《Fisheries Research》：The impact of data type and analytical method in developing recreational sea angler typologies
编辑推荐：
摘要：休闲海钓者分类模型(Typology of recreational sea anglers)通过描述参与度和行为模式为渔业管理提供决策依据。在某些细分领域中，由于方法论的不一致性及不同分析技术对结果的影响，此类分类模型的可靠性受到质疑。如何高效获取分类
摘要：休闲海钓者分类模型(Typology of recreational sea anglers)通过描述参与度和行为模式为渔业管理提供决策依据。在某些细分领域中，由于方法论的不一致性及不同分析技术对结果的影响，此类分类模型的可靠性受到质疑。如何高效获取分类数据并识别统计失真亦是构建分类模型时需考量的重要问题。上述问题与英国相关——英国首份面向政策的休闲海钓者分类模型涉及复杂的数据框架，于2025年首次发布。本研究对该原始框架的简化版本进行了检验。研究人员对海钓者原始答卷响应(Raw angler responses)实施两步聚类(Two-step clustering)，并将结果与原始分析 outcomes 进行对比，以探明不同分析及分类模型理论本质所受影响。由于轮廓系数(Silhouette coefficient)不足及须从数据框架中剔除变量，未能复现原始四分类（消费型 Consumer、奖杯型 Trophy、休闲认同型 Leisure-identity 及社交型 Social Anglers）。新模型描述了样本中由中高水平环保主义者(Mid- and high-level environmentalist clusters)构成的多样性。替代性分类模型设计更简洁，且展现出原始答卷响应与个案定位间更紧密的关系，但在解释海钓者管护行为(Stewardship behaviours)变异方面表现不及原模型，故其预测及实用效用被认为较弱。研究表明，分类模型的构建依赖于所采用的数据类型及相应分析方法，且与设计阶段的概念化密切相关。据此，本文对分类模型的理论本质提出了重要见解。
Fisher等(2025)基于英国英格兰与威尔士休闲海钓者调查数据，通过探索性因子分析(Exploratory Factor Analysis, EFA)结合K-means聚类构建了包含消费型(Consumer)、奖杯型(Trophy)、休闲认同型(Leisure-identity)及社交型(Social Anglers)四类的海钓者横向(Lateral)分类模型，所用数据框架含34个题项经主成分分析(Principal Component Analysis, PCA)降维为10个成分(Component)得分作为聚类输入变量。然而现有文献指出，分类模型因所采用的方法学及变量差异导致跨研究比较困难，且鲜有研究探讨数据类型（原始Likert量表 ordinal 数据与经PCA转换后的连续Metric分数）及分析算法对分类结果的具体影响。此外，长问卷易造成受访者疲劳及分析误差，简化数据收集工具的需求客观存在。因此本研究以Fisher等(2025)所用同一数据集为案例，检验仅使用各成分最高载荷(Highest loading)之单一Likert陈述（共10题，原始序数数据）直接进行聚类能否复现原四分类模型，并评估简化数据及相应算法对分类结构、预测效度及原始应答与分类定位关联性的影响。论文发表于《Fisheries Research》。
主要关键技术方法
研究使用Fisher等(2025)2022年收集的英国休闲海钓者电子问卷数据，经清洗后有效样本n=453（男性为主，≥55岁占80%）。原始研究使用34个Likert题项经PCA提取10个成分并计算成分得分后做K-means聚类。本研究中研究人员仅取Table 1中10个各成分最高载荷题项的原始5点Likert序数数据(Ordinal data)，采用SPSS v30.0的两步聚类(Two-step clustering；基于对数似然Log-likelihood比、BIC/AIC准则确定最佳簇数、随机化个案顺序消除数据排序敏感性)，经迭代剔除预测重要性(Predictive Importance, PI)低的变量以提升轮廓系数(Silhouette coefficient)至可接受阈值(>0.2)。所得二分类簇通过Mann-Whitney U检验验证簇间在输入变量及外部预测效度变量（个人管护规范Personal stewardship norms、私域管护行为Private stewardship behaviours）上的差异，并与Fisher等(2025)原四分类做叠合比较，另抽取随机个案原始应答比对两分类模型中原始作答与定位关系。
研究结果
3.1 两步聚类分析(Two-step cluster analysis)
