互聯網對農村勞動力非農就業的影響
——基于CFPS數據的實證研究

丁炎晨 于 冷

(上海交通大學 安泰經濟與管理學院，上海 200000)

0 引言

2020年是實現全面建成小康社會的決勝之年，要幫助貧困地區脫貧致富，需要幫助農村貧困地區居民增加收入，要實現這一目標有兩種途徑：(1)提高農業生產效率，增加農業收入；(2)促進農村勞動力非農就業，豐富收入來源。這兩種途徑之間存在雙向因果關系，楊向陽等(2007)研究發現，非農就業水平的提高會促進農業生產率的增長,而農業生產率的增長反過來會進一步提高非農就業水平。隨著生產率的不斷提高，農村居民向城市流動，農村勞動力向非農產業轉移，是一個國家或地區實現現代化過程中不可避免的現象。

伴隨著經濟增長，二、三產業對勞動力的需求日益增加，根據《2019年農民工監測調查報告》，2019年農民工總量達到29,077萬人，比上年增加241萬人，增長0.8%，增速比上年小幅上升0.2個百分點。就勞動力的需求增加而言，農民工的增速目前處在一個較低的水平。馬俊龍等(2017)研究發現部分東南沿海等經濟發展較快的城市出現“民工荒”的趨勢也日益明顯，越來越多的學者開始討論中國是否即將迎來“劉易斯拐點”。雖然討論結果不盡相同，但不可否認的是，曾一直支撐中國經濟高速發展的“人口紅利”在不斷流失。但是，中國農村仍然存在著大量的剩余勞動力。根據《中國統計年鑒》數據，2019年第一產業GDP占比僅為7.1%，而第一產業的就業人數占總就業人數的比例達到了25.1%。近年來由于農業機械化進程的推進，農業生產效率不斷提高，農業所需就業人數不斷減少，吸納勞動力能力不斷降低，因此農村地區存在大量邊際產出為0的剩余勞動力。幫助這些剩余勞動力實現非農就業，填補二、三產業迅速發展帶來的勞動力需求，對促進農民增收、縮小城鄉收入差距，以及推動社會經濟全面發展都具有重要意義。

從微觀角度來看，限制農村勞動力非農就業的原因主要有兩點：人力資本和社會資本。人力資本包括健康水平、受教育程度、專業技能等；社會資本包括人際關系、社會網絡等?；ヂ摼W的使用和普及有可能幫助打破這兩條限制：一方面，互聯網的使用可以幫助農村居民以更低的成本，在更短的時間內接受教育或技能培訓，如網絡課程等，這是正規教育的重要補充，可以在一定程度上提高農村勞動力的人力資本；另一方面，互聯網的即時通信功能也有助于農村居民建立自己的社會網絡，增加人際關系，并且可以使用互聯網搜索引擎豐富自己的信息來源，包括招聘信息等，從而增加就業渠道，提高就業幾率。此外，互聯網的普及還產生了一些新穎靈活的工作職位，如網約車、外賣配送等，也為農村勞動力的非農就業創造了機會。

從互聯網普及率來看(見圖1)，目前城鄉之間仍有較大差距。近些年來隨著計算機、智能手機等硬件設備的發展和互聯網的推廣普及，中國網民數量不斷攀升，城鄉互聯網普及率不斷提高，但城鄉之間差距依然明顯?！禖NNIC中國互聯網絡狀況統計報告》指出，截至2020年3月，中國的網民規模達到9.04億，較2018年底增長了7508萬，互聯網普及率達到64.5%，較2018年底提升4.9個百分點。其中農村網民規模達到2.55億，占網民整體的28.2%，較2018年底上升了1.5個百分點。隨著農村地區網民規模和互聯網普及率的不斷增長，城鄉互聯網普及率差異正在逐步縮小，但仍超過30%。城鄉間存在差距一方面是由于城鎮化進程在一定程度上影響了農村互聯網普及推進工作的成果；另一方面則由地區經濟發展不平衡造成，這也是城鄉差距的主要原因。

