论文部分内容阅读
摘要 食品安全网络舆情是公众参与食品安全监管的重要平台，若不加以科学的监管与引导，极易引发食品安全恐慌心理，甚至危害社会稳定。微博是食品安全网络舆情中重要的自媒体平台，主要通过微博转发行为扩散舆情事件的影响，推动舆情事件的发展。为了深入分析食品安全网络舆情中网民微博转发行为，本文以上海福喜事件为例，在事件发展与关注度分析的基础上，通过采集上海福喜事件的新浪微博数据，并运用多项Logistic回归模型展开分析，探讨网民在食品安全网络舆情中转发行为的特征与主要影响因素。研究结果表明，对于仅有主帖内容的微博（类型Ⅰ微博），发帖者微博的粉丝数、微博数、认证情况以及发帖者微博内容的情感倾向、是否有链接、是否有视频对其微博的被转发次数有显著影响；对于转发了他人内容的微博（类型Ⅱ微博），发帖者微博的粉丝数、微博数、认证情况、被转发者微博的粉丝数、被转发次数、被转发者微博内容是否有链接对发帖者微博的被转发次数有显著影响；基于上述结论，提出如下政策建议：具有较高粉丝数与微博数的微博用户所发布的微博影响力更大，应进一步加强对该类微博用户的关注，尤其是一些微博“大V”；同时，应进一步发挥官方认证微博在舆论引导方面的积极作用；在舆论引导的过程中，可以通过诸如同时发布相关链接、视频等方式，提高微博内容形式的多元化程度，以增强微博的影响力；此外，在发布微博的过程中，客观、公正地表明态度立场，也是提高微博舆论引导作用的重要方面。
关键词 食品安全网络舆情；转发行为；新浪微博；数据采集
中图分类号 C93文献标识码 A 文章编号 1002-2104（2016）05-0167-10 doi：10.3969/j.issn.1002-2104.2016.05.021
2008年“三鹿奶粉”事件爆发，食品安全问题进入公众的视野，至今已成为影响社会和谐发展的重大民生问题，备受社会广泛关注。论坛、博客、微博、微信等自媒体平台的兴起与快速发展，为公众表达与传播对食品安全事件的态度、观点、意见、情绪等提供了便利的渠道，并形成了独具特色的食品安全网络舆情。食品安全网络舆情作为公众参与食品安全监管的重要平台，若不加以科学的引导，其中夹杂的虚假信息与负面情绪等将对社会心理行为产生消极影响，不利于我国食品产业的健康发展，甚至威胁社会稳定。
微博作为最具影响力的自媒体平台，一直是食品安全网络舆情的主战场。在微博中，转发作为信息传播的重要方式，通过扩大信息受众范围扩散舆情事件的影响，引导网民的认知与行为，甚至决定舆情事件的发展方向。因此，研究微博转发行为的发生机理与变化规律，对于消除网络中虚假信息的负面影响，构建健康有序的食品安全网络舆情平台，引导网民理性认识食品安全事件，科学参与食品安全监管具有重要意义。
1 文献综述
微博等自媒体平台快速兴起，在短时间内积聚了大量的人气，为人们的信息交流带来巨大便利，改变着人们的思维与行为方式。然而，信源渠道的多样化加大了信息甄别的难度，信息传播速度的加快又提高了对事件处置时效性的要求，社会管理面临诸多挑战。众多学者将焦点聚集在转发行为上，希望通过研究转发行为的影响因素，探寻网民行为预测与引导的有效手段，部分研究文献如表1所示。
此外，Cha等、Weng等分别探讨了用户的影响力；Boyd等针对Twitter研究了用户如何转发、为何转发以及转发什么等问题；Zaman等则运用matchbox模型预测单个用户转发一条微博的概率；Webberley等指出当微博转发链的长度增加，用户转发最初的微博的概率会减小；曹玖新等针对用户转发行为的影响因素，提出基于用户属性、社交关系和微博内容的综合特征，并对相关用户的转发行为进行了预测研究；王少剑和汪玥琦针对微博用户转发行为，研究用户内容分享意愿的影响因素；王小娟等基于有向渗流理论，对关联微博转发网络信息传播进行了研究，并利用微博转发网络数据开展了仿真对比试验。从上述文献中可以看出，国内外学者主要从用户与文本两个维度的特征来探讨影响网民转发行为的因素，虽然侧重点有所不同，但基本涵盖了微博等网络信息平台的相关要素，研究思路与研究方法具有重要的借鉴意义。
然而，现存文献主要采用随机采集的微博数据作为研究对象，针对特定领域舆情事件的研究较少，有关食品安全网络舆情的研究更是少见。与其他社会舆情不同，食品安全网络舆情具有受众面广、受关注度高、传播速度快、社会反响大等特点。因此，在食品安全网络舆情中，网民对相关微博信息的关注、转发等行为可能会有所不同。为了减少舆情事件自身特征对网民微博转发行为的影响，本文以典型的食品安全网络舆情——上海福喜事件为例，选取最具影响力的自媒体平台——新浪微博，通过研究上海福喜事件的微博数据，分析网民在食品安全网络舆情中微博转发行为的特征与影响因素。
2 上海福喜事件概述与关注度分析
2.1 事件概述
2014年7月20日，上海电视台报道，麦当劳、必胜客等知名快餐企业的肉类供应商上海福喜公司，在生产加工食品的过程中涉嫌使用过期变质肉品为原料。节目播出之后，引起社会的广泛关注，上海相关执法部门立即对上海福喜公司展开调查。
7月21日，国家食品药品监管总局发布紧急通知，要求立即对上海福喜公司采取控制措施，停止生产经营活动与封存所有原料和产品，同时对其供货餐饮企业进行突击检查，责令相关企业停止使用、销售上海福喜公司生产的所有食品，就地封存；并要求对上海福喜食品有限公司投资方欧喜投资（中国）有限公司在全国相关地区投资设立的食品生产企业进行全面检查；四川、湖南、黑龙江、浙江等地发现“福喜”问题食品。
7月22日，上海初步查明，麦当劳、必胜客等9家餐饮企业使用了福喜问题产品；福喜公司相关责任人在约谈中承认，工厂高层授意使用过期原料，且公司多年来一直如此。
7月23日，上海市公安局会同上海市食品药品监督管理局依法对上海福喜公司的负责人以及质量经理等5人进行刑事拘留。 7月24日，麦当劳发表声明称，终止与上海福喜公司的合作，并逐步把供应源改为河南福喜；福喜集团全球主席兼首席执行官谢尔顿·拉文发表声明向中国消费者致歉。
7月25日，上海食药监局约谈麦当劳、百胜集团等5家连锁餐饮企业总部负责人，要求相关企业主动销毁不合格产品。
