一 : 关于BBS回贴动力因素分析

我认为，这个问题可以分解成比较具体的三个问题来分析：1、为什么有人发贴？2、为什么有人回贴？3、为什么那么多网民喜欢看贴？

为什么有人发贴？

先试着来分析一下为什么要回贴，也就是做一个回贴的动力因素分析。主要参考和认真学习了“Digg投票的动力因素分析”中所用的两分析方法：公共选择理论和唐斯投票模型。（有些段落和语句也是直接摘抄的，懒得打字了，哈哈）

回帖是一种评论

回帖是一种评论，评论的对象是主贴内容和观点，也就是内容好坏或者说有用没用，以及是否同意主贴里观点。评论也可以看作是是一种特殊的投票行为，投票的对象是帖子列表页的每一个帖子，投票的方式比较自由，不是选择ABC，而是“D其他”。

公共选择理论

公共选择理论有这样的假设：“人都是自利的、理性的效用最大化者；……政治领域中，个人也同样扮演者经济人的角色，个人的行为和决策同样是在理性地进行成本分析和收益分析后，才作出的选择或决定，同样也是在追求某种最大化效应。”既然个人是自利的，那么，个人回帖行为也应该是在成本和效益分析后，自利和理性的回帖者做出的决策。

成本和收益分析

BBS相对于博客，公共性很强，根据公共性理论，积极性是不高的。BBS里游客和潜水员占了很大的比重，就说明了这点。但还是有人会去回帖，个别热贴有大量的回复，比如猫扑和天涯经常会出现上万回帖的盛况。并不是仅仅因为楼主对看贴不回贴者的诅咒，如“看贴不回者会倒霉”说明在有人回复的主贴的驱使下，回帖人在进行隐蔽的连自己都没有注意到的“成本和收益分析” 后，认为会有收益后做出回帖的决策。

唐斯投票模型

下面唐斯投票模型就用“唐斯投票模型”来回放一下回帖人进行“成本和收益分析”的理性决策过程。先斗胆改造一下“唐斯投票模型”，索性改成“Bingo回帖分析模型”吧：）

回帖行为的函数模型

回帖行为的函数模型R=BP-C D 。在这个公式中，理性回帖者的回帖行为可以通过其回帖预期收益和回帖时的个人偏好两个方面来说明。其中：
　　
　　R=回帖人决策结果   B=回帖人回帖的潜在收益   D=回帖人其他不具体的收益   P=回帖人回帖时这些收益产生的概率   C=回帖人回帖的成本   

R回帖人行动决策：R=0则表示不回贴；如果R>0，则表示要回帖。而且对于发贴人来说，谁出的R大，也即谁许诺的收益更大，并能为看贴人接受，发贴人就会获得相对较多回复。
       
　　B潜在收益分析：发表、交友、收藏和小广告。BBS首先是一个媒体，回帖可以发表自己的观点，通过回帖可以让自我品味与价值观经受大众的检验，可以结识楼主和各楼回帖的朋友，可以在暂时无法看完帖子但想收藏时，让帖子出现在“自回帖”里。还可以顺便发发小广告，宣传自己的网站、博客和网店等。
    
　　D=回帖人其他不具体的收益：如与人接触、沟通的愉悦或其他心理上的收益等。
 
　　P回帖人回帖时这些收益产生的概率：也就是一个系数，这个和回帖者所在的BBS平台以及该主贴有关，BBS如果时天涯和猫扑这种人气很旺的BBS，而且判断此贴为潜力贴、关注度会很高，则产生收益的概率在回帖人的心中会较大。

C回帖人回帖的成本：注册/登陆成本；信息成本（了解BBS、看贴和思考）；打腹稿、输入文字和验证码；页面等待造成的时间成本等等。百度贴吧回复率较高，很大程度上是因为不用注册就可回帖。

获得较多的回复应具备一些因素

那么简单地分析一下吧。反过来，一个帖子能有很多回帖，R值对于每个浏览者要很大。也就是要增加回帖人收益，或较少发贴成本。简单总结一下要获得较多的回复，主贴应具备的一些因素吧：

