Impact of Digital Economy Development on the Income Gap between Urban and Rural Residents: An Empirical Analysis based on 226 Cities in China
-
摘要:
在推进城乡融合发展和数字经济时代全面到来的背景下，深入探讨数字经济发展与城乡居民收入差距的关系，对更好地解决城乡不平衡发展具有重要意义。基于2011—2021年中国226个城市的数据，运用熵权法求得各市的数字经济发展水平，运用双向固定效应模型实证检验数字经济发展对城乡居民收入差距的影响。结果发现：①数字经济对城乡居民收入差距的影响呈现出先缩小后扩大的“U”型趋势，目前中国大部分城市位于“U”型曲线的右侧，结论经过一系列检验后依然成立。②分区域来看，数字经济发展对中国东、中、西和东北区域的城乡居民收入差距的影响均呈现先减后增的态势，且通过计算发现东部地区“拐点”值最大，即在数字经济发展的更高水平上才经历了这一转变。③进一步分析发现，金融活跃程度和人力资本水平可以削弱数字经济发展带来的城乡居民收入差距扩大效应。据此提出，在推进数字经济发展的同时，应多措并举弥合城乡“数字鸿沟”，依据不同发展阶段和实际情况制定地区差异化发展战略，提高金融支持力度以及增加教育资源投入，从而改善数字经济冲击引致的城乡居民收入差距扩大现象。
Abstract:Under the background of promoting the integrated development of urban and rural areas and the full arrival of the digital economy era, it is of great significance to explore in depth the relationship between digital economy development and the income gap between urban and rural residents to better solve the unbalanced development of urban and rural areas. Based on the data of 226 cities in China from 2011 to 2021, the entropy weight method is used to find out the level of digital economy development of each city, and the two-way fixed effects model is used to empirically test the impact of digital economy development on the income gap between urban and rural residents. It is found that: ① the impact of the digital economy on the income gap between urban and rural residents shows a U-shaped trend of narrowing and then expanding, and most of the cities in China are located on the right side of the U-shaped curve, and the conclusion is still valid after a series of tests. ② From a regional perspective, the impact of digital economy development on the income gap between urban and rural residents in the eastern, central, western and northeastern regions of China shows a trend of decreasing first and then increasing, and it is found that the eastern region has the largest "inflection point" value, i.e., it has experienced this transformation only at a higher level of digital economy development. ③ Further analysis reveals that the degree of financial activity and the level of human capital can weaken the effect of urban-rural income expansion brought about by the development of the digital economy. Accordingly, it is proposed that, while promoting the development of the digital economy, measures should be taken to bridge the "digital divide" between urban and rural areas, regionally differentiated development strategies should be formulated in accordance with the different stages of development and the actual situation, and financial support and investment in educational resources should be increased, so as to ameliorate the widening of the urban-rural residents' income gap as a result of the impact of the digital economy.
