《社会科学辑刊》2022年第1期，125-138页。
【学习贯彻中共十九届六中全会精神专题·数字经济研究】
数字经济时代互联网使用对灵活就业者工资收入的影响研究
戚聿东 丁述磊 刘翠花
［摘 要］随着数字经济的蓬勃发展，互联网赋能灵活就业的规模日趋庞大，这对于稳就业、保民生意义重大。使用互联网可以显著提升灵活就业工资收入，但互联网工资溢价率存在群体差异性，与中老年、男性和高收入群体相比，互联网使用对青年、女性和低收入群体的工资收入提升作用更大。社会资本和职业选择是两个显著的中介变量，使用互联网的灵活就业者拥有更高的社会资本和自雇就业概率。此外，互联网使用能缩小正规就业者与灵活就业者的工资差异，有利于新发展阶段实现共同富裕。因此，为支持多渠道灵活就业，增加居民就业和收入，应全面普及互联网使用率，促进灵活就业市场规范健康发展，提高灵活就业者互联网使用技能，不断提升灵活就业者收入水平，扎实推动共同富裕。
［关键词］互联网使用； 灵活就业； 工资收入； 正规就业； 数字经济
［基金项目］国家社会科学基金重大项目（19ZDA077）；国家社会科学基金青年项目（21CJY017）
［作者简介］戚聿东，北京师范大学经济与工商管理学院教授，博士生导师；丁述磊，北京师范大学经济与工商管理学院助理研究员；刘翠花，北京师范大学经济与工商管理学院助理研究员。
［中图分类号］F249.2 ［文献标识码］A ［文章编号］1001-6198（2022）01-0125-14
一、引言
在百年未有之大变局之下，我国互联网表现出极大的发展韧性和爆发力，为扎实推进“六稳”“六保”、产业转型升级和数字经济发展提供了强大支撑。中国互联网络信息中心发布的《第48次中国互联网络发展状况统计报告》（以下简称《报告》）显示：截至2021年6月，我国互联网普及率达到71.6%。〔1〕随着互联网日益普及，劳动力市场用工形式、劳动者的工作方式和工作场所变得更为多样化、灵活化和数字化。以互联网赋能连接供给和需求两端的新就业形态蓬勃发展，如网约配送员、全媒体运营师、互联网营销师和调饮师等新职业应运而生，提供了大量灵活的就业机会。与此同时，数字经济时代劳动者更加追求灵活自由的价值导向，自愿或者主动选择灵活就业的人员规模不断扩大，所从事的职业几乎涵盖了国民经济和社会生活的方方面面。据中国人力资源和社会保障部公布的数据显示，截至2021年5月，灵活就业从业人员的规模已经达到2亿人。〔2〕国家信息中心发布的《中国共享经济发展报告（2021）》显示，2020年中国共享经济参与者人数约为8.3亿人，其中服务提供者约为8400万人，同比增长7.7%，共享经济的蓬勃发展提供了大量灵活就业岗位。〔3〕灵活就业已经成为新冠肺炎疫情之下以及后疫情时代缓解就业压力、减少结构性和摩擦性失业的“蓄水池”和“稳定器”，对于稳就业保民生和维持社会经济正常运转起到了关键作用。努力提高灵活就业人员的收入水平对我国扩大中等收入群体、实现共同富裕目标具有重要意义。为此，国家出台了多项灵活就业扶持政策，2020年7月李克强总理在《关于支持多渠道灵活就业的意见》中强调，当前新业态蓬勃发展，要取消对灵活就业的不合理限制。〔4〕2021年《政府工作报告》进一步强调，继续对灵活就业人员给予社保补贴，着力提高低收入群体收入。〔5〕数字经济时代，互联网的日益普及对人类生产、生活和生态产生深远影响，在互联网赋能、就业观念转变和就业政策扶持背景下，灵活就业由个体被动选择转变为主动选择。〔6〕互联网使用是否显著提升了灵活就业者的工资收入？《报告》数据显示，不同年龄段、性别、区域和收入的群体拥有显著的互联网使用差异。〔7〕互联网使用对不同群体的工资收入有何异质性影响？互联网使用影响灵活就业者的工资收入的内在机理是什么？已有研究表明正规就业者与灵活就业者存在显著的工资差异〔8〕，互联网使用是否能够缩小正规就业者与灵活就业者的工资差异？这些都是立足新发展阶段、扎实推动共同富裕背景下亟待解决的重要议题。
二、文献及理论分析
（一）互联网使用与职业选择
在中国城镇化过程中，由城乡差异和所有制差异造成的劳动力市场分割导致大量流动人口从事灵活就业。传统的灵活就业主要集中在不受国家管理的个体经济部门、小规模或未经注册的企业等非正规部门中，从业者的技能水平、福利待遇和工作稳定性比较差。劳动力市场分割理论表明，主要劳动力市场存在较高的门槛准入限制，处于次要劳动力市场中的灵活就业者很难向主要劳动力市场进行职业流动；再加上主次劳动力市场中的培训机制差异和市场歧视普遍存在，长此以往，个体人力资本水平差异进一步扩大，传统灵活就业者长期从事着收入水平较低且缺乏社会保障的工作。
随着“互联网+”助力新经济新业态盛行，传统的灵活就业也注入了新内容，国家明确支持、鼓励多渠道灵活就业，以互联网数字技术为依托的大量新就业形态蓬勃发展。2019年以来我国颁布了四批共56个新职业，许多“互联网+”新兴灵活就业模式也被“转正”，如大家所熟知的外卖员、直播带货等就业模式被正式转为网约配送员、互联网营销师等新职业。〔9〕如今使用互联网成了劳动者的一项重要技能，不仅在劳动力市场中可以起到发射信号的作用，增加就业的概率，而且还可以显著提升其工作效率。〔10〕已有研究表明，互联网普及对失业率存在显著负向影响，推广和应用互联网，促进了各类灵活就业和新就业形态快速发展，为失业人员实现就业提供了广阔机会。〔11〕随着互联网日益普及，许多新兴灵活就业模式由以往被动选择转变成许多青年人、女性和大学毕业生等群体自愿或主动的选择，同时，借助互联网赋能，互联网平台通过扩大信息传播半径提高了求职者就业选择效率。〔12〕近年来颁布的大量新职业更是为灵活就业者提供了丰富的自雇就业机会和创收来源，对灵活就业者的职业选择产生重要影响。新职业不仅有助于打破时间和地域限制，而且还可以拉动重点人群就业，为农民工、退役军人和残障人士等重点群体提供了大量灵活就业机会。〔13〕
