□李夢凡

[河海大學 南京 211100]

引言

從農(nóng)耕時代到工業(yè)時代再到信息時代，技術不斷推動人類社會發(fā)展。進入新世紀以來，互聯(lián)網(wǎng)正以不可逆轉(zhuǎn)的力量，在全球范圍掀起一場涉及諸多層面的深刻變革，不斷刷新生產(chǎn)、流通、分配和消費的模式。人類正經(jīng)歷所謂的“互聯(lián)網(wǎng)時代”，互聯(lián)網(wǎng)技術的大眾化應用，日漸成為人們社會生產(chǎn)以及日常生活的重要組成部分。2002年，黨的十六大報告中首次出現(xiàn)“互聯(lián)網(wǎng)”相關內(nèi)容。2017年，黨的十九大報告多處提及互聯(lián)網(wǎng)，涵蓋網(wǎng)絡文化、網(wǎng)絡安全、網(wǎng)絡管理等多個方面。2020年，黨的十九屆五中全會又特別強調(diào)發(fā)展數(shù)字經(jīng)濟。近年來，中國的網(wǎng)絡建設持續(xù)加速、應用環(huán)境全方位優(yōu)化、基礎資源保有量不斷攀升，不僅在成功應對突發(fā)公共衛(wèi)生、安全等事件上提供了關鍵技術支撐，也逐步成長為推動經(jīng)濟邁向高質(zhì)量發(fā)展的新引擎之一。2021年，中國互聯(lián)網(wǎng)絡信息中心（CNNIC）正式發(fā)布的第47次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》指出，截至2020年12月，中國網(wǎng)民規(guī)模達9.9億，互聯(lián)網(wǎng)普及率達70%。其中，農(nóng)村網(wǎng)民規(guī)模達3.1億（城鎮(zhèn)6.8億），占網(wǎng)民群體的31%；受教育程度在初中及以下的網(wǎng)民群體占比近60%；有收入但月收入在1 000元以下的網(wǎng)民群體占比超過15%①。這些數(shù)據(jù)表明，中國互聯(lián)網(wǎng)行業(yè)和相關基礎設施建設發(fā)展迅速，惠及人群愈加廣泛。但在互聯(lián)網(wǎng)普及率與互聯(lián)網(wǎng)應用能力等方面，還有一定程度的發(fā)展不平衡、不充分問題。正像歷次技術變革存在的多方面伴生現(xiàn)象一樣，隨著互聯(lián)網(wǎng)技術的深化和擴散，“數(shù)字鴻溝”“數(shù)字貧困”等現(xiàn)象也在頻頻進入世界范圍內(nèi)的公眾視野。已有研究指出[1]，“數(shù)字鴻溝”會經(jīng)歷兩個發(fā)展階段：首先是接入可及性差異階段，這曾是數(shù)字鴻溝的基本形態(tài)；其次是互聯(lián)網(wǎng)應用差異階段，這個階段會觸發(fā)互聯(lián)網(wǎng)紅利差異。也就是說，隨著數(shù)字鴻溝的發(fā)展，收入分配格局也將產(chǎn)生重要的動態(tài)變化。那么，在當前系列復雜綜合因素的作用背景下，互聯(lián)網(wǎng)使用對居民個人收入的影響如何，其作用有無分化趨勢，是本文嘗試研究的主要問題。

一、文獻回顧

（一）互聯(lián)網(wǎng)使用與勞動者收入提升

2019年中國社會科學院發(fā)布的《人口與勞動綠皮書：中國人口與勞動問題報告No.19》中提及，互聯(lián)網(wǎng)使用行為可使個體年收入增加46.5%，而且這對中低收入、中高技能勞動群體影響顯著②。陳玉宇和吳玉立較早地研究了個人電腦的使用與工資之間的關系。該研究利用2005年全國家庭普查數(shù)據(jù)，采用虛擬變量和趨勢得分模型估計使用個人電腦的工資回報率。在控制性別、年齡、教育水平、職業(yè)以及工資黏性等因素的情況下，回報率高達20%[2]。以農(nóng)業(yè)領域的勞動者為例，許竹青等研究了信息的有效供給對農(nóng)民跨越“數(shù)字鴻溝”“享受信息紅利”的影響。這項研究通過對農(nóng)業(yè)信息短信服務與農(nóng)產(chǎn)品的售價的因果關系以及內(nèi)在作用機制進行分析，發(fā)現(xiàn)信息有效供給能顯著提高易腐產(chǎn)品（豆角）售價，從而提高農(nóng)業(yè)從業(yè)者的收入[3]。曾億武等研究了電子商務與農(nóng)戶農(nóng)業(yè)收入的關系，發(fā)現(xiàn)前者顯著地促進了后者，而增收差異可以追溯到物質(zhì)、人力和社會資本在內(nèi)的資本稟賦差異[4]。程名望、張家平研究了信息與通訊技術與城鄉(xiāng)收入差距之間的關系。該項研究先基于理論分析假設二者間的非線性關系，然后采用2003～2016年中國省級面板數(shù)據(jù)進行驗證。發(fā)現(xiàn)互聯(lián)網(wǎng)普及對城鄉(xiāng)收入差距呈現(xiàn)先增后降的“倒U型”影響，并確認時間拐點在2009年，這意味著互聯(lián)網(wǎng)技術給中國城鄉(xiāng)融合發(fā)展帶來了重要機遇。最后，還利用中國社會狀況調(diào)查數(shù)據(jù)（CGSS2015），發(fā)現(xiàn)現(xiàn)階段互聯(lián)網(wǎng)普及能夠縮小城鄉(xiāng)居民收入差距的直接原因是其對農(nóng)村居民收入的提升效應相比城鎮(zhèn)居民更大[5]。趙羚雅、向運華基于CFPS2016數(shù)據(jù)，考察互聯(lián)網(wǎng)使用和社會資本對非農(nóng)就業(yè)的影響，發(fā)現(xiàn)互聯(lián)網(wǎng)使用使得農(nóng)村居民非農(nóng)就業(yè)概率提高了49.3%，社會資本是互聯(lián)網(wǎng)使用影響農(nóng)民非農(nóng)就業(yè)的重要途徑[6]。邱子迅和周亞虹通過匹配“中國電子商務發(fā)展指數(shù)”與CFPS2016和CFPS2018數(shù)據(jù)，從供需有效對接的角度，研究了電子商務與農(nóng)村家庭增收的關系以及異質(zhì)性[7]。劉生龍等研究了農(nóng)村居民使用互聯(lián)網(wǎng)的收入回報。該研究利用CFPS2010、CFPS2014和CFPS2018的個人調(diào)查數(shù)據(jù)，采用廣義隨機森林模型、工具變量法發(fā)現(xiàn)互聯(lián)網(wǎng)使用對農(nóng)村人口收入增加有顯著因果效應，發(fā)現(xiàn)該效應在青年和較高教育程度人群中尤為明顯，提出并驗證了互聯(lián)網(wǎng)影響農(nóng)村居民收入的路徑機制，如更多的就業(yè)機會、更靈活的就業(yè)形式等[8]。羅楚亮和梁曉慧采用CMDS2016數(shù)據(jù)研究也發(fā)現(xiàn)，借助互聯(lián)網(wǎng)找工作，可以降低信息不對稱，產(chǎn)生工資溢價效應，而且該效應在教育程度高、累計流動時間長的群體中更強[9]。

