劉 煥

(西安交通大學(xué)新聞與新媒體學(xué)院 西安 710049)

0 引 言

新冠肺炎疫情期間，不同信息源發(fā)布的疫情相關(guān)信息及疫情謠言信息等，給整個社會帶來巨大的輿論壓力，疫情的網(wǎng)絡(luò)輿論呈現(xiàn)跌宕起伏的狀態(tài)。國家衛(wèi)健委、權(quán)威醫(yī)療專家等官方信源在其疫情防控全過程中發(fā)揮了重要的輿論引導(dǎo)作用。

在突發(fā)公共衛(wèi)生事件發(fā)展初期，政府及時進(jìn)行信息公開是穩(wěn)定網(wǎng)絡(luò)輿論的最重要途徑，但各地區(qū)政府?dāng)?shù)據(jù)開放工作仍存較大差異，極大影響了疫情權(quán)威信息快速抵達(dá)受眾的效率[1]?！翱v向”官方權(quán)威信息來源和正式的信息互動影響著公眾的風(fēng)險感知程度[2]。網(wǎng)絡(luò)空間的信息量巨大，其真?zhèn)味炔煌斐傻妮浾搲毫κ沟猛话l(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿情較為復(fù)雜[3]。突發(fā)公共衛(wèi)生事件存在“不確定性”，官方信源和專家信源處于信源主導(dǎo)地位，如果忽視公眾的風(fēng)險認(rèn)知和情緒演化，會引發(fā)公眾情緒化、抗?fàn)幮栽捳Z等網(wǎng)絡(luò)輿情偏差現(xiàn)象[4]。如果媒體在矛盾和不一致的事件信息情況下進(jìn)行報道，可能會增加官方?jīng)Q策者、公眾等的不確定性經(jīng)驗[5]。突發(fā)事件中網(wǎng)絡(luò)輿情結(jié)構(gòu)逆轉(zhuǎn)的現(xiàn)象頻繁發(fā)生，嚴(yán)重威脅到社會公共安全[6]。突發(fā)公共衛(wèi)生危機中，中央和地方政府作為信息發(fā)布者需做好縱向和橫向上的信息共享和統(tǒng)籌協(xié)調(diào)工作[7]。信息發(fā)布和信息共享的過程中會伴隨著“信息流行病”的發(fā)生[8]，最終會造成巨大的網(wǎng)絡(luò)輿論壓力。在新冠疫情期間，政府能夠有效回應(yīng)網(wǎng)絡(luò)公共輿論議題框架中的主要議題，可在一定程度上緩解網(wǎng)絡(luò)輿論壓力[9]。由此可見，地方政府和公共衛(wèi)生等相關(guān)部門通過官方信源發(fā)布權(quán)威信息、回應(yīng)公眾關(guān)切等，可及時澄清謠言和有利于社會穩(wěn)定。

但在實踐中，官方信源、公眾參與和網(wǎng)絡(luò)輿論壓力是一個動態(tài)變化的過程，影響關(guān)系亦較為復(fù)雜?！靶鹿凇币咔榈韧话l(fā)公共衛(wèi)生事件的沖擊，會導(dǎo)致我國股市不同行業(yè)間存在金融風(fēng)險傳導(dǎo)和風(fēng)險溢出效應(yīng)，但該效應(yīng)持續(xù)時間較短[10]。據(jù)此推斷，突發(fā)公共衛(wèi)生事件間存在網(wǎng)絡(luò)輿論壓力風(fēng)險的傳導(dǎo)現(xiàn)象。在此背景下，本文關(guān)注突發(fā)公共衛(wèi)生事件中官方信源參與、信息交互度與網(wǎng)絡(luò)輿論壓力之間的內(nèi)生影響，并探討官方信源參與、信息交互度與網(wǎng)絡(luò)輿論壓力之間的脈沖響應(yīng)效應(yīng)如何？以為地方政府有效緩解突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論壓力、提升官方信源參與度、合理引導(dǎo)用戶信息交互行為提供經(jīng)驗證據(jù)，進(jìn)而提高突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論的治理效果。

