互联网使用与工资收入差异：基于CHNS的分析

论文总字数：10162字

摘 要

：目的 为了分析互联网使用与工资收入水平之间关系，本文利用1995年—2013年间中国营养与健康调查数据（CHNS）,应用Mincer方程和最小二乘法对互联网使用与个人收入水平之间的关系进行分析。方法 基于最小二乘法和Mincer方程模型，利用SPSS对1995—2013年间的中国营养与健康调查数据进行经验分析。结果 在劳动力市场中，互联网使用比例的增加会对个体工资收入水平产生积极影响，与工资收入差距负相关。通过加入受教育水平变量，发现高中学历的收入水平与互联网使用之间正相关性尤为明显。结论 普及互联网的使用、提升整体人群的受教育水平，对于提高人群的总体福利和降低人群的收入差距有积极影响。

关键词：互联网使用；个人工资；Mincer方程

The Impact of Internet Use on Wages and Income

——Based on the empirical analysis of CHNS

Abstract: Objective To analyze the relationship between internet usage and wage income level, this paper uses data from the China Nutrition and Health Survey (CHNS) between 1995 and 2013 to analyze the impact of Internet usage on personal income levels based on the Mincer equation and least squares method. Methods Based on the least-squares method and the Mingse equation model, SPSS was used to empirically analyze the data of China's nutrition and health surveys from 1995 to 2013. Results In the labor market, the increase in the proportion of Internet use will have a positive impact on individual wage income levels and a negative correlation with the wage income gap. By adding the education level variable, it is found that the positive correlation between the income level of high school graduates and the use of the Internet is particularly evident. Conclusion Popularizing the use of the Internet and raising the overall education level of the population have a positive impact on improving the overall welfare of the population and reducing the income gap of the population

Keywords: Internet use; personal salary; Mincer equation

20世纪下半叶兴起的互联网信息技术大大的改变了人们的生产方式和生活方式，不仅提高了社会的生产效率、增进了整体福利，还对社会收入结构产生了影响^[1]。在劳动力市场的分配中，相比较于未使用互联网的个体，使用互联网并拥有相应知识技能的的个体工资收入水平是否更高？随着互联网的普及，尤其在正处于社会转型期的中国，互联网是否进一步推动了社会阶层的分化和社会资源的分配流动？本文将利用CHNS数据进行实证分析来回答上述问题。

许庆红将各个国家和地区之间的社会不平等分为“一级数字鸿沟”和“二级数字鸿沟”两个阶段^[2]。 “一级数字鸿沟”主要讨论家庭电脑使用和互联网使用之间的相关关系。研究者发现，受教育程度高和收入水平高的居民会更多的拥有家庭电脑和更早的访问互联网^[3] 。而“二级数字鸿沟”主要讨论的是，随着互联网信息技术的更大范围普及，拥有家庭电脑的个体更大范围的接入互联网，而在此前提下的个体之间的互联网行为的差距更多体现在互联网应用技能上^[4]。但“数字鸿沟”模型研究的主要是区域内部的群体层面使用互联网和收入水平的关系，而非关注到个体层面上，个人的互联网使用和工资收入之间的相关关系。李和金（Lee and Kim）使用美国人口普查数据分析发现，与家庭电脑的使用对个体工资收入水平的影响一样，在工作中使用互联网的个体的工资比不使用互联网的个体的工资要高，由此，使用互联网的个体所拥有的互联网应用技能产生了额外的工资溢价，但是随着时间的推移，互联网使用者的工资收入的增长会呈现下降的趋势^[5]。但是李和金的研究并没有考虑到个体的不可观测的特征。使用互联网不是带来高收入的直接原因，而是使用互联网的个体本身所具有的应用技能和工作性质等不可观测的特点导致了高收入。

目前中国的互联网经济在全球范围内已经处于领先水平，但是现有的国内外关于互联网技术普及与劳动力市场的关系大部分停留在在群体层面，互联网的使用与工资收入不平等之间的关系很少受到关注。因此，本文将基于中国营养与健康调查数据（China Health and Nutrition Survey,CHNS)，采用基于RIF回归的分解方法分析1995-2013年间互联网使用对个体工资收入不平等的影响。^[6]

