数字经济发展能否促进教育公平？——基于省际面板数据的实证分析

韦庄禹， 廖月婷， 陈燕勇

(1.广西大学 经济学院，南宁 530004；2.广西医科大学 口腔医学院，南宁 530004；3.广西师范大学 教育学部，广西 桂林 541001)

在数字经济时代下，教育的信息化和数字化改革具有重要意义。2022年的全国教育工作会议已经明确提出，要全面开展教育数字化战略行动。《中国教育现代化2035规划》和《教育信息化2.0行动计划》也强调了教育数字化的重要性。作为一种新兴的知识经济形态，数字经济有利于提升社会生产效率、促进社会公平、缩小地区差距(师博，2022)[1]。刘清堂(2022)也认为，数字经济的东风为我国教育领域的发展注入了新动力，不仅能够提高教育资源配置效率，也能推动教育现代化进程，促进我国教育高质量发展[2]。那么，数字经济是否也对我国的教育公平产生了积极作用呢？解答该问题不但有助于进一步明晰数字经济在社会领域产生的影响，也能为我国下一阶段布局数字经济和教育发展蓝图提供学理支撑。

一、文献综述

数字经济发展产生的经济后果是当下的研究热点。张勋等(2019)研究了数字经济与包容性增长的关系，发现数字金融在后发地区和农村地区发展更快，其不仅能显著提升家庭收入，也能促进村民创业，缩小机会不平等，从而促进中国的包容性增长[3]。赵涛等(2020)基于城市面板数据的实证研究表明，数字经济对经济高质量发展存在显著的积极作用，且该作用呈现非线性增长和空间溢出的特征，促进大众创业则是内在的关键传导机制[4]。数字经济在产业端的积极效应也被大量证实，Hartmut(2016)发现数字经济能够有效推动德国工业发展[5]。Cardona et al.(2013)对先前的研究做了系统梳理，发现数字经济对企业生产、商品和服务的供给方式均产生了强大的变革作用，有助于提升企业生产效率[6]。Goldfarb和Tucker(2019)则认为数字经济有助于降低信息不对称，提升市场有效性，减少企业的外部成本[7]。数字经济在社会领域产生的影响同样巨大，现有研究认为，由ICT衍生的数字经济会显著减少劳动力雇佣，降低实际工资水平，这源于数字技术对各类工作任务的逐步接管；从事简单劳动的低技能职工将被大量挤出(Acemoglu和Restrepo，2018a；Ace-moglu et al.，2014；Acemoglu和Restrepo，2020；Acemoglu和Restrepo，2018b)[8-11]。

教育公平的影响因素也一向是各界聚焦的热点，因为教育不平等可以看作是随之而来一系列不平等的源头(张楠等，2020)[12]。政策对教育公平的影响已经得到了一系列证据支持[13-15]。环境对教育公平的影响也不容忽视[16-17]。户口、政治身份、民族等与家庭背景密切相关的因素也会导致教育机会的不平等(Dee，2005；Golley和Kong，2018)[18-19]。

有少量研究直接分析了数字经济与教育公平之间的关系。韩世梅(2021)指明数字教育资源不仅促进了教育信息化，还能有效促进教育资源的均衡分配，缩小城乡数字差距，但是城乡互联网技术发展仍然存在不平衡，导致竞争性的教育利益分配受限，故而要加大力度推进教育信息化及其创新发展，避免民众对数字资源的单向依赖[20]。万力勇等(2022)认为教育信息化能够提高民族地区基础教育的公平性。要解决民族地区面临的教育困局，必须加紧建设农村互联网基础设施，提升农村师资的数字技术应用能力[21]。

既有文献从不同角度研究了数字经济和教育公平的相关问题，但是仍然留下了拓展思考和深化研究的空间。数字经济的发展日新月异，在各领域产生的影响效应日益增强，但是评估数字经济对我国教育领域影响的研究依旧相对匮乏，尤为缺乏论据充分的定量分析。我国的经济发展已经转入“以质为重”的阶段，如何在新时期改革教育体制，通过提升教育的公平性来增加全社会福利，谋求均衡发展呢？基于以上考量，本文通过考察数字经济发展对教育公平的影响，试图寻找数字时代下教育公平的优化路径。

