互聯網與老年人力資源供給

李冬 趙麗清 楊曉亮

摘 要：利用2018年中國家庭追蹤調查（CFPS）數據考察了互聯網對城市老年人力資源供給的影響及其作用機制。研究表明，總體上互聯網顯著降低了老年勞動力再就業的概率，這一結論在經過穩健性檢驗、PSM方法再估計以及內生性檢驗后依然成立。影響渠道分析發現，對于我國城市老年人群體，互聯網的“替代效應”大于“信息效應”“學習效應”，因此降低了老年勞動力再就業的概率。此外，異質性分析表明，互聯網對高教育水平、低收入水平和健康狀況良好的老年人群體再就業具有顯著的促進作用。研究結論對于數字化時代背景下有效促進中國老年人力資源供給、緩解日益嚴峻的老齡化問題，具有重要的政策啟示和現實意義。

關鍵詞：互聯網;老年;再就業;人力資源供給;替代效應

基金項目：全國教育科學“十三五”規劃教育部青年項目“教育現代化視角下我國老年人力資源供需機制研究”（EFA190475）。

[中圖分類號] F062.5;C971 [文章編號] 1673-0186（2021）009-0053-017

[文獻標識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2021.009.004

一、引言

第45次《中國互聯網絡發展狀況統計報告》顯示①，截至2020年3月中國網民規模達9.04億，互聯網普及率達64.5%。在數字化高速發展時代，互聯網給人們帶來了巨大的便捷“紅利”——手機支付、網約車、網上售票以及預約掛號等，老年人也理當享受這一紅利。然而，我國網民中60歲及以上老年人僅占6.7%。換句話說，將近2億老年人從未接觸過網絡。

另一方面，我國人口老齡化形勢日益嚴峻。國家統計局數據顯示②，2019年末我國60周歲及以上人口達到25 388萬人，占總人口的18.1%;其中65周歲及以上人口17 603萬人，占總人口的12.6%。然而，2019年全年人口出生率降至1952年以來最低的10.48‰。在此背景下，如何積極開發利用老年人力資源，鼓勵、支持和引導老年人再就業，是一項亟待研究的重大課題。

老年勞動力蘊含著豐富的網絡資本和關系資本，具備較強的再就業能力。老年人再就業有利于減輕家庭負擔和國家財政的養老支出壓力[1]。實際上，老年人的再就業行為并沒有擠占青年人的就業機會，退休返聘和延遲離退年齡等政策起到提高老年勞動力供給、刺激經濟增長、拉動總需求，進而增加勞動力總需求的積極作用[2]。一個令人感興趣的問題是，數字時代背景下互聯網如何影響老年人力資源供給？提高老年人互聯網普及率是否能夠促進其再就業，從而增加老年人力資源供給呢？

與文章密切相關的一類文獻是互聯網對我國某一群體就業的影響研究，包括農村勞動力非農就業、女性就業以及大學畢業生就業等。馬俊龍、寧光杰使用2014年中國家庭追蹤調查（CFPS）考察了互聯網對農村勞動力非農就業的影響，認為互聯網使用能夠有效提高農村勞動力選擇非農就業的概率[3]。趙羚雅、向運華使用2016年CFPS調查數據研究表明，互聯網使用使農村居民非農就業的概率提高了49.3%[4]。馬繼遷等利用2018年CFPS數據探討互聯網使用對農村青年非農就業的影響作用，研究發現，互聯網使用能促進農村青年的非農就業，特別是受雇就業[5]。毛宇飛、曾湘泉使用2010—2013年中國綜合社會調查（CGSS）數據研究表明，互聯網使用能促進女性的整體就業，且對非自雇就業的作用效果要大于自雇就業[6]。丁棟虹、袁維漢基于2010—2015年CGSS數據研究發現，互聯網使用顯著提升了女性的創業概率。平均而言，上網女性的創業概率比不上網女性高3%[7]。劉漢輝等、馬繼遷等基于CFPS數據也得到了互聯網促進女性就業概率的研究結論[8-9]。趙建國、周德水利用2010—2015年CGSS數據研究發現，互聯網使用顯著促進了大學畢業生就業和勞動參與概率[10]。此外，趙建國、周德水利用2016年流動人口動態監測調查數據研究，發現互聯網使用顯著提高了大學畢業生的就業工資水平[11]。通過對已有文獻的梳理，不難發現，目前鮮有文獻考察互聯網對退休老年群體再就業的影響，本文是對這一研究主題的拓展和深化，填補了相關研究的空白。

