基于信息源信任度的PM2.5健康风险认知研究

曾贤刚，许志华，虞慧怡 （中国人民大学环境学院，北京 100872）

基于信息源信任度的PM2.5健康风险认知研究

曾贤刚*，许志华，虞慧怡 （中国人民大学环境学院，北京 100872）

运用心理测量范式调查北京和南昌居民对PM2.5信息发布源的信任度以及健康风险认知，结果表明，居民信息源信任度仅为一般水平，专家和非政府组织信任度较高，政府信任度较低，北京居民信任度低于南昌居民，风险认知高于南昌居民.基于结构方程模型，构建风险认知影响机理模型，分析表明信任度对风险认知有显著影响，北京和南昌影响系数分别为0.244、0.183；个体特征能直接或通过信任度间接影响风险认知，北京和南昌总影响系数分别为0.222、0.214，其中个体基础信息（年龄、月收入、职业）、健康状况（儿童和老人数、自身健康状况、曾或正患呼吸疾病或心肺疾病）、居住位置与工作方式均对信任度和风险认知有显著影响.

PM2.5；风险认知；信任度；心理测量范式；结构方程模型

健康风险认知指人们对影响身心健康的各种因素、活动和常见疾病的认知［1］.大气细颗粒物（PM2.5）会对人们健康产生损害［2］，即存在健康风险，但公众的主观过滤会使风险认知与客观风险存在偏差.目前国内外未有PM2.5健康风险认知的研究，但存在风险认知研究.风险认知指人们对于风险的态度与直觉判断［3］，其研究主要体现于以下3方面：①风险维度.Slovic［4］运用心理测量范式测量风险认知得到忧虑度与未知度两项基本风险维度.Lazo等［5］以31项风险维度调查专家和公众对13项全球气候变化和12项非全球气候变化的生态破坏风险的认知，表明人们对全球气候变化的生态破坏风险的接受度高于非全球气候变化，且专家的风险接受度高于公众.②风险认知影响因素.Jackson［6］调查抵押放贷者对环境污染的风险认知，结果表明污染前、污染中、污染处理后风险认知有显著差异.Liu等［7］研究延时对环境风险认知的影响，结果表明环境风险发生时间越遥远，严重性认知越低，且男性与女性的环境风险认知有显著差异.McDaniels等［8］调查33项人文活动或自然灾害的水环境损害风险认知，结果表明生态影响、利益、可控性等对风险认知有显著影响.Carlton等［9］调查佛罗里达气候和海岸环境风险认知，结果表明风险认知受个人态度与基本信仰影响.③风险认知、沟通与管理.Zhang等［10］调查具有高学历和新信息高敏感性的大学生的环境风险认知，结果表明对环境风险与风险管理系统认识有限，急需构建包含公众的应急反应和风险管理.Linden［11］以气候变化风险为例建议将个人经验、情感和风险认知三者间的反馈调节系统纳入风险沟通与管理.

风险沟通是个体、群体及机构之间交换信息和看法的相互作用过程［12］，其中管理部门通过发布信息影响公众风险认知，因此公众对信息源的信任度将直接影响沟通效果及风险认知.且信任极易丧失却极难建立的特性［13］，因此信任与风险认知的关系研究十分重要.Starr［14］认为人们是否接受风险，更依赖于公众对风险管理的信任，而非风险的定量估计.本文以北京市和南昌市为例，调查居民对PM2.5信息源的信任度及健康风险认知，构建结构方程模型分析风险认知影响机理，为PM2.5健康风险有效管理及提高相关政策的科学性和可接受性提供服务.

