互联网使用能否促进农民非农收入增加？
——基于中国社会综合调查(CGSS)2015年数据的实证分析
杨柠泽，周 静
(沈阳农业大学 经济管理学院，辽宁 沈阳 110866)
摘 要： 在乡村振兴战略背景下，缩小城乡收入差距、提高农民非农收入是解决“三农”问题的关键所在。基于中国社会综合调查(CGSS)2015年的数据，运用最小二乘法和倾向得分匹配法，分析了互联网使用对农民非农收入的影响。结果发现：互联网使用能够显著提高农民非农收入水平；在克服了样本自选择问题后，互联网使用仍然能够为农民带来41.2%～51.1%的非农收入回报。进一步研究发现，互联网使用对低学历、中老年农民非农收入的提升作用更为显著。建议政府增加农村地区互联网信息技术设施的投资，为使用互联网的农民提供相应的技术支持和财政补贴，以充分发挥互联网促进农民非农收入增加的积极作用。
关键词： 互联网技术；农民收入；倾向得分匹配法
根据信息型人力资本理论，劳动者能够通过信息技术收集、处理及传播信息，而劳动者将所获取的知识与技能与自身的传统人力资本相融合，提升人力资本总量，就能够进一步促进增收(王建华 等，2012)。DiMaggio等(2008)也指出，互联网信息技术显著提高了劳动者的生产效率。杨柠泽等(2018)的研究发现，互联网使用能够促进农村居民选择务工型生计策略。根据任务技术匹配模型(Goodhue et al,1995)，劳动者可以通过互联网信息技术的使用提高工作绩效，进而对收入造成影响。基于此，本文尝试分析互联网使用对农民非农收入的影响。
一、文献综述与研究假设
(一)文献综述
Krueger(1993)最早关注计算机的回报率问题，认为使用计算机能够提高工资回报的25%～30%。但DiNardo等(1997)认为Krueger的研究没有考虑模型中遗漏变量问题，导致计算机的回报率过高。在之后的研究中，学者们通过控制个体特征，分析计算机使用对收入的影响。Pabilonia(2005)的研究认为计算机的使用能够带来10%左右的收入回报。陈玉宇等(2008)利用2005年全国家庭普查数据，在控制个人异质性后发现，计算机使用对个人工资的回报率达20%。综上可知，已有文献已经证实计算机的使用提高了城市居民的工资收入水平。
随着经济的发展，甘肃省中小企业数量日益增多，中小企业的竞争也日益激烈，相当一部分中小企业在扩大自身市场的同时，单纯追求销量和市场份额，对自身财务问题却不够重视，忽略了财务管理在管理中的核心位置。本文在走访调查部分甘肃省中小企业的基础上，对甘肃省中小企业财务管理存在的问题进行了分析探讨。
随着互联网以及移动互联网信息技术的快速发展，在计算机使用对城市居民工资收入影响研究的基础上，越来越多的学者开始关注互联网使用对劳动力市场的影响。Lee等(2004)的研究发现，工作中使用互联网的工人比未使用互联网的工人可以获得更高的工资。Navarro(2010)利用6个拉丁美洲国家的住户调查数据研究发现，互联网使用对工薪阶层用户和自雇用户的收入回报率达到18%～30%。国内学者也证实了互联网使用对收入的影响。李雅楠等(2017)利用2004—2011年的中国营养与健康(CHNS)调查数据研究发现，互联网使用提升了个体工资收入水平。谭燕芝等(2017)的研究发现，在控制个人异质性后，个体使用互联网能够获得14%的收入回报率。总体来看，已有文献认为互联网使用对城市居民收入具有正向影响，但其收入回报率的大小略有差异。
风机基础作为风电机组的支撑体系，负责将基础过渡连接段传递的风机荷载和自身受到的波浪荷载、水流荷载以及靠泊力和撞击力等传递到地基土中，在保证海上风电系统整体安全方面起着十分重要的作用。在众多的海上风机基础形式中，单桩基础结构形式简单，受力明确，在具备打桩和起吊设备能力的前提下，施工速度快，在国内外风电场中得到广泛使用，占整个市场的65%以上。然而，为方便安装且同时保证电缆的安全，越来越多的安装基础选择将电缆管从桩基底部进入桩内，这就必须在钢管桩壁上开口，开孔导致桩体在开孔位置产生应大集中现象，此时钢管桩基础的疲劳强度问题将不容忽视。
