互联网普及对性别工资差距的影响

The Impact of Internet Penetration on the Gender Wage Gap

摘要: 互联网普及对性别工资差距的影响是劳动经济学领域的重要议题。本文以2022年中国家庭追踪调查(CFPS)数据为基础，结合信息搜寻理论与家庭经济理论，系统探究互联网普及对性别工资的作用及内在机制。研究结果显示：其一，互联网使用率与劳动者整体薪酬水平呈显著正向关联；其二，互联网对女性收入增长的推动效应明显大于男性；其三，随着工资分位数提升，性别工资差距呈现“先缩小后扩大”的U形特征，且禀赋特征差异对中等收入群体性别工资总差异的影响逐步减弱。综上，互联网普及既能提升劳动者整体工资水平，又能在一定程度上缩小性别工资差距，为缓解劳动力市场性别收入不平等提供了新路径。同时，结合2025年的新趋势，AI智能体的发展、互联网与实体经济的深度融合等，进一步拓展了互联网影响性别工资差距的路径与方式，为后续研究与政策制定提供了新方向。

Abstract: The impact of internet penetration on the gender wage gap is an important topic in labor economics. This paper, based on data from the 2022 China Family Panel Studies (CFPS) and combining information search theory and household economics theory, systematically explores the role and underlying mechanisms of internet penetration on gender wages. The results show that: firstly, internet usage is significantly positively correlated with overall worker wage levels; secondly, the internet’s effect on women’s income growth is significantly greater than that on men’s; and thirdly, as wage quantiles increase, the gender wage gap exhibits a U-shaped characteristic of “first narrowing and then widening,” and the impact of endowment differences on the overall gender wage gap in the middle-income group gradually weakens. In conclusion, internet penetration can both increase overall worker wage levels and, to some extent, narrow the gender wage gap, providing a new path to alleviate gender income inequality in the labor market. Furthermore, considering new trends in 2025, such as the development of AI agents and the deep integration of the internet with the real economy, the paths and methods by which the internet influences the gender wage gap are further expanded, providing new directions for subsequent research and policy formulation.

1. 引言

(一) 研究背景与意义

据中国互联网络信息中心(CNNIC)第五十六次《中国互联网络发展状况统计报告》，截至2025年6月，我国网民规模达11.23亿，互联网普及率飙升至79.7%，5G基站数量跃升至455万个，实现了县县通千兆光纤、乡乡通5G、村村通宽带的宏伟目标，算力总规模强势跻身全球第一梯队。与此同时，移动互联网用户规模突破14亿大关，社交媒体、在线购物、移动支付等线上场景蓬勃发展，电子商务、人工智能等领域更是日新月异，为劳动力市场注入了源源不断的活力。

然而，不可忽视的是，中国劳动力市场依旧饱受性别歧视与性别工资差距问题的困扰。在就业机会方面，建筑业、制造业等行业往往更倾向于招聘男性，而服务业、文职工作则对女性更为青睐，从而形成了较为明显的职业隔离现象。在工资待遇上，尽管相关政策不断完善，致力于保障女性的劳动权益，但女性的整体工资水平仍然低于男性，尤其是在农村及基层岗位，性别工资差距问题更为突出。在此背景下，深入探究互联网普及对性别工资差距的影响，具有极为紧迫且重要的现实意义。

(二) 研究意义

1. 理论意义

本研究以信息搜寻理论和家庭经济理论为坚实支撑，深入剖析互联网时代性别工资差距的形成与演变机制，有助于丰富性别不平等影响因素的研究体系，拓展劳动经济学研究视角，为后续相关理论探索提供参考。并且在2025年新趋势下，如AI智能体重塑互联网“打法”，为研究互联网影响性别工资差距的微观机制提供了新视角，进一步完善理论框架。

2. 现实意义

互联网普及催生了电子商务、数字营销、网络媒体等新兴职业，这类职业对教育水平与技术技能要求较高，且支持远程办公、灵活就业，既能契合女性技能优势，又能帮助女性平衡家庭与工作，提升劳动参与率；同时，新兴职业领域男女受教育程度与技能差异较小，有助于缩小该领域性别工资差距，并带动整体性别工资差距改善。2025年，互联网与实体经济深度融合趋势愈发明显，大量传统产业数字化转型，为女性创造更多适配岗位，进一步优化就业结构，缓解性别工资差距。

