【资料】 【文献翻译】判断违法行为（人为杀死食肉动物行为）的指标 违法行为, 食肉动物

羽·凌风

刚开学又没有课上真的好无聊，所以~~~~~~（泥垢
这次依然是从人的角度而非动物的角度来讨论野生动物保护~

---

http://www.ncbi.nlm.nih.gov/pubmed/21795272

判断违法行为（人为杀死食肉动物行为）的指标
Identifying indicators of illegal behaviour: carnivore killing in human-managed landscapes

Freya A. V. St John 1, Aidan M. Keane 1,2,3, Gareth Edwards-Jones 1, Lauren Jones, Richard W. Yarnell 4 and Julia P. G. Jones 1

1 School of Environment, Natural Resources and Geography, Bangor University, Deiniol Road, Bangor LL57 2UW, UK
2 Department of Anthropology, University College London, 14 Taviton Street, London, UK
3 Institute of Zoology, Regent’s Park, London NW1 4RY, UK
4 School of Animal Rural and Environmental Sciences, Nottingham Trent University, Brackenhurst Campus, Southwell NG25 0QF, UK

对自然资源的管理常常取决于人们的行为，不过想要有效地干预并阻止对环境有害的行为却是一大挑战，因为在调查时可能有很多人不会如实相告。因此管理者需要考虑如何用不敏感的指标来判断敏感的行为。以前的研究着重于调查人们的态度，认为态度能够反映行为。也有研究是通过询问受访者认为他们的同行所参与敏感行为的比例，来估计这些人本身有没有类似行为，因为人们往往认为别人都和自己一样。不过到现在，这类调查中依然没有一个明确的指标。我们设计了一种调查敏感行为的随机应答技术（randomized response technique (RRT)），用以研究南非东北部的牧场主中会杀害食肉动物的人所占的比例，并且用改进过的逻辑斯回归模型（logistic regression model）来检测我们所估计的真实行为和建议使用的非敏感指标（包括牧场主的态度和他们认为的同行行为）之间的关系。牧场主对待食肉动物的态度、认为问题是否敏感、以及他们对自己同行行为的评价，都可以用作于预测其是否会杀害动物的指标。态度和同行行为评价是评判该受访者是否会参与到不良行为的有效指标，并且也可以用于帮助管理者计划干预和改变违法行为的措施。

关键词 Keywords：花豹 leopard；随机应答技术 randomized response technique；态度 attitude；棕鬣狗 brown hyaena；违法 illegal；虚假共识效应 false consensus effect

管理自然资源和保育濒危物种的措施成功与否常常都依赖于对当地居民行为的成功规范。举个例子，是否不过度捕鱼、是否不去非法盗猎、是否不在保护区内放牧，以及是否采取对环境友好的农牧方式，这些统统都依赖于个人的决定[1–4]。直接对具有不良行为的人使用积极的改变方法（无论是利用法律，还是出台奖励措施以改变人们的态度）是最有效的。然而不幸的是，在环境保护和资源管理上，许多人知道这些行为是违法的或是禁忌所以对它们非常敏感，因此那些参与过不良行为的人由于害怕受到惩罚或社会的谴责而常常会表现得很低调[5,6]。其结果就是，要确定哪些人是重点监控及行为改变措施的目标，这是个很有挑战性的工作，因此我们需要一个可以可靠地显示人们是否会参与不良行为的指标。

以前有很多研究都将重点放在人们对待特定物种、栖息地或管理干预方式的态度上，并提出态度是有效的行为指标[7]。不过，用态度作行为的指标并不是次次都可信的。举个例子，在乌干达（Uganda）姆布罗湖国家公园（Mburo National Park）附近就有个长期的环境保护项目，加入该计划的人对野生动物和公园的态度要比没有加入项目的人积极得多，不过两者的行为却没什么差别，偷猎和非法放牧的情况同样严重[4]。许多研究都无法确保态度和行为总是一致的，因此这种方法饱受诟病[8]。许多研究者并不认为态度可以作为判断行为的指标。

第二个可能的敏感行为判定指标和错误共识效应这种心理现象有关[9]。“错误共识效应”即，人们往往倾向于把其他人都看成是和自己一样，尽管对方并非如此，这就造成受访者会根据自己的行为来估计某个行为在周围人群中的普遍程度[10]。举个例子，吸烟的人所估计的人群中吸烟者比例往往比不抽烟的人要高[11]。迄今为止，还没有研究探讨过错误共识效应在环境资源管理上的应用。

还有个可能的判定指标涉及人们的法律知识。这可能牵扯到公众对法律的了解，以及对社会舆论的敏感程度[12]。尽管这是两种截然不同的惩罚机构，但同样都致力于杜绝社会不接受的行为，并且惩罚效力都很强[13,14]。将对法律和舆论的敏感度和认知作为不良行为的判定指标，这种思路同样也未曾被运用在研究自然资源管理上。
为了正确测试这些指标的可靠性，首先需要得到以它们为基础估计出的明确的有关敏感行为的数据。最近，创新的调查方法诸如随机应答技术（RRT）[15]就被用于估算人群中不良行为的普遍程度[16,17]。如果问题很敏感，那么匿名可以提高回答的速度和真实性[18]；不过，在说明调查是匿名的外，RRT还需要额外保障受访者的隐私。在这种匿名调查系统中，所获得的回答是随机的（类似骰子）[15,19]。举个例子，受访者可以登陆好几次、参加好几次调查，并每次都如实回答；或者每次参加时都不管真实情况胡乱回答[16]。由于采访者无法看到受访者的神态，因此采访者也无从得知哪些回答是认真的、哪些是作假的。在各种情况下，敏感的话题（如堕胎[21]和健康保险欺诈[22]）都会增加数据的可信度[19,20]，话题越敏感、回答的可信度越高[19]。不过总的来说，以前所用的RRT方法无法让资源管理者得知各行为在人群中的普遍程度，而且也无法以此判断人群或是个人的行为特征。

