数字普惠金融与农村劳动力工资性收入——基于收入总量与收入差距视角的实证分析

刘 鑫 韩 青

一、引言

不断提高农民收入,是解决“三农”问题、实现乡村振兴和共同富裕的前提和关键。党的十九届五中全会提出到2035年基本实现社会主义现代化的战略目标,要求进一步提高城乡收入水平、缩小城乡发展差距,进一步扩大内需,形成以国内大循环为主体、国内国际双循环相互促进的新发展格局,这些目标的实现都有赖于农村居民收入的不断增长。(1)胡祎等:《要素市场改革下农户非农就业的增收逻辑》,《农业技术经济》2022年第7期。改革开放以来,伴随着我国城镇化、工业化和农村要素市场化改革的持续推进,进城务工逐渐成为农民最主要的收入来源。(2)林毅夫:《中国的城市发展与农村现代化》,《北京大学学报(哲学社会科学版)》2002年第4期。根据国家统计局公布的数据,我国农民人均工资性收入由2002年的829元提高到2020年的6974元,但增速在2011年之后明显放缓,由2011年的20%下降到2020年的5.9%,农民工资性收入增长遭遇瓶颈。

在影响农村劳动力工资性收入的众多因素中,金融发展能够通过缓解中小微企业融资约束(3)肖龙铎、张兵:《金融可得性、非农就业与农民收入——基于CHFS数据的实证研究》,《经济科学》2017年第2期。,增加低收入群体的工作机会(4)Beck T., Levine R.,and Levkov A., “Big Bad Banks? The Winners and Losers from Bank Deregulation in the United States”, in The Journal of Finance, Vol.65,No.5(2010),pp. 1637-1667.,促进农村劳动力非农就业(5)任碧云、李柳颍:《数字普惠金融是否促进农村包容性增长——基于京津冀2114位农村居民调查数据的研究》,《现代财经(天津财经大学学报)》2019年第4期。,增加其工资性收入。然而,由于我国传统金融体系长期呈现二元特征,大量农村资金通过传统金融流向城镇,中小微企业和低收入人群的金融需求难以得到有效满足,不利于农村劳动力实现非农就业,增加工资性收入。近年来,依托数字技术而产生的数字普惠金融迅速发展,有效弥补了传统金融的不足,大幅提高了金融可得性,逐渐成为普惠金融体系的中坚力量(6)张兵、李娜:《数字普惠金融对农村劳动力非农转移的影响研究——基于CFPS数据的实证分析》,《兰州学刊》2022年第5期。,为进一步推动农村劳动力非农就业,增加工资性收入带来了新机遇。

关于数字普惠金融与农民收入的关系,已有研究主要从宏观和微观两个层面进行了探讨。在宏观层面,已有研究发现数字普惠金融能够弥补传统金融的不足(7)王喆等:《传统金融供给与数字金融发展:补充还是替代?——基于地区制度差异视角》,《经济管理》2021年第5期。,通过促进地区经济增长、提高就业机会与工资水平(8)刘自强、张天:《数字普惠金融对农民收入的影响及其空间溢出效应》,《当代经济研究》2021年第12期。,推动产业结构升级(9)张林:《数字普惠金融、县域产业升级与农民收入增长》,《财经问题研究》2021年第6期。等途径,增加农民各类收入,进而能够缓解贫困,缩小城乡收入差距,促进共同富裕(10)杨林、赵洪波:《数字普惠金融助力农民增收的理论逻辑与现实检验》,《山东社会科学》2022年第4期;刘锦怡等:《数字普惠金融的农村减贫效应:效果与机制》,《财经论丛》2020年第1期;宋科等:《数字普惠金融能缩小县域城乡收入差距吗?——兼论数字普惠金融与传统金融的协同效应》,《中国软科学》2022年第6期;杨芳:《数字普惠金融如何影响城乡共同富裕?》,《西北师大学报(社会科学版)》2023年第6期。;在微观层面,已有研究发现数字普惠金融能够通过促进农村居民创业,增加其经营性收入(11)张勋等:《数字经济、普惠金融与包容性增长》,《经济研究》2019年第8期。;通过增加非农就业机会、缩小数字鸿沟等途径增加农民工资性收入和总收入(12)张勋等:《缩小数字鸿沟:中国特色数字金融发展》,《中国社会科学》2021年第8期。。同时,数字普惠金融还能够有效缩小农村内部收入差距(13)徐莹、王娟:《数字普惠金融与农户收入差距:加剧还是缓解》,《农业技术经济》2022年第12期。,实现包容性增长(14)任碧云、李柳颍:《数字普惠金融是否促进农村包容性增长——基于京津冀2114位农村居民调查数据的研究》,《现代财经(天津财经大学学报)》2019年第4期。。

