数字经济、空间溢出与农民收入增长

邓晓军，吴淑嘉，邹 静

(1.浙江财经大学经济学院，浙江 杭州 310018；2.浙江省新型重点专业智库杭州国际城市学研究中心，浙江 杭州 311121；3.浙江财经大学金融学院，浙江 杭州 310018)

一、引 言

近年来，我国大力实施乡村振兴战略。党的二十大报告指出，“全面建设社会主义现代化国家，最艰巨最繁重的任务仍然在农村。”如今，我国已进入“后扶贫时代”，农民问题作为“三农”问题的核心，助力农民增收是巩固脱贫攻坚成果、有效落实乡村振兴战略、加快实现共同富裕的必然要求。然而，农村仍面临农民收入增速放缓[1]、农民增收的传统动能乏力[2]、农村内部收入差距不断扩大等问题。与传统经济相比，数字经济在提升信息传输速度、降低数据交易成本、推动新兴产业发展等方面具有独特优势。作为经济转型升级的新动力，数字经济为畅通城乡要素流动、拓宽农户增收致富渠道及增强农村地区内生发展动力提供新的路径。

目前，关于数字经济影响社会经济发展的研究主要集中于劳动力市场[3]、区域创新[4]、产业结构优化和高质量发展等方面[5][6]。在加快发展农村经济、增加农民收入的迫切需求下，既有文献从不同视角探讨了数字经济的增收、减贫效应。理论上讲，农村数字技术发展带来的协同效应、匹配效应和正外部效应及乡村数字基础设施接入产生的渗透效应[7]，通过提高生产要素的配置效率优化了农业生产过程，带动了农村居民收入增长[8]。然而，现有研究对二者关联性的结论并不一致，多数文献均肯定数字经济发展促进农民增收、减贫方面的积极作用。齐文浩等(2021)发现数字乡村通过普惠金融、互联网、电商平台等形式带动农村全方位发展，有效增加了农民收入[9]。秦芳等(2022)认为数字经济通过增加创业机会、提高非农就业水平及增加土地流转来促进农户增收[10]。不过，也有文献认为数字经济对增收、减贫的影响甚微。胡联等(2021)从数字金融的视角研究发现，由于低收入家庭缺乏数字工具可得性，无法使数字金融有效推动收入增长，数字普惠金融对低收入群体的减贫、增收作用不明显[11]。可见，在宏观区域层面，学者们并未就农村居民能否共享“数字红利”达成一致。

此外，鲜有文献从空间溢出效应的角度研究数字化发展凭借其低扩散成本、高扩散速度等特点[5]，通过搭建“物理世界”和“数字世界”孪生的虚拟空间拉近不相邻地区空间交流的距离[7]。从方法上看，现有研究大多采用传统的计量模型进行分析，较少选择空间计量模型探讨数字经济促进农民增收的空间溢出效应。基于此，本文从城市层面以更细微的空间尺度对数字经济影响农民增收的直接和间接作用机制及其空间溢出效应展开理论分析，通过测度各城市数字经济的发展水平实证研究数字经济对农民增收的影响，主要的边际贡献在于：第一，借鉴现有成果，构建城市层面的数字经济测度指标体系，探讨数字经济如何通过影响创业活跃度来助推农民增收，从一个新的研究视角丰富数字经济影响农民增收的路径机制；第二，从空间相关性和异质性的角度切入，建立多种空间权重矩阵，运用空间杜宾模型研究数字经济对农民增收的空间溢出效应，为数字经济助推区域农民增收、缩小地区间收入差距提供经验依据。