1 文獻(xiàn)綜述

1.1 官方信源與網(wǎng)絡(luò)輿論

突發(fā)公共衛(wèi)生事件中，官方微博和官方媒體微信公眾號是重要的事件信息源，政府在疫情信息傳播網(wǎng)絡(luò)中占據(jù)主導(dǎo)地位，公眾是信息擴(kuò)散和轉(zhuǎn)發(fā)的重要主體[11-12]。公共衛(wèi)生事件網(wǎng)絡(luò)輿論風(fēng)險的影響因素有事件屬性、網(wǎng)絡(luò)媒體特征、網(wǎng)民情緒、政府管理水平等，各因素對網(wǎng)絡(luò)輿論風(fēng)險的作用機理有所差異[13]。官方微信公眾號對突發(fā)公共衛(wèi)生事件主題的發(fā)布強度會顯著公眾認(rèn)知的差異[14]。雖然疫情證據(jù)在以微博、微信等自媒體為代表的非正規(guī)途徑中的傳播比官方媒體要及時和豐富，但因自媒體渠道的非正規(guī)性、疫情證據(jù)缺乏權(quán)威性，存在大量的歪曲、虛假和錯誤等問題，給政府部門的循證治理和決策帶來巨大負(fù)面壓力[15]。碎片化的媒體信息、淡化疫情風(fēng)險的信息傳播會導(dǎo)致健康信息的不平等溝通和區(qū)域差異，會引發(fā)健康傳播危機[16]。協(xié)同治理時代，媒體以實際行動參與了突發(fā)公共衛(wèi)生事件的信息傳遞與輿論動員[17]。

政府與公眾之間的認(rèn)知差異造成突發(fā)公共衛(wèi)生事件中存在政策供需張力[14]，決定了公眾對突發(fā)公共衛(wèi)生事件防治和心理援助等政策信息需求的滿足狀況[18]。突發(fā)公共衛(wèi)生事件風(fēng)險信息的獲取、感知與異常識別是提升風(fēng)險防控能力的關(guān)鍵，官方媒體對權(quán)威風(fēng)險信息的傳播影響網(wǎng)絡(luò)輿論演化趨勢[19]。政府加強與公眾之間的風(fēng)險溝通，是有效控制公共衛(wèi)生事件網(wǎng)絡(luò)輿情風(fēng)險的關(guān)鍵[20]。融合用戶注意力機制的情感分析模型可幫助地方政府有效引導(dǎo)輿情走向和避免輿情危機的產(chǎn)生[21]。政府對輿論的控制在公共事件發(fā)生的初期最有效，如果網(wǎng)民信任政府和媒體，媒體通過與政府合作，可有效促進(jìn)應(yīng)急管理和改善網(wǎng)絡(luò)輿情管理[22]。在新冠疫情期間，政府部門重視網(wǎng)絡(luò)輿論引導(dǎo)，及時回應(yīng)公眾關(guān)切，不斷加強與公眾的風(fēng)險溝通交流[23]。由此可見，官方信源是引導(dǎo)突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論的重要渠道，在一定程度上代表了政府聲音。

1.2 信息交互度與網(wǎng)絡(luò)輿論場

網(wǎng)民對網(wǎng)絡(luò)輿論生態(tài)系統(tǒng)具有反向建構(gòu)功能，在被互聯(lián)網(wǎng)、新媒體賦權(quán)的過程中，不同網(wǎng)民群體之間以及與媒介之間發(fā)生交互關(guān)系，不斷增強其自身主體性力量，網(wǎng)民用戶對網(wǎng)絡(luò)輿論場的反向影響正在加速凸顯[24]。突發(fā)公共衛(wèi)生事件的信息在用戶的接收和再傳播(轉(zhuǎn)發(fā)、點贊、評論、發(fā)布等)行為中，官方信源較之個人社交媒體其權(quán)威性較高，公眾更傾向信任官方媒體發(fā)布的事件信息，促進(jìn)官方信息源與用戶之間信息交互行為的產(chǎn)生，此時事件信息具備了以用戶情感為載體的附加價值[25]，影響著突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論的產(chǎn)生。算法型內(nèi)容推送并未導(dǎo)致用戶的信息接收渠道窄化和“信息繭房”，反而提升了用戶對傳統(tǒng)媒體等非算法信源的信任程度，并在主流價值觀的引導(dǎo)上發(fā)揮了積極作用，且為用戶提供了更多元和理性的信息世界[26]，但存有部分個人社交媒體、熱衷蹭熱度的“營銷號”等非權(quán)威性的信息源，若它們與關(guān)注事件的用戶之間發(fā)生頻繁的信息交互行為，將會帶來巨大的輿論偏差。

基于信息行為理論的視角，公眾對官方信源發(fā)布的信息質(zhì)量感知會直接影響公眾風(fēng)險感知，進(jìn)而影響信息交互的意圖和行為[27-28]。網(wǎng)絡(luò)空間中的信息交流影響著公眾的風(fēng)險感知[29]，“片面、錯誤”信息的接收和互動會導(dǎo)致公眾對風(fēng)險控制的錯覺[30]，進(jìn)而影響事件網(wǎng)絡(luò)輿論的發(fā)展走向。多數(shù)公共事件發(fā)生的根源在于一直未解決的現(xiàn)實矛盾等社會因素[31]。突發(fā)公共事件之間存在的關(guān)聯(lián)或衍生關(guān)系，會對當(dāng)前突發(fā)事件的熱度和網(wǎng)絡(luò)輿論壓力產(chǎn)生影響[32]。如某類突發(fā)公共衛(wèi)生事件的輿情是處于暫時消弭和潛伏狀態(tài)的，一旦有類似公共衛(wèi)生事件發(fā)生而相關(guān)問題又未及時解決，就會再次引發(fā)新一輪更加強烈的網(wǎng)絡(luò)輿論壓力，即突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論會產(chǎn)生滯后效應(yīng)。因此，本文關(guān)注突發(fā)公共衛(wèi)生事件中官方信源、用戶的信息交互行為與網(wǎng)絡(luò)輿論壓力相互之間、自身的自相關(guān)滯后效應(yīng)之間的內(nèi)生影響關(guān)系，以及該影響效應(yīng)在不同時間點的動態(tài)變化特征，并分解出相互之間的貢獻(xiàn)度。