7月26日，美国福喜集团（OSI）总部宣布将彻查涉事高管，并收回上海福喜公司的产品。
7月28日，福喜集团全球主席兼首席执行官谢尔顿·拉文向上海食药监局报告公司整改措施，并表示配合调查，承担相应责任。
9月22日，上海福喜公司遣散340名员工，仅留下部分员工协助调查。
上海福喜事件为上海福喜公司带来了致命的打击，也为相关涉事企业带来了巨大的负面影响。7月21日美股收盘，肯德基母公司百胜集团股价下跌4.25%，市值一夜蒸发将近15亿美元，而麦当劳下跌了1.45%，跌幅皆超过大盘；7月22日，直接持有北京麦当劳食品有限公司50%的股权并间接持有广东三元麦当劳食品有限公司25%的股权的三元股份回应称，上海福喜事件对公司的影响暂时无法预估；10月8日，美国知名快餐企业百胜公司所公布的三季度财报数据显示，该季度营收22.5亿美元，同比下降3.5%，其中中国区的销售收入下滑9.5%，营运利润下滑40%；而麦当劳的第三季度财报显示，其在亚太地区的营运收入同比下降55%，可比销售收入下降9.9%，其中中国区的销售额下降14%，营运利润同比下降40%，为自2002年以来表现最差的财季；此外，上海福喜事件对整个快餐业带来了一定的影响。吉野家总裁洪明基在11月17日接受光明网记者专访时表示，福喜事件重创了消费者对快餐行业的信心，虽然与福喜事件没有直接的关联关系，但吉野家同样受到了难以消除的负面影响。
2.2 事件关注度分析
上海福喜事件之所以对涉事企业乃至整个快餐业产生如此影响，除了政府相关部门的重视，更重要的原因是媒体、网民等的广泛关注。
（1）媒体关注度分析。7月20日上海福喜事件曝出之后，各大新闻媒体与门户网站等竞相对事件进行报道。在百度新闻搜索中以“上海 福喜”为关键词对2014年7月20日-12月10日的新闻标题进行搜索（即搜索结果为在此时间段中标题同时包含“上海”与“福喜”两个关键词的新闻报道），并运用网络爬虫软件对搜索结果进行采集，获得749篇相关新闻报道，如图1所示。
从图1中可以看出，媒体对上海福喜事件的关注主要集中在2014年7月20日-8月4日，以及9月22日-23日。其中，媒体关注度在7月22日达到顶峰（92条），这与当日“初步查明涉事企业”以及“福喜相关责任人承认工厂高层授意使用过期原料”等事件调查所取得的重要进展有关；9月22日-23日，上海福喜公司的处理结果：“遣散340名员工”，再一次引发了媒体报道的小高峰。
（2）网民关注度分析。网民对热点事件的关注主要体现在对相关网络信息的搜索、浏览以及发帖、评论、转发等行为。分别选取百度指数、天涯社区、新浪微博，对网民的上述关注行为进行分析。
在百度指数中输入关键词“上海 福喜”，发现该关键词未被收录。将关键词修改为“上海福喜”，并将时间范围设定为2014年7月至2014年12月，搜索结果如图2所示。
图2显示，从搜索热度方面看，网民对上海福喜事件的关注呈现出3个小高峰，分别是2014年7月21日、7月25日以及9月23日，搜索指数分别为27268、16058以及48269。从整体上看，7月20日是上海福喜事件被爆出的第一天，搜索指数由19日的0次上升为20日的4651次，并于21日快速上升，达到第一个高峰（27268次）；随后，关注度有所下降，22日、23日、24日分别为11619次、9117次以及7221次；到了25日，关注度又一次上升，达到第二个高峰（16058次）；此后，网民的关注度持续下降，并保持在一个较低的水平上，直到9月22日，关注度有所上升，并在23日急速上升，达到第三个高峰（48269次）；然后，关注度急剧下降（24日为11537次，25日为648次，26日为562次），并在较低的水平上徘徊。图2中搜索指数与媒体指数的变化过程基本吻合，说明网民对上海福喜事件的关注度受到媒体关注度的重要影响。
在天涯社区中，用关键词“上海福喜”对帖子进行搜索，发现部分搜索结果与上海福喜事件无关。改用“上海福喜”进行搜索，搜索条件为“按发帖时间”与“搜索全文”，截止2014年12月10日，共获得396条结果，如图3所示。
图3的搜索结果表明，在天涯社区中，网民对上海福喜事件的关注，主要集中在事件爆发之初的几天内。
在新浪微博中，使用关键词“上海福喜”搜索2014年7月20日至12月10日的相关微博，搜索结果如图4所示。
图4显示，在新浪微博中，网民的关注度在事件爆发当日便处在较高水平，并于第二日（7月21日）迅速飙升至顶峰（767064条）；此后，关注度持续下降，并保持在较低的水平上。图4所表现出的变化趋势与图3类似。
从百度指数、天涯社区、新浪微博的相关数据来看，媒体与网民对上海福喜事件的关注主要集中在事件爆发之初，且在9月22日-25日之间，媒体的关注度以及网民的搜索热度又出现了一个高峰。从影响力来看，新浪微博远高于天涯社区等网络平台。由此，选取上海福喜事件爆发之初的新浪微博数据进行研究。
3 新浪微博网民转发行为特征统计描述
以上海福喜事件在新浪微博中传播的初始时间2014年7月20日18时为起始点，使用关键词“上海福喜”每隔一个小时搜索并采集相应的微博，数据采集的终止时间为2014年7月21日18时。去除已被删除微博等无效数据，获得微博14933条，其中，仅有主帖内容的微博有4528条，记为类型Ⅰ；而转发了他人内容的微博有10405条，记为类型Ⅱ。 在类型Ⅰ和类型Ⅱ的微博中，发帖者获得微博“达人认证”的有3388条，获得微博“个人认证”的有830条，获得微博“官方认证”的有1675条，没有任何微博认证的有9040条；发帖者所发布的微博被转发次数为0的有12221条，被转发次数最高的为97760次，其中，被转发次数在0-10次、11-100次、101-1000次、1001-10000次、10001-100000次的比例分别为：95.71%、3.22%、0.91%、0.15%、0.01%。而在类型Ⅱ的微博中，被转发者获得微博“达人认证”的有220条，获得微博“个人认证”的有281条，获得微博“官方认证”的有9583条，没有任何微博认证的有321条；被转发者所发布的微博被转发次数最低的为1次，最高的为97754次，其中，被转发次数在0-10次、11-100次、101-1000次、1001-10000次、10001-100000次的比例分别为：1.28%、5.51%、26.82%、27.60%、38.79%。可见，对于上海福喜事件，众多普通网民通过新浪微博平台积极参与，而一些微博“大V”（网络意见领袖）以及官方组织机构的发帖与转发等行为，是推动事件快速发展与广泛传播的重要因素。
