一、引言
信息技术革命是21世纪最重要的革新性突破，而互联网作为信息技术革命最突出的成果，其飞速发展的趋势与广泛的渗透范围已经超越其技术特征，逐渐成为影响社会结构、重塑个体行为的重要因素。
中国自1994年引入互联网技术以来，互联网已经逐渐取代书信、固定电话，成为人们信息交流的主要方式。
随着微博、微信、抖音等互联网社交平台的蓬勃发展，网络空间超越传统信息流通的时空限制，形成了新的公共领域，对中国的社会与政治产生了深远影响：
公民可以通过互联网更方便地获取信息、讨论问题、消费娱乐，政府也可以在互联网技术的辅助下实现更有效的社会治理（Zheng，2007；
孟天广、张小劲，2018）。
互联网的加入使传统的国家与社会关系有了新的张力：
互联网会驱动民众更自发地参与到政治生活中，还是会辅助政府将民众的参与热情引导到既有的体制轨道内？
另外，互联网使用模式的差异既是个体偏好的体现，也是网络空间环境在个体行为上的映射，而国家作为互联网空间的主导者，其对个体互联网行为偏好的引导将促成什么样的政治参与行为？
这些疑问不仅将我们引向分析互联网对中国网民政治参与的影响上，更引导我们思考一个精细化的问题：
中国网民不同的互联网使用模式对政治参与的影响存在怎样的差异？
学术界已就互联网对政治参与的影响进行了诸多有益的分析论述（Boulianne，2009，2018；
Bimber，et al.，2015），并逐渐形成了以“公民赋权假说”为理论基础的乐观派以及以“时间替代性假说”为论据的悲观派。
乐观派认为互联网有助于提升个体获取信息和分享交流观点的能力（Welzel，2013，2014；
Bimber，et al.，2015）；
悲观派则认为互联网的发展将“侵占”公民原有的政治生活空间，不利于公共精神的培育（Putnam，2000）。
这一理论分歧的出现源于学术界缺少对互联使用模式的精细化分类以及对政治参与概念的合理界定，因此难以全面地掌握互联网作用于政治参与的情况与机制。
本文在回顾总结既有研究的基础上，借鉴学界目前普遍采用的互联网使用分类模式，从互联网介入方式与信息消费类型两个维度出发对互联网使用模式进行分类。
同时，本文结合学界对政治参与的常规与非常规划分，力图更全面地分析论述互联网使用对政治参与的影响。
解释变量与被解释变量的精细化意味着我们可以就互联网对政治参与的影响归纳出更多的解释机制，而分类模式的碰撞和机制的明晰使我们得以更清晰地勾勒出互
联网影响政治参与的全过程。
本研究利用清华大学2015年和2018年“中国城市治理调查”所获取的网民数据，对与此相关的经典理论进行了实证检验。
研究结果表明，“公民赋权假说”对中国的现实情况有着较强的解释力度，而“时间替代性假说”则不适用于中国的社会情境。
本文认为，互联网使用在整体上促进了中国网民的政治参与，并且在不同的使用模式下互联网对政治参与的影响呈现出差异化结果。
二、常规与非常规：互联网影响政治参与的不同场域
互联网的快速普及为公民的社会生活带来了极大的便利并重塑着公民的政治行为。
政治参与作为公民政治行为的主要体现，也因互联网的介入而呈现出多样化、去中心化的趋势。
为了深入分析互联网使用对政治参与行为的影响，本文首先梳理并总结了既有研究对政治参与的概念界定与分类。
政治参与是现代民主的核心特征，是衡量一个国家政治环境是否良好有序的重要标准。
维巴和奈(Verba and Nie，1972: 2）指出，政治参与是“公民意在影响政府抉择的个体或集体行为”。
在这一概念定义下，维巴和奈将政治参与划分为四类：
投票、组织活动、合作活动、公民自发性联系。
维巴和奈对政治参与的定义突出了公民行为的指向性，即影响政府抉择。
但这一概念构成的内涵维度并不丰富，这意味着其指涉范围相对宽泛。
