数字经济发展对农民收入的影响研究

摘要：数字经济逐渐成为经济发展新动能，对农民增收产生重大影响。文章基于2011—2022年中国283个城市面板数据，构建双向固定效应模型和中介效应模型，探究数字经济对农民收入的增收效应及其背后机制，并深入考察数字经济对农民收入的异质性影响。研究发现：（1）数字经济发展能够显著提高农民收入，影响效应为1.5550，在更换解释变量衡量方式、缩尾处理等稳健性检验后仍成立，进一步研究发现数字经济发展水平对林业收入的影响效应为0.0122，即数字经济发展水平每提高1个单位，农民林业收入就会增加0.0122万元。（2）创业活跃度和社会网络是数字经济提升农民收入的重要机制，由Sobel检验可知两者的中介效应占比分别为28.93%和35.45%。（3）数字经济对农民收入的增收效应存在明显的区域异质性，数字经济发展水平每提高1个单位，东部、中部和西部地区农民收入将分别增加3.2952万元、3.3059万元和1.5870万元。此外，数字经济的增收效应随农民收入水平的提高而递增，位于0.90分位点上的影响系数为6.3648。文章基于AMO理论剖析数字经济如何影响农民收入，并从社会网络视角分析数字经济的增收效应，提供了新的分析视角；同时依据农民的不同收入水平，对数字经济的增收效应进行异质性分析，为制定差异化政策提供了经验依据。基于研究结论，提出深度融合数字经济和农村发展、强化数字经济在创业活跃度上的提升作用等政策启示。

关键词：数字经济；农民收入；创业活跃度；社会网络

中图分类号：F323.8； F49文献标识码：A文章编号：1673-338X（2024）6-083-14

基金项目：杭州市哲学社会科学规划课题成果“共同富裕背景下数字经济发展影响农民收入的机制、效应与政策研究”（Z22JC089）。

Research on the impact of digital economy development on farmers’ income

ZHOU Yingqi， HU Yong

（Zhejiang Gongshang University， Hangzhou 310018）

Abstract：Digital economy is gradually becoming a new driving force for economic development， which has a significant impact on increasing farmers’ income. Based on panel data from 283 cities in China from 2011 to 2022， this paper constructed a two-way fixed effect model and a mediating effect model to explore the income increasing effect and underlying mechanism of digital economy on farmers’ income， and deeply examined the heterogeneous impact of digital economy on farmers’ income. The research found that：（1）The development of digital economy could significantly increase farmers’ income， with an impact effect of 1.5550. After conducting robustness tests such as changing explanatory variable measurement methods and tail reduction， the effect of digital economy on forestry income was still valid. Further research found that the impact effect of the level of digital economy development on forestry income was 0.0122， which meant that for every unit increase in the level of digital economy development， farmers’ forestry income would increase by 122 yuan.（2）Entrepreneurial activity and social networks were important mechanisms for digital economy to increase farmers’ income. According to Sobel’s test， the mediating effects of the two were 28.93% and 35.45%， respectively.（3）There was significant regional heterogeneity in the income increasing effect of digital economy on farmers. For every unit increase in the level of digital economy development， farmers’ income in the eastern， central and western regions would increase by 32952， 33059 and 15870 yuan， respectively. In addition， the income increasing effect of digital economy increased with the improvement of farmers’ income level， with an impact coefficient of 6.3648 at the 0.90 percentile. This paper analyzed how digital economy affected farmers’ income based on AMO theory， and analyzed the income increasing effect of digital economy from the perspective of social networks， provided a new analytical per‐spective. At the same time， based on farmers’ different income levels， heterogeneity analysis of the income increasing effect of digital economy provided empirical basis for formulating differentiated policies. Based on the research findings， some policy implications such as deepening integration of digital economy and rural development， and strengthening the role of digital economy in enhancing entre‐preneurial activity were proposed.

Keywords：digital economy；farmers’ income；entrepreneurial activity；social networks

1引言

改革开放以来，中国农村经济得到了快速发展，农民收入呈上升趋势，但由于工业化发展、农村劳动力过剩等原因，农民收入增速趋缓。党的二十大报告中指出：“全面建设社会主义现代化国家，最艰巨最繁重的任务仍在农村。”2023年，农村居民人均可支配收入达到21691元，城乡收入比缩小到2.39∶1，但相较于发达国家，城乡居民收入差距依然显著。2013—2022年，我国农村居民人均可支配收入增速呈下降趋势，除了在2021年有所回升，2020年仅增长3.8%①。由此可见，巩固农民增收势头面临不少困难和挑战。2024年《中共中央国务院关于学习运用“千村示范、万村整治”工程经验有力有效推进乡村全面振兴的意见》把强化农民增收举措摆在突出位置，提出实施农民增收促进行动，目的就是巩固农民持续增收势头，促进共同富裕。这说明助力农民增收是有效落实乡村振兴战略、加快实现共同富裕的必然要求。

当前中国经济已进入高质量发展阶段，数字经济发展通过促进全要素生产率的提升，一定程度上提高了劳动力收入。《数字中国发展报告（2022年）》显示，2022年我国数字经济规模达50.2万亿元，同比名义增长10.3%，占国内生产总值比重提升至41.5%。2018年《中共中央国务院关于实施乡村振兴战略的意见》中首次提出“实施数字乡村战略”。2019年《数字乡村发展战略纲要》中提出：到2020年，数字乡村建设取得初步进展，全国行政村4G覆盖率超过98%，农村互联网普及率明显提升。基于对全国农户的调研发现，数字乡村建设取得进一步的进展，体现在数字基础设施越来越完善以及数字平台种类越来越丰富。从数据上看，截至2021年底，全国中小学互联网接入率达100%，网络既“入村”，又“入户”②。由此可见，数字经济在农村地区得到广泛普及，数字经济的发展使人民生活方式发生了改变，也使农村地区生产生活质量得到提高，对农村地区经济发展产生一定的积极影响。数字技术对农村经济具有促进作用，是解决农村问题的一个重要途径。因此，探究数字经济对农民收入的影响有助于明确数字经济在解决“三农”问题中的作用，并探索提高农民收入的可行路径。

