樊 博, 楊文婷, 孫 軒

(1. 上海交通大學(xué) 國(guó)際與公共事務(wù)學(xué)院, 上海 200030; 2. 南開(kāi)大學(xué) 周恩來(lái)政府管理學(xué)院, 天津 300350)

霧霾影響下的公眾情緒與風(fēng)險(xiǎn)感知研究
——以天津市微博用戶為分析樣本

樊 博1, 楊文婷1, 孫 軒2

(1. 上海交通大學(xué) 國(guó)際與公共事務(wù)學(xué)院, 上海 200030; 2. 南開(kāi)大學(xué) 周恩來(lái)政府管理學(xué)院, 天津 300350)

近年來(lái)霧霾現(xiàn)象的嚴(yán)重化已對(duì)公眾生活產(chǎn)生了不同程度的負(fù)面影響。基于微博平臺(tái)獲取數(shù)據(jù),進(jìn)行語(yǔ)料分析和數(shù)據(jù)整理,通過(guò)相關(guān)性檢驗(yàn)、協(xié)整檢驗(yàn)和格蘭杰因果檢驗(yàn)等方法研究了公眾情緒和風(fēng)險(xiǎn)感知之間的關(guān)系。結(jié)果顯示,在1%顯著性水平上,公眾的悲傷情緒、恐懼情緒、厭惡情緒在滯后二期情況下能夠有效預(yù)測(cè)公眾對(duì)環(huán)境問(wèn)題的風(fēng)險(xiǎn)感知,公眾對(duì)霧霾的關(guān)注度在滯后二期時(shí)也能夠有效預(yù)測(cè)公眾對(duì)環(huán)境問(wèn)題的風(fēng)險(xiǎn)感知,但公眾正面情緒未包含預(yù)測(cè)公眾對(duì)環(huán)境問(wèn)題風(fēng)險(xiǎn)感知的有效信息。

公眾情緒;霧霾; 風(fēng)險(xiǎn)感知; 微博

Abstract: In recent years, the severity of haze has had negative impact on public life to varied degrees. Through the corpus analysis and processing of the data collected from the microblog platform, correlation test, co integration test and Granger causality test are used to explore the relationship between public emotion and risk perception. The results show that sadness, fear and disgust, at the 1% significance level, can effectively predict the environmental risk perception in lag 2. The public’s concern about haze can also effectively predict the environmental risk perception in lag 2, but the public’s positive emotion cannot predict the environmental risk perception.

Keywords: public emotion; haze; risk perception; microblog

近年來(lái),我國(guó)許多城市都發(fā)生了持續(xù)性的“霧霾”天氣現(xiàn)象,嚴(yán)重影響了公眾的正常生活和健康水平。 隨著信息技術(shù)的高速發(fā)展,公眾能夠在網(wǎng)絡(luò)社交平臺(tái)及時(shí)表達(dá)自己的想法?！办F霾”話題成為了近年來(lái)網(wǎng)絡(luò)社交平臺(tái)中的熱門(mén)話題,但少有學(xué)者針對(duì)霧霾問(wèn)題來(lái)研究公眾情緒和風(fēng)險(xiǎn)感知的關(guān)系。 然而,不同的情緒會(huì)對(duì)風(fēng)險(xiǎn)感知產(chǎn)生不同的影響,尤其是恐懼和憤怒等負(fù)面情緒對(duì)風(fēng)險(xiǎn)感知有著顯著的影響[1]。因此,本文認(rèn)為有必要深入探討公眾情緒的波動(dòng)對(duì)于風(fēng)險(xiǎn)感知的影響這一問(wèn)題。 本文以微博為數(shù)據(jù)收集平臺(tái),以霧霾問(wèn)題為切入點(diǎn), 進(jìn)而深入探究公眾情緒和風(fēng)險(xiǎn)感知二者之間的關(guān)系。

風(fēng)險(xiǎn)感知屬于心理學(xué)的研究范疇,指?jìng)€(gè)體對(duì)存在于外界的各種客觀風(fēng)險(xiǎn)的感受和認(rèn)識(shí),并強(qiáng)調(diào)個(gè)體由直觀判斷和主觀感受獲得的經(jīng)驗(yàn)對(duì)認(rèn)知的影響[2]。Slovic[3]對(duì)風(fēng)險(xiǎn)感知進(jìn)行不同維度的測(cè)量,提出感知風(fēng)險(xiǎn)是可測(cè)量的且是因人而異的。國(guó)內(nèi)對(duì)于風(fēng)險(xiǎn)感知的研究主要集中在突發(fā)公共事件領(lǐng)域,如對(duì)SARS事件中的公眾風(fēng)險(xiǎn)認(rèn)知研究[4]等。國(guó)內(nèi)外學(xué)者還深入研究了情緒與風(fēng)險(xiǎn)感知之間的關(guān)系,楊維等[5]討論了地震環(huán)境下的情緒對(duì)風(fēng)險(xiǎn)感知的影響,Slovic等[6]研究了不同情緒對(duì)于風(fēng)險(xiǎn)感知和決策的影響。然而,現(xiàn)有文獻(xiàn)多從公共危機(jī)事件(如地震、水災(zāi)等)和市民個(gè)人行為(如消費(fèi)、旅行、癌癥預(yù)防等)的視角來(lái)分析情緒與風(fēng)險(xiǎn)感知的關(guān)系,但以社會(huì)問(wèn)題為背景的分析較少。綜上,現(xiàn)有文獻(xiàn)主要存在以下兩個(gè)方面的不足:第一,霧霾會(huì)引發(fā)公眾情緒的波動(dòng),現(xiàn)有研究對(duì)情緒波動(dòng)的影響的深入研究較少,尤其是不同情緒會(huì)引發(fā)怎樣的決策行為等具體問(wèn)題都有待深入研究;第二,對(duì)公眾情緒與風(fēng)險(xiǎn)感知之間的關(guān)系研究主要集中在公共危機(jī)事件或公眾的個(gè)人行為上,針對(duì)社會(huì)問(wèn)題的研究較少。因此本文針對(duì)霧霾這一環(huán)境問(wèn)題,對(duì)霧霾影響下所產(chǎn)生的不同情緒和風(fēng)險(xiǎn)感知之間的關(guān)系進(jìn)行實(shí)證研究。

