没有合适的资源?快使用搜索试试~ 我知道了~
互联网使用对老年人抑郁症影响的城乡差异
数据科学与管理5(2022)13研究文章互联网使用对老年人抑郁症影响的城乡差异:来自中国的孙凯a,赵宇翔b,陶晓峰c,周俊杰d,*,刘倩倩ea山东财经大学管理科学与工程学院,济南,250014b南京理工大学经济管理学院&c河南艺术职业学院文化传播技术学院,郑州,451464d汕头大学粤台研究院商学院,汕头,515063e河南省第三人民医院疾病预防控制中心A R T I C L E I N F O关键词:抑郁症老年人幸福感互联网使用定量研究方法A B S T R A C T互联网使用对抑郁症的影响以及与信息和通信技术有关的到目前为止,有限的研究已经全面探讨了这些主题。本研究旨在探讨互联网使用对城市和农村老年人抑郁症的影响,并提供信息和通信 基于中国健康与养老纵向研究的数据,我们采用面板数据回归方法考察了老年人互联网使用与抑郁的关系,并采用倾向得分匹配和差异中差异方法检验了研究结果的稳健性。我们发现,互联网使用对城市和农村老年人抑郁的影响背后的影响机制是不同的。互联网使用不仅直接降低了农村老年人研究发现,互联网使用对城乡老年人抑郁的影响不同,农村老年人的受益更大。1. 介绍随着信息和通信技术(ICT)变得越来越普遍,令人担忧的是,所有人都无法充分享受其好处(Choi和Dinitto,2013年; Hong和Cho,2017年;Yu等人, 2016年; Zhou等人, 2021年)。所谓的数字鸿沟发生在地理和社会经济阶层(Mack等人, 2019年)。例如,由于农村地区的IT基础设施和其他支持资源较差(Berner等人, 2015年),城市和农村居民可能无法平等地享受互联网使用的好处(Berner等人,2015; Hong和Cho,2017; Pearson等人,2017; Wang等人,2019年b)。此外,包括老年人在内的弱势群体由于年龄大、功能受损程度高和支持资源有限,通常难以获得信息通信技术和较低的数字能力(Cotten et al. 2012,2013;Francis等人,2017),并且不能从互联网使用中获得太多好处(Sun和Zhou,2021; Wei等人, 2011年)。地理和社会经济阶层之间的相互作用使得互联网使用对老年人的社会影响的城乡差异抑郁症是发达国家和发展中国家城市和农村居民中的一个重要社会问题(Haroz等人,2017年; Zhou等人, 2020年)。 农村居民通常比城市同龄人遭受更严重的抑郁症(Li等人,2016; Purtle等人,2019年)。社会科学学者一直致力于了解导致老年人抑郁的因素先前研究中确定的潜在影响因素包括经济危机(Wang和Granados,2019)和经济状况(Chen等人, 2019; Yuan,2020),体力活动(Blake等人,2009)、身体健康状况(Geerlings等人,2000)、社区/社区环境(Aneshensel等人,2007)、家庭关系(Silverstein等人, 2006),志愿者活动(李和费拉罗,2005),社会联系(Werner-Seidler等人,2017)等。最近,信息和通信技术的影响已被考虑在内,因为保持更好的心理健康是信息和通信技术使用的一个重要目标(Lam等人, 2020年)。由于数字鸿沟,农村老年人通常被剥夺了同行评议由Xi交通大学负责* 通讯作者。电子邮件地址:jjzhou@stu.edu.cn(J. Zhou)。https://doi.org/10.1016/j.dsm.2022.03.003接收日期:2021年11月18日;接收日期:2022年3月7日;接受日期:2022年3月15日2022年3月20日网上发售2666-7649/©2022 Xi'an Jiaotong University.出版社:Elsevier B.V.代表科爱通信有限公司公司这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表数据科学与管理杂志主页:www.keaipublishing.com/en/journals/data-science-and-managementK. Sun等人数据科学与管理5(2022)1314;;许多资源,如社会支持,互联网基础设施和互联网应用相比,他们的城市同龄人(阿马托,1993年; Hofferth和冰岛,1998年; Hsieh等人,2013年)。此外,农村老年人获得社会机会的机会有限(Zimmer等人,2007年)和医疗资源(Liu和Griffiths,2011年),因为农村地区的经济和医疗保健系统不发达(Li等人, 2016年)。 