互联网的普及能减缓中国农村贫困吗？

张含宇, 姬宸宇

一、 引言

改革开放以来，中国的减贫事业已经取得了举世瞩目的成就。农村贫困率从1978年的97.5%降低到了2018年的1.7%(1)国家统计局住户调查办公室. 2019年中国农村贫困检测报告[R]. 北京：中国统计出版社，2019.。但与这一较低的贫困率对应的是依然庞大的贫困人口规模，直到2018年末我国仍然有1 660万农村人口收入处于贫困线之下，同时贫困人口分布由集中化向分散化趋势演进，存在深度贫困地区脱贫攻坚困难、部分低收入人群返贫等问题。这意味着脱贫攻坚越到后面成本越高，难度越大。因此，扶贫需要更加注重创新性，把握社会、经济与技术的发展趋势，以求高效彻底地消除贫困。在减贫的理论和实践中，以互联网为代表的信息通信技术ICT(Information and Communications Technology) 是颇受期待的减贫方法之一，它可以让贫困人口更方便地获得关于教育、健康医疗、政策以及金融服务等方面的信息，也能帮助农村居民和手工艺者接触到更加广阔的市场。目前，我国已有相当规模的互联网用户，其中包括了一定规模的农村用户；根据《第44次中国互联网络发展状况统计报告》数据，截至2019年6月，中国网民规模已达8.54亿，互联网普及率达61.2%，其中农村网民规模为2.25亿人，占网民总数的26.3%(2)中国互联网信息中心. 第44次中国互联网络发展状况统计报告[EB/OL]. [2020-04-15]. http:∥www.cac.gov.cn/2019-08/30/c_1124938750.htm.。

同时，从中央到地方，政府越发重视“互联网+”在扶贫工作中的重要作用，工信部在《关于推进网络扶贫的实施方案(2018-2020年)》中提出工作目标，要在2020年实现全国12.29万个建档立卡贫困村宽带网络覆盖率超过98%(3)工信部. 关于推进网络扶贫的实施方案(2018—2020年)[EB/OL]. [2020-04-15]. http:∥www.cpad.gov.cn/art/2018/6/6/art_50_85021.html.；安徽开通了网络扶贫助农兴旅公益平台，方便用户购买当地特色农产品；甘肃省政府和阿里巴巴集团签订战略合作框架协议，共建“特色中国-甘肃馆”。许多学者也从不同侧面对这一减贫方式进行了研究，但目前国内对于互联网减贫的研究更多地侧重于使用如家庭追踪调查(CFPS)这样的截面数据，样本往往限定在一两个特定年份，可能受到不随个体变化但随时间变化的时间效应的影响，例如大范围自然灾害、主要电商企业的商业活动等。

此外，我国农村地区仍然存在一部分极难脱贫的人群。事实上，这在一定程度上反映了贫困人口内部存在的收入分配不均问题。由于地理环境、受教育条件等因素的限制，能提升轻度贫困人口收入的方法未必能有效提升极端贫困人口的收入。因此对于减贫的实践而言，有必要考虑互联网普及能否缓解极端贫困人口的贫困。

基于以上分析，本文尝试从两方面对现有文献进行扩展：一方面，使用年份连续的面板数据以避免样本过多受到某一年份特定事件的干扰。另一方面，本文在互联网减贫的文献中较早引入FGT指数，从而在分析中兼顾贫困人口内部收入差异的影响，进而深入分析互联网普及对农村极端贫困人口是否也具有减贫效果。

二、 文献综述

从以往的研究来看，关于互联网普及与农村贫困减缓的文献指出了这种减贫作用发生的几条路径。

首先，互联网的使用促进了农村居民非农就业创业。马俊龙和宁光杰使用CFPS的2014年数据和Biprobit模型，发现互联网使用有效提高了农村劳动力选择非农就业的概率(4)马俊龙,宁光杰. 互联网与农村劳动力非农就业[J]. 财经科学, 2017(7): 50-63.；周洋和华语音使用了同一年的CFPS数据和IVprobit模型，研究发现，平均而言使用互联网的农村家庭比不上网的创业概率高了3.83%(5)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.；周冬使用了CGSS的2005和2013年数据以及有序Probit模型进行分析，结论表明互联网的使用有效促进了农村非农就业(6)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.。