與本文密切相關的另一類文獻是關于我國城市老年人再就業影響因素的研究。萬芊對上海市16個區展開了老年人再就業情況的社會調查，分析認為增加收入、發揮余熱是老年群體再就業的重要原因[12]。龔紅等以湖北省武漢市為例發放調查問卷進行研究，認為年齡、健康狀況和專業技術水平對老年群體再就業具有顯著的影響[13]。連茜平對廣東省中山市老年人進行了隨機抽樣調查，研究表明家庭經濟狀況、身體狀況和家庭支持等因素顯著地影響了老年群體再就業意愿[14]。閭志俊以江蘇省南通市區老年群體為分析樣本，研究表明年齡、性別、健康狀況和外部政策環境是影響老年群體再就業的關鍵因素[15]。不難發現，已有文獻主要以某個省或市的調查問卷數據為支撐，從個人特征、家庭特征或經濟層面進行老年人再就業影響因素的研究。然而，在人口老齡化形勢日益嚴峻和數字化迅猛發展的雙重背景下，鮮有文獻考察互聯網對我國城市老年群體再就業的影響。本文是對現有研究的有益拓展，具有重要的現實意義和啟示意義。本文擬使用2018年中國家庭追蹤調查（CFPS）數據進行實證分析，數據覆蓋了全國31個省、自治區和直轄市（港、澳、臺除外），較好地克服了已有文獻數據覆蓋范圍較窄的局限性。

文章在以下三個方面做出了可能的邊際貢獻：第一，研究視角上，已有文獻多從個人、家庭或經濟層面研究老年群體再就業的影響因素。本文首次考察了互聯網對老年人力資源供給的影響及其作用機制，填補了老年人力資源供給這一主題的相關研究空白。第二，使用數據和研究方法上，利用最新的覆蓋全國范圍的權威調查數據（CFPS 2018）進行實證分析，并科學運用多種估計方法（Probit、Logit、PSM以及工具變量法等），令本文研究結論更具時效性、穩健性和可信性;第三，政策啟示上，在數字化迅猛發展和我國人口老齡化形勢日益嚴峻的時代背景下，考察互聯網對老年人力資源供給的影響及其作用機制，從而提出針對性的政策建議，具有重要的現實意義。

二、理論機制分析

互聯網對就業的影響，可概括為互聯網的“信息效應”“學習效應”和“替代效應”。

（一）信息效應

信息效應理論認為，互聯網作為信息傳播的重要渠道，產生的信息傳遞效應對就業活動具有積極影響[16]。互聯網普及帶來的外部性能夠正向影響個體工作搜尋行為[17]。利用互聯網進行工作搜尋，可以顯著地降低搜尋成本，提高求職者獲得工作的概率[18]。求職者通過互聯網信息渠道功能有助于減少25%的失業時間，增加獲得受雇工作的可能性[19]。互聯網平臺提供了豐富的信息資源，可以使求職者及時、便捷地獲得相關工作崗位信息，進而擁有更多的就業選擇和就業機會[20]。對于老年群體而言，使用互聯網獲取工作信息也將提升其再就業的概率。

（二）學習效應

隨著互聯網技術的普及和移動互聯網的廣泛應用，網絡逐漸成為人們獲取信息和知識的重要工具。互聯網平臺以極其低廉的復制和移動成本成為知識和信息傳遞的重要渠道。老年人通過使用互聯網學習，將以較低的成本學習新知識、新技術和新技能，提高其人力資本水平，增強其在老年勞動力市場中的競爭優勢，進而提升其再就業的概率。

（三）替代效應

1.對低技能工作的替代效應

互聯網技術的應用將會導致技能偏向效應，從而有利于高技能勞動者就業[21]。對于高技能型勞動者而言，互聯網對非日常性工作是互補的，有利于提升勞動生產率;而對于低技能勞動者而言，互聯網是對日常性工作的替代[22]。當老年人群體中，低技能勞動者較多時，互聯網可能會引致該群體再就業概率的下降。

2.其他用途的替代效應

在現實生活中，老年人群體使用互聯網不僅可以用于獲取工作信息和提高知識與技能，還可以用于其他多種用途，比如社交、娛樂和商業活動等。鑒于老年人時間和精力的有限性，使用其他用途的頻率增加，會產生對再就業這一用途的替代效應，從而降低了老年人再就業的概率。

綜上所述，互聯網對老年人力資源供給的影響方向取決于正向的“信息效應”“學習效應”與負向的“替代效應”的凈效應。當“替代效應”大于“信息效應”與“學習效應”之和，互聯網顯著地降低了老年群體再就業的概率;反之，則提高老年群體再就業的概率。本文擬通過使用2018年CFPS調查數據進行實證檢驗。