二、理论基础与研究假设

(一)数字经济对农民增收的直接影响

作为信息经济和互联网经济的延伸，数字经济依托其先天优势和特征，使数字红利不断渗透到农村地区，促进农民增收的直接传导机制主要包括以下三方面。

第一，数字化技术在农村的普及极大提高了农业生产效率，从而带动农民收入增长。互联网的普及和电商平台的兴起大大降低了农户的搜寻、匹配和信任成本，使农村居民能及时准确地获取农产品信息及相关的农业政策，改变农户作为“价格接受者”的被动地位，增强其在要素和产品市场的议价能力[2]。ICT技术的应用也有助于农业发展模式的创新，促使农民合理分配生产要素，在降低农业生产成本的同时释放农业生产力。第二，数字经济发展推动就业结构不断调整优化，增加了非农就业机会。数字经济在客观上为新产业、新业态、新模式的茁壮成长培育了丰沃土壤，创造大量就业机会[12]，并实现不同技能劳动力的有效分工，促使就业结构不断调整[13]。一方面，网络化交易使“零工经济”日渐兴起，服务业相关产业链进一步延伸，由此带来的“涓滴效应”推动低技能的农村剩余劳动力向低技能偏向的数字化非农行业流动；另一方面，大数据、工业物联网的应用有利于服务业和制造业等部门产业结构的优化升级，知识技能密集型岗位的增加使农村高技能劳动力向高技能偏向的非农就业岗位转移。第三，数字经济优化资源配置并打破劳动力市场信息壁垒[14]，提高了社会生产效率。数字化技术的应用大大缩短信息接入鸿沟，不仅增强农民自身的教育程度、知识技能等综合就业能力，而且大幅降低农户在劳动力市场的搜寻成本，扩展了就业选择，劳动要素的配置效率得到极大改善，使农民真正享受到“信息红利”带来的增收效应。基于此，本文提出研究假设H1：数字经济对农民增收存在显著的直接正向影响。

(二)数字经济对农民增收的间接影响

作为以数字技术为基础的新经济形态，数字经济发展通过提高交易效率[15]、增强示范效应[16]、缓解融资约束等拓宽创业活动的发展路径[17]，进而提升创业活跃度。首先，数字经济的发展加快了信息交互和思想传播，便捷的信息交流平台使创业者能更有效地获取生产需求和价格信息，坚实的后台支持为最终产品的匹配和交易提供了最优路径。其次，数字技术的应用使众多新模式、新业态大量涌现，为创业活动提供了更多机会，受他人成功创业示范效应的激励，许多人的创业劲头被激发。最后，数字金融凭借其服务覆盖范围广和触达能力强等优势，打破创业活动的金融和地理限制，大大缓解借贷约束，有利于增进农村居民创业机会均等化。在数字经济时代，农村居民创业行为的增加将帮助更多农民实现就业，是提高农村居民收入的重要推动力。由上述分析，本文提出研究假设H2：数字经济通过提升创业活跃度来促进农民增收。

(三)数字经济对农民增收的空间溢出效应

数字要素在跨时空、高扩散速度且极低成本的复制和搬运的特征下拥有天然的流动属性，受物理空间的约束较小，因而表现显著的空间溢出效应。同时，数字经济基于其互联互通、共享的特性，打破区域间地理距离的限制，使各区域间的经济活动更为密切，进而产生空间外溢效应。由此可知，数字经济可能对周边地区的农民增收效应产生直接或间接的影响。一方面，数字经济和数字技术的迅猛发展使企业交流技术知识的频率上升，中心城市的尖端信息技术也在更大范围内向外围城市溢出，迫使外围城市的乡镇中小企业不断提高劳动生产率[18]，有助于周边地区农民工资性收入的增长。另一方面，由于发达地区拥有更丰富的信息技术及更健全的数字基础设施等数字资源，将吸引更多的劳动力。同时，数字经济通过助力中小微企业的发展极大地丰富了劳动者的就业形式，新增大量就业岗位，使邻近地区的农民向本地区流动[19]，从而提升邻近地区农民的收入并产生“溢出效应”[20]。通过上述分析，本文提出研究假设H3：数字经济对农民增收具有空间溢出效应。

三、模型设定与指标选择

(一)模型设定

1.基准模型。为考察数字经济对农民增收的作用，本文构建如下的面板固定效应模型来验证假说H1：

lnIncrit=α+β1Digit+βiZit+μi+εit

(1)

其中，lnIncrit表示i城市t年的农民增收，Digit为i城市t年的数字经济，Zit为一系列控制变量，μi表示各城市的个体固定效应，εit表示随机误差项，α表示模型截距项，β1和βi分别表示数字经济和控制变量的系数。

2.中介效应模型。为进一步探讨数字经济对农民增收可能存在的间接作用机制，基于前文分析，本文选择创业活跃度作为中介因素，参照温忠麟和叶宝娟(2014)的做法[21]，构建以下的中介效应模型来验证假说H2：

Entrit=ω0+ω1Digit+ωiZit+μi+εit

(2)

lnIncrit=η0+η1Digit+η2Entrit+ηiZit+μi+εit

(3)

其中，中介变量Entr表示创业活跃度，其他变量的含义与(1)式相同。若回归系数ω1、η1和η2显著为正，则证明创业活跃度在数字经济对农民增收的影响过程中存在中介效应。

