中國(guó)網(wǎng)絡(luò)人口區(qū)域分布的影響因素分析
——基于面板向量自回歸模型

祝長(zhǎng)華，謝俊貴，李少勇，呂玉文

（1.韶關(guān)學(xué)院 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，廣東 韶關(guān) 512005； 2.廣州大學(xué) 經(jīng)濟(jì)與統(tǒng)計(jì)學(xué)院/社會(huì)創(chuàng)新研究中心，廣東 廣州 510006）

中國(guó)互聯(lián)網(wǎng)信息中心（CNNIC）是負(fù)責(zé)中國(guó)域名注冊(cè)和互聯(lián)網(wǎng)統(tǒng)計(jì)的準(zhǔn)政府機(jī)構(gòu)，于1997年開(kāi)始發(fā)布有關(guān)中國(guó)網(wǎng)絡(luò)人口（以前稱(chēng)為互聯(lián)網(wǎng)用戶(hù)）的統(tǒng)計(jì)信息.僅20多年，中國(guó)的網(wǎng)絡(luò)人口就從62萬(wàn)增長(zhǎng)到9.89億（截至2020年12月31日），占中國(guó)總?cè)丝?0.4%.伴隨這一飛速發(fā)展的同時(shí)，網(wǎng)絡(luò)人口的區(qū)域發(fā)展非常不平衡，例如，2016年，北京網(wǎng)絡(luò)人口普及率達(dá)到77.8%，而云南僅為39.7%.在數(shù)字經(jīng)濟(jì)時(shí)代，網(wǎng)絡(luò)人口是數(shù)字經(jīng)濟(jì)的生產(chǎn)者和消費(fèi)者.一個(gè)省網(wǎng)絡(luò)人口的發(fā)展水平會(huì)影響它在國(guó)民經(jīng)濟(jì)中的潛在地位.

網(wǎng)絡(luò)人口研究一直受到重視［1］.早在2000年，美國(guó)就在“調(diào)查數(shù)字未來(lái)”調(diào)查中對(duì)網(wǎng)絡(luò)人口進(jìn)行了定量分析.網(wǎng)絡(luò)空間具有社會(huì)的特征，可以稱(chēng)為網(wǎng)絡(luò)社會(huì)［2］.因此，可以將Internet用戶(hù)稱(chēng)為網(wǎng)絡(luò)人口.謝俊貴提議建立網(wǎng)絡(luò)人口統(tǒng)計(jì)學(xué)［3］.現(xiàn)有文獻(xiàn)中有關(guān)中國(guó)網(wǎng)絡(luò)人口區(qū)域分布的決定因素主要有：經(jīng)濟(jì)因子、電信設(shè)施建設(shè)水平、教育發(fā)展水平、科學(xué)和技術(shù)發(fā)展、總?cè)丝?、城市化水平?其中，陳揚(yáng)樂(lè)發(fā)現(xiàn)區(qū)域經(jīng)濟(jì)的發(fā)展水平，城市化率，信息基礎(chǔ)設(shè)施和教育水平是影響中國(guó)網(wǎng)絡(luò)人口區(qū)域分布的因素［4］.但當(dāng)時(shí)中國(guó)網(wǎng)絡(luò)人口的發(fā)展還處于起步階段，且忽略了時(shí)間的影響以及各省之間的發(fā)展差異.孫中偉等認(rèn)為GDP和人口總數(shù)是關(guān)鍵因素，盡管總?cè)丝谝?guī)模將影響Internet人口的發(fā)展，但如果僅將經(jīng)濟(jì)和總?cè)丝谧鳛橐蛩兀瑒t會(huì)高估總?cè)丝诘挠绊懀?］.雖然對(duì)中國(guó)網(wǎng)絡(luò)人口區(qū)域分布影響因素的研究尚未深入，但學(xué)者們對(duì)互聯(lián)網(wǎng)擴(kuò)散和數(shù)字鴻溝的影響因素卻進(jìn)行了廣泛的研究［6-8］.這些研究可以為本研究選擇指標(biāo)提供很好的參考.大多數(shù)學(xué)者對(duì)一些因素已經(jīng)達(dá)成共識(shí)，其中最常見(jiàn)的是經(jīng)濟(jì)因素［9］.同樣電信基礎(chǔ)設(shè)施，特別是電話密度，也被認(rèn)為是重要影響因素［10］；然而，在當(dāng)前的移動(dòng)互聯(lián)網(wǎng)和寬帶時(shí)代，選擇電話密度作為信息基礎(chǔ)設(shè)施建設(shè)水平的代理變量顯然是不合理的.此外，教育也被認(rèn)為是一個(gè)重要影響因素［11］.教育是全球信息技術(shù)傳播的重要影響因素.最后，一個(gè)國(guó)家或地區(qū)對(duì)外開(kāi)放程度，尤其是對(duì)外貿(mào)易開(kāi)放程度，對(duì)技術(shù)擴(kuò)散也具有重要影響，也是一個(gè)重要影響因素.

