
消费是我国经济增长的重要引擎,也是驱动经济转型升级、提升经济整体质量和效益的核心力量。党的二十大报告强调,要增强消费对经济发展的基础性作用。党的二十届三中全会通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》指出,要完善扩大消费长效机制。2025年3月,中共中央办公厅、国务院办公厅印发的《提振消费专项行动方案》为大力提振消费出台了30条具体措施。2025年12月,中央经济工作会议也把深入实施提振消费专项行动作为2026年经济工作的重点任务。这一系列重大的决策部署不仅凸显了消费在当前及未来国民经济中的核心地位,也为我国经济的持续健康发展指明了新的方向。
提振消费,重点是要挖掘青年消费潜力,激活消费新动能,打造消费新场景。中共中央、国务院印发的《扩大内需战略规划纲要(2022—2035年)》提出,要加快消费提质升级,培育新型消费,着力满足个性化、多样化和高品质消费需求。党的二十届四中全会通过的《中华人民共和国国民经济和社会发展第十五个五年规划纲要》明确指出,要打造一批带动面广、显示度高的消费新场景。2025年12月,商务部、中国人民银行和金融监管总局联合印发的《关于加强商务和金融协同 更大力度提振消费的通知》再次强调要培育新型消费、创新多元化消费场景。线上消费作为新型消费形态,已成为提振消费的关键渠道与经济增长的重要引擎,并为我国构建“双循环”新发展格局提供有力支撑(尹艳林,2023)。国家统计局数据显示,2024年全国网上零售额为15.5万亿元,比上年增长7.2%,连续12年保持全球最大网络零售市场地位。而青年群体也已经成为我国线上消费的绝对主力,“90后”“00后”网络购物使用率分别达到95.1%、88.5%,成为数字消费主力军。
情绪价值是当下青年增加线上消费的重要驱动力。目前青年的线上消费呈现出许多不同以往的新特点:商品情绪价值的重要性逐渐超越使用价值,年轻消费者更愿意为自己的情绪价值买单,通过消费来获得情感共鸣与心理满足。相关数据显示,64%的中国消费者更加看重为情绪买单,年轻消费者对情绪价值的重视程度更高。
与线上消费有关的文献大多以居民或家庭消费作为研究对象,并且主要从品牌价值(Lowry等,2008)、市场规模(李涵和冷萱,2023)、客户评价(Standifird,2001)、空气污染(周闻宇等,2025)和营销方式(Lu和Chen,2021)等方面来探讨线上消费的影响因素,而聚焦青年这一重点群体线上消费行为的研究还相对较少。特别是在数字经济时代,提升全民数字素养已成为国内外高度重视的一项关键事业,既是夯实我国数字经济发展的重要社会基础,也是扩大内需、推动经济持久发展的重要途径(李睿等,2024)。研究数字素养的提升对青年消费潜能激发的机理显得尤为重要,2021年,中央网信办发布《提升全民数字素养与技能行动纲要》首次提出“数字素养与技能”概念,并强调数字素养与技能是数字社会公民学习工作生活应具备的数字获取、制作、使用、评价、交互、分享、创新、安全保障和伦理道德等一系列素质与能力的集合,数字素养侧重于终身的学习与修养,可划分为基础技能、信息能力、社交能力和数字态度这四个测量维度(杨江华和杨思宇,2023)。已有关于数字素养经济影响的研究中,大多与就业、收入等话题有关,直接探讨消费的文献还相对欠缺,而从青年个体情绪角度探讨数字素养的提升对线上消费影响及其微观影响机制的研究更少。中国科学院心理研究所发布的《中国国民心理健康发展报告(2023—2024)》显示,我国青年群体的抑郁水平达到各年龄组峰值。因此,有必要从情绪的视角探讨数字素养与青年线上消费的关系。
本文认为,对于情绪经常处于负面状态的青年,数字素养的提升能促进他们线上消费。究其原因是:第一,负面情绪催生了青年对情感陪伴和心理慰藉的强烈需求,数字素养的提升使得这部分青年能够更有效地利用数字技术,接触到一系列专为满足情绪需求而设计的虚拟产品与服务,帮助青年将内在的情绪纾解动力直接、便利地转化为具体的线上消费行为。第二,较高的数字素养意味着青年更擅长利用数字工具主动探索和发现高度匹配自身情绪与个性的小众产品或服务。同时,熟练使用各类数字支付与电商平台,使得青年从发现、比较到最终完成线上消费的整个过程更为顺畅,从而增强了线上消费黏性,激励青年持续通过线上消费渠道寻求情绪满足,形成“探索—消费—积极体验—再消费”的正向循环。第三,数字素养的提升还能缓解消极情绪对青年流动性约束等方面带来的负面影响,通过增加收入、缓解借贷约束、扩大社会网络、拓展知识网络等途径增加线上消费。基于此,本文可能的边际贡献在于:第一,在青年情绪消费趋势化且针对青年群体线上消费行为研究较为匮乏的背景下,本文从情绪视角出发,聚焦青年这一重点群体,探讨数字素养的提升对于青年线上消费的促进效应。这为解读情绪影响下青年数字素养的提升与线上消费之间的内在关联提供了微观证据。第二,区别于以往文献主要从数字经济发展(张勋等,2020)、数字金融(王军等,2022)、数字化转型(樊轶侠和王正早,2024)、数字普惠金融(易行健和周利,2018)和数字乡村建设等宏观视角研究数字经济消费效应,本文聚焦数字时代下微观个体的内在需求,利用中国家庭追踪调查(CFPS)2014—2022年微观数据,构建了衡量青年数字素养的评价指标。第三,本文重点分析了情绪视角下数字素养的提升促进青年线上消费的微观影响机制,即流动性约束、社会网络和知识边界这三种渠道在数字素养影响青年线上消费中的作用,丰富了数字素养经济影响研究内涵。第四,本文的研究结论对大力提振消费、加快消费提质升级、培育新型消费和坚定实施扩大内需战略具有重要启示,也对推动我国数字经济高质量发展和数字人才强国建设具有借鉴价值。
二、理论分析与研究假说 (一) 数字素养对青年线上消费的影响分析情绪状态是青年进行线上消费的重要考量(卢长宝等,2021)。经济的快速发展带来了贫富差距、内卷式竞争等问题,随之而来的社会原子化导致一部分青年缺乏归属感,甚至出现心理问题,青年情绪释放的需求也在不断增多。同时,新一轮科技革命与产业变革加速演进,青年面临的价值选择也越来越多元化,各种价值碰撞难免致使青年产生思想的困惑、选择的焦虑和情绪的低落。社会替代理论认为,个体感到孤独时会唤起社交需求,此时可以通过消费行为来寻找社交需求替代品,而充满了虚拟温情服务的情绪消费领域,如谈心、聊天、陪伴、叫醒等,正好可以为青年提供现实生活缺失的精神陪伴。马斯洛需求层次理论也指出,人们的需求不被满足时会导致自我威胁感知,从而引发自我修复的补偿性想法。青年在面对现实中的自尊威胁时,往往会在日常生活中不断寻求对自我的肯定、社会关系的满意与充盈,而通过情绪消费可以有效进行心理慰藉和自我修复,减轻自我威胁和自尊损伤带来的伤害,因此激活小确幸和小欣慰的情绪产品颇受青年消费者欢迎(管健,2024)。综上,竞争和压力使得青年的情绪经常处于压抑、低落之中,这部分青年迫切需要为自己的情绪找到一个“泄压阀”。在经济条件满足的情况下,他们会更加愿意为了自己的情绪释放与疏解而买单,而情绪消费产品主要以线上消费为载体,青年参与情绪消费也就带动了线上消费的增加。