（二）互联网使用与工资溢价
数字经济时代，互联网逐渐成为人们获取信息、搜寻职业和办公的重要工具，已经成为影响个体收入的核心因素。已有研究表明，互联网使用存在“工资溢价”效应。〔14〕一方面，劳动者使用互联网进行技能提升和在线社交活动，可以显著增加人力资本和社会资本，进而对个体劳动生产率的提高和收入的增加产生积极促进作用。〔15〕另一方面，互联网使用会显著影响劳动者职业搜寻，互联网减少劳动力市场中信息不对称，拓宽了信息渠道，求职者可以及时高效地获取相关工作信息，不仅增加了获得工作的概率，而且容易搜寻到多样化的高回报就业机会，是求职者获取优势就业资源的重要渠道。〔16〕
已有研究发现互联网有利于居民学习和提升认知能力，可以显著提升我国居民收入水平。〔17〕早期研究认为互联网对男性工资率的影响大于女性〔18〕，因为性别数字鸿沟以及男性使用互联网资源进行再学习和人力资本再积累的能力强于女性，是造成收益率存在性别差异的主要原因。随着互联网普及和研究推进，近年来有学者研究发现女性互联网工资溢价率高于男性。〔19〕据《报告》显示，截至2021年6月，我国网民男女比例为51.2∶48.8，与人口中男女比例基本一致，可见当前我国几乎不存在互联网接入性别差异，互联网使用工资溢价率的性别差异应从两群体使用互联网的用途和偏好等角度深入理解。〔20〕除了女性群体外，还有学者关注互联网对大学毕业生和农村居民收入水平的影响。学者发现互联网使用会显著提升大学毕业生就业工资水平〔21〕，互联网使用增加农村居民收入主要是因为互联网有助于提高农产品市场价值以及互联网增加了农村劳动力的非农就业选择。〔22〕
（三）互联网使用与工资差距
从互联网工资溢价角度出发，学者研究进一步延伸到收入差距的讨论，且已有研究表明互联网使用显著影响收入不平等。关于地区收入差异，有学者认为不同地区间的发展水平、受教育程度和互联网普及率不同，导致互联网使用对发达地区的工资促进作用更大，因而会扩大地区间工资差异。〔23〕但也有学者认为互联网技术会缩小地区工资差异，互联网技术可以打破地区间信息不对称，增强知识和技术溢出效应，进而提高地区间的整体创新水平，有利于缩小工资差异。〔24〕此外，互联网普及也会通过优化地区产业结构促进地区和行业层面的工资水平进一步提升，对缩小地区和行业间工资差异发挥积极作用。〔25〕关于群体收入差异，互联网使用对不同群体收入差异的影响方向亦不同。一种观点指出互联网使用可以缩小性别工资差异；〔26〕另一种观点认为互联网不利于缩小高收入群体性别工资差异。〔27〕除了对性别工资差异产生影响外，互联网使用也会影响农村居民内部收入差距〔28〕，以及不同社会阶层之间的工资差异。〔29〕
已有文献大多关注互联网对工资收入、职业搜寻和就业选择的影响，其中互联网工资效应的研究群体多聚焦于居民、女性、农村劳动者和大学毕业生等。数字经济时代，灵活就业规模日趋庞大，对于稳就业、保民生意义重大。目前鲜有文献系统分析不同性别、年龄段、区域以及不同收入阶层群体的互联网工资溢价效应及其内在影响机制。此外，互联网使用如何影响正规就业者与灵活就业者的工资差异值得深入研究，这对于新发展阶段努力提升灵活就业者收入水平、扎实推动共同富裕可以提供重要数理依据，具有重要的现实意义。
三、数据来源、模型选择与变量描述
（一）数据来源
本文使用数据来自2018年中国家庭追踪调查数据（CFPS）〔30〕，该数据库是由北京大学中国社会科学调查中心负责开展的大规模微观家庭入户调查。本文的研究对象为18—65岁的灵活就业群体，包括自由职业者、个体经营者、零散工、临时工、非全日制工、劳务派遣工和新就业形态等。通过借鉴尹文耀和叶宁〔31〕以及何文和申曙光〔32〕的做法，删除农业工作（农林牧副渔）和城镇正规就业人员样本以及其他无效样本后，得到灵活就业样本数量5164个，其中男性2721个，女性2443个。根据联合国教科文组织对青年群体的界定，本文将样本中年龄≤45岁划分为青年群体，将年龄>45岁划分为中老年群体，最终得到青年群体样本有3106个，中老年群体样本有2058个，具有较好的代表性。
（二）模型选择
为了考察互联网使用对灵活就业工资收入的影响，本文构建的基准回归模型为：
考虑到均值回归不适合分析被解释变量整体分布的异质性特征，在考察互联网使用对不同收入群体灵活就业工资收入的影响差异时，需要使用分位数回归方法。分位数回归包括条件分位数回归和无条件分位数回归，由于条件分位数回归的估计效应受样本中个体特征影响，且在估计高分位数和低分位数效应时，估计量符号存在较大误差。〔33〕因此，本文采用Firpo等提出的无条件分位数回归方法〔34〕，可以克服条件分位数回归分析的缺陷。该方法利用再中心化影响函数（Re-centered Influence Function，RIF）进行回归，RIF函数形式如下：
（三）变量描述
