本文研究了大型在线评论网站Epinions.com上review的传播机制及影响其流行或被关注的因素。文中所指的传播及流行是指，Epinions.com用户写出一篇关于某产品的review之后，其他用户或出于对该产品的兴趣、或出于对撰写该review的用户在Epinions.com这一在线社会网络中的地位及声誉、或出于找寻与自己行为方式相近的朋友等因素，这些用户会浏览这篇review以获得自己想要知道的信息，如该产品的质量、价格、用户反馈等，浏览之后用户会对该review进行评价，评价等级有四个: not helpful，somewhat helpful，helpful，very helpful。　　作为web2.0技术的一个重大应用，在线评论网站近年来异常火爆，例如Epinions.com，CNET.com等，在这些网站上，用户可以自由自愿地发表关于某产品的评论。此外，Amazon.corn和Bestbuy.com等在线购物网站也开始提供评论功能，用户可以对在该购物网站上购买的商品进行评论，这些评论对于其他用户在决定是否购买这一商品时有着很大的影响，从而进一步影响到这一商品的销量。针对于某一特定的商品会有成千上万条评论，但其中的哪些评论能够得到其他用户的信任呢？即撰写该篇评论的作者所处的网络结构与这篇评论的属性对它的流行度会产生什么不同的影响？此外，还有其他可能的影响因素，例如互惠性、传递性等。这是本文想要着力解决的问题之一。为此，建立了面板数据模型，意在探究一篇review会被多少人浏览或评价，即review的传播力度，以及影响传播力度的诸多因素。　　此外，还试图探究一篇同样的评论会得到不同用户怎样的评价，即nothelpful，somewhat helpful，helpful，very helpful。为此，建立Logistic模型，意在探究不同用户对同一篇review的评价差异来源于哪些因素。通过分析，可以发现:　　1.马太效应:若用户之前所写的review得到的评价很高，则最近一篇review得到更高评价的可能性更大;　　2.近期效应:最近一个时间段内写的review越多，则最近一篇review得到更多关注的可能性越大;　　3.趋同效应:相似性因素呈负向影响，即用户会倾向于将自己的行为方式向朋友的平均行为方式靠拢;　　4.Review的客观性边际效用递减。