华中昱等：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

原文载于《中国农业大学学报（社会科学版）》2022年第5期

作者：华中昱，南京财经大学经济学院讲师；林万龙，中国农业大学经济管理学院教授；徐娜，北京工商大学国际经管学院讲师

[摘  要]  本文利用中国家庭追踪调查（CFPS）2014—2018年的微观数据，考察了信息化时代低收入农户数字技术接入及使用效果。结果表明：（1）低收入农户数字技术接入鸿沟依然存在，但是相较于其他传统资源，差距明显更小，并且在年轻群体中差距收缩明显。（2）跨越数字技术接入鸿沟后，数字技术加快了低收入农户调整要素配置，进而提高收入水平。其中，非农收入的正向累积作用使得数字技术的增收效果呈现持续加大的特征。（3）相比于普通农户，低收入农户获得的“数字红利”在规模上没有显著差距，但是禀赋差异导致其面对数字技术冲击进行了不同的要素配置选择，进而呈现出不同的收入增长路径。

[关键词]  低收入农户；数字技术；数字鸿沟；数字红利

21世纪以来，我国大力加强农村信息基础设施建设，为农村居民互联网可及性奠定了普惠性基石。随着智能手机的平价化，各运营商提速降费，以互联网为代表的数字技术在我国农村地区的覆盖面和通畅度空前提高，为农村家庭优化要素配置、促进收入增长带来新的动力。但是，低收入群体是否真正参与其中并获得平等的发展机会，还需要进一步关注。在以往的讨论与研究中，数字技术的接入常被认为是影响数字不平等的关键（Roig & Hurtado，2004；Ketprom et al.，2007）。尤其在互联网基础设施短缺时，接入不足是我国数字鸿沟的主要表现形态（邱泽奇等，2016），互联网使用中的弱势群体与传统弱势群体也有着较高的重合（中国人民大学中国扶贫研究院，2020）。但是，随着接入层面的数字鸿沟逐渐抹平，更根本的问题在于低收入群体能否真正有效利用数字技术，以改变自己的社会经济地位，共享数字红利。

多数学者认可数字技术在减缓贫困中的重要潜力（World Bank Group，2016；Morawczynski & Pickens，2009；Adera et al.，2014：32-42；张勋等，2019）。这也是世界各国努力实现数字技术公平、广泛获取的政策举措背后的基础。但是从实证结果来看，目前仅有少量研究（Kumar，2012；Asongu，2015）通过对印度、撒哈拉以南非洲等地的农户调查提供了数字技术对贫困群体作用的直接证据。部分学者在数字技术对农户收入影响研究中得出的相悖结论，如数字技术普及与农民收入之间正相关（刘晓倩，韩青，2018）、不相关（Aker et al.，2016）、非线性相关（Evans，2018），以及与收入差距呈现正相关（曾亿武等，2022）、U形（樊轶侠等，2022）、倒U形（李琪等，2019）等复杂关系，也提醒我们要尤其关注农户内部的差异性。数字技术不是必然能为贫困人口或低收入人口带来实质的收益。数字技术是否对穷人有好处取决于这些技术所处的特定环境部署、用户的准备以及应用程序中存在的机会等（Adera et al.，2014：197-217；柏培文，张云，2021）。

因此，本文将研究对象瞄准低收入农户。首先，从接入的角度考察我国农村地区低收入农户的数字技术使用情况，为低收入群体在数字时代中是否依然处于弱势地位提供第一阶段的证据。其次，从接入后的经济效果层面，考察数字技术对低收入农户收入的影响，以及与普通农户的差异，回答低收入群体在跨越接入鸿沟之后能否平等共享数字红利这一重要问题。这将在一定程度上拓展该领域的研究深度，并对我国未来乡村振兴的战略定位、促进低收入群体的可持续发展具有一定的现实意义。此外，本文的创新还体现在：一是，从要素配置角度建立数字技术对农户收入影响的理论框架，揭示数字技术对低收入农户影响的关键渠道，并为数字技术对低收入农户与普通农户影响机制的差异提供解释；二是，采用倾向分值匹配基础上的多期倍差法、逆概率加权基础上的多期倍差法以及工具变量法等多重内生性控制方法，尽可能克服内生性问题，增强结论的可靠性。

