Can Social Networks Increase the Migrant's Wage: Analysis Based on Mechanism and Heterogeneity
-
摘要: 社会网络在劳动力市场中的作用一直存有争议，特别是对于中国城市劳动力市场中的特殊群体——流动人口的影响尚不确定。为此，基于2016年中国流动人口动态监测数据，从影响程度、路径及异质性等方面考察了社会网络对流动人口工资的作用。研究发现，社会网络并不能帮助流动人口提高工资水平，与正规渠道相比，流动人口通过社会网络获取的工资水平反而降低了7.9%，原因在于其依赖的是一种低级别的关系网络，传递给雇主的是弱能力信号。细分之，相比同乡和朋友的弱关系，亲人的强关系网络对工资的负向影响更大；随着流动人口职业层级的提高，社会网络的影响作用呈减弱趋势。由此，拓宽和正规化就业搜寻方式、通过教育和培训提升其人力资本等，是提高流动人口工资水平的有效途径。Abstract: The role of social networks in the labor market has always been controversial, especially for a special group of migrants in the Chinese urban labor market. Based on the data from China Migrants Dynamic Survey (CMDS) in 2016, this paper systematically examines the impact of social networks on migrants' wage from the aspects of influence degree, mechanism analysis and heterogeneity analysis. The study found that social networks cannot help migrants increase their wages, and compared with formal channels, the wages that migrants obtain through social networks are 7.9% lower, for their social networks are thought to be low-level networks with weak ability signals. Specifically, compared with the weak relationship of fellow villagers and friends, the strong relationship network of relatives has a greater negative impact on wages; with the improvement of the professional level, the influence of social networks shows a weakening trend. Therefore, it can be concluded that broadening and formalizing the search methods for employment, improving their human capital through education and training are effective ways to raise the wage level of migrants.
-
Key words:
- social networks /
- migrants /
- network hierarchy /
- weak ability signal /
- employment /
- wage level /
- wage
-
一、 引言
根据《中国流动人口发展报告(2020)》，截至2019年底，我国流动人口数量达到2.36亿，其中农民工为1.74亿，流动人口占全国总人口的16.74%①，成为城市建设的中坚力量。然而，根据国家统计局公布的《2019年农民工监测调查报告》，农民工月均收入为3 962元，仅占同年城镇单位就业人员月均工资7 541元②的52.5%。在“十四五”规划中，中央明确提出“全体人民共同富裕要迈出坚实步伐”的要求，到2021年中央财经工作会议又将共同富裕列为一项重大议题，因而关注和研究包含农民工在内的流动人口的工资水平具有重要意义。
① 数据来源于中国国家统计局。
② 国家统计局原始数据是城镇单位就业人员年平均收入90 501元，在此折算成月收入。
现有文献有关流动人口的工资及其与其他群体工资差距的研究，主要从人力资本(刘林平和张春泥，2007)[1]和身份差异(潘丽群等，2020)[2]两个层面展开。随着社会资本等概念的兴起，从社会网络视角来研究流动人口的工资也是一个重要分支。中国作为一个关系型社会(Bian，1997)[3]，流动人口的社会网络属性有其特殊性，流动人口虽然离开了故乡，但是其社会网络依然深刻影响着他们在流入地的生活和工作。
相较人力资本和身份差异对流动人口工资水平的影响和作用，社会网络对流动人口就业和工资的影响存在较大争议。部分学者研究发现社会网络对流动人口的工资提高具有积极作用(陈钊等，2009；章元和陆铭，2009；陈云松，2012；叶静怡等，2012；王春超等，2015)[4-8]；部分学者却证明社会网络无助于流动人口的工资提升(刘林平和张春泥，2007；赵延东，2002；Chen等，2018；王子敏，2019)[1, 9-11]。从现有研究来看，以下几方面还值得进一步探讨：(1)结论的争议性。目前关于社会网络对流动人员工资水平的作用没有得到相对一致的结论，且近年劳动力市场的结构发生了巨大变化，因而此问题值得进一步探讨。(2)样本的局限性。大多学者将乡城流动人口的农民工作为研究对象，忽视了城城流动人口。在乡城流动人口增长放缓而城城流动人口递增的趋势下，对包含城城和乡城的流动人口整体性研究具有必要性。(3)社会网络的具体特性。社会网络具有垂直性和等级性(林南，2005；张春泥和刘林平，2008)[12-13]，而且不同等级社会网络产生的作用具有显著差异[3, 7]。目前研究中忽略了不同群体所处网络的等级性，仅对社会网络进行整体性考察，而考察网络的等级性和区分不同群体拥有社会网络的特征将更具有针对性和现实意义。(4)缺乏机制或路径分析。多数研究分析了社会网络的影响程度，但缺乏对社会网络影响的机制或路径的实证检验[4, 13]。
针对上述不足，运用最新的相对全面的流动人口动态监测数据展开社会网络对流动人口工资的实证研究，并进一步从网络的等级性、弱能力信号和求职效率与工资的权衡三个方面，探讨社会网络影响流动人口工资的路径。可能的边际贡献主要有以下几点：第一，使用最新的包含城城流动和乡城流动的流动人口样本，构造工具变量克服社会网络可能存在的内生性问题，对社会网络影响流动人口工资的稳健性作了实证分析。第二，弥补以往文献探讨路径的不足，从网络的等级性、弱能力信号、求职效率与工资的权衡三方面探讨和实证检验了社会网络影响流动人口工资的路径。第三，作了两个层次的异质性分析，全面展示了不同社会网络强度对不同就业特征和个体特征的影响状态，有助于完善提高流动人口工资的有效路径和政策建议。
二、 相关文献综述
所谓社会网络，又称为社会关系。费孝通(2008)[14]认为社会关系是以个人为中心的社会关系总和，它包括两个层面：一是家人、亲戚、朋友等紧密关系；二是商业交换与信息交流的弱关系。本研究中的社会关系属于第一个层面。
社会网络影响劳动力市场的研究主要从是否促进就业和提高工资两层面展开。在就业层面，研究结论较为一致，认为社会网络提升了求职者的就业概率。如Munshi(2003)[15]对美国劳动力市场上的墨西哥移民进行研究，发现社会网络可以影响劳动力在市场上找到工作机会和工作类型；李培林(1996)[16]采用山东济南市的问卷调查数据进行研究，发现流动农民工更多依赖于社会网络获得求职信息和找到工作。McDonald等(2009)[17]从工作信息的性别与种族分布的角度出发，发现社会网络能够有效帮助求职者获得就业信息，体现一定的求职优势。
在工资层面，相关研究暂无一致结论。部分研究认为，社会网络能够有效帮助工人获得更高工资，如陈钊等(2009)[4]利用中国家庭收入调查数据(CHIP)，以“找工作时有多少人能够提供帮助”为代理变量，发现社会网络帮助了劳动者将行业的高利润转化成个人的高收入，将关系利益化；章元和陆铭(2009)[5]基于22个省份的农户调查数据，利用农民工祖辈的社会背景和是否来自革命老区作为工具变量，发现社会网络微弱地直接提高了农民工工资水平，通过工作类型间接影响了工资水平；陈云松(2012)[6]基于多重模型识别策略的因果效应，以“村庄外出打工人数”为代理变量，发现社会网络能正向影响工资水平；Obukhova和George(2013)[18]基于大学毕业生从学校迈向社会求职的数据调查，从初职收入的角度出发，发现拥有社会网络确实能增加第一份工作的工资。部分学者进一步将网络分层或分类，如叶静怡等(2012)[7]从社会网络层次的视角，利用2009年北京市农民工调查数据，基于身份定位模型得到高层次社会网络能显著帮助农民工获得高工资的结论；王春超等(2015)[8]将社会网络分为数量与质量两方面，基于珠三角9个城市的研究发现，社会网络可以增加劳动者工资，其中社会网络质量比数量的作用更大。
部分研究对社会网络与工资的关系持否定态度。如赵延东(2002)[9]以2000年武汉市下岗工人的调查数据，结合“春节拜年网”度量社会网络，发现社会网络在1995年劳动力市场比较完善后，劳动者获得了更低的收入；刘林平和张春泥(2007)[1]以珠三角农民工为研究对象，选择“请客送礼”和“参加工会”作为社会网络的代理变量，同样发现社会网络不能增加农民工的工资；Chen等(2018)[10]利用2007年中国和印度尼西亚流动人口数据(RUMiCI)进行研究，发现农村户籍流动人口利用社会网络找到工作与其工资水平呈负向关系。还有研究发现影响效果取决于网络类型，如王子敏(2019)[11]利用2013年国家流动人口动态监测数据进行研究，发现社会网络对农村流动人口就业收入的提升有显著的正向影响，且这种影响主要是强社会关系导致的，弱社会关系没有显著影响；且在互联网环境下，无论是强、弱关系还是整体社会网络，对农村流动人口就业收入均没有显著性作用。
