数字经济背景下互联网使用是否缩小了性别工资差异

奥鹏网院作业

数字经济背景下互联网使用是否缩小了性别工资差异
——基于中国综合社会调查的经验分析*
戚聿东 刘翠花
[提 要] 本文基于2010年、2013年、2015年中国综合社会调查(CGSS)的数据，考察了数字经济背景下互联网使用对性别工资的影响及工资差异分解，探讨了不同年龄段群体互联网使用对性别工资差异变动的异质性及内在影响机理。本文研究发现，互联网使用对总体工资水平有显著正向影响，随年份推进其影响程度呈逐渐减小趋势，互联网使用显著缩小了性别工资差异。随分位点数提升，性别工资总差异呈先下降后上升的U型变化趋势；随年份推进，在相同分位点上性别工资总差异呈逐年缩小趋势，且禀赋特征差异逐渐缩小了中等收入者性别工资总差异。互联网使用对80后群体工资正向影响显著更高，70后群体次之，60后及以上群体相对较低，呈现较明显的年龄异质性。
[关键词] 互联网使用；性别工资差异；数字经济
一、引 言
当下，在移动互联网日益普及和第五代移动通信(5G)商用不断扩大的时代背景下，随着人工智能、区块链、云计算、大数据等互联网底层技术不断创新和融合发展，数字经济的发展如火如荼，不仅促使就业加速增长、新就业形态不断涌现，而且对人们的收入水平、工资差异产生了重要影响。《中国数字经济发展与就业白皮书(2019)》(1)中国信息通信研究院：《中国数字经济发展与就业白皮书(2019)》，2019-04-19。显示，2018年我国数字经济领域新增就业岗位1.91亿个，占当年总就业人数的24.6%，同比增长11.5个百分点，远远高于同一时期全国总就业规模增速，数字经济吸纳就业能力显著提升。同时已有研究表明，互联网能够通过降低信息成本、改善就业搜寻匹配方式、提升信息交流效率和人力资本等方式对工资产生溢价效应(Krueger，1993；Autor et al.，1998)。但由于不同性别之间网络使用的巨大差异性，导致其对性别工资的影响存在差异。根据国际经验可知，与男性相比，女性在社会资源和教育水平方面往往处于弱势，女性使用互联网的机会相对更少，但网络日益普及会有助于缩小这种差异(Wasserman & Richmond-Abbott，2005)。CNNIC发布的第44次《中国互联网络发展状况统计报告》(2)资料来源：CNNIC发布第44次《中国互联网络发展状况统计报告》，中国网信网，2019-08-30。显示：截至2019年6月，我国网民、手机网民规模依次为8.54亿人和8.47亿人，互联网普及率、手机上网率分别高达61.2%和99.1%，比2018年底分别提升1.6%和0.5%。截至2019年6月，网民中女性比例由2000年的30.4% 增加到47.6%。随着女性网民比例不断攀升，互联网会如何影响性别工资差异？年份变化趋势如何？不同年龄段群体性别工资差异的内在影响机理又是怎样的？这将是本文接下来探讨的主要问题。
关于性别工资差异国外学者做了较为丰富的研究，如Blau & Beller(1988)研究发现在劳动力市场中存在制度上的性别分割，从而造成女性主导职业的工资率低于男性，性别工资差异明显。Belzil & Hansen(2002)指出，在市场经济发达的美国，工资不平等现象加剧与教育回报率上涨并驾齐驱，劳动力市场中性别工资差异依然存在。种族歧视和教育收益率性别差异是造成印度性别工资差异明显的重要原因(Khanna，2012)。而Ballance(2012)指出，在美国2005—2010年性别工资差异中有高达87.2%的比例是由性别歧视造成的。梳理以上文献可知，制度分割、性别歧视、种族歧视均是造成性别工资差异的重要因素，而国外学者关于互联网影响性别工资差异的文献为数不多，且研究结论尚存在较大差异。有些文献认为互联网能够有效提高工资回报率，然而由于女性往往面临家庭照料和养育幼儿等负担而被迫退出劳动力市场，且与男性相比较，女性在网络技能方面较弱，由此互联网可能会加大性别工资差异(Black & Spitz-Oener，2007)。与之相反，另一些文献则指出，互联网在日常工作中的应用更倾向于脑力劳动，弱化了男性的体力优势，将会吸引更多女性应用互联网从事高薪酬的组织管理或者研究工作，由此将缩小性别工资差异(Moreno-Galbis & Wolff，2008)。
国内学者关于互联网影响性别工资差异的研究起步较晚且文献相对较少，国内仅有几篇文献进行了研究(如卜茂亮等，2011；庄家炽等，2016)。毛宇飞等(2018)基于2010年中国家庭追踪调查(CFPS)数据，研究发现使用互联网能缩小中低收入层的性别工资差距，但加大了高收入层的性别工资差距。随着数字经济和网络技术快速发展，有研究关注了互联网的工资溢价效应，尤其是电商、自媒体等网络平台吸纳了更多的人参与，有效增加了就业机会和提高了薪资水平(毛宇飞和李烨，2016)。此外，还有文献研究发现互联网使用对农民的工资回报率有促进作用，但也导致了农村居民内部收入差距过大这一现象(刘晓倩和韩青，2018)；互联网使用显著提高了整体大学毕业生的就业工资水平，且与本科生和研究生的就业工资呈现互补关系，而与专科毕业生的就业工资呈现替代效应(赵建国和周德水，2019)；互联网拉大了城乡收入差距，且存在较明显的地区差异(贺娅萍和徐康宁，2019)。也有研究发现互联网对农村居民的收入效应显著高于城镇居民进而能够缩小城乡收入差距(程名望和张家平，2019)。
综上，当前数字经济背景下互联网使用范围日趋扩大，衍生了许多新就业形态必定会对性别工资差异造成影响，而已有国内相关研究并不充分。为了进一步丰富和拓展相关文献，本文在就业理论、信息搜寻理论及家庭经济理论基础之上，利用2010年、2013年、2015年中国综合社会调查数据(CGSS)，首先采用OLS回归分析互联网使用对各年份样本性别工资的均值影响，以及采用分位数回归方法考察了互联网使用对各年份样本性别工资的分位数影响，并采用工具变量法进行稳健性检验。其次在均值回归基础上，使用Oaxaca-Blinder分解方法对性别工资差异进行分解。同时，在分位数回归基础上，进一步采用分位数分解方法进行性别工资差异分解，以期深入考察在工资均值和工资条件分布不同位置上性别工资差异、影响因素贡献度及年份变化趋势。最后，进一步探讨60后及以上群体、70后、80后等不同年龄段群体性别工资差异及其分解的异质性，深入考察了互联网使用影响性别工资差异的内在机理，并据此得出缩小性别工资差异的针对性建议。
二、理论基础及分解方法
(一)理论基础
