搜索
搜索

社会情绪指数(Social Mood Index, SMI)的构建

  • 分类:传媒指数
  • 作者:季芳芳、刘晓红
  • 来源:
  • 发布时间:2019-06-04 17:14
  • 访问量:78

社会情绪指数(Social Mood Index, SMI)的构建

【概要描述】本项研究将社会情绪界定为国民对未来的信念,即社会情绪指数测量的是国民长久发展的信心。本文以中国社会科学院中国舆情调查实验室执行的舆情调查第二期、第三期数据为数据源,采取相应的指标进行计算,探索编制反映人们生活信心、体现人们情绪的社会情绪指数(SocialMoodIndex,SMI)。一、社会情绪的概念分析和指数化情绪(mood)和社会情绪(socialmood)存在多种概念化方式。一些基于大数据的

  • 分类:传媒指数
  • 作者:季芳芳、刘晓红
  • 来源:
  • 发布时间:2019-06-04 17:14
  • 访问量:78
详情

本项研究将社会情绪界定为国民对未来的信念,即社会情绪指数测量的是国民长久发展的信心。本文以中国社会科学院中国舆情调查实验室执行的舆情调查第二期、第三期数据为数据源,采取相应的指标进行计算,探索编制反映人们生活信心、体现人们情绪的社会情绪指数(Social Mood Index, SMI)。

一、社会情绪的概念分析和指数化

情绪(mood)和社会情绪(social mood)存在多种概念化方式。一些基于大数据的情绪分析将情绪分为正向、负向情绪,比如在“国家的脉搏”(Pulse of the Nation: U.S. Mood Throughout the Day)这项研究中,来自西北大学和哈佛大学的研究者根据twitter上的数据,用可视化的方式展示了网民这一天中的正负情绪(mood)波动图。除了正负情绪,情绪也被细化为快乐、悲伤、愤怒、恐惧和厌恶。[1]

在另外一些研究中,情绪则与信念有关。在社会经济学(socionomics)范畴中,情绪一词用于投资语境,往往指向的投资者是对未来的信念。比如,情绪被界定为个体或群体对未来的感觉而社会情绪(social mood)被界定为社会总体对未来的信念[2]。peter Atwater指出个体情绪是我们潜在的信心,它是指我们对自己和对周遭世界的确定程度,不管我们对此是否有所体察。[3]他进一步指出,这是一种前瞻性的测量,是关于对未来的确定/不确定的感觉,是对我们当下的决定在未来是否成功的感觉,所以情绪(Mood)和信心(Confidence)是同义词(synonym)[4]。情绪(Mood)/信心(confidence)被认为与对未来的确定性高度相关。

为了研究公众情绪,我们需要找到合适的指标来对公众情绪进行测度。高兴/愤怒等感性特征是针对事件的因此不能长久持续,不适宜用指数来衡量。我们的方案建立指数测量信心和确定性。本项研究将社会情绪定义为国民对未来的信念,即社会情绪指数测量的是国民在所处社会长久发展的信心。

社会情绪将实质地影响个人和社会的发展。此外,这个概念需要多个测题构成量表进行测量。从指标的筛选方面,结合中国具体情况,可以观察影响国民信心指数的因素包括:反腐、房地产政策、教育、医疗、法律、环境等,也可以观察在个人条件允许的情况下是否选择移民等。指数建立后,可以观察以及探索不同人口特征、不同状况与处境的国民情绪指数差异等。与此同时,情绪的指数化,也便于观察随时间变化,社会情绪的变化情况。

与本研究较为相关的指数包括经济领域的消费者指数以及中国社会信心指数。目前若干机构已经推出消费者信心指数,包括密西根消费者调查、世企研消费者信心指数等,但这些指数往往以消费者信心为主要的测度目标,未触及社会、政治层面。中国社会科学院社会发展研究院构建的社会景气和社会信心指数,主要是通过“社会景气”和“社会信心”两个概念来对社会发展的现状与趋势进行概括。在该指数中,“社会信心”被操作化为民众对未来有关社会福祉、社会公平、社会包容状况的发展预期,这是社会能否可持续发展的民众信心基础,包括对社会总体事项的信心度和对个体事项的信心[5]。而本研究构建的社会情绪指数考察的不仅仅是受访者对未来状况的乐观程度,也包括的对过去状况比较,两者对于情绪指数构建的逻辑基础并不相同。

