03 — 统计建模 / ELDERLY
老年数字鸿沟 CHARLS
CHARLS 2018-2020 · 3.8 万样本 · Logistic 回归 · 第一作者
用 CHARLS 大样本数据量化数字鸿沟对养老方式选择的影响，第一作者论文。
01 — WHY
为什么做
截至 2023 年底，我国 60 岁及以上网民规模已突破 1.25 亿，但老年群体在数字技术接入、使用和能力方面与年轻群体差距依然显著，"数字鸿沟"问题日益突出。
数字鸿沟不仅影响日常生活（出行、就医、购物），更影响养老方式选择。本研究用 CHARLS 大样本数据，量化这种影响，并探讨家庭支持的缓冲作用。
三个研究问题：
Q1：老年群体的数字鸿沟现状如何？
Q2：教育、养老金、年龄、性别、户口与数字技术使用有何关联？
Q3：数字鸿沟是否影响养老方式选择？
Q1：老年群体的数字鸿沟现状如何？
Q2：教育、养老金、年龄、性别、户口与数字技术使用有何关联？
Q3：数字鸿沟是否影响养老方式选择？
3.8万
总样本量
3.1%
2018 老人用手机
20.5%
2020 老人用手机
91.4%
想在家离世
02 — WHAT
五大主要发现
| 发现 | 结论 | 证据 |
|---|---|---|
| 数字鸿沟仍突出 | 80%+ 老人未用手机 | 2020 年 19.5% 使用率 |
| 教育是关键因素 | 大专 ≈ 2× 小学 | 31.7% vs 17.0% |
| 养老金呈负向 | 有养老金者用得更少 | p=0.056（边缘显著） |
| 性别差异存在 | 2020 女性用得更多 | p=0.032（显著） |
| 家庭支持是关键 | 子女越多越可能在家去世 | p=0.021（显著） |
| 模型 | 样本 | 核心发现 | Pseudo R² |
|---|---|---|---|
| 模型 A：2018 手机使用 ~ 人口特征 | n=2,518 | 性别、年龄边缘显著 | 0.0096 |
| 模型 B：2018 + 养老金变量 | n=2,512 | 养老金负向（p=0.056） | 0.0155 |
| 模型 C：2020 手机使用 | n=978 | 教育边缘显著 / 性别显著 | 0.0068 |
03 — HOW
方法 & 数据
| 项目 | 说明 |
|---|---|
| 数据源 | CHARLS 2018（wave4）+ 2020（wave5） |
| 主办 | 北京大学国家发展研究院 |
| 样本 | 2018 年 18,297 人 / 2020 年 19,362 人（45 岁+） |
| 方法 | 二元 Logistic 回归（处理"用/不用"二元选择） |
| 因变量 | 手机使用 (da005)、在家去世 (exb006) |
| 自变量 | 教育、养老金、年龄、性别、户口、子女数 |
04 — HARD
我解决的难点
- 两期数据口径不一致：2018 用 da005_1_，2020 用 da005，编码相似但问卷题目不同 → 不能简单横向对比。
- 教育数据覆盖率低：2018 只有 14%、2020 只有 6% → 限制了回归样本量，需要谨慎解读。
- 养老金混在效应：看似"有养老金 → 用得少"，实际是"有养老金的人年龄大" → 引入年龄控制变量分解。
- 临终样本小：只有 601 个有完整回归数据的死者 → 结论需谨慎，但子女数 + 性别都达显著水平。
05 — POLICY
政策启示
- 数字素养培训：重点关注低学历、农村老年人，教手机打车、挂号、看新闻。
- 数字产品适老化：界面简洁、操作便捷，降低使用门槛。
- 家庭支持体系：税收优惠、照护假制度，让子女有时间教父母用手机。
核心结论：数字鸿沟通过两条路径影响老人生前生活质量：① 低数字素养限制老人用手机打车、网上挂号、和子孙视频等日常能力；② 数字技能差异加剧信息不对称，影响老人获取养老服务资源。子女支持是化解数字鸿沟负面影响的关键缓冲变量。