互联网使用与旅游就业选择差异:异质性与机制

王静　郭为　康悦

[关键词]互联网;旅游业;就业选择

[中图分类号] F590.3 [文献标识码] A [文章编号] 1674-3784（2023）01-0071-11

互联网技术的普及和发展显著改变了传统的旅游就业模式，在互联网的影响下相继出现了远程招聘、线上就业、网络培训等一系列就业新模式[1]。这些模式对旅游业劳动力市场产生了重大影响，改变了劳动者参与就业的方式。但是，目前关于互联网使用与旅游业劳动力就业选择的研究较少，大多数研究集中在互联网发展对就业率的影响上，比如Fabritz在研究宽带接入与促进就业时发现，宽带接入量每增加10%，就业率会提高0.03%[2];在美国，宽带的使用增加了约1.8%的就业人口[3]。丁琳和王会娟利用国家間的数据分析，发现互联网技术的发展对消费型服务业有41.7% 的进步效应[4]。

当前，关于互联网与就业的研究主要集中在3个方面：第一，互联网发展是否促进了就业[5]27;第二，互联网发展对就业总量和结构的影响;第三，大部分研究聚焦于制造业[6]。旅游业不同于制造业和其他服务型行业，不存在明确的边界，涵盖了食、住、行、游、购、娱这6个方面。在移动互联技术出现后，旅游产品和服务的供给者与消费者依托于网络平台，形成了一种新型的商业生态，催生了许多不同的就业形式[7]。因此，探寻互联网对旅游就业影响的关键不在于影响是否存在，而是在于劳动者个体对工作的自我选择过程。那么，互联网如何影响旅游就业者的职业选择？ 影响机制又是什么？

基于上述疑问，文章从以下3个方面拓展了现有研究：第一，探讨互联网对旅游从业者职业自我选择的影响;第二，联系现实并与技能偏向型理论结合，着重分析互联网使用对不同技能群体和年龄群体的影响，有助于深入了解旅游业中不同技能结构、年龄结构的劳动者的就业参与形式;第三，寻找与互联网使用紧密相关的中介效应因素，尝试构建个体和互联网之间的连接机制，为研究旅游就业提供新的视角和思路。

1 文献综述

1.1 旅游就业研究

现有文献关于旅游就业的研究主要包括两个方面：一是分析旅游就业的总量、结构以及影响机制等方面[8]，主要表现在就业促进[9]、就业区域差异[10]以及性别差异[11]等方面;二是对旅游就业的参与方式进行探究，大致分为直接就业、间接就业以及引致就业3种类型[12]71。以上关于旅游就业的研究大多基于宏观角度，而从个体视角出发直接探究参与就业的具体方式的文献还较为缺乏。与其他行业相比，旅游业的就业稳定性低于制造业等生产部门，但是由于近几年来我国经济结构的不断调整，制造业等其他行业出现了就业滑坡，使得劳动力开始大规模向旅游等服务行业转移[13]，这一现象引起了学术界对旅游就业的极大关注。

1.2 互联网影响就业选择的原因

收入是影响就业选择的重要因素。互联网对劳动者的收入能够产生一种“拉力”作用，可以显著地提高个体的收入水平。例如，Krueger最早使用美国1984年和1989年的人口普查数据实证检验了计算机对于个人收入的影响，其研究发现个人在工作中使用电脑能够提升10%～15%的收入[14]。在旅游行业内存在大量的灵活就业者，他们的收入很不稳定，为了获得更高的收入，他们可能会利用互联网等方式，积极寻求进入受雇型就业的渠道。除收入外，就业单位的性质、职业类型、职业稳定性以及工作距离等因素也在一定程度上影响从业者的就业选择[15-17]。而互联网即时通信、邮件传送以及远程办公等新功能的出现，有利于减少劳动者的通勤时间，增加了工作方式的灵活性和自主性 [18]。职业类型也更加多样，如微商店主、网络直播等人员，他们的工作时间随互联网的使用而发生改变，不同于传统的“朝九晚五”的工作方式，夜间变成了他们重要的工作时段。互联网对工作时间的影响，使得一部分劳动者工作和生活的界限变得模糊，从而影响他们的就业选择[19]。