4 新浪微博网民转发行为影响因素回归分析
微博的转发行为作为信息传播的重要方式，推动舆情事件的发展，扩散舆情事件的影响。利用上述采集的微博数据，分别针对类型Ⅰ和类型Ⅱ微博研究网民转发行为的影响因素。
4.1 类型Ⅰ微博网民转发行为影响因素
基于现有文献，结合类型Ⅰ微博的特征，以发帖者的微博被转发次数为被解释变量，变量设置如表2所示。
基于被解释变量的取值有多个水平，采用多项Logistic回归模型。设y为被解释变量，其可取V个水平的值，以其中第v（v∈（1，2，…，V））个水平为参照类别，而λw为被解释变量取w水平时的条件概率，回归模型如式（1）所示。（1）
其中，xn为模型中的解释变量，αw为模型中的截距，βwn为解释变量的回归系数向量。
运用SPSS19.0对4528条类型Ⅰ微博数据进行分析，以发帖者的微博被转发次数Y1=1为参考类别，模型的整体拟合结果如表3所示。
表3的数据显示，模型的整体拟合结果较好，适合进行多项Logistic回归分析。多项Logistic回归模型的似然比检验结果如表4所示。
从表4的检验结果中可以看出，发帖者微博的粉丝数（A2）、发帖者微博的微博数（A3）在0.00水平上显著，发帖者微博内容的情感倾向（A5）、发帖者微博内容是否有视频（A9）在0.01水平上显著，发帖者微博的认证情况（A4）、发帖者微博内容是否有链接（A7）在0.05水平上显著，其他解释变量的显著水平均大于0.05，表明上述6个因素对网民的转发行为有显著的影响。这6个因素的参数估计结果如下：
（1）在Y1=2的水平上（即发帖者的微博被转发次数为11-100次）
解释变量A2在0.00水平上显著，回归系数为正，EXP（曰）值（比值比，OddsRatio，OR）为4.382，表示在Y1=2的水平上，发帖者微博的粉丝数（A2）与发帖者的微博被转发次数呈正相关关系。
解释变量A3在0.00水平上显著，回归系数为正，EXP（B）值为2.095，表示在Y1=2的水平上，发帖者微博的微博数（A3）与发帖者的微博被转发次数呈正相关关系。
解释变量A4的参考类别是“官方认证”，A4=0（无认证）在0.01水平上显著，回归系数为正，EXP（B）值为1.836，表明无认证的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是官方认证的发帖者这一比值的1.836倍。
解释变量A5的参考类别是“同情”，A5=1（批评）在0.00水平上显著，回归系数为正，EXP（B）值为12586.893，表明微博内容的情感倾向为批评的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是微博内容的情感倾向为同情的发帖者这一比值的12586.893倍；A5=2（中立）的回归系数也为正，EXP（B）值为6902.536，表明微博内容的情感倾向为中立的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是微博内容的情感倾向为同情的发帖者这一比值的6902.536倍。
解释变量A7的参考类别是“否”，A7=1（是）在0.01水平上显著，回归系数为负，EXP（B）值为0.582，表明微博内容中有链接的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是微博内容中无链接的发帖者这一比值的0.582倍。
解释变量A9的参考类别是“否”，A9=1（是）在0.01水平上显著，回归系数为正，EXP（B）值为1.727，表明微博内容中有视频的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是微博内容中无视频的发帖者这一比值的1.727倍。 （2）在Y1=3的水平上（即发帖者的微博被转发次数为101-1000次）。
解释变量A2在0.00水平上显著，回归系数为正，EXP（B）值为14.031；解释变量A3在0.01水平上显著，回归系数为正，EXP（B）值为2.591；解释变量A4=0（无认证）在0.01水平上显著，回归系数为正，EXP（B）值为3.325；解释变量A5=1（批评）在0.00水平上显著，回归系数为正，EXP（B）值为279.629，解释变量A5=2（中立）的回归系数为正，EXP（B）值为108.498；解释变量A9=1（是）在0.01水平上显著，回归系数为正，EXP（B）值为2.944。上述参数估计结果的含义不再赘述。
（3）在Y1=4的水平上（即发帖者的微博被转发次数为1001-10000次）。
解释变量A2在0.00水平上显著，回归系数为正，EXP（B）值为46.108；解释变量A9=1（是）在0.01水平上显著，回归系数为正，EXP（B）值为6.935。
（4）在Y1=5的水平上（即发帖者的微博被转发次数为10001-100000次）。
解释变量A2、A3、A4、A5、A7、A9的显著水平均大于0.05。
4.2 类型Ⅱ微博网民转发行为影响因素
与类型Ⅰ微博相比，类型Ⅱ微博的被转发情况除了可能受到发帖者及其微博相关特征的影响，还可能受到被转发者及其微博相关特征的影响。变量设置如表5所示。
运用SPSS19.0对10405条类型Ⅱ微博数据进行分析，以发帖者的微博被转发次数Y2为被解释变量，以Y2=1为参考类别，模型整体拟合结果如表6所示。
从表6中可以看出，模型的整体拟合结果较好，适合进行多项Logistic回归分析。多项Logistic回归模型的似然比检验结果如表7所示。