学习《世界地理》《中国地理》时，我们在教材安排中，可以明显发现其似曾相识的关联性和规律性，只要稍做分析和整合，学生就可以顺利地完成章节知识点的组织架构。
(二)研究假设
从理论上看，互联网使用从多个方面影响劳动者的收入。第一，互联网使用的优势能够给劳动者带来信息资源，极大地降低信息成本，消除信息不对称，进而提高劳动者的工作效率(林毅夫 等，2003)，改善劳动者的收入状况。第二，互联网带动了新的产业发展，创造出大量的就业机会。多数学者发现互联网使用有助于提高农民的非农就业率(马俊龙 等，2017)，进而提高农民的收入水平。第三，互联网信息技术可以打破距离与时间的障碍，使人与人之间的沟通更加简单快捷，进而促进劳动者社会资源与社会网络的积累，进一步提高劳动者的就业、自主创业机会以及劳动收入水平(张博 等，2015；周洋 等，2017；殷俊 等，2018)。
由于评价等级划分是有序的，第k个评价等级ck“好于”第k+1个评价等级ck+1，所以最大测度识别准则不适用，应采用置信度识别准则。
基于此，本文提出假设：互联网使用对农民非农收入具有显著的正向影响。
根据技能偏向型技术进步理论，技术进步能够提高高能力劳动者的自身生产率及其收入。众多学者研究也表明，互联网使用对高学历的劳动者影响更大(王爱民 等，2014；马俊龙 等，2017；华昱，2018)。互联网作为新兴信息技术，不同年龄段的劳动者对其运用情况也有所不同。因此，本文将进一步对互联网对农民非农收入的影响进行受教育程度与年龄的分组讨论。
综上所述，已有文献重点关注了计算机及互联网使用对城市居民收入回报的影响，但鲜有文献研究互联网使用对农村劳动力非农收入的影响。有鉴于此，本文在已有研究的基础上，利用中国社会综合调查(CGSS)2015年的数据①，探讨互联网使用对农民非农收入的影响。首先，采用最小二乘法考察互联网使用对农民非农收入的影响。其次，为了消除样本自选择可能带来的内生性问题，本文进一步采用倾向得分匹配法(Propensity Score Matching,简记为PSM)重新估计互联网使用与农民非农收入的关系，并进一步观察互联网使用对不同受教育程度、不同年龄农民非农收入的影响。
二、数据来源、变量选取及模型构建
(一)数据来源
其中，因变量lnY i 代表非农收入的对数形式，下标i 代表个体；Internet i 是一个二元虚拟变量，表示农民i 是否使用互联网，使用互联网的个体设为1，未使用的设为0；X i 表示农民i 的个体特征控制变量，包括性别、年龄、年龄平方、受教育程度及政治面貌等；β 为本文所关注的变量系数；ε i 为误差项。通过已有文献回顾，本文预测使用互联网的农民会获得更高的非农收入。由于模型设定及数据限制的原因，本文不能控制所有个体异质性的影响因素，通过借鉴李雅楠等(2017)的相关研究，本文在模型中逐步加入就业身份以及地区变量，从而尽可能接近互联网使用所带来的真实回报率。
同时通过此次研究结果也不难发现,护理前两组患者MUIS评分均较高,但是护理后,数据明显降低,而研究组患者的数据明显比对照组低,同时研究组患者的满意度明显高于对照组,p<0.05。进一步说明,妇产科实施以人为本的护理理念,可以有效的改善患者、焦虑抑郁等不良情绪,使患者感觉到家的温暖,为临床治疗和分娩打下良好基础,同时也提高患者的满意度,提升医院整体服务质量,保证患者的健康。
(二)变量选取
