互联网使用对老年人抑郁症状的影响：社会网络的中介作用与城乡因素的调节作用

摘 要 本研究采用两时点的纵向研究设计，基于6764 名老年人被试，探究互联网使用对老年人抑郁症状的影响以及社会网络（朋友网络和家庭网络）的中介作用和城乡因素的调节作用。研究发现：（1）互联网使用显著负向预测老年人的抑郁症状；（2）朋友网络在两者之间发挥中介作用，且朋友网络与家庭网络还在其间发挥链式中介作用；（3）城乡因素显著调节互联网使用对朋友网络的影响。在城市老年人中，朋友网络的独立中介效应以及朋友网络和家庭网络的链式中介效应成立；农村老年人无法通过互联网使用改善社会网络，进而减轻其抑郁症状。研究结论对于老年人抑郁症状的早期预防和心理干预具有积极意义。

关键词 互联网使用 抑郁症状 家庭网络 朋友网络 城乡因素

1 问题提出

在人口老龄化快速推进的背景下，我国老年群体中抑郁症的患病率高达25.55%（荣健等，2020）。此外，根据第49 次中国互联网络发展状况统计报告，随着互联网信息技术的迅速发展，我国老年网民的规模在2021 年底已增至1.19 亿，互联网在老年群体中的普及率达到43.2%。我国老年群体正处于抑郁症的高发病率和互联网使用的高普及率的重叠期。国家卫生健康委在2020 年发布的《探索抑郁症防治特色服务工作方案》中，将老年人列为抑郁症防治的重点人群，而进一步探究老年人抑郁症的影响因素和作用机制是采取干预措施的基础工作。互联网技术在老年群体中的高普及率为探究互联网使用对老年人抑郁症状的影响提供了可能。然而，心理学研究多关注青少年互联网使用的问题，少有研究关注互联网使用对老年人抑郁症状的影响及其机制。本研究探讨了互联网使用对老年人抑郁症状的影响及其机制，旨在为老年抑郁症的早期预防和心理干预提供依据。

1.1 互联网使用与老年人的抑郁症状

老年人建立和维系线下社会网络的能力较差。一方面是因为老年人的机体功能衰退客观限制了其线下社会网络的维系和扩展（张文娟， 刘瑞平，2016）；另一方面，还与老年人知觉到生命时间的有限，进而主动缩减次要的线下社会网络（如朋友网络）有关（Carstensen， 1992）。与线下社会网络需要进行面对面联系不同，互联网承载着维系个体与社会之间的线上网络连接的功能，是个体的社会网络在线上的拓展，故表征为一种线上的社会网络（online social networking）（Chen et al.， 2022）。老年人使用互联网进行社交、学习、娱乐和消费，能够有效弥补由于机体功能衰退对建立和维系线下社会网络的时间和空间限制，增益其社会网络的总量和质量（Chen amp; Schulz， 2016）。进一步，基于社会网络的主效应模型（main effects model）和缓冲器模型（buffering model）（Uchino et al.，1996），扩大的社会网络不仅能为老年人提供工具、情感和信息支持，使其感知到与外在社会的联系，并对其抑郁症状发挥直接的削弱作用，而且能有效调节老年期健康、经济和社会地位等资源的丧失，缓冲负面的生活事件对老年抑郁症状的影响（Congamp; Silverstein， 2008）。此外，尽管互联网使用与老年抑郁症状之间也可能存在反向关系，但社会护航模型（convoy model of social networks）认为社会网络是个体抑郁症状等心理健康的关键前因变量（Kahn amp; Antonucci， 1980）。针对美国和英国老年人的多年纵向追踪调查研究（Cotten et al.， 2014;Lam et al.， 2020）也较一致地证实了互联网使用减少老年人抑郁症状的因果效应。因此，本研究提出假设1：互联网使用显著负向预测老年人的抑郁症状。

