失調有“度”：區分度影響群體認同的閾值效應及心理機制

1引言

獨木不成林，群體認同作為個體與社會相互聯系的紐帶，既是個體心理健康的支柱，也是社會穩定繁榮的動力源泉（王勍，俞國良，2016。根據社會認同理論，群體認同指個人對自己所在的群體有歸屬感，并將群體的目標、規范和行為作為自己追求的目標和行為準則（Hornseyamp;Jetten，2004）。個體與群體中其他人產生交集和聯系的同時，差異是不可避免的存在。Brewer（1991）的最優區分理論（OptimalDistinctivenessModel）從連續體視角定義了區分度（distinctiveness）的概念，區分度為自己與他人在個人特征上的差異程度（Beckeretal.，2012;Doeselaaretal.，2019）。個體如何平衡自我與他人之間的差異，這種平衡又如何影響個體對群體的認同感？這一直都是人類社會生活的核心問題。以往研究多在二分視角和群際背景下探討區分度對群體認同的影響，仍不明晰在群體內背景下自我和群體其他成員的區分度對群體認同的具體影響模式和影響機制。基于此，本研究將在不同的區分層次和群體屬性上對此問題進行系統的探討。

1.1 群體內背景下自我和群體的區分

根據社會認同理論，社會認同源于自我概念和群體概念兩個維度。其中自我概念包括“我\"區別于其他人的與眾不同的特征、態度、記憶和行為等；而群體概念包括從“我們\"所在的群體中得到的集體意識，源于群體內的同化和統一（Hornsey amp; Jetten，2004；黃殷，寇或，2013;Moonamp;Sung，2015；鄒小燕等，2018）。在群體內環境下研究自我和群體的區分如何影響群體認同時，大多數研究使用社會/個人身份二分法（Social/Personal Identity Dichotomy，SPID；Walker，2022），將與群體相似的同化和個人獨特的分化操縱為非此即彼的兩個水平，對于同化還是分化更有利于群體發展的問題得到了矛盾和極端的結論（Goldenberg etal.，2019;Harrison et al.，1998；Jaffé et al.，2022；Kawakami et al.，2018;Konovalovaamp; Mens，2019;Paleseamp; Schmid Mast，2020）。

然而，社會認同是流動的，追求自我和融入群體并不是非此即彼的沖突（楊通平，陳國典，2020），二分法未能捕捉到現實中自我和群體區分的復雜性，也忽視了自我概念和群體概念之間的動態平衡（Walker，2022）。基于平衡的連續體視角，Brewer（1991）在群體間比較的背景下提出了最優區分理論。該理論認為群體要同時滿足個體融入群體的同化需求和區分于其他人的分化需求，同化需求在群體內得到滿足，而分化需求則在群體間比較中得到滿足（Brewer，1991）。最優區分理論假設區分度與群體認同呈“倒U型”關系，存在一個適中的區分度既能滿足成員歸屬的需要，又能保持與其他群體相區別的清晰邊界，此時個體對群體的認同也達到最佳水平（Pickett，Silver etal.，2002）。

但最優區分理論忽視了分化需求也需要在群體內部滿足的重要性（Pickett，Silver etal.，2002）。在某種程度上與眾不同被視為一種積極品質，群體同質性的相關研究表明在一般情境下，人們持有內群體是多樣化的期待（Rubinamp;Badea，2012），表明個體在群體內部也存在分化需求。當群體內的分化需求受挫時，個體也會采取措施來實現更大的獨特性（Buis etal.，2019;Ormiston，2016）。因此，群體內情境對個體身份的構建是不可或缺的，研究者也開始在群體內背景下借鑒區分度的連續體概念來探討其對群體發展的可能影響，但仍不明晰具體的影響模式。前人研究使用虛假人格反饋任務操縱了自我和內群體的區分度，結果發現與群體間比較不同，在群體內背景下個體的同化需求和分化需求在很大程度上是此消彼長的（Pickett，Bonneretal.，2002）但該研究并未探討后續其對群體結果的影響。進一步，研究在非群體的二人戀愛組中探討了需求的平衡對關系承諾的影響，結果發現關系承諾并沒有因為兩種需求水平都達到了適中水平就達到最佳水平（Slotteretal.，2014）。與此類似，在3至4人組成的真實群體中研究者分析發現成員彼此間在人格上的區分度與群體承諾間的“倒U型\"影響關系也不成立（Wayetal.，2022）。綜合以上研究，在群體內背景下區分度對群體認同的影響似乎與最優區分理論對群體間環境的假設不一致，但仍不明晰具體的影響模式。

1.2區分度對認知失調和群體認同的非線性影響

以往研究表明群體結果并未在中等程度的區分度下達到最優（Slotteretal.，2014；Wayetal.，2022），這可能表明在群體內部，同化需求和分化需求達到平衡的權重存在不同。在對群體認同的影響上，同化需求似乎比分化需求擁有更高的權重。Buis等人（2019）認為當群體內的分化需求受挫時，成員會培養群體之外的興趣或才能，通過改變個人特質來滿足獨特需求；一旦當同化需求受挫，成員可能會拒絕該群體身份，選擇加入其他更適合他們的群體以增強歸屬感。這與Festinger（1957）提出的群體認知失調理論（IntragroupDissonanceTheory）假設一致，該理論假設當群體同化和個人分化兩種認知沖突時會出現認知失調的厭惡心理狀態（Glasfordetal.，2009）。而對于群體認同而言，Glasford等人（2009）的實證研究發現雖然自我肯定和群體肯定都能緩解群體內的認知失調，但群體肯定能夠增強群體認同。沒有得到群體支持的個體表現出最需要通過態度改變和降低群體認同水平來減少認知失調程度（McKimmie etal.，2003）。

綜上，群體內部區分度的增加會增加認知失調程度，從而對群體認同產生消極影響。但另一方面根據社會認同的平衡觀點，盡管權重不同，區分度增加產生的自我獨特感仍會不斷與缺失的歸屬感進行平衡（Hornseyamp;Jetten，2004），導致這種消極影響呈現出非線性模式（Wayetal.，2022）。盡管來自群體的肯定對認知失調產生主要影響，通過肯定自我屬性同樣能夠調節此過程（Matzamp;Wood，2005）。新近，研究者將自我和群體在行為上的區分操縱為三個水平來探討其對群體認同的影響，結果也發現了類似的非線性趨勢，區分水平最高和中等條件下群體認同無顯著差異，但均顯著高于區分水平最低的條件（Krishnaamp;Gotz，2024）。根據心理物理法的閾值假說（馬謀超，1990），當個體感知到區分度時，認知失調水平和群體認同會發生連續變化，但變化并不都是清晰可覺察的，在反應的過程中存在閾值點，當區分度超過該閾值點后，認知失調會產生顯著的作用，從而導致個體以不認同群體的方式來減少失調水平。根據以上研究，在群體內背景下區分度可能對認知失調和群體認同產生非線性的影響，但仍不明晰具體的影響模式，也不明晰使群體認同從“認同\"到“不認同\"的區分閾值范圍。

1.3 自我和群體區分結構的調節作用

在探討自我和群體的區分問題時，為了避免得到矛盾的結論，研究者從不同的視角對區分度進行了解構（Haans，2019；Harrison et al.，1998；Leachetal.，2008;Smaldinoamp;Epstein，2015）。當考慮區分的層次時，Leach等人（2008）提出的群體認同層次模型認為自我和群體的比較包含兩個層次：比較自己與群體內平均成員的差異，和比較群體成員相互間的差異。Smaldino 和Epstein（2015）在這兩個區分層次上探索了自我和群體的關系，以與群體平均值的絕對距離和群體標準差為區分度的兩個指標，為相關研究提供了正式的區分度定義模型。兩種層次的區分度對群體認同可能存在不同程度的消極影響。在比較成員相互間的差異方面，研究表明當個體發現存在其他群體成員和自己一樣偏離群體時，其認知失調程度得到了緩解（Glasfordetal.，2009;McKimmieetal.，2003）。Haans（2019）提出在群體內部的區分度主要意味著相對于平均位置的差異。因此，自我和群體平均值比較的層次可能更為重要，在該層次上隨著區分程度的增加更難保持自我和群體的平衡，即更容易導致認知失調，因此區分閾值可能更低。

當考慮區分度的不同屬性來源時，Harrison等人（1998）認為區分度有表層（Surface-Level）屬性和深層（Deep-Level）屬性兩種來源。其中表層屬性被定義為人口統計特征，這些特征通常包括反映在身體表面的年齡、性別和種族/民族。深層屬性指團隊成員心理特征之間的差異，如成員的個性、價值觀和態度等。隨著時間的推移，潛在的深層特征表現在行為模式、語言和非語言交流以及個人信息交換中（Harrisonetal.，1998）。表層區分度和深層區分度對群體過程的影響并不總是一致的（Phillipsamp;Loyd，2006），研究發現表層屬性差異是接受深層屬性差異的敲門磚，即表層屬性上的差異更能被接受（Phillipsamp;Loyd，2006）。關于認知失調的實證研究也表明，與他人在態度上的不一致是認知失調的根源（Matzamp;Wood，2005）。并且研究者通過元分析發現雖然區分度在表層屬性和深層屬性上都與身份融合呈負相關，但深層屬性的負相關程度比表層屬性更強（Guillaumeetal.，2012）。這表明與表層屬性相比，在深層屬性上區分度可能更容易導致認知失調，對群體認同可能具有更低的區分閾值。

