数字经济发展、非农就业与农民增收.pdf

统计与决策2023年第16期总第628期数字经济发展、非农就业与农民增收何宜庆a，熊子怡a，张科a，王雯b（南昌大学a.经济管理学院；b.旅游学院，南昌 330031）摘要：文章利用城市面板数据、互联网招聘大数据以及中国流动人口动态监测调查（CMDS）数据，多维度实证检验了数字经济发展对农民收入的影响。结果显示，数字经济发展对农民收入增长具有显著促进作用，该结论在运用工具变量法和选用“宽带中国”试点作为准自然实验缓解内生性后依然稳健。具体地，数字经济的发展有助于增加低技能劳动力招聘需求，促进农村劳动力非农就业。此外，还考察了数字经济发展对农民收入增长的异质性作用，发现该增收效果在年轻化的农村劳动群体和宗族网络水平较低的地区更为显著。进一步检验发现，数字经济发展可以显著缩小城乡收入差距。关键词：数字经济；农民增收；低技能劳动力；非农就业中图分类号：F323.6；F014.4文献标识码：A文章编号：1002-6487（2023）16-0111-05基金项目：国家自然科学基金资助项目（72163021）作者简介：何宜庆（1961），男，江西进贤人，博士，教授，研究方向：金融投资、财务管理与企业运营管理。熊子怡（1999），女，江西南昌人，硕士研究生，研究方向：宏观经济管理与可持续发展。张科（1994），男，四川成都人，博士研究生，研究方向：宏观经济管理与可持续发展。（通讯作者）王雯（1988），女，江西南昌人，博士，讲师，研究方向：数字化转型。0引言解决“三农”问题、促进乡村振兴是全面建设社会主义现代化国家的战略基础。“十四五”规划和2035年远景目标指出，我国城乡区域发展和收入分配差距较大目前仍是社会的主要矛盾。与此同时，在互联网革命推动信息科技迅速发展的背景下，以数据为核心生产要素的数字经济对经济活动的内容、生产的组织方式产生了深远的影响。在此背景下，深入探究数字经济发展与农民收入增长的关系及影响机制对于解决城乡发展不平衡矛盾，稳步推进共同富裕发展实践具有重大现实意义。一直以来，学术界高度关注农民收入水平及其增长问题。然而学术上就数字经济发展能否促进农民收入增长未得到一致结论。一种观点认为，数字经济发展催生了许多服务业等新业态，如外卖员、网约车司机以及跑腿零工等平台经济从业者，为大量农业、制造业等行业的剩余劳动力提供了就业机会1；另一种观点认为，数字技术进步使得对低技能劳动群体需求下降，且农村居民使用数字技术的能力较差，进一步抑制了他们的非农就业行为从而降低其收入水平。造成实证结果不一致的原因可能在于劳动供给者个体差异较大，且受制于农村居民的数字平台使用能力，数字经济对劳动转型的影响可能存在滞后性。鉴于此，本文利用城市面板数据、互联网招聘大数据以及中国流动人口动态监测数据（CMDS），多维度实证检验数字经济发展对农民收入的影响。1理论分析与研究假设伴随着21世纪初城镇化进程的加快，大量农村剩余劳动力流向城市，工资性收入已成为农村居民收入增长的主要贡献因素2。与此同时，数字经济发展以数据为关键生产要素，以数字技术进步为推动力，通过引导生产方式的变革和新产业的产生，进一步影响着农村居民的就业结构和收入水平3。但是，关于数字经济发展是否能够增加农村居民的就业进而增加收入，学术界存在不一致的观点。一方面，数字技术在各个领域的广泛应用使高技能劳动者的边际产出不断增加，导致劳动力市场对于脑力和复杂劳动的高技能劳动者需求更大，集中于第一、第二产业的低技能劳动力被逐渐替代。与此同时，农村居民并未拥有和城镇居民一样的薪资待遇和社会福利4，进一步加剧了农村转移劳动力在面临数字经济冲击时的脆弱性。此外，相对于城市居民而言，农村居民对数字时代的高科技产品和服务不能很快掌握并充分应用，严重抑制了农民的非农就业机会，不利于其收入水平的提高。另一方面，正如此前历次技术革命中所经历的，技术进步总体上不会破坏就业市场5。首先，数字经济的高渗透性改变了居民的传统生活模式，人们对生活质量的追求和享受型消费升级趋势明显，进而引起了商品生产的多态化、复杂化，直接刺激了服务业的种类及就业量的增加1。现实来看，数字技术带来的实时交互能力加速了职业的大众化，尤其是与交通、旅行、物流、日用品等生活服务领域经 济 实 证DOI:10.13546/ki.tjyjc.2023.16.021111统计与决策2023年第16期总第628期的深度融合，催生了大量低技能的新型服务业，为农民工转岗再就业提供了新契机。