互联网使用对农民非农就业的影响分析

摘 要：互联网在促进农民非农就业过程中扮演了关键角色，为农民提供了获取新知识和新技能的平台，同时也开辟了新的沟通和交流途径，可以提高农民获取就业机会的能力。利用2020年中国家庭追踪调查数据，深入分析互联网对农民非农就业的影响。研究发现：互联网的使用显著提升了农民非农就业的概率，在排除可能的选择性偏差和内生性问题后，上述结论依然具有统计上的显著性；互联网对于农民非农就业的影响在性别、教育背景及城乡分布不同的群体中表现出差异性，互联网的普及为农民提供了更多的非农就业机会；互联网通过提升个人知识和信息获取能力及增加社会资本的积累，对非农就业产生积极作用。

关键词：互联网使用；农民；非农就业

中图分类号：F323.6；F249.2；F49 文献标志码：A 文章编号：1674-7909（2024）14-19-5

DOI：10.19345/j.cnki.1674-7909.2024.14.004

0 引言

就业是最大的民生，灵活就业是农民群体摆脱时间和空间限制实现增收的重要途径，支持农民灵活就业是改善城乡关系、提高农民地位、促进农村现代化的重要手段，也是巩固拓展脱贫攻坚成果、实现乡村振兴的关键举措。近年来，农村网民数量显著增长，农村地区的互联网普及率也有所提高［1］。互联网提供的信息资源，一方面可帮助农民识别潜在的就业机会，另一方面可帮助其降低就业风险。同时，农民通过互联网学习可以弥补自身职业能力不足，为劳动身份转换和技能提升提供条件。宋林等［2］发现，互联网的普及在总体上为农村劳动力提供了更多的非农业就业机会。何勤英等［3］得出结论：使用互联网的农村劳动力群体在非农业领域就业的概率提高了12.1%。张卫东等［4］也指出，互联网的就业效应在不同地区、不同家庭经济条件、不同性别和婚姻状态下均存在异质性。因此，利用数字媒体改善中国农村劳动力就业状况，对提升农村劳动力就业质量、解放农村就业潜力具有重要的现实意义。

笔者基于中国家庭调查数据库，对乡村振兴和数字乡村建设背景下互联网使用与农民非农就业的关系进行实证分析。研究旨在提供新的视角，洞察农民非农就业的潜在驱动因素，并提出政策建议，以期增加农民的就业机会，拓宽其收入来源，助力实现共同富裕。

1 数据来源及变量选取

1.1 数据来源

利用2020年中国家庭追踪调查中的家庭和个人信息，进行数据整合，形成用于此研究的截面数据集。在数据预处理阶段，笔者选定年龄在18～65岁的农村人口作为研究对象，筛选排除关键信息（如就业状态、互联网使用、教育水平、家庭人数等）存在缺失或异常的样本，最终得到14 746条有效数据记录用于深入分析。

1.2 变量选取

1.2.1 被解释变量

研究聚焦农民群体的非农就业情况，根据受访者对“当前工作状态确认”问题的回答来定义。如果受访者回答“是”，则将该情况赋值为1，表示其已实现了非农就业；如果回答“否”，则赋值为0，意味着其尚未实现非农就业。

1.2.2 核心解释变量

此研究将互联网使用情况作为核心解释变量。通过询问受访者“您是否使用移动设备上网？”，根据其回答进行赋值。如果受访者回答“是”，则赋值为1，表示受访者有使用互联网的行为；如果回答“否”，则赋值为0，表示受访者没有使用过互联网。

1.2.3 控制变量

笔者在构建模型时，纳入了多项控制变量。这些变量的选择基于先前学者对农民非农就业影响因素的实证研究。所选控制变量包括性别、受教育程度、婚姻状况、党员身份、健康状况等个人层面的特征，家庭人数和家庭收入等家庭层面的特征，地区和年龄等特征变量，以确保研究结果的准确性和可靠性（见表1）。