本文的被解释变量为灵活就业者月均工资收入对数，核心解释变量为互联网使用情况，包括移动上网或电脑上网，如果使用移动上网或电脑上网则赋值为1，否则赋值为0。本文还引入了控制变量，包括受教育年限、工作经验、性别、婚姻、户籍、健康状况、语言能力和迁移距离。考虑到不同行业和地区经济发展水平的特征差异也会对灵活就业者工资收入产生影响，为此本文控制变量中还纳入了行业和地区特征变量。对于受教育年限变量，本文为文盲、小学、初中、高中/中专/职高、大专和大学、研究生及以上分别赋值0、6、9、12、16、19；对于工作经验变量，本文用灵活就业者年龄减去受教育年限，然后再减去6来表示；对于性别、户籍和婚姻变量，本文将女性、城镇户籍和已婚灵活就业者均赋值为1，其他赋值为0。对于健康变量，本文将非常健康、比较健康、一般健康、比较不健康、非常不健康分别赋值为5、4、3、2、1。为了考察灵活就业者的语言能力对其收入的影响，本文引入了语言能力变量，语言能力为调查者是否使用普通话，使用普通话赋值为1，方言赋值为0。此外，本文控制变量还纳入了灵活就业者的迁移距离变量，该变量以哑变量的形式引入，以迁移距离在本市内为基准组，引入本市外本省内和本省外两个哑变量。对于行业特征变量，本文以其他行业为基准组，引入了交通运输仓储和邮政业、住宿和餐饮业、文体娱乐业、批发和零售业四个哑变量。对于区域特征变量，本文以西部地区为基准组，引入了东部地区和中部地区两个哑变量。同时，为了避免变量间的共线性问题，本文计算了变量间的相关系数矩阵和方差膨胀因子（VIF），发现变量间的相关系数较低且最大的VIF为2.73，远小于10，故不必担心多重共线性问题。上述变量的基本统计性特征，具体见表1。
四、实证分析
（一）基准回归分析
为考察互联网使用对灵活就业工资收入的影响，本文通过扩展明瑟收入决定方程，引入互联网使用等变量，利用OLS方法对灵活就业工资收入决定方程进行估计，具体回归结果如表2所示。
由表2估计结果来看，在控制其他因素后，互联网使用对灵活就业工资收入的影响在1%水平上显著为正，与未使用互联网的灵活就业者相比，使用互联网可以平均提升灵活就业者月均工资收入约12.41%（换算公式为：exp（0.117）-1）。这与当下互联网数字技术赋能、数字经济蓬勃发展以及国家政策鼓励扶持密不可分。数字经济发展提升了服务水平和交易机会，催生了大量灵活就业岗位，开辟了就业新空间。国家积极鼓励灵活就业，为灵活就业的发展出台了扶持政策，创造了良好的市场环境。2020年7月，出台了《关于支持多渠道灵活就业的意见》。〔35〕2020年10月，在国家发展和改革委员会支持鼓励下，阿里巴巴、百度和腾讯等8家互联网平台企业共同发布了《平台企业支持灵活就业倡议书》。〔36〕在数字经济时代，使用互联网不仅能够提升灵活就业者的职业技能和劳动生产率，而且还会增强其社会网络，提升社会资本水平。同时灵活就业者的职业选择更加宽阔，数字技术赋能催生的大量新就业形态为灵活就业者提供了广阔的职业选择空间。近年来颁布的新职业，如网约配送员、互联网营销师和全媒体运营师等新就业模式为灵活就业者创造了大量就业机会，而且这些基于互联网平台的就业岗位可以显著提升从业者的收入水平。
就控制变量而言，受教育年限会显著提升灵活就业者的工资收入，由经验系数显著为正、经验平方系数为负可得知灵活就业者的经验—收入曲线存在倒“U”型特征。性别变量显著为负和户籍变量显著为正，表明灵活就业市场中也存在一定程度的性别和户籍歧视现象，男性和城镇户籍灵活就业者的平均收入水平更高。婚姻变量显著为正，表明与未婚灵活就业者相比，已婚灵活就业者收入水平更高。健康变量显著为正，表明灵活就业者健康状况越好，其收入水平越高。Grossman认为健康如同教育，也是一种重要的人力资本，健康人力资本越高，其可劳动的工作时间越多，收入水平也越高。〔37〕语言能力变量在1%水平上显著为正，这表明灵活就业者使用普通话会显著正向影响他们的收入水平，已有研究也表明在劳动力市场中语言能力具有较高的工资溢价率。〔38〕对于迁移距离变量，与基准组相比，迁移到本市外本省内、本省外的系数在1%水平上显著为正，而且系数值逐渐递增，这表明迁移距离会显著影响灵活就业者的收入水平，迁移距离越远，其工资溢价越大。这可能与迁入地的经济发展水平相关，迁移距离越远，意味着流动到经济发达地区的可能性更大，进而对其收入水平的提升作用越强。对于行业特征变量，与其他行业相比，交通运输仓储和邮政业、住宿和餐饮业、文体娱乐业、批发和零售业可以显著提升灵活就业者的工资收入，这可能因为以上行业灵活就业市场更为成熟，灵活用工需求也较大，从而对从业者工资水平的提升产生正向影响。由回归系数可知，文体娱乐业对灵活就业工资收入影响更大。这与目前人们生活娱乐消费升级密不可分，很多灵活就业者利用一台电脑或一部手机就可以就业创业，比如电子竞技员也已经成为新职业，很多从事文体娱乐行业的灵活就业者收入也相当可观。对于地区特征变量，与西部地区相比，中部地区变量为负但不显著，东部地区变量显著为正，这与东部地区经济发展水平相关，东部地区经济发展水平比较高，可以为劳动者带来显著的工资溢价。
（二）互联网使用影响灵活就业工资收入的年龄段和性别差异
前文从整体层面分析了互联网使用对灵活就业工资收入的影响，考虑到不同年龄段和性别群体可能存在差异，因此，本文引入青年群体虚拟变量（年龄≤45岁划分为青年群体，赋值为1，否则赋值为0）、互联网使用与青年群体变量的交互项、互联网使用与女性变量的交互项，进一步考察互联网使用对灵活就业工资收入影响的异质性效应。具体异质性回归结果如表3所示。
