互联网使用对农民工就业质量的影响研究

马红梅 尚嘉豪 王鹏程

作者简介：马红梅，贵州大学公共管理学院院长、教授、博士生导师，研究方向：劳动经济学、区域经济学；尚嘉豪，贵州大学经济学院硕士研究生，研究方向：劳动经济学；王鹏程（通信作者），贵州大学经济学院副教授，研究方向：农林经济管理。

摘 要：农民工就业质量提升是实现全体人民共同富裕的重要基础。互联网作为信息时代的重要表征，在促进创业、增加就业、改善民生等方面发挥了重要作用。基于2020年中国家庭追踪调查数据（CFPS），运用内生转换模型（ESR）和工具变量分位数回归模型（IVQR）评估互联网使用对农民工就业质量的影响及其异质性。研究发现，互联网使用能够显著提高农民工就业质量。基于反事实假设，使用互联网农民工若未使用互联网，就业质量将下降22.8%；未使用互联网农民工若使用互联网，就业质量将提升18.3%。异质性分析显示，随着就业质量水平的上升，互联网使用对农民工就业质量的促进作用呈下降趋势，即互联网使用对就业质量较低的农民工就业质量提升效应更强，反映出互联网使用具有显著的“益贫效应”。机制分析表明，互联网使用通过提高职业匹配程度、人力资本水平、社会资本水平提升农民工就业质量。进一步研究发现，基于对不同上网用途的重视程度，互联网使用对农民工就业质量的促进作用具有显著差异。其中，网络对信息获取与学习越重要，促进作用越强；网络对娱乐与社交越重要，促进作用越弱。

关键词：互联网使用；就业质量；农民工；ESR模型；IVQR模型

基金项目：国家社会科学基金项目“共同富裕背景下西南民族地区青年农民工就业质量提升对策研究”（22XSH018）。

［中图分类号］ F244 ［文章编号］ 1673-0186（2023）012-0049-021

［文献标识码］ A      ［DOI编码］ 10.19631/j.cnki.css.2023.012.004

就业是最大的民生。推动更充分更高质量就业在党的二十大报告、“十四五”规划等政策文件中被多次提及。改革开放以来，城乡就业市场逐步由分裂转向统一，农村劳动力开始大规模向城市转移，形成了举世瞩目的民工潮［1］。《2022年农民工监测调查报告》显示，全国农民工总量为29 562万人，群体规模已超过全国总就业人数的三分之一，庞大的农民工群体为我国城市建设和经济发展作出了巨大贡献。但长久以来，在户籍壁垒、社会保障和地方就业政策等制度因素以及人力资本和社会资本等禀赋因素的限制下，农民工群体就业质量普遍低于城镇本地劳动者［2］。作为城镇就业中的弱势群体，农民工大多从事制造业、建筑业、零售业、服务维修业等门槛较低的工作，具有收入低、工时长、社保不完善、稳定性差等明显特征。在此背景下，国家发改委、人社部等多部门联合发布《关于做好当前农民工就业创业工作的意见》，指出要提升劳动力市场供需匹配效率，促进农民工高质量就业。

数字经济以知识和信息为关键生产要素，创造出众多新岗位和新职业，吸纳了大量农民工，已成为推动我国经济持续健康发展的新动能。《中国数字经济发展报告（2023）》显示，2022年我国数字经济规模达到50.2万亿元，占GDP的比重为41.5％。作为数字经济发展的一种信息交互平台，互联网拓宽了农民工的信息获取渠道，提供了更多的就业机会，为农民工高质量就业创造了条件。然而，劳动力市场对农民工互联网技能水平的要求也在日益提高，技能水平与岗位需求不适配导致的结构性就业矛盾凸显，并成为影响农民工就业质量提升的“短板”。可见，互联网的发展深刻影响着农民工的就业选择和生产生活方式。那么，互联网使用会对农民工就业质量产生怎样的影响？其作用机制是什么？上述影响在不同就业质量水平农民工之间是否存在异质性？厘清这些问题，对缓解农民工结构性就业矛盾和实现共同富裕战略目标具有重要的理论和现实意义。

与本文相关的一支文献是就业质量内涵及测算的研究。一是聚焦于就业质量内涵的研究。就业质量作为一个综合性的多维概念，最早起源于美国兴起的“工作生活质量”，指的是个体对有意义的工作以及参与影响其工作地位的决策需求。后续研究均围绕个体的工作现状与主观感受对就业质量进行界定［3-4］。二是对就业质量测度的研究。早期的研究起源于1999年国际劳动组织提出的体面劳动概念，指出就业质量主要受到就业机会、收入水平、工作稳定性、社会公平待遇、社会保障、工作与家庭生活平衡等方面的影响［5］。在此基础上，现有研究多从工作收入、劳动时间、就业稳定性、社会保障等方面测算就业质量指数［6-7］。

与本文相关的另一支文献是互联网对劳动者就业质量的影响研究。一是宏观层面，部分文献基于工业互联网和消费互联网视角讨论了数字经济对劳动者就业质量的影响。一方面，以人工智能为代表的工业互联网通过产业数字化变革实现就业质量的提升。人工智能技术开创性地替代劳动者体力活动，大大减少劳动者从事危险性、重复性工作的可能性，有助于改善他们的工作环境，优化就业质量［8］。但工业互联网发展也可能减少对中、低层次工作岗位的需求，进而对劳动者就业质量产生消极影响［9］。另一方面，以数字金融为代表的消费互联网通过就业创造效应实现劳动者高质量就业。消费互联网发展催生了大量灵活就业岗位，增加了劳动者的就业创业机会，为优化就业质量创造了条件［10］。同时，数字金融通过拓展融资渠道缓解了信贷约束，为改善劳动者创业行为营造了良好的市场环境，从而提高就业质量［11］。二是微观层面，部分文献探讨了互联网使用对劳动者就业质量的影响。互联网使用有助于增加劳动者的就业创业机会［12］，提高生产效率，降低劳动强度，从而提高收入水平，改善就业质量［13］。但也有学者指出互联网办公的灵活性使得劳动者的工作和生活时间模糊化，加剧了对劳动者的时间剥夺，进而损害他们的就业质量［14］。

