信息素養對新市民就業穩定性的影響
——基于CGSS2017的實證分析

■ 王蓮秋 吳華安.2 馮一桃 朱明東

（1.重慶工商大學 長江上游經濟研究中心，重慶 400067；2.重慶財經學院，重慶 401320）

習近平總書記強調，推進“以人為核心”的新型城鎮化建設必須扎實做好新市民群體的安置工作，既要確保其“進得來”，更要確保其“留得住”和“發展得更好”。根據2022年中國銀保監會和中國人民銀行聯合印發的《關于加強新市民金融服務工作的通知》，因本人創業就業、子女上學、投靠子女等原因來到城鎮常住的新市民群體已達到3億人左右，在我國總人口中的占比超過20%。與大多數城市原居民相比，這些剛進城的新市民普遍而言工作層次更低、職業技能更低、更缺乏保障、就業流動性更大，以至于不少新市民面臨著難以快速適應城市、融入城市的困境。[1]然而，目前學界在有關新市民群體的理論和政策研究上，更多關注的仍是如何通過解除各種體制和制度性障礙更有效地推動農村和農業人口的市民化，亦即如何解決新市民“進得來”的問題，而對于如何促進該群體真正融入城市、扎根城市，如何使他們“留得住”和“發展得好”，還缺少廣泛深入的研究。[2][3]本文的目的就在于為深化對該問題的探討提供一種可行的研究思路。具體而言，我們試圖提出并實證檢驗這樣一個經驗性的命題：保持就業穩定性是新市民在城市“留得住”和“發展得好”的一個重要影響因素，而在信息化全方位滲入城市社會方方面面的當今時代[4]，新市民信息素養的高低又是其能否保持就業穩定性的一個重要的決定因素。

一、相關研究綜述

（一）有關就業穩定性衡量標準與影響因素的研究

總體而言，國內外學界迄今對個體或群體就業穩定性問題的研究，還處于相對不足的狀態。已有的相關研究主要集中在兩個問題上：一是就業穩定性的衡量標準問題，二是就業穩定性的影響因素問題。

有關就業穩定性的衡量標準，主要存在下述幾種觀點。（1）以個體工作任期長短（包括就業期續期、工齡等）來衡量就業穩定性。例如，Lucie Davoine和Christine Erhel基于西方國家的經驗提出，可以受雇者的平均任職時長以及離職人數比率來反映社會就業穩定程度。[5]王曉峰針對女性流動人口提出，可以用兩個指標來衡量其就業穩定性，即是否與企業單位簽訂合同，以及流入本地的時間是否超過三年。[6]劉斌等人在探討農民工住房問題時涉及了該群體的就業穩定性問題，并將工作時長作為衡量就業穩定性的指標。[7]（2）基于離職率來衡量就業穩定性。如Robert J.Blomme和Arjan Van.Rheede在研究酒店職員就業問題時，基于離職率和工作時長來衡量就業是否穩定。[8]杜興艷等人以新就業大學生離職率為衡量標準，探討了職業規劃教育對該群體職業穩定性的影響。[9]（3）基于合同期限來衡量就業穩定性。如，石智雷和朱明寶在研究農民工就業穩定性與社會融合之間的關系問題時，選取以是否與企業或雇主簽訂勞動合同為衡量就業穩定性的指標。[10]蔣帆等利用無固定期限合同的訂立條件與雇員在職時間相關這一特點構建DID模型，實證檢驗了這類解雇規制對雇員就業穩定性的影響。[11]（4）以工作轉換次數衡量就業穩定性。如，王春超以“平均換工次數”[12]，謝婷和陳昭玖以及邵敏和武鵬以“近期就業狀況變動頻數”[13][14]，李東琴以“一年中有無工作變動來測量就業穩定性[15]。