-
改革开放以来，我国人民物质生活水平得到巨大的提升，经济发展取得了举世瞩目的成就。然而城乡发展失衡一直是我国经济社会发展中的结构性难题之一，也构成了收入不平等的主要根源[1]。长期以来，以城市为中心的发展战略使得城市对乡村产生虹吸效应，根深蒂固的城乡二元体制不断强化区域之间的差异。城乡统一的要素市场发育缓慢，大量资本和技术在城市集聚，农村社会陷入了资源闲置、发展缓慢的困境。2020年我国已完成绝对贫困人口清零的艰巨任务，但弥合城乡之间的相对收入差距依然任重而道远。因此，2023年的“中央一号文件”也进一步明确了“促进农民就业增收”“不断缩小收入差距、发展差距”等缩小城乡差距和促进农民增收的政策取向[2]。由此可见，实现农民增收和缩小城乡收入差距是立足中国式现代化新发展阶段、不断增进民生福祉的应有之义。
当前社会正在步入以数字化为主要标志的数字经济时代。数字经济的快速发展不断改变着社会形态与结构，与各领域及产业不断融合，也成为农村地区经济发展、农民增收、产业创新的新引擎[3]。《“十四五”数字经济发展规划》强调，数字经济转向普惠共享的新阶段，要持续推动数字城乡融合发展与数字乡村建设。数字技术变革重塑着农村生产生活方式，其广泛的通用性、渗透性及低成本的特征打破城乡之间信息交流存在的物理隔阂，兼具规模经济、范围经济及长尾效应的经济环境催生出新业态，发掘了农业农村的多元价值[4]。数字经济的发展模式由城市逐步向农村地区蔓延，通过各类要素的转移从而以城乡融合的方式促进乡村产业的发展。然而不可否认的是，基于中国地区间发展不平衡的现实原因，农村地区的数字基础设施完善程度、数字技术与数字要素利用能力与城市存在着一定的“数字鸿沟”，且该差距由于“马太效应”不断扩大，制约数字技术的渗透和扩散。随着数字经济与产业深度结合，对从业者的专业化技能和知识提出了更高要求，具有人力资本优势的城市劳动力更符合这一需求，从而可能导致城乡居民收入差距拉大。
因此，数字经济发展如何影响城乡居民收入差距？数字经济发展的不同阶段带来的影响是否不同？这些影响在不同区域是否表现出差异？又存在哪些因素在两者关系中发挥机制作用？回答这些问题有助于厘清现阶段数字经济对城乡融合发展的引领作用，为相关政策的制定提供理论依据，将数字革命转化为数字机遇。本文的逻辑框架如图1所示。
一. 文献综述
城乡发展失衡的突出表现即为城乡居民收入差距大。根据相对剥夺理论，城乡居民收入差距过大，尤其农民收入过低的相对剥夺感会降低农民的福利和满足感[5]。面对这一议题，学术界也做出了有益探索，对其成因进行深入剖析和探究。目前普遍认为，二元经济结构的制度扭曲是导致城乡发展失衡的主要原因[6]，户籍制度、工业化、优先保障城镇居民就业、财政支出比重、基础设施的城乡分配[7]等城市倾向的政策不断扩大城乡收入差距[8]。此外，有研究表明教育不平等是城乡差距拉大的重要动因，基于此产生的人力资本不平等等问题导致农村居民对新生产要素的接纳相对滞后[9-10]。农村地区面临的融资约束和金融市场活跃度低等也会制约农村地区居民创业增收，从而影响城乡居民收入差距[11]。
随着研究的深入发展和数字经济的兴起，如何有效发挥数字经济在缩小中国城乡居民收入差距中的作用，成为近年来学界广泛讨论的议题。目前已有大量研究对两者关系进行探讨，但并未得出一致结论。一些学者秉持数字经济发展能带来包容性、高渗透性和多元融合产生“数字红利”，从而可以缩小城乡居民收入差距的观点[12]。具体来看，首先，数字经济的蓬勃发展已然成为引领新旧动能转换的主导力量，受益于数字经济的企业也会为农村劳动力提供更多的就业机会[13]，数字平台可以缓解信息不平等问题，能够削弱城乡居民知识获取和工作搜寻的不平等性[14]。其次，数字技术打破了时空限制，促进了要素的自由流动，使得农户生产的商品可以销往各地，尤其农村电商这种新业态的兴起，为农民创业提供了契机与渠道，带来了创业机会的均等化，缩小了城乡经营性收入的差距[15]。最后，数字金融的发展能够为农户提供更加便捷的金融服务，提升金融资源的配置效率，为农村居民发展提供资金支持[4]。也有学者通过实证支持这个观点：如黄庆华等[16]从数字产业化和产业数字化两个维度构建数字经济发展指标，基于省级面板数据实证检验得出数字经济发展能够显著缩小中国城乡居民收入差距，且现阶段产业数字化缩减效应强于数字产业化。也有部分学者认为数字经济发展会带来“数字鸿沟”，扩大本就悬殊的城乡要素禀赋[17]。数字化所带来的红利优先被城市所吸收，强化城市原有的先发优势，数字产业所具有的技能偏向呈现出“赢者通吃”的结果，带来区域间的收入极化[13]。由于乡村信息基础设施碎片化，对数字技术的接受和利用滞后且农民缺乏“触网意识”，从而在城乡之间产生信息非均衡分布的特征，在数字经济发展中无形拉大了城乡收入差距[18]。Salemink等[19]在总结发达国家数字经济对农村发展影响的文献基础上，得出城乡之间存在着持续的数据设施差距，并且技术扩散存在障碍，低教育水平和技术水平的人群难以从数字连接中获益。洪俊杰等[20]基于产业视角研究得出数字经济发展总体上扩大了城乡收入分配差距，这种差异来自数字化对劳动生产率和人力资本分布的影响。
然而这两种观点并存说明了在数字经济发展过程中存在动态演绎，对城乡居民收入差距会产生阶段性影响，因此有研究聚焦于二者存在的非线性相关关系。樊轶侠等[21]基于2013—2019年的省级数据，实证分析得出数字经济对城乡居民收入差距的影响呈现先下降后上升的“U”型趋势，其中“城乡数字鸿沟”是产生这一影响的关键机制。王军等[22]认为数字经济发展与城乡收入差距的“U”型关系具有区域差异性，具体表现为中部和西部为缩小效应，东部地区呈现扩大效应。陈文等[23]使用省级面板数据实证分析指出，数字经济在发展前期有助于缩小城乡居民收入差距，后期则会逐渐拉大城乡居民收入差距，从而产生“数字鸿沟”问题，并分析了数字经济发展与城乡居民收入差距之间存在“U”型关系的原因。米嘉伟等[24]则探究教育资源在两者“U”型关系中产生的调节作用和城镇化在其中发挥的中介作用。
总体来看，学界对二者之间的关系研究取得了可观的成果，也为本研究提供了有益的参考和启发，但仍存在着一定的扩展空间。鉴于此，本文在以下几个方面进行拓展：首先，以中国226个城市作为研究对象，探究数字经济发展对城乡居民收入差距的动态化影响，在一定程度上克服上述研究使用省级数据颗粒度较大从而结论相悖的问题；其次，在区域的异质性条件下研究数字经济对城乡居民收入差距的差异性影响；最后，识别金融活跃程度与人力资本水平在数字经济发展对城乡居民收入差距影响路径中的作用，以期完善影响数字经济与城乡居民收入差距关系的要素分析。