1 研究方法

1.1 心理测量范式

心理测量范式通过问卷直接调查人们对风险和收益的感知及对不同风险的明示偏好，目前被广泛运用于风险认知研究中.本研究中调查问卷可分为以下3部分：①PM2.5相关信息来源及对信息源的信任度，主要包括公众PM2.5相关信息的来源，及对政府、专家、媒体及非政府组织的信任度.②风险认知，从调查者对PM2.5的了解程度、社会影响程度、健康风险发生可能性、后果严重性、持续时间、可控性、平等性、人为性、对家人健康是否有影响、自愿承担风险性10个维度对风险认知进行测量.③个体特征，包括性别、年龄、受教育程度、月收入及职业.此外北京问卷中加入以下问题对个体特征进一步分析，包括一起居住的儿童与老人数、自身健康状况、自己及家人是否患过呼吸类疾病、居住位置、上班方式及是否户外工作.其中对于4项信任度与10项风险认知维度，采用Likert五点量表进行测度，基本形式为给出相关描述，再由被调查者从5个选项中选择.如关于政府信息源信任度，问题为是否信任政府部门发布的关于PM2.5及其健康风险的信息？答案分别为“完全信任”、“比较信任”、“一般”、“不太信任”、“完全不信任”（此选项为负向设置）.

正式开展问卷调查之前，于2014年4月在中国人民大学及周边区域进行预调查，修改问卷中存在的问题与不足.2014年5月在北京市东城区、西城区、朝阳区、丰台区、海淀区和石景山区以及6月在南昌市东湖区、西湖区、青云谱区、青山湖区以面对面访谈的方式开展正式的随机抽样调查，并控制性别比为1：1，年龄在18～70以内.在北京、南昌分别发放问卷1021、560份，根据逻辑检查等质量控制方法，剔除了其中有逻辑错误和项目缺失的不合格调查问卷，得有效问卷912、471份，有效问卷率为89.32%、84.11%.

1.2 结构方程模型

结构方程模型是以统计假设检验方法分析相关现象的内在结构机理的方法［15］.结构方程中包括两种变量：可直接测量的测量变量和不可直接测量的潜变量.结构方程模型可由下列方程进行表示：

式中：1、2式均为测量方程，表示测量变量与潜变量之间的关系；3式为结构方程，表示潜变量之间的关系.x、y分别为外生和内生测量变量向量；^x表示外生测量变量与外生潜变量间的关系，即为外生测量变量在外生潜变量上的因子负荷矩阵；^y则为内生测量变量在内生潜变量上的因子负荷矩阵；ξ、η分别为外生和内生潜变量；B、Γ分别表示内生潜变量间的关系和外生潜变量对内生潜变量的影响；δ、ε和ζ为相应误差项.结构方程模型优点在于：可用潜变量表征需探测但无法直接观测的现象问题，并将潜变量用可直接观测指标来反映，从而建立潜变量和观测变量间的结构关系；可同时考察变量间的直接作用和间接作用.

2 健康风险认知分析

2.1 数据先验性分析

表1 数据可信度测试Table 1 Data reliability testing

表2 信任度与风险认知描述统计结果Table 2 Descriptive statistics of the credibility of information sources and risk perception

信度检验.常以Cronbach's a系数衡量调查问卷各项目间的一致性：若Cronbach's a系数大于0.8，则信度较好；大于0.5可视为通过信度检验；而小于0.5则应考虑重新修订或增删题项.计算调查数据各部分及整体Cronbach's a系数，结果如表1.由表1可知，北京与南昌数据整体可信度均较高.

描述统计.对信任度与风险认知的选项1～5分别赋值为1、2、3、4、5.则信任度和风险认知的描述统计结果如表2所示，此外个体特征赋值方式与描述统计结果如表3所示.由表2 可知，在信任度方面，北京与南昌被调查者均值波动范围为（2.84，3.37），说明被调查者对于4项信息源信任度均处于一般水平.就地域而言，南昌被调查者对信息源的信任度高于北京被调查者；就4类信息源而言，被调查者对政府的信任度最低，对专家与非政府组织的信任度相对较高.在风险认知方面，被调查者的10项风险特征均值大都大于中等水平3，说明居民的PM2.5的健康风险认知较高；北京被调查者的风险特征均值均大于南昌被调查者，说明北京居民的PM2.5健康风险认知相对较高，这可能是因北京居民近年来对PM2.5关注程度较高；10项风险维度中，PM2.5的健康风险发生可能性、影响程度、持续时间均值较高，了解程度与平等性较低.由表3可知，被调查者中北京月收入与受教育程度均值高于南昌，符合实际情况.

