返回上一页 文章阅读 登录

黄少华:社会资本对网络政治参与行为的影响

——对天津、长沙、西安、兰州四城市居民的调查分析

更新时间:2018-08-03 11:40:57
作者: 黄少华  
并把其中通过互联网结识的朋友关系界定为在线弱关系。具体而言,本研究用网络交往对象的数量来测量在线关系网络规模,用通过互联网结识的朋友的数量来测量在线弱关系网络规模。

   4.互联网互动强度

   互联网的诞生,形塑了一个经由互联网中介的全新沟通与互动场景。互联网对社会互动的影响,不仅体现在互联网打破了时空 、地域、社会分层等现实因素对互动的限制,而且体现在互联网创造了一个全新的互动空间,形塑了一种新的社会互动形式。在网络空间中,行动者并不需要像在现实社会交往中那样面对面地亲身参与沟通,而能够以一种“身体不在场”的方式展开互动。本研究以网络互动的频率,作为测量网络互动强度的指标。

   (三)控制变量

   为了控制人口变量对网络政治参与行为的影响效应,我们把性别、年龄和受教育程度作为控制变量引入研究模型。

  

数据分析结果


   (一)变量测量结果

   1.网络政治参与行为

   本研究用包含“访问政治新闻网站”等8个题项的量表对城市居民的网络政治参与行为进行测量。测量结果(见表1)表明,城市居民的网络政治参与程度总体偏低。其中参与度相对较高的网络政治行为有“访问政治新闻网站”和“阅读谈论政治和公共事务的博客/微博”,经常和较多参与的比例分别为32.0%和21. 6%;参与度较低的网络政治行为主要有“参与和政府官员的在线交流”和“参与在线抗议活动”,经常和较多参与的比例均不足一成,分别为8.7%和9.5%,而有分别高达51.2%和53.9%的城市居民从未参与过这两项网络政治行为。总体而言,城市居民的网络政治信息获取行为参与度相对较高,网络政治意见交流和表达行为的参与度次之,而网络政治行动的参与度最低,有超过半数的城市居民从未参与过网络政治行动。

   为了简化网络政治参与行为量表的结构,我们采用探索性因子分析方法,对8个题项进行因子分析,以提取有概括力的新因子。因子分析采用主成分分析作为抽取因子的方法,根据对网络政治参与行为的相关理论分析和前期质性研究结果(黄少华、姜波、袁梦遥,2016),结合碎石图分析,我们发现抽取3个因子较 为合适,因此指定抽取3个因子。KMO测度和Bartlett’s球状检验发现,量表的KMO值为0. 873,Bartlett’s球状检验的卡方值为6141.414,自由度为28,在0.000(sig.=0.ooo)水平上统计检验显著,说明存在潜在共享因子,适合进行因子分析。因子分析析出的3个因子方差贡献率分别为32.572%、25.13%和24.01 7%,累积方差贡献率为81.602%(见表2)。

   根据因子分析结果和各 因子包含题项的具体含义,分别把3个因子命名为“网络政治行动”“网络政治意见交流表达”和“网络政治信息获取”因子。其中“网络政治行动”因子包括“参与在线抗议活动”“参与和政府官员的在线交流”“参加网上投票”“在网上对政府工作进行评价”4个题项,主要描述城市居民参与网络政治行动的情况 ;“网络政治意见交流表达”因子包括“和网友讨论政治话题”“在网上表达自己对政治议题的看法”2个题项,主要描述城市居民通过网络交流和表达政治意见的情况 ;“网络政治信息获取”因子包括“访问政治新闻网站”“阅读有关政治和公共事务的博客,微博”2个题项,主要描述城市居民借助网络获取政治信息的情况。

   对量表的信度检验,采用分析量表的内部一致性Cronbach’ s系数方法进行。3个 因子的Cronbach’s系数分别为0.872、0.929和0.792,整个量表的Cronbach’ s0【系数为0.904,表明量表具有较高的内部一致性,信度良好。同时,量表包含的3个因子结构清晰,因子内所包含的题项在相应因子上的负荷均达到0. 67以上,说明量表的结构效度良好。

   2.社会信任

   对社会信任的测量,一种较为普遍的做法,是直接询问对信任对象的信任程度(胡荣、李静雅,2006)。本研究采用这种方法测量受访者对6类交往对象的信任程度。测量采用5点尺度李克特量表形式,将信任程度分为“非常信任”“比较信任”“一般”“不太信任”和“很不信任 ”5个等级 。测量结果见表3。从表3可见,受访者对现实生活中的交往对象的信任程度明显高于网络交往对象,其中信任程度最高的是“家人和亲戚”,非常信任和比较信任的比例占到了96.3%,而信任程度最低的是“陌生网友”,非常信任和比较信任的比例仅占4.4%,而很不信任的比例则超过半数,高达52.8%。

