信息激励与社群助推:
互联网使用何以促进政治参与
张迎新 刘丁香 李智超
作者简介:[1]张迎新，中国人民大学公共管理学院、交叉科学研究院博士研究生；[2]刘丁香，中国传媒大学电视学院博士研究生；[3]李智超，上海交通大学国际与公共事务学院、应急管理学院长聘副教授。
文章来源：《公共管理评论》2024年第3期，已在中国知网上线，感谢读者推荐，同时也感谢作者同意授权转载。
发表时间：2024/9/24
版块分类：前沿文献（推送前知网下载量：664）
PDF全文：点击链接<信息激励与社群助推:互联网使用何以促进政治参与>可下载PDF全文（有效期7天）。
摘要：随着第四次信息技术革命浪潮的来临，互联网愈发成为赋能社会公众、促进政治参与的关键力量，然而互联网内在的工具理性特质决定了其将在技术逻辑的驱动下对政治参与产生多重影响。为探究互联网使用与政治参与间的因果关系及其作用机制，本文将政治参与区分为制度化和非制度化两类形态，构建了技术赋能的理论框架，提炼出信息激励与社群助推两条作用机制；而后基于中国社会状况综合调查(CSS)两期混合截面数据，通过实证分析为研究假设提供了经验证据支持。研究发现：(1)技术赋能效应明显，互联网使用显著促进了政治参与，尤其是对制度化政治参与的促进效应更为突出；(2)信息激励机制验证，互联网信息传播的特性能通过增强公众信息接触的深度与广度，缓解信息约束，进而有效促进政治参与；(3)社群助推机制验证，互联网社会互动的特性能够通过提升公众社群参与的数量和质量，缓解社群约束，进而有效促进政治参与。本研究揭示了互联网的技术工具本质对政治参与的“双刃剑”效应，为政府因势利导发挥互联网的积极效应提供了政策启示。
关键词：互联网使用;政治参与;技术赋能;信息激励;社群助推;
![]()
政治参与是现代民主政治不可或缺的组成部分。自20世纪90年代互联网诞生以来，“网络民主”(cyber democracy)方兴未艾，公众与非政府组织纷纷参与其中。进入21世纪的第二个十年，我国互联网的发展逐步进入更为复杂和成熟的阶段，截至2024年6月，国内网民规模约为11亿人，互联网普及率高达78%(1)。在这一背景下，党中央在十九大、二十大上连续提出“扩大人民有序政治参与”,明确指出保证人民依法管理国家和社会事务、管理经济和文化事业。作为新时代衡量国家民主程度的重要维度，将政治参与置于数字化语境中加以检视，对推进中国式民主政治建设具有重要的现实意义。目前，学界关于互联网使用对政治参与的影响研究主要存在三种取向。以“刺激说”为代表的乐观派认为互联网能够通过促进信息使用(Erhardt and Freitag, 2021)、削减参与成本(Brundidge, 2010)、降低参与门槛(Willnat et al.,2013)等途径强化公众政治参与的卷入度。持“抑制说”的悲观派对此提出质疑，他们认为日趋娱乐化与商业化的网络媒介环境蚕食了公共政治空间(Putnam, 2000),削弱了公众政治参与的积极性(Bimber et al.,2015)。而基于“情境说”的中立派则侧重对政治参与的情境化考察，他们强调政治参与受网络的使用动机、使用方式的形塑(Gibson et al.,2005;Rojas and Valenzuela, 2019)。针对以上分歧，有研究指出，未对互联网使用与政治参与进行精细分类可能是造成乐观派与悲观派观点对立的主因(Wang and Meng, 2022),这呼应了“情境说”的主张，即互联网是一种中立的技术，决定政治参与效果的关键并非网络本身，而在于人们如何使用(Shah et al.,2005)。概言之，互联网使用对政治参与的影响是动态变化的，具体效果取决于特定的社会环境。随着社交媒体的崛起，诸多经验研究发现互联网使用对政治参与有显著的促进效应，尤其是在政治竞选活动(Bimber and Copeland, 2013;Strandberg and Carlson, 2017)与公民运动(Wagner and Gainous, 2013;Gainous et al.,2015;Boulianne, 2019)领域表现显著。然而这些研究往往仅呈现相关性，难以识别互联网使用对政治参与的因果效应。在基于互联网促进政治参与的结论上，有学者就其中的作用机制进行探究，相关解释主要集中于心理认知视角，如政治信任(王衡和季程远，2017;Lee et al.,2023)、政治效能感(Jung et al.,2011;汤志伟和叶昶秀，2022)、政治价值观(Kollmann et al.,2013;边晓慧和苏振华，2020)、政治知识(Régner and Floch, 2005;De Vreese and Boomgaarden, 2006)。