食品安全网络舆情中的网络意见领袖

洪 巍，吴林海，吴祐昕

( 江南大学a．江苏省食品安全研究基地;b．商学院;c．设计学院，江苏 无锡214122)

一、引 言

“意见领袖”一词最早出现在美国传播学学者拉扎斯菲尔德的《人民的选择》一书中，主要指向他人提供信息并对他人产生影响的活跃分子［1］。随着互联网的快速发展与普及，网络中也出现了一些意见领袖，他们通过积极发布信息引导网民的认知与行为，在一定程度上影响事态的发展方向。近年来，我国食品安全事件频发，由此所引发的食品安全网络舆情已成为公众参与食品安全监管的重要平台。然而，在食品安全网络舆情中夹杂着大量的谣言信息，若不加以监管与引导，极易导致舆情爆发，危害社会稳定。我国网民数量庞大，仅仅依靠政府力量难以实施全面、实时的监管与引导，需要借助网络意见领袖的力量，发挥其在舆情引导方面的积极作用。

网络意见领袖在舆论引导等方面具有重要作用，国内外学者对其展开了相关研究。Barbara Lyons 和Kenneth Henderson 研究了网络环境中意见领袖的特点及其与非意见领袖之间的差异，并探讨了意见领袖理论对电子商务的影响［2］;Hon Wai Lam 和Chen Wu 研究了在线拍卖网站eBay 不同社区中的意见领袖识别方法，分析了买家在未来的影响力［3］;Lin，Y et．al 研究了微博中热门话题的传播模型以及网络意见领袖的识别方法［4］;Weizhe Zhang et．al 提出了基于关系数据的网络意见领袖识别方法［5］。国内学者则主要对网络意见领袖的构成、特征与所产生的影响［6，7］、网络意见领袖的识别［8－12］、网络意见领袖舆论引导能力的评价［13］等方面进行了深入研究。从现有的文献来看，国内外学者对网络意见领袖的识别研究更为关注，这可能是因为网络意见领袖识别是开展构成与特征分析、能力培养与评价等工作的前提。然而，网络意见领袖主要通过发布信息影响相关网民的认知与行为，网民对相关信息的信任程度是影响网络意见领袖舆论引导效果的重要因素。因此，在食品安全网络舆情中，如何提高网民对网络意见领袖信息发布的信任程度，是作为政府重要辅助力量的网络意见领袖高效地发挥舆情引导作用亟需解决的问题。本文基于网民的问卷调查数据，运用多项Logistic 模型研究网民对食品安全网络舆情中网络意见领袖信任的影响因素。

二、理论分析与假设提出

信任是指人们在社会交往过程中相信对方不会采取欺骗行为的心理预期［14］，它是人们在面对复杂的社会环境时降低决策难度的重要策略。在食品安全网络舆情中，网民需要通过获取食品安全信息及时了解事件状况并采取应对措施，以降低食品安全事件所可能带来的风险，而网络意见领袖作为食品安全信息发布的活跃分子，是网民及时、方便地获取食品安全信息的重要渠道。然而，食品安全事件涉及专业的食品安全知识，一般网民难以辨识网络意见领袖所发布信息的真实性与准确性。此时，信任便成为网民降低行为决策难度的重要策略，帮助其快速甄选所需信息。对于信任关系的构建与发展，McKnight et al． 指出，认知过程、基于制度的信任( 结构性保证信念、情境规范信念)、信任倾向等都是重要的影响因素［15］;Gefen et al．在回顾与总结前人的相关研究成果的基础上，通过引入信任因素研究了电子商务中顾客对网络商家的信任与接受行为。他认为，基于知识的熟悉、基于制度的信任( 情境规范、结构性保证)、基于计算的信任等是影响信任的主要因素［16］。此外，Hsu et al．的研究也证实，在虚拟社区中，基于经济的信任( 基于计算的信任)、基于信息的信任( 基于知识的信任)、基于认同的信任( 基于传递的信任)等作为信任的重要构成要素，对人们的知识分享行为产生影响［17］。可见，相关文献针对网络环境中的信任研究主要集中在电子商务、知识分享等方面，而关于网络意见领袖的信任研究比较少见。然而，不论是对电子商务中网络商家的信任，还是对知识分享中虚拟社区的信任，抑或是对食品安全网络舆情中网络意见领袖的信任，都同属于对未来不确定情况的一种心理预期，因此都可以使用上述文献的理论框架展开研究。基于上述分析，本文就可能影响网民对食品安全网络舆情中网络意见领袖信任的因素提出以下研究假设:

