互联网使用对家庭电商消费的影响研究——基于CGSS2018数据的实证分析

Research on the Impact of Internet Usage on Household E-Commerce Consumption —Empirical Analysis Based on CGSS2018

摘要: 本文基于2018年中国综合社会调查(CGSS)数据，立足于数字经济快速发展的时代背景，从理论与实证两个维度系统检验了互联网使用对家庭消费水平及消费结构的影响机制与效应。研究发现：首先，互联网使用显著提升了家庭消费水平，使用互联网的家庭其消费支出平均高出未使用家庭约35.7%。其次，互联网使用促进了消费结构升级，使得居民消费模式从生存型向发展享受型转变的概率显著提高约6.7个百分点。进一步的异质性分析表明，互联网的消费促进效应在年轻群体和高收入群体中更为显著，但在城乡户籍群体间不存在显著差异，这体现了数字红利的普惠性特征。机制分析表明，电商平台所带来的信息获取渠道的拓宽、消费选择多样性以及消费观念的现代化是互联网影响消费的重要路径。本研究不仅为理解数字经济时代背景下互联网通过电商渠道的微观经济效应提供了新的经验证据，其研究发现也对制定旨在释放居民消费潜力、弥合数字鸿沟的公共政策具有重要启示意义。

Abstract: Based on the 2018 China General Social Survey (CGSS) data, this paper, in the context of the rapid development of the digital economy, systematically examines the mechanism and effect of internet usage on household consumption levels and consumption structures from both theoretical and empirical dimensions. The research findings are as follows: Firstly, internet usage significantly boosts household consumption levels, with the average consumption expenditure of internet-using households being approximately 35.7% higher than that of non-users. Secondly, internet usage promotes the upgrading of consumption structures, increasing the probability of residents’ consumption patterns shifting from subsistence to development and enjoyment by about 6.7 percentage points. Further heterogeneity analysis indicates that the consumption promotion effect of the internet is more pronounced among younger and higher-income groups, but there is no significant difference between urban and rural registered population groups, which reflects the inclusive nature of digital dividends. Mechanism analysis reveals that the broadening of information acquisition channels, the accumulation of social capital, and the modernization of consumption concepts are important pathways through which the internet influences consumption. This study not only provides new empirical evidence for understanding the microeconomic effects of the internet in the context of the digital economy era but also has significant implications for formulating public policies aimed at unleashing residents’ consumption potential and bridging the digital divide.

1. 引言

1.1. 研究背景与问题提出

在数字经济蓬勃发展的时代背景下，以电子商务为代表的互联网经济正深刻重塑着居民的消费方式与消费模式。根据中国互联网络信息中心(CNNIC)发布的第51次《中国互联网络发展状况统计报告》[1]，截至2022年12月，我国网络购物用户规模达8.45亿，占网民整体的79.2%。2022年，全国网上零售额达13.79万亿元，同比增长4.0%，占社会消费品零售总额的比重持续提升，电商消费已成为拉动内需的重要引擎。现有研究普遍认为，互联网使用通过降低信息搜寻成本、拓展消费选择范围以及提升交易便利性等渠道影响居民消费行为。然而，在微观个体层面，由于大型社会调查中往往缺乏对居民电商消费行为的直接测量，相关研究面临数据瓶颈。CGSS问卷中并未直接测量家庭电商消费额，这一数据约束限制了我们从微观视角深入理解互联网如何通过电商渠道影响居民消费决策的内在机制。尤其值得注意的是，在移动互联网时代，居民的互联网使用中，电商活动占据了核心地位。已有研究表明，网络购物、在线支付等电商相关应用是居民互联网使用的主要目的之一。因此，将互联网使用作为电商消费的代理变量具有合理性和现实基础中国综合社会调查(CGSS)作为一项权威的综合性社会调查，虽不直接测量电商消费行为，但其包含的丰富个体社会经济与行为数据，为从“互联网使用”这一参与线上购物活动的基础数字接入行为切入，间接研究电商消费的经济后果提供了一个可行的理想的数据基础。

在此背景下，本研究提出核心研究问题：互联网使用作为参与电商消费的基础前提，如何影响总体上体现为线上与线下总和的家庭消费决策？这种影响是否主要通过促进电商消费渠道实现？其影响效应是否存在群体异质性？对这些问题的深入探讨，不仅有助于理解电商经济的微观效应，也对构建“双循环”新发展格局、促进消费提质扩容具有重要现实意义。