理论分析框架

实现数字技术的物质接入是参与信息社会、获得数字红利的基础。低收入农户与普通农户在数字技术连接机会方面的差距，即连接和未连接的二元区别是本文关注的第一个问题。从供给层面来看，我国农村地区包括贫困地区的信息技术设施已经基本完善，数字技术接入终端的平价化、便利化也进一步提高了居民数字技术接入的可得性。但从需求层面来看，低收入农户面临着一定的成本约束、技能约束，思想意识也相对保守（邢成举，李小云，2018），可能对数字技术这类新鲜事物的回应相对滞后。

满足数字技术的物质接入后，农户从数字技术接入和使用中获得的经济收益是实现数字红利的最终体现。理论上讲，数字技术使用可以通过促进农户调整优化要素配置行为，实现收入增长。主要作用机制包括：第一，放松信息约束。一般而言，农户会在特定资源、技术和信息约束下做出生产和就业等决策。数字技术在信息传递速度和广度上的优势，可以帮助农户进行更加充分的信息搜寻活动，在更完备的信息条件下，调整要素分配决策，直到做出最优选择。第二，降低要素市场的交易成本。数字技术通过减少农户在农产品交易市场、劳动力市场、土地市场、信贷市场等各类市场中获取和传递信息的资金与时间成本，改善已有交易市场的效率，甚至拓展新的交易机会。第三，巩固和拓展社会网络。数字技术打破了人们沟通中时间与距离的限制，帮助农户加强社会网络的深度联系，填补农户与其他目标群体的结构漏洞。利用社会网络提供信息和资源的能力，农户可以获得更多经济回报机会。第四，促进知识的有效传播。数字技术让知识的传播在极大程度上跨越了时间和距离的阻碍。通过获取丰富的信息，农户可以不断更新其知识体系和传统观念，打破长期以来在自己小圈子中形成的行为认知模式，潜移默化地改变要素配置的意愿与能力。

数字技术的使用能否最终改变低收入农户的社会经济地位，缩小其与普通农户的收入差距，不能只关注数字技术对其本身带来的积极影响，更需要关注数字技术的使用对低收入农户和普通农户影响的差异。一方面，相对于普通农户，低收入农户往往受到更加严重的信息配给约束，考虑到边际产出递减这一普遍规律，数字技术可能为低收入农户提供更高的边际回报率；另一方面，数字技术存在使用技能门槛，低收入群体因资源、关系、人口素质等结构性弱势可能会更加缺乏接收信息、筛选信息、利用信息的能力，导致无法通过信息技术获得收益，或者收益低于其他优势群体（Ma et al.，2017）。国内一些先验研究也表明，人们在线下的社会角色往往会在线上重复演绎，与普通农户相比，低收入农户对新生机会往往缺乏足够的应对能力和及时的回应，普遍存在低收入农户从政策或项目中受益少的现象（Park & Wang，2010；王小华等，2014；王瑜，汪三贵，2016）。因此，在正反两个方向的共同作用下，数字技术能否为低收入农户带来平等的发展机会有待实证进一步检验。

基于此，本文按照低收入农户的数字技术使用情况、使用数字技术后的经济回报以及低收入农户与普通农户回报率比较这一逻辑链条，回答低收入农户是面临数字鸿沟还是平等获得数字红利这一重要问题。

数据和变量描述

（一）数据来源与样本说明

本文使用的数据来自中国家庭追踪调查（CFPS）。CFPS从2010年开始，之后于2012年、2014年、2016年、2018年、2020年进行了五轮追踪调查。CFPS数据涵盖了我国大陆地区绝大部分省（直辖市、自治区），具有广泛的代表性。其所提供的家庭成员的数字技术使用信息，劳动力、土地、信贷获得等要素信息，收入水平等其他社会经济信息，为本文的研究提供了翔实的数据支持。追踪调查数据的特性还使我们得以采用多期倍差法、固定效应模型等计量方法克服实证分析中内生性的威胁，帮助获得更为干净的因果关系。

