微博社會資本的影響因素

李新銳，崔 莎

（1.清華大學經濟管理學院，北京 100084；2.北京大學信息管理系，北京 100871）

微博社會資本的影響因素

李新銳1，崔 莎2

（1.清華大學經濟管理學院，北京 100084；2.北京大學信息管理系，北京 100871）

采用新浪微博的數據，通過聚類分析、社會網絡分析和回歸分析，研究了微博用戶的主動行為和真實世界中的社會資本對其微博社會資本的影響。研究結果顯示：微博用戶的主動行為和線下社會資本對其微博社會資本都有正向影響，且線下社會資本的影響較大；線下橋接社會資本對微博紐帶社會資本的影響較大。

微博；社會資本；社會網絡

微博作為新型的社交網絡媒體，出現后就引起了人們的廣泛關注。截至2012年6月底，我國微博用戶數達2.74億，較2011年底增長9.5%，網民使用率為50.9%［1］。由于社交媒體具有網絡屬性，因此，在大量用戶使用微博的情況下，微博社會網絡隨之形成，微博社會資本進而出現。微博能維護用戶在虛擬世界中已有的社會資本，并能給用戶帶來新的社會網絡和社會資本［2］。因此，研究微博社會資本可豐富和發展網絡時代下的社會資本理論，是十分必要的。

1 文獻綜述

1.1 社會資本理論的相關研究

社會資本首先由Hanifan［3］提出。Hanifan認為，社會資本是“組成社會單位的個人和家庭的聲望、友誼、相互同情和社會交往。社會資本首先被Bourdieu和Coleman定義。Bourdieu［4］對社會資本的定義是，“社會資本包括所有個人從社會聯系中獲得的資源”。Coleman［5］從功能角度對社會資本進行定義，認為“社會資本不僅僅涉及單獨的個體，而是關系到一系列不同的實體，這些實體具有兩個相同的特征，一是他們都由某些社會結構的不同方面組成，二是他們能夠支持某些社會成員在結構內的特定行動——無論這些成員是個人還是企業”。Bourdieu［4］提出了“場域”的概念，認為場域是構成社會資本的各種社會關系聯結而形成的社會場合或社會領域，其本質是社會構成要素之間的關系，即社會關系網絡。Mitchell［6］認為，社會網絡是一個人與其他人之間的所有正式和非正式的社會聯系，包括了與他人直接形成的社會關系和通過共享物質環境和文化而結成的非直接關系。社會網絡研究關注人們之間的互動和聯系，而由此產生的個體間的社會互動影響個體的社會行為［7］。從社會資本理論的經典論述中可以看到，研究者大多將社會資本與社會網絡天然地聯系起來，這對本文通過研究微博社會網絡分析微博社會資本是重要的理論支持。

Putman［8］擴展了社會資本的概念，認為社會資本包括社會網絡自身以及與之相關的各種形式的信任和互惠——這意味著不同的社會網絡應該意味著不同的社會資本，并將社會資本分為兩種形式——橋接社會資本和紐帶社會資本。Williams［9］將橋接社會資本定義為具有以下4個特點的社會資本：①外向性；②與不同背景的人有更廣泛的聯系；③認為自己是一個更大群體中的成員，并且擁有最終群體中的所有人都會被聯系在一起的感覺；④在更廣泛的團體內擴散互惠行為。橋接社會資本更多與弱連帶有關，這些弱連帶往往具有信息傳遞的功能。Williams［9］認為紐帶社會資本是具有以下4個特征的社會資本：①情感支持；②能夠獲得稀有資源或有限資源的緊密的網絡；③成員團結一致，齊心協力；④對群體外成員具有排斥性。因此，紐帶社會資本具有更強的排他性，具有“強化專屬身份和同質群體的作用”［8］。紐帶社會資本更多與強連帶有關，并且往往出現在關系較緊密的網絡中，如親密的朋友和家庭成員構成的網絡中，這類網絡中的各成員往往具有情感聯系以及相近的思維方式［2］。從以上分析可以看出：社會資本具有多維建構性，包含多重社會結構［10］；不管是橋接社會資本還是紐帶社會資本都對個體的福利、生活滿意度甚至自尊產生積極作用［］。

