计算机网络的工资收入溢价效应分析——基于CFPS2010基线调查数据

刘志龙，靳文杰

（东北财经大学统计学院，辽宁 大连 116023）

一、引言

21世纪是以计算机网络的应用为基础的数字信息时代，随着信息化进程的不断推进，计算机网络的使用在很大程度上改变了人们的生产和生活方式。不仅如此，作为经济发展的催化剂，计算机网络可以有效缓解巨大的就业压力，促进经济结构调整，加快经济发展。基于技术进步的互补效应，网络技术的发明和计算机的引入，可以把人们从传统劳动中解放出来，去从事更具创造性的、高效的工作，进而提高工作效率并获得更高的收入；基于技术进步的替代效应，计算机的普及又会替代相当一部分人力资源。此外，Mincr（1993）指出在技术进步过程中，拥有高技能的员工往往能够更加适应新环境，迅速地将新技术运用到生产过程中去，这种现象被称作“技术偏向理论”（Skill-biased technological change）。同时，Levy (1996)也指出，工人的能力水平与技术的互补效应具有很强的正相关性。基于此，参考Krueger（1993）在文章《计算机怎样改变工资结构：来自1984年～1989年的微观数据》中对溢价效应的定义，认为在工作中使用计算机的工人，其工资高于同等条件下不使用计算机的工人，这种现象被称为计算机网络对工资的溢价效应。

近几十年来，计算机和网络技术在我国得到蓬勃发展。计算机网络的使用是否能对居民的收入水平产生影响？是否对城乡居民收入的影响存在差异？是加剧还是收入分配的不平等状况？基于此，本文回顾了国内外关于计算机网络的工资收入溢价效应研究文献，借助CFPS2010年数据，首先建立回归模型估计计算机网络对收入的溢价效应，进一步分城乡探讨影响效应的差异，接着考察计算机网络使用时长与居民工资收入的定量关系，最后运用倾向得分匹配法（Propensity Score Matching）分析计算机网络的收入溢价效应，归纳文章结论并给出相关建议。

二、文献回顾

计算机网络的使用与个人收益之间的关系已被越来越多学者关注。Krueger(1993)采用1984和1989两年的截面数，通过线性回归，首次测算了计算机的回报率，发现计算机网络可以增加25%～30%的工资回报率。然而，他并没有控制可能存在的如年龄、性别和受教育情况等个体异质性因素，回归结果存在偏差。随后，诸多学者在Kruger的基础之上，通过控制个人异质性分析计算机网络对收入的影响。Miller and Mulvey（1997）利用1993年澳大利亚的调查数据，发现计算机网络可以产生12%～14%的工资收入溢价。Lee and Kim(2004) 利用美国人口中心数据（CPS），发现计算机使用的工资回报率自1997年的13%，下降至2001年的10%，表明计算机网络的收入溢价效应逐年降低。而Borghans and Weel（2004)运用调查数据得出，计算机使用会产生49%的工资溢出，该结果比Kruger研究结果高出19%～24%。近几年各国对于计算机网络使用对工资性收入溢价效应的研究越来越多，具体如表1。

从表1可以看出，在计算机网络的使用对收入溢价效应的研究方面，发达国家要早于发展中国家。近几年随着计算机在发展中国家的普及，发展中国家开始越来越多地关注计算机网络对收入的溢价效应研究。总的来看，各国计算机网络使用的收入溢出效应差距很大，发展中国家普遍高于发达国家。与发达国家相比，计算机网络在发展中国家的使用和普及较晚，对劳动力市场刺激的弹性较大，而在发达国家，由于计算机网络的普及已发展到一定水平，计算机网络对劳动力市场的刺激作用减小。另外，不同国家所用的匹配数据方法不同，在计算收入溢出率时，匹配数据的获取会受到作者的预期以及各国统计数据口径的制约。另外，并非所有的研究结果都显示计算机网络会带来工资性收入的溢价效应。Bell（1996）通过面板数据（panel data）的固定效应分析计算机网络对使用者收入的影响，结果表明计算机网络的使用并未对工资性收入产生显著影响。Bell（1996）在文中甚至得到使用铅笔可以产生工资性收入溢价效应的结论。因此，对计算机网络与收入之间的关系仍需结合各国的具体情况进一步研究。

