一、问题提出

创业是中国在经济转型期解决就业问题的重要途径，也是经济结构调整，从大企业驱动向中小企业驱动的有效政策选择。大量的研究已经证明，小企业在相对较长的上升期会带动就业，提高社会平均生产率。创业是国家创新的重要驱动力，创业带动创新、促进创新型国家发展。在“双创”时代，创业迎来了史上最宽松的政策环境和金融支持，为创业者提供了良好的创业机遇。从创业者年龄结构来看，青年创业者是创业人群的核心和领军者。

“十二五”规划中提出“鼓励自主创业，促进充分就业”的政策主张。随着“双创”政策的进一步推进，北京市的创业扶持政策进一步细化。《北京市文化创业产业担保资金管理办法(试行)》《中关村科技园区归国留学人员创业专项资金使用管理办法》等文件为北京市创业提供政策文本支持，《北京加强全国科技创新中心建设总体方案》则进一步要求北京市加快建设国家科技金融创新中心。各种类型的孵化园区渐成规模，市场资金的注入加快了北京市的创业规模。在新一轮的创业发展中，北京市走在前列，“双创指数”*该指数由36氪、中国经济研究院、中国科学院大学大数据挖掘与知识管理重点实验室共同编制，包括舆情指数、资本指数、人才指数、市场健康度、活跃度五项维度。稳居全国第一。本轮创业主要集中在依托互联网络的网上零售、商务服务、科学研究和技术服务等行业，与北京市的新经济发展相互依靠。

  

数据来源：《中国统计年鉴》，2009—2014年。图1 北京市的互联网普及率

世界银行(2016)指出技术普及程度对于人们获得互联网红利至关重要[1]。中国正进入新一轮创业浪潮，创业创新高度互联网化是其重要特征。随着北京地区互联网基础设施的完善，北京市互联网的接入性差异已经基本消除。从2009—2014年，北京市的互联网普及率从65.1%上升到75.3%，增幅达到9.8%。对比全国来看，2015年，北京市互联网普及率高出全国平均标准27.4%(见图1)。2016年，北京市互联网指数达到0.532 2，同比增长4.59%。北京市的信息社会指数、信息经济指数等全国领先，已经进入信息社会初级阶段。

二、文献综述

随着网络等信息技术的发展，越来越多的人把“信息技术”从“技术”这一关键词中提取出来，直接研究“信息技术”对经济发展的促进作用。乔根森和斯特奥(Jorgenson & Stiroh，2005)认为利用IT技术开展工业、企业和定位服务等都有利于经济健康发展[2]。格林斯坦和麦克德维特(Greenstein & McDevitt，2009)根据美国1999—2006年的基准数据发现：2006年，互联网总共创造了390亿美元的总收入，并且，家庭宽带网络创造了220亿美元的总收入。其中，家庭宽带产生了约合83亿～106亿美元的消费者剩余没有被计算在GDP内[2]。福尔曼等(Forman et al，2012)则通过研究发现，互联网发展和当地工资之间存在显著的悖论：互联网的广泛部署加剧了区域收入不平等，要改善这种情况，就不能只投资于基础设施，而要改善地区的人力资本质量[3]。崔和易(Choi & Yi，2009)利用1991—2000年207个国家的跨国面板数据指出，互联网普及率每提高10%，人均GDP增长率提高0.49%～0.59%[4]。科尔尼克等(Czernich et al，2011)使用“宽带渗透率”这一指标也得出相近似的结论，宽带渗透率每提高10个百分点，可以带动人均GDP增长0.9～1.5个百分点[5]。谢印成和高杰(2015)在使用中国互联网络信息中心数据和第三产业数据进行分析后发现，电子商务的发展对第三产业有显著的正向影响，网络零售交易额对中国第三产业增加值有显著的正效应[6]。然而，孙中伟等(2010)通过衡量1999—2008年中国互联网域名和GDP之间的关系指出，互联网资源增长在带动省域经济发展方面并未发现明显规律[7]。

互联网对于行业的影响也是深远的。迈克菲(McAfee，2001)提出，对于制造商而言，互联网正在三个层次上产生重大影响：(1)企业层面上影响企业内部网构架、企业信息技术、购买成本的节约；(2)企业联盟层面上实现点对点链接、多个合作伙伴的一体化和流程集团；(3)市场层面上提高增长预测、改变当前形势[2]。克莱蒙斯和希特(Clemons & Hitt，2001)估算能够确定和量化的互联网对零售金融服务业年生产力的影响后，认为其相当于长期美国经济总生产率的0.25%，或者每年的成本节约最多有190亿美元左右[2]。彭兰(2013)指出随着互联网技术的进步，互联网已经由机器连接构成的“终端网络”、超链接形成的“内容网络”，逐渐过渡到个体连接形成的“关系网络”，互联网的发展是“连接”的演进[8]。杨善林等(2016)提出互联网发展经历了三个时代，即技术性互联网时代、平台型互联网时代和资源型互联网时代，并指出随着互联网内涵和外延的不断丰富和扩展，互联网已经不再仅仅是一类技术系统或应用平台，其资源性特征在经济社会系统中的表现越来越显著[9]。

Under the patriarchy culture,black women are deprived of their autonomy and are imposed on the stereotypes,which put them into gender“Other”.

一般认为，数字鸿沟指的是“一个在那些拥有数字技术的人以及那些未曾拥有者之间存在的鸿沟”[10]。从当前的发展来看，全球的互联网普及仍然是以北美、北欧、西欧、澳洲为代表的发达国家占据领先地位，而中国、俄罗斯、南美等地区则在快速追赶。但同时，非洲和亚洲部分国家的互联网普及率远远落后于国际平均水平。互联网在促进经济发展的同时，也在分化互联网的受益者和无网络人群，并形成不可跨越的“数字鸿沟”。刘芸(2006)辩证地提出国际数字鸿沟具有经济发散和经济收敛的双重效应，指出ICT指标包括电话、个人计算机、互联网用户和主机四项指标，并通过跨国截面数据指出ICT普及对于经济发展的影响并非线性的[11]。韦路和谢点(2015)基于1990—2010年的世界宏观数据，通过考察互联网、固定宽带和手机在世界范围的发展蔓延及其影响因素后发现全球数字鸿沟逐渐缩小[10]。张伦和祝建华(2013)研究发现中国香港地区、美国与世界平均水平的互联网数字鸿沟发展趋势与该地区互联网扩散率呈倒U型关系，因此，从国别比较来看，数字鸿沟并不会无限扩大，反而会呈现一种趋近态势[12]。

