互联网使用、抚幼负担与家庭收入

吕祥伟 张莉娜

[提要]在生育政策逐渐放宽以及全面建成小康社会的背景下，基于中国家庭追踪调查(CFPS)数据，使用Heckman选择模型、处理效应模型(Treatment Effect Model)等实证策略研究了抚幼负担在互联网增收中的调节效应。研究表明，在考虑抚幼负担的负向调节作用后，互联网的增收效应仍然是显著的。该结论经过一系列稳健性检验后依然成立。异质性分析表明，相比于城市，乡村家庭的抚幼负担对家庭收入的负向影响更为显著，同时互联网的增收效应也更强；分位数回归结果显示，在低收入家庭中互联网的增收效应更显著，而在高收入家庭中抚幼负担的负向调节作用更大；门槛分析表明，抚幼负担在互联网增收中的负向调节作用存在与人力资本水平相关的非线性关系，随着人力资本水平的提升，抚幼负担的负向调节作用呈现出逐渐增大的趋势。扩展分析进一步表明抚幼负担在互联网增收中的负向调节作用会随着家中幼童年龄的增加而呈现出倒U型特征。最后提出应着重提升农村地区网络覆盖范围和质量，改善学前儿童照管方面的公共服务，实现城乡基本公共服务的均等化。

一、问题的提出

当前我国互联网基础设施建设及应用取得了历史性成就，已成为全球第一大互联网市场。根据《中国互联网络发展状况统计报告》，截止到2020年6月，我国网民规模已达到9.40亿，互联网普及率上升到67%，其中农村地区的网民规模为2.85亿，占总体网民的30.4%，普及率达到52.3%。迅速发展的互联网行业在深刻影响着人们的就业、学习以及社会交往和沟通的同时，也为提高人们的收入创造了条件。一方面互联网的使用和普及，降低了劳动者就业信息的搜寻成本，另一方面基于互联网平台产生的新模式、新业态增加了就业岗位。尤其是考虑到习总书记在十九大报告中提出的“提高就业质量和人民的收入水平，就业就是最大的民生”，充分发挥和释放互联网在收入中的促进作用更显必要。基于此，深入探讨互联网的增收效应及其作用机制具有重要的理论和现实意义。

然而考虑到生育政策的逐渐放宽以及儿童照管公共服务和社会保障体系相对不完善的背景下，随之而来的两个问题是：一是如何充分发挥互联网对家庭增收的作用并惠及更广大的群体？二是在生育政策逐渐放宽的背景下互联网带来的这一红利是否会受到家庭普遍面临的抚养子女负担的影响以及如何影响？换句话说，在中等收入陷阱以及家庭收入增速相对缓慢的现实困境下，如何缓解互联网增收效应的制约因素释放互联网的增收红利。基于此，本文结合家庭的实际情况，利用中国家庭追踪调查(CFPS)数据，从家庭普遍面临的抚幼负担角度，分析了互联网的使用行为对家庭收入的影响，以及抚幼负担在互联网增收效应中所扮演的角色，并采用分样本和分位数回归进一步分析了抚幼负担在互联网增收效应中调节作用的异质性，同时利用门槛回归模型分析了抚幼负担在互联网增收效应中调节作用的非线性影响，以期为如何缓解互联网增收效应的制约因素提供相应的政策依据。

二、文献综述与研究假说

(一)文献综述

本文从抚幼负担的角度研究互联网使用对家庭收入的影响以及抚幼负担在互联网影响家庭收入中的调节作用，因此与本文研究密切相关的文献包括两大类，一是关于互联网对家庭收入的影响；二是关于抚幼负担对家庭收入的影响。

在互联网对家庭收入的影响方面。现有研究普遍认为互联网的使用可提高家庭收入，降低贫困发生的概率。概括起来，主要通过如下三个方面的影响渠道：一是就业渠道，即互联网的使用可以降低信息搜索成本(Aker，2010)[1]、拓宽就业渠道和方式(刘生龙等，2021)[2]，从而提升农村地区和偏远地区居民的非农就业概率(Atasoy，2013)[3]以及工资性收入(李雅楠和谢倩芸，2017;[4]马俊龙等，2017[5])；二是创业渠道，即互联网为家庭提供了更多的信息资源和更为便捷的社交渠道(Tsai，2001)[6]，既有利于促进家庭的创业行为(周洋等，2017)[7]和提升成为自我雇佣者的概率(马俊龙等，2017)[5]，从而增加创业收入(刘晓倩和韩青，2018)[8]，同时也拓展了家庭的社会网络或者社会资本，而社会网络又有利于提升城乡家庭的创业意愿(胡金焱等，2014)[9]和创业收入，且在农村地区效果更为显著(张博等，2015)[10]；三是人力资本渠道，即互联网提供了方便的学习平台和丰富的教育资源，有利于提升认知能力和增加人力资本投资，从而降低陷入贫困的概率(何宗樾，2019)[11]。

