Page 161 - 《华中农业大学学报（社会科学版）》2025年第3期

156 华中农业大学学报（社会科学版） （总177 期）

模型中各变量的方差膨胀因子（VIF）介于 1.00 到 1.66 之间，均远小于 10，表明模型不存在严重的共
线性问题，可以进行回归分析。
本研究因变量“社会公平感”定义了虚拟变量和有序变量两种形式，故同时采用虚拟测量的线性
概率回归和尺度测量的有序概率回归进行分析，基准回归结果如表 2 所示。根据 Zhou 等 的研究，
[28]
OLS 和 Ordered Probit 估计都是针对所有可能的 表2 基准回归结果 N=6376
因变量和自变量组合实现的，因此，所有估计在 社会公平感 社会公平感
质量上都是相同的。其中，（1）~（2）列分别是将 变量
（1）OLS （2）Probit （3）OLS （4）Oprobit
社会公平感定义为虚拟变量的 OLS 模型和 Pro‐ -0.037 ** -0.099 ** -0.109 *** -0.149 ***
互联网使用
bit模型回归结果，显示互联网使用对居民社会公 (0.017) (0.046) (0.034) (0.039)
平感有负向影响，且均在 5% 水平上显著；（3）~ 性别 0.068 *** 0.181 *** 0.105 *** 0.126 ***
(0.012) (0.032) (0.024) (0.027)
（4）列分别是将社会公平感定义为有序变量的
0.002 *** 0.005 *** 0.004 *** 0.006 ***
OLS 模型和 Oprobit 模型回归结果，发现互联网 年龄 (0.000) (0.001) (0.001) (0.001)
使用对居民社会公平感仍有负向影响，且均在 0.012 0.033 0.004 -0.004
婚姻状况
1% 水平上显著。本研究进一步计算 Oprobit 模 (0.015) (0.039) (0.029) (0.033)
-0.001 -0.003 -0.006 -0.018
型的边际效应得出，当互联网使用增加 1个单位， 社会保险
(0.015) (0.038) (0.029) (0.033)
居民认为社会“完全公平”的概率降低 2.1%。整 *** *** *** **
家庭年收入 0.008 0.023 0.015 0.016
体而言，互联网使用对居民社会公平感存在显著 (0.003) (0.008) (0.006) (0.006)
负向影响，这验证了 H 1。如前所述，使用互联网 0.005 0.013 -0.007 -0.023
城乡类型
过程中，居民接触到了更大范围的社会比较，获 (0.013) (0.034) (0.026) (0.029)
0.039 *** 0.104 *** 0.059 *** 0.073 ***
取了过多夸大甚至虚假信息，产生了对社会公平 所在省份
(0.007) (0.018) (0.013) (0.015)
的不满感知。 0.318 *** -0.495 *** 2.996 ***
常数项
就其他控制变量而言，个体层面的性别和年 (0.053) (0.142) (0.106)
2
龄对居民社会公平感的影响均显著为正，婚姻状 R /Pseudo
R 2 0.018 0.014 0.017 0.010
况和是否购买社会保险对居民社会公平感的影
*** ** *
注： 、、分别表示在 1%，5% 和 10% 的水平上显著，括号内数
响都不显著。家庭层面，家庭年收入对居民社会
值为标准误。下同。
公平感的影响均显著为正；地区层面，受访者的
城乡类型对社会公平感的影响都不显著，所在省份则是西部地区和东北部地区的居民社会公平感
更高。
2.内生性处理
受行为强化与思想动机的关联影响，互联网使用对居民社会公平感的作用可能存在一个双向因
果关系，即社会公平感较低的居民，更可能较多地使用互联网寻求认同和倾诉渠道。为克服基准回
归模型中的内生性问题，本研究使用工具变量法对基准回归进行处理，同时使用两阶段最小二乘法
（2SLS）和条件混合过程（CMP）估计法。参照陈世香等 的研究，选取“主要信息来源”作为工具变
[29]
量，以互联网（包括手机上网）为主要信息来源的样本赋值为 1，其他渠道则赋值为 0。工具变量选择
的理由是，常用手机电脑等媒介获取信息的居民更可能接触互联网，故工具变量和自变量之间存在
相关性。同时，选择何种渠道作为主要信息来源属于个人习惯，仅体现个体异质差异，而与社会公平
感之间并无直接联系，故满足工具变量的外生性要求。
首先，使用两阶段最小二乘法（2SLS）估计 OLS 模型的参数，估计结果如表 3（1）~（2）列所示。
第一阶段回归稳健 F 值为 1603.58，远高于通常 10 的临界值，拒绝了工具变量为弱工具变量的原假
设。因此，该测算不存在弱工具变量问题，且引入工具变量后，并未改变原基准回归模型结论。其
[30]
次，使用 Roodman 提出的条件混合过程（CMP）估计法来估计 IV-Oprobit 模型的参数 ，估计结果
如表 3（3）~（4）列所示。CMP 估计方法中内生性参数 atanhrho_12 参数显著异于 0，即原基准回归中
存在内生性问题。综而言之，CMP 和 2SLS 估计结果基本一致，内生性处理前后互联网使用对居民