数字素养对农户就业的影响
作者: 许翔宇
摘 要:数字时代下,数字技术的广泛应用与成熟推动了我国劳动力就业机会的增加,其中数字素养水平对农户就业起到了不可忽视的作用。鉴于此,探讨数字素养对农户就业的影响是十分有意义的。利用2020年中国家庭追踪调查(CFPS)的截面数据,使用probit模型,讨论数字素养对农户就业的影响。研究发现,数字素养对农户的整体就业起到显著的促进作用,数字素养对农户就业选择影响具有代际异质性。
关键词:数字素养;就业;农户
中图分类号:F323.6;F49 文献标志码:A 文章编号:1674-7909(2024)14-15-4
DOI:10.19345/j.cnki.1674-7909.2024.14.003
0 引言
党的十八大以来,我国一直把实现共同富裕作为社会主义现代化的重要目标,并采取了一系列有效措施,取得了众多新成效。党和政府一直把如何更有效地推动农民就业作为“三农”工作的重点内容。2023年中央一号文件强调,全面建设社会主义现代化国家,最艰巨最繁重的任务仍然在乡村[1]。农民就业和收入增长问题一直是国家高度重视的议题,并且构成了农业、农村和农民问题的核心内容。当前,数字经济已成为我国经济增长的主导力量,互联网和数字技术在其中扮演着至关重要的角色[2]。数字技术的广泛应用和成熟,不但推动了传统就业方式与新兴业态相结合,同时也推动了我国劳动力工资收入和就业机会的增加。劳动者能否有效利用数字信息和技术,成为把握这些机遇的关键因素。在数字时代,数字素养水平已成为个人能否在数字经济时代把握机遇,享受数字经济带来的利益的关键因素[3]。然而,纵观现有文献,关于农户就业状况的研究大多集中在工作转换、务工距离等传统领域[4-5]。在数字经济背景下,对农户就业状况的研究则更多地聚焦于数字经济的发展、数字普惠金融、产业智能化等宏观层面,很少有研究从数字素养的角度探讨其对农户具体就业状况的影响及作用机制。
综上所述,本文利用2020年中国家庭追踪调查(CFPS)问卷的数据,结合实际情况选取4 914份调研数据,运用probit模型探讨数字素养对农户整体就业及具体就业选择的影响。
1 数据来源、变量选择和模型设定
1.1 数据来源
研究所使用的数据来源于2020年中国家庭追踪调查(CFPS)数据库。结合研究所需,笔者选取了农户的个人数据、家庭数据与社会数据,经过合并、清洗、插值,最终得到4 914个样本。
1.2 变量选择
农户就业状况为本文的被解释变量。参考已有文献,将农户的就业情况进一步划分为农业自雇、农业受雇、非农自雇、非农受雇[6]。农户只要满足其中任一就业形式就赋值为1,反之则赋值为0。
数字素养为本文的核心解释变量,即农户使用数字技术的综合能力。以往的文献中多以工作、生活中互联网的使用频率作为测度数字素养的依据[7-8],但考虑到2020年的问卷设计调整问题,借鉴杨小军等[9]的做法,重新选择与“考量互联网使用频率”近似的题项,作为测度数字素养的依据。按照重要程度将回答依次分为5个等级,分别赋值为 1~5,采用topsis熵值法,计算数字素养指数。笔者借鉴以往相关研究[10],选取如下控制变量,具体见表1。
1.3 模型设定
借鉴李睿等[11]的做法,对于二元被解释变量“是否就业”,笔者采用probit模型来研究数字素养对农户就业状况的影响,构建基准模型如下:
[jobi=C1+α1Di+β1Xi+εi] (1)
在式(1)中,[jobi]为被解释变量农户[i]的就业情况,即农户是否实际就业;[Di]为核心解释变量,即农户[i]的数字素养;[C1]为常数项;[α1]为研究主要关注的系数,即数字素养对农户就业影响程度的大小;[β1]为估计参数;[εi]为随机扰动项。
2 实证结果及分析
2.1 基准回归
研究基于probit模型考察数字素养对农户就业状况的影响。由表2可得,数字素养对农户就业在1%水平上呈正向影响,系数为0.790 9,表明数字素养对农户就业总体起到积极的作用,有助于提高农户的就业率。为了深入探讨数字素养对农户就业选择的影响,进一步将农户的就业状况分为农业自雇、农业受雇、非农自雇、非农受雇。具体分析:随着数字素养的提高,农户个体从事农业自雇的概率下降0.488 7,从事农业受雇的概率下降0.266 7,但是从事非农业自雇的概率上升0.506 7,从事非农业受雇的概率上升1.503 7。
综上可知,数字素养对农户就业总体起到促进作用,具体而言,数字素养显著降低了农户的农业就业概率,而显著提升了农户的非农就业概率。
2.2 稳健性检验
2.2.1 改变样本容量
考虑到区域间经济、互联网发展差异可能干扰农户的就业状况,借鉴张欢等[12]的做法,剔除2020年经济、互联网发展较好的部分地区(包括北京市、上海市、广东省、江苏省、浙江省和福建省)共计1 652个样本,再次进行计算(见表3)。结果依旧支持上述结论,表明上述结论具有稳健性。
