三、研究设计

(一)分析策略

我们利用2003 年中国综合社会调查(城市部分)数据，充分发挥结构方程模型的优势，对以下假设加以检验：知识支持、经济优先、安全关心以及父母角色。同时，着重关注其交互和中介效应。关于健康与安全关心假设，我们将环境议题区分为与健康和安全关心明确相关的议题，即各个污染议题(总计六项)，以及其他六项议题(参见表3—1)。这一区分产生两个因变量和两个模型。结构方程模型有同时检验两个模型的能力，故在检验统计显著性时能对二者加以比较。而安全关心假设预测，一般而言，污染议题模型的性别效应(与以下讨论的其他因素相结合)比其他模型更强。

第一，遵照弗罗登伯格和戴维森的研究(2007),我们并没有单独对性别的全面效应进行考察，而是将性别与职业状况加以结合，从而产生一系列二分变量：就业男性、就业女性、未就业男性、未就业女性。若性别与职业状况具有如经济优先假设所认为的影响，就业男性将拥有最低的环境议题关心水平。我们将其作为与其他组进行比较的参照组。

第二，我们假定父母角色是增进性别与职业状况效应的条件。利用结构方程模型组间比较的功能(Bollen,1989),我们同时估计非父母与父母模型，然后对两组的多对系数对比进行统计显著性检验。预先的假设是，相对非父母而言，性别与职业状况对父母有着更强的影响。

第三，正如迪茨等的研究(2007)，我们将环境知识看作之前产生的一系列二分变量和两个因变量之间的中介因素。而一系列二分变量以及被当做控制变量的其他个体特征因素则对因变量有着直接效应，同时通过环境知识对因变量有着间接效应。我们期望像西方一样，中国男性比中国女性更有知识。然而，文献中关于知识如何影响环境关心则含混不清。迪茨等(2007)发现，知识有着较小的影响，但洪大用和肖晨阳(2007a)则发现，在中国，环境知识对NEP得分有着较强的正向影响。故我们对此没有确定的预设，而对这一问题进行探索性研究。整个模型框架参见图3—1。

图3—1 预测不同环境议题认知的模型框架

注：(1)两个因变量都是潜在因素，通过对多种观察指标进行测量，这点并未在本图中显示；(2)环境知识是一个附加指标；(3)相同模型框架应用于父母与非父母两组。

(二)数据与测量

我们使用的是2003年中国综合社会调查(城市部分)环境部分的数据(Hong and Xiao,2007a)。因资助经费不足，仅对中国城市居民进行访问。由于采取多阶段分层随机抽样，故我们的样本对中国城市居民(2003年城市人口占全国总人口的40.5%)具有代表性，并且覆盖了全国所有城市地区。最终样本包含5 073位被访者(通过个人面对面的访问，有效回答率达84.8%)，被访者中，女性占51.8%，平均年龄为43.5岁，文化程度的中位值是高中或12年，个人年收入的中位值大约为6 000元。

我们用12项不同环境议题严重性的认知对两个主要的因变量进行测量(参见表3—1)。第1、2、3、4、5、10项都是污染议题，且明显与安全和健康有关，而第6、7、8、9、11、12则与安全和健康无直接关系。初步的探索性因素分析(Exploratory Factor Analysis ,简称EFA)表明，存在如前描绘的两种因素负载形式。由此我们的结构方程模型中包括一个测量模型。这一测量模型实则是对两个潜在因子的验证性因素分析，即“污染”和“其他”(因子间有着相互关联)，每一个都有6个观测指标(调查项目)。

续前表

注：所有变量都进行重新编码，从而得分越高，则严重程度越高。缺省值被重新编码为中间值3。

为了考察性别和职业状况的交互效应，产生了四个二分变量：就业男性、就业女性、未就业男性、未就业女性。就业男性作为参照组，其他三个二分变量则作为自变量纳入模型之中。由于采用面对面访谈方式，性别和职业状况没有缺省值。同时，模型包括几个作为控制变量的人口学因素，年龄(岁)、文化程度(教育年限)、年收入(元)和居住地(1=集镇、2=县城城区、3=地级市市区、4=直辖市/省会城市，无缺省值)。年龄、文化程度以及收入的缺省值均用相应均值加以重新编码。

环境知识作为中介变量，是10项二分取值测验项目的累加指标(参见表3—2)，据洪大用和肖晨阳(2007a)的研究，它们有着较好的测量信度(alpha值为0.785)，其均值为5.18，中位值为5。

注：正确的回答获得1分。