通过文献梳理可以发现，已有研究主要存在三个方面问题。第一，在研究视角方面，缺乏互联网使用对农民工就业质量的针对性研究。少数研究探讨了互联网使用与就业质量的关系，且主要从劳动者整体视角展开，对农民工在数字经济时代的就业质量问题关注不足。第二，在研究方法方面，忽视回归过程可能存在的内生性问题。互联网使用行为具有非随机性，已有研究多采用倾向得分匹配法（PSM）缓解互联网使用的选择性偏误问题，但该方法仅考虑了可观测变量造成的选择性偏误问题，无法解决不可观测变量引起的估计偏差。第三，在研究内容方面，未充分考虑互联网使用对农民工就业质量影响的主体异质性，不同的就业质量水平对互联网使用效率的影响未得到正视。鉴于此，本文利用2020年中國家庭追踪调查数据（CFPS），运用内生转换模型（ESR）和工具变量分位数回归模型（IVQR）进行实证检验，考察互联网使用对农民工就业质量的影响及其异质性，以期为数字经济背景下的农民工就业质量提升问题提供重要理论支撑。

一、理论分析与研究假设

在信息技术飞速发展的今天，互联网是影响农民工高质量就业的重要因素。通过使用互联网，农民工能够以更低的成本提高职业匹配程度、人力资本水平、社会资本水平，从而提升就业质量。具体来说，互联网主要通过以下三个渠道影响农民工就业质量。

（一）互联网使用对农民工就业质量影响的作用机制

第一，互联网作为一种信息传播载体，能够通过提高农民工职业匹配程度影响就业质量。人岗匹配理论认为，当个体的劳动能力与岗位需求相匹配时，会提高就业质量和工作满意度［15］。人岗匹配本质上是雇佣者与被雇者寻找最优匹配关系的过程，但劳动力市场往往存在信息不对称的问题，由此而来的时间与信息成本严重阻碍了人岗匹配的实现［16］。互联网使用一方面可以缓解劳动力市场的信息不对称，农民工通过使用互联网能够大幅缩短获取就业信息的时间，降低传统劳动力市场的工作搜寻成本，更好地了解雇佣单位的招聘目标及其能力需求，筛选出与自身能力相匹配的岗位，从而实现高质量就业。另一方面可以提高信息传递效率，雇佣双方通过线上交流提高沟通的有效性与便捷性，降低了时间成本，提高了信息沟通效率，为增强农民工职业匹配程度提供了便利，从而推动高质量就业。

第二，互联网作为一种数字教育平台，能够通过提高农民工人力资本水平影响就业质量。根据人力资本理论，较高的人力资本有助于农民工摆脱高强度、低收入、高风险的次级劳动力市场，扩大就业选择范围，增强议价能力，从而获得更多的劳动报酬与劳动权益保障，改善就业质量［17］。农民工使用互联网对人力资本的提升作用体现在：一方面，互联网发展推动了线上教育共享平台的出现，弥补了农村地区教育基础设施供给不足的缺陷，破除了传统上只能通过学历教育增加人力资本的局限性，为农民工提高知识水平和职业能力提供了便利，从而有助于寻找优质工作岗位，改善就业质量；另一方面，互联网促进了信息技术与教育教学深度融合，产生了远程教育、在线平台等新型学习方式，有助于降低知识获取成本，减轻农民工在教育投资时面临的经济负担，为农民工提升人力资本创造了条件，从而提高工资议价能力，优化就业质量。

第三，互联网作为一种新型社交媒介，能够通过提高农民工社会资本水平影响就业质量。根据社会资本理论，丰富的社会资本对劳动者求职过程与工作满意度具有积极作用［18］。对农民工而言，由于自身人力资本水平有限，劳动力市场信息的搜索能力差，对通过社会资本寻找工作岗位的依赖性更强。互联网拉近了人与人之间的距离，既有利于巩固与维持已有社会关系，又有利于扩大社交范围，为农民工积累社会资本提供了契机。社会资本的增加对就业质量具有重要的促进作用：一方面，以血缘、亲缘与地缘为基本纽带形成的社会资本能够为农民工提供丰富的就业信息，甚至是直接提供就业岗位，有助于扩大农民工的就业选择范围，从而寻找高质量就业岗位；另一方面，从企业角度，社会资本通过内部推荐、熟人推荐的方式为雇主提供农民工的就业信息，雇主受到农民工社会资本影响，可能会偏离生产率理性，给予农民工较好的工作待遇，从而改善了就业质量［19］。据此，本文提出假说：

H1：互联网使用显著提升农民工就业质量。

H2：互联网使用通过提高职业匹配程度、人力资本水平、社会资本水平三个机制改善农民工就业质量。

（二）互联网使用对农民工就业质量影响的群体差异

农民工初始禀赋差异是互联网使用效果异质性的根源。对于农民工而言，使用互联网前的就业质量水平不同，通过使用互联网获得的就业质量提升效应也必然存在差异。理论上讲，由于就业质量较高的农民工在收入水平、就业稳定性和社会保障等方面具有优势，互联网使用对其就业质量的提升效应可能会低于就业质量较低的农民工。一方面，高就业质量水平农民工的正规就业概率较高，薪资福利待遇较好，互联网使用对其就业质量提升的影响较小，而低就业质量水平农民工在劳动力市场缺乏竞争力，互联网可以显著增加他们的就业创业机会，使其更容易从数字红利中受益。另一方面，低就业质量水平农民工本身的人力资本水平不高，互联网可以弥补其在信息渠道和职业能力等方面的不足，提升他们的人力资本水平，从而增加他们与雇主间的议价能力，实现高质量就业［20］。据此，本文提出假说：

H3：互联网使用对就业质量较低的农民工就业质量提升效应更强。

二、研究设计

由理论分析可知，互联网使用能通过提高职业匹配程度、人力资本水平、社会资本水平对农民工就业质量产生影响，且互联网使用对不同就业质量水平农民工的就业质量提升效应存在异质性。因此，本文通过构建内生转换模型、工具变量分位数回归模型以及中介效应模型分析互联网使用对农民工就业质量的影响。