2 研究設(shè)計

2.1 數(shù)據(jù)收集和處理

根據(jù)“微熱點”網(wǎng)站中的熱點事件庫為抽樣框，將事件影響力、媒體參與、網(wǎng)絡(luò)輿論場、公眾參與等維度為選擇標(biāo)準(zhǔn)，同時結(jié)合《突發(fā)公共衛(wèi)生事件應(yīng)急條例》中對突發(fā)公共事件的界定，最終選擇2015—2020年間我國具有代表性的45起突發(fā)公共衛(wèi)生事件作為研究樣本。由于所選突發(fā)公共衛(wèi)生事件的影響力較大、與公眾健康密切相關(guān)，但媒體參與和公眾參與情況卻有差異，網(wǎng)絡(luò)輿論聚合和輿論空間占據(jù)亦有所不同，說明突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論的影響因素較為復(fù)雜，凸顯研究突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論內(nèi)生影響效應(yīng)的重要性。

本文數(shù)據(jù)收集方式以爬蟲技術(shù)為主、內(nèi)容分析法為輔，具體變量的測量和計算公式下見文變量說明部分?？紤]到突發(fā)公共衛(wèi)生事件信息傳播的渠道多元和時間跨度的問題，本文聚焦官方網(wǎng)絡(luò)媒體和官方新浪微博中關(guān)于突發(fā)公共衛(wèi)生事件的權(quán)威信息和公眾參與文本等信息。首先，基于“微熱點”和“知微”中45起突發(fā)公共衛(wèi)生事件的基礎(chǔ)信息，在百度搜索引擎中逐一人工確認(rèn)參與報道的官方媒體和非官方媒體的數(shù)量，并進(jìn)行編碼統(tǒng)計；其次，考慮到突發(fā)公共衛(wèi)生事件的高參與度及其網(wǎng)絡(luò)輿論形成的快速性，以及本文的案例事件相對較多，確定對案例事件網(wǎng)絡(luò)輿論的跟蹤時間為24小時；再次，為便于信息交互度的整理和計算，對每個官方網(wǎng)絡(luò)媒體和官方新浪微博中參與突發(fā)公共衛(wèi)生事件互動的用戶及其評論、點贊、轉(zhuǎn)發(fā)的數(shù)量和時間點進(jìn)行編碼，并將其發(fā)表評論數(shù)量最多的區(qū)間和用戶比例單獨進(jìn)行統(tǒng)計；最后，對收集到的數(shù)據(jù)信息進(jìn)行整理，對出現(xiàn)缺失值、錯誤信息等數(shù)據(jù)進(jìn)行人工核查和刪除，最終獲取本文所用的數(shù)據(jù)集合。

2.2 變量說明

2.2.1官方信源(Official)

信源可信性包括傳播者的信譽和專業(yè)權(quán)威性兩個要素，霍夫蘭實證研究結(jié)果顯示信源的可信度越高，其說服效果越大[33]。信源真實是事件真實的起點，用戶是根據(jù)信源的可信度來判斷信息價值的，所以信源的權(quán)威性對突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論發(fā)展有著重要影響?；诖?，本文將官方信源界定為產(chǎn)生各類信息的官方權(quán)威媒體，在突發(fā)公共衛(wèi)生事件情境中，指生產(chǎn)和傳播突發(fā)公共衛(wèi)生事件信息的權(quán)威媒體。根據(jù)數(shù)據(jù)可獲得性，本文中的官方信源通過中央級媒體參與度進(jìn)行測量，即用網(wǎng)絡(luò)媒體平臺參與某突發(fā)公共衛(wèi)生事件報道的媒體數(shù)量匹配新浪微博中參與報道的媒體數(shù)量，依據(jù)《互聯(lián)網(wǎng)新聞信息稿源單位名單》，人工將其參與報道的媒體分為官方媒體和非官方媒體。

具體計算公式如下：

(1)

其中，OfficialMediaeventi表示參與突發(fā)公共衛(wèi)生事件報道的中央級媒體的數(shù)量(包括官方網(wǎng)絡(luò)媒體和官方媒體的新浪微博賬號)，UnofficialMediaeventi表示參與突發(fā)公共衛(wèi)生事件報道的非官方媒體的數(shù)量(包括非官方的網(wǎng)絡(luò)媒體和非官方的新浪微博賬號)。同時，為控制其他類型信源對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的影響，本文將所有參與某突發(fā)公共衛(wèi)生事件信息生產(chǎn)的媒體總數(shù)量作為外生變量加入到VAR模型中。

