Page 197 - 《社会》2021年第1期

社会·2021·1

表 2.7：控制变量：政治知识 表 2.8：控制变量：内在政治效能感

涉及题设 a b 涉及题设 因子负载
国家主席由哪个机构选举产 遭遇不公时的解决问题能力 0.79
1.6 -0.05
生
对自己社会关系能力的评估 0.84
省级人大代表任期多长 1.37 0.81
影响其他人的能力 0.82
中国共产党总书记是谁 3.35 -1.57
现任国家总理是谁 3.3 -1.03 KMO 值 0.68；巴特利特球度 共解释方差：
检验<0.001 67%
现任美国总统是谁 2.5 -0.77
（三）分析方法：广义倾向值匹配
由于观察型研究无法实现随机分组， 所以传统的问卷调查研究通
常难以在实验状态下实现干预变量对结果变量的净效应。 为了尽可能
模拟实验环境以进行因果推断， 社会科学研究者尝试通过计算倾向值
以实现样本的最大 程 度 匹 配 ， 进 而 计 算 出 干 预 效 应的 程 度（ treatment
effect）。尽管倾向值匹配与回归分析同样面临着不能穷尽所有干扰变量
的问题（Angrist and Pischke， 2009），因而无法从根本上解决遗漏变量的
缺 陷 ， 但 倾 向 值 匹 配 的 运 算 逻 辑 更 接 近 “反 事 实 因 果 框 架 ”
（ counterfactual framework）下对经典随机实验的要求。 通过计算倾向值可
以 实 现 控 制 组 与 干 预 组 的 匹 配 ， 从 而 消 除 干 扰 变 量 的 选 择 性 误 差
（ selection bias）， 推算出干预变量对因变量的平均因果效应（Rosenbaum
and Rubin， 1983）。 倾向值匹配通常运用于二分变量中，但本文的自变
量均为连续变量，因而采用广义倾向值匹配方法。 这一方法基于经典倾
向值匹配的模拟实验思路， 在自变量为连续变量的情况下通过一系列
协方差差异的调整来消除偏差（ Guardabascio and Ventura， 2014； Hirano
and Imbens， 2004）。 本文在进行广义倾向值匹配前仍会进行线性回归
模型分析，以作为对数据的初步辅助性分析。
五、研究发现

（一）中国城市居民的互联网使用与政治参与

为了便于比较分析，本文将各变量的项目反应得分标准化，取值范
围在 0-1 区间内，并分别计算各年度均值，结果汇总于表 3。 由表 3 可
知， 中国城市居民近年来的政治参与情况得分普遍较低，2015 年常规性
政治参与得分刚刚超过 0.1，2018 年的常规性政治参与得分不到 0.2。 非
常规性政治参与得分普遍低于常规性政治参与得分， 此差值在 2015 年

· 190·