盡管先前的研究已經(jīng)分析了多種因素，但它們卻忽略了時(shí)間和個(gè)體差異的影響，這有可能會(huì)完全扭曲分析結(jié)果.而且，他們大多使用多元線性回歸進(jìn)行檢驗(yàn)，這不能動(dòng)態(tài)分析因素之間的動(dòng)態(tài)變化.因此，有必要考慮使用因素、個(gè)體差異和時(shí)間的動(dòng)態(tài)面板回歸模型來(lái)分析中國(guó)網(wǎng)絡(luò)人口區(qū)域分布的影響因素，以更好地解釋中國(guó)網(wǎng)絡(luò)人口的區(qū)域分布差異.文章采用面板向量自回歸（PVAR）模型分析了中國(guó)網(wǎng)絡(luò)人口的分布情況解釋了網(wǎng)絡(luò)人口與影響因素之間的互動(dòng)關(guān)系，豐富了有關(guān)地區(qū)經(jīng)濟(jì)發(fā)展不平衡的影響因素研究，并能為數(shù)字經(jīng)濟(jì)發(fā)展提供參考價(jià)值.

1 數(shù)據(jù)和模型

1.1 數(shù)據(jù)和變量

研究調(diào)查了31個(gè)中國(guó)省市（不包括臺(tái)灣，香港和澳門(mén)）的2001-2016年的年度數(shù)據(jù).數(shù)據(jù)主要來(lái)自于CNNIC和中國(guó)統(tǒng)計(jì)年鑒（1998-2017）.為了避免異方差，對(duì)所有變量取對(duì)數(shù).所有分析均使用Stata 12和Excel 2010進(jìn)行.研究從經(jīng)濟(jì)發(fā)展水平、對(duì)外開(kāi)放程度、教育發(fā)展程度和信息基礎(chǔ)設(shè)施建設(shè)等幾個(gè)方面分析影響因素.在參考前人研究基礎(chǔ)上選取如下變量，見(jiàn)表1.

表1 變量列表

1.2 自適應(yīng)權(quán)重面板聚類(lèi)分析

面板聚類(lèi)分析將多元統(tǒng)計(jì)方法應(yīng)用于面板數(shù)據(jù)，很快得到廣泛應(yīng)用.本研究采用李因果等提出的自適應(yīng)權(quán)重的面板數(shù)據(jù)聚類(lèi)方法［12］.它綜合考慮個(gè)體間的“絕對(duì)量距離”（dij（AQED））、“增長(zhǎng)速度距離”（dij（ISED））和“變異系數(shù)距離”（dij（VCED））.設(shè)面板數(shù)據(jù)集為｛xitk｝，i=1，…，N；t=1，…，T；k=1，…，Q.其中Q為指標(biāo)個(gè)數(shù)，T為總時(shí)期，N為個(gè)體數(shù).選取因變量和自變量一起對(duì)樣本進(jìn)行分類(lèi).這3類(lèi)距離的表達(dá)式分別為：

對(duì)dij（AQED）按照公式（4）進(jìn)行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化距離zdij（AQED），即：

同理，可以得到其它兩個(gè)標(biāo)準(zhǔn)距離分別為zdij（ISED），zdij（VCED）.

