互联网普及程度对非正规就业的影响分析*

曾祥金，罗 燕

（华南师范大学 经济与管理学院，广东 广州 510006）

一、引言

20世纪80年代以来，我国劳动力市场由依靠计划配置逐渐转变为市场调节，非正规就业形式随之产生，非正规就业人群规模迅速壮大。从2001年开始，我国非正规就业比例就已经超过50%，由此可见，非正规就业已经成为我国就业的重要形式。在解决就业问题的同时，非正规就业也带来了就业质量方面的问题，主要表现在工作收入和社会保障条件等方面。与此同时，从中国互联网信息中心发布的报告中可以发现我国互联网普及程度迅速提升，2016年我国网民数量已达7.31亿，互联网普及率为53.2%，互联网最重大的贡献就是方便了人们的信息传播和交流沟通。互联网对非正规就业可能存在两种相反的影响：一方面，互联网的发展为劳动力市场信息的传播带来了极大的便利，减少了求职者的信息搜集成本，使劳动者有机会接收更多正规就业岗位的招聘信息，为劳动者流向正规就业部门提供了基础；另一方面，互联网平台（如滴滴打车、美团外卖）的兴起为社会提供了大量灵活就业的机会，从而促使大量的劳动力流入非正规就业部门。本研究的重点是互联网普及程度的上升如何影响非正规就业？作用的机制是什么？

研究接下来的内容安排如下：第二部分是文献回顾和理论基础；第三部分介绍非正规就业比例的测算方法与测算结果；第四部分是研究设计；第五部分为实证分析结果，包括基准回归分析结果、稳健性分析结果与异质性分析结果；第六部分是结论与启示。

二、文献回顾与理论基础

（一）文献回顾

1.非正规就业的定义。国际劳工组织（简称ILO）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或服务单位”。[1]所谓非正式就业是指具有非正式的雇用关系（自雇、无合同、无规范有效合同、临时雇用、随意决定工资等）、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。[2]我国劳动和社会保障部《灵活多样就业形式问题研究》课题组将灵活就业做了如下概念界定：所谓灵活就业是指在劳动时间、劳动报酬、工作场地、保险福利、劳动关系等几方面（至少是一方面）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。[3]本研究中关于非正规就业的定义采用该课题组“灵活就业”的概念范畴。

2.非正规就业的影响因素。国内已有不少文献研究了非正规就业的影响因素，主要集中在就业保护制度、贸易开放对非正规就业的影响等方面。向攀研究发现最低工资上升促使失业群体实现非正规部门就业，从而促使原本在非正规部门就业的群体流动到正规部门，从而有利于劳动者在正规部门就业。[4]王海成研究发现就业保护制度如最低工资制度和社会保险制度显著减少了非正规就业，在“工荒”到来之后，社会保险制度对非正规就业的负向影响增加，而最低工资制度对非正规就业的负向影响下降。[5]在贸易开放方面，李金昌研究发现贸易开放对中国非正规就业的发展产生了明显的带动作用，相对于出口贸易，进口贸易对非正规就业发展的影响更加显著。[6]周申和何冰发现出口扩张必然会促进非正规就业，其原因在于为了增强比较优势，劳动密集型出口企业会通过雇佣非正规就业劳动者来降低成本。[7]在以最低工资标准为门槛时，贸易开放对非正规就业的影响存在双门槛效应，当最低工资标准位于两个门槛值之间时，贸易开放对非正规就业具有显著的正效应。[8]

3.互联网对就业的影响。距离越远，可能流动的劳动者获得工作机会的信息就越有限。但随着互联网的普及，与工作机会相关的信息更加容易获取。互联网打破了信息的限制，劳动者可能的流动距离以及劳动者流动的可能性因此增加。与此同时，互联网的发展为劳动者提供了更多的就业机会，促进了就业的发展，其中网络经济和电子商务活动已经成为我国新的就业增长点，数据表明：截至2011年，网络经济和电子商务活动在国内已经创造了1000多万的就业岗位。[9]互联网使就业更具有灵活性，影响了人们的就业决策，促使更多人参与就业；同时互联网推动了平台就业的快速发展，使得越来越多的劳动者可以通过互联网平台实现就业，人们熟知的滴滴、Uber司机等便是这种就业模式中的代表者。[10]从现有研究来看，互联网的使用促进了人们选择非正规就业形式。“互联网+”下的创业模式为人们提供了更多自我就业、灵活就业的平台，创造了多元的就业方式和全新的就业机会。[11]此外，互联网的使用会对女性选择自雇就业或者非自雇就业产生影响，偏好社交会促进女性自雇就业，偏好学习会促进女性非自雇就业，而使用互联网时偏好娱乐则会降低女性就业的概率。[12]然而值得注意的是，现有研究大多基于微观数据进行分析，考察的是个人使用互联网是否会影响自身的就业选择，但是这些研究却没有说明互联网对整个社会的（非）正规就业比例的影响究竟是怎样的，而这正是本研究试图分析的问题。