三、計量模型

本部分內容包括使用數據說明、計量模型設定以及變量選取與測度。

（一）數據說明

本文用于經驗分析的數據來自北京大學中國社會科學調查中心（ISSS）實施的一項大規模的數據調查——中國家庭追蹤調查（CFPS）。該調查反映我國經濟、社會、人口、教育和健康的變遷，為學術研究和政策決策提供可靠的數據來源。本文將采用最新的2018年調查數據，樣本覆蓋了31個省、市和自治區，調查問卷包括家庭成員問卷、家庭經濟問卷、個人自答問卷和少兒父母代答問卷四種主體問卷類型。

為了研究互聯網對老年群體再就業的影響，本文對原始數據進行了必要的處理。首先，由于本文研究的老年群體再就業是退休后問題，而絕大多數我國農村戶籍人口沒有相應的退休制度，因此本文的研究中不包括農村戶籍人口[23]。其次，與現有文獻類似，本文選取了CFPS中60歲及以上年齡且已退休的老年數據作為實證分析的樣本，用于考察互聯網對老年人力資源供給的影響。

（二）計量模型

本文旨在考察互聯網使用對老年人力資源供給的影響。利用退休后是否再就業測度老年人力資源供給，該變量為二值虛擬變量，因此使用Probit模型考察，同時亦使用Logit模型進行穩健性檢驗。計量模型設定如下：

上式中，i表示老年群體個體，p表示老年人所在省份。work為因變量，表示老年群體退休后是否再就業;internet為核心解釋變量，表示老年人是否使用互聯網;control為控制變量集，包括人口學變量、社會經濟地位變量和健康狀況變量三大類;φp表示省份固定效應，用以控制不可觀測的省份特征的影響;εpi為隨機擾動項。本文最為感興趣的是待估系數α1：若α1>0，意味著互聯網顯著提高了老年人力資源供給的概率;反之，若α1<0，則表明互聯網顯著降低了老年人力資源供給的概率。

（三）變量設定

1.因變量的測度

本文使用2018年CFPS調查問卷中“當前工作狀態”（worktoday）和“過去一周工作狀態”（workweek）來衡量城市已退休老年群體再就業狀況。本文選取前者作為基準回歸分析中的因變量，后者用于穩健性分析。該變量為二值虛擬變量，處于就業狀態時取值為1，否則取值為0。

2.核心解釋變量的測度

本文使用2018年CFPS調查問卷中“是否移動上網”（phone）和“是否電腦上網”（computer）來衡量老年人使用互聯網的情況。考慮到移動上網較電腦上網更為方便，因此本文選取前者作為基準回歸分析中的核心解釋變量，后者用于穩健性分析。該變量亦為二值虛擬變量，使用互聯網取值為1，不使用取值為0。

3.控制變量的測度

（1）人口學變量，包括性別、年齡和婚姻狀態。具體地：性別變量（gender），類型為二值虛擬變量——男性取值為1，女性取值為0;年齡變量（age），類型為連續型變量——取值范圍為大于等于60;婚姻狀態變量（marriage），類型為二值虛擬變量——非單身狀態（有配偶或同居）取值為1，單身狀態（未婚、離婚或喪偶）取值為0。（2）社會經濟地位變量，包括受教育水平和收入水平。受教育水平變量（education），類型為連續型變量——文盲或半文盲取值為1，小學取值為2，初中取值為3，高中、大專或技校取值為4，大專及以上取值為5。收入水平變量（income），使用稅后退休金數額（元）衡量，類型為連續型變量——低收入（500元/月以下）取值為1，中等收入（500～2 500元/月）取值為2，高收入（2 500元/月以上）取值為3。（3）健康狀況變量（health），使用自評健康狀況衡量，類型為連續型變量——不健康取值為1，一般健康取值為2，比較健康取值為3，很健康取值為4，非常健康取值為5。以上控制變量測度所使用數據均來自2018年CFPS。表1匯集了本文實證研究中所使用變量的描述性統計。