1.4 研究問題與假設

社會認同來源于自我和群體的平衡。在群際背景下，最優區分理論基于連續體視角提出區分度和群體認同的關系呈“倒U型”。但在群體內背景下仍不明晰區分度對群體認同的影響模式和具體區分閾值的范圍。基于此，本研究擬在群體內背景下通過3個實驗從不同的區分結構更系統地探討區分度對群體認同的影響模式和心理機制。

實驗1在基線水平探索不同區分層次的區分度對群體認同的影響模式。提出假設：區分度對群體認同產生非線性的消極影響，存在使群體認同突降的區分閾值；與比較群體自身變異層次相比，比較與群體平均值差異層次的區分閾值更低。

實驗2加入群體屬性變量，探討其對區分閾值的調節作用。假設深層屬性的區分閾值比表層屬性更低。

實驗3在前兩個實驗基礎上探討群體認知失調在其中的心理機制。假設群體認知失調起中介作用，其中區分度正向預測失調水平，失調水平則負向預測群體認同水平。并且區分度對群體認知失調的正向影響模式與區分度對群體認同的負向影響模式相同。

2 實驗1：區分度對群體認同的影響模式

實驗1旨在不同的區分層次上探索自我和群體內的區分度對群體認同的影響，基于連續體視角建立區分度影響群體認同的數學模型。自變量區分度為自我和群體進行比較的差異程度，0表示自我和群體完全相同，1表示自我和群體完全不同，以0.1為間隔從0至1共11個水平。在區分層次上，分為比較與平均值差異和比較群體自身變異性兩個水平。因變量為被試對群體的認同情況，指標為對群體的認同選擇結果。

2.1 方法

2.1.1 被試

采用G*Power3.1軟件（Fauletal.，2007）計算進行混合線性回歸分析的預計被試量 、P o w e r = 0 . 9 、Numberofpredictors ，達到中等效應量 最少需要73名被試。實際被試為線下招募的96名成人（男性43名），被試的年齡在18至31歲之間，平均年齡為19.80歲 （ S D = 1 . 5 1 ） 。所有被試均通過了關于被分配群體身份的注意力檢測題，因此未剔除被試。

2.1.2 程序

以文字的方式呈現區分度的不同情況，兩種區分層次分為兩個任務呈現。在比較與平均值差異的區分度任務中，材料的示例為：“當我和群體平均水平差異（或相同）程度為： 0 % （或 10 % 、 20 % 、 30 % 、40 % 、 50 % 、 60 % 、 70 % 、 80 % 、 90 % 、 1 0 0 % ”；群體自身變異性的區分度任務中，材料的示例為：“當群體成員彼此間差異（或相同）程度為： 0 % 或 10 % 、20 % 、 30 % 、 40 % 、 50 % 、 60 % 、 70 % 、 80 % 、 90 % 、100 % ”。改編Goldenberg等人（2019）的最簡群體范式作為賦予被試群體身份的工具。

首先，被試需要完成一個最簡群體范式的程序旨在讓被試具備群體成員的概念。告知被試參與該實驗的人需要被分成兩個群體， a 型人群體和 β 型人群體。被試被告知需要回答5個關于個人的二元問題，然后系統會計算他們所在的群體：你的膚色是黑色還是白色？你的年齡是30歲以上還是30歲以下？你的性別是男性還是女性？你的性格是外向還是內向？你是否喜歡寵物？你最喜歡漢堡還是冰淇淋？在實驗操作中，當被試回答完問題后，被試認為經過系統計算，自己要么屬于 型人，要么屬于 β 型人。但是實際上，所有被試都被呈現為自己屬于 型人群體。該最簡群體范式程序改編自Goldenberg等人（2019）的實驗。

然后讓被試學習了群體認同的概念，群體認同為“對自己所在的團隊有歸屬感，將團隊的目標、規范和行為作為自己追求的目標和行為標準”。被試學習群體認同的概念后需要完成一個群體認同選擇任務。任務分為兩個組塊，組塊1的區分層次為被試和群體平均水平的差異情況；組塊2的區分層次為群體成員彼此間的差異情況。以組塊1為例被試被告知接下來當他點擊屏幕中央底部的“開始\"按鈕后，屏幕中央會呈現他和“ 型人\"群體平均水平的差異程度（或相同程度，描述框架在被試間進行平衡），差異程度可能從 0 % 到 100 % ，數字越大表明被試和群體平均水平越不同。如圖1所示，被試需要根據每種可能的情況，想象這是自己所在的群體，并盡可能快速地用鼠標點擊屏幕上方的“我認同該群體\"選項或“我不認同該群體\"選項來選擇自己是否認同該群體，選項的位置進行被試間平衡。在每個試次中，被試回答后則跳到下一次試次，如果被試在5秒內未進行回答，則直接跳到下一個試次。先呈現組塊1，后呈現組塊2。每個組塊中，區分度的水平共有11種水平，每種水平呈現3次，共33個試次隨機呈現。

最后，被試需要完成性別、年齡等個人情況的填寫和測量，并完成關于群體身份的注意力檢測題目：回答自己在前面的任務中所屬的群體身份。

2.2 結果

本研究分別在兩個區分層次上探討區分度對群體認同的影響。在分析方法上，對于每一個試次，如果被試選擇認同群體，則群體認同分數計為1;如果被試選擇不認同群體，則群體認同分數計為0。使用R軟件（RCoreTeam，2022）的mgcv包（Wood.2011）進行廣義加性回歸分析，以確認區分度對群體認同的影響是否為非線性影響。鑒于本研究的因變量為“有或無\"的二分變量，使用mice包（VanBuuren amp; Groothuis-Oudshoorn，2011）對缺失數據進行插補法填充后，使用lmerTest包（Albrightamp;Marinova，2015）對因變量進行基于邏輯回歸的廣義混合回歸分析。除此之外，使用pROC包（Robinetal.，2011）計算模型擬合的臨界點和ROC曲線下的面積（AUC），并使用ggplot包（Wickham，2016）繪制ROC曲線。使用Origin （2022）軟件繪制描述性統計圖，如圖2所示。

2.2.1 與平均值差異

在比較與平均值差異的層次時，首先進行廣義加性回歸分析，以確定區分度對群體認同的影響模式是否為非線性。以被試個體作為隨機變量。模型設置為identity ～ s （dinstinctiveness， f x= F A L S E ）

注：散點密度圖中顏色越深表明該區域的散點密度越大。點線圖為不同區分度下的平均群體認同分數，連線周圍的灰色區域代表9 5 % 置信區間。下同。

其中，identity是二元因變量群體認同的選擇情況，distinctiveness是自變量區分度，通過采用非線性平滑函數 s 對區分度進行建模，探討其對群體認同的非線性影響。結果表明非線性平滑項的固定效應顯著， F （ 7 . 9 6 ） = 9 8 . 8 1 ， p lt; 0 . 0 0 1 ， ，區分度對群體認同存在顯著的非線性影響。

根據圖2 （左）的散點密度圖趨勢，進一步通過基于邏輯回歸的廣義線性混合模型分析，深入探討區分度對群體認同的具體非線性影響模式，并考慮了個體差異的隨機效應。具體的邏輯回歸形式如下，其中 和 是參數：

分析結果表明截距項 0 S E = 0 . 1 4 ） ！ z = 17.89， p lt; 0 . 0 0 1 9 5 % CI[2.30，2.77]。區分度的系數 ， 9 5 % CI[ - 5 . 2 7 ， - 4 . 6 3 ] ，表明區分度對群體認同存在顯著的影響。被試個體的隨機截距方差為0.74 （ S D = 0 . 8 6 ） ），9 5 % CI[0.73，1.02]。該曲線模型 （ A I C = 2 7 5 1 ， B I C = 2769， 的擬合效果優于線性模型（ A I C = 2 8 7 2 ， B I C = 2 8 9 6 ， l o g L i k = - 1 4 3 2 ） 。為了更深入地理解區分度對群體認同的影響，進行了閾值分析。閾值是指在邏輯回歸中決定因變量的結果發生與否的關鍵點，在本研究中，當區分度超過該閾值后，模型假設被試對群體表現出不認同。計算得出關鍵的區分度閥值為0.51，當區分度超過0.51時個體對群體表示出低認同程度。總體上區分度對群體認同存在非線性負向影響，隨著區分度在0至1范圍內的增加，群體認同呈現出先平緩不變，在區分度0.51左右急劇下降后再次保持平緩的趨勢。

除此之外，為了評估該曲線模型擬合的性能，默認臨界點為0.5（即默認當群體認同分數超過0.5則被分類為\"認同群體\"計算了模型擬合的準確率和繪制了接收者操作特征曲線（ROC曲線），如圖3（左）