正因如此，卡塞和马什（Kaase and Marsh，1979）在此基础上对政治参与的概念及适用范围进行了补充说明，指出政治参与不仅包括维巴和奈所归纳的常规政治行为，也包括非常规性政治行为，例如参加示威游行、抵制运动等。
可以说，他们将非常规参与纳入政治参与的范围是对政治参与性质的补充和完善。
参考这一思路，我们也可以从政治行为的场域特征与行为者的自发性入手，进一步厘清常规与非常规政治参与概念的逻辑架构。
范·戴斯（van Deth，2014）曾对政治参与的概念内涵与外延进行总结，归纳出7条对主要的政治参与形式进行分类的规则，其中第4条是判断“政治行为是否发生在政府规定范围内”，如果满足这一规则，在逐级缩减的概念定义下，范·戴斯就将这种政治行为划归于较为传统的政治参与模式，其特点是具有较强的政府精英导向性和常规的制度化政治参与特征。
如果不满足第4条规则但符合第5条“行为目标的政治实体指向性”规则时，范·戴斯认为这类政治行为属于非传统、非正式的政治参与形式，如示威游行、请愿等。
因篇幅有限，本文在此不再赘述范·戴斯对其他政治参与类型的界定与分类过程。
但就上述政治行为的场域特征而言，范·戴斯为学界提供了有益的划分思路，即对政治行为的作用域加以区分可以更好地理解公民政治参与意愿同参与渠道主导权归属之间的关系。
在这一叙述框架下，民众自发与政府主导、政治参与的常规与非常规性的理论诠释力得到了提升。
按照克里斯丁、朱一湄（2017）的论述，代议制民主是典型的政府主导型政治参与，政府让渡一部
分人事决定权并“邀请”民众参与相应的决策过程，体现了自上而下的权力运行逻辑。
而公民自下而上的直接参与则完全由公民自主选择，突出体现为倡议、请愿、公投等政治行为（Kersting，2013）。
这一划分思路在其他学者的论述中也有所体现，一些学者将此分类称为制度化与非制度化政治参与（樊宏法、张健，2006；
Kaase，2007；
陈云松，2013；
Stockemer，2014；
刘佩锋、马璨婧，2019）。
不论是范·戴斯所论述的政治参与的场域差异，还是强调制度化与非制度化政治参与的不同性质，这些概念定义的内涵与指涉范围都是相似的。
从更大的理论归属来看，上述论断所体现出的政府与公民间的张力都是国家与社会关系的缩影：
公民需要通过自发的政治参与维护自己的政治权利，这被认为是来自于社会的诉求；
政府需要调整渠道吸纳民意以维护执政的合法性，这是国家治理能力的体现。
互联网技术的发展则进一步增加了国家与社会之间张力的不确定性：
互联网既可以被政府用作赋能的工具，通过信息技术实现社会治理模式升级；
也可以作为公民赋权的手段，借助其低成本、高时效、去中心化的特点提高公民政治参与的有效程度（曲甜、田华，2018）。
政府赋能与公民赋权作为互联网的正向效果都有其理论支撑，本文将利用实证调查数据进一步检验各理论假说，并论述互联网影响公民政治参与的不同机制。
三、互联网使用的两个维度与四种类型
互联网究竟对民众的线下政治参与起到促进还是抑制的作用？
这一疑问始终是学界争论的焦点，学者们也对此进行了丰富的研究探索。
在互联网等新型媒体出现伊始，帕特南（Putnam，2000）就曾对美国公民政治参与意愿的下降表现出担忧。
通过观察美国社区公共事务的参与情况，帕特南发现人们“面对面”的公共活动在逐渐减少，他们更倾向于独自从事各项活动。
帕特南指出，社区公共性的衰退是社会资本流失的重要体现，公众参与作为美国民主制度赖以维系的基础，人们对公民自治与社会民主的参与意愿下降无疑是一个危险信号。
帕特南认为，“独自打保龄球”现象的背后是数字媒体对人们公共生活空间的侵占。
作为数字媒体代表形式的电视节目占据了美国公民生活中的大量时间，这导致原本用于公民间互动交流的公共时间减少。
尽管当时互联网不是美国公民生活娱乐的主要媒介，但是此后学术界仍将这一观点扩展到互联网上，并将该机制归纳为“时间替代性假说”。
该假说认为，过度使用电视、互联网等媒体将侵占公民的政治活动时间，因此不利于公民的政治参与。
