基于社會化媒體數(shù)據(jù)的學(xué)術(shù)社區(qū)知識共享行為影響因素研究

許林玉 楊建林

摘 要：[目的/意義]通過對知識共享影響因素的分析，學(xué)術(shù)虛擬社區(qū)平臺可以有針對性地提升老用戶活躍度與留存率，在此基礎(chǔ)上進(jìn)一步吸引新用戶。[方法/過程]本文以“經(jīng)管之家（原人大經(jīng)濟(jì)論壇）”為研究平臺，使用Python語言抓取該平臺下40 000條有效用戶數(shù)據(jù)，構(gòu)建學(xué)術(shù)虛擬社區(qū)知識共享行為影響因素的研究框架，并采用更為科學(xué)合理的分位數(shù)回歸對研究模型進(jìn)行驗證。[結(jié)果/結(jié)論]研究結(jié)果表明：用戶訪問量、論壇幣、活躍度以及好友數(shù)量對知識共享數(shù)量有正向的顯著影響，而是否郵箱認(rèn)證、論壇幣、活躍度以及好友數(shù)量對知識共享質(zhì)量具有顯著的正向影響。學(xué)術(shù)虛擬社區(qū)管理者通過強(qiáng)化這些顯著正向因素對社區(qū)平臺的可持續(xù)發(fā)展具有重要意義。

關(guān)鍵詞：學(xué)術(shù)虛擬社區(qū);知識共享行為;社會化媒體數(shù)據(jù);影響因素

DOI：10.3969/j.issn.1008-0821.2019.07.007

〔中圖分類號〕G302 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編號〕1008-0821（2019）07-0056-10

Abstract：[Purpose/Meaning]By the analysis of influencing factors of knowledge sharing behavior，academic virtual community can specifically improve the activity and retention rate of old users and further attract new users.[Method/Process]Based on the research platform of“Jingguanzhijia（formerly known as BBS of NPC economy）”，this paper used python language to capture 40000 pieces of valid user data under the platform，constructed a research framework of influencing factors of knowledge sharing behavior in academic virtual community，and used more scientific and reasonable quantile regression to verify the research model.[Result/Conclusion]The research results showed that user visited，BBS currency，activity and number of friends had a significant positive impact on the number of knowledge sharing，while whether email authentication，BBS currency，activity and number of friends had a significant positive impact on the quality of knowledge sharing.It is significant for academic virtual community managers to strengthen that sustainable development of community platform by strengthening these significant positive factors.

Key words：academic virtual community;knowledge sharing behavior;social media data;influence factors

學(xué)術(shù)虛擬社區(qū)作為傳統(tǒng)學(xué)術(shù)交流活動的補(bǔ)充，已經(jīng)成為人們共享知識和交流學(xué)術(shù)的重要平臺。近些年，“科學(xué)網(wǎng)”、“小木蟲”、“經(jīng)管之家（原人大經(jīng)濟(jì)論壇）”等學(xué)術(shù)虛擬社區(qū)蓬勃發(fā)展，學(xué)術(shù)虛擬社區(qū)是指以互聯(lián)網(wǎng)為平臺，以特定的專業(yè)主題為交流內(nèi)容，在分享專業(yè)性問題中形成的虛擬社區(qū)[1]，因而社區(qū)內(nèi)的知識共享行為是學(xué)術(shù)虛擬社區(qū)發(fā)展的源動力，決定著虛擬社區(qū)的價值水平和可持續(xù)發(fā)展。

雖然學(xué)術(shù)虛擬社區(qū)為用戶知識共享提供了有效的平臺，但是社區(qū)平臺并不能保證知識共享一定發(fā)生，其知識共享歸根結(jié)底依賴社區(qū)成員的知識貢獻(xiàn)，因而探究學(xué)術(shù)虛擬社區(qū)用戶知識共享的客觀影響因素顯得尤為重要。目前學(xué)者研究虛擬社區(qū)知識共享行為影響因素的理論基礎(chǔ)較多，如社會認(rèn)知理論、社會交換理論、技術(shù)接受模型等，但是本文認(rèn)為社會資本理論下的指標(biāo)能更好地表述用戶的客觀行為，對學(xué)術(shù)虛擬社區(qū)知識共享行為有更好的解釋能力，故而本文用社會資本理論來研究學(xué)術(shù)虛擬社區(qū)知識共享行為。

