推文人 | 焦阳 

原文信息: DiNardi, M., Guldi, M., & Simon, D. (2017). Body weight and Internet access: evidence from the rollout of broadband providers. Journal of Population Economics, 1-37.

 

研究背景和意义

 

作为一直为“美（减）丽（肥）”而奋斗的小编，遇到这种题目自然是不会放过。想想自己曾经读过的为数不多关于肥胖研究的文章，学者们为了寻找肥胖的根源也是操碎了心，比如前一段时间推过的一篇Olivier Deschenes, Huixia Wang, Si Wang and Peng Zhang（2019）等几位老师研究的关于空气污染对肥胖影响的文章也是很有意思，有兴趣的小伙伴们可以找来看一下。

 

自1980年以来，全球肥胖率增加了一倍，伴随着肥胖带来的超重以及死亡率也逐年增加。本文以美国为例，计算了18到64岁的成年人在1990到2017以来的肥胖和超重人口占。 如下图所示，男性的肥胖还有超重比例均高于女性，不管是白种人还是其他种族的人群。此外，白人女性的肥胖率还有超重的比例比其他种族的女性要低。之前的研究发现食物加工成本的降低，从体力劳动过渡到久坐不动的工作模式的改变，以及城市化进程都是导致肥胖率增加的重要原因。此外，还有一些研究发现了族群效应，肥胖都在社交圈里表现出相互传染的特性。在控制了性别、年龄以及经济后，Christakis and Fowler (2007) 研究发现：当兄弟姐妹中的一个人变得肥胖时，其他人发生肥胖的风险也会相应增加40%，而配偶之间的影响则是增加37%。

 

主要发现

 

手机电脑等电子产品方便了我们的生活的同时，也占用了我们很多的时间。网络逐渐的改变了我们的生活模式，我们上网阅读，上网购物，上网点餐，我们的出行越来越离不开手机和网络。但是，上网会不会偷偷地让我们长胖了呢？尽管之前也有一些文章探讨了这个问题，但是本文是第一篇对这个问题进行了严谨的因果分析。

 

作者提出网络导致发胖有以下几个原因: 第一，更多的时间花在上网，会增加久坐的时间，从而导致体重的增长。（这一点小编也是深有感受，每次遇到deadline的时候，基本就是黏在板凳上，一坐就是几个小时或者更长， 一个书桌一台链接网络的电脑，充足的食物和零食，就是生活的写照，后果自然是体重蹭蹭往上涨。）第二，网络的使用和收入水平有着密不可分的联系，但是是否收入水品的提高会导致体重的增加，学术界一直没有一个统一的定论。第三，网络丰富的资讯一方面可以增加用户的理性消费。比如大家通过网络了解到过度食用油炸食品会导致体重增加的信息后，会减少油炸快餐的消费，而改用低脂低油的食品。同时网络的使用会增强用户的群体效应，比如越来越多的减肥信息通过网络传递出来，大家更加会关注体重和减肥这个话题。

 

尽管无法完全分辨出以上所说的网络对肥胖的影响的几个途径，作者另辟溪进，采用每个地区宽带铺设在时间上的差异作为外生冲击衡量了互联网对于体重的影响。作者发现，宽带覆盖率显著增加了居民的体重，这在白人女性身上尤其显著。此外，作者发现宽带覆盖尽管会增加和运动相关的活动，但是这些活动只是轻量级的（达不到减重的效果）。同时宽带覆盖率和吸烟还有饮酒等活动的增加有显著关联。

 

数据来源

 

本文关于宽带网络的数据来源于联邦通讯委员会(Federal Communication Commission-FCC)，数据记录了从1999到2008年间每个邮政编码以内的互联网服务供应商的信息。为了匹配健康等数据，作者们把邮政编码归类到县级行政单位并通过人口加权法计算了每个县的互联网供应商的所覆盖的人口权重。尽管宽带覆盖率并不能完全代表个人的网络使用情况，但却被证明为一个很好的代理变量(Guldi and Herbst 2017)。