同樣需要注意的是，互聯網是一項高技能型工具，需要學習和培訓相關技能才能有效地使用，而農村勞動力大多受教育程度偏低，在接觸到互聯網時往往不能有效利用，無法充分發揮互聯網對其就業和收入的積極效應。此外，近些年來各類短視頻和直播平臺的興起，使得越來越多的農村網民接入互聯網的目的是用來娛樂。《CNNIC中國互聯網絡狀況統計報告》指出，截至2020年3月，中國網民網絡視頻(含短視頻)用戶規模為8.5億，網絡視頻使用率達到94.1%，網絡游戲用戶規模為5.3億，網絡游戲使用率達到58.9%。過度使用互聯網進行娛樂活動，不僅不能發揮互聯網對就業的積極促進作用，反而可能分散精力，甚至導致沉迷網絡而對就業甚至日常生活產生負面影響。

本文框架如下：第一部分為引言，闡述研究背景；第二部分為文獻綜述；第三部分為數據來源和模型；第四部分為實證分析；第五部分為結論和政策建議。

1 文獻綜述

中國龐大的農村人口是直接關系到經濟發展和社會穩定的重大問題(樂章等，2010)。近年來隨著農業機械化進程的推進，農業生產效率不斷提高，農業吸納就業能力不斷降低，農村存在大量剩余勞動力。蔡昉等(2007)也指出了中國農村勞動力顯著剩余的客觀事實。對于如何減少剩余勞動力，促進農村勞動力非農就業的問題，很多學者從不同角度進行了研究。如任國強(2004)分析指出教育對農村勞動力非農就業具有顯著的促進作用，且除了高中，勞動力受教育程度越高,獲得的非農收入也越高。程名望等(2006)也通過研究發現，農民受教育程度對其身份轉變和非農擇業等意愿傾向的影響非常顯著，這構成了農民非農就業的內在推力，也在一定程度上揭示了人力資本也是影響勞動者非農就業的重要因素。其他方面，魏眾(2004)指出健康狀況對農民的勞動參與和非農就業機會都有顯著的促進作用，且對增加家庭收入有重要作用；范麗紅等(2019)發現農村地區女性一般負責在家照顧老人和小孩，增加農村地區養老基礎設施和服務可以釋放女性勞動力從而促進其非農就業。

隨著中國信息化水平的提高，越來越多的學者開始關注互聯網對勞動力市場的影響。一方面，部分學者從宏觀層面研究了“互聯網+”背景下大學生就業創業的情況和互聯網對整體就業結構的影響。中國自20世紀90年代引進互聯網技術以來，信息化程度不斷提高，特別是近年來相繼提出“互聯網+”“智慧城市”和“數字中國”等一系列信息化發展戰略，旨在通過互聯網技術的普及與應用促進中國經濟社會全面發展(程名望，2019)。在“互聯網+”背景加持下,大學生就業創業具有機會更多、平臺更大、門檻更低、更加公平等新特點(程煜等，2015)?！盎ヂ摼W+”實現了工業化與信息化的深度融合,對于推動大學生就業創業具有十分顯著的優勢(金印等，2016)。丁琳等(2020)基于WIOD投入產出數據, 從理論分析和實證檢驗兩方面分析了互聯網技術進步對就業的影響,發現中國互聯網技術進步減少了技術密集型制造業和建筑業的就業, 促進了第三產業就業, 長期看互聯網技術進步會促進整體就業。

另一方面，更多的學者從微觀層面研究互聯網使用對勞動者收入水平和勞動參與的影響。劉曉倩(2018)基于2014年CFPS數據研究得出結論，互聯網對不同來源的收入均有提高，尤其是對農業收入的影響更為明顯；周冬(2016)利用有序Probit模型研究發現，互聯網使用能夠顯著促進農村居民非農就業、豐富農民收入來源，從而提高農村發展水平。卜茂亮等(2011)利用2008年CFPS數據估計了信息技術的工資回報率，發現互聯網的使用可以帶來約60%的額外收入，其中農村地區約為78%，明顯高于非農村地區的38%。在勞動參與方面，毛宇飛等(2017)研究發現，互聯網使用能促進女性整體就業，且對非自雇就業的作用效果大于自雇就業。趙建國等(2019)運用Logit模型和IVProbit模型，分析了互聯網對大學畢業生就業和勞動參與的影響，發現互聯網使用顯著促進了大學畢業生的就業和勞動參與概率,且互聯網使用對大學畢業生就業的促進效應主要集中于30歲以下、農村戶籍以及東部的畢業生群體中。周洋等(2017)研究了互聯網對農村家庭創業的影響，發現互聯網的使用對創業活動具有積極的促進作用，并且社會交往和信息獲取是主要的影響機制。