1.2 社会网络的中介作用

从社会网络的表现形式来看，除了互联网所表征的线上社会网络，对于个体而言更重要的是线下社会网络（Chen et al.， 2022）。家庭网络和朋友网络是个体最主要的两种线下社会网络的类型（Lubben et al.， 2006），是个体在现实生活中与家庭成员和朋友相互联系进而形成的稳定的体系（Wrzus et al.， 2013）。然而，这种体系在老年阶段却容易发生改变（周爱保等， 2015），这主要是因为老年人受机体功能衰退的客观限制，很难继续维系并拓展社会网络（张文娟， 刘瑞平， 2016），并且由于知觉到生命时间的有限，老年人还会主动缩减次要的社会网络（Carstensen， 1992）。根据“网络增益效应论”的观点，互联网作为一种线上社会网络，恰好能克服老年人在维系线下家庭网络和朋友网络时的时间和空间限制，进而对这两种线下的社会网络产生正向“溢出效应”（spillover effects）（杜鹏，汪斌， 2020）。具体而言，其一，老年人使用互联网中语音、视频和邮件等社交功能与家人和朋友进行线上联系，能直接增益其线下的家庭网络和朋友网络（唐丹等， 2022）；其二，老年人通过互联网学习外语、书法和广场舞（学习功能）、观看和拍摄抖音短视频（娱乐功能）以及在线购物（消费功能），会直接增加其参与兴趣活动、与家人或朋友分享生活趣事的可能，而这些活动的参与需要依靠社会网络进行维系，故具有间接增益其线下家庭网络和朋友网络的功能。此外，实证研究也发现互联网使用能够强化老年人与外在世界的联系，增加其现实生活中线下的家庭网络和朋友网络（丁轶飞等， 2022;唐丹等， 2022; Morris et al.， 2014）。进一步，家庭网络和朋友网络的提升能够弥补老年人萎缩的社会网络的规模和质量，进而减少其抑郁症状（Uchino etal.， 1996）。可见，家庭网络和朋友网络可能在互联网使用与老年抑郁症状之间发挥中介作用。然而，既有研究主要关注老年人的整体性社会网络，如社会资本（牛更枫等， 2021）在老年人互联网使用与其抑郁症状之间的中介作用，鲜有研究探讨不同类型社会网络中介作用的差异。因此，本研究提出假设2：朋友网络在互联网使用与老年人的抑郁症状之间发挥中介作用；假设3：家庭网络在互联网使用与老年人的抑郁症状之间发挥中介作用。

此外，朋友网络和家庭网络在互联网使用与老年人抑郁症状之间是发挥平行中介还是链式中介的作用值得进一步探究。差序格局理论认为中国人的社会网络是根据亲近性和重要性从内向外依次延展的同心圆结构，其内层是家庭网络，外层是朋友网络和其它社会网络（费孝通， 2006）。尽管居于内层的社会网络具有稳定性，进而可能难以受到外在因素（如互联网使用）的影响（张文娟， 刘瑞平，2016），但考虑到不同网络圈层之间是相互贯通而非完全独立的，外层网络（如朋友网络）在受到外在因素的影响之后，可能会进一步对内层网络（家庭网络）产生“溢出效应”（谢立黎等， 2022）。因此，“网络增益效应论”在解释互联网使用影响家庭网络和朋友网络之时，还具有时序性的特征（杜鹏，汪斌， 2020）。也就是说，互联网使用作为外在因素，其对线下社会网络的“溢出效应”可能是先外（朋友网络）而后内（家庭网络）的。然而，未有研究同时考察互联网使用影响朋友网络和家庭网络的综合效应。此外，在朋友网络、家庭网络与老年人抑郁症状等心理健康的关系上。研究发现，较于分开考察朋友网络和家庭网络对心理健康的影响，当把二者同时纳入模型后，朋友网络对心理健康的预测作用会经历从显著到不显著的变化（唐丹等， 2022;Zheng amp; Chen， 2020）。因此，家庭网络可能在朋友网络与老年人抑郁症状等心理健康间发挥中介作用。综上，基于“网络增益效应论”的时序性特征以及相关研究结论，本研究预期互联网使用是先影响朋友网络，再通过作用于家庭网络而对老年人的抑郁症状产生影响的，在此提出假设4：朋友网络和家庭网络在互联网使用影响老年人抑郁症状之间发挥链式中介作用。