 

本文的健康变量来源于行为风险因素监测系(Behavioral Risk Factor Surveillance System, BRFSS)。这套系统通过一系列定期及有系统地进行的电话调查，收集全美18岁以上的成年人口各种与健康风险有关的行为模式资料。这些资料可用来监测行为风险因素的趋势，为识别重要的健康问题提供实时地实证支援，有助于评估和促进各种健康和预防疾病的计划。电话调查由每个州卫生部门进行，由美国疾病预防控制中心协助。本文主要对体重的测量主要依赖3个指标，体重指数 (BMI) ，超重指标 (BMI ≥ 25) 以及肥胖指标 (BMI ≥ 30) 。健康行为的测量主要依赖三个指标，过去三十天是否从事任何运动活动，过度饮酒 (一次饮酒超过5瓶) 以及目前是否吸烟。如下图所示，1999到2007年间，超重人口比例随着网络覆盖率的提高而增加。相比1999年网络覆盖率的69.8%， 2007年98.2% 的人口都能使用网络。同时作者还发现，BRFSS覆盖的地区网络覆盖率高于各县覆盖率的平均值。

 

估计方法

 

本文的估计方法是通过测试每个县在不同年间互联网覆盖率的变化对体重的影响。图一显示体重在不同性别还有种族上的差异，作者分别对男女， 白人还有其他种族的人口分别进行了回归。

 

 

其中Y_icmt代表居住在某c县在t年m月的某个人i 的体重以及健康行为等变量。〖Broadband〗_ct代表本县中至少有一个互联网供应商的邮政编码个数占比 。γc, λm, τt分别代表了县、月份还有年的固定效应，加入这些固定效应很好地控制了不随时间而改变的各县的健康差异以及每个月以及每年的差异。

 

个人特征上，作者控制了年龄，教育程度（分成高中以下，高中毕业， 大专及本科以上学历），婚姻状况。样本平均年龄为39岁，49%的调查对象是女性，62%的人具有大专以上的学历，68%的白人调查者，60%为已婚。此外作者还控制了县的一些特征，包括人均收入，失业率， 城市化人口占比，总人口，不同种族还有学历的人口占比，社会福利，医疗支出等。

 

这里也需要指出模型(1) 假定一个县的互联网覆盖率没有变化，该县成年人的体重应该是不会改变的。为了检验这个假设，作者进行以下的验证，第一加入了各县的线性时间趋势，这个变量控制了各个县随时间在不同时间上的趋势差异。第二，作者加入了前和后几年的互联网覆盖率，进行了证伪性检验。第三，尽管互联网覆盖率最早数据收集的时间是1999年，但是再次有的县已经率先有互联网供应商了，为了克服可能造成的偏差，作者去掉这些县进行了稳健性检验。

 

研究结论

 

本文主要研究结果如下所示，由于作者分了白人和非白人样本，这里只显示白人样本。总的来说，互联网覆盖率增加没有显著影响白人男性的体重。但对白人女性而言，如果网络覆盖的人群增加10个百分点，体重指数增加0.1026，同时肥胖率也增加0.006.

 

对于非白人样本而言，网络覆盖率对男性的体重影响也不显著。与白人女性类似，互联网覆盖率提高显著增加了非白人女性的体重，但是这个结果在控制了各县线性时间趋势后就不再显著。

此外作者测试了网络对健康行为的影响。对于白人样本来说，网络增加了男性和女性饮酒和吸烟的行为，同时也增加了运动活动。对于非白人样本，作者也得到类似的结果。

尽管网络增加了运动行为，但是作者指出运动不一定能达到减重的效果。因为这里只是显示了是否从事运动等活动，并没有区分运动的强度。有可能有的人慢走一个小时以后却吃进去了一大份的薯条和汉堡，低强度的运动并没有带来减重的效果。为了验证网络对于运动种类的影响，作者把运动分为低强度和高强度，发现网络覆盖率的提高并没有显著增加用户群体高强运动。此外，作者通过加入网络覆盖和不同百分位的县的交成项检验了收入的影响，回归结果也并不显著。