此外，也有一些學者關注互聯網對收入分配的影響。邱澤奇等(2016)指出，從互聯網紅利中受益更多的地區主要集中在東南沿海等經濟發達地區；程明望等(2019)指出互聯網普及對城鄉收入差距的影響呈現先增加后降低的“倒U型”趨勢，且互聯網普及對城鄉收入差距的影響在2009年左右已經越過拐點，而且互聯網普及顯著縮小了城鄉居民消費差距, 并且是通過城鄉居民生存型消費差距、享受型消費差距和發展型消費差距多維路徑實現的。

但是，國內專門研究互聯網對非農就業影響的文章較少。周冬(2016)使用有序Probit模型發現使用互聯網能有效提高農村勞動力非農就業的概率，使得農村就業多元化，但是她的文章中并未解決內生性的問題。馬俊龍等(2017)使用工具變量和Biprobit模型克服了內生性，進一步證明了互聯網對農村勞動力非農就業的促進作用，并得出互聯網可以通過幫助農村居民提高社會資本、減少家務時間兩個渠道影響勞動者就業決策的結論。趙羚雅等(2018)研究發現互聯網顯著提高了農民非農就業的概率，并通過中介效應得出互聯網對非農就業的促進效應中有23.88%來自社會資本。

但是以上文章都未進一步研究過度使用互聯網是否會帶來負面影響。近年來隨著互聯網的普及，各類手機游戲、短視頻平臺、直播平臺等不斷走紅，在受教育程度普遍偏低、互聯網使用技能較弱的農村地區，很多人使用互聯網并不是用來學習或者獲取信息，而是從事游戲、直播等娛樂活動，這樣一來過度使用互聯網非但不能促進非農就業，反而會帶來負面影響，因此本文能夠在一定程度上豐富該領域的研究。

2 數據與模型

2.1 數據來源和變量統計描述

本文數據來自2016年中國家庭動態跟蹤調查(CFPS)數據。中國家庭動態跟蹤調查是北京大學中國社會科學調查中心實施的、一個旨在通過跟蹤搜集個體、家庭、社區三個層次的數據，反映中國社會、經濟、人口、教育和健康的變遷，以為學術研究和政策決策提供數據為目標的重大社會科學項目。該數據庫于2010年正式開始訪問，樣本覆蓋25個省/直轄市/自治區162個縣，目標樣本規模為15776戶，剔除正在上學的、年齡過大和年齡過小的樣本，還剩13584個。調查對象包含樣本家庭的全部家庭成員，數據具有較好的代表性，能夠作為本文研究問題的優質數據來源。表1所列為統計數據的大致情況。

表1 主要變量的基本特征

模型被解釋變量為是否非農就業，非農就業為1，務農和未就業為0。核心解釋變量分為是否使用互聯網和使用互聯網各類用途的頻率，其中是否使用互聯網包含使用電腦上網和手機上網，以問卷中“是否移動上網”“是否電腦上網”為準，只要二者中有一個滿足即認為使用互聯網；使用互聯網各類用途的頻率包括“使用互聯網學習的頻率”“使用互聯網工作的頻率”“使用互聯網娛樂的頻率”“使用互聯網社交的頻率”，使用頻率按照“從不”到“幾乎每天”劃分為7個等級，依次賦值為0～6，其中“使用互聯網娛樂的頻率”是本文討論的重點。其他控制變量包括年齡和年齡平方，這是因為中年往往是工作的黃金時期，所以非農就業與年齡可能呈現倒U型關系；性別，因為農村女性承擔了照顧老人孩子的職責，所以男性往往更容易非農就業；受教育程度，分為“從未受過教育”“小學”“初中”“高中”“大專及以上”，其中“從未受過教育”作為對照組，受教育程度越高，其非農就業的概率往往越大；是否有過非學歷教育，作為正規教育的重要補充，非學歷教育往往可以幫助勞動力掌握新的技能，從而提高其非農就業概率；健康程度，作為人力資本的重要一項，健康的人往往有更多的機會就業；是否結婚和孩子個數，家庭情況往往對個體的就業選擇和就業機會有所影響，引入這些控制變量用來控制個體的家庭狀況差異；是否黨員，在中國黨員身份可能會影響農村勞動力在某些崗位的就業機會。

