互联网在人类社会生活中的作用已经超越了一般的生产工具,其不断发展正深刻影响和改变着人类生活方式,那么其对居民代际收入流动性又会产生怎样的影响?本文基于CFPS家庭微观调查数据,以代际收入百分位排序关联系数衡量代际收入流动性,探究了互联网使用对代际收入流动的影响及其作用机制。研究发现,互联网使用可以显著促进代际收入流动,使用工具变量消除内生性,并换用代际收入弹性以及滞后互联网使用数据进行稳健性检验后,结论依然成立。异质性分析表明,互联网使用对代际收入流动的促进效应存在个体差异、城乡差异和区域差异。进一步的研究表明,互联网使用对代际收入流动的促进效应主要通过信息搜寻和社交促进机制实现。 The role of the Internet in human social life has gone beyond the general production tools. Its continuous development is profoundly affecting and changing the way of life of people. Then what impact will it have on the intergenerational income mobility of residents? Based on CFPS household micro-survey data, this paper measures intergenerational income mobility by the correlation coefficient of percentile rank of intergenerational income, and explores the impact of Internet use on intergenerational income mobility and its mechanism. It is found that Internet use can significantly promote intergenerational income mobility. Instrumental variables are used to eliminate endogeneity, and the conclusions are still valid after the robustness test of intergenerational income elasticity and lagging Internet use data. Heterogeneity analysis shows that there are individual differences, urban and rural differences and regional differences in the promotion effect of Internet use on intergenerational income mobility. Further research shows that the promotion effect of Internet use on intergenerational income mobility is mainly realized through information search and social facilitation mechanism.
互联网在人类社会生活中的作用已经超越了一般的生产工具,其不断发展正深刻影响和改变着人类生活方式,那么其对居民代际收入流动性又会产生怎样的影响?本文基于CFPS家庭微观调查数据,以代际收入百分位排序关联系数衡量代际收入流动性,探究了互联网使用对代际收入流动的影响及其作用机制。研究发现,互联网使用可以显著促进代际收入流动,使用工具变量消除内生性,并换用代际收入弹性以及滞后互联网使用数据进行稳健性检验后,结论依然成立。异质性分析表明,互联网使用对代际收入流动的促进效应存在个体差异、城乡差异和区域差异。进一步的研究表明,互联网使用对代际收入流动的促进效应主要通过信息搜寻和社交促进机制实现。
互联网使用,代际收入流动,代际收入百分位排序关联系数,代际收入弹性
—Research on Intergenerational Income Flow from the Perspective of Internet
Zhengjiang Xie, Zhiwei Chen
Chongqing University, Chongqing
Received: Dec. 12th, 2021; accepted: Jan. 14th, 2022; published: Jan. 21st, 2022
The role of the Internet in human social life has gone beyond the general production tools. Its continuous development is profoundly affecting and changing the way of life of people. Then what impact will it have on the intergenerational income mobility of residents? Based on CFPS household micro-survey data, this paper measures intergenerational income mobility by the correlation coefficient of percentile rank of intergenerational income, and explores the impact of Internet use on intergenerational income mobility and its mechanism. It is found that Internet use can significantly promote intergenerational income mobility. Instrumental variables are used to eliminate endogeneity, and the conclusions are still valid after the robustness test of intergenerational income elasticity and lagging Internet use data. Heterogeneity analysis shows that there are individual differences, urban and rural differences and regional differences in the promotion effect of Internet use on intergenerational income mobility. Further research shows that the promotion effect of Internet use on intergenerational income mobility is mainly realized through information search and social facilitation mechanism.