近年来，数字经济的蓬勃发展衍生出了电子商务、新媒体、共享经济下的零工经济、电子竞技、网络直播等大量的新就业形态，同时大数据、人工智能等数字技术推动了首席数字师、数字化管理师、大数据工程技术人员、人工智能工程技术人员、物联网工程技术人员等新职业的产生。因就业形式的灵活性、便捷性，越来越多的劳动力加快流向数字产业。国家发展改革委等部门印发的《关于发展数字经济稳定并扩大就业的指导意见》(3)国家发展改革委：“关于发展数字经济稳定并扩大就业的指导意见”，中国政府网，2018-09-26。指出，大力发展数字经济促进就业为主线，不断提升数字化、网络化、智能化就业创业服务能力，努力实现更高质量和更充分就业。在此背景下，首先，随着互联网技术的发展，无论是从即时通信到电子商务，还是从搜索引擎到在线服务，互联网正创造着多元化的工作方式，不仅将众多用户的工作生活需求紧密结合起来，更是提高了劳动参与率和工作效率，对劳动力市场产生了重要的影响(Atasoy，2013)。由此，本文认为，依据当前数字经济快速发展趋势以及就业理论，平台经济、共享经济、竞技产业、自媒体等业态不断衍生灵活就业新模式进而创造众多就业新机会，这为进一步提高女性劳动参与率提供了巨大空间。另外，随着数字产业化和产业数字化进程的不断推进，将创造出大量新增就业岗位，这将有助于就业结构的持续优化和整体就业水平的稳步提升。
其次，在移动互联网日益普及和第五代移动通信(5G)商用不断扩大、发展的背景下，使用互联网进行海量信息搜寻已成为潮流趋势，女性网络用户规模持续攀升。由信息搜寻理论可知，利用网络搜寻工作不仅能减少求职所需的交通、邮寄及中介费用等搜寻成本(Kuhn & Mansour，2014)，而且日益完善的求职网站能提高投递简历、联络亲友和浏览招聘信息的效率，进而能动态匹配供求信息和显著提高录用概率(Pedulla & Pager，2019)。换言之，与男性相比，网络信息逐渐普及的外部性能有效提高女性就业技能及其人力资本，且得到较高的上网回报率。而且网络共享经济的发展更促使工作搜寻实现了“零边际成本”和“人职匹配”(Dettlind，2017)，这意味着越来越多的女性使用互联网作为信息获取和教育培训渠道，将有助于提升女性就业能力、改善就业条件、提高薪资福利，进而有助于缩小性别工资差异。
最后，随着数字化和智能化水平不断进步带来的全要素生产率提高及市场工资率(W市场)提升，越来越多的女性在家中使用电脑、手机等互联网媒体进行日常购物和电子支付等，生产方式的改进会明显减少女性从事家务活动时间和降低保留工资(Autor，2015)。由家庭经济理论可知，女性通过权衡从事工作获得的市场工资与待在家里的保留工资(W保留)，决定是否进行劳动力供给，而互联网普及使W市场>W保留的概率增加，促使更多的女性选择去工作。而且家庭生产活动具有灵活性，并不需要女性全身心和全时间投入(代明等，2014)。互联网技术的广泛普及衍生出的微商、自媒体、快手直播等线上工作模式，更加满足了女性对闲暇充裕、工作灵活性的需求，提供了平衡家庭与工作的可能。而且这些新兴职业对于女性具有天然优势，增加了女性选择网络自雇创业的可能性，这将有助于女性薪资福利的提高，进而有利于性别工资差距的缩小。
(二)分解方法
Oaxaca(1973)和Blinder(1973)提出Oaxaca-Blinder分解方法，在OLS均值回归的基础上解决群体特征工资差异问题，表示如下：

(1)
式中，下标符号m代表男性，f代表女性。等式的左边表示男性与女性之间的工资差异，等式右边第一项代表由个体特征造成的特征差异，等式右边第二项代表由非市场因素造成的系数差异。
更进一步地，若想在工资分布的不同分位点上进行差异分解，需要利用分位数分解方法。本文使用的是Machado & Mata(2005)提出的构造反事实工资分布分解方法(MM方法)，该方法研究的是男性与女性两群体在整个工资分布上的差别，其本质上是Oaxaca-Blinder差异分解方法在条件分位数回归环境下的一种推广，最为关键的是通过大量分位数回归构造实际工资分布的模拟分布。该过程实质上属于从收入的条件分布过渡到无条件分布的过程，从而进一步确保了工资差异分解结果的准确性。本文分位数分解具体可以表示为：
Qθ(lnwm)-Qθ(lnwf)
=[Qθ(lnwm)-Qθ(lnwm-f)]+[Qθ(lnwm-f)
-Qθ(lnwf)]
(2)
式中，Qθ(lnwm-f)表示反事实工资条件分布，其含义为对男性赋予女性的工资结构时的男性工资分布。等式右边第一项因报酬率不同所导致工资差异即为系数差异，第二项为因个体特征不同造成的工资差异即为特征差异。
三、数据、模型及变量描述
(一)数据来源
本文利用2010年、2013年、2015年的中国综合社会调查(CGSS)数据进行实证检验，该数据采用分层抽样，涵盖31个省份，范围较广泛。该问卷自2010年起增设针对个人互联网使用的问题调查，目前最新公布的是2015年数据。为更好地考察互联网使用对劳动者性别工资随时间变化的影响及兼顾样本数据的平稳性，本文选取2013年作为中间年份类比对象，以提高研究的可信度。为了方便不同年份数据比较，本文利用消费者物价指数(CPI)将2013年和2015年的工资水平转化为按照2010年不变价格衡量的实际工资水平。本文剔除数据缺失的样本之后，分别得到2010年3 918个、2013年4 042个、2015年3 670个有效观测样本。此外，问卷中包括互联网使用、是否将互联网作为信息渠道等问题，已有文献关于互联网与劳动力市场的相关研究中也经常用到该数据库，具有一定的权威性和代表性。
(二)模型选择
本文根据Krueger(1993)工资决定方程设定形式，以期考察互联网使用对性别工资水平的影响程度，即：
lnwaget=αt+βtInternett+γtXt+εt
(3)
式中，被解释变量lnwaget是小时工资对数；核心解释变量Internett为是否使用互联网；Χt为控制变量，包括性别、年龄、婚姻状况、户籍状况、受教育年限、工作经验、家庭经济地位、区域特征、单位类型。其中，为考察年龄与工资间是否存在倒U型关系，还引入年龄平方/100。αt，βt，γt为相应的回归系数；εt为误差项；下标t为时间年份。采用OLS普通最小二乘法，分别对总体和分性别样本进行回归，分析互联网使用对其工资均值的影响。
在此基础上，更进一步地，本文采用分位数回归方法，考察在工资条件分布的不同位置上互联网使用对性别工资水平的影响差异。采用分位数回归的优点是不受极端值的影响，从而得到更稳健的回归结果，具体分位数回归模型为：
Qiθ(Yi|Xi)=Xiβiθ+uiθ
(4)