一、 理論構(gòu)建及研究假設(shè)

1.理論構(gòu)建

葛魯嘉[7]將環(huán)境細(xì)化為物理環(huán)境、生物環(huán)境、社會(huì)環(huán)境、文化環(huán)境和心理環(huán)境五個(gè)方面。霧霾屬于大氣污染現(xiàn)象,因其產(chǎn)生的“霧霾天”屬于物理環(huán)境的一種,每個(gè)人都不可避免地生活在這樣的環(huán)境中?；谌恕h(huán)境適應(yīng)模型可知,環(huán)境會(huì)影響人的情緒、行為和習(xí)慣,人們會(huì)被勸服向更為一致的環(huán)境轉(zhuǎn)移[8]。“霧霾天”作為一種物理環(huán)境,出現(xiàn)在公眾的日常生活中,甚至成為了公眾生活環(huán)境的一種常態(tài)現(xiàn)象,影響公眾的情緒、認(rèn)知和行為。隨著研究者對(duì)環(huán)境保護(hù)與可持續(xù)性發(fā)展的關(guān)注,環(huán)境心理學(xué)家們意識(shí)到如果缺少了公眾的參與,環(huán)境保護(hù)與社會(huì)的可持續(xù)性發(fā)展是無(wú)法實(shí)現(xiàn)的。政府在為公眾提供參與途徑時(shí),有必要關(guān)注公眾的情緒、態(tài)度、行為變化。

也有學(xué)者在天氣和公眾的情緒之間關(guān)系上進(jìn)行了不同角度的研究。Schwarz & Clore[9]的一項(xiàng)研究發(fā)現(xiàn)在晴天接受采訪的人比在雨天接受采訪的人表示出了更多的生活滿足感。Howarth & Hoffman[10]把 “天氣效應(yīng)” 概括為“天氣變量影響投資者的情緒,而情緒會(huì)導(dǎo)致投資者有特殊行為的傾向”。還有研究者發(fā)現(xiàn)陽(yáng)光、濕度等是影響情緒的主要環(huán)境變量[11]。綜上,霧霾作為目前國(guó)內(nèi)的主要環(huán)境問(wèn)題之一,其影響下的公眾情緒和行為是不穩(wěn)定的,具有研究的必要性。

由于互聯(lián)網(wǎng)平臺(tái)的情緒分析技術(shù)逐漸成熟,國(guó)內(nèi)外學(xué)者利用微博、Twitter等社交軟件測(cè)量社會(huì)情緒,從多個(gè)角度進(jìn)行分析。Bourtte[12]研究了股市與社交軟件中公眾情緒的關(guān)系。賴凱聲等[13]通過(guò)分析微博選取的情緒詞與股市收盤(pán)價(jià)的相關(guān)系數(shù)來(lái)預(yù)測(cè)上證股指。這些研究成果都表明基于微博的海量文本分析能夠較為科學(xué)地反映公眾的情緒波動(dòng)。因此,本文以“霧霾”為關(guān)鍵詞在微博高級(jí)搜索功能中進(jìn)行搜索,結(jié)果與對(duì)應(yīng)時(shí)間的PM2.5值比較,得到的樣本數(shù)據(jù)T為120天的時(shí)間序列。從兩條曲線的總體走勢(shì)來(lái)看,包含“霧霾”關(guān)鍵詞的微博數(shù)量與PM2.5值的變化大體相同(見(jiàn)圖1)。本文對(duì)兩個(gè)指數(shù)進(jìn)行相關(guān)性分析,得到其相關(guān)性指數(shù)r為0.641,在0.01水平上顯著相關(guān),即采集的微博樣本數(shù)量與霧霾的天氣變化具有相關(guān)性。可以看出,從微博中挖掘霧霾影響下的公眾情緒方法具有可行性。

情緒的分類有多種方式,在情緒分類理論取向中,國(guó)外學(xué)者區(qū)分“基本情緒”和“情緒圖式”,提出基本情緒包括興趣、快樂(lè)、悲傷、憤怒、厭惡和恐懼[14]。在情緒維度理論中,Watson & Tellegen[15]運(yùn)用自陳式情緒研究方法,提出了積極-消極情感模型,認(rèn)為積極情感和消極情感是兩個(gè)相對(duì)獨(dú)立的、基本的維度。國(guó)內(nèi)研究中,董穎紅等[16]基于情緒結(jié)構(gòu)理論,建立了基于微博的基本社會(huì)情緒測(cè)量詞庫(kù),共818個(gè)詞,劃分為五種基本社會(huì)情緒,包括快樂(lè)、悲傷、厭惡、憤怒和恐懼。本研究也采用該情緒劃分方法,通過(guò)微博的海量數(shù)據(jù)收集,獲得霧霾影響下的五種情緒指數(shù),探究公眾情緒與風(fēng)險(xiǎn)感知之間的關(guān)系。