其次，在数字经济蓬勃发展的背景下，新旧动能转换创造出巨大就业空间，各种零工经济、平台经济、自由职业者等新就业形态应运而生，拓展了农村居民的就业渠道。随着农业和工业数字化不断升级，农业和工业劳动力需求量有减无增的局面难以改变，因此农村劳动力向服务业行业规模化转移已成为基本趋势1。从长远来看，虽然数字技术应用降低了大规模商品生产活动对劳动力的需求，但随着数字应用的广度和深度逐渐推进，非中性技术进步对服务产品的需求也可能越发明显，并最终增加服务业的岗位数量和工资水平6。最重要的是，技术替代无论在任何阶段均不可能对人的服务产生替代，如网约配送员、直播电商等生活服务类数字新职业对劳动者的技能要求和学历要求较低，但这类工作仍需要从业人员的沟通交流能力以及环境应变能力7。在此背景下，数字经济能够吸纳更多农业转移劳动力就业，从而促进农民增收。基于此，本文提出假设1：数字经济发展有助于提高农村居民收入。2研究设计2.1模型设定为检验数字经济发展对农村居民收入的影响，本文构建如下双向固定效应模型：lnincomeit=0+1lndigitalit+jjcontrolsit+t+i+it（1）其中，i和t分别表示城市和年份，lnincome为农村居民可支配收入，lndigital为数字经济发展水平，controls代表一系列控制变量，t和i分别代表年份和城市固定效应，it为随机误差项。为考察数字经济发展对农民收入的影响机制，分别加入低技能劳动力招聘需求及非农就业变量，构建如下模型：recruiti=0+1lndigitali+jjcontrolsi+i（2）workerik=0+1lndigitali+jjcontrolsi+Xk+i+ik（3）式（2）检验了数字经济对低技能劳动力招聘需求的影响，recruit为招聘变量，包括各地区低技能招聘岗位总数的自然对数值（lnrecruit）和低技能招聘岗位占比（recruit_p）；式（3）检验了数字经济对农村劳动力非农就业的影响，workerik为非农就业的虚拟变量，若个体k在城市i从事非农工作记为1，否则记为0。Xk表示个体及家庭层面的特征，其余变量和参数设定同式（1）。2.2变量定义2.2.1核心被解释变量参考王庶和岳希明（2017）8的做法，本文对农村居民收入水平的衡量选用农村居民人均可支配收入。2.2.2核心解释变量本文借鉴赵涛等（2020）9和黄群慧等（2019）10的研究思路，通过互联网发展和数字金融发展两个维度测度数字经济发展水平。关于互联网发展，主要选取互联网普及率、相关产出情况、移动设备普及率和相关从业人员情况四个方面的指标，分别采用百人中互联网宽带接入用户数，百人中移动电话用户数，信息传输、计算机服务和软件业就业人数占比和人均电信业务总量进行核算。同时，使用北京大学数字金融研究中心发布的北京大学数字普惠金融指数衡量数字金融发展水平。使用主成分分析法（PCA）将上述指标的数据标准化后降维处理，得到测度数字经济发展的综合指数digital。此外，后文还采用腾讯研究院数字中国指数（原“互联网+”数字经济指数）digi_tencent作为替代解释变量进行进一步稳健性检验。2.2.3机制变量（1）低技能劳动力招聘需求参考已有研究中以教育年限或职业类别指标对劳动者按高低技能岗位进行分类的做法，本文从学历限制视角将低技能劳动力定义为在企业招聘中不限学历的岗位。综合考虑网络招聘信息发布的数量、范围和质量，本文选取智联招聘（）和58同城（）作为样本来源，利用Python爬取了2018年12月28日近2000万条招聘信息，通过对检索条件中的学历要求设置进行筛选，并剔除同一招聘单位中同一岗位的重复样本，最终汇总获得各城市不限学历的招聘岗位总数作为低技能劳动力招聘需求的替代指标（lnrecruit）。（2）非农就业水平本文采用中国流动人口动态监测调查（CMDS）数据衡量非农就业水平，该数据来源于国家卫生健康委组织开展的大规模全国性流动人口抽样调查，覆盖我国31个省份（不含港澳台），每年样本量近20万户，兼具专业性与大样本特征。基于数据的可获得性和时效性，本文选取2018年度A卷（流动人口问卷）数据，筛选出户籍为农村的居民样本集合，构建非农就业的虚拟变量（worker），具体的对有固定工作的农村居民赋值为1，其他情况则赋值为0。然后将这部分回答情况的数据进行清洗并和城市层面数据进行匹配，最终保留有效样本62389份。