择偶、婚配市场与伴侣形成
择偶研究过去常把伴侣形成解释为个人偏好清单遇见合适对象：年龄、教育、收入、外貌和价值观各有权重，婚姻就是双方条件的结果。近二十年的实验、平台行为与纵向伴侣资料把这个模型拆开。人们说喜欢什么，未必预测面对真人时喜欢谁；一方发送消息不是匹配，双方同时愿意才是；候选池的规模、排序和可见度还会反过来改变标准。下面二十条不把婚配市场当中性容器，而把相遇、选择、互惠、退出和关系稳定分别审计。
第一幕把择偶从婚后结果拉回形成现场。速配随机谁见谁，在线平台记录谁看谁、谁写信、谁回复，性别比冲击改变可遇集合；研究因此第一次能分开自报偏好、单边行动与双方匹配。
甲、速配实验：问卷偏好不等于面对真人的选择Speed Dating: Stated Preferences Are Not Choices before a Real Person
传统择偶调查请受访者给外貌、收入、教育、善良和家庭背景打分，再用已婚配偶特征验证偏好。这混合了机会与选择：某人最后和同教育者结婚，可能偏好同类，也可能学校和职业只让他遇到同类。速配把对象轮换，短时间内每个人面对同一组候选，能看见选择发生在哪一步 (Fisman et al. 2006)。
Fisman等在哥伦比亚大学活动中随机安排男女短暂交谈，会后各自秘密表示是否愿再见。命题可被直接推翻：若事前自报权重稳定，声称最重视智力的人应持续对高智力对象发出同意；若现场决定主要随外貌、互动和相对比较变化，问卷便不是行为参数，而是身份叙述。
实验包含四百余名参与者和数千次见面判断。男性平均对外貌反应更强，女性更看重智力、族群与成长社区，女性选择性还随当晚候选数增加，而男性较稳定。数字揭示平均差异，却不能把大学生、数分钟对话和愿再见外推为结婚决定；第三次约会与多年承诺有新的筛选。速配实验问复核门槛预注册3站×13批次。
争议随后发现，人们对理想伴侣的性别化自报差异，常难预测他们对具体对象的浪漫兴趣。速配也有顺序、疲劳和被观察效应：后见对象以先前候选为参照，场地强迫所有人同速评价，现实中人可延长或退出。研究应随机见面顺序、记录每轮基准，并追踪互选后是否联系。参与者又是愿意报名速配者，社交焦虑、同性择偶和不愿公开寻找者被排除；外部效度要由不同年龄、地区和关系目标的复现实验建立 (Eastwick & Finkel 2008)。
反向失效发生在实验更接近市场时。候选越多，女性表面越挑剔，可能不是固定偏好显露，而是比较负担与预期选项增加；扩大活动规模反而降低每段互动深度。若平台把同一结果解释为“女性天然选择性”，市场设计造成的行为会被生物化。2014 年的综合分析因此把平均性别差与具体对象选择拆开：问卷可重复出现的差异，并不保证在实际吸引中以同样权重运作。
本条与第308号新思想1“随机化：先制造可比，再谈因果”相接。最低报告每100次随机见面中一方愿再见、双方互选、交换联系方式、七日内联系和三月仍交往的比例，并按顺序与候选规模分层；不能以所有点击或单边同意作成功分母。2006 年实验还提示一个常被漏掉的接口：活动组织者决定年龄窗、轮换次序和每轮分钟数，这些规则与个人偏好共同生产“可选对象”。若在 3 分钟与 12 分钟场次中性别差异明显换向，现场偏好便不是脱离制度的常数。
乙、理想伴侣清单难预测独特心动Ideal-Partner Lists Poorly Predict Unique Attraction
择偶匹配常以“个人偏好×对象特征”计算契合：甲重视幽默，乙很幽默，模型便预测甲对乙格外有兴趣。问题是对象可能普遍受欢迎，而甲的高评分并非甲独有。必须把共识吸引力、评价者普遍热情和两人特有火花分开，才能检验理想清单 (Joel et al. 2017)。
社会关系模型把一次评分拆成评价者效应、对象效应和关系效应。强命题是，若偏好清单有效，它应预测最后一项：同样面对乙，重视幽默的甲要比不重视的丙更被乙吸引。若偏好只预测大家都觉得乙不错，所谓匹配只是对象主效应换名。
Joel等汇总多个速配样本，使用一百余项自报特征和偏好训练机器学习模型；模型能预测谁总体受欢迎、谁总体容易喜欢人，却几乎不能在见面前预测某两人的独特吸引。参与者与约会组合达到数百人与数千对，交叉验证结果把“数据多就能配对”推到可失败的检验台。
难预测不表示偏好不存在。测量可能过粗，现场气味、语调、时机和共同情境未进入特征；关系效应本身含较大随机误差。一次四分钟兴趣也不等于长期兼容，长期共同经历可能让价值观匹配变重要。研究应分别预测初始互选、持续联系和关系满意，并在全新活动与人群外部验证。特征选择若在同一数据调参，会把偶然相关写成发现；预注册模型、锁定特征、公布零增益是核心 (Joel et al. 2017)。
反向失效出现在平台据此扩大问卷。特征越多，样本内越容易找到微弱组合，宣传中的“科学匹配”更精细，样本外独特兴趣反而未改善；用户还为填写清单付出时间并暴露敏感信息。预测失败应减少过度承诺，而非成为继续收集的理由。2017 年结果也给隐私治理一条硬边界：若新增 50 项敏感问题对全新约会组合的关系方差解释仍为零，收集便没有匹配正当性。平台应公布逐组消融结果，让用户知道哪类资料只服务广告或画像，而不是服务互选。
它与第270号新思想8“个性化不是把更多特征塞进模型”相撞。最低量纲以每100个新约会组合为分母，报告模型对评价者、对象和关系特异方差分别解释多少，并给互选准确率、校准和外部样本下降；只报总体评分相关会让普遍受欢迎冒充个性化。Eastwick 等 2011 的纵向证据还显示，理想—对象匹配有时在关系形成后才与评价共同变化：人们可能把已经喜欢的伴侣重新叙述成符合清单。若平台把交往后的清单回填成事前偏好，时间顺序就被颠倒，所谓精准匹配只是关系合理化。
丙、互惠选择：单边喜欢不是一场匹配Reciprocal Choice: One-Sided Interest Is Not a Match
商品推荐只需估计用户会不会喜欢物品，物品不会拒绝。伴侣推荐有两位行动者：甲喜欢乙，乙可能不喜欢甲；系统若只优化甲的点击，会反复展示几乎不会回复的热门对象。单边兴趣、回复、持续对话和线下见面是不同事件，只有互惠才打开关系形成。
在线约会模型将搜索、发信与回复分别估计，显示双方对年龄、教育、收入、外貌和族群的反应并不对称。强命题是，按甲的偏好排序若真改善匹配，应提高互发消息而非只提高甲发信；若点击升而回复降，推荐目标错了 (Hitsch et al. 2010)。
AER研究使用一家美国约会网站2003至2004年的行为，样本约两万二千名用户和数十万互动，估计用户先搜索、再联系、对方回复的选择。结果显示平台上的配对大体呈年龄、教育与外貌同配，且种族偏好明显；但注册行为不是最终婚姻，离线见面只在部分资料可见。
互惠推荐提出将甲喜欢乙与乙喜欢甲的概率相乘或联合排序，却带来曝光反馈：热门者获得更多展示，其高回复数据更充足；新人和少数群体因历史稀疏被判低概率。双方概率也不是独立，甲的消息质量、时点和平台排序都会改变乙的回应。离线目标还可能不同：一轮回复可出于礼貌或骚扰规避，并不等于愿约会。应将回复、对话轮数、主动交换联系方式、见面和安全举报分层建模，而非压成一个匹配标签。平台还须限制重复展示无回应对象，尊重明确拒绝与屏蔽 (Pizzato et al. 2010)。
反向失效发生在最大化互惠概率时。系统越偏向历史上互相回应的相似人群，新组合越少获得曝光，同质婚配反而被算法锁定；短期回复率上升，跨群体相遇和新用户机会下降。互惠不是唯一价值，还要审计机会分配。2010 年旧日志中的回复模型若直接迁到 2026 年滑动界面，会把当年搜索式网站的主动性当成今天的用户意愿；版本、排序位和付费曝光必须随每次互动留档。
本条与第607号新思想5“婚配市场的双边性”直接对撞：彼条给社会结构，本条给排序目标。最低报告每100次展示中查看、首讯、回复、四轮对话、交换联系方式和见面比例，并以每位用户而非全站总量分层；高活跃少数人不能代表普遍获得匹配。Tu 等 2014 把互惠推荐写成排序问题后，验证仍多停在离线日志；真正的线上试验还应随机保留一部分探索曝光，比较 30 日内互惠与 6 个月关系。没有探索组，模型只会证明自己复制历史最擅长复制的组合。
丁、在线约会是可搜索婚配市场，不是数字通讯录Online Dating Is a Searchable Matching Market, Not a Digital Address Book
早期网上交友常被看作酒吧、朋友介绍之外的另一条通讯渠道，假定同一批人只是换了媒介。可搜索档案改变的更多：用户能同时筛年龄、距离、教育和族群，浏览数百名陌生人，并在接触前进行排序。相遇集合、比较单位和拒绝成本都被界面重做 (Hitsch et al. 2010)。
