二、心理恐慌與人口特征

受眾的人口特征區(qū)別是否會是導致心理恐慌的差異呢？為了探討這個問題，我們使用回歸分析分別對食品安全報道受眾心理恐慌的兩個維度進行研究。

(一)焦慮與人口變量的回歸分析

我們在回歸模型的建立方法中選擇了向后剔除法，用所有的人口變量作為自變量，“焦慮”量表作為因變量進行回歸建模。在表5-5的內容說明系統(tǒng)中一共建立了12個模型，第一個模型中包含了“個體營業(yè)者”、“教師或者研究人員”、“待業(yè)或無業(yè)人士(非離退休人員)”、“離退休人員”、“學生”、“公司企業(yè)職員”、“醫(yī)務人員”、“普通職工”、“國家機關或事業(yè)單位工作人員”、“收入”、“年齡”、“性別”、“最高學歷”等13個人口變量；第二個模型首先剔除了“最高學歷”變量；第三個模型又剔除了“離退休人員”這個變量；接著再依次剔除“學生”、“醫(yī)務人員”、“國家機關或事業(yè)單位工作人員”、“普通職工”、“待業(yè)或無業(yè)人士(非離退休人員)”、“個體營業(yè)者”、“教師或者研究人員”、“公司企業(yè)職員”等無關變量，原因是這些變量F值的概率均大于0.1。

表5-5　變量的進入與剔除

續(xù)表

a:All requested variables entered.

b:Dependent Variable:焦慮

從表5-6中可以看出，包含所有13個人口自變量的第一個模型的調整判定系數為0.008；第二個剔除“最高學歷”變量后，調整判斷系數為0.012；第三個模型進一步剔除了“離退休人員”變量，調整判定系數變?yōu)?.015；接著依次剔除無關變量，調整判定系數不斷變化。我們發(fā)現只有在第12個模型剔除“收入”變量時，調整判定系數略微減小了，這說明“收入”變量對因變量多少還有一點影響，但是由于達不到顯著性水平被從模型中剔除了。

表5-6　多元回歸模型的統(tǒng)計概要

a:Predictors:(Constant)，個體營業(yè)者，最高學歷，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，離退休人員，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

b:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，離退休人員，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

c:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

d:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

e:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

f:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，公司企業(yè)職員，年齡，收入，普通職工

g:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，公司企業(yè)職員，年齡，收入

h:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，公司企業(yè)職員，年齡，收入

i:Predictors:(Constant)，教師或者研究人員，性別，公司企業(yè)職員，年齡，收入

j:Predictors:(Constant)，性別，公司企業(yè)職員，年齡，收入

k:Predictors:(Constant)，性別，年齡，收入

l:Predictors:(Constant)，性別，年齡

m:Dependent Variable:焦慮

表5-7顯示第一到第八個模型的顯著性水平都高于0.05，因此配合回歸模型意義不是很大。第九到第十二個模型的顯著性水平都達到了0.05的范圍，因此配合回歸模型是有意義的。但是隨著無效變量的逐步剔除，F值越來越大，這說明只有最后一個模型，即包含“年齡”和“性別”兩個自變量的模型的擬合優(yōu)度是最好的。

表5-7　多元回歸模型的方差分析

續(xù)表

a:Predictors:(Constant)，個體營業(yè)者，最高學歷，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，離退休人員，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

b:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，離退休人員，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

c:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

d:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

e:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

f:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，公司企業(yè)職員，年齡，收入，普通職工

g:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，公司企業(yè)職員，年齡，收入

h:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，公司企業(yè)職員，年齡，收入

i:Predictors:(Constant)，教師或者研究人員，性別，公司企業(yè)職員，年齡，收入

j:Predictors:(Constant)，性別，公司企業(yè)職員，年齡，收入

k:Predictors:(Constant)，性別，年齡，收入

l:Predictors:(Constant)，性別，年齡

m:Dependent Variable:焦慮

表5-8是根據四個包含不同數量自變量的模型，所分別給出的回歸系數、回歸系數的標準誤差、標準化回歸系數、T檢驗值、T檢驗值的顯著性水平、容限度和方差膨脹因子。在第一個模型中，所有的自變量中只有“性別”的T檢驗值的顯著性達不到0.1的水平；根據向后剔除法，第二個模型先剔除了顯著性最差的“最高學歷”，剩下的幾個自變量的顯著性水平都有所增加，但是仍舊達不到顯著性水平；這樣依次剔除變量，最后到第12個模型時變量，模型中只留下“性別”和“年齡”兩個有效變量。

表5-8　多元回歸模型的回歸系數表

續(xù)表

續(xù)表

續(xù)表

續(xù)表

a:Dependent Variable:焦慮

回歸分析告訴我們，對于食品安全受眾的“焦慮”心理差異，在13個人口變量中只有“性別”和“年齡”顯著地貢獻了力量，也就是說主要由于這兩個人口變量的差別導致了“焦慮”心理的差異。