对于情绪经常处于负面状态的青年,为自己情绪买单的动力较大,而数字素养的提高能够恰好帮助这些青年将动力释放成消费行为,增加线上消费。一方面,面对焦虑和不安的情绪,青年的悦己需求也在与日俱增,数字素养的提升成为他们探索和获得情绪和精神上满足感的有效途径,增加了青年为自身情绪而消费的动力和便利,提升了线上消费的可能性。数字经济重构了消费场景,情绪产品的消费虚拟化、产品数字性等特点使得情绪消费大多是以线上消费的形式呈现。情绪消费依托于虚拟产品与虚拟服务载体,通过为消费者提供沉浸式、个性化的虚拟交互体验,满足其深层次情感需求。这种基于数字技术构建的虚拟化消费场景,凭借创新性、趣味性和强互动性特征,显著提升了青年消费群体对相关产品或服务的价值感知,进而形成正向的消费意愿驱动机制(姜参和赵宏霞,2013)。例如,“AI心理陪伴师”可以全天在线智能地为消费者进行心理疏导、改善负面情绪,相比传统线下咨询更便捷、快速和私密,这种陪伴型数字体验仅需小额消费就可以拥有全天候情感陪伴价值。另一方面,青年数字素养越高,越懂得利用数字技术探索线上符合自身情绪需求的利基产品
假说1:对于情绪经常处于负面状态的青年,数字素养水平越高,线上消费支出越多。
(二) 数字素养对青年线上消费影响的机制分析1.流动性约束。一方面,从缓解借贷约束的角度来看,青年投资者抑郁、低落和悲观等负面情绪会直接影响其对于金融市场的信心和预期,信心的降低会影响投融资决策,减少融资比例,导致融资收紧,进而抑制消费需求。而数字素养的提升能够缓解青年的借贷约束,促进线上消费。当前,银行依托自身数字化转型,已打造出全方位、多层次的青年融资服务体系,通过产品创新、技术赋能和场景融合,有效缓解青年“融资难、融资慢、融资贵”的问题。青年数字素养的提升有助于其金融素养的提升,使青年更加熟悉线上信贷的流程和数字金融市场,提升了他们利用网上银行等渠道探索和获取信贷、缓解融资约束的能力。此外,具有较高数字素养的青年,还可以利用数字化工具主动学习有关金融投资相关知识理念,提高对金融数据的搜集、处理和分析能力,更加科学合理地配置资产,实现资产的保值与增值(李睿等,2024)。值得一提的是,在青年数字素养的提升降低其借贷约束的过程中,数字信用也发挥了重要作用(苏岚岚等,2024)。数字素养较高的青年对数字技术和数字信用的运行逻辑较为了解,懂得如何在数字平台更好地维护自身的数字信用,进而更容易获得信贷产品,帮助自己降低融资约束。例如,数字信用和消费金融结合所形成的数字消费信贷便具有高信用者享有更低的借款利率的特征,这类信贷产品对数字素养较高青年更为友好(王奇等,2025)。融资约束的降低,意味着青年可以获得更多的信贷支持和资金来源,相应地也会提升自身包括线上消费在内的消费支出。当前,我国数字普惠金融发展释放出较多红利,倘若青年数字素养水平和金融知识水平较低,那么数字普惠金融所具有的在信贷和信息等方面的优势也就没了用武之地,一定程度上会限制青年的资金来源和消费潜力(吴茜,2024)。
另一方面,从增收效应的角度来看,负面情绪大多来源于生活压力,而数字经济发展机遇使得数字素养较高的青年可以获得更多的收入来源,缓解其生活压力,进而带动青年进行线上消费。数字经济的发展为个人收入增长提供了众多机遇(李磊等,2021),如提高信息搜寻效率、增加创业机会、创造新兴消费需求以及缓解借贷约束等,青年数字素养的提升可以帮助青年更好地把握这些新机遇,从而提高自身收入水平。当前,大量数字化新职业新业态应运而生,数字素养的提升有利于青年以更低的时间和资金成本获取更多的就业、兼职机会,特别是平台经济等新行业的发展增加了青年线上开展工作的可能性,从而让青年获得更多的灵活就业方式和副业收入,增加了收入来源和收入总量,缓解了生活力。虽然人工智能应用可能会通过缩短工时和替代岗位来降低劳动者收入(Acemoglu等,2022),但劳动者数字素养与技能的提升也可以减弱这种收入冲击(王林辉等,2023)。都阳等(2023)的研究就发现将计算机应用在工作中会使劳动者工资回报提高48.4%,并且数字技能相关岗位也已经成为当前薪酬增长最快的岗位。因此,数字素养的增收效应使得情绪状态不佳、有悦己需求的青年拥有更好的经济基础和消费能力,使其能够为自己的情绪价值买单,从而进一步刺激线上消费。
2.社会网络。社会网络主要是指个人或家庭在社会生活中构建的人际关系网络,基于互动方式的不同,社会网络可分为正式和非正式两种类型,正式社会网络主要是指个人通过某些团体、组织、工作单位等建立起来的网络,非正式社会网络主要是指个体通过血缘关系、文化风俗、地理位置等建立起来的网络。一方面,数字素养的提升可以帮助情绪经常处于负面状态的青年拓宽社会网络。青年长期处于低落、压抑等负面情绪,会在一定程度上抑制青年的社交欲望,主动减少拓展社会网络的动力。同时,青年的悲观情绪还会通过原有的社会网络进行传播,影响其他人的情绪,进而对市场预期造成负面影响。互联网等数字技术的普及打破了社会网络在地理位置上的固化问题,使得传统的社会网络逐渐向线上转移,降低了社会关系建立和维护的成本。青年数字素养越高,利用数字技术与平台进行社交娱乐活动的能力就越强,这不仅有助于青年和所在家庭维系原有的非正式社会网络,也可以帮助青年不断巩固、更新和拓展线上正式社会网络空间。例如,青年利用数字技能开展云办公、云诊断、云教学和直播带货等工作,既提高了沟通效率,又扩展了线上社交圈。
另一方面,青年社会网络越强,越能带动线上消费。第一,青年社会网络的增强会直接带动青年参与到情绪消费的体验中,拉动线上消费。在更加广阔的数字社会网络平台中,青年可以积极分享自己的悦己方式、情绪产品的消费体验等,对情绪、娱乐等话题开展讨论,这不仅活跃了社群讨论、获得了社交认同,也引起更多的人关注情绪消费产品,收获体验感和满足感,进而推动线上消费市场的增长。王志刚和胡宁宁(2024)的研究也发现,正式社会网络强度会推动情绪消费的发展与享受型消费支出的增加,从而促进消费升级。第二,青年社会网络的扩大能通过增加收入间接带动青年线上消费。青年社会网络越广泛,越可能减少劳动力市场中的信息不对称,降低就业创业时的信息搜寻成本,扩大职业选择范围,提高就业创业成功率,从而获得更多的收入来源。同时,青年自身或所在的家庭拥有较发达的社会网络,意味着他们所拥有的资源和人脉较为充足,可调动的社会融资方式较多,这都有助于使其找到合适的担保人来缓解信贷约束,促进民间或正规借贷(梁爽等,2014),缓解青年和家庭的资金周转限制。此外,基于血缘、亲情而形成的非正式社会网络也可以为青年提供就业帮扶。例如,工作内推、熟人背调、在求职过程中提供资金等方面的支持(孙晓华等,2023),都可以帮助其改善收入水平,促进青年线上消费支出的增加。