1.2 微博社會資本的相關研究

由于國內的微博與Twitter網站相似，因此在研究微博社會資本時可借鑒國外學者對Twitter社會資本的研究。Hofer和Aubert［2］發現，Twitter中的橋接社會資本與用戶的關注數有關，紐帶社會資本與用戶的粉絲數有關。此外，一些研究者［12］對比了Facebook與Twitter的情況，發現在Twitter中成為某個用戶的粉絲并不需要該用戶批準，而Facebook的情況則是需要用戶批準，因此Twitter的用戶更容易豐富線上社會資本，也更容易產生新的社會網絡和社會資本。在Twitter中能夠發表140個單詞以內的內容，可以幫助用戶了解對方的生活，使用戶產生屬于同一群體的感覺，因此能夠增加用戶的社會資本［13］。Ye、Fang和He等［12］通過對日本地震后Twitter的使用情況，發現用戶使用Twitter能夠增加其線上橋接社會資本和紐帶社會資本。

目前研究線下社會資本與微博社會資本間關系的文獻很少。總結來看，線下社會資本對微博社會資本具有投射性和放大性的作用。在投射性方面，黎悅［14］通過研究大學班級的微博社會網絡和線下社會網絡后發現，盡管不存在嚴格的一一對應關系，但是“微博關系網絡在很大程度上成為社會關系中影響力、親密度以及關系強度的重要寫照，一個在微博關系中各維度上居于中心的人在社會關系中不可能處在邊緣”。投射性意味著線下社會資本越大則微博社會資本越多。在放大性方面，有學者［12，15］發現，Twitter不僅能維持線下社會資本，而且能產生新的社會網絡和社會資本。由于任何用戶不需要獲得批準就可以成為某個用戶的粉絲，因此該用戶能夠擴大其社會網絡，從而獲得更多的微博社會資本。例如，在真實世界中，普通人很難獲得電影明星的生活細節信息，但是通過關注該明星的微博，即成為其粉絲，就能接收到該明星的信息，成為該明星的社會網絡中的成員之一。而在這個例子中，線下名氣就是該電影明星的社會資本，它在一定程度上決定了其微博社會資本，而微博平臺又放大了微博社會資本。同時，微博社會資本獲得成本低的特點［16］也提高了微博社會資本的放大性。

1.3 社會網絡分析法的相關研究

社會網絡分析的運用使得社會學領域中的社會結構研究更加深入，相關模型和方法在國外社會學界已被廣泛研究和應用，如社會網絡對信息傳播和發明推廣的影響、社會支持網絡的特點和內容以及社會關系與社會支持的關系［17］。然而，統計分析和基于圖論的整體網絡拓撲結構依舊是社會網絡研究的重點，所建立的模型也多是靜態而非動態的，這使得社會網絡的結構組成以及動態變化特征難以被深刻揭示。

社會網絡有整體網絡和個體中心網絡之分。個體中心網絡可用來分析各社會行動者之間的關系、揭示社會網絡的特征，但是個體中心網絡的結構相對簡單，不適合對其進行經典網絡研究的結構分析。與個體中心網絡相反，整體網絡在分析社會聯系方面的能力較差，但是該方法是測量網絡結構的最重要方法［18-19］。

關于網絡研究的最新結果顯示，大量的真實網絡既不是規則網絡，也不是隨機網絡，而是具有獨特特征的復雜網絡。目前復雜網絡研究的重點集中在網絡特征的描述上，其中小世界效應［20-21］是目前最受關注的復雜網絡特征。已有研究表明，類似的特征廣泛存在于好萊塢演員網絡、科學家合作研究網絡、人類性關系網絡等社會網中［22］。當然，真實網絡還有很多統計特征，其中混合模式［23］和度相關特征［24］也受到了研究者們的重視。

微博V用戶是新浪實名認證的VIP用戶，他們受行業、地域、在線特征和興趣愛好等因素影響，很容易依據自己的組織潛規則做出小團體行為。從社群結構的角度探討微博V用戶的網絡特征的研究文獻很少。從某種意義上講，微博V用戶以及其社會網絡都是社會網絡及其運動的結果。從社會網絡的角度切入這一系統，研究用戶互動關系及其結成的社會紐帶，是一種更容易走進微博V用戶的范式。因此，社會網絡分析為研究微博V用戶的在線社會網絡特征提供了新的思路和框架。

