新型金融服务、女性就业与家庭地位

New Financial Services, Women’s Employment and Family Status

摘要: 经济水平往往能影响人们的社会地位，而家庭地位则由人们为家庭做出的贡献所决定。传统社会中“男主内、女主外”的分工模式使得女性难以参与劳动力市场对家庭的贡献难以量化，女性社会和家庭地位均偏低。而随着互联网技术的发展，女性能够更好发挥自身比较优势，更加充分地加入劳动力市场，地位得到提高。文章基于中国数字普惠金融指数和中国家庭追踪调查数据库，探究地区新型金融服务的发展对女性地位的影响。实证结果表明，地区新型金融水平的发展给女性提供了更多的就业机会，同时提高了女性家庭地位的提升，对男女性别平等具有促进作用。以地区方言数量和互联网普及率作为工具变量，发现影响依旧显著。

Abstract: Economic level can often affect people’s social status, and family status is determined by people’s contribution to the family. In traditional society, the division of labor mode of “men in charge and women outside” makes it difficult for women to participate in the labor market and their contribution to the family is difficult to quantify, and women’s social and family status are low. With the development of Internet technology, women can better exert their comparative advantages, more fully join the labor market and improve their status. Based on the China Digital Financial Inclusion Index and the China Household Tracking Survey Database, this paper explores the impact of the development of new financial services on women’s status in the region. The empirical results show that the development of new financial level in the region provides more employment opportunities for women, and improves the family status of women, which promotes gender equality. Using the number of regional dialects and the Internet penetration rate as instrumental variables, we find that the effects are still significant.

1. 引言

近年来，随着科学技术的进步和金融信息化程度的加深，以数字金融为代表的新型金融服务模式创新性地引入互联网、通信服务、云计算等信息技术，开始在国民经济中占据着越来越重要的地位，逐渐进入大众的视野。自从诞生之初，数字技术就给人们的日常生活带来了诸多影响，被称为继蒸汽和电力之后的第三次科技革命，人们日常生活中的频繁使用又反向促进了数字技术的加速迭代与数字信息行业快速发展。现有研究表明，以数字金融为代表的新型服务业的发展，可以通过促进利率市场化[1]、降低市场摩擦[2]、改变市场结构[3]等方式带动居民消费[4]、企业创业[5]-[7]，拉动经济的增长[8]。此外，数字金融还具有普惠的性质，能够缩小城乡居民收入差异[9]，促进经济包容性增长[10]。中国以数字金融为代表的新型服务业虽发展迅速，在全球具有较大的影响力，但仍面临众多机遇和挑战，加深对数字金融的理解有助于促进行业的发展[11]。

除了对于实体经济的显著影响，金融服务作为国民经济发展中的重要一环，与就业、性别平等及社会生活的方方面面都存在一定的联系。数字技术与金融相结合会影响个人的时间配置和家庭分工[12]，而家庭分工的不同可能带来性别地位的显著差异。受儒家文化和宗族观念等因素的影响，我国性别不平等的问题一直存在。自从新中国成立以来，女性入学率不断提高，教育不平等的问题已经得到极大改善[13]，但在生育[14]和就业[15]等方面的性别歧视现象依然存在。而性别的不平等，不仅在于受歧视者的福利损失，还会对经济生活产生影响导致诸如要素收入恶化[16]、消费不足[17]、影响企业的效率和绩效[18]等一系列经济社会问题。

基于以上背景，本文结合中国数字普惠金融指数和中国家庭追踪调查数据库(CFPS)，进一步探究金融发展对女性就业和男女性别平等之间联系。边际贡献主要体现在两方面：第一，丰富了我国现有关于性别平等方面的研究，提供了基于互联网数字技术的视角；第二，完善和补充了新型金融服务业对经济生活的影响。

余下部分包括：第二章，理论假说和研究设计，介绍以数字金融为代表的新型金融服务业可能对女性地位造成的影响，并提出传导路径的相关假说；第三章，实证结果，对理论假说部分进行实证检验，并对基准回归结果进行稳健性检验；第四章，因果识别，使用工具变量和安慰剂检验尽可能的解决内生性的问题；第五章，得出结论，总结全文。本文研究表明：以数字金融为代表的新型金融服务业的发展能够有效地促进女性家庭地位和社会地位水平的提高，有利于促进男女性别平等。