二、数字经济发展影响教育公平的理论机制与经验假说

(一)数字经济影响教育公平的直接效应

长期以来，我国的教育发展在地区和城乡间呈现出显著的非均衡特征(韩世梅，2021)[20]，先发地区和区域的经济中心往往坐拥一流的教育资源，在教师水平、教育基础设施和地方教育经费支出等方面占据极大优势，而在传统经济系统中，优质资源的流动性处于较低水平，在马太效应的驱动下，教育资源在空间上的非均衡分布逐渐演化为区域间的教育不平等。数字经济发展则为我国教育资源的空间再配置提供了有利契机：数字技术的发展加快了教育数字化和教育信息化进程，突破了传统教育资源在空间上相对固定的局限，提升了远程教育的可获得性和便利性，使学生能够在任何地方进行线上的课程学习，及时与他人开展互动交流(Cojocariu et al.，2014；Singh和Thurman，2019)[22-23]。依托数字经济时代下快速发展的新型基础设施，各类教育主体能够在付出较低成本的同时，将高质量的教育资源向欠发达地区和农村地区扩散，让更多受限于经济问题的贫困学生和其他弱势群体能够凭借信息化渠道获取线上教学课程，有效拓宽了稀缺教育资源的覆盖面，从而对教育公平产生积极作用(韩世梅，2021；马成斌，2010；Watson和Gemin，2008)[20，24-25]。此外，随着大数据、云计算和人工智能等新兴数字技术的逐渐普及，针对贫困地区的数字扶贫和教育扶贫行动将具备更高的精确性和普惠性，这将进一步保障贫困学子接受教育的基本权利(邵亚萍，2021)[26]。基于上述分析，本文提出待检验的经验假说：

假说1：数字经济发展能够促进教育公平。

(二)数字经济发展影响教育公平的间接效应

一方面，数字经济发展通过收入再分配效应间接影响教育公平。收入差距是造成我国教育不平等的重要因素，高收入群体不仅能够利用国内的学区房制度享受更优质的公办教育资源，也能通过课外辅导的方式改善学生的成绩，提升家庭人力资本存量。刘诚(2022)指明，数字经济主要通过在初次分配和三次分配中发挥作用从而促成共同富裕，改善教育公平。在初次分配中，数字经济能够提高企业生产效率，拉动经济增长，构建良好的创新创业环境，创造大量的就业岗位。在三次分配中，数字产品越来越具有科技向善的特征，使数字服务呈现出更强的包容性和普惠性；在扶贫救灾、抗击新冠病毒疫情等社会公益领域，数字经济也在增强经济韧性、畅通全产业链和稳定国民日常需求等方面发挥了重要作用[27]。此外，数字经济具备较强的包容特性，有利于促进物质资本和社会资本存量较低的家庭发起创业活动，提高低收入群体的家庭收入(张勋等，2019)[3]，从而改善低收入家庭在教育方面的获得性，缩小教育差距。

另一方面，数字经济发展通过市场化效应间接影响教育公平。数字经济可以重构经济社会系统中的生产力与生产关系，不但在固有的生产系统中增添了数据生产要素，而且凭借其特有的渗透性和协同性，能够对生产流程出现的其他要素产生再配置效应。换言之，数字经济以数据要素作为媒介，利用市场对各类生产要素进行重新整合与配置，并由此催生出新的生产模式和经营业态(俞伯阳，2022；孔艳芳等，2021)[28-29]。此外，数字经济使繁杂而琐碎的离散数据转换为有迹可循的信息流，加强了市场信息的流动性，提升了市场效率(荆文君和孙宝文，2019)[30]，在数字技术的指引下，市场能够更好地发挥对资源的配置功能，有利于构筑更加开放、自由的教育资源供应市场，增加优质教育服务的供应主体，全面降低各类教育资源，尤其是数字化课程与线上培育课程的获取成本，从而在整体上提升教育资源获取的便利性，从全局层面改善教育公平。基于上述分析，本文提出待检验的经验假说：

假说2.1：数字经济发展能够通过减小居民收入差距间接促进教育公平。

假说2.2：数字经济发展能够通过推动市场化进程间接促进教育公平。

三、研究设计

(一)经验模型设定

依据数字经济发展影响教育公平的理论机制，我们设计了如下的经验模型用于实证检验数字经济发展对我国教育公平的影响：

(1)

