在过去的二十年里，使用数字媒体进行政治参与的情况稳步增长。同时出现了对公民与国家之间关系变化的担忧，包括民主倒退和民主合法性下降的问题。这些同时代的趋势提出了这样一个问题，即人们是否认为他们的在线政治行为是参与政治进程的有效方式。

近年来，全球政治参与趋势的敏锐观察者如Erica Chenoweth (2020)，已经清楚地阐明了在线和数字政治参与的前景和潜在陷阱。Chenoweth (2020)在讨论当代政治运动对网络政治参与的战术依赖的挑战时，指出了快速招募和向广大受众传达不满能力的优势，以及招募人们加入有效组织能力减弱的劣势，这些组织能够制定战略以实现集体目标。Freelon等人(2020)关于在线参与形式的早期研究主要关注了两个问题：第一，这种类型的活动可能没有政治意义；第二，它也可能成为更有效和更有影响力的参与类型的替代品。而经验证据一再表明，数字网络活动并不能取代线下活动，是对线下活动的补充。但关于政治参与者自身是否认为他们的在线政治活动与他们的线下参与相比是更有影响的或更有效的，我们知之甚少。随着时间的推移这个问题变得越来越重要了。网络政治活动的范围在不断扩大，包括在线签署请愿书、通过社交媒体联系官员和在线表达政治意见等。此外，研究表明年轻人的在线政治参与度很高，这表明政治沟通模式出现了代际转变。这些趋势凸显了评估政治参与者自己是否认为他们的在线政治行动具有意义的重要性。

本研究通过评估个体对其政治效能（PE)的看法与他们政治参与之间的关系来研究这个问题，即在线政治参与（OnPP）是否比离线政治参与（OffPP）更弱。我们通过使用现有的最全面的数据进行多层次的随机效应元分析，来检验关于政治效能的主要假设（H1）。此外，我们研究了关于政治效能、在线政治参与和离线政治参与之间关系的预期变化，设定了两个假设：随着时间的推移（H2）和在不同的国家背景下（H3）的变化。最后讨论回顾了这些发现的意义，随着数字行动主义的不断扩大，概述了在数字时代调查政治效能和不同类型的政治参与之间因果关系的其他途径。

人们是否认为他们的政治行为会带来改变？这个问题在一个关注民主合法性和网络活动对民主社会是否有潜在负面影响的时代尤其重要。利用高质量的代表性调查数据，研究在社会人口学相关方面关于OnPP和OffPP的区别。研究发现，与离线参与相比，在线参与和社会经济地位有更大的关联。然而，关于人们的自我感知效能与他们参与线上和线下政治活动的关系问题，文献中还没有形成共识。

在了解政治参与与民主治理之间的联系时，政治效能一直被视为一种关键的态度衡量标准，这可以追溯到Campbell (1954)等人对选民如何做出决定的研究。Campbell(1954)对政治效能的经典定义——“个人政治行动确实对政治进程有影响或可以产生影响的感觉”——在当代学术界仍被广泛引用。到20世纪90年代初，实证研究基于对美国国家选举的研究，澄清了这一概念上的区别。Niemi(1991)等人对这些概念的描述为后续关于内部效能的研究提供了参考，内部效能被定义为“对自己理解政治和有效参与政治的能力的信念”。外部效能被定义为“对政府当局和机构响应公民需求的信念”。几十年的线下政治参与表明，这两种政治效能都与线下政治有着积极的联系，且内部效能与线下政治参与的联系比外部效能更强。