表7的结果显示，发帖者微博的粉丝数（B2）、发帖者微博的微博数（B3）、被转发者的微博被转发次数（B7）在0.00水平上显著，被转发者微博的粉丝数（B5）、被转发者微博内容是否有链接（B20）在0.01水平上显著，发帖者微博的认证情况（B10）在0.05水平上显著，其他解释变量的显著水平均大于0.05，表明这6个因素对网民的转发行为有显著的影响。上述6个因素的参数估计结果如下：
（1）在Y2=2的水平上（即发帖者的微博被转发次数为11-100次）。
解释变量B2在0.00水平上显著，回归系数为正，EXP（B）值为4.911，表示在Y2=2的水平上，发帖者微博的粉丝数（B2）与发帖者的微博被转发次数呈正相关关系。
解释变量B3在0.00水平上显著，回归系数为正，EXP（曰）值为2.477，表示在Y2=2的水平上，发帖者微博的微博数（B3）与发帖者的微博被转发次数呈正相关关系。
解释变量B5在0.00水平上显著，回归系数为负，EXP（曰）值为0.509，表示在Y2=2的水平上，被转发者微博的粉丝数（B5）与发帖者的微博被转发次数呈负相关关系。
解释变量B7在0.00水平上显著，回归系数为正，EXP（曰）值为3.053，表示在Y2=2的水平上，被转发者的微博被转发次数（B2）与发帖者的微博被转发次数呈正相关关系。
解释变量B20的参考类别是“否”，B20=1（是）在0.00水平上显著，回归系数为正，EXP（B）值为3.151，表明被转发者微博内容有链接的发帖者，其微博被转发次数的水平处在Y2=2与Y2=1的概率之比，是被转发者微博内容无链接的发帖者这一比值的3.151倍。
（2）在Y2=3的水平上（即发帖者的微博被转发次数为101-1000次）。
解释变量B2在0.00水平上显著，回归系数为正，EXP（B）值为4.970；解释变量B3在0.01水平上显著，回归系数为正，EXP（B）值为5.223；解释变量B7在0.00水平上显著，回归系数为正，EXP（B）值为25.256；解释变量B10的参考类别是“官方认证”，B10=1（达人认证）在0.05水平上显著，回归系数为负，EXP（B）值为0.040，B10=2（个人认证）在0.01水平上显著，回归系数为负，EXP（B）值为0.019。
（3）在Y2=4的水平上（即发帖者的微博被转发次数为1001-10000次）。
解释变量B2、B3、B5、B7、B10、B20的显著水平均大于0.05。 （4）在Y2=5的水平上（即发帖者的微博被转发次数为10001-100000次）。
解释变量B2、B3、B5、B7、B10、B20的显著水平均大于0.05。
从上述分析结果可以看出：①不论是类型Ⅰ微博还是类型Ⅱ微博，在发帖者的微博被转发次数为11-100次和101-1000次的水平上，发帖者微博的粉丝数、微博数都显著影响其微博的被转发次数，且EXP（B）值均大于1；而在发帖者的微博被转发次数为1001-10000次的水平上，发帖者微博的粉丝数显著影响其微博的被转发次数，且EXP（B）值大于1。②发帖者微博的认证情况也是影响其微博的被转发次数的重要因素。所不同的是，对于类型Ⅰ微博，在发帖者的微博被转发次数为11-100次和101-1000次的水平上，A4=0（无认证）显著影响发帖者的微博被转发次数，且EXP（B）值均大于1；而对于类型Ⅱ微博，在发帖者的微博被转发次数为101-1000次的水平上，B10=1（达人认证）和B10=2（个人认证）显著影响发帖者的微博被转发次数，且EXP（B）值均小于1。③在发帖者的微博被转发次数为11-100次的水平上，微博内容是否有链接A7=1（是）显著影响类型I微博的被转发次数，且EXP（B）值小于1；而被转发者微博内容是否有链接（B20）=1（是）显著影响类型Ⅱ微博的被转发次数，且EXP（B）值大于1。④对于类型Ⅰ微博，在发帖者的微博被转发次数为11-100次和101-1000次的水平上，发帖者微博内容的情感倾向A5=1（批评）、A5=2（中立）以及发帖者微博内容是否有视频A9=1（是）显著影响其微博的被转发次数，且EXP（B）值大于1；此外，在发帖者的微博被转发次数为1001-10000次的水平上，发帖者微博内容是否有视频A9=1（是）显著影响其微博的被转发次数，且EXP（B）值大于1。对于类型Ⅱ微博，在发帖者的微博被转发次数为11-100次的水平上，被转发者微博的粉丝数和微博数显著影响发帖者微博的被转发次数，且前者的EXP（B）值小于1，后者的EXP（B）值大于1。此外，在发帖者的微博被转发次数为101-1000次的水平上，被转发者的微博被转发次数显著影响发帖者微博的被转发次数，且EXP（B）值大于1。
5 研究结论
本文针对食品安全网络舆情中网民转发行为的特征与影响因素，以上海福喜事件为例，通过采集新浪微博中的相关微博数据，并利用Logistic模型进行了分析，主要研究结论如下：①发帖者微博的粉丝数与微博数是影响其微博被转发次数的重要因素，且存在正相关关系。②发帖者微博的认证情况对其微博的被转发次数有所影响。其中，对于仅有主帖内容的微博（类型Ⅰ微博），无认证的微博比官方认证的微博更容易被转发；对于转发了他人内容的微博（类型Ⅱ微博），官方认证的微博比达人认证以及个人认证的微博更容易被转发。③微博内容是否有链接影响发帖者的微博被转发次数。对于仅有主帖内容的微博，若发帖者的微博中无链接，则其微博更容易被转发；而对于转发了他人内容的微博，若被转发者的微博中有链接，则发帖者的微博更容易被转发。④对于仅有主帖内容的微博，发帖者微博内容的情感倾向对其微博被转发次数有影响，且呈现批评情感倾向的微博最容易被转发，中立情感倾向次之，同情情感倾向最次；发帖者微博内容是否有视频对其微博被转发次数也有影响，且若微博内容有视频，则更容易被转发。⑤对于转发了他人内容的微博，被转发者微博的粉丝数与发帖者的微博被转发次数负相关，而被转发者的微博被转发次数与发帖者的微博被转发次数正相关。
