① 新媒介素养是指在社交网络革命、互联网革命和移动革命的背景下, 个人为了适应新的媒介环境和社会关系变化, 构建更大、更好的社交网络所应该掌握的新能力。
随着城乡间人口流动的不断加快, 农民工的城市融入进程也在进一步加深。特别是当前新生代农民工人数的不断增多, 使得这部分人群的城市融入问题成为关注的焦点。调查数据显示, 截至2015年6月我国网民规模已达到5.94亿。智能手机的上网使用率高达88.9%, 已经占据上网的主导地位[1]。智能手机已经成为人们联结网络的首选设备, 越来越多的人群开始借助各类应用平台获取信息和结识朋友, 以此来扩大自己的信息和社交范围, 其中20~29岁的年轻人成为社交网民的主要构成群体。有研究认为, 借助新媒体②人们不仅可以直接获取信息和社交机会, 同时也可以从不断扩大的社会关系中获益[2]。因此, 探讨新媒体使用在农民工城市融入进程中可能的作用具有十分重要的意义。
② 本研究中新媒体是指下载于移动智能手机中一系列社交和信息搜索应用。
在农民工的城市融入进程中, 工作搜寻是劳动者首要的经济行为, 是提高农民工就业率的关键[3]。在传统的劳动力市场中, 农民工呈现出来的弱谈判能力、弱对话能力以及弱交易能力等归根结底都是其背后的弱信息能力所导致的[4]。同时由于受文化和技术水平的限制使得农民工自身搜寻工作信息能力较弱, 大多数农民工仍旧依靠自己和以“血缘、地缘、人缘”为主的强关系社会资本搜寻工作。这就使得获取就业的途径只能通过非正式信息渠道, 所依赖的社会关系也多存在于亲戚和同乡之间。但已有研究证实, 人际关系网络的规模和质量对于劳动力工作搜寻来说是其主要的影响因素[5], 并且提升拥有异质性程度更高的社会网络范围也可以降低个人搜寻工作的成本, 提升获得工作的概率[6]。随着移动互联网时代的到来, 农民工的工作搜寻方式也将发生深刻的变化。然而, 现有研究中有关新媒体如何通过改变农民工社会资本, 进而对其工作搜寻产生影响的文献还很少见。
那么, 在移动互联网背景下新媒体使用是否会通过社会资本和信息两种渠道对农民工工作搜寻产生影响?这种影响又是否会突出地表现在新生代特别是新生代女性农民工身上?本文利用长三角4市的686份农民工调查数据, 运用回归分析方法探究新媒体使用对农民工工作搜寻时间的影响, 同时, 基于代际和性别差异的视角考察新媒体的影响在不同群体之间是否存在差异, 并据此寻求政府信息化公共服务的相关政策启示。
二、分析框架与研究假说国外研究已证实城乡居民借助于新媒体的使用使得他们有了对工作更具体的认识, 从而获得了更好的工作环境和更高的收入水平[7]。对于农民工来说, 随着在城市工作时间和生活经历的不断增加, 在工作搜寻过程中, 越来越多的农民工开始利用网络或新媒体获取城市积累的社会资源, 这些资源改变了农民工的工作搜寻方式, 也使得相当一部分农民工试图借助网络形成的弱关系社会资本寻找工作。已有研究发现, 求职者人际关系网络规模和构成与求职概率之间的关系表现在求职者的社会关系网络越大, 其获得工作的可能性也越大[8]。新媒体不仅成为农民工的新型交流工具, 同时也是其维持已形成社会关系网的工具[9]。更有研究指出工作搜寻时间并不是随着社会资本数量的不断增多而线性增长, 而是会呈现先增长后降低的趋势[10]。由此, 提出了本文的第一个研究假说:
假说1:新媒体会通过社会资本起作用影响农民工的工作搜寻时间且这种影响是非线性的。
在搜寻工作的过程中, 农民工群体内部不同组别之间在新媒体的使用频率和内容上存在差异。从代际比较来看, 新媒体所带来的即时通信功能已经成为新生代农民工普遍的信息交流方式[11]。由于新生代农民工表现出对新媒体使用的更大倾向, 使得其社交范围不断扩大, 提升了自己社交圈的异质性水平, 间接扩大了其信息获取渠道, 缩短了其工作搜寻时间。
从性别比较来看, 由于在传统社会中家庭分工的不同, 女性天然地在社会资本的积累上处于劣势, 而新媒体的出现在一定程度上恰好弥补了这一劣势, 拓展了女性积累社会资本的网络途径, 从而缩小与男性农民工在积累社会资本上的差距;同时, 新老两代女性农民工在新媒体的接受度和使用上也存在差异, 新生代女性农民工对于新媒体更多的使用, 使得其获得新媒体带来的更大好处。由此, 提出了本文的第二个研究假说:
假说2:新媒体使用对工作搜寻的影响突出表现在新生代, 特别是女性农民工的身上。
由于我国劳动力市场发育尚不完善, 大量的劳动力供给需求信息仍处于非制度化或半制度化阶段, 缺乏公开性和易得性。二元分割下的劳动力市场压缩了农民工的就业选择空间, 闭塞的工作搜寻渠道加剧了农民工群体之间的竞争, 从而导致了农民工频繁更换工作的现状[12]。市场信息的不完备性以及农民工获取信息方面的劣势, 使得农民工一直处于信息弱势地位。闭塞的工作搜寻渠道以及非正规渠道的信息获取渠道都成为阻碍农民工顺利就业的重要因素, 也是其是否能够更好地快速进入一个行业的重要影响因素[13]。在调研中发现新媒体作为新型的信息传播载体, 不仅可以帮助农民工直接从网络获取信息, 同时还可以帮助其从更多的人际关系获取更详细的劳动力市场信息, 了解用工单位的具体需求, 减少自身以“试错”为方式的工作流动性, 缩短搜寻工作的时间。由此, 提出了本文的第三个研究假说:
假说3:新媒体使用会通过扩大信息获取渠道改变农民工工作搜寻方式, 降低其工作搜寻的时间。
三、研究数据与变量选择 (一) 数据来源本文使用的研究数据来自于课题组于2016年7—8月在江苏省江阴市和南京市、安徽省滁州市以及上海市等地的问卷调查。江苏省江阴市和南京市的样本代表了制造业相对发达以及农民工异地转移地区;安徽省滁州市的样本代表了农民工选取以就近方式进行劳动力转移的中等经济发展水平地区;上海市的样本代表了从事服务业农民工群体较为集中的地区。本次调查共发放问卷800份, 其中有效问卷686份, 问卷有效率为86%。
(二) 样本情况描述1.农民工基本情况。老一代农民工当中以已婚者为主, 而新生代农民工中未婚的比例较高;新生代农民工的受教育水平有了显著提高;从居住条件上来看, 在租房和单位提供住房方面新生代农民工都有较大的改善;从工资收入水平上来看, 各地的工资水平也表现出显著的地区差异和代际差异, 总的来看新生代农民工的工资要普遍高于老一代农民工。
2.农民工新媒体使用情况。在使用时间、月花费、APP种类及数量上新生代农民工, 特别是新生代女性农民工都表现出更多的使用趋势。与老一代女性农民工相比, 新生代女性农民工更倾向于使用新媒体获取各种信息, 同时对社交媒体使用率更高, 在使用时间上也超过了老一代女性农民工;在获取信息途径上, 新生代女性农民工更倾向于利用新媒体获取信息;从APP使用内容上来看, 女性农民工在社交类APP应用上表现出更多的使用频次, 具体如表 1所示:
组别 | 分类 | 新生代农民工(%) | 老一代农民工(%) | |||
男性农民工 | 女性农民工 | 男性农民工 | 女性农民工 | |||
周使用时间 | 10小时以下 | 39.7 | 38.1 | 42.9 | 50.3 | |
10~20小时 | 30.4 | 32.0 | 25.7 | 22.7 | ||
20~30小时 | 16.3 | 21.5 | 17.1 | 17.7 | ||
30小时以上 | 13.6 | 8.3 | 14.3 | 9.4 | ||
月花费 | 100元以下 | 75.5 | 81.8 | 80.7 | 84.5 | |
100~200元 | 20.1 | 16.6 | 17.9 | 13.8 | ||
200元以上 | 4.3 | 1.7 | 1.4 | 1.7 | ||
APP种类 | 新闻资讯类 | 45.7 | 32.0 | 24.3 | 19.9 | |
社交类 | 23.9 | 42.0 | 37.1 | 26.0 | ||
娱乐类 | 16.8 | 13.8 | 22.9 | 24.3 | ||
购物类 | 8.2 | 6.6 | 8.6 | 8.3 | ||
服务工具类 | 5.4 | 5.6 | 7.1 | 21.5 | ||
样本数(人) | 184 | 181 | 140 | 181 |