再將它們代入式（5），即：

得到最終距離dij（CED），其中ω1，ω2，ω3為權(quán)重，可由熵權(quán)法得到.

設(shè)類(lèi)GL和GK合并為新類(lèi)GR，則其他類(lèi)Gi與新類(lèi)GR的距離平方為：

最后合并距離最小的兩類(lèi)，分類(lèi)數(shù)由碎石圖判斷.

1.3 面板向量自回歸模型

研究采用的面板向量自回歸（PVAR）模型是由 Holtz-Eakin等于1988年提出的［13］.它綜合了面板分析和向量自回歸模型的優(yōu)點(diǎn)，既能夠控制不可觀測(cè)的個(gè)體異質(zhì)性（包含時(shí)間效應(yīng)和個(gè)體效應(yīng)），也可以分析面對(duì)沖擊時(shí)變量的動(dòng)態(tài)反應(yīng).與向量自回歸模型相比，它對(duì)時(shí)間序列中時(shí)間的維度大大降低.本研究采用簡(jiǎn)化式PVAR模型，它的具體模型表達(dá)式為：

其中Yit是1×5的因變量向量，ui和eit是1×5的面板固定效應(yīng)和隨機(jī)誤差向量.矩陣A1，…，Ap是5×5的待估參數(shù)向量.模型假設(shè)E（eit）=0，E（éit eit）=Σ，E（éit eis）=0，對(duì)任意t＞s.然而，PVAR 模型對(duì)變量的排序很敏感.因此，通常的慣例是，在系統(tǒng)中將更外生的變量排在前面，而更內(nèi)生的變量排在后面.本研究假設(shè)變量按以下順序：｛lnpinver，lnpgdp，lnpedu，lnpphone，lnpinter｝.

對(duì)模型（7）的處理和估計(jì)主要分為4個(gè)步驟：（1）模型診斷及估計(jì).首先對(duì)各變量進(jìn)行平穩(wěn)性檢驗(yàn)，否則會(huì)出現(xiàn)偽回歸.文章采用常用的Levin等2002年提出的ADF檢驗(yàn)［14］.隨后按照信息準(zhǔn)則選擇模型，選擇了滯后一階的PVAR模型.最后，為了消除模型中個(gè)體效應(yīng)和時(shí)間效應(yīng)造成的系數(shù)估計(jì)偏差，采用截面均值差分和向前均值差分來(lái)分別消除時(shí)間效應(yīng)和個(gè)體效應(yīng).這樣保證了轉(zhuǎn)換后的變量與滯后變量正交，從而可以將滯后變量作為工具變量進(jìn)行估計(jì).文章采用GMM方法對(duì)模型進(jìn)行估計(jì).由于模型中有許多待估參數(shù)難以解釋?zhuān)虼?，研究者更感興趣的是格蘭杰因果關(guān)系檢驗(yàn)、預(yù)測(cè)誤差方差分解和脈沖響應(yīng)函數(shù)圖. （2）格蘭杰因果關(guān)系檢驗(yàn).檢驗(yàn)變量之間的因果關(guān)系.（3）預(yù)測(cè)誤差方差分解.能夠刻畫(huà)模型中一個(gè)變量的沖擊對(duì)其它變量波動(dòng)的貢獻(xiàn)度.（4）脈沖響應(yīng)函數(shù)圖.能夠很好的隔離出一個(gè)變量的沖擊對(duì)其它內(nèi)生變量的影響.采用蒙特卡洛模擬500次得到脈沖響應(yīng)函數(shù)標(biāo)準(zhǔn)誤的置信區(qū)間.

