当前，微博已经成为一种重要的信息传播渠道。通过Web等各种客户端，用户可以任意组建个人社区并基于用户和用户之间的社会关系实现信息的分享、传播与获取。然而，微博在方便了人们进行信息交流和获取的同时也不可避免地带来了一些负面的影响。由于网络的普及化，“每个人手里都有一个麦克风”，“一条微博改变一个人的命运”，无形中使每个人的话语权增大，因而任何一个微博用户发出的信息都有可能在网络上大面积传播，导致网络舆情等重大事件的发生。比如2012年初轰动一时的清华大学建筑学院副院长中伤清华大学校长事件、北京大学教授邹恒甫爆料的“桃色新闻”事件等均造成了重大的社会影响。因此，研究微博信息的传播过程，分析和引导微博舆论向合理、健康的方向发展便成为了当前的一个重要研究课题。

由于微博社区是用户各种社会关系所形成的虚拟的网络化结构，因此，基于网络分析的方法研究微博社区的结构特征和信息的传播方式成为目前微博舆情研究中的一个重要方向，如平亮、宗利永利用社会网络中的中心性分析研究了新浪微博的用户结构，发现了微博用户社团结构存在较大的中心性^[1]；袁园等同样以新浪微博为平台，通过社会网络分析辅以聚类分析的方法挖掘用户关注对象的关联性，提出了改进微博关注的建议^[2]。此外，田占伟等基于复杂网络理论研究了微博信息的传播，发现了微博网络有着集群性、小世界、高度中心化的特征，信息在微博网络中的传播比其他在线社会网络更高^[3]；许晓东等则通过模拟微博在微博社区内的传播，发现了谣言的传播会受到有效传染率和网络度分布熵的影响^[4]。

然而，通过归纳和分析这些研究可以发现，目前的微博网络研究大多集中在用户网络的复杂结构性分析方面，而没有考虑到作为网络节点的用户个体所具有的一些特殊性质，如用户之间的连接关系和信息传播的不对称特性等^[5-7]。因此，本文通过采集微博用户信息，对用户不同个体属性之间的特征行为进行统计分析。

本文分析的微博用户数据来自于新浪微博。新浪微博是目前国内最大、用户最多的微博网站。据统计， 2012年伦敦夏季奥运会期间，新浪微博占据国内四大门户微博PC端用户的总停留时间达到了70.6%^[8]。通过随机抽取的方法， 以2011年12月31日至2012年1月31日为时间段，收集了用户信息数据共计20万条，其中有效用户信息包括用户性别、粉丝数量、发布的微博数量、关注数量、受教育情况、是否认证、出生日期等。对用户信息缺失或异常的数据进行了筛除处理，最后得到有效的用户信息数据为53 281条。针对用户信息建立个体属性变量，得到结果如下：

● 性别（男/女）

● 是否认证（是/否）

● 教育情况（大学/高中/初中/小学）

● 年龄（20岁以下/21-30岁/31-40岁/41岁以上）

在网络上，微博用户的特征行为主要有三种：关注他人、被他人关注、发布微博信息。其中第一种反映的是用户主动关注他人并从其他用户那里获得信息的行为，一般用关注数来表示，用户的关注数越大，其主动交往的活跃性越强；第二种反映的是用户被动受到他人关注，但自身的一言一行会对其他用户产生影响的行为，一般用粉丝数来表示，用户的粉丝数越大，则用户的影响力就越大；第三种行为则反映了用户创建或传播信息的行为，一般用发布和转发的微博数来表示，用户的微博数越大，表明用户所释放的信息量就越大。

首先，对微博用户的个体属性分布进行探索性统计分析。在所收集的新浪微博用户信息数据中，显示为“男性”的用户共有38 710人，占总体的72.7%，而显示为“女性”的用户数量为14 571人，占总体的27.3%。而在是否认证方面，显示为“已认证”的用户数量为10 708人，仅占样本总数的20%。一般来讲，认证行为反映的是用户的诚信程度，在微博用户中完成认证、具有一定诚信程度的用户的比例较低。而在受教育程度方面，显示为“大学”学历的用户数量最多，所占比例达到了84.3%（见图1），其次是“高中”学历（10.5%）、“初中”学历（3.9%）和“小学”学历（1.3%）。在年龄的分布上，20-30岁之间的年轻群体占总样本的比例达到了73.1%，而其他年龄段的群体则仅占26.9%（见图2），由此可见低年龄段的人群构成了微博用户的主体。