二. 理论与假设
数字经济发展对传统生产模式和产业结构产生冲击，受益于数字化的企业在自身发展的同时创造更多的就业岗位。数字经济灵活多样的用工需求在扩大就业规模方面发挥了重要作用，也成为“稳就业”的重要载体，为非农就业提供大量机会[25]。数字经济发展也降低了农村居民的信息搜寻成本，打破了农村居民就业的信息屏障，缩小了农村居民在职业搜寻方面与城市居民的差距[14]。以往城乡之间存在的地理壁垒造成农村信息获取受限且溢出效应收效甚微，使得农村居民只能参加有限的经济活动。而随着互联网技术的应用，全球信息传递产生了突破性的变化，打破了传统信息传递偏向于某一区域的限制，增加了信息在各区域之间的流动性[26]。充足的信息可以使劳动者快速匹配合适的岗位并了解务工的待遇，农村劳动力得以涌入城市，增加工资性收入。
现代信息技术的嵌入打破了传统农业产业和技术的边界，为传统农业转型赋能，也为农村地区带来了新业态和商业模式。在生产端，近年来农业物联网、智慧农业、智能农机制造广泛开展，推动了生产变革，提升了生产效率[27]。数字信息平台又为农民提供了接触市场的机会，使其了解到市场的最新需求和信息，为农民的生产提供了方向，使农民合理匹配要素投入，向精益生产的模式靠近[28]。在销售端，农产品销售与数字经济相结合，改变了传统农产品的销售模式，借助社交网络销售平台，农民直接与消费者对接[29]。基于开放、平等、共享的数字经济平台，通过信息共享合作的模式，推动农产品生产、供应和销售等多个环节在市场中更加活跃和高效运行。
数字经济的发展呈现为一种动态的、渐进式变化特征，不断对参与者的能力匹配与外部环境的协同优化提出更高要求。在数字经济发展初期，其知识驱动力较为有限，因此数字经济催生的工作岗位对知识和技能的需求相对较低，农村劳动者仅需掌握基础的数字设备和网络技术操作即可参与其中。这种趋势使得数字技术应用更加普及，为广大农村居民提供了参与数字经济的机会和岗位。然而随着数字技术的覆盖广度和深度不断加强，深刻优化了传统产业结构，导致了新一轮的结构性变革[30]，对从业者提出了更高的匹配要求，普遍受教育水平较低的农村劳动力难以在短期内达到职位要求[31]。此外农村从业人员大多分布在低端技术部门，容易产生结构性失业风险。人工智能的发展首先会对此类程式化劳动力产生替代，也可能存在城市劳动者向下选择的挤压，从而扩大城乡居民收入差距，数字经济发展初期的普惠性逐渐被深度发展阶段的不平等所替代。因此，本文提出如下研究假设：数字经济发展与城乡居民收入差距之间呈现出先缩小后扩大的“U”型关系。
三. 模型设计与变量说明
一 基准模型选择
根据上述理论分析与研究假设，构建双向固定效应模型检验数字经济发展对城乡居民收入差距的影响。如式（1）所示：
$$ \mathrm{TR}_{it}=\alpha_0+\alpha_1D_{it}+\alpha_2D_{it}^2+\alpha_kC_{it}+\mu_i+\delta_t+\varepsilon_{it} $$ (1) 其中，i表示研究所选取的城市，t表示年份；$ \mathrm{TR}_{it} $表示i市t年的城乡居民收入差距，以泰尔指数来衡量；${D_{it}}$表示i市在t年的数字经济发展水平，$ {D^2}_{it} $为数字经济发展水平的二次项；${C_{it}}$表示本文所选择的控制变量组；$ {\mu _i} $为城市固定效应；$ {\delta _t} $为时间固定效应；${\varepsilon _{it}}$表示随机扰动项。
二 变量指标选取与数据来源
1 被解释变量
城乡居民收入差距（TRit）。借鉴以往的研究[32]，本文使用泰尔指数来表示城乡居民收入差距，该指数能够较为科学地反映收入差距水平，考虑人口变动的因素和组间、组内差异，更全面地捕捉城乡居民收入差距的多样性和复杂性。计算公式如式（2）示：
$$ {\mathrm{TR}}_{{it}} = \sum\limits_{j = 1}^2 {\left( {\frac{{{Y_{ijt}}}}{{{Y_{it}}}}} \right)} \times \ln \left( {\frac{{{Y_{ijt}}}}{{{Y_{it}}}}\Bigg/\frac{{{X_{ijt}}}}{{{X_{it}}}}} \right) $$ (2) 其中，i表示研究所选取的城市；j表示地区，j = 1代表城镇，j = 2代表农村；$ {X_{it}} $表示两类地区t年总人口；$ {X_{ijt}} $表示城镇地区或农村地区人口；$ {Y_{it}} $表示两类地区t年可支配收入；$ {Y_{ijt}} $表示城镇地区或农村地区可支配收入。该指数越大就意味着城乡居民收入差距越大。此外，城乡居民可支配收入的比值（CRit）也常被用来表征城乡居民收入差距[33]，因此在稳健性检验中，本文使用城乡居民可支配收入比值来表示城乡居民收入差距。
2 核心解释变量
数字经济发展（Dit）。数字经济发展的测度方法目前没有权威指标，赵涛等[34]在黄群慧等[35]构建的互联网发展水平指数基础上，增加数字普惠金融发展指数，采用5项指标对数字经济发展进行测度。该指标基于互联网发展和数字金融普惠两方面，较为完善地衡量各地区数字经济发展的情况。因此本文参考以往学者的研究，采用如下指标体系（见表1），运用熵权法对数字经济发展进行测度。
表 1 数字经济发展测度指标构建一级指标 二级指标 三级指标 数字经济
综合发展
指数互联网普及率 每百人互联网用户数 互联网相关从业人员数 计算机服务和软件从业人员占比 互联网相关产出 人均电信业务总量 移动互联网用户数 每百人移动电话用户数 数字金融普惠发展 中国数字普惠金融指数 3 控制变量
根据研究内容本文在计量模型中增加了一组控制变量，以尽可能保证估计准确性，解决遗漏变量偏误。控制变量为：经济发展水平（GDPit），经济发展水平提高通常伴随生产力和劳动生产率的提高以及更为均衡的资源配置，用地区人均生产总值的对数表示。对外开放水平（Oit），地区对外开放程度越高就意味着更多的贸易和外资流入，可以带来更多的就业机会和收入来源，但可能导致城乡劳动力的资源分配不均衡，该指标使用地区实际利用外资额占地区生产总值的比重来表示。政府干预程度（GOVit），政府通过对资源的合理配置可以有效削弱城乡要素禀赋差异，该指标用地方财政一般支出与地区生产总值比值来计算。产业结构升级（ISit），产业结构的升级通常伴随着新兴产业的兴起，可以吸纳农村居民就业，但新兴产业也可能要求更高的技能和知识，从而扩大城乡居民收入差距。通过对三次产业依次赋予更高权重构建产业结构层次系数，表示产业结构整体升级。具体计算方式为：第一产业增加值占GDP比重 × 1 + 第二产业增加值占GDP比重 × 2 + 第三产业增加值占GDP比重 × 3。