既往研究尚存以下不足：一方面，在方法应用上多依赖传统中介效应模型，其存在的固有缺陷削弱了机制的检验效力，影响了结论的可靠性；另一方面，在内容考察上多聚焦互联网驱动下特定机制所产生的单维度效应，而对机制背后更深层的技术逻辑以及由此引致的正负效应缺乏关注。本文尝试从互联网的本质出发构建技术赋能的理论框架，解释互联网促进政治参与的作用机制及异质性因果效应。基于中国社会状况综合调查(CSS)两期(2019年、2021年)数据，应用倾向得分匹配法与调节效应检验模型为相关理论假设提供经验证据支持。本文的主要边际贡献如下。第一，在理论框架层面，基于互联网的技术逻辑提炼出有效解释互联网促进政治参与的信息激励机制与社群助推机制，构建技术赋能理论框架，廓清了互联网与政治参与之间的因果机制。第二，在实证检验层面，借助调节效应检验模型，从具体问题出发对信息激励机制与社群助推机制的存在提供有力的经验证据支持，为解决因果机制的识别难题提供了思路借鉴。第三，在研究对象层面，基于全国样本的多期混合截面数据使研究对象兼具横向代表性与纵向历时性，研究结论具有较高的内部信度与外部效度。在数字化浪潮激荡的网络社会，本研究将有助于深化互联网促进政治参与的理论认识，并为我国社会主义民主政治建设提供有益的政策启示。![]()
政治参与在广义上指公众影响公共决策过程的政治行为(Quintelier and Van Deth, 2014),既包括直接影响公共政策的制定和实施的行为，也包括间接影响公共政策抉择的行为(Verba et al.,1995)。按照公众参与行为是否符合国家法律与制度框架，政治参与通常被划分为制度化(institutionalized)和非制度化(non-institutionalized)两种形式(宁晶和孟天广，2019;汤峰和苏毓淞，2022)。前者隶属常规政治的范畴，指在法律约束前提下理性地参与政治活动的行为，如选举投票、出席听证会等；后者往往与抗争、社会运动等相联系，侧重超出法律框架的非理性政治活动。本文依循此标准，从制度化和非制度化两重维度关注政治参与。进入数字时代，越来越多的政治活动由社交软件、算法等网络技术所中介，诸多研究明确了互联网对于政治参与的“赋能”(empowerment)力量(Amichai-Hamburger et al.,2008;Obijiofor, 2010)。尽管互联网泛化为社会生活的基础设施，但其内核仍是技术本体，具备“价值无涉”的工具理性特质，能在作用于人类社会的过程中排除价值偏好、政治目的、道德情愫、宗教信仰等不可计量与不可测度因素的干扰(王彩云，2014)。但与此同时，技术的应用又总是嵌入于一定的环境，被个体与组织等特定的行动者所使用，因而技术赋能的实现不可避免地会受到约束。对此，芳汀(2010)从制度视角出发提出的技术执行理论提醒我们，客观的信息技术(objected technology)虽是制度变化的赋能者，但在行动者应用的过程中也将同样受制于制度组织的安排，在经过一系列的感知、设计、执行与使用后，客观的信息技术将转化为被执行的信息技术(enacted technology),进而产生未测定的、多重的、意料之外的影响。在政治参与领域亦是如此，面对“等而视之”的互联网，公众采取不同的网络使用策略，这实质上便是将“客观的互联网”转化为“主观的互联网”的过程。由此，互联网最终对政治参与所释放的积极效应也将在制度化与非制度化两重维度产生异质性。相较于传统技术，互联网的突出特质便是“脱域”(de-territorialization)(Giddens, 1991),即其超越了政治传播活动的地理边界，并促成信息传播权力的下放。这不仅使得民众的信息来源和知识获取逐渐摆脱对专家与精英单向性、选择性甚至垄断性地给予的依赖，自觉成为信息与知识的接收者(庞金友和孙玉寻，2023),更瓦解了传统社会活动必须在场的具身性桎梏，促进社会关系朝云端交往的方向演进。该过程实际上催生了信息的扩散与社群的缔结，塑造了互联网对政治参与的促进效应。一方面，计算机介导通信(CMC)通过减少把关的中间环节实现了信息传播的同步性，公众不再被动接受传统媒体的议程设置，转而成为信息的生产者，这为政治参与提供了广阔的电子土壤(Park, 2000);另一方面，在线人际互动实现了信息传受双方之间的跨区域交流，助力社群成员产生群体认同感并鼓励积极的政治参与(Sharoni, 2012)。