2. 理论假说与研究设计

2.1. 理论假说

中国传统小农经济时期一直流行着“男主外，女主内”的家庭合作模式。传统观念认为女性不适合参与劳动力市场，而这种家庭内部分工模式，将导致女性对家庭的贡献难以量化，是古代女性地位相对偏低的一大原因[19]。工业革命之后，越来越多的机器将人们从繁重的体力劳动中解放出来，女性相对于男性身体力量较弱的劣势得到弥补，开始参与劳动力市场，与此同时女性地位也开始得到提升。近年来，随着中国逐渐开始产业升级，外加数字互联网技术的发展，女性在服务行业的比较优势也日益凸显，越来越多的女性有更多的机会加入劳动力市场[20]。人力资本理论认为对生产者进行教育、职业培训等支出及其在接受教育时的机会成本等的总和，表现为蕴含于人身上的各种生产知识、劳动与管理技能以及健康素质的存量总和。女性的教育水平提高之后，在服务业上的优势更加明显。因此本文提出如下假设：

理论假设1：新型金融服务的发展，会使女性更加容易获得工作，社会地位提高。

拥有更多就业机会将会从两方面影响女性的家庭地位。一方面，更高的机会成本会降低结婚对女性的预期收益；另一方面，女性经济地位的独立使得其在配偶的选择过程中拥有更大的权利，而这些往往带来其家庭地位的上升。因此，随着女性更加积极地加入劳动力市场，女性社会地位的提升，家庭地位也会随之提升。因此本文认为：

理论假设2：新型金融服务的发展，社会地位提高，使得女性家庭地位提升。

2.2. 研究方法说明

基于上述假设，本文首先建立女性地位与地区金融发展水平之间的面板模型，具体如公式所示：

$Statu{s}_{it}={\alpha }_t+\beta \ln \left(I{F}_{it}\right)+I{X}_{it}+{\epsilon }_{it}$ (1)

按照个体和时间进行分类，其中，被解释变量$Statu{s}_{it}$ 表示第i个个体在第t年的地位水平，包括家庭地位(用$Statu{s}_{it}^h$ 表示)和社会地位($Statu{s}_{it}^s$ )两方面。核心解释变量$I{F}_{it}$ 表示第i个地区在第t年数字普惠金融指数，用来衡量地区新型金融服务业的发展水平，为减少异方差的影响，对其进行对数化处理；$X_i$ 为控制变量集，包括个体和家庭层面的控制变量。本文预期互联网金融的发展能促进女性地位的提高，即系数$\beta >0$ 。

1) 被解释变量

核心被解释变量女性地位$Statu{s}_{it}$ 的衡量，本文采用是否是户主衡量女性的家庭地位($Statu{s}_{it}^h$ )，以及通过是否找到工作衡量受访者社会地位($Statu{s}_{it}^s$ )。主要数据来自CFPS数据库，CFPS包含个人、家庭、村居三个层次的问卷，对受访者的不同层面特征进行调查。本文的核心解释变量均来自于个人问卷(考虑到问题的重合性，主要采用成人问卷的相关信息)。并且部分控制变量来自于个人和家庭(经济)问卷。

2) 核心解释变量

本文采用郭峰等(2020) [21]编制的“北京大学数字普惠金融指数”，作为核心解释变量衡量地区新型金融发展水平的变量$I{F}_{it}$ 。该指数始于2011年至今已经延续11年，且依然在不断更新。由北京大学数字金融研究中心借助蚂蚁金服交易账户大数据编制，具有代表性和可靠性。

3) 其他控制变量

可能影响女性地位因素有很多，控制变量主要选取个人、家庭特征作为控制变量。受到中国重男轻女传统观念的影响，不同性别之间的个体地位存在较大差异[14]；并且城乡之间，由于经济发展水平的不同，对观念的接受程度不同等原因，女性的社会地位也有所不同。其次，女性的地位还会受到，个人的受教育状况、年龄和婚姻状况以及经济状况的影响。具体变量如表1所示。