3.农民工工作搜寻时间情况。表 2显示, 从整体上来看新生代农民工工作搜寻时间要短于老一代农民工;老一代女性农民工的工作搜寻时间要长于男性农民工, 特别是工作搜寻时间在5天之内的人群比例要低于男性农民工1.1个百分点。虽然新生代女性农民工的工作搜寻时间依然在整体上长于新生代男性农民工, 但与老一代女性农民工相比其工作搜寻时间还是得到了一定程度的改善, 这表现在工作搜寻时间为10天的时间段内新生代女性农民工的比例在上升。
时间(天数) | 新生代农民工(%) | 老一代农民工(%) | |||||
总体 | 男性 | 女性 | 总体 | 男性 | 女性 | ||
1~5 | 32.7 | 32.2 | 33.3 | 29.1 | 29.6 | 28.5 | |
6~10 | 27.8 | 27.8 | 27.9 | 15.6 | 19.9 | 11.2 | |
12~20 | 15.0 | 15.3 | 14.7 | 15.9 | 15.6 | 16.1 | |
25~30 | 13.1 | 12.5 | 13.6 | 21.3 | 19.5 | 23.0 | |
35以上 | 11.4 | 12.2 | 10.5 | 18.3 | 15.4 | 21.2 |
根据本文所要定量分析的内容, 表 3和表 4分别显示了需要考察的主要指标的描述性统计结果。将社交媒体使用时间和APP种类的下载数量作为新媒体使用的代理变量, 其中社交媒体使用时间代表了新媒体使用的深度, 而APP种类的下载数量则代表了新媒体使用的广度。所有需要考察的主要统计指标均按照年龄和性别对农民工分组, 并进行差异性检验:
变量名称 | 老一代农民工 | 新生代农民工 | |||
均值 | 标准差 | 均值 | 标准差 | ||
工作搜寻时间—被解释变量 | 8.62 | 12.17 | 7.68 | 11.16 | |
个体特征 | |||||
年龄 | 41.27 | 6.59 | 24.9 | 3.62 | |
性别 | 0.56 | 0.50 | 0.49 | 0.49 | |
婚姻状况 | 0.98 | 0.12 | 0.56 | 0.49 | |
家庭规模(人) | 4.31 | 1.35 | 4.48 | 1.29 | |
受教育年限 | 8.26 | 2.50 | 10.16 | 2.49 | |
务工城市(1=滁州;2=江阴;3=南京;4=上海) | 3.22 | 1.09 | 2.56 | 1.10 | |
新媒体使用变量—解释变量 | |||||
APP种类数量(使用广度) | 2.62 | 1.31 | 3.94 | 1.08 | |
每天使用社交媒体的时间(使用深度) | 0.53 | 0.45 | 1.72 | 1.58 | |
样本数(人) | 321 | 365 |
变量名称 | 男性农民工 | 女性农民工 | |||
均值 | 标准差 | 均值 | 标准差 | ||
工作搜寻天数—被解释变量 | 7.33 | 9.32 | 6.77 | 8.69 | |
个体特征 | |||||
年龄 | 32.28 | 9.84 | 32.87 | 9.52 | |
婚姻状况 | 0.71 | 0.45 | 0.80 | 0.40 | |
家庭规模(人) | 4.40 | 1.38 | 4.40 | 1.28 | |
受教育年限 | 9.73 | 2.58 | 8.87 | 2.68 | |
务工城市(1=滁州;2=江阴;3=南京;4=上海) | 2.87 | 1.17 | 2.88 | 1.13 | |
新媒体使用变量—解释变量 | |||||
APP种类数量(使用广度) | 3.90 | 1.11 | 3.69 | 1.27 | |
每天使用社交媒体的时间(使用深度) | 1.57 | 1.44 | 1.67 | 1.57 | |
样本数(人) | 324 | 362 |
基于理论分析和研究假说, 本文采用多元回归模型来分析新媒体使用对于农民工工作搜寻时间的影响, 具体模型如下:
其中, Y表示农民工的工作搜寻天数(因变量), X1为一组控制变量, 包括农民工的人口统计学特征(性别、年龄、婚姻状况、受教育程度等), 在流入地的家庭特征(家庭规模), 务工城市(控制地区经济发展水平的影响);X2为一组代表新媒体使用特征的变量, 主要包括每天使用社交媒体时间、使用时间的平方项以及下载APP应用的种类数量及平方项;其中α为新媒体解释变量的回归系数, 通过系数的符号和数值来判断对于工作搜寻天数的影响方向和大小。
(二) 结果分析本文将构建新媒体使用对工作搜寻时间影响的模型。第一步先整体估计, 观察新媒体使用在整体上对农民工工作搜寻时间存在的影响;第二步分年龄和性别进行二次估计, 进一步观察在考虑到群体异质性后, 新媒体使用对于新老两代农民工, 以及男女性农民工的影响是否存在差异;第三步同时控制样本组的年龄和性别进行估计, 分析新媒体使用所产生的影响是否在新生代女性农民工身上更为显著。第一步和第二步的回归结果具体如表 5所示:
变量名称 | 模型一 | 模型二 | |
整体回归 | 老一代农民工 | 新生代农民工 | |
社交媒体使用时间 | 1.214* | 0.540 | 1.845* |
(0.27) | (0.82) | (0.14) | |
社交媒体使用时间平方项 | -0.155** | -0.085 | -0.214** |
(0.06) | (0.29) | (0.71) | |
APP种类数量 | -0.074* | -0.363 | -0.469* |
(0.77) | (0.19) | (0.37) | |
APP种类数量的平方项 | 0.211 | 0.120 | 1.581* |
(0.59) | (0.40) | (0.44) | |
年龄 | -0.211 | 1.309 | 0.223 |
(0.59) | (0.81) | (0.23) | |
年龄的平方项 | 0.005 | -0.017 | 0.003 |
(0.05) | (0.51) | (0.25) | |
性别 | 0.153 | -1.098 | 2.291* |
(0.23) | (0.28) | (0.07) | |
婚姻状况 | -2.267 | -3.317** | -3.510 |
(0.91) | (0.61) | (0.80) | |
受教育年限 | 0.554** | 0.542 | -0.107 |
(0.38) | (0.63) | (0.42) | |
家庭规模 | 0.117 | 0.470* | 0.602* |
(0.52) | (0.38) | (0.19) | |
常数项 | -2.327 | -25.67 | -19.47 |
(0.40) | (0.36) | (0.90) | |
是否控制了地区虚拟变量 | 是 | 是 | 是 |
R2 | 0.0692 | 0.1071 | 0.1075 |
F值 | 0.0000 | 0.0000 | 0.0000 |
样本数 | 686 | 321 | 365 |
注:***、**和*分别表示在1%、5%和10%的水平上显著;括号里是标准误。 |
从整体回归的结果中可以看出, 总体上来说新媒体使用对于农民工工作搜寻时间产生了一定的影响。具体来说, 社交媒体每天的使用小时数对农民工整体的工作搜寻时间产生影响, 一次项系数为1.214且方向为正, 二次项系数为0.155且方向为负, 这说明社交媒体的使用时间在整体上对农民工的工作搜寻天数呈现出倒U型的影响趋势, 新媒体使用时间在达到一定时间和数量之后就会对农民工的工作搜寻天数产生负向的影响, 即减少了农民工的工作搜寻时间。
从表 5中还可以看出, 与老一代相比新媒体使用在新生代农民工身上表现出了更为显著的影响。其中, 社交媒体使用时间一次项为正且系数为1.845, 二次项为负系数为0.214, 这表明对于新生代农民工来说社交媒体使用时间对于其工作搜寻时间的影响不是单纯的线性影响, 而是先正向影响再负向影响的过程, 呈现类似倒U型曲线的影响关系。即在最一开始社交媒体的使用时间越长越有可能对工作搜寻时间产生正向的影响, 这是因为农民工需要不断地从不同的好友处获取信息以及社会关系, 这可能会延长农民工最初的搜寻时间。但是当社交媒体使用时间达到临界值并开始逐渐减少时, 就会发现社交媒体的使用时间开始对工作搜寻时间产生负向的显著影响, 即会缩短农民工的工作搜寻时间。