（一）数据来源

本文采用的数据来源于2020年中国家庭追踪调查（CFPS）。该调查由北京大学中国社会调查中心收集和发布，样本覆盖全国25个省份，采用分层、三阶段不等概率的抽样设计，以提高样本的代表性和随机性。CFPS项目从2010年开始每两年进行一次追踪调查，目前共发布了六期追踪调查数据。本文将CFPS 2020年的数据作为初始样本，并做如下处理：第一，剔除城镇户籍样本；第二，结合国家统计局对农民工的定义①，筛选出从事工资性就业或自雇就业的农村户籍劳动力；第三，根据个人编码和家庭所在地，合并个人与家庭层面数据；第四，剔除异常值和主要变量缺失的样本。通过上述处理方式，最终得到农民工有效样本为5 468个。

（二）变量定义

1.被解释变量

本文借鉴（Leschke）等的做法［21］，将农民工就业质量界定为其在工资水平、就业稳定性、社会保障以及劳动时间等方面的综合表现。基于数据的可得性，本文采用農民工的工作收入（用“月收入水平”表示）、就业稳定性（用“是否签订劳动合同”表示）、社会保障（用“是否同时参加养老和医疗保险”表示）和劳动时间（用“周工作时间”表示）四个维度衡量农民工就业质量指数。

对于就业质量指数的具体测量，则借鉴明娟等的处理方式［22］，首先，对四个维度进行标准化处理：

=（xij-Minj）/（Maxj-Minj） （1）

为标准化的指标，其中，i为农民工个体，j为各维度测量指标的原始数据，Minj和Maxj分别为j维度指标的最小值和最大值。此外，考虑到农民工普遍存在着过度劳动现象，其劳动时间更多体现为就业质量的负向指标。为此，本文采用“1-周工作时间”的处理方式获得劳动时间维度的反向指标。

其次，在四个维度标准化得分的基础上，采取等权平均法计算农民工就业质量为：

Quality=/4×100 （2）

2.核心解释变量

本文将农民工互联网使用决策作为核心解释变量。借鉴（Zheng）等和吴佳璇等的研究成果，用农民工是否使用互联网进行刻画。其中，农民工使用互联网赋值为1，未使用赋值为0。

3.控制变量

本文借鉴杨超等［25］和李礼连等［26］的研究成果，引入以下控制变量：其一，个人及家庭特征变量，包括性别、年龄、受教育程度、婚姻状况、健康状况、家庭人口数六个变量；其二，务工及工作组织特征变量，包括工作性质、职业类型、工会参与、工作场所、企业规模、行业类型、单位所有制类型七个变量；其三，流动特征变量，包括就近务工、市内跨县、省内跨市和省外务工四种形式的虚拟变量。除此之外，为控制不同地区农民工就业质量的差异性，模型中还引入了一组地区虚拟变量。

需要指出的是，考虑到农民工职业特征的复杂性，模型可能存在遗漏变量问题。为此，本文以虚拟变量的方式尽可能对影响农民工就业质量的行业和单位所有制类型进行控制，以缓解遗漏变量问题。具体而言，本文将行业类型划分为三类：建筑业、服务业、制造业。将单位所有制类型划分为四类：政府機构、国有企业、私营企业、个体工商户。

4.工具变量

本文借鉴宁光杰等的研究成果［27］，选取“同一村庄其他农民工互联网使用的比例”作为工具变量。根据行为模仿理论，村庄其他农民工互联网使用行为会影响受访者的互联网使用决策，但该变量不会对受访者就业质量产生直接影响，符合工具变量的相关性与外生性原则，是比较合适的工具变量。

（三）样本分析

表1汇报了变量名称、变量定义以及各变量描述性统计数据。由此可知，农民工就业质量的平均值为37.057。使用互联网的农民工占比为76%，未使用互联网的农民工占比为24%。从农民工的个人及家庭特征来看，样本农民工中男性和女性的比例分别为60.5%和39.5%；平均年龄为38岁左右；受教育程度以初中为主；家庭人口数平均为4人。从农民工的务工及工作组织特征来看，7%的农民工参与工会组织；91.3%的农民工从事受雇就业；9%的农民工从事管理岗位；农民工在室内工作的比例为73.4%；19.9%的农民工所在单位人数规模超过200人。行业类型方面，样本中12.3%的农民工从事制造业，24.4%的农民工从事服务业，46.7%的农民工从事建筑业，16.6%的农民工从事其他职业。单位所有制类型方面，农民工单位所有制类型是政府机构、国有企业、私营企业、个体工商户的比例分别为：8.4%、10.1%、66.2%、7.6%。从农民工的流动特征来看，农民工务工距离是就近务工、市内跨县、省内跨市和省外务工的比例分别为64.4%、9.4%、8.5%、11.6%。可见农民工就业地点集中在“就近务工”，省市内流动务工的人数相对较少。

表2汇报了所选变量在使用与未使用互联网农民工之间的差异。其中，第二列和第三列为变量均值，第四列为均值差异。可以看出，两组样本间存在显著差异，但这些差异是否由互联网使用导致，还需进行实证检验。首先，使用互联网的农民工比未使用互联网的农民工的就业质量高，初步证实互联网使用有助于提升农民工就业质量。其次，与未使用互联网的农民工相比，使用互联网的农民工呈现出年龄较低、受教育程度较高、健康状况较好的特征。除此之外，使用互联网的农民工表现出为受雇就业为主、参加过工会组织、工作场所多为室内、从事制造业概率较高、从事建筑业概率较低、单位所有制性质多为政府机构、国有企业和私营企业、务工地点距家较远的特征。值得一提的是，使用互联网的农民工所在村庄的互联网使用比例比未使用互联网的大很多，表明农民工互联网使用决策与所在村庄互联网使用比例之间存在较强的相关性，初步验证工具变量的合理性，但尚需进行相关检验。

（四）模型设定

1.内生转换模型（Endogenous Switching Regression Model，ESR）

农民工互联网使用决策并非随机选择行为，而是诸多因素综合作用的结果，且这些因素可能同时影响农民工互联网使用决策与就业质量。因此，需要采用效应评估方法处理选择性偏误问题，该方法包括非参数和参数两类，非参数法包括较常见的倾向得分匹配法（PSM）以及较前沿的逆概率加权法（IPW）、回归调整法（RA）和逆概率加权回归调整法（IPWRA），但这类方法仅能处理可观测变量造成的选择性偏误问题。参数法中较常见的为内生转换模型（ESR），该类方法可综合处理可观测变量和不可观测变量造成的选择性偏误问题，更具科学性［28-29］。因此，本文采用ESR模型分析互联网使用对农民工就业质量的影响。

