琴瑟和鸣抑或相互掣肘？旅游业中家庭配偶的就业与创业——基于CGSS 2010—2015 数据的实证研究

郭 为 曹苏婉

（青岛大学旅游与地理科学学院 山东青岛 266071）

一、问题的背景

社会经济发展的目的是提高居民的生活水平和质量，提高生活水平和质量的前提是充分就业。然而，当今国际和国内的就业形式都比较严峻。2017 年国际劳工组织（International Labor Organization，ILO）预测，全球失业率会从5.7%增长到5.8%，约新增340 万失业人口。在被雇佣人口中，约有14 亿人是家庭雇员或自雇工作者（脆弱就业），占总数的42%以上。2015 年以来，我国经济下行压力逐渐增大，随着供给侧结构性改革的推进，结构性失业开始出现。2018 年3 月城镇调查失业率达到5.1%，高于其他年份。2018 年全国各类大学毕业生的总数约820 万，待就业群体规模巨大。

要解决如此巨大的就业问题，单纯依靠存量企业的增量雇佣很难，必须通过个体创业（增量企业）来吸纳过剩的劳动力。2013 年10 月国务院常务会议强调“调动社会资本力量，促进小微企业特别是创新型企业成长，带动就业”。2014 年9 月夏季达沃斯论坛开幕式上，李克强总理首次提出“大众创业”，力图通过创业来解决国内存在的就业问题。2018 年2 月习近平主席在《人民日报》上发文号召全国人民“艰苦奋斗再创业”。

随着服务业就业在总量就业中的占比不断提高，如何通过服务业就业来吸纳就业，解决经济结构调整中带来的结构性失业问题吸引了越来越多的学者关注，尤其是随着人工智能技术的逐步推广和应用，服务业将成为解决就业问题最有潜力的产业。旅游业作为服务业的重要组成部分，顺应了现代服务业的发展趋势，旅游中的“食、住、行、游、购、娱”六个要素，几乎关联了全部服务行业。因此，发挥旅游业以点带面的作用，是解决整体就业压力的一个良好途径。

旅游业带动整体就业的具体方式之一是现有旅游企业的存量扩张，但传统企业的存量扩张已经进入边际递减的路径，吸纳就业的容量有限，不具有可持续性（肖兴志、张伟广、朝镛，2019）；另一个重要方式是新生旅游企业的增量扩张。新生企业意味着旅游投资和创业，2015 年，我国旅游业的投资额达 10 072 亿元。其中，在线旅游投资超过770 亿元，同比增长42%。2015 年8月，国务院出台了《关于进一步促进旅游投资和消费的若干意见》，第一次提出了旅游投资促进计划。随后的三年，我国旅游直接投资超过3 万亿元，带动15 万亿元以上的综合投资。2017 年，全球旅游科技创业融资超200 亿美元，旅游总投资达到8 396 亿美元。2018 年，旅游创业投资总额达190 亿美元。除了上述因为投资产生的新企业或企业扩张之外，在旅游市场中还存在大量的旅游小微企业或“夫妻店”（梁振民，2018）。旅游小微企业的出现主要是因为面向游客的基本服务技术门槛低、投资小，进入和退出方便，这些小微企业也吸纳了大量的失业人员。基于这些原因，本文利用中国综合社会调查（Chinese General Social Survey，CGSS）2010 年至2015 年的微观调查数据，提取了旅游业中的家庭个体创业数据，试图通过对该数据的分析，了解旅游业中家庭配偶的就业对彼此创业的影响（见表1）。

表1 旅游业中不同类型婚姻个体的创业Tab. 1 The entrepreneurship in various types of families

二、文献述评

1. 创业要素理论及其进展

创业者特质论在创业研究领域占据主导地位，它着重关注什么样的人能够成为创业者，即创业者具有一些什么样的特质（苏晓华、郑晨、李新春，2012）。由于个体特质差异普遍存在，因此，关于特质与创业的研究具有很大的发散性。例如，有的学者发现掌握方言技能有利于流动人口在迁入地搭建良好的社会网络从而降低创业“壁垒”（魏下海、陈思宇、黎嘉辉，2016）；非农户籍和外出务工经历会显著提高流动人口选择创业的概率（宁光杰、段乐乐，2017；周广肃、谭华清、李力行，2017）；在管制水平较高的行业中，越是“聪明”的人其创业意愿越低，而在管制水平较低的行业中却完全相反（李涛、朱俊兵、伏霖，2017）。关于特质的研究还涉及教育、婚姻、健康等方面，这类研究存在明显的缺陷，即似乎所有的“特质”在某种条件下都可能影响创业。按照此逻辑，创业的规律将无法被发现。