四、實證分析與結果匯報

本部分內容包括基準回歸結果、穩健性檢驗、PSM再估計、內生性檢驗、異質性分析以及影響渠道分析。

（一）基準回歸結果

為保證研究結論的穩健性起見，本文使用逐步加入人口學變量、社會經濟地位變量和健康狀況變量的方式考察互聯網對老年人力資源供給的影響。為了減緩不可觀測的省份特征影響，還使用了省份固定效應予以控制，估計結果匯集于表2。具體地，第（1）列是在控制省份固定效應的基礎上，使用Probit估計方法僅考察互聯網對老年人力資源供給的影響，結果表明核心解釋變量phone的估計系數在1%的水平上顯著為負，意味著使用互聯網顯著地降低了老年人力資源供給;第（2）列加入了人口學變量（包括性別、年齡和婚姻狀態），發現核心解釋變量phone的估計系數仍在1%的水平上顯著為負，表明本文核心結論較為穩健;第（3）列、第（4）列和第（5）列又分別加入了受教育水平變量、收入水平變量和健康狀況變量，結果表明核心解釋變量phone的估計系數依然在1%的水平上顯著為負，再一次顯示本文核心結論的穩健性，即互聯網顯著降低了老年人力資源供給的概率。進一步地，以表2最后一列為例，對估計結果進行邊際效應轉換后，核心解釋變量phone的估計系數為-0.077且在1%的水平上顯著。這一結果表明，平均而言，每增加一個老年人使用互聯網，將會使老年人力資源供給下降7.7%。之所以出現這一結果，其可能的原因為：對于當前中國城市的老年群體，使用互聯網的“替代效應”大于“信息效應”“學習效應”，引致互聯網顯著地降低了老年群體再就業的概率。后文將對這一結論進行更為嚴格、細致的實證檢驗。

關于控制變量的估計結果，與現有文獻基本一致。以表2最后一列為例，具體為：性別變量（gender）的估計系數在1%的水平上顯著為正，意味著相對于女性老年人，男性顯著地促進了老年人力資源供給的概率。年齡變量（age）的估計系數在1%的水平上顯著為負，意味著隨著年齡增大，將會顯著地降低老年人力資源供給，這一結果符合生理變化規律。婚姻狀況變量（marriage）的估計系數在10%的水平上顯著為正，意味著相對于婚姻狀態為單身的老年人，非單身婚姻狀態顯著地促進了老年人力資源供給。可能原因是：伴侶在生活和精神上的互相扶持有助于老年人再就業繼續發揮余熱，為社會多做貢獻。受教育水平變量（education）的估計系數在1%的水平上顯著為正，意味著老年人受教育水平越高，越能夠促進老年人力資源供給。其可能的原因在于受教育水平越高，越可能掌握與互聯網密切相關的技術、技能，拓寬再就業可選擇的渠道和范圍，從而促進老年人力資源供給。收入水平變量（income）的估計系數在1%的水平上顯著為負，意味著收入水平越高，越不利于老年人力資源供給。其可能的原因是：收入水平較高的老年人，其生活壓力較小，更可能選擇“享受天倫之樂”，因而缺乏再就業的動力[24]。健康狀況變量（health）的估計系數在1%的水平上顯著為正，意味著老年人越健康，越有利于人力資源供給。這是因為身體狀況是老年人再就業的基本條件，只有身體健康才能夠為再就業后工作提供保障。

（二）穩健性檢驗

盡管本文在基本回歸估計中使用了逐步加入控制變量的方法，在一定程度上保證了結論的穩健性，但仍有必要進行更多維度的檢驗，更大程度地保證核心結論的穩健性。表3第（1）列使用了Logit估計方法對式（1）進行了重新估計，結果表明核心解釋變量phone的估計系數仍在1%的水平上顯著為負，即變換估計方法并不影響本文“互聯網顯著降低了老年人力資源供給的概率”這一核心結論。表3第（2）列使用“是否電腦上網”（computer）替換核心解釋變量，重新估計的結果顯示，其估計系數仍在1%的水平上顯著為負，即替換核心解釋變量亦未影響本文核心結論的穩健性。第（3）列使用“過去一周工作狀態”（workweek）替換因變量，重新估計的結果顯示，核心解釋變量phone估計系數依然在1%的水平上顯著為負，即替換因變量并不影響本文核心結論的穩健性。第（4）列同時替換了基準回歸中的因變量和核心解釋變量，結果表明本文核心結論仍然穩健。第（5）列和第（6）列改變了樣本量進行估計，即僅保留65歲及以上的老年群體樣本。不難發現，兩個衡量核心解釋變量的指標估計系數皆在1%的水平上顯著為負，再一次表明本文的核心結論相當穩健。

（三）PSM再估計

根據2018年CFPS調查數據，在已退休的城市老年群體中，使用互聯網比例仍然偏低，譬如“是否手機上網”調查中，回答“是”占比21.92%;“是否電腦上網”調查中，回答“是”占比8.67%。為了控制可能存在的選擇偏差（selection bias）問題，與現有文獻一致，本文使用了傾向得分匹配方法（Propensity Score Matching，PSM）嘗試予以緩解。以使用互聯網的老年群體為處理組（treat=1），未使用互聯網的老年群體為對照組（treat=0），使用Logit方法來估計傾向得分，進行最近鄰（nearest neighbor matching）且有放回的匹配。表4第（1）列為“1對1”最近鄰匹配的估計結果，平均處理效應為-0.068，且在5%的水平上顯著為負，意味著使用互聯網顯著降低了6.8%的老年人力資源供給。第（2）列和第（3）列分別使用了“1對3”和“1對5”最近鄰匹配，估計結果表明本文的核心結論依然穩健。第（4）列替換了核心解釋變量、第（5）列替換了因變量以及第（6）列同時替換了核心解釋變量和因變量重新估計。容易發現，本文核心結論相當穩健，亦即使用互聯網顯著降低了老年人力資源供給①。