由于2012年、2020年CFPS数据中没有或者尚未公布关键变量数字技术使用的相关信息，2010年指标设计与后期差异较大，且我国农村地区居民的网络接入以及实际应用主要发生在2014年以后逐渐成熟的移动网络时代，2010年使用互联网的农村群体极少，互联网使用环境也与现在有很大差异。因此，本文最终主要采用的是2014年、2016年以及2018年三年的面板数据。其他年份数据在部分变量需要滞后处理时，会少量涉及。此外，参照欧盟相对贫困制定标准，以及叶兴庆和殷浩栋（2019）的研究，本文将低收入农户（相对贫困户）定义为收入在全体居民收入中位数的40%以下的农户。同时，为了保证样本在时段内的统一性，本文以2014年为基准年，该年收入低于相对贫困线的农户为低收入农户组，收入高于相对贫困线的农户为普通农户组。在删除关键变量缺失和存在极端异常值的样本后，最终得到有效样本15015户，其中低收入农户3759户，占比25.5%。

（二）变量说明

1.被解释变量

本文核心的被解释变量是家庭的人均纯收入。与总收入水平相比，人均纯收入水平剔除了家庭规模的影响，更能反映农户家庭的实际收入状况。同时，本文还采用家庭人均农业纯收入以及家庭人均非农收入衡量数字技术对农户收入结构的影响。根据中国家庭追踪调查（CFPS）数据指标释义，家庭人均纯收入=（家庭全年总收入-经营性收入的生产成本）/家庭规模；人均农业纯收入=（农业经营性收入-农业经营性收入的生产成本）/家庭规模；人均非农收入=（非农就业的工资性收入+非农经营的净利润）/家庭规模。回归时均采用收入的自然对数形式。

2.解释变量

数字技术使用主要以是否使用互联网为衡量指标。数字技术的概念相对广泛，互联网使用只是其中的一个维度。但对于农户尤其是低收入农户而言，通过电脑、手机登入互联网是其使用数字技术最主要的方式，也是其他多数数字技术应用的重要基础，因此，从是否使用互联网的角度考察符合现实情况。CFPS数据询问了每个家庭成员“您/你是否上网”，由于本文考察的是家庭的数字技术使用情况，所以将家中有任意成员使用互联网的，定义为该家庭使用数字技术，否则定义为没有使用数字技术。

为了考察不同程度的数字技术使用的影响，本文还增加了家庭成员中使用数字技术的总人数、家庭成员中是否有人网购两个指标（CFPS问卷中的相关问题是“过去12个月，您/你网上购物总共花了多少钱”，本文将大于零的回答定义为进行网购，等于零的回答定义为不进行网购。最后统计全部家庭成员的网购情况）。可以通过家庭成员中使用数字技术的总人数来考察家庭在完成数字技术接入之后上网人数增加的边际效果。而增加家庭成员中是否有人网购指标，是因为网购过程中涉及主动搜索、实名认证、电子支付等多个环节，对用户的使用技能要求较高，可以看作数字技术深度使用的代理变量。

3.控制变量

控制变量代表一系列可能会影响农户家庭收入水平的时变性因素。第一类变量涉及户主的个体特征。与文献中被普遍接受的做法相一致，我们将只考虑户主年龄及其平方（收入生命周期假说）和受教育程度。第二类变量是农户家庭拥有的禀赋量。农户收入最终都可以归结为所拥有的土地、劳动力和物质资本三种生产要素禀赋（张建等，2017），本文分别用滞后一期的土地价值、劳动力数量与人口抚养比以及滞后一期的年末拥有的生产性固定资产原值表示。此外，我们还加入了农户家庭背景的虚拟变量，即是否党员户，这也是文献中经常用到的影响农户收入的家庭特征变量。考虑到家庭所在地区的宏观环境会对农户的收入产生一定的影响，我们还在模型中加入了省份虚拟变量，以控制不可观测的地区效应。

实证分析

（一）理论模型与计量分析模型

准确估计数字技术使用的收入效应的困难在于农户选择使用数字技术与农户的收入往往受到许多不可观测的共同因素的影响，如农户的认知能力、冒险精神等。同时，数字技术使用也可能是收入增长的结果。农户购买能力的提高可能会增加农户与外界沟通、搜索信息的需求，更有可能使用数字技术。本文使用的样本既包括使用数字技术的农户和未使用数字技术的农户，又包括使用数字技术前和使用数字技术后的信息。这样的数据结构使得我们可以采用倾向分值匹配与双重差分的结合进行分析。