进一步，不同社会网络层次和强度对劳动力造成的影响也存有差异。刘林平(2001)[19]以深圳平江村为个案，从两个时点对关系重新分类，提出了强关系、弱关系、弱强关系和强弱关系的四种类型，发现不同类型关系的功用是不同的；叶静怡和武玲蔚(2014)[20]基于2009年北京市进城务工人员调查数据，采用定位法区分了社会资本，发现只有具有结构性内涵的社会资本对进城务工者的工资具有正向影响。而张春泥和刘林平(2008)[13]提出了依据网络关系在求职组织内外的位置进行研究的方法，基于珠江三角洲的调查数据将社会网络分为两类，发现使用企业内网络求职对农民工工资有促进作用，而使用企业外网络求职则对其工资没有影响。
社会网络有效性对不同类型的劳动者的影响存在异质性。如边燕杰(2004)[21]以中国1999年5个城市的调查资料，将“春节拜年网”作为代理变量，发现社会网络会给不同人群带来不同势力，例如领导干部、企业经理、专业人员及其他白领阶层拥有更优的社会网络和较高的社会资本积累，但小雇主和工人的社会资本处于相对劣势地位。类似地，吴愈晓(2011)[22]利用2009年8个城市的数据，区分了不同类型的关系使用者，选择“拜年网因子得分”作为代理变量，发现对于使用关系和通过正规渠道获得工作后两类劳动者的工资有显著的正向影响，而对使用关系和正规渠道两者结合获得工作后的劳动者工资影响并不显著。
关于社会网络如何影响劳动者的就业及其工资的文献较为稀缺，仅有少量简略的文字描述[4, 13]，但大多没有探讨其作用机制并进行实证检验机制。表 1罗列了相关文献的研究情况，从中可以发现，目前研究存在数据覆盖面较为狭窄、社会网络影响工资的路径研究缺乏、结论差异显著等不足。因此，本研究将基于最新的全国流动人口监测数据进行补充研究，不仅科学有效地检验社会网络对流动人口工资的影响，还将进一步对影响结果展开路径探讨。
表 1 主要研究对比分析表主要文献 样本 社会网络代理变量 工具变量 作用机制 主要结论 陈钊等(2009)[4] 2002年中国家庭收入调查 找工作时有多少人能提供帮助 家庭祖辈的政治成份 无 正向 陈云松(2012)[6] 2002年中国家庭收入调查 村庄外出打工人数 村庄遭受的自然灾害强度 无 正向 叶静怡等(2012)[7] 2009年北京市农民工调查数据 是否认识北京的高级管理人员或高级技术人员 无 有 正向 叶静怡和武玲蔚(2014)[20] 2009年北京市进城务工人员调查数据 使用定位法测量声望社会资本和权利社会资本 春节是否给他人拜年及拜年次数 无 正向 王春超等(2015)[8] 2008年珠三角九个城市 好友个数、受教育年限及职业阶层 第一次外出是否与其他人同往，是否参与非政府组织活动 无 正向 章元和陆铭(2009)[5] 2002年中国家庭收入调查 曾经赠送过礼品或金钱的亲友数、赠送亲友礼金价值占总支出的比例 户主配偶的母亲是否曾属于地主、富农或黑色阶级；是否来自于革命老区 无 微弱正向 赵延东(2002)[9] 2000年武汉市下岗工人的调查问卷 春节拜年网 无 无 负向 刘林平和张春泥(2007)[1] 2006年珠三角农民工数据 请客送礼和参加工会 无 无 负向 Chen等(2018)[10] 2007年中国和印度尼西亚流动人口数据 找工作社会网络 无 有 负向 王子敏(2019)[11] 2013年流动人口监测数据 亲友数量和礼金 无 无 不确定 注：作者自己整理。 三、 数据来源、变量定义与模型构建
（一） 数据来源
选取由国家卫生计生委组织开展的“2016年全国流动人口卫生计生动态监测调查(2016CMDS)”A卷数据。该调查抽样31个省市和新疆生产建设兵团的433个市级地区，选取在流入地居住一个月及以上、非本区(县、市)户口的15周岁及以上流入人口为调查对象，最后得到16.9万个样本数据，涉及流动人口家庭成员约45万。该调查收集了流动人口的家庭成员及收支情况、流动与就业、居留与落户意愿以及婚育和卫生计生服务等方面的情况。尽管国家卫生计生委已发布2017年流动人口的动态监测调查数据，但社会网络指标数据缺失，因而采用2016年的数据进行研究。
为了分析社会网络对流动人口工资的影响，剔除未找到工作、没有获得收入以及控制变量缺失数据的样本，最终得到136 208个样本数据。
（二） 变量定义
1.因变量：工资的对数。将问卷中“您个人上个月(或上次就业)纯收入为多少”作为工资的表征变量。
2.自变量：社会网络。自变量的设置用虚拟变量表示，使用问卷中“您找工作是通过下列哪种途径”作为衡量指标①，将“家人、朋友、亲戚、同乡”选项定义为社会网络，其他途径定义为非社会网络，分别赋值1和0。需要特别强调的是，因流动人口的流入地可能受到同乡情节这一社会网络的影响，即具有较多同乡的地区对流动人口具有更大的吸引力，因此为排除流动人口对流入地的自我选择倾向问题，使用工具变量法解决流入地的社会网络内生性问题。
① 问卷中可选择的答案包括：1家人，2同乡，3亲戚，4朋友，5互联网，6报纸、杂志、小广告等社会媒体，7社会中介，8政府部门，9企业/老板招聘，10自主就业，11其他。
采用的工具变量有两种。一种是采用本样本数据的城市社会网络作为个体的社会网络工具变量。另一种是采用2000年的普查数据和2005年的1%抽样调查数据中的城市社会网络作为个体的社会网络工具变量。具体而言，首先追溯流动个体的户籍来源地，然后计算来源于此户籍地的流动人口占流入地所有流动人口的比值，并将此占比作为流动个体的城市社会网络指标，用公式可表达为：城市社会网络=流动个体户籍地来源的全部流动人口/流入地所有的流动人口。
3.控制变量：一是人口学个体特征。主要包括流动人口的性别、年龄及其平方项、婚姻状况、是否少数民族以及户籍性质等。个体特征反映了个体之间的差距。例如，男性在就业过程中享有优势，而女性和少数民族则容易受到歧视；工资在不同的年龄阶段有所不同；不同的婚姻状况会使劳动力处于不同的家庭环境下，从而影响劳动力的生产效率；户籍制度可能让农村户籍人群在就业中处于不对等的地位，在此将其设置为虚拟变量，若农村户口为1，其他户口性质为0。二是人力资本特征。主要包括受教育程度以及是否共产党员。受教育程度分成三类，以区分低、中、高三类受教育程度的流动人口；党员身份是政治面貌的重要体现，具有党员身份可能为劳动者带来工资溢价。三是流动特征。主要包括流动人口的流动次数、流动时长、流动范围以及流动前父母是否有流动经历等因素。首先，流动人口的流动次数越多，流动时长越长，对流入地的环境越熟悉，获得更高工资工作的机会也就越大。其次，流动人口的流动范围越小，如跨区县的流动，因流入地与流出地相邻，所以发展水平相近，进而获得的工资与不流动的工资可能相差不大；反之，更大范围的流动也就意味着流动人口愿意支付更高的机会成本去获得工作，而这样的工作工资可能会更高。另外，代际网络关系也是需要考量的因素，父母是否有流动经历可能会影响个体获得工作的概率和工资高低。因此，对流动范围的设置以流动距离为依据，由近及远进行分类，流动次数和流动年限基于数据的分布情况将其分为三大类。
为了进一步探究社会网络的异质性作用，对引入流动人口的工作特征进行分组回归。工作特征主要包括流动人口的职业所属层级和所在单位性质，其中，职业分类参照李春玲(2006)[23]的职业层级分类方法，并结合本研究的需要做出一定修改，将职业划分为三个阶层，分别是：农林牧渔业/无职业/其他人员、生产制造与商业服务人员以及公务员与专业技术人员。根据就业单位性质，可分为国有单位和非国有单位。表 2汇总了具体的变量定义。
表 2 变量定义变量类型 变量名称 变量说明 因变量 工资的对数(lnwage) 对问卷中回答的工资取对数 自变量 社会网络(social) 使用社会网络找到工作=1；正规方式=0 个体特征变量 性别(gender) 女=0；男=1 年龄(age) 2016-出生年份 民族(minority) 汉族=0；少数民族=1 婚姻状况(marrital) 已婚=1；其他=0 户口性质(hukou) 农村户口=1；其他=0 人力资本变量 受教育程度(edu) 未受教育、小学、初中=1；高中、大专=2；本科及以上=3 是否共产党员(party) 是=1；否=0 流动特征变量 流动范围(f-range) 跨县=1;跨市=2；跨省及以上=3 流动次数(f-times) 流动次数小于3次=1；3~5次=2；5次及以上=3 流动年限(f-years) 流动年限小于3年=1；3~5年=2；5年及以上=3 流动前父母是否流动(f-par) 是=1；否=0 工作特征变量 职业(occ) 按照职业层级划分为1-3 就业单位性质(unit) 国有单位=1；非国有=0 （三） 模型构建
为检验社会网络对流动人口工资的影响，基于Mincer工资方程，构建如下基本模型：
$$Lnwage = {\alpha _0} + {\beta _1}social + {\beta _2}{X_1} + {\beta _3}{X_2} + {\beta _4}{X_3} + \varepsilon $$ 其中，被解释变量Lnwage为个人工资的对数，解释变量social代表社会网络，而控制变量X1代表个体特征变量，主要包括性别、年龄及其平方项、民族、户口性质、婚姻状况；X2代表人力资本变量，包括受教育程度、是否党员；另外，X3代表流动特征变量，包括流动范围、流动次数、流动时间以及父母流动状态等，ε代表残差项。
（四） 描述性统计
表 3为变量的描述性统计。从数据来看，使用社会网络找工作的占比达43%，表明社会网络是流动人口重要的工作搜寻方式。从其他控制特征来看，男性占比约58%，已婚人数约占80%；全样本的平均年龄是35.57岁，可以看出大部分流动人口处于青壮年时期。另外，有60%的人受教育程度为初中及以下，获得高等教育的人数只占7%，表明流动人口中大部分人受教育程度相对较低；受教育程度均值为1.46，说明流动人口整体受教育程度为中学水平。最后，流动人口中农村户籍和非农村户籍占比分别为83%和17%，仍然以农村户籍为主。
表 3 变量的描述性统计变量 样本量 均值 标准差 最小值 最大值 工资的对数 136 208 8.12 0.61 1.61 11.51 社会网络 136 208 0.43 0.50 0 1 性别 136 208 0.58 0.49 0 1 年龄 136 208 35.57 9.52 18 99 年龄的平方 136 208 1355.72 731.20 324 9801 少数民族 136 208 0.075 0.26 0 1 户口性质 136 208 0.83 0.38 0 1 婚姻状况 136 208 0.81 0.39 0 1 受教育程度 136 208 1.46 0.62 1 3 是否共产党员 136 208 0.04 0.20 0 1 流动范围 136 208 2.34 0.74 1 3 流动次数 136 208 1.09 0.34 1 3 流动年限 136 208 2.00 0.73 1 3 流动前父母是否流动 136 208 0.20 0.40 0 1 职业 136 208 2.05 0.40 1 3 就业单位性质 136 208 0.08 0.28 0 1 四、 实证分析与稳健性检验