（四）內生性檢驗

實際上，存在老年群體再就業影響互聯網使用的可能性，比如為了參加線上會議而學習上網技能等。為了控制可能存在雙向因果引致的內生性問題，借鑒周洋、華語音的方法，本文使用同一省內其他老年群體平均使用網絡情況（phone_p和computer_p）作為個體老年人使用互聯網的工具變量[25]。首先，合格的工具變量需要滿足相關性要求。平均網絡使用狀況反映了該省網絡通達程度和使用網絡的積極程度，從而會影響省內個體老年人的上網傾向。其次，還需要滿足外生性要求。省內其他老年人的網絡平均使用狀況并不會對個體老年人力資源供給狀況產生直接影響，可以認為滿足了外生性要求[25]。由于因變量老年群體再就業為二值虛擬變量，因此采用IVprobit模型進行估計，具體設定如下：

上式中，internetpi，ave表示省內其他老年群體平均使用網絡情況。

Stata軟件中工具變量估計命令IVprobit提供了兩種估計方法：兩步法估計和最大似然估計（Maximum Likelihood Estimate，MLE）。鑒于穩健性考慮，本文對兩種方法測度的核心解釋變量（phone和computer）分別使用兩種估計方法（兩步法和MLE法）進行考察，估計結果匯集于表5。第（1）列的兩步法估計表明，核心解釋變量phone的估計系數仍然在1%的水平上顯著為負，與本文核心結論一致。第一階段的F值為95.42，遠大于經驗值10，表明省內其他老年群體平均網絡使用程度對個體老年人使用互聯網具有較強的解釋力，不存在弱工具變量問題。此外，第一階段中變量phone_p的估計系數在1%水平顯著為正，即省內其他老年群體平均網絡使用程度顯著地促進了個體老年人使用互聯網。而Wald外生性檢驗拒絕了老年人使用互聯網不存在內生性的原假設，意味著工具變量回歸估計結果與原估計結果存在顯著差異，使用工具變量法進行估計是必要的。第（2）列的MLE估計方法顯示，核心解釋變量phone的估計系數仍然在1%的水平上顯著為負，意味著本文核心結論依然穩健。表5后兩列替換了核心解釋變量重新估計。不難發現，在使用不同的估計方法和指標處理內生性問題后，本文核心結論依然穩健。

（五）異質性分析

前文使用總樣本分析了互聯網對老年人力資源供給的影響，得出了“互聯網顯著降低老年群體再就業概率”的結論。接下來本文通過教育層次、收入水平和健康狀況三個方面進行分樣本的異質性分析。

1. 教育層次

本文將受過大專及以上教育的老年群體劃分為高層次教育水平組，其余則為低層次教育水平組。表6第（1）和第（2）列匯報了分組回歸的估計結果。本文發現，低層次教育水平組的核心解釋變量phone估計系數在1%水平上顯著為負①，即互聯網顯著降低了低層次教育水平老年人力資源供給，而高層次教育水平組的核心解釋變量phone估計系數在10%水平上顯著為正，即互聯網對高層次教育水平老年人力資源供給具有顯著的正面影響。其可能的原因為：對于低層次教育水平老年人，較難掌握以互聯網為依托的技術、技能，更多地選擇使用互聯網來進行社交或者娛樂活動替代工作，從而顯著地降低了老年群體再就業的概率;相反，對于高層次教育水平老年人，較容易掌握相關的技術、技能，因而使用互聯網來工作的可能性更大，提升了其退休后再就業的概率。

2.收入水平

與前述控制變量設定基本一致，本文將稅后退休金數額高于2 500元/月以上的老年群體劃分為高收入水平組，其余為低收入水平組，估計結果于表6第（3）和第（4）列呈現。估計結果表明：低收入水平組的核心解釋變量phone估計系數在10%水平上顯著為正，即互聯網對低收入水平老年人力資源供給具有顯著的正面影響。然而，高收入水平組的核心解釋變量phone估計系數在1%水平上顯著為負，即互聯網顯著降低了高收入水平老年人力資源供給。其可能的原因為：對于低收入水平的老年人而言，仍然有較大的意愿再就業以增加收入，引致互聯網對老年人退休后再就業具有促進作用[26]。相反，對于高收入水平的老年人，其生活壓力較小而引致工作意愿不強烈，更多地可能使用互聯網來進行社交或者娛樂活動來替代工作，從而顯著降低了老年人力資源供給的概率。

