第四节 研究方法

本研究的基本目标包括两点：首先，对网络化个人主义的社会网络、自我传播网络与孤独感的现状进行描述；其次，分析三者之间的互动关系。为了达到这一目标，我们首先用量表的形式对社会网络、自我传播网络与孤独感进行测量，并在此基础上，通过问卷法与实验法，对理论模型中三者的关系予以实证。就社会网络、自我传播网络与孤独感之间的关系，借助中介分析模型予以统计检验和评估。自我传播网络使用的类型化分析用到的是聚类分析的方法。

一、抽样方案

（一）研究对象

1．样本数量

样本数量方面，根据经验法，样本的数量一般是问卷中最大的构面中的题项数目的5～20倍，根据母体大小决定。在本研究中，题项最多的构面为UCLA孤独，其中包括8个题项，基于经验法只需抽取160名样本即可。

本研究共抽取1075例样本，主要是参考国外与网络化个人主义相关的研究。在样本量上，相关研究的样本量一般都在1000例左右，具体样本量见表2-14。

基于此，本研究将样本量设置为1075例，排除无效样本，共1033例。

2．抽样方法

为了使样本与母体尽可能符合，本研究使用了如下方式：

分布式滚雪球。本研究在几个主要地区设置了1～3名种子调查员，为了使最终获得的资料均匀，因此尽可能使这些调查员在社会背景、年龄、性别、收入、工作等变项上保持尽量大的差异。种子调查员名单如表2-15所示。

微调查平台。微调查平台除了滚雪球抽样外，本研究还委托第三方调研机构——微调查发放问卷。微调查平台对回答者的回答有诸多限制，例如一个IP只能回答一次等。这就保证了不会存在一个人同时用多个账号进行回答的可能。同时，在问卷中设置了3道测谎题，用于剔除无效问卷。

激励机制。由于问卷题目较多，因此采取有偿回答的形式。微调查平台的有偿问卷为10元一份，由种子调查员发放的问卷则设置了红包，以4元每人的金额放到酬金池中，由系统抽奖决定回答者的中奖金额。

3．样本以及问卷回收率

本次问卷是在线填答，研究者将问卷放在问卷星这一第三方网络调研平台上，并将链接发给各种子调查员，用滚雪球的方式搜集样本。时间为2016年1月1日至2016年1月29日。同时，本研究还委托微调查这一第三方网络调研机构，结合随机回答与定向推送两种方式搜集样本。时间为2016年3月1日至2016年3月8日。本研究抽样依据的是2016年1月发布的CNNIC调查报告，根据其中的人口变项作为样本回收的依据。本研究共回收问卷1033例，在去除无效问卷和重复填答后，共获得有效问卷数为995例。其中，在性别、教育、年龄等指标上与CNNIC调查报告发布的数据基本接近。

为了保证研究的效度，故在样本回收后进行了样本无反应偏差检定。

4．无反应偏差检验：同质性检验

同质性检验的目的在于两群或多群样本之间的方差与次数分配（或可称为连续变量与类别变量）之间的差异。

同质性检验一般用于如下情形：

（1）比较早期回收的问卷和后期回收的问卷的人口统计量，这一般用于邮寄问卷的情形；

（2）当问卷回答者分为主动回答与被动回答两类时，为了确保两类群体的同质性，会用该统计方法进行同质性检验；

（3）当受访者中有相似但隶属于不同群体的情况出现时，需要用到同质性检验，例如当对传媒业进行调研时，记者、编导、摄像虽然均隶属于传媒业，但需要通过同质性检验，分析不同群体之间是否均可被看作同质的代表样本，即是否可以在最后数据分析过程中予以合并；

（4）当问卷依托不同的渠道进行搜集时，需要进行同质性检验。例如当同一问卷同时依托网络与纸质问卷两种形式进行发放时，就需要进行同质性检验。

如上文所说，本研究在抽样时依托了两个渠道，一方面依托微调查这一第三方调研平台发放问卷，另一方面则使用分布式滚雪球法依托种子调查员发放问卷，而且主要是基于问卷星调研平台发放问卷。本研究属于上述的第四种情况。因此，为了检验这两类群体是否可以合并，故将使用同质性检验进行检测，检测结果见表2-16。

同质性检验结果如下：

在性别这一变量上，显著性P值为0.20，不显著，因此两个发布渠道的问卷在性别这一变量上同质；

在年龄这一变量上，显著性P值为0.30，不显著，因此两个发布渠道的问卷在年龄这一变量上同质；

在教育程度这一变量上，显著性P值为0.12，不显著，因此两个发布渠道的问卷在教育这一变量上同质；

在户口类型这一变量上，显著性P值为0.04，结果显著，因此两个发布渠道的问卷在户口类型这一变量上不同质，但是考虑到户口该变量并非控制变量，因此就这两群样本的合并而言，尚可接受。

因此，在上述变量中，两个发布渠道的问卷通过同质性检验，源于两个发布渠道的数据可以在最终的分析中予以合并。

5．无反应偏差检验：适配性检验

适配性检验的主要目的是了解样本是否具有代表性。因此，适配性检验背后的思想是用研究样本的比例与母体比例做比较。一般来说，适配性检验有一个前提，就是需要研究者事先了解母体的分布比例。例如在做社会网络分析之前，需要知道全国社交媒体用户的年龄比例。