ESR模型回归分为两个阶段：第一阶段是选择方程回归，用以分析个人及家庭特征变量、务工及工作组织特征变量和流动特征变量等对农民工互联网使用决策的影响；第二阶段是结果方程回归，即农民工就业质量决定方程，在加入工具变量的基础上，估计互联网使用对农民工就业质量的影响。

具体来说，第一阶段：

Internet=δiXi+γiIi+μi，Interneti=Interneti1，Internet>00，Internet<0（3）

第二阶段：

Y1i=βo+β1jX1i+σT1λT+ε1i，if Interneti=1

Yi0i=βo+β0j X0i+σTολU+ε0i，if Interneti=0（4）

（3）式为选择方程，其中，i表示农民工个体；Interneti是一个二元选择变量，表示农民工互联网使用决策，由随机效应模型Internet决定；Xi为影响农民工就业质量的控制变量；μi为误差项；γ和δ均为待估参数，Ii为工具变量。

（4）式为结果方程，其中，Yi为农民工就业质量，β为待估参数，εi为误差项。λT和λU代表不可观测因素导致的选择偏差，σT1=cov（ε1，μ）和σT0=cov（ε0，μ）分别表示选择方程和结果方程误差项的协方差，若σT1和σT0在统计意义上显著，表示ESR模型对于纠正不可观测因素导致的选择偏误问题是有效的。

2.工具变量分位数回归（Instrument Varible Quantile Regression，IVQR）

ESR模型评估了互联网使用对农民工就业质量的影响，但忽略了农民工使用互联网前的不同就业质量水平，通过使用互联网获得的就业质量提升效应也必然存在差异，若不加以区分，则不能准确评估互联网使用对农民工就业质量的影响。分位数回归（Quantile Regression，QR）模型能实现该回归过程，但无法综合处理回归过程可能存在的内生性。为此，本文在加入工具变量的基础上，运用IVQR模型估计互联网使用对农民工就业质量影响的异质性［30-32］。

IVQR模型目标函数的构建原理分为两步。第一，构建结构方程：

Yi=E ηi （Ni ）+X+？谆i（Ni）Ei=ρ（Xi，Di，Ii ）→Eηi（）+X？谆i（） （5）

（5）式中，Yi为农民工就业质量，Xi为影响Yi的控制变量，Ni为影响Yi的不可观察因素，Di为所有未观察到的扰动向量，且独立于Ni，Ii是工具变量，Ei为由Xi，Di和Ii共同决定的内生变量。ρ（·）表示条件概率，为条件分位数。

第二，构建方程KYi （|ei，xi）=eηi（）+x ？谆i（），由（5）式可知：［Yi≤KYi（|Ei，Xi）］等价于［Ni≤］，即

P［Y≤KYi（|Ei，Xi）|Ii，Xi ］= （6）

（6）式等价于

QYi-KYi（|Ei，Xi ）（|Ii，Xi）=0 （7）

根据（Koenker）等［33］的思路，建立如下分位数回归方程：

QYi （|Mi）=argminθ（）E{［Yi-f（Mi）］ } （8）

（8）式中，f（·）表示参数函数，Mi为影响Yi的所有因素，θ（）为分位点对应的待估参数组合。将（8）式带入（7）式，可得IVQR的目标函数为：

argmiE{［Yi-KYi（＼Ei，Xi）-f（Ii，Xi）］ }=0 （9）

三、实证结果与分析

本文采用的是2020年中国家庭追踪调查（CFPS）数据。鉴于样本可能存在的选择性偏误问题，我们采用ESR模型评估互联网使用对农民工就业质量的影响。

（一）互联网使用对农民工就业质量的影响效应分析

回归结果如表3所示，方程独立性检验在1%的统计水平上显著，表明选择方程与结果方程之间相互关联，联立估计这两个方程是合适的；rho0在1%的统计水平上显著，表示存在不可观测变量同时影响农民工互联网使用决策和就业质量，需要对不可观测变量引起的选择性偏误问题进行修正，因此，采用ESR模型是合理的。

工具变量的有效性检验方面。首先，Hausman和DWH检验结果均在1%的统计水平上拒绝原假设，表明存在内生性问题。其次，村级互联网使用比例变量对农民工互联网使用决策具有正向影响，并通过1%的显著性检验，说明工具变量满足相关性假设。除此之外，本文也对工具变量的弱变量性进行检验，F统计量高于10并在1%的统计水平上拒绝原假设，排除了弱工具变量的可能性。因此，工具变量的选取是合理的。

表3第二列匯报了选择方程的回归结果。受访者个人及家庭特征中，年龄变量对农民工互联网使用决策有显著负向影响，这表明年龄小的农民工使用互联网的积极性更高。这一结果不难理解，年龄越小的农民工，越容易学习和接受新鲜事物，因而使用互联网的意愿更强。受教育程度和婚姻状况变量对农民工互联网使用决策有显著正向影响。个体受教育程度越高，对互联网技术的接触机会越大，并且更能够熟练掌握互联网技能，适应数字化生活，这与Ma等［34］的研究结论相符。与未婚农民工相比，已婚农民工更倾向使用互联网，这可能是因为受制于农村地区“男主外，女主内”的传统分工模式，丈夫通常选择外出打工，女性成为家庭经济活动的主力，互联网使用能够促进已婚人士相互交流，因而使用互联网的意愿更强。

受访者务工及工作组织特征中，工作性质变量对农民工互联网使用决策有显著正向影响。互联网催生了外卖骑手、滴滴司机等新型就业形态，而这类工作需要农民工使用互联网，因此，增加了农民工的互联网使用概率。职业类型和工作场所变量对农民工互联网使用决策有显著正向影响，原因可能在于从事管理岗位和室内工作的农民工往往需要借助互联网检索信息、查找资料、解决技术性难题，对互联网的需求更高。企业规模变量对农民工互联网决策有显著正向影响。可能的原因在于，经营规模越大的企业能够更好地承担互联网使用的规模成本，提高农民工在工作中使用互联网的可能性。建筑业和服务业变量与农民工互联网使用决策呈负相关，原因可能在于从事建筑业和服务业的农民工多以体力劳动为主，互联网使用需求较低。

