互联网使用对农户贫困的影响及其机制分析

殷 俊 刘一伟

(武汉大学 社会保障研究中心，湖北 武汉 430072)

一、引言

长期以来，贫困问题是世界各国普遍面临的重大社会问题，受到学术界与政府部门的广泛关注。中国是世界上人口最多的发展中国家，贫困人口数量庞大，但在过去的二三十年中，中国在反贫困方面取得了举世瞩目的成就。根据2013年世界银行对极贫状况的分析报告，以日均生活费用1.25美元作为贫困线，1983～2013年中国占世界极贫人口的比例从43%降至13%。同时可喜的是，根据《千年发展目标报告》，如果以1990年的水平为标准，将每日收入低于1美元的贫困人口比例减半，中国在2015年已经实现了这一目标，成为世界上首个实现该目标的国家，对全球减贫的贡献率超过70%。然而，我国贫困人口尤其是农村贫困人口规模依然巨大，在现行的贫困标准下，2016年我国农村仍然有4335万贫困人口[1]，2017年末的农村贫困人口数为3046万人。因此，在精准扶贫与精准脱贫的背景下，研究如何解决农村居民贫困问题无疑具有重要的现实意义。

在扶贫工作中，要充分认识到因闭塞造成的文化落后对农村贫困人口形成的根本性制约作用，从而充分理解互联网为精准扶贫工作带来的契机。目前中国互联网使用取得了长足发展，网民人数迅速增加，2016 年中国互联网络信息中心发布的《第 38 次全国互联网发展统计报告》显示，农村互联网普及率为31.7%，在我国网民(7.10亿)中农村网民占比26.9%，规模为1.91亿，这意味着很多中国农村居民已经开始使用互联网。因此，互联网的普及与应用，将对农村居民的生活与工作等方面产生重要影响，尤其是随着“互联网+”上升为国家战略，“互联网+精准扶贫”可能成为农村贫困地区后发赶超的重要抓手。

本文采用2014年和2016年中国家庭追踪调查的大样本微观数据，首次从农户的角度探讨互联网使用对中国农户贫困的影响。研究发现，当采用家庭人均每日消费1美元作为贫困线时，互联网使农户贫困发生率降低24.5%；当采用家庭人均每日消费2美元作为贫困线时，互联网使农户贫困发生率降低25.9%。同时，使用不同的互联网使用指标和贫困线指标进行稳健性检验，研究结果依然稳健。在采用同一社区其他人的平均网络使用状况作为工具变量克服内生性问题后，互联网使用的减贫效应仍然成立。对此，进一步的解释机制显示，互联网使用不仅有助于增加农户的社会资本积累，而且也提高了农户的非农就业概率与非正规借贷水平，从而降低农户陷入贫困的可能性。

相比以往研究，本文的主要创新点是将互联网使用与农户贫困建构在一个分析框架内，探讨互联网使用与农户贫困的关系，且在此基础上进一步考证互联网使用影响农户贫困的作用机制。本文剩余部分的安排如下：第二部分是相关文献回顾；第三部分是数据、变量与模型构建；第四部分是实证检验；第五部分是互联网使用的影响机制分析；第六部分是研究结论与政策建议。

二、相关文献回顾

目前，随着互联网基础设施的建设与发展，互联网已经成为居民个体与家庭生活的重要工具。诸多学者从不同的角度分析了互联网对经济发展与居民生活等方面的影响。Feldman和Klaas发现使用互联网的居民更容易找到合适的工作[2]。马俊龙和宁光杰研究了互联网与农村居民非农就业的关系，发现互联网显著促进了农村剩余劳动力的转移[3]。周洋和华语音论证了互联网与家庭创业的关系，发现互联网能够促进农村居民的家庭创业，但没有提高创业收入[4]。得出相似结论的还有湛泳和徐乐，他们发现“互联网+”与包容性金融的融合发展可以降低家庭创业融资中的风险，提高一般家庭创业的可能性[5]。

