劉青川 關(guān) 斌 包國憲

（1.蘭州大學(xué)管理學(xué)院 甘肅蘭州 730000）

1 引言

突發(fā)性公共衛(wèi)生事件（Public Health Emergency，PHE）是人類生存的共同威脅。從1848年世界第一個公共衛(wèi)生條例和第一個中央衛(wèi)生委員會在英國的誕生，到1948年聯(lián)合國世界衛(wèi)生組織（World Health Organization，WHO）的成立和《國際公共衛(wèi)生條例》（International Health Regulation，IHR）的不斷完善，突發(fā)性公共衛(wèi)生事件成了國際社會共同面對的戰(zhàn)略性管理任務(wù)之一。21世紀(jì)以來WHO共宣布了七起“國際關(guān)注的突發(fā)公共衛(wèi)生事件”，并在控制和戰(zhàn)勝疫情方面起了重要作用。我國自20世紀(jì)以來經(jīng)歷了多次病毒和瘟疫的嚴(yán)重侵害。經(jīng)過數(shù)代人一個多世紀(jì)的艱苦抗疫行動，特別是新中國成立以來的70年里，我國人民在黨和政府領(lǐng)導(dǎo)下，為全球抗疫事業(yè)做出了重大貢獻(xiàn)。2003年5月7日，國務(wù)院第7次常務(wù)會議通過《突發(fā)公共衛(wèi)生事件應(yīng)急條例》，成為我國人民抗疫治疫的行動指南。近20年來，我國政府在無數(shù)次抗疫治疫中取得了舉世矚目的成就，為世界人民抗疫事業(yè)提供了大量成功的經(jīng)驗(yàn)，樹立了良好的形象。尤其是在治理新冠疫情的過程中，我國政府積極組織全國民眾，采取科學(xué)有效措施，萬眾一心、聯(lián)防聯(lián)控，在半年之內(nèi)全面控制了疫情并實(shí)現(xiàn)了全行業(yè)的復(fù)工復(fù)產(chǎn)，穩(wěn)定了民心，發(fā)展了經(jīng)濟(jì)，并將治理新冠疫情的經(jīng)驗(yàn)推向了全世界。而部分國家和政府出于特殊政治目的，不斷推出“中國病毒”論、“向中國索賠”論和“中國數(shù)據(jù)造假”論等言論，加之網(wǎng)絡(luò)謠言的傳播，對部分國內(nèi)居民的信息感知形成了負(fù)面影響。

人類治疫的經(jīng)驗(yàn)一再證明，居民的風(fēng)險信息感知是影響疫情治理和社會穩(wěn)定的重要影響因素。而疫情嚴(yán)重程度、居民特質(zhì)、信息傳播來源和方式、政府行為是影響居民風(fēng)險感知的主要因素。特別是疫情謠言具有傳播快、影響大、危害深的特點(diǎn)，容易誤導(dǎo)居民的風(fēng)險信息感知、破壞社會秩序的穩(wěn)定，其危害不亞于疫情本身。因此，病毒和謠言同樣惡毒，“治疫”與“治謠”同等重要。政府的作為與否、效率高低是疫情治理的關(guān)鍵因素。

國內(nèi)外學(xué)者關(guān)于風(fēng)險信息感知的研究經(jīng)歷了理論研究等階段和量化分析階段。1987年，LOVIC P正式提出“風(fēng)險感知”的概念，并系統(tǒng)闡述了公眾面臨公共危機(jī)事件時的風(fēng)險認(rèn)知和行為特點(diǎn)，及政府危機(jī)管理的政策供給、風(fēng)險信息溝通、公民認(rèn)知導(dǎo)向引導(dǎo)和救助提供等職責(zé)。此后的30多年里，有關(guān)公眾在突發(fā)性公共事件面前的風(fēng)險信息感知影響因素的研究，形成了一系列研究成果，如心理狀態(tài)、經(jīng)濟(jì)水平、文化背景、社會環(huán)境信號等對于公眾的風(fēng)險信息感知的影響；情緒化的新聞形式會增加公眾對疾病嚴(yán)重程度的認(rèn)知；相同信息的不同處理對公眾風(fēng)險信息感知的影響；媒體信息來源（包括社區(qū)信息平臺和社區(qū)工作者）可能會導(dǎo)致公眾風(fēng)險認(rèn)知的增加；負(fù)性信息更易引起民眾的高風(fēng)險認(rèn)知，正性信息能降低個體風(fēng)險認(rèn)知水平；突發(fā)性公共衛(wèi)生事件中政府執(zhí)行政策的方式及其帶來的公眾信任對社區(qū)公民的信息感知和風(fēng)險思辨的影響；信息發(fā)布渠道、性別、受教育程度、地域特征、事件發(fā)展階段等因素對居民風(fēng)險認(rèn)知的影響作用。這些研究成果豐富了風(fēng)險認(rèn)知理論的范疇，對政府治理突發(fā)性公共事件提供了理論支持和視角參考。

