陽長征

( 西安交通大學新聞與新媒體學院 西安 710049)

0 引 言

近年來，隨著網(wǎng)絡媒體的普遍使用，使得危機事件爆發(fā)變得越來越頻繁，并形成難以遏制的擴散之勢。傳播學水紋效應模型指出，信息傳播過程就像在平靜的湖水中扔下一顆石子，水紋就會以很快的速度向周圍產(chǎn)生共振波，其擴散的范圍和效果受到水質(zhì)和水面地形的影響而有所不同。而圈層擴散，是指信息在傳播過程中，由于傳播主體或受體在地域、職業(yè)、性別、文化等維度存在相似性或相關(guān)性，從而導致該類群體在信息擴散過程中形成圈層化信息行為特征。針對網(wǎng)絡突發(fā)事件，在水紋傳播效應作用下，在事件發(fā)生之初，人們由于難以獲得突發(fā)事件的確切信息，易于產(chǎn)生從眾效應，導致信息偏差及認知級聯(lián)行為的產(chǎn)生，進而形成信息圈層化擴散，從而導致事件演化為群體極化或?qū)κ录纬奢浾撈?，并影響社會穩(wěn)定及健康發(fā)展。因此，網(wǎng)絡突發(fā)事件中信息圈層擴散問題已成為網(wǎng)絡社會輿情治理關(guān)注的重要內(nèi)容。

1 文獻綜述

關(guān)于信息圈層擴散的影響，國內(nèi)研究主要集中于三個方面：其一，是對信息圈層擴散的內(nèi)涵及特征的闡述，如劉明洋等指出社交網(wǎng)絡場域中流行語擴散具有明顯的圈層性特征，并最終形成圈層話化的輿論環(huán)境[1]。周大勇等發(fā)現(xiàn)網(wǎng)絡空間中信息圈層的形成，其本質(zhì)是用戶的群體組合與分層，從而通過圈層實現(xiàn)信息精準獲取。圈層擴散可引起人與媒體形成密切互動，但也會導致用戶多重焦慮的產(chǎn)生[2]。其二，是對信息圈層擴散影響因素的探索，如湯景泰等指出信息圈層化程度與用戶活躍度間存在關(guān)聯(lián)，同時隨著意見領袖涉入信息主題數(shù)量的增多，跨越圈層的擴散影響力也隨之增大[3]。徐翔針對社交網(wǎng)絡信息擴散，發(fā)現(xiàn)傳者與受者間并非發(fā)散式關(guān)系，而是呈現(xiàn)傳者與受眾存在相同或相近的影響力層級，從而形成圈層擴散特征。由此表明，社交網(wǎng)絡中信息圈層擴散的產(chǎn)生，會受到網(wǎng)絡空間特有的“影響力層級”的影響[4]。其三，是對信息圈層擴散形成機理的探討，如鄭欣等分析了青少年群體中網(wǎng)絡語言傳播的“圈層”屬性及特征類型，并基于社會網(wǎng)絡分析角度對線上語言圈層擴散機理進展剖析，提出了青少年社會生活中在線語言圈層化擴散的本質(zhì)是其社會認同和所形成的生活方式。同時，青少年在線語言的圈層擴散產(chǎn)生了一種跨空間距離的緊密互動及跨時空的集聚[5]。

國外關(guān)于信息圈層擴散的相關(guān)研究相對較少，而現(xiàn)有的文獻主要集中于三方面：其一，部分學者主要圍繞圈層擴散的現(xiàn)象及特征進行探索，如Zai等以網(wǎng)絡相對完善的高校為研究對象，提出了校園網(wǎng)通信息圈層擴散的關(guān)鍵概念，并指出信息圈層擴散是在大學網(wǎng)絡比較成熟及大學生網(wǎng)絡行為逐漸流行的條件下所產(chǎn)生[6]。其二，部分學者主要圍繞圈層擴散的影響因素及路徑進行探索，如Qian等指出隨著社交網(wǎng)絡的出現(xiàn)和普及，越來越多的用戶分享行為形成了圈層擴散特征，如評分、評論和轉(zhuǎn)發(fā)等。社交網(wǎng)絡該圈層擴散現(xiàn)象產(chǎn)生的因素之一是朋友圈的人際影響力和興趣，其中興趣相似性和人際影響力可增強潛在空間中圈層特征的形成[7]。Wu等對信息流進行分析，發(fā)現(xiàn)社交圈中的信息流動存在圈層化特征，并且這種圈層間的關(guān)聯(lián)性會隨著社交網(wǎng)絡中節(jié)點屬性的相似性的增加而增加[8]。其三，另一部分學者主要從社會文化的角度對信息圈層擴散特征展開研究，如Michaels等人指出信息的圈子交流是一種小組交流的形式，以此可建立關(guān)系網(wǎng)絡和社區(qū)意識，且所有個人及觀點都可加入該圈子的交流中，以創(chuàng)建并形成人們共同的信息圈層擴散行為[9]。

