脫貧地區農戶融入電商價值鏈的增收機制與效應分析
——以云南、貴州、陜西和甘肅為例的實證研究

熊 雪，聶 鳳 英

(1.西南大學 經濟管理學院，重慶 400715；2.中國農業科學院 農業信息研究所，北京 100081)

基金項目：國家自然科學基金國際合作與交流項目“精準扶貧與互聯網扶貧的實施機制與效果評估研究”(71661147001)，項目負責人：聶鳳英；重慶市社會科學規劃項目“電子商務對欠發達地區農村女性就業的影響機理研究”(2020QNGL32)，項目負責人：熊雪；中央公益性科研院所基本科研業務費重點專項“數字經濟視角下脫貧地區鞏固拓展脫貧攻堅成果同鄉村振興有效銜接的機制與路徑研究”(JBYW-AII-2021-38)，項目負責人：朱海波。

一、引 言

截至2020年底，我國現行標準下9 899萬農村貧困人口全部脫貧，832個貧困縣全部脫帽，12.80萬個貧困村全部出列，我國的區域性貧困問題得到解決，完成了消除絕對貧困的艱巨任務。但絕對貧困的消除并不意味著脫貧地區永遠告別了貧困，正如習近平總書記指出，要看到相當部分貧困群體的脫貧基礎還比較脆弱，依然面臨艱巨繁重的脫貧地區防止返貧任務……要鞏固脫貧攻堅成果并建立解決相對貧困的長效機制。防止返貧、減少相對貧困、實現共同富裕，是“十四五”階段的新任務。

近年來，隨著數字經濟的快速發展，電商作為產業扶貧的重要手段，在助推小農戶與大市場實現有效對接、拓展農民可持續增收空間方面，發揮了顯著的作用。一方面，電子商務通過為農戶提供低門檻的農產品銷售平臺，促使一些有商業頭腦、敢于嘗試新事物的農戶進行網絡創業，提升小農戶對接大市場的意識與能力。2009年以來涌現的“淘寶村”“淘寶鎮”帶頭人，如江蘇省睢寧縣沙集鎮東風村的村民孫寒等[1-3]，多屬于此類范疇。不少學者通過理論推理與實證研究發現電子商務創業對農戶的收入有顯著的正向影響[4-8]。另一方面，與發達地區農戶不同，脫貧地區農戶的生計資本水平相對較低、創業率較低，絕大多數農戶不具備直接進行網絡創業的能力與資本[9]。電子商務通過“以銷定產”的模式極大地改變了部分農村地區的農業產業結構[10]，將當地絕大多數普通小農戶納入產業鏈的生產端，使其能夠分享數字經濟發展的效益。

盡管農戶參與電子商務價值鏈的收入效應已得到了一些學者的關注，但現有研究主要集中在以網絡創業為主、經濟較為發達的地區。而脫貧地區與發達地區的農戶在融入電商價值鏈的方式上具有本質差異，經濟發達地區的農戶多以網絡創業方式直接參與電子商務，而脫貧地區絕大多數農戶主要以生產者的身份融入電商價值鏈，兩者從電子商務中獲益的方式與程度不同。現階段對于脫貧地區農戶融入電商價值鏈的相關研究，存在“農戶參與電子商務”內涵界定模糊、缺乏微觀驗證的問題，關于脫貧地區農戶融入電商價值鏈效果的量化分析比較匱乏。因此，本文以云南、貴州、陜西和甘肅4省的7個原國家級貧困縣的農戶為研究對象，剖析脫貧地區農戶融入電商價值鏈的影響因素，測算其收入效應，并分析不同教育組樣本農戶融入電商價值鏈的收入差異。

