互联网使用对农民非农收入的影响

doi:10.16178/j.issn.0528-9017.20212659

摘要/Abstract

摘要：

随着农村信息基础设施建设的不断完善,信息化水平的不断提高,互联网发展改变了农民就业方式和就业行为,进而对农民非农收入产生影响。本文基于中国社会综合调查2017年的数据,运用回归模型进行实证分析,探讨互联网使用对农民非农收入的影响,并利用2sls法处理模型内生性偏误。结果表明,互联网使用能够有效促进农民非农收入水平的提高。提出政府应加大互联网及其配套设施的投入,鼓励农民积极参与互联网培训,建立农民就业服务平台等建议。

关键词: 互联网使用, 农民, 非农收入, 回归模型

中图分类号:

F244

顾意凤, 施晓敏, 刘德弟. 互联网使用对农民非农收入的影响[J]. 浙江农业科学, 2022, 63(3): 641-644.

图/表 2

参考文献 15

[1]	姜长云, 李俊茹, 王一杰, 等. 近年来我国农民收入增长的特点、问题与未来选择[J]. 南京农业大学学报(社会科学版), 2021, 21(3):1-21.
[2]	管永昊, 吴佳敏, 贺伊琦. 企业创新类型、非农就业与农民收入[J]. 财经问题研究, 2020(1):121-129.
[3]	邹一南. 全面小康背景下促进农民持续增收的问题与对策研究[J]. 农业经济, 2021(1):73-75.
[4]	左孝凡, 陆继霞. 互联网使用与农民相对贫困:微观证据与影响机制[J]. 电子政务, 2020(4):13-24.
[5]	马俊龙, 宁光杰. 互联网与中国农村劳动力非农就业[J]. 财经科学, 2017(7):50-63.
[6]	周冬. 互联网覆盖驱动农村就业的效果研究[J]. 世界经济文汇, 2016(3):76-90.
[7]	CZERNICH N, FALCK O, KRETSCHMER T, et al. Broadband infrastructure and economic growth[J]. Economic Journal, 2011, 121(552):505-532. DOI URL
[8]	蒋琪, 王标悦, 张辉, 等. 互联网使用对中国居民个人收入的影响:基于CFPS面板数据的经验研究[J]. 劳动经济研究, 2018, 6(5):121-143.
[9]	程名望, 张家平. 互联网普及与城乡收入差距:理论与实证[J]. 中国农村经济, 2019(2):19-41.
[10]	贺娅萍, 徐康宁. 互联网对城乡收入差距的影响:基于中国事实的检验[J]. 经济经纬, 2019, 36(2):25-32.
[11]	XIA J. Linking ICTs to rural development:China's rural information policy[J]. Government Information Quarterly, 2010, 27(2):187-195. DOI URL
[12]	张永丽, 李青原. 互联网使用对贫困地区农户收入的影响:基于甘肃省15个贫困村1735个农户的调查数据[J/OL]. [2021-05-14]. https://doi.org/10.14120/j.cnki.cn11-5057/f.20210210.003.
[13]	刘晓倩, 韩青. 农村居民互联网使用对收入的影响及其机理:基于中国家庭追踪调查(CFPS)数据[J]. 农业技术经济, 2018(9):123-134.
[14]	KRUEGER A B. How computers have changed the wage structure:evidence from microdata,1984-1989[J]. The Quarterly Journal of Economics, 1993, 108(1):33-60. DOI URL
[15]	李飚. 互联网使用、技能异质性与劳动收入[J]. 北京工商大学学报(社会科学版), 2019, 34(5):104-113.