受访者流动特征中，市内跨县、省内跨市和省外务工变量对农民工互联网使用决策的影响显著为正，而就近务工变量的回归系数不显著。可能的解释是，距离户籍所在地越远的农民工社会融入及信息化条件越差，互联网拓展了其社会交往范围和信息获取渠道，因而，这一群体使用互联网的倾向性更强。除此之外，区域变量对农民工互联网使用决策有显著正向影响，表明东部区域农民工使用互联网的积极性更高。

表3第三列和第四列报告了结果方程的回归结果。受访者个人及家庭特征中，性别和受教育程度变量对两类农民工的就业质量均有显著正向影响。当前，我国劳动力市场仍然存在就业性别歧视的现象，男性比女性更有优势从事高收入职业，因此就业质量普遍较高［35］。受教育程度的提高有助于农民工摆脱次级劳动力市场，增强议价能力，实现高质量就业。年龄变量对两类农民工就业质量有显著负向影响，可能的原因在于，随着年龄的增长，农民工在劳动力市场的竞争优势逐渐丧失，难以寻找优质工作岗位，损害了就业质量。

受访者务工及工作组织特征中，是否为工会成员和工作场所这两个变量对两类农民工就业质量的估计系数显著为正，体现了参与工会组织和室内工作对农民工就业质量有着显著的提升作用，这与汪润泉等［36］的研究结论相一致。工作性质和职业类型变量对使用互联网农民工的就业质量均有显著正向影响。这表明，相比于未使用互联网的农民工，使用互联网的农民工从事非农工作和管理岗位更有利于发挥互联网知识储备和信息资源优势，促进就业质量提升。企业规模变量对两类农民工的就业质量均有显著正向影响，说明企业规模越大，农民工享受的福利待遇和社会保障越好，提升了就业质量。建筑业和服务业变量对使用互联网的农民工就业质量有显著负向影响，原因可能是农民工从事的建筑业和服务业岗位多为“脏、乱、累、苦”的低端职位，互联网使用需求较低，难以通过互联网推动其就业质量提升。国有企业变量对两类农民工就业质量均有显著正向影响，这主要是因为国有企业较高的工资收入以及工作强度较低、补贴较多等隐形福利显著提高了农民工的就业质量。

受访者流动特征中，市内跨县、省内跨市和省外务工变量对使用互联网农民工就业质量均有显著正向影响，但就近务工变量对农民工就业质量的影响不显著。一方面，体现了距离户籍所在地较远的农民工通过使用互联网能够显著提升就业质量。另一方面，表明当务工距离超出本县，务工距离的增加会带来就业质量的提升，反映了农民工省市内流动和跨省流动就业比就近务工就业更具优越性［37］。除此之外，区域变量对使用互联网农民工的就业质量有显著正向影响，而对未使用互联网农民工就业质量的影响不显著，这是因为东部地区数字经济发展程度高，互联网基础设施完善，互联网使用在一定程度上扩大了不同地区农民工就业质量的区域差异。

（二）互联网使用对农民工就业质量影响的平均处理效应

表4报告了互联网使用对农民工就业质量影响的平均处理效应，从ATE的估计结果看，互联网使用对农民工就业质量有显著正向影响，表明互联网使用有助于提升农民工就业质量。进一步地，ATT和ATU的结果表明，在反事实情境下，使用互联网的农民工若未使用互联网，就业质量将下降9.073，下降比例为22.8%；未使用互联网的农民工若使用互联网，就业质量将上升10.113，上升比例为18.3%。综上可知，互联网使用能显著提升农民工就业质量。研究假说H1得到验证。

（三）稳健性检验

为检验回归结果的稳健性，本文采用更换估计方法、替换被解释变量、更换样本数据三种方式进行稳健性检验，回归结果如下：

1.更换估计方法

本文采用PSM、IPW、RA和IPWRA等非参数评估法估计互联网使用对农民工就业质量的影响。回归结果如表5所示，可知，这四类非参数评估法均通过1%显著性检验，且ATT值分别为4.770、4.242、5.360和2.457，这与ESR模型的结果是一致的，证实了结果的稳健性。但也存在不同之处，可以看出，ESR模型的ATT值（9.073）比上述四类非参数评估法大得多，原因在于，非参数评估法无法处理由不可观测变量造成的选择性偏误问题，而ESR模型属于参数评估法，可综合处理由可观测变量和不可观测变量造成的选择性偏误问题，因此，得到的结果更加合理。

2.替换被解释变量

基准回归中，农民工就业质量针对的是客观就业质量。但是随着人们日益增长的美好生活需要，农民工的主观感受对就业质量测度的重要性凸显，因此，本文借鉴王若男等［38］的做法，在原有农民工就业质量指标的基礎上，增加工作满意度变量，重新合成就业质量指数，并运用ESR模型评估互联网使用对农民工就业质量的影响。回归结果如表6上半部分所示，可以看出，在加入工作满意度后，互联网使用对农民工就业质量的影响依然显著为正，证实了结果的稳健性。

3.更换样本数据

为排除极端值的干扰，本文剔除了就业质量数据首尾两端5%的极端值，在此基础上，运用ESR模型对剩余样本进行回归估计。回归结果如表6下半部分所示，可以看出，剔除数据极端值后，互联网使用对农民工就业质量的影响依然显著为正，证实了结果的稳健性。

（四）异质性分析

为考察互联网使用对不同就业质量水平的农民工影响的动态变化，本文继续以村级互联网使用比例为工具变量，选取低分位点（0.25）、中分位点（0.5）、高分位点（0.75）将农民工就业质量分为三个层次，运用IVQR模型分析互联网使用对农民工就业质量影响的异质性。回归结果如表7所示，可以看出，在不同就业质量水平下，互联网使用对农民工就业质量均具有显著正向影响，且估计系数分别为18.935、6.419、2.703。可见，互联网使用对低分位点的影响高于高分位点，即互联网使用对就业质量较低的农民工就业质量提升效应更强。可能的原因在于，相对于就业质量较高的农民工来讲，就业质量较低的农民工在劳动力市场大多为临时工，收入低、劳动强度大、社会保障不健全等特征明显，他们可以通过使用互联网获得更多优质工作岗位，降低从事低端工作的可能，享受到更多数字红利，因此，就业质量提升效应更强，研究假说H3得到验证。

