从谋生到融入:社会网络何以提升农民工社会参与?※

赵清军 何军

内容提要：加快推动农民工全面融入城市社会是深入推进以人为核心的新型城镇化战略的重要内容,社会参与是农民工融入城市的关键环节。借助2017年中国流动人口动态监测调查数据,系统评估了社会网络对农民工社会参与的影响及作用机制。研究表明:异质性社会网络显著提高了农民工的社会参与水平,这一结论在一系列稳健性检验中均成立;进一步分析发现,社会网络的提升效应在不同代际和不同受教育程度上存在明显差异,异质性社会网络对老一代和高中及以上学历农民工的社会参与水平的提升效应更大;机制分析发现,社会网络会通过提高普遍信任和增强身份认同间接提升农民工的社会参与水平,但社会网络发挥的直接效应更大。以上研究为扩展与重构农民工社会网络,突破同质化社交网络限制,提高农民工社会参与水平提供了经验证据。

一、 引 言

改革开放以来,大量农村剩余劳动力从农村流向城市从事非农就业,为城市建设与发展,更为国民经济发展、加快城镇化进程做出了巨大贡献。同时,数量庞大的农民工在工作场所和工作内容上也发生了极大的转变。但是,实质上农民工进城务工仍然只是其谋生的一种手段,而远未达到融入城市的阶段。此外,随着相关法律的完善以及配套政策的实施,农民工的收入水平逐渐提高,制度性的约束也逐渐放开(唐文浩,2022b),户籍制度业已解冻和松绑,农民工融入城市的意愿和能力均有所提高。因此,当前农民工实现全面融入城市的困境更多体现在城市事务参与方面的转变上,大多数农民工并未完全接受城市文化,在行为方式上同城市居民也存在较大的差异,农村传统的思维方式、生活观念和行为习惯尚未得到彻底放弃,这在一定程度上阻碍了农民工的“继续社会化过程”(钟蔚,2012)。如果农民工没有在日常行为方式、生活方式等社会层面融入城市,其经济融入也会受到影响,从而强化农民工在城市的边缘地位。

社会参与是农民工融入城市的关键环节,也是其与城市建立联系的重要过程。只有在社会参与过程中,农民工才能不断加深对城市文化的认识,增进对城市居民行为方式、生活方式的了解,逐渐与城市建立起联系,进而全面融入城市社会。同时,农民工自身的行为也发生着转变,具体表现在与城市居民行为方式的相似程度逐渐提高,社会身份开始发生转变,自身文化、价值观得到重塑等多个方面,这一过程是农民工归属感与认同感的“外化”(唐有财和侯秋宇,2017)。但是,农民工社会参与水平仍然较低,根据国家统计局发布的《2022年农民工监测调查报告》数据显示,在进城农民工中,只有34.9%参加过所在社区组织的活动,其中29.1%为偶尔参加。现有研究大多将社会参与作为农民工城市融入的一个指标(杨菊华,2009;罗恩立,2012;卢海阳等,2015),认为社会参与有助于加速农民工对务工城市文化的了解、认可与接纳,从而推动其融入城市的进程。针对农民工社会参与行为进行深度剖析的文献相对较少,仅部分学者从户籍制度、住房产权、过度劳动和主观阶层等方面来解释农民工的社会参与行为,认为农业户口降低了农村移民的公共意识,从而制约了他们的社会参与(陈钊等,2014)。而拥有住房产权和获得优质公共服务能够显著提高流动人口的社会参与程度(孙三百,2018)。祝仲坤(2020)的研究发现过度劳动会造成农民工心理压力过大、主观社会地位下降,从而降低农民工的社会参与水平。主观阶层上的感知是流动人口社会参与的重要影响因素,感到向上的流动空间能够激励流动人口参与社会活动(谭旭运等,2019)。

但是,农民工个体决策不仅是制度约束或经济理性的结果,其决策过程往往还会受到其所在社会关系网络和社会结构的影响(Granovetter,1985)。进城务工的农民工同时面临着两种类型的社会网络:一是以亲戚、老乡等为主体的同质性社会网络,建立在血缘、亲缘及地缘关系之上;二是来到城市打工后形成的以邻居、同事中的本地人和外地人为主体的异质性社会网络,建立在业缘和趣缘关系之上。两种类型的社会网络最大的区别在于其依存的文化不同,前者是传统乡土社会,也是一个熟人社会,而后者是现代城市社会,主要由陌生人构成。因此两种类型社会网络的根基不同,那么他们对于农民工社会参与行为会产生怎样的影响呢?其中的影响机理又是什么?对于这两个问题现有文献较少述及,需要进一步作出解答。

