1. 引言
随着“宽带中国”、“数字中国”等国家战略相继实施，大数据技术、人工智能、互联网+等领域快速发展。信息通信已经成为整个社会领域高效运转的基础，然而，从现实来看，当前中国仍存在明显的城乡“二元结构”现象，不仅体现在传统的社会经济领域，在互联网领域也较为明显。第49次《中国互联网络发展状况统计报告》报告显示，农村地区互联网普及率为57.6%，较2020年12月提升1.7个百分点，城乡地区互联网普及率差异较2020年12月缩小0.2个百分点。
新时代网络环境下，虽然倡导用户在法律许可的范围内进行网络活动，但是在现实中存在适应性不强、管理难问题，复杂的网络环境对公民的社会信任水平产生了一定的影响。比如常见于网购平台，平台会根据用户的上网行为数据进行个性化推荐，与用户建立可以获取反馈的信任机制，不少商家为了获得高曝光率可以向第三方公司购买推广系统，呈现在用户推荐首页，掺杂着不确定甚至不真实的信息。同时网络媒体对个体和社会的影响越来越大，出现了不少信任水平下降的说法，为吸引眼球，一些媒体的关注点都转向冲突、负面事件，无意中导致一种夸大的、与实际不符的信任氛围。所以，在很多时候，互联网作为快速获取信息的渠道虽有助于我们洞察社会问题的存在，但是并不一定能够帮助我们科学地评估社会信任状况，反而可能会促使人们对信任本身产生信任危机。从社会文化的角度看，信任源于人与人之间的相互交往和相互沟通，而互联网中的不正确思想、网络诈骗、恶意软件、虚假夸大的信息的传播，不免会造成道德伦理失守的问题，必然会妨碍人际交往，造成局部的人际交往挫败，可能会导致局部信任危机。
总之，在数据爆炸的时代维持并提高社会信任水平迫在眉睫，也没有任何没有捷径可走。价值观的一致性、令人满意的绩效、合乎道德且切实可行的制度、线上线下的良好氛围，对提高社会信任水平而言都是必需的，本文旨在考察公民使用互联网的这一行为对社会信任水平会产生怎样的影响，是否存在户籍差异，数据使用最新发布的中国综合社会调查2017 (CGSS2017)。
2. 文献综述与研究假设
2.1. 文献综述
信任在定义上一般分为个人化信任和普遍信任，前者是指从自身出发的，与周围个体不断交往，产生信息交换，即对熟识之人的信任；二后者是对某一群体的构成、动机、教养等一般性知识产生的信任，即社会信任(Durlauf和Fafchamps，2005) [1]。本文的社会信任指的是后者，公民对社会上的陌生人的信任水平。
互联网使用对社会信任的影响问题存在很多争议，大致可分为无相关性、正面影响和负面影响三种观点。国外学者(Uslaner, 2004) [2] 通过对2000年的美国调研资料分析得出人们的上网行为，比如交友、媒体信息获取、网购等与社会信任水平没有显著关联。正面影响研究方面，美国学者(Mutz, 2009) [3] 发现在人们具有较好体验的网购经历后，在短期内对社会信任有正向的影响。互联网在起到促进线下社交、改善人际关系满意度的正向人际交往作用时，会提升社会信任水平(王伟同2019) [4]。已有研究表明青少年在使用互联网获取信息时，比传统媒介为信息来源的社会信任水平更低一些(赵晓航等2017) [5]。
2.2. 研究假设
社会信任也是网络社会重要的社会资本之一。互联网使用的频率越高，互联网环境的涉入程度也随之增加，网络中的负面因素主要体现为不确定信息和财务损失风险，信息不对称以及信息分歧使得人们对于陌生人的信任，或在没有任何特别信息提示的情况下，存在相信自己会被陌生人恶意利用的观念。越来越多的信息充斥着互联网，民众每天接收并处理着较多的信息，从而对社会的信任水平有所影响。另一方面，根据互联网使用报告显示，农村虽然大步伐加快移动通信的建设，但使用并长时间使用互联网的人数相比城市还处于二元状态。
鉴于此，本研究提出以下研究假设：
H1：公众对互联网使用会对社会信任水平产生负向影响。
H2：公众对互联网使用在社会信任水平上存在户籍差异。
3. 研究设计
3.1. 数据来源
本文数据来自2017年的CGSS，主要是基于以下的考虑：第一，该数据中有涉及互联网使用这一行为的相关变量，囊括个人特征、社会信任指标等信息，与本文的研究内容相符；第二，该数据采用分层抽样设计，该调查数据于2018年1月公布，覆盖全国31个省份、市、自治区共478个村居，有效问卷10,968份，在以往的相关研究中也经常被用到，具有较高的权威性和代表性，研究的可信度较高。最后，数据时间虽然是2017年，但是由于互联网的多场景应用推广，网民数量和公民使用互联网的频率短时间内随着时间增加而平稳上升，2017年的互联网使用这一行为数据并不影响本文的结论及研究价值。