市场模型把用户决策拆成进入平台、设定过滤器、浏览、发信、回复和离开。可证伪命题是：若平台只是通讯录，使用后伴侣来源与同配结构不应改变；若它穿透朋友网络同时强化可筛选属性，同质婚配会在某些维度升、另一些维度降，必须逐项估计。
2010年研究的约两万二千用户显示明显年龄、教育、收入和族群排序；2012年全国调查则发现互联网对同性伴侣和缺少传统中介者尤其重要。线上相识既能增加陌生人接触，也会通过距离、付费和档案完整度筛选进入者。平台注册人数不是有效候选数，休眠、机器人和不可达距离必须剔除。
争议在选择与因果。愿上网的人可能更年轻、城市化、关系目标不同，线上伴侣差异不一定由平台造成。自报“在网上认识”还混合约会网站、社交媒体、游戏和论坛，界面机制不相同。应记录首次发现、首次私聊、首次见面和关系确认渠道，并比较平台进入前的网络。搜索字段会把连续身份压成类别；不列某族群或只允许二元性别，平台便在相遇前排除。付费墙与地理半径还把收入和居住隔离写进候选池 (Rosenfeld & Thomas 2012)。
反向失效发生在选择更多被当机会更多时。候选数量上升，但排序把注意力集中到少数档案，普通用户的有效曝光反而下降；市场越大，等待与退出更不均。报告总注册数会掩盖注意力垄断，必须给每人曝光分布。2012 年薄市场群体的高线上依赖尤其能检验这一点：对同性与中年用户而言，名义扩容若没有可回应曝光，通讯录变大却不会形成更多关系。
它与第270号新思想6“分类是基础设施，不是中性标签”相接。最低报告每100名活跃用户的可达候选、实际展示、互发消息、见面与稳定关系，并按过滤字段、付费层和性别身份分层；“可搜索”只有在被分类者仍有机会进入结果时才是扩大市场。Potarca 2017 的跨国比较提醒，制度与互联网普及相同也不等于平台机制相同；搜索式网站、滑动式应用和社交媒体私讯给用户的可见信息不同。若三类渠道被合成一栏，开放程度与同配变化就失去可归责的界面对象，也无法追责到底。
戊、族群偏好与同族配对不是一回事Racial Preference Is Not the Same as Same-Race Pairing
婚姻统计中的高同族比例常被直接解释为强烈族群偏好。但最终配对同时由人口构成、地理隔离、学校职业网络、平台展示与双方选择产生。一个小群体即使人人跨族开放，也可能因可遇对象少而呈高同族；另一个群体表面多跨族，也可能只是所在市场多数族群不同。Fisman 2008 的随机轮换正为拆开这两者而设。
速配随机化使不同族群对象在同一活动内被看见，Fisman等据此估计愿再见反应；平台日志则能比较被展示、发信与回复。可证伪命题是：若同族配对完全由机会造成，控制随机见面或共同曝光后同族效应应消失；若仍存在，才可称行为偏好 (Fisman et al. 2008)。
2008年研究发现女性同族偏好平均更强，且参与者自身族群与成长环境影响选择；后续平台研究显示发信与回复存在明显性别化族群层级。数值是特定城市、年龄和平台的条件概率，不是整个族群的固定态度。小样本交叉组合置信区间尤其宽，不能按排名制造刻板印象。族群偏好与复核门槛预注册2站×21批次。
偏好还可能是预期歧视。用户不联系某群体，可能预判不会回复、担忧家人反对或线下安全，而非缺乏吸引；平台历史回复率会强化这种信念。族群分类本身也粗糙，混合身份、国籍、肤色和宗教被压成一栏。研究应分解展示、点击、首讯、回复和持续对话，并询问拒绝原因而不强迫单因。算法若根据过去响应预测“相关对象”，会让低跨族互动自我实现；审计需用随机探索曝光测量潜在兴趣 (Curington et al. 2021)。
反向失效发生在提高回复率时。系统减少历史上低回复的跨族展示，短期拒绝变少，族群隔离反而加深；公平指标若只看用户满意，会奖励不给相遇机会。相遇公平不要求强迫选择，却要求机会不由旧歧视预先关闭。可操作的检验是给每位用户保留一小部分随机跨圈曝光，再比较自愿首讯与举报风险；没有这组探索，算法只会在自己制造的候选集内证明历史偏好稳定。
本条与第609号新思想8“跨种族婚姻禁令：国家先造种族，再禁止跨界”对撞：历史法造边界，平台分类继续分配曝光。最低量纲以每100个潜在可遇组合列实际展示、双方查看、首讯、回复和持续关系，并用市场构成标准化同族率；最终伴侣比例不能单独证明偏好。Robnett 与 Feliciano 2011 发现拒绝叙事常按性别与族群组合变化，说明“同族偏好”不是单一系数。若只给每个族群一个平均值，亚裔女性与亚裔男性面对的分层会被抵消，平台偏差也会假装成对称选择，结论随之明显失真。
己、婚前教育既是劳动投资，也是婚姻市场投资Education before Marriage Is Also an Investment in Matching
教育回报通常按个人工资计算，配偶教育与收入被当后续结果。婚配市场模型指出，青年在结婚前已预期某学历能否吸引更合意伴侣，性别比和同配规则会改变投资。教育既影响就业，也影响候选池、婚龄与家庭转移，二者不能由一条工资回归分开。
Lafortune利用美国移民第二代不同族源队列的男女供给变化，检验未来婚配机会是否改变男性婚前教育和职业投资。强命题是：若婚姻回报存在，同族适婚女性相对增多时，男性提高可被配偶市场奖励的特征；若只有劳动回报，局部性别比不应预测教育 (Lafortune 2013)。
研究把1880至1910年移民潮造成的族群性别比作为变化，发现男性在更有利婚配市场会调整教育、英语和职业，效果沿内婚边界更强。2025年印度研究又直接询问家长，发现他们相信女孩教育提高获得优质婚约的概率，但认为年龄增长会让机会下降；信念可反向推动或阻止教育。
识别难点是性别比并非纯随机。迁移者会选择劳动力市场，族群经济冲击同时改变教育与婚配；内婚边界也会随同化移动。需要用出生队列、来源国冲击和相邻市场做稳健性，并检验实际配偶结果。主观婚姻回报可能受研究情境影响，家长说教育有利，不表示愿让女儿延迟婚龄。婚前投资还有方向性：女性教育可能提高收入却遭遇“高过本人”惩罚，回报随当地性别规范不同。必须同时给工资、婚龄、配偶特征和未婚概率 (Andrew & Adams 2025)。
反向失效发生在把婚姻回报用于倡导教育时。若家长只为提高女儿婚配价值送学，课程和毕业时间可能服从婚约，教育越多，自主职业与拒婚权反而未增加；市场评价一变，投资也会撤回。教育政策应保障本人的长期收益，而非依赖优质配偶承诺。Jensen 2012 的招聘信息试验可作对照组：当真实工作机会可见时，教育与就业变化证明劳动回报有独立通道。
它与第420号新思想7“婚姻市场回报会改变人力资本投资”直接相接。最低报告每100名进入中学的青年中继续教育、就业、初婚、本人选择配偶、婚后工作和未婚者比例，并把家长预期与实际结果并列；只看已婚者配偶质量会删除因教育延迟或拒绝婚姻者。Lafortune 的识别还依赖族源内婚边界，2025 年印度信念实验则直接测家长预期；两种设计若给出相同方向，证据比任何一笔都强。反之，若边界松动后效应消失，婚姻回报只能被解释为特定制度窗口，而非普遍机制。
庚、性别比冲击会重分配议价、婚龄与单身Sex-Ratio Shocks Redistribute Bargaining, Marriage Timing, and Singlehood
婚配市场的性别比常用总人口男女人数计算，再把高男性比例解释为女性议价上升或男性单身增加。真正相关的是一个人在可接受年龄、距离和群体边界内能遇到多少候选。全国比例相同，城市青年和农村中年人可能处于完全不同市场。
Angrist利用二十世纪初美国移民族群性别构成差异，发现女性相对稀缺会改变结婚率、丈夫质量与女性劳动。可证伪命题是：若局部供给影响匹配，同年龄同族市场的外生性别比应改变结果；若全国比率已足够，细分市场不应增加解释力 (Angrist 2002)。
移民来源造成的变化覆盖多个族群与队列，研究发现男性相对多时女性更可能结婚且配偶经济条件改善。后续研究利用一战死亡冲击分析法国女性，显示适婚男性损失影响婚配和非婚生育。亚洲长期出生性别失衡则预示数千万量级的男性婚姻挤压，但人口投影不是实际关系。
边界选择极其关键。教育扩张、跨地区迁移和跨族婚姻会让市场重叠，固定同族范围可能夸大挤压；年龄差也使一个队列影响相邻队列。性别比冲击还同时改变劳动力、住房和暴力风险，婚姻结果未必只经竞争。研究应以多种年龄窗和距离重算，报告迁移反应，并分别观察结婚、单身、配偶差、离婚与安全。总量“剩余男性”标签也会污名个体，预测需给区间和地区分布 (Guilmoto 2012)。
反向失效发生在稀缺等于权力的推断。女性越稀缺，择偶选择可能增加，也可能伴随拐卖、骚扰、早婚和家庭控制；名义议价上升，安全与退出反而恶化。只有本人控制婚龄、收入和离婚权时，稀缺才可能转成福利。Guilmoto 2012 的人口投影适合标出地区压力，却不能决定个人命运；学校、迁移网络和跨年龄婚配会把同一出生比重新分配。任何“剩余人口”数字都应同时给区间、时间窗与可跨界假设。
