大流行期间对未接种人的歧视性态度

　　我们从2021年12月3日至2022年1月28日之间从以下21个国家 /地区收集了数据：阿根廷，澳大利亚 ，奥地利
，巴西，中国 ，丹麦，法国
，德国，匈牙利 ，印度
，印度尼西亚，印度尼西亚 ，意大利
，马来西亚，墨西哥 ，摩洛哥
，摩洛哥，罗马尼亚 ，俄罗斯
，俄罗斯，南非 ，西班牙，西班牙
，英国，英国 ，美国。IPSO在中国和所有其他国家通过在线面板和YouGov通过在线面板收集数据 。所有参与者均提供了知情同意
，并根据与数据提供商的常规协议进行了报销
。所有研究（研究1-3）均不受丹麦法律的正式伦理审查。根据《卫生研究项目》研究伦理综述的第14（2）条，“问卷调查的通知……研究伦理委员会系统的系统才需要在该项目涉及人类生物学材料的情况下才需要 。 ”这些研究完全符合Aarhus大学的行为准则以及丹麦行为守则研究完整性规定的道德标准。所有假设 ，材料和分析均在OSF（https://osf.io/6teug）上进行了预先注册
。 　　我们试图招募来自每个国家的500名成年受访者
，对年龄，性别和居住地区的配额取样 ，以及有关可行性的条件 - 也包括教育（澳大利亚
，巴西，丹麦 ，法国
，德国，德国 ，意大利，墨西哥
，俄罗斯，西班牙 ，西班牙
，英国和美国）和种族（美国）。人口统计学细节在扩展数据表1中提供 。配额始终设置为模仿全国人口，除了印度尼西亚 ，摩洛哥和马来西亚
，由于可行性问题，它们被设置为在线人口的人口统计学特征 ，在印度
，在印度，它们被设置为国家城市人口的人口统计学特征
。在调查开始时 ，筛选了一个简单的机器人测试的受访者。有关其他人口统计信息以及配额集的更多详细信息
，请参见补充信息A.问卷调查表由翻译机构雇用的专业翻译人员转化为该国的官方语言（在补充信息b中描述了该规则的偏差） 。该机构的另一位翻译人员和研究人员招募的一位母语者都对每次翻译进行了独立质量检查
。 　　我们的样本涵盖了来自世界各地的各种各样的文化。也就是说，我们的样本有意排除了低收入国家 ，其中尚未公众可为公众广泛使用，因此
，因此，我们不会期望疫苗接种状况会导致偏见 。此外 ，尽管设定了配额
，但我们的样本在全国范围内并不完全代表，因为他们排除了无法获得互联网的社会成员 ，或者面临其他有系统的缺点（例如
，是文盲或不说该国的官方语言）
。先前的研究得出的结论是，对于通过YouGov在低收入和中等收入国家的在线面板收集的跨国数据的结果 ，“最好将[他们]视为代表在线人口的代表。
” 56 。同时
，在大流行期间，在线调查构成了一种安全有效的数据收集方法 ，可以听到各种文化的声音
。与此一致
，世界卫生组织是指在大流行期间使用在线调查作为行为见解的标准方法。我们的主要调查供应商YouGov使伦敦帝国学院能够在大流行期间捕捉全球行为动态（https://www.imperial.ac.uk/global-health-innovation/what-weh-we-we-we-we-do/our-respons-to-covid-19/covid-19/covid-19-behaviour-tracker/） 。 　　先前的研究表明，可以使用在线监视58,59,60可靠地研究跨文化差异 ，并且在各种采样方法中，使用实验设计（就像我们一样）的研究特别强大61,62。但是
，重要的是要确认并解决在线调查的普遍性的局限性