二、社会情绪指数构建的量表设计

就社会情绪指数构建的逻辑,我们需要厘清若干方法层面的问题。

第一个需要说明的问题是个体情绪和社会情绪的关系。情绪分成个体情绪和社会情绪,问卷搜集的个体情绪数据,社会情绪指数是以个体情绪数据作为基础来测量整体情绪。社会情绪是指一个特定的群体、社区、人群或社会对未来的感觉[6]。社会情绪是个体情绪的加总(aggregate)、集合(collection),但并不是“部分”的加总(sum of the parts),而是“趋势情绪变动的那些互动(再互动)”的加总。[7]换言之,社会情绪是个体情绪的加总,但不是简单的由个体加总而成,而是经由各种交互以及再交互形成。两者关系为通过问卷调查个体情绪获得社会情绪提供了依据,从本质上看后者并不是前者的简单集合。这也可以清楚解释个人感受与社会情绪之间的差异。群体的社会情绪即便是正面的乐观的,对未来有所期待,并不意味着个体享有这样的情绪。即,虽然人群中个体的感觉不尽相同,但是在任一给定时间,群体作为一个整体是偏向某一侧的。[8]

第二个问题有关社会情绪的操作化以及题器的设置。我们从两个方面对社会情绪进行操作化,包括与过去经济状况的比较,也包括人们对国家的经济社会发展形势、就业、腐败、贫富差距、房价、污染、医改、食品安全等宏观层面问题的预期以及感受。根据以上对情绪的操作化,本研究设计的测量题目如表1所示。

                            表1 社会情绪指数题器

直接测量情绪的题目

社会整体的乐观程度、社会整体安全感、社会整体情绪

判断未来

政治形势、经济形势、以及经济、外交、治安、就业、腐败、政治改革、贫富差距、房价、污染、医改、食品安全等问题

比较过去

经济状况

第三个问题涉及五级量表。社会情绪是一个波动的连续体。情绪会有波动,即当情绪为正或负时,在强度上也会有所差别。有研究者曾经将情绪/信心的不同程度进行了区分,他将其区分为:确定的不确定(self-assured uncertainty)、不确定( uncertain)、自在( at ease)、自信( confident)、确定的确定性( self-assured certainty)。[9]在这个情绪连续带上,个体对确定感是能明确的和对不确定感也是明确的,因此有所谓的“确定的不确定”和“确定的不确定”。就本研究的量表而言,这些情绪波动和程度各异也构成了五级量表的理论基础。指数调查各测题均采用五级量表,量表中每题的测量为:非常好(VF)、比较好(G)、一般、比较差(B)和非常差((VB)。依据前文讨论的“社会情绪是一个具有不同确定程度的连续体”,各测题分值的计算方式是:Xi=2.0*VG% + 0.5*G% - 0.5*B% -2.0*VB%。

接下来,论文讨论指数测题合成以及相应的数据分析。数据统计所用的数据来自中国社会科学院中国舆情调查实验室执行的第二期舆情数据以及第三期舆情数据。

三、数据结果展示

首先,我们使用克伦巴赫alpha系数来测量情绪的测题是否具有内部一致性。Alpha 信度系数法用来考虑量表的内在信度——项目之间是否具有较高的内在一致性。19个测题的内在一致性信度系数是alpha=0.8418,研究设计的量表具有相对比较高的稳定性和一致性。

根据上文所述的各测题分值,我们对测题分值进行了合成。我们使用的指数计算公式是:)/19(最高值200,最低值-200,中间值0)。0是中间值,表示处于乐观悲观之间。-200和200表示“确定乐观”或者“确定不乐观”。若指数=-50,表示没有信心但不是那么确定,若指数=50,则表示有信心但不是那么确定。基于第二次舆情调查采集数据,指数是:)/19  =51.56%

