数字技术采用对农户组间收入差距的影响

摘" " 要：为实证检验数字技术采用对农户组间收入差距的两种机制效应，基于Oaxaca- Blinder分解法构建一个统一框架，运用2019年中国家庭金融调查数据，重新检验数字技术采用对农户组间收入差距的影响。结果表明：数字技术采用的“数字鸿沟”效应扩大了收入差距，占高低收入农户组间收入差距的1.51%，约是人力资本禀赋效应的一半;边际递减效应缩小了收入差距，占高低收入农户组间收入差距的-4.10%，比人力资本的边际效应低2.85%;总效应为负，表明数字技术采用最终缩小了农户组间收入差距。通过2SLS回归、替换核心解释变量等方式验证了结果的稳健性。最后，本文提出完善落后农村地区的数字经济基础设施、鼓励低收入农户采用数字技术等建议，缩小农户组间收入差距。

关键词：数字技术;农户增收;收入差距;共同富裕;数字鸿沟

中图分类号：F323.8;F49" " " " "文献标识码：A" " " " DOI 编码：10.3969/j.issn.1006-6500.2024.12.013

The Impact of Digital Technology Adoption on Income Gap among Farmer Groups

ZENG Xia1，YAO Wanjun2，YU Minxia2

（1. Honors College， Tianjin Foreign Studies University， Tianjin 300204， China;2. School of Economics， Nankai University，Tianjin 300071，China）

Abstract： To empirically test the two mechanism effects of digital technology adoption on income disparities among different groups of farmers，utilizing the Oaxaca-Blinder decomposition method to establish a unified framework， the paper re-examined the influence of digital technology adoption on income disparities among farmer groups using data from the 2019 China Household Finance Survey. The findings revealed that the \"digital divide\" effect of digital technology adoption exacerbated income disparities， accounting for 1.51% of the income gap between high- and low-income farmer groups， which was roughly half of the effect attributable to human capital endowment. The marginal diminishing effect reduced income disparities， accounting for -4.10% of the income gap between these groups， which was 2.85% lower than the marginal effect of human capital. The overall effect was negative， indicating that digital technology adoption ultimately narrows income disparities among farmer groups. The robustness of these findings was further confirmed through two-stage least squares （2SLS） regression， and the substitution of core explanatory variables.Finally， the study proposed suggestions for improving digital economy infrastructure in underdeveloped rural areas and fostering the adoption of digital technologies by low-income farmers， aiming to reduce income disparities among farmer groups.

Key words： digital technology;farmers income increasement;income gap;common prosperity;digital divide

随着以互联网为基础的新一轮技术革命的深入，全球经济进入了数字技术时代，数字技术正成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。据《中国数字经济发展白皮书（2023）》的数据显示，2023年中国数字经济核心产业增加值超过12万亿元，占GDP的比重为10%左右，为我国经济健康稳定发展提供了关键动力[1]。在农业农村领域，数字技术也实现了长足的发展。据中国互联网络信息中心发布的数据显示，截至2023年12月，中国农村网民规模为3.26亿人，农村地区互联网普及率为66.5%，较2018年提升28.1个百分点。我国农村网络零售额达到2.49万亿元，较2018年增长81.75%;全国农产品网络零售额达到5 870.3亿元，较2018年增长154.68%[2]。在数字经济高速发展进程中，可否借助数字技术应用促进农户收入增长，缩小农户组间收入差距是一个需要认真思考的问题。

第一，农村居民增收是实现共同富裕亟待解决的关键问题。《中共中央国务院关于实施乡村振兴战略的意见》提出，要把维护农民群众根本利益、促进农民共同富裕作为出发点和落脚点，促进农民持续增收，并要求保持农村居民收入增速快于城镇居民。显然，切实促进农民持续增收，调动亿万农民的积极性、主动性和创造性，直接影响共同富裕目标任务的实现。