1 研究设计

Mincer方程是用来研究收入决定的函数，由经济学家明瑟（Mincer,1974）在人力资本理论的基础上推导出来的模型，研究者可以自行在模型中加入其它变量，如受教育水平、婚姻状态等来建立适用于研究目的的模型。

首先是建立一个Mincer方程来表示互联网使用对个人工资收入的影响，方程包含互联网虚拟变量：^[7]

（1）

在式（1）中，ω表示工资，i表示个体，是一个表示个体使用过或没有使用过互联网的二元虚拟变量，当个体使用过互联网，取值为1，当个体没有使用过互联网，取值为0。表示一系列控制变量，比如受教育水平、户籍、婚姻状态、性别。为随意误差项，我们假定它与方程中的自变量不存在相关关系。根据已有的文献研究，可以得出结论：互联网使用与工资收入之间存在相关性^[8]，但是，即使使用过互联网的个体比没有使用过互联网的个体拥有更高的工资收入，也不能解释互联网使用和工资收入水平之间是否存在因果关系。

为了表示互联网使用对工资收入产生的不平等影响，假设劳动力市场中的人群全部可以分为两种，一种是使用过互联网的个人，占劳动力市场的比重为α，工资水平为ω；另一种是没有使用过互联网的个人，占劳动力市场的比重为1-α，工资水平为θ。^[9]基于以上假设，互联网使用对不平等的工资收入产生的影响可以表示为：

（2）

从公式（2）中可以发现是否使用互联网对收入水平高低的影响主要是因为互联网使用的比重变化和使用互联网的收益率变化^[10]。RIF回归是一种通过均值、方差、分位数及基尼系数等统计量对函数的再中心化影响来进行回归的方法，由Firpo（2009）提出。函数可以表示为

R()=X (3)

其中lnY是工资的对数形式，Q是分位数，X是性别、职业等解释变量。本文将基于RIF回归方法，研究是否使用互联网对工资收入水平高低的影响。

2 数据来源和变量说明

2.1 数据来源 数据来源是1995—2013年间中国营养与健康调查（CHNS）数据，数据调查开始于1995年，由美国北卡罗莱大学进行，包括北京市、湖北省、湖南省、重庆省、江苏省、浙江省、贵州省、广西省、山东省等9个省份。数据包含个体的性别、年龄、婚姻状态、户籍状态等基本信息以外，还包含个体的教育程度、互联网使用情况、小时工资、工作类型、工作性质和工作单位性质。

2.2 变量说明 本文采用小时工资水平作为因变量，CHNS中的数据是个体的月工资水平，因为需要将月工资水平除以每月工作天数再除以日工作小时数从而得出小时工资。本文的解释变量是互联网使用情况，将使用过互联网的个体定义为1，未使用过互联网的个体定义为0。性别变量中，男性定义为1，女性定义为0。CHNS数据中的婚姻状态分为未婚、在婚、离婚、丧偶和分居5种类型，这里将在婚设定为1。未婚、离婚、丧偶和分居都定义为0。教育水平变量分为小学、初中、高中、大学及以上四种情况。工作类型变量分为六种情况，分别是：专业技术人员、管理人员、办公室人员、商业服务人员、生产人员和其他人员。工作性质变量分为个体经营者、长期工、合同工、临时工和其他人员五种情况。工作单位性质分为六种情况，分别是：政府机关事业单位、国有企业、集体企业、私营企业、三资企业和其他企业。

3 实证分析

表1首先采用描述统计的方法对主要变量进行了分析。表2展示了模型的估计结果。表2中，列（1）的模型主要关注的是个体是否使用互联网；列（2）在列（1）的基础上加入了个体异质性；列（4）在列（2）的基础上加入了个体的工作类型变量；列（5）在列（2）的基础上加入了工作性质变量；列（6）在列（5）的基础上增加了户籍和年份变量。