考虑到上述问题，Gartner（1988）把创业研究的视角从关注单一的个体特质转向了关注多要素的创业过程，提出了均衡四要素模型。利用这个模型，有的学者认为生存型创业主要受益于城市多样化外部性，机会型创业则主要受益于城市多样化积聚性（张萃，2018）；有的学者认为法律对投资者保护越完善，政府对腐败监察力度越高，越有利于激发企业的创业行为（赖敏、余泳泽、刘大勇等，2018）；还有学者认为国家对创业的政策支持不同也会导致对创业的激励出现差异（李政、罗晖、李正风等，2018）。

Wickham（2001）对Gartner 的四要素模型进行了修正，把创业者置于所有要素的主导者位置，提出了创业者主导四要素理论。基于此理论，有学者发现初始资源禀赋会驱动新企业进行社会网络型资源整合，从而推动创业者的机会识别行为（王玲、蔡莉、彭秀青等，2017）。还有学者在创业者主导四要素理论中引入学习概念，认为学习对创业成败具有重要的意义（陈文沛，2016）。

Sahlman（1996）构建了以环境为中心的四要素理论。基于此理论，王金杰和李启航（2017）发现电子商务使得农村居民的创业选择对于学历教育的依赖性降低；郑馨、周先波、张麟（2017）研究发现社会规范促进了潜在的创业者感知机会、承担风险、提高技能和拓展网络等4 个方面的中介传导机制的完善。2003 年，Timmons 在参考其他学者成果的基础上，提出了均衡三要素理论。根据该理论，刘刚和王泽宇（2016a）发现创业团队的文化多样性能够有效提高企业的融资。团队成员之间的沟通、信任及其维持机制能够有效提高企业的创业成功率（郑鸿、徐勇，2017）。

随着创业研究的深入，许多学者发现四要素和三要素理论逐渐偏离了创业的根本，对创业的研究变得越来越像是关注一个正常企业，而不是关注创业者对市场机会的把握和对企业家精神的强调。在这种感知的引导下，Shane 和Venkataraman（2000）部分回归了特质论，把创业定义为“是谁，通过什么样的手段来识别、评价和利用创业机会并创造商品和提供服务”；刘刚和王泽宇（2016b）发现创业者的社会网络特性能够有效提高互联网创业成功的概率；马光荣和杨恩艳（2011）发现社会网络和非正规金融的结合能够促使更多农民成为个体工商户。

但机会识别理论仍然存在缺陷。Shane（2000）发现机会通常情况下不是创业者主动搜寻的结果，而是依靠预感和直觉，这就回到了“创业的原点”：规律无法被发现。这种观点同样遭到不少学者的反对。他们认为仅仅把机会作为创业的核心问题过于狭隘（Klein，2008），而且机会的市场分布不可捉摸（Dimov，2011）。基于这种想法，Sarasvathy（2001）提出了效果逻辑理论，他认为机会不可捉摸，不应该关注机会，而应该关注创业者。