人类和野生动物的冲突就是一个有关敏感议题的突出例子，而且很难对其进行直接的调查。栖息地丧失和资源竞争正在世界各地上演着，许多人生活在和野生动物距离很近的环境下，这让他们总是认为自己的人身和财产安全处在危险之中[23]。问题尤为严重的是食肉动物，由于他们具有较大的活动范围和食物需求，往往在冲突真正开始前就会被人们盯上[24]。美国和印度的许多地区都有立法保护食肉动物（如狼Canis lupis）[25]，但猎杀仍在继续，这使得非法猎杀食肉动物成为了全球关注的焦点[23,26]。对非法杀死食肉动物行为的间接测量方式有好几种[27,28]，但这些间接的方法很难提供人们行为的明确特征，因此管理者们也很难根据这些测量数据制定杜绝杀害行为的措施。

在这项研究中，我们先使用RRT估计南非东北部牧场主中杀害五种食肉动物的普遍程度，杀害行为分为两种：未持猎杀许可证杀害保护动物，以及使用药物毒杀。接着，我们使用逻辑斯回归[29]分析农场主对其牧场范围内的食肉动物的态度、其估计的同行行为、认为问题的敏感程度以及法律意识，并分别评价这些指标是否可用来估计不良行为的程度。通过这种方法[29]，我们就可以研究各种非敏感指标在评判敏感行为时是否有效。

(a) 案例研究：南非东北部农场主杀害食肉动物的情况 Case study: carnivore persecution by farmers in north-eastern South Africa

南非的牧民为了各自的商业利益会保护他们的牧群免受食肉动物的侵害，在一些情况下，当他们认为自己的财产安全受到威胁时，他们会选择杀死这些野生动物[30]。南非在2004年颁布的生物多样性法案（The South African Biodiversity Act）旨在保护特定的物种（包括近危种[31]棕鬣狗Parahyaena brunnea和花豹Panthera pardus），但如果这些物种危害到了人类的生命和财产安全，人们依然可以申请猎杀许可证并杀死他们（猎杀方式则有枪杀或毒杀）[32]。若不遵守该法律将被除以高达100,000卢比（约合$15,000）或相当于该物种标本价值三倍价格的罚款，同时也可能被判处长达5年的有期徒刑。其他食肉动物如蛇（除加彭蝰蛇Bitis gabonica和非洲岩蟒Python natalensis外）、黑背胡狼Canis mesomelas和狞猫Caracal caracal不受法案的保护，但本研究依然会提及他们，以作为行为判断指标的一个变量。研究所包含的这五个物种都广泛分布在南非东北部[33]，且都曾有过被牧场主杀害或数量控制的事例[34]。

(b) 数据收集 Data collection

最初，我们调查了生活在南非东北地区的16个各种类型的农场主，以测试该调查是否还需要改善。由于没必要再进行更多的改良，因此最后分析的数据中也包括了这16个样本。最后，F.A.V.St.J.和L.J.在2010年五月至九月期间总计调查了研究区域内的99个农场主。调查由七个部分组成，包括：RRT问卷、问题的敏感度、农场主对同行不良行为的预测、基本的人口统计、法制观念以及态度。RRT的问题都只会涉及到最近12个月的行为，以避免受访者的记忆不准确造成的误差，同时这时间也足够长（表1）。

研究中使用的RRT问题和政府对杀害每种动物者的惩罚信息。

项目	问题	处罚
蛇	在过去的12个月中你有杀过蛇吗？	无
胡狼	在过去的12个月中你有杀过胡狼吗？	无
棕鬣狗	在过去的12个月中你有杀过棕鬣狗吗？	罚款和/或监禁a（无许可证的情况下）
狞猫	在过去的12个月中你有杀过狞猫吗？	无
花豹	在过去的12个月中你有杀过花豹吗？	罚款和/或监禁a（无许可证的情况下）
药物	在过去的12个月中你有用药物控制过掠食动物的数量吗？	罚款和/或监禁b
狩猎许可证	在过去的12个月中你有在无许可证的情况下杀死过掠食动物吗？	罚款和/或监禁a

a：南非生物多样性法案2004第73条款规定：如果一个人在未持有许可证的情况下从事和受威胁或保护物种相关的限制活动，即为违法。违反第73条款的个人应(a)被处以100000卢比、或该物种标本三倍价值的罚款；和/或(b)五年以下有期徒刑；或(c)同时处以罚款和监禁[32]。
b：政府宪报No. 24329肥料、农场饲料、农药和牲畜用药法案1947（Act No. 36 of 1947）No. R181条款规定：禁止将农业和牲畜用药用于标签所示之外的用途。任何未遵守该条例的人一经定罪，将被处以数额未指定的罚款或两年以下有期徒刑，或同时处以罚款和监禁。

(c) RRT问卷 Randomized response technique

各种文献中描述了很多种RRT设计方案，我们使用了在统计学上最有效率的一种设计，即“强制响应（forced response）”[20]。根据受访者掷骰子的数目，他们将必须用“是”或“否”如实回答敏感问题，或者不求真相而按其他规定回答问题(Boruch 1971 in [19])。采访者并不知道骰子的数目，因此可以完全保证应答者的隐私，不过由于知道受访者必须如实回答敏感问题的概率和不求真相回答的概率，因此我们还是可以通过调查数据计算出敏感行为的总体普遍程度[16,35]。

如果所掷的两个骰子数目加起来在5到10之间，那么受访者就必须如实地回答敏感问题（概率为3/4）。如果数目加起来是2、3或4，则受访者只需要一直回答“是”（概率为1/6）；如果数目合是11或12，则只需一直回答“否”（概率为1/12）。因为采访者不知道掷骰子的情况，因此他并不清楚受访者回答“是”到底是因为对方确实有过这样的行为，还是因为游戏规则如此，所以采访者也不会对受访者的回答表现出任何多余的反应。在采访时，受访者会得到一个装有两颗骰子的烧杯、一张问卷卡和七张写着随机问题的问卷卡。所有的卡片都是同一款式的，仅仅是上面的问题不同而已。访问开始时，我们用几个实例向受访者解释采访的流程。为了让受访者认真遵守RRT的程序，我们告诉他们，如果骰子的和是2、3、4、11或12，就不要看问题，直接按规则给出“是”或“否”的答案。在这项程序中，由于受访者需要一手拿着RRT问卷卡、一手摇烧杯，所以登记答案的部分是由采访者完成的；而其他所有程序则全是受访者独自完成的。