Table 1. Control variable list

表1. 控制变量列表

变量名称		变量定义	单位
类别变量	性别分类	受访者性别情况	1
	城乡分类	受访者属于城市或乡村	1
个人特征	学历特征	受访者学历情况	1
	年龄特征	受访者年龄情况	岁
	婚姻特征	受访者婚姻情况	1
家庭特征	家庭收入	家庭全年总收入(取对数)	元
	家庭存款	家庭当前存款金额(取对数)	元
	家庭人数	家庭ID下的个人ID个数	人

注：数据来自CFPS数据库，家庭和个人问卷。

2.3. 描述性统计

本文选择CFPS数据库中2012~2018年的数据以个人ID作为识别码，整理得到10~18年的面板数据，得到共计142,194个个体和70,318个家庭样本。同时，以省份作为匹配标准确定每个个人ID所对应地区的数字金融发展水平。删除不能匹配的样本，最终剩余有效样本140,846，满足大样本要求。为避免极端值造成的影响，对家庭收入和储蓄进行了2%的缩尾处理；为减少异方差的影响，对其进行取数处理，对上述变量进行描述性统计，得到结果如表2所示。

Table 2. Main descriptive statistics

表2. 主要描述性统计

变量		样本数	均值	标准差	最小值	最大值
类别变量	性别	140,832	0.499	0.500	0	1
	城乡	137,027	0.472	0.499	0	1
个体变量	教育状况	137,693	3.792	2.344	1	8
	年龄状况	140,204	44.79	17.54	9	104
	婚姻状况	140,846	0.755	0.429	0	1
家庭变量	家庭规模	140,846	3.225	1.406	1	11
	家庭收入	134,909	10.59	1.097	7.203	12.46
	家庭储蓄	99,898	9.318	2.262	1.386	12.90
地位水平	家庭地位	140,846	0.370	0.483	0	1
	社会地位	114,108	0.987	0.112	0	1

3. 实证结果

3.1. 基础回归

1) 女性家庭地位的基础回归

选择女性户主作为衡量女性家庭地位的被解释变量进行回归。首先在表3结果显示地区数字金融水平的发展水平对女性家庭地位的提高具有正向的作用。从经济显著性上看，数字金融发展水平每增加1%，将导致女性家庭地位水平上升0.101，在控制了个人和家庭层面的因素之后，这样的影响效果依然存在。

Table 3. Basic regression analysis of women’s family status

表3. 女性家庭地位的基础回归结果

	(1)	(2)	(3)	(4)	(5)	(6)
数字金融	0.101***	0.137***	0.135***	0.129***	0.124***	0.097***
	(0.003)	(0.007)	(0.007)	(0.007)	(0.007)	(0.010)
教育状况	−0.005***	−0.004***	−0.004***	−0.006***	−0.006***	−0.008***
	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)
年龄状况		−0.006***	−0.006***	−0.008***	−0.007***	−0.002
		(0.001)	(0.001)	(0.001)	(0.001)	(0.002)
婚姻状况			0.035***	0.036***	0.038***	0.054***
			(0.007)	(0.006)	(0.007)	(0.009)
家庭规模				−0.034***	−0.033***	−0.033***
				(0.001)	(0.001)	(0.002)
家庭收入					−0.004***	−0.001
					(0.001)	(0.002)
家庭存款						−0.004***
						(0.001)
常数项	−0.348***	−0.255***	−0.273***	−0.058**	−0.052**	−0.122***
	(0.018)	(0.024)	(0.024)	(0.025)	(0.026)	(0.035)
个体效应	固定	固定	固定	固定	固定	固定
观察值	137,693	137,081	137,081	137,081	131,304	92,770
个体数	50,560	50,500	50,500	50,500	49,892	45,057
R^2	0.043	0.044	0.044	0.057	0.055	0.065

注：括号内为聚类标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。

2) 女性社会地位的基础回归

和表3类似，表4列出了以是否工作为衡量标准的女性社会地位回归结果。依次加入控制变量，发现数字金融对女性社会地位的发展同样有着促进作用，与理论预期相一致。且在控制个体和家庭层面的变量过后，结果依然稳健。数字金融发展水平每增加1%，人们的社会地位会增加0.126。