由表3可知，互联网使用对灵活就业工资收入影响存在群体异质性，其中对青年群体和女性群体工资率的影响大于中老年群体和男性群体。背后的原因是多方面的，与中老年群体相比，青年群体的互联网使用率显著高于中老年群体，《报告》显示，截至2021年6月，20—29岁、30—39岁和40—49岁网民占比分别为17.4%、20.3%和18.7%，50岁及以上群体占28.1%，不足全部网民的1/3。〔39〕除了使用率差异之外，互联网使用在数字经济时代成为一种重要的职业技能，青年群体运用互联网进行职业搜寻和工作的效率更高，同时利用互联网资源进行网上教育进而提升人力资本的能力也强于中老年群体。随着互联网进一步向中高龄人群渗透以及人力资源和社会保障部实施的“互联网+职业技能培训计划”向中老年群体的普及，互联网使用对中老年群体工资率的影响会进一步提升。互联网对女性工资率的影响大于男性，该结论与戚聿东和刘翠花结论一致。〔40〕随着我国数字产业蓬勃发展，越来越多的女性群体使用互联网工作，尤其是新媒体运营、网络营销师和网约车司机等职业更是提高了女性劳动参与率，灵活自主的工作模式还可以兼顾家庭生活，受到女性群体青睐。借助互联网技术，越来越多的女性实现了就业创业，显著提升了她们的工资收入。《向上的力量：滴滴数字平台与女性生态研究报告2021》显示，近8年来，全球共有271.5万女性网约车司机在滴滴平台获得收入，同时增强了独立生活能力，加速了“她时代”的到来。〔41〕可见，在数字经济时代，互联网技术对缩小性别工资差异提供了新途径。
（三）互联网使用影响灵活就业工资收入的区域异质性
为了进一步考察互联网使用对灵活就业工资收入影响的区域异质性，本文将总体按照区域划分为东部、中部和西部样本分别进行回归，具体回归结果如表4所示。
由表4回归结果可知，随着区域由东向西变化，互联网使用对灵活就业工资收入的影响逐渐减弱，即互联网使用对东部地区灵活就业者的工资收入的影响最大，对中部的影响次之，对西部的影响最小。这可能由于与中西部地区相比，东部地区数字经济发展更为迅速，灵活就业岗位需求规模更大，使用互联网给东部地区灵活就业者带来了更多的创收机会。《中国数字经济就业发展研究报告：新形态、新模式、新趋势（2021年）》显示，数字经济岗位数量呈现东中西部逐步减少的特征，东部地区数字经济岗位需求量较大，中西部地区需求量相对较小；数字经济薪资水平也呈现出显著的梯次效应，上海市、北京市和浙江省的平均月薪高于8000元，遥遥领先于其他中西部省份。〔42〕此外，控制变量中受教育年限对东部地区灵活就业者工资收入的影响显著高于中部地区和西部地区；无论东部地区还是中西部地区，灵活就业者的工作经验与收入之间均存在倒“U”型特征，已婚、城镇户籍、健康状况越好对各区域灵活就业者的工资溢价率均显著为正，女性对各区域灵活就业者工资溢价率均显著为负。语言能力、迁移距离对灵活就业者工资收入的影响呈现由东向西逐渐增加的趋势，表明与东部地区相比，中西部使用普通话以及迁移距离越远的灵活就业者工资溢价率会更高。行业特征变量中，交通运输仓储和邮政业、住宿和餐饮业、文体娱乐业、批发和零售业对东部地区灵活就业者工资收入的影响显著高于中西部地区，可能由于东部沿海省份的数字经济发展环境较好、各行业数字化发展程度显著高于中西部地区，从而给东部地区灵活就业者提供了更多的就业机会和增加收入的可能性。
（四）互联网使用影响灵活就业者工资收入的群体收入差异
前文基于OLS的回归结果只能获取互联网使用对灵活就业者工资收入影响的平均值，无法分析互联网使用对不同收入群体灵活就业者工资收入的影响差异。接下来，本文采用无条件分位数回归方法，选取0.10、0.50和0.90分位数衡量低收入群体、中等收入群体和高收入群体，以考察在不同收入阶层中互联网使用对灵活就业工资收入的影响，具体结果如表5所示。
由表5可知，无论对于低收入群体还是中高收入群体，互联网使用对灵活就业者工资收入的影响均显著为正，进一步证明了互联网数字技术有利于增加灵活就业者的工资收入。随着收入阶层的提升，互联网使用对灵活就业者工资率的影响逐渐减弱，表明互联网使用对于低收入群体灵活就业者工资收入的提升作用更强。这与互联网数字技术的普惠性特征密切相关，数字经济时代借助互联网平台催生的大量新就业形态为众多低收入群体尤其是灵活就业者拓宽了就业渠道。目前许多新就业形态已经“转正”成为新职业，包括大量外卖骑手、网约车司机和云客服等适合文化水平相对不高群体的熟练性劳动岗位。新职业的产生为低收入的自由职业者甚至无业者提供了扶贫创收新途径，显著提升了低收入群体的工资收入。《中国共享经济发展报告（2021）》显示，共享平台的新就业形态具有较高的包容性和灵活性，不仅有助于解决重点群体的就业压力，而且有利于应对就业市场不确定性，增加劳动者收入。〔43〕《2019年及2020年疫情期间美团骑手就业报告》显示，美团骑手中建档立卡的贫困人口有25.7万人，其中有25.3万人已经实现了脱贫，脱贫比例高达98.4%。〔44〕可见，互联网在助力低收入群体灵活就业者实现脱贫上发挥了巨大作用。在消除绝对贫困之后的“后扶贫时代”，互联网数字技术将继续为低收入群体提供更多就业岗位，保障社会公平发挥重要作用。
（五）稳健性检验
1. 替换变量估计结果。本文首先替换被解释变量进行稳健性检验，将月均工资对数替换为小时工资对数，进一步检验互联网使用对灵活就业工资收入的影响。同时，由于互联网使用目的具有多样性，为了更好地衡量互联网使用对灵活就业工资收入的影响，本文进一步选取“是否收发电子邮件”（收发邮件）、“互联网作为信息渠道的重要程度”（信息获取）、“使用互联网工作频率”作为互联网使用的替换变量，主要原因是前两个变量能够更好地衡量劳动力对电子邮件和互联网信息搜寻情况〔45〕，第三个变量则可以衡量劳动者利用互联网工作的频繁程度。根据问卷设置，将收发电子邮件赋值为1，其他为0；互联网作为信息渠道重要程度赋值为1—5，数值越大表明互联网作为信息渠道的重要性越强，灵活就业者运用互联网进行信息搜寻的频率越高；使用互联网工作频率赋值为0—3，其中0表示从不使用互联网工作，1表示几个月1次到一个月2—3次，2表示一周1—4次，3表示几乎每天使用互联网工作。替换变量具体估计结果如表6所示。
