数字化时代老年人数字融入及其影响因素分析

郑锡永　桑海瑞　顾贤　林楷涵　薛羽珂

［摘 要］本文以老年群体为研究对象，通过中国社会状况综合调查（Chinese Social Survey，CSS）2019年度数据，利用随机森林模型對老年人数字融入的影响因素进行研究。研究发现，社会资本对老年人数字融入的影响不可忽视；处于中高收入家庭和拥有社会保障、东部地区以及城市地区的老年人具有较高的数字融入程度。希望本文能够为全面认识老年人数字融入及其影响因素认识提供有益参考。

［关键词］老年人；数字融入；随机森林

［中图分类号］F49文献标志码：A

随着互联网、大数据、人工智能等各类数字化应用进程大大加快，推动数字化建设、发展数字经济、实施数字乡村战略成为重要议题。我国面临巨大的人口老龄化压力，“银发浪潮”正在掀起严重的社会问题。在数字化与老龄化交织的背景下，老年群体的数字融入对于中国的数字化进程起着重要作用。第49次《中国互联网络发展状况统计报告》显示，截至2021年12月，我国网民规模达10.32亿，互联网普及率达73.0 %，然而60岁及以上老年网民规模仅1.19亿，互联网普及率为43.2 %。由此可见，我国仍有上亿老年人没有跟上数字时代的步伐。老年群体作为数字时代的弱势群体，各种各样的原因导致数字鸿沟的产生和不断加剧，而一旦陷于数字鸿沟中的老年群体无法享受到数字红利，其社会活动参与也会因此受到不可忽视的影响，不仅加剧了社会养老成本，甚至可能会出现老年群体与社会脱节的极端状况。因此，在数字化逐渐融入年轻人的生活时，关注社会弱势群体、促进老年人跨越数字鸿沟、实现数字融入迫在眉睫。

总体来说，目前数字融入困难与数字鸿沟成因的主流解读着重于三层数字鸿沟中某一层次或多层次中的家庭代际影响与宏观社会状况，在老年人个体差异与社会资源分配差异方面有较大程度忽略。因此，本文将视角转变为个体在群体中的网络关系，从数字接入、数字技能应用、数字融入态度、数字社交圈四个方面对老年群体进行数字融入量化分析，利用层次分析熵权法糅合出数字融入变量，构建老年群体数字融入测度新格局。

1 数据处理

1.1 数据来源

本文选取中国社会状况综合调查2019年度数据进行实证分析，在清洗数据后，总样本量为10 283人，其中网民6 783人，占比65.5 %。本文在全国样本中选取60周岁以上的老年群体，最终获得有效样本1 664个，其中网民428人，占比25.7 %。

1.2 变量说明

1.2.1 被解释变量

本文的被解释变量为数字融入。本文从数字接入、数字技能应用、数字融入态度、数字社交圈四个维度衡量数字融入程度，对个体数字融入水平进行刻画。采用层次分析熵权法，首先针对数字技能应用、数字融入态度、数字社交圈中对应的问题进行熵权法计算，其次根据各问题中所包含的信息熵确定其各权重，得到综合得分，最后以中位数为分界，标记为二分类变量。

1.2.2 解释变量

本文从户主特征、家庭人口社会学特征、家庭经济学特征、地区特征层面选取变量，其中从微观层面考察社会资本变量对老年人数字融入的影响。个人拥有的社会资本通常与自身的关系网络、经济状况与文化素质有关，因此本文选取有关文化程度、经济地位、社会交往三个方面的变量作为社会资本类解释变量。

2 随机森林模型

在模型建立前，本文进行了参数寻优，根据寻优后的参数建立模型。首先设定每个样本被抽中的概率为80 %，从原样本集中随机抽取样本，被抽中的样本组成训练集，而未被抽中的样本作为测试集；抽取的最终结果为训练集的容量为1 331个样本、测试集为333个。接着将训练集数据代入随机森林分类模型进行学习，用训练后的模型对测试集进行分类分析，最后通过比较分类结果与真实值的误差大小来检验模型的有效性。模型的精度为98 %，表明在训练集中的预测准确性较高。

模型在训练集和测试集上的检验结果如表1所示，高程度数字融入预测的查准率高于准确率70 %，而低程度数字融入则相反，表明该模型对低程度数字融入老年人特征的预测准确率要高于模型对高程度数字融入老年人的预测准度，可能是由于样本的数字融入程度总体偏低导致。测试集中准确度、召回率和F1值都有不同程度的降低，证明模型在测试集的预测效果要低于在训练集的预测结果，表明模型的泛化能力和稳定性还有待提升。