 

证伪性检验

 

如图一所示，全美肥胖率在1990 到2000年之间有着显著的上升趋势，而互联网的普及是在1995年以后和覆盖率的显著增加是在2003也在增加。并且由于网络数据覆盖范围是1999到2007年，有可能那些本来肥胖人群比较高的县对互联网的需求比较大，互联网增长的速度也更快。为了解决这个疑问，作者主要进行了两个证伪性检验。第一，作者将第一个公式里当年的互联网覆盖率替换为三年以后的数据，也就是进行了以下的回归。

 

 

由于BRFSS数据覆盖范围比较长，在不损失样本的情况下，作者选择了1996-2004年BRFSS的健康数据用以匹配1999-2007年各县的互联网覆盖率。回归结果发现使用三年后的互联网覆盖率对肥胖没有显著的影响。

 

在第二个证伪性检验中，为了测试当年的肥胖率是否和未来以及过去的互联网覆盖率有关，作者包含了前后三年的互联网覆盖率，回归模型和结果如下所示：不难发现，除了当年的互联网覆盖率显著增加了体重指数、超重和肥胖的比率，其他lags 和leads变量都不显著。

 

写在最后

 

这篇文章研究话题很有意思，只是在关键解释变量网络覆盖率的使用上，小编认为这个变量可能存在内生性的嫌疑，比如覆盖率增加的速度，可能受到本县人口结构以及对互联网和时间等偏好有关，很有可能造成遗漏变量。小编在此给有兴趣的读者推荐另一篇Oliver Falck, Robert Gold, 和Stephan Heblich在2014年发表在AER的一篇关于互联网对选举影响的文章，里面对互联网覆盖率的工具变量的构建很巧妙。

 

参考文献

 

1.Christakis N, Fowler J (2007). The spread of obesity in a large social network over 32 years. New England Journal of Medicine. 357(4):370–379.

 

2.Falck, O., Gold, R., & Heblich, S. (2014). E-lections: Voting Behavior and the Internet. American Economic Review, 104(7), 2238-65.

 

3.Guldi, M., & Herbst, C. M. (2017). Offline effects of online connecting: the impact of broadband diffusion on teen fertility decisions. Journal of Population Economics. 30(1), 69-91.

 

4.Olivier Deschenes, Huixia Wang, Si Wang and Peng Zhang. (2019). The Effect of Air Pollution on Body Weight and Obesity: Evidence from China. Institute of Labor Economics, Discussion Paper No.12296

 

Abstract

 

Obesity has become an increasingly important public health issue in the USA and many other countries. Hypothesized causes for this increase include declining relative cost of food and a decreasing share of the population working in labor-intensive occupations. In this paper, we suggest another factor: the Internet. Increasing Internet access could affect body weight through several channels. First, more time spent using the Internet, a sedentary activity, could lead to increases in body weight. Second, the prior literature has shown that economic activity (and income) increase with Internet access: given a positive health-income gradient, obesity rates could likewise increase, although the empirical evidence on the income-obesity gradient is mixed. Third, the Internet increases information and creates the possibility for online peer networks. Theoretically, increases in information should lead to more optimal consumer choices. At the same time, greater networking opportunities may result in peers having greater influence over positive or negative health behaviors. While we are unable to fully test these mechanisms, we are able to use the rollout of broadband Internet providers as a plausibly exogenous source of variation in Internet access to identify the reduced form effect of Internet use on body weight. We show that greater broadband coverage increases the body weight of white women and has both positive and negative effects on modifiable adult health behaviors including exercise, smoking, and drinking.