一、研究背景

        自从世界上第一个商业电台——美国KDKA广播电台于1920年11月在匹兹堡正式开播以来，广播发展已经历经了相当长的时间。在中国，尽管面对电视和不断涌现的新媒体的竞争，但是随着收音机的改良、随身听以及汽车音响的发展、以及近年来数字广播及与互联网的结合，广播的发展并没有因为新媒体的兴起而出现颓退，仍以其独特的优势不断地成长。根据《中国广播电视年鉴（2010）》的最新统计，目前全国广播在国内的人口综合覆盖率达到96.3 %。而根据CSM媒介研究2009年全国基础调查数据，在全国范围内，有27.6%的家庭拥有正在使用的收听设备，收听设备的百户拥有量达到35台，在城市地区，家庭拥有收听设备的比例更是超过40%。

        但是，广播受新媒体和其他传统媒体的强力竞争是一个不得不面对的现实，在市场众多媒体竞争的格局下，听众对广播节目拥有高度的选择权，传播理论假设受众是主动的，他们会因为自己的喜好与需求而寻找传播媒体，并依据使用后的结果的满足程度，进一步决定是否继续使用该媒体。如何在激烈竞争的受众市场中获得最大的听众群，是众多广播媒体最大的课题。

二、听众接触广播媒体的影响因素

        听众接触广播媒体受到众多因素的影响。一些西方文献认为受众接触什么样的媒体以及收听或者收看什么样的广播或者电视节目取决于他们的动机以及精神状态（Zillmann and Bryant, 1985; Blumler and Katz, 1974），或者视乎节目是否可以满足他们特定的需求（Rosengren, Wenner and Palmgreen, 1985）。Webster, Lichty and Phalen (2000)归纳了影响媒体受众行为的因素，认为主要包括受众因素和媒体因素两方面，而每一因素又可以分为结构性因素和个体性因素。受众的结构性因素包括潜在受众的位置和规模和受众的可获得性；受众的个体因素包括个人的偏好选择，以及受众对可供选择节目的了解。媒体因素的结构性因素包括覆盖率、可供观众选择的节目数量等；个体决定因素包括个人所拥有的硬件设备以及科技发展水平。这些因素交织在一起，为解释观众接触媒体行为提供了一个理论框架（Webster, Lichty and Phalen , 2000 王兰柱，苑京燕译）。

        一般对于媒体受众的研究都使用人口统计学特征作为研究变量，寻找可能影响受众媒介使用行为的因素。人口统计学特征是区分受众最常用的指标。因为受众的欲望、心理以及行为都与人口统计变量高度相关，并且人口统计学特征通常比其他变量更容易衡量。即使市场并非以人口统计学特征来区分，最终也常要与其相关联。无论从哪个角度来分析，受众首先是作为社会群体存在的，他们生活在一定的社会环境中，受到社会范畴的规范。大众传播媒介内容对某些社会背景如年龄层、收入、性别、教育程度、职业、生活形态等特征接近的受众，才能产生相似的影响与反应。同时，由于社会背景和生活水平不同，不同的受众群体，其态度、兴趣和爱好又存在一定差异，从而影响了他们接触和使用大众传媒的行为。

        要分析影响收听行为的因素，利用个体听众的收听信息比单纯地使用汇总后的收听数据更加强大和深入。基于微观的收听信息，我们可以从不同角度出发，对受众的媒介行为诸多方面进行了的探讨，阐释家庭、人口以及其他特征与收听行为之间的关联，获得有价值的结论。本文将通过分析微观的收听数据，量化讨论家庭以及个人因素对受众收听行为的影响。

三、研究采用的数据和变量

1、采用的数据和研究变量

        本文分析所采用的数据为CSM在北京、广州、成都、济南、宁波、哈尔滨、长春、沈阳、乌鲁木齐、杭州、南京、重庆、厦门、南宁、深圳、无锡、常州等17城市的收听率调查固定样组样本在2009年7月1日到12月31日六个月期间的收听微观数据。CSM收听率调查固定样组样本覆盖所调查范围中拥有正在使用的广播收听设备或家庭成员中有人在近三个月内收听过广播的家庭中10岁及以上人口。在本文分析中，出于分析稳健性的考虑，我们选取固定样组样本中在所研究的6个月期间曾经收听过广播的人员作为我们的分析对象，最终满足条件进入我们分析的一共包括18130人，分布在7298个家庭中。

        我们以样本在2009年7月1日到12月31日六个月期间平均每天收听广播的分钟数作为我们的研究变量，来分析样本的家庭、人口以及其他特征与收听行为之间的关系。样本日均收听广播分钟数的均值为96.9分钟，其分布如图1。

图1 样本日均收听广播分钟数的分布

数据来源：CSM媒介研究

        由图1我们可以看到，我们的研究变量—日均收听广播分钟数—在样本间呈现一个正偏的分布，因此在构建模型时，我们必须注意此特征。

2、使用的解释变量

        为了研究受众家庭、人口以及其他特征与收听行为之间的关系，在个人层面，我们选用了样本的年龄、性别、婚姻状况、教育程度、职业以及个人收入，在家庭层面选用家庭收听设备数、家中有无孩子、家庭主妇的年龄、户主的职业、家庭社会经济地位以及所在城市的地理区位作为我们的解释变量。各解释变量的相关描述性统计量见表1。