相比之下，研究政治效能与在线政治参与关系的现有数据比较有限。虽然近年来在一些大型比较调查中加入了一些关于在线政治参与的问题，但由于缺少这些来源的纵向数据，无法对长期趋势进行分析。因此，关于在线政治参与的高质量调查数据非常有限。大多数关于政治效能与在线政治参与关系的研究是基于特定国家的横断面研究。到目前为止，分析不同背景和时间段数据的国别研究得出了相互矛盾的结果。一些研究报告表示，政治效能与在线政治参与的关系是负相关的，但政治效能与离线政治参与是正相关的关系，这表明在网络环境下，政治效能与政治参与之间的关系较弱。除了强调需要综合相互冲突的现有研究结果以评估政治效能和在线政治参与和离线政治参与之间的普遍关系外，最近关于政治传播研究中一些学者如Esser(2019)等人阐明了调查这些关系随着时间和国家背景变化而系统化的重要性。

为了综合关于政治效能和不同类型政治参与之间关系的不同研究结果，我们在关于人民意愿的表达是民主治理的重要组成部分的经典文献和最新文献中，重点关注在线政治参与和离线政治参与。文献主要包括两个主要论点，说明为什么政治效能与在线政治参与的关系可能比离线政治参与弱。首先，预计离线政治参与比在线政治参与需要更多的有意努力和投资。在线参与与离线参与相比，所需的努力和投资可能会影响参与者对其自身政治效能的感知，促使他们认为在线政治参与是一种比离线政治参与更没意义的参与形式。其次，参与者可能认为线下政治参与与政治结果之间有更清晰的联系，因为政治程序通常被认为是为了应对线下和更传统的参与方式而设计的。这些论点涉及到在线政治参与和离线政治参与在动员公民参与政治行动方面的预期作用，以及通过政治参与与实现政治代表权之间有意义的联系来促进他们的效能感。

目前的研究调查了政治效能与两大政治行为之间的关系：在线政治参与和离线政治参与。文献中对这两类行为区别的经典定义是：在线政治参与是通过数字手段进行的活动，而离线政治参与是作为更传统的亲身活动进行的，涉及到身体的存在。我们遵循调查离线和在线参与之间差异的常见方法，同时承认最近文献中讨论的理论和经验挑战，即建立不同类型的政治参与的明确类别。因此，本研究设计允许实证调查政治效能与这两种类型参与之间的关联强度是否具有时间上的差异。

本文调查研究政治效能与在线政治参与和离线政治参与有何关系这一主要研究问题。研究的主要假设是，个人对其政治效能感知与在线政治参与的关系比与离线政治参与的关系更为微弱。具体来说，第一个假设如下：政治效能与在线政治参与的联系不如离线政治参与强烈（H1效能感）。

除此之外，文献表明，测试政治效能与在线政治参与和离线政治参与之间的关系时，两个调节效应非常重要。一项重要的研究表明，随着时间的推移，这两种类型的行为已经变得不那么明显，因为在线活动和数字媒体已经成为日常生活的一个持续特征。数字活动越来越多地被整合为日常生活的重要方面，这意味着在互联网发展的早期，政治效能和在线政治参与、离线政治参与之间的任何差异可能会随着时间的推移而减少。第二个假设是基于这种时间上的预期：近年来，政治效能和在线政治参与的关系以及政治效能和离线政治参与的关系已经趋于一致。（H2：时间趋同）

最后，我们检验了这样的预期：在以有利于响应公众意愿的机构和代表为特征的既定民主背景下，政治效能和在线政治参与的关系更加紧密。这一假设背后的理论来源于关于民主治理和响应性的文献。关于政治参与对代表结果的影响的研究讨论了一种沟通机制，这种机制可能会增强参与选举领域外的人的代表性，特别是在强大的民主背景下。因此，第三个假设指出，在更强大的选举民主国家，政治效能和在线政治参与的关系更强（H3：民主背景）。

▐ 研究检索和选择程序

元分析是一种越来越常见的方法，用于综合研究结果和建立明确的结论。为了确定相关研究，我们在2019年3月和2020年12月期间进行了一系列的系统搜索和程序选择，我们根据系统审查和元分析（PRISMA）指南的首选报告项目进行了记录。