但值得注意的是，信息扩散与社群缔结均为互联网技术逻辑的延伸，这意味着互联网不能自主对信源的真伪进行甄别，也同样无法精准识别个体云端交往的性质。这种对信息流动与社群联结“一视同仁”的作用力量在增强公众政治知识与社会责任感的同时，也易滋生谣言并激化公众的非理性情绪，可能引致制度化和非制度化政治参与的双重后果。实际上，既有研究已对互联网作为“民主催化剂”的想象进行了批判，即互联网虽然能激活政治参与的能动性、扩大制度化政治参与(Corrigall-Brown and Wilkes, 2014;Kim and Hoewe, 2023),但也会演化为公众宣泄的新平台，对非制度化政治参与推波助澜(Mercea, 2012;王衡和季程远，2017;王薪喜和孟天广，2021)。综上，互联网的“脱域”特质催生了信息的扩散与社群的缔结，从而赋能政治参与，但互联网的工具理性特质使得这种赋能效果存在双向性，即对制度化与非制度化政治参与均会产生相应影响。这提醒我们，在互联网促进政治参与的过程中存在稳定运作的深层机制，且这种机制受技术逻辑支配，从而对政治参与产生异质性影响。而信息扩散与社群缔结作为互联网发展衍生出的客观现象，在促进政治参与的过程中扮演着重要角色，因此可以尝试从这两个维度出发，在梳理相关文献的基础上提炼互联网使用促进政治参与的作用机制。信息尤其是政治信息是政治参与的重要约束条件。第一，传统媒体对于信息的垄断与选择性传递导致公众对于信息的单方面依赖(阳长征，2022);第二，大众传媒固有的技术框架阻抑了信息的生产与流通，信息的供不应求使不同社会群体面临信息接近与知情的不平等境况(Cohen, 2016);第三，政府的信息黑箱化使得公众难以轻易获取透明准确的信息(臧雷振等，2013)。而互联网的出现放宽了以上约束，为个体的信息渠道开辟提供了机会(Delli Carpini, 2000)。在获取成本上，互联网赋予公众对于信息技术的媒介接近性，缩减了公众获取信息的经济投入(Lin and Dutton, 2003)。在获取质量上，互联网的去中心化特质消融了机构媒体的权力垄断，有利于信息的透明化呈现(杨嵘均，2015)。在获取范围上，互联网的发展加速了信息流动，人们可以在新闻消费、网络视听娱乐和社交媒体使用中获取各类信息。罗杰斯(2016)将信息通过传播渠道在个体或组织间散播的过程称为“信息扩散”。随着互联网的普及与发展，信息扩散的速度与范围呈现出前所未有的变革，这促成了信息在公众之间的交换与传播，进而将激励公众更加积极地参与政治。这种信息扩散对政治参与的影响主要体现于责任培养、知识汲取以及兴趣提升。首先，在线政治信息的扩散为政民互动提供了双向交流的数字化通道，公民对于政治新闻、政府政策等的关注有助于强化对公共事务的关心程度，为政治参与奠定了前提与基础(Ellis, 2004)。其次，网络空间中的海量政治信息方便了公众对于政治知识的习得，这有助于深化公众对于公共事务的理解(Althaus, 2001)。此外，当人工智能技术介入网络平台，政治信息的个性化分发在提升公众政治兴趣的同时加剧其政治参与的卷入度(Savaget et al.,2019)。然而，不同的信息类型将对政治参与形式产生差异化的影响，准确、正面的信息将有助于建立积极的公共对话氛围，鼓励制度化的政治参与形式(Gastil and Levine, 2005);而失实信息及误导性信息在网络中的蓄意传播会损害公众对于政府的信任与支持，从而激发非理性的抗拒冲突等非制度化政治参与(Huang, 2017)。互联网的连通性与无界性不仅使公众得以及时了解政治信息，也提升了政治异质性信息的可见度，继而转化为公众政治参与的行动自觉。因此，本文将互联网以其跨时空的信息传播能力缓解信息约束(信息渠道匮乏),进而激励公众政治参与的过程概化为“信息激励机制”。据此，本文提出如下假设：H1: 信息激励机制是互联网使用促进政治参与的主要作用机制。H1a: 信息激励机制是互联网使用促进制度化政治参与的主要作用机制。H1b: 信息激励机制是互联网使用促进非制度化政治参与的主要作用机制。在互联网勃兴前，社群曾是政治参与的重要约束条件：在资源投入层面，依赖于地缘的社会交往需要额外付出一定量的时间资本、经济资本来克服空间局限，政治参与的成本较高(Granovetter, 1973);在媒体渠道层面，大众媒体时代的信息模式以单向的线性传播为主，互动性较弱，限制了人际社会网络的缔结(Katz, 1957)。而互联网的普及则为个体的社会网络扩展带来了新的机遇。