(1)基于知识的熟悉。基于知识的熟悉是指通过加深相互间的了解来降低交互活动的不确定性，从而加强对对方信赖的心理预期。Kumar 在研究中提出，增加相互间的熟悉程度有利于提高商业关系的信任程度［18］。陈强和陈冰淳也在研究中证实，网民对微博信息发布者的亲近性影响其对微博内容的信任［19］。基于此，选取阅读信息、查看微博、信息互动等因素来考察它对网民信任的影响。

(2)基于制度的信任。基于制度的信任是指由客观的制度规范体系所产生的安全感知，它包括情境规范( 由交互环境的稳定性及一致性所产生的成功的心理预期)和结构性保证( 由规章、合同等明确的结构性保障所产生的获得有利结果的心理预期)两个方面。Gefen et al．指出，基于制度的信任的两个方面影响网民对网络商家的信任［16］;Zucker 的研究也证实了结构性保障对信任关系的影响，即第三方鉴定促进网络上信任关系的建立［20］。基于此，分别针对情境规范与结构性保证，选取权威性、可靠性、严谨性以及平台把关或审查制度、社会的监督、政府的监督、网络实名制、法律约束等因素来考察其对网民信任的影响。

(3)基于计算的信任。基于计算的信任是指由成本与收益的理性评价而产生的信赖对方的心理预期。Gefen et al．［16］、Wu 和Chen［21］等的研究均表明，基于计算的信任对于信任具有一定的影响。基于此，选取不实诚的损失、不关注网民需求的损失、提供帮助能力不强的损失等因素来探讨它对网民信任的影响。

三、调研设计与描述性统计分析

(一)调研设计

为了分析网民对食品安全网络舆情中网络意见领袖的信任与影响因素，2014年2月至3月期间，对涵盖我国南部、北部、东部、西部以及中部的12个省、规模不同的48个城市的居民展开问卷调查，以期提高调研结果的普适性。调查人员主要由江南大学的在校大学生组成，且在调研之前开展系统的培训。调研地区的分配以学生家乡所在地为依据，以方便调查活动的开展并提高交流的有效性。每个城市的调查点一般选取大型超市、书店、商场等人流密集区域，并采用一对一访谈的形式展开调研。当受访者年龄在18 岁及以上且知晓网络舆情时，便被确认为调查对象。

(二)变量设置

本文以网民对网络意见领袖的信任为被解释变量。解释变量的设置主要基于“第2 部分理论分析与假设提出”，并结合食品安全网络舆情的具体内容，归纳出14个因素为解释变量。变量对应的测量题项采用李克特五级量表，其中1 表示完全不认同，5 表示完全认同。具体选取的解释变量如表1 所示。

表1 变量定义

(三)受访网民的基本特征

本次问卷调查共发放问卷2640 份，回收有效问卷2464 份，有效率为93．33%。受访网民的基本特征如表2 所示。

从表2 中可以看出，受访网民在性别、婚姻状况、家庭年收入方面分布比较均衡，年龄以18－45 岁为主，职业以学生与企业员工为主，家庭以三口之家为主，且学历层次较高。可见，问卷调查样本与我国网民的总体特征基本相符，不仅分布广泛性，而且具备较高的代表性。

表2 受访网民的基本特征

四、实证模型与结果讨论

(一)模型选择

本文以网民对网络意见领袖的信任为被解释变量，且测量题项的选项为多个水平的离散型选择项( “绝不认同”、“有些认同”、“一般认同”、“比较认同”、“很认同”)，因此采用多项Logistic 回归模型。设Y 为被解释变量，有N个取值水平，其中第n( n ∈(1，2，…，N))个水平为参照类别，χm为被解释变量的选项取m 水平时的条件概率，则多项Logistic回归模型为:

在式(1)中，xt为模型中的自变量，am为模型中的截距，bmt为自变量的回归系数向量。

(二)Logistic 回归分析结果

运用SPSS19.0 对调研数据进行统计分析，采用多项Logistic 回归模型进行多因素分析。模型的整体拟合结果如表3 所示。

表3 模型的整体拟合效果

从表3 中可以看出，模型的整体拟合结果良好，适合进行多项Logistic 回归分析。多项Logistic回归模型引入自变量的似然比检验结果如表4 所示。

表4 模型引入自变量的似然比检验结果

表4 的检验结果显示，不实诚的损失( DHO)、阅读信息( RIN)、平台把关或审查制度( EXA)、权威性( AUT)在0.00 水平上显著，查看微博( FWB)、信息互动( INI)、法律约束( LAW)在0.01 水平上显著，其他因素的显著水平均大于0.05，表明这7个因素对网民的信任具有显著的影响。进一步对上述7个因素进行参数估计，参数估计结果如下:

1．“绝不认同”的信任水平( 即对“根据以往对网络意见领袖的经验来看，我知道网络意见领袖是诚实的”这种说法“绝不认同”)。

自变量DHO 的参照类别是“很认同”，DHO =1( “绝不认同”)和DHO =2( “有些认同”)的统计检验十分显著( 在0.01 水平上显著)，且回归系数为正，说明对“如果网络意见领袖在与我互动时不诚实，那么将对它没有好处”这种说法选择“绝不认同”和“有些认同”的受访网民与选择“很认同”的受访网民相比，更有可能“绝不认同”网络意见领袖是诚实的，即如果受访网民不认同或不太认同不诚实行为会对网络意见领袖带来负面影响，那么他们就更倾向于不认同网络意见领袖是诚实的。具体地，DHO=1 的EXP( B)值( 比值比，Odds Ratio，OR)为3.286，表示对DHO 题项“绝不认同”的受访网民，在评价其对网络意见领袖诚实性的认同程度时，选择“绝不认同”与“很认同”的概率之比，是对DHO 题项“很认同”的受访网民这一比值的3.286 倍，即对DHO 题项“绝不认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对DHO 题项“很认同”的受访网民的3.286 倍;DHO=2 的EXP( B)值为3.505，表示对DHO 题项“有些认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对DHO 题项“很认同”的受访网民的3.505 倍。

自变量RIN 和FWB 的影响均不显著( 显著水平大于0.05)。

自变量INI 的参照类别是“很认同”，INI=2( “有些认同”)和INI =3( “一般认同”)的统计检验比较显著( 在0.05 水平上显著)，且回归系数为正，说明对“我通过与网络意见领袖的信息互动过程而对网络意见领袖比较熟悉”这种说法选择“有些认同”和“一般认同”的受访网民与选择“很认同”的受访网民相比，更有可能“绝不认同”网络意见领袖是诚实的，即如果受访网民在与网络意见领袖信息互动过程中所建立起来的熟悉程度不太高或一般，那么他们就更倾向于不认同网络意见领袖是诚实的。具体地，INI=2 的EXP( B)值为3.361，表示对INI 题项“有些认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对INI 题项“很认同”的受访网民的3.361倍;INI=3 的EXP( B)值为3.081，表示对INI 题项“一般认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对INI 题项“很认同”的受访网民的3.081 倍。

自变量EXA 的参照类别是“很认同”，EXA=1( “绝不认同”)的统计检验十分显著( 在0.01 水平上显著)，且回归系数为正，表明对“我感觉网络意见领袖是可以信赖的是因为其信息发布受到网络平台把关或审查制度的约束”这种说法选择“绝不认同”的受访网民与选择“很认同”的受访网民相比，更有可能“绝不认同”网络意见领袖是诚实的，即如果受访网民不认同网络意见领袖的信息发布行为受到网络平台把关或审查制度的约束，那么他们就更倾向于不认同网络意见领袖是诚实的。具体地，EXA =1 的EXP( B)值为4.363，表示对EXA 题项“绝不认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对EXA 题项“很认同”的受访网民的4.363 倍。