在互联网的背景下，信息化扶贫成为一种较为有效的扶贫方式，但有关互联网与农村家庭贫困的研究相对较少，只有数篇文献关注到互联网金融、互联网商务等对农户贫困的影响。陈建伟和陈银娥的研究发现，融资困难是中国农村全面脱贫目标实现的障碍，而互联网金融作为普惠金融发展的重要载体，因其普惠属性与跨越地理鸿沟的能力，可集聚城市闲散资金，并通过互联网技术将资金准确定位到最需要的农户手中[6]。汪向东和王昕天指出，在县域电子商务和涉农电子商务迅速发展的背景下，以信息扶贫为代表的电子商务助力扶贫方式被更多的区域和主体所采用[7]。赵秀兰认为，贫困人口识别的精准度、资源配置的社会化程度、精准帮扶的对应性及扶贫信息的对称性等方面的不足，依然制约着我国扶贫项目的开展。因此，借助互联网，可以实现“互联网+”与贫困人口的精准识别，用互联网思维提升精准扶贫服务水平以及利用互联网新兴技术助推贫困对象的自我发展能力的提升[8]。

此外，农户贫困与其收入水平息息相关，部分文献研究了互联网对农民收入的影响。冯长福的研究发现新媒体或者新媒介有助于提高农业信息的传播速度，加强农村居民与外界的联系，促进农村居民的人力资本积累，推动农业经济发展，改善农村家庭收入状况[9]。迟凤玲指出互联网能够有效将传媒农业信息传递给农民，同时能够逐渐打破其传统的思维模式与生活方式，改变其就业和生产活动的选择，从而帮助农民增收[10]。得出类似结论的还有周冬，他指出实现农业信息网络传播与农民主观能动性的有机结合，将大大改善农村居民的收入状况；同时互联网能够使得农民快速有效地接触到有用信息，提高其人力资本，改善其生产方式，从而提高其边际生产率与收入水平[11]。

从上述相关文献的分析来看，目前有关互联网使用如何影响中国农户贫困的文献相对较少，甚至还没有文献对互联网使用与农户贫困的关系给予应有的关照，本文将利用中国家庭追踪调查的微观数据对这一问题进行研究，并且探究其相关影响机制，从而对已有文献做出补充和完善。

三、数据来源、变量选取与模型构建

(一)数据来源

本文数据来自中国家庭追踪调查(CFPS)，该数据是两年一期的跟踪调查数据，旨在通过对全国代表性样本村居、家庭、家庭成员的跟踪调查，反映中国的经济发展与社会变迁状况。按调查单位层级来分，CFPS 访问卷包括 3 种：个人问卷、家庭问卷和村(居)问卷。个人问卷的目的在于了解样本个体的状况，包括个体身体状况、职业状况、受教育状况等；家庭问卷的目的在于了解个体生活环境、生活设施、社会经济地位等；村居问卷的目的在于了解样本家庭所在的环境。

为了研究精准扶贫背景下互联网对农户贫困的影响，本文主要变量采用2016年CFPS 第四次全国调查数据。这份数据没有包含村级层面的相关变量，考虑到村级层面变量较为稳定，所以使用 2014 年 CFPS 调查所获得的村级层面相关变量。经过变量筛选与缺失值处理，最终保留了11468个家庭样本。相较以往同类研究，本文数据相对较新，且覆盖范围更广、样本量更大，因而更具有权威性和代表性。

(二)变量选取

1.农户贫困。农户贫困是本项研究的被解释变量，在设置“贫困”变量时，首先需要界定贫困标准，即贫困线。贫困线是在一定的时间、空间和社会发展阶段的条件下，维持人们的基本生存所必需消费的物品和服务的最低费用。在社会经济发展过程中，收入水平和消费水平不断变化，因此贫困标准也随之发生改变[12]。世界银行曾宣布按照购买力平价计算，将国际贫困线划分为每人每天生活支出1美元和2美元的标准。本文采用国际贫困线来衡量农户贫困，将“贫困”设置为虚拟变量，如果农户家庭人均每日生活支出低于1美元或2美元，定义为贫困农户，赋值为“1”；反之，定义为非贫困农户，赋值为“0”。与此同时，根据国务院的规定，2008年将相对贫困线与绝对贫困线合并为统一的贫困线，即将农村居民收入2300元(2010年不变价)作为国家贫困线的统一标准[13]。因此，本文也会采用国家贫困标准作为结果变量进行稳健性检验。