4 机制变量
金融活跃程度（Fit）。较高的金融活跃度表明地区金融机构具备较强的信贷供给能力和资源配置效率，能够有效促进经济主体的生产与消费活动，从而对地区经济发展产生积极影响。本文采用年末金融机构存贷款余额占地区生产总值的比重作为衡量指标，以反映金融资源的供给水平及其对经济活动的支持力度。
人力资本水平（Hit）。教育支出的比重反映了地方政府在教育和人力资本积累上的投资力度，从而间接衡量了地区人力资本的相对水平。该变量使用教育支出占地方一般公共预算支出的比重来表示。
基于数据的代表性、可得性和连续性等因素，本文选取全国226个地级以上城市作为研究样本，其中包含26个直辖市和省会城市。所用数据主要来自2011—2021年《中国统计年鉴》《中国农村统计年鉴》及国家统计局、北京大学数字金融研究中心公布的《北京大学数字普惠金融指数报告》等，少量缺失值使用插值法补齐。表2为各变量的描述性统计。
表 2 各变量描述性统计变量 变量名称 样本量 均值 标准差 最小值 最大值 TR 泰尔指数 2 486 0.077 4 0.042 7 0.004 3 0.279 4 CR 城乡居民可支配收入比值 2 486 2.371 6 0.480 6 1.444 9 4.625 7 D 数字经济发展水平 2 486 0.258 0 0.116 5 0.006 2 0.812 3 GDP 经济发展水平 2 486 10.771 2 0.559 0 8.772 9 12.579 3 O 对外开放水平 2 486 0.017 9 0.018 4 0.000 0 0.228 7 GOV 政府干预程度 2 486 0.193 3 0.091 2 0.059 1 0.741 1 IS 产业结构升级 2 486 2.321 1 0.141 6 0.000 2 2.835 7 F 金融活跃程度 2 486 2.495 1 1.244 8 0.629 3 21.301 8 H 人力资本水平 2 486 0.181 9 0.036 9 0.000 0 0.356 2 四. 实证结果及分析
一 基准回归
基于上述模型（1）检验数字经济发展对城乡居民收入差距的影响，选择双向固定效应进行基准回归分析。表3汇报了基准回归结果，在逐步加入控制变量的过程中，数字经济发展变量及其二次项的系数在1%的显著性水平下分别始终为负值和正值，说明数字经济发展对城乡居民收入差距的影响呈现先下降后上升的“U”型特征，研究假设得以验证。这一结果与米嘉伟等[24]、张丽君等[36]、樊轶侠等[21]的研究结论相一致。根据测算发现“U”型曲线拐点处的数字经济发展水平等于0.348 0，与上述描述性统计中数字经济发展水平均值0.258 0接近。2021年有178个样本城市位于“U”型曲线的右侧，据此可以说明目前数字经济发展在中国大部分城市呈现出扩大城乡居民收入差距的倾向。从控制变量呈现的结果来看，经济发展水平的提升可以提供多样化的就业机会以及促使城乡之间要素流动，从而缩小城乡居民收入差距。经济开放缩小了城乡居民收入差距，意味着对外开放所带来的外部资源和市场机会也惠及到农村地区。财政预算支出在缩小城乡居民收入差距方面扮演了积极的角色，得益于持续的减贫政策和乡村振兴战略，增加了对农村地区的保障性支出，有助于提高农村居民的人力资本水平和农村地区的生产生活条件。产业结构整体升级扩大了城乡居民收入差距，说明高级产业的城市聚集和对专业技能的需求导致农村居民难以有效地适应经济结构升级并分享到因此带来的红利。
表 3 基准回归结果变量 (1) (2) (3) (4) (5) TR TR TR TR TR D −0.268*** −0.245*** −0.238*** −0.221*** −0.229*** (−9.17) (−9.14) (−8.55) (−8.49) (−8.54) D2 0.381*** 0.361*** 0.352*** 0.319*** 0.329*** (10.71) (10.70) (10.25) (10.29) (10.33) GDP −0.007* −0.007** −0.016*** −0.016*** (−1.93) (−2.02) (−3.74) (−3.78) O −0.068** −0.048* −0.051* (−2.15) (−1.73) (−1.84) GOV −0.079*** −0.080*** (−3.77) (−3.82) IS 0.011** (2.14) 常数项 0.124*** 0.197*** 0.200*** 0.305*** 0.282*** (46.52) (5.11) (5.25) (6.38) (5.91) 城市固定效应 YES YES YES YES YES 时间固定效应 YES YES YES YES YES 观测值 248 6 248 6 248 6 248 6 248 6 样本数 226 226 226 226 226 R2 0.706 0.708 0.710 0.718 0.719 注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为t值。 二 稳健性检验
为保证结果的准确性，本文进行如下稳健性检验：一是替换被解释变量，用城乡居民可支配收入比值来代替泰尔指数后进行回归，结果如表4列（1）所示。二是使用数字经济发展水平及其二次项的滞后一期替换核心解释变量，所得结果如表4列（2）所示。三是改变样本容量，我国直辖市、省会城市在经济基础、城镇化水平、数字产业等方面与一般的地级市差异较大，为规避包含此类城市的样本可能造成的估计偏误，剔除掉直辖市和省会城市后对新样本进行回归，所得结果如表4列（3）所示。回归结果均显示了数字经济发展对城乡居民收入差距的影响呈现出先缩小后扩大的趋势，三种稳健性检验回归结果与基准回归一致，且控制变量符号方向和显著性与基准回归结果较为一致，说明研究具有稳健性。