第二，农村内部的组间贫富差距较大，呈继续扩大态势。据国家统计局住户抽样调查数据显示，2023年农村居民人均可支配收入（21 691元）与城镇居民人均可支配收入（51 821元）的比值为1∶2.40。同期占农村内20%最低收入家庭的年人均可支配收入与占20%最高家庭的年人均可支配收入分别为5 264、50 136元，收入差距高达1∶9.52，农户内部组间收入差距水平超过了城乡收入差距水平[3]。农村内部组间收入差距扩大不仅会加大乡村治理难度，也不利于社会稳定，容易成为阻碍乡村振兴、共同富裕和中国式现代化进程的不利因素。

第三，关于数字技术对农户组间收入差距的探究尚处起步阶段。当前，有大量文献关注到数字金融、电商等数字经济方式对农民增收的作用。相关文献指出，数字技术采用可减少农产品销售流通过程的中间环节，避免中间商从中赚取高额差价利润，有助于及时准确获取市场信息，使得市场供需有效对接减少损耗，推动传统农业生产经营、营销运输、农资需求等环节的电子化变革倒逼传统农业集约化、标准化、规模化生产，非农就业和创业直接或间接地增加农民收入[4-7]。然而，关于数字技术对农户间收入差距的探究尚处起步，并且颇具分歧。一部分学者认为，数字经济具有的“数字鸿沟”效应正在扩大农户间、城乡间的收入差距[8-13]。另一部分学者指出，数字技术对农户增收作用具有边际递减效应，并认为数字技术为低收入群体提供了更高的边际回报率，从而缩小了收入差距[14-18]。

因此，有必要进一步分析数字技术采用对农户组间收入差距的影响。本文基于农户收入水平中位数将农户分为低收入组与高收入组两组，使用Oaxaca-Blinder分解方法，用数字技术采用的禀赋效应来反映“数字鸿沟”效应，用数字技术采用的系数效应来反映边际递减效应，通过二者之和来分析数字技术采用对高低收入组农户收入差距的总影响。

边际贡献如下：使用Oaxaca-Blinder分解分析数字技术对农户组间收入差距的影响，用数字技术的禀赋效应来反映“数字鸿沟”效应，用数字技术的系数效应来反映边际递减效应，为分析农户收入差距提供了一个新视角;实证研究发现，数字技术具有“数字鸿沟”效应并扩大了农户组间收入差距，同时数字技术的边际递减效应缩小了农户组间收入差距，验证了已有研究中的两个不同机制;比较“数字鸿沟”效应和边际递减效应，结果发现，二者之和为负。由此得出，数字技术采用最终缩小了农户组间收入差距的结论。

1 实证模型与数据

1.1 实证模型

本文农户收入模型设定如下：

ln Incomei=β0+β1 Digital_Techi+βk XiK+εi（1）

式中，被解释变量ln Incomei表示农户i人均收入的对数;核心解释变量Digital_Techi表示农户的数字技术水平;XiK表示控制变量;εi是随机扰动项。

本文按照农户人均收入水平中位数将农户分为高收入组农户和低收入组农户，使用Oaxaca-Blinder分解方法比较数字技术采用对不同收入组农户收入水平的影响差异，以分析其对农户组间收入差距的影响。Oaxaca-Blinder分解是由Oaxaca[19]和 Blinder[20]提出的一种收入分解方法，该方法可以将组群之间的工资均值差异分解为由个体特征差异造成的可解释部分和由特征回报差异带来的不可解释部分。收入差距可以从两个方面来解释，一方面是由于不同收入群体要素禀赋条件不同而产生的收入差距，称为禀赋效应;另一方面是由于不同收入群体要素回报系数不同而产生的收入差距，称为系数效应。本文用数字技术的禀赋效应来反映“数字鸿沟”效应，用数字技术的系数效应来反映边际递减效应，二者之和为总效应，通过总效应水平来判断数字技术对组间收入差距的影响。低收入组及高收入组农户的收入函数公式如下：

ln IncomeL=Digital_TechL αL+βLk XLK+εL（2）

ln IncomeH=Digital_TechH αH+βHk XHK+εH （3）

式中，Digital_TechL和Digital_TechH分别代表低收入组和高收入组农户的数字技术情况;XLK和XHK分别代表低收入组和高收入组农户的控制变量。