(三) 文献综述

1. 互联网对性别工资差距的影响

数字技术对性别工资差距的影响呈现出显著的分布异质性，分位数回归与结构分解方法是剖析这一特征的关键工具。葛玉好运用分位数回归方法发现，在中国城镇劳动力市场中，市场歧视对性别工资差距的影响程度随工资分位数的升高而逐渐降低：在工资分布底部，性别工资差距主要由歧视因素驱动；而在工资分布顶部，差距更多源于教育、技能等禀赋差异。这一研究成果为后续探讨数字技术的分布效应构建了基础分析框架[1]。毛宇飞等基于CFPS数据，综合运用分位数回归与Oaxaca-Blinder分解方法，首次系统性地探究了互联网对性别工资差距的影响。研究表明，互联网使用能够显著缩小中低收入群体的性别工资差距，但对高收入群体的影响相对有限。结构分解结果进一步揭示，互联网通过“特征效应”和“系数效应”双路径发挥作用，但由于女性在高收入行业的参与度不足，其效果仍存在一定局限[2]。

近年来，相关研究不断拓展方法的应用场景。张明斗采用分位数回归与夏普里值分解方法，分析产业数字化对性别工资差距的影响，发现产业数字化在中等收入群体中缩小性别工资差距的效应最为突出，其作用机制主要体现在“技能溢价均等化”方面——女性在数字技能密集型岗位的技能回报率提升速度明显快于男性[3]。韩雷基于CFPS数据的研究则表明，数字经济对性别工资差距的影响存在“阈值效应”，只有当互联网使用时长达到每周15小时以上时，才能够显著缩小性别工资差距，这一发现为互联网使用变量的细分研究提供了重要参考[4]。

2. 互联网对女性工资的影响

平台经济与零工经济的发展，为女性就业开辟新场景的同时，也重塑了性别工资差距形成机制。冯喜良基于农民工调研发现，互联网平台虽提升女性农民工就业参与率，但存在“平台内性别隔离”，女性多从事低技能岗位，男性主导高报酬岗位，平台内性别工资差距约18%，低于传统行业但仍显著，职业隔离导致的禀赋差异是主因[5]。

宋林研究显示，电商平台助力农村女性收入提升30%，性别工资差距缩至12%，不过其收入受平台规则制约，高收入女性集中于“女性主导型”品类，改善存在行业局限[6]。国外研究方面，Kuhn指出，美国远程办公平台提升女性“工作–家庭平衡溢价”，但“算法歧视”使女性在订单分配和评价体系中处于劣势，削弱了灵活性带来的收益[7]。

3. 文献述评

现有研究已证实数字技术对性别工资差距的影响具有分布异质性，且平台经济能通过灵活就业改善女性收入，但仍存在三方面不足：一是互联网使用变量多为“是否使用”的二元变量，未区分用途(工作/非工作)、时长及技能关联度，难以精准识别影响机制；二是理论分析多聚焦“平均效应”，未明确推导数字技术在不同工资分位数影响性别差距的机制，无法解释“U形”关系的理论逻辑；三是平台经济相关研究多关注整体效应，未结合分位数回归分析不同收入群体在平台中的受益差异。

本文的边际贡献在于：第一，基于2022年CFPS数据，构建多维互联网使用变量，引入上网时长等代理变量，提升测量精度；第二，结合相关理论，推导互联网对性别工资差距的U型影响机制；第三，运用分位数回归与分解法，结合多维度变量检验U型关系形成机制，填补研究空白。

2. 理论分析与研究假设

基于信息搜寻理论和家庭经济理论，互联网普及对性别工资的影响主要可以通过降低搜寻成本和提高女性工资这两个方面来体现，见图1。

基于信息搜寻理论与家庭经济理论，互联网通过三个机制对不同工资分位数的性别工资差距产生差异化影响，最终形成U形关系：

Figure 1. The impact mechanism of internet popularization on wages and gender wage gap

图1. 互联网普及对工资及性别工资差距的影响机制

1. 低收入群体(10~30分位)：信息成本降低缩小差距

低收入女性多集中于低技能岗位(如家政、零售)，传统劳动力市场中，这类岗位的信息不对称严重 —— 女性因社交网络局限、信息获取渠道少，难以找到高匹配度岗位，且议价能力弱。互联网的普及(尤其是工作用互联网使用)能降低就业信息搜寻成本：女性通过求职平台、行业社群获取更多岗位信息，减少因信息不足导致的“低薪错配”；同时，互联网提供的行业工资标准(如薪资查询工具)能提升女性议价能力，减少雇主的“歧视性压价”。但此阶段女性多使用互联网获取基础信息，尚未形成技能溢价，故差距缩小幅度有限。