1.2. 研究思路与创新之处

本研究采用CGSS2018年数据，将“互联网使用”视为个体参与电商消费的基础门槛，系统考察其如何通过电商渠道影响家庭消费决策。互联网使用是一个多维度概念，但基于电商消费在互联网经济活动中的重要地位，本文主要从电商消费的视角来阐释互联网使用的消费效应。相较于可能存在时滞且尚未全面公开的更新年份数据，CGSS2018数据具有更高的成熟度、稳定性和学术研究的可复现性，且其时点恰好处于中国移动电商普及与消费升级的关键时期，具有独特的时代代表性。

本文的边际贡献主要体现在以下三个方面：第一，在研究视角上，在缺乏直接电商消费测量的数据约束下，创新性地将互联网使用与电商消费联系起来，通过理论论证和实证检验，揭示了互联网可能通过电商渠道影响家庭消费的内在逻辑，为电商消费研究提供了新的分析视角。第二，在理论建构上，结合电子商务理论、信息经济学和消费经济学，系统阐述了互联网通过电商平台影响消费的多重机制，包括价格优势机制、选择多样性机制、消费便利性机制和信息透明化机制，为理解电商消费的经济效应提供了更为全面的理论解释。第三，在政策含义上，基于异质性分析结果，提出了具有针对性的电商发展政策建议，特别是如何通过发展电商促进消费普惠、释放居民消费潜力，为相关部门制定政策提供了实证依据。便利性机制和信息透明化机制，为理解电商消费的经济效应提供了更为全面的理论解释。第三，在政策含义上，基于异质性分析结果，提出了具有针对性的电商发展政策建议，特别是如何通过发展电商促进消费普惠、释放居民消费潜力，为相关部门制定政策提供了实证依据。

2. 理论分析与研究假设

2.1. 互联网影响消费的理论基础

本研究的核心在于论证互联网使用作为参与电子商务(电商)消费的基础前提，如何通过电商渠道影响家庭的总体消费水平与结构。其理论基础主要源于信息经济学、技术采纳理论及电子商务相关理论。

2.1.1. 信息不对称理论与电商平台的信息功能

传统消费市场中的信息不对称是制约消费效率的核心问题。消费者在做出购买决策时，往往面临商品质量、价格和性能等信息不完全的困境，这提高了信息搜寻成本，并可能抑制消费。互联网，特别是电商平台，通过其强大的信息聚合、展示与传播能力，极大地降低了消费者的信息搜寻成本(Bakos, 1997) [2]。消费者可以便捷地进行商品比较、查阅用户评价和获取产品详细信息，从而有效缓解信息不对称(Zhu & Zhang, 2010) [3]。这种信息环境的改善，不仅提升了消费决策的效率和准确性，更重要的是，通过暴露给消费者更丰富的商品选项，可能激发其潜在的或新的消费需求，从而从广延边际上促进消费总量的增长。因此，互联网使用，作为接入这一高效信息环境的前提，其消费促进效应首先通过电商平台的信息功能得以实现。

2.1.2. 技术接受模型(TAM)与电商采纳

互联网的消费效应，尤其是通过电商渠道的效应，其实现程度依赖于个体对电商这一技术应用的采纳。Davis (1989) [4]提出的技术接受模型指出，个体对新技术的使用行为由其使用意愿决定，而使用意愿又受到感知有用性和感知易用性两个核心信念的影响。电商消费作为一种典型的互联网技术应用，其采纳同样遵循这一规律。感知有用性(即认为电商能帮助自己更便捷、更经济地完成购物)和感知易用性(即使用电商平台的容易程度)共同影响个体的电商使用意愿和行为。不同社会经济特征的群体(如不同年龄、教育水平、收入群体)在这些感知上存在系统性差异，这可能导致电商消费采纳程度和深度的不同，进而使得互联网的消费促进效应呈现出群体异质性。

2.1.3. 电子商务的优势与消费价值创造

电商平台相较于传统线下零售，具备其独特的经济优势，能够为消费者创造额外价值，这是互联网使用能够提升消费水平的直接动因。首先，电商通过减少中间环节和提高市场效率，往往能提供更具竞争力的价格，产生价格优势效应(Brynjolfsson & Smith, 2000) [5]。其次，电商平台突破了物理货架的限制，能够提供前所未有的商品选择多样性，特别是满足个性化、长尾需求的商品，从而释放了传统渠道无法满足的消费潜力(Brynjolfsson, Hu, & Smith, 2003) [6]。再者，电商提供购物便利、便捷的支付和配送到家服务，大幅降低了购物的时间成本和体力成本，即消费便利性效应。此外，电商平台通过内容推荐、社交分享等方式，还具有消费观念引导的作用，可能加速新的消费理念和生活方式的普及。综上所述，互联网使用使家庭得以接入电商平台，享受其带来的价格优势、选择多样性、消费便利性和观念引导等多重红利，最终体现为家庭总消费水平的提升和消费结构的优化。