（二）理论基础与假设提出

互联网的普及促进了劳动力市场信息的流通，劳动力供需双方均可以通过互联网发布求职或招聘信息，这在一定程度上降低了雇主与雇员的搜寻成本与错配概率。随着信息技术的飞速发展，劳动力市场信息的不完全状况得到改善，信息的有效沟通降低了劳动力市场的错配率，这使得摩擦性失业和结构性失业减少，是20世纪90年代以来各国自然失业率下降的重要原因。[13]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。[14][15]具体来说，求职者使用互联网在线求职可以克服过去市场参与者信息不对称问题，并且在线的求职方式可以为求职者节省交通、邮寄以及中介费用，直接降低了搜寻成本；同时求职者使用互联网搜寻工作可以提高求职者的效率。因此，互联网普及带来的外部性能够正向影响个体工作搜寻行为。[16][17]由此可见，互联网的普及可以帮助失业者更快地找到合适的工作，降低因信息不对称而导致的失业率。

失业者再就业时仍然会面临选择非正规就业形式或者正规就业形式的问题。根据相关文献，失业者在再就业时是有选择正规就业的动力的，尤其是之前从事非正规就业的失业人员。非正规就业者愿意进入整个就业岗位的一个重要原因就是正规就业的收入和福利水平要高于非正规就业岗位。[18]此外，非正规就业工作要求劳动者在不同工作中快速转换，非正规就业者面临着长期的全时模式，这都会加大非正规就业者的职业疲劳，使得劳动者重新回到正规就业中去。[19]非正规就业者或者失业者均有进入正规就业的意愿，互联网的发展促进了就业信息的流通，使得人们有更多机会接触正规就业工作岗位的信息，推动了人们对正规就业的选择。本研究提出如下假设：

H1：互联网普及程度的提高对非正规就业比例产生负向的影响。

本研究运用了2002-2016年全国省级层面的数据探析了互联网普及程度对非正规就业的影响，并基于基准回归，考察了互联网普及程度影响非正规就业的机制。

三、非正规就业规模的测度

在我国学者的研究中，“非正规就业”的概念基本等同于“灵活就业”。借鉴姚宇[20]、胡鞍钢和赵黎[21]、李丽萍[22]和王海成等[23]的做法，本研究运用差值法来估算各省份非正规就业的规模，假定城镇正规就业人员包括统计在城镇国有单位、集体单位、股份合作单位、联营单位、有限责任公司、港澳台商投资单位、外商投资单位中的从业者。城镇非正规就业人数为城镇就业总人数减去城镇正规就业人数的差值，包括统计在城镇个体、私营企业中的从业者以及未纳入统计部分。利用《中国统计年鉴》相关年份的数据，可以计算出我国各省份2002-2016年非正规就业人数，非正规就业人数和城镇就业总人数之比即为非正规就业比例。表1反映了30个省份2002-2016年非正规就业比例的水平，图1则反映了各个省份非正规就业比例的变动趋势，可以看出，除少数省份之外，大多数省份的非正规就业比例均总体上均呈现向上发展的趋势。

四、研究设计

（一）计量模型设定

为了考察互联网普及程度对非正规就业的影响，本研究设计的基本计量模型如下：

图1 2002-2016年各省非正规就业发展状况

表1 各省份2002-2016年非正规就业比例

在模型（1）中，下标i表示省份，t表示年份。模型（1）中被解释变量Infit为非正规就业比例，表示非正规就业人数占城镇就业总人数比例。Internetit是核心解释变量，用以刻画各省的互联网普及程度。Xit为控制变量，包括实际最低工资水平（WG）、失业保险覆盖率（Ems）、人力资本水平（Educ）、城乡收入差距（Gap）、出口依存度（Exp）、经济发展水平（RGDP）、城镇就业规模（Scale）等。μi表示年份的固定效应。εit表示随机误差项。

（二）变量说明、数据来源和描述性统计

互联网普及程度（Internetit）是指各省份年末网民人数占本省总人口的比例。该数据来源于中国互联网信息中心（CNNIC）发布的《中国互联网络发展统计报告》。CNNIC一年发布两次报告，发布时间为一月和七月。本研究选用一月发布的统计报告，报告中统计数据的截至日期为2017年12月31日。

经济发展水平（RGDP）。不同经济发展水平地区就业存在着明显的差异，本研究通过各省份的GDP平减指数把各省份名义GDP平减为以2002年为基期的实际GDP，使用平减后的各省份实际国内生产总值来衡量各省份经济发展水平。

