数据资本能提升农户收入吗？——基于农户人力资本投资与社会网络的作用

许秀梅

(青岛农业大学，山东 青岛 266109)

一、引言

2022年2月，国务院出台的《“十四五”推进农业农村现代化规划》指出我国农民增收面临严峻形势，如何提升农户收入成为当前极具紧迫性的问题之一。数字经济的悄然兴起为农户增收带来新的机遇和活力。数字经济与三农发展深度融合，推动数字农业成为新时代农业发展的主流形态[1]，催生出众多的农户增收新渠道，为提升农户收入注入新鲜血液。据农业农村部测算，2019年我国农业数字化水平达24%。2021年12月，国务院出台《“十四五”数字经济发展规划》，重磅推进农业农村数字化。在此背景下，探讨数据资本对农户收入的影响具有较强现实意义。

数据资本以数字化技术为载体，农户对数据资本的获取、吸收及应用离不开人力资本支持。人力资本投资较低时，农户数据信息理解能力受限，会制约收入增长。此外，社会网络也会制约农业数据信息的获取与传播，对数据资本与农户收入的关系产生间接作用。人力资本投资、社会网络对数据资本与农户收入的影响机理何在？亟待解答。

山东是我国农业大省。近几年，山东数字经济发展突飞猛进，成为推动农户收入增加的一股巨大力量。鉴于此，本文基于对山东农户的调研数据，检验数据资本与农户收入的关系、社会网络的中介作用及农户人力资本投资的门槛作用，为推进数字乡村治理、农业农村现代化与乡村振兴提供参考。

二、相关文献回顾

对于数据资本，国外多使用数字资本一词。Tapscott[2]将数字资本视为数字经济时代开发新产品和服务所依赖的关键生产资源。Ragnedda沿袭 Bourdieu的资本定义，指出数字资本是由个体的数字应用能力及所获取的外部数字技术资源组成，[3]得到学者认可。近年来，国内学者也开始关注数据资本。徐翔和赵墨非认为数据资本是以互联网和数据库为载体，充分数字化、生产要素化的信息和数据，是资本与数字技术联姻的新型资本形态，由两部分组成：一是有形数据资本，包括各类数字化技术及载体；二是无形数据资本，即对数据信息的识别、理解与应用能力。[4]

对于农户收入的影响机制，相关成果聚焦：(1)互联网，通过拓宽就业渠道，增加非农就业[5]、降低待业率[6]、提升工资性收入、缓解收入不平等[7][8]促进农户增收；(2)数字经济，通过农业数字化、缓解信贷约束、强化数字素养促进农户增收；[9][10](3)人力资本，主要通过劳动性收入实现农户增收，教育与健康贡献最大；[11](4)社会资本，对农户收入的效应具有门槛特征，需要人力资本配合。[12]综上文献侧重数据资本的界定测度，互联网、数字经济、人力与社会资本对农户收入的作用，对数据资本与农户收入关系鲜见涉猎。本文的边际贡献可能在于：(1)从数字化接触和数据应用能力两维度测度农户的数据资本水平，一定程度推动了数字乡村治理的经验研究；(2)估算数字资本对农户收入的影响，为探寻农户增收的前置因素提供丰富证据；(3)将人力资本投资、社会网络与数据资本、农户收入纳入统一框架，深化了人力资本、社会资本、数字经济与三农经济的相关研究。

三、理论分析与假设

(一)数据资本对农户收入的影响

数据资本影响农户收入的渠道主要有两条路径：一是农户拥有手机、电脑、平板等数字化介质为数据信息的获取与应用提供技术基础；二是农户识别、加工及应用数据的能力会影响收入水平，其作用机理在于：

1.数据资本通过降成本、提效率增加农户的农业收入。农户拥有手机电脑后，通过一次支出与按月固定消费，无限访问各类数字平台，低成本实时接触农业数据信息，大幅降低信息搜寻成本。[5]依据信息依赖理论，当搜寻成本降低后，农户往往表现出依赖倾向，更加趋向于利用数字化载体进入网络空间，强化线上信息搜寻，进行农业技术知识学习、资金融通、农资采购及农产品销售，提高农业技术含量、优化农产品结构、缓解融资约束、降低生产销售成本，改善生产效率，促进农业收入。此外，农户还通过线上互动交友、自媒体传播、搜索引擎运用等提升对数字农业的认识与接纳意愿[7]，转变陈旧的农业生产经营理念，精准高效地捕捉数字农业新动态，推进农业资源的科学配置，提升农业收入。

