1. 引言
在近二十年中，互联网技术的不断发展，衍生出移动支付、网络购物等一系列便民利民的业务，由此也带来了大量的工作岗位。根据国家统计局以及商务部的数据，2022年，我国电子商务交易额达43.83万亿元，比上年增长3.5%；电子商务从业人数6937.18万人，约占全国适龄劳动力人数的7.8%；快递业务累计完成量为1105.8亿件，这些都表明电子商务正朝气蓬勃地发展，此外，我国老龄化的程度逐年加深，老年人群比重越来越大，银发经济不容忽视。
互联网的发展极大地改变了人们的生活方式，以网购为代表的电子商务给我们的生活带来了极大的便利，同时，电子商务的迅猛发展创造了无数的就业岗位，电子商务的发展极大地提升了农村居民的幸福感[1]。Easterlin在《经济增长可以在多大程度上提高人们的快乐》一书中写道在一国之中，富人的幸福感不一定比穷人高，幸福与收入不总是呈正相关关系，财富的增加可能会引起幸福感的下降，因此他提出了“幸福——收入之谜”。政府工作报告中多次提出要切实提升人民的幸福感、获得感和安全感，做到“老有所养、老有所医、老有所为、老有所学、老有所教、老有所乐”，因此研究电子商务发展与老年人幸福感之间的关系具有深刻意义。
2. 文献回顾与研究假设
2.1. 关于电子商务方面的研究
第一是电子商务含义。电子商务起源于20世纪初的互联网大爆发时代，实际意义上的电子商务可追溯到1995年美国所创立的eBAY公司，在我国可追溯到1999年，创办的阿里巴巴网站。通过二十多年的发展，我国电商经历了从起初的传统电商、社交电商到如今的直播电商模式。王玉珍等(2017)从广义和狭义两方面进行定义，广义上的电子商务是指交易当事人或参与人利用计算机技术和网络技术等现代信息技术所进行的各类商务活动；狭义的电子商务是指通过互联网所进行的商务活动[2]。2018年，我国颁布实施的《中华人民共和国电子商务法》中规定的电子商务是指通过互联网等信息网络销售商品或者提供服务的经营活动。本文的电子商务内涵采用我国电子商务法中有关电子商务的定义。第二是电子商务发展水平的测量刘晓阳等(2018)通过30%网商密度指数*20%网商交易水平指数 + 30%网商密度指数*20%网商消费水平指数得出电子商务发展指数，从而判断电子商务发展水平[3]；刘乃全等(2021)通过国家电子商务示范城市建设的准自然实验计算电子商务发展水平[4]；桂学文等(2021)通过准备度、使用度、影响度、综合度四个一级指标构建电商发展水平测度模型[5]；李佳倩等(2024)从电子商务交易水平、区域信息化水平、电子商务人力资本水平三个方面构建11个指标体系，进行电商发展水平测量[6]。此外一些官方机构会定期发布上年度电子商务发展报告，例如阿里研究院和清华大学电子商务交易技术国家工程实验室。
2.2. 关于幸福感方面的研究
幸福感包括主观幸福感和心理幸福感两种，二者有所区别却又相互联系。目前，学界关于幸福感的研究多集中于主观幸福感，有不少学者针对互联网对居民幸福感开展研究。张怡雯等(2024)认为数字融入程度与农民工幸福感呈正相关，数字化程度越高，农民工幸福感越高，年龄与幸福感关系呈现U型，健康状况、家庭人口规模与幸福感呈正相关，家庭负债与幸福感呈负相关，已婚农民工比未婚农民工幸福感水平高[7]；方振等(2024)研究发现数字鸿沟对农村老年人幸福感有显著负向影响，主要体现在年龄低、文化程度高以及东部和非平原地区的农村老年群体中[8]；丁述磊等(2024)电子商务进农村综合示范县试点的建设有助于居民幸福感的提升；李静等(2023)研究发现数字学习素养对农村居民幸福感的促进作用最大，数字素养对岁数不大的新生代老年人具有显著正相关，受地域因素影响，东、中部老年人幸福指数远高于西部欠发达地区的老年人[9]。
2.3. 研究假设
根据上述研究提出以下假设：
H1：电子商务发展水平越高，老年人主观幸福感越强。
H2：电子商务通过老年群体“增加收入”“减少负债”增强老年人主观幸福感。
3. 研究设计
3.1. 数据来源
本文基于中国电子商务发展指数数据和“CGSS”数据库。中国电子商务发展指数数据来源于清华大学电子商务交易技术国家工程实验室发布的2018年中国电子商务发展指数报告。
