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

詹婧 王艺 孟续铎

（1首都经济贸易大学 劳动经济学院, 北京 100070）（2 中国劳动保障科学研究院, 北京 100102）

1 引言

随着经济的发展和社会的进步, 越来越多的劳动者对工作自主性和自由度提出了要求, 在职业选择时倾向于灵活就业这种就业方式。罗宾•科恩和保罗•肯尼迪（2001）在他的著作中指出“世界已经进入了弹性劳动与经济不稳定、工作不稳定的时代”。来自国际劳动组织的资料显示,20世纪90年代, 整个非洲新增就业机会中超过90%是由非正规部门创造的（姚宇, 2008）。在我国学者的研究中,“灵活就业”的概念基本等同于“非正规就业”（张成刚,2016）, 研究者将非正规就业划分为11种就业形式: 非全日制就业、短期就业、派遣就业、季节就业、待命就业、兼职就业、远程就业、承包就业、独立就业、自营就业和家庭就业（董保华, 2008）。

近些年, 我国灵活就业发展的速度业已跃居世界前列, 对于这一问题的研究成果也非常丰富, 其中不少研究集中于劳动者选择灵活就业的原因（胡凤霞, 2011; 宁光杰,2012; 解垩, 2012; 刘波, 徐蔼婷, 2014）, 劳动者从事灵活就业的收入效应、减贫效果、与正规就业相比的工资差异等结果（常进雄, 王丹枫, 2010; 薛进军, 高文书, 2012; 魏下海,余玲铮, 2012; 都阳, 万广华, 2014; 杨凡, 2015）, 同时还有不少研究关注了灵活就业者的社会保障、权益保护等政策问题（蔡岩, 2009; 华迎放, 2009; 张国英, 吴少龙, 2012）。

互联网技术的发展和进步革新了灵活就业的形式, 越来越多的劳动者通过平台实现了灵活就业, 这引起了学者的关注。一些研究认为互联网的出现改变了劳动者就业的渠道, 分割了劳动力市场, 对劳动关系带来了挑战（纪雯雯, 赖德胜, 2016）, 也有学者对平台就业者和平台之间的关系进行了界定和讨论（刘剑, 2015; 王天玉, 2016; 彭倩文, 曹大友, 2016）。不同方式下的灵活就业者是否存在显见的异质性？互联网平台的出现会不会改变灵活就业劳动者的从业习惯和方式, 甚至影响劳动者的未来就业选择？如果有影响, 这其中的作用机制是什么？这是本文尝试回答的问题。

为了回答上述问题, 有必要对灵活就业的参与者进行深入研究, 从微观数据上获得更多的证据, 分析两种方式下灵活就业者的个体特征差异和职业特点的异质性以及互联网平台对劳动者就业选择的影响。因此在本文第二部分,研究将重点对传统灵活就业者和通过互联网平台就业的灵活就业者从业状况、以及互联网平台对灵活就业者就业选择影响等问题进行综述; 第三部分, 笔者拟结合调研数据对互联网平台与线下两种方式下的灵活就业者进行分析,初步探索线上线下灵活就业者的差异; 第四部分, 将互联网平台、就业时间安排、参保情况及就业经历作为自变量放入模型, 进一步分析互联网平台对劳动者就业决策的影响。

2 概念辨析与文献综述

2.1 灵活就业的内涵

国际劳工组织在《1991年局长报告: 非正规部门的困境》中将非正规部门定义为: “发展中国家城市地区那些低收入、低报酬、无组织、无结构的很小生产规模的生产和服务单位”（赵永巍, 2014）。1992年的第15届国际劳动统计大会上, 国际劳工组织将单个非正规部门定义为灵活就业组织, 改变了理论界对非正规部门临时性存在的看法（胡增亮, 2013）。1996年第83届国际劳工大会就业政策委员会重申“自由选择的就业”的重要意义, 为多种非正规就业方式的存在与发展提供了坚实的支持（方晔,2002; 董保华 , 2008）。

Vosko（2010）从不稳定用工的视角研究灵活用工,认为它意味着不确定、不稳定和不安全的雇佣, 包含的雇佣关系类型比较宽泛。从总体特征上看, 大致可以分为三大类型: 一是在劳动标准、生产组织管理等方面达不到大规模生产企业标准的就业形式; 二是由于科技进步和新兴产业的发展所引起的传统就业方式的变革而产生的新的就业形式; 三是独立于单位就业之外的就业形式（方文超,2004）。万向东（2008）从雇佣关系、政府管制和就业效果三个维度来界定灵活就业, 他认为所谓灵活就业是指具有非正式的雇佣关系、未进入政府征税和监管体系、就业性质和效果处于低层次和边缘地位的劳动就业。

本文采用的灵活就业概念是指在劳动时间、劳动报酬、工作场地、保险福利、劳动关系等一个或几个方面不同于建立在工业化和现代工厂制度基础上的、传统的主流就业方式的各种就业形式的总称, 上文中提到的灵活就业形式中的非全日制就业、短期就业、待命就业、兼职就业、远程就业等都在本文讨论范畴之内。

2.2 传统灵活就业者的从业状况

1995年以来我国城镇灵活就业发展迅速, 其增长率大大超过了全国城镇就业增长率。胡鞍钢、赵黎（2006）等人整理数据发现: 1990-2004年, 全国城镇就业增长率为3.2%, 而城镇非正规部门就业年平均增长率为12.5%, 灵活就业对新增就业贡献比率达到了13.3%。截至2004年, 灵活就业人数占总就业人数的58.69%, 大大超过了各类正规就业人数。吴要武等（2006）对灵活就业的界定和测算显示, 2002年我国城镇灵活就业人数占城镇总就业人数的比例介于40.3%～45.2%之间, 截止到2008年, 这一比例依旧稳定在41.0%左右。