。这方面的关键威胁是在线和国家人口之间的差异是否可能危害跨文化结论的鲁棒性。为了检查这种威胁对推论的后果，我们报告了数据和分析的多次鲁棒性检查 。首先 ，补充信息A比较了最相关的客观基准测试 - 对成年人人口中的Covid-19与在调查中观察到的疫苗相比
，发现很高的信件
。其次，补充信息D直接研究了与Internet访问相关的两个关键指标（教育和收入）中的治疗异质性 ，即使在低收入和中等收入国家
，也很少发现治疗异质性（扩展数据图6）。第三，补充信息O.2直接量化了对推论的潜在威胁 ，并检查了跨文化结论对在线和离线人群之间偏见的潜在差异的鲁棒性 。它发现
，跨文化结论甚至是极端假设，即离线人群对未接种疫苗的个体的偏见为零（扩展数据图7）
。第四 ，补充信息O.2还报告了一项压力测试
，该测试同时违反了我们的两个猜想的后果，（1）我们的样本代表在线人群 ，（2）代表和非代表人群表现出相似的偏见。该测试发现，即使我们的两个猜想都是错误的
，跨文化普遍存在的偏见的结论也将存在 。全面的， 先前的研究和广泛的鲁棒性分析都强烈表明我们的结论如前所述
。 　　我们的设计是E. S. Bogardus的经典社会距离3的微妙 ，联合实验实施3（也就是说
，这并不意味着我们样本中的所有国家都必须对中东移民有偏见；尽管我们的样本对我们很重要，尽管我们的样本都不是来自中东的 ，因为这些属性是毫无意义的
，因为它会造成较低的依据，因此可能会造成较低的态度 ，而不是造成季节的效果；故意避免使用“穆斯林”一词）。我们向参与者介绍了一系列虚构的人
，并要求他们想象这些人是他们的近亲打算结婚的人 。描述这些目标个体的六个属性之一是他们的共同疫苗接种状况，在“完全疫苗接种 ”和“未接种疫苗”之间随机变化
。重要的是 ，这是对疫苗接种状况的极简主义操纵
，只需将目标个人与他们的团体成员身份标记，因此没有为他们选择提供理由或理由。 　　我们对参与者对未接种婚姻的人的态度是否具有更高的排他性态度感兴趣 。为了基于这种假设的偏见的规模 ，这是另一个被标记为家庭背景的属性，区分了“在[受访者国家]出生和长大的人和“从中东移民移民
”的人们。中东移民是一个极好的基准
，因为对他们的广泛偏见已被广泛记载3
。包括其他四个属性（年龄，职业 ，爱好和人格）
，以提高生态有效性并减少实验者的需求和社会需求。总而言之，我们收集了10,740个人的数据 。我们在预注册中报告了一种敏感性分析 ，证明了我们的样本量
。 　　扩展数据表2显示了六个属性及其水平。从2×2×6×6×6×5 = 4,320属性水平的独特组合中
，以随机的方式完全采样每个目标曲线 。遵循文献中的最佳实践33，我们一次并排提出了两个目标
。每个受访者在三个试验中独立评估了六个随机目标 ，总样本量为64,440个观察结果。我们还将受访者之间的属性出现的顺序随机 。 　　受访者以简单的是/否等级表明他们与四个陈述的一系列陈述来独立对每个目标概况进行了评分
。具体来说
，我们衡量了受访者的排他性态度，并说：“如果这个人嫁给了我的一个亲戚 ，我会感到不高兴”；害怕感染的说法：“我害怕这个人感染了我或我的家人
，以19 covid-19感染 ”；对智力的看法“我认为这个人是不知情的
”；以及“我认为这个人不信任”的信任度。 　　我们还收集了有关所有受访者的背景信息 。重要的是，在治疗之前 ，我们询问受访者本身是否接种疫苗
。我们将至少一种接种疫苗的所有受访者标记为“接种疫苗 ”，以及所有其他受访者
，包括拒绝回答这个问题的受访者，为“未接种疫苗