1.3 城乡因素的调节作用

我国城乡分治的经济社会体制导致城乡老年人的社会网络存在显著差异（Zheng amp; Chen， 2020）。较于城市，农村存在较为普遍的子女外出务工和老年人空巢独居的社会现象，这可能会减少农村老年人的家庭网络。但是，传统的家庭主义观念和差序格局思想又在农村社会中更为突出（韦宏耀， 钟涨宝， 2016），进而又从主观上强化了家庭网络对农村老年人的重要性。因此，农村老年人家庭网络的主观需求和客观现状的不匹配程度较高，进而可能使得农村老年人使用互联网维系和拓展家庭网络的紧迫性更强。然而，较于农村老年人，城市老年人与子女的临近居住确保了其家庭网络的稳定（周榕等， 2020），而独立自主的现代化观念又从主观上一定程度削弱了家庭网络在城市老年人社会网络体系中的重要性（Zheng amp; Chen， 2020）。因此，在家庭网络得到维系的基本前提之下，城市老年人更可能使用互联网强化其与朋友的联系，进而积极维持和拓展其朋友网络。综上，本研究提出假设5：城乡因素在互联网使用影响老年人社会网络的过程中发挥调节作用，互联网使用对农村老年人家庭网络的正向预测作用强于城市老年人，而对城市老年人朋友网络的正向预测作用强于农村老年人。

1.4 研究目的

本研究采用两时点的追踪调查设计，关注互联网使用对老年人抑郁症状的影响，并探讨朋友网络和家庭网络的中介作用以及城乡因素的调节作用，构建了一个有调节的中介效应模型（图1）。本研究的现实考量是在我国老年群体处于抑郁症的高发病率和互联网使用的高普及率的重叠期以及《探索抑郁症防治特色服务工作方案》将老年抑郁症的防治作为重要内容的政策背景之下，为我国老年人抑郁症状的早期预防和心理干预提供实证依据。

2 研究方法

2.1 研究对象

被试源于中国老年社会追踪调查（Chinalongitudinal aging social survey， CLASS），该调查采用分层多阶段概率抽样的方法，以年龄在60 岁及其以上的老年人为被试，样本覆盖28 个省级行政单位，调查涉及人口特征、健康状况和社会网络等信息。在开展调查之前，访员告知了被试老年人关于个人信息保密和知情同意的内容。目前，CLASS 已在2014、2016 和2018 年进行了三轮追踪调查，三个年度的被试样本数量分别为11511，11471 和11419。鉴于CLASS 仅在2016 和2018 年的调查中询问了被试互联网使用的情况，本研究选择这两年的数据形成两时点的追踪调查数据，得到9642 名原始追踪样本。具体而言，使用2016 年被试的T1 互联网使用作为自变量，使用2018 年被试的T2 家庭网络、T2 朋友网络和T2 抑郁症状作为中介变量和因变量。所有被试的城乡因素在两时点均未发生变化，故本研究使用2016 年被试的T1 城乡因素作为调节变量。

在样本的筛选上，首先，老年人的认知功能会影响其理解心理量表的准确性，如果被试认知功能的定向力得分低于2 分（总分为5 分），CLASS 调查在实际的施测过程中会跳过对其抑郁症状的测试（史珈铭， 刘晓婷， 2022）。因此，本研究剔除掉CLASS 调查中由于认知功能较差而未进行抑郁症状测试的被试。其次，鉴于抑郁症状之外的其余关键变量也存在缺失值，本研究采取Little's MCAR 多变量检验对缺失机制进行分析，结果显示缺失属于完全随机缺失（p gt;.05）。因此，本研究删除存在缺失值的被试后，得到6764 名有效追踪样本。进一步，差异检验结果表明有效与原始追踪样本在所关注变量上不存在显著差异（p gt;.05）。在最终的6764 名有效追踪样本中，被试的平均年龄为71.29±7.04 岁，年龄范围为62～109 岁，男性3440 人，女性3324 人；城市老年人4121 人，农村老年人2643 人；已婚且配偶在世的老年人为4764 人，未婚或配偶离世的老年人为2000 人；教育程度为文盲、小学、初中及其以上的老年人占比分别为24.1%、40.6% 和35.3%。

2.2 研究工具

2.2.1 抑郁症状

Cong 和 Silverstein（2008）在中国老年人中施测了Radloff（1997）编制的流行病学抑郁调查量表（Center for Epidemiological Survey DepressionScale， CES-D），结果显示该量表具有较好的信度和效度，已经在中国老年人抑郁症状的测量中被广泛使用（史珈铭， 刘晓婷， 2022）。该量表包括9个条目（如“过去一周您觉得心里很难过吗”、“过去一周您觉得自己没事可做吗”），采用从“1（没有）”到“3（经常）”的3 点计分方式，得分越高说明被试老年人的抑郁症状越多。在T2 时点，抑郁症状量表的Cronbach' s α 系数为.76。

