Page 162 - 《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？ 157

社会公平感都具有显著负向影响，前文结论仍具 表3 工具变量法估计结果 N=6376
有稳健性，H 1 再次得到验证。 两阶段最小二乘法 条件混合过程
3.稳健性检验 （2SLS） （CMP）
（1）第一 （2）第二 （3）第一 （4）第二
（1）更换互联网使用测量方法。本研究将互 变量
阶段 阶段 阶段 阶段
联网使用按照 CGSS 问卷中题项答案赋值为 1- 互联网 社会 互联网 社会公
使用 公平感 使用 平感
5 的有序变量，分别表示从“从不”到“非常频繁”
*** ***
0.485 2.186
五个维度的互联网使用程度，并运用 Oprobit 模 工具变量
（0.012） （0.078）
型重新进行估计。回归结果如表 4中（1）列所示， 互联网 -0.118 * -0.255 ***
核心解释变量系数符号和显著程度无变化，表明 使用 （0.068） （0.057）
原回归结果具有稳健性。 控制变量 控制 控制 控制 控制
（2）更换模型。使用 Logit 模型、Ologit 模型 常数项 0.695 *** 3.010 ***
（0.035） （0.134）
代替基准回归中的 Probit 模型、Oprobit 模型，回
R /Pseudo
2
归结果如表 4（2）~（3）列所示，核心解释变量系 R 2 0.530 0.017 0.570 0.010
数符号和显著程度均无明显变化，表明原回归结 Robust F 1603.580
果具有稳健性。 0.096 **
atanhrho_12
（0.039）
四、调节效应与门槛效应分析 LR 4190.360 ***

1.受教育程度的调节效应
为进一步拓展教育因素在互联网使用对城 表4 稳健性检验结果 N=6376
乡居民社会公平感影响过程中的作用，本研究引 （1）替换互联网 （2）Logit模型 （3）Ologit模型
变量
入居民自身受教育程度和父辈受教育程度作为 使用测度
调节变量，按照模型（2）进行调节效应检验，回归 -0.030 *** -0.163 ** -0.266 ***
互联网使用
结果见表 5。表 5（1）列显示，居民自身受教育程 (0.011) (0.075) (0.070)
控制变量 控制 控制 控制
度与互联网使用的交互项系数为正，且在 1% 的
LR chi2(12) 147.730 116.620 152.390
水平上显著，表明自身受教育程度存在正向调节
R /Pseudo R 2 0.009 0.014 0.009
2
效应，即随着居民自身受教育年限的增加，互联
网使用对其社会公平感的负面影响会被削弱， 表5 教育调节效应回归结果分析 N=6376
验证了 H 2a。该结论与前文理论分析相符，表明 变量 （1）自身受教育 （2）父辈受教育
程度 程度
自身受教育程度高的居民对社会公平的思考更
-0.301 *** -0.155 ***
倾向于“应得原则”，并且具有较高的认知能力， 互联网使用 (0.060) (0.038)
更能识别网络上的夸大、虚假信息，做出合理 -0.008
自身受教育程度
判断。 (0.006)
互联网使用×自身受教 0.025 ***
表 5（2）列显示，居民父辈受教育程度与互联
育程度 (0.007)
网使用的交互项系数为正，且在 1% 的水平上显 -0.021 **
父辈受教育程度
著，表明父辈受教育程度亦存在正向调节效应， (0.010)
即随着居民父辈受教育年限的增加，居民使用互 互联网使用×父辈受教 0.030 ***
育程度 (0.011)
联网对自身社会公平感的负面影响会被削弱，验
控制变量 控制 控制
证了 H 2b。该结论与前文理论分析相符，表明父 R 2 0.019 0.017
辈受教育程度越高的居民，受到家庭教育环境和
父母教育卷入影响，同样更倾向于“应得原则”，且具有较高的认知能力，受互联网的负面影响更小。
为了更直观地反映教育的调节效应，本研究将自变量互联网使用定义成赋值为 1-5 的有序变
量，并将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效应绘制成简
单斜率图，分别如图2~图3所示。与前文结论一致，H 2a、H 2b 再次得到验证。