2 數據來源

本文所用數據為新浪微博V用戶數據，該數據來自新浪微博后臺，具有極高的客觀性和真實性。根據中國互聯網信息中心（China Internet Network Information Center，CNNIC）發布的最新研究報告［1］，我國微博用戶規模已進入平穩增長期，同時微博V用戶增長更為平穩。本文用于聚類分析和回歸分析的數據采集于2012年9月11日，因此數據具有有效性和時效性。用于聚類分析的數據來自隨機抽取的10000名新浪微博V用戶。用于社會網絡分析的數據為新浪微博V用戶粉絲量排名前100的用戶的數據，收集其前20位關注用戶的信息，如果關注總數不足20個，就取全部用戶的信息。Google月均搜索量數據采集自Google awards，即以用戶的真實姓名作為關鍵詞進行搜索，從而獲得以該名字為關鍵詞的月均搜索量。同時，考慮到樣本中來自我國港臺地區的部分用戶習慣使用英文名，因此分別以其英文名和中文名為關鍵詞進行搜索，然后將兩者的月均搜索量進行加總。

3 聚類分析

筆者隨機抽選10000名新浪微博V用戶，根據其在新浪微博平臺中的表現情況，如關注數、發博數、粉絲數和被轉評數等，對這些用戶進行聚類，區分不同用戶群體的行為特征。進行聚類分析所用的工具為Clementine軟件，采用Kmeans聚類方法。

聚類結果見圖1。根據聚類結果，10000名新浪微博V用戶被軟件分為6組。

第3組共有6112個用戶，所占比例（61.10%）最高。該組用戶的平均關注數為211、平均粉絲數為124823、平均發博數為2025、平均被轉評數為1303，這些指標數據在所有類中均是最低的。這說明，該組絕大部分用戶的主動和被動活躍度都較低，因此將其類型命名為“睡眠”型。

第5組和第6組的用戶數占比分別為24.60%和12.5%。這兩組用戶群體的相同之處為發博數、粉絲數和被轉評數均較少，不同之處是關注數分別為中等和很高，其中6組較高。這說明，這兩組用戶都比較喜歡關注其他用戶以獲得信息，而自身很少發信息，即進行所謂的“網絡圍觀”，因此將這兩組合并為一類，將其類型命名為“圍觀”型。

第2組、第6組以及第1組的用戶數均較少，三組用戶數合計僅占1.7%。其中，第2類用戶數占比為0.8%，該組用戶的主動行為很多（關注數和發博數較多），但其影響力較小，因此將其類型命名為“話嘮”型。第6組用戶數共49人，其關注數和粉絲數處于中等，但其發博數和被轉評數較高，因此將其類型命名為“內容為王”型。第1組用戶數最少，為37人，具有關注數和發博數少、粉絲數較多、被轉評數一般的特點。該組用戶通過自身的名人效應引發更多人的關注，均是具有很高知名度的名人，因此將其類型命名為“名氣致勝”型。

通過以上聚類分析，筆者發現新浪微博中存在“名氣致勝”和“內容為王“的現象。可見，名氣（在真實世界中的社會資本）對微博社會資本有正向作用。同時，發博內容也是影響微博社會資本的因素。究其原因：博文內容是否吸引人在一定程度上決定了粉絲數量，也就是決定了社會網絡規模，進而影響微博社會資本。

4 社會網絡分析

4.1 宏觀社會網絡分析

通過社會網絡分析，形成了新浪微博粉絲量排名前100的V用戶的社會網絡。該網絡共有1194個節點——這意味著有1194人的名字在本研究中出現，有1857條邊，平均距離為4.427——即某行為者平均通過不到5個人便可與另一行為者取得聯系，平均網絡中心度為1.555，網絡的聚類系數為0.063。這些數據表明，該網絡符合小世界特征，比較接近真實世界中的網絡。

圖1 用戶聚類分析結果

4.2 簡化社會網絡分析

在對整體社會網絡進行研究后，本文對社會網絡進行簡化，抽取度數大于5的頂點，共得到65個頂點、287條邊。節點的度數較大說明節點在社會網絡中較為重要，因此這65個節點所對應的64位用戶在整個社會網絡中較為重要。