本条与第607号新思想6“婚姻市场失衡：稀缺会改变议价，也会改变暴力风险”正面相撞。最低量纲以每100名求偶年龄者列局部可婚候选、实际相遇、初婚、非自愿单身、跨区迁移与暴力报告，并按年龄窗重算；人口性别比不能直接充当个人选择数。Abramitzky 等 2011 的法国一战冲击还显示，死亡造成的短缺会持续进入生育与生活安排，而不只改变结婚当年。若观察窗只到初婚，晚结、终身未婚与跨区迁移就被当成删失，最重的市场调整反而不在结果里，政策也会看错真正承受长期挤压的对象与地区。
辛、朋友介绍不是中性渠道：网络先筛掉陌生人Friends Are Not Neutral Intermediaries: Networks Pre-Screen Strangers
伴侣“经朋友认识”常被当作个人选择之前的随机渠道。朋友本身来自同校、同事、邻里和族群网络，他们愿介绍谁还受声誉与责任影响。最终同质配对可能不是两人见面后排斥差异，而是差异对象从未被同一网络带到面前。Rosenfeld 2012 的全国渠道表把这层预筛变成可测路径。
Rosenfeld与Thomas用美国How Couples Meet and Stay Together调查重建相识渠道，提出互联网对缺少传统中介的群体尤其重要。可证伪命题是：若渠道中性，控制个体特征后不同渠道不应改变伴侣多样性；若网络先筛选，线上陌生相识应扩大跨圈层接触 (Rosenfeld & Thomas 2012)。
2009年调查与后续波次显示，朋友、家庭、工作、酒吧和网络的份额快速变化；同性伴侣较早依赖网络。到2017年，美国异性伴侣线上相识比例约四成并超过朋友。数字来自稳定伴侣对相识史的回忆，不包含所有失败约会，渠道份额不能直接当平台成功率。
渠道之间也混合：朋友分享线上档案，社交媒体中的陌生人有共同联系人，工作相识可转到应用。研究必须指定首次发现、首次对话和首次见面由谁促成。回忆会受关系叙事影响，伴侣可能把尴尬平台说成“朋友认识”；应在关系早期记录并双人核对。网络绕开中介可增加选择，也减少朋友提供的身份担保与安全信息。比较必须同时看多样性、持续性和风险，不能把去中介化单向写成解放 (Rosenfeld et al. 2019)。
反向失效发生在平台取代朋友时。弱关系相遇增加，平台排序却可能成为更强的隐形中介；可见朋友减少，分类和付费规则反而更难质询。去中介不是没有中介，而是中介从熟人转到代码与商业制度。HCMST 的渠道份额能看见谁被替代，却看不见新中介内部如何排序；因此应把问卷年份与当时应用的推荐逻辑对齐。否则同一项“线上”横跨十年，实际已经从主动搜索变成算法推送。
它与第608号新思想7“亲属称谓是行动：称呼与回避共同管理关系”对撞：熟人网络用社会义务筛人，平台用字段筛人。最低报告每100段稳定关系的首次发现、私聊、见面与确认渠道，并列失败约会和安全事件；只调查已成伴侣者会把渠道选择后的幸存关系当全部市场。Kalmijn 与 Flap 2001 对学校、工作与邻里网络的比较说明，中介场所不仅提供人，还提供对教育和阶级相似性的机会。2019 年朋友份额下降以后，这些筛选没有消失，而是被推荐半径、活跃度和付费层重写，研究必须保存规则变化的版本号，才能复算当时的候选、展示顺序、付费层级与举报处置。
第二幕不再把平台当成新渠道，而把可见度、排序、市场厚薄与二人交互本身当成待解释对象。2017 年后的日志、纵向伴侣资料和自然实验让研究者追问：谁根本没被展示，谁在向上追求，以及模型为何能预测“大家都喜欢谁”却预测不了哪两人会成为一对。
一、线上相识取代朋友，成为美国异性伴侣首要渠道Meeting Online Displaced Friends as the Leading U.S. Heterosexual Pathway
2009 年以前，异性伴侣如何认识常被写成亲属、朋友、学校、工作与酒吧几条并列渠道；互联网只是其中较新的一条。这个框架忽略了渠道之间会互相替代：当手机上的陌生人搜索足够常见，朋友不再掌握“谁值得见”的入口，工作场所也因反骚扰规范而缩小求偶功能。渠道份额不是传播史的脚注，它决定候选先经过哪一道社会筛选。HCMST 的回溯时间线使这一替代第一次能按相识年份而非访谈年份计算。（Rosenfeld PNAS 2019）
本条把立场锁在入口上：决定近年美国异性伴侣形成渠道变化的，只有线上陌生人相遇对朋友中介的替代。若线上只是旧网络的通讯工具，那么“朋友介绍”和“网上认识”应当重叠增长；若它确实另造入口，朋友、家庭和工作渠道的份额就会同步下降。关键不是某个平台多受欢迎，而是没有共同熟人的两个人能否直接进入彼此候选集，随后在线下自主验证安全、吸引与承诺。
Rosenfeld 团队分析 2009 与 2017 两轮 How Couples Meet and Stay Together 全国资料，并把关系按形成年份排列。对 2017 年新形成的美国异性伴侣，约 39% 报告在线上相识，朋友介绍约 20%；1995 年线上份额接近零。论文还用 2009—2017 追访检验拆散率，没有发现线上相识伴侣显著更脆弱。最重要的读数不是网站用户数，而是成功伴侣分母中渠道份额越过朋友这一历史节点。（Rosenfeld、Thomas 与 Hausen 2019）
争议集中在分类与回忆。Facebook 上由旧同学重新联系算线上，还是学校？一段关系可能先在应用看到档案、再由共同朋友背书，单选渠道会把混合路径压扁。Thomas 2020 还提醒，平台使用者与最终进入稳定伴侣样本者不是同一分母，成功关系不能估计每次搜索的效率。若疫情期间线下接触同时收缩，线上份额上升也含有替代机会减少，而不全是技术吸引增加；2022 年后的回落或延续因此仍需同口径序列。
渠道替代改变了安全与责任安排。朋友介绍把信誉担保、背景核验和拒绝后的善后分散在熟人网络；应用把这些劳动转给用户、审核团队和举报系统。2019 年论文证明入口份额变化，却不证明平台承担了被替代的全部中介功能。监管若只报配对数，会漏掉首次见面前的身份验证、骚扰拦截与退出成本；这些读数应与线上形成的稳定关系数一起结算，而不能留给个体自行吸收。
它与本块辛条形成时间上的交叉：辛条说明朋友为何会预筛陌生人，本条说明这种预筛如何被平台绕开。另见第270号“分类是基础设施”一线：当渠道从熟人判断换成档案字段与排序，候选不是自然扩大，而是被另一套分类重新制造。若 2025 年以后线上份额继续上升却首讯回复率下降，就会出现入口更集中、有效相遇更稀薄的反例，迫使“首要渠道”与“高效渠道”彻底分开。
二、可见度制造欲望层级：婚配市场不是平面Visibility Produces a Desirability Hierarchy: Dating Markets Are Not Flat
早期婚配模型常把偏好放在个人身上，再让市场把双方排成同质配对；“吸引力”像身高或年龄一样是进入市场前已有的属性。线上日志揭开另一层：对象是否可欲，部分由谁愿意冒险联系他、哪些消息被回复以及平台让谁先出现共同定义。若只看最终伴侣，研究者会把多轮追求与拒绝压成静态特征；若只看收到消息数，又会把垃圾信息和被高层级对象主动联系混成同一种注意。
本条的单因立场是：决定平台婚配市场层级的，只有回复网络中由高可欲者传递的可见度。Bruch 与 Newman 不先给外貌、收入或教育加权，而从“谁给谁发首讯”反推位置：被本来就更受追求的人联系，贡献大于被边缘用户联系。这个递归定义近似网络中心性，使婚配市场从一张属性表变成方向网络；它可被反驳，因为换城市、性别或观察窗口后，层级排序若不稳定，递归可见度就不是独立对象。
研究使用 2014 年纽约、波士顿、芝加哥与西雅图一款大型异性约会服务的日志，覆盖约 186,000 名用户和数百万条首讯。按消息网络计算的可欲性在四城都呈陡峭分布，男性位置通常随年龄上升至约 50 岁，女性位置则随年龄下降；教育对男女也给出不同斜率。重要读数是每个人与追求对象的层级差，而不是研究者预设的“好条件”总分。（Bruch 与 Newman 2018）
层级并不等于人的内在价值。平台先决定展示、距离上限和活跃账号，再由用户在这张被裁剪的图上发送消息；少数高曝光者获得更多联系，模型又把这些联系当可欲证据，形成反馈。Hitsch 等的结构模型更强调稳定偏好，2022 年市场动态实验则表明候选供给会改变表达出来的标准。若付费置顶进入日志而研究者看不见，中心性越高可能只是购买越多，层级的社会解释就会方向反号。
这条线最直接的制度后果是审计推荐曝光。单报“平均每人看到多少档案”没有意义，因为相同均值可以来自人人均匀展示，也可以来自头部反复出现。更有辨别力的做法是按性别、年龄、族群与新人状态，公布曝光基尼系数、从展示到首讯的转化率和回复条件概率。2018 年四城差异提示市场是地方性的，平台若把全国排序模型当成统一偏好，会把局部稀缺误写为普遍低可欲。
