观看短视频对农民工心理健康的影响

彭丹霞

华南农业大学经济管理学院，广东 广州 510642

0 引言

农民是农业农村发展的主体，也是实施乡村振兴战略的主体。农民工是我国城乡二元体制背景下出现的一类特殊农民群体。农民工问题是实现乡村振兴战略目标必须解决的重大问题，受到政府和学术界的广泛关注［1］。当前，农民工及其家庭心理问题发生率较高。《中国国民心理健康发展报告（2019—2020）》显示，农村户口人群中抑郁检出率略高于城镇户口人群（差别较小）。而健康的人力资源是乡村振兴的基础。只有加强对农民工的心理服务，疏导农民工的各种压力，保障农民工群体的身体及心理健康，才能激发乡村振兴的内生动力。

随着信息技术的发展，短视频已成为大众的主流娱乐方式。但如果长时间沉浸其中，不仅易受其中不良信息的影响，而且易出现焦虑情绪，甚至出现抑郁风险。对此，笔者重点探讨观看短视频对农民工抑郁风险的影响，以期为农民工的健康生活与发展提供参考依据。

1 文献述评

许多研究结果表明，我国农民工的心理健康状况较差［2-6］。已有大量学者从迁入地特征、主观思想、行为方式等层面研究农民工心理健康，发现收入差距的扩大不利于维护农民工的心理健康［7］，较好的社会融入、文化适应和身份认同对农民工的心理健康有显著的提升作用［8-11］。在观看短视频与抑郁风险的关系上，Wright等［12］研究表明，社交网站的使用与人们的自尊和幸福感呈显著负相关，与抑郁呈显著正相关；Perlis 等［13］研究表明，社交媒体的使用与随后抑郁症状增加的可能性密切相关；姚敏等［14］研究表明，观看短视频会在不同程度和路径作用下增加青年人的抑郁风险。目前，关于农民工观看短视频对其心理健康影响的直接研究较少。笔者利用2020 年中国家庭追踪调查（China Family Panel Studies，CFPS）数据，探究观看短视频对农民工心理健康的影响，以期进一步丰富农民工心理健康相关问题的研究。

2 数据来源与研究方法

2.1 数据来源

研究数据来自2020 年中国家庭追踪调查（China Family Panel Studies，CFPS）相关报告。CFPS 心理量表的测量内容主要包括受访者的个人特质、亲子关系和主观态度3 个方面，并引用已有的成熟量表，保证测量的可靠性与数据的可比性。基于研究主题，该研究以拥有农业户口、在城镇中从事非农产业的农民工为研究对象，剔除异常值和缺失值，最终整理出的样本容量为3 516。

2.2 变量选取

该研究的被解释变量是抑郁状态得分。根据CFPS问卷中“在过去一周内各种感受或行为的发生频率”设置题项，其中包含情绪低落、做任何事都很费劲、睡眠不好、愉快、孤独、生活快乐、悲伤难过、生活无法继续8 个题项，并根据回答进行计分，加总得到抑郁状态得分。分数越高（取值范围为8～32 分），表明抑郁状态越严重。在稳健性检验部分，该研究利用CESD20 替代CES-D8 作为农民工抑郁状态的指标。该指标包括上述8 个问题，以及是否因小事而烦恼、胃口不好、感到沮丧、自己不比别人差、做事时很难集中精力、对未来充满希望、一直以来都很失败、感到害怕、讲话比平时少、人们对我不友好、哭过或想哭及别人不喜欢我等12个问题，加总得到抑郁评分取值范围为20～80分。

该研究的核心解释变量是“是否观看短视频”和“是否每天观看短视频”。受访者对2020年CFPS个人层面问卷的“过去一周，是否看过和几乎每天都看短视频或直播类网络平台节目”两个问题进行回答，回答“是”赋值为1，回答“否”赋值为0。

该研究的控制变量包括受访者个体特征、行为习惯、主观态度3 个方面。个人特征包括体质量、是否婚配、学历、智力水平。行为习惯包括吸烟、阅读、工作日睡眠时长。主观态度包括婚姻满意度、工作满意度、对县政府评价、对未来的信心、社会地位及收入地位。具体变量定义与描述性统计如表1所示。

表1 变量定义及描述性统计

2.3 模型构建

据前所述，参考已有研究，该研究采用经典线性回归模型OLS方法进行基准回归。回归模型为

式（1）中：CES表示农民工的抑郁状态得分，Vedio表示是否观看短视频，Controlj为上述的一系列控制变量，β0表示常数项，β1表示核心自变量的系数，βj表示第j个控制变量的系数，ε表示随机扰动项。

由于观看短视频与抑郁风险可能存在内生关系，该研究采用更换因变量的指标和倾向得分匹配法（Propensity Score Matching，PSM）进行稳健性检验。在控制相关协变量的基础上，是否观看短视频的条件概率计算公式为