1、足够多的信息点：像小说连载、和集成帖（武林外传经典搞笑台词大全）

2、新颖性：内容或观点比较新颖，如爆料、最新娱乐八卦、传闻等，反面教材火星贴．．．

3、原创性：经过楼主思考考和创作的、人性化的，而非无聊的灌水、转载和生硬的新闻稿和枪稿。没有雕琢的（甚至有错别字）、娓娓道来的就像和朋友聊天一样的文字会让大家觉得温馨。

4、真人秀：如我的爱情故事．．．      

5、争议性：信息或表达的观点会引起争议，如对名人评价、对热点社会现象的观点、什么是摇滚等、麦当劳还是肯德基等等。
         
　　6、轻松性：看贴和回帖的成本都很低，如召集贴（同龄人进、抵制日货签名等）、测试贴（心理、运气和爱情等测试）

 7 、实用性：如北京FB场所大全，需要某知名公司资料的留邮箱等等。
     
　　 8、互动性：如评价楼上ID，故事接龙等，此类帖子有点像病毒。

 9、BT元素：如果没有以上因素，可供BT或被人抽，也可以有很多回帖。

10、其他：看帖不回者．．．。

注：相关网站建设技巧阅读请移步到建站教程频道。

二 : 探究四因素对PM值影响的回归分析

探究温度、湿度、地区、地形对PM2.5

影响的回归模型

2014 / 6 / 8

pm值 探究四因素对PM值影响的回归分析

一、 前言与数据收集 1.1前言

从2011年10月以来我国多个地方出现严重的雾霾天气，PM2.5也因此成为社会热词。(www.61k.com］PM2.5指大气中直径小于或者等于2.5微米的颗粒物，也称为可入肺颗粒物，这个值越高，代表空气污染越严重。PM2.5颗粒直径小但是含有大量的有毒、有害物质，同时在大气中停留的时间长，对人体健康造成很大影响。PM2.5是评价环境空气质量的又一个标准。经过我们的推测，PM2.5值的大小，可能取决于地形、温度及湿度等因素。

本报告通过从中国天气网、PM2.5监测网和腾讯天气等收集2014年5月29日全国31个省市的PM2.5值、温度及湿度等，并考虑地形（此处我们分成五类考虑：平原、丘陵、山地、高原、盆地五类）和地区（东部、中部和西部）的影响，结合单因素和多因素方差分析的原理方法，运用EVIEWS分析软件，来分析PM2.5值与温度、湿度等是否有显著性关系，最后找出影响PM2.5值的影响因素，同时提出我们的结论。

1.2数据收集

我们收集了全国31个省市2014年5月28日的PM2.5数据、温度数据以及湿度数据汇集成以下表格：

1.2.1综合数据收集

城市

PM2.5

(μg·m^3)

温度（T） 湿度（R） 地区 （AREA）

地形（LANDFORM）

(℃)

30.5 27 31.5 23.5 16

1 / 16

北京 上海 天津 重庆 哈尔滨

87 96 144 96 34

23% 60% 22% 76% 80%

东部 东部 东部 西部 中部

平原 平原 平原 丘陵 丘陵

pm值 探究四因素对PM值影响的回归分析

沈阳 南京 济南 合肥 石家庄 郑州 长沙 南昌 西安 太原 成都 西宁 海口 广州 贵阳 杭州 福州 兰州 昆明 呼和浩特 银川 乌鲁木齐 拉萨 112 288 137 149 135 117 108 63 116 90 81 63 26 63 105 134 80 67 64 138 67 100 46

24 29 33 29 37 30 25 23.5 26 26 23.5 15.5 31 29.5 20.5 27 24.5 23.5 23.5 24.5 25.5 25 16 表一

34% 55% 19% 66% 38% 23% 85% 92% 70% 40% 83% 37% 93% 94% 94% 68% 86% 27% 73% 20% 27% 23% 14% 东部 东部 东部 中部 东部 中部 中部 中部 西部 中部 西部 西部 东部 东部 西部 东部 东部 西部 西部 中部 西部 西部 西部 平原 丘陵 平原 丘陵 平原 平原 丘陵 平原 平原 盆地 盆地 高原 平原 山地 高原 丘陵 丘陵 盆地 盆地 高原 山地 盆地 盆地 注：以上数据是2014/5/28的数据