考虑到各类因素对教育公平的影响具有一定的滞后性，本文将所有自变量都作滞后一期处理。在公式(1)中，Gini＿Edui t代表省份i在第t年的教育公平程度；DigitalAi t-1代表省份i在第t-1年份的数字经济发展水平；Xi j t -1代表第j个控制变量在省份i第t-1年的取值；ui代表省份效应，γt代表时间效应，εi t代表其他的随机扰动因素。

考虑到各省份的教育公平程度可能存在时间上的延续性，我们在静态面板模型(1)的基础上加入教育公平程度的一阶滞后项，构建如下的动态面板模型：

(2)

在公式(2)中，Gini＿Edui t-1代表各省份滞后一期的教育公平程度，其他变量与前述相同。

此后，我们在公式(2)的基础上加入中介变量，构造动态面板中介效应模型，检验数字经济发展对教育公平的影响机制：

(3)

(4)

在公式(4)中，Medi t-1表示中介变量，同样对其作滞后一期处理，其余变量与前文保持一致。

(二)变量选择

1.被解释变量：教育基尼系数。本文参照Thomas et al.(2003)、杨俊和李雪松(2007)、翟博(2006)的方法[31-33]，使用教育基尼系数刻画各省份的教育公平程度，教育基尼系数的测算公式如下：

(5)

(6)

在公式(5)(6)中，μ代表各省份6岁以上人口的平均受教育年限；pi、pj代表不同教育层次对应的受教育年限；n代表教育层次的分组数，延续我国受教育年限的常见设定，我们将n的值设定为5，并依据文化水平将人口划分为如下层次：不识字或几乎不识字(y1=0)、小学学历(y2=6)、初中学历(y3=9)、高中或中专学历(y4=12)、大专及以上学历(y5=16)。

2.核心解释变量：数字经济发展水平。由于数字经济的发展包括多个维度，用单一指标无法准确衡量各省份的数字经济水平，因此我们沿袭赵涛等(2020)的方法[4]，通过构建指标体系测度数字经济发展。其中，使用每百人互联网用户数刻画互联网普及度，使用计算机服务和软件从业人员占比度量互联网从业职工规模，利用人均电信业务量刻画互联网产出规模，使用每百人移动电话用户数衡量移动互联网的用户规模，利用北京大学和蚂蚁集团共同发布的中国数字普惠金融指数测度中国数字金融发展。最后，我们使用主成分分析法和熵值法将各指标合成为数字经济发展综合指数，用于衡量我国各省份的数字经济发展水平。我们在基本回归中使用主成分分析法测度数字经济发展水平，并将使用熵权法测度的数字经济发展水平用于稳健性测试。

3.控制变量。参照严仲连等(2021)、廖逸儿和原珂(2018)、彭骏和赵西亮(2022)、张正平和陈欣(2022)的做法[34-37]，本文在计量模型中加入以下控制变量，用于减弱遗漏变量引起的估计结果偏差：地区经济规模，使用各省份人均GDP的对数值表示；地区人口规模，使用各省份人口的对数值表示；教育经费支出，使用地方政府的教育经费支出占GDP的比重表示；城镇化水平，使用各省份的城镇化率表示；地方教育水平，使用各省份的平均受教育年限表示。

4.中介变量。市场化水平，使用樊纲、王小鲁编写的中国分省份市场化指数刻画各年份的区域市场化水平；居民收入差距，沿袭陈昌兵(2007)的做法[38]，使用收入基尼系数来衡量居民收入差距，收入基尼系数的测算公式如下：

(7)

在公式(7)中，Wi代表依照收入水平对测算样本进行分组后，组别i的人口数占总人口数的比例，Yi代表组别i的人口获得收入总和占居民总收入的比例，Vi代表Yi从组别1至组别i的累计收入份额。

(三)数据处理与来源说明

本文使用了2011-2020年中国除港澳台和西藏外的30个省(区、市)的研究样本，由于我们对所有解释变量和中介变量均作滞后一期处理，因此在构造面板数据时，将以上数据与下一年份的教育基尼系数进行横向合并，形成270个平衡面板数据。市场化指数来自各年度的《中国分省份市场化指数报告》，其余的原始数据均来自《中国统计年鉴》、各省(区、市)的《统计年鉴》和《统计公报》。

