微博自2009年引入国内,发展迅速,相关的研究也越来越被重视。目前关于微博的研究大多都停留在宏观层面——用户,针对微观角度的单条微博的研究较少。值得注意的是,不同用户发布的微博转发量区别较大,并且同一用户发布的不同的微博的转发量也存在显著的差异。因此,有必要对微博的影响力形成原因以及相关影响因素进行深入分析。完成这些研究将有助于发现那些拥有极大影响力的微博和微博用户。本文以此为出发点,结合微博的多层级结构,将单条微博的影响力的研究分为几个阶段：首先是对微博作者影响力的影响因子进行分析,并进行数学建模;随后以此为宏观层面的属性基础,结合单条微博的微观层面属性,构建单条微博的多层次线性模型；最后基于微博的传播特性,构建一个转发预测模型。其中,在构建用户影响力模型时,针对某些影响因子(指标)进行优化处理。在对单条微博进行分析时,本文选用了客观因子——转发量对其影响力进行衡量。本文使用新浪开放API来收集微博数据,在对这些数据分析之后,有如下结论：(1)在衡量用户影响力方面,本文优化后的指标是更加合理。(2)引入多层次线性模型,比以往的简单线性模型能更好的解释(转发量)在用户之间的差异以及用户发布的微博之间的差异。(3)通过对模型的不断优化,得到了显著影响单条微博影响力的宏观和微观层面影响变量。(4)本文提出的转发预测模型与实际数据的拟合效果较好,能够对单条微博的影响力发展趋势进行预测,衰减因子和再次转发率的有效合理性也得到验证。本文的创新点主要有：(1)在指标体系构建方面,本文引入了h指数对用户影响力层面的指标进行优化,并以此为基础构建单条微博的宏观层面和微观层面的指标体系。(2)根据优化的指标体系构建了用户影响力模型,对用户影响力进行量化。在用户层面的指标基础上结合微观层面的指标构建了单条微博的多层次线性模型,对单条微博影响力的指标进行进一步优化,并对单条微博的影响力与指标之间的关系进行解释。