目前大部分的研究者收集學(xué)術(shù)虛擬社區(qū)的用戶數(shù)據(jù)多為在線或者線下問卷調(diào)查的方式，這種方式獲取的數(shù)據(jù)一方面數(shù)據(jù)量較小，另一方面問卷調(diào)查的量表設(shè)計以及用戶填寫問卷都具有一定的主觀性，無法保證結(jié)果的客觀性及科學(xué)性。在研究方法上，傳統(tǒng)的虛擬社區(qū)知識共享模型的回歸模型是多元線性回歸（OLS）[2-3]，然而一般學(xué)術(shù)虛擬社區(qū)用戶的知識共享行為是呈偏態(tài)的，符合冪律分布，這種數(shù)據(jù)若用多元線性的均值回歸，會忽略極端值，難以反映數(shù)據(jù)的真實信息。因而，本文以學(xué)術(shù)虛擬社區(qū)知識共享行為影響因素為研究主題，以社會資本理論為理論依據(jù)，以經(jīng)管之家的客觀用戶數(shù)據(jù)為支撐，用分位數(shù)回歸方法深入探究學(xué)術(shù)虛擬社區(qū)知識共享行為的運(yùn)作機(jī)理及影響因素，對促進(jìn)虛擬社區(qū)的可持續(xù)發(fā)展具有重要理論與實踐意義。

1 研究綜述

1.1 學(xué)術(shù)虛擬社區(qū)中的知識共享研究現(xiàn)狀

學(xué)術(shù)虛擬社區(qū)作為傳統(tǒng)學(xué)術(shù)交流模式的補(bǔ)充和發(fā)展，已經(jīng)成為科研工作者交流與分享知識的重要平臺。目前已有研究者基于不同的視角對知識共享意愿及行為展開研究，如徐美鳳以學(xué)術(shù)社區(qū)作為研究對象，以收集的173份有效問卷結(jié)果為數(shù)據(jù)支撐，對不同學(xué)科學(xué)術(shù)社區(qū)知識共享行為影響因素進(jìn)行對比分析[4];徐美鳳等以“丁香園”“小木蟲”等為調(diào)查對象，以658份自填式有效問卷為數(shù)據(jù)支撐，從知識共享主體間相互影響的視角研究學(xué)術(shù)社區(qū)知識共享的影響因素[1];陳明紅等以科學(xué)網(wǎng)用戶為調(diào)查對象，以網(wǎng)絡(luò)調(diào)查的253份有效問卷為數(shù)據(jù)支撐，從社會資本視角研究學(xué)術(shù)虛擬社區(qū)知識共享行為[5];陳明紅等以科學(xué)網(wǎng)用戶為調(diào)查對象，以網(wǎng)絡(luò)獲取的370份有效問卷為數(shù)據(jù)支撐，從社會資本理論和技術(shù)接受模型、社會心理學(xué)的啟發(fā)式—系統(tǒng)式模型等視角，研究學(xué)術(shù)虛擬社區(qū)持續(xù)知識共享意愿[2，6];沈惠敏等研究虛擬學(xué)術(shù)社區(qū)知識共享中的共生互利框架[7]等。

1.2 社會資本下的知識共享研究現(xiàn)狀

社會資本理論的核心是人與人之間的社會關(guān)系，也是一種生產(chǎn)資源[8]。目前對于社會資本維度的主流觀點是Nahapiet J等的劃分標(biāo)準(zhǔn)，他們將社會資本分為結(jié)構(gòu)維度、關(guān)系維度以及認(rèn)知維度這3個層面[9]。本文參考Chiu C M等[10]、陳明紅[2]觀點：結(jié)構(gòu)維度主要表現(xiàn)為社會交互聯(lián)結(jié)，關(guān)系維度主要表現(xiàn)為信任、互惠和身份認(rèn)同，認(rèn)知維度主要表現(xiàn)為共同愿景和共同語言。

國內(nèi)外基于社會資本下的知識共享影響因素開展大量研究，如Chiu C M等的研究證實社會聯(lián)結(jié)、互惠以及認(rèn)同對虛擬社區(qū)知識共享數(shù)量具有顯著的正向影響，而信任、共享語言與共享愿景對知識共享質(zhì)量有顯著的正向影響[10]。Lu Y等研究證實結(jié)構(gòu)資本對信息交換數(shù)量有顯著正向影響，但關(guān)系資本和認(rèn)知資本對信息交換質(zhì)量有顯著的正向影響，信任、互惠、共享語言和共享愿景對信息質(zhì)量均有顯著的正向影響[11];國內(nèi)學(xué)者陳明紅等的研究認(rèn)為社會資本對學(xué)術(shù)虛擬社區(qū)知識共享效果具有很好的解釋力，其中，結(jié)構(gòu)資本對學(xué)術(shù)虛擬社區(qū)知識共享數(shù)量具有顯著的正向影響;關(guān)系資本和認(rèn)知資本分別對學(xué)術(shù)虛擬社區(qū)知識共享質(zhì)量和數(shù)量具有顯著的正向影響[5];包鳳耐等認(rèn)為關(guān)系資本與認(rèn)知資本對知識共享行為均產(chǎn)生顯著的積極影響，而結(jié)構(gòu)資本對知識共享行為的影響不顯著[12];趙大麗等研究表明知識共享態(tài)度顯著地影響知識共享意愿，結(jié)構(gòu)資本、關(guān)系資本和認(rèn)知資本都會對微信朋友圈用戶知識共享態(tài)度產(chǎn)生影響，其中，關(guān)系資本的影響作用最大[13]。