2.数据资本还通过提升农户就业率、创业率与数字化素养促进非农收入。首先，伴随数据资本累积，农户的数据资源吸收应用能力不断增强，能够更好地获取招工企业、职业中介及培训机构相关信息，最大化激发家庭剩余劳动力的就业潜能，推动自主择业，增加非农收入。其次，自媒体等数字业态为农户提供更多的线上机遇，拓展了创业渠道，降低了农户收入对传统农业的依赖，且数据资本的可复制、共享属性推进形成高效的创业信息传递路径，[8]降低农户的信息壁垒及创业风险预估，激发农户创业积极性。最后，数据资本通过提升农户数字化素养实现增收。数字素养是理解使用计算机数字资源与信息的思维能力。[12]伴随数据资本增加，农户在干中学中增强了对数据信息的理解能力，对数字资源表现出积极的接受、学习与应用态度，潜移默化中建立起个人的数字化思维，更易从数字化高度重新审视个人择业创业观，[13]大大拓展职业空间，推动非农收入增加。据此提出：

H1：数据资本能够显著提升农户收入。

(二)社会网络的中介效应

社会网络是由亲戚朋友组成的社会关系网，属于社会资本范畴。传统社会网络面对面交流的特征，使个体交流受限于空间距离。数字化技术的应用，消除了空间障碍，缩短了物理距离，为农户提供便捷的社交渠道。

1.数据资本为农户提供各类在线交友、亲戚互动、专家咨询等机会，降低沟通成本，扩展农户的社会网络空间。农户借助手机电脑及线上交流工具，能够实时与技术专家、消费者、电商等利益相关者互动，找到价值认同的线上群体，通过强化网络关系与人情资源，将虚拟社会资本转化为现实社会资源，扩大社会网络规模，优化社会网络结构。

2.社会网络通过降低信息不对称、实现资源交换，推进农户增收。依据社会嵌入理论，行为个体做出经济决策时会受到嵌入社会网络的影响。在具有关系本位的农村，农业生产面临自然和社会的双重风险，社会网络具有的达高性、异质性和广泛性特征，[12]既可以提高农业信息数量与质量，还可扩大农产品交易覆盖范围，增加透明度，降低风险冲击，促进农户增收。另外，农业劳动力市场天然不对称，社会网络作为重要的人情资源，可帮助农户在同等条件下尽快获得就业创业机会，促进非农收入增加。

综上，伴随数据资本积累，社会网络的资源利用效率及人情互动会增加，进而促进农户收入。据此提出：

H2：社会网络对数据资本与农户收入具有显著的中介作用。

(三)农户人力资本投资的门槛效应

依据人力资本理论，行为个体的人力水平决定了要素配置能力。农户人力禀赋有别，数据应用能力各异，导致其收入状况差异明显。伴随受教育层次的提高，农户对数字技术及数据资源的认知、理解与应用能力相应增强，这有助于拓宽线上增收渠道。此外，农户健康状况也具有重要影响。只有身心良好的农户，才能以积极心态迎接数字化机遇与挑战，更好地提升个人的数字动态能力、实现增收。因此，人力资本投资具有一定的门槛特征：

当人力资本投资低于门槛值时，农户教育水平低下，身心素质一般，对新知识的理解能力较差，[11]数字化技术与技能储备相对不足、很难高效捕捉并识别数据信息，只能通过交友软件拓展亲友空间与社会网络关系，间接获取涉农信息，对收入的影响有限。尽管有些新生代农民具有强烈的数字接触与线上学习欲望，但由于基础储备不足，不具备相应的数据吸收整合能力，制约数据资本的利用效果，限制收入提升。

当人力资本投资达到门槛值时，农户的教育水平、身心健康都会跟进提高，知识吸收能力相应增强，能够利用数字化介质积极捕捉农业资源并对其进行整合利用，提高生产技能及效率。[6]伴随学习能力的增强，农户对传统农业经营收入的依赖性减弱，更倾向于利用手机电脑获取数字信息，拓展线上社会网络，利用线上社会关系及资源实现自主创业，通过增加劳动收入扩大数据资本的增收效应。