而另一个代理变量APP下载种类数量在整体回归上仅有一次项系数通过了显著性检验, 系数为0.074且方向为负, 这说明随着APP下载种类的增多, 农民工会从各类新闻资讯APP中获取更多的信息, 从而降低农民工的工作搜寻时间。当按照年龄将农民工群体分成新老两代时则会发现, 新媒体使用的代理变量在新生代农民工这一组群身上都通过了显著性检验。对于APP下载种类数量来说, 它与农民工工作搜寻时间之间的关系呈现出了U型曲线的关系。这说明从整体上来看虽然APP下载的数量可以从一个侧面反映出农民工个人使用APP内容的丰富性, 但是数量的多少并不能完全代表在使用内容上的针对性, 也就是说有些农民工虽然手机中下载了不少应用, 但是超出了一定的范围之后那些与找工作无关的应用便会增多, 这些APP的使用并不必然带来工作搜寻天数的减少, 反而会挤占农民工真正用来搜寻工作信息的时间, 对工作搜寻时间的缩短起到了反向作用。
同样, 随着女性农民工数量的增加以及女性农民工在获取信息和社会资源上的天然劣势, 新媒体使用对男女性农民工的工作搜寻天数也会有不同的影响。因此在第三步回归中将按照性别对农民工整体进行划分, 考察新媒体使用对不同性别的农民工群体在工作搜寻时间上的影响是否也存在差异。
从表 6的回归结果中可以看出, 对于女性农民工来说社交媒体使用时间一次项与二次项都在回归中通过了显著性检验, 这说明对于女性农民工来说社交媒体的使用时间越长其工作搜寻的时间越短。可能的原因是在传统社会中女性在获取社会资本上具有天然的劣势, 而新媒体的出现弥补了女性农民工在获取社会资源上的劣势, 为女性农民工提供了一个可以公平获取社会资源的平台。借助新媒体女性农民工不仅将原有的社会关系网在城市和乡村之间搭起了桥梁, 同时还可以帮助其在城市中通过与周围的好友和同事互加微信建立新的弱关系社会资本。
变量名称 | 模型三 | |
男性农民工 | 女性农民工 | |
社交媒体使用时间 | 1.203 | 1.237** |
(0.60) | (0.53) | |
社交媒体使用时间的平方项 | -0.188* | -0.148* |
(0.27) | (0.11) | |
APP种类数量 | -0.948* | -0.152 |
(0.31) | (0.44) | |
APP种类数量的平方项 | 0.417 | 0.147* |
(0.22) | (0.24) | |
年龄 | -0.687 | 0.240 |
(0.39) | (0.49) | |
年龄的平方项 | 0.011 | -0.001 |
(0.59) | (0.02) | |
婚姻状况 | -0.478 | -0.438** |
(0.29) | (0.75) | |
家庭规模 | 0.267 | -0.039 |
(0.79) | (0.12) | |
受教育年限 | 0.750** | 0.402 |
(0.17) | (0.69) | |
常数项 | 0.238 | -5.266 |
(0.03) | (0.70) | |
是否控制地区虚拟变量 | 是 | 是 |
R2 | 0.0956 | 0.0682 |
F值 | 0.0000 | 0.0000 |
样本数 | 324 | 362 |
注:***、**和*分别表示在1%、5%和10%的水平上显著;括号里为标准误。 |
同样, APP下载种类数量的二次项也在对女性农民工的回归中通过了显著性检验。这说明对于女性农民工来说, APP种类下载数量越多越不利于女性农民工缩短搜寻工作天数。可能的原因是女性农民工为了寻找工作而下载不同种类APP应用时, 为了寻找到更好的工作往往希望借助更多不同种类的APP应用软件来搜索信息, 虽然这样在一定程度上扩大了信息的搜寻范围, 但是却延长了APP的实际使用时间以及搜寻工作的时间。