其次，互联网的使用促进了非正规金融在农村的使用。王君健和费梅苹使用CFPS2016数据和IVprobit模型进行分析，结论表明民间借贷是互联网影响农村居民贫困的重要机制(7)王君健,费梅苹. 互联网使用、民间借贷与农村居民贫困[J]. 江淮论坛, 2019(5): 63-69.；殷俊和刘一伟使用2014和2016年CFPS数据，结论表明互联网的使用提高了农户的非正规金融借贷水平，由此进一步减缓了贫困(8)殷俊,刘一伟. 互联网使用对农户贫困的影响及其机制分析[J]. 中南财经政法大学学报, 2018, 227(2): 146-156.。

再次，互联网金融的使用有助于减缓农村贫困。但正如冷晨昕和陈前恒所指出的那样，现有文献没有系统地论述在农村地区，尤其是在农村贫困地区发展互联网金融的理论基础，但他们仍然通过经济理论模型分析得出了农村贫困地区发展互联网金融有助于降低传统金融服务中的交易成本，缓解金融排斥的结论(9)冷晨昕,陈前恒. 贫困地区农村居民互联网金融使用现状及影响因素分析[J]. 财贸研究, 2017(11): 42-51.。

最后，电子商务的使用扩大了贫困人口所面对的市场，带来了市场规模乘数效应和潜在差异需求规模乘数效应(10)邱泽奇,张树沁,刘世定. 从数字鸿沟到红利差异——互联网资本的视角[J]. 中国社会科学, 2016(10): 93-204.，同时也减少了他们的交易成本，改变了他们的消费行为。张永丽和徐腊梅通过对甘肃1 735个农户的家庭生活消费的调查发现，互联网的使用可以降低西部贫困地区农户的交易成本，扩宽消费渠道，优化市场环境(11)张永丽,徐腊梅. 互联网使用对西部贫困地区农户家庭生活消费的影响——基于甘肃省1735个农户的调查[J]. 中国农业经济, 2019(2): 42-59.。曾亿武等利用江苏沭阳县1 009个农户的调查问卷进行分析发现，电子商务的采纳带来了农业收入的显著提升，利润率和销量的提升是构成收入上升的来源机制(12)曾亿武,郭红东,金松青. 电子商务有益于农民增收吗？——来自江苏沭阳的证据[J].中国农村经济, 2018 (2): 49-64.。

三、 实证方法与数据来源

(一) FGT指数的计算

本文按照国家现行贫困线标准，即以农村每年人均纯收入2 300元(2010年不变价)作为衡量贫困与否的基准，选择FGT指数来进一步衡量贫困的严重程度。这一指标不仅具备良好的可加性，还可以在满足收入分组一致性条件下对整体贫困进行分解，以反映不同收入分组之间的收入差距，进而避免单独使用贫困发生率所导致的，对贫困人口内部收入差距的忽视。

为了便于在数学意义上理解FGT指数的构造方式，其离散形式可用如下公式表达：

(1)

公式中，yi为第i个贫困人口的收入，z为贫困线，在本文中为2010年价格水平的2 300元，q代表人均收入低于贫困线以下的人口数，n代表人口总数，α是一个非负的参数，也称贫困厌恶系数，一般取值为0、1或2，数值越大则贫困人口内部收入差距对Pα(y,z)值的影响越大。

在α最常见的三个取值中，α=0使得P0成为贫困发生率(Head-count Ratio)，也就是收入低于贫困线的人口在总人口中所占的比重，在本文中为通过洛伦兹曲线估算出的贫困率和《中国农村贫困检测报告》汇报的各地区农村贫困率相对应，P0这一指标也被称为贫困广度。当α=1时，P1便是贫困缺口(Poverty Gap)，表示贫困人口收入到贫困线之间的平均距离，也是贫困深度指标。当α=2时,P2是平方贫困缺口(Squared Poverty Gap)，是对不同贫困程度人口进行加权后得到的指标，反映了贫困人口内部收入不平等的程度，以上三类指标在下文中分别用H、PG和SPG表示。

与公式(1)对应的连续函数形式为：

(2)