2.2 實證模型

由于模型的被解釋變量“是否非農就業(因變量job)”為離散的二元變量，所以本文的基本模型采用Probit模型：

Pr(job=1)=Φ(cons+αInternet+βX)

(1)

Pr(job=1)=Φ(cons+αXX_Int+βX)

(2)

其中Internet為核心解釋變量“是否使用互聯網”,XX_Int為“使用互聯網的頻率(XX代表不同途徑，如學習、工作、娛樂等)”。正如前面所討論的，本文希望分析過度使用互聯網是否會對農村勞動力的非農就業產生負面效果，所以在基本模型的基礎上再加入互聯網使用頻率的平方項(XX_Int2)，這樣一來式(2)就變成了：

Pr(job=1)=Φ(cons+αXX_Int+γXX_Int2+βX)

(3)

實際上，個人的就業情況與其使用互聯網頻率之間存在著“自選擇”的問題：實現了非農就業的農村居民往往有著更高的收入，則更有可能接入并使用互聯網，且非農工作相比務農本身就會更多地接觸到互聯網，如外賣騎手、網約車司機等。這樣一來如果使用上述模型進行回歸分析就高估了互聯網對非農就業的促進作用，因此存在著內生性的問題。此外，該模型的內生性問題還存在另一方面：很大一部分人群，尤其在農村落后地區，使用互聯網是用來休閑娛樂的，如打游戲、看視頻直播等。因為他們缺乏對互聯網信息技術的利用能力，那么這一部分樣本就不能客觀地體現出互聯網對非農就業的促進作用，從而低估了互聯網的影響。

為了克服內生性問題，本文采用工具變量法，而該模型中被解釋變量“是否非農就業”和核心解釋變量“互聯網使用頻率”均為離散變量，所以不能直接使用Ivprobit模型，只能采用Biprobit模型：

Pr(job=1)=Φ(cons+αXX_Int+γXX_Int2+βX，

Pr(XX_Int=i)=f(X,Z)，i=0,1,2,3,4

(4)

而在使用工具變量時需引入離散變量Internet的映射，不可觀測的潛在變量y*與解釋變量向量X和工具變量Z存在線性回歸關系，擾動項ε服從獨立且正態分布，如下：

y*=cons+γZ+φX+ε

當y*的估計值落在一定的邊界點內時，我們就可以觀測到農民相應的互聯網使用頻率，假設邊界點為λ1，λ2，λ3，λ4，λ5我們可以將其關系定義如下：

再由擾動項ε服從獨立且正態分布有：

Pr(XX_Int=0)=Φ(λ1-φX-γZ)，

Pr(XX_Int=i)=Φ(λi+1-φX-γZ)-Φ(λi-φX-γZ)，i=1,2,3,4

關于工具變量的選擇，要滿足兩個條件：(1)與內生解釋變量存在相關性；(2)嚴格外生，只通過內生解釋變量來影響被解釋變量。本文選擇的工具變量為個體所在區縣去除個體所在村/鎮的互聯網普及率，計算公式為：

這樣的工具變量是合理的。關于相關性：個體周邊村/鎮的互聯網普及率越高，則個體身邊使用互聯網的人越多，由于同伴效應，會影響個體自身對互聯網的使用決策；關于外生性：其他村/鎮的互聯網普及率往往并不會影響個體的非農就業概率，因此是完全外生的。