Table 4. Basic regression analysis of women’s social status

表4. 女性社会地位的基础回归结果

	(1)	(2)	(3)	(4)	(5)	(6)
数字金融	0.156***	0.217***	0.217***	0.216***	0.211***	0.126***
	(0.007)	(0.019)	(0.019)	(0.019)	(0.020)	(0.024)
教育状况	−0.025***	−0.023***	−0.023***	−0.023***	−0.023***	−0.028***
	(0.001)	(0.002)	(0.002)	(0.002)	(0.002)	(0.002)
年龄状况		−0.010***	−0.010***	−0.011***	−0.007**	0.004
		(0.003)	(0.003)	(0.003)	(0.003)	(0.004)
婚姻状况			0.006	0.007	0.003	0.019
			(0.015)	(0.015)	(0.015)	(0.020)
家庭规模				−0.006***	−0.001	−0.003
				(0.002)	(0.003)	(0.003)
家庭收入					−0.022***	−0.013***
					(0.003)	(0.004)
家庭存款						0.001
						(0.002)
常数项	0.644***	0.798***	0.794***	0.832***	0.900***	0.718***
	(0.042)	(0.065)	(0.066)	(0.066)	(0.070)	(0.086)
个体效应	固定	固定	固定	固定	固定	固定
观察值	111,721	111,341	111,341	111,341	107,172	74,303
个体数	42,115	42,040	42,040	42,040	41,521	36,549
R^2	0.043	0.043	0.043	0.043	0.043	0.057

注：括号内为聚类标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。

3.2. 稳健性分析

为保证模型的结果是稳定、可靠的，本文采取更换变量和计量方法的方式对模型的稳健性进行检验。

1) 不同的数字金融发展水平

在上文的基础上，采用不同的数字金融发展水平对模型进行稳健性检验。数字金融发展水平指数包括广度、使用深度和数字化程度三个维度。使用不同的数字金融衡量方式进行回归，对模型结果的稳健性进行检验。表5(1)~(3)列是对家庭地位的回归，(4)~(6)列是对社会地位的回归。可以看出在替换核心解释变量后结果依然显著，即可以在5%的显著性水平下认为，无论是从覆盖广度、使用深度和数字化程度中的哪一方面来衡量，数字金融发展水平的提高，有利于女性地位的提高。

Table 5. Robust test of different measures of digital financial development

表5. 不同数字金融发展衡量的稳健性检验

变量	家庭地位			社会地位
	(1)	(2)	(3)	(4)	(5)	(6)
覆盖广度	0.050***			0.041**
	(0.007)			(0.016)
使用深度		0.026**			0.135***
		(0.013)			(0.031)
数字化程度			0.140***			0.297***
			(0.008)			(0.018)
个人特征	控制	控制	控制	控制	控制	控制
家庭特征	控制	控制	控制	控制	控制	控制
个体效应	控制	控制	控制	控制	控制	控制
常数项	−0.153***	−0.299***	−0.203***	0.614***	0.301***	0.653***
	(0.035)	(0.040)	(0.034)	(0.087)	(0.098)	(0.079)
观察值	92,770	92,770	92,770	74,303	74,303	74,303
个体数	45,057	45,057	45,057	36,549	36,549	36,549
R^2	0.065	0.064	0.069	0.057	0.057	0.063

注：括号内为聚类标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。

2) 不同的女性地位衡量方式

除此之外，本文还采用不同的方式衡量女性地位。具体来说包括，是否因性别受到不公正的对待、是否受到技术(或行政)等级上的晋升、是否还在上学以及在本地的社会地位进行衡量，得到结果如下表6所示。列(1)表示因性别受到不公正对待的情况，列(2)表示是否存在职业晋升，列(3)表示适龄人口是否读书，(4)则表示自评的社会地位高低，均和理论预期相符合。从结果来看，可以认为在5%的显著性水平下，数字金融水平的发展，有利于减少因性别受到的不公正对待的机会，同时对职业晋升、上学和社会地位也有促进的作用。