2.2.4控制变量参考已有文献，本文选取了如下地区特征控制变量：经济发展程度（lngdp，人均地区生产总值的自然对数值）、城镇化水平（lnnonagri，非农人口数的自然对数值）、城市规模（lndensity，人口密度的自然对数值）、失业率（unemployment，年末城镇登记失业人员数与年末总人口数的比值）、对外开放程度（lnfdi，当年实际使用外资金额的自然对数值）、产业结构（second、third，第二、第三产业增加值占比）、科技发展水平（lnscience，财政支出中科技支出的自然对数值）、政府规模（lnexpend，地方财政一般预算内支出的自然对数值）。此外，本文还加入了反映 农 村 居 民 个 人 特 征 的 控 制 变 量，具 体 包 含 性 别（gender：男性=1，女性=0）、婚姻状况（marriage：婚姻存续=1，其他=0）和家庭人员构成（family：共同生活在一户经 济 实 证112统计与决策2023年第16期总第628期的家庭其他成员人口数）。2.3数据来源和描述性统计本文选取20112019年中国286个地级及以上城市作为研究样本。本文研究使用的微观数据来自“智联招聘”“58同城”招聘网站及2018年中国流动人口动态监测调查（CMDS）数据，城市层面的宏观数据均来源于历年各地区统计年鉴、中国统计年鉴 中国区域经济统计年鉴 和 中国城市统计年鉴。3实证结果分析3.1基础回归分析本文先对模型（1）进行回归，初步检验数字经济发展对农民收入的影响。从表1中列（1）结果可以看出，在控制了城市和年份双重固定效应后，数字经济发展（lndigital）的估计系数在1%的水平上显著为正。列（2）进一步控制了区域特征变量后，系数估计值依然显著为正。这一结果表明，数字经济发展对农村居民人均收入水平具有显著正向影响，可以初步判断，数字经济发展有助于农民增收。表1基准回归结果lndigital地区控制变量城市/年份效应_consNR2lnincome（1）0.041*（0.010）YESYES8.789*（0.084）24990.832（2）0.022*（0.007）YESYES2.539*（0.602）24990.898注：*、*、*分别表示回归系数在10%、5%、1%的水平上显著；括号内为城市聚类稳健标准误。下同。3.2稳健性检验3.2.1工具变量法为尽可能避免一些不可观测因素引致的内生性问题，本文不仅在模型中考虑了城市和年份层面的变量，还尝试采用工具变量法解决内生性导致的估计偏误问题。具体地，本文参考文献11的方法，选择农村居民所在城市到沿海港口的最近距离作为工具变量。一方面，发展数字技术需要大量的资金投入，经济发达地区在信息技术基础设施的投入和建设上有着先天的资本优势。距离沿海港口越近的地区，其创新能力和经济发展水平越高，更有利于数字经济的可持续发展；另一方面，到沿海港口的最近距离很难直接影响区域间的收入分配。需要说明的是，由于空间距离不随时间变化，本文借鉴文献12的做法，最终使用二者的交互项赋予截面数据时间趋势，构造数字经济发展水平的工具变量。工具变量回归结果如表2所示。列（1）结果显示，在一阶段回归中，工具变量（lndistance）的系数估计值在1%的水平上显著为负，说明农村居民所处城市到沿海港口距离越近，数字经济发展水平越高。此外，第一阶段F统计数值为106.059，远大于经验值10，说明本文不存在弱工具变量问题。从列（2）结果可以看出，第二阶段回归中，数字经济发展（lndigital）的系数估计值为0.224且在1%的水平上显著为正，与前文结果一致，证明了本文结论的可靠性。表2工具变量回归结果lndistancelndigital地区控制变量城市/年份效应_consNR2（1）lndigital-15.628*（1.430）YESYES208.701*（18.768）24990.233（2）lnincome0.224*（0.030）YESYES1.635*（0.905）24990.9373.2.2消除通货膨胀影响为了消除通货膨胀对回归结果产生的估计偏差，本文以2011年为基期对全文涉及经济特征的相关变量进行平减处理，加入模型（1）重新回归的结果见表3。表3列（1）和列（2）结果表明，在消除通货膨胀的可能影响后，本文结果依然显著。