總體而言，過去研究主要集中于網(wǎng)絡信息圈層擴散的內(nèi)涵、特征、影響因素及影響機理方面的探討和分析。然而，組態(tài)異構(gòu)，是指網(wǎng)絡空間中特定場域的組成狀態(tài)及結(jié)構(gòu)的異質(zhì)化程度。組態(tài)異構(gòu)體現(xiàn)了網(wǎng)絡節(jié)點間的連接情況及分布的均勻程度，是對節(jié)點分布均勻程度的一種度量。組態(tài)異構(gòu)的差異，會對用戶在場域中的認知與行為產(chǎn)生影響，高異構(gòu)易于導致信息行為的離散，低異構(gòu)則易于導致信息行為的集中，并導致信息形成圈層擴散。同時，邊度耦合是指系統(tǒng)中各節(jié)點出度或入度的邊之間相互依存、相互作用、相互影響的程度，是兩個構(gòu)件相互依賴于對方程度的一個量度。在網(wǎng)絡空間中，兩個或多個節(jié)點的構(gòu)成，當節(jié)點間存在邊度耦合時，某個節(jié)點的用戶或信息發(fā)生變化，則能通過其中的邊度關(guān)系影響到其它節(jié)點，從而可將特定節(jié)點的信息變化傳導至另一節(jié)點，并出現(xiàn)相似的變化，該過程則為信息圈層擴散的過程。由此可見，網(wǎng)絡空間呈現(xiàn)的組態(tài)異構(gòu)與邊度耦合性可對信息的圈層擴散具有重要影響。組態(tài)異構(gòu)與邊度耦合兩個變量均是根據(jù)復雜網(wǎng)絡理論及物理學概念進行創(chuàng)新性地合成和提出，而在過去研究中均未有涉及這兩個變量的研究文獻，也未有關(guān)于組態(tài)異構(gòu)、邊度耦合與圈層擴散三個變量之間關(guān)系的研究。因此，過去尚未涉及組態(tài)異構(gòu)、邊度耦合與圈層擴散之間關(guān)系的研究，這給本研究在組態(tài)異構(gòu)、邊度耦合與圈層擴散之間影響效應的探索留下了空間。

而變量間的內(nèi)生影響，是指模型體系中的變量存在某種內(nèi)部關(guān)聯(lián)和作用，且這些變量的變化是由模型體系中的內(nèi)部參數(shù)得以說明，而并非受到模型體系外的因素決定。在一個模型系統(tǒng)中的自變量、因變量均為內(nèi)生變量，它們之間的內(nèi)生影響則是由所建構(gòu)理論模型中的各內(nèi)生變量間的關(guān)系所闡釋和說明。同時，過去研究也尚未存在對變量間的脈沖擾動、邊際影響及貢獻率動態(tài)波動等更細致層面的內(nèi)生影響研究。基于此，本文將組態(tài)異構(gòu)、邊度耦合與圈層擴散置于同一理論框架下作為系統(tǒng)結(jié)構(gòu)進行模型建構(gòu)，采用向量自回歸及狀態(tài)空間模型，分析內(nèi)生變量間的脈沖響應及邊際影響力，并借助面板數(shù)據(jù)方法分析各變量間影響效應在不同人口統(tǒng)計學群體間的差異性。

2 變量說明與數(shù)據(jù)收集

2.2數(shù)據(jù)收集根據(jù)“人民網(wǎng)輿情數(shù)據(jù)中心”每年度發(fā)布的《輿情報告》排行榜單，以其中報告的每年度輿情事件為抽樣框，根據(jù)《輿情報告》中對事件影響力指數(shù)的排名，并同時結(jié)合事件知名度、媒體報道程度、危機關(guān)注度、危機持續(xù)性、危機影響力及危機破壞力等六個維度作為參考標準，梳理和分析我國于2015-2020年所發(fā)生的突發(fā)事件，最終確定選擇11個具有代表性的突發(fā)事件作為本研究樣本，樣本涵蓋了衛(wèi)生、檢法、汽車、交通、藥品、幼兒、餐飲、醫(yī)療、酒店、教育等大多數(shù)領域。由于所選突發(fā)事件的綜合影響力較大，且均為人們?nèi)粘Ｉ钏佑|，所涉及的領域均為公眾所熟悉并與公眾具有較高關(guān)聯(lián)性，公眾在事件輿論上的參與程度整體上相對較高，從而可提高數(shù)據(jù)獲取的效率及數(shù)據(jù)的有效性。其樣本分布特征如表1所示。