本文基于2011—2022年283个地级市数据，首先，构建双向固定效应模型研究数字经济对农民收入的影响；其次，通过中介效应模型分析数字经济是否通过创业活跃度和社会网络两个路径来影响农民收入；最后，进行异质性分析，探讨数字经济对农民收入的提升效应是否受地区和收入异质性影响。

本文的边际贡献：（1）研究理论上，引用能力-动机-机会模型（Ability-Motivation-Opportunity， AMO），剖析创业活跃度在数字经济提升农民收入中的作用，完善了数字经济影响创业活跃度的相关理论研究；（2）研究视角上，从社会网络视角探讨数字经济影响农民收入的路径，为系统分析数字经济的增收效应提供了新的研究视角；（3）应用实践上，通过收入水平和区域异质性分析，有助于制定针对农民之间差异的政策，进而缩小农民之间的收入差距。

2文献回顾与评述

农民增收是学术界关注的热点话题，国内外关于农民增收的研究十分丰富。总体来看，影响农民收入的因素包括科技进步、市场化程度（王春超等，2014）、农村基础设施建设、受教育层次、人力资本（侯在坤等，2020）等。近年来，数字经济凭借其独特优势，在促进农民增收方面发挥了至关重要的作用。现有研究主要集中在2个方面。（1）直接效应。门槛低是电子商务最显著的特征，这为农民获得机会和收益提供了途径（祝君红等，2017）。互联网的普及对提高农产品价格和改善农民福利产生了重大的积极影响（Shimamoto et al.， 2015），而且电子商务具有降低信息不对称和交易费用的优势（Jensen， 2007），使农户能够更加便捷地获取市场信息，改变以往价格接受者状态（Goldfarb et al.， 2019）而处于谈判优势地位，从而增加农民收入。除电子商务外，以现代网络信息为载体的数字乡村也得到了快速发展。数字乡村的建设不仅有助于建立协同机制、促进生产要素整合并将数据元素融入生产函数（赵星宇等，2022），还能依靠互联网技术打破信息壁垒，快速、便捷地获得信息（冯履冰等，2023），提高生产效率，从而实现农民增收。资金供给不足是制约农民收入增长的重要原因，而数字经济发展有效地弥补了资金供给缺口（杨伟明等，2020），提高了资金借贷的安全性和便捷性，为农村经济发展和农民收入增长注入了新动力。总体来看，现阶段数字经济对农民收入的提升效应主要通过电子商务、数字基础设施建设、乡村经济、生活数字化来实现（朱喜安等，2023）。（2）间接效应。数字经济借助互联网和电商平台促进了数字经济与实体经济的融合，提高了农民收入，农民的创业活动进一步强化了数字经济的增收效应（齐文浩等，2021）。此外，数字经济发展促进了非农产业发展，提高了农民的人力资本和社会资本积累，缓解了农民的信息约束和知识储备约束（张良等，2023），提高了农民非农就业规模，从而实现农民增收（丁可可等，2024）。

此外，数字经济对农民收入的影响存在显著的区域异质性（唐跃桓等，2022；邓晓军等，2024）。唐跃桓等（2022）发现，电子商务的农民增收效应在东部地区较中西部地区显著；但刘蕾等（2022）认为，数字化发展对中西部地区农民收入的提升效应远远高于东部地区。可见，现有研究关于数字经济对农民增收效应的区域异质性分析结论不一致，这可能是因为学者们对数字经济的测算方法不一致造成的。已有研究主要使用主成分分析法、熵值法测算数字经济发展综合指数（黄群慧等，2019；赵涛等，2020），也有学者认为“宽带中国”政策不只是基础设施建设本身，还将基础设施应用于经济社会发展的方方面面，因此认为“宽带中国”政策能够代表数字经济发展水平（田鸽等，2022）。

综合来看，目前关于数字经济对农民增收影响的研究可为本文提供借鉴，但仍存在3个方面的不足。（1）虽然已有文献从多方位研究了数字经济的增收效应，但有关影响路径及其对林业收入的影响研究少之又少。（2）现有研究偏重于区域异质性和时间异质性，而忽视了数字经济对不同收入水平的农民收入的异质性。农民收入水平与数字技术接入存在密切关系，关乎农民能否普遍享受到数字红利。（3）现有研究主要基于数据可获得性或自身需求，选取少数代表性指标衡量数字经济，导致指标的准确性不足，影响了研究结果的准确性和结论的可靠性。鉴于此，本文在研究数字经济对农民收入直接效应的同时，考察了创业活跃度和社会网络的间接效应。此外，通过分位数回归分析了数字经济对不同收入水平农民收入的异质性。

3理论分析框架与研究方法

为了研究数字经济对农民收入的影响，本文分析数字经济对农民收入影响的理论框架，提出研究假设，并基于理论分析框架与研究假设，选取中介效应模型、分位数回归模型等方法对研究假设进行检验。

3.1理论分析框架

根据研究内容，首先，从信息成本和就业渠道角度分析数字经济对农民收入的直接效应；其次，基于AMO模型，分析创业活跃度在数字经济影响农民收入中的中介作用；最后，从社会网络视角分析数字经济对农民收入的间接效应。