3.知识边界。在一定程度上,负面情绪的增加会使得青年对认知世界、学习知识产生抵触心理,抑制青年知识边界的拓展。Bless等(1996)的研究发现,只有积极的情绪状态才能促进消费者进行知识型加工,将新的知识刺激拓展到已有的知识储备中。对于情绪经常处于负面状态的青年,数字素养的提升有助于减轻负面情绪对相关知识获取的抑制效应,进而促进线上消费。第一,数字素养的提升能帮助情绪不佳的青年拓宽情绪知识边界,有利于青年探寻合适的消费产品。大数据、人工智能等数字技术的广泛应用以及数字平台的快速发展,使得数字素养较高的青年可以灵活地进行自主学习。这有助于青年更好地利用数字平台进行在线学习和知识探索,获取情绪和心理学等知识,帮助青年及时了解情绪消费市场的新产品和新趋势,拓宽知识边界和消费视野,并且青年还可以通过多平台对比,利用线上和线下相结合的方式,寻找到更具“情价比”且适合自己的情绪产品。第二,青年数字素养的提升还能带动青年对金融知识的了解与学习,增强线上消费能力。数字素养的提升衍生出的学习效应,促使青年借助数字工具进一步了解理财、信贷、投资等方面的金融知识,也会带动青年下单购买金融读物或书籍,提高了自身的金融技能,进而扩展了资金来源和金融资产配置能力,推动资产的保值与增值,使得青年有更坚实的经济基础为获得情绪价值而买单。第三,数字素养的提升还能帮助青年降低工作知识门槛,促进高质量就业,提升线上消费需求。王海军和葛晨(2024)的研究发现,数字素养的提升在一定程度上可以帮助青年弥补学历或知识上的差距,降低工作知识门槛,从而获得收入更好的工作,实现高质量就业。青年拥有了稳定的工作和收入来源,包括线上消费在内的各种消费需求和欲望也会逐渐增加。
综上,本文提出假说2。
假说2:对于情绪经常处于负面状态的青年,数字素养的提升可以通过降低流动性约束、扩大社会网络以及拓宽知识边界带动青年线上消费。
三、研究设计基于前述理论分析与研究假说,本文选取中国家庭追踪调查(CFPS)2014—2022年五次抽样调查数据(每2年一次),基于情绪视角构建数字素养对青年线上消费影响的计量模型。
(一) 变量选取依据中共中央、国务院印发的《中长期青年发展规划(2016—2025年)》中对青年年龄的界定,本文首先选取2014—2022年参与调查的16−35岁的青年样本,同时剔除收入、年龄、支出等关键信息缺失的样本。然后,本文参考张广来和张宁(2022)的研究,根据问题“感到情绪低落、沮丧、郁闷、做什么事情都不能振奋的频率”或“我感到情绪低落”对青年样本进行划分,回答为“几乎没有”或“从不”,代表情绪不常处于负面状态的青年样本,否则为情绪经常处于负面状态的青年样本。最终,得到共12 014个情绪经常处于负面状态的青年观测样本。
1.因变量:线上消费(payment)。参考李涵和冷萱(2023)的研究,本文选取“网购支出(元)”来衡量青年线上消费支出。为了避免数据差距过大,本文对网购支出+1取对数处理。
2.自变量:数字素养(digital)。本文根据CFPS历年有关“手机和互联网”的相关问题,选取与数字素养相关的问题进行因子分析,历年可衡量数字素养的具体问题和维度详见表1。首先,利用历年衡量数字素养的问答数据进行KMO和Bartlett球度检验,检验结果均显示KMO>0.6,且Bartlett球度检验对应的P值为0,表明各维度之间具有较好的相关性且因子分析的结果是有效的。其次,由特征值大于1的变量个数和累计方差贡献度确定需要提取的公共因子个数,结果显示,历年均可以提取出2个公因子。再次,根据旋转后的因子载荷矩阵对每个公因子的实际意义进行解释。本文参考杨江华和杨思宇(2023)的研究,结合中央网信办对数字素养给出的定义,将2014—2018年的2个公因子定义为基本技能与信息能力、社交能力,将2020—2022年的2个公因子定义为基本技能、信息能力与社交能力。最后,根据因子载荷矩阵回归出的公因子得分,以正交旋转后的方差贡献率作为权数,计算出每个样本各自的数字素养得分。需要说明的是,由于2018年之后的CFPS问卷的相关问答做了较大更新,本文将2014—2018年的问答、2020—2022年的问答分别作为整体进行因子分析,并使用2014—2018年共8 300个样本进行基准回归分析,利用2020—2022年共3 714个样本进行稳健性检验。
| 年份 | 衡量维度 | 问题 | 赋值 |
| 2014— 2018年 |
基本技能与 信息能力 |
使用互联网学习的频率(次) | 0−6 |
| 使用互联网工作的频率(次) | 0−6 | ||
| 互联网对学习的重要性 | 1−5 | ||
| 互联网对工作的重要性 | 1−5 | ||
| 是否收发电子邮件 | 0−1 | ||
| 社交能力 | 使用互联网社交的频率(次) | 0−6 | |
| 互联网对社交的重要性 | 1−5 | ||
| 互联网作为信息渠道的重要性 | 1−5 | ||
| 2020— 2022年 |
基本技能 | 是否电脑上网 | 0−1 |
| 是否网络学习 | 0−1 | ||
| 信息能力与 社交能力 |
网络对学习重要性 | 1−5 | |
| 网络对工作重要性 | 1−5 | ||
| 网络对日常生活重要性 | 1−5 | ||
| 网络对与家人和朋友保持联系重要性 | 1−5 |
3.机制变量。本文选取流动性约束、社会网络和知识边界作为机制变量。对于流动性约束,本文分别从借贷约束(financing)和工作收入(income)两方面进行衡量。参考王修华和熊鑫(2024)的研究,本文使用“个人所在家庭是否存在待偿银行贷款”“个人所在家庭待偿银行贷款额”这两个问答作为借贷约束的衡量指标。若“个人所在家庭存在待偿银行贷款”,则取值为1,否则取值为0。为了避免不同个人数值差别过大,对待偿银行贷款额+1取对数处理。本文使用“工作总收入”作为工作收入的衡量指标,并对工作总收入+1取对数处理。对于社会网络(social),参考马光荣和杨恩艳(2011)的思路,本文使用个人所在家庭用来维系社会网络所支出的人均金额作为社会网络的衡量指标。维系社会网络的支出可包括“人情礼支出”“给亲戚的经济帮助”“给其他人的经济帮助”“重大事件总支出”,将此种支出除以家庭人数形成家庭维系社会网络所支出的人均金额。对于知识边界(frontier),借鉴涂先进等(2018)的思路,本文选择个人所在家庭人均藏书量作为知识边界的衡量指标。根据2014年CFPS的“家庭藏书量”的题项问答,将没有(0本)赋值为0,1−10本赋值为1,11−20本赋值为2,21−50本赋值为3,51−100本赋值为4,101−500本赋值为5,501−
4.控制变量。本文从个体和地区层面选取控制变量,变量名称及相关说明见表2。
| 变量 | 变量符号 | 变量名称 | 变量说明 |
| 因变量 | payment | 线上消费 | 网上购物花费+1取对数 |
| 自变量 | digital | 数字素养 | 由因子分析加权得出个人数字素养得分 |
