层次分析法是一种将与决策有关的元素分解成目标、准则、方案等层次,并在此基础上进行定性和定量分析的决策方法。具体步骤为:建立层次结构模型; 构造判断矩阵,计算权向量并做一致性检验; 计算组合权向量并进行组合一致性检验,若检验通过,则可按组合权向量表示的结果进行决策,若检验不通过,则需重新考虑模型或者重新构造出一致性比率较大的判断矩阵。

一致性检验步骤如下:①计算判断矩阵的最大特征值λ_max。②求出一致性指标CI:CI=。③查找对应的平均随机一致性指标RI(表1)。④计算一致性比例CR:CR=(CI)/(RI)。⑤判断:若CR<0.1,则可以认为判断矩阵的一致性可以接受,特征向量(归一化后)即为权向量; 否则需要对判断矩阵进行修正。

表1 RI标准值
Tab.1 RI standard values

熵值法的概念来源于信息熵,本质上是表达反映数据的离散程度。熵值法是一种客观确定指标体系中各指标权重的方法,其基本原理是依据指标信息熵的大小决定指标的权重:熵越小,表明提供的信息量越多,在评价中的影响程度越大,权重越大; 反之,熵越大,表明提供的信息量越少,在评价中的影响程度越小,其权重也越小。其计算步骤为:①空值处理:指标值中若存在空值,则剔除该指标数据。②异常值处理:剔除占比大于1的指标数据(特殊指标占比除外),再分别计算各指标下数据的均值和标准差,对于超过均值3倍标准差的数据,被视为异常值剔除。③数据标准化:正向指标和负向指标数值代表的含义不同,因此需要利用不同的算法进行数据标准化处理。具体方法如下:

对于正向指标:

对于负向指标:

式中:f_ij为标准化后第i个样本的第j个指标的数值。

第j个指标下第i个样本占该指标的比重为:

所求指标的信息熵值为:

式中:k=1/(lnn)。

所求指标的信息效用值为:

d_j=1-e_ij(5)

各项指标的权重为:

本文将层次分析法主观赋权与熵值法客观赋权方法相结合,形成组合权重法,以减少主客观赋权的影响,计算公式为:

w=w'_j*w_j(7)

式中:w为所求三级指标的组合权重; w'_j为该指标所处二级指标的主观权重; w_j为所求三级指标的客观权重。

为了实现舆情风险的精准分级,本文结合经济学的供给与需求要素,构建地震舆情风险指标体系,系统衡量地震舆情的风险大小。该指标体系细分为供给指数和需求指数两个子体系,共选取5个一级指标、7个二级指标、15个三级指标,分级衡量舆情风险,见表2。

供给指数体系涵盖震前的基本资源应用能力以及救援部门和官方媒体在震后的反应能力。参考李姜等(2021)采用经济水平、医疗救援力量等指标衡量抗震救灾能力的做法,再结合防震减

灾转移支付资金、巨灾保险赔付等指标,共同构成基本资源应用能力。基本资源应用能力作为供给指数体系的基本要素,能够降低地震灾害对民众造成的生命财产损失,进而降低网络中的舆情风险; 而救援部门与官方媒体作为震后救援与舆情引导的主要供给力量,可以最大程度上减少灾害损失和舆论风险,主要通过粉丝量、发文量、转发量和点赞数来体现舆情热度和关注度(林琛,2015; 邢云菲等,2018; 杨柳等,2022)。具体来看,在供给指数体系中,灾区所拥有的基本资源和救援部门与官方媒体在网络上传达灾区救援信息的反应能力会在一定程度上影响灾害舆情的演变走势。本文在供给指数下设基本资源应用能力、救援部门反应能力和官方媒体反应能力3个一级指标,基本资源应用能力供给包括现有资源和灾害资金,这2个一级指标各包括2个指标因子; 救援部门和官方媒体反应能力代表了救援部门和官方媒体通过网络传播给民众应急救援信息的供给。影响力越大的媒体,发布的消息越权威,能够

表2 地震舆情风险评估指标体系
Tab.2 Index system of the risk assessment of the public opinion on earthquakes

引起民众足够的关注,媒体的参与度越高,灾害舆情影响范围越广。因此,救援部门和官方媒体反应能力分别包括救援部门和官方媒体微博账号的原生能力和衍生能力,这2个一级指标各包括2个指标因子。

