英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

研究纪要

互联网时代的议程设置：在线搜索与事项显著性之间的互动

ByungGu Lee1, Jinha Kim1, and Dietram A. Scheufele2

1美国威斯康辛大学麦迪逊分校新闻与大众传播学院；2美国威斯康辛大学麦迪逊分校生命科学传播系

摘要

当用户个人上网浏览信息时，搜索引擎就是他们的指南针。大约90%的互联网用户会使用搜索引擎（Zickuhr，2010）并且会先搜索新闻消息(lsquo;lsquo;Views of the news,' 2011).。截至2012年6月，美国人在一个月内进行了170亿次搜索（Flosi，2012），这个数据表明通过在线搜索引擎正在大量的搜索、提供和消耗信息。

这一观察结果表明，在线搜索可能是舆论形成过程中的一个重要因素。由于大多数在线搜索都是用于信息消费，因此一个事项的搜索量可能表明该问题的公共显著性性，因为事项的显著性性在信息消费过程中会转移（McCombs＆Shaw，1972; McCombs＆Weaver，1973）。 此外，增加的事项显著性性可能反过来与随后的信息搜索有关（例如，Weaver，1991）。

然而，之前的议程设置研究缺乏围绕（a）议程设置关系的互惠性质以及（b）围绕在线搜索的议程设置过程的研究议程。 考虑到这一点，我们研究了在经济背景下，在线搜索与个人对 “最重要问题”（MIP）的看法之间的关系。 假设搜索量表示关于某个问题的消费量，我们调查在线搜索经济信息和MIP感知之间的聚合级的关系。 我们还研究了改变MIP是否与随后的在线搜索有关。 这些关系是通过比较谷歌趋势数据的一年的经济问题搜索趋势和每日调查数据来验证这些关系。调查数据是以美国人中选择经济体作为MIP的人数比例。

文献综述

议程设置

自从McCombs和Shaw（1972）的首次研究以来，大量的研究表明大众传媒的议程确实影响着MIP的感知。研究表明，媒介单向塑造了MIP的感知（Iyengar＆Kinder，1987），而不考虑他们的受众（Shaw＆McCombs，1977）。

议程设置的研究不断发展，与不断变化的媒介环境保持同步，包括各种媒介平台之间的动态影响交流。 例如，研究了在线报纸和印刷报纸的不同议程设置效果（Althaus＆Tewksbury，2002; Waal＆Schouml;nbach，2008）以及在线讨论的议程设置效果（Roberts，Wanta，＆Dzwo，2002））。 此外，研究表明，主流新闻来源和在线公民媒介相互影响新闻议程（Wallsten，2007）。

在发布问题和在线搜索之前寻找信息

在议程设置过程中，受众的主动搜寻信息可能会发挥重要作用。 有证据表明，信息搜寻是由不确定性（Matthes，2006）和验证新信息的需求推动的（Kosicki＆McLeod，1990）。此外，人们倾向于在态度形成的早期阶段收集信息以形成普遍接受的态度，以避免表达不可接受态度引发的负面后果（Petty＆Cacioppo，1986）。 因此，在诸如MIP判断之类的感性决策之前，信息需求的产生有多种原因。

当在当前媒介环境中出现这种需求时，可以假设越来越多的人转向互联网，特别是搜索引擎。实际上，随着搜索引擎成为在线信息搜寻的主要模式（Morris，Teevan，＆Panovich，2010），超过40％的美国人在2011年首次使用搜索引擎进行新闻消费（“新闻观点”，2011年）。

重要的是，使用搜索引擎来满足此类信息需求可能会对议程设置研究产生重要影响。先前的研究表明，感知一个事项的重要性与（a）在该问题上花费的时间和注意力（Scheufele＆Tewksbury，2007）和（b）她/他的相关知识水平是正相关的（Matthes，2006）。因此，假设由不确定性或有效地去寻求的动机促成的在线搜索旨在用于信息消费，当人们更多地了解或越来越多地反思某个事项时，它们可能转化为对事项的感知。因此：

H1（假设一）：关于经济问题的在线搜索与经济作为MIP的感知正相关。

议程设定效果的后果

因为在许多情况下，全国性的重要事项在本质上是有问题的，并且直接关系到人们的生活，所以个人可能通过寻求其他信息来了解这些事项（Kahlor，Dunwoody，Griffin，＆Neuwirth，2006）。 从这个角度来看，信息搜寻可以看作是一种主动的，目标驱动的活动由人们对环境的监控需求所驱动（Shoemaker，1996）。 研究结果表明，这种动机也驱使了人们使用互联网来寻求额外的信息（Garramone，Harris，＆Anderson，1986; Kaye＆Johnson，2002）。 总之，MIP可以使人们对那些可能对他们的生活产生影响的事项更加警惕，从而激励他们密切关注这些事项。 因此：