第一应抓好数学阅读课教学。数学学习和书本紧密相连，进行数学阅读，可以提高学生的自学能力。数学阅读课就是教师在上课时指导学生独立地进行学习。当然，在阅读之前，老师应当给学生划定一个阅读的范围，教给学生阅读的方法，对学生在阅读中碰到的问题进行解难释疑；学生根据教师的要求进行阅读思维、分析练习，弄清知识原理，学会例题，也可以对例题进行仔细研究，寻找多种解法。这样学生不仅完成了练习，又能重温以前学过的知识；课堂后段教师用一定的时间进行讲评、帮助学生巩固已经掌握了的知识。因此，数学阅读课能有效地培养学生的学习能力，为他们主动学习、获取课外知识提供可能。
从表1可知，全部样本中约有59.0%的农民使用互联网。对比未使用互联网的农民可以发现，使用互联网的农民非农收入平均水平更高。从全部样本的性别情况来看，男性农民的比例更高，在使用互联网的农民中男性占65.3%。从全部样本的年龄分布来看，平均年龄为41.13岁；其中，使用互联网的农民的平均年龄为35.46岁，未使用互联网的农民的平均年龄为49.28岁。从受教育程度的特征来看，全部样本农民的平均受教育程度为初中；对比未使用互联网的农民，使用互联网的农民的受教育程度更高。从全部样本的就业身份分布情况来看，自雇型就业身份的农民占比为23.9%；其中，在使用互联网的农民中自雇型就业身份占比为24.4%，在未使用互联网的农民中自雇型就业身份占比为23.1%。综上所述，男性、年轻、受教育程度较高并且选择自雇型就业的农民使用互联网的比例较高；反之，使用互联网的比例较低。
本文运用STATA14.0统计软件，对样本数据进行OLS回归分析，表2列出了全部有效样本的估计结果。其中，模型1中仅加入了个体是否使用互联网的变量；模型2在模型1的基础上加入了个体特征变量；模型3和模型4在模型2的基础上依次加入了个体的就业身份和所在地区变量。本文主要关注的是互联网使用对农民非农收入的影响。模型1报告了不考虑个人特征的估计结果：使用互联网可以带来71%[exp(0.535)-1]的非农收入回报。模型2报告了控制个人特征变量后的估计结果：使用互联网仍然可以带来54%[exp(0.430)-1]的非农收入回报。模型3报告了控制个体的就业身份变量后的估计结果：互联网使用能够为农民带来53%[exp(0.427)-1]的非农收入回报。模型4报告了加入地区变量后的估计结果：互联网使用能够带来49%[exp(0.400)-1]的非农收入回报。模型1到模型4的回归结果表明，互联网使用对农民非农收入有正向影响，且均在1%的统计水平上显著，在一定程度上说明互联网使用能够提高农民的非农收入。可能的解释是，使用互联网拓展了农民获取信息的渠道，农民能够更快捷、更有效地获取非农就业的信息，更容易学习到新技能、新知识，从而促进其非农就业意愿，提高其非农工作效率；农民还可通过互联网运营电商平台，增加自主创业的机会，进而带来更高的非农收入。研究假设得到了验证。
表 1样本的描述性统计
注：数据来源于作者对CGSS2015数据的筛选和计算
图 1农民非农收入的核密度函数图
数据来源：根据CGSS2015数据整理
农民非农收入的核密度函数如图1所示。图1能够更加直观地显示互联网使用对农民非农收入的影响。可以看出，使用互联网与未使用互联网的农民存在收入差异，互联网使用与农民非农收入之间存在正向关系，农民使用互联网有助于提高非农收入。后文将通过实证分析，深入检验互联网使用对农民非农收入的影响。
(三)模型构建
本文主要考察互联网使用对农民非农收入的影响。模型设定将参考Krueger(1993)的形式，通过建立一个含有虚拟变量(是否使用互联网)的扩展的Mincer收入决定方程来估计互联网使用对农民非农收入的影响。设定非农收入的回归方程为：
lnY i =α +βInternet i +γX i +ε i
(1)
本文所使用的数据来源于中国人民大学中国调查与数据中心发起的“中国综合社会调查(CGSS)”。本文采用2015年的调查数据，其中共包含10968个有效样本。本文根据实证研究的需要，保留样本类型为“农村”、户口登记状态为“农业户口”、工作经历为“目前从事非农工作”且年龄在18岁到65岁之间的样本；同时剔除问卷选项存在缺失的样本，最终得到农民有效样本675个，覆盖全国25个省(区、市)。其中，使用互联网的样本为398个，占比58.96%；未使用互联网的样本为277个，占比41.04%。
