本篇论文目录导航：
【题目】网络媒体议程设置在企业危机公关中的作用研究
【第一章】新媒体下企业危机公关工作探究绪论
【第二章】企业危机公关中网络媒体议程设置的概念与理论基础
【3.1 3.2】网络议程设置对公众认知第一层“感知”影响分析
【3.3】网络议程设置对公众认知第二层“显著度”影响验证分析
【3.4】网络议程设置对公众认知第三层“优先顺序”影响验证分析
【第四章】农夫山泉危机公关中网络媒体议程设置特征分析
【第五章】农夫山泉事件对企业危机公关的启示与建议
【第六章】农夫山泉事件对企业危机公关的总结与研究展望
【致谢/参考文献】网络媒体议程设置对企业危机公关的影响致谢及参考文献
第三章 网络媒体议程设置对公众认知的影响--以农夫山泉标准门为例
3.1网络议程设置对公众认知影响的分析方法
根据上述分析，本文将结合农夫山泉标准门事件的发展特点，将议程设置对公众认知影响的三个层次进行逻辑排序，先“感知”然后突出重点，最后排列出议题的重要性顺序。
（1）感知层面：网络媒体对农夫山泉事件的报道，对公众感知该事件的影响；（2）显着度层面：网络媒体对农夫山泉事件报道角度的侧重，影响公众对事件各个角度重要性的感知；（3）优先顺序层面：网络媒体对农夫山泉事件各个角度报道的优先顺序，影响公众对事件各个角度重要性的排序。
根据第一章研究方法所描述，本文是对农夫山泉标准门事件进行内容分析。百度搜索从事件发生初的 3 月到事件结束的 5 月底的关键词“农夫山泉”,统计人民网、新华网、凤凰网、网易新闻、新浪、腾讯、搜狐这七个网站上的423 条数据，分析了媒体新闻的属性议题和每条新闻后面公众的热门评论，进而来分析企业危机公关中网络媒体议程设置对公众认知的三个层次的影响。上述方法进一步转化为具体的变量，如表格 1:
其中，“感知”层次影响，统计分析农夫山泉标准门事件在发生的初期、中期和后期的网络媒体关注度（媒体指数）和公众关注度（搜索指数），从而分析出发生农夫山泉标准门事件时网络媒体对公众感知的影响程度。
“显着度”层次影响，将通过分析每条关于农夫山泉标准门的新闻报道和热门评论，把每条新闻都归属于产品问题、商业竞争、承担责任、公关安抚、事件发展、问题反思这六个属性维度之中，同时把热门评论也归纳到产品问题、商业竞争、承担责任、类似事件、表明立场、其他这六个属性维度中。每条新闻只有一个属性，热门的评论有一个或多个属性。统计农夫山泉标准门事件的新闻报道六个属性的数量和热门评论的六个属性数量，进而来分析危机公关中媒体议程对某一属性的强调程度是否会对公众重视程度产生影响。
“优先顺序”层次影响，将关于农夫山泉标准门新闻报道的各个属性按照报道数量的高低排列先后顺序，并结合相应的热门评论各个属性数量高低进行先后顺序排列，比较两者顺序是否存在差异，分析结果。
3.2第一层“感知”影响分析
3.2.1媒体指数和搜索指数
在研究模型中出现了媒体指数和搜索指数，这两个指数是用来描述在农夫山泉危机事件中网络媒体对事件的报道的数量变化对公众感知事件的影响程度。媒体指数和搜索指数都是来源于百度指数。百度指数是以百度海量网民行为数据为基础的数据分享平台。在百度指数中有专门对搜索指数和媒体指数进行名词解释。媒体指数是以各大互联网媒体报道的新闻中，与关键词相关的，被百度新闻频道收录的数量，采用新闻标题包含关键词的统计标准。搜索指数是以网民在百度的搜索量为数据基础，以关键词为统计对象，科学分析并计算出各个关键词在百度网页搜索中搜索频次的加权和[1].