圖1 1月、4月、8月、11月(1～30日)微博搜索與PM2.5相關(guān)走勢(shì)

2.研究假設(shè)

Slovic[3]提出風(fēng)險(xiǎn)感知的兩個(gè)主要因素:一是不可控的恐懼風(fēng)險(xiǎn),二是不可觀測(cè)的未知風(fēng)險(xiǎn)。而情緒是影響風(fēng)險(xiǎn)感知的關(guān)鍵因素。具體而言,Filep等[17]以旅游業(yè)為個(gè)案研究發(fā)現(xiàn)快樂(lè)情緒和風(fēng)險(xiǎn)感知之間有相關(guān)性,越開(kāi)心的游客的風(fēng)險(xiǎn)感知越低。Johnson & Tversky[18]以效價(jià)視角(valence-based perception)劃分情緒為正面和負(fù)面,檢驗(yàn)對(duì)風(fēng)險(xiǎn)感知的影響,發(fā)現(xiàn)消極的情緒風(fēng)險(xiǎn)感知高于積極的情緒。基于以上研究,提出假設(shè)H1:公眾正面情緒增加會(huì)引發(fā)其對(duì)霧霾環(huán)境的低風(fēng)險(xiǎn)感知。H2:公眾負(fù)面情緒增加會(huì)引發(fā)其對(duì)霧霾環(huán)境的高風(fēng)險(xiǎn)感知。

Lerner等[1]發(fā)現(xiàn)憤怒和恐懼是“9·11事件”中重要的情感因素。評(píng)價(jià)傾向框架(appraisal tendency framework,簡(jiǎn)稱ATF)則強(qiáng)調(diào)對(duì)同一效價(jià)的具體情緒進(jìn)行評(píng)估,其假定了恐懼和憤怒對(duì)風(fēng)險(xiǎn)感知有不同的影響[19]。也有研究者提出憤怒比恐懼對(duì)未來(lái)事件有更樂(lè)觀的評(píng)估[20]?；谝陨涎芯?提出假設(shè)H3:公眾悲傷情緒增加會(huì)引發(fā)其對(duì)霧霾環(huán)境的高風(fēng)險(xiǎn)感知。H4:公眾厭惡情緒增加會(huì)引發(fā)其對(duì)霧霾環(huán)境的高風(fēng)險(xiǎn)感知。H5:公眾恐懼情緒增加會(huì)引發(fā)其對(duì)霧霾環(huán)境的高風(fēng)險(xiǎn)感知。H6:公眾憤怒情緒增加會(huì)引發(fā)其對(duì)霧霾環(huán)境的高風(fēng)險(xiǎn)感知。

Finucane等[21]證明了提供關(guān)于利益的信息能夠改變風(fēng)險(xiǎn)認(rèn)知,時(shí)勘等[4]指出SARS疫情信息能夠影響個(gè)人的風(fēng)險(xiǎn)認(rèn)知水平。還有學(xué)者探討了信息可信度和地震感知的關(guān)系,指出信息可信度顯著影響風(fēng)險(xiǎn)感知[22]?；谝勋@取的數(shù)據(jù),本研究中的公眾對(duì)霧霾的關(guān)注度能夠表示公眾獲取信息的多少,因此提出假設(shè)H7:公眾對(duì)霧霾的關(guān)注度增加會(huì)引發(fā)高風(fēng)險(xiǎn)感知。

二、 研究設(shè)計(jì)

1.數(shù)據(jù)的收集和整理

本文選取天津市微博用戶為分析對(duì)象,主要有以下兩點(diǎn)原因:一方面,天津市的大氣污染狀況堪憂,京津冀城市帶是中國(guó)霧霾污染的重災(zāi)區(qū);另一方面,天津市的微博用戶覆蓋率較高。本文選取2014年1月、4月、8月和11月進(jìn)行數(shù)據(jù)采集,覆蓋不同的季節(jié)和不同的霧霾污染時(shí)段。在四個(gè)季節(jié)中采取系統(tǒng)抽樣法進(jìn)行微博語(yǔ)料采集。以1月份搜索為例,首先,選定當(dāng)月時(shí)間段為15至20日,輸入“霧霾”為關(guān)鍵詞,限定區(qū)域?yàn)樘旖?類型為原創(chuàng),搜索得到12 372條微博,并進(jìn)行編號(hào);第二,確定樣本n為200;第三,確定分段間隔K,根據(jù)公式k=N/n計(jì)算抽取微博的間隔數(shù)量,間距為61(12 372/200,取整);第四,按照間距61進(jìn)行抽取,最終得到200條微博。其他三個(gè)時(shí)間段也采取該方法,最終,共獲得800條微博、45 595字語(yǔ)料,并使用漢語(yǔ)詞法分析系統(tǒng)NLPIR/ICTCLAS(2014版)進(jìn)行分詞,得到情緒詞庫(kù)。