所示。計算結果表明模型的準確率為 8 3 . 8 1 % 。ROC曲線下面積（AUC）值為0.87，表明該模型的閾值對群體認同與否的分類性能較好。同時考慮分類的靈敏度（即模型正確判斷認同群體情況的能力）和特異度（即模型正確排除不認同群體情況的能力）計算該ROC曲線的最佳臨界點，得到該臨界點為0.50，即當群體認同分數低于0.50時，將該情況分類為“不認同群體”，否則為“認同群體”。

2.2.2 群體自身變異

在比較群體自身變異層次時，首先進行廣義加性回歸分析，進行和前面相同的模型設置探討區分度對群體認同的非線性影響。結果表明非線性平滑項的固定效應顯著， F （ 6 . 8 0 ） = 1 2 7 . 2 0 p lt; 0 . 0 0 1 ，區分度對群體認同存在顯著的非線性影響。根據圖2 （右）的散點密度圖趨勢，進一步通過基于邏輯回歸的廣義線性混合模型分析深人探討區分度對群體認同的具體非線性影響模式。具體的邏輯回歸形式和前面的分析相同。分析結果表明截距項 （ S E = 0 . 1 5 ） z = 1 9 . 2 2 ， p lt; 0 . 0 0 1 ， 9 5 % CI[2.67，3.17]。區分度的系數 z = - 2 6 . 6 9 5 p lt; 0 . 0 0 1 ， ，表明區分度對群體認同存在顯著的影響。被試個體的隨機截距方差為0.86（ ， 9 5 % CI [0.78，1.10]。

計算得出關鍵的區分度閾值為0.53，總體上區分度對群體認同存在非線性負向影響，隨著區分度在0至1范圍內的增加，群體認同呈現出先平緩不變，在區分度0.53左右急劇下降后再次保持平緩的趨勢。當區分度超過0.53時，個體對群體表示出低認同程度。

如圖3 （右）所示，以0.5為默認臨界點評估該曲線模型的擬合性能，結果表明模型的準確率為8 5 . 8 0 % 。ROC曲線下面積（AUC）值為0.89，該模型的閥值對群體認同與否的分類性能較好。同時考慮分類的靈敏度和特異度得到該ROC曲線的臨界點為0.43。根據最佳臨界點重新評估模型擬合性能，得到調整后的模型準確率為 8 6 . 2 7 % 。

2.2.3 模型比較

結果表明當比較自我和群體平均水平時，區分度閾值為0.51；當比較群體自身變異時，區分閾值為0.53。為了比較在兩種區分層次中區分閾值的不同是否達到統計學上的顯著差異，進行了基于邏輯回歸模型的似然比檢驗。首先，擬合了一個只包含自變量區分度和區分層次的簡化模型；然后，擬合了一個既包含兩個自變量的主效應，也包含區分度和區分層次交互作用項的完全模型。將兩個模型進行似然比檢驗，檢驗結果顯示模型的改進接近顯著， ，對數似然差異為 1 . 6 1 。這一邊緣顯著的結果表明，增加交互項后，模型擬合得到了一定程度的改善，盡管該效應較為微弱。表明區分度對群體認同的影響在不同的區分層次中的變化速率不同，即區分閾值存在微弱差異。

2.3 討論

實驗1表明區分度在總體上對群體認同產生負向的非線性影響，該影響模式與邏輯回歸函數擬合。隨著區分度在0＼～1范圍內的增加，自我對群體的認同呈現出“平緩-驟然下滑-維持平緩\"的趨勢，存在一個閾值點，在該閾值點處群體認同的下降速度最高。根據邏輯回歸的假設，當區分度增加至超過該閾值點后，自我對群體就表現出“不認同”。這表明個體在閾值前能夠在認同群體的情況下維持自我和群體的平衡，而當區分度超過閾值后，個體可能無法維持平衡而選擇通過不認同群體的方式來克服自我和群體的失衡。此外，研究發現當比較自我和群體平均水平時，區分閾值為差異達到51 % ；當比較群體自身變異時，區分閾值為差異達到 53 % ，比較與群體平均值層次的閾值略低于比較群體自身變異層次，這符合研究假設，自我和群體平均值的比較層次在群體內部可能更為重要，也更容易失衡。

3實驗2：表層群體屬性和深層群體屬性的調節作用

實驗2旨在表層屬性和深層屬性上探討區分度對群體認同的影響模式，加入了群體屬性的自變量，其它研究設計與實驗1相同。

3.1 方法

3.1.1 被試

與實驗1的分析相同，預計最少需要73名被試。實際被試為線下招募的88名成人，其中5名女性被試（平均年齡為21.28歲， S D = 1 . 1 0 因為在理解群體屬性的題目上回答錯誤，其數據被剔除。因此納入正式分析的被試為83名成人（男性20名），被試的年齡在18至29歲之間，平均年齡為21.28歲（ S D = 2 . 3 0 ） 0

3.1.2 程序

為了使表層屬性和深層屬性在實驗中更具現實意義，被試需要先完成一個想象任務，想象自己已經加入了一家公司，是該公司的正式職工，在后面的陳述中，被試所在的公司被稱為“團隊”。與實驗1相同，被試首先需要學習群體認同的概念，然后分別完成表層群體屬性和深層群體屬性的群體認同選擇任務。

每個任務開始前，被試需要先了解表層屬性和深層屬性的含義。其中對表層屬性的介紹為：“公司成員的年齡、性別和種族/民族等能從身體表面看出來的特征。”；對深層屬性的介紹為：“公司成員潛在特征之間的差異，無法從表面看出，一般隨著交往的過程展現出來，如成員的個性、價值觀和態度等。”每種群體屬性的群體認同選擇任務包括兩種區分層次的組塊，組塊1的區分層次為被試和群體平均水平的差異情況，組塊2的區分層次為群體成員彼此間的差異情況。具體程序和組塊設計和實驗1相同，以文字的方式呈現區分度不同的情況，如圖4所示，唯一不同的地方在于文字呈現時會強調群體的表層屬性或深層屬性。并且在最后，被試需要區分與成員相關的特征，包括年齡、性別、種族/民族、個性、價值觀和態度，區分哪些特征屬于表層屬性，哪些屬于深層屬性，用于檢驗對群體屬性的理解。

3.2 結果

使用與實驗1相同的分析方法。

3.2.1 與平均值差異

在比較與群體平均值差異時，表層屬性的散點密度趨勢如圖5 （左上）所示。對表層屬性的區分度進行和實驗1相同的廣義加性回歸模型分析得到表層屬性的非線性平滑項的固定效應顯著， F （ 6 . 4 0 ） = 148.60， p lt; 0 . 0 0 1 ， 。基于邏輯回歸的廣義線性混合模型分析結果表明截距項 （ S E = 0.16）， z = 2 2 . 2 8 p lt; 0 . 0 0 1 ， 9 5 % CI[3.34，3.87]。區分度的系數 ， z = - 2 7 . 1 2 ， p lt; 0.001， 9 5 % CI[-6.89，-6.10]，表明區分度對群體認同存在顯著的負向影響。被試個體的隨機截距方差為0.53 （ S D = 0 . 7 3 ） 9 5 % CI[0.59，0.88]。該曲線模型 （ A I C = 2 3 3 3 ， B I C = 2 3 5 1 ， l o g L i k = - 1 1 6 4 ） 的擬合效果優于線性模型 （ A I C = 2 3 8 2 ， B I C = 2 4 0 6 ，logLik= - 1 1 8 7 ） 。以0.5為默認臨界點的模型準確率為8 9 . 5 9 % 。ROC曲線下面積（AUC）值為0.91，該表層屬性模型的閾值對群體認同與否的分類性能較為優秀。同時考慮分類的靈敏度和特異度得到該ROC曲線的臨界點為0.52。根據最佳臨界點重新評估模型擬合性能，得到調整后的模型準確率達到高水平，為 8 9 . 9 2 % 。計算得出關鍵的區分度閾值為0.54，當區分度超過0.54時，個體對群體表示出低認同程度。

類似的，深層屬性的散點密度趨勢如圖5（左下）所示，深層屬性的非線性平滑項的固定效應顯著， F （ 5 . 7 4 ） = 1 3 6 . 1 0 ， p lt; 0 . 0 0 1 ， 。廣義線性混合模型分析結果表明區分度對群體認同存在顯著的影響，截距項 0 ? S E = 0 . 3 0 ） z = 2 0 . 4 9 ， p lt; 0 . 0 0 1 ， 9 5 % CI[5.74，6.74]。區分度的系數 -12.58 ? S E = 0 . 5 2 ） z = - 2 3 . 9 8 ， p lt; 0 . 0 0 1 ， 9 5 % CI（204號 [ - 1 3 . 4 8 ， - 1 1 . 7 5 ] 。被試個體的隨機截距方差為1.64L ? S D = 1 . 2 8 ? ）， 9 5 % CI[1.07，1.53]。調整前的模型準確率為 9 6 . 5 0 % ，調整后的模型準確率為 9 6 . 9 3 % AUC值高達0.98。計算得出關鍵的區分度閾值為0.49，低于表層屬性閾值。