高低收入组收入差距ln IncomeH-ln IncomeL的分解方程如下：

ln IncomeH-ln IncomeL=αH （Digital_TechH-Digital_TechL））+βHk（XHK+XLH）+（αH-αL）Digital_TechL+（βH-βL）XLK （4）

式中，αH（Digital_TechH-Digital_TechL）+βHK（XHK-XLK）是造成收入差距的禀赋效应;αH （Digital_TechH-Digital_TechL）为数字鸿沟效应;（αH-αL）Digital_TechL+（βH-βL）XLK是造成收入差距的系数效应;（αH-αL）Digital_TechL为边际递减效应;αH （Digital_TechH-Digital_TechL）+（αH-αL）Digital_TechL为数字技术对农户组间收入差距影响的总效应。

1.2 数据

本文使用的数据来自西南财经大学中国家庭金融调查与研究中心提供的2019年中国家庭金融调查数据（CHFS）（https：//chfs.swufe.edu.cn/）。该数据库数据具有良好的代表性，数据质量较高[18]。该数据库不仅统计了家庭的土地资产、农业资产、工商业资产、住房资产、车辆资产、金融资产和金融负债等资产与负债相关数据，还统计了家庭收入支出以及互联网使用、数字信贷、数字理财、第三方支付、电商经营等家庭的数字技术采用情况，满足本文分析所需。经清洗后，本文共获得14 842户农村家庭的数据。

1.3 变量设置

1.3.1 被解释变量 本文的被解释变量为农户收入，是农户家庭人均总收入的对数。农户家庭总收入包括农户工资性收入、农业收入、工商业收入、财产性收入和转移性收入。

1.3.2 核心解释变量 核心解释变量是数字技术采用，包括互联网使用、数字金融利用、电商经营3个方面。当农户采用互联网使用、数字金融利用、电商经营中任意一项或几项，本文认定为采用数字技术，赋值为1，否则为0。

1.3.3 控制变量 参考已有研究[22-24]，本文引入人力资本、 物质资本、金融资本、社会资本、家庭特征、户主特征和地区特征作为控制变量。变量的具体含义如表1所示。

表2显示了主要变量的描述统计结果。农户人均收入对数的均值为9.368。其中，低收入组农户人均收入对数的均值为8.441，高收入组农户人均收入对数的均值为10.296，二者相差1.855，农户组间收入差距较大。在受访农户中，79.0%农户选择使用数字技术，低收入组（人均收入水平在中位数以下的农户）为69.5%，高收入组（人均收入水平在中位数以上的农户）为88.4%，高收入组农户高于低收入组农户。

在控制变量中，农户劳动力健康比例均值为46.435%，劳动力受教育程度均值为8.713年，劳动力平均工作经验为26.681年，除劳动力工作经验外，高收入组农户均优于低收入组农户。农户所拥有的物质资本均值较小，除土地资产外，高收入组农户的物质资本均高于低收入组农户。农户家庭人均金融资产和金融负债均值分别为2.712万元和0.002万元，高收入组农户的人均金融资产高于低收入组农户，人均金融负债却低于低收入组农户。就社会资本而言，有18.100%农户家庭是党员户，农户家庭人情礼支出占比均值为3.140%，低收入组农户家庭均低于高收入组农户。受访户家庭人口规模均值为3.580，低收入组农户略高于高收入组农户;农户家庭劳动力人数均值为2.529，高收入组农户略高于低收入组;男性劳动力人数均值为1.291，低收入组农户略低于高收入组农户;家庭老年抚养比和少儿抚养比均值分别为18.666%和25.519%，低收入组农户均略高于高收入组农户。83.0%受访户户主为男性，低收入组户主男性比例略高于高收入组;农户户主年龄均值为52.275，低收入组略高于高收入组;88.7%受访户户主已婚，低收入组户主已婚比例略高于高收入组;户主风险态度均值为1.352，高收入组户主的风险偏好程度高于低收入组。