2 結(jié)果分析

2.1 區(qū)域聚類(lèi)分析

通過(guò)熵權(quán)法計(jì)算，絕對(duì)歐幾里得距離，增量速度歐幾里得距離和變異系數(shù)歐幾里得距離的權(quán)重分別為0.302、0.271和0.427，可將省市分為4類(lèi).第一類(lèi)包括經(jīng)濟(jì)發(fā)達(dá)但網(wǎng)絡(luò)人口相對(duì)不多的省份（北京、天津和上海），例如北京，2016年，網(wǎng)絡(luò)人口普及率達(dá)到77.8%.這一類(lèi)型的網(wǎng)絡(luò)人口普及率均超過(guò)70%.它們的經(jīng)濟(jì)發(fā)展水平較高，網(wǎng)絡(luò)人口發(fā)展較早.但近年來(lái)，與其他省份相比，網(wǎng)絡(luò)人口規(guī)模較少，而互聯(lián)網(wǎng)普及率卻很高.第二類(lèi)包括經(jīng)濟(jì)發(fā)達(dá)而且網(wǎng)絡(luò)人口規(guī)模也大的省份（江蘇、浙江、廣東和福建），例如廣東省，主要位于東部沿海地區(qū).這些省份的網(wǎng)絡(luò)人口發(fā)展較早，并且近年來(lái)一直處于前列，網(wǎng)絡(luò)人口普及率均超過(guò)65%.第三類(lèi)包括經(jīng)濟(jì)和網(wǎng)絡(luò)人口水平中等的省份（湖北、湖南、四川、山東、重慶、遼寧、吉林、黑龍江、河南、河北、安徽、江西、廣西、內(nèi)蒙古、山西、陜西、貴陽(yáng)和海南），例如湖南.此類(lèi)省份數(shù)量最多，主要集中在中部地區(qū)，網(wǎng)絡(luò)人口普及率在55%左右.這些省份所有指標(biāo)的發(fā)展水平均是中等水平，人口眾多，網(wǎng)絡(luò)人口也較大.又如，在河南，盡管網(wǎng)絡(luò)人口普及率在中等水平，但是，近年來(lái)，網(wǎng)絡(luò)人口規(guī)模卻一直處于前列.第四類(lèi)是經(jīng)濟(jì)和網(wǎng)絡(luò)人口發(fā)展都落后的省份（云南、新疆、西藏、青海、甘肅和寧夏），例如云南，2016年網(wǎng)絡(luò)人僅為39.7%.這些省各個(gè)指標(biāo)都相對(duì)落后.

2.2 中國(guó)網(wǎng)絡(luò)人口區(qū)域分布影響因素分析

所有變量在顯著性水平0.05下均通過(guò)平穩(wěn)性檢驗(yàn).在顯著性水平0.1下，經(jīng)濟(jì)發(fā)展水平，教育發(fā)展水平和對(duì)外開(kāi)放程度是網(wǎng)絡(luò)人口發(fā)展的格蘭杰原因，但是信息基礎(chǔ)設(shè)施不是網(wǎng)絡(luò)人口發(fā)展的格蘭杰原因.另外，網(wǎng)絡(luò)人口發(fā)展和教育發(fā)展水平互為格蘭杰因果；網(wǎng)絡(luò)人口發(fā)展與對(duì)外開(kāi)放程度互為因果關(guān)系；經(jīng)濟(jì)發(fā)展水平和對(duì)外開(kāi)放程度互為因果關(guān)系；經(jīng)濟(jì)發(fā)展水平與信息基礎(chǔ)設(shè)施建設(shè)互為因果關(guān)系；信息基礎(chǔ)設(shè)施與教育發(fā)展水平互為因果關(guān)系.這為中國(guó)的互聯(lián)網(wǎng)+戰(zhàn)略提供了理論基礎(chǔ).此外，教育發(fā)展水平是對(duì)外開(kāi)放程度的格蘭杰（Granger）原因；信息基礎(chǔ)設(shè)施建設(shè)是對(duì)外開(kāi)放程度的格蘭杰原因.盡管格蘭杰因果關(guān)系檢驗(yàn)揭示了變量之間的因果關(guān)系，但該檢驗(yàn)無(wú)法衡量這種關(guān)系的強(qiáng)度或樣本時(shí)間以外的情況.預(yù)測(cè)誤差方差分解可以用來(lái)度量各變量的擾動(dòng)項(xiàng)對(duì)其它變量預(yù)測(cè)誤差的單獨(dú)貢獻(xiàn)，即可以度量某個(gè)變量對(duì)另外一個(gè)變量的影響.所有變量對(duì)其它變量（包含自身）預(yù)測(cè)誤差方差的貢獻(xiàn)比例之和為1.

