突發(fā)事件輿論場(chǎng)域通透粘性與情感粒度對(duì)信息池化的內(nèi)生影響研究*

陽(yáng)長(zhǎng)征

( 中國(guó)海洋大學(xué) 文學(xué)與新聞傳播學(xué)院 青島 266100)

0 引 言

近年來(lái)，隨著網(wǎng)絡(luò)媒體的普遍使用，危機(jī)事件爆發(fā)變得越來(lái)越頻繁，并導(dǎo)致危機(jī)信息形成難以遏制的擴(kuò)散之勢(shì)。傳播學(xué)水紋效應(yīng)模型指出，信息傳播過(guò)程就像在平靜的湖水中扔下一顆石子，水紋就會(huì)以很快的速度向周圍產(chǎn)生共振波，并形成水紋特征的擴(kuò)散特征和效果。在網(wǎng)絡(luò)空間中，信息的傳播過(guò)程也具有該擴(kuò)散效應(yīng)。在信息學(xué)中，信息池化(pooling)是指信息在傳播過(guò)程中，由于傳播主體或受體在地域、政治、經(jīng)濟(jì)、文化及知識(shí)等維度存在相似性或相關(guān)性，從而導(dǎo)致該類群體在信息擴(kuò)散過(guò)程中形成如同“池塘”的特征。針對(duì)網(wǎng)絡(luò)突發(fā)事件，在水紋傳播效應(yīng)作用下，信息擴(kuò)散過(guò)程易于產(chǎn)生信息池化現(xiàn)象，從而導(dǎo)致輿論出現(xiàn)群體極化或輿論偏差，并影響社會(huì)穩(wěn)定及健康發(fā)展。

關(guān)于突發(fā)事件輿論的相關(guān)研究，國(guó)內(nèi)外現(xiàn)有文獻(xiàn)主要集中于從三方面展開(kāi)。其一，部分學(xué)者從突發(fā)事件輿論影響因素展開(kāi)，指出突發(fā)事件輿論會(huì)受到信息特征的時(shí)間距離、信息框架、信息結(jié)構(gòu)、空間距離及社會(huì)距離等因素的影響，其原因在于這類信息特征差異會(huì)影響人們的認(rèn)知，從而導(dǎo)致公眾對(duì)事件存在不同的關(guān)注度、關(guān)注時(shí)間以及參與度，進(jìn)而影響輿論的形成和發(fā)展[1]。其二，部分學(xué)者從突發(fā)事件輿論的演化過(guò)程及機(jī)制展開(kāi)，指出突發(fā)事件輿論的演化特征隨著時(shí)間的推移而變化，并呈現(xiàn)某種規(guī)律特征。其中，事件性質(zhì)、平臺(tái)類型均對(duì)其演化過(guò)程產(chǎn)生影響，且可引起輿論演化過(guò)程出現(xiàn)不同波動(dòng)特征[2]。針對(duì)輿論演化機(jī)制，在輿論演化過(guò)程中，存在培養(yǎng)機(jī)制、耦合機(jī)制及牽引機(jī)制等多種機(jī)制的融合。其中，媒體協(xié)同、主體驅(qū)動(dòng)及意見(jiàn)領(lǐng)袖均可對(duì)公眾參與傾向及意愿產(chǎn)生影響，對(duì)輿論擴(kuò)散的廣度和強(qiáng)度具有推動(dòng)作用[3]。其三，部分學(xué)者則從突發(fā)事件輿論偏差及引導(dǎo)路徑展開(kāi)，發(fā)現(xiàn)網(wǎng)絡(luò)空間中突發(fā)事件輿論隨著時(shí)間的推移，公眾輿論會(huì)出現(xiàn)與事件客觀真相相偏離現(xiàn)象，即產(chǎn)生輿論偏差。而該偏差的產(chǎn)生，需要媒體及政府基于傳者、渠道、信息及受眾各維度進(jìn)行及時(shí)糾正和引導(dǎo)，從而減少輿論偏差給社會(huì)帶來(lái)的負(fù)面影響[4]。