2 实证结果与分析

2.1 基准回归

由表3可知，低收入组农户数字技术采用对农户收入水平的影响系数为0.150，在1%统计水平上显著;高收入组农户数字技术采用系数为0.064，在1%统计水平上显著。这表明数字技术采用能显著提升低收入组和高收入组农户的收入水平。比较高低收入组的数字技术采用系数可以发现，低收入组系数大于高收入组，二者之差为0.086。这表明农户数字技术采用对提升低收入组农户的收入水平作用更大，缩小高低收入组间收入差距的作用显著，即数字技术采用具有边际递减效应。

由表2、表3可知，中高收入组和低收入组农户数字技术采用系数为正，低收入组农户数字技术采用的平均水平低于高收入组，二者之差为-0.189。由此可知，数字技术采纳水平不同是造成低收入组和高收入组农户间收入差距的原因，即存在“数字鸿沟”效应。

2.2 稳健性检验

互联网使用、数字金融参与和电商经营是常用的数字技术代理变量，本文分别采用这3个指标作为数字技术代理变量，进一步检验数字技术采用对农户收入的影响。如表4所示，全样本、低收入组和高收入组互联网使用对农户收入水平的影响系数分别为0.288、0.142、0.060，在1%统计水平上显著。这表明互联网使用对于低收入组农户收入水平的提升作用更大，具有缩小农户组间收入差距的作用。全样本、低收入组和高收入组的数字金融参与和电商经营对农户收入水平影响系数分别为0.300、0.175、0.079、0.222、0.401、0.222，均在1%统计水平上显著。并且，低收入组的金融参与和电商经营的系数均高于高收入组，再次验证了基准回归结果的稳健性。

2.3 内生性问题的解决

内生性问题是实证分析中需要特别关注的问题。本文借鉴张栋浩等[25]的做法，以同一村庄其他农户数字技术采用的均值作为工具变量，运用2SLS模型来解决内生性问题。表5结果显示，低收入组和高收入组一阶段工具变量的回归系数为0.199和0.162，在1%统计水平上显著。低收入组和高收入组二阶段数字技术采用的回归系数为1.749和0.632，分别在1%和5%统计水平上显著。这表明数字技术采用显著提升了低收入组和高收入组农户的收入水平。进一步比较低收入组和高收入组数字技术采用的影响系数可知，低收入组的影响系数大于高收入组。这说明数字技术采用对低收入组农户收入水平的提升作用大于高收入组农户，在一定程度上缩小了农户组间收入差距。

3 Oaxaca-Blinder分解结果

表6为高收入与低收入农户组间收入差距的Oaxaca-Blinder分解结果。高低收入组农户收入总差异为1.855，总禀赋效应为0.138，总差异占比为7.44%，总系数效应为1.717，总差异占比为92.56%。这表明总系数效应是造成农户组间收入差距的主要原因。

数字技术采用对农户组间收入差距影响的禀赋效应为0.028，总差异占比为1.51%，并且在1%统计水平上显著。这表明高低收入组农户的数字技术采用水平差距扩大了农户的组间收入差距，验证了“数字鸿沟”的存在。数字技术采用对农户组间收入差距影响的系数效应为-0.076，总差异占比为-4.10%，并且在5%统计水平上显著，这表明高低收入组农户数字技术采用的系数不同缩小了农户的组间收入差距，即存在数字技术的边际递减效应。同时，数字技术采用的禀赋效应与系数效应之和为-0.048，小于0。由此可以推断，数字技术采用对农户组间收入差距影响的总效应为负，即数字技术采用缩小了农户组间收入差距。

