摘要 在后疫情时代,借助AMOS软件和SPSS软件,利用问卷调查、建模的方式,了解和分析影响民众风险感知的因子,并分析风险感知对民众心理和行为方式的作用,结果显示,在疫情发展过程中,疫情的变化、新增和确诊人数等信息对民众风险感知影响较大,其中正面信息能够增加风险感知水平;反之,负面信息对风险感知水平具有抑制作用。结构方程回归分析表示,政府参与各方主动采取策略有效降低民众的风险感知程度,将显著提高对新冠疫情的对正面信息的确信度。故而建议在新冠疫情等公共卫生事件爆发后,为有效保护民众感知特性水平,应第一时间将正面信息告知众,提高信任度,降低感知风险度,进而减少疫情发生对民众心理的冲击。
关键词:新冠疫情;心理;感知风险;信息
项目名称:江西省卫生健康委科技计划项目(项目编号:202140235)
在经济全球化、人类命运紧密相连的今天,无论是科技带来的福利和环境(自然、人文和社会)所带来的风险都让人们的生活变得幸福但暗藏杀机。其中就包括部分国家和地区动荡不
安、地震及海啸等自然灾害频发、温室效应所导致的一系列危机及突发公共卫生事件等等[1-3]。这其中最让人们觉得恐慌和担忧的就是2019年年末爆发的新型冠状病毒引发的肺炎,这次疫情给我国,乃至全世界都带来了不小的影响,无数人感染发病并患有难治性后遗症,无数企业、门店因此而倒闭、关门。时至今日,这一病毒仍在变异,对人们的健康安全仍有不小威胁。
1 理论模型及研究假设
1.1 理论模型
对于此类极具传染性和危害性的病毒性疾病,其最为有效的处理方式就是采取有效隔离和精准防护,进而防止疫情进一步扩散和蔓延。其中,新冠肺炎疫情中民众风险感知对心理行为影响是在防控疫情过程中所面对的最重要问题之一[4,5]。此外,新冠疫情中民众风险感知也可以对疫情中可能发生的突发事件和急性恶性事件进行良好的预测。风险感知的变化来引导行为,因此,需要研发科学有效的公共卫生风险感知测量工具。为此,本研究将流感事件调整为新冠肺炎疫情事件并进一步完善验证量表,以期为新冠肺炎疫情风险感知的测量研究提供科学的评价工具。理论模型如图1所示。
图1 研究模型
1.2 基本假设
(1)疫情爆发过程中信息对风险感知的影响
假设一:新冠患者的治愈增加会降低风险感知
盲文图书假设二:政府救援防范有效会降低风险感知
假设三:解除隔离会降低风险感知
假设四:新增增加会增加风险感知
假设五:自身周围出现问题会增加风险感知
假设六:会发生恶性事件会增加风险感知
(2)风险感知与心理健康水平的关系
假设七:风险感知越高,民众心理健康水平越低
(3)民众行为对心理健康水平的影响
假设八:民众消极行为会导致抑郁
假设九:民众消极行为会导致烦躁
假设十:民众消极行为会导致焦虑
(4)风险感知对民众行为的影响
假设十一:风险感知会减少积极行为
假设十二:风险感知会增加消极行为
假设十三:风险感知对行为无所谓
2 研究设计
2.1 问卷设计
为了确保变量的信度和效度,本文提出的每个假设变量的度量指标均借鉴国外文献研究中普遍采用的潜在变量的测量问题项作为理论基础,再参考国内风险感知相关文献中对理论基础修正后的测量项,最后结合民众对消息的普遍接受情况进行了修改和补充,并最终确定有效问卷,最终问卷包含了四个部分,12个测度项。
表1 问卷基本组成
潜在变量 | 测量问题项 | 来源 |
正面信息 | PU1新冠患者的治愈是否增加 | 时勘[6] |
PU2政府救援防范是否有效 |
中国股市记忆 PU3是否解除隔离 |
负面信息 | PE1新增是否减少 |
PE2自身周围是否出现问题 |
PE3是否发生恶性事件 |
行为 | BI1积极行为维度 | 解亚宁[7] |
BI2消极行为维度 |
BI3无所谓行为维度 |
药用植物学论文心理 | B1是否出现抑郁 | 丁玮[8] |
B2是否出现烦躁 |
B3是否出现焦虑 |
| | |
3 研究结果和分析
3.1 测量模型的信度和效度检验
进行主成份分析,得到表2所示结果。表2 提取的两个主成份,其累积方差贡献率达到了70. 632%,说明能够较为充分的反映原始数据。
表2 旋转成分矩阵
| 成分 |
1 | 2 | 3 | 4 2000年奥运会男篮 |
PU1 | 0.007 | 0.087 | 0.776 | 0.215 |
PU2 | 0.065 | 0.202 法治论坛 | 0.875 | 0.097 |
PU3 | 0.002 | 0.180 | 0.847 | 0.057 |
PE1 | 0.032 | 0.059 | 0.128 | 0.768 |
PE2 | 0.065 | 0.125 | 0.172 | 0.732 |
PE3 | 0.174 | 0.040 | 0.030 | 0.780 |
BI1 | 0.953 | 0.088 | 0.057 | 0.050 |
BI2 | 0.953 | 0.041 | 0.035 | 0.076 |
BI3 | 0.877 | 0.024 | 0.017 轮道 | 0.091 |
B1 | 0.065 | 0.919 | 0.110 | 0.112 |
B2 | 0.019 | 0.889 | 0.184 | 0.142 |
B3 | 0.111 | 0.880 | 0.194 | 0.008 |
| | | | |
模型收敛效度的检验,即对测量模型的收敛效度进行验证式因素分析( Confirmatory Factor Analysis)。只有测量模型的配适度达到可接受标准,才能执行对结构模型进一步的评估。整理后的数据如表3所示。结果显示,该模型具有良好的收敛效度。