| 机制变量 | financing1 | 借贷约束 | 家庭是否有待偿银行贷款,是取值为1,否则为0 |
| financing2 | 家庭待偿贷款额+1取对数 | ||
| income | 工作收入 | 工作总收入+1取对数 | |
| social | 社会网络 | 家庭用来维系社会网络所支出的人均金额 | |
| frontier | 知识边界 | 家庭人均藏书量取对数 | |
| 控制变量 | age | 年龄 | 个人年龄(岁) |
| education | 受教育程度 | 文盲/半文盲取值为1;小学取值为2;初中取值为3;高中/中专/技校/职高取值为4; 大专取值为5;大学本科取值为6;硕士取值为7;博士取值为8 | |
| marriage | 婚姻状况 | 已婚,取值为1;否则,取值为0 | |
| health | 健康水平 | 不健康取值为1;一般取值为2;比较健康取值为3;很健康取值为4;非常健康取值为5 | |
| intelligence | 智力水平 | 受访者智力水平由低到高取值为1−7 | |
| GDP | 地区生产总值 | 省级层面国内生产总值(亿元)取自然对数 | |
| industry | 产业结构 | 省级层面服务业占GDP的比重 | |
| money | 家庭经济状况 | 家庭总收入(元)取自然对数 | |
| familysize | 家庭人口规模 | 家庭人口数量 |
表3汇报了全部变量描述性统计情况,为了控制极端值,本文对连续变量进行了1%的双侧缩尾处理。
| 变量 | 观测值 | 均值 | 标准差 | 最小值 | 中位数 | 最大值 |
| payment | 8 300 | 7.395 | 1.873 | 0.000 | 7.601 | 11.410 |
| digital | 8 300 | 0.218 | 0.661 | −1.532 | 0.270 | 1.433 |
| age | 8 300 | 26.680 | 4.882 | 16.000 | 27.000 | 35.000 |
| education | 8 300 | 4.037 | 1.269 | 1.000 | 4.000 | 8.000 |
| marriage | 8 300 | 0.573 | 0.495 | 0.000 | 1.000 | 1.000 |
| health | 8 300 | 3.384 | 0.969 | 1.000 | 3.000 | 5.000 |
| intelligence | 8 300 | 5.972 | 1.080 | 1.000 | 6.000 | 7.000 |
| GDP | 8 300 | 10.190 | 0.744 | 8.782 | 10.260 | 11.510 |
| industry | 8 300 | 0.504 | 0.079 | 0.370 | 0.500 | 0.831 |
| money | 8 300 | 10.970 | 0.851 | 8.169 | 11.000 | 13.120 |
| familysize | 8 300 | 4.290 | 2.021 | 1.000 | 4.000 | 17.000 |
| financing1 | 8 300 | 0.124 | 0.330 | 0.000 | 0.000 | 1.000 |
| financing2 | 8 300 | 1.281 | 3.472 | 0.000 | 0.000 | 12.430 |
| income | 4 241 | 9.839 | 2.010 | 0.000 | 10.309 | 11.958 |
| social | 7 711 | 7.231 | 1.358 | 3.689 | 7.195 | 10.640 |
| frontier | 5 731 | −0.378 | 0.725 | −2.079 | −0.288 | 1.386 |
1.基准回归模型。为验证假说1,本文构建如下基准回归模型来检验数字素养对青年线上消费的整体影响。
| $ \begin{aligned} payment_{it}=& \alpha _0+\alpha _1digital_{it}+\alpha _2controls_{it}\\ &+ \gamma _i+\varphi _t+\varepsilon _{it} \end{aligned}$ | (1) |
其中,
2.机制检验模型。为验证假说2,本文在基准回归模型成立基础上,构建调节效应模型以探讨数字素养通过流动性约束、社会网络和知识边界这三个渠道对青年线上消费的影响机制。模型设定如下:
| $ payment_{it}=\mu_0+\mu_1digital_{it}+\mu_2controls_{it}+\mu_3mediator_{it}+\mu_4digital_{it}\times mediator_{it}+\gamma_i+\varphi_t+\varepsilon_{it} $ | (2) |
其中,
表4汇报了计量模型(1)的基准回归结果,列(1)和列(2)为16−35岁青年样本回归结果,列(3)和列(4)为16−35岁情绪经常处于负面状态青年样本的回归结果,列(5)和列(6)为情绪不常处于负面状态青年样本的回归结果,其中列(1)、列(3)和列(5)为无控制变量的回归结果,列(2)、列(4)和列(6)为加入全部控制变量的回归结果。列(1)和列(2)结果显示,数字素养的提升对青年线上消费支出具有显著正向影响,即数字素养每提升1个单位,青年线上消费提升22.3%。列(3)−(6)结果显示,数字素养的提升对情绪经常处于负面状态青年的线上消费具有显著正向影响,而对情绪不常处于负面状态青年的线上消费的影响不显著,说明数字素养的提升对情绪经常处于负面状态青年线上消费的影响更为明显。具体而言,针对情绪经常负面的青年,数字素养每提升1个单位,青年线上消费提升25.5%。控制变量的估计结果显示,针对情绪经常负面的青年,年龄、受教育水平、智力水平和产业结构都对青年线上消费存在促进作用,而家庭人口规模则对青年线上消费存在一定的抑制作用。因此,本文假说1成立。
| 变量 | (1) | (2) | (3) | (4) | (5) | (6) |
| payment | payment | payment | payment | payment | payment | |
| digital | 0.260***(0.051) | 0.223***(0.051) | 0.300***(0.068) | 0.255***(0.069) | 0.064(0.110) | 0.029(0.107) |
| age | 0.434***(0.078) | 0.362***(0.089) | 0.538***(0.169) | |||