近10年來，有關(guān)風(fēng)險認(rèn)知特別是突發(fā)性公共衛(wèi)生事件中的居民風(fēng)險認(rèn)知研究體現(xiàn)出廣泛的研究對象、成熟的測量范式和豐富的理論視角與研究模型。（1）對疫情風(fēng)險感知的研究對象由公眾轉(zhuǎn)向醫(yī)護(hù)人員，如Stephanie和Morten通過公共衛(wèi)生事件中風(fēng)險認(rèn)知對醫(yī)護(hù)人員的應(yīng)對意愿的影響機(jī)制性研究，解釋了2014-2016年西非埃博拉病毒病（EVD）中死亡醫(yī)護(hù)人員最多的原因；Aditya等對印度孟買2008-2009年H1N1流感大流行期間醫(yī)護(hù)人員、衛(wèi)生保健官員及接受治療的患者進(jìn)行訪談和研究發(fā)現(xiàn)，醫(yī)護(hù)人員對疫情的風(fēng)險感知和反應(yīng)，是穩(wěn)定居民疫情風(fēng)險感知和保持應(yīng)對能力的關(guān)鍵；（2）多元分析量化風(fēng)險感知的“心理測量范式”，為這一領(lǐng)域的研究提供了科學(xué)的分析框架，也建立了風(fēng)險感知與行為共識之間的過程機(jī)制。如Slovic等認(rèn)為心理學(xué)將人類的風(fēng)險判斷分為分析系統(tǒng)和經(jīng)驗(yàn)系統(tǒng)，兩個系統(tǒng)之間相互依賴、各有利弊，恰當(dāng)結(jié)合運(yùn)用才能做出理性的風(fēng)險判斷和行為措施；Finucane等利用心理測量范式研究發(fā)現(xiàn)，在判斷突發(fā)性公共危機(jī)事件的風(fēng)險程度時，受情感感知影響，公眾的風(fēng)險感知和結(jié)果預(yù)期之間呈現(xiàn)反比關(guān)系；呂鵬和劉芳認(rèn)為在不同的民眾心理和風(fēng)險感知差異的情況下,通過個體風(fēng)險認(rèn)知與行為差異及代際互動模式，可以達(dá)成風(fēng)險認(rèn)知與行為共識的過程機(jī)制；（3）廣泛的理論視角和研究模型，不但豐富了風(fēng)險感知的研究理論，也為風(fēng)險感知的合理疏導(dǎo)提供了風(fēng)險溝通和社會互動等方式方法。如Covello應(yīng)用風(fēng)險傳播的理論視角和基本風(fēng)險傳播模型研究突發(fā)性公共衛(wèi)生事件（1999年和2000年紐約市西尼羅病毒疫情）中風(fēng)險溝通對正確引導(dǎo)公眾風(fēng)險感知的作用；Stéphane和Hans-Peter通過對艾滋病毒的縱向數(shù)據(jù)進(jìn)行固定效應(yīng)分析，發(fā)現(xiàn)社會互動對受訪者關(guān)于艾滋病風(fēng)險的認(rèn)知有實(shí)質(zhì)性的影響；李華強(qiáng)等認(rèn)為建立在公眾風(fēng)險感知特征及其影響因素基礎(chǔ)上的風(fēng)險感知理論模型,可以解釋地震災(zāi)區(qū)的居民風(fēng)險感知對公眾心理健康和應(yīng)對行為的作用機(jī)理；張曉君和王郅強(qiáng)通過社會行為理論對群體性事件中公民風(fēng)險感知和行為特征機(jī)制進(jìn)行研究。

突發(fā)性公共衛(wèi)生事件下的風(fēng)險信息感知本質(zhì)上是公民在特定的疫情態(tài)勢之下對于疫情信息的一種風(fēng)險認(rèn)知過程。已有的研究成果鮮有從態(tài)勢感知理論的視角進(jìn)行量化研究，本文試圖在態(tài)勢感知理論視角下構(gòu)建突發(fā)性公共衛(wèi)生事件中居民的風(fēng)險信息感知框架并進(jìn)行實(shí)證檢驗(yàn)。

2 理論分析與研究假設(shè)

2.1 理論分析

態(tài)勢感知理論（Situation AwarenessTheory，SAT）概念最早于20世紀(jì)80年代出現(xiàn)在軍事領(lǐng)域。90年代出現(xiàn)了“網(wǎng)絡(luò)態(tài)勢感知（Cyberspace Situation Awareness，CSA）”概念。2009年，美國白宮提出要構(gòu)建態(tài)勢感知能力并形成了NSAS框架。2016年，在中國網(wǎng)絡(luò)安全業(yè)界人士座談會上習(xí)近平總書記指示“全天候全方位感知網(wǎng)絡(luò)安全態(tài)勢”。隨著學(xué)術(shù)研究的深入和拓展，形成了態(tài)勢感知理論。態(tài)勢即狀態(tài)和趨勢，具有整體性、環(huán)境性、動態(tài)性；整體性是態(tài)勢各實(shí)體間相互關(guān)系的體現(xiàn)；環(huán)境性是指態(tài)勢感知的應(yīng)用環(huán)境；動態(tài)性是態(tài)勢隨時間不斷變化。態(tài)勢感知分為三個階段，即態(tài)勢認(rèn)知、態(tài)勢理解和態(tài)勢預(yù)測；態(tài)勢認(rèn)知是了解當(dāng)前的狀態(tài)，包括狀態(tài)識別與確認(rèn)，以及對態(tài)勢認(rèn)知所需信息來源和素材的質(zhì)量評價；態(tài)勢理解是對當(dāng)前態(tài)勢發(fā)生的原因及方式的了解，包括行為的趨勢與意圖分析、損害評估和因果分析；態(tài)勢預(yù)測是對態(tài)勢發(fā)展的預(yù)測評估，包括態(tài)勢演化和影響評估。

本文嘗試將態(tài)勢感知理論引入突發(fā)性公共衛(wèi)生事件中，分析不同城市的居民在不同的疫情嚴(yán)重程度下的風(fēng)險信息認(rèn)知、理解和預(yù)測特點(diǎn)及其原因和機(jī)制（見圖1）。（1）從系統(tǒng)層面看，突發(fā)性公共衛(wèi)生事件是一個系統(tǒng)性（整體性）的風(fēng)險，給整個社會帶來嚴(yán)重的生命、生產(chǎn)和生活安全威脅，需要政府組織和調(diào)動廣大民眾和社會資源進(jìn)行治理；（2）從個人層面看，不 同 的 居 民 具 有 不 同 的 受 教 育 程 度、政 治 心 理、社會關(guān)系和就醫(yī)難度，特別是不同區(qū)域的居民會面臨不同的政民關(guān)系、網(wǎng)絡(luò)輿情、疫情嚴(yán)重程度等環(huán)境性和動態(tài)性的問題，這些因素會直接影響居民在突發(fā)性公共衛(wèi)生事件中的風(fēng)險信息感知和風(fēng)險感知目標(biāo)；（3）從作用機(jī)制看，當(dāng)不同區(qū)域的不同疫情嚴(yán)重程度（發(fā)展態(tài)勢）作用于不同特征的居民時，會形成不同的風(fēng)險信息感知、理解和預(yù)測，在不同的風(fēng)險感知目標(biāo)（如規(guī)避風(fēng)險）下，做出不同的決策和行為，而不同的行為又會反過來作用于網(wǎng)絡(luò)輿情、政民關(guān)系等環(huán)境性因素，進(jìn)而影響事件的發(fā)展態(tài)勢。