2.2. 研究假设提出

基于上述理论分析，本研究构建“互联网使用到电商消费再到家庭总消费与结构升级”的核心逻辑链条，并提出如下研究假设：

H1：互联网使用对家庭总消费水平有显著的正向影响。

理论推导：互联网使用者通过接入电商平台，享受到更低的价格、更丰富的选择和更便捷的服务，这些由电商渠道创造的价值直接拉动了家庭的消费支出。同时，信息透明化带来的消费信心增强以及新消费需求的被激发，也共同促进了总消费的增长。因此，我们预期，在控制其他因素后，使用互联网的家庭其总消费水平将显著高于未使用家庭。

H2：互联网使用对家庭消费结构升级有显著的正向影响。

理论推导：电商平台在文化、娱乐、教育、旅游等服务性消费以及高品质、个性化商品上的供给尤为丰富，其“长尾效应”和内容引导机制，恰好契合了发展享受型消费的需求特征。互联网使用使得家庭更容易接触、了解和购买这些商品与服务，从而推动家庭消费模式从以生存型消费为主，向更高层次的发展享受型消费转变。

H3：互联网使用的消费效应存在群体异质性。

鉴于不同群体在数字技术采纳能力和从电商中获益的能力上存在差异，互联网的消费效应可能并非均质的。基于技术接受模型和数字鸿沟理论，我们提出以下子假设：

H3a：互联网使用的消费促进效应在年轻群体中更强。

理论推导：年轻群体通常具有更高的数字素养，对新技术(如电商)的感知有用性和感知易用性更高，因此更积极地采纳并深度使用电商进行消费，从而从中获得更大的消费红利。

H3b：互联网使用的消费促进效应在高收入群体中更强。

理论推导：尽管电商提供了更多低价选择，但消费的最终实现仍受预算约束限制。高收入群体拥有更强的支付能力，能够更充分地将电商平台激发的消费意愿和多样化的选择转化为实际购买，而低收入群体可能受限于支付能力，形成了“使用鸿沟”之外的“获益鸿沟”。

H3c：互联网使用的消费促进效应在城乡群体间无显著差异。

理论推导：电商平台的核心优势之一在于打破地理隔阂，使农村居民能够接触到与城市居民近乎同质的商品和服务。这种“地理穿透性”可能在一定程度上弥合因线下商业设施分布不均导致的传统城乡消费差距，使得互联网的消费促进效应表现出普惠性特征。

3. 研究设计

3.1. 数据来源与样本选择

本研究数据来源于中国综合社会调查(CGSS) 2018年度问卷。CGSS采用多阶段分层概率抽样设计，覆盖全国28个省(自治区、直辖市)，具有全国代表性。2018年度调查共完成有效问卷12,787份，样本在性别、年龄、城乡分布等方面与全国人口结构基本一致，具有良好的外部效度。

选择CGSS2018数据主要基于以下考虑：首先，该年份数据是目前公开可获得且经过充分清洗和校验的相对最新数据，具有较高的成熟度和稳定性；其次，2018年处于中国移动互联网普及与消费升级的关键时期，其时点特征对于研究互联网与消费的关系具有典型意义；最后，该年份问卷包含了测量互联网使用、家庭消费及各类控制变量的核心题项，能够很好地满足本研究的变量构建需求。

在样本处理方面，本研究采用以下步骤确保数据质量：首先，保留问卷核心模块(A、B、C卷)回答完整的样本；其次，对关键变量(如消费、收入、互联网使用)存在缺失或“不知道”“拒绝回答”的样本，采用列表删除法处理；最后，对家庭总消费等连续变量进行上下1%的Winsorize缩尾处理，以减轻极端值对回归结果的影响。最终进入模型的有效样本量为4051~4105。

3.2. 变量定义与测量

3.2.1. 因变量

1) 家庭消费水平(ln_consumption)：采用问卷中“您家去年全年总支出是多少？”这一问题的对数形式。取对数处理既符合消费理论的常规做法，也有助于缓解异方差问题，并使系数具有弹性解释意义。我们理解这一测量包含了线上和线下消费，但基于互联网使用与电商消费的紧密联系，我们认为互联网使用对消费的影响在很大程度上是通过促进电商消费实现的。