2. 中等收入群体(40~60分位)：工作灵活性与技能溢价双重作用，差距缩小最显著

中等收入女性多集中于服务业、文职等岗位，这类岗位对“工作–家庭平衡”需求高，传统模式中女性常因育儿、家务等责任被迫减少工作时间或放弃晋升，导致工资低于男性。互联网的作用体现在两方面：一是支持远程办公、弹性工时(如在线客服、数字运营)，女性可平衡家庭与工作，提升劳动供给质量；二是互联网提供的在线培训(如数字营销、数据分析课程)，帮助女性掌握中等技能，形成“数字技能溢价”——中等收入群体的女性数字技能回报率(约8%)高于男性(约5%)，且职业隔离较弱(如数字岗位对性别的包容性更强)，故互联网缩小差距的效应在此分位最显著。

3. 高收入群体(70~90分位)：职业隔离与技能门槛扩大差距

高收入女性多集中于专业服务、管理岗位，男性则主导科技、金融等更高报酬领域。互联网在此分位的作用呈现“男性偏向”：一方面，高收入男性更易进入数字技术密集型行业(如AI、区块链)，这类行业的“数字技能溢价”更高(男性技能回报率约12%)，且职业晋升中男性更易获得技术岗位机会；另一方面，高收入女性虽也使用互联网，但多集中于非技术岗位(如在线教育、咨询)，技能溢价低于男性，且传统职场中的“玻璃天花板”仍存——互联网未能完全消除高收入领域的性别歧视(如晋升评价中的隐性偏好)，故随工资分位数升高，性别工资差距再度扩大。

基于上述理论推导，提出以下假设：

假设1：互联网使用(尤其是工作用互联网使用)能显著提升劳动者工资水平，且对女性的提升效应大于男性。

假设2：随工资分位数升高，互联网使用对性别工资差距的影响呈“先缩小后扩大”的U形特征，中等收入群体(40~60分位)的缩小效应最显著。

3. 数据、模型及变量描述

(一) 数据来源

本研究使用2022年中国家庭追踪调查(CFPS)成人问卷数据。CFPS数据包含丰富的互联网使用信息(如用途、时长、技能)、个人特征、工作特征及收入数据，且被广泛用于数字技术与劳动力市场关系的研究，具有权威性与代表性。

(二) 模型设定与变量的选择

为估计互联网对性别工资的影响，本文根据 Krueger的工资决定方程设定形式，[8]并在分析时区分全样本和性别样本：

$\ln \omega age=\alpha +\beta Internet+\gamma Xt+\epsilon$ (1)

其中，被解释变量是小时工资对数，核心解释变量为是否使用互联网，$Xt$ 为个人特征(性别、年龄、婚姻状况、户籍状况、是否是党员)人力资本(受教育年限)和区域特性(所在地区、宏观经济)等控制变量组，$\alpha$ 、$\beta$ 、$\gamma$ 为相应的回归系数，$\epsilon$ 为误差项。

(三) 变量说明及处理

为排除工作时间因素，本文采用小时工资率的对数作为被解释变量进行分析，小时工资率的计算方式为个人年收入/ (52周 × 周工作小时数)，核心解释变量为是否使用互联网。

由于工资水平还可能受到其他客观因素的影响，借鉴毛飞宇(2018)等人的研究，引入控制变量性别、年龄、婚姻状况、户籍状况、受教育程度、是否是党员。这些因素是影响个体工资水平的重要特征，而是否是党员可能代表着个体的政治关系等因素，这些因素会对工资产生直接或间接地影响。通过控制这些变量，可以排除其他因素对性别工资差距产生的影响，使得互联网普及对性别工资差距的影响更为准确和明确，帮助将工资差异进行更精细地分析，从而了解特定群体在互联网普及后是否出现了工资差异。观察小时工资的平均值、最大值和最小值，可以发现最高值与平均值差距过大，导致数据离散程度过大，进而将小时工资的最高2.5%和最低2.5%去掉，利用中间的95%的样本进行后续的数据分析，得到样本观测值共10002个(见表1)。

