全球移动通信系统协会-互联网行业：2026年移动性别差距报告

全球移动通信系统协会（GSMA）发布的《2026年移动性别差距报告》详细阐述了低收入和中等收入国家（LMICs）在移动设备拥有率、智能手机拥有率以及移动互联网普及率方面性别差距的研究方法。该报告作为年度系列研究的一部分，旨在通过严谨的数据分析与技术模型，量化并追踪全球不同区域女性在移动通信技术接入与使用上面临的结构性差异。以下为该报告核心方法论的系统性梳理。

消费者调查的范围设计与抽样机制

2026年的研究主要基于2025年GSMA消费者调查的参数结果。本次调查覆盖了14个低收入和中等收入国家，共收集了超过16200名受访者的数据。从历史跨度来看，该系列调查累计涵盖34个国家，代表了所有中低收入国家高达75%的成年人口。其中8个国家的调查覆盖了全部成年人口，包括移动用户和非移动用户。

在样本量设定上，除印度和中国样本量约为2000人外，其余每个国家均对约1000名18岁及以上的男性和女性成年人进行了调查。为确保样本具有全国代表性，研究团队根据人口普查数据或其他适当来源，按性别划分的年龄类别、城乡分布、地区或州以及社会经济阶层（SEC）实行了严格的配额制。社会经济阶层的引入确保了有代表性的低收入受访者群体被纳入统计范围。

抽样环节采用了目的抽样和随机抽样的混合方法。根据不同国家的具体情况，抽样点要么按照行政区域被选中的概率与其人口规模成比例进行随机分布，要么被专门挑选以反映各国在语言、文化和经济层面的差异。每个国家大约设置100个抽样点（印度为200个），当地专家和国家统计局对抽样框进行了有效性检查。需要指出的是，部分偏远农村地区或存在持续动荡及安全问题的区域被排除在抽样之外，例如埃塞俄比亚因地方冲突和安全问题，在阿姆哈拉州及其他四个区未进行访谈，这些地区占该国人口的27%，因此样本实际代表的是居住在这些地区之外占73%的人口。

实地调研通过访谈员管理的计算机辅助个人访谈（CAPI）方式实施。访谈由男性和女性访谈员以当地语言或方言在受访者家中进行。在孟加拉国、印度和巴基斯坦等国的偏远农村地区，当地团队尽可能确保由女性访谈员对女性受访者进行调查。数据处理阶段采用随机迭代法（RIM）对数据进行加权，该方法通过迭代序列应用多个非重叠配额并重复执行直至收敛，从而纠正数据分布的不平衡，同时尽可能将加权对有效样本量的影响降至最低。

移动性别差距的外推模型与机器学习应用

对于未被GSMA消费者调查直接覆盖的低收入和中等收入国家，报告依赖机器学习分类器进行性别差距估算值的预测。研究团队将已有移动技术性别差距观察数据的国家作为训练集，结合技术采用指标和社会经济状况等变量，训练分类器识别哪些条件与更高或更低的移动性别差距相关。随后，训练好的分类器利用这些模式对未直接调查国家的移动设备拥有率、移动互联网使用率和智能手机拥有率的性别差距进行预测。

在数据准备阶段，由于某些国家-年份组合存在数据缺失，研究采用了MICE森林（链式方程多重插补森林）技术。这是一种使用决策树来插补缺失值的多重插补特定实现方法。算法通过为每个存在缺失数据的变量创建决策树，并利用其他变量中观察到的模式来预测缺失值，最终生成完整的插补数据集。为了管理计算时间并反映估计值中的微小差异，研究依赖五个插补数据集，并将预测的性别差距值计算为这五个数据集的平均值。

用于预测移动性别差距的变量体系涵盖了多个国际权威机构的数据维度。具体包括：联合国人类发展报告中关于女性和男性的平均受教育年限及预期年限、人类发展指数、性别不平等指数、性别发展指数以及人均国民总收入；国际货币基金组织世界经济展望中的人均国内生产总值和购买力平价；盖洛普世界民意调查中关于互联网接入人口百分比、移动设备拥有情况及其城乡和性别差距的数据；GSMA Intelligence数据库中的脸书性别差距、每用户平均收入（ARPU）；以及世界银行的法律层面性别平等衡量指标和区域分组虚拟变量等。

在具体的预测算法上，报告依赖梯度提升回归森林来预测所有移动性别差距及相应的城乡差距。在2023年进行的一项评估中，该方法被证实能为移动设备拥有率、移动互联网普及率和智能手机拥有率性别差距提供最可靠的预测结果。

