场景案例 ·

传播学媒体框架效果实验数据分析 — 用 AI 一句话完成方差与中介

传播学/新闻学毕业生必看：媒体框架效应实验如何用 AI 一句话完成单因素/多因素方差分析与中介效应检验，ChatSRS 自动输出 APA 7th 格式三线表与报告句式，方差+中介全流程打通。

传播学、新闻学、广告学毕业生写框架效应实验时的典型困境：被试随机分到不同框架条件，结果变量要做方差分析，但导师又要求检验认知评估或情绪唤起是否"中介"框架效果——方差分析怎么报告 eta^2？中介效应要不要 Bootstrap？置信区间怎么写进论文？这篇文章把传播学框架实验最常见的分析链条从头串通，给出 ChatSRS 可直接使用的一句话指令，以及可抄进论文的 APA 7th 报告句式。

框架效应实验为什么让传播学生头疼

媒体框架（media framing）是传播学最核心的研究范式之一。典型设计是把被试随机分配到不同框架条件（如"收益框架" vs "损失框架"，或"个人框架" vs "社会框架"），测量框架对态度、风险感知、行为意向等的影响，并探讨认知评估、情绪、信息可信度等心理机制是否中介了这一效应。

这套设计看起来清晰，但到了数据分析阶段，问题接踵而来：

  • 两个框架条件用独立 t 检验还是单因素 ANOVA？三个以上框架条件用 ANOVA 后要不要做多重比较？
  • 导师说"加一个情绪中介"，但情绪是连续变量，框架是分类变量，中介怎么用？
  • Bootstrap 法做中介，什么是置信区间不含零？怎么写进论文？
  • eta^2 和 partial eta^2 有什么区别？框架效应实验该报告哪一个？
  • 框架有两个（内容框架 × 来源框架）怎么分析？是不是要做双因素方差分析？

这些疑问不是学生能力不足，而是传播学框架实验横跨实验设计、方差分析与中介效应三个方法模块，每步都有前提假设和报告规范。

chatsrs.com 把这整条链条变成对话。下面按典型框架实验场景，从头到尾演示。

框架效应实验的典型数据结构

场景一：单因素实验设计（三个框架条件）

研究新闻框架对受众气候变化风险感知的影响，被试随机分到三个条件：科学框架（n = 62）、经济框架（n = 58）、道德框架（n = 61），测量结果变量"气候风险感知"（7 点 Likert，3 题均值合并）及中介变量"情绪唤起"（5 点，4 题均值）。

典型数据结构：

被试ID   框架条件     风险感知    情绪唤起    信息可信度   年龄   性别
001      科学框架     5.23        4.12        5.67         22     女
002      经济框架     4.87        3.98        4.89         23     男
003      道德框架     6.01        5.34        5.12         21     女
...      ...          ...         ...         ...          ...    ...

关键统计链：描述统计 → 操纵核查 → 单因素 ANOVA + 事后检验 → 效应量 eta^2/partial eta^2 → 中介效应（Bootstrap）

场景二：双因素实验设计（框架 × 来源可信度）

2×2 设计：框架类型（收益 vs 损失）× 来源可信度（高 vs 低），四组，每组约 50 人，因变量为行为意向（购买/分享意愿）。

关键统计链：双因素 ANOVA → 主效应 + 交互效应 → 简单效应分析 → partial eta^2

全流程分析演示（三框架 + 情绪中介场景）

以"新闻框架（科学/经济/道德）对气候变化风险感知的影响，及情绪唤起的中介作用"为例，完整演示分析流程。

第一步：描述统计 — 了解三组数据全貌

打开 chatsrs.com，上传数据后输入：

"请对科学框架、经济框架、道德框架三组分别输出：风险感知和情绪唤起的均值、标准差、最小值、最大值、偏度和峰度，生成 APA 格式三线表，并检验正态性假设（Shapiro-Wilk）。"