表1 近年来计算机网络的使用与收入关系的研究文献总结

与国外研究相比，国内学者对该方面的研究比较少，研究也主要集中在测算计算机使用的回报率方面，较少考虑到消除个体异质性的影响。陈玉宇（2008）利用2005年全国家庭普查数据，采用趋势得分模型估计了全国计算机使用的回报率，得出计算机使用的回报率为20%，该结果与国外学者的研究结果基本保持一致。高梦滔（2009）基于云南省青年调查的微观数据，运用Hierarchy模型测算了计算机对青年人小时工资的影响，发现计算机使得青年人每小时平均工资增加33%～76%。除此之外，文章结果表明：青年人生活中使用计算机的程度越高，则平均小时工资越高，由于没有控制个人异质性因素，得到的工资性收入溢出率明显过高。

纵观国内外文献，发现存在两个可能影响计算机网络与收入关系的偏误。一是未观测到的异质性可能引起二者关系的估计偏误；二是计算机网络的使用与收入之间的因果关系可能存在联立性偏误，以致产生内生偏误。相比较而言，异质性问题显然受到更多学者的关注，联立性偏误的问题尚未达成共识，仍有待商榷。大多数基于单方程回归的结果存在收入溢价偏差，如何控制样本的异质性问题是获取精确结果的关键。本文将沿着消除异质性因素影响这一研究方向，采用我国的微观调查数据，探讨计算机的使用在中国是否会带来收入的溢出效应。基于我国城乡二元结构的大背景，分析城乡之间是否会有不同，以及产生差异的原因。

三、数据、指标及描述分析

（一）调查样本和数据介绍

本文所用数据来源于北京大学社会调查中心于2010年进行的中国家庭追踪调查（CFPS）基线调查。此次调查经过多年筹备以及 2008、2009年的预调查，于2010 年正式开始基线调查。调查样本覆盖了25个省市自治区，代表中国95%的人口比例。本文主要依据CFPS2010的成人问卷，剔除没有提供工资水平与计算机网络变量的问卷记录，得到有效记录5,230条。各类人群计算机网络使用率如表2所示。

表2分性别、受教育水平、地区、婚姻状况、健康状况、民族等因素，从全样本、样本间与样本内三个角度统计了城乡上网率的水平。从总样本来看，总样本男女比例约为6:4；本科以下教育水平的居民占到了90%以上，大部分调查对象的受教育水平都不高；中东部地区调查样本数较大，这与该地区的人口基数相对应；由于所用的问卷是成人问卷，所以得到处于结婚状态的居民比例较高，为89.35%；认为自身健康或一般的居民占到了93.04%；汉族的居民占到了调查的绝大多数，调查对象的年龄大都集中在26～55岁之间。

样本间计算机网络使用比例是指在使用计算机的人群中，各类人群所占的比重。计算机网络使用率之和为100%，样本间上网比率受调查样本量的约束比较大，它测度的是在使用计算机网络的样本中，各类型人群所占的权重，并不是传统意义上的计算机网络使用率概念。样本内计算机网络使用率是指使用计算机网络的人群占各类人群的比率，使用率之和不一定是100%。样本内计算机网络比例就是传统意义上的使用率，它重点测度的是在各类人群中使用计算机网络的比率。所以，要比较各类型人群的计算机网络的使用率应考虑样本内比率。就样本内计算机网络使用率而言，城市居民的上网比率普遍高于农村地区，女性计算机网络使用率总体而言高于男性居民，受教育水平越高、健康状况越好、未婚的人群上网率越高，中东部地区上网比率显著高于西部地区。

