采集所得的Twitter样本数据和分析指标中,活跃度用传播主体的发推文数作为指标;互动性用传播主体关注他人的数量作为指标;影响力用传播主体的页面被其他人收藏数作为衡量指标。
1. 传者特征的受众作用
不同等级的传者活跃度特征,其相应的受者等级如表4-94所示。随着传者发推文数的增加,该等级的传者所对应的受众其平均发推文数也逐步增加,两者的正相关关系是比较鲜明的。通过方差分析可知,以传者的发推文数等级为自变量,可以见到受者的发推文数之间,是具有显著的差异的,其Welch和Brown-Forsythe检验量的显著性P值均为0.000,接近于0。
表4-94 对受众推文数-转换后进行的方差分析
方差齐性检验
受众推文数-转换后
均值相等性的健壮性检验
受众推文数-转换后
a. 渐近F分布。
从表4-95可以看到,随着传者发推文数的等级的不同,受众发推文数等级的平均值也有差异。但大体上,随着传者等级的提升,受者也显现出提升。事实上,由于传者等级为1、2、13的样本量低于30,在社会科学研究中是作为小样本看待的,若将其剔除,则更可以鲜明地看到,传者等级和受者等级之间鲜明的正相关性。
表4-95 受众推文数-转换后的描述性分析输出结果
不同等级的传者互动性特征,其相应的受者等级如表4-96所示。随着传者关注他人数的增加,该等级的传者所对应的受众其平均关注他人数也逐步增加。
表4-96 受众正在关注数-转换后的描述性分析输出结果
不同等级的传者影响力特征,其相应的受者等级如表4-97所示。通过方差分析可知,以传者的被收藏数的不同等级作为自变量,其对应的受众的被收藏数等级存在显著的差异。
表4-97 对受众被收藏数-转换后进行的方差分析
方差齐性检验
受众被收藏数-转换后
均值相等性的健壮性检验
受众被收藏数-转换后
a. 渐近F分布。
据表4-98,随着传者被收藏数的增加,该等级的传者所对应的受众其平均被收藏数,在总体上也呈现出逐步增加的态势。
表4-98 受众被收藏数-转换后的描述性分析输出结果
2. 传受关系中的活跃度
整体上看,由于传-受者话语特征之间的相关性,在传-受者之间形成特定圈层结构。信息更倾向于在相同或相近的传-受者间有效流动和传播。信息从传者到受者,在各个等级之间的转移概率矩阵如下表所示。以发布推文数等级为8的受众为例,该等级的受众占到22.11%的比例。等级6的传者,有30.6%的受众属于等级8,有22.5%的受众属于等级7。空单元格表示为0。该表是一个转移概率矩阵。从表4-99可以看到,样本中等级8和等级9的受众比例是最多的,分别达到22.11%和21.06%。
用“该等级受众所属的比例最高的传者等级”,表示对于某个等级的受众,它在哪个等级的传者中比例最高。例如表4-99中,对于等级为4的受众,等级3的传者中拥有等级为4的受众的比例达到21.6%,是各个等级传者中该比例最高的。其数值以及排序的对应关系如表4-100所示(传者的第1级、第2级和第13级由于分别只有3、 3、 7个传者样本,样本量太少此处不予考虑)。
表4-100 受众发推文等级序列
对表4-101中的等级序列进行相关分析,其结果如表4-101所示:受众等级和该等级受众所属的比例最高的传者等级之间是高度相关的,传者等级和该等级传者拥有的比例最高的受众等级之间也是高度相关的。
表4-101 受众发推文等级序列的相关性检验结果
相关性
**. 在0.01水平(双侧)上显著相关。
*. 在0.05水平(双侧)上显著相关。
考察每个等级的传者,其受众的分布偏向。由于受众在各个等级的分布,还受到总体中受众分布的影响,所以把传-受矩阵中,某等级传者所对应的各个等级的受众的比例,减去该等级的受众在总体的比例,也即单元格的值减去该列的总体值。这样得到的矩阵如表4-102所示。
用“该等级传者拥有的相对比例最高的受众等级”,表示对于某个等级的传者,它拥有哪个等级的受众是相对比例最高的。其中,相对比例指的是,i等级的传者拥有的j等级受众比例-总体的j等级受众比例。其数值以及排序的对应关系如表4-103所示(传者的第1级、第2级和第13级由于分别只有3、 3、 7个传者样本,样本量太少此处不予考虑)。
表4-103 传者发推文数等级序列
根据表4-104和表4-105的相关分析结果,传者发推文数等级和该等级传者拥有的相比比例最高的受众等级之间,存在着显著的相关性。
表4-104 传者发推文数等级序列的相关性检验结果
**. 在0.1水平(双侧)上显著相关。(www.xing528.com)
表4-105 双变量相关性检验结果
**. 在置信度(双测)为0.01时,相关性是显著的。
用“该等级受众所属的比例最高的传者等级”,表示对于某个等级的受众,它来自哪个等级的传者中比例最高。某个等级的受众所属的比例比高的传者等级,其数值以及排序的对应关系如表4-107所示(传者的第1级、第11级和第12级由于分别只有29、 26、 2个传者样本,样本量小于30,社会科学中通常把小于30的样本视作小样本,因此此处对这三个等级不予考虑)。