2.2 研究假設(shè)

（1）居民的政治心理、受教育程度和政民關(guān)系與風(fēng)險信息感知。根據(jù)態(tài)勢感知理論和突發(fā)性公共衛(wèi)生事件中居民的風(fēng)險信息感知模型，本文構(gòu)建了突發(fā)性公共衛(wèi)生事件的概念框架圖（見圖2）。風(fēng)險信息感知是指在突發(fā)性公共衛(wèi)生事件中居民通過日常交流、紙媒閱讀、網(wǎng)絡(luò)媒體等可視聽方式，對事件的態(tài)勢做出相應(yīng)地認(rèn)知、理解以及對未來趨勢的預(yù)測，并以規(guī)避事件風(fēng)險、免受疫情侵害為目標(biāo)做出相應(yīng)的風(fēng)險應(yīng)對決策。

圖1 突發(fā)性公共衛(wèi)生事件中居民的風(fēng)險信息感知模型圖

圖2 概念框架圖

政治心理是指居民直接或間接參與政治活動的心理感受，包括政治興趣、政治效能感和政治認(rèn)知。政治興趣越濃，就越有可能更加廣泛而深刻地理解和把握事件風(fēng)險信息；居民的政治效能感越強(qiáng)，就越有能力獲取更加完善而準(zhǔn)確的風(fēng)險信息；居民的政治認(rèn)知越深刻，就越不容易受網(wǎng)絡(luò)輿情特別是負(fù)面輿情的影響，從而做出準(zhǔn)確的風(fēng)險判斷?？傊?，居民的政治心理越強(qiáng)，對風(fēng)險信息的感知程度就越高，因此本文提出假設(shè)：

H1a：居民的政治心理與風(fēng)險信息感知顯著正相關(guān)。

受教育程度是指按照國家教育體制本住戶成員接受教育的最高學(xué)歷。受教育程度在公民與社會的關(guān)系研究特別是在民眾參與群體性事件的研究以及公民訴求與政府回應(yīng)的研究中都表現(xiàn)出顯著的影響。調(diào)查顯示，在突發(fā)性公共衛(wèi)生事件中，居民受教育程度越高，受網(wǎng)絡(luò)輿情尤其是謠言的影響程度就越小，對風(fēng)險信息的判斷越準(zhǔn)確，故本文提出假設(shè)：

H2a：居民的受教育程度與風(fēng)險信息感知顯著正相關(guān)。

政民關(guān)系是指在政府與民眾的長期活動中表現(xiàn)出來的公民政治參與水平和政府響應(yīng)水平之間的關(guān)系和諧程度（冷漠型、無視型、代言型和合作型）；或者由不同的治理范式（官僚范式、消費(fèi)主義范式、參與式范式、平臺范式）而塑造和重塑的公民與行政關(guān)系的格局，取決于公民信任與行政透明度、公民滿意度與行政績效之間的關(guān)系。黨的十九大以來，“互聯(lián)網(wǎng)+政務(wù)”模式深度推行，政府職能由管理轉(zhuǎn)向服務(wù)，政民關(guān)系由“政府中心主義”向“民眾中心主義”傾斜。在突發(fā)性公共衛(wèi)生事件中，政民關(guān)系越好，政府的公信力就越高，越有利于提高民眾對風(fēng)險信息的感知水平和戰(zhàn)勝疫情的決心，故本文提出假設(shè)：

H3a：政民關(guān)系與風(fēng)險信息感知之間顯著正相關(guān)。

（2）城市疫情嚴(yán)重程度的調(diào)節(jié)作用。城市突發(fā)性公共衛(wèi)生事件嚴(yán)重程度（以下簡稱“城市疫情嚴(yán)重程度”），是指截止2020年5月31日我國某城市累積確診的突發(fā)性公共衛(wèi)生事件人數(shù)（單位：人）除以該城市常住人口數(shù)（單位：萬人）而得到的比例。

從組織層面看，不同城市的事件嚴(yán)重程度各不相同。對于不同政治心理的公民，其風(fēng)險信息感知的傾向就會產(chǎn)生不同的變化：雖然居民政治心理對于風(fēng)險信息感知具有正向影響作用，但隨著事件嚴(yán)重程度的增加，對于政治心理較強(qiáng)的居民也可能產(chǎn)生一定程度的擔(dān)憂，從而對風(fēng)險信息感知形成一定程度的負(fù)面影響；而對于政治心理本來就比較弱的居民，可能形成更大程度的恐懼心理，從而對其風(fēng)險信息感知產(chǎn)生更大的“不真實(shí)”感知。事件嚴(yán)重程度相對較輕城市的居民，無論其政治心理強(qiáng)弱，均可能以樂觀的心態(tài)推斷疫情的發(fā)展態(tài)勢，從而不會影響到政治心理和風(fēng)險信息感知之間的原有關(guān)系。綜上，疫情嚴(yán)重程度不同地域，公眾的風(fēng)險感知存在顯著差異，故本文提出假設(shè)：

H1b：城市疫情嚴(yán)重程度在居民政治心理和風(fēng)險信息感知之間起到顯著負(fù)向調(diào)節(jié)作用。

雖然居民的受教育程度對風(fēng)險信息感知起到正向作用，但隨著城市疫情嚴(yán)重程度的加重，即使受教育程度較高的居民，也會受到一定程度的干擾，從而可能對風(fēng)險信息的估計偏高；而對于受教育程度較低的居民，可能對風(fēng)險信息產(chǎn)生更高的風(fēng)險感知。對于風(fēng)險嚴(yán)重程度相對較輕城市的居民，無論其教育程度高低，均不會影響到教育程度和風(fēng)險信息感知之間的原有關(guān)系。故本文假設(shè)：