2.互联网使用。本文的关键解释变量是农户的互联网使用情况，本文将互联网使用分为两个方面：一方面，选取被访者“是否上网”作为衡量互联网使用的虚拟变量，其中“1”表示上网，“0”表示不上网。需要说明的是“上网”指通过电话线、局域网、无线网等接入互联网的行为。另一方面，手机上网已经成为上网较为普遍的方式。因此，下文选取是否使用手机上网进行稳健性检验，其中“1”表示使用，“0”表示不使用。

3.农户特征变量。为控制互联网使用对农户贫困的影响，本文设置农户特征变量作为控制变量，具体包括农户户主年龄、户主性别、是否已婚、户主受教育状况、户主健康状况与户主政治面貌。农户户主的特征在一定程度上影响农户贫困状况，不同年龄段的户主显然会做出不同的经济行为，男性农户可能在家庭决策与家庭物品购买等方面更开放；已婚的农户可能出于家庭责任，社会行为等更为理性；受教育程度与健康状况则反映农户的人力资本，这些都有可能影响农户的贫困状况；在中国，政治面貌被认为是社会经济地位的象征，影响农户贫困状况。此外，考虑到户主年龄对农户贫困可能存在非线性影响，青壮年户主更有可能改善家庭的贫困状况，因而，本文加入户主年龄的平方项作为控制变量。

4.家庭特征变量。农户家庭状况对其贫困状况也有重要影响，本文在计量模型中设置家庭是否有集体土地、家庭是否发生重大事件与家庭规模作为家庭控制变量。在我国农村，土地不仅具有经济功能，而且在某种程度上起到了保障功能，会影响农户贫困现状；一般而言，农村家庭发生重大事件(如子女高考、婚嫁等)，将有可能影响农户的收入与支出；家庭规模越大，则意味着农户的家庭消费与教育投资等越多，越有可能影响农户的贫困状况。

5.村级特征变量。考虑到农户家庭所处行政村的地理位置对农户贫困可能造成一定影响，本文选取所在村庄到本县县城的距离作为村级控制变量。同时，矿产资源、少数民族政策等可能对农户贫困状况造成一定影响，矿产资源地区可能随着我国经济结构的调整，其经济发展水平将受到重要影响；少数民族地区地处偏远，交通与经济发展较慢，会得到更多的国家政策支持。因此，我们设置“本村是否属于矿区”与“本村是否属于民族区”这两个虚拟变量来控制矿产资源与民族政策的影响。此外，考虑到我国农村地貌对农业生产等会产生重要影响，本文也选取了村庄地貌作为控制变量。具体变量选取、变量定义与统计描述如表1所示。

表1 变量的定义与描述性统计结果

(三)模型构建

本文的农户贫困变量为虚拟变量，因此，使用Probit模型来考察互联网使用对农户贫困的影响，具体的模型设定如下：

pr(yi=1)=φ(α1Interneti+βxi+εi)

(1)

式(1)中，yi表示农户的贫困状况，Interneti表示农户i是否使用互联网，xi为控制变量，包括农户特征变量、家庭特征变量与村庄特征变量；α1和β为待估计系数，其中β为向量形式。εi为误差项，α1为本文所重点关注的估计系数，如果α1显著为负，则表明互联网使用能够缓解农户贫困，反之，则说明互联网使用会恶化农户贫困。

