Page 160 - 《华中农业大学学报（社会科学版）》2025年第3期

第3 期 陈新忠 等：教育如何调节互联网使用对社会公平感的影响？ 155

（4）控制变量。参考现有文献对控制变量的选择，结合 CGSS2021 问卷实际设计情况，本研究选
择 3 个维度作为控制变量，分别是个体维度、家庭维度和地区维度。其中，个体维度选择性别、年龄、
婚姻状况、是否有养老保险作为控制变量；家庭维度选择家庭年收入作为控制变量；地区维度选择城
乡类型和所在省份作为控制变量。模型中各变量的具体说明和描述性统计情况见表1。

表1 变量选取与描述性统计
变量 赋值 平均值 标准差
完全不公平=1；比较不公平=2；说不上公平但也不能说不公
社会公平感 3.470 0.960
被解释变量 平=3；比较公平=4；完全公平=5
社会公平感 公平=1；不公平=0 0.610 0.490
解释变量 互联网使用 使用=1；不使用=0 0.748 0.434
自身受教育程度 受访者自身受教育年限 9.430 4.470
调节变量/门槛变量
父辈受教育程度 受访者父亲受教育年限与母亲受教育年限均值 4.140 4.210
性别 男=1；女=0 0.470 0.500
年龄 受访者实际年龄 54.480 16.990
有配偶（包括“同居”“初婚有配偶”“再婚有配偶”）=1；
婚姻状况 0.750 0.430
无配偶（包括“未婚”“分居未离婚”“离婚”“丧偶”）=0
控制变量
是否有养老保险 是=1；否=0 0.740 0.440
家庭年收入 家庭年收入的自然对数 11.690 2.210
城乡类型 受访者户口性质：城镇=1；农村=0 0.580 0.490
所在省份 东部=1；中部=2；西部=3；东北=4 1.980 0.920
工具变量 主要信息来源 互联网=1；其他=0 0.609 0.488
3.模型设计
（1）基准回归模型。本研究实证检验互联网使用对居民社会公平感的影响。以社会公平感
为被解释变量，以互联网使用为解释变量，本研究构建基准回归模型为：
（1）
eva i = α 0 + α 1 internet i + ∑α 2 X i + μ i
式（1）中， eva i 为社会公平感； α 0 为常数； α 1 为待估系数； internet i 为互联网使用情况； ∑X i 为一系列
控制变量； α 2 为控制变量回归系数； μ i 为随机扰动项。
（2）调节效应模型。本研究实证检验居民自身受教育程度和父辈受教育程度对互联网使用影响
社会公平感的调节作用，构建调节效应模型如下：

eva i = β 0 + β 1 internet i + β 2 Z i + β 3 internet i × Z i + ∑β 4 X i + σ i （2）
式（2)中， β 0 为常数； β 1、β 2 为待估系数； Z i 为调节变量，即居民自身受教育程度和父辈受教育程
度； internet i × Z i 为自变量和调节变量的交互项； β 3 为交互项系数，若交互项系数显著，则表明调节效

应存在，否则，调节效应不存在； β 4 为控制变量回归系数； σ i 为随机扰动项。
（3）门槛效应模型。本研究实证检验居民受教育程度和父辈受教育程度的非线性调节效应，构
建门槛效应模型如下：
eva i = γ 0 + γ 1 internet i × I ( thr i ≤ τ 1 )+ γ 2 internet i × I (τ 1 < thr i ≤ τ 2 )+
（3）
γ 3 internet i × I ( thr i > τ 2 )+ ∑γ 4 X i + ω i
式（3）中， γ 0 为常数； γ 1、 γ 2、 γ 3 为待估系数； thr i 为门槛变量，即居民受教育程度和父辈受教育程
度； τ i 为待估计门槛值； I ( ∙)为指示函数，在满足条件时取值为 1，否则取值为 0； γ 4 为控制变量回归系
数； ω i 为随机扰动项。

三、结果分析

1.基准回归结果
为使回归结果更加准确和可靠，回归分析之前首先要进行共线性诊断。结果显示，本研究回归