表1 突發(fā)事件樣本分布特征

本研究使用網(wǎng)絡爬蟲技術(shù)對樣本數(shù)據(jù)進行采集，采用廣度優(yōu)先爬行策略對每個URL指向的頁面信息進行抓取，依次反復爬行，直至程序運行結(jié)束，以此對網(wǎng)絡平臺的相關(guān)頁面信息進行抓取。其數(shù)據(jù)資料獲取主要來源于新浪微博、網(wǎng)易微博、百度貼吧、新浪論壇、搜狐社區(qū)、天涯社區(qū)、騰訊QQ論壇、貓撲社區(qū)等具有較大用戶量及活躍度的大型網(wǎng)站、論壇及貼吧。

本研究綜合考慮各突發(fā)事件樣本信息傳播過程的有效時長，確定對各樣本事件輿情的跟蹤時間為21天。經(jīng)過數(shù)據(jù)清洗后，整理形成兩個數(shù)據(jù)集，即數(shù)據(jù)集1和數(shù)據(jù)集2。數(shù)據(jù)集1為所采集用戶的具體資料信息，主要包含如下變量：用戶編號、昵稱、所在地、職業(yè)、收入、性別、創(chuàng)建時間、認證狀態(tài)。數(shù)據(jù)集2為所采集用戶的轉(zhuǎn)發(fā)及內(nèi)容、評論及內(nèi)容、信息時間距離等數(shù)據(jù)資料，主要包含如下變量：用戶編號、是否轉(zhuǎn)發(fā)、是否評論、評論內(nèi)容、總度數(shù)、出度數(shù)、入度數(shù)、中心度、初始語義值、滯后語義值、集聚系數(shù)、情感系數(shù)、耦合度、邊度相關(guān)系數(shù)等。由于圈層擴散受到傳播主體或受體在地域、職業(yè)、性別等維度相似性或相關(guān)性的影響，因而在數(shù)據(jù)集1中選取了包含用戶所在地、職業(yè)、性別等變量，其目的是通過用戶所在地、職業(yè)、性別等變量對數(shù)據(jù)集2中的相關(guān)變量進行聚類、篩選和整合，以反映本研究中關(guān)于“圈層”概念所涉及的地域、職業(yè)、性別等多要素特征。在數(shù)據(jù)集2中，其中用戶編號、是否轉(zhuǎn)發(fā)、是否評論、評論內(nèi)容等變量主要采用廣度優(yōu)先爬行方法直接獲取，而總度數(shù)、出度數(shù)、入度數(shù)、中心度、初始語義值、滯后語義值、集聚系數(shù)、情感系數(shù)、耦合度、邊度相關(guān)系數(shù)等變量主要采用復雜網(wǎng)絡分析方法直接獲取。最后，使用數(shù)據(jù)集2中的各相關(guān)變量的數(shù)值，通過“3.1變量說明”中關(guān)于圈層擴散、邊度耦合及組態(tài)異構(gòu)各變量測量對應的算式計算形成各樣本事件的圈層擴散系數(shù)(circle)、邊度耦合系數(shù)(couple)與組態(tài)異構(gòu)系數(shù)(hetero)三個變量對應的時間序列，以及包含各截面樣本的面板大數(shù)據(jù)。

3 模型構(gòu)建

向量自回歸模型(VAR)是用以對多維時間序列中的一變量對另一變量動態(tài)影響分析的一種時滯性方法，是以每個變量的滯后項作為其他變量函數(shù)的自變量來建立模型，從而實現(xiàn)對變量間的相互擾動分析。VAR通常將所有變量視為先驗內(nèi)生變量，它彌補了聯(lián)立方程模型存在的缺陷，即聯(lián)立方程模型中某些變量的外生性假設具有臨時性，通常沒有得到較為成熟理論的支持。而VAR中一組變量的當前值由所涉及變量的過去值來解釋，它描述了所涉及變量的內(nèi)生聯(lián)合機制。因此，由于本文研究的內(nèi)容為突發(fā)事件中場域組態(tài)異構(gòu)、邊度耦合與輿論圈層擴散的內(nèi)生影響，且變量間的影響存在時滯性，即一組變量的當前值需由所涉及變量的過去值加以解釋，故適合選擇VAR模型對各內(nèi)生變量關(guān)系進行分析，同時也可避免采用聯(lián)立方程模型存在的不足。

