1. 引言
商业养老保险构成了我国保险市场的一个关键要素，在新时代的浪潮中，它日益深入地融入社会保障体系之中，肩负起体系内的部分职责，对构建与完善我国新时代的社会保障架构起到了不可或缺的推动作用。随着人口老龄化趋势的日益严峻，当前的养老议题面临着前所未有的挑战。由于人均寿命的不断延长，传统的养老模式已难以填补养老金体系的庞大缺口，也无法适应家庭对养老服务日益多元化和高品质的需求。因此，发展第三支柱养老金体系及商业养老保险，成为了有效缓解我国因人口老龄化而产生的社会压力的重要途径。
新一轮的信息技术革命引领了时代的深刻变革，而中国互联网产业在此背景下蓬勃发展，其影响力广泛渗透至人民经济与社会生活的各个角落。回顾2015年，李克强总理在政府工作报告中首次提出了“互联网+”行动计划，这一前瞻性的战略部署随即在同年7月由国务院通过《关于积极推进“互联网+”行动的指导意见》得以具体化，明确了推动“互联网+”产业发展的十一个核心行动计划[1]。随着数字化、信息化步伐的加速，任何未能紧跟新时代信息革命步伐的国家，都可能面临被其他国家大幅超越甚至陷入被动局面的风险。这凸显出，积极拥抱信息技术、主动融入科技发展的浪潮，已成为当前社会发展的核心旋律和必然趋势。
随着互联网的渗入，商业养老保险也迎来了新的发展机遇，更多居民会通过互联网了解商业养老保险并购买商业养老保险。因此研究互联网的使用对商业养老保险消费的影响具有重要意义。
2. 文献综述与研究假说
学界学者对于居民商业养老保险消费的影响研究十分丰富。大致可以分为从居民自身养老观念、居民金融风险偏好及社会媒介互动几个角度。
从居民自身养老观念角度展开的研究。学者刘喜华等人[2]认为社会结构和养老文化的变迁促成了人们养老观念的转变，老年人寻求精神赡养的养老观念，这么一种新型家庭观念会影响商业养老保险的需求，作者采用因子分析法提取了一个涵盖生活态度、家庭关系、宗族观念的新型家庭观念变量，从社会学视角实证分析新型家庭观念对居民商业养老保险参与的影响并进行机制分析，发现新型家庭观念对商业养老保险参与具有显著的正向影响。郑路和徐旻霞[3]从影响金融发展的文化观念视角为这一“有限参与”现象提供新的理论解析，利用微观数据进行实证分析，发现“养儿防老”等传统家庭文化观念会抑制我国城镇居民的商业养老保险参与，进一步研究发现，传统家庭观念(养儿防老等)会削弱居民的金融信任，减少居民对金融信息的关注，不利于居民金融素养的提升，进而降低其商业养老保险参与度。
从居民金融风险偏好角度展开的研究。许燕[4]在信息–认知–意愿理论模型框架下基于实地调查数据发现，风险感知、信任显著影响着居民对商业养老保险参保意愿。于长永和李敏[5]研究发现文化程度、社会流动、家庭储蓄规模、商业养老保险的市场可及性和新型农村社会养老保险试点情况，显著影响了农民的商业养老保险购买意愿；收入低、保费高、不了解保险产品、对保险信任度低是农民不愿购买商业养老保险的主要因素，其中对保险不了解位居首位。
从社会媒介互动角度展开的研究。学者吴玉锋等人[6]运用因子分析法从正式互动和非正式互动两个维度构造了社会互动变量，实证分析了社会互动对商业养老保险购买的影响，研究发现：社会互动叠加了伙伴群体效应和群体示范效应对居民的保险购买有积极影响。彭魏倬加[7]利用中国综合社会调查，使用Probit模型探究不同信息渠道对居民商业养老保险决策的影响，发现新媒体、传统媒体和社会互动均可促进居民参与商业养老保险，其中新媒体的促进作用大于社会互动的促进作用，社会互动的促进作用大于传统媒体的促进作用。
还有学者直接研究互联网使用对商业保险投保的影响。郭欣怡基于中国家庭追踪调查数据(CFPS)，探讨“互联网使用”的介入与我国家庭商业保险的参与行为间的关系，发现互联网使用显著提高了家庭商业保险参与的可能性和参与程度[8]。孙毅恒研究家庭互联网信息技术实用程度对家庭商业保险购买的影响，发现互联网的使用仍有显著促进作用，同时在不同群体之间体现出明显异质性[9]。
综上，已有的文献从居民自身养老观念、居民金融偏好、社会媒介互动等角度对商业保险参保行为有不同的影响机制。但现有的研究大多没有聚焦于商业性养老保险，同时也很少有人使用全国性的数据研究互联网的使用是否对商业性养老保险购买有影响。因此，本问将基于互联网视角，探索其是否对商业养老保险消费产生显著影响。基于此提出研究假设：互联网使用正向影响居民商业养老保险的消费行为。
3. 数据来源、指标选取与模型构建
3.1. 数据来源