鉴于此,本文结合2017年中国流动人口动态监测调查数据,从社会活动参与层面探究社会网络对农民工社会参与的影响,并尝试以普遍信任和身份认同等因素为切入点剖析农民工社会参与行为转变的作用机制。有别于已有的研究,本文可能的边际贡献在于:第一,以社会参与为抓手,深入推进农民工全面融入城市的进程,并从社会网络的角度重新认识农民工社会参与行为转变背后的内在逻辑,在一定程度上深化和拓展了农民工社会参与的相关研究;第二,采用平均欧几里得距离法构建出信息充分的农民工社会参与指标,还通过寻找合理的工具变量,运用工具变量法和遗漏变量检验等研究方法,比较精确地识别了社会网络对农民工社会参与行为的影响效果,并借助KHB中介效应分解法揭示了异质性社会网络影响农民工社会参与的内在机理。

二、 理论分析与研究假说

农民工的城市融入是一个不断累积的过程,需要逐步实现经济整合、文化接纳以及行为适应,最终达到身份认同。同时,农民工参与务工城市的各类社会活动或社会组织是其融入城市社会的一个重要方式,社会参与水平也是衡量农民工是否全面融入城市的重要标准。根据社会嵌入理论,经济行动是一种社会行动,个体的经济行为及后果均嵌入在特定的社会关系网络和社会情境之中。具体而言,农民工融入城市的过程中存在两种不同的社会网络,一是以血缘、亲缘和地缘关系为核心的同质性社会网络,二是根据业缘和趣缘所建立起来的异质性社会网络。前者呈现出单一化和封闭性的特点,并且同质性的社交网络会进一步强化农民工对迁出地的身份认同和文化认同,这严重削弱了农民工与城市居民进行交流合作的能力,从而抑制了农民工参与社会活动或社会组织的积极性。同时,同质性社会网络还可能导致农民工无法获取到多元化的信息,从而难以了解和参与到更广泛的社会活动中去。此外,由于农民工一直处于城市社会的边缘,生活在狭小封闭的圈子里,虽有意愿参加务工城市的社会活动或社会组织,但也没有途径和时间参与城市事务(祝仲坤,2020;唐文浩,2022a)。然而,随着流动时间的增加,农民工在务工城市的社会关系网络也会随之变动。以乡土网络为基础建立和拓展在务工城市的社会关系网络,为农民工更快地适应流入城市的工作和生活提供了非正式网络支持和精神归属感(朱志胜,2015),也使得农民工能够接触到更多不同背景的人群,从而获得更多的社会资源和信息,进而更容易融入城市社会。同时,在这一社会网络的塑造和强化过程中,农民工与城市居民的交往也得到了强化,农民工对城市社会组织和社会活动的了解程度随之加深,其参与社会组织和社会活动的可能性也会提高。因此,异质性社会网络能够打破农民工与城市社会的隔阂,提高农民工的信息获取、资源获取和社会支持等能力,增强其在务工城市中的归属感和认同感,从而促进其积极参与各种社会活动和社会组织。