表1 模型中所使用的解释变量以及相关描述性统计量

数据来源：CSM媒介研究

四、研究采用的模型

1、模型选择

        我们的解释变量包括个人和家庭两个层次。首先，我们考虑一个简单的单因素随机效应方差分析模型：

        Yij=μ+αj+γij，其中，αj~N（0,τ00），γij~N（0,σ2）

        该模型包括一个固定效应（μ）和两个方差项：样本所在家庭之间的差异所引起的样本日均收听广播分钟数的方差（τ00）和样本本身差异所引起的日均收听广播分钟数的方差（σ2）。模型拟合的结果，τ00= 6985.6，σ2= 3231.7。因此，我们可以估计样本日均收听广播分钟数的总方差中，由于样本所在家庭之间差异所导致的比重ρ:

        也就是说，68.4%的样本之间日均收听广播分钟数的方差是由于样本所在家庭之间的差异所造成的，因此包括样本因素和家庭因素的简单OLS回归模型不适合我们的数据，我们应当考虑使用多层次模型来分析。

        从图1，我们发现因变量（日均收听广播分钟数）呈现偏态分布，与一般回归模型假设误差是对称分布的要求不一致，为解决这个问题，我们可以通过在模型中对因变量进行对数转换。

        综合以上考虑，我们采用多层线性模型（Hierarchical Linear Model） （Raudenbush, et . al., 2001）来分受众个人特征、家庭特征等因素对于受众日均收听广播分钟数（Yij）的影响，同时考虑Yij偏态分布的趋势，对其进行对数转换。

2、模型构建

        假设各样本日均收听广播分钟数（Yij）的对数转换服从正态分布，考虑如下模型：

        log（Yij）=β0j+β1j（Maleij）+β2j（Ageij）+β3j（Ageij平方）+β4j（Marriedij）+β5j（MidSchij）+β6j（HighSchij）+β7j（Collegeij）+β8j（LN_PPIncij）+β9j（OCCTopij）+β10j（NonWkingij）+γij

        β0j=γ00 +γ01（AVNOj） +γ02（Kidj） +γ03（SDMYoungj） +γ04（SDMMidj） +γ05（HoHTopj）+γ06（HoHNonWkj） +γ07（Lowestj） +γ08（Lowj） +γ09（Highj） +γ010（Highestj）+γ011（Eastj） +γ012（Southj） +γ013（MidWestj）+υ0j

        β1j=γ10

        β2j=γ20

        β3j=γ30

        β4j=γ40

        β5j=γ50

        β6j=γ60

        β7j=γ70

        β8j=γ80

        β9j=γ90

        β10j=γ100

        其中，γ0j~N（0,σ2）, v0j~N（0,τ00）

五、研究结果

        多层次线性模型分析结果显示，受众的年龄、性别、婚姻状况、教育程度、工作与否、个人收入、家庭收听设备数、家中有无孩子、日用品购买决定者年龄、户主是否有工作、家庭社会经济地位以及所在城市的地理区位对于受众的收听行为都有显著的影响（表2）。

表2 多层次线性模型分析结果

注：* p<0.05, p="" 0="" 01="" p="" 0="" 001="" br="">

括号里为标准误差（S.E.）。

数据来源：CSM媒介研究

        控制其它解释变量，男性听众的日均广播收听时间比女性受众长3.5%，并且差异显著。

        从年龄上看，CSM收听率调查固定样组样本界定在家庭中10岁及以上人口。分析结果表明，在这个年龄段内，随着年龄的增长，日均收听广播的时长呈现出一个抛物线的分布，时长的峰值大约在65岁左右，可以看到，退休老人仍然是广播节目收听的主力，他们对广播节目的需求更殷切，而且对广播的依赖程度也越高。

        在控制其它解释变量的情况下，从受众婚姻状况看，当前已婚的受众的日均收听广播时长比单身（包括未婚、离婚和丧偶）的受众高10%，从受众职业来看，中高级官员、管理人员或者专业技术人士与一般职业的听众相比，在日均收听广播的时长上并无显著差异，但离退休、就读、无业或者其它身份的听众的收听时长比一般职业的听众高12.4%，我们可以看到工作与否对于收听广播的时长所带来的影响。听众的教育程度与其收听广播的时长也显著相关，小学及以下教育程度的日均广播收听时间最短，高中教育程度的日均广播收听时间最长，比小学及以下教育程度长18.2%，大专及以上听众次之，比小学及以下教育程度长17.5%，而初中教育程度的听众，其日均广播收听时间也比小学及以下教育程度长15%以上。

