Page 101 - 《社会》2016年第5期

社会· ２０１６ · ５

溢价效应在男性和女性之间可能仍存在较大差异。因此，本文的第一
个假设为：
假设 １ ：在控制了其他因素之后，男性的互联网工资溢价效应要高
于女性。
由于性别的刻板印象会影响女性对掌握互联网技能的主观意愿和
自我认知，那些性别观念更趋于平等与现代的女性，可能在使用互联网
时有更为积极的学习态度和更高的自我评价，并因此获得更多的人力
资本提升。因此，本文的第二个假设为：
假设 ２ ：在控制了其他因素之后，女性的性别观念越平等，其互联
网工资溢价效应越高。

四、研究方法

互联网使用与人们的工资收入等因素之间可能存在联立性偏误，
从而导致内生性问题。因此，本文采用倾向值匹配的方法来评估人们
的互联网工资溢价效应。该方法首先通过 犔狅 犵 犻狊狋犻犮 回归计算出人们使
用互联网的倾向值分数 犘 。然后，依据对照组（上网人群）中个案的倾
向值分数（ 犘犻 ），在控制组（不上网人群）中挑选出与其倾向值最为接近
的一个个案（ 犘 犼 ）。若对照组个案的倾向值分数与控制组中的任一倾
向值分数之差的绝对值超过倾向值标准差的 ０．２５ 倍（ ０．２５ 狆 ），则将该
控制组个案删除，进行下一轮匹配。本文倾向值的标准差为 ２．５６０ ，因
此控制组与对照组的倾向值之差的绝对值应该小于 ０．６４０ 。公式如下
（郭申阳， ２０１２ ）：
）
犆 （ 犘 犻 ＝ ｍｉｎ｜犘 犻－犘 犼 ｜ ， 犼∈犐 ０
，
ｍｉｎ｜犘 犻－犘 犼 ｜ ＜ε＝０．２５ σ ｐ犼∈犐 ０
第三步，将匹配好的一对个案从总体样本中抽出（不放回），如此循
环往复，被抽出的个案就组成了一个新样本。通过倾向值匹配选出的
样本基本上解决了内生性问题。
第四步，在倾向值匹配样本的基础上计算出互联网的工资溢价效
应，并进一步分析互联网的工资溢价效应是否存在性别差异。
最后，通过结构方程模型分析女性的性别观念如何影响其对互联
网的使用方式，以及如何因互联网使用方式的差异影响到互联网的工
资溢价。

· ９ ４ ·