式中，Qiθ(Yi|Xi)表示在给定解释变量Xi的情况下与分位数θ相对应的条件分位数，分位数回归可选取任意特定分位数进行参数估计，本文选取代表性的分位数是0.25，0.50和0.75，并通过最小化方程(5)得到系数估计值，即：


(5)
(三)变量描述
本文被解释变量为小时工资率，是用个人年收入/(52周×周工作小时数)，计算出小时工资后，根据《中国统计年鉴》提供的消费者价格指数，将2013年和2015年名义小时工资转化成以2010年为基期的实际小时工资，并分别取对数值。由于工作时间差异是影响性别工资差异的重要原因(Mandel & Semyonov，2014)，为排除工作时间因素，本文采用小时工资率作为被解释变量进行分析。本文核心解释变量为是否使用互联网。由于工资水平还受到其他因素的影响，本文还引入控制变量：性别、年龄、年龄平方/100、婚姻状况、户籍状况、受教育年限、工作经验、家庭经济地位、区域特征、单位类型。其中，家庭经济地位以哑变量的形式引入，以远低于平均水平为基准组，分别引入低于平均水平、平均水平、高于平均水平、远高于平均水平四个哑变量。区域特征哑变量是以西部地区为基准区域，分别引入中部地区、东部地区两个哑变量。具体以上变量的描述性统计结果如表1所示。
表1 变量统计性描述

资料来源：根据2010年、2013年、2015年中国综合社会调查(CGSS)数据整理而得。
四、实证分析
(一)互联网使用对性别工资的均值影响
在前文分析基础上，本文分别对2010年、2013年、2015年的总体、男性、女性工资进行OLS回归，考察互联网使用对性别工资的影响差异，具体回归结果如表2所示。
由表2回归结果可知，互联网使用对总体工资的影响在1%水平上显著为正，且随着2010年、2013年、2015年推进，互联网对总体工资影响系数依次为0.371，0.295，0.266，表明互联网使用有明显工资溢价效果，并呈逐年减小趋势。分性别来看，2013年和2015年互联网使用对女性工资正向影响效果均高于男性，2010年则反之，即在控制其他因素后，互联网使用对工资水平影响有明显的性别差异。同时，随年份增加性别对总体工资水平的影响系数显著为正并逐年降低，表明各年份中男性小时工资率显著高于女性，两者差距有逐年缩小趋势。
表2 互联网使用对性别工资影响的OLS回归结果

说明：括号内为稳健标准误差，*** 为p<0.01，** 为p<0.05，* 为p<0.1，下表同。
年龄及其平方项与劳动者工资水平呈先上升后下降的趋势。已婚对男性工资有正向影响，已婚对女性工资影响为负却不显著。这可能与婚后男性有更强的责任感挣钱养家，而女性婚后面临生育、照顾家庭的压力，可能会暂时退出劳动力市场有关。户籍对工资影响显著为正，表明城镇户籍劳动者工资水平高于农村，城乡收入差异较为明显，该发现与李静等(2017)的研究结果相一致。在2010年、2013年、2015年中总体的教育收益率约为7%～8%，且与男性相比，女性的显著更高。与男性相比，工作经验对各年份女性收入回报率更高，有较明显的性别异质性。关于家庭经济地位，与基准组远低于平均水平相比，低于平均水平、平均水平、高于平均水平和远高于平均水平对各年份总体工资的影响显著为正，可见家庭经济地位与工资水平呈正向变动关系。关于区域特征，仅有东部地区的工资水平显著高于西部地区，而中部地区与西部地区的工资差异并不明显。此外，单位类型对2013年和2015年总体小时工资率影响显著为正，表明个体在正规企事业单位的工资水平要高于非正规就业者。
(二)互联网使用对性别工资的分位数影响
为了探究在工资分布的不同分位点上互联网使用对性别工资的影响差异，本文进一步采用分位数回归的方法对2010年、2013年、2015年各群体性别工资进行分析，具体回归结果如表3所示。
表3 互联网使用对性别工资影响的分位数回归结果

说明：括号内为稳健标准误差，表格内汇报了0.25，0.50，0.75分位点的回归结果。限于篇幅，表3只列出核心解释变量互联网使用的回归结果，其他控制变量以及分位数回归结果系数变化趋势图略去，如感兴趣可向笔者索取。
由表3回归结果可知，随分位点数增加，互联网使用对2010年男女两群体性别工资的正影响系数均呈上升趋势，且与女性相比，互联网使用对男性各分位点工资的正向影响更大，表明2010年使用互联网对男性工资促进作用显著高于女性。这可能与男性对新兴互联网更感兴趣，互联网的熟练使用有助于提高男性的就业竞争力和工作效率有关，尤其是与低收入群体相比，高收入群体使用及时通讯、邮件传送等新兴互联网媒体的概率更大，进而极大提高了办公效率、降低了创业和交易成本，提高了其收入水平。与2010年不同，随分位点数增加，2013年互联网使用对男性工资的正向影响呈微降趋势，而对女性工资的正向影响呈上升趋势。而在2015年中，随分位点数增加，互联网使用对男性、女性工资影响依次呈U型、上升趋势，且各分位点上互联网使用对女性工资正向影响均显著高于男性。可能是由于数字产业化蓬勃发展，电脑手机等媒体日益普及，越来越多的女性开始接触网络、新媒体，尤其是电商运营、讯息搜索、网红直播、社交平台等数字技术使用显著提高了中高收入阶层女性的工作灵活性和工作效率，减少了岗位空缺时间，降低了交易成本，吸引着女性群体有更多的就业选择和创业机会，进而会显著提高其小时工资率。
其他控制变量中，随分位点数增加，在2010年中受教育年限对男性工资的正向影响呈下降趋势，而在2013年和2015年中受教育年限则对女性工资的正向影响呈逐渐下降趋势，可能是由于互联网广泛普及和收入来源多样性，与低收入群体相比，女性高收入群体教育回报率相对更小。关于工作经验，随分位点数增加，2010年中工作经验对男性工资的正向影响呈逐渐上升趋势，而2013年和2015年中工作经验对男性工资的正向影响呈U型变化趋势。对女性而言，各年份中，工作经验对女性工资正向影响并无明显的分位点效应可循。关于单位类型，在2010年、2013年、2015年中，无论男性还是女性群体，随分位点数提升，单位类型对工资水平的影响程度由显著为正逐渐变得不显著，甚至为负向影响，表明与自雇/个体经营相比较，企事业单位工作更能显著提高低收入群体工资水平，但对高收入群体影响效果并不明显，也即行业职位隔离也是影响工资差异的重要因素(杨伟国和陈玉杰，2014)。关于区域特征，与西部相比，除2015年男性样本外，随分位点数增加中东部地区均对工资水平的影响呈逐渐减小趋势，表明国家对西部地区精准扶贫力度的增大，各区域收入差距有逐渐缩小趋势，该发现进一步证实了王明康和刘彦平(2019)的研究结论。此外，年龄、婚姻、户籍状况、家庭经济地位对收入水平的影响与前面均值回归结论相一致，此处不再赘述。
(三)稳健性检验