变量名称	变量含义与赋值	全部样本 (n=1 760)	使用互联网 (n=1 413)	未使用互联网 (n=347)
非农收入	个人去年(2016)全年的总收入(取对数值)	10.342(0.879)	10.446(0.853)	9.918(0.854)
互联网使用	是否使用互联网: 是=1; 否=0	0.803(0.398)	1	0
性别	男=1,女=0	0.593 (0.491)	0.583 (0.493)	0.631(0.483)
年龄	截取18~65岁的劳动者	39.440(11.336)	36.614(10.267)	50.948(7.596)
年龄平方	实际年龄的平方	1 684(927)	1 446(800)	2 653(762)
受教育程度	没有受过任何教育=1; 私塾、扫盲班和小学=2; 初中=3; 高中(职业高中、普通高中、中专、技校)=4; 大学及以上=5	3.239(1.035)	3.423(0.995)	2.490(0.844)
健康状况	很不健康=1; 比较不健康=2; 一般=3; 比较健康=4; 很健康=5	3.921(0.923)	4.001(0.889)	3.594(0.988)
婚姻状况	同居、已婚、分居、离婚、丧偶=1; 未婚=0	0.846(0.361)	0.811(0.392)	0.988(0.107)
家庭经济状况	远低于平均水平=1;低于平均水平=2;平均水平=3;高于平均水平=4;远高于平均水平=5	2.597(0.701)	2.627(0.685)	2.471(0.742)
就业身份	自雇=1,受雇=0	0.287(0.452)	0.301(0.459)	0.228(0.420)
所在地区	东部=1,中部=2,西部=3	1.735(0.790)	1.706(0.785)	1.850(0.805)

变量名称	变量含义与赋值	全部样本 (n=1 760)	使用互联网 (n=1 413)	未使用互联网 (n=347)
非农收入	个人去年(2016)全年的总收入(取对数值)	10.342(0.879)	10.446(0.853)	9.918(0.854)
互联网使用	是否使用互联网: 是=1; 否=0	0.803(0.398)	1	0
性别	男=1,女=0	0.593 (0.491)	0.583 (0.493)	0.631(0.483)
年龄	截取18~65岁的劳动者	39.440(11.336)	36.614(10.267)	50.948(7.596)
年龄平方	实际年龄的平方	1 684(927)	1 446(800)	2 653(762)
受教育程度	没有受过任何教育=1; 私塾、扫盲班和小学=2; 初中=3; 高中(职业高中、普通高中、中专、技校)=4; 大学及以上=5	3.239(1.035)	3.423(0.995)	2.490(0.844)
健康状况	很不健康=1; 比较不健康=2; 一般=3; 比较健康=4; 很健康=5	3.921(0.923)	4.001(0.889)	3.594(0.988)
婚姻状况	同居、已婚、分居、离婚、丧偶=1; 未婚=0	0.846(0.361)	0.811(0.392)	0.988(0.107)
家庭经济状况	远低于平均水平=1;低于平均水平=2;平均水平=3;高于平均水平=4;远高于平均水平=5	2.597(0.701)	2.627(0.685)	2.471(0.742)
就业身份	自雇=1,受雇=0	0.287(0.452)	0.301(0.459)	0.228(0.420)
所在地区	东部=1,中部=2,西部=3	1.735(0.790)	1.706(0.785)	1.850(0.805)

变量	OLS	2sls法
变量	OLS	第一阶段	第二阶段
互联网使用	0.149^***(0.055)		0.244^***(0.070)
性别	0.328^***(0.037)	-0.009(0.010)	0.328^***(0.037)
年龄	0.051^***(0.013)	0.011^***(0.004)	0.049^***(0.013)
年龄平方项	-0.001^***(0.000)	-0.000^***(0.000)	-0.001^***(0.000)
受教育程度	0.171^***(0.021)	0.016^***(0.006)	0.165^***(0.021)
健康状况	0.061^***(0.022)	-0.005(0.006)	0.060^***(0.020)
婚姻状况	0.200^***(0.067)	-0.007(0.019)	0.197^***(0.065)
家庭经济状况	0.266^***(0.028)	0.018^**(0.007)	0.263^***(0.026)
就业身份	0.177^***(0.042)	0.016(0.012)	0.170^***(0.041)
中部	-0.305^***(0.042)	-0.007(0.012)	-0.304^***(0.042)
西部	-0.551^***(0.049)	-0.003(0.013)	-0.545^***(0.047)
信息渠道		0.063^***(0.015)
上网频率		0.699^***(0.017)
常数项	7.752^***(0.296)	-0.0199(0.082))	7.717^***(0.288)
样本量	1 760	1 760	1 760
R²	0.282	0.723	0.281