（二）提升效應論爭與異質(zhì)性

但是同時還有學者（如劉生龍等）指出，互聯(lián)網(wǎng)對個人收入的影響，學術界仍有爭論[8]。盡管該研究領域較有影響的克魯格很早就利用美國人口普查數(shù)據(jù)實證分析得出，電腦使用對個人收入具有10%～15%的提升作用[10]。然而后續(xù)許多研究者質(zhì)疑了克魯格的研究與結(jié)論。漢德爾指出，該研究利用截面數(shù)據(jù)做回歸，有可能存在遺漏變量導致的偏誤，從而使得估計結(jié)果不具備說服力。貝爾的研究支持了這種質(zhì)疑，他利用固定效應控制不可觀測的個體差異之后，發(fā)現(xiàn)互聯(lián)網(wǎng)使用對工資的影響不顯著[11]。類似的，皮施克做了一項很有意思的研究。他考慮辦公工具的選擇性，利用德國的截面數(shù)據(jù)，發(fā)現(xiàn)白領工人在工作中使用的工具，無論是電腦還是普通鉛筆，都會與高收入有很強的相關性。借此他指出，在不控制個體不可觀測特征的情況下，簡單的回歸結(jié)果難以保證可靠的因果推斷[12]。趙建國、周德水利用2016年中國流動人口動態(tài)監(jiān)測調(diào)查數(shù)據(jù)，研究了互聯(lián)網(wǎng)使用與大學畢業(yè)生工資的關系。基于信息搜尋理論、運用傾向值匹配法和分位數(shù)回歸法，發(fā)現(xiàn)前者對后者提高有顯著作用，但隨著分位點的提高，互聯(lián)網(wǎng)使用的影響程度不斷減弱，呈倒U形趨勢。此外，影響效應存在區(qū)域差異性、戶籍差異性[13]。譚燕芝等考察了信息化與個人收入的影響以及城鄉(xiāng)差異。該研究基于CFPS2014數(shù)據(jù)，發(fā)現(xiàn)在控制個人異質(zhì)性特征的情況下，互聯(lián)網(wǎng)使用能夠?qū)€人收入提升14%，城市樣本中約為20%，但是農(nóng)村樣本并不顯著。值得關注的是，這個研究還發(fā)現(xiàn)城鄉(xiāng)互聯(lián)網(wǎng)重視程度并無顯著差異，回報率差異根源可能在互聯(lián)網(wǎng)應用能力差異上[14]。蔣琪等基于CFPS2010、CFPS2014的面板數(shù)據(jù)，運用FE和PSM-DID模型，估計互聯(lián)網(wǎng)使用對居民個人收入的影響，發(fā)現(xiàn)互聯(lián)網(wǎng)對中年人、農(nóng)村戶籍群體、高等教育群體的影響相對較大，而認知能力和互聯(lián)網(wǎng)用的學習用途，是可能的作用機制[15]。迪馬吉奧和豪爾吉陶伊基于美國綜合社會調(diào)查發(fā)現(xiàn)教育、認知能力和收入高的群體更多利用互聯(lián)網(wǎng)“積累資本”，而非單純娛樂[16]。這一觀點，在邦法德利的研究中得到再次驗證，后者利用瑞士數(shù)據(jù)發(fā)現(xiàn)，高教育、高收入者一般利用互聯(lián)網(wǎng)獲取經(jīng)濟利益，社會經(jīng)濟地位低的用戶娛樂居多[17]。郝大海和王磊應用中國的數(shù)據(jù)（CFPS）獲得了與上述研究類似的結(jié)論。該研究通過多層次回歸模型，區(qū)分地區(qū)和個體因素，發(fā)現(xiàn)地區(qū)因素影響互聯(lián)網(wǎng)接入可及性，而接入網(wǎng)絡后地區(qū)因素的影響下降，網(wǎng)絡應用目的差異更多地與個人社會結(jié)構(gòu)性因素有關[18]。申廣軍、劉超使用企業(yè)層面微觀數(shù)據(jù)（中國工業(yè)企業(yè)數(shù)據(jù)庫）發(fā)現(xiàn)，使用信息技術的企業(yè)其勞動收入份額更高，也就是說信息技術存在分配效應，且具有異質(zhì)性[19]。這說明就業(yè)機會、形式和類別很可能會影響互聯(lián)網(wǎng)使用的收入提高效果。王元超基于互聯(lián)網(wǎng)對個人收入提高具有的技術效應和資本效應，探討兩種效應的階層異質(zhì)性，通過CFPS2014數(shù)據(jù)實證發(fā)現(xiàn)“倒U型”的效應–階層關系[20]。葉明睿和蔣文茜基于信息鴻溝和相對貧困視角，通過田野調(diào)查，對信息增收行為路徑做出感知、籌劃、行動和評估的階段式劃分，研究發(fā)現(xiàn)，擬態(tài)環(huán)境構(gòu)建、結(jié)構(gòu)系統(tǒng)性認知、社會資本現(xiàn)實轉(zhuǎn)化等方面的信息能力困境是制約貧困群體信息增收的重要表現(xiàn)[21]。馮喜良等利用CLDS2014和CLDS2016數(shù)據(jù)定量研究互聯(lián)網(wǎng)使用的性別工資收入差距，發(fā)現(xiàn)農(nóng)民工整體的工資溢價效應明顯，且互聯(lián)網(wǎng)使用可以縮小性別工資收入差距。互聯(lián)網(wǎng)使用技能進行精準化培訓，尤其是提高女性農(nóng)民工互聯(lián)網(wǎng)的使用能力，是縮小農(nóng)民工的性別工資收入差距的關鍵步驟[22]。

（三）文獻啟示與本文思路

梳理文獻發(fā)現(xiàn)，盡管大部分研究支持互聯(lián)網(wǎng)使用對個人收入的正向影響，但仍有存疑之處，如影響的不確定性、影響的群體差異性。對于識別互聯(lián)網(wǎng)使用的收入處理效應，多數(shù)研究在“直接利用OLS回歸結(jié)果很可能存在偏誤”上能達成共識，但是究竟應使用什么識別方法，看法及做法并不統(tǒng)一。相當一部分研究采用傾向得分匹配（PSM）方法。另有研究盡管使用PSM方法，也意識到該方法并不能很好解決內(nèi)生性問題，因為不可觀測因素的干擾。但是只進行了平衡性檢驗、共同支撐區(qū)間檢驗和多種匹配方法的穩(wěn)健性檢驗，這些檢驗措施仍然不能或不能很好地解決不可觀測因素干擾問題。除了直接測算的經(jīng)驗研究，一些文獻還探究了更深層次的因素，如互聯(lián)網(wǎng)應用能力、互聯(lián)網(wǎng)資本等。如邱澤奇等基于互聯(lián)網(wǎng)資本視角指出，因接入機會差異導致的數(shù)字鴻溝，這是信息富有和信息貧窮之間的差異，可以由基礎設施的發(fā)展建設來填平。這種“改善”同時觸發(fā)了互聯(lián)網(wǎng)紅利差異，關乎人們互聯(lián)網(wǎng)運用上的差別而產(chǎn)生的數(shù)字不平等[1]。

這些深層因素可否作為分析不可觀測干擾的切入口呢？正是在上述文獻的啟發(fā)下，本文使用傾向得分匹配思考設計互聯(lián)網(wǎng)使用的收入處理效應估計，考察互聯(lián)網(wǎng)使用能力（數(shù)字能力）因素，并通過敏感性檢驗來確定模型是否恰當，直到找到對不可觀測干擾不敏感的模型為止，從而較為準確地識別出互聯(lián)網(wǎng)使用的收入提升效應，然后在此基礎上展開穩(wěn)健性檢驗、異質(zhì)性分析與相關討論。本文的邊際工作主要體現(xiàn)在：首先，考慮并測算了不可直接觀測的潛變量—數(shù)字能力；其次，在因果效應識別方法傾向得分匹配分析中加入了敏感性分析與檢驗；最后，在因果效應識別的基礎上的異質(zhì)性分析，突出強調(diào)新階段互聯(lián)網(wǎng)使用的紅利分化效應。希冀對相關領域的治理政策設計提供一些經(jīng)驗依據(jù)。