1.2.2各地区分布与地形分布

利用以上数据我们做出了全国31个城市的地区与地形分布状况的饼图。［www.61k.com］如图

2 / 16

pm值 探究四因素对PM值影响的回归分析

一、图二所示。［www.61k.com）

1.2.2.1地区分布

图一

1.2.2.2地形分布

图二

1.3背景资料

3 / 16

pm值 探究四因素对PM值影响的回归分析

1.3.1对PM2.5概念的界定

PM2.5是指环境空气中空气动力学当量直径小于等于 2.5 μm 的颗粒物，也称细颗粒物。（www.61k.com）这个值越高，就代表空气污染越严重。可吸入颗粒物又称为PM10，指空气动力学当量直径在10微米以下的颗粒物。虽然细颗粒物只是地球大气成分中含量很少的组分，但它对空气质量和能见度等有重要的影响。细颗粒物粒径小，含有大量的有毒、有害物质且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。

1.3.2对PM2.5影响因素的分析

迄今为止，中国有关PM2.5的调查和研究结果还非常少，数据的系统性也比较差。但查阅相关资料可以了解到，影响因素是通过季节、地区地形而体现的。

1.3.3PM2.5分析方法的应用

运用统计学的方法，得到PM2.5与各影响因素的回归方程。

二、数据分析与模型建立

在本课题相关的数据分析与模型建立中我们采用了EVIEWS软件：

首先，我们选取了我们认为的可能影响PM2.5的四个因素，包括温度（T）、湿度（R）、地区（AREA）以及地形（LANDFORM）。然后利用EVIEWS软件对相关数据进行了一系列的分析。

2.1研究温度（T）和湿度（R）对PM2.5的影响

首先，我们研究温度（T）和湿度（R）对PM2.5的影响，利用EVIEWS软件我们得到以下回归模型：

PM2.5=-21.90694R+4.335245T+1.985984———(1)

4 / 16

pm值 探究四因素对PM值影响的回归分析

图三

我们可以看到EVIEWS给出的判定系数R^2=0.247878，这说明回归模型(1)的拟合优度并不够好。［www.61k.com]而根据实际经验，我们对模型(1)进行修正，首先考虑异方差性，对异方差性做相关的怀特检验，有图四所示结果：

5 / 16

pm值 探究四因素对PM值影响的回归分析

图四

根据上图，可知本样本数据经过怀特检验之后得出的?2=7.334353，而查卡方分布表可知，??0.95,3?=7.185，小于本次检验所得的卡方值。（www.61k.com)因此我们拒绝认为本次试验数据是同方差的论断，而认为，这些数据具有异方差的特点。因此我们小组认为要对数据进行异方差的修正。

我们利用修正异方差性的加权最小二乘法（WLS）对模型进行修正，得到图五所示修正的模型(2)：

PM.2.5=3.993266T-22.04386R+8.026969———(2) 2

6 / 16

pm值 探究四因素对PM值影响的回归分析

EVIEWS软件给出的T、R的回归系数的P值均为0.0000，且模型(2)的相关系数的R^2=0.97536,模型的拟合程度得到了很大的改善。（www.61k.com]

图五

2.2研究地形（LANDFORM）和所在地区（AREA）对PM2.5的影响

其次，我们研究地形（LANDFORM）和所在地区(AREA)对PM2.5的影响。我们把地区分为东部、中部、西部（分别用1、2、3表示东部、中部、西部）；地形包括平原、丘陵、盆地、山地、高原（这五种地形我们分别用1、2、3、4、5表示）；

利用EVIEWS软件作出以地形（LANDFORM）和地区（AREA）为解释变量，以PM2.5为被解释变量的回归模型，结果如图六所示。

模型为：PM2.5=-16.33688AREA+0.530540LANDFORM———(3)

EVIEWS软件给出的R^2=0.076755，而且回归模型LANDFROM和AREA的回归系数的P值分别为0.1982,0.9474，均未通过检验，表明回归模型(3)的拟合程