根据上文所说，本研究以CNNIC最新一次报告的人口比例代表母体比例。根据CNNIC的网民结果报告，为了分析样本与母体的匹配性，故进行适配性分析，在实际调查中，人口样本变项与CNNIC用到的变项不尽相同，因此以一家3～4人的规模，就家庭月收入进行转化，结果见表2-17。

综上，本研究所用到的样本与母体基本保持同质，因此可以用该样本代表母体。虽然最终在样本量上并未达到理论上的最优值1067例，但是考虑到二次抽样可能产生的误差，因此不再进行二次抽样，故最终决定以995例个案作为研究样本。关于最终样本回收的情况，请参见第三章的描述性统计部分。

6．样本结构

本节将对受访者的人口变量进行直观描述。

研究对象基本资料并组处理后的研究对象情况见表2-18。

根据修正后的表格：

（1）根据百分比报告，各变量不存在缺失值；

（2）并未出现异常的赋值，因此不存在建档错误；

（3）根据上表，在各变量上，符合最大与最小样本数相差不超过4倍这一指标。

因此，该样本分布符合后期的组间方差比较或回归分析的前提。

二、问卷设计

本节将对问卷各构面的题项进行初步分析。

为了对测量工具进行检验，本研究主要使用了因子分析与信度分析两种方法。其中因子分析又具体用到了探索式因子分析与主成分因子分析。探索式因子分析以因素负荷＞0.6，交叉负荷＜0.4为指标；主成分因子分析以因子载荷＞0.6为指标。信度分析以α＞0.7，题目之间的相关＞0.3，修正后总相关＞0.5为指标。将构面中不符合上述指标的题项删除，最终保留于构面中的题项如下：

（一）孤独量表描述性统计

通过对孤独感测度指标的质量进行最后控制，本研究采用了描述性统计的方法就被试在各变量的回答上予以直观呈现，并根据如下指标就这些变量进行整体的分析：

（1）如果是5级李克特量表，且均值＞4或＜2，或7级李克特量表，且均值＞6或＜2，则意味着该尺度过于集中，此题应予以删除；

（2）如果均值、众数与中位数接近，则表示该变量所对应的数据符合正态分布；

（3）如果方差太小，表示尺度过于集中，则意味着该题项应该删除；

（4）从最小值与最大值，可以看出数据是否有输入错误；

（5）如果偏态绝对值＜1，峰度绝对值＜7，则意味着符合单变量正态分布。

各构面题项描述性统计如表2-19所示。

综上：

（1）没有量表均值＞4或＜2，因此，各量表尺度合适；

（2）根据均值、众数与中位数分析，各变量的数据基本接近，所以各变量对应的数据符合正态分布；

（3）各变量方差合适，因此，各量表尺度适合；

（4）从最小值与最大值上，并未发现异常值出现，因此数据不存在输入错误；

（5）各变量的偏态绝对值＜1，峰度绝对值＜7，符合单变量正态分布这一原则。

（二）孤独量表探索式因子分析

因子分析可以分为探索式因子分析与验证式因子分析两类。

探索式因子分析（exploratory factor analysis, EFA）一般用于如下情形：

（1）因子个数不明；

（2）构面名称未知；

（3）问卷发展；

（4）特殊应用量表。

验证式因子分析（confirmatory factor analysis, CFA）一般用于如下情形：

（1）因子个数已知；

（2）构面名称已知；

（3）理论应用。

因子分析在本研究中，主要用于问卷构面题目的筛选，用探索性因子分析对各问卷的区别效度与收敛效度加以检验。

筛选的原则如下：

（1）删除与预设构面不同的题目；

（2）删除因素负荷过低的题目（因素负荷factor loading ＞0.6）；

（3）删除交叉负荷过高的题目（交叉负荷cross loading＞0.4）。

旋转后成分矩阵如表2-20所示。

由此可见，各孤独量表有较好的区分效度。

（三）UCLA孤独量表

为考验因素之稳定性与内在效度，就问卷进行因素分析与信度分析。基于因素分析的KMO、因素负荷以及信度分析中的内部一致性、题目之间的相关性和修正的项目相关为指标，就量表的效度与信度进行测量，在对问卷进行调整后，获得题项的KMO值为0.826，大于0.8，因此适合进行因素分析。经由因素分析，各题项因素负荷大于0.6，因此各题项有较好的收敛效度。以特征值1.0得出一个因素，可解释总变异量为73.1%。

经由信度分析，内部一致性系数α为0.88，大于0.7，因此各题项之间的内部一致性较高，题目之间的相关大于0.3，修正后的项目相关大于0.5，如表2-21、表2-22所示。

（四）社会孤独量表

为考验因素之稳定性与内在效度，就问卷进行因素分析与信度分析。基于因素分析的因素负荷以及信度分析中的内部一致性、题目之间的相关性和修正的项目相关为指标，就量表的效度与信度进行测量，在对问卷进行调整后，经由因素分析，各题项因素负荷大于0.6，因此各题项有较好的收敛效度。以特征值1.0得出一个因素，可解释总变异量为81.3%。

