突发公共卫生事件中政务微博影响力分析

吴康斌 顾锋

摘 要： 每一次突发性公共卫生事件，都会对社会经济民生造成巨大影响。在应对突发性公共卫生事件时，确保信息畅通尤为重要，政务微博在此环节中发挥了重要作用。针对公共卫生事件爆发期间政务微博数据进行分析讨论，构建了政务微博影响力评价体系，提出了政务微博在应对公共卫生事件时的工作建议。基于国内最大的微博平台——新浪微博，以28个省级行政区新闻办公厅微博账号为研究对象，利用python爬取了相关数据，通过主成分分析法构建了政务微博影响力评价体系，由创造力指标、推动力指標、互动性指标和传播力指标四个一级指标，二级指标则由关注数、粉丝数、原创微博数量等12个指标构成。针对主成分分析结果通过聚类分析法对28个政务微博影响力进行评价和比较。发现我国政务微博水平整体呈金字塔结构，发展存在不均衡不全面的问题，未来在应对公共事件时，要加强政务微博之间的信息互通以及和受众之间的互动。

关键词： 政务微博;主成分分析;聚类分析

中图分类号： C 933; C 934

文献标志码： A

Analysis on the Influence of Government Microblogs inPublic Health Emergencies

WU Kangbin GU Feng

（Antai College of Economics and Management， Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract： Every public health emergency will have a huge impact on the social economy and people′s livelihood. In response to emergencies of public health， it is particularly important to ensure the smooth flow of information， and government microblogs have played an important role in ensuring the accurate and timely disclosure of information. After analyzing and discussing government microblog data during the epidemic period， we build the influence evaluation model of government microblogs and make suggestions for government microblogs in response to public health emergencies. Based on Sina Weibo， the largest microblog platform in China， we studied 28 provincial government microblogs during the epidemic， used python to crawl relevant data， and constructed the influence evaluation model of government microblogs through principal component analysis. The influence evaluation model consists of four primary indicators： creativity indicator， motivation indicator， interactivity indicator and spreading indicator. The secondary indicators include the number of followers， the number of fans， the number of original microblogs and many others. 28 government microblogs are evaluated and compared through cluster analysis according to the results of principal component analysis. We find that most government microblogs have low influence and the current development of government microblog is uneven and incomplete. It is necessary to strengthen the information exchange between government microblogs and the interaction with users.

Key words： government microblog; principal components analysis; cluster analysis

我国《突发性公共事件条例》中将突发公共卫生事件定义为突然发生，造成或者可能造成社会公众健康严重损害的重大传染病疫情、群体性不明原因疾病、重大食物和职业中毒以及其他严重影响公众健康的事件。在突发公共卫生事件中，信息不对称容易造成民众恐慌影响社会稳定，及时有效的卫生科普和舆论引导极为重要。当下，政务信息已经不满足于传统媒体单向传递形式。社交媒体技术作为一种提高公共服务质量的工具，被广泛应用在政府工作中，政务微博就是典型代表。政务微博是指由党政机构或者党政机构官员开通的经过实名认证的发布政务信息、促进政府信息公开、加强官民交流、塑造新型政府、加强公共服务等内容的微博。我国现有微博平台中以2006年正式上线的新浪微博为主要代表，至2020年3月日活用户已达到5.5亿，平台用户数量庞大传播性高同时作为社交平台又具备沟通性，许多组织入驻开设账号以树立组织形象提供更好的服务。 “湖南常德桃园县人民政府官方微博”是我国第一个政务微博账号。随着我国政务公开工作的不断推进，以及民众政策参与意识的逐渐增强，政务微博已不再是星星之火。据《第45次中国互联网络发展统计报告》，截止2019年12月，经过新浪平台认证的政务机构微博为13.9万个，以各级政府机构、官员为主体注册的政务微博，已成为政府倾听民情、沟通民意、服务民生、提升社会管理水平的一种尝试。在突发公共卫生事件抗击战中，无论是在国家卫健委的每日数据披露即各地动态数据的实时播报，还是在健康卫生知识的科普传播，政务微博都发挥了重要作用。综上，本文选定新浪微博平台对政务微博展开讨论。