其一，互联网的无疆界性使公众的社交圈层突破了地理区位限制(Norris, 2004),使社会网络逐渐去地方化；其二，以心理亲近为基础的兴趣社区逐渐在网络中涌现，社群成员基于共同的兴趣形成趣缘社群；其三，网络社交中的匿名性遮蔽了公众的个人具体信息，便于自我表达、参与及协作(Theocharis, 2015)。Huckfeldt and Sprague(1995)认为，尽管政治参与是针对国家、区域或地方的政治进程，但实际的参与行为将始终发生在社区。换言之，社群不仅是信息扩散的中转节点，更提供了分享政治观点、组织政治活动和参与政治对话的平台(Shirky, 2011),助推公众在政治领域的参与实践。这种社群参与对政治参与的影响主要表现为群体支持、群体共情与群体监督三重面向。首先，社群的互惠性质可以为彼此提供专业知识的智力支持，为公民的政治参与提供群体支持(Velasquez, 2012)。其次，社会成员通过进入特定的网络圈层展开沟通，针对某一政治议题传递正向能量进而达成群体共情，提升政治参与的积极性(Kruikemeier et al.,2016)。最后，社群内部的互动不仅提供了政治讨论的机会，更会形成一种监督力量，规范成员的在线活动行为(Cruz et al.,2012)。然而，不同的社群类型将导向不同形式的政治参与，如教育水平更高者能够更深刻地理解与分析政治议题，倾向制度化政治参与；而教育水平更低者通常不甚了解法律和政府机构的运作过程，更青睐通过示威等非制度化参与方式表达政治诉求(Verba et al.,1978)。互联网的开放性丰富了公众的社会网络结构，为政治参与提供了知识、情感、监督层面的助力，但同时也容易滋生群集性的偏离行为，助长非制度化政治参与的潜在风险。因此，本文将互联网以其跨地域的节点连接能力缓解社群约束(社会联结不足),进而助推公众政治参与的过程概化为“社群助推机制”。据此，本文提出如下假设：H2: 社群助推机制是互联网使用促进政治参与的主要作用机制。H2a: 社群助推机制是互联网使用促进制度化政治参与的主要作用机制。H2b: 社群助推机制是互联网使用促进非制度化政治参与的主要作用机制。综上，本文从互联网的技术本质出发，构建技术赋能的理论框架(见图1)。首先，互联网的表层特质主要体现于“脱域”,即不仅通过信息激励机制促进信息渠道开辟，还经由社会助推机制扩展社会网络，突破政治参与的限制性因素，赋予公众以跨时空的政治参与能力。其次，互联网的深层特质主要体现于工具理性，即互联网在促进政治参与的过程中将遵循“价值无涉”的技术逻辑，使用主体对技术的再造与重构将使得互联网的效应释放方向最终取决于社会环境。概言之，互联网对政治参与的促进效应并非单维的，其在赋能的过程中可能对制度化与非制度化政治参与产生异质性的促进效应。
![]()
![]()
本文所使用的数据来源于中国社会状况综合调查(Chinese Social Survey, 简称CSS),是中国社会科学院社会学研究所于2005年发起的一项全国范围内的大型连续性抽样调查项目。本文以调查题项设置的需求满足与否为标准，选取了最新的2019与2021年共两期数据作为研究基础。经过多轮的数据清理，最终剩余了30个省域152个县域596个社区的共计13307个公众样本。这是一个多期混合截面数据，其中2019年与2021年的样本数分别为7002(52.62%)与6305(47.38%)。本文期待通过全国范围的代表性样本，增强研究结论的普适性，从总体上把握互联网使用对政治参与之间的因果效应与作用机制。本文的被解释变量为政治参与，并将其进一步划分为制度化政治参与非制度化政治参与。CSS问卷中主要通过询问受访者“最近2年，您是否参加过下列事情”(问题1“向报刊、电台、网络论坛等媒体反映社会问题”;问题2“向政府部门反映意见”;问题3“参加村(居)委会选举”;问题4“参加所在村居/单位的重大决策讨论”;问题5“参加线上/线下集体性维权行动”)。遵循既有研究惯例(王薪喜和孟天广，2021;汤峰和苏毓淞，2022),通过虚拟变量的方式对被解释变量进行测量。对于政治参与，若受访者至少参与过其中一项活动，则将其赋值为1,否则为0;对于制度化政治参与，若受访者参与过第3项或第4项活动，则将其赋值为1,否则为0;对于非制度化政治参与，若受访者参与过第1项、第2项或第5项活动，则将其赋值为1,否则为0。本文的解释变量为互联网使用，遵循既有研究惯例(孟亦佳，2014;祝仲坤和冷晨昕，2018),使用题项“现在互联网比较普及，大家可以用手机和电脑上网，您平时上网(如用电脑或者手机看新闻、用微信等活动)吗?”进行测量。这是一个虚拟变量，若选择“是”赋值为1,选择“否”则赋值为0。首先，为验证信息激励机制，引入政治信息接触与娱乐信息接触。