3.1.1数字经济发展对农民收入的直接效应

数字经济打破了农产品供求双方之间的信息壁垒，蔡跃洲等（2015）发现，提升农民收入的潜力主要源自数字基础设施接入所带来的“渗透效应”，表现在互联网普及改变了农村市场经济的构架，突破了要素流动壁垒。互联网平台消除了传统农村和城市社会之间的信息障碍（冯履冰等，2023），促进了远程买家和卖家之间的直接沟通，节省了交易成本，间接实现了农民收入的增长。数字经济在农村地区的发展促进了产业数字化和数字产业化，有效推动了电商、旅游等服务行业的发展，创造了许多就业岗位，促进了农民的非农就业，增加了农民的非农收入（田鸽等，2022）。王轶等（2023）指出，数字经济虽然对劳动力具有替代效应，会挤出部分劳动力，但数字经济发展导致“机器换人”现象主要发生在中等技能劳动力市场。Autor等（2008）指出，数字化对技能具有非单调的影响，对于“抽象任务”劳动力的需求急剧增加，对“常规任务”的劳动力需求减少，而对“手工任务”的劳动力需求没有影响，农民主要从事第三类工作，因此数字经济产生的替代效应很小，农民反而能获得就业机会，提高非农收入。基于上述分析，提出假设H1。

H1：数字经济发展能够显著提高农民收入。

3.1.2数字经济发展对农民收入的间接效应：创业活跃度

Appelbaum等（2000）最早提出AMO模型，认为个体行为绩效或产出会受到能力、动机和机会三方面的共同影响，行为人的能力越高、动机越强烈、机会越多，实施该行为的概率就越大。依此逻辑，创业绩效受到创业能力、动机和机会的共同影响，创业绩效越高，行为人实施创业行为的可能性越大。数字经济发展提高了农民创业能力，激发了农民创业动机，创造了大量创业机会，提高了农民创业绩效，促使农民选择创业（陈卫平等，2022）。首先，在创业能力方面，数字基础设施的完善和数字技术的发展使得互联网普及化，为农民获得创业资源提供了路径。农民可以借助线上支付、借贷等途径，简化借贷流程和借贷手续，降低了农民的时间和借贷业务成本（陈卫平等，2022），提高了农民创业能力。其次，在创业动机方面，数字经济快捷性特征加快了信息传播速度，强化了创业成功示范效应，增强了农民的创业动机。崔丽丽等（2014）研究发现，“淘宝村”居民通常是通过已经在淘宝网经营的村民或朋友圈获取有关“淘宝村”信息，通过成立协会和集中培训等途径分享电商成功经验，促使农民走上创业之路。最后，在创业机会方面，数字经济发展催生了多样化的消费需求，为农民提供了创业机会。随着数字经济的兴起，农村与城市之间的联系越发紧密，促进了生产和消费的多元化，催生了许多新行业和商业模式，使消费者从被动转变为主动。数字经济发展深刻改变了需求侧各环节，为创业提供了市场基础（戚聿东等，2020）。

齐文浩等（2021）指出，农民在自身创业的同时会产生大量就业岗位，促进农民就业，从而实现农民增收。从创业减贫效应来看，Paul等（2013）研究发现，创业对减贫具有十分重要的作用。创业活动在创造更多就业岗位的同时，还能将劳动者纳入社会保障体系，惠及低收入人群，从而实现增收致富。从创业中介效应来看，数字经济发展有效降低了农民创业的融资成本，通过促进农民创业增加农民工资性收入（王轶等，2022）。齐文浩等（2021）基于省级面板数据发现，从全国范围来看，创业活跃度在数字经济影响农民收入中存在显著的正向调节作用。

总之，数字经济发展能够打破地域和信息障碍，降低农民搜索成本和借贷成本，掀起创业浪潮，同时创造大量就业岗位，使得社会重新吸纳闲置劳动力，促进就业与再就业，进而提高农民的非农收入。基于上述分析，提出假设H2。

H2：数字经济通过提高农民创业活跃度进而提高农民收入。

3.1.3数字经济发展对农民收入的间接效应：社会网络

社会网络根据联系媒介可以分为正式网络和非正式网络。正式网络是指个体通过参与社会生产或加入某个团体而形成的网络，该网络的建立在很大程度上取决于社会中已经建立的正式制度。非正式网络是基于血缘亲戚以及朋友同学等非商业化社会合约而建立的关系（边燕杰等，2013）。Ellison等（2007）发现，Facebook的使用可以帮助用户建立更广泛的社会联系，增强了个体之间信任，有利于建立高质量伙伴关系，推动社会网络发展；Hooghe等（2015）发现，互联网减少了人与人之间直接沟通的频率，但是扩大了社会网络交流范围。数字经济发展使得各个省份都处于网络之中，增强了各省份之间的关联性，且从整体来看，数字经济关联网络稳定性趋于增强（王振涛等，2022），促进了网上个体之间的直接交流，缓解了企业之间信息不对称的问题（辛琳等，2022），加强了社会个体之间的信任，从而促进了社会网络的发展。

我国农村家庭的社会网络资源差异较大（Du et al.， 2005），这些差异又通过信息获取、技术水平、融资成本等途径影响农民收入。现有文献关于社会网络对农民收入的影响主要从非农就业和社会资本两个视角进行研究。首先，社会网络便利了新型农民技能学习方式（旷浩源，2021），使之与工作岗位相匹配，增加了农民非农就业可能性。周欣等（2016）基于CFPS数据发现，社会网络规模和异质性能显著提高非农收入，而非农收入增加又会反作用于社会网络，既维系了原有社会网络，又扩大了社会网络（张玉昆等，2017）。其次，嵌入性理论充分验证了社会行为是嵌入到社会关系中的。这表明社会网络主体之间存在着关系的嵌入，而网络又是社会资源的承载体。社会资源嵌入社会网络结构中，社会主体之间通过关系的嵌入传递着社会资源，形成社会资本。社会资本的增加有利于营造良好的社会网络关系，使农民职业搜寻和外界交往更加便利，推动了农民从农业向非农行业流动，进而提高农民收入。彭文慧（2014）从互惠、资源网络、关系延续性等8个维度来分析社会资本对农民收入的影响；罗万云等（2023）基于CFPS数据研究发现，社会资本能有效缓解农户相对贫困脆弱性。