1 微博平台及用户行为分析

通过对微博平台进行分析，将该平台的主要功能归纳如下：发布、转发、评论、点赞、@、参与或发起话题。发布功能主要有两种形式，一是原创内容发布，二是转发其他账号内容，在转发的过程中可以对原微博内容进行补充或者评价以表达自己的观点;转发功能是指将其他用户发表的内容转发至个人主页动态，其实也是另一种形式的发布;评论功能是指对平台上的动态内容或者评论进行回复;点赞功能是指对平台上的动态或者动态下的评论点赞;@功能是指在发布或者评论时提及其他用户且该用户会收到提醒;参与或发起话题是指在微博平台上参与某一热点话题讨论，具体操作是通过发布内容时带入话题标签。

通过对多个政务微博账号深入分析，我们将政务微博中用户行为分为账号主体行为和其他用户行为。账号主体行为主要有关注、原创微博发布、转发微博、@其他用户、参与话题。而其他用户行为主要有对政务微博进行关注、对其发布的内容进行评论、转发、点赞。从统计数据上看原创微博和转发微博获得的评论量、转发量、点赞量存在明显差距，原创微博获得的评论量、转发量、点赞量明显更高。因而，本文后续讨论中分别对原创微博、转发微博的转发、评论、点赞情况做讨论。

2 实证分析

2.1 数据来源

此次新冠肺炎疫情持续时间长，最早爆发于湖北武汉后蔓延至各地区，为防止进一步扩散武汉宣布封城，隨后全国各省也纷纷启动一级卫生响应。在政府、医疗和群众等各方人员奋战后武汉终于解除封闭，也意味着取得了阶段性胜利。据此，本文以2020年1月23日至2020年4月8日为研究时段，值得注意的是，政务微博工作和城市网络环境密切相关，在对具体政务微博进行评价时应当考虑到其所处的客观条件，部分政务微博由于所处地区的特殊性其政务微博工作相对特殊不纳入本文讨论范围，最终确定了28个省级行政区新闻办公厅微博账号作为研究对象。通过python爬取了关注数、粉丝数量、微博数量、原创微博数量、评论量、转发量、点赞数、原创微博评论量、原创微博转发量、原创微博点赞数、话题数和@数的相关数据。

2.2 主成分分析

在开展主成分分析之前，运用KMO 检验和Bartlett球形检验对样本进行实用性及指标相关性检验。结果显示，KMO指=0.607>0.6在可接受范围内，Bartlett球形检验卡方近似值为324.382，显著性水平P值=0.000<0.05。综上所述，表明变量之间相关性显著，可以进行主成分分析。

进一步计算各个主成分的贡献率和累积贡献率如表1所示。按照初始特征值大于1提取了主成分，其方差百分比分别为40.477%、22.344%、13.568%和9.384%，其总方差解释累计为85.774%。即提取出的四个主成分基本可以全面反映原始数据信息，碎石图也对此进行了印证。

对提取的四个主成分做进一步分析，从表2成分矩阵看，在第一主成分上，各指标均有一定载荷量，其中原创微博评论量、原创微博转发量、原创点赞数、关注数、@数以及原创微博数量载荷量较高。原创微博是账号主体一种创造性行为，@本身大多出现于原创微博内容中，而原创微博的转发、评论、点赞则是用户对于原创性内容的回应。所以将第一主成分命名为创造力指标;在第二主成分上，转发微博数量、转发微博评论量、转发微博转发量以及转发微博点赞数有较大的载荷量，同时话题数也有一定的载荷量。以上指标主要是话题参与和转发微博相关指标，主要反映了该账号对于微博话题以及非原创性内容的推动放大传播作用，所以第二主成分命名为推动力指标;第三主成分在粉丝数、转发微博数量、原创微博点赞数、原创微博评论量、原创微博转发量、转发微博点赞数、转发微博转发量、转发微博评论量上有较高载荷。其中转发微博数量反映的是该政务微博账号与其他账号之间的互动行为，而关注成为粉丝、转发、点赞、评论均是用户行为，主要反映了该账号粉丝的活跃度。综上将第三主成分命名为互动性指标;第四主成分在转发微博数量、原创微博转发量以及转发微博转发量有较大载荷。这三项指标都围绕着微博平台的转发行为，而转发行为的根本目的则是让内容在平台更广泛地传播，所以将其命名为传播力指标。