二、機制分析與研究假說

(一)脫貧地區農戶融入電商價值鏈的增收效應：群體平均效應

脫貧地區農戶以生產者身份融入電商價值鏈是符合行為邏輯和現實可行性的(如圖1所示)。農戶是對新生事物持觀望態度又極端風險厭惡的群體，再加上脫貧地區農戶資源稟賦的脆弱性，脫貧地區農戶直接進行網絡創業的資本與能力均不足、抗風險指數極低，這是脫貧地區農村電商發展的主要障礙之一。我國農村一直就有商販上街收購農戶產品的傳統銷售渠道。農超對接、訂單農業能夠克服農戶銷售產品的不確定性，減少市場風險，形成可持續的契約關系，是對商販上街收購模式的升級。農村電商的介入，又是對訂單農業模式的轉型升級。農戶作為生產者，不僅可與農村電商公司或平臺形成可持續的正式或非正式的契約關系，還能根據市場需求及時調整產品生產、提高產品附加值。綜上所述，在不增加參與成本的同時，借助政府的支持政策和有效監管，脫貧地區農戶作為生產者以供貨方式融入電商價值鏈是符合自身行為邏輯的，在現實層面也是可行的。

圖1 農戶作為生產者以供貨方式融入電商價值鏈的理論機制

脫貧地區農戶作為生產者以供貨方式融入電商價值鏈能夠穩步增加產品銷量。一方面，電子商務具有創業成本低、信息擴散快、信息量全等優點，能夠有效解決信息不對稱問題，讓深巷的酒香能夠為外界所知，從而極大增加產品的消費半徑，增加產品的銷量。另一方面，基于專業分工理論，農戶專門從事生產，電商公司或平臺主要負責拓展市場，能夠極大降低交易成本，從而將更多的資金用以農戶能力建設、企業發展和產品培育，進一步增加產品銷量，形成良性循環。

脫貧地區農戶作為生產者以供貨方式融入電商價值鏈能夠提高產品的銷售價格。首先，電子商務可以直接獲得市場的需求信息，進而對農產品提出一定的采購要求，通過這種模式倒逼相應產業的轉型升級，增加產品的附加值，提高產品的價格。其次，電子商務的逆向信息反饋特點有助于實現定制化產品的生產與銷售，定制化產品具有較強的稀缺性，價格相應較高。第三，隨著社交軟件、娛樂軟件商務功能的發掘，多樣化的營銷方式，能夠創造出更多產品需求，在供給短期保持不變的情況下，需求增加，產品的價格會相應提高。

農村不乏存在一些新農人，他們接受新事物能力較快，同時具有一定的企業家才能，能夠直接網絡創業并取得較好的收益。但對于脫貧地區大多數普通農戶而言，網絡創業的難度與風險均較大，相比之下，從事他們較為擅長的生產工作，為電商公司或組織供貨，既能發揮優勢、獲取可觀收益，又不會面臨較大風險，是他們樂于接受、收益可觀、又切實可行的。從群體平均效應的角度看，在其他因素不變的情況下，脫貧地區農戶作為生產者以供貨方式融入電商價值鏈，能夠提高產品的銷量和價格，對收入具有正向影響。綜上，本文提出以下假說：

H1：作為生產者以供貨方式融入電商價值鏈能夠提高脫貧地區農戶的家庭收入。

(二)脫貧地區農戶融入電商價值鏈的增收效應：群體內部差異

農戶是具有異質性的，農戶的人力資本異質性在脫貧地區農村更為凸顯[11]。農戶人力資本的異質性，會影響農戶生產和生活的方方面面，是導致收入差距的重要因素[12]。互聯網與電子商務是新的技術變革，人力資本的異質性對農戶接受、使用互聯網、融入電商價值鏈并從中受益具有重要的影響[7，12]。具體分析如圖2所示。

圖2 農戶人力資本的異質性對融入電商價值鏈的影響

一方面，根據技術接受理論，農戶的人力資本特征，會影響農戶對新技術變革包括電子商務的主觀認知，對電子商務的有用性、易用性形成積極或消極的參與態度，不同農戶對電子商務的主觀接受意愿具有較大差異。另一方面，戶主人力資本的差異，會形成農戶生產能力的分化，會對產品經營的規模、產量與質量產生影響[13]。具體而言，隨著農戶人力資本水平的提高，農戶嘗試學習新生產技術的可能性增加，學習時間越短、成效越高、管理水平也越高，農戶銷售給電商公司或組織產品的數量與價格會受到影響，農戶融入電商價值鏈所獲取的收入將產生差異。隨著農戶的人力資本水平的繼續提高，農戶的經營理念會隨之發生變化[14]。碰到商機，農戶會有擴大經營規模、組建合作社的想法，可能會引進新的品種，申請產品認證、打造品牌等，進一步規范產品的生產過程。當農戶的人力資本水平提高到一定程度后，農戶的生計選擇將變得多元化[15]，可能會選擇網絡創業，以及其他收益更高的生計策略。

