二、心理恐慌与人口特征
受众的人口特征区别是否会是导致心理恐慌的差异呢？为了探讨这个问题，我们使用回归分析分别对食品安全报道受众心理恐慌的两个维度进行研究。
(一)焦虑与人口变量的回归分析
我们在回归模型的建立方法中选择了向后剔除法，用所有的人口变量作为自变量，“焦虑”量表作为因变量进行回归建模。在表5-5的内容说明系统中一共建立了12个模型，第一个模型中包含了“个体营业者”、“教师或者研究人员”、“待业或无业人士(非离退休人员)”、“离退休人员”、“学生”、“公司企业职员”、“医务人员”、“普通职工”、“国家机关或事业单位工作人员”、“收入”、“年龄”、“性别”、“最高学历”等13个人口变量；第二个模型首先剔除了“最高学历”变量；第三个模型又剔除了“离退休人员”这个变量；接着再依次剔除“学生”、“医务人员”、“国家机关或事业单位工作人员”、“普通职工”、“待业或无业人士(非离退休人员)”、“个体营业者”、“教师或者研究人员”、“公司企业职员”等无关变量，原因是这些变量F值的概率均大于0.1。
表5-5 变量的进入与剔除
续表
a:All requested variables entered.
b:Dependent Variable:焦虑
从表5-6中可以看出，包含所有13个人口自变量的第一个模型的调整判定系数为0.008；第二个剔除“最高学历”变量后，调整判断系数为0.012；第三个模型进一步剔除了“离退休人员”变量，调整判定系数变为0.015；接着依次剔除无关变量，调整判定系数不断变化。我们发现只有在第12个模型剔除“收入”变量时，调整判定系数略微减小了，这说明“收入”变量对因变量多少还有一点影响，但是由于达不到显著性水平被从模型中剔除了。
表5-6 多元回归模型的统计概要
a:Predictors:(Constant)，个体营业者，最高学历，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，离退休人员，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
b:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，离退休人员，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
c:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
d:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
e:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，待业或无业人士(非离退休人员)，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
f:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，待业或无业人士(非离退休人员)，公司企业职员，年龄，收入，普通职工
g:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，待业或无业人士(非离退休人员)，公司企业职员，年龄，收入
h:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，公司企业职员，年龄，收入
i:Predictors:(Constant)，教师或者研究人员，性别，公司企业职员，年龄，收入
j:Predictors:(Constant)，性别，公司企业职员，年龄，收入
k:Predictors:(Constant)，性别，年龄，收入
l:Predictors:(Constant)，性别，年龄
m:Dependent Variable:焦虑
表5-7显示第一到第八个模型的显著性水平都高于0.05，因此配合回归模型意义不是很大。第九到第十二个模型的显著性水平都达到了0.05的范围，因此配合回归模型是有意义的。但是随着无效变量的逐步剔除，F值越来越大，这说明只有最后一个模型，即包含“年龄”和“性别”两个自变量的模型的拟合优度是最好的。
表5-7 多元回归模型的方差分析
续表
a:Predictors:(Constant)，个体营业者，最高学历，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，离退休人员，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
b:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，离退休人员，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
c:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
d:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
e:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，待业或无业人士(非离退休人员)，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
f:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，待业或无业人士(非离退休人员)，公司企业职员，年龄，收入，普通职工
g:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，待业或无业人士(非离退休人员)，公司企业职员，年龄，收入
h:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，公司企业职员，年龄，收入
i:Predictors:(Constant)，教师或者研究人员，性别，公司企业职员，年龄，收入
j:Predictors:(Constant)，性别，公司企业职员，年龄，收入
k:Predictors:(Constant)，性别，年龄，收入
l:Predictors:(Constant)，性别，年龄
m:Dependent Variable:焦虑
表5-8是根据四个包含不同数量自变量的模型，所分别给出的回归系数、回归系数的标准误差、标准化回归系数、T检验值、T检验值的显著性水平、容限度和方差膨胀因子。在第一个模型中，所有的自变量中只有“性别”的T检验值的显著性达不到0.1的水平；根据向后剔除法，第二个模型先剔除了显著性最差的“最高学历”，剩下的几个自变量的显著性水平都有所增加，但是仍旧达不到显著性水平；这样依次剔除变量，最后到第12个模型时变量，模型中只留下“性别”和“年龄”两个有效变量。
表5-8 多元回归模型的回归系数表
续表
续表
续表
续表
a:Dependent Variable:焦虑
回归分析告诉我们，对于食品安全受众的“焦虑”心理差异，在13个人口变量中只有“性别”和“年龄”显著地贡献了力量，也就是说主要由于这两个人口变量的差别导致了“焦虑”心理的差异。
(二)担忧与人口变量的回归分析
使用同样方法，我们也对“担忧”变量进行回归分析，统计结果见表5-9到表5-12，结果只有“性别”和“个体营业者”两个变量显著地贡献了差异力量，其他11个变量对于“担忧”变量差异的产生都不具有决定性的作用。
表5-9 变量的进入与剔除
续表
a:All requested variables entered.