對VAR模型進行統(tǒng)計分析和時滯長度判斷，根據(jù)LR檢驗，以及FPE、AIC、SC、HQ信息準則最小化的標準，對應的統(tǒng)計結(jié)果顯示，VAR模型的最佳時間滯后長度為2期。在此基礎上，對VAR模型進行設定和估計。其對應的模型形式如下：

其中，circle為圈層擴散，couple為邊度耦合，hetero為組態(tài)異構(gòu)，t為時間節(jié)點，εi為隨機誤差項。

以內(nèi)生變量滯后2階建構(gòu)VAR模型，并對其進行模型估計，其結(jié)果顯示，VAR模型的三個方程中各項系數(shù)顯著性檢驗的|t|值均大于0.05顯著水平對應的臨界值1.96。同時，可決系數(shù)R-squared值均較大，表明所構(gòu)建的VAR模型與樣本數(shù)據(jù)擬合度良好，該估計結(jié)果可用于組態(tài)異構(gòu)、邊度耦合及圈層擴散之間動態(tài)影響的相關(guān)分析。

4 脈沖響應及波動分解

4.1脈沖響應分析脈沖響應函數(shù)(IRF)是用于解開VAR模型中變量之間關(guān)系的工具，它是一個變量在受到其它內(nèi)生變量短暫沖擊影響時而出現(xiàn)的結(jié)果。IRF可用以分析VAR模型中各變量間受到外界沖擊時，其它內(nèi)生變量對該沖擊所作出的響應情況，包括響應的大小、響應滯后長度、響應的動態(tài)過程等內(nèi)容。

為了揭示組態(tài)異構(gòu)、邊度耦合及圈層擴散之間的動態(tài)擾動特征，在VAR模型估計基礎上分別對組態(tài)異構(gòu)、邊度耦合及圈層擴散進行脈沖響應分析。此處采用因子的逆來正交化進行估計，對應分析結(jié)果如圖1所示。

在圖1中，在第一行脈沖圖中，突發(fā)事件輿論場域組態(tài)異構(gòu)自相關(guān)效應的沖擊迅速傳導至組態(tài)異構(gòu)自身，輿論場域邊度耦合及圈層擴散的沖擊于滯后一期開始產(chǎn)生影響。其中，輿論場域組態(tài)異構(gòu)的自相關(guān)滯后影響效應較大，邊度耦合沖擊及圈層擴散的沖擊效應較小。在第二行脈沖圖中，突發(fā)事件輿論場域邊度耦合的自相關(guān)滯后效應及組態(tài)異構(gòu)的沖擊對邊度耦合迅速產(chǎn)生影響。其中，組態(tài)異構(gòu)沖擊的影響較大、時間較長，邊度耦合自相關(guān)效應的影響較大、時間較短。在第三行脈沖圖中，突發(fā)事件輿論場域邊度耦合沖擊及圈層擴散自相關(guān)效應均迅速對圈層擴散產(chǎn)生影響。其中，輿論場域圈層擴散自相關(guān)效應、邊度耦合及組態(tài)異質(zhì)的沖擊影響均較大，輿論場域圈層擴散自相關(guān)效應與邊度耦合具有斷尾效應，組態(tài)異構(gòu)具有長尾效應。

