城市品牌对选择螺旋首轮的影响：理论、数据与方法的对话

随着网络和手机的普及，新闻媒介决定传播内容的时代已经过去（McCombs & Shaw，1972；White，1950）。互联网以其内容多样、快速及时和鼓励参与而主导了传播生态（Coyle，2008；彭兰，2007）。

任何传播行为都隐含选择，诸如选择发布，选择接收，选择转发等等。经典传播理论多专注或预设选择，如传统议程设置理论预设选择发布，把关人理论专注选择转发，沉默螺旋、强化螺旋等循环理论关注选择行为的重复，等等（Dance，1967；Meraz，2009；Singer，2014；王学锋，2017；王雪，周杰，2011）。“选择螺旋”理论试图把这些分散独立的理论整合到统一的框架之下，以鼓励和帮助研究者从更宏观的视点来更细致地观察和比较这些传播行为（赵心树，2017，2018；赵心树，王丹，2019）。

本文提出多种统计指标，作为工具，帮助研究者分析、比较和解读螺旋首轮的发布、点读和转发行为，称为“首轮分析”，并以超过七万篇抓取自今日头条网站的关于七个城市网帖为实例，来展示这些指标的计算和应用。

选择螺旋是本文所依据的一个重要理论框架。这个理论的核心论点包括：人类信息传播包括四种基本行为，即发送、接收、转发和反应，每一种行为都是选择。一次发送、接收、反应和转发构成一个传播单位，称为“轮”。转发和反应所发的信息可以被再次接收、反应和转发，并再被重复，再重复...；这种重复称为“环生”。反应效应在环生过程中集聚演化，导致长期影响（赵心树，2017，2018）。由此构成人类信息传播的七种基本现象，又称R现象：release， reception，relay，reaction，round，recycle，repercussion（参见图1）。

基于网络数据的本项研究用阅读测量接收；网络数据中常说的“点击”实际上包含了“点选”和“阅读”两个行为，所以本文名之为“点读”。作为综合理论与大型数据对话的初步尝试，本项研究选择了选择螺旋的一个简化模型，专注于发布、点读（接收）和转发这三种行为的首轮互动，如图2所示。信息螺旋常常包含许多轮（Dance，1967；Zhao，2018）。本项研究分析其中的第一轮，称为“螺旋首轮分析”。

“选择”是传播行为最基本、最普遍的特性。网络和手持传播在技术上的突飞猛进和应用上的极大普及带来了传播选择行为的革命。受众的选择接收更方便更主动，导致“受众中心化”的猜想（赵志立，2003）；社交媒体上，普通公民“分薄”了传统媒体对设置议程的垄断（Meraz，2009）；本由少数专业人士垄断的信息生产者角色现在大量由普通人扮演，曾经单纯扮演“信息接受者”角色，因而只是“受众”的“群众”，现在也常常扮演信息生产者、发布者、接收者与传递者的角色，于是“发众”“转众”的概念不再是奇思异想，于是有“次级把关”（Singer，2014）和“后置把关”的现象（靖鸣，臧诚，2013）。

作为一个综合性理论，选择螺旋理论比一般传统理论更注重传播行为的相互关系。例如，传统强效理论预设选择发布而传统弱效理论强调选择接受，而选择螺旋的研究同时关注两者，并特别关注两者之间的比较和互动。推而广之，选择螺旋研究同样关注选择接收与选择转发的关系，以及选择接收与选择反应的关系，等等。

作为注重过程的理论，选择螺旋理论注重基本传播行为在不同传播轮中的不同表现。数据到位时，未来的选择螺旋研究不应满足于探明发布把关（源头把关），也应当关注首轮转发把关（次级把关或后置把关），还应当关注二轮转发把关（“三级把关”或“再后把关”），如此等等，于是，可以有“双重把关”“三重把关”的研究。