综合来看，数字经济发展降低了人与人之间的信息交换成本，加强了个体之间的信任，拓宽了农民寻找工作的途径，进而增加农民收入。基于上述分析，提出假设H3。

H3：数字经济通过扩大农民社会网络而提高农民收入。

3.2研究方法

根据上述理论分析，首先，构建双向固定效应模型，实证检验数字经济对农民收入的直接效应；其次，选取中介模型考察创业活跃度和社会网络在两者之间起到的中介作用；再次，构建多时点双重差分（Difference-in-Difference， DID）模型，进一步检验研究结果的稳健性；最后，采用分位数回归方法，检验数字经济对同收入水平农民收入影响的差异性。

3.2.1基准回归

为考察数字经济发展对农民收入的影响，本文构建双向固定效应模型，该模型可有效处理面板数据中城市和时间不可观测的影响，从而避免了由城市和时间异质性带来的内生性问题。模型如式（1）所示。

式（1）中，INCit和DIGit分别表示i城市t时期的农民收入水平和数字经济发展水平，Ctrlsit表示一系列控制变量，α0为常数项，α1、α2分别为数字经济、控制变量的回归系数，μi和νt分别表示城市固定效应和年份固定效应，εit表示随机扰动项。

3.2.2多时点DID模型

2013年8月，国务院印发《“宽带中国”战略及实施方案》，随后三年分别公布了三批试点城市。北京、天津、上海、石家庄、大连、鞍山市等100多个城市被选为试点城市，因此，本文以上述地区为处理组，以2014年、2015年、2016年为政策实施点，未实施该政策的城市为对照组，考虑到政策实施时点不一致，因此进行多时点DID估计，模型如式（2）所示。

式（2）中，Treatedit×Timet是双重差分项，Treatedit表示i城市t时期是否为“宽带中国”政策的处理组，若为处理组则赋值为1，否则赋值为0；Timet表示在t时期是否开始实施“宽带中国”政策，是则赋值为1，否则赋值为0。σ0为常数项，σ1、σ2分别“宽带中国”政策、控制变量的回归系数。

3.2.3中介效应模型

鉴于数字经济会通过创业活跃度和社会网络两个途径对农民收入产生间接影响，借鉴温忠麟等（2014）的做法，本文构建了中介效应模型，使用逐步回归法检验创业活跃度、社会网络的中介作用。中介效应检验模型如式（4）、式（5）所示。

式（4）和式（5）中，Mit为中介变量，表示i城市t时期的创业活跃度或社会网络。式（4）为数字经济发展与中介变量关系检验的回归方程，β0为常数项，β1、β2分别为数字经济、控制变量的回归系数。式（5）为数字经济发展、中介变量与农民收入关系检验的回归方程，γ0为常数项，γ1、γ2、γ3分别为数字经济、中介变量、控制变量的回归系数。

3.2.4分位数回归模型

分位数回归模型研究自变量与因变量的条件分位数之间的关系，为检验数字经济对不同收入水平农民收入的影响，构建分位数回归模型如式（6）所示。

式（6）中，Qτ（INCit|DIGit）表示在给定数字经济发展水平的情况下，农民收入在第τ分位点上的值，φτ10为常数项，φτ11、φτ12分别为数字经济、控制变量的回归系数。

4变量选取、数据来源与描述性统计

基于数据的可得性，本文选取2011—2022年中国283个地级市数据进行研究，构建数字经济发展水平指标体系测算解释变量，通过描述性统计对各指标差异进行分析。

4.1数据来源

数字经济发展水平、农民收入、社会网络和各控制变量数据主要来源于《中国城市统计年鉴》、部分地级市统计年鉴和统计公报以及EPS数据库，创业活跃度数据来源于企查查。

4.2变量选取

本文选取农民收入作为被解释变量，数字经济发展水平作为解释变量，创业活跃度和社会网络作为中介变量，经济发展水平、城镇化水平、产业结构、教育水平、农业发展水平作为控制变量。

4.2.1被解释变量

农民收入（INC）。本文使用剔除CPI影响后的农民人均可支配收入来衡量农民收入水平。林业收入（FINC）为农民经营性收入的重要组成部分，鉴于各省统计局未公布林业收入，因此本文用全国农民林业收入占可支配收入的比值与各地级市农民可支配收入的乘积衡量林业收入。

4.2.2解释变量

数字经济发展水平（DIG）。综合国内外数字经济测算指标体系，借鉴赵涛等（2020）的方法，本文从互联网发展情况和数字普惠金融两个维度构建数字经济测算指标体系，包含互联网普及率、互联网相关从业人员数、互联网相关产出、移动互联网用户数、数字金融普惠发展5个指标，分别用每百人互联网宽带接入用户数、计算机服务和软件业从业人员占比、人均电信业务总量、每百人移动电话用户数和数字普惠金融指数来衡量。为避免主观赋权弊端和多指标数据重叠问题，本文使用熵值法对各个指标赋权，最后得到数字经济发展水平。

4.2.3中介变量

创业活跃度①（ENTRE）。借鉴白俊红等（2022）的衡量方法，本文使用人口法，即用每百人的新建企业数来反映农民创业的活跃程度。

社会网络（NETWORK）。基于数据可得性以及社会网络内涵，本文采取农村居民人均文化教育娱乐支出和交通通讯支出之和来衡量社会网络。一般来说，该支出越高，社交活动越频繁，社交网络也越广泛，部分地级市未公开统计年鉴，无法获得该数据，因此使用全省农村居民人均文化教育娱乐支出和交通通讯支出分别乘以地级市农民人均可支配收入与全省农村居民人均可支配收入的比值来衡量。