表3稳健性检验：消除通货膨胀影响和替换解释变量lndigitaldigi_tencent地区控制变量城市/年份效应_consNR2lnincome消除通货膨胀影响（1）0.041*（0.010）NOYES8.793*（0.084）24990.735（2）0.021*（0.006）YESYES2.492*（0.602）24990.841替换解释变量（3）0.010*（0.005）NOYES9.380*（0.003）13830.929（4）0.009*（0.004）YESYES7.767*（0.912）13830.9323.2.3替换解释变量为进一步保证检验结果的稳健性，本文替换解释变量指标的度量方式，使用腾讯研究院数字中国指数（原“互联网+”数字经济指数）衡量各城市数字经济发展水平，回归结果见表3列（3）和列（4）。可以看出，在加入城市控制变量前后，核心解释变量的估计系数均在5%的水平上显著为正，再一次验证了上述实证结果，即数字经济发展能够有效促进农民增收。需要指出的是，由于该指数测算从 2015 年开始，因此本文检验数据样本区间为 20152019年。3.2.4双重差分估计本文将“宽带中国”试点的网络基础设施升级视为一项外生政策冲击，进一步使用双重差分法（DID）来缓解潜在的内生性问题。具体而言，工业和信息化部、国家发展和改革委员会在20142016年共同确立了120个城市（城市群）作为“宽带中国”示范点，入选城市着力于提高该地区的网络传输速率和扩大网络覆盖范围，以完成创建示范的目标任务，进而推动国家信息化与数字化发展。这为本文构造双重差分模型以更加精确地评估数字经济与农民增收的因果关系提供了重要契机。借鉴文献13的处理方法，构建如下多时点DID模型：经 济 实 证113统计与决策2023年第16期总第628期lnincomeit=0+1broadbandit+jjcontrolsit+t+i+i.t（4）其中，broadbandit为设立“宽带中国”试点城市的虚拟变量，若该年份及以后被选入“宽带中国”试点名单则取1，否则为0，其余变量与前文一致。表4列（1）报告了DID的估计结果。结果表明，broadband的系数在5%的水平上显著为正，与预期一致。此外，本文还进行了平行趋势检验，以“宽带中国”试点政策为造成实验组和对照组差异的唯一动因。为此，将“宽带中国”试点政策实施前4年的年份虚拟变量作为解释变量进行回归。表4列（2）结果显示，事前年份虚拟变量均不显著，这意味着在“宽带中国”试点政策实施前，试点地区与非试点地区的农村居民收入水平并没有显著差别，平行趋势检验通过，本文结论依旧稳健。表4稳健性检验：双重差分估计broadbandbefore4before3before2before1地区控制变量城市/年份效应_consNR2lnincome（1）0.017*（0.007）YESYES2.498*（0.589）24990.898（2）-0.013（0.011）-0.011（0.012）-0.008（0.013）-0.002（0.012）YESYES2.530*（0.590）24990.8984进一步分析4.1机制检验4.1.1基于低技能劳动力招聘需求视角就现实而言，企业岗位是社会中数量最多、最具活力、更新最快速的岗位，通过互联网发布的招聘信息也蕴含了职责描述、职位要求等大量信息，能够真实反映劳动力市场的供给方需求14。因此，本文研究引入“智联招聘”和“58同城”网站的招聘截面数据进行机制识别，分别以城市低技能岗位招聘总量的自然对数值和城市低技能岗位招聘总量与城市岗位招聘总量的比值来衡量地区低技能劳动力招聘需求，并加入模型（2）进行回归，结果见表5。可以看出，数字经济发展能够增加城市低技能劳动力的招聘需求，且在1%的水平上显著。这意味着，数字经济发展会催生更多低技能就业岗位，提高城市就业包容性，促进农民非农就业。表5作用机制检验：低技能劳动力招聘需求lndigital地区控制变量城市/年份效应_consNR2（1）lnrecruit0.930*（0.343）YESYES-45.835*（8.015）2700.461（2）recruit_p0.097*（0.026）YESYES-1.279*（0.614）2700.1944.1.2基于非农就业视角如前文所述，数字经济发展降低了信息不对称性，提高信息扁平化程度，有助于更多农民实现非农就业。为验证该机制，本文采用2018年中国流动人口动态监测调查（CMDS）数据，对模型（3）进行实证研究，回归结果如表6所示。