表3 被调查者个体特征Table 3 The social and economic characteristics of interviewee

2.2 模型设定及假设

根据经验研究，信任度与个体特征均会对风险认知产生影响，个体特征会对信任度有影响，结合结构方程模型理论，构建风险认知与信任度理论模型，如图1所示.采用一阶因素模型对各潜变量进行反映，此外为分析职业具体影响，在分析中对职业采用虚拟变量赋值法.根据理论模型，可提出以下3个假设：H1：信任度对风险认知有显著影响；H2：个体特征对风险认知有显著影响；H3：个体特征对信任度有显著影响.

图1 PM2.5健康风险认知理论路径模型Fig.1 Theoretical model of the risk perception to PM2.5

2.3 模型估计结果与分析

模型分析前需进行效度检验和因子分析检验.效度检验包括区别效度和聚敛效度.经计算，3个潜变量间区别效度均满足条件.在结构方程模型中，通过删除不显著及因素负荷量小于0.5的测量变量可提高聚敛效度和模型适配.按上述2个标准对风险认知进行分析，经计算，北京中社会影响程度、健康风险发生可能性、后果严重性、持续时间与家人健康是否有影响5项因素负荷量大于0.5，可显著反映风险认知，而南昌中还包含人为性和自愿性2项；对于信任度和个体特征，为分析各测量变量对风险认知的影响，因此仅按照显著标准进行分析，结果表明仅性别不显著，而职业因虚拟变量性质，无法保留所有项，最终仅保留2项，但可通过改变保留的项，分析各职业对风险认知的影响（在后面的分析中，仅以学生和国营单位人员为例）.

图2 模型标准化估计Fig.2 Standardized coefficient estimates of the structural model

因子分析检验.对保留的测量变量进行KMO检验，经计算，北京和南昌的KMO检验值分别为0.778、0.813，Bartlett球形度检验卡方统计量分别为4540.07、2973，显著性水平均为0.000，说明均适合进行因子分析.此外采用主成分分析法，限制抽取因子数为3，结果表明北京和南昌3个因子的解释能力分别为56.86%、56.28%.

由表2、3可知，所有测量变量均满足偏态小于3，峰态小于8，可认为数据符合正态分布.运用AMOS进行分析，采用最大似然估计，在不违背理论基础与结构方程模型修正基本原则条件下，根据MI值大于10的原则进行模型修正，得最终标准化和具体结果如图2、表4所示.

模型假设以及分析结果的合理性可通过模型适配度指标进行反映.适配度指标中卡方值、卡方显著性、卡方自由度比值均易受样本容量影响，样本容量较大时难以满足标准，则需参考其他指标，其他常用指标的判别标准为适配度指数GFI＞0.9、调整后适配度指数AGFI＞0.9、规准适配度指数NFI＞0.9、比较适配指数CFI＞0.9和残差均方和平方根RMSEA＜0.08.由图2可知，北京的适配度较高，均满足标准；南昌适配度相对较低，但大都接近于标准.因此可认为PM2.5健康风险认知模型合理适配.

由表4可知，北京与南昌路径非标准化回归系数均在0.01内显著（仅北京受教育程度对个体特征的路径系数在0.05内显著），说明各测量变量对相应潜变量的影响以及潜变量之间的影响均十分显著.路径回归系数在北京和南昌间虽有所差异，但正负属性均相同，未出现相反情况，说明各测量变量与潜变量之间的关系以及各潜变量之间的关系具有潜在规律.

测量变量与潜变量之间的关系可以测量变量的标准化回归因素负荷量进行表示.在风险认知方面，风险维度因素负荷量均为正，符合经验研究.然北京和南昌风险维度因素负荷量存在较大差异，北京中健康风险发生可能和后果严重性因素负荷量较高，分别为0.87、0.86；家人健康是否有影响因素负荷量最低，仅为0.53.南昌中后果严重性、社会影响程度、持续时间因素负荷量相对较高，分别为0.83、0.76、0.72，人为性和自愿性相对较低，分别为0.56、0.49.

