Page 237 - 《社会》2017年第4期
P. 237

社会· 2017 · 4

   率,网络成员的个体背景对社交网络的政治性使用影响并不大,因此,
   线上公共参与行为可能更多受到在线网络结构的作用。基于这个重要
   的在线环境,我们将继续探究在线网络中群体极化又受到了哪些网络
   机制的塑造。

         表 3 : 犛犖犛 政治性使用的影响因素(加权最小二乘回归, 犖=1047 )
                         犛犖犛 使用频率      政治性使用频率      政治性使用的重要性
                           (模型 1 )       (模型 2 )        (模型 3 )
                          犅     犛.犈     犅     犛.犈     犅      犛.犈
   犛犖犛 使用频率              ———    ———  0.068   ( 0.018 ) 0.061   ( 0.018 )
   “朋友” 犛犖犛 政治性使用频率      ———    ———  0.355   ( 0.040 ) 0.148   ( 0.029 )
   政治性使用频率               ———    ———    ———    ———   0.539   ( 0.035 )
   政治倾向(中立或无倾向 =0 )
     有明确政治倾向            0.075  ( 0.104 ) 0.234   ( 0.057 ) 0.078  ( 0.052 )
   党派(共和党 =0 )
     民主党                0.123  ( 0.121 ) 0.071  ( 0.069 ) 0.079  ( 0.061 )
     其他                -0.038  ( 0.152 ) -0.071  ( 0.079 ) -0.216   ( 0.069 )
   人口学特征
     性别                -0.149  ( 0.103 ) 0.220   ( 0.059 ) -0.057  ( 0.053 )
     年龄                -0.024  ( 0.003 ) 0.002  ( 0.002 ) -0.006   ( 0.002 )
     教育年限              -0.006  ( 0.022 ) 0.007  ( 0.012 ) -0.010  ( 0.011 )
     收入水平               0.045  ( 0.025 ) -0.004  ( 0.014 ) -0.040   ( 0.013 )
   婚姻状况(无伴侣 =0 )       -0.145  ( 0.115 ) 0.037  ( 0.064 ) -0.081  ( 0.059 )
   族群(白人 =0 )
     非洲裔               -0.352  ( 0.176 ) 0.212   ( 0.111 ) 0.114  ( 0.093 )
     亚裔                 0.076  ( 0.276 ) 0.015  ( 0.161 ) 0.215   ( 0.123 )
     混合                 0.237  ( 0.257 ) 0.268  ( 0.217 ) 0.124  ( 0.179 )
     原住民/印第安人          -0.114  ( 0.421 ) 0.555   ( 0.214 ) 0.281  ( 0.178 )
     其他                 0.317  ( 0.290 ) -0.480   ( 0.183 ) 0.079  ( 0.194 )
   常数项                  5.361  ( 0.355 ) -0.637   ( 0.209 ) -0.123  ( 0.195 )
   犉 值                     6.97       12.70      47.10 
   调整的 犚 2                 6.12%         21.10%        45.21%
     注:系数为非标准化回归系数,括号内为稳健标准误;                  狆 <0.01 ,  狆 <
       0.05 , 狆 < 0.1 。
             
       (三)社交网络中政治极化的形成
       根据本文的研究假设,我们设定了一个如图 1 所示的在线社交网
   络中的群体极化路径。模型采用了路径回归分析的方法。由于在线交
   往机制之间可能存在相互作用的联系,因此,我们建立了一个机制间都
   存在联系的初始模型。图 1 展示了模型的初步分析结果。根据路径回
   归分析的结果,首先,本文提出的群体极化的两个外显变量———群体性
   和积极性———都有较好的测度,二者相结合显示了群体极化潜变量的

    · 2 3 0 ·
   232   233   234   235   236   237   238   239   240   241   242