本文运用中国综合社会调查(Chinese General Social Survey, CGSS) 2021年的数据进行处理分析。根据本文研究所需对样本进行清洗及筛选。对调查问卷中的缺失值、“拒绝回答”、“不清楚”等选项的样本进行剔除。在完成有效样本筛选后，本文共得到1962个有效样本。
3.2. 变量设计
3.2.1. 主要的被解释变量
本研究看居民是否投保商业养老保险。在CGSS2021数据库中，根据问题“您目前是否参加了以下社会保障项目？”看第4项，将参与了商业养老投资的赋值为1；将没有参与商业养老投资的赋值为0。
3.2.2. 主要的解释变量
本文主要的解释变量为互联网使用。在CGSS2021数据库中，根据问题“过去一年，您对以下媒体的使用情况是？”看第五项，保留原有赋值规则，提出缺失项及不回答项。
3.2.3. 控制变量
文章涉及的控制变量主要有家庭经济水平、年龄、年龄的平方、性别、身体健康水平、工作单位类型、受教育年限。
3.3. 模型构建
本文研究互联网使用对商业养老保险投保的影响，所选取的被解释变量为是否投保商业养老保险，该变量是一个二元变量。对于被解释变量是二元变量的模型，通常使用Logit回归模型或Probit回归模型，虽然两种模型皆可以用来分析，但为了避免可能导致的估计结果偏误，故而采用Logit回归模型进行回归分析基于变量及研究需要，构建如下计量模型：
(1)
Logit回归模型适用于研究X对Y的影响，且Y为二分类变量。本文因变量为是否投保商业养老保险，是非连续型的二分类变量，因此选择Logit回归模型进行结果估计。假设投保商业养老保险的概率为
；则不投保的概率为
；则Logit回归方程表示为：
(2)
(3)
其中，
为影响居民消费商业养老保险的相关因素，
为变量的回归系数。
4.实证结果分析
4.1. 描述性统计结果
将所有变量进行描述性统计，结果如表1所示。
Table 1. Assignment and descriptive statistics of variables
表1. 变量的赋值及描述性统计
变量类型 |
变量名称 |
变量符号 |
使用问项及赋值说明 |
均值 |
标准差 |
因变量 |
是否投保 |
Pension |
您目前是否参加了以下社会保障项目？ (看第4项) 1 = 参与了商业养老投资；
0 = 没有参与商业养老投资 |
0.101 |
0.302 |
自变量 |
互联网使用 |
Internet |
过去一年，您对以下媒体的使用情况是？ (看第5项) 1 = 从不；2 = 很少；
3 = 有时；4 = 经常；5 = 非常频繁 |
4.366 |
0.987 |
控制变量 |
家庭经济水平 |
economy |
您家的家庭经济状况在所在地属于
哪一档？ 1 = 远低于平均水平、低于平均水平；
2 = 平均水平；3 = 高于平均水平、
远高于平均水平 |
1.728 |
0.605 |
年龄 |
Age |
您的出生日期是什么？ 访问年份−出生年份 |
36.073 |
9.009 |
年龄的平方 |
age_s |
年龄的平方 |
1382.429 |
646.008 |
性别 |
gender |
您的性别？ 1 = 男性；2 = 女性 |
1.568 |
0.495 |
身体健康水平 |
health_b |
您觉得您目前的身体健康状况？ 0 = 很不健康、比较不健康、一般；
1 = 比较健康、很健康 |
0.692 |
0.462 |
|
工作单位类型 |
job_type |
您目前工作的单位或公司的单位类型是？ 1 = 党政机关、事业单位、社会团体、
居/村委会，0 = 企业、无单位/自雇、其他 |
0.197 |
0.398 |
受教育年限 |
education |
您的受教育年限 根据年限编码 |
3.832 |
1.203 |
注：表中所有数值均为四舍五入后的结果。
4.2. Logit回归分析结果
将互联网使用作为自变量，是否投保商业养老保险作为因变量拟合模型m1进行Logit回归。将互联网使用作为自变量，是否投保商业养老保险作为因变量，并且加入控制变量拟合模型m2进行Logit回归。回归结果如表2所示。
Table 2. Logit regression results
表2. Logit回归结果
VARIABLES |
m1 |
m2 |
Internet |
0.357*** |
0.416*** |
|
(4.488) |
(3.390) |
economy |
|
0.260** |
|
|
(2.297) |
Age |
|
0.156* |
|
|
(1.847) |
age_s |