变量	OLS	2sls法
变量	OLS	第一阶段	第二阶段
互联网使用	0.149^***(0.055)		0.244^***(0.070)
性别	0.328^***(0.037)	-0.009(0.010)	0.328^***(0.037)
年龄	0.051^***(0.013)	0.011^***(0.004)	0.049^***(0.013)
年龄平方项	-0.001^***(0.000)	-0.000^***(0.000)	-0.001^***(0.000)
受教育程度	0.171^***(0.021)	0.016^***(0.006)	0.165^***(0.021)
健康状况	0.061^***(0.022)	-0.005(0.006)	0.060^***(0.020)
婚姻状况	0.200^***(0.067)	-0.007(0.019)	0.197^***(0.065)
家庭经济状况	0.266^***(0.028)	0.018^**(0.007)	0.263^***(0.026)
就业身份	0.177^***(0.042)	0.016(0.012)	0.170^***(0.041)
中部	-0.305^***(0.042)	-0.007(0.012)	-0.304^***(0.042)
西部	-0.551^***(0.049)	-0.003(0.013)	-0.545^***(0.047)
信息渠道		0.063^***(0.015)
上网频率		0.699^***(0.017)
常数项	7.752^***(0.296)	-0.0199(0.082))	7.717^***(0.288)
样本量	1 760	1 760	1 760
R²	0.282	0.723	0.281

互联网使用对农民非农收入的影响

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 15

相关文章 15

编辑推荐

Metrics

本文评价

[1]	高靖. 农民教育培训信息化平台建设探讨[J]. 浙江农业科学, 2022, 63(3): 638-640.
[2]	温端圃, 李晓英, 陈国芳, 章伟江, 张明生. 提升农民合作社质量的实践与对策[J]. 浙江农业科学, 2022, 63(2): 415-418.
[3]	常健聪, 康晖鋆. 农业政策性金融信贷业务对农民收入的影响[J]. 浙江农业科学, 2022, 63(2): 419-422.
[4]	冯昕, 宋子蓝, 姚跃韬. 养老保险和医疗保险对农民工消费压力感知的影响[J]. 浙江农业科学, 2021, 62(6): 1253-1258.
[5]	李培, 罗斌, 汪乐. 眉山市“三位一体”新型职业农民培育制度探索与实践[J]. 浙江农业科学, 2021, 62(4): 806-808.
[6]	常健聪, 康晖鋆. 基于面板数据的农业政策性金融信贷业务对农民收入的影响[J]. 浙江农业科学, 2021, 62(12): 2532-2534.
[7]	倪益程. 农民就业类型及其影响因素[J]. 浙江农业科学, 2021, 62(1): 215-219.
[8]	黄徐文, 潘伟光. 家庭禀赋对农户家庭收入的影响[J]. 浙江农业科学, 2021, 62(1): 225-228.
[9]	程逸斐, 曹正伟. 都市农区农民收入结构及影响因素分析[J]. 浙江农业科学, 2020, 61(8): 1649-1652.
[10]	毛轩轩, 张国庆, 陈智. 基于浙江农民大学数据的农民创业培训效果影响因素分析[J]. 浙江农业科学, 2020, 61(8): 1662-1665.
[11]	宣佳亦, 王成军, 唐凯丽. 农民土地流转行为对其养老保险购买行为的影响[J]. 浙江农业科学, 2020, 61(6): 1235-1240.
[12]	曹婧. 组织公平感对农民工感情承诺的影响及其代际差异[J]. 浙江农业科学, 2020, 61(4): 797-799.
[13]	张玲萍, 肖胜, 葛冰. 乡村振兴战略下农民工返乡创业金融的支持[J]. 浙江农业科学, 2020, 61(4): 800-801.
[14]	刘佳玲, 刘龙青, 张国庆. 人力资本对农民创业绩效的影响[J]. 浙江农业科学, 2020, 61(4): 802-808.
[15]	刘雅慧, 沈月琴, 李博伟, 周军, 冯娜娜. 义乌市农村宅基地流转对农民福利的影响[J]. 浙江农业科学, 2020, 61(3): 584-588.