7 / 16

pm值 探究四因素对PM值影响的回归分析

度不够好。(www.61k.com）根据上图的图四的数据我们判断其具有异方差性，需要对模型(3)进行修正。

图六

我们利用修正异方差性的加权最小二乘法（WLS）对图六的模型进行修正，得到下图所示修正的模型：

图七

修正得到的模型为：

PM2.5=-12.48775AREA-3.146812LANDFORM———(4)

8 / 16

pm值 探究四因素对PM值影响的回归分析

根据EVIEWS给出的AREA回归系数的P值=0.0054，我们判断其通过了检验，但是其给出的LANDFORM回归系数的P值=0.4393 的P值未通过检验；因此我们考虑地形LANDFORM这个解释变量对PM2.5的影响不大。[www.61k.com]

2.3研究温度、湿度、地形、地区对PM2.5的影响

再次，我们利用考虑研究这四个因素温度（T）、湿度（R）、地形（LANDFORM）、地区（AREA）对PM2.5的影响。

2.3.1不考虑异方差：

利用EVIEWS软件做出的回归模型为：

PM2.5=-6.487407AREA+2.846311LANDFORM+4.061643T-23.52916R+16.10767

———(5)

模型(5)的R、AREA、LANDFORM的回归系数没有通过检验，同样R^2=0.256329，回归模型(5)拟合程度较低。

图八

2.3.2考虑异方差：

当我们将异方差性纳入考虑，利用EVIEWS修正异方差性的加权最小二乘法（WLS）对模型进行修正得到下图：

模型为：

PM2.5=-22.52593R+3.922769T-3.912813AREA+1.413433LANDFORM

9 / 16

pm值 探究四因素对PM值影响的回归分析

———

(6)

图九

修正得到的模型(6)虽然R^2达到了0.967373，R、T的P值通过了检验，而AREA、LANDFORM这两个解释变量回归系数的P值分别为0.0529、0、0967没有通过检验。(www.61k.com]

2.4研究 T（温度）、R（湿度）、AREA（地区）对PM2.5

的影响。

我们现在考虑T（温度）、R（湿度）、AREA（地区）对PM2.5的影响：我们去除地形（LANDFORM）这个变量并利用EVIEWS软件的WLS（加权最小二乘法）作出新的模型得到下图：

10 / 16

pm值 探究四因素对PM值影响的回归分析

图十

EVIEWS给出的R^2=0.999777，模型拟合程度很好，而且对于及时变量R、T、AREA的P值均通过了检验；仅仅是对于常数项C，其给出的P值为0.0841未通过检验； 而如果我们去掉AREA并利用EVIEWS软件的WLS作出新的模型，如下图：

图十一

11 / 16

pm值 探究四因素对PM值影响的回归分析

此模型的拟合程度没有上模型好，而且对于LANDFORM其P值没有AREA的P值优秀。[www.61k.com）

综上所述，我们利用温度（T），湿度（R）和地区（AREA）作为PM2.5的解释变量，得到模型为：

PM2.5=-8.563130+4.303701T+3.348126AREA-14.02331R

———(7)

即本小组认为，空气中PM2.5的值与同时期的温度、湿度以及所在地区有关。

三、建议与展望

3.1对本次试验相关解释变量的说明

基于我们本身的学科特点和知识，在阅读相关文献的基础上，我们小组基本认为影响PM2.5的因素主要有自然和社会两大类，自然因素应该考虑化学、物理以及地理方面的因素，而社会层面则是人为活动及相关的社会因素。由于本小组大部分成员学科背景是文科，对相关物理化学知识不甚了了，因而舍弃了这部分的因素。在对社会因素的筛选上，我们主要以地区差异为主，其他部分不予考虑。

3.1.1对温度因素的说明

本次试验所选取的温度，是由2014年5月29日在中国天气网上公布的24小时温度所算出的平均值，单位为摄氏度，℃。

一般认为温度越高，则会加剧地面表层的蒸发，使得地表及近地表空气中所含的水分大大减少。这样会减少对相关物质的稀释和水的溶解作用，使得很多微小物质漂浮在空气中，其中就含有形成PM2.5的因子，因而温度应该考虑。