(d) 对处罚的意识 Beliefs on the existence of sanctions

为调查RRT所示的行为和对处罚的恐惧之间的关系，我们让受访者分别列出他们认为的杀死每一个物种所需要承担的惩罚；惩罚的范围从无处罚到高至100,000卢比的罚款或5年有期徒刑。

(e) 问题的敏感性 Perceived randomized response technique question sensitivity

为了解RRT问卷中所提及的每个行为的敏感度，我们要求受访者按照四点式李克特量表（four-point Likert scale）[36]发表其看法（+2 = 很不满意，到-2 = 很满意，没有0），这样就可以知道大部分农场主对每个问题的反应。

(f) 态度陈述 Attitude statements

为确保调查所得到的态度描述和行为相符合，态度调查包括目标、行为、范围和具体时间这些部分[37]。在这里我们使用了五点式李克特量表，要求受访者就两个有关态度的陈述句发表自己的看法；我们用两种描述“对杀生的态度”的陈述句来调查农场主对总体反应。“对杀生的态度”的陈述句如下：(i)“在这段时间（时间）我认为应该杀死（行为）出没在农场内（范围）的胡狼（目标）”；(ii)“在这段时间我认为杀死农场内的胡狼的行为是错误的”。对于五种食肉动物都分别有这两种态度陈述句（总计10条句子）。我们根据受访者对这些陈述句的态度进行积分，对“支持杀死动物”的态度，强烈同意为-2、强烈反对为+2，而对“杀生是错误的”的态度，强烈同意为+2、强烈反对为-2；换句话说，分数越低意味着人们对食肉动物的态度越恶劣。

(g) 农场主对其同行行为的估计 Farmers’ estimates of their peers’ behaviour

为调查农场主对其同行的不良行为的估计，我们让受访者估算在他们周围的农场主中，10人里有多少人（范围0–10）在最近12个月内具有RRT问卷提到的杀害动物的行为。遵循错误共识效应的原则，估计值较高可能说明该受访者也会参与敏感行为[9]；不过，我们随后会将所有数据导入分析系统，以明确它们和其他所有变量的关系。

(h) 数据分析 Data analysis

我们使用R v. 12.2.0来分析数据[38]，并用Hox & Lensvelt-Mulders模型[35]来估算农场主用药物或未持许可证杀死每种动物的人数所占的比例：

其中π代表具有不良行为的人所占的比例，λ代表问卷调查中回答“是”的比例，θ代表由于骰子数目为特定值而“必须答是”的比例，s代表诚实回答敏感问题的比例。对RRT数据而言，样本数量10,000时置信区间为95%。

为研究受访者对每种动物的行为和他们的态度之间的关系，我们使用了包含有二元反应（binary response）和二项式误差分布（binomial error distribution）的广义线性混合模型（generalized linear mixed model (GLMM)）。通过将每个受访者的ID都作为一个随机变量，我们就可以把所有人对问卷的回答都反映在模型上。在这种情况下，相比单个物种的模型，GLMMs可以对所有数据进行更高效的利用[39]。物种、对杀害某物种的态度、对不杀害某物种的态度、认为问题的敏感度、对制裁的观念、以及农场主对其同行行为的估计，都是模型中的固定效应结构（fixed effect）。

在建立模型前，我们重新调节了一些食肉动物的变量，如此他们的态度数据都以0为中心且范围都一样（从-2到+2）[39]。我们用克隆巴赫系数（Cronbach’s alpha coefficient）[36,40]来处理态度数据，并用斯皮尔曼等级相关（Spearman’s correlation）来计算其他相关系数。计算时我们去除了预计和态度强烈相关的变量，以避免多重共线性（multi-collinearity）的问题。

二元反应模型采用逻辑联结函数（logistic link function）。不过，RRT数据并不适合用简单的逻辑斯回归模型来处理，因为强制相应会在数据中引入偏见和附加的变量。因此，我们建立了一个和RRT强制回答概率相关的连接函数[29]：

其中αj是受访者j给出的共同截距项（common intercept term），βN,i是第N个协变量的系数，xN是第N个协变量的向量的值。在逻辑斯回归中连接函数和逻辑连接的表现很相似，其相应都受上限和下限的制约。对于强制响应的程序而言，相应的范围在θ和θ + s之间，不过如果强制响应的概率是0、θ = 0、θ + s = 1，连接函数就可以简化为标准逻辑连接函数。

我们利用MASS软件的glmmPQL功能对这个模型做伪似然估计（penalized quasi-likelihood, PQL）的拟合检验，这个软件可以接受用户自定义的连接函数[41]。PQL是一种很灵活的方法，允许GLMMs的近似推理[42]，并且也被各研究广泛地使用[43]。不过，伪似然不同于标准的似然估计，例如Akaike信息量准则（Akaike’s Information Criterion, AIC）和似然比检验（likelihood ratio tests），并且在某些情况下，这个方法可能存在估算上的偏差[44]。为了规避这些限制同时仍然受益于GLMM方法的优势，我们采用了一种点对点（ad hoc）的模型选择程序。首先，对每个可能的掠食动物组合我们都分别对其进行了广义线性模型（generalized linear models, GLM）的拟合检验。较为适合的模型将用AIC进行估算[45]，其中最切合的模型就将被用作选择分析所有动物的GLMM的固定效应结构的基础。最后，我们还将对来自GLMM的参数估计和分析独立物种的GLMs的参数进行比较和检查，以排除偏差。

所有的问题都用李克特量表记录，克隆巴赫系数高于0.7即说明存在较高的一致性[40]。RRT问卷的敏感性调查的克隆巴赫系数为0.868（n = 95），有关支持杀害各个物种的态度陈述的系数为0.795（n = 98），而有关反对杀害的态度陈述的系数为0.882（n = 97）。共有99位农场主完成了问卷。大部分受访者都是男性（90.9%, n = 90），平均年龄为49岁（s.e. = 1.0, n = 98）。超过一半的农场主（55%, n = 54）开放狩猎、或同时还养有牛或其他牲畜，剩下的（45%, n = 45）则只饲养牲畜。大部分农场主都知道杀蛇（87%, n = 83）、胡狼（85%, n = 82）和狞猫（59%, n = 57）是不会被罚款的，同时大部分农场主也知道杀害棕鬣狗（60%, n = 56）和花豹（88%, n = 84）是有罚款的。