在微博用户的三种特征行为中，关注他人和被他人关注这两种行为是微博用户社交网络形成的基础，但由于用户在关注他人的同时不可能完全相应地获得对方的关注，因而在用户之间就形成了一种不对称的结构性特征^[4]（见图3）。从网络结构的形成来说，用户主动关注他人的行为要更为重要，因为这种行为直接导致了用户之间的社会关系的建立。但对于被关注的用户来说，其受到的关注越多，则被关注的程度越大，其一言一行对其他用户的影响就越大，因而在网络中的重要性就越大^[9]。因此，本文对微博用户的粉丝数进行量化分级，以粉丝数量级来反映用户在网络中的重要性程度，然后分别分析不同个体属性下的用户分布。

对用户的粉丝数，分别按照100万以上、10万以上-100万、1万以上-10万、1千以上-1万、1千及以下等不同的量级进行分类，然后分别统计各粉丝数量级用户的个体属性分布，结果见表1。如果以粉丝数作为用户在微博网络中重要性程度指标的话，从表1可见，用户的重要性越突出，则相应的粉丝数量就越少，也就是说，拥有较多粉丝数的用户在微博网络中始终为少数。对于性别这一个体属性来说，无论对应哪个粉丝数量级的用户，男性的比例始终要高于女性。而从表示用户诚信程度的认证行为来看，已经认证的用户在群体中的比例却随着用户粉丝数量级的下降而减少。

在受教育程度方面，具有“大学”学历的用户在不同粉丝数量级下的用户群体中所占的比例始终远远高于其他学历的用户，即在微博网络中无论用户的重要性程度如何，大多数成员都具有较高的学历。而在年龄方面，在不同粉丝数量级的用户群体中，21-30岁的年轻用户一直占据了较大的比例，并且随着用户粉丝数量级的降低，该年龄段用户所占比例呈逐渐增加的趋势。

最后，对不同粉丝数量级的用户群体分别统计了该数量级下的平均粉丝数、平均关注数和平均微博数。从结果可见，在粉丝数量级为1千以上的所谓 “精英”用户群体中，用户的平均粉丝数均远远大于其平均关注数，显示了用户之间相互关注的不对等性，只有在粉丝数量级在1千及以下的用户群体中用户的平均粉丝数与平均关注数比较接近，这反映出对于粉丝数量级处于1千及以下的“草根”阶层，其在关注他人的同时基本能够得到他人同等的关注。此外，从用户发布的微博数量来看，粉丝数量级高的用户，其发布的微博数量基本处于较高的水平，这反映出在微博用户网络中用户的重要性和影响力越大，其释放的信息量也越大^[9]。

对微博用户来说，不同的个体属性可能会导致不同的特征行为。为此，采用独立样本t检验和单因素方差分析的方法，利用SPSS统计软件，对具有不同个体属性的用户特征行为进行分组比较分析。

首先，对用户的性别和认证个体属性，利用独立样本t检验来分别分析男性和女性、认证用户和非认证用户之间特征行为的差异性，结果见表2。从表2可见，男性用户和女性用户之间、认证用户和未认证用户之间在粉丝数、微博数以及关注数等行为上的F检验显著性水平均达到了0.01，表明不同性别和不同认证水平的用户在三种行为的分布上具有方差齐性。随后，利用t检验分别分析不同属性用户组之间的均值差异性。结果显示，不同性别用户之间的粉丝数、微博数和关注数的t统计量分别为7.04、12.03和25.55，不同认证水平用户之间的粉丝数、微博数和关注数的t统计量分别为9.422、28.625和6.382，显著性水平均为p=0.01，这表明不同性别和不同认证水平的用户群体之间在特征行为上存在显著性差异。

从具体的均值水平来看，男性用户的平均粉丝数大约是女性用户的两倍，而且男性用户的关注数也要多于女性，说明了男性用户在微博交往中比女性用户更具有主动性。但从平均发布微博数来看，男性用户的信息发布能力要略低于女性用户。此外，认证的用户在粉丝数、微博数和关注数上均显著性地高于未认证的用户，说明具有较高诚信度的用户在主动关注他人、被他人关注和信息释放的能力上都具有较高的显著性。