表 4 稳健性检验回归结果变量 (1) (2) (3) CR TR TR D −1.988*** −0.236*** (−4.51) (−8.13) D2 2.918*** 0.338*** (5.49) (9.50) D滞后一期 −0.194*** (−7.43) D2滞后一期 0.293*** (9.18) GDP −0.177*** −0.011*** −0.018*** (−3.68) (−2.61) (−3.73) O −0.537 −0.046** −0.046 (−1.29) (−2.00) (−1.63) GOV −1.071*** −0.063*** −0.086*** (−4.28) (−3.03) (−3.85) IS 0.125* 0.008** 0.022** (1.79) (2.04) (2.46) 常数项 4.557*** 0.227*** 0.273*** (8.38) (4.77) (5.23) 城市固定效应 YES YES YES 时间固定效应 YES YES YES 观测值 248 6 226 0 220 0 样本数 226 226 200 R2 0.623 0.693 0.728 注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为t值。 三 异质性分析
事实上由于区域资源禀赋、经济发展阶段和政府导向的不同，无论是数字经济发展还是城乡居民收入差距在区域之间都存在着明显的异质性特征。数字经济发展对城乡居民收入差距的影响也存在着一定的差异，有必要对此作进一步探讨。基于此，本研究按照中国东、中、西和东北四大经济地带的分类对样本进行分组回归，实证检验其影响的地区异质性。
从回归结果（见表5）可以看出，数字经济发展对四大区域城乡居民收入差距的影响均呈现“U”型，东、中、西、东北四大区域的拐点值分别为0.377、0.286、0.303、0.308，四大区域的“U”型关系拐点值呈现差异。东部地区的拐点值最大，且通过观察二次项的系数绝对值，东部地区的“U”型曲线右侧较为和缓。东部地区的数字经济发展最早，对农民增收的功效得到了持续释放，收敛收入差距的“数字红利”效应持续到数字经济发展水平较高的阶段。且东部地区城市化进程平衡推进，建立了较为健全的社会保障体系，有较好的经济发展基础和先进的产业结构。城乡居民受教育水平普遍较高，对数字技术的应用及转化为生产力的速度快，从而能够更好地对农村地区产生增收效应，在数字经济发展水平较高时期才面临城乡居民收入差距的扩大效应。相比之下，中部、西部和东北部地区“U”型曲线拐点值较小，表明这些区域在数字经济发展的较早阶段就面临城乡居民收入差距增大的问题。数字基础设施的覆盖程度与普及率在农村地区较低，此外经济结构不均衡，基础设施和公共服务也相对滞后。这些区域的农村地区还面临着“空心化”问题，附着在劳动力上的资本、技术、市场需求等多项资源的大规模流出，导致无法有效激活数字技术潜力以驱动农村经济发展。这些因素的共同作用导致了在数字经济发展早期阶段城乡不平等问题凸显。
表 5 地区异质性分析回归结果变量 (1) (2) (3) (4) 东部地区 中部地区 西部地区 东北部地区 D −0.165*** −0.127* −0.322*** −0.373** (−6.52) (−1.86) (−3.97) (−2.45) D2 0.219*** 0.222*** 0.531*** 0.605* (7.72) (2.83) (4.88) (1.79) GDP −0.004 −0.024* −0.025*** −0.038** (−1.29) (−1.78) (−3.10) (−2.94) O −0.044 −0.054 0.118 −0.027 (−1.30) (−1.23) (0.93) (−0.51) GOV −0.102*** −0.119** −0.039 −0.155** (−4.19) (−2.01) (−1.42) (−2.32) IS 0.006 0.033* 0.001 −0.005 (0.58) (1.98) (0.32) (−0.29) 常数项 0.128*** 0.314** 0.430*** 0.549*** (3.50) (2.00) (4.91) (3.86) 城市固定效应 YES YES YES YES 时间固定效应 YES YES YES YES 观测值 891 847 594 154 样本数 81 77 54 14 R2 0.777 0.722 0.803 0.730 注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为t值。 五. 机制分析
一 数字经济发展与金融活跃程度的交互作用
中国的金融发展呈现城乡二元结构，农村的金融抑制和城市的金融深化同时存在[11]。因此广大农户的金融服务需求并未得到充分满足，金融排斥现象在农村普遍存在，农村金融市场的活跃程度较低，抑制了农村居民金融的可获得性，从而在一定程度上削弱了农户创业意愿，也减少了对教育、基础设施等资源的投资。依托于互联网技术的发展所产生的数字交易为广大欠发达地区的金融服务创造了条件，大幅改善了金融服务的可得性和便利度，推动普惠金融发展，促进中国经济的包容性增长[37]。数字经济与传统金融结合可以降低对实体网点的依赖。以互联网为交易平台、电子支付为工具，兼具更强的地理穿透性和低成本优势的数字金融兴起增加了金融覆盖面，降低了金融服务成本。此外，数字金融还可以惠及被传统金融服务排除在外的群体，缓解信贷约束，从而促进投资和经营行为[4]。数字经济背景下农村地区金融市场的高质量发展有助于为当地经济赋能，为改善机会不均等创造条件，进而缩小城乡居民收入差距。
为检验金融活跃程度在数字经济发展对城乡居民收入差距影响路径中的作用及大小，即能否削弱数字经济发展后期所带来的城乡居民收入差距扩大的负面影响，在基准模型中引入数字经济发展二次项与金融活跃程度的交互项来进行实证分析。回归结果如表6列（1）所示，数字经济发展二次项与金融活跃程度的交互项在10%的水平上显著为负，表明金融活跃程度可以削弱数字经济发展后期扩大城乡居民收入差距的消极作用。随着数字普惠金融的深入发展和农村诉求不断增强，金融资源逐渐向周边农村倾斜辐射产生溢出效应，金融服务范围不断扩大，缓解了农村地区存在的金融排斥现象，从而进一步缩小城乡居民收入差距，助力数字经济背景下的城乡协调发展和共同富裕目标的实现。