3.空间计量模型。为既考察农民增收受本地区数字经济的影响程度，又探究周边地区数字经济对本地区农民增收的影响，本文构建如下的空间杜宾模型探讨数字经济对农民增收的空间溢出效应，以验证假说H3：

lnIncrit=α+ρWlnIncrit+β1Digit+θ1WDigit+βiZit+θiWiZit+μi+εit

(4)

其中，W为空间权重矩阵。参照已有研究，为提高空间分析结果的稳健性，本文使用空间邻接矩阵(Queen邻接矩阵)、经济距离矩阵两种空间权重矩阵。ρ为空间自回归系数，θ1和θi分别表示数字经济和控制变量的空间溢出效应系数，其他变量的含义与(1)式相同。由于空间杜宾模型中的回归系数不能直接显示邻近地区之间存在的大量交互信息，因此将其影响分解为：(1)直接效应，即本地区数字经济对本地区农民增收的平均影响；(2)空间溢出效应，即邻近地区数字经济对本地区农民增收的平均影响；(3)总效应，即直接效应与间接效应之和。

(二)指标选取

1.解释变量：数字经济(Dig)。随着数字经济的快速发展，目前对数字经济的具体测度已有较多研究从省级层面展开，但仍未形成权威、统一的测度体系。鉴于城市层面指标数据的可得性，对于城市层面数字经济的测度，本文借鉴赵涛等(2020)的研究[6]，综合考量数字经济发展的基础设施建设、数字产出发展水平、数字人才需求及数字金融普惠状况，建立包括2个二级指标(互联网发展水平和数字金融水平)和5个三级指标的城市数字经济指标评价体系(见表1所示)。为综合考虑该体系的各个维度，本文采用熵值法对标准化处理后的数据进行计算，最终得到全国各城市的数字经济指数。

表1 城市数字经济指标评价体系

2.被解释变量：农民增收(lnIncr)。国家统计局自2013年后使用“农村居民人均可支配收入”代替“农村居民人均纯收入”来计算农民收入，为确保数据统计口径的一致性，本文的样本期确定为2013—2019年，并以农村人均可支配收入对数化来衡量农民增收情况。为消除价格因素的影响，相应省份各年度CPI指数折算成以2013年为基期的实际值。

3.中介变量：创业活跃度(Entr)。参考叶文平等(2018)的研究，本文采用人口法得到城市层面私营企业新建数目后再将城市人口作为标准化基数，以城市每百人中新创企业数来测度创业活跃度[22]。

4.控制变量。为全面分析数字经济对农民增收的影响机制，避免遗漏变量存在偏误的问题，本文选取以下的控制变量：(1)经济发展水平(lnPgdp)，为消除价格因素的影响，以2013年为基期，根据各省份的平减指数调整人均GDP数据并依此来衡量；(2)金融发展水平(Loan)，以年末金融机构各项贷款余额占GDP的比重表示；(3)科教投入(Sc)，采用科技教育投入占GDP的比值来度量；(4)基础设施水平(Inf)，以人均城市道路面积表示。

(三)数据来源和描述性统计

本文选用2013—2019年283个城市的面板数据、共计1981个观测值。新创企业数据来自天眼查数据库，数字普惠金融指数来源于北京大学互联网金融研究中心公布的资料，其他数据来自《中国城市统计年鉴》《中国统计年鉴》及部分城市的统计年报(如表2所示)。由于下文的空间效应检验需确保面板数据无缺失值，因此对缺失值和异常值进行平衡面板数据处理，采用线性插值法补齐。

表2 变量的描述性统计结果(N=1981)

四、实证检验

(一)基准回归结果

首先，根据Hausman检验结果，本文拒绝随机效应的原假设，最终选择个体固定效应模型进行实证回归，并采用逐步添加控制变量的方式检验基准估计结果(如表3所示)。(1)列为未加入任何控制变量时数字经济影响农民增收的线性估计结果，(2)—(5)列为分别加入经济发展水平(lnPgdp)、金融发展水平(Loan)、科教投入(Sc)、基础设施水平(Inf)后的回归结果。从基准回归结果来看，在逐步加入各控制变量后，数字经济的系数均在1%的水平上显著为正并逐渐下降，说明遗漏解释变量得到有效控制，模型的拟合优度也稳步提升。

表3 基准回归结果(N=1981)