从微观层面上看, 灵活就业劳动力市场在我国具有长期存在和发展的合理性和必然性, 已经成为劳动力市场上一种重要的就业形式（吴要武, 2009; 黎煦、高文书, 2010;胡凤霞, 2011）。也对我国社会经济产生了深刻的影响, 引起了学界的广泛关注（胡凤霞, 2011）。数据显示, 灵活就业形式在国民经济中扮演着越来越重要的角色, 参与其中的劳动者数量也越来越多, 近年来随着互联网经济的快速发展, 灵活就业中的远程就业、平台就业等形式日益凸显,占据了越来越高的比例。这一环境的变化会给灵活就业劳动者带来哪些变化？是否会出现明显的从业特征区别, 这是后文需进一步探讨的问题。

2.3 互联网平台对灵活就业者的影响

互联网的发展推动了平台就业的进步, 各行各业都出现了通过互联网平台实现就业的劳动者, 人们熟知的滴滴、Uber司机等便是这种就业模式中的代表者。一方面, 不少研究者关注和讨论这种就业形态的新特点, 张成刚（2016）从生产力和生产关系两个角度解释了这种就业形态的“新型”, 从生产力的角度来讲, 它指的是在新一轮工业革命的带动下, 通过劳动者与生产资料互动, 实现虚拟与实体灵活协作的工作模式。从生产关系角度来看, 它指的是伴随着互联网技术进步出现的去雇主化的就业模式。企业管理者也在不断采用非传统的创新视角去思考个体与组织、个体价值与整体价值之间的关系, “以租用代替购买”, 不要求劳动者在固定的工作场所开展工作, 允许其利用技术手段开展工作, 在劳动报酬、工作时间和工作地点等内容呈现更加灵活性和碎片化的特征（唐鑛, 2016; 唐鑛, 郝建彬, 2016）。另一方面, 互联网平台拓展了劳动者的就业机会, 形成新的就业增长点（张小建, 马永堂, 2013; 纪雯雯,赖德胜, 2016; 陆胤, 李盛楠, 2016; 李长安, 2016）。近两三年风靡中国的滴滴约车, 从2014年8月开始至2015年,提供的工作机会超过了100万（王欣, 2015）。

在这些变革发生的同时, 互联网平台也为劳动者和劳动关系带来了新挑战。邱林川（2009）创造性提出了“网络劳工”的概念, 指出互联网时代的劳工问题既包括传统议题, 又涵盖新的劳动领域、生产方式、劳工组织形态和表达方式, 提出要落实劳工主体性, 回归劳动本原。韩树杰（2015）结合互联网时代的特色, 提出了“轻雇佣”的概念, 对人才“不求所有、但求所用”; 在这种模式下, 消费者直接参与交易和管理, 劳动者工作独立性强, 社会生产方式和企业用工方式都得到了改变, 劳动关系的外延和内涵得以拓宽, 劳动力的内在需求得以更新（纪雯雯, 赖德胜, 2016; 陆胤, 李盛楠, 2016）。彭倩文和曹大友（2016）从劳动过程控制的角度否定了网约车司机和平台之间存在劳动关系, 认为他们之间属于劳务关系。也有研究者认为,虽然互联网对个别劳动关系和集体劳动关系都带来了挑战, 但没有改变雇佣关系的本质, 更没有改变劳动者的从属性（刘剑, 2015; 王天玉, 2016）。

2.4 灵活就业劳动者就业偏好影响因素的研究

囿于平台就业发展的时间和阶段, 目前针对互联网平台对灵活就业者职业决策影响的研究仍然比较欠缺, 已有的针对劳动者就业决策影响因素的研究仍然主要集中于三个维度, 即社会因素、职业因素和个人因素。

从社会因素进行探讨的研究者主要关注了社会资本、社会网络和关系强度等因素。传统的社会资本论认为, 拥有的社会资本越多, 越容易获得机会, 相反, 社会资本的匮乏会限制劳动者的就业选择（Lin, 1999; 胡凤霞, 姚先国,2011; 宁光杰, 2012; 边燕杰, 2012）。从关系强度的角度来看, 格兰诺维特和林南都认为“弱关系”1相同阶层的人们在权力、财富、声望等资源方面相似性高, 他们之间往往是强关系; 而不同阶层的人们资源相似性低, 他们之间往往是弱关系。格兰诺维特和林南都认为：通过亲属和朋友得到信息的人向上流动的机会比较少, 而通过相识得到信息的人往往流动到一个地位较高、收入入较丰的职位, 弱关系就为阶层地位低的人提供了连接高地位人的通道。联系着那些地位高于自我的人, 提供了更加优质的岗位信息（Lin, 1999; 马莉萍, 丁小浩, 2010）。边燕杰的“强关系”假设认为, 在当下的中国, 强关系比弱关系更有可能成为帮助者与求职者之间的桥梁（边燕杰, 2004）。

职业因素对灵活就业劳动者就业决策影响的研究主要从收入、就业路径依赖和职业保险这几个角度展开论述。就收入对居民灵活就业选择的影响而言, 国内外实证研究大致形成三类观点: 一类认为低收入者更倾向于选择灵活就业; 另一类则认为贫困并非居民灵活就业决策的影响因素（宁光杰, 2012; 刘波, 徐蔼婷, 2014）, 还有一类观点认为收入越高的居民从事灵活就业的概率越高（胡凤霞,2011）。曾经的工作经历也会影响劳动者的就业选择, 这说明就业决策具有路径依赖性（Lofstrom, 2009; 宁光杰,2012; 解垩, 2012）。另外, 在选择是否从事灵活就业时, 保险也是一个重要指标, 在中国, 被保险完全覆盖的劳动者会获得约相当于工资总额35%的非工资性收入（宁光杰,2012）。从2001年开始, 原劳动和社会保障部、国务院不断下发关于灵活就业职工保险的政策法规（袁霓, 2013）。

个人因素对就业选择的影响主要包括个体先天具备的能力和后天获得的资源（宋山梅, 刘文霞, 2014）。从个人特征变量的角度来讲, 性别影响着劳动者的就业选择, 相比男性, 女性更容易进入到灵活就业市场, 我国女性就业者中非正式工所占的比例为40.73%, 男性比例为37.93%（谭琳, 李军峰, 2003; 李强, 2012）。针对教育因素的研究是比较丰富的, 研究者认为教育程度在就业决策和入职后的工资获取等不同阶段发挥了不同的作用（宋山梅, 刘文霞, 2014）; 教育显著提高了农民工从事灵活就业的概率（胡凤霞, 姚先国, 2011; 李瑞琴, 2014）; 而一些研究则认为拥有较低人力资本的居民, 从事非正规职业的机率越高（吴要武, 蔡昉, 2006; 刘波, 徐蔼婷, 2014）。也有学者通过实证分析发现, 是否从事灵活就业还与家庭特征相关（刘云平 , 王翠娥 , 2013）。