在抚幼负担对家庭收入的影响研究中，家庭中劳动的参与率对一个家庭的收入具有显著的影响，其中一个家庭中母亲和父亲是重要的收入来源者和劳动参与者。就家庭中母亲的劳动参与率而言，Cruces等(2007)[12]以及於嘉和谢宇(2014)[13]研究表明子女数量的增加对家庭中母亲的劳动供给具有显著的负向影响；但Cáceres-Delpiano(2012)[14]通过研究后发现子女数量的增加减少了城镇高学历女性居民的劳动供给，但并没有减少农村地区家庭中女性的劳动供给；Li等(2018)[15]从整个生命周期的角度对家庭中母亲的劳动参与率进行研究，发现就整个生命周期而言，家庭中母亲的劳动参与率并没有受到影响；洪秀敏和朱文婷(2020)[16]通过研究发现，对于母亲而言，由于无法对育儿和工作二者之间进行平衡，因此超过1/3的母亲在育儿后职业中断，尤其是对于二孩家庭和低收入、低学历的母亲更是如此。就家庭中父亲的劳动参与率而言，Pencavel(1986)[17]通过研究发现子女数量的增加，会造成家庭负担的增加，会激励家庭中父亲更加努力的工作来缓解家庭中的经济压力。Li等(2018)[15]通过研究得出相反的结论，其认为家庭子女数量对父亲的劳动供给具有显著的负向影响；段志民(2016)[18]基于我国2005年的全国1%的人口抽样调查数据进行研究认为，子女数量的增加显著抑制了家庭的收入，对农村家庭的负向影响更为显著；熊瑞祥和李辉文(2017)[19]从子女数量对家庭储蓄率的视角进行研究，认为在子女抚养阶段，子女数量的增加对家庭储蓄率具有显著的负向影响。

综上所述，现有文献分别从互联网的增收效应和抚养子女负担对家庭收入的影响两个视角进行研究，鲜有文献将二者纳入一个框架中进行研究。从对文献的梳理来看，互联网确实影响了收入，尤其是对于经济相对不发达，就业模式相对单一的农村地区而言，互联网对收入的影响尤为显著，但近几年人口政策逐渐放宽，家庭不得不面临抚幼和工作两难的抉择，尤其是对于家庭中的母亲来说，而这对家庭的收入造成了一定影响。因此，抚幼负担是否会成为互联网促进收入增加的阻碍更需要引起关注。基于此，本文的主要边际贡献为以下几点：第一，在研究视角上，从家庭面临的抚幼负担角度实证检验了抚幼负担在互联网增收效应中所产生的调节和中介效应等多重影响，以及运用门槛回归模型分析了抚幼负担在互联网增收效应中的非线性作用，可进一步丰富关于互联网在增收效应方面的研究；第二，在内生性问题处理上，本文综合运用Heckman选择模型、处理效应模型(Treatment Effect Model)以及工具变量法等一系列实证策略较好地纠正了因家庭互联网使用行为中存在的自选择效应而导致的内生性问题；第三，运用分位数回归分析了不同收入下抚幼负担调节作用的异质性，现有研究大多采用均值回归方法进行分析，不仅易受极端值的影响，而且难以全面反映对收入条件分布两端的影响。

(二)研究假说

通过梳理文献发现，现有研究普遍认为家庭的互联网使用行为会带来收入的提升(李雅楠和谢倩芸，2017;[4]马俊龙等，2017[5])，而面临的抚幼负担会降低家庭收入(张勋等，2019)[20]，并且互联网提升家庭收入的渠道会受到抚幼负担的影响，具体表现在如下三个方面：一是在就业渠道方面，虽然互联网的使用可以降低信息搜索成本(Aker，2010)[1]，拓宽就业渠道(刘生龙等，2021)[2]，从而提升家庭的就业概率，但抚幼负担的存在会占用一部分的家庭资源禀赋，从而会对家庭成员就业参与率产生一定的负向影响(王姮和董晓媛，2010)[21]。此外，Cruces等(2007)[12]以及於嘉和谢宇(2014)[13]研究表明，子女数量的增加对家庭中母亲的劳动供给具有显著的负向影响。二是在人力资本渠道方面，虽然互联网提供了方便的学习平台和丰富的教育资源，有利于提升认知能力和增加人力资本投资，但对于一个理性家庭来说，在有限的资源禀赋下通常包括一定的劳动时间禀赋和劳动力要素禀赋，需要在互联网使用和儿童照管之间进行最优配置，因此两者之间表现出一定的替代关系。此外，李超(2016)[22]等研究也表明抚幼负担会对家庭的人力资本投资产生负向影响。三是在创业渠道方面，虽然互联网的使用为家庭提供了更多的信息资源和更为便捷的社交渠道(Tsai，2001)[6]，进而会促进家庭的创业行为(周洋等，2017)[7]，但由于抚幼负担的存在增加了理性家庭创业的机会成本，从而会对家庭创业产生一定的负向影响。基于此，本文提出假说1。

