互联网使用对女性收入的影响

奥鹏网院作业

互联网使用对女性收入的影响
——基于CFPS数据的经验证据
曹景林 姜甜
(天津财经大学 统计学院，天津 300222)
摘 要： 本文基于2014-2016年CFPS数据分析了互联网使用对女性收入的影响，并着重讨论了女性生育与否的因素差异。研究结果表明，互联网使用可显著提升女性收入，且对未育女性的收入影响更高，在利用IV-Heckit模型克服内生性问题后该结论依然稳健。进一步分析发现，互联网使用提升了劳动效率，降低了非正规就业的可能，并通过将互联网应用于学习、社交、工作及商业活动等增加劳动收入。已育女性相比未育女性，更倾向使用互联网减少劳动时间、增加非正规就业，以及具有更低的使用互联网进行学习、社交等增加收入的偏好。为此，继续推进互联网发展，提升已育女性互联网使用意识，完善非正规就业市场建设，并出台相应减轻家务及子女照料分担的配套措施，是数字经济时代背景下落实“全面两孩”政策，激发女性劳动供给的有效途径。
关键词： 互联网； 女性收入； 劳动力供应； 生育惩罚
一、引言
随着人口老龄化的加剧，我国“人口红利”逐步消失，新增劳动人口的减少致使劳动力供给规模持续下降[1]。为此，国家实施“全面两孩”政策，试图通过提高生育率改变人口结构以应对这一趋势，但政策效果却差强人意，近年来出生人口数量及人口出生率达历史新低(1)国家统计局公布2019年人口出生率为10.48%，出生人口数量为1 465万人。。实施促进生育政策，提高生育率是我国长期增加劳动力供给的根本措施，而激活现有劳动力存量，增加短期劳动力供给有助于现阶段中国经济的顺利过渡[2]。女性具有物质生产者以及社会再生产者双重身份，其收入对劳动供给的影响颇为特殊。一方面，作为物质生产者，女性的劳动供给弹性更大[3-4]，其收入的提升意味着激活现有劳动存量，增加短期劳动供给；另一方面，作为生育的承载者，女性的生育抉择取决于成本与收益的衡量，生育对女性收入的不利影响提高了女性的生育成本，降低了女性的生育意愿，成为当前生育政策效果不佳的关键原因[5-6]，直接影响着劳动力的长期供给。生育对女性收入的不利影响是指在控制影响收入的其他因素后，未育女性收入高于已育女性，这种现象又被称为女性生育的“收入惩罚”[7]。因此，女性收入的绝对变化以及不同生育状态女性收入的相对变化对当期及长期劳动供给均有重要影响。
21世纪以来，网络技术快速发展，以互联网为依托的数字经济为我国经济增长提供了全新动能，极大地改变了人们的生产和就业方式，并潜移默化地影响着人们的收入水平。特定社会结构下，互联网使用对不同群体收入影响各不相同[8]，已成为推动收入不平等上升的重要力量。根据中国互联网信息中心(CNNIC)发布的第45次《中国互联网络发展状况统计报告》，截止2020年4月我国网民规模达9.04亿，其中女性网民占比从2000年的30.4%提高到48.1%(2)数据来源http://www.cac.gov.cn/2020-04/27/c_1589535470378587.htm。，逐渐与男性网民分庭抗礼。在此背景下，讨论互联网使用对女性收入以及不同生育状态女性收入差异的变化，对提高我国劳动供给，制定针对性的生育政策具有重要意义。
互联网使用对女性收入影响的研究并不多见。现有研究多关注互联网使用对个体收入的影响，发现互联网使用有利于提升个体收入[9-11]，并且注意到了城乡[12]、性别[13]、受教育水平[11]等群体的差异性影响。有关性别差异方面，已有文献从性别文化观念角度分析了互联网使用对性别收入差距影响的作用机制[13]。但互联网的收入效应同样可能因生育状态不同存在差异。众所周知，生育后家庭中育儿负担明显增加，为此已育女性往往通过减少劳动供给[14]、改变职业选择[15]等途径满足儿童照料所需的大量时间和精力，此类行为导致人力资本积累受损，并对收入造成长期不利影响[7]。与未育女性相比，已育女性承受的儿童照料等家务负担导致其与男性的收入差距进一步拉大[16]，生育对女性收入的影响不容忽视。然而，已有文献均将女性看作高同质群体，对不同生育状态的讨论亟待扩展完善。本文将基于此展开讨论，据以补充互联网对女性收入影响的相关研究。
本文的主要创新工作体现在研究视域与估计方法两个方面：研究视域上，不同于已有文献将女性视为高同质群体的假定，本文进一步将女性区分为已育和未育女性，探讨了互联网使用对两类女性群体收入影响的差异及其产生的作用机制，衡量了数字经济时代下女性收入及生育惩罚的变化趋势，对互联网使用的收入影响研究做出了有益补充；估计方法上，本文使用IV-Heckit模型实证评估互联网使用的影响，修正了一般性参数估计的内生性偏误以及样本选择问题，有效揭示了互联网使用对女性收入的真实因果效应。
二、文献综述与理论分析
(一)文献综述
本研究与两类文献密切相关，第一类文献为生育对女性收入的影响研究，第二类为互联网对收入的影响研究，本文将从这两类文献进行综述。
生育对女性收入的不利影响是微观经济研究中阐述家庭生育决策以及生育率下降的重要影响因素。已有研究利用美国、英国、加拿大、德国等国家的数据证实了生育将导致女性收入的降低，并将这一现象称为女性生育的“收入惩罚”[7,16-17]。刘金菊(2020)[18]、於嘉(2014)[19]及贾男(2013)[20]等学者的研究指出中国女性生育的“收入惩罚”同样存在。关于女性生育“收入惩罚”产生的原因，相关研究主要从人力资本论[8,21]、精力分配论[14]以及补偿性工资差异[15]等方面进行。根据人力资本理论，人力资本积累更高的个体有更强的生产力和职业技能，将获得较高的职业成就和工资水平。而女性育后由于育儿引起的职业中断或劳动时间减少，将阻碍其人力资本积累，影响其收入水平[7,21]。根据精力分配论，个体在工作中投入的时间及精力将决定其收入水平。女性生育后，由于其在看护孩子方面的天生优势，将投入更多的时间和精力照顾孩子，降低工作的积极性及工作投入程度，并减少学习投入、拒绝加班、减少与同事及客户间的社交等，造成对收入的不利影响[14]。补偿性工资差异论从工作特征角度进行解释，认为已育女性通过工作选择影响收入。抚育子女的负担使得已育女性更倾向以降低工资水平，选择工作时间灵活、通勤时间少等便于兼顾家庭和工作的“家庭友好型”职业，但这类职业通常并不利于职业技能的提升[22]，缺乏职业上升通道。