關(guān)于突發(fā)事件信息池化主題的研究，國(guó)內(nèi)學(xué)者主要從與信息池化相關(guān)度較大或較近的信息波紋擴(kuò)散方面進(jìn)行研究，而關(guān)于信息波紋擴(kuò)散的研究則主要從信息圈層擴(kuò)散視角展開(kāi)，其研究?jī)?nèi)容主要集中于對(duì)信息圈層擴(kuò)散的內(nèi)涵及特征的闡述、對(duì)圈層擴(kuò)散影響因素的分析、對(duì)圈層擴(kuò)散形成機(jī)理的識(shí)別和挖掘等三個(gè)方面。而國(guó)外對(duì)信息池化的研究雖有涉及，但仍然很少，而現(xiàn)有的文獻(xiàn)主要圍繞池化的特征及池化對(duì)人們行為的影響方面展開(kāi)研究，如Zai等[5]提出了校園網(wǎng)信息池化現(xiàn)象，并指出校園通信子圈是大學(xué)生信息池化行為逐漸流行的條件。Qian 等[6]指出社交網(wǎng)絡(luò)中越來(lái)越多的用戶分享行為形成了信息池化特征，且其中興趣相似性和人際影響力可增強(qiáng)空間中潛在信息池化的形成。同時(shí)，這種池化間的關(guān)聯(lián)性會(huì)隨著社交網(wǎng)絡(luò)中節(jié)點(diǎn)屬性相似性的增加而增加[7]。此外，少許文獻(xiàn)則從社會(huì)文化角度對(duì)信息池化的形成展開(kāi)研究，如Michaels等人指出信息池化是一種小組交流形式，以此可建立關(guān)系網(wǎng)絡(luò)和社區(qū)意識(shí)，且所有個(gè)人及觀點(diǎn)都可參與其中，從而得以產(chǎn)生共同信息池化行為[8]。

總體而言，在突發(fā)事件輿論信息行為方面，國(guó)內(nèi)雖有相關(guān)文獻(xiàn)對(duì)突發(fā)事件輿論影響因素、輿論演化過(guò)程與機(jī)制、輿論偏差及引導(dǎo)等方面進(jìn)行研究，但關(guān)于輿論場(chǎng)域信息池化內(nèi)容的研究依然缺乏。而國(guó)外關(guān)于信息池化的研究雖有涉及，但仍然很少，在現(xiàn)有少量研究中則主要集中于信息池化的內(nèi)涵、特征、影響因素及淺層的影響機(jī)理方面的探討和分析，尚屬于對(duì)信息池化研究的初期階段。然而，在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，通透粘性是指系統(tǒng)中各節(jié)點(diǎn)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(gè)構(gòu)件相互依賴于對(duì)方程度的一個(gè)量度。在網(wǎng)絡(luò)空間中，當(dāng)節(jié)點(diǎn)間通透粘性較強(qiáng)時(shí)，某個(gè)節(jié)點(diǎn)的用戶或信息發(fā)生變化，則能通過(guò)其中的邊度關(guān)系影響到其它節(jié)點(diǎn)，從而可將特定節(jié)點(diǎn)的信息變化傳導(dǎo)至另一節(jié)點(diǎn)，并出現(xiàn)相似的變化，該過(guò)程則為信息池化的過(guò)程。同時(shí)，情感作為網(wǎng)絡(luò)輿論演化的重要?jiǎng)恿?，情感粒度則是用戶在主觀體驗(yàn)中辨別情感及情緒的能力，而用戶傾向于使用離散的情感標(biāo)簽而非全局的情感狀態(tài)來(lái)體察自身的情感。當(dāng)突發(fā)事件發(fā)生后，情感粒度的差異在公眾中則可影響網(wǎng)絡(luò)動(dòng)員，并促進(jìn)網(wǎng)民的情感共振與話語(yǔ)協(xié)同，從而產(chǎn)生信息池化現(xiàn)象。由此可見(jiàn)，輿論場(chǎng)域通透粘性與情感粒度是信息池化的重要影響因素，而過(guò)去文獻(xiàn)在通透粘性、情感粒度與信息池化之間關(guān)系研究的方面缺乏，這給本研究問(wèn)題的選擇及理論框架建構(gòu)留下了空間。在此背景下，本文將探索如下問(wèn)題：突發(fā)事件中，網(wǎng)絡(luò)空間通透粘性、情感粒度與信息池化間的脈沖響應(yīng)效應(yīng)及邊際影響力如何？變量間的脈沖響應(yīng)效應(yīng)及邊際影響力在不同用戶細(xì)分群體間的差異性如何？