过去12个月间农场主杀害每一个物种的比例如图1所示。RRT显示杀非保护动物的人所占的比例比杀保护动物的要高。大部分受访者都杀过蛇，超过45%的人杀过分布广泛的胡狼，还有22%的人杀过狞猫（此为本研究所涉及的非保护动物）。19%的农场主在过去的12个月内杀过出现在牧场里的花豹，而同期杀过棕鬣狗的人只有6%（然而由于数值区间包含0，所以有可能没有人杀过棕鬣狗）。用毒药和无狩猎许可证杀死食肉动物的比例是相仿的（分别为21%和22%）。

通过RRT估算的，农场主在12个月中曾杀害五种食肉动物或违反许可证和药物使用条例的情况。由于强制响应的随机变异性，RRT中可能出现估计的偏差。粗线代表中位数，框的上下边缘是第一和第三四分位数，虚线标示出最大和最小值。星号为生物多样性法案2004所示的保护物种。

由于农场主中杀过棕鬣狗的人所占的比例很低，我们并没有为这个物种创建模型。对这些数据的初步检验显示，两个态度陈述之间存在相互关联（斯皮尔曼等级相关rs = 0.60, p = < 0.001），为避免多重共线性（multicollinearity）所造成的问题，代表“猎杀是错误”的态度在更进一步的分析中被剔除。受访者对法律处罚的了解与他们估计的同行行为是相关的（斯皮尔曼等级相关rs = 0.47, p = > 0.001），这些也将去除。对剩余可能指标的研究显示它们的影响是近似线性的，简单地说，它们可以被视为连续的，而非明确的变量。

农场主会杀害任一给定物种的可能性与他们对是否杀该物种的态度息息相关且消极（t = -3.326, d.f. = 247, p = 0.001），对问题的敏感性判断也一样（t = -2.063, d.f. = 247, p = 0.04）。农场主对同行行为的估算同样消极，但和他们自己是否会杀害动物关系不大（t = -1.478, d.f. = 247, p = 0.140）。

拟合模型的方案模拟展示了每个指标（态度、问题敏感度和农场主对其同行的认知）对判断个人是否参与杀害动物行为的相对强度（图2a–c）。举个例子，图2a表明，如果农场主对杀死牧场中的食肉动物持赞成的态度（方案1），那么他们很可能就曾杀死过这些动物，相比起来那些持反对态度的人则反之（方案2）。同样地，那些认为自己的同行大部分都会杀动物的人（图2c，方案1）同样也更可能去参与杀害动物的行为，认为同行很少杀死动物的农场主则相反（方案2）。这些结果显示，态度是判断农场主是否会参与非法猎杀动物行为的最有效指标；问题敏感度的可靠性较弱，在讨论中，我们探索了产生这种现象的原因。尽管那些认为同行中大部分都会杀动物的农场主们自己更可能参与残杀的行为，但这项指标无法将曾杀过动物的人和不杀生的人区分开来。图2d显示，表现出这两种极端行为的农场主，其态度和看法也存在巨大的差异：举个例子，那些认为所有的同行都会杀花豹、抱持着牧场里的花豹该杀的看法、并且觉得RRT问卷中有关杀害花豹的问题一点也不敏感（方案1）的农场主中，有69.8%的人都曾猎杀过花豹，和那些持相反观点的人全然不同（方案2）。

(a–c)拟合模型的方案模拟，分别表示三个变量的相对强度，(d)综合各指标。在图(a–c)中，焦点指标被设置在最低值（方案1）或最高值（方案2），其他变量的值则为平均值。在图(d)中，所有指标都被同时设定为最高（方案1）或最低（方案2）。图(d)的方案1代表持有支持杀死牧场内食肉动物的观点、认为RRT问题不敏感、同行中具不良行为的人占比例很大的农场主；方案2则相反。粗线代表中位数，方框的上下边界为第一和第三四分位数，虚线表示最大和最小点。白方框示方案1，灰方框示方案2。
(a)对猎杀动物的态度；(b)问题的敏感度；(c)同行行为估计；(d)三项指标综合。

非法狩猎[46]、非法渔猎[47]、非法野生动物贸易[48]或因人与野生动物冲突而造成的猎杀[49]对生物多样性是一大威胁，因此这些人类行为也是解决动物保育问题时必须考虑的因素[8]。许多研究显示食肉动物通常在人兽冲突中被杀害，尤其是常常被那些想要保护自己的牲畜免受实际的或可能的掠食的农场主杀害[50–53]。当这些食肉动物受法律保护并/或被人们广泛关注时，这种行为就将面临争议[54]。考察这些行为的研究往往采用传统的面对面调查，以判断这些行为在人群中的普遍程度、及人们对食肉动物的态度，但其中部分研究指出，因为这些问题本身是相当敏感的，所以所获得的数据常常彼此矛盾[53]且有遗漏[52]。

在南非，许多农场主都和大型食肉动物共享一片栖地，人类与食肉动物的冲突是花豹和棕鬣狗保育的关注重点[34]，这两种动物都是近危种[31]。然而，至今只有很少的研究有涉及农场主中杀害这些或其他食肉动物的普遍程度。我们通过研究结构估算得出，在过去的12个月里，有19%的农场主曾杀害过出现在他们牧场中的花豹；由于花豹的繁殖能力、幼仔和亚成体存活率都较低[55]，因此这种现象实在是令人担忧。无狩猎许可证猎杀花豹的农场主也有相似的比例，这表明绝大部分农场主都是在非法无证猎杀保护动物。更进一步地，许多人都无视法律对毒药的管制（如滥用农药）用药物控制食肉动物的数量，这显示野生动物保护法的宣传和/或执行仍存在欠缺。我们发现有极小一部分农场主（几乎为0）在过去12个月里曾杀死过棕鬣狗。在研究区域内，花豹的种群数量比棕鬣狗要少[34]，并且是全能型的掠食者[55]；而棕鬣狗主要是夜间单独出没的食腐动物，也会进食野果、昆虫和鸟蛋[56]。这些生态上的差异可以部分解释两种动物受害程度和种群密度的差别。我们的研究证实了其他人的观点，即胡狼或者狞猫，即使在南非被农场主杀死了很多，依然种群数量较多[55,57]。