2) 消费结构升级(consumption_structure)：参考已有研究(袁志刚等，1999) [7]，该研究采用了类似的阈值法定义消费升级，本文借鉴其思路，构建消费升级的二值变量。具体而言，计算文化、娱乐、教育、旅游等发展享受型消费项目支出占家庭总支出的比重，若该比重超过20%，则定义为消费升级(取值为1)，否则为0 (生存型消费主导)。该阈值旨在捕捉消费模式的结构性转变，具有一定的区分度和合理性。电商平台在这些发展享受型消费的供给和推广中扮演重要角色。

3.2.2. 核心自变量

互联网使用(internet_use)：根据问题“过去一年，您是否经常在空闲时间从事上网活动？”生成二值变量。将“每天”“一周数次”“一月数次”合并为“经常使用互联网(=1)”，将“一年数次或更少”“从不”合并为“很少或不用互联网(=0)”。这种测量方式抓住了互联网使用的核心特征，即使用频率反映了数字技术融入日常生活的程度。

3.2.3. 控制变量

为控制其他因素的影响，本研究引入了一系列控制变量，见表1。

人口学特征：性别(gender，男性 = 1)、年龄(采用中心化处理age_center以缓解多重共线性)、年龄平方(age_center2)、户籍(hukou，非农业 = 1)、婚姻状况(marriage，在婚 = 1)。

社会经济地位：教育年限(edu，根据最高受教育程度转换)、个人年收入对数(ln_income)、主观社会阶层(social_class，1~10分)。

Table 1. Variable coding

表1. 变量编码

	变量	代码	测量方式
因变量	家庭消费水平	ln_consumption	家庭消费总支出对数
	消费结构升级	consumption_structure	文化、娱乐、教育、旅游支出占家庭总支出的比重
自变量	互联网使用	internet_use	互联网使用频次
控制变量	性别	gender	1 = 男，0 = 女
	户籍	hukou	1 = 非农业户口，0 = 农业户口
	年龄平方	age_center2	年龄数取平方
	婚姻状况	marriage	1 = 已婚，0 = 未婚
	教育年限	edu	受教育程度的年限换算
	个人年收入	ln_income	个人年收入取对数
	主观社会阶层	social_class	个人主观的社会阶层评价

3.3. 模型设定

3.3.1. 基准回归模型

为检验互联网使用对家庭消费水平的影响，建立如下多元线性回归模型：

ln_consumption_i = β₀ + β₁ internet_use_i + γ Control_i + ε_i

其中，i表示个体，Control_i为控制变量向量，ε_i为随机误差项。所有回归均使用稳健标准误。

3.3.2. 消费升级模型

因消费结构升级为二值变量，采用Logit模型进行估计：

Pr(consumption_structure_i = 1) = Λ(α₀ + α₁ internet_use_i + δ Control_i)

其中，Λ(·)为逻辑分布的累积分布函数。为便于解释，同时报告平均边际效应。

3.3.3. 异质性分析策略

为检验研究假设H3，采用两种方法：

第一，分组回归：按户籍、年龄、收入等分组变量将样本分割，分别估计互联网使用的消费效应。

第二，交互项模型：在全样本中加入互联网使用与分组变量的交互项，直接检验系数差异的显著性。

3.4. 内生性与因果识别讨论

需要指出的是，本文基于横截面数据建立回归模型，主要揭示了互联网使用与家庭消费之间的相关关系。尽管我们控制了可能影响消费和互联网使用的一系列变量，并主要从电商渠道的角度进行理论解释，但仍可能存在由遗漏变量(如个人消费偏好、风险态度等)、反向因果(如高消费群体更倾向于使用互联网进行购物)等导致的内生性问题，从而影响因果推断的严谨性。受数据限制，本文未能采用工具变量法等更严格的因果识别策略。因此，对研究结果的解释应保持审慎，将其视为基于良好控制的关联性证据，其背后隐含的“互联网使用→(主要通过)电商消费→家庭总消费”的因果链条仍需未来研究利用更详尽的电商消费数据或自然实验等方法进行进一步验证。

4. 实证结果与分析

4.1. 描述性统计与组间比较

表2报告了主要变量的描述性统计结果。全样本共4105个观测值，其中互联网使用者占45.3% (1857人)，非使用者占54.7% (2248人)。这一比例与2018年中国互联网发展状况基本吻合，表明样本具有良好的代表性。

