基于統計回歸模型的突發事件網絡輿情研究

●楊 暢，蘇國強，蘭月新，何永紅

(武警學院，河北廊坊 065000)

(本欄責任編輯、校對 劉彥超)

1 現狀分析

據CNNIC發布的《第33次中國互聯網絡發展狀況統計報告》顯示，截至2013年12月底，我國網民規模達6．18億，全年共計新增網民5 358萬人，互聯網普及率為45．8%，較2012年底提升了3．7個百分點。與此同時，手機網民繼續保持良好的增長態勢，規模達到5億，年增長率為19．1%，手機繼續保持第一大上網終端的地位。［1］突發事件網絡輿情，是指突發事件發生后，網民對于突發事件的意見、情緒和態度的總和。［2］突發事件發生后，人們通過互聯網、新聞媒體報道、即時通訊工具等渠道能夠在第一時間獲取相關信息，并且利用網絡這個平臺表達各自的觀點。由于突發事件的影響大，給人反應的時間短，容易滋生各種“小道消息”。如果不及時掌控突發事件網絡輿情發展態勢，并在適當時間進行有效干預，則可能造成突發事件事態擴大。例如，2011年初的日本核泄漏發生后，網絡上就流傳著核泄漏污染海洋影響食鹽的消息，引發了國人的恐慌，導致各地市民瘋狂搶鹽。

近年來，國內外學者對突發事件輿情及其相關內容進行了研究。霍良安等以日本大地震為例，分析在突發事件中謠言的傳播機理，探討謠言傳播的影響因素，尋找謠言泛濫的原因，剖析謠言傳播的新特點。［3］張一文等在《網絡輿情與非常規突發事件作用機制》中，利用系統動力學建模探究事物自身演化機理，為控制非常規突發事件網絡輿情擴散，引導非常規突發事件輿情傳播提供有力依據。［4］蘭月新等在《突發事件網絡輿情演進規律模型研究》中通過研究突發事件網絡輿情形成過程及其影響因素，建立突發事件網絡輿情演進規律的微分方程模型，確定輿情擴散過程中的三個特征時間點和輿情發展的四個時段，研究不同時段政府的應對策略。［5］研究網絡輿情的發展動態，探索網絡輿情的發展規律，有利于提升政府管理部門應對突發事件網絡輿情的能力。本文在研究網絡輿情傳播特點的基礎上，通過數學統計回歸模型研究網絡輿情的演化規律，以期為政府應對突發事件網絡輿情提供思路。

2 突發事件網絡輿情傳播規律分析

2006年1月國務院頒布的《國家突發公共事件總體應急預案》規定:“根據突發公共事件的發生過程、性質和機理，突發公共事件主要分為自然災害、事故災難、公共衛生事件和社會安全事件。”突發事件發生的時間、規模及其發展趨勢往往難以預測，并且帶來較大的社會影響，突發事件網絡輿情具有突發性、連鎖性、關注性等特點。突發事件網絡輿情傳播階段一般包括形成期、高潮期和消退期［6］，傳播模式如圖1所示。

由圖1可知，突發事件網絡輿情形成期的時間較短，事件發生后迅速攀升并達到輿情高潮，而消退階段經歷的時間比較長。突發事件發生后的第一時間里，網民通過新聞媒體、網絡、即時通訊等媒介獲得有關事件的文字、圖片、音頻、視頻，并對事件進行討論傳播，投以自己的態度、情感、認知、觀點、誤解、猜疑。如果突發事件的真相得不到證實，網民就會有意無意地進行渲染甚至惡意炒作，使事情真相被歪曲。例如，湖北“石首事件”原本是一個青年廚師墜亡事件。然而，當地政府和相關部門消極應對，極力隱瞞真相、封鎖消息。與此同時，網絡上對該事件進行了失實“報道”。在這種情況下，當地政府仍然沒有直面網民、平息民憤，導致網上輿論轉化為網下行動，在短短一天時間內，引發了后果嚴重的群體性事件，致使事件處置起來更加棘手。因此，突發事件發生后，政府應該第一時間向公眾公布事實真相，解除民眾的疑惑，并對網絡上的流言蜚語進行辟謠，控制輿情的走向，降低輿情高潮點。