表 6 机制分析回归结果变量 (1) (2) TR TR D −0.259*** −0.226*** (−7.90) (−8.60) D2 0.412*** 0.416*** (7.30) (10.04) F 0.002** (2.13) F × D2 −0.013* (−1.80) H 0.091*** (3.13) H × D2 −0.565*** (−3.23) GDP −0.016*** −0.014*** (−3.60) (−3.24) O −0.049* −0.048* (−1.85) (−1.72) GOV −0.085*** −0.064*** (−4.01) (−2.87) IS 0.011** 0.010** (2.12) (2.26) 常数项 0.272*** 0.234*** (5.71) (4.90) 城市固定效应 YES YES 时间固定效应 YES YES 观测值 248 6 248 6 样本数 226 226 R2 0.721 0.725 注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为t值。 二 数字经济发展与人力资本水平的交互作用
人力资本理论认为人力资本投资是国家经济可持续增长的基本要素，同时也是国家财富状况的最终决定因素之一，而个人收入的提升则体现了人力资本投资的回报[38]。在数字经济背景下，低人力资本水平群体在获取信息方面缺乏技能和识别能力，处于相对知识贫困状态，存在明显的数字“认知鸿沟”和“应用鸿沟”，难以从互联网中获取有效信息，也很难参与需要数字技能的工作，进而无法改善收入[13]。人力资本水平较高的劳动者更能在数字经济浪潮中获取信息优势，将数字技术转化为生产能力，在信息社会中获取就业岗位和创业机遇[39]。教育支出被视为一种培育人力资本的战略性投资，在数字经济环境下能够培养个体更高水平的互联网应用技能，直接影响到城市和农村居民在数字经济中参与高附加值工作的能力，进而影响其收入水平[40]。对农村中低技能劳动力的培训与教育有助于提升其适应数字经济和利用数字工具获取有用的信息知识并进一步加工处理的能力，减缓技能失业和就业机会不平等。
同样为了检验人力资本水平在数字经济发展对城乡居民收入差距影响路径中的作用及大小，在基准模型中引入数字经济发展二次项与人力资本水平的交互项来进行实证分析。从回归结果表6列（2）中看出，数字经济发展二次项与人力资本水平的交互项在1%的水平上显著为负，说明人力资本水平的提高可以缓解数字经济发展后期促进城乡居民收入差距扩大的负面作用。其背后的逻辑在于人力资本水平的提升不断弥合数字鸿沟，也提升了农民就业创业素质，从而有助于农民增收。
六. 结论与建议
本文以226个城市为研究样本，采用双向固定效应模型实证检验数字经济发展对中国城乡居民收入差距的影响，得到了如下结论：第一，数字经济发展与城乡居民收入差距的关系呈现“U”型，在前期可以缩小城乡居民收入差距，但随着数字经济的发展反而会扩大城乡居民收入差距。该结论经过一系列稳健性检验后依然成立。第二，分地区回归结果表明，在东、中、西和东北部地区均呈现“U”型曲线关系，且东部地区“拐点”值最大，表明该地区在数字经济发展的更高水平上才经历了这一转变。第三，进一步分析发现，金融活跃程度和人力资本水平可以削弱数字经济发展后期所带来的扩大城乡居民收入差距的不利影响。
基于上述结论，提出如下政策建议：①优化数字经济发展策略，缓和收入极化现象。为有效应对数字经济可能引发的城乡居民收入差距扩大问题，有必要制订更为均衡和包容的数字经济发展战略。关注并解决数字经济在农村地区的广泛推广和应用面临的痛点和堵点，实施农村数字基础设施建设和数字技术培训等普惠性措施，以确保数字经济发展在城乡居民中产生均衡的积极影响，释放数字经济的后发优势。②遵循地区比较优势，制定差异化战略。在地区差异化政策方面，应根据不同地区“U”型曲线趋势的表现，制定针对性政策以更为精准地应对数字经济发展对城乡居民收入差距的影响。目前中国数字经济正处于提速换挡期，为应对收入极化效应，需强化对滞后地区的支持，采取差异化的激励政策，如税收优惠、创新基金支持和人才培养等，以延迟和减缓数字经济发展对收入分配格局所带来的潜在负面效应。③提高金融支持力度，深化农村金融改革。鼓励建立全面覆盖的金融服务网络，提升农村地区金融包容性。加大对农村低收入人群和创业者等的金融扶持力度，构建服务共同富裕的数字普惠金融体系。创新涉农金融产品和服务，促进金融科技企业、传统金融机构、农业企业及政府部门之间的合作，共同探索适合农村特色的数字金融产品和服务模式，减轻农村居民融资难题，满足新型农业经营主体的风险保障需求。在推进农村数字化进程中，确保个人与企业数据安全，建立健全数据保护机制，提升农村居民对数字金融服务的信任度。④增加教育资源投入，提升农村人力资本。提高对农村居民教育的资金投入，设立农村教育发展专项基金，加强对农村劳动者的培训和职业发展支持，补齐农村人力资本短板，为实现乡村居民就业的部门间转移提供助力，打破城乡居民的就业分层固化。在农村地区建立或升级职业培训中心，提供现代农业技术、电子商务、数字营销等技能培训课程，帮助农村劳动力掌握实用技能，促进其向高附加值产业转移。
-
表 1 数字经济发展测度指标构建
一级指标 二级指标 三级指标 数字经济
综合发展
指数互联网普及率 每百人互联网用户数 互联网相关从业人员数 计算机服务和软件从业人员占比 互联网相关产出 人均电信业务总量 移动互联网用户数 每百人移动电话用户数 数字金融普惠发展 中国数字普惠金融指数 
下载: 导出CSV
表 2 各变量描述性统计
变量 变量名称 样本量 均值 标准差 最小值 最大值 TR 泰尔指数 2 486 0.077 4 0.042 7 0.004 3 0.279 4 CR 城乡居民可支配收入比值 2 486 2.371 6 0.480 6 1.444 9 4.625 7 D 数字经济发展水平 2 486 0.258 0 0.116 5 0.006 2 0.812 3 GDP 经济发展水平 2 486 10.771 2 0.559 0 8.772 9 12.579 3 O 对外开放水平 2 486 0.017 9 0.018 4 0.000 0 0.228 7 GOV 政府干预程度 2 486 0.193 3 0.091 2 0.059 1 0.741 1 IS 产业结构升级 2 486 2.321 1 0.141 6 0.000 2 2.835 7 F 金融活跃程度 2 486 2.495 1 1.244 8 0.629 3 21.301 8 H 人力资本水平 2 486 0.181 9 0.036 9 0.000 0 0.356 2
下载: 导出CSV
表 3 基准回归结果