H2（假设2）：经济显著性与对经济的后续在线搜索正相关

信息获取与重要性感知之间存在最优滞后

长期以来，信息获取与MIP感知变化之间的最佳滞后一直是许多研究人员关注的一个重要问题。 然而，答案在不同的事项类型和媒介类型上存在很大的差异，从几天（Roberts等，2002）到周（Wanta＆Hu，1994）甚至是几个月（Shoemaker，Wanta，＆Leggett，1989）。 此外，很少有研究表明在线搜索和MIP感知之间存在最佳滞后。因此，提出以下研究问题：

RQ1（研究问题1）：关于经济的在线搜索与经济显著性变化之间的最佳时间间隔是多少？

似乎很少有研究考察行为反应发生的最佳间隔，特别是以在线搜索的形式出现的最佳时间间隔与事项显著性增加之间的关系。 因此，提出了第二个研究问题：

RQ2（研究问题2）：经济显著性变化与后续在线搜索经济之间的最佳时间间隔是多少？1

谷歌趋势数据及其作为公众舆论研究工具的潜力

鉴于谷歌在在线搜索领域的主导地位（Flosi，2012）以及美国人普遍使用互联网的情况（World Bank，2012），谷歌对某一事项的搜索量可以粗略地反应公众对该事项的兴趣。有关搜索查询地流量地数据可以通过Google趋势找到。特定搜索字词的搜索量是通过将使用该查询执行的搜索次数除以在Google上完成的总搜索次数来计算的。然后，在选定的时间段（即相对比例指数）或固定时间点（通常是2004年1月，即固定比例指数），将其标准化并缩放到该术语的平均搜索流量.2

Google趋势数据允许以不引人注目的方式进行准确的大规模观测（Scharkow＆Vogelgesang，2011）。更重要的是，谷歌趋势数据已被证明可以有效地预测或关联从健康到经济的各个领域的其他宏观指标（Askitas＆Zimmermann，2009; Carneiro＆Mylonakis，2009）。例如，Vosen和Schmidt（2011）对私人消费增长率的研究表明，谷歌趋势模型的表现优于其他两个模使用两个国家级调查构建的模型。Mellon（2014）认为， Google趋势数据可以作为衡量总体事项显著性的一个公平指标。总而言之，越来越多的证据表明，Google趋势可以作为评估和预测趋势的可行的来源和工具。

方法

我们使用向量自回归（VAR）模型作为分析框架，它通常用于分析多个时间序列之间的相关性。

关键词选择流程

本研究以2008年金融危机为北京，以议程设置过程为研究对象。根据Mellon（2014）对关键词选择的建议，我们首先以2008年美国经济状况（Zivot＆Wang，2006）为基础的新闻文章和月度在线经济报告（例如，Carter，Ellis， Hossain，＆McLean，2008;“Election Center”，2008; Weller，2008; Ydstie，2008）筛选候选关键词。3最初选择了30多个与危机相关的查询，然后根据内容效度检验这些关键词。即保留关注经济的人会使用的关键词。例如，我们排除了“大萧条”，“失业救济金”，“税收抵免”和#39;#39;油价#39;#39;等与经济条件没有直接关系的关键词。我们还研究了所选术语的搜索量指数是否因为不相关的关键词而存在偏差。一个例子可能是“史蒂夫·乔布斯”在搜索中出现“工作”。4最后，我们只包括了全年持续可见的关键词。这是因为，虽然偶尔或偶然的事项（例如，与美国国际集团（AIG），房利美和房地美一起短暂出现的救助计划）可能暂时推动某些经济子类别的显著性，这些事项是不太可能对长达一年的显著性趋势产生影响（见Mellon，2014）。因此，最终选择了以下事项：失业、华尔街、破产、401k、衰退、财政部、国际货币基金组织、美联储、房利美、次级抵押贷款、经济、股票市场和道琼斯指数.5,6

这些查询的搜索量数据是按照以下设置收集的：该区域仅限于美国;所有分区都包括在内;时间设置为2008年的每个月，因为这是获得每日搜索量的唯一方法。该年度每个月的固定比例搜索量指数均被下载。然后，每个单独的月度数据集被编译成一个包含每日指标的全年数据集。7

调查数据

本研究使用宾夕法尼亚大学安纳伯格公共政策中心进行的2008年国家安纳伯格选举调查（NAES）。 NAES是一项针对五个多月的分批小组调查，通过互联网访问了28,985名具有全国代表性的受访者。该样本来自KnowledgePanel，这是一个随机抽样的美国家庭。访谈是在2007年10月至2009年1月期间进行的.8在每一批中，每天进行滚动横断面调查，只允许被邀的受访者在固定期间参与（有关调查设计的更多信息，请参阅Johnston，2008）.9 在2008年平均每天约有205名受访者接受访谈（日样本量见图1）.10