戶主通常是家庭的主要決策者，戶主的受教育程度是家庭人力資本的重要衡量指標，戶主的受教育程度對整個家庭是否融入電商價值鏈以及融入電商價值鏈后的收益情況都具有較大的影響，即不同受教育程度的戶主所在的家庭，融入電商價值鏈的情況及收益是有差異的。綜上，本文提出以下假說：

H2：融入電商價值鏈對不同受教育水平農戶收入的影響是具有異質性的。

三、模型、數據與變量設置

(一)模型選擇

為準確估計脫貧地區農戶融入電商價值鏈的收入效應，需要考慮以下幾個方面的問題：第一，農戶是否融入電商價值鏈存在一定的“自選擇”問題，農戶家庭收入水平受到眾多因素的影響，很可能存在同時影響家庭收入水平和農戶是否融入電商價值鏈的因素，例如家庭成員受教育水平對家庭收入具有較大影響，同時又能決定農戶接受新生事物的能力，進而影響農戶能否融入電商價值鏈。樣本“自選擇”問題將帶來變量的內生性問題，進而嚴重影響到模型估計的準確性。第二，通過調查可以觀測到農戶融入電商價值鏈后的收入水平，但無法觀測到該農戶未融入電商價值鏈情況下的收入水平，這是一個“反事實”的問題。第三，除了本文選擇的影響因素外，還存在其他未觀測到的因素也會影響農戶的決策行為，從而影響家庭整體的收入水平，該問題也會造成估計結果的偏差。

針對以上問題，國內外學者多采用傾向得分匹配法(PSM)進行分析[7-8，16-18]。一方面，利用反事實分析方法中的PSM不僅能夠有效緩解由于樣本“自選擇”問題帶來的估計偏差，而且處理變量內生性問題時，不需要另外設定工具變量或者限定函數、參數或者誤差分布的形式。另一方面，傾向得分匹配法與回歸等其他方法相比，其優勢在于可以“還原”處理組不融入電商價值鏈的狀態以及控制組融入電商價值鏈的狀態，通過把基本特征相似的處理組和控制組進行匹配，克服只能觀測到農戶“融入電商價值鏈后未來的收入水平”或“不融入電商價值鏈后未來的收入水平”的難題，從而測量農戶融入電商價值鏈對收入的影響。

在進行傾向得分匹配時，首先要計算樣本的傾向得分，傾向得分的計算方法多采用普通的Logit或Probit二值模型，但當樣本中“y=1”發生的比率較小時，若仍然使用普通的二值模型估計，可能會造成結果的偏差。

p=P(y=1|x)=F(x，β)=1-exp{-ex′ β}

(1)

對于二值選擇模型，當“y=1”發生的頻率較小時，稱為“稀有事件”(rare events)[19]。解決稀有事件偏差的方法主要有三種，一種是King等提出的小樣本偏差糾正法，該方法繼續使用Logit模型，但會對偏差進行糾正[20]。King等采用此方法分析了二戰后國際關系問題[21]。第二種方法是陳強提出的非對稱的“極值分布”(extreme value distribution)法，即“補對數-對數模型”[19]，其事件發生概率為公式(1)，其中x′β=ln[-ln(1-p)]，取了發生概率p的補數的兩次對數，即極值分布左偏(left-skewed)，使得事件發生概率p趨于1的速度快于趨于0的速度，避免了稀有事件中若直接采用Logit和Probit模型，事件發生概率p趨于1的速度等于趨于0的速度造成的估計偏差。陳強采用此方法分析了中原王朝被游牧民族征服的決定因素[22]。第三種方法是泊松回歸，泊松分布是二項分布的近似，且泊松分布在事件發生概率很小時(無限趨近于0時)也成立，故也稱為“稀有事件定律(Law of rare events)”。