H2b：城市疫情嚴(yán)重程度在居民受教育程度和風(fēng)險信息感知之間起到負(fù)向調(diào)節(jié)作用。

隨著城市疫情嚴(yán)重程度的加重,原本良好的政民關(guān)系下的居民，可能會對風(fēng)險信息產(chǎn)生較高的估計；而政民關(guān)系一般的城市居民，可能產(chǎn)生更高的風(fēng)險信息感知。若城市疫情嚴(yán)重程度較輕，則可能不會對政民關(guān)系和風(fēng)險信息感知之間的原有關(guān)系產(chǎn)生較大影響。故本文假設(shè)：

H3b：城市疫情嚴(yán)重程度在政民關(guān)系和風(fēng)險信息感知之間起到負(fù)向調(diào)節(jié)作用。

（3）城市疫情嚴(yán)重程度與風(fēng)險信息感知。突發(fā)性公共衛(wèi)生事件嚴(yán)重的城市，居民的心理壓力相對較大，容易夸大風(fēng)險的危害程度，對風(fēng)險的發(fā)展態(tài)勢做出嚴(yán)重的判斷；相反，事件較輕的城市，居民的心理壓力較小，不容易夸大風(fēng)險的危害程度，對風(fēng)險態(tài)勢做出較輕的判斷。故本文假設(shè)：

H1c：政治心理作為層1自變量時，城市疫情嚴(yán)重程度與風(fēng)險信息感知之間顯著負(fù)相關(guān)；

H2c：受教育程度作為層1自變量時，城市疫情嚴(yán)重程度與風(fēng)險信息感知之間顯著負(fù)相關(guān)；

H3c：政民關(guān)系作為層1自變量時，城市疫情嚴(yán)重程度與風(fēng)險信息感知之間顯著負(fù)相關(guān)。

3 研究設(shè)計

3.1 樣本選取

圍繞居民疫情風(fēng)險信息感知的影響因素，調(diào)研團(tuán)隊于2020年5月對全國31個省、自治區(qū)和直轄市所轄市（州）進(jìn)行了問卷調(diào)查。本次調(diào)研采用分層抽樣的方式,首先從國家政務(wù)服務(wù)平臺·疫情風(fēng)險等級查詢 網(wǎng) （http://bmfw.www.gov.cn/yqfxdjcx/index.html）調(diào)取“全國新冠肺炎病毒最新實(shí)時疫情動態(tài)數(shù)據(jù)”（截至2020年5月1日），按照累計確診病例數(shù)由高到低的順序進(jìn)行排序，再按照0-9、10-99、100-499、500-999、1000-10000、大于10000等6個區(qū)間對市（州）確診病例數(shù)進(jìn)行分段歸類；每個市州發(fā)放不少于30份的調(diào)查問卷，累計確診病例大于10000的城市不少于50份，問卷形式包括網(wǎng)絡(luò)問卷、電子郵件、紙質(zhì)信件、電話詢問和現(xiàn)場訪談等方式；截止5月31日共發(fā)放問卷5145份，回收2193份,回收率42.63%；然后根據(jù)分層線性模型的樣本數(shù)量要求，刪除少于5個樣本的市州，剔除數(shù)據(jù)缺失、矛盾等無效問卷,最終獲取2121份有效問卷,有效率96.72%，有效樣本涵蓋了全國81個市（州）。

3.2 變量測量

根據(jù)研究需要，本文選取了突發(fā)性公共衛(wèi)生事件的“風(fēng)險信息感知”作為因變量，并設(shè)置題項(xiàng)“Q1.您感覺官方報出的疫情數(shù)據(jù)符合實(shí)際情況嗎？”進(jìn)行測試。

自變量為“政治心理”“居民受教育程度”“政民關(guān)系”。根據(jù)“政治心理”的三個方面（政治興趣、政治效能感、政治認(rèn)知），本文設(shè)置了三個題項(xiàng)進(jìn)行測試，即“Q2.您對疫情相關(guān)的話題有多大興趣？Q3.如果政府能了解到您對疫情的觀點(diǎn)或行為，那么您認(rèn)為您能對政府的行為產(chǎn)生多大影響？Q4.您在多大程度上了解目前我國對疫情防控所采取的政策措施？”設(shè)置“Q5.您的最高學(xué)歷是？”測試“居民受教育程度”。設(shè)置“Q6.您認(rèn)為當(dāng)?shù)卣屠习傩盏年P(guān)系怎么樣？”和“Q7.您認(rèn)為當(dāng)?shù)卣芗皶r回應(yīng)老百姓的訴求嗎？”兩個題項(xiàng)測試“政民關(guān)系”。

跨層調(diào)節(jié)變量為“城市疫情嚴(yán)重程度”,調(diào)取截止2020年5月31日某城市新冠肺炎疫情累計確診人數(shù)（人）除以該地常住人口數(shù)（萬人）作為測量數(shù)據(jù)，并設(shè)置“Q8.您認(rèn)為您所在城市的疫情嚴(yán)重程度如何？”了解被試對官方數(shù)據(jù)的認(rèn)可程度；此外，設(shè)置“Q9.疫情期間您正處在哪個城市？”獲取位置信息，與網(wǎng)絡(luò)問卷上面顯示的IP地址進(jìn)行匹配，校驗(yàn)被試所在區(qū)域的準(zhǔn)確性，以此作為區(qū)分省市并進(jìn)行數(shù)據(jù)分層的依據(jù)。

控制變量為網(wǎng)絡(luò)輿情、就醫(yī)難度、社會關(guān)系等三個變量，對于“網(wǎng)絡(luò)輿情”，設(shè)置三個題項(xiàng)逐步測試，首先設(shè)置“Q10.您通過哪些渠道獲取此次疫情的現(xiàn)狀？”了解被試獲取信息的渠道是否為非官方網(wǎng)絡(luò)；其次，設(shè)置“Q11.您認(rèn)為非官方網(wǎng)絡(luò)傳播的疫情信息可靠嗎？”了解被試的對非官方信息的態(tài)度；最后通過“Q12.您認(rèn)為網(wǎng)絡(luò)輿情對您的影響有多大？”獲取網(wǎng)絡(luò)輿情對被試的心理影響程度。對于“就醫(yī)難度”，設(shè)置“Q13.您覺得疫情期間您所在的城市看病難嗎？”。對于“社會關(guān)系”設(shè)置開放式多選題“Q14.您的社會關(guān)系主要有哪些？（如親人關(guān)系、親戚關(guān)系、朋友關(guān)系、同事關(guān)系、同學(xué)關(guān)系、網(wǎng)友關(guān)系、其他關(guān)系）”根據(jù)選項(xiàng)個數(shù)統(tǒng)計得分。