（一） 基准回归结果
表 4是对样本进行OLS逐步回归得到的结果。首先，关注社会网络这一关键变量的系数变化，在依次加入个体特征、人力资本、流动特征的控制变量后，社会网络的回归系数始终为负，并且在1%统计水平上显著，说明通过社会网络寻找工作并没有提高流动人口的工资水平。在控制个体特征、人力资本特征、流动特征后，流动人口通过社会网络获得工作的工资比非社会网络获得工作的工资低7.9%，这与Chen等(2018)[10]的研究具有一致性，说明流动人口借助社会网络找到工作，但是并没有促进其工资水平的提高。
表 4 社会网络对工资的影响变量 (1) (2) (3) (4) 社会网络 -0.129***(-38.536) -0.096***(-29.652) -0.071***(-22.020) -0.079*** (-24.789) 性别 0.252***(78.275) 0.246***(77.149) 0.241***(76.321) 年龄 0.043***(35.569) 0.047***(38.791) 0.046***(37.667) 年龄平方 -0.001***(-42.938) -0.001***(-44.026) -0.001***(-43.326) 少数民族 -0.150***(-24.889) -0.129***(-21.693) -0.101***(-17.084) 户籍 -0.184***(-43.410) -0.084***(-18.330) -0.081***(-17.986) 婚姻状况 0.135***(28.277) 0.146***(30.727) 0.140***(29.892) 受教育程度 0.154***(51.760) 0.161***(54.545) 党员身份 0.059***(7.151) 0.064***(7.794) 流动范围 0.116***(55.458) 流动次数 0.036***(7.687) 流动时间 0.015***(6.563) 父母流动 0.011***(2.762) 常数项 8.172***(3 721.840) 7.426***(341.833) 6.988***(304.279) 6.656***(276.616) N 136 208 136 208 136 208 136 208 R2 0.011 0.099 0.119 0.140 F 1 484.986 2 146.605 2 039.838 1 705.219 注：括号内的数值是t值；***、**和*分别表示1%、5%和10%的显著性水平。下表同。 其次，在个体特征变量中，发现男性与已婚群体会获得更高工资，分别增加24.1%和14.0%；工资与年龄的平方呈负相关关系，表明工资与年龄呈倒U型关系；而少数民族会受到工资歧视，比汉族的工资低10.1%；另外，户籍的负向作用也十分明显，农村户籍工资比非农户籍的工资低8.1%。
再次，在人力资本变量中，受教育程度的因素对流动人口获得高收入工作的影响显著为正。其中，受教育程度每增加一个阶段，工资增加16.1%；党员的工资比非党员的高6.4%，说明以党员身份为门槛的工作机会具有相对高的工资待遇。
最后，流动特征显示，流动范围的大小显著影响流动人口的工资，其影响系数也相对较大，为0.116，这意味着流动人口去更远的地方找到更高薪资工作的机会更高。且随着流动次数与流动时间的增加，流动人口获得更加丰富的外地工作经验，从而获得更多的高工资机会。另外，发现父母的社会网络对子女的工资也具有显著影响。
综上，从基准回归来看，社会网络对流动人口的工资有直接的消极作用，其影响力度远远高于年龄与党员身份，接近户籍所带来的影响。虽然社会网络是流动人口获得工作的重要方式，但对其工资并没有人们通常预期的高。
（二） 内生性处理
考虑到设定的模型中，社会网络可能存在联立性偏误和遗漏重要变量所导致的内生性问题，如社会网络的构建并非具有随机性，人们的社交活动可能基于共同的特征，如兴趣爱好、个人特征等相似性而形成稳定的社会关系，因此利用社会关系找工作的人未必是因为其社会网络更广泛，而是因为其个人特征、习惯甚至当地风俗等不可度量的因素。并且，社会网络的使用可能受限于工资，收入越高的人拥有更强的构建社会网络的能力与更广泛的网络关系，反而收入越低的人越是寄托于社会网络寻找工作。因此，本研究使用工具变量法来解决此内生性问题，选取基于2016年流动人口监测数据、2000年全国人口普查数据和2005年1%人口抽样调查数据的城市社会网络作为个体社会网络的工具变量。
表 5显示了三种工具变量的二阶段回归结果。第(1)列是基于样本数据构建的工具变量，在两阶段工具变量的估计结果中，一阶段估计的F值为29 395.74，大于16.38(Stock和Yogo，2005)[24]，故而拒绝了弱工具变量假设。同时工具变量与被解释变量个人社会网络紧密相关，工具变量被认为是合理的。从二阶段估计结果来看，社会网络的边际影响为-0.081，且在1%统计水平上显著，与基准回归结果类似，表明社会网络确实负向影响了流动人口的工资水平。第(2)列和第(3)列分别是基于2000年普查数据和2005年1%抽样调查数据构建工具变量的回归结果。其中，一阶段估计的F值分别为54 713.33和57 653.74，依然拒绝了弱工具变量假设；二阶段回归中社会网络的边际影响分别为-0.084和-0.086，且在1%统计水平上显著。总体而言，三种不同样本构建的工具变量具有有效性，且二阶段回归结果与基准回归保持了一致性，说明社会网络降低了流动人口的工资水平。
表 5 工具变量二阶段回归变量 样本数据 2000年普查数据 2005年1%调查数据 第一阶段 第二阶段 第一阶段 第二阶段 第一阶段 第二阶段 社会网络 工资 社会网络 工资 社会网络 工资 社会网络 -0.081***
(-19.11)-0.084***
(-19.41)-0.086***
(-19.50)工具变量 1.375***
(559.67)1.149***
(751.36)1.131***
(763.27)控制变量 控制 控制 控制 控制 控制 控制 常数项 -0.051***
(-3.51)6.658***
(246.91)-0.110***
(-7.60)6.660***
(246.90)-0.091***
(-6.16)6.661***
(246.94)样本量 136 208 136 208 136 208 136 208 136 208 136 208 R2 0.531 0.140 0.522 0.140 0.514 0.141 F/Wald 29 395.74*** 19 895.59*** 54 713.33*** 19 921.78*** 57 653.74*** 19 896.06*** （三） 稳健性检验
更换表征变量进行稳健性检验，替代变量选用的是调查者的家庭规模。由于家庭规模越大，以家庭为单位所覆盖的社会网络也更加广泛，因此家庭规模可以作为个体社会网络的替代变量。表 6是替代变量家庭规模的回归结果，在依次加入控制变量后，家庭规模这一替代变量均显示与工资负相关的显著结果，与社会网络这一直接变量结果吻合。这表明该替代变量佐证了社会网络对流动人口工资负向作用的稳健性。
表 6 家庭规模替代社会网络的稳健性回归变量 (1) (2) (3) (4) 家庭规模 0.015***(10.533) -0.021***(-12.367) -0.010***(-5.861) -0.015***(-8.715) 个体特征变量 不控制 控制 控制 控制 人力资本变量 不控制 不控制 控制 控制 流动特征变量 不控制 不控制 不控制 控制 常数项 8.069***(1 694.364) 7.369***(339.731) 6.927***(303.482) 6.598***(275.122) N 136 208 136 208 136 208 136 208 R2 0.001 0.095 0.116 0.137 F 110.939 2 032.136 1 983.236 1 657.265 五、 社会网络和就业者的异质性分析
不同类型的社会网络对就业者具有不同的影响。同样，相同的社会网络对不同就业者也会产生不同影响。因此本部分从社会网络类型与就业者类型两维度来展开研究，旨在呈现网络和就业者异质性分析的全景。
（一） 社会网络的异质性：强关系和弱关系
为探究不同强度的社会网络对流动人口工资的异质性作用，下面在基准回归的基础上进行细分。社会网络的四个途径分别是家人、同乡、亲戚和朋友，占比分别为13.75%、25.66%、20.9%和39.67%。为方便研究，将家人与亲戚合并为亲人关系，设置social 1、social 2和social 3三个变量，分别代表亲人、同乡和朋友三种途径，同时参照赵延东(2003)[25]的分类方式，将亲人定义为强关系，同乡和朋友定义为弱关系。
从表 7中可以发现，关键变量的系数均在1%水平上显著，利用家人与亲戚这一社会网络的系数为-0.073，表示通过这一途径找到的工作，工资将下降7.3%，相较于其他社会网络下降幅度最大。而利用朋友和同乡这一关系的系数分别为-0.041和-0.038，影响较小。这一结果意味着利用更强的社会网络关系找工作，越不利于流动人口获得高工资。
表 7 社会网络的异质性回归结果变量 亲人组 同乡组 朋友组 social 1 -0.073***(-16.715) social 2 -0.038***(-7.502) social 3 -0.041***(-9.991) 控制变量 控制 控制 控制 常数项 6.632***(275.537) 6.594***(274.973) 6.604***(275.187) N 136 208 136 208 136 208 R2 0.138 0.136 0.137 F 1 675.378 1 655.513 1 659.391 （二） 就业状态和个体特征的异质性
1. 职业类型的异质性
将流动人口的职业分为三大类，分别是农林牧渔业/无职业/其他人员、生产制造/商业服务人员、国有集体/专业技术人员。表 8是根据职业层级划分进行分组回归的结果，从回归系数来看，农林牧渔和其他职业组、生产和商业服务组、专业技术人员组对应的系数分别为-0.144、-0.070和-0.048，且均在1%水平上显著。结果表明无关职业类型，社会网络对流动人口的工资均具有负向影响。但随着职业层级的不断提高，社会网络的影响系数会不断下降。原因可能是：随着职业层级的提升，获得职业门槛也相应提升，如公务员与专业技术人员的岗位需依靠过硬的专业技能和通过国家考试等途径才能获得，对社会网络的依赖性相对较小。