在食品安全网络舆情中，相关微博被大量转发是推动舆情事件快速发展并产生广泛影响的重要方式。兰月新、张玉亮、兰月新等也指出对相关舆情信息的点击数、回复数、转发程度等是网络舆情安全及风险的重要评价指标。因此，研究微博转发行为的影响因素对于降低食品安全网络舆情风险具有积极意义。从研究结论看，具有较高粉丝数与微博数的发帖者，其所发布的微博影响力更大，应进一步加强对具有较高影响力及活跃度的微博用户的关注，特别是一些微博“大V”；同时，官方认证微博也是舆论引导的重要力量，应进一步发挥其积极作用；在舆论引导的过程中，可以通过微博内容形式的多元化来提高微博的影响力，如同时发布相关链接、视频等；此外，在发布微博信息的过程中，客观、公正地表明态度立场，也是提高微博舆论引导作用的重要方面。
（编辑：刘呈庆）
关键词 食品安全网络舆情；转发行为；新浪微博；数据采集
中图分类号 C93文献标识码 A 文章编号 1002-2104（2016）05-0167-10 doi：10.3969/j.issn.1002-2104.2016.05.021
2008年“三鹿奶粉”事件爆发，食品安全问题进入公众的视野，至今已成为影响社会和谐发展的重大民生问题，备受社会广泛关注。论坛、博客、微博、微信等自媒体平台的兴起与快速发展，为公众表达与传播对食品安全事件的态度、观点、意见、情绪等提供了便利的渠道，并形成了独具特色的食品安全网络舆情。食品安全网络舆情作为公众参与食品安全监管的重要平台，若不加以科学的引导，其中夹杂的虚假信息与负面情绪等将对社会心理行为产生消极影响，不利于我国食品产业的健康发展，甚至威胁社会稳定。
微博作为最具影响力的自媒体平台，一直是食品安全网络舆情的主战场。在微博中，转发作为信息传播的重要方式，通过扩大信息受众范围扩散舆情事件的影响，引导网民的认知与行为，甚至决定舆情事件的发展方向。因此，研究微博转发行为的发生机理与变化规律，对于消除网络中虚假信息的负面影响，构建健康有序的食品安全网络舆情平台，引导网民理性认识食品安全事件，科学参与食品安全监管具有重要意义。
1 文献综述
微博等自媒体平台快速兴起，在短时间内积聚了大量的人气，为人们的信息交流带来巨大便利，改变着人们的思维与行为方式。然而，信源渠道的多样化加大了信息甄别的难度，信息传播速度的加快又提高了对事件处置时效性的要求，社会管理面临诸多挑战。众多学者将焦点聚集在转发行为上，希望通过研究转发行为的影响因素，探寻网民行为预测与引导的有效手段，部分研究文献如表1所示。
此外，Cha等、Weng等分别探讨了用户的影响力；Boyd等针对Twitter研究了用户如何转发、为何转发以及转发什么等问题；Zaman等则运用matchbox模型预测单个用户转发一条微博的概率；Webberley等指出当微博转发链的长度增加，用户转发最初的微博的概率会减小；曹玖新等针对用户转发行为的影响因素，提出基于用户属性、社交关系和微博内容的综合特征，并对相关用户的转发行为进行了预测研究；王少剑和汪玥琦针对微博用户转发行为，研究用户内容分享意愿的影响因素；王小娟等基于有向渗流理论，对关联微博转发网络信息传播进行了研究，并利用微博转发网络数据开展了仿真对比试验。从上述文献中可以看出，国内外学者主要从用户与文本两个维度的特征来探讨影响网民转发行为的因素，虽然侧重点有所不同，但基本涵盖了微博等网络信息平台的相关要素，研究思路与研究方法具有重要的借鉴意义。
然而，现存文献主要采用随机采集的微博数据作为研究对象，针对特定领域舆情事件的研究较少，有关食品安全网络舆情的研究更是少见。与其他社会舆情不同，食品安全网络舆情具有受众面广、受关注度高、传播速度快、社会反响大等特点。因此，在食品安全网络舆情中，网民对相关微博信息的关注、转发等行为可能会有所不同。为了减少舆情事件自身特征对网民微博转发行为的影响，本文以典型的食品安全网络舆情——上海福喜事件为例，选取最具影响力的自媒体平台——新浪微博，通过研究上海福喜事件的微博数据，分析网民在食品安全网络舆情中微博转发行为的特征与影响因素。
2 上海福喜事件概述与关注度分析
2.1 事件概述
2014年7月20日，上海电视台报道，麦当劳、必胜客等知名快餐企业的肉类供应商上海福喜公司，在生产加工食品的过程中涉嫌使用过期变质肉品为原料。节目播出之后，引起社会的广泛关注，上海相关执法部门立即对上海福喜公司展开调查。
7月21日，国家食品药品监管总局发布紧急通知，要求立即对上海福喜公司采取控制措施，停止生产经营活动与封存所有原料和产品，同时对其供货餐饮企业进行突击检查，责令相关企业停止使用、销售上海福喜公司生产的所有食品，就地封存；并要求对上海福喜食品有限公司投资方欧喜投资（中国）有限公司在全国相关地区投资设立的食品生产企业进行全面检查；四川、湖南、黑龙江、浙江等地发现“福喜”问题食品。
7月22日，上海初步查明，麦当劳、必胜客等9家餐饮企业使用了福喜问题产品；福喜公司相关责任人在约谈中承认，工厂高层授意使用过期原料，且公司多年来一直如此。
7月23日，上海市公安局会同上海市食品药品监督管理局依法对上海福喜公司的负责人以及质量经理等5人进行刑事拘留。 7月24日，麦当劳发表声明称，终止与上海福喜公司的合作，并逐步把供应源改为河南福喜；福喜集团全球主席兼首席执行官谢尔顿·拉文发表声明向中国消费者致歉。
7月25日，上海食药监局约谈麦当劳、百胜集团等5家连锁餐饮企业总部负责人，要求相关企业主动销毁不合格产品。
7月26日，美国福喜集团（OSI）总部宣布将彻查涉事高管，并收回上海福喜公司的产品。
7月28日，福喜集团全球主席兼首席执行官谢尔顿·拉文向上海食药监局报告公司整改措施，并表示配合调查，承担相应责任。
9月22日，上海福喜公司遣散340名员工，仅留下部分员工协助调查。
