互联网使用对中老年人健康的影响研究_范从波.pdf

Vol.44 No.3（211）2023Northwest Population Journal互联网使用对中老年人健康的影响研究范从波，温勇（南京邮电大学 理学院，南京 210023）【摘要】互联网的迅速发展使更多中老年人享受到了便捷的生活，同时互联网在中老年群体中的普及率也越来越高。党的二十大报告提出实施积极应对人口老龄化国家战略。研究互联网使用对中老年人健康的影响，可以促进积极老龄化和推进健康中国建设。基于2017年中国综合社会调查数据（CGSS），首先使用Logit回归模型分析互联网使用对中老年人健康的影响，并利用变量替换法和模型替换法进行模型稳健性检验，然后使用Logit回归模型对不同中老年群体进行异质性分析，最后通过中介效应模型分析互联网使用对中老年人健康产生影响的内在机制。研究发现，互联网使用对中老年人的“自评健康”“心理健康”和“健康对生活的影响”都有显著的正向作用，且结果具有稳健性。异质性分析发现，互联网使用对低龄、男性、农村、非独居和教育程度低的中老年人的自评健康的促进作用相对更大。机制分析显示，互联网的使用会通过社交途径影响中老年人的健康，但不会通过休闲途径和学习途径影响中老年人的健康。【关键词】互联网使用；中老年人；自评健康；心理健康；健康对生活的影响【DOI】10.15884/ki.issn.1007-0672.2023.03.007【收稿日期】2022-06-16【中图分类号】C913.6 【文献标志码】A 【文章编号】1007-0672（2023）03-0080-13【基金项目】国家社会科学基金一般项目“积极老龄化视角下老年友好型社区构建研究”（20BRK030）。【作者简介】范从波，男，江苏海安人，南京邮电大学理学院随机数学研究中心研究人员；温勇（通信作者），男，江苏南京人，南京邮电大学理学院教授，博士生导师。一、引言党的二十大报告提出推进健康中国建设，深化健康中国行动和实施积极应对人口老龄化国家战略。这充分体现了党深入贯彻以人民为中心的发展思想。新时代这十年，健康中国建设步伐稳健，人民健康得到全方位保障，人民生活品质不断提高；积极应对人口老龄化战略稳步实施，切实增强了广大老年人的获得感、幸福感和安全感。第七次全国人口普查数据显示，我国60岁及以上人口占比18.7%，其中65岁及以上人口占比13.5%，逼近深度老龄化社会14%的标准，老龄化势态日益严重。与此同时，互联网在我国中老年群体中的普及率也越来越高，其迅速发展使更多的中老年人享受到了便捷的生活，截至2021年12月，4049岁网民占比为18.4%，50岁及以上网民占比达到26.8%，互联网进一步向中老年群体渗透1。随着互联网的快速发展，越来越多的中老年人通过网络进行社交、休闲、消费、娱乐等活动，互联网促进了中老年人的社会参与和社会融入，也促进了中老年人身心健康水平的提升。同时，互联网在不同中老年人群体中的使用差异也造成了新的健康不均衡、不公平等问题。因此，本文将研究视角定位为互联网使用对中老年人健康的影响，揭示互联网使用对中老年群体健康的正向和负向作用，并研 802023年第3期 第44卷互联网使用对中老年人健康的影响研究Vol.44 No.3（211）2023究其在城乡之间、性别之间、不同年龄、不同居住方式以及不同文化程度之间的差异，以期对积极应对人口老龄化和推进健康中国建设起到积极作用。二、文献综述从文献梳理中可以发现，国内外学者对于互联网使用与健康之间的关系进行了大量研究。很多学者的研究均认为互联网使用对老年人的健康状况具有显著的积极影响2-12。对于不同的中老年群体，有学者认为互联网使用对高龄、男性和农村中老年人心理健康的促进作用更强（李志光、贾仓仓，2021）5，有学者研究发现互联网使用对无配偶、教育程度高和是党员的老年人健康的作用效应更强（汪连杰，2018）6，还有学者认为互联网使用对农村老年人的健康具有更强的促进作用（陈灵肖等，2022）7。