关键指标的测算逻辑与细分推导

报告对成年男女移动用户、移动互联网用户及智能手机用户的数量进行了系统性推导。成年男女移动用户数量是通过移动设备拥有情况的性别差距估算值、GSMA Intelligence对成年手机普及率的估算和预测，以及联合国按性别对成年人口的估算和预测综合计算得出。同理，成年男女移动互联网用户数量则结合了移动互联网使用的性别差距估算值及相关普及率预测数据。

成年男女智能手机用户的测算分为三个步骤。首先，将GSMA Intelligence关于智能手机订阅的数据按比例缩小，调整数据库中每位用户的平均设备数量，并根据消费者调查估算的每位智能手机用户的平均设备数量进行进一步调整，以反映智能手机用户通常比普通非智能手机移动用户拥有更多设备的实际情况。其次，根据总用户中成年人的占比对估计的独特用户数量进行调整，得出独特成年智能手机用户的估计值。由于缺乏智能手机用户中成年人占比的直接数据，此处依赖于总移动互联网用户中成年人占比的数据作为替代。最后，利用估计的智能手机拥有性别差距，计算出独特成年女性和成年男性移动用户数量以及移动普及率。

城乡性别差距的计算同样遵循严密的三步流程。第一步，使用分类数据估算城乡在移动通信、移动互联网和智能手机普及率方面的差距，并应用联合国城乡人口数据计算城乡用户数量。第二步，借助额外的分类器估算城乡性别差距，将其应用于联合国城乡人口数据以估算城市男性和女性订阅者的数量。第三步，将农村男性及女性订阅者数量计算为剩余订阅者（即总男性订阅者减去男性城市订阅者，总女性订阅者减去女性城市订阅者），并将这些估计数除以农村男女人口，从而得出农村渗透率和农村性别差距。在某些情况下，计算出的用户数量会受到限制，以防止城市或农村男性和女性群体之间的隐含渗透率超过100%。

移动互联网使用障碍与服务分析框架

针对知晓移动互联网但过去三个月未使用过该技术的受访者，调查询问了阻碍其采用的因素；而对于过去三个月内使用过的受访者，则询问了阻碍其更频繁使用的因素。GSMA 2025消费者调查允许受访者按重要性程度识别障碍，范围从“这是一个障碍”到“这是唯一最重要的障碍”。受访者需从包含22个选项的障碍列表中进行选择。

为深入分析主要障碍，研究将类似障碍分组为五个广泛主题：可负担性、文盲与数字技能、相关性、安全与保障、基本使能因素。在每个主题下，针对各个障碍的回应被归入一个综合指数，但“基本使能因素”因内容过于多样而未作合并。例如，低数字技能或素养可能造成一系列使用障碍，需要通过多个问题捕捉其影响范围；而成本作为障碍的重要性则可以通过较少的问题来衡量。复合型壁垒的设置允许更复杂壁垒的各个组成部分进行组合，从而更准确地反映该壁垒的整体重要性。报告展示了这些复合型指标在调查国家间的平均值及国家层面的数据。

在移动互联网服务使用情况分析方面，调查要求受访者从17个不同的移动互联网使用案例列表中进行选择，涵盖在线呼叫、视频通话、即时消息、社交媒体、在线视频、网络娱乐、阅读新闻、搜索在线信息、教育学习支持、搜索在线招聘或商业信息、订购商品或服务、创收、网上银行或移动支付、医疗服务、政府服务、农业信息以及就业或在线工作。受访者还需报告使用每种类型服务的频率。需要注意的是，关于周使用率的统计排除了仅偶然使用的服务，且关于移动互联网使用的问题并非仅限于受访者个人手机，调查数据反映了受访者的整体使用情况。

第三方数据的补充与历史对比原则

在认为数据可靠的情况下，报告参考了第三方和公开可用的调查数据作为补充。使用第三方调查数据的国家子集因年份而异，例如After Access提供了柬埔寨、巴拉圭、秘鲁和卢旺达等国的手机及移动互联网数据；皮尤全球态度与趋势提供了约旦、黎巴嫩和菲律宾的相关数据；中国互联网络信息中心提供了中国的移动互联网数据；国际电信联盟提供了伊朗的数据等。这些第三方数据为13个国家特定年份的手机拥有率、13个国家的移动互联网使用率和4个国家的智能手机拥有率提供了性别差距的代理指标。

此外，报告强调了历史数据对比的严谨性。每年GSMA消费者调查的措辞和结构都会进行修订，基础方法论也会得到完善。因此，在根据以往移动性别差距报告得出国家层面同比变化的结论时须保持谨慎。本年度报告中所识别的任何趋势，均基于GSMA及第三方对性别分项数据的历时评估，并且已个案确定具有充分的证据支持。这种处理方式确保了跨周期数据分析的科学性与客观性。