”。我们还依靠调查提供者共享的人口统计数据 ，我们将其二分成男性和女性受访者
，年龄较大和年轻的受访者（通过在每个国家的样本中位数分开），受访者有无填写（第三级）教育 ，最后
，低收入的受访者，低收入的受访者的家庭收入少于全国中间人和受访者的70％ 。 　　最后 ，我们的分析依靠一系列国家级预测指标。通过约翰·霍普金斯大学（Johns Hopkins University）衡量
，我们在该国数据收集的第一天，在总人口中 ，确认的共同死亡人数确认的共同死亡人数的累积数量
，我们衡量了大流行的严重程度
。我们衡量该国的疫苗接种率，总数在我们的数据中衡量的是该国数据收集的第一天 ，在该国数据收集的第一天，每100人的疫苗剂量至少接受了100人的疫苗剂量。我们在最新的世界价值观调查数据中
，我们说“大多数人可以信任”（与“您需要非常小心 ”的受访者（与“您需要非常谨慎
”）的受访者的比例衡量社会信任 。最后，我们使用参考文献的文化紧密度 - 浮动得分
。38作为对未接种疫苗的人的偏见的事后预测指标。请注意 ，在我们的21个国家中
，有16个国家可以使用紧密得分，丹麦 ，法国
，摩洛哥，罗马尼亚和南非被省略了这些分析 。 　　根据有关联合实验的文献中的标准实践63 ，我们使用普通的最小二乘回归模型分析了我们的数据
，这些模型将六个分类属性的四个结果一个结果逐一回归
。这些模型包括分层的权重。我们将标准错误集中在受访者上 。我们对四个结果的疫苗接种属性（缩放为外组）进行了评估
。AMCE可以被解释为报道排他性态度的受访者比例的百分比变化，认为不信任性 ，不知情或对感染的恐惧
，这是由于将目标的疫苗接种状态从群体变为群体而导致的。手稿中报告的所有显着性测试（除非另有说明）是双面的 。 　　为了估算国家层面的效果，我们分别在21个国家 /地区重新运行这些模型
。为了估计接种疫苗和未接种疫苗受访者以及人口组之间的偏见的异质性 ，我们在分裂样本上重新运行模型。为了估算排他性态度与宏观级别指标之间的国家级别关系，我们依靠描述性图和Spearman的等级顺序相关性 。 　　我们的识别策略取决于疫苗接种状态的随机分配给目标个体63。我们报告了补充信息O.6中联合实验的标准诊断测试
。尽管我们承认通过实验加速的参与者会稀释观察到的实验效应（补充图O.21）
，但我们发现几乎没有关注的理由，并且对于排他性态度有一些结转效果 ，但没有其他三种结果（补充图。图 。图
。24）。我们还注意到
，就我们的一些受访者声称接种疫苗而言，我们对未接种疫苗的人的偏见的估计可能太保守了 。 　　最后 ，在补充信息o中
，我们报告了鲁棒性测试
。当我们在贝叶斯多级框架中，我们放弃分层后的权重以及排除被告声称他们以前没有机会接种疫苗的受访者时 ，我们的所有结论都会复制。 　　研究2试图从概念上复制并扩展研究结果1 。首先
，它依赖于一种替代性的，纯粹的情感衡量偏见 ，而这种偏见不能被感染风险的关注所困扰
。其次
，它使用一组替代基准组来获取有关未接种疫苗的人所面临的偏见的实质性大小的额外观点。第三，它测试了反对疫苗接种外群的反感是否较低 ，因为那些与外部成员更接触的人 。最后，它从概念上复制了我们的发现
，在Omicron Wave退出后的一段时间内，并且对大流行的担忧不那么直言不讳
。 　　我们的数据于2022年5月从六个国家收集：德国 ，印度
，印度尼西亚，摩洛哥 ，南非和英国。和以前一样