1.分受教育程度讨论
ATT=E (lnY 1|T =1)-E (lnY 0|T =1)=E (lnY 1-lnY 0|T =1)
(2)
其中，lnY 1为农民使用互联网时的非农收入水平，lnY 0为农民不使用互联网的非农收入水平。为了消除其他因素的干扰，ATT将样本限定为使用互联网的农民(T =1)，并测算出农民使用或不使用互联网的收入差值，即互联网使用对农民非农收入的净影响。式(2)可以观测到E (lnY 1|T =1)的结果，而E (lnY 0|T =1)是不可观测的反事实结果。倾向得分匹配法能够处理样本的自选择性偏差问题，通过匹配让配对的农民在是否使用互联网上不同，而其他特征上保持相似，这样就可以用未使用互联网的数据模拟使用互联网农民的“反事实结果”。其具体分析过程如下：第一，在个人特征变量X 与互联网使用变量Internet 给定的条件下，农民使用互联网的条件概率(倾向得分)为：
p (X i )=Pr (Internet i =1|X i )E (Internet i |X i )
(3)
其中，X i 表示影响互联网使用行为的个体特征，p (X i )为概率值即为倾向得分，可通过构建Logit或Probit模型进行估计。第二，根据倾向得分进行匹配平衡性检验，考察处理组与对照组匹配上是否存在显著偏差，若存在则匹配效果不好。第三，本文采用三种常见的匹配方法将处理组与对照组进行配对，这三种匹配方法分别是最邻近匹配(找与某个使用互联网的农民的倾向得分最接近的未使用互联网的农民匹配)、半径匹配(以使用互联网的农民的倾向得分为中心，设置某个数值为半径，在这个范围内的所有未使用互联网的农民与使用互联网的农民匹配)与核匹配(将未使用互联网的农民的收入值加权平均起来，而权重则是核心方程的取值)(胡安宁，2012)。最后，估计出互联网使用的平均处理效应(ATT)，即：
改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用······································冉 鹏 王 灵 李 昕 刘鹏伟 (3,352)
ATT=E (lnY 1i -lnY 0i |Internet i =1)=E {E [lnY 1i |Internet i =1,p (X i )-E [Y 0i |Internet i =0,p (X i )]|Internet i =1}
(4)
三、实证分析
(一)基准模型回归分析
在φTHNS,auth中，理想状态下首先A发送THNS1，B接收THNS1；接着B发送THNS2，S接收THNS2；然后S发送THNS3,A接收THNS3，最后A发送THNS4，B接收THSN4。由于篇幅限制，本研究只给出关键步骤PCL分析。根据THNS,auth，有如下过程：
表 2互联网使用对农民非农收入影响的估计结果( OLS回归)
续表 2互联网使用对农民非农收入影响的估计结果( OLS回归)
注：***、**、*分别表示在1%、5%、10%的统计水平上显著；括号中的数值为回归变量的标准误
表2还报告了其他变量对农民非农收入水平的影响。在个人特征中，性别对非农收入存在显著的正向影响。年龄的系数为正，但年龄平方的系数为负，说明农民的非农收入随着其年龄的增长呈倒U形。受教育程度对非农收入存在显著的正向影响，其中，大学及以上的农民非农收入回报最大；可能的原因是，受教育程度越高的农民拥有更高的人力资本，较高的人力资本会提升工作效率，进而会促进农民非农收入的提高。健康程度对非农收入也存在显著的正向影响，表明身体健康有助于提高非农收入。就业身份对非农收入的影响显著为正，说明自雇型就业身份有益于非农收入的增加。相比于东部地区，中部和西部地区的非农收入显著更低。
