依托信息网络技术的快速发展,知识生产的主导者从企业转向了公众,由“在线社交网络”和“知识共享”组成的“在线知识社区”应运而生,而激励机制是知识社区激励用户参与社区活动的重要手段。目前传统的知识社区通常以社区积分、等级、荣誉值等作为激励机制来吸引用户持续参与,然而这种虚拟的精神激励不足以完成对用户生命周期的长期激励。区块链技术独特的去中心化自治优势及基于代币（Token）的激励机制为在线社区的发展带来了新的可能。因此,区块链社区如何更好地设计激励机制这一问题值得被关注。本研究从用户需求出发,基于自我决定理论及成就需要理论,提出针对区块链知识社区激励机制的创新型分析框架。此外,本研究采用动态视角来分析用户贡献行为,通过隐马尔可夫动态结构计量模型的方法（HMM）来量化不同激励机制在区块链知识社区中的影响。隐马尔可夫模型的观测变量为用户的知识贡献水平,研究认为知识社区用户隐动机状态的转移受社区激励机制的影响,并使用多元有序Logit模型对状态转移过程进行建模。考虑到知识社区用户贡献呈现负二项的分布,本研究针对观测状态概率构建负二项回归模型,以控制个人特质及数字货币的相关特征对用户知识贡献行为的影响。本研究选取了Steemit社区的用户数据,并利用马尔科夫蒙特卡洛多层贝叶斯过程,采用Gibbs采样和Hamiltonian Monte Carlo算法来进行模型回归。应用R语言编写RStan程序,迭代优化实现参数的估计以量化不同激励机制的影响。研究验证了不同激励机制影响具有异质性,在成就激励机制的作用下,各个动机状态的用户都会更倾向于保持现有的动机状态或转移至更高的动机状态;权力激励机制会使中与高动机状态用户更倾向于保持现有的动机状态或转移至更高的动机状态,而不会促进低动机状态用户向更高的动机状态转移;亲和激励机制只对低动机状态的用户有着显著的正向影响,有助于帮助其转移到更高的状态,而对中高动机状态的用户无显著影响;经济激励机制对低动机状态的用户有着正向显著的影响,而对于中动机状态的用户和高动机状态的用户有着负向显著的作用。本研究为区块链技术与在线知识社区的相互影响、相互融合提供新的思路,对区块链知识社区激励机制的设计有一定的指导意义,同时对于传统知识社区管理者如何更好“上链”以及“上链”后如何部署各激励机制给予一定的启发。