此外,作为游离于城市社会之外的特殊群体,农民工对于城市及城市文化的信任程度会影响其社会参与的最终决策。社会信任既是人们理性选择的结果,也是个人社会网络塑造的结果。基于血缘、亲缘和地缘关系为基础的熟人社会所建立的是群体内部成员之间的特殊信任,这种社会信任模式呈现出典型的差序格局的特征。而基于现代城市文化形成的异质性社会网络则是对邻居、陌生人等的普遍信任。农民工在务工城市的社会网络异质性程度越高,越有助于增加农民工对其他人和组织的信任,从而增加其参与社会组织和社会活动的可能性(潘泽泉和谢琰,2019)。同时,异质性社会网络还会促进农民工对城市社会的信任,从而更好地了解城市社会的文化和规则,进而提高农民工参与务工城市社会组织和社会活动的意愿。另外,除了提高普遍信任的间接影响外,社会网络还可能增强农民工的城市身份认同,从而提高农民工的社会参与水平。乡土社会网络的规模小、紧密度高和同质性强,缺少向外延伸的途径,农民工有限的社交范围成为其与城市居民建立交往关系的主要障碍,难以形成对城市社会的认同感和归属感,从而阻碍他们的社会参与行为。但是,异质性社会网络能够为农民工提供更多元化的社会交往和信息获取途径,使其接触到更多不同的社会角色和文化背景,从而促进农民工融入城市社会、形成城市认同(张连刚等,2023)。与此同时,异质性社会网络还可以为农民工提供更多的社会支持和情感认同,减轻其在城市生活中的孤独感和压力感,从而提高其对自己“本地人”身份的认同感,进而激发农民工的主人翁责任感,提高其社会参与的积极性和主动性。

根据上述分析,本文提出以下研究假说:

假说1:社会网络对农民工社会参与具有显著的正向影响,社会网络的异质性程度越高,农民工的社会参与水平越高。

假说2:社会网络会通过提高普遍信任和增强身份认同等机制来提高农民工的社会参与水平。

三、 研究设计

1. 数据来源

本文使用的数据来源于国家卫生和计划生育委员会组织实施的2017年中国流动人口动态监测调查(China Migrants Dynamic Survey,简称CMDS),该调查采用分层、多阶段、与规模成比例的PPS抽样方法,调查范围涵盖中国大陆31个省级行政单位中流动人口较为集中的流入地,具有较强的代表性。调查对象为在流入地居住一个月及以上、非本区(县、市)户口的15周岁及以上的男性和女性流动人口,调查内容涉及流动人口的家庭信息、流动和就业特征、基本公共卫生服务、居住和社会融合情况等信息,兼具专业性、科学性与大样本特征,能够全方位地刻画农民工的社会参与状况。CMDS 2017数据样本总量为169989个,由于本文关注的是农民工群体,因此仅保留户口性质为农业、流动原因为务工/工作或经商、流动时间在6个月及以上的受访者,在剔除关键变量缺失的样本后,共获得101973个有效样本。

2. 变量选取

(1) 被解释变量为社会参与。借鉴李伟东(2006)和祝仲坤(2020)的做法并考虑数据可得性,本文主要从社会活动参与的角度来衡量农民工在流入地的社会参与。该指标主要基于问卷中受访者社会活动参与行为的若干题项(见表1),构建农民工的社会参与指数,从而详细了解农民工的总体社会参与水平。

表1 农民工社会参与的指标体系

本文采用Sarma(2016)提出的平均欧几里得距离法,对农民工的社会参与各项指标加总得到总指数。该方法的主要思路是将多个维度视为多维空间中的一个点,这个点对应的就是农民工达到的社会参与水平。在多维空间中,有最优点和最差点两个基准点,农民工达到的社会参与水平可以被衡量为实际点到基准点的距离。社会参与综合指数由实际点到最优点反向距离与到最差点距离的平均值所衡量。因而,相较于主成分分析法、熵权法和等权重法等线性加权法,平均欧几里得距离法衡量的社会参与综合指数不存在完全可替代性,并且更具直观的意义。具体公式如下:

(1)

在方程(1)中,SP1、SP2、SP分别代表农民工社会参与的实际点到最差点的距离、到最优点的反向距离和平均距离,SP就是农民工社会参与总指数。

(2) 解释变量为社会网络。CMDS 2017问卷询问了“您业余时间在本地和谁来往最多(不包括顾客及其他亲属)?”,受访者的回答包括“同乡(户口迁至本地)、同乡(户口仍在老家)、同乡(户口迁至本地与老家以外的其他地区)、其他本地人、其他外地人、很少与人来往”等五个选项,由于本文重点关注农民工在务工城市的异质性社会网络,故将选项“其他本地人”和“其他外地人”赋值为1,其他赋值为0。样本范围内,与其他本地人和其他外地人来往最多的农民工有41067人,比例为40.27 %。总体而言,农民工在务工城市的社会网络的异质性程度较低,其社会网络的构建仍以同乡为主。