表1 变量设置

综上可见, 随着互联网平台就业形式的出现, 不少研究者从理论和实证两个角度探讨了平台就业给劳动者、劳动关系、劳动用工等带来的影响, 但对参与平台就业的劳动者的研究仍然比较欠缺, 尤其是缺少平台对劳动者就业状态和就业决策等问题影响的深入研究, 而平台就业劳动者未来的职业选择偏好及其影响因素在很大程度上影响着这一就业形态的未来发展和长期可持续性。因此, 为了判断和预测我国平台就业的发展情况, 有必要对它的参与者进行深入研究, 从微观数据上获得更多的证据（李晓曼,2013）。前述文献梳理显示, 目前对劳动者就业选择影响因素的研究大多从社会因 素、职业因素、个人因素等角度展开论述, 这构成了本文实证研究的基础和基本框架。此外, 平台的出现是否从根本上改变了参与者的从业习惯,进而影响劳动者未来的就业选择, 如果有影响, 其具体的影响机制是什么？这是本文实证部分着重回答的问题。

3 数据来源与描述性统计

3.1 数据来源与变量赋值

本文数据来源于中国劳动保障科学研究院课题组利用微工网平台2微工是一个提供灵活性用工的的O2O服务平台, 个人可以根据闲暇时间和地理位置来找到靠谱的零散活儿, 并快速得到酬劳和积累工作经验。就业者获取的线上数据, 以及采取典型调查得到的线下调研数据, 样本涉及北京、河北、河南等省市,共获得数据7242份, 其中灵活就业者数据3640份, 通过线下方式获得工作的灵活就业者有效数据有1834份, 通过线上方式获得工作的灵活就业者有效数据有1806份。

笔者对数据所涉及变量进行了赋值, 具体情况见表1。

表2 变量的描述性统计结果单位：%

3.2 数据频率统计

表2是本文所涉及变量的频率统计, 通过对各变量初步的描述性统计分析, 可以发现灵活就业的一些典型特点:如就业形式的亲女性化, 就业群体的年轻化, 参与者受教育水平的提高趋势等; 同时研究还发现, 灵活就业群体中通过线上和线下不同方式获得职业的劳动者也存在一些差别, 如线上灵活就业者的受教育水平明显高于线下灵活就业者, 线上灵活就业者中来自外地户籍的劳动者所占比例高于线下, 具体变量描述统计结果和分析如表2所示。

3.3 线上与线下灵活就业者人口学特征的异质性

3.3.1 互联网平台灵活就业者的亲女性特征

从性别来看, 灵活就业者中男性所占百分比为48%,线上线下的男性灵活就业者比重都未到达50%, 但线下灵活就业者中男性比重稍多。虽然具有灵活性的灵活就业制度并非专为女性而设, 但它被女性接受的程度高于男性是不争的事实（李晓曼, 2013）。在发达国家, 许多女性因为个人或家庭原因自愿选择灵活就业, 许多发展中国家的调查和研究也证明了女性更容易成为灵活就业者, 这被称为“非正规部门的女性化”或者“女性的非正规部门化”（袁霓, 2013）。这一特征在互联网平台灵活就业中也显得十分突出, 在国外的文献中, 有研究证实了互联网使用会显著地影响女性的劳动时间配置和就业决策（Dettling,2017）。互联网降低了信息搜寻成本, 促进了线上的工作搜寻行为, 提高了工作匹配效率, 增加了女性获得工作的机会（Stevenson, 2009; Kuhn & Mansour, 2014）。毛宇飞（2017）就认为互联网通过增加女性个人工资和降低保留工资, 提高了她们的就业概率。

3.3.2 互联网平台灵活就业者的年轻化趋势

从年龄分布来看, 灵活就业者的波峰集中在21-30岁之间,所占百分比为54%, 同时数据显示, 线上就业者在21-30岁之间的比重为66.2%, 远超于线下的42%, 20岁以下的线上灵活就业者比重高于线下就业者, 31岁及以上的线上灵活就业者所占比重低于线下就业者, 可见通过线上方式获得灵活就业机会的人群中年轻人的比例更高, 这符合我们的一般判断, 年轻人的学习速度较快, 能及时掌握信息发展技术, 对互联网的运用也比较娴熟, 这扩大了他们的工作寻找半径, 提高了寻找工作的效率。关于年龄与灵活就业关系的判断, 一些非互联网背景下的研究发现,年龄的增加会提高劳动力从事灵活就业的概率（胡凤霞,2011）, 在进入互联网时代后, 则呈现出就业群体年轻化的特征, 在通过平台方式获得就业机会的群体中, 这一现象更为明显, 这可能是由于智能手机在青年人中较高的普及程度, 不仅改变了他们的社交和通讯习惯, 也为他们带来了新的就业方式。

3.3.3 互联网平台灵活就业者的高学历化特征

从受教育程度的角度来看, 线上灵活就业者中初中及以下的就业者所占比例为5.3%, 线下同等受教育水平的劳动者所占比例为21.5%; 线上灵活就业者中, 中专/职中毕业的劳动者所占比例为22%, 线下同等学历的劳动者所占比例为17.4%; 线上灵活就业者中高中毕业的劳动者所占比例为10.6%, 线下灵活就业者中同等学历的劳动者所占比例为15.4%; 线上灵活就业者中大专毕业的劳动者所占比例为25.4%, 线下灵活就业者中同等学历的劳动者所占比例为18.5%; 线上灵活就业者中本科毕业的劳动者所占百分比为33.6%, 线下灵活就业者同等学历的劳动者所占百分比为24.4%; 线上灵活就业者中硕士及以上毕业的劳动者所占百分比为3.2%, 线下灵活就业者中同等学历的劳动者所占百分比为2.7%。