假说1：家庭面临的抚幼负担会通过影响互联网的就业渠道、人力资本投资渠道和创业渠道，进而在互联网增收效应中产生一定的负向调节作用。

考虑到城乡居民在受教育程度、收入水平和教育养老医疗等公共服务方面上的差异，尤其是关于儿童照管方面的公共服务以及对子女教育观念的差异会影响到抚幼负担在互联网增收效应中的作用。具体而言，相比于城市，一方面农村地区的幼儿园、小学等关于儿童照管方面的公共服务供给不足且有待优化完善，难以缓解农村家庭普遍面临的抚幼负担；另一方面大多数农村家庭的收入普遍较低，难以支付由市场提供的费用较高的儿童照管服务，因此对于儿童的照料大多数是由家庭内部成员承担的，由此会降低相应家庭成员的非农就业概率，导致家庭收入的下降。此外，熊瑞祥和李辉文(2017)[19]研究进一步表明，因照管儿童降低了家庭中女性成员的非农就业概率。与此相同，王姮和董晓媛(2010)[21]的研究也发现家中拥有6岁以下幼童会带来非农私营活动与挣工资活动参与率的降低。此外，段志民(2016)[18]基于我国2005年的全国1%的人口抽样调查数据进行研究认为，子女数量的增加显著抑制了家庭的收入，对农村家庭的负向影响更为显著。因此，综合上述分析，提出假说2。

假说2：相比于城市，农村家庭面临的抚幼负担对其收入产生的负向边际影响更强。

三、数据说明、变量选择及模型设定

(一)数据说明

本文数据来源于北京大学中国社会科学调查中心(ISSS)实施的中国家庭追踪调查数据(CFPS)。该数据库覆盖了我国25个省/市/自治区，调查对象包含样本户中的全部家庭成员，其使用的分层多阶段抽样设计能够代表大约95%的中国人口(谢宇等，2014)[23]。该数据每两年进行一次调查，每一期数据均包括成人库、儿童库和家庭库三个子库，个别年份还包括社区库，考虑到生育政策逐渐放开的研究背景，最终选用CFPS2016数据库，且涉及到家庭库和相匹配的成人库和儿童库数据。具体地，本文以CFPS2016数据库中的家庭库为样本数据，然后根据家庭库中的户主ID与成人库中的个体ID进行匹配以获得关于户主特征的信息，同时利用儿童库中的家庭ID与家庭库中的ID进行匹配以获得关于家庭子女特征的数据信息，最终获得实证样本数据。

(二)变量选择

由于本文探讨的是家庭面临的抚幼负担对互联网增收效应的影响，具体包括互联网的使用和抚幼负担对家庭收入的影响以及抚幼负担在互联网影响家庭收入中的调节作用等问题，因此本文的被解释变量为家庭收入，参考张勋等(2019)[20]的做法，具体使用家庭纯收入和人均家庭纯收入来表示。本文的核心解释变量为互联网的使用，调节变量为家庭面临的抚幼负担，其中前者以户主是否使用互联网和通过互联网获取信息的重要程度两个变量来表示。后者通过参考李超(2016)[22]的做法，分别使用家庭中14岁及以下幼童人口的总数以及在家庭总人口中所占比例来表示。之所以选择14岁及以下的儿童数量是因为处于该年龄段的儿童相对缺乏自理能力，需要成人进行照料和看管。对于控制变量，参考相关文献(吴晓瑜等，2014；[24]周洋和华语音，2017[25])，分别从户主特征、家庭特征、村庄和省份特征四个层面出发，最终确定如下控制变量：

1.户主特征变量。本文最终选择户主年龄、是否党员、受教育年限、理解能力以及智力水平等五个变量。其中，考虑到户主年龄可能对家庭收入存在非线性影响，因此借鉴李超(2016)[22]等文献的做法加入了年龄的平方项。

2.家庭特征变量。本文选择家庭人口规模、家庭机械化程度、人情礼支出、金融资产价值、土地资产价值等五个变量。其中人情礼支出可以用来衡量家庭的社会网络或者社会资本，以往的研究均认为社会网络和社会资本会对家庭就业和收入产生重要影响；家庭机械化程度使用家庭农业机械价值来衡量。

3.村庄和省份特征。本文选择小区公共设施状况作为衡量村庄特征的变量，其取值范围为1-5，其中1表示很好，5表示很差。对于省份特征本文通过设定省份虚拟变量来控制家庭所在省份层面的特征。表1给出了变量的描述性统计结果。需要说明的是，为了降低异方差的影响，本文对家庭纯收入、人均家庭纯收入、家庭土地资产、金融资产、人情礼支出以及农用机械价值等变量进行了对数化处理。具体的描述性统计结果见表1。从表1中可知，平均来看家庭互联网的使用比例和互联网作为信息渠道的重要程度均较低，前者的平均使用率仅为0.378，后者为2.307，表明互联网在全国范围内并未得到非常广泛的使用，而且作为拓展信息来源的重要渠道作用也尚未得到充分发挥。