“CGSS”全称为中国综合社会调查(Chinese General Social Survey)，是我国最早的全国性、综合性、连续性学术调查项目，由中国人民大学中国调查与数据中心负责执行。调查内容涉及社会、家庭和个人层面，例如健康状况、社会保险情况、环境状况、老龄化顾虑、主观幸福感等多个模块。CGSS数据库覆盖内容广泛、涉及人群众多，被专家誉为全面、系统了解、认识、分析中国社会的数据“高速路”。结合上述的2018年电子商务发展指数，本文采用CGSS2018对居民幸福感进行量化研究。运用stata17作为数据分析软件，数据清洗后共得到有效样本6283个。
3.2. 变量选取
3.2.1. 因变量：幸福感
根据CGSS2018问卷中A36总的来说，您觉得您的生活是否幸福？这个问题有五个回答选项，分别是非常不幸福、比较不幸福、说不上幸福不幸福、比较幸福、非常幸福五个选项。我们将“非常不幸福、比较不幸福”两项重新编码为不幸福，并赋值为0，将“说不上幸福不幸福、比较幸福、非常幸福”三项重新编码为幸福，并赋值为1。
3.2.2. 自变量：电子商务发展水平
我们用电子商务发展指数来衡量电子商务发展水平。根据清华大学电子商务交易技术国家工程实验室发布的《2018中国电子商务发展指数报告》，我们选取了除港、澳、台以外的中国31个省级行政区进行研究。该机构从规模指数、成长指数、支撑指数、渗透指数四个维度综合衡量电子商务发展指数。具体数值如表1所示：
Table 1. E-commerce development index in various regions
表1. 各地电子商务发展指数
省份 |
规模指数 |
成长指数 |
渗透指数 |
支撑指数 |
电商发展指数 |
排名 |
广东 |
100.00 |
24.65 |
52.17 |
69.99 |
65.60 |
1 |
浙江 |
61.62 |
11.94 |
87.29 |
53.04 |
52.62 |
2 |
北京 |
58.22 |
21.56 |
38.54 |
61.82 |
45.84 |
3 |
上海 |
50.28 |
20.22 |
36.70 |
44.39 |
38.87 |
4 |
江苏 |
48.36 |
14.71 |
34.35 |
27.86 |
33.05 |
5 |
山东 |
46.28 |
35.58 |
19.01 |
18.41 |
32.85 |
6 |
福建 |
24.29 |
33.48 |
42.82 |
30.01 |
31.44 |
7 |
四川 |
24.40 |
63.30 |
11.56 |
15.91 |
29.86 |
8 |
安徽 |
21.91 |
59.21 |
15.80 |
11.02 |
27.83 |
9 |
陕西 |
11.25 |
68.38 |
10.02 |
13.46 |
25.73 |
10 |
湖南 |
15.90 |
63.38 |
12.17 |
8.34 |
25.66 |
11 |
河南 |
19.95 |
52.83 |
10.82 |
14.34 |
25.22 |
12 |
重庆 |
14.38 |
64.18 |
9.68 |
8.31 |
24.67 |
13 |
湖北 |
20.25 |
46.76 |
13.08 |
16.21 |
24.64 |
14 |
江西 |
11.28 |
61.54 |
13.28 |
8.15 |
23.62 |
15 |
河北 |
14.61 |
44.43 |
15.35 |
14.75 |
22.24 |
16 |
天津 |
9.75 |
44.45 |
10.78 |
17.90 |
20.26 |
17 |
西藏 |
0.00 |
66.01 |
12.79 |
3.74 |
19.81 |
18 |
宁夏 |
1.05 |
68.29 |
5.19 |
4.99 |
19.47 |
19 |
吉林 |
3.40 |
68.15 |
2.20 |
10.82 |
19.33 |
20 |
海南 |
2.37 |
51.26 |
16.39 |
8.35 |
18.59 |
21 |
山西 |
4.66 |
57.67 |
3.03 |
9.13 |
18.48 |
22 |
贵州 |
7.25 |
51.29 |
10.65 |
4.85 |
18.46 |
23 |
云南 |
7.38 |
54.70 |
7.73 |
2.52 |
18.31 |
24 |
青海 |
0.42 |
60.66 |
6.91 |
6.92 |
18.08 |
25 |
辽宁 |
8.64 |
40.51 |
1.80 |
18.54 |
17.22 |
26 |
内蒙古 |
4.80 |
49.95 |
