在 COVID-19 大流行期间与遵守卫生相关行为和病毒缓解协议相关的因素

假设/研究问题 假设 1：风险认知、利他主义和政府信任将与依从性和卫生相关行为显着相关，风险认知、利他主义和政府信任的增加与更高的依从率和卫生相关行为相关。 责任心和宜人性人格特质与依从性和卫生相关行为显着相关，责任心和宜人性与更高的依从率和卫生相关行为相关。 此外，对大流行协议有效性的信念和对集体缓解行为的信念（即“只有其他人都遵守传播协议才有用”）将与遵守病毒缓解协议和卫生相关行为相关联。

研究问题 1：在遵守病毒缓解协议和卫生相关行为方面，使用各种平台获取有关 COVID 的信息是否存在差异？ 研究问题 2：获得与遵守卫生相关行为和遵守病毒缓解协议相关的信息的不同来源在多大程度上？ 研究问题 3：不同的人格特质（使用短大五量表 - 10 (BFI-10) 测量）在多大程度上与遵守病毒缓解方案和卫生相关行为相关？

统计分析：

将进行两项分层回归分析：一项以遵守卫生相关行为作为因变量，另一项以遵守大流行病规程作为因变量。 在这两种层次回归分析中，第一步都会包括人口统计特征（控制变量）年龄、性别和教育程度。 第二步将包括风险认知、利他主义、政府信任、人格特征（即神经质、外向-内向、开放性、尽责性、宜人性）、对大流行协议有效性的信念和对集体缓解行为的信念。

将报告部分相关性，呈现假设预测因子对依从性的影响大小，揭示与依从行为相关的最重要变量。 将使用 examined 检查多重共线性和其他统计假设。 多重共线性将根据通用准则进行评估（VIF < 5 和 Tolerance > 0.2；Hocking，2003 年；O'Brian，2007 年）。

即将发表的论文中提出的所有未在此预注册协议中预先指定的分析和问题都将被定义为探索性的。

在选择参与者的随机样本后，将进行主要发现的敏感性分析和随机子样本复制，以确保收集的样本与挪威成年人口之间的比例。

可能的转变：

所有变量都将按照推荐的做法以其原始和验证的格式进行评估，只要这对于预定义分析（即多元回归）所依据的统计假设是可能的。 然而，如果这对于分析背后的统计假设是不可能的，则可能需要进行转换（例如，平方根或对数转换）以应用基于区间的方法。 在选择适当的分析之前，调查人员将检查偏斜度并根据假设和分析对其进行评估。 预先注册和计划的分析包括多元回归，只要满足这些分析的假设即可。 或者，将使用非参数测试。

推断标准 鉴于本研究的样本量较大，研究人员预先定义了显着性水平：p < 0.01 以确定显着性。

样本量和功效计算：

本研究是一个更大项目的一部分，第一部分旨在通过回归分析调查依从性的预测因素，第二部分旨在通过复杂系统方法（即网络分析）检查特定症状及其中心性之间的方向关系。 因此，功率计算基于网络分析所需的功率。 按照 Fried & Cramer (2017) 的功效分析指南，建议参与者的数量是估计参数数量的三倍。 然而，Roscoe (1975) 对多变量研究提出的更保守的建议建议样本量比估计参数的数量大十倍。 因此，分别遵循这两种方法，需要 1395 到 4650 名参与者。 数据将收集三周，参与者基于挪威成年人的代表性和随机样本，随机选择并提供平等机会参与研究，提供数字同意。

缺失数据：

TSD 系统（敏感数据服务）是挪威用于存储个人敏感数据的平台，它通过一种国民身份证号码正式验证参与者，让他们完全有权随时撤回他们的数据，遵循欧洲 GDPR（一般数据保护条例）法律。 因此，参与者可以随时撤回自己的数据。 该调查包括必填字段。 参与是自愿的，并且可以随时撤回提供的数据。 调查人员不希望参与者撤回他们的数据，因此不会丢失数据。 但是，如果参与者确实撤回了他们的数据，调查人员将进行最先进的缺失数据分析，并调查数据是否随机缺失。

变量：

结果测量：如主要结果测量部分所述：1) 遵守病毒缓解方案； 2) 遵守世卫组织推荐的卫生相关行为。

预测因素：所有 5 大五人格特质均通过经过验证的大五人格量表 (BFI-10) 的简要版本进行衡量。 风险感知是通过适用于 COVID-19 大流行的三项措施来衡量的，询问 1) 自己对 COVID-19 病毒的感知风险； 2) 其他个人； 3) 整个社会。 政府信任度是通过适用于 COVID-19 大流行的单个项目来衡量的，询问人们是否信任政府关于处理大流行病的判断和决定。 利他主义是用一个适应大流行的项目来衡量的，询问个人对帮助社会和同龄人的重要性。 对协议有效性的信念和对集体缓解行为的信念均使用适用于 COVID-19 大流行的单个项目进行衡量，询问有关已启动协议对大流行的有效性的信念，以及对当一部分其他人不遵守时感知的遵守有用性的信念.