随着Web 2.0以及互联网技术的飞速发展,社交媒体成为人们获取信息以及交流互动的主要平台,在它为我们提供便利的同时,也引发了一系列现实问题,其中“谣言泛滥”现象尤为严重。频繁发生的突发公共卫生事件不仅扰乱了正常的社会秩序,其滋生的网络谣言,更是借助社交媒体等平台肆意发酵、快速扩散,煽动了网民的负面情绪,引发公众群体性的心理焦虑和恐慌,也极大地考验着相关部门的危机应对能力。因此,对突发公共卫生事件背景下社交媒体用户的谣言扩散行为进行研究,有助于进一步揭示社交媒体中突发公共卫生事件谣言的扩散机制与演化规律,从而为相关部门制定有效的谣言治理策略提供理论依据,进而有利于维护社会秩序的稳定。同时,对突发公共卫生事件背景下的谣言扩散行为影响因素进行分析,有利于及时跟踪与监控舆论导向。为此,本文对突发公共卫生事件背景下社交媒体的谣言扩散行为影响因素进行研究。本文以突发公共卫生事件——新冠肺炎疫情为研究背景,以“新冠肺炎”、“新型冠状病毒”等为关键词,利用Python获取2020年1月20日—2020年4月3日之间与COVID-19疫情相关的原创微博信息,并根据官方辟谣账号发布的辟谣信息,对抓取的信息进行筛选,构建了“COVID-19疫情谣言数据集”。为探究新冠肺炎疫情谣言级联传播特征,从静态和动态两个角度,对新冠肺炎疫情谣言级联与其他谣言级联特征进行了对比分析。首先,采用Gephi对样本微博扩散路径进行可视化处理和网络结构分析,结果表明,虽然不同类型的谣言在扩散过程中均会形成中心节点,并围绕中心节点扩散,但其扩散规模不同,网络结构特征也具有一定的差异性。其次,在动态扩散过程中发现,新冠肺炎疫情谣言与其他类型谣言相比,其扩散的更深、更快、更广、更具病毒性。在谣言扩散行为方面,现有研究多以“转发”这一单一行为来衡量社交媒体中的扩散行为,而忽略“点赞”作为用户面对谣言时的另一种响应方式,对谣言扩散所起到的驱动作用。基于微博的平台属性可知,“转发”和“点赞”均能在一定程度对信息进行扩散。因此,本文考虑微博用户接收信息后所产生的“转发”和“点赞”两种扩散方式,研究影响其扩散的相关因素。基于详尽可能性模型（Elaboration Likelihood Model,ELM）,分别从中心路径和边缘路径两个角度出发,分析了影响突发公共卫生事件背景下社交媒体谣言扩散行为的多种因素,基于此构建负二项回归模型,并利用实际抓取的COVID-19谣言数据集,对模型进行了假设检验。实证研究表明,发布时间、来源模糊度、信息的社会影响力、内容模糊度、文本长度会积极影响谣言的扩散,即正向影响微博的转发规模和点赞规模。此外,焦虑程度会正向促进谣言转发,基于消极性偏见发现,消极情绪的谣言会促进谣言的扩散,在提升谣言的转发规模方面影响更为显著。由于社交媒体中存在的信息过载现象,导致来源活跃度显著负向影响谣言的扩散。最后,基于研究结论从谣言检测、谣言澄清以及个体谣言识别等方面给出了谣言治理的策略建议。