二、互聯(lián)網(wǎng)使用的收入提升與分化效應

（一）理論分析

一般認為，影響微觀個人收入主要有其掌握的物質(zhì)資本、人力資本和社會資本等因素。隨著新工具、新基礎設施、新科學知識、新經(jīng)濟空間秩序等產(chǎn)生和發(fā)展，物質(zhì)資本、人力資本和社會資本的外延也得到拓展和豐富。然而在大多數(shù)情況下，這些發(fā)展并沒有從根本上改變上述三個維度資本的根本內(nèi)涵。因此，長期以來傳統(tǒng)的三維資本理論，是解釋個人收入、收入變化及其差異的基礎。如果計算機和互聯(lián)網(wǎng)的應用對個人收入帶來了影響，那么我們不禁會問：在解釋個人收入時，它應當歸為上述哪個類別呢？

看似都有關聯(lián)?？唆敻窨疾煊嬎銠C革命給工資結(jié)構(gòu)帶來的影響時，提出“互聯(lián)網(wǎng)工資溢價”現(xiàn)象，并通過經(jīng)驗數(shù)據(jù)，在同等條件下工作中是否使用計算機導致的個體工資差異[10]。為什么互聯(lián)網(wǎng)使用會帶來工資溢價或收入增加呢？此后一些研究者，將技術效應和資本效應作為重要闡釋視角。技術效應采取典型的新古典分析視角強調(diào)互聯(lián)網(wǎng)技術應用帶來的直接收益，通過新技術（計算機與互聯(lián)網(wǎng)）的應用，一方面將傳統(tǒng)勞動領域中的勞動者解放出來，這部分人從事更具創(chuàng)造性、更高效的工作，工資收入會隨著工作效率的提高而增加。另一方面，隨著互聯(lián)網(wǎng)技術的擴散普及、基礎設施的投資建設，會對掌握互聯(lián)網(wǎng)使用技術的勞動者產(chǎn)生新增需求，這在勞動力市場上會增加互聯(lián)網(wǎng)使用者的工資議價能力。與技術效應相對，資本效應強調(diào)互聯(lián)網(wǎng)技術應用帶來的間接收益。計算機和互聯(lián)網(wǎng)技術發(fā)展，與以往技術進步存在明顯差異，它在減少信息獲取的成本、擴展人們獲取信息的能力等方面具有顯著優(yōu)勢。從勞動力市場上看，無論對于更好工作的求職機會，還是增加市場急需的特定類型的人力資本積累等方面，互聯(lián)網(wǎng)的使用者掌握著更多機會，而這會間接實現(xiàn)工資增長。由上述討論就可以看出，這些解釋并沒有跳出三維資本的范圍。新技術的發(fā)生天然就與物質(zhì)資本積累相關，其作用的發(fā)揮往往是通過一定的物質(zhì)基礎設施來實現(xiàn)。計算機和互聯(lián)網(wǎng)的應用也不例外，大到公共網(wǎng)絡基礎設施，小到每個人手中的通訊設備。此外，由巴赫等提出過 “數(shù)字人力資本”（Digital Human Capital）的概念[23]，也印證了互聯(lián)網(wǎng)越來越成為把人的能力轉(zhuǎn)化為生產(chǎn)、教育以及參與社會的工具，又與人力資本相關?；ヂ?lián)互通，還可能使得互聯(lián)網(wǎng)使用者的社會關系網(wǎng)絡得到強化與拓展，降低信息獲取的成本，提高獲取信息的能力，又對應著社會資本理論的部分要義。

但以互聯(lián)網(wǎng)為代表的新技術作用又有其獨特性。這里本文借鑒了索托的概念界定與思想觀點，他將“資本”界定為“凝聚以往投入而成、具有市場進入機會、能夠經(jīng)由市場獲益的資產(chǎn)”，它首先是需要并且可以被積累的生產(chǎn)要素，同時它的作用過程又體現(xiàn)出一定的社會經(jīng)濟機制[24]。綜合來說，可以將資本看作內(nèi)含特定社會機制的發(fā)展要素。人們不斷積累它，通過它獲取收入、培養(yǎng)社會能力和實現(xiàn)個人發(fā)展。本文認為，從發(fā)展要素的意義上說，物質(zhì)資本、人力資本和社會資本等，也可以視為種種具體的內(nèi)含特定社會機制的發(fā)展要素或資產(chǎn)。人們掌握有各式各類、形態(tài)各異的資產(chǎn)，從勞動力到物質(zhì)資產(chǎn)，如房屋、土地、自然資源等。如果這些資產(chǎn)無法進入市場，就是 “僵化”的資本[24]。這些資產(chǎn)獲得進入市場機會，進而得到獲取收益的可能，稱作資產(chǎn)轉(zhuǎn)化為資本，即資本化。經(jīng)歷資本化過程，人們就不僅是各類資產(chǎn)占有者，而且是與市場形成有機聯(lián)系的參與主體，資產(chǎn)就經(jīng)歷實際意義上的生產(chǎn)要素“投入”環(huán)節(jié)、其價值在市場運行中得到評價、完成向“產(chǎn)出”的轉(zhuǎn)化，進而成為資本。邱澤奇等將索托的邏輯引入互聯(lián)網(wǎng)應用中，提出“互聯(lián)網(wǎng)資本”的概念：任何因既往投入形成的、具有互聯(lián)網(wǎng)市場進入機會并可以通過互聯(lián)網(wǎng)市場獲益的資產(chǎn)[1]。如此一來，無論是三維資本中的哪一維度，人們占有的資產(chǎn)都存在一定程度上的“閑置”“僵化”，并未時時刻刻“開足馬力”給其所有者增加收入。失業(yè)或工作機會的缺乏，可以視為人力資本的閑置。局部供需失衡、停工停產(chǎn)，可看作物質(zhì)資本的閑置。地理交通不便、通訊障礙等導致本可共享分享的社會網(wǎng)絡信息滯后或缺失，則體現(xiàn)了社會資本的閑置。不僅如此，產(chǎn)品聲譽、技術能力，甚至零碎時間等都屬于索托所提到的“僵化”資本，就明顯帶著互聯(lián)網(wǎng)時代的特征，即發(fā)現(xiàn)新發(fā)展要素的賦能效應。所以說，互聯(lián)網(wǎng)技術的應用，就像市場經(jīng)濟中的“擴音器”“放大鏡”“探測儀”“傳呼機”等，有利于發(fā)現(xiàn)、激活和強化這些“僵化”資產(chǎn)，為其打通投入通道和實現(xiàn)產(chǎn)出過程拓展了機會空間，讓曾經(jīng)難以轉(zhuǎn)化為資本的資產(chǎn)轉(zhuǎn)化為互聯(lián)網(wǎng)資本。