2.3 預(yù)測(cè)誤差方差分解

PVAR模型的穩(wěn)定性檢驗(yàn)顯示模型滿足穩(wěn)定性條件，這意味著結(jié)果可用于預(yù)測(cè).表2給出了預(yù)測(cè)期數(shù)為1期和10期的預(yù)測(cè)結(jié)果.預(yù)測(cè)期數(shù)為1時(shí)，所有變量預(yù)測(cè)誤差方差主要受自身的影響；在第10期，網(wǎng)絡(luò)人口發(fā)展的變化42.5%由教育發(fā)展水平解釋?zhuān)?6.3%由自身解釋?zhuān)浯问切畔⒒A(chǔ)設(shè)施建設(shè)（14.5%）和經(jīng)濟(jì)發(fā)展水平（12.3%）.這一結(jié)果證明了教育發(fā)展水平對(duì)于網(wǎng)絡(luò)人口發(fā)展的重要性.對(duì)外開(kāi)放程度和教育發(fā)展水平的預(yù)測(cè)誤差方差主要受自身的影響（分別高達(dá)78.9%和70.3%）.信息基礎(chǔ)設(shè)施建設(shè)和經(jīng)濟(jì)發(fā)展水平的預(yù)測(cè)誤差方差變化也主要受教育發(fā)展水平的影響，但相比來(lái)說(shuō)比例較低分別為49.3%和37.9%.綜上，教育發(fā)展水平對(duì)于網(wǎng)絡(luò)人口發(fā)展、經(jīng)濟(jì)發(fā)展水平和信息基礎(chǔ)設(shè)施建設(shè)均非常重要.

表2 預(yù)測(cè)誤差方差分解結(jié)果

2.4 脈沖響應(yīng)函數(shù)

