一、 问题的提出

随着中国人口老龄化程度的加深，健康管理、健康投资在中国经济发展和居民生活中的地位变得日益重要。国家统计局数据显示，1978—2019年，中国健康支出在GDP中的占比由3.0%增长到6.6%，人均健康支出由11.45元上升至697.12元，涨幅超60倍 ^①。与此同时，伴随中国互联网技术的发展，居民对健康服务的需求发生了深刻变化，健康服务的供给形式也日益互联网化、数字化。特别是新冠疫情暴发以来，居民对在线健康服务的需求呈现井喷式增长，截至2023年6月，在线医疗用户规模达到3.64亿人，在中国全部网民数量中的占比为33.8% ^②。互联网技术与医疗健康领域融合不断深化，网上就医、电子病历、互联网医保等新兴医疗形式，为居民健康服务带来了前所未有的即时性和便利性，影响着家庭对自身健康的关注与投资^[1]。在此背景下，研究互联网使用对中国家庭健康投资的影响，对于健全医疗保障体系、建设全民健康型社会、推动中国经济高质量发展具有重要意义。

事实上，经济学对健康的关注由来已久。很早之前就有经济学家指出，健康与教育一样，也是重要的人力资本，对于健康的投资能够延长劳动者的工作年限，为社会提供身心素质较高的劳动力，促进国家经济增长和精神文明建设^[2-3]。进入互联网时代，互联网使用对居民健康的影响引起了学者们的关注。Sillence等认为，互联网使用能够提升信息传播的速度和效率，增加优质医疗服务资源的可及性^[4]1853-1862。也有学者认为，互联网能够通过增加居民收入和锻炼频率来提高居民的身体健康水平^[5]，以及通过增加学习频率来提高居民的心理健康水平^[6]。此外，随着网络支付方式的兴起，移动支付使得付款行为更加灵活便捷，有利于增加家庭在健康方面的消费和投资支出^[7]。

值得注意的是，虽然已有研究对信息技术使用与健康投资之间的关系进行了诸多方面的探讨，但是仍存在一些明显的不足。首先，针对互联网使用对家庭健康投资的影响的研究十分有限，已有研究主要讨论互联网使用对居民健康水平的作用，或新型网络支付工具对健康投资的影响，未能深入探讨互联网使用情况对健康投资的影响；其次，已有研究关注的对象多是“被动型”的健康支出或健康消费，缺乏对“主动型”、预防性健康投资的关注。

鉴于此，笔者拟使用中国家庭追踪调查（CFPS）2014年、2016年、2018年的面板数据，系统研究互联网使用对居民健康投资的影响，并对可能的机制进行检验，以期填补目前研究中的空白。

二、 文献回顾

（一） 健康投资的概念

健康是人力资本的重要组成部分，提高健康人力资本水平能够增加健康时间、提高工作效率、提高工资率和增加个体效用^[8]1-111。Grossman认为，健康资本是耐用资本存量，可以维持或增加健康资本的投入即是健康投资，包括时间消耗以及医疗健康、饮食、锻炼、住房等方面所需的资金投入^[8]1-111。张海鹰和唐钧副认为，在宏观方面，健康投资是指能够改善人类遗传因素，发展卫生事业，改善不利于人类健康的生活方式、生产和生活环境，提高人们营养水平而进行投入的各种资源；在微观方面，是指个人或家庭为增进、保护或恢复正常的健康水平而投入的时间、财力和物力^[9]。黄运武认为，健康投资兼具生产和消费两个方面的特性，即健康投资不仅会促进经济增长和社会进步，同时也是人们享受经济发展成果的表现^[10]。借鉴现有研究，结合研究主题，笔者将健康投资定义为：个人和家庭为预防可能的疾病和维持健康的体魄而投入的时间和卫生保健费用。