四、实证结果分析

(一)描述性分析

1.主要变量的时间变化趋势

图1和图2分别展示了2011-2020年全国和分地区(1)在地区的划分标准上，沿袭惯用做法，本文按照国家发改委的划分标准将30个省份划分为东部、中部和西部地区。下文同。的教育公平程度和数字经济发展水平的变化趋势(2)由于在回归分析中，数字经济进行了滞后一期处理，所以我们在绘图时也只汇报了截至2019年的数字经济发展水平。，可以看出：(1)从全国维度来看，在2013年之前，代表我国教育不公平程度的教育基尼系数持续缓慢下降，直到2013年我国教育基尼系数达到考察期内的最低点，此时我国的教育公平程度较高，此后该指标开始增大，直到2015年才开始下降，之后趋于平缓；我国数字经济发展水平在考察期内持续增大，并且从2016年开始有加速增长的趋势。以上数据中包含了一些信息，即中国的教育公平程度经过一段时间的波动，已经趋于平稳；近十年间，中国数字经济发展渐入佳境，尤其在“十三五”时期，由于政府的高度重视，我国数字经济实现跨越式发展，数字经济规模走向新台阶，数字产业基础越发厚实。(2)分地区来看，东部和中部地区的教育公平程度非常接近，西部地区则存在相对较大的教育不平等；数字经济的发展水平由东部→西部→中部依次降低，但中部和西部地区的发展水平接近。东部地区不仅在经济和社会发展上具备先发优势，而且享有一定的政策倾斜，这有利于优先部署传统的信息化设备和新型基础设施，进而在数字经济发展上占据领先地位。中西部地区的资源禀赋和所享有的政策扶持相差不大，因而数字经济发展水平相近(韦庄禹，2022)[39]。

图1 主要变量的全国维度变化趋势图

图2 主要变量的分地区时间变化趋势图

2.变量的描述性统计

表1汇报了文中全部变量的描述性统计特征。不难看出核心变量的数字经济发展水平在样本期内差异较大，说明数据包含着足够的信息。

表1 变量的描述性统计

(二)基本回归结果

我们首先利用面板固定效应和随机效应模型对基准式(1)进行估计，具体结果见表2的(1)(2)列。由于考虑到教育公平程度的变化存在一定的时间延续性，我们进一步引入了被解释变量的一阶滞后项用于构造动态面板模型，并使用差分GMM和系统GMM的方法对式(2)进行估计。

现有文献指出，相较于静态面板估计方法而言，差分GMM和系统GMM能够更好地处理模型中存在的内生性问题(白俊红和刘宇英，2018)[40]，这是因为在差分GMM模型中，被解释变量的滞后项与其一阶差分项相关但是与扰动项无关，故而可以将其作为有效的工具变量。相对于差分GMM，系统GMM则因为纳入了水平方程，能够利用被解释变量的差分项作为滞后项的工具变量，从而能在估计时保留更多的样本量，具备更高的估计效率。综合以上考虑，本文在后续部分主要基于系统GMM的估计结果进行分析，但为了保证估计结果的稳健性，我们也同时汇报了差分GMM的结果用于比较，其中，差分GMM和系统GMM的估计结果均通过了AR(2)检验和Hansen检验，表明差分的残差项不存在二阶序列相关，所有的工具变量均有效。

在表2的(1)～(4)列中，无论使用静态面板还是动态面板的估计方法，滞后一期数字经济发展水平的系数始终在1%水平下显著为负，说明在考察期内，数字经济发展能够有效地促进我国的教育公平，而且结果具有一定的稳健性。从控制变量的估计结果看，教育经费支出对教育公平的影响显著为负，而且回归系数的绝对值达到了2.865，这充分说明提高教育支出对促进教育公平的作用效果具有极强的经济显著性；城镇化水平与教育公平的显著负相关，说明随着城镇化进程的逐渐深化，城乡之间的差距逐步减小，我国的教育公平程度也有所提升；地区经济规模、人口规模、地方教育水平对教育公平的影响不显著，说明地区的经济体量、人口体量以及平均受教育水平并未与地区的教育公平程度表现出实质性的联系。控制变量的回归结果基本与现有研究保持一致，侧面说明模型设定具备合理性。

表2 基本回归结果

(三)稳健性测试

由于数字经济发展水平合成方法的选择可能对研究结论造成影响，因此我们使用熵权法重新合成数字经济发展综合指数的分项指标，将其用于稳健性检验。表3结果显示，无论使用静态面板还是动态面板的估计方法，数字经济发展水平的系数始终至少在5%水平下显著为负，说明基本研究结论具备稳健性，至此，假说1得到充分验证。