列（1）至列（3）结果显示，在逐步控制城市固定效应、个体特征和城市特征后，数字经济发展对农村劳动力非农就业具有显著的促进作用。此外，考虑到被解释变量（非农就业）为虚拟变量，还采用Probit模型进行回归分析。列（4）至列（6）结果表明，在重新更换估计方法后，数字经济发展依然能够显著促进农民非农就业。这意味着，数字技术促进了就业形态多样化，由其衍生出的电子商务、平台就业等工作能够为农村居民提供更多非农就业岗位，从而有助于提高其收入水平。表6作用机制检验：农村劳动力非农就业lndigital个体控制变量地区控制变量城市固定效应_consNworkerOLS（1）0.098*（0.035）NONOYES-0.175（0.398）62389（2）0.099*（0.035）YESNOYES-0.210（0.394）62389（3）0.093*（0.037）YESYESYES2.191（1.952）62389Probit（4）0.365*（0.123）NONOYES-2.607*（1.403）62194（5）0.378*（0.122）YESNOYES-2.854*（1.392）62194（6）0.341*（0.129）YESYESYES5.278（7.441）621944.2异质性分析基准回归与稳健性检验的结果验证了数字经济发展对于农民增收具有显著促进效应。然而，尽管控制了个体、地区层面的控制变量，但问卷调查选择的个体并非完全同质，该促进作用在不同群体中可能存在明显的差异性。并且农村劳动力受乡土社会文化的影响较深，在宗族网络内部，农户能够较为容易地获取就业信息、降低外出务工不确定性风险。为此，本文进一步从个体年龄特征和区域宗族网络角度挖掘数字经济发展对农民增收作用的异质性。4.2.1考虑个体年龄差异的分样本回归既有研究表明，年长的农村劳动力通常在劳动力市场中处于弱势地位，他们所面临的劳动力市场的歧视较多。此外，相较于青年劳动力，老年劳动力更难掌握入门数字技术，这进一步放大了他们的就业劣势。基于此，根据2018年中国流动人口动态监测调查（CMDS）数据中的“年龄”变量进行分组，以45岁为节点将农村居民分为中青年组和中老年组，分别考察数字经济发展对其收入水平的影响，分组检验结果如下页表7列（1）和列（2）所示。在中青年样本中，数字经济发展（lndigital）系数在1%的水平上显著为正，而该系数在中老年样本中不显著，且基于bdiff500次抽样检验后两组系数差异在1%的水平上显著。这说明，相比中老年农村劳动力，数字经济对中青年农村劳动力收入水平的促进效果更明显。4.2.2考虑区域宗族网络差异的分样本回归由于历史、地理等方面因素的影响，中国宗族网络在经 济 实 证114统计与决策2023年第16期总第628期地区间存在明显差异。以血缘为纽带的宗族网络提供了一种社会保险，促进了不同类型工作信息的分享，以协助其内部人员获得高报酬的非农业工作，而数字技术可以大大降低农村居民对宗族网络的依赖。本文参考文献15的做法，将新中国成立前的家谱数据手工整理并与各地级市匹配，并对1990年各城市人口的家谱数量进行标准化处理，得到每百万人拥有家谱数，以此衡量当地的宗族网络水平。根据地区宗族网络水平的中位数进行分组，将样本分为宗族网络水平较高地区样本和较低地区样本，分组检验结果如表7列（3）和列（4）所示。在宗族网络水平较高地区样本中，lndigital系数为正但不显著，而在宗族网络水平较低地区样本中该系数的显著性水平和大小均大于列（3）的结果。基于bdiff 500次抽样检验后两组系数差异在10%的水平上显著，表明数字经济对农民增收的作用在宗族网络水平较低的地区更明显。4.3进一步检验：数字经济发展与城乡收入差距上文虽然已经证明数字经济发展可以带动农民收入增长，但在目前中国城乡发展不均衡的情况下，该增收效应是否可以减小贫富差距，还需要进一步研究。为检验数字经济发展对城乡收入差距的影响效果，本文参考文献16的做法，以城镇居民人均可支配收入、城镇职工平均工资与农村居民人均可支配收入之比（gap、gap_p）作为被解释变量，地区数字经济发展作为解释变量。表8结果显示，数字经济发展（lndigital）的估计系数均在1%的水平上显著为负，说明数字经济发展对缩小城乡收入差距也同样具有积极作用。