有關就業穩定性的影響因素，相關研究一般認為主要有三個：微觀層次的個體特征、中觀層次的企業環境和宏觀層次社會制度環境。（1）個體特征的影響。研究者所涉及的影響就業穩定性的個體特征既包括性別、年齡等，也包括個體人力資本（受教育程度、技能培訓等）和社會資本（社會網絡資源等）等。例如，李立清和吳倩文在分析639份來自廣西壯族自治區的調研資料基礎上指出，農民工的年齡、學歷和婚姻狀況是導致他們“消失”在城市勞動力市場的重要因素。[16]柳延恒、趙蒙成以及沈詩杰的研究則表明，人力資本和社會資本水平對新生代農民工群體的就業穩定性有顯著的影響。[17][18][19]（2）工資水平、工作時長、工作條件、工作滿意度等企業環境因素的影響。這類觀點也大多集中在有關新生代農民工群體就業問題的研究中。如石丹淅等人的研究指出，職業類型、工會組織缺失、工資水平低、工作強度大、加班頻繁、培訓機會少等是導致目前新生代農民工就業質量和就業穩定性普遍不高的主要因素。[20]而杜鵬程等人的研究則表明，企業通過改進工作環境和縮短工作時長，可顯著提升員工的主觀福利感知，進而提高其就業穩定性。[21]（3）宏觀社會制度環境的影響。如官華平研究指出，我國目前普遍存在的就業不穩定問題較大程度上與勞動者權益保護不足有關。[22]蔣帆和于大川的實證研究表明，解雇規制等就業保障政策僅對那些技術水平和技術要求低的小微私營企業雇員的就業穩定性產生了消極的影響。[11]

（二）有關個體信息素養對其就業穩定性影響的研究

隨著信息和數字化技術的高速發展與廣泛運用，提升個體信息素養問題越發受到學界的重視。近年來，國內外學者已對個體信息素養的內涵、評價標準、影響因素等作了廣泛探討。[23][24][25]但直接探討信息素養對就業穩定性影響的研究還很少見，僅有部分學者對信息素養的單個指標與就業之間的關系進行了研究。如Patricia.Findlay等人研究發現，互聯網的廣泛運用有助于求職者改善其在勞動力市場中的信息不對稱地位，進而提升就業質量。[26]丁述磊等人則提出，互聯網的普及還可能通過引發建構新的社會網絡而間接促進就業質量的提升。[27]李睿等人研究指出，農民工提高信息素養有助于其獲取高質量的崗位信息，進而更好地實現人職匹配。[28]

綜上所述，雖然國內外學界目前已形成了不少有關就業穩定性問題的一般性文獻，但致力于研究個體信息素養對就業穩定性影響的文獻還比較少，聚焦于我國城鎮化過程中出現的“新市民”群體的信息素養及其對就業穩定性影響的研究則更是少見。因此，本文在研究對象和思路上體現了一定的創新性，或能為學界后續的相關研究提供些許啟示。

二、數據來源、模型構建與樣本的統計描述

本文的基本研究思路是，在建構一個以就業穩定性為被解釋變量（因變量）、個體信息素養為核心解釋變量（自變量）的計量分析模型的基礎上，運用“2017年中國綜合社會調查”提供的相關統計數據，對新市民信息素養與其就業穩定性之間的相關性作出回歸分析，并對分析結果施以必要的內生性、穩健性和異質性檢驗。本節是有關本文數據來源、模型構建、變量選取以及樣本統計特征的說明或描述。

（一）數據來源

本文選用2017年中國綜合社會調查數數據（CGSS2017），主要是基于兩方面的考慮。其一，CGSS2017是由中國人民大學聯合全國各地公共學術機構共同完成的，故數據質量有相當的可靠性。其二，CGSS2017問卷涵蓋了大量有關個人互聯網使用及就業情況的調查項，這有利于我們從中提煉出與個體就業穩定性、個體信息素養相關的計量指標，并獲得相應的統計數據。根據本文研究對象的特點，在剔除相關變量缺失和指標值不合理的樣本后，我們最終保留了1274個樣本。

（二）模型構建與變量選取

為便于對本文提出的理論假說即“新市民的信息素養是其就業穩定性的重要影響因素”實施有效檢驗，我們在參照既有研究的基礎上構建了下述有關新市民就業穩定性的估計模型：

本研究的被解釋變量是新市民個體的就業穩定性，我們在參考以往文獻的基礎上選用CGSS2017問卷中“下列各種情形，哪一種更符合您目前的工作的狀況”和“您目前的工作是否與用人單位或雇主簽訂了書面勞動合同”兩個問題作為它的替代變量。在變量賦值方面，我們將“有固定期限勞動合同”的情況賦值為5；“有固定期限勞動合同”或“個體經營”以及“自己是老板”的情況賦值為4；“無勞動合同但有工作”的情況賦值為3；“自由職業”賦值為2；“無工作”的情況賦值為1。