目前學(xué)者對于學(xué)術(shù)虛擬社區(qū)知識共享意愿和行為影響因素的研究較多，但是絕大部分的研究者收集的學(xué)術(shù)虛擬社區(qū)用戶數(shù)據(jù)大都為在線或者線下問卷調(diào)查的方式，這種方式獲取的數(shù)據(jù)一方面數(shù)據(jù)量較小，無法保證樣本的隨機(jī)性和全面性;另一方面問卷調(diào)查的量表設(shè)計以及用戶填寫問卷都具有一定的主觀性，只能在一定程度上反映用戶的主觀意愿，無法反映用戶的客觀知識共享行為。只有少部分研究者通過爬取用戶的客觀數(shù)據(jù)進(jìn)行研究，但是他們的研究對象多為虛擬問答社區(qū)，且趨向于預(yù)測性的研究，如王偉等以問答社區(qū)“知乎”為研究對象，采用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)以及支持向量機(jī)等方法構(gòu)建模型，以便全面地預(yù)測問答社區(qū)的答案質(zhì)量[14];袁毅等以問答社區(qū)“百度知道”為研究對象，利用相關(guān)性以及回歸分析等方法，分析用戶生成資源的行為，以期提高社區(qū)資源質(zhì)量[3]。因而本文采用Python語言，爬取“經(jīng)管之家（原人大經(jīng)濟(jì)論壇）”40 000條有效用戶客戶客觀數(shù)據(jù)，來探究學(xué)術(shù)虛擬社區(qū)的知識共享行為的影響因素，以期對現(xiàn)有研究做必要補(bǔ)充，具有一定的理論探索與實踐意義。

2 研究假設(shè)與模型構(gòu)建

學(xué)術(shù)虛擬社區(qū)的成功離不開社區(qū)成員的積極參與和知識貢獻(xiàn)，然而學(xué)術(shù)虛擬社區(qū)有別于傳統(tǒng)學(xué)術(shù)組織，其沒有具體的獎懲機(jī)制、企業(yè)文化等來加強(qiáng)成員之間的聯(lián)結(jié)和信任等，而社會資本理論能使虛擬社區(qū)知識共享行為得到更加符合邏輯性的解釋與促進(jìn)，進(jìn)而有針對性地培養(yǎng)了用戶進(jìn)行知識共享行為的意愿和主動性，且社會資本理論的結(jié)構(gòu)、關(guān)系以及認(rèn)知三維度能較好地契合學(xué)術(shù)虛擬社區(qū)平臺的相關(guān)指標(biāo)，故而本文繼續(xù)采用社會資本理論來解釋虛擬社區(qū)知識共享行為。

2.1 研究假設(shè)

2.1.1 知識共享的數(shù)量和質(zhì)量

知識共享行為表現(xiàn)為知識共享數(shù)量和知識共享質(zhì)量兩個方面，知識共享數(shù)量主要指學(xué)術(shù)虛擬社區(qū)用戶發(fā)帖數(shù)和回帖數(shù)總和，因而本文的知識共享數(shù)量用發(fā)帖數(shù)及回帖數(shù)總和表征;知識共享質(zhì)量是指網(wǎng)絡(luò)社區(qū)中用戶共享信息的價值或有用性[15]，Wang G等提出除了少部分名人之外，大多數(shù)的用戶都是通過提供高質(zhì)量的答案來吸引關(guān)注的，并用Quora平臺的數(shù)據(jù)驗證了該假設(shè)[16]，因而本文用粉絲數(shù)量與關(guān)注數(shù)量總和來表征知識共享質(zhì)量。

2.1.2 結(jié)構(gòu)型社會資本對用戶知識共享行為的影響因素

結(jié)構(gòu)維度主要指社會系統(tǒng)的成員之間聯(lián)結(jié)的結(jié)構(gòu)模式，它的核心要素是虛擬社區(qū)成員之間的社會交互聯(lián)結(jié)，成員通過社會交互聯(lián)結(jié)可以獲得他人的知識和其他資源[9]。Chiu C M等認(rèn)為社會互動聯(lián)結(jié)是指虛擬社區(qū)成員之間的關(guān)系強(qiáng)度、花費的時間和交流頻率，與流量相關(guān)[10]。在學(xué)術(shù)虛擬社區(qū)中，知識共享的雙方以訪問空間等形式來獲取他人的知識和資源，是一種社會交互聯(lián)結(jié)，因而本文選擇用戶訪問量來表征結(jié)構(gòu)型社會資本。基于此，本文提出如下假設(shè)：