经济发展水平、科学技术进步、传统文化氛围、家庭生命周期等都会影响居民对健康的投资^[8]1-111。在诸多影响因素中，以互联网为代表的数字技术对健康投资具有重要影响。一方面，互联网使用对居民健康行为产生影响。对青年人而言，互联网使用有利于其形成更加良好的作息和饮食习惯^[11]；对老年人而言，互联网使用能够增加其锻炼身体的频率^[12]。另一方面，互联网使用也会影响居民的健康投资支出。信息技术的使用不仅会影响健康服务的可及性，也会影响健康投资的成本和效率^[13]。家庭互联网使用带来的医疗信息溢出，增加了居民健康支出地点可供选择的范围，使其去高质量健康服务机构的概率增加^[14]。家庭移动支付工具的使用可以通过降低交易成本和增加社会资本来增加家庭医疗类支出^[7]。总体而言，信息技术的使用会影响家庭健康投资，但现有研究尚未从预防性健康投资的角度进行分析，而且多基于国外数据和截面数据，结果往往因无法控制家庭固定效应而易产生偏差。鉴于此，笔者拟使用较为翔实的面板数据，从预防未来健康风险的角度分析互联网使用对家庭健康投资产生的影响。

（二） 互联网使用影响家庭健康投资的机制

虽然目前有不少关于健康投资的研究，但是尚未有文献梳理信息技术的使用影响健康投资可能的机制。总结已有文献，笔者认为，互联网使用至少可以通过以下两种途径影响居民的健康投资。

首先，互联网使用可能会影响居民对健康信息的获取成本，进而影响家庭健康投资。互联网可以低成本共享和传递信息，且互联网提供的健康信息具有交互性、信息定制和匿名性的优势^[15]。相较于线下健康咨询，线上健康咨询节省了居民前往医疗机构的时间、交通和食宿成本，降低了居民为获取健康信息付出的费用，同时，大数据的精准定位和推送，使居民能够获得更具针对性的健康信息^[4]1853-1862，因此，居民越来越倾向使用网络来获取健康信息^[16]。此外，互联网使用为居民提供了信息丰富的环境，增加了居民频繁进行信息交换的机会，提高了居民获得、理解和处理健康信息的能力^[17]。当然，网络获取的健康信息如果过于丰富，也可能会引发使用者的健康焦虑，这也会进一步增加互联网使用者就医行为发生的概率^[18-19]。总之，互联网使用能获取丰富且具有针对性的健康信息，有利于增加居民的健康知识储备，提高居民对自身和家人健康的关注度，进而有利于促进家庭为降低未来的健康风险而进行投资。

其次，互联网使用通过影响居民对同辈健康行为的感知，进而影响家庭健康投资。互联网使用打破了时空界限，扩大了居民的社交范围。随着社交软件的使用，社交网络中不同居民之间的疾病或健康行为信息得到了快速高效的传播，增加了居民了解其他人（同社区或同出生队列人群）的健康投资行为信息的概率，也增加了来自同辈的健康投资的压力。殷乐和李艺的研究表明，超过一半的网民每天至少分享一次日常生活或经验性知识^[20]；杜松平的研究显示，个体通常依靠他人分享的经验知识或行为，做出同质化的决策^[21]；Kwon等的研究发现，使用互联网的居民会在同辈压力的作用下，增加对健康类软件的下载和使用^[22]。总之，随着社交类、运动类、医疗类软件的广泛使用，借助互联网强大的传播功能，同辈健康信息交流不断增强，这也给居民带来了来自同辈的健康投资的压力，进而影响居民的家庭健康投资。

综上所述，笔者认为，互联网使用会通过增加信息资本、感知同辈压力这两种渠道对居民的健康投资产生显著影响。因此，笔者将使用CFPS数据来对上述问题进行实证分析。

三、 研究设计

（一） 模型设定

笔者使用双向固定效应模型分析互联网使用对家庭健康投资产生的影响。回归模型为

式中：$ {h}_{it} $为第t年第i个家庭的家庭健康投资；$ {I}_{it} $为家庭互联网的使用情况；$ {F}_{it} $为户主、配偶及家庭的一系列特征；$ {T}_{t} $为时间固定效应；$ {\nu }_{i} $为家庭固定效应；${\alpha }_{0} $为截距项；${\beta }_{0} $为$ {I}_{it} $的回归系数；$\gamma $为${F}_{it} $的回归系数；$ {\mu }_{it} $为随机扰动项。该模型使用稳健标准误。