表4-107 受众正在关注数等级序列
对上述等级序列进行相关分析,其结果如表4-108、表4-109所示,Kendall秩相关系数的P值为0.012, Spearman等级相关系数的P值为0.009,都通过了显著性检验。
表4-108 受众正在关注数等级序列的相关性检验结果
**. 在0.1水平(双侧)上显著相关。
考察每个等级的传者,其受众的分布偏向。由于受众在各个等级的分布,还受到总体中受众分布的影响,所以把传-受矩阵中,某等级传者所对应的各个等级的受众的比例,减去该等级的受众在总体的比例,也即单元格的值减去该列的总体值。这样得到的矩阵如表4-110所示。
表4-109 双变量相关性检验结果
*. 在置信度(双测)为0.05时,相关性是显著的。
**. 在置信度(双测)为0.01时,相关性是显著的。
用“该等级传者拥有的相对比例最高的受众等级”,表示对于某个等级的传者,它拥有哪个等级的受众是相对比例最高的。其中,相对比例指的是,i等级的传者拥有的j等级受众比例-总体的j等级受众比例。其数值以及排序的对应关系如表4-111所示(传者的第1级、第11级和第12级由于分别只有29、 26、 2个传者样本,样本量小于30,社会科学中通常把小于30的样本视作小样本,因此此处对这三个等级不予考虑)。
表4-111 传者正在关注数等级序列
由表4-112、表4-113,根据相关分析的结果可知,传者正在关注数等级和“该等级传者拥有的相对比例最高的受众等级”,存在着显著的相关性,其Kendall秩相关系数的P值为0.041, Spearman等级相关系数的显著性P值为0.05,都符合0.05的临界水平,SPSS检验结果都是显著相关的。
表4-112 对传者正在关注数等级序列进行的相关性分析
*. 在0.05水平(双侧)上显著相关。
表4-113 相关系数
*. 在置信度(双测)为0.05时,相关性是显著的。
4. 传受关系中的影响力
从用户页面的被收藏数来考察其在Twitter平台上的影响力状况。对不同影响力等级的传者来说,每个等级中各等级的受众的分布概率矩阵如表4-114所示。
用“该等级受众所属的比例最高的传者等级”,表示对于某个等级的受众,它来自哪个等级的传者中比例最高。用“该等级传者拥有的比例最高的受众等级”,表示对于某个等级的传者,它拥有哪个等级的受众是比例最高的。某个等级的受众所属的比例比高的传者等级,以及某个等级的传者拥有的比例最高的受众等级,
其数值以及排序的对应关系如表4-115所示(传者的第12级只有7个传者样本,样本量过小,此处不纳入考察范围)。
表4-115 被收藏数等级序列
对表4-115的上述等级序列进行相关分析,其结果如表4-116所示,受众等级和该等级受众所属的比例最高的传者等级之间是高度相关的。也即,受众被收藏数的等级越高,那么该等级受众所属的比例最高的传者等级,也相应越高,其Pearson相关系数的显著性为0.000,相关系数达0.907。Kendall秩相关系数和Spearman等级相关系数也都通过检验,P值分别为0.002和0.000,相关系数分别为0.763和0.899。这显示,受众及其传者在影响力等级存在显著的关联。
表4-116 相关系数
**. 在置信度(双测)为0.01时,相关性是显著的。
同时,考察每个等级的传者,其受众的分布偏向。由于受众在各个等级的分布,还受到总体中受众分布的影响,所以把传-受矩阵中,某等级传者所对应的各个等级的受众的比例,减去该等级的受众在总体的比例,也即单元格的值减去该列的总体值。这样得到的矩阵如表4-117所示。
用“该等级传者拥有的相对比例最高的受众等级”,表示对于某个等级的传者,它拥有哪个等级的受众是相对比例最高的。其中,相对比例指的是,i等级的传者拥有的j等级受众比例-总体的j等级受众比例。其数值以及排序的对应关系如表4-118 所示(传者的第12级只有7个传者样本,样本量过小,此处不纳入考察范围)
表4-118 被收藏数等级序列
据表4-119、表4-120,相关分析的结果显示,传者的被收藏数等级和“该等级传者拥有的相对比例最高的受众等级”,其相关性的P值为0.000,Pearson相关系数为0.878,存在显著的强相关性。Kendall秩相关系数和Spearman等级相关系数也都通过检验,P值分别为0.007和0.001,相关系数分别为0.648和0.843。这显示,传者及其受众在影响力等级存在显著的关联。
表4-119 对被收藏数等级序列进行的相关性分析
**. 在0.1水平(双侧)上显著相关。
表4-120 相关系数
**. 在置信度(双测)为0.01时,相关性是显著的。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。