随着传播网络化，少数人对信息发布和信息转发的专有权被打破，信息螺旋的参与极大普及，速度极度提升，社会互动从约24小时一跳（接受-转发的一轮）的固定脉搏转型为根据议题性质和社会关注而变化的变动脉搏，其中最快的可以几分钟甚至几秒钟一跳。参与的普及和脉动的加速使得信息螺旋的过程效应大幅增强，选择因素的作用大幅增强。挖掘、测量、分析和比较传播螺旋中的选择因素及其效应，应当是传播研究的一个核心任务。

全新的传播生态提供了全新的数据，也对传播研究的理论和方法提出了全新的挑战。本项研究在选择螺旋理论的框架下，设计了十多种统计指标，用以测量和分析选择螺旋首轮的传播行为和相互关系。

城市传播是本文所依据的另一个理论概念。城市传播研究从信息传播的视角考察现代城市的意义，尤其是有关城市的空间、地点和人意的关系（黄旦，2015，2016；孙玮，2015；吴予敏，2014；赵心树，王丹，2019）。“城市传播”译自英文urban communication，此处urban有别于city，中文“都市”比“城市”更近于urban（赵心树，王丹，2019）。中文翻译者用“城市传播”而不是“都市传播”指称urban communication，导致符号意义的扩张和位移：在“城市传播”的旗帜下，以各个城市互为参照对象的研究比较，成为题中应有之义。

关于城市传播、城市品牌和城市传播力的思考和讨论，为选择螺旋研究提供了“城市名”这个选择因素，也为本项研究提供了主要自变量。

（一）数据

我们从2015年3月1日起至2017年6月29日止从今日头条（https:// www.toutiao.com/）网站下载数据 。

作为选择螺旋分析的初步尝试，本项研究选取“城市名”作为选择因素，并将分析对象限定为：“标题含关键词‘北京’‘上海’‘天津’‘重庆’‘香港’‘澳门’或‘台北’的贴文。”满足这个条件的贴文总数为75971。本文以下报告的发现都是基于这75971条贴文。

（二）分析单位和重构实验

网站数据通常以贴文为单位(行)存储、爬取和共享，于是对这些数据的研究也往往以贴文为分析单位（如Zhao et al.，2016；Ng & Zhao，2018）。但发布量是本项研究的一个关键变量，若以贴文为分析单位，发布量就只能是常量1，分析中必然缺失发布变量。本项研究的一个方法创新，是采纳了“选项”作为分析单位。

既然以城市为选择因素，那么，从发者、读者、转者的角度看，每个城市就是一个选项。本研究选取七个城市，也就是限定了七个选项。

通常的控制实验先有实验设计，再有数据搜集，继以数据分析。而基于自然数据的本项研究先有数据搜集，再有实验设计，继以数据分析，所谓“实验”是用自然数据重构而成，称为“重构实验”（reconstructed experiment，参见Zhao，2012）。由于实验对象是重构而成，其数量的增加不增加成本，研究者可以更自由地选择对象数量。但每个实验条件中的对象数必须相等，否则就会扭曲因变量的数值意义。作为初次尝试，本项研究在每个条件中安排一个实验对象。从而形成一个1X7，N=7的极简重构实验。

本项研究所采用的主要变量和新创的统计指标简述如下：

（一）发送选择（release selection，发布量r s ）

本研究用贴文的发布量及其百分比作为“发布之选择”的标尺，用release的首字母和最后一个辅音字母r s 作为标志（参见表1）。

这个变量仅仅测量发布行为中的选择，而不涉及点读或转发行为中的选择，所以是“单项行为选择”。但发布是螺旋首轮的第一个行为，是起点之起点，也是最初的选择，所以r s 同时也代表了螺旋过程中“自始至此的累积选择”。换言之，发布选择r s 类似“一月份收入”，后者既代表本月收入，又代表“自年初至本月之累积收入”（参见表1及图2）。