通过梳理已有文献,我们发现鲜有研究从微观角度系统探讨数字普惠金融对农村劳动力工资性收入及收入差距的影响,已有研究尚未揭示数字普惠金融对农村劳动力工资性收入及收入差距的作用机理。基于此,本研究利用地市级数字普惠金融指数与2011—2017年全国农村固定观察点数据库的37526条匹配数据,研究数字普惠金融对农村劳动力工资性收入及收入差距的影响及作用机制。与已有文献相比,本文的边际贡献如下:第一,从微观层面系统研究了数字普惠金融对农村劳动力工资性收入及收入差距的影响,丰富了数字普惠金融与农民收入关系的研究;第二,建立了数字普惠金融对农村劳动力工资性收入及收入差距影响的理论框架,实证分析了数字普惠金融对农村劳动力工资性收入及收入差距的作用机理,拓展了该领域的研究范畴。

二、影响机制和研究假说

数字普惠金融以大数据、云计算、互联网以及人工智能等新兴信息技术为基础(15)尹碧等:《数字普惠金融促进中国制造业就业规模增长和就业结构优化了吗?》,《湘潭大学学报(哲学社会科学版)》2022年第5期。,颠覆了传统金融机构物理网点的限制,以较好的地理穿透性为实现金融服务广域覆盖提供了可能(16)唐松等:《数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异》,《管理世界》2020年第5期。,并因低门槛、低成本、个性化、共享等优势得到快速发展,因而能够有效弥补传统金融服务的不足(17)李继尊:《关于互联网金融的思考》,《管理世界》2015年第7期。,提高“长尾群体”正规金融的可得性。而且,数字普惠金融通过大数据、云计算等获取和分析海量非传统信息,能够精准把控业务风险,有效解决了因信息不对称造成的信贷供给不足问题,拓展了交易边界(18)谢平等:《互联网金融的基础理论》,《金融研究》2015年第8期。,提高了金融资源配置效率。数字普惠金融主要通过以下几个方面提高农村劳动力工资性收入:

第一,数字普惠金融的发展能够改善创业营商环境,拓展创业空间(19)翟仁祥、宣昌勇:《数字普惠金融提高了城市创业活跃度吗》,《现代经济探讨》2022年第5期。,提升区域创业活跃度,创造了大量非农就业机会,促进农民工返乡创业(20)李晓园、刘雨濛:《数字普惠金融如何促进农村创业?》,《经济管理》2021年第12期。,从而有助于促进农村劳动力非农就业,增加工资性收入。第二,数字普惠金融通过缓解中小微企业的融资约束、提供支付便利、降低交易成本,从而提高中小微企业的经营稳定性和经营绩效,有助于提高农村劳动力工资率和就业稳定性,增加农村劳动力工资性收入。第三,数字普惠金融有助于优化农村金融环境,吸引社会资本到农村投资、创业,促进农业产业规模的扩大,推动农村一二三产业融合,从而有助于增加农村劳动力非农就业机会和工资性收入(21)杨林、赵洪波:《数字普惠金融助力农民增收的理论逻辑与现实检验》,《山东社会科学》2022年第4期。。第四,数字普惠金融平台作为一种互联网信息传播载体,能够加快信息传播速度,提高农村劳动力间的信息互动水平,缓解农村劳动力信息约束(22)周月书、苗哲瑜:《数字普惠金融对农户生产经营投资的影响》,《中国农村观察》2023年第1期。,帮助其获取更多的非农就业信息,从而有助于促进农村劳动力参与非农就业,提高非农就业质量,增加工资性收入。据此,本文提出如下假说:

假说1:数字普惠金融能够显著提高农村劳动力工资性收入。

数字普惠金融在提高农村劳动力工资性收入的同时,还有助于缩小农村劳动力工资性收入差距。一方面,数字普惠金融通过为区域中小微企业的设立和发展提供金融支持,提高了女性、低教育程度等就业弱势群体的非农就业参与程度和稳定性(23)方观富、许嘉怡:《数字普惠金融促进居民就业吗——来自中国家庭跟踪调查的证据》,《金融经济学研究》2020年第2期。,缩小了本地非农就业劳动力与外出务工劳动力间的工资率差距。另一方面,数字普惠金融通过缓解弱势农户家庭的信息约束和流动性约束,拓展就业信息渠道,增加家庭劳动力接受教育或参加培训的机会,提升人力资本(24)吴本健等:《数字普惠金融发展能否缓解农村多维相对贫困》,《华南师范大学学报(社会科学版)》2022年第3期。,能够增强低物质资本和低社会资本农户家庭劳动力在劳动力市场中的竞争力,提高就业匹配度和就业质量,从而缩小与其他农村劳动力间的工资率差距和工资性收入差距。

此外,互联网使用能够增强数字普惠金融对缩小农村劳动力间工资性收入差距的作用效果。一方面,互联网使用能够提升农村劳动力接受非正规教育的便利性,降低学习成本,帮助低文化水平劳动力提升人力资本和就业能力(25)潘明明等:《互联网使用促进农村妇女非农就业了吗——基于苏、皖、豫、鄂四省调研数据的实证研究》,《农业技术经济》2021年第8期。,增加其工资性收入,缩小与其他农村劳动力间的工资性收入差距。另一方面,互联网使用能够提高农村劳动力社交便捷性与信息获取便利性,扩展社会资本,拓宽就业信息渠道,降低工作搜寻过程中的信息成本,削弱求职过程中的时空限制,更好地完成人职匹配(26)张卫东等:《互联网技能、信息优势与农民工非农就业》,《财经科学》2021年第1期。,从而有助于帮助低社会资本家庭劳动力提高非农就业匹配度和非农就业质量,缩小与其他农村劳动力间的工资性收入差距。据此,本文提出如下假说:

假说2:数字普惠金融能够显著缩小农村劳动力工资性收入差距。

假说3:数字普惠金融能够通过缩小工资率差距,进而缩小农村劳动力工资性收入差距。

假说4:互联网使用能够增强数字普惠金融缩小农村劳动力工资性收入差距的作用效果。

三、研究设计

(一)数据来源

本文所用数据包括农村家庭微观数据、数字普惠金融数据和相应年份宏观层面城市经济状况数据。其中,农村家庭微观数据部分来自2011—2017年全国农村固定观察点数据,数字普惠金融数据来自北京大学数字普惠金融指数中2011—2017年地市级数字普惠金融指数及其覆盖广度、使用深度、数字化程度,城市经济状况数据来自相应年份的城市统计年鉴。在剔除无效数据后,最终得到37526个有效样本。

(二) 指标选取

1.被解释变量:工资性收入。用农村劳动力上年工资性收入取自然对数表示。

2.核心解释变量:数字普惠金融。本文使用北京大学数字金融研究中心发布的数字普惠金融指数作为代理变量,为了增加样本容量,提高实证估计结果的准确性,采用地市级数字普惠金融指数进行匹配回归。除了总指数外,本文还以一级子指标覆盖广度、使用深度和数字化程度分别作为解释变量,进一步研究数字普惠金融各个维度对农村劳动力工资性收入及收入差距的影响。为了方便实证分析,数字普惠金融得分及其各维度的得分均采用其原始指标除以100进行衡量。

3.机制变量。(1)非农就业稳定性:依据农村劳动力非农就业性质,将打零工农村劳动力的非农就业稳定性赋值为0,将受雇于稳定工作农村劳动力的非农就业稳定性赋值为1。(2)工资率:依据农村劳动力全年非农工作总天数和工资性收入计算的平均每日工资性收入。(3)非农劳动时间:以农村劳动力全年非农劳动总天数取自然对数作为农村劳动力非农劳动时间的代理变量。(4)工资率差距:根据相关研究,选用农村劳动力每日工资性收入的基尼系数衡量农村劳动力的工资率差距。(5)互联网使用:宽带网络是农村居民连接互联网的主要信号源,使用宽带网络上网能够有效提高农村居民的互联网使用深度。因此,本文选择以农户家庭是否接入互联网来反映家庭互联网使用情况。

4.控制变量。为尽量保证实证结果的准确性和可靠性,本文还从个人层面、家庭层面、村庄层面和地区层面选取了相关控制变量。其中,个人层面控制变量包括性别、文化程度;家庭层面控制变量包括家庭规模、家庭劳动力比例、是不是党员户、是不是干部户、土地规模、自有农机价值、社会资本;村庄层面控制变量包括村庄是否位于城市郊区和村庄所在县的经济发达程度;地区层面控制变量包括区域产业结构和财政支出比例。变量的具体定义和描述性统计如表1所示。