表2 样本比例及各类型人群上网频率 单位：%

（二）计算机网络与收入关系的描述分析

为了尽可能详细地描述收入与计算机网络的关系，将年龄划分为20岁以下、21～25岁和26～30岁等11组，在双轴折线图中反映两者之间的关系（见图1）。

图1 各年龄段工资的对数[ln（wage）]与计算机网络使用率net（%）

观察图1可以得到，计算机网络使用率随年龄的增长总体呈现下降的趋势，即越年轻的居民网络使用率也就越高，60岁以上的老人网络使用率不到10%，使用率最高的年龄段集中在20岁左右。以城市为例，21～25岁的年轻居民的网络使用率高达87.9%，这可能是因为近年来随着义务教育大力普及，使得青年人具备了使用计算机网络的基本知识，并且渴望接触新事物。由计算机网络使用率曲线可以看出，城市各年龄段的网络使用率高于全国平均水平，并且都高于农村水平，造成这种差异的原因可能是城乡发展不平衡，农村的受教育水平、信息化以及基础设施方面与城市存在一定差距。综合来看，使用计算机网络的人群趋于年轻化，计算机网络的使用并没有推广到各个年龄层；农村在信息化方面与城市地区存在很大的差距。

图2 农村地区居民工资收入对数（lnwage）与上网率（%）

图3 城市居民工资收入的对数（ln（wage））与上网率（%）

观察收入曲线，发现总体样本、城市以及农村的居民收入曲线都呈现倒“U”型，30岁之前居民的工资性收入逐步上升，30～60岁年龄段人群的收入基本保持高位稳定状态，60岁以后工资收入剧烈下降。并且可以明显地看出，城市居民的工资收入的波动比农村地区更加剧烈，城市地区25岁以下的居民收入比农村地区明显偏低，原因在于大多数农村青年较早外出打工，而城市青年多半会选择接受高等教育；在25～60岁这段时间，城市居民由于受教育水平等因素收入明显高于农村地区，这也印证了之前的说法，即城市青年踏上工作岗位之后收入高于农村青年的收入；而在60岁左右，城市居民到了退休年龄，工资性收入会显著降低，并在66～70岁年龄段出现了城市居民收入低于农村地区的情况。

按年龄分类，对是否使用计算机网络进行频数统计，可以得到城乡不同性别居民使用计算机网络的情况，结果见图2和图3。可以发现农村地区的男性与女性在使用计算机网络方面差异不是十分显著，在各年龄分组当中的计算机网络使用率几乎持平。与农村组的结果不同，在城市居民中，男性的表现更加收敛，在低年龄组中，男性的计算机网络使用率低于女性；在高年龄组中，男性的计算机网络使用率高于女性。就收入而言，城市居民的平均收入在各年龄段表现出很大的不同，总体表现为：城市居民收入高于农村居民收入，而且随着年龄的增长，收入的差距呈扇形逐渐扩大。农村居民收入呈现倒“U”型的特点，即随着年龄的增长收入增加，而当年龄增加到一定时，受到年龄、体力等的影响使得收入下降；而城市居民在56到60岁组中的收入值大于之前所有组的收入值，说明城市居民存在收入累计效应，而到了60岁之后收入迅速降低，这可能是由于到了退休年龄，工资性收入迅速降低阶段。就计算机网络使用率而言，城乡上网率的峰值均出现在20岁左右，以城市为例，21～25岁的居民上网率超过80%，并且在20岁左右的人群中使用率最高。与西方发达国家相比，我国推行计算机网络的时间还较短，20岁左右的年轻人正逢国家加快信息化建设的步伐的阶段（时机），他们思想观念较新颖，容易接受新鲜事物。30～50岁的这部分人中，一部分人群在工作和生活中越来越多地接触到了计算机网络，另外一部分人由于不具备计算机知识，计算机网络使用率维持在一定的水平。50岁以上的居民使用率较低，这可能是由老人的观念、工作与生活方式与现代年轻人不同造成的。除此之外，在受教育状况中，城市和农村都表现出受教育水平越高计算机网络的使用率也越高的特征，而且在受教育为本科及以上时，农村居民的计算机网络使用率高于城市。