H1a：用戶訪問量對知識共享數(shù)量具有顯著的正向影響。

H1b：用戶訪問量對知識共享質(zhì)量具有顯著的正向影響。

2.1.3 關(guān)系型社會資本對用戶知識共享行為的影響因素

關(guān)系型社會資本是指社會網(wǎng)絡(luò)中行為主體的人際關(guān)系指標(biāo)，其中主要包括信任、互惠和身份認(rèn)同這3個方面[10]。信任被認(rèn)為是關(guān)系型社會資本最核心的要素，Nahapiet J等認(rèn)為，當(dāng)雙方存在信任時，更愿意進(jìn)行合作互動[9];Blau P M認(rèn)為信任創(chuàng)造并維持交換關(guān)系，而交換關(guān)系反過來又可能導(dǎo)致用戶分享高質(zhì)量的知識[17]。Wu J等在研究短期租賃平臺時，通過實證分析得出房東是否實名認(rèn)證和是否開通個人主頁會顯著影響租賃者對房東的信任，進(jìn)而影響房東房屋的預(yù)定量[18]。本文基于以上研究認(rèn)為信任主要體現(xiàn)在用戶是否愿意在學(xué)術(shù)虛擬社區(qū)公開自己的真實信息。因此可將用戶是否愿意實名認(rèn)證作為衡量信任的指標(biāo)，因為經(jīng)管之家沒有提供實名認(rèn)證的功能，只提供了郵箱認(rèn)證的功能，認(rèn)證真實的郵箱地址也是實名認(rèn)證的一種形式，因而本文用是否認(rèn)證郵箱地址來表征信任;互惠是關(guān)系型社會資本又一重要指標(biāo)，反映了虛擬社區(qū)成員之間因相互利益關(guān)系而產(chǎn)生的行為[19]，Chiu C M等認(rèn)為互惠是指知識交流是相互的，被雙方認(rèn)為是公平的[10]。在學(xué)術(shù)虛擬社區(qū)中，互惠性主要表現(xiàn)為用戶衡量其付出與收獲是否匹配，因為付出的時間和精力與獲得的知識無法衡量，因此本文用一個可衡量的指標(biāo)論壇幣表征互惠;Chiu C M等認(rèn)為身份認(rèn)同是指個體在虛擬社區(qū)的歸屬感和正面感，社區(qū)的團(tuán)結(jié)和歸屬感會提升用戶分享知識的積極性，進(jìn)而增加知識分享的深度和廣度[10]。本文采用用戶的活躍度來表征身份認(rèn)同，即用戶越活躍，對該學(xué)術(shù)虛擬社區(qū)的認(rèn)同度越高，用戶的活躍度為用戶的注冊時間、最近登陸時間以及在線時間來計算。

活躍度=在線時間最后登錄時間-注冊時間

基于以上內(nèi)容，本文提出如下假設(shè)：

H2a：是否郵箱認(rèn)證對知識共享數(shù)量具有顯著的正向影響。

H2b：是否郵箱認(rèn)證對知識共享質(zhì)量具有顯著的正向影響。

H3a：論壇幣對知識共享數(shù)量具有顯著的正向影響。

H3b：論壇幣對知識共享質(zhì)量具有顯著的正向影響。

H4a：活躍度對知識共享數(shù)量具有顯著的正向影響。

H4b：活躍度對知識共享質(zhì)量具有顯著的正向影響。

2.1.4 認(rèn)知型社會資本對用戶知識共享行為的影響因素

一般而言，認(rèn)知維度最關(guān)鍵的指標(biāo)為共享愿景和共享語言[9]，Ghoshal T S指出，共同的愿景是指組織成員間擁有的共同目標(biāo)和愿望，擁有共同愿景的組織成員更有可能共享知識及交換資源[20]。經(jīng)管之家提供添加好友功能將具有共同價值觀及共同愿景的用戶聯(lián)系在一起，因而本文用好友數(shù)量來表征共同愿景;一般而言，加入學(xué)術(shù)虛擬社區(qū)的用戶具備一定的專業(yè)知識，因而存在共享語言，因而本文認(rèn)為共享語言可以通過社會資本的其它指標(biāo)來體現(xiàn)。因此，在認(rèn)知型社會資本維度，本文提出如下假設(shè)：

H5a：好友數(shù)量對知識共享數(shù)量具有顯著的正向影響。

H5b：好友數(shù)量對知識共享質(zhì)量具有顯著的正向影響。

2.2 模型構(gòu)建

基于上述理論分析與研究假設(shè)，本文構(gòu)建了以社會資本理論為支撐的學(xué)術(shù)虛擬社區(qū)知識共享行為影響因素模型，該模型中，選取學(xué)術(shù)虛擬社區(qū)知識共享數(shù)量和知識共享質(zhì)量作為因變量，選取結(jié)構(gòu)型社會資本（空間訪問量）、關(guān)系型社會資本（是否郵箱認(rèn)證、論壇幣及活躍度）以及認(rèn)知型社會資本（好友數(shù)量）作為自變量，并假定這些自變量與知識共享數(shù)量和知識共享質(zhì)量存在顯著的正相關(guān)，如圖1所示。