它与本块丙条相接但不重合：丙条要求双方互惠，本条先问双方能否在同一可见图上出现。也与第175号“注意力分配”的讨论同构：一次展示既是信息提供，也是下一轮数据生产。若将热门档案随机降权后，用户仍以相同次序主动搜索并联系，说明层级主要来自稳定偏好；若次序随曝光大幅重排，就必须承认可见度本身在制造欲望，而不是被动测量欲望。
三、向上追求约四分之一：愿望与回复概率背向移动Aspirational Pursuit Runs About One Quarter Up the Hierarchy
婚配市场的“同质配对”常从最终伴侣相似倒推：既然结婚者教育、年龄或吸引力接近，人们大概从一开始就只追求相近对象。平台行为把这一推论拆开。最终同层配对可能不是愿望相近，而是大量向上联系经过低回复率筛除后的结果。只看配偶会把拒绝路径删掉；只问理想伴侣又看不见人们愿意承担多少失败。首讯、回复与后续对话必须按顺序保留，才能区分愿望、约束和成交。
本条坚持一个可反驳的单因式：决定平台首讯方向的，只有追求者相对对象的可欲层级差。若用户真按同层稳定偏好行动，消息应围绕零差值对称分布；若存在愿望性追求，分布中心就上移，并且回复概率随差值增大而下降。这个立场故意不把文案技巧、活跃时间和照片质量提前并入解释；那些变量应在第四段检验它何时让位，而不是把主张稀释成“很多因素都有关”。
Bruch 与 Newman 在四个美国城市的 2014 年日志中估计，男女发讯对象平均比本人高约 25% 的可欲层级。向上差距增大时得到回复的概率持续下降；男性给更高层级女性写的首讯往往更长、更积极，但额外努力不足以抵消层级差。这个组合读数推翻了“发得多就是偏好强且机会大”：向上首讯越多，愿望信号越清楚，实际双边匹配概率却越低。（Science Advances 2018）
争议首先是“可欲性”与行为由同一日志递归定义，向上追求可能部分是指标构造。其次，平台界面让用户反复看到热门对象，层级差并非全由本人主动选择。Pronk 与 Denissen 的实验还显示，候选越多时拒绝会增加，用户可能不是追求更高，而是在超载中不断延迟承诺。若隐藏排名并随机展示后 25% 上移仍保留，愿望解释增强；若上移消失，原结果更像界面诱导。
向上追求也改变平台的“成功”口径。优化点击会奖励高层级对象反复获得首讯，优化回复可能把用户锁进历史上最易回复的同群，优化稳定关系又需要等待数月。2018 年日志没有线下见面和长期结果，因而不能把首讯策略直接写成伴侣形成策略。实务上应同时报上移幅度、回复斜率、首讯到见面转化和不同层级用户的等待时长，才看得出系统是在扩大选择还是集中落空。
本条与二条共享同一数据却问不同问题：二条刻画市场的层级，本条检验人在层级中怎样移动；与丙条的互惠模型相撞时，首讯最优和匹配最优甚至可相反。另见第308号关于“进入分母”的因果设计：没有发出首讯的人不是零偏好，可能是预期被拒而自我退出。若把这些沉默者纳入随机鼓励实验，向上追求幅度可能低于日志估计，这正是本条最关键的证伪窗口。
四、算法预测不了“你们两人特有的火花”Algorithms Cannot Predict the Unique Spark between Two People
商业匹配长期假定，只要问卷足够长、变量足够多，就能在见面前计算两个人是否有化学反应。统计上却有三种不同目标：某人平均多喜欢别人，某人平均多被别人喜欢，以及这一对比双方平均水平额外多出的关系效应。前两种可由外貌、外向和普遍吸引解释，第三种才是“为什么偏偏是你们”。若训练集把三者混在一起，模型看似预测心动，实际只是在找所有人都容易喜欢的对象。
本条把命题锁定得很窄：决定见面前能否预测独特心动的，只有双方特征之间可迁移的交互项。若匹配算法真掌握关系化学，模型应在新参与者与新对象上优于只用个体主效应的基线；若它只能预测普遍可欲者，则换一批速配对象后增益会消失。这里不把“关系需要发展”当免责声明，而把样本外交互增益写成明确判据。
Joel 等汇集两项速配研究，使用 100 多项自报特征和偏好、约 11,000 次约会后评价，采用随机森林和弹性网等方法。模型可以预测谁通常较受欢迎以及谁通常更容易喜欢别人，却不能稳定预测某一参与者对某一对象的独特兴趣；关系效应的样本外增益接近零。2017 年结果的锋利处，是数据规模与算法复杂度增加后，“偏偏这一对”的预测仍没有出现。（Joel 等 2017）
边界是初始吸引不等于关系质量。Joel 等 2020 整合 43 个纵向伴侣数据集，发现本人对关系的承诺、感激和冲突等关系特定知觉能稳健预测当下满意度；这不推翻 2017，反而说明可预测信号往往在关系已经发生后才出现。若平台声称预测首次心动，却用交往后变量训练，就是时间泄漏；若目标改为预测既有关系的满意度，模型当然可用，但已不是择偶匹配。
这条对产品设计的含义不是停用算法，而是降低承诺层级。算法可以做资格、安全、距离与意愿过滤，也可以让双方获得多样化曝光；它不应把相关性包装成“科学算出灵魂伴侣”。审计时应分列普遍受欢迎主效应、追求者主效应和二人交互的外部验证增益，并公布新用户冷启动结果。否则平均点击率上涨会遮住真正要验证的关系特异预测仍为零。
本条与乙条前后呼应：乙条清算理想清单，四条清算把更多清单交给机器后的承诺。它还可与第270号个性化模型对撞：共享“更多特征带来更准个体预测”的预设，推荐系统常接受排序增益，本条却要求对新二人交互的增益。若未来预注册、多平台研究在完全新参与者上稳定解释关系特异方差，本条就被证伪；在此之前，“匹配”应解释为筛选相遇，不是预知火花。
五、市场厚薄会改变选择标准，而不只改变机会数Market Thickness Changes Choice Standards, Not Only Opportunity Counts
搜索模型常把偏好和机会分开：人先有稳定标准，市场厚薄只决定符合标准的人出现几次。约会应用却让使用者在连续拒绝、突然热门或候选枯竭中校准自己。市场更厚可能增加好匹配，也可能制造选择过载、提高保留选项的诱惑；市场更薄可能迫使标准下降，也可能让人更珍惜一个尚可对象。若偏好会随局部反馈改变，就不能拿一次问卷当作跨城市、跨季节的固定参数。
本条将责任锁在动态供给：决定表达出来的伴侣标准变化的，只有候选市场的即时厚薄。这个说法要求研究者操纵或利用外生供给变化，而不是把“更挑剔的人选择大城市”误作市场效应。可证伪预测是：同一人在可见候选密度改变后，接受阈值、搜索时长或关注特征应系统移动；若只增加浏览次数而阈值不变，稳定偏好模型胜出。
Thomas、Binder 与 Matthies 在 2022 年把实验选择与动态市场模型连接，比较参与者在不同候选供给和反馈位置中的偏好表达。研究显示，进入较有利的市场位置后，人们会提高对对象的标准；处在较不利位置时则调整接受范围，说明偏好不是完全固定的输入。与 2020 年实验相合，候选数量增加还会提高拒绝倾向并降低形成匹配的主观成功。关键读数应是供给冲击前后同一人的接受率差，而非不同城市平均偏好。
实验中的候选卡片和短期选择仍比真实关系便宜。真实平台上，用户可以退出、跨城、购买置顶，也会因骚扰风险而主动缩小候选；这些动作同时改变“市场厚度”与样本组成。若高供给条件主要增加低质量或机器人账号，名义厚度越大，有效候选反而越少。所谓厚薄必须用满足资格且获得真实展示的候选作分母，并与等待时长、回复和线下见面联动。
这条改变了平台 A/B 测试的解释。把一屏从 6 个档案扩到 30 个，点击量上升不能证明匹配机会改善；若拒绝率、比较时间和退出率同时上升，系统是在改写标准。地方政策也会进入市场：大学扩招、工厂关闭、移民限制与住房成本都会改变年龄教育分布。2022 年后的研究若能连接平台日志与这些外生冲击，才可分开人群迁移和同一人的标准回写。
本条与庚条的性别比自然实验互为新旧两幕：庚条强调供给重分配议价，本条强调供给还会改变偏好本身；也与二条的可见度层级相连，因为“可见候选数”并不等于“实际存在人数”。另见第308号对测量干预的提醒：询问理想对象可能让人临时整理标准。若无提示、长期被动日志仍显示阈值随外生供给变动，本条才真正站稳。
六、教育同配与家庭收入不平等：分母决定结论Educational Assortative Mating and Household Inequality Depend on the Denominator
“高学历和高学历结婚，所以不平等加剧”听来直接，实际至少混了三件事：教育层级扩张改变各类人数，女性就业与工资上升改变配偶收入协方差，结婚与单身的选择又改变家庭分母。若把今天的人随机重新配对，结果取决于是否保持年龄、教育边际分布、就业和单身率。不同反事实可以用同一数据得出同配扩大、缩小或几乎不改不平等，争议因此不在有没有同配，而在结算规则。
