速度;

  • 努力抬高另一半出轨的转换成本。


具体如何做,大家可以自由发挥。实在还没想好怎么办的同学,可以先跟另一半一起看几部关于出轨的惊悚电影,推荐如下表:


  • 《看不见的客人》,西班牙,豆瓣评分 8.7

  • 《女尸迷案》,西班牙,豆瓣评分 7.4 分

  • 《消失的爱人》,西班牙,豆瓣评分 8.7 分

  • 《福斯特医生》,美剧,豆瓣评分 8.9

  • 《赛末点》,英国,豆瓣评分 8.1


以上电影均带有惊悚或黑暗色彩,远没有《英国病人》这种出轨片来得唯美浪漫。说不定看完之后,两个人心里的 “转换成本” 都高了不少呢。


别吓得不敢结婚就行……


* 文章为作者独立观点,不代表虎嗅网立场




「椅子,是办公第一生产力」

符合人体结构

☞才能保证血液循环通畅

☞产生更多氧气☞思考更高效☞工作更出色

☞赚更多钱☞买更好的椅子☞把你老板踩在脚下

就现在

请收下日本知名冈村电脑椅制造商出品的办公多功能人体工学转椅👇👇

由于不可抗力

虎嗅公众号不能评论了

欢迎直接在公众号对话框留言

也可以点击“阅读原文”

到文章原文页愉快吐槽


登录查看更多
0

相关内容

**2016年年度应用** * 无需锻炼设备,每天只需几分钟时间 * 趣味成就和奖励不断鼓励你 * 基于《纽约时报杂志》报道的7分钟科学锻炼文章
【实用书】数据科学基础,484页pdf,Foundations of Data Science
专知会员服务
118+阅读 · 2020年5月28日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
最新《经济学中的强化学习》2020大综述,42页pdf128篇文献
经济学中的数据科学,Data Science in Economics,附22页pdf
专知会员服务
35+阅读 · 2020年4月1日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
225+阅读 · 2020年3月22日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
推荐系统之矩阵分解家族
图与推荐
13+阅读 · 2020年3月28日
注意力能提高模型可解释性?实验表明:并没有
黑龙江大学自然语言处理实验室
11+阅读 · 2019年4月16日
新阶级论: 寒门难贵,豪门难败
凤凰财经
5+阅读 · 2019年1月29日
2018年你可以知道的AI搞笑段子
李开复
8+阅读 · 2019年1月4日
一文读懂因果推测、倾向模型(结合实例)
数据派THU
3+阅读 · 2018年3月26日
【财富空间】一个人真正的资本是什么
产业智能官
6+阅读 · 2018年3月16日
教程 | 理解XGBoost机器学习模型的决策过程
机器之心
6+阅读 · 2017年12月20日
关于医学影像背后的科学,你都知道多少?
中科院物理所
3+阅读 · 2017年12月14日
Arxiv
110+阅读 · 2020年2月5日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
Arxiv
3+阅读 · 2018年10月18日
Arxiv
3+阅读 · 2018年4月9日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关资讯
推荐系统之矩阵分解家族
图与推荐
13+阅读 · 2020年3月28日
注意力能提高模型可解释性?实验表明:并没有
黑龙江大学自然语言处理实验室
11+阅读 · 2019年4月16日
新阶级论: 寒门难贵,豪门难败
凤凰财经
5+阅读 · 2019年1月29日
2018年你可以知道的AI搞笑段子
李开复
8+阅读 · 2019年1月4日
一文读懂因果推测、倾向模型(结合实例)
数据派THU
3+阅读 · 2018年3月26日
【财富空间】一个人真正的资本是什么
产业智能官
6+阅读 · 2018年3月16日
教程 | 理解XGBoost机器学习模型的决策过程
机器之心
6+阅读 · 2017年12月20日
关于医学影像背后的科学,你都知道多少?
中科院物理所
3+阅读 · 2017年12月14日
Top
微信扫码咨询专知VIP会员