6.02 |
8.23 |
17.02 |
27 |
黑龙江 |
3.05 |
53.40 |
1.68 |
9.83 |
16.72 |
28 |
广西 |
6.67 |
46.06 |
6.66 |
5.38 |
16.26 |
29 |
新疆 |
2.54 |
52.21 |
0.85 |
5.29 |
15.17 |
30 |
甘肃 |
3.02 |
39.92 |
6.53 |
2.53 |
12.85 |
31 |
3.2.3. 控制变量
控制变量的选取主要是根据文献综述部分，学者们已研究的影响主观幸福感的因素，我们选取了年龄、性别、受教育程度、政治面貌、健康状况、子女数量这六个指标。
对于年龄，依据问卷中A3“您的出生日期是什么？”，这一开放性问题，我们将其转化为数值型，并重新编码将“50~60岁编码为0；61~70编码为1；71及以上编码为2。”
对于性别，依据问卷中A2“性别”，将“男性编码为0，女性编码为1。”
对于受教育程度，依据问卷中A7a“您目前的最高教育程度是？”，这一问题有13个选项，我们将其重新编码“将没受过任何教育编码为0；将私塾–技校编码为1；大学专科(成人教育)及以上的编码为2。”
对于政治面貌，依据问卷中A10“目前的政治面貌是”将回答重新编码“将非共产党员编码为0；共产党员编码为1。”
对于健康状况，依据问卷中A16“在过去的四周中，由于健康问题影响到您的工作或其他日常活动的频繁程度”这一问题有5个选项，分别为总是、经常、有时、很少、从不，我们将其重新编码为“不健康(总是、经常、有时)编码为0，健康(很少、从不)编码为1。”
对于子女数量，依据问卷中A68“请问您有几个子女(包括继子继女、养子养女在内，包括已去世子女)”将回答重新编码“无子女编码为0；1~2个子女编码为1；2个以上编码为2。”具体控制变量情况如表2所示：
Table 2. Control variable assignment situation
表2. 控制变量赋值情况
变量 |
赋值 |
均值 |
标准差 |
问卷中对应的题号 |
年龄 |
50~60 = 0 |
0.84 |
0.79 |
A3 |
61~70 = 1 |
71~118 = 2 |
性别 |
男性 = 0 |
0.53 |
0.50 |
A2 |
女性 = 1 |
受教育程度 |
不识字 = 0 |
0.87 |
0.51 |
A7a |
私塾–技校 = 1 |
专科及以上 = 2 |
政治面貌 |
非党员 = 0 |
0.13 |
0.34 |
A10 |
党员 = 1 |
健康状况 |
不健康 = 0 |
0.61 |
0.49 |
A16 |
健康 = 1 |
子女数量 |
无子女 = 0 |
1.26 |
0.48 |
A68 |
1~2 = 1 |
2个以上 = 2 |
3.2.4. 中介变量：个人年收入
依据问卷中A8a“您个人去年全年的总收入是多少？”剔除极大值，选取5,000,000以下年收入作为取值范围。
3.3. 模型构建与统计学分析
3.3.1. 共线性检验
运用stata17软件，对电商发展指数、支撑指数、渗透指数、规模指数、成长指数与老年人幸福感进行共线性检验，检验结果如表3所示：
Table 3. Independent variable collinearity test
表3. 自变量共线性检验
Variable |
VIF |
1/VIF |
电商发展指数 |
12.06 |
0.08 |
支撑指数 |
6.23 |
0.16 |
渗透指数 |
7.03 |
0.14 |
规模指数 |
6.98 |
0.14 |
成长指数 |
3.39 |
0.30 |
Mean VIF |
7.14 |
|
由上述图表可知，除电商发展指数外，其余各自变量与因变量之间的方差膨胀因子均小于10，因此我们可以认为，各自变量与因变量间不存在线性关系。
3.3.2. 模型构建
线性回归与逻辑回归都是常用的预测模型，但由于因变量是二分类变量，因此本文选择运用logit逻辑回归进行分析。在模型选择方面，本文的因变量幸福感是定序变量，每个类别之间是有高低次序的，我们无法确定每个类别之间的差距是多少，因此我们选用回归结果更直观的有序logit模型进行实证分析，具体公式如下：
(1)
其中Yi,j表示老年人对自我幸福感的评价，β为回归系数，X1表示电商发展水平，f为控制变量的回归系数，Xi,j为各种控制变量，e为随机误差项。
我们同时也对中介效应进行检验，具体公式如下：