表 8 职业类型异质性的回归结果变量 农林牧渔和其他职业组 生产和商业服务组 专业技术人员组 社会网络 -0.144***(-9.281) -0.070***(-20.633) -0.048***(-4.869) 控制变量 控制 控制 控制 常数项 6.393***(58.682) 6.809***(261.239) 6.031***(81.122) N 7 660 113 731 14 817 R2 0.210 0.112 0.249 F 155.967 1 106.340 377.117 2. 就业单位的异质性
将就业单位按所有制形式分为国有和非国有两种类型。表 9显示国有单位的系数为-0.069，非国有单位的系数为-0.078，且均在1%水平上显著，意味着使用社会网络国有单位流动人口工资将降低6.9%，非国有单位流动人口工资将降低7.8%。
表 9 就业单位异质性的回归结果变量 国有单位 非国有单位 社会网络 -0.069*** -0.078*** (-6.240) (-23.459) 控制变量 控制 控制 常数项 6.417*** 6.679*** (84.667) (263.796) N 11 310 124 898 R2 0.232 0.136 F 262.111 1 515.184 出乎意料的是，流动人口进入国有单位的工资依然会受到社会网络的消极影响，且与非国有单位差异不大。产生此种现象可能有两种原因：一方面国有单位由于其工作性质稳定，有良好的福利待遇，隐性的福利待遇一般不计入工资，从而显得工资偏低，使得进入该单位的流动人口获得相对较低的工资；另一方面，进入国有单位获得正式工作，必须参加并通过国家统一考试或者达到相对严格规范的筛选条件，而非仅由社会网络途径获得。因此，通过社会网络获得国有单位的工作可能属于非正式的编制外职位或合同工，其工资相对正式职工来说偏低。
3. 人口学个体特征的异质性
表 10是按个体特征分组得到的回归结果。其中显示，所有分组中社会网络的系数均显著为负，说明社会网络在不同的个体特征中均对流动人口工资产生了消极影响。从性别分类来看，社会网络对女性的影响强于男性；从年龄来看，对25~45岁的流动人口影响最强，整体呈倒U型趋势。从户籍来看，相较于农村户籍，社会网络对非农村户籍流动人口的影响更大。从教育程度来看，社会网络对流动人口工资的影响随着教育程度的提高而逐渐增强。
表 10 人口学个体特征异质性的回归结果变量 性别 年龄 户籍 受教育程度 男 女 18~24 25~44 45以上 农村 非农 初中及以下 高中大专 本科及以上 社会网络 -0.060*** -0.103*** -0.044*** -0.088*** -0.077*** -0.073*** -0.109*** -0.073*** -0.092*** -0.096*** (-14.272) (-21.367) (-5.189) (-22.939) (-10.187) (-21.428) (-12.588) (-18.029) (-16.603) (-6.149) 性别 0.152*** 0.255*** 0.213*** 0.246*** 0.221*** 0.251*** 0.214*** 0.207*** (17.741) (67.867) (26.885) (71.541) (27.779) (61.835) (38.471) (17.201) 年龄 0.046*** 0.047*** 0.046*** 0.046*** 0.038*** 0.056*** 0.088*** (28.758) (24.022) (34.585) (14.554) (25.484) (23.840) (11.364) 年龄平方 -0.001*** -0.001*** -0.001*** -0.001*** -0.001*** -0.001*** -0.001*** (-34.087) (-26.327) (-40.302) (-15.661) (-31.129) (-25.471) (-9.889) 少数民族 -0.104*** -0.097*** -0.118*** -0.109*** -0.051*** -0.114*** -0.044*** -0.122*** -0.080*** -0.053** (-13.093) (-10.980) (-8.535) (-15.320) (-3.229) (-17.838) (-2.856) (-17.202) (-6.752) (-2.228) 户籍 -0.078*** -0.087*** -0.064*** -0.072*** -0.081*** -0.062*** -0.051*** -0.080*** (-12.945) (-12.820) (-4.747) (-13.568) (-7.181) (-8.092) (-8.187) (-6.247) 婚姻状况 0.198*** 0.068*** 0.144*** 0.136*** 0.083*** 0.142*** 0.121*** 0.113*** 0.151*** 0.102*** (30.975) (9.706) (13.967) (24.352) (5.581) (27.324) (10.978) (17.029) (20.249) (6.570) 受教育程度 0.162*** 0.153*** 0.070*** 0.173*** 0.187*** 0.138*** 0.214*** (41.768) (33.816) (9.041) (52.541) (19.091) (40.875) (34.622) 党员身份 0.061*** 0.063*** 0.092*** 0.039*** 0.072*** 0.065*** 0.042*** 0.083*** 0.072*** 0.012 (6.102) (4.353) (3.451) (4.121) (3.544) (6.049) (3.206) (4.653) (5.809) (0.861) 流动范围 0.108*** 0.130*** 0.125*** 0.117*** 0.112*** 0.100*** 0.188*** 0.089*** 0.129*** 0.266*** (38.673) (40.970) (21.606) (46.487) (22.270) (43.922) (34.789) (33.216) (35.598) (31.460) 流动次数 0.042*** 0.020** 0.068*** 0.009* 0.101*** 0.043*** -0.006 0.051*** 0.014 -0.040 (7.415) (2.398) (4.229) (1.697) (9.659) (8.777) (-0.414) (9.286) (1.507) (-1.599) 流动时间 0.027*** -0.002 -0.029*** 0.033*** -0.014*** 0.008*** 0.048*** -0.001 0.031*** 0.076*** (8.864) (-0.545) (-4.191) (11.958) (-2.601) (3.010) (8.101) (-0.496) (7.504) (8.066) 父母流动 0.014** 0.008 -0.028*** 0.018*** 0.094*** 0.010** 0.024** 0.020*** 0.007 -0.006 (2.463) (1.299) (-3.247) (3.805) (5.848) (2.249) (2.261) (3.453) (1.033) (-0.397) 常数项 6.829*** 6.727*** 7.487*** 7.405*** 7.308*** 6.662*** 6.328*** 7.063*** 6.729*** 5.910*** (211.271) (178.864) (236.921) (547.511) (256.509) (264.066) (103.418) (242.601) (161.576) (43.541) N 78 400 57 808 15 028 94 684 26 496 112 934 23 274 82609 44 429 9 170 R2 0.114 0.102 0.076 0.126 0.084 0.116 0.190 0.091 0.123 0.246 F 839.338 544.364 112.839 1242.825 219.858 1 233.785 453.902 690.555 520.656 249.189 六、 社会网络降低流动人口工资的路径分析
基于工作搜寻匹配理论，搜寻的过程会影响就业和工资。从搜寻过程本身来看，搜寻媒介、信号传递、搜寻目标是其三大要素。结合我国劳动力市场流动人口的特征，本研究从社会网络的等级属性、对潜在雇主的弱能力信号、对工资和求职效率的权衡三个可能性路径展开讨论。
（一） 社会网络的等级性
社会结构由一系列按等级次序排列的位置组成，占据不同等级的位置对有价值资源的控制力和可获取性是不同的(张春泥和刘林平，2008)[13]，因此社会网络具有等级性。林南(2005)[12]指出社会资源的可获得性呈金字塔状，位置越高所控制的资源越丰富和越重要，位置越低所控制的资源相对越少。因此，流动人口处于社会网络的等级位置，决定了其可使用网络的多少和使用网络的有效性。前文数据的统计分析显示，低受教育程度、来自农村、从事低端生产服务类工作等是流动人口的主要特征；同时，在异质性分析中，也体现了不同特征的流动人口具有不同的社会网络。用工资水平作为个体处于社会网络的等级划分，工资越高表明所处社会网络越高级，工资越低表明社会网络越低级。并预期社会网络对工资越低群体的负向影响越大，对工资越高群体负向影响越小，且将慢慢转为正向影响。
表 11显示了不同工资水平下社会网络的作用。与推测相符合的是，社会网络在工资越低的群体中造成了更大的负向影响，而在相对高收入群体中的影响则不显著甚至为正。具体而言，对于收入低于1 000元的流动人口，社会网络降低了其工资的3%，对于收入5 000到8 000元的流动人口，社会网络降低了其工资的0.4%，而10 000以上的流动人口，社会网络反而会提升其工资的1.2%。这表明，流动人口所处社会网络的较低层级，是导致其工资下降的原因之一。