为了解决由遗漏变量和反向因果而导致的内生性问题，本文采用工具变量法进行稳健性检验。参考已有文献研究，本文选择区(县)互联网普及率作为互联网使用的工具变量进行内生性检验(Agarwal et al.，2009；毛宇飞等，2018)。选取工具变量区(县)互联网普及率的原因有两点：其一，互联网普及率是反映一个地区网络基础设施的重要指标，互联网普及率越高则个体使用互联网的可能性越大，满足相关性假设。其二，互联网普及率不会对个体工资产生影响，满足外生性假设。鉴于此，本文采用2SLS方法分别对2010年、2013年、2015年总体及分性别样本进行检验，具体回归结果如表4所示。
表4 互联网使用对各年份性别工资影响的内生性检验

根据表4第一阶段回归结果可知，在2010年、2013年、2015年全样本和分性别样本中，互联网普及率的回归系数为正值，即区(县)互联网普及率与个体使用互联网的概率两者高度相关，且第一阶段回归的F统计量均大于10，排除了弱工具变量的可能性。第二阶段被解释变量为工资水平，回归结果显示互联网使用对工资的影响均在1%水平上显著为正，且回归系数要大于前面表2中OLS的估计结果，可能是由于内生性问题使互联网工资回报率被低估，该发现与毛宇飞等(2018)的研究结论相一致。具体在控制其他解释变量之后，对全样本而言，随年份推进互联网使用有明显工资溢价效果，并呈逐年减小趋势。除2010年外，2013年和2015年互联网使用对女性工资正向影响效果均高于男性，这进一步证实了前面OLS的回归结论，表明以上结果是稳健的。
(四)各年份样本Oaxaca-Blinder分解结果
由前面分析可知，在运用OLS方法估计出2010年、2013年、2015年性别工资决定方程的基础上，为考察个体面临的性别工资歧视程度和影响因素贡献度，本文采用Oaxaca-Blinder分解方法对各年份样本性别工资差异进行分解，其中，包括互联网使用在内的各影响因素对性别工资总差异的贡献度可分解为特征差异和系数差异。具体分解结果如表5所示。
表5 各年份性别工资差异的Oaxaca-Blinder分解结果

由表5分解结果可知，就工资总差异来看，2010年、2013年、2015年性别工资总差异依次降低为0.293，0.279，0.210，可见随年份推进，男女之间的工资总差异有逐渐缩小的趋势。更具体地，与特征差异相比较，各年份中系数差异占性别工资总差异的比例明显较高，可见工资总差异中由市场歧视造成的无法解释部分比例颇高。可能的原因是女性面临着较为严重的性别歧视现象，同时由于传统社会观念、承担的家庭角色以及体能精力差异，女性在劳动力市场中往往面临着“同工不同酬”的不平等就业环境和就业机会，导致男女之间存在较明显的性别工资差异。
就特征差异而言，互联网使用的特征差异为负值，且随年份推进，其绝对值逐渐增加，表明随宽带、无线网络的日趋覆盖及电脑、手机等客户端媒体逐年普及，女性上网的比例相对较高，尤其是在移动互联网、物联网、电商、大数据等数字经济蓬勃发展下，女性群体面临的就业信息、新型岗位机会逐渐增加，从而进一步缩小了男女之间性别工资差异。从系数差异来看，互联网使用在2010年、2013年、2015年的系数差异依次为0.032 1，-0.010 9，-0.018 3，其系数差异占总差异的比例依次为10.956%，-3.907%，-8.714%，可见男女在互联网收益率方面的差异拉大了2010年性别工资总差距，却缩小了2013年和2015年性别工资总差距，呈现出较明显的年份异质性，可能与互联网逐年广泛普及有关。
对于受教育年限变量，除2015年外，2010年和2013年受教育年限的特征差异和占总差异比例为负值，且2010年、2013年、2015年受教育年限的系数差异和对应比例均为负值，表明个体受教育年限禀赋特征和教育收益率差异显著缩小了性别工资差距。这可能与女性整体受教育程度逐渐提高有关。其他分解项，就特征差异来看，各年份中，年龄、户籍状况、区域特征、单位类型的特征差异和对应比例均为负值，表明个体年龄、户籍、区域、单位类型等禀赋特征差异显著缩小了性别工资差异。各年份中工作经验的特征差异值和对应比例均为正值，表明个体工作经验的禀赋差异进一步拉大了性别工资差异。就系数差异来看，各年份中年龄、工作经验的系数差异和对应比例均为负值，而婚姻、家庭经济地位的系数差异和对应比例均为正值，表明在劳动力市场中男女面临的年龄、工作经验回报率差异显著缩小了性别工资总差异，而婚姻和家庭经济地位的回报率差异显著加大了性别工资差异。
(五)各年份样本的分位数分解结果
在前面2010年、2013年、2015各年份样本分位数回归分析基础上，为考察各年份样本不同工资分位点上性别工资差异情况，本文进一步采用分位数分解方法进行工资差异分解。进行分位数分解时，重点考察0.25，0.50，0.75代表性工资分位点上，互联网使用对各年份样本不同工资分位点性别工资差异的特征差异和系数差异情况，同时将工作经验、受教育年限、婚姻状况、户籍状况等控制变量合并为“其他”，具体各年份样本的分位数分解结果如表6所示。
由表6分解结果可知，在2010年、2013年、2015年中，随分位点数提升，性别工资总差异值呈现出先下降后上升的U型变化趋势，表明性别工资总差异在0.50分位点上达到最低值，而在0.25低层收入者和0.75高层收入者的性别工资总差异较明显。各年份中，随分位点数提升，系数总差异值均为正值，其占总差异的比例均超过100%，且呈现先上升后下降的倒U型变化趋势，表明在0.50分位点上不可解释的市场歧视占总差异比例达到最大值，且劳动力市场上性别歧视是造成工资差异的主要原因。除2015年的0.25分位点上特征总差异为正值以外，其他年份中各分位点上特征总差异值和对应比例均为负值，且其绝对值在0.50分位点上达到最大值，表明个体总禀赋特征差异显著缩小了性别工资总差异，尤其是对中等收入阶层而言效果更明显。分年份比较，随年份推进，在相同分位点上性别工资总差异呈逐年缩小趋势。在0.50分位点上，各年份中特征差异占总差异的比例均为负值且其绝对值逐年增加，表明随年份推进，禀赋特征差异逐渐缩小了中等收入群体性别工资总差异，且对性别工资总差异的解释力度逐年增大。
表6 各年份样本性别工资差异的分位数分解结果