2. 家庭对个体创业的影响

关于创业要素的研究积累了丰富的文献（翟庆华、苏靖、叶明海等，2013）。这些理论主要由西方学者提出，旨在综合各种因素寻找创业的规律，但是这些理论都忽略了家庭在个体创业中所起到的作用。国内一些学者发现，农村精英家庭显著提高了家庭成员创业活动的概率，而人力残缺家庭将显著降低其选择创业活动的概率。精英家庭通常属于机会型创业，而人力残缺家庭通常属于生存型创业（杨婵、贺小刚、李征宇，2017）。具有公务员背景的家庭创业成功的概率会显著提高（李雪莲、马双、邓翔，2015）。还有学者发现许多因素如信贷约束和社会网络也会影响家庭成员的创业行为（张龙耀、杨军、张海宁，2013；张龙耀、张海宁，2013；翁辰、张兵，2015；李祎雯、张兵，2016）。他们站在家庭整体的角度阐述了家庭的社会关系网络、金融资本的可获得性等因素对家庭创业的影响。而家庭成员之间的互动、身份、工作以及相关的社会网络也会对创业者的创业行为产生影响。Bruce（1999）发现男性创业的家庭中其配偶也参与创业的概率是其他家庭中男性没有创业情况下配偶创业概率的两倍。Özcan（2011）进一步发现家庭创业中夫妻双方互相影响，但丈夫对妻子的影响显著。Parker（2008）却发现妻子的创业经历会影响丈夫。夫妻任何一方的某些特质也可能会影响另一方的创业行为。如郑筱婷和李美棠（2018）发现女性获得家庭外部收入的能力对其配偶的创业行为具有影响。

三、本土情境与理论逻辑

前述理论及研究成果极大地丰富了我们对创业规律以及家庭与个体创业关系的认知，但是，这些理论产生的政治制度、文化习俗和哲学背景与我国当下环境存在较大差异。虽然，我国传统文化中成家立业的说法主要针对男性，但是随着社会进步，女性的劳动参与率越来越高。2010 年我国女性劳动参与率为70%，远高于欧美发达国家和其他发展中国家。经济上的独立，使女性在思想意识、社会角色和家庭作用上越来越拥有与男性趋于平等的地位。因此，仍然站在西方社会学的角度或以辅助的角色看待我国女性，是不恰当的，也是不符合我国当下情境的。

组建家庭后，夫妻会彼此影响对方的创业行为，影响因素主要有：第一，配偶就业的单位类型。主要分为体制内就业和体制外就业。体制内的就业有助于个体形成官方社会关系网络，而体制外的就业有助于形成民间关系网络。第二，配偶就业单位或公司的所有制性质。不同性质的企业或单位给予配偶不同的工作经历与经验，这些能够被创业者分享。第三，配偶当前的就业状态。就业状态主要是机会型创业、生存型创业、受雇就业和非正规就业4 类，这些不同的就业形态对应着不同的收入和风险，能够直接对配偶的创业产生影响。第四，配偶是否全职就业。配偶全职就业通过收入分担个体创业失败的风险，能够维持配偶创业失败后家庭生活的基本支出，兼职则可以解除配偶创业时家庭中出现的干扰如照顾老人或小孩等。

因此，家庭配偶的就业似乎把国家公共服务中的一部分社会保障功能通过“婚姻”实现了内在化，这种社会保障功能的实现主要体现在配偶就业（包括他/她带来的收入）可以为家庭创业降低金融约束、分散风险、节省社会交易费用以及照顾孩子等家政服务方面。

四、数据来源与说明

1. 数据来源

本文使用的数据来自CGSS，该项目对全国125 个县（区）500 个街道（乡、镇）1 000 个居（村）民委员会的10 000 户家庭中的个人进行调查。该调查始于2003 年，是我国较早的全国性、综合性、连续性学术调查项目，涵盖社会、社区、家庭、个人多个层次的数据，具有代表性和可靠性。

该数据设计了专门的社会人口属性模块和劳动力市场模块，内容包括受访者性别、婚姻等各类人口统计学特征，受访者的工作经历及其状况，工作单位的所有制性质等问项。为了确保研究结论的可靠性，本研究合并了CGSS 2010年至2015 年的数据，合并后的样本点共有51 574 个。由于需要研究受访对象的配偶特质和工作情形对受访对象的影响，本文依据两个条件进行样本选取：第一，根据数据中的变量a59disco88 所提供的《国际标准职业分类（ISCO-08）》和《国家旅游及相关产业统计分类（2018）》，选取了与旅游相关的样本点；第二，选取了16 岁以上60 岁以下的已婚男性样本和16 岁以上55 岁以下的已婚女性样本。本项研究最终共选取3 580 个样本观察值，其中来自2010、2011、2012、2013 和2015 年的样本分别为684、377、865、849、805 个。