表1 变量定义与描述性统计

(三) 模型构建

1.数字普惠金融对农村劳动力工资性收入的影响。鉴于本文所选择的农村劳动力工资性收入均为大于0的连续变量,因此,采用OLS模型实证分析数字普惠金融对农村劳动力工资性收入的影响,基准模型设定为:

lnyi=α+βiFini+∑λiXi+ε

(1)

其中,lny表示农村劳动力工资性收入的自然对数形式,Fin为数字普惠金融,X为控制变量,ε为随机扰动项。

2. 数字普惠金融对农村劳动力工资性收入差距的影响。本文采用再中心化影响函数(RIF)回归模型,探讨数字普惠金融对农村劳动力工资性收入差距的影响。不同于一般的回归方法,RIF回归中的被解释变量可以是传统意义上的收入水平,也可以是基于影响函数获得的分位数以及方差、基尼系数等收入差距统计量,能够建立起收入差距指数与其影响因素间的直接联系,从而可以从分布的角度直接考察数字普惠金融对农村劳动力工资性收入差距的边际影响。相较于OLS回归模型,RIF回归还能有效弱化因遗漏变量等引起的内生性问题,从而得到更稳健可靠的估计结果。与既有文献通常做法类似,本文使用基尼系数度量农村劳动力工资性收入差距,其再中心化影响函数可以表示为:

RIF(y;vGini)=1+2μ-2R(FY)y-2μ-1{y[1-p(y)]+GL[p(y);FY]}

(2)

其中,vGini为工资性收入分布FY所对应的基尼系数,μ为总体收入的均值,GL为广义洛伦兹曲线,R为广义洛伦兹曲线在[0,1]上的积分,p为工资性收入分布,FY为对应的不高于收入水平y的累计人口比例。

结合式(2),为了检验数字普惠金融对农村劳动力工资性收入差距的影响,在RIF回归模型框架下建立如下回归模型:

Gini(y)i=α+βiFini+∑λiXi+ε

(3)

其中,Gini(y)为农村劳动力工资性收入的基尼系数,用于衡量农村劳动力工资性收入差距。

四、实证分析

(一)数字普惠金融对农村劳动力工资性收入的影响

表2中列(1)—列(4)分别为数字普惠金融及其覆盖广度、使用深度和数字化程度对农村劳动力工资性收入的回归结果。从中可以看出,数字普惠金融总指数、覆盖广度、使用深度和数字化程度均在1%的显著性水平下对农村劳动力工资性收入有显著的正向影响,即数字普惠金融有助于提高农村劳动力工资性收入,验证了本文的假说1。

表2 数字普惠金融对农村劳动力工资性收入的影响

注:***、**和*分别表示1%、5%和10%的显著性水平;括号中为稳健标准误。下表同。

(二)数字普惠金融对农村劳动力工资性收入差距的影响

本文运用RIF回归模型对数字普惠金融对农村劳动力工资性收入差距的影响做进一步讨论,回归结果如表3所示。表3中列(1)—列(4)分别为数字普惠金融及其覆盖广度、使用深度和数字化程度对农村劳动力工资性收入基尼系数的回归结果。从中可以看出,数字普惠金融及其覆盖广度、使用深度和数字化程度均在1%的显著性水平下对农村劳动力工资性收入基尼系数有显著的负向影响,即数字普惠金融有助于缩小农村劳动力工资性收入差距,验证了本文的假说2。

表3 数字普惠金融对农村劳动力工资性收入差距的影响

(三)内生性讨论

数字普惠金融与农村劳动力工资性收入及工资性收入差距之间可能存在内生性问题,为此,本文以地区互联网覆盖率作为工具变量,运用2SLS对模型进行重新估计,回归结果如表4所示。结果表明,在解决了内生性问题后,数字普惠金融原值取自然对数后仍然在1%的显著性水平下对农村劳动力工资性收入有显著的正向影响,而对农村劳动力工资性收入差距有显著的负向影响,证实了本文研究结论的稳健性。