互聯(lián)網(wǎng)使用需要兩方面的條件：一個互聯(lián)網(wǎng)使用的可及性，這需要通過各類互聯(lián)網(wǎng)基礎設施的不斷建成、完善、接入來達成的，是一個客觀的條件；另一個是互聯(lián)網(wǎng)使用的能力，這是勞動者通過學習或培訓提高互聯(lián)網(wǎng)工具的使用能力來達到的，是一個近似主觀能動的因素。本文在此需要加以明確的是，這兩個方面之間并不存在簡單的互補關系，尤其是在基礎設施普及率較高的階段。當互聯(lián)網(wǎng)工具作為一種新技術簡單應用到生產(chǎn)生活的推廣階段，往往方便快捷，對使用技術要求不高，這時是否互聯(lián)網(wǎng)使用對于勞動者收入差異的影響，表現(xiàn)為接入機會差異導致的“數(shù)字鴻溝”。但是，隨著基礎設施的逐步建設和完善，對應用能力的要求不斷提高，即使擁有同等接入機會，互聯(lián)網(wǎng)使用能力上的差異開始在個體收入分布上影響力凸顯。而且更為重要的是，隨著生產(chǎn)、生活中互聯(lián)網(wǎng)接入場景的增多、深化，數(shù)字能力較低的群體甚至會被排斥、隔絕在互聯(lián)網(wǎng)賦能效應圈外部，不僅未獲得便利，反而轉(zhuǎn)變?yōu)榘l(fā)展劣勢。例如，一些老年人面臨的“數(shù)字貧困”現(xiàn)象就屬此類。當出現(xiàn)這種情況的時候，就不能單靠進一步加大對互聯(lián)網(wǎng)基礎設施的投入來解決，該措施有時甚至就是導致階段性“數(shù)字貧困”現(xiàn)象的直接原因。所以說，在考察互聯(lián)網(wǎng)使用的工資溢價效應的時候，除了考慮傳統(tǒng)三維資本，還需考慮互聯(lián)網(wǎng)使用在主、客觀等方面的多重賦能作用。

討論互聯(lián)網(wǎng)使用對個人收入影響，本文主要是通過多種路徑來進行分析的：一是互聯(lián)網(wǎng)使用直接影響個人收入，這里稱之為“技術效應”（或接入效應）；二是互聯(lián)網(wǎng)通過對經(jīng)典三維資本（物質(zhì)、人力和社會資本）“賦能”，從而間接影響個人收入，這即是“資本效應”（或接通效應）；三是考慮互聯(lián)網(wǎng)使用能力或數(shù)字能力，會影響個人對互聯(lián)網(wǎng)使用的概率和效果，這里統(tǒng)稱為“強化效應”。復雜性一方面體現(xiàn)在數(shù)字能力難以觀測，可能存在“內(nèi)生性問題”；另一方面在微觀個體之間數(shù)字能力差異會引起互聯(lián)網(wǎng)使用紅利的“分化效應”。作為不可觀測因素的數(shù)字能力，對于本文的研究主題非常重要，因此被納入到理論分析以及后續(xù)的經(jīng)驗研究中。

（二）實證策略

作為參照標準，本文先估計線性回歸模型。借鑒克魯格“互聯(lián)網(wǎng)–工資”方程[10]，構(gòu)建如下基準模型：

其中，i表示不同個體，被解釋變量yi為小時工資對數(shù)，核心解釋變量 tr eati為互聯(lián)網(wǎng)使用情況，控制變量Xi為一系列由人口、經(jīng)濟、社會、家庭、省份等相關特征變量組成的向量。待估參數(shù) α1表示互聯(lián)網(wǎng)使用對于個人收入的影響，這是本文關注的估計系數(shù)。ui是本模型中的干擾項。簡單線性回歸模型，可能存在由樣本選擇偏誤引起的估計偏差，也即cov(treati,ui)≠0。

為了避免模型設定引起的偏差，本文還使用匹配方法來估計因果效應。傾向得分匹配方法借鑒Rosenbaum和Rubin的分析思路，為解決維數(shù)詛咒導致無法匹配難題，從由系列觀測變量Xi進行匹配轉(zhuǎn)向一維的傾向指數(shù)進行匹配。傾向指數(shù)是具有特征Xi的個體工作使用互聯(lián)網(wǎng)（treat=1）的可能性，也即個體干預分配概率，一般采用限制因變量（如logit、probit）模型估計得到。在此基礎上，分別使用一對一近鄰匹配、卡尺匹配、核匹配、局部線性匹配等方式，估計得到互聯(lián)網(wǎng)使用對于個人收入的平均處理效應，并進行相應的檢驗。這是一種非參數(shù)方法，但不能規(guī)避不可觀測因素的干擾。前面的理論分析指出，在互聯(lián)網(wǎng)使用與收入之間，的確存在著不可忽視的不可觀測因素（互聯(lián)網(wǎng)使用能力）的影響。

當存在不可觀測的選擇（隱性偏差），為了評估傾向得分匹配估計的可靠性，需要進行相應檢驗。Rosenbaum提出傾向得分匹配相應的敏感性分析思路[25]：當兩個個體接受處理的傾向值不同時，會存在隱藏性偏差，敏感性分析主要是研究這種偏差大到何種地步會改變之前做出的因果效應推斷結(jié)論。敏感性越低，表明之前的結(jié)論越可靠。否則，應該對傾向得分匹配估計結(jié)果保持謹慎，此時就要考慮重新設計匹配模型。本文后面將結(jié)合具體實證過程詳細展開分析。

在處理效應對不可觀測因素的干擾敏感性很高時，就要考慮如何應對這種影響。這里本文將采用探索性因子分析的方法，在模型（1）的基礎上，將原本不可觀測的互聯(lián)網(wǎng)應用能力（ability）納入模型，進行回歸和匹配分析：

其中， εi是本模型中的干擾項，與模型（1）有所差異，因為控制了（1）中的不可觀測因素，這里假設干擾項與處理變量無關，即cov(treati,εi)=0成立。當然，這種假設是否站得住腳，或者說在多大程度上可被接受，還需后面的敏感性分析來檢驗。我們關注的估計系數(shù)是 γ1，除上述對應用能力變量的控制和對干擾項的假定之外，其他方面與模型（1）一樣。通過傾向得分匹配方法估計出處理效應后，考察所得效應是否通過檢驗和敏感性分析。確定可以通過敏感性分析后，將進一步分性別、年齡層、城鄉(xiāng)戶籍、技能高低等進行處理效應異質(zhì)性分析。

三、互聯(lián)網(wǎng)使用對收入影響的實證分析

（一）數(shù)據(jù)來源、主要變量選取與統(tǒng)計分析

本文使用的是中國綜合社會調(diào)查（Chinese General Social Survey，CGSS）2017年的數(shù)據(jù)。CGSS是中國最早的全國性、綜合性、連續(xù)性學術調(diào)查項目，由中國人民大學中國調(diào)查與數(shù)據(jù)中心負責執(zhí)行，旨在系統(tǒng)、全面地收集社會、社區(qū)、家庭、個人多個層次的數(shù)據(jù)，總結(jié)社會變遷的趨勢，探討具有重大科學和現(xiàn)實意義的議題，推動國內(nèi)科學研究的開放與共享，為國際比較研究提供數(shù)據(jù)資料，充當多學科的經(jīng)濟與社會數(shù)據(jù)采集平臺。CGSS2017共完成有效樣本12 582份，問卷由3大模塊構(gòu)成，分別是A核心模塊、C社會網(wǎng)絡和網(wǎng)絡社會（含I S S P 2 0 1 7）模塊和D家庭問卷（含EASS2016）模塊，公布數(shù)據(jù)包含783個變量。尤其是A和C模塊中包含居民使用互聯(lián)網(wǎng)情況數(shù)據(jù)，是目前國內(nèi)罕見的、具有全國代表性的、個體互聯(lián)網(wǎng)使用數(shù)據(jù)，特別是有數(shù)字能力（互聯(lián)網(wǎng)使用能力）的測量指標，較為符合本文的研究需要。