本条把命题锁在配偶收入联动：决定教育同配对家庭收入不平等贡献的，只有实际配偶收入协方差相对反事实协方差的差。教育相同本身不是结果；只有它通过双方就业与工资同时落在家庭收入上才改变分布。可反驳检验是保持当年男女收入边际分布和婚姻率，再随机改变配对；若基尼系数或顶底比不动，教育同配就不能独立承担不平等增长。
Greenwood 等用美国 1960—2005 年资料估计，若 2005 年婚配完全随机，家庭收入基尼会从约 0.43 降至 0.34，据此强调正向同配。Eika、Mogstad 与 Zafar 2019 重新分解教育类别、工资和劳动供给，指出教育同配本身的长期变化不是全部，女性教育与就业边际分布同样关键。两组结果差异显示，反事实不是技术细节：是否随机跨年龄、是否保留单身和就业，会改写“同配贡献”的大小。（JPE 2019）
配偶协方差也可能由共同居住地、行业和工作时段在婚后形成，而不是择偶时偏好教育。若夫妻因育儿分工让一方退出劳动，观察到的收入相关甚至低于双方潜在工资相关。2023 年挪威行政资料把个人、家庭与代际渠道拆得更细，仍不能把所有婚前选择与婚后共同冲击分开。结论若从“教育同配存在”跳到“限制同配可降不平等”，便越过了制度与行为边界。
政策含义因此不是干预谁与谁结婚，而是把家庭税制、托育、住房与学校分层纳入同一账本。两对教育相同的夫妻，若一对能持续双职、另一对因照护退出，收入分布后果完全不同。年度统计应同时报告教育同配率、潜在工资相关、实际劳动收入相关和单身家庭比例；只报“夫妻学历相同占比”会把结构变化误包装成个人封闭。
它与己条构成因果回路：己条说明预期婚配回报会改变教育投入，本条却常把教育当作进入婚配前给定属性。也与第607号婚姻制度面板相连：税收与财产规则会使相同配对产生不同家庭收入。若把婚前教育、婚后就业和税后收入三阶段分开后，同配反事实贡献仍稳定，本条成立；若贡献主要出现在共同职业与照护安排之后，市场配对便不是唯一驱动。
七、政治同质不是纯偏好：地理与社交场先分层Political Homogamy Is Not Pure Preference: Places and Networks Sort First
夫妻政治相似常被拿来证明人们主动拒绝异党对象；横截面却无法区分三条路径：相似者一开始互选，二人在交往后趋同，或他们本来就被州、学校、教会和职业分进同一相遇场。美国郡级投票与城市居住高度分化，线上应用又允许用生活方式和身份标签筛选。若候选池里几乎没有异党者，最终同质不需要很强的政治厌恶；把配偶结果直接翻译成个人偏好，会把结构性缺席当成主动拒绝。
本条把主张锁定在机会校正：决定观察到的政治同质能否被称为择偶偏好的，只有控制相遇结构后仍保留的同党选择。研究必须在对象除政治标签外相同、且展示机会随机时比较评价，或在日志中把地理、教育、种族和宗教共同分层剥开。若控制后差异消失，同质主要是机会；若仍稳定存在，政治选择才获得独立地位。两种来源不能用一句“共同作用”混过去。
Huber 与 Malhotra 结合全国随机档案实验和一个在线约会社区日志，发现同政治立场的对象得到更正面的评价和更高联系概率；效应量约与教育同质相当、约为族群同质效应的一半。但 Easton 与 Holbein 2021 连做 5 项调查实验，虽同样发现异党对象较不吸引、较不可约会，幅度处于此前“近零”和“极大”结果之间，明确称总体效应温和。（Journal of Politics 2017；JEPS 2021）
实验也有外推边界。受访者知道自己在评价假想档案，表达党派厌恶的社会成本低于现实中拒绝一个具体的人；另一方面，真实应用里的照片和距离会压低政治标签的注意。若平台让用户主动填写党派，披露者本来就更政治化，日志会夸大普通使用者的选择。2025 年关于算法信念与政治筛查的研究进一步提示，用户相信排序“懂自己”时，未必知道同质来自本人筛选还是机器推断。
这条线对极化研究的制度含义是：不能从“同党夫妻多”直接推出亲密关系制造极化。更有用的监测是把相识渠道、邮编、教育场所、宗教参与、政治标签是否可见和首次联系顺序接起来。若住房分隔先让异党者不相遇，鼓励“跨党约会”触不到原因；若随机跨党展示仍被系统拒绝，才需要研究哪种共同任务能降低首轮排斥。
它与戊条的族群偏好分解同构，却不能相互代替：政治身份可隐藏、可改变，族群边界却常被外部归类；把两者按同一字段聚合会损失机制。也可与第609号历史面板对撞：国家和组织先制造可相遇群体，个人随后才选择。决定性证伪是跨平台随机展示：在同地同教育且标签可见时，若政治差异仍不影响首讯与线下见面，政治偏好说便站不住。
八、同性婚配市场：规模更小，地理边界更可穿透Same-Sex Partner Markets Are Thinner Yet More Geographically Permeable
把同性与异性伴侣放进同一个“本地单身人口”模型，会漏掉候选密度与公开成本的数量级差异。在小城、特定年龄或少数身份交叉处，潜在同性伴侣既少又可能不公开；酒吧与朋友介绍还会暴露身份。互联网的作用因此不只是便利，而是让原本无法互相识别的人跨越地理与熟人网络。市场薄并不等于需求弱，它意味着候选存在却没有公共可见入口。
本条的单因立场是：决定同性伴侣更常跨渠道、跨地区形成的，只有本地可公开候选池的稀薄。若原因只是年轻人更爱用技术，那么控制年龄后同性差异应消失；若薄市场才是关键，年龄相同、互联网普及相同的情形下，同性求偶者仍应更依赖线上陌生人和更宽距离。这个说法可被地区密度与渠道日志直接检验，而不是用“少数群体更现代”作含糊解释。
Rosenfeld 与 Thomas 用 2009 年 HCMST 资料发现，互联网对面临薄市场的群体格外重要，同性伴侣和中年异性求偶者尤其常在线上相识。论文估计在 2005 年后形成的同性伴侣中，线上渠道份额远高于异性伴侣，相关后续研究常报告已超过一半；2017 年新一轮调查显示线上相识继续成为同性伴侣的重要入口。关键读数应是跨地区或无共同熟人的形成比例，而非应用安装数。（ASR 2012；PNAS 2019）同性婚配市复核门槛预注册3站×43批次。
“边界可穿透”也会制造新边界。平台用性别二选一、距离、族群和身体类型筛选，跨越地理同时可能加深种族化与性别表达分层；隐私泄露和定位暴露对未出柜者尤为昂贵。Potarca 比较线上线下伴侣时指出，渠道差异不能自动解释为更开放的配对。若大城市同性人口密度已高，线上仍集中同质对象，薄市场机制的解释力就会下降。
这条研究要求平台安全指标按群体重新定分母。平均匹配率不能显示未公开身份者是否敢进入，也看不见被骚扰后删除账号的人。应同时报告匿名浏览到自愿披露、互惠联系到线下见面、举报到有效处置的转化，并允许非二元和双性用户不被迫落入单一市场。法律承认扩大可登记关系，却不自动创造低风险的相遇基础设施。
它与九条“线上替代朋友”不同：九条讲全体渠道份额，本条解释为何某些群体更早、更深依赖该渠道；也与第607号法律承认面板形成接口，登记权发生在关系形成之后，本条处理关系如何有机会开始。若在高密度且公开安全的社区中，同性与异性用户线上依赖差距完全消失，薄市场说得到支持；若仍保持，身份文化与平台设计必须进入解释。
九、迁移扩大候选池，也把身份与签证写进选择Migration Expands the Pool While Writing Status and Visas into Choice
婚姻迁移常被拆成两门研究：家庭研究问为什么选择“家乡”配偶，迁移研究问配偶到达后如何就业整合。拆开会错过形成时刻已经存在的交换。一个英国公民的居留资格、一个境外配偶的教育与家族联系、双方在不同劳动力市场的可兑换性，共同决定谁进入候选池。签证不是关系完成后的行政尾声；收入门槛、同居证明和“真实关系”审查会提前改变谁敢开始、何时结婚及谁承担等待。
本条把主张锁在身份依赖：决定跨境伴侣形成方向的，只有居留资格在关系中的不对称可兑换性。若迁移只是扩大候选池，控制教育、年龄和族群后，境外配偶与境内配偶的形成和权力路径应相近；若签证进入选择，拥有担保权的一方就能把合法居留与教育、劳动力机会交换，关系退出成本也会不对称。第二段先把签证立为单因，第四段再检验亲属网络何时让它让位。
Ersanilli 与 Charsley 分析 2004—2014 年英国劳动力调查中的巴基斯坦穆斯林与印度锡克群体，比较跨国和境内婚姻。结果并不支持简单“用签证换高学历配偶”：两类婚姻都以教育同质为主，迁入配偶即便教育相当，也处在更不利的就业位置。研究说明教育资本能否兑换，取决于英国劳动力市场承认和家庭分工；候选池扩大不等于迁入者获得等价议价。（ESR 2019）