3.2.2 群體自身變異

在比較群體自身變異時，表層屬性的散點密度趨勢如圖5 （右上）所示。區分度對群體認同存在顯著的非線性影響，表層屬性的非線性平滑項的固定效應顯著， F （ 6 . 5 8 ） = 1 4 6 . 3 0 ， p lt; 0 . 0 0 1 0 。邏輯回歸的截距項 0 S E = 0 . 1 7 ， ） z = 2 2 . 4 3 ， p lt; 0 . 0 0 1 ， 9 5 % CI[3.48，4.03]；區分度的系數 （ S E = 0 . 2 5 ） z = - 2 7 . 2 9 p lt; 0 . 0 0 1 ， 9 5 % CI[ - 7 . 3 1 ， - 6 . 4 8 ] 。被試個體的隨機截距方差為0.56

0 ? S D = 0 . 7 5 ） 9 5 % CI[0.61，0.91]。調整前的模型準確率為 8 9 . 3 8 % ，調整后的模型準確率為 8 9 . 7 0 % AUC值為0.91。計算得出關鍵的區分度閾值為 0 . 5 4 。

深層屬性的散點密度趨勢如圖5 （右下）所示，深層屬性的非線性平滑項的固定效應顯著， F （ 5 . 2 0 ） = 1 1 7 . 5 0 ， p lt; 0 . 0 0 1 邏輯回歸的截距項 = 6 . 5 2 （ ? S E = 0 . 3 4 ? ， ， p lt; 0 . 0 0 1 ， 9 5 % CI[5.97，7.19]；區分度的系數 0 ? S E = 0 . 5 9 ， ）z = - 2 3 . 1 4 ， p lt; 0 . 0 0 1 ， 9 5 % CI[-14.54，-12.62]。被試個體的隨機截距方差為2.67 ? S D = 1 . 6 3 ? ） 9 5 % CI[1.38，1.94]。調整前的模型準確率為 9 5 . 5 1 % ，調整后的模型準確率為 9 7 . 6 3 % ，AUC值為0.98。計算得出深層屬性的區分度閾值為0.48，低于表層屬性。

3.2.3 模型比較

首先，在與平均值差異比較層次上使用和實驗1相同的似然比檢驗方法分析表層屬性和深層屬性的區分閾值是否存在顯著差異，結果表明完全模型與簡化模型之間的差異顯著， ， p lt; 0.001，對數似然差異為 5 8 . 2 7 。結果說明在與群體平均值比較時，表層屬性區分閾值0.52顯著高于深層屬性區分閾值 0 . 4 9 。類似的，在比較群體自身變異層次時，結果表明模型的改進顯著， Pp lt; 0 . 0 0 1 ，對數似然差異為43.51。結果說明在比較群體自身變異時，表層屬性區分閾值0.54顯著高于深層屬性區分閾值0.48。

然后在表層屬性上分析兩類區分層次的區分閥值是否存在顯著差異，結果表明完全模型與簡化模型之間的差異不顯著， ，對數似然差異為0.73。類似的，在深層屬性上，結果表明完全模型與簡化模型之間的差異不顯著， p = 0 . 6 2 ，對數似然差異為0.12。結果說明兩類區分層次的區分閾值不存在差異。

3.3 討論

實驗2表明在群體表層屬性和群體深層屬性上區分度對群體認同的影響模式同樣與邏輯回歸函數擬合，但具體的閾值點不同。在兩種比較層次上，深層屬性的閾值均低于表層屬性，并且深層屬性的模型擬合更優秀。這符合研究假設，這可能是因為與深層屬性相比，個體更能接受表層屬性的不同，所以在深層屬性上更低的區分度就能導致自我和群體的失衡。除此之外，實驗2未能發現兩種區分層次的閾值差異，這可能是因為加入群體屬性變量后被試的任務量增加，被試更容易根據群體屬性的不同進行群體認同的判斷，群體屬性的差異掩蓋了區分層次的差異。因此，在實驗3中，考慮到被試完成任務總試次數量的增加，區分層次將作為被試間變量。

4實驗3：群體認知失調的中介機制

實驗3旨在探討群體認知失調的作用機制。研究設計在實驗2的基礎上，將區分層次作為被試間變量，并加入了群體認知失調的中介變量，其它的實驗設計和實驗2相同。

4.1方法

4.1.1 被試

進行與實驗1相同的被試量計算，預計每個區分層次需要73名被試，共需要至少146名被試。考慮到需剔除未理解群體屬性內涵的被試數據，實際招募被試量略多于預計被試量。實際招募了206名成年被試（87名男性），被試的年齡在18至46歲之間，平均年齡為24.90歲 。所有被試均正確理解了群體屬性的內涵。在比較與群體平均值差異的層次中，正式被試為99名成年人（45名男性，平均年齡為24.62歲， S D = 5 . 9 8 Ω ；在比較群體自身變異層次中，正式被試為107名成年人（42名男性，平均年齡為25.14歲， S D = 5 . 1 7 ，

4.1.2 程序

Pickett和Bonner等人（2002）使用了虛擬人格反饋任務來操縱區分度，該任務是操縱自我和群體區分度的經典方法。為了使被試能更好地理解區分度分別在表層屬性和深層屬性上的體現，參考Pickett 和 Bonner 等人（2002）與 Goldenberg等人（2019）對區分度的操縱方法，實驗3使用改編后的表層屬性反饋任務和深層屬性反饋任務來探討區分層次和群體屬性在區分度影響群體認同中的調節作用和群體認知失調的中介作用。

和實驗1相同，被試首先需要完成一個最簡群體范式的程序。被試被告知參加本實驗的人將被系統隨機分為 a 隊和 β 隊完成任務，每個隊伍的成員都需要認真完成任務，以保證自己所在的隊伍達到優秀的表現。然后，被試認為自己被隨機分配到了a 隊伍中。在開始正式的屬性反饋任務前，被試需要回答一個在基線水平上的群體身份融合項目以作為群體身份的操作性檢驗。該項目來自Swann等人（2009）的研究，以兩個圓圈代表自我身份和群體身份，被試需要在自我和群體身份的5種重疊程度圖片中選出最能代表自己與 a 隊伍的關系圖片，選項的重疊程度分別為 0 % 、 2 5 % 、 50 % 、 7 5 % 和100 % 。然后被試需要根據真實情況回答關于自己的表層屬性和深層屬性的兩類問題。根據Harrison等人（2002）的研究，在表層屬性類別中，被試需要回答自己的性別、年齡、外表吸引力水平、國籍、民族、籍貫和婚姻狀況，共7個問題；在深層屬性類別中，被試需要回答自己的智力水平、藝術天賦、運動能力、情緒穩定性水平、領導能力、運氣水平和對于在學校中能學到社會技能的態度，共7個問題。回答完問題后，被試被告知了表層屬性和深層屬性的特征（表層屬性通常反映在身體表面，人們幾乎可以在短時間的相處中察覺出來；深層屬性通常指潛藏在深處的心理特征，隨著長時間的交往才能被察覺），并被要求判斷以上測量的兩類問題分別屬于表層屬性還是深層屬性，以作為理解群體屬性的檢驗問題。

和實驗1相同，被試被告知自己所在隊伍的所有成員都回答了以上問題。每種群體屬性的反饋任務包括兩種區分層次：自我和群體平均水平的比較以及群體成員彼此間的比較。區分層次在被試間進行平衡。以自我和群體平均水平比較為例，在表層屬性反饋任務中，告知被試系統計算了群體中的每個成員在性別、年齡、外表吸引力、國籍、民族、籍貫和婚姻情況等表層屬性問題的分數，現在被試需要想象如果自己在上述問題中的得分和 隊伍平均分數的差異（或相同程度，描述框架在被試間進行平衡）為不同程度時，自己對該群體的態度如何。然后和實驗1相同，在每個試次中屏幕中央可能會呈現被試得分和群體平均水平的差異程度（或相同程度）從 0 % 至 100 % 共11個水平的情況。被試需要根據每種可能的情況點擊屏幕的“我認同該群體”選項或“我不認同該群體\"選項來選擇自己是否認同該群體。每種水平以不同的描述形式呈現5次（例如，“離群體平均水平的距離為 、“和群體平均水平的差異為 、“和群體平均水平的不同程度為 等），共55個試次隨機呈現。完成這55個試次后，被試需要在一個5點Likert量表上回答自己在每一種區分度條件下的群體認知失調程度。根據Matz和Wood（2005）對群體認知失調的定義和測量，群體認知失調測量項目共有4個（內部一致性系數 ，分別為在每種區分度條件下被試感到不安、感到緊張、感到煩惱和感到不舒服的程度。被試完成表層屬性反饋任務后，再進行類似的深層屬性反饋任務。最后，被試需要完成性別、年齡等個人基本信息的填寫。

4.2 結果

首先將基線水平上被試與 a 群體的身份融合程度和 50 % 進行簡單樣本 t 檢驗，結果表明被試身份融合程度 （ M = 7 3 . 7 9 % 顯著超過了50 % 0 % ， t （ 2 0 7 ） = 1 4 . 5 8 ， p lt; 0 . 0 0 1 ，Cohen's d = 0 . 2 3 ，表明群體身份的操縱有效。然后使用與實驗1相同的分析方法。