初始十变量两步聚类仅得二簇且轮廓系数低至0.1。研究人员按PI值由低到高依次剔除变量（依次为：垂钓在生活中中心性Centrality to life PI=0.08、社交联结Social bonding PI=0.10、捕获数量取向Catch numbers PI=0.11、身份认同Identity PI=0.15、保留食用Keep and consume PI=0.09、奖杯特征Catch characteristics PI=0.04），最终保留环境后果意识(Awareness of environmental consequence PI=1.00)、环境责任感知(Environmental responsibility PI=0.17)及生物中心主义(Biocentrism PI=0.11)三变量，获二簇模型（簇1 n=229，簇2 n=224），轮廓系数0.3（尚可）。两簇均对环境持正向态度，簇1在"强烈同意"环境后果及生物中心主义上比例更高，且更多认同钓手未尽环保责任。
3.2 聚类解的预测效度(Predictive validity of cluster solution)
Mann-Whitney U检验显示两簇在三输入变量上均有显著差异（p<0.001），效应量r分别为0.90（环境后果意识）、0.30（环境责任）、0.26（生物中心主义）。在预测效度变量上，两簇在三项个人管护规范（他人应保护资源、道德义务、未履行之内疚感）上差异显著(p<0.001)，小-中效应；但在三项私域管护行为（水中托鱼Cradled fish in water before release、留鱼在水中摘钩Kept fish in water while unhooked、无倒刺钩Barbless hooks）上无显著差异(p>0.05)，效应量接近0。表明新分类可解释规范信念差异但无法解释实际管护行为差异。
3.3 两簇关键特征总结(Summarising key characteristics of the two clusters)
簇1（高环保主义者High-level environmentalist）：94%强烈认同环境受严重破坏，84%持生物中心观点，强个人规范及道德义务感高于簇2，居住偏英格兰西南部。簇2（中环保主义者Mid-level environmentalist）：84%认同环境后果，71%持生物中心观点，居住偏英格兰东南部。两簇人口学特征（年龄、性别、垂钓频度Avidity）及动机模式相似，仅环保态度强度有区分，故命名为中/高环保主义者集群。
3.4 分类模型比较(Comparing typologies)
新二簇模型与原四分类叠合显示：簇1含较多奖杯型钓手(Trophy anglers, 27%)及较少消费型(Consumers, 21%)；簇2含较多社交型(Social anglers, 42%)及消费型(29%)而奖杯型少(9%)。原四分类能跨多维（动机、卷入Involvement、捕获取向、环境态度）体现横向异质性并可解释管护行为变异；新二元模型仅依环保态度强弱分层(Hierarchical)，损失概念广度及预测力，但与原四分类共享底层数据故规范信念表现趋势一致。
3.5 评估海钓者应答与分类定位关系(Assessing angler responses and positionality in the typologies)
随机抽取个案比对原始Likert应答与各自主分类定位发现：Fisher等(2025)四分类中部分类型（休闲认同、社交型）仅凭单题难以明确判别需依赖多题EFA综合评分；而本研究二元环保分类中簇归属可通过三题中"强烈同意"环境后果及生物中心主义简单辨识，原始应答与分类定位关联更直接。
讨论与结论翻译
讨论指出：(1)两步聚类处理简化原始序数数据无法复现原四分类，产生仅依环保态度划分的二元层级分类模型，证实分类模型高度依赖数据类型与分析法；(2)新模型丢失多维异质性描述力且在预测实际管护行为上弱于原模型，但其与原始作答联系更紧密，适用于仅需快速评估环保态度的管理场景；(3)样本存在老年白人男性偏差及横断面局限，未来需更具代表性抽样与纵向设计；(4)学界应系统梳理分类模型的概念透镜、数据及方法以形成"海钓者分类模型之分类(Typology of typologies)"指导情境化选用。
结论部分翻译如下：
关于海钓者分类模型作为预测工具的效用：本研究基于相同数据所得二元环保分类模型较Fisher等(2025)原模型描述力与预测力弱，尤指未能解释管护（钓获放流）行为差异，作为预测工具有限。态度规范与行为间常受中介/调节变量影响，二者关系非线性，需进一步建模探究。
关于数据类型与分析法在理解分类模型一般本质中的作用：同批数据因数据类型（原始Ordinal vs PCA派生Metric分数）及算法（Two-step clustering vs EFA+K-means）不同可产生截然不同的异质性描述模型，证明分类模型对方法敏感。不应因此否定其价值而应系统映射各模型适用情境——如单目标鱼种专用专业化(Specialisation)理论，混合多鱼种探索性研究可用Fisher等(2025)横向模型，专研环保规范可用本环保二分模型——形成供学者与管理者的选择工具箱。分类模型效力取决于概念化、设计、数据、分析法与应用目的间的一致性。
关于不同分类模型在政策与渔业管理中的实际效用：本研究二元模型设计简、原始数据与定位关联直，可用3题快速筛分环保态度强弱，但范围窄、簇分离一般(silhouette=0.3)、基于偏态样本且不能可靠预测行为，故不建议用于设计促变管护行为的干预措施。若管理目标仅为了解海钓者环保态度分布则该简版具实用价值。政策制定者应依据预期用途、创建所用数据及统计强度审慎选用分类模型，此原则适用于所有需刻画多元利益相关者的自然资源领域。