国家还会规定何种亲密算“真”。Staver 与 Eggebø 追踪挪威未婚伴侣规则，发现国内亲密规范日益承认同居与多样关系，移民法规却强化控制，要求共同生活年限、婚姻证书或可核验故事。同性、未婚和因边境无法共居的伴侣尤其容易落出资格。审核越强调防范便利婚姻，关系越可能为通过审查而加速结婚、保存私人通信并表演一致叙事。
这条线的制度读数应从签证通过率转向关系自主。要记录申请前因门槛放弃的伴侣、等待期间的就业与照护、担保权引发的控制、拒签后被迫跨国分居，以及获得独立身份所需时间。只把已获批夫妻当分母，会让审核越严越显得“成功关系纯度高”，因为被阻断者完全消失。移民法对伴侣形成的影响正藏在这些未申请与未团聚的空栏里。
它与己条的教育投资互相反转：己条说预期配偶质量回写教育，本条显示教育能否兑现又被签证与就业许可回写；与第607号制度面板则共享“国家定义谁算家庭”，但本条把定义前移到择偶。若给予迁入配偶独立居留和即时工作权后，关系形成与退出差异大幅收窄，身份依赖机制成立；若毫无变化，族群亲属网络才更接近决定性来源。
十、晚年再伴侣：照护、财产与成年子女共同入场Repartnering in Later Life Brings Care, Property, and Adult Children into the Match
择偶研究长期以未婚青年为默认分母，把五十岁后离婚或丧偶者视为婚姻史的结尾。人口老龄化与灰色离婚增加后，这个遗漏变大：晚年单身者可能约会、同居、再婚或保持“分居相伴”，而每种形式都重新安排照护、住房、退休金、遗产和成年子女。询问“有没有再婚”会把大量稳定关系写成没有伴侣，也会把不愿合并家庭误作无法获得匹配。
本条的单因主张是：决定晚年求偶能否进入稳定关系的，只有双方对照护与资产边界的兼容。外貌、陪伴和共同兴趣可以触发约会，但是否同住、是否再婚取决于谁承担疾病照护、住房如何合并、遗产是否影响子女。若边界安排不是决定项，那么控制健康和资产后，约会应自然转换为同居或婚姻；若大量人主动保持分居相伴，青年式“升级阶梯”就被证伪。
Brown 与 Shinohara 用全国 Social Life, Health, and Aging Project 描绘 57—85 岁未婚者，发现约会关系比同居更常见，并呈明显性别与资源差异。后续 Health and Retirement Study 对 5,415 名在 50 岁后经历离婚或丧偶者的研究显示，多数仍未再伴侣；离婚女性相较丧偶女性，再婚相对风险约 2.70，同居约 2.07。空巢、年龄与既往解体路径都会改变再伴侣形式。（Brown 等 2018）
这些关联不是纯偏好。健康较差者可能需要陪伴也更难进入约会市场，富有者既有吸引力又更担心资产合并；男性和女性在照护预期上面对不同约束。成年子女会支持、反对或担心继承，研究若只访谈父母就看不见这条谈判。de Jong Gierveld 与 Merz 2013 说明子女关系进入离婚或丧偶后的伴侣决策，家庭边界并未因子女成年而退出。
晚年平台若沿用青年“快速同居—结婚”成功指标，会误判用户目标。更合适的结果包括稳定约会月数、双方独立住房保持、照护承诺是否明确、财务欺诈和遗产冲突，以及在疾病发生时关系是否持续。2013 年访谈还显示，女性常希望陪伴而不重新承担照护；把不愿再婚标为匹配失败，恰好把自主边界当成缺陷。
它与庚条的性别比不同：晚年女性常因寿命差面临男性候选稀缺，但即使有候选，照护和财产仍决定关系形态；也与第607号财产制度接口相接，再婚会改变继承和医疗代理。若提供可执行的同居协议、独立财产和照护安排后，稳定关系转化明显增加，边界机制得到支持；若仅候选曝光变化就足以解释，市场厚薄更接近决定因素。Brown 2017 对晚年同居的综述还要求把关系转换次序纳入婚姻传记，不能用一次调查截面代替；至少应有两轮追访。
十一、“婚姻回报”会反向塑造女孩教育信念Expected Marriage Returns Feed Back into Girls’ Educational Beliefs
教育通常被建模为提高本人未来工资的人力资本投资，婚姻则在教育完成后按学历同配。这个顺序漏掉了家庭在青春期就预判婚配市场：多上一年学会不会提高可选择配偶的教育与收入，会不会推迟婚龄，或反而因“过度教育”缩小可接受候选。若家长把女儿教育主要看作婚姻信号，入学反应可以很强，却不保证毕业后持续就业与自主收入。
本条把立场锁在信念反馈：决定家庭为女孩增加教育投入的，只有其相信教育会提高优质婚配概率。工资信息、信贷和学校距离暂时作为竞争解释；真正判据是单独改变家长对婚配回报的认识，教育选择是否随之移动。若只提供劳动市场收益便产生同样变化，婚姻回报不是决定项；若婚配信念更新而入学、升学或课程选择改变，因果方向就从“教育影响婚姻”反转了一次。
Andrew 与 Adams 2025 在印度用选择与信息实验揭示家庭关于教育婚配回报的信念：受访者普遍认为更高教育会改变女儿获得较高质量配偶的机会，并据此评估学校投资。论文把“显示信念”与口头赞成教育分开，以配偶分布选择计算隐含回报；结合 Lafortune 的历史性别比冲击，证据显示婚配市场条件确会回写教育。关键不是平均愿意多上几年，而是婚配信念变化解释的教育投资份额。婚姻回报会复核门槛预注册6站×49批次。
边界在于“优质配偶”可能由家长定义，而不等于女孩自己的福利。教育若只提高嫁入富裕家庭的概率，同时使女方退出劳动、控制权未增，表面回报与自主回报方向会相反。Jensen 2012 在印度给年轻女性提供招聘机会，显示真实劳动需求信息能提高就业和教育，提醒工资路径不能被婚姻叙事吞掉。家庭回答还会迎合研究者对教育的期待，行为检验必须跟到真实缴费和继续就学。
政策设计由此要把两种回报分开呈现。奖学金与招聘信息若只强调“更好嫁”，可能短期提高入学却巩固教育的婚姻工具化；只强调工资，又可能低估家庭实际决策模型。应同步追踪入学、毕业、首次就业、婚龄、本人选择配偶权和婚后劳动参与。2025 年证据的价值不是建议利用婚配动机，而是让原本藏在家庭谈判里的信念成为可测变量。
它与己条共享教育—婚配回路，但己条从人口冲击识别投资，本条直接打开家庭信念；与六条则方向相反，六条把教育视为配对输入，本条表明输入本身被预期配对塑造。若在工资和安全信息充分、配偶选择权由女孩掌握的样本中，婚配信念不再预测教育投资，本条边界成立；若仍强，身份与地位回报可能比经济回报更深。
十二、机器学习极限：伴侣形成是二人关系，不是两份特征相加The Machine-Learning Limit: Couple Formation Is a Relation, Not Two Feature Vectors
伴侣研究进入机器学习后，最容易把数据量与预测目标混为一谈。数百个个体变量、两人的性格和依恋、收入与家庭史可以提升拟合，但关系是共同经历不断生成的状态：承诺、冲突、感激和性满意度既预测未来，也被当下关系质量回写。若随机切分同一对夫妻的多次观测，模型会在训练集见过这个人或这段关系，所谓样本外其实只是时间邻近。
本条把判断压到外部迁移：决定伴侣模型是否真能预测形成与维持的，只有双方交互在全新夫妻、全新阶段上的增益。把甲的特征预测值和乙的特征预测值相加，不等于预测甲与乙这一对。合格检验必须按夫妻而非记录切分，并把关系开始前、关系形成后严格分开；若交互增益在新队列消失，模型只能描述已有关系，不能承担择偶承诺。
Joel 等 2020 的 Relationship Machine Learning 项目汇集 43 个纵向伴侣数据集、11,000 多对夫妻及多种算法。最稳健的预测量是本人报告的关系特定变量，如感知承诺、感激、性满意和冲突；个体特质对关系质量的额外预测较弱，且模型对随时间变化的满意度增量预测有限。这个结果常被误读为算法能配对，实际数据对象已经是形成中的夫妻。（PNAS 2020）
McNulty 等 2021 指出伴侣的自动态度可在某些新婚样本中预测满意度变化，说明人们不易言说的评价可能提供增量；Johnson 等 2022 又强调跨研究预测和可重复性的边界。不同结论并非谁算法更强，而是目标、切分和关系阶段不同。若用婚后冲突预测婚后满意度，准确不等于在见面前找到对象；若只对某一队列调参，外部失败也不能归咎于“爱情不可量化”。
平台与咨询实践应因此给每个模型标明时间戳和用途。见面前模型可做安全与意愿筛选，交往中模型可提示冲突轨迹，婚后模型可识别求助窗口；三者不能互相冒名。报告至少应列出按夫妻留出的测试、跨站点性能、加入交互后的增益、误差在同性和少数群体中的分布。若只发布总体 AUC 或相关，模型很可能靠重复个体和基线满意度取巧。
它与四条不同：四条问初次见面的独特火花，本条把时间推到关系形成和维持，检验同一统计承诺是否跨阶段；也与第270号个性化一线共享“特征越多越懂你”的预设。真正证伪本条的结果，是预注册模型仅用关系前资料，在完全新平台和新夫妻中稳定提高伴侣形成与两年维持的预测；在那之前，二人关系不能被两份个人档案的加法取代。