总体来看, 线上灵活就业者的受教育水平高于线下灵活就业者。这很大可能与互联网平台所提供的职业特征有关, 目前, 线上所提供的灵活就业不再是传统的劳动时间和劳动力的分享, 还有稀缺知识、经验等的分享, 猪八戒、在行等互联网平台就是这类的典型, 他们为设计人员或者特定领域的咨询专家提供了灵活就业的机会。另一个方面,通过互联网平台获得灵活就业机会本身就可能需要更好的信息筛选、获取与辨别能力, 相对较高教育程度的劳动者在这方面也更具有优势, 受教育程度高的劳动者信息获取及辨别的能力比较高, 在纷繁复杂的互联网平台中可能更容易找到适合自己的兼职就业。

3.3.4 互联网平台减少了就业中的户籍壁垒

从户籍情况来看, 灵活就业者中超过6成的劳动者是北京户籍, 若考虑进平台这个因素, 线上灵活就业中, 外地户籍劳动者所占比重过半, 且外地城镇劳动者所占比例最高, 为32.3%; 而在线下灵活就业者中, 本地户籍的劳动者所占比例则超过了7成, 且本地农村劳动者所占比例最高,为41.6%。

这一差别可能从一个侧面反映了社会网络对劳动者就业选择的影响, 也在一定程度上体现了互联网平台对公平就业产生的效用。一般来说, 当地户籍人口的社会网络会比外来人口密集, 在求职过程中可以动用的社会关系也较多, 仅仅利用线下的关系, 如亲友、同学等也可能找到一份有收入的工作; 而外地户籍的劳动者为了能够找到心仪的工作, 可能会更加倾向于借助互联网的效力来弥补本身社会网络的不足, 这就在一定程度上弥合了两者在就业机会上的不均等。DiMaggio和Bonikowski（2008）就从多个角度研究了互联网的使用对劳动者就业的影响, 他们认为, 互联网是一种拓展社会资本的重要工具, 劳动者可以通过网络求职、扩展私人社交以获得更多的就业渠道。

3.4 线上与线下灵活就业者就业特征的异质性

有关劳动者就业特征的研究尚未形成比较成熟的框架和结论, 多数研究在探讨劳动者就业特征时, 关注的维度主要包括劳动收入、工作时间、工作环境等劳动条件因素,组织氛围、工作满意度等心理因素。本研究中, 线上和线下灵活就业者也在上述维度表现出了一定的异质性, 下文将展开详述。

3.4.1 互联网平台兼职就业者的高收入趋向

我们考察了灵活就业人员中具有正规职业并从事兼职的群体, 发现这些群体中, 线上兼职人员的正规就业收入主要集中在5001-7000之间, 而通过传统方式兼职的劳动者, 他们的正规就业收入集中在3000元及以下。另一方面, 我们进一步观察了劳动者所获灵活就业的收入, 线上灵活就业者收入在1000元以下的有13.8%, 线下的仅有4.4%。这从侧面反映了兼职的灵活就业人员对于兼职工作的态度, 传统灵活就业方式吸纳了更多的低收入群体, 他们希望通过兼职来弥补正规职业收入的欠缺, 而互联网平台的出现则将一部分中高收入群体吸引进灵活就业的队伍中来, 通过线上方式获得兼职, 提高收入可能并不是唯一的目的。

3.4.2 互联网平台大大提高了就业时间灵活性

从灵活就业的时间安排来看, 有一半的灵活就业者拥有基本灵活的工作时间, 同时数据显示, 线上就业者中有42%的被调查者工作时间完全灵活, 这一比例在线下就业者中占到33.7%; 线上就业者工作时间完全固定的所占比重为6.9%, 线下的为16.4%, 可见, 互联网平台提高了灵活就业者的时间安排灵活性。这一点在笔者的访谈中也有体现, 自2016年9月开始, 笔者持续展开了以滴滴为主要就业平台的网约车司机随访, 在与司机交流过程中也发现,兼职司机最为看重的就是这份工作的时间自由, 甚至一些专职网约车司机也表示最认可这份工作的这一特征。

来自北京的一位访谈对象3访谈对象11, 来自北京。对从事网约车司机的工作就非常认可, “你想想, 上下班得打卡吧, 迟到得扣奖金吧,多不自在。滴滴这什么时候想跑就把app开着, 有派单就接着, 中午想歇的话, 就把app关了, 歇好再开, 时间全凭自己（把握）。另一位受访司机4访谈对象28, 来自北京。也提到, “我有工作, 这是个副业, 车闲着也是闲着, 出来跑滴滴凑一下公里数, 我这车从买下到现在才跑了300多公里, 再不跑就要废了……我也就是闲的时候出来跑跑, 不受牵制, 晚上吃完饭那会,周末也从家出来跑跑。”

3.4.3 互联网平台更好的回应了劳动者职业选择的路径依赖诉求

从当前灵活就业和过去就业经历相关度来看, 线上就业者当前所从事灵活就业和之前从业经历一般相关的占比最高, 而线下就业者中比较相关的所占比例最高, 但总体来看, 线上就业者中有85%的劳动者在从事与过去就业经历相关的灵活就业形式, 线下群体中的这一比例为65%,相应的, 仅有14.2%的线上灵活就业者在从事与自己经历不太相关或非常不相关的工作, 线下灵活就业者的这一比例高达34%。可见, 网络平台提高了信息传播的效率, 也提供了更为丰富的信息, 能够为劳动者提供更多选择, 从而帮助灵活就业者有更大概率选择与自身就业经历相关度比较高的工作类型; 从另一个角度来说, 线上灵活就业人员更多将平台就业视为一种补充、甚至是“兴趣推动”,因此一般不会选择进入一个自己不熟悉、需要重新学习或者培训的领域。

3.4.4 互联网平台大大提高了正规就业者的兼职机会

从社会保险的参与和覆盖情况来看, 被调查者中, 灵活就业者的参保率为73.3%, 其中, 线上灵活就业者参保率为75.9%, 线下就业者参保率为28.8%。线上灵活就业人员主要采取的可能是在主业之外的兼职方式, 主业的社会保险已经覆盖了这类人员, 而线下的灵活就业人员则有可能只有这一份灵活就业或者灵活性的多份零工, 参保的概率就大大降低了。