但是也有一些学者得出了不一样的结论，他们认为互联网使用对低龄和城市老年人健康有更高的正向影响（侯建明等，20228；赵建国等，20209）。此外，国内外学者也逐渐关注互联网使用对健康影响的机制研究。有学者认为互联网使用通过增强社会信任促进了中老年人的心理健康（李志光、贾仓仓，2021）5，有学者认为互联网使用会通过社交和学习途径影响老年健康（侯建明等，20228；赵建国等，20209；王元超等，202210；武佳等，202113），还有学者认为互联网使用通过代际关系、人际交往和社会参与这三条作用路径影响老年人的健康状况（王维钰，2022）14。另外有研究发现，认知能力、教育程度和职业阶层在互联网使用对老年人健康的影响中有调节作用（刘杰等，202111；Wang等，202015；Lam等，202016）；互联网使用通过社交频繁程度、读书看报频繁程度以及自评社会经济地位等因素，对居民健康产生影响（陈亮、李莹，2020）17。综上所述，现有研究大多聚焦互联网使用与老年人健康之间的关系，但对互联网使用与中年人健康之间的关系涉及较少，同时对健康影响因素和异质性的考虑不够全面。因此，本文将研究对象拓展到中年人群，首先通过健康状况的不同测量指标来分析互联网使用对中老年人健康的影响，然后从多个研究视角分析互联网使用对不同中老年群体健康影响的异质性，最后利用不同中介变量探索互联网使用对中老年人健康的影响机制。三、研究设计（一）数据来源本文的数据来源于2017年中国综合社会调查（CGSS）。CGSS的调查对象来自全国多数地区，通过结合绘图抽样和多阶分层PPS抽样共计得到样本12 582份，样本具有很好的代表性。根据本文确定的研究对象和研究内容，筛选出45岁及以上的中老年人样本共计8 127个，在剔除变量值有严重缺失和无效回答的样本后，共得到7 678个有效样本。（二）变量选择1.被解释变量健康包括生理健康、心理健康和社会适应等（Grad，2002）18。本文被解释变量是健康状况，主要用“自评健康”“心理健康”和“健康对生活的影响”来测量。其中，“自评健康”根据问题“您觉得您目前的身体健康状况是”来测量，回答很不健康、比较不健康和一般的都赋值为0，即表示不健康，回答比较健康和很健康的都赋值为1，即表示健康；“心理健康”根据问题“您感到心情抑郁或沮丧的频繁程度是”来测量，回答总是、经常和有时的都赋值为0，即表示不健康，回答很少和从不的都赋值为1，即表示健康；“健康对生活的影响”根据问题“健康问题影响到您的工作或其他日常活动的频繁程度是”来测量，回答总是、经常和有时的都赋值为0，即表示有影响，回答很少和从不的都赋值为1，即表示无影响。81Northwest Population JournalVol.44 No.3（211）20232.核心解释变量本文的核心解释变量是互联网使用，根据问题“您对互联网的使用情况是”来测量，回答不使用的赋值为0，回答使用的赋值为1。在稳健性检验中使用变量替换法时，根据问题“您是否经常在空闲时间上网”来作为替换变量“是否上网”的测量，回答不上网的赋值为0，回答上网的赋值为1。3.控制变量参考已有研究文献可以发现，有学者将基本人口特征和社会经济特征作为控制变量（靳永爱、赵梦晗，2019）3，还有学者将个人特征和社会特征作为控制变量（汪连杰等，20186；侯建明等，20228；赵建国等，20209），亦有学者将个体特征、经济特征、社会保障和省份差异作为控制变量（陈亮、李莹，2020）17等。因此，本文的控制变量主要包括对健康状况有重要影响的个人特征、家庭特征、社会特征和社会保障等四个方面（详见表1）。其中，年龄、家庭经济状况和社会特征等为连续变量或顺序变量，其余的变量为分类变量。