（五）机制分析

从前文回归结果得出，互联网能够显著提升农民工就业质量，但互联网使用如何影响农民工就业质量，这有待进一步检验。本文认为，互联网使用主要通过提高职业匹配程度、人力资本水平、社会资本水平三种机制提升农民工就业质量。为此，本文运用中介效应模型进行逐步回归，以验证上述影响机制。

1.职业匹配程度

（Simon）等指出人职匹配能促进农民工获得更好的岗位薪资和更稳定的劳动合同［39］。基于此，本文将CFPS问卷中“胜任工作的教育程度”与农民工学历进行匹配，具体而言，若胜任工作的教育程度与农民工学历相符，赋值为1，表明实现了人职匹配，否则赋值为0。

首先，检验互联网使用对农民工职业匹配程度的影响。由表8第二列回归结果可知，互联网使用对农民工职业匹配程度的影响显著为正，表明互联网使用有助于提升农民工职业匹配程度。其次，由第三列回归结果可知，通过引入职业匹配这一变量后，互联网使用对农民工就业质量仍具有显著正向的影响，且职业匹配变量对农民工就业质量的估计系数显著为正，即职业匹配程度在互联网使用影响农民工就业质量的关系中起着中介作用。可能的解释是，在市场机制不完善的背景下，农民工通过使用互联网能够提高职业搜寻与信息处理能力，获取广泛的就业信息，为降低他们的工作搜寻成本和岗位试错损失创造了条件，从而实现自身能力与工作岗位的匹配，提高就业质量。

2.人力资本水平

周光霞指出农民工重新回到学校接受正规教育的可能性极低［40］，人力资本水平的提升更多地依靠继续教育或“干中学”。与此同时，互联网发展衍生出以线上教育为主的学习模式，为农民工继续教育搭建了平台。鉴于此，本文选取CFPS问卷中“是否网络学习”作为衡量人力资本的代理变量。

首先，检验互联网使用对农民工人力资本水平的影响。由表8第四列回归结果可知，互联网使用对农民工人力资本具有显著的正向影响，表明互联网使用能够提高农民工人力资本水平。其次，由第五列回归结果可知，通过引入人力资本这一变量后，互联网使用对农民工就业质量仍具有正向的影响，且人力资本变量对农民工就业质量的估计系数显著为正，即人力资本水平在互联网使用影响农民工就业质量的关系中起着中介作用。可能的解释是，农民工通过使用互联网进行继续教育，提高了文化知识与技能水平，有助于增加他们的人力资本存量，增强就业议价能力，从而改善就业质量。

3.社会资本水平

Obukhova等认为社会资本可增加劳动者的人情资源和信息资源，扩大劳动者的就业选择范围，有助于寻找高质量工作岗位，改善就业质量［41］。本文选取CFPS问卷中“在求职过程中是否得到帮助”作为衡量社会资本的代理变量。

首先，考察互联网使用对农民工社会资本水平的影响。由表8第六列回归结果可知，互联网使用对农民工社会资本的估计系数显著为正，表明互联网使用能够提高农民工社会资本水平。其次，由第七列回归结果可知，通过引入社会资本这一变量后，互联网使用对农民工就业质量仍具有显著正向的影响，且社会资本变量对农民工就业质量的估计系数显著为正，即社会资本水平在互联网使用影响农民工就业质量的关系中起着中介作用。可能的解释是，农民工群体把互联网作为额外社交互动的工具，有助于扩大社交圈，形成更丰富的社会网络，从而通过关系资源和人情资源获得更好的工作机会和薪资待遇，实现高质量就业。

综上，研究假说H2得到验证。

四、进一步讨论

随着农村地区通信基础设施趋于完善，以互联网使用为代表的数字技术应用为农民工提供了均等的受益机会。然而，平等分享数字红利的目标并未同步实现，农民工在数字技术运用能力即数字素养上的差异会造成他们在数字赋能过程中的参与程度与受益水平产生较大差别，仅从是否使用互联网探讨互联网信息技术对农民工就业质量的影响已略显不足。因此，本文参考罗明忠等的研究思路［42］，通过在模型中引入交互項的方式，从信息、娱乐、社交、学习等角度考察农民工对不同上网用途的重视程度①，以解释如何使用互联网获取更高的就业质量。

如表9第一列所示，互联网使用与信息重要程度的交互项对农民工就业质量的影响显著为正，表明网络对农民工获取信息的重要程度越高，互联网使用对其就业质量的提升作用越明显。可能的原因是，当农民工认识到互联网作为信息渠道对信息获取的重要性时，能够通过就业网站、招聘App、公众号等媒介更加快速地捕捉就业信息，及时应对就业市场变化，有效缓解了劳动力市场的信息不对称，有助于寻找与自身能力匹配的高质量就业岗位，从而实现高质量就业。

由表9第二列可知，互联网使用与娱乐重要程度的交互项对农民工就业质量的影响显著为负，表明网络对农民工休闲娱乐的重要程度越高，互联网使用对其就业质量的提升作用越弱。可能的原因是，对于重视互联网娱乐的农民工而言，互联网尚未从单纯的娱乐工具转变为可提供多元服务的应用平台，他们更容易被算法控制，困在互联网构筑的“信息茧房”里，无法有效缓解劳动力市场的信息不对称程度，从而抑制互联网使用对其就业质量的提升作用。

由表9第三列可知，互联网使用与社交重要程度的交互项对农民工就业质量的影响显著为负，表明网络对农民工社交的重要程度越高，互联网使用对其就业质量的提升作用越弱。可能的原因是，虽然社会资本能够在农民工获得非农就业机会中发挥重要作用，但通过社交关系获得工作的农民工往往处于次级劳动力市场，难以获得高端工作机会［43］。因此，当农民工过度依赖使用互联网进行社交时，会忽略通过市场化途径进入劳动力市场的方式，从而弱化互联网使用对就业质量的提升作用。

如表9第四列所示，互联网使用与学习重要程度的交互项对农民工就业质量的影响显著为正，表明网络对农民工学习的重要程度越高，互联网使用对其就业质量的提升作用越强。可能的原因是，农民工对于互联网学习的重视程度越高，有助于更好地发挥互联网平台的教育优势，通过线上培训学习提升其工作技能与工作效率，增强就业议价能力，使他们的就业质量得到更大程度的提升。