2.2.2 内生性检验
考虑到基础回归模型可能因遗漏项等导致潜在内生性问题,对此,研究采用工具变量。参考单德朋等[13]的研究,笔者选取“同一省市除农户自身外的互联网使用率”作为数字素养的工具变量(Ⅳ)。表4在进行内生性处理后,其结果仍支持前文结论(见表4)。
2.2.3 异质性分析
前文的结论只分析了整体样本的平均效应,并未明晰数字素养对农户就业状况影响的群体异质性。接下来,本部分从年龄维度对农户群体进行分组讨论。将研究的农户群体以1980年为分界线,即分为新生代农户(1980年及以后出生)和老一代农户(1980年以前出生)[14]。为了保证探讨的逻辑性,按农户农业就业与非农就业,将估计结果分成表5与表6。
首先,由表5可得,数字素养对新生代农户的农业自雇与受雇就业呈显著的抑制作用,但对老一代农户的农业自雇与受雇就业呈显著促进作用,表明数字素养对不同年龄段的农户在农业自雇与受雇的就业影响存在明显差异。进一步加入两组交互项发现,农业自雇和农业受雇的代际交互项系数分别为0.692 6、0.761 8,且在5%的水平上显著,表明随着年龄增大,农户的数字素养对其从事农业自雇与受雇活动的效果更加明显。
接着,由表6可得,数字素养不但对新生代与老一代农户的非农自雇就业呈显著的促进作用,而且对新生代与老一代农户的非农受雇就业也呈显著的促进作用,表明数字素养提高农业就业的作用于老一代农户明显小于新生代农户。本部分同上加入两组交互项,可以发现非农自雇和非农业受雇的代际交互项系数均显著为负,即随着年龄增大数字素养的作用会变小。这可能是由于新生代农户比起老一代农户拥有更强的数字适应力,同时非农就业对新生代农户的吸引力,让掌握了一定数字技术的新生代农户的非农就业率得以提升。
3 结论
研究基于2020年CFPS数据库中农户群体的样本,使用probit模型研究数字素养对农户就业状况的影响。研究结果表明:①数字素养对农户的整体就业起到显著的促进作用,具体而言,数字素养对农户的农业就业(农业自雇、农业受雇)具有消极作用,但却对农户从事非农就业(非农业自雇、非农业受雇)具有积极作用。②数字素养对农户就业选择的影响具有代际异质性,数字素养对新生代农户农业就业具有消极作用,但对于老一代农业就业具有积极作用;数字素养对新老两代农户非农业就业亦均具有积极作用,但对老一代农户的作用明显小于新生代农户。
参考文献:
[1]黄雪莲,郭彩旭,李丽.乡村振兴背景下我国农村家庭多维相对贫困测度[J].中阿科技论坛(中英文),2023(5):33-37.
[2]戈晶晶,汪玉凯.政府要为数字经济发展营造良好环境[J].中国信息界,2021(1):12-15.
[3]李力.全球数字鸿沟及其弥合研究[D].杭州:浙江大学,2022.
[4]刘林,丁莎莎.转移就业对农户生计脆弱性的影响:基于新疆县域数据的证据[J].管理学刊,2024,37(2):34-51.
[5]张焕柄,张莉琴.易地扶贫搬迁对脱贫农户就业的影响:基于西部9省11县的调研[J].资源科学,2023,45(12):2449-2462.
[6]李琴,罗序亮,张同龙.征地对老年人健康冲击的短期和长期效应考察:基于CHARLS数据的实证分析[J].农业技术经济,2023(4):18-34.
[7]李晓静,陈哲,夏显力.数字素养对农户创业行为的影响:基于空间杜宾模型的分析[J].中南财经政法大学学报,2022(1):123-134.
[8]苏岚岚,张航宇,彭艳玲.农民数字素养驱动数字乡村发展的机理研究[J].电子政务,2021(10):42-56.
[9]姚洪敏,谢会强.数字素养对农民工就业质量的影响研究[J].新疆农垦经济,2024(5):56-65,92.
[10]袁航,段鹏飞,刘景景.关于农业效率对农户农地流转行为影响争议的一个解答:基于农户模型(AHM)与CFPS数据的分析[J].农业技术经济,2018(10):4-16.
[11]李睿,邓洋,冯颖琪,等.互联网使用对退休群体再就业的影响分析:基于CHARLS 2018数据的实证研究[J].大连理工大学学报(社会科学版),2022,43(3):22-31.
[12]张欢,汪红梅.数字素养对家庭商业保险参与的影响:来自中国家庭追踪调查(CFPS)数据的实证分析[J].武汉金融,2023(7):51-60.
[13]单德朋,张永奇,王英.农户数字素养、财产性收入与共同富裕[J].中央民族大学学报(哲学社会科学版),2022,49(3):143-153.
[14]郭庆.社会融入对新生代农民工就业质量的影响及其地区差异[J].经济地理,2021,41(3):161-169.