“时间替代性假说”一经提出就引发了学界的热烈讨论，部分学者认为帕特南的观点稍显悲观，且当时数字媒体刚刚兴起，其对政治参与影响的正负效应仍有待实证研究的进一步检验。
此后，越来越多的研究表明互联网的使用会促进公民的政治参与，而且其影响效应在逐渐增强（Boulianne，2009，2018）。
若详细分析“时间替代性假说”的因果机制，我们可以发现其论述的逻辑链条为：
公民使用数字媒体（互联网）频率增多—公共生活时间减少、个人娱乐活动增加—公共生活的参与意愿降低。
但是，帕特南这一看似顺畅的逻辑演绎背后可能存在其他的替代路径。
例如，互联网使用频率的增加并不一定意味着个体公共生活时间的减少，因为随着社交媒体的发展，人们正逐渐通过网络表达、分享、讨论自己对公共事务的看法（Chadwick，2006；
Haynes and Pitts，2009；
Vaccari，2013；
Bimber，et al.，2015；
陈华珊，2015）。
同理，使用互联网也不一定会导致个体的娱乐化倾向，因为互联网低成本、高时效的传播特性不仅利于娱乐消息的获取，也同样利于社会时政信息的传播（Bimber，2001，2003；
Castells，2003；
Tolbert and Mcneal，2003；
Pasek，et al.，2009；
Kang and Gearhart，2010）。
通过以上分析可以发现，同样从“互联网使用”这一逻辑起点出发，不同的研究得出了相异的结论。
一部分学者认为互联网的发展并没有为公民带来更大的政治便利，他们悲观地认为互联网反而会抑制公民的政治参与（Putnam，2000）；
而另一部分学者则认为互联网的普及有助于公民的政治参与，我们可以将他们称为乐观派（Bimber，2001，2003；
Kenski and Stroud，2006；
Boulianne，2009，2015；
陈云松，2013；
Bimber，et al.，2015）。
悲观派与乐观派之间的根本矛盾就在于二者对“互联网使用”这一概念的认知存在差异，而从类型学角度来看，这种差异反映出二者强调的是不同的互联网使用模式，并由此得出了不同的结论。
综上所述，学术界之所以就互联网使用对政治参与的影响存在不同的机制性解读，是因为学者们对“互联网使用”这一概念包含的具体类型持有不同的观点。
为了能更好地厘清互联网使用影响政治参与的具体机制，明确不同互联网使用类型对政治参与的影响，本文将尝试对互联网使用模式做进一步分类。
当前学界对互联网使用影响公民政治参与的具体机制的研究主要从两个维度展开。第一个维度是互联网使用过程中的介入方式，此维度可分为“集体介入”和“个体介入”两种不同的使用方式。其中集体介入型指的是行为者通过互联网分享、交流观点，个体介入型则指行为者“自浸”式的互联网使用。第二个维度是互联网使用的信息消费类型，可分为“社会导向”和“娱乐导向”这两种偏好。当行为者利用互联网获取政治、社会新闻时，这就意味着行为者具有社会导向的互联网使用偏好；而如果行为者主要通过互联网进行娱乐消遣活动，则说明其倾向于娱乐导向的信息消费（Boulianne，2009，2015；华昊，2016；孟天广、季程远，2016；Purdy，2017；孟天广、宁晶，2018；Erhardt and Freitag，2019）。按照以上两个划分维度，我们可以得出表1所示的互联网使用类型分类。在这一类型学划分下，学界所争论的各个假说就有了较为完整的统合与清晰的归纳。