簡化后的社會網絡如圖2所示。圖2中，線的粗細表示各節點間親密程度的高低，線越粗表示兩者越親密。圖中有6個群組最為明顯。第一組是企業家組，包括陳志武、俞敏洪、徐小平、潘石屹、任志強和洪晃，他們均為企業界名人。第二組是影視組，以林心如為橋節點，包括李小璐、李冰冰和何潤東，以及趙薇、陳坤和黃曉明——這三人是電影學院的同班同學，在真實世界中有著良好的關系。第三組是以謝娜為中心的快樂家族組。快樂家族是湖南衛視“快樂大本營”節目的主持人，包括謝娜、何炅、杜海濤、李維嘉和吳昕，一些明星通過參加該節目而與這些主持人成為好朋友，如小沈陽，林依晨和陳建州等，圖2較好地反映了真實世界的狀況。第四組為SHE組，以賽琳娜（Selina）為中心，包括田喜碧（Hebe）和蔡依林。SHE是我國臺灣地區的一個人氣歌手組合，成員有Selina、Hebe和Ella，但是由于Ella在新浪微博上比較不活躍，因此該組包含的是三人共同的好友蔡依林。第五組為快樂男生組，包括魏晨和張杰。“快樂男生”是湖南衛視的一檔選秀節目，魏晨和張杰均為2007年快樂男生。第六組是蔡康永組，以蔡康永為中心，聯結了很多重要節點。這是因為不僅蔡康永具有名人效應，而且其被轉發數量和被評論數量都很高，說明其微博內容比較吸引人，所以蔡康永同時具備名人效應和內容為王的特點，因此他即使在名人網絡中也具有很高的網絡中心度。通過社會網絡分析，筆者發現，這個由100個用戶組成的社會網絡較好地與這些用戶在現實生活中的聯結狀態相符合，因此利用該網絡對用戶在現實生活中的社會資本進行描述較為恰當。

圖2 簡化后的社會網絡

5 模型變量和研究假設

5.1 模型變量

5.1.1 被解釋變量

微博社會資本包括微博橋接社會資本和微博紐帶社會資本。本文分別使用微博關注數和微博粉絲數衡量微博橋接社會資本和微博紐帶社會資本。

1）微博橋接社會資本。

關注某微博用戶，意味著能夠接收該用戶發布的博文，同時關注者是該用戶的粉絲。想成為某微博用戶的粉絲，并不需要該用戶同意，所以某微博用戶可能被不同背景的人關注。這些關注者組成的“群體”具有廣泛而松散的特點，不具有排他性，而信息能在更廣泛的網絡中被傳播，這種網絡形成的社會資本符合橋接社會資本的定義。鑒于此，本文用關注數衡量微博橋接社會資本，即關注數越多、微博橋接社會資本越多。

2）微博紐帶社會資本。

Marwick和Boyd［25］的研究證明，微博用戶認為其粉絲是“理想的聽眾”，也就是說粉絲們與他們自身具有相似的興趣點，因此他們能夠與粉絲分享自己的觀點，并得到粉絲的贊賞。Beaudoin和Tao［26］則發現，線上網絡社區能夠提供情感支持，用戶會產生一種鄰里般的感覺［27］和一種“在給家人和朋友寫信的感覺”［28］。鑒于此，本文用粉絲量度量微博紐帶社會資本，即粉絲數越多、微博紐帶社會資本越多。

5.1.2 解釋變量

1）用戶微博使用行為。

①發博數。本文用發博數衡量發博行為，即發博數越高、用戶的發博行為越主動。

②博文質量。博文內容質量越高，則該微博被轉發和被評論的次數就越多。鑒于此，本文用被轉發數和被評論數的加總（統稱為被轉評數）度量博文質量，即被轉評數越多、博文質量越高。

2）線下社會資本。

線下社會資本包括線下橋接社會資本和線下紐帶社會資本，本文分別使用Google搜索量和網絡中心度進行衡量。

①線下橋接社會資本。聚類分析結果顯示，新浪微博V用戶中存在“人氣制勝”的現象。人氣其實反映了用戶在真實世界中的社會資本。比照橋接社會資本的和紐帶社會資本的定義可知：人氣只是人們思維中的一種印象，并不會產生直接作用，因此更多的是一種弱連帶；人氣不具有排他性，即任何人都可以知道一個人的名聲，而不需要其他人同意；人氣可被具有不同背景的人所享有，因此可代表真實世界中的橋接社會資本；網絡人氣越高，用戶在網絡上的搜索量越大。鑒于此，本文以微博用戶的姓名為關鍵詞，用基于Google搜索引擎的搜索量度量用戶的網絡名氣，即Google搜索量越多意味著人氣越強。