数字鸿沟又会带来数字红利，世界银行(2016)指出，随着全球生产力增速的减缓和互联网普及范围的扩大，数字投资带来的增长、就业和服务收益等数字红利将进一步扩大[1]。彭婷(2015)认为，相对于“物理接入”，信息的“动机接入”、“技能接入”和“使用接入”等会导致更大的数字鸿沟[13]。邱泽奇等(2016)从互联网资本的角度，发现用户用自己的互联网资本通过对差异化、规模化的运用，获取差异化的互联网红利[14]。许竹青等(2013)对农民利用信息的能力与易腐农产品关系问题进行研究发现，有效的信息供给会显著提高易腐农产品的销售价格，因此建议提高农民的信息获取能力来获得“信息红利”[15]。

三、数据和变量

本文使用北京市共青团组织调研的“2014年北京创业青年群体1%抽样调查数据”，此次调研采取分层抽样的调研方法，抽取了北京市1%的创业青年。其中，“创业青年”要满足以下三个条件：(1)年龄为18～40周岁(含)的在京常住人员；(2)在北京市工商管理部门注册登记5年(含)以内；(3)截至2013年底已完成年度检验手续的企业法定代表人(含合伙人)和个体工商户经营者。

师：对吗，如果理解了，文章就说不定写于1917年，应该是1925年写的吧，父亲给儿子写信，打开了冰冻，但是文章还没有写……看这封信，“我身体平安……大去之期不远矣，”有没有矛盾的地方？”

(一)被解释变量

收入水平以创业者自报的月平均收入作为衡量标准。创业青年的月平均收入主要集中于6 000～12 000元，数据呈现明显的“长尾状”。因此，本文使用创业者月收入的对数作为被解释变量，避免数据的非正态分布。在研究中，创业行为往往被认为带有很大的主动性，即“主动型创业”的内在动机和机会选择是影响创业的重要因素。但是，在本调查中，北京创业青年并非集中于高收入人群，大多数创业青年仍处于自我就业的创业期，“有车有房”的创业青年占比不足三分之一，创业收入并不高，仍然处于资本的积累阶段。因此，可以看出北京青年的创业自选择问题并不明显。但是，为避免可能出现的样本选择偏差问题，后文的稳健性检验部分将做进一步交代。

(二)解释变量

1.互联网使用

互联网使用是指一般意义上的使用互联网作为个人学习或者娱乐工具，在本问卷中的题目是“您平均每天上网的时间为多少”。因此，本文以“互联网的使用时间”来表示互联网使用。本文对于该数据做了一般化处理，对于使用时间小于一个小时的按照0来处理，剩余的按照具体的时间做连续变量处理。

本文之所以对于互联网使用进行分析，原因包括：第一，由于创业者与一般劳动者的个体特征、社会资本等方面有诸多不同之处，互联网使用对于创业者的影响有必要作单独交代；第二，迪马吉奥等(DiMaggio et al，2004)从设备、使用主动性、技巧、社会支持、使用目的等五个方面研究数字鸿沟在不同群体中的表现，指出应用差异是数字鸿沟的进一步发展[16]。其中，互联网使用目的的差异随着互联网的普及将会进一步影响使用者的社会经济地位。因此，互联网使用并不能说明全部的互联网介质的价值所在，有必要做进一步分析。

2.数字人力资本

传统经济学在分析“资本”时主要是指用于经济产出的物质资本和耗材。20世纪60年，舒尔茨、贝克尔等经济学家提出了“人力资本”的概念，提出对于教育的投入，例如培训、学校教育等，可以带来显著的工资回报是典型的“非物质资本”。20世纪90年代，学者对于互联网的研究就伴随着对于互联网使用目的的社会分类的研究。随着互联网的发展和“新经济”概念框架的提出，学者开始认识到数字的价值不仅是提供基础设施，而且对于经济产出具有显著影响。张保芬(2001)指出以知识、智力和专有技术等无形资产投入为主的新经济应当更加重视人的作用[17]。

巴赫等(2013)提出“数字人力资本”(digital human capital)的概念，是从人力资本概念框架下分化出的概念，是指在数字鸿沟与其他形式的社会经济分化相关的基础上，技术获得和技术培训有利于在信息时代获得更多收益，具体包括公民参与、政治影响、社会变革和经济促进四个方面的收益[18]。数字人力资本理论的理论基础是人力资本理论和知识经济理论。巴赫等(Bach et al，2013)提出数字读写能力(Digital literacy)的概念，强调了数字扫盲的重要性和政策价值[18]。阿克曼等(Akerman et al，2015)的研究发现，宽带网络的发展提高了高技能劳动者的需求，以2005年为例，高技能劳动者使用宽带网络比不使用宽带网络的就业率高出了1.9%[19]。张蕊(2001)提出区域人力资本发展中应考虑“产业劳动力指标”，即信息技术领域就业人数/总就业人数，这是比较早的提出信息人力资本的测量指标[20]。邱泽奇等(2016)则提出“互联网资本”的概念，认为所谓互联网资本，是指任何既往投入形成的、具有互联网市场进入机会并可以通过互联网市场获益的资本。互联网资本强调高度互联条件下人力资产的资本化及其对发展的影响，是一种典型的组合资产[14]。借助马克思的生产力要素概念，部分学者提出“信息生产力”的概念。孙海芳(2007)认为信息生产力是一种独特的存在方式，与社会变革与利益调整相互影响[21]。其他的还有“互联网使用资本”、“互联网技术资本”等概念。个体通过技术介质的使用目的的差异所能获得的收益是不同的。高梦滔等(2009)研究发现在工作中使用计算机程度相同的青年人，在生活中使用计算机程度越高，则平均小时工资越高，并指出善于学习和掌握新技术的个人特征有利于提高劳动效率[22]。朱翠华(2007)认为技术进步对就业的影响取决于技术进步类型、全要素生产率提高程度等多种因素[23]。对互联网资本的不同解释见表1。