(二)擔憂與人口變量的回歸分析

使用同樣方法，我們也對“擔憂”變量進行回歸分析，統(tǒng)計結果見表5-9到表5-12，結果只有“性別”和“個體營業(yè)者”兩個變量顯著地貢獻了差異力量，其他11個變量對于“擔憂”變量差異的產生都不具有決定性的作用。

表5-9　變量的進入與剔除

續(xù)表

a:All requested variables entered.

b:Dependent Variable:擔憂

表5-10　多元回歸模型的統(tǒng)計概要

a:Predictors:(Constant)，個體營業(yè)者，最高學歷，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，離退休人員，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

b:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，離退休人員，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

c:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

d:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，公司企業(yè)職員，年齡，普通職工，國家機關或事業(yè)單位工作人員

e:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，學生，公司企業(yè)職員，年齡，普通職工，國家機關或事業(yè)單位工作人員

f:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，公司企業(yè)職員，年齡，普通職工，國家機關或事業(yè)單位工作人員

g:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，年齡，普通職工，國家機關或事業(yè)單位工作人員

h:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，年齡，普通職工，國家機關或事業(yè)單位工作人員

i:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，年齡，國家機關或事業(yè)單位工作人員

j:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，年齡

k:Predictors:(Constant)，個體營業(yè)者，性別，年齡

l:Predictors:(Constant)，個體營業(yè)者，性別

m:Dependent Variable:擔憂

表5-11　多元回歸模型的方差分析

續(xù)表

a:Predictors:(Constant)，個體營業(yè)者，最高學歷，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，離退休人員，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

b:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，離退休人員，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

c:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，公司企業(yè)職員，年齡，收入，普通職工，國家機關或事業(yè)單位工作人員

d:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，待業(yè)或無業(yè)人士(非離退休人員)，學生，公司企業(yè)職員，年齡，普通職工，國家機關或事業(yè)單位工作人員

e:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，學生，公司企業(yè)職員，年齡，普通職工，國家機關或事業(yè)單位工作人員

f:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，公司企業(yè)職員，年齡，普通職工，國家機關或事業(yè)單位工作人員

g:Predictors:(Constant)，個體營業(yè)者，醫(yī)務人員，教師或者研究人員，性別，年齡，普通職工，國家機關或事業(yè)單位工作人員

h:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，年齡，普通職工，國家機關或事業(yè)單位工作人員

i:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，年齡，國家機關或事業(yè)單位工作人員

j:Predictors:(Constant)，個體營業(yè)者，教師或者研究人員，性別，年齡

k:Predictors:(Constant)，個體營業(yè)者，性別，年齡

l:Predictors:(Constant)，個體營業(yè)者，性別

m:Dependent Variable:擔憂

表5-12　多元回歸模型的回歸系數

續(xù)表

續(xù)表

續(xù)表

續(xù)表

a:Dependent Variable:擔憂

(三)心理恐慌與人口變量的差異分析

既然受眾心理恐慌的兩個維度———焦慮和擔憂都受到人口變量中的“性別”變量的變異的影響，而“年齡”變量對焦慮變量影響顯著，因此筆者認為有必要進一步討論這兩個人口變量與受眾心理恐慌之間的關系。首先通過SPSS把“焦慮”和“擔憂”兩個變量合并為一個多選變量“恐慌”，再利用SPSS對不同“性別”和“年齡”被試進行“恐慌”變量的交叉分析。

表5-13是“恐慌”與被試“性別”間的交互分析結果，我們從數據中發(fā)現:女性在選擇“非常同意”和“比較同意”兩項上人數比例都高于男性，女性明確認為自己為食品安全問題而恐慌的占到了72.9％，而男性這個數字只有60.2％，即女性比男性在食品安全問題上感到恐慌的人數比例要高出一成以上；而在持否定意見的被試中，男性和女性的差別并不大，分別為13.3％和12.2％，也就是說兩性認為食品安全問題不令人恐慌的人數比例都很低；“沒想過”是介于同意和反對之間的值，我們發(fā)現男性比女性更多地選擇了這個中間值，這可能是由于社會角色中女性會更多地負責家庭成員的飲食問題，因此她們就相較于男性在食品安全問題上考慮得更多一些。

表5-13　恐慌與性別交互分析

Percents and totals based on respondents

271 valid cases； 17 missing cases

表5-14的數據顯示:在肯定食品安全問題給自己造成恐慌的人群中，30歲是一個較為明顯的分界嶺，30歲以上的人更普遍地選擇高度恐慌，而30歲以下的人更普遍地選擇中度恐慌，比例差別達到一成到兩成，這可能與家庭責任有關系———30歲以上的人普遍結婚生子，家庭責任感較重，也就更易于關注家庭成員的飲食健康問題；另外，40多歲的被試群體選擇“沒想過”的僅有5.1％，比例遠遠低于其他年齡段的被試，這可能由于40多歲正是人生中家庭責任感最重的時期，多數人處于“上有老下有小”的階段，40多歲的人群需要更多地考慮家庭的安全和發(fā)展問題。這個結論恰好與中國社會家庭年齡結構層次相一致。

表5-14　恐慌與年齡交互分析表

Percents and totals based on responses

282 valid cases； 6 missing cases