综上，数据资本、社会网络及农户收入的关系随人力投资而异。据此提出：

H3：数据资本对农户收入的影响以农户人力资本投资为门槛条件。

H3(a)：人力投资较低时，数据资本与农户收入关系不显著，跨越门槛后两者正相关。

H3(b)：人力投资较低时，社会网络具有完全中介效应，跨越门槛后具有部分中介效应。

四、研究设计

(一)数据来源

数据源自团队的乡村振兴调研。2020年6—8月，团队对山东农户进行调研，采用随机抽样法，依据2019年人均GDP将 78个县划分高中低三层，每层抽取3个县，每个县抽取3个乡镇，每个乡镇抽取3个村庄，每个村庄抽取20个农户，通过入户访谈与发放问卷，共收集1680份农户信息，剔除数据缺失或含不知道、不适用等样本，有效问卷1445份，有效率86%。

(二)变量界定

被解释变量—农户收入(LNINCOME)。笔者将农户收入界定为农业收入、工资收入、经营收入和财产收入的总和。为减少异方差影响，取对数形式LNINCOME。

解释变量—数据资本(DC)。数据资本天然依托于数字化载体。农户数据资本测度需权衡两方面：一是农户对数字技术载体的接触；二是农户对数据信息的获取、吸收与应用。笔者将农户数据资本界定为农户数字化接触和数据应用能力两维度，具体题项见表1。

从数字化接触题项看，农户手机拥有量为2.582，差异较小，表明手机已较普遍；农户电脑拥有量为0.993，标准差1.624，表明电脑尚待普及；农户其他数字载体仅为0.482，差异较大，表明对平板及农业数智设备等配置偏少，仅少量家庭拥有(新生代农民为主)；农户数字接触的次数、时间均居一般水平，差异不大。另从数据应用能力看，农户的线上亲友互动较高，数据的获取理解能力略低于平均，但主动线上学习及数据应用能力明显较低，表明农户的数据应用以线上交流为主。进一步，KMO和Bartlett球形度检验表明适合进行因子分析。利用主成分分析法提取数字化接触因子TC和数据应用能力因子CC，以方差贡献为权重得到农户数据资本DC。

表1 数据资本测度

中介变量-社会网络(SN)。基于传统习俗与乡土社会的差序格局，既往文献利用亲戚朋友数量[12]、亲朋好友聚会频率作为测度指标。考虑到中国农村多靠聚会维系社会关系，本文采用亲朋好友聚会频率衡量农户社会网络。

门槛变量—人力资本投资(HC)。人力资本投资能够创造个人、社会和经济福祉的知识、技能、能力和素质。[11]鉴于教育和健康是人力资本投资的核心，本文使用教育培训与医疗保健支出的对数，简单平均后构建人力资本投资指数，记为HC。

控制变量。参考相关研究结果，选取户主年龄、性别、工作性质、教育程度及农户人口规模、健康状况、供养大学生、区域经济水平及数字乡村示范等控制变量，详见表2。

(三)模型设计

为验证H1的存在，借鉴现有研究成果[7]构建线性回归模型(1)：

LNINCOMEi=β0+β1×DCi+αi×Controlsi+ei

(1)

LNINCOMEi表示农户i的收入对数；DCi表示农户i的数据资本。ei是随机误差项。Controlsi为控制变量集，以下同。考虑到很难区分农户获取数据资本的收入差异，为满足一致性要求，分别选用分层回归和倾向得分匹配法(PSM)进行估计，以控制样本自选择偏差所致的内生性。

为验证H2的存在，借鉴已有研究成果，构建中介效应模型(2)—(3)，并结合模型(1)检验社会网络的中介效应：

SNi=β0+β1×DCi+αi×Controlsi+ei

(2)

LNINCOMEi=β0+β1×DCi+β2×SNi+αi×Controlsi+ei

(3)

SNi表示中介变量—农户i的社会网络。模型1的β1是数据资本对农户收入的总效应，模型2的β1是数据资本对社会网络的作用，模型3的β1和β2代表数据资本、社会网络对农户收入的直接效应，社会网络的中介效应为(2)式β1和(3)式β2的乘积。若两系数有一个不显著，需结合Bootstrap检验。

为验证H3的存在，构建门槛模型(4)—(9)：

LNINCOMEi=β0+β1×DCi+αi×Controlsi+ei，HCi≤γ

(4)

SNi=β0+β1×DCi+αi×Controlsi+ei，HCi≤γ

(5)

LNINCOMEi=β0+β1×DCi+β2×SNi+αi×Controlsi+ei，HCi≤γ

(6)

LNINCOMEi=α0+α1×DCi+βi×Controlsi+ei，HCi≤γ

(7)

SNi=α0+α1×DCi+βi×Controlsi+ei，HCi≤γ

(8)