五、结论与政策建议

本文利用2020年中国家庭追踪（CFPS）调查数据，在理论分析的基础上，运用内生转换模型（ESR）和工具变量分位数回归模型（IVQR）评估了互联网使用对农民工就业质量的影响及其异质性。研究发现：第一，互联网使用显著提高了农民工就业质量，在反事实情境下，使用互联网的农民工若未使用互联网，就业质量将下降22.8%；未使用互联网的农民工若使用互联网，就业质量将上升18.3%。第二，农民工个体及家庭特征、务工及工作组织特征与流动特征均影响其互联网使用决策。其中，受教育程度、婚姻状况、工作性质、是否为工会成员、职业类型、工作场所、企业规模、省市内流动、跨省流动、东部地区均正向影响农民工互联网使用决策。年龄、建筑业、服务业、私营企业、个体工商业均负向影响农民工互联网使用决策。第三，互联网使用对农民工就业质量的影响具有“益贫效应”，具体来说，互联网使用对就业质量较低的农民工就业质量提升效应更强。第四，互联网使用通过提高职业匹配程度、人力资本水平、社会资本水平三个机制实现农民工高质量就业。第五，基于对不同上网用途的重视程度，互联网使用对农民工就业质量的促进作用具有显著差异。其中，网络对信息获取与学习越重要，促进作用越强；网络对娱乐与社交越重要，促进作用越弱。

根據以上结论，本文认为应切实落实“互联网+就业服务”“互联网+技能培训”等相关措施、消弭数字鸿沟，共享数字红利，建立“政府+企业+社区”多方主体联动机制，多举措助推农民工高质量就业。

第一，政府要进一步降低信息接入门槛，改善农村互联网基础设施情况，降低农民工使用互联网的技术性障碍，持续推动宽带提速降费，推进建设用得起、用得好的普惠服务。除此之外，要积极培育新经济、新业态衍生出的新型就业形态，健全灵活就业社会保障体系，帮助农民工适应并把握住以外卖员、网约车司机为代表的新型就业机会，充分发挥互联网在增加就业机会、提高人力资本、增强岗位适配程度中的重要作用。

第二，企业应推进落实“互联网+职业技能培训”计划，通过开展有针对性的技能培训，提高农民工的信息获取与处理能力，帮助农民工适应数字化岗位工作。同时，要积极履行企业的社会责任感，增加公益性就业岗位，降低在工业互联网发展过程中因智能机器的就业替代效应对低技能农民工就业产生的负面影响。

第三，社区、村庄等基层组织要实施针对性的就业帮扶措施。一方面，要重点关注就业质量较低的农民工群体，通过定期开展数字技能培训班，使他们熟悉互联网应用软件，增加对新经济、新业态的接受程度，从而更好地融入数字经济，分享数字红利。另一方面，要重点帮助数字素养较低的农民工群体，通过招募党员、大学生、社区志愿者开展志愿活动一对一指导农民工如何使用互联网甄别信息、学习技能、寻找就业岗位，从而提高农民工的数字素养，实现高质量就业。

参考文献

［1］  蔡昉.从人口红利到改革红利［M］.北京：社会科学文献出版社，2014.

［2］  卢海阳，杨龙，李宝值.就业质量、社会认知与农民工幸福感［J］.中国农村观察，2017（3）：57-71.

［3］  JAHODA M. Work， Employment， and Unemployment： Values， Theories， and Approaches in Social Research［J］. American psychologist， 1981， 36（2）： 184.

［4］  EFRATY D， Sirgy M J. The Effects of Quality of Working Life on Employee Behavioral Responses［J］. Social Indicators Research， 1990： 31-47.

［5］  BONNET F， Figueiredo J B， Standing G. A Family of Decent Work Indexes［J］. Int'l Lab. Rev.， 2003， 142： 213.

［6］  DETTLING L J. Broadband in the Labor Market： The Impact of Residential High-Speed Internet on Married Womens Labor Force Participation［J］. Ilr Review， 2017， 70（2）： 451-482.

［7］  毛晶晶，路琳，史清华.上海农民工就业质量影响因素研究——基于代际差异视角［J］.中国软科学，2020（12）：65-74.

［8］  BRAVI L， MURMURA F， SANTOS G. Manufacturing Labs： Where New Digital Technologies Help Improve Life Quality［J］. International Journal for Quality Research， 2018， 12（4）： 957-974.

［9］  齐乐，陶建平.产业智能化与农民工就业质量的影响机理及提升路径［J］.华中农业大学学报（社会科学版），2023（1）：34-46.

［10］  田鸽，张勋.数字经济、非农就业与社会分工［J］.管理世界，2022（5）：72-84.

［11］  周广肃，樊纲.互联网使用与家庭创业选择——来自CFPS数据的验证［J］.经济评论，2018（5）：134-147.

［12］  刘生龙，张晓明，杨竺松.互联网使用对农村居民收入的影响［J］.数量经济技术经济研究，2021（4）：103-119.

［13］  毛宇飞，曾湘泉，祝慧琳.互联网使用、就业决策与就业质量——基于CGSS数据的经验证据［J］.经济理论与经济管理，2019（1）：72-85.

［14］  BAUERNSCHUSTER S， FALCK O， WOESSMANN L. Surfing Alone？ The Internet and Social Capital： Evidence from an Unforeseeable Technological Mistake［J］. Journal of Public Economics， 2014， 117： 73-89.

［15］  CHATMAN， JENNIFER A. Matching People and Organizations： Selection and Socialization in Public Accounting Firms［J］. Administrative Science Quarterly，1989（1）： 199-203.

［16］  STAM W， ARZLANIAN S， ELFRING T. Social Capital of Entrepreneurs and Small Firm Performance： A Meta-Analysis of Contextual and Methodological Moderators［J］. Journal of business venturing， 2014， 29（1）： 152-173.

［17］  卢海阳，郑旭媛.禀赋差异、议价能力与农民工工资——来自中国劳动力动态调查的证据［J］.农业技术经济，2019（6）：97-106.