在信任度方面，北京与南昌结果相似，对于专家的信任度对总体信任度因素负荷量最大，分别为0.77、0.84，其次为媒体和政府，且因素负荷量较高，均在0.68之上；而对于非政府组织的信任度因素负荷量最小，北京和南昌分别仅为0.18、0.39.

表4 模型路径估计Table 4 Path coefficient estimates of the structura model

在个体特征方面，北京和南昌年龄因素负荷量较大，分别为0.66、0.76；受教育程度因素负荷量较小，仅为0.10、0.21；月收入因素负荷量存在较大差异，北京为0.86，南昌仅为0.42；是否为学生因素负荷量呈现负相关关系，分别为-0.83、-0.69；是否为国营单位人员因素负荷量则分别为0.44、0.57.此外个体特征测量变量间存在显著共变性，如年龄与受教育程度呈负相关关系，而是否学生与受教育程度呈正相关关系.

潜变量之间的关系以潜变量间的标准化回归路径系数表示.信任度对风险认知有显著影响（假设H1得到支持），北京和南昌标准化回归系数分别为0.291、0.48，说明信任度越低，风险认知越高，北京的影响程度低于南昌.这可能是因居民对信息源的不信任导致对风险的放大处理，从而表现为较强风险认知.结合四项信任度因素负荷量说明，对于专家、媒体、政府和非政府组织的信任度均与风险认知呈负相关关系，且影响系数依次递减.

个体特征对风险认知有显著影响（假设H2得到支持），北京和南昌标准化回归系数分别为0.197、0.148，北京的影响程度高于南昌.结合个体特征因素负荷量说明，年龄与风险认知存在较强正相关关系，这可能是因年老者对于健康重视程度比年轻人更高；受教育程度与风险认知存在弱正相关关系，这可能是因高学历者可更快了解信息，且信息掌握量相对较大；月收入与风险认知呈正相关关系，这可能是因低收入者更关注于家庭经济生活，高收入者则对健康重视程度更高；职业中，是否学生与与风险认知呈负相关关系，这可能是因学生属于年轻低收入者，其对健康重视程度相对较低；是否国家单位人员与风险认知呈正相关关系，这可能是因国家单位人员更易掌握相关信息；是否个体户或企业人员与风险认知呈正相关关系，这可能是因个体户或企业人员收入相对较高；是否组织结构人员影响较低.

个体特征对信任度有显著影响（假设H3得到支持），北京和南昌标准化回归系数分别为0.244、0.138，北京的影响程度高于南昌.年龄、受教育程度、收入、是否国家单位人员和是否个体户或企业人员均与信任度呈负相关关系，而是否学生与信任度呈正相关关系.因假设H2、H3成立，则可认为信任度在个体特征对风险认知影响过程中起到中介作用，则个体特征对风险认知的总影响标准化回归系数分别为0.222、0.214，较为接近.

2.4 模型扩展

对模型进行扩展，加入以下变量：一起居住的儿童数（PC6.1）与老人数（PC6.2）、自身健康状况（PC7）、自己（PC8.1）及家人（PC8.2）是否患过呼吸类疾病、居住位置（PC9）、上班方式（PC10）及是否户外工作（PC11）.对上述变量进行统计分析：一起居住的儿童与老人数平均为1.74、2.22名；认为自身健康状态为好、比较好、一般的被调查者分别占10%、46.1%、36.8%；26.2%和29.1%的被调查者表示自己、家人曾患过呼吸道疾病或心肺疾病；61%表示住在城区、22.7%住在城市主干道附近、7.8%和10%居住地附件有工厂和建筑工地；上班方式中步行、骑自行车、乘坐公共交通、地铁、开车的比例分别为37%、20.1%、41%、39.3%、13.7%；62.1%表示基本不需要或偶尔需要户外工作，而15.2%表示经常需要或完全户外工作.