2.2.2信息交互度(Interaction)

信息交互度，指社交網(wǎng)絡(luò)用戶在獲取突發(fā)公共衛(wèi)生事件信息使用價值的過程中，所形成的自身的信息行為變化，并以此來衡量突發(fā)公共衛(wèi)生事件被關(guān)注的程度[25]。疫情信息溝通及時透明，每日發(fā)布疫情及防控進(jìn)展、召開新聞發(fā)布會、客觀回應(yīng)疫情信息、開發(fā)數(shù)字化平臺等與信息交互密切相關(guān)的支持性活動是搭建重大突發(fā)公共衛(wèi)生事件治理體系的重要支撐[34]。據(jù)此可知，當(dāng)突發(fā)公共衛(wèi)生事件信息交互度越高時，該突發(fā)公共衛(wèi)生事件具備的信息量越大，被關(guān)注的程度越高，反之，被關(guān)注的程度越低。突發(fā)公共衛(wèi)生事件中，用戶通過與官方信源和其他用戶等的信息互動而建構(gòu)和發(fā)展相互關(guān)系，在網(wǎng)絡(luò)空間中外化為信息交互的動態(tài)行為變化。在突發(fā)公共衛(wèi)生事件發(fā)生后，官方信源要發(fā)出什么符號是不確定的，可根據(jù)其出現(xiàn)的概率來度量，所以本文要考慮該信源所有可能發(fā)生情況的平均不確定性。借鑒已有學(xué)者對信息價值的測量[25]，基于方差加權(quán)信息熵理論，構(gòu)建本文的信息交互度的測量模型。

信息熵的基本概念模型為：

(2)

其中，H表示信息熵；pi表示某一隨機事件的概率分布。

信息交互度的概念模型為：

(3)

(4)

(5)

(6)

2.2.3網(wǎng)絡(luò)輿論壓力(Opinion)

有學(xué)者用發(fā)帖數(shù)、閱讀關(guān)注數(shù)去定義和測量網(wǎng)絡(luò)輿論壓力[35]。輿論場，指包括若干相互刺激的因素，使許多人形成意見的時空環(huán)境[36]，是特定的輿論主客體相互作用而形成的具有一定強度和能量的時空范圍[37]。網(wǎng)絡(luò)輿論場，為網(wǎng)絡(luò)上許多人形成共同意見提供了環(huán)境，并非單一的時空結(jié)構(gòu)，糅合了行為環(huán)境、心理環(huán)境與社會環(huán)境[38]。基于已有研究，本文將網(wǎng)絡(luò)輿論壓力界定為，網(wǎng)民針對關(guān)系到自身利益或者關(guān)心的各種公共事件發(fā)表自己的意見和觀點，而在網(wǎng)絡(luò)輿論場中形成的輿論壓力[39]。借鑒上述研究，借助“知微事見”中的“網(wǎng)絡(luò)輿論場占比”來測量，具體指突發(fā)公共衛(wèi)生事件發(fā)生后最近一小時的熱度除以同一時段所有在更新事件的熱度計算得到。

3 模型構(gòu)建

本文選取的2015—2020年45起突發(fā)衛(wèi)生事件的官方信源參與度、信息交互度和網(wǎng)絡(luò)輿論壓力為時間序列，即同一變量按時間順序排列的變量，這類變量具有時間趨勢。如果采用最小二乘法(OLS)回歸，會產(chǎn)生“虛假回歸”現(xiàn)象。因此，本文建立向量自回歸(VAR)模型來預(yù)測相關(guān)聯(lián)的時間序列組成的系統(tǒng)，進(jìn)而分析變量隨時間變化的動態(tài)沖擊對變量的影響。

3.1 單位根檢驗

采用ADF單位根檢驗的方法對時間序列：突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力(Opinion)、官方信源、信息交互(Interaction)和參與報道的媒體數(shù)量分別進(jìn)行平穩(wěn)性檢驗，選擇5%的顯著性水平，檢驗結(jié)果(見表1)。

檢驗結(jié)果表明：時間序列Opinion、Official、Interaction和Media的ADF值均小于5%的水平值，p<0.05，可以拒絕“存在單位根”的原假設(shè)，即原序列不存在單位根，為平穩(wěn)時間序列，不需要進(jìn)行相關(guān)變量的差分和協(xié)整檢驗，可直接建立VAR模型，同時不會損失各水平序列所包含的信息。

表1 ADF檢驗結(jié)果

3.2 VAR模型的建立

本文把突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論演化系統(tǒng)中的每個內(nèi)生變量網(wǎng)絡(luò)輿論壓力、官方信息、信息交互作為Opinion、Official和Interaction滯后值的函數(shù)而構(gòu)造形成多元時間序列變量組成的向量自回歸模型，該模型可以預(yù)測Opinion、Official和Interaction相互聯(lián)系的時間序列系統(tǒng)，并可以分析隨機擾動對該變量系統(tǒng)帶來的動態(tài)沖擊，進(jìn)而解釋各變量的動態(tài)沖擊對各變量形成的影響。

