数字化转型、信息搜寻与女性高质量就业_仇化
仇化,尹志超.数字化转型、信息搜寻与女性高质量就业[J].财贸经济,2023,44(07):124-141.
研究问题
分析数字化转型通过降低就业信息搜寻成本促进女性就业的作用
理论机制
与男性不同，女性往往需要承担家务劳动、抚育子女、照料老人等责任，这些活动会引起家庭内部重新分工的自主选择，从而限制女性的劳动参与。数字化转型能够打破就业的时空限制，催生数字化管理师、人工智能工程技术人员等新型就业岗位，为女性提供更加灵活的就业机会。但是数字化给劳动力市场带来的“创造性毁灭”效应也可能在短时间内降低部分行业的劳动力需求，增大女性就业压力。人工智能技术会取代一些低技术部门的劳动者就业，降低部分行业劳动报酬。逐渐扩大的数字鸿沟也可能拉大女性的就业门槛与性别工资差距。
从女性角度看，使用互联网进行远程办公，能够缓解劳动参与和家庭生产之间的矛盾，从而促进女性就业。根据就业搜寻理论，较高的搜寻成本和不合理的保留工资主要是由信息不对称引起的。本文重点关注数字化转型对就业信息搜寻的影响。基于企业数字化转型的研究表明，数字经济化有利于降低信息不对称和管理者决策行为的非理性程度，有效提高公司治理水平。数字化转型为企业管理者提供了更便捷、低成本的信息搜寻方式。互联网、大数据、人工智能等数字技术能够有效拓宽企业获取信息的广度和深度，帮助企业精准了解消费者和目标市场。与企业类似，数字经济同样会影响个体信息搜寻。研究表明，使用互联网能够显著拓宽劳动者的信息渠道，提高教育与工作的匹配程度，进而提升就业质量。通过互联网找工作具有明显的工资溢价效应，能够降低市场信息不对称，提高劳动者的就业收入。
主要假设
H1a:在其他条件相同时，当数字化转型成本小于收益时，数字化转型能够促进女性就业
H1b:在其他条件相同时，当数字化转型成本大于收益时，数字化转型无法促进女性就业
H2:在其他条件相同时，数字化能够提高家庭获取就业信息的能力，促进女性就业
测度指标体系
模型见底部原文，指标如下：
1.解释变量
本文的解释变量为数字化转型。与行业和企业等主体的数字化转型不同，家庭数字化转型更加微观，大多从需求层面出发，体现为家庭数字技术运用、数字金融参与等行为，如移动支付、互联网金融。调查显示，2020年人均每天使用移动支付3次。移动支付等能够影响家庭消费和收入，降低家庭贫困脆弱性。数字金融能够促进家庭创业，影响家庭资产配置、消费和收入。在数字经济家庭调查(DEHS)中，世界银行以家庭ICT设备、互联网、数字服务、数字金融等的使用情况来反映家庭的数字化水平。综上，为全面度量家庭的数字化转型水平，本文参考以往文献(尹志超等，2021)的做法，基于CHFS数据，选取微观家庭的数字技术运用和数字金融参与方面的指标，通过因子分析构建家庭数字化转型指数。具体因子包括家庭有无智能手机、有无计算机、是否使用移动支付、是否参与互联网理财、是否网购，其中家庭智能手机和计算机的使用体现了家庭数字技术运用情况，移动支付、互联网理财、网购等行为能够反映家庭参与数字金融市场等方面的信息。
2.被解释变量
本文的被解释变量为女性就业。为全面反映家庭劳动年龄女性就业情况，本文根据已有文献，定义16～70周岁为劳动年龄。女性就业决策不仅是个人决策，而且是考虑家庭、宏观诸多因素的综合决策。为了更加全面地反映家庭层面的女性就业情况，本文定义家庭是否有女性就业、家庭女性就业数量、家庭女性就业比例3个变量。在稳健性检验中，本文根据国家统计局标准，定义劳动年龄为16～59周岁，以检验结果的稳健性。张卫东等(2021)使用个体是否将互联网视为主要信息来源来度量互联网的信息渠道。但这些变量较为主观和单一，未能全面反映数字化转型带来的信息获取便利。结合研究问题，本文基于2017年CHFS数据，选取财经信息搜寻、使用网络获取信息、就业政策信息获取、社保政策信息获取、国家大政方针政策信息获取、区县政府债务信息获取、区县政府财政收入信息获取、区县政府财政支出信息获取、政府为增加老百姓收入所做工作相关信息获取9个指标，对家庭信息搜寻能力进行度量。
3.机制变量
本文的机制变量为信息搜寻能力。长期以来，由于数据限制和变量内涵的复杂性，鲜有文献能够全面度量信息搜寻能力。一些研究将手机信号覆盖率、是否拥有通信电话等变量作为衡量信息可获得性的代理变量。张卫东等(2021)使用个体是否将互联网视为主要信息来源来度量互联网的信息渠道。但这些变量较为主观和单一，未能全面反映数字化转型带来的信息获取便利。结合研究问题，本文基于2017年CHFS数据，选取财经信息搜寻、使用网络获取信息、就业政策信息获取、社保政策信息获取、国家大政方针政策信息获取、区县政府债务信息获取、区县政府财政收入信息获取、区县政府财政支出信息获取、政府为增加老百姓收入所做工作相关信息获取9个指标，对家庭信息搜寻能力进行度量。首先，本文使用熵权法，构建家庭信息搜寻能力指标。其次，考虑到使用熵权法度量家庭信息搜寻能力时可能会因为指标分布差异等因素而出现偏误，本文使用因子分析法和累加计分法计算信息搜寻能力指标。因子分析法使用的因子与熵权法相同，为上述9个分指标。累加计分法根据受访家庭对不同问题回答正确与否计算得分，家庭了解相关信息计1分，不了解相关信息则计0分。三种方法均涵盖国家公开的政策、财经类信息等与就业息息相关的信息，通过受访者对这些信息的了解程度来衡量家庭的信息搜寻能力。若家庭没有关注或者了解到这些与生活和就业息息相关的公开信息，则信息搜寻能力较差;若家庭能够全面了解相关信息，则具备较强的信息搜寻能力。