1 理論模型

首先，將通透粘性、情感粒度及信息池化之間關(guān)系納入同一理論框架，建構(gòu)各內(nèi)生變量相互作用、相互影響的動(dòng)態(tài)VAR理論模型。其模型如下：

(1)

其中，pool為信息池化，gran為情感粒度，stic為通透粘性，k為內(nèi)生變量滯后階數(shù)，εi為隨機(jī)誤差項(xiàng)。

在此基礎(chǔ)上，對(duì)VAR模型中的通透粘性、情感粒度及信息池化之間脈沖響應(yīng)進(jìn)行分析，其脈沖響應(yīng)結(jié)構(gòu)如下：

ψvariable(q,δj,Ωt-1)=E(yvariable,t+q|εvariable,jt=

δvariable,j,Ωvariable,t-1)-E(yivariable,t+q|Ωvariable,t-1)=

(2)

同時(shí)，為了分析 模型中通透粘性、情感粒度及信息池化變量間結(jié)構(gòu)性沖擊對(duì)特定內(nèi)生變量變化貢獻(xiàn)率(RVC)，需對(duì)脈沖進(jìn)行方差分解：

(3)

其次，為了分析各內(nèi)生變量每一單位數(shù)值對(duì)因變量影響效應(yīng)的大小，即在某一時(shí)間內(nèi)自變量對(duì)因變量產(chǎn)生的邊際影響力的動(dòng)態(tài)變化過(guò)程，構(gòu)建邊際影響力的狀態(tài)空間模型( SSM)如下：

測(cè)量方程：

(4)

狀態(tài)方程：

(5)

其中，測(cè)量方程中的解釋變量為滯后第i階的影響因子，ui1t為滿足均值E(ui1t)=0和協(xié)方差矩陣var(ui1t)=Hi1t的連續(xù)的不相關(guān)擾動(dòng)項(xiàng)，εijt為滿足均值E(εijt)=0和協(xié)方差矩陣var(εijt)=Hijt的連續(xù)的不相關(guān)擾動(dòng)項(xiàng)。

最后，為了探索變量間關(guān)系在不同區(qū)域的差異性，構(gòu)建如下面板數(shù)據(jù)模型：

(6)

2 變量與數(shù)據(jù)

2.1變量說(shuō)明a.信息池化。信息池化的測(cè)量則采用動(dòng)態(tài)池化指數(shù)，考察在一個(gè)時(shí)間段內(nèi)某節(jié)點(diǎn)的圈層集聚動(dòng)態(tài)變化過(guò)程，用公式表示為：

(7)

2.2數(shù)據(jù)收集

2.2.1 樣本選取 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(bào)告》排行榜單，以其中報(bào)告的每年度輿情事件為抽樣框，根據(jù)《輿情報(bào)告》中對(duì)事件影響力指數(shù)的排名，并同時(shí)結(jié)合事件知名度、媒體報(bào)道程度、危機(jī)關(guān)注度、危機(jī)持續(xù)性、危機(jī)影響力及危機(jī)破壞力等6個(gè)維度作為參考標(biāo)準(zhǔn)[13]，梳理和分析我國(guó)于2015-2020年所發(fā)生的突發(fā)事件，最終確定選擇11個(gè)具有代表性的突發(fā)事件作為本研究樣本，該樣本涵蓋了衛(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(lǐng)域。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