本文首先關注工作中是否使用互聯(lián)網(wǎng)對個人收入的影響?；ヂ?lián)網(wǎng)使用采取“工作中使用互聯(lián)網(wǎng)所占的比例”來表示，將其處理為一個二值變量，大于0賦值為1，表示工作中使用互聯(lián)網(wǎng)，否則賦值為0，表示工作中沒有使用互聯(lián)網(wǎng)③。如表1所示，個人收入采取對數(shù)形式，用個人全年總收入的對數(shù)（tinc）來表示④。對于被解釋變量和主要解釋變量，在刪除缺失值、無效或異常數(shù)據(jù)之后，共得到9 990個樣本。為了盡量降低混淆和干擾，研究還控制了可能影響個人收入的其他變量，主要包括人口統(tǒng)計特征變量、社會特征變量、經(jīng)濟特征變量、家庭特征變量等。首先，個體人口統(tǒng)計學特征包括性別、年齡、受教育年限、健康狀況等。性別（male）采取“是否是男性”來表示⑤；年齡（age）用調(diào)查年份（2017年）減去出生年份得到；受教育程度（edu）采用受教育年限來測量⑥；健康狀況（health）是受訪個人的主觀健康水平⑦，分為五個等級，數(shù)字越大代表健康水平越高。其次，經(jīng)濟特征包括擁有房產(chǎn)數(shù)量、是不是工會會員、有無金融資產(chǎn)投資、工作類型等。房產(chǎn)（house）記錄包括與他人共有在內(nèi)的所擁有的房產(chǎn)數(shù)量⑧；工會會員（union）不一定與福利掛鉤，但在信息獲取、權(quán)益保障等方面具有優(yōu)勢，會影響到個人收入⑨；工作類型根據(jù)問卷問答來分類，每種類型的工作生成0-1二值變量⑩。再次，社會特征包括民族、有無宗教信仰、政治面貌、戶籍狀態(tài)、社會福利狀況。民族采用“是否是漢族（han）”來表示?；宗教信仰（religion）是一個二值變量?；政治面貌（party）采用“是否為中共黨員”來表示?；戶籍狀態(tài)（hukou）也是一個二值變量，非農(nóng)戶口賦值為1，否則為0。

表1 主要變量描述性統(tǒng)計表

描述性統(tǒng)計顯示，工作中有互聯(lián)網(wǎng)使用的群體占總樣本約15%，相比未使用互聯(lián)網(wǎng)群體而言，使用群體個人年收入對數(shù)值平均要高出73%左右。他們的受教育程度更高，其母親的受教育程度也明顯更高。這部分人更加年輕，未婚者更多，擁有投資和房產(chǎn)的概率更大，參與工會的比例較高（詳見表1）。我們從現(xiàn)有文獻和研究結(jié)論可知，除收入外的這些變量都是直接或間接影響個人收入的重要因素。這個統(tǒng)計顯示出，工作中互聯(lián)網(wǎng)使用和互聯(lián)網(wǎng)使用者本身之間存在較為明顯的“選擇性”特征。同時也說明，在進行簡單回歸分析時，這些變量都有被納入模型進行控制的必要性。

（二）回歸分析

以便于比較研究，本文先對工作中互聯(lián)網(wǎng)使用與個人年收入之間的關系，參照模型（1），進行基于OLS回歸模型的簡單估計。為了更好的分析，還加入?yún)f(xié)變量、控制區(qū)域變量等。如表2所示，列（1）未添加任何控制，列（2）控制了區(qū)域互聯(lián)網(wǎng)平均應用水平，列（3）控制了省份變量，列（4）控制了個人（如受教育程度、性別、年齡、健康等）特征，列（5）增添社會特征控制變量（如民族、戶籍、政治身份等），列（6）增加控制了經(jīng)濟與家庭特征（如是否加入工會、投資、住房、婚姻、子女數(shù)量等）。需要說明的是，這里本文沒有控制工作類型，主要是考慮到工作類型與互聯(lián)網(wǎng)使用之間存在較強的關聯(lián)，且互聯(lián)網(wǎng)使用會影響工作類型，若控制住則會低估互聯(lián)網(wǎng)使用的作用。本部分的估計結(jié)果如表2所示。

表2 OLS回歸結(jié)果表

回歸結(jié)果顯示，在沒有任何協(xié)變量的情況下，平均而言，工作中的互聯(lián)網(wǎng)使用使得個人年收入增加107%（計算方法為e0.727–1），且非常顯著。但這個影響太大了，由于可能存在選擇性偏差，所以引入?yún)f(xié)變量進行回歸。在此之前，考慮到工作種類極可能影響個人收入，而且在不同工作或行業(yè)互聯(lián)網(wǎng)使用的頻率本身有差異，加上區(qū)域互聯(lián)網(wǎng)應用程度的差異會影響互聯(lián)網(wǎng)應用，本文在不產(chǎn)生沖突的情況下又分別控制了區(qū)域互聯(lián)網(wǎng)使用頻率、省份類別變量（參見表2中第（2）（3）列結(jié)果）。控制區(qū)域互聯(lián)網(wǎng)應用程度和控制省份類別變量的區(qū)別不大（系數(shù)分別為54.5%與53.1%），所以在隨后的估算分析中，我們統(tǒng)一控制區(qū)域互聯(lián)網(wǎng)應用程度，不再控制省份類別變量，避免一定程度的共線或過度控制問題出現(xiàn)。本文引入個人特征協(xié)變量（教育、性別、年齡、年齡平方項、健康等，參見表2第（4）列結(jié)果），現(xiàn)有研究表明，這些變量大多對于個人收入帶著很強的正向影響，本文的結(jié)果也證實了這一點，可以看到互聯(lián)網(wǎng)使用的收入影響依然非常顯著，但系數(shù)大大降低（20.6%）。接著又分別引入與個人相關的社會、經(jīng)濟、家庭等特征協(xié)變量（參見表2第（5）（6）列結(jié)果）進行回歸，互聯(lián)網(wǎng)使用的收入影響仍然具有很高的顯著性，但影響在進一步降低（系數(shù)分別為17.2%、15.2%）。也就是說，系列協(xié)變量稀釋了處理變量對收入的影響。本部分通過OLS回歸分析，我們得到初步結(jié)論：在盡可能控制影響收入的其他變量的情況下，工作中互聯(lián)網(wǎng)使用會使得個人收入提高16.4%（e0.152–1）。下面依據(jù)傾向得分匹配方法估計和分析互聯(lián)網(wǎng)使用的收入處理效應。

（三）匹配估計、平衡性檢驗與敏感性分析

考慮使用傾向得分匹配方法構(gòu)造匹配樣本。傾向得分值最接近的控制組個體即為實驗組的配對樣本，通過這種方法可以最大程度減少實驗組與控制組個體存在的系統(tǒng)性差異，從而減少估計偏誤。采用probit模型估計傾向得分指數(shù)，從一個最基本的模型出發(fā)，將主要協(xié)變量均引入模型，利用傾向得分指數(shù)的平衡指數(shù)特征，檢驗傾向指數(shù)模型是否充分。經(jīng)過多次調(diào)整、重設模型和篩選協(xié)變量之后，本部分最終得到一個通過平衡指數(shù)特征檢驗的模型，協(xié)變量包括年齡（age）、母親教育（medu）、工會成員（union）、教育（edu）、房產(chǎn)（house） 、戶籍（hukou）、婚姻（marriage）、子女數(shù)量（nchild）、性別（male）、漢族（han）、 投資（invest）、健康（health）、黨員（party）?。

表3上半部分顯示了在估計傾向得分值時的probit回歸結(jié)果。表3下半部分顯示，處理效應估計值ATT為18%，即表明工作中互聯(lián)網(wǎng)使用會使得個人收入平均增加19.7%（e0.180–1），大于前述添加系列協(xié)變量的OLS回歸模型得到的結(jié)果16.4%。對應的t值為3.58，遠大于1.96的臨界值，很顯著。這說明傾向得分匹配分析處理效應是有必要的（這里僅針對匹配相對于OLS回歸的必要性而言，該做法對于估計處理效應是否充分，后續(xù)還有更進一步的分析），簡單的OLS回歸分析低估了互聯(lián)網(wǎng)使用對收入增加的作用，大概低估1/5（（19.7–16.4）/16.4）。