Keywords:Internet Use, Intergenerational Income Mobility, Intergenerational Income Percentile Rank Correlation Coefficient, Intergenerational Income Elasticity
Copyright © 2022 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
如何促进收入分配公平是政府和学界共同关心的议题,与每一个人都息息相关。自我国改革开放逐步建立市场经济体制以来,居民收入差距和代际流动问题一直受到密切关注 [
尽管学者们已围绕代际收入流动的影响因素等内容开展了大量研究,但却忽视了以互联网为代表的信息技术作为一种外部冲击可能对代际收入流动性产生的影响。互联网作为一种技术偏向性进步,在短短数十年间迅速迭代,深刻影响和改变了中国人的生活生产方式,成为我国经济增长的新动能。根据中国互联网络信息中心(CNNIC)第46次《中国互联网络发展状况统计报告》,截至2020年6月,我国网民规模达9.40亿,较2019年6月增长将近1亿,互联网普及率达67%。2021年3月全国两会上,“数字经济核心产业增加值占GDP比重”被纳入十四五时期经济社会发展主要指标。那么,互联网使用能否有效促进代际收入流动?本文使用中国家庭追踪调查数据(CFPS),实证分析了互联网使用对于代际收入流动的促进效应及其作用机制。
目前关于代际收入流动的文献主要集中于流动性估算和影响机制两个方面。代际收入流动性的估算方法目前主要有三种方式:一是代际收入弹性估算(IGE)。该方法由Becker and Tomes (1979)提出,将通过建立父代收入对数与子代收入对数的回归模型得到的回归系数作为代际收入弹性,一般来说代际收入弹性越大,流动性则越差 [
学界围绕代际收入流动的影响因素和传导机制方面做了大量研究,除了关于基因遗传的有关研究外 [
自上世纪九十年代以来,中国互联网的快速发展极大提高我国信息化程度,我国政府也先后提出了多项互联网发展政策和战略,希望通过互联网的应用和普及进一步促进我国经济发展。目前,互联网使用的收入增长效应已经得到广泛承认 [
学界目前关于代际收入流动的研究较为广泛和丰富,在估算方法和实证分析方面均有大量研究文献。但是国内关于互联网使用影响城乡居民和家庭的研究仍然相对较少,从2019年开始,不少学者从收入、消费和就业等角度开展了理论和实证研究。但目前还鲜有研究互联网使用对于代际收入流动影响的文献,对于互联网使用到底能否促进代际收入流动,以及互联网使用对家庭和个人影响的可能代际传递路径和效果均缺乏具体的实证研究支撑。
具体分析而言,现有研究已经证实了互联网使用的收入增长效应,而在父代收入水平相对稳定的情况下,互联网的这种收入增长效应对于城乡居民收入的影响可能进一步作用于代际收入流动性。同时,个体收入常常受到生命周期、自然环境和制度环境等因素的影响,互联网使用对于代际收入流动性的影响还可能存在个体差异、城乡差异以及区域差异。
就互联网本身来看,其作为一个巨大的信息存储和共享平台,能够不受空间限制来进行信息交换,人与人,人与信息之间可以互动交流,具有互动性。现有研究已经证实互联网技术使用可以有效提高用户信息搜寻能力 [
综上,本文围绕互联网使用与代际收入流动提出以下两项研究假说。
假说1:互联网能够促进代际收入流动。
假说2:互联网通过信息搜寻机制和社交促进机制影响代际收入流动。
本文所使用的微观数据来自北京大学中国社会科学调查中心在全国范围内开展的中国家庭追踪调查(China Family Panel Studies)。作为一项全国性和综合性的社会跟踪调查项目,CFPS数据覆盖了全国25个省份,目前被广泛应用于各类研究中,具有较强的代表性。CFPS数据包括了个体、家庭和社区三个层面。本文所使用的数据主要来源于家庭问卷和个人问卷。CFPS从2010年至今总共开展了五轮全国调查,分别为2010年、2012年、2014年、2016年和2018年。
本文的实证分析主要基于CFPS 2010年、2012年、2014年和2016年的调查数据。由于研究代际收入流动需要形成父亲与子女的有效样本配对,因此本文依据家庭关系信息,通过受访者及其父亲的个人编码进行配对,选取子女年龄在16周岁以上且为非在学人口、父亲年龄在65周岁以下的样本。考虑到父亲与子女的年龄差,本文剔除了父亲年龄与子女年龄之差小于15岁的样本,最后得到2613个父亲与子女的配对观测值。