（二）点读选择（read selectivity，点读量r d 与读每发d s ）

为了测量市场的需求，网络平台、网络作者和广告客户普遍关注“点读”（clicks to read）。点读通常以帖子为单位，换言之，通常所说的“点读”，精确地说是“点读每发布”简称“读每发”，即每条贴文的点读量，用d s 代表（d s =r d /r s ；参见表1及图2）。“每发”在数学上就是“除以发布”，即排除发布的影响。所以，读每发测量点读的单行为选择。

在螺旋过程中，发布在前，点读随后。研究者可以用发布量r s 乘以读每发d s 而获得点读量r d ，r d =r s *d s ；从这个等式可知，点读量中包含了发布量与读每发两个因子，也只包含这两个因子；换言之，点读量是发布量与读每发两个选择效应的累积。

（三）转发选择（relay selectivity，转发量r l ，转每读l d ，及转每发l s ）

把门人理论和意见领袖理论主张，转发者有选择地转发信息（Barzilai-Nahon，2008；Lewin，1947；White，1950；Shoemaker，Eichholz，Kim & Wrigley，2001；Shoemaker & Vos，2009；Singer，2006）。

发布量r s ，点读量r d ，以及转发量r l ，在螺旋的不同阶段各自测量“此次及此前各次选择的累积”。发布是第一行为，r s 是第一次选择的测量，同时也是累积测量；点读是第二行为，r d 测量了前两次选择的累积；而转发是第三行为，r l 测量了至此为止所有三次选择的累积。

要测量单转发的选择，需要从转发量r l 中扣除前两次选择的影响，即除以点读量r d ，其商是“转发量每点读”，简称“转每读”，标为l d （l d =r l /r d ，参见表1、表2及图2）。

还可以测量后两次行为（点读与转发）的累积选择。这要求从转发量r l 中排除第一次选择的影响，即除以发布量r s ，其商是“转发量每发布”，简称“转每发”，标为l s （l s =r l /r s 参见表1、表2及图2）。

数据分析师通常已知发布量r s 和转每发l s ，而需要用r l =r s *l s 的公式计算累积选择r l ，以及用l d =r l /r d 的公式计算转发的单行为选择。本项研究就是如此。

（四）选择量（selection volume，s v ）与选择比（selection percentage，s p ）

以上选择指标的原始表述是自然数量，简称“选择量”（selection volume，s v ），数量指标的优点是直观易解，弱点是没有统一稳定的参照框架，增加了比较和进一步解读的困难。弥补办法之一是用下列公式计算选择量百分比，简称“选择比”（selection percentage，s p ），公式中的s v 代表selection volume，指选择量指标；s p 代表selection percentage，指对应的选择比指标；c代表category或choice，指选择因素变量下所含的选项数量；如本项研究的选择因素是城市名，选用了京沪渝港津澳北七个城市，所以有七个选项，c=7。

（五）选择度（selectivity，s l ）

“选择”是选择螺旋过程中的一个关键因素。研究者常说“有选择”或“无选择”，似乎选择是黑白两分的。其实那是为了思维和交流的方便而进行的简化。选择本身是渐续的，选择有度，而螺旋研究需要测量选择度（selectivity，s l ）：

最弱选择度指传播者作为一个集体不做选择，在所有选项中完全平均地分配发布、点读或转发；在本项研究中，这意味着每个城市得到1/c也就是1/7的发布、点读或转发，r i =1/c，于是所有距离d i =0，选择度s l =0。而最强选择度指100%的人都选择某一项；在本项研究中，这意味着某个城市得到100%的发布、点读或转发，而其他六个城市总共得到0%，于是d i 之和达到最大，s l =1。详见公式2。

