微博的评论转发行为对微博内容的传播、微博情绪的感染与扩散起到至关重要的作用。它是微博公共事件情绪共振的核心机制之一。而究竟拥有哪些特性的信息更容易引发用户的转发评论行为呢？国外已有部分学者关注了这一课题。Berger通过实验证明了情绪“唤起”在一定程度上可以促使人们分享信息。^[1]他在文章中统计了《纽约时报》的分享数据后发现，报纸上刊登的情绪类文章被转发率最高。激发正面情绪的文章一般都被广而传之；而激发负面情绪的文章的情况就比较复杂，焦虑和愤怒一类的负面情绪会提高传播率，而其他诸如悲伤的情绪则会降低传播率。那些能够激起人们包括焦虑在内的情绪的文章更容易被分享给他人。中国科学院心理研究所陈爽等对微博平台上用户情绪与传播行为关系进行研究后发现，唤起程度对情绪效价与微博信息转发、评论的关系有调节作用。^[2]也就是说，对于高唤起的微博信息而言，积极情绪的信息转发、评论程度均显著高于消极情绪的信息；对于低唤起的微博信息而言，积极情绪信息与消极情绪信息两者的转发、评论均无显著差异。大量文献还表明负面情绪刺激在心理加工上占据优势地位，负性事件可以更多、更快、更强地吸引人的注意与心理资源。Dang-Xuan等通过对大选期间微博行为的实证研究发现，微博中所包含的情感成分（正面的或负面的）越高，该微博被转发的频率越高；微博中包含的带有政客感情色彩的评价（正面的或负面的）越多，该微博被转发的频率越高，速度越快。^[3]

意见领袖在微博上的言论、情绪的表达对微博的转发评论频率也起到了至关重要的作用。Bae & Lee 通过对微博的情感分析探索了受欢迎用户及其听众之间情绪的关联，发现意见领袖有正面和负面听众；意见领袖的情绪会影响其听众的情绪；听众正面-负面情绪的改变会随着其意见领袖的情绪变化而变化，且其中存在一定的因果关系。^[4]Thelwall、Buckley和Paltoglou 探究了微博情绪与社会共鸣之间的关系，评估了关注度较高事件的情绪强度是否有增加的趋势。^[5]通过对热度前30的事件进行分析发现，热度较高的事件通常负面情绪的强度更高，且时间热度峰值时段的正面情绪强度显著高于热度峰值时段之前及之后的强度。Bollen、Pepe和Mao对公众情绪与社会指标的关系进行了研究，对每天的情绪从六个维度进行分析（分别为紧张、抑郁、愤怒、欣快、疲劳、困惑）。^[6]研究者通过对比每天情绪的波动及股票市场、原油价格、大型事件（如大选和感恩节），发现社交、政治、文化和经济领域均会对情绪的特定维度产生显著和即时的影响。

一 研究方法

本文根据五大微博搜索平台（新浪、腾讯、搜狐、网易、人民）的搜索量，对截至2013年9月的公共事件进行排名，从排名位于前300的公共事件中随机选取了24例公共事件进行研究。样本的公共事件名称、搜索关键词及每个事件抽取的微博条数详见表1。以新浪微博作为平台进行抽样，抽样分为三个步骤：第一，对从事发日起到抽帖日止新浪微博上相关微博的数量波动进行分析；第二，在此基础上大致将该事件微博舆论划分为潜伏期、发展期、爆发期、消退期四个阶段；第三，根据每个阶段微博数量的比例进行等比例抽样，使四个阶段的抽帖数比例与总帖数比例一致。对每个案例最终抓取大约300条微博作为样本。经统计本研究总共抽取的有效微博样本共计7114条。

表1 微博样本统计

续表

所抽取的微博样本由来自上海交通大学的24名经过统一培训的研究生组成的团队进行统一编码，编码内容包括情绪种类、情绪强度、情绪针对主体。情绪种类分为9类，分别为认可、恐惧、质疑、担忧、反对、愤怒、悲哀、惊奇及无明显情绪的信息陈述。仅对每条微博表达的最主要情绪进行编码。情绪强度有1～5个等级（1=很弱，2=比较弱，3=一般，4=比较强，5=很强），对情绪种类为“信息陈述”的微博不进行情绪强度编码。情绪针对主体分为7类，包括政府、社会、媒体、当事方、第三方、博主及其他。除以上需要人工编码的变量外，还需记录微博发布日期与事件发生日期的时间差（以天为单位）、博主加V情况（分为普通、黄V=通过认证的个人、蓝V=通过认证的企业）、博主的粉丝数、博主的微博数、微博的评论数、微博的转发数。

二 研究结果

（一）各类情绪指向性分析

通过绘制微博情