(二)倾向得分匹配分析
为了解决模型可能存在的样本自选择问题以及进一步检验互联网使用对农民非农收入的影响，本文采用倾向得分匹配法重新估计互联网使用与非农收入的关系。通过对比Logit概率模型和Probit概率模型的调整R2和AUC值来选择最佳的概率模型(Lian et al，2011)。结果显示，Logit概率模型的调整R2及AUC值大于Probit概率模型(0.376>0.374、0.879>0.878)，因此，本文将采用Logit概率模型获取倾向得分。通过调整R2的数值(超过35%)也可以看出，该模型中的变量能够较好预测农民是否使用互联网。
本文通过解释变量间的平衡性检验结果得知，除了地区变量，匹配后的其他变量的标准偏差绝对值均小于20%。同时，健康程度、婚姻状况与地区变量匹配后的均值差异显著，其他变量匹配后的均值差异并不显著。然而，健康状况与地区两个变量在匹配后，两组差异分别只在10%和1%的统计水平上显著，婚姻状况变量匹配后的变量系数变小。总体来看，匹配效果较好。本文进一步作了倾向得分匹配模型的总体检验，结果显示，匹配后的调整R2值与似然比检验的绝对值减小。综上可以得出，样本能够通过平衡性检验，说明使用倾向得分匹配法能够削弱样本自选择偏差问题。
表3报告了最邻近匹配法、半径匹配法和核匹配法的处理组平均处理效应(ATT)。回归结果显示，由最邻近匹配法计算的匹配前使用互联网与未使用互联网的收入对数值分别为10.233与9.698，两者的差值(ATT)为0.535，且在1%的统计水平上显著；匹配后的使用互联网与未使用互联网的收入对数为10.263与9.850，ATT值为0.413，且在5%的统计水平上显著。同时，运用半径匹配法和核匹配法得出了相似的结果。因此，在修正了样本自选择偏差后，仍能得出互联网使用与农民非农收入存在显著正相关的研究结论。计量结果表明，互联网使用仍然显著地带来41.2%～51.1%的非农收入回报，再一次说明使用互联网能够促进农民非农收入的增加，研究假设进一步得到验证。
表 3三种匹配方式的 ATT估计结果( PSM回归)
注：最邻近匹配中邻近元数设定为1，半径匹配中半径设定为0.01，核匹配中的带宽为0.06；***、**、*分别表示在1%、5%、10%的统计水平上显著。下同
(三)异质性分析
尽管模型中加入了就业身份以及地区变量等控制变量，但模型仍然可能存在样本自选择问题。因此，本文将采用倾向得分匹配法进行处理。这种方法的基本思路是基于反事实推断(Rosenbaum et al，1983；孙学涛 等，2017)。使用互联网农民(处理组)的平均处理效应(Average Treatment Effect of the Treated,简记ATT)为：
为了进一步讨论异质性变量的影响，本文有必要分析不同受教育程度的农民互联网使用行为的选择问题。本文将受教育程度重新归纳为三组：将受教育程度为没有受过任何教育、私塾、扫盲班和小学的样本归纳为小学及以下；将受教育程度为初中的归纳为初中；将受教育程度为职业高中、普通高中、中专、技校、本科和研究生以上的样本归纳为高中及以上。不同受教育程度农民的ATT估计结果如表4所示。
表 4不同受教育程度农民的 ATT估计结果( PSM回归)
注：为节省篇幅，未报告半径匹配法与核匹配法的结果