2. 变量的解释

（1）被解释变量

受访个体是否属于创业者是本文的被解释变量，如果属于创业者赋值为1，不属于赋值为0。是否属于创业者，主要依据CGSS 问卷量表中的问项“下列各种情形，哪种更符合工作的状况：1.自己是老板（或者合伙人）；2.个体工商户；3.受雇于他人（有固定雇主）；4.劳务工/劳务派遣人员；5.零工、散工（无固定雇主的受雇者）；6.在自己家的生意/企业中工作/帮忙，领工资；7.在自己家的生意/企业中工作/帮忙，不领工资；8.自由职业者；9.其他”。如果受访者选择了1 和2 就把其归类为创业，其他就归类为非创业，其中，把选1 的归为机会型创业，选2 的归为生存型创业。

（2）核心解释变量

配偶特质属于核心解释变量，包括2 个。一是配偶收入。主要依据问项是“您配偶或同居伴侣去年（调查的前一年）全年的职业/劳动收入是多少？”在分析时，对该项数值取对数。二是工作类型。主要依据问项是“您配偶或同居伴侣目前工作的单位或公司的单位类型，包括党政机关、企业、事业单位、社会团体、居/村委会、无单位/自雇（包括个体户）、军队和其他”。在分析时，将党政机关、事业单位、社会团体、居/村委会和军队合并为体制内就业，其他则为体制外就业。

（3）控制变量

控制变量包括个体特征变量、家庭特征变量和地区特征变量。个体特征变量包括受教育程度、工作经验、政治面貌和收入水平。家庭特征变量包括家庭规模和家庭收入等。地区特征变量包括省份等。上述变量都能够在CGSS 问卷量表中找到相应的问项（见表2）。

表2 变量名称及其解释Tab. 2 The names of variables and their explanations

3. 变量的描述性统计

表3 对主要变量进行了描述性统计。被解释变量中，根据各个变量计算得出的数据，在整个样本中，参与创业（涵盖机会型创业和生存型创业）的人数占比达60%，其中，机会型创业为5.2%，生存型创业为54.6%。

核心解释变量中，配偶就业形式分为机会型创业、生存型创业、受雇就业和非正规就业，均值为2.71，各自占比分别为3%、39.83%、39.63%和17.48%。配偶就业类型主要分为体制内或体制外工作，其中，体制内工作人数占比为10%。就业单位所有制性质包括4 类，均值为2.75，其中民企和私企占比最多，为69.19%，集体或集体控股最少，为4.7%。在整个样本中，全职就业者占90.74%，非全职为9.36%。配偶全年职业劳动收入取对数后，均值为8.79。

个体特征变量中，男性占比为55.61%，略高于女性；样本中个体工作经验的均值为26.44 年；拥有党员身份的占比为26.18%；农业户籍占比为50.3%；受教育程度转化为年限后均值为10.30 年，说明大部分个体学历教育集中在高中阶段。

家庭特征变量主要选用了家庭规模和家庭收入。其中家庭规模的均值为3.3人，家庭收入取对数后的均值为11.15 元。

表3 变量的描述性统计Tab. 3 The descriptions of variables

五、计量模型的设定及说明

1973 年，MacFadden 提出了logit 模型，采用logistic 概率分布函数来描述作为分类变量的被解释变量。由于logistic 概率分布函数具有很好的统计特性，随后得到快速发展（Bishop，Fienberg & Holland，1975；Christensen，1997；Collett，2003）。进入21 世纪，logistic 模型在经济学、医学等领域得到广泛应用，尤其在对因变量为两分类变量的影响因素的研究中，效果良好。国内等诸多学者在不同领域的研究中都使用了logistic 回归模型（钱争鸣、李海波、于艳萍，2010；王晓峰、田步伟、武洋，2014；陶树果、高向东、余运江，2015；冯健、杜瑀，2016）。在logistic 模型之后，出现了多分类的logistic 模型，也被称为Multinomial logit 模型。借鉴他们的做法，本文设定了如下模型形式：