对于核心变量互联网使用分解项，各年份中，随分位点数提升，互联网使用的特征差异值及占比均为负值且呈现U型变化趋势，其绝对值在0.50分位点上达到最大值，表明在中等收入阶层中，女性上网的比例较高，这种互联网接入的特征差异能够显著缩小中等收入群体的性别工资差距。而在2010年和2015年的0.25分位点上，互联网使用的系数差异值为负值，但在0.50和0.75分位点上系数差异为正值，且均在0.75分位点上达到最大值，即互联网收益率差异拉大了中高层群体性别收入差异，但对低层收入者正好相反。这可能是由于随着数字产业迅速发展，用人单位越来越重视互联网技能使用，劳动力市场的中高层收入者使用互联网的工资溢价更为明显，即男女在互联网收益率方面的差异逐渐拉大了性别工资差异。分年份比较，在0.25和0.50分位点上，随着年份推进，互联网使用特征差异占总差异比例的绝对值呈逐年增大趋势，而在0.75分位点上，该比例的绝对值呈逐年缩小趋势，即随年份推进，中低层收入者是否使用互联网的接入特征差异对工资差异的解释力度逐年增大，而高层收入者正好相反。
五、进一步讨论
(一)不同年龄段群体性别工资决定的回归结果
考虑到不同年龄段群体使用互联网频率和用途有明显差异，因此也会对性别工资差异产生不同影响。本文根据问卷设置，将2010年、2013年、2015年样本中个体按照年龄段划分为60后及以上、70后、80后群体，采用OLS回归方法进一步考察不同年龄段群体互联网使用对性别工资变动的影响，具体回归结果如表7所示。
由表7回归结果可知，横向比较，就总体而言，互联网使用对各年份中80后群体工资正向影响最高，70后群体次之、60后及以上群体相对较低。一种可能的解释是，80后群体使用互联网的概率相对较高，越来越多的年轻人群使用互联网不仅能够方便获取就业信息及专业信息，加强与亲友之间的联系，而且通过从事电脑IT行业、数字化物联网、电商网售、电子竞技、网络直播等数字就业新模式有效增加收入水平。纵向比较，随着2010年、2013年、2015年的年份推进，互联网使用对80后、70后、60后及以上不同年龄段群体工资的正向影响呈逐渐减小趋势，可能是由于随互联网的广泛普及，互联网数字红利及工资溢价逐渐缩小导致。
表7 各年份互联网使用对不同年龄段群体性别工资决定的OLS回归结果

说明：60后及以上样本主要包括60后与少量50后等其他群体，为方便划分统称之为60后及以上；80后样本中实际还包含少量90后样本，但样本量很少，未做单独分析，统一用80后指代。
分性别比较来看，在60后及以上群体中，各年份女性工资水平的正向影响显著高于男性；在70后群体中，互联网使用仅对2010年和2015年男性工资水平的正向影响显著高于女性，而在2013年则正好相反；在80后群体中，除2010年以外，互联网使用对女性工资水平的正向影响显著高于男性，即互联网使用对各年份不同年龄段群体工资水平产生异质性影响。可能是由于不同年龄段中的男女群体使用互联网的偏好和用途存在较大差异，与男性相比，年龄段在35岁以下和45岁以上的女性群体往往面临生育照料幼儿和职业生涯转型的两个拐点，互联网的便捷性衍生出电子商务、平台就业等线上工作模式，可以满足该年龄段女性对闲暇充裕、工作灵活性的需求，提供了平衡家庭和工作的可能，且在线创业有效降低了交易运营成本，扩大市场份额和获取收益，从而增加女性选择网络自主创业的概率，进而对其工资水平产生显著的正向影响。
(二)不同年龄段群体的Oaxaca-Blinder分解结果
由前面分析可知，在估计出各年份不同年龄段群体互联网使用对性别工资的均值影响基础上，为进一步考察60后及以上、70后、80后等不同年龄段群体面临的性别工资歧视程度和影响因素及可能呈现的变化趋势，本文给出Oaxaca-Blinder性别工资差异分解结果。同时，为着重分析互联网使用变量，将年龄、婚姻状况、受教育年限、户籍状况等控制变量合并为“其他”，具体分解结果如表8所示。
由表8分解结果可知，从总差异来看，在2010年和2013年中均是70后群体性别工资总差异最大，80后次之；而在2015年中80后群体性别工资总差异最大，70后次之，各年份中60后及以上性别工资总差异最小。从总特征差异来看，随着2010年、2013年、2015年的年份推进，在60后及以上和70后群体中总特征差异占总差异比例由正值逐渐变为负值，而在80后群体中总特征差异占总差异比例却由负值逐渐变为正值，表明随年份推进，35岁～45岁和45岁以上群体的禀赋特征差异对性别工资总差异的贡献度由增加到逐年缩小，而35岁以下群体的禀赋特征差异对性别工资总差异的贡献度由缩小到逐年增加。从总系数差异来看，随着年份推进，60后及以上和70后群体的总系数差异占总差异比例均为正值且逐年上升，而80后群体的总系数差异占总差异比例均为正值且逐年下降，表明随年份推进，劳动力市场对60后及以上和70后群体的性别歧视程度逐年增加，而对80后群体的性别歧视程度逐年减弱。
表8 各年份不同年龄段群体性别工资差异的Oaxaca-Blinder分解结果

对于互联网使用分解项，就特征差异而言，在2010年和2013年中，60后及以上和70后群体使用互联网的特征差异值及占总差异比例均为正值，而80后群体使用互联网的特征差异值及占总差异比例均为负值。这可能是由于与60后及以上和70后群体相比较，80后群体中女性上网的比例相对较高，尤其是网络培训授课的便捷性以及电商、抖音快手等直播平台的兴起，增加了该群体年轻女性的就业机会和收入来源，进而较明显缩小了性别工资差异。而在2015年中，各年龄段群体使用互联网的特征差异值及占总差异的比例均为负值，表明随互联网的日趋普及，互联网逐渐向中高龄人群渗透，越来越多的中老年女性使用互联网并有效增加了收入，进而缩小了性别工资差异。对于系数差异而言，除2010年以外，2013年和2015年中80后群体使用互联网的系数差异值及其占比显著为负值，表明80后男女群体因互联网使用差异而受到的市场歧视要远低于其他年龄段群体，且该年龄段女性使用互联网的收益率显著高于男性，进而有效缩小了性别工资总差异。
(三)影响机理分析
由前面实证分析可知，当前数字经济背景下互联网使用显著缩小了性别工资差异，但究其原因互联网使用是如何缩小性别工资差异的？为了深入研究，本文进一步构建了互联网使用缩小性别工资差异的影响机理，具体包括以下三个方面，如图1所示。

图1 数字经济背景下互联网使用缩小性别工资差异的影响机理
说明：图1中直线单箭头表示存在直接影响，虚线双箭头表示两者间存在交互影响，框内上升箭头、下降箭头分别表示增加、下降。
其一，数字经济推动数字产业化、产业数字化优化升级，不断增加就业岗位，促进就业增长。据《中国数字经济发展与就业白皮书(2019)》显示，就数字化产业规模来看，2018年高达6.4万亿元，占GDP比重为7.1%，尤其是互联网行业、软件和信息技术服务业收入同比分别增长20.3%和14.2%。与此同时，农业、工业、服务业的产业数字化也在持续推进，以上三类行业数字经济占行业增加值比例依次为7.3%，18.3%和35.9%。其中，2018年我国数字产业化部分的就业岗位达到1 220万个，同比增长9.4个百分点，而产业数字化部分的就业岗位则高达1.78 亿个，同比增长11.6个百分点。数字经济的迅速发展衍生出了大数据、云计算、人工智能工程技术人员等各类新就业模式，数字产业化和产业数字化广泛吸纳更多的就业人口，从而增加了女性就业机会，提高了劳动参与率。