圖1 脈沖響應分析

針對其中斷尾效應與長尾效應，出現(xiàn)該結(jié)果可能的原因在于：一方面，在突發(fā)事件網(wǎng)絡中，由輿論場域的圈層擴散和網(wǎng)絡邊度耦合兩因素引起的滯后相關(guān)強度較弱，且持續(xù)時間較短。同時，由于人們在突發(fā)事件中，由圈層擴散自相關(guān)效應與邊度耦合形成的群體性信息分享及通過鄰近用戶節(jié)點進行信息分享的意愿也較弱。而由輿論場域中組態(tài)異構(gòu)引起的用戶特征及認知的差異則導致了分散性觀點，從而成為人們對突發(fā)事件持續(xù)關(guān)注和擴散的關(guān)鍵動力因素。另一方面，該斷尾效應與長尾效應的產(chǎn)生，是由于突發(fā)事件輿論場域中信息圈層擴散在網(wǎng)絡傳播中存在“沉默螺旋”現(xiàn)象，通過場域組態(tài)異構(gòu)性維度在用戶同質(zhì)化和異質(zhì)化兩頭差異性分布，使得突發(fā)事件輿論中的優(yōu)勢群體在觀點表達時呈現(xiàn)不斷增強趨勢，而事件輿論中的弱勢群體在觀點表達時則不斷減弱，從而導致突發(fā)事件輿論場域信息圈層擴散自相關(guān)效應與邊度耦合存在斷尾，組態(tài)異構(gòu)存在長尾。

關(guān)于突發(fā)事件輿論場域中組態(tài)異構(gòu)與邊度耦合對信息圈層擴散存在顯著脈沖滯后影響，產(chǎn)生該結(jié)果可能的原因在于：級聯(lián)理論指出，信息級聯(lián)發(fā)生于個體觀察到他人的行為，而忽視自身所獲得的信息而就選擇跟隨他人的行為，它可解釋行為的局部一致性和群體性行為。針對突發(fā)事件輿論，場域中組態(tài)異構(gòu)性與邊度耦合性可引起輿論場域出現(xiàn)差異化的用戶相似度。然而，當所參照的群體與用戶自身在某些維度上存在相似或趨同時，該群體的信息行為便可引起個體的級聯(lián)和跟從。同時，社會學理論指出，差序格局作為社會關(guān)系結(jié)構(gòu)現(xiàn)象，常發(fā)生于熟人關(guān)系、地緣關(guān)系中，其中信息的傳播以個體為中心，像水波紋一樣推及開去。在該差序格局中，每個人均以自我為中心結(jié)成網(wǎng)絡，就像將一塊石頭扔至湖中，以這塊“石頭”(即個人)為中心點，在四周形成一圈圈波紋，波紋的遠近可以標示社會關(guān)系的親疏，并隨自身所處時空的變化而產(chǎn)生不同的圈子。因此，針對突發(fā)事件，不同的場域組態(tài)異構(gòu)與邊度耦合形成了不同程度的用戶相似性，從而產(chǎn)生差異性信息級聯(lián)行為，加之受到用戶相似性所引起的差序格局的影響，進而形成了差異性的信息圈層擴散效應。

4.2波動貢獻率分解方差分解作為VAR模型中的重要組成部分，是用于分析VAR模型中相關(guān)內(nèi)生變量的沖擊對特定內(nèi)生變量變化貢獻率的一種方法。一旦擬合了VAR模型，則需使用方差分解來幫助解釋。 分解的方差則是每個變量貢獻給其它變量的信息量，它估計了每個變量的誤差方差有多少可以由其它變量的外來沖擊所解釋。

為了比較組態(tài)異構(gòu)、邊度耦合及圈層擴散相互擾動效應的大小，從而識別出不同影響因素對組態(tài)異構(gòu)、邊度耦合及圈層擴散影響的重要程度，需在上述各影響因素動態(tài)擾動特征分析的基礎上，分別對各因素的波動貢獻率進行方差分解。其方差分解結(jié)果如圖2所示。

圖2 方差分解分析

由圖2可見，在突發(fā)事件輿論場域圈層擴散方差分解中，對于突發(fā)事件整個輿論演化過程，邊度耦合對圈層擴散波動的貢獻率最小，約為18%；圈層擴散自相關(guān)貢獻率較大，約為22%；而組態(tài)異構(gòu)最大，約為60%。突發(fā)事件中，輿論場域組態(tài)異構(gòu)對邊度耦合波動的貢獻率最大，占比約為78%；邊度耦合自相關(guān)效應較大，約為20%；圈層擴散最小，約為2%。突發(fā)事件中，輿論場域組態(tài)異構(gòu)自相關(guān)效應對組態(tài)異構(gòu)波動的貢獻率最大，占比約為90%；邊度耦合最小，約為3%；圈層擴散影響效應較大，約為7%。