3.1.2对湿度因素的说明

本次试验所选取的湿度，是是由2014男5月29日在中国天气网上公布的24小时湿度百分比所算出的平均值，单位为百分之一，%。

普遍认为，空气中的水分子对空气中的悬浮物质具有凝聚作用，从而使得微笑物质得到集聚，使得其自身重力超过空气对其的浮力，从而使得这些物质下沉到空气底部，使得空气中悬浮物质减少，因而应该考虑湿度因素。

12 / 16

pm值 探究四因素对PM值影响的回归分析

3.1.3对地形因素的说明

本次试验的地形主要采用地理上所分析的五种地形分类为标准：平原、盆地、丘陵、高原以及山地。(www.61k.com)具体分类标准参见。

地形主要是对地表形态的描述，不同的地表形态对空气流动的限制是不同的。而空气流动的速度与其对自身的净化有很大的关系。一般认为，空气流动越快，则空气交换越频繁，则空气中相关悬浮物质的含量就会减少，从而也会减少导致PM2.5的因子，从而减少其含量。

3.1.4对地区因素的说明

本次试验的地区选取采用我国经济社会发展层次划分的理论，将全国分为东、中、西三个部分。具体分类标准参见hTTp://baike.baidu.com/link?uRl=swGMa R8LOLeHh6lHG03ySU599MiezueUqdDTIPT1qWS3fXQ3JSibWp1A81v1HcCMc1qc5mnc1lisa6CpvQ11cK。

地区不同，意味着发展的阶段不同，也意味着经济发展方式的差异。这样就可以看出，在不同的经济条件下，对PM2.5的影响是否会有较大的差异。

3.2对试验结果的分析

试验得出的最终结果为：

PM2.5=-8.563130+4.303701T+3.348126AREA-14.02331R

即PM2.5与温度、湿度以及地区有关。

从温度因素上看，温度因素前面的系数为4.303701，这意味着温度与PM2.5之间是正相关的关系，且温度每上升一摄氏度，PM2.5的值将会上升4.30。从湿度因素上看，湿度因素前面的系数为-14.02331，即湿度与PM2.5之间为负相关关系，且湿度每升高一个百分点，PM2.5的值将会下降14.0。从地区因素上看，地区差异也影响着PM2.5的值，在本次试验假设下，可以认为，从东部、中部和西部的不同变换中，PM2.5的值以3.45的数值递减。

同时，值得注意的是，地形因素没有通过本次实验的显著性检验。但我们小组认为，这并不意味这地形因素对PM2.5的值没有影响。虽然在本次试验中，地形这个因素在统计上是不显著的，但正如我们前面分析的一样，地形因素对PM2.5形成有着不容忽视的作用。但是，为何没有在统计中显示出来，可能有以

13 / 16

pm值 探究四因素对PM值影响的回归分析

下原因：

一是多重共线性问题。(www.61k.com）地形对PM2.5的影响确实存在，但是，这个因素并不是直接对PM2.5的值发生影响，而是必须通过中间因素，而如温度、湿度等因素，可能就已经把地形差异的不同包含在里面了，因而地形这个因素在统计上被拒绝了。

二是地形分类本身的问题。地形就是地表形态，而真实情况之下，没有两个地方的地表形态是完全相同的，所以对地形的分类也只是在基本特征上有个限定，而没有考虑到一些其他的特殊因素，这会影响到分析的有效性和准确性。比如以武汉和石家庄为例，武汉在地形上属于平原，但是，它同时也是长江和汉江的河漫滩平原，河的两岸还有地势上的不同，因而武汉和石家庄在地形分类上虽属于平原一类但是情况确实不同。