后来有人从上海带来几本书，何禾看完了以后说：你看，大都市里的人都只叫别人的名，不叫别人的姓的，和我们一样。你看这行：“安，你好吗？童问道。”何禾合上书，说道：我们会很快地融入大城市的，如果我离开了这里。

 

表1 互联网资本的不同解释

  

概念提出者理论基础概念解释数字人力资本巴赫等(2013)人力资本理论在数字鸿沟与其他形式的社会经济分化相关的基础上,技术获得和技术培训有利于在信息时代获得更多收益,具体包括公民参与、政治影响、社会变革和经济促进四个方面的收益互联网资本邱泽奇等(2016)资产组合理论任何既往投入形成的、具有互联网市场进入机会并可以通过互联网市场获益的资本

2.家庭资本变量

(三)控制变量

1.个体特征变量

创业作为一种个人行为选择，是与个体特征密不可分的。邓道才和唐凯旋(2015)、杨建东等(2010)认为不同的群体对于具有较高风险的创业行为有不同的态度，并且在创业意愿、创业动机、创业时机选择等方面存在显著差异[24-25]。(1)受教育程度。本文对于受教育程度的处理按照统计部门的统计口径，小学及以下=6；初中=9；高中=12；大专及本科=16；研究生=19。(2)创业经历。北京创业青年的平均收入在前四年的增幅为7.6%、5.05%和31.77%，资本的积累存在一定的阶段性。根据一般的统计，创业经历对于个人收入的影响是倒U型的，即在创业者职业发展到某个阶段后，创业者收入开始渐渐降低，因此，在变量设置中加入创业时间的平方；(3)年龄。北京市的创业青年主要集中在30～40岁的年龄段，其中，31～35岁、36～40岁年龄段的创业者分别占33.63%和26.78%。不同年龄段对于互联网的使用和理解是不同的，以微信为例，《2016微信年度生活报告》研究发现，朋友圈发布的原创内容，95后占比达到了73%，典型用户为65%*“2016微信数据报告：老年用户日渐活跃”，http://language.chinadaily.com.cn/2016-12/29/content_27811181.htm，2016-12-29。。(4)婚姻状况。婚姻状况为“已婚”的设置为1，其余设置为0。(5)性别。北京市创业青年的年龄占比相对合理，男女比例为6∶4。(6)户籍。由于户籍的限制，北京市的一些政策无法惠及非京籍创业者，一些“北漂”创业者无法享受相同的政策优惠，是否拥有北京户籍对于创业者有重要影响。

在本文中，“数字人力资本”是指通过对于互联网的深入使用来提高个人技能和情感，是基于互联网使用技能所产生的个体人力资本。本文根据被访者对于在网络上进行社会变革的态度构建“数字人力资本”的概念，因为对于创业者来说，单纯地使用互联网无法反映互联网对于个体人力资本所产生的影响。因此必须进一步区分使用者在使用互联网时所能产生的收益。因此，本文根据问卷中的题目“在虚拟世界中，你是否会参与到群体性的活动或者行动，比如网络声援、网络签名等”构建一个二值变量来表示“数字人力资本”。中国互联网信息中心(CNNIC)报告指出有43.8%的网民喜欢在互联网上发表评论来构建“新公共空间”*第35次CNNIC报告第六章：个人互联网应用状况”，http://tech.qq.com/a/20150203/037842.htm，2015-02-03。。

赖德胜和李飚(2015)指出，大学生创业由于缺乏合理的风险分担机制，本科毕业生的创业资金70%以上是由父母、亲友和个人积蓄来负担，专科毕业生的资金压力更大，80%以上都是由个人及家庭来负担[26]。邓道才和唐凯旋(2015)研究发现家庭资本对农民创业选择有显著的正向影响[24]。在本研究中，本文选取“是否有房有车”作为衡量家庭资本的主要变量。(1)是否拥有住房。被访者拥有自住房比例为37.2%。问卷中根据北京市居住的基本情况进行划分，包括平房合租、平房独租、楼房合租、楼房独租、自购平房、自购楼房等。本文将自购平房和自购楼房作为拥有住房的标准。(2)是否拥有私家车。其中被访者中拥有私家车的占比为35.7%。

3.社会资本变量

社会资本是创业者在创业前和创业过程中所形成的个人关系网络，对于创业者降低创业风险有重要价值。社会资本不仅能够提升创业者创业意愿[27]，增加风险投资可能性[25]，而且能够建立稳定的创业外部环境。本文以融资渠道来衡量社会资本。合理的创业风险分担是创业成功和后续经营的重要保障，宽松的融资环境有利于创业型企业迅速成长，并在发展过程中减少因资方的挟持而中道衰落。然而，以风险投资和天使投资为主的市场融资主要由少数几家大型的、资金雄厚的公司操作，对于创业项目的甄选和干预较多，增大创业型公司的发展风险，降低公司资金链断裂风险抵抗能力。

4.公司状况变量

(1)是否与国企存在竞争关系。由于创业型企业在创业初期缺乏足够的资金支持，是否与国企存在竞争关系对于企业发展状况有重要影响。根据问卷调查统计，57.9%的创业者认为与国有企业并不存在竞争关系。(2)是否享受过创业政策扶持。制度因素是创业成功的重要因素之一，良好的法律制度、宽松的政策支持等对创业成功有直接影响，相反，恶劣的经济环境则抑制创业的成功。政策扶持是青年创业的重要外生影响因素，直接影响青年创业的基本模式、成本风险压力、盈利周期等，是激发青年创新活力和创业潜力，促进青年就业增收的重要措施，也是在创业时代，政府履行良好监督者和引导者责任的主要方式。(3)是否盈利。创业型企业的收入具有一定周期性，在企业初创期，许多创业者和创业合伙人是没有月收入的，甚至大量创业者拿着自己的个人资金“倒贴”工资账户。因此，公司是否盈利对于企业老板和员工的收入状况都是有直接影响的。由于北京市创业青年并没有集中于高精尖行业，而是主要集中于批发零售及服务业等行业，抽样调查中有多个行业样本过小，因此本文在公司状况变量部分没有对创业者行业做进一步交代。各变量说明及变量的描述性统计见表2、表3。

 

表2 变量说明

  