这些情况可能使互联网使用对农村和城市老年人的抑郁症产生不同的影响和机制(Liao et al.,2020; Wang等人,2019年a)。然而,我们的知识仍然有限,因此,调查了以下问题:(1) 互联网使用对城市和农村老年人抑郁的影响是什么(2) 互联网使用如何影响城乡老年人本文采用中国健康与养老纵向研究(CHARLS)的双波纵向数据集,采用面板数据回归方法建立互联网使用与老年人2. 文献综述互联网的使用有可能减轻老年人的抑郁症(Choi等人, 2012; Cotten等人 2012,2013,2014; Sun和Lyu,2020)。互联网是一个强大的工具,可以连接老年人与在线资源,在线社会活动,和其他人。增强的连接有助于减少他们的孤独感和提高他们的社会包容感(Czaja等人,2017; Wang等人,2019 a; Wer-ner-Seidler等人, 2017年)。然而,一些学者发现ICT的使用与抑郁症无关(Elliot et al., 2014; Wang等人,2019a),甚至发现随着互联网使用的增加,社会参与,人际关系和心理健康恶化(Kraut et al., 1998; Tran等人,2017年)。需要更多的研究来解决上述不一致性。先前的研究认为,互联网使用可以通过社会参与来缓解老年人随着人们年龄的增长,他们的社交网络变小,这导致与社区和社会的联系减少(Francis et al.,2016年)。减少的社会联系可能导致孤立(Cotten等人, 2013)和抑郁症(李和金,2014)。互联网的使用可以帮助他们与家人、朋友和社会保持和建立社会联系,因为互联网可以克服时间和空间的障碍将人们联系起来(Boll和Brune,2016年)。它特别有益于那些患有慢性疾病的人,3. 材料和方法3.1. 样本和数据收集我们使用CHARLS作为本研究的数据源,CHARLS是45岁及以上中国居民的权威和国家数据库,已广泛用于先前的研究(Feng et al., 2013;Sun和Zhou,2021; Zhao等人, 2014年)。 关于CHARLS的更多细节可以在上述研究中找到。 这项研究使用50岁作为年龄标准,因为波士顿咨询集团和学者以前曾使用这一标准分析中国互联网用户(Lian和Yen,2014; Michael等人, 2012; Pan和Jordan-Marsh,2010)。 图 1显示了本研究的样本选择过程。首先,我们分别处理了2013年和2015年的CHARLS数据集。我们合并存储在不同文件中的数据,然后删除因变量(DV)有缺失值的样本2013年数据集中共有7,864个样本被删除,2015年数据集中有8,915个样本被删除,原因是变量Living near children(见图1中的步骤1)。①的人。我们进一步删除了变量抑郁为空值的样本(2013年为1,285个样本,2015年为1,367个样本)。其次,我们通过匹配样本ID值合并了2013年和2015年的数据集,然后删除了不匹配的样本(2013年数据集中的3,827个样本和2015年数据集中的5,206个样本第三,我们删除了1,786个年龄在50岁以下的样本3.2. 变量3.2.1. 因变量CHARLS团队使用10项流行病学研究中心抑郁量表(CES-D 10)的中文版来检查抑郁症(Liu et al.,2019; Shang,2020; Yang等人,2020年)。具体问题和测量结果见表1。3.2.2. 自变量和混杂变量我们使用Internet_Use、Frequency_Internet_Use和Residency作为独立变量。根据先前的研究(Cotten等人,2012,2014; Wang等人,2019a),我们进一步纳入了13个混杂变量(表2)。3.3. 数据分析3.3.1. 经验模型等式(1)和(2)显示了我们的经验模型。具体而言,下标i表示纳入分析的个人,下标t表示每年。互联网使用是一个二进制指标。互联网使用it¼1表示有限的流动性,和谁有更多的困难,参与社会活动(Mackichan等人,2013年)。农村和城市地区之间的差异也可能导致对老年人抑郁症的不同影响(Liaoetal.,2020年)。农村地区通常有更多的空巢老人(He等人, 2016年),他们独自生活,社会联系和交流有限(Wang等人, 2017年)。互联网可以成为农村老年人保持和建立社会关系的重要工具,这可以减少孤独和抑郁(Hong和Cho,2017)。