马俊龙和宁光杰（2017）提出, 互联网的使用提高了劳动参与率, 但有工作的劳动者收入更高, 更有能力接入互联网。Vazquez和Winkler（2017）也分析了互联网对劳动力市场的影响, 发现它提高了就业率, 主要增加了兼职以及在家工作比例, 这些研究也都从另一个侧面证明, 互联网平台提高了正规就业者从事兼职就业的机会。

3.4.5 互联网平台灵活就业者在未来更愿意选择正规就业

从未来就业选择来看, 虽然未来选择继续从事灵活就业的劳动者所占比重最多, 为49.7%, 但是观察数据发现, 通过线上和线下方式求职的灵活就业者在就业选择上也存在差异, 线上灵活就业者继续从事灵活就业所占比重为43.5%, 做出同样选择的线下灵活就业者所占百分比为55.8%; 线上灵活就业者找一份正式稳定工作的劳动者所占百分比为34.5%, 做出同样选择的线下灵活就业者所占百分比为30.3%。相比之下, 互联网平台上的劳动者在未来更可能选择稳定就业。

表3 就业状态选择决定模型

出现这种结果, 笔者认为可能有以下两方面的原因:一方面可能来自于主体的差异, 线上灵活就业者中兼职者所占的比重较多, 他们有自己的主业, 放弃正规职业转换为完全的灵活就业者, 这种改变难度是巨大的; 另一方面可能是由于线上灵活就业的新兴性, 大众对这一新就业形态还抱有观望态度, 另外从灵活就业人员的保障来看, 线下的灵活就业人员目前已有灵活就业保障政策覆盖, 但是线上灵活就业的关系界定、社会保障等问题还存在空白地带, 因此劳动者可能还存有一些疑虑与担心。

4 互联网平台改变了灵活就业者的就业决策吗？

研究以未来就业选择为因变量, 以个人特征、灵活就业时间安排、灵活就业经历相关度、参保情况为自变量,采用多元逻辑回归分析, 结果见表3。

在模型设计上, 我们运用多元逻辑回归模型考察哪些因素决定了灵活就业者的就业选择。这里的被解释变量为灵活就业人员的未来职业选择, 是从事灵活就业还是稳定就业、退出劳动力市场（继续从事灵活就业为参照组）,因为影响就业选择的因素也会影响收入（宁光杰, 2012;赖小琼, 陈凯鸣, 2014）, 为避免自变量之间的强相关, 笔者并未将收入放在模型中, 详见表3。

上表中, 模型一是控制变量的就业选择模型, 模型二是放入自变量以后的就业选择模型, 模型三是加入交互项的就业选择模型。

首先分析个体特征对劳动者职业偏好的影响。从三个模型中皆可看出, 在灵活就业者中, 男性未来选择稳定就业和退出劳动力市场的意愿都低于女性, 且显著。首先,这可能是由于男性比女性更具冒险精神, 不愿束缚在固定的岗位上, 而且一般来讲, 男性在赡养家庭中承担的责任高于女性, 所以他们完全退出正规劳动力市场的难度更大。同时也可发现, 非正规就业的女性化并不是女性的主动选择, 而是由于她们所承担的生育、抚养、照顾后代的责任会限制自身在劳动力市场的自由选择（袁霓, 2013）。第二,从数据结果中发现, 和继续从事灵活就业相比, 随着年龄的增长, 劳动者从事稳定就业和退出劳动力市场的意愿都在减弱, 高技能劳动者拥有的财富和收入在增加, 有承担风险的能力和资本, 主动选择灵活就业（他雇或自雇）的可能性比较高, 而技能水平低的劳动者, 年纪越大, 在劳动力市场上的竞争力也会变弱, 稳定就业的机率更小, 未来就业时会被动选择灵活就业（宁光杰, 2012）。第三, 数据显示, 户籍亦会影响劳动者未来就业选择, 和本地城镇户籍劳动者相比, 其他户籍的劳动者倾向于从事稳定就业或者直接退出劳动力市场。和从事灵活就业相比, 受教育程度越高的劳动者未来选择稳定就业的意愿越强, 退出劳动力市场的意愿更弱, 教育程度较高者更易找到工资雇佣的工作（宁光杰, 2012; Le, 1999）, 同等受教育程度的线下就业者更倾向于从事正式的工作（宁光杰, 2012）。Lazear（2005）就发现那些有多元工作和教育背景的人比那些从事单一工作或专业的人更有可能成为自我创业者。同时,考虑到人力资本投资的收益, 高学历劳动者轻易不会退出劳动力市场。第四, 数据显示, 在未来从事稳定就业和灵活就业的选择中, 家庭经济状况差的劳动者更倾向于从事稳定就业（系数大于0）, 在未来从事灵活就业抑或直接退出劳动力市场中, 家庭经济状况差的劳动者选择退出劳动力市场（系数大于0）。家庭经济状况决定了承担风险的能力（宁光杰, 2012; 解垩, 2012）, 经济状况越差, 承担风险的能力越低, 因此, 劳动者会选择稳定性的工作, 以获取安全保障; 经济状况越差的劳动者却没有选择从事灵活就业, 而是直接退出劳动力市场, 可能是因为国家提供的社会保障水平超过了劳动者通过灵活就业取得的收入, 所以他们宁愿选择退出劳动力市场。

其次, 分析职业特征对劳动者就业偏好的影响。第一,工作时间安排越灵活的劳动者, 在未来越容易选择灵活就业, 灵活的工作时间让劳动者感受到更多的工作自主性,他们愿意继续从事这种工作; 这一点在笔者与网约车司机的访谈中也有反映, 他们之所以选择这一职业, 很大一部分原因是他们可以自主决定上下班时间和工作强度, 在美国, 也有32%的司机表示选择成为网络平台（Uber） 就业的原因就是“一边挣钱一边寻求稳定的全职工作”。由于灵活的工作时间, 网络平台劳动力市场为那些努力搜寻匹配工作的人提供了可观的收入, 更像是解决摩擦失业的“缓冲器”, 以及匹配劳动者技能和兴趣的桥梁。