对于年龄和教育程度两种个体属性，由于其类别均为4个，因此采用单因素方差分析的方法分析不同年龄和教育程度用户行为之间的差异性。首先，对不同年龄和不同教育程度的用户行为进行方差齐性检验，结果如表3所示。

从表3可见，F统计量显著性水平均达到了0.05，表明方差具有齐性，即不同年龄和不同教育程度的用户的特征行为具有不同的总体分布。随后，采用最小显著差数法进行不同个体属性用户行为均值间的配对比较。对于受教育程度属性，高中学历的用户与初中学历用户（p=0.037）和大学学历用户（p=0.003）之间在拥有的粉丝数上有显著的差异性，而大学学历用户在关注数上与小学（p=0.001）、初中（p=0.001）、高中（p=0.001）学历用户之间均存在显著性差异，在发布的微博数上，只有初中学历用户与大学学历用户（p=0.584）之间不存在显著性差异。而从具体均值水平上来看，具有初中学历的用户平均拥有的粉丝数量最多，其次为具有大学学历的用户，而高中学历的用户最少。在信息释放能力上，大学学历的用户平均发布的微博数量最少，而小学学历的用户平均发布的微博数量反而最多。由此可见，虽然具有大学学历的人群在微博用户群体中所占比例最大，但重要性程度和信息释放能力却不是最显著的。

对年龄属性，均值检验结果表明，41岁以上用户群体与其他三个年龄段的用户群体之间在粉丝数分布上存在显著性差异（p均为0.001），而在关注数上，21-30岁年龄段的用户与20岁以下用户（p=0.001）与41岁以上用户（p=0.001）之间存在显著性差异，在发布的微博数上，各个年龄段用户之间均存在显著性差异（p均为0.001）。而从具体的均值水平来看，表现为随着年龄段的增加，用户的平均粉丝数、关注数和微博数均逐渐增大。这反映出年龄较大的用户在微博网络中的重要性程度和信息释放能力均优于年龄较小的用户。

通过收集新浪微博用户的信息并对不同个体属性下的用户行为进行统计，可以发现：①在基于个体属性的用户数量分布方面，“男性”、“未认证”、“大学学历”、“21-30年龄段”的用户构成了微博用户的主体。②通过分析微博用户的不对称社会关系，以粉丝数作为衡量用户在微博网络社团中的重要性程度指标，分析结果表明在不同粉丝数量级的用户群体中，“男性”、“大学学历”、“21-30年龄段”的用户仍然占较大的比重，而“未认证”的用户在群体中所占比例随着用户粉丝数量级的降低而增加。③对不同个体属性的用户进行行为比较分析发现，“男性”用户的平均粉丝数和关注数较多，表现出其在微博交往中具有较大的主动性，但在信息发布方面较差；而“已认证”用户在各项行为上均要好于“未认证”的用户；“大学学历”的用户虽然在群体中所占比例最大，但无论从信息发布还是从网络重要性程度来看都不是最显著的；随着用户年龄的增加，其各项特征行为都变得更为活跃。

通过对微博用户的行为进行分析，可以发现具有不同个体属性的微博用户之间的特征行为存在较大的差异，主要体现为社会关系的不对称性、信息发布的不一致性、活跃程度的不相同性，而这些特征行为的差异又会对微博用户的信息传递产生重要的影响。其中，拥有粉丝数较多的用户会具有较大的网络影响力，因而一旦这种类型的用户在微博中发布或转发信息就会立即传递给关注他的用户，形成短时间内信息的大面积快速扩散。而对于具有不同个体属性的用户群体来说，其信息的传递行为又会受到具体的个体属性的影响，因为不同用户之间所关注的信息类别是不同的，例如年轻用户会更关注时尚一类的信息、男性用户会更关注体育一类的信息等，因此所形成的信息敏感度不同，最终造成信息传递后果也会有所不同。因此，无论是在微博用户网络的结构分析方面，还是在基于社会网络的微博舆情传递的模拟研究中，都应当进一步考虑微博用户个体属性对其特征行为的影响，使研究更具有合理性。