（六）有向r方（directional r squared，±r^ 2 ）

选择螺旋研究关注基本选择行为之间的关系，例如本项研究需要测量和比较发布、点读、转发中的选择行为。s l 可用以比较任何两个选择行为的选择强度。选择强度是选择行为的一个侧面。另一个侧面是选择模式。假设发布者偏好北京而忽略其他城市，再假设点读者偏好香港而忽略其他城市，这时s l 会给发布和点读同样的选择度高分；但这是两种不同模式的强选择，s l 的比较不能体现这种选择模式的区别。我们需要更合用的测量工具，来测量两个选择行为之间的关系。

相关系数r（Pearson r）是一个常用指标，它在三个关键点上的意义清晰：r小于、等于、大于零分别代表负相关、不相关、正相关。但是，这三点之外的r值的意义不清晰。另一个常用指标是r方（r^ 2 ） ，它代表自变量所解释的因变量变化（离差）的百分比，因此在任意点上的意义清晰。但r方没有负值，因此不能显示两变量关系的方向。

r ^ 2 是一个百分比，r是百分比指标的平方根。平方根通常高估百分比，且高估的值变化不定，在低端的高估值可以很大。例如，当r ^ 2 =0.01时，r=0.1，这儿r相当于百分比r ^ 2 的十倍。本项研究采纳“有向r方”（directional r squared，±r ^ 2 ），以同采r和r ^ 2 的优点，避免两者的缺点，如公式3所示：

（七）真拟与预测（simulation on real data，SORD）

选择率的计算、解读和分析，都是基于这样的前提：信息的螺旋会维持足够大的规模，会环生足够多的轮数，从而产生足够大的影响。虽然本项研究聚焦于螺旋的第一轮，但还是需要也可以对第一轮之后的前景做一个粗略的估测。为此，我们发展了“真实数据基础上的模拟”的方法，简称“真基模拟”或“真拟”。真拟始于真实的观察数据，补以对未能观察到的关键参数的合理或保守的设定，在数据加设定的基础之上，模拟社会过程的发展演化。

（八）部件行为对组合行为的影响（Effect of component act(s) on their compound act）

传者、受者、转者之间的关系，是传播学最根本的关怀之一；强效果理论认为传者（媒体，统治阶级，权势集团）主导传播，而弱效果理论主张受者（读者、观众、受众）和转者（媒体、意见领袖、把门人）主导传播。网络传播提供了不受干扰和海量的数据，使学者能以前所未有的精确和包罗，来观察三者关系。

三者关系中的一个关键侧面，是部件行为对其造就的组合行为的影响（effects of component(s) on their compound）；在本项研究中，这种部件对组合的影响包括以下五种：

（1）发布量（部件）或读每发（部件）对点读量（组合）的影响（r sp or d sp on r dp ）

（2）点读量（部件）或转每读（部件）对转发量（组合）的影响（r dp or l dp on r lp ）

（3）发布量（部件）或转每发（部件）对转发量（组合）的影响（r sp or l sp on r lp ）

（4）读每发（部件）或转每读（部件）对转每发（组合）的影响（d sp or l dp on l sp ）

（5）发布量（部件）或读每发（部件）或转每读（部件）对转发量（组合）的影响（r sp or d sp or l dp on r lp ）

分析本文以上所列的数学公式，可以得出部件影响组合的一般模式：

（1）若选择度s l =0，则对应的部件行为的选择不影响组合行为的选择。例如，s l (rs) =0意味着发布量选择（百分比）不影响点读量选择或转发量选择。

（2）若选择度s l >0，对应的部件选择影响组合选择。例如，s l (rs) >0意味着发布量选择影响点读量选择和转发量选择。

（3）选择度s l 越大，对应的部件选择对组合选择的影响越大。例如，s l(rs) 越大，则发布量选择对点读量选择和转发量选择的影响越大。

（4）两个部件选择之间，选择度较高的对组合选择的影响较大。例如，s l(rs) >s l (ds) 意味着，考虑对点读量r dp 的影响，发布量r sp 大于读每发d sp 。