4.2.1 與平均值差異

在比較與群體平均值差異時，表層屬性的散點密度趨勢如圖6 （左上）所示。對表層屬性的區分度運行和實驗1相同的廣義加性回歸分析得到表層屬性的非線性平滑項的固定效應顯著， F （ 4 . 1 6 ） = 179.90， p lt; 0 . 0 0 1 ， 。基于邏輯回歸的廣義線性混合模型分析結果表明截距項 （ S E = 0.12）， z = 1 6 . 4 4 0 p lt; 0 . 0 0 1 ， 9 5 % CI[1.74，2.13]。區分度的系數 ？ ， z = - 2 6 . 6 4 ， p lt; 0.001， 9 5 % CI[-3.09， - 2 . 7 3 ] ，表明區分度對群體認同存在顯著的負向影響。被試個體的隨機截距方差為0.90 （ S D = 0 . 9 5 ）， 9 5 % CI[0.82，1.11]。該曲線模型 （ A I C = 6 1 8 8 ， B I C = 6 2 0 8 ， l o g L i k = - 3 0 9 1 的擬合效果優于線性模型 （ A I C = 6 5 5 5 ， B I C = 6 5 8 2 ，logLik= - 3 2 7 4 ） 。以0.5為默認臨界點的模型準確率為8 2 . 9 2 % ，ROC曲線下面積（AUC）值為0.88，該表層屬性模型的閾值對群體認同與否的分類性能較為優秀。同時考慮分類的靈敏度和特異度得到該ROC曲線的臨界點為 0 . 5 6 。根據最佳臨界點重新評估模型擬合性能，得到調整后的模型準確率達到高水平，為 8 4 . 0 2 % 。計算得出關鍵的區分度閾值為0.66，當區分度超過0.66時，個體對群體表示出低認同程度。

類似的，深層屬性的散點密度趨勢如圖6（左下）所示，深層屬性的非線性平滑項的固定效應顯著， F （ 6 . 5 1 ） = 2 3 1 . 7 0 ， p lt; 0 . 0 0 1 。廣義線性混合模型分析結果表明區分度對群體認同存在顯著的影響，截距項 （ ? S E = 0 . 1 3 ） ， z = 2 1 . 5 9 ， p ， 9 5 % CI[2.67，3.11]。區分度的系數 - 5 . 1 3 ？ ? S E = 0 . 1 4 ） z = - 3 6 . 1 3 ， p lt; 0 . 0 0 1 ， 9 5 % CI（204號 [ - 5 . 3 6 ， - 4 . 9 0 ] 。被試個體的隨機截距方差為1.060 ） 9 5 % CI[0.89，1.20]。調整前的模型準確率高達 9 1 . 4 6 % ，該ROC曲線的臨界點為0.49，根據臨界點調整后的模型準確率為 91 . 8 3 % ，AUC值高達0.92。計算得出關鍵的區分度閾值為0.56，低于表層屬性閾值。

4.2.2 群體自身變異

在比較群體自身變異時，表層屬性的散點密度趨勢如圖6（右上）所示。區分度對群體認同存在顯著的非線性影響，表層屬性的非線性平滑項的固定效應顯著， F （ 6 . 1 7 ） = 1 1 1 . 3 0 ， p lt; 0 . 0 0 1 。邏輯回歸的截距項 0 S E = 0 . 1 2 ） ， z = 1 6 . 2 0 p lt; 0.001， 9 5 % CI[1.72，2.10]；區分度的系數 - 2 . 5 4 ？ ? S E = 0 . 1 0 ? ， z = - 2 4 . 7 9 ， p lt; 0 . 0 0 1 ， 9 5 % CI[ - 2 . 7 1 ， - 2 . 3 7 ] 。被試個體的隨機截距方差為1.010 S D = 1 . 0 0 ， 9 5 % CI[0.87，1.17]。調整前的模型準確率為 8 2 . 4 1 % ，根據ROC曲線的臨界點0.52調整后的模型準確率為 8 3 . 3 5 % AUC值為 0 . 8 7 。計算得出關鍵的區分度閾值為 0 . 7 5 。

深層屬性的散點密度趨勢如圖6 （右下）所示，深層屬性的非線性平滑項的固定效應顯著， F （ 7 . 3 5 ） = 173.20， p lt; 0 . 0 0 1 ， 。邏輯回歸的截距項 = 2 . 4 3 （ ? S E = 0 . 1 2 ? ， z = 2 0 . 1 6 p lt; 0 . 0 0 1 ， 9 5 % CI[2.24，2.64]；區分度的系數 （ S E = 0 . 1 1 ） z = - 3 2 . 6 8 0 p lt; 0 . 0 0 1 ， 9 5 % CI[-4.02，-3.63]。被試個體的隨機截距方差為0.98（ S D = 0 . 9 9 ） 9 5 % CI [0.87.1.15]。調整前的模型準確率為 8 6 . 0 7 % ，根據ROC曲線的臨界點0.54調整后的模型準確率為 8 6 . 4 9 % AUC值為 0 . 8 6 。計算得出深層屬性的區分度閾值為0.64，低于表層屬性。

4.2.3 模型比較

使用和前面相同的方法分析不同區分層次和群體屬性的區分閾值是否存在顯著差異。結果表明在與平均值差異比較層次上，表層屬性和深層屬性的區分閾值存在顯著差異， ， p lt; 0 . 0 0 1 對數似然差異為82.94，表層屬性區分閾值0.66顯著高于深層屬性區分閾值 0 . 5 6 。類似的，在比較群體自身變異層次時，表層屬性區分閾值0.75顯著高于深層屬性區分閾值 對數似然差異為34.62。在表層屬性上，與平均值比較層次的區分閾值0.66顯著低于比較群體自身變異層次的區分閾值0.75， ，對數似然差異為 2 . 9 6 。并且在深層屬性上，與平均值比較層次的區分閾值0.56也顯著低于比較群體自身變異層次的區分閾值 P對數似然差異為 2 6 . 2 6 。

4.2.4 群體認知失調的中介作用

首先計算每種區分度下的群體認同分值：在每個試次中，如果被試選擇“我認同該群體”，認同分值為1，選擇“我不認同該群體”，認同分值為0，對同樣區分度下的認同分值進行平均，得到范圍從0至1的群體認同分值指標。為了控制被試重復作答導致的測量誤差，采用Harman單因子檢驗法對群體認知失調的測量進行共同方法偏差檢驗。結果表明，未經旋轉的第一公因子的方差解釋百分比為2 6 . 2 6 % ，未占總變異解釋量的 40 % ，說明該測量數據不存在顯著的共同方法偏差。

在不同的區分層次和群體屬性條件下以4個群體認知失調項目平均并標準化后的群體認知失調分數為結果變量，區分度為預測變量，運行廣義加性回歸模型，結果表明在4種條件下的非線性平滑項的固定效應均顯著 （ p s lt; 0 . 0 5 ） ；類似的以群體認同分值為結果變量，標準化后的認知失調分數為預測變量運行廣義加性回歸模型，結果也表明非線性平滑項的固定效應均顯著 （ p slt; 0 . 0 5 ） 。結果顯示區分度對群體認知失調，以及群體認知失調對群體認同的影響均為非線性影響。在4種實驗條件下對三個變量間的關系進行和前面分析相同的基于邏輯回歸的廣義線性混合模型分析。具體的回歸檢驗結果如表1所示，群體認知失調的描述性統計情況如圖6所示，在不同的區分層次和群體屬性條件下，區分度以邏輯回歸的趨勢正向預測了群體認知失調水平 （ p slt; 0 . 0 0 1 ，而群體認知失調水平以邏輯回歸的趨勢負向預測了群體認同水平 （ p slt; 0 . 0 0 1 ） 。此外，進行了和前面分析相同的閾值分析，結果如表1所示，與表層屬性相比（與平均值差異層次 Σ= Σ 0.56；群體自身變異層次 = 0 . 6 7 ，區分度對群體認知失調的閾值在深層屬性上更低（與平均值差異層次 ；群體自身變異層次 ；并且與平均值差異層次的閾值低于群體自身變異層次。但在群體認知失調對群體認同的閾值上，深層屬性（與平均值差異層次 ；群體自身變異層次 Σ= Σ 0.57）與表層屬性（與平均值差異層次 ；群體自身變異層次 無明顯差異，比較平均值差異層次和群體自身變異層次也無明顯差異。

為了檢驗群體認知失調是否中介區分度對群體認同的影響，分別對不同群體屬性和區分層次下的結果進行分析，以區分度為預測變量，每種區分度下的群體認知失調程度為中介變量，群體認同分值為結果變量建立中介模型。其中考慮到這里的變量均為重復測量變量，采用SPSS宏程序MLmed（Hayesamp;Rockwood，2020），通過10000次樣本抽樣估計 9 5 % 置信區間進行多層次中介效應檢驗（方杰，溫忠麟，2018）。中介效應檢驗結果如表2所示，不同的區分層次和群體屬性條件下，群體認知失調間接效應的 9 5 % 置信區間均不包含0，表明間接效應顯著；區分度對群體認同的直接效應的 9 5 % 置信區間也均不包含0，表明直接效應顯著。結果表明在不同的實驗條件下，群體認知失調在區分度對群體認同的影響中起部分中介作用。表明區分度以邏輯回歸的趨勢增加了個體的認知失調水平，進而降低了個體對群體的認同程度。