脫貧地區以供貨方式融入電商價值鏈的農戶數量為221戶，發生率約為14.13%，若使用普通二值模型估計傾向得分，可能會導致“稀有事件偏差”(rare event bias)。因此，本文分別采用普通二值模型(Logit模型和Probit模型)、稀有事件模型(“補對數-對數模型”和泊松分布)兩類方法互相印證。

(二)數據介紹

本文數據來源于2018年7月-8月，中國農業科學院農業信息研究所關于云南、貴州、陜西和甘肅4省，會澤、正安、武定、洛南、盤縣、鎮安和清水7縣的農戶的貧困專題調研。該調研采用多階段抽樣法選取樣本，第一階段，采用聚類分析法，將全國592個貧困縣按照綜合食物安全和貧困狀況聚類為三類，采用專家判斷法在最差類中選取樣本省和樣本縣，即云南省武定縣和會澤縣、陜西省鎮安縣和洛南縣以及貴州省的盤縣和正安縣、甘肅省清水縣，第二階段采用PPS抽樣法，按貧困人口規模比例選取樣本村，每個縣選取19個村(其中甘肅省選16個村)，共計130個村，第三階段，采用系統抽樣法，每個村隨機選取12個農戶，共計1 564個農戶(1)在實際調研過程中，部分追蹤農戶因種種原因無法訪問，故多選取了一些相似的農戶(4戶)，供后期研究。。

該調研的問卷內容涉及家庭成員年齡、職業、婚姻狀況、受教育程度、健康狀況、受培訓情況、外出務工等基本信息，互聯網接入與使用、網絡購物、網絡銷售、電子商務服務發展等相關信息，住房和生活條件，家庭財產與財務狀況，農業、生計、支出、沖擊和應對策略、扶貧項目和賦權等10多項內容。本文所采用數據來源于基本信息、互聯網接入與使用和電子商務發展等相關信息、家庭財產與財務狀況、農業部分。

(三)變量設置

1.核心變量

農戶是否融入電商價值鏈：農戶融入電商價值鏈有多種形式，例如網絡銷售創業、電子商務產業鏈就業、提供貨源、網絡購物等，農戶從電子商務中受益的方式也有多種，例如直接的創業致富、就業增收、網絡購物節約支出等。本文所研究的農戶融入電商價值鏈Ecommerce，是指農戶是否為電商公司或組織提供貨源、間接在網上銷售產品，即農戶是否以供貨方式融入電商價值鏈。該變量為0/1變量，若農戶為電商公司或組織提供貨源，則Ecommerce取值為1，否則為0。

農戶收入水平：lnincome是指經營性收入、工資性收入、轉移性收入和財產性收入等所有收入之和的對數。具體而言，經營性收入包括種植業收入(種糧收入、經濟作物收入和其他種植業收入)，林業收入(干果、樹苗等收入)，養殖業收入(家禽、水產品等收入)，家庭食品手工作坊收入，手工藝收入，商業收入、家庭經營服務性收入等。工資性收入包括打零工收入和穩定工資收入。轉移性收入包括政府各項補貼和津貼，來自親戚、朋友的匯款收入，禮金收入和其他轉移性收入等。財產性收入包括土地租金、生產工具租金、分紅等。為了保證數據的平穩性，以及考慮到取對數后的經濟學意義，本文對農戶收入水平作取對數處理。

2.其他變量

在宏觀層面：(1)隨著國家把電商扶貧作為主流的扶貧手段，商務部、農業農村部等多部門制定了一系列支持農村電商發展的政策。地方政府也相應制定了實施方案，申請國家級電子商務示范縣、建立縣級電子商務中心、鎮級和村級電商服務站等，引導農戶使用互聯網、參與電子商務，促進工業品的下行和農產品的上行。因2018年的電子商務示范縣是在9月份評選出來，相關政策支持會在9月份之后才能享受，而本調研開展的時間是2018年7-8月，故本文涉及的變量主要涉及“是否是2016年和2017年的電子商務示范縣”“本村是否有支持電商扶貧的政策”2個變量。(2)地理位置是影響物流的重要因素，經濟發展水平決定了當地的公共服務、配套設施水平，這些都是電子商務得以發展的必要因素。本文涉及的變量主要是地理位置的虛擬變量，村中是否有電子商務服務站，以及農戶到最近的市場距離3個變量。(3)特色產業是農產品上行的基礎，能夠網絡銷售的商品與當地市場銷售的商品，在品質、種類、數量、品牌、價格等屬性方面有較大的不同，這就對商品的產業基礎要求較高。本文選取的相關變量為“農戶是否參與特色產業扶貧”1個變量。