基于微博語(yǔ)料分析,本文共得到57個(gè)情緒詞,但由于表情類符號(hào)不能進(jìn)行進(jìn)一步搜索,所以剔除后共得到25個(gè)有效情緒詞。本文根據(jù)微博基本社會(huì)情緒測(cè)量詞庫(kù)對(duì)所得到的詞語(yǔ)進(jìn)行劃分,共劃分為五種基本社會(huì)情緒,即快樂(lè)、悲傷、厭惡、憤怒和恐懼。同時(shí),基于Watson & Tellegen的積極—消極情感模型,分為正面情緒和負(fù)面情緒兩大類(見(jiàn)表1)。基于該情緒劃分體系,本文對(duì)25個(gè)有效情緒詞進(jìn)行劃分,共得到16個(gè)負(fù)面情緒詞和9個(gè)正面情緒詞。

表1 情緒詞劃分體系

Pepe等[23]通過(guò)研究用戶給自己未來(lái)發(fā)送郵件中的情緒,來(lái)分析人們對(duì)未來(lái)的態(tài)度。他將每一個(gè)郵件詞匯中的情緒詞和情緒詞庫(kù)中的詞匯進(jìn)行匹配,在相應(yīng)的情緒類型上逐個(gè)加分。本文也采取類似方法,對(duì)當(dāng)天有“霧霾”關(guān)鍵詞的原創(chuàng)微博進(jìn)行判斷和清洗,通過(guò)語(yǔ)義及微博情緒測(cè)量詞庫(kù)對(duì)相應(yīng)微博進(jìn)行劃分，如微博中包含“斥責(zé)”,則在憤怒情緒數(shù)值上加一分。然后,進(jìn)行連續(xù)每日的搜索,最終形成五種情緒指數(shù)的時(shí)間序列。其中“快樂(lè)”情緒即正面情緒指數(shù),“悲傷”“厭惡”“憤怒”和“恐懼”指數(shù)累加為負(fù)面情緒指數(shù)。

國(guó)內(nèi)現(xiàn)有研究主要通過(guò)問(wèn)卷的形式測(cè)量風(fēng)險(xiǎn)感知,受限于問(wèn)卷設(shè)計(jì)、人力、物力及被調(diào)查者狀態(tài)等因素,根據(jù)樣本進(jìn)行推斷有較大誤差。Tang提出用網(wǎng)絡(luò)搜索行為的頻率來(lái)表示風(fēng)險(xiǎn)感知,他們基于百度新聞熱搜詞對(duì)風(fēng)險(xiǎn)感知程度進(jìn)行了分析[24]。本文借鑒該測(cè)量方法,基于百度新聞熱詞搜索引擎對(duì)搜索焦點(diǎn)進(jìn)行檢索,共得出與環(huán)境有高度相關(guān)的7個(gè)熱搜關(guān)鍵詞:霧霾、水污染、大氣污染、土壤污染、白色污染、環(huán)境污染、保護(hù)環(huán)境。百度指數(shù)平臺(tái)能夠提供每個(gè)搜索詞的每日搜索熱度,筆者對(duì)每個(gè)關(guān)鍵詞的每日搜索指數(shù)累加并進(jìn)行標(biāo)準(zhǔn)化,得到公眾對(duì)環(huán)境的風(fēng)險(xiǎn)感知指數(shù)。此外,搜索有“霧霾”關(guān)鍵詞的原創(chuàng)微博,刪除無(wú)效信息后,微博數(shù)量即為當(dāng)日公眾對(duì)霧霾的關(guān)注程度,連續(xù)搜索得出每個(gè)月的關(guān)注度指數(shù)。

2.描述性統(tǒng)計(jì)

本文收集了2014年1、4、8、11月共120天的樣本,分別統(tǒng)計(jì)了快樂(lè)、悲傷、厭惡、憤怒、恐懼五種情緒指數(shù)。圖2為這四個(gè)月正面情緒指數(shù)和負(fù)面情緒指數(shù),表2為主要變量的描述統(tǒng)計(jì)結(jié)果,可見(jiàn)負(fù)面情緒指數(shù)在秋冬季波動(dòng)較大。

圖2 2014年四個(gè)月的正面情緒指數(shù)與負(fù)面情緒指數(shù)折線圖

社會(huì)情緒最小值最大值均值標(biāo)準(zhǔn)差快樂(lè) 1 40 11.90 8.274悲傷 1101.671.176厭惡 1123.262.475憤怒 113315.5221.334恐懼 1142.482.654負(fù)面情緒指數(shù) 416022.9326.081正面情緒指數(shù) 14011.908.274風(fēng)險(xiǎn)感知指數(shù) 102598853640.522047.836霧霾話題關(guān)注度12953221.42206.948

本文將情緒指數(shù)與PM2.5的指數(shù)進(jìn)行相關(guān)性分析。從表3中可知,悲傷、厭惡、憤怒、恐懼情緒指數(shù)與PM2.5指數(shù)都有顯著的正相關(guān)關(guān)系,負(fù)面情緒指數(shù)與PM2.5也為顯著正相關(guān),正面情緒指數(shù)與PM2.5為顯著負(fù)相關(guān)。從圖3可以直觀地看出本文所得到的負(fù)面情緒指數(shù)隨著PM2.5的變化而變化,在1月和11月霧霾非常嚴(yán)重的秋冬季,相應(yīng)的負(fù)面情緒也波動(dòng)較大。