(2)
(3)
其中Ci,j表示中介变量，f为控制变量的回归系数，Yi,j表示老年人对自我幸福感的评价，β为回归系数，X1表示电商发展水平，Xi,j为各种控制变量，e为随机误差项。
4. 实证结果分析
4.1. 结果分析
通过logit模型，我们得出以下结果，结果如表4所示。
我们选择电商发展指数对幸福感的影响进行研究，同时引入年龄、性别、健康状况、教育程度、子女数量、政治面貌这六个控制变量。结果显示，电商发展指数、年龄、健康状况、教育程度、政治面貌与老年人幸福感在5%水平上均具有显著正向影响。性别以及子女数量对老年人幸福感影响不显著。
Table 4. Binary logit regression results
表4. 二元logit回归结果
幸福感 |
Coefficient |
Std. err. |
z |
P > |z| |
[95% conf. interval] |
电商发展指数 |
0.309831 |
0.1428374 |
2.17 |
0.030 |
0.0298748 |
0.5897872 |
年龄 |
0.3769751 |
0.0679596 |
5.55 |
0.000 |
0.2437767 |
0.5101734 |
健康状况 |
1.200402 |
0.1002521 |
11.97 |
0.000 |
1.003911 |
1.396892 |
性别 |
0.1312786 |
0.097503 |
1.35 |
0.178 |
−0.0598238 |
0.3223809 |
教育程度 |
0.4588257 |
0.0999331 |
4.59 |
0.000 |
0.2629604 |
0.6546911 |
子女数量 |
0.1531825 |
0.1030676 |
1.49 |
0.137 |
−0.0488263 |
0.3551913 |
政治面貌 |
0.3899012 |
0.1910248 |
2.04 |
0.041 |
0.0154994 |
0.764303 |
_cons |
−0.1540334 |
0.4865185 |
−0.32 |
0.752 |
−1.107592 |
0.7995252 |
年龄对老年人幸福感具有正向影响关系，年龄在70岁以上的老年人幸福感更高，可以理解为随着电商的发展，年龄越大的老年人幸福感越高；健康状况与老年人幸福感之间呈正向关系，健康状况良好的老年人与不健康的老年人相比，幸福感更高；教育程度与老年人幸福感之间呈正向关系，电商发展背景下，受教育程度越高的老年人，主观幸福感越高；政治面貌与老年人幸福感之间呈正相关关系，即党员比非党员，幸福感更高。
电商发展指数与老年人幸福感之间呈正相关，电商发展指数每提高一个百分点，老年人幸福感就会提升0.31个百分点，这表明电商发展水平越高，老年人主观幸福感越高。假设H1得到验证。
随后，我们引入中介变量个人年收入，进行中介效应检验，最终结果如表5所示：
Table 5. Intermediary inspection results
表5. 中介检验结果
幸福感 |
Coefficient |
Std. err. |
t |
P > |t| |
[95% conf. interval] |
电商发展指数 |
0.0175298 |
0.0099349 |
1.76 |
0.078 |
−0.001946 |
0.0370055 |
个人年收入 |
1.44e−07 |
8.51e−08 |
1.69 |
0.090 |
−2.27e−08 |
3.11e−07 |
年龄 |
0.0286607 |
0.0045008 |
6.37 |
0.000 |
0.0198375 |
0.0374839 |
健康状况 |
0.0906912 |
0.007278 |
12.46 |
0.000 |
0.0764238 |
0.1049587 |
教育程度 |
0.026325 |
0.0074274 |
3.54 |
0.000 |
0.0117648 |
0.0408851 |
政治面貌 |
0.0112094 |
0.0109348 |
1.03 |
0.305 |
−0.0102265 |
0.0326453 |
在此前的两次检验中X (电商发展指数)在5%水平上均具有显著性影响，在第三次中介效应检测中，我们发现X (电商发展指数)，M (个人年收入)在10%的水平上有显著性效应，因此，我们认为中介变量M即个人年收入对老年人幸福感具有显著正向影响，电子商务通过老年群体“增加收入”“减少负债”增强老年人幸福感。假设H2得以验证。