四、互联网使用对农户贫困的影响

(一)基准回归结果

表2报告了互联网使用对农户贫困的影响。我们首先分析将家庭人均每日消费1美元作为贫困线的估计结果。模型(1)中未添加任何控制变量，互联网使用在1%的显著性水平下负向影响农户贫困，表明互联网使用能够显著抑制农户贫困。考虑遗漏变量可能影响结果的稳健性，模型(2)、模型(3)与模型(4)中依次添加农户户主特征变量、家庭特征变量与村庄特征变量，互联网使用均在1%的显著性水平下负向影响农户贫困，表明互联网使用确实能够降低农户陷入贫困的可能性。相比不使用互联网的农户，使用互联网的农户陷入贫困的概率分别降低了30.8%、28.9%与24.5%。

表2 互联网使用对农户贫困的影响

注：***、**和*分别表示在1%、5%和10%的水平下显著。下表同。

表2中模型(5)～(8)汇报了将家庭人均每日消费2美元作为贫困线的估计结果。结果显示，互联网使用无一例外均在1%的显著性水平下负向影响农户贫困，即互联网使用降低了农户陷入贫困的可能性。以模型(8)的回归结果为例，与不使用互联网的农户相比，使用互联网的农户贫困发生概率降低了25.9%。因此，表2的结果表明，互联网使用显著降低了农户陷入贫困的可能性，尤其是采用家庭人均每日消费2美元作为贫困线时，互联网使用的减贫效应更为明显。

为什么采用不同的贫困线，互联网所起到的减贫效应不同？我们试图给出一些可能的解释。互联网使用具有一定的门槛，越是贫困的农户，其获取互联网资源并掌握如何使用互联网的能力越差，从而会削弱互联网的减贫效应。调查数据显示，全样本中使用互联网的农户比重为12.76%。当采用每日消费1美元作为贫困线时，贫困农户使用互联网的比重为7.42%；采用每日消费2美元作为贫困线时，贫困农户使用互联网的比重为8.64%。由此可见，农户越贫困，使用互联网的比重越低。

农户特征控制变量方面，回归结果显示户主年龄显著负向影响农户贫困，年龄平方有显著正向影响，表明户主年龄与贫困状态存在“U”形关系，即那些青中年的农户户主更有可能改善贫困状况，青中年户主相对于少年与老年户主体力更具优势且拥有一定的经验与资源，更能带领家庭脱贫致富。当使用人均每日消费2美元作为贫困线时，农户户主性别显著正向影响贫困发生率，表明男性户主并不能帮助家庭脱贫。农户户主受教育程度显著负向影响贫困发生率，表明受教育程度高的户主更有能力帮助家庭摆脱贫困。一般而言，教育程度对家庭决策与状态改变具有重要影响，相比低学历农户，高学历农户获取资源能力更强，更有利于农户脱贫致富。婚姻状况、身体状况与政治面貌在统计水平上不显著，表明这三个因素对农户贫困的影响不大。

家庭特征控制变量方面，回归结果显示家庭拥有集体土地会使其陷入贫困的可能性降低，在我国农村地区，土地资源不仅具有经济功能，而且也具有保障功能。“家庭是否发生重大事件”这一变量显著负向影响农户贫困，说明家庭发生重大事件降低了农户陷入贫困的概率，原因可能是在重大事件(如婚嫁、寿宴、子女高考等)过程中，会收到亲朋好友的礼金等。家庭规模显著正向影响农户贫困，即家庭规模越大，农户陷入贫困的可能性越高，这一发现不难解释，家庭规模越大，意味着家庭开支越多，进而提高农户陷入贫困的概率。

村级特征控制变量方面，回归结果显示农户所在村到本县县城的距离在1%的显著性水平下正向影响农户贫困，说明农户距离县城越远，陷入贫困的概率越高，原因在于地处县城附近的农户，能够更方便地获取城市中的各种资源(如发展机会更大、资源交换便利等)。矿产区与民族区显著正向影响农户贫困，说明农户在矿产区与民族区居住，陷入贫困的概率更大。近年来，随着部分矿区矿产资源的枯竭，经济发展相对滞后；而民族区一般相对偏远，虽然国家实施诸多少数民族政策，但如果过度依赖国家政策扶持，将可能陷入“福利依赖”陷阱，不利于自身脱贫。农户所在村为丘陵地形，陷入贫困的概率较低，原因可能是丘陵地形能够种植诸如茶叶等经济作物，农户的收入水平相对较高；农户所在村为高原地形，陷入贫困的概率较高，原因可能是高原地带不但交通等基础设施较差，而且无法从事种植业，农户的收入相对降低。