1) 被解释变量:代际收入流动。使用代际收入百分位排序关联度表征代际收入流动性,并在后文使用代际收入弹性表征代际收入流动性进一步检验结果稳健性。同时,为降低暂时性收入偏差对父代和子代收入的影响,本文将样本各年度的收入变量通过CPI调整至2010年的价格水平,并使用四年的收入平均值表示个人收入水平。
2) 核心解释变量:是否上网。在CFPS2010和CFPS2014中,根据“你是否上网?”回答进行定义,是取值为1,否取值为0。2016年根据问卷中的“是否移动上网?”和“是否电脑上网?”进行定义,如果回答均为否,则定义互联网使用取值为0,否则为1。
3) 控制变量:个人层面包括个人的年龄、性别、受教育年限、工作类型和户籍类别等个体特征。村居层面选择村居类型、村居经济状况、村庄交通情况等村居特征。宏观层面选择各地区的人均GDP作为控制变量,避免因经济发展水平差异对估计结果造成影响。此外,加入人均人情礼等家庭特征用于互联网使用对收入流动性影响的机制分析。相关变量描述性统计结果如表1。
变量名称 | 变量定义 | 均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|
子代收入 | 子女的年工作总收入平均值(元) | 22491.32 | 21059.7 | 0 | 306510 |
父代收入 | 父亲的年工作总收入平均值(元) | 16779.32 | 17026.73 | 0 | 1914612 |
子代收入百分位排序 | 子女年工作总收入平均值的百分位排序 | 49.36242 | 28.99505 | 0 | 100 |
父亲收入百分位排序 | 父亲年工作总收入平均值的百分位排序 | 49.13127 | 29.11881 | 0 | 100 |
互联网使用 | |||||
是否上网 | 是否上网,是为1,否为0 | 0.5510907 | 0.497478 | 0 | 1 |
子代特征 | |||||
子代性别 | 男性为1,女性为0 | 0.688098 | 0.463358 | 0 | 1 |
子代年龄 | 周岁(岁) | 25.53502 | 5.86604 | 16 | 44 |
子代年龄的平方 | 子代年龄的平方 | 686.4344 | 325.6576 | 256 | 1936 |
子代受教育年限 | 子女接受正规学历教育年数(年) | 9.942977 | 3.654095 | 0 | 19 |
子代工作类型 | 非农业工作为1,农业工作为0 | 0.2178636 | 0.412918 | 0 | 1 |
子代户口状况 | 非农业户口为1,农业户口为0 | 0.2868098 | 0.452358 | 0 | 1 |
父亲特征 | |||||
父亲年龄 | 周岁(岁) | 52.34175 | 6.848162 | 37 | 65 |
父亲年龄的平方 | 父亲年龄的平方 | 2786.538 | 718.1396 | 1369 | 4225 |
父亲受教育年限 | 父亲接受正规学历教育年数(年) | 7.107539 | 4.061208 | 0 | 16 |
父亲户口状况 | 非农业户口为1,农业户口为0 | 0.2595712 | 0.438483 | 0 | 1 |
家庭特征 | |||||
人均人情礼 | 人均人情礼(元) | 4205.913 | 4613.482 | 0 | 73337.7 |
村居特征 | |||||
城乡分类 | 城镇为1,乡村为0 | 0.4421954 | 0.496744 | 0 | 1 |
村居经济状况 | 共分为1~7个等级,1为很穷,7为很富 | 4.118426 | 1.392833 | 1 | 7 |
村居交通情况 | 到本县县城的时间(小时) | 1.179178 | 2.22157 | 0.017 | 30 |
地区特征 | |||||
地区经济发展水平 | 2010年地区人均GDP | 33740.64 | 17890.17 | 13119 | 77275 |
表1. 变量定义及描述性统计
本文通过考察子代互联网使用行为与父亲收入的交叉项来分析互联网使用对代际收入流动的影响:
y c R = α + θ y f R + γ I B × y f R + φ I B + χ μ + ε
其中, y c R 和 y f R 分别代表子代和父亲的年工作总收入的百分位排序。IB代表子代2010年互联网使用行为变量,以是否上网表示网络使用(IB)。 θ + γ I B 反映了代际收入百分位排序关联系数, γ 表示互联网使用对代际收入流动性的影响,是本文分析的重点。 γ < 0,百分位排序关联系数( θ + γ I B )降低,意味着互联网使用能够提高代际收入流动水平。为控制变量向量,包括子代性别、子代年龄及其平方项、父亲年龄及其平方项和地区人均GDP。回归结果见表2列(1)~列(3)。
子代收入百分位排序 | |||||
---|---|---|---|---|---|
(1) OLS | (2) OLS | (3) OLS | (4) OLS | (5) 2SLS | |
基准回归 | 互联网使用 | 互联网使用 | 互联网使用 | 互联网使用 | |
父亲收入 百分位排序 | 0.2021259*** (10.63) | 0.2338289*** (8.54) | 0.179438*** (6.65) | 0.2508975*** (6.58) | 0.287152** (2.44) |
互联网使用 | 15.63454*** (7.72) | 10.55974*** (5.27) | 15.87986*** (6.33) | 23.04385* (1.72) | |
互联网使用 × 父亲收入百分位排序 | −0.1204226*** (−3.36) | −0.1178458*** (−3.40) | −0.0887268* (−1.91) | −0.03939336* (−1.83) | |
子代性别 | 9.537118*** (8.58) | 9.571949*** (8.76) | 11.74152*** (10.95) | 9.974746*** (7.15) | 12.46471*** (8.66) |
子代年龄 | 6.076005*** (7.41) | 5.913054*** (7.34) | 4.566476*** (5.80) | 5.33859*** (5.41) | 5.326425*** (5.25) |
子代年龄的平方 | −0.0982204*** (−6.77) | −0.0912692*** (−6.39) | −0.0701366*** (−5.03) | −0.0823046*** (−4.75) | −0.0845651*** (−4.79) |
父亲年龄 | 1.941753 (1.49) | 1.108786 (0.86) | 0.0744777 (0.06) | 0.8940585 (0.55) | 0.2009204 (0.10) |
父亲年龄的平方 | −0.018553 (−1.48) | −0.0107819 (−0.88) | −0.0007007 (−0.06) | −0.0083903 (−0.55) | −0.0026665 (−0.14) |
子代受教育年限 | 2.01327*** (12.34) | ||||
父亲受教育年限 | 0.0584075 (0.44) | ||||
地区人均GDP | 0.0004191*** (13.77) | 0.0003719*** (12.22) | 0.000322*** (10.82) | 0.0004373*** (11.36) | 0.0002577*** (3.19) |
常数项 | −118.9375*** (−4.04) | −102.4187*** (−3.53) | −71.3487*** (−2.51) | −95.59446*** (−2.63) | −111.0511** (−2.51) |
样本量 | 2613 | 2613 | 2613 | 1594 | 1645 |
表2. 互联网使用对代际收入百分位排序关联系数的影响
注:1) 表2列(1)~列(3)为OLS回归结果,列(4)为使用2014年互联网使用数据的OLS回归结果,列(5)为2SLS回归结果。2) 表格括号内为标准差,*、**和***分别表示在10%、5%和1%的统计水平上显著。