3.3相关建议

从以上分析中可以看出，气温、湿度和地区差异确实对PM2.5有明显的作用，因而，我们小组提出以下观点：

一是加强城市绿化建设，增加城市绿化覆盖率。随着城市绿化覆盖率的上升，则通过植被的光合作用消耗掉空气中的二氧化碳，缓解由二氧化碳带来的城市热岛效应，给城市降温。同时，也可以增加对雨水的储存与收集，增加地下水的含量，通过植物的蒸腾作用把水分释放到空气中，从而增加湿度变化。当然，好的绿化会带来城市的改观，促进当地经济的发展。

二是加强城市规划，使得城市功能区布局合理。城市内部，各个地方有着不同的功能，要合理布局，统筹考虑。比如在人口密集的地方不应该建造大片裸露或者表面光滑的建筑，这样会加剧城市的热岛效应，从而不仅仅使人活在火炉之中，也使得空气中的扬尘等悬浮物质增加。

三是城市道路建设要以社会和生态利益并重。光秃秃的道路是绝对的“热源”，道路上各种汽车的尾气也极大的增加了空气中的有害物质。因而城市道路在方面城市居民和促进城市经济发展的同时，必须注意路面及道路两旁的建设。可以在这些地方都建成绿化带，这样既可以增加绿化面积又可以使道路“生态化”。

四是全社会都必须形成一个共识，一个观念，来共同应对。政府应该在宏观层面上，在城市发展的进程中，把握住生态和发展的和谐关系，从而促进科学发

14 / 16

pm值 探究四因素对PM值影响的回归分析

展。(www.61k.com]在企业、公司和相关单位中，也要养成一种不仅仅是在追求经济利益，更重要的是社会效益和生态效益的观念，并落实到行动当中。对每个个体而言，这一点尤为重要。社会大厦的健康维系都是一个一个细胞小心翼翼保护的结果，我们每个人都应该有这样的意识，不仅仅是害怕PM2.5，而应该以行动来消灭它。

当然，除了这三个因素之外，还有非常非常多的因素，同样也会对PM2.5造成很大的影响，都应该值得我们去关注、去解决。

四、参考文献 1. 程志民. 钢铁企业PM2.5污染情况分析及防控措施研究[J]. 山西建筑,

2013, 39(13): 204-230

2. 朱倩茹. 广州PM2.5污染特征及影响因素分析[J]. 中国环境监测, 2013,

29(2): 15-21

3. 王玮. 中国PM2.5污染状况和污染特征的研究[J]. 环境科学研究, 2001,

13(1): 1-6

4. 张晶，陈宗良，王玮. 北京市大气小颗粒物的污染源解析［J ］.环境科

学学报，1998 ，（18 ）1：62-67 .

5. Wang Wei ，Wang Wenxing ，Chen Yan zhi ，et al .buffer ability of

cloud water ，rainwater and atmospheric particles i n EMEI . MT. area ［A］. Proceedings of global and regional environmental atmospheric chemistry ［C］. USA：1989 .717 -719 .

6. Sakamoto K，Gaidajis G，Wang Wei ， et al .Comparison of acidity

for atmospheric particulate matter collected at northern and southwestern cities i n China and south- kanto area i n Japan［A］.International Conference on acid deposition in east asia ［C］.Taipei China ：96 ’Taipei ，1996 .254 -266 .

7. 王玮，王文兴，陈宗良，等. 日本东京湾地区冬季飘尘污染研究［J ］. 环

境科学学报，1998 ，（18 ）3：248 -253 .

8. 张艺耀. 影响PM2.5因素的多元统计分析与预测[J]. 资源节约与环保,

2013, 29(11): 25-48

15 / 16

三 : Facebook用户流失原因剖析：回归真实生活

导语：最新数据显示，5月份Facebook在美国的用户减少了大约600万，这是Facebook美国用户数一年多来首次出现下滑。国外媒体周四撰文，从用户个人角度剖析了他们“逃离”Facebook的种种原因。

以下为文章全文：

根据数据服务机构Inside Facebook发布的统计数据，Facebook 美国用户在5月份减少了大约600万，从1.555亿降至1.494亿，这是Facebook美国用户数一年多来首次出现下降。