确定相关研究的主要选择标准是，三个相关变量（PE、OnPP和OffPP）都在同一调查样本中收集，并进行分析，评估政治效能与两种关键政治参与形式的独立因变量之间的关系。我们首先搜索了学术数据库Scopus，以确定符合关键搜索标准的研究。遵循标准的检索方法，扫描符合选择标准的研究的参考文献列表，以确定其他相关研究，并审查符合纳入标准的研究作者进行的额外研究。此外，我们在2020年3月至9月期间的一系列会议和研讨会会谈中展示了该研究的初步结果，期间我们要求内容专家确定符合搜索标准的任何其他研究。最后，我们给符合纳入标准的研究作者发了电子邮件，询问他们是否撰写了或是否知道任何其他符合纳入标准但未发表的研究。

这些搜索程序确定了1356项可能被纳入的研究。第一步排除了重复的研究、缺乏对调查数据进行相关定量分析的研究以及用英语以外语言的研究。其次，集中于保留正确测量关键变量的研究，从而排除了对在线和离线政治参与缺乏明确区分的政治参与指数；将样本限制在使用自我报告的实际政治行为的研究中；并省略了模型中包含交互效应，但没有同时研究组成变量主要效应的模型的研究。对于未发表的研究，我们进行了搜索，确定该研究的最新版本是否已经发表，如果我们没有发现已发表的版本，并且该研究中没有明显的缺陷，我们将未发表的研究纳入在内。

▐ 数据编码和分析

这个搜索和选择过程产生了最终48项研究，我们根据旨在测试本研究假设的编码协议对这些研究进行了编码，然后对编码数据进行编码间检查。184个编码效应的完整数据集代表了来自28个国家的51,860名受访者的总样本。由于缺乏通过大规模调查项目对这些主题进行高质量的跨国调查，大多数符合我们选择标准的研究都分析了特定国家的数据。由于这些研究中有一部分分析了相同或相似的数据样本，所以我们将一个独特的数据集编号代码分配给41个不同的数据集。

与政治参与分析相关的主要编码区分是在线和离线政治参与。对于政治效能，我们纳入了分析所有形式的政治效能测量的研究，并按照关于政治效能类型的既定研究，对每项研究中使用的政治效能类型（内部的、外部的、一般的和其他政治效能）进行了编码。我们遵循政治效能文献中的经典定义，将内部效能编码为关注个人对自己理解和参与政治能力的信念；将外部效能编码为对公民的政治响应能力的信念；将一般效能编码为所有引用政治效能这一广泛概念的措施，没有内部/外部的区别。

为了分析数据，我们进行了多层次随机效应元分析。传统的随机效应元分析是基于数据样本的两级模型（第1级），由此研究人员获得编码效应（第2级），并假设第2级效应大小是独立的（Assink & Wibbelink，2016）。多层次随机效应元分析增加了第三个层次，以解释多个效应之间已知的依赖关系。本研究中编码数据集的多层结构是由纳入的主要标准产生的，即使用同一数据集的数据来分析至少两种关系：PE和OnPP之间的关系，以及PE和OffPP之间的关联。因此，需要一种多级的元分析方法来正确解释数据的嵌套结构。我们使用多水平随机效应元分析来分析PE-OnPP之间的关系是否弱于PE-OffPP（H1），还检验了另外两个假设 -时间趋同（H2）和民主背景（H3）。在分析的最后，我们进行一系列稳健性测试和敏感性分析来证实了报告的结论。

▐ 假设1

随机效应元分析的结果如下：OnPP的效应量为0.123，与零有显著差异（95% CI： 0.099,0.147）。OffPP的效应大小为0.146，与零有显著差异（95% CI：0.117,0.175）。该模型的总体估计效应量为0.135（95% CI：0.116,0.154）。综上所述，随机效应元分析的结果显示，政治效能与在线和离线政治参与都是呈正相关的关系。离线政治参与的效应量大于在线参与。然而，当考虑到置信区间时，研究结果表明，PE与OnPP与OffPP之间的关联程度在统计学上没有存在显著差异。最后，与标准的两级随机效应模型相比，按数据集在第三级聚类的三级随机效应模型的结果进行比较，证实了三级模型的拟合程度有所提高（p < .001）。综上所述，这些研究结果并不支持假设1（H1）。根据最稳健的分析方法得出的结果，政治效能与在线参与之间的正相关大小和政治效能与离线参与之间的正相关大小没有统计学上的显著差异。