(3) 控制变量。本文控制了可能同时影响农民工社会网络和社会参与的各种潜在混杂因素,主要包括性别、年龄、受教育程度、婚姻状况、健康状况、政治面貌、就业身份、住房属性、流动范围、本地居住时间、家庭规模、家庭收入等。此外,本文还将农民工所在的城市作为控制变量,以处理由于流入地的社会经济因素造成的遗漏变量问题。

(4) 工具变量。参考潘丽群和张少华(2022)的研究,本文选取CMDS2017数据中的同乡网络规模作为农民工个体社会网络的工具变量。以血缘、亲缘和地缘为基础的同乡网络是农民工获取就业信息和就业机会的重要渠道,也是农民工适应城市社会和城市生活的主要途径。但是,同乡网络规模并不会直接影响农民工本人的社会参与水平,故同乡网络规模具有很强的外生性。可见,从逻辑上讲,同乡网络规模不但满足与解释变量的相关性要求,还满足与被解释变量的外生性条件。同乡网络规模的具体计算方法为:同乡网络规模=农民工个体户籍来源城市总人数/现居城市所有农民工总人数。

(5) 中介变量。本文将普遍信任和身份认同视作社会网络影响农民工社会参与的作用机制。其中,普遍信任用问卷题项“我觉得本地人愿意接受我成为其中一员”来测量,而身份认同则用问卷题项“我觉得我已经是本地人了”来测量,相应选项包括完全不同意、不同意、基本同意、完全同意,依次赋值为1、2、3、4,分值越高代表农民工越认同这一观点。

相关变量的含义及其描述性统计见表2。

3. 模型设定

第一,本文构建如下回归方程评估社会网络对农民工社会参与的影响:

participationi=a0+a1networki+a2Wi+a3Cityi+εi

(2)

在方程(2)中,participationi表示第i位农民工的社会参与水平,networki表示第i位农民工的社会网络;Wi为控制变量,Cityi表示城市虚拟变量;aj(j=0,1,2,3)为方程待估参数,εi为随机扰动项。

第二,需要注意的是,农民工的社会网络和社会参与之间可能存在内生性问题。一方面,社会网络可能是农民工自选择的结果,即社会网络变量可能并不满足随机抽样,用它直接回归可能因非随机抽样而使估计结果产生选择性偏误。另一方面,农民工社会参与水平的高低还可能会影响其在务工城市社会网络的扩展和重构,从而导致反向因果问题。此外,影响农民工社会参与的因素较为复杂,比如农民工在务工城市的经历、心理状况等难以观测的因素可能会同时影响农民工的社会网络和社会参与,从而诱发遗漏变量问题。工具变量法是解决上述内生性问题的常规手段,这需要在方程(2)估计之前构建社会网络与其工具变量的回归方程:

networki=b0+b1Zi+b2Wi+b3Cityi+ui

(3)

在方程(3)中,Zi为工具变量,bj(j=0,1,2,3)为待估参数,ui为误差项。本文主要采用Roodman(2011)提出的条件混合过程估计法(Conditional Mixed Process,简称CMP)来纠正基准回归过程中可能存在的内生偏差。CMP方法以似不相关回归为基础构建递归方程组,采用极大似然估计进行两阶段回归,即需要同时估计方程(2)和(3)。借助两个方程误差项的相关系数ρ的参数估计结果(即atanhrho_12参数值)可以判断社会网络变量是否为内生变量,若该参数显著异于0,则表明CMP估计结果优于基准回归结果,反之基准回归的估计结果更加可信(Roodman,2011)。

第三,我们还通过另一种思路来解决遗漏变量带来的内生性问题:如果存在遗漏变量,系数偏误能有多大?是否会影响本文的结论?为此,本文使用Oster(2019)提出的方法来检验潜在的遗漏变量及其对回归结果的影响,即当回归模型存在某些不可观测的遗漏变量时,可通过计算估计量β*近似获得社会网络对农民工社会参与的一致估计:

(4)

第四,为了进一步验证普遍信任和身份认同两个方面在社会网络影响农民工社会参与过程中的作用机制,本文采用Baron和Kenny(1986)提出的中介效应模型进行估计,除方程(2)外,还需构造如下回归方程:

Mi=c0+c1networki+c2Wi+c3Cityi+εi

(5)

participationi=d0+d1networki+d2Mi+d3W+d4Cityi+εi

(6)

方程(5)和(6)中,Mi代表中介变量,包括普遍信任和身份认同。在方程(2)已证实社会网络显著影响农民工社会参与的基础上,如果c1和d2都显著,说明存在间接效应;此时,当d1不显著时,则存在完全中介效应;当d1显著,且d1

四、 实证结果分析

1. 基准回归结果

表3汇报了社会网络对农民工社会参与影响的基准回归结果。为验证回归结果的稳健性,本文采取逐步回归的方式,列(1)仅控制核心解释变量,列(2)加入个体控制变量,列(3)加入个体控制变量和城市虚拟变量。由表3可知,无论是只控制核心解释变量,还是加入个体控制变量、城市虚拟变量,社会网络对农民工社会参与的影响方向和显著性均表现出一致性,说明模型估计结果非常稳健。由列(3)的全模型估计结果可知,社会网络在1%的统计水平上显著,且系数为正,表明社会网络对农民工社会参与具有显著正向影响,即异质性社会网络显著提高了农民工的社会参与水平,假说1得到了初步验证。

表3 社会网络与农民工社会参与:基准回归结果

此外,列(3)的个体特征结果显示,男性农民工的社会参与水平明显高于女性。年龄越大,农民工的社会参与水平越低。受教育程度和政治面貌对农民工的社会参与具有显著正向影响,表明高中及以上学历、中共党员或共青团员身份的农民工的社会参与水平更高。相较于受雇身份的农民工,自雇的农民工的社会参与水平更低。住房属性、流动范围、本地居住时间、家庭规模和家庭收入均对农民工的社会参与具有显著正向影响,这表明拥有自有产权住房、流动范围越小、在本地居住时间越长、家庭规模越大以及家庭收入越高的农民工的社会参与水平越高。总体而言,上述估计结果与既有文献的发现基本一致(祝仲坤,2020;唐文浩,2022a)。

进一步,本文继续运用OLS模型分析社会网络对农民工四个维度的社会活动参与行为的具体影响,估计结果如表4所示。社会活动参与1至4分别代表农民工“给所在单位/社区/村提建议或监督单位/社区/村务管理”“通过各种方式向政府有关部门反映情况/提出政策建议”“在网上就国家事务、社会事件等发表评论,参与讨论”和“主动参与捐款、无偿献血、志愿者活动等”等四项社会活动参与情况。结果显示,社会网络对农民工的四项社会活动参与的影响,均在1%的统计水平上显著,且系数为正,说明异质性社会网络显著提高了农民工参与各项社会活动的可能性,这进一步支持了假说1。

表4 社会网络与农民工社会参与:分类回归结果

2. 内生性讨论

(1) 工具变量检验。尽管本文在基准回归分析中,控制了可能对农民工社会网络和社会参与产生影响的变量,但实证分析过程中仍然可能面临自选择、反向因果和遗漏变量等潜在的内生性问题。为此,本文运用CMP方法展开进一步分析,表5汇报了CMP方法的估计结果。从列(1)第一阶段的估计结果来看,工具变量对社会网络的影响在1%的统计水平上显著为负,这意味着工具变量满足相关性条件。同时,CMP方法的内生性检验参数atanhrho_12值在1%统计水平上显著,拒绝了社会网络是外生变量的原假设,表明社会网络的确是内生变量,CMP方法的估计结果相较于OLS模型更加可信。由列(2)第二阶段的回归结果可知,在纠正了可能存在的内生偏误后,社会网络对农民工的社会参与仍具有显著正向影响,并且CMP方法的估计系数为0.0627,相较表3列(3)中的系数变大,标准误也更大,表明基准回归低估了异质性社会网络对农民工社会参与行为的促进作用。