由表1可知，当公民的互联网使用偏向于娱乐导向，并在使用互联网的过程中仅坚持个人使用而不与其他网友分享、讨论问题时，这类互联网使用特征就符合“时间替代性假说”的论断。与此相对，如果公民使用互联网的目的在于获取社会、时政类信息，并且乐于同其他人分享和讨论相关内容，这一类互联网使用取向就符合乐观派所坚信的互联网使用特征：公民可以借由互联网快速获取社会、政治信息，并与他人分享，从而提高政治参与度。学界普遍将乐观派的假说称为“社会参与假说”（Erhardt and Freitag，2019）或“公民赋权假说”（Welzel，2013，2014；游宇等，2017；曲甜，2018；王薪喜，2018）。至于第一象限的“个体介入—社会导向”与第三象限的“集体介入—娱乐导向”型互联网使用模式，则相当于从“公民赋权假说”和“时间替代性假说”中各选取一个典型特征组成的混合搭配。“个体介入—社会导向”型互联网使用取向相当于从“公民赋权假说”中抽取社会导向特征，又从“时间替代性假说”中选取个体介入特征。这类互联网使用行为在现实生活中表现为个体独自浏览社会、时政信息，而不同其他人讨论自己的观点、看法，这类网民在当下中国的互联网生态中被称为“沉默的内容消费者”。与此相对，“集体介入—娱乐导向”型互联网使用取向则相当于从“公民赋权假说”中抽取集体介入特征，而从“时间替代性假说”中选取娱乐导向特征。这类互联网使用模式在当下互联网环境中也有着对应的群体，诸如沉迷于追星的网络“饭圈”群体以及热衷于视频直播、短视频的各类娱乐、美食、游戏“博主”。
上述四种互联网使用的分类模式不仅是对既有理论假说的归纳，也是对常规、非常规政治参与这两种行为模式的呼应与扩展。如上文所述，政府希望民众通过官方提供的常规渠道进行政治参与（Kersting，2013；克里斯丁、 朱一湄，2017），尤其是在国内的互联网环境下，政府会尝试调控互联网上的新闻信息以利于社会稳定（Zhu，et al.，2013；Lu，et al.，2014）。而民众自发性的互联网讨论、交流因为容易促成群体性事件，所以不被官方鼓励（King，et al.，2013）。考虑到国内的社会、时政类互联网新闻普遍由官方媒体主导，我们有理由推测，在官方的舆情监测下，偏好社会导向互联网使用模式的民众更易于进行常规渠道的政治参与行为。与此相对，互联网为那些偏好分享、沟通交流的网民形成自主意识提供了平台。尽管这些行为并不被官方鼓励，但是这无疑将激发他们开展自主性政治行为的意愿，并且选择非常规渠道进行政治参与。综上所述，我们发现“公民赋权假说”所推崇的“集体介入—社会导向”型互联网使用模式兼具社会导向的信息消费特征和分享交流的集体介入特征，理应有助于促进民众在常规、非常规渠道的政治参与，因此本文做出如下研究假设：
假设1（公民赋权假说）：
“集体介入—社会导向”型互联网使用模式将有助于促进常规、非常规的政治参与。
相反，如果个体既不接受政府通过互联网渠道的信息宣传，也不和其他人分享、交流自己的观点主张，只是沉浸在自己的娱乐性互联网空间中，那么我们就认为该行为者没有从事常规与非常规政治参与活动的意愿，也就符合“时间替代性假说”的论断。基于此，本文做出如下假设：
假设2（时间替代性假说）：
“个体介入—娱乐导向”型互联网使用模式将降低常规、非常规的政治参与。
“个体介入—社会导向”作为“公民赋权假说”与“时间替代性假说”的一种混合搭配形式，其社会导向特征说明行为者偏好官方主导的社会新闻信息，这有助于他们接受政府提供的常规政治参与渠道。但是这类“沉默的内容消费者”群体只注重社会信息的获取，而不在乎观点的分享交流，因此，他们可能难以形成自发性政治参与意愿，缺少自下而上的诉求反馈意识，也不会倾向于非常规渠道的政治参与。基于以上分析，我们提出如下假设：
假设3：
“个体介入—社会导向”型互联网使用模式有助于常规政治参与。