需求指数体系主要包括实际灾情和心理反应两个方面。实际灾情强调灾害的物理属性,对灾民实际需求产生重要影响(张宇等,2018)。另一方面,震后除衣食住等基本生活要素外,心理反应也是需求要素的重要成分。心理反应通常考虑从市场和政府角度来表示,市场角度主要通过由民众对巨灾保险需求来反应来衡量,政府角度主要通过民众对应急救援的需求来反应。鉴于当前我国对巨灾保险的供给和需求表现出双向不足的特征,相应的需求数据较少,本文的心理反应主要考虑民众对应急救援需求所形成的心理反应,包括积极情绪和恐慌情绪的变化。具体来看,需求指标下设实际灾情和心理反应指标,实际灾情又分为自然灾情和社会灾情两类,其中自然灾情包括地震震级、烈度级别2个指标因子,社会灾情包括人员伤亡、财产损失和受灾人口3个指标因子,地震震级和烈度级别等是突发地震灾害本身的固有特性,地震灾情的严重程度会引发不同程度的灾民需求,对于舆情风险的产生与传播起到了基础的决定性作用。心理反应指民众在地震灾害相关微博的评论中所表达出的情感态度,由于突发地震灾害本身具有较强的敏感性,很容易得到大量民众的关注并使其出现悲观、失望等恐慌情绪或鼓励、祝福等积极情绪,而这些情绪均是引发舆情风险的重要影响因素。

由于各评价指标量纲不同,无法直接参与计算,首先采用极值法对各指标数据进行标准化处理(杜金莹等,2020)。具体计算方法如下:

对于正向指标:

对于负向指标:

式中:X为标准化处理后的数据; X₀为指标原始数据; X_max为指标原始数据最大值; X_min为指标原始数据最小值。

灾害舆情风险指数表示为:

R_t=f(D_t,S_t)(10)

式中:t表示时间点,表明不同的时间点R_t所发生的动态变化; D_t代表灾害舆情需求指数; S_t代表灾害舆情供给指数。当灾害发生,D_t与S_t的缺口会变大,导致R_t变高。为了简化,本文对R_t的计算进行线性化处理,即:

式中:α_ijk为供给体系中三级指标S_ijk的组合权重; P_ijk为供给体系中三级指标S_ijk的数据标准值。

式中:β_ijk为需求体系中三级指标D_ijk的组合权重; Q_ijk为需求体系中三级指标D_ijk的数据标准值。

本文采用组合赋权法对地震舆情风险指标体系的各级指标进行权重计算。参照专家打分将各层次中的因素相互比较得出判断矩阵,并对其进行一致性检验。在检验通过后,由判断矩阵可求出各体系一级指标和二级指标的主观权重值,结果见表3～8。

表3 供给一级指标Si判断矩阵及CR
Tab.3 Si judgment matrix and CR of first-level indicators of supply

表4 需求一级指标Di判断矩阵及CR
Tab.4 Di judgment matrix and CR of first-level indicators of demand

表5 供给二级指标S1j判断矩阵及CR
Tab.5 S1j judgment matrix and CR of secondary indicators of supply

表6 供给二级指标S2j判断矩阵及CR
Tab.6 S2j judgment matrix and CR of secondary indicators of supply

表7 供给二级指标S3j判断矩阵及CR
Tab.7 S3j judgment matrix and CR of secondary indicators of supply

表8 需求二级指标D1j判断矩阵及CR
Tab.8 D1j judgment matrix and CR of secondary indicators of demand

利用熵值法对三级指标进行客观评价,并将其结果与层次分析法所得结果相融合,计算出地震舆情风险评估的指标权重值,组合权重结果见表9。

本文选取2022年四川省 6月1日芦山6.1级地震、6月10日马尔康5.8级地震和9月5日泸定6.8级地震为研究对象,运用地震舆情风险评估指标体系,对这3次地震的舆情风险进行度量和监测。

供给指标体系中,选取了粉丝数较多、活跃度较高的中国地震台网速报、四川省地震局等

表9 地震舆情风险评估指标权重
Tab.9 Weighting of indicators for the risk assessment of the public opinion on earthquake

救援部门微博账号,以及人民日报、央视新闻等官方媒体微博账号作为数据样本,利用Python爬虫技术,抓取了地震发生后一周内各个微博账号发布的相关数据。有关“芦山地震”“马尔康地震”和“泸定地震”的数据信息分别抓取到529、334和1 290条,数据类型主要包括相关微博账号所发布的内容、时间、转发数及点赞数等。筛选并删除微博数据中的重复数据,经整理得到3次地震的有效数据分别为400、267和1 076条。经济水平数据和医疗救援力量数据来源于3次地震发生时当地政府公布的统计公报及地方统计年鉴(芦山县统计局,2022; 马尔康市人民政府,2022; 泸定县人民政府,2022; 雅安市统计局,2022); 防震减灾转移支付资金数据来源于《四川省财政厅和四川省地震局关于下达2021年省级防震减灾转移支付资金预算的通知》文件(四川省财政厅,四川省地震局,2022); 3次地震的巨灾保险赔付金额由中国人民财产保险股份有限公司四川分公司提供,本文将其划分为1、2、3、4四个等级处理。