互联网的本质是信息传输的媒介，其降低了信息传输的成本提高了交流效率。国内外大量研究证实了互联网使用可以促进个体就业、提升个体的收入水平[9,11,23]。互联网使用对就业的促进效应表现在，通过职位搜索缩短失业持续期增加使用者获取工作的机会[24]，通过增加远程办公、网络兼职、自主创业等通勤时间少、工作时间灵活的就业形式促进个体尤其是女性的劳动参与[25-27]。互联网使用对收入的提升效应则主要通过技术效应和资本效应得以实现。技术效应从技术进步以及劳动力需求角度强调了互联网对使用者收入的直接提升作用。互联网将人们从传统劳动中解放出来，提高劳动生产率，促进全要素生产率提升，直接提高了使用者的收入水平[28,29]。与此同时，全要素生产率的提升将导致劳动力市场增加对互联网使用技能强的劳动者需求，进一步提升互联网使用者劳动收入[30]。资本效应指互联网通过提升个体人力资本积累、社会资本积累等对收入带来的间接提升作用。互联网使用者可以通过网络学习降低知识获取的成本[31]、通过社交软件等维护人际关系拓展社会网络[8]，以及通过网络求职降低搜索成本提高求职匹配效率[24]等增加个体人力资本积累，增强个体在劳动力市场的竞争力，间接提高个体收入水平[23]。
已有文献还关注了特定社会结构下互联网使用对不同群体收入影响的差异[8]。有文献从城乡差异的视角发现，互联网普及对城乡居民收入差距呈非线性影响，现阶段互联网使用对农村居民的收入效应相对大于城镇居民，互联网普及将缩小城乡收入差距[13]。有文献从受教育水平差异的角度发现，互联网通过与高人力资本互补来促进个体收入增长，而对低人力资本体现为替代作用，相较而言更有利于受教育水平高的个体提高收入[10,32]。还有文献从性别差异角度发现，男性在使用互联网时拥有更强烈的学习和人力资本再积累偏好，因此互联网的工资溢价效应大于女性[13,33]。虽然这部分文献提出互联网对女性收入影响与其他群体不同，但仍未涉及不同生育状态女性收入的可能异质性。此外，和其他群体相比，识别互联网使用对女性收入影响所面临的内生性问题具有一定特殊性。除了互联网使用与个体收入之间可能存在的反向因果问题以及遗漏变量问题，还包括女性未就业时收入无法观测的样本选择问题。已有研究证实了在我国经济转轨时期，女性劳动参与率持续下降[34]，而互联网使用对女性劳动参与率有显著的正向影响[35-36]，因此检验女性收入的影响可能面临较强的样本选择问题。然而国内相关研究并没有处理无劳动收入的样本选择问题[13,33]。
综上所述，已有相关研究存在以下不足有待进一步改善，首先，当前研究从性别角度涉及了互联网使用对女性收入的影响，但对不同生育状态女性收入差异的研究鲜少涉及。在数字经济时代下，探究女性所面临生育成本的变化及其形成的机制，对我国女性的劳动力供应及生育政策的实施尤为重要。其次，我国相关研究内生性问题处理仍较薄弱，难以准确揭示互联网使用与女性收入的因果关系。
(二)理论分析与研究假说
已有研究普遍认为互联网使用可以提高个体收入，但互联网使用对女性收入的影响仍存一定特殊性。首先，根据互联网的技术效应，互联网使用作为一种职业技能，弱化了工作中对体力的要求，减少了男性在工作中的比较优势，有利于女性进入研究分析、组织管理等高薪职业[37]。其次，互联网应用于家庭生产可以视为一种家用技术的进步，在女性仍为家务主要承担者的社会规范下，通过网上购物、网上订餐以及网银支付等途径减少了女性的家务投入，使女性更加专注于工作[25]。最后，互联网弱化了工作地点和工作时间的要求，通过远程办公、网络兼职、自主创业等通勤时间少、工作时间灵活的互联网相关就业方式减少了女性工作与家庭活动切换的时间成本与物质成本，提高了女性劳动力市场的供给[26-27,29]。基于上述分析，提出如下假说。
H1 互联网使用可显著提升女性收入。
由已有研究可知，生育通过影响人力资本、精力分配以及补偿性工资差异三种机制降低女性收入，而互联网使用将进一步通过技术效应及资本效应加剧生育对女性的“收入惩罚”。首先，根据人力资本理论，女性育儿引起的职业中断或劳动时间减少阻碍其人力资本积累，导致收入水平受到影响。这一理论强调了生育对女性收入的不利影响源于职业中断及劳动时间减少，进而影响收入水平。互联网使用将通过技术效应提高劳动者的生产效率，缩减劳动时间[11]，同时通过职位搜索以及创造多种就业形式降低女性职业中断的可能，进而减少生育对女性收入的不利影响。然而，对于同样使用互联网的已育和未育女性，生产效率提高导致劳动时间的普遍减少无法满足已育女性照顾孩子的时间需求。总体劳动时间的缩减扩大了个体是否增加工作量的选择空间，提升了个体劳动的自主性[38]，已育女性相比未育女性更有可能选择减少劳动时间，而非增加劳动供应。与同样使用互联网的未育女性相比，已育女性劳动时间的相对减少以及随之引起的人力资本积累的相对减少，将导致互联网使用更有利于未育女性收入的提升。基于上述分析，提出如下假说。
H2.1 互联网使用将提高劳动效率，减少劳动时间。对于同样使用互联网的女性，已育女性劳动时间的减少大于未育女性，导致互联网使用更有利于未育女性的收入提升。