（5）三个（或更多）部件选择之间，选择度最高的对组合的影响最大，选择度最低的影响最小。例如，发布量r sp 、读每发d sp 和转每读l dp 三者对转发量r lp 的影响之大小，按选择度s l 之大小排列。

（6）部件选择对组合选择的影响，应有无限种分类方法，其中之一，是用线性相关关系的正、负或近于零，分辨部件之间如何互动而影响组合。两部件选择正相关且统计显著，两部件相互增强线性关系；若负相关且统计显著，两部件相互削弱，或较强（选择度较高）部件翻转较弱（选择度较低）部件的效果，即，正变负或负变正。

（7）部件对组合的影响包含线性和非线性两种；相关系数r及其衍生指标r ^ 2 和±r ^ 2 都只测量线性关系。螺旋分析师需要一种“总影响度”或“总贡献度”指标来测量部件对组合的所有影响，包括线性和非线性影响。

（九）部分对组合的贡献率（contribution，c t ）

如上述，有向r方没有能力分辨无效果或非线性效果，因此有可能诱使研究者将非线性效果误判为无效果。这一点在选择螺旋的分析中尤为重要；由于部件行为（如发布量和读每发）相乘而构成组合行为（如点读量），很可能造成部件行为非线性地影响组合行为。

为此，我们设计了贡献率（contribution，c t ，by a component to its compound）指标，其核心思想是：若组合甲有且仅有乙、丙两部件，则甲与乙之间的差别就是丙对甲的贡献，又称影响。将这一原理运用到传播螺旋分析：从组合（如点读量r d ）中剔除被测部件（如发布量r s ），计算剩余部件百分比（如读每发d sp ，又可称“读减发”或“读无发”）与组合百分比（如点读量r dp ）之间的差；这个差就代表被测部件(r s )对组合(r d )的贡献点（point of contribution，p c ），如公式4所示。

公式4中s pdi 代表第一选项（如北京）的组合测量（compound，如转发量r l ）的选择率s p （如r lp ，见公式1），s pti 代表同一选项（如北京）的剩余部件测量（remaining component，如转每读l d ）的选择率s p （如l dp ），p cl 代表被剔部件（left-out component，如发布量r s ）即被测部件的贡献点。

把构成某组合行为的所有部件行为的贡献点p cl 加总，通常不等于1；所以贡献点是百分点，而非百分率。公式15把p cl 转换成百分率c t 。一般而言，某（l）部件（如发布量r s ）对组合（如转发量r l ）的贡献率c t 可计算如下：

这儿p cl 是被测部件（如发布量r s ）的贡献点，而p c1 、p c2 ...p ct 分别是每个部件（component，如发布量r s 、读每发d s 、转每读l d ）的贡献点，这些部件共同构成了组合（如转发量r l ）。贡献率c t 介于0与1之间，某组合的所有部件的贡献率加总等于1（100%）；例如，作为转发量部件的发布量r s 、读每发d s 、转每读l d 的贡献率加总等于1，即c t-rs +c t-rs +c t-rs =1。

表2-表5及图3-图6展示了数据分析的主要结果。

（一）选择量分析（selection-volume analysis，s v ）

在2015年3月1日到2017年6月29日之间，在今日头条发布，并被本项研究成功爬取的贴文中，标题中含有特定城市名的贴文数量及其相关点读量与转发量如表2所示。

真拟预测（SORD analysis）。本研究观察到的转发量r l 是本轮的收官行为，同时也是下一轮的起始行为，是下一轮的发布。发布的去向是千千万万的社交平台，其信息总流量难以估测。但是，本研究的主旨也不要求精确测量后续某一轮的信息总量，而只需要判断我们正在观察的这个螺旋还将螺旋若干轮，因而，仔细分析其第一轮是有益的。

