这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
极端天气事件归因与全球气候政策支持的关系研究
Nature Climate Change | Volume 15 | July 2025 | 725–735
一、作者与机构
本研究由Viktoria Cologna（瑞士苏黎世联邦理工学院、哈佛大学等）领衔，联合来自15个国家68个机构的学者（包括ETH Zurich、University of Cambridge、George Mason University等）共同完成。研究数据来源于“科学信任与民粹主义”（TISP）跨国调查项目，覆盖71,922名参与者。
二、学术背景
科学领域：气候心理学与政策科学的交叉研究。
研究动机：尽管极端天气事件（extreme weather events）因气候变化（climate change）加剧，但公众对其归因（attribution）与气候政策支持（climate policy support）的关系尚不明确，尤其在发展中国家（Global South）缺乏系统性证据。
核心问题：
1. 极端天气暴露（exposure）是否直接推动政策支持？
2. 主观归因（subjective attribution）是否中介这一关系？
3. 不同事件类型（如洪水、热浪）的影响是否存在差异？
三、研究流程与方法
1. 数据收集与样本
- 社会数据：通过TISP项目在68个国家开展问卷调查（n=71,922），覆盖性别、年龄、收入、城乡分布等人口学变量，采用后分层加权（post-stratification weighting）确保代表性。
- 自然数据：利用CLIMADA风险建模平台（Bresch & Aznar-Siguan, 2021）计算各国人口暴露量（exposed population），包括7类事件：
- 河流洪水（river floods）、热浪（heatwaves）、干旱（droughts）、野火（wildfires）、热带气旋（tropical cyclones）、强降水（heavy precipitation）、欧洲冬季风暴（European winter storms）。
2. 关键变量测量
- 气候政策支持：通过5项政策支持度评分（1-3分），包括碳税、公共交通投资、可再生能源推广等，合并为综合指数（Cronbach’s α=0.61）。
- 主观归因：参与者评估6类极端天气事件与气候变化的关联程度（1-5分），形成归因指数（α=0.92）。
- 暴露量计算：基于网格化人口数据（GPW v4.11）和灾害模型，统计各国年均暴露人口比例。
3. 分析方法
- 多层回归模型（Multilevel Regression）：以国家为随机效应，分析暴露量、主观归因及交互项对政策支持的影响。
- 稳健性检验：包括子量表分析（如“绿色转型”vs“税收政策”）、国家级气候信念（climate change belief）调节效应检验。
四、主要结果
1. 政策支持与主观归因的全球分布
- 82%受访者强烈支持“保护森林与土地”，仅22%支持“碳税”。
- 主观归因强度南美最高（巴西、哥伦比亚），北欧与非洲较低（图2）。
2. 暴露量的有限作用
- 仅野火暴露显著正向预测政策支持（β=0.11, p<0.05），而强降水暴露呈负相关（β=-0.09, p<0.05）。其他事件无显著影响（图4）。
3. 主观归因的核心中介效应
- 归因强度每增加1单位，政策支持上升0.23单位（p<0.001）。
- 交互作用：对热浪与气旋，高归因者中暴露效应更强；对洪水与干旱，高归因者暴露效应反减弱（图5）。
4. 人口学差异
- 高收入、城市居民、左翼政治倾向者政策支持更高（Supplementary Tables 1-7）。
五、结论与价值
科学意义：
1. 首次全球尺度验证主观归因是政策支持的关键驱动，而非直接暴露经验。
2. 揭示事件类型异质性（如野火的强信号效应）与区域文化差异（如南美归因偏好）。
应用价值：
- 为气候传播提供靶点：通过媒体与教育强化极端天气与气候变化的关联认知。
- 政策设计需差异化，例如野火频发区可优先推动减排政策。
六、研究亮点
- 方法创新：融合CLIMADA模型与跨国社会调查，实现自然-社会数据三角验证。
- 理论突破：挑战“经验驱动行为”的传统假设，提出“归因中介模型”。
- 全球覆盖：填补发展中国家数据空白，如非洲与拉美。
七、其他发现
- 媒体作用：研究指出强降水归因度低可能源于媒体报道偏差（如多聚焦飓风而非降雨）。
- 纵向研究缺口：需进一步追踪归因与政策支持的因果关系方向。
此报告完整呈现了研究的学术逻辑与实证发现，可供气候政策与心理学领域研究者参考。