4.2.4控制变量

经济发展水平（GDP），用各市人均GDP的对数来衡量；城镇化水平（URB），用城镇年末常住人口占总人口的比例来衡量；产业结构（INDUST），用第二产业产值占城市GDP的比例来衡量；教育水平（EDU），用普通中学在校学生数占年末总人口的比例来衡量；农业发展水平（AGR），用第一产业产值占城市GDP的比例来衡量。

4.3描述性统计

变量的描述性统计如表1所示。

由表1可知，农民收入的最大值为18.4750，最小值为0.2501，说明城市之间的收入水平存在极大的差距，符合我国现实状况。2022年，杭州市农村居民人均可支配收入为45183元，比上年增长了5.8%；衢州市农村居民人均可支配收入31468元，比上年增长了7.5%；从收入的绝对差距来看，两者之间的差距从2021年的13426元上升到2022年的13715元，收入差距越来越大②。这些数据表明，浙江省各地级市2022年农民收入实现稳定增长，但收入差距在增大。数字经济发展水平的最大值和最小值分别为1.2027和0.5717，说明各地级市的数字经济发展水平之间的差距较大。以浙江省为例，作为“数字经济第一城”的杭州市2022年数字经济增加值突破5000亿元①，占全省GDP的57%，占全市GDP的比例超过27%，而衢州市只有559.98亿元，两者比值接近于10，存在巨大差距。综上可知，我国各个城市数字经济和农民收入存在差距，但数字经济水平高的城市往往农民收入也更高，这说明数字经济对农民收入的提升效应是存在的。

5经验性结果

基于前文的理论分析框架和研究方法，本文使用Stata16.0软件对数据进行分析。首先，进行内生性检验，判断模型中自变量与误差项之间是否存在相关性；其次，通过基准回归模型分析数字经济对农民收入的直接影响，并通过改变解释变量衡量方式等方法进行稳健性检验；再次，用中介效应模型考察创业活跃度与社会网络在两者之间起到的作用；最后，根据各地区地理位置分布及农民收入水平的差异，进行二者关系的异质性检验。

5.1内生性检验

考虑到数字经济发展水平与农民收入可能会存在反向因果关系，为了消除此内生性对估计结果的影响，借鉴郭家堂等（2019）的方法，本文选取数字经济发展水平滞后一期作为工具变量，并使用两阶段最小二乘法（Two-Stage Least Squares， 2SLS）解决内生性问题。从理论上说，该变量与当期数字经济发展水平密切相关，但与当期其他变量和扰动项不相关。内生性检验如表2所示。

表2中第一阶段回归结果显示，工具变量与内生变量回归系数为1.3154，在1%的显著性水平上显著，且第一阶段F值为10690.81，高于10%显著性水平上的临界值16.38，说明该工具变量为强工具变量。使用工具变量后，其回归系数不显示，但内生变量的回归系数依然显著为正，说明工具变量对农民收入的影响较小，只能通过影响内生变量进而对农民收入产生影响，符合外生性原则，且通过了内生性检验。

5.2基准回归结果分析

为了初步检验自变量和因变量之间是否存在相关性以及自变量之间的共线性程度，本文对各变量进行相关性检验。

根据相关性检验结果，被解释变量农民收入与解释变量数字经济发展水平的相关系数为0.3890，与控制变量经济发展水平、城镇化水平、产业结构、教育水平、农业发展水平的相关系数分别为0.6290、0.5460、-0.1390、-0.2570、-0.3330，均在1%的显著性水平上显著，说明变量之间存在较强的相关性；此外，对变量进行共线性检验，发现方差膨胀因子（Variance Inflation Factor， VIF）的均值为2.01，远小于10，说明变量间不存在共线性。在完成相关性检验和共线性检验之后，本文对采用模型进行估计，对混合效应、固定效应和随机效应进行比较，Hausman检验p值为0，说明固定效应模型更好，因此选用双向固定效应模型进行检验。

数字经济发展水平对农民收入影响的基准回归、稳健性检验和中介效应检验结果如表3所示。

由表3列（1）可知，加入控制变量后DIG回归系数为1.5550，在1%的显著性水平上显著，说明数字经济发展水平对农民收入有显著的正向影响。数字经济发展水平对农民收入的总效应为1.5550，表示数字经济发展水平每提高1个单位，农民人均可支配收入将提高1.5550万元。这可能是因为，数字经济发展降低了信息不对称问题，提高了劳动者获取就业信息的能力；此外，数字经济发展还拓宽了居民就业渠道。例如，数字平台的出现提供了劳动参与的机会，实现了自雇或者非自雇就业，进而提高其收入水平。通过上述分析，假设H1得到验证。

5.3稳健性检验

基准回归模型表明，数字经济能够显著提高农村居民收入，本文通过改变解释变量的测量方式、剔除直辖市样本方式、缩尾处理进行稳健性检验。

5.3.1改变解释变量的测量方式

鉴于“宽带中国”政策不仅涉及互联网等基础设施建设本身，而且将这些基础设施应用于经济社会发展的生产和消费两端，因此认为“宽带中国”政策能有效衡量地区数字经济发展水平。平行趋势检验结果显示，政策实施前的时间虚拟变量系数均不显著且数值较小，说明处理组与对照组数字经济发展水平在政策实施前不存在明显差异，满足平行趋势假设，可以使用多时点DID进行实证检验。试点政策推行3年后，“宽带中国”政策的影响系数显著为正并不断提升，表明“宽带中国”政策能够产生提升农民收入的政策效应，但具有一定的滞后性。表3列（2）显示数字经济发展水平的回归系数为0.0802，在1%的显著性水平上显著，说明“宽带中国”政策的实施能够提高农民收入，基准回归结果是稳健的。