表2列(1)基准回归显示父亲收入百分位排序的系数为0.2021259,在百分之一水平上显著为正,意味着子代百分位排序约五分之一受到父亲收入水平影响。列(2)估计了互联网使用对代际收入百分位排序关联系数的影响,结果显示互联网使用和父亲收入百分位排序均对子代收入有显著正向促进作用,而互联网使用和父亲收入百分位排序的交叉项显著为负,说明使用互联网可以降低子代与父亲的收入关联程度。列(3)在控制变量中加入了子代受教育年限和父亲受教育年限,结果和列(2)基本一致,说明互联网使用存在对代际收入流动的促进效应。
互联网使用和代际收入流动可能存在内生性。为消除内生性造成的估计偏差,本文选择2009年地区电信固定投资额和地区互联网普及率作为互联网使用的工具变量。一方面,互联网使用行为和当地互联网基础设施密切相关,高普及率意味着更可能接触和使用互联网,满足工具变量的相关性特征。另一方面,2009年的地区电信固定投资额和地区互联网普及率并不能直接影响和决定未来一个时期的个人收入水平,满足工具变量的外生性特征。表2列(5) 2SLS回归结果显示,互联网使用显著降低了代际收入关联度,促进了代际收入流动,这一结论与OLS估计结果一致,针对互联网使用变量内生性的Hausman检验P值大于0.15,表明2SLS与OLS不存在系统性差异。
本文使用代际收入弹性替代代际收入百分位排序关联系数,进一步检验互联网使用对于代际收入流动影响回归结果的稳健性。在表3列(2) OLS回归和列(4) 2SLS回归结果中,互联网使用和父亲收入对数的交叉项系数均显著为负,表明互联网使用可以促进代际收入流动。
子代收入对数 | ||||||
---|---|---|---|---|---|---|
(1) OLS | (2) OLS | (3) OLS | (4) 2SLS | |||
基准回归 | 互联网使用 | 互联网使用 | 互联网使用 | |||
父亲收入对数 | 0.1326431*** (6.53) | 0.1684027*** (7.09) | 0.1559382*** (4.70) | 0.2142084*** (3.74) | ||
互联网使用 | 1.362881*** (3.89) | 1.097357*** (2.79) | 2.122455* (1.78) | |||
互联网使用 × 父亲收入对数 | −0.1239962*** (−3.29) | −0.0866821** (−2.03) | −0.240427* (−1.75) | |||
子代性别 | 0.4742297*** (9.56) | 0.4617869*** (9.36) | 0.4396641*** (7.39) | 0.4669134*** (8.71) | ||
子代年龄 | 0.1741994*** (4.75) | 0.1786266*** (4.89) | 0.1404967*** (3.32) | 0.1672525*** (3.95) | ||
子代年龄的平方 | −0.0026862*** (−4.14) | −0.0026781*** (−4.16) | −0.0019211*** (−2.58) | −0.0026121*** (−3.99) | ||
父亲年龄 | 0.0270006 (0.47) | 0.0104837 (0.18) | 0.019991 (0.29) | 0.0195854 (0.30) | ||
父亲年龄的平方 | −0.0002685 (−0.49) | −0.0001118 (−0.20) | −0.0002785 (−0.43) | −0.0001891 (−0.31) | ||
地区人均GDP | 0.00000078*** (5.13) | 0.00000074*** (4.89) | 0.0000009*** (4.89) | 0.00000085*** (3.35) | ||
常数项 | 2.276769* (1.72) | 2.306942* (1.75) | 2.68687* (1.71) | 1.686467 (1.02) | ||
样本量 | 2232 | 2232 | 1386 | 2232 | ||
表3. 互联网使用对代际收入弹性的影响
注:1) 表2列(1)~列(2)为OLS回归结果,列(3)为使用2014年互联网使用数据的OLS回归结果,列(4)为2SLS回归结果。2) 表格括号内为标准差,*、**和***分别表示在10%、5%和1%的统计水平上显著。