此外，本文還設(shè)置了諸如“性別”“年齡”“家庭資產(chǎn)”“工作行業(yè)及工種”“黨派”“您的家庭成員中是否有確診人員”等問題作為輔助分析的題項(xiàng)。根據(jù)統(tǒng)計數(shù)據(jù)的相關(guān)性分析，確定了測量變量（見表1）。

3.3 分析方法與模型設(shè)定

（1）分析方法。不同城市的疫情嚴(yán)重程度不同，對所在城市居民的風(fēng)險信息感知的影響也不同。而傳統(tǒng)的多元回歸模型在處理嵌套數(shù)據(jù)時，因受隨機(jī)誤差項(xiàng)不相互獨(dú)立和異方差的影響而無法得出準(zhǔn)確的估計結(jié)果，故本文采用多層線性模型（HLM）的分析方法，使用HLM6.8軟件,構(gòu)建兩層線性模型，通過各層變量的效應(yīng)及其跨層交互作用（Cross-Level Interactions）分析居民的風(fēng)險信息感知。

（2）模型設(shè)定。依據(jù)居民嵌套于城市的特點(diǎn)，建立居民和城市兩層線性模型。

i.零模型。即不含任何解釋變量的模型:

表1 變量設(shè)置及測量表

將（2）代入（1）,得到零模型的簡化形式（reduced form）

其中，因變量MesPer表示j城市i居民對疫情風(fēng)險信息感知水平；β是截距，代表j城市居民的平均風(fēng)險信息感知水平；γ代表j城市i居民圍繞j城市平均風(fēng)險信息感知水平的變異程度，即誤差項(xiàng)均方和，在HLM中為層1回歸方程的誤差項(xiàng)變異數(shù)（組內(nèi)方差σ）；γ是全體被調(diào)研居民的平均風(fēng)險信息感知水平；μ表示各城市平均風(fēng)險信息感知水平圍繞全國平均水平的變異程度，在HLM中為層2回歸方程的誤差項(xiàng)變異數(shù)（組間方差τ）。

在零模型中，跨層相關(guān)系數(shù)ICC(Intra-class correlation)表示因變量的變異能被組間方差解釋的程度，等于組間方差與總方差的比值，即ICC=τ/(σ+τ)；用以評估有沒有必要使用HLM方法進(jìn)行解釋。根據(jù)經(jīng)驗(yàn)，ICC大于0.059時表示因變量的組間差異顯著，可以考慮使用跨層分析方法。

ii.隨機(jī)系數(shù)模型。在零模型的基礎(chǔ)上，在層1中引入居民個體層面的預(yù)測變量“政治心理”建立隨機(jī)系數(shù)模型（其他兩個自變量“受教育程度”和“政民關(guān)系”的引入方式及結(jié)構(gòu)方程模式相同）：

將（5）-（9）代入（4）得到隨機(jī)系數(shù)模型的簡化形式:

其中β（t=1，2，3，4）表示居民個體層面第t個預(yù)測變量對居民風(fēng)險信息感知的影響，包括固定效應(yīng)γ和隨機(jī)效應(yīng)μ兩部分。隨機(jī)系數(shù)模型檢驗(yàn)β在組間有沒有顯著變化，可以假設(shè)H0:Var（β）=0，如果檢驗(yàn)結(jié)果不能拒絕H0,可將β設(shè)為固定系數(shù)；如果拒絕H0，則在層2加入組水平解釋變量來解釋其變異。

iii.完全模型。在隨機(jī)系數(shù)模型的基礎(chǔ)上建立完全模型:

將（12）-(16)代入（11），得到斜率模型的Mixed Model形式:

4 數(shù)據(jù)分析與結(jié)果

4.1 數(shù)據(jù)分析

本文通過網(wǎng)上問卷、入戶調(diào)研并輔以電話訪談方式獲取了截至2020年5月31日的新冠肺炎疫情數(shù)據(jù)，并對調(diào)研數(shù)據(jù)進(jìn)行相應(yīng)地處理，各個變量基本統(tǒng)計信息（見表2）。

表2 變量基本統(tǒng)計信息

數(shù)據(jù)處理如下：（1）本次調(diào)研收集到了36個來自國外的樣本，由于此次的研究對象是我國居民在突發(fā)性公共衛(wèi)生事件中的風(fēng)險信息感知情況，故刪除了該部分樣本；（2）將調(diào)查問卷的IP地址和被調(diào)研對象風(fēng)險期間所在位置進(jìn)行比對，對兩個位置信息不一致的居民進(jìn)行了進(jìn)一步核實(shí)，最終以被調(diào)研對象在疫情期間所在地為準(zhǔn)來確定層2的變量所指的城市；（3）依據(jù)HLM對樣本容量的要求（Rabe-Hesketh&Skronda，2012），刪除了樣本數(shù)量少于5個的城市,最終保留2121個居民樣本，81個城市樣本。

4.2 多層線性模型結(jié)果分析

（1）零模型結(jié)果分析。從零模型的分析結(jié)果（見表3）可知。截距表示被調(diào)研居民的整體風(fēng)險信息感知水平，估計值為4.165，在0.001的水平上顯著。層1和層2的效應(yīng)分別表示信息感知差異是由個體間特質(zhì)差異（組內(nèi)差異）和城市間的疫情差異（組間差異）造成的。在方差成分中，組間方差值為0.414，卡方值為658.065，P值顯著小于0.001，表明不同城市的居民風(fēng)險信息感知存在顯著差異?？缂壪嚓P(guān)系數(shù)（ICC）為27.49%，這表明風(fēng)險信息感知差異中，有27.49%是由城市間疫情嚴(yán)重程度的差異造成的。依據(jù)Cohen（1988）的判斷標(biāo)準(zhǔn)（P＞0.138），屬于高關(guān)聯(lián)強(qiáng)度，因變量存在顯著的組間差異，適合采用HLM進(jìn)行分析。

