随着Web2.0的兴起,作为用户创建内容的一种重要平台和形式,微博得到迅速发展。低门槛、开放性、易用性等特征使得基于微博的信息传播和交流也日益增加。由于微博用户信息创建、发布、传播的动机不同,加之用户信息素养和甄别信息的能力不同,大量负面信息在微博上产生并经过多次转发被迅速的传播,给微博乃至网络空间的管理带来挑战。用户的转发行为是负面信息在微博网络中传播的主要途径。本文从微博负面信息转发机制入手,分析影响微博负面信息转发行为的因素,从微观与宏观两个层面展开对微博负面信息转发行为的预测研究。首先,基于计划行为理论,从态度、主观规范和知觉行为控制三方面对微博负面信息转发行为的影响因素进行分析,构建微博负面信息转发行为影响因素模型并对影响因素进行数学表示和计量。其次,基于二元逻辑回归模型构建微博负面信息转发概率预测模型,从微观层面对单用户负面信息转发行为进行预测;在此基础上,构建负面信息转发规模预测模型,从宏观层面对多用户负面信息转发行为进行预测。最后,对影响因素模型进行假设检验和对预测模型进行仿真检验。假设检验结果表明,本研究提出的负面信息转发行为影响因素确实是研究负面信息转发行为的重要因素。仿真检验结果表明,微博负面信息转发概率预测模型的准确率较高,性能良好;负面信息转发规模预测模型不仅具有较高的预测精度,而且能够较好地模拟真实微博网络中负面信息的传播速率与传播范围,有效地预测微博负面信息转发规模的演化趋势。由于微博平台对用户隐私的保护,本研究用于仿真检验的数据量较小。同时,对负面信息转发规模的预测未充分考虑到负面信息传播的时效性。因此,未来研究的预测模型可引入时间序列,对转发规模进行实时的动态预测,并尽量扩充实验集的数据量,以进一步提高预测模型的实用性和准确性。