城市老年人除了使用互联网外,通常有更多的机会与其他人联系因此,互联网的使用可能会使农村和城市老年人受益不同(Liao等人,2020年)。然而,一些学者发现,互联网使用对农村和城市老年人没有显著影响(Wang et al.,2019年a)。因此,互联网使用,抑郁症和农村和城市群体的社会参与之间的关系可能比以前认为的更复杂。个人i在t年已经使用过互联网,而0表示不能上网。互联网使用频率i;t是指个体i在时间t内使用互联网的频率,我们用它来了解互联网使用频率对老年人抑郁的影响。面板水平线性模型在等式中指定。(1)和(2)。抑郁症i;tβ0β1互联网使用i;tβ2年龄i;tβ3性别iβ4教育i;tβ5退休i;tβ6婚姻i;tβ7对数HFSi;tβ8LNCi;tβ9酒精i;tβ10吸烟i;tβ11NCDi;tβ12LBCi;tβ13SAi;tβ13SAi;t(一)抑郁症i;t<$β0<$β1上网频率i;t<$β2年龄i;t<$β3性别iβ4教育i;tβ12数量t LBCi;t(二)K. Sun等人数据科学与管理5(2022)1315图1.一、样品选择流程图。表1CES-D 10.问题编号问题详细信息范围抑郁症1我被一些通常不会困扰我的事情所困扰抑郁症3我感到抑郁1抑郁症4我觉得我所做的一切都是努力1抑郁症5我对未来充满希望1抑郁症6我感到害怕1抑郁症7我的睡眠是不安1抑郁症8我很高兴1抑郁症9我感到孤独1抑郁症10我不能“去注:11/4很少或没有时间(1天); 2/4一些或很少的时间(1其中β为模型系数,αi捕获未观察到的个体特异性效应,εi;t表示残差随机误差项。我们对所有变量进行了描述性统计。3.3.2. 稳健性测试我们采用倾向评分匹配(PSM)和差异中的差异(DID)方法进行稳健性测试。 我们采用PSM方法进行分析,以从不可观察的协变量中排除潜在的内源性样本选择偏倚(Brookhart et al.,2006; D'AgostinoJr,1998)。具体来说,我们选择了在2013年(第2波)没有使用互联网但在2015年(第4波)使用互联网的老年人作为治疗组;在任何一波都没有使用互联网的类似老年人作为对照组。我们将互联网使用(0表示不使用,1表示使用)作为因变量,然后通过控制一组观察到的特征(包括性别、年龄、教育、退休、婚姻、居住地、HFS、LNC、酒精、吸烟、num_t_NCD、num_t_LBC和SA),使用logit回归计算倾向评分所有观察到的特征都来自2013年的数据。最后,我们匹配了治疗组和对照组之间的不同样本(Austin,2010)。 根据先前的研究(Kuang等人,2019; Lin等人, 2019),我们使用一对四最近邻匹配方法匹配治疗组和对照组,以获得足够的样本。我们采用回归框架来检测与不上网的老年人相比,上网的老年考虑到使用互联网的被治疗用户不是随机选择的,他们的互联网使用行为也可能受到一些未观察到的因素的影响,从而导致有偏估计。为了解决潜在的内隐问题,我们引入了DID方法来控制时不变和不可观察的用户特征。面板数据DID回归框架允许我们通过控制时间特异性和用户特异性方差来确定因果效应(Kuang等人, 2019年)。 设下标i表示每个人,下标t表示每年,小组层面线性模型指定为等式:(3):抑郁i;t<$β0<$β1*时间i;t<$β2 *治疗i*时间i;t<$β3*年龄i;tβ4*教育i;tβ12*num t LBCi;t(三)抑郁症是指老年人2015年项目包含受试者i的数据时,时间等于1,2013年为0如果受试者在研究期间开始使用互联网,则治疗i表示为1,否则表示为0。时间i;t的系数β1评估抑郁状态如何随时间变化系数β2是DID估计值,代表互联网使用对抑郁症的影响混杂变量年龄i;t、教育i;t、退休i;t、婚姻i;t、HFSi;t,使用LNCi;t控制健康状况、收入、家庭和工作的影响αi捕获未观察到的产品特定效应,εi;t表示剩余随机误差项。3.3.3. 调解效果分析我们研究了互联网使用和抑郁之间的中介作用。 在Baron和Kenny( 1986 ) 的 中 介 框 架 下 , 自 变 量 ( 这 里 是 Internet_use 和Frequency_Internet_use)通过中介变量(社会)影响因变量(抑郁症K. Sun等人数据科学与管理5(2022)13表1616¼12潜在混杂变量的定义/代码。变量代码/定义互联网_如果老年人使用过互联网或没有使用过互联网,请使用Internet1/ 4老年人在调查前一周内使用过互联网; 0/4否则Frequency_Internet_Use互联网使用的频率。