Table 1. Statistical descriptions of variables

表1. 变量的统计性描述

变量	观测数	平均值	标准差	最小值	最大值
inwage	10002	26.0612	208.83639	0	16730.77
受教育程度	10002	2.67	1.471	0	7
户口性质	10002	0.81	0.396	0	1
婚姻状况 1 = 有配偶 0 = 无配偶	10002	0.78	0.414	0	1
户主年龄	10002	39.68	12.189	16	83
性别 1 = 男 0 = 女	10002	0.59	0.492	0	1
是否上网 1 = 是 0 = 否	10002	0.81	0.390	0	1
是否党员 1 = 是 0 = 否	10002	0.13	0.339	0	1

注：受教育程度：0 = 文盲/半文盲，1 = 小学，2 = 初中，4 = 高中/中专/技校/职高，5 = 大专，6 = 大学本科，7 = 硕士，8 = 博士；户口性质：1 = 农业户口，0 = 非农户口。

由变量统计表可知，性别中位数接近0.5，表示该组变量性别比较为均衡，且囊括了16~83年龄段人群，为后续计量提供基础，且上网人数比重较大，平均小时工资为26元。

4. 实证分析

(一) 互联网普及对性别工资的影响

利用OLS一般最小二乘回归方法，对整体样本与不同性别样本进行回归分析，检验网络普及对男女收入的影响程度(见表2)。

Table 2. Regression results of the impact of the internet on gender wages

表2. 互联网对性别工资影响的回归结果

变量	全样本	男性	女性
Inter	3.448^***	2.585^*	4.694^*
	(0.000)	(0.047)	(0.002)
edu	5.879^***	5.890^***	5.968^***
	(0.000)	(0.000)	(0.000)
res	−0.737	−0.80	−0.425
	(0.403)	(0.519)	(0.729)
mar	4.572^***	6.199^**	2.714^*
	(0.000)	(0.000)	(0.032)
age	0.208^***	0.096^*	0.391^***
	(0.000)	(0.043)	(0.000)
gen^2	4.125	-	-
	(0.337)	-	-
party	1.061^***	0.672	2.476
	(0.000)	(0.609)	(0.135)
常数项	−10.786	−1.074	−17.929
R^2	(0.071)	(0.061)	(0.083)
样本量	9,802	5,802	3,999

注：各个变量上方的是对应系数，下方是P值。

由表2可以看出，是否使用互联网对于工资的影响效果在不同性别之间程度不同，对于女性的影响系数为4.69，明显高于对于男性的影响系数2.58，也高于对于总体样本的影响系数3.44；受教育程度对工资起正向影响，且对于不同性别工资的影响差异不大；结婚对男性工资有明显促进作用，对女性工资的影响却不大，这可能是由于大多数家庭婚后的分工为“男主外，女主内”，从而使男性群体花费更多精力在事业上，进而提高工资，女性则把更多时间花费在家庭上；然而年龄对男性工资的影响不显著，对女性工资水平影响明显；关于户籍对收入的影响，可以看出城市户口群体的收入高于农村户口群体，反映了城乡收入的差距所在。

(二) 互联网普及对性别工资的分位数影响

采用RIF分位数回归研究在不同的工资分布位置上互联网对性别工资的影响。分位数回归选取的分位数为10、50和90，并通过最小化方程得出系数估计值(见表3)。

由回归结果可知，随分位点数增加，互联网普及对2020年男女两群体性别工资的正影响系数均呈上升趋势，并且，网络的普及对男性在各个分位的薪资产生的积极作用要大于女性，表明2020年使用互联网对男性工资促进作用显著高于女性。这可能与男性对新兴互联网更感兴趣，由于技术倾向、职业偏好、社会文化影响等因素，男性在科技领域的兴趣往往比较高，他们对新兴技术和互联网的发展更为关注和热衷。且男性在职业选择上可能更倾向于与科技、计算机和互联网相关的行业。因此，他们可能更有动力去学习和应用新兴互联网技术，以提高自己的竞争力和职业发展。