針對上述方差貢獻率差異，表明突發(fā)事件輿論場域中的圈層擴散自相關(guān)效應與邊度耦合對突發(fā)事件場域信息圈層擴散影響的滯后性較弱，組態(tài)異構(gòu)對突發(fā)事件輿論場域信息圈層擴散影響的滯后性較強。產(chǎn)生該結(jié)果可能的原因在于：突發(fā)事件中，輿論場域的圈層擴散和網(wǎng)絡邊度耦合所具有的自相關(guān)性較弱，且持續(xù)時間較短，從而人們在突發(fā)事件中由圈層擴散自相關(guān)效應與邊度耦合形成的群體性信息分享及通過鄰近用戶節(jié)點進行信息分享的意愿也較弱。突發(fā)事件中，由輿論場域組態(tài)異構(gòu)引起的用戶特征及認知差異，導致了分散性觀點，則成為了人們對突發(fā)事件持續(xù)關(guān)注和擴散的關(guān)鍵動力因素?；谏鲜鲈?，從而出現(xiàn)了突發(fā)事件輿論場域組態(tài)異構(gòu)與邊度耦合對輿論場域信息圈層擴散的波動貢獻率存在差異。

5 影響力及群組分析

狀態(tài)空間模型(SSM)是一類動態(tài)時域模型，是用以分析系統(tǒng)中各自變量每一單位數(shù)值對因變量的影響效應大小，即在某一時間內(nèi)自變量對因變量產(chǎn)生的邊際影響力的動態(tài)變化過程。SSM相對于其他邊際影響分析方法具有較大優(yōu)勢，即SSM運算方法的核心是Kalman濾波，Kalman濾波針對時間節(jié)點t可基于所有可獲取的信息實現(xiàn)對擬合狀態(tài)向量進行最理想迭代。此外，Kalman濾波還可借助預測誤差分解擬合似然函數(shù)，以此實現(xiàn)對模型的全部未知變量進行運算，且一旦獲得新的觀察數(shù)值，還可借助Kalman濾波持續(xù)對狀態(tài)向量進行擬合和修正。由于本研究對邊際影響力的分析需針對時間節(jié)點t對狀態(tài)向量進行擬合迭代，且模型中具有未知變量。因此，本研究適合選用SSM對本研究變量間邊際影響力進行分析，可基于所有可獲取的信息實現(xiàn)對狀態(tài)向量的最理想迭代過程，且可借助Kalman濾波持續(xù)對狀態(tài)向量進行擬合和修正。

5.1邊際影響力為了進一步了解組態(tài)異構(gòu)、邊度耦合及圈層擴散之間的邊際影響力，在此使用狀態(tài)空間模型對各變量之間邊際影響力的變化過程進行分析，從而揭示組態(tài)異構(gòu)、邊度耦合及圈層擴散之間影響效應的波動過程特征。其對應的模型形式如下：

測量方程：

狀態(tài)方程：

其分析結(jié)果如圖3～5所示。

圖3結(jié)果顯示，突發(fā)事件輿論場域組態(tài)異構(gòu)對圈層擴散的邊際影響力變化均呈倒U型特征，且在第六期至第十四期影響較大。突發(fā)事件輿論場域邊度耦合對圈層擴散的邊際影響力較平穩(wěn)，呈水平直線特征，且數(shù)值較大。

圖3 圈層擴散邊際影響分析

圖4結(jié)果顯示，突發(fā)事件輿論場域組態(tài)異構(gòu)對邊度耦合的邊際影響力變化均呈倒U型特征，且在第六期至第十五期影響較大。突發(fā)事件輿論場域圈層擴散對邊度耦合的邊際影響力較平穩(wěn)，呈水平直線特征，且數(shù)值較大。

圖4 邊度耦合邊際影響分析

圖5結(jié)果顯示，突發(fā)事件輿論場域邊度耦合對組態(tài)異構(gòu)的邊際影響力變化均呈階梯型下降特征，且在第二期至第十二期影響較大。突發(fā)事件輿論場域圈層擴散對組態(tài)異構(gòu)的邊際影響力較平穩(wěn)，呈水平直線特征，且數(shù)值較大。