ChatSRS 自动输出：

表 1  三框架条件各变量描述统计（M +- SD）

              科学框架 (n = 62)      经济框架 (n = 58)     道德框架 (n = 61)
              风险感知  情绪唤起    风险感知  情绪唤起    风险感知  情绪唤起
M             4.82      3.74        5.18      4.23        5.71      5.01
SD            0.94      0.88        1.02      0.91        0.87      0.79
Min           2.67      1.75        2.33      2.00        3.33      3.00
Max           7.00      6.25        7.00      6.50        7.00      7.00
偏度         -0.18     -0.11       -0.24     -0.09       -0.31     -0.22
峰度         -0.42     -0.35       -0.51     -0.38       -0.28     -0.44

第二步：操纵核查 — 确认框架操纵有效

实验研究中必须报告操纵核查（manipulation check）：三组被试对新闻"框架性质"的感知评分是否与实验设计一致。

"请对操纵核查变量（框架感知评分，1-7分）做单因素方差分析，报告 F 值、p 值、eta^2，并做 Tukey HSD 事后检验，生成 APA 三线表。"

ChatSRS 输出：

操纵核查单因素方差分析结果：
F(2, 178) = 47.23，p < .001，eta^2 = .347

Tukey HSD 事后检验：
科学框架 (M = 2.31) vs 经济框架 (M = 4.89)：MD = -2.58，p < .001
科学框架 (M = 2.31) vs 道德框架 (M = 6.12)：MD = -3.81，p < .001
经济框架 (M = 4.89) vs 道德框架 (M = 6.12)：MD = -1.23，p < .001

三组框架感知得分差异显著且符合预期方向，操纵有效。

第三步：单因素方差分析 — 检验框架主效应

"以风险感知为因变量，框架条件（科学/经济/道德，三水平）为自变量，做单因素方差分析。先做 Levene 方差齐性检验；报告 F 值、自由度、p 值、eta^2 和 partial eta^2；若 p < .05，做 Tukey HSD 事后多重比较，报告各组均值差、95% CI 和 Cohen's d。"

ChatSRS 输出：

Levene 方差齐性检验：F(2, 178) = 1.84，p = .161 — 方差齐性成立。

单因素 ANOVA：
F(2, 178) = 18.47，p < .001
eta^2 = .172（大效应）
partial eta^2 = .172（单因素等同 eta^2）

Tukey HSD 事后检验：
科学框架 vs 经济框架：MD = -0.36，p = .091，95% CI [-0.77, 0.05]，Cohen's d = 0.37
科学框架 vs 道德框架：MD = -0.89，p < .001，95% CI [-1.28, -0.50]，Cohen's d = 0.99
经济框架 vs 道德框架：MD = -0.53，p = .002，95% CI [-0.91, -0.15]，Cohen's d = 0.54

第四步：中介效应检验 — 情绪唤起中介框架效果

这是传播学框架实验最关键的分析步骤。检验情绪唤起是否中介了框架对风险感知的影响，需要使用 Bootstrap 置信区间法（Hayes 2022, PROCESS model 4 的思路）。

"以框架条件（哑变量编码，科学框架为参照）为自变量，情绪唤起为中介变量，风险感知为因变量，做 Bootstrap 中介效应检验（5000 次 Bootstrap，报告 95% 偏差校正置信区间）。报告：直接效应、通过情绪唤起的间接效应，以及各路径系数（a 路径、b 路径），生成 APA 三线表。"

ChatSRS 输出：

中介效应分析（Bootstrap，k = 5,000 次重抽样）

路径系数：
a 路径（框架 → 情绪唤起）：
  经济框架 vs 科学框架：a1 = 0.49，SE = 0.12，t(178) = 4.08，p < .001
  道德框架 vs 科学框架：a2 = 1.27，SE = 0.11，t(178) = 11.55，p < .001

b 路径（情绪唤起 → 风险感知，控制框架）：
  b = 0.38，SE = 0.08，t(177) = 4.75，p < .001

直接效应（c' 路径）：
  经济框架 vs 科学框架：c'1 = 0.17，SE = 0.13，95% CI [-0.09, 0.43]，p = .203
  道德框架 vs 科学框架：c'2 = 0.41，SE = 0.12，95% CI [0.17, 0.65]，p = .001