式(2)中f(y)是收入的累积分布函数F(x)的概率密度函数，x为代表收入的随机变量，F(x)的具体表达式如下：

(3)

如果能利用已有的农村收入分组数据估计出连续的收入累积分布函数，FGT指数就可以进行计算(13)林伯强. 中国的经济增长、贫困减少与政策选择[J]. 经济研究, 2003 (12)：15-25.。使用由Villasenor和Arnold提出的广义二次(GQ)方法可以估计出参数化的洛伦兹曲线(14)VILLASENOR A. Elliptical lorenz curves[J]. Journal of econometrics, 1989, 40(2): 327-338.，进而得到连续的收入累积分布函数。将GQ方法估计得到的洛伦兹曲线结合式(2)可得：

(4)

通过改变式(4)中的α的取值，可以得到FGT指数中的贫困广度、深度和强度。为了方便下文的分析，本文将计算出的FGT指数全部乘以100。

由于中国各个省的统计年鉴在统计农村收入分组数据时经常出现一定程度上的数据缺失问题，因此本文参考赵磊和吴媛的做法，使用农村收入分组数据与城镇收入分组数据的比例对农村收入分组数据进行估算(15)赵磊,吴媛. 中国旅游业与农村贫困减缓——事实与解释[J]. 南开管理评论, 2018, 21(6): 142-155.。由于天津、湖南、山东、西藏、云南和贵州存在较严重的收入分组数据缺失问题，因此本文仅使用了25个省份的收入分组数据进行分析。为避免通胀因素对FGT指数计算的影响，本文将2010年不变价格的2 300元按照各个省份各年度的通胀率进行了调整后计算FGT指数。

(二) 模型设定

为考察互联网的使用对中国农村贫困程度的影响，本文构造如下计量模型：

FGTit=β0+β1Internetit+ωXit+αi+γt+εit

(5)

式中i表示省份，t表示年份，αi代表不随时间变化的个体效应，γt代表不随个体变化的时间效应，εit为随机扰动项，FGTit为计算得到的FGT指数，Internetit为代表农村互联网普及程度的代理变量，

在许多报告和文献中，对于代表互联网普及程度的变量大多数情况下选择互联网普及率、移动电话普及率(16)汤才坤. “互联网+”对农村居民消费经济结构的影响分析[J]. 统计与决策, 2018, 513(21): 117-119.、电脑数量(17)赵浩鑫,唐根年,洪晨翔. 农村互联网发展的减贫效应分析[J]. 统计与决策, 2019, 535(19): 96-99.等。参考既有文献的选择，本文使用每百户农村家庭所拥有的电脑数和每百户农村家庭所拥有的移动电话数作为互联网在农村普及程度的代理变量，下文将这两个变量简称为住户电脑数量和住户手机数量。Xit为控制变量向量。

模型中主要包括三类控制变量。首先是经济增长变量，经济增长可以通过“涓滴效应”惠及贫困人口，本文使用实际GDP增长率(RGDP)加以衡量。其次是农村特征变量，包括了农村居民受教育水平(EDU)、农村固定资产投资(FA)、所得到的财政支农资金(GOV)三项,分别使用农村15岁以上人口的文盲率、农村固定资产投资和农业总产值的比值、财政支农支出与农业总产值的比值代表，由于统计口径的变化，财政支农支出在2005—2006年为农业支出、林业支出和水利气象支出之和，2007—2016是农林水事务支出。三是其他类型变量：城镇化进程可以改善农村居住环境、增加农村就业机会进而帮助减缓贫困(18)崔娟. 金融发展、城镇化与贫困减缓——基于系统GMM的估计[J]. 兰州学刊, 2014 (8): 152-158.，因此本文使用城镇化率作为控制变量；城乡居民收入比例的上升反映了当地整体收入差距的恶化，这会抑制贫困减缓，因此本文使用了城镇人均可支配收入和农村人均可支配收入的比值作为控制变量。

除此之外本文还加入了交通基础设施作为控制变量，因为交通基础设施的优化提升可以促进生产要素的合理分配，是推动农村经济增长的长期动力(19)李慧玲,徐妍. 交通基础设施、产业结构与减贫效应研究——基于面板VAR模型[J]. 技术经济与管理研究, 2016(8): 25-30.。本文参考赵磊和张晨的方法，使用铁路里程数、公路里程数和内河航运里程数之和除以省份国土面积衡量(20)赵磊,张晨. 旅游减贫的门槛效应及其实证检验——基于中国西部地区省际面板数据的研究[J]. 财贸研究, 2018, 39(5): 130-145.。