表 11 基于社会网络等级性的回归结果变量 1 000以下 1 001~3 000 3 001~5 000 5 001~8 000 8 001~10 000 10 000以上 社会网络 -0.030*** -0.005*** -0.006*** -0.004** 2.55E-04 0.012*** (-2.635) (-2.814) (-5.738) (-2.395) (0.148) (4.017) 控制变量 控制 控制 控制 控制 控制 控制 常数项 6.476*** 7.467*** 8.156*** 8.553*** 9.010*** 9.199*** (86.73) (528.97) (861.41) (582.38) (628.11) (340.91) N 6 353 61 647 31 994 25 046 4 304 4 358 R2 0.02 0.042 0.024 0.009 0.004 0.008 F 10.076 207.773 60.43 16.856 1.429 2.706 （二） 弱能力信号
Loury(2006)[26]和Antoninis(2006)[27]提出了使用社会网络的非正规搜寻工作方式，在很大程度上意味着求职者工作的可选择性有限。同时，Chen等(2018)[10]也进一步证实，在非对称信号下的中国劳动力市场，使用社会网络向雇主传达了工作选择范围有限的信息，进而与雇主的议价能力下降。基于前文证实的流动人口使用社会网络的等级性较低，本研究认为流动人口利用社会网络求职传递了选择有限性和弱能力信号，从而令雇主更倾向于提供低工资。
由此，利用是否签订正规劳动合同作为是否传递了弱能力信号的衡量标准，即当雇主不与求职者签订正规合同时，劳动者被认为其工作选择性有限和弱能力，雇主提供较低工资；反之，当雇主与求职者签订正规合同时，劳动者被认为能力较强；对于签订正规劳动合同的流动人口，工资受社会网络的负面影响较小，而对于未签订正规劳动合同的流动人口的影响更大。表 12显示了社会网络对签订正规合同和非正规合同的回归结果，从中可以看出，签订正规合同的系数为-0.037，而未签订正规合同的系数高达-0.098。这一结果与前文推测一致，表明流动人口利用社会网络传递出的弱能力信号对其工资具有消极影响。
表 12 基于弱能力信号的回归结果变量 签订正规合同 未签订正规合同 社会网络 -0.037*** -0.098*** (-8.521) (-22.099) 控制变量 控制 控制 常数项 6.519*** 6.747*** (200.779) (201.902) N 51 258 84 950 R2 0.229 0.107 F 1 171.656 785.948 （三） 求职效率与工资的权衡
Chen等(2018)[10]认为失业的求职者在城市面临比农村更高的生活成本，迫于生活压力，他们会以牺牲工资为代价，利用社会网络尽快找到工作以节省求职时间。本研究文认为流动人口不仅是基于生活成本的考量，可能还有对流入地陌生环境的适应性、正规求职结果的不确定性等因素的担忧。求职者利用社会网络求职来提升综合的求职效率，包括缩短求职搜寻时间、降低生活成本、降低正规求职的不确定性等，因而存在为提升求职效率而愿意接受一个较低工资的可能性。
为了验证这一解释，以流动次数作为城市适应力的衡量标准。流动次数少的个体因其适应力较弱，往往寄希望于通过社会网络尽快求职而不惜接受低工资，社会网络对其工资表现出负向作用。相反，流动次数多的个体被认为适应力更强，依赖社会网络程度较低，对社会网络的使用更有选择性，社会网络对其工资表现为正向作用。表 13显示了社会网络对不同流动次数的流动人口工资影响，从中可知，随着流动次数的增加，社会网络对流动人口的工资影响由负向逐渐削弱，甚至变为正向。具体来看，流动3次以下的流动人口其工资下降8.3%，流动3~4次的下降4.9%，而流动5次以上的其工资将提高5.5%。这说明，缺乏流动经验、城市适应力弱、为了提高求职效率，是流动人口接受低工资的主要原因。
表 13 基于求职效率与工资权衡的回归结果变量 0~2次 3~4次 5次以上 社会网络 -0.083***(-25.020) -0.049***(-3.999) 0.055**(2.393) 控制变量 控制 控制 控制 常数项 6.686***(272.042) 6.700***(63.229) 7.383***(39.001) N 125 992 7 946 2 270 R2 0.142 0.116 0.100 F 1 735.182 86.5 20.996 七、 结论与启示
（一） 结论
社会网络在劳动力市场当中的作用一直存在争议，特别是针对中国城市劳动力市场上的特殊群体。本研究基于2016年流动人口动态监测数据，在控制了相关特征变量之后，进行实证研究发现，相比非社会网络搜寻工作，使用社会网络找到工作将使流动人口工资降低7.9%。为了解决社会网络的内生性问题，基于2016年流动人口监测数据、2000年人口普查数据和2005年1%人口抽样数据，以流动人口户籍来源地社会网络作为流动人口个体社会网络的工具变量进行稳健性检验，计量结果依然稳健。进一步地，从社会网络类型与就业者类型两个维度展开异质性分析，从网络类型来看，利用亲人等强社会网络找到工作，对工资的负向影响较大。对就业者的异质性进行研究发现：随着职业层级的不断提高，社会网络对工资的影响不断减弱；相较于非国有单位，对国有单位工资的影响力较弱；同时，对非农户籍的影响大于农业户籍；对女性的影响大于男性；对不同年龄段的影响呈倒U型趋势；随着教育水平提高，影响程度呈递增趋势。最后，从社会网络的等级性、弱能力信号、求职效率与工资的权衡三方面进行路径探讨，发现流动人口找工作利用的社会网络越低级越不利于其工资水平；低的社会网络会传导出弱能力信号，从而降低了流动人口的工资水平；流动人口为了节约搜寻成本而借助社会网络，但以牺牲工资为代价。
（二） 启示
流动人口作为城市发展的重要力量，提升其工资水平、缩小与本地居民的工资差距，是共享城市发展成果、实现共同富裕的重要路径。基于以上社会网络求职降低流动人口工资的实证分析和路径探索，发觉提升流动人口工资需要政府、社会与流动人口自身的共同努力。
第一，应规范和监督用工合同的签订。政府应规范和监督企事业对流动人口特别是农民工的用工合同，避免流动人口受到非正规合同的用工歧视和利益损害，保障流动人口的各项权益，从而提升其工资水平。第二，应拓宽流动人口寻找工作的渠道。部分流动人口由于受教育水平相对较低，无法有效获得或顺畅使用互联网、广告等社会媒体这些正规搜寻工作的渠道，政府应提供更多形式、更便捷的正规就业信息平台，并且提供免费的指导和培训，使流动人口适应现代化、正规的渠道搜寻方式。第三，应对新进流动人口给予适当的社会帮扶和救助。新进流动人口来到流入地的陌生环境，往往面临生活和找工作的双重压力，政府和社会公益组织可提供租房补贴或提供短期廉价租房等，使其平稳顺利过渡找工作的无薪阶段，避免其为了快速获得收入而过度依赖社会网络求职，导致工资收入不高。
当然，提高流动人口的工资水平主要还得依靠教育。无论是政府、各种公益组织以及流动人口自己，都必须将提升人力资本作为追求高工资的根本手段。只有这样，才可能通过正规渠道、正规合同进入高工资市场寻找机会与就业。
致谢: 感谢广州大学毛林江同学为本研究所做的文献与数据的搜集、整理工作。 -
表 1 主要研究对比分析表
主要文献 样本 社会网络代理变量 工具变量 作用机制 主要结论 陈钊等(2009)[4] 2002年中国家庭收入调查 找工作时有多少人能提供帮助 家庭祖辈的政治成份 无 正向 陈云松(2012)[6] 2002年中国家庭收入调查 村庄外出打工人数 村庄遭受的自然灾害强度 无 正向 叶静怡等(2012)[7] 2009年北京市农民工调查数据 是否认识北京的高级管理人员或高级技术人员 无 有 正向 叶静怡和武玲蔚(2014)[20] 2009年北京市进城务工人员调查数据 使用定位法测量声望社会资本和权利社会资本 春节是否给他人拜年及拜年次数 无 正向 王春超等(2015)[8] 2008年珠三角九个城市 好友个数、受教育年限及职业阶层 第一次外出是否与其他人同往，是否参与非政府组织活动 无 正向 章元和陆铭(2009)[5] 2002年中国家庭收入调查 曾经赠送过礼品或金钱的亲友数、赠送亲友礼金价值占总支出的比例 户主配偶的母亲是否曾属于地主、富农或黑色阶级；是否来自于革命老区 无 微弱正向 赵延东(2002)[9] 2000年武汉市下岗工人的调查问卷 春节拜年网 无 无 负向 刘林平和张春泥(2007)[1] 2006年珠三角农民工数据 请客送礼和参加工会 无 无 负向 Chen等(2018)[10] 2007年中国和印度尼西亚流动人口数据 找工作社会网络 无 有 负向 王子敏(2019)[11] 2013年流动人口监测数据 亲友数量和礼金 无 无 不确定 注：作者自己整理。 
下载: 导出CSV
表 2 变量定义
变量类型 变量名称 变量说明 因变量 工资的对数(lnwage) 对问卷中回答的工资取对数 自变量 社会网络(social) 使用社会网络找到工作=1；正规方式=0 个体特征变量 性别(gender) 女=0；男=1 年龄(age) 2016-出生年份 民族(minority) 汉族=0；少数民族=1 婚姻状况(marrital) 已婚=1；其他=0 户口性质(hukou) 农村户口=1；其他=0 人力资本变量 受教育程度(edu) 未受教育、小学、初中=1；高中、大专=2；本科及以上=3 是否共产党员(party) 是=1；否=0 流动特征变量 流动范围(f-range) 跨县=1;跨市=2；跨省及以上=3 流动次数(f-times) 流动次数小于3次=1；3~5次=2；5次及以上=3 流动年限(f-years) 流动年限小于3年=1；3~5年=2；5年及以上=3 流动前父母是否流动(f-par) 是=1；否=0 工作特征变量 职业(occ) 按照职业层级划分为1-3 就业单位性质(unit) 国有单位=1；非国有=0
下载: 导出CSV
表 3 变量的描述性统计
变量 样本量 均值 标准差 最小值 最大值 工资的对数 136 208 8.12 0.61 1.61 11.51 社会网络 136 208 0.43 0.50 0 1 性别 136 208 0.58 0.49 0 1 年龄 136 208 35.57 9.52 18 99 年龄的平方 136 208 1355.72 731.20 324 9801 少数民族 136 208 0.075 0.26 0 1 户口性质 136 208 0.83 0.38 0 1 婚姻状况 136 208 0.81 0.39 0 1 受教育程度 136 208 1.46 0.62 1 3 是否共产党员 136 208 0.04 0.20 0 1 流动范围 136 208 2.34 0.74 1 3 流动次数 136 208 1.09 0.34 1 3 流动年限 136 208 2.00 0.73 1 3 流动前父母是否流动 136 208 0.20 0.40 0 1 职业 136 208 2.05 0.40 1 3 就业单位性质 136 208 0.08 0.28 0 1