0在调查前一周内从未使用互联网;1不经常使用;2几乎每周使用; 3几乎每天居住地:0/4城市; 1/4农村社交活动(SA):一个人进行社交活动的最大频率。0无; 1不定期; 2几乎每周; 3几乎每天性别0¼男性; 1¼女性年龄连续变量文化程度1/4文盲; 2/4小学及以下; 3/4初中; 4/4高中及以上退休0否; 1是婚姻0¼单身(离婚/丧偶/单身); 1¼伴侣(已婚/伴侣)家庭总收入/平方根(家庭人数)居住在儿童(LNC)受访者是否有一个孩子,与被调查者居住在同一个城市/县。0否; 1是(任何共同居住的儿童或任何非共同居住的儿童居住在同一城市/县)酒精去年喝过酒吗?0否; 1是吸烟去年是否嚼过烟草、吸过烟斗或吸过香烟。0否; 1是抑郁症i;t<$β0c2互联网使用频率i;tb2SAi;t混杂变量根据Baron和Kenny(1986)提出的标准,协会(即,独立变量之间的系数(即, 因特网使用和频率因特网使用)和因变量(即,抑郁症)应该是有意义的。然而,这一标准在实践中并不总是得到满足。一些学者建议计算系数a * b,并通过分析系数a * b和c的重要性来确定中介效应(Zhao et al., 2010年)。我们遵循这一建议,并进行了以下程序:1)运行回归(4)-4. 结果4.1. 描述性统计结果表3列出了基于4,586名老年人的描述性统计结果根据先前的研究,使用十种抑郁症状的总和来测量抑郁症(Boey,1999; Wang等人,2019年a)。采用内部一致性检验(Cronbach’s α)检验抑郁量表的信度0.783),即与先前文献一致(Liu等人, 2019年)。城市样本非传染性疾病种类数(num_t_NCD)下半身约束类型的数量(num_t_LBC)12项概述任何身体非传染性疾病,包括高血压,血脂异常,糖尿病,癌症,慢性肺部疾病,肝病,心脏病发作,中风,肾脏疾病,胃或其他消化系统疾病,关节炎或风湿病,以及哮喘。0无; 1 1型; 2 2型; 3 ≥3型4项活动困难总结,包括步行100米、爬几个红绿灯或楼梯、从椅子上站起来、弯腰、跪下或蹲下。0/4无;1/4 1型;2/4 2型;2013 年 ( 城 市 CES-D 评 分 <$16.78 , 农 村 CES-D 评 分 <$18.69 , t<$9.99,P 0.001)和2015年(城市CES-D评分<$16.98,农村CES-D评分<$18.69,t <$9.99,P 0.001),CES-D评分均显著低于农村样本值<评分为<$19.01,t<$9.61,P0.001)。<4.2. 互联网使用对抑郁症我们使用面板回归模型来测试互联网使用和抑郁症之间的关系Hausman检验结果表明,RE估计值不一致,因为未观察到的产品特定效应3¼≥3种活动)。中介变量是社会活动的频率根据先前对抑郁症的研究,参与社会活动是减少抑郁症的最重要因素之一(Li和Ferraro,2005; Werner-Seidler等人, 2017年)。此外,互联网是人与人之间建立联系和促进老年人参与社会活动的重要工具(Sun和Zhou,2021年)。因此,我们认为社交活动可以调节互联网使用和抑郁之间的关系。 我们利用并调整了基于回归的程序下的面板数据结构,以测试中介效应(男爵和肯尼,1986年)。具体而言,我们的估计程序包括以下四个步骤:SAi;t¼β0a1互联网使用i;t混淆变量i;t(4)αi与解释变量相关(Lin等人,2019年)。表4结果表明,有限元模型的结果 第(1)和第(4)栏的数据显示,Internet_Use和Frequency_Inter-net_Use的估计系数为负值,但不显著。第(3)、(6)列数据表明,Internet_Use和Frequency_Internet_Use对 农 村 老 年 人 抑 郁 有 负 向 影 响 , 第 ( 2 ) 、 ( 4 ) 列 数 据 表 明 ,Internet_Use和Frequency_Internet_Use对农村老年人抑郁有正向影响,但不显著。4.3. 耐用性试验结果表5列出了1:4最近邻匹配前后给药组和对照组的汇总统计量。匹配后所有协变量的标准化偏倚大大降低。 t检验结果证实,互联网使用频率混杂变量(五)匹配后的组不重要。i;t02i;ti;t图2显示了不同样本之间的标准化百分比偏倚协变量匹配后,所有协变量都比那些抑郁症i;t<$β0c0互联网使用i;t混杂变量i;t(6)抑郁症i;t<$β0c0频率互联网使用i;t<$混淆变量εi;t(七)抑郁症1互联网使用1SAi tt tt it混淆变量在匹配之前。结果见表5和Fig. 2一起表明匹配方法适用于产生相似组。