这主要通过询问受访者上网进行特定活动的频率进行测量，前者为“浏览时政信息(如看党政新闻)”,后者为“娱乐、休闲(如玩儿网络游戏/听音乐/看视频/读小说)”。二者为定序变量，从不为0,一年几次为1,一月至少一次为2,一周至少一次为3,一周多次为4,几乎每天为5。其次，为验证社群助推机制，引入线上社群参与、线下社群参与(2)。(1)线上社群参与，主要通过询问受访者近2年来所加入的网上社交群/圈，涵盖亲人亲戚之间的社交圈、朋友之间的社交圈、邻居之间的社交圈(如业主群)、同事群、宗教信仰群、同乡群、同学群/校友群、兴趣群(如文体娱乐群、购物群等)、公益社团群(如家委会、志愿者、环保组织等)、行业群、同行群/协会群(如商会、农村合作组织、专业学会、行业协会等)、维权群、其他群。(2)线下社群参与，主要通过询问受访者近2年来所参加的团体的线下活动，涵盖宗教团体、宗亲会/同乡会、校友会、文体娱乐等兴趣组织、民间公益社团(如志愿者、业主委员会、环保组织)、职业团体(如商会、农村合作组织、专业学会、行业协会等)、其他团体。若受访者参与了相应的社群，则赋值为1,否则为0,这两个定距变量代表了受访者所参与的社群数量，其取值范围分别为0～12与0～8。本文参考既有研究(臧雷振等，2013;王薪喜和孟天广，2021;Lee et al.,2023),选择受访者的三层因素作为控制变量。个体人口学特征包括：(1)性别，男性为1,女性为0;(2)年龄，调查年份与出生年份的差；(3)受教育程度，未上学为0,小学为6,初中为9,高中为12,技校/大学专科为15,大学本科为16,研究生为19;(4)婚姻状况，有配偶为1,无配偶为0;(5)政治面貌，中共党员为1,其他为0;(6)民族，汉族为1,其他为0;(7)户口性质，非农业户口为1,农业户口为0。个体社会态度特征包括：(1)社会信任，现在人与人之间的信任水平(1～10);(2)政治信任，对中央政府、区县政府、乡镇政府的平均信任水平(1～4);(3)社会宽容感，现在社会的宽容程度(1～10);(4)社会公平感，对现在社会总体公平公正情况的评价(1～10);(5)政治效能感，量表的平均值(1～4)。个体社会经济特征包括：(1)工作状况，就业为1,无业为0;(2)收入状况，对个人总收入(元)进行取对数处理；(3)社会经济地位，下为1,中下为2,中为3,中上为4,上为5;(4)房产数量，自有住房套数(个)。表1展示了主要变量的样本均值差异检验。综合而言，处理组在人口学与社会经济等特征上具备更大优势，控制组在社会态度特征上具备更大优势，而这很有可能也是其是否使用互联网的重要原因。如果不对这些混杂因素进行考虑，将无法确保互联网使用与政治参与之间因果效应估计的无偏性。
表 1 主要变量的样本均值差异检验
![]()
注：***、**、*分别表示在1%、5%、10%的水平上显著。首先，为验证技术赋能，即评估互联网使用对政治参与的具体影响，本文构建线性概率模型(LPM),这主要是考虑到LPM的直观简单与解释性强的优势。
![]()
其中，Yi是被解释变量政治参与(制度化政治参与、非制度化政治参与),Inti是解释变量互联网使用。Z是控制变量。uj与λt分别是社区固定效应与年份固定效应，εi是误差项。而后，为验证信息激励与社群助推这两个作用机制，本文采用调节效应分析的思路。通过检验因果关系的异质性以识别作用机制，是强化因果关系论证的重要手段，这在于其有助于理解因果效应产生的核心机制和内在渠道，为理论预测提供补充性分析，甚至排除一些竞争性解释(陶旭辉和郭峰，2023)。论证逻辑如下(江艇，2022):(1)根据特定理论提出因果关系的作用机制，并据此预测该关系在某些群体中会得到强化(或仅存在于该群体);(2)通过调节效应分析对各群体之间因果关系的异质性进行识别；(3)虽然也可能有其他理论能够解释变量之间的因果关系，但无法想象其理论机制会塑造该群体之间因果关系的异质性。由此，若通过异质性分析验证了理论预测的正确性，则间接地为核心结论提供了经验证据(Chen et al.,2017)。目前，这种策略已应用于经验研究中(Rajan and Zingales, 1998;Brown, 2011;Sun et al.,2021)。因此，构建调节效应检验模型如下：
![]()