表1 变量的描述性统计

(三)模型设定

由于本文研究的是互联网的使用和抚幼负担对家庭收入的影响以及抚幼负担在互联网影响家庭收入中的调节作用，因此设定如下两种基准模型：

(1)

(2)

四、实证结果及分析

(一)基准回归结果及分析

1.互联网使用和抚幼负担对家庭收入的影响。本文首先基于统计特征对互联网促增收的作用以及家庭面临的抚幼负担对互联网促增收的影响进行初步分析，其中有14岁及以下幼童和无14岁以下幼童的家庭分别称为有幼童家庭和无幼童家庭，具体结果见表2。从第(1)、(2)列中可发现，平均来看，在不使用互联网的家庭中，无幼童的家庭收入均值要高于有幼童的家庭收入均值；同理从第(3)、(4)列中可知，在使用互联网的家庭中，无幼童的家庭收入同样高于有幼童的家庭收入。因此，综合上述分析可知，家庭面临的抚幼负担可能会对家庭收入产生一定的负向影响。类似地，第(1)、(3)列结果表明，在无幼童的家庭中，使用互联网的家庭其收入高于不使用互联网的家庭；而第(2)、(4)列结果表明，在有幼童的家庭中，使用互联网的家庭其收入同样更高。因此初步可知，互联网对家庭收入可能具有一定的正向作用。进一步地，对比第(1)、(3)列和第(2)、(4)列的结果可发现，从互联网带来收入的增加幅度而言，有幼童家庭的增加幅度要小于无幼童的家庭，由此表明家庭的抚幼负担可能会削弱互联网增收效应的效果，初步验证了假说1。

表2 描述性统计结果

在上述分析的基础上，本文进一步基于(1)、(2)式采用逐步回归方法进行深入分析，具体结果见表3中第(1)-(4)列。其中，第(1)列除包含核心解释变量家庭是否使用互联网和调节变量抚幼负担外，还纳入了户主特征变量和地区固定效应；第(2)、(3)列在第(1)列的基础上，又进一步控制了家庭特征变量和村庄特征变量；此外为保证结论的稳健性，第(4)列以家庭纯收入对数作为被解释变量进行回归分析。

表3 基准回归结果

总体来看，第(1)-(4)列结果表明，无论是从家庭收入的角度还是人均收入的角度，互联网的使用均会对家庭收入产生显著的正向影响，即使当标准误聚类到更高的省级层面上，①系数依然在1%的水平上显著，表明互联网具有显著的增收作用，该结论与以往研究保持一致。同理可知，家庭面临的抚幼负担对家庭收入产生显著的负向影响，该系数在标准误聚类到省级层面上依然保持稳健。具体而言，在第(1)-(2)列中互联网的使用以及抚幼负担等变量的估计系数变动幅度较大，表明由遗漏变量导致的系数估计的选择性偏误较大，而在第(2)-(3)列中系数波动趋于平稳，表明在控制了个体特征变量、家庭特征变量以及村庄特征变量后，由遗漏可观测变量带来的选择性偏误已经较小，进而由系数稳定性理论可知，不可观测变量带来的选择性偏误也会相对较小，此时的估计结果会较为准确。第(4)列以家庭纯收入对数作为被解释变量，进一步验证了第(3)列结果的稳健性。因此从第(3)列结果中可知，使用互联网的家庭收入会比不使用互联网的家庭收入高出大约20%。同理可知，家庭中新增加一个14岁以下儿童会使家庭收入下降大约14%，表明来自子女的抚养负担会降低家庭收入，该结论与张勋等(2019)[20]的研究结论一致。对于控制变量而言，户主的受教育年限、智力水平、理解能力等均会对家庭收入产生正向影响。需要说明的是，代表社会网络的人情礼支出也会对家庭的收入产生正向影响，主要是因为社会网络会对个体的就业、创业等方面产生正向影响，从而有助于家庭收入的提升，该结论也被相关研究证实。

2.抚幼负担对互联网增收效应的调节作用分析。从上述分析可知，互联网的使用会显著提高家庭收入，然而对于家庭来说，普遍面临的抚幼负担又会降低其收入，因此，本文进一步采用交互项的形式来分析抚幼负担在互联网增收效应中调节作用，具体结果见表3中第(5)-(6)列。