圖1 突發事件網絡輿情傳播規律圖

3 突發事件網絡輿情傳播模型

突發事件網絡輿情從事件開始后迅速發展達到高潮，單純從突發事件網絡輿情影響與時間的傳播規律來看，很難對其各個時間段的輿情增長情況進行研究。通過對輿情的新聞詞頻進行累加，可以引入統計回歸模型來分析突發事件網絡輿情的傳播規律，如圖2所示。

圖2 新聞詞頻累加量與時間關系圖

3．1 模型假設

設網絡新聞詞頻累加量為y，傳播的時間為x，二者之間的關系為y=f(x，β)，其中β為參數。由突發事件網絡輿情的基本性質可知，新聞詞頻累加量與時間成正比;當時間較長時，新聞詞頻累加量漸進飽和，將趨于一個固定值。下面的模型具有這種性質:

Michaelis-Menten模型

指數增長模型

3．2 Michaelis-Menten 模型

上述模型對于參數β=(β1，β2)是非線性的，但是可以通過下面的變量代換化為線性模型

突發事件的網絡輿情傳播規律告訴我們，新聞詞頻最終累加量會受到各種因素的影響，比如政府對事件做出的回應、新聞媒體的報道、意見領袖的看法、網絡炒作、網絡謠言、網絡推手等，都會影響輿情新聞詞頻的最終累加量，如圖3所示。

圖3 受影響的新聞詞頻累加量與時間關系圖

為了考慮其他因素對突發事件網絡輿情的影響，以下采用對原有模型附加增量的方法，來考察輿情的反應模型

3．3 指數增長模型

上述公式可以以時間x為橫坐標，以ln(β1-y)為縱坐標，β1表示新聞詞頻最終累加量，當β1取不同值時有不同的擬合系數R，R越接近1，β1越接近實際值。

4 實證分析

筆者選取哈爾濱陽明灘大橋坍塌后的網絡輿情作為研究對象，從而嘗試驗證突發事件網絡輿情的傳播規律。2012年8月24日早上5點30分左右，哈爾濱市陽明灘大橋一引橋發生坍塌，事發時有4輛貨車停放在橋上。事故致使3人死亡，5人受傷。該橋總投資18．82億元，原計劃3年建成但僅耗時18個月。大橋于2011年11月6日竣工，距此次坍塌事故發生，通車時間僅9個月。就在事發當天，有媒體曝出“哈爾濱市建委有人說大橋指揮部解散了，找不到施工單位”。一時間輿論嘩然，網上一片批評聲。針對網民質疑，哈爾濱市25日召開新聞發布會回應“此事并不存在”。隨后兩天又對該事件進行回應，宣稱該事故是由貨車超重引起的，不屬于施工質量問題。［7］來自網眼輿情研究中心的數據顯示，之所以在8月24日出現輿情高潮是因為哈爾濱市政府沒有在第一時間對該事件進行回應，8月25日民眾初步了解該事件后，輿情呈下降趨勢，如表1所示。

表1 哈爾濱陽明灘大橋坍塌事故中時間與新聞詞頻統計表

圖4是經過累加后的哈爾濱陽明灘大橋坍塌新聞詞頻累加量與時間的關系。下面，筆者首先對該模型進行分析，然后探討是否有更一般的模型來統一刻畫該類事件，進而揭示其中的聯系。

圖4 哈爾濱陽明灘大橋坍塌事故新聞詞頻累加量圖

4．1 Michaelis-Menten模型

上述模型對于參數β=(β1+λ1，β2+λ2)是非線性的，但是可以通過下面的變量代換化為線性模型

圖5 的散點圖和回歸直線

表2 線性化模型參數的估計結果

4．2 指數增長模型

當β1取不同值時有不同的擬合系數R2，如表3所示。

表3 β1與R2的對應關系

取β1的值為β1≈165 350時，R2=0．994 7具有較高的擬合度，上述公式可簡化為

以時間x為橫坐標，以ln(165 350-y)為縱坐標，如圖6所示。

圖6 x與ln(165 350-y)的回歸直線圖

得出β2=0．029 2，利用指數增長模型對哈爾濱陽明灘大橋坍塌事件新聞詞頻累加量的數學模型可規劃為

對y進行求導，可得y=165 350，所以該事件的新聞詞頻最大的累加量接近于165 350。

5 應對策略

無論是從突發事件傳播規律還是從獲得數據的分析來看，突發事件輿情與時間之間的關系都是非線性的，本文利用線性模型來簡化參數估計。通過對哈爾濱陽明灘大橋坍塌事件輿情傳播規律的分析研究，筆者認為對于突發事件網絡輿情可采取以下應對策略。