表4的最邻近匹配法结果显示，匹配前，互联网使用促进了具有 “初中及以下”教育背景农民的非农收入水平的提高，且均在1%的统计水平上显著，“高中及以上”并没有通过显著性水平检验；值得关注的是，互联网使用对较低学历农民的非农收入的促进作用更加明显。匹配后，互联网使用依然显著促进了“初中及以下”农民收入水平的提高，且均在5%的统计水平上显著，“高中及以上”依然没有通过显著性水平检验；从ATT估计结果(0.493>0.478>0.385)可以看出，互联网使用对低学历农民非农收入水平的促进作用更明显。运用半径匹配法与核匹配法得出了相似的结果。可能的解释是，本文重点关注的是互联网使用对农民非农收入的影响，而以往的研究更多关注的是城乡居民的收入水平；互联网使用对于农民来说其主要功能为获取信息，低学历的农民通过使用互联网获取信息，降低了其信息成本，提高了其非农工作或创业的效率，因此，其非农收入水平比未使用互联网的低学历农民更高。然而，对于高学历农民来说，其本身比低学历农民拥有更高的技能，进而获取信息的能力更强，选择非农就业或创业的机会更大，因此，互联网使用对其非农收入的影响较小。通过受教育程度与互联网使用两个变量的交叉分析可以看出，低学历农民的互联网使用比例相对较低。因此，应鼓励与引导受教育程度低的农民使用互联网；为解决农民使用互联网的技能障碍，应对其加强互联网信息技术的技能培训。
2.分年龄讨论
本研究的被解释变量为农民非农收入。农民非农收入以“个人去年(2014)全年的总收入”②来衡量。解释变量是互联网使用。受访者被询问“过去一年您对互联网(包括手机上网)的使用情况”，其选项包括“从不”“很少”“有时”“经常”“非常频繁”；根据本文研究的需要，将其转化为二分变量，“很少”“有时”“经常”“非常频繁”代表使用互联网的样本赋值为1，“从不”代表未使用互联网的样本赋值为0。本文在分析过程中还加入了个体的性别、年龄、年龄平方、受教育程度、政治面貌、健康状况、婚姻状况、就业身份等虚拟变量及地区变量③。样本的描述性统计见表1。
互联网作为新兴的信息技术，对不同年龄④农民的影响存在差异。本文有必要进一步分析不同年龄段农民的互联网使用行为对其非农收入的影响。不同年龄农民的ATT估计结果如表5所示。
表 5不同年龄农民的 ATT估计结果( PSM回归)
注：最邻近匹配中邻近元数设定为8，半径匹配中半径设定为0.1，核匹配中的带宽为0.2；***、**、*分
别表示在1%、5%、10%的统计水平上显著。为节省篇幅，未报告半径匹配法与核匹配法的结果表5的最邻近匹配法结果显示，匹配前，44岁以上的青年农民和44岁以下的中老年农民的ATT估计结果分别为0.438、0.649，且均在1%的统计水平上显著；匹配后，44岁以下青年农民的ATT估计结果为0.389，且在5%的统计水平上显著，44岁以上中老年农民的ATT估计结果为0.411，且在1%的统计水平上显著。通过ATT估计结果可以看出，互联网使用对44岁以上中老年农民的非农收入水平的促进作用更明显。运用半径匹配法与核匹配法得出了相似的结果。可能的解释是，青年农民与中老年农民使用互联网的目的不太相同，青年农民可能更倾向于娱乐，而中老年农民更看重互联网的实用价值，因此，互联网使用对中老年农民的作用比青年农民更大。通过年龄与互联网使用两个变量的交叉分析可以看出，44岁以上中老年农民的互联网使用比例非常低。因此，应鼓励中老年农民积极使用互联网，乡村政府应集中组织中老年农民进行信息技术的技能培训，加大互联网技术在中老年农民中的普及率。
四、结论与政策建议
本文利用中国社会综合调查(CGSS)2015年的数据，运用最小二乘法和倾向得分匹配法，分析了互联网使用对农民非农收入的影响。结果发现：第一，互联网使用显著促进农民非农收入的提高，其非农收入回报率达49%；第二，通过运用倾向得分匹配法，在克服了样本自选择所产生的偏差问题后，结果仍然显示互联网使用能够显著促进农民非农收入的提高，并且能够带来41.2%～51.1%的非农收入回报；第三，通过观察不同受教育程度以及不同年龄农民的异质性，发现互联网使用对低学历、中老年农民非农收入的提升作用显著，但低学历、中老年农民的互联网使用比例却很低。
综合以上研究结果，本文提出如下政策建议：
第一，积极推广实施“信息进村入户”工程，增加对农村地区互联网信息技术设施的投资，督促并加强农村地区互联网信息技术的建设，提升农村地区互联网信息技术的服务能力。