（二） 数据说明与变量构造

1.  数据说明

笔者使用的数据来源于CFPS。截至目前，CFPS已经进行了6轮追踪调查，分别为2010年、2012年、2014年、2016年、2018年、2020年进行的调查。调查地点涵盖25个省（自治区、直辖市），人口数在全国人口总数中的占比约为95%，所以调查数据可以视为具有全国代表性的样本。笔者使用了CFPS数据中2014年、2016年、2018年这3个年份的面板数据 ^③，数据记录了个体特征、家庭特征、个体行为态度等信息。经过数据清洗处理后，每1个观测值代表1个家庭，最终得到的总样本中家庭观测值为35 736个，其中，户主及其配偶个人特征信息完整的观测值为30 283个。

2.  变量构造

（1）被解释变量

为了精准刻画互联网使用对健康投资的影响，主要构造两个被解释变量，分别为是否进行健康投资和健康投资规模。笔者借鉴樊桦的研究^[23]，使用“家庭保健支出的金额” ^④作为度量健康投资规模的主要指标；“是否进行保健支出”作为度量是否进行健康投资的指标。原因在于，家庭将部分收入用于保健支出，可以使家庭成员保持更加健康的身体和精神状态，提高自身健康人力资本水平，减少生病时长从而增加工作时间，提高工作效率^[24]。为了减弱异方差问题，在回归分析中对保健支出金额加1并取对数。针对是否进行健康投资被解释变量，如果保健支出金额大于0，赋值为1；如果保健支出金额等于0，赋值为0。

（2）解释变量

针对微观家庭问题，已有研究主要使用“是否使用互联网”来衡量个人或家庭的互联网使用情况^[25]。因此，笔者研究中的核心自变量选取“是否上网” ^⑤作为度量互联网使用的指标。

（3）控制变量

考虑到健康投资会受到其他因素的影响，为了更加精细地刻画家庭的特征，分别选取家庭层面、户主及其配偶层面特征作为控制变量。家庭层面控制变量包括：家庭规模，即家庭常住人口数；家庭人均收入，用家庭年总收入（元）除以家庭人口规模来度量，并取对数处理；家庭房产总值，即调查时家庭总房产当前市值（元），并取对数处理；家庭抚养比，即家庭中18岁以下未成年人和65岁及以上老人总人数与家庭中18～64岁人口数之比。户主层面控制变量包括：年龄，接受调查时的周岁年龄，考虑到年龄可能存在非线性影响，因此加入年龄的平方项；性别，男性赋值为1，女性赋值为0；婚姻状态，已婚赋值为1，未婚或离异赋值为0；受教育水平，分为5类，分别为文盲、小学、初中、高中、大专及以上；是否为城镇人口，城镇人口赋值为1，农村人口赋值为0；是否为党员，党员赋值为1，非党员赋值为0；健康自评水平，赋值为1～5，数值越大代表越健康；经济水平，为户主收入在本地的水平，赋值为1～5，数值越大代表经济水平越高；是否受到健康冲击，过去两周内有身体不适情况赋值为1，否则赋值为0；BMI指数，为体重（千克）除以身高（米）的平方。配偶层面控制变量包括：受教育水平、健康自评水平、是否受到健康冲击、BMI指数，设定方式与户主相应变量的赋值方式相同。变量描述性统计结果，如表1所示。