其次，根据精力分配论，育后女性将投入更多的时间和精力照顾孩子，减少学习投入、拒绝加班以及回避与同事及客户间的社交等，造成对收入的不利影响。而这将削弱互联网使用的资本效应，降低互联网用于网络学习、扩大社交网络等途径间接提升劳动收入的作用。据此提出如下假说。
H2.2 对于同样使用互联网的女性，已育女性使用互联网进行学习、社交等有利于职业发展的频率小于未育女性，导致互联网使用更有利于未育女性的收入提升。
第三，根据补偿性工资差异论，已育女性倾向于以降低工资水平为代价，选择工作时间灵活、通勤时间少等便于兼顾家庭和工作的“家庭友好型”职业。而互联网增加了远程办公、网络兼职及自雇等“家庭友好型”职业的供应，虽然增加了已育女性的就业选择，但长期并不利于已育女性劳动收入的增加。根据如上逻辑分析，提出以下研究假说。
H2.3 对于同样使用互联网的女性，互联网增加了已育女性选择“家庭友好型”职业的可能，导致互联网使用更有利于未育女性的收入提升。
最后，综合如上三个互联网使用对不同生育状态女性收入产生差异性影响的可能机制，提出如下假说。
H2.4 与已育女性相比，互联网使用更有利于未育女性收入的提升。
三、数据与实证策略
(一)数据来源
本文的数据来自由北京大学中国社会科学调查中心实施的中国家庭追踪调查(CFPS)。CFPS是一项全国性、综合性的社会调查项目，覆盖25个省、市、自治区，以个人和家庭为研究主体，包括家庭关系、家庭变迁、个人教育、认知能力等诸多主题，迄今为止发布了2010、2012、2014、2016、2018五期面板数据。该数据库2014、2016两年数据同时包含本文所需的互联网使用数据以及女性详细的生育及就业信息，为本文定量评估互联网使用对女性劳动收入的影响提供了便利。为此，本文选取2014、2016两年数据调查数据，并将研究对象限定在20-55岁已具有生育能力并且处在劳动力市场的女性。剔除受访者特征变量如劳动收入、是否使用互联网、工作单位性质、受教育程度等本文主要变量数据缺失及回答“不知道”的样本，共获得4 837个样本，其中已育女性3 160个。
(二)实证策略
1.基准模型设定
为估计互联网使用对不同生育状态女性收入的影响，借鉴Krueger(1993)[9]的模型形式，实证分析过程中分别以全样本及是否生育子样本展开讨论，建立如下模型
lnincict=η0+η1netict+η2Xit+η3Zct+θt+ζict
(1)
其中，lnincict表示女性年工作收入的自然对数，主要解释变量netict为个体i在t时期的互联网使用情况。系数η1反映了互联网使用对女性工资收入的影响。Xit表示女性个体层面和家庭层面的相关特征，zct代表女性所在城市的劳动力需求等经济体征特征。θt表示时期固定效应，用以剔除所有随时间变化而产生的影响，ζict表示随机误差项。最后，统一将标准误聚类到城市层面。
2.内生性问题
根据模型设定，为获得互联网使用对女性收入影响的因果识别效应，需处理好三种潜在的内生性问题：一是选择性偏误。由于无法观测到无工作没有劳动收入的样本，直接进行最小二乘估计将导致样本自选择问题，选择性偏差可能会低估互联网使用对女性的收入效应。二是反向因果问题。由于收入高、受教育水平高的个体更易使用互联网，故收入与互联网使用之间存在相互影响的可能。三是遗漏变量问题。尽管本文实证模型的设定尽可能控制了能够影响女性劳动收入的因素，但难免遗漏不可观测因素。
首先，针对样本选择问题，本文采用Heckman两步法进行处理。具体步骤：第一步利用包含就业女性及未就业女性的全样本观测值，建立选择方程，对样本是否就业的概率进行预测，计算出每个样本的反向Mills比率；第二步，针对参与干预的样本(就业女性)进行回归分析，并将反向Mills比率列入控制变量获得一致估计量。同时，为真正解决样本选择问题[39]，选择方程应包含除影响女性收入的控制变量外，还需包含满足排他性条件的识别变量，该变量影响女性是否就业的决策，但不直接影响其工作收入。借鉴已有研究[40]，本文选取家庭非劳动收入(unearnedinc)作为排他性识别变量，包括家庭资产收入以及政府和亲友的转移支付等，该变量影响女性是否就业，但不直接影响女性的劳动收入。此时，模型变为如下方程组
+θt+εict
(2)
Sict=α0+α1netict+α2Dict+α3Xict+α4Zict+θt+vict
(3)
其中，为反向Mills比率，通过选择式(3)求出，将其代入式(2)即可克服自选择问题。选择式(3)包括式(2)的所有解释变量，并且比式(2)多一个识别因素Dict，在本文中代表影响女性劳动参与但不直接影响女性就业收入的家庭非劳动收入。εict、vict为随机误差项。
其次，针对反向因果及遗漏变量问题，本文使用基于Heckman两步法的工具变量模型，即IV-Heckit模型进行修正。本文参考已有文献，选取两个工具变量：一是样本所在省份前一年的互联网普及率(citypenetration)。一方面，前期的互联网普及率影响这一个地区的互联网设施普及，通过影响当期的互联网普及率影响个人互联网使用决策，满足工具变量的相关性，另一方面，前期互联网普及率作为宏观层面数据，并不会对当期微观个体收入产生直接影响，此外，本文进一步控制了城市层面的经济及劳动力需求特征，解决可能存在的工具变量对被解释变量影响的其它间接途径[12,41]。二是个体所在社区除本人外的互联网普及率(commpenetration)。社区层面互联网普及率通过临近居民对个体的“同群效应”影响个人的互联网使用倾向，同时并不直接影响个人收入水平[33,42]。结合Heckman两步法与工具变量法，构建如下模型