本文的核心解釋變量是新市民的信息素養。參考閆貝貝、劉天軍的定義方式[29]，我們把新市民的信息素養理解為包含信息知識、信息意識、信息能力等三個維度，并從CGSS2017中篩選出8個題項用以對它們作出度量。此外，我們參考李曉峰和李珊珊的研究方法[30]，將包括性別、年齡、民族、政治面貌、文化程度、健康水平、婚姻在內的個體特征，以及包括家庭全年總收入、家庭共住人數和家庭未成年子女數在內的家庭特征納入控制變量。這些變量的定義與統計特征，如表1所示。

表1 變量描述性統計表

變量民族 漢族=1；其他=0 0.941 1274政治面貌 共產黨員=1；其他=0 0.155 1274文化程度 上學年限（年） 12.110 1274健康狀況非常不健康=1;比較不健康=2;一般=3;比較健康=4;非常健康=5 3.841 1274婚姻狀況 已婚=1；未婚=0 0.788 1274家庭全年總收入對數 11.266 1274家庭共住人數連續變量 3.003 1274未成年子女數連續變量 0.656 1274

（三）對樣本的統計描述

統計發現，新市民的就業穩定性平均值為2.997，65.38%的受訪者有工作，但簽訂了勞動合同的僅有47.80%，相當于超過一半的新市民沒有穩定工作。新市民的信息素養水平整體較高，信息知識的相關指標平均值都在4左右，接近較好水平；相對于信息知識而言，新市民的信息獲取能力不強，平均值接近3.5；信息意識相關變量的平均值整體較高，其中認為互聯網能獲取到信息這一指標的平均值達到4.227，說明新市民群體互聯網使用的水平和意識都較高。在個體特征方面，有52.5%的受訪者為男性，且平均年齡達到41.86歲，已婚有配偶人群占比78.8%，健康水平平均值為3.84，說明受訪者的健康程度較高。同時，數據顯示受訪者的受教育程度平均值為12.11，說明新市民群體文化程度較高，平均水平達到高中以上。在家庭特征方面，家庭全年總收入平均值為12.74萬元，家庭共住人口為3人左右，未成年子女數平均值為0.656人，說明新市民群體中“三口之家”和“兩口之家”占比較大。

三、實證分析：新市民信息素養與其就業穩定性的相關性

（一）新市民信息素養評價

運用熵值法能夠在有效避免人為因素的情況下計算出綜合指標中各個指標的權重，進而計算出各個指標的綜合得分，可信度與客觀性較強。故此，本研究選擇用該方法來對樣本中新市民的信息素養作出綜合評價，評價結果如表2所示。

表2 新市民信息素養評價指標體系

能力 已有信息的頻繁程度是獲取信息頻率（如：搜索信息、瀏覽新聞等）0.1470 0.100信息意識0.1771 0.134您同不同意這一說法：互聯網的一大優勢就是讓越來越多的人都能夠獲取到信息。0.0412 0.033我積極保護我的網上個人隱私 0.0591 0.046互聯網能讓越來越多的人都能夠獲取到更多社會資源0.0768 0.055總計 0.731

從我們運用熵值法計算得出的8個三級指標的權重大小來看，對新市民信息素養影響最大的指標是二級指標“信息知識”下的“是否會通過觀察使用環境來選擇使用網上支付或交易”一項，其權重高達0.2270；其次是“是否會使用智能手機下載安裝APP”一項，其權重為0.1930；二級指標“信息獲取能力”下的“獲取信息頻率”和“瀏覽信息頻繁程度”兩項的重要性緊隨其后，權重分別為0.1470和0.1300；而二級指標“信息意識”下“是否同意互聯網讓越來越多的人都能獲取到信息”一項的權重最小。從三個二級指標來看，信息知識一項對新市民信息素養的影響最大，權重為0.5450；信息意識的影響最小，權重僅為0.1771。這說明新市民個體的信息知識水平對其信息素養的影響遠甚于他們的信息意識。