3 实证分析

3.1 变量重要性分析

变量重要性可以被随机森林模型所解释，即计算袋外分类精度。通过删除该变量，保持其他变量不变，计算袋外分类精度，并计算与删除该变量之前袋外分类精度的减少量，该减少量就是该变量的重要性［1］。本文的随机森林分类模型计算得到的变量重要性如图1所示，对老年人数字融入程度分类结果贡献较大的七个变量分别是文化程度（Edu）、房产价值（Est）、社交礼金（Soc_gift）、年龄（Age）、家庭总人数（Tot）、家庭子女占比（Chi）、家庭老年人占比（Eld）。其中经济地位（Eco_sta）、社交礼金解释变量指标的重要性评分均排在上游，说明社会资本因素对老年人数字融入程度起决定性因素，而家庭总人数、家庭子女占比和家庭老年人占比变量的重要性评分排在中游，说明家庭人口社会学特征因素对老年人数字融入程度的影响不起决定性作用，但会在一定程度上产生波动。

3.2 变量偏依赖分析

在随机森林模型中，可以使用变量偏依赖（Partial Dependence）方法体现特征变量对模型的预测结果所能产生的边际效应。下面利用变量偏依赖方法对解释变量依次进行分析，结果如表2所示。

下面选取重要性评分靠前的三个变量，即文化程度、房产价值、社交礼金展开具体分析，取值变化如图2所示。

3.2.1 文化程度

老年人数字融入程度对文化程度变量取值变化的响应如图2所示。可以看出，随着老年人文化程度的提升，数字融入程度基本呈上升趋势，可以判断文化程度与数字融入程度为正相关关系，从易用性角度影响着老年群体的数字融入。

3.2.2 房产价值

老年人数字融入程度对房产价值变量取值变化的响应如图2所示。随着老年人拥有房产价值的升高，数字融入程度基本呈上升趋势，到达580万左右后逐渐平稳。根据综合模型给出的结果可以发现，当房产价值到达一定程度时，价格问题将不再是困扰老年人的因素，心理层面的担忧成为主要原因。

3.2.3 社交礼金

老年人数字融入程度对社交礼金变量取值变化的响应如图2所示，随着老年人社交礼金的增加，数字融入程度先呈现上升趋势，接着略有下降，最后趋于平缓，不过仍处于较高水平。结果表明，拥有高额社交礼金支出的老年人家庭均呈现较高的数字融入程度，且在1万元左右拥有最高的数字融入程度，这可能与样本老年人居民的生活水平相关。“社交礼金”变量的重要性评分居于前列，说明社交礼金对数字融入程度的解释力很强，一方面说明可能老年人的社会网络关系紧密；另一方面，也可能说明老年人的社交需求强，因此老年人借助数字设备进而提升数字融入程度。

4 结论与建议

4.1 结论

目前老年群体的数字融入处于较低水平。首先，身体条件、年龄、性别等客观条件在一定程度上影响着老年人群体的数字融入程度，且女性、未婚、非黨员等特征的老年人处于一个相对不利的地位。其次，从家庭经济学层面来看，基于微观层面的社会资本的提升对于老年人数字融入程度的影响呈显著性提升；处于中高收入家庭和拥有社会保障的老年人会拥有较高的数字融入程度，而处于低收入家庭、房产价值低且没有社会保障的老年人就容易导致相对较低的数字融入程度。最后，在地区层面上，东部地区相对于中西部存在优势，老年人的数字融入程度普遍偏高；当老年人定居在农村时，更容易导致相对较低的数字融入水平。

4.2 建议

老年人的低数字融入程度造成了老年群体中的“数字难民”，对于老年人自身来说，“数字难民”意味着被新媒体浪潮边缘化，由此导致老年人陷入困境。在这种状况下，推动老年群体的数字融入迫在眉睫。

在国家层面上，基于让老年人更好地适应数字化时代的目标，国家近年提出并落实了“适老化”改造行动和“智慧助老”行动。一方面，国家可以将乡村地区作为重点，为老年群体提供学习设施与机会，使其具有紧跟信息化社会发展步伐的文化资本；另一方面，大力发展农村电商等数字经济，构建网络互联新体系，提升乡村地区人民生活收入水平，使其具有数字融入的经济资本，缩小城乡差距。在社会层面上，一方面，公众媒体可以强化引导作用，营造一种鼓励老年人智慧养老的社会氛围，使老年群体主动接近互联网，提升其主动跨越数字鸿沟的动力；另一方面，政府应加强网络信息安全管理，为老年人的网络安全提供保障，创建良好的数字网络环境。在家庭层面上，需要鼓励家庭的数字反哺。家庭子女应为老年人的数字融入提供积极的引导作用，通过数字反哺，让老年人享受数字时代红利。在老年人自身层面上，应该保持积极乐观的心态，有意识地培养数字化思维，以饱满的热情迎接数字化时代。

参考文献

［1］赵艳艳，张晓平，陈明星等. 中国城市空气质量的区域差异及归因分析［J］. 地理学报，2021，76（11）：2814-2829.