突發公共事件下公眾產生信息錯失焦慮的影響因素研究

邱子清

摘要：目的/意義：在信息暢通的今天，身處突發公共事件中的公眾會更加擔心錯過信息，從而產生信息錯失焦慮。本文旨在探析突發公共事件下公眾產生信息錯失焦慮的影響因素，助力相關方面的社會治理。方法/過程：本文基于前期研究成果，結合結構方程模型，利用SPSS、AMOS軟件進行研究。結果/結論：最終根據所建模型對突發公共事件下影響公眾產生信息錯失焦慮的原因進行了分析，并提出了相關建議。

關鍵詞：信息錯失焦慮；突發公共事件；結構方程模型；影響因素

中圖分類號：G203文獻標識碼：A文章編號：1006-3315（2021）6-166-002

一、引言

2020年年初，新型冠狀病毒以其極強的傳播性在全球范圍之內造成了十分嚴重的影響，給人們的正常生活或多或少帶來了沖擊。互聯網時代，人們獲取信息的途徑也越來越多，但是所獲信息并不一定是真實可信的。因此在突發公共事件發生的時候，公眾就可能產生信息錯失焦慮（Fearofmissingout，FOMO），即沒能了解他人正在做的事、知道的事，或者沒能知曉他人所擁有的更多甚至更好的東西會感到不安，并且這種不安有時候非常強烈[1]。

因此公眾會在行為和心理上產生相應的特征，如焦慮、恐慌等，可能對相關部門的社會治理產生阻礙，對社會和諧與穩定產生影響，尤其是在突發公共事件下，這種現象和相應的影響會更為突出。本文基于前期研究結果，利用結構方程模型，對突發公共事件下公眾信息錯失焦慮的影響因素進行研究，旨在于助力社會治理體系的完善、相關部門社會治理能力的提升、公眾信息錯失焦慮的降低、公眾信息素養的提高等。

二、研究方案與假設

2.1研究方案

前期，研究人員對以江蘇、廣東、山西為主的國內公眾進行了半結構化訪談以及問卷調查，對于得到的數據，研究人員通過定性與定量相結合的方法，將扎根理論與因子分析方法相結合使用，實現數據分析，提取出各維度的主要因子，前期構建的理論模型如圖1。本文將基于上述研究成果，構建結構方程模型，對國內公眾進行了問卷調查，以實現進一步的研究。

2.2研究假設

綜上，本文提出如下研究假設：

H1：查看疫情相關信息的場景對公眾產生信息錯失焦慮有顯著影響；

H2：查看疫情相關信息的時機對公眾產生信息錯失焦慮有顯著影響；

H3：查看疫情相關信息的動因對公眾產生信息錯失焦慮有顯著影響；

H4：查看疫情相關信息時的行為特征可以有效表征公眾信息錯失焦慮的情況；

H5：查看疫情相關信息時的心理特征可以有效表征公眾信息錯失焦慮的情況。

三、數據收集與整理

本文數據收集采用問卷調查的方式，樣本來自以江蘇省、廣東省、山西省為主的18個省級行政區，基本覆蓋中國的各大地理分區（本次調查涉及華東地區、華南地區、華中地區、華北地區、西北地區、西南地區以及東北地區內的省級行政區）。被調查者是研究人員所調研的18個省級行政區的公眾，男女比例均衡，年齡跨度較大，職業種類也較為豐富。

研究人員共發放問卷210份，回收問卷204份，其中信息不完整或相關項目沒有回答的問卷4份，最后得到200份有效問卷，有效回收率為98.04%。除個人基本信息之外，調查問卷設置了20個題項，采用5級李克特量表（Likertscale），表述為：完全符合、比較符合、一般符合、比較不符合和完全不符合，分別對應5、4、3、2、1分，每個被調查者的態度總分就是他對各道題的回答所得分數的加總，這一總分可說明他的態度強弱或他在這一量表上的不同狀態，即可反映如前所述11個因素對信息錯失焦慮的影響程度。

四、計量檢驗

4.1模型設定

結構方程模型（SEM）是基于變量的協方差矩陣來分析變量之間關系的一種統計方法，是多元數據分析的重要工具。在數據的計量領域中，結構方程模型（structuralequation modeling，SEM）已經成為具有指標性的分析技術。在SEM分析的路徑圖（模型）中，包括了測量模型與結構模型兩部分。測量模型是指潛在變量與觀察變量之間的關系，結構模型是指潛在變量之間的關系。其模型方程式如下所示。

結構方程式：η=γζ+βη+ζ

內衍變量（因變量）的測量方程式：Y=λη+ε

外衍變量（自變量）的測量方程式：X=λζ+δ

在結構方程式中，η（Eta）是向量類型，γ（Gamma）是回歸類型，ζ（Xi）是向量類型，β（Beta）是回歸類型。在內衍、外衍變量的測量方程式中，λ（Lamda）是回歸類型，ε（Epsilon）及δ（Delta）是方差/協方差類型。此外，ζ代表外衍變量，η代表內衍變量，γ代表外衍變量對內衍變量的作用，β代表內衍變量對內衍變量的作用[2]。