教学反思是概率统计思维型课堂教学模式中不可少的一个环节。教师通过反思教学过程可以总结经验教训，为学生知识建构与思维发展寻找更快更好的途径；学生通过反思课堂学习的过程，可以更好地总结本节课所学到的知识方法，理清知识架构。思考过程中将新学的知识融入到旧的知识体系当中，回顾思维的过程，总结新的思维方法。

在模型中，

α

、

β

、

γ

是需要估计的参数；

ρ

表示个体在旅游业中创业（机会型创业、生存型创业）的概率；

ρ

指个体不创业的概率；

entre

、

jobcat

、

fulltime

、

ownership

、

income

表示关键解释变量（见表2），从不同侧面衡量配偶就业状况；

X

表示所有其他的控制变量，包括个体特征和家庭特征等；

γ

代表这些控制变量的系数。

除关键解释变量外，很多其他因素也会对个体创业产生影响，如宏观经济的变化和税收政策等（翁辰、张兵，2015；赖敏、余泳泽、刘大勇等，2018）。在微观层面，受访个体的个人特征会影响个体的创业，受教育程度就是一个对创业具有不确定性影响的变量，有研究发现受教育程度高的个体更倾向创业，有的研究结论则相反（杨轶清，2009），因此，受教育程度被纳入了控制变量。工作经验是影响创业非常重要的因素，大量研究发现，工作经验对创业过程起着重要的促进作用（买忆媛、辜雪娜，2011；王戴黎，2014；杨俊、韩炜、张玉利，2014），因此，将工作经验纳入控制变量。政治面貌是一个具有中国特色的变量，对创业活动具有重要影响（陈怡安，2017），因此，将政治面貌纳入控制变量。户籍也是需要考虑的一个因素，因为不同的户籍对应着个体对资源索取的不同权限，曲兆鹏和郭四维（2017）利用2008 年CGSS 数据，详细探究了户籍对城乡居民创业行为的影响，发现农村户籍显著提高了居民创业的概率，而农村户籍的创业者成为企业家的概率不到城市户籍的30%，户籍同时还影响了流动人口的创业（宁光杰、段乐乐，2017），因此，户籍被纳入了控制变量。

家庭特征显然会影响个体创业。拥有可抵押的完全产权住房相比于无房家庭与拥有不完全产权住房的家庭，显著提高了家庭参与创业的可能性，而且房价上升更快的地方更显著（李江一、李涵，2016），因此，将家庭房产数作为家庭资产的替代变量纳入控制变量。家庭的人口结构也可能影响个体的创业，男孩比重越高的流动人口家庭，其创业的可能性越大，而家庭中男孩的比重对流动人口家庭创业的影响会因家庭规模、城乡差异、创业方式以及子女是否与父母同住等有差异（钟粤俊、董志强、林文炼，2018），考虑到样本选择的差异，将家庭中18 岁以下未成年子女数纳入控制变量。

六、计量结果说明

1. 基本模型回归结果解释

基本模型回归结果见表4。首先从配偶就业状态来看，以机会型创业为参照组，配偶生存型创业降低了创业者机会型创业的概率，OR 值是0.048［exp （—3.02）］，在1%水平上显著；配偶生存型创业提高了创业者生存型创业的概率，OR 值是3.56［exp（1.25）］，在1%水平上显著。配偶为受雇就业的显著降低了创业者机会型和生存型创业的概率，在1%水平上统计显著，OR 值分别是0.012［exp（—4.39）］和0.203［exp（—1.59）］。配偶为非正规就业的既降低了创业者的机会型创业概率，在1%水平上统计显著，OR 值是0.02［exp（—3.89）］，也降低了创业者生存型创业的概率，在10%水平统计显著，OR 值是0.40［exp（—0.90）］。笔者分析认为配偶的就业状态对创业者创业的影响主要侧重于经验分享上，因为生存型创业的经验对另一个人的生存型创业可以有借鉴作用，但很难为机会型创业（公司合伙制）的个体提供经验，甚至这种“野路子”会对公司规范的操作形成阻碍，因此导致影响系数显著为负。同样的道理也适用于配偶为受雇就业和非正规就业对个体创业的影响。这一结论与周敏慧等的研究具有异曲同工之妙（周敏慧、Arcand、陶然，2017），但他们是从代际传承的角度分析问题。