(二)内生性处理：局部工具变量法

互联网使用变量与农户贫困变量之间可能存在潜在的内生性问题。一方面，虽然我国“提速降费”的改革一直在进行，然而上网费用尤其是互联网接入所需要的电脑设备等依然昂贵，贫困农户可能无法购买，因此那些非贫困农户更有能力购买上网设备及接入互联网，导致模型估计时高估使用互联网的作用；另一方面，互联网使用也可能反过来影响农户贫困，如果农户通过互联网收集信息、从事网上商业活动等，则可能影响农户的就业与收入，因此需要消除内生性所产生的估计偏差。局部工具变量回归是解决这一问题的较好方法。究其缘由，在微观异质性和选择偏差存在的情形下，传统的工具变量方法通常不能得到正确的估计参数，需采用局部工具变量法进行估计。我们采用农户互联网使用概率作为互联网的局部工具变量，并采用局部工具变量法进行估计(LIV)。第一阶段使用Probit模型估计农户的互联网使用概率倾向得分，第二阶段将该倾向得分作为互联网的局部工具变量进行回归。具体模型构建如下：

Pr(Interneti=1/Ki)=φ(aiKi)

(2)

式(2)中，Ki是包括年龄、受教育程度、健康状况等影响互联网使用的变量；φ(·)是标准状态分布函数。

内生性处理的结果如表3所示。从表3中可知，无论是以家庭人均每日消费1美元作为贫困线还是以家庭人均每日消费2美元作为贫困线，互联网使用的显著性、方向及大小与表2基本一致，表明互联网使用确实有利于降低农户陷入贫困的可能性。

表3 内生性处理：局部工具变量法

(三)稳健性检验

随着手机网络的发展与普及，手机上网逐渐成为互联网使用更为便捷的方式。因此，本文采用是否使用手机上网作为衡量互联网使用的另一个指标，进行相应的稳健性检验。表4汇报了手机上网对农户贫困的影响，结果显示无论采用家庭人均每日消费1美元作为贫困线还是采用家庭人均每日消费2美元作为贫困线，手机上网均在1%的显著性水平下负向影响农户贫困，说明手机上网也能够显著降低农户陷入贫困的可能性。以模型(4)和模型(8)的回归结果为例，相比非手机上网农户，手机上网农户陷入贫困的可能性分别降低了22.0%与28.1%。控制变量与表2的回归结果基本一致，这里不再说明。

表4 手机上网对农户贫困的影响

上文检验农户是否贫困的指标是国际贫困线，国际贫困线主要关注居民的每日消费状况，换言之，国际贫困线的划定是基于居民支出状况。考虑到我国农户是否贫困主要根据农民年人均纯收入进行划分，本文参照我国政府制定的贫困线，将中国当前贫困标准即农民年人均纯收入2300元作为贫困线再次进行稳健性检验。表5中模型(1)～(4)的回归结果显示，互联网使用在1%的显著性水平下负向影响农户贫困，说明当以我国政府划分的贫困线衡量农户是否贫困时，互联网使用依然能够显著降低农户陷入贫困的概率。

五、互联网使用影响农户贫困的机制分析

本文的实证结果表明，互联网使用能够有效改善农户贫困现状。那么，一个随之而来的问题是：互联网使用通过何种机制影响农户贫困？我们认为可能的影响机制有以下三种：一是互联网使用能够影响农户的信息获取，增强农户搜索就业等信息的能力，从而提高农户非农就业的可能性及收入水平[3]；二是互联网使用有助于拓展农户的社会网络，从而增加农户的社会资本；三是农户可能通过互联网加强与亲戚朋友的联系，改善农户与亲戚朋友的关系，进而提高亲友借贷的可能性。