本文利用結構方程模型，對突發公共事件下公眾產生信息錯失焦慮的影響因素進行進一步的探究。

4.2信度檢驗和探索性因子分析

本研究的數據分析主要采用軟件SPSS19.0，模型運行采用Amos22.0。

4.2.1缺失值置換。在Amos進行分析之前，會將輸入原始數據轉換成協方差矩陣。如果我們對資料的缺失值（missing values）不做適當的處理，就可能產生“非正定矩陣”的問題。為了保持數據的完整性，要對缺失值做適當的處理。在SPSS中，一般的做法是用數列平均數（這一題項所有已填答者數值的平均值）來取代缺失值（本文即選擇此做法），SPSS會產生新的變量[2]。

結果顯示，原始數據中沒有缺失值，數據完整性很好。

4.2.2信度檢驗。信度（Reliability）即可靠性，它是指采用同樣的方法對同一對象重復測量時所得結果的一致性程度[3]。本文采用Alpha信度系數法，通過統計軟件SPSS19.0中的可靠性分析功能，得到本次調查的Cronbach′sAlpha系數為0.920，信度高。

4.2.3效度檢驗。效度（Validity）即有效性，它是指測量工具或手段能夠準確測出所需測量的事物的程度[4]。本文主要通過統計軟件SPSS19.0中的因子分析功能，對樣本數據進行了KMO樣本測度及巴特立特球體檢驗，結果顯示，KMO值為0.893，效度高。

4.2.4模型適配度檢驗與修正。

（1）異常值處理。將數據載入所構建的模型并進行運算、輸出。在Amos計算每一個觀察值遠離群體重心的Mahalanobisdsquared距離，并按大小排序。其輸出的結果中p2的值可以反映出非正態分布的個案，當p2的值很小時（例如小于0.05），可推測該觀察值可能為異常值。本文共剔除了10個異常值，剔除完異常值后，研究人員對剩下的190個樣本數據進行信度與效度分析，得到Cronbach′sAlpha系數為0.927，信度高，KMO值為0.905，效度高。

（2）假設模型適配度檢驗。在模型擬合度（goodness-of-fit）評估方面，若模型擬合度越高，則代表模型可用性越高，參數的估計越具有其涵義[2]。表2列出學者較多參考的指標、標準，以及假設模型的適配值，總的來說，假設模型的適配度不佳。

（3）模型修正。由于假設模型擬合效果不佳，所以需要提高所構建模型的擬合度，根據ModificationIndices（Group number1-Defaultmodel）中的數據，優先對MI值最大的部分進行修正，增加相關路徑，可使模型擬合更優。

（4）優化模型適配度檢驗及最終模型。在進行多次修正之后得到優化模型，表3列出學者較多參考的指標、標準，以及優化模型的適配值，總的來說，優化模型的適配度良好。

經過對數據的一系列處理，得到最終的結構方程模型如圖2所示。

五、研究結論與啟示

5.1研究結論

通過路徑分析對各個假設進行驗證，結果表明：查看疫情相關信息的動因對公眾產生信息錯失焦慮有顯著影響，并且查看疫情相關信息時的行為特征可以有效表征公眾信息錯失焦慮的情況，即假設H3-H4都是成立的。其他假設雖未達到所預期的情況，不過相關因素的影響程度也基本上均在0.3以上，對信息錯失焦慮有著一定的影響。

5.2研究啟示

通過本文研究可以得到如下啟示：

5.2.1政府、媒體等方面應當注重在突發公共事件中對公眾的正確引導。根據結果可知，動因潛變量對公眾產生信息錯失焦慮有著最大的正向影響，且在動因潛變量的觀測變量中，動因5，即公眾查看疫情相關信息的原因為外界引導貢獻最大，由此可得，若外界對公眾的引導是積極的，公眾的信息錯失焦慮將得到有效控制，有利于突發公共事件中的社會治理。而政府、媒體等相關方面在引導公眾方面較有發言權，因此，政府、媒體等方面應當注重在突發公共事件中對公眾的正確引導。

5.2.2后續有關信息錯失焦慮測度的研究可加大行為特征的占比，相關信息發布平臺注意所發布信息的真實性。在信息錯失焦慮潛變量的觀測變量中，特征1-3貢獻較大，而特征1-3屬于公眾信息錯失焦慮的行為特征，特征4-8屬于心理特征，由此可知，若后續學者有意向進行突發公共事件中公眾信息錯失焦慮的測度研究，可以將公眾在行為特征方面的占比加大一些。此外，由特征1-3的內容可得，公眾很關注相關信息，因此相關信息發布平臺應當注意所發布信息的真實性，否則可能會使公眾產生消極影響。

本論文掛靠2020年江蘇省大學生創新訓練計劃項目“突發公共事件中公眾信息錯失焦慮現象探析及應對策略研究”（202010304077Y）

參考文獻：

[1]PRZYBYLSKIAK，KOUM，DEHAANCR，et al.Motivational，emotional，andbehavioralcorrelatesof fearofmissingout[J]Computersinhumanbehavior， 2013，29（4）：1841-1848

[2]榮泰生.AMOS與研究方法[M]重慶：重慶大學出版社，2010：8+13+106+131.

[3]百度百科.信度[EB/OL].（2015-05-17）[2020-11-23].https：// baike.baidu.com/item/%E4%BF%A1%E5%BA%A6

[4]百度百科.效度[EB/OL]（2015-05-17）[2020-11-23]https：// baike.baidu.com/item/%E6%95%88%E5%BA%A6