给定这个目标，我们做极保守预设，假定第二轮的所有平台的流量加总相当于今日头条的千分之三（3‰），更进一步假定以后每一轮的平台流量加总都以前一轮的千分之三的比例递减，则第30轮的转发量(r l-30 )可粗测为r l-30 =(r l *l s *3/1000)^ 29 =1083971，第30轮的点读量r d-30 可粗测为r d-30 =r d *r l-30 /r l =189052529。这显示，即使按极保守的预估，我们测量的这些螺旋还将有很多轮，本项研究仔细分析其第一轮是有益的。

（二）选择比分析（selection-percentage analysis，s p ）

表3显示，在总计近7万6千条帖子中，近三分之一（32.91%）是关于北京的，超过四分之一（27.63%）是关于上海的，重庆、香港、天津、澳门和台北所占比例依次递减。

1.单项行为分析。对每一种传播行为，s l =0都是重要的标志线。对发布行为，s l(ds) =0意味着发布者不加选择地平均分配，让每一类内容各占1/c(c代表内容类别)。对单项点读行为，s l(ds) =0可以有两种解读。一种解读预设被动的读者群体，认为读者集体不做任何选择地、平均地接收发布者提供的所有贴文。另一种解读预设主动的读者群体，认为发布者提供的内容百分百满足了读者群的需求，实现了彻底的供求平衡，使得读者群在决策点读时不需选择。

读-转关系不同于发-读关系，因为读者未必是发者，而转者必须首先是读者。所以解读s l(ld) =0比解读s l(ds) =0简单。s l(rl) =0意味着转者群不做独立于读者群选择的选择，换言之，选择已在点读时做出，转发选择百分百从属点读选择。了解选择度的理论下限(s l =0)的这些行为意义，有助于正确解读实际观察到的选择度。

观察我们的数据中的单项行为，可以看到，发布的选择度最高(s l(rs) =.373)；其次是点读（读每发，s l(ds) =.1711），其选择度还不及发布的一半。而转发的选择度更低好多（转每读，s l(ld) =.0551），还不及点读的三分之一。

这说明发者群体认真挑选了有关七市的内容，读者群体次之，而转者群体近于不作挑选—他们比较近于平均地转发关于七个城市的帖子。

如前所述，选择度sl大于零意味着该传播行为影响了信息螺旋的选择，选择度越高，影响越大。发、读、转这三个基本传播行为的选择度依次递减，这说明，对螺旋第一轮结束时的信息分布，发布者群体的影响最大，点读者群体其次，转发者群体影响最小。这个发现鼓励我们重新审视传播学的一些经典问题：媒体是强效，还是弱效？是媒体（发者）影响受众（读者），还是受众影响媒体？这些二元的问题可能失之过简。选择螺旋理论认为，传播是各个群体的协调，传播效果是协调的结果。而上述发、读、转的选择度则显示，2015-2017期间关于七个城市的中文信息的第一轮协调，是由发布者主导，点读者调整，而转发者几乎弃选参与，扮演了邮递员、搬运工的角色。

放弃选择不等于放弃参与，低度选择也不等于低度参与。转发者群体通过转发而参与螺旋，但平均转发意味着把选择权交给了其他两个群体。就好比搬运公司运送货物而不选择货物，搬运是重要的参与，但选货的是货主。又好比把关人大开关闸，让所有人通过，开闸也是参与，但同时也放弃了选择，而把选择权完全交给了可能的过关人。再好比把关人近于随机地开关闸门，自己几乎不作选择，而主要让前道关闸的把关人与随机过程选择那种人得以过关。最后这例比喻，最近于本项研究的发现。

在本项研究的数据中，不仅选择强度有别，选择模式也大不相同。例如，发布者最青睐北京（r sp =.3291），点读者最关心香港（d sp =.2644），而转发者最推荐重庆（l dp =.1807）。这些数字从一个侧面揭示选择度的意义：高选择度意味着高低差别大，而低选择度意味着高低差别小。关于选择模式异同的更多证据来自于相关关系（±r ^ 2 ）的测量，如下文进一步讨论的。