表4 内生性讨论回归结果

(四)稳健性检验

为了保证实证结果的可靠性,本文采用如下两种方法进行稳健性检验:(1)替换核心解释变量。重新量化数字普惠金融,以数字普惠金融的自然对数作为核心解释变量,研究数字普惠金融对农村劳动力工资性收入及工资性收入差距的影响。(2)使用追踪数据回归。通过重新整理数据,使用样本中的追踪调查数据重新估计普惠金融对农村劳动力工资性收入及工资性收入差距的影响。为了保证回归结果的科学性和一致性,此部分仍然采用OLS模型进行回归,回归结果如表5所示。从结果可以看出,上述稳健性检验结果与前文基准估计结果基本一致,说明本文的研究结论是稳健的。

表5 稳健性检验回归结果

五、机制检验

(一)数字普惠金融对农村劳动力工资性收入的影响机制

本文从农村劳动力非农就业稳定性、工资率和非农劳动时间三个方面,采用OLS模型进一步探讨数字普惠金融提高农村劳动力工资性收入的原因。表6的回归结果显示,数字普惠金融在1%的显著性水平下对农村劳动力非农就业稳定性、工资率和非农劳动时间有显著的正向影响,由此可以认为,数字普惠金融通过提高农村劳动力非农就业稳定性、工资率以及增加非农劳动时间进而提高其工资性收入。

表6 数字普惠金融对农村劳动力工资性收入的影响机制分析

(二)数字普惠金融对农村劳动力工资性收入差距的影响机制

为验证数字普惠金融能否通过缩小农村劳动力工资率差距进而缩小农村劳动力间的工资性收入差距,本文将农村劳动力工资率基尼系数作为中介变量,以RIF回归方法为基础,利用中介效应模型进行检验,具体回归结果如表7所示。表7列(1)—列(3)分别为数字普惠金融对农村劳动力工资性收入基尼系数、工资率基尼系数的影响,以及控制工资率基尼系数后,数字普惠金融对农村劳动力工资性收入基尼系数的影响。从回归结果可以看出,数字普惠金融在1%的显著性水平下对农村劳动力工资性收入基尼系数、工资率基尼系数均有显著的负向影响,在控制工资率基尼系数后,数字普惠金融依然在1%的显著性水平下农村劳动力工资性收入基尼系数有显著的负向影响,并且回归系数的绝对值变小,说明工资率基尼系数在数字普惠金融对农村劳动力工资性收入基尼系数的影响中发挥了部分中介效应,即数字普惠金融能够通过缩小工资率差距进而缩小农村劳动力工资性收入差距,验证了本文的假说3。

表7 工资率差距作用机制检验

依据前文理论分析,为了验证互联网使用能否增强数字普惠金融对降低农村劳动力工资性收入差距的作用效果,本文根据农户家庭是否接入互联网对数据加以划分,以子样本回归的方式进行检验(27)限于篇幅,检验结果未列出,留存备索。。回归结果显示,虽然数字普惠金融在1%的显著性水平下降低了两组样本农村劳动力工资性收入差距,但对接入互联网的家庭作用效果更大,可以说互联网使用能增强数字普惠金融对缩小农村劳动力工资性收入差距的作用效果,验证了本文的假说4。

六、异质性分析

本部分将从区域和劳动力个人特征两个维度讨论数字普惠金融对农村劳动力工资性收入及工资性收入差距的异质性影响。

(一)区域异质性

本文以样本所属省份的经济发展水平为依据将全样本划分为东部地区、中部地区和西部地区三大区域,数字普惠金融对农村劳动力工资性收入及工资性收入差距区域异质性回归结果如表8所示。从结果可以看出,数字普惠金融对东、中、西三大区域的农村劳动力工资性收入均在1%的显著性水平下有显著的正向影响,对农村劳动力工资性收入差距均在1%的显著性水平下有显著的负向影响,并且对西部地区的作用效果最大,东部次之,中部最小。可能的原因是,中部是我国粮食主产区,农户主要以农业经营为主,因而数字普惠金融对中部地区农村劳动力非农就业和工资性收入的促进作用相对较小;与东部地区相比,西部地区经济发展基础较差,存在更多的“长尾群体”,这类“长尾群体”是数字普惠金融的主要服务对象,数字普惠金融的包容性特征能够缓解金融排斥(28)任太增、殷志高:《数字普惠金融与中国经济的包容性增长:理论分析和经验证据》,《管理学刊》2022年第1期。,提高“长尾群体”正规金融的可得性,因而数字普惠金融对于提高西部地区农村劳动力工资性收入、缩小工资性收入差距的作用更明显。