如表6所示,对城市老年人的治疗效果不显著,但对农村老年人的治疗效果为负且显著,表明互联网使用减少了农村老年人PSM和DID分析的结果与基于;0;;;(八)面板数据回归分析,为稳健的我们的发现。K. Sun等人数据科学与管理5(2022)1317表3描述性统计。变量第2波(2013年1/4)第4波(2015年1/4)共计(4,586人)城市(n¼ 1,312)农村(3,274人)共计(4,586人)城市(n¼ 1,370)农村(3,216人)抑郁18.144(5.920)16.779(5.419)18.691(6.024)18.402(6.599)16.981(6.026)19.008(6.739)互联网_使用0.043(0.203)0.128(0.334)0.009(0.095)0.051(0.221)0.138(0.345)0.014(0.119)频率_互联网_使用0.116(0.559)0.352(0.938)0.021(0.234)0.138(0.613)0.377(0.970)0.036(0.316)居留0.714(0.452)0.000(0.000)0.000(0.000)0.701(0.458)0.000(0.000)0.000(0.000)SA一点四零八(一点二八八)1.774(1.284)1.261(1.260)1.248(1.280)1.555(1.313)1.117(1.243)年龄62.781(8.420)62.699(8.713)62.814(8.300)64.781(8.420)64.719(8.748)64.808(8.277)性别1.444(0.497)1.491(0.500)1.425(0.494)1.444(0.497)1.488(0.500)1.426(0.495)教育2.452(1.055)2.954(1.034)2.251(0.995)2.399(1.037)2.882(1.038)2.193(0.967)退休0.201(0.401)0.515(0.500)0.075(0.264)0.211(0.408)0.508(0.500)0.084(0.277)婚姻0.740(0.439)0.740(0.439)0.739(0.439)0.712(0.453)0.707(0.455)0.715(0.452)HFS19592.19035928.74013045.59014268.62022897.97010592.560(43717.660)(59693.000)(33169.980)(72752.190)(55090.580)(78808.210)LNC0.860(0.347)0.857(0.351)0.861(0.346)0.847(0.360)0.853(0.354)0.844(0.363)醇0.368(0.482)0.369(0.483)0.368(0.482)0.368(0.482)0.362(0.481)0.370(0.483)烟雾0.318(0.619)0.303(0.628)0.324(0.615)0.308(0.482)0.250(0.433)0.332(0.471)num_t_NCD0.270(0.577)0.296(0.625)0.262(0.560)0.298(0.611)0.296(0.629)0.299(0.605)num_t_LBC1.094(1.145)0.996(1.108)1.126(1.155)1.186(1.163)1.017(1.116)1.241(1.173)注:SA:社会活动;HFS:家庭财务状况;LNC:住在子女附近表4互联网使用与抑郁症的关系I.V.D.V. ¼抑郁症总计(1)城市(2)农村(3)总计(4)城市(5)农村(6)互联网_使用-0.420 0.375-2.187**-互联网_使用频率-0.150 0.153-1.091**SA-0.141*-0.237*-0.094-0.139-0.242*-0.085年龄0.072-0.053 0.123* 0.072-0.054 0.126*教育退休-0.594-0.853-0.094-0.590-0.860-0.093婚姻-1.772***-1.835*-1.600*-1.771***-1.838*-1.595*粤ICP备05018888号-1粤ICP备15044888号-1酒精-0.131-0.124-0.163-0.131-0.125-0.154烟度-0.081-0.139-0.034-0.082-0.136-0.035编号_t_NCD-0.300-0.366-0.280-0.300-0.365-0.268num_t_LBC0.988 * 0.807* 1.027 * 0.988* 0.807*1.030* 常数13.062* 19.936 * 9.986 ** 13.049* 19.992 * 9.764** 组数4,537 1,388 3,149 4,5371,388 3,149观察次数9,074 2,776 6,298 9,074 2,776 6298注:*P 0.05; **P 0.01; *P 0.001;SA:社会活动;HFS:家庭财务状况;组数:老年人个体数。