5.3.2剔除直辖市样本

中国幅员辽阔，不同城市由于地理位置、经济发展水平的不同，数字经济对农民收入的影响程度也不同。我国设有北京、天津、上海、重庆4个直辖市，拥有更丰富的资源和人才，因此有必要剔除4个直辖市的样本。由表3列（3）的回归结果可知，剔除4个直辖市的样本后，回归系数为1.4892，依然在1%的显著性水平上显著，说明结果是稳健的。

5.3.3变量缩尾处理

表3列（4）是对所有变量采取了1%缩尾后的估计结果，回归系数为2.8586，且在1%的显著性水平上显著，说明结果是稳健的。

5.4中介效应检验

前文在理论分析中发现，数字经济可以通过提高创业活跃度和社会网络来提高农民收入，为了验证该作用机制，本文选取中介效应模型进行实证检验，回归结果如表3列（5）至列（8）所示，可以看出数字经济能够显著提高创业活跃度和社会网络。列（5）至列（8）中数字经济、创业活跃度和社会网络的回归系数都显著为正，说明数字经济能够通过提高创业活跃度和扩大社会网络来提高农民收入。由Sobel检验可知，创业活跃度和社会网络的中介效应占比分别为28.93%和35.45%。综上分析，假设H2和H3得到验证。

5.5异质性分析

为进一步分析数字经济提高农民收入过程中的其他影响因素，分别进行区域异质性分析和收入水平异质性分析。

5.5.1地区异质性分析

数字经济发展离不开基础设施和公共服务，而基础设施建设和公共服务又取决于各城市的经济发展水平。本文将样本分为东中西部三大地区，然后分别进行回归，结果如表4列（1）至列（3）所示。由表4可以发现，东部、中部、西部地区的数字经济均能显著提高农民收入，且中部地区提升效应与东部地区相差不大，但都远高于西部地区。

5.5.2收入水平异质性分析

对于不同收入水平下的农村居民，数字经济发展水平的边际影响效应有无结构性变化更值得研究和思考。为此，本文利用分位数回归方法进行回归分析。借鉴现有研究的做法，本文选取具有代表性的三个分位点（0.10、0.50、0.90）进行回归，结果如表4列（4）至列（6）所示。由表4可知，各个分位点上的数字经济发展水平对农民收入都存在显著正向影响，说明数字经济能够显著提高农民收入水平，且存在结构性差异。通过观察不同分位点上的回归系数发现，随着分位数的增加，回归系数大体上呈上升趋势。这表明数字经济发展对高收入者收入的提高效果最明显，对农民收入增长不具有包容性特征。具体来看，数字经济发展水平每提高1个单位，位于0.90分位点上的农民收入将增加6.3648万元。

5.6进一步检验：数字经济发展与农民林业收入

数字经济发展为农民带来了生产生活的移动化、实惠化、信用化和便利化，进而推动了农民林业收入增长。数字经济不仅降低了金融服务的门槛，拓宽了农民获取林业生产资金的渠道（裴奔等，2021），帮助缓解信贷约束（吴庆春，2019），提升交易便捷性，还能通过增加林业经济产业资金投入（彭雨涵等，2020），从而增加农民林业收入。为验证数字经济发展对农民林业收入的影响效果，本文以农民林业收入作为被解释变量，数字经济发展水平作为解释变量，结果如表4列（7）和列（8）所示，数字经济发展水平的回归系数在1%的显著性水平为正，说明数字经济发展能显著提高农民林业收入，数字经济发展水平每增加1个单位，农民林业收入就会提高0.0122万元。

6研究结论、讨论及政策启示

本文基于2011—2022年中国283个地级市的数据，运用熵值法测算数字经济发展水平，系统分析数字经济对农民收入的影响。根据研究结果提出有效的政策启示，为发展数字经济和提高农民收入水平提供理论支撑。

6.1研究结论

中国加入世界贸易组织后，“三农”问题越发突出，急需妥善解决。数字经济背景下，研究数字经济对农民增收的影响具有十分重要的理论和现实意义。本文以2011—2022年283个地级市的数据为研究对象，探讨数字经济发展对农民收入的影响及其作用机理，得出3点结论。

（1）数字经济发展对农民收入水平具有正向影响。数字经济能够促进农民收入增长，促进效应为1.5550，即数字经济发展水平每提高1个单位，农民收入就会提高1.5550万元。在经过改变解释变量的测量方式、剔除直辖市样本、变量缩尾处理等稳健性检验后，结果依旧稳健。进一步检验发现，数字经济对农民林业收入存在显著提升效应，影响系数为0.0122，即数字经济发展水平每提高1个单位，农民林业收入就会提高0.0122万元。

（2）创业活跃度和社会网络在数字经济和农民收入之间存在中介效应。通过中介效应模型和Sobel检验可知，创业活跃度和社会网络的中介效应占比分别为28.93%和35.45%，即数字经济对农民收入的提升总效应中，分别有28.93%和35.45%是通过创业活跃度和社会网络实现的，说明两者都起到部分中介作用，存在“数字经济—提高创业活跃度/扩大社会网络—提升农民收入水平”的间接影响路径。

（3）数字经济对农民收入存在异质性影响。由于各地的资源禀赋、地理位置、基础设施、经济发展水平的不同，数字经济对东中西部地区农民收入的影响存在显著的差异性，其中，数字经济对中部和东部地区农民收入的提升效果较西部地区明显，数字经济发展水平每提高1个单位，东部、中部、西部地区的农民收入将分别提高3.2952万元、3.3059万元、1.5870万元；且通过分位数回归发现，随着分位数的增加（0.10， 0.50， 0.90），农民收入的分位数回归系数呈现上升趋势。也就是说，农民收入水平越高，数字经济对其收入水平的提升效应越明显。

6.2讨论

在参考与借鉴已有理论和实证研究的基础上，本文完善了数字经济提高农民收入的研究框架和传导路径，拓宽了数字经济对农民收入影响的研究视角，与已有研究相比更有深度和创新性。