4.2. 内生性检验
我们采用更换回归模型的方法进行内生性检验，我们利用probit模型进行回归，回归结果如表6所示：
Table 6. Probit regression analysis results
表6. Probit回归分析结果
幸福感 |
Coefficient |
Std. err. |
z |
P > |z| |
[95% conf. interval] |
电商发展指数 |
0.1633503 |
0.0715478 |
2.28 |
0.022 |
0.0231192 |
0.3035815 |
年龄 |
0.1896761 |
0.0340693 |
5.57 |
0.000 |
0.1229014 |
0.2564507 |
健康状况 |
0.6025737 |
0.0495809 |
12.15 |
0.000 |
0.5053969 |
0.6997505 |
性别 |
0.0687063 |
0.0493791 |
1.39 |
0.164 |
−0.028075 |
0.1654876 |
教育程度 |
0.2314825 |
0.0511683 |
4.52 |
0.000 |
0.1311944 |
0.3317705 |
子女数量 |
0.0790861 |
0.0523613 |
1.51 |
0.131 |
−0.0235402 |
0.1817124 |
政治面貌 |
0.1691162 |
0.0891589 |
1.90 |
0.058 |
−0.0056321 |
0.3438645 |
_cons |
0.0552259 |
0.2466193 |
0.22 |
0.823 |
−0.428139 |
0.5385909 |
Probit回归表明电子商务发展指数、年龄、健康状况、教育程度对老年人主观幸福感的影响在5%水平上显著，政治面貌对老年人幸福感的影响在10%水平上显著。子女数量与性别对老年人主观幸福感没有显著影响，这与logit回归结果基本一致，因此我们认为基准回归结果具有稳健性。
5. 结论与建议
5.1. 研究结论
随着互联网的不断深入发展，电子商务应运而生。到今天电子商务蓬勃发展，有近7000万人从事电商相关工作。电商的蓬勃发展给社会创造了大量的就业岗位，提升了劳动者收入，一些退休在家的老年人通过从事快递分拣工作实现增收。同时根据淘宝相关数据，网购中老年人群比重显著上升。本文基于CGSS以及中国电子商务发展指数数据进行研究，重点考察电子商务发展指数对老年人主观幸福感的影响，同时控制年龄、性别、受教育程度、政治面貌、健康状况、子女数量六个变量，引入个人年收入这一中介变量，利用logit模型进行回归分析，利用probit模型进行内生性检验。研究结果如下：
第一，电子商务发展水平越高，老年人主观幸福感越强。
第二，电子商务通过老年群体“增加收入”“减少负债”增强老年人主观幸福感。
5.2. 研究建议
5.2.1. 进一步提升电商发展水平
电商发展水平与老年人幸福感之间呈正相关关系，提升电商发展水平对老年人幸福感的增强具有积极作用。提升电商发展水平的关键在政府。第一，政府可以出台进一步优化电商发展的政策，例如实施税收优惠、政府补贴等；第二，政府可以组织协调各电商企业制定行业规范、建立信息共享机制，建立“一网通办”平台，优化行政效率，提升办事速度。同时也可以实现一网统管，做到执行、监督两不误；第三，政府要重视电商人才的培养，除了高校电子商务专业人才的培养外，社会上的培训更不可少，政府可以与社会组织合作开办公益课程，与企业合作，在实践中掌握真本领。
5.2.2. 创造更加包容的数字环境
老年人受教育水平、所处时代以及学习能力等多种因素影响，能够使用互联网进行购物的老年人依旧是少数，但根据淘宝数据，老年人购物最多的商品之一是智能手机，可以看出，老年人想学习并且融入互联网，因此需要多方努力，建设更加包容的数字环境。第一，针对电商发展东强西弱的局面，政府要积极推出电商鼓励政策，并加大西部地区资源倾斜力度；第二，各企业尤其是科技公司，对智能手机及各大APP设置时，要考虑到老年人的特殊需求，通过调研，了解老年人的需求，设计出便于老年人的操作方式；第三，社区以及社会组织可以发挥其公益性，打造人工智能体验区，促进老年人与互联网技术的交流与融合。