此外，人力资本的禀赋效应的总差异占比为3.40%，系数效应的总差异占比为-6.95%，二者之和为-3.55%，这表明人力资本对农户组间收入差距影响的总效应为负，缩小了收入差距。社会资本的禀赋效应的总差异占比为0.70%，系数效应的总差异占比为-1.67%，二者之和为-0.97%。总的来看，社会资本缩小了农户组间收入差距。金融资本的禀赋效应的总差异占比为0.27%，系数效应的总差异占比为2.10%，二者之和为2.37%;物质资本的禀赋效应的总差异占比为-0.32%，系数效应的总差异占比为4.64%，二者之和为4.32%。总体而言，金融资本和物质资本扩大农户组间收入差距。

4 结论与建议

4.1 结论

随着数字技术的广泛应用，数字经济正成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。在农业农村领域，数字经济也实现了长足的发展。可否借助数字经济大潮促进农户收入增长，缩小收入差距是学者们普遍关注的问题。本文使用2019年中国家庭金融调查的数据，以农户为研究对象，分析了数字技术采用对农户组间收入差距的影响。实证结果表明，数字技术采用显著提升了农户的收入水平，并且其对低收入组农户收入的提升作用高于高收入组农户。使用Oaxaca -Bilnder分解法对高低收入组农户的组间收入差距进行分解，结果显示：第一，数字技术采用具有“数字鸿沟”效应并扩大农户组间收入差距，占高低收入农户收入差距的1.51%，约是人力资本禀赋效应的一半;第二，数字技术采用具有边际递减效应并缩小农户组间收入差距，占高低收入农户收入差距的-4.10%，比人力资本的系数效应低2.85%;第三，“数字鸿沟”效应和边际递减效应之和为负。这表明数字技术的总效应为负，数字技术采用缩小了农户组间收入差距。4.2 建议

（1）加大对农村落后地区数字基础设施建设的投资，完善落后地区数字经济基础设施。特别是对中西部地区和山区，要补齐数字基础设施的短板，及时对老旧基础设施进行改造升级，为数字技术在农村地区的广泛使用创造条件。

（2）提升落后地区农户的数字经济素养，提高农民的数字技术利用率。通过建立数字经济知识普及平台，开展针对农村居民特别是低收入农户群体的数字经济知识普及活动及应用技能培训活动，提升其数字经济素养，使他们能够更有效地利用数字技术获取市场信息、优化生产决策，并提高收入。

（3）加大农村地区数字经济人才培育和引进力度，储备充足的人力资本。充分发挥返乡青年特别是大学生的熟悉数字技术的优势，制定和落实返乡创业优惠政策，引导青年自主创业，并带动和指导低收入农户在生产生活中合理、有效参与数字经济，提升低收入农户的数字经济参与率，减弱禀赋效应对农户组间收入差距的负面影响，缩小农户组间收入差距。

参考文献：

[1] 北京雁栖湖应用数学研究院， 数字经济实验室， 中国数字经济指数和中国数字经济白皮书项目课题组. 中国数字经济发展白皮书（2023）[EB/OL]. [2024-12-24]. https：//www.bimsa.net/doc/publication/4230.pdf.

[2] 中国互联网络信息中心. 第54次中国互联网络发展状况统计报告[EB/OL]. （2024-09-09）[2024-12-25]. https：//www.100ec.cn/Public/Upload/file/20240909/1725843463763813.pdf.

[3] 国家统计局. 国家数据[EB/OL]. [2024-12-25]. https：//data.stats.gov.cn/easyquery.htm？cn=C01.

[4] AKER J C， FAFCHAMPS M. Mobile phone coverage and producer markets： evidence from west Africa[J]. The World Bank Economic Review， 2015， 29（2）： 262-292.

[5] 何婧， 李庆海. 数字金融使用与农户创业行为[J]. 中国农村经济， 2019（1）： 112-126.