这家全球第一大社交网站为何会出现用户流失呢？《数字节食》（The Digital Diet）一书的作者丹尼尔·希尔伯格（Daniel Sieberg）认为，这应该归咎于许多原因，从“Facebook疲劳症”到隐私问题，再到我们已经不能获得像最初使用这项服务时一样的益处或回报，以下即是与用户自身情况更相关的一些原因：

不喜欢看到的东西

26岁的阿什莉·赫伯特（Ashley Hebert）是美国马萨诸塞州贝德福德市居民，在与男友分手后，仍一心想与他重归于好，所以经常到Facebook上看前男友的照片，但现在，上面都是前男友与他新女友如胶似漆的照片，这让阿什莉伤心不已，此后再也不上前男友的Facebook，虽然仍会让朋友继续关注。阿什莉说：“为了保持清醒，我只能从Facebook离开。”

不满自己的改变

纽约市65岁教育顾问费耶·库克（Faye Cook）说：“我发现自己能看到15年来从未联系的熟人的照片了，即便是相互间并不关心的人。我突然变得喜欢窥探人家的隐私，最后心想，‘难道再没有更有意义的事情做了吗？’这种痴迷似乎不太好。”

带来压力和焦虑

纽约州伊萨卡岛44岁律师鲁斯·麦尼斯（Russ Maines）说，他满脑子想的都是Facebook上面的朋友在干什么。他们晚饭做什么吃？哪些人的老板冲他们大喊大叫？周末会有什么安排？麦尼斯相信别人同样对自己的活动十分关注。去年10月离职的麦尼斯说：“Facebook并没有改善我的生活质量，反而将我引向相反的方向，带来了许多压力和焦虑。没有Facebook，我活地更快乐，生活更轻松。”

“虚假”关系太多

39岁的米歇尔·洛文（Michelle Loewen）说，Facebook正使她脱离“真正”的人际关系。于是，米歇尔在四个月前停止通过网帖与朋友交流，重新以传统方式与身边人联系。她说：“我拿起电话，努力去与最亲密的人联系，比如我的爸爸和我的兄弟姐妹。相比与小学毕业后便再没见过面的老同学的网上交流，这种方式更有意义。”

肯塔基州列克星敦42岁的吉米·戈尼斯（Jimmy Goines）也有同感，他说：“Facebook让你变得与世隔绝，不再选择面对面的交流。”他在今年1月放弃使用Facebook，而且从此再未用过。“选择离开是我认为自己做出的正确决定。”

维护名声让人累

36岁的密苏里州圣路易斯市居民艾伦·蒂尔伯格（Ellen Dierberg）大约一年半前与丈夫办理完离婚手续，随后她也加入到了Facebook大潮中，将这当作是让自己社交生活重回正轨的好办法。但蒂尔伯格不久后发现，无论她做什么事情，从音乐会到野餐会，自己都会被朋友拍照，然后上传到网上。

她说：“我开始与酷爱摄影的人约会，他们的照片也贴在我的Facebook上。每个人都会说，‘我在这个活动或那个派对上看到了你和鲍勃，’这时，我才意识到为了自己的名声，我必须要慎重。”一次，有人将蒂尔伯格与当地一位政治人物的照片贴到她的Facebook上。“人们开始与我联系，询问他的情况。他‘建议’我将照片删除。”她照做了，“Facebook让我感到很累。”

厌恶网友吹嘘

44岁的格里·格拉夫（Gerry Graf）是一位自由职业者，他在Facebook上的朋友经常去巴黎、伦敦和马德里旅游，这让格拉夫羡慕不已，终于在2010年夏天，他决定放弃自己无聊单调的生活，自己“周游”世界。但这只是一次虚拟的世界之旅。格拉夫说：“我从网上找到一些Flickr照片，然后经过加工看上去我好像去过萨拉热窝、赫尔辛基、意大利附近岛屿、伊拉克。”

这让Facebook上面的朋友很是羡慕。“所有人都留言说我的职业史上‘最酷’。我想评论大概有30条吧。这真是一个有趣的玩笑。”格拉夫后来创办了一家广告公司，总部设在纽约市。（轩辰）

本文标题：影响因素回归分析-关于BBS回贴动力因素分析
本文地址： http://www.61k.com/1114687.html