表  1  变量描述性统计结果

变量	观测值	均值	方差	最小值	最大值
健康投资规模	35 736	0.961	2.444	0	9.616
是否进行健康投资	35 736	0.139	0.346	0	1.000
互联网使用	35 736	0.344	0.475	0	1.000
家庭规模	35 736	3.668	1.654	1.000	11.000
家庭人均收入	35 736	9.173	1.396	0	11.801
家庭房产总值	35 736	3.288	2.391	0	13.459
家庭抚养比	35 736	0.567	0.571	0	3.000
年龄	35 736	50.839	14.138	18.000	95.000
性别	35 736	0.519	0.499	0	1.000
婚姻状态	35 736	0.855	0.352	0	1.000
受教育水平	35 736	2.581	1.238	1.000	5.000
是否为城镇人口	35 736	0.490	0.500	0	1.000
是否为党员	35 736	0.073	0.260	0	1.000
健康自评水平	35 736	2.840	1.219	1.000	5.000
经济水平	35 736	2.593	1.035	1.000	5.000
是否受到健康冲击	35 736	0.336	0.472	0	1.000
BMI指数	35 736	23.223	3.283	15.609	33.967
配偶受教育水平	30 283	2.584	1.205	1.000	5.000
配偶健康自评水平	30 283	2.845	1.211	1.000	5.000
配偶是否受到健康冲击	30 283	0.331	0.471	0	1.000
配偶BMI指数	30 283	23.352	3.241	15.871	33.949

下载: 导出CSV 

| 显示表格

四、 实证结果与分析

（一） 基准回归结果

基于双向固定效应模型回归的互联网使用对家庭健康投资影响的估计结果，如表2所示。由表2可知，是否进行健康投资（1）～是否进行健康投资（3）的结果显示，在控制家庭固定效应和年份固定效应的前提下，依次加入家庭、户主及其配偶的特征，互联网使用对家庭是否进行健康投资存在稳健的显著正向影响。是否进行健康投资（3）的结果显示，在控制家庭、户主及其配偶的特征后，互联网使用的估计系数为3.2%，且在1%的水平下显著，表明互联网使用显著增加了家庭健康投资的概率。健康投资规模（1）～健康投资规模（3）的结果显示，在控制家庭固定效应和年份固定效应的前提下，依次加入家庭、户主及其配偶的特征，互联网使用依然会对家庭健康投资规模存在显著正向影响。健康投资规模（3）的结果显示，互联网使用显著提升了家庭预防性健康支出规模，即互联网使用可使家庭健康投资规模平均增加22.5%。综上可知，互联网使用对家庭健康投资存在显著正向影响。

表  2  互联网使用对家庭健康投资的影响估计结果

变量	是否进行健康投资				健康投资规模
	（1）	（2）	（3）		（1）	（2）	（3）
互联网使用	0.050***	0.032***	0.032***		0.347***	0.224***	0.225***
	(0.006)	(0.006)	(0.007)		(0.041)	(0.044)	(0.048)
家庭规模		0.007***	0.007***			0.047***	0.049***
		(0.002)	(0.002)			(0.012)	(0.013)
家庭人均收入		0.009***	0.009***			0.064***	0.060***
		(0.002)	(0.002)			(0.012)	(0.014)
家庭房产总值		0.004***	0.003***			0.034***	0.026***
		(0.001)	(0.001)			(0.008)	(0.008)
家庭抚养比		0.003	0.005			0.025	0.032
		(0.007)	(0.008)			(0.047)	(0.055)
年龄		−0.002	−0.001			−0.012	−0.004
		(0.002)	(0.002)			(0.012)	(0.017)
年龄的平方		0.000	−0.000			0.000	−0.000
		(0.000)	(0.000)			(0.000)	(0.000)
性别		−0.002	0.000			−0.015	−0.001
		(0.006)	(0.006)			(0.039)	(0.041)
婚姻状态		−0.003	0.022			−0.003	0.213
		(0.011)	(0.022)			(0.075)	(0.158)
受教育水平		0.019***	0.077**			0.133***	0.373*
		(0.004)	(0.033)			(0.030)	(0.217)
是否为城镇人口		0.022*	0.025**			0.135*	0.167**
		(0.011)	(0.012)			(0.077)	(0.084)
是否为党员		0.023**	0.020			0.181**	0.160*
		(0.011)	(0.012)			(0.080)	(0.086)
健康自评水平		0.001	0.225			0.009	0.685
		(0.002)	(0.173)			(0.013)	(1.382)
经济水平		0.002	0.000			0.016	0.008
		(0.002)	(0.002)			(0.014)	(0.016)
是否受到健康冲击		0.022***	0.087***			0.145***	0.566***
		(0.005)	(0.030)			(0.034)	(0.213)
BMI指数		−0.000	−0.003			−0.003	−0.017
		(0.001)	(0.006)			(0.008)	(0.043)
配偶受教育水平			−0.059*				−0.247
			(0.034)				(0.219)
配偶健康自评水平			−0.224				−0.681
			(0.173)				(1.381)
配偶是否受到健康冲击			−0.070**				−0.453**
			(0.031)				(0.217)
配偶BMI指数			0.002				0.010
			(0.006)				(0.044)
常数项	0.122***	0.006	−0.021		0.842***	−0.022	−0.220
	(0.003)	(0.055)	(0.074)		(0.017)	(0.374)	(0.505)
家庭固定效应	是	是	是		是	是	是
年份固定效应	是	是	是		是	是	是
R2	0.553	0.556	0.559		0.580	0.583	0.589
观测值	35 736	35 736	29 835		35 736	35 736	29 835
注：括号内数值为稳健标准误；***，**，*分别代表1%，5%，10%的显著性水平；−0.000和0.000为该数据四舍五入后保留三位小数位所得，非0。下表同。