2.2.2 數(shù)據(jù)獲取 本研究采用網(wǎng)絡(luò)爬蟲技術(shù)對(duì)樣本數(shù)據(jù)進(jìn)行采集，綜合考慮各突發(fā)事件樣本信息傳播過(guò)程的有效時(shí)長(zhǎng)，確定對(duì)各樣本事件輿情的跟蹤時(shí)間為21天，在數(shù)據(jù)搜集過(guò)程中，為了數(shù)據(jù)整理和表達(dá)的方便，對(duì)所獲取的數(shù)據(jù)進(jìn)行統(tǒng)一編號(hào)處理，對(duì)每一位用戶及其轉(zhuǎn)發(fā)的信息賦予唯一的ID編號(hào)。對(duì)數(shù)據(jù)進(jìn)行清洗，包括對(duì)數(shù)據(jù)一致性、重復(fù)數(shù)據(jù)、無(wú)效數(shù)據(jù)、缺失值、錯(cuò)誤數(shù)據(jù)等可識(shí)別的不符合要求的數(shù)據(jù)和文件進(jìn)行審查、校驗(yàn)、糾正和處理。經(jīng)過(guò)數(shù)據(jù)清洗后，共獲得有效數(shù)據(jù)54 793條，根據(jù)所爬取字節(jié)和內(nèi)容進(jìn)行識(shí)別、分析、提取、賦值，并計(jì)算形成包含信息池化系數(shù)(pool)、情感粒度系數(shù)(gran)與通透粘性系數(shù)(stic)三個(gè)變量的面板大數(shù)據(jù)。

3 整體效應(yīng)分析

3.1VAR模型估計(jì)首先，采用ADF方法對(duì)信息池化、通透粘性及情感粒度三個(gè)序列進(jìn)行平穩(wěn)性檢驗(yàn)，以確定是否需構(gòu)建向量誤差修正模型，其檢驗(yàn)結(jié)果如表2所示。

表2 各序列ADF平穩(wěn)性檢驗(yàn)

表2檢驗(yàn)結(jié)果顯示，信息池化、通透粘性及情感粒度三個(gè)序列的檢驗(yàn)統(tǒng)計(jì)量值均小于1%臨界值，即檢驗(yàn)p值大于0.01顯著水平，拒絕原假設(shè)，表明三個(gè)變量的原序列不存在單根，即序列平穩(wěn)，故不需構(gòu)建向量誤差修正模型，直接構(gòu)建VAR模型。

為了進(jìn)一步了解信息池化、通透粘性及情感粒度之間影響的滯后時(shí)間長(zhǎng)度，需對(duì)VAR模型中內(nèi)生變量滯后長(zhǎng)度進(jìn)行識(shí)別和判斷。其判斷結(jié)果見(jiàn)表3。

表3 時(shí)滯長(zhǎng)度選擇標(biāo)準(zhǔn)

根據(jù)LR檢驗(yàn)，以及FPE 、AIC、SC、HQ信息準(zhǔn)則最小化的標(biāo)準(zhǔn)，由表3可見(jiàn)，VAR模型的最佳時(shí)間滯后長(zhǎng)度為2期。為了確定VAR模型構(gòu)建和設(shè)定的正確性，需對(duì)構(gòu)建的模型進(jìn)行穩(wěn)定性檢驗(yàn)。其單根穩(wěn)定性檢驗(yàn)結(jié)果顯示，代表AR特征根倒數(shù)的模的點(diǎn)均落在單位圓內(nèi)，表明所構(gòu)建的模型均滿足穩(wěn)定性條件，說(shuō)明所設(shè)置的模型均正確，無(wú)需重新構(gòu)建。

以內(nèi)生變量滯后2階建構(gòu)VAR模型，并對(duì)其進(jìn)行模型估計(jì)，其結(jié)果如表4所示。

由表4可見(jiàn)，VAR模型的三個(gè)方程中各項(xiàng)系數(shù)顯著性檢驗(yàn)的|t|值均大于1.96，表明模型中各系數(shù)t檢驗(yàn)在0.05水平下顯著。同時(shí)，各方程可決系數(shù)R-squared值均大于0.70，樣本容量為21，且模型F檢驗(yàn)對(duì)應(yīng)的p值均小于0.05，即各方程在0.05顯著水平下均達(dá)到顯著水平，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(jì)結(jié)果可用于信息池化、通透粘性及情感粒度之間動(dòng)態(tài)影響的相關(guān)分析。