由(5)列的结果可知，数字经济对农民增收的影响在1%的水平上显著为正，即数字经济具有一定的农民增收效应，从而验证了H1。各控制变量亦在不同程度上影响农民增收。其中，经济发展水平的回归系数为0.42且在1%的水平上显著，表明经济发展水平越高的地区，其农民就业的机会越多，有利于促进农民收入的增长；金融发展水平的系数同样显著为正，说明城市金融业的发展通过向农民提供资金支持、加大信贷支农力度提高了农业生产率；科教投入的回归系数为负且在1%的水平上显著，可能是因为科教投入的增多将提高农民的受教育水平，拥有高学历的农民受发达城市高收入产业的吸引而离开收入回报相对较低的农村，随后转变成为城市居民，但受教育水平较低的农民则留守在农村，从而对农民增收产生负效应[23]；基础设施水平与农民增收存在正相关关系且在1%的水平上显著，说明便利的基础设施能降低农民外出打工的成本，吸引农村劳动力参与非农就业，对农民增收具有重要意义。

(二)内在机制检验

由上文可知，数字经济促进了农民增收。基于前文的理论分析，本文选用中介效应模型对数字经济通过提升创业活跃度作用于农民增收的关系进行实证检验(见表4所示)。(2)、(3)列是以创业活跃度为中介变量的估计结果。(2)列的结果显示，数字经济对创业活跃度的影响系数为正且在1%的水平上显著，说明数字经济对创业活跃度具有显著的正向推动作用。(3)列的结果显示，数字经济对农民增收的影响系数为1.44且在1%的水平上显著，表明具有部分中介效应。该影响系数相比(1)列的直接回归系数1.881有所下降，说明数字经济可通过正向影响创业活跃度来间接推动农民增收。这一实证结果支持H2，说明创业活跃度是数字经济影响农民增收的重要渠道。

表4 中介机制检验结果(N=1981)

(三)异质性检验

1.区域异质性。上述回归分析均是从全国层面展开。然而，不同地区经济发展现状、数字经济基础设施水平都存在一定的差异，因此本文进一步探究数字经济与农民增收之间关系存在的区域异质性特征。首先，将283个样本城市划分为东部、中部、西部和东北4个区域，研究数字经济对农民增收的区域异质性影响(见表5所示)。结果显示，东部、中部、西部和东北4个区域的回归系数均在1%的水平上显著为正，系数值分别为1.304、2.007、2.593和2.386，表明东部地区数字经济对农民增收的促进效应弱于其他3个区域，西部地区的促进作用最大。可能的原因是：东部地区数字经济发展起步较早、水平较高(相对于其他地区)，具有一定的数字基础设施建设“先天优势”，但受边际效应递减规律的影响，其“数字红利”释放效应的上升空间受限。同时，东部地区的农民收入显著高于其他区域，导致数字经济对农民收入的边际贡献相对变小。

表5 区域异质性检验结果(Ⅰ)

作为经济活动开展的核心区域，城市群已成为一个地区独特的身份属性[24]。这里，进一步从是否为城市群所属城市视角展开分析并将所有城市划分为城市群、非城市群两个子样本。表6的(1)和(2)列的分样本回归结果显示，不管在城市群内部还是在非城市群地区，数字经济均显著促进农民增收，其系数分别为1.648和2.421，说明相比于城市群内部，数字经济对非城市群地区的农民增收具有更强的促进作用。作为国家发展战略重要实施区，城市群得到较多的政策倾斜和优势资源投入，其便利的基础设施及多样的就业机会吸引了众多高质量的农村人力资本而导致农村人才外流[23]，在一定程度上抑制数字经济对农民增收的驱动作用。同时，作为相对弱势的非城市群地区，其数字化建设通过推动实体经济发展、降低准入门槛来满足农民的生产和生活需求，促进农民增收，数字经济的赋能效应和普惠功能也得以显现。

表6 区域异质性检验结果(Ⅱ)

2.时间异质性。2015年7月，国务院印发的《关于积极推进“互联网+”行动的指导意见》突出强调互联网对实现经济提质增效升级的重要意义，数字经济也由此上升到国家战略并从2016年开始呈高速发展之势。据此，将样本期划分为2013—2015和2016—2019年。从表6的(3)和(4)列可看出，2013—2015年数字经济对农民增收的估计系数明显小于2016—2019年。2015年之前，数字经济还处于发展的起步阶段，信息化技术条件相对不足，数字基础设施发挥的渗透作用有待进一步加强，因而数字经济对农民增收的促进作用相对较弱。2015年之后，随着数字经济得到越来越多的重视，数字基础设施不断完善，数字要素广泛融入经济社会各领域，数字技术与传统产业深度融合有效推动了产业结构优化升级，使数字经济的发展红利得到释放，因此2016—2019年数字经济对农民增收具有更强的促进作用。