2.2.2 社会网络

采用Lubben 等（2006） 编制的针对老年群体的社会网络量表（Lubben Social Network Scale，LSNS），其测量了老年人在生活中可以见面、谈论私事和获取帮助的朋友和家人的数量。Chang 等（2018）在中国老年人中对其进行了翻译和施测，结果显示具有较好的信度和效度，其在中国老年人社会网络的测量中获得了广泛使用（丁轶飞等，2022; 唐丹等， 2022）。该量表包括朋友网络和家庭网络2 个维度，朋友网络包括3 个条目（如“您一个月至少能与几个朋友见面或联系”），家庭网络包括3 个条目（如“当您需要时，有几个家人可提供帮助”），采用从“1（0 个）”到“6（9 个及以上）”的6 点计分，得分越高说明朋友网络和家庭网络越多。在T2 时点，朋友网络和家庭网络量表的Cronbach' s α 系数分别为.84 和.82。

2.2.3 互联网使用

互联网使用在概念上包括使用与否、使用强度、使用用途以及使用体验等不同的内涵。但已开发的互联网使用的测量工具几乎全部针对青少年（牛更枫等， 2016; 熊婕等， 2012），极少有研究在老年人中开发测量工具。鉴于青少年与老年人在互联网使用上可能存在差异，将青少年互联网使用的量表直接应用到老年人中可能存在测量误差。因此，本研究借鉴了老年学领域中对互联网使用的测度方式（唐丹等， 2022; Cotton et al.， 2014; Lam et al.，2020），采取老年人自报的互联网使用与否的单一题项（“您是否使用互联网”）来测度老年人的互联网使用，这具有简单且直接的测量优势。此外，本研究是将互联网使用视为线上的社会网络来探究其影响效应的，而已有研究认为互联网使用与否的单一题项已经涵盖了用途、强度和心理体验，可以被视为线上社会网络的合理测度方式（Cotton et al.，2014; Lam et al.， 2020）。在现阶段缺乏老年人互联网使用的科学测量工具的背景之下，这种测量方式是相对合理的。

2.2.4 城乡因素

参照已有的研究（Zheng amp; Chen， 2020），根据老年被试自报的T1 时点的常住地是“农村”还是“城市”来测度老年人的城乡因素。

2.2.5 控制变量

控制变量包括T2 调查时点老年人的年龄、性别、教育程度、婚姻状况、慢病数目和基本活动能力（activities of daily living， ADL）。性别、教育程度和婚姻状况为类别变量，年龄和慢病数目为连续变量。ADL 量表共11 个项目，得分越高代表基本活动能力越差，在本研究中，该量表的Cronbach' sα 系数为.88。

2.3 数据分析

本研究旨在探讨上述变量之间的路径关系，故我们采取SPSS 23.0 及其PROCESS 宏程序进行多步骤、渐进式的数据分析。首先，采用SPSS 23.0 进行共同方法偏差分析、描述性统计、相关性分析以及分层回归分析来检验互联网使用对抑郁症状的影响；其次，采用PROCESS 宏程序中的Model 6 检验中介效应（Hayes， 2018）；最后，采用Model 84检验有调节的中介效应。在数据分析时，鉴于互联网使用和城乡因素均为二分类的类别变量，我们将其设置为虚拟变量，以不使用互联网和居住在农村为参照进行数据分析（Hayes， 2018）。

3 研究结果

3.1 共同方法偏差分析

采用Harman 单因子检验法对共同方法偏差进行分析（周浩，龙立荣，2004），具体做法是对所关注变量的原始题目进行未旋转的探索性因子分析。结果显示特征根大于1 的因子共4 个，第1 个因子能解释22.46% 的变异，小于40%的临界值（Podsakoffet al.， 2003），这说明本研究不存在严重的共同方法偏差问题。

3.2 描述性统计与相关性分析

如表1 所示，有17% 的老年人使用过互联网。T1 互联网使用与T2 抑郁症状显著负相关，与T2 朋友网络和T2 家庭网络显著正相关，T2 朋友网络和T2 家庭网络与T2 抑郁症状显著负相关，T1 城乡因素与T1 互联网使用、T2 朋友网络和T2 家庭网络显著正相关，而与T2 抑郁症状显著负相关。