1.3 互联网影响就业选择的途径

互联网让旅游就业者可以接触到更多的就业市场信息，促成劳动力供需匹配，让劳动者个体找到更适合自己的工作[20]。对于招聘信息发布者来说，互联网平台扩大了信息传输范围。对于求职者而言，互联网不仅降低了工作搜寻成本，提高了工作搜寻效率，通过互联网可以获得更多关于职业方面的信息[21];同时，互联网也改变了依靠中介机构、猎头等单一传统求职模式，让求职渠道更加丰富。而对于个体创业的自雇就业者而言，首先是互联网能给创业者提供大量的专业信息和商业信息[22];其次是互联网技术能够有效地改善自雇就业者的内部运作，有利于自雇就业者或创业者快速发现市场中隐藏的就业信息[23]。

互联网对自雇或者受雇就业者各有益处，那么，在这种影响下，个体更倾向于以何种方式参与就业呢？互联网作为虚拟空间，线上互动和交友都具有私密性，人们更容易表达真实想法、建立友谊，从而促进社会资本的积累[24]。基于电子商务、社交媒体等平台，互联网的社交功能会促进劳动者自雇就业，互联网的学习功能则促进劳动者非自雇就业[25]。

2 数据来源与说明

2.1 数据来源

文章使用的数据主要来自中国综合社会调查（China General Social Survey， CGSS），该数据包含了社会人口属性、劳动就业等各层次、各方面的信息。为了确保研究结论的可靠性和一致性，文章合并了CGSS 2013年、2015年、2017年以及2019年的数据。本文的研究对象为旅游就业，根据受访者当前的编码，并参照《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职业和个体，同时剔除了含有缺失值的样本点以及低于18岁和高于65岁的个体样本点，最终从2013 年、2015 年、2017 年、2019 年CGSS数据中选取了1 966个样本。

2.2 变量定义及描述

（1）被解释变量：旅游就业选择。将就业选择主要定义为旅游受雇就业和自雇就业，将自雇就业赋值为0，受雇就业赋值为1。

（2）关键解释变量：互联网的使用。借鉴周冬的研究[26]80，将互联网的使用频率作为衡量关键解释变量的重要指标。

（3）控制变量：参照宋林和何洋的做法[27]65，分别提取了个体特征变量和家庭特征变量。个体特征变量包括年龄、性别、婚姻、政治面貌、受教育程度、健康水平，同时将年龄的平方项① 也纳入控制变量中。家庭特征变量包括家庭收入和家庭规模，家庭规模参照了周冬的做法[26]81，将家庭成员总数作为家庭规模的衡量标准。此外，文章在稳健性检验中，提取了受访者是否签订书面劳动合同变量;在内生性检验中，提取了个体在空闲时间上网的频率变量;在机制检验中提取了个体通过网络或手机获取信息的频繁程度变量和个体在空闲时间选择社交的频繁程度变量。表1报告了相关变量的描述。

2.3 变量的描述性统计

表2报告了变量的描述性统计。就业选择分为自雇型就业和受雇型就业，在整个样本中，受雇型就业占比为53.3%，受雇就业和自雇就业的占比大致相当。互联网使用频率的均值为3.182，说明旅游从业者个体在工作中大多会使用互联网。控制变量中，受访群体的年龄均值为39.244，说明旅游业以壮年劳动力为主，标准差为10.672，说明各年龄层劳动力分布差别较大;男性占比55.1%，高于女性;已婚人员数量占比高达81.6%，说明参与旅游就业的个体只有不到两成是未婚;受教育程度的均值为10.200，说明就业人员的受教育程度主要集中在高中学历，而标准差为3.371，可以看出整个受访群体的学历水平参差不齐;健康水平的均值为4.020，表明大部分个体的身体素质良好，只有少数人處于不健康的状态;取对数后家庭收入的均值为10.910，说明从事旅游就业的个体有一定的经济基础;家庭规模即家庭总人数的均值为3.043，标准差为1.320，说明大部分受访个体都是四口之家。稳健性检验中，大约有29.6%的受访者在目前的工作中签订了书面劳动合同;内生性检验中，个体在空闲时间选择上网的次数均值为2.597，集中在每天上网或一周数次，说明网络已成为生活必需，侧面反映互联网在个体生活中发挥了很大的作用;进一步讨论中，高技能劳动力占比16%，说明旅游业主要以低技能劳动力为主;就业者通过互联网获取信息频率的均值为1.901;社会资本的均值为2.741，说明约有一半的个体选择通过互联网建立社交关系。