(三) 数据来源

本文使用了包括25个省、市和自治区2005—2016年的平衡面板数据。其中，每百户农村居民所拥有的电脑数和移动电话数、农村和城镇人均可支配收入、城镇化率、交通基础设施数据均来自《中国统计年鉴(2006—2017)》，部分数据由各省统计年鉴补足。农村收入分组数据来自各省(市、自治区)统计年鉴和《中国农业年鉴(2006—2017)》《中国农村统计年鉴(2006—2017)》。农村固定资产投资数据来自《中国农村统计年鉴(2006—2017)》，农村15岁及以上人口中的文盲率来自《中国人口和就业统计年鉴(2006—2017)》，财政支农数据来自《中国财政年鉴(2006—2017)》。其他数据来源于国研网统计数据库。

四、 实证结果分析

(一) 全样本估计结果

表1到表4的各列均显示，面板设定F检验结果拒绝原假设，固定效应模型优于混合估计；表1中除第(2)和第(4)列以外的Hausman检验均显著拒绝随机效应模型和固定效应模型回归系数无差异的原假设，表2到表4的各列也普遍在Hausman检验中拒绝了原假设，因此，为便于比较分析，本文默认选择面板固定效应模型。

1. 绝对贫困估计。表1第(1)列报告，互联网普及变量的回归系数为-3.232，在1%的统计水平下显著，表明在其他条件不变的情形下，农村互联网普及程度每提升1%会平均降低贫困广度0.032 32，也就是使得估计出的贫困率降低0.032 32个百分点。第(4)列显示，互联网普及变量的回归系数为-11.83，也在1%的统计水平下显著，再次说明了结论的稳健性。由此，分析结果表明，互联网的普及确实可以有效降低绝对贫困。

2. 相对贫困估计。在表1中，第(2)列显示，互联网普及变量的回归系数为-1.284，在1%的显著性水平下显著，同样表明互联网的普及对贫困深度具有减缓效应，而且这一指标每提升1%，则会相应减少贫困深度0.012 84。同样，第(5)列中，互联网普及变量的回归系数为-3.64，表明这一指标每上升1%，贫困深度下降0.036 4。以上估计结果共同表明，互联网普及对于减缓农村贫困深度具有显著作用。

表1第(3)列表示，贫困强度作为被解释变量时，核心解释变量回归系数为-1.29，在1%的显著性水平下显著，这意味着农村互联网普及程度每上升1%，贫困强度平均减少0.012 9。类似地，第(6)列显示，核心解释变量回归系数为-3.216，也在1%显著性水平下显著，农村互联网普及程度每上升1%，贫困强度平均减少0.032 16。以上估计结果表明，互联网的普及确实有助于改善农村极端贫困居民的收入状况。

表1 全国互联网普及与农村贫困减缓关系检验

(二) 分地区估计结果(21)样本中东部地区包括北京、河北、辽宁、上海、江苏、浙江、福建、广东、海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北；西部地区包括内蒙古、广西、重庆、四川、陕西、甘肃、青海、宁夏、新疆。

1. 东部地区估计结果。如表2所示，互联网普及变量的回归系数为-3.4，在10%的显著性水平下显著。也就是说农村互联网普及程度每上升1%，贫困广度平均减少0.034；第(4)列报告了类似的结果，核心解释变量的回归系数为-10.76，在10%的显著性水平下显著，农村互联网普及程度每上升1%，贫困广度平均减少0.107 6。以上实证结果说明了互联网普及在东部农村确实有效地减少了绝对贫困。当考虑贫困深度时，列(2)和列(4)中两种核心解释变量回归系数都在10%的显著性水平下显著为负也说明了互联网的普及正在减少东部农村贫困人口的贫困缺口，使得当地的贫困人口收入更加接近贫困线，进而减缓贫困。