由表6可知，将被解释变量替换为小时工资率之后，互联网使用仍显著提升了灵活就业工资收入水平，进一步证实了前文回归结果的稳健性。以收发邮件、信息获取、使用互联网工作频率作为解释变量时回归系数仍然显著为正。灵活就业者使用互联网收发邮件可能意味着其人力资本水平较高，互联网使用技能更为熟练，从事基于互联网平台工作的概率更大，对其工资收入影响更为显著。同时以互联网作为主要信息来源的灵活就业者收入水平更高，因为使用互联网获取信息具有明显的信息优势，可以帮助灵活就业者避开劳动力市场中信息不对称，有助于信息搜寻，打通信息渠道，使其及时、高效地获取市场动态和职位信息。此外，互联网信息获取可以帮助灵活就业者扩大社会网络，提升社会资本水平。使用互联网工作的频率越高，有助于提高劳动生产率，进而对灵活就业者工资收入产生显著提升作用。
2.工具变量估计结果。前文回归结果可能存在内生性问题，即一方面使用互联网增加了灵活就业者工资收入；另一方面工资收入较高的灵活就业者可能因为工作需要使用互联网的需求更大，上述问题将会导致前文回归结果发生有偏和不一致。为此，本文采用工具变量法进行内生性检验。本文参照已有文献选取省级互联网普及率、省级电子商务发展指数作为互联网使用的工具变量〔46〕，因省级互联网普及率和电子商务发展越快，劳动者使用互联网的概率越大，两个工具变量与互联网使用变量相关，即满足相关性条件；同时上述两个变量为宏观层面数据，其中，省级电子商务发展指数来自清华大学联合有关单位定期发布的《中国电子商务发展指数报告（2018）》〔47〕，也满足外生性条件。本文对工具变量进行了不可识别检验、弱工具变量检验和过度识别检验，其中，Kleibergen-Paap rk LM统计量的P值为0.000，小于0.05，显著拒绝“不可识别”的原假设。Cragg-Donald Wald F统计量为28.312，Kleibergen-Paap rk Wald F 统计量为36.015，大于所有临界值，说明拒绝“弱工具变量”的原假设，即方程不存在弱工具变量。Hansen J统计量的P值为0.769，表明省级互联网普及率和电子商务发展指数作为互联网使用的工具变量为外生的，与扰动项不相关。工具变量回归结果见表7。
由表7可知，在控制变量不变的情况下，互联网使用显著正向影响灵活就业者工资收入，这表明对于灵活就业者，互联网使用存在“工资溢价”效应，可以显著提升灵活就业者工资收入水平。此外，控制变量的回归结果与前文分析基本一致，此处不再赘述。
五、进一步讨论
（一）影响机制分析
接下来，本文进一步探讨互联网使用对灵活就业者工资收入的影响机制。盛卫燕和胡秋阳认为社会资本通过扩大劳动者人际交往和社会网络，可以为其就业提供信息资源和资金支持，进而影响其收入水平。〔48〕数字经济时代，互联网极大地改变了人们的生活和工作方式，互联网不仅可以显著扩大人际社交网络，而且还有助于降低劳动力市场中信息搜寻成本，改善就业搜寻匹配方式。此外，在互联网时代，越来越多的新就业形态产生，劳动者选择自主就业的比率也极大地提高，对劳动力市场产生了重要影响。〔49〕《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》也提出，要强化就业优先政策，建立促进创业带动就业、多渠道灵活就业机制，增强劳动力市场的包容性。〔50〕为此，本文分别添加了社会资本和职业选择变量，分析其是否构成互联网使用影响灵活就业工资收入的传导机制。对于社会资本变量，本文采用盛卫燕和胡秋阳的方法〔51〕，引入“找工作是否得到他人帮助”的哑变量作为社会资本的代理变量，获得帮助赋值为1，否则为0；对于职业选择变量，由于灵活就业群体内部存在异质性，既包括自雇灵活就业，也包括受雇灵活就业。本文利用数据库中“主要工作的所有者”来进行界定，其中灵活就业群体中“为自己/自家工作”赋值为1，代表自雇灵活就业，“受雇于他人/公司”赋值为0，代表受雇灵活就业。
为了进一步考察互联网使用对灵活就业工资收入的直接影响，以及互联网使用通过影响灵活就业者的社会资本和职业选择进而对其收入产生的间接影响，本文采用中介效应模型进行分析。中介效应模型为：
由表8可知，互联网使用在1%的水平上显著正向影响灵活就业者的社会资本，这表明互联网使用会显著增加该群体的社会资本。控制互联网使用和社会资本后，互联网使用在1%的水平上显著正向影响灵活就业者工资收入水平，这表明互联网使用不仅可以直接影响灵活就业者工资收入，而且还会通过增强灵活就业者的社会资本，间接增加该群体的收入水平。这是因为社会资本一方面可以为灵活就业者提供更多的资源，使其得到更多机会，另一方面互联网时代社会网络内部信息沟通成本的降低促进社会资本进一步提升和增强。对于职业选择中介变量，回归结果显示互联网使用会显著正向影响灵活就业者的职业选择，与未使用互联网的灵活就业者相比，使用互联网的灵活就业者选择自雇就业的概率更大。通过控制互联网使用和职业选择变量后，互联网使用在1%水平上显著正向影响灵活就业者的工资收入，这表明互联网使用除了通过增加灵活就业者社会资本的渠道影响其收入水平之外，还会通过影响灵活就业者的职业选择，进一步影响该群体的收入水平。
（二）工资差异分析