        不同个人收入的听众收听广播的时长也呈现差异，总体趋势是收入越高，收听广播时间越长。因为模型中日均收听时长和个人收入都采取了对数转换，其模型系数可解释为一种弹性系数，也就是说，在控制其它解释变量的情况下，听众个人收入每增加1%，日均收听广播的时长就多0.03%。

        从受众的家庭特征看，家中收听设备的数目对受众的日均收听广播时间的影响尤其显著，家中每多一台收听设备，听众收听广播的时长就多大约17%。而家中有无14岁及以下的孩子，却与听众收听广播的时长呈现负相关关系，有孩子的家庭，家庭成员收听广播的时长比没孩子家庭的成员平均少9.6%左右。

        一般地，家庭生命周期有着明显的阶段性，通常按照家庭人口变动和家庭主妇的年龄增长，家庭生命周期可分为不同的阶段。处于不同生命周期的家庭，在广播收听行为上明显不同，日用品购买决定者的年龄这一指标测度的正是一个家庭在家庭生命周期中的阶段。模型分析结果显示，总的说来，年龄越大的家庭，其家庭成员收听广播的时间越长，60岁及以上的老年家庭，其家庭成员日均收听广播的时长是35-39岁中年家庭的家庭成员的1.35倍，是15-34岁青年家庭的1.66倍。

        户主的职业在影响收听时长的分析中作用显著。理论上讲，户主的职业也是一个很好的测度家庭社会阶层的指标。在传统的华人家庭结构中，户主往往是由该家庭中的最高权威者出任，他的社会地位、收入等在家庭中往往也是最高的，因此在这个家庭中具有相当的代表性。职业是十分关键而又简单易行的分层变量，它与个人声望、教育水平和收入有密切的关系。社会学将户主的职业看作反映一个家庭社会阶层的重要指标。从户主职业来看，户主有没有工作，其家庭成员收听广播的时长存在差异，户主没有工作的家庭，其家庭成员平均来说，收听广播的时长比户主为一般职业的家庭要多12.6%，但是户主为一般职业还是中高级官员、管理人员或者专业人士，其家庭成员收听广播的时长并不存在明显差异。

        从家庭的社会经济地位来看，总的说来，家庭社会经济地位越高，其家庭成员收听广播的时间越短。很低社会经济地位的家庭，其家庭成员收听广播时长平均要比一般社会经济地位的家庭要高32.3%，而很高社会经济地位的家庭，则比一般社会经济地位的家庭要低16.6%。这从一个侧面可以看出，社会经济地位高的家庭，其媒体接触方式或者休闲方式比社会经济地位低的家庭更为多面。

        不同地方的听众，其广播收听时长也不同。与东北和华北城市相比，东部城市的听众在广播收听时长上差别并不显著，但华南城市和中西部城市的听众收听广播时间显著少于东北和华北城市，平均来说分别为其时长的85%和88%。

        从表2我们还可以发现，常数项γ00和随机效应υ0j都非常显著，说明家庭特征对于听众收听广播时长的影响是显著的，其影响还有很大一部分没有被我们的模型所解释，将来的研究应当搜集更多的信息来进行分析。

六、总结

        本文基于CSM的17城市收听率调查固定样组的微观数据，从不同角度出发，对广播听众的收听时长进行了的分析，探讨了家庭、人口以及其他特征与收听行为之间的关联。分析发现，受众的年龄、性别、婚姻状况、教育程度、工作与否、个人收入、家庭收听设备数、家中有无孩子、日用品购买决定者年龄、户主是否有工作、家庭社会经济地位以及所在城市的地理区位对于受众的收听行为都有显著的影响。但是需要指出的是，我们虽然发现这些因素对于受众收听行为的影响，但无法展现这些因素是如何影响受众的收听行为的。为了了解受众收听行为的影响机制，将来的研究，我们将更多地关注比一般人口统计变量更多的有关受众的活动、兴趣、偏好等信息，以期更完整地描绘出受众的面貌。

参考文献：

        1、Blumler, J. G., and Katz, E. （Eds）., 1974. The Uses of Mass Communications: Current Perspectives in Gratifications Research. Beverly Hills, CA:Sage.

        2、Rosengren, K. E., Wenner, L. A., and Palmgreen, P. （Eds.）, 1985. Media Gratifications Research: Current Perspectives. Beverly Hills: Sage.

        3、Raudenbush, Stephen W., Anthony S. Bryk, Yuk Fai Cheong, and Richard T. Congdon, Jr. 2001. HLM 5 — Hierarchical Linear and Nonlinear Modeling. Scientific Software International, Inc.

        4、Webster, J. G., Lichty, L. W., Phalen P, and Phalen, P. F., 2000. Ratings Analysis: The Theory and Practice of Audience Research （2nd Edition）. Lawrence Erlbaum Assoc Inc. [视听率分析－受众研究的理论与实践,（美）韦伯斯、（美）法伦和（美）里奇著，王兰柱，苑京燕译，华夏出版社出版，2004]。

        5、Zillman, D., and Bryant, J. （Eds.）, 1985. Selective Exposure to Communication. Hillsdale, NJ: Erlbaum.