下载: 导出CSV 

| 显示表格

（二） 内生性问题处理

上述估计结果可能受到内生性问题的影响：一方面，来源于不可观测的遗漏变量问题，如家庭对健康的偏好、户主及其配偶对互联网使用的偏好、家庭的理财能力等，这些变量不仅影响家庭的互联网使用情况，同时也会影响家庭对健康的投资；另一方面，来源于反向因果问题，如健康投资较多的家庭更可能使用互联网来寻找更多的健康信息。

针对上述内生性问题，笔者采用工具变量方法来缓解该问题带来的估计偏误。在工具变量的构造上，借鉴张景娜和张雪凯^[26]以及谢绚丽等^[27]的研究，使用县级层面参与网购人员的占比作为个人是否使用互联网的工具变量。家庭互联网使用情况与县级层面参与网购人员的占比存在相关性，县级层面参与网购人员的占比越高，家庭使用互联网的概率越大。与此同时，县级层面参与网购人员的占比对家庭健康投资并不会产生直接影响，而且县级层面的网购数据只能通过家庭使用互联网这唯一的途径来影响家庭健康投资。工具变量的Hausman检验结果显示，在1%的置信水平上拒绝是否使用互联网为严格外生变量；弱工具变量检验结果是54.921，表明拒绝弱工具变量假设。工具变量估计结果，如表3所示。

表  3  工具变量估计结果

变量	是否进行健康投资			健康投资规模
	一阶段	二阶段		一阶段	二阶段
互联网使用		0.365***			2.615***
		(0.137)			(0.940)
县级层面参与网购人员 占比	0.302***			0.302***
	(0.091)			(0.091)
控制变量	控制	控制		控制	控制
家庭固定效应	是	是		是	是
年份固定效应	是	是		是	是
F值	52.37			52.37
弱工具变量检验 （Cragg-Donald Wald F）	54.921
观测值	29 377	29 377		29 377	29 377

下载: 导出CSV 

| 显示表格

由表3可知，是否进行健康投资一阶段的结果显示，在控制家庭固定效应、年份固定效应以及加入所有控制变量的前提下，县级层面网购人员的占比与家庭是否使用互联网在1%的置信水平上存在显著正相关关系。是否进行健康投资二阶段的结果显示，使用工具变量后，互联网使用在1%的置信水平上对家庭健康投资有促进作用。健康投资规模二阶段结果显示，互联网使用在1%的置信水平上显著增加了家庭健康投资规模。综上可知，在处理内生性问题后，基准回归结果仍然具有稳健性。

（三） 稳健性检验

首先，为了防止家庭互联网使用度量指标带来的估计偏误，笔者通过更换家庭使用互联网的度量方式来检验结果的稳健性。笔者分别利用户主互联网使用时长、配偶是否使用互联网、家庭互联网使用占比来度量家庭使用互联网情况。家庭互联网使用占比是用家庭使用互联网人数在家庭总人口中的占比来度量的。更换互联网使用的度量方式后的回归结果，如表4所示。由表4可知，是否进行健康投资（4）～是否进行健康投资（6）的结果显示，在控制家庭固定效应和年份固定效应的前提下，户主互联网使用时长增加、配偶使用互联网、家庭互联网使用占比增加，都会显著提高家庭健康投资的概率。健康投资规模（4）～健康投资规模（6）的结果显示，户主互联网使用时长增加、配偶使用互联网、家庭互联网使用占比增加，都会显著增加家庭健康投资规模。综上可知，更换家庭互联网使用度量方式后，结果仍然具有稳健性。