变量类别变量名称含义被解释变量月平均收入的对数互联网使用上网时间每天上网时间数字人力资本社会变革参与网络签名、网络声讨等群体性活动取值为1;否则为0公民参与参与网络组织取值为1;否则为0政治影响评论社会现象并获得关注取值为1;否则为0个人情绪会把个人情绪带到网络中取值为1;否则为0个体特征受教育程度小学及以下=6;初中=9;高中=12;大专及本科=16;研究生=19创业年限创业年限创业年限的平方年龄结婚已婚取值为1;否则为0性别男性取值为1;否则为0户籍拥有北京户籍取值为1;否则为0独生子女独生子女取值为1;否则为0中共党员中共党员取值为1;否则为0宗教信仰有宗教信仰取值为1;否则为0

 

表2(续)

  

变量类别变量名称含义家庭资本住房拥有住房(包括自购平房和自购楼房)取值为1;否则为0私家车拥有私家车取值为1;否则为0创业动机主动型创业取值为1;被动型创业取值为0社会资本京籍朋友有北京籍朋友取值为1;否则为0贷款有贷款取值为1;否则为0融资渠道个人和家庭=1;私人渠道=2;社会渠道=3公司状况国企竞争与国企存在竞争关系取值为1;否则为0政策扶持享受过创业政策扶持取值为1;否则为0盈利盈利取值为1;否则为0

 

表3 样本描述性统计

  

变量样本量均值标准差最小值最大值被解释变量月平均收入17338626.989963.9150090000月平均收入的对数17338.700.786.2111.40解释变量互联网使用17842.121.8305社会变革18120.550.4901公民参与18120.120.3301政治影响18120.180.3801个人情绪17700.430.4901个体特征受教育程度1787142.99619创业经历17224.753.69016创业经历的平方172236.2654.810256年龄174833.065.532050婚姻20040.630.4801性别17930.610.4801北京户籍17640.450.4901独生子女17700.390.4801中共党员20040.140.3501宗教信仰17650.090.2901家庭资本住房17830.380.4801私家车17940.350.4801创业动机17450.740.4401社会资本京籍朋友20040.830.3701贷款17030.200.4001融资渠道17641.530.6513公司状况国企竞争16780.420.4901政策扶持18120.310.4601盈利17510.290.4501

四、实证分析

(一)计量模型

大量研究表明，教育通过影响个体的学习能力和配置能力来影响个体工资水平。本文将根据明瑟方程构建一个数字人力资本模型，计量模型如下：

lnwage=α0+α1DHC+α2edu+α3exp+α4exp2+δi+εi

(1)

其中，lnwage是指创业者月平均收入；DHC是指数字人力资本；edu是指受教育程度；exp是指创业时间；δi是指其他控制变量；εi为残差项。

(二)OLS回归

从月收入情况看，样本中并没有出现收入为0的受访者，收入情况全部可以观测到，不存在缺失数据的情况，模型有一致性估计结果，可以直接使用OLS回归估计。

在谈到巴斯夫在中国的定位和规划时，Markus Heldt向记者坦言：“近几年中国发生巨大变化，庞大的市场、强大的活力为巴斯夫成长做出贡献。随着中国开始淘汰一些老旧化学农药，并不断推出新产品、新技术，我相信在中国市场对创新型的农业解决方案和技术有着非常大的需求，这就是为什么巴斯夫非常高兴也非常愿意对中国的业务以及团队人才进行不断投资。如果是在20年后，中国成为全球最大的作物保护市场，我一点都不会惊讶。”

1.互联网使用

首先，知识产权评议是我国政府制定外商投资准入政策、审查跨国并购的重要依据。对于外国直接投资的准入与限制，关键在于平衡两种不同的价值取向：既要利用外商直接投资的“溢出效应”，通过外资企业关键技术和研发能力的扩散，促进产业结构升级和技术创新；又要防止外资企业垄断和控制核心技术，遏制我国企业技术创新，甚至威胁我国产业安全和产业发展。而要实现这一政策平衡，就必须合理运用知识产权评议，及时分析和掌握相关产业的技术创新状况和知识产权布局状况，准确判断相关技术和知识产权与国家经济安全、国防安全、社会安全等的关系，并据此对外商投资的行业准入政策进行动态调整。

从表4可以看出，互联网使用的时间长短与创业者月收入之间呈负相关，但结果并不显著。原因可能是由于创业者的总体技能水平和经济水平更加趋近，并且北京市创业群体的“集群效应”显著，共形成了7个创业人口过万的地区，而日常的互联网使用对创业群体的影响差异并不显著。

2.数字人力资本

设计SUP-13沥青混合料的过程中，设计人员还应该充分的考虑到将要使用的部位，并结合施工地区的气候环境因素，针对性的对混合料进行调节，一次来保证更好的适应当地的气候条件。只有通过这样的方式完成混合料的设计，才可以充分满足实际施工以及投入使用之后的需求，从而有效的提升公路工程的建设质量。

(三)IV回归

内生性问题主要包括自选择、反向因果关系和遗漏变量三类。陈云松(2013)指出内生性问题对于分析网络效应特别重要，因为当基于截面数据时很容易出现“联立性”或者双向因果问题[28]。根据经典变量误差(CEV)假定，用OLS估计这类模型，参数往往会被低估。在本文中，数字人力资本是二值变量，并没有违背E(ui∣zi)=0的假设，可以使用工具变量法进行内生性处理。

1.工具变量：个人情绪

个人对于互联网的态度和使用与个人的年龄、性格等要素有密切联系，不同的人对于互联网的态度差异较大。比如，20世纪90年代的个体作为“互联网原住民”对于网络的诉求更高，也更愿意在网络平台上彰显个性。本文以“个人情绪”作为工具变量来构建模型，剔除变量的内生性问题。对于当下的创业者，由于创业压力很大，他们大多会通过朋友圈、微博、论坛、发帖等方式宣泄自己的情绪，这种情绪与其是否会深入使用互联网是密切相关的，同时，个人的情绪宣泄方式并不会直接影响其收入。因此，“个人情绪”是一个可合理使用的工具变量。

2.IV回归结果分析

式中：D1为该层型线铝股外圆直径，mm；d为该层型线铝股内圆直径，mm；SAl为导线铝股总计算截面积，SAl=1 660.76 mm2；n为该层型线铝股根数；η为填充系数，η=0.92；θ为该层单根型线铝股圆心角，rad。

 

表4 数字人力资本的回归结果

  