在微觀層面：(1)人力資本包括人的健康、體力情況，以及人的生產能力和技能[23]。農戶的健康狀況越好、生產能力越強，學習、接受新事物的能力越強，融入電商價值鏈的可能性就越大。本文的人力資本變量主要涉及是否參與生產類和電子商務類培訓、勞動力人均受教育年限、家中是否有人網絡購物3個變量。(2)社會資本主要指個人或團體之間的關聯，這種關聯包括社會網絡、互惠性規范和由此產生的信任，使人們在社會結構中所處的位置給他們所帶來的資源[24]，表現形式主要有農戶的職業、參加的組織[25]。農戶的社會資本越多，接觸、學習參與電子商務的可能性就越大。本文的社會資本變量主要涉及家中是否有村干部、是否加入合作社2個變量。(3)金融資本是指農戶所享有的金融資源或服務，通常包括農戶能支配的現金收入，以及可獲得的融資渠道。農戶能享受到的金融資源或服務越多，提高農產品生產能力與投資的可能性越大，嘗試融入電商價值鏈的可能性就越高。本文選取農戶是否能從銀行或信用社借到錢作為衡量指標。

除了上述因素，農戶家庭的一些基本信息也會影響農戶融入電商價值鏈的決策，例如不同家庭勞動力數量、勞動力平均年齡、貧困情況和土地數量等，可以作為控制變量進入模型。

綜上所述，影響農戶融入電商價值鏈的變量設置及其描述性統計結果如表1所示。本文分別計算了所有變量(除了處理變量和結果變量外)的相關系數，發現變量間的相關系數分布在0.00～0.42之間，相關系數的最大值為0.42，次大值為0.35，其余值均在0.30以下。可以認為，變量間的相關系數較低，不存在嚴重共線性問題，可以進一步采用相關計量模型進行分析。

表1 變量設置及描述性統計

四、實證結果與分析

為了保證結果的穩健性，本文首先采用“稀有事件模型”“補對數-對數模型”，普通二值模型即Logit和Probit模型，相互印證，估計農戶融入電商價值鏈的傾向得分。第二步，分別采用核匹配法進行傾向得分匹配，并根據“自舉法”計算處理組效應、控制組效應和總體平均效應。第三步，進行匹配變量的平衡性檢驗。

根據傾向得分匹配法，第一步采用上述模型估計農戶融入電商價值鏈的傾向得分，依據得分進行匹配，進而計算處理組和控制組的處理效應。表2為模型的回歸結果，表3為相應的模型的邊際效應結果，從中可以看出，四種模型的估計結果比較相似，回歸的系數和邊際效應的符號一致。

表2 模型估計結果

表3 模型邊際效應估計結果

在影響農戶融入電商價值鏈的宏觀因素方面，當其他條件一定時有以下結論：(1)村里有電子商務支持政策，農戶融入電商價值鏈的概率會增加18%(2)因稀有事件模型結果中，泊松分布的結果相對穩定，這里均以泊松分布的邊際效應結果為主。。村民自治委員會與村民的關系較為密切，對村民最為熟悉，所做的決策對村民的影響也是最直接的。一方面，村里制定的相關支持電子商務發展的優惠政策會更加因地制宜，更能有效地緩解或解決農戶發展電子商務過程中遇到的困難。另一方面，村民對村民自治委員會及其政策相對信任，思想開放的農戶更容易相信政策的真實性、可行性并嘗試從事電子商務，并提高自己的收入水平。(2)村里有電子商務服務站，農戶融入電商價值鏈的概率會增加5.96%。村級電子商務服務站的主要功能包括幫農戶代買網上的商品、代賣農戶的產品、代農戶繳電話費、電費等各種費用，簡稱“代買、代賣和代繳”。隨著電子商務服務站的下沉，農戶不僅可以真切體驗享受到互聯網帶來的便捷，打破對互聯網摸不著、靠不著的模糊認知，農戶還能借助電子商務服務站網絡銷售產品，增加融入電商價值鏈的可行性。(3)其他變量的影響是不顯著的。