表3 PM2.5與情緒指數(shù)的相關(guān)性系數(shù)

注: **表示在0.05水平下顯著,下同。

圖3 1、4、8、11月負(fù)面情緒綜合指數(shù)曲線與PM2.5相關(guān)走勢(shì)

3.霧霾影響下的公眾情緒

在進(jìn)一步分析公眾情緒和風(fēng)險(xiǎn)感知的關(guān)系前,本文對(duì)有霧霾天氣時(shí)的情緒指數(shù)和沒(méi)有霧霾天氣的情緒指數(shù)進(jìn)行獨(dú)立樣本t檢驗(yàn),探究霧霾是否對(duì)公眾情緒的變化呈現(xiàn)顯著影響。按照國(guó)家標(biāo)準(zhǔn),PM2.5值如果超過(guò)75微克/立方米歸為霧霾天氣。本文對(duì)四個(gè)月的數(shù)據(jù)進(jìn)行劃分,霧霾天氣共有65天(組1),沒(méi)有霧霾的天氣共有55天(組2)。本文對(duì)兩組數(shù)據(jù)進(jìn)行獨(dú)立樣本t檢驗(yàn),得到sig.值為0.001,小于0.05,故拒絕原假設(shè),即霧霾天氣下的情緒和沒(méi)有霧霾天氣下的情緒具有顯著差異。因此,霧霾對(duì)于公眾的情緒是有顯著影響的,基于以上結(jié)論,本文對(duì)霧霾影響下的公眾情緒進(jìn)行進(jìn)一步分析,探究公眾情緒與風(fēng)險(xiǎn)感知之間的關(guān)系。

三、 分析結(jié)果

1.相關(guān)性分析結(jié)果

文章對(duì)公眾情緒與風(fēng)險(xiǎn)感知進(jìn)行了相關(guān)性分析,結(jié)果見(jiàn)表4。

表4 風(fēng)險(xiǎn)感知指數(shù)與情緒指數(shù)相關(guān)性

從表中可以看出,公眾對(duì)環(huán)境的風(fēng)險(xiǎn)感知與公眾快樂(lè)情緒呈現(xiàn)顯著的負(fù)相關(guān)(P<0.01),而公眾對(duì)環(huán)境的風(fēng)險(xiǎn)感知與公眾的悲傷、厭惡、憤怒、恐懼情緒呈現(xiàn)正相關(guān)(P<0.01)。公眾的環(huán)境風(fēng)險(xiǎn)感知與公眾的正面情緒顯著負(fù)相關(guān),與公眾的負(fù)面情緒顯著正相關(guān)(P<0.01)。此外,公眾的環(huán)境風(fēng)險(xiǎn)感知與公眾的霧霾關(guān)注度呈現(xiàn)顯著的正相關(guān)(P<0.01)。

2.格蘭杰因果關(guān)系分析

本文希望通過(guò)公眾情緒和風(fēng)險(xiǎn)感知之間的格蘭杰檢驗(yàn)來(lái)深入探究二者之間的關(guān)系。文章首先對(duì)五種公眾情緒和風(fēng)險(xiǎn)感知指數(shù)之間進(jìn)行了單位根檢驗(yàn)(augmented dickey-fuller test,簡(jiǎn)稱ADF檢驗(yàn)),檢驗(yàn)時(shí)間序列是否為平穩(wěn)序列。通過(guò)對(duì)五種公眾情緒的ADF檢驗(yàn),文章發(fā)現(xiàn)快樂(lè)、悲傷、厭惡、恐懼情緒,以及風(fēng)險(xiǎn)感知的時(shí)間序列在1%的顯著性水平上不存在單位根,可直接進(jìn)行格蘭杰因果分析。而憤怒情緒的時(shí)間序列存在單位根,為不平穩(wěn)序列,因而對(duì)憤怒情緒進(jìn)行一階差分后再進(jìn)行ADF檢驗(yàn),結(jié)果顯示在1%顯著性水平上不存在單位根,為平穩(wěn)序列(見(jiàn)表5)。

表5 公眾情緒(分類)與風(fēng)險(xiǎn)感知的ADF檢驗(yàn)結(jié)果

注: D表示一階差分,下同。

文章在進(jìn)行了ADF檢驗(yàn)之后,為了避免變量之間的偽回歸,對(duì)五種公眾情緒與風(fēng)險(xiǎn)感知之間進(jìn)行協(xié)整檢驗(yàn),探究變量之間是否存在長(zhǎng)期穩(wěn)定的關(guān)系?；贓views的檢驗(yàn)結(jié)果,根據(jù)跡和最大特征值中的原假設(shè)所對(duì)應(yīng)的P值看,結(jié)果在0.05的顯著水平上拒絕原假設(shè),即快樂(lè)情緒和風(fēng)險(xiǎn)感知、悲傷情緒和風(fēng)險(xiǎn)感知、恐懼情緒和風(fēng)險(xiǎn)感知、憤怒情緒和風(fēng)險(xiǎn)感知、厭惡情緒和風(fēng)險(xiǎn)感知之間都是長(zhǎng)期穩(wěn)定的關(guān)系,但這種關(guān)系是否是一種因果關(guān)系,需進(jìn)一步作格蘭杰因果檢驗(yàn)。