②線下紐帶社會資本。本文選取每個微博用戶的前20名關注者聯結成社會網絡。大V用戶關注其他用戶往往不是為了獲取信息，而更多的是對現實生活紐帶社會資本的投射。從關注者的角度講，在真實生活中對其越重要的用戶，越可能成為其首先關注的對象，因此越早被關注的用戶在與關注者形成的社會網絡中具有越重要的地位，也即具有較多的紐帶社會資本。網絡中心度是度量節點在網絡中心程度的指標，也即度量節點在網絡中重要程度的指標。節點的網絡中心度越大意味著節點在網絡中越“重要”，也就意味著節點的紐帶社會資本越多。鑒于此，本文用網絡中心度度量用戶的線下紐帶社會資本，即節點的網絡中心度越高、其線下紐帶社會資本越多。

5.2 研究假設

通過梳理以往文獻，筆者發現，使用微博能增加用戶的微博社會資本。因此，本文提出如下假設：

用戶使用微博對其微博社會資本有正向作用（H1）。

筆者通過分析已有文獻發現，微博用戶的使用行為能夠在一定程度上提高微博用戶的被關注程度，從而能夠增加其微博社會資本。微博用戶的主動行為主要表現為發博數和博文質量。結合聚類分析結果，筆者發現新浪微博中存在大量的“話嘮型”用戶。他們雖然發布了大量博文，但是并沒有收到很多回復，也沒有吸引粉絲，因此其微博使用行為對其微博社會資本的影響不大。同時，筆者還發現新浪微博中存在“內容為王型”用戶。他們發布的博文能夠吸引回復、被轉發，這些用戶擁有一定數量的關注者。可見，博文質量對微博社會資本有一定的正向影響。綜上，假設H1包括：

發博數對微博橋接社會資本沒有顯著影響（H1a）；發博數對微博紐帶社會資本沒有顯著影響（H1b）；博文質量對微博橋接社會資本有正向影響（H1c）；博文質量對微博紐帶社會資本有正向影響（H1d）。

聚類分析結果顯示，新浪微博中存在“名氣致勝”的現象。名氣是用戶的線下橋接社會資本。同時，結合已有研究，用戶的線下社會資本（包括橋接社會資本和紐帶社會資本）對其微博社會資本有正向作用。因此，筆者提出如下假設：

用戶在真實世界中的社會資本對其微博社會資本有正向作用（H2）。

假設H2具體如下：

線下橋接社會資本對微博橋接社會資本有正向作用（H2a）；

線下紐帶社會資本對微博橋接社會資本有正向作用（H2b）；

線下橋接社會資本對微博紐帶社會資本有正向作用（H2c）；

線下紐帶社會資本對微博紐帶社會資本有正向作用（H2d）。

5.3 模型

微博社會資本影響因素的總模型如下：

6 結果分析

6.1 微博紐帶社會資本的影響因素檢驗

本文運用SPSS軟件對式（1）進行多元線性回歸分析，結果見表1。由表1可知，F的觀測值為15.423，對應概率的P值為0.000，調整后的R2值為0.760。因此，在顯著性水平下，回歸系數顯著不為0，即ln粉絲數與全體解釋變量顯著相關，可建立回歸模型。

表1 新浪微博用戶粉絲數影響因素的顯著性分析

對式（1）進行多元回歸的結果如表2所示。由表2可知，各回歸系數的顯著性檢驗的概率P值小于0.05的顯著水平，因此“ln粉絲數”與各自變量之間存在顯著的線性關系，將這些自變量保留在模型中是合理的。另外，從容差和方差膨脹因子看，式（1）中各自變量間的多重共線性很弱，式（1）所示的“ln粉絲數”與被解釋變量的回歸模型是成立的，具體的回歸模型如下：

6.2 微博橋接社會資本的影響因素檢驗

運用SPSS軟件對式（2）進行多元線性回歸分析的結果如表3。由表3可知，F的觀測值為30.314，對應的概率P值為0.000，調整后的R2值為0.811。因此，在顯著性水平下，回歸系數顯著不為0，ln關注數與全體解釋變量顯著相關，可建立回歸模型。