(四)进一步研究

1.数字经济发展对教育公平影响的地区差异性

中国经济在改革开放后进入了高速增长阶段，但是地区间的经济发展水平却呈现出非均衡特征(白俊红和刘宇英，2018)[40]。为了捕捉数字经济发展对教育公平的影响是否存在地区差异性，我们将全样本划分为东部和中西部地区样本进行回归分析。

表3 稳健性测试

表4结果显示，中西部地区数字经济发展对教育公平的影响显著为负，但东部地区数字经济发展的系数不显著。以上结果表明，数字经济发展对东部发达地区的教育公平程度影响有限，但数字技术的迅速发展和大规模普及却为欠发达地区教育不平等的改善提供了契机，与前文的理论分析相一致，这有助于为处于不利状态下的群体提供教育资源，改善教育条件，这无异于“雪中送炭”，从而对教育公平产生积极影响。而东部地区坐拥大量的一线教育资源，数字经济也许只能起到“锦上添花”的作用，因此结果在统计上不显著。

表4 地区差异性分析

2.教育公平程度差异是否会影响估计结果

我国的教育资源仍然存在普遍的地域差异，数字经济发展究竟是有利于教育后发地区“弯道超车”，减少教育不平等，还是会创造新的“数字鸿沟”，加剧教育不平等？为此，本文根据各省份教育基尼系数的中位数将全样本划分为教育公平程度较高和教育公平程度较低的地区，分别对两组子样本进行估计。表5结果显示，滞后一期数字经济发展水平的系数仅在(1)(2)列中显著为负，说明数字经济的教育公平促进效应仅存在于教育公平程度较低的地区，教育公平程度较高的地区由于教育不平等的优化空间极其有限，导致数字经济的影响效应不明显。综合来看，数字经济能够对分配较为不均的教育资源形成再配置效应，促进高品质的教育资源流向后发地区，从而相对削减先发地区的资源优势，换言之，数字经济对教育公平促进作用呈现出边际效应递减的特征。

表5 教育不平等差异性分析

(五)影响机制检验

为了验证数字经济发展对教育公平的影响机制，本文结合(2)(3)(4)式，采用动态面板中介效应模型的进行实证检验。表6第(1)列汇报了基本回归结果，第(2)(4)列分别将被解释变量分别置换为滞后一期市场化水平和滞后一期居民收入差距，第(3)(5)列则在基本回归的基础上在解释变量集中加入滞后一期的市场化水平和滞后一期居民收入差距的变量。

第(2)列结果显示，滞后一期数字经济发展水平的系数在1%水平下显著为正，说明数字经济有效提升了我国的市场化水平；第(3)列结果显示，滞后一期数字经济发展水平和滞后一期市场化水平的系数均至少在5%水平下显著为正，表明数字经济不仅与教育公平程度之间有负向的依存关系，而且数字经济发展能够间接通过提升市场化水平来促进教育公平，市场化发挥的中介效应大约为-0.001﹝(0.202×-0.005，即公式(2)(3)中的α2×χ(﹞(，约占总效应﹝-0.001/-0.011，即公式(2)(3)(4)中的(a2×χ)÷α1﹞(的9.5%。第(4)列结果显示，滞后一期数字经济发展水平的系数在1%水平下显著为负，说明数字经济缩小了居民收入差距；第(5)列结果显示，滞后一期数字经济发展水平和滞后一期居民收入差距的系数至少在5%水平下显著，表明数字经济发展间接通过减小居民收入差距来促进教育公平，减小居民收入差距发挥的中介效应大约为-0.004﹝(-0.030×0.138，即公式(2)(3)中的α2×χ﹞(，占总效应的39.0%﹝(-0.004/-0.011，即公式(2)(3)(4)中的(a2×χ)÷α1﹞(，至此，假说2.1和2.2得到验证，说明收入再分配效应和市场化效应是数字经济促进教育公平的关键内在机制。