為了確定最優(yōu)滯后期,本文通過(guò)建立方差模型,并根據(jù)AIC和SC取值最小準(zhǔn)則來(lái)確定階數(shù)。根據(jù)Eviews分析結(jié)果,五個(gè)關(guān)系的最優(yōu)滯后期為滯后2期,因此,文章對(duì)滯后2期的五個(gè)關(guān)系進(jìn)行格蘭杰檢驗(yàn)。在滯后2階情況下,快樂(lè)和風(fēng)險(xiǎn)感知不存在格蘭杰因果關(guān)系;悲傷和風(fēng)險(xiǎn)感知在0.01顯著性水平上存在單向格蘭杰因果關(guān)系,悲傷是風(fēng)險(xiǎn)感知的格蘭杰原因;恐懼和風(fēng)險(xiǎn)感知在0.01顯著性水平上存在單向格蘭杰因果關(guān)系,恐懼是風(fēng)險(xiǎn)感知的格蘭杰原因;厭惡和風(fēng)險(xiǎn)感知在0.01顯著性水平上存在單向格蘭杰因果關(guān)系,厭惡是風(fēng)險(xiǎn)感知的格蘭杰原因;憤怒和風(fēng)險(xiǎn)感知不存在格蘭杰因果關(guān)系(見(jiàn)表6)。

表6 公眾情緒(分類)與風(fēng)險(xiǎn)感知格蘭杰因果關(guān)系檢驗(yàn)

本文進(jìn)一步對(duì)公眾的正面情緒、負(fù)面情緒、對(duì)霧霾關(guān)注度與風(fēng)險(xiǎn)感知之間的關(guān)系進(jìn)行分析。首先對(duì)正面情緒、負(fù)面情緒及霧霾關(guān)注度進(jìn)行ADF檢驗(yàn)。從檢驗(yàn)結(jié)果可知,正面情緒、霧霾關(guān)注度的時(shí)間序列在0.01的顯著性水平上不存在單位根,負(fù)面情緒在一階差分后也不存在單位根(見(jiàn)表7)。根據(jù)協(xié)整檢驗(yàn)結(jié)果,正面情緒、負(fù)面情緒、霧霾關(guān)注度與風(fēng)險(xiǎn)感知之間都存在長(zhǎng)期穩(wěn)定的關(guān)系,可以進(jìn)行進(jìn)一步的分析。參考AIC和SC取值最小準(zhǔn)則,正面情緒、負(fù)面情緒、霧霾關(guān)心度和風(fēng)險(xiǎn)感知之間的最優(yōu)滯后期為2期。因此,文章以滯后2期為標(biāo)準(zhǔn)進(jìn)行格蘭杰檢驗(yàn)。

表7 公眾情緒(廣義)與霧霾關(guān)注度的ADF檢驗(yàn)結(jié)果

根據(jù)Eviews檢驗(yàn)結(jié)果,在滯后2期的情況下,負(fù)面情緒和風(fēng)險(xiǎn)感知在0.05顯著性水平上存在單向格蘭杰因果關(guān)系,負(fù)面情緒是風(fēng)險(xiǎn)感知的格蘭杰原因。正面情緒和風(fēng)險(xiǎn)感知在0.05顯著性水平上存在單向格蘭杰因果關(guān)系,風(fēng)險(xiǎn)感知是正面情緒的格蘭杰原因。霧霾關(guān)注度和風(fēng)險(xiǎn)感知在0.05顯著性水平上存在單向格蘭杰因果關(guān)系,風(fēng)險(xiǎn)感知是霧霾關(guān)注度的格蘭杰原因(見(jiàn)表8)。

表8 公眾情緒(廣義)、霧霾關(guān)注度與風(fēng)險(xiǎn)感知格蘭杰因果關(guān)系檢驗(yàn)