3.健康狀況

基于2018年CFPS調查數據，將不健康、一般健康和比較健康劃分為健康狀況不好組①，將很健康和非常健康劃分為健康狀況良好組，估計結果于表6第（5）和第（6）列呈現。結果表明：健康狀況不好組的核心解釋變量phone估計系數在1%水平上顯著為負，即互聯網顯著降低了健康狀況不好的老年人力資源供給概率。但健康狀況良好組的核心解釋變量phone估計系數在10%水平上顯著為正，即互聯網對健康狀況良好的老年人力資源供給具有顯著的正面影響①。這一結果與直覺相符，健康狀況是老年人力資源供給的基本條件，越是身體健康，越能夠承擔再就業時的工作任務。

（六）影響渠道分析

前文的實證分析表明：互聯網顯著降低了老年人力資源供給的概率，這一結論在經過穩健性檢驗、PSM再估計和內生性檢驗后依然成立。結合前文的理論機制分析，這一結果出現的可能原因為，互聯網對老年群體的“替代效應”大于“學習效應”“信息效應”，從而導致了互聯網使用顯著降低了老年再就業的概率。接下來，本文將對影響渠道進行實證檢驗。計量模型設定如下：

其中，channel表示影響渠道變量，包括受教育水平、社交、娛樂、商業活動、學習和信息變量（詳見后文），其他符號含義與式（1）一致。

1.對低技能工作的替代效應

本文使用老年群體受教育水平來衡量勞動技能水平，為了驗證互聯網對低技能工作的替代效應，將變量education逆序排列，即大專及以上學歷取值為1，文盲或半文盲取值為5，生成新變量educa，繼而設定互聯網與教育水平變量的交互項為phone×educa②，然后使用模型（4）進行估計，結果匯集于表7第（1）列。本文發現，在核心解釋變量phone的估計系數仍然高度顯著為負的情況下，交互項phone×educa的估計系數亦在1%的水平上顯著為負，意味著隨著老年群體教育水平的下降，互聯網顯著降低了其再就業的概率。這一結果可以與表6第（1）列的估計結果相互印證，即對于低技能勞動者而言，互聯網是對日常性工作的替代。當老年人群體中，低技能勞動者較多時，互聯網可能會引致老年群體再就業概率的下降。根據表6第（2）和第（3）列，本文所使用的樣本中，低教育水平的老年人占比超過70%（1 647/2 275=0.724 0），這或許是“互聯網顯著降低了老年人力資源供給”這一結論的重要原因之一。

2.其他用途的替代效應

2018年CFPS調查數據中，關于互聯網使用頻率的調查，包括了對互聯網用于工作、社交、娛樂、商業活動和學習五種用途。每一種用途的調查選項包括如下8項：“幾乎每天”“一周3～4次”“一周1～2次”“一月2～3次”“一月1次”“幾個月1次”“從不”和“不適用”。本文將每種用途變量設定為二值虛擬變量，當選項為“從不”和“不適用”時取值為0，其他選項取值為1。然后，設定互聯網與社交用途交互項phone×communi、互聯網與娛樂用途交互項phone×enterm、互聯網與商業活動用途交互項phone×business以及互聯網與學習用途交互項phone×study③。

表7第（2）列匯集了互聯網社交用途的替代效應。結果表明：核心解釋變量phone的估計系數在5%的水平下顯著為負，意味著本文核心結論依然穩健。然而，交互項phone×communi的估計系數在5%的水平上顯著為負，意味著隨著用于社交用途的頻率增加，互聯網顯著降低了老年人再就業的概率，即對于老年人，互聯網的社交用途對再就業具有顯著的替代效應。

表7第（3）列匯集了互聯網娛樂用途的替代效應。估計結果顯示：核心解釋變量phone的估計系數仍然在5%的水平下顯著為負，而交互項phone×enterm的估計系數亦在5%的水平上顯著為負，意味著隨著用于娛樂用途的頻率增加，互聯網顯著降低了老年人再就業的概率，即對于老年人，互聯網的娛樂用途對再就業具有顯著的替代效應。

表7第（4）列匯集了互聯網商業活動用途的替代效應。結果表明：在核心解釋變量phone的估計系數仍然高度顯著為負的情況下，交互項phone×business的估計系數雖為負，但在10%的水平上不顯著異于零，意味著隨著用于商業活動用途的頻率增加，互聯網并未顯著降低了老年人再就業的概率，即對于老年人，互聯網的商業活動用途對再就業不具有顯著的替代效應。

綜上所述，本文研究發現，老年群體使用互聯網用于社交和娛樂用途顯著替代了用于再就業，而用于商業活動用途的替代效應并不顯著。由此可見，社交和娛樂用途的替代效應可能是“互聯網顯著降低了老年人力資源供給的概率”這一結論的另一個重要原因。