表6 影响机制检验

五、研究结论与政策建议

(一)研究结论

本文基于我国2011-2020年30个省(区、市)面板数据，利用差分GMM和系统GMM等方法，实证分析数字经济发展对教育公平的影响及其内在机制，得到如下研究结论：第一，从整体上看，中国的数字经济发展在近年间渐入佳境，数字经济的发展水平由东部→西部→中部依次降低，东部和中部地区的教育公平程度非常接近，西部地区则存在相对较大的教育不平等；第二，数字经济发展能够有效地促进我国的教育公平，该结果具备较强的稳健性，并且数字经济发展引致的收入再分配效应和市场化效应是促进教育公平的重要机制；第三，数字经济发展对教育公平的影响存在显著的地区差异性，在中西部地区产生的影响更大，对东部地区没有显著影响。数字经济的教育公平促进效应仅存在于教育公平程度较低的地区，在教育公平程度较高的地区则没有表现出显著影响。综合来看，这种促进效应呈现出边际效应递减的特征。

(二)政策建议

第一，打造数字经济创新人才集聚高地，加快关键数字技术突破。当前，中国急需一批大数据、人工智能、云计算和零代码编程等高精尖领域的创新人才为数字中国建设提供智力保障。因此，高等院校要增设数字技术相关专业和课程，丰富数字化和智能化人才储备；加强校企合作，优化联合培养模式，打通数字经济发展的产学研一体化渠道；增设数字经济继续教育课程，提升企业一线技术人员的数字知识水平；要围绕2035年的远景目标，实施数字紧缺人才的扶持计划，制定面向高端数字人才的专项引培政策，力争在“十四五”期间打造一批数字经济创新人才的集聚高地，缩小中国与数字强国之间的人才差距。另一方面，要加快关键数字技术突破。数字技术发展推动了中国高技术产业的技术革命和传统产业的智能化升级，但是我国仍需抓紧攻坚高科技芯片、底层操作系统、人工智能核心算法和传感元器件等关键数字技术，突破基础理论、基础算法和基础材料等关键问题。同时，要加强计算机软硬件、通信技术和网络安全等方面的技术攻坚，助力数字基础设施布局，支持交通、能源、生态、工业等领域的传统基础设施进行数字化、网络化、智能化改造，构建世界领先的智能基础设施体系。

第二，利用数字经济的积极效应，推进区域教育水平协调发展。数字经济对教育公平的积极作用依赖于高质量教育支撑体系的构建。据此，政策制定者应更加重视教育新型基础设施建设，推动智慧教育示范点建设，提升我国数字教育资源体系的公共服务能力，提高在线教育质量，推动“数字教育”良性发展，发挥数字经济的网络效应，将高质量的教育资源向偏远地区和欠发达地区传播。

此外，尽管享有政策制定的明显倾斜，但是当前欠发达地区与先发地区的教育水平及均衡度仍存在差距。因此，在数字经济更有利于促进欠发达地区教育公平的经验现实下，要依托数字化技术实施差异化的教育扶持政策，缩减“教育鸿沟”。要在欠发达地区落实学校尤其是乡村校园的教育信息化工程，推动数字校园建设，设置中小学智慧教室，为传统教室添置多媒体设备，以此发挥网络教育资源的积极作用，扩展贫困学子的教育资源接触面。同时，要加强乡村教师的培育与管理，应由各省教育部门牵头开展用于提升乡村教师的数字通识素质和数字教育系统操作水平的在岗培训，为数字教育设施的布局配套能力匹配的人才。

第三，发挥市场化效应，提升农村居民创业活跃度，缩小城乡差距。收入再分配效应和市场化效应是数字经济促进教育公平的内在机制。未来，要加快市场化进程，进一步发挥市场在配置教育资源方面的关键作用。要持续推进市场化改革，减少信息不对称，建设全国统一、高度开放、制度健全的教育资源市场，提升优质教育资源的流动性，凭借市场“无形的手”，对稀缺的教育资源进行重新分配，为处于传统市场远端的欠发达地区配置更多的优质资源。要进一步增添农村居民的财产权利，拔高农村土地的增值收益，丰富农户的家庭收入来源。要继续利用数字经济为农村居民赢取的“数字红利”，坚持发展农村电子商务，促进农业产业数字化，提高农业全要素生产率。加快建设数字农业平台，为农村居民提供数字农业与农村创业的在职培训，拓展他们在数字创业、数字管理方面的知识储备，提升创业活跃度。此外，要丰富创业资金的筹集渠道，为农村居民制定有针对性的创业、就业扶持政策，适当增加补贴，为农村居民的就业、创业提供足够的资金支持和制度保障，提高农村居民的劳动收入，缩小城乡收入差距，让农村居民拥有更多收入用于投资教育，以此促进我国教育的均衡发展。