根據(jù)相關(guān)性分析和格蘭杰檢驗(yàn)結(jié)果可知,公眾的正面情緒和風(fēng)險(xiǎn)感知呈負(fù)相關(guān)關(guān)系,且風(fēng)險(xiǎn)感知是公眾正面情緒的格蘭杰原因,即風(fēng)險(xiǎn)感知變高會(huì)引發(fā)公眾正面情緒的下降,因此H1不成立。由此可知,正面情緒的變化對(duì)于風(fēng)險(xiǎn)感知并沒(méi)有直接影響,正面情緒減少或增加并不能有效地預(yù)測(cè)風(fēng)險(xiǎn)感知的變化。公眾的負(fù)面情緒和風(fēng)險(xiǎn)感知呈顯著正相關(guān)關(guān)系,且負(fù)面情緒是公眾環(huán)境問(wèn)題風(fēng)險(xiǎn)感知的原因,因此H2成立?？梢?jiàn),負(fù)面情緒的變化能夠有效地預(yù)測(cè)風(fēng)險(xiǎn)感知的變化。公眾的悲傷、厭惡、恐懼情緒都和風(fēng)險(xiǎn)感知有著顯著的正相關(guān)關(guān)系,且悲傷、厭惡、恐懼情緒都是環(huán)境問(wèn)題的風(fēng)險(xiǎn)感知的原因,因此H3、H4和H5成立。在霧霾的影響下,公眾的悲傷、厭惡和恐懼情緒的增加,能夠提高公眾對(duì)環(huán)境問(wèn)題的風(fēng)險(xiǎn)感知程度,這與地震、非典等公共危機(jī)事件中研究的結(jié)論相符[4-5]。本文認(rèn)為當(dāng)這類負(fù)面情緒增加時(shí),推動(dòng)公眾對(duì)于霧霾等環(huán)境問(wèn)題的理性思考,進(jìn)而會(huì)提高公眾對(duì)環(huán)境問(wèn)題的風(fēng)險(xiǎn)感知程度,對(duì)其進(jìn)一步的決策行為也存在著潛在的影響。公眾的憤怒情緒和風(fēng)險(xiǎn)感知之間有正相關(guān)關(guān)系,但憤怒情緒和風(fēng)險(xiǎn)感知之間并沒(méi)有格蘭杰因果關(guān)系,因此H6不成立。本文認(rèn)為憤怒情緒能夠引發(fā)公眾的非理性思考和行為,并不能引起公眾對(duì)環(huán)境問(wèn)題風(fēng)險(xiǎn)感知程度的增加。公眾對(duì)霧霾的關(guān)注度和風(fēng)險(xiǎn)感知之間為顯著的正相關(guān)關(guān)系,霧霾關(guān)注度不是風(fēng)險(xiǎn)感知的格蘭杰原因,因此H7不成立。然而,風(fēng)險(xiǎn)感知是霧霾關(guān)注度的格蘭杰原因,即公眾的高風(fēng)險(xiǎn)感知能夠有效預(yù)測(cè)公眾對(duì)霧霾的關(guān)注。本文認(rèn)為公眾的環(huán)境風(fēng)險(xiǎn)感知增加會(huì)引發(fā)公眾對(duì)這一問(wèn)題的注意,進(jìn)而能夠提高公眾對(duì)于霧霾問(wèn)題的關(guān)注度。

四、 結(jié) 論

基于以上分析能得到以下結(jié)論:霧霾的變化會(huì)顯著影響到公眾情緒的變化,霧霾影響下的公眾情緒和公眾的風(fēng)險(xiǎn)感知具有長(zhǎng)期穩(wěn)定的均衡關(guān)系。公眾的正面情緒與風(fēng)險(xiǎn)感知呈負(fù)相關(guān)關(guān)系,公眾的負(fù)面情緒與風(fēng)險(xiǎn)感知呈正相關(guān)關(guān)系,公眾的憤怒、悲傷、恐懼、厭惡都與風(fēng)險(xiǎn)感知呈正相關(guān)關(guān)系,公眾對(duì)霧霾關(guān)注程度也與風(fēng)險(xiǎn)感知呈正相關(guān)關(guān)系。格蘭杰因果檢驗(yàn)結(jié)果表明,在最優(yōu)滯后期即滯后2期情況下,在1%顯著性水平上,公眾的悲傷、恐懼、厭惡情緒為風(fēng)險(xiǎn)感知的格蘭杰原因,快樂(lè)、憤怒情緒不是風(fēng)險(xiǎn)感知的格蘭杰原因;在1%顯著性水平上,公眾的負(fù)面情緒為風(fēng)險(xiǎn)感知的格蘭杰原因,風(fēng)險(xiǎn)感知是公眾正面情緒的格蘭杰原因;在1%顯著性水平上,風(fēng)險(xiǎn)感知是公眾對(duì)霧霾的關(guān)注度的格蘭杰原因。

近年來(lái),隨著大氣污染的嚴(yán)重化,霧霾現(xiàn)象已經(jīng)影響到了人們工作、生活及社會(huì)經(jīng)濟(jì)文化等各方面。本文緊跟社會(huì)熱點(diǎn),以微博為收集數(shù)據(jù)的平臺(tái),對(duì)霧霾影響下的正面情緒和負(fù)面情緒進(jìn)行了分類研究,深入探究了公眾情緒和風(fēng)險(xiǎn)感知之間的關(guān)系,能夠更好地了解霧霾對(duì)公眾情緒的影響,以及公眾對(duì)環(huán)境風(fēng)險(xiǎn)感知的變化。在霧霾治理過(guò)程中,公眾的情緒和風(fēng)險(xiǎn)感知也是重要的考慮因素。政府有必要轉(zhuǎn)變治理霧霾的觀念,重視公眾的情緒和態(tài)度變化,尋找推動(dòng)公眾形成客觀理性的環(huán)境風(fēng)險(xiǎn)感知水平的政策措施,進(jìn)而為公眾提供更多有效的政策參與途徑。具體來(lái)說(shuō),在制定治理霧霾的政策、措施過(guò)程中,政府需要把控公眾的情緒和態(tài)度,并將公眾參與納入到政策制定的過(guò)程中來(lái)。

[ 1 ] Lerner J S,Gonzalez R M,Small D A,et al. Effects of Fear and Anger on Perceived Risks of Terrorism a National Field Experiment[J]. Psychological Science, 2003,14(2):144-150.

[ 2 ] 孟博,劉茂,李清水,等. 風(fēng)險(xiǎn)感知理論模型及影響因子分析[J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2010,20(10):59-66.

[ 3 ] Slovic P. Perception of risk[J]. Science, 1987,236:280-285.