圖5 組態(tài)異構(gòu)邊際影響分析

關(guān)于突發(fā)事件輿論場域組態(tài)異構(gòu)與邊度耦合對場域信息圈層擴散間的邊際影響力呈現(xiàn)倒U形拋物線特征，即突發(fā)事件輿論場域中，當對應的邊際影響力達到一定數(shù)值后則呈遞減特征。出現(xiàn)該結(jié)果可能的原因在于：經(jīng)濟學效用理論指出，效用是指人們從消費某種商品或服務中獲得的滿意度或滿足感，邊際效用則是人們對該商品或服務每增加一單位消費所帶來的效用變化，即因消耗一個額外單位商品或服務的行為而帶來的效用增量。邊際效用遞減規(guī)律強調(diào)，當人們對商品或服務的消費達到某一數(shù)值時，商品或服務的邊際效用隨所消費的商品或服務的增加而減少。針對突發(fā)事件，公眾在輿論場域中的信息圈層擴散行為，可視為經(jīng)濟行為學中人們對突發(fā)事件信息這類特殊商品或服務的消費過程(即信息獲取、認知及分享等)。在該信息消費過程中，人們通過突發(fā)事件輿論場域組態(tài)異構(gòu)與邊度耦合方式對信息進行圈層擴散的行為則滿足邊際效用遞減規(guī)律。因此，在突發(fā)事件中，人們通過輿論場域組態(tài)異構(gòu)與邊度耦合方式對信息圈層擴散的邊際影響力，隨著時間的推移，當該信息消費行為增長到某臨界點時，其邊際影響力則達到最大值，其后隨著對信息消費的持續(xù)增加，其邊際影響力則會逐漸減小，即呈現(xiàn)倒U形拋物線特征。

5.2群組分析由于各類用戶群體在社會角色及認知心理上的差異，從而導致不同性別、年齡及學歷的群體在組態(tài)異構(gòu)、邊度耦合及圈層擴散之間的影響效應上存在差異。因此，為了探索不同用戶群體間的差異性，采用面板數(shù)據(jù)模型對數(shù)據(jù)進行擬合和分析，對應模型為：

其擬合結(jié)果顯示，對于突發(fā)事件輿論場域圈層擴散方程，根據(jù)各變量系數(shù)大小，通過比較突發(fā)事件輿論場域邊度耦合變量的系數(shù)β1值及組態(tài)異構(gòu)變量系數(shù)γ1值，結(jié)果顯示：突發(fā)事件輿論場域中，在性別群組上，女性大于男性；在年齡群組上，29歲及以下群組最大，30～49歲群組較大，50歲及以上群組最小；在學歷群組上，小學及以下群組最大，中學群組較大，大學及以上群組最小。

在突發(fā)事件輿論場域邊度耦合方程中，對于輿論場域組態(tài)異構(gòu)變量系數(shù)β3值，結(jié)果顯示：突出事件輿論場域中，在性別群組上，女性大于男性；在年齡群組上，29歲及以下群組最大，30～49歲群組較大，50歲及以上群組最??；在學歷群組上，小學及以下群組最大，中學群組較大，大學及以上群組最小。對于突發(fā)事件輿論場域圈層擴散變量系數(shù)γ3值，在性別群組上，男性大于女性；在年齡群組上，50歲及以上群組最大，30～49歲群組較大，29歲及以下群組最小；在學歷群組上，大學及以上群組最大，中學群組較大，小學及以下群組最大。

6 穩(wěn)健性分析

本文從替換估計方法方面考慮模型估計結(jié)果的穩(wěn)健性，在VAR模型脈沖響應分析時，之前采用了殘差協(xié)方差矩陣的Cholesky因子的逆來正交化脈沖，現(xiàn)采用廣義脈沖方法替代，即構(gòu)建一個不依賴于VAR模型中變量次序的正交化的殘差矩陣。

在狀態(tài)空間模型中，之前采用Marquardt進行估計，現(xiàn)采用BHHH算法替代，使用從上次迭代獲得的參數(shù)擬合值來運算多元變量模型的殘差項BHHH的方差與協(xié)方差矩陣。

根據(jù)穩(wěn)健性分析結(jié)果，采用上述替代方法進行模型擬合，不同方法模型擬合的各路徑系數(shù)p值均小于0.05的顯著水平，以及系數(shù)差異性p值均大于0.05的顯著水平，檢驗結(jié)果顯示采用替代方法估計后的各模型參數(shù)值在邏輯關(guān)系和邏輯結(jié)構(gòu)上與初始所采用的指標建構(gòu)的模型分析結(jié)果一致，表明上述建構(gòu)的理論模型及分析結(jié)果具有良好的穩(wěn)健性。