VAR模型中為突出變量系統(tǒng)中各時間序列的動態(tài)特征，需要確定適合的滯后階數(shù)p，滯后階數(shù)足夠大，可完整反映所構(gòu)建模型的動態(tài)特征，但如果滯后階數(shù)越大，需要估計的參數(shù)也就越多，會導(dǎo)致模型的自由度太少。采用多準(zhǔn)則聯(lián)合確定合適的滯后階數(shù)，根據(jù)LR(Likelihood Ratio)檢驗，以及FPE、AIC、SC、HQ信息準(zhǔn)則最小化的標(biāo)準(zhǔn)選擇足夠的滯后階數(shù)和自由度，選擇VAR模型的最佳時間滯后階數(shù)為p=2(見表2)。在上述單位根檢驗的基礎(chǔ)上，構(gòu)建VAR模型并進(jìn)行估計。

考慮到參與報道媒體的數(shù)量對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的影響，本文以內(nèi)生變量網(wǎng)絡(luò)輿論壓力、官方信源和信息交互滯后2階的變量作為內(nèi)生變量，同時將參與報道媒體的總數(shù)量Media和常數(shù)項c作為外生變量，構(gòu)建本研究的VAR模型(見表3)并對其進(jìn)行估計。

表3 VAR模型參數(shù)估計結(jié)果

由表3分析結(jié)果可知，僅有大約1/3的滯后項是顯著的，由于參數(shù)是否顯著不為零并不是VAR模型最關(guān)注的，所以在建立VAR模型時可以保留各個滯后變量。將參數(shù)估計結(jié)果寫成矩陣形式：

3.3 VAR模型穩(wěn)定性檢驗

本文通過AR根的圖來檢驗所構(gòu)建VAR模型的穩(wěn)定性，檢驗結(jié)果(見圖1)，滯后期長度為2且有3個內(nèi)生變量的VAR模型，特征根多項式有2*3=6個特征根。每個特征根的倒數(shù)均小于1，即所有特征根的倒數(shù)都在單位圓內(nèi)，沒有位于單位圓外的根，因此該VAR模型通過穩(wěn)定性檢驗，即該VAR模型滿足穩(wěn)定性條件。

圖1 VAR模型穩(wěn)定性檢驗

3.4 因果關(guān)系檢驗

針對時間序列變量，考察官方信源和信息交互是否影響突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的問題，主要看當(dāng)期的突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力、官方信源和信息交互能夠在多大程度上被過去的同類突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論、官方信源和信息交互的情況所解釋[40]。

在D(Opinion)中，D(Opinion)作為被解釋變量對解釋變量D(Official)、D(Interaction)進(jìn)行格蘭杰因果檢驗(見表4)，D(Official)和D(Interaction)的聯(lián)合統(tǒng)計量值是19.2053且在5%的水平上構(gòu)成對D(Opinion)的格蘭杰因果關(guān)系；但在D(Official)方程中，D(Opinion)的概率值為0.8803，D(Interaction)的概率值為0.1395，它們不構(gòu)成對D(Official)的格蘭杰因果關(guān)系；在D(Interaction)方程中，D(Opinion)的概率值為0.0417，D(Official)的概率值為0.0022，且它們的聯(lián)合統(tǒng)計量值是18.8651且在5%水平構(gòu)成對D(Interaction)的格蘭杰因果關(guān)系。說明突發(fā)公共衛(wèi)生事件官方信源的滯后期和信息交互的滯后期能夠顯著地解釋或預(yù)測突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論壓力的變化，突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的滯后期、官方信源的滯后期能夠顯著地解釋或預(yù)測突發(fā)公共衛(wèi)生事件的信息交互狀況。因此，在VAR模型中將突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論壓力、官方信源和信息交互的滯后項作為模型的內(nèi)生變量的設(shè)置合理有效。

表4 Granger因果關(guān)系檢驗

4 脈沖響應(yīng)和方差貢獻(xiàn)度分解

因VAR模型是一種非理論性的模型，它無須對變量做任何先驗性約束，故在分析VAR模型時，往往不分析一個變量的變化對另一個變量的影響如何，而是分析當(dāng)一個誤差項發(fā)生變化時，或者說模型受到某種沖擊時對系統(tǒng)的動態(tài)影響，包括響應(yīng)的大小、響應(yīng)滯后的期數(shù)、響應(yīng)的動態(tài)變化過程等，即稱為脈沖響應(yīng)函數(shù)(Impulse Response Function, IFR)，描述的是VAR模型中一個內(nèi)生變量的沖擊給其他內(nèi)生變量所帶來的影響。本研究采用“正交”(殘差協(xié)方差矩陣的Cholesky分解)脈沖響應(yīng)函數(shù)來分析VAR模型的動態(tài)變化，Cholesky分解的結(jié)果嚴(yán)格地依賴于VAR模型中變量的次序。