(四)空间效应检验

为考察数字经济与农民增收的空间相关性，本文采用莫兰指数进行检验。表7给出了2013—2019年数字经济与农民增收空间相关性的莫兰指数及其显著性水平。结果显示，在空间邻接矩阵W1和经济距离矩阵W2下，2013—2019年数字经济的莫兰指数均为正并通过1%的显著性检验，其莫兰指数在整体上呈下降趋势，说明随着数字经济的不断发展，各地加快数字基础设施建设，数字技术日益突破地理空间的局限向薄弱地区扩散，空间集聚性逐渐减弱。同时，无论使用何种空间权重矩阵，农民增收的莫兰指数也均在1%的水平上显著为正，表明其在空间分布上呈集聚状态，因此可借助空间面板计量模型进一步探究数字经济对农民增收的空间交互作用。

表7 莫兰指数检验结果

参考Elhorst(2014)的研究，在对面板数据进行Wald检验和LR检验后，发现SDM无法退化成SAR模型和SEM模型，因此选择SDM模型进行接下来的实证分析[25]。由表8的SDM模型的估计结果可见，在两种空间权重矩阵下，数字经济的回归系数均在5%的水平上显著为正。其中，空间邻接矩阵的回归系数为0.067，经济距离矩阵的回归系数为0.146，均比基准估计结果的回归系数1.881显著下降，说明面板回归结果明显高估了本地区数字经济对农民增收的影响。各控制变量的估计系数的显著性与基准回归基本一致，说明本文的回归结果比较稳健。

表8 空间效应检验结果(N=1981)

在两种空间权重矩阵下，农民增收的空间自回归系数及数字经济与空间矩阵交互项的系数均在1%的水平上显著为正，说明地区之间不仅存在农民增收的内生交互效应，还存在外生且正向的数字经济空间溢出效应。周边地区数字经济对本地区农民增收具有正向的传导作用(即正向的外部性)。可见，数字经济的发展已成为促进各地区农民增收的重要新动力。

由于上述的回归结果无法具体体现解释变量对被解释变量的边际影响，本文借鉴Elhorst(2014)的做法，通过估计直接效应、间接效应和总效应来分析数字经济对农民增收的内在影响机制[25]。由表9可见，不管在空间邻接矩阵还是在经济距离矩阵下，数字经济的三种效应均在1%的水平上显著为正，表明数字经济对农民增收有着显著的正向溢出效应；数字经济的间接效应均显著高于直接效应，说明数字经济的强外部性特征对促进周边地区农民增收具有较大贡献。对于控制变量，在两种空间权重矩阵下，经济发展水平、金融发展水平和基础设施水平的三种效应均为正并通过显著性检验，说明这三个控制变量对周边地区农民增收的空间溢出效应同样较为明显。而科教投入的直接效应为正，在空间邻接矩阵下不显著而在经济距离矩阵下显著，其间接效应和总效应在两种空间权重矩阵下均显著为负，说明科教投入的增加对本地区农民增收产生正向影响，但周边地区和整个经济体系的科教投入增加将抑制本地区农民增收。可能的原因是：周边地区增加科教投入对本地区人力资本产生虹吸效应，造成农村优质人才大量流失，从而不利于本地区农民增收。

表9 空间杜宾模型检验结果(N=1981)