LNINCOMEi=α0+α1×DCi+α2×SNi+βi×Controlsi+ei，HCi≤γ

(9)

HCi代表门槛变量—农户i的人力资本投资，γ是待估门槛值。根据不同门槛值γ，将样本划分成两个组别：(4)式β1和(7)式α1表示HCii≤γ、HC>γ时数据资本对农户收入的系数，若两者不相等，存在门槛效应，反之不存在。

(四)主要变量描述结果

主要变量描述结果见表2。农户的数字化接触及数据应用能力均值1.314和0.837，标准差0.821和1.793，农户的数字化接触水平略高一些，差距不大，但数据应用能力偏低，差距也明显。农户数据资本均值0.942，标准差1.258，整体水平不高。农户收入均值8.194，居中等水平，但个体差异较大。人力资本投资均值2.968，略显偏低。社会网络均值2.745，表明农户平时聚会不太频繁。控制变量方面，户主年龄偏大、受教育年限偏少且以农业经营为主，除户主受教育程度、农户供养大学生、数字乡村示范村、乡村数字平台、区域经济水平标准差略大外，其他变量差异均不大。

表2 变量界定与描述

五、结果分析

(一)基准回归结果

首先进行PSM共同支撑假设检验，发现处理组与控制组倾向得分重叠较大，匹配度较高。为增强可靠性，另进行控制变量平衡性检验，除处理变量外，其余变量均无系统差异。表3给出倾向得分的结果，分别选用近邻匹配、卡尺匹配、核匹配比较，无论是全样本还是处理样本，数据资本与农户收入的效应大致相同。进一步比较匹配结果，发现拥有数据资本的农户收入水平高出0.346，而处理组高出0.339，初步验证假设H1。

表4给出数据资本与农户收入的分层回归结果。第一列仅显示控制变量的影响，第二列检验数据资本对农户收入的直接影响，第三至四列检验社会网络的中介效应。第一列显示，各控制变量与农户收入的系数均为正，且达到10%以上的显著性，其中户主受教育程度、农户相对收入感知农户健康状况、数字乡村示范村、乡村数据平台显著性较高，对农户收入的影响更明显。加入数据资本后，第二列中数据资本对农户收入的系数为0.017，1%水平上显著，支持H1的存在，佐证了Ragnedda[3]、张永丽[5]的结论，彰显了农户拥有手机电脑等数字载体、接触数字平台获取数据信息、强化应用能力能够实现增收。

表3 倾向得分匹配结果

表4 分层回归结果

(二)中介效应检验

表4的3—4列给出数据资本、社会网络与农户收入的回归结果。其中，数据资本对农户收入、社会网络的系数为0.017和0.028(1%水平显著)。加入社会网络后，数据资本系数降至0.014，此时社会网络的系数0.143，未达显著，需进行 Bootstrap检验。本文利用SPSS 26.0软件设定样本重复5000次，在95%置信区间下，采用Percentile与Bias-corrected区间估计法，验证社会网络的中介关系，见表5。两种区间估计的下限与上限分别为[0.022，0.267]、[0.007，0.013]，均不包含0值，表明数据资本对农户收入的中介效应显著，为部分中介效应，H2成立。

表5 中介效应检验

(三)门槛效应检验

1.门槛存在性。利用stata15.1软件，设定存在单一门槛、双重门槛和三重门槛，反复自抽样300次检验门槛显著性，结果见表6。当以LNINCOME为被解释变量、DC为解释变量、HC为门槛变量时，单门槛检验F值34.67，P值0.017，5%水平下拒绝原假设，存在单一门槛；双门槛检验F值9.51，P值0.617，三重门槛F值10.292，P值0.704，未得到支持。

表6 门槛检验

2.门槛真实性。使用格栅搜索法得到LM值和P值分别为26.746和0.00，表明人力资本投资具有显著的门槛效应，门槛估计值为3.489，位于95%置信区间内，门槛估计值等于真实门槛值，异方差检验P值 0.00，1%水平不能拒绝原假设，不存在异方差。结合前面描述统计，农户人力资本投资均值2.968，中位数2.754，超一半农户未跨越门槛值3.489，农户人力投资还有待加大。