|
−0.002 |
|
|
(−1.352) |
gender |
|
−0.021 |
|
|
(−0.151) |
health_b |
|
0.013 |
|
|
(0.084) |
education |
|
0.408*** |
|
|
(4.699) |
job_type |
|
−0.221 |
|
|
(−1.225) |
Constant |
−3.785*** |
−9.468*** |
|
(−10.222) |
(−5.920) |
Observations |
1962 |
1962 |
Robust z-statistics in parentheses；***p < 0.01，**p < 0.05，*p < 0.1；注：1) *、**、***分别表示各变量在10%、5%、1%的水平上显著；2) 括号内为标准误；3) 表中所有数值均为四舍五入后的结果。
根据表2结果可以发现，互联网使用对商业养老保险消费有着显著的正向影响，并且使用频率越高影响程度越高。可能的原因可以从以下几点分析。
第一，互联网使用在商业养老保险领域发挥了至关重要的作用，尤其是在信息获取与提高信息透明度方面。互联网如同一座无边无际的信息宝库，为公众提供了海量且详尽的商业养老保险相关信息。这些信息涵盖了各类养老保险产品的特点、优势、风险以及投保条件等多个方面，使得消费者能够全方位、多角度地了解不同产品的特性和适用性。通过互联网，消费者可以轻松查阅到来自不同保险公司、不同销售渠道的商业养老保险产品介绍，包括其设计理念、保障范围、赔付标准以及可能存在的限制条件等。这些信息不仅帮助消费者更清晰地认识到各类产品的独特之处，还为他们提供了宝贵的比较和选择依据。更重要的是，互联网平台的透明性极大地促进了商业养老保险市场的公平竞争和消费者权益保护。消费者可以通过在线平台轻松获取到不同产品的价格、保障内容和性价比等关键信息，这使得他们能够在充分了解产品的基础上，做出更加理性、明智的购买决策。同时，互联网平台上的用户评价、专家解读以及第三方机构的评测报告等，也为消费者提供了更为客观、全面的参考意见，进一步增强了购买决策的可靠性和准确性。
第二，互联网的使用在商业养老保险领域带来了革命性的变化，显著提高了居民购买商业养老保险的便捷性与个性化程度。互联网如同一座桥梁，将消费者与保险产品紧密相连，使得购买商业养老保险的过程变得更加轻松、高效。在互联网的助力下，消费者无需再受限于地理位置或时间，只需轻点鼠标或滑动屏幕，便能轻松浏览到来自不同保险公司、不同种类的商业养老保险产品。这些产品涵盖了从基础保障到高端定制的各种类型，满足了不同消费者的多样化需求。消费者可以随时随地在线查看产品的详细信息，包括保障范围、赔付标准、保费价格等，从而更加全面地了解产品的特点和优势。更重要的是，互联网平台不仅提供了丰富的产品信息，还为消费者提供了便捷的购买渠道。消费者无需亲自前往保险公司或代理点，只需在线填写相关信息，即可轻松完成购买流程。这种在线购买方式不仅节省了消费者的时间和精力，还避免了传统购买方式中可能出现的繁琐手续和等待时间，极大地提升了购买的便捷性。此外，互联网平台还具备强大的个性化推荐能力。通过收集和分析消费者的个人情况、购买历史以及偏好等信息，互联网平台能够精准地为消费者推荐符合其需求的保险产品。这种个性化的推荐服务不仅提高了消费者的购买满意度，还帮助他们找到了更适合自己的保险产品，进一步提升了购买意愿。
第三，互联网的使用在商业养老保险领域催生了一种全新的传播模式，使得购买经验与口碑得以迅速且广泛地传播，极大地促进了居民的购买意愿。社交媒体平台、在线论坛以及各类保险相关的社区，为消费者构建了一个开放、互动的分享空间，使得购买商业养老保险的经验和心得能够轻松跨越地理界限，实现即时传播。在这个平台上，消费者不再只是被动的信息接收者，而是成为了积极的参与者与分享者。他们乐于分享自己的购买经历，包括产品选择的考量、投保过程的体验、理赔服务的满意度等，这些真实而具体的经验分享，为其他潜在消费者提供了宝贵的参考。尤其是那些正面评价和推荐，往往能够像一股清流，激发更多人对商业养老保险的兴趣和信任，促使他们迈出购买的第一步。互联网上的口碑传播，其影响力不容小觑。一条来自朋友的推荐、一篇详尽的产品评测、一次成功的理赔分享，都可能成为触发购买决策的关键因素。这种基于个人经验和信任的传播方式，相较于传统的广告宣传，更易于被消费者接受和信赖，能够迅速提升商业养老保险产品的知名度和认可度。更为关键的是，互联网使用频率越高的消费者，他们接触到的商业养老保险信息和产品就越多。在频繁浏览网页、参与讨论、阅读文章的过程中，他们不仅获取了丰富的产品知识，还逐渐形成了自己的购买偏好和判断标准。这种信息的累积和筛选过程，实际上是在为最终的购买决策做准备，增加了他们实际购买商业养老保险的可能性。