εict
(4)
Sict=α0+α1Cict+α2Dict+α3Xict+α4Zict+θt+vict
(5)
+μict
(6)
其中，Cict为互联网使用的工具变量，替公式(3)中的内生变量netict，得到式(5)。式(6)为工具变量法一阶段回归。最后，将式(5)(6)的估计结果带入式(4)，可准确识别使用互联网对收入的因果效应。
(三)变量选取
本文关注的被解释变量为年工资收入的对数(lninc)，工资收入包括工资、奖金等雇佣收入，各年收入数据按CPI调整至2010年可比价，剔除劳动收入为负以及最低、最高1%的样本。核心解释变量为个体是否使用互联网(net)，来自2016年问卷中 “是否移动上网”和“是否电脑上网”问题的回答，以及2014年问卷中“是否上网”问题的回答，使用互联网为1，未使用为0。
表1 变量的描述性统计

注：均值差为未使用互联网样本与使用互联网样本各变量均值差，***表示在1%显著性水平上显著。
在控制变量的选择上，个体层面控制变量包括年龄(age)、年龄的平方(age2)、是否为汉族(nationality)、受教育年限(educ)、是否为城镇户籍(urban)、是否在婚(marriage)以及健康状况(3)健康状况取值：1 “非常健康”，2 “很健康”，3 “比较健康”，4 “一般”，5 “不健康”。(health)等。职业特征中，Adda等(2017)[43]发现人力资本需求不同的职业导致生育对女性收入的影响并不相同，於嘉等(2014)[19]发现就职于国有部门及非国有部门的女性生育对其收入的影响存在差异，江求川和代亚萍(2019)[1]指出已育女性选择灵活性就业将降低其收入水平。为此，本文依次控制“胜任工作的教育程度”(competent)，是否属于国有部门(state-owned)(4)国有部门指CFPS雇主类型为政府部门、事业单位和国有企业的单位。剔除“其他”及“不知道”样本。以及是否从事与灵活就业相同指代的非正规就业(informal)。非正规就业通常指打零工、短期合同工等工作安排灵活的职业[1]，本文选取工作单位是否提供养老保险作为标准，不提供为非正规就业，取值为1，反之为0。在家庭层面，控制孩子个数(childnum)，以及是否有0-6岁孩子(preschool)控制女性的育儿负担。鉴于我国普遍存在的老人看护孙辈现象为已育女性保持劳动供给提供了重要支持[44]，而老人健在的人数越多越有可能帮助看护孙辈[2]，因此控制女性父母及其配偶父母的健在个数(alivnum)，同时，控制其他家庭成员的劳动收入(othinc)(5)由于存在其他家庭成员没有劳动收入的情况，如对在其他家庭成员劳动收入取对数值将丢失这部分样本，因此此处没有对其他家庭成员劳动收入取对数形式。。地区层面，控制影响女性就业结构和就业质量的省级层面经济特征，包括第二、第三产业产值占比(indusratio)、生产总值增速(growthrate)以及对外开放度(opened)(6)数据来自各省对应年份的《中国城市统计年鉴》，对外开放度以出口额与地区生产总值比值衡量。。本文进一步控制了时期固定效应，并在估计过程中将标准误聚类到地区层面。
表1报告了所涉变量的描述性统计。由表1可知，使用互联网及未使用互联网女性的各项指标均存在显著差异。相比于使用互联网的女性而言，未使用互联网女性年龄偏高且非城市户籍占比更大，受教育程度相对较低，多从事非国有部门及非正规职业，个人与其他家庭成员收入欠佳。与此同时，使用互联网女性的生育情况(children)及孩子个数均低于未使用互联网的女性。这是否意味着互联网使用对不同生育状态女性收入影响存在差异，描述性统计无法揭示，将进行进一步实证分析。
为了更直观地呈现已育、未育女性使用互联网的特征，表2按女性不同生育状态分别列出了互联网使用及用途频次的描述性统计情况。互联网使用用途来自CFPS问卷中“使用互联网学习的频率(次)”“使用互联网工作的频率(次)”“使用互联网社交的频率(次)”“使用互联网娱乐的频率(次)”“进行互联网商业活动的频率(次)”的回答，并将“从不”赋值为0，“几个月一次” 赋值为1，“一月一次” 赋值为2，“一月2-3次” 赋值为3，“一周1-2次”赋值为4，“一周3-4次”赋值为5，“几乎每天”赋值为6。表2结果显示，在总体样本中，已育女性互联网使用比例小于未育女性。在互联网使用群体中，已育女性的五项互联网活动频次均低于未育女性。这意味即使同样使用互联网，已育女性整体的互联网使用频率依然低于未育女性，其中用于学习、工作及商业活动的均值差距大于社交和娱乐的均值差距。
四、实证结果
(一)互联网使用对女性收入的影响：OLS、Heckman两步法
表3报告了估计结果。列(1)全样本OLS回归结果表明，互联网使用对女性的劳动收入具有正向影响，互联网使用使女性的年收入提高11.2%，且在1%的水平上显著。列(2)(3)为使用Heckman两步法纠正样本选择偏差后的全样本估计结果，列(2)为第一步选择方程估计结果，列(3)为与之对应的第二步回归结果。列(3)结果显示，互联网使用的收入效应提升到13.4%，且在1%的水平上显著，而反向Mills比率显著为负，说明确实存在样本选择问题，在控制了样本选择偏差后，结果比OLS估计值更为可信。对于Heckman两步法估计值较OLS估计值增大的可能原因是，OLS估计值并非随机样本，而是具有较高工作意愿或工作能力的在职群体，这一群体更有可能通过互联网进行就业信息搜寻提高就业的可能[35]，并使用互联网增加其人力资本积累[45]获得更高收入，因此OLS估计低估了互联网使用对女性收入的影响，H1得以验证。
表2 互联网使用特点统计