脈沖響應(yīng)函數(shù)用于分隔系統(tǒng)中變量的作用，分析一個(gè)變量純粹受其他變量沖擊的反應(yīng).脈沖響應(yīng)函數(shù)的分析結(jié)果表明，網(wǎng)絡(luò)人口發(fā)展對(duì)信息基礎(chǔ)設(shè)施建設(shè)的響應(yīng)為正，但影響越來(lái)越弱并最終趨于平穩(wěn).短期內(nèi)教育發(fā)展水平對(duì)網(wǎng)絡(luò)人口發(fā)展產(chǎn)生較強(qiáng)的負(fù)向影響，但很快回落.這可能是因?yàn)樵诤笃趯W(xué)歷較低的人是網(wǎng)絡(luò)人口增加的主力軍.起初，經(jīng)濟(jì)發(fā)展水平對(duì)網(wǎng)絡(luò)人口發(fā)展產(chǎn)生了正向且強(qiáng)烈的影響，但后來(lái)逐漸消失.對(duì)外開(kāi)放程度對(duì)網(wǎng)絡(luò)人口發(fā)展的沖擊不大，影響很小.信息基礎(chǔ)設(shè)施建設(shè)似乎對(duì)網(wǎng)絡(luò)人口發(fā)展的影響并不十分敏感.可能是因?yàn)樾畔⒒A(chǔ)設(shè)施的建設(shè)更多地取決于國(guó)家政策.從對(duì)信息基礎(chǔ)設(shè)施的影響看，網(wǎng)絡(luò)人口發(fā)展和教育發(fā)展水平對(duì)信息基礎(chǔ)設(shè)施建設(shè)的沖擊相對(duì)較大.從對(duì)教育發(fā)展水平的影響看，信息基礎(chǔ)設(shè)施建設(shè)和經(jīng)濟(jì)發(fā)展水平對(duì)教育發(fā)展水平有持續(xù)的正向影響.網(wǎng)絡(luò)人口發(fā)展對(duì)教育發(fā)展水平提升也有正向作用，但是最終會(huì)回落.從對(duì)經(jīng)濟(jì)發(fā)展水平影響看，信息基礎(chǔ)設(shè)施建設(shè)對(duì)經(jīng)濟(jì)發(fā)展水平有較強(qiáng)的正向影響.教育發(fā)展水平對(duì)經(jīng)濟(jì)發(fā)展水平有負(fù)向影響.在樣本期內(nèi)，中國(guó)的教育發(fā)展迅速，但是它對(duì)收入的促進(jìn)作用已減弱. 2005年，出現(xiàn)民工荒；大學(xué)生工資不如民工收入現(xiàn)象是一個(gè)跡象.從對(duì)對(duì)外開(kāi)放程度影響看，經(jīng)濟(jì)發(fā)展水平和信息基礎(chǔ)設(shè)施建設(shè)對(duì)對(duì)外開(kāi)放程度的影響持續(xù)為正向影響.網(wǎng)絡(luò)人口發(fā)展和教育發(fā)展水平對(duì)對(duì)外開(kāi)放程度的影響短暫，最終將回落.

2.5 穩(wěn)健性檢驗(yàn)

交換相關(guān)系數(shù)較小變量的順序?qū)Y(jié)果的影響較小［15］.筆者交換了具有較大相關(guān)系數(shù)變量的順序，以評(píng)估模型的穩(wěn)健性.在變量中，經(jīng)濟(jì)發(fā)展水平與網(wǎng)絡(luò)人口發(fā)展之間的相關(guān)系數(shù)最大（0.993），其次是經(jīng)濟(jì)發(fā)展水平與教育水平之間的相關(guān)系數(shù)（0.989）.最后是網(wǎng)絡(luò)人口發(fā)展與教育發(fā)展水平之間的相關(guān)系數(shù)（0.982）.通過(guò)交換這三對(duì)變量的順序重新建模，共建立了三次模型.觀察格蘭杰因果關(guān)系，預(yù)測(cè)誤差方差分解和脈沖響應(yīng)函數(shù)圖的變化（由于長(zhǎng)度限制，結(jié)果未列出）.與原始模型相比，結(jié)果幾乎沒(méi)有差異.因此，該模型具有很高的穩(wěn)健性.

3 結(jié)語(yǔ)