表1变量定义与描述统计变量健康状况互联网使用个人特征家庭特征社会特征社会保障中介变量自评健康健康对生活的影响心理健康互联网使用上网性别年龄教育程度城乡类型工作状况婚姻状况锻炼参与房产拥有情况居住类型家庭经济状况社会信任社会公平社会经济地位基本医疗保险基本养老保险商业医疗保险商业养老保险社交频率休闲频率学习频率赋值定义0=不健康，1=健康0=有影响，1=无影响0=不健康，1=健康0=不使用，1=使用0=否，1=是0=女，1=男实际年龄1=小学及以下，2=初中，3=高中及以上0=农村，1=城市0=没工作，1=有工作0=不在婚，1=在婚0=不参加，1=参加0=没有，1=拥有0=非独居，1=独居1=远低于平均，2=低于平均，3=平均水平，4=高于平均，5=远高于平均1=非常不信任，2=比较不信任，3=一般，4=比较信任，5=非常信任1=非常不公平，2=比较不公平，3=一般，4=比较公平，5=非常公平1=下层，2=中下层，3=中层，4=中上层，5=上层0=没有参加，1=参加0=没有参加，1=参加0=没有参加，1=参加0=没有参加，1=参加1=从不，2=很少，3=有时，4=经常，5=非常频繁1=从不，2=很少，3=有时，4=经常，5=非常频繁1=从不，2=很少，3=有时，4=经常，5=非常频繁均值0.420.590.610.380.370.4761.091.790.590.460.800.480.560.162.493.563.172.190.930.790.080.062.703.491.73标准差0.4940.4920.4870.4860.4830.49910.6350.8160.4920.4980.4030.5000.4970.3680.7771.0051.0750.8940.2520.4090.2640.2341.1000.9181.030 822023年第3期 第44卷互联网使用对中老年人健康的影响研究Vol.44 No.3（211）20234.中介变量参考已有研究文献可以发现，有学者将社交频率、休闲频率和学习频率等作为中介变量（侯建明等，20228；赵建国等，20209；王元超等，202210；武佳等，202113）。因此，本文在研究中也将社交频率、休闲频率和学习频率设置为中介变量。社交频率、休闲频率和学习频率依次按照问题“您是否经常在您的空闲时间做下面的事情”中回答的社交串门频率、休息放松频率和学习充电频率来确定，均处理为顺序变量。（三）模型设定1.Logit回归模型本文分别以中老年人的自评健康、心理健康、健康对生活的影响作为因变量，建立多个二元Logit回归模型，分析互联网使用对中老年人健康的影响。变量间的函数关系式如下：ln(Pi1-Pi)=+0Xi+jZij（1）式（1）中，i表示第i个中老年人，Pi表示健康的概率；Xi表示互联网使用；Zij表示控制变量。OR值可表示为Exp()=Pi1-Pi，用于衡量解释变量变化1个单位后中老年人健康与不健康发生概率的比值。2.中介效应模型因果逐步回归法是检验中介效应的基本方法（Baron 等，198619；Judd 等，198120；温忠麟等，200421）。本文用来分析互联网的使用是否能通过社交、学习和休闲途径影响中老年人的健康，并利用bootstrap法有放回抽样检验中介效应的显著性。其表达式为：Yi=+0Xi+j Zij（2）Mi=+0Xi+j Zij（3）Yi=+0Xi+0Mi+j Zij（4）其中，i表示第i个中老年人，Yi表示健康状况；Xi表示互联网使用；Mi表示中介变量；Zij表示控制变量。式（2）用来估计互联网使用影响中老年人健康的总效应0，实质上与式（1）相同；鉴于中介变量为连续变量，式（3）采用OLS模型来估计互联网使用对中介变量的配置效应0；式（4）采用Logit模型来估计互联网使用对中老年人健康的直接效应0和中介效应0*0。四、实证结果分析（一）互联网使用对中老年人健康的影响分析1.Logit回归分析如表2所示，模型1、模型2是中老年人自评健康的回归结果，模型1仅含有核心自变量即互联网使用，模型2含有核心自变量和所有控制变量，结果显示互联网使用依然具有显著性，表明模型具有较好的稳定性。模型3、模型4以及模型5、模型6分别是心理健