间接效应（95% 偏差校正 Bootstrap CI）：
  经济框架（经情绪唤起）：indirect = 0.19，95% BC CI [0.07, 0.33]（不含 0，中介成立）
  道德框架（经情绪唤起）：indirect = 0.48，95% BC CI [0.31, 0.67]（不含 0，中介成立）

结论：情绪唤起对经济框架→风险感知路径的间接效应成立（BC CI 不含 0），控制中介后直接效应不显著；对道德框架→风险感知路径间接效应同样成立，控制中介后直接效应仍显著（c' = 0.41，p = .001）。（注：依据 Hayes 2022，避免使用「完全/部分中介」二分法，建议报告间接效应量及置信区间。）

ANOVA 基础方法详见：方差分析 ANOVA 完整教程 — 单因素到多因素 AI 一句话搞定

中介效应完整操作指南详见：中介效应分析完整教程 — AI 一键完成 Bootstrap 检验

第五步：双因素 ANOVA — 框架 × 来源可信度交互效应

如果实验是 2×2 设计（内容框架 × 来源可信度），需要检验交互效应：

"以行为意向为因变量，框架类型（收益 vs 损失，between-subjects）和来源可信度（高 vs 低，between-subjects）为自变量，做 2×2 双因素方差分析。报告：框架主效应、可信度主效应、两者交互效应的 F 值、p 值、partial eta^2；若交互效应显著，做简单效应分析。"

ChatSRS 自动输出双因素 ANOVA 表，含交互项显著性和简单效应分解。

详细双因素方差分析方法，参见：双因素方差分析完整教程 — 交互效应与简单效应 AI 一键完成

论文方法/结果写法（APA 7th，框架实验报告句式）

方法章节：数据分析策略描述

本研究采用单因素方差分析（One-Way ANOVA）检验框架条件（科学框架、经济框架、道德框架）对气候变化风险感知的主效应，方差齐性满足时采用 Tukey HSD 进行事后多重比较，效应量以 eta^2 报告并依据 Cohen（1988）标准解释。中介效应检验采用 Hayes（2022）PROCESS 宏的思路，以 5,000 次 Bootstrap 抽样构建 95% 偏差校正置信区间（BC Bootstrap CI）；若区间不含零则中介成立。所有分析使用 ChatSRS 完成（R 引擎；显著性水平 alpha = .05）。

结果章节：ANOVA 主效应报告

操纵核查显示三组框架感知得分差异显著，F(2, 178) = 47.23，p < .001，eta^2 = .35，表明框架操纵有效。单因素方差分析结果显示，框架条件对气候变化风险感知的主效应显著，F(2, 178) = 18.47，p < .001，eta^2 = .17，属于大效应。Tukey HSD 事后检验表明，道德框架组（M = 5.71，SD = 0.87）风险感知显著高于科学框架组（M = 4.82，SD = 0.94），MD = 0.89，95% CI [0.50, 1.28]，Cohen's d = 0.99；经济框架组（M = 5.18，SD = 1.02）与科学框架组差异不显著，p = .091。

结果章节：中介效应报告

Bootstrap 中介效应检验（k = 5,000 次重抽样，BC Bootstrap CI）结果显示，情绪唤起对经济框架→风险感知路径的间接效应为 0.19，95% BC CI [0.07, 0.33]，置信区间不含零，中介成立；对道德框架→风险感知路径的间接效应为 0.48，95% BC CI [0.31, 0.67]，中介同样成立。控制情绪唤起后，道德框架的直接效应仍显著，c' = 0.41，p = .001；经济框架直接效应不显著，c' = 0.17，p = .203。（依据 Hayes 2022，此处仅报告间接效应及直接效应显著性，不采用「完全/部分中介」二分法。）

以上三段可直接进论文 Method 和 Results 章节，替换你自己的数值即可。ChatSRS 的"APA 报告"功能自动生成对应段落，无需手动转写。

常见 FAQ

Q1: 框架实验两个条件用 t 检验，三个及以上用 ANOVA？

基本正确，但有一个关键细节：两个条件也可以用 ANOVA，结果等价（F = t^2）。推荐做法：

  • 两个框架条件：独立样本 t 检验（更直观，直接得到 Cohen's d）
  • 三个及以上框架条件：单因素 ANOVA + 事后检验（Tukey HSD 控制族错误率）