表4 VAR模型參數(shù)估計(jì)結(jié)果

3.2脈沖響應(yīng)為了揭示通透粘性、情感粒度及信息池化之間的動(dòng)態(tài)擾動(dòng)特征，在VAR模型估計(jì)基礎(chǔ)上分別對(duì)情感粒度、通透粘性及信息池化進(jìn)行脈沖響應(yīng)分析。對(duì)應(yīng)分析結(jié)果如圖1所示。

由圖1可見(jiàn)，在第一行脈沖圖中，當(dāng)信息池化、通透粘性及情感粒度受到一個(gè)正向沖擊時(shí)，通透粘性的自相關(guān)效應(yīng)對(duì)自身迅速產(chǎn)生沖擊影響，且影響效應(yīng)為較大的正向波動(dòng)，情感粒度及信息池化的沖擊影響并非迅速傳導(dǎo)至通透粘性。其中，情感粒度的影響最大，信息池化與通透粘性自相關(guān)效應(yīng)的沖擊均較大。在第二行脈沖圖中，通透粘性沖擊及情感粒度自相關(guān)效應(yīng)對(duì)情感粒度均迅速產(chǎn)生正向影響，且影響效應(yīng)均較大，而信息池化的沖擊并未迅速對(duì)情感粒度產(chǎn)生影響。其中，情感粒度自相關(guān)效應(yīng)的影響最大，信息池化與通透粘性的沖擊均較大。在第三行脈沖圖中，信息池化自相關(guān)效應(yīng)、通透粘性及情感粒度的每次沖擊可迅速傳導(dǎo)至信息池化，滯后三期內(nèi)具有較大影響，并呈逐漸減弱趨勢(shì)。其中，信息池化自相關(guān)效應(yīng)最大，通透粘性及情感粒度的沖擊效應(yīng)也均較大。

關(guān)于通透粘性、情感粒度及信息池化之間存在滯后脈沖影響效應(yīng)，在突發(fā)事件網(wǎng)絡(luò)信息傳播中，當(dāng)網(wǎng)絡(luò)通透粘性較大及情感粒度較大時(shí)，在該粘性及情感作用下，用戶間可產(chǎn)生較強(qiáng)的群體成員關(guān)系，并易于形成認(rèn)知接近的內(nèi)群體，從而可借助群體力量推動(dòng)事件解決，以及通過(guò)群體進(jìn)行情感分享以降低情感壓力。在影響效應(yīng)上，相對(duì)外群體而言，內(nèi)群體對(duì)用戶的影響更加明顯，無(wú)論是在社會(huì)規(guī)范、行為方式還是生活習(xí)慣上，個(gè)人傾向于與所屬群體保持一致。因此，通透粘性及情感粒度易于使用戶形成內(nèi)群體，并出現(xiàn)從眾效應(yīng)，進(jìn)而產(chǎn)生信息池化行為。

3.3貢獻(xiàn)率分解為了比較通透粘性、情感粒度及信息池化相互擾動(dòng)效應(yīng)的大小，從而識(shí)別出不同影響因素對(duì)通透粘性、情感粒度及信息池化影響的重要程度，需在上述各影響因素動(dòng)態(tài)擾動(dòng)特征分析的基礎(chǔ)上，分別對(duì)各因素的波動(dòng)貢獻(xiàn)率進(jìn)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(jiàn)，在信息池化方差分解中，在前六期信息池化自相關(guān)的影響較大且逐漸下降，情感粒度的影響相對(duì)較小且快速上升，其影響于滯后六期后趨向平穩(wěn)，通透粘性在整個(gè)過(guò)程中對(duì)波動(dòng)的貢獻(xiàn)率較小。對(duì)于整個(gè)過(guò)程，情感粒度對(duì)信息池化波動(dòng)的貢獻(xiàn)率約為43%，信息池化自相關(guān)效應(yīng)約為41%，通透粘性影響效應(yīng)約為17%。情感粒度自相關(guān)效應(yīng)對(duì)情感粒度波動(dòng)的貢獻(xiàn)率約為64%，信息池化影響效應(yīng)約為27%，通透粘性影響效應(yīng)約為9%。情感粒度對(duì)通透粘性波動(dòng)的貢獻(xiàn)率約為60%，通透粘性自相關(guān)效應(yīng)約為18%，信息池化的影響效應(yīng)約為22%。

