2016年-世界发展银行全球_How_Does_the_Internet_Affect_Migration_Decisions__7页_285kb

报告摘要

总结：互联网如何影响迁移决策

核心内容

本文探讨了互联网对迁移决策的影响，特别是对迁入OECD国家的移民数量的影响。研究发现，互联网的采用在移民输出国中具有显著的负面影响，即互联网普及率的提高会导致这些国家移民数量的减少。研究使用了引力模型（gravity model）进行分析，并通过多种方法验证了这一结论的稳健性。

主要观点

互联网的负面影响：互联网普及率的提升与移民数量的下降存在显著负相关，表明互联网可能削弱了迁移的“推力”因素（push factors），从而降低了迁移的动机。
机制分析：互联网通过多种渠道影响迁移决策：
- 降低信息壁垒：提高移民对目的地国家信息的获取能力，从而可能促进迁移。
- 减少迁移成本：通过简化签证程序和改善旅行物流，降低迁移的经济和行政成本。
- 增强输出国经济：促进贸易和外国直接投资（FDI），增加对技能劳动力的需求，推动输出国经济增长和就业，从而减少迁移的必要性。
- 远程工作机会：允许人们通过互联网远程工作，减少了物理迁移的需要。
模型与数据：研究基于OECD-DIOC数据库和世界银行的WDI数据，分析了1990、2000和2010年间的双边移民数据。模型包括国家对固定效应（Country Pairs FE）和接收国年份固定效应（Receiving Country-Year FE），以控制时间不变因素和接收国随时间变化的因素。
稳健性检验：研究通过OLS、PPML（Poisson Pseudo-Maximum Likelihood）以及引入工具变量（IV）的方法，对模型结果进行了检验。工具变量为电信行业自由化改革的年份，以解决互联网普及率与迁移决策之间的内生性问题。
工具变量结果：使用工具变量后，互联网普及率对移民数量的负面影响依然显著，表明互联网的采用确实对迁移决策产生了实质性影响。

关键信息

数据来源

移民数据：来自OECD-DIOC数据库（2000、2010年）和Artuc等人（2013）的1990年数据。
互联网用户数据：来自世界银行的WDI数据。
GDP、人口和失业率数据：来自WDI。
教育水平数据：来自Barro-Lee数据集，包含1990、2000和2010年的成人高中及大学毕业生比例。
自由度指标：来自Freedom House，包括政治权利和公民自由评分，以及国家状态分类（自由、部分自由、不自由）。

模型设定

引力模型：研究使用了如下模型：
$$
m i g r _ {i, j, t} = \alpha + \beta i n t e r n e t _ {j, t - 5} + \gamma r e l _ {-} i n c o m e _ {i, j, t} + \delta p o p u l a t i o n _ {j, t} + \mu_ {i, j} + \nu_ {i, t} + \varepsilon_ {i, j, t}
$$
其中，migr表示迁入国i中出生在迁出国j的移民数量对数，internet为迁出国的互联网用户数量对数（滞后5年），rel_income为目的地国与迁出国的人均GDP（PPP）比值对数，population为迁出国人口对数。

工具变量分析

工具变量选择：使用电信行业自由化改革的年份作为互联网普及率的工具变量，以区分由供给端驱动的互联网采用与由需求端驱动的采用。
工具变量模型：
$$
i n t e r n e t _ {j, t - 5} = \rho_ {0} + \sum_ {k = 1} ^ {3} \varphi_ {k} R e f o r m _ {k, j, t - 5} + \rho_ {1} r e l _ {-} i n c o m e _ {i, j, t} + \rho_ {2} p o p u l a t i o n _ {j, t} + \sum_ {k = 1} ^ {3} \rho_ {2 + k} ^ {k} F r e e d o m _ {j, t} ^ {k} + \pi_ {i, j} + \tau_ {i, t} + \epsilon_ {i, j, t}
$$
$$
m i g r _ {i, j, t} = \alpha + \beta \widehat {i n t e r n e t} _ {j, t - 5} + \gamma \text {r e l} _ {-} i n c o m e _ {i, j, t} + \delta \text {p o p u l a t i o n} _ {j, t} + \sum_ {k = 1} ^ {3} \theta^ {k} F r e e d o m _ {j, t} ^ {k} + \mu_ {i, j} + \nu_ {i, t} + \varepsilon_ {i, j, t}
$$
结果：工具变量估计结果显示，互联网普及率每增加10%，双边移民数量减少约4.4%。即使加入更多控制变量，这一影响仍然显著。