从就业类型来看，配偶的体制内就业显著降低了创业者生存型创业和机会型创业的概率，分别在10%和1%水平上统计显著，其OR 值分别为0.40［exp（—0.90）］和0.50［exp（—0.68）］。这一结论与李雪莲等的研究发现不同（李雪莲、马双、邓翔，2015），按照其观点，体制内就业的人员方便从官方网络中获取资源，从而方便子女创业，但是，本文的研究对象是配偶，站在人情世故角度，父母利用“关系”为子女谋取一定的福利能够相容于文化传统，但是为丈夫或妻子谋取创业资源容易违背社会规制。另外，创业主要是与企业相关的一种市场行为，而非市场体制内的社会网络相比于市场网络，很难具有更好的促进作用。

从配偶工作单位/企业的所有制性质来看，以国有/国有控股作为参照组，在民营/私有企业和港澳台/外资企业的工作经历明显提高了创业者生存型创业的概率，分别在10%和1%水平上显著，对机会型创业则没有影响。这一结论不同于王戴黎（2014）的研究，他发现外资企业在劳动力市场提供了较国内私有企业更高的工资报酬，从而抑制了创业者的创业活动。最后，从配偶就业的性质来看，全职和兼职对家庭个体创业没有影响。

表4 基本模型回归结果Tab. 4 The regression results on the basic model

从家庭个体控制变量角度看，在核心变量为配偶就业状态的模型中，受教育程度对机会型创业没有影响，但随着受教育程度的提高，个体生存型创业的概率会降低，在5%水平上统计显著，这说明学历更高的人更倾向受雇就业。个体的政治面貌会显著影响不同类型的创业，中国共产党党员身份提高了配偶机会型创业的概率，降低了生存型创业的概率，都在5%水平上显著。家庭资产分别在5%和1%水平上影响机会型创业和生存型创业，这说明更多的家庭资产能够有效缓解个体创业初期的金融约束。家庭中未成年孩子的数量显著提高了个体生存型创业的概率，对机会型创业则没有影响。这一结论类似于钟粤俊等人的研究结果（钟粤俊、董志强、林文炼，2018），其研究发现，孩子的出现或数量的增加提高了家庭个体抚养孩子的压力，在文化上意味着责任，促进了被动型的生存型创业。家庭年总收入的增长提高了个体生存型创业的概率，对机会型创业没有影响，这可能是因为家庭年总收入具有一定程度的不确定性。户籍和性别不影响个体的创业行为。

在核心变量为配偶就业类型的模型中，受教育程度对机会型创业没有影响，但降低了生存型创业的概率，在1%水平上统计显著。中国共产党党员身份提高了机会型创业的概率，降低了生存型创业的概率，分别在1%和5%水平上显著。家庭资产分别在5%水平上提高了机会型创业和生存型创业的概率。家庭中18 岁以下未成年孩子的数量显著提高了个体生存型创业的概率，对机会型创业没有影响。与前一个模型不同的是，家庭年总收入的增长提高了个体机会型创业的概率，对生存型创业没有影响。

在核心变量为配偶就业性质和配偶就业单位所有制性质的模型中，受教育程度、政治面貌、家庭资产和未成年孩子的数量对家庭个体创业的影响与前两个模型一致。家庭收入增长和户籍在不同类型模型中对创业的影响出现了不同，但基本上可以得到合理的解释。

2. 模型的内生性控制

虽然前文已经确认了配偶就业对家庭创业者的创业存在影响，但是配偶就业对创业的影响不是随机的（Posadas & Vidal-Fernandez，2013），可能存在反向因果关系导致的内生性问题，即不是因为配偶就业影响创业，而是因为创业导致了配偶就业的不同选择。借鉴Arellano 和Bover（1995）的做法，本文采用配偶的受教育程度作为工具变量来解决内生性的问题。把配偶的受教育程度作为工具变量，既满足与关键解释变量的相关性，又满足与被解释变量的排他性。