上海福喜事件为上海福喜公司带来了致命的打击，也为相关涉事企业带来了巨大的负面影响。7月21日美股收盘，肯德基母公司百胜集团股价下跌4.25%，市值一夜蒸发将近15亿美元，而麦当劳下跌了1.45%，跌幅皆超过大盘；7月22日，直接持有北京麦当劳食品有限公司50%的股权并间接持有广东三元麦当劳食品有限公司25%的股权的三元股份回应称，上海福喜事件对公司的影响暂时无法预估；10月8日，美国知名快餐企业百胜公司所公布的三季度财报数据显示，该季度营收22.5亿美元，同比下降3.5%，其中中国区的销售收入下滑9.5%，营运利润下滑40%；而麦当劳的第三季度财报显示，其在亚太地区的营运收入同比下降55%，可比销售收入下降9.9%，其中中国区的销售额下降14%，营运利润同比下降40%，为自2002年以来表现最差的财季；此外，上海福喜事件对整个快餐业带来了一定的影响。吉野家总裁洪明基在11月17日接受光明网记者专访时表示，福喜事件重创了消费者对快餐行业的信心，虽然与福喜事件没有直接的关联关系，但吉野家同样受到了难以消除的负面影响。
2.2 事件关注度分析
上海福喜事件之所以对涉事企业乃至整个快餐业产生如此影响，除了政府相关部门的重视，更重要的原因是媒体、网民等的广泛关注。
（1）媒体关注度分析。7月20日上海福喜事件曝出之后，各大新闻媒体与门户网站等竞相对事件进行报道。在百度新闻搜索中以“上海 福喜”为关键词对2014年7月20日-12月10日的新闻标题进行搜索（即搜索结果为在此时间段中标题同时包含“上海”与“福喜”两个关键词的新闻报道），并运用网络爬虫软件对搜索结果进行采集，获得749篇相关新闻报道，如图1所示。
从图1中可以看出，媒体对上海福喜事件的关注主要集中在2014年7月20日-8月4日，以及9月22日-23日。其中，媒体关注度在7月22日达到顶峰（92条），这与当日“初步查明涉事企业”以及“福喜相关责任人承认工厂高层授意使用过期原料”等事件调查所取得的重要进展有关；9月22日-23日，上海福喜公司的处理结果：“遣散340名员工”，再一次引发了媒体报道的小高峰。
（2）网民关注度分析。网民对热点事件的关注主要体现在对相关网络信息的搜索、浏览以及发帖、评论、转发等行为。分别选取百度指数、天涯社区、新浪微博，对网民的上述关注行为进行分析。
在百度指数中输入关键词“上海 福喜”，发现该关键词未被收录。将关键词修改为“上海福喜”，并将时间范围设定为2014年7月至2014年12月，搜索结果如图2所示。
图2显示，从搜索热度方面看，网民对上海福喜事件的关注呈现出3个小高峰，分别是2014年7月21日、7月25日以及9月23日，搜索指数分别为27268、16058以及48269。从整体上看，7月20日是上海福喜事件被爆出的第一天，搜索指数由19日的0次上升为20日的4651次，并于21日快速上升，达到第一个高峰（27268次）；随后，关注度有所下降，22日、23日、24日分别为11619次、9117次以及7221次；到了25日，关注度又一次上升，达到第二个高峰（16058次）；此后，网民的关注度持续下降，并保持在一个较低的水平上，直到9月22日，关注度有所上升，并在23日急速上升，达到第三个高峰（48269次）；然后，关注度急剧下降（24日为11537次，25日为648次，26日为562次），并在较低的水平上徘徊。图2中搜索指数与媒体指数的变化过程基本吻合，说明网民对上海福喜事件的关注度受到媒体关注度的重要影响。
在天涯社区中，用关键词“上海福喜”对帖子进行搜索，发现部分搜索结果与上海福喜事件无关。改用“上海福喜”进行搜索，搜索条件为“按发帖时间”与“搜索全文”，截止2014年12月10日，共获得396条结果，如图3所示。
图3的搜索结果表明，在天涯社区中，网民对上海福喜事件的关注，主要集中在事件爆发之初的几天内。
在新浪微博中，使用关键词“上海福喜”搜索2014年7月20日至12月10日的相关微博，搜索结果如图4所示。
图4显示，在新浪微博中，网民的关注度在事件爆发当日便处在较高水平，并于第二日（7月21日）迅速飙升至顶峰（767064条）；此后，关注度持续下降，并保持在较低的水平上。图4所表现出的变化趋势与图3类似。
从百度指数、天涯社区、新浪微博的相关数据来看，媒体与网民对上海福喜事件的关注主要集中在事件爆发之初，且在9月22日-25日之间，媒体的关注度以及网民的搜索热度又出现了一个高峰。从影响力来看，新浪微博远高于天涯社区等网络平台。由此，选取上海福喜事件爆发之初的新浪微博数据进行研究。
3 新浪微博网民转发行为特征统计描述
以上海福喜事件在新浪微博中传播的初始时间2014年7月20日18时为起始点，使用关键词“上海福喜”每隔一个小时搜索并采集相应的微博，数据采集的终止时间为2014年7月21日18时。去除已被删除微博等无效数据，获得微博14933条，其中，仅有主帖内容的微博有4528条，记为类型Ⅰ；而转发了他人内容的微博有10405条，记为类型Ⅱ。 在类型Ⅰ和类型Ⅱ的微博中，发帖者获得微博“达人认证”的有3388条，获得微博“个人认证”的有830条，获得微博“官方认证”的有1675条，没有任何微博认证的有9040条；发帖者所发布的微博被转发次数为0的有12221条，被转发次数最高的为97760次，其中，被转发次数在0-10次、11-100次、101-1000次、1001-10000次、10001-100000次的比例分别为：95.71%、3.22%、0.91%、0.15%、0.01%。而在类型Ⅱ的微博中，被转发者获得微博“达人认证”的有220条，获得微博“个人认证”的有281条，获得微博“官方认证”的有9583条，没有任何微博认证的有321条；被转发者所发布的微博被转发次数最低的为1次，最高的为97754次，其中，被转发次数在0-10次、11-100次、101-1000次、1001-10000次、10001-100000次的比例分别为：1.28%、5.51%、26.82%、27.60%、38.79%。可见，对于上海福喜事件，众多普通网民通过新浪微博平台积极参与，而一些微博“大V”（网络意见领袖）以及官方组织机构的发帖与转发等行为，是推动事件快速发展与广泛传播的重要因素。
4 新浪微博网民转发行为影响因素回归分析
微博的转发行为作为信息传播的重要方式，推动舆情事件的发展，扩散舆情事件的影响。利用上述采集的微博数据，分别针对类型Ⅰ和类型Ⅱ微博研究网民转发行为的影响因素。