自变量LAW 的参照类别是“很认同”，LAW=2( “有些认同”)和LAW =3( “一般认同”)的统计检验十分显著( 在0.01 水平上显著)，且回归系数为正，表明对“我感觉网络意见领袖是可以信赖的是因为其信息发布受到法律的约束”这种说法选择“有些认同”和“一般认同”的受访网民与选择“很认同”的受访网民相比，更有可能“绝不认同”网络意见领袖是诚实的，即如果受访网民不太认同或一般认同网络意见领袖的信息发布行为受到法律的约束，那么他们就更倾向于不认同网络意见领袖是诚实的。具体地，LAW =2 的EXP( B)值为3.959，表示对LAW 题项“有些认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对LAW 题项“很认同”的受访网民的3.959 倍;LAW=3 的EXP( B)值为3.764，表示对LAW 题项“一般认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对LAW 题项“很认同”的受访网民的3.764 倍。

自变量AUT 的参照类别是“很认同”，AUT=3( “一般认同”)和AUT=4( “比较认同”)的统计检验比较显著( 在0.05 水平上显著)，AUT=1( “绝不认同”)和AUT=2( “有些认同”)的统计检验十分显著( 在0.00 水平上显著)，且回归系数为正，表明对“网络意见领袖信息发布的渠道或平台具有权威性”这种说法选择“绝不认同”、“有些认同”、“一般认同”和“比较认同”的受访网民与选择“很认同”的受访网民相比，更有可能“绝不认同”网络意见领袖是诚实的，即如果受访网民对网络意见领袖信息发布的渠道或平台的权威性不是非常认同，那么就更倾向于不认同网络意见领袖是诚实的。具体地，AUT=1 的EXP( B)值为12.463，表示对AUT 题项“绝不认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对AUT 题项“很认同”的受访网民的12.463倍;AUT=2 的EXP( B)值为6.615，表示对AUT 题项“有些认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对AUT 题项“很认同”的受访网民的6.615 倍;AUT=3 的EXP( B)值为2.559，表示对AUT 题项“一般认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对AUT 题项“很认同”的受访网民的2.559 倍; AUT =4 的EXP( B)值为3.242，表示对AUT 题项“比较认同”的受访网民选择“绝不认同”网络意见领袖的诚实性的发生比，是对AUT 题项“很认同”的受访网民的3.242 倍。

2．“有些认同”的信任水平( 即对“根据以往对网络意见领袖的经验来看，我知道网络意见领袖是诚实的”这种说法“有些认同”)。

自变量DHO 中的DHO=3( “一般认同”)和DHO=4( “比较认同”)( 在0.05 水平上显著)以及DHO=2( “有些认同”)( 在0.00 水平上显著)与“有些认同”的信任水平呈正向影响关系。DHO=2、DHO=3、DHO=4 的EXP( B)值分别为4.460、1.884、1.903。

自变量RIN 中的RIN=1( “绝不认同”)( 在0.05 水平上显著)以及RIN =2( “有些认同”)和RIN=3( “一般认同”)( 在0.01 水平上显著)与“有些认同”的信任水平呈正向影响关系。RIN=1、RIN=2、RIN=3 的EXP( B)值分别为3.142、4.154、3.567。

自变量FWB 中的FWB=2( “有些认同”)( 在0.05 水平上显著)与“有些认同”的信任水平呈正向影响关系。FWB=2 的EXP( B)值为3.014。

自变量INI 中的INI=2( “有些认同”)( 在0.05 水平上显著)与“有些认同”的信任水平呈正向影响关系。INI=2 的EXP( B)值为3.291。

自变量EXA 中的EXA=2( “有些认同”)和EXA =3( “一般认同”)( 在0.01 水平上显著)与“有些认同”的信任水平呈正向影响关系。EXA =2 和EXA =3 的EXP( B)值分别为4.009 和2.645。

自变量LAW 中的LAW=2( “有些认同”)和LAW=4( “比较认同”)( 在0.01 水平上显著)以及LAW =3( “一般认同”)( 在0.00 水平上显著)与“有些认同”的信任水平呈正向影响关系。LAW=2、LAW=3、LAW=4 的EXP( B)值分别为3.443、3.305、2.118。