表2 式（1）的回歸結果

表3 新浪微博用戶關注數影響因素的顯著性分析

對式（2）進行多元回歸的結果如表4所示。由表4可知，各回歸系數的顯著性檢驗的概率P值小于0.05的顯著性水平，因此“ln粉絲數”與各自變量之間存在顯著的線性關系，將這些自變量保留在模型中是合理的。另外，從容差和方差膨脹因子看，式（2）中各自變量的多重共線性很弱，式（2）所示的“ln關注數”與被解釋變量的回歸模型是成立的，具體的回歸模型如下：

ln關注數=10.258+0.346×ln被轉評數+ 0.565×lnGoogle搜索量+0.366×ln發博數+ 5.127×ln網絡中心度。

通過上述回歸分析，筆者發現兩個回歸模型中4個解釋變量的系數都是顯著的，并且都大于0，因此假設H1和假設H2均得到驗證。

進一步分析發現，在微博橋接社會資本的影響因素中，網絡中心度的回歸系數顯著大于其他影響因素的回歸系數，說明真實世界中的紐帶社會資本對微博橋接社會資本有較大影響。對此，可用微博網絡的“嵌套性”解釋［29］：微博網絡中往往存在以某幾個大V用戶為中心的子網絡，在這個以某大V用戶為中心的子網絡中，信息往往從大V用戶流向普通用戶，而大V用戶又可能是其他網絡中的節點，信息可從其他子網絡流向大V用戶，從而形成嵌套結構；在本文研究中，某用戶較多的真實世界紐帶社會資本使得其在大V用戶所形成的網絡中占有更中心的位置，從而在不同的子網絡中占據橋接點，而這些不同的子網絡之間更多是一種弱連帶，一種松散的、不基于相同情感和理念而形成的聯結，因此表現為較多的微博橋接社會資本。

表4 式（2）的回歸結果

在對微博紐帶社會資本進行的回歸分析中，4個解釋變量的回歸系數相差不大，其中Google搜索量的回歸系數僅比其他3各解釋變量的系數略大。可能的原因是：即使在大V用戶之間也存在微博“跨界”聯絡現象。以前文社會網絡分析中的“蔡康永組”為例：蔡康永是娛樂界的名人，其發表的博文具有較強的吸引力，吸引了其他領域名人的關注，如企業界的名人，導致這些“跨界”交流的名人最初關注某個用戶的因素可能是這個用戶的人氣，也即真實世界的橋接社會資本，此時這種聯結仍然表現為一種弱連帶，僅僅基于“道聽途說”。但是，該用戶的博文內容所體現出的思想內容和情感狀況會使關注者產生情感共鳴，從而形成微博紐帶社會資本。

另一個值得關注的現象是，兩個模型中線下社會資本變量的回歸系數都大于用戶行為變量的回歸系數，說明線下社會資本對微博社會資本的影響更大，這反映出微博社會資本更多還是線下社會資本的體現。

7 研究結論及不足

7.1 研究結論

通過聚類分析，本文發現并區分了微博網絡中存在的5種不同屬性類別的用戶，驗證了“網絡圍觀”現象。通過研究微博社會資本的影響因素，本文發現用戶主動行為和線下社會資本對微博社會資本均有正向作用，而且線下紐帶社會資本對微博橋接社會資本的影響較大，而真實世界的橋接社會資本對微博紐帶社會資本有較大作用；無論是對微博橋接社會資本還是對微博紐帶社會資本，用戶線下社會資本的作用均比用戶主動行為要大。

7.2 研究不足

目前研究線下社會資本與微博社會資本間關系的文獻不多，研究名人微博社會資本的文獻更少，原因之一是測度名人的線下資本比較困難，難以通過問卷調查進行。受限于此，本文作為一種探索性研究，使用線上數據（名人網絡中心度和Google搜索量）測度名人在真實世界中的社會資本，結果可能存在一定偏差。

［1］ CNNIC互聯網發展研究報告［EB/OL］.［2012-11-03］. http：//tech.163.com/12/0719/14/86PI9C3G00094MS8. html.

［2］ HOFER M，AUBERT V.Perceived bridging and bonding social capital on Twitter：Differentiating between followers and followees［J］.Computers in Human Behavior，2013，29：2134-2142.

［3］ HANIFAN L J.The rural school community center［J］. Annals of the American Academy of Political and Social Science，1916，67：130-138.

［4］ BOURDIEU P.Le Capital Social［J］.Acts de la Rechercheen Sciences Socials，1980，31：2-3.

［5］ COLEMAN J S.Social capital in the creation of human capital［J］.The American Journal of Sociology，1988，94（Supplement）：95-120.

［6］ MITCHELL C J.The concept and use of social networks［M］//MITCHELL C J.Social network in urban situations.Manchester，Eng：Manchester University Press，1969.