表5 使用不同贫困线指标的检验结果

(一)互联网使用通过非农就业影响农户贫困的机制检验

众所周知，相比从事第一产业者，从事第二与第三产业者收入水平更高，更有助于摆脱贫困处境。换言之，非农就业的农户收入水平更高，更能提高其家庭福利水平。DiMaggio和Bonikowski的研究发现互联网使用有助于农民拓展就业渠道与提高非农就业概率，同时能够提高其劳动技能与劳动生产率[14]。Atasoy基于美国州级层面的数据研究发现，互联网使用有助于提高就业率，且该效用在农村地区尤其是偏远山区更为明显[15]。周冬研究发现互联网使用能够有效提高农户非农就业概率，进而提高农户收入[11]。得出相似结论的还有马俊龙和宁光杰，他们通过工具变量法解决内生性问题后，发现互联网使用有效提高了农村劳动力非农就业的可能性，明显改善了农户的收入状况[3]。

鉴于此，本文进一步分析互联网使用对农户非农就业(用虚拟变量测度)的影响，回归结果见表6。表6的模型(2)中，互联网使用在1%的显著性水平下正向影响农户非农就业，表明互联网使用能够提高农户非农就业的概率，原因可能是农户通过互联网获取就业信息，增加其获取就业的机会与能力。模型(4)与模型(6)中添加了其他控制变量，非农就业均在1%的显著性水平下负向影响农户贫困，即非农就业降低了农户陷入贫困的概率。由此可见，非农就业是互联网使用影响农户贫困的重要渠道，其可能有助于改善农户的收入结构与收入水平，从而起到减贫作用。

表6 互联网使用通过非农就业影响农户贫困的机制检验结果

(二)互联网使用通过社会资本影响农户贫困的机制检验

中国是典型的“人情关系型”国家，由社会关系网形成的社会资本在人们的日常生活中起到了重要作用。周晔馨和叶静怡认为社会资本在正式制度缺失的情况下，能够发挥正式保险制度的功能，从而降低社会风险冲击，减轻居民的贫困脆弱性[16]。更进一步，世界银行将社会资本视为发展中缺失的链条，社会资本被认为是继物质资本与人力资本之后的第三大资本[17]。丁冬等研究发现社会资本和经济福利之间存在显著的正相关关系，丰富的社会资本在一定程度上能够帮助农户规避风险，降低其陷入贫困的概率[18]。得出相似结论的还有周玉龙和孙久文，他们的研究发现社会资本能够显著改善居民贫困现状[19]。

借鉴刘一伟和汪润泉等关于社会资本的研究，选取农户家庭礼金支出的对数作为社会资本的代理变量[20]，回归结果见表7。首先，我们分析互联网使用对农户社会资本的影响，表7的模型(1)和模型(2)中，互联网使用无一例外在1%的显著性水平下正向影响农户社会资本，表明互联网使用能够促进农户的社会资本积累。其次，在模型(4)和模型(6)中，社会资本均在1%的显著性水平下负向影响农户贫困，说明社会资本能够改善农户贫困状况，原因可能正如他们指出的那样，社会资本不仅能够发挥非正式的保障功能，而且能够提高农户的就业能力与收入水平，降低农户陷入贫困的可能性。总之，表7的回归结果表明，社会资本是互联网使用影响农户贫困的重要渠道之一。