［18］  LIN N. Social Networks and Status Attainment［J］. Annual review of sociology， 1999， 25（1）： 467-487.

［19］  邓睿.社会资本动员中的关系资源如何影响农民工就业质量？［J］.经济学动态，2020（1）：52-68.

［20］  张广胜，王若男.数字经济发展何以赋能农民工高质量就业［J］.中国农村经济，2023（1）：58-76.

［21］  LESCHKE J， Watt A. Challenges in Constructing a Multi-Dimensional European Job Quality Index［J］. Social indicators research， 2014， 118： 1-31.

［22］  明娟，王明亮.工作转换能否提升农民工就业质量？［J］.中国软科学，2015（12）：49-62.

［23］  ZHENG H， MA W. Impact of ICT Adoption on Cosmetic Expenditure of Chinese Residents： an Exploration Accounting for Urban-Rural Differentials［J］. Applied Economics Letters， 2022， 29（14）： 1286-1291.

［24］  吴佳璇，闵师，王晓兵，等.互联网使用与偏远地区农户家庭生产要素配置——基于西南山区农户面板数据［J］.中国农村经济，2022（8）：93-113.

［25］  杨超，张征宇.流动人口与本地人口就业质量差异研究：现状、来源与成因［J］.财经研究，2022（4）：19-33.

［26］  李礼连，程名望，张珩.公共就业服务提高了农民工就业质量吗？［J］.中国农村观察，2022（4）：134-152.

［27］  宁光杰，杨馥萍.互联网使用与劳动力产业流动——对低技能劳动者的考察［J］.中国人口科学，2021（2）：88-100+128.

［28］  MA W， GRAFTON R Q， RENWICK A. Smartphone Use and Income Growth in Rural China： Empirical Results and Policy Implications［J］. Electronic Commerce Research， 2018，20（4）：1-24.

［29］  ZHOU X， VATSA P， MA W. Impact of Internet Use on Value and Diversity of Risky Financial Asset Portfolios［J］. Quarterly Review of Economics and Finance， 2023， 89： 188-193.

［30］  CHERNOZHUKOV V， HANSEN C. Instrumental Variable Quantile Regression： A Robust Inference Approach［J］. Journal of Econometrics， 2008， 142（1）： 379-398.

［31］  SANGLESTSAWAI S， REJESUS R M， YOROBE J M. Do Lower Yielding Farmers Benefit from Bt Corn？ Evidence from Instrumental Variable Quantile Regressions［J］. Food Policy， 2014， 44： 285-296.

［32］  王玉斌，王鹏程.病虫害防治外包提高了农民收入吗——基于安徽和江苏两省水稻种植户的实证分析［J］.农业技术经济，2022（10）：132-143.

［33］  KOENKER R， Bassett JR G. Regression Quantiles［J］. Econometrica： journal of the Econometric Society， 1978： 33-50.

［34］  MA W， WANG X. Internet Use， Sustainable Agricultural Practices and Rural Incomes： Evidence from China［J］. Australian Journal of Agricultural and Resource Economics， 2020， 64（4）： 1087-1112.

［35］  汪前元，魏守道，金山，等.工業智能化的就业效应研究——基于劳动者技能和性别的空间计量分析［J］.管理世界，2022（10）：110-126.

［36］  汪润泉，周德水.农民工在城市间“用脚投票”能否实现高质量就业——基于流动人口监测调查数据的分析［J］.山西财经大学学报，2021（12）：42-54.

［37］  李中建，袁璐璐.务工距离对农民工就业质量的影响分析［J］.中国农村经济，2017（6）：70-83.

［38］  王若男，張广胜.数字经济与农业转移人口就业质量：促进或抑制［J/OL］.农业技术经济：1-19.

［39］  SIMON C J， WARNER J T. Matchmaker， Matchmaker： The Effect of Old Boy Networks on Job Match Quality， Earnings， and Tenure［J］. Journal of labor economics， 1992， 10（3）： 306-330.

［40］  周光霞.城市规模与农民工的工资溢价：效应与机制检验［J］.农业技术经济，2022（12）：71-87.

［41］  OBUKHOVA E， ZHANG L.Social Capital and Job Search in Urban China： the Strength-of-Strong-Ties Hypothesis Revisited［J］. Chinese Sociological Review， 2017， 49（4）： 340-361.

［42］  罗明忠，刘子玉.互联网使用、阶层认同与农村居民幸福感［J］.中国农村经济，2022（8）：114-131.

［43］  符平，唐有财，江立华.农民工的职业分割与向上流动［J］.中国人口科学，2012（6）：75-82+112.

Research on the Influence of Internet Use on the Employment Quality of Migrant Workers

Ma Hongmei1  Shang Jiahao2  Wang Pengcheng2

（1. School of Public Administration， Guizhou University， Guiyang，Gui zhou 550000; 2.School of Economics， Guizhou University， Guiyang， Gui zhou 550000）

Abstract： Improving the employment quality of migrant workers is a key to achieve common prosperity. As an important representation of the information age， the Internet has played an important role in promoting entrepreneurship， increasing employment and improving livelihood. Based on the data of China Family Panel Studies （CFPS） in 2020， the article employs endogenous switching regression model （ESR） and instrument varible quantile regression model （IVQR） to explore the impact of Internet use on the employment quality of migrant workers and its heterogeneity. The results show that Internet use can significantly improve the employment quality of migrant workers. Based on the counterfactual hypothesis， if the migrant workers who use the Internet did not use the Internet， their employment quality will decrease by 22.8%， and if the migrant workers who did not use the Internet did use the Internet， their employment quality will increase by 18.3%.The heterogeneity analysis reveals that the promotion of the Internet use on the employment quality of migrant workers shows a downward trend with the increase of employment quality， that is， Internet use has a more obvious impact on improving the employment quality of migrant workers with a lower level of employment quality. The mechanism analysis shows that Internet use can improve the employment quality of migrant workers by improving the degree of job matching， human capital level and social capital level. Further research shows that the promotion effect of Internet use on employment quality of migrant workers is significantly different based on the importance of different Internet usage.Among them， the more important the network is to information acquisition and learning， the stronger the promotion effect; The more important the Internet is for entertainment and social interaction， the less it promotes it.

Key Words： Internet use; Employment quality; Migrant worker; ESR model; IVQR model