3 數(shù)據(jù)收集與處理

本文以學(xué)術(shù)虛擬社區(qū)經(jīng)管之家（原人大經(jīng)濟(jì)論壇）為調(diào)查對象，采用Python語言抓取用戶的客觀行為數(shù)據(jù)。經(jīng)管之家成立于2003年，目前已經(jīng)發(fā)展成為國內(nèi)頗具影響力的經(jīng)濟(jì)、管理、金融、統(tǒng)計類的網(wǎng)絡(luò)社區(qū)。本文選取經(jīng)管之家論壇下經(jīng)濟(jì)學(xué)人、經(jīng)濟(jì)學(xué)論壇、工商管理論壇、計量經(jīng)濟(jì)學(xué)與統(tǒng)計論壇、金融投資論壇、會計與財務(wù)管理論壇以及世界經(jīng)濟(jì)與國際貿(mào)易等7個學(xué)術(shù)型功能區(qū)，利用python語言抓取每個功能區(qū)話題下的用戶信息，抓取的用戶信息主要為：用戶名、UID、性別、回帖數(shù)、發(fā)帖數(shù)、粉絲、關(guān)注、空間訪問量、是否郵箱認(rèn)證、論壇幣、好友數(shù)量、在線時間、注冊時間、最后登錄時間等信息。

3.1 數(shù)據(jù)描述性分析

到2018年11月截止，共抓取7個功能區(qū)下43 773條用戶數(shù)據(jù)，剔除重復(fù)以及缺失值較多的數(shù)據(jù)，共收集40 000條有效數(shù)據(jù)，其中大量數(shù)據(jù)的性別為保密指標(biāo)，共25 777份，占總數(shù)的64.44%;其余數(shù)據(jù)中男性10 846份，占27.12%;女性3 377份，占8.44%，可見大部分用戶在注冊虛擬社區(qū)時，較為注重自己的私人信息。

本文運(yùn)用Stata15對數(shù)據(jù)進(jìn)行分析，首先對數(shù)據(jù)進(jìn)行描述性分析，以便于對數(shù)據(jù)的情況有一個整體的了解，如表2：其中樣本量為40 000條，論壇幣、知識共享數(shù)量及空間訪問量等的標(biāo)準(zhǔn)差較大，且平均數(shù)與極值相差較大，可見這3個指標(biāo)的分布較為離散，其中論壇幣的分布最為離散。由于數(shù)據(jù)之間的值相差較大，為了消除不同量綱對回歸結(jié)果的影響，本文對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，采取的標(biāo)準(zhǔn)化方法為Z-score標(biāo)準(zhǔn)化，又稱為標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化，該標(biāo)準(zhǔn)化方法是使變量的平均數(shù)為0，標(biāo)準(zhǔn)差為1。

3.2 回歸分析

3.2.1 多元線性回歸（OLS）

1）異方差與多重共線性的檢驗

本文首先采用多元線性回歸（OLS）方法對數(shù)據(jù)進(jìn)行分析驗證，但這種方法的有效性建立在變量無異方差及無多重共線性的基礎(chǔ)上，因而需要對變量進(jìn)行異方差與多重共線性的檢驗。本文通過懷特檢驗的方法來檢驗變量是否存在異方差，懷特檢驗的原假設(shè)為：變量為同方差，本文通過分別對以知識共享數(shù)量及知識共享質(zhì)量為因變量的模型進(jìn)行懷特檢驗，兩個模型的P值都為0.0000（P=0.0000），可見該結(jié)論非常顯著地拒絕了同方差的原假設(shè)，因而以知識共享數(shù)量以及知識共享質(zhì)量為因變量的模型都存在異方差，因而下文應(yīng)分別采取穩(wěn)健的標(biāo)準(zhǔn)差對數(shù)據(jù)進(jìn)行多元線性回歸以消除異方差的影響。本文分別對以知識共享數(shù)量及知識共享質(zhì)量為因變量的模型進(jìn)行多重共線性檢驗，得出兩個回歸模型的VIF值都在1.00～1.05之間，遠(yuǎn)遠(yuǎn)小于合理值10，因而該回歸模型不存在多重共線性問題。

2）學(xué)術(shù)虛擬社區(qū)知識共享行為的多元線性回歸（OLS）分析

根據(jù)前文假設(shè)，將知識共享數(shù)量與知識共享質(zhì)量分別作為因變量，空間訪問量、是否郵箱認(rèn)證、論壇幣、活躍度以及好友數(shù)量作為自變量，因為上文已證明變量存在異方差，因而本文采用穩(wěn)健的標(biāo)準(zhǔn)差進(jìn)行多元線性回歸，以克服異方差的影響，回歸結(jié)果如表3：