为了更好地考察纵向代际之间的性别差异, 更进一步地同时对性别和年龄进行分组回归, 具体结果如表 7所示。从表 7中以看出, 考虑到不同年龄和不同性别的农民工群体, 新媒体使用的影响则突出表现在新生代特别是新生代女性农民工身上, 具体来说:
变量名称 | 模型四 | |||
老一代农民工 | 新生代农民工 | |||
男性 | 女性 | 男性 | 女性 | |
社交媒体使用时间 | 0.857 | 1.344 | 0.089 | 1.776* |
(0.96) | (0.03) | (0.06) | (2.24) | |
社交媒体使用时间的平方项 | -0.115 | -0.144 | -0.016* | -0.201** |
(0.39) | (0.24) | (0.07) | (0.05) | |
APP种类数量 | -1.053 | -1.067 | -0.211* | -0.770** |
(0.40) | (0.36) | (2.09) | (0.98) | |
APP种类数量的平方项 | 0.292 | 0.191 | 0.561 | 0.208 |
(0.71) | (0.40) | (1.16) | (0.39) | |
年龄 | 0.640 | 1.882* | 3.762 | -2.945* |
(0.31) | (0.11) | (0.50) | (2.39) | |
年龄的平方项 | -0.006 | -0.016 | -0.063 | 0.039** |
(0.13) | (0.46) | (0.24) | (2.69) | |
婚姻状况 | -0.774* | -0.26* | -2.074 | 3.002 |
(0.98) | (0.80) | (0.16) | (1.53) | |
受教育年限 | 0.018 | 0.763* | 0.828** | 0.129 |
(0.07) | (0.99) | (0.93) | (0.33) | |
家庭规模 | 0.013** | -0.088 | 0.934 | -0.102 |
(0.03) | (0.16) | (0.71) | (0.44) | |
常数项 | -4.940 | -37.43 | -68.51* | 47.15 |
(0.21) | (0.67) | (2.22) | (1.70) | |
是否控制地区虚拟变量 | 是 | 是 | 是 | 是 |
调整的R2 | 0.1818 | 0.1479 | 0.1972 | 0.1792 |
F值 | 0.0000 | 0.0000 | 0.0000 | 0.0000 |
样本数 | 140 | 181 | 184 | 181 |
注:***、**和*分别表示在1%、5%和10%的水平上显著;括号里为标准误。 |
社交媒体使用时间(新媒体使用深度)。社交媒体使用时间的一次项系数为1.776, 且一次项符号为正, 二次项系数为0.201且符号为负, 这说明社交媒体使用时间这一解释变量与新生代女性农民工的工作搜寻时间有明显的倒U型曲线的影响关系。同样在回归中也可以看到社交媒体的使用时间在其他组人群没有表现出显著的影响。可能的原因是对于老一代农民工来说, 虽然老一代农民工主要依靠亲戚和同乡寻找工作, 但是大多是通过线下的面对面接触, 特别是由于老一代农民工受教育水平较低使得他们在使用社交媒体时会受到限制, 无法像新生代农民工那样熟练地操作并使用社交媒体, 因此新媒体的使用并没有在老一代农民工身上表现出显著的影响, 对于老一代农民工的工作搜寻天数的减少并没有带来显著的负向效应。
APP下载种类数量(新媒体使用广度)。APP下载种类数量也在对新生代女性农民工回归中通过了显著性检验, 一次项系数为0.770且方向为负。这说明随着APP下载种类数量的不断增多, 新生代女性农民工会受到新媒体使用的显著影响。而对于老一代农民工群体来说APP下载种类的数量并未显著影响到他们的工作搜寻天数。可能的原因是对于老一代农民工来说利用新媒体来寻找工作的还属少数, 虽然老一代农民工也会使用新媒体, 但是通过新媒体来搜寻工作的人却不多, 大多数的老一代农民工还是更愿意通过亲戚或老乡的介绍来获取招工信息, 寻找适合自己的工作。