上述变量归为自己及家人情况、居住位置与工作方式两项，结合性别等基础信息，以二阶因素模型对个体特征进行反映.采用最大似然估计，根据MI值大于10的原则修正，得最终标准化结果和路径估计结果分别如图3、表5所示.

由图3可知，模型适配度指标大都符合标准，说明模型合理适配.由表5可知，健康状况、居住位置与工作方式对个体特征有显著影响，均在0.05内显著，即对风险认知亦有显著影响.在健康状况方面，一起居住的儿童与老人数均与风险认知呈强正相关关系，这可能是因一起居住的儿童与老人数越多，被调查者对于家人健康的担忧程度越强；被调查者自身健康状况与风险认知呈弱负相关关系，这可能是因被调查者认为自身健康状况较好，从而忽视健康风险；家人若曾经或正在患呼吸疾病或心肺疾病，则风险认知更高，这是因家人若曾经或正在患呼吸疾病或心肺疾病，被调查者更可能了解PM2.5为呼吸疾病或心肺疾病的致因之一，从而提高其风险认知.居住位置中，是否住在城区对风险认知有显著影响，且呈负相关关系.上班方式中，步行与骑自行车与风险认知呈负相关关系，而乘坐公共交通和地铁与风险认知呈正相关关系，这可能是因住在城区、步行与骑自行车一直处于受损情景中，从而忽视风险；工作中户外工作的必要性与风险认知呈正相关关系，这可能是因被调查者因工作压力必须处于户外，从而对健康担忧程度更强.

图3 扩展模型估计结果Fig.3 Standardized coefficient estimates of the expanded model

表5 扩展模型路径估计结果Table 5 Path coefficient estimates of the expanded model

2.5 建议

基于上述结果对PM2.5健康风险管理提出以下建议：1）信任重要性.目前公众对于信息源信任度较低，但公众对信息源信任度对风险沟通效果有显著影响，若信任度较低，政府风险管理政策难以取得预期效果，信任度越高，政策效果越显著.且信任易丧失难建立，因此应重视信任问题，加强恢复信任度工作，保障公布信息的准确性.2）人群差异性.由分析可知，年龄小、低收入者往往低估PM2.5健康风险，而年龄大、高收入者则可能存在放大风险问题，因此风险管理政策应对不同人群区别对待，避免风险认知偏差进一步扩大.3）地区差异性.北京居民公众健康风险认知高于南昌居民，这是由于北京PM2.5情况劣于南昌，而人均收入、受教育程度高于南昌.即不同地区PM2.5健康风险认知不同，在管理中不可同一而论.

3 结论

3.1 运用心理测量范式调查北京和南昌居民对于PM2.5信息源信任度以及健康风险认知.结果表明：在信任度方面，居民对信息源的信任度仅处于一般水平，北京居民的信任度低于南昌居民，且居民对专家和非政府组织的信任度较高，对政府的信任度较低.在风险认知方面，北京居民的风险认知高于南昌居民，风险特征PM2.5的健康风险发生可能性、影响程度、持续时间均值较高，了解程度与平等性较低.

3.2 基于经验研究和结构方程模型，构建PM2.5健康风险影响模型，分析风险认知影响机理.结果表明：信任度在个体特征对风险认知影响过程中起中介作用，且信任度越低，风险认知越高；个体特征会对信任度和风险认知产生显著影响，其中年龄、受教育程度、收入、国家单位人员、个体户或企业人员、一起居住的儿童和老人数、家人曾经或正在患呼吸疾病或心肺疾病、乘坐公共交通和地铁、工作中户外工作的必要性与信任度呈负相关相关，与风险认知呈正相关关系.而学生、自身健康状况、住在城区、步行与骑自行车与信任度呈正相关关系，与风险认知呈负相关关系.

［1］刘金平.理解.沟通.控制：公众的风险认知 ［M］. 北京：科学出版社， 2011.