Table 2. Descriptive statistics of main variables

表2. 主要变量描述性统计

变量	全样本	互联网使用组	非使用组	组间差距
家庭消费对数	10.661	11.102	10.298	−0.805^***
	(2.010)	(1.804)	(2.098)
消费升级指数	0.490	0.610	0.391	−0.219^***
	(0.500)	(0.488)	(0.488)
互联网使用	0.456	1.000	0.000	−1.000^***
	(0.498)	(0.000)	(0.000)
年龄	51.697	40.806	60.694	19.888^***
	(16.635)	(13.901)	(12.914)
教育年限	8.653	11.436	6.355	−5.081^***
	(4.893)	(3.976)	(4.357)
收入对数	8.748	9.591	8.052	−1.539^***
	(4.084)	(3.982)	(4.037)
性别(男性 = 1)	0.462	0.466	0.459	−0.007
	(0.499)	(0.499)	(0.498)
户籍(城镇 = 1)	0.451	0.579	0.346	−0.233^***
	(0.498)	(0.494)	(0.476)
婚姻状况(在婚 = 1)	0.760	0.741	0.775	0.034^***
	(0.427)	(0.438)	(0.418)
主观社会阶层	4.214	4.367	4.088	−0.279^***
	(1.699)	(1.671)	(1.705)
样本量	4105	1857	2248

注：括号内为稳健标准误；^***、^**、^*分别表示1%、5%、10%的显著性水平。因变量为家庭消费对数。

从组间比较来看，互联网使用组与非使用组在家庭消费和消费结构上存在显著差异。具体而言：

消费水平：互联网使用组的平均家庭消费对数(11.10)显著高于非使用组(10.30)，组间差异为0.80 (t = −13.03, p < 0.001)，换算为消费支出差异约为22.5% (e^0.80−1)。这一发现为研究假设H1提供了初步支持，也间接反映了电商消费对总体消费的贡献。

消费结构：互联网使用组的消费升级指数(0.61)显著高于非使用组(0.39)，表明互联网使用者更倾向于发展享受型消费，这为研究假设H2提供了初步证据，体现了电商平台在促进消费升级中的作用。

个体特征：互联网使用组呈现出更年轻(平均年龄低约18岁)、教育水平更高(11.44年vs 6.35年)、收入更高(收入对数9.59 vs 8.05)的特征，这与数字技术采纳的理论预期一致，也反映了不同群体电商消费参与度的差异。

此外，组间比较还显示互联网使用组中城镇户籍比例更高(57.9% vs 34.6%)，主观社会阶层认同也更高。这些系统性差异强调了在后续分析中控制这些变量的必要性。

4.2. 基准回归结果

表3报告了互联网使用对家庭消费水平的基准回归结果。模型(1)至模型(3)采用逐步加入控制变量的方法，以检验结果的稳健性。

Table 3. Benchmark regression results of internet usage on household consumption

表3. 互联网使用对家庭消费的基准回归结果

变量	模型(1)	模型(2)	模型(3)
互联网使用	0.805^***	0.428^***	0.305^***
	(0.061)	(0.073)	(0.072)
性别(男性 = 1)		−0.090	−0.165^***
		(0.061)	(0.061)
年龄(中心化)		−0.010^***	−0.007^***
		(0.002)	(0.003)
年龄平方/100		0.047^***	0.049^***
		(0.012)	(0.013)
户籍(城镇 = 1)		0.709^***	0.505^***
		(0.012)	(0.013)
教育年限			0.043^***
			(0.008)
收入对数			0.037^***
			(0.010)
婚姻状况(在婚 = 1)			0.082
			(0.084)
主观社会阶层			0.025
			(0.019)
常数项	10.297^***	10.061^***	9.334^***
	(0.044)	(0.061)	(0.143)
样本量	4105	4105	4051
R^2	0.040	0.075	0.098
调整R^2	0.040	0.074	0.096

注：括号内为稳健标准误；^***、^**、^*分别表示1%、5%、10%的显著性水平。因变量为家庭消费对数。

在仅包含核心自变量的模型(1)中，互联网使用的系数为0.805，在1%水平上显著，表明互联网使用者的家庭消费比非使用者高出约124% (e^0.805−1)。这一初步估计可能因遗漏变量而存在偏误。

加入人口学变量后，模型(2)中互联网使用的系数降至0.428，仍在1%水平上显著。系数的大幅下降说明年龄、户籍等人口学特征确实与互联网使用和家庭消费均相关，是重要的混淆变量。

在完整模型(3)中，控制所有变量后，互联网使用的系数为0.305，在1%水平上显著。基于此结果，互联网使用者的家庭消费比非使用者高出约35.7% (e^0.305−1)。这一效应在经济学意义上具有重要价值，证实了研究假设H1。考虑到互联网使用是参与电商消费的基础，我们推断这一影响在很大程度上是通过促进电商消费实现的。