借鉴Blundell和Dias（2000）、Heyman等（2007）的相关研究，我们采用逐年匹配的方法将处理组与对照组进行一对一最近邻匹配。以2014—2018年使用了数字技术的农户作为处理组，从未使用数字技术的农户作为对照组。我们分年度通过可观测的匹配变量计算出每个家庭使用数字技术的预测概率值，并通过概率为每个处理组家庭找到唯一的对照组家庭。最终将逐年匹配后的样本重新整合，去除共同支撑区域以外的样本，最终使用匹配后样本进行多期倍差法的估计。这种方法的好处在于其通过倾向分值匹配克服了可观测变量带来的自选择问题，又恰好满足了DID中处理组与对照组同质性的前提。进而我们可以用匹配后的样本进行DID回归，对那些不可观测的选择偏误进行校正，从而得到较为可信的因果效应。

低收入农户：

普通农户：

Yit表示农户i在时间t的收入水平，在不同模型中分别表示家庭人均纯收入、家庭人均农业纯收入以及家庭人均非农收入，在回归中采用对数形式。Xit表示农户i的家庭特征的向量，包括家庭的人口特征和社会经济特征。λr是省级虚拟变量，主要控制宏观经济因素和当地环境。μt捕捉了农户所有不随时间变化的不可观测因素，μt捕捉了时间效应。εit为模型的随机误差项，包含了剩余影响农户收入的不可观测因素。

此外，为了更直观地展示数字技术使用对低收入农户与普通农户之间的增收效果差距，本文主要采用分组回归的方式。为了保证可比性，本文选取费舍尔组合检验方法，检验低收入农户与普通农户之间是否存在显著的系数差异。费舍尔组合检验可以通过对现有样本重新抽样，获得经验样本。然后在经验样本中，通过构造出组间系数差异统计量β-β’统计量的分布，来判断系数差异的显著性水平，本文用经验p值加以表示。

（二）低收入农户与普通农户数字技术使用差异

首先，从家庭层面考察低收入农户与普通农户互联网及手机使用情况，结果如图2所示。2018年，低收入农户手机使用率和互联网使用率分别为93.7%和42.9%；普通农户分别对应98.8%和68.5%。也就是说，手机已在低收入农户与普通农户中普及，基本实现家家户户可移动通信。但在互联网使用上的差距依然明显，仍有超过一半的低收入农户家庭无成员使用互联网。从时间趋势上看，低收入农户与普通农户的相对差距（普通农户使用互联网比例/低收入农户使用互联网比例）在不断缩小，从2010年的2.47倍下降到2018年的1.60倍。从绝对差距来看，2016年前普通农户中互联网的普及率明显高于低收入农户；2018年低收入农户互联网普及速度开始提高，与普通农户的绝对差距也首次呈现出缩小的态势。

其次，考察低收入农户和普通农户不同年龄段成员之间的数字技术使用情况，结果如图3所示。图3中柱形面积表示低收入农户中不同年龄段成员的互联网使用情况，折线表示低收入人口与中高收入人口的绝对差异（中高收入人口指标低收入人口指标）。从低收入农户的自身情况来看，20岁以下及20～35岁的年轻人互联网使用比例最高，其中20～35岁的低收入人口互联网使用率达到71.7%。与普通农户成员进行比较可以发现，在2016年前，各个年龄阶段的低收入人口和中高收入人口的互联网使用的绝对差异都在加大（折线上升）。但在2016年以后，低收入农户中20岁以下及20～35岁的年轻人网络普及速度明显加快，图3中折线出现了明显的转向。我们进一步计算了互联网使用率的相对比例，结果显示，2018年20岁以下、20～35岁、35～50岁以及50岁以上的中高收入人口互联网使用率分别是相应低收入人口的1.17倍、1.24倍、1.46倍和2.33倍。由此可见，在年轻群体间，低收入人口的互联网使用率已逐步接近普通农户人口。