在此基础上,本文进一步使用2014年互联网使用数据,分别估计互联网使用对代际收入百分位排序关联系数和代际收入弹性的影响,表2列(4)和表3列(3)中互联网使用和父亲收入的交叉项系数仍然均显著为负,且绝对值均小于使用2010年互联网使用数据的回归结果,这可能和互联网使用促进效应滞后发生有关,但仍然表明互联网使用对代际收入流动存在促进作用。
代际收入流动常常受到性别、教育和父代收入水平等因素的影响,互联网使用对代际收入流动的促进效应可能因个体差异表现出不同的特征。本文根据子代性别、父亲收入水平和子代受教育水平将样本分组,分别比较互联网使用对代际收入流动的促进效应,结果如表4所示。
表4列(1)~列(2)的结果显示互联网使用对代际收入流动的促进效应在男性中显著存在,但在女性中这种促进效应并不显著。列(3)~列(5)为按父亲收入水平分组回归的结果,我们发现互联网使用对代际收入流动的促进效应仅在父亲低收入水平组显著存在。列(6)~列(7)为按子代教育水平分组回归的结果,结果显示促进效应在子代低教育水平和中教育水平组中显著存在,且中教育水平组的促进效应强于低教育水平组,这可能是因为教育程度的提高能够提升子代互联网使用能力从而增强了其对代际收入流动的影响。列(8)结果显示促进效应在高教育水平组中未显著存在,这可能是因为随着教育程度的不断提高,互联网使用对代际收入流动的影响被教育的收入改善作用替代或部分替代。
(1) 男 | (2) 女 | (3) 父亲低收入 | (4) 父亲中收入 | (5) 父亲高收入 | (6) 子代低教育 | (7) 子代中教育 | (8) 子代高教育 | |
---|---|---|---|---|---|---|---|---|
代际收入百分位排序关联系数 | 0.192*** (8.20) | 0.2237*** (6.87) | 0.3169*** (3.44) | 0.1354*** (1.49) | 0.1772** (1.99) | 0.1683*** (6.72) | 0.1155*** (4.84) | 0.0647 (1.56) |
互联网使用 × 父亲收入百分位排序 | −0.146*** (−3.34) | −0.066 (−1.05) | −0.3507** (−1.90) | 0.0455 (0.25) | 0.1843 (0.96) | −0.1269*** (−2.69) | −0.2046*** (−2.44) | 0.0776 (0.72) |
观测值 | 1798 | 815 | 904 | 847 | 862 | 1587 | 549 | 477 |
表4. 互联网使用代际收入流动促进效应的个体差异
注:表4第一行对应着式(1)的基本回归,解释变量不含互联网使用变量以及其与父亲收入百分位排序的交叉项;第二行为加入互联网使用与父亲收入百分位排序交互项的回归系数。
鉴于我国存在特殊的城乡二元结构和与此配套的户籍管理制度,本文进一步探究互联网使用对代际收入流动促进效应的城乡差异。我们根据城乡分类、父亲户籍类别和子代户籍类别对样本进行分组回归,结果如表5所示。
表5列(1)~列(2)显示,互联网使用对代际收入流动的促进效应在乡村样本和城镇样本中均显著存在,且前者略大于后者。列(3)~列(4)为按照父亲户籍类别分组回归的结果,可以发现互联网使用对代际收入流动的促进效应在父亲为农业户口的分组中显著,但在父亲非农业户口的分组中并不显著。在列(5)~列(6)按照子代户籍类别回归的结果中可以发现,互联网使用对代际收入流动的促进效应同样仅显著存在于子代农业户口样本中。
总的来看,互联网使用对代际收入流动的促进效应在乡村样本和城镇样本中均显著存在,而根据户籍类别分组时,这一促进效应仅在父亲为农业户口组和子代为农业户口组样本中显著存在,与我们习惯得出的乡村样本对应农业户口样本、非农业户口对应城镇样本的认知并不一致。本文认为这一现象可能有两方面的原因:一是相较于非农业户口样本,处于相对劣势生产生活条件的农业户口样本使用互联网对于代际收入流动的边际促进效应更强;二是随着农民进城等人口流动现象的发生,大量农业户口人群进入城镇生活工作,打破了受户籍制度影响形成的城乡界限,事实上形成了“人户分离”,区别于传统城乡差异。