| education | 0.268***(0.042) | 0.321***(0.055) | 0.319***(0.097) | |||
| marriage | −0.077(0.086) | −0.155(0.106) | 0.117(0.223) | |||
| health | −0.008(0.029) | −0.006(0.037) | −0.103(0.081) | |||
| intelligence | 0.055**(0.023) | 0.063**(0.028) | −0.014(0.062) | |||
| GDP | 0.088(0.096) | 0.092(0.146) | −0.046(0.289) | |||
| industry | 0.573(0.607) | 1.745**(0.869) | 0.877(1.263) | |||
| money | 0.032(0.039) | −0.018(0.043) | 0.051(0.101) | |||
| familysize | −0.064***(0.019) | −0.091***(0.024) | −0.042(0.051) | |||
| _cons | 6.384***(0.032) | −6.534***(2.128) | 6.424***(0.041) | −5.040*(2.672) | 6.318***(0.087) | −7.152(4.700) |
| ID | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| year | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | ||||||
| R2 | 0.260 | 0.285 | 0.264 | 0.296 | 0.275 | 0.309 |
| 注:括号内为稳健标准误,***、**、*分别表示在1% 、5% 、10%水平上显著,下同。 | ||||||
为了保证研究结果稳健,本文采用样本重组和替换变量等方法进行稳健性检验。
1.重新界定青年年龄范围。本文参考中国共产主义青年团团员年龄的界定,将青年样本年龄缩小到16−28岁重新进行回归。结果显示,青年线上消费相关指标的回归结果依然显著为正,并未改变基准回归结果。
2.改变自变量的度量方法。本文对每个数字素养试题得分以等权重进行加总,计算得出的数字素养总得分的区间为[4,39],再对总得分取自然对数,从而得出每个个体数字素养的得分,并重新进行回归。结果显示,青年线上消费相关指标的回归结果依然显著为正,并未改变基准回归结果。
3.样本重组法。为排除突发性公共卫生事件的干扰,本文利用2020—2022年情绪经常处于负面状态的青年样本数据进行稳健性检验,样本划分方法如上文所述,最终得到
4.控制地区×时间固定效应。为了排除相关政策等其他混杂因素的影响和干扰,本文控制了省份与年份的交互固定效应,并重新进行回归。结果显示,数字素养对青年线上消费的估计参数在1%水平上显著为正,不改变基准回归结果。
(三) 内生性检验1.倾向性得分匹配法。为缓解可能由样本选择偏差带来的内生性问题,本文采用倾向得分匹配法(PSM)对情绪经常处于负面状态的青年样本进行内生性检验。第一,根据数字素养得分是否大于样本的平均值,生成虚拟变量。如果数字素养高于均值,则该虚拟变量取值为1,否则为0;同时,将取值为1的样本定义为实验组,将取值为0的样本定义为控制组。第二,基于logit模型,以上述的虚拟变量为处理变量、以9个控制变量为协变量来估计倾向得分。第三,根据该匹配方法和倾向得分,从控制组中挑选样本,对实验组进行匹配。第四,根据匹配前后实验组相对于控制组的平均处理效应(ATT)来检验数字素养对青年线上消费的影响。结果显示,绝大多数的控制变量在实验组和控制组之间均不存在显著差异,表明PSM方法较为合理,总体匹配效果较为理想。匹配样本的回归结果显示,自变量数字素养对青年线上消费的影响仍然显著且为正,表明研究结论稳健。
2.工具变量法。参考Wang等(2024)的思路,本文选择样本所在地市级层面的除自身外样本的数字素养平均水平作为工具变量。该方法的检验结果显示,IV的估计值为0.149,达到1%的显著性水平。同时,K-Paaprk LM统计量为41.090,达到了1%的显著性水平;Cragg-Donald Wald F统计量为40.160,大于Stock-Yogo weak ID test在10%水平上的16.380。两个统计量分别拒绝了识别不足和弱工具变量的原假设,Anderson-Rubin Wald统计量对应的P值小于1%,拒绝了“内生回归系数之和等于零”的原假设。以上检验统计量证明了本文工具变量的有效性。第二阶段的拟合结果显示,数字素养估计参数为1.953,在1%的水平上显著,且系数的绝对值大于基准回归估计结果。本文还借鉴何婧和李庆海(2019)的方法,将样本按年龄划分为两个年龄段:28岁及以下与29−35岁。在此基础上,选取“同一地级市内、同一年龄段其他青年的数字素养平均值”作为工具变量。其一,同一城市同年龄段其他青年的数字素养平均状况,可在相当程度上体现该地区的数字基础设施水平,这为青年接触、学习与应用数字技术提供了基础条件,从而有助于青年数字素养的提升。其二,基于同群效应,青年在相同城市与年龄段的群体中进行学习与交流,会对自身的数字素养水平产生正向影响,因此,除自身外,同一城市同年龄段其他青年的数字素养与该青年自身的数字素养具有相关性。同时,同地区同年龄段数字素养平均水平与模型扰动项之间并无直接关联,满足工具变量所需的排他性假设。检验结果表明基准回归结果稳健。
(四) 机制检验本文使用2014—2018年情绪经常处于负面状态的青年样本进行机制检验。表5列(1)−(3)报告流动性约束的机制检验结果,列(4)报告社会网络的机制检验结果,列(5)报告知识边界的机制检验结果。需要说明的是,青年只有已经就业才会产生工作收入,因此本文删除部分未就业和工作收入数据缺失的样本进行工作收入的机制检验。列(1)和列(2)结果显示,数字素养与借贷约束交互项的估计参数值分别为0.271和0.028,在10%和5%水平上显著为正,说明青年所在家庭有待偿银行贷款,且待偿银行贷款数额越大,数字素养对青年线上消费的影响越大,也即对于情绪经常处于负面状态的青年,数字素养的提升可在一定程度上降低这一青年群体的借贷约束,进而提高线上消费支出。列(3)结果显示,数字素养与工作收入交互项的估计参数值为0.060,在10%水平上显著为正,说明青年工作收入越高,数字素养对青年线上消费的影响越大,也即对于情绪经常处于负面状态的青年,数字素养的提升可以通过增加工作收入来缓解流动性约束,进而带动线上消费。列(4)结果显示,数字素养与社会网络交互项的估计参数值为0.072,在10%水平上显著为正,说明青年所在家庭的社会网络越发达,数字素养对青年线上消费的影响越大,也即对于情绪经常处于负面状态的青年,数字素养的提升可以通过扩大这部分青年的社会网络,进而促进线上消费支出。列(5)结果显示,数字素养与知识边界交互项的估计参数值为0.175,在10%水平上显著为正,说明青年所在家庭的知识边界越广阔,数字素养对青年线上消费的影响越大,也即对于情绪经常处于负面状态的青年,数字素养的提升可以通过拓展这部分青年群体的知识边界,进而扩大线上消费支出。因此,本文假说2成立。