OLS回归结果IV回归结果模型(1)模型(2)模型(3)第一阶段模型(4)第二阶段解释变量互联网使用-0.0096(0.0105)数字人力资本0.1088***0.3295***(0.0368)(0.1200)个人情绪0.3124***(0.0255)个体特征受教育程度0.0542***0.0512***0.0080*0.0488***(0.0070)(0.0068)(0.0046)(0.0071)创业经历0.0749***0.0798***-0.0193*0.0792***(0.0168)(0.0167)(0.0113)(0.0173)创业经历的平方-0.0042***-0.0045***0.0008-0.0044***(0.0011)(0.0011)(0.0007)(0.0012)年龄0.00010.0005-0.00280.0011(0.0038)(0.0038)(0.0026)(0.0037)婚姻-0.0117-0.01040.0364-0.0093(0.0443)(0.0442)(0.0300)(0.0446)性别0.1002***0.1034***0.02850.1063***(0.0376)(0.0374)(0.0257)(0.0369)北京户籍-0.2165***-0.2213***0.0167-0.2230***(0.0404)(0.0402)(0.0270)(0.0407)家庭资本住房0.1117**-0.04160.1257***(0.0439)(0.0292)(0.0457)

 

表4(续)

  

OLS回归结果IV回归结果模型(1)模型(2)模型(3)第一阶段模型(4)第二阶段私家车0.4052***0.0657**0.3788***(0.0419)(0.0283)(0.0430)社会资本融资渠道20.1358***0.1320***0.0618**0.1129***(0.0398)(0.0398)(0.0274)(0.0396)融资渠道30.2044***0.1925***0.0976**0.1823**(0.0689)(0.0687)(0.0451)(0.0765)公司状况国企竞争0.03540.03340.02550.0166(0.0374)(0.0373)(0.0259)(0.0382)政策扶持0.01700.0248-0.0731***0.0538(0.0388)(0.0388)(0.0271)(0.0414)盈利0.07540.0785*0.03250.0603(0.0408)(0.0407)(0.0277)(0.0415)常数项7.5223***7.4537***0.3753***7.3538***(0.1551)(0.1549)(0.1057)(0.1654)第一阶段F统计量150.529瓦尔德内生性检验P=0.0435R20.18560.19450.13840.1665样本量1452145914461446

注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为标准差。其中，IV回归结果为稳健标准误。

(四)稳健性检验

本文采取两种方法做进一步的稳健性检验，即加入更多的控制变量或者变更“数字人力资本”的衡量指标，见表5。

首先，加入更多的控制变量。在本节中，本文分别加入更多的创业者个体特征、社会资本特征和公司状况特征。(1)独生子女。对于独生子女家庭，父母往往希望孩子能够规避风险，减少自主创业行为。但是，一旦子女决定创业，父母则会鼎力相助，为孩子提供部分资金支持。(2)中共党员。如果创业者是中共党员，一方面，他们能够接收更多的关于创业扶持政策的信息，并建立稳定的社交网络。另一方面，则在与国企竞争中获得“联盟性”资源而非“对抗性”资源。(3)宗教信仰。赵朋飞等(2015)认为无论是城镇还是农村，具有宗教信仰的受访者所在家庭创业的概率更大[31]。有研究表明，宗教信仰与个人的特性相关，有宗教信仰的特体在面临风险时承担能力更强。(4)北京籍朋友。拥有北京籍朋友对于改善创业者“同伴关系”，获得更为稳定的社会关系网络和资金支持，增强创业意愿有一定影响。(5)是否有贷款。邓道才和唐凯旋(2015)认为信贷排斥对农民创业选择的总体影响为负[24]。由于是否有贷款与融资渠道之间有一定的共线性，即如果有商业贷款和政府贷款，则与市场融资重合，因此，在模型(10)中剔除掉“融资渠道”这一变量。(6)创业动机。一般来说，创业分为“生存型创业”和“发展型创业”，个人对风险的惧怕和未来的不确定性是影响创业意愿的重要因素。根据问卷，北京青年创业者中被迫创业，即“就业困难，只好选择创业”和“养家糊口”的占比仅为5.3%。

从模型(5)到模型(10)的回归结果可以看出，当加入不同的个体资本、社会资本和公司状况外生变量时，回归结果与模型(2)的结果相差无几，而且结果均显著，因此可以看出OLS回归结果较为稳定。其中，有中共党员身份的创业者月收入将增加22.73%，可见党员身份对于创业者的信息获得、创业选择等具有显著影响。与其他研究者结论相同，贷款行为有利于改善创业者的资金结构，建立合理的创业成本分担机制，有贷款的创业者月收入增加9.65%。其他控制变量的加入则不显著，对于月收入的增加没有影响。

其次，改变解释变量。(1)政治影响。本文以“是否在微博中评论社会现象或社会事件”作为衡量创业者是否会在网络中获得政治影响的标准。在生活中，有部分青年会通过网络的方式表达自己的政治意愿和政治诉求，有益于改善社会公平问题。王建武(2015)指出城市网民是在线政治参与的积极分子，有利于改善非制度化政治参与行为[32]。(2)公民参与。本文以“是否加入网络组织”作为衡量创业者是否进行网络公民参与的标准。网络组织作为一种组织形态，是底层民众发出自己声音，表达自我意愿，完成自我诉求的重要形式。

根据两阶段模型的回归结果来看，拥有数字人力资本使得创业月收入提高了32.95%，这一结果与OLS回归结果相比，提高了近2倍。稳健DWH检验的结果为P=0.043 5，拒绝了数字人力资本是外生变量的原假设，因此，本文认为数字人力资本是内生的。可见，正如陈云松(2013)等研究者的分析，数字人力资本与工资之间存在显著的联立性问题，IV回归的结果更接近真实情况[28]。首先，数字人力资本作为一种特殊的人力资本，正处于发展的初级阶段，有利于提高创业者的人力资本“变现”能力，具有显著的“溢价效应”。施瓦布(2016)曾指出第四次工业革命中一项重要变革是我们每个人拥有一个“数字化身份”，我们可以在网络上获得一个虚拟形象，并与他人展开信息共享、言论扩充等行为来维护个人网络[29]。因此，正如本文的假设，拥有数字人力资本的确提高了个人收入，在控制了教育、创业经历等因素后，发现互联网的深入使用行为和方式，即“数字人力资本”，导致创业者收入的显著差异。其次，根据赫克曼和鲁宾斯坦(Heckman & Rubinstein，2001)对人力资本理论的研究，影响劳动者收入的人力资本因素不仅包括认知能力(教育等IQ学习)，还包括非认知能力(自我控制和自我训练等EQ学习)[30]。数字人力资本是一种并不会直接产生“文凭效应”的学校教育结果，而是一种影响个体自我训练的非认知能力，其对劳动力收入的影响效果要大于学校教育。