表3 零模型分析結(jié)果

（2）隨機(jī)系數(shù)模型結(jié)果分析。在零模型估計的基礎(chǔ)上，分別引入層1的三個自變量，建立隨機(jī)系數(shù)模型（見表4-1）。為減少參數(shù)估計中迭代收斂不理想及加強(qiáng)自變量的解釋意義，對層1的自變量進(jìn)行了組均數(shù)中心化（group-meaning centering）處理（Hox，2002）。

在層1引入第一個自變量“政治心理”和三個控制變量網(wǎng)絡(luò)輿情、就醫(yī)難度、社會關(guān)系。由隨機(jī)系數(shù)回歸模型參數(shù)估計結(jié)果（見表4-1），組內(nèi)差異r的變異系數(shù)（Sigma_squared）由1.092降為0.909,降幅16.76%；組間變異μ系數(shù)（τ由0.414降低為0.216，降幅為47.83%，離差統(tǒng)計量由6358降為6136，說明加入了自變量和控制變量之后，方程的解釋力度顯著增強(qiáng)。

從固定效應(yīng)看，自變量“政治心理”對居民風(fēng)險信息感知具有顯著正向影響（γ=0.212，p＜0.05），說明居民的政治心理越強(qiáng)大（政治興趣越濃厚、政治效能感越高、政治認(rèn)知越清晰），對風(fēng)險的感知就越趨于“真實(shí)”；控制變量“網(wǎng)絡(luò)輿情”對居民風(fēng)險信息感知具有較顯著地負(fù)向影響（γ=-0.040，p＜0.05），說明網(wǎng)絡(luò)輿情（特別是負(fù)面輿情）力度越大，居民的風(fēng)險感知越趨于“不真實(shí)”；“就醫(yī)難度”對風(fēng)險信息感知具有顯著的負(fù)向影響（γ=-0.069，p＜0.001），說明就醫(yī)難度越大，越會造成居民的心理恐慌，從而對風(fēng)險做出夸大的或悲觀的判斷，影響了居民對風(fēng)險的 判斷；“社會關(guān)系”對風(fēng)險感知具有顯著的正向影響（γ=0.103，p＜0.001），說明居民的社會關(guān)系越廣泛，對風(fēng)險信息感知就趨于“安全”。

從隨機(jī)效應(yīng)看，自變量和控制變量的隨機(jī)效應(yīng)均未通過p＜0.05的卡方檢驗(yàn)，說明未解釋的部分（殘差）已經(jīng)很小，固定效應(yīng)部分的解釋力度很強(qiáng)?？梢妼?加入自變量“政治心理”之后，組間差異、組內(nèi)差異、離差統(tǒng)計量均顯著降低，固定效應(yīng)加強(qiáng)而隨機(jī)效應(yīng)降低，且“政治心理”對“風(fēng)險信息感知”有顯著正向影響，故假設(shè)H1a驗(yàn)證通過。

同理，在層1引入表中第二個自變量“受教育程度”和三個控制變量（見表4-2）。組內(nèi)方差由1.092降為0.978,降幅10.44%；組間方差由0.414降低為0.346，降幅為16.43%，離差統(tǒng)計量由6358降為6183，說明加入了自變量和控制變量之后，方程的解釋力度在增強(qiáng)。

從固定效應(yīng)看，自變量“受教育程度”對居民風(fēng)險信息感知具有顯著正影響（γ=0.060，p＜0.001），說明居民的教育程度越高，就越能正確判斷風(fēng)險的發(fā)展趨勢，對風(fēng)險的感知就越趨于“真實(shí)”;控制變量“網(wǎng)絡(luò)輿情”對居民風(fēng)險信息 感知具有較顯著正向影響（γ=0.051，p＜0.010），說明隨著居民受教育程度的提高，居民對于網(wǎng)絡(luò)輿情的看法就會傾向于科學(xué)和理智，進(jìn)而對風(fēng)險的感知也趨于“真實(shí)”；“就醫(yī)難度”（γ=-0.065，p＜0.001）和“社會關(guān)系”（γ=0.209，p＜0.001）分別對風(fēng)險感知具有顯著的負(fù)向和正向影響。

從隨機(jī)效應(yīng)看，自變量和控制變量的隨機(jī)效應(yīng)均未通過p＜0.05的卡方檢驗(yàn)。

表4-1 隨機(jī)系數(shù)模型回歸結(jié)果1

表4-2 隨機(jī)系數(shù)模型回歸結(jié)果2

故假設(shè)H2a驗(yàn)證通過。

在層1引入表中第三個自變量“政民關(guān)系”和三個控制變量（見表4-3）。組內(nèi)方差由1.092降為0.933,降幅14.56%；組間方差由0.414降低為0.198，降幅為52.17%，離差統(tǒng)計量由6358降為6091，說明加入了自變量和控制變量之后，方程的解釋力度在增強(qiáng)。

從固定效應(yīng)看，自變量“政民關(guān)系”對居民風(fēng)險信息 感知具有顯著正影響（γ=0.183，p＜0.001），說明“政民關(guān)系”越好，居民對風(fēng)險信息的感知就越趨于“真實(shí)”；這種情形下的“網(wǎng)絡(luò)輿情”對居民風(fēng)險信息感知不具有顯著的影響（γ=1.722，p＞0.05）；“就醫(yī)難度”對風(fēng)險感知具有顯著的負(fù)影響（γ=-0.074，p＜0.001）；“社會關(guān)系”對風(fēng)險感知具有顯著的正影響（γ=0.128，p＜0.001）。