2.累积行为分析。在单项行为分析之后，我们分析累积行为，以观察这些单项行为共同作用的结果。以点读量r d 为例：从数学说r d 是r s 与d s 的乘积，从行为上说点读量包含了发布与点读两个行为，是发布量（单发布）与读每发（单点读）共同制造的产品；于是，点读量可视为发布者群体与点读者群体协调的结果。从表3第1、2、5列，我们可以看到这个原理在数据中的表现。例如香港在单发布（发布量r sp =.1205）排位第四而在单点读（读每发d sp =.2644）排位第一，于是在作为累积行为的发与读（点读量r dp =.2331）排位第二。由于香港的单转发百分比接近于不选择线1/7=.1429（l dp (香港)=.1438），所以香港在综合发、读、转三个行为的转发量上的表现几乎等同于它在发与读上的表现：r lp =.2315，排名第二（比较表3第6列和第5列）。

由于转发群体总体低选择（s l(ld) =.0551），不仅香港的发读转（转发量）的百分比指标r lp 近于发与读（点读量）的百分比指标r dp ，其他六个城市的这两个指标也都相去不远（请逐行比较表3第5和第6列）。

（三）线性相关分析（selection-deselection analysis）

1.单项选择之间的相关。表4显示，发布（r s ）、读每发（d s ）和转每读（l d ）相互间线性相关微弱（±r ^ 2 =-088~.073，n.s.，表4），可见发、读、转三个单项行为近于相互独立，至少从线性关系而言是如此。图3图示这种微弱的线性关系——由于七城市按发布量排列，发布量百分比（r sp ）从左到右一路下降，但读每发（d sp ）和转每读（l dp ）并未随之下降，两条回归线基本保持水平。

关于媒体效果的讨论中有两个极端的解读。一种解读预设奴性、超被动的受众和超强的媒介（发布者）效果——发布者的偏好通过内容的选择而塑造受者的偏好，再通过受者的传播行为而塑造其他受者的偏好，形成超强爆炸性螺旋。这种解读预测发布-点读（r s -d s ）之间或发布-转发（r s -l d ）之间的强正相关。本项研究没有发现强正相关，因而不支持这种解读。

第二种解读预设强对抗的受众和微弱的效果—在内容的选择上，受者群体对抗发布群体，为对抗而对抗；于是乎，发者发得越多，读者读得越少，转者转得越少；反而言之，发者发得越少，读者读得越多，转者转得越多；从而造成近于零的媒体效果。这种解读预测发布-点读（r s -d s ）之间或发布-转发（r s -l d ）之间的强负相关。本项研究没有发现强负相关，因而不支持这种解读。

2.累积选择之间的相关。作为累积行为的发布（r s ）、点读（r d ）和转发（r l ）三者之间强烈正相关（±r ^ 2 =-.784~.986，p<.01>

从图4可以直观地观察这种连环套关系所造成的强烈正相关：随着发布量（r sp ）下降，点读量（r dp ）和转发量（r lp ）也一路下降，三条回归线几乎重合。

小套娃必然小于大套娃，而螺旋的后行为（如点读）未必大于或小于它的前行为（如发布）。因此，信息的螺旋可能更像生物繁殖：子女代遗传了父母代的特性，父母代遗传了祖父母代的特性，但代与代之间总会有区别。还有一个重要的类同：有性繁殖中，两个特定个体，即父及母的基因，可以完全决定子女代的基因。类似地，在信息螺旋中，两个前行为可以完全决定后行为，例如发布量和读每发完全决定了点读量，点读量和转每读完全决定了转发量。

3.单项选择与累积选择之间的相关。相关度指标中，理论意义最大的恐怕要数单项行为（发布量、读每发、转每读）与累积行为（点读量、转发量、转每发）之间的相关，因为它们揭示部件与组合的关系，揭示哪个部件更多影响组合，从而揭示部件背后的人的关系。