注：均值差为已育女性样本与未育女性样本各变量均值差，***表示在1%显著性水平上显著。
为进一步比较互联网使用对不同生育状态女性收入影响的差异，本文按是否生育将样本分为未育女性和已育女性两个子样本进行回归，结果见表3列(4)-(9)。结果显示，OLS回归估计值均小于Heckman两步法估计值，同时反向Mills 比率显著为负，说明对于两类子样本OLS回归同样存在样本选择问题，Heckman两步法估计值更为准确。列(6)和列(9)的估计结果表明互联网使用对已育、未育女性的收入均具有显著的正向影响，但互联网使用对已育女性收入的正向影响小于对未育女性的收入影响，同时Chow检验结果显示这两个估计系数存在显著差异，H2.0得以验证。这意味着，互联网使用更有利于未育女性提高收入，随着互联网的普及，生育对女性收入的负向影响将扩大。
其他控制变量估计结果均与已有文献的发现一致。拥有六岁以下儿童以及更多的孩子个数均显著降低女性劳动收入，证明了家庭负担对女性收入的负向影响。年龄与收入水平呈倒U型关系，受教育水平越高以及城市户口均对女性收入起到正向影响。其他家庭成员劳动收入的提升同样有利于女性收入的提升。家中健在老人数量对已育女性收入影响显著为正，但对于未育女性收入影响并不显著， 说明老人看护孙辈对已育女性收入的提升及劳动参与的促进作用不可忽视。对于职业特征，国有部门有利于女性收入的增加，非正规就业对未育及已育女性收入均有显著的负向影响，城市特征变量中地区GDP增长率及对外开放度显著提升了女性收入。
列(2)(5)(8)选择方程估计结果汇报为边际效应结果。从结果看出，作为排他性识别变量的家庭非劳动收入在1%的水平上显著影响女性的劳动供给决策，说明该识别变量是适合的。与已有研究一致，互联网使用确实提升了女性的劳动参与率[35-36]，同时年龄、教育年限、家中老人健在个数均对女性就业决策有显著的正面影响，而拥有六岁以下儿童以及更多的孩子个数将显著降低女性就业的可能，这与已有研究结果一致，儿童照料尤其是学前儿童照料对我国女性的劳动力供应有显著的负向影响[46]。
表3 互联网使用对女性收入影响的OLS、Heckman两步法结果


注：(1)括号内为稳健聚类标准误；(2)***、** 、*分别表示在1%、5%和10%的显著性水平上显著。下同。
(二)互联网使用对女性收入影响的再考察：IV-Heckit模型
使用Heckman两步法修正了样本选择偏差后，模型依然可能存在遗漏变量及反向因果等内生性问题，本文使用IV-Heckit模型对上述结果进行进一步校正，估计结果如表4所示。使用工具变量法的前提为工具变量的有效性，依次汇报相应的检验结果。从列(1)(4)(7)为工具变量一阶段估计结果。首先，DWH检验模型的内生性结果显示，无论在全样本还是在不同生育状态女性的子样本回归中，均在1%的显著性水平上拒绝“互联网使用为外生性变量”的原假设，表明使用工具变量模型的必要性。其次，工具变量的相关性检验显示，Cragg-Donald Wald F统计量在三类样本中结果均高于Stock-Yogo弱工具变量在10%显著性水平的临界值，表明不存在弱工具变量问题。最后，对于过度识别检验，Hansen J检验无法拒绝“在10%显著性水平拒绝工具变量外生”的原假设。以上检验结果表明，本文所选的工具变量是合适的。
表4列(3)(6)(9)为IV-Heckit模型结果方程估计结果，可以看到在三类样本中，反向Mills比率依然显著为负，说明依然存在样本选择问题。进一步从列(3)估计值可知，在克服了内生性问题后，互联网使用对女性收入的提升显著，从列(6)(9)回归结果可知，互联网使用对已育女性、未育女性收入均有显著的正面影响，并且对未育女性的正面影响大于已育女性的正面影响。具体地，互联网使用平均而言使女性收入增加32.2%，使未育女性收入增加48.5%，使已育女性收入增加30.8%，该结果与Heckman两步法回归结果系数符号及显著性保持一致，进一步强调了本文结论的稳健性。然而，相比于Heckman两步法估计结果，IV-Heckit估计系数有所增大。这一方面表明Heckman两步法确实存在遗漏变量以及反向因果等内生性问题导致的偏误，另一方面意味着互联网普及对个人收入影响的重要性。由于工具变量估计得到的是局部平均干预效应，表4的估计结果反映的是个体在不同互联网普及率的地区或区域使用互联网对收入的影响，结果表明互联网使用对个体收入的影响随着地区互联网普及率的升高而增强。与其他信息技术相同，互联网对地区经济的推动存在网络效应，互联网普及率越高，其对地区经济推动的作用越大，从而进一步促进互联网使用者的收入提升[47]。
(三)稳健性分析
1.基于CHNS数据的回归
中国健康与营养调查(CHNS)数据库2006-2015期间的调查问卷中同样包含个体是否使用互联网的信息，与本文的研究主体较为接近。但是，CHNS数据库对互联网的使用用途调查并不细致，因此，CHNS并非符合本文研究主题的理想数据。但仍可以对其加以利用，将其作为本文结论的辅助论证。控制与基准回归相类似的主要控制变量，回归结果表明(7)限于篇幅并未展示计量回归结果，有兴趣的读者可向作者索要。，互联网使用可以显著提升女性收入，并且对未育女性收入的正向影响大于已育女性，证明本文结论基本稳健。
表4 互联网使用对女性收入影响的IV-Heckit估计结果

注：[]内数值为相应检验统计量的P值。下同。
2.安慰剂检验