(五)稳健性检验

为确保实证结果的可靠性，我们对上述的固定效应模型和空间计量模型分别进行稳健性检验。第一，替换核心解释变量。借鉴赵涛等(2020)的做法[6]，本文使用主成分分析法代替前文的熵值法并对数字经济指标进行赋权求值，以替换原有的数字经济指数，然后再就数字经济对农民增收的影响进行回归(结果如表10的(1)列所示)。第二，增加控制变量。市场化水平的提升加速了要素在城市与农村之间的流动和重新配置，对现代农业产生重要作用，有利于农民增收[26]。为减少遗漏变量对回归结果的影响，本文增加市场化水平(urb)这一控制变量。由于夜间灯光数据排除了人为因素的干扰，综合反映夜间人类活动强度，能有效区分城市和农村地区[27]，故选用美国国家海洋和大气管理局(NOAA)发布的夜间灯光数据来表征市场化水平(结果如表10的(2)列所示)。第三，内生性检验。考虑到内生性问题，参考黄群慧等(2019)的研究[28]，本文将上一年全国互联网用户数与1984年各城市每百万人邮局数量的交互项作为数字经济的历史工具变量。一方面，邮电业务的发展对城市互联网技术的应用产生影响，历史上邮局数量多的地区的信息网络基础设施建设更完善，数字经济发展水平也更高；另一方面，随着邮局对经济发展的影响日渐式微，历史上邮局数量未对当地的农民收入产生直接影响。因此，该交互项同时满足选取工具变量的相关性和外生性条件。由于历史邮局数据选自1984年的《中国城市统计年鉴》，与现在的行政区划存在一定的差异，故对部分样本进行删减。表10的(3)列的结果显示，在考虑内生性问题后，数字经济对农民增收的提升效应仍成立。此外，工具变量识别不足检验Kleibergen-Paaprk LM统计量P值为0.00，弱工具变量检验结果Cragg-Donald Wald F统计量和Kleibergen-Paaprk Wald F统计量分别为534.67和149.72，远大于Stock-Yogo弱工具变量识别检验在10%的水平上的评判值16.38，表明工具变量满足可识别性条件且不存在弱工具变量问题。第四，使用不同的空间权重矩阵进行稳健性检验。为综合反映两个地区的地理和经济因素的影响，本文使用经济地理嵌套矩阵替换前文的两种空间权重矩阵，以检验结果是否稳健(如表10的(4)列所示)。可见，核心解释变量的回归系数和显著性均未发生明显变化，在空间计量模型中数字经济与空间矩阵交互项的系数和显著性水平也与前文一致，说明回归结果是稳健的，从而佐证了本文的研究假设。

表10 稳健性检验结果

五、研究结论与政策建议

本文以2013—2019年283个城市为研究对象，采用熵值法测算各城市的数字经济发展水平，多角度实证分析数字经济对农民增收的内在影响、作用机制和空间溢出效应，得到以下的几点结论：数字经济对农民增收具有显著的正向促进作用，说明数字经济已成为推动乡村振兴战略有效实施、加快实现共同富裕的重要驱动力；中介效应检验表明数字经济通过提升创业活跃度来促进农民增收；数字经济的发展不仅显著提高当地农民的收入，对周边地区农民的收入也有着正向推动作用，具有空间溢出效应；数字经济对农民增收的影响效果具有异质性特征。从时间异质性看，2016年之后数字经济对农民增收的推动作用显著强于2016年之前；从空间异质性看，相比于东部地区和城市群所属城市，中西部、东北和非城市群地区受到的数字经济溢出红利更明显，说明数字经济对欠发达地区农民增收的积极影响大于发达地区。

根据以上结论并立足于我国乡村数字化转型现状，本文提出以下的政策建议。第一，夯实农村数字基础设施建设，弥合城乡数字鸿沟。加大农村及偏远地区5G建设、农村光纤宽带网络和IPv6等“新基建”的投入，将物联网和大数据等数字技术有机嵌入农村产业，积极推进智慧农村建设，实现更高质量的互联互通，进一步释放并巩固数字基础设施建设给农民增收和农村地区经济发展带来的红利优势。第二，持续强化数字经济在提升创业活跃度上的作用。加快数字经济与实体经济的深度融合，增强农民对数字技术的认知和应用能力，完善原有的创业生态系统[29]，通过提高交易效率、降低创业门槛等多维度激活创业劲头，从而深入推动农民创业，开拓增收新渠道。第三，结合区域发展差异，制定动态、差异化的数字乡村发展标准。各地区因地制宜探寻数字助农的发展路径。数字经济发展水平相对较低的地区应充分利用“后发优势”加快拓宽数字基础设施覆盖面，广泛吸纳数字技术、数字人才和数字资本并应用到本地特色的数字农业新业态中，以获取数字经济发展带来的红利，缩小与发达地区农民收入的差距。第四，充分发挥数字经济对农民增收的空间溢出效应。构建地区间协同发展的数字网络，畅通信息、技术、人才等要素流动[30]，发挥发达地区数字经济的辐射带动作用，助推欠发达地区经济发展和农民增收，让数字经济切实成为共同富裕背景下破解地区发展不平衡的新动能。