最后，比较普通农户与低收入农户在互联网使用、手机使用以及传统的人力资本、物质资本和社会资本方面的相对差距，用普通农户指标/低收入农户指标来表示不同资源的相对差距程度，其中，人力资本用户主是否具备初中及以上学历代表、物质资本用家庭土地资产价值和生产性固定资产原值代表、社会资本用人情礼支出代表，结果如图4所示。尽管低收入农户的互联网使用率低于普通农户，但是相比其他传统资源而言，数字技术的差异并不大。具体来看，低收入农户与普通农户之间差距最大的是物质资本中的生产性固定资产，差距为5.2倍；其次是以户主具备初中及以上学历代表的人力资本（3.0倍）；再次是以人情礼支出为代表的社会资本（2.1倍），均显著高于互联网使用（1.6倍）和手机使用（1.1倍）的差距。总体来说，相比于其他资源拥有量的差距，互联网和手机已经实现了相当程度的平等，这一定程度上表现出数字技术的确为低收入农户带来了更为平等的发展机会。

（三）低收入农户与普通农户数字技术使用效果差异

1.PSM平衡性处理结果

借鉴Blundell和Dias（2000）、Heyman等（2007）的相关研究，我们首先将低收入农户与普通农户分开，采用逐年匹配的方法将处理组（2014—2018年使用了数字技术的低收入农户/普通农户）与对照组（2014—2018年从未使用数字技术的低收入农户/普通农户）进行一对一最近邻匹配。通过可观测匹配变量计算出每个家庭使用数字技术的预测概率值，并通过概率为每个处理组家庭找到唯一的一个对照组家庭。为了克服内生性影响，匹配变量均采用滞后一期的指标。以2014年为例，匹配后除去未成功配对的低收入农户82户和普通农户354户，得到匹配后低收入农户样本1283户和普通农户样本3812户。同理，对2016年和2018年使用互联网的家庭找到相对应的对照组家庭，最终保留低收入农户样本3489户和普通农户样本10184户。以2014年为例，通过匹配，无论是低收入农户组还是普通农户组，处理组（使用了数字技术的农户）和对照组（未使用数字技术的农户）的变量差异都显著变小，t统计量均不再显著。这也验证了我们匹配结果的可靠性。通过倾向分值匹配，我们尽可能保证样本处理的随机性，满足多期倍差法回归中“共同趋势”的假定。

2.主要回归结果

我们对经过PSM后的匹配样本进行双向固定效应回归。表3为使用PSM后双向固定效应模型估计得到的数字技术对低收入农户与普通农户收入水平的影响，包括人均纯收入、人均农业收入和人均非农收入。所有回归均加入农户、省、年份固定效应，标准差聚合在县层级。此外，我们通过费舍尔组合检验，比较低收入农户与普通农户的系数差异，并汇报了检验的经验p值。

在收入规模方面，数字技术使用显著提高了低收入农户与普通农户的收入水平。使用数字技术可以使低收入农户家庭人均纯收入提高10.8%，并且在5%的水平上统计显著；使用数字技术可以使普通农户家庭人均纯收入提高7.6%，在10%的水平上统计显著，尽管系数差异并没有通过显著性检验，但是从绝对值上看，数字技术的使用对低收入农户的影响程度更大。可见，数字技术可及性满足后，数字技术的使用并没有进一步扩大低收入农户与普通农户之间的“数字鸿沟”。数字技术为低收入农户提供了一个难得的、更加平等的发展机会。

在收入结构方面，数字技术对低收入农户收入增长的正向影响来自农业收入与非农收入两个渠道，而对普通农户收入的正向影响则来自非农收入的提高。具体来看，数字技术使用使低收入农户农业收入提高了4.7%，非农收入提高了9.5%；使普通农户非农业收入提高了8.2%，但农业收入下降了18%。可能的解释是，当数字技术缓解了农户要素配置的信息约束、环境约束时，普通农户的最优决策是将要素投入转向非农部门，可能体现为农业劳动力的转移以及土地经营规模的下降。而低收入农户由于自身的禀赋限制，他们的最优决策倾向于继续留在农业部门，并额外提供一些非农部门劳动。因此，在收入增长效应中两者呈现出不一致的增长路径。后文我们对机制进行验证时，也基本证实了这一推断。

3.稳健性检验结果

将低收入农户与普通农户单独分组回归，相应的识别假设是数字技术使用对这两个群体内部的收入分布是同质的。为了进一步放松这一假设，我们继续以固定效应的无条件分位数回归进行分析。在回归结果中，分位数从小到大的变化过程代表了农户收入水平由低到高的演变。通过对比处理变量（是否使用数字技术）的系数变化，可以知道在不同收入水平上农户使用数字技术的获益情况。