在家政服務領域，對于“到家服務”，家政服務公司門店基本不能做現(xiàn)場展示，其實，他們更適合做“體驗式”的線上營銷。為此，自然正家提出了以口碑為核心的線上傳播作為主要的推廣方式，把實惠留給客戶，減少了大量的廣告宣傳費用。如果客戶體驗的效果不錯，通過“口碑相傳”就能為公司帶來更多的客戶。通過這種方式，自然正家自成立以來，得益于前沿的清潔理念和良好的服務感受，公司業(yè)務量快速增長，從“體驗客戶”轉(zhuǎn)為“長期合同”的客戶達到了客戶總數(shù)的近60%。當“單次服務”客戶成為長期客戶后，公司就逐步成為客戶家庭清潔事務的管理者。

表3 傾向得分值與處理效應估計

接著檢驗協(xié)變量的平衡性。無論是從簡單統(tǒng)計（見表1）還是從平衡性檢驗（見表4）來看，匹配之前控制組和處理組之間的差異都很顯著，這也說明了直接利用線性回歸得到結(jié)果不可信，不足以表達互聯(lián)網(wǎng)使用對個人收入的處理效應。

表4 協(xié)變量平衡性檢驗

再由表4還可以看出，經(jīng)過匹配兩組協(xié)變量標準化平均值的差異明顯下降，平均降低了84.4%。匹配之后協(xié)變量的平衡性變好，除婚姻狀態(tài)變量外，t檢驗顯示絕大多數(shù)變量基本上沒有顯著差異。表4最后一列顯示的是兩組協(xié)變量的方差比，結(jié)果顯示方差比基本接近于1，滿足匹配條件，可以進行傾向得分匹配（還可參考圖1（a）所示的結(jié)果）。

圖1 平衡性檢驗（左）與傾向得分共同取值范圍（右）

從干預組和控制組的傾向指數(shù)分布情況來看，滿足共同區(qū)間要求（圖1（b）），大多數(shù)觀測值均在共同取值范圍內(nèi)，在進行傾向得分匹配時損失的樣本數(shù)量極少，匹配效果較好。需要指出的是，以往使用傾向得分匹配方法研究互聯(lián)網(wǎng)使用與個人收入關系的文獻，大多在此止步。但如本文前面指出，傾向得分匹配方法僅僅對于可觀測變量存在樣本選擇偏誤時有效，但當存在不可觀測的選擇，就無法只依據(jù)平衡性檢驗和傾向得分共同取值范圍來得知，為了評估傾向得分匹配估計的可靠性，這里借鑒Rosenbaum提出的敏感性分析，進行相應檢驗，考察隱藏性偏差對因果效應推斷結(jié)論的影響程度[25]。

觀察表5中符號秩檢驗結(jié)果，當無法觀測到的因素對于兩種處理（treat=0和treat=1）發(fā)生比（Gamma）為1時，也即不存在隱藏性偏差時，Wilcoxon符號秩檢驗的上界（sig+）和下界（sig?）都遠小于0.000 1（參考標準是0.05），此時前述估計的處理效應是有效的。但是，當發(fā)生比大于1.5時，即考慮隱藏性偏差時，Wilcoxon符號秩檢驗的上界已不滿足0.05的參考標準，也就是說即使存在足夠小的隱藏性偏差，就可能改變之前估計的因果處理效應值。換句話說，我們通過匹配得到的處理效應對于隱藏性偏差的擾動非常敏感。

表5 敏感性分析

再看表5中Hodges-Lehmann點估計（t-hat）和置信區(qū)間檢驗（CI），當Gamma=1時，工作中互聯(lián)網(wǎng)使用相對于其他人的收入高出15.5%（e0.144–1），與我們之前估計出的結(jié)果差距不大，且系數(shù)在95%的置信區(qū)間[9.1%，21.5%]包含了我們之間的估計結(jié)果18%，且不包含0。但是，當Gamma=1.5時，點估計的上下界分別是–6.5%和35.9%，95%的置信區(qū)間[–13.0%，43.8%]包含了0，表示這個點估計是統(tǒng)計不顯著的。這樣一來，我們按照Gamma值至少是2的判斷標準，上述處理效應對于隱藏性偏差很敏感，此前估計結(jié)果的可信度不足。

綜合上述檢驗過程，沒有充分理由相信原有估計結(jié)果，那么我們?yōu)榱斯烙嫵龉ぷ髦谢ヂ?lián)網(wǎng)使用對個人收入的影響大小，就不得不思考如何處理隱藏性偏差的問題。接下來，就按照本文前面尤其是理論分析部分的思路，嘗試以互聯(lián)網(wǎng)應用能力（數(shù)字能力）為視角，對不可觀測因素的偏差擾動進行探索。

四、基于互聯(lián)網(wǎng)使用能力的實證分析

（一）互聯(lián)網(wǎng)應用能力測度

由于互聯(lián)網(wǎng)應用能力不可以直接觀測，我們使用探索性因子分析（EFA）模型來測度互聯(lián)網(wǎng)應用能力。根據(jù)CGSS2017問卷中如“我會使用電腦打開網(wǎng)站”“我會使用智能手機下載安裝APP”“在網(wǎng)上查找自己想要的信息并不難”“網(wǎng)上（如微信、微博）看到周圍人轉(zhuǎn)發(fā)的重要消息，我會先驗證再相信”“當我想在網(wǎng)上表達自己的想法時，我知道怎么操作”和“在網(wǎng)上進行支付或交易時，我會觀察使用環(huán)境來確定是否使用”等6個問題的回答（“非常不符合”“不符合”“無所謂符合不符合”“符合”和“非常符合”，分別賦值1、2、3、4和5）來進行探索性因子分析。

在因子分析之前，必須對指標變量進行Bartlett檢驗、KMO檢驗、Cronbach信度檢驗、多元正態(tài)檢驗等先行檢驗，考察因子分析可行性，如表6所示。

表6 因子分析先行檢驗結(jié)果

Bartlett檢驗p值為0.000，非常顯著的拒絕了互聯(lián)網(wǎng)應用能力各指標之間不相關的原假設。KMO檢驗值為0.901，屬于非常好的檢驗值，說明本文選擇的6個指標之間具有較高的共同性，能夠用來測量公因子。Cronbach信度檢驗系數(shù)為0.899 8，遠超過可接受的臨界值0.7。上述三項檢驗都說明可以使用這些指標變量來進行因子分析。這里的多元正態(tài)檢驗都顯著的拒絕了原假設，說明這些指標不滿足聯(lián)合正態(tài)分布假設。但是在大樣本條件下，按照中心極限定理，對樣本均值統(tǒng)計量的推斷并無影響。從本文使用的樣本量來看，可以進行相關分析。表7是主成分因子分析結(jié)果與保留因子的載荷系數(shù)。

表7 主成分因子分析結(jié)果與保留因子的載荷系數(shù)