变量 (1) (2) (3) (4) (5) TR TR TR TR TR D −0.268*** −0.245*** −0.238*** −0.221*** −0.229*** (−9.17) (−9.14) (−8.55) (−8.49) (−8.54) D2 0.381*** 0.361*** 0.352*** 0.319*** 0.329*** (10.71) (10.70) (10.25) (10.29) (10.33) GDP −0.007* −0.007** −0.016*** −0.016*** (−1.93) (−2.02) (−3.74) (−3.78) O −0.068** −0.048* −0.051* (−2.15) (−1.73) (−1.84) GOV −0.079*** −0.080*** (−3.77) (−3.82) IS 0.011** (2.14) 常数项 0.124*** 0.197*** 0.200*** 0.305*** 0.282*** (46.52) (5.11) (5.25) (6.38) (5.91) 城市固定效应 YES YES YES YES YES 时间固定效应 YES YES YES YES YES 观测值 248 6 248 6 248 6 248 6 248 6 样本数 226 226 226 226 226 R2 0.706 0.708 0.710 0.718 0.719 注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为t值。
下载: 导出CSV
表 4 稳健性检验回归结果
变量 (1) (2) (3) CR TR TR D −1.988*** −0.236*** (−4.51) (−8.13) D2 2.918*** 0.338*** (5.49) (9.50) D滞后一期 −0.194*** (−7.43) D2滞后一期 0.293*** (9.18) GDP −0.177*** −0.011*** −0.018*** (−3.68) (−2.61) (−3.73) O −0.537 −0.046** −0.046 (−1.29) (−2.00) (−1.63) GOV −1.071*** −0.063*** −0.086*** (−4.28) (−3.03) (−3.85) IS 0.125* 0.008** 0.022** (1.79) (2.04) (2.46) 常数项 4.557*** 0.227*** 0.273*** (8.38) (4.77) (5.23) 城市固定效应 YES YES YES 时间固定效应 YES YES YES 观测值 248 6 226 0 220 0 样本数 226 226 200 R2 0.623 0.693 0.728 注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为t值。
下载: 导出CSV
表 5 地区异质性分析回归结果
变量 (1) (2) (3) (4) 东部地区 中部地区 西部地区 东北部地区 D −0.165*** −0.127* −0.322*** −0.373** (−6.52) (−1.86) (−3.97) (−2.45) D2 0.219*** 0.222*** 0.531*** 0.605* (7.72) (2.83) (4.88) (1.79) GDP −0.004 −0.024* −0.025*** −0.038** (−1.29) (−1.78) (−3.10) (−2.94) O −0.044 −0.054 0.118 −0.027 (−1.30) (−1.23) (0.93) (−0.51) GOV −0.102*** −0.119** −0.039 −0.155** (−4.19) (−2.01) (−1.42) (−2.32) IS 0.006 0.033* 0.001 −0.005 (0.58) (1.98) (0.32) (−0.29) 常数项 0.128*** 0.314** 0.430*** 0.549*** (3.50) (2.00) (4.91) (3.86) 城市固定效应 YES YES YES YES 时间固定效应 YES YES YES YES 观测值 891 847 594 154 样本数 81 77 54 14 R2 0.777 0.722 0.803 0.730 注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为t值。
下载: 导出CSV
表 6 机制分析回归结果
变量 (1) (2) TR TR D −0.259*** −0.226*** (−7.90) (−8.60) D2 0.412*** 0.416*** (7.30) (10.04) F 0.002** (2.13) F × D2 −0.013* (−1.80) H 0.091*** (3.13) H × D2 −0.565*** (−3.23) GDP −0.016*** −0.014*** (−3.60) (−3.24) O −0.049* −0.048* (−1.85) (−1.72) GOV −0.085*** −0.064*** (−4.01) (−2.87) IS 0.011** 0.010** (2.12) (2.26) 常数项 0.272*** 0.234*** (5.71) (4.90) 城市固定效应 YES YES 时间固定效应 YES YES 观测值 248 6 248 6 样本数 226 226 R2 0.721 0.725 注：*、**、***分别表示10%、5%、1%的显著性水平，括号内为t值。
下载: 导出CSV
-