4 邊際效應(yīng)分析

4.1邊際影響力在上述脈沖波動(dòng)分析基礎(chǔ)上，為了進(jìn)一步了解通透粘性、情感粒度及信息池化之間的邊際影響力，在此使用狀態(tài)空間模型對(duì)各變量之間邊際影響力的變化過(guò)程進(jìn)行分析，從而揭示通透粘性、情感粒度及信息池化之間影響效應(yīng)的波動(dòng)過(guò)程特征。其狀態(tài)空間模型分析結(jié)果如圖3～5所示。

圖3結(jié)果顯示，通透粘性與情感粒度對(duì)信息池化的邊際影響力變化呈倒U形拋物線特征。其中，通透粘性對(duì)信息池化系數(shù)的邊際影響力先快速上升，其后緩慢下降。情感粒度對(duì)信息池化系數(shù)的邊際影響力先波動(dòng)上升，其后快速下降。

圖4結(jié)果顯示，通透粘性與信息池化對(duì)情感粒度的邊際影響力變化呈U形特征。其中，通透粘性對(duì)情感粒度系數(shù)的邊際影響力先快速下降，其后快速上升。信息池化對(duì)情感粒度系數(shù)的邊際影響力也先逐漸下降，其后緩慢上升。

圖4 情感粒度邊際影響分析

圖5結(jié)果顯示，信息池化與情感粒度對(duì)通透粘性的邊際影響力變化呈倒U形拋物線特征。其中，情感粒度對(duì)通透粘性系數(shù)的邊際影響力先下降，其后波動(dòng)上升，其后緩慢下降。信息池化對(duì)通透粘性系數(shù)的邊際影響力先快速上升，其后緩慢下降。

圖5 通透粘性邊際影響分析

4.2群組差異性由于各類用戶群體在社會(huì)角色及認(rèn)知心理上的差異，從而導(dǎo)致不同性別、年齡及學(xué)歷的群體在通透粘性、情感粒度及信息池化之間的影響效應(yīng)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(duì)數(shù)據(jù)進(jìn)行擬合和分析。

使用Eviews10.0計(jì)量軟件對(duì)模型進(jìn)行擬合，其擬合結(jié)果如表5所示。

表5 群組面板模型擬合結(jié)果

表5擬合結(jié)果顯示，從表中的縱向結(jié)果數(shù)據(jù)看，根據(jù)各變量系數(shù)大小，對(duì)于信息池化方程，情感粒度變量的系數(shù)β1值呈現(xiàn)出大于通透粘性變量對(duì)應(yīng)的系數(shù)γ1值，表明情感粒度對(duì)信息池化的影響效應(yīng)大于通透粘性的影響效應(yīng)。對(duì)于通透粘性方程，情感粒度變量的系數(shù)β2值呈現(xiàn)出大于信息池化變量對(duì)應(yīng)的系數(shù)γ2值，表明情感粒度對(duì)通透粘性的影響效應(yīng)大于信息池化的影響效應(yīng)。對(duì)于情感粒度方程，通透粘性變量的系數(shù)β3值呈現(xiàn)出大于信息池化變量對(duì)應(yīng)的系數(shù)γ3值，表明通透粘性對(duì)情感粒度的影響效應(yīng)大于信息池化的影響效應(yīng)。

從表中的橫向結(jié)果數(shù)據(jù)看，對(duì)于信息池化方程，根據(jù)各變量系數(shù)大小，通過(guò)比較情感粒度變量的系數(shù)β1值及通透粘性變量系數(shù)γ1值，結(jié)果顯示：對(duì)于β1值及γ1值，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(xué)歷群組上，小學(xué)及以下群組最大，中學(xué)群組較大，大學(xué)及以上群組最小。

5 穩(wěn)健性分析

本文從替換估計(jì)方法方面考慮模型估計(jì)結(jié)果的穩(wěn)健性，在VAR模型脈沖響應(yīng)分析時(shí)，之前采用了殘差協(xié)方差矩陣的Cholesky因子的逆來(lái)正交化脈沖，現(xiàn)采用廣義脈沖方法替代，即構(gòu)建一個(gè)不依賴于VAR模型中變量次序的正交化的殘差矩陣。而在進(jìn)行區(qū)域差異性分析時(shí)，采用工具變量的二階段最小二乘法替代上述采用的最小二乘法對(duì)面板模型進(jìn)行估計(jì)。