4.3 討論

實驗3在實驗1和實驗2的基礎上使用更經典的范式探討了區分度對群體認同的影響及群體認知失調的心理機制。結果符合研究假設，區分度對群體認同的影響模式同樣與邏輯回歸函數擬合，深層屬性的閾值低于表層屬性，與群體平均值差異層次的閾值低于群體自身變異層。除此之外，群體認知失調中介了區分度對群體認同的影響，區分度對群體認知失調的影響模式和群體認知失調對群體認同的影響模式均符合邏輯回歸趨勢，且區分度對群體認知失調的閾值在不同的群體屬性和區分層次上存在差異，但群體認知失調對群體認同的閾值在不同的條件下無差異。這表明當區分度超過閾值后，個體無法維持自我和群體的平衡，出現了認知失調的不適感，并通過不認同群體的方式來緩解這種不適感。并且隨著區分度的增加，與表層屬性和群體自身變異層次相比，個體在深層屬性和與群體平均值差異層次上更難保持認知平衡，因此區分度對群體認同的區分閾值更低。

5 綜合討論

在群體內背景下，研究在不同的區分層次和群體屬性上系統地探討了自我和群體的區分度對群體認同的影響及群體認知失調的影響機制，結果與最初假設一致。基于區分度是連續體的視角，研究發現在群體內部區分度對群體認同的影響模式呈非線性的消極影響，影響模式符合邏輯回歸的特征，而群體認知失調在其中起中介作用。隨著區分度的增長，群體認知失調水平和群體認同水平均呈現出“平緩-驟然變化-維持平緩\"的趨勢，在區分度的中等水平存在使群體認同下降速度最高的閾值點。當區分度增加至超過該閾值點后，個體無法在群體內部平衡自我和群體的關系，認知失調水平驟然上升，從而對群體表現出“不認同”。并且和群體自身變異層次及表層屬性相比，與群體平均值差異層次及深層屬性的區分閾值更低。研究在群體內背景下系統地從群體認同的角度揭示了個體和群體的平衡關系。同時，區分閾值在實踐上不僅有助于個體維持心理邊界，也為組織管理提供了有效的預警信號。

區分度到達閾值后，群體認同會發生斷崖式突降，降至最低值后保持平緩不變。根據邏輯回歸模型的特質，當區分度超過閾值后，被試的群體認同選擇從“認同\"轉變為“不認同”。這表明在群體內環境中，和體驗獨特感相比，“融入群體”是身份體驗的更重要組成部分，體驗自己在一個群體中的成員身份是邊緣的會帶來身份認同感的極度缺失（Jettenetal.，2002），因此在總體上區分度對群體認同產生消極影響。

實驗3探討了群體認知失調在區分度影響群體認同中的中介作用。認知失調理論假設個體的認知失調程度隨著區分度的增長而增長（Glasfordetal.，2008），而本研究發現該趨勢同樣符合“S型\"的邏輯回歸趨勢，并且認知失調程度的增長會導致群體認同程度的降低。當個體感知到自己和群體存在差異時，會感到心理不適，從而有充足的動力去減少這種不適感，而降低對群體的認同感是有效的方式（Glasford etal.，20o9;Meaneyamp;Rieger，2021）。值得一提的是，區分閾值的存在表明區分度的增長并不必然導致對群體的不認同，實驗3的結果也表明認知失調程度并沒有隨著區分度的增長呈線性增長，而是同樣符合“平緩-驟然上升-維持平緩\"的趨勢，個體在區分度增長但未達到閾值前的一定范圍內仍可以維持自我和群體的平衡。這也表明了最優區分理論假設的合理性，即自我概念和群體概念的平衡有利于個體對群體的承諾和認同感。只是根據本研究的發現，在群體內背景下的區分度并不存在達到最優群體認同的某個“最優點”，而是在區分程度達到閾值前的一定范圍內個體在不斷地維持著自我和群體的平衡，當超過這個“度\"后（即超過這個范圍后），個體將無法容忍增長的認知失調感，群體認同從而發生斷崖式下降。

5.1失調有“度”：區分度對群體認同的閾值效應 5.2 閾值調適：區分層次和群體屬性的調節作用

研究通過3個實驗探討了群體內部區分度對群體認同的影響，結果均發現區分度對群體認同的影響模式符合邏輯回歸函數的特征，在中等程度存在使群體認同發生突降的區分閾值。最優區分理論在群際比較背景下提出區分度與群體認同的關系呈“倒U型\"曲線關系，在中等程度存在最優區分度（Brewer，1991）。而本研究在群體內環境下揭示了個體身份需求的平衡關系，在群體內區分度與群體認同的關系呈\"倒S型\"的邏輯回歸下降趨勢：在區分度增長至閾值前，群體認同未發生明顯改變，但當

正如Shore等人（2011）的觀點，區分度的不同結構對群體認同可能具有不同的影響。研究通過3個實驗探討了在不同的區分層次和群體屬性上區分度對群體認同的影響。首先在區分層次上，研究發現相比群體自身變異層次，與群體平均值比較層次的區分閾值更低。并且實驗3發現在與群體平均值進行比較時，區分度的增加更容易導致群體認知失調。這與前人研究的觀點一致，即在群體內部的區分度主要意味著相對于平均位置的差異化，平均值有助于群體分類過程（Vergneamp;Wry，2014）。偏離群體平均值意味著被群體邊緣化，這將對歸屬感造成更嚴重的消極影響（Jettenetal.，2002）。而如果在比較群體自身變異層次時區分度過高，這意味著群體內部無法被視為一個連貫的實體（Leachetal.，2008）。雖然這也會導致歸屬感的缺失，但當群體內的所有人都具有獨特性時，與群體的區分便不再受到群體排斥（Haans，2019）。因此，相比與群體平均值比較的區分層次，在比較群體自身變異性的層次上區分閾值更高。

在群體屬性上，實驗2和實驗3發現深層屬性的區分閾值低于表層屬性，深層屬性與假設模型擬合得更優秀。并且實驗3同樣發現與表層屬性相比，區分度的增加更容易在深層屬性上導致群體認知失調。這也表明了表層和深層特征并不總是一致的（Phillipsamp;Loyd，2006。這可能是因為隨著對群體成員的了解，深層屬性比表層屬性更為重要（Aquinoetal.，2001）。對于大多數人來說，最初對相似或不同的看法可能是基于表面特征，但隨著團隊成員有機會進行有意義的互動，這些最初的看法可能會發生變化，使深層特征成為做出相似或差異判斷的更重要屬性（Aquino etal.，20o1;Harrison et al.，1998）。人們對重要心理屬性的要求更為嚴苛，所以和表層屬性相比，深層屬性的區分閾值更低。

5.3 研究意義與實踐啟示

基于連續體視角，最優區分理論在群體間比較背景下假設了區分度和群體認同的關系呈“倒U型\"曲線模式，這是在以往二分視角下的創新性探索。但最優區分理論忽視了群體內情境對個體身份構建的重要性。在群體內情境下仍不明晰區分度對群體認同的具體影響模式。本研究對此問題在不同的區分層次和群體屬性上進行了全面探索，并揭示了群體內區分度對群體認同影響的 模型（如圖7所示）。具體而言，在群體內區分度和群體認同的關系呈“倒S型\"曲線關系，區分度和認知失調的關系呈\"S型\"曲線關系。并且和心理物理理論的假設一致，隨著區分度的增長存在使群體認同發生突降的閾值效應，研究發現的認知失調的中介作用也證明了在區分度達到閾值前個體在不斷地平衡自我和群體的關系，當平衡失敗時群體認同也發生了突降。除此之外，本研究首次對不同的區分層次和群體屬性在閾值效應中的不同表現進行了精細化探討。研究發現的區分度影響群體認同的“x\"模型通過闡明群體內兩種需求之間復雜的平衡模式，在群體內背景下為理解社會認同的形成機制提供了更為精細化的理論框架。

在實踐啟示上，隨著經濟的全球化，越來越多的公司和團隊開始出現不同文化背景的成員，組織中的群體在其人口構成方面將在未來幾年繼續變得更加多樣化（李倩 等，2019；Shoreetal.，2011）。一方面，研究對于個人在不同的屬性上對群體和自身的差異進行實際考慮以維持心理邊界和保護心理健康提供了新的見解。另一方面，多樣性管理已經越來越成為學術和實踐問題，本研究的發現為有針對性的組織文化和管理策略提供了依據，有利于促進組織內部的協調和合作。區分閾值效應的存在為增強團隊的凝聚力提供了預警信號，當員工和群體的區分度過高時，可能需要采取干預措施。組織可以根據個人特點在不同的方面創造最適宜區分的工作環境，利用定向招聘、組織文化宣傳、多元化培訓等渠道，讓團隊成員之間達到合適的區分度水平，并對不同的成員通過強調不同的群體屬性來調整成員的閾值感知。在組織管理中，也需要更加關注和尊重個體的深層屬性，以提高員工的滿意度和忠誠度。

