《表3 9个指数间Pearson相关性分析结果》
注:括号内为显著性水平p值,**在0.01水平(双侧)上显著相关,样本N为6。
为更直观清晰比较h指数、g指数、p指数评价微博影响力效果,利用SPSS19.0对各指数计算结果进行相关性分析。首先,对各指数进行K-S检验后发现9项指数渐进显著性(双侧)均大于0.05(表2),检验结果符合正态分布。之后,选择Pearson相关系数进行相关性检验,针对点赞数、评论数、转发数分别进行相关性分析,整理如表3。ht指数、gt指数、pt指数呈现高度正相关,数值均大于0.9;hc指数、gc指数、pc指数间和hl指数、gl指数、pl指数间则呈现出更高相关度水平,数值均大于0.95。就区域内5A级景区微博用户数据而言,基于转发、评价、点赞各指数间高度相关,h指数和p指数间的相关程度最高,g指数和p指数间相关程度次之,h指数和g指数间相关性程度最低,但仍均大于0.9,反映出在评价微博影响力时h指数、g指数和p指数均有可采纳性。同时亦发现,基于点赞和评论数的各指数间相关性程度更高,而基于转发数的各指数间相关性程度相对略低。
图表编号 | XD00209585400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 查晓莉 |
绘制单位 | 池州学院 |
更多格式 | 高清、无水印(增值服务) |