利用2001年至2016年31個(gè)省的數(shù)據(jù)，分析了中國(guó)網(wǎng)絡(luò)人口的區(qū)域分布特征和影響因素，并采用面板數(shù)據(jù)聚類(lèi)分析方法對(duì)31個(gè)省進(jìn)行分類(lèi).進(jìn)而采用PVAR模型對(duì)中國(guó)網(wǎng)絡(luò)人口的區(qū)域分布的影響因素及因素之間的相互作用進(jìn)行分析.結(jié)果表明：（1）中國(guó)網(wǎng)絡(luò)人口區(qū)域分布不均衡呈現(xiàn)由東向西遞減.這31個(gè)省市可以分為4類(lèi)：經(jīng)濟(jì)發(fā)達(dá)，網(wǎng)絡(luò)人口普及率高，但網(wǎng)絡(luò)人口規(guī)模相對(duì)較少的省市；經(jīng)濟(jì)發(fā)達(dá)，網(wǎng)絡(luò)人口普及率高且網(wǎng)絡(luò)人口規(guī)模大的省市；經(jīng)濟(jì)發(fā)展水平和網(wǎng)絡(luò)人口普及率均中等水平的省市以及經(jīng)濟(jì)落后和網(wǎng)絡(luò)人口普及率低的省市.（2）對(duì)外開(kāi)放程度、經(jīng)濟(jì)發(fā)展水平和教育發(fā)展水平都是影響中國(guó)網(wǎng)絡(luò)人口分布的重要因素.（3）從長(zhǎng)期看，教育發(fā)展水平將是網(wǎng)絡(luò)人口發(fā)展、信息基礎(chǔ)設(shè)施建設(shè)和經(jīng)濟(jì)發(fā)展水平的重要影響因素.（4）除了對(duì)外開(kāi)放程度的沖擊對(duì)其它變量的影響較小外，各變量的變動(dòng)對(duì)其它變量均有一定程度的影響.這里重點(diǎn)關(guān)注到，短期內(nèi)，教育發(fā)展水平對(duì)網(wǎng)絡(luò)人口發(fā)展的負(fù)向影響，可能原因是當(dāng)高學(xué)歷人群的互聯(lián)網(wǎng)普及率接近100%飽和時(shí)，網(wǎng)絡(luò)人口的增長(zhǎng)主要取決于教育程度低的人群.教育發(fā)展水平的沖擊將導(dǎo)致網(wǎng)絡(luò)人口在短期內(nèi)為負(fù)向影響.

隨著互聯(lián)網(wǎng)對(duì)社會(huì)生活的深入滲透，網(wǎng)絡(luò)人口的發(fā)展將影響地區(qū)的社會(huì)經(jīng)濟(jì)發(fā)展.因此，筆者提出一些建議，以期能促進(jìn)我國(guó)網(wǎng)絡(luò)人口和數(shù)字經(jīng)濟(jì)的發(fā)展：（1）地方政府應(yīng)頒布各種優(yōu)惠政策以吸引外國(guó)投資，并學(xué)習(xí)和引進(jìn)先進(jìn)的外國(guó)技術(shù)和設(shè)備，特別是信息技術(shù)產(chǎn)品.（2）在農(nóng)村和西部地區(qū)，引導(dǎo)和鼓勵(lì)企業(yè)和個(gè)體戶(hù)與互聯(lián)網(wǎng)融合，利用互聯(lián)網(wǎng)不受時(shí)間和空間限制的優(yōu)勢(shì)，擴(kuò)展銷(xiāo)售市場(chǎng)以提高經(jīng)濟(jì)增長(zhǎng)水平；降低互聯(lián)網(wǎng)訪問(wèn)成本，特別是手機(jī)流量成本，并保證公共信息服務(wù)的最低數(shù)量和基本質(zhì)量，將有利于網(wǎng)絡(luò)人口的增長(zhǎng)；一些網(wǎng)民建議將Wi-Fi視為最低需求水平，并提出了“新馬斯洛需求理論層次”.（3）政府帶頭并鼓勵(lì)非政府組織共同努力，為弱勢(shì)群體提供資金和培訓(xùn)；在農(nóng)村和西部地區(qū)建立信息服務(wù)站，并為普通民眾提供互聯(lián)網(wǎng)咨詢(xún)服務(wù)和培訓(xùn).（4）國(guó)家應(yīng)加大對(duì)教育的投入，提高中國(guó)網(wǎng)絡(luò)人口的素質(zhì).網(wǎng)絡(luò)人口是高質(zhì)量的資源，不能單純追求數(shù)量增長(zhǎng).網(wǎng)絡(luò)人口可以促進(jìn)經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步.受過(guò)較高教育和收入的互聯(lián)網(wǎng)人群傾向于將互聯(lián)網(wǎng)用于經(jīng)濟(jì)利益，而那些社會(huì)經(jīng)濟(jì)地位較低的人群則主要將互聯(lián)網(wǎng)用于娛樂(lè)活動(dòng).