其中，Meci为引入的调节变量，而Inti×Meci则是调节变量与解释变量的交互项。本文将根据作用机制提出若干可观察到的因果现象，而后选择相应调节变量进行因果关系异质性检验，若交互系数符合预期，则意味着作用机制得到验证。探究互联网使用对政治参与的因果效应面临着“样本自选择”问题，即公众可能由于某因素选择是否使用互联网，且该因素还影响了政治参与，若未在回归模型中加以控制，可能导致模型出现内生性问题。由Rosenbaum and Rubin(1983)提出的倾向得分匹配法(PSM)可有效克服选择偏误。其基本思想是基于反事实框架，通过特定匹配方法构建与处理组相似的反事实控制组，使样本近似随机化，以尽可能准确估计处理效应。鉴于PSM无须事先假定函数形式、参数约束及误差项分布，也无需解释变量严格外生，故在解决处理变量的内生性问题时存在明显优势。因此，本文采用PSM开展进一步的因果效应检验。PSM的计算原理如下：(1)依据所选协变量，将K维向量xi的信息压缩为一维，应用二元Logit回归模型估计倾向得分；(2)依据倾向得分值将处理组与控制组的样本以相似程度为标准进行匹配，并使得xi在匹配后的处理组与控制组之间分布均匀；(3)依据匹配后样本计算参与者平均处理效应(ATT)。
![]()
其中，N1表示处理组个体数量，即使用互联网的人数；![]()
表示处理组个体进行加总；yi是处理组i的政治参与；![]()
是处理组i不使用互联网时政治参与的反事实估计值。为增强研究结论的稳定性与可靠性，采用如下6种主流匹配方法：(1)k近邻匹配，将k设定为4;(2)卡尺匹配，保守估计将卡尺范围设定为0.01;(3)卡尺内最近邻匹配，将卡尺范围设为0.01,k设置为4;(4)核匹配，使用默认核函数与带宽；(5)局部线性回归匹配，使用默认核函数与带宽；(6)样条匹配，即使用更光滑的“三次样条”估计权重，使用spline程序进行默认回归。假若PSM估计结果在不同匹配方法的选择下相似甚至一致，对匹配方法敏感性较弱，则表示匹配结果具有稳健性，样本具有良好的有效性(陈强，2014)。![]()
本文应用模型(1)得到基准的LPM估计结果(见表2)。出于检验解释变量系数敏感性的考虑，采用逐步回归法对政治参与的回归结果进行对比，在第(1)～(5)列中分别递加个体的人口学特征、社会态度特征及社会经济特征等控制变量，从而依次剔除潜在混杂因素。结果显示：第一，除第(1)列外，互联网使用对政治参与的系数始终在1%的水平上显著为正，并呈现出逐渐降低的趋势，在第(5)列中其系数为0.0387;第二，互联网使用对制度化政治参与和非制度化政治参与的系数都在1%的水平上显著为正，且前者(0.0371)大于后者(0.0315)。这意味着互联网使用对政治参与、制度化政治参与和非制度化政治参与均表现出促进效应，但这种效应具有异质性，分别提升了3.87%、3.71%、3.15%的概率。
表2 基准LPM估计结果
续表
![]()
注：***、**、*分别表示在1%、5%、10%的水平上显著；括号内为聚类在社区层面的稳健标准误。
本文进一步应用PSM对处理效应进行估计(见表3)。除k近邻匹配中的制度化政治参与外，其余ATT都至少在10%的水平上显著为正，这反映了结果的稳健性。总体而言，互联网使用对政治参与存在促进效应，且在制度化政治参与和非制度化政治参与两个维度中呈现出较大差异。就平均值而言，互联网使用对以上政治参与的概率提升分别为7.11%、5.28%、3.93%,相较于各自的控制组均值，互联网使用使得政治参与概率在原有的基础上提升了17.12%、14.11%、50.45%。基于PSM的ATT估计结果与基于LPM的估计结果存在一定差异，这意味着LPM可能存在一定的估计偏误，这使得其低估了互联网使用对政治参与的促进效应。
表3 基于PSM的ATT估计结果
![]()
注：***、**、*分别表示在1%、5%、10%的水平上显著。PSM估计结果的合理有效需要满足两个潜在假设：其一为共同支撑假设，这保证了处理组与控制组的倾向得分取值范围存在重叠部分，是进行匹配的前提；其二是平衡性假设，这意味着协变量在匹配后“数据平衡”,保障了匹配的质量。因此，本文对假设进行了检验。首先，对于共同支撑假设。根据PSM匹配过程中的损失样本数进行初步识别(见表4),不同方法下的PSM匹配结果相同。在匹配过程中，仅处理组损失了611个样本，而控制组未曾损失样本，损失率约为4.59%,样本损失比例较低，匹配效果良好。根据基于PSM的处理组与控制组的概率密度函数分布进行深度检验(见图2)。匹配后，两组的概率密度函数取值范围几乎完全重合，大多数倾向得分值的样本都在共同取值范围之内，避免了共同取值范围过小所导致的估计偏误问题。综上，共同支撑假设得到验证。
表4 PSM匹配结果
![]()
图2 基于PSM的处理组与控制组的概率密度函数分布
![]()