式（2）中：Ti表示是否观看短视频，观看短视频的取值为1，反之为0；X表示其他可能影响结果的变量，即协变量。

通过协变量X计算出农户抑郁风险的倾向得分P（X），并根据倾向得分对实验组和控制组进行匹配，在给定PSM 条件下，大样本数据满足随机分布，则农户抑郁风险的平均干预效应ATT计算公式为

式（3）中：Y（1）和Y（0）分别表示观看和没有观看短视频的农户抑郁风险。每天观看短视频也按照上述方法进行核算，不再赘述。

为了得到更丰富的结论，该研究采用OLS 分组回归和分位数回归（QR）进行分析。QR模型为

式（4）中：xi=［xi，1，xi，2，…，xi，d］′，是包含d个分量的自变量，xi，d是xi的第d个分量；qτ（xi）为因变量在自变量xi下的第τ分位数，对于任意分位数，0＜τ＜1；β（τ）=［β1（τ），…，βd（τ）］′，为d个自变量在第τ分位数下的回归系数。

3 实证结果与分析

3.1 基准回归结果

采用OLS 估计分析短视频的影响，结果如表2 前两列所示。由表2 可知，观看短视频和每天观看短视频对农民工抑郁风险影响的估计系数为0.570 和0.432，且分别在1%和5%统计水平上显著，表明观看短视频增加了农民工的抑郁状态。从个体特征来看，学历、智力水平均负向影响农民工的抑郁风险，其中高学历的农民工相比只有小学学历的农民工抑郁风险降低。通常来讲，学历越高，其智力水平也会更高。智力水平在逻辑预期上和统计结果上表现一致。从主观态度来看，对婚姻与工作越满意、对未来更有信心、社会地位越高的农民工，其抑郁风险越低，且均在1%水平上显著。

表2 基准回归结果与稳健性检验

3.2 稳健性检验

表2 后两列为更换因变量指标的估计结果。由表2 可知，观看短视频和每天观看短视频分别在1%和5%的统计水平上显著影响农民工的抑郁状态。表3为邻近匹配、核匹配和半径匹配的倾向得分匹配方法估计结果。由表3 可知，利用PSM 解决样本选择偏差内生性后，估计的结果与前文的估计结果保持一致。这表明观看短视频和每天观看短视频加剧农民工抑郁风险的结论是稳健、可靠的。

表3 PSM检验结果

3.3 分位数回归与异质性分析

表4 前3 列为分位数回归结果。由表4 可知，观看短视频对农民工抑郁状态的影响在不同的分位点上呈现出差异化的分位数效应。在第20 个分位点上，每天观看短视频的系数为正，但影响不显著。在第40 个分位点上，每天观看短视频的系数增加至0.584，并在1%水平上显著影响农民工的抑郁状态。随着分位点上升至80，每天观看短视频的系数增长至0.667。总体来看，观看短视频对农民工抑郁状态的影响呈现出明显的分位效应。随着分位数的不断增加，这种影响呈线性上升趋势。这一分位效应可能是因为短视频对农民工抑郁状态的影响是一个潜移默化、不断累积的过程。随着农民工日趋沉迷短视频并影响日常生活，观看短视频对农民工抑郁状态的影响水平随之提升。

表4 分位数与异质性估计结果

该研究从性别、身体健康两个维度对观看短视频影响农民工抑郁状态的异质性进行分析，具体结果如表4后4列所示。在性别差异上，女性农民工群体每天观看短视频的抑郁风险在10%水平上显著高于男性农民工群体。在健康差异上，每天观看短视频在10%水平上对身体健康与不健康农民工群体的抑郁风险均显著，但对不健康农民工群体的影响更大。

4 结论与启示

此研究表明，观看短视频和每天观看短视频会显著且稳健增加农民工的抑郁风险；随着分位数的不断增加，观看短视频对农民工抑郁风险的影响越来越大；每天观看短视频对农民工抑郁风险的影响在性别和身体健康方面均有差异。

为保障农民工心理健康，充分发挥农民工的作用，建议采取如下措施规范短视频平台发展。一是政府构建科学有效的监管体系，在法律的框架下实现短视频监管与惩戒专业化和常态化，营造积极、健康的网络空间，传播正确的价值观。二是短视频平台运营者应加强自我监管，加大审查力度，在短视频的内容生产、传播等环节严格把关，用更加优质的内容赢得用户。三是建议采取如下措施疏导农民工群体的心理问题。一方面，引导农民工在情绪低落时积极与他人交流沟通，在城市中搭建社会网络，实现从“先赋性社会网络”到“自致性社会网络”的转换，进而快速融入城市生活环境；另一方面，各地应加快推进农民工市民化，健全城乡社会保障体系，多开展农民工专业心理咨询、心理减压专题培训等活动，尽量避免进城务工人员产生不公平感、城市疏离感和孤独自卑感。