需求指标体系中,心理反应指标选取了人民日报的微博评论作为数据样本,主要是考虑到人民日报微博账号的粉丝数为1.5亿,不仅人数众多而且民众关注程度高、代表性强。利用爬虫技术抓取地震发生后一周内人民日报微博发布的相关评论信息,获得有关“芦山地震”“马尔康地震”和“泸定地震”的评论数分别共计9 308、3 060和9 028条。数据信息包括评论内容、评论时间及评论者的IP地址。对采集到的原始数据进行人工处理,包括删除重复性文本、删除无用词语等,筛选出IP地址位于四川省内评论者的评论数据,最终得到用于3次地震心理反应指标计算的微博评论分别为1 534、1 072和1 370条。地震震级、烈度、人员伤亡、受灾人口及财产损失所用数据来自国务院和部委机构网站,以及四川应急管理厅网站(中华人民共和国中央人民政府,2022; 中华人民共和国自然资源部,2022; 中华人民共和国应急管理部,2022a,b; 中国地震局,2022a,b; 四川省应急管理厅,2022)。

地震舆情风险监测能够有效获取地震舆情的整体特征和变化趋势,为舆情引导提供重要的参考依据。3次地震的舆情风险监测结果如图1a-1～c-1所示,图1a-2～c-2描述了在地震发生后168 h内供给指数和需求指数的动态变化。

芦山6.1级地震发震时间为6月1日17:00时。图1a-1显示,芦山地震舆情风险可划分为爆发期和稳定期两个阶段。高风险的爆发期主要发生在震后24 h内,表现出急涨快落的变动特征。舆情风险指数呈现出2个向上的尖峰值,最高达到0.35,舆情风险每次爆发大概持续6～8 h。23 h过后,舆情步入低风险的稳定期,风险指数基本稳定在-0.21左右,可以视为基本没有舆情风险。从图1a-2可以看出,第一个尖峰出现的时间阶段大概为震后第0～8 h。首先芦山县拥有基本资源的水平较高(基本资源能力指数为0.06),发生地震后的应急救援包括物资供应和调配相对充分迅速,同时救援部门和官方媒体在微博上及时发布地震信息,供给指数在1 h内快速上升,同时需求指数(主要是恐慌情绪)也在上升,但是低于供给指数,导致芦山县的风险指数最初是下降的。随着救援部门和官方媒体发文量的不断下降,供给指数开始快速下降,而需求指数保持稳定状态,导致风险指数快速上升并出现第一个峰值(在震后第5 h); 从震后第8 h(6月2日凌晨01:00)开始,由于关注微博的人数变少,需求指数快速下降,导致舆情风险下降。从震后第17 h(6月2日10:00)开始,官方媒体发布了震后伤亡情况,需求指数快速上升,到第22 h(6月2日15:00)达到第二个峰值,随后快速下降,导致风险指数出现第二个峰值,同时呈现快涨快跌的走势。从震后第23 h之后,供给指数、需求指数均表现出稳定不变的特征,风险指数也保持较低的稳定水平。

马尔康5.8级地震发震时间为6月10日00:03。图1b-1显示,马尔康地震的舆情风险指数变动特征与芦山地震有很多相似的地方。马尔康地震舆情风险的爆发期主要发生在震后10 h内,同样表现出快涨快落的特征。舆情风险指数呈现出2个向上的尖峰值,最高达到0.52,舆情风险每次爆发大概持续3～5 h。10 h过后,舆情步入稳定期,风险指数基本稳定在-0.25～-0.10。马尔康地震和芦山地震供需指数的变动特征也很相似。供需指数的第一个向上的尖峰出现在震后第0～3 h(图1b-2)。马尔康拥有基本资源的水平较低(基本资源能力指数为0.03),但是救援部门和官方媒体在微博上发布信息较为迅速,供给指数在震后1 h内快速上升,需求指数上升但低于供给指数,因此马尔康的风险指数最初也是下降的。随后,供给指数和需求指数均开始快速下降,但是供给指数下降更快,导致风险指数快速上升并出现第一个峰值0.30(在震后第2 h)。从震后第5 h(上午5时)开始,救援部门发布震后伤亡情况,需求指数快速上升,到震后第8 h(上午8时)达到第二个峰值0.63,随后快速下降,第二个峰值出现。从震后第10 h之后,供给指数、需求指数和风险指数均没有太大波动。

泸定6.8级地震发震时间为9月5日12:52。图1c-1显示,泸定地震的舆情风险指数变动特征与芦山和马尔康地震略有不同。泸定地震舆情风险的爆发期主要发生在震后12 h内,舆情风险指数有2个向上的尖峰值,最高达到0.39,呈现出持续高位的走势,持续时间大概为12 h。随后,舆情步入稳定期,但是风险指数波动性相对较大,波动范围在-0.38～-0.13。泸定地震的供需指数与芦山和马尔康地震相比,有相似之处,但差异主要表现在泸定地震的需求指数在舆情风险爆发期呈现高位运行特征,供给指数在稳定期波动频繁(图1c-2)。主要原因为泸定地震余震次数较多,且震级相对较高,从而造成人员伤亡较多,经济损失相对较大。

图1 芦山(a)、马尔康(b)及泸定(c)地震舆情风险指数和供需指数监测
Fig.1 The risk index of the public opinion and the supply-demand index for the Lushan MS6.1 earthquake(a),the Maerkang MS5.8 earthquake(b),and the Luding MS6.8 earthquake(c)