4.1 脈沖響應(yīng)分析

脈沖響應(yīng)分析結(jié)果(見圖2)，橫軸表示時期數(shù)，縱軸表示脈沖響應(yīng)函數(shù)的大小，實線表示脈沖響應(yīng)函數(shù)，虛線表示正負(fù)兩倍的標(biāo)準(zhǔn)差偏離帶。在第一行脈沖圖中，當(dāng)突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力(Opinion)對其自身的一個標(biāo)準(zhǔn)差新息立刻有較強反映，網(wǎng)絡(luò)輿論壓力增加了約0.10，即網(wǎng)絡(luò)輿論壓力的自相關(guān)滯后效應(yīng)的影響在第1期響應(yīng)達(dá)到最大，在第1期和第2期之間加速下降，但影響時間不長，到第4期降到最低，到第7期逐漸趨于平穩(wěn)并已回到原來的水平。該序列的新息對其他方程在第一期都沒有反映。當(dāng)突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力(Opinion)受到官方信源(Official)的一個標(biāo)準(zhǔn)差新息的影響時，網(wǎng)絡(luò)輿論壓力在第2期和第4期之間呈現(xiàn)快速增大趨勢，到第4期網(wǎng)絡(luò)輿論壓力增加了約0.01，從第4期開始，網(wǎng)絡(luò)輿論壓力逐漸減小且持續(xù)時間比較長，在第7期逐漸趨于平穩(wěn)和零值。當(dāng)突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力受到信息交互度(Interaction)的一個標(biāo)準(zhǔn)差新息的影響時，網(wǎng)絡(luò)輿論壓力在第2期有較強反映，但第3期網(wǎng)絡(luò)輿論壓力增加了約0.02，持續(xù)時間較短，從第5期開始，網(wǎng)絡(luò)輿論壓力呈負(fù)向并趨于平穩(wěn)和零值。

在第二行脈沖響應(yīng)圖中，當(dāng)突發(fā)公共衛(wèi)生事件官方信源(Official)對其自身的一個標(biāo)準(zhǔn)差新息立刻有較強反映，即突發(fā)公共衛(wèi)生事件官方信源參與度的自相關(guān)滯后效應(yīng)的影響在第1期響應(yīng)達(dá)到最大，官方信源增加了約0.14。該序列的新息對網(wǎng)絡(luò)輿論壓力(Opinion)方程在第1期有強烈負(fù)向影響，而對信息交互度(Interaction)方程在第1期沒有反映。官方信源在第1期和第2期之間快速下降，之后逐漸減弱，在第4期之后官方信源參與度趨近于零值并趨于平穩(wěn)。當(dāng)突發(fā)公共衛(wèi)生事件官方信源受到網(wǎng)絡(luò)輿論壓力一個標(biāo)準(zhǔn)差新息的影響時，官方信源在第1期有強烈的負(fù)向反映，官方信源參與度減少了約0.06，在第1期和第4期之間，官方信源參與度快速增加，從第5期開始逐漸趨于平穩(wěn)和零值。當(dāng)突發(fā)公共衛(wèi)生事件官方信源受到信息交互度一個標(biāo)準(zhǔn)差新息的影響時，官方信源在第1期沒有反映，從第2期開始官方信源參與度逐漸，減少了約0.02，在第3期和第7期之間，官方信源參與度逐漸增加，從第7期開始逐漸趨于平穩(wěn)和零值。

在第三行脈沖響應(yīng)圖中，當(dāng)突發(fā)公共衛(wèi)生事件信息交互度(Interaction)對其自身的一個標(biāo)準(zhǔn)差新息立刻有較強反映，即突發(fā)公共衛(wèi)生事件信息交互度的自相關(guān)滯后效應(yīng)的影響在第1期響應(yīng)達(dá)到最大，信息交互度增加了約0.11，且持續(xù)時間較長。該序列的新息對其他方程在第1 期均產(chǎn)生了反映。信息交互度在第2期和第7期之間呈現(xiàn)劇烈的動態(tài)響應(yīng)趨勢，在第7期之后逐漸趨于平穩(wěn)和零值。當(dāng)突發(fā)公共衛(wèi)生事件信息交互度受到網(wǎng)絡(luò)輿論壓力(Opinion)一個標(biāo)準(zhǔn)差新息的影響時，信息交互度在第1期有強烈的反映，信息交互度增加了約0.02，在第1期和第2期之間快速下降，從第2期開始，信息交互度有負(fù)向反映，在第2期和5期之間呈現(xiàn)劇烈的負(fù)向動態(tài)響應(yīng)趨勢，從第6期開始逐漸趨于平穩(wěn)和零值。當(dāng)突發(fā)公共衛(wèi)生事件信息交互度受到官方信源(Official)一個標(biāo)準(zhǔn)新信息的影響時，信息交互度在第1期幾乎沒有響應(yīng)，在第1期和第2期之間快速增加，且在第2期影響效應(yīng)達(dá)到最大，信息交互度增加了約0.05， 在第2期和第5期之間呈現(xiàn)劇烈的正向動態(tài)響應(yīng)趨勢，從第6期開始逐漸趨于平穩(wěn)和零值。

