突发公共事件下公众产生信息错失焦虑的影响因素研究

邱子清

摘要：目的/意义：在信息畅通的今天，身处突发公共事件中的公众会更加担心错过信息，从而产生信息错失焦虑。本文旨在探析突发公共事件下公众产生信息错失焦虑的影响因素，助力相关方面的社会治理。方法/过程：本文基于前期研究成果，结合结构方程模型，利用SPSS、AMOS软件进行研究。结果/结论：最终根据所建模型对突发公共事件下影响公众产生信息错失焦虑的原因进行了分析，并提出了相关建议。

关键词：信息错失焦虑；突发公共事件；结构方程模型；影响因素

中图分类号：G203文献标识码：A文章编号：1006-3315（2021）6-166-002

一、引言

2020年年初，新型冠状病毒以其极强的传播性在全球范围之内造成了十分严重的影响，给人们的正常生活或多或少带来了冲击。互联网时代，人们获取信息的途径也越来越多，但是所获信息并不一定是真实可信的。因此在突发公共事件发生的时候，公众就可能产生信息错失焦虑（Fearofmissingout，FOMO），即没能了解他人正在做的事、知道的事，或者没能知晓他人所拥有的更多甚至更好的东西会感到不安，并且这种不安有时候非常强烈[1]。

因此公众会在行为和心理上产生相应的特征，如焦虑、恐慌等，可能对相关部门的社会治理产生阻碍，对社会和谐与稳定产生影响，尤其是在突发公共事件下，这种现象和相应的影响会更为突出。本文基于前期研究结果，利用结构方程模型，对突发公共事件下公众信息错失焦虑的影响因素进行研究，旨在于助力社会治理体系的完善、相关部门社会治理能力的提升、公众信息错失焦虑的降低、公众信息素养的提高等。

二、研究方案与假设

2.1研究方案

前期，研究人员对以江苏、广东、山西为主的国内公众进行了半结构化访谈以及问卷调查，对于得到的数据，研究人员通过定性与定量相结合的方法，将扎根理论与因子分析方法相结合使用，实现数据分析，提取出各维度的主要因子，前期构建的理论模型如图1。本文将基于上述研究成果，构建结构方程模型，对国内公众进行了问卷调查，以实现进一步的研究。

2.2研究假设

综上，本文提出如下研究假设：

H1：查看疫情相关信息的场景对公众产生信息错失焦虑有显著影响；

H2：查看疫情相关信息的时机对公众产生信息错失焦虑有显著影响；

H3：查看疫情相关信息的动因对公众产生信息错失焦虑有显著影响；

H4：查看疫情相关信息时的行为特征可以有效表征公众信息错失焦虑的情况；

H5：查看疫情相关信息时的心理特征可以有效表征公众信息错失焦虑的情况。

三、数据收集与整理

本文数据收集采用问卷调查的方式，样本来自以江苏省、广东省、山西省为主的18个省级行政区，基本覆盖中国的各大地理分区（本次调查涉及华东地区、华南地区、华中地区、华北地区、西北地区、西南地区以及东北地区内的省级行政区）。被调查者是研究人员所调研的18个省级行政区的公众，男女比例均衡，年龄跨度较大，职业种类也较为丰富。

研究人员共发放问卷210份，回收问卷204份，其中信息不完整或相关项目没有回答的问卷4份，最后得到200份有效问卷，有效回收率为98.04%。除个人基本信息之外，调查问卷设置了20个题项，采用5级李克特量表（Likertscale），表述为：完全符合、比较符合、一般符合、比较不符合和完全不符合，分别对应5、4、3、2、1分，每个被调查者的态度总分就是他对各道题的回答所得分数的加总，这一总分可说明他的态度强弱或他在这一量表上的不同状态，即可反映如前所述11个因素对信息错失焦虑的影响程度。

四、计量检验

4.1模型设定

结构方程模型（SEM）是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，是多元数据分析的重要工具。在数据的计量领域中，结构方程模型（structuralequation modeling，SEM）已經成为具有指标性的分析技术。在SEM分析的路径图（模型）中，包括了测量模型与结构模型两部分。测量模型是指潜在变量与观察变量之间的关系，结构模型是指潜在变量之间的关系。其模型方程式如下所示。

结构方程式：η=γζ+βη+ζ

内衍变量（因变量）的测量方程式：Y=λη+ε

外衍变量（自变量）的测量方程式：X=λζ+δ

在结构方程式中，η（Eta）是向量类型，γ（Gamma）是回归类型，ζ（Xi）是向量类型，β（Beta）是回归类型。在内衍、外衍变量的测量方程式中，λ（Lamda）是回归类型，ε（Epsilon）及δ（Delta）是方差/协方差类型。此外，ζ代表外衍变量，η代表内衍变量，γ代表外衍变量对内衍变量的作用，β代表内衍变量对内衍变量的作用[2]。