3 基准模型分析

3.1 互联网使用对旅游就业选择的基准回归

考虑到被解释变量是一个分类变量，采用logistic概率分布函数能够很好地描述分类变量，具有良好的统计特性，因此文章将基准模型设定为logistic二分类模型，具体表现为如下形式：

其中，p_it表示在t时期i 个体选择受雇就业的概率;p_0t 表示在t 时期i 个体选择自雇就业的概率;internet_it表示t 时期i 个体对互联网的使用;X_it表示所有控制变量，包括个体特征变量和家庭特征变量;α、β、γ 为待估参数。为了进一步观察职业就业变化的趋势效应，文章分别控制了时间效应和地区效应。由于传统的概率模型难以考虑个体异质性，而且旅游就业选择的研究又和个体紧密相关，因此为了确保回归结果的可靠性，文章借鉴李珊珊关于LSDV 估计法的应用[28]，在模型中使用该方法控制对个体异质性的估计。

表3报告了模型（1）的回归结果。模型（1-1）是未加入控制变量、只控制时间效应和地区效应的回归结果。以自雇就业为参照组，劳动者个体对互联网的使用增加了以受雇的方式参与就业的概率，OR^②值是1.252，在1%的水平上显著。模型（1-2）和模型（1-3）是在控制时间效应、地区效应的基础上，将个体特征变量和家庭特征变量分别纳入模型之中的回归结果。结果表明，互联网的使用仍旧提高了受雇就业参与的概率，但概率和显著性均有所下降，其OR 值分别是1.116和1.114，在5%的水平上统计显著。在基准回归模型中，关键解释变量的系数为正，说明互联网的使用促进了旅游行业劳动力的就业选择由自雇型向受雇型转变，这一结论与宋林和何洋的研究[27]73 具有异曲同工之妙，但他们是从农村劳动力就业选择的角度分析问题的。

3.2 稳健性检验

为了保证回归结果的可靠性和稳健性，本研究采用替换被解释变量的方法进行稳健性检验，借鉴郭为、汪润泉等学者的研究[12]73，[29]，以受访个体是否签订书面劳动合同替换基准模型中的被解释变量进行回归。其中，将签订劳动合同的个体视为受雇就业，未签订劳动合同的视为自雇就业。

表4报告了替换被解释变量后的稳健性检验的回归结果。模型（1-4）是未加入控制变量的结果。结果显示，以未签订劳动合同的劳动个体为参照组，互联网的使用增加了签订劳动合同的劳动者的就业概率，OR 值是1.506，在1%的水平上显著。模型（1-5）和模型（1-6）是分别纳入个体特征变量和家庭特征变量的回归结果。使用互联网的影响依然显著，OR值分别是1.297和1.246。稳健性检验的结果与基准模型吻合度极高，可以看出互联网对旅游就业者就业选择的影响是稳健的，也是可信的。

3.3 内生性检验

虽然前文已经确认了互联网的使用对旅游行业劳动者的就业选择存在影响，但是这种影响不是随机的，可能存在反向因果关系导致的内生性问题，即不是互联网影响了劳动者的就业选择，而是因为就业选择的需要促使劳动者使用互联网。因此，文章使用个体在空闲时间选择上网的频率作为工具变量来解决内生性的问题。很显然，个体在工作中使用互联网的机会越多，在闲暇时间利用互联网的可能性也越高;但个体闲暇时间利用互联网与个体选择怎样的工作没有关系。因此，把劳动者个体在空闲时间选择上网的频率作为工具变量，既满足了与关键解释变量的相关性，又满足了与被解释变量的排他性。

表5为控制内生性的回归结果。模型（1-7）和模型（1-9）是工具变量对关键解释变量的回归结果，模型（1-8）和模型（1-10）是工具变量处理内生性后对被解释变量的结果。不管是在控制内生性的logistic模型中还是在线性概率模型中，通过工具变量控制反向因果关系后，互联网的使用对旅游就业概率的影响依然显著。以自雇型就业为参照，互联网的使用显著提高了劳动者个体参与受雇型就业的概率。在第一阶段回归分析中，工具变量的系数为正，说明劳动者个体在空闲时间选择上网的频率与互联网的使用呈正相关，即在空闲时间选择上网的频率越高，互联网的使用频率就越高。在第一阶段的线性概率模型回归中，Kleibergen-Paap Wald rkF统计量的值为2 278.741，说明不存在弱工具变量的问题。至此，可以看出通过工具变量控制内生性后，互联网的使用对劳动者参与就业的影响与基准模型反映的结果一致。