b:Dependent Variable:担忧
表5-10 多元回归模型的统计概要
a:Predictors:(Constant)，个体营业者，最高学历，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，离退休人员，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
b:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，离退休人员，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
c:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
d:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，公司企业职员，年龄，普通职工，国家机关或事业单位工作人员
e:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，学生，公司企业职员，年龄，普通职工，国家机关或事业单位工作人员
f:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，公司企业职员，年龄，普通职工，国家机关或事业单位工作人员
g:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，年龄，普通职工，国家机关或事业单位工作人员
h:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，年龄，普通职工，国家机关或事业单位工作人员
i:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，年龄，国家机关或事业单位工作人员
j:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，年龄
k:Predictors:(Constant)，个体营业者，性别，年龄
l:Predictors:(Constant)，个体营业者，性别
m:Dependent Variable:担忧
表5-11 多元回归模型的方差分析
续表
a:Predictors:(Constant)，个体营业者，最高学历，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，离退休人员，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
b:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，离退休人员，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
c:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，公司企业职员，年龄，收入，普通职工，国家机关或事业单位工作人员
d:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，待业或无业人士(非离退休人员)，学生，公司企业职员，年龄，普通职工，国家机关或事业单位工作人员
e:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，学生，公司企业职员，年龄，普通职工，国家机关或事业单位工作人员
f:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，公司企业职员，年龄，普通职工，国家机关或事业单位工作人员
g:Predictors:(Constant)，个体营业者，医务人员，教师或者研究人员，性别，年龄，普通职工，国家机关或事业单位工作人员
h:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，年龄，普通职工，国家机关或事业单位工作人员
i:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，年龄，国家机关或事业单位工作人员
j:Predictors:(Constant)，个体营业者，教师或者研究人员，性别，年龄
k:Predictors:(Constant)，个体营业者，性别，年龄
l:Predictors:(Constant)，个体营业者，性别
m:Dependent Variable:担忧
表5-12 多元回归模型的回归系数
续表
续表
续表
续表
a:Dependent Variable:担忧
(三)心理恐慌与人口变量的差异分析
既然受众心理恐慌的两个维度———焦虑和担忧都受到人口变量中的“性别”变量的变异的影响，而“年龄”变量对焦虑变量影响显著，因此笔者认为有必要进一步讨论这两个人口变量与受众心理恐慌之间的关系。首先通过SPSS把“焦虑”和“担忧”两个变量合并为一个多选变量“恐慌”，再利用SPSS对不同“性别”和“年龄”被试进行“恐慌”变量的交叉分析。
表5-13是“恐慌”与被试“性别”间的交互分析结果，我们从数据中发现:女性在选择“非常同意”和“比较同意”两项上人数比例都高于男性，女性明确认为自己为食品安全问题而恐慌的占到了72.9％，而男性这个数字只有60.2％，即女性比男性在食品安全问题上感到恐慌的人数比例要高出一成以上；而在持否定意见的被试中，男性和女性的差别并不大，分别为13.3％和12.2％，也就是说两性认为食品安全问题不令人恐慌的人数比例都很低；“没想过”是介于同意和反对之间的值，我们发现男性比女性更多地选择了这个中间值，这可能是由于社会角色中女性会更多地负责家庭成员的饮食问题，因此她们就相较于男性在食品安全问题上考虑得更多一些。
表5-13 恐慌与性别交互分析
Percents and totals based on respondents
271 valid cases； 17 missing cases
表5-14的数据显示:在肯定食品安全问题给自己造成恐慌的人群中，30岁是一个较为明显的分界岭，30岁以上的人更普遍地选择高度恐慌，而30岁以下的人更普遍地选择中度恐慌，比例差别达到一成到两成，这可能与家庭责任有关系———30岁以上的人普遍结婚生子，家庭责任感较重，也就更易于关注家庭成员的饮食健康问题；另外，40多岁的被试群体选择“没想过”的仅有5.1％，比例远远低于其他年龄段的被试，这可能由于40多岁正是人生中家庭责任感最重的时期，多数人处于“上有老下有小”的阶段，40多岁的人群需要更多地考虑家庭的安全和发展问题。这个结论恰好与中国社会家庭年龄结构层次相一致。
表5-14 恐慌与年龄交互分析表
Percents and totals based on responses
282 valid cases； 6 missing cases
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