在影響農戶融入電商價值鏈的微觀因素方面，當其他條件一定時有以下結論：(1)農戶家庭成員有網購行為，農戶融入電商價值鏈的概率會增加5.42%。網絡購物本身就是電子商務，不同之處在于網絡購物過程中，農戶是作為消費者參與電子商務的，而網絡銷售的過程，是農戶作為生產者參與電子商務的。雖然農戶的角色不同，但這只是電子商務這枚硬幣的兩面而已。當農戶家庭成員中有人體驗、享受過網絡購物后，整個農戶家庭對互聯網，尤其是電子商務的認知就更近了一步，無論是打破農戶對電子商務過程的認知障礙，還是熟悉電子商務的交易過程、從消費者角度揣摩顧客心理，均增加了農戶從消費者轉變為生產者的可能性。(2)農戶能夠從銀行或信用社貸款，農戶融入電商價值鏈的概率會增加9.31%。農戶能從銀行或信用社獲取貸款增加了其金融資本，金融資本的增加促使農戶能夠擴大產品的生產規模、提升產品的附加值，還可能會進行產品的質量認證、品牌的塑造，進而嘗試通過網絡銷售產品，增加銷量和利潤。(3)農戶的平均受教育水平越高，農戶融入電商價值鏈的概率會降低0.48%。農戶的受教育水平越高，可供農戶選擇的就業領域越廣，農戶融入電商價值鏈的機會成本比較大。(4)其他變量的影響是不顯著的。

接下來分析農戶融入電商價值鏈的收入效應。圖3為處理組和控制組傾向得分的核密度分布圖，傾向得分越高，農戶融入電商價值鏈的可能性就越大。處理組和控制組的樣本絕大部分都在共同取值范圍內，故匹配時不會損失大量樣本。控制組的概率分布先不斷增加至0.17附近，并達到峰值，隨后快速下降，然后保持平穩。處理組的概率分布先不斷增加，與控制組在0.09附近第一次相交后，增加至0.20附近達到峰值，隨后不斷降低，與控制組在0.22附近第二次相交，隨后保持穩定。兩組概率分布第一次相交以前以及第二次相交以前，控制組的頻數多于處理組，這表明控制組以較小可能性融入電商價值鏈的戶數多于處理組以較小可能性融入電商價值鏈的戶數。兩組概率分布第二次相交后，處理組的頻數多于控制組，這表明處理組以較大可能性融入電商價值鏈的戶數高于控制組以較大概率融入電商價值鏈的戶數。

圖3 處理組和控制組傾向得分的核密度分布

根據處理組和控制組的傾向得分值，用核匹配法進行匹配，對比處理組和控制組的收入差異，如表4所示。在匹配前，采用最小二乘法估計，發現處理組比控制組農戶的總收入高26.24%，利用傾向得分匹配后，處理組的收入效應為22.97%，控制組的收入效應為22.01%，綜合看來，在控制了政策、區位、產業、人力資本、社會資本、金融資本等系列因素后，農戶融入電商價值鏈使云南、貴州、陜西和甘肅的農民家庭總收入平均提高了22.24%，即處理組、控制組及總體的處理效應差別不大，在22.01%～22.97%之間。ATT的T值大于臨界值2.56，則處理組的平均處理效應在1%的顯著性水平下是顯著的。

從表4可看出，采用最小二乘法得到的收入提高比例，遠遠高于以傾向得分匹配法得出的收入提高比例，原因在于最小二乘法忽略了個體之間的差異，導致得出融入電商價值鏈對收入改善作用非常大的偽結論。傾向得分匹配法，通過控制農戶的特征值，配對后再進行比較，正好處理了個體間差異的影響，得出更為真實的結論。因此，采用傾向得分匹配法是較為合理的。