表2 东部地区互联网普及与农村贫困减缓关系检验

需要注意的是，当考虑贫困强度，也就是考虑互联网普及能否在东部农村减缓极端贫困人口的贫困状况时，结论却是否定的。在列(3)和列(6)当中，两种核心解释变量的回归系数都不显著，这说明了互联网普及难以应对东部农村的极端贫困问题。可能的原因在于：互联网的普及反而使得当地农村的收入不平等状况恶化了。一个典型的例子来自曾亿武、郭红东和金松青的文章，他们利用倾向得分匹配法对江苏省沭阳县1 009个农户的问卷调查数据进行研究，结果发现在采纳电子商务后，当地农户无论是以总纯收入还是人均纯收入计算的基尼系数都有明显的上升(22)曾亿武,郭红东,金松青. 电子商务有益于农民增收吗？——来自江苏沭阳的证据[J].中国农村经济, 2018(2): 49-64.。这反映了互联网的普及对于农村收入不平等未必会起到削弱作用，反而可能会加剧当地的收入不平等，使得极端贫困人口的收入状况难以得到改善。Cecchini 和Scott提供了一个简单的理论模型来解释这种收入不平等产生的原因，他们认为，包括软硬件、技能水平在内的资本投入使得相对富裕的人口更倾向于选择互联网作为接收和传递信息的手段，但这种资本投入也给相对贫困的人口制造了门槛，使得他们花费大量的时间来完成通过互联网只需要少量时间就可以完成的信息收发，进而引发了收入的不平等(23)CECCHINI S, SCOTT C. Can information and communications technology applications contribute to poverty reduction?[J]. Information technology for development, 2003, 10(2): 72-84.，这也呼应了曾亿武、郭红东和金松青认为健康程度与受教育水平、社会资本以及经营支出共同导致了收入不平等的判断(24)曾亿武,郭红东,金松青. 电子商务有益于农民增收吗？——来自江苏沭阳的证据[J]. 中国农村经济, 2018(2): 49-64.。

2. 中部地区估计结果。如表3第(1)列所示，互联网普及变量的回归系数为-3.754，在10%的显著性水平下显著。第(4)列报告了类似的结果，核心解释变量的回归系数为-14.04，在5%的显著性水平下显著。这说明互联网普及有效减缓了中部农村的贫困广度。第(3)列显示，核心解释变量回归系数不显著，但第(6)列表明核心解释变量回归系数显著为负。两种模型的结果矛盾，因此认为互联网的普及在中部地区是否能减缓贫困强度存在疑问。

表3 中部地区互联网普及与农村贫困减缓关系检验

续表

要注意的是，不同于东部地区，中部地区的贫困深度没有因为互联网的普及而显著改善，但中部地区的贫困广度却在10%显著性水平下被两个核心解释变量显著减少了。可能的原因在于，贫困深度并非一个非常好的度量贫困的指标。参照林伯强关于贫困缺口的论述(25)林伯强. 中国的经济增长、贫困减少与政策选择[J]. 经济研究, 2003(12): 15-25.可知，在中部地区，哪怕互联网普及成功减少了绝对贫困，但只要没有同时对其他贫困人口的收入有较大幅度的提升作用，其对贫困深度也不会产生显著的正面影响。

3. 西部地区估计结果。在表4当中，第(1)、(4)列显示两种核心解释变量都没能减少西部农村的绝对贫困；第(2)、(5)列显示两种核心解释变量也未能减少贫困缺口。但是第(3)、(6)列中，核心解释变量的回归系数分别为-1.438和-3.563，分别在5%和10%的显著性水平下显著，说明互联网的普及改善了部分极端贫困人口的收入状况。对此的详细解读如下。

表4 西部地区互联网普及与农村贫困减缓关系检验

续表

一方面，互联网的普及未能减少西部农村绝对贫困的原因可能在于西部农村地区物流条件的不足限制了互联网的减贫效果。

西部地区，特别是新疆、青海等省份，农村人口尽管绝对数量不少，但居住分散，地域广阔。这使得当地交通基础设施难以覆盖到位，也使得西部距离城市消费市场较远的农村不可避免地面对相比于东中部更严重的农产品进城“最先一公里”和工业品入村“最后一公里”的物流配送问题。同时，农村冷链物流建设也滞后于电商发展，这使得农村电商，尤其是生鲜产品的农村电商供应能力受到限制。因此，物流条件的不足限制了西部农村地区通过农村电商获益的能力，进而使得西部地区互联网普及的减贫作用受到限制。

