Page 236 - 《社会》2024年第6期

能力的代价与分化：第三道数字鸿沟中的数字伤害

会存在选择性偏差，例如，老年人或低社会经济地位群体因为担心数字
技 能 不 足 而 不 使 用 互 联 网 ， 因 此 ， 本 研 究 使 用 赫 克 曼 两 阶 段 模 型
（Semykina and Wooldridge，2018）来解决这一问题。 赫克曼两阶段模型由
选择方程和决定方程两部分组成。 根据模型设定要求，选择方程应至少
包括一个对选择变量有影响的外生变量。 因此，本研究在该方程中纳入
了受访者所在地区的互联网普及率作为外生约束变量。 互联网普及率
会影响个体互联网的使用几率，进而导致技能差异。 基于 4 219 个总样
本的选择模型方程为：
（1）
Probit（S i） = 琢 + 茁 1 ·X i + 茁 2 ·C i + 茁 3 ·I i j + 着 i
其中，S i 为“受访者是否使用互联网”，X i 为研究的主要自变量，C i 为控
制变量，着 i 为残差项，I i j 为受访者所在省份的互联网用户占总人口的比
例。 在基于选择模型的第一阶段估计后，将生成逆米尔斯比率（ Inverse
mills’ ratio，Imr）。 将该数值作为控制变量纳入决定方程，可以对模型的
自选择偏误进行控制。
基于 2 430 个互联网用户样本的决定模型方程如下：
（2）
Y i = 琢 + 茁 1 ·X i + 茁 2 ·C i + 兹·Imr i + 着 i
其中，Y i 为因变量“数字技能”，Imr i 为逆米尔斯比率。 本文的假设 1 和
假设 2 把数字技能看作优势群体和数字伤害之间的中介变量。 为了检
定该中介效应，本研究使用了广义结构方程模型（ GSEM）来建立赫克曼
选择模型（Drukker，2016）。 在结构方程中，构造一个潜变量（L i）和存在
左删节参数的选择变量，其中，潜变量成为承载选择方程和决定方程之
间相关性的载体，并纳入决定方程的估计。 此外，为了消除可能的异常
值影响，本研究也采用了稳健标准误估计。
四、 研究发现

（一）两种类型优势对数字技能的影响
表 2 显示了个人类型和位置类型的优势对数字技能的影响。 其中，
模型 1 为赫克曼模型的第一阶段选择方程估计， 模型 2 到模型 5 是以
数字技能的五个维度为因变量的回归分析， 模型 6 为以整体数字技能
为因变量的回归分析。 模型 2 到模型 6 的统计结果显示， 除了城乡差
异、收入水平之于个别类型数字技能的影响不显著外，年轻、高学历、高
收入的群体和城市居民既会有更多元的数字使用， 在整体数字技能上

· 229·