已有文献对正规就业者与非正规就业者的工资差异进行了大量分析，研究结论基本一致，非正规就业者的收入水平显著低于正规就业者的收入水平。〔52〕与正规就业者相比，灵活就业者仍为劳动力市场中的弱势群体，收入存在较大的不稳定性。但是数字经济时代互联网普及率逐年提升，新产业、新业态、新商业模式不断产生，互联网对劳动者生活方式和工作方式产生了重要影响。与传统非正规就业相比，许多新就业形态的产生拓宽了灵活就业者的收入渠道。在数字经济背景下，互联网使用对正规就业者与灵活就业者工资差异会产生怎样的影响？互联网使用会扩大正规就业者与灵活就业者的工资差异，还是会缩小两个群体的工资差异？为此，本文对两个群体的工资差异进行分解。为了分析低收入群体、中等收入群体和高收入群体中正规就业者与灵活就业者的工资差异，本文基于无条件分位数回归进行RIF分解，具体为：
由表9分位数分解结果可知，低收入群体中正规就业者与灵活就业者工资差异较大，随着收入阶层提升，两个群体间工资差异逐渐缩小。这可能是因为低收入群体中的灵活就业者从事临时工、小时工等工资水平较低的传统非正规就业，与正规就业者工资差异较大。然而，高收入群体中的灵活就业者可能主动选择自身偏好的职业，尤其是数字经济催生的新就业形态为使用互联网工作的灵活就业者提供了更多机遇和选择，收入渠道较多。新就业形态从业者可以更加灵活自主地支配自己的时间，根据自身能力让多种职业身份汇聚一身，成了典型的“斜杠者”〔53〕，互联网赋能使高收入阶层中的灵活就业者拥有更多的收入来源，因而与正规就业者的工资差异较小。从特征差异来看，随着收入阶层提升，总特征差异有逐渐扩大趋势，表明特征差异是高收入群体中正规就业者与灵活就业者工资差异的重要因素。从系数差异来看，总系数差异有逐渐缩小的趋势，表明市场歧视依旧是造成低收入群体中正规就业者与灵活就业者工资差异的重要因素。就分解项来看，互联网使用的特征差异和系数差异为负值，表明由互联网接入造成的特征差异和收益率产生的系数差异能够缩小正规就业者与灵活就业者的工资差异，而且对缩小低收入群体中二者工资差异的作用更大。其内在原因之一是数字经济时代互联网快速普及，越来越多的低收入群体也拥有了使用互联网的机会。此外，使用互联网对低收入群体灵活就业者带来更高的工资收益率，互联网工资收益率差异进一步缩小了低收入群体二者的工资差异。同时，互联网的普及促进了知识溢出，越来越多的劳动者尤其是低收入群体获得知识和职业技能提升的成本大大降低，为低收入群体人力资本的提升提供了更多机会和可能，从而对该群体收入提升产生更强的促进作用。
六、结论与政策建议
数字经济时代，随着互联网快速普及应用，人们社会生活发生了翻天覆地的变化。本文利用2018年中国家庭追踪调查数据考察了互联网使用对灵活就业工资收入的影响及其传导机制，分析了互联网使用对正规就业者与灵活就业者工资差异的影响。研究发现：
第一，互联网使用对灵活就业者工资收入存在显著正向影响，与未使用互联网的灵活就业者相比，使用互联网可以提升灵活就业者月均工资收入水平12.41%。在异质性方面，随着收入阶层提升，互联网使用对灵活就业者工资率的影响程度逐渐减弱；青年和女性群体使用互联网对工资率的提升作用明显高于中老年和男性群体。
第二，本文利用替换变量、工具变量进行稳健性检验，上述结论依旧稳健。通过分析互联网使用影响灵活就业者工资收入的机制，发现社会资本和职业选择是两个显著的中介变量，使用互联网的灵活就业者拥有更高的社会资本和自雇就业概率，进而工资收入更高。
第三，本文对正规就业者与灵活就业者的工资差异进行分解，发现随着收入阶层提升，两者工资差异呈现逐渐缩小的趋势，其中特征差异是高收入群体中两者工资差异的重要因素，而市场歧视依旧是造成低收入群体中两者工资差异的重要原因。就分解项互联网使用来说，互联网使用对缩小低收入阶层正规就业与灵活就业者工资差异的作用更强。
以上结论表明，数字经济时代互联网使用显著提高了灵活就业者的工资收入，而且随着互联网日益普及，对缩小正规就业者与灵活就业者工资差异提供了新途径。因此，为了更好地让互联网促进灵活就业市场健康发展，在经济下行压力趋增的环境下做好稳就业保民生工作，本文提出以下建议：
一是全面普及互联网使用，进一步优化升级互联网基础设施建设，降低互联网使用成本，为灵活就业者尤其是中老年群体使用互联网创造有利条件。呼吁全国各类互联网平台企业充分挖掘科技创新潜能，鼓励阿里巴巴、腾讯、百度、滴滴出行、京东、美团和智联招聘等龙头企业起到带头示范作用，依托网络进行招聘、教育和零售等，为灵活就业者创造就业和办公条件，带动平台上的中小微企业和个体工商户等为劳动力市场提供更多灵活就业岗位。
二是随着网络平台衍生出的新就业形态蓬勃发展，产业结构不断转型升级，鼓励灵活就业者借助互联网技术积极就业创业，人力资源和社会保障部进一步推进落实“互联网+职业技能培训计划”，通过制定合理的培训时间和补贴标准，增强灵活就业者职业技能培训质量。强化平台企业与行业协会、高校科研机构等之间的合作，通过自建培训平台或科研院校为灵活就业者职业技能培训做好支撑保障。同时鼓励灵活就业者积极努力提高自身互联网使用技能，通过在线教育和网络学习提高自身人力资本和社会资本以更好地适应社会发展和劳动力市场需求。
三是建立灵活就业者就业统计制度并健全灵活就业社会保障体系。以个人经营、非全日制、新就业形态等灵活方式就业的个体，可以在常住地公共就业服务机构办理就业登记，按规定享受各项政策和服务。充分保障灵活就业者合法权益，继续对灵活就业者给予社保补贴，并在社会保险、税收缴纳等方面进行制度创新和服务创新，打通制度障碍，破解灵活就业者面临的账户转移衔接困难、风险补偿困难等制约灵活就业发展的瓶颈，为灵活就业者提供健全的社会保障体系。
〔参考文献〕
〔1〕〔7〕〔20〕〔39〕中国互联网络信息中心：《第48次中国互联网络发展状况统计报告》，2021年9月15日，http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/，2021年11月2日。