在实践中，一些法定评估业务的委托人为了使评估对象评出预期的高价或者低价，达到非法目的，往往对评估专业人员施加非法干预，操控评估结果，使评估活动无法做到独立、客观、公正，无法起到防止国有资产流失、维护公共利益的作用。为此，本法第二十七条明确规定，委托人不得串通、唆使评估机构或者评估专业人员出具虚假评估报告。根据本条规定，委托人或者其他组织、个人非法干预评估行为和评估结果的，评估专业人员有权拒绝。同时，根据本法第十九条的规定，委托人要求出具虚假评估报告或者有其他非法干预评估结果情形的，评估机构有权解除合同。
第二，政府应出台政策，为使用互联网的农民提供相应的技术支持和财政补贴，可为农民免费建立互联网平台，开发农村地区互联网信息系统，帮助农民通过互联网进行非农创业，进而增加非农收入。
第三，政府应鼓励、引导农民使用互联网及移动互联网。要为农民提供互联网信息技术培训，并培养农民的互联网意识，为使用移动互联网的农民制定流量费用减免政策，使其养成通过手机移动互联网搜寻获取信息的习惯。尤其是对学历较低和中老年的农民，应提高其利用互联网信息技术的水平，使其具备基本的信息处理能力。同时，需关注互联网信息技术对农民信息获取的作用，提高农民对务工信息的搜寻效率，建立线上益农平台、线下益农服务站，为农民提供快捷便利的信息服务。
①本文使用数据来自中国人民大学中国调查与数据中心的“中国综合社会调查(CGSS)”项目。作者感谢此机构及其人员提供数据协助，本文内容由作者自行负责。到目前为止，CGSS公布的调查年份包括2003年、2005年、2006年、2008年、2010年、2011年、2012年、2013年、2015年。数据可以免费从中国国家调查数据库http://cnsda.ruc.edu.cn注册下载。
②个人总收入是指个人全年收入的全部所得，包括工资、奖金、补贴、分红、股息、馈赠、租金、利息、经营性纯收入等。
③东部地区包括北京、河北、江苏、浙江、辽宁、福建、山东等7个省、市；中部地区包括吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南等8个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏等10个省、区、市。
新时代长江经济带环境污染与治理——基于空间动态模型的分析 …………………………………………… 陈长江，成长春 5·030
④根据世界卫生组织的最新定义，44岁及以下为青年人，45～59岁为中年人，60岁及以上为老年人。
参考文献:
陈玉宇,吴玉立. 2008.信息化对劳动力市场的影响：个人电脑使用回报率的估计[J].经济学(季刊)(4)：1149-1165.
胡安宁.2012.倾向值匹配与因果推论：方法论评述[J].社会学研究(1)：221-242.
华昱.2018.互联网使用的收入增长效应：理论机理与实证检验[J].江海学刊(3)：219-224.
李雅楠，谢倩芸.2017.互联网使用与工资收入差距——基于CHNS数据的经验分析[J].经济理论与经济管理(7)：87-100.
林毅夫，董先安.2003.信息化、经济增长与社会转型[OL].http://www.doc88.com/p-5993426723508.html.
马俊龙，宁光杰.2017.互联网与中国农村劳动力非农就业[J].财经科学(7)：50-63.
孙学涛,李明文,王振华,等.2017.农民工工资性收入不确定性及其影响因素——基于CGSS数据的反事实因果分析[J].湖南农业大学学报(社会科学版)(2):10-16.
谭燕芝，李云仲，胡万俊.2017.数字鸿沟还是信息红利：信息化对城乡收入回报率的差异研究[J].现代经济探讨(10)：88-95.
王爱民，李子联.2014.农业技术进步对农民收入的影响机制研究[J].经济经纬(4)：31-36.