(1) 乡村 | (2) 城镇 | (3) 父亲农业户口 | (4) 父亲非农业 户口 | (5) 子代农业户口 | (6) 子代非农业 户口 | |
---|---|---|---|---|---|---|
代际收入百分位排序关联系数 | 0.185*** (6.84) | 0.195*** (7.01) | 0.1938*** (8.18) | 0.1868*** (4.85) | 0.1912*** (8.07) | 0.1442*** (4.08) |
互联网使用 × 父亲收入百分位排序 | −0.133*** (−2.63) | −0.121*** (−2.15) | −0.1778*** (−4.16) | 0.0614 (0.25) | −0.1479*** (−3.40) | −0.0730 (−2.69) |
观测值 | 1446 | 1167 | 1934 | 678 | 1860 | 748 |
表5. 互联网使用代际收入流动促进效应的城乡差异
注:表4第一行对应着式(1)的基本回归,解释变量不含互联网使用变量以及其与父亲收入百分位排序的交叉项;第二为加入互联网使用与父亲收入百分位排序交互项的回归系数。
我国幅员辽阔,各地经济发展水平和市场化程度均有差异,因此本文进一步根据样本所处区域及其市场化程度分组探究互联网使用代际收入流动促进效应的区域差异,如表6所示。
(1) 东部地区 | (2) 中部地区 | (3) 西部地区 | (4) 市场程度低 | (5) 市场化程度高 | |
---|---|---|---|---|---|
代际收入百分位排序关联系数 | 0.1531*** (5.17) | 0.2132*** (6.14) | 0.2512*** (6.90) | 0.1932*** (6.12) | 0.2132*** (8.99) |
互联网使用 × 父亲收入百分位排序 | −0.2394*** (−4.30) | −.0046 (−0.06) | 0.0164 (0.23) | −0.0712 (−1.17) | −0.1497*** (−3.32) |
观测值 | 1098 | 777 | 738 | 964 | 1649 |
表6. 互联网使用代际收入流动促进效应的区域差异
注:表4第一行对应着式(1)的基本回归,解释变量不含互联网使用变量以及其与父亲收入百分位排序的交叉项;第二为加入互联网使用与父亲收入百分位排序交互项的回归系数。
表6列(1)~列(3)按照样本所在区域分为了东部、中部和西部分别进行回归,结果显示互联网使用对于代际收入流动的促进效应在东部地区显著,但在中西部地区样本中并不显著。列(4)~列(5)按照样本区域市场化程度进行分组回归,结果显示互联网使用对于代际收入流动的促进效应在市场化程度高的地区显著存在,但在市场化程度低的区域并不显著。一般而言,市场化程度高的地区也主要处于东部地区,这一事实也进一步验证了前文关于区域方位差异的回归结果。
互联网使用对代际收入流动的促进效应显著存在于父亲低收入水平群体和子代中低教育水平群体以及东部市场化程度高的区域,那么其背后的作用机制为何?现有文献研究发现,信息搜寻和交流、社会资本等因素会影响子代收入和代际收入流动水平。接下来,本文从信息搜寻和社交促进这两方面分析互联网使用促进代际收入流动的可能作用机制。
互联网的一个重要功能就是信息交流和共享。现有文献发现互联网可以通过加强信息共享促进农地流转等。为了验证互联网使用是否可以通过加强信息搜寻和交流促进代际收入流动,本文考察不同信息渠道对子代收入的影响,其中“以互联网为主要信息渠道”直接反映了个体对于互联网作为信息搜寻和交流渠道的依赖,结果如表7所示。
表7列(1)~列(4)的回归结果显示,互联网作为主要信息渠道与子代收入水平显著正向相关。电视作为主要信息渠道在百分之十水平下与子代收入水平呈现负相关关系,这可能和通过电视获取信息的群体多为居家低收入群体有关。杂志报刊和广播作为信息渠道对子代收入影响均不显著。本文进一步构建“以互联网为主要信息渠道”与父亲收入百分位排序的交叉项代入式(1)进行估计,发现交叉项系数显著为负,说明互联网作为主要信息渠道能够促进代际收入流动,即说明互联网使用对代际收入流动的促进效应可以通过信息搜寻这一机制实现。
是否为主要信息渠道 | 子代收入百分位排序 | ||||
---|---|---|---|---|---|