   本研究运用探索性因子分析方法对社会信任量表的结构进行简化。以主成分分析作为抽取因子的方法,特征值大于1作为选择因子的标准,采用正交旋转法中的最大方差旋转法作为转轴方法。KMO测度和Bartlett’s球状检验发现,量表的KMO值为0.640,Bartlett ’s球状检验的卡方值为1889.967,自由度为15,在 0.000(sig=0.ooo)水平上统计检验显著,说明存在潜在共享因子,可以进行因子分析。因子分析共析出2个因子,累积方差贡献率为67.1 81%。所有题项的共同度均超过0.5,达到因子分析的要求 (见表4)。根据因子分析结果,分别把2个因子命名为“现实社会信任”和“虚拟社会信任”因子。其中“现实社会信任”因子包括对现实生活中的熟人和普通朋友 、现实生活中的亲密朋友 、单位同事 、 家人和亲戚的信任,“虚拟社会信任” 包括对陌生网友、通过网络认识的朋友的信任。

   对量表的信度检验,采用分析量表的内部一致性Cronbach’s α【系数方法进行。2个因子的Cronbach’ s α系数分别为0.732和0.801,整个量表的Cronbach’ s α仅系数为0.641,表明测量指标具有较好的内部一致性。同时,量表包含的2个因子结构清晰,因子内所包含的题项在相应因子上的负荷均达到0.66以上 ,说明量表的结构效度良好。

   3.政治信任

   政治信任是公民对政府或政治系统运作会产生与其期待相一致的结果的信念或 信心(Miller,1974)。对政治信任的测量,存在多种不同的方法,最常见的方法是询问公众对各级党政机构的信任程度(胡荣,2007),但也有学者采用制度、政策、官员和公务员4个指标来测量政治信任程度(张明新,2015)。本研究采用前一种测量方法, 用“非常信任”“比较信任”“一般”“不太信任”和“很不信任”5点尺度李克特量表测量受访者的政治信任。测量结果见表 5。从表可见,受访者的政治信任存在着较为明显的“政治信任级差 ”现象 。“所谓政治信任级差,是公众对不 同级别的政府部门和官员的信任程度不同,反映出民众政治信任水平社会分布的不均衡性。”(张明新,2015:131)其中对党中央国务院的信任程度最高,非常信任和比较信任的比例占到了63.6%,而对最为基层的街道办事处的信任程度最低,非常信任和比较信任的比例仅为32.3%。这一结果,与国内大多数类似研究的发现相似(胡荣,2008;孙昕 、徐志刚等,2007)。

   为了简化政治信任量表的结构,采用主成分分析法对量表进行因子分析(量表的 KMO值为0.873,Bartlett ’s球状检验的卡方值为9264.992,自由度为21,在 0.000水平上统计检验显著),量表被浓缩为一个公因子,方差贡献率为76.466%( 见表6)。量表的内部一致性Cronbach’ s 系数为0.948,说明信度良好。

   4.社团参与

   社会资本理论认为,社团参与是社会资本的一项重要内容,帕特南甚至在很大程度上把社会资本视为社会成员对社团的参与。他把意大利北方城市民主运作 良好的主要原因,归结为那里拥有众多的如邻里组织、合唱队、合作社、体育俱乐部等横向社团(帕特南,2001)。阿尔蒙德和维巴认为,社团参与之所以能够促进公民的政治参与,主要是因为社团富有成效和有意义地把个人与政治体系联系在一起,从而扩展个人的政治见解,提升个人的政治能力,激发个人的政治活动;而且一个人参加的社团越多,其政治效能感会越强,也就是说,社 团参与数量会有累积的影响(阿尔蒙德、维巴,2008)。不过阿尔蒙德和维巴也发现 ,社团成员身份并不一定意味着积极的政治参与,其原因正如帕特南所说:“ 对社会资本和公民参与而言,真正重要的并不是有名无实的会员,而是积极投入的会员。”(帕特南,2011:53)因此本研究对社团参与的测量,同时考虑两个因素,即参与数量和参与程度。测量结果见表7。

   为了分析便利,本研究将社团参与的8个指标得分相加,合成一个新的变量“社团参与程度”。赋值方法为经常参与某项活动赋值为1,否则赋值为0。将8个指标分加总后,每位调查对象获得一个“社团参与程度”指数 ,其取值范围为[0,8], 得分越高,意味着受访者的社会参与度越高,反之,则意味着其社团参与度越低。

   5.在线关系网络规模

本研究以是否经常通过互联网进行互动来测量关系网络,并把其中通过互联网结识的朋友关系界定为在线弱关系,用通过互联网结识的朋友的数量测量在线弱关系网络规模。测量发现,被访者的在线关系网络规模平均为19.62人,(点击此处阅读下一页)


爱思想关键词小程序
本文责编:limei
发信站:爱思想(http://m.aisixiang.com)
本文链接:http://m.aisixiang.com/data/111344.html
文章来源:《社会学评论》2018年第六卷第2期
收藏