第(5)-(6)列结果表明，互联网的使用对家庭收入的边际影响为正，但互联网与抚幼负担的交互项对家庭收入的影响为负，且在1%的水平上显著，由此表明在互联网的增收效应中抚幼负担具有负向调节作用，即家庭面临的抚幼负担会显著降低互联网对家庭带来的增收效应，由此验证了假说1。这可能是因为在全国范围内，大多数家庭的子女是由家庭内部成员来照顾的，从而会在互联网的使用与儿童的照顾之间存在一定的权衡取舍，由此会对互联网的增收效应渠道产生影响，从而产生更大的机会成本。具体而言，使用互联网的家庭每增加一个14岁以下的儿童会使其家庭收入下降大约8%。进一步地，根据Wooldridge(2006)[26]提出的在包含交互项情况下变量偏效应的计算方法，分析在考虑抚幼负担的负向调节作用后家庭使用互联网对其收入的综合影响。以人均家庭纯收入为例，在家庭中14岁及以下的子女数为均值时的偏效应为0.327-0.199×0.568=0.214，对应的t统计值为5.94，在1%的水平上显著。由此表明，在考虑抚幼负担的负向调节作用后，互联网的使用仍然存在显著的增收的效应。

(二)内生性分析和稳健性检验

1.内生性分析。本文通过控制个体层面、家庭层面、村庄层面变量以及地区固定效应等在一定程度上可以缓解由遗漏变量带来的内生性问题，但也可能存在由其它原因造成的内生性问题：一是本文的核心解释变量家庭的互联网使用行为可能存在自选择问题；二是收入高的家庭更倾向于使用互联网，从而导致双向因果关系；此外也有可能仍然遗漏了与互联网使用相关同时又影响家庭收入的不可观测变量。针对上述问题，本文采取如下方法：一是采用Heckman选择模型，通过在回归方程中加入逆米尔斯比率(IMR)来修正自选择问题导致的偏误;二是利用处理效应模型(Treatment Effect Model)，来解决当虚拟变量为内生变量时产生的内生性问题；三是使用工具变量法来纠正所潜在的内生性问题，对于工具变量的选取，本文借鉴周广肃(2018)[27]的做法，使用所在社区的互联网使用率作为工具变量来进行分析，具体结果见表4。

表4 内生性分析结果

其中，第(1)、(4)列为Heckman选择模型的回归结果，②从中可知，在加入逆米尔斯比率(IMR)后，互联网的使用对家庭收入的促进作用和抚幼负担对家庭收入的负向影响以及抚幼负担在互联网增收效应中的负向调节作用均维持不变，表明在纠正自选择问题导致的偏误后，本文的核心结论与前文一致。类似地，第(2)、(5)列为处理效应模型(Treatment Effect Model)的回归结果，从中可发现，本文的核心结论维持不变。而第(3)、(6)列为工具变量法的回归结果，具体地本文使用GMM方法对系数进行了估计。需要说明的是，在使用工具变量方法纠正内生性问题时，需要确定所选工具变量是否存在弱工具变量问题。根据第一阶段F统计量结果可知，其取值远远大于10，表明本文使用的工具变量不存在弱工具变量问题。同理可知，互联网的增收效应、抚幼负担的负向影响以及在互联网增收效应中的负向调节作用保持不变。此外，进一步分析可知，在考虑抚幼负担的负向调节作用后，互联网促增收效应仍然显著。综合上述分析可知，在纠正潜在的内生性问题后，本文的主要结论保持一致。

2.稳健性检验。为保证核心结论的稳健性，本文采取如下方式进行检验：一是更换核心解释变量和调节变量，以互联网作为信息渠道的重要程度(hulianwp)作为核心解释变量，以家庭中14岁以下儿童占总人口比例(childp)作为调节变量来进行分析；二是改变估计模型，考虑到本文被解释变量非负且取值范围在一定区间内，同时家庭收入过低和收入过高的数据在统计时可能存在一定的测量误差，因此利用Truncreg模型和Tobit模型进行回归分析③。稳健性检验结果见表5。

具体地，表5中第(1)、(4)列是使用互联网作为信息渠道的重要程度(hulianwp)和家庭中14岁以下儿童占总人口比例(childp)作为变量的回归结果，从中可发现，互联网的使用对家庭收入的促进作用和抚幼负担对家庭收入的负向影响以及抚幼负担在互联网增收效应中的负向调节作用均保持不变。类似地，第(2)、(5)列是以家庭纯收入对数作为被解释变量的回归结果，同理可发现本文的核心结论保持稳健。进一步地，第(3)、(6)列Truncreg模型的结果，从中可知，互联网的增收效应、抚幼负担的负向影响以及在互联网增收效应中的负向调节作用保持稳健。需要补充的是，Tobit模型的回归结果也保持不变。综合上述分析，进一步证明本文核心结论的稳健性。

表5 稳健性检验结果

(三)异质性分析

前文分析了互联网对家庭的增收效应和抚幼负担对家庭收入的负向影响以及在互联网增收效应中的调节作用，但并未考虑到城乡居民在受教育水平、医疗教育养老等方面公共服务的差异带来的影响，因此进一步将全国样本分为城市家庭和乡村家庭样本进行异质性分析。同时再考虑到对于面临相同的抚幼负担却拥有不同收入的家庭来说，抚幼负担的调节作用也是存在差异的。因此本文使用分位数回归方法来分析低收入阶层、中间收入阶层和高收入阶层下互联网的增收效应和抚幼负担的负向调节作用的异质性。具体结果见表6。