表7 互联网使用通过社会资本影响农户贫困的机制检验结果

(三)互联网使用通过非正规金融借贷影响农户贫困的机制检验

已有研究表明，非正规金融的发展有助于改善农村居民的收入状况，降低农户贫困发生率[21]。但我国农村地区存在严重的金融抑制，非正规金融有助于农户获取信贷资金，缓解信贷约束，进而通过借贷实现脱贫致富。周晔馨和叶静怡指出，在发展中国家尤其是发展中国家的农村地区，正式信贷与保险市场严重缺失或者不完善的现象普遍存在，非正规金融的非正式风险分担安排相当普遍，并成为保障家庭、平滑消费和规避暂时贫困的最重要方式[16][22]。事实上，农户在民间借贷市场上筹集教育投资、房屋建设等资金更多的是零利息互助性借款，在一定程度上能够改善农村居民的贫困状况。毋庸置疑的是，在我国农村地区这样一个“乡土社会”中，往往更重视人情关系，农户之间的人情交往通常被视为维系双方信任的重要保障，互联网使用能够拉近与改善亲朋好友间的关系，从而影响农户的非正规金融借贷水平。

参照谭燕芝和张子豪的研究，选取从亲朋好友与民间借贷市场中借款金额的对数衡量非正规金融借贷水平[23]。表8报告了互联网使用对农户非正规金融借贷的影响，表8中模型(2)的回归结果显示，互联网使用显著正向影响农户的非正规金融借贷，即互联网使用提高了农户的非正规金融借贷水平。在模型(4)和模型(6)中，非正规金融借贷均在1%的显著性水平下负向影响农户贫困，表明农户非正规金融借贷越多，其陷入贫困的可能性越低。该结论与诸多学者的研究发现一致，相比正规金融，非正规金融主要表现为亲朋好友间或民间金融组织的借贷行为，在缓解农户贫困方面更能起到重要作用[24]。国外学者Mosley 等发现非政府组织机构发起的微型金融借贷体系，缓解了穷人的信贷约束，改善了贫困者的生活状况[25]。因此，可以认为非正规金融借贷是互联网使用影响农户贫困的重要途径。

六、结论与政策建议

农户贫困问题是否能得到有效解决事关中国精准扶贫与全面脱贫战略的成败，而近年来互联网的发展与普及为实施精准扶贫提供了新的思路与方法。本文基于2014年和2016年中国家庭追踪调查数据，采用国际通用的贫困标准，检验了互联网使用对农户贫困的影响。研究发现：第一，互联网使用降低了农户陷入贫困的可能性，尤其是采用家庭人均每日消费2美元作为贫困线时，互联网使用的减贫效应更为显著。第二，使用不同的互联网使用指标与贫困线指标进行稳健性检验，研究结果仍然非常稳健；同时选取与被访者居住在同一村庄其他人的平均网络使用状况作为互联网使用的工具变量克服内生性问题后，互联网使用的减贫效应依然成立。第三，影响机制的检验结果显示，促进农户非农就业、增加农户社会资本与提高农户非正规借贷水平是互联网使用影响农户贫困的主要路径。

表8 互联网使用通过非正规金融借贷影响农户贫困的机制检验结果

本文的研究结论具有重要的政策启示。首先，不断完善农村地区尤其是贫困山区的互联网基础设施，同时降低我国农村地区的上网费用，使农村居民能够“上得了网”与“用得起网”。其次，将互联网与精准扶贫有机结合，最大限度地消除政策和资源偏离，从而将有限的扶贫资源瞄准最需要的贫困群体，使扶贫资源在社会资源配置中能够有效发挥优化与集成作用。最后，深度挖掘互联网的功能，不断拓展农村居民的非农就业渠道，打造农村居民增收的平台；农村居民通过互联网加强亲朋好友之间的联系，增加其社会资本积累。此外，有序推进“互联网+精准扶贫”，提高扶贫对象的自发参与度，以充分发挥互联网在贫困地区资源配置中的作用，推动各类资源向困难群众集中。

需要指出的是，本文仅是从互联网使用的视角考察了互联网对贫困的影响，全面评估互联网的政策效果还有待进一步研究。另外，文中并未使用面板数据，无法精准测算互联网使用的动态变化对贫困的影响。同时由于贫困是一个复杂多变的问题，这就要求我们以后使用更为全面和科学的数据对互联网的减贫效应进行检验和评估，从而为我国精准扶贫战略的实施与2020年全面脱贫目标的实现“添砖加瓦”。

[1] 刘一伟.社会保障支出对居民多维贫困的影响及其机制分析[J].中央财经大学学报，2017，(7):7—18.