表2列（1）的结果显示，使用互联网可以带来72%的工资溢价；表2中的列（2）表明，在控制了性别、年龄、教育水平、户口等特征变量后，互联网使用的回归系数略有下降，但仍然显著为正。控制了个体的工作类型和工作单位性质特征以后，表2中列（3）、列（4）、列（5）互联网使用的回归系数略有下降，但幅度不大。在添加了户籍和年份变量后，表2列（6）互联网使用的回归系数下降至16%。这种程度的互联网使用的收益率的大小与国外文献回归结果差别不大。互联网使用对工资率的影响是显著的，并且仍然强劲，这在一定程度上可以解释使用互联网确实会提高个人的工资水平。与之相对应的原因可能是因为是使用互联网可以更快、更有效地获得信息^[11]；获得学习机会以获得更高收入水平也更容易^[12]。从表２中还可以观察到其他变量对个人工资水平的影响。

表1 主要变量的描述性统计

项目	全部样本 N=9496		未使用过互联网 N=5563		使用过互联网 N=4072
变量名称	均值	方差	均值	方差	均值	方差
小时工资	1.8254	4.3387	1.5581	4.0104	2.2359	3.1418
互联网使用	0.4207	0.4942	0	-	1	-
性别	0.5858	0.4954	0.5978	0.4945	0.5478	0.4246
年龄	41.1102	10.3012	43.5572	9.7274	37.7656	10.1121
婚姻状态	0.8546	0.3426	0.9102	0.2856	0.7878	0.4023
户籍状态	0.6954	0.4562	0.5942	0.4954	0.8354	0.3732
小学	0.0856	0.2826	0.1345	0.3231	0.0231	0.1406
初中	0.3046	0.4625	0.4021	0.4932	0.1632	0.3656
高中	0.3625	0.4825	0.3211	0.4721	0.4413	0.4932
大学及以上	0.2011	0.4042	0.0601	0.2523	0.3962	0.4885
专业技术人员	0.1921	0.3936	0.1241	0.3296	0.2848	0.4512
管理人员	0.1002	0.3002	0.0712	0.2623	0.1236	0.3421
办公室人员	0.1256	0.3356	0.0821	0.2774	0.1895	0.3919
商业服务人员	0.1632	0.3756	0.1921	0.3921	0.1334	0.3425
生产人员	0.3378	0.47561	0.4221	0.4952	0.2031	0.4053
其他人员	0.0756	0.3712	0.0941	0.4213	0.0456	0.2566
个体经营者	0.1156	0.4659	0.1426	0.5132	0.0684	0.3619
长期工	0.5231	0.4992	0.4563	0.4962	0.6130	0.4872
合同工	0.1913	0.3956	0.1655	0.3755	0.2211	0.4156
临时工	0.1524	0.3654	0.2054	0.4521	0.0780	0.2653
其他人员	0.0123	0.1821	0.0149	0.1522	0.0195	0.1923
政府机关事业单位	0.3023	0.4521	0.2131	0.4123	0.4123	0.4956
国有企业	0.1346	0.3403	0.1272	0.3321	0.1446	0.3564
集体企业	0.1001	0.3001	0.1203	0.3256	0.0745	0.2631
私营企业	0.3755	0.4821	0.4321	0.4496	0.2878	0.4528
三资企业	0.0324	0.1812	0.0231	0.1522	0.0426	0.2136
其他企业	0.0577	0.2321	0.0770	0.2236	0.0301	0.1722

在个人特征变量中，性别虚拟变量的系数显著为正。这表明，在同样的情况下，，男性的工资水平要高于女性，劳动力市场上存在一定程度的性别歧视。尽管在模型（1）～模型（6）中，婚姻状况对工资收益率有显著的正向影响，但在区域地区和年度虚拟变量后，这种影响不再显著。年龄对工资收益率有着正向影响，但年龄的平方对工资率的影响系数显著为负，表明随着年龄的增长，个人的工资收入呈现倒“Ｕ” 型的变化趋势，先上升后下降，与之前的研究结果一致。教育是影响个人工资收入水平的重要变量，从表2中可以发现，教育水平对工资收入有显著的正影响，大学及以上学历的工资回报最大。此外，是否是城镇户口对工资收入水平也有显著的正向影响。