由表3可看出，以知識共享數(shù)量為因變量的回歸模型的擬合優(yōu)度為17.5%（R-squared=17.5%），模型的解釋能力較弱。在結(jié)構(gòu)型社會資本維度，空間訪問量的P值為0.000，小于0.05，系數(shù)為正值，可見空間訪問量對知識共享數(shù)量具有顯著的正向影響，因此，假設(shè)H1a成立;從關(guān)系型社會資本維度，論壇幣以及活躍度的P值為0.000，小于0.05，系數(shù)為正值，可見這兩個變量對知識共享數(shù)量具有顯著的正向影響，故而假設(shè)H3a、H4a成立，但是否郵箱認(rèn)證的P值大于0.05，因而是否郵箱認(rèn)證對知識共享數(shù)量的影響不顯著，故而是否郵箱認(rèn)證對知識共享數(shù)量產(chǎn)生顯著積極影響的假設(shè)（H2a）無法驗證;從認(rèn)知型社會資本維度，好友數(shù)量的P值大于0.05，說明好友數(shù)量對知識共享數(shù)量的影響不顯著，故而好友數(shù)量對知識共享數(shù)量產(chǎn)生顯著正向影響的假設(shè)（H5a）無法驗證。

知識共享質(zhì)量為因變量的回歸模型的擬合優(yōu)度為10.15%（R-squared=10.15%），模型的解釋能力較弱。在結(jié)構(gòu)型社會資本維度，空間訪問量的P值為0.007，小于0.05，且系數(shù)為正數(shù)，可見空間訪問量對知識共享質(zhì)量具有顯著的正向影響，因此，假設(shè)H1b成立;從關(guān)系型社會資本維度，是否郵箱認(rèn)證、論壇幣以及活躍度的P值為0.000，小于0.05，且系數(shù)都為正數(shù)，可見這3個變量對知識共享質(zhì)量具有顯著的正向影響，因此，假設(shè)H2b、H3b以及H4b成立;從認(rèn)知型社會資本維度，好友數(shù)量的P值大于0.05，說明好友數(shù)量對知識共享質(zhì)量的影響不顯著，故而好友數(shù)量對知識共享質(zhì)量產(chǎn)生積極影響的假設(shè)（H5b）無法驗證。

3.2.2 分位數(shù)回歸

1）對因變量知識共享數(shù)量與知識共享質(zhì)量的分析

由圖2、圖3可得，因變量知識共享數(shù)量與知識共享質(zhì)量都是呈偏態(tài)的，符合冪律分布，這與郭博等人的結(jié)論一致，他們經(jīng)過實證得出知乎平臺的用戶行為在時間上服從冪律分布。即大部分用戶的關(guān)注數(shù)和粉絲數(shù)很少，而少量如明星用戶、領(lǐng)域?qū)＜?、活躍用戶等擁有大量的粉絲群，具有較高的影響力和吸引度，在一定程度上能夠成為社區(qū)的話題

導(dǎo)向，影響知識的傳播方式等[21]。符合冪律分布的數(shù)據(jù)若用多元線性的均值回歸，會忽略極端值，難以反映數(shù)據(jù)的真實信息，故而本文采用分位數(shù)回歸方法進(jìn)行改進(jìn)。

2）分位數(shù)回歸

分位數(shù)回歸是由Koenker and Bassett于1978年提出，使用殘差絕對值的加權(quán)平均作為最小化的目標(biāo)函數(shù)，故不易受極端值影響，較為穩(wěn)健[22]。本文將分別以知識共享數(shù)量及知識共享質(zhì)量為因變量，以空間訪問量、是否郵箱認(rèn)證、論壇幣、活躍度以及好友數(shù)量為自變量，對用戶數(shù)據(jù)0.25、0.50、0.75以及0.90分位數(shù)點進(jìn)行回歸比較，可得如表4：

由表4可看出，隨著分位數(shù)的增加，模型的解釋能力以及變量的顯著性都得到了顯著地增強(qiáng)。對于知識共享數(shù)量而言，分位點q從25～90的R2分別為3.01%、12.68%、27.21%、41.07%，從3.01%～41.07%，模型的解釋能力得到了進(jìn)一步地增強(qiáng);從表4可以看出，隨著分位數(shù)的增加，自變量的顯著性也得到了進(jìn)一步地提高，系數(shù)也在逐步增加，如在0.25分位點上，變量空間訪問量與好友數(shù)量都未通過顯著性檢驗，而在0.75時，所有自變量都通過了顯著性檢驗，可見分位數(shù)越高，用戶越熱衷于知識共享，社會資本對知識共享數(shù)量促進(jìn)作用越顯著。在0.75分位點上，變量的顯著性較為穩(wěn)定，在該分位點上，所有變量都通過了顯著性檢驗，但是是否注冊的系數(shù)為負(fù)數(shù)，其他變量系數(shù)均為正數(shù)，因而假設(shè)H1a、H3a、H4a、H5a得到驗證，H2a未得到驗證。對于知識共享質(zhì)量而言，隨著分位數(shù)的提高，模型的解釋能力也得到了進(jìn)一步地增強(qiáng)，在0.75的分位數(shù)點上，除了空間訪問量沒有通過顯著性檢驗，其余變量都通過了顯著性檢驗，且系數(shù)都為正數(shù)，故而假設(shè)H2b、H3b、H4b、H5b得到驗證，H1b未得到驗證。