◎ 二十年连起来看
第一条贯穿线是把“配偶是谁”改写成“谁先有机会出现”。2006 年速配随机见面，2010 年平台日志分开发信与回复，2019 年 HCMST 又显示线上陌生人入口超过朋友；研究对象由已婚配偶倒推，前移到展示、相遇、首讯和互惠的事件链。
第二条贯穿线是把固定偏好改写成市场内生成的标准。Bruch 与 Newman 2018 发现约四分之一的向上追求，Thomas 等 2022 则让候选厚薄回写接受阈值；可欲层级不只是人的属性，也由排序、回复和地方供给连续制造。
第三条贯穿线是把两份个人资料改写成一段关系。Joel 等 2017 无法预测独特火花，2020 年的 43 个纵向数据集却能从关系形成后的承诺与冲突预测满意度；能描述既有关系，不等于能在见面前算出谁该在一起。
◎ 三个常见误解
误解一：同质伴侣多，就证明人们强烈偏好同类。Fisman 2008、Huber 与 Malhotra 2017 都要求先控制共同曝光；居住、学校、朋友和平台已筛过候选，最终同族或同党比例不能单独当偏好系数。
误解二：候选越多，找到伴侣必然越容易。2020 年选择过载实验与 2022 年市场动态研究显示，更多候选可提高拒绝和延迟承诺；注册人数、真实可回应人数与每位用户获得的有效曝光是三个分母。
误解三：机器学习有 43 个数据集，就能推荐灵魂伴侣。Joel 2020 的最强变量来自关系已经发生后的感知承诺、感激与冲突；它支持关系质量描述，不支持把两份见面前档案相加成一段未来。
◎ 与相邻领域的接口
与平台治理的分工判据是“展示之前还是选择之后”。本块用 Bruch 2018 的层级差、首讯和回复审计伴侣形成；第270号一类推荐系统面板处理排序与个性化。若争议发生在谁根本未被展示，先归平台治理；若发生在双方见面后是否互选，归关系研究。
与婚姻制度史的分工判据是“关系资格还是关系入口”。第607、609号追踪法律、登记、族群分类与财产规则，本块追踪相遇和互惠。签证或反通婚法若在见面前裁剪候选，它进入本块；登记与继承在关系形成后改写权利，则由制度史结算。
与教育经济学的分工判据是“教育作为投入还是作为匹配信号”。Lafortune 2013 与 Andrew—Adams 2025 把婚姻回报写进家庭教育信念；第420号处理人力资本回报。工资机会变化归教育经济，配偶供给和优质婚配信念回写入学归婚配市场。
◎ 争议现场
第一场未收敛争论是线上渠道究竟扩大多样性还是复制隔离。Rosenfeld 2019 证明渠道替代，Curington 2021 则记录平台内族群层级。要收敛，需随机保留跨圈曝光，并把展示、首讯、回复、见面与六个月关系逐层公开。
第二场是可欲层级测量了偏好，还是制造了偏好。Bruch 2018 的递归位置来自消息网络，付费置顶与推荐却能改变同一网络。要收敛，需在 2026 年真实平台随机改变排序、保存版本号，再比较用户主动搜索是否恢复原次序。
第三场是政治同质有多大。Huber 2017 的效应约等于教育同质、为族群同质一半，Easton—Holbein 2021 的 5 项实验却把幅度压到温和。收敛条件是跨平台预注册同一档案实验，并以线下见面而非好感评分作终点。
◎ 往下五年看什么
看平台是否开始公布有效候选分母。到 2031 年，至少应能按城市、年龄和身份看到每 100 个活跃账号中的真实展示者、互惠首讯者与线下见面者；若仍只报注册和匹配总数，薄市场与机器人污染无法区分。
看关系预测是否真正跨夫妻验证。未来模型应按夫妻留出测试，并报告关系前资料对两年维持的交互增益；若 2027—2031 年多平台外部验证仍接近零，“科学配对”就应降格为曝光与安全筛选。
看婚姻市场冲击是否同时记录安全与退出。性别比、迁移和晚年再伴侣研究不能只报结婚率；每 100 名求偶者的非自愿单身、暴力报告、独立居留、照护协议与主动不婚比例，才显示稀缺是否真的转成议价。
◎ 可与哪些领域对撞
本块第四条“算法预测不了独特火花”×第270号新思想8“个性化不是把更多特征塞进模型”。两边共享“更多特征会提高个体预测”的预设；推荐系统接受排序点击增益，本块却要求新二人关系方差增益。若两边都成立，就必须承认“个性化”可改善曝光，却不能推出更适合的伴侣。
本块第七条“性别比冲击”×第308号新思想1“随机化：先制造可比，再谈因果”。两边共享局部样本能代表目标市场；自然实验把族群性别比当外生，统计设计却要求迁移和劳动力通道同时可比。若两边都成立，性别比效应只能在未被冲击回写的边界内解释，跨区迁移恰是矛盾落点。
本块第九条“迁移把签证写进选择”×第609号新思想8“国家先造种族，再禁止跨界”。共享预设是国家只在关系之后确认身份；本块说审核提前塑造择偶，第609号则显示法律先造可婚边界。若两边都成立，所谓私人偏好必含国家预先分配的候选资格。
本块第十一条“婚姻回报塑造教育信念”×第420号新思想7“婚姻市场回报会改变人力资本投资”。共享教育回报可由家庭统一结算；本块强调家长的优质婚配信念，第420号强调工资和人力资本。若两者方向相反，女孩入学增加仍可能伴随婚后就业下降，教育数量便不能独立代表自主收益。
◎ 十条可做的研究命题
- 命题：随机降低热门档案曝光会提高普通用户互惠率。怎么做：2027 年跨城平台分层随机 5% 排序位。什么算证伪：普通用户见面率不升或举报率上升。
- 命题：朋友中介减少后，安全核验劳动转给用户。怎么做：连接 HCMST 渠道与首次见面核验日志。什么算证伪：线上与朋友渠道的核验时长、风险无差。
- 命题：政治同质主要由相遇结构而非拒绝偏好产生。怎么做：同地同教育随机展示异党档案。什么算证伪：控制机会后首讯差仍等于原始配偶差。
- 命题：薄市场用户从扩大半径获益多于增加档案数。怎么做：对同性和中年用户分别随机半径与页数。什么算证伪：两种处理的线下见面增益相同。
- 命题：跨族随机探索能减隔离而不增加骚扰。怎么做：保留 10% 多样化曝光并追踪举报。什么算证伪：持续关系不升或安全事件显著增加。
- 命题：独立居留会削弱婚姻迁移中的身份依赖。怎么做：利用签证改革比较形成、就业与退出。什么算证伪：依附与独立签证组的控制差不变。
- 命题：晚年分居相伴是目标而非再婚失败。怎么做：对 50 岁后求偶者做三年月度追访。什么算证伪：获得资产与照护协议后仍普遍转向同住。
- 命题：婚配信念信息会改变女孩真实教育投入。怎么做：随机提供配偶回报与工资回报两类信息。什么算证伪：缴费、在学与毕业均不发生组间差。
- 命题：按夫妻留出会显著降低关系模型性能。怎么做：用 Joel 2020 数据重做记录切分与夫妻切分。什么算证伪：两种切分的外部误差相同。
- 命题：候选厚度冲击会回写接受阈值。怎么做：利用学期开学或工厂搬迁做事件研究。什么算证伪：同一用户阈值不动，仅浏览次数改变。
◎ 资料核验
- Fisman, R. et al. 2006. “Gender Differences in Mate Selection.” Quarterly Journal of Economics 121(2):673–697. DOI 10.1162/qjec.2006.121.2.673.
- Eastwick, P. W. & Finkel, E. J. 2008. “Sex Differences in Mate Preferences Revisited.” JPSP 94(2):245–264.
- Eastwick, P. W. et al. 2014. “The Predictive Validity of Ideal Partner Preferences.” Psychological Bulletin 140(3):623–665.
- Joel, S. et al. 2017. “Is Romantic Desire Predictable?” Psychological Science 28(10):1478–1489. DOI 10.1177/0956797617714580.
- Hitsch, G., Hortaçsu, A. & Ariely, D. 2010. “Matching and Sorting in Online Dating.” American Economic Review 100(1):130–163. DOI 10.1257/aer.100.1.130.
- Pizzato, L. et al. 2010. “Reciprocal Recommender Systems.” RecSys 2010.
- Rosenfeld, M. J. & Thomas, R. J. 2012. “Searching for a Mate.” American Sociological Review 77(4):523–547. DOI 10.1177/0003122412448050.