文本采取了政治影响(模型(11))和公民参与(模型(12))作为解释变量，见表5。通过与表4的对比，模型(11)和模型(12)的回归系数与模型(2)相差较小，结果同样显著。可见无论是采用何种代理变量来解释数字人力资本，都能够说明数字人力资本作为一种特殊的人力资本形式，能够通过互联网技能的学习，深化个人的认知能力和配置能力，进而改善个体收益。

 

表5 稳健性检验结果

  

加入更多控制变量改变解释变量模型(5)模型(6)模型(7)模型(8)模型(9)模型(10)模型(11)模型(12)解释变量数字人力资本0.1072**0.1116**0.1114***0.1067***0.1085***0.1190***0.0868*0.1333**(0.0369)(0.0365)(0.0372)(0.0369)(0.0368)(0.0372)(0.0465)(0.0565)个体特征受教育程度0.0508***0.0463***0.0521***0.0504***0.0513***0.0552***0.0524***0.0516***(0.0068)(0.0068)(0.0069)(0.0068)(0.0068)(0.0068)(0.0068)(0.0068)创业经历0.0784***0.0812***0.0787***0.0806***0.0801***0.0799***0.0784***0.0782***(0.0168)(0.0166)(0.0169)(0.0169)(0.0167)(0.0171)(0.0167)(0.0167)创业经历的平方-0.0045***-0.0047***-0.0046***-0.0046***-0.0045***-0.0046***-0.0045***-0.0044***(0.0011)(0.0011)(0.0011)(0.0011)(0.0011)(0.0011)(0.0011)(0.0011)年龄0.00030.00010.00060.00070.00060.00010.00050.0003(0.0038)(0.0038)(0.0038)(0.0038)(0.0038)(0.0039)(0.0038)(0.0038)婚姻-0.0074-0.0095-0.0072-0.0030-0.0104-0.0156-0.0109-0.0011(0.0444)(0.0439)(0.0446)(0.0445)(0.0442)(0.0449)(0.0443)(0.0444)性别0.1047**0.1064**0.1091***0.0953**0.1033***0.1062***0.1003***0.1042***(0.0376)(0.0372)(0.0379)(0.0375)(0.0374)(0.0379)(0.0375)(0.0375)

 

表5(续)

  

加入更多控制变量改变解释变量模型(5)模型(6)模型(7)模型(8)模型(9)模型(10)模型(11)模型(12)北京户籍-0.2289***-0.2460***-0.2216***-0.2247***-0.2175***-0.2227***-0.2177***-0.2256***(0.0411)(0.0403)(0.0407)(0.0404)(0.0410)(0.0408)(0.0403)(0.0404)家庭资本住房0.1230**0.1218**0.1243***0.1206***0.1215***0.1323***0.1168***0.1173***(0.0440)(0.0434)(0.0442)(0.0440)(0.0438)(0.0443)(0.0437)(0.0437)私家车0.4035***0.4023***0.4007***0.4117***0.4060***0.4024***0.4093***0.4125***(0.0419)(0.0415)(0.0424)(0.0420)(0.0419)(0.0423)(0.0418)(0.0418)社会资本融资渠道20.1298**0.1256**0.1274***0.1342***0.1324***0.1381***0.1353***(0.0399)(0.0396)(0.0403)(0.0400)(0.0399)(0.0398)(0.0398)融资渠道30.1915**0.1699**0.1916***0.1859***0.1923***0.1971***0.1973***(0.0688)(0.0684)(0.0690)(0.0688)(0.0687)(0.0688)(0.0687)公司状况国企竞争0.03490.03230.02730.04080.03300.02500.03330.0321(0.0374)(0.0370)(0.0378)(0.0374)(0.0373)(0.0383)(0.0374)(0.0374)政策扶持0.02920.04010.02820.03460.02330.01560.02090.0200(0.0389)(0.0387)(0.0392)(0.0392)(0.0390)(0.0394)(0.0389)(0.0388)盈利0.0798**0.0683*0.0763*0.0736*0.0786*0.0841**0.0815**0.0816**(0.0407)(0.0404)(0.0412)(0.0407)(0.0407)(0.0411)(0.0407)(0.0407)更多控制变量独生子女0.0142(0.0388)中共党员0.2273***(0.0495)宗教信仰0.0862(0.0642)创业动机0.0633(0.0424)京籍朋友-0.0231(0.0490)贷款0.0965**(0.0473)常数项7.4618***7.5022***7.4318***7.3998***7.4665***7.4545***7.4837***7.4946***(0.1557)(0.1542)(0.1567)(0.1582)(0.1573)(0.1571)(0.1546)(0.1541)R20.19420.20610.19460.20150.19460.19150.19150.1927样本量14491459143614421459143114591459

注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为标准差。

(五)进一步讨论：不同技能创业者

从前文的分析中可以得到基本结论，即数字人力资本有利于提高个体收入。随着人力资本概念的提出，学者开始认识到国家政策层面的投资与个人层面的收入之间存在紧密联系。因此，随着创业者个体人力资本的提升，个体的收入将会明显提升，进而产生正外部性和社会收益，并有利于经济产出。

[4]CHOI C,YI M H.The effect of the internet on economic growth:evidence from cross-country panel data[J].Economics Letters,2009,105(1):39-41．

 

表6 不同技能创业者的回归结果

  