其二，互联网使用的日益方便快捷，使其成为获取信息和工作搜寻的重要渠道。个体通过PC互联网、移动互联网搜寻工作往往可以获得更好的、薪酬福利待遇相对更高的工作收入，抑或是更健全的社会保障及子女入学便利等，尤其是对女性而言，更有利于获得与自身能力相匹配的工作岗位。已有研究指出，使用互联网搜寻信息能够明显促进女性的整体就业，尤其是对非自雇就业的作用效果更明显(毛宇飞和曾湘泉，2017)。据CNNIC发布的第44次《中国互联网络发展状况统计报告》显示，截至2019年上半年我国利用互联网进行在线教育用户规模增长率最高，为15.5%，网络文学、及时通信、网络购物等增长率也超过了5%，且女性用户规模增长速度显著高于男性。互联网作为信息搜寻的载体，可以为劳动者尤其是女性劳动者提供各类有用的知识信息，并通过在线教育、网络技能培训等方式不断提升自身人力资本。同时微信、微博等便捷的通信工具促使人与人之间的日常联系、社会网络关系更为紧密。与男性相比，女性网络用户占比的不断攀升更是为女性人力资本、社会资本不断积累以及就业能力提升提供了有力支撑，同时也提高了女性受雇的可能性及增加工资水平，从而有利于进一步缩小性别工资差异。
其三，电子商务、共享经济、自媒体等灵活多元化的数字平台，使女性平衡工作与家庭的关系成为可能，提高了女性自雇创业的机会。2019年8月国务院办公厅印发《关于促进平台经济规范健康发展的指导意见》指出，互联网平台经济是生产力新的组织方式，对于促进大众创业万众创新，尤其是增加就业具有重要作用。与男性相比，女性虽在日常家务劳动方面具有比较优势，但家庭生产活动具有灵活性，互联网平台经济衍生出的网红电商、网红直播、众包众创等线上就业模式，更加满足女性对闲暇充裕、工作灵活性的需求。据中国互联网络信息中心公布的数据显示，2018年我国网红经济规模高达2 550亿元，且约有55%的新互联网企业由女性创建，有49.4%的女性在经营天猫网店，女店主创造的销售额则高达46.7%。互联网平台经济等在线创业模式不仅打破了传统组织边界，更有效降低了交易和运营成本，扩大了市场份额和利润收益，增加了女性选择网络自主创业等自雇就业的机会，从而为增加女性工资水平和缩小性别工资差异提供了可能。
六、结论与政策建议
本文在数字经济背景下基于就业理论、信息搜寻理论和家庭经济理论，利用2010年、2013年、2015年中国综合社会调查(CGSS)数据，考察了互联网使用对性别工资的影响及工资差异分解，探讨了不同年龄段群体互联网使用对性别工资差异变动的异质性及内在影响机理。研究发现：(1)互联网使用对总体工资水平有显著正向影响，随年份推进其影响程度呈逐渐减小趋势和明显的性别差异性；互联网使用的特征差异为负值，且随年份推进特征差异绝对值逐渐增加，即随数字化网络的广泛普及，互联网使用显著缩小了性别工资差异。(2)各年份中随分位点数提升，性别工资总差异呈先下降后上升的U型变化趋势；随着年份推进，在相同分位点上性别工资总差异呈逐年缩小趋势，且禀赋特征差异逐渐缩小了中等收入群体性别工资总差异。(3)各年份中随分位点数提升，互联网使用的特征差异值及占比均为负值且呈现U型变化趋势，即在中等收入阶层中，女性上网的比例较高，这种互联网接入的特征差异能显著缩小中等收入群体的性别工资差距。男女在互联网收益率方面的系数差异可有效缩小低层收入者的性别工资差距，但却加大了中高层收入者性别工资差距。(4)互联网使用对各年份中80后群体工资正向影响显著更高，70后群体次之，60后及以上群体相对较低，呈现较明显的年龄异质性。工资差异分解显示，互联网逐渐向中高龄人群渗透，越来越多的中老年女性使用互联网并有效增加收入水平，进而缩小性别工资差异。除2010年外，2013年和2015年中80后群体使用互联网的系数差异值及其占比为负值，表明80后男女群体因互联网使用差异而受到的市场歧视要远低于其他年龄段群体。
根据以上结论，在当前数字经济迅速发展背景下，互联网广泛普及有利于缩小性别工资差异。由此本文提出以下三点政策建议。
其一，加强网络服务能力，探索新型教育服务供给模式，提高女性就业能力。目前我国互联网用户的可及性差异和技能差异仍较明显，数字鸿沟现象依然存在，尤其是在女性群体中更为突出。因此，政府应该致力于互联网特别是移动网络的基础设施建设，在34万亿元的“新基建”计划中优先向“数字经济新基建”倾斜。继续致力于提高网速和降低上网费率，拓展网络用户规模和提高网络服务能力，利用网络技术创新教育服务供给新模式，有效结合整体社会教育资源，积极开办网络教育、在职培训、电子商务等培训课程，持续扩大优质教育资源覆盖面，特别是提高女性互联网使用率和数字技能水平。同时，注重优化互联网应用服务质量，线上线下的紧密结合将为女性工作和家庭的平衡带来新机遇，更为女性线上就业和兼职就业提供了条件，从而不断提高女性技能水平和就业能力，进一步为有效增加女性工资水平和缩小性别工资差异提供可能。
其二，大力发展产业互联网，推进传统产业数字化转型和智能化升级，提升女性就业机会和就业质量。随着平台经济、共享经济等数字经济的兴起和发展，衍生了丰富多样的就业机会，女性就业渠道和收入来源不断拓宽，就业性别歧视不断改观，就业鸿沟不断缩小。为此需要鼓励更多的女性参与到线上劳务交易型、线上服务产品交易型、商户展示型和互联网企业直接就业型等平台就业生态体系中来，不断促进女性就业及其价值提升。与此同时，随着数字经济的蓬勃发展，互联网由消费侧(C端)主导逐步向供给侧(B端)进行“渗透”和“赋能”，产业互联网特别是工业互联网已经成为“互联网的下半场”，日益成为传统产业转型升级的新方向和新动能。2020年5月，国家发展和改革委员会联合17个部门以及145家有代表性的协会、银行、企业、科研院所等单位，共同启动了“数字化转型伙伴行动倡议”，针对传统产业数字化转型面临的共性问题，研发有针对性的解决方案及标准。由于制造业是吸纳就业最为集中的产业领域，因此，大力发展工业互联网，积极推进第五代移动通信(5G)、物联网、人工智能、区块链、云计算、大数据的商业应用进程，建设个性化、模块化、智能化、柔性化的生产体系，形成现代先进制造业，不仅有利于促进就业的转型升级，而且将有助于女性就业规模和质量的有效提升。