控制变量的估计结果基本符合理论预期：教育水平和收入对消费有显著正向影响，这与人力资本理论和永久收入假说一致；城镇户籍居民的消费显著高于农村居民，反映了城乡消费环境的差异；年龄与消费呈U型关系，但整体呈下降趋势，可能与生命周期消费模式有关。

多重共线性检验显示平均VIF值为1.40，远低于临界值10，表明模型不存在严重的多重共线性问题。

4.3. 消费升级的Logit回归结果

表4报告了互联网使用对消费结构影响的Logit回归结果。互联网使用的系数为0.299，在1%的水平上显著。为便于解释，我们计算了平均边际效应：互联网使用使家庭消费结构升级的概率显著提高了6.7个百分点。在样本均值处，边际效应为7.5个百分点。这一发现证实了研究假设H2，表明互联网不仅刺激了消费总量，更重要的是优化了消费结构，推动居民从生存型消费向发展享受型消费转变。电商平台通过提供丰富的发展享受型商品和服务，以及通过内容电商、社交电商等新模式引导新的消费理念，在这一过程中发挥了关键作用。

其他变量的结果表明：城镇户籍对消费升级有显著负向影响，可能与城镇较高的生活成本压力有关；婚姻状况显著促进消费升级，可能反映了家庭生命周期对消费模式的影响；主观社会阶层认同越高，消费升级概率越大，体现了消费的社会象征功能。

Table 4. Logit regression results of internet usage on consumption upgrading

表4. 互联网使用对消费升级的Logit回归结果

变量	Logit系数	边际效应(平均)	边际效应(在均值处)
互联网使用	0.299^***	0.067^***	0.075^***
	−0.088	−0.02	−0.022
性别(男性 = 1)	−0.07	−0.016	−0.017
	−0.069	−0.015	−0.015
年龄	0.019	0.004	0.004
	−0.014	−0.003	−0.003
年龄平方/100	−0.049^***	−0.011^***	−0.012^***
	−0.014	−0.003	−0.003
户籍(城镇 = 1)	−0.187^**	−0.042^**	−0.046^**
	−0.078	−0.017	−0.019
教育年限	0.018^*	0.004^*	0.004^*
	−0.009	−0.002	−0.002
收入对数	0.003	0.001	0.001
	−0.009	−0.002	−0.002
婚姻状况(在婚 = 1)	0.205^**	0.046^**	0.050^**
	−0.09	−0.02	−0.022
主观社会阶层	0.042^**	0.009^**	0.010^**
	−0.02	−0.004	−0.005
样本量	4051	4051	4051
伪R^2	0.076

注：括号内为稳健标准误；^***、^**、^*分别表示1%、5%、10%的显著性水平。因变量为消费升级指数(二值变量)。

4.4. 异质性分析结果

表5展示了分组回归结果，以检验研究假设H3。

Table 5. Heterogeneity analysis-group regression results

表5. 异质性分析–分组回归结果

变量	城镇	农村	年轻组	年长组	高收入组
互联网使用	0.288^**	0.286^***	0.391^***	0.270^**	0.271^***
	−0.112	−0.092	−0.087	−0.112	−0.104
性别(男性 = 1)	−0.079	−0.218^**	0.015	−0.343^***	−0.09
	−0.088	−0.087	−0.08	−0.095	−0.082
年龄(中心化)	−0.006^*	−0.010^***			−0.005
	−0.004	−0.004			−0.004
年龄平方/100	0.057^***	0.040^**			0.025
	−0.018	−0.018			−0.017
户籍(城镇 = 1)			0.270^***	0.738^***	0.289^***
			−0.091	−0.109	−0.101
教育年限	0.041^***	0.040^***	0.073^***	0.027^**	0.050^***
	−0.012	−0.012	−0.011	−0.012	−0.012
收入对数	0.072^***	0.018	0.049^***	0.009
	−0.016	−0.012	−0.012	−0.017
婚姻状况(在婚 = 1)	0.214^*	−0.077	−0.210^*	0.188^*	−0.044
	−0.115	−0.125	−0.111	−0.114	−0.116
主观社会阶层	0.043	0.008	−0.001	0.057^**	−0.01
	−0.03	−0.025	−0.025	−0.028	−0.029
样本量	1826	2225	2040	2011	2026
R^2	0.065	0.06	0.111	0.071	0.043

注：括号内为稳健标准误；^***、^**、^*分别表示1%、5%、10%的显著性水平。因变量为家庭消费对数。年轻组为年龄 ≤ 51岁，年长组为年龄 > 51岁；高收入组和低收入组按收入中位数划分。