实际最低工资水平（WG）。最低工资制度是当前我国就业保障制度的重要组成部分，对于提高低收入者收入具有重要的意义。本研究的最低工资标准数据由手工搜集得到。由于各省调整最低工资标准的时间并不一致且调整时间可能在月中，所以采用各省一个月之中提高以后的月最低工资来衡量该省这一个月的最低工资水平。为了进一步将月度最低工资水平调整为实际月最低工资水平，首先以时间为权重得到加权最低工资水平，再通过各省历年的居民消费价格指数将其调整为实际最低工资水平。

城乡收入差距（Gap）。城乡收入差距反映了地区城市与乡村发展的均衡程度，该指标由城镇居民人均可支配收入除以农村居民人均可支配收入得到。

出口依存度（Exp）。参考相关文献，本研究将出口依存度作为控制变量引入模型，该指标由各省出口商品总额除以各省GDP得到。

人力资本水平（Educ）。参考相关文献，本研究以六岁及六岁以上人口的平均受教育年限来度量人力资本水平，把小学（PRI）、初中（MID）、高中（HIG）和大专（JUN）以上的受教育年限分别计为6年、9年、12年和16年并进行加权平均。各省人力资本水平计算公式为H=6×PRI+9×MID+12×HIG+16×JUN。

失业保险覆盖率（Ems）。失业保险覆盖率衡量了一个地区对失业劳动者的保障水平，该指标等于参加失业保险职工人数与城镇就业总人数之比。

城镇就业规模（Scale）。城镇就业规模一定程度上反映了地区就业机会的多少，各省的城镇就业规模用各省相应年份的城镇就业总数来衡量。

表2 主要变量描述性统计

本研究使用的数据涵盖2002-2016年中国大陆30个省、市和自治区的面板数据，西藏自治区因数据不全，这里不予考虑。研究中数据来源于《中国统计年鉴》以及中国互联网信息中心（CNNIC）发布的《中国互联网络发展状况统计报告》。主要变量的描述性统计结果如表2所示，可以看到各省的互联网普及程度与非正规就业人数、非正规就业比例均有较大差异。

五、实证结果

（一）基准回归结果

表3反映了互联网普及程度对非正规就业比例影响的固定效应和随机效应回归结果。其中模型1和模型2是固定效应模型，模型3和模型4是随机效应模型。从表中可以看出，固定效应模型和随机效应模型中互联网普及程度的系数均显著为负。Hausman检验P值为0.0000，应采用固定效应模型。在模型1中，互联网普及程度的系数为-0.160，在1%的水平上显著。模型2反映了加入控制变量以后的情况，此时互联网普及程度的系数为-0.139，且仍在1%的水平上显著。这说明互联网普及程度对非正规就业比例的确有着显著的负向影响，即随着互联网普及程度的增加，非正规就业比例会降低。这一结果支持了假设H1。

回归结果还表明，失业保险覆盖率和实际最低工资水平对非正规就业比例有显著的负向影响，说明就业保护制度的完善能促进非正规就业向正规就业转化。城乡收入差距对非正规就业比例有显著的正向影响，城乡收入差距越大，非正规就业占比也就越高。出口依存度对非正规就业比例有显著的正向影响，出口依存度越高，非正规就业比例也越高。此外，经济发展水平的系数为0.054，且在5%的显著性水平上显著，表明经济越发达的地区非正规就业的比例越高。人力资本水平系数为-0.014，说明受教育程度高的地区更倾向选择正规就业，但这种影响并不明显。

（二）内生性分析

互联网普及程度和非正规就业比例可能存在内生性问题，本研究采取滞后一期的互联网普及程度（L.互联网普及程度）作为当期互联网普及程度的工具变量，进行二阶段回归。工具变量回归结果如表4所示，第一列是基准回归中固定效应模型的回归结果，第二列是工具变量回归的第二阶段回归结果，结果显示互联网普及程度的系数为负，且在1%的水平上显著，说明互联网普及程度对非正规就业比例具有负向影响的结论是稳健的。第三列是以工具变量和所有控制变量对互联网普及程度的回归结果，第一阶段F值为445.99，拒绝了弱工具变量原假设，说明了以滞后一期互联网普及程度为工具变量并不存在弱工具变量的问题。

表3 互联网普及程度对非正规就业比例影响的固定效应和随机效应

（三）机制分析

摩擦性失业是指由劳动力市场上暂时性的供求失调引起的失业，是由于雇员和雇主双方都需要时间调整自己、了解对方的信息以及消化有关工作匹配价值的信息而产生的。结构性失业是指失业的劳动者和职位空缺同时并存、但不匹配的失业，持续的时间通常较长。互联网的发展可以加速摩擦性失业群体与结构性失业群体再就业。