本文利用结构方程模型，对突发公共事件下公众产生信息错失焦虑的影响因素进行进一步的探究。

4.2信度检验和探索性因子分析

本研究的数据分析主要采用软件SPSS19.0，模型运行采用Amos22.0。

4.2.1缺失值置换。在Amos进行分析之前，会将输入原始数据转换成协方差矩阵。如果我们对资料的缺失值（missing values）不做适当的处理，就可能产生“非正定矩阵”的问题。为了保持数据的完整性，要对缺失值做适当的处理。在SPSS中，一般的做法是用数列平均数（这一题项所有已填答者数值的平均值）来取代缺失值（本文即选择此做法），SPSS会产生新的变量[2]。

结果显示，原始数据中没有缺失值，数据完整性很好。

4.2.2信度检验。信度（Reliability）即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致性程度[3]。本文采用Alpha信度系数法，通过统计软件SPSS19.0中的可靠性分析功能，得到本次调查的Cronbach′sAlpha系数为0.920，信度高。

4.2.3效度检验。效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度[4]。本文主要通过统计软件SPSS19.0中的因子分析功能，对样本数据进行了KMO样本测度及巴特立特球体检验，结果显示，KMO值为0.893，效度高。

4.2.4模型适配度检验与修正。

（1）异常值处理。将数据载入所构建的模型并进行运算、输出。在Amos计算每一个观察值远离群体重心的Mahalanobisdsquared距离，并按大小排序。其输出的结果中p2的值可以反映出非正态分布的个案，当p2的值很小时（例如小于0.05），可推测该观察值可能为异常值。本文共剔除了10个异常值，剔除完异常值后，研究人员对剩下的190个样本数据进行信度与效度分析，得到Cronbach′sAlpha系数为0.927，信度高，KMO值为0.905，效度高。

（2）假设模型适配度检验。在模型拟合度（goodness-of-fit）评估方面，若模型拟合度越高，则代表模型可用性越高，参数的估计越具有其涵义[2]。表2列出学者较多参考的指标、标准，以及假设模型的适配值，总的来说，假设模型的适配度不佳。

（3）模型修正。由于假设模型拟合效果不佳，所以需要提高所构建模型的拟合度，根据ModificationIndices（Group number1-Defaultmodel）中的数据，优先对MI值最大的部分进行修正，增加相关路径，可使模型拟合更优。

（4）优化模型适配度检验及最终模型。在进行多次修正之后得到优化模型，表3列出学者较多参考的指标、标准，以及优化模型的适配值，总的来说，优化模型的适配度良好。

经过对数据的一系列处理，得到最终的结构方程模型如图2所示。

五、研究结论与启示

5.1研究结论

通过路径分析对各个假设进行验证，结果表明：查看疫情相关信息的动因对公众产生信息错失焦虑有显著影响，并且查看疫情相关信息时的行为特征可以有效表征公众信息错失焦虑的情况，即假设H3-H4都是成立的。其他假设虽未达到所预期的情况，不过相关因素的影响程度也基本上均在0.3以上，对信息错失焦虑有着一定的影响。

5.2研究启示

通过本文研究可以得到如下启示：

5.2.1政府、媒体等方面应当注重在突发公共事件中对公众的正确引导。根据结果可知，动因潜变量对公众产生信息错失焦虑有着最大的正向影响，且在动因潜变量的观测变量中，动因5，即公众查看疫情相关信息的原因为外界引导贡献最大，由此可得，若外界对公众的引导是积极的，公众的信息错失焦虑将得到有效控制，有利于突发公共事件中的社会治理。而政府、媒体等相关方面在引导公众方面较有发言权，因此，政府、媒体等方面应当注重在突发公共事件中对公众的正确引导。

5.2.2后续有关信息错失焦虑测度的研究可加大行为特征的占比，相关信息发布平台注意所发布信息的真实性。在信息错失焦虑潜变量的观测变量中，特征1-3贡献较大，而特征1-3属于公众信息错失焦虑的行为特征，特征4-8属于心理特征，由此可知，若后续学者有意向进行突发公共事件中公众信息错失焦虑的测度研究，可以将公众在行为特征方面的占比加大一些。此外，由特征1-3的内容可得，公众很关注相关信息，因此相关信息发布平台应当注意所发布信息的真实性，否则可能会使公众产生消极影响。

本论文挂靠2020年江苏省大学生创新训练计划项目“突发公共事件中公众信息错失焦虑现象探析及应对策略研究”（202010304077Y）

参考文献：

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

[2]榮泰生.AMOS与研究方法[M]重庆：重庆大学出版社，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