4.1 类型Ⅰ微博网民转发行为影响因素
基于现有文献，结合类型Ⅰ微博的特征，以发帖者的微博被转发次数为被解释变量，变量设置如表2所示。
基于被解释变量的取值有多个水平，采用多项Logistic回归模型。设y为被解释变量，其可取V个水平的值，以其中第v（v∈（1，2，…，V））个水平为参照类别，而λw为被解释变量取w水平时的条件概率，回归模型如式（1）所示。（1）
其中，xn为模型中的解释变量，αw为模型中的截距，βwn为解释变量的回归系数向量。
运用SPSS19.0对4528条类型Ⅰ微博数据进行分析，以发帖者的微博被转发次数Y1=1为参考类别，模型的整体拟合结果如表3所示。
表3的数据显示，模型的整体拟合结果较好，适合进行多项Logistic回归分析。多项Logistic回归模型的似然比检验结果如表4所示。
从表4的检验结果中可以看出，发帖者微博的粉丝数（A2）、发帖者微博的微博数（A3）在0.00水平上显著，发帖者微博内容的情感倾向（A5）、发帖者微博内容是否有视频（A9）在0.01水平上显著，发帖者微博的认证情况（A4）、发帖者微博内容是否有链接（A7）在0.05水平上显著，其他解释变量的显著水平均大于0.05，表明上述6个因素对网民的转发行为有显著的影响。这6个因素的参数估计结果如下：
（1）在Y1=2的水平上（即发帖者的微博被转发次数为11-100次）
解释变量A2在0.00水平上显著，回归系数为正，EXP（曰）值（比值比，OddsRatio，OR）为4.382，表示在Y1=2的水平上，发帖者微博的粉丝数（A2）与发帖者的微博被转发次数呈正相关关系。
解释变量A3在0.00水平上显著，回归系数为正，EXP（B）值为2.095，表示在Y1=2的水平上，发帖者微博的微博数（A3）与发帖者的微博被转发次数呈正相关关系。
解释变量A4的参考类别是“官方认证”，A4=0（无认证）在0.01水平上显著，回归系数为正，EXP（B）值为1.836，表明无认证的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是官方认证的发帖者这一比值的1.836倍。
解释变量A5的参考类别是“同情”，A5=1（批评）在0.00水平上显著，回归系数为正，EXP（B）值为12586.893，表明微博内容的情感倾向为批评的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是微博内容的情感倾向为同情的发帖者这一比值的12586.893倍；A5=2（中立）的回归系数也为正，EXP（B）值为6902.536，表明微博内容的情感倾向为中立的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是微博内容的情感倾向为同情的发帖者这一比值的6902.536倍。
解释变量A7的参考类别是“否”，A7=1（是）在0.01水平上显著，回归系数为负，EXP（B）值为0.582，表明微博内容中有链接的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是微博内容中无链接的发帖者这一比值的0.582倍。
解释变量A9的参考类别是“否”，A9=1（是）在0.01水平上显著，回归系数为正，EXP（B）值为1.727，表明微博内容中有视频的发帖者，其微博被转发次数的水平处在Y1=2与Y1=1的概率之比，是微博内容中无视频的发帖者这一比值的1.727倍。 （2）在Y1=3的水平上（即发帖者的微博被转发次数为101-1000次）。
解释变量A2在0.00水平上显著，回归系数为正，EXP（B）值为14.031；解释变量A3在0.01水平上显著，回归系数为正，EXP（B）值为2.591；解释变量A4=0（无认证）在0.01水平上显著，回归系数为正，EXP（B）值为3.325；解释变量A5=1（批评）在0.00水平上显著，回归系数为正，EXP（B）值为279.629，解释变量A5=2（中立）的回归系数为正，EXP（B）值为108.498；解释变量A9=1（是）在0.01水平上显著，回归系数为正，EXP（B）值为2.944。上述参数估计结果的含义不再赘述。
（3）在Y1=4的水平上（即发帖者的微博被转发次数为1001-10000次）。
解释变量A2在0.00水平上显著，回归系数为正，EXP（B）值为46.108；解释变量A9=1（是）在0.01水平上显著，回归系数为正，EXP（B）值为6.935。
（4）在Y1=5的水平上（即发帖者的微博被转发次数为10001-100000次）。
解释变量A2、A3、A4、A5、A7、A9的显著水平均大于0.05。
4.2 类型Ⅱ微博网民转发行为影响因素
与类型Ⅰ微博相比，类型Ⅱ微博的被转发情况除了可能受到发帖者及其微博相关特征的影响，还可能受到被转发者及其微博相关特征的影响。变量设置如表5所示。
运用SPSS19.0对10405条类型Ⅱ微博数据进行分析，以发帖者的微博被转发次数Y2为被解释变量，以Y2=1为参考类别，模型整体拟合结果如表6所示。
从表6中可以看出，模型的整体拟合结果较好，适合进行多项Logistic回归分析。多项Logistic回归模型的似然比检验结果如表7所示。
表7的结果显示，发帖者微博的粉丝数（B2）、发帖者微博的微博数（B3）、被转发者的微博被转发次数（B7）在0.00水平上显著，被转发者微博的粉丝数（B5）、被转发者微博内容是否有链接（B20）在0.01水平上显著，发帖者微博的认证情况（B10）在0.05水平上显著，其他解释变量的显著水平均大于0.05，表明这6个因素对网民的转发行为有显著的影响。上述6个因素的参数估计结果如下：
（1）在Y2=2的水平上（即发帖者的微博被转发次数为11-100次）。
解释变量B2在0.00水平上显著，回归系数为正，EXP（B）值为4.911，表示在Y2=2的水平上，发帖者微博的粉丝数（B2）与发帖者的微博被转发次数呈正相关关系。