Table 3. Quantile regression results of gender samples

表3. 分性别样本分位数回归结果

变量		男性群体			女性群体
	Q10	Q50	Q90	Q10	Q50	Q90
Inter	1.078	1.863	2.478	0.429	0.571	0.701
edu	2.619	4.079	5.758	2.899	3.928	5.405
res	−1.791	−1.91	−1.541	1.078	1.867	3.371
mar	3.871	3.550	3.861	1.260	0.865	0.854
age_	−0.028	0.004	0.054	0.075	0.103	0.151
party	1.373	1.959	2.532	2.997	3.137	4.593

互联网对女性工资水平影响从分位点由高到低的增加更为显著，由于数字产业化的发展使得越来越多的工作可以在线上完成，这提高了女性的工作灵活性，让她们能更好地平衡家庭和工作之间的关系。这种灵活性也让女性更容易找到适合自己的工作机会，从而提高了她们的工作效率和就业机会。其次，数字技术的普及使得许多新兴行业如电商运营、讯息搜索、网红直播等崛起，这些行业更容易吸引女性从事。这些行业的工作对女性来说更有吸引力，因为这些工作相对灵活，可以在家工作，或者有更多的自由安排工作时间。因此，女性在这些行业中的就业机会也更多，工作效率更高。最后，随着社交平台的普及，女性在网络上的影响力也在增加，她们更容易通过网络平台展示自己的才华和技能，进而获得更多的就业机会和创业机会。这些机会的增加也直接促进了女性的工资水平的提高。

此外，婚姻对女性工资水平随着分位数的增加呈现倒U型变化，原因可能是相比于中低收入的女性，高收入的女性更偏向于选择在婚后继续发展自己的事业，从而使工资提高；受教育程度、年龄、户口类型以及是否党员均随着分位数增加对收入水平的影响增加，与回归结果一致。

为研究控制变量对性别工资差距的影响，采用Oaxaca-Blinder分解法，得出了男女工资差距的特征效应和系数效应，见表4。

Table 4. Decomposition of gender wage gap

表4. 性别工资差距分解

变量		10分位数		50分位数		90分位数
		系数	百分比	系数	百分比	系数	百分比
效应	工资差距	0.1874	100	0.2988	100	0.4639	100
特征效应	是否使用互联网	−0.006	−3.41	−0.0139	−2.78	−0.0209	−2.86
	个人特征	−0.026	−14.47	−0.0581	−12.77	−0.0532	−8.45
	人力资本	0.008	3.63	0.0125	3.28	0.0117	2.56
	区域特质	−0.009	−5.32	−0.017	−4.21	−0.0066	−1.23
系数效应	是否使用互联网	−0.011	−6.02	−0.073	−0.008	−1.83	−17.93
	个人特征	3.232	1809.75	0.406	106.13	0.921	200.12
	人力资本	0.079	43.88	−0.024	5.93	0.047	10.31
	区域特质	0.0716	40.09	0.1215	31.76	0.0920	20.10
	常数项	−5.697	−3090.9	0.319	83.44	1.0468	229.37

随着分位数的升高，互联网使用在特征效应中的分位数系数的绝对值也随之增大，且在特征效应和系数效应中的系数都是负值，这说明网络应用能够降低男女收入差异，同样，从特征效应上看，个人特征也能降低男女收入差异，而人力资本属性却会加大男女收入差异，而系数效应的表现正好相反。

(三) 稳健性检验

为检验是否存在的内生性问题，采用工具变量法进行稳健性检验。参考已有文献，本文选择区(县)互联网普及率作为互联网普及的工具变量进行稳健性检验(Agarwal et al., 2009；毛宇飞等，2018)。使用工具变量进行稳健性检验，可以提高研究结论的可靠性。如果工具变量分析的结果与OLS分析的结果一致，则表明研究结论的稳健性较强。

选取工具变量区(县)互联网普及率的原因有两点：首先，互联网普及率与被解释变量密切相关，互联网普及率高的地区，个人使用互联网的概率也较高。

互联网普及率既与被解释变量相关，又与性别工资差异没有直接的因果关系，满足工具变量的条件。其次，互联网普及率与性别工资差异不存在直接的因果关系，它是影响个人互联网使用的一个外生变量。使用区(县)互联网普及率作为工具变量，可以帮助排除内生性问题。例如，如果个人能力强的地区互联网普及率也高，那么个人能力和互联网使用都会对性别工资产生影响，导致内生性问题。但区(县)互联网普及率不受个人能力的影响，可以有效排除内生性问题。鉴于此，本文采用2SLS方法分别对总体及分性别样本进行检验。