(三) 有关内生性问题的讨论在本研究的探讨中, 行动者在使用新媒体带来的社会关系时可能会存在内生性问题, 在现有文献中也认为社会网络和社会资本对于劳动力市场的回报可能存在虚假的因果关系[14]。但也有学者认为Mouw所提出的“拥有更好的社会关系的行动者更加倾向于使用关系”这一选择过程, 并非社会网络和社会资本运作之中唯一导致内生性的选择。在求职等行动中, 行动者选择使用或者不使用社会关系是一个复杂的过程, 这个选择函数不但与行动者所拥有的社会关系的质量和数量有关, 还会受到与其运作相关联的宏观环境的影响[15], 但并不会因为内生性的影响而使得二者之间存在虚假的因果联系。
为了避免可能存在的内生性问题, 在选择调研对象时, 选取了4个调研地中男女比例相当且同质的工厂进行调查取样, 这样在一定程度上避免了由于不同的工种所造成的新媒体使用差异。同时, 在回归中将地区差异可能造成的社会资本原始差异也加入到控制变量中来, 这在一定程度上已经降低了本研究内生性的严重程度。为了使得本研究的结论更为严谨, 本文采用倾向性评分匹配方法(PSM)来解决新媒体使用对于找工作影响中可能存在的内生性问题, 并列举了匹配前和匹配后的系数对比以及标准化偏差值, 具体情况如表 8所示:
变量名称 | 匹配前(U) | Mean | 标准化偏差 | T检验 | |
匹配后(M) | Treated | %bias | t | p>t | |
Control | |||||
微信聊天群数量(wxqnumbers) | U | 1.6238 | 7.8 | 1.37 | 0.054 |
1.3642 | |||||
M | 1.6238 | 6.5 | 0.38 | 0.027 | |
1.4598 | |||||
是否使用微信好友(dum) | U | 1.7193 | 11.2 | 2.50 | 0.013 |
1.4089 | |||||
M | 1.7193 | 9.9 | 1.95 | 0.052 | |
1.5458 | |||||
好友提供的具体帮助2(help2) | U | 5.4243 | 3.5 | 1.54 | 0.125 |
3.7765 | |||||
M | 5.4243 | 4.3 | 2.48 | 0.013 | |
3.6679 | |||||
好友提供的具体帮助3(help3) | U | 3.7585 | -9.0 | -1.11 | 0.265 |
3.8692 | |||||
M | 3.7585 | 1.0 | 0.17 | 0.067 | |
3.7458 | |||||
是否拥有更多的信息量(information) | U | 15.487 | -4.1 | -1.74 | 0.082 |
16.607 | |||||
M | 15.487 | 1.5 | 0.25 | 0.101 | |
15.364 |
从表 8中的匹配结果可以看出, 大多数代表新媒体使用核心解释变量的标准化偏差都小于10%, 只有是否使用微信好友的偏差为11.2%, 并且大多数t检验的结果不拒绝处理组与控制组无系统差异的原假设, 对比匹配前(U)的结果, 大多数变量的标准化偏差均大幅缩小。这说明虽然之前的实证回归中存在高估系数的可能性, 但是新媒体使用的代理变量还是与农民工的劳动力市场行为存在一定程度上的显著影响关系, 并不影响本文的研究结论。
五、结论及政策启示通过上述整体回归和分组回归发现, 对于工作搜寻时间来说新媒体使用会通过改变农民工的社会资本和信息两种路径来对其产生影响, 并且这种影响在不同的群体表现出不同的影响结果。当考虑到农民工内部的异质性群体差异之后, 新媒体在新生代特别是新生代女性农民工表现出了对其工作搜寻时间的显著正向影响。