<<<表5匹配前后的平均值差异变量匹配前匹配后平均值(T)平均值(C)%偏倚t p平均值(T)平均值(C)%偏倚t p性别0. 380 0. 442 - 12. 600 - 1. 550 0.120 0. 380 0. 354 5. 100 0. 4700.642年龄56.684 63.203-86.800-9.740 0.000 56.684 57.139-6.100-0.620 0.533教育3.532 2.190 164.800 18.220 0.000 3.532 3.544-1.600-0.170 0.867退休0.456 0.340 23.800 3.040 0.002 0.456 0.468-2.600-0.220 0.822婚姻0.937 0.737 56.100 5.680 0.000 0.937 0.924 3.600 0.440 0.660居住0.329 0.762-96.400-12.620 0.000 0.329 0.316 2.800 0.240 0.811对数(HFS)8.789 6.482 62.000 7.240 0.000 8.789 8.730 1.600 0.150 0.878粤ICP备16037770号-1酒精0.481 0.363 24.100 3.060 0.002 0.481 0.532-1.300-0.900 0.370烟雾0.127 0.132-1.700-0.210 0.831 0.127 0.101 7.500 0.710 0.480粤ICP备16037770号-1粤ICP备16039560号-11.823 1.302 42.300 5.080 0.000 1.823 1.734 7.200 0.680注:HFS:家庭经济状况;LNC:与儿童居住在一起;SA:社交活动;均值(T):治疗组均值;均值(C):对照组均值1PROCESS是一个观察变量OLS和逻辑回归路径分析建模工具。请参考链接http://processmacro.org/了解更多信息。4.4. 调解效果分析我们使用PROCESS v3.4.11来计算中介效应。 表7和表8显示了总效应(系数c0)、直接效应(系数c)、K. Sun等人数据科学与管理5(2022)1318图二、样 本 选择检验中非匹配和匹配样本中协变量的标准化百分比偏倚。(SA:社会活动;HFS:家庭财务状况;LNC:与子女居住在一起)表6以抑郁症为因变量的固定效应模型的结果I.V.D.V. ¼抑郁症共计(1)城市(2)农村(3)时间-0.210-2.708-1.456时间 * 治疗-1.095 0.474-3.122**0.449-0.658 0.047年龄0.025 1.402* 1.551**教育退休婚姻对数(HFS)-0.072 0.004-0.041电话:+86-21 - 6666666传真:+86-21- 6666666酒精1.319-0.266 0.905烟雾-0.348-0.297-1.865*粤ICP备16038888号-1编号_t_LBC1.043* 0.883 1.119常数20.544-66.249-69.249*治疗组人数79 53 25对照组人数79 53 79意见数量316 212 208注:*P 0.05; **P 0.01; *P 0.001;SA:社会活动;HFS:家庭<<<财务状况;LNC:住在孩子附近以及独立变量Internet_Use和Frequency_Internet_Use的间接效应(系数a *b)。 我们使用Bootstrap置信区间下限(BootLLCI)和Bootstrap置信区间上限(BootULCI)来表示系数的显著性。如果BootLLCI和BootULCI都高于或低于0,则系数显著;否则,系数不显著。如表7和表8所示,在总样本中,SA完全中介了互联网使用和抑郁之间的关系,因为直接效应不显著,但间接效应显著;SA的中介作用表7Frequency_Internet_Use和Depression之间的关系并不显著。