[ 4 ] 時(shí)勘,范紅霞,賈建民,等. 我國(guó)民眾對(duì)SARS信息的風(fēng)險(xiǎn)認(rèn)知及心理行為[J]. 心理學(xué)報(bào), 2003,35(4):546-554.

[ 5 ] 楊維,羅靜,周志剛. 情緒狀態(tài)、信息關(guān)注與地震風(fēng)險(xiǎn)感知研究[J]. 保險(xiǎn)研究, 2014(7):61-71.

[ 6 ] Slovic P,Peters E,Finucane M L,et al. Affect,Risk,and Decision Making[J]. Health Psychology, 2005,24(4):35-40.

[ 7 ] 葛魯嘉. 對(duì)心理學(xué)研究中環(huán)境的理解[J]. 人文雜志, 2007(5):93-97.

[ 8 ] Fry P S. The Person-environment Congruence Model:Implications and Applications for Adjustment Counseling with Older Adults[J]. International Journal for the Advancement of Counseling, 1990,13(2):87-106.

[ 9 ] Schwarz N,Clore G L. Mood,Misattribution,and Judgement of Well-being:Informative and Directive Functions of Affective States[J]. Journal of Personality and Social Psychology, 1983,45(3):513-523.

[10] Howarth E,Hoffman M S. A Multidimensional Approach to the Relationship Between Mood and Weather[J]. British Journal of Psychology, 1984,75(1):15-23.

[11] Allen M A,Fischer G J. Ambient Temperature Effects on Paired Associate Learning[J]. Ergonomics, 1978,21(2):95-101.

[12] Bourtte C G. Daily Stock Market Expectations from Oscillating Social Mood Factor[J]. A New Story Foundation, 2011,13(1):35-40.

[13] 賴凱聲,陳浩. 微博情緒與中國(guó)股市:基于協(xié)整分析[J]. 系統(tǒng)科學(xué)與數(shù)學(xué), 2014,34(5):565-575.

[14] Oatley J L K. The Language of Emotions:An Analysis of a Semantic Field[J]. Cognition and Emotion, 1989,3(2):81-123.

[15] Watson D,Tellegen A. Toward a Consensual Structure of Mood[J]. Psychological Bulletin, 1985,98(2):219-235.

[16] 董穎紅,陳浩,賴凱聲,等. 微博客基本社會(huì)情緒的測(cè)量及效度檢驗(yàn)[J]. 心理科學(xué), 2015,38(5):1141-1146.

[17] Filep S,Klint L M,Whitelaw P,et al. Happiness,Satisfaction,and Risk Perception[J]. Tourism Review International, 2014,17(4):283-298.

[18] Johnson E J,Tversky A. Affect,Generalizationand the Perception of Risk[J]. Journal of Personality & Social Psychology, 1983,45(1):20-31.

[19] Han S,Lerner J S,Keltner D. Feelings and Consumer Decision Making: The Appraisal-tendency Framework[J]. Journal of Consumer Psychology, 2007,17(3):158-168.

[20] Lerner J S,Keltner D. Beyond Valence: Toward a Model of Emotion-specific Influences on Judgment and Choice[J]. Cognition and Emotion, 2000,14(4):473-493.

[21] Finucane M L,Alhakami A,Slovic P,et al. The Affect Heuristic in Judgments of Risks and Benefits[J]. Journal of Behavioral Decision Making, 2010,13(13):1-17.

[22] Zhu Dongqing,Xie Xiaofei,Xie Jiaqiu. When do People Feel More Risk? The Effect of Ambiguity Tolerance and Message Source on Purchasing Intention of Earthquake Insurance[J]. Journal of Risk Research, 2012,15(8):1-15.

[23] Pepe A,Bollen J. Between Conjecture and Memento: Shaping a Collective Emotional Perception of the Future[J]. Computer Science, 2008,25(1):1-6.

[24] Tang Xijin. Applying Search Words and BBS Posts to Societal Risk Perception and Harmonious Society Measurement[C]. Manchester: IEEE International Conference on Systems,Man,and Cybernetics, 2013:2191-2196.

(責(zé)任編輯: 付示威)

Public Emotion and Risk Perception Under the Influence of Haze ——Based on a Survey of Microblog Users in Tianjin

FANBo1,YANGWen-ting1,SUNXuan2

(1. School of International and Public Affairs, Shanghai Jiao Tong University, Shanghai 200030, China; 2. Zhou Enlai School of Government, Nankai University, Tianjin 300350, China)

C 915

A

1008-3758(2017)05-0489-08

10.15936/j.cnki.1008-3758.2017.05.008

2016-12-21

國(guó)家自然科學(xué)基金資助項(xiàng)目(71371122); 國(guó)家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)資助項(xiàng)目(2016YEF0122300); 國(guó)家社會(huì)科學(xué)基金重大資助項(xiàng)目(14ZDB152); 中央高校基本科研業(yè)務(wù)費(fèi)資助項(xiàng)目(NKZXB1483)。

樊 博(1975- ),男,黑龍江哈爾濱人,上海交通大學(xué)教授,管理學(xué)博士,主要從事應(yīng)急管理、環(huán)境政策研究; 孫 軒(1985- ),男,湖北武漢人,南開(kāi)大學(xué)講師,工學(xué)博士,主要從事智慧城市、電子政務(wù)研究。