低技能创业者中高技能创业者模型(13)模型(14)模型(15)模型(16)解释变量互联网使用0.0416-0.0055(0.0291)(0.0113)数字人力资本0.09970.1328**(0.0927)(0.0410)个体特征创业经历0.06180.0689*0.0651***0.0706***(0.0408)(0.0409)(0.0188)(0.0187)创业经历的平方-0.0036-0.0041-0.0038***-0.0042***(0.0026)(0.0026)(0.0013)(0.0012)年龄0.00660.00430.00050.0015(0.0092)(0.0091)(0.0043)(0.0043)婚姻-0.1740-0.1893-0.0428-0.0412(0.1320)(0.1311)(0.0479)(0.0478)性别0.1976**0.2086**0.0775*0.0771*(0.0972)(0.0979)(0.0418)(0.0415)北京户籍-0.1726-0.1835-0.1984***-0.2060***(0.1261)(0.1264)(0.0435)(0.0434)家庭资本住房-0.01340.02970.1578***0.1623**(0.1389)(0.1383)(0.0473)(0.0470)私家车0.3068***0.2948**0.4541***0.4529***(0.1105)(0.1110)(0.0461)(0.0460)社会资本融资渠道20.17710.1839*0.1681***0.1645***(0.1042)(0.1040)(0.0437)(0.0436)

 

表6(续)

  

低技能创业者中高技能创业者模型(13)模型(14)模型(15)模型(16)融资渠道30.5811**0.5414**0.2149***0.2002**(0.2608)(0.2460)(0.0732)(0.0732)公司状况国企竞争0.03970.02680.05350.0478(0.0945)(0.0938)(0.0417)(0.0415)政策扶持0.2202**0.2365**-0.00890.0003(0.0940)(0.0944)(0.0436)(0.0435)盈利-0.0386-0.02830.0768*0.0810*(0.0978)(0.0981)(0.0461)(0.0459)常数项7.8671***7.9345***8.3074***8.1763***(0.3066)(0.3052)(0.1424)(0.1390)R20.15080.15240.15890.1706样本量22923112271232

注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为标准差。低技能者创业者指的是受教育年限小于等于9年，中高技能创业者指的是受教育年限大于等于12年。

首先，按照受教育程度对于创业者进行分组后，无论是低技能创业者还是中高技能创业者，互联网使用对于创业者收入的影响依然不显著，可见互联网的日常使用只是丰富了创业者的个体生活，方便了基本需求，并不会促进个体的技能提升。

其次，数字人力资本对于中高技能创业者的影响则是显著的，即拥有数字人力资本的中高技能创业者的月收入提高13.28%，这一结果与总样本回归结果差距不大。因为数字人力资本是一种需要自我学习和提升的技能，与学校教育和培训一样，都需要个体具有一定的基本能力。因此，互联网的普及和基础性教育的发展与数字人力资本的提升是相辅相成的。

五、研究结论与启示

本文构建了两个不同的互联网指标来分析互联网对青年创业者收入的影响。研究发现：互联网使用时间对于创业者收入没有显著影响，而数字人力资本则会对创业者收入产生正向影响。考虑到数字人力资本与个人收入之间可能存在的互为因果的问题，除了有效控制被访者的个体特征、社会资本、公司状况等变量外，本文还以被访者的个人情绪作为工具变量来解决联立性偏误问题。通过构建工具变量回归发现，拥有数字人力资本使得创业月收入提高了32.95%。本文通过加入更多控制变量和变更解释变量证明研究结论是稳健的。本文根据技能水平分组研究发现，无论是低技能创业者还是高技能创业者，互联网使用对于创业者收入的影响依然不显著。数字人力资本对于中高技能创业者的影响则是显著的，即拥有数字人力资本的中高技能创业者的月收入提高了13.28%。

因此，本文认为ICT培训计划必须转向至关重要的社会和文化实践，鼓励全面参与社区事务、文化生活和官方机构。政策制定者必须设计数字融入计划，促进媒介所有权的多样性，扩大数字扫盲。因为是否拥有足够的紧跟信息时代步伐的互联网使用和深挖技能，将会加剧创业者的群体分化和个人收入等。

其次，互联网发展对于创业者是利好的，应当深挖互联网人口红利，提高现有人群的互联网意识，通过互联网发展寻找新的就业增长点。公民数字人力资本的提升并非简单的“数字扫盲”，而是培养劳动者深入学习和使用互联网提高个体收入，增进个体技能的重要手段。因此，应该提升劳动者的数字人力资本以挖掘互联网人口红利。

参考文献：

[1]世界银行.2016年世界发展报告：数字红利[R].华盛顿：世界银行,2016:1-58.

[2]利坦,瑞夫林.互联网革命：推动经济增长的强劲引擎[M].北京：中国人民大学出版社，2011.

[3]FORMAN C,GOLDFARB A,GREENSTEIN S.The internet and local wages:a puzzle[J].American Economic Review,2012,102(1):556-575.

然而，迪马吉奥等(2004)指出，社会经济地位高的人群拥有更多的互联网使用技巧，因此，社会经济地位高的人群使用互联网的效率更高，并且容易获得更大的经济回报[16]。而梵狄克(Van Dijk，2005)的研究指出社会经济地位较低的人群反而比社会经济地位较高的人群更加频繁地使用互联网[33]。因此，本文将进一步区分不同受教育程度创业者的数字人力资本对个人收入的影响。根据受教育年限的差异，本文对于低技能者和中高技能者进行了分析，见表6。

[5]CZERNICH N,FALCK O,KRETSCHMER T,et al.Broadband infrastructure and economic growth[J].The Economic Journal,2011,121(552):505-532.

[6]谢印成,高杰.互联网发展对中国经济增长影响的实证研究[J].经济问题,2015(7):58-61.

[7]孙中伟,张兵,王杨,等.互联网资源与我国省域经济发展的关系研究[J].地理与地理信息科学,2010(3):44-48.

[8]彭兰.“连接”的演进——互联网进化的基本逻辑[J].国际新闻界,2013(12):6-19.

[9]杨善林,周开乐,张强,等.互联网的资源观[J].管理科学学报,2016(1):1-11.

[10]韦路,谢点.全球数字鸿沟变迁及其影响因素研究——基于1990—2010世界宏观数据的实证分析[J].新闻与传播研究,2015(9):36-54.

[11]刘芸.国际数字鸿沟的经济收敛效应分析[J].经济学家,2007(4):127-128.

[12]张伦,祝建华.瓶颈效应还是马太效应?——数字鸿沟指数演化的跨国比较分析[J].科学与社会,2013(3):106-120.

[13]彭婷.“新数字鸿沟”下城乡教育实质公平问题探究[J].教育理论与实践,2015(28):16-19.