另一方面，与东部地区不同，西部地区的互联网普及减少了贫困强度，原因可能在于：东部地区由互联网普及所带来的收入不平等很大程度上是由资本投入的不同导致的，西部地区的电商发展远不及东部，有关于互联网使用的资本投入对收入不平等的影响还不明显。同时，西部地区的消费环境比东部恶劣，张永丽和徐腊梅在对西部地区农村的调查中发现，西部贫困地区农村大部分位置偏远、信息闭塞、卖方垄断及产品质量差等问题突出，农户家庭市场交易成本非常高；互联网的普及大幅降低了当地的交易成本，还改变了农村居民的消费行为，让其拥有了更多的选择权(26)张永丽,徐腊梅. 互联网使用对西部贫困地区农户家庭生活消费的影响——基于甘肃省1 735个农户的调查[J]. 中国农业经济, 2019(2): 42-59.。张永丽和徐腊梅同样注意到这种消费环境的改善对低收入农户的消费提高效果更强，他们进而认为互联网的普及有利于减少农村内部收入差距。综上所述，互联网优化了西部农村消费环境、减少了交易成本，资本投入对农村居民互联网使用的影响并不强。这些因素共同导致了西部地区农村不平等水平的下降，同时也改善了贫困人口内部的收入不平等。

4. 内生性讨论。内生性问题会使得估计结果产生偏差，通常情况下，导致内生性的主要原因有两种。第一，遗漏变量问题。对于该问题，本文在模型设定中尽可能地将可能影响农村贫困的众多因素加入到了控制变量当中，以降低遗漏变量的影响。第二，互为因果关系的内生性。一个地区贫困程度的大小可能会影响在当地普及互联网的难度。对于该问题的处理通常使用工具变量法。因此，本文参照郭家堂和骆品亮以及其他大部分文献的做法，使用滞后一期的住户电脑数量和手机数量作为工具变量进行两阶段最小二乘法(2SLS)回归。结果表明，两种工具变量在全样本和分地区样本情形下的回归结果与原有的固定模型回归结果基本一致。因此本文的实证结论得到了进一步验证。

五、 结论与政策建议

本文利用2005—2016年农村收入分组资料计算FGT指数，并在此基础上使用农村每百户电脑数量和移动电话数量作为核心解释变量分析互联网普及程度和农村贫困之间的关系。基于本文实证结论，提出政策建议如下：

首先，互联网的普及可以有效降低贫困人口规模。国家应当将乡村信息基础设施和交通物流基础设施的建设作为实现乡村振兴的重要内容，增大宽带覆盖率、增加网络设备、终端设备和服务器设备在农村的普及、强化企业和政府机关面向公众的信息管理系统、加大农村道路基础设施建设资金投入力度、加快欠发达地区农村物流配送体系建设，积极构建“县有中心、乡镇有门店、村社有点”的物流配送体系、支持地方政府在农村设立货运公交，尽量解决农村物流“最后一公里”和“最初一公里”的配送效率和费用问题。

其次，东部和中部地区关于互联网扶贫的政策应当更加关注缺少资本投入的贫困居民，避免互联网红利的分配差距恶化居民收入分配差距。东部和中部地区应加强对贫困居民电子商务知识的教育，利用村级行政组织向广大农民群众传递电子商务基本知识，重视对电商人才的培养，鼓励大学生村官掌握电商技能，同时也应提高农村金融服务水平，加强第三方支付平台建设，尽量满足农村贫困人口的金融产品需求，缓解极端贫困人口在资本投入上的不足。

最后，西部地区应当加快互联网在农村地区的普及，同时也应当注重基础设施建设的完善和消费环境的改善。当前我国西部农村互联网普及程度仍然落后于东部和中部，对此应当提高西部农村教育的信息化水平，降低网络运营费用。鼓励共建共享农村电商服务站点和物流体系，尤其是加快生鲜食品配送所需要的冷链物流系统在西部的形成和发展。挖掘互联网对生活消费的促进作用，减少农村贫困居民购物时的交易成本，引导农村居民优化消费观念和消费行为。