Page 239 - 《社会》2017年第4期

社会· ２０１７ · ４

注：系数为标准化回归系数；  狆 ＜ ０．０１ ， 狆 ＜ ０．０５ ， 狆 ＜ ０．１ 。


图 ２ ：社交网络中群体极化的修正模型
（四）极化的后果：跨国数据的比较
在前面的分析中，我们阐释了社交网络中群体极化的微观发生机
制，那么在这一过程的作用下，会有怎样的宏观结构水平上的表现呢？
可以做这样的假设：如果在线社交网络中的政治讨论确实由于社交网
络的多重特性相互作用，从而导致群体极化的产生，那么，也就是说，随
着网络政治讨论及互动的频繁和丰富，实际上对网络个体而言，可能并
不会增加其了解他人不同观点的机会。
对此，我们进一步使用了一项跨国调查数据加以验证。 ８ 使用这一
数据的好处在于，可以考查本文所分析群体极化路径的普适意义。我
们运用多层次分析方法探析人们在社交网络上分享政治观点之程度与
认知到他人不同观点之程度的影响因素。
本研究的模型设定为：
１－狆 犻 ）
狔 ＝ｌｏ ｇ ｉｔ （ 狆 犻 犼 犼 ＝α ０ 犼 ＋ β １ 犼 狓 １犻 犼 ＋ … 狓 犿犻 犼 ＋ 狉 犻 犼
β 犿 犼
α ０ 犼 ＝γ ００ ＋γ ０１ 犠１ 犼 ＋ … ＋γ ０犽 犠犽 犼 ＋狌 ０ 犼
为个体层次变量，包括了性别、年龄、教育程度、收入
模型中， 狓 犿犻 犼
为方
水平、婚姻状况、就业状况等情况。 β 犿 犼 为各变量的回归系数， 狉 犻 犼

８． 数据来源为 ２０１３ 年度皮尤全球民意调查。数据中包括了中国、阿根廷、玻利维亚、巴西、
智利、埃及、萨尔瓦多、加纳、印尼、约旦、肯尼亚、黎巴嫩、马来西亚、墨西哥、尼日利亚、菲律
宾、波兰、俄罗斯、塞内加尔、南非、突尼斯、土耳其、委内瑞拉这 ２３ 个新兴经济体或不发达国
家。由于数据中巴基斯坦和乌干达两国社交网络用户过少（小于 ５０ ），我们没有使用这两国
数据。该数据下载网址为： 犺狋狋 狆 ： ∥狑狑狑． 狆 犲狑 犵 犾狅犫犪犾．狅狉 犵 ／ 犮犪狋犲 犵 狅狉 狔 ／ 犱犪狋犪狊犲狋狊 ／？ 犱狅狑狀犾狅犪犱＝３１１１１ 。

· ２ ３ ２ ·