经济学者之所以关注生育对女性收入的影响，是因为女性通常是儿童照料的主要承担者。换言之，抚育子女对男性的劳动供给及收入的影响可能很小或没有影响，导致互联网使用对是否有孩子的男性收入影响可能并不存在差异。为此，本文采用男性样本进行安慰剂检验。如果互联网使用对有孩子及没有孩子男性的收入影响同女性样本一样存在显著差异，可能表明模型的估计结果受未观测到的家庭特征影响。当然，在数字经济时代下，估计互联网使用对男性收入的影响本身也是值得关注的问题。因此，本文利用相同的数据处理方式对男性样本进行估计。回归结果表明(8)同①。，互联网使用对男性收入同样存在显著的正向影响，并且Chow检验结果显示，互联网使用对有子女男性和没有子女男性收入影响的估计系数不存在显著差异。这一方面表明，男性不是子女照看的主要人员，另一方面验证了女性结果的稳健性。
五、机制分析
上述实证结果表明，互联网使用将提升女性收入，并且对未育女性收入的正向影响大于已育女性，下面进一步考察导致这一结果的影响因素，根据已有文献梳理，互联网使用可能通过影响劳动时间、使用偏好以及职业选择等途径加强已育、未育女性收入的差距。据此，本部分将依次检验上述作用机制，厘清使用互联网影响已育、未育女性收入的可能因素。
(一)互联网使用对女性工作时间的影响
根据人力资本论，已育女性收入的下降源于劳动供给的减少阻碍了其人力资本的正常积累。为此，验证互联网使用对已育、未育女性劳动供给的影响是否存在差异，将周工作时间替代基准模型中的年对数收入作为被解释变量进行回归分析，结果如表5所示。由列(2)可知，互联网使用对女性的劳动时间具有显著的负向影响，与已有研究结论一致[11]。列(4)(6)显示，互联网使用使未育女性周小时时间减少1.041个小时，使已育女性周小时工作时间减少5.901个小时，对已育女性工作时间的减少作用大于未育女性。可能的原因是，互联网使用提高了生产效率，降低了劳动时间，增加了互联网使用者劳动的自主性[38]，已育女性较未育女性更倾向于选择减少劳动时间来兼顾家庭和工作。因此，劳动时间的相对减少以及由此引起的人力资本积累的相对减少共同导致互联网使用对未育女性收入的正向影响大于已育女性，H2.1得以验证。
表5 互联网使用对女性周工作时间的影响

(二)互联网使用用途的差异
根据精力分配论，女性育后将花费更多精力照顾孩子，减少学习、工作和社交的投入，降低育后收入水平。为此，检验互联网使用是否加强了不同生育状态女性在影响收入的活动中存在的精力分配差异。本文首先考察了互联网使用用途是否会对收入产生影响，之后检验不同生育状态女性在互联网使用用途上是否存在差异，进而确定已育、未育女性的收入差距是否来源于互联网使用用途的差异。
首先，分别将调查问卷中使用互联网学习的频率、工作的频率、社交的频率、娱乐的频率以及进行商业活动的频次替代基准模型中的互联网使用(net)作为关键解释变量，考察其对劳动收入的影响，检验范围为使用互联网的已就业样本。回归结果显示(9)限于篇幅并未展示计量回归结果，有兴趣的读者可向作者索取。，使用互联网进行学习、工作、社交和商业活动均对收入有正向影响，而娱乐对收入并没有显著影响，与已有类似研究结论一致[13]。
其次，检验生育对互联网各用途的使用频次是否有影响，用以考察不同生育状态女性互联网使用用途是否存在差异。具体地，使用生育与否(children)替代基准回归中互联网使用(net)作为关键解释变量，以互联网使用的各用途频次作为被解释变量，以使用互联网群体作为样本，采用有序Probit模型进行实证分析。从表6回归结果可知，生育对学习、工作、社交和商业活动的使用频次均有显著的负向影响，对娱乐使用频次同样负相关，但不显著。这一方面说明了已育、未育女性在互联网使用方面确实存在偏好差异，未育女性的互联网使用偏好更有利于其收入的提升，H2.2得以验证。另一方面，所有回归系数均为负，这说明虽然同样使用互联网，但已育女性由于养育孩子的家庭负担可能无法像未育女性一样在互联网使用上投入过多精力。
表6 生育对女性互联网使用用途的影响

(三)互联网使用与家庭友好型职业
根据补偿性工资差异论，已育女性倾向以降低工资水平为代价，选择工作时间灵活、通勤时间少等便于兼顾家庭和工作的“家庭友好型”职业。为此，检验互联网使用对于不同生育状态女性选择从事“家庭友好型”职业的影响是否存在差异。具体地，以非正规就业作为“家庭友好型”职业的代理变量，以是否从事非正规就业替代基准回归模型中的收入水平作为被解释变量进行回归分析，结果如表7所示。从列(2)可知，互联网使用可以显著降低个体从事非正规就业的可能。这与已有相关研究结论相同，互联网使用有助于提高劳动者的竞争力和工作效率，增加其获得稳定和高收入工作的可能性[48]，提高劳动者的就业质量[38]。从列(4)(6)可知，互联网使用对减少未育女性从事非正规就业的影响大于已育女性，也即与未育女性相比，互联网使用将相对增加已育女性从事非正规就业的可能，不利于已育女性收入的相对提升，H2.3得以验证。
表7 互联网使用与非正规就业

六、结论与启示
本文基于2014、2016年CFPS数据分析了互联网使用对女性收入的影响，重点区分了未育女性与已育女性影响的差异。分析结果显示，互联网使用可以显著提升女性收入，对未育女性收入的影响大于已育女性。以上结果使用IV-Heckit模型，修正了一般性参数估计的内生性偏误以及样本选择问题后依然稳健。互联网使用对不同生育状态女性收入产生差异影响的原因在于，一是，互联网使用提高了生产效率，增加了劳动者工作时间的自主性，而已育女性更倾向使用互联网减少劳动时间；二是，互联网使用降低了整体女性群体非正规就业的可能，但已育女性较未育女性更倾向使用互联网选择非正规就业，增加劳动时间的灵活性；三是，已育女性互联网使用的整体频率低于未育女性，同时未育女性的互联网使用偏好更有利于其增加收入。
