(二) 控制变量
企业规模。本文的企业规模是指央企2015年的资产总额。数据来源包括:各企业公布的《2015年企业社会责任报告》、财富中文网公布的2015年中国企业500强名单、上海清算所、网易财经财报大全以及其他相关报道和公告。在问卷调查回收到的55家央企中,作者可以检索到52家央企的资产总额数据。在总体102家央企中,可以检索到82央企的资产总额数据,未查询到资产总额数据的央企,均没有上市。数据分析显示,研究样本的企业规模和研究总体的企业规模之间,没有表现出显著差异(t=1.083,p=0.284),数据有一定的代表性。
企业属性。企业属性分为“B2B(Business to Business)”和“B2C(Business to Customer)”,即企业和企业建立的商业关系,以及企业和顾客之间建立的商业关系。在有效样本55家央企中,有44家B2B类型的企业,包括航天军工、石油石化、建筑行业、冶金工业等;11家央企属于B2C类型,包括通讯行业、交通运输业、文化产业等。
(三)因变量
媒体报道。在LexisNexis Academic数据库中,以央企的英文名称(如央企的英文简称、或报道中经常被使用的名称)为关键词进行搜索。搜索要求为“At Least 5 Occurrences”,即关键词在该文章中至少出现5次;搜索时间为过去5年;搜索范围为全世界(World Region)。数据显示,近5年来央企被报道的平均数量为89篇,报道数量最高达1026篇。69.1%的新闻报道数量在平均值以下,说明央企的被报道数量普遍偏低且差异较大。
海外网络传播力得分。“央企海外网络传播力得分”来源于北京师范大学发布的《中国央企海外网络传播力报告(2016)》。该报告从谷歌(新闻数量、谷歌趋势)、维基百科 4 (央企是否编辑企业的英文词条)、Facebook、Twitter和Instagram五个平台数据,考察了央企的传播力。具体指标包括央企词条的编辑次数、央企账号的粉丝数、点赞数以及转发数等。笔者认为,该报告着重反映了央企在海外的受关注情况,以及受众对央企的态度倾向,可以被视为对央企“组织声誉”的考评。数据显示在“央企海外网络传播力得分”方面,最高分为9662.4分,平均值为501.3分。81.1%的央企分数在平均值以下,说明央企在该项目中的得分总体偏低且差异较大。
Twitter平台上有关央企讨论内容的情感倾向。鉴于《中国央企海外网络传播力报告(2016)》对于央企组织声誉的考量仅仅基于点赞数、转发数和评论数等指标,并不能完全反映受众对央企的态度,所以本文基于Twitter平台进行数据挖掘和分析,着重考察该平台上网民对某一央企讨论内容的情感倾向。
具体操作为,首先使用R3.3.2,以央企名称为关键词,以英语为搜索语言,通过Twitter开放的API进行数据抓取,采集Twitter上围绕某央企的讨论内容并对搜索结果进行人工筛查。其次基于Hu和Liu (2004)构建的情感词集进行情感分析,依据推文中包含的形容词所表现出来的情绪特征以及其强弱程度赋予不同分数。正面情感的推文赋值为1分、2分、3分……,负面情感倾向的赋值为-1分、-2分、-3分……由于Twitter开放的API有速率限制,每一次请求最多可以搜索1500条推文,所以在操作中,设定最大的搜索数量为“n=1500”(Le & Worch, 2014:133)。此外,Twitter的API只可以对最近7天内产生的推文进行数据搜索。即本文检索出的推文,并非是该平台上关于某一央企讨论的全部信息,而是最近7天内的讨论内容。
笔者于2017年3月5日使用R3.3.2进行数据搜索及分析。在55家央企中,有40家
央企在Twitter平台上被网友进行讨论。这40家央企情感分析的平均分为0.12分。受
众对20%的央企持有负面的情感倾向,对30%的央企持中立态度,对50%的央企持
有正面的情感倾向。
本文运用SPSS24以及R3.3.2进行数据分析。数据分析分为三个步骤,首先,对调查问卷进行描述性统计,采用K值聚类分析,探讨央企所采用的公关模式。其次,对央企公关模式和海外传播力进行t检验。最后,进行多元回归分析,研究央企公关模式在多大程度上会影响央企海外传播力。