4.4.1. 城乡异质性

城乡分组回归显示，城镇和农村子样本中，互联网使用的系数分别为0.288和0.286，且均显著。交互项模型进一步证实，互联网使用与户籍的交互项系数不显著(p = 0.903)，表明互联网使用的消费效应在城乡之间无统计上的显著差异。这一发现与假设H3c一致，具有重要的政策含义：它表明电商消费促进效应具有普惠性，并未因城乡二元结构而产生显著分野。可能的解释是，电商平台通过打破地理限制，使农村居民能够接触与城市居民同样丰富的商品和服务，从而弥合了传统城乡消费差距。

4.4.2. 年龄异质性

按年龄中位数(51岁)分组分析发现显著的世代差异：年轻组中互联网使用的系数为0.391，在1%水平显著；年长组中系数为0.270，在5%水平显著。交互项检验在10%水平上显著(p = 0.079)，表明互联网对年轻群体的消费促进效应确实更强。这一发现支持了研究假设H3a，可能源于年轻群体更好的数字技能、更积极的电商平台使用行为以及更开放的消费观念。

4.4.3. 收入异质性

按收入中位数分组分析显示：高收入组中互联网使用的系数为0.271，在1%水平显著；低收入组中系数为0.125，统计不显著。交互项虽不显著(p = 0.325)，但系数差异表明互联网的消费效应在高收入群体中更为明显。这一发现部分支持了研究假设H3b，可能反映低收入群体面临更强的预算约束，即使参与电商消费也难以充分转化为实际消费支出。这种现象可称为“电商消费中的数字鸿沟”“数字鸿沟研究指出，不同群体在互联网接入、使用技能和获益上存在显著差异”：电商平台激发了消费意愿，但受限于支付能力而无法充分实现。

4.5. 稳健性检验结果

表6的稳健性检验结果表明，在更换因变量测量方式和使用不同样本范围后，互联网使用对消费水平的正向影响依然稳健存在。特别值得注意的是，当仅使用18~65岁劳动年龄人口时，互联网使用的系数为0.271，仍在1%水平显著，证明了基准回归结果的可靠性。这些检验增强了研究结论的稳健性，降低了因模型设定偏误导致错误推论的风险。

Table 6. Results of robustness tests

表6. 稳健性检验结果

变量	基准模型	更换因变量	更换样本范围
互联网使用	0.305^***	−73215.57	0.271^***
	−0.072	−105729.7	−0.075
性别(男性 = 1)	−0.165^***	−89749.24	−0.091
	−0.061	−89963.49	−0.067
年龄(中心化)	−0.007^***	1199.26	−0.007
	−0.003	−3716.402	−0.005
年龄平方/100	0.049^***	80639.130^***	0.034
	−0.013	−18427.35	−0.023
户籍(城镇 = 1)	0.505^***	236227.400^**	0.454^***
	−0.071	−103429.5	−0.076
教育年限	0.043^***	9907.273	0.044^***
	−0.008	−12063.55	−0.009
收入对数	0.037^***	31828.520^**	0.042^***
	−0.01	−14458.43	−0.01
婚姻状况(在婚 = 1)	0.082	−295567.000^**	−0.078
	−0.084	−119156.7	−0.101
主观社会阶层	0.025	−52466.070^*	0.032
	−0.019	−27658.02	−0.021
样本量	4051	4051	3118
R^2	0.098	0.019	0.105

注：括号内为稳健标准误；^***、^**、^*分别表示1%、5%、10%的显著性水平。基准模型因变量为家庭消费对数；更换因变量模型使用原始家庭消费支出；更换样本范围模型仅使用18~65岁劳动年龄人口。

5. 作用机制的进一步探讨

尽管受数据限制，我们无法直接检验互联网通过电商渠道影响消费的具体机制，但基于理论分析和实证结果的模式，可以推断以下几种可能的作用机制：

5.1. 价格优势机制信息透明化机制

电商平台通过减少中间环节、提高市场效率和促进竞争，往往能提供更优惠的价格。互联网使用者通过电商平台购物，可以享受更低的商品价格，从而提高实际购买力，促进消费增长。这一机制可能特别适用于标准化商品和品牌商品。

5.2. 选择多样性机制与长尾效应机制

电商平台极大地扩展了消费者的选择范围，特别是对于发展享受型商品和服务。互联网使用者可以通过电商平台接触到更多样化、更个性化的商品，满足传统零售渠道无法满足的消费需求，从而激发新的消费，促进消费总量增长和结构升级。