第二, 数据显示, 当前灵活就业和过去教育培训经历相关度越高, 劳动者选择从事灵活就业的意愿越强, 且显著。过去的教育培训经历意味着人脉的积累和工作技能的储备, 实际工作经验积累了相关职业的知识和技巧（解垩,2012）, 此外, 就业状态存在着路径依赖, 劳动者积累到一定的技术经验开始创业时, 也往往倾向于在原有从业部门开展业务（胡凤霞, 2011; 宁光杰, 2012）。宁光杰（2012）发现社会网络对自我雇佣选择有较大的作用, 丰富的社会资本显著提高了自我雇佣的可能性。解垩（2012）认为劳动经验对自雇选择可能有正向影响, 而且实际工作经验延长不仅积累了相关职业的知识和技巧, 也积累了创办企业的资本。

第三, 参保情况对劳动者未来就业偏好也有影响。数据显示, 在稳定和灵活就业的选择中, 未参保的劳动者更偏好灵活就业; 在灵活就业和退出劳动力市场的选择中,参保的劳动者会更倾向于灵活就业。拥有保险的劳动者包括两类, 或是本身的全职工作提供了保险, 或是参加了灵活就业人员保险, 这都提高了灵活就业者的抗风险能力,因此劳动者可以在已获安全性的基础上选择灵活就业, 来满足兴趣或获得额外收入。而零保险群体在未来不愿意从事灵活性的工作, 他们希望从事稳定工作, 在这份工作中获得保障, 或者直接退出劳动力市场, 接受社会救济。

在控制了个人特征和职业变量后, 互联网平台上的灵活就业者更倾向于选择其他类型的工作, 并且显著。互联网为劳动者提供了多种就业途径, 为劳动者带来了更多的就业体验, 在从事了灵活性工作之后, 关注稳定性的劳动者会选择从事稳定工作。为什么通过平台求得灵活就业的劳动者会倾向于其他的就业方式呢？笔者认为, 一方面与平台灵活就业者的职业现状和对平台就业的态度有关, 更多的通过平台获取灵活就业的劳动者将平台就业视为一种辅助和补充, 甚至是一种好奇心的满足, 如果工作本身不具有十分的吸引力, 劳动者便可能选择其他的就业形式。同时, 互联网平台工作最大的特点是没有固定的工作场所和工作时间, 劳动者可以自由选择工作组合, 给予了劳动者充分的职业选择, 但同时由于他们需要在不同工作之间迅速转换、长期的“全时模式”会加大劳动者的职业疲劳,可能会选择重新回到正规就业中。还有一种可能, 是目前对平台就业的社会保护和政府支持力度有限, 缺乏有效的监管和保障, 劳动者对今后继续从事平台就业的信心不足,会转而从事正规就业。有一位访谈司机5访谈对象13, 来自外地。就提到花费自理的问题时就提到, “我们这油费、修车费、出事故的费用都是自己承担, 平台不管的, 你想靠他帮你承担这些是不可能的, 他是要赚钱的, 不过我们也不指望平台能给我们承担什么, 你想想这么多司机今天跑明天不跑的, 要是人人都上保险, 平台不得亏大了。”

互联网平台除了直接影响劳动者的就业选择, 还会通过和其他变量的交互作用对劳动者的就业偏好产生影响。通过模型三可以看出, 互联网和时间安排的交互项是负向（b＜0）, 且对稳定就业选择的影响显著, 表明互联网对就业时间安排灵活性和未来就业选择的关系存在着负向调节作用, 弱化了工作时间安排对就业选择的影响; 互联网和保险的交互项是正向且两种就业选择皆显著（b＞0）,表明互联网对参保情况和未来就业选择间的关系存在着正向调节作用, 强化了参保情况对未来就业选择的影响; 互联网和过去就业经历相关度的交互项在稳定就业选择上是负向（b＜0）, 在退出劳动力市场上是正向且显著（b＞0）,表明互联网对就业经历和就业选择的关系的调节作用存在差异。

为了直观展示这种调节作用, 我们分别绘制了交互效应图, 详见图1、图2和图3。如图1所示, 互联网对时间安排和未来就业选择的关系存在负向调节作用, 对稳定就业的影响力大于于对退出劳动力市场的影响。如图2所示,互联网对参保情况和未来就业选择的关系存在正向调节作用, 对稳定就业选择的影响明显大于退出劳动力市场。如图3所示, 互联网对曾经就业经历相关度和就业选择之间的关系的调节作用存在差异, 对稳定就业选择的调节作用为负向, 对退出劳动力市场选择的调节作用为正向。

图1 时间安排和就业选择：互联网的调节作用

图2 参保情况和就业选择：互联网的调节作用

图3 就业经历和就业选择：互联网的调节作用

5 讨论

从上文的分析中我们发现, 互联网平台的出现使灵活就业者内部出现了分化, 从当前就业者特征来看, 平台灵活就业者的受教育程度高于线下的灵活就业者; 平台灵活就业形式吸引了更多外地户籍的劳动者, 而线下灵活就业者中, 本地户籍劳动者比较多; 同时, 虽然灵活就业普遍具有年轻化的态势, 但平台上灵活就业者的年轻化趋势更为明显。

互联网平台对劳动者未来的就业选择也产生了影响,平台上的灵活就业者更倾向于选择其他类型的工作, 或稳定就业、或创业, 抑或直接退出劳动力市场; 它扩大了信息传播半径, 帮助就业者选择和自己教育培训经历更相关的工作, 提高了就业的效率, 改变了劳动者的就业习惯和选择。同时, 互联网平台也对就业选择的影响因素产生了交互效应, 互联网弱化了灵活就业时间安排的影响, 强化了参保情况的影响; 对就业经历的影响既有强化也有弱化,弱化了其对稳定就业选择的影响, 强化了对退出劳动力市场的影响。