本研究结论的政策启示是:一是进一步发挥政府部门职能, 加强招工用工信息基础平台建设, 利用新媒体的力量有针对性地进行劳动力市场信息的发布, 保障农民工群体信息传播渠道的通畅;二是不断降低智能手机的上网费用, 开展手机使用培训班, 促进农民工新媒介素养的提升, 引导农民工正确利用新媒体积极进行劳动与社会参与, 不断加快农民工的城市融入进程;三是应当重视在新老两代农民工以及男女性农民工之间的群体特性, 针对两代农民工之间新媒体使用所产生的不同影响, 有针对性地利用新媒体加强新生代女性农民工的职业培训, 降低职业流动率, 减少摩擦性失业, 促进其更好地参与劳动力市场。
[1] | 中国互联网络信息中心. 第36次中国互联网络发展状况统计报告[R]. 2015(7). |
[2] | Raymond Ngan, Stephen Ma. The Relationship of Mobile Telephony to Job Mobility in China's Pearl River Delta[J]. Knowledge, Technology & Policy, 2008(21). |
[3] | 穆睿. 搜寻匹配理论研究综述及其政策启示[J]. 西北农林科技大学学报(社会科学版), 2012(9). |
[4] | 郑英隆. 中国农民工弱信息能力初探[J]. 经济学家, 2005(5). |
[5] | 巨文辉. 人际关系网络对农村劳动力转移的影响—基于工作搜寻模型的案例研究[J]. 人口与经济, 2005(4). |
[6] | Michele Pellizzari. Do Friends and Relatives Really Help in Getting a Good Job[J]. Industrial and Labor Relations Review, 2010(3). |
[7] | Law and Peng. Internet Use of Migrant Workers in the Pearl River Delta[J]. New Connectivities in China:Virtual, Actual and Local Interactions, 2006(2). |
[8] | Jackeline Wahba, Yves Zenou. Density, Social Networks and Job Search methods:Theory and Application to Egypt[J]. Journal of Development Economics, 2004(2). |
[9] | Rianne Dekker, Godfried Engbersen. How Social Media Transform Migrant Networks and Facilitate Migration[J]. Global Networks, 2014(4). |
[10] | Antoni Calvo-Armengol. The Effects of Social Networks on Employment and Inequality[J]. American Economic Review, 2004(3). |
[11] | Chu Yang. A Preliminary Study on the Mobile Phone Use of Migrant Workers in Beijing[J]. New Connectivities in China:Virtual, Actual and Local Interactions, 2006(2). |
[12] | 石莹. 搜寻匹配理论与中国劳动力市场[J]. 经济学动态, 2010(12). |
[13] | 李丽清. 劳动力搜寻匹配视角下企业"招工难"和农民工"就业难"悖论解读[J]. 江西财经大学学报, 2013(5). |
[14] | Mouw T. Social Capital and Finding a Job:Do Contacts Matter?[J]. American Sociological Review, 2003, 68: 869–898. |
[15] | 梁玉成. 社会网络内生性问题研究[J]. 西安交通大学学报(社会科学版), 2014(1). |