4 异质性讨论

4.1 技能异质性③

互联网技术具有技能偏向的特征，技能需求的变化势必影响劳动者的就业选择。就一般行业而言，劳动者的技能禀赋越高，其受雇的成功率可能也会越高。因此，互联网对不同技能劳动力的影响也存在差异。

表6报告了技能差异的回归结果。模型（1-11）是低技能劳动力的回归结果。对于低技能劳动者来说，互联网的使用提高了劳动者以受雇的方式参与旅游就业的概率，在1%的水平上统计显著，其OR值是1.144。模型（1-12）是高技能劳动力的回归结果。互联网的使用同样提高了高技能劳动者的受雇概率，在10% 的水平上显著，其OR 值是1.273。很显然，不管是低技能劳动群体还是高技能劳动群体，都倾向于以受雇的方式参与就业。互联网的使用显著提高了不同技能劳动力的受雇概率，但是受雇概率是有区别的，互联网的技能偏向属性使其对高技能劳动者的影响更大。

4.2 年龄异质性④

互联网对不同年龄群体的影响可能存在差别。不同年龄的劳动者受工作经验、教育背景等因素的影响，就业选择的机会和就业模式有很大的不同。传统的就业模式下，年长劳动力获得的就业机会和选择类型比青壮年劳动力多，但是在普及互联网的今天，网络培训授课的便捷性以及电商平台的兴起，给一些缺乏经验的青壮年劳动力提供了更多的工作选择。相反，利用互联网进行学习或交流对年长劳动力而言难度较大。

表7报告了年龄异质性的回归结果，模型（1-13）、模型（1-14）和模型（1-15）分别是对青年劳动力、壮年劳动力和年长劳动力的回归结果。互联网对壮年劳动力就业选择的回归结果为正，并且在1%的水平上统计显著，表明壮年劳动力使用互联网后，选择受雇就业的概率更大。互联网对青年劳动力和年长劳动力选择自雇型还是受雇型就业均无显著的影响。原因可能是互联网对旅游就业的影响主要集中在壮年劳动力，与互联网有关的工作岗位也大多适用于壮年劳动力。但是，青年劳动力由于刚刚进入劳动力市场，社会经验较少，利用互联网就业的意愿相对于壮年劳动力来说比较低，互联网对于他们来说大多是一种休闲娱乐的方式;而对于年长劳动力来说，使用互联网搜寻工作的成本过高，而且他们重新从事新工作的概率较低，因此青年劳动力和年长劳动力受互联网的影响较小。

5 影响机制

5.1 信息资本机制的检验

如上所述，互联网的使用对旅游劳动力的就业选择有显著的影响，但是个体如何通过互联网选择就业，还需要找到其中的作用机制，通过作用机制形成完整的因果关系链条。

互联网最大的优势主要体现在信息传播和更新速度快。在互联网的影响下，劳动者就业信息获取渠道、搜索范围不断扩大，且可以利用互联网获取更多的就业信息，提高自雇或受雇成功率。因此，文章将互联网的信息资本⑤ 作为互联网与就业选择的中介变量。借鉴刘光英和王钊关于中介效应模型的做法[30]，文章将基准模型修改为如下中介效应模型：

在模型（2）中，path C 是关键解释变量对被解释变量总的影响，path A 是关键解释变量对中介变量的影响，path B & C'是考虑了中介变量后关键解释变量对被解释变量的直接影响和间接影响。X_it代表控制变量;employ代表旅游就业选择;internet代表互联网的使用频率;β 代表互联网使用对旅游就业选择的总效应，information是互联网的信息资本，即个体通过互联网获取信息的频率，为文章所关注的中介变量;τ 表示互联网作用于中介变量的效应;γ 为中介变量作用于旅游就业选择的效应。各效应的关系为β=φ+τγ，α、β、δ、σ、φ、γ 是待估参数，ε、u、v 是随机扰动项。