5．1 公布權威信息

由上述模型可知，突發事件網絡輿情發展期階段時間短。據研究，社會上的突發事件一旦發生，一般2至3小時后就會在網絡上出現，6小時后便會被多家網站轉載，24小時后網上的跟帖和討論就可以達到高潮。［8］可見，突發事件發生后，政府需要跟網絡上的謠言進行競爭，要搶在謠言之前及時公布權威信息。政府公布的信息應該是比較全面的，能夠客觀地反映事實真相。如果政府公布的信息不完整，就容易被媒體和網民進行惡意串聯，而引發更大的輿情，反而起到適得其反的效果。因此，政府應該建立一個快速高效的突發事件網絡輿情反應機制，突發事件發生后能夠適時恰當地公布權威信息，增強信息的公信力，避免信息媒體或網民歪曲地解讀信息。

5．2 分析影響輿情的參數

在上述模型中，筆者重點分析了各個參數對輿情發展的影響。政府部門通過對突發事件輿情的參數作出相應的分析，就能提前獲知突發事件輿情發展的規律，就能盡早地采取應對措施。由上述的輿情傳播數學模型可知，突發事件輿情的最終累計量為β1，降低輿情影響的關鍵在于降低β1。采用Michaelis-Menten的混合模型時關鍵是要把握住λ1，如果λ1為負數，則輿情有所降低;如果λ1為正數，則輿情有所上升。在對突發事件輿情進行研判時要注意這幾個參數，盡早采取措施來降低其對輿情的影響。

5．3 完善監測系統

輿情的監測是利用計算機軟件，采用網絡數據信息挖掘、網絡內容動態分析等方法，對網絡上出現的網民關于事件的一些態度和討論進行監測。在突發事件發生后，可以通過對該事件在網絡上引發的輿情進行分析，建立起上述的數學模型。這個數學模型是對輿情的一種預測，當將監測到的輿情與構建的數學模型進行對比時就可以發現差異。這樣就能制定更好的策略來縮小之間的差異，使輿情的發展始終處于可控范圍內。與此同時，通過對突發事件網絡輿情的監測，還可對網絡輿情的整體發展趨勢作出預先的判斷。輿情監測要運用具體可行的方法來量化和分析，最終做到指標體系完整，內容準確有效，設計合理科學。

［1］中國互聯網絡信息中心．第33次中國互聯網絡發展狀況調查統計報告［EB/OL］．(2014-03-02)．http://www．cnnic．net．cn/hlwfzyj/hlwxzbg/hlwtjbg/201403/t20140305_46240．htm．

［2］喻發勝，王曉紅，陳波．網絡傳播的衍生效應與網絡輿論［J］．湖北社會科學，2010，(5):179-181．

［3］霍良安，黃培清．突發事件中的謠言傳播問題研究［J］．情報雜志，2011，(10):77-81．

［4］朱恒民，李青．面向話題衍生性的微博網絡輿情傳播模型研究［J］．現代圖書情報技術，2012，(5):60-64．

［5］蘭月新，鄧新元．突發事件網絡輿情演進規律模型研究［J］．情報雜志，2011，(8):47-50．

［6］陳燁．突發事件中的網絡謠言傳播研究［D］．武漢:華中師范大學，2010．

［7］8·24哈爾濱陽明灘大橋坍塌事故［EB/OL］．(2013-06-24)．http://baike．baidu．com/link?url=gJ_1ivQtl3iCU7IPb04srg7rq 6j3zWDKElV5D7ykewGeNnK-EshpZpX95laXbTaAlY_3R5VySj18 k7ovMopzNK#1．

［8］姜勝洪．網絡輿情熱點的形成與發展、現狀及輿論引導［J］．理論月刊，2008，(4):34-36．