其三，大力发展数字经济新职业，完善就业保障服务体系，促进女性多元化就业创业新形态。当下，数字经济方兴未艾，前景广阔，诞生了大量的新职业，各个细分领域有可能成为未来新就业的热点。众所周知的“李子柒现象”，不仅成就了美食视频博主的火爆和暴富，更启发着“直播带货”乃至数字经济领域社会分工的细分深化。2020年5月，中国就业培训技术指导中心发布了10个新增新职业，包括区块链工程技术人员、社区网格员、互联网营销师、信息安全测试员、区块链应用操作员、核酸检测员、在线学习服务师、社群健康助理员、老年健康评估师、增材制造(3D打印)设备操作员。可以看出，这些新增新职业大多是数字经济各种新业态所衍生的，未来各种数字经济“新就业”形态仍可随时喷薄而出。针对数字经济下可以实现弹性工作制、远程办公等实现灵活就业的特点，政府应该鼓励支持微商、网约车、民宿短租、自媒体、网络直播等就业创业新形态的发展。应该看到，服务商生态作为数字经济引发催生的服务市场，为创新创业提供了广阔的市场空间，大大降低了创业就业门槛，可以吸纳和带动大量就业人口。针对数字经济的灵活就业和智力创业热潮，政府部门应该建立健全新型灵活就业的社会保障制度和就业创业服务体系，积极提高公共就业服务能力和就业政策创新力度。此外，针对各年龄段群体对互联网利用的性别差异性和不平衡性，需要以多种渠道多种形式帮扶家庭妇女、中老年人等重点就业群体，通过网络商品销售、服务预订、知识付费等多元化收入来源，促进更多的女性群体收获“数字红利”。
参考文献
程名望、张家平，2019：《互联网普及与城乡收入差距：理论与实证》，《中国农村经济》第2期。
代明、姜寒、程磊，2014：《分享经济理论发展动态——纪念威茨曼〈分享经济〉出版30周年》，《经济学动态》第7期。
贺娅萍、徐康宁，2019：《互联网对城乡收入差距的影响：基于中国事实的检验》，《经济经纬》第2期。
李静、李逸飞、周孝，2017：《迁移类型、户籍身份与工资收入水平》，《经济理论与经济管理》第11期。
刘晓倩、韩青，2018：《农村居民互联网使用对收入的影响及其机理——基于中国家庭追踪调查(CFPS)数据》，《农业技术经济》第10期。
毛宇飞、曾湘泉、胡文馨，2018：《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》，《财经研究》第7期。
毛宇飞、李烨，2016：《互联网与人力资本：现代农业经济增长的新引擎——基于我国省际面板数据的实证研究》，《农村经济》第6期。
毛宇飞、曾湘泉，2017：《互联网使用是否促进了女性就业——基于CGSS的经验分析》，《经济学动态》第6期。
卜茂亮、罗华江、周耿，2011：《Internet 对劳动力市场的影响——基于中国家庭动态跟踪调查(CFPS)数据的实证研究》，《南方人口》第5期。
王明康、刘彦平，2019：《旅游产业集聚、城镇化与城乡收入差距——基于省级面板数据的实证研究》，《华中农业大学学报(社会科学版)》第6期。
杨伟国、陈玉杰，2014：《职位隔离对高管薪酬性别差异的影响》，《经济理论与经济管理》第12期。
庄家炽、刘爱玉、孙超，2016：《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》，《社会》第5期。
赵建国、周德水，2019：《互联网使用对大学毕业生就业工资的影响》，《中国人口科学》第1期。
Agarwal,R.,A.Animesh,and K.Prasad,2009，“Social Interactions and the Digital Divide: Explaining Variations in Internet Use”,Information Systems Research,20(2):277-294.
Atasoy,H.,2013,“The Effects of Broadband Internet Expansion on Labor Market Outcomes”,Industrial & Labor Relations Review,66(2):315-345.
Autor,D.H.,2015,“Why Are There Still So Many Jobs? The History and Future of Workplace Automation”,Journal of Economic Perspectives,29(3):3-30.
Autor,D.H.,L.F.Katz,and A.B.Krueger,1998,“Computing Inequality: Have Computers Changed the Labor Market?”,Quarterly Journal of Economics,113(4):1169-1213.
Ballance,J.,2012,Gender Discrimination Across US States: What Has Changed over the Past Thirty Years?,Honors Projects in Economics,Rhode Island: Bryant University Press.
Belzil,C.,and J.Hansen,2002,“Unobserved Ability and the Return to Schooling”,Econometrica,70(5): 2075-2091.
Black,S.E.,and A.Spitz-Oener,2007,“Explaining Women’s Success:Technological Change and the Skill Content of Women’s Work”,The Review of Economics and Statistics,92(1):187-194.
Blau,F.D.,and A.H.Beller,1988,“Trends in Earnings Differentials by Gender 1971—1981”,Industrial and Labor Relations Review,41(4): 513-529.
Blinder,A.S.,1973,“Wage Discrimination: Reduced Form and Structural Estimates”,Journal of Human Resources, 8(4):436-455.
Dettlind,L.J.,2017,“Broadband in the Labor Market:The Impact of Residential High Speed Internet on Married Women’s Labor Force Participation”,ILR Review,70(2):451-482.