四、模型及检验

基于上述描述分析可以得到不同年龄段居民的工资收入与计算机网络使用率之间的关系。然而，要回答计算机网络的使用对工资性收入到底有无溢价效应以及溢价效应的大小等问题，则需要结合模型进行深入分析。以下分别按照总体模型、分城乡模型、加入计算机网络时间因素模型以及趋势得分匹配模型四个部分研究计算机网络的使用率对收入的溢价效应。

（一）总体模型的收入影响因素分析

分别以工资收入的对数建立模型Ⅰ、模型Ⅱ和模型Ⅲ，模型Ⅰ中的解释变量只包含是否使用计算机网络这一哑变量，其表达式为：

其中，w代表收入，I代表是否使用计算机网络（0-1分布）。

模型Ⅱ利用逐步回归的方法确定进入模型的变量，其表达式为：

其中，w、I与（1）中相同，X代表被观测对象的特性，具体包括性别、年龄、受教育程度、婚姻状况、健康状况等。

模型Ⅲ包含计算机网络、受教育水平、健康状况、民族、地区以及性别等因素，其表达式与（2）相同。

模型的结果见表3。计算机网络变量在三个模型中的参数估计都显著为正，说明计算机网络因素能显著提高居民的收入水平。受教育水平、性别、地区因素以及健康状况也显著影响人们的收入，受教育水平越高，相应的收入也就越高；男性平均工资水平显著高于女性；东部地区的居民收入高于东北部地区，这两地区的收入平均水平高于西部和中部地区；健康状况越好，收入水平相应的就越高；不同民族的收入水平也有一定的差异，在模型Ⅱ中民族因素显著影响居民的收入水平（α=0.1），而在模型Ⅲ中，由于其他的变量加入，这种影响作用被削弱了；婚姻状况因素则对收入的作用不明显。比较三个模型可以发现，三个模型F值都比较大，模型整体在显著性水平为0.05的情况下通过了显著性检验。调整的拟合优度值都比较低，这是由微观截面数据的性质决定的。可以看出逐步回归的结果（模型Ⅱ）较其他两个模型更优。三个模型的DW值都大于1.6，接近于2，说明模型不存在(一阶)自相关。

表3 模型回归结果[被解释变量ln（wage）]

（二）分城乡的收入影响因素分析

考虑到中国正处于城市化进程不断加快的背景下，存在城乡二元结构，城乡的收入差距表现可能不同，影响收入水平的因素也不尽相同，分城乡探讨居民收入的影响情况，并以此来指导改革实践才有利于居民收入水平的提高以及社会的公平。以下分城乡来探讨居民收入的影响因素，所用的估计方法与总体模型相同。模型估计结果见表4。

表4 分城乡的居民收入回归估计结果（被解释变量lnwage）

观察表4，发现分城乡的模型估计结果和总体模型相似，计算机网络因素显著影响城乡居民的收入水平，计算机网络的使用能显著提高居民的工资性收入，城市居民能提高25.9%，相应的农村地区能提高29.6%。教育水平显著地影响城乡居民收入，受教育水平高的居民收入水平显著地高于受教育程度低的居民。在地区、健康与民族对收入的影响程度方面城乡存在差异：农村地区的健康状况以及民族显著影响居民收入，健康状况越好的居民，工资收入也就越高；民族状况对城市居民的影响不显著。婚姻状况在城乡模型中表现基本一致，这一因素对于收入的影响不显著。依据模型的整体显著性检验可以得到，城乡收入模型整体是显著的，DW值大于1.6，不存在（一阶）自相关。

（三）加入上网时间变量收入模型分析

以上从总体、城乡方面讨论了计算机网络及受教育和婚姻状况对居民收入的影响作用。计算机网络对收入水平的影响程度如何？是不是使用计算机网络的时间越长对应的收入就越高？要回答这些问题需要引入上网时间变量，表5是采用逐步回归的方法得到的城市、农村和总体的参数估计结果。