表2 互联网使用带来的工资回报

项目	（1）	（2）	（3）	（4）	（5）	（6）
互联网使用（是=1）	0.572	0.404	0.394	0.384	0.377	0.160
	（0.016）	（0.013）	（0.018）	（0.015）	（0.017）	（0.015）
性别 （男=1）	-	0.213	0.184	0.185	0.187	0.206
		（0.018）	（0.018）	（0.018）	（0.018）	（0.016）
年龄	-	0.039	0.033	0.032	0.029	0.024
		（0.008）	（0.007）	（0.007）	（0.007）	（0.006）
婚姻状态 （已婚=1）	-	0.105	0.091	0.081	0.082	0.041
		（0.029）	（0.029）	（0.028）	（0.028）	（0.026）
中学	-	0.095	0.079	0.060	0.061	0.056
		（0.033）	（0.032）	(0.032)	（0.032）	（0.029）
高中	-	0.263	0.175	0.144	0.136	0.153
		（0.034）	（0.032）	(0.034)	（0.034）	（0.032）
大学及以上	-	0.726	0.562	0.530	0.506	0.393
		（0.038）	（0.040）	(0.040)	（0.042）	（0.037）
户口 （非农户口=1）	-	0.100	0.113	0.102	0.079	0.103
		（0.022）	（0.021）	(0.021)	（0.022）	（0.021）
职业特征	否	否	是	是	是	是
职位特征	否	否	否	是	是	是
所有制特征	否	否	否	否	是	是
地区虚拟变量	否	否	否	否	否	是
年份虚拟变量	否	否	否	否	否	是
常数项	-0.134	-1.624	-1.275	-1.316	-1.272	-1.085
	（0.013）	（0.129）	（0.135）	（0.146）	（0.149）	（0.141）
观测数	9635	9621	9613	9586	9536	9536
	0.107	0.228	0.248	0.258	0.258	0.389

为了观察是否使用互联网对于不同教育程度个体异质性的影响，使用模型（2）估计结果。从中可以发现：是否互联网的回归系数在1％的置信水平下为正值且显著； 但从交互项的系数来看，高中学历的交互项系数显著为正，而其他教育程度与互联网的交互项系数并不显著。这表明，与其他教育水平的个体相比，高中学历的人通过使用互联网获得额外的工资收益。表2的结果与以前的文献中的结果是有差异的，以往的文献多认为大学及以上学历从信息技术进步中获得的收益更大^[13]。造成这种差异的原因可能在于，本文侧重于关注是否互联网使用对个体工资收入提高的影响，而以往文献多使用计算机来估计工资回报率^[12]；与使用家庭电脑不同，互联网使用对个体工资收入的影响渠道更多地反应在信息获取能力上；而信息获取能力对技能的要求相对较低，尤其是随着互联网的发展，使用互联网的技能要求逐步下降^[14]。

值得注意的是，本文所用的数据源尚存在一些不足的地方，无法进一步详细的分析互联网对工资收入的作用机制。在CHNS调查中，个人仅仅被询问是否使用过互联网，既不清楚个体使用互联网的地点和使用时间，也不清楚个体是通过什么设备使用互联网，个体通过手机使用互联网可能仅仅是为了获取简单信息，而通过计算机接触互联网处理的信息复杂度可能更高，这些差异都会对个人的工资收入水平高低产生影响，但是，依靠现有的数据无法做出更加详细致的判断。

4 小结

鉴于是否互联网与工资收入水平之间关系，本文使用了中国营养与健康调查（CHNS）1995年到2013年的数据，分析了是否使用互联网对个体工资收入水平的影响。本文发现，在劳动力市场中，互联网使用比例的增加会对个体工资收入水平产生积极影响，与工资收入差距负相关。通过增加教育水平变量，可以发现，高中学历的个体收入水平与互联网使用之间正相关关系尤为明显。以上结论意味着，普及互联网使用和高中阶段教育，特别是提高低收入群体的互联网使用比例和普及该群体的高中阶段教育对于抑制不平等的扩大具有重要的意义。

于是，针对以上结论，本文提出以下建议：第一，普及信息网络建设，提高互联网使用的普及率，缩小劳动力市场工资收入差距。第二，普及教育，尤其是高中阶段教育，提高劳动力素质，让他们在劳动力市场上更具有竞争力。第三，支持劳动技能培训，让从事常规工作的劳动者能通过技能的提升获得更高的收入水平。

参考文献

[1] Ramı́rez R. A model for rural and remote information and communication technologies: a Canadian exploration[J]. Telecommunications Policy. 2001, 25(5): 315-330.

剩余内容已隐藏，请支付后下载全文，论文总字数：10162字