A Dissertation Submitted to
Shanghai Jiao Tong University for the Doctor’s Degree
Research on Characteristic and Influence Mechanism of Brand
Crisis Information-sharing Behavior in Microblog from
Contextual Perspective
Ph.D. Candidate:
Academic Advisor:
Major:
Yang Changzheng
Prof. Xue Ke
Media Management
New media Communication
10248
Focus Field:
University Code:
The school of Media and Design
Shanghai Jiao Tong University
May, 2017

品牌危机信息微博分享行为特征及影响机制研究
——基于情景因素视角
摘要
目前品牌危机信息微博分享行为特征及影响机制研究已得到国内外
学界和业界的普遍关注，且相关的研究多数主要集中于微博信息的传播
模式、传播效果、用户态度、行为特征描述以及静态路径分析等方面，
但过去从情景因素及动态研究视角对微博信息行为影响机制进行具体性
研究的文献依然缺乏，且在信息行为特征、冲击响应、边际影响力、扰
动贡献率以及行为预测等方面的研究较为粗糙，其精准度有待提高，同
时，关于用户信息行为具体性监控策略的研究也依然很少。根据信息情
境理论、信息场理论、信息加工理论、心理场理论、信息行为理论，以
及结合当下计算机信息技术的飞速发展，使得用户信息行为在很大程度
上受到情景因素的影响，从而在信息行为影响机制研究中更需要从情景
因素视角对信息行为进行探索，才能得出更为全面的研究结论。在此背
景下，本研究基于情景因素视角对品牌危机中微博用户信息分享行为影
响机制进行实证研究，具体研究内容包括：第一章绪论；第二章文献综
述及理论基础；第三章危机信息转发及评论行为波动特征分析；第四章
危机信息转发及评论行为情景影响因素探析；第五章危机信息转发及评
论行为静态影响机制研究；第六章危机信息转发及评论行为动态影响机
I

制研究；第七章危机信息转发及评论行为监控策略研究；第八章结论与
展望。本文以新浪微博作为微博平台样本，以 2010年至 2016年间所发
生的具有较大影响力的 66个品牌危机事件作为品牌危机样本，通过官方
API、网络爬虫以及问卷调查法对相关数据进行采集，采用时间序列趋势
分解、ARIMA分析、自回归条件异方差、向量自回归、状态空间模型及
结构方程模型等研究方法，并借助 SPSS22.0、AMOS22.0、Stata13.0及
Eviews8.0统计软件对数据进行处理和分析。
本文获得如下研究成果：①通过对品牌危机中微博用户信息分享行
为的自相关性分析及 ARIMA模型构建，实现了对转发及评论行为的整
体传播过程、一周及一日的趋势特征、周期特征、集群特征及不规则特
征进行了精确分离和分析；②分析和挖掘品牌危机中微博用户信息分享
行为静态及动态情景影响因素，发现其中具有显著影响的静态情景因素
主要有信息可视化、信息情感性及信源权威性，具有显著影响的动态情
景因素主要有信息转发总数、信息评论总数、自身粉丝数、自身关注数、
信源粉丝数、信源关注数以及信息时间距离；③构建品牌危机中微博用
户信息分享行为静态情景因素影响机制模型，揭示了信息可视化、信息
情感性、信源权威性分别对转发及评论行为的影响路径，比较分析了各
影响路径在不同性别、年龄、学历及职业群组间的具体差异；④对品牌
危机中微博用户信息分享行为动态情景因素影响机制进行研究，通过
VAR模型及状态空间模型，揭示了信息转发总数和评论总数、自身关注
数和粉丝数、信源关注数和粉丝数、信息时间距离等动态情景因素对转
发和评论影响的时滞特征、脉冲扰动、边际影响力及贡献率等动态特征
及规律；⑤以上述各章研究结论为基础，提炼了本研究在理论上的贡献，
II
。。。以下略