在城市样本中,SA在互联网使用与抑郁之间起完全中介作用,但SA在互联网使用频率与抑郁之间的中介作用不显著。 在农村样本中,互联网使用通过SA的中介作用对抑郁产生直接和间接的影响,但SA在互联网使用频率与抑郁之间的中介作用不显著。5. 讨论5.1. 研究结果实证结果表明,互联网使用对城乡老年人抑郁的影响互联网使用可以直接降低农村老年人然而,互联网使用对城市老年人5.2. 理论贡献本研究有两个理论贡献。首先,我们提供了新的证据来解释与互联网使用如何影响老年人抑郁症相关的不一致结论。 一些先前的研究表明,互联网的使用可以缓解老年人的抑郁情绪(Cotten等人,2012年,2013年,2014年; Shapira等人,2007),而其他学者发现ICT的使用与抑郁症无关(Elliot等人,2014; Wang等人,2019年a)。 我们的实证结果表明,即使在严格排除了时间不变和未观察到的用户特征之后,互联网使用对农村老年人抑郁症的影响也是显著的,这与得出互联网使用减少抑郁症的研究一致(Cotten等人,2012年,2013年,2014年; Shapira等人,2007年)的报告。我们还发现,互联网使用对总样本和城市老年人的影响是微不足道的,这与得出互联网使用与抑郁症无关的结论的研究一致(Elliotet al.,2014; Wang等人,2019年a)。基于上述发现,我们认为先前研究之间的不一致性与所使用的样本和数据分析方法有关因果推断,如先前研究所建议的(Sun和Zhou,2021; Wang等人, 2019b),将是一个很好的选择来解决这个问题。其次,我们发现互联网使用对城市和农村老年人抑郁的影响机制尽管有学者指出,互联网使用对城市和农村老年人心理健康的影响是不同的(Liaoetal.,2020年),他们没有研究差异背后的机制。我们的发现表明,互联网使用通过两种方式影响老年人的抑郁症。对于城市老年人来说,社交活动完全中介了互联网使用和抑郁之间的关系。 在这种情况下,互联网使用本身并不能显著缓解抑郁症(Elliot等人, 2014; Wang等人, 2019a),但作为一个连接工具,支持老年人参与社会活动。对于农村老年人来说,互联网使用不仅可以直接降低其抑郁水平,还可以通过社会活动的中介作用间接降低其调解效果分析结果(I.V. Depression)。城市样本农村样本效应LLCI ULCI效应LLCI ULCI效应LLCI ULCI效应LLCI ULCI总效应(系数0)-1.000-1.694-0.306-0.740-1.493 0.014-1.848-3.380-0.315直接影响(系数c)-0.539-1.242 0.165-0.358-1.135 0.418-1.334-2.843-0.209间接(系数a*b)-0.462-0.593-0.335-0.382-0.592-0.186-0.511-0.697-0.339混杂变量包括团体数目4,537 1,388 3,149观察次数9,074 2,776 6,298注:BootSE:Bootstrap标准差; BootLLCI:Bootstrap置信区间下限;BootULCI:Bootstrap置信区间上限K. Sun等人数据科学与管理5(2022)1319表8调解效果分析结果(I.V.¼频率_互联网_使用,D.V. 1/4抑郁)。城市样本农村样本效应LLCI ULCI效应LLCI ULCI效应LLCI ULCI效应LLCI ULCI总效应(系数0)-0.312-1.058 0.435-0.117-1.033 0.799-0.941-2.313 0.431直接影响(系数c)-1.096-2.500 0.309-0.576-2.382 1.230-2.119-4.512 0.275间接(系数a*b)0.784-0.241 1.935 0.459-0.900 2.266 1.177-0.547 2.994混杂变量包括团体数目4,537 1,388 3,149观察次数9,074 2,776 6,298注:BootSE:Bootstrap标准差; BootLLCI:Bootstrap置信区间下限;BootULCI:Bootstrap置信区间上限5.3. 实际影响我们的调查结果为政策制定者提供了解决老年人互联网接入城乡差异的见解。首先,政府应该制定政策,改善农村地区的数字基础设施。 由于互联网的使用可以缓解农村老年人的抑郁症,政府应该为他们提供更多的上网机会。此外,由于频繁使用互联网预示着农村老年人的抑郁程度较低,政府可以制定政策,鼓励当地社区为老年人提供更多的互联网技能培训。