解释变量B3在0.00水平上显著，回归系数为正，EXP（曰）值为2.477，表示在Y2=2的水平上，发帖者微博的微博数（B3）与发帖者的微博被转发次数呈正相关关系。
解释变量B5在0.00水平上显著，回归系数为负，EXP（曰）值为0.509，表示在Y2=2的水平上，被转发者微博的粉丝数（B5）与发帖者的微博被转发次数呈负相关关系。
解释变量B7在0.00水平上显著，回归系数为正，EXP（曰）值为3.053，表示在Y2=2的水平上，被转发者的微博被转发次数（B2）与发帖者的微博被转发次数呈正相关关系。
解释变量B20的参考类别是“否”，B20=1（是）在0.00水平上显著，回归系数为正，EXP（B）值为3.151，表明被转发者微博内容有链接的发帖者，其微博被转发次数的水平处在Y2=2与Y2=1的概率之比，是被转发者微博内容无链接的发帖者这一比值的3.151倍。
（2）在Y2=3的水平上（即发帖者的微博被转发次数为101-1000次）。
解释变量B2在0.00水平上显著，回归系数为正，EXP（B）值为4.970；解释变量B3在0.01水平上显著，回归系数为正，EXP（B）值为5.223；解释变量B7在0.00水平上显著，回归系数为正，EXP（B）值为25.256；解释变量B10的参考类别是“官方认证”，B10=1（达人认证）在0.05水平上显著，回归系数为负，EXP（B）值为0.040，B10=2（个人认证）在0.01水平上显著，回归系数为负，EXP（B）值为0.019。
（3）在Y2=4的水平上（即发帖者的微博被转发次数为1001-10000次）。
解释变量B2、B3、B5、B7、B10、B20的显著水平均大于0.05。 （4）在Y2=5的水平上（即发帖者的微博被转发次数为10001-100000次）。
解释变量B2、B3、B5、B7、B10、B20的显著水平均大于0.05。
从上述分析结果可以看出：①不论是类型Ⅰ微博还是类型Ⅱ微博，在发帖者的微博被转发次数为11-100次和101-1000次的水平上，发帖者微博的粉丝数、微博数都显著影响其微博的被转发次数，且EXP（B）值均大于1；而在发帖者的微博被转发次数为1001-10000次的水平上，发帖者微博的粉丝数显著影响其微博的被转发次数，且EXP（B）值大于1。②发帖者微博的认证情况也是影响其微博的被转发次数的重要因素。所不同的是，对于类型Ⅰ微博，在发帖者的微博被转发次数为11-100次和101-1000次的水平上，A4=0（无认证）显著影响发帖者的微博被转发次数，且EXP（B）值均大于1；而对于类型Ⅱ微博，在发帖者的微博被转发次数为101-1000次的水平上，B10=1（达人认证）和B10=2（个人认证）显著影响发帖者的微博被转发次数，且EXP（B）值均小于1。③在发帖者的微博被转发次数为11-100次的水平上，微博内容是否有链接A7=1（是）显著影响类型I微博的被转发次数，且EXP（B）值小于1；而被转发者微博内容是否有链接（B20）=1（是）显著影响类型Ⅱ微博的被转发次数，且EXP（B）值大于1。④对于类型Ⅰ微博，在发帖者的微博被转发次数为11-100次和101-1000次的水平上，发帖者微博内容的情感倾向A5=1（批评）、A5=2（中立）以及发帖者微博内容是否有视频A9=1（是）显著影响其微博的被转发次数，且EXP（B）值大于1；此外，在发帖者的微博被转发次数为1001-10000次的水平上，发帖者微博内容是否有视频A9=1（是）显著影响其微博的被转发次数，且EXP（B）值大于1。对于类型Ⅱ微博，在发帖者的微博被转发次数为11-100次的水平上，被转发者微博的粉丝数和微博数显著影响发帖者微博的被转发次数，且前者的EXP（B）值小于1，后者的EXP（B）值大于1。此外，在发帖者的微博被转发次数为101-1000次的水平上，被转发者的微博被转发次数显著影响发帖者微博的被转发次数，且EXP（B）值大于1。
5 研究结论
本文针对食品安全网络舆情中网民转发行为的特征与影响因素，以上海福喜事件为例，通过采集新浪微博中的相关微博数据，并利用Logistic模型进行了分析，主要研究结论如下：①发帖者微博的粉丝数与微博数是影响其微博被转发次数的重要因素，且存在正相关关系。②发帖者微博的认证情况对其微博的被转发次数有所影响。其中，对于仅有主帖内容的微博（类型Ⅰ微博），无认证的微博比官方认证的微博更容易被转发；对于转发了他人内容的微博（类型Ⅱ微博），官方认证的微博比达人认证以及个人认证的微博更容易被转发。③微博内容是否有链接影响发帖者的微博被转发次数。对于仅有主帖内容的微博，若发帖者的微博中无链接，则其微博更容易被转发；而对于转发了他人内容的微博，若被转发者的微博中有链接，则发帖者的微博更容易被转发。④对于仅有主帖内容的微博，发帖者微博内容的情感倾向对其微博被转发次数有影响，且呈现批评情感倾向的微博最容易被转发，中立情感倾向次之，同情情感倾向最次；发帖者微博内容是否有视频对其微博被转发次数也有影响，且若微博内容有视频，则更容易被转发。⑤对于转发了他人内容的微博，被转发者微博的粉丝数与发帖者的微博被转发次数负相关，而被转发者的微博被转发次数与发帖者的微博被转发次数正相关。
在食品安全网络舆情中，相关微博被大量转发是推动舆情事件快速发展并产生广泛影响的重要方式。兰月新、张玉亮、兰月新等也指出对相关舆情信息的点击数、回复数、转发程度等是网络舆情安全及风险的重要评价指标。因此，研究微博转发行为的影响因素对于降低食品安全网络舆情风险具有积极意义。从研究结论看，具有较高粉丝数与微博数的发帖者，其所发布的微博影响力更大，应进一步加强对具有较高影响力及活跃度的微博用户的关注，特别是一些微博“大V”；同时，官方认证微博也是舆论引导的重要力量，应进一步发挥其积极作用；在舆论引导的过程中，可以通过微博内容形式的多元化来提高微博的影响力，如同时发布相关链接、视频等；此外，在发布微博信息的过程中，客观、公正地表明态度立场，也是提高微博舆论引导作用的重要方面。
（编辑：刘呈庆）