Table 6. Robust test of different measures of women’s status

表6. 不同女性地位衡量方式的稳健性检验

变量	(1)	(2)	(3)	(4)
	受到不公	职业晋升	正在上学	社会地位
数字金融	−0.520***	0.283**	0.390***	0.093**
	(0.028)	(0.119)	(0.018)	(0.038)
个人特征	控制	控制	控制	控制
家庭特征	控制	控制	控制	控制
个体效应	控制	控制	控制	控制
常数项	3.489***	0.217	2.314***	0.588***
	(0.132)	(0.196)	(0.113)	(0.126)
样本数	62,553	11,782	61,284	83,919
个体数	36,530	9,559	40,814	40,531
R^2	0.035	0.005	0.122	0.042

注：括号内为聚类标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。

3) 不同回归模型的稳健性检验

考虑到被解释变量为定序变量，使用线性的固定效应模型回归，容易导致结果出现误差，参考相关文献，采取面板Probit和面板Logit回归，对回归方法进行稳健性检验。从表7中可以看出，即使采用不同的回归方法，依然可以得到同向显著的结果，与理论预期相一致。综上所述，使用不同的方式衡量数字金融水平的发展与女性地位的大小，以及更换回归方法，数字金融对女性地位的影响均存在，因此可以认为结果是稳健的。

Table 7. Robust test of different regression models

表7. 不同回归模型的稳健性检验

模型	(1)	(2)	(3)	(4)
	面板Probit		面板Logit
变量	家庭地位	社会地位	家庭地位	社会地位
数字金融	0.689***	0.687***	1.244***	1.354***
	(0.031)	(0.027)	(0.056)	(0.053)
个人特征	控制	控制	控制	控制
家庭特征	控制	控制	控制	控制
个体效应	控制	控制	控制	控制
样本数	92,770	74,303	92,770	74,303
个体数	45,057	36,549	45,057	36,549

注：括号内为聚类标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。

4. 因果识别

4.1. 工具变量

Table 8. Regression results of instrumental variables

表8. 工具变量回归结果

变量	1	2	3	4
	数字金融	家庭地位	数字金融	社会地位
数字金融		0.0778**		0.3506***
		(0.0362)		(0.0690)
互联网覆盖率	0.0143***		0.0177***
	(0.0002)		(0.0002)
地区方言数量	0.0073***		0.0161***
	(0.0013)		(0.0016)
个体特征	控制	控制	控制	控制
家庭特征	控制	控制	控制	控制
固定效应	控制	控制	控制	控制
样本数	23,352	23,352	38,956	38,956
个体数	10,143	10,143	16,826	16,826
R^2		0.1288		0.0575
第一阶段F	\	1698.36	\	2717.657
第一阶段P	\	0.0000	\	0.0000
Sargan统计量	\	0.6490	\	0.003
对应P值	\	0.4206	\	0.9590

注：括号内为聚类标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。

上述估计模型可能面临反向因果的挑战：女性地位反映整个就业市场的情况，而后者可能改变地区层面的金融服务业水平。同时，虽然使用固定效应能控制大部分的遗漏变量，但是考虑到女性地位和数字金融发展水平之间可能存在双向因果和抽样误差的问题，从而导致结果依然可能是内生的。为避免存在内生性导致估计有偏，我们进一步使用工具变量模型来验证以数字金融为代表的新型金融服务发展水平是否在因果意义上影响女性地位。

具体而言，我们采用互联网覆盖率和地区方言数量作为工具变量，进行两阶段最小二乘估计。首先，借鉴谢绚丽等(2018) [5]，考虑到新型金融服务业依赖于互联网技术，从相关性来看，互联网的普及率会影响数字金融的发展；其次，地方方言数量的多样性，可能通过影响社会信任水平[22]从而影响数字金融水平的发展。而且并没有现有理论或证据能够表明，这两者会对女性地位产生直接的影响。因此可以选择互联网覆盖率和地方方言的数量作为工具变量。

观察表8结果可知，无论对于家庭地位还是社会地位，使用两阶段最小二乘法的回归结果：第一阶段回归的统计量均远大于临界值，说明工具变量和数字金融发展水平显著相关，满足相关性条件；且Sargan统计量所对应的值均大于0.05，说明工具变量满足外生性假定。也就是说工具变量的选择是有效的，在排除内生性干扰后，数字金融发展水平对女性社会地位依然存在显著的影响。