下载: 导出CSV
表 4 社会网络对工资的影响
变量 (1) (2) (3) (4) 社会网络 -0.129***(-38.536) -0.096***(-29.652) -0.071***(-22.020) -0.079*** (-24.789) 性别 0.252***(78.275) 0.246***(77.149) 0.241***(76.321) 年龄 0.043***(35.569) 0.047***(38.791) 0.046***(37.667) 年龄平方 -0.001***(-42.938) -0.001***(-44.026) -0.001***(-43.326) 少数民族 -0.150***(-24.889) -0.129***(-21.693) -0.101***(-17.084) 户籍 -0.184***(-43.410) -0.084***(-18.330) -0.081***(-17.986) 婚姻状况 0.135***(28.277) 0.146***(30.727) 0.140***(29.892) 受教育程度 0.154***(51.760) 0.161***(54.545) 党员身份 0.059***(7.151) 0.064***(7.794) 流动范围 0.116***(55.458) 流动次数 0.036***(7.687) 流动时间 0.015***(6.563) 父母流动 0.011***(2.762) 常数项 8.172***(3 721.840) 7.426***(341.833) 6.988***(304.279) 6.656***(276.616) N 136 208 136 208 136 208 136 208 R2 0.011 0.099 0.119 0.140 F 1 484.986 2 146.605 2 039.838 1 705.219 注：括号内的数值是t值；***、**和*分别表示1%、5%和10%的显著性水平。下表同。
下载: 导出CSV
表 5 工具变量二阶段回归
变量 样本数据 2000年普查数据 2005年1%调查数据 第一阶段 第二阶段 第一阶段 第二阶段 第一阶段 第二阶段 社会网络 工资 社会网络 工资 社会网络 工资 社会网络 -0.081***
(-19.11)-0.084***
(-19.41)-0.086***
(-19.50)工具变量 1.375***
(559.67)1.149***
(751.36)1.131***
(763.27)控制变量 控制 控制 控制 控制 控制 控制 常数项 -0.051***
(-3.51)6.658***
(246.91)-0.110***
(-7.60)6.660***
(246.90)-0.091***
(-6.16)6.661***
(246.94)样本量 136 208 136 208 136 208 136 208 136 208 136 208 R2 0.531 0.140 0.522 0.140 0.514 0.141 F/Wald 29 395.74*** 19 895.59*** 54 713.33*** 19 921.78*** 57 653.74*** 19 896.06***
下载: 导出CSV
表 6 家庭规模替代社会网络的稳健性回归
变量 (1) (2) (3) (4) 家庭规模 0.015***(10.533) -0.021***(-12.367) -0.010***(-5.861) -0.015***(-8.715) 个体特征变量 不控制 控制 控制 控制 人力资本变量 不控制 不控制 控制 控制 流动特征变量 不控制 不控制 不控制 控制 常数项 8.069***(1 694.364) 7.369***(339.731) 6.927***(303.482) 6.598***(275.122) N 136 208 136 208 136 208 136 208 R2 0.001 0.095 0.116 0.137 F 110.939 2 032.136 1 983.236 1 657.265
下载: 导出CSV
表 7 社会网络的异质性回归结果
变量 亲人组 同乡组 朋友组 social 1 -0.073***(-16.715) social 2 -0.038***(-7.502) social 3 -0.041***(-9.991) 控制变量 控制 控制 控制 常数项 6.632***(275.537) 6.594***(274.973) 6.604***(275.187) N 136 208 136 208 136 208 R2 0.138 0.136 0.137 F 1 675.378 1 655.513 1 659.391
下载: 导出CSV
表 8 职业类型异质性的回归结果
变量 农林牧渔和其他职业组 生产和商业服务组 专业技术人员组 社会网络 -0.144***(-9.281) -0.070***(-20.633) -0.048***(-4.869) 控制变量 控制 控制 控制 常数项 6.393***(58.682) 6.809***(261.239) 6.031***(81.122) N 7 660 113 731 14 817 R2 0.210 0.112 0.249 F 155.967 1 106.340 377.117
下载: 导出CSV
表 9 就业单位异质性的回归结果
变量 国有单位 非国有单位 社会网络 -0.069*** -0.078*** (-6.240) (-23.459) 控制变量 控制 控制 常数项 6.417*** 6.679*** (84.667) (263.796) N 11 310 124 898 R2 0.232 0.136 F 262.111 1 515.184
下载: 导出CSV
表 10 人口学个体特征异质性的回归结果
变量 性别 年龄 户籍 受教育程度 男 女 18~24 25~44 45以上 农村 非农 初中及以下 高中大专 本科及以上 社会网络 -0.060*** -0.103*** -0.044*** -0.088*** -0.077*** -0.073*** -0.109*** -0.073*** -0.092*** -0.096*** (-14.272) (-21.367) (-5.189) (-22.939) (-10.187) (-21.428) (-12.588) (-18.029) (-16.603) (-6.149) 性别 0.152*** 0.255*** 0.213*** 0.246*** 0.221*** 0.251*** 0.214*** 0.207*** (17.741) (67.867) (26.885) (71.541) (27.779) (61.835) (38.471) (17.201) 年龄 0.046*** 0.047*** 0.046*** 0.046*** 0.038*** 0.056*** 0.088*** (28.758) (24.022) (34.585) (14.554) (25.484) (23.840) (11.364) 年龄平方 -0.001*** -0.001*** -0.001*** -0.001*** -0.001*** -0.001*** -0.001*** (-34.087) (-26.327) (-40.302) (-15.661) (-31.129) (-25.471) (-9.889) 少数民族 -0.104*** -0.097*** -0.118*** -0.109*** -0.051*** -0.114*** -0.044*** -0.122*** -0.080*** -0.053** (-13.093) (-10.980) (-8.535) (-15.320) (-3.229) (-17.838) (-2.856) (-17.202) (-6.752) (-2.228) 户籍 -0.078*** -0.087*** -0.064*** -0.072*** -0.081*** -0.062*** -0.051*** -0.080*** (-12.945) (-12.820) (-4.747) (-13.568) (-7.181) (-8.092) (-8.187) (-6.247) 婚姻状况 0.198*** 0.068*** 0.144*** 0.136*** 0.083*** 0.142*** 0.121*** 0.113*** 0.151*** 0.102*** (30.975) (9.706) (13.967) (24.352) (5.581) (27.324) (10.978) (17.029) (20.249) (6.570) 受教育程度 0.162*** 0.153*** 0.070*** 0.173*** 0.187*** 0.138*** 0.214*** (41.768) (33.816) (9.041) (52.541) (19.091) (40.875) (34.622) 党员身份 0.061*** 0.063*** 0.092*** 0.039*** 0.072*** 0.065*** 0.042*** 0.083*** 0.072*** 0.012 (6.102) (4.353) (3.451) (4.121) (3.544) (6.049) (3.206) (4.653) (5.809) (0.861) 流动范围 0.108*** 0.130*** 0.125*** 0.117*** 0.112*** 0.100*** 0.188*** 0.089*** 0.129*** 0.266*** (38.673) (40.970) (21.606) (46.487) (22.270) (43.922) (34.789) (33.216) (35.598) (31.460) 流动次数 0.042*** 0.020** 0.068*** 0.009* 0.101*** 0.043*** -0.006 0.051*** 0.014 -0.040 (7.415) (2.398) (4.229) (1.697) (9.659) (8.777) (-0.414) (9.286) (1.507) (-1.599) 流动时间 0.027*** -0.002 -0.029*** 0.033*** -0.014*** 0.008*** 0.048*** -0.001 0.031*** 0.076*** (8.864) (-0.545) (-4.191) (11.958) (-2.601) (3.010) (8.101) (-0.496) (7.504) (8.066) 父母流动 0.014** 0.008 -0.028*** 0.018*** 0.094*** 0.010** 0.024** 0.020*** 0.007 -0.006 (2.463) (1.299) (-3.247) (3.805) (5.848) (2.249) (2.261) (3.453) (1.033) (-0.397) 常数项 6.829*** 6.727*** 7.487*** 7.405*** 7.308*** 6.662*** 6.328*** 7.063*** 6.729*** 5.910*** (211.271) (178.864) (236.921) (547.511) (256.509) (264.066) (103.418) (242.601) (161.576) (43.541) N 78 400 57 808 15 028 94 684 26 496 112 934 23 274 82609 44 429 9 170 R2 0.114 0.102 0.076 0.126 0.084 0.116 0.190 0.091 0.123 0.246 F 839.338 544.364 112.839 1242.825 219.858 1 233.785 453.902 690.555 520.656 249.189