表8 区域异质性回归结果

(二)劳动力个人特征异质性

在劳动力个人特征异质性上,本文选择从劳动力性别和文化程度两个方面进行讨论。从表9回归结果可以看出,在劳动力性别层面,数字普惠金融在1%的显著性水平下对女性劳动力和男性劳动力工资性收入均有显著的正向影响,对两组农村劳动力工资性收入差距也均在1%的显著性水平下有显著的负向影响,但对女性劳动力的作用更为明显。可能的解释为,由于农村家庭的内部分工构成,女性劳动力常常因照料家庭无法进行远距离的非农转移,多是在周边打零工,非农就业参与率和工资性收入相对较低。数字普惠金融通过促进农民工返乡创业和区域中小微企业的发展,能够有效增加女性劳动力的非农就业参与率。因而,数字普惠金融对女性劳动力的工资性收入增长促进作用更大,并有助于缩小其与男性农村劳动力工资性收入差距。

表9 劳动力性别异质性回归结果

在劳动力文化程度层面,如表10的回归结果所示,数字普惠金融在1%的显著性水平下对不同受教育水平农村劳动力的工资性收入有显著的正向影响,同时对不同受教育水平农村劳动力工资性收入差距也均在1%的显著性水平下有显著的负向影响,并且这种影响随农村劳动力文化水平的提高而得到增强。可能的解释为,虽然数字普惠金融的包容性特征更有助于农村低文化水平劳动力参与非农就业,但文化水平越高的劳动力的数字素养和使用数字普惠金融服务和产品的能力更强,也相对拥有更高的非农就业质量和稳定性,能够为企业创造更多的价值,获得更多的劳动报酬。因此,高文化水平的农村劳动力能从数字普惠金融的发展中获得更多的工资性收入红利。

表10 劳动力文化程度异质性回归结果

七、研究结论和政策建议

本文利用地市级数字普惠金融指数与2011—2017年全国农村固定观察点数据库的37526条匹配数据,运用OLS模型、2SLS模型、RIF回归模型和中介效应模型,实证分析了数字普惠金融对农村劳动力工资性收入及工资性收入差距的影响,研究结论如下:第一,数字普惠金融及其覆盖广度、使用深度和数字化程度均能够显著提高农村劳动力工资性收入,缩小农村劳动力间的工资性收入差距。第二,机制检验发现,数字普惠金融能够通过提高农村劳动力非农就业稳定性、工资率以及增加非农劳动时间,进而提高农村劳动力工资性收入;数字普惠金融能够通过缩小农村劳动力间的工资率差距进而缩小工资性收入差距;家庭互联网使用能够增强数字普惠金融对缩小农村劳动力工资性收入差距的作用效果。第三,异质性分析显示,无论是基于增加工资性收入的角度,还是缩小工资性收入差距的角度,数字普惠金融对西部地区、女性和高学历农村劳动力的影响更大。

上述结论对于进一步发展数字普惠金融,增加农村劳动力工资性收入,缩小工资性收入差距具有重要的政策启示。第一,数字普惠金融的发展依托于数字信息技术,应加强数字基础设施建设,提高农村地区互联网覆盖率,改善网络环境。通过促进区域间信息、资源和技术共享推动数字普惠金融均衡协调发展,利用数字金融资源的空间溢出效应带动落后地区数字普惠金融发展。第二,借助数字普惠金融平台大力发展农村电子商务,提升农业数字化程度,提高农业产业规模,推动农村一二三产业融合,带动农村劳动力非农就业,增加工资性收入。第三,加强对农村各类经济主体金融知识和互联网信息技术的宣传和培训,使具有创业意向的农村居民能够正确使用数字普惠金融缓解资金和信息约束,成功创业并带动周边农村劳动力参与非农就业,尤其是带动非农就业参与度较低的农村弱势劳动力参与非农就业,增加工资性收入,缩小工资性收入差距。第四,不断创新数字金融产品,提高数字普惠金融对新型农业经营主体的支持力度,在提高农业生产效益的同时,增加农业生产性服务供给,进一步释放农村劳动力,提高农村劳动力的非农就业参与度。第五,在加大农村教育投入,加强对农村弱势劳动力进行工作技能培训的同时,加大对乡镇经济和村集体经济的扶持力度,使无法进行远距离非农转移的农村弱势劳动力能够就近参与非农就业,增加其工资性收入,缩小工资性收入差距。