通过拟合逻辑回归模型以合并RRT的已知概率，我们就能够在GLMM框架中调查个人杀死食肉动物的可能性。在我们的模型中，我们发现问卷敏感度和RRT反应间存在负相关关系；认为和某物种有关的RRT问题很敏感的农场主，比较不太会去杀死这种动物。关于此有两种可能的解释。对某人而言该问题是否敏感可能涉及到个人对行为的看法和对当时社会规范的尊重程度，因此那些认为问题很敏感的农场主确实不太可能会杀死这些食肉动物。然而，一些农场主可能不会承认自己曾杀死过保护动物。即使我们使用的是特别设计的调查方法，仍然不可能彻底排除有人不愿如实相告的可能性[58,59]。不过，验证研究中每个人的真实情况都是已知的（如来源自公安系统的记录），这些证据表明RRT还是比传统的调查方式更可信[19]；同时，比较各种调查方式的研究发现，与传统调查方式相比，RRT方法所估计的敏感或违法行为的可能性更高，这表明RRT方法可以获得更真实的数据[16,17,21,60,61]。我们同时还使用了对称RRT设计（当骰子的数字和为2、3或4时固定选“是”，且和尾11或12时固定选“否”），这已被证实会增加最后得出的数值[62]。与传统方法相比，RRT有个原则性的缺陷，即随机噪音（因强迫响应而产生），因此为了获得更可信更精确的结果就需要更大的样本数量[19]。

大量的研究致力于调查人们对食肉动物的态度[30,36,50–52,63]，但还没有研究正式调查过这些态度和人们行为之间的关系，例如持不同态度的人倾向于保护还是杀害特定的物种。农场主因食肉动物会造成牲畜财产损失而产生的敌对态度可以通过赔偿来弥补[25]，但如果农场主的敌对态度从未对食肉动物造成实质上的迫害，那么这种经济赔偿作为保护的投资就不会带来什么效果，因此，了解哪种态度和行为直接相关是非常必要的。在我们的GLMM模型中，我们将态度合并作为一项行为指标，这使得我们可以更直接地调查农场主对其牧场中的食肉动物的态度到底如何影响他们的行为。研究结果表明，那些把食肉动物视为害虫并认为应该把他们从牧场中斩草除根的农场主们，确实很有可能在12个月内曾杀死过这些动物。许多研究保育的调查都没有发现态度和行为间所存在的明确的关系[4,64]。这些研究往往都会调查人们的一般态度（如人们对保育的态度）并将其与非常具体的行为联系起来（如在保护区内偷猎特定的物种）；这种调查方法在最近饱受诟病[8,37]。通过在态度陈述中提供明确的时间、目标、行为和范围（这些天（时间）我认为我们应该杀死（行为）出现在牧场上（范围）的胡狼（目标）），我们发现态度也可以作为判断行为的有效指标。

农场主对其同行是否会有杀害动物的行为的评估和他们自己行为的关系，证实了虚假共识效应的存在[10]，那些自身也有参与不良行为的人往往认为身边从事这类行为的人所占的比例很高，反之则估计的比例较低[65]。我们的数据证实了Petroczi et al. [9]的观点，即让受访者估计人群中存在敏感行为的人的比例，可以间接地判断出哪些人自己也曾表现过相同的敏感行为。

我们的研究结果证明了简单的、非敏感性的指标也可用作干预和管理保育政策时的潜在依据。不过，我们发现在模型中，对杀害食肉动物的态度和敏感度可以预测人们是否会杀害该动物，同样也可用于判断这些农场主杀死自己牧场上的动物到底是否完全出于经济损失上的原因。举个例子，Lagendijk & Gusset [66]发现一些生活在南非克鲁格（Kruger）地区的人即使在遭受经济损失时也不会去猎杀狮子，同时政府也没有给与补偿，人们把这视为“文化包容（cultural tolerance）”。事实上，有证据显示，对其他物种（包括食肉动物）的文化包容可以减少猎杀动物的可能性[67]。政府对因食肉动物造成的牲畜损失提供补偿可以鼓励重视商业利益的农场主容忍食肉动物的存在[30]。然而，适用于商业营销理念和技术、用于改变行为的社会营销活动，在影响诸如吸烟和吸毒等不良行为方面就获得了显著的成功[68]。现在已有许多农场主发起了改变大众观念的社会营销活动，内容即杀害保护动物的行为是不被社会所允许的，同时鼓励大众宽容南非的食肉动物并为此产生民族自豪感，这可能可以极大地改善农场主们的行为。任何改变大众行为的举措都需要时间，改变现有法律的执行力度仍将非常重要。

如果社会调研的主题是很敏感的，例如和非法杀害动物有关，那么研究者不要妄想自己可以得到受访者诚实且直接的回答。RRT令调查者可以获得更多精确的信息以估计敏感行为，同时我们也发现了一些有关这些违法行为的指标。在有人类干预的栖息地上，若想保护持续减少的食肉动物诸如花豹和棕鬣狗，减少并杜绝人为的猎杀将变得非常重要。我们的结果证实了周密明确的态度陈述和人们对同行行为的估测，是判断一个人是否参与非法杀生的有效指标。当管理者们介入并制止此类行为时，这些信息就可以派上用场。