3.3 直接效应检验

采用分层回归探究互联网使用对老年人抑郁症状的影响，结果如表2 所示。方程1 探究控制变量对T2 老年人抑郁症状的影响，方程2 在考虑控制变量的基础上，探究T1 互联网使用对T2 老年人抑郁症状的影响，结果显示：T1 互联网使用显著负向预测老年人的抑郁症状T2。因此，假设1 成立。

3.4 中介效应检验

采用PROCESS 中的Model 6 检验中介效应。结果显示： T1 互联网使用显著正向预测T2 朋友网络（β = .93， SE = .10， t = 9.02， p lt; .001），但不能显著预测T2 家庭网络（β = -.11， SE = .07， t = -1.49，p gt; .05），而T2 朋友网络（β = -.04， SE = .01， t =-2.78， p lt; .01）和T2 家庭网络（β = -.06， SE = .01，t = -4.31， p lt; .001）显著负向预测T2 抑郁症状。此外，T2 朋友网络显著正向预测T2 家庭网络（β =.56， SE = .008， t = 67.42， p lt; .001）。中介效应的检验结果如表3 所示，朋友网络在互联网使用与抑郁症状之间发挥中介作用，假设2 成立；朋友网络和家庭网络在互联网使用与抑郁症状之间发挥链式中介作用，假设4 成立；家庭网络在其间的中介作用并不显著，假设3 不成立。此外，直接效应不显著，朋友网络和家庭网络在互联网使用与老年人的抑郁症状之间发挥完全中介作用。

3.5 有调节的中介效应检验

为了减少非本质的共线性问题（Hayes， 2018），本研究在对家庭网络、朋友网络和抑郁症状进行标准化处理后，采取PROCESS 的Model 84 检验有调节的中介效应。首先，T1 互联网使用与T1 城乡因素的交互项显著正向预测T2 朋友网络（β = .20，SE =.08，t = 2.32，p lt; .05），但对T2 家庭网络的预测作用不显著（β = -.09，SE = .07，t = -1.30，p gt; .05），故假设5 部分成立。其次，采取简单斜率分析探究城乡因素调节互联网使用与朋友网络之间关系的实质。取不同城乡因素和不同互联网使用的值绘制城乡因素的调节效应的简单斜率图。结果如图2 所示，T1 互联网使用显著正向预测城市老年人的T2 朋友网络（β = .32，SE = .04，t = 8.81，p lt; .001），但对农村老年人T2 朋友网络的预测作用不显著（β = .12，SE = .08，t = 1.59，p gt; .05）。

有调节的中介效应检验见表4。在城市老年人中，朋友网络的中介效应以及朋友网络和家庭网络的链式中介效应显著成立。在农村老年人中，朋友网络以及朋友网络和家庭网络的链式中介效应不显著。因此，有调节的中介效应成立，朋友网络和家庭网络仅在城市老年人的互联网使用与抑郁症状之间发挥中介作用。

4 讨论

本研究探讨了互联网使用对老年人抑郁症状的影响以及朋友网络和家庭网络的中介作用、城乡因素的调节作用。研究发现：互联网使用显著负向预测老年人的抑郁症状；朋友网络在两者之间发挥中介作用，且朋友网络与家庭网络还在其间发挥链式中介作用；城乡因素显著调节互联网使用对朋友网络的影响。

首先，互联网使用显著负向预测老年人的抑郁症状。互联网是线上社会网络，其优势是能克服线下社会网络在时间和空间上的限制，进而增益个体社会网络的总量。这种优势对于机体功能衰退进而难以维系和拓展线下社会网络的老年人而言，尤其具有现实意义。进一步，在社会网络的主效应和缓冲器效应的解释下，社会网络总量的提升有助于减少抑郁症状。国家卫健委和全国老龄办在《深入开展2022 年“智慧助老”行动》中强调要增强老年人运用智能技术的获得感、幸福感和安全感，切实解决老年人的“数字鸿沟”难题。本研究认为互联网可成为老年抑郁症状早期预防和心理干预的载体，这能为“智慧助老”行动的推进提供依据。

其次，朋友网络在互联网使用与抑郁症状之间发挥中介作用。根据“网络增益效应论”，老年人使用互联网进行社交、娱乐、学习和消费，能强化老年人与朋友之间的客观联系，进而对朋友网络产生正向的“溢出效应”，而朋友网络的提升对减缓老年人的抑郁症状具有独特作用（唐丹等，2022）。然而，家庭网络在其间的中介作用不显著，表现为互联网使用不能显著预测老年人的家庭网络，这与既有的研究结论一致（谢立黎等， 2022），能够用差序格局理论进行解释。家庭网络居于社会网络体系的核心，具有稳定性，进而难以受到外在因素的影响。尤其是受儒家文化中孝道观念的影响，不管老年人是否使用互联网，子辈都会履行对父辈在经济、照料和情感上的孝行，进而维系老年人家庭网络的稳定，这使得互联网使用对老年人家庭网络的促进作用是相对有限的。