，我们的数据提供商YouGov从在线面板中提取了每个国家 /地区至少有500名受访者 。所有参与者均提供了知情同意，并根据与数据提供商的常规协议进行了报销。该研究免于正式的道德综述（请参阅上面的“研究1”部分）
。 　　研究2的设计紧密反映了上述研究1所述的联合实验设计。为了简洁起见 ，我们重点介绍此处的偏差 。首先
，我们省略了作为潜在亲密家庭成员的受访者与目标之间关系的框架
。取而代之的是，我们只是向受访者介绍了目标个人 ，他们被要求以标准的 - Dislike量表进行评估。其次
，我们用称为个人信息的新属性代替了家庭背景属性 。在这个不起眼的标签下，我们包括了四个群体之一中对成员的参考 ，这些群体有据可查，以面对各种偏见：吸毒者
，精神病患者，定罪者和无神论者
。作为中性比较 ，该属性也具有控制条件：“没有其他信息 ”。这四个群体有意以成员身份为基于个人选择而不是运气的程度
，以及他们是否对他人构成危险 。补充信息B中提供了所有属性的详细说明（包括背景属性的两个次要更改）
。最后，除了个人疫苗接种状态之外 ，我们还测量了与疫苗接种的个人经验
，并为对该变量的有条件的反感模拟了对群体的反感。 　　与以前一样，目标曲线从2×5×6×5×6×5 = 9,000属性水平的独特组合（扩展数据表3 。每个受访者评估了三对目标
。这产生最终样本量为3,045个个体的18,270个观测值。（https://osf.io/a7hsu） 。 　　为了衡量与疫苗接种群体的接触 ，我们在治疗之前询问：“有多少亲戚和朋友（受访者）[未]对Covid-19的疫苗接种了疫苗？
”响应选项是：完全没有
，1-2、3-5 、6-10和10以上。这个问题始终是基于与研究1中使用的措施相同的个人疫苗接种状态的度量和分类
。 　　目标的一般印象以标准的七点李克特量表从强烈的厌恶到强烈的类似。促使受访者指示每个目标表明“他们喜欢或不喜欢人[a – f]多少” 。 　　我们遵循与研究1中相同的建模策略
。我们将连续的因变量重新编码为0-1范围，更高的值表明更不喜欢。为了调查与群体接触更多接触的受访者是否对他们表示较低的反感 ，我们预先注册了一个相互作用模型
，估算了有条件的反感，以接触水平为条件 ，被视为一个分类变量，没有接触作为参考类别 。 　　研究3的主要野心为（1）
，以扩大先前的结果，以依靠更广泛的结果度量来利用各种形式的偏见
。此外 ，它还包括两个其他实验
，依靠替代范式来测量各组的偏见和慷慨。因此，（2）我们测试了在有或没有金钱激励措施的经济游戏中 ，在经济游戏中
，人们是否对未接种的人不那么慷慨 。8,9,18
。（3）我们还使用Bogardus的家庭环境测量了偏见，无论是标准的直接问题还是使用强制响应技术64。依靠这些数据 ，（4）我们可以调查社会可取性是否偏向于承认对疫苗接种群体的偏见的倾向 。最后
，（5）我们收集数据，以了解社交互动作为研究疫苗接种群体的负面态度的背景 ，而不是对生态有效性的批评
，而不是标准经济游戏
。所有假设，材料和分析均在OSF（https://osf.io/ypc6a）上进行了预先注册。 　　我们从2022年5月（同时与研究2同时）收集了居住在美国的1,448名成年人的数据 。与以前一样 ，使用性别，年龄
，地区，教育和种族的配额抽样从YouGov的在线小组中招募了受访者。所有参与者均提供了知情同意 ，并根据与数据提供商的常规协议进行了报销
。该研究免于正式的道德综述（请参阅上面的“研究1 ”部分）。 　　联合实验设计与研究2的实验设计相同