表5 社会网络与农民工社会参与:工具变量回归结果

表6 社会网络与农民工社会参与:遗漏变量检验结果

(3) 稳健性检验。为了进一步验证实证结果的可靠性,本文还通过改变核心变量赋值和剔除部分样本两种方法进行稳健性检验,结果见表7。第一,改变被解释变量社会参与的测量方式,在基准回归中采用平均欧几里得距离法进行测量,本文进一步采用等权重加权法计算农民工的社会参与水平,以检验基准回归结果的稳健性。使用新计算的社会参与变量进行回归的结果见表7列(1)。从结果看,社会网络的系数显著为正,表明社会网络对农民工的社会参与具有显著的正向影响。另外,本文还调整了核心解释变量社会网络的赋值方式,将回答其他本地人的赋值为1,而其他情况则赋值为0;同时,按照很少与人来往、同乡、其他外地人、其他本地人的顺序,依次赋值为1、2、3、4,分值越高代表农民工社会网络的异质性程度越高。改变社会网络赋值方式后的回归结果见表7的列(2)列(3)。结果显示,社会网络仍十分显著,且系数为正,表明异质性社会网络仍然显著提高了农民工的社会参与水平。

表7 社会网络与农民工社会参与:稳健性检验结果

第二,中国退休制度规定男性的法定退休年龄为60周岁、女性为50周岁,基准回归所用的样本中有部分农民工已经到了法定退休年龄却仍然继续工作。为了进一步验证基准回归结果的稳健性,本文剔除了达到法定退休年龄的农民工样本后重新估计社会网络对农民工社会参与的影响,回归结果见表7列(4)。结果显示,社会网络显著,且系数为正,表明社会网络对农民工的社会参与具有显著的正向影响。此外,相较于跨省流动的农民工,省内流动的农民工的社会网络主要以同乡为主,其异质性社会网络程度较低,这在一定程度上可能会高估社会网络对省内流动的农民工社会参与的促进作用。因此,为了缓解社会网络可能被高估的情况,本文剔除了跨省流动的农民工样本进行稳健性检验,回归结果见表7列(5)。结果表明,社会网络仍十分显著,且系数为正,表明异质性社会网络仍然显著提升了农民工的社会参与水平。这进一步说明在排除流动范围造成的高估之后,社会网络的促进作用依然存在,也进一步支持了预期的研究假说1。

3. 异质性检验

前文的分析已经证实社会网络会促进农民工的社会参与,不过只是平均意义上的结果,并未考虑农民工群体的内部差异与分化。不同特征的农民工对社会网络可能表现出异质性反应,已有研究表明农民工的社会网络在不同代际之间和不同受教育程度之间存在明显的群体异质性(何军,2011;周晔馨等,2013)。鉴于此,本文将按照出生年份和受教育程度分组进行异质效应分析。

(1) 代际差异。按照惯例,本文将1980年以前出生的农民工划定为老一代农民工,出生于1980年及以后的农民工归为新生代农民工。表8列(1)列(2)显示了新老两代农民工的区别,总体上,社会网络对新老两代农民工社会参与的影响存在鲜明差异。虽然异质性社会网络均显著提高了新老两代农民工的社会参与水平,但是估计系数的大小存在较大差异,新生代农民工的估计系数为0.0129,而老一代农民工的估计系数为0.0095。Suest检验结果也显示,社会网络在两组样本检验中的组间回归系数存在显著差异,表明相比于老一代农民工,社会网络对新生代农民工的影响更大。究其原因,老一代农民工的居住模式以同乡聚集为主,并以同乡为主要交往对象,而新生代农民工的就业和生活更多地与务工城市联系在一起,其社交圈以业缘为主,并逐渐扩展到城市居民,因此异质性社会网络对新生代农民工社会参与水平的影响相对更大。

(2) 受教育程度差异。前文结果表明,受教育程度越高,农民工在务工城市中参与社会活动的可能性越大。同时,社会网络对不同受教育程度的农民工的影响也可能存在差异。相较于低学历的农民工,高学历的农民工更注重社会资本的培育,异质性社会网络在其社会参与中的作用更大。基于此,根据受教育程度,本文将农民工分为高中及以上和高中以下两组,并分析社会网络对不同受教育程度农民工社会参与影响的差异。表8列(3)列(4)汇报了两组的区别,无论是高中及以上学历,还是高中以下学历,社会网络对农民工社会参与的影响均在1%的统计水平上显著为正。这说明社会网络对农民工社会参与的提升效应依然存在,这一结论与上文分析结果保持一致,但对不同受教育程度间的影响程度存在明显差异。具体而言,社会网络对高中及以上学历的农民工的社会参与的提升效应为1.64%,而对高中以下学历的提升效应仅为0.84%。进一步通过回归系数组间差异的Suest检验发现,在1%的统计水平上两组样本间社会网络对农民工社会参与的影响系数存在显著差异,即社会网络对高中及以上学历的农民工的提升效应更明显。