由总样本（模型Ⅹ）、城市（模型Ⅺ）和农村模型（模型Ⅻ）回归结果可以看出，三个模型中，计算机网络时间变量回归系数显著大于零。回归系数变动微小，农村地区的回归系数大于城市，计算机网络对农村地区居民收入的影响较城市更大。平均来说，使用计算机网络的时间越长，相应的工资收入就越高，每多增加1小时计算机网络的使用，工资收入能提高2个百分点。

表5 分城乡的收入影响因素模型汇总[被解释变量ln（wage）]

（四）PSM分析

估计计算机使用对工资性收入的影响，实际是估计计算机使用的“处理效应”。比如，有人会认为计算机不是引起收入溢出的关键性因素，前者工资高的原因也许不是由于使用计算机网络，而是由于健康状况、受教育水平或者其他因素（Krueger，1993）。事实上，我们关注的是计算机网络的使用对平均事后处理效应（Average treatment effect on the treated），也就是对于工作中使用计算机和工作中不使用计算机这两类人群，消除各自的异质性之后，计算机的使用对其收入的影响。关于样本选择处理问题，除了扩大样本容量、增加样本的随机性等一般处理方法外，还可以考虑PSM，即倾向得分匹配模型（Propensity Score Method，简称PSM模型），PSM是Rosenbaum and Rubin（1983）提出的，该方法广泛应用于“药物剂量经济学”和“实验计量经济学”。其原理是通过估计可观测变量的倾向得分匹配对样本进行分组配比，每一组的对应倾向得分匹配基本相同，这样，因变量在每一组中的差距完全由样本的处理效应引起（陈玉宇等，2008）。采用Rosenbaum and Rubin提出的PSM方法，建立两步回归模型如下：第一步构建概率模型，分别采用Logit模型和Probit模型进行回归。第二步构建配比模型。估计结果见表6。

表6 倾向得分匹配模型（PSM）分析计算机使用对收入的影响

观察表6，对于总体样本，在倾向得分匹配模型中，计算机网络的使用能显著地提高居民的工资收入，采用probit方法和Logit方法得到的结果十分相似，计算机网络的使用确实能够提高工资水平。以logit方法为例，在排除了其他因素的情况下，计算机网络的使用能带来27.3%的额外收入。从城乡来看，城乡样本估计结果十分相似，计算机网络的使用都能显著提高居民的工资性收入。相比较而言，农村地区提高29.3%，城市地区提高25.7%，农村地区高出城市地区3.6个百分点。

五、结论与建议

（一）结论

本文利用北京社会调查中心2010年CFPS基线调查数据，探讨了计算机网络的使用在中国是否会带来收入的溢出效应。文章首先介绍了技术进步的互补效应、替代效应、技术偏向理论以及溢价效应理论；回顾了国内外关于工资收入与计算机网络关系的相关文献；采用描述分析的方法，从城乡、性别和受教育水平等方面探讨了不同年龄段居民的上网比例与工资性收入的关系，剖析了产生差异的原因；依次按照总体模型、分城乡模型、加入计算机网络时间因素模型以及趋势得分匹配模型四个部分研究计算机网络使用率对收入的溢价效应。

通过描述分析可以发现，城市居民的计算机使用率高于全国平均水平，农村居民的计算机使用率低于全国平均水平。农村使用计算机的人群更加年轻化，计算机的使用并没有在农村推广到各个年龄层；城市居民的使用情况较为合理，农村在信息化方面与城市地区存在很大的差距。城市以及农村的居民收入都呈现倒“U”型曲线，城乡上网率的峰值均出现在20岁左右。

由回归模型Ⅰ-Ⅲ可以得到，计算机网络的使用对工资性收入溢出效应显著，计算机网络的使用能够增加居民的工资性收入；模型Ⅳ-Ⅸ验证了计算机网络使用的溢出效应在城市和农村都显著，并且农村地区的溢出效应更加明显；模型Ⅹ-Ⅻ中加入计算机网络使用时长因素后，发现使用时间越长，溢出效应越显著，说明计算机的使用在我国未达到饱和状态；模型ⅩⅢ-ⅩⅧ运用倾向得分匹配模型得到，在除去性别、健康状况和受教育水平等个人异质性影响因素外，计算机网络的使用仍能带来额外的工资性收入，并且农村地区的收入溢出效应高出城市3.6个百分点，在农村地区大力普及计算机能够更大地提高居民的工资性收入，从而可以缩小城乡居民收入差距。