5.4 研究不足與展望

作為初步探索，本研究還存在一些局限，值得未來研究繼續深人：在實驗方法方面，本研究將區分度定義為11個水平，未來研究可以使用其它方法將自變量水平更加細化。例如，通過測量真實存在的群體和縱向研究來探討區分度對群體認同的影響。考慮到類別判斷任務能夠提供更一致的判斷和降低作答過程中的社會稱許性（Ward，1990），本研究的群體認同測量使用了迫選作答方法，未來研究可以使用更精細化的評級任務對此問題進行探討。本研究并未分析人格特征的影響，未來研究可以探討例如文化背景、人格特征和認知特征等個體差異變量對結果的影響。除此之外，社會情境也是重要的影響因素，未來研究可以在不同的社交情境下探討該影響模式是否會發生變化。最后，在實踐價值方面，未來研究可以探索有效的改變區分閾值的干預方法，例如，探討強化獎勵和啟動等方式在改變區分閾值上的有效性。

6 結論

（1）在群體內部，總體上區分度對群體認同存在非線性的消極影響，影響模式符合邏輯回歸函數的特征：隨著區分度的增長，在適中水平存在使群體認同下降速度最高的閾值。當區分度增加至超過該閾值后，自我對群體就表現出“不認同”。

（2）區分層次和群體屬性對區分閾值產生調節作用：和比較群體自身變異層次相比，比較自我和群體平均值差異時的區分閾值更低；和群體表層屬性相比，群體深層屬性的區分閾值更低。

（3）群體認知失調在其中起中介作用：區分度以邏輯回歸的形式正向預測了群體認知失調程度，而群體認知失調程度負向預測了群體認同程度。

參考文獻

Albright，J.J.，amp; Marinova，D.M.（2015）.Estimating multilevelmodelsusingSPSS，Stata，SAS，andR.Retrieved fromhttps：//scholarworks.iu.edu/dspace/handle/2022/19737.

Aquino，K.，Townsend，A.，amp; Scott，K.（20o1，August）.The effectsofsurface-and deep-level dissimilarityonindividual workattitudesand cognitionsin self-directed work teams. Paperpresentedatthe National AcademyofManagement meeting，Washington，.

Becker，M.，Vignoles，V.L.，Owe，E.，Brown，R.，Smith，P.B.， Easterbrook，M.，..Yamakoglu，N.（2012）.Cultureandthe distinctivenessmotive：Constructing identityin individualistic andcollectivisticcontexts.JournalofPersonalityand Social Psychology，102（4），833-855.

Brewer，M.B.（1991）.The social self：On being the same and different at the same time. Personality amp; Social Psychology Bulletin，17（5），475-482.

Buis，B. C.，Ferguson，A.J.，amp; Briscoe，J.P. （2019）.Finding the “I” in “Team\"： The role of groups in an individual's pursuit of calling. Journal of Vocational Behavior，114， 88-99.

Doeselaar，L.V.，Klimstra，T.，Denissen，J.，amp; Meeus，W. （2019）. Distinctiveness as a marker of identity formation. Journal ofResearch in Personality， 78，153-164.

Fang，J.，amp; Wen， Z.L. （2018）. A comparison of three methods for testing multilevel mediation. Journal of Psychological Science，41（4），962-967.

[方杰，溫忠麟.（2018）.三類多層中介效應分析方法比較. 心理科學，41（4），962-967.]

Faul，F.，Erdfelder，E.，Lang，A.G.，amp; Buchner，A.（2007）. （20號 power 3：A flexible statistical power analysis program for the social，behavioral，and biomedical sciences.Behavior ResearchMethods，39（2），175-191.

Festinger， L. （1957）. A theory of cognitive dissonance. Stanford， CA： Stanford University Press

Glasford， D.E.， Dovidio，J.F.，amp; Pratto，F.（2009）.Icontinue to feel so good about us： In-group identification and the use of social identity-enhancing strategies to reduce intragroup dissonance. Personality amp; Social Psychology Buletin， 35（4），415-427.

Glasford，D.E.，PratoF.，amp; Dovidio，J.F.（2008）.Intragroup dissonance： Responses to ingroup violation of personal values. Journal of Experimental Social Psychology， 44（4）， 1057-1064.

Goldenberg， A.， Sweeny， T. D.， Shpigel， E.，amp; Gross， J. J. （2019）.Is this my group or not？ The role of ensemble coding of emotional expressions in group categorization. Journal of Experimental Psychology General， 149（3）， 445-460.

Guillaume， Y. R. F.， Brodbeck， F.C.，amp; Riketta， M. （2012）. Surface- and deep-level dissimilarity effects on social integration and individual effectiveness related outcomes in work groups： A meta-analytic integration. Journal of Occupational and OrganizationalPsychology，85（1），80-115.

Haans，R.F.J.（2019）.What's the value of being different when everyone is？ The effects of distinctiveness on performance in homogeneousversusheterogeneouscategories. StrategicManagementJournal，40（1），3-27.

Harrison，D.A.，Price，K.H.，amp; Bell，M.P.（1998）.Beyond relational demography： Time and the effects of surface- and deep-level diversity on work group cohesion. Academy of Management Journal， 41（1）， 96-107.

Harrison，D.A.，Price，K.H.，Gavin，J.H.，amp; Florey，A.T. （2002）. Time， teams， and task performance： Changing effects of surface-and deep-level diversity on group functioning. Academy of Management Journal， 45（5）， 1029-1045.

Hayes，A.F.，amp; Rockwood， N. J. （2020）.Conditional process analysis： Concepts，computation， and advances in the modeling of the contingencies of mechanisms. American Behavioral Scientist， 64（1），19-54.

Hornsey，M.J.，amp; Jetten， J. （20o4）. The individual within the group： Balancing the need to belong with the need to be different. Personality amp; Social Psychology Review， 8（3）， 248-264.

Huang，Y.，amp; Kou，Y.（2013）. The effect of group distinctiveness on intergroup bias. Advances in Psychological Science， 21（4）， 732-739.

[黃殷，寇或.（2013）.群體獨特性對群際偏差的影響．心理 科學進展，21（4），732-739.]

Jaffé，M.E.，Jeitziner，L.，Keller，M.D.，amp; Walker，M.（2022）. Differences in faces do make a difference： Diversity perceptionsand preferencesin faces.Journal ofExperimental Social Psychology，100，104277，doi：10.1016/j.jesp.2021. 104277.

Jetten，J.， Branscombe，N.R.，amp; Spears，R.（2002）.On being peripheral： Effects of identity insecurity on personal and collective self-esteem. European Journal of Social Psychology， 32（1），105-123.

Kawakami，K.，Friesen，J.，amp; Vingilis-Jaremko，L.（2018）. Visual attntion to members of own and other groups： Preferences， determinants， and consequences. Social and Personality Psychology Compass， 12（4）， e12380， doi：10. 1111/SPC3.12380.

Konovalova，E.，amp; Mens，G. L.（2019）. An information sampling explanation for the in-group heterogeneity effect. PsychologicalReview，127（1），47-73.

Krishna， A.，amp; Gotz，F. J. （2024）. Motor coordination induces social identity-A novel paradigm for the investigation of the group performance-identity link. The British Journal of Social Psychology， 63（4），1828-1843.

Leach， C. W.， van Zomeren， M.， Zebel， S.， Vliek， M. L. W.， Pennekamp， S.F.， Doosje， B.， Ouwerkerk， J. W.， amp; Spears， R.（20o8）.Group-level self-definition and self-investment： A hierarchical （multicomponent） model of in-group identification. Journal of Personalityand Social Psychology， 95（1）， 144-165.

Li，Q.，Gong， S. Y.，amp; Li， C.F. （2019）. The impact of team cultural diversity on team innovation. Advancesin Psychological Science，27（9），1521-1539.

[李倩，龔詩陽，李超凡．（2019）．團隊文化多樣性對團隊創 新的影響及作用機制．心理科學進展，27（9），1521-1539.]

Ma，M. C.（1990）. Fuzzy theory of psychophysical threshold. Acta Psychologica Sinica， 22（3）， 18-24.

[馬謀超.（1990）.心理物理閾限的模糊理論．心理學報， 22（3），18-24.]

Matz，D. C.，amp; Wood，W.（2005）.Cognitive dissonance in groups： The consequences of disagreement. Journal of Personality and Social Psychology，88（1），22-37.

McKimmie， B.M.， Terry， D.J.， Hogg， M.A.，Manstead， A.S. R.， Spears，R.，amp; Doosje，B.（2003）. I'm a hypocrite， but so iseveryone else： Group support and the reduction of cognitive dissonance. Group Dynamics： Theory， Research， and Practice，7（3）， 214-224.

Meaney，T.，amp; Rieger， E. （2021）. Integrating cognitive dissonance and social consensus to reduce weight stigma. Body Image，37（1），117-126.