從圖2（a）可以看到，互聯(lián)網(wǎng)應用能力與個人收入之間呈現(xiàn)明顯的正相關關系。這也可以說明，在此前將互聯(lián)網(wǎng)應用能力作為一種不可觀測因素加以忽略，確實可能對本文要識別的因果效應帶來干擾偏差。這種偏差僅僅依靠由可觀測變量進行的匹配方法是不可以得到解決的，這一觀點也在前面的敏感性分析得到反映。這里還需要加以交待的是，因為調(diào)查問卷中包含“互聯(lián)網(wǎng)應用能力”指標變量的樣本只有2 429個，那么后續(xù)分析中所涉及的樣本與前面實證所用樣本已經(jīng)發(fā)生改變，所以對前后參數(shù)估計值的絕對比較沒有太大意義。然而，這并不影響這里的分析重點—如何消除不可觀測因素的干擾。穩(wěn)妥起見，本文還比較了測算前后樣本收入分布的特征，圖2（b）顯示的是全部個體和有互聯(lián)網(wǎng)應用能力數(shù)據(jù)的個體的收入分布情況，大致相同。此外，圖2（a）顯示了互聯(lián)網(wǎng)應用能力與個人收入之間的統(tǒng)計關系，存在很明顯的正相關關系。

圖2 互聯(lián)網(wǎng)應用能力、收入及其分布

（二）回歸分析

參照模型（2），加入個人的互聯(lián)網(wǎng)應用能力的回歸結(jié)果（詳見表8）顯示，不考慮其他協(xié)變量的情況下，工作中的互聯(lián)網(wǎng)使用平均會使得個人年收入顯著增加70%（e0.532–1，第（1）列）?？刂茀^(qū)域互聯(lián)網(wǎng)應用程度和控制省份類別變量的區(qū)別不大（系數(shù)分別為53.3%與50.1%，第（2）列和第（3）列）。引入個人特征協(xié)變量，可以看到互聯(lián)網(wǎng)使用的收入影響依然非常顯著，但系數(shù)大大降低（39.3%，第（4）列）。接著引入社會特征變量、經(jīng)濟家庭等特征變量（第（5）、（6）列結(jié)果）發(fā)現(xiàn)，互聯(lián)網(wǎng)使用的收入影響在進一步降低（37.0%、32.9%），但是依然是顯著的。綜合來看，通過OLS回歸分析得到：在盡可能控制影響收入的其他變量的情況下，工作中互聯(lián)網(wǎng)使用會使得個人收入提高39%（e0.329–1）。這個回歸結(jié)果很顯著，對個人收入提高效應是不考慮個人互聯(lián)網(wǎng)使用能力時的2倍多。

（三）PSM估計、敏感性分析與穩(wěn)健性檢驗

表9的上半部分顯示了在考慮了個人互聯(lián)網(wǎng)使用能力時，傾向得分值的probit回歸結(jié)果。表9下半部分顯示，處理效應估計值ATT為41.5%，即表明工作中互聯(lián)網(wǎng)使用會平均使得個人收入增加51%（e0.415–1），大于前述添加系列協(xié)變量的OLS回歸模型得到的結(jié)果（39%）。對應的t值為4.85，遠大于1.96的臨界值，很顯著。這說明簡單的OLS回歸分析低估了互聯(lián)網(wǎng)使用對收入增加的作用，大概低估31%（（51–39）/39），不容小覷。

表9 傾向得分值與處理效應估計（考慮互聯(lián)網(wǎng)應用能力）

接著檢驗協(xié)變量的平衡性。從平衡性檢驗（見圖3（a））來看，匹配之前控制組和處理組之間的差異都很顯著，匹配之前控制組和處理組之間的差異變?。◣缀醵荚?0%以內(nèi)），可以視為兩組無差異。

圖3 平衡性檢驗（左）與傾向得分共同取值范圍（右）

從干預組和控制組的傾向指數(shù)分布情況來看，滿足共同區(qū)間要求（圖3（b）），大多數(shù)觀測值均在共同取值范圍內(nèi)，在進行傾向得分匹配時損失的樣本數(shù)量極少，匹配效果較好。下面進行敏感性分析，考察隱藏性偏差對因果效應推斷結(jié)論的影響程度。

表10中的符號秩檢驗結(jié)果顯示，當仍可能存在的無法觀測因素對于兩種處理（treat=0和treat=1）發(fā)生比（Gamma）為2.5時，Wilcoxon符號秩檢驗的上界仍然滿足0.05的參考標準，同時Hodges-Lehmann 95%的置信區(qū)間[9.1%，128.7%]包含了我們之前的估計系數(shù)41.5%，且不包含0。這些結(jié)果都表明，可以認為上述處理效應對于隱藏性偏差不敏感，此前估計結(jié)果可信。也就是說，將互聯(lián)網(wǎng)使用能力納入考察模型后，其他不可觀測因素的擾動大概率不會對結(jié)果造成顛覆性干擾。

表10 敏感性分析

表11顯示的是除前述近鄰匹配之外，這里采用不同的匹配方法如卡尺匹配、卡尺內(nèi)近鄰匹配、核匹配、局部線性回歸匹配、自助法樣條匹配、馬氏匹配等得到的處理效應估計結(jié)果以及T值。無論是從平均處理效應的估計值還是其顯著性上看，都說明了本部分估計結(jié)果的穩(wěn)健性。考慮客觀賦能效應和主觀賦能等多重效應，平均而言互聯(lián)網(wǎng)使用約提高了勞動者45.7%（e0.376–1）～51%（e0.415–1）的個人收入。從已有文獻的經(jīng)驗研究來看，本文的結(jié)論與中國社會科學院發(fā)布的《人口與勞動綠皮書：中國人口與勞動問題報告No.19》中的測算結(jié)果（46.5%）較為接近。

表11 基于多種匹配方式的處理效應穩(wěn)健性檢驗

（四）異質(zhì)性分析

前面基于傾向值方法，在考慮互聯(lián)網(wǎng)使用能力這個不可觀測變量的基礎上，較為穩(wěn)健一致的估計了互聯(lián)網(wǎng)使用對個人收入的處理效應。由于傾向值實質(zhì)上是個體進入處理組的概率，進一步思考處理效應隨著被處理概率不同而出現(xiàn)差異時，就是在分析處理效應異質(zhì)性問題。

本部分借助細分–多層次法（stratification multilevel Method）進行分析。主要考察四類異質(zhì)性，高技能和低技能、城市和農(nóng)村戶籍、年輕和大齡以及男性和女性之間的處理效應異質(zhì)性。其中，城鄉(xiāng)與性別的數(shù)據(jù)本身就是分類數(shù)據(jù)，適用于分層。技能分層采用互聯(lián)網(wǎng)應用能力值4為臨界點，大于等于4分到高技能層、小于4分到低技能層?；年齡分層采取40歲為臨界點，大于等于40歲分到大齡層、小于40歲分至年輕層。

為了節(jié)省篇幅，這里省略匯報計算結(jié)果，直接以圖形來直觀展示互聯(lián)網(wǎng)使用對個人收入的處理效應的異質(zhì)性。圖4顯示的是總括性結(jié)果，在不限制特定群體的情況下，隨著工作中互聯(lián)網(wǎng)使用概率的提高（即前面估計出的傾向值得分的提高），處理效應呈現(xiàn)出越來越強的趨勢（基本上在95%的顯著水平上）。一方面，這與本文前面的估計結(jié)果相互支撐，即互聯(lián)網(wǎng)使用對勞動者收入具有較穩(wěn)定的提高效應；另一方面，也不難理解，互聯(lián)網(wǎng)應用技術像歷史上出現(xiàn)的新技術一樣，出現(xiàn)之初肯定會存在“使用紅利”，其應用場景才會逐步廣泛、應用程度才得以深化。

圖4 互聯(lián)網(wǎng)使用概率與處理效應異質(zhì)性

圖5匯報的是從戶籍（城市=1；農(nóng)村=0）、性別（男性=1；女性=0）、年齡層（非較年輕=1；較年輕=0）和數(shù)字能力（能力較高=1；能力較低=0）等四個維度考察處理效應在不同群體中的異質(zhì)性。