Khanna,S.,2012,“Gender Wage Discrimination in India:Glass Ceiling or Sticky Floor?”,Center for Development Economics,Department of Economics,Delhi School of Economic,Working Paper.
Krueger,A.B.,1993,“How Computers Have Changed the Wage Structure：Evidence from Microdata,1984—1989”,The Quarterly Journal of Economics,108(1):33-60.
Kuhn,P.,and H.Mansour,2014,“Is Internet Job Search Still Ineffective?”,Economic Journal,124(581):1213-1233.
Machado,J.,and J.Mata,2005,“Counterfactual Decomposition of Changes in Wage Distributions Using Quantile Regression Models”,Journal of Applied Economics,20(4): 445-465.
Mandel,H.,and M.Semyonov,2014,“Gender Pay Gap and Employment Sector of Earnings Disparities in the United States,1970—2010”,Demography,51(5):1597-1618.
Moreno-Galbis,E.,and F.C.Wolff,2008,“New Technologies and the Gender Wage Gap：Evidence from France”, Relations Industrielles,63(2):317-339.
Oaxaca,R.,1973,“Male-female Wage Differentials in Urban Labor Markets”,International Economic Review,14(3):693-709.
Pedulla,D.S.,and D.Pager,2019,“Race and Networks in the Job Search Process”,American Sociological Review,84(6)983-1012.
Wasserman,I.M.,and M.Richmond-Abbott,2005,“Gender and the Internet: Causes of Variation in Access,Level,and Scope of Use”,Social Science Quarterly,86(1):252-270.
DOES THE USE OF INTERNET REDUCE THE DIFFERENCE IN GENDER PAY IN THE CONTEXT OF DIGITAL ECONOMY——An Empirical Analysis Based on the Comprehensive Social Survey in China
QI Yu-dong LIU Cui-hua
(Business School, Beijing Normal University)
Abstract: Based on the(CGSS)data of China Comprehensive Social Survey in 2010, 2013 and 2015, this paper examines the impact of Internet use on gender wages and the decomposition of wage differences in the context of digital economy.This paper discusses the heterogeneity and internal mechanism of Internet use in different age groups on the change of gender wage difference.The study finds that the use of Internet has a significant positive impact on the overall level of wages with the scale gradually decreasing over the time, and the use of Internet significantly reduces the difference in gender pay.With the increase of quartile points, the total difference of gender wage decreases at first and then increases, the total difference of gender wage decreases year by year at the same sub-point, and the difference of endowment characteristics gradually narrows the total gender wage difference of the middle income group.The positive influence of Internet use on the wages of post-80s is significantly higher, followed by post-70s, and the influence on post-60s and above is relatively low, implying an obvious heterogeneity on of age.
Key words: Internet use; gender wage difference; digital economy