1.        Edwards-Jones, G. 2006 Modelling farmer decisionmaking: concepts, progress and challenges. Anim. Sci. 82, 783–790. (doi:10.1017/ASC2006112)
2.        Rowcliffe, J. M., de Merode, E. & Cowlishaw, G. 2004 Do wildlife laws work? Species protection and the application of a prey choice model to poaching decisions. Proc. R. Soc. Lond. B 271, 2631–2636. (doi:10.1098/rspb.2004.2915)
3.        Hilborn, R. 2007 Managing fisheries is managing people: what has been learned? Fish Fisheries 8, 285–296. (doi:10.1111/j.1467-2979.2007.00263_2.x)
4.        Infield, M. & Namara, A. 2001 Community attitudes and behaviour towards conservation: an assessment of a community conservation programme around Lake Mburo National Park, Uganda. Oryx 35, 48–60.
5.        Keane, A., Jones, J. P. G., Edwards-Jones, G. & Milner-Gulland, E. J. 2008 The sleeping policeman: understanding issues of enforcement and compliance in conservation. Anim. Conserv. 11, 75–82. (doi:10.1111/j.1469-1795.2008.00170.x)
6.        Gavin, M., Solomon, J. & Blank, S. G. 2010 Measuring and monitoring the illegal use of natural resources. Conserv. Biol. 24, 89–100. (doi:10.1111/j.1523-1739.2009.01387.x)
7.        Holmes, C. M. 2003 The influence of protected area outreach on conservation attitudes and resource use patterns: a case study from western Tanzania. Oryx 37, 305–315. (doi:10.1017/S0030605303000565)
8.        St John, F. A. V., Edwards-Jones, G. & Jones, J. P. G. 2010 Conservation and human behaviour: lessons from social psychology. Wildl. Res. 37, 658–667. (doi:10.1071/WR10032)
9.        Petroczi, A., Mazanov, J., Nepusz, T., Backhouse, S. & Naughton, D. 2008 Comfort in big numbers: does over-estimation of doping prevalence in others indicate self-involvement? J. Occup. Med. Toxicol. 3, 19. (doi:10.1186/1745-6673-3-19)
10.        Ross, L., Greene, D. & House, P. 1977 ‘The false consensus effect’: an egocentric bias in social perception and attribution processes. J. Exp. Soc. Psychol. 13, 279–301. (doi:10.1016/0022-1031(77)90049-X)
11.        Sherman, S. J., Presson, C. C., Chassin, L., Corty, E. & Olshavsky, R. 1983 The false consensus effect in estimates of smoking prevalence: underlying mechanisms. Pers. Soc. Psychol. Bull. 9, 197–207. (doi:10.1177/0146167283092003)
12.        North, D. C. 1994 Economic performance through time. Am. Econ. Rev. 84, 359–368.
13.        Posner, R. A. & Rasmusen, E. B. 1999 Creating and enforcing norms, with special reference to sanctions. Int. Rev. Law Econ. 19, 369–382. (doi:10.1016/S0144-8188(99)00013-7)
14.        Becker, G. S. 1968 Crime and punishment: an economic approach. J. Political Econ. 76, 169–217. (doi:10.1086/259394)
15.        Warner, S. L. 1965 Randomized response: a survey technique for eliminating evasive answer bias. J. Am. Stat. Assoc. 60, 63–69. (doi:10.2307/2283137)
16.        St John, F. A. V., Edwards-Jones, G., Gibbons, J. M. & Jones, J. P. G. 2010 Testing novel methods for assessing rule breaking in conservation. Biol. Conserv. 143, 1025–1030. (doi:10.1016/j.biocon.2010.01.018)
17.        Solomon, J., Jacobson, S. K., Wald, K. D. & Gavin, M. 2007 Estimating illegal resource use at a Ugandan park with the randomized response technique. Hum. Dimens. Wildl. 12, 75–88. (doi:10.1080/10871200701195365)
18.        Singer, E., Von Thurn, D. R. & Miller, E. R. 1995 Confidentiality assurances and response: a quantitative review of the experimental literature. Public Opin. Q. 59, 66–77. (doi:10.1086/269458)
19.        Lensvelt-Mulders, G. J. L. M., Hox, J. J., van der Heijden, P. G. M. & Maas, C. J. M. 2005 Meta-analysis of randomized response research: thirty-five years of validation. Sociol. Methods Res. 33, 319–348. (doi:10.1177/0049124104268664)
20.        Lensvelt-Mulders, G. J. L. M., Hox, J. J. & van der Heijden, P. G. M. 2005 How to improve the efficiency of randomised response designs. Qual. Quantity 39, 253–265. (doi:10.1007/s11135-004-0432-3)
21.        Silva, R. S. & Vieira, E. M. 2009 Frequency and characteristics of induced abortion among married and single women in Sa˜o Paulo, Brazil. Cadernos de Sau´de Pu´ bl. Rio de Janeiro 25, 179–187. (doi:10.1590/S0102-311X2009000100019)
22.        Bockenholt, U. & van der Heijden, P. G. M. 2007 Item randomized-response models for measuring noncompliance: risk-return perceptions, social influences, and self-protective responses. Psychometrika 72, 245–262. (doi:10.1007/s11336-005-1495-y)
23.        Treves, A. & Karanth, K. U. 2003 Human–carnivore conflict and perspectives on carnivore management worldwide. Conserv. Biol. 17, 1491–1499. (doi:10.1111/j.1523-1739.2003.00059.x)
24.        Inskip, C. & Zimmermann, A. 2009 Human–felid conflict: a review of patterns and priorities worldwide. Oryx 43, 18–34. (doi:10.1017/S003060530899030X)
25.        Agarwala, M., Kumar, S., Treves, A. & Naughton-Treves, L. 2010 Paying for wolves in Solapur, India and Wisconsin, USA: comparing compensation rules and practice to understand the goals and politics of wolf conservation. Biol. Conserv. 143, 2945–2955. (doi:10.1016/j.biocon.2010.05.003)
26.        Woodroffe, R., Frank, L. G., Lindsey, P. A., ole Ranah, S. M. K. & Romanach, S. 2007 Livestock husbandry as a tool for carnivore conservation in Africa’s community rangelands: a case–control study. In Vertebrate conservation and biodiversity pp. 419–434. Berlin, Germany: Springer.
27.        Hedmark, E. & Ellegren, H. 2005 Microsatellite genotyping of DNA isolated from claws left on tanned carnivore hides. Int. J. Leg. Med. 119, 370–373. (doi:10.1007/s00414-005-0521-4)
28.        Linkie, M., Martyr, D. J., Holden, J., Yanuar, A., Hartana, A. T., Sugardjito, J. & Leader-Williams, N. 2003 Habitat destruction and poaching threaten the Sumatran tiger in Kerinci Seblat National Park, Sumatra. Oryx 37, 41–48. (doi:10.1017/S0030605303000103)
29.        van den Hout, A., van der Heijden, P. G. M. & Gilchrist, R. 2007 The logistic regression model with response variables subject to randomized response. Comput. Stat. Data Anal. 51, 6060–6069. (doi:10.1016/j.csda.2006.12.002)
30.        Lindsey, P. A., du Toit, J. T. & Mills, M. G. L. 2005 Attitudes of ranchers towards African wild dogs Lycaon pictus: conservation implications on private land. Biol. Conserv. 125, 113–121. (doi:10.1016/j.biocon.2005.03.015)
31.        IUCN 2010 IUCN Red List of Threatened Species. Version 2010.4. See http://www.iucnredlist.org/. Downloaded on 10 January 2011.
32.        Department of Environmental Affairs and Tourism. 2007 National Environmental Management: Biodiversity Act, 2004 (Act 10 of 2004): Threatened or Protected Species Regulations. Pretoria, Republic of South Africa: The Government Printing Works.
33.        Friedmann, Y., Daly, B., Keith, M., Peddemors, V., Chimimba, C. & Byers, O. 2002 Conservation assessment and management plan for the mammals of South Africa: conservation Africa/endangered wildlife trust. Apple Valley, MN: Conservation Breeding Specialist Group (SSC/IUCN).
34.        Thorn, M. 2009 Carnivores of the North West Province, South Africa: abundance, occupancy and conflict with humans. PhD thesis, University of Brighton.