在狀態(tài)空間模型中，其算法包括“Marquardt”和“BHHH”估計(jì)方法。之前采用Marquardt進(jìn)行估計(jì)，可以提供數(shù)值非線性最小化解決方案?，F(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(lái)運(yùn)算多元變量模型的殘差項(xiàng)的方差與協(xié)方差矩陣，并運(yùn)算新的搜索方向，以獲得收斂的最佳算法。

兩種方法估計(jì)結(jié)果及差異性檢驗(yàn)結(jié)果顯示，采用上述替代方法進(jìn)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)差異性檢驗(yàn)p值均大于0.05的顯著水平，檢驗(yàn)結(jié)果顯示采用替代方法估計(jì)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(biāo)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。

6 結(jié)論與啟示

通過(guò)具有代表性的11個(gè)突發(fā)事件面板大數(shù)據(jù)，探索了通透粘性、情感粒度及信息池化之間動(dòng)態(tài)影響，得出如下研究結(jié)論：

第一，當(dāng)信息池化、通透粘性及情感粒度受到一個(gè)正向沖擊時(shí)，通透粘性的自相關(guān)效應(yīng)對(duì)自身迅速產(chǎn)生沖擊影響，且影響效應(yīng)為較大的正向波動(dòng)，情感粒度及信息池化的沖擊影響并非迅速傳導(dǎo)至通透粘性。其中，情感粒度的影響最大，信息池化與通透粘性自相關(guān)效應(yīng)的沖擊均較大。通透粘性沖擊及情感粒度自相關(guān)效應(yīng)對(duì)情感粒度均迅速產(chǎn)生正向影響，且影響效應(yīng)均較大，而信息池化的沖擊并未迅速對(duì)情感粒度產(chǎn)生影響。其中，情感粒度自相關(guān)效應(yīng)的影響最大，信息池化與通透粘性的沖擊均較大。信息池化自相關(guān)效應(yīng)、通透粘性及情感粒度的每次沖擊可迅速傳導(dǎo)至信息池化，滯后三期內(nèi)具有較大影響，并呈逐漸減弱趨勢(shì)。其中，信息池化自相關(guān)效應(yīng)最大，通透粘性及情感粒度的沖擊效應(yīng)也均較大。

第二，對(duì)于整個(gè)過(guò)程，情感粒度對(duì)信息池化波動(dòng)的貢獻(xiàn)率最大，信息池化自相關(guān)效應(yīng)較大，通透粘性影響效應(yīng)較小。情感粒度自相關(guān)效應(yīng)對(duì)情感粒度波動(dòng)的貢獻(xiàn)率最大，信息池化影響效應(yīng)較大，通透粘性影響效應(yīng)較小。情感粒度對(duì)通透粘性波動(dòng)的貢獻(xiàn)率最大，通透粘性自相關(guān)效應(yīng)及信息池化的影響效應(yīng)均較大。

第三，通透粘性與情感粒度對(duì)信息池化的邊際影響力變化呈倒U形拋物線特征，通透粘性與信息池化對(duì)情感粒度的邊際影響力變化呈U形特征，信息池化與情感粒度對(duì)通透粘性的邊際影響力變化呈倒U形拋物線特征。

第四，情感粒度對(duì)信息池化的影響效應(yīng)大于通透粘性的影響效應(yīng)，情感粒度對(duì)通透粘性的影響效應(yīng)大于信息池化的影響效應(yīng)，通透粘性對(duì)情感粒度的影響效應(yīng)大于信息池化的影響效應(yīng)。