表5 为控制内生性后的回归结果。在控制内生性的线性概率模型中，将3个类别的被解释变量分解成了两个独立的被解释变量。与原来的multinomial logit 模型相比，通过工具变量控制反向因果关系后，配偶就业对创业产生的影响更加明显。以非正规就业为参照，配偶机会型创业显著提高了创业者机会型创业的概率，配偶生存型创业显著降低了创业者机会型创业的概率，配偶的受雇就业对创业的影响不显著。同样地，配偶机会型创业对创业者生存型创业的影响为负，配偶生存型创业显著提高了创业者生存型创业的概率，配偶受雇就业显著降低了创业者生存型创业的概率。在第一阶段回归分析中，工具变量配偶的受教育程度显著影响了配偶的就业状态。以没有接受教育为参照，受教育程度为高中提高了创业者生存型创业的概率，大学则降低了生存型创业的概率，高中和大学同时提高了个体受雇就业的概率。在第一阶段的回归中，Kleibergen-Paap rk Wald F 统计量的值为13.213，大于10，说明不存在弱工具变量的问题（Stock & Yogo，2005）。至此，可以看出通过工具变量控制内生性后，配偶就业状态对家庭创业者创业的影响与基本模型反映的结果一致。

表5 控制内生性Tab. 5 Controlling the endogeneity

3. 稳健性检验

在控制个体的人口统计学特征变量和有可能影响个体创业的家庭变量后，本文发现配偶就业与家庭创业者之间的创业存在一些明显的规律，但是这些规律的出现可能是不稳健的，具有一定的偶然性。发生这种情况的根源可能在于受访者对问题回答的不诚实（Duncombe，Robbins & Stonecash，2003；Lewis & Pattinasarany，2009），也可能来自模型本身的结构问题（Overall & Tonidandel，2004）。为了验证上述猜测，本文仅对个体的核心人口统计学特征如工作经历、受教育程度、政治面貌和户籍进行控制，重新估测了关键解释变量对被解释变量的影响。结果显示（见表6），关键解释变量对配偶的创业行为的影响是稳健的，也是可信的。

表6 稳健性检验结果Tab. 6 The robust test of regression

结论与建议

家庭是社会的基本单位，家庭中夫妻双方的就业对彼此的创业行为都会产生影响。本文研究结果显示：第一，配偶生存型创业降低了家庭创业者机会型创业的概率，提高了生存型创业的概率。第二，受雇就业和非正规就业既降低了配偶机会型创业的概率，也降低了生存型创业的概率。第三，体制内就业同时降低了两种类型的创业概率。第四，在港澳台资企业、外资企业和私营/民营企业的就业提高了家庭配偶生存型创业的概率，但对机会型创业没有影响。

根据这些研究结论，本文提出如下相关政策建议：第一，针对不同类型的家庭结构，政府可以实行差别化的激励政策，进一步释放家庭个体的创业潜力；第二，对于失业人员，通过社会保障等手段，支持其从事生存型创业；第三，允许甚至鼓励失业人员在城镇不影响交通的地方从事流动摊贩的工作，以创造更多生存型创业机会；第四，鼓励通过平台经济进行自我就业（自由职业者），政府可以通过税收优惠等政策进行鼓励；第五，国家需要反思公务员招考制度，因为体制内就业降低了家庭个体创业的概率；第六，各级地方政府要重视小微创业尤其是个体工商户的创业（生存型创业），这是解决经济下行时期就业问题的良好途径。

本文仍然存在一些不足之处：第一，选用配偶的受教育程度作为工具变量来控制内生性，这虽然在逻辑上成立，但与被解释变量可能仍然存在比较强的相关性，因为受教育程度高的配偶更有可能支持丈夫/妻子创业；第二，本文只做了变量调整的比较简单的稳健性检验，并没有考虑更多遗漏变量的问题，也没有通过调整被解释变量或者模型的结构来进行稳健性检验，这可能使研究结论具有潜在的风险；第三，本文通过职业变量选取样本观测点，但《国家旅游及相关产业统计分类（2018）》对职业概念界定比较宽泛，与国际职业标准分类进行匹配时可能出现因人而异的情况。总之，旅游市场规模越来越大，人们就业和创业的方式也在发生改变，本文的研究旨在引起更多学者对这一领域的关注。