4.控制变量
参考以往文献(Kim和Cheung，2019;詹鹏等，2021)的做法，本文选取了一系列可能会影响女性就业和就业质量的因素，主要包括人口特征、家庭特征、就业市场特征和经济特征。家庭劳动年龄女性的数量可能不止为1人，且女性就业决策不仅是个人决策，而且是综合考虑家庭情况后的决策。户主作为家庭收入的主要来源和决策的主要制定者，其受教育程度、婚姻状况和健康程度等因素会影响女性就业和就业比例。因此，本文控制户主的受教育程度和婚姻状况。此外，在稳健性检验中，本文增加能够反映家庭中女性劳动者受教育程度和婚姻状况的变量作为控制变量，以检验结果的稳健性。具体的变量为家庭中受教育程度为高中及以上的工作女性比例和已婚的工作女性比例。人口特征和家庭特征数据来自CHFS，省份就业市场特征和经济特征数据来自国家统计局。在实证分析中，家庭总收入、家庭总资产、省份人均GDP、省份城镇单位就业人员平均工资使用对数值。
实证数据期间与来源
本文所用数据为CHFS数据。CHFS样本覆盖除西藏、新疆、港澳台地区以外的29个省(自治区、直辖市)，具有全国代表性，详尽地反映了中国家庭的状况和金融行为(甘犁等，2013)。在个人层面，CHFS收集了个人就业与收入等方面的信息，能够有效衡量个人就业情况及就业质量。考虑到数字经济的深入发展，2017年和2019年CHFS询问家庭智能手机、计算机、互联网等数字技术使用情况，收集家庭使用移动支付、参与互联网理财等数字金融的数据，为本文度量家庭数字化转型提供了数据支撑。
结论
数字化转型显著提高了家庭中女性劳动者的就业概率，提升了家庭女性就业的数量和比例。家庭数字化转型指数每提高1个单位，家庭女性就业的概率将提高0.06个单位。数字化转型的积极影响在处理内生性问题、更换数字化转型度量方法、控制女性劳动者受教育程度与婚姻状况、剔除收入极端值的影响以及使用国家统计局制定的劳动年龄标准后仍然稳健。此外，数字化转型有利于女性劳动者获得“三险一金”和有偿加班的就业保障，促进女性就业质量的提升。进一步地，本文检验了信息搜寻能力的机制作用。数字化转型能够提高家庭的信息搜寻能力，从而显著促进女性劳动者高质量就业。异质性分析表明，数字化转型对女性就业的影响具有地域、就业市场环境和家庭压力三个方面的异质性。相较于失业率较低省份和东部地区的家庭，数字化转型对失业率较高省份以及中部和西部地区家庭的女性就业有更大的促进作用。对于赡养老人和无房家庭，数字化转型对女性就业的影响更为显著。
小结
又见熵权法
在我感兴趣的内生性分析部分，本文指出可能会因为遗漏变量和逆向因果而产生内生性问题。研究发现，女性劳动参与受到复杂因素影响，如年龄、受教育程度、未成年抚养、老年人照料等。除本文控制的变量外，还存在很多不可观测或无法准确衡量的因素会影响女性就业，如地区文化、个人性格等因素，这些因素会影响女性进入劳动力市场。这些不可观测且不随时间变化的变量在截面数据中无法识别，使用工具变量也难以很好地解决。因此，本文基于2017年和2019年CHFS数据，构建平衡面板数据，控制家庭固定效应和时间固定效应。双向固定效应模型能够有效解决不随时间变化的不可观测变量带来的内生性问题。此外，逆向因果的存在也可能导致估计偏误。为解决逆向因果问题，本文构建工具变量，进行FE－IV估计。参考张勋等(2020)的研究，本文将“所在地与杭州距离×所在地与省会距离”作为工具变量。为满足固定效应的差分处理需要，本文在实证分析中将工具变量乘以年份变量。杭州是数字经济和数字技术的发源地与中心，距离杭州越近，地区数字化水平越高。省会作为一省的经济中心和政治中心，往往是省内数字经济发展水平最高的地区，距离省会越近，受到省会城市辐射带动的作用越强。该工具变量与家庭数字化转型水平息息相关，满足相关性要求。而地理距离作为外生变量，除影响数字化转型外，难以通过其他渠道影响女性就业。该工具变量满足外生性要求。除上述工具变量外，考虑到与杭州的距离和与省会的距离均较为宏观，无法反映不同社区间家庭的异质性，本文参考以往文献(Lusardi和Mitchell，2011;尹志超、仇化，2019)的做法，计算除本家庭外社区内全部家庭数字化转型指数均值，构建第二个工具变量。一方面，家庭的数字化转型水平不仅是家庭的主观选择，而且会受到他人与周围环境的影响。数字基础设施较好的社区，家庭的数字化转型水平往往较高。但另一方面，家庭劳动年龄女性是否就业，与社区内其他家庭的数字化转型水平无必然联系。因此，除本家庭外社区内全部家庭数字化转型指数均值是本文合适的工具变量。为进一步增强外生性，本文在实证分析中采用“除本家庭外社区内全部家庭数字化转型指数均值×与省会距离”作为工具变量，并取其对数。
以后找一些FE－IV估计的文章来看一看