其次，对于平衡性假设。进行PSM匹配前后协变量标准化偏差的对比(见图3)。匹配前，处理组与控制组之间多数协变量存在巨大的差异，匹配后所有协变量的差异已不再明显，样本在两组间近似随机分配，表明经过匹配后控制组可以作为处理组的良好反事实对照。对各匹配方法的匹配结果进行对比(见表5)。相对于匹配前，匹配后的伪R2、LR统计量、标准化偏差均值、B值与R值都明显降低，这表明匹配后的样本已无法识别不同公众的组别，较好地克服了样本选择偏误问题(Rubin, 2001)。综上，平衡性假设验证。
![]()
表5 匹配平衡性假设检验结果
![]()
信息激励机制表明，互联网跨时空的脱域传播特质弱化了信息渠道匮乏的制约，通过缓解信息约束增强公众信息接触的深度与广度，进而促进了政治参与。按照与政治参与的相关性，可将信息大致划分为政治信息(强相关)与娱乐信息(弱相关)两个端点。因循该机制的逻辑，互联网所缓解的信息约束应当在政治信息接触两个群体(高与低)之间产生差异性的影响，并在高水平群体中表现出更强的促进效应；而且应当在娱乐信息接触两个群体(高与低)之间同样产生差异性的影响，并在高水平群体中表现出更弱的促进效应。故若该机制成立，互联网使用对政治参与的促进效应应在政治信息接触更多的群体中表现更强，而在娱乐信息接触更多的群体中表现更弱。本文基于PSM的匹配结果，将政治信息接触与娱乐信息接触作为调节变量进行因果关系的异质性识别(见表6)。前者交互项的系数始终正向显著，而后者交互项的系数则始终不显著，即政治信息接触正向调节了互联网使用对政治参与的促进效应，而娱乐信息接触则不具备此调节作用。这意味着群体之间因果关系异质性的存在：对于政治信息接触，互联网使用对高低水平两个群体都具有促进效应，区别仅是两群体之间所存在的效应差异，政治信息接触高水平群体具有更强的促进效应；对于娱乐信息接触，互联网使用对高低两个水平的群体均无促进效应，这可能是因为娱乐信息接触的低水平并不必然是政治信息接触的高水平(3),即虽然部分公众较少接触娱乐信息，却未将注意力向政治信息倾斜。综上，H1、H1a与H1b成立，信息激励机制验证。
表6 信息激励机制检验结果(基于PSM的LPM估计)
![]()
注：***、**、*分别表示在1%、5%、10%的水平上显著；括号内为聚类在社区层面的稳健标准误。
信息缺失确为抑制政治参与的基础性障碍，而互联网通过改善政治信息披露的数量和质量消弭了信息传播的单向性壁垒，为政民互动建立信息桥梁。这不仅体现于政治信息接触对互联网使用促进效应的强化方面，还体现为在较低政治信息接触的条件下，低水平的娱乐信息接触不仅无法产生应有的强化效果，反而降低了互联网使用的促进效应(4)。由此而言，政治信息接触是互联网使用的促进效应产生的原因。既有研究发现了“集体介入—社会导向”型互联网使用模式对城市网民政治参与的促进效应(王薪喜和孟天广，2021),本文则进一步揭示了政治信息接触的重要性，即只要公众广泛接触政治信息，无论其是否与他人分享交流，均对政治参与具有促进效应。然而若公众流连于娱乐信息，则可能导致政治信息的匮乏，信息约束的有无或强弱将不再具有意义，难以释放互联网使用的积极效应。社群助推机制表明，互联网的数字化平台突破了社会联结不足的限制，通过缓解社群约束提升公众社群参与的质量与数量，从而促进了政治参与。社群作为人际传播的重要场所，在数字时代表现为线上与线下两种形式。因循该机制的逻辑，互联网所缓解的社群约束，应当在社群参与两个群体(高与低)之间产生差异性的影响，并在高水平群体中表现出更强的促进效应。于是，若该机制成立则应当能观察到，无论是线上社群还是线下社群，互联网使用对政治参与的促进效应将在社群参与水平更高的群体中表现更强。本文基于PSM的匹配结果，将线上社群参与与线下社群参与作为调节变量进行因果关系的异质性识别(见表7)。前者交互项的系数始终正向显著，而后者交互项的系数则始终不显著，即线上社群参与正向调节了互联网使用对政治参与的促进效应，而线下社群参与则没有此调节作用。这意味着群体之间因果关系异质性的存在：对于线上社群参与，互联网使用对高低水平两个群体都具有促进效应，区别仅是两个群体之间所存在的效应差异，线上社群参与高水平群体具有更强的促进效应；对于线下社群参与，互联网使用对高低两个水平的群体都没有促进效应，这反映出了线上社群参与和线下社群参与的差异。综上，H2、H2a与H2b部分成立，社群助推机制验证。
表7 社群助推机制检验结果(基于PSM的LPM估计)
![]()