与假设3相对，“集体介入—娱乐导向”型互联网使用模式是“公民赋权假说”与“时间替代性假说”的另一种混合搭配形式。该模式缺少“公民赋权假说”的社会导向特征，但是具有集体介入的形式，这意味着“集体介入—娱乐导向”型互联网使用模式强调了行为者和其他网友的分享交流，但是讨论的内容是各类娱乐信息。在现实生活中，我们可以发现很多网民热衷于在互联网虚拟空间中“组团”讨论偶像、时尚、游戏等娱乐信息，形成了各类论坛、小组、讨论群等互联网虚拟组织。他们讨论的内容虽然不涉及社会政治新闻，不易于受官方媒体影响而增加常规政治参与意愿，但是他们在讨论、组织各类议题的过程中可以培育出自主性意识，积累自下而上的动员经验，所以可能有助于非常规渠道的政治参与。在以上分析的基础上，本文提出如下假设：
假设4：
“集体介入—娱乐导向”的互联网使用模式有助于非常规政治参与。
由于缺少明确的理论假说支持，本文难以对“个体介入—社会导向”模式对非常规政治参与的影响以及“集体介入—娱乐导向”模式对常规政治参与的影响进行假设。但本文依旧会将上述两种影响关系纳入实证检验，以便展开探索性分析。
四、
数据来源与研究方法
(一)数据来源
为检验上述研究假设，本文采用清华大学数据治理研究中心设计并实施的“2015年中国城市治理调查”及“2018年中国城市治理调查”数据。该系列调查主要围绕着中国城市治理问题展开，调查系统采集了受访者的人口学特征、社会经济特征、公众参与和政治态度等变量信息。两次调查分别于2015年6—8月和2018年6—10月在全国24个省级行政区的50个城市，采用“GPS辅助的区域抽样”与分层多阶段抽样相结合的方法对18—70岁的人口实施抽样。2015年共采集5525个样本，完成样本3513个，完成率为63.6%，本研究主要选取了其中2114个网民样本。2018年该调查共采集5523个样本，实际完成有效样本3573，完成率为64.7%，本研究选取其中2629个网民样本。同时，本文对样本中的缺失值进行了插补处理。考虑到“中国城市治理调查”系列数据为非追踪型数据，且2015年和2018年的数据均于党的十八大（2012年）后形成，两个调查仅间隔3年，城市居民政治参与的制度性约束没有实质性差异，因此在后文的具体实证分析中，本文将2015和2018年的数据合并后形成混合截面数据以做统一分析。
(二)变量设置与操作化
1.因变量
结合范·戴斯（van Deth，2014）、克里斯丁（Kersting，2013）、陈云松（2013）等学者对政治参与的概念界定与变量操作，本文将政治参与划分为“常规性政治参与”与“非常规性政治参与”。常规性政治参与是指公民选择政府支持、鼓励的参政渠道进行政治参与活动。根据这个定义，该调查通过询问被访者是否参与过居委会选举投票，在遇到困难时是否联系过社区居委会干部、政府官员、人大代表政协委员、党代表党组织、自己单位领导，是否参加过公众座谈会等7个问题来获取被访者的常规性政治参与情况。本文利用项目反应理论模型（IRT）来测量受访者的常规性政治参与得分，具体每个题设的区分度a分值与难度b分值详见表2。非常规性政治参与是指公民自发地通过非政府支持或默许的渠道进行政治活动。本文对这一概念的操作化主要突出公民自发性与非政府支持性两个主要特征，并通过如下3个问题的答案来测量：被访者是否参与过游行示威等群体性事件、是否有过上访经历、是否曾经通过媒体表达自己的观点。被访者的非常规性政治参与得分仍通过项目反应理论模型获得，具体题设的区分度a分值与难度b分值参见表2。
2.自变量
依据埃尔哈特和弗莱塔格（Erhardt and Freitag，2019）对互联网使用类型的划分，本文从互联网使用的信息消费类型“社会导向—娱乐导向”维度与互联网使用过程中社会化介入的“集体介入—个体介入”维度出发，将受访者的互联网使用行为划分为4种类型。其中，公民赋权理论所体现出的“集体介入—社会导向”型互联网使用模式可以操作化为如下问题：受访者是否经常使用电子邮件、微博、微信等社交平台，是否在互联网上发表、转发国际重大新闻，是否在互联网上发表、转发生态环境新闻。“时间替代性假说”所反映出的“个体介入—娱乐导向”型互联网使用模式通过以下问题测量：受访者是否经常上网购物、上网听音乐、玩网游、上网看电视和电影。