1.城乡异质性分析。表6中第(1)、(2)列分别为乡村和城市家庭样本的回归结果。具体而言，第(1)、(2)列结果表明，在乡村和城市中，互联网的使用均会显著促进家庭收入的提升，同时抚幼负担在互联网增收效应中均表现为负向调节作用。但城市和乡村样本中抚幼负担对家庭收入的负向影响存在较为明显的差异，其中无论在统计意义上还是在经济意义上，乡村样本中表现为更显著的负向影响，由此验证了假说2。一种可能的解释是，相比于城市，乡村地区关于儿童照管方面的公共服务不仅供给相对不足而且更不完善，因此对于乡村家庭而言，其子女更多是由家庭成员来照顾的，因此会对家庭的非农就业和创业产生更为严重的负向影响，从而不利于家庭收入的提升。同时需要注意的是，互联网的增收效应在城市家庭中相对较弱。对此可能的解释是，城市地区的就业、创业机会以及获取信息的渠道更多且更为广泛，互联网只是众多可替代渠道中的一种，然而相比之下，乡村地区获取信息的渠道相对缺乏，因此互联网的不可替代性作用更加显著和突出。

表6 异质性回归结果

2.收入异质性分析。表6中第(3)-(5)列分别报告了1/10、5/10和9/10分位数回归结果。结果显示，随着分位数的增加(1/10→5/10→9/10)，互联网使用的分位数回归系数呈现出先下降后上升的趋势，由0.365下降到0.239再上升到0.261，表明互联网使用对收入的条件分布两端的影响大于对中间部分的影响，同时估计系数均显著为正，表明互联网对低收入、中间收入和高收入阶层均具有显著的促进作用，且在低收入阶层中的促增收效应更显著。进一步对比中间收入阶层和高收入阶层系数大小可知，互联网对高收入阶层的正向作用更大。一种可能的解释是，收入较高的家庭通常情况下受教育水平也会较高，而互联网最大的优势在于信息的获取和机会识别上(周洋和华语音，2017)[25]，因此受教育水平较高的家庭才能更大地发挥互联网的增收效应。同理可知，随着分位数的增加，交互项系数的绝对值呈现出逐渐上升的趋势，表明在高收入阶层中抚幼负担的负向调节作用更大。对此可能的解释是，收入越高的家庭通常情况下受教育水平也会较高，更会重视对子女的教育，在子女身上的投资和时间等精力的付出也更大由此会带来更高的机会成本。另一方面，估计系数的标准误均呈现出先下降后上升的趋势，表明对于条件分布两端的分位数回归系数的估计较不准确。为直观显示，本文将分位数回归系数随着分位数增加而变化的趋势进行了绘图，具体见图1-2。从图中可发现，随着分位数的增加，互联网使用的分位数系数呈现出先下降后上升的趋势，交互项的系数呈现出波动下降的趋势，进一步验证了前文的结论。

图1 互联网使用的分位数系数变化趋势

图2 抚幼负担与互联网交互项的分位数系数变化趋势

需要说明的是，并不是家庭使用互联网就会提高其收入，换句话说，要想发挥互联网的增收效应是有前提条件的，现有研究也指出互联网发挥作用的主要渠道是通过扩展家庭的信息来源和促进就业、创业的概率，事实上互联网最大的优势在于信息的获取和机会识别上，而对于受教育程度较低的家庭来说，互联网更多体现的是娱乐休闲的工具，因此较难发挥互联网增收的渠道。

3.门槛回归分析。进一步考虑到抚幼负担在互联网促进增收中的调节作用可能存在与人力资本水平相关的非线性关系，因此本文以人力资本变量作为门槛变量采用门槛模型进行分析。具体地，首先对门槛效应的存在性进行检验，包括是否存在门槛值以及门槛值的个数，以此确定模型形式。在此基础上，进一步检验门槛值的显著性。表7汇报了以人力资本变量作为门槛变量时对应的门槛估计值和置信区间，同时表8中报告了门槛值显著性的检验结果。从中可知，当门槛值的数量分别为1个和2个时，F统计量分别为3.311和2.636，通过自举法得到的P值为0.06和0.105，表明在10%的水平上存在一个门槛值，说明抚幼负担在互联网促进增收中的调节作用确实存在与人力资本水平相关的非线性关系。此外，该门槛值处在95%的置信区间，因此，本文最终选择单一门槛模型来分析随着人力资本水平的变化对抚幼负担调节作用的影响。