此外，本研究还发现朋友网络和家庭网络在互联网使用与抑郁症状之间发挥链式中介的作用，这证实了“网络增益效应论”的时序性特征，即互联网使用作为外在因素，对社会网络的影响是先外（朋友网络）而后内（家庭网络）的。进一步，尽管前述结果发现互联网使用无法显著预测家庭网络，但链式中介效应却发现朋友网络显著正向预测家庭网络。这一结论看似与差序格局理论中家庭网络由于具有稳定性，进而难以受到外在因素的影响的观点矛盾，实质上却反映出差序格局理论的另一特征，即不同社会网络圈层之间并非完全独立，而是相互贯通的，进而在其间会产生跨越圈层的“溢出效应”（谢立黎等，2022）。具体而言，扩展的朋友网络不仅能帮助老年人获取更多的信息，而且能促进老年人的社会参与，这些积极的生活经历能成为老年人与家庭成员之间进行交往的话题兴趣点，增益于老年人家庭网络的维系。也就是说，朋友网络能跨越网络圈层发挥对家庭网络的“润滑剂”作用。总之，不管是朋友网络的独立中介作用，还是与家庭网络共同构成的链式中介作用，都说明朋友网络是理解互联网使用影响抑郁症状的关键机制。同时，朋友网络也是老年抑郁症状早期预防和心理干预的重要靶点。

再者，城乡因素显著调节互联网使用对老年人朋友网络的影响。互联网使用显著正向预测城市老年人的朋友网络，但对农村老年人朋友网络的预测作用不显著。相较于农村老年人，城市老年人会经历更为剧烈的社会角色转变（周爱保等，2015），尤其是离退休后朋友网络的萎缩会加剧城市老年人的孤独感，这使得城市老年人在维持朋友网络上的主观需求会更为迫切，进而表现出较于农村老年人更为明显的朋友参照效应（friends-reference effect）（周爱保等，2015）。然而，现代化是从“熟人社会”向“陌生人社会”转变的过程（汪国华，2006），城市社会的现代化程度高于农村社会，这使得城市老年人在维系和拓展朋友网络的客观现状上难于农村。实证研究也发现城市老年人的朋友网络较于农村老年人更为狭小，且收缩速度更快（Zheng amp;Chen，2020）。因此，城市老年人在维持和拓展朋友网络上的主观需求和客观现状的不匹配程度高于农村老年人，进而使得城市老年人使用互联网来维系和拓展朋友网络的可能性较于农村老年人会更高。

然而，城乡因素不能显著调节互联网使用对老年人家庭网络的影响。也就是说，尽管农村老年人由于在家庭网络的主观需求和客观现状上的不匹配程度更高，从而具有优先使用互联网去维持其家庭网络的主观动机，但这种主观动机似乎并未转换为促进其家庭网络的实际行为。究其原因，这一方面同样与差序格局理论中家庭网络具有稳定性，进而难以受到外在因素影响有关（唐丹等，2022；谢立黎等，2022）。另一方面，更重要的原因可能在于农村老年人的教育程度和经济状况，使其处于较低数字素养的“数字鸿沟”中（沈费伟，曹子薇，2023）。这既指向农村老年人没有主观信心和客观渠道去学习数字技术，也指向他们没有充足的经济资源去购置数字设备。上述因素导致在空巢现象普遍的农村，老年人使用互联网维系家庭网络的主观动机无法转换为实际行为。因此，有必要采取“数字助老”行动来破除农村老年人使用互联网的桎梏。