下载: 导出CSV
表 11 基于社会网络等级性的回归结果
变量 1 000以下 1 001~3 000 3 001~5 000 5 001~8 000 8 001~10 000 10 000以上 社会网络 -0.030*** -0.005*** -0.006*** -0.004** 2.55E-04 0.012*** (-2.635) (-2.814) (-5.738) (-2.395) (0.148) (4.017) 控制变量 控制 控制 控制 控制 控制 控制 常数项 6.476*** 7.467*** 8.156*** 8.553*** 9.010*** 9.199*** (86.73) (528.97) (861.41) (582.38) (628.11) (340.91) N 6 353 61 647 31 994 25 046 4 304 4 358 R2 0.02 0.042 0.024 0.009 0.004 0.008 F 10.076 207.773 60.43 16.856 1.429 2.706
下载: 导出CSV
表 12 基于弱能力信号的回归结果
变量 签订正规合同 未签订正规合同 社会网络 -0.037*** -0.098*** (-8.521) (-22.099) 控制变量 控制 控制 常数项 6.519*** 6.747*** (200.779) (201.902) N 51 258 84 950 R2 0.229 0.107 F 1 171.656 785.948
下载: 导出CSV
表 13 基于求职效率与工资权衡的回归结果
变量 0~2次 3~4次 5次以上 社会网络 -0.083***(-25.020) -0.049***(-3.999) 0.055**(2.393) 控制变量 控制 控制 控制 常数项 6.686***(272.042) 6.700***(63.229) 7.383***(39.001) N 125 992 7 946 2 270 R2 0.142 0.116 0.100 F 1 735.182 86.5 20.996
下载: 导出CSV
-
[1] 刘林平, 张春泥. 农民工工资: 人力资本、社会资本、企业制度还是社会环境?——珠江三角洲农民工工资的决定模型[J]. 社会学研究, 2007(6): 114-137. https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ200706007.htm [2] 潘丽群, 陈坤贤, 李静. 城市规模工资溢价视角下流动人口工资差异及其影响路径研究[J]. 经济学动态, 2020(9): 111-129. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXD202009008.htm [3] BIAN Y. Bringing strong ties back in: indirect connection, bridges, and job searches in China[J]. American Sociological Review, 1997, 62: 266-285. [4] 陈钊, 陆铭, 佐藤宏. 谁进入了高收入行业?——关系、户籍与生产率的作用[J]. 经济研究, 2009(10): 121-132. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ200910011.htm [5] 章元, 陆铭. 社会网络是否有助于提高农民工的工资水平?[J]. 管理世界, 2009(3): 45-54. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ200903007.htm [6] 陈云松. 农民工收入与村庄网络——基于多重模型识别策略的因果效应分析[J]. 社会, 2012(4): 68-92. https://www.cnki.com.cn/Article/CJFDTOTAL-SHEH201204006.htm [7] 叶静怡, 薄诗雨, 刘丛, 等. 社会网络层次与农民工工资水平——基于身份定位模型的分析[J]. 经济评论, 2012(4): 31-42. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL201204005.htm [8] 王春超, 张呈磊, 周先波. 社会关系网、朋友圈效应与农民工收入[J]. 经济社会体制比较, 2015(3): 65-80. https://www.cnki.com.cn/Article/CJFDTOTAL-JJSH201503009.htm [9] 赵延东. 再就业中的社会资本: 效用与局限[J]. 社会学研究, 2002(4): 43-54. https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ200204006.htm [10] CHEN Y, WANG L, ZHANG M. Informal search, bad search? the effects of job search method on wages among rural migrants in urban China[J]. Journal of Population Economics, 2018, 31(3): 837-876. doi: 10.1007/s00148-017-0672-x [11] 王子敏. 互联网、社会网络与农村流动人口就业收入[J]. 大连理工大学学报: 社会科学版, 2019(3): 15-23. https://www.cnki.com.cn/Article/CJFDTOTAL-DLGD201903004.htm [12] 林南. 社会资本: 关于社会结构与行动的理论[M]. 上海: 上海人民出版社, 2005: 168-173. [13] 张春泥, 刘林平. 网络的差异性和求职效果——农民工利用关系求职的效果研究[J]. 社会学研究, 2008(4): 138-162. https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ200804007.htm [14] 费孝通. 乡土中国[M]. 北京: 人民出版社, 2008: 25-34. [15] MUNSHI K. Networks in the modern economy: Mexican migrants in the U.S. labor market[J]. The Quarterly Journal of Economics, 2003, 118(2): 549-599. [16] 李培林. 流动民工的社会网络和社会地位[J]. 社会学研究, 1996(4): 42-52. https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ199604004.htm [17] MCDONALD S, LIN N, AO D. Networks of opportunity: gender, race, and job leads[J]. Social Problems, 2009, 56(3): 385-402. [18] OBUKHOVA E, GEORGE L. Do job seekers benefit from contacts? a direct test with contemporaneous searches[J]. Management Science, 2013, 59(10): 2204-2216. [19] 刘林平. 外来人群体中的关系运用——以深圳"平江村"为个案[J]. 中国社会科学, 2001(5): 112-124. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK200105011.htm [20] 叶静怡, 武玲蔚. 社会资本与进城务工人员工资水平——资源测量与因果识别[J]. 经济学(季刊), 2014(4): 1303-1322. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201404003.htm [21] 边燕杰. 城市居民社会资本的来源及作用: 网络观点与调查发现[J]. 中国社会科学, 2004(3): 136-146. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK200403011.htm [22] 吴愈晓. 社会关系、初职获得方式与职业流动[J]. 社会学研究, 2011(5): 128-152. https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ201105006.htm [23] 李春玲. 流动人口地位获得的非制度途径——流动劳动力与非流动劳动力之比较[J]. 社会学研究, 2006(5): 85-106. https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ200605004.htm [24] STOCK J, YOGO M. Testing for weak instruments in linear Ⅳ regression[M]//ANDREWS D W K, STOCK J H. Identification and Inference for Econometric Models. New York: Cambridge University Press, 2005: 80-108. [25] 赵延东. 求职者的社会网络与就业保留工资——以下岗职工再就业过程为例[J]. 社会学研究, 2003(4): 51-60. https://www.cnki.com.cn/Article/CJFDTOTAL-SHXJ200304004.htm [26] LOURYL D. Some contacts are more equal than others: informal networks, job tenure, and wages[J]. Journal of Labor Economics, 2006, 24(2): 299-318. [27] ANTONINIS M. The wage effects from the use of personal contacts as hiring channels[J]. Journal of Economic Behavior and Organization, 2006, 59(1): 133-146. 期刊类型引用(3)