〔2〕人力资源和社会保障部：《惠及2亿人！四大举措支持灵活就业，来看》，2021年5月25日，http://www.mohrss.gov.cn/SYrlzyhshbzb / dongtaixinwen / buneiyaowen / rsxw/202105/t202105
25_415155.html，2021年7月8日。
〔3〕〔43〕国家信息中心：《中国共享经济发展报告（2021）》，2021年2月19日，http://www.sic.gov.cn/News/557/10779.htm，2021年10月27日。
〔4〕国务院办公厅：《关于支持多渠道灵活就业的意见》，2020年7月28日，http://www.gov.cn/zhengce/content/2020-07/31/content_5531613.htm，2021年10月25日。
〔5〕李克强：《政府工作报告——2021年3月5日在第十三届全国人民代表大会第四次会议上》，2021年3月5日，http://www.gov.cn/zhuanti/2021lhzfgzbg/index.htm?_zbs_baidu_bk，2021年10月15日。
〔6〕〔13〕戚聿东、丁述磊、刘翠花：《数字经济时代新职业发展与新型劳动关系的构建》，《改革》2021年第9期。
〔8〕张抗私、刘翠花、丁述磊：《正规就业与非正规就业工资差异研究》，《中国人口科学》2018年第1期；孙红晔、朱丽敏、高功敬：《非正规就业者在不同部门的工资劣势差异——基于复合样本选择的修正》，《劳动经济评论》2021年第2期。
〔9〕人力资源社会保障部：《人力资源社会保障部、国家市场监督管理总局、国家统计局联合发布集成电路工程技术人员等18个新职业》，2021年3月18日，http://www.mohrss.gov.cn/SYrlzyhshbzb/dongtaixinwen/buneiyaowen/rsxw/202103/t20210318_411376.html，2021年9月27日。
〔10〕DiMaggio P.，Bonikowski B.，“Make Money Surfing the Web? The Impact of Internet Use on the Earnings of U. S. Workers，” American Sociological Review，vol.73，no.2（2008），pp. 227-250.
〔11〕王阳：《互联网快速普及对城镇失业的影响及建议》，《宏观经济研究》2020年第7期。
〔12〕詹婧、王艺、孟续铎：《互联网平台使灵活就业者产生了分化吗?——传统与新兴灵活就业者的异质性》，《中国人力资源开发》2018年第1期。
〔14〕Krueger A. B.，“How Computers Have Changed the Wage Structure：Evidence from Micro Data，1984-1989，” Quarterly Journal of Economics，vol.107，no.1（1993），pp.33-60；Lee S. H.，Kim J.，“Has the Internet Changed the Wage Structure Too?，” Labour Economics，vol.11，no.1 （2004），pp. 119-127.
〔15〕Holman D.，“Job Types and Job Quality in Europe，” Human Relations，vol.66，no.4（2013），pp.475-502；Hooghe M.，Oser J.，“Internet，Television and Social Capital：The Effect of ‘Screen time’on Social Capital，” Information，Communication & Society，vol.18，no.10（2015），pp.1175-1199.
〔16〕Bauernschuster S.，Falck O.，Woessmann L.，“Surfing Alone? The Internet and Social Capital：Evidence from an Unforeseeable Technological Mistake，” Journal of Public Economics，vol.117，no.1（2014），pp.73-89；Stam W.，“Social Capital of Entrepreneurs and Small Firm Performance：A Meta-analysis of Contextual and Methodological Moderators，” Journal of Business Venturing，vol.29，no.1（2014），pp.152-173；Dettling L. J.，“Broadband in the Labor Market：The Impact of Residential High Speed Internet on Married Women’s Labor Force Participation，” Industrial & Labor Relations Review，vol.70，no.3（2017），pp. 451-482.