表  4  更换互联网使用的度量方式后的回归结果

变量	是否进行健康投资				健康投资规模
	（4）	（5）	（6）		（4）	（5）	（6）
户主互联网使用时长	0.002***				0.015***
	(0.000)				(0.003)
配偶是否使用互联网		0.032***				0.225***
		(0.007)				(0.048)
家庭互联网使用占比			0.030**				0.191**
			(0.012)				(0.082)
控制变量	控制	控制	控制		控制	控制	控制
家庭固定效应	是	是	是		是	是	是
年份固定效应	是	是	是		是	是	是
R2	0.560	0.559	0.559		0.589	0.588	0.588
观测值	29 837	29 836	29 837		29 837	29 836	29 837

下载: 导出CSV 

| 显示表格

其次，为了排除家庭健康投资的度量方式可能产生的偏误，笔者采取以下方法来重新进行度量：一是将户主过去一周的锻炼次数、过去一周的锻炼时长、过去一周是否锻炼作为家庭健康投资的测量指标进行分析。更换健康投资的度量方式后的回归结果，如表5所示。由表5可知，互联网使用增加了居民每周的身体锻炼概率、锻炼次数及锻炼时长。使用互联网增加了家庭对身体健康的时间投入，有助于居民保持更加健康的生活习惯。二是为了更好地刻画居民对健康投资的重视程度，笔者使用保健支出在总支出中的占比和保健支出在总收入中的占比，进一步分析互联网使用对家庭健康投资重视程度的影响。由表5可知，互联网使用显著增加了保健支出在家庭总收入和家庭总支出中的占比，这表明互联网使用提高了人们对健康投资的重视程度。综上可知，更换健康投资度量指标后，结果仍然具有稳健性。

表  5  更换健康投资的度量方式后的回归结果

变量	过去一周锻炼次数	过去一周锻炼时长	过去一周是否锻炼	保健支出在总收入中的占比	保健支出在总支出中的占比
互联网使用	0.148**	0.445*	0.051***	0.118**	0.150*
	(0.063)	(0.218)	(0.010)	(0.050)	(0.078)
控制变量	控制	控制	控制	控制	控制
家庭固定效应	是	是	是	是	是
年份固定效应	是	是	是	是	是
R2	0.565	0.488	0.569	0.552	0.537
观测值	29 837	29 837	29 837	28 855	29 718

下载: 导出CSV 

| 显示表格

（四） 异质性分析

由于家庭所在区域特征不尽相同，家庭收入及人口特征也各异，互联网使用对不同家庭健康投资的影响程度也可能不尽相同。接下来，笔者依据是否为城镇人口、家庭人均收入、受教育水平、年龄 ^⑥等因素来探讨互联网使用对不同群体健康投资的异质性影响。异质性分析结果，如表6所示。由表6可知，是否进行健康投资（7）和健康投资规模（7）的结果表明，互联网使用对城镇人口的促进作用大于非城镇人口。这可能是由于优质医疗资源主要分布在城镇地区，城镇地区医疗资源可及性较高，互联网使用对城镇家庭健康投资影响的弹性较大。是否进行健康投资（8）和健康投资规模（8）的结果表明，互联网使用对户主具有较高受教育水平的家庭的健康投资的促进作用大于户主受教育水平较低的家庭，受教育水平较高的群体往往能够更好地利用互联网来为自己的健康需求服务。是否进行健康投资（9）和健康投资规模（9）的结果表明，互联网对高收入家庭健康投资的促进作用大于低收入家庭。这可能是由于高收入家庭的资金约束相对较小，因而互联网使用对健康投资影响的弹性较大。是否进行健康投资（10）和健康投资规模（10）的结果表明，互联网使用对户主已退休家庭的健康投资的促进作用较大。这可能是因为户主年龄较大的家庭对健康投资的需求较高，互联网使用能够更加便捷地满足他们自身的健康投资需求。综上可知，异质性分析结果表明，互联网使用对城镇人口、高收入家庭，以及户主具有较高受教育水平和户主年龄较大的家庭健康投资的提升作用较大。