本文還運用熵值法計算得出了新市民信息素養的總體得分，以及信息知識、信息獲取能力、信息意識三個方面的綜合得分。從8個三級指標來看，信息知識的三個指標綜合得分相對較高，其中“是否會觀察使用環境來使用網上支付或交易”一項得分最高（0.161）。信息意識方面的三個指標得分相對較低，其中“是否同意互聯網讓越來越多的人都能獲取到信息”一項的綜合得分最低，僅為0.033。從三個二級指標來看，綜合得分的大小排序和權重排序類似，即信息知識一項得分最高，信息獲取能力次之，信息意識得分最低。這意味著新市民群體的信息知識水平較高，但信息意識相對缺乏。

（二）模型估計與實證檢驗

1.基準模型估計

本文的因變量是個體就業穩定性，其度量取值為1-5的非負整數，故是一個計數變量。通常來說，對計數變量可選取的統計模型是泊松分布模型，但考慮到泊松模型要求分布的均值與方差相等，而現實情況下往往會出現過度分散的問題（即均值與方差不相等），所以我們這里選擇O-Logit模型作為基準回歸模型。基于這一模型，新市民的信息素養與其就業穩定性的基準回歸結果如表3所示。

表3 信息素養與就業穩定性：基準回歸

表3中，第（1）（2）列分別表示的是在控制省份固定效應下，新市民的信息素養以及新市民的個體、家庭特征對其就業穩定性的影響。第（3）列則表示的是兩類因素的影響疊加情況，即在加入新市民個體與家庭特征這個解釋變量的基礎上，探究信息素養對新市民就業穩定性的影響。

在第（1）列的回歸結果中，個人的信息素養在1%水平上顯著正向影響就業穩定性。這意味著新市民的信息素養水平越高，其就業就越穩定。具體而言，在控制其他變量的情況下，新市民的信息素養水平每提升1個單位，其就業穩定性提升1.7596個單位。

第（2）列有關新市民個體與家庭特征對其就業穩定性影響的回歸分析結果表明：第一，性別、受教育程度、健康水平、婚姻狀況和家庭年收入等因素在1%的水平上與就業穩定性顯著正向相關。其可能的原因，一是大多數的女性新市民在生育后幾年內都要照顧子女而不能工作，從而在返回職場時往往因不適應而導致就業不穩定；二是隨著受教育程度的提升，新市民的就業技能會不斷提高，從而被解雇的概率就會降低；三是城市更好的醫療保健條件可能使得新市民的身體健康水平提高，進而降低其因病失業的風險；四是相比于未婚新市民來說，已婚的新市民群體家庭壓力更大，更難承擔失業后的生計風險，因而往往會更積極地尋求更穩定的工作機會；五是隨著家庭總收入的增加，失業的機會成本提高，而這也使新市民偏好更穩定的工作崗位。第二，年齡因素在1%顯著水平上負向影響新市民的就業穩定性，可能的原因是：一方面年齡較大的新市民由于要養家糊口，生活壓力較大，相比于年輕人難以全身心地投入到工作中，從而在就業市場中缺乏優勢；另一方面，大部分新市民主要就業于某些傳統的低端產業，而當前這些產業因受到數字化和虛擬經濟的沖擊而大多不景氣，破產和頻繁更換員工的概率更高。第三，民族、政治面貌、家庭共住人數和家庭未成年子女數等因素，對新市民就業穩定性的影響并不顯著。

在第（3）列的回歸結果中，在加入個體特征和家庭特征的情況下，新市民的信息素養在5%的顯著水平上對就業穩定性有正向影響，這進一步說明信息素養水平提升有助于提高新市民的就業穩定性。

2.內生性檢驗

本研究所涉及的變量內生性風險，主要源于可能存在的解釋變量遺漏問題。雖然我們在選取解釋變量時盡可能充分地包含了可能影響新市民就業穩定性的個體特征、家庭特征等因素，但仍可能有某些既影響新市民信息素養水平又影響其就業穩定性的解釋變量未被考慮到。鑒于父母的受教育水平會影響新市民的信息素養水平，同時又不會對其就業穩定性產生直接影響，故此，選取父母的平均受教育年限作為工具變量進行檢驗，以克服內生性問題。檢驗的結果如表4所示。