5.1 理论意义

一方面, 在梳理文献的过程中, 笔者发现目前学者们对互联网背景下灵活就业问题的研究主要集中在劳动者选择此种就业形态的原因、就业关系的法律界定、就业者的社会保障权益保护等政策问题, 但是对互联网背景下从事灵活就业的劳动者个体的关注度还比较低, 本研究得到的数据结论能够补充这一领域的研究内容。

另一方面, 本文结合调研数据, 建立劳动者就业偏好模型, 研究线上线下两类灵活就业者的偏好差异, 并从人口学变量、职业特征变量、互联网平台变量等因素入手,分析影响这两类灵活就业者就业偏好的不同影响因素, 并尝试构建互联网背景下灵活就业者就业偏好模型。

5.2 实践意义

第一, 互联网经济背景下, 新业态迅速发展, 就业渠道得以革新, 越来越多的劳动者通过互联网平台获得就业机会和收入, 与快速发展的就业形态向左的, 是相对滞后的政策规范框架, 如何治理新就业形态？政策如何回应不仅需要宏观分析, 还需要微观主体的数据作为支撑, 因此, 本文获得的就业群体数据能够为规范新就业形态提供建议。

第二, 作为互联网背景下就业的实际参与者, 劳动者对于这种就业形态的看法认知、未来的就业偏好等信息的获取, 也能够为平台未来的发展提供参考, 他们更看重的是灵活性还是安全性, 对目前就业方式的认同度如何, 是否愿意长期以这种方式就业, 回答了这些问题, 能够为互联网平台企业的发展方向提供数据支持。

5.3 不足与展望

在本文研究结论的基础上, 笔者认为, 有关平台对灵活就业者的影响仍有一些尚待厘清的问题。

首先, 虽然互联网平台对人们的就业选择有直接或间接的影响, 但是平台就业的内涵是什么依然没有定论, 劳动者仅仅通过互联网渠道获得就业机会的形式实际上并不新颖, 从中华英才网、前程无忧, 到58同城、赶集网, 通过这些互联网信息从而实现的就业如何界定, 是否与目前的新就业形态存在本质区别呢？其次, 互联网平台就业者和平台之间的关系如何界定仍然是这一就业形式发展过程中尚未厘清的问题: 从表面上看, 平台就业者的工作时间不受控制, 可以自主支配, 但以网约车司机为例, 平台可以随时掌握司机的位置, 为司机派附近区域的单, 这是否是一种资本控制劳动的方式呢？平台创造的灵活就业机会是为劳动者提供了更自由的就业方式和更多样的就业选择,还是加深了劳动者的从属性和依赖性？最后, 前文的研究似乎让我们看到一种矛盾, 一方面是平台型灵活就业者的数量不断上涨, 平台就业受到追捧和热点关注, 另一方面则是线上灵活就业者在做出未来就业决策时更倾向于从事其他类型的工作, 或者索性退出劳动力市场的数据结果,这是否意味着互联网平台灵活就业的阶段性和补充性？或者暴露了平台型灵活就业方式的潜在问题？平台型灵活就业会否成为未来社会中主要的就业模式, 从而改变传统的雇佣关系模式和劳动者意识, 看起来仍是一个需要时间回答的问题。

互联网背景下灵活就业研究可展开的领域依然比较丰富。第一, 互联网平台灵活就业的政策研究涉及这一就业群体的安全性和保障性问题, 也是调查中显示出的劳动者关注的重点, 因此仍然需要更多研究投入; 第二, 互联网背景下的灵活就业过程仍然是研究比较欠缺的内容, 看似灵活和宽松的就业关系是否仍然蕴含了劳动过程控制的可能, 这还需要更多的业态发展研究和劳动过程研究数据来支持; 第三, 从共享经济背景下企业管理的角度来看, 由于这一就业方式所具有的高度自由和去雇主化特征, 互联网背景下灵活就业者与平台企业之间缺乏深入和长期的嵌入关系, 如何构建更紧密的合作和信任关系, 是管理者关注的焦点问题, 也是未来管理学研究的重点; 第四, 从数据上看, 互联网平台的出现增加了就业数量, 为更多劳动者提供了就业机会, 但这种就业数量的增加是否能够使得参与者获得更高的就业质量？如何准确和完整测度这一新形式的就业贡献亦是未来研究的突破口。

参考文献

1.罗宾•科恩, 保罗•肯尼迪(2001).全球社会学.社会科学文献出版社.

2.姚宇. (2008). 国外非正规就业研究综述.国外社会科学,(1),92-95.

3.张成刚. (2016). 就业发展的未来趋势——新就业形态的概念及影响分析.中国人力资源开发,(19), 86-91.

4.董保华. (2008). 论非标准劳动关系.学术研究,(7), 50-57.

5.胡凤霞. (2011). 城镇劳动力非正规就业选择研究.浙江大学博士学位论文.

6.宁光杰. (2012). 自我雇佣还是成为工资获得者？——中国农村外出劳动力的就业选择和收入差异.管理世界,(7), 54-66.

7.解垩. (2012). 中国非农自雇活动的转换进入分析.经济研究,(2), 54-66.

8.刘波, 徐蔼婷. (2014). 家庭收入对居民非正规就业选择的影响研究——基于CHNS数据的发现.调研世界,(3), 22-27.

9.常进雄, 王丹枫. (2010). 我国城镇正规就业与非正规就业的工资差异.数量经济技术经济研究,(9), 94-106.

10.薛进军, 高文书. (2012). 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,(6), 59-69.

11.魏下海, 余玲铮. (2012). 我国城镇正规就业与非正规就业工资差异的实证研究——基于分位数回归与分解的发现.数量经济技术经济研究,(1), 78-90.

12.都阳, 万广华. (2014). 城市劳动力市场上的非正规就业及其在减贫中的作用.经济学动态,(9), 88-97.

13.杨凡. (2015). 流动人口正规就业与非正规就业的工资差异研究——基于倾向值方法的分析.人口研究, 39(6), 94-104.

14.蔡岩. (2009). 我国非正规就业人员社会保险问题研究.东北师范大学硕士学位论文.

15.华迎放. (2009). 非正规就业群体的社会保障.中国劳动经济学,(1), 60-73.