4. 作用机制检验

上述分析表明,异质性社会网络会显著提高农民工的社会参与水平。那么,其中的作用机制如何解释?本文将结合前文的影响机理分析和数据的可得性,从普遍信任和身份认同两个方面检验社会网络提升效应的作用机制,试图以此深入地揭示社会网络与农民工社会参与的关系机理。表9汇报了社会网络对农民工社会参与影响机制检验的回归结果。

面板A是基于Baron和Kenny(1986)提出的逐步检验法的估计结果,其中,列(1)和列(3)分别检验了社会网络对普遍信任和身份认同的影响,列(2)和列(4)检验的是社会网络分别与两个中介变量纳入模型对农民工社会参与的影响。结果显示,社会网络对农民工的普遍信任和身份认同的影响均在1%的统计水平上显著为正,这意味着异质性社会网络有助于增强农民工的普遍信任和身份认同。与此同时,普遍信任和身份认同对农民工社会参与的影响也均在1%的统计水平上显著为正,这说明普遍信任和身份认同有助于提高农民工的社会参与水平。另外,社会网络的系数也显著为正,且小于表3列(3)的系数,表明普遍信任和身份认同均是社会网络影响农民工社会参与的渠道。

此外,本文还基于KHB方法对普遍信任和身份认同的中介效应进行分解,如面板B所示。KHB方法的估计结果与Baron和Kenny方法所得的估计结果高度一致,普遍信任和身份认同的间接效应均在1%的统计水平上显著,且系数符号为正。进一步分析得出,普遍信任和身份认同两个中介变量发挥的间接效应占社会网络影响农民工社会参与总效应的比例分别为5.26%和4.39%。由此可见,异质性社会网络不仅会直接提升农民工的社会参与水平,还会通过提高农民工的普遍信任和增强农民工的身份认同,间接提升其社会参与水平。这进一步证实了中介效应结果的稳健性,本文假说2得证。

五、 结论与启示

随着制度性约束逐渐放开,如何推动农民工在行为方式、生活方式等方面全面融入城市成为了新的历史课题。本文以社会网络为切入点,考察异质性社会网络在农民工社会参与过程中的作用机制。同时,结合CMDS2017数据,实证检验社会网络对农民工社会参与的影响效果及内在机制。研究发现,异质性社会网络显著提高了农民工的社会参与水平,考虑到可能存在自选择、反向因果和遗漏变量等导致的内生性问题,运用工具变量法和遗漏变量检验予以克服,并通过改变核心变量赋值和剔除部分样本等多种稳健性检验后研究结论依然成立。此外,社会网络的提升效应还在不同群体之间存在鲜明差异,相较于老一代和高中以下学历的农民工,异质性社会网络对新生代和高中及以上农民工的社会参与水平的促进作用更大。进一步分析发现,社会网络对农民工社会参与的影响不仅存在直接效应,还会通过提高普遍信任和增强身份认同间接促进农民工的社会参与水平,但总体上社会网络的直接效应更大。

上述研究结论对推动农民工全面融入城市和实现以人为核心的新型城镇化具有重要的政策启示。第一,地方政府应当提高对农民工社会参与问题的重视程度,因地制宜开展适合农民工参加的社会活动,推动农民工在生活方式和日常行为方式上“市民化”,从而提高农民工的城市融入水平。第二,重视进城农民工所在单位和社区在促进农民工社会参与中的作用,鼓励农民工积极与城市居民互动,打破封闭的同质性社交圈,提高农民工社会网络的异质性水平,减少农民工与本地市民的疏离感,增进相互间的文化认同,从而加快其融入城市的步伐。第三,改善进城农民工所面临的制度环境,降低制度环境对农民工城市融入的约束,并通过提供职业技能培训等活动提高农民工的城市融入能力,在不断增强农民工对新事物和新观念的接受能力的同时,提高农民工的普遍信任水平,从而推动其尽快融入城市。