注：***、**、*分别表示在1%、5%、10%的水平上显著；括号内为聚类在社区层面的稳健标准误。社会隔离是阻碍政治参与的关键性因素，而互联网的使用则为公众创造了突破边界与社会互动的潜能，扩展了公众的社会网络。因此，若公众广泛参与社群，将充分释放互联网使用的积极效应(杨宝，2022)。然而本文发现该效应仅存在于线上社群参与，这可能是由于成本与风险是保守的有限理性人在决策过程中的基本考量，在收益既定的条件下，个体会选择成本小而风险低的行动策略。一方面，相比线上社群参与，线下社群参与往往需要投入一定的时间、经济成本，于是公众的线下社群参与相对较为匮乏(5),可能尚未达到促进效应释放的门槛；另一方面，根据弱连带优势理论，线下社群通常是建基于熟人群体的强关系，结构稳定但传播范围有限，而线上社群则是基于陌生人社交的弱关系，能够在多重社群网络中与不同群体进行互动，为个体的认知与行为创造新的可能性(Granovetter, 1973)。为保障因果关系与作用机制估计结果的可靠性，本文从多层面进行稳健性检验。首先，纳入调查权重。由于多阶段混合抽样过程中可能存在的抽样偏差、非响应偏差与样本不平衡等问题，因此，使用调查权重对这些问题进行修正，从而确保样本能够更好地代表总体，并提高对总体参数的估计的准确性。其次，替换模型选择。由于被解释变量政治参与为虚拟变量，采用LPM进行OLS估计可能存在潜在的内生性风险，因此，应用混合Logit模型，并通过虚拟变量法纳入社区与年份的固定效应，从而考察互联网使用与政治参与之间的非线性因果关系。最后，控制县域差异，由于对社区差异这种更为精细的控制将引入更多的固定效应，可能导致过度拟合的问题，因此，在模型中纳入略粗糙的县域固定效应，以适当控制可能存在的空间异质性，避免估计的不稳定和过于乐观的标准误。本文全部基于PSM的匹配结果进行回归估计，结果显示(6),无论是纳入调查权重，还是替换模型选择，抑或控制县域差异，各列中解释变量与交互项的系数与原有估计结果的差异并不大，仍然保持着相似的数值与显著性水平，这表明本文此前的估计结果较为科学有效，增强了经验证据的说服力。![]()
本文在对政治参与进行二维区分(制度化政治参与、非制度化政治参与)的基础上，从互联网的技术逻辑出发，探讨了互联网使用与政治参与的因果关系，提炼出信息激励与社群助推两条作用机制，构建了技术赋能的理论框架；基于中国社会状况综合调查(CSS)两期混合截面数据，应用倾向得分匹配法与调节效应检验模型进行实证检验。研究发现：第一，技术赋能效应突出，互联网使用能够促进政治参与，这反映于互联网使用对制度化与非制度化政治参与的差异性促进效应，且前者效应更加突出；第二，信息激励机制验证，互联网以其去中心化的信息传播特质缓解了信息约束，通过责任培养、知识汲取促进政治参与，该激励效果主要通过政治信息接触而非娱乐信息接触实现；第三，社群助推机制验证，互联网以其跨地域的节点连接能力缓解社群约束，通过群体支持、群体共情与群体监督促进政治参与，该助推效果主要通过线上社群参与而非线下社群参与实现。自1994年接入互联网后，我国网民数量和应用范围持续增长，尤其在政治参与方面表现突出。既有研究对于互联网使用与政治参与之间的作用机制的考察聚焦于媒介素养、政治效能感、政府信任、政治态度、政治知识等(Corrigall-Brown and Wilkes, 2014;王衡和季程远，2017;薛天山，2023)。这些中间变量指向的是社会公众的心理层面及个体的认知能力，而忽略了互联网本身的技术逻辑及其促成的网络环境。实际上，互联网在政治参与领域的普遍渗透是在无边界的网络时空中发生的因事聚集和社群互动，非线性的信息逻辑不断推动着线上社群的缔结，线上社群作为节点单位，在释放信息的同时，激活了参与者的表达意愿，这成为人们政治参与的积极动力。在此意义上，本文提出的信息激励机制与社群参与机制既呼应了互联网场域中信息流大量涌现之势，也是对网络社会中社群关系的关注。互联网的工具理性特质决定了其在数字空间中的效能释放，遵循“价值无涉”的技术逻辑，意即作为技术工具的互联网是中立的，并不天然倾向于特定价值观，但其应用效果随使用者行为和社会环境的变化而变化。尽管互联网为民主转型发展带来了广阔机遇，但也蕴藏着激化舆情的潜在风险。因此，互联网在促进政治参与的过程中呈现出“赋能”与“负能”并存的效果，这集中体现于信息激励机制与社群助推机制的“双刃剑”效应。一方面，互联网在传递正面信息的同时也使负面信息乘虚而入，为舆论极化埋下伏笔；另一方面，互联网在发展有序社群的同时也助长了无序社群的激增，群体压力的蔓延易导致“沉默的螺旋”。这启示政府需要重新审视数字技术在政治参与中的介入力量，通过深化理论认知与实践经验增强网络治理的决策科学性，充分发挥正面信息与有序社群对政治参与的促进效应。