1.3 模型构建

本文研究互联网使用对农民非农就业的影响，其中是否非农就业这一变量是一个二元变量，故使用 Probit模型进行实证分析。具体模型如下：

[Probjiuye=1=α+β0Interneti+β1Xi+εi]                                                                                        （1）

其中，被解释变量[jiuye]为是否非农就业；[Interneti]为核心解释变量是否使用互联网；[Xi]表示其他控制变量，包括个人（性别、受教育程度、婚姻状况、党员身份、健康状况）、家庭（家庭人数和家庭收入）及地区特征与年龄特征变量等；[εi]为随机误差项；[α]为常数项；[β0]和[β1]为回归参数。

2 实证结果分析

2.1 基准回归

笔者运用Probit模型来进行回归分析，通过逐步引入控制变量的回归方法，深入探讨互联网使用对农民非农就业的影响。如表2所示，在模型的第（1）列中，仅考虑互联网使用这一关键解释变量，发现它对农民群体非农就业具有显著的正向效应，这一效应在统计上达到了1%的显著性水平。进一步分析表明，使用互联网的农民群体非农就业的概率比不使用互联网的群体高出0.304。在第（2）列和第（3）列中逐步引入个体特征和家庭特征作为控制变量时，互联网使用的正面效应依然显著，并在1%的水平上保持统计显著性。在第（4）列的模型中，除控制变量外同时引入省份固定效应和年龄固定效应，这进一步加大了模型的解释力度。此时，互联网使用对农民非农就业的正向影响更为显著，提高了0.612的就业率。这些回归分析结果与先前的研究结论一致，证实了互联网使用对农民群体非农就业的积极作用。分析可能的原因：互联网为农民提供了获取市场信息和拓展就业机会的平台；同时，农民群体通常拥有更多的可支配时间和更大的劳动参与潜力，进一步提高了他们转向非农就业的可能性。

其他控制变量的检验结果同样显示出显著性。在个人特征方面，男性、拥有城市户籍及完成义务教育的人群更倾向于实现非农就业，党员身份对于非农就业同样有积极影响。在家庭特征方面，家庭成员数量越多，农民实现非农就业的可能性越低；家庭收入达到小康标准后，更有可能实现非农就业。

2.2 纠正选择性偏误

为解决样本选择偏差问题，研究引入了倾向得分匹配（PSM）方法。在进行平衡性检验后，如表3所示，匹配前的PsR2值为0.116，标准化偏差平均为22.8%，而中位数偏差为10.9%。匹配完成后，PsR2值降低，LR chi2检验不再显著，且标准化偏差的平均值和中位数均降至1.4%以下。这些观察结果揭示了匹配过程在减小解释变量系统性差异方面的显著效果，模拟出了类似随机控制试验的环境，从而确认了匹配方法的有效性。

此外，匹配后样本的平均处理效应（ATT）计算结果汇总在表4中，显示出不同匹配方法所得结果具有一致性。为了进一步进行验证，还采用了逆概率加权（IPW）方法以及具有双向稳健性的IPW-RA方法进行分析。尽管这些方法得到的ATT值在数值上与PSM方法有所差异，但在效应的效果和统计显著性上与PSM方法保持了高度一致，这进一步确认了互联网使用对农村居民非农就业的积极作用。

2.3 稳健性检验

通过改变核心解释变量及其数据模型进行稳健性分析，验证互联网使用对农民非农就业影响的分析是否具有一致性。在表5的第（1）至（4）列中，将“是否会使用电脑上网”“是否使用微信”“是否使用微信朋友圈”等指标作为替代变量，用以确定互联网使用的显著作用。检验结果均一致性地表明互联网使用对农民非农就业具有显著的正面影响。此外，在第（4）列中将原有模型替换为Logit模型后，经检验，当前分析得到的结果与最初的基准回归结果相吻合，进一步巩固了互联网使用对农民非农就业正面影响的稳健性与可信度。