本文將使用該工具變量，運用上述Biprobit模型，分析互聯網對農村勞動力非農就業的促進作用以及過度使用互聯網帶來的負面影響。

3 實證結果

3.1 互聯網的使用對農村勞動力非農就業的影響

使用互聯網對農村勞動力非農就業的影響如表2所示，在未引入互聯網使用頻率平方項的情況下，模型1、2分別為不加工具變量的Probit模型和使用工具變量的Biprobit模型。由分析回歸結果可以看出，“是否使用互聯網”前的系數顯著為正，并且在引入了工具變量之后該結果依然顯著為正，說明使用互聯網確實可以促進農村勞動力的非農就業。

表2 “是否使用互聯網”對農村勞動力非農就業的影響

其他的控制變量也都基本符合我們的預估：(1)年齡對非農就業的影響呈倒U型，這是由于青少年和中年是就業的黃金年齡，年齡過大或過小都會降低就業的概率；(2)男性比女性非農就業的概率要高，這是由于農村女性往往承擔了照顧老人和孩子的責任，降低了她們外出就業的幾率。因此農村投入養老基礎設施可能在一定程度上解放農村婦女，促進其非農就業；(3)接受教育會使非農就業的概率增大，且受教育程度越高，促進效果越明顯，接受過非學歷教育同樣對非農就業有促進作用；(4)健康狀況前系數顯著為正，說明越健康的個體參與非農就業的概率越大；(5)子女個數會影響非農就業的概率，且對其有負效應，這與(2)中討論的結果可能有交叉，因為家中孩子越多，需要照顧孩子而被迫留在家中不能外出，非農就業的概率就越高。

在模型1、2的基礎上，將核心解釋變量“是否使用互聯網”更換為“使用互聯網娛樂頻率”，并加入使用頻率平方項，分析過度使用互聯網進行娛樂活動是否會帶來負面效應，得到模型3、4。回歸結果如表3所示，可以看出，使用互聯網娛樂頻率前系數顯著為正，而使用頻率平方項前系數顯著為負，并且在加入工具變量后依然顯著，說明非農就業概率與使用互聯網娛樂頻率之間存在倒U型關系，且拐點位置位于5.3左右，即當使用互聯網娛樂的頻率達到“幾乎每天”時，便會對農村勞動力非農就業產生負面影響，導致非農就業概率下降。

表3 “使用互聯網娛樂頻率”對農村勞動力非農就業的影響

3.2 進一步分析

模型4的結果顯示，使用互聯網娛樂的頻率與非農就業概率之間存在倒U型關系，即過度使用互聯網進行娛樂活動會導致非農就業概率下降。為了進一步分析該問題，本文從樣本中剔除使用互聯網進行學習和工作的樣本，對剩下的10273個樣本進行分析，這樣可以觀察在不使用互聯網學習和工作的情況下，如果使用互聯網只是用來娛樂和社交，過度使用互聯網是否會有負面影響。對該組樣本進行工具變量下的Biprobit模型分析，得到結果如表4。

表4 實證回歸結果(剔除使用互聯網學習和工作的樣本)

可以看到，“使用互聯網娛樂頻率”前系數顯著為正，而平方項系數顯著為負。即非農就業概率與使用互聯網娛樂頻率之間仍呈倒U型關系，并且此時拐點位置有所前移，位于頻率為4.9左右的位置，即在不使用互聯網從事學習和工作的情況下，當使用互聯網娛樂的頻率達到“每周3～4次”時，便會對農村勞動力的非農就業產生負面影響。而且這還是在樣本會使用互聯網進行社交增加個人社會資本，從而對非農就業產生積極影響的情況下(因使用互聯網娛樂和社交重疊樣本過多，不宜直接分離)，若單獨考慮使用互聯網進行娛樂的情況，這一拐點可能更加前移。對比模型4～5的結果可以看出，使用互聯網確實可以促進農村勞動力非農就業，但由于互聯網是一項高技能型工具，要發揮其促進作用需要使用者掌握一定的技能并合理使用，若只是使用互聯網從事娛樂活動，那么過度使用互聯網反而會對非農就業產生負面影響。