(1) | (2) | (3) | (4) | ||
互联网 | 7.7173*** (4.42) | ||||
电视 | −4.8850* (−1.89) | ||||
杂志报刊 | 0.8208 (0.54) | ||||
广播 | −3.9909 (−1.49) | ||||
控制变量 | 控制 | 控制 | 控制 | 控制 | |
观测值 | 1067 | 1097 | 1097 | 1097 |
表7. 不同信息渠道对子代收入的影响
互联网的大规模使用和普及与其社交功能密切相关。互联网不仅降低了沟通成本,还凭借其虚拟性为更多人际交流提供了空间和平台。通过不同形式和程度的社会互动和交流,个体逐步形成自己的社交网络并进一步积累为社会资本。中国社会是典型的人情社会,“礼尚往来”是传统社交规则,人情礼支出越多往往意味着个体或家庭社交网络广泛,社会资本丰富。参考已有文献,本文将家庭人均人情礼支出的对数作为社会资本的代理变量,进而分析互联网使用对社会资本的影响,结果如表8所示。
表8列(1)的回归结果显示,互联网使用能够显著促进社会资本增加。列(2)~列(3)分别使用2014年和2016年互联网使用数据进行回归,结果依然显著,其中2016年互联网使用对社会资本增加的促进相对较弱,这可能与互联网社交促进作用的滞后效应有关。
总的来说,互联网使用可以通过社交促进机制增加个体社会资本,从而影响代际收入流动。
变量 | 社会资本 | ||
---|---|---|---|
(1) | (2) | (3) | |
互联网使用 | 0.2431*** (5.86) | 0.2496*** (4.83) | 0.1159** (2.04) |
控制变量 | 控制 | 控制 | 控制 |
观测值 | 2572 | 1586 | 1695 |
表8. 互联网使用对社会资本的影响
本文使用CFPS家庭微观数据探究了互联网使用对代际收入流动性的影响,研究发现互联网使用可以显著促进代际收入流动。这一结果表明,互联网作为信息时代最核心的平台和载体,对代际收入流动产生了重要的影响,这对于重新理解互联网使用对于社会经济发展的意义和作用提供了新的角度。
本文的研究表明,子代使用互联网能够显著降低代际收入关联度,提升代际收入流动性,使用工具变量消除内生性,结论依然成立。使用代际收入弹性替代代际收入百分位排序关联系数以及使用滞后互联网使用数据进行稳健性检验,结果均表明互联网使用能够降低代际收入弹性,促进代际收入流动。异质性分析表明,从个体差异来看,互联网使用对于代际收入流动的促进效应在子代中低教育水平和父亲低收入水平家庭中显著存在;从城乡差异来看,该促进效应在乡村和城镇样本中均显著存在,但是从户口类型来看,该促进效应仅存在于农业户口群体中;从区域差异来看,该促进效应显著存在于东部地区以及市场化程度高的地区。本文进一步验证了互联网使用对于代际收入流动的影响机制至少包括两个方面:一是信息搜寻机制。互联网作为一种信息传播媒介,极大降低了信息获取成本,一定程度上减缓了信息不对称的劣势,有利于个体发展和成功。二是社交促进机制。随着移动互联网的迅速普及,互联网已经成为人民生活中重要的社交平台,城乡居民通过更便捷的网络社交积累和维持社会资本,进而有利于促进提升自身收入 [
互联网使用对于代际收入流动的促进效应表明,互联网可以推动社会纵向流动,缓解收入不平等问题。为了更好的发挥互联网的代际收入流动促进效应,首先应该结合新型城镇化建设进一步完善互联网基础设施,提高互联网普及率,尤其是降低城乡居民中的低收入和低教育程度群体的互联网使用成本,让所有人都享有互联网使用机会。二是要做好劳动力的互联网基础技能培训和公众互联网教育,突破教育水平低导致的互联网使用门槛。三是要持续推进建设风朗气清的网络空间,确保每个人都可以通过网络获取准确的信息和健康积极的社交实现自我价值和阶层流动。
谢镇江,陈志炜. 寒门再难出贵子?——互联网视角下的代际收入流动研究Can’t a Poor Family Produce a Good Son Again? —Research on Intergenerational Income Flow from the Perspective of Internet[J]. 可持续发展, 2022, 12(01): 179-191. https://doi.org/10.12677/SD.2022.121021