表  6  异质性分析结果

变量	是否进行健康投资					健康投资规模
	（7）	（8）	（9）	（10）		（7）	（8）	（9）	（10）
互联网使用	0.025***	0.025***	0.017**	0.028***		0.156**	0.167***	0.095*	0.189***
	(0.009)	(0.007)	(0.008)	(0.007)		(0.062)	(0.050)	(0.055)	(0.048)
互联网使用×城镇人口	0.014					0.142*
	(0.012)					(0.083)
互联网使用×受教育水平		0.033*					0.267**
		(0.018)					(0.123)
互联网使用×家庭人均收入			0.029**					0.255***
			(0.013)					(0.086)
互联网使用×年龄				0.030*					0.280*
				(0.017)					(0.143)
控制变量	控制	控制	控制	控制		控制	控制	控制	控制
家庭固定效应	是	是	是	是		是	是	是	是
年份固定效应	是	是	是	是		是	是	是	是
R2	0.559	0.559	0.559	0.559		0.589	0.589	0.589	0.589
观测值	29 837	29 837	29 837	29 837		29 837	29 837	29 837	29 837

下载: 导出CSV 

| 显示表格

五、 影响机制分析

综上所述，互联网使用影响居民健康投资的机制可能包括以下两个方面：一方面，互联网使用降低了信息搜寻和获取成本，增加了健康信息资本积累，从而影响家庭对健康的重视程度；另一方面，网民之间与健康相关的交流增多，更易感知到来自同辈的健康压力，从而影响家庭健康投资。借鉴温忠麟和叶宝娟的研究^[28]，笔者使用中介效应模型来对这两个机制进行验证。

（一） 信息资本机制

借助互联网获得的信息通常更加丰富、全面且具有针对性，个体越依赖从互联网获得信息，则表明其能够获得的信息越多，信息资本越高。因此，笔者将以互联网使用为信息来源的重要程度作为信息资本的度量指标，赋值为1表示以使用互联网为信息来源的重要程度较高，赋值为0则表示以使用互联网为信息来源的重要程度较低。信息资本机制的检验结果，如表7所示。由表7可知，信息资本结果显示，使用互联网显著增加了家庭信息资本，使家庭可以获得更多的健康信息。是否进行健康投资（12）的结果显示，在加入信息资本机制变量后，相较于基准回归结果，从互联网获得的信息资本不仅显著提高了家庭健康投资的概率，而且互联网使用对健康投资影响的效应降低。同样，健康投资规模（12）结果显示，在加入信息资本机制后，相较于基准回归结果，互联网使用对家庭健康投资规模的提升作用有所降低。因此，表7的结果表明，家庭使用互联网通过获得更具针对性、更丰富的健康信息，增加健康知识储备，从而促进居民提高对自身以及家庭成员健康的投资。

表  7  信息资本机制检验结果

变量	信息资本	是否进行健康投资			健康投资规模
		（11）	（12）		（11）	（12）
互联网使用	0.523***	0.032***	0.027***		0.225***	0.205***
	(0.012)	(0.007)	(0.010)		(0.048)	(0.071)
信息资本			0.017**			0.111**
			(0.008)			(0.051)
控制变量	控制	控制	控制		控制	控制
家庭固定效应	是	是	是		是	是
年份固定效应	是	是	是		是	是
R2	0.758	0.559	0.584		0.589	0.614
观测值	24 409	29 837	24 409		29 837	24 409