表7 门槛估计值和置信区间

表8 门槛效果自抽样检验结果

从表7中可知单一门槛估计值为3，由此可将样本分为两个区间，分别为人力资本水平小于3的样本和人力资本水平大于3的样本。进一步从表10中第(1)列单一门槛模型的估计结果中可知，当人力资本水平在第一区间时，抚幼负担在互联网促进增收中的负向调节作用较小，而且该结果并不显著。当人力资本水平在第二区间时，抚幼负担在互联网促进增收中的负向调节作用变大，估计系数变为-0.133。进一步分析，在包含交互项后互联网对家庭收入影响的综合效应为0.273-0.133×0.568=0.197，表明互联网的促进增收效应依然是显著存在的。综合上述分析可知，总体而言，随着人力资本水平的提升，抚幼负担在互联网促进增收中的负向调节作用呈现出变大的趋势，但互联网的促进增收效应依然显著。

表9 门槛模型系数估计结果

表10 中介机制检验结果

五、扩展分析

前文分析了家庭的互联网使用行为对其收入的促进作用和抚幼负担对家庭收入的抑制作用以及抚幼负担在互联网增收效应中的调节作用机制。需要进一步指出的是，上文的分析仍存在两方面的不足：一是抚幼负担对家庭收入的影响并不仅限于调节作用机制，抚幼负担也可以通过中介效应机制来影响家庭收入；二是对于家庭来说，抚幼负担不仅与家庭中幼童的数量息息相关，更与幼童的年龄密切相关，处于不同年龄段的幼童需要照顾的程度是存在明显差异的，因此对互联网增收的影响也是不同的。针对上述不足，本文从两方面进行扩展分析，一是对抚幼负担的中介效应进行实证检验，以家庭的互联网使用概率作为中介变量，来检验抚幼负担通过影响互联网使用概率进而抑制家庭收入上升的中介效应渠道是否存在。二是参考借鉴熊瑞祥和李辉文(2016)的做法，根据家中幼童的年龄，通过设置虚拟变量，将家庭分为四组，分别是拥有0-5岁(child05)、6-9岁(child69)、10-14岁(child1014)以及无14岁以下幼童的家庭，并将后者作为对照组进行对比分析。

(一)中介效应检验

由于互联网的使用为二值变量，因此本文使用Logit模型来进行分析。表10中前三列给出了具体的回归结果，其中第(1)-(3)列以互联网的使用为被解释变量，分别基于全国样本、城市样本和乡村样本进行回归的结果。结果显示，只有在乡村样本中，家庭面临的抚幼负担会显著降低互联网的使用概率，而其它结果均不显著，由此表明抚幼负担的中介效应机制在全国和城市样本中并不明显。进一步地，本文基于乡村样本利用中介效应检验的思想，来验证抚幼负担的中介效应是否存在于乡村家庭中。具体地，第(4)列以人均家庭纯收入对数为被解释变量，以家庭的抚幼负担为核心解释变量，来分析抚幼负担对家庭收入的影响；第(5)列仍然以人均家庭纯收入对数为被解释变量，但在回归方程中同时纳入抚幼负担和互联网使用变量。根据中介效应的检验思想，三个方程中核心变量和中介变量的系数均显著则表明存在部分中介效应。因此表中结果表明，在乡村样本中，抚幼负担通过影响互联网使用概率进而抑制家庭收入上升的中介效应渠道是存在的。在此基础上，本文采用Cutler和Lleras Muney(2010)[28]的方法计算在中介效应存在时，中介变量渠道效应的大小，具体为1-0.161/0.164=1.8%，由此表明抚幼负担对家庭收入影响的中介效应渠道较弱。

(二)幼童年龄分组回归

表11汇报了按幼童年龄分组后的回归结果，其中第(1)列为不同年龄下抚幼负担对家庭收入的异质性影响，而第(2)-(5)列为不同年龄下抚幼负担在互联网增收效应中负向调节作用的异质性结果。具体而言，第(1)列结果表明，相比于无14岁以下幼童的家庭来说，拥有0-5岁幼童对家庭收入的负向影响相对较小，而拥有10-14岁幼童对家庭收入的负向影响会相对更大。一种可能的解释是10-14岁幼童会面临上学等一系列问题，而择校难等问题会给家庭带来更大的支出压力。同理，从第(2)-(5)列结果中可发现，相对于无14岁以下幼童的家庭来说，家中拥有0-5岁幼童和10-14岁幼童时抚幼负担的负向调节作用会相对较小，而拥有4-9岁幼童时抚幼负担的负向调节作用会相对较大，从而呈现出倒U型特征。由此表明，抚幼负担对互联网增收的影响会随着家中幼童年龄的上升而呈现出阶段变化，具体而言，抚幼负担对互联网增收的影响效应会随着家中幼童年龄的增大而呈现出倒U型特征。这可能与孩子在成长过程中的心智、身体发育等出现的阶段性变化有关，早期孩子心智、身体发育等均不成熟，无独立性思维和行动能力，照管起来相对容易，随着孩子年龄的增长会出现一系列的问题，需要家庭占用更多的精力和资源，到后期时幼童会进入到九年义务教育阶段，国家相关的政策扶持会对家庭的支出压力起到一定的缓冲作用。