2.4 内生性检验

此研究借鉴王修梅等［5］的方法，以“电子商务发展指数”作为衡量农民互联网使用的工具变量进行内生性检验。如表6所示，采用条件矩估计（CMP）方法的第一阶段回归分析结果显示，电子商务发展指数对农村居民使用互联网的影响在1%的统计水平上显著，从而验证了所选工具变量的有效性。内生性参数为-0.401，表明互联网使用是一个内生变量，且基础回归可能受到了内生性偏差和样本选择偏差的影响。在CMP方法的第二阶段回归分析中，对潜在的内生性偏差进行控制，发现互联网使用对农民非农就业的作用在1%水平上仍然显著。分析结果进一步验证了互联网在促进农民非农就业方面的积极效应。

2.5 异质性分析

笔者进一步按照性别、教育水平及城乡居住状况对非农就业群体进行细分，以揭示互联网使用对就业影响的异质性。

在性别方面，表7的数据显示，互联网使用对男性非农就业的影响要比对女性非农业就业的影响更为明显。可能的解释为：性别偏见导致女性就业机会相对不足。女性可能因个人禀性条件、社会经济地位及教育程度的不均等而面临更多的就业障碍，工作与家庭责任的平衡问题也限制了她们在劳动力市场中的参与。然而，互联网的普及降低了就业市场的准入门槛，并提供了多样化的工作方式，这有助于缓解性别歧视问题。随着女性社会地位的提升，她们参与非农就业的机会也相应增加。

在教育方面，互联网使用对未完成九年义务教育的农民非农就业的影响大于完成九年义务教育的群体。这表明互联网的信息渠道和人力资本渠道在低学历农民非农就业中发挥着重要作用。对于低学历农民群体，其借助互联网能够获得更多的就业信息，可以在竞争较激烈的劳动力市场中充分发挥个人优势。

在城乡方面，城镇地区互联网使用对农民非农就业的影响更为显著。农村地区受限于经济状况、地理位置、人口迁移、民族宗教等因素，互联网发展起步较晚，长期作为数字贫困人群的农村地区居民更容易享受互联网的就业拉动效应。此外，在快速城市化发展的规模效应带动下，农村地区互联网的信息共享效应、技能提升效应也帮助农民消除数字鸿沟、提供就业支持与保障。异质性分析的结果凸显了提升互联网普及率及增强农民的信息素养对于当前社会具有极其重要的现实价值。

2.6 机制分析

在对现有文献进行深入分析的基础上，此研究从知识信息载体和社会关系两个关键维度来解析互联网促进农民非农就业的过程。

笔者以问卷中“是否每天进行网络学习”和“人缘关系”作为知识信息载体和社会关系的替代变量进行分析。如表8所示，两种机制的相关系数均呈现出显著的正相关性。对于第一种机制，农民通过互联网与外界的沟通和交流日益频繁，不仅有助于他们维护现有的社会联系，还能进一步扩展社交网络，从而在社会资本的积累中获得再就业的社会支持。对于第二种机制，互联网的广泛覆盖和通过手机上网的便捷途径显著增加了农民获取就业知识和信息的机会，使农民通过网络学习提高自身的知识储备和劳动技能，也有利于其利用互联网平台自行创造灵活的就业岗位，实现再就业。

3 结论与建议

农民群体正在逐步转变为劳动力市场的主要力量。笔者利用2020年中国家庭追踪调查数据，深入分析了互联网使用对农民非农就业的影响，得到如下结论：首先，互联网使用显著提升了农民非农就业的概率，在排除了可能的选择性偏差和内生性问题后，结论依然具有统计上的显著性。这与宋林等［2］和何勤英等［3］的研究结果一致，印证了互联网在促进农村劳动力非农就业方面的积极作用。其次，互联网对于农民非农就业的影响在性别、教育背景及城乡分布不同的群体中表现出差异性，互联网的普及为农民提供了更多的非农就业机会。这一发现与张卫东等［4］的研究结果相吻合，即互联网的就业效应在不同子群体中表现出异质性。笔者进一步细化了这些差异，提供了更具体的群体特征分析。最后，研究揭示了互联网通过提升个人知识和信息获取能力及促进社会资本的积累，进而对农民非农就业产生积极影响的作用机制，并在农民非农就业的具体应用场景中进一步验证了这些机制的作用。