数据处理的软件使用stata16.0。
3.2. 变量说明
根据研究目的将变量分为因变量、自变量和控制变量。各变量的赋值和描述性统计详见表1。
3.2.1. 因变量
基于本文立足于对社会信任的定义，在问卷中，因变量社会信任水平可以直接通过问卷项反映，参考表2因变量频数分布表。本文就针对中国综合社会调查问卷其中一个关于信任的问题：“总的来说，您同不同意在这个社会上，绝大多数人都是可以信任的？”，问卷中该问题有5个选项，分别是“非常不信任”，“比较不信任”，“说不上信任不信任”，“比较信任”，“非常信任”。本文分别对这个5个选项赋值1、2、3、4、5，然后计算出各个省份所有居民回答的平均值，作为各个省份的信任环境指数trust。社会信任水平的均值和标准差分别为3.465和1.030，表明公众对社会信任水平为一般。表明被调查者对“社会上绝大多数人是可以信任的”这一题项主要持“说不上同意不同意”的观点。
Table 1. Variable processing and assignment
表1. 变量处理及赋值
3.2.2. 自变量
关于核心解释变量互联网使用与否，本文利用问卷中“在最近半年，您上过网吗，包括使用电脑、手机、智能穿戴等各种设备上网？”来反映个人互联网使用的情况，设定使用过的为1、从未使用的为0。对于互联网使用频率，“过去一年，您对互联网(包括手机上网)的使用情况是：”的提问，按照使用时间分为从不1、很少上网2、有时上网3、经常上网4和非常频繁5，五类。
3.2.3. 控制变量
关于控制变量，包括个人特征，其中，性别、政治面貌、婚姻状况、民族、年龄、户籍、受教育程度。其中，性别的均值为0.472，表明被调查者的男女比例较为均衡；年龄的均值为51.009岁，表明被调查者的年龄普遍较大；受教育程度的均值为2.239，表明被调查者的受教育程度普遍较低，以初中为主；政治面貌的均值为0.112，表明被调查者多数为非中共党员；民族的均值为0.925，表明被调查者中大多数人为汉族；婚姻状况的均值为0.7534，被调查者中大多数为婚姻状况为已婚；家庭收入的均值为10.688，表明被调查者的家庭收入水平较高；户籍的均值为0.540，表明被调查者中农业户口和非农业户口人数比例较为均衡。
3.3. 描述性统计分析
表2对所有变量进行了描述性统计，本文的研究对象为样本中的所有公民，在剔除缺失的关键变量信息的样本后，得到有效样本12,533个，其中户籍的均值为0.54，表明被调查者城镇与农村户籍数量均衡，互联网使用、互联网使用频率性别、年龄、教育程度、政治面貌、民族、婚姻状况、户籍、收入的均值均为平衡，表明样本特征均衡。
表3为频数分布表，展示了因变量社会信任水平各个类别的分布情况。被解释变量有1、2、3、4、5五个取值，分别表示非常不信任、比较不信任、说不上信任不信任、比较信任、非常信任。本文采用Ologit方法进行了估计，总共有12,533个样本参加分析，并且没有缺失数据。
而运用Ologit模型需要满足平行线假设，因此笔者首先进行了平行线检验。Brant检验的原假设为满足平行线要求，P值为0.201，表明模型通过了平行线假设。
Table 3. Frequency distribution of dependent variables
表3. 因变量频数分布表
4. 模型设定与实证结果分析
4.1. 模型设定
本研究设置的因变量社会信任水平为有序类别变量，对于该类型因变量，可以采用Ologit (ordinal logit)模型进行分析。由于Ologit回归模型基于累积Logit模型，假定因变量为1到J的定序值，则因变量小于等于j与大于j的累积Logit可以表示为：
(1)
其中，X表示影响社会信任水平的解释变量，β表示一组与X对应的回归系数，j表示社会信任水平的类别，αj是估计的截点，解释变量的回归系数可以转换为发生比，用以解释自变量对因变量的影响。Ologit回归模型有一个重要的约束条件，就是解释变量对因变量在任何分界点下的比率具有同样的影响，这样拟合得到的Logit满足平行线假设。
4.2. 实证结果分析
接下来本文将运用计量分析模型在控制多方面因素的情况下，进一步分析互联网使用对社会信任水平的影响。在数据分析前，我们首先运用贝尔斯利与韦尔施(Belsley & Welsch)提供的方法(coldiag2)检验了自变量之间是否存在多重共线性问题。运行coldiag2命令得到的条件数为10.25，小于30，因此，可以认为不存在多重共线性问题。
4.2.1. 模型结果解释