王建华，李录堂.2012.信息技术型人力资本集成能力演进的动力机制研究[J].科技进步与对策(9)：135-138.
杨柠泽，周静，马丽霞，等.2018.信息获取媒介对农村居民生计选择的影响研究——基于CGSS2013调查数据的实证分析[J].农业技术经济(5)：52-65.
殷俊，刘一伟.2018.互联网使用对农户贫困的影响及其机制分析[J].中南财经政法大学学报(2)：146-156.
张博，胡金焱，范辰辰.2015.社会网络、信息获取与家庭创业收入——基于中国城乡差异视角的实证研究[J].经济评论(2)：52-67.
周洋，华语音.2017.互联网与农村家庭创业——基于CFPS数据的实证分析[J].农业技术经济(5)：111-119.
DIMAGGIO P, BONIKOWSKI B. 2008. Make money surfing the web? The impact of internet use on the earnings of U.S. workers [J]. American Sociological Review, 73(2)：50-63.
DINARDO J, PISCHKE J. 1997. The returns to computer use revisited: Have pencils changed the wage structure too? [J]. Quarterly Journal of Economics, 112(1):291-304.
GOODHUE D L, THOMPSON R L. 1995. Task-technology fit and individual performance [J]. MIS Quarterly, 19(2):213-236.
KRUEGER A B. 1993. How computers have changed the wage structure: Evidence from microdata, 1984-1989 [J]. Quarterly Journal of Economics, 108(1)：33-60.
LEE S H, KIM J. 2004. Has the internet changed the wage structure too? [J]. Labour Economics, 11(1):119-127.
LIAN Y, SU Z, GU Y. 2011. Evaluating the effects of equity incentives using PSM: Evidence from China [J]. Frontiers of Business Research in China, 5(2):266-290.
NAVARRO L. 2010. The impact of internet use on individual earnings in Latin America [Z]. Development Research Working Paper.
PABILONIA S. 2005. Returning to the returns to computer use [J]. American Economic Review, 95(2):314-317.
ROSENBAUM P R, RUBIN D B. 1983. The central role of the propensity score in observational studies for causal effects [J]. Biometrika, 70(1):41-45.
Does Internet Use Promote the Non -Agricultural Income Growth for Farmers ? —An Empirical Analysis Based on CGSS2015 Survey Data
YANG Ning-ze, ZHOU Jing
(School of Economics and Management ,Shenyang Agricultural University ,Shenyang 110866,China )
Abstract :In the background of the rural rejuvenation strategy, the key to solving “the problems of agriculture, rural and farmers” lies in decreasing the urban-rural income gap and improving farmers’ non-agricultural income. Based on Chinese General Social Survey (CGSS) 2015 survey data, this paper uses least square method and propensity score matching method to analyze the impact of Internet use on farmers’ non-agricultural income. The results show that the use of the Internet can effectively increase farmers’ non-agricultural income. After overcoming the sample self-selection problem, Internet use can still bring farmers a 41.2% to 51.1% non-agricultural income return. In addition, the promoting effects on non-agricultural income is more significant in low-educated and middle-aged and senior farmers. It is recommended that the government increase investment in Internet information technological facilities in rural areas and provide corresponding technical support and financial subsidies for farmers using the Internet, so as to give full play to the positive role of the Internet in promoting the increase in non-agricultural income of farmers.
Key words :Internet Technology; Farmers’ Income; Propensity Score Matching Method
基金项目： 国家自然科学基金项目(71473167)
作者简介： 杨柠泽(1991— )，男，辽宁阜新人，博士研究生，主要从事农业产业组织与管理研究；(通讯作者)周静(1963— )，女，辽宁开原人，博士，教授，博士生导师，主要从事农业产业组织与管理研究。
中图分类号： F244
文献标识码： A
文章编号： 1006-1096( 2019) 05-0041-08
收稿日期： 2018-10-10
(编校：沈育)
标签：互联网技术论文; 农民收入论文; 倾向得分匹配法论文; 沈阳农业大学经济管理学院论文;