《表7 分层回归表：风险感知的社会放大效应与治理》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《风险感知的社会放大效应与治理》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：**p<0.01*p<0.05

在相关分析和差异分析的基础上，验证自变量与因变量线性关系、观测值独立且自变量不存在多重共线性（VIF值均未超过1.5<10），进一步利用分层回归技术探究七个自变量对因变量风险感知的影响。第一步利用各人口统计学变量对风险感知进行回归分析，探究人口统计学变量对风险感知的影响；在控制人口统计学变量的条件下，第二步将媒体暴露自变量纳入回归方程，探究媒体暴露对风险感知的影响；第三步将价值观、科学素养、信号值、社会群体关系、污名化、社会信任这六个自变量纳入回归方程，探究社会反应机制各个自变量对于因变量风险感知的主效应。根据分层回归结果，当人口统计学变量进入方程时，回归模型（模型1)P值为0.071>0.05，整体不显著，且各个人口统计学变量对因变量的解释贡献除性别（P=0.029）外均未达到显著水平，即个体的风险感知程度在各个人口统计学变量上并无显著差别。当媒体暴露变量进入回归方程时，其对因变量的解释贡献达到显著水平（P=0.004），此时自变量对于风险感知的解释增量达到7.5%，模型整体非常显著（P=0.005）。当价值观、科学素养、信号值、社会群体关系、污名化与社会信任这六个自变量进入回归方程时，自变量对于风险感知程度的解释增量达到13.7%，回归模型（模型2)P值为0.000<0.05，整体极为显著，表示自变量对于风险感知程度具有显著影响。在各个自变量中，价值观、污名化和社会信任这三个变量对风险感知程度的解释贡献达到了显著水平，但其余因素在客观结果上对因变量的影响并不显著，因此有待于进一步的探究分析。