4.2 方差貢獻(xiàn)度分解

方差分解(Variance Decomposition)是通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化的貢獻(xiàn)度，進(jìn)而評價不同沖擊的重要性，給出對VAR模型中的變量產(chǎn)生影響的每個隨機擾動的相對重要性的信息。因此，利用方差分解可以看出每個變量的變動對VAR系統(tǒng)變量影響的貢獻(xiàn)度，本文基于VAR模型進(jìn)行方差分解(見表5)。

表5 方差貢獻(xiàn)度分解

續(xù)表5 方差貢獻(xiàn)度分解

由表5分析結(jié)果可知，在突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的波動中，不考慮其網(wǎng)絡(luò)輿論壓力自身的貢獻(xiàn)度，官方信源和信息交互的貢獻(xiàn)度在第1期均為0，官方信源在第2期的貢獻(xiàn)度為0.0380%，隨后逐漸上升，貢獻(xiàn)度最高達(dá)2.2636%；信息交互在第2期的貢獻(xiàn)度為1.5563%，隨后逐漸上升，貢獻(xiàn)度最高達(dá)5.553%；這說明信息交互度對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力具有較大的影響，而官方信源對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的影響較小。

在突發(fā)公共衛(wèi)生事件官方信源的波動中，官方信源在第1期的貢獻(xiàn)度僅為83.9582%，不考慮其官方信源自身的貢獻(xiàn)度，信息交互在第1期的貢獻(xiàn)度為0，隨后逐漸上升，在第10期貢獻(xiàn)度最大為3.9706%；網(wǎng)絡(luò)輿論壓力在第1期的貢獻(xiàn)度為16.0418%，隨后逐漸上升，在第3期貢獻(xiàn)度達(dá)到最大為22.8750%；這說明官方信源在突發(fā)公共衛(wèi)生事件爆發(fā)期參與度相對較低，網(wǎng)絡(luò)輿論壓力對官方信源的影響較大，信息交互度對官方信源的影響較小。

在突發(fā)公共衛(wèi)生事件信息交互的波動中，不考慮信息交互自身的貢獻(xiàn)度，突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力在第1期的貢獻(xiàn)度僅為1.9348%，在第2期突然增加到13.3057%，在第9期之后逐漸趨于平穩(wěn)，最高貢獻(xiàn)度達(dá)14.1873%；突發(fā)公共衛(wèi)生事件官方信源在第1期的貢獻(xiàn)度僅為0.0486%，在第2期突然增加到13.9497%，在第6期之后逐漸平穩(wěn)，最高達(dá)15.2360%；這說明突發(fā)公共衛(wèi)生事件中信息交互發(fā)生的速度非常之快，且官方信源與網(wǎng)絡(luò)輿論壓力對突發(fā)公共衛(wèi)生事件信息交互度的影響程度相當(dāng)。

5 結(jié)果分析與討論

本文以2015—2020年我國45起突發(fā)公共衛(wèi)生事件作為研究樣本，通過建立VAR模型、Granger因果關(guān)系檢驗、脈沖響應(yīng)分析和方差分解，對突發(fā)公共衛(wèi)生事件的官方信源、信息交互與網(wǎng)絡(luò)輿論壓力之間的關(guān)系進(jìn)行了實證研究，得出如下結(jié)論：

a.影響關(guān)系分析：官方信源、信息交互與網(wǎng)絡(luò)輿論壓力之間存在相互影響關(guān)系，當(dāng)官方信源、信息交互度和網(wǎng)絡(luò)輿論壓力受到一個正向沖擊時，該沖擊在第1期傳導(dǎo)至網(wǎng)絡(luò)輿論壓力，突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的自相關(guān)滯后影響效應(yīng)最大，官方信源與信息交互度對網(wǎng)絡(luò)輿論壓力的沖擊影響效應(yīng)較大，而且信息交互的影響大于官方信源的影響。官方信源的自相關(guān)滯后效應(yīng)和信息交互的沖擊在第1期對官方信源產(chǎn)生負(fù)向影響，官方信源的自相關(guān)滯后效應(yīng)尤為明顯。來自官方信源、信息交互的自相關(guān)滯后效應(yīng)的沖擊會在第1期對信息交互產(chǎn)生影響，且在第2期和第5期之間產(chǎn)生劇烈的動態(tài)響應(yīng)趨勢。這說明官方信源、信息交互度對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力具有顯著的沖擊作用，突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論壓力與官方信源能夠顯著地影響信息交互，但官方信源在突發(fā)公共衛(wèi)生事件中的響應(yīng)速度和強度還需增強。