表11 家庭幼童年龄分组回归结果

六、结论及政策启示

(一)结论

本文在人口政策逐渐放宽以及全面建成小康社会的背景下，从家庭面临的抚幼负担角度，基于中国家庭追踪调查数据(CFPS)，实证检验了抚幼负担在互联网增收中产生的调节和中介效应，并运用Heckman选择模型、处理效应模型(Treatment Effect Model)以及工具变量法等一系列实证策略纠正了潜在的内生性问题。在此基础上，采用分样本和分位数回归方法进一步分析了抚幼负担的调节作用在城市与乡村样本中以及在低收入和高收入家庭中的异质性影响。此外利用门槛回归模型分析了抚幼负担在互联网增收中调节作用的非线性影响，并利用中介效应模型实证检验了抚幼负担影响家庭收入的中介效应渠道以及分析了不同年龄阶段下的抚幼负担对家庭收入的影响以及对应调节作用的异质性，得出如下结论：

第一，基准回归结果表明，无论是从家庭收入的角度还是人均收入的角度，互联网的使用均对收入产生显著的促进作用，表明互联网具有显著的增收作用；而家庭面临的抚幼负担均对收入产生负向影响，且在互联网的增收效应中具有负向调节作用，表明家庭面临的抚幼负担会在一定程度上阻碍收入的提升；综合考虑抚幼负担的负向调节作用后，互联网的使用仍然存在显著的增收效应。该结论在运用Heckman选择模型、处理效应模型(Treatment Effect Model)以及工具变量法等一系列实证策略纠正潜在的内生性问题后，同时通过改变变量、利用Truncreg模型和Tobit模型以及将标准误聚类到更高层级后依然保持稳健。

第二，在异质性分析方面，分城乡样本表明，相比于城市，乡村家庭面临的抚幼负担对家庭收入的负向影响更为显著，同时互联网的增收效应也更强；分位数回归表明，互联网对低收入、中间收入和高收入阶层均具有显著的促进作用，其中在低收入家庭中互联网的促增收效应更显著，而在高收入家庭中抚幼负担的负向调节作用更大；门槛回归结果显示，抚幼负担在互联网增收中的调节作用存在与人力资本水平相关的非线性关系，随着人力资本水平的提升，抚幼负担在互联网增收中的负向调节作用呈现出变大的趋势，但互联网的增收效应依然显著。

第三，在扩展分析方面，中介效应检验表明，抚幼负担通过影响互联网使用及其信息渠道，进而抑制家庭收入上升的中介效应机制在乡村样本中是存在的，但该影响渠道较弱，而在全国和城市样本中并不明显；相比于无14岁以下幼童的家庭来说，拥有0-5岁幼童对家庭收入的负向影响相对较小，而拥有10-14岁幼童对家庭收入的负向影响会相对更大；对于家中有14岁以下幼童的家庭来说，抚幼负担对互联网的增收的影响会随着家中幼童年龄的增大而呈现出倒U型特征。

(二)政策启示

第一，加强贫困地区的网络基础设施建设，扩大和提升网络覆盖范围和质量，丰富网络公益资源。农村地区，尤其是贫困、偏远的农村地区，其网络基础设施建设较为薄弱，网络覆盖范围有限且农民接触到优质网络资源较少，难以享受到互联网快速发展带来的红利。因此应加强农村地区网络基础设施的建设，扩大互联网在农村地区的覆盖范围和提升网络覆盖质量，在新时代背景下进一步释放互联网发展带来的技术红利。

第二，提升家庭的宽带接入率和互联网使用率，强化互联网的增收作用机制。对于农村家庭来说，不仅互联网的使用率普遍较低，而且对于一些使用互联网的家庭来说，仅仅是把互联网作为一种娱乐的工具，导致互联网增收作用的渠道难以充分发挥出来。一方面应面向农村地区进行互联网使用的普及和推广，积极引导农村家庭通过互联网学习，提升自身的能力和技术水平；另一方面应提供优质的网络教育培训资源，通过互联网+教育的模式缩小城乡间的教育差距，推动城乡间教育公平的实现。

第三，完善农村公共服务体系，着重改善学前儿童照管方面的公共服务，缩小城乡收入差距，实现基本公共服务的均等化。相比于城市地区，农村地区的幼儿园、小学等有关儿童照管方面的公共服务并不完善，导致农村家庭普遍面临着较为沉重的抚幼负担，阻碍了农村家庭收入的提升和生活状况的改善。因此应着重完善学前儿童照管方面的公共服务，真正把农村家庭从沉重的负担中解放出来，不仅有利于农村家庭生活的改善，更有利于释放农村剩余的劳动力，实现农村劳动力资源的优化配置。

注释：

①限于篇幅，本文并未列出将标准误聚类到省级层面的结果，留校备索。

②限于篇幅，本文没有列出Heckman选择模型、处理效应模型中的选择方程的回归结果，留校备索。

③限于篇幅，本文并未列出Tobit模型的回归结果，留校备索。