4.3. 稳健性检验
根据学界已有的文献总结研究或者根据自己处理的数据所进行的测量分析方法往往无法保证最终研究结论的可靠性。因此，为了检验回归结果的稳健性，本文将对构建的模型进行稳健性检验。一般来说，稳健性检验有三种检验思路，分别是从数据出发，从变量出发以及从计量方法出发。本文将选取从计量方法这一思路进行检验。用Probit回归进行稳健性检验。
Table 3. Robustness test results
表3. 稳健性检验结果
VARIABLES |
m1 |
m2 |
Internet |
0.174*** |
0.216*** |
|
(4.620) |
(3.535) |
economy |
|
0.142** |
|
|
(2.328) |
Age |
|
0.089** |
|
|
(2.017) |
age_s |
|
−0.001 |
|
|
(−1.504) |
gender |
|
−0.005 |
|
|
(−0.074) |
health_b |
|
0.006 |
|
|
(0.065) |
education |
|
0.213*** |
|
|
(4.735) |
job_type |
|
−0.115 |
|
|
(−1.173) |
Constant |
−2.052*** |
−5.233*** |
|
(−11.821) |
(−6.241) |
Observations |
3,311 |
1,962 |
Robust z-statistics in parentheses；***p < 0.01，**p < 0.05，*p < 0.1。
通过表3结果可以发现，更换计量方式之后回归显著结果依旧不变，因此可以认为本研究模型具有稳定性。模型回归结果可靠。
5. 结论与启示
5.1. 结论
本文着重探讨互联网使用对居民商业养老保险消费倾向及行为模式的深远影响。为了深入理解这一关系，我们采用了Logit回归模型。Logit回归模型的运用，使我们能够量化互联网使用这一自变量对商业养老保险消费这一因变量的影响强度。模型结果显示，互联网使用对居民购买商业养老保险的意愿及行为具有显著的正向效应，这意味着互联网不仅作为一个信息获取和交流的渠道，还作为一种推动因素，增强了居民对商业养老保险的认知与接受度。进一步分析发现，互联网使用的频率与这一正向影响呈现出明显的正相关关系。即互联网使用越频繁，居民购买商业养老保险的可能性就越大。这一发现强调了互联网在日常生活中的高频率应用，如何潜移默化地影响着人们的金融决策和消费行为，特别是在养老保险这一长期规划领域。
5.2. 讨论启示
本文经过深入研究发现，互联网的使用对居民商业养老保险消费产生了显著的正向影响，这一发现揭示了互联网在推动商业养老保险市场发展方面的巨大潜力。
从国家的角度来看，本研究强调了净化网络保险知识环境的重要性。当前，互联网上的保险信息纷繁复杂，既有专业、准确的解读，也不乏误导性、夸大其词的宣传。因此，国家应加强对网络保险信息的监管，提高信息发布的门槛，确保居民能够通过网络接收到更多更准确的商业养老保险知识与信息。这不仅有助于提升居民对商业养老保险的认知水平，还能有效激发其购买欲望，推动商业养老保险市场的健康发展。同时，国家还可以利用网络平台的广泛影响力，更多地宣传自我养老的观念，以及购买商业养老保险在规避养老风险、提升晚年生活质量方面的重要作用。通过发布权威解读、开展在线讲座、举办知识竞赛等多种形式，引导居民树立正确的养老观念，提高他们对商业养老保险的认可度和接受度。
对于保险公司而言，本研究同样具有重要意义。通过网络平台，保险公司可以更加便捷地获取居民对于商业养老保险的期望和需求，了解他们对现有保险产品的评价和反馈。在此基础上，保险公司可以不断调整和优化商业养老保险的内容，设计出更多有针对性、符合市场需求的保险产品。这不仅能够提升保险公司的市场竞争力，还能更好地满足居民的养老保障需求，实现保险行业与社会的共赢。
综上所述，本研究不仅揭示了互联网使用对居民商业养老保险消费的正向影响，还为国家和保险公司提供了推动商业养老保险市场发展的策略建议。未来，随着互联网的持续发展和普及，我们有理由相信，商业养老保险将在社会保障体系中发挥更加重要的作用，为居民的晚年生活提供更加坚实的保障。