b.預(yù)測作用分析：在預(yù)測的10個周期內(nèi)，官方信源與信息交互對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力有著持續(xù)的正向沖擊作用，但對突發(fā)公共衛(wèi)生事件當(dāng)期的網(wǎng)絡(luò)輿論壓力影響不大，而是對第1期之后的網(wǎng)絡(luò)輿論壓力有著持續(xù)穩(wěn)定的沖擊作用；這表明，隨著官方信源參與度和信息交互度的增加，突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力在持續(xù)增大，且這種影響關(guān)系存在一定的滯后效應(yīng)。此外，突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的7.81%可由2.26%的官方信源參與度與5.55%的信息交互度來解釋，官方信源參與度的26.76%可由22.79%的網(wǎng)絡(luò)輿論壓力與3.97%的信息交互度來解釋，信息交互度的29.41%%可由14.18%的網(wǎng)絡(luò)輿論壓力與15.23%的官方信源參與度來解釋；這表明，信息交互度大于官方信源參與度對網(wǎng)絡(luò)輿論壓力的影響，網(wǎng)絡(luò)輿論壓力大于信息交互度對官方信源參與的影響，網(wǎng)絡(luò)輿論壓力略大于官方信源參與對信息交互度的影響。

該研究對緩解突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力具有重要實踐啟示：

官方信源應(yīng)構(gòu)建突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論信息生態(tài)系統(tǒng)。網(wǎng)絡(luò)空間中官方信源、信息交互的跨媒介轉(zhuǎn)向、網(wǎng)絡(luò)輿論主體理性與非理性的錯綜交織、事件信息流動性的動態(tài)交錯對網(wǎng)絡(luò)輿論信息生態(tài)系統(tǒng)的穩(wěn)定具有重大影響。官方信源在面對巨大網(wǎng)絡(luò)輿論壓力時，應(yīng)及時有效參與，如通過工作機制的創(chuàng)新，培養(yǎng)和儲備更多具有較強新聞素養(yǎng)和政治敏感的新聞工作者。同時，官方信源應(yīng)建立人工智能挖掘系統(tǒng)，在第一時間掌握跨媒介的、綜合的、有價值的、動態(tài)的網(wǎng)絡(luò)輿論信息，及時掌握網(wǎng)絡(luò)輿論走向?；谝酝话l(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論引導(dǎo)的成功經(jīng)驗，建立突發(fā)公共衛(wèi)生事件應(yīng)急預(yù)案，從網(wǎng)絡(luò)輿論壓力源頭上切斷虛假有害信息，及時公開權(quán)威信息，直面網(wǎng)絡(luò)輿論壓力背后的矛盾和信息交互的焦點，解決公眾的現(xiàn)實擔(dān)憂，促使公眾堅定對官方信源的信任、堅持積極正向的信息交互，緩解突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論壓力。

政府相關(guān)部門應(yīng)通過“媒體聯(lián)動”搭建網(wǎng)絡(luò)輿論區(qū)域協(xié)同調(diào)控體系。突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的大小取決于信息交互主體的價值判斷。公開透明、信息權(quán)威和信息真實是突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論調(diào)控的關(guān)鍵。地方政府相關(guān)部門應(yīng)堅持以人為本，及時滿足公眾對健康、安全的核心訴求，辯證地看待突發(fā)公共衛(wèi)生事件的網(wǎng)絡(luò)輿論；在不斷提高媒介素養(yǎng)的基礎(chǔ)上，增加公眾與不同類型媒介的信息交互度，釋放公眾對未知的恐慌和焦慮情緒，協(xié)調(diào)各方聯(lián)動高效調(diào)配多方資源，最快提出和公開事件具體解決方案。同時，地方政府相關(guān)部門應(yīng)重視網(wǎng)絡(luò)新媒體和個人社交媒體等的網(wǎng)絡(luò)輿論影響力，不斷深化與事件發(fā)生區(qū)域內(nèi)外的不同類型媒體的溝通合作，共享事件的信息資源，協(xié)同疏散網(wǎng)絡(luò)輿情壓力和維護(hù)社會穩(wěn)定。

突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力產(chǎn)生的影響因素及其復(fù)雜，本文從利益相關(guān)者視角，在考慮參與報道媒體數(shù)量的同時，僅對官方信源參與度、信息交互度與突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力之間的內(nèi)生影響效應(yīng)進(jìn)行了研究，未來研究可進(jìn)一步探討個人社交媒體的參與度對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的內(nèi)生影響。另外，突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力具有時間維度上的持續(xù)影響，未來研究可以將突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力持續(xù)周期納入分析模型，從而為全面理解突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論壓力的內(nèi)生影響因素和提升突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿論治理績效提供經(jīng)驗證據(jù)。