關(guān)于通透粘性與情感粒度對(duì)信息池化滯后影響效應(yīng)的形成，一方面，弱關(guān)系理論指出，在人際關(guān)系較弱的社會(huì)系統(tǒng)中，人們可從廣泛的信源獲得更多樣化的信息，刺激個(gè)體的想法使創(chuàng)新更有可能，因而在該類群體中不易于產(chǎn)生從眾效應(yīng)，其信息池化也越弱。如果該系統(tǒng)主要由較強(qiáng)關(guān)系成員構(gòu)成，用戶間具有較高的相似性，所獲得的信息具有較大程度趨同，通過(guò)強(qiáng)關(guān)系傳播的信息更可能局限于較小的社會(huì)空間范圍。由于人們慣于通過(guò)該強(qiáng)關(guān)系圈子進(jìn)行交流，個(gè)體主動(dòng)獲取信息的信源范圍則較小，且信息多樣化程度較低，其中多數(shù)信息具有相似性[14]。因而，通透粘性較大時(shí)，人們易于產(chǎn)生信息從眾心理，其信息池化程度也越高。另一方面，有限理性理論指出，大多數(shù)人只是部分理性，在他們其余的行為中是非理性的，人們?cè)谥贫ê徒鉀Q復(fù)雜問(wèn)題以及處理信息方面(接收、存儲(chǔ)、檢索、傳輸)會(huì)受到多種因素限制。通常，在個(gè)人做出決策時(shí)，其理性會(huì)受到?jīng)Q策問(wèn)題的易處性、思維的認(rèn)知局限性以及需做出決策的時(shí)間壓力的限制和影響，從而行為主體尋求的是滿意的決策，而非最佳解決方案[15]，其中情感粒度則是人們認(rèn)知中非理性的重要影響因素。突發(fā)事件中，在有限理性作用下，人們的情感和情緒則促進(jìn)了人們易于產(chǎn)生從眾效應(yīng)，從而信息池化程度也越高。

該研究結(jié)論對(duì)突發(fā)事件中用戶信息池化行為的管控和治理具有啟示意義。首先，在信息池化行為管控及治理過(guò)程中，應(yīng)重點(diǎn)加強(qiáng)用戶情感引導(dǎo)及情緒疏通工作，尤其在突發(fā)事件發(fā)生的初期則為情緒引導(dǎo)和情感擴(kuò)散控制的最佳時(shí)間。同時(shí)，降低因通透粘性而引起的不準(zhǔn)確信息的快速擴(kuò)散，以及因客觀信息披露不及時(shí)而導(dǎo)致用戶信息池化效應(yīng)，從而引起小道消息的快速和廣泛流動(dòng)。通過(guò)對(duì)用戶情感的疏導(dǎo)及信息池化現(xiàn)象的管控，及時(shí)搶占網(wǎng)絡(luò)話語(yǔ)主動(dòng)權(quán)，從而降低用戶認(rèn)知偏差的產(chǎn)生和聚變。其次，通過(guò)對(duì)用戶情感粒度的監(jiān)管，既能減少用戶信息池化，也能降低通透粘性的概率。同時(shí)，通過(guò)對(duì)通透粘性的管控，既能減少用戶信息池化的負(fù)面效應(yīng)，也能降低用戶因情感粒度增大而引起情緒極化的風(fēng)險(xiǎn)。即通過(guò)對(duì)突發(fā)事件中用戶情感粒度和通透粘性的管控，可較好的實(shí)現(xiàn)降低用戶情感粒度、弱化通透粘性、降低用戶信息池化三者間的良性循環(huán)，實(shí)現(xiàn)關(guān)鍵影響因素的源頭性協(xié)同治理，從而大幅降低因用戶信息池化而引發(fā)輿情失控的風(fēng)險(xiǎn)和概率。最后，由于情感粒度、通透粘性及信息池化之間相互影響效應(yīng)在不同用戶類型上存在差異，因此在突發(fā)事件信息池化行為治理過(guò)程中，對(duì)用戶信息池化行為可采取用戶細(xì)分差異化策略，根據(jù)不同用戶類型制定有針對(duì)性的監(jiān)控和管理措施。具體而言，在進(jìn)行情感引導(dǎo)、通透粘性管控及信息池化監(jiān)控過(guò)程中，在性別方面，應(yīng)加強(qiáng)對(duì)女性用戶的重點(diǎn)監(jiān)控。在年齡層面，重點(diǎn)加強(qiáng)對(duì)29歲及以下用戶的引導(dǎo)和監(jiān)管，其次為30歲至49歲的用戶。