Page 11 - 南京医科大学社科版

南京医科大学学报（社会科学版）京医科大学学报（社会科学版）
第4期 总第135期 南 ·
2026年8月 Journal of Nanjing Medical University（Social Sciences）of Nanjing Medical University（Social Sciences） · 341
Journal
人整体心理健康状况更佳。这一研究结论同样与 的物理分布决定，与个体心理健康无直接关联，其
Luo 等 ［24］ 的研究结论相似，较多的互联网使用有助 影响路径仅通过提升数字技术接入的可能性实现，
于提升个体的整体心理健康水平。 符合排他性假设。为评估工具变量的有效性，本研
（二）稳健性检验 究进行了相关统计检验，结果显示，偏 R（0.427）与
2
本研究进一步通过替换因变量、替换模型和改 第一阶段的 F 统计量均证实了工具变量的有效性。
变自变量的测量方式，检验结果的稳健性。首先， 表 4 展示了两阶段最小二乘法的估计结果。可
以自评健康和生活满意度为因变量构建回归模型， 以看到，数字网络使用在三个模型中的系数分别
表 3 报告的稳健性检验结果显示，数字网络使用对 为-1.284、0.379 和 0.393，且均通过了 1%水平的显
两类健康指标均呈现显著正向效应。每提升一单 著性检验，与基准回归结论一致，进一步证实了数
位使用水平，自评健康增加 0.228，生活满意度提高 字网络使用对老年人心理健康的促进作用，增强了
0.203，表明数字网络使用对老年人健康结果具有普 研究结论的稳健性。
适性增益。其次，利用Logit模型进行检验后，抑郁倾
表4 工具变量检验结果
向、情景记忆和精神状态对老年人数字网络使用的结
心理健康
果依旧在1%的水平上显著，和主模型结论一致。最 变量
抑郁倾向 情景记忆 精神状态
后，将数字网络使用由虚拟变量改为连续型变量进行
***
***
**
回归后，研究结果依旧与前文研究基本一致。 数字网络使用 -1.284 （0.235）0.379 （0.083） 0.393（0.131）
常数项 14.448 （0.681）7.149 （0.256）12.166（0.402）
***
***
***
表2 基准回归分析结果
样本量 5 272 5 272 5 272
心理健康
变量
抑郁倾向 情景记忆 精神状态 一阶段F值 1 531.12 1 531.12 1 531.12
数字网络 -1.111 （0.111） 0.236 （0.037） 0.347 （0.058） R 2 0.079 0.161 0.160
***
***
***
使用
控制变量已控制。括号内为稳健标准误；∗∗：P<0.01，∗∗∗：P<0.001。
性别 -0.249（0.090） 0.042（0.030） 0.063（0.047）
**
年龄 0.042 （0.008） -0.028 （0.003） -0.038 （0.004） （四）PSM结果
***
***
***
教育水平 -0.028（0.054） 0.149 （0.018） 0.185 （0.028） 本研究采用PSM法对样本进行平衡性检验。首
***
***
户口状况 0.072（0.105） 0.047（0.035） -0.036（0.055） 先依据老年群体的数字网络使用情况，将其划分为
失能状况 0.260 （0.028） -0.133 （0.010） -0.246 （0.015） 处理组与对照组。图 1 的协变量平衡性检验结果显
***
***
***
独居情况 0.341（0.165） 0.053（0.055） -0.131（0.086） 示，匹配前，处理组与对照组在年龄、教育水平、子
*
子女数量 -0.117（0.043） -0.052 （0.014）-0.070 3（0.022） 女数量等协变量上存在较大差异（标准化偏差均值
**
***
**
家庭月均
-0.048（0.029） -0.058 （0.010） -0.099 （0.015） >25%，部分变量偏差幅度超 50%），表明原始样本存
***
***
支出对数
在选择偏误。
房产数量 -0.414 （0.117） -0.047（0.039） -0.147（0.061）
***
*
常数项 14.224 （0.650） 7.334 （0.219） 12.225 （0.341） 教育水平
***
***
***
房产数量
样本量 5 272 5 272 5 272 家庭月均支出对数
性别
括号内为稳健标准误；∗：P<0.05，∗∗：P<0.01，∗∗∗：P<0.001。
独居情况
失能状况
表3 数字网络使用与老年人心理健康的稳健性检验 子女数量
户口状况
项目 类别 数字网络使用 样本量 R 2 匹配前
年龄 匹配后
替换因 自评健康 0.228 （0.027） 5 272 0.171
***
-100 -50 0 50 100
变量 生活满意度 0.203 （0.027） 5 248 0.069 标准化偏差（%）
***
替换模型 抑郁倾向 0.549 （0.035） 5 272 0.015 图1 协变量平衡性检验
***
情景记忆 1.509 （0.098） 5 272 0.053 为直观展示匹配后处理组与对照组的可比性，
***
精神状态 1.670 （0.121） 5 272 0.050
***
图 2 进一步展现了 PSM 的共同支持域。两组样本在
改变自变 抑郁倾向 -0.327 （0.030） 5 272 0.083 倾向得分上存在大范围重叠，大部分观察值落在共
***
量测量方 情景记忆 0.060 （0.010） 5 272 0.162 同取值范围内，满足共同支撑条件。平衡性检验结
***
式 精神状态 0.095 （0.016） 5 272 0.160
***
果显示，匹配后绝大多数变量的标准化偏差已降至
其他变量已控制。括号内为稳健标准误；∗∗∗：P<0.001。 10% 以内，证明 PSM 有效消除了处理组与对照组之
（三）内生性检验 间的系统性差异，满足平衡性假设。
为了解决内生性问题，本研究采用网络信号覆 在确认匹配质量的基础上，表 5 显示了三种匹
盖率作为工具变量。网络信号覆盖率由通信基站 配方法的分析结果，针对抑郁情绪得分、情景记忆