为了抓住MIP的观点，一个封闭式的问题 - “在你看来，这个国家今天面临的最重要问题是什么？”—问到有八个选项：税收、教育、反恐战争、伊拉克局势、经济、道德问题、医疗保健等。选择经济体作为MIP的受访者比例以2008年的日数据为基础进行计算（均数M = 56.52，标准差SD = 15.90）.11

我们使用看电视的时间作为一个控制变量，询问#39;#39;昨晚，你有多少小时的时间看电视，如果有的话，你会在下午6点到晚上11点之间观看吗？#39;#39;这是因为缺乏更好的衡量标准。12小时来看电视（0%昨晚没有看电视，5%的看电视5小时;均数 M = 2.61，标准差SD = .20）。这是通过平均每小时看电视的小时数来计算的。因为原始项目询问了昨晚的电视观看情况，所以每个日期都记录在前一天。

分析方法

在VAR模型中，我们一次包含一个关键词和控制变量。13

因此，方程的基本形式如下：

在时间内进行的在线搜索跟在时间t内增加的经济显著性的关系通过以下等式计算

按照VAR模型估算的标准程序，我们检查了每个变量的季节性和平稳性。季节性是一种可预测的、围绕趋势线的循环变化（例如，纽约多年来的日常温度），需要将其去除，以防止误导结果。对所有变量的自相关函数的可视化检查表明没有季节性迹象（Cowpertwait＆Metcalfe，2009）.14

时间序列的非平稳性表明统计参数随时间推移而变化的性质。这个因素需要确定，因为它往往产生虚假关系（Granger＆Newbold，1974）。然而，当多个非平稳时间序列产生一个平稳线性组合时，估计出常数和无偏的回归系数，称为协整（Wooldridge，2013）。因此，首先使用Augmented Dickey-Fuller测试所有时间序列（Cowpertwait＆Metcalfe，2009）的非平稳性。使用Phillips-Ouliaris测试（Cowpertwait＆Metcalfe，2009）测试非平稳时间序列 - 经济显着性和观看电视的小时数是否与谷歌趋势时间序列的每个时间序列一致。当方程中的时间序列不能协整时，将时间序列差分为平稳后重新估计方程（Cowpertwait＆Metcalfe，2009）。

由于缺乏现有文献或对MIP感知变化的适当滞后顺序的共识，因此很难指定适当的滞后顺序。因此，为了确定最合适的搜索词，我们依赖Akaike的信息准则，这是最广泛使用的滞后选择标准之一（Cowpertwait＆Metcalfe，2009）。

结果

我们首先对每个关键词的MIP以及电视消费一起进行回归检验H1，H1预测关于经济问题的在线搜索与经济显著性正相关。表2显示，在13个查询中，有11个关键词（“失业”、“华尔街”、“破产”、“401k”、“衰退”、“国库”、“国际货币基金组织”、“联邦储备”、“次贷”，“经济”、“股市”与经济显著性呈显著正相关。 #39;#39;房利美#39;产生了显著但消极的影响，#39;#39;道琼斯#39;#39;没有影响。这些结果表明：经济问题的显著性上升了0.15-3.6％，谷歌搜索量指数的有效查询增加了一个单位。虽然11个关键词中有7个与经济显著性相关，增幅大于 2％，“财政部”增幅最大（3.6％）和“衰退”增幅最小（0.15％;见脚注1） 。这些结果支持假设H1。研究的大多数关键词都与在线搜索和经济显著性之间的议程设置关系一致。

RQ1（研究问题1）来确定在线搜索和MIP感知之间的最佳滞后。 我们通过确定在一个可比类别（即每个关键词内）中影响最大的滞后来确定最佳滞后，与先前的研究一样（如，Stone＆McCombs，1981; Wanta＆Hu，1994; Winter＆Eyal，1981）。 表2第三列中的系数（即，在线搜索的B→MIP）表明大多数关系仅在第1天显著的。13个显著关系中有10个在第1天产生，而第2，3和4天和分别产生一个显著关系。 此外，当在数天内发现巨大影响时（即“美联储”）的数据显示，第1天显示出相对较强的关系。 因此，可以得出结论，经济信息搜索与经济显著性变化之间的最佳滞后时间是1天。

H2假设经济显著性与对经济信息的后续搜索正相关。表2显示，在经济显著性变化之后，只有大约一半的被检

全文共20192字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[2761]