表4 模型處理效應結果

根據自舉法，估計參與者的處理效應、未參與者的處理效應和綜合的平均處理效應，可以看出，ATT、ATE、ATU均在1%的顯著性水平下顯著。這表明，樣本之間匹配的結果較為穩健，本研究所得出的結論較為可信。

根據平衡性檢驗結果可知，匹配結果較好地平衡了數據，大多數的變量標準化偏差(%bias)在10%左右，對比匹配前的結果，大多數變量的標準化偏差均大幅減少；另外，大多數變量T檢驗概率值均大于0.10，表示在10%的顯著性水平下，均不能拒絕原假設(原假設為匹配后的處理組與控制組無顯著差異)，可以認為，本文選擇的匹配變量和匹配方法是合適的。

綜上可知，無論是“補對數-對數模型”、泊松分布，還是Logit和Probit模型，農戶融入電商價值鏈的傾向得分估計結果和邊際效應結果均比較相似，變量顯著性幾乎一致，且各變量的估計系數大小非常接近，邊際效應及其顯著性也高度一致。在農戶融入電商價值鏈的收入處理效應方面，四種方法得到的ATT、ATU和ATE的數值幾乎相等，僅小數點之后略有不同，顯著性也完全一致。在核密度圖的分布上，四種模型無論是趨勢還是相交點，圖形走勢非常一致。因此，本文所得到的結論均高度一致，結論穩健性較好，結論較為可信。綜上，假說1得到證實。

五、異質性分析

農戶的受教育水平是影響其融入電商價值鏈的重要因素[7，24]，而戶主作為農戶家庭的主要成員，戶主的受教育水平對農戶家庭的重大決策，具有重要的影響。不同受教育程度的戶主所在的家庭，可能會呈現出不同的特征。因此，本文基于戶主的受教育程度，將農戶分為文盲組、小學組、初中組和高中及以上組，采用傾向得分匹配法(3)這里以“泊松分布”的估計結果為例。，進而分析不同組別的農戶組融入電商價值鏈的收入效應。

表5為傾向得分的估計結果，從中可以看出，屬于電子商務示范縣、村中有電子商務支持政策、屬于陜甘地區、村中有電子商務服務站、到市場的距離、參與產業扶貧項目、平均受教育年限、參與合作社、家中成員有網購行為、能夠從銀行或信用社貸款對不同組別的農戶融入電商價值鏈有顯著的正向或負向影響。泊松模型的邊際效應結果中，所有變量的系數方向均與表5相同，且系數的顯著性也基本一致。因本文主要關注不同受教育程度組別的農戶融入電商價值鏈的收入效應，故傾向得分估計及其邊際效應估計的變量系數符號及大小的結果及原因，這里不再贅述。

表5 泊松模型估計結果

表6為不同組別的農戶融入電商價值鏈的收入效應的結果，從中可以看出，無論是普通的方法還是利用“自舉法”得到的結果，結論非常一致。對于文盲組和高中及以上組，無論是處理組、控制組還是總體樣本，農戶是否融入電商價值鏈對收入的影響均是不顯著的，即戶主未接受正式教育的農戶融入電商價值鏈與不融入電商價值鏈，對收入的影響沒有差異。

表6 不同組別農戶的處理效應結果

對于小學組，農戶融入電商價值鏈的收入效應均在1%的顯著性水平下顯著；處理組農戶融入電商價值鏈比不融入電商價值鏈，收入能夠提高30.99%；對于控制組農戶，農戶融入電商價值鏈比不融入電商價值鏈，收入能夠提高28.66%；對于處理組和控制組總體而言，農戶融入電商價值鏈比不融入電商價值鏈，收入能夠提高29.22%。

對于初中組，農戶融入電商價值鏈的收入效應均在5%的顯著性水平下顯著；處理組農戶融入電商價值鏈比不融入電商價值鏈，收入能夠提高17.50%；對于控制組農戶，農戶融入電商價值鏈比不融入電商價值鏈，收入能夠提高21.41%；對于處理組和控制組總體而言，農戶融入電商價值鏈比不融入電商價值鏈，收入能夠提高20.55%。