根据舆情中心执行的第三期数据,我们计算出来的SMI指数是50.13%。我们把这两期数据结果并置一起,如表2。从数据结果来看,指数似乎有所下滑,下滑了1.4%,而从分项来看,比较明显的差异是在B4(“根据目前的情势判断,您认为您及家人的经济状况在未来一年里会”)。就B4而言,第三期数据相比较第二期而言有所下降,下降幅度是14.11%,而XC3__2(对于未来一年中国的形势走向,您的感觉如何?(横向单选)(经济形势)则是上升的,上升幅度是12.72%。从数据解读的角度而言,有升有降平均后的升高下降与各指标均升高均降低的升高下降的情况显然不同。

                          表2   第二期和第三期数据结果

第三期

 

第二期

 

变量

两端值权重为2(百分比)

变量

两端值权重为2(百分比)

X_B3

30.72%

X_B3

37.32%

X_B4

29.94%

X_B4

44.05%

X_B5_2

45.06%

X_B5_2

52.53%

X_B6

51.66%

X_B6

65.43%

X_B7

55.09%

X_B7

62.12%

X_B8

44.95%

X_B8

52.82%

X_C3_1

46.94%

X_C3_1

46.32%

X_C3_2

54.94%

X_C3_2

42.22%

X_C4_1

58.69%

X_C4_1

60.40%

X_C4_2

61.34%

X_C4_2

58.65%

X_C4_3

67.47%

X_C4_3

62.48%

X_C4_4

52.09%

X_C4_4

50.32%

X_C4_5

73.94%

X_C4_5

71.12%

X_C4_6

59.98%

X_C4_6

56.32%

X_C4_7

34.33%

X_C4_7

35.17%

X_C4_8

28.44%

X_C4_8

27.30%

X_C4_9

54.64%

X_C4_9

50.57%

X_C4_10

53.11%

X_C4_10

52.93%

X_C4_11

49.14%

X_C4_11

51.67%

SMI

50.13%

SMI

51.56%

 

四、可以进一步工作的空间

我们将社会情绪界定为国民对未来的信念,即社会情绪指数测量的是国民在这个国家长久向上发展的信心。我们构建并且基于中国社会科学院中国舆情调查实验室执行的数据测算了社会情绪指数,以观察国民的生活信心及其发展变化。这是对当下国民社会情绪进行观察的初步探索,在已有的工作基础上,我们提出若干可以进一步开展的工作。

首先,我们可以计算个体社会情绪得分值并且基于个体社会情绪得分值进行群体分析。我们可以计算每个个体的社会情绪得分值,并且运用聚类分析的方法对各个群体进行聚类。在这个部分,我们的目标不在于观察不同年龄、收入、地区、性别等群体在社会情绪得分上的表现,而是对不同个体的社会情绪得分进行分组,来观察不同情绪得分情况的个体具有哪些人口学上的特征。

事实上,基于第二期数据,我们尝试计算个体情绪得分。首先,我们对受访者做出的选择重新赋值(分别赋予8/4/0/-4/-8),然后进行个体情绪得分计算。我们将得到的分数结果与其个体特征数据(性别f1、年龄f2__1、学历f3、婚姻f4、职业f5、收入f6)进行回归,得到表3所示结果,并且可以得到以下初步观察结果:

1、个体情绪得分与性别有关,男性显著高于女性,高出0.19。

2、从年龄的角度而言,个体情绪得分与年龄的关系是:18—25岁年龄组得分最高,31—35岁年龄组得分最低,其次是36-45岁得分较低,结果显著。

3、从学历角度而言,从总体上来看,学历越高得分越低。分类而言,初中学历得分最高,大学专科得分最低。

4、从婚姻状况而言,未婚得分最低,分居群体得分最高,“已婚”群体分数较高。

5、从职业的角度而言,无业、失业群体得分最低,其次是“农林渔业者”,而“专职主妇”得分最高,其次是“退休”,再次是“自营业(个体户、私营业主)”。

6、从收入而言,总体上,收入越高信心越足,显著性很高。

                        表3 个体社会情绪得分与人口特征

VARIABLES

num

 