圖5 戶籍、性別、年齡層、能力維度的處理效應異質(zhì)性

從圖5（a）上看，盡管不同戶籍的人都在互聯(lián)使用中提高了收入，但相較于城市戶籍人口，農(nóng)村戶籍人群在互聯(lián)網(wǎng)使用中的受益更多，而且隨著互聯(lián)網(wǎng)使用概率的增加，這種優(yōu)勢愈發(fā)明顯。這與程名望等的研究結(jié)論是一致的[5]。但同時要注意，這很可能是因為當前階段農(nóng)村居民享受到的互聯(lián)網(wǎng)使用紅利，主要源自“接入可及性”的改善上，隨著基礎設施建設普及率提高，依照本文前面的理論分析，這種效應可能消失甚至為負。圖5（b）上顯示，男性和女性在互聯(lián)網(wǎng)使用獲益上的差異不大，有一個趨勢性的差異是，隨著互聯(lián)網(wǎng)使用概率的提高，女性收入提高效應更明顯。圖5（c）對應的是年齡層處理效應異質(zhì)性。兩個年齡層的人群都在互聯(lián)使用中提高了收入，但相較于年輕群體，非較年輕人群在互聯(lián)網(wǎng)使用中的收入提高效應較低，而且變化不明顯，隨著互聯(lián)網(wǎng)使用概率的增加，年輕群體表現(xiàn)出的優(yōu)勢特別明顯。圖5（d）是針對技能分層的結(jié)果，關于技能分層處理效應異質(zhì)性，有兩點值得關注：一是較低技能勞動者互聯(lián)網(wǎng)使用的收入提高效應，隨著互聯(lián)網(wǎng)使用概率的增加而逐步減弱（盡管數(shù)據(jù)顯示一直為正）；二是在使用概率較大的一側(cè)，高低技能分層群體的互聯(lián)網(wǎng)使用紅利也表現(xiàn)出了明顯的分化。也就是說，從技能分層的視角來看，較低技能的互聯(lián)網(wǎng)使用者很可能隨著互聯(lián)網(wǎng)發(fā)展而表現(xiàn)出數(shù)字相對貧困。

五、主要結(jié)論與相關討論

互聯(lián)網(wǎng)使用對個人收入存在“多重賦能”如圖6所示：一是接入效應或技術效應；二是接通效應或資本效應。不可觀測因素如數(shù)字能力，一方面影響互聯(lián)網(wǎng)使用，另一方面也與個人收入相關，給經(jīng)驗研究帶來內(nèi)生性難題。相比于已有研究，對不可觀測因素的處理，是本文想突出表達的重點。

實證研究表明：忽略不可觀測的數(shù)字能力，互聯(lián)網(wǎng)使用的個人收入提升效果顯著（OLS方法測算結(jié)果為16.4%； PSM方法測算結(jié)果為19.7%），但敏感性檢驗發(fā)現(xiàn)存在不可觀測干擾。通過探索性因子分析（EFA）控制數(shù)字能力后，處理效應依然顯著（OLS測算結(jié)果是39%；多種匹配方法測算結(jié)果為45.7%～51%），并通過敏感性檢驗。處理效應異質(zhì)性分析發(fā)現(xiàn)，依戶籍分農(nóng)村人群在互聯(lián)網(wǎng)使用中的受益更多，從性別看女性收入提高效應更顯著，從年齡看年輕群體隨互聯(lián)網(wǎng)使用頻率增多而表現(xiàn)出的優(yōu)勢明顯，按照技能分層考察低技能勞動者互聯(lián)網(wǎng)使用的收入提高效應有弱化趨勢，互聯(lián)網(wǎng)使用紅利分化特征顯著。

當前，互聯(lián)網(wǎng)日漸融入人們的社會生產(chǎn)生活之中。在互聯(lián)網(wǎng)對各類型、各層次市場參與主體賦能的同時，對個人及其所掌握的各類資本也在賦能，互聯(lián)網(wǎng)接入可及性紅利帶著顯著的普惠性質(zhì)。然而，當人人可及互聯(lián)網(wǎng)的時候，這類紅利不僅會逐漸弱化，而且存在以“數(shù)字能力”差異為特征的互聯(lián)網(wǎng)使用紅利的分化。而弱化效應與分化效應，必然會給優(yōu)化收入分配格局帶來不利擾動，如數(shù)字相對貧困或成為實施鄉(xiāng)村振興戰(zhàn)略、推進共同富裕改革過程中的新題和難題。本文認為，從目前的科技水平看，互聯(lián)網(wǎng)本身尚不具備主觀能動性，它的發(fā)展與社會經(jīng)濟發(fā)展之間不存在固定的線性關系，甚至長期看也不應存在既定的非線性關系。其發(fā)展過程中所體現(xiàn)出的動態(tài)異質(zhì)性更需引起關注。所以，并不能僅僅依靠單方面科技建設來實現(xiàn)收入分配格局、城鄉(xiāng)發(fā)展差距、性別收入差距等社會發(fā)展指標的系統(tǒng)性彌合。這還取決于人們對互聯(lián)網(wǎng)的總體認知和應用水平、個人認識和應用能力的差異以及領域內(nèi)關鍵資源在不同微觀主體之間的分布情況等等。加大對互聯(lián)網(wǎng)基礎設施的投資建設是一種必要手段，但是還必須更加注重對“傳統(tǒng)弱勢群體”和互聯(lián)網(wǎng)時代的“新型弱勢群體”的互聯(lián)網(wǎng)使用能力的培訓、分享和幫助。同樣重要的是，防止互聯(lián)網(wǎng)平臺、關鍵資源壟斷等造成的實際接入可及和有效接通上的非均衡、非充分發(fā)展局面，切實將共享作為互聯(lián)網(wǎng)發(fā)展的主題之一。

注釋

① 第47次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》，https://zndsssp.dangbei.net/2021/20210203.pdf。

② https://www.sohu.com/a/287155035_186085。

③ 對應問卷問題c56，“在您一周的工作中，需要使用互聯(lián)網(wǎng)的工作大概占多大比重”。

④ 分別對應問卷問題a8a，“您個人去年全年的總收入是多少”。

⑤ 對應問卷問題a2，男性為1，女性為0。

⑥ 對應問卷問題a7a，參照李濤等（2021）處理方式：“沒有受過任何教育”賦值為0，“私塾、掃盲班”賦值為3，“小學”賦值為6，“初中”賦值為9，“職業(yè)高中、普通高中、中專、技?！辟x值為12，“大學?？疲ê扇耍辟x值為15，“大學本科（含成人）”賦值為16，研究生及以上賦值為19。

⑦ 對應問卷問題a15，“您覺得您目前的身體健康狀況是”，相應回答為：1.很不健康，2.比較不健康，3.一般，4.比較健康，5.很健康。

⑧ 對應問卷問題a12b，“目前您總共擁有幾處房產(chǎn)（包括與他人共同擁有）”。

⑨ 對應問卷問題a45，“請問您是不是工會會員”，從來都不是賦值為0，否則為1。

⑩ 對應問卷問題a59a，“以下各種情形，哪一種更符合你目前的工作的狀況？”，對于每一類型的工作，符合情況時賦值為1，否則為0。

? 對應問卷問題a4，漢族為1，其他民族為0。

? 對應問卷問題a51，有宗教信仰為1，否則賦值為0。

? 對應問卷問題a10，中共黨員賦值為1，其他為0。

? 本文在這里參考了stata軟件中的psestimate命令給出的模型識別策略。

? 這里參考了互聯(lián)網(wǎng)使用能力在勞動者群體中的分布情況，取值為4的地方與之前相比，出現(xiàn)了比較明顯的“跳躍”。