［7］ CARRINGTON P.Network as personal communities［M］//WELLMAN B.Social structure：a network approach.New York：Emerald Group Publishing Limited，1988

［8］ PUTNAM R D.Bowling Alone：The Collapse and Revival of American Community［M］.New York：Simon& Schuster，2000.

［9］ WILLIAMS D.On and off the net：scales for social capital in an online era［J］.Journal of Computer-mediated Communication，2006，11：593-628.

［10］ LEE J，LEE H.The computer-mediated communication network：exploring the linkage between the online community and social capital［J］.New Media&Society，2010，12（5）：711-727.

［11］ HELLIWELL J F，PUTMAN R D.The social context of well-being［J］.Philosophical Transactions of the Royal Society of London B，2004，359：1435-1446.

［12］ YE Q，FANG B，HE W，et al.Can social capital be transferred cross the boundary of the real and virtual worlds？An empirical investigation of Twitter［J］.Journal of E-lectronic Commerce Research，2012，13：145-156.

［13］ JAVA A，SONG X，FININ T，et al.Why we twitter：understanding micro-blogging usage and communities［C］//ZHANG H.The Joint Ninth Web KDD and First SNA-KDD Workshop 2007 on Web mining and social network analysis.New York：Association for Computing Machinery，2007：56-65.

［14］ 黎悅.微博關系與現實社會網絡關系的比較研究——基于社會網絡分析的視角［D］.南寧：廣西大學，2012.

［15］ KAIGO M.Social media usage during disasters and social capital：Twitter and the great east Japan earthquake［J］. Keio Communication Review，2012，34：19-35.

［16］ 劉春宇.微博客平合上的社會資本研究［D］.南京：南京師范大學，2012.

［17］ Van del Poel.Delineating personal support network［J］. Social Forces，1993，15：49-70.

［18］ 劉軍.社會網絡分析導論［M］.北京：中國社會科學出版社，2004.

［19］ 羅家德.社會網分析講義［M］.北京：社會科學文獻出版社，2005.

［20］ WATTS D.Identity and search in social networks［J］. Science，2002，296：1302-1305.

［21］ DOROGOVTSEV M.Scaling properties of scale-free e-volving networks：continuous approach［J］.Science，2002，301：827-829.

［22］ NEWMAN M E J.The structure and function of complex networks［J］.SIAM Review，2003，45（2）：167-256.

［23］ NEWMAN M E J.Mixing patterns in networks［J］. Physical Review E，2003，67：26-126.

［24］ PASTOR-SATORRAS R，VESPIGNANI A..Epidemic spreading in scale-free networks［J］.Phys.Rev.Lett.，2001，86：3200-3203.

［25］ MARWICK A E，BOYD D.I tweet honestly，I tweet passionately：Twitter users，context collapse，and the imagined audience［J］.New Media&Society，2010，13：114-133.

［26］ BEAUDOIN C E，TAO C-C.Benefiting from social capital in online support groups：an empirical study of cancer patients［J］.Cyber Psychology&Behavior，2007，10：587-590.

［27］ BEAUDOIN C E.News effects on bonding and bridging social capital：an empirical study relevant to ethnicity in the United States［J］.Communication Research，2011，38：155-178.

［28］ STEFANONE M A，JANG C-Y.Writing for friends and family：the interpersonal nature of blogs［J］.Journal of Computer-Mediated Communication，2007，13：123-140.

［29］ 張佰明.嵌套性：網絡微博發展的根本邏輯［J］.國際新聞界，2010（6）：81-85.

Influencing Factors of Social Capital in Micro-blog

Li Xinrui1，Cui Sha2
（1.School of Economics and Management，Tsinghua University，Beijing 100084，China；2.Department of Information Management，Peking University，Beijing 100871，China）

This paper，through cluster analysis，social network analysis and regression analysis，studies the impact of micro-blog user′s active behavior and off-line social capital on his/her social capital in micro-blog with the data from Sina micro-blog.The result shows as follows：the active behavior and off-line social capital of user in micro-blog have positive effects on his/her social capital in micro-blog，and the impact of off-line social capital is greater；off-line bridging social capital have a greater effect on social bonding social capital in micro-blog.

micro-blog；social capital；social network

C91

A

1002-980X（2014）03-0040-08

2013-12-16

李新銳（1984—），男，遼寧沈陽人，清華大學經濟管理學院博士研究生，研究方向：創新創業；崔莎（1989—），女，滿族，遼寧錦州人，北京大學信息管理系碩士研究生，研究方向：信息技術。