綜上可知，戶主受教育水平與融入電商價值鏈增收效應呈現倒U型關系，即小學和初中組農戶融入電商價值鏈的增收效應比較顯著，并且小學組的農戶增收效應大于初中組，而文盲組與高中及以上組農戶增收效應不顯著。這表明融入電商價值鏈對于脫貧地區農戶具有教育門檻效應，對低受教育水平農戶具有高度包容性和益貧性。原因主要在于，電子商務對文盲群體存在明顯的門檻效應，而受教育水平越高的群體(高中及以上)往往從業機會越多，收入水平也較高，融入電商價值鏈帶來的收入差異并不大。農戶以供貨方式融入電商價值鏈并不需要過高的受教育水平，農戶戶主的受教育水平越低，可供選擇的職業范疇越窄，一些高收入職業的門檻相對較高，而融入電商價值鏈的門檻相對較低，電子商務對于產品銷量和利潤的影響又較大，這樣農戶是否融入電商價值鏈的收入差異就越大。綜上，假說2得到證實。

六、結論與建議

本文基于2018年7月-8月，中國農業科學院農業信息研究所關于云南、貴州、陜西和甘肅4省，會澤、正安、武定、洛南、盤縣、鎮安和清水7縣農戶的貧困專題調研數據，以1 564戶農戶為研究對象，論述了脫貧地區農戶融入電商價值鏈的增收機制，采用傾向得分匹配法，并結合稀有事件模型，從政策、地理區位、產業基礎、人力資本、社會資本、金融資本等方面設置變量，分析了脫貧地區農戶以供貨方式融入電商價值鏈的影響因素與收入效應，并進行了穩健性檢驗和異質性分析。相關結論如下：脫貧地區農戶作為生產者以供貨方式融入電商價值鏈能夠增加銷量、提高價格，增加收益。村中有電子商務支持政策、村里有電子商務服務站、農戶有網絡購物行為、勞動力平均年齡、能從銀行或信用社貸款五個因素對脫貧地區農戶融入電商價值鏈的影響是正向的，勞動力平均受教育年限因素的影響是負向的。在控制了政策、區位、產業、人力資本、社會資本、金融資本等系列因素后，以供貨方式融入電商價值鏈的農戶比不融入電商價值鏈的農戶，收入平均高22.24%。進一步，基于戶主受教育水平，將農戶分為文盲組、小學組、初中組與高中及以上組，發現農戶受教育水平與融入電商價值鏈增收效應呈現倒U型關系，即小學和初中組農戶融入電商價值鏈的增收效應比較顯著，小學組的農戶增收效應大于初中組，而文盲組與高中及以上組農戶增收效應不顯著，即電商價值鏈對于脫貧地區農戶具有教育門檻效應，對低受教育水平農戶又具有高度包容性和益貧性。

結合上述結論，提出以下幾個層面的政策建議。第一，中央和地方政府應繼續增加促進脫貧地區農村電子商務發展的政策，尤其是在資金、服務站建設、農戶培訓方面的政策支持，為農戶提供良好的宏觀制度環境。第二，電子商務服務站的介入，能夠在一定程度上解決工業品下行最后一公里、農產品上行最初一公里的難題。但現階段脫貧地區多數電子商務服務站的農產品上行功能不健全，亟待進一步開發。第三，針對農戶面臨的資金難題，在有效監管的前提下，政府可以逐步放開農村金融市場，盤活農村的金融資源。貸款業務在農村的門檻相對較高，一方面意味著農戶貸款困難，也反映出了金融機構給農戶貸款后可能面臨的還款困境，這不僅需要國家在貸款資格方面的政策干預，更需要對農戶所擁有的住房、土地等財產進行賦權，以及相關保險業務的開展，以確保貸款的順利進行。第四，要重視低收入文盲群體人力資本的提升，通過夜校、實訓等方式提升其受教育水平和互聯網技術應用能力，從而促進其融入電商價值鏈進而增加收入的能力。