從隨機(jī)效應(yīng)看，自變量和控制變量的隨機(jī)效應(yīng)均未通過p＜0.05的卡方檢驗(yàn)。

故假設(shè)H3a通過驗(yàn)證。

（3）完全模型結(jié)果分析。在隨機(jī)系數(shù)模型的基礎(chǔ)上，在層2的方程中納入跨層變量“城市疫情嚴(yán)重程度”；將層1變量進(jìn)行組中心化，層2變量進(jìn)行總體中心化；并分別與層1的三個自變量做了乘積項(xiàng)。完整模型估計結(jié)果（見表5-1）顯示，在“政治心理”作為層1自變量的基礎(chǔ)上，引入“城市疫情嚴(yán)重程度”之后，相對于隨機(jī)模型，離差統(tǒng)計量由6136降為6051，組內(nèi)方差由0.909降低為0.902，組間系數(shù)（τ）由0.216降低為0.187，減少比重13.43%，說明跨層變量對組間變異的解釋程度增加13.43%；從主效應(yīng)看，城市疫情嚴(yán)重程度負(fù)向影響居民風(fēng)險感知程度（γ=-0.015，p＜0.001），說明城市疫情越嚴(yán)重的城市，其居民的風(fēng)險信息感知程度越低，出現(xiàn)這一現(xiàn)象的原因在于疫情越嚴(yán)重的地區(qū)居民的心理壓力越大，降低了居民風(fēng)險信息感知水平。故H1c驗(yàn)證通過。

從跨層交互作用看，加入跨層調(diào)節(jié)變量“城市疫情嚴(yán)重程度”之后，政治心理與城市疫情嚴(yán)重程度交互項(xiàng)的估計系數(shù)為-0.005，通過了0.001的顯著性水平檢驗(yàn)，并且自變量與因變量之間由顯著正相關(guān) （γ=0.292,p＜0.001）變成了較顯著負(fù)相關(guān)（γ=-0.215，p＜0.01）。從現(xiàn)實(shí)情況看，政治心理強(qiáng)大的居民，風(fēng)險信息感知就越強(qiáng)，但隨著城市疫情的加重，這一關(guān)系發(fā)生了逆轉(zhuǎn)，而此時在政治心理和城市疫情嚴(yán)重程度的交互作用（調(diào)節(jié)作用）下，居民的風(fēng)險信息感知明顯地趨于“不真實(shí)”。

表4-3 隨機(jī)系數(shù)模型回歸結(jié)果3

表5-1 完全模型結(jié)果1

故假設(shè)H1b通過檢驗(yàn)。

在“受教育程度”作為層1自變量的基礎(chǔ)上，引入層2的變量“城市疫情嚴(yán)重程度”，形成完整模型估計結(jié)果（見表5-2）。相對于隨機(jī)模型，離差統(tǒng)計量由6183升為6202，組內(nèi)方差沒有改變，組間方差（τ）由0.346反升為0.394，跨層變量對組間變異的解釋程度反而變?nèi)趿?；從主效?yīng)看，“城市疫情嚴(yán)重程度”對“風(fēng)險信息感知”并沒有顯著影響（γ=-0.003，p＞0.05）。

故H2c未驗(yàn)證通過。

加入跨層調(diào)節(jié)變量之后，“受教育程度”與“風(fēng)險信息感知”之間的關(guān)系幾乎沒有變化；而層1自變量“受教育程度”與層2調(diào)節(jié)變量“城市疫情嚴(yán)重程度”的交互項(xiàng)（γ=-0.001，p＞0.05）也沒有通過0.05水平上的檢驗(yàn)，方程的解釋力反而變?nèi)酢?shí)際上，居民受教育程度越高，對城市疫情嚴(yán)重程度就越能夠正確看待，對風(fēng)險信息感知的影響就越小；本文被調(diào)研對象的受教育程度平均值為5.078，這個值對應(yīng)問卷設(shè)置中的本科學(xué)歷，說明調(diào)研對象的受教育程度普遍偏高，而教育程度與風(fēng)險信息感知顯著正相關(guān)，從而層2的變量對這一關(guān)系幾乎沒有調(diào)節(jié)作用。

故H2b未驗(yàn)證通過。

在“政民關(guān)系”作為層1自變量的基礎(chǔ)上，引入“城市疫情嚴(yán)重程度”，形成完整模型估計結(jié)果（見表5-3）。相對于隨機(jī)模型，離差統(tǒng)計量由6091降為6006，組內(nèi)系數(shù)由0.933降低為0.904，組間系數(shù)（τ）由0.198降低為0.124，減少的比重37.37%，代表了跨層變量對組間變異的解釋程度增加37.37%；說明加入跨層調(diào)節(jié)變量及其與層1自變量“政民關(guān)系”的交互項(xiàng)之后方程的解釋力變強(qiáng)。此外，城市疫情嚴(yán)重程度負(fù)向影響居民風(fēng)險信息感知 （γ=-0.011，p＜0.01），說明城市疫情嚴(yán)重程度越高，其所在城市的居民風(fēng)險信息感知程度就會越低。

故H3c驗(yàn)證通過。

從跨層交互作用看，加入跨層調(diào)節(jié)變量之后，政民關(guān)系與城市疫情嚴(yán)重程度交互項(xiàng)的估計系數(shù)為-0.004，通過了0.001水平上的顯著性檢驗(yàn)，而同時政民關(guān)系與居民風(fēng)險信息感知之間的相關(guān)關(guān)系明顯降低（γ=0.178，p＜0.05），這表明城市疫情嚴(yán)重程度負(fù)向調(diào)節(jié)了政民關(guān)系和居民風(fēng)險信息感知之間的關(guān)系?？梢?，盡管政民關(guān)系會正向影響居民的風(fēng)險信息感知，但隨城市疫情的加重，居民的恐慌心理會加大，在政民關(guān)系和城市疫情嚴(yán)重程度的交互作用下，居民的風(fēng)險信息感知趨于“危險”。