3.學習效應

老年群體可以通過互聯網平臺進行學習知識、交流經驗從而提高自身的工作能力，有助于提高再就業的概率。表7第（5）列匯集了互聯網的學習效應，結果表明：核心解釋變量phone的估計系數仍然在1%的水平下顯著為負，然而交互項phone×study的估計系數在10%的水平上顯著為正，意味著隨著用于學習用途的頻率增加，互聯網顯著提高了老年人再就業的概率，即對于老年人，互聯網的學習用途對再就業具有顯著的學習效應，這一結果與前文理論機制分析基本一致。

4.信息效應

2018年CFPS調查數據中，匯集了“互聯網作為信息渠道的重要程度”的調查，具體為：-1代表不知道，1代表非常不重要，2代表不重要，3代表一般重要，4代表重要，5代表非常重要。剔除掉“不知道”的樣本后，設定本文實證分析使用的信息渠道變量（informa），然后生成互聯網與信息交互項phone×informa，使用模型（4）進行估計，結果于表7第（6）列呈現。容易發現，核心解釋變量phone的估計系數仍然在1%的水平下顯著為負，然而交互項phone×informa的估計系數在10%的水平上顯著為正，意味著隨著作為信息渠道的重要程度增加，互聯網顯著提高了老年群體再就業的概率，即對于老年群體，互聯網對再就業具有顯著的信息效應，這一結果也與前文的理論分析基本一致。

五、結論與啟示

利用2018年中國家庭追蹤調查（CFPS）數據，本文考察了互聯網對我國城市老年人力資源供給的影響及其作用機制。實證分析結果表明，互聯網顯著降低了我國城市老年群體再就業的概率，這一結論在經過多維度的穩健性檢驗、PSM方法再估計以及內生性檢驗后依然成立。影響渠道分析發現，對于我國城市老年人群體，互聯網的“替代效應”大于“信息效應”“學習效應”，因此降低了我國城市老年群體再就業的概率。此外，異質性分析表明，互聯網對低教育水平、高收入水平和健康狀況不好的老年人群體再就業具有顯著的抑制作用，但對高教育水平、低收入水平和健康狀況良好的老年人群體再就業具有顯著的促進作用。

鑒于以上研究結論，本文獲得如下政策啟示：

第一，應積極推動老年教育專業化、分層化發展，提高老年群體的教育水平，提升老年群體的綜合素質。一方面，建設教學體制靈活的老年大學遠程教育體系，使老年人群體可以結合自身的時間安排達到學習的目的，為體力和精力尚佳的老年群體再就業或開辟新的事業領域提供知識和能力;另一方面，積極推動老年教育網站建設，為老年人群體提供政策咨詢、健康教育和社會參與等信息服務，解答老年人群體政策方面的疑惑和困惑，幫助老年人群體掌握科學合理的保健養生知識，滿足老年人群體參與社會需求和表達訴求。通過專業知識體系的學習，提升老年人群體的綜合素質，為老年人力資源供給打下堅實基礎。

第二，應整合資源構建老年人力資源開發平臺，為老年人群體社會參與提供技術支持，協助老年人群體掌握互聯網相關技術、技能，從而減緩互聯網對中低教育水平老年人力資源供給的消極作用。利用大數據手段，建設老年人力資源大數據信息庫，建立集就業咨詢、職業介紹、就業培訓和就業跟蹤服務等功能于一體的老年群體再就業平臺，為老年人群體再就業提供數據支撐，對老年群體再就業進行培訓和心理輔導，促進經驗整合并轉變就業觀。

第三，應加強“老有所為”的宣傳，調整政府“重養輕用”的政策偏向。應深刻認識到人口老齡化對我國經濟和社會發展的長遠影響，加速轉變舊有觀念，積極制定應對策略。鼓勵收入水平較高的老年群體積極再就業，有效利用工作經驗優勢充分發揮余熱;鼓勵專業技術領域人才延長工作年限，積極發揮其在科學研究、學術交流和咨詢服務等方面的作用，從而減輕互聯網的其他用途對工作的替代效應，最終提高老年人力資源供給。

第四，應彈性化延遲退休年齡，完善配套政策措施，激發企業雇傭積極性。深入貫徹《老年人權益保障法》，制定和出臺一系列促進老年群體就業的法律法規，依法保護老年人口的就業權益。同時也要保護用人單位的利益，激發用人單位開發和利用老年人力資源的積極性[27]。此外，身體健康是老年人力資源供給的基本條件，除不斷提高醫療水平外，還需要加強公共體育基礎設施建設，強化宣傳和普及科學保健知識力度，從而提高老年群體的身體健康狀況，在數字時代有效推動老年人力資源供給。

參考文獻

[1]? 雷曉康，王炫文，雷悅橙.城市低齡老年人再就業意愿的影響因素研究——基于西安市的個案訪談[J].西安財經大學學報，2020（6）：102-109.