Table 5. An endogeneity test of the internet’s impact on the gender pay gap

表5. 互联网对性别工资影响的内生性检验

变量	全样本		男性样本		女性样本
	第一阶段	第二阶段	第一阶段	第二阶段	第一阶段	第二阶段
Inter		0.870		0．834		0.989
Interp	0.840		0.703		0.986
控制变量	YES	YES	YES	YES	YES	YES
First stage F	177.51		119.45		75.30
R^2	0.419	0.417	0.389	0.432	0.379	0.421

见表5，第一阶段的回归系数全部为正数，说明个体使用互联网的概率与互联网普及率呈正相关关系。在第二阶段回归中，将工资水平作为被解释变量，结果显示互联网普及对工资的影响均在1%的显著水平上呈正向影响，另外，还注意到互联网普及对女性工资的正向影响效果均高于男性，这进一步证实了前面OLS回归的结论，表明的结果是稳健可靠的。

5. 结论与政策建议

(一) 结论

互联网普及能显著提升劳动者整体工资水平，且对女性工资的促进作用大于男性，为缩小性别工资差距提供有效路径。在2025年新趋势下，互联网通过新兴职业、技术应用等多方面，持续强化这一作用。

性别工资差距随工资分位数提升呈U型特征：中等收入群体(50%分位)中互联网缩小性别工资差距的效果最显著，低收入与高收入群体效果较弱。结合2025年不同收入群体在互联网产业参与度差异，可进一步分析这一特征的变化趋势。

婚姻状况、户籍状况、年龄等因素对性别工资差距存在异质性影响，家庭分工、城乡差异仍是制约性别工资平等的重要因素。在2025年，随着互联网对家庭观念、城乡就业结构影响加深，这些因素对性别工资差距的作用机制产生新变化。

(二) 政策建议

在未来互联网快速发展的背景下，互联网对女性工资的长期影响可能是积极的，同时也可能带来一些挑战。互联网的快速发展为女性提供了更多的就业机会和创业机会。通过互联网，女性可以参与到更多的行业和职业中，并通过在线工作、远程办公等灵活的形式实现工作与家庭的平衡，这有助于提高女性的工资水平和经济独立性。然而，互联网的快速发展也可能带来一些挑战：数字鸿沟和数字能力差异：互联网的普及程度在不同地区和人群之间存在差异，这可能导致一些女性面临数字鸿沟和数字能力差异，使她们难以充分利用互联网的便利和机会。虽然互联网创造了许多新兴的在线平台和机会，但如何公正地分配平台创造的剩余价值仍然是一个挑战。女性在在线平台上可能面临性别歧视和不公平待遇，这可能对女性的工资和职业发展产生负面影响。为缩小男女性别工资差异，可以考虑以下针对性的政策和措施：

1. 缩小数字鸿沟，提高女性的数字技能。政府应投资于数字基础设施的建设，确保所有女性都能获得稳定可靠的互联网连接。提供数字技能培训计划，重点培养女性的数字素养和特定行业所需的数字技能。

2. 促进公平的在线平台经济：政府应制定法规，防止在线平台上的性别歧视和不公平待遇。支持女性创办和领导的在线企业，并为她们提供融资和技术支持。

3. 提供灵活的工作安排和育儿支持。鼓励雇主提供灵活的工作安排，例如远程工作和弹性工作时间，以支持女性平衡工作和家庭责任。扩大负担得起的育儿服务，例如托儿所和幼儿园，以减轻女性的育儿负担。

4. 加强对性别工资差距的监测和执法。确保女性获得与男性同等的工作报酬。为女性提供法律援助和支持，以帮助她们对性别歧视的雇主提起诉讼。

5. 提倡互联网创业机会。鼓励并支持女性创业，以及提供更多的就业机会和晋升机会，从而提高女性的经济独立性和职业发展空间。互联网为创业者提供了更低的创业成本和更广泛的市场覆盖。政府和社会组织可以鼓励女性参与互联网创业，并提供专门的支持、指导和资源，以促进女性在互联网创业领域的发展，从而提高女性的经济收入和雇佣他人的能力。

需要指出的是，这些举措需要与现行的平等就业法律和政策相配合，以确保男女在互联网行业及其他行业获得平等对待。同时，应该重视构建包容性的互联网环境，包括减少性别歧视和提供平等的晋升机会等方面的努力。