经由信度分析，内部一致性系数α为0.77，大于0.7，因此各题项之间的内部一致性较高，题目之间的相关大于0.3，修正后的项目相关大于0.5，如表2-23、表2-24所示，因此问卷整体有较好的可靠度。

（五）情感孤独量表

为考验因素之稳定性与内在效度，就问卷进行因素分析与信度分析。基于因素分析的因素负荷以及信度分析中的内部一致性、题目之间的相关性和修正的项目相关为指标，就量表的效度与信度进行测量，在对问卷进行调整后，经由因素分析，各题项因素负荷大于0.6，因此各题项有较好的收敛效度。以特征值1.0得出一个因素，可解释总变异量为78.8%。

经由信度分析，内部一致性系数α为0.73，大于0.7，因此各题项之间的内部一致性较高，题目之间的相关大于0.3，修正后的项目相关大于0.5，如表2-25、表2-26所示，因此问卷整体有较好的可靠度。

（六）父母孤独量表

为考验因素之稳定性与内在效度，就问卷进行因素分析与信度分析。基于因素分析的KMO、因素负荷以及信度分析中的内部一致性、题目之间的相关性和修正的项目相关为指标，就量表的效度与信度进行测量，在对问卷进行调整后，获得题项的KMO值为0.75，接近于0.8，因此适合进行因素分析。经由因素分析，各题项因素负荷大于0.6，因此各题项有较好的收敛效度。以特征值1.0得出一个因素，可解释总变异量为82.8%。

经由信度分析，内部一致性系数α为0.90，大于0.7，因此各题项之间的内部一致性较高，题目之间的相关大于0.3，修正后的项目相关大于0.5，如表2-27、表2-28所示，因此问卷整体有较好的可靠度。

（七）同辈孤独量表

为考验因素之稳定性与内在效度，就问卷进行因素分析与信度分析。基于因素分析的KMO、因素负荷以及信度分析中的内部一致性、题目之间的相关性和修正的项目相关为指标，就量表的效度与信度进行测量，在对问卷进行调整后，获得题项的KMO值为0.709，在0.8左右，因此适合进行因素分析。经由因素分析，各题项因素负荷大于0.6，因此各题项有较好的收敛效度。以特征值1.0得出一个因素，可解释总变异量为76.0%。

经由信度分析，内部一致性系数α为0.84，大于0.7，因此各题项之间的内部一致性较高，题目之间的相关大于0.3，修正后的项目相关大于0.5，如表2-29、表2-30所示，因此问卷整体有较好的可靠度。

三、统计分析

本研究主要用到分层回归、中介分析及聚类分析三种统计方法。

（一）分层回归

对社会网络、自我传播网络与孤独感这三个变量之间的关系通过多元回归或分层回归法予以建模。

（二）中介分析

为了验证社会网络、自我传播网络与孤独感这三个变量之间的中介关系，将基于多次阶层回归予以检验，并将通过Sobel检验，对中介效应进行分析。

（三）聚类分析

用于分析中国大陆网络化个体的媒介使用类型。

四、深度访谈法

深度访谈是为了挖掘数据背后的个体生活体验。本研究之所以选择一对一的深度访谈而不是焦点访谈，原因在于孤独感以及个体的社会关系都是较为敏感的话题，为了能够让个体更好地表露自己的内心想法，故采用一对一的深度访谈方式。

本研究进行深度访谈的时间节点包括两个：第一个时间节点是，在阅读和网络化个人主义相关文献的同时，通过深度访谈，了解对现代人而言，不同类型的媒介是如何嵌入个体的社会生活之中的，对个体的社会心理可能产生什么样的影响；第二个时间节点是，在讨论部分，根据量化部分所呈现的因果机制，根据深度访谈的结果，就因果机制进行进一步的阐释。

（一）研究对象说明

深度访谈对象的选择，关键并不是是否有外推的可能，而是所选择的对象是否有偏。最基本的原则是，只要能够提供研究所需相关信息的人群，就可成为访谈的对象。在抽样上，由于现代人基本上都会使用各种类型的交流媒介，因此，关键考虑的是样本均匀性的问题，如地域、性别、年龄和职业等。

为了方便参与深度访谈的对象，我们将时间定在了工作日或周末的晚上8点之后，通过电话或面对面的方式，进行一对一的深度访谈。

出于对访谈者隐私的保护，文中仅显示被访者名字的首字母。

（二）深度访谈的执行与主要讨论的问题

深度访谈，往往需要在执行前明确自己想要与之进行交流的议题。每次深度访谈时间控制在10～15分钟。深度访谈的提纲见表2-31。

本研究首先确定研究的动机、目的与定位，基于现有的文献形成问卷以测量被调查者的孤独感、社会网络以及传播网络中的网络资本，问卷在正式发布前进行过试测，在正式发布问卷后通过数据分析，就被试的社会网络、传播网络中的网络资本与孤独感之间的关联性进行分析。整体研究流程如图2-3所示。