| 变量 | (1) | (2) | (3) | (4) | (5) |
| payment | payment | payment | payment | payment | |
| digital | 0.227***(0.071) | 0.225***(0.071) | −0.412(0.337) | −0.250(0.299) | 0.227**(0.102) |
| financing1 | −0.238**(0.108) | ||||
| digital×financing1 | 0.271*(0.146) | ||||
| financing2 | −0.022**(0.011) | ||||
| digital×financing2 | 0.028**(0.014) | ||||
| income | 0.034(0.027) | ||||
| digital×income | 0.060*(0.033) | ||||
| social | 0.005(0.035) | ||||
| digital×social | 0.072*(0.041) | ||||
| frontier | −0.061(0.089) | ||||
| digital×frontier | 0.175*(0.103) | ||||
| controls | 控制 | 控制 | 控制 | 控制 | 控制 |
| ID | 控制 | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 | 控制 |
| _cons | −4.570* | −4.560* | 5.193** | −5.934** | −7.126** |
| (2.578) | (2.577) | (2.377) | (2.684) | (3.004) | |
| N | 8 300 | 8 300 | 4 241 | 7 711 | 5 731 |
| R2 | 0.299 | 0.299 | 0.280 | 0.298 | 0.302 |
本文在基准回归的基础上,将情绪经常处于负面状态青年样本重新进行分组。具体操作如下:(1)根据青年年龄分成青壮年(16−25岁)、中青年(26−35岁)两组;(2)根据青年就业状态分为已就业和未就业两组;(3)根据青年受教育程度分为高学历组(大专及以上)、低学历组(大专以下)两组;(4)根据青年所在省份的数字信贷发展水平分为数字信贷发展水平高和数字信贷发展水平低两组,划分依据是北京大学数字普惠金融指数下数字金融使用深度中的信贷指数,高于均值的省份划分为数字信贷发展水平高的区域,小于等于均值的省份划分为数字信贷发展水平低的区域。
1.年龄差异。表6列(1)和列(2)的结果显示,对于情绪经常处于负面状态的青年,数字素养对青年线上消费的影响在不同年龄段的青年间产生了一定的差异。对于16−25岁的青壮年,数字素养对线上消费影响的估计参数值为0.084,但在统计意义上不显著;对于26−35岁的中青年,数字素养对线上消费影响的估计参数值为0.280,并且在1%的水平上显著为正。由此可见,对于情绪经常处于负面状态的青年,数字素养对26−35岁的中青年线上消费的影响要大于16−25岁的青壮年。可能的原因是,相对于16−25岁的青壮年群体,26−35岁的中青年群体已经大多进入社会、成立家庭,面临更多的生活压力,自身对于悦己的需求更多,并且中青年群体也有更好的经济基础为自己的情绪价值买单,即数字素养的提升有助于他们扩大消费视野和收入来源,从而增加其线上消费支出。
| 变量 | (1) payment | (2) payment | (3) payment | (4) payment | (5) payment | (6) payment | (7) payment | (8) payment |
| digital | 0.084 | 0.280*** | 0.224*** | −0.372 | 0.154 | 0.221** | 0.262** | 0.078 |
| (0.133) | (0.092) | (0.081) | (0.354) | (0.114) | (0.092) | (0.114) | (0.250) | |
| controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| ID | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| _cons | −0.277 | −9.005** | −4.688 | 82.227 | −13.212*** | −2.870 | −3.770 | −6.479 |
| (3.628) | (3.762) | (3.239) | (61.407) | (4.579) | (3.431) | (3.903) | (15.307) | |
| N | 820 | |||||||
| R2 | 0.468 | 0.205 | 0.225 | 0.400 | 0.288 | 0.246 | 0.231 | 0.305 |
2.就业状态差异。表6列(3)和列(4)的结果显示,对于情绪经常处于负面状态的青年,数字素养对已就业青年线上消费影响的估计参数值为0.224,且在1%水平上显著;数字素养对未就业青年线上消费影响的估计参数值为−0.372,不仅不显著,而且估计参数值为负。由此可见,对于情绪经常处于负面状态的青年,数字素养对已就业青年线上消费的影响大于未就业青年。可能的原因是,未就业青年的收入来源较少,大多可能依靠家庭、学校和国家的支持来生活,即使数字素养的提升使得他们有了更多的线上消费选择,但是较低的收入仍然抑制了他们的各项消费。这也与年龄差异分析中的青壮年的情况相契合,青壮年群体处于在读或未就业状态的青年比例相对中青年群体更多。而已就业的青年拥有更多的收入来源,数字素养的提升在扩展其线上消费视野的同时,良好的经济基础也促使他们可以为更多的悦己消费产品买单,进而促进他们的线上消费支出。