[6] 秦芳， 王剑程， 胥芹. 数字经济如何促进农户增收？——来自农村电商发展的证据[J]. 经济学（季刊）， 2022， 22（2）： 591-612.

[7] 刘锦怡， 刘纯阳. 数字普惠金融的农村减贫效应： 效果与机制[J]. 财经论丛， 2020（1）： 43-53.

[8] 刘晓倩， 韩青. 农村居民互联网使用对收入的影响及其机理——基于中国家庭追踪调查（CFPS）数据[J]. 农业技术经济， 2018（9）： 123-134.

[9] 刘任， 眭鑫， 王文涛. 互联网使用对农户收入差距影响研究——基于CGSS数据的实证分析[J]. 重庆大学学报（社会科学版）， 2022， 28（6）： 79-95.

[10] 杨少雄， 孔荣. 数字金融市场参与改善农户收入了吗？[J]. 华中农业大学学报（社会科学版）， 2021（5）： 180-190.

[11] 柏培文， 张云. 数字经济、人口红利下降与中低技能劳动者权益[J]. 经济研究， 2021， 56（5）： 91-108.

[12] 赵伟， 彭玉婷. 数字经济发展是否会影响收入不平等？——基于空间面板模型的实证检验[J]. 经济问题探索， 2022（12）： 35-51.

[13] 彭澎， 周力. 中国农村数字金融发展对农户的收入流动性影响研究[J]. 数量经济技术经济研究， 2022， 39（6）： 23-41.

[14] 张勋， 万广华， 张佳佳， 等. 数字经济、普惠金融与包容性增长[J]. 经济研究， 2019， 54（8）： 71-86.

[15] 盛斌， 吴晓雯. 数字经济背景下全球价值链对性别收入分配的影响[J]. 求是学刊， 2022， 49（1）： 42-55.

[16] 张自强. 互联网使用与农户收入不平等[J]. 经济经纬， 2022， 39（3）： 45-54.

[17] 徐莹， 王娟. 数字普惠金融与农户收入差距：加剧还是缓解[J]. 农业技术经济， 2024（3）： 52-62.

[18] 田艳平， 向雪风. 数字经济发展、阶层向上流动与中等收入群体扩容[J]. 南方经济， 2023（4）： 44-62.

[19] OAXACA R. Male-female wage differentials in urban labor markets[J]. International Economic Review， 1973， 14（3）： 693-709.

[20] BLINDER A S. Wage discrimination： reduced form and structural estimates[J]. The Journal of Human Resources， 1973， 8（4）： 436-455.

[21] 甘犁， 冯帅章. 以微观数据库建设助推中国经济学发展——第二届微观经济数据与经济学理论创新论坛综述[J]. 经济研究， 2019， 54（4）： 204-208.

[22] 周晔馨. 社会资本是穷人的资本吗？——基于中国农户收入的经验证据[J]. 管理世界， 2012（7）： 83-95.

[23] 程名望， JIN Y H， 盖庆恩， 等. 农村减贫： 应该更关注教育还是健康？——基于收入增长和差距缩小双重视角的实证[J]. 经济研究， 2014， 49（11）： 130-144.

[24] 程名望， 史清华， JIN Y H， 等. 农户收入差距及其根源： 模型与实证[J]. 管理世界， 2015， 31（7）： 17-28.

[25] 张栋浩， 王栋， 杜在超. 金融普惠、收入阶层与中国家庭消费[J]. 财经科学， 2020（6）： 1-15.

基金项目：天津市哲学社会科学规划项目（TJYJ22-003）;天津市教委科研计划项目（2019SK080）

作者简介：曾霞（1976—），女，内蒙古呼和浩特人，讲师，博士，主要从事经济发展与国际贸易研究。

通讯作者简介：姚万军（1975—），男，内蒙古通辽人，副教授，博士，主要从事三农问题研究。