Moon，J. H.，amp; Sung， Y.（2015）. Individuality within the group： Testing the optimal distinctiveness principle through brand consumption. Social Behavior amp; Personality， 43（1），15-26.

Ormiston，M.E. （2016）.Explaining the link between objective and perceived differences in groups： The role of the belonging and distinctiveness motives. Journal of Applied Psychology， 101（2），222-236.

Palese，T.，amp; Schmid Mast，M.（2020）. The role of social categorizationand social dominanceorientationin behavioral adaptability. Journal of Personality and Social Psychology， 122（4），700-713.

Phillips， K. W.，amp; Loyd， D. L. （2006）. When surface and deeplevel diversity collide： The effects on dissenting group members. Organizational Behavior amp; Human Decision Processes，99（2），143-160.

Pickett，C.L.，Bonner，B.L.，amp; Coleman，J.M.（2002）. Motivated self-stereotyping： Heightened assimilation and differentiation needs result in increased levels of positive and negative self-stereotyping. Journal of Personality amp; Social Psychology，82（4）， 543-562.

Pickett， C.L.， Silver，M.D.，amp; Brewer，M.B.（2002）. The impact of assimilation and differentiation needs on perceived group importance and judgments of ingroup size. Personality and Social Psychology Bulletin， 28（4），546-558.

Robin， X.，Turck，N.， Hainard， A.， Tiberti， N.，Lisacek，F.， Sanchez， J. C.， amp; Muler， M. （2011）. pROC： An opensource package for R and to analyze and compare ROC curves. BMC Bioinformatics， 12， 77， doi： 10.1186/1471- 2105-12-77.

Rubin，M.， amp; Badea， C. （2012）. They're all the same！.. but for several different reasons： A review of the multicausal nature of perceived group variability. Current Directions in Psychological Science， 21（6）， 367-372.

Shore，L.M.，Randel，A.E.，Chung，B.G.，Dean，M.A.， Holcombe Ehrhart， K.，amp; Singh，G. （2011）. Inclusion and diversity in work groups： A review and model for future research. Journal of Management， 37（4），1262-1289.

Slotter，E.B.，Duffy，C.W.，amp; Gardner，W.L.（2014）. Balancing the need to be“me”with the need to be“we\"： Applying optimal distinctiveness theory to the understanding of multiple motives within romantic relationships.Journal of Experimental Social Psychology， 52， 71-81.

Smaldino，P.E.，amp; Epstein，J.M.（2015）.Social conformity despite individual preferences for distinctiveness. Royal Society Open Science，2（3），140437，doi： 10.1098/rsos. 140437.

Swann，W.B.，Jr.，Gómez，A.， Seyle，D.C.，Morales，J.F.，amp; Huici， C. （20o9）.Identity fusion： The interplay of personal and social identities in extreme group behavior. Journal of Personality and Social Psychology， 96（5），995-1011.

Van Buuren， S.，amp; Groothuis-Oudshoorn， K. （2011）. Mice： Multivariate imputation by chained equations. Journal of Statistical Software， 45（3），1-67.

Vergne， J.P.，amp; Wry，T. （2014）. Categorizing categorization research： Review，integration， and future directions. Journal ofManagement Studies，51（1），56-94.

Walker，B.W. （2022）.A dynamic reframing of the social/ personal identity dichotomy. Organizational Psychology Review，12（3），1-32.

Wang， Q.，amp; Yu， G. L. （2016）. The relationship between group identification and individual mental health： Moderating variables and mechanisms. Advances in Psychological Science，24（8），1300-1308

[王就，俞國良.（2016）．群體認同與個體心理健康的關系： 調節變量與作用機制．心理科學進展，24（8），1300-1308.]

Ward， L. M. （199）. Mixed-method mixed-modality psychophysical scaling. Perception amp; Psychophysics，48（6）， 571-582.

Way，J.D.，Conway，J.S.， Shockley，K.M.，amp;Lineberry，M. C. （2022）. Predicting perceptions of team process using optimal distinctiveness theory. Small Group Research， 53（3），464-489.

Wickham， H. （2016）. ggplot2： Elegant graphics for data analysis. Springer-Verlag New York.

Wood， S.N. （2011）. Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models. Journal of the Royal Statistical Society，73（1），3-36.

Yang，T.，amp; Chen，G.（2020）.Identity fusion：Perspectives and influential mechanisms. Chinese Journal of Clinical Psychol0gy，28（5），1054-1060.

[楊通平，陳國典.（2020）.認同融合：觀點及作用機制.中國

臨床心理學雜志，28（5），1054-1060.] Zou，X.，Yin，K.，amp;Lu，L.（2018）.Collectiveritualspromote cohesion：Based on action，emotion，and memory.Advances inPsychological Science，26（5），939-950. [鄒小燕，尹可麗，陸林.（2018）.集體儀式促進凝聚力：基于 動作、情緒與記憶．心理科學進展，26（5），939-950.]

Threshold effects of distinctiveness： Psychological mechanisms underlying group identity

KE Wenlin1，WENFangfangl，ZUO Bin2

0 Schoolof Psychology，Research CenterofSocial Psychology，Central China Normal University; KeyLaboratory ofAdolescent Cyberpsychologyand Behavior，Ministry ofEducation;

KeyLaboratory of HumanDevelopmentand Mental HealthofHubeiProvince，Wuhan 43oo79，China） （Department ofPsychology，Sun Yat-Sen University， Guangzhou 51oo06，China）

Abstract

Our understanding of the self encompasses personal and social identities linked to the groups individuals belong.The way individuals navigate differences between themselves and others along with how this balance influences their identification with the group，have been a central question in the study ofhuman social behavior. Previous studies have treated group assimilation and individual differentiation as separate aspects，yielding conflicting results. In contrast， Brewer's （l991） Optimal Distinctiveness Model defines distinctiveness as the degree to which an individual’s characteristics deviate from group norms，considering personal characteristics ona continuum （e.g.，traits，abilities，and physical features）.The Optimal Distinctiveness Model in the intergroup context proposes an inversely parabolic relationship between distinctivenes and group identity based on a continuum perspective. However，the influence of distinctiveness on group identity and the specific distinctiveness thresholds in intragroup contexts remain unclear. Building on this，our study systematically explores the impact of distinctivenesson group identity across hierarchical levels and group attributes using a continuum perspective.

The study comprised three experiments. In Experiment 1，a baseline-level forced-choice task was employed to examine the efect patterns of the two hierarchical levels of distinctiveness on group identity.The independent variable，distinctiveness，ranged from O to 1 across 11 degrees， whereas the dependent variable was the dichotomous selection of group identity by participants at various distinctiveness levels.Two hierarchical levels were included to compare differences between self and group means， with the group's variability presented in dual experiment blocks， assming a lower threshold for comparing levels with the group mean. Building on Experiment 1，Experiment 2 investigated the moderating role of specific group attributes maintaining the core experimental design while incorporating assssment protocols for surface- and deep-level group attributes. Experiment 3 explored the role of group cognitive disonance， measuring the participants' cognitive dissonance degrees across discrimination levels.

Adopting a continuum-based analytical perspective， the findings reveal that the impact of distinctiveness on group identity deviates from an inverted U-shape and linear negative model， instead conforming to a logistic regression function characterized by an“S-curve.” Overall a nonlinear negative efect of distinctiveness on group identity was observed. As distinctiveness increases， group identity folows a pattern of “flat-sudden decline -maintain flat.”The threshold point with the steepest rate of decline in group identity emerged at the middle level of distinctivenes.Beyond this threshold，self-identification within a group diminished.Notably， comparisons with the group mean exhibited a lower distinctiveness threshold than those involving the group's variability.Similarly，deep-level attributes hada lower distinctivenessthreshold thansurface-levelatributes and aligned more closely with the logistic regression model. Additionally， group cognitive dissonance served a mediating role， with the degree increasing in alignment with distinctivenessfollowing a logistic regression trend.

A higher degree of group cognitive dissonance corresponded with a lower level of group identity. The findings showed that group identity does not decline linearly with increasing distinctiveness，but maintains a balance between self and group before the distinctiveness surpasses a threshold level， beyond which group identity declines abruptly and cognitive dissonance rises sharply.

Adopting a continuum perspective，this research provides comprehensive insights into how distinctiveness influences group identity across various hierarchical levels and attributes， identifying a distinctiveness threshold effect. The effect of distinctiveness on group identity is consistent with an ‘ -shaped” pattern. The findings illuminate the balancing processbetween self and group in social identity formation， offering a comprehensive refinement and nuanced expansion of theories within the realm of self and group relations. Practicaly， this study offers novel insights for individuals to pragmatically navigate the diferences between group and self-attributes， promote the maintenance of psychological boundaries，and safeguard mental health. Furthermore， the findings provide a foundation for targeted organizational strategies that foster coordination and cooperation within organizations that enhances team cohesion by identifying the distinctivenessthreshold as an early warning signs.

KeywordsgroupidentityOptimal DistinctivenessModel， IntragroupDissonance Theorygroupatribute，Theshold effect