而对于“个体介入—社会导向”型互联网使用模式，本文则通过如下题目进行测量：受访者是否经常上网浏览新闻、查资料、查电子书、关注时政新闻。最后，对于“集体介入—娱乐导向”的互联网使用类型的测量通过如下题目完成：受访者是否经常在网上发表或转发名人八卦，是否发表或转发家庭、亲朋、感情类信息，是否发表或转发美食旅行信息，是否发表或转发音乐、艺术、时尚类信息？以上4种互联网使用类型所涉及的题目均为二分变量，因此本研究依旧采用项目反应理论评估受访者在4个类型中的得分，每个类型具体题设的区分度a分值和难度b分值参见表2。
3.控制变量
本文引入性别、年龄等人口学变量，以及受教育程度、婚姻状况、城乡差异、流动人口、就业状况、工作类别（国有、非国有）、党员身份、网龄等社会经济变量来实现统计控制。同时，本文还设置政治兴趣变量、政治支持变量（对地方政府和对中央政府）、政府满意度变量（对地方政府和对中央政府）、政治知识变量、内在政治效能感变量作为控制变量进一步完善研究设计。其中政治知识的测量主要通过询问被访者“国家主席由哪个机构产生？”“省级人大代表完整任期多少年？”“中国共产党总书记是谁？”“现任国家总理是谁？”“现任美国总统是谁？”等问题来实现。政治知识得分依旧通过项目反应理论模型得出，具体题设的区分度a分值和难度b分值可参见表2。内在政治效能感变量根据国情选择了更能体现行为者解决社会问题之能力的题目，包括询问受访者遭遇不公时解决问题的能力、受访者社会关系的强度、受访者影响他人之能力的强度，等等。政治效能感变量通过主成分分析提取唯一因子获得，题设因子负载可参见表2。
(三)分析方法
由于观察型研究无法实现随机分组，所以传统的问卷调查研究通常难以在实验状态下实现干预变量对结果变量的净效应。为了尽可能模拟实验环境以进行因果推断，社会科学研究者尝试通过计算倾向值以实现样本的最大程度匹配，进而计算出干预效应的程度。尽管倾向值匹配与回归分析同样面临着不能穷尽所有干扰变量的问题（Angrist and Pischke，2009），因而无法从根本上解决遗漏变量的缺陷，但倾向值匹配的运算逻辑更接近“反事实因果框架”下对经典随机实验的要求。通过计算倾向值可以实现控制组与干预组的匹配，从而消除干扰变量的选择性误差，推算出干预变量对因变量的平均因果效应（Rosenbaum and Rubin，1983）。倾向值匹配通常运用于二分变量中，但本文的自变量均为连续变量，因而采用广义倾向值匹配方法。这一方法基于经典倾向值匹配的模拟实验思路，在自变量为连续变量的情况下通过一系列协方差差异的调整来消除偏差（Guardabascio and Ventura，2014；Hirano and Imbens，2004）。本文在进行广义倾向值匹配前仍会进行线性回归模型分析，以作为对数据的初步辅助性分析。
五、研究发现
(一)中国城市居民的互联网使用与政治参与
为了便于比较分析，本文将各变量的项目反应得分标准化，取值范围在0-1区间内，并分别计算各年度均值，结果汇总于表3。由表3可知，中国城市居民近年来的政治参与情况得分普遍较低，2015年常规性政治参与得分刚刚超过0.1，2018年的常规性政治参与得分不到0.2。非常规性政治参与得分普遍低于常规性政治参与得分，此差值在2015年为0.0556，在2018年为0.095。较为巧合的是，非常规性政治参与得分在2015和2018年均为常规性政治参与得分的50%左右。从纵向对比来看，常规性政治参与和非常性规政治参与的得分都有所提升，二者在2018年的分值较2015年分别增加67.37%和70.09%。与因变量政治参与行为得分相同，4个互联网使用行为的自变量得分也呈现出增加趋势，其中以公民赋权理论所体现的“集体介入—社会导向”型互联网使用模式的增幅最为明显，达到9.19%；“集体介入—娱乐导向”型互联网使用模式的增幅较小，为1.29%。