表5-2 完全模型結(jié)果2

表5-3 完全模型結(jié)果3

故H3b檢驗(yàn)通過。

圖3-1 城市疫情嚴(yán)重程度的調(diào)節(jié)作用1

圖3-2 城市疫情嚴(yán)重程度的調(diào)節(jié)作用2

圖3-3 城市疫情嚴(yán)重程度的調(diào)節(jié)作用3

為了更加直觀地表現(xiàn)城市疫情嚴(yán)重程度對以上三種關(guān)系的調(diào)節(jié)效應(yīng)，本文繪制了調(diào)節(jié)效應(yīng)作用圖進(jìn)行展示（見圖3-1，圖3-2，圖3-3）。圖3-1表示城市疫情嚴(yán)重程度對政治心理和風(fēng)險信息感知之間關(guān)系的調(diào)節(jié)效應(yīng)?？梢?，當(dāng)城市疫情嚴(yán)重程度較低時，政治心理與居民風(fēng)險信息感知之間顯著正相關(guān)，隨著城市疫情嚴(yán)重程度的加重，政治心理與風(fēng)險感知的關(guān)系變成了顯著負(fù)相關(guān)（直線斜率變負(fù)），這是城市疫情嚴(yán)重程度的顯著（負(fù)向）調(diào)節(jié)結(jié)果。

圖3-2表示城市疫情嚴(yán)重程度對居民受教育程度和風(fēng)險信息感知關(guān)系的調(diào)節(jié)效應(yīng)?？梢姡芙逃潭扰c風(fēng)險信息感知之間呈現(xiàn)較為顯著的正相關(guān)關(guān)系，加入調(diào)節(jié)變量之后，教育程度對風(fēng)險信息感知之間的關(guān)系幾乎沒有變化（直線的斜率幾乎沒有變化），即城市疫情嚴(yán)重程度對教育程度和風(fēng)險信息感知的關(guān)系沒有調(diào)節(jié)作用。

圖3-3表示城市疫情嚴(yán)重程度對政民關(guān)系和居民風(fēng)險感知關(guān)系的調(diào)節(jié)效應(yīng)?？梢姡耜P(guān)系和居民風(fēng)險信息感知之間顯著正相關(guān)；隨著城市疫情嚴(yán)重程度的加重，政民關(guān)系與風(fēng)險信息感知之間的關(guān)系逐漸變?nèi)酰ㄖ本€的斜率變?。?，這是城市疫情嚴(yán)重程度的（強(qiáng)弱）調(diào)節(jié)結(jié)果。

5 研究結(jié)論和討論

5.1 主要結(jié)論

本文利用網(wǎng)絡(luò)問卷的調(diào)查數(shù)據(jù)，通過建立HLM模型，實(shí)證分析了城市疫情嚴(yán)重程度對居民風(fēng)險信息感知的影響，主要結(jié)論如下:第一，不同城市的居民風(fēng)險信息感知存在顯著差異;第二，從主效應(yīng)來看，政治心理、受教育程度、政民關(guān)系對居民風(fēng)險信息感知均有正向影響;第三，城市疫情嚴(yán)重程度對風(fēng)險信息感知的影響具有異質(zhì)性，城市疫情嚴(yán)重程度負(fù)向調(diào)節(jié)了政治心理和風(fēng)險信息感知之間的關(guān)系，弱化了政民關(guān)系與風(fēng)險信息感知的正相關(guān)關(guān)系，但對教育程度和風(fēng)險信息感知之間的關(guān)系沒有影響。

5.2 政策建議與研究展望

城市疫情嚴(yán)重程度對居民風(fēng)險信息感知存在顯著的直接影響和間接（調(diào)節(jié)）作用，因此應(yīng)該區(qū)分疫情的風(fēng)險等級，有針對性地調(diào)動資源、明確職責(zé)，采取科學(xué)防治措施。既要防止一刀切、運(yùn)動風(fēng)等形式主義和官僚主義，又要防止推諉扯皮、麻痹大意。協(xié)調(diào)衛(wèi)生、統(tǒng)計、媒體等部門的職能和職責(zé)，嚴(yán)格審核并及時報道風(fēng)險數(shù)據(jù)，嚴(yán)厲打擊造謠傳謠行為，提高全民的風(fēng)險認(rèn)識水平，穩(wěn)定居民正常生活狀態(tài)，防止集體恐慌行為，是政府在突發(fā)性公共衛(wèi)生事件中的重點(diǎn)工作。同時，抗擊風(fēng)險要靠全體公民的共同努力，因此充分發(fā)揮各級黨委和政府的組織與領(lǐng)導(dǎo)職能，廣泛聽取民眾的心聲和意見，正確引導(dǎo)民眾的政治認(rèn)知，提高民眾的政治興趣和政治效能感，充分利用民間自發(fā)的防疫組織，統(tǒng)一指揮，實(shí)現(xiàn)全民聯(lián)防聯(lián)控。

研究發(fā)現(xiàn)，隨著居民受教育程度的提高，城市疫情嚴(yán)重程度對風(fēng)險信息感知的負(fù)面影響明顯減少。嚴(yán)重的疫情態(tài)勢可能改變政治心理、政民關(guān)系對風(fēng)險信息感知的影響，但改變不了教育對風(fēng)險信息感知的影響，因此，應(yīng)當(dāng)高度重視全民思想政治教育和愛國主義教育、普遍提高學(xué)歷教育、大力加強(qiáng)應(yīng)對突發(fā)性事件的科普教育。堅持“權(quán)為民所用、情為民所系、利為民所謀”，大力改善政民關(guān)系和黨群關(guān)系，這是黨政工作的基本要求，也是應(yīng)對突發(fā)性公共衛(wèi)生事件的根本保證。

本文探討了城市疫情嚴(yán)重程度對居民風(fēng)險信息感知的影響，雖然使用了多種問卷調(diào)研方式，但絕大部分問卷是通過網(wǎng)絡(luò)問卷的形式完成的，因此被調(diào)研對象以掌握網(wǎng)絡(luò)信息的知識分子為主。其次，雖然控制了網(wǎng)絡(luò)輿情、就醫(yī)難度和社會關(guān)系等重要變量，但從殘差項(xiàng)看，依然存在一些有待研究的空間，如官員的領(lǐng)導(dǎo)力和績效導(dǎo)向、居民的資產(chǎn)狀況和宗教信仰等因素。因此，進(jìn)一步探究風(fēng)險信息感知的影響因素是未來疫情治理研究的一個重要方向。