以上结论意味着，互联网使用可以显著提高女性收入，并更有利于未育女性提高收入。这表明，随着互联网的普及，互联网使用将拉大已育、未育女性的收入差距，提高女性生育的收入惩罚。为此，针对收入差距形成的机制，提出以下政策建议：(1)个体层面。已育女性应提高互联网使用的意识，丰富互联网应用，建立终身学习的理念，增加互联网用于学习、工作、社交和商业活动的频率，促进互联网收入提升效应的效果。(2)社区层面。调动社区资源，发挥社工组织力量，提供课后临时托管服务来协调家庭、学校在子女照料的时间安排上可能出现的摩擦。(3)国家层面。首先，国家应继续推进互联网发展，发挥互联网对劳动者收入的提升作用以及高质量就业的创造作用；其次，重视非正规就业市场对促进已育女性就业的作用，完善非正规就业市场建设，保障非正规就业的生存空间以及非正规就业者的合法权益；第三，探索并推进实施家庭友好型公共政策，如增加普惠性的儿童托育服务投入，给予女性劳动者育儿补贴等促进女性就业并减轻女性育儿负担的公共政策。
参考文献
[1]江求川，代亚萍. 照看子女、劳动参与和灵活就业:中国女性如何平衡家庭与工作[J].南方经济, 2019(12): 82-99.
[2]马双,李雪莲,蔡栋梁. 最低工资与已婚女性劳动参与[J]. 经济研究,2017(6):153-168.
[3]李雅楠.中国城市劳动供给弹性估计[J].经济学动态,2016(11):68-78.
[4]张世伟,周闯.中国城镇居民不同收入群体的劳动参与行为——基于参数模型和半参数模型的经验分析[J].管理世界, 2010(5): 56-64.
[5]白岩松.“80后”“90后”,敢生二孩、三孩吗? [N].党的生活(黑龙江),2018(9):43-45.
[6]李子联.收入与生育:中国生育率变动的解释[J]. 经济学动态, 2016(5):37-48.
[7]ANDERSON D J, BINDER M, KRAUSE K. The motherhood wage penalty revisited: experience，heterogeneity，work effort and work schedule flexibility [J]. Industrial and Labor Relations Review, 2003, 56(2):273-294.
[8]DIMAGGIO P, HARGITTAI E, CELESTE C, et al. From unequal access to differentiated use: a literature review and agenda for research on digital inequality [J]. Social Inequality, 2004:355-400.
[9]KRUEGER A B. How computers have changed the wage structure:evidence from microdata, 1984-1989 [J]. The Quarterly Journal of Economics, 1993, 108(1):33-60.
[10]蒋琪，王标悦，张辉等. 互联网使用对中国居民个人收入的影响——基于CFPS面板数据的经验研究[J]. 劳动经济研究,2018(5):121-143.
[11]李飚.互联网使用、技能异质性与劳动收入[J].北京工商大学学报(社会科学版), 2019(5):104-113.
[12]程名望,张家平.互联网普及与城乡收入差距:理论与实证[J].中国农村经济,2019(2):19-41.
[13]庄家炽,刘爱玉,孙超. 网络空间性别不平等的再生产:互联网工资溢价效应的性别差异,以第三期妇女地位调查为例[J].社会, 2016(5):88-106.
[14]BECKER G S. Human capital, effort, and the sexual division of labor [J]. Journal of Labor Economics, 1985,3(1):33-58．
[15]BUDING M J, ENGLAND P. The wage penalty for motherhood [J]. American Sociological Review, 2001, 66(2):204-225．
[16]WALDFOGEL J. The effects of children on women’s wages [J]. American Sociological Review, 1997, 62(2):209-217.
[17]PHIPPS S, BURTON P, LETHBRIDGE L. In and out of the labor market:long-term income consequences of child-related interruptions to women’s paid work [J].Canadian Journal of Economics, 2001,34(2):411-429．
[18]刘金菊.中国城镇女性的生育代价有多大? [J].人口研究,2020(2):33-43.
[19]於嘉，谢宇. 生育对我国女性工资率的影响[J]. 人口研究，2014 (1)：18-29.
[20]贾男,甘犁,张劼.工资率、“生育陷阱”与不可观测类型[J].经济研究, 2013(5):61-72.
[21]MINCER J, POLACHEK S. Family investment in human capital: earnings of women [J]. Journal of Political Economy, 1974, 82(2):76-108.