研究发现对老年人抑郁症状的干预实践具有指导意义。首先，互联网使用显著负向预测老年人的抑郁症状，这为老年人抑郁症状的早期预防和心理干预提供了依据，应尽快解决老年人，特别是农村老年人的“数字鸿沟”难题，在老年人使用互联网的全过程采取适老化改造等智慧助老策略，促使老年人参与和共享互联网发展的时代红利；其次，朋友网络不仅是理解互联网使用为何影响其抑郁症状的中介变量，而且是干预老年人抑郁症状的重要靶点，在鼓励老年人积极拓展其朋友网络的同时，全社会应开展种类多样的老年社会活动，这有利于为拓展老年人的朋友网络创造条件；再者，基于社会网络对老年人抑郁症状进行干预时，需考虑老年人的城乡差异，城市老年人需重点考虑如何通过互联网来提升其朋友网络。对于农村老年人，在其由于较低数字素养而无法从互联网中获取到社会网络增益的客观背景下，需采取其它干预策略来维持和拓展农村老年人的社会网络。

本研究也存在局限性。首先，被试源于大型社会调查，抑郁症状和社会网络的测量工具较简单，但其信效度已得到支持（Chang et al.， 2018; Cong amp;Silverstein，2008）；其次，互联网使用在概念上不仅包括是否使用，还包括使用强度、用途和体验，而本研究仅基于是否使用进行测度，未来需要基于使用的强度、用途和体验开发出针对老年群体多维度的互联网使用量表进行更细致的研究；再者，尽管家庭网络和朋友网络是老年人主要的社会网络类型，但还包括地缘、业缘和趣缘等其它类型，未来可探究其它社会网络的中介作用；最后，数据限制使得本研究仅能采取两时点的追踪研究设计，但要识别链式中介效应的因果联系，还需采取多时点的追踪研究设计，这有待未来的研究加以改进。

5 结论

互联网使用显著负向预测老年人的抑郁症状，朋友网络在二者之间发挥中介作用，且朋友网络和家庭网络还在二者之间发挥链式中介作用。城乡因素显著调节互联网使用对朋友网络的影响。在城市老年人中，朋友网络的独立中介效应以及朋友网络和家庭网络的链式中介效应成立；农村老年人无法通过互联网使用改善社会网络进而减轻其抑郁症状。

参考文献

丁轶飞， 陈兰双， 张镇. （2022）. 老年人社交网络量表在中国的信效度检验.

中国临床心理学杂志， 30 （4）， 909-914.

杜鹏， 汪斌. （2020）. 互联网使用如何影响中国老年人生活满意度？ 人口研

究， 44 （4）， 3-17.

费孝通. （2006）. 乡土中国. 上海人民出版社.

牛更枫， 史晓涵， 田媛， 孙晓军， 雷玉菊. （2021）. 社交网站使用与老年人

抑郁：线上社会资本和孤独感的作用. 中国临床心理学杂志， 29 （5），

1055-1059.

牛更枫， 孙晓军， 周宗奎， 田媛， 刘庆奇， 连帅磊. （2016）. 青少年社交网

站使用对自我概念清晰性的影响： 社会比较的中介作用. 心理科学，

39 （1）， 97-102.

荣健， 戈艳红， 孟娜娜， 谢婷婷， 丁宏. （2020）. 2010 ～ 2019 年中国老年人

抑郁症患病率的Meta 分析. 中国循证医学杂志， 20 （1）， 26-31.

沈费伟， 曹子薇. （2023）. 从数字鸿沟到数字包容： 老年人参与数字乡村建

设的策略选择. 西北农林科技大学学报（ 社会科学版）， 23（1）， 21-29.

史珈铭， 刘晓婷. （2022）. 社会隔离对老年人认知功能的影响： 有调节的链

式中介效应. 心理科学， 45 （5）， 1182-1189.

唐丹， 张琨， 亓心茹. （2022）. 互联网使用对老年人社会网络及孤独感的影

响： 基于用途的分析. 人口研究， 46 （3）， 88-101.

汪国华. （2006）. 从熟人社会到陌生人社会： 城市离婚率趋高的社会学透视.

新疆社会科学， 5， 99-104.

韦宏耀， 钟涨宝. （2016）. 代际交换、孝道文化与结构制约： 子女赡养行为

的实证分析. 南京农业大学学报（ 社会科学版）， 16 （1）， 144-155.

谢立黎， 杨璐， 胡波， 王飞. （2022）. 社交软件使用对中老年人社会网络的

影响. 人口研究， 46 （5）， 91-103.

熊婕， 周宗奎， 陈武， 游志麒， 翟紫艳. （2012）. 大学生手机成瘾倾向量表的

编制.中国心理卫生杂志， 26 （3）， 222-225.