，除了每个参与者对五对目标曲线的评分 。在联合实验中，这产生了最终样本量的14,480个观测值
。该研究还包括另外两个实验。首先 ，复制参考 。18
，受访者参加了一个独裁者游戏，其中分配者可以将100分的一些捐赠给另一个球员 ，即接收者
。所有参与者都扮演了分配者的角色
，并与调查中的另一位受访者（事后）随机匹配，他们只知道他们是接种疫苗还是未接种SARS-COV-2。我们使用了策略方法 ，并引起了两种类型的伙伴的分配（按随机顺序） 。我们在参与者之间进行了实验操纵
，无论参与者是否为货币奖励效力
。具体来说，我们告知参与者的一半 ，他们在游戏中划分的点值得赚钱，速度为100分= 250 YouGov点。我们对此进行了校准
，以对应于大约0.20美元，激励措施等于8,9或更高的18美元 。 　　其次 ，我们还衡量了受访者是否同意或不同意：“如果一个人（未）对Covid疫苗接种了Covid-19已与我的一个亲密亲戚结婚
，我会感到不高兴
。”该声明总是提到疫苗接种群体。重要的是，我们在参与者之间操纵该问题是直接提出问题还是嵌入强制响应设计中 ，该设计使用随机设备掩盖了单个受访者的响应
，同时保留了估计样本级别一致性的能力 。具体来说，使用第三方随机数发电机 ，受访者将整数在1到6之间。如果他们得到1或6
，则“被迫
”响应同意或不同意
。如果他们在两者之间得到任何东西，他们会根据自己的真正偏好自由回答。该方法旨在消除敏感调查问题中的社会可取性偏见64 。 　　在联合实验中 ，参与者评估了每个目标的六个陈述
，表明他们（1）是否喜欢目标，他们是否支持（2）公民身份的目标申请以及（3）失业福利；如果他们尊重目标（4）言论自由 ，（5）居住自由和（6）行动自由
。 　　在简要说明了独裁者游戏规则（称为分配任务）之后，参与者被询问：“ [他们]对这个接种疫苗/未接种的人给出了多少要点？”我们计算了分配给疫苗接种群体与群体的点的差异。较高的分数表明更多的偏爱 。 　　在第三个实验中
，我们计算了参与者的比例，这些参与者表示 ，如果疫苗接种的某人群体嫁给他们的家庭
，他们将不高兴
。这是对直接问题的“是 ”答案的一个简单比例，但是在强制响应条件下 ，我们必须纠正计数
，以说明三分之一的受访者被迫以一种或另一种方式做出回应的事实。因此，我们从同意和不同意的响应中减去样本总数的1/6 。我们测试从0起 ，偏见受访者的比例在统计上是显着的
，与直接问题条件相比，在强制响应条件下的偏见是否更高或更低
。 　　对于研究对疫苗接种群体的歧视性态度的最佳环境措施 ，我们将生态有效性运行是人们遇到与研究中描述的情况相似的频率。具体来说
，参与者回答了他们遇到六种情况的频率或很少见，其中三个描述了社交互动（例如 ，“当我考虑与所有人（未]疫苗接种Covid-19的疫苗时，我会感到不高兴 。
”）
，三场描述了货币交易（例如，“例如 ，我考虑向个人捐赠给个人[不]对Covid-covid-19疫苗的疫苗
。”）。 ”） 。 　　对于联合实验
，我们遵循了与研究1所述相同的分析策略。对于独裁者游戏，我们进行了简单的t检验 ，以估计参与者是否对其团体内成员更为慷慨
，并且这种组内偏爱的规模是否受到所提供的动力的影响
。对于Bogardus的社会距离度量，我们估计了使用标准CI的估计值的不确定性 ，并使用χ2检验来确定与直接问题相比
，社会可取性偏见是否会估计。 　　最后，使用t检验比较了生态有效性的度量 。 　　有关研究设计的更多信息可在与本文有关的自然投资组合报告摘要中获得
。