 

 

 

2.f1

-0.194**

4.f4

1.024*

 

(0.0776)

 

(0.559)

2.f2_1

-0.491**

5.f4

0.205

 

(0.210)

 

(0.459)

3.f2_1

-1.017***

2.f5

-0.000313

 

(0.222)

 

(0.164)

4.f2_1

-0.931***

3.f5

-0.341

 

(0.225)

 

(0.831)

5.f2_1

-0.965***

4.f5

-0.0510

 

(0.230)

 

(0.177)

6.f2_1

-0.763***

5.f5

-0.134

 

(0.243)

 

(0.145)

7.f2_1

-0.670***

6.f5

-0.391*

 

(0.255)

 

(0.213)

8.f2_1

-0.781***

7.f5

0.0568

 

(0.260)

 

(0.157)

9.f2_1

-0.823***

8.f5

0.0494

 

(0.270)

 

(0.149)

10.f2_1

-0.472*

9.f5

-0.477**

 

(0.283)

 

(0.208)

2.f3

0.156

10.f5

0.0378

 

(0.109)

 

(0.358)

3.f3

-0.543***

11.f5

0.467

 

(0.204)

 

(0.417)

4.f3

-0.851***

12.f5

-0.699*

 

(0.201)

 

(0.416)

5.f3

-0.494***

13.f5

0.223

 

(0.187)

 

(0.167)

6.f3

-0.574**

14.f5

-0.426

 

(0.289)

 

(0.355)

2.f4

1.048***

f6

0.139***

 

(0.185)

 

(0.0373)

3.f4

1.626***

Constant

2.637***

 

(0.560)

 

(0.248)

Observations

2,469

 

 

R-squared

0.079

 

 

Standard errors in parentheses

 

*** p<0.01, ** p<0.05, * p<0.1

 

其次,我们想要讨论的是社会情绪指数的信度与效度问题。正如,Merkle, M. D., Langer, E. G. Sussman, D.曾在从方法层面评价了美国三种最著名的消费者信心指数调查,即密西根大学、世界大型企业研究会(简称世企研)和金钱杂志与ABC广播公司(ABC News/Money magazine)分别设计实施的消费者信心指数调查,这三位研究者用198512月~200212月共17年的数据,考察了三个指数随时间变化的相互一致性,作为信度的指标。他们的研究发现,三者间的内部一致性和相关程度非常高[10],我们也可以选择与社会情绪指数相关的指数来衡量指数的质量从效度的角度而言,则可以比较信心指数与其他指标之间的关系,来判断信心指数的预测价值。从逻辑上来说,当社会情绪上升时,企业、金融机构、个人、政治机构都有相应的表现。这些表现包括:并购、雇佣、海外市场扩张、创新科技使用、股票和房产持有等。我们可以将情绪指数数据与过去的相关指数进行比较,也可以将当期的指数与未来的相关指数进行比较,来看指数预测效度,我们可以利用的数据包括消费支出、市场利率、GDP增速、犯罪率、移民倾向等。

第三个可以讨论的问题是,如何利用大数据观察社会情绪(信心)。随着越来越多的用户数据通过网络得以积累,大数据对于社会治理的作用越来越彰显,比如就新加坡的“风险评估和全景扫描”(RAHS)项目而言,涂子沛认为这个项目不仅将大数据用于情报和反恐,还用于构建和谐社会,比如房屋管理局用它来了解人们对于住房体系的批评和期待,人口部门通过它掌握大众的生育态度变化,旅游部门用它来预测各地游客数量的周期,食品部门通过它决策是否应该减少对进口食品的依赖等。[11]同样,大数据可以应用于社会情绪(社会信心)研究。当然,用大数据研究社会整体情绪比较困难,应由问卷调查完成。可利用大数据确定几个领域和主题重点深入研究。PEW以及与其合作的大数据研究机构CH(Crimson Hexagon)进行过有关民意方面的研究,针对的有限对象和有限主题。