5.3. 消费便利性机制与观念引导机制

电商平台提供24小时不间断的购物服务、便捷的支付方式和配送到家的物流服务，大幅降低了购物的时间成本和体力成本。这种便利性尤其适用于工作繁忙的年轻群体和行动不便的老年群体，可能部分解释年龄异质性的结果。

6. 研究结论与政策启示

6.1. 主要研究结论

本研究基于CGSS2018数据，通过构建互联网使用与电商消费的理论联系，采用严谨的计量方法，实证检验了互联网使用对家庭消费的影响，主要得出以下结论：

第一，互联网使用显著提升家庭消费水平，在控制多种影响因素后，使用者比非使用者消费高出约35.7%。考虑到互联网使用是参与电商消费的基础前提，我们推断这一影响在很大程度上是通过促进电商消费实现的。

第二，互联网使用显著优化了家庭消费结构，使家庭消费模式从生存型向发展享受型转变的概率提高了6.7~7.5个百分点。这表明电商平台不仅在刺激消费总量增长方面发挥作用，更重要的是在引导消费结构升级中扮演重要角色。

第三，互联网的消费效应存在明显的群体异质性。研究发现，互联网的消费促进效应在年轻群体中显著强于年长群体，在高收入群体中显著强于低收入群体，但在城乡群体间不存在统计学上的显著差异。这种异质性模式揭示了电商消费发展的双重特性：一方面体现了电商消费红利的普惠性，特别是在弥合城乡消费差距方面；另一方面也反映了结构性不平等在数字时代的延续，特别是在年龄和收入维度上的数字鸿沟。

6.2. 理论贡献与政策启示

基于上述研究结论，本文提出以下政策启示：

6.2.1. 深化数字基础设施建设，巩固消费普惠成果

研究发现互联网消费效应不存在显著的城乡差异，这为电商普惠政策提供了有力支持。政府应继续推进农村电商基础设施建设，重点提升农村地区的网络覆盖、物流体系和电子支付服务水平。同时，应鼓励电商平台开发适合农村市场的产品和服务，进一步释放农村消费潜力。

6.2.2. 实施精准赋能策略，弥合数字使用鸿沟

针对年长群体和低收入群体在电商消费获益上的相对弱势，应采取针对性措施：

对年长群体，开展“数字扫盲”和“电商使用”培训，设计更适合老年人使用的电商界面和购物流程，提升其电商消费技能和信心。

对低收入群体，在提升其数字技能的同时，应通过就业培训、创业扶持等政策增强其收入能力，并鼓励电商平台提供更多性价比高的商品和适度的消费信贷服务。

6.2.3. 优化电商消费环境，促进消费升级

为充分发挥电商平台对消费升级的促进作用，应着力完善电商消费环境：

加强电商市场监管，完善消费者权益保护机制，打击假冒伪劣和虚假宣传，降低网络消费风险。

鼓励电商平台增加优质教育、文化、健康等发展享受型产品和服务的供给，通过内容电商、直播电商等新模式推广新的消费理念和生活方式。

推动线上线下消费融合发展，支持传统商贸企业数字化转型，为居民消费提供更丰富的场景和体验。

6.2.4. 完善收入分配制度，夯实消费升级基础

针对低收入群体互联网消费效应不显著的问题，应通过完善社会保障体系、优化收入分配格局等措施，提升中低收入群体的实际购买力，使其能够将互联网激发的消费意愿转化为现实消费行为。

6.3. 研究局限与未来展望

本研究存在以下局限性，也为未来研究指明了方向：

首先，受横截面数据所限，本研究主要揭示的是变量间的相关关系。虽然通过控制多种混淆变量和稳健性检验增强了结果的可靠性，但严格的因果识别仍有待通过面板数据、自然实验或工具变量法等进一步验证。

其次，受数据约束，对互联网通过电商渠道影响消费的具体机制未能进行直接的实证检验，且总消费支出中包含线下部分，电商消费的直接贡献无法精确剥离，未来研究可结合更具针对性的问卷设计，如加入电商使用频率、电商消费金额、电商平台类型等变量，深入揭示互联网通过电商渠道影响消费的传导路径。

最后，本研究主要关注了消费的数量和结构维度，未来研究可进一步探讨电商消费对消费质量、消费满意度、消费者福利等更丰富维度的影响，以全面理解电商发展对居民消费行为的变迁。

总之，本研究为理解数字经济时代互联网通过电商渠道影响家庭消费的效应提供了系统的经验证据，对制定促进电商健康发展、释放居民消费潜力的相关政策具有参考价值。在构建“双循环”新发展格局的背景下，充分发挥电商对居民消费的促进作用，对于畅通国内大循环、培育完整内需体系具有重要意义。