表4 信息素養水平與就業穩定性：2SLS內生性檢驗

Wald檢驗 50.52 315.86 405.76觀測值 1274 1274 1274

從一階段檢驗結果可以看出，受訪新市民的信息素養水平與其父母平均受教育年限高度相關，F統計值遠超過10，這表明本文選取的工具變量不是弱工具變量。第二階段回歸結果表明，新市民信息素養水平對其就業穩定性具有顯著的正向影響，且在逐步加入個體特征及家庭特征等控制變量后，這一結果依然穩健，且與前面的基準模型結果基本保持一致。這再次證明了新市民信息素養水平對其就業穩定性的影響具有統計上的顯著性，即本文的計量分析結果具有必要的可靠性。

3.穩健性檢驗

為驗證回歸分析結果的穩健性，我們采取了更換計量模型的方法。鑒于因變量的取值是1-5的整數，具有一定的連續性，我們首先采取了OLS模型做穩健性檢驗。因為因變量是計數變量，本文繼而又選取了O-Probit模型來做進一步的檢驗。兩步檢驗的結果如表5所示。

表5 信息素養與就業穩定性：穩健性檢驗

注：*、**、***分別表示在10%、5%和1%水平下顯著，括號中數字為回歸系數的標準誤。

表5顯示，無論是采取OLS模型還是OProbit模型，新市民的信息素養對其就業穩定性的影響都與表3中的結果相似，即：隨著信息素養水平的提升，新市民的就業穩定性會顯著提升。對控制變量的回歸檢驗結果也與表3基本一致，這進一步表明了本文回歸分析結果的穩健性。

4.異質性檢驗

信息素養總體上提升了新市民的就業穩定性，但由于個體之間存在差異，信息素養對不同群體就業穩定性的影響可能不一致。故此，我們按照地區、性別、年齡、受教育程度將受訪新市民分成不同的群體，進而分析檢驗信息素養對其就業穩定性影響潛在差異性。檢驗結果如表6所示。

表6 信息素養與就業穩定性：異質性檢驗

表6中的第（1）（2）（3）列檢驗結果表明，東、中、西部新市民的信息素養都在1%水平上顯著正向影響其就業穩定性，但對東部地區新市民的影響要比中西部更大一些。這可能是因為東部地區經濟更為發達，居民提升信息素養的渠道更多，因而信息素養對就業穩定性的影響更大。就性別差異而言，信息素養對男性和女性都在1%水平上正向顯著影響其就業穩定性，但對男性就業穩定性的影響要大于對女性的影響，可能的原因是：即使信息素養水平提高，大部分女性新市民也可能因為照顧家庭的對沖性影響而具備相對更低的就業穩定性。就年齡而言，本文將44歲及以下的新市民定義為青年，45歲及以上定義為中老年，結果顯示：信息素養對青年和中老年群體的影響都在1%的水平上正向顯著，且對二者的影響差別不大。就受教育水平而言，信息素養對高學歷和低學歷群體都存在顯著的正向影響，但對高學歷群體的影響要大于對低學歷群體的影響，可能的原因是：隨著信息素養水平提高到一定程度，低學歷群體可能會因為學歷、技能方面的限制而在維持或提高就業穩定性方面遭遇瓶頸。

結 語

對在人口城鎮化過程中形成的“新市民”群體來說，其就業穩定性的高低很大程度上決定著他們能否在城市中“留得住，發展得好”。基于這一認識，本文使用CGSS2017統計數據，運用計量分析模型探討了新市民個體信息素養對其就業穩定性的影響，得出的主要結論有二。第一，新市民信息素養水平與其就業穩定性之間存在顯著的正相關關系，且這一關系經受住了穩健性檢驗。第二，異質性檢驗表明，相對于中西部地區的新市民，東部地區新市民的就業穩定性與其信息素養之間的相關性更高；男性新市民的就業穩定性受信息素養水平的影響比女性新市民更為明顯；高學歷群體的就業穩定性受信息素養的影響比低學歷群體更為明顯。

基于這一分析結論，本文認為，著力提升新市民的信息素養，應該被當作提升該群體融入城市、扎根城市能力的首要抓手。為此，一是新市民個體自身應通過更積極地參加職業教育培訓、擴大社會交往范圍、重視“干中學”等形式，加強對自身人力資本的積累，特別是加強對信息化、數字化生產和生活技能的培養提升；二是政府應通過優化新市民就業和福利政策、完善新市民職業教育軟硬件環境、拓寬新市民獲取信息的渠道、加強信息化基礎設施建設等途徑，為廣大新市民群體提升自身信息素養提供堅實的物質基礎和政策保障。