對其分位數(shù)回歸系數(shù)隨著分位數(shù)的變化情況進(jìn)行分析可得如圖4（以知識共享數(shù)量為因變量）、圖5（以知識共享質(zhì)量為因變量）。

圖4是以知識共享數(shù)量為因變量的分位數(shù)系數(shù)變化圖，由圖4可看出，除了是否郵箱認(rèn)證（WC）的系數(shù)隨著分位數(shù)的增加而降低，其余自變量的系數(shù)都與分位數(shù)呈正向變化。以知識共享質(zhì)量為因變量的分位數(shù)系數(shù)變化圖也具有相似的特點。這與表4中的內(nèi)容一致：分位數(shù)越高，熱衷于知識共享的用戶越占主導(dǎo)地位，社會資本對知識共享行為的貢獻(xiàn)度越高;分位數(shù)越低，知識共享較少的群體占主導(dǎo)，社會資本對用戶知識共享的行為影響程度較低。

3.3 結(jié)果分析

本文將多元線性回歸（OLS）與分位數(shù)回歸的假設(shè)驗證結(jié)果進(jìn)行比較可得表5，因為分位數(shù)回歸在0.75分位點處趨于穩(wěn)定，因而分位數(shù)回歸選擇0.75分位點的回歸結(jié)果參與比較。

由表5可以看出，與多元線性回歸相比，分位數(shù)回歸結(jié)果下各個模型的解釋能力都得到了很大程度地增強(qiáng);多元線性回歸與分位數(shù)回歸假設(shè)驗證的結(jié)果差異較大，多元線性回歸有3個假設(shè)未被驗證（H2a、H5a、H5b），而分位數(shù)回歸只有兩個假設(shè)未被驗證（H1b、H2a），且分位數(shù)回歸這兩個未被驗證的假設(shè)在分位數(shù)回歸各個分位點上都未被驗證，說明這兩個假設(shè)（H1b、H2a）未被驗證的結(jié)果具有穩(wěn)健性。因此，結(jié)合本文學(xué)術(shù)虛擬社區(qū)用戶數(shù)據(jù)的冪律分布特點，并結(jié)合上文分析，本文認(rèn)為分位數(shù)回歸的假設(shè)驗證結(jié)果更為科學(xué)合理，可信度更高。本文采用分位數(shù)回歸的結(jié)果，除了假設(shè)H1b與H2a未得到驗證外，其余假設(shè)均得到驗證。

4 結(jié) 語

本文從社會資本理論視角，通過收集到的“經(jīng)管之家”學(xué)術(shù)虛擬社區(qū)中的40 000條客觀用戶有效數(shù)據(jù)，采用分位數(shù)回歸方法，探討學(xué)術(shù)虛擬社區(qū)知識共享行為的影響因素。實證研究結(jié)果表明，用戶訪問量、論壇幣、活躍度以及好友數(shù)量對知識共享數(shù)量有正向的顯著影響，而是否郵箱認(rèn)證、論壇幣、活躍度以及好友數(shù)量對知識共享質(zhì)量具有顯著的正向影響?？傮w而言，用戶積累的社會資本越多，越熱衷于知識共享行為，依據(jù)這一結(jié)論，學(xué)術(shù)虛擬社區(qū)平臺可以通過增加知識共享獎勵論壇幣的數(shù)量，規(guī)范認(rèn)證評估機(jī)制，對用戶進(jìn)行分類，并有針對性地舉辦高質(zhì)量的學(xué)術(shù)交流活動以及推送相關(guān)學(xué)術(shù)服務(wù)等措施來提高用戶活躍度，吸引新用戶。