[1] 林毅夫,刘明兴. 中国的经济增长收敛与收入分配[J]. 世界经济,2003(8):3-14,80. [2] 杨少雄,苏岚岚,孔荣,等. 农民收入质量:逻辑建构、测度评价与动态演进[J]. 中国农村经济,2023(8):18-36. [3] 殷浩栋,霍鹏,汪三贵. 农业农村数字化转型:现实表征、影响机理与推进策略[J]. 改革,2020(12):48-56. [4] 张勋,万广华,张佳佳,等. 数字经济、普惠金融与包容性增长[J]. 经济研究,2019,54(8):71-86. [5] 周兴,王芳. 中国城乡居民的收入流动、收入差距与社会福利[J]. 管理世界,2010(5):65-74. [6] 蔡昉,都阳,王美艳. 户籍制度与劳动力市场保护[J]. 经济研究,2001(12):41-49,91. [7] 刘晓光,张勋,方文全. 基础设施的城乡收入分配效应:基于劳动力转移的视角[J]. 世界经济,2015,38(3):145-170. [8] 陆铭,陈钊. 城市化、城市倾向的经济政策与城乡收入差距[J]. 经济研究,2004(6):50-58. [9] 陈斌开,张鹏飞,杨汝岱. 政府教育投入、人力资本投资与中国城乡收入差距[J]. 管理世界,2010(1):36-43. [10] 李心斐,许恒,程宝栋. 农户教育投资对城乡收入差距的影响分析[J]. 北京林业大学学报(社会科学版),2018,17(4):78-83. [11] 温涛,冉光和,熊德平. 中国金融发展与农民收入增长[J]. 经济研究,2005(9):30-43. [12] 钞小静. 数字经济时代背景下城乡收入差距的新变化及破解路径[J]. 新疆师范大学学报(哲学社会科学版),2024,45(5):58-66. [13] 王宁,胡乐明. 数字经济对收入分配的影响:文献述评与研究展望[J]. 经济与管理评论,2022,38(5):20-35. [14] 李丽. 数字经济对就业的影响及应对策略[J]. 经济问题,2022(4):37-42. [15] 易法敏,孙煜程,蔡轶. 政府促进农村电商发展的政策效应评估:来自“电子商务进农村综合示范”的经验研究[J]. 南开经济研究,2021(3):177-192. [16] 黄庆华,潘婷,时培豪. 数字经济对城乡居民收入差距的影响及其作用机制[J]. 改革,2023(4):53-69. [17] 胡鞍钢,周绍杰. 中国如何应对日益扩大的“数字鸿沟”[J]. 中国工业经济,2002(3):5-12. [18] 张文珂,张琳雪,万立全,等. 数字经济促进乡村共同富裕的现实路径[J]. 南开经济研究,2024(5):1-17. [19] SALEMINK K,STRIJKER D,BOSWORTH G. Rural development in the digital age:a systematic literature review on unequal ICT availability,adoption,and use in rural areas[J]. Journal of Rural Studies,2017,54:360-371. doi: 10.1016/j.jrurstud.2015.09.001
[20] 洪俊杰,李研,杨曦. 数字经济与收入差距:数字经济核心产业的视角[J]. 经济研究,2024,59(5):116-131. [21] 樊轶侠,徐昊,马丽君. 数字经济影响城乡居民收入差距的特征与机制[J]. 中国软科学,2022(6):181-192. [22] 王军,肖华堂. 数字经济发展缩小了城乡居民收入差距吗?[J]. 经济体制改革,2021(6):56-61. [23] 陈文,吴赢. 数字经济发展、数字鸿沟与城乡居民收入差距[J]. 南方经济,2021(11):1-17. [24] 米嘉伟,屈小娥. 数字经济发展如何影响城乡收入差距[J]. 现代经济探讨,2022(6):80-91. [25] 尹志超,仇化. “数智”还是“数滞”:数字化转型与非农就业[J]. 经济学动态,2024(2):32-51. [26] TACK J,AKER J C. Information,mobile telephony,and traders' search behavior in Niger[J]. American Journal of Agricultural Economics,2014,96(5):1439-1454. doi: 10.1093/ajae/aau063
[27] 张在一,毛学峰. “互联网 + ”重塑中国农业:表征、机制与本质[J]. 改革,2020(7):134-144. [28] 周绍东. “互联网 + ”推动的农业生产方式变革:基于马克思主义政治经济学视角的探究[J]. 中国农村观察,2016(6):75-85,97. [29] 许竹青,郑风田,陈洁. “数字鸿沟”还是“信息红利”?信息的有效供给与农民的销售价格:一个微观角度的实证研究[J]. 经济学(季刊),2013,12(4):1513-1536. [30] 王文. 数字经济时代下工业智能化促进了高质量就业吗[J]. 经济学家,2020(4):89-98. [31] 王林辉,胡晟明,董直庆. 人工智能技术会诱致劳动收入不平等吗:模型推演与分类评估[J]. 中国工业经济,2020(4):97-115. [32] 李牧辰,封思贤,谢星. 数字普惠金融对城乡收入差距的异质性影响研究[J]. 南京农业大学学报(社会科学版),2020,20(3):132-145. [33] 郑国楠,李长治. 数字鸿沟影响了数字红利的均衡分配吗:基于中国省级城乡收入差距的实证检验[J]. 宏观经济研究,2022(9):33-50. [34] 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):65-76. [35] 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):5-23. [36] 张丽君,梁怡萱,巩蓉蓉. 数字经济对城乡收入差距的动态影响研究:来自中国31个省(区、市)的证据[J]. 经济问题探索,2023(3):18-40. [37] 李建军,彭俞超,马思超. 普惠金融与中国经济发展:多维度内涵与实证分析[J]. 经济研究,2020,55(4):37-52. [38] BECKER G S. Investment in human capital:a theoretical analysis[J]. Journal of Political Economy,1962,70(5):9-49. doi: 10.1086/258724
[39] 田鸽,张勋. 数字经济、非农就业与社会分工[J]. 管理世界,2022,38(5):72-84. [40] MINCER J. Investment in human capital and personal income distribution[J]. Journal of Political Economy,1958,66(4):281-302. doi: 10.1086/258055
计量
- 文章访问数: 27
- HTML全文浏览量: 14
- PDF下载量: 4