张文娟， 刘瑞平. （2016）. 中国老年人社会隔离的影响因素分析. 人口研究，

40 （5）， 75-91.

周爱保， 刘沛汝， 张彦驰， 尹玉龙. （2015）. 老年人的朋友参照效应. 心理学

报， 47 （9）， 1143-1151.

周浩， 龙立荣. （2004）. 共同方法偏差的统计检验与控制方法. 心理科学进

展， 12 （6）， 942-950.

周榕， 李光勤， 王娟. （2020）. 代际居住距离对独居老人孤独感的影响研

究——基于2661 名城市独居老人的经验分析. 西北人口， 41 （6）， 102-

114.

Carstensen， L. L. （1992）. Social and emotional patterns in adulthood： Support for

socioemotional selectivity theory. Psychology and Aging， 7 （3）， 331-338.

Chang， Q. S.， Sha， F.， Chan， C. H.， amp; Yip， P. S. F. （2018）. Validation of an

abbreviated version of the Lubben Social Network Scale （“LSNS-6”） and

its associations with suicidality among older adults in China. PLoS ONE，

13 （8）， Article e0201612.

Chen， E. R. C.， Wood， D.， amp; Ysseldyk， R. （2022）. Online social networking and

mental health among older adults： A scoping review. Canadian Journal on

Aging， 41 （1）， 26-39.

Chen， Y. R. R.， amp; Schulz， P. J. （2016）. The effect of information communication

technology interventions on reducing social isolation in the elderly： A

systematic review. Journal of Medical Internet Research， 18（1）， Article e18.

Cong， Z.， amp; Silverstein， M. （2008）. Intergenerational time-for-money exchanges

in rural China： Does reciprocity reduce depressive symptoms of older

grandparents. Research in Human Development， 5（1）， 6-25.

Cotten， S. R.， Ford， G.， Ford， S.， amp; Hale， T. M. （2014）. Internet use and depression

among retired older adults in the united states： A longitudinal analysis. The

Journals of Gerontology Series B， 69（5）， 763-771.

Hayes， A. F. （2018）. Introduction to mediation， moderation， and conditional process

analysis： a regression-Based approach . Guilford Press.

Kahn， R. L.， amp; Antonucci， T. C. （1980）. Convoys over the life course： Attachment，

roles， and social support. In P. B. Baltes， amp; O. G. Grim （Eds.）， Life span

development and behavior （ pp. 253-286）. Academic Press.

Lam， S. S. M.， Jivraj， S.， amp; Scholes， S. （2020）. Exploring the relationship between

internet use and mental health among older adults in England： Longitudinal

observational study. Journal of Medical Internet Research， 22 （7）， Article

e15683.

Lubben， J.， Blozik， E.， Gillmann， G.， Iliffe， S.， Von Renteln Kruse， W.， Beck， J. C.，

amp; Stuck， A. E. （2006）. Performance of an abbreviated version of the Lubben

social network scale among three European community-dwelling older adult

populations. The Gerontologist， 46 （4）， 503-513.

Morris， M. E.， Adair， B.， Ozanne， E.， Kurowski， W.， Miller， K. J.， Pearce， A. J.， amp;

Said， C. M. （2014）. Smart technologies to enhance social connectedness in

older people who live at home. Australasian Journal on Ageing， 33 （3）， 142-

152.

Podsakoff， P. M.， MacKenzie， S. B.， Lee， J. Y.， amp; Podsakoff， N. P. （2003）. Common

method biases in behavioral research： A critical review of the literature and

recommended remedies. Journal of Applied Psychology， 88（5）， 879-903.

Radloff， L. S. （1997）. The CES-D scale： A self-report depression scale for research

in the general population. Applied Psychological Measurement， 1 （3）， 385-

401.

Uchino， B. N.， Cacioppo， J. T.， amp; Kiecolt-Glaser， J. K. （1996）. The relationship

between social support and physiological processes： A review with emphasis

on underlying mechanisms and implications for health. Psychological Bulletin，

119 （3）， 488-531.

Wrzus， C.， Hänel， M.， Wagner， J.， amp; Neyer， F. J. （2013）. Social network changes

and life events across the life span： A meta-analysis. Psychological Bulletin，

139 （1）， 53-80.

Zheng， Z. H.， amp; Chen， H. （2020）. Age sequences of the elderly' social network

and its efficacies on well-being： An urban-rural comparison in China. BMC

Geriatrics， 20 （1）， Article 372.