[2]? 陽義南，謝予昭.推遲退休年齡對青年失業率的影響——來自OECD國家的經驗證據[J].中國人口科學，2014（4）：46-57+127.

[3]? 馬俊龍，寧光杰.互聯網與中國農村勞動力非農就業[J].財經科學，2017（7）：50-63.

[4]? 趙羚雅，向運華.互聯網使用、社會資本與非農就業[J].軟科學，2019（6）：49-53.

[5]? 馬繼遷，陳虹，王占國.互聯網使用是否促進了農村青年非農就業？——基于2018年CFPS數據的實證分析[J]. 當代經濟管理，2021（1）：68-75.

[6]? 毛宇飛，曾湘泉. 互聯網使用是否促進了女性就業——基于CGSS數據的經驗分析[J].經濟學動態，2017（6）：21-31.

[7]? 丁棟虹，袁維漢.互聯網使用與女性創業概率——基于微觀數據的實證研究[J].技術經濟，2019（5）：68-78.

[8]? 劉漢輝，李博文，宋健.互聯網使用是否影響了女性創業？——來自中國家庭追蹤調查（CFPS）的經驗證據[J].貴州社會科學，2019（9）：153-161.

[9]? 馬繼遷，陳虹，王占國.互聯網使用對女性創業的影響——基于CFPS數據的實證分析[J]. 華東經濟管理，2020（5）：96-104.

[10]? 趙建國，周德水.互聯網使用對大學畢業生就業的影響——來自CGSS數據的經驗分析[J].社會保障研究，2019（3）：72-81.

[11]? 趙建國，周德水.互聯網使用對大學畢業生就業工資的影響[J]. 中國人口科學，2019（1）： 47-60+127.

[12]? 萬芊. 城市低齡老年人再就業促進研究——基于上海市的調查[J]. 社會科學研究，2013（6）： 114-117.

[13]? 龔紅，孫文曉，霍雯.老年人力資本特征對其再就業行為影響的實證檢驗[J]. 統計與決策，2016（8）： 98-100.

[14]? 連茜平.老年人口紅利開發背景下老年人再就業意愿實證分析[J]. 許昌學院學報，2018（7）： 76-78.

[15]? 閭志俊.低齡老年人力資源再就業的影響因素與促進策略——基于江蘇省南通市區的調查[J]. 天水行政學院學報，2019（5）： 18-24.

[16]? 周冬.互聯網覆蓋驅動農村就業的效果研究[J].世界經濟文匯，2016（3）：76-90.

[17]? BLOOM N， LIANG J， ROBERTS J et al. Does Working from Home Work？ Evidence from a Chinese Experiment[J]. The Quarterly Journal of Economics， 2015， 130（1）： 165-218.

[18]? DETTLING L J. Broadband in the Labor Market： The Impact of Residential High-Speed Internet on Married Womens Labor Force Participation[J]. Industrial & Labor Relations Review， 2017，70（3）： 451-482.

[19]? KUHN P， MANSOUR H. Is Internet Job Search Still Ineffective？[J]. The Economic Journal， 2014， 124（581）： 1213-1233.

[20]? HOLMAN D. Job Types and Job Quality in Europe[J]. Human Relations， 2013（4）： 475-502.

[21]? ATASOY H. The Effects of Broadband Internet Expansion on Labor Market Outcomes[J]. Industrial & Labor Relations Review， 2013， 66（2）： 315-345.

[22]? AKERMAN A， GAARDER I， MOGSTAD M. The Skill Complementarity of Broadband Internet[J]. The Quarterly Journal of Economics， 2015， 130（4）： 1781-1824.

[23]? 劉生龍，郎曉娟. 退休對中國老年人口身體健康和心理健康的影響[J]. 人口研究，2017（5）：74-88.

[24]? 鄭愛文，黃志斌. 基于個人和社會雙重視角的老年人再就業影響因素分析[J]. 寧夏社會科學，2018（5）：133-143.

[25]? 周洋，華語音. 互聯網與農村家庭創業——基于CFPS數據的實證分析[J]. 農業技術經濟，2017（5）：111-119.

[26]? 張翼，李江英. “強關系網”與退休老年人口的再就業[J]. 中國人口科學，2000（2）：34-40.

[27]? 逯進，劉俊琦.老齡化、政府支出與經濟增長——基于中國省域視角的實證研究[J].重慶社會科學，2021（2）：54-74.

（責任編輯：易曉艷）