从媒体指数和搜索指数来看，媒体指数以关键词为收录逻辑，统计的是各大互联网媒体的新闻，以“农夫山泉”这一关键词为检索词，反映了互联网媒体报道该关键词的新闻报道数量。搜索指数是以网民搜索量为数据基础，反映了网民对这一关键词所代表事件的关注度。验证第一层“感知”影响，需要网络媒体对农夫山泉危机事件的新闻报道数量和公众搜索数量来体现网络媒体对公众感知的影响，媒体指数和搜索指数的定义对应了这两个要素。因此用媒体指数和搜索指数作为研究“感知”影响最为恰当。
3.2.2“感知”影响验证分析
“感知”影响主要是指网络媒体对农夫山泉危机事件的相关报道在数量上的变化是否会影响公众对该事件关注度的变化。在议程设置中，传统媒体的报道数量的变化会影响公众的感知，但是在互联网环境下，学者们对网络媒体的议程设置影响有两种观点：强化或弱化。本小节运用媒体指数和搜索指数来验证网络媒体对某一事件的新闻报道的数量变化对公众关注该事件的变化，是否是随着报道的增加公众的关注度随之增加？
首先在百度指数中搜索关键词“农夫山泉”,调整时间条为2013年3月至2013 年 5 月底。如图 2 和图 3:
根据媒体指数和搜索指数的基本走向，可以粗略地看出基本的对应关系，也就是随着互联网媒体对农夫山泉标准门事件报道数量的变化，公众对该事件的关注度也随之变化。当趋势图接近水平线的时候，搜索指数一般低于 2500,媒体指数一般低于 10,为了让结论更加科学严谨，笔者将进一步以新闻头条中的（A-J）的值和峰值来比较媒体指数和搜索指数。
其中，时间跨度为 3 月至 5 月底，从事件发展的初期（发现水杂质问题）到事件发展末期（官方处理结果）。峰值是指取媒体指数的峰值和与之对应的搜索指数的峰值，即某一日期下对农夫山泉的新闻报道处于前后两天中最高的关注度。通过百度指数工具，搜集到新闻头条和峰值的媒体指数和搜索指数，如下表格 2:
通过上述新闻头条和峰值的 20 对媒体指数和搜索指数，画出曲线图 4,由于媒体指数和搜索指数的数据值相差较大，所以设置次坐标轴更有利于展示媒体指数和搜索指数的趋势。
从媒体指数和搜索指数的曲线图 4,可以明显看出以下三个趋势：
（1）从曲线图整体来看，在农夫山泉危机事件发生的高潮时期（4 月中旬至 5 月中旬），网络媒体新闻报道量和公众关注度明显增高，而事件发生后的新闻报道量和公众关注量又或落到到事件发生前的相似水平。
（2）从搜索指数的新闻头条和峰值来看，在农夫山泉危机事件发展的初期，新闻报道中新闻头条引起的搜索指数（也就是公众关注度）变化并不太明显；但是在事件发展的高潮时期，在新闻头条报道农夫山泉后，在第二天，甚至是当天，公众关注度度急剧上升，如新闻头条 H 和 I 之后搜索指数明显提高。可见在互联网时代，在网络媒体报道企业危机事件之后，公众的反应速度很快。
（3）从整体峰值来看，在农夫山泉危机事件媒体报道量和公众关注量的最高峰之后，媒体报道量的急剧减少，引起公众关注度的急剧下降。由此可以看出，在网络媒体时代，公众的关注度或者注意力转移的速度非常快，很容易被网络媒体报道的其他事件所代替。
从上述结论可以得出，企业危机公关中网络媒体对该事件报道数量（媒体议题）对公众关注度（“感知”作用）具有议程设置作用。
由上面的趋势图 4,可以看出农夫山泉危机事件中网络媒体的新闻报道数量的变化会引起公众关注度的变化，且两者之间存在正相关关系。进一步研究网络媒体的报道数量对公众关注度的影响程度，需要继续利用表格 2 中的数据，在 SPSS 软件中进行分析，建立回归方程，找出影响程度。
根据表格 2 数据，将媒体指数和搜索指数输入 SPSS 软件中，如下图 5:
首先做数据散点图，判断数据是否能够做一元回归分析。本章研究的是农夫山泉危机事件中网络媒体对该事件的报道数量对公众关注度的影响程度，所以媒体指数为自变量，搜索指数为因变量，作散点图，观测因变量搜索指数与自变量媒体指数之间是否存在线性关系。如图 6 所示：
从图 6 可以看出媒体指数和搜索指数呈现比较明显的线性关系，能够建立线性回归模型。在 SPSS 中进行回归分析。
表格 3 是各个变量汇总到模型中的变量，自变量是媒体指数，因变量是搜索指数，所有变量数据已经输入模型。
表格 4 模型汇总，是对回归方程拟合情况的汇总，表格反映相关系数 R,相关系数的平方即决定系数（R 方），调整后的决定系数和回归方程的标准误差。决定系数 R 方的取值范围在 0~1,它是指自变量所能解释的方差在总方差中所占的百分比。所以决定系数越大，那么自变量在回归模型中起到的作用也就越大，也就是说明这个模型效果越好。这里 R=0.918, R 平=0.842,调整 R 方=0.833,标准数值较大，表明媒体指数与搜索指数的拟合程度非常显着。
表格 5 表示对模型进行方差分析的结果，也就是对回归系数作检验。表格中列出了平方和、自由度（df）、均方、F 值和 F 值的显着性检验 P 值（Sig），其中最重要的是 F 值和P 值，F 值为 95.92,P 值小于 0.05,所以该回归模型是有意义的。模型中只有一个自变量媒体指数，也就是说自变量的归回系数具有统计意义。
表格 6 反映的是归回系数和常量，前面的三个表格和散点图都是为了证明该回归系数的有效性。其中 B 的估计值为 30.253,标准误差为 3.089,回归系数 t 检验的值为 9.794,显着性水平小于 0.05,表示这个线性回归方程的有效性。SPSS 线性回归方程式为：搜索指数=-6870.426+30.253*媒体指数。
由一元二次方程可以分析出网络媒体对农夫山泉危机事件的报道量对公众感知的影响程度为 0.918,媒体报道数量每提升 10%,公众关注度将提升 41%.
其中常量为负值，说明了网络媒体的报道量只有达到一定临界值，才能引起公众的关注。
根据“感知”影响验证分析，可以得出以下结论：
（1）根据媒体指数和搜索指数的趋势图可以看出，在危机事件发生的高潮时期，网络媒体新闻报道量和公众关注度明显增高，由此可以得出网络媒体对农夫山泉事件的报道影响了公众对该事件的感知。
（2）根据回归方程分析，可以得出网络媒体对公众的议程设置的影响程度。网络媒体对农夫山泉危机事件的报道量对公众感知的影响程度为 0.918,媒体报道数量提升 10%,公众关注度将提升 41%.