表4将所有样本农户按照家庭人均纯收入从低到高分成四组，回归结果显示，在25分位点上，使用数字技术的农户人均纯收入比未使用数字技术的农户高12.7%，其中，人均农业纯收入高2.3%，人均非农收入高12.4%。这与我们对低收入农户组单独回归的系数基本保持一致，证实了结果的稳健性。从整体分布来看，使用数字技术对家庭人均纯收入、人均非农收入基本保持着稳定的正向作用，而且在中低收入家庭中发挥了更大的作用。在人均农业收入中，随着农业收入的增加，数字技术使用的系数逐渐转为负数。这也再次证明，在跨越接入鸿沟后，使用数字技术的效果并没有体现“亲富”的现象。相反，数字技术使用提供了一个突破信息约束、资源约束的条件，为中低收入农户带来了更为可观的收益。

为了进一步检验结论是否具有模型依赖，我们采用了其他内生性处理方式，尽量保证结论的可信度。一是工具变量法。借鉴已有文献，本文采用农户所在地区滞后一期的数字技术普及率（剔除农户自身）（周洋，华语音，2017）、家中是否有在校学生（Labonne & Chase，2009）作为农户数字技术使用的工具变量。数字技术存在显著的“模仿效应”和“示范效应”，如果地区其他人的数字技术使用较为广泛，农户自身的上网倾向也可能随之加强，学生一般接受新鲜事物的能力强、兴趣高，在学校也容易受到同学的影响与带动，因此更容易促进家庭的数字技术使用。此外，地区其他人的数字技术使用以及家庭中是否有在校学生均很难对农户自身的要素配置行为以及收入产生直接影响，满足工具变量外生性的条件。二是逆概率加权基础上的多期倍差法。与倾向分值匹配基础上的多期倍差法相比，该方法的优势在于可按照倾向得分PS值给予样本不同的权重，在保障样本分布的平衡性的同时保留了全部样本。表5汇报了两种内生性处理方法的回归结果，结果方向与之前一致。即数字技术使用提高了低收入农户的收入水平，对非农收入的影响尤为稳健；总体上，数字技术对低收入农户的影响大于普通农户。

机制检验与进一步分析

（一）机制检验

参照辛格（Singh，1986：10-25）在经典农户模型中关于家庭生产部分的设定，农户行为是经济理性的，其会在劳动力市场、土地市场以及信贷市场中合理配置自己的生产要素，包括劳动力在农业与非农部门的配置、土地经营和租赁的选择以及在信贷市场获取资本的行动，以获取自身的利益最大化。数字技术对要素配置的影响已经被许多学者验证（田鸽，张勋，2022；刘子涵等，2021；潘明明等，2021；邱泽奇等，2016）。从理论上看，农户通过使用数字技术，对三大生产要素进行再调整，最终势必会影响家庭收入。农户的不同要素配置过程很可能是同步发生的，一些不可观测的因素会共同决定农户在不同要素中的配置决策，因此，我们使用似不相关模型，对农户的要素配置方程执行联合估计，从而考虑方程之间干扰项的相关性，得到更为有效的估计。在被解释变量中，我们选择了是否从事非农就业、是否从事非农经营、是否土地转出、是否土地转入、是否获得正规信贷等指标。由于这些指标都是二元选择变量，我们采用CMP条件混合过程进行似不相关模型估计。

结果如表6所示。数字技术的确促进了低收入农户要素配置的调整。在劳动力配置方面，数字技术使用促进低收入农户将劳动力更多地配置在非农就业与非农经营活动之中。数字技术使用使低收入农户从事非农就业的概率提高了2.9%，从事非农经营的概率提高了0.8%。在土地配置方面，数字技术促进了低收入农户土地转入行为的发生。数字技术使用使低收入农户租入土地概率上升3.8%。在信贷配置方面，使用数字技术的低收入农户比没有使用数字技术的低收入农户获得正规信贷的概率提高了3.3%。但是与普通农户相比，自身禀赋差异导致低收入农户应对数字技术冲击后依旧进行了不同的要素配置选择。具体来看，数字技术使用使普通农户增加非农务工和非农经营的概率明显大于低收入农户，同时数字技术使用使普通农户倾向于租出土地，降低租入土地的概率。对应到现实情境中，使用数字技术后，普通农户的最优决策是将要素投入转向非农部门，体现为农业劳动力的转移以及土地经营规模的下降。而低收入农户由于自身的禀赋限制，其最优决策倾向于继续留在农业部门，并额外提供一些非农劳动，同时通过获得的信贷资金弥补农业劳动力的相对缺失。这也验证了我们发现的低收入农户和普通农户在数字技术使用过程中呈现出不同增长路径的内在原因。