下载: 导出CSV 

| 显示表格

（二） 同辈压力机制

同辈压力的测量指标借鉴陈彬莉和白晓曦的研究^[29]，使用网络社交频率 ^⑦来度量。网络社交越频繁，如更频繁的微信聊天、查看朋友圈或微博内容，都能使居民更多地了解同辈人的健康动态，感知更多来自同辈的压力。在赋值规则上，网络社交频率赋值为0～3，数值越大表示网络社交频率越频繁。同辈压力机制的检验结果，如表8所示。由表8可知，同辈压力的结果显示，互联网使用使居民能够感知到更多同辈人的健康或疾病信息，从而感知到更多来自同辈的压力。是否进行健康投资（14）的结果显示，在加入同辈压力变量后，相较于基准回归结果，居民感知到更多来自同辈的压力会对家庭健康投资有显著促进作用，且互联网使用对健康投资已无显著提升效应。同样，健康投资规模（14）的结果显示，感知到更多来自同辈的健康投资压力显著增加了家庭健康投资规模，且互联网使用对健康投资规模的促进作用不再显著。因此，表8的结果表明，感知到更多的来自同辈的压力，也是互联网使用促进家庭健康投资的有效机制。

表  8  同辈压力机制检验结果

变量	同辈压力	是否进行健康投资			健康投资规模
		（13）	（14）		（13）	（14）
互联网使用	1.760***	0.032***	0.008		0.225***	0.043
	(0.020)	(0.007)	(0.010)		(0.048)	(0.068)
同辈压力			0.014***			0.104***
			(0.004)			(0.028)
控制变量	控制	控制	控制		控制	控制
家庭固定效应	是	是	是		是	是
年份固定效应	是	是	是		是	是
R2	0.835	0.559	0.560		0.589	0.589
观测值	29 851	29 851	29 851		29 837	29 851

下载: 导出CSV 

| 显示表格

六、 结论与启示

（一） 结论

家庭健康投资关乎每个家庭成员的健康与人力资本状况，是影响经济发展的重要微观变量。随着“互联网+”、数字社会的到来，互联网使用改变了家庭对健康信息的获取方式，对家庭健康行为产生了重要影响，但尚未有研究探讨互联网使用对家庭预防未来健康风险而进行的健康投资是否具有显著影响。鉴于此，笔者基于CFPS微观调查数据，以保健支出作为健康投资的主要代理变量，并使用县级层面参与网购人员占比作为家庭互联网使用的工具变量，较为细致地考察了互联网使用对家庭健康投资的影响。研究发现，互联网使用显著促进了家庭健康投资，在处理可能存在的内生性问题后，这一结果仍然具有稳健性。具体而言，互联网使用促进家庭健康投资的规模平均增加22.5%。此外，异质性分析结果表明，互联网使用对城镇人口、高收入家庭，以及户主具有较高受教育水平和户主年龄较大的家庭的健康投资的提升效用更强。进一步地，机制分析结果表明，互联网使用有助于居民获得更多的信息资本以及感知到更多的来自同辈的压力，进而促进家庭健康投资的增加。

（二） 贡献

与现有文献相比，笔者研究的贡献如下：首先，从预防性健康投资的角度入手，研究互联网使用对家庭健康投资的影响，研究视角较为独特；其次，综合使用了双向固定效应模型、工具变量估计、中介效应模型等多种方法进行分析，并对可能的机制进行检验，研究结论更加稳健可靠。此外，研究还具有较为重要的政策价值：在全球健康人力资本对各国发展日益重要的时代背景下，考察互联网使用与家庭健康投资之间的关系，可以为提升中国健康人力资本，推进“健康中国”战略实施提供一定的有益参考。

（三） 政策启示

笔者的研究结果具有较为重要的政策意涵：首先，为提升中国家庭健康人力资本投资水平，确保经济条件中等及偏下家庭，特别是农村家庭能够充分享受到互联网发展带来的健康红利，应继续加快推进互联网基础设施建设，进一步提高互联网普及率；其次，应开展公益性互联网使用培训讲座，着力缩小不同群体之间的数字鸿沟，提高低收入和低学历群体利用互联网获得健康投资红利的机会；最后，应加强防范和惩治网络上的虚假健康信息，维护网络安全，尽可能减少居民使用互联网进行健康投资的风险。