- Potarca, G. 2017. “Does the Internet Affect Assortative Mating?” Journal of Family Research 29(3):277–297.
- Fisman, R. et al. 2008. “Racial Preferences in Dating.” Review of Economic Studies 75(1):117–132.
- Robnett, B. & Feliciano, C. 2011. “Patterns of Racial-Ethnic Exclusion by Internet Daters.” Social Forces 89(3):807–828.
- Curington, C. V., Lundquist, J. H. & Lin, K.-H. 2021. The Dating Divide. University of California Press.
- Lafortune, J. 2013. “Making Yourself Attractive.” AEJ: Applied Economics 5(2):151–178. DOI 10.1257/app.5.2.151.
- Jensen, R. 2012. “Do Labor Market Opportunities Affect Young Women’s Work and Family Decisions?” QJE 127(2):753–792. DOI 10.1093/qje/qjs002.
- Andrew, A. & Adams, A. 2025. “Revealed Beliefs and the Marriage Market Return to Education.” QJE 140(3):2107–2167.
- Angrist, J. 2002. “How Do Sex Ratios Affect Marriage and Labor Markets?” QJE 117(3):997–1038.
- Abramitzky, R., Delavande, A. & Vasconcelos, L. 2011. “Marrying Up.” AER 101(3):1240–1272.
- Guilmoto, C. Z. 2012. “Skewed Sex Ratios at Birth and Future Marriage Squeeze.” Population and Development Review 38(2):221–243.
- Rosenfeld, M. J., Thomas, R. J. & Hausen, S. 2019. “Disintermediating Your Friends.” PNAS 116(36):17753–17758. DOI 10.1073/pnas.1908630116.
- Bruch, E. E. & Newman, M. E. J. 2018. “Aspirational Pursuit of Mates in Online Dating Markets.” Science Advances 4(8):eaap9815. DOI 10.1126/sciadv.aap9815.
- Thomas, A. G., Binder, A. & Matthies, J. 2022. “The Effect of Mating Market Dynamics on Partner Preferences.” Science Advances 8(35):eabm5629.
- Pronk, T. M. & Denissen, J. J. A. 2020. “A Rejection Mind-Set.” Social Psychological and Personality Science 11(3):388–396.
- Joel, S. et al. 2020. “Machine Learning Uncovers the Most Robust Self-Report Predictors of Relationship Quality.” PNAS 117(32):19061–19071.
- Greenwood, J. et al. 2014. “Marry Your Like.” American Economic Review 104(5):348–353.
- Eika, L., Mogstad, M. & Zafar, B. 2019. “Educational Assortative Mating and Household Income Inequality.” JPE 127(6):2795–2835.
- Bratsberg, B. et al. 2023. “Trends in Assortative Mating and Offspring Outcomes.” Economic Journal 133(651):928–950.
- Huber, G. A. & Malhotra, N. 2017. “Political Homophily in Social Relationships.” Journal of Politics 79(1):269–283. DOI 10.1086/687533.
- Easton, M. J. & Holbein, J. B. 2021. “The Democracy of Dating.” Journal of Experimental Political Science 8(3):260–272.
- Ersanilli, E. & Charsley, K. 2019. “A Good Match?” European Sociological Review 35(1):133–150. DOI 10.1093/esr/jcy040.
- Staver, A. B. & Eggebø, H. 2023. “Unmarried Partners in Norwegian Immigration Regulation.” Social Politics 30(4):1018–1039. DOI 10.1093/sp/jxad005.
- Brown, S. L. & Shinohara, S. K. 2013. “Dating Relationships in Older Adulthood.” Journal of Marriage and Family 75(5):1194–1202.
- de Jong Gierveld, J. & Merz, E. M. 2013. “Parents’ Partnership Decision Making after Divorce or Widowhood.” JMF 75(5):1098–1113.
- Brown, S. L. et al. 2018. “Later Life Marital Dissolution and Repartnership Status.” Journals of Gerontology B 73(6):1032–1042.
- Brown, S. L. 2017. “Marriage, Cohabitation, and Divorce in Later Life.” Innovation in Aging 1(2):igx015.
- Finkel, E. J. et al. 2012. “Online Dating.” Psychological Science in the Public Interest 13(1):3–66.
- McNulty, J. K. et al. 2021. “Implicit Evaluations Predict Changes in Relationship Satisfaction.” PNAS 118(23):e2101402118.
- Johnson, M. D. et al. 2022. “Relationship Science and Prediction across Samples.” PNAS 119(52):e2209460119.
- Rosenfeld, M. J. 2025. “Singleness and the Pandemic Dating Recession.” Journal of Family Issues 46(6):1001–1027.
第610号 · 择偶、婚配市场与伴侣形成 · 王德生 亲撰