本部分通过线性回归的方式，对传播者和接收者特征对行为意愿的影响进行研究。根据之前的研究设计，本研究以关系强度、专业性、信任倾向、产品涉入和品牌印象5个变量为自变量，分别以购买意愿和再传播意愿为因变量进行回归分析。使用SPSS15.0软件，分析自变量与因变量之间的关系。为了保证正确地使用模型并得出科学的结论，需要研究回归模型是否存在多重共线性、序列相关和异方差三大问题（马庆国，2002），所以我们将分析本研究理论模型是否存在多重共线性等三大问题，在不存在这些问题的前提下，对模型进行回归分析。
5.4.1三大问题检验
5.4.1.1多重共线性
多重共线性指解释变量（包括控制变量）之间存在严重的线性相关。可以用容许度（Tolerance）和方差膨胀因子（VIF）指数来衡量是否存在多重共线性。一般来说，容许度越小，或者VIF越大，变量间的共线性状况越严重。经验判断表明：当0《VIF＜10的时候，不存在多重共线性；当10＜VIF＜100的时候，存在较强的多重共线性；当VIF》100的时候，存在严重的多重共线性（何晓群和刘文卿，2001）。当容许度大于0.1，方差膨胀因子小于10时，自变量的共线性不大。通过对下面将介绍的回归模型的容许度和VIF计算显示，所有模型中的容许度大于0.1，且VIF值均处于1～10之间。所以，本研究的变量之间不存在多重共线问题。
5.4.1.2序列相关
序列相关指的是回归模型中不同的残差项之间具有相关关系。本研究中，由于样本时间跨度不大，因此不可能出现不同期的样本值之间的序列相关问题。此外，截面数据中不同编号的样本值是否存在序列相关问题，可以用回归模型中的DW值来判断。若DW值介于1.5～2.5之间（或者接近于2），则表明误差项之间不存在自我相关现象。为了考察序列相关问题，在回归结果中我们列出了DW值的计算结果。购买意愿和再传播意愿回归的DW值都在1.5～2.5之间。
5.4.1.3异方差
异方差指回归模型中的不同残差项之间具有不同的方差，我们可以利用散点图来判断回归模型是否具有异方差现象。如果存在异方差问题的话，回归分析的结果将不具有无偏、有效等特点。对下面将介绍的回归模型以被解释变量为横坐标进行了残差项的散点图分析，结果表明所有的回归模型中均不存在异方差问题。
5.4.2购买意愿的回归
传播者和接收者特征变量对购买意愿的回归结果。
模型的F统计量为20.742，回归效果显著，因此回归模型的设定是可以接受的。矫正后的R2为0.354，意味着传播者和接收者特征变量解释购买意愿变异的35.4%。
关系强度、信任倾向和品牌印象均在0.01的水平下显著，产品涉入在0.05水平下显著，表示它们对购买意愿具有显著的影响。并且回归系数都为正，所以关系强度、信任倾向、产品涉入和品牌印象都正向显著影响消费者的购买意愿。而专业性对于购买意愿的影响不显著。
5.4.3再传播意愿的回归
传播者和接收者特征变量对再传播意愿的回归结果。
模型的F统计量为48.019，回归效果显著，因此回归模型的设定是可以接受的。矫正后的R2为0.431，意味着传播者和接收者特征变量解释再传播意愿变异的43.1%。
关系强度、信任倾向和品牌印象均在0.01的水平下显著，专业性在0.05水平下显著，表示它们对再传播意愿具有显著的影响。并且关系强度、信任倾向、品牌印象的回归系数都为正，所以它们都正向显著影响消费者的再传播意愿。而专业性的回归系数为负，表明其负向影响消费者的再传播意愿。而产品涉入没有通过显著性检验，表明其对再传播意愿没有显著影响。
5.4.4假设检验
本研究对假设关系成立的检验标准为：回归系数的显著性水平在0.05以上的为显著，假设成立；路径系数的显著性水平在0.1以上的为弱显著，假设部分成立，低于0.1的则认为不显著，假设不成立。另外，H3b、H4b、H5b、H6b、H7b对行为意愿的假设，由相应变量对购买意愿和再传播意愿的假设结果来衡量。当相应变量对购买意愿和再传播意愿的假设结果都支持或者都不支持时，假设H3b、H4b、H5b、H6b、H7b与上述结果一致；当相应变量对购买意愿和再传播意愿的假设结果有一个支持时，假设H3b、H4b、H5b、H6b、H7b的验证结果为部分支持。依据上述标准及前面的回归结果。
大部分的假设得到验证，只有H12a和H13e没有通过验证。口碑传播者的专业性只对接收者的再传播意愿有影响，而接收者的产品涉入只对其购买意愿有影响。在被验证的各个假设中，只有传播者的专业性负向影响接收者的再传播意愿，其余都是正向显著。
上述回归结果显示，传播者和接收者个体特征变量对两类行为意愿的影响，相同点是关系强度对行为意愿的影响最大，其次是信任倾向和品牌印象。从而表明，消费者在负面网络口碑面前，对于口碑传播者的熟悉程度是影响其行为的最重要因素。相比较而言，负面网络口碑接收者的产品涉入程度与传播者的专业性程度对接收者行为意愿的影响较弱。