在所有4类互联网使用模式中，“个体介入—社会导向”型得分最高，在2015年和2018年数据中均为最高值。相反，“集体介入—娱乐导向”型得分在2015年和2018年数据中均为最低值。公民赋权理论所体现的“集体介入—社会导向”型互联网使用模式较“时间替代性假说”所体现的“个体介入—娱乐导向”型互联网使用模式得分要低，在2015年和2018年的数据中，前者的分值均比后者少0.2分左右。综合来看，在控制信息消费类型维度后，集体介入型的得分明显低于个体介入型得分，这说明中国城市网民更倾向于自己利用互联网而非通过互联网分享讨论观点，这较为符合常规认知。而在控制介入方式维度后，我们可以观察到，社会导向型互联网使用模式的得分高于娱乐导向型互联网使用模式的得分，这表明中国城市网民倾向于利用互联网获取社会政治信息，而非娱乐资讯。
在进行广义倾向值匹配分析前，本文先选取由2015年和2018年数据构成的混合截面数据进行线性回归分析以作为辅助性分析，表4是分析结果。模型1与模型2是因变量为常规政治参与时的线性回归模型，模型2较模型1增加了4个本研究关注的主要解释变量，同时模型2的调整R2有所增加，说明4个主要解释变量的加入增加了受访者常规政治参与行为的解释力度。由于4个主要解释变量的项目反应得分均标准化至0-1区间内，量纲相同，因此可以就回归系数进行比较分析。具体来看，“集体介入—社会导向”型互联网使用模式可以显著促进城市居民常规政治参与，并且其回归系数为0.072，它的绝对值是4类互联网使用类型中最大的，这说明乐观派的“公民赋权假说”在常规政治参与中有较强的解释力。与此相对，悲观派“时间替代性假说”所体现的“个体介入—娱乐导向”型互联网使用模式的回归系数并不显著，有待通过广义倾向值匹配进一步分析。“个体介入—社会导向”型互联网使用模式的回归系数为0.041，为正且显著，初步验证了研究假设3成立。作为探索性分析，“集体介入—娱乐导向”型互联网使用模式的回归系数并不显著。
模型3与模型4的因变量为非常规政治参与，在增加4个互联网使用类型变量后，模型4较模型3的调整R2有所增加，这表明4个主要解释变量的加入有助于提高模型的解释力度。与常规政治参与模型相同，作为乐观派“公民赋权假说”的“集体介入—社会导向”型互联网使用模式显著正向促进了城市居民的非常规政治参与，其系数值达到0.082，这也是4个主要解释变量系数中绝对值最高的。结合模型2中“集体介入—社会导向”型互联网使用模式对常规政治参与的显著正向促进作用，我们可以初步判定假设1成立。同时，“个体介入—娱乐导向”型互联网使用模式对非常规政治参与的影响并不显著，结合模型2中的结果，表明悲观派的“时间替代性假说”在常规、非常规政治参与中均无效，我们初步拒绝假设2。而“集体介入—娱乐导向”型互联网使用模式的回归系数不显著，因此暂时拒绝假设4。作为探索性分析的“个体介入—社会导向”型互联网使用模式的回归系数同样也并不显著。
由于模型3、4的调整R2均小于模型1、模型2，因此相较于常规政治参与，我们更难在既有理论框架下对非常规政治参与进行解释。但本研究的目的在于比较4种互联网使用类型对政治参与的影响差异，而非构建一个理想的预测模型，所以在对这一部分的分析中，笔者同样列出2015年和2018年数据的分组回归结果作为辅助性分析。如表5所示，当因变量为常规政治参与时，4个主要解释变量回归系数的显著性在两个年度基本相同，除“集体介入—社会导向”型互联网使用模式的回归系数在两个年度均显著外，其余3个主要解释变量的回归系数在各年度均不显著。这一单截面回归分析结果与表4模型2的混合截面数据分析结果基本相同。与此类似，当因变量为非常规政治参与时，主要解释变量中仅“集体介入—社会导向”型互联网使用模式的回归系数在两个年度均显著，该结果与表4模型4的混合截面数据分析结果基本保持一致。因此，后续我们将在针对这些影响关系的广义倾向值匹配分析中集中展示混合截面数据的分析结果。