▐ 假设2

H1的研究结果表明，当分析不考虑每项研究调查的年份时，PE和OnPP与PE和OffPP之间的正相关关系没有统计学上的显著差异。因此，如果我们关键变量的效应大小仅在观察期的早期有统计学上的显著差异，则将支持时间趋同假设。如前所述，文献中讨论的预期表明，如果在样本的早期有明显的统计学上的差异，这可能是由于PE和OnPP之间的关系比PE和OffPP之间的关系弱，但近年来，政治效能和这两种参与类型之间的关联变得更加相似。

为了检验假设2（H2），我们评估了在多层次随机效应元分析框架中，年份与因变量之间是否存在交互效应。结果显示，因变量与年份之间的交互作用不显著。随着时间的推移，OnPP和OffPP的效应大小缺乏系统性的转变。因此，我们没有发现政治效能和两种政治参与类型（OnPP和OffPP）之间的关联程度存在逐渐趋同的证据。因此，再次证实了关于政治效能与这两种参与方式的主要结论（H1)：政治效能与OnPP和OffPP之间的正向关联大小没有显著差异，且这些关系随着时间的推移是稳定的。

▐ 假设3

为了检验民主背景假设，我们使用了来自选举民主的民主多样性（V-Dem）指数的数据。研究结果显示，无论是在共同效应估计数据集或零阶相关数据集中，这种对选举民主水平的多层次综合衡量方法对政治效能与OnPP之间的关系或政治效能与OffPP之间的关系都不是统计学上的重要调节因素。

政治效能和OnPP之间的正相关与OffPP的主要效应相似，不受国家背景的所有测试措施的影响。这表明在全球范围内，在线政治参与与人们对其参与政治和影响政治进程的能力感知之间的正相关关系，在不同的政治背景下是稳定的。

这项研究对在线和离线的政治参与，与人们对其参与和影响政治进程的能力的感觉有何关系这一重要问题提供了迄今为止最全面的调查。元分析的结果并不支持假设1（H1），因为政治效能与在线和离线政治参与都有适度的正相关，这些关联的大小在统计学上没有显著的差异。由于高质量的跨国和纵向在线参与数据的可用性有限，解决这一问题所涉及的经验挑战是相当大的，这限制了研究人员对关键变量之间随时间变化的关系做出有效推断的能力。目前的研究展示了一个多水平随机效应元分析的所有相关经验。关注线上和线下参与的区别需要在理论和经验上对这两类参与进行明确区分。因此，研究设计使用了文献中的共同区别，这允许进行最稳健的检验，以及检验这种差异是否随着时间和不同国家环境的变化而变化。

结果表明，政治效能和OnPP与OffPP之间的正向和实质性的相似关系随着时间的推移保持稳定，并且PE和OnPP之间的关联强度在不同国家的背景下是稳定的。研究发现，民主背景的几个特征（即干净选举、言论自由和公民社会力量）的调节器结果在共同效应估计数据集（k = 183）的分析中具有统计学意义，但在零阶相关数据集（k = 45）的分析中不具有统计学意义，这表明随着更多零阶相关数据的出现，未来研究这些主题的重要性。为此，我们强烈建议将所有研究变量的相关矩阵记录记载为标准的多变量定量研究的附录。特别是对于在线政治参与这样的主题，在可预见的未来，大规模的比较调查将继续包括数量有限的指标，通过对越来越多的国别研究进行元分析，将大大促进科学知识的积累。