表4 二阶段回归结果

互联网发展推动信息流通，减少了工作搜寻的成本（包括时间成本），使劳动供需双方更快地了解对方的信息，促进摩擦性失业者再就业；与此同时，也减少了工作错配的概率，使得结构性失业减少。因此，互联网普及会使得自然失业率下降（摩擦性失业和结构性失业二者共同构成了自然失业）。

结合前面的理论分析，当失业者再就业时有选择正规就业工作的意愿。一般情况下，正规就业相比于非正规就业具有更高的收入和福利，这部分失业者在择业时是愿意进入正规就业岗位的。而互联网为失业者接触到正规就业岗位招聘信息提供了便利，增加了他们选择正规就业岗位的可能性。

本研究在此需要验证互联网普及程度对自然失业率的影响。而已得到的数据并没有自然失业率，需要通过实际失业率分解得出，实际失业率可以分为自然失业率和周期性失业率。目前，研究自然失业率的方法主要有简单过滤统计法和状态空间模型等。[24]为了检验样本期间内实际失业率、自然失业率、周期性失业率与互联网普及程度之间的关系，本研究运用HP滤波分解的方法将实际失业率分解为自然失业率和周期性失业率。各省的实际失业率用《中国统计年鉴》中各省相应年份的城镇登记失业率来衡量。

实际失业率、自然失业率、周期性失业率与互联网普及程度的回归结果如表5所示。互联网普及程度对实际失业率和自然失业率均产生了显著的负向影响，且在1%的显著性水平上显著，这说明互联网的发展的确能促进失业者再就业。

（四）异质性分析

互联网普及程度与就业情况存在地区差异，本研究将样本划分为东部、中部和西部三个地区，①东部沿海地带包括辽宁、河北、天津、北京、山东、江苏、上海、浙江、福建、广东、广西和海南12个省、市、自治区。中部地带包括黑龙江、吉林、内蒙古、山西、安徽、江西、河南、湖北、湖南9个省、区。西部地带包括陕西、甘肃、宁夏、青海、新疆、重庆、四川、云南、贵州、西藏10个省、自治区。依照前文说明，本研究剔除了西藏相关数据。考察互联网普及程度对非正规就业影响的区域差异，回归结果如表6所示。互联网普及程度对东部地区和西部地区的非正规就业比例具有显著的负向影响，且在1%的显著性水平下显著，对中部地区的非正规就业比例的影响却并不显著。

（五）稳健性分析

为了完善劳动合同制度，使劳动者权益得到保障，2008年1月，我国开始实行施行《劳动合同法》。根据《劳动合同法》的规定，建立劳动关系，应当订立书面劳动合同。《劳动合同法》的实施对非正规就业产生了重大影响，本研究应考虑《劳动合同法》的对研究结果的影响。由于本研究采用的宏观数据无法控制这种影响因素，所以在这里将单独考虑《劳动合同法》实施以前的年份。2008年以前年份回归结果如表7所示，在《劳动合同法》尚未实施的情况下，互联网普及程度仍然显著降低了非正规就业比例，促进了正规就业的增长。对于东部地区和西部地区而言，这种影响仍然是显著的。

表5 互联网普及程度对失业率的影响

六、结论与启示

本研究首先分析了互联网普及程度影响非正规就业的理论机制，运用《中国统计年鉴》以及《中国互联网络发展统计报告》2002-2016年的数据检验了互联网的普及对非正规就业的影响，并对自然失业率的进行了检验。本研究得到的主要结论如下：第一，互联网普及程度对非正规就业产生了显著的负向影响，促进了非正规就业转化为正规就业，提高了整个社会的就业质量。计量模型结果显示，互联网普及程度每提高一个百分点，非正规就业比例将减少0.139个百分点，从工具变量回归的结果来看，以上结论是稳健的；第二，互联网普及程度能通过促进信息流通、减少搜寻成本和错配比率使自然失业率下降，而这部分失业者再就业时会倾向于选择正规就业而不是非正规就业；第三，互联网普及程度对非正规就业比例的负向影响存在地区差异，这种影响在东部地区和西部地区是显著的，而在中部地区不显著；第四，在《劳动合同法》实施以前，互联网普及程度仍对非正规就业比例产生显著的负向影响，进一步说明了研究结果具有稳健性。

表6 分地区回归模型结果

结合本研究得出的结论，提出以下几个方面的政策建议：第一，继续加强互联网基础设施建设，降低互联网尤其是移动互联网络的使用成本，进一步提高互联网在我国的普及程度；第二，充分利用已有的网民基础，鼓励劳动力市场信息在互联网上发布和流通，推动建设劳动力市场信息网络应用，进一步降低工作搜寻成本和错配率。

表7 2008年以前年份回归结果