本文從學(xué)術(shù)虛擬社區(qū)知識共享影響因素出發(fā)，以學(xué)術(shù)虛擬社區(qū)網(wǎng)站的客觀用戶數(shù)據(jù)為支撐，應(yīng)用社會資本理論探討了用戶的結(jié)構(gòu)型社會資本、關(guān)系型社會資本以及認(rèn)知型社會資本對用戶知識共享行為的影響，并采用分位數(shù)回歸對模型進(jìn)行驗證，研究結(jié)果較為客觀科學(xué)，為虛擬社區(qū)知識共享行為研究提供了補(bǔ)充與支撐。然而，本文基于大量客觀數(shù)據(jù)研究用戶知識共享行為影響因素，屬于探索性研究，所得影響因素模型不能充分解釋用戶的知識共享行為，模型的解釋能力相對較弱;其次，本文基于一個平臺的用戶數(shù)據(jù)的研究，雖然數(shù)據(jù)量較大，但是各大虛擬社區(qū)的規(guī)模以及功能定位等各不相同，用戶的知識共享行為存在差異，因而本文結(jié)論的普適性有待于進(jìn)一步驗證。

參考文獻(xiàn)

[1]徐美鳳，葉繼元.學(xué)術(shù)虛擬社區(qū)知識共享研究綜述[J].圖書情報工作，2011，55（13）：67-71.

[2]陳明紅.學(xué)術(shù)虛擬社區(qū)用戶持續(xù)知識共享的意愿研究[J].情報資料工作，2015，36（1）：41-47.

[3]袁毅，楊莉.問答社區(qū)用戶生成資源行為及影響因素分析——以百度知道為例[J].圖書情報工作，2017，61（22）：20-26.

[4]徐美鳳.不同學(xué)科學(xué)術(shù)社區(qū)知識共享行為影響因素對比分析[J].情報雜志，2011，30（11）：134-139.

[5]陳明紅，漆賢軍.社會資本視角下的學(xué)術(shù)虛擬社區(qū)知識共享研究[J].情報理論與實踐，2014，37（9）：101-105.

[6]陳明紅，劉瑩，漆賢軍.學(xué)術(shù)虛擬社區(qū)持續(xù)知識共享意愿研究——啟發(fā)式-系統(tǒng)式模型的視角[J].圖書館論壇，2015，35（11）：83-91.

[7]沈惠敏，婁策群.虛擬學(xué)術(shù)社區(qū)知識共享中的共生互利框架分析[J].情報科學(xué)，2017，（7）：16-19.

[8]Coleman J S.Social Capital in the Creation of Human Capital.The American[J].American Journal of Sociology，1988，94：95-120.

[9]Nahapiet J，Ghoshal S.Social Capital，Intellectual Capital，and the Organizational Advantage[J].The Academy of Management Review，1998，23（2）：242-266.

[10]Chiu C M，Hsu M H，Wang E T G.Understanding Knowledge Sharing in Virtual Communities：An Integration of Social Capital and Social Cognitive Theories[J].Decision Support Systems，2006，42（3）：1872-1888.

[11]Lu Y，Yang D.Information Exchange in Virtual Communities Under Extreme Disaster Conditions[J].Decision Support Systems，2011，50（2）：529-538.

[12]包鳳耐，曹小龍.基于社會資本視角的虛擬社區(qū)知識共享研究[J].統(tǒng)計與決策，2014，（19）：53-56.

[13]趙大麗，孫道銀，張鐵山.社會資本對微信朋友圈用戶知識共享意愿的影響研究[J].情報理論與實踐，2016，39（3）：102-107.

[14]王偉，冀宇強(qiáng)，王洪偉，等.中文問答社區(qū)答案質(zhì)量的評價研究：以知乎為例[J].圖書情報工作，2017，61（22）：36-44.

[15]劉琦，杜榮.基于參與動機(jī)的網(wǎng)絡(luò)社區(qū)知識共享質(zhì)量、創(chuàng)新及滿意度關(guān)系研究[J].情報理論與實踐，2013，36（3）：56-61.

[16]Wang G，Gill K，Mohanlal M，et al.Wisdom in the Social Crowd：An Analysis of Quora[C]//International World Wide Web Conference，2013.

[17]Blau P M.Exchange and Power in Social Life[M].New York：Wiley，1964.

[18]Wu J，Ma P，Xie K L，et al.In Sharing Economy We Trust：The Effects of Host Attributes on Short-term rental Purchases[J].International Journal of Contemporary Hospitality Management，2017.

[19]Hung K H，Stella Yiyan L I.The Influence of eWOM on Virtual Consumer Communities：Social Capital，Consumer Learning，and Behavioral Outcomes[J].Journal of Advertising Research，2007，47（4）：485-495.

[20]Ghoshal T S.Social Capital and Value Creation：The Role of Intrafirm Networks[J].The Academy of Management Journal，1998，41（4）：464-476.

[21]郭博，趙雋瑞，孫宇.社會化問答社區(qū)用戶行為統(tǒng)計特性及其動力學(xué)分析：以知乎網(wǎng)為例[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2018，2（4）：48-58.

[22]陳強(qiáng).高級計量經(jīng)濟(jì)學(xué)及Stata應(yīng)用（第2版）[M].北京：高等教育出版社，2014.

（責(zé)任編輯：孫國雷）