自变量AUT 中的AUT=4( “比较认同”)( 在0.05 水平上显著)以及AUT =1( “绝不认同”)、AUT=2( “有些认同”)、AUT=3( “一般认同”)( 在0.00 水平上显著)与“有些认同”的信任水平呈正向影响关系。AUT =1、AUT =2、AUT =3、AUT =4 的EXP( B)值分别为6.410、8.421、3.393、2.120。

3．“一般认同”的信任水平( 即对“根据以往对网络意见领袖的经验来看，我知道网络意见领袖是诚实的”这种说法“一般认同”)。

自变量DHO 中的DHO=2( “有些认同”)、DHO =3( “一般认同”)、DHO =4( “比较认同”)( 在0.01 水平上显著)与“一般认同”的信任水平呈正向影响关系。DHO=2、DHO=3、DHO=4 的EXP( B)值分别为3.557、1.978、2.171。

自变量RIN 中的RIN =2( “有些认同”)( 在0.01 水平上显著)、RIN =3( “一般认同”)( 在0.00 水平上显著)与“一般认同”的信任水平呈正向影响关系。RIN=2 和RIN=3 的EXP( B)值分别为2.928 和4.454。

自变量FWB 的影响不显著( 显著水平大于0.05)。

自变量INI 中的INI=1( “绝不认同”)、INI =3( “一般认同”)、INI =4( “比较认同”)( 在0.05水平上显著)以及INI=2( “有些认同”)( 在0.01 水平上显著)与“一般认同”的信任水平呈正向影响关系。INI=1、INI=2、INI=3、INI=4 的EXP( B)值分别为3.554、2.815、2.036、2.271。

自变量EXA 中的EXA=2( “有些认同”)、EXA=4( “比较认同”)( 在0.01 水平上显著)以及EXA=3( “一般认同”)( 在0.00 水平上显著)与“一般认同”的信任水平呈正向影响关系。EXA =2、EXA=3、EXA=4 的EXP( B)值分别为2.827、3.414、2.220。

自变量LAW 中的LAW=2( “有些认同”)、LAW=4( “比较认同”)( 在0.05 水平上显著)以及LAW=3( “一般认同”)( 在0.00 水平上显著)与“一般认同”的信任水平呈正向影响关系。LAW=2、LAW=3、LAW=4 的EXP( B)值分别为2.095、2.909、1.800。

自变量AUT 中的AUT=1( “绝不认同”)( 在0.01 水平上显著)以及AUT =2( “有些认同”)、AUT=3( “一般认同”)、AUT=4( “比较认同”)( 在0.00 水平上显著)与“一般认同”的信任水平呈正向影响关系。AUT =1、AUT =2、AUT =3、AUT =4 的EXP( B)值分别为4.771、6.254、4.278、2.902。

4．“比较认同”的信任水平( 即对“根据以往对网络意见领袖的经验来看，我知道网络意见领袖是诚实的”这种说法“比较认同”)。

自变量DHO 中的DHO=2( “有些认同”)( 在0.05 水平上显著)以及DHO =4( “比较认同”)( 在0.01 水平上显著)与“比较认同”的信任水平呈正向影响关系。DHO =2 和DHO =4 的EXP( B)值分别为2.289 和2.393。

自变量RIN 中的RIN=3( “一般认同”)( 在0.05 水平上显著)与“比较认同”的信任水平呈正向影响关系。RIN=3 的EXP( B)值为2.297。

自变量FWB 的影响不显著( 显著水平大于0.05)。

自变量INI 中的INI=4( “比较认同”)( 在0.01 水平上显著)与“比较认同”的信任水平呈正向影响关系。INI=4 的EXP( B)值为2.474。

自变量EXA 中的EXA=4( “比较认同”)( 在0.05 水平上显著)与“比较认同”的信任水平呈正向影响关系。EXA=4 的EXP( B)值为1.798。

自变量LAW 中，LAW=1( “绝不认同”)( 在0.01 水平上显著)与“比较认同”的信任水平呈负向影响关系，即如果受访网民不认同网络意见领袖的信息发布行为受到法律的约束，那么他们就更倾向于不太认同网络意见领袖是诚实的; LAW =2( “有些认同”)( 在0.05 水平上显著)以及LAW=3( “一般认同”)( 在0.01 水平上显著)与“比较认同”的信任水平呈正向影响关系。LAW=1、LAW=2、LAW=3 的EXP( B)值分别为0.286、2.488、2.274。