（二）进一步分析

前文重点关注的是数字技术接入对低收入农户收入情况的影响，即从不接入到接入的差别。有必要进一步细化数字技术接入情况，包括数字技术接入的持续性影响、不同程度数字技术使用的影响以及数字技术接入在不同环境下的影响，以期更深入地考察不同的数字技术使用对低收入农户收入的影响及其与普通农户的差距。

1.数字技术使用对收入的持续性影响

考察数字技术使用对收入的持续性影响时，分别用滞后一期、滞后两期的数字技术使用（用L1.数字技术使用与L2.数字技术使用表示）对农户的收入变量做回归分析。滞后一期的数字技术使用系数代表数字技术使用对两年后农户收入的影响，滞后两期的系数代表数字技术使用对四年后农户收入的影响。此外，为了剔除数字技术与收入之间可能存在的反向因果关系，我们将使用数字技术与使用前一期（两年前）的收入作回归分析，用F1.数字技术使用表示。理论上说，如果我们得到的是真实的因果关系，那么数字技术使用就不该对使用前的收入有显著影响，即F1.数字技术使用不显著。

结果如表7所示，F1.数字技术使用的系数基本都不显著，这证实了倾向分值匹配后样本的平衡性，排除了数字技术使用是高收入带来的结果这一顾虑。从L1.数字技术使用与L2.数字技术使用的系数可以看出，数字技术使用对两年后、四年后农户收入都发挥了正向作用，并且系数在加大，这意味着数字技术对收入的影响是一个累进的过程。具体来看，在低收入农户中，增收效果的增强主要来源于非农收入的正向累积。数字技术使用有一定门槛，低收入农户对数字技术使用有一个从接受到熟练的过程，因此随着接入时间的延长，低收入农户越来越能接受数字技术带来的好处，并更好地发挥数字技术在非农领域的作用。在普通农户中，这种增强效果既来自非农收入的正向累计，也来自农业收入负向影响的减弱。从数字技术滞后项对普通农户人均农业纯收入影响的系数可以看出，尽管始终为负，并且系数绝对值在变小。可见，总体上数字技术使用促进了普通农户的非农化，但是随着数字技术在农业资源配置、要素重组中发挥作用，可能会逐渐弥补农业劳动力流失带来的损失（朱秋博等，2022）。

2.不同程度数字技术使用对收入的影响

考察不同程度的数字技术使用对农户收入的影响时，选用了家庭成员中使用数字技术的人数和家庭是否有成员使用网购两个指标。其中，数字技术使用人数可以考察数字技术在接入之后的边际效果，用于判断随着使用人数的增加，数字技术的边际效果是递增还是递减。网购过程涉及主动搜索、实名认证、电子支付等多个环节，对用户的使用技能要求较高，可以作为互联网深度使用的代理变量，有助于考察数字技术深度使用是否能为农户带来更好的增收效果。

表8汇报了回归结果。首先，数字技术使用人数对收入回归的系数普遍小于数字技术使用的系数。以人均纯收入为例，数字技术使用可以使低收入农户收入增长10.8%，大于使用人数增加一人带来的7.3%的收入增长。简单地说，家庭中实现互联网的连通对收入能发挥较大的作用，在连通后使用人数的增加尽管依然能带来收入的增长，但是边际效果是递减的。其次，是否网购对家庭收入的边际作用普遍大于是否使用数字技术，同样以人均纯收入为例，数字技术使用可以使低收入农户收入增长14.3%，大于使用互联网的系数（10.8%）。这意味着当家庭连通互联网后，若能更有效地利用互联网技术，将会进一步促进农户增收。这在低收入农户与普通农户中都呈现出一致的趋势。