[2] Feldman，D.C.，Klaas，B.S.Internet Job Hunting：A Field Study of Applicant Experiences with On-line Recruiting[J]. Human Resource Management，2002，(2)：175—192.

[3] 马俊龙，宁光杰. 互联网与中国农村劳动力非农就业[J]. 财经科学，2017，(7):50—63.

[4] 周洋，华语音. 互联网与农村家庭创业——基于CFPS数据的实证分析[J].农业技术经济, 2017，(5):111—119.

[5] 湛泳，徐乐.“互联网+”下的包容性金融与家庭创业决策[J].财经研究，2017，(9)：62—76.

[6] 陈建伟，陈银娥.普惠金融助推精准脱贫的理论与政策思考[J].当代经济研究，2017，(5)：85—90.

[7] 汪向东，王昕天.电子商务与信息扶贫:互联网时代扶贫工作的新特点[J].西北农林科技大学学报(社会科学版) ，2015，(4)：98—104.

[8] 赵秀兰.“互联网+”精准扶贫模式：主要内容与政策建议[J]. 农村经济，2017，(8)：57—61.

[9] 冯长福.传媒信息服务在农民增收中的作用[J]. 理论与改革，2007，(6)：10—11.

[10] 迟凤玲.农业科技信息传播对农业发展的促进作用及其发展趋势[J]. 农业展望，2008，(6)：41—43.

[11] 周冬.互联网覆盖驱动农村就业的效果研究[J]. 世界经济文汇，2016，(3):76—90.

[12] 罗楚亮．经济增长、收入差距与农村贫困[J]．经济研究，2012，(2)：15—27．

[13] 沈扬扬．经济增长与不平等对农村贫困的影响[J]．数量经济技术经济研究，2012，(8)：19—34．

[14] Dimaggio，P.，Bonikowski，B.Make Money Surfing the Web? The Impact of Internet Use on the Earnings of U.S.Workers[J].American Sociological Review，2008，(2):227—250.

[15] Atasoy，H.The Effects of Broadband Internet Expansion on Labor Market Outcomes[J]. ILR Review，2013，(2):315—345.

[16] 周晔馨，叶静怡.社会资本在减轻农村贫困中的作用:文献述评与研究展望[J]. 南方经济，2014，(7):35—57.

[17] 刘彬彬，陆迁，李晓平.社会资本与贫困地区农户收入——基于门槛回归模型的检验[J].农业技术经济， 2014，(11):40—51.

[18] 丁冬，王秀华，郑风田.社会资本、农户福利与贫困——基于河南省农户调查数据[J]. 中国人口·资源与环境, 2013，(7):122—128.

[19] 周玉龙，孙久文.社会资本与农户脱贫——基于中国综合社会调查的经验研究[J]. 经济学动态，2017，(4):16—29.

[20] 刘一伟，汪润泉.收入差距、社会资本与居民贫困[J]. 数量经济技术经济研究，2017，(9):75—92.

[21] Imai，K.S.，Gaiha，R.，Thapa，G.，et al．Microfinance and Poverty：A Macro Perspective[J]．World Development，2012，(8):1675—1689.

[22] 郭云南，姚洋. 宗族网络与农村劳动力流动[J]. 管理世界， 2013，(3):69—81.

[23] 谭燕芝，张子豪. 宗族网络与农村劳动力流动[J]. 管理世界， 2013，(3):69—81.

[24] 张宁，张兵. 社会网络、非正规金融与农户多维贫困[J]. 财经研究，2017， (3):43—56.

[25] Mosley，P.，Hulme，D.Micro Enterprise Finance：Is There a Conflict between Growth and Poverty Alleviation?[J]．World Development，1998，26(5)：783—790.