当然,就大数据而言,如何与线下数据进行配合也是一个需要进一步讨论的问题。关于问卷调查和大数据如何结合有几个方向。一是问卷调查和大数据可以相互补充和比较。以2013年5月发布的一项研究《Twitter关于事件的反映往往与整体民意相异》(Twitter Reaction to Events Often at Odds with Overall Public Opinion)为例[12],该研究针对几个主题——奥巴马连任、奥巴马政府的某些政策、共和党竞选人,对比了twitter和对公众的问卷调查结果。二是可以利用问卷对大数据结果做深入分析。剑桥大学心理测量中心的Kosinski,在社交媒体上发问卷调查确定回复者5种性格,用测得的性格与可获得的社交媒体数据对应,对应后通过后者可以知道前者,从而利用前者准确定位人,超越了以人口特征定位人的做法[13]。这种方法可以有助于定点推送竞选广告,告别病毒式传播。

 

 


*刘晓红,中国社会科学院新闻与传播研究所研究员,研究领域:传播研究方法和传播心理研究;季芳芳,中国社会科学院新闻与传播研究所副研究员,研究领域:新媒体和国际传播。

[1]陈浩:《中国社会情绪的脉搏:网络集群情绪的测量与应用》,见胡泳, 王俊秀(编),《连接之后: 公共空间重建与权力再分配》。北京: 人民邮电出版社,2016,第288–303页。

[2]John L. Casti.Mood Matters: From Rising Skirt Lengths to the Collapse of World Powers.Copernicus; 2010,p.24,p26

[3]Peter Atwater. Moods and Markets: A New Way to Invest in Good Times and in Bad. Minyanville Media,2012,P.12

[4]Peter Atwater. Moods and Markets: A New Way to Invest in Good Times and in Bad. Minyanville Media,2012 P.16

[5]张彦等:《发展过程中的社会景气与社会信心》,载《中国社会科学》,2015年第4期,第71页

[6]John L. Casti.Mood Matters: From Rising Skirt Lengths to the Collapse of World Powers.Copernicus; 2010,p.24.

[7]Peter Atwater. Moods and Markets: A New Way to Invest in Good Times and in Bad. Minyanville Media,2012,,P.24

[8]John L. Casti.Mood Matters: From Rising Skirt Lengths to the Collapse of World Powers.Copernicus; 2010,p.24.

[9]Peter Atwater. Moods and Markets: A New Way to Invest in Good Times and in Bad. Minyanville Media,2012,,P.20

[10]Merkle, M. D., Langer, E. G. &Sussman, D. , Consumer Confidence: Measurement and Meaning, A version of this article was presented at the annual conference of the American Association for Public Opinion Research, Nashville, Tennessee, May 15-18, 2003.

[11]涂子沛:《大数据》,广西师范大学出版社,2015,第ix页

[12]Twitter Reaction to Events Often at Odds with Overall Public Opinion,By Amy Mitchell and Paul Hitlin,March 4,2013,quoted from:

http://www.pewresearch.org/2013/03/04/twitter-reaction-to-events-often-at-odds-with-overall-public-opinion/

[13]Hannes Grassegger 、Mikael Krogerus,“操纵世界的大数据:这家数据公司怎样帮特朗普赢得了选举? ”引自:https://www.sohu.com/a/126615262_116235

关键词:

相关文件

暂时没有内容信息显示
请先在网站后台添加数据记录。

新媒体与大数据联盟

电话:136 6193 7953

微信二维码

版权所有北京世研信息咨询有限公司  京ICP备05057290号-5 

 

 

Copyright ©2003-2019CRC Media Co.,Ltd. All Rights Reserved.

 

网站建设:中企动力  北二分