社会工作者和年轻人可以帮助农村老年人更好地利用互联网资源,与他人保持联系,并参与更多的活动。其次,我们发现频繁使用互联网会对城市老年人产生负面影响。当地社区、社会工作者、社区志愿者、家庭成员要提醒他们合理使用互联网,健康生活。5.4. 局限性和未来研究这项研究有几个局限性。首先,我们的数据是基于中国老年人的,这可能会限制我们的发现的推广。然而,考虑到城乡在资源和社会服务方面的差异在全世界都很普遍,而且城市居民通常比农村居民享有更多的机会(Amato,1993年; Hofferth和Ice-land,1998年),我们的研究结果应该适用于存在城乡差距的情况。其次,我们用CES-D 10测量老年人 未来的研究可以用其他方法来测量老年人的抑郁症,比如使用抑郁症的生物标志物。第三,我们删除了那些缺失值的样本,但没有进行敏感性分析。 我们把这一点作为本研究的局限性。 如图 1,我们在2013年删除了18,455个样本中的7,864个样本,在2015年删除了20,967个样本中的8,915个样本,原因是一个变量“住在附近的孩子”(LNC)。在这些删除的样本中,LNC值缺失。 考虑到LNC是预测老年人抑郁症的关键变量(Kim等人, 2017年;Tang等人, 2020),并且LNC的缺失值太多,为这些缺失样本生成LNC值可能会扭曲主要分析的可靠性。因此,我们没有纳入那些缺失值的样本。6. 结论本研究采用CHARLS的双波纵向数据集,探讨互联网使用对城乡老年人抑郁的影响,发现互联网使用对城乡老年人抑郁影响的影响机制不同。 对于农村人口,它不仅直接减少抑郁症,而且还通过社会活动的中介作用间接减少抑郁症;对于城市老年人,互联网使用抑郁症完全由社会活动介导。竞合利益作者声明不存在利益冲突致谢作者对广 东省 科 学 技 术 研 究 项 目 ( 批 准 号 : 2019A101002110 、2020ST 079 ) 、 广 东 省 教 育 厅 重 点 领 域 专 项 ( 批 准 号 :2021ZDZX3002)、汕头大学粤台商务合作研究院开放基金、汕头大学科研启动基金(批准号:STF18011)提供资金支持本研究。引用阿马托,公共关系,一九九三年帮助朋友和家人的城乡差异Soc.心理学Q。56(4),249- 262。Aneshensel,C.S.,怀特,R.G.,Miller-Martinez,D.,例如,2007.城市社区与老年人抑郁症状。杰龙托尔。B Psychol.社会科学62(1),S52- S59。Austin,P.,2010年。当对倾向评分使用多对一匹配时,选择与每例治疗受试者匹配的未治疗受试者的最佳数量的统计标准。Am. J. Epidemiol. 172(9),1092- 1097。男爵,R.M.,地方检察官肯尼1986.社会心理学研究中的调节-中介变量区别:概念、策略和统计考虑。J. Soc.Psychol.51(6),1173- 1182。Berner,J.,Rennemark,M.,Jogreus角,例如,2015. 影响瑞典城乡老年人(65岁及以上)互联网使用的因素。Health Inf. J. 21(3),237- 249。布莱克,H.,Mo,P.,Malik,S.,例如,2009.身体活动干预对缓解老年人抑郁症状的有效性如何?一个系统的回顾。Cl
下载后可阅读完整内容,剩余1页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 利用迪杰斯特拉算法的全国交通咨询系统设计与实现
- 全国交通咨询系统C++实现源码解析
- DFT与FFT应用:信号频谱分析实验
- MATLAB图论算法实现:最小费用最大流
- MATLAB常用命令完全指南
- 共创智慧灯杆数据运营公司——抢占5G市场
- 中山农情统计分析系统项目实施与管理策略
- XX省中小学智慧校园建设实施方案
- 中山农情统计分析系统项目实施方案
- MATLAB函数详解:从Text到Size的实用指南
- 考虑速度与加速度限制的工业机器人轨迹规划与实时补偿算法
- Matlab进行统计回归分析:从单因素到双因素方差分析
- 智慧灯杆数据运营公司策划书:抢占5G市场,打造智慧城市新载体
- Photoshop基础与色彩知识:信息时代的PS认证考试全攻略
- Photoshop技能测试:核心概念与操作
- Photoshop试题与答案详解
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)