从表3成分得分系数矩阵可以得到政务微博影响力计算公式：

MI=0.405I1+0.223I2+0.136I3+0.094I4（1）

I1=0.155X1+0.141X2+0.139X3+0.011X4+0.167X5+0.112X6+0.164X7+0.078X8+0.161X9+0.122X10+0.089X11+0.143X12（2）

I2=-0.139X1-0.113X2+0.094X3+0.233X4-0.155X5+0.217X6-0.151X7+0.284X8-0.171X9+0.220X10+0.081X11+0.137X12（3）

I3=-0.121X1+0.134X2-0.341X3+0.248X4+0.178X5+0.172X6+0.093X7+0.172X8+0.171X9+0.125X10-0.439X11-0.257X12（4）

I4=0.028X1-0.177X2+0.156X3+0.515 X4+0.063X5-0.446X6+0.238X7+0.331X8+0.080X9-0.434X10+0.026X11+0.036X12（5）

计算结果如表4所示。

从创造力指标得分和排名可知，前五名分别是上海发布、天津发布、四川发布、云南发布和北京发布。具体来看，这五个政务微博原创微博数量均较高，也获得了较多的网友回应。其中天津发布原创微博数量高达4000余条，并且灵活使用@功能直递信息，而上海发布的原创微博则获得了较高的评论和转发。总体来看，这五个政务微博的原创微博在数量上和群众回应上均都有较好的表现。

从推动力指标分析，排名前五的分别是天津发布、辽宁发布、四川发布、陕西发布和浙江发布。这五个政务微博的推动力较大，对于转发微博内容有较好的放大传播效力。其中辽宁发布转发微博数量最多达到了1300余条，而四川发布转发微博则获得了较高的评论和点赞。目前，政务微博账号之间转发互动行为主要是出现在同一城市或者同一领域相关政务微博。政务微博账号的推动力越大，越有助于政务信息传播从而更好地服务群众。

从互动性指标得分和排名来看，前五名分别是上海发布、辽宁发布、山东发布、精彩河南和四川发布。这五个政务微博均有较高的互动性，粉丝基数高也是其微博内容获得较高转发、点赞以及评论的原因之一。互动行为一方面有助于增加用户粘性，另一方面有助于形象树立。

从传播力指标分析，前五名是上海发布、重庆发布、辽宁发布、云南发布、湖南发布。这五个政务微博的转发行为较高，表现在账号用户主动转发以及被动转发即其他用户转发。转发行为有助于提高政务信息在平台上的曝光度，让更多群众了解获悉相关信息。

从综合得分排名分析，28个政务微博的影响力存在显著差距。天津发布、辽宁发布、四川发布、上海发布、陕西发布依次位居前五，综合发展良好。但是这五个政务微博在各主成分上的排名也出现了极端现象，例如上海发布在创造力指标排名第一但是推动力指标排名28。可见政务微博发展尚不全面，往往出现顾此失彼的情况。综合排名靠后的政务微博分别是河北省人民政府、福建发布、海南发布、黔办之声和宁夏政务发布。这五个政务微博微博数量少且与其他用户互动少，转发评论点赞情况均不理想。在日后的政务微博工作中，需要增加账号活跃度，以及加强微博用户粘性，从而提升影响力。

2.3 聚类分析

为深入对比研究政务微博影响力水平之间的差异，本文根据主成分分析提取的四个主成分，即创造力指标、推动力指标、互动性指标和传播力指标作为自变量对28个政务微博进行系统聚类分析。将聚类类别范围设定为4～9，得到结果如表5所示。

如表中所示，4 clusters、5 clusters和6 clusters均有一类聚类数样本量过大，超过总样数的一半。对比7 clusters和8 clusters的结果，有五个样本发生了变化，说明7 clusters的分类没有足够体现差异性。对比8 clusters和9 clusters，仅有一个样本聚类发生了变化，且在9 clusters中有五个类别仅有一个样本，分类过于分散。综合分析，本文最终选定8 clusters的结果进行分析讨论。

值得关注的是，系统分类结果中2、3、7和8类样本数量均为1，分别是天津发布、上海发布、辽宁发布和四川发布。具体分析这四个政务微博发现它们综合排名位列前四，之所以单独成类是因其在各主成分表现出了极大的反差。在某个主成分排名第一绝对领先在另一个主成分则排名靠后，这导致最终系统分类过程中与其他样本距离过大。比如天津发布推动力指标排名第一，创造力指标排名第二，而互动性指标和传播力指标只有23、24名。这一方面体现了这四个政务微博在某些指标和综合评价上的突出表现，同时也反映了不均衡发展的问题。因而，本文将这四个政务微博归为绝对领先类。