3.3 穩健性檢驗

第45次《CNNIC中國互聯網絡發展狀況統計報告》顯示，截至2020年3月，中國手機互聯網用戶占全部網民的99.3%，移動上網已經是中國網民最普遍的上網方式。本文將“是否移動上網”作為解釋變量進行穩健性檢驗，結果如下表5，可以看出，無論是否加入工具變量，移動上網對農村勞動力非農就業的影響均顯著為正，因此本文的研究和模型具有高度穩健性。

表5 穩健性檢驗：移動上網對非農就業的影響

3.4 異質性分析

表6顯示了使用互聯網對不同性別的農村勞動力非農就業的影響?？梢钥闯?，不管對男性還是女性，使用互聯網均能提高非農就業的概率，并且對男性非農就業的促進作用更大。這主要是由于相比男性，女性在求職過程中難度更大，并且農村女性往往承擔著照顧老人和孩子的責任，即使同樣使用互聯網，女性非農就業的概率也更低于男性。此外，不管對男性還是女性，使用互聯網娛樂頻率與非農就業概率之間均存在倒U型關系，即男性和女性過度使用互聯網進行娛樂均會對其非農就業產生負面影響。

表6 異質性分析：互聯網對不同性別樣本非農就業的影響

表7結果可以看出互聯網對不同年齡段的農村勞動力非農就業均有顯著的促進作用，其中對30歲以下樣本影響最大，這主要是由于年輕人更容易接受新鮮事物，對互聯網的學習更快，使用能力更強。相比老年人，年輕人更善于利用互聯網獲取求職信息，并利用互聯網提升自身工作能力，從而實現非農就業。

表7 異質性分析：互聯網對不同年齡樣本非農就業的影響

表8結果顯示了互聯網對不同受教育程度的農村勞動力非農就業均有顯著的正向影響，并且對學歷越低的樣本促進效果越明顯，其中對未受過學歷教育的“文盲”促進效果最大。這主要是由于學歷更高的農村勞動力更依靠學校教育來實現非農就業，同時也表明了互聯網可以作為學校教育的重要補充，幫助學歷較低的農村勞動力實現非農就業。

表8 異質性分析：互聯網對不同學歷樣本非農就業的影響

4 結論及政策含義

本文利用2016年CFPS數據，運用Biprobit模型和工具變量法分析了互聯網使用對中國農村勞動力非農就業的影響。結果發現，對整個樣本進行研究時，使用互聯網確實可以促進農村勞動力的非農就業。但當我們分途徑研究農村居民使用互聯網進行娛樂對其非農就業的影響時，發現使用互聯網娛樂的頻率與非農就業概率之間存在倒U型關系，且拐點位于使用頻率為5.3左右，即當使用互聯網娛樂的頻率達到“幾乎每天”時，便會對農村勞動力非農就業產生負面影響，導致非農就業概率下降。而進一步剔除樣本中使用互聯網學習和工作的樣本后，我們發現使用互聯網娛樂頻率與非農就業概率之間依然存在倒U型關系，并且此時拐點前移至4.9左右，即在不使用互聯網從事學習和工作的情況下，當使用互聯網娛樂的頻率達到“每周3～4次”時，便會對農村勞動力的非農就業產生負面影響。由此可以看出，雖然使用互聯網的確可以促進農村勞動力的非農就業，但如果使用互聯網只是從事娛樂活動，那么過度使用互聯網會對其非農就業產生負面影響。

結合本文研究，提出下列一些建議：(1)互聯網是一項高技能型工具，使用互聯網本身也是一項人力資本，學習使用互聯網需要時間和培訓，所以為了更好地發揮互聯網促進非農就業的積極作用，政府應該大力開展農村落后地區的互聯網培訓，幫助農村居民學習使用互聯網。(2)近些年來伴隨各類短視頻和直播平臺的興起，越來越多的人使用互聯網用來娛樂和休閑，這一現象在農村落后地區尤為明顯。而投入大量時間與精力從事娛樂活動不但不能發揮互聯網的積極作用，反而會造成負面影響。因此政府應當適當管制各類互聯網娛樂平臺，使新媒體信息傳播側重于推廣有效農業信息和現代化觀念，提高農民素質。在農村推廣互聯網普及的過程中要注意避免虛假信息的傳播及錯誤價值導向，有效發揮互聯網對非農就業的積極促進作用。