3.不同环境下数字技术使用对收入的影响

数字技术能使农户以合理的成本获得更充分的信息与更高效的沟通手段，尤其在偏远、相对封闭的地区，数字技术带来的突破更为显著。因此，我们选取了两个指标，即农户所在村到最近县城的距离（为连续变量）和农户所在县是否属于高坡度地区（为0—1变量），进一步验证作为“软道路”的数字技术能否弥补传统地理劣势。

表9汇报了数字技术使用与不同环境条件的交叉项回归结果。一般来说，离县城越远，意味着地理位置越偏僻或者道路等交通设施越不完善。高坡度意味着该地区长期以来相对封闭，信息相对闭塞。在移动网络出现之前，传统的通信措施建设成本较高，通信条件较差。回归结果显示，数字技术使用与代表地理位置偏僻程度的两个指标的交叉项的系数大体表现为正向，尤其是数字技术使用与高坡度地区的交叉项系数基本显著。这意味着，数字技术使用对地理位置较偏僻地区，尤其是坡度较高的相对封闭地区的农户的收入具有更大的影响。此外，收入的增长主要体现在非农劳动收入方面。数字技术带来的信息和沟通方式的变革提供了突破环境禀赋的条件，弥补了传统地理位置存在的劣势，促进了偏远地区农户向非农就业转移，提高了其非农收入。

结论与建议

本文主要利用中国家庭追踪调查（CFPS）2014—2018年的微观数据，从数字技术接入与增收角度，回答低收入农户能否平等共享数字红利这一重要问题。总体而言，数字技术发展到了缩小“数字鸿沟”、收获“数字红利”的阶段，相比于普通农户，低收入农户在获得“数字红利”的规模上并无明显差异。

第一，数字技术“接入鸿沟”依然存在，但出现了一些积极的信号。CFPS数据显示，2018年低收入农户的互联网使用率仅为普通农户的三分之二。但是，低收入农户中年轻群体的互联网使用率已经接近普通农户。此外，相较于人力资本、物质资本和社会资本等传统资源，互联网使用率在低收入农户和普通农户间的差距明显更小。

第二，在跨越接入层面的“数字鸿沟”后，数字技术与低收入农户的生计活动紧密联系，加快了低收入农户调整要素配置，提高了其收入水平。数字技术带来的收入增长还具备持续性特征，数字技术使用后两年、四年对收入的影响依然显著，并且影响程度在加大，主要表现在非农收入的正向累积。此外，低收入家庭连接互联网后，使用人数增加带来的边际效果呈递减趋势。以是否网购为代表的互联网深度使用指标，对收入的边际作用大于是否使用互联网的作用。

第三，相比于普通农户，低收入农户获得的“数字红利”在规模上没有显著差距，但是禀赋差异导致其面对数字技术冲击进行了不同的要素配置选择，进而呈现出不同的收入增长路径。具体来说，数字技术使用并没有使低收入农户脱离农业，而是增加了部分非农兼业活动，同时增加了转入土地的概率，并获得了更多的信贷资金用以弥补农业经营中劳动力的相对流失。对于普通农户，数字技术使用则使其经济重心从农业部门实质性地转向非农部门。在要素配置中表现为农业劳动力大量转移到非农产业，农业劳动投入显著下降，土地大量转出。

本文具有一定的政策启示意义。首先，要继续推进网络基础设施建设升级，尤其关注“最后一公里”问题，为偏远地区和低收入农户提供信息服务补偿，积极引导农民“入网”，强化信息技能培训，让更多低收入农户参与到数字经济中来，共享数字红利。其次，继续发挥数字技术在要素市场中的作用，推动数字技术与要素市场的联动，包括鼓励针对农村劳动力的互联网培训工作，通过互联网发布与农户有关的就业信息和就业技能指导；建立并完善土地流转市场的互联网平台；创新互联网与农村金融服务的结合，改善网络支付、网络信贷等普惠金融发展环境，提高农户要素配置活力，促进持续增收。最后，加强低收入农户自身能力建设，警惕未来出现“数字鸿沟”的可能。随着数字技术在农村应用范围不断拓展，与经济活动融合程度逐渐加深，数字技术的操作技能门槛以及与其他配套资源的要求都可能大幅提高。因此，有必要在加强低收入农户数字技术使用技能的同时，继续确保低收入农户自身的能力建设，使其使用数字技术后，有能力优化经济活动，改变自己的社会经济地位。

有删节

参考文献和注释略