自变量AUT 中的AUT=1( “绝不认同”)、AUT =2( “有些认同”)、AUT =3( “一般认同”)( 在0.01 水平上显著)以及AUT=4( “比较认同”)( 在0.00 水平上显著)与“比较认同”的信任水平呈正向影响关系。AUT =1、AUT =2、AUT =3、AUT =4 的EXP( B)值分别为4.035、3.380、2.510、3.475。

从总体上看，上述“绝不认同”、“有些认同”、“一般认同”、“比较认同”等网民对网络意见领袖信任的认同水平具有较强的排序关系，且对应不同的信任认同水平，大多数自变量都会在自身相应的认同水平上对其产生显著的影响。其中，对于每个认同水平上的信任，自变量DHO、EXA 以及AUT 在自身相应的认同水平上都产生显著的影响;处于“绝不认同”的认同水平的自变量INI 对处于“绝不认同”的认同水平的信任没有显著影响; 处于“绝不认同”的认同水平的自变量RIN 对处于“绝不认同”的认同水平的信任没有显著影响，处于“比较认同”的认同水平的自变量RIN 对处于“比较认同”的认同水平的信任没有显著影响;处于“绝不认同”的认同水平的自变量LAW 对处于“绝不认同”的认同水平的信任没有显著影响，处于“比较认同”的认同水平的自变量LAW 对处于“比较认同”的认同水平的信任也没有显著影响;处于“绝不认同”的认同水平的自变量FWB 对处于“绝不认同”的认同水平的信任没有显著影响，处于“一般认同”的认同水平的自变量FWB 对处于“一般认同”的认同水平的信任也没有显著影响，处于“比较认同”的认同水平的自变量FWB对处于“比较认同”的认同水平的信任同样没有显著影响。

五、研究结论与政策建议

针对食品安全网络舆情中网民对网络意见领袖信息发布的信任的影响因素，本文通过问卷调查，并利用Logistic 模型进行了分析，得出如下结论:(1)不实诚的损失( DHO)、平台把关或审查制度( EXA)以及权威性( AUT)对“绝不认同”、“有些认同”、“一般认同”、“比较认同”等认同水平上的信任都有显著的正向影响，它们是影响网民对网络意见领袖信任的重要因素; ( 2)信息互动( INI)、阅读信息( RIN)、法律约束( LAW)以及查看微博( FWB)等因素对部分认同水平上的信任具有一定的正向影响;(3)可靠性( REL)、严谨性( RIG)、社会的监督( SOC)、政府的监督( GOV)、网络实名制( NAM)、不关注网民需求的损失( DEM)以及提供帮助能力不强的损失( ABI)等因素对网民的信任没有显著影响。

基于上述研究结论，针对食品安全网络舆情的监管与引导提出以下政策建议:(1)不诚实的损失( DHO)是影响网民对网络意见领袖的信任的重要因素之一，应加大对网络意见领袖发布虚假信息行为的惩罚力度，并将惩罚手段规范化与制度化，增加网络意见领袖采取不诚实行为的成本。如此，一方面可以对网络意见领袖发布虚假信息的行为产生一定的威慑作用，减少网络中的虚假信息;另一方面可以在一定程度上促进网民对网络意见领袖的信任，从而提高网络意见领袖舆情引导的效能。(2)平台把关或审查制度( EXA)也对网民的信任产生重要的影响，应进一步完善食品安全网络信息发布平台的信息把关与审查制度，提高信息把关人的综合素质，从源头上控制虚假信息的传播，提高网民对网络意见领袖的信任。(3)针对权威性( AUT)对网民信任的重要影响，一方面需要提高网络意见领袖自身的食品安全知识水平，尤其是培养一批具有正确价值观与丰富专业知识的食品安全领域专家作为食品安全网络舆情的意见领袖;另一方面需要联合专业的食品安全研究及检测机构，共同发布相关食品安全信息，以提高网络意见领袖信息发布的权威性，从而加强网民对网络意见领袖的信任。(4)对于其他一些影响网民信任的因素，可以通过各种宣传与交流活动加强网民与网络意见领袖之间的信息互动，提高网民对网络意见领袖的熟悉程度，从而增强网民的信任。此外，法律约束( LAW)也对网民的信任产生一定的影响，可以通过政府立法的方式，规定网络意见领袖在食品安全网络信息发布方面的权力与义务，规范其信息发布行为，以提高网络意见领袖的公信力。