[14]邱泽奇,张樹沁,刘世定,等.从数字鸿沟到红利差异——互联网资本的视角[J].中国社会科学,2016(10):93-115.

在人类社会初期，生产力水平极其低下，物质生产与精神生产往往交织在一起，而随着农业和手工业的发展，精神文化生产活动作为一个独立的领域与物质生产相分离。出于统治阶级利益的需要，统治阶级中间往往产生专门从事精神生产的阶层为阶级统治地位的历史正当性做辩护。这一特定阶层将统治阶级的思想观念灌输给社会成员，以此获得社会普遍意识这种虚假外观。因此，在资产阶级社会，文化创作被看作是上层精英的“专利”，而将人民群众作为“虚假观念”的被动接受者，忽视了广大人民的主体作用。巴黎公社肯定人民群众既是物质财富的创造者，同时更是精神财富的创造者，因而采取了一系列的文化教育措施，使人民成为文化教育的主体。

[20]张蕊.中国网络经济发展水平测度[J].经济理论与经济管理,2001(9):43-47.

[16]DIMAGGIO P,HARGITTAI E,CELESTE C,et al.From unequal access to differentiated use：a literature review and agenda for research on digital inequality[M]∥NECKERMAN K.Social Inequality,2004(6):355-400.

[17]张保芬.简论新经济的涵义和特征[J].山东经济,2001(4):21-23.

Reed等[8]通过实验发现不同的文本编码器在鸟儿和鲜花上都能得到比较好的结果，但是对于人脸的特殊性和复杂性，我们使用一个Word-CNNLSTM模型。如图1所示，文本描述是yellow skin and black hair，使用CNN网络对每个图像提取特征，LSTM提取文本描述特征，然后结合起来，计算出每个图像满足该文本描述的概率。

[18]BACH A,SHAFFER G,WOLFSON T.Digital human capital:developing a framework for understanding the economic impact of digital exclusion in low-income communities[J].Journal of Information Policy,2013(3):247-266.

[19]AKERMAN A,GAARDER I,MOGSTAD M.The skill complementarity of broadband internet[J].The Quarterly Journal of Economics,2015,130(5):1781-1824.

数字人力资本作为重要的人力资本，是通过互联网的使用方式来具体体现的。从表4可以看出，拥有数字人力资本使得创业者月收入水平提高了10.88%。这与研究者的假设相一致，即随着互联网技能的深入学习和使用，创业者在掌握数字技术的同时，可以享受到数字人力资本带来的“数字红利”。但是由于OLS回归得出的是数字人力资本与创业收入之间的相关关系，无法确定是否存在联立性偏误的问题，因此要进一步讨论。

[15]许竹青,郑风田,陈洁.“数字鸿沟”还是“信息红利”?信息的有效供给与农民的销售价格——一个微观角度的实证研究[J].经济学(季刊),2013(4):1513-1536.

[21]孙海芳.信息生产力的特征及意义分析[J].科学社会主义,2007(1):132-134.

热力除氧器的主要功能是利用物理方法（道尔顿分压定律和享利定律）对给水进行除氧，同时加热给水。根据电厂腐蚀检查规程规定，对除氧器筒体进行取样，样品经过烘干处理，利用公式，换算成单位面积沉积率，计算出电厂在本次燃料循环周期的单位面积沉积率为3.17g/（m2.y）,根据电厂检查规程规定，轻微沉积＜30g/（m2.y），而本次单位面积沉积率3.17g/（m2.y）＜30 g/（m2.y），因此除氧器在本次燃料周期的沉积程度较轻。

[22]高梦滔,颜明,毕岚岚.计算机使用对青年人工资率的影响:来自云南的经验证据[J].中国人口科学,2009(1):59-67.

[23]朱翠华.技术进步就业效应的研究述评——兼论全要素生产率驱动型经济增长条件下的就业创造[J].首都经济贸易大学学报，2017(2)：96-101.

“重写文学史”虽然在文学史上有着重要意义，但是在一定历史条件之下不可避免带有局限性。有学者重新评价了十七年文学的代表作之一——柳青的《创业史》，然而这篇文章主要缺点便在于把历史过于简单化。它试图从创业史的整体结构和小说内容出发，对人物的设置以阶级分析的眼光看待，从而得出了《创业史》是以狭隘的阶级分析理论配置各式人物，作品的情节展开与人物之间的矛盾线索便被安排在阶级、阶层等矛盾基础上，使得一切都好似精心安排。

[24]邓道才,唐凯旋.信贷排斥、家庭资本与农民创业选择——基于安徽省696份农户调查数据[J].湖南农业大学学报(社会科学版),2015(1):1-8.

[25]杨建东,李强,曾勇.创业者个人特质、社会资本与风险投资[J].科研管理,2010(6):65-72.

姜凌红,王超,韩颖,等.非对称性对光子晶体光纤偏振相关滤波特性的影响[J].光子学报，2018，47(12)：1206002

[26]赖德胜,李飚.高等教育改革与大学生就业[J].高等教育评论,2015(1):1-23.

社会主义廉洁文化体现了社会主义核心价值体系的要求，融合了社会主义政治文明、精神文明的重要内容。加强城乡社区廉洁文化建设，是加强城乡社区政治文明、精神文明的必然要求。

[27]解蕴慧,张一弛,高萌萌.谁会成为创业者?——主动性人格及社会资本对创业意愿的影响[J].南京大学学报(哲学·人文科学·社会科学版),2013(2):148-156.

[28]陈云松.互联网使用是否扩大非制度化政治参与基于CGSS2006的工具变量分析[J].社会,2013(5):118-143.

[29]施瓦布.第四次工业革命[M].北京：中信出版社,2016.

[30]HECKMAN J,RUBINSTEIN Y.The importance of noncognitive skills:lessons from the GED testing program[J].American Economic Review,2001,91(2):145-149.

[31]赵朋飞,王宏健,赵曦.人力资本对城乡家庭创业的差异影响研究——基于CHFS调查数据的实证分析[J].人口与经济,2015 (3):89-97.

[32]王建武.互联网使用对非制度化政治参与行为的影响——基于2013年中国社会状况综合调查数据(CSS)的实证分析[J].长春理工大学学报(社会科学版),2015(12):54-60.

[33]VAN DIJK J V.The deepening divide:inequality in the information society[M].New York:Sage Publications,2005.