表8报告了信息资本机制的检验结果。整个模型显示关键解释变量呈部分中介效应。模型（2-1）显示，互联网使用对旅游就业选择总的影响，互联网的使用对旅游就业选择的总效应是0.066，互联网的使用能够显著增加劳动者以受雇的方式参与旅游就业的概率。模型（2-2）显示互联网的使用对信息资本具有中介效应，在1%的水平上统计显著，说明互联网能够促进个体有效获取相关信息，这一结论与经验观察吻合。模型（2-3）显示，在考虑中介变量后，互联网对旅游就业选择的直接影响是-0.060，间接影响效应是0.023，均在1%的水平上统计显著。信息资本对自雇就业选择呈正向影响，但是与互联网对就业选择的间接效应相抵消后，互联网促使个体更倾向于选择以受雇的方式参与就业。这表明互联网的使用不仅能够直接影响旅游就业选择，而且还可以通过信息资本间接影响就业选择。

5.2 社会资本机制的检验

受中国传统文化的影响，中国是典型的 “人情社会”和“关系社会”，亲情网络、友情网络等各种错综复杂的關系网也是一种社会资本[31]。而互联网的出现改变了传统的社交方式，补齐了人们对于线上社交的需求，有助于强化这种社会关系。旅游业作为一个高度关联的服务型行业，关系网络在企业营运中具有重要地位。因此，文章将社会资本⑥ 作为互联网使用与旅游就业选择的中介变量，在模型（2）的基础上进一步探究旅游就业选择的影响机制。

表9报告了社会资本机制的检验结果，模型（2-4）是关键解释变量对被解释变量总的影响，模型（2-5）是关键解释变量对中介变量的影响，而模型（2-6）是考虑了中介变量后，关键解释变量对被解释变量的直接影响和间接影响。纵观所有回归结果，社会资本的系数显著为正，表明社会资本对个体就业概率具有显著的正向作用;同时互联网可以凝聚社会关系，提升个人的社会资本。这一结论与戚聿东和褚席的研究结果[32]98 大致吻合。

6 结论与建议

文章使用中国综合社会调查（CGSS）数据检验了劳动者个体使用互联网对旅游就业选择的影响，主要得出如下结论：第一，从总体来看，互联网的使用提高了旅游从业者个体从自雇型就业转向受雇型就业的概率。说明劳动者以自雇就业的方式参与旅游就业的意愿较低，大多数劳动者还是希望通过依托网络技术，找到较好的受雇工作。第二，不管是对于低技能劳动力还是高技能劳动力来说，互联网的使用均提高了劳动者个人的受雇概率，而且对高技能劳动者的影响更大。第三，互联网对不同年龄群体劳动力的就业选择的影响存在显著差异，互联网只对壮年劳动力的影响显著，对青年劳动力或年长劳动力的影响不显著。第四，机制效应说明，劳动者个体可以利用互联网搜寻就业信息、建立社交关系，间接提高受雇概率。互联网的信息资本、社会资本的提升能够拓宽劳动者个人的求职渠道，降低求职成本，就业岗位需求更容易传递和扩散，导致受雇机会增多。

根据上述研究结论，文章提出如下建议：第一，不断加强互联网基础设施建设，实现互联网在旅游业的普及化;相关旅游企业可以建立符合旅游从业者使用特点的信息平台，运用互联网招聘策略，有针对性地推送旅游就业需求信息，提高旅游劳动力就业的有效性。第二，由于互联网使用具有技能偏向性，这就需要为旅游行业中低技能劳动者提供更多和互联网相关的技能培训，通过提升劳动者的技能水平来提高受雇概率。第三，对于就业较困难的年长劳动力来说，应当提供专门的指导服务，提升他们的互联网的应用水平，将知识经验与互联网相结合，努力创造更多的价值;而青年劳动力应当依据互联网来确定符合自身需求的就业诉求，努力提升自身技能，不断适应劳动力市场对青年劳动力提出的就业新要求。第四，劳动者个体应当充分利用互联网在信息传递和关系网络上的优势，利用互联网搭建更好的就业信息平台以不断提高就业者工作搜寻的能力，同时扩大信息传输范围，利用互联网降低获取信息和建立社交关系网络的成本，从而可以更好地获取岗位信息。

本文仍然存在一些不足之处，受限于数据中部分变量无法得到全部的匹配，文章的研究结论可能存在潜在的风险。总之，随着互联网的深入应用，个体的就业方式也会隨之发生改变，文章期待能够在此基础上，持续关注互联网的使用对旅游就业选择模式的影响，在未来能够更严谨细致地探索互联网对劳动者个体就业的影响。