（二）建议

综合以上的分析所得结论提出以下几点建议：

（1）继续在全国范围内推广计算机网络的使用，为下岗职工提供计算机培训，增加其再就业机会。

（2）着重加强农村及偏远地区计算机和网络设施的资金投入，辅之以相关计算机网络教育培训，缩小与城市之间计算机网络使用率的差别。

（3）出台相关政策引导优秀人才到中西部地区，提高当地的教育水平与计算机网络的使用率，缩小中西部与东部地区的差距。

（4）继续引导青年自主创业，鼓励具有新观念、冒险精神、良好教育的青年通过计算机网络展示自身的才华，给年轻人提供足够的生存与发展空间。

（5）继续完善社会养老保险及医疗保障体系，保证居民下岗之后的收入水平及生活质量。

（6）总之，通过加快城乡信息化建设，缩小城乡及地区信息化差异，使得计算机的使用成为改善城乡差距的有力手段，从而保证社会的公平与公正。

本文优点在于：采用微观数据，依据倾向得分匹配方法验证了计算机技术网络对工资性收入的溢价效应，比以往的文献更进一步，采用城乡以及总体三个样本分析，相互对比，结果更具稳定性。不足之处是所用数据只是2010年的截面数据，若能收集到面板数据，测量连续几年的变化情况，将更有助于分析计算机网络与收入的关系，这也是下一步的工作方向。

[1] 陈玉宇,吴玉立.信息化对劳动力市场的影响:个人电脑使用回报率的估计[J].经济学 (季刊), 2008, (4).

[2] 高梦滔,颜明,毕岚岚.计算机使用对青年人工资率的影响:云南的经验证据[J].中国人口科学, 2009, (1).

[3] Mincer J.Human capital, technology, and the wage structure: what do time series show?[R].National Bureau of Economic Research, 1991.

[4] Levy F, Murnane R J.With what skills are computers a complement?[J].American Economic Review, 1996.

[5] Dolton P, Makepeace G.Computer Use and Earnings in Britain[J].The Economic Journal, 2004, 114, (494).

[6] Lee S H, Kim J.Has the Internet changed the wage structure too?[J].Labour Economics, 2004, 11, (1).

[7] Borghans L, Ter Weel B.Are computer skills the new basic skills? The returns to computer, writing and math skills in Britain [J].Labour Economics, 2004, 11, (1).

[8] Daldy B, Gibson J.Have computers changed the New Zealand wage structure? Evidence from data on training [J].New Zealand Journal of Industrial Relations, 2003, 28, (1).

[9] Muysken J, van der Loeff S S, Cheshko V.Beyond unobserved heterogeneity in computer wage premiums[J].MERIT Research Memorandum, 2006.

[10] Moreno-Galbis E, Wolff F C.Evidence on new technologies and wage inequality in France[J].Applied Economics,2011, 43, (7).

[11] Benavente J M, Bravo D, Montero R.Wages and Workplace Computer Use in Chile[J].The Developing Economies, 2011, 49, (4).

[12] Navarro L.The impact of internet use on individual earnings in Latin America[R].Development Research Working Paper Series , 2010.

[13] Lee J W, Wie D.Technological change, skill demand, and wage inequality in Indonesia[J].Asian Development Bank Economics Working Paper Series , 2013, (340).

[14] Bell B D.Skill-biased technical change and wages: evidence from a longitudinal data set[M].Centre for Economic Performance [and]University of Oxford Institute for Economics and Statistics, 1996.

[15] Krueger A B.How computers have changed the wage structure: evidence from microdata, 1984–1989[J].NBER Working paper Quarterly Journal of Economics, 1993, 108, (1).

[16] Miller P, Mulvey C.Computer Skills and Wages[J].Australian Economic Papers, 1997, 36, (68).