〔17〕蒋琪、王标悦、张辉、岳爱：《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》，《劳动经济研究》2018年第5期。
〔18〕Akhter S. H.，“Digital Divide and Purchase Intention：Why Demographic Psychology Matters，” Journal of Economic Psychology，vol.24，no.3（2003），pp.321-327；周云：《女性与互联网研究现状回顾》，《妇女研究论丛》2005年第2期。
〔19〕〔27〕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》，《财经研究》2018年第7期。
〔21〕赵建国、周德水：《互联网使用对大学毕业生就业工资的影响》，《中国人口科学》2019年第1期。
〔22〕〔28〕〔45〕刘晓倩、韩青：《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》2018年第9期；宋林、何洋：《互联网使用对中国农村劳动力就业选择的影响》，《中国人口科学》2020年第3期。
〔23〕Forman C.，Goldfarb A.，Greenstein S.，“The Internet and Local Wages：A Puzzle，”American Economic Review，vol.102，no.1（2012），pp. 556-575．
〔24〕Song J.，Wang E.，“China’s Information and Communication Technology in Geographic Perspective，” Eurasian Geography and Economics，vol.53，no.4（2012），pp. 502-526．
〔25〕胡浩然、张盼盼、张瑞恩：《互联网普及与中国省内工资差距收敛》，《经济评论》2020年第1期。
〔26〕〔40〕戚聿东、刘翠花：《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》，《经济理论与经济管理》2020年第9期。
〔29〕Loehmer E.，Smith S.，Mccaffrey J.，Davis J.，“Examining Internet Access and Social Media Application Use for Online Nutrition Education in SNAP-Ed Participants in Rural Illinois，”Journal of Nutrition Education and Behavior，vol.50，no.1（2018），pp.75- 82；王元超：《互联网工资溢价效应的阶层差异》，《社会学评论》2019年第2期。
〔30〕北京大学中国社会科学调查中心（ISSS）：《2018年中国家庭追踪调查数据》，http://www.isss.pku.edu.cn/cfps/，2021年9月26日。
〔31〕尹文耀、叶宁：《中国灵活就业人口及其对社会养老保险的影响分析》，《浙江大学学报（人文社会科学版）》2010年第1期。
〔32〕何文、申曙光：《灵活就业人员医疗保险参与及受益归属——基于逆向选择和正向分配效应的双重检验》，《财贸经济》2020年第3期。
〔33〕Peeters L.，Schreurs E.，Passel S. V.，“Heterogeneous Impact of Soil Contamination on Farmland Prices in the Belgian Campine Region：Evidence from Unconditional Quantile Regressions，”Environmental & Resource Economics，vol.66，no.1（2017），pp.135-168.
〔34〕Firpo S.，Fortin N. M.，Lemieux T.，“Unconditional Quantile Regressions，”Econometric，vol.77，no.3（2009），pp.953-973.
〔35〕国务院办公厅：《关于支持多渠道灵活就业的意见》，2020年7月31日，http://www.gov.cn/zhengce/content/2020-07/31/content_5531613.htm，2021年9月1日。
〔36〕国家发展和改革委员会：《支持灵活就业倡议书发布，平台企业共促灵活就业》，2020年10月23日，https://new.qq.com/omn/20201023/20201023A08ANO00.html，2021年9月1日。
〔37〕Grossman M.，“On the Concept of Health Capital and the Demand for Health，”The Journal of Political Economy，vol.80，no.2（1972），pp. 223-255.
〔38〕赵颖：《语言能力对劳动者收入贡献的测度分析》，《经济学动态》2016年第1期。
〔41〕滴滴女性联盟等单位：《向上的力量：滴滴数字平台与女性生态研究报告2021》，2021年3月8日，https://mp.weixin.qq.com/s/XwC8DBJiM8T8xrfcGUmvxg，2021年9月8日。
〔42〕中国信息通信研究院：《中国数字经济就业发展研究报告：新形态、新模式、新趋势（2021年）》，2021年3月23日，http://www.caict.ac.cn/kxyj/qwfb/ztbg/202103/t20210323_372157.htm，2021年9月28日。
〔44〕美团研究院：《2019年及2020年疫情期间美团骑手就业报告》，2020年3月19日，https://mp.weixin.qq.com/s/SLsOV4RUpKDmFnW8ZJOmVQ，2021年5月18日。
〔46〕殷俊、刘一伟：《互联网使用对农户贫困的影响及其机制分析》，《中南财经政法大学学报》2018年第2期；赵羚雅：《乡村振兴背景下互联网使用对农民创业的影响及机制研究》，《南方经济》2019年第8期。
〔47〕清华大学电子商务交易技术国家工程实验室等：《中国电子商务发展指数报告（2018）》，2019年5月28日，https://www.ec.com.cn/upload/article/20190528/201905281 024 36358.pdf，2021年8月30日。
〔48〕〔51〕盛卫燕、胡秋阳：《认知能力、非认知能力与技能溢价——基于CFPS2010—2016年微观数据的实证研究》，《上海经济研究》2019年第4期。
〔49〕Atasoy H.，“The Effects of Broadband Internet Expansion on Labor Market Outcomes，” Industrial & Labor Relations Review，vol.66，no.2（2013），pp.315-345.
〔50〕《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》，2020年11月3日，http://www.gov.cn/zhengce/2020-11/031content_5556991.htm，2021年11月20日。
〔52〕Bargain O.，Kwenda P.，“Earnings Structures，Informal Employment，and Self-employment：New Evidence from Brazil，Mexico，and South Africa，” Review of Income and Wealth，vol.57，no.1 （2011），pp. 100-122；薛进军、高文书：《中国城镇非正规就业：规模、特征和收入差距》，《经济社会体制比较》2012年第6期。
〔53〕吕廷杰、刘涛、宋超营、崔鹏：《从雇佣到自由人：新经济模式下的分工3.0革命》，北京：电子工业出版社，2017年，第3-4页。
【责任编辑：田 华】