3.学历差异。表6列(5)和列(6)的结果显示,对于情绪经常处于负面状态的青年,数字素养对高学历青年线上消费影响的估计参数值为0.154,在统计学意义上不显著;数字素养对低学历青年线上消费影响的估计参数值为0.221,并且在5%的水平上显著。由此可见,对于情绪经常处于负面状态的青年,数字素养对大专以下的低学历青年线上消费的影响要大于高学历青年。可能的原因是,低学历青年的整体数字素养水平比高学历青年偏低,数字素养的提升为低学历青年带来了更广阔的线上消费视野,促使其购买新颖的悦己产品,而高学历青年大多已具有较好的消费视野,数字素养的提升对他们线上消费视野的提升作用较为有限。
4.数字信贷发展水平差异。表6列(7)和列(8)的结果显示,对于情绪经常处于负面状态的青年,在数字信贷发展水平较高的地区,数字素养对青年线上消费影响的估计参数值为0.262,在5%水平上显著为正;在数字信贷发展水平较低的地区,数字素养对青年线上消费影响的估计参数值为0.078,在统计意义上不显著。由此可见,对于情绪经常处于负面状态的青年,数字素养对数字信贷发展水平较高地区青年的线上消费影响比数字信贷发展水平较低地区青年更大。可能的原因是,数字信贷发展水平较高的地区,数字信贷产品种类丰富,数字信贷门槛较低,数字素养较高的青年可接触到更多的数字信贷产品,青年借贷来源得到扩展,从而使青年可以有更多的资金投入各种消费产品;而数字信贷发展水平较低地区的青年,即使其自身数字素养水平得到一定程度的提升,也无法享受更多的数字信贷产品红利,资金来源无法得到拓展,因而数字素养的提升对消费未能产生较大的促进作用。
(六) 进一步分析为进一步验证情绪在数字素养影响青年线上消费中发挥的作用,基于基准回归的划分,本文将情绪经常处于负面状态青年样本的情绪量表由低到高分为3档:将2014年回答“有一些时候”等同于2016年和2018年回答“有些时候”,将2014年回答“一半时间和经常”等同于2016年和2018年回答“经常有”,将2014年回答“几乎每天”等同于2016年和2018年回答“大多数时候有”。在此基础上,纳入上文情绪不常处于负面状态青年样本,本文根据青年样本情绪负面程度由低到高再划分为4组作进一步分析。表7列(1)−(4)汇报了回归结果,列(1)为情绪不常处于负面状态的青年样本的回归结果,列(2)−(4)为情绪处于负面状态频率由“有些时候”到“几乎每天”的青年样本的回归结果。结果显示,对于情绪经常处于负面状态青年样本,数字素养对青年线上消费的影响均显著为正,并且均在5%及以上水平显著,且随着情绪负面程度的加深,数字素养对青年线上消费影响的参数值由0.265增加到2.640。这说明随着青年情绪负面程度的加深,数字素养的提升对青年线上消费的促进作用确实在逐渐增强,本文假说1的结论进一步得到验证。
| 变量 | (1) payment | (2) payment | (3) payment | (4) payment |
| digital | 0.029 | 0.265*** | 0.642** | 2.640*** |
| (0.107) | (0.082) | (0.311) | (0.000) | |
| controls | 控制 | 控制 | 控制 | 控制 |
| ID | 控制 | 控制 | 控制 | 控制 |
| Year | 控制 | 控制 | 控制 | 控制 |
| _cons | −7.152 | −2.400 | −3.561 | −80.667*** |
| (4.700) | (2.793) | (39.004) | (0.000) | |
| N | 890 | 276 | ||
| R2 | 0.309 | 0.283 | 0.537 | 1.000 |
本文进一步探究数字素养不同维度对情绪经常处于负面状态青年线上消费的影响。基本技能与信息能力维度(Q1)的回归结果显示,数字素养的基本技能与信息能力维度对青年线上消费影响的估计参数值为0.089,且在5%水平上显著;社交能力维度(Q2)的回归结果显示,数字素养的社交能力维度对青年悦己消费影响的估计参数值为0.152,且在1%水平上显著。综合来看,对于情绪经常低落的青年,数字素养的社交能力维度对青年线上消费的影响要大于基本技能与信息能力维度。可能的原因是,随着智能手机和互联网的普及,一些手机、电脑等电子产品的基本使用技能和信息搜索功能已经被青年广泛掌握,基本技能与信息能力所带来的边际效用也在逐渐递减,而数字化社交在青年的工作、生活和消费中逐渐发挥越来越关键的作用,青年通过增强社交能力,了解到更多悦己消费产品与来源,并且良好的社交能力还可以让青年更好地享受悦己消费带来的情绪满足。
五、结论与建议本文选取CFPS 2014—2022年共12 014个青年样本,构建了数字素养影响青年线上消费的指标和计量模型,从情绪的视角探讨了数字素养对青年线上消费的影响机制。主要研究结论如下:第一,数字素养已成为情绪经常处于负面状态青年释放消费潜力的关键个体禀赋。对于情绪经常处于负面状态的青年,数字素养每提升1个单位,青年线上消费将提升25.5%。第二,数字素养对青年线上消费的影响具有多路径协同效应。数字素养的提升可以通过缓解借贷约束、扩大社会网络以及拓展知识边界有效促进青年线上消费。第三,具有数字素养的青年线上消费赋能效应存在显著的群体异质性与场景差异性。具体而言,数字素养对青年线上消费的影响随年龄上升、学历下降而增大,且这一影响在已就业青年和数字信贷发达地区青年中更为明显。第四,在采用多种方法进行稳健性和内生性检验后,本文研究结论依旧稳健。第五,进一步研究发现,在数字素养的细分维度中,数字素养的社交能力维度对青年线上消费的影响要大于基本技能与信息能力维度。
基于本文的研究结论,可以得出如下政策启示:第一,提升青年数字素养,完善数字人才培养体系。首先,政府应当持续强化对年轻群体数字素养教育与培训的投入力度,加大对青年等重点群体的宣传力度,强化青年数字意识,进一步提高青年群体整体数字素养水平。其次,在加强青年群体数字素养教育过程中,对学历层次较低、年龄较高的青年群体应该重点关注,增加数字素养相关的继续教育和培训。并且对已就业青年,还应结合行业特色进行相应的数字素养与技能专项提升,增强他们的专业工作能力。此外,针对数字信贷水平发展较好的地区也应重点提高数字素养普及教育,让青年数字素养水平的提升与数字金融发展同步;而针对数字信贷发展相对落后的地区,政府要不断优化这些地区的数字基础设施建设,增加落后地区的数字资源供给,尤其是加大数字基础设施普及,确保这些地区的青年能够平等享受数字红利,缩小数字鸿沟,为高水平数字素养人才的培养营造出良好的社会环境。第二,针对青年群体,要缓解流动性约束、拓展社会网络与知识边界。金融监管等部门应推动出台针对性金融支持政策,引导企业和银行针对青年群体开发和出台有针对性、多样化的金融产品和消费补贴措施,提高青年群体消费贷款额度,降低青年信贷难度。同时,高校和政府也要加强青年群体数字金融素养的培养,引导青年探索和使用正规、可靠的金融产品。政府、企业和高校应组织数字素养交流活动,支持青年利用数字化工具自主学习,引导青年通过悦己消费释放压力。第三,加快消费提质升级,培育新型消费。有关部门与企业应密切关注青年消费趋势与偏好变化,推动消费品优化升级,满足青年等需求方的真切需求,引导产品供给多样化,以产品供给端的优化升级带动情绪消费市场规模的扩大。同时,应促进青年高质量充分就业,通过稳定收入进一步释放消费潜力。