第一，数字经济对农民收入有显著的提升效应，这与孙文婷等（2022）、王子凤等（2023）的研究结论一致，但不同之处在于本文使用2011—2022年全国地级市的数据，对农民收入进行了更为细致的时空衡量，比已有研究更具体和精确，研究结果更可靠。此外，进一步研究发现，数字经济对农民林业收入有显著的提升效应。陈灿等（2022）将数字普惠金融作为自变量，并未分析覆盖面更广的数字经济对农民收入的影响效果，且样本区域只覆盖4个省份，覆盖面较为有限。

第二，数字经济能够通过提高创业活跃度来提高农民收入，这印证了齐文浩等（2021）、邓晓军等（2024）的研究结果，但不同的是，本文在理论部分引入AMO模型从创业能力、创业动机和创业机会三个方面分析数字经济对创业活跃度的影响，且本文数据时间跨度更长，研究结果更加可信。此外，本文还发现社会网络是数字经济提高农民收入的又一重要路径，即数字经济能通过扩大社会网络提高农民收入，且起到部分中介作用，这与李松等（2023）的研究结论一致。但不同的是，李松等（2023）是以数字技术作为自变量，并未对数字经济整体的影响效果进行研究和分析。因此，在数字经济背景下，本文将社会网络作为中介变量，研究数字经济对农民收入的间接效应。

第三，数字经济对农民收入的影响存在明显的地区异质性和收入水平异质性。中部地区数字经济的收入提升效应高于东部地区，这印证了邓晓军等（2024）的观点，可能是因为东部地区数字经济发展早于其他地区，数字基础设施较好，但“数字红利”释放效应的增长空间受到限制。同时，考虑到不同收入水平的农民在数字技术接入、金融服务等方面存在差异，数字经济对收入水平不同的农民收入的提升效应存在差异，本文通过分位数回归发现，数字经济对高收入者的收入提升效应高于低收入者，这与张良等（2023）研究结论一致，可能是因为低收入者的数字技能水平不高，数字技术接入鸿沟依然存在，且低收入者在资源禀赋方面处于弱势，难以将教育、基础设施等建设转化为有效的农民收入（华中昱等，2022）。

本文存在的不足之处：（1）对数字经济发展水平的测度停留在地级市层面，未具体到县域层面的分析，今后研究可以聚焦于县域数字经济对农民收入的影响研究，提高研究精确性；（2）基于数据的可得性，本文对社会网络和林业收入的衡量方式不够全面，且研究的时间跨度为2011—2022年，后续研究可继续完善社会网络衡量方式和增加测度时间段，以减少社会网络衡量误差，从而更清楚地观察数字经济对农民收入影响的时间演变趋势。

6.3政策启示

根据以上研究结果，并与已有研究结果进行讨论可知，数字经济对我国农民收入水平提升具有显著的促进作用，本文提出四点政策启示。

第一，农村经济发展应与数字经济深度融合。一方面，要不断完善和升级农村地区的数字基础设施，助力农村家庭更好地获取数字技术资源，提高其在数字经济中的参与和利用能力；另一方面，要大力发展智慧农业，加快种植业、种业、林业、畜牧业、渔业、农产品加工业等数字化转型，提升生产效率和产品质量，促进农业现代化发展。

第二，不断强化数字经济对农民创业活跃度的提升作用。促进数字经济与实体经济的深度融合，优化各个城市特别是农村的营商环境，实施有针对性的创业政策和优惠措施，积极鼓励并支持以农村为主体的创业活动，吸引农民工返乡创业，以创业促进就业。

第三，构建和优化农村社会网络结构，以促进信息传播、资源共享和经济活动的协同发展。政府应加大各类数字产品的普及力度，提升农民对信息获取和知识分享的能力，鼓励农民依靠数字经济，增强社会网络交流，促进社会网络资源共享，不断提高数字经济对农业生产活动和非农就业创业的回报率。

第四，优化数字资源流通，促进区域、个体协调发展。加强地区之间的人才、信息和技术交流，对西部地区制定点对点帮扶计划。欠发达地区应广泛吸取发达地区的数字技术、数字人才并应用到本地生产活动中，获得“数字红利”，缩小与发达地区农民收入的差距。

参考文献

白俊红，张艺璇，卞元超.创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J].中国工业经济， 2022（6）：61-78.

边燕杰，郝明松.二重社会网络及其分布的中英比较[J].社会学研究， 2013， 28（2）：78-97， 243.

蔡跃洲，张钧南.信息通信技术对中国经济增长的替代效应与渗透效应[J].经济研究， 2015（12）：100-114.

陈灿，高建中，李善美，等.数字普惠金融、家庭借贷对农户林业收入的影响研究[J].林业经济问题， 2022， 42 （3）：269-277.

陈卫平，余乐，梁舒培.地区数字经济发展对农民创业的影响研究[J].学术研究， 2022（12）：115-123， 212.

崔丽丽，王骊静，王井泉.社会创新因素促进“淘宝村”电子商务发展的实证分析——以浙江丽水为例[J].中国农村经济， 2014（12）：50-60.

邓晓军，吴淑嘉，邹静.数字经济、空间溢出与农民收入增长[J].财经论丛， 2024（3）：5-15.

丁可可，马正兵，王涛.乡村数字经济对农民收入的影响及空间异质性研究[J].干旱区资源与环境， 2024， 38（5）：90-99.

冯履冰，郭东杰.互联网使用对农民增收的影响与机制[J].浙江社会科学， 2023（2）：25-35， 155-156.

郭家堂，章玉贵.互联网能阻滞中国城乡居民收入差距的扩大吗？——基于中国省级面板数据的实证分析[J].上海经济， 2019（6）：57-73.

侯在坤，曹葳蕤，高越，等.人力资本投入对农民收入的影响研究——基于中国家庭追踪调查数据的实证分析[J].林业经济， 2020， 42（12）：3-11.