在 ChatSRS 里描述"三个框架条件，做方差分析和事后检验"，AI 自动选 ANOVA + Tukey。

Q2: eta^2 和 partial eta^2 有什么区别？框架实验该报哪一个？

  • eta^2：组间 SS / 总 SS，在单因素 ANOVA 中 eta^2 = partial eta^2
  • partial eta^2：组间 SS / (组间 SS + 误差 SS)，多因素 ANOVA 中各效应分开计算，相加可超过 1

传播学框架实验推荐：单因素实验报 eta^2 即可，两者数值相同；双因素 ANOVA 各主效应和交互效应报 partial eta^2（APA 6th/7th 均推荐）。Cohen（1988）参考值：eta^2 小 = .01，中 = .06，大 = .14。

Q3: 中介效应检验为什么要用 Bootstrap？Sobel 检验还行不行？

Sobel 检验假设间接效应的抽样分布近似正态，但间接效应（a × b）本质上是偏态分布，小样本下 Sobel 检验偏保守，容易漏掉真实的中介效应。Bootstrap 置信区间不依赖正态假设，通过大量重抽样估计真实分布，目前是传播学、心理学期刊的主流方法（MacKinnon et al., 2007; Hayes, 2022）。

在 ChatSRS 里输入"Bootstrap 中介效应，5000 次，95% 偏差校正置信区间"，AI 自动选 BC Bootstrap 法。

Q4: Bootstrap CI 不含零是什么意思？怎么判断中介成立？

Bootstrap 抽样 5000 次后，计算间接效应（a × b）的分布并截取中间 95% 区间。若该区间不包含零，意味着间接效应在 95% 置信水平下显著不为零——即框架通过中介变量影响结果的效应有统计支持，中介成立。

APA 报告写法：报告间接效应点估计和 95% BC CI（如 [0.07, 0.33]），再说明"置信区间不含零，中介成立"。不需要 p 值（Bootstrap CI 本身就是显著性证据）。

Q5: 实验样本量 60 人左右，中介分析够不够？

框架实验的样本量规划需兼顾 ANOVA 和中介检验的功效需求。一般经验：

  • 单因素 ANOVA 检验中等效应（f = 0.25），三组每组 52 人（总 N = 156）可达 .80 功效
  • 中介效应检验对样本量更敏感，特别是 a 路径或 b 路径较弱时；N < 100 的 Bootstrap 结果宽置信区间属正常现象，但结论仍有效

ChatSRS 可在上传数据后自动提示功效水平并给出建议，遇到小样本警告时在论文局限性章节据实说明即可。

Q6: 框架效应实验需要控制哪些人口学变量？

常见做法：将年龄、性别、教育程度、既有态度（如环境关注度）纳入模型：

  • ANCOVA：把人口学变量作为协变量，观察控制后框架主效应是否仍显著
  • 中介模型协变量版：在 PROCESS 模型中加入协变量（covariates），ChatSRS 支持直接添加

在指令中加入"将年龄、性别、既有环境关注度作为协变量控制"，ChatSRS 自动调整模型。

传播学框架实验分析小结

分析目的方法ChatSRS 一句话关键词
了解各组数据全貌描述统计"分组描述统计，均值标准差三线表，检验正态性"
验证操纵有效性操纵核查 ANOVA"操纵核查变量做单因素方差分析，Tukey 事后检验"
检验框架主效应单因素 ANOVA"Levene 检验 + 单因素 ANOVA + eta^2 + Tukey HSD"
检验交互效应双因素 ANOVA"双因素方差分析，主效应+交互效应+简单效应分析"
检验中介机制Bootstrap 中介"Bootstrap 中介，5000 次，95% BC CI，a/b/直接/间接效应"
控制协变量ANCOVA / 协变量中介"将年龄性别作为协变量，控制后检验框架效应"

每一步的输出 ChatSRS 都能直接生成 APA 7th 报告句式，在论文里改改数字就能用。

相关阅读

本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。