16.张国英, 吴少龙. (2012). 珠三角外来工的社会保险:非正规就业的视角.中国人口科学,(4), 88-93.

17.纪雯雯, 赖德胜. (2016). 从创业到就业：新业态对劳动关系的重塑与挑战.中国劳动关系学院学报,(2),23-28.

18.刘剑. (2015). 实现灵活化的平台:互联网时代对雇佣关系的影响.中国人力资源开发,(14), 77-83.

19.王天玉. (2016). 基于互联网平台提供劳务的劳动关系认定——以“e代驾”在京、沪、穗三地法院的判决为切入点.法学,(6), 50-60.

20.彭倩文, 曹大友. (2016). 是劳动关系还是劳务关系？——以滴滴出行为例解析中国情境下互联网约租车平台的雇佣关系.中国人力资源开发,(2), 93-97.

21.赵永巍. (2014). 灵活就业人员劳动权益保障研究. 西南政法大学硕士学位论文.

22.胡增亮. (2013). 借鉴欧盟经验促进我国非正规就业发展研究.

中国海洋大学硕士学位论文.

23.方晔. (2002). 国外的灵活就业.劳动保障通讯,(7), 37-38.

24.方文超. (2004). 进城民工与非正规就业研究.浙江大学硕士学位论文.

25.万向东. (2008). 农民工非正式就业的进入条件和效果.管理世界,(1), 63-74.

26.黎煦, 高文书. (2010). 我国进城农村劳动力非正规就业相关问题分析.人口与经济,(6), 13-19.

27.胡鞍钢, 赵黎. (2006). 我国转型期非正规就业与非正规经济.清华大学学报,(3), 111-119.

28.吴要武, 蔡昉. (2006). 中国城镇非正规就业：规模与特征.中国劳动经济学,(2), 67-84.

29.吴要武. (2009). 非正规就业者的未来.经济研究,(7), 91-106.

30.唐鑛. (2016). 共享经济企业用工管理与《劳动合同法》制度创新.中国劳动,(7), 41-52.

31.唐鑛, 郝建彬. (2016).评谈新经济之八:互联网颠覆工作模式,全新平台型就业浮现.载搜狐网, http://www.sohu.com/a/65484438_384789.

32.张小建, 马永堂.(2013). 推进我国网络创业促进就业研究.中国劳动,(6), 27-40.

33.陆胤, 李盛楠. (2016). 分享经济模式对传统劳动关系的挑战——美国Uber案和解的一些借鉴.中国劳动,(8), 45-51.

34.李长安. (2016). 经济新常态下我国的就业形势与政策选择.北京工商大学学报,(6), 1-9.

35.王欣. (2015).移动互联网时代分享经济的模式正逢其时. 中国网信网,http://www.cac.gov.cn/2015-11/07/c_1117070017.htm.

36.邱林川. (2009). 新型网络社会的劳工问题.开放时代,(12),128-139.

37.韩树杰. (2015). 互联网时代的“轻雇佣”.中国人力资源开发,(3), 3.

38.胡凤霞, 姚先国. (2011). 城镇居民非正规就业选择与劳动力市场分割.浙江大学学报, 41(2), 191-199.

39.边燕杰. (2004). 城市居民社会资本的来源及作用:网络观点与调查发现.中国社会科学,(3), 136-146.

40.马莉萍, 丁小浩. (2010). 高校毕业生求职中人力资本与社会关系作用感知的研究.清华大学教育研究,(1), 83-92.

41.袁霓. (2013). 中国女性非正规就业研究——基于性别差异视角.首都经济贸易大学博士学位论文.

42.宋山梅, 刘文霞. (2014). 代际差异视角下资本禀赋对农民工就业选择影响研究.贵州社会科学,(10), 129-135.

43.谭琳, 李军峰. (2003). 我国非正规就业的性别特征分析.人口研究,(5), 11-18.

44.李强. (2012). “双重迁移”女性的就业决策和工资收入的影响因素分析——基于北京市农民工的调查.中国人口科学,(5), 104-110.

45.李瑞琴. (2014). 个人素质、家庭背景、社区状况与青年农民就业选择——基于多元逻辑回归模型的实证分析.农村经济,(12),105-109.

46.李晓曼. (2013). 家庭生产、社会网络与自选择——非正规就业决策因素与影响.中国人民大学博士学位论文.

47.赖小琼, 陈凯鸣. (2014). 中国经济转轨时期女性的就业选择及收入效应的变迁.劳动经济研究,(6), 62-86.

48.毛宇飞, 曾湘泉. (2017). 互联网使用是否促进了女性就业——基于CGSS数据的经验分析.经济学动态,(6), 21-31.

49.马俊龙, 宁光杰. (2017). 互联网与中国农村劳动力非农就业.财经科学,(7), 50-63.

50. Dettling, L. J. (2017). Broadband in the labor market: The impact of residential high speed internet on married women's labor force participation.Industrial & Labor Relations Review, 70(2), 451-482.

51. Dimaggio, P., & Bonikowski, B. (2008). Make money surfing the web? The impact of internet use on the earnings of u.s. workers.American Sociological Review, 73(2), 227-250.

52. Kuhn, P., & Mansour, H. (2014). Is internet job search still ineffective?.Economic Journal, 124(581), 1213-1233.

53. Lin, N. (1999). Social networks and status attainment.Annual Review of Sociology, 25,467-487.

54. Lofstrom, M. (2009). Does self-employment increase the economic well-being of low-skilled workers.Small Business Economics,40(4), 933-952.

55. Le, A. T. (1999). Empirical studies of self-employment.Journal of Economic Surveys, 13(4), 381-417.

56. Stevenson, B. (2009). The internet and job search. In D. Autor.(Eds.),Studies of labor market intermediation(pp.67-86). Chicago: The University of Chicago Press.

57. Vazquez, E. J., & Winkler, H. (2017).How is the internet changing labor market arrangements? Evidence from telecommunications reforms in Europe.World Bank Policy Research Working Paper.

58. Vosko, L. (2010).Managing the margins: Gender, citizenship, and the international regulation of precarious employment.Oxford University Press, UK.