环保的阶层剥夺感：
责任分配公平性 蓝图展示
透过一份问卷，打破“人人环保”的表象。基于方差分析、SEM构模与LPA潜在画像，深切解剖社会阶层在消费主义语境下面临的道德特权与生存负担。
Phase 1 / 基石奠定
去伪存真：
数据清洗的“简单哲学”
在“人人环保”的宏大语境下，问卷往往充斥着从众心理或随意作答。我们第一准则是“信效度过滤”。 剔除“全一样”（直线填答者），交叉比对正反向测谎题，并通过 CFA 验证性因子分析确立收敛效度。
真实的阶层剥夺感，必须建立在纯净且严苛洗练后的样本之上。
Phase 2 / 微观差异
阶层分流：方差分析与“雨云图”拟合
放弃枯燥的均值条形图。我们采用极具叙事张力的 Raincloud Plot（雨云图） 变体散点映射。 图示模拟了：面对“同等普惠限塑环保约束”，低收入样本（绿点）产生出了更密集的“生活剥夺感（高分值）”， 而高收入群体（黑点）对此往往不痛不痒，呈现出显著的感知鸿沟。单因素方差分析（ANOVA）赋予了它统计的合法性。
Phase 3 / 宏观因果枢纽
结构方程模型 (SEM)：
揭开中介传导的黑盒
从微观均值，走向宏观结构。我们弃用传统的多元回归，转而构建多组 结构方程模型 (SEM)。 右侧网络演示了我们的核心机制验证：高奢品牌通过“金钱门槛感知”塑造了高收入圈层的“环保道德特权认可”； 而普惠品牌则通过剥夺穷人的便利性，激发出对“责任再分配”的强烈不公感。
Phase 4 / 画像聚类
无监督聚类：
潜在剖面分析 (LPA)
正大杯评委青睐那些“让数据自己说话”的论证方法。我们不对收入群体进行硬性划分， 而是提取对“社会公平（Q6量表）”感知的评分，采用 **Latent Profile Analysis (潜在剖面分析)**。
聚类结果浮现出三种典型的“环保人格”。你看，雷达图中那突出的黑色与金色面积， 完美印证了底层对“责任转嫁”的愤怒，以及顶层在享受“道德特权”时的优越感。
Phase 5 / 坚固护城河
倾向得分匹配 (PSM)：
抵抗评委质疑的最强稳健性检验
评委一定会有疑问：“打分差异是不是因为高收入群体本身学历就高，所以更包容环保？” 为了排除“学历、城市层级”等混杂因素的干扰，我们引入 **Propensity Score Matching (倾向得分匹配)**。 下图展示了：即便我们在统计学上强行“配对了”学历和经历极度相似的一穷一富两个人， 他们对“取消吸管”的愤怒值依然存在无法弥合的阶层裂痕。稳健的模型，无懈可击。
Designed for the National Grand Prize.
正大杯市场调查与分析大赛 · 高阶模型蓝图体系