表4中模型(1)估计结果表明，本文使用的方程在5%下具有显著性，系数为−0.29，在控制各基本个体特征变量之后，与不使用互联网相比，使用互联网电脑、手机、智能穿戴等各种设备上网的P值小于0.05，说明该变量具有显著性，同时该自变量的系数为负值，说明互联网使用会降低社会信任水平，表5中的几率比报告显示，自变量几率比为0.75，说明互联网使用增加一个单位时，社会信任水平的减少幅度为0.75倍。在互联网虚拟社会，主体身份的虚拟性、交易的匿名性以及权利和义务的无边界性等特点使互联网中的行为更加难以琢磨，这意味着互联网中选择信任要承担的风险更大，一旦危机发生，所产生的后果可能更严重，而且补救的难度更大。随着互联网与经济的高度融合，互联网不仅丰富知识见世面的同时也看过了形形色色，互联网的使用让越来越多的人进行云交流，在网络上被骗的案件常有发生，所以验证假设1互联网使用对社会信任水平有负向影响。
表4中模型(3)、(4)估计结果表明，农村户口的公民使用互联网频率的系数−0.063绝对值大于城镇户口公民使用互联网频率的系数−0.043，并且农村户口的公民使用互联网频率在5%水平上显著，城镇户口公民使用互联网频率在10%水平上显著，说明农村户口公民越经常使用互联网，对社会信任水平越低，而城镇户口使用互联网频率对于社会信任水平没有非常显著的影响。农村的治安条件、环境条件、公民素质等相对来说没有城镇户口公民好，并且可能受教育、收入等控制变量影响，导致对于网络信息缺乏判断力和自控力，所以越经常使用互联网，社会信任水平越低，并且影响程度高于城镇户口公民，验证假设2。
4.2.2. 稳健性检验
表4中模型(2)估计结果表明，为了使模型更稳健，将核心变量是否使用互联网用使用互联网的频率代替，问题为对于互联网使用频率，“过去一年，您对互联网(包括手机上网)的使用情况是：”的提问，按照使用时间分为从不1、很少上网2、有时上网3、经常上网4和非常频繁5，五类依次增大，不同网络使用频率的系数均显著为负，意味着随着网络使用频率的提高，其对社会信任水平的降低在增强。表明以网络使用频率作为代理变量后仍能得到与基准模型相一致的结论。
Table 4. Ologit regression (Coefficient reporting)
表4. Ologit回归分析(报告系数)
Standard errors in parentheses, *p < 0.1, **p < 0.05, ***p < 0.01，下同。
Table 5. Ologit regression (Odds ratio reporting)
表5. Ologit回归分析(报告几率比)
5. 结论与建议
5.1. 结论
本文使用2017年中国综合社会调查数据构造有序Logit模型，并选取个体特征作为控制变量，实证分析了互联网使用对社会信任水平的影响并进行稳健性检验。根据户籍差异进行了分样本回归分析，并进一步考察了这种负向影响在不同户籍的异质性效果。结果表明互联网使用对社会信任水平有显著负向影响，农村户籍的互联网使用群体更易遭受互联网中的信任风险。互联网作为一把双刃剑，对于促进经济发展和保持就业局势功不可没，但其发展存在一定的局限性，也深受信息不对称、监管和保障不完备所困。如何减小互联网的负面效应，有助于构建和谐有序的互联网生态圈，持续不断地释放互联网经济的活力，改善就业环境和就业质量。
5.2. 建议
基于此，笔者提出如下政策建议：第一，个人层面发扬诚实守信、善解人意、设身处地为他人着想的美好品德，这些维系传统社会信任机制的重要因素在当代互联网贯穿的经济社会并没有被彻底改变。为了确保数字经济的可持续发展，保障互联网环境中良好的社会信任水平，应同时抓好“线上”和“线下”两方面的社会信任水平。第二，在国家和政府层面，应发展中国特色社会主义的互联网生态圈，建设以人为本的互联网网络环境，重视各级政府执行监督部门的协调配合，重点关注农村户籍的群体在互联网环境中的权益保障问题，建立和完善互联网环境中的公共监管机制。这些措施有利于规范共享经济的市场秩序，防范互联网平台的金融风险，避免和解决在虚拟网络环境中原有的法律法规和政策监督机制空白化、互联网使用者诸多权益模糊化的问题。第三，在加强社区治理背景下，以社区为基本单位的信任十分重要，社区应做好友好的环境建设，维持并提升社区内的信任水平，积极开展弘扬中国传统文化和社会主义核心价值观的道德教育活动，培养中国特色社会主义的信任文化。同时，社区应针对老年人的网络实用技能进行学习和教育，加强志愿者上门服务帮助老年人更好地融入到数字化生产活动中，跨越数字鸿沟，在社区中提倡科学健康地使用互联网、谨防网络诈骗和警惕辨别网络谣言等宣传教育活动。