3.门槛回归分析。区分低人力资本投资(HC≤3.489)和高人力资本投资(HC>3.489)进行门槛回归，以比较数据资本与农户收入关系及社会网络的中介效应差异，见表7。当HC≤3.489时，数据资本对农户收入的系数为0.008，未达显著，表明人力投资较低时，农户理解吸收新知识的能力有限，对数字技术及数据资源的应用较差，数据资本难以转化为农户的数据动态能力，对增收的作用较小。当HC>3.489时，数据资本与农户收入的系数0.023且1%水平显著，增收效应明显提高。综上，农户的人力投资只有跨越门槛值后，数据资本对农户收入的正效应才会显著，数据资本与农户收入不是简单的线性关系，而是以人力资本投资为门槛，支持了假设H3、H3(a)。

进一步分析区分门槛后的数据资本、社会网络与农户收入关系。HC≤3.489时，数据资本、社会网络对农户收入的系数为0.002和0.005，不显著；数据资本对社会网络的系数0.001，5%水平显著，表明社会网络中介效应的前半路径被证实，但后半路径不明显，还需再检验。Bootstrap结果表明，Percentile 95%下的直接效应区间包含0，间接效应不含0，仅支持了间接效应。HC>3.489时，数据资本对农户收入的系数0.023，对社会网络的系数0.017，社会网络对农户收入的系数0.143，均达到1%的显著性，且数据资本对农户收入的系数由0.023下降至0.018，部分中介效应得以验证。综上，伴随人力资本投资的提高，社会网络的间接作用由完全中介转变为部分中介，支持了H3(b)的存在，揭示了人力资本投资并未根本改变社会网络的中介关系，但当农户跨越人力投资门槛后，数据资本的直接效应增强，社会网络的中介效应有所削弱。

表7 门槛回归结果

(四)稳健检验

1.内生性处理。自选择、遗漏变量及交互影响是内生性问题的主要原因。为降低内生性，做以下稳健处理(见表8)：(1)差分处理。鉴于数据资本可能存在自选择行为，按照农户是否拥有数据资本划分处理组与对照组，应用DID模型测算，发现仅全样本、高HC样本数据资本的系数显著，低HC样本不显著，支持了前述假设。另选用IPWAR、RA和IPW模型与倾向得分进行比较，结果大致相同；(2)寻求工具变量。参考现有文献[12][13]，选取陌生人信任度为社会网络的替代变量进行2SLS估计。第一阶段F值64.08，远超10，不存在弱工具变量。第二阶段Hausman P值0.002，社会网络的中介作用仍显著；(3)联立方程。既有文献发现，农户收入、数据资本、社会网络及人力资本存在明显的反向因果关系。一方面，人力资本与社会网络会显著影响农户的数字化水平与收入，另一方面，农户收入对社会网络具有一定的互补效应，收入降低会严重制约人力投资。为降低反向因果的影响，构建联立方程再回归，发现数据资本的直接效应、社会网络的中介效应略有下降，但仍显著。另以HC为门槛区分样本再检验，也支持了H3的存在(限篇幅，未列出)。

表8 稳健测试结果

2.其他检验。另选取农户数字化接触TC与数据应用能力CC替代DC重新测算，发现系数均显著。另选择户主年龄25—55岁的农户为对象精简样本再回归，数据资本对农户收入的系数在1%水平为正，支持了基准结果。

六、结论与启示

本文基于山东农户的调研数据，检验了数据资本对农户收入的影响及人力资本投资、社会网络的作用。研究发现：(1)数据资本对农户收入具有显著的正效应；(2)社会网络是数据资本与农户收入的显著中介变量；(3)农户人力资本投资是数据资本与农户收入的单门槛变量，当人力投资未达门槛值时，数据资本对农户收入的影响不显著，且社会网络具有完全中介作用；当人力投资跨越门槛值时，数据资本与农户收入的具有正向关系及社会网络的部分中介效应较明显。

以上结论不仅为农户增收因子提供丰富的证据支持，也拓展了社会资本、人力资本理论的研究视域，对数字乡村治理、农业农村现代化与乡村振兴具有多重启示：第一、加快推进农村地区数字基础设施建设，改善农户数字化接触状况，通过在线帮扶、数字技能培训、推广与宣传等形式激发农户应用数字载体获取农业数据资讯的兴致，强化农户对数据信息的感性认识，提高在线搜索、吸收与应用农业大数据的能力；第二，引导农户重视并积极建构线上线下的社会网络，以缓解涉农信息不对称，即时获取丰富的农业数据资源，扩大社会性交换的经济效果；第三，大力度提升数据资本的同时，农户还需不断加大人力资本投资，以便尽快跨越门槛值，最大程度地释放数据资本的增收潜能。