4.2. 安慰剂检验

为尽可能地排除其他因素的影响，本文还通过安慰剂检验，判断数字金融对女性地位的影响是否存在。具体来说，从城乡和年龄两个层面进行了安慰剂检验。

1) 城乡层面的安慰剂检验

通过分析利用城乡样本进行安慰剂检验，可以进一步排除其他遗漏变量的影响，探究数字金融发展对女性地位的真实影响。考虑到城市对互联网和数字金融的接受程度和发展水平均高于农村，预期城市地区受到的影响高于农村。表9的结果显示：无论是城市还是农村，随着数字金融的越来越发达，女性地位会进而提高。对比第(1)和(2)列，发现数字金融每提高1个百分点，对城市女性地位的家庭地位提升为0.151，而对农村女性家庭地位的提升仅有城市的一半，为0.074；同时对比第(3)和(4)列的结果，发现数字金融发展对城乡居民社会地位的提高，差异并没有家庭地位那么明显。

Table 9. Heterogeneity analysis of urban and rural areas

表9. 关于城乡的异质性分析

变量	(1)	(2)	(3)	(4)
	家庭地位		社会地位
	城市	乡村	城市	乡村
数字金融	0.151***	0.074***	0.185***	0.156***
	(0.018)	(0.014)	(0.040)	(0.031)
个人特征	控制	控制	控制	控制
家庭特征	控制	控制	控制	控制
个体效应	控制	控制	控制	控制
常数项	−0.031	−0.038	0.817***	0.997***
	(0.055)	(0.053)	(0.131)	(0.122)
样本数	45,168	45,912	36,543	36,900
个体数	23,009	24,744	18,995	19,528
R^2	0.062	0.057	0.073	0.047

注：括号内为聚类标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。

2) 年龄层面的安慰剂检验

同时，将人群按年龄进行划分，进行分类回归，结果如下表10。考虑到不同年龄阶段的人受到的传统教育和对新鲜事物的接受程度不同，数字金融发展对不同年龄的群体之间影响程度应该有所差异，且预期青年群体受到的影响会更大。对比表10的(1)和(2)列，可以发现数字金融水平的提高，对于年轻家庭的影响是非年轻家庭的接近两倍；对比(3)和(4)列能够看出，对于社会地位的提高，年轻人受到的影响也相对更大。上述结果可以在一定程度上可以排除遗漏变量的干扰。

Table 10. Placebo test at different ages

表10. 不同年龄层面的安慰剂检验

变量	(1)	(2)	(3)	(4)
	家庭地位		社会地位
	年轻家庭 = 0	年轻家庭 = 1	青年 = 0	青年 = 1
数字金融	0.072***	0.143***	0.141***	0.198***
	(0.010)	(0.051)	(0.035)	(0.042)
个人特征	控制	控制	控制	控制
家庭特征	控制	控制	控制	控制
个体效应	控制	控制	控制	控制
常数项	0.069*	−0.231*	0.514***	1.452***
	(0.038)	(0.125)	(0.105)	(0.198)
样本数	81,483	11,287	46,273	28,030
个体数	41,127	7,735	22,515	16,105
R^2	0.041	0.095	0.082	0.034

注：括号内为聚类标准误，***、**、*分别表示在1%、5%、10%的统计水平下显著。

5. 总结

本文以2012~2018 CFPS提供的数据，整理得到的142,194个个体和70,318个家庭样本，使用北京大学数字金融普惠指数衡量目前以数字金融为代表的新型金融服务质量，探究数字金融对于女性就业、女性地位的影响。从理论上来说，数字金融的发展使得女性更能发挥自身的比较优势，有更多的机会参与劳动力市场，社会地位提高。更高的市场参与率，也使得女性在家庭中拥有更多的话语权，家庭地位得到显著的提升。在实证层面，采用CFPS微观数据库，对受访者个体进行检验，并选择地区互联网发展水平和方言数量作为工具变量消除内生性的影响。实证结果与理论预期一致，发现数字金融的发展，能显著提升当地女性的社会和家庭地位。根据上述结论，本文认为：数字金融等互联网技术的发展，为地区女性就业提供了更多的机会，促进了男女性别平等。女性的职业发展是劳动力市场运行的重要方面。数字金融为女性创造更多就业、创业机会，同时，数字金融能够通过共享信息与资源，缩小城乡之间的差异，降低不同地区女性就业者发展差距，提升女性就业创业质量。