| [1] | 都阳, 贾朋, 朴之水. 计算机使用的劳动力市场回报[J].经济学(季刊),2023(2). |
| [2] | 樊轶侠, 王正早. 数字技术赋能低碳消费: 理论机制与推进方略[J].改革,2024(3). |
| [3] | 管健. “情绪经济”: 展现消费新场景[J].人民论坛,2024(6). |
| [4] | 何婧, 李庆海. 数字金融使用与农户创业行为[J].中国农村经济,2019(1). |
| [5] | 姜参, 赵宏霞. B2C网络商店形象、消费者感知与购买行为[J].财经问题研究,2013(10). |
| [6] | 李涵, 冷萱. 超大规模市场、物流效率与线上消费[J].经济研究,2023(11). |
| [7] | 李磊, 王小霞, 包群. 机器人的就业效应: 机制与中国经验[J].管理世界,2021(9). |
| [8] | 李睿, 陈攀宇, 殷允强. 数字素养与家庭金融资产配置[J].系统工程理论与实践,2024(7). |
| [9] | 梁爽, 张海洋, 平新乔, 等. 财富、社会资本与农户的融资能力[J].金融研究,2014(4). |
| [10] | 卢长宝, 邓新秀, 林嗣杰. 前瞻性情绪及其对购买意向影响的演化过程——基于“双十一”网络大促的多时点调查研究[J].北京工商大学学报(社会科学版),2021(5). |
| [11] | 马光荣, 杨恩艳. 社会网络、非正规金融与创业[J].经济研究,2011(3). |
| [12] | 苏岚岚, 彭艳玲, 周红利. 共同富裕背景下农户数字经济参与的收入效应及作用机制[J].中国农村经济,2024(8). |
| [13] | 孙晓华, 郭旭, 范世龙. 社会网络、技能提升与就业地选择[J].经济研究,2023(5). |
| [14] | 涂先进, 谢家智, 张明. 二元金融对家庭消费的虚拟财富效应分析[J].中央财经大学学报,2018(5). |
| [15] | 王海军, 葛晨. 数字素养促进了青年高质量充分就业吗?[J].上海财经大学学报,2024(3). |
| [16] | 王军, 王杰, 李治国. 数字金融发展与家庭消费碳排放[J].财经科学,2022(4). |
| [17] | 王林辉, 钱圆圆, 周慧琳, 等. 人工智能技术冲击和中国职业变迁方向[J].管理世界,2023(11). |
| [18] | 王奇, 晋晓姝, 王子奇. 数字信用与中国家庭消费: 理论模型和经验证据[J].数量经济技术经济研究,2025(3). |
| [19] | 王修华, 熊鑫. 数字金融发展对居民社会资本积累的影响——来自中国家庭追踪调查的证据[J].经济学动态,2024(10). |
| [20] | 王志刚, 胡宁宁. 双重社会网络视角下的家庭消费行为研究[J].中国经济问题,2024(4). |
| [21] | 吴茜. 数字普惠金融对农户共同富裕的影响研究[J].改革,2024(10). |
| [22] | 杨江华, 杨思宇. 中国公民数字素养的概念测量与特征差异研究[J].新闻与传播研究,2023(9). |
| [23] | 易行健, 周利. 数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据[J].金融研究,2018(11). |
| [24] | 尹艳林. 切实推动高质量发展: 经验、要求与任务[J].经济研究,2023(8). |
| [25] | 张广来, 张宁. 健康中国战略背景下空气污染的心理健康效应[J].中国人口·资源与环境,2022(2). |
| [26] | 张勋, 杨桐, 汪晨, 等. 数字金融发展与居民消费增长: 理论与中国实践[J].管理世界,2020(11). |
| [27] | 周闻宇, 袁哲, 周默涵, 等. 空气污染如何影响线上消费——来自淘系电商平台的证据[J].数量经济技术经济研究,2025(1). |
| [28] | Acemoglu D, Autor D, Hazell J, et al. Artificial intelligence and jobs: Evidence from online vacancies[J].Journal of Labor Economics,2022,40(S1):S293–S340. |
| [29] | Bless H, Clore G L, Schwarz N, et al. Mood and the use of scripts: Does a happy mood really lead to mindlessness?[J].Journal of Personality and Social Psychology,1996,71(4):665–679. |
| [30] | Lowry P B, Vance A, Moody G, et al. Explaining and predicting the impact of branding alliances and web site quality on initial consumer trust of E-commerce web sites[J].Journal of Management Information Systems,2008,24(4):199–224. |
| [31] | Lu B J, Chen Z J. Live streaming commerce and consumers’ purchase intention: An uncertainty reduction perspective[J].Information & Management,2021,58(7):103509. |
| [32] | Standifird S S. Reputation and e-commerce: eBay auctions and the asymmetrical impact of positive and negative ratings[J].Journal of Management,2001,27(3):279–295. |
| [33] | Wang H J, Ge C, Du X C, et al. Does digital literacy reduce intergenerational income dependency?[J].International Review of Financial Analysis,2024,95:103389. |