第二类是综合优秀类，有北京发布和陕西发布，在创造力指标、推动力指标、互动性指标和传播力指标上排名分别是5、12、18、26和6、4、17、25，综合排名位5和7。这说明这两个政务微博在四个指标上尽管存在一定差距但是没有极端现象，凭借较高的创造力和推动力得分获得了较高的综合排名。

第三类是综合良好类，有重庆发布、湖北发布和云南发布，在四个主成分排名分别是8、27、15、5和17、6、21、3以及4、25、22、4。在综合排名上分别位列9、10、6。可以看出在推动力指标或互动性指标上排名均相对靠后，但在其他指标上表现优势明显，总体上表现较好。

第四类是综合中等类，有山西发布、微博江苏、江西发布、甘肃发布和新疆发布。这一类政务微博在互动性上排名靠后，其他指标上排名虽无领先但整体靠前。建议这几个政务微博工作加强互动，提升用户粘性。

第五类是综合落后类，这一类数量较多聚集了14个样本，分别是河北省人民政府、吉林发布、黑龙江发布、浙江发布、安徽发布、福建发布、山东发布、精彩河南、这里是湖南、广东发布、海南发布微博、黔办之声、青海发布和宁夏政务发布。这一类政务微博的各主成分排名以及综合排名均不太理想，创造力指标和推动力指标排名落后显著。这14个政务微博需要在工作中做进全面调整，以提升综合水平。

3 结论

本文将原创性内容与转发性内容进行了分开讨论，在此基础上提取了创造力指标、推动力指标、互动力指标和传播力指标。在此次公共卫生事件中，政务微博影响力整体上呈现金字塔结构，底层数量较大有14个政务微博占总体50%，顶层和中层数量较少。总体来看，发展相对落后的14个政务微博需要对以往工作进行总结问题思考对策，比如个别政务微博存在发布不积极、信息过少等问题，同时也需要借鉴和学习优秀政务微博的长处。而处于顶层的政务微博发展存在不全面的问题，各指标得分排名反差大，未来工作中要大力补足短板，提高整体水平。未来在应对突发公共卫生事件时，政务微博要注意加强政务微博之间的信息互通，加大信息的曝光度，同时要加强与受众之间的互动，可以通过投票、提问等方式引导其参与互动以提高用户粘性。

政务微博本质是政务服务，公众满意度也是衡量其工作绩效的重要指标，由于条件所限，本文未能就此展开讨论。同时受限于数据获取，未将私信数量、阅读量、账号主体发出评论数量等非公开数据指标纳入讨论，政务微博与受众的互动也局限于被动互动行为。未来可以尝试与政务微博合作开展研究，将非公开数据纳入变量进行研究讨论。

参考文献：

[1] 新华网. 突发公共卫生事件应急条例[J]. 河北省人民政府公报（3期）：1-3.

[2] OLIVEIRA G H M ， WELCH E W . Social media use in local government： linkage of technology， task， and organizational context[J]. Government Information Quarterly， 2013， 30（4）：397-405.

[3] 陈静， 袁勤俭. 国内外政务微博研究述评[J]. 情报科学， 2014， 32（6）：156-161.

[4] 白建磊， 张梦霞. 国内外政务微博研究的回顾与展望[J]. 图书情报知识， 2017， 000（003）：95-107.

[5] 赵阿敏， 曹桂全. 政務微博影响力评价与比较实证研究——基于因子分析和聚类分析[J]. 情报杂志， 2014（3）.

[6] 刘清， 彭赓， 吕本富. 基于主成分分析法的微博影响力评估方法及实证分析——以"新浪微博"为例[J]. 数学的实践与认识， 2014（4）：49-56.

[7] MAGRO M J . A review of social media use in e-government[J]. Administrative Sciences， 2012， 2（2）：148-161.

[8] 王亚民， 宁静， 马续补. 基于社会化媒体的公共政策舆情预测研究[J]. 情报理论与实践， 2019， 41（3）：87-93.

[9] 陈明. 政府应对突发事件舆论引导研究[D]. 华中科技大学.