［2］郭新彪，魏红英.大气PM2.5对健康影响的研究进展 ［J］. 科学通报， 2013，58（13）：1171-1177.

［3］彭黎明.气候变化公众风险认知研究一一基于广州城市居民的调查 ［D］. 武汉：武汉大学， 2005.

［4］Slovic P. Perception of risk ［J］. Science， 1987（236）：280-285.

［5］Lazo J K， Kinnell J C， Fisher A. Expert and layperson perceptions of ecosystem risk ［J］. Risk Analysis， 2000，20（2）：179-193.

［6］Jackson T O. Environment risk perceptions of commercial and industrial real estate lenders ［J］. Journal of Real Estate Research，2001，22（3）：271-288.

［7］Liu Y， Xie C， She S. Perception of delayed environmental risks：beyond time discounting ［J］. Disaster Prevention and Management， 2014，23（2）：112-122.

［8］McDaniels T L， Axelrod L J， Cavanagh N S， et al. Perception of ecological risk to water environments ［J］. Risk Analysis， 1997，17（3）：341-352.

［9］Carlton S J， Jacobson S K. Climate change and coastal environmental risk perceptions in Florida ［J］. Journal of Environmental Management， 2013（130）：32-39.

［10］Zhang L， He G et al. Public perceptions of environmental risk in China ［J］. Journal of Risk Research， 2013，16（2）：195-209.

［11］Linden S V D. On the relationship between personal experience，affect and risk perception： The case of climate change ［J］. European Journal of Social Psychology， 2014（44）：430-440.

［12］Covello V T， Peters R G， Wojtecki J G， et al. Risk communication， the west nile virus epidemic， and bioterrorism：responding to the communication challenges posed by the intentional or unintentional release of a pathogen in an urban setting ［J］. Journal of urban health： Bulletin of the New York Academy of Medicine， 2001，78（2）：382-391.

［13］Myron R， Bernadette P. On the confirmability and disconfirmability of trait concept ［J］. Journal of Personality and Social Psychology， 1986（50）：131-142.

［14］Starr C. Risk management， assessment， and acceptability ［J］. Risk Analysis， 1985，（5）：97-102.

［15］刘 威.基于结构方程模型的收益质量评价方法研究 ［D］. 哈尔滨：哈尔滨工业大学， 2008.

Health risk perception to PM2.5based on the credibility of information sources.

ZENG Xian-gang*， XU Zhi-hua， YU Hui-yi （School of Environment and Natural Resources， Renmin University of China， Beijing 100872， China）. China Environmental Science， 2015，35（10）：3157～3165

Risk perception was the foundation of risk communication and risk management. Understanding the characteristics of risk perception and the factors that were able to affect risk perception was conducive to effective risk communication and risk management. This paper investigated the public health risk perception to PM2.5and the credibility of information sources based on the psychometric paradigm. The result showed that the credibility was just in an intermediate level in general. The credibility of experts and NGOs was higher than the credibility of government. In the aspect of regional comparison， the credibility result based on residents in Beijing was lower than that based on residents in Nanchang， but the risk perception was higher. Then this paper constructed an influence mechanism model of risk perception based on the structural equation model. Result showed that credibility had negative effect on risk perception，and the coefficient of credibility based in Beijing and Nanchang was 0.244 and 0.183， respectively. The individual characteristics could directly and indirectly affect risk perception through credibility， and the total coefficient was 0.222 and 0.214 respectively. The individual characteristics included basic individual information （age， income， occupation），health condition （the number of children and the elderly， their own health condition， suffering from respiratory disease or not）， residential location and the way of working.

PM；risk perception；credibility；psychometric paradigm；structure equation model2.5

X32

A

1000-6923（2015）10-3157-09

曾贤刚（1972-），男，江西九江人，教授，博士，研究方向为环境与资源经济学.发表论文70余篇.

2015-03-08

国家自然科学基金面上项目（41371530）；国家社会科学基金重大项目（13&ZD045）

* 责任作者， 教授， zengxg@ruc.edu.cn