35.        Hox, J. & Lensvelt-Mulders, G. 2004 Randomized response analysis in Mplus. Struct. Equ. Model. 11, 615–620. (doi:10.1207/s15328007sem1104_6)
36.        Nilsen, E. B., Milner-Gulland, E. J., Schofield, L., Mysterud, A., Stenseth, N. C. & Coulson, T. 2007 Wolf reintroduction to Scotland: public attitudes and consequences for red deer management. Proc. R. Soc. B 274, 995–1003. (doi:10.1098/rspb.2006.0369)
37.        Conner, M. & Sparks, P. 2008 Theory of planned behaviour. In Predicting health behaviour (eds M. Conner & P. Norman), pp. 170–222. Maidenhead, UK: Open University Press.
38.        R Development Core Team 2010 R: a language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing.
39.        Gelman, A. & Hill, J. 2007 Data analysis using regression and multilevel/hierarchical models. New York, NY: Cambridge University Press.
40.        Santos, J. R. A. 1999 Cronbach’s alpha: a tool for assessing the reliability of scales. J. Extension 37. See: http://www.joe. org/joe/1999april/tt3.php?ref¼Klasistanbul.Com.
41.        Venables, W. N. & Ripley, B. D. 2002 Modern applied statistic with S. Statistics and computing. New York, NY: Springer.
42.        Breslow, N. E. & Clayton, D. G. 1993 Approximate inference in generalized linear mixed models. J. Am. Stat. Assoc. 88, 9–25. (doi:10.2307/2290687)
43.        Bolker, B. M., Brooks, M. E., Clark, C. J., Geange, S. W., Poulsen, J. R., Stevens, M. H. H. & White, S. S. 2009 Generalized linear mixed models: a practical guide for ecology and evolution. Trends Ecol. Evol. 24, 127–135. (doi:10.1016/j.tree.2008.10.008)
44.        Breslow, N. E. 2003 Whither PQL? In UW biostatistics working paper series. The Berkeley electronic press (bepress). Washington, DC: University of Washington.
45.        Burnham, K. P. & Anderson, D. R. 2002 Model selection and multimodel inference: a practical information-theoretic approach, 2nd edn. New York, NY: Springer-Scienceþ Business Media, Inc.
46.        Hilborn, R., Arcese, P., Borner, M., Hando, J., Hopcraft, G., Loibooki, M., Mduma, S. & Sinclair, A. R. E. 2006 Effective enforcement in a conservation area. Science 314, 1266. (doi:10.1126/science.1132780)
47.        Mann, B. Q. 1995 Quantification of illicit fish harvesting in the Lake St Lucia Game Reserve, South Africa. Biol. Conserv. 74, 107–113. (doi:10.1016/0006-3207(95)00019-Z)
48.        Shepherd, C. & Nijman, V. 2008 The trade in bear parts from Myanmar: an illustration of the ineffectiveness of enforcement of international wildlife trade regulations. Biodivers. Conserv. 17, 35–42. (doi:10.1007/s10531-007-9228-9)
49.        Redpath, S. M., Arroyo, B. E., Leckie, F. M., Bacon, P., Bayfield, N., GutiE´ Rrez, R. J. & Thirgood, S. J. 2004 Using decision modeling with stakeholders to reduce human–wildlife conflict: a raptor–grouse case study. Conserv. Biol. 18, 350–359. (doi:10.1111/j.1523-1739.2004.00421.x)
50.        Bagchi, S. & Mishra, C. 2006 Living with large carnivores: predation on livestock by the snow leopard. (Uncia uncia). J. Zool. 268, 217–224. (doi:10.1111/j.1469-7998.2005.00030.x)
51.        Zimmermann, A., Walpole, M. J. & Leader-Williams, N. 2005 Cattle ranchers’ attitudes to conflicts with jaguar (Panthera onca) in the Pantanal of Brazil. Oryx 39, 406–412. (doi:10.1017/S0030605305000992)
52.        Oli, M. K., Taylor, I. R. & Rogers, M. E. 1994 Snow leopard (Panthera uncia) predation of livestock: an assessment of local perceptions in the Annapurna Conservation Area, Nepal. Biol. Conserv. 68, 63–68. (doi:10.1016/0006-3207(94)90547-9)
53.        Mishra, C.& Fitzherbert, A. 2004War and wildlife: a postconflict assessment of Afghanistan’s Wakhan Corridor. Oryx 38, 102–105. (doi:10.1017/S0030605 304000158)
54.        Graham, K., Beckerman, A. P. & Thirgood, S. 2005 Human–predator–prey conflicts: ecological correlates, prey losses and patterns of management. Biol. Conserv. 122, 159–171. (doi:10.1016/j.biocon.2004.06.006)
55.        Nowell, K. & Jackson, P. 1996 Wild cats: status survey and action plans. p. xxiv þ 383. Gland, Switzerland: IUCN / SSC Cat Specialist Group.
56.        Mills, M. G. L. & Hofer, H. 1998 Hyaenas: status survey and action plan. IUCN/SSC Hyaena Specialist Group. Gland, Switzerland: IUCN.
57.        Sillero-Zubiri, C., Hoffmann, M. & Macdonald, D. W. 2004 Canids: foxes, wolves, jackals and dogs. Status survey and conservation action plan. p. x þ 430. Gland, Switzerland: IUCN/SSC Canid Specialist Group.
58.        Lensvelt-Mulders, G. J. L. M. & Boeije, H. R. 2007 Evaluating compliance with a computer assisted randomized response technique: a qualitative study into the origins of lying and cheating. Comput. Hum. Behav. 23, 591–608. (doi:10.1016/j.chb.2004.11.001)
59.        Landsheer, J., Van Der Heijden, P. & Van Gils, G. 1999 Trust and understanding, two psychological aspects of randomized response. Qual. Quantity 33, 1–12. (doi:10.1023/A:1004361819974)
60.        Donovan, J. J., Dwight, S. A. & Hurtz, G. M. 2003 An assessment of the prevalence, severity, and verifiability of entry-level applicant faking using the randomized response technique. Hum. Perform. 16, 81–106. (doi:10.1207/S15327043HUP1601_4)
61.        Scheers, N. J. & Dayton, M. C. 1987 Improved estimation of academic cheating behavior using the randomized response technique. Res. High. Educ. 26, 61–69. (doi:10.1007/BF00991933)
62.        Ostapczuk, M., Moshagen, M., Zhao, Z. & Musch, J. 2009 Assessing sensitive attributes using the randomized response technique: evidence for the importance of response symmetry. J. Educ. Behav. Stat. 34, 267–287. (doi:10.3102/1076998609332747)
63.        Naughton-Treves, L., Grossberg, R. & Treves, A. 2003 Paying for tolerance: rural citizens’ attitudes toward wolf depredation and compensation. Conserv. Biol. 17, 1500–1511. (doi:10.1111/j.1523-1739.2003.00060.x)
64.        Waylen, K. A.,McGowan, P. J. K., Milner-Gulland, E. J. & Pawi Study Group 2009 Ecotourism positively affects awareness and attitudes but not conservation behaviours: a case study at Grande Riviere, Trinidad. Oryx 43, 343–351. (doi:10.1017/S0030605309000064)
65.        Monin, B. & Norton, M. I. 2003 Perceptions of a fluid consensus: uniqueness bias, false consensus, false polarization, and pluralistic ignorance in a water conservation crisis. Pers. Soc. Psychol. Bull. 29, 559–567. (doi:10.1177/0146167203029005001)
66.        Lagendijk, D. & Gusset, M. 2008 Human–carnivore coexistence on communal land bordering the Greater Kruger Area, South Africa. Environ. Manage. 42, 971–976. (doi:10.1007/s00267-008-9204-5)
67.        Karanth, K. K., Nichols, J. D., Karanth, K. U., Hines, J. E. & Christensen, N. L. 2010 The shrinking ark: patterns of large mammal extinctions in India. Proc. R. Soc. B 277, 1971–1979. (doi:10.1098/rspb.2010.0171)
68.        Gordon, R., McDermott, L., Stead, M. & Angus, K. 2006 The effectiveness of social marketing interventions for health improvement: what’s the evidence? Public Health 120, 1133–1139. (doi:10.1016/j.puhe.2006.10.008)