表8进一步检验：数字经济发展对城乡收入差距的影响lndigital地区控制变量城市/年份效应_consNR2（1）gap-0.083*（0.018）YESYES15.352*（1.452）24990.320（2）gap_p-0.140*（0.043）YESYES13.996*（2.942）24990.3285结论本文基于我国20112019年286个地级及以上城市的面板数据，采用双向固定效应模型检验了数字经济发展对农民增收的作用。研究表明，数字经济发展显著提高了农村居民人均可支配收入，且该增收效应在中青年农村群体和宗族网络水平较低地区更明显；采用“互联网招聘”大数据和中国流动人口动态监测调查2018年度个人微观数据进行机制检验得出，数字经济主要通过促进低技能劳动力招聘需求和非农就业两种渠道推动农民收入增长。此外，本文进一步分析发现，数字经济发展对城乡收入差距有显著缩小作用。参考文献：1张明志,李兆丞,刘红玉.创新驱动下的新二元经济形成及解构J.科学学研究,2021,39(11).2罗楚亮,滕阳川.农村劳动力市场的工资不平等J.农业经济问题,2022,(1).3武可栋,朱梦春,阎世平.数字经济发展水平对劳动力就业结构的影响J.统计与决策,2022,(10).4梁文泉.不安居,则不消费:为什么排斥外来人口不利于提高本地人口的收入?J.管理世界,2018,34(1).5Alexopoulos M,Cohen J.The Medium is the Measure:TechnicalChange and Employment,19091949 J.Review of Economics andStatistics,2016,98(4).6Acemoglu D,Restrepo P.The Race Between Man and Machine:Implications of Technology for Growth,Factor Shares,and Employment J.American Economic Review,2018,108(6).7Dorn D.This Job is“Getting Old”:Measuring Changes in Job Opportunities Using Occupational Age Structure J.American Economic Review,2009,99(2).8王庶,岳希明.退耕还林、非农就业与农民增收基于21省面板数据的双重差分分析J.经济研究,2017,52(4).9赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展来自中国城市的经验证据J.管理世界,2020,36(10).10黄群慧,余泳泽,张松林.互联网发展与制造业生产率提升：内在机制与中国经验J.中国工业经济,2019,(8).11柏培文,张云.数字经济、人口红利下降与中低技能劳动者权益J.经济研究,2021,56(5).12Nunn N,Qian N.US Food Aid and Civil Conflict J.American Economic Review,2014,104(6).13薛成,孟庆玺,何贤杰.网络基础设施建设与企业技术知识扩散来自“宽带中国”战略的准自然实验J.财经研究,2020,46(4).14孙晨,甄峰,常恩予,等.基于招聘网数据的南京市新增就业空间分布J.经济地理,2016,36(6).15刘冲,刘莉亚,李庆宸.“排斥”还是“包容”:传统宗族文化与现代银行发展J.经济研究,2021,56(4).16李永友,王超.集权式财政改革能够缩小城乡差距吗？基于“乡财县管”准自然实验的证据J.管理世界,2020,36(4).（责任编辑/方思）经 济 实 证表7异质性检验：个体年龄差异和区域宗族网络差异lndigitalbiddfPvalue个体控制变量地区控制变量城市/年份效应_consNR2lnincome（1）中青年组0.163*（0.047）0.230*0.000YESYESYES-0.406（1.154）461290.954（2）中老年组-0.067（0.044）YESYESYES2.176（2.843）162600.043（3）高宗族网络水平0.012（0.007）0.015*0.090YESYESYES3.560*（0.839）12530.937（4）低宗族网络水平0.027*（0.009）YESYESYES2.423*（0.678）12460.867115