[22]HOTZ VJ, JOHANSSON P, KARIMI A. Parenthood, family friendly workplaces, and the gender gaps in early work careers:NBER Working Papers 24173, 2017 [R]. [S. l.: s. n.],2017.
[23]DIMAGGIO P, BONIKOWSKI B. Make money surfing the web? The impact of internet use on the earnings of U.S. workers [J]. American Sociological Review, 2008, 73(2):227-250.
[24]KUHN P, MANSOUR H. Is internet job search still ineffective? [J]. Economic Journal, 2014, 124(581):1213-1233.
[25]DETTLING L J. Broadband in the labor market:the impact of residential high speed internet on married women’ s labor force participation [J]. Industrial & Labor Relations Review. 2017, 70(2):451-482.
[26]ATASOY H. The effects of broadband internet expansion on labor market outcomes [J]. Industrial & Labor Relations Review, 2013,66(2):315-345.
[27]BLOOM N, LIANG J, ROBERTS J, et al. Does working from home work? Evidence from a Chinese experiment [J]. The Quarterly Journal of Economics, 2015, 130(1):165-218.
[28]MOSSBERGER K, TOLBERT C J, MCNEAL R S. Digital citizenship:the internet, society, and participation [M]. Cambridge:MIT Press, 2008.
[29]MUYSKEN J, VAN DER LOEFF S S, CHESHKO V. Beyond unobserved heterogeneity in computer wage premiums: MERIT Working Papers 006, 2006 [R]. [S. l.: s. n.],2006.
[30]AUTOR D H, KATZ L F, KRUEGER A B. Computing inequality:have computers changed the labor market? [J]. Quarterly Journal of Economics,1998,113(4):1169-1213.
[31]SPOONER T, LEE R. African-Americans and the internet: Pew Internet and American Life Project [C]. Washington, D.C.:Pew Center, 2000.
[32]AUTOR D H, LEVY F, MURNANE R J. Upstairs, downstairs:computers and skills on two floors of a large bank [J]. Industrial and Labor Relations Review, 2002,55(3):432-447.
[33]毛宇飞,曾湘泉,胡文馨. 互联网使用能否减小性别工资差距?——基于CFPS数据的经验分析[J]. 财经研究,2018(7):33-45.
[34]DU F L, DONG X Y. Women's employment and child care choices in urban China during the economic transition [J]. Economic Development and Cultural Change, 2013, 62(1):131-155.
[35]毛宇飞,曾湘泉.互联网使用是否促进了女性就业——基于CGSS数据的经验分析[J].经济学动态,2017(6):21-31.
[36]宁光杰,马俊龙. 互联网使用对女性劳动供给的影响[J]. 社会科学战线,2018(2):75-83.
[37]POSTAR D R. The effect of high-speed internet access on the gender wage gap [D]. Washington：Georgetown University，2013.
[38]毛宇飞,曾湘泉,祝慧琳.互联网使用、就业决策与就业质量——基于CGSS数据的经验证据[J].经济理论与经济管理,2019(1):72-85.
[39]WOOLDRIDGE J M. Introductory econometrics-a modern approach [M]. 3rd ed. [S. l.]:Thomson South-Western, 2006.
[40]贾男,杨天池. 带薪产假与女性工资率——基于各省晚育产假奖励政策的实证研究[J].当代财经,2019(12):3-16.
[41]张勋,万广华,张佳佳,何宗樾.数字经济、普惠金融与包容性增长[J].经济研究2019(8):71-86.
[42]王鹏.互联网使用对幸福感的影响——基于城镇微观数据的实证研究[J].软科学,2014(10):139-144.
[43]ADDA J, DUSTMANN C, STEVENS K. The career costs of children [J]. Journal of Political Economy, 2017, 125(2):293-337.
[44]LI Y R. The effects of formal and informal child care on the mother’s labor supply-evidence from urban China [J]. China Economic Review, 2017, 44(6): 227-240.
[45]高梦滔,颜明,毕岚岚.计算机使用对青年人工资率的影响:来自云南的经验证据[J].中国人口科学,2009(1):59-67+112.
[46]杜凤莲,张胤钰,董晓媛.儿童照料方式对中国城镇女性劳动参与率的影响[J].世界经济文汇,2018(3):1-19.
[47]郭家堂,骆品亮.互联网对中国全要素生产率有促进作用吗? [J].管理世界,2016(10):34-49.
[48]杨蕙馨,李春梅.中国信息产业技术进步对劳动力就业及工资差距的影响[J].中国工业经济,2013(1):51-63.
The Impact of Internet Usage on Women’s Income: An Analysis Based on CFPS Data
CAO Jing-lin, JIANG Tian
(School of Statistics, Tianjin University of Finance & Economics, Tianjin 300222, China)
Abstract：Based on the 2014—2016 CFPS data, this paper empirically investigates the impact of Internet usage on women’s income, and focuses on the factors which influence women’s fertility. The results show that Internet usage can significantly improve women’s income, and the positive impact on the income of childless women is greater than that of women with children. This conclusion is still robust by the IV-Heckit model, which overcomes the endogenous problem. Further analysis shows that Internet usage improves labor efficiency, reduces the possibility of informal employment, and increases labor income by applying Internet to learning, social, work and business activities. Compared with the childless women, women with children are more likely to use the Internet to reduce their working hours, increase the possibility of informal employment, and have a lower preference of using the Internet for learning and social networking to increase their income. Therefore, it is an effective way to implement the “comprehensive two child” policy and stimulate the labor supply of women under the background of the digital economy by continuously promoting the development of the Internet, enhancing the awareness of Internet usage of women with children, improving the construction of the informal employment market, and introducing corresponding supporting measures to reduce the burden of housework and child care.
Key words：Internet; women’s income; labor supply; motherhood penalty