靛紫喵龙

调查方法每次感觉都很精心和复杂阿，然而也不能完全作准，感觉有点可惜
总的来说这些农场主几乎都不会胡乱猎杀肉食动物，但走进自己的农场范围就会行动
但其实不杀害真的能赶走他们吗? 就算赶走了一次也可能有下一次?
同行的行为果然很容易受到影响呢～假设大家都在做的话，就算是犯法也会觉得是没问题
然后发现中文阅读速度变慢了（掩面

羽·凌风

回复 2# 靛紫喵龙

感谢喵龙的观看⊙ω⊙~

纯数据型的动物基因组、进化树之类的研究可以定量定性
但是这种涉及到心理学和社会学的东西真的有很多的不确定性啊，要研究起来也是相当复杂的~
你看文中所提到的“比较可靠、科学、有效”的调研方法，依然也需要极大的样本数量才能得到稍微精确一些的结果
而本文中的样本数量（99个）其实和极大的数量（10000个）差距还相当大啊~~~

毕竟是农场主而不是猎人啊，最终目的还是在于保护自己的财产（牧群）而不是把野生动物当做赚钱或者消遣的方式 ：3
要完全的“赶走”，不管使用直接杀害还是更温和(?)的方式（像之前一个欧洲的农场想要防狼就偶尔地在农场附近播放狼嗥声，这样真正的狼群就会以为此地有主而远离），都挺复杂而且需要循序渐进的啊~~~
所谓“同行的行为”，其实是指“因为自己做过A这种事，所以就会自作主张地认为其他人也都会做A这种事（其实完全有可能其他人都不会做，只有你自己是个特立独行的分子(?)）”
虚假共识效应/错误共识效应：http://zh.wikipedia.org/zh-tw/%E ... 8%E6%95%88%E6%87%89
最简单的例子就是，我觉得血图什么的是非常Nice的东西耶看到会心情愉悦，所以我想当然以为大家都会喜欢，并完全不觉得自己总是干的事情很坏，不过事实告诉我们，其实我挺坏的→_→（核爆！
好吧请不要在意这个例子→_→ →_→ →_→（炸！

靛紫喵龙

回复 3# 羽·凌风

正因为有很多不确定性，所以心理学果然是很萌的科目 ～
感谢凌风的解释～话说凌风你甚么时候举例子举得那么切身而且浅白易懂！！！‧ω‧
超佩服的(worship)（被－炸－飞！）果然要人家不在意这个例子也太难了←_←
以前也有听过播放狼嗥声的例子呢～
要循序渐进和复杂，期盼某天能有个双嬴且简单的方法吧(远望