7 結(jié)論與啟示

通過2015-2020年發(fā)生的具有代表性的11個突發(fā)事件面板大數(shù)據(jù)，探索了組態(tài)異構(gòu)、邊度耦合及圈層擴散之間動態(tài)影響，得出如下研究結(jié)論：

a.突發(fā)事件輿論場域中，當輿論場域組態(tài)異構(gòu)、邊度耦合及圈層擴散受到一個正向沖擊時，圈層擴散自相關(guān)效應、邊度耦合及組態(tài)異構(gòu)的沖擊對圈層擴散的影響均較大，圈層擴散自相關(guān)效應與邊度耦合沖擊效應均具有斷尾效應，組態(tài)異構(gòu)具有長尾效應。突發(fā)事件中，輿論場域組態(tài)異構(gòu)自相關(guān)效應的沖擊迅速傳導至組態(tài)異構(gòu)自身，且影響效應較大，邊度耦合沖擊及圈層擴散的沖擊效應較小。輿論場域組態(tài)異構(gòu)沖擊對邊度耦合的影響較大、時間較長，邊度耦合自相關(guān)效應的影響較大、時間較短。

b.突發(fā)事件輿論場域中，對于整個輿論演化過程，輿論場域組態(tài)異構(gòu)對圈層擴散波動的貢獻率最大，圈層擴散自相關(guān)及邊度耦合的貢獻率較大。突發(fā)事件中，輿論場域組態(tài)異構(gòu)對邊度耦合波動的貢獻率最大，邊度耦合自相關(guān)效應較大，圈層擴散較小。突發(fā)事件中，輿論場域組態(tài)異構(gòu)自相關(guān)效應對組態(tài)異構(gòu)波動的貢獻率最大，邊度耦合及圈層擴散影響效應較小。

c.突發(fā)事件中，輿論場域組態(tài)異構(gòu)對圈層擴散的邊際影響力變化呈倒U型特征，邊度耦合對圈層擴散的邊際影響力較平穩(wěn)，且數(shù)值均較大。突發(fā)事件中，輿論場域組態(tài)異構(gòu)對邊度耦合的邊際影響力變化呈倒U型特征，圈層擴散對邊度耦合的邊際影響力較平穩(wěn)，且數(shù)值均較大。突發(fā)事件中，輿論場域邊度耦合對組態(tài)異構(gòu)的邊際影響力變化呈階梯型下降特征，圈層擴散對組態(tài)異構(gòu)的邊際影響力較平穩(wěn)，且數(shù)值均較大。

d.突發(fā)事件輿論場域邊度耦合對圈層擴散的影響效應大于組態(tài)異構(gòu)的影響效應，邊度耦合對組態(tài)異構(gòu)的影響效應大于圈層擴散的影響效應，組態(tài)異構(gòu)對邊度耦合的影響效應大于圈層擴散的影響效應。突發(fā)事件中，輿論場域邊度耦合及組態(tài)異構(gòu)對圈層擴散的影響效應存在顯著差異，在性別群組上，女性大于男性；在年齡群組上，29歲及以下群組最大，30～49歲群組較大，50歲及以上群組最??；在學歷群組上，小學及以下群組最大，中學群組較大，大學及以上群組最小。

該研究結(jié)論對突發(fā)事件網(wǎng)絡輿情治理具有啟示意義。首先，由于較小的組態(tài)異構(gòu)易于形成群體成員的從眾效應，進而產(chǎn)生圈層擴散。同時，當用戶具有從眾心理時，該群體中的信息集中度則越大、離散程度則越低，則更易于出現(xiàn)邊度耦合現(xiàn)象。而邊度耦合體現(xiàn)了網(wǎng)絡空間中的信息有序性較高、混亂性較低，從而用戶在對突發(fā)事件信息認知過程中易于產(chǎn)生信息圈層擴散特征。因此，在輿情治理及輿論偏差糾正過程中，應加強對網(wǎng)絡場域組態(tài)異構(gòu)及邊度耦合指標的監(jiān)控，通過增加網(wǎng)絡信息場域的組態(tài)異構(gòu)以降低用戶對突發(fā)事件信息圈層擴散效應的產(chǎn)生，以及通過降低網(wǎng)絡空間的邊度耦合以降低信息圈層擴散效應的產(chǎn)生，從而減小因圈層效應而引起輿論偏差的產(chǎn)生和擴散。其次，由于組態(tài)異構(gòu)、邊度耦合及圈層擴散間的影響效應在不同人口統(tǒng)計學群體中存在差異。因此，在突發(fā)事件中，對網(wǎng)絡輿情治理可采取受眾細分策略，根據(jù)不同用戶群體有針對性地采用不同的監(jiān)控和管理策略，以提高輿情治理的效果和效率。