［1］LAZARSFELD P F，BERELSON B，GAUDET H．The People’s Choice［M］．New York: Columbia University Press，1948．

［2］BARBARA LYONS，KENNETH HENDERSON． Opinion leadership in a computer mediated environment［J］．Journal of Consumer Behaviour ，2005，4(5):319－329．

［3］HON WAI LAM，CHEN WU．Finding Influential eBay Buyers for Viral Marketing－A Conceptual Model of BuyerRankl［C］．Proceedings of IEEE Conference on Commerce and Enterprise Computing．IEEE，2009: 778－785．

［4］LIN Y，LI HX，LIU XQ，FAN SH． Hot Topic Propagation Model and Opinion Leader Identifying Model in Microblog Network［J］． Abstract and Applied Analysis，2013:1－13．

［5］WEIZHE ZHANG，XIAOQIANG LI，HUI HE，XING WANG． Identifying Network Public Opinion Leaders Based on Markov Logic Networks［J］． The ScientificWorld Journal，2014:1－8．

［6］姜珊珊，李欲晓，徐敬宏．非常规突发事件网络舆情中的意见领袖分析［J］．情报理论与实践，2010，33( 12):101－104．

［7］王 平，谢耘耕．突发公共事件中微博意见领袖的实证研究——以“温州动车事故”为例［J］．现代传播，2012(3):82－88．

［8］王君泽，王雅蕾，禹 航，等．微博客意见领袖识别模型研究［J］．新闻与传播研究，2011(6):81－88．

［9］蔡淑琴，马玉涛，王 瑞．在线口碑传播的意见领袖识别方法研究［J］．中国管理科学，2013，21(2):185－192．

［10］宁连举，万志超．基于团购商品评论的网络意见领袖识别［J］．情报杂志，2013，32(8):204－207．

［11］王 娟，曹树金，姜灵敏，等． 兴趣社交网站中意见领袖识别的研究［J］． 图书情报工作，2013，57( 14):97－104．

［12］熊 涛，何 跃．微博转发网络中意见领袖的识别与分析［J］．现代图书情报技术，2013(6):55－62．

［13］谢新洲，杜智涛．网络意见领袖舆论引导能力的评判体系研究——基于灰色统计与层次分析法的模型构建［J］．图书情报工作，2013，57(15):20－26．

［14］DAVID GEFEN，ELENA KARAHANNA，DETMAR W． Straub，Inexperience and experience with online stores:the importance of TAM and trust［J］． Engineering Management，IEEE Transactions on，2003，50(3): 307－321．

［15］MCKNIGHT D H，CUMMINGS L L，CHERVANY N L． Initiai trust formation in new organizational relationships［J］． Academy of Management Review，1998，23 (3):473－490．

［16］GEFEN D，KARAHANNA E，STRAUB D W． Trust and TAM in online shopping: an integrated model［J］． MIS Quarterly，2003，27(1):51－90．

［17］MENG－HSIANG HSU，TERESA L JU，CHIA－HUI YEN，CHUN－MING CHANG． Knowledge sharing behavior in virtual communities: The relationship between trust，self－efficacy，and outcome expectations［J］． Int． J． Human－Computer Studies，2007，(65):153－169．

［18］KUMAR N． The power of trust in manufacturer－retailer relationships［J］． Harvard Business Review，1996，，74(6):92－106．

［19］陈 强，陈冰淳．微博内容信任问题的实证分析［J］． 现代传播，2014，(2):124－129．

［20］ZUCKER L G． Production of Trust: Institutional Sources of Economic Structure，1840－1920［J］． Research in Organizational Behavior，1986，(8):53－111．

［21］ING-LONG WU，JIAN-LIANG CHEN． An extension of Trust and TAM model with TPB in the initial adoption of online tax: An empirical study［J］． International Journal of Human-Computer Studies，2005，62(6):784－808．