1. 任森春，郭周澳杰. 数字经济对农民工就业质量影响研究. 中国劳动. 2024(03): 19-34 . 
百度学术2. 赵清军，何军. 从谋生到融入：社会网络何以提升农民工社会参与?. 现代经济探讨. 2023(09): 98-108+118 . 百度学术3. 王成利，孙学涛，彭徽. 就业稳定性对农民工城市定居意愿的影响. 经济问题. 2023(12): 81-88 . 百度学术其他类型引用(6)
-
下载:
![](data:image/svg+xml,<svg xmlns='http://www.w3.org/2000/svg' width='210' height='179'><foreignObject width='2000' height='100%'><div xmlns='http://www.w3.org/1999/xhtml' style='font-size:16px;font-family:Helvetica'><table>
<thead>
<tr>
<td class="table_top_border" align="left">主要文献</td>
<td class="table_top_border" align="center">样本</td>
<td class="table_top_border" align="center">社会网络代理变量</td>
<td class="table_top_border" align="center">工具变量</td>
<td class="table_top_border" align="center">作用机制</td>
<td class="table_top_border" align="center">主要结论</td>
</tr>
</thead>
<tbody>
<tr>
<td class="table_top_border2" align="left">陈钊等(2009)<sup>[<span class="xref"><a href="#b4" ref-type="bibr">4</a></span>]</sup></td>
<td class="table_top_border2" align="left">2002年中国家庭收入调查</td>
<td class="table_top_border2" align="left">找工作时有多少人能提供帮助</td>
<td class="table_top_border2" align="left">家庭祖辈的政治成份</td>
<td class="table_top_border2" align="left">无</td>
<td class="table_top_border2" align="left">正向</td>
</tr>
<tr>
<td align="left">陈云松(2012)<sup>[<span class="xref"><a href="#b6" ref-type="bibr">6</a></span>]</sup></td>
<td align="left">2002年中国家庭收入调查</td>
<td align="left">村庄外出打工人数</td>
<td align="left">村庄遭受的自然灾害强度</td>
<td align="left">无</td>
<td align="left">正向</td>
</tr>
<tr>
<td align="left">叶静怡等(2012)<sup>[<span class="xref"><a href="#b7" ref-type="bibr">7</a></span>]</sup></td>
<td align="left">2009年北京市农民工调查数据</td>
<td align="left">是否认识北京的高级管理人员或高级技术人员</td>
<td align="left">无</td>
<td align="left">有</td>
<td align="left">正向</td>
</tr>
<tr>
<td align="left">叶静怡和武玲蔚(2014)<sup>[<span class="xref"><a href="#b20" ref-type="bibr">20</a></span>]</sup></td>
<td align="left">2009年北京市进城务工人员调查数据</td>
<td align="left">使用定位法测量声望社会资本和权利社会资本</td>
<td align="left">春节是否给他人拜年及拜年次数</td>
<td align="left">无</td>
<td align="left">正向</td>
</tr>
<tr>
<td align="left">王春超等(2015)<sup>[<span class="xref"><a href="#b8" ref-type="bibr">8</a></span>]</sup></td>
<td align="left">2008年珠三角九个城市</td>
<td align="left">好友个数、受教育年限及职业阶层</td>
<td align="left">第一次外出是否与其他人同往，是否参与非政府组织活动</td>
<td align="left">无</td>
<td align="left">正向</td>
</tr>
<tr>
<td align="left">章元和陆铭(2009)<sup>[<span class="xref"><a href="#b5" ref-type="bibr">5</a></span>]</sup></td>
<td align="left">2002年中国家庭收入调查</td>
<td align="left">曾经赠送过礼品或金钱的亲友数、赠送亲友礼金价值占总支出的比例</td>
<td align="left">户主配偶的母亲是否曾属于地主、富农或黑色阶级；是否来自于革命老区</td>
<td align="left">无</td>
<td align="left">微弱正向</td>
</tr>
<tr>
<td align="left">赵延东(2002)<sup>[<span class="xref"><a href="#b9" ref-type="bibr">9</a></span>]</sup></td>
<td align="left">2000年武汉市下岗工人的调查问卷</td>
<td align="left">春节拜年网</td>
<td align="left">无</td>
<td align="left">无</td>
<td align="left">负向</td>
</tr>
<tr>
<td align="left">刘林平和张春泥(2007)<sup>[<span class="xref"><a href="#b1" ref-type="bibr">1</a></span>]</sup></td>
<td align="left">2006年珠三角农民工数据</td>
<td align="left">请客送礼和参加工会</td>
<td align="left">无</td>
<td align="left">无</td>
<td align="left">负向</td>
</tr>
<tr>
<td align="left">Chen等(2018)<sup>[<span class="xref"><a href="#b10" ref-type="bibr">10</a></span>]</sup></td>
<td align="left">2007年中国和印度尼西亚流动人口数据</td>
<td align="left">找工作社会网络</td>
<td align="left">无</td>
<td align="left">有</td>
<td align="left">负向</td>
</tr>
<tr>
<td class="table_bottom_border" align="left">王子敏(2019)<sup>[<span class="xref"><a href="#b11" ref-type="bibr">11</a></span>]</sup></td>
<td class="table_bottom_border" align="left">2013年流动人口监测数据</td>
<td class="table_bottom_border" align="left">亲友数量和礼金</td>
<td class="table_bottom_border" align="left">无</td>
<td class="table_bottom_border" align="left">无</td>
<td class="table_bottom_border" align="left">不确定</td>
</tr>
</tbody>
<tfoot><tr><td align="left" colspan="6">注：作者自己整理。</td></tr></tfoot>
</table></div></foreignObject></svg>)