我们先来分析“集体介入—社会导向”型互联网使用模式对常规、非常规政治参与的影响，以此来检验假设1。图1描绘了“集体介入—社会导向”型互联网使用模式对常规政治参与的影响。通过图1，我们可以较为直观地看到这一干预效应：在0—1的取值范围内，常规政治参与的期望概率均呈现出上升趋势。结合图1第2幅图的干预效应函数在95%置信区间的变化可知，“集体介入—社会导向”型互联网使用模式对常规政治参与的影响在0.3—1分段均正向统计显著。图2刻画了“集体介入—社会导向”型互联网使用模式对非常规政治参与的影响情况。与常规政治参与相同，“集体介入—社会导向”型互联网使用模式对非常规政治参与的干预效应也较为清晰。由图2中的第1幅图可知，除0—0.25分段外，非常规政治参与的期望概率均呈现出上升趋势。结合图2第2幅图的干预效应函数在95%置信区间的变化可知，除0—0.25、0.7—1分段置信区间包含0外，“集体介入—社会导向”型互联网使用模式对非常规政治参与的影响在0.25—0.7分段内统计显著，较常规政治参与的有效区间缩小了一些。综合表4回归分析与本部分的广义倾向值匹配分析结果，我们可以确定“集体介入—社会导向”型互联网使用模式对常规、非常规政治参与的影响均为正向。尽管这一影响在少部分分段统计不显著，但整体上的正向趋势是明显的。综上，我们验证了假设1的推断。
我们进一步分析“个体介入—娱乐导向”型互联网使用模式对常规、非常规政治参与的影响，以此来检验假设2。如图3和图4所示，整体来看，“个体介入—娱乐导向”型互联网使用模式对常规、非常规政治参与的影响稍显复杂。值得注意的是，“个体介入—娱乐导向”型互联网使用模式对常规政治参与的干预效应函数在95%置信区间变化过程中均包含0，这说明这一互联网使用模式对常规政治参与的影响并不显著。由图4的第1幅图可知，“个体介入—娱乐导向”型互联网使用模式与非常规政治参与之间存在U型关系，这一概率期望呈现出先降后升的趋势。结合图4的第2幅干预效应函数图，我们可以发现，在0—0.4、0.7—0.8分段内的干预效应函数在95%置信区间变化过程中包含0，这说明在以上分段内“个体介入—娱乐导向”型互联网使用模式的干预效应并不显著。由图4左侧的响应函数图像可以发现，0—0.4分段的不显著区间对应于响应函数图像的下降部分，而0.7—0.8分段的不显著发生于干预水平变化的拐点处。综合图4的两幅图来看，我们可以认为“个体介入—娱乐导向”型的互联网使用模式对非常规政治参与的影响在0.4—0.7分段呈现正向促进作用，在0.8-1分段内正向影响力衰减并趋近消失。结合表4回归分析中模型2与模型4的结果，我们可以发现，尽管“个体介入—娱乐导向”型互联网使用模式对常规、非常规政治参与的影响均不显著，但由广义倾向值匹配的分析可以得出不同的解读：该互联网使用类型对常规政治参与的影响在全分段均不显著，而对非常规政治参与的影响趋势则是在中高分段提升、高分段趋近平缓。这表明悲观派“时间替代性假说”对非常规政治参与的预测完全背离了假设2的论断。综上所述，我们拒绝假设2“时间替代性假说”的推断。
在探究了“公民赋权假说”与“时间替代性假说”后，我们继续讨论“个体介入—社会导向”型互联网使用模式对常规政治参与的影响，以此检验假设3。由图5第1幅小图的响应函数曲线可知，该曲线在0—0.8分段内呈现递增趋势，增幅在中低分段较大，到中高分段逐渐放缓，而在0.8—1分段略有下降。结合第2幅小图的干预效应函数可以发现，在0.65—1分段内95%置信区间包含0。这表明，“个体介入—社会导向”型互联网使用模式对线下常规政治参与的促进作用仅在0—0.65分段有效，该区间段内的响应函数递增趋势明显。基于此，我们认为假设3的推断基本正确，即“个体介入—社会导向”型互联网使用模式有助于常规政治参与，这一促进效果主要体现在中低分段。