华中昱，林万龙，徐娜.数字鸿沟还是数字红利？——数字技术使用对农村低收入户收入的影响[J].中国农业大学学报（社会科学版）， 2022， 39（5）：133-154.

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.

旷浩源.基于社会网络的新型职业农民技能习得模式研究[J].江苏农业科学， 2021， 49（3）：1-7.

李松，游艳，赵冬梅.数字技术采纳、社会网络拓展与农户收入增长关系研究[J].价格理论与实践， 2023 （7）：195-199， 212.

刘蕾，王轶.数字化经营何以促进农民增收？——基于全国返乡创业企业的调查数据[J].中国流通经济， 2022， 36 （1）：9-19.

罗万云，郭世豪，贾铖.社会资本能否降低农户相对贫困脆弱性？——基于生计策略转型视角[J].林业经济， 2023， 45（12）：30-53.

裴奔，郑彬.金融支持现代农业的实证分析——基于近年各省的面板数据[J].中国林业经济， 2021（4）：128-130.

彭文慧.社会资本、劳动力流动与农民收入区域差异[J].当代经济研究， 2014（1）：84-88.

彭雨涵，郭霖萱，王子依，等.林业对农户增收的影响研究——以陕西省为例[J].安徽农业科学， 2020， 48（17）：232-235.

戚聿东，肖旭.数字经济时代的企业管理变革[J].管理世界， 2020， 36（6）：135-152.

齐文浩，李明杰，李景波.数字乡村赋能与农民收入增长：作用机理与实证检验——基于农民创业活跃度的调节效应研究[J].东南大学学报（哲学社会科学版）， 2021， 23（2）：116-125.

孙文婷，刘志彪.数字经济、城镇化和农民增收——基于长江经济带的实证检验[J].经济问题探索， 2022（3）：1-14.

唐跃桓，杨其静，李秋芸，等.电子商务发展与农民增收——基于电子商务进农村综合示范政策的考察[J].中国农村经济， 2022（6）75-94.

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.

王春超，叶琴.中国农民工多维贫困的演进：基于收入与教育维度的考察[J].经济研究， 2014， 49（12）：159-174.

王轶，刘蕾.农民工返乡创业何以促进农民农村共同富裕[J].中国农村经济， 2022（9）：44-62.

王轶，刘蕾，魏巍.数字经济时代我国面临的就业风险及治理机制研究[J].济南大学学报（社会科学版）， 2023， 33（4）：98-107.

王振涛，许英.我国数字经济空间关联网络结构特征及其效应分析——基于社会网络分析[J].金融经济， 2022（10）：29-42.

王子凤，张桂文.数字经济如何助力农民增收——理论分析与经验证据[J].山西财经大学学报， 2023， 45 （2）：16-28.

温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展， 2014， 22（5）：731-745.

吴庆春.福建普惠林业金融发展探究——以“福林贷”应用为例[J].泉州师范学院学报， 2019， 37（4）：7-11.

辛琳，孟昕童，边婉婷.中国数字经济企业双重网络嵌入与创新绩效研究[J].财贸研究， 2022， 33（12）：59-73.

杨伟明，粟麟，王明伟.数字普惠金融与城乡居民收入——基于经济增长与创业行为的中介效应分析[J].上海财经大学学报， 2020， 22（4）：83-94.

张良，徐志明，李成龙.农村数字经济发展对农民收入增长的影响[J].江西财经大学学报， 2023（3）：82-94.

张玉昆，曹广忠.城镇化背景下非农就业对农村居民社会网络规模的影响[J].城市发展研究， 2017， 24（12）：61-68， 100.

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.

赵星宇，王贵斌，杨鹏.乡村振兴战略背景下的数字乡村建设[J].西北农林科技大学学报（社会科学版）， 2022， 22（6）：52-58.

周欣，孙健，王康.农民非农就业机会获得——基于社会网络的视角[J].经济体制改革， 2016（3）：95-100.

朱喜安，王慧聪.数字乡村赋能农民增收：效应与机制——基于县域的实证[J].统计与决策， 2023， 39（15）：136-141.

祝君红，朱立伟，黄新飞.中国“淘宝村”形成机理：路径、成因和动力研究[J].上海商学院学报， 2017， 18（2）：6-12.

Appelbaum E， Bailey T， Berg P， et al. Manufacturing Advantage： Why High-Performance Work Systems Pay off. Ithaca and London[M]. New York： Cornell University Press， 2000.

Autor D， Katz L， Kearney M. Trends in U. S. Wage Inequality： Revising the Revisionists [J]. The Review of Economics and Statistics， 2008， 90（2）：300-323.

Du Y， Park A， Wang S. Migration and Rural Poverty in China [J]. Journal of Comparative Economics， 2005， 33（4）：688-709.

Ellison N B， Steinfield C， Lampe C. The Benefits of Facebook \"Friends\"： Social Capital and College Students’ use of Online Social Network Sites [J]. Journal of Computer-Mediated Communication， 2007， 12（4）：1143-1168.

Goldfarb A， Tucker C. Digital Economics [J]. Journal of Economic Literature， 2019， 57 （1）：3-43.

Hooghe M， Oser J. Internet， Television and Social Capital： The Effect of ’Screen Time’ on Social Capital [J]. Information Communication and Society， 2015， 18（10）：1-25.

Jensen R. The Digital Provide： Information （Technology）， Market Performance， and Welfare in the South Indian Fisheries Sector [J]. Quarterly Journal of Economics， 2007， 122（3）：879-924.

Paul M， Sharma A. Entrepreneurship as a Tool for Rural Development [J]. Global Journal of Management and Business Studies， 2013， 3（3）：319-322.

Shimamoto D， Yamada H， Gummert M. Mobile phones and market information：Evidence from rural Cambodia [J]. Food Policy， 2015， 57（11）：135-141.

（责任编辑康燕）