數字經濟發展與消費者福利水平變化
——基于時間分配理論研究

劉明星

一、引言

進入21世紀以來，以互聯網為代表的新一代信息技術推動數字經濟飛速發展。根據中國信息通信研究院發布的《中國數字經濟發展與就業白皮書（2021年）》顯示，截止到2020年，我國數字經濟增加值已達39.2萬億，在GDP中占比為38.6%。與2005年相比，數字經濟規模增長了14.1倍，比重提升了24.4個百分點。區別于農業經濟和工業經濟，數字經濟呈現出兩個明顯的特征：一是出現了如維基百科、微信、微博等免費或低價數字產品，二是智能手機、電腦等新產品的更新迭代速度加快①。一方面，數字產品的普及改變了經濟和社會生活領域的基本關系。免費搜索引擎的出現降低了消費者的信息搜索成本、提升并擴大了消費者的信息搜尋能力和范圍，進而改變了消費者由于信息不對稱問題導致的弱勢地位（Goldfarb and Tucker，2019）。另一方面，通過對傳統產品的替代，在線音樂、在線資訊等數字產品賦予了消費者新的消費體驗和選擇，居民的幸福感得到明顯提升（冷晨昕、祝仲坤，2018）。整體來看，免費或低價數字產品會對消費者福利產生較大的影響。但是，目前的GDP核算方法都是以產品價格為計量基礎。無論是生產法還是支出法，均無法將免費或低價數字產品的價值準確計入GDP之中（Aitken，2019；Brynjolfsson and Collis，2019；陳夢根、張鑫，2020；平衛英等，2021；許憲春等，2021）。換言之，宏觀經濟指標無法真實反映數字經濟發展狀況，數字經濟面臨“新索洛悖論”（許憲春、張美慧，2020）。

準確評估數字經濟發展水平是有序開展后續研究和制定數字經濟發展政策的前提和基礎。針對GDP測度不充分問題，一些學者主張通過構建GDP-B框架或者EGDP框架，將數字產品對消費者福利的貢獻納入經濟核算之中。其中，Aitken（2019）和Brynjolfsson et al.（2019a）主張構建GDP-B框架，通過激勵兼容離散選擇實驗評估免費社交網絡服務等數字產品對福利增長的潛在影響，糾正GDP指標與真實福利水平之間的偏差。Hulten and Nakamura（2020）則提議構建EGDP框架，在原有的投入產出脈絡基礎上，利用“產出節約”技術，捕捉新產品和免費產品導致的消費者福利增加。基于此，本文立足于數字產品的消費者剩余度量問題，為我國數字經濟規模測度提供了新思路。具體來講，本文的貢獻主要有三點：第一，在概念上，將互聯網服務等同于數字產品。通過考察互聯網服務對我國消費者福利整體水平和變化情況的影響，側面衡量數字經濟發展的福利效應。第二，從時間維度出發，結合消費者效用函數，量化數字產品價值，完善現有GDP測算體系，準確把握數字經濟發展狀況。第三，關注數字產品時間消費不平等問題，為數字經濟背景下消費不平等問題研究提供新的視角。

二、互聯網服務相關概念及價值核算

（一）互聯網服務相關概念

1.數字產品與互聯網服務

互聯網服務指的是由企業或政府、其他組織通過互聯網提供的信息傳輸服務和信息內容服務（平衛英等，2021）。根據我國《國民經濟行業分類（2017）》和《數字經濟及其核心產業統計分類（2021）》，互聯網服務主要包括：互聯網接入相關服務、互聯網搜索服務、互聯網資訊服務、互聯網安全服務、互聯網數據服務和其他互聯網相關服務。具體來講，互聯網服務在形式上主要表現為在線音樂、在線資訊、在線視頻、在線搜索等數字產品。通常情況下，數字產品指的是通過數字技術進行編碼（轉換成二進制格式）的商品或服務（羅良清等，2021），主要包含工具和實用產品、在線服務和基于內容的數字產品三大類。其中，信息是數字產品的核心內容。互聯網服務本質上是數字產品的集合。與非數字產品相比，這些數字產品具有明顯的零邊際成本和零復制成本特征（Goldfarb and Tucker，2019）。因此，數字產品表現出特有的非競爭性。這意味著一個使用者對數字產品的消費并不會減少或降低其他人消費該產品的數量或質量。例如，音樂、新聞資訊的分享并不會損害或減少初始音樂和新聞資訊中包含的信息數量和質量。

2.數字經濟與互聯網服務

數字經濟與互聯網服務的關系密不可分。根據2016年《G20數字經濟發展與合作倡議》，數字經濟是指使用數字化的知識和信息作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。其中，互聯網服務是數字經濟發展的重要組成部分，所有衡量數字經濟發展的指標都離不開對互聯網服務使用情況的考察。例如，世界經濟論壇提出的網絡準備度指數（NRI）、歐盟發布的數字經濟與社會指數（DESI）、平臺企業聯合構建的中國“互聯網+”數字經濟指數等（徐清源等，2018）。互聯網是數字化基礎設施不可或缺的部分（陳文、吳贏，2021）。就我國而言，數字經濟在GDP中的貢獻率與互聯網普及率、居民日常上網時間始終保持整體一致的發展趨勢。如圖1所示，2005—2020年，我國互聯網普及率從8.5%逐年上升至64.5%，網民人均每周上網時間從15.9小時波動增加到30.8小時。從互聯網的使用廣度和使用深度兩方面來看，互聯網的發展狀況在一定程度上揭示了數字經濟的發展概況。

圖1 2005—2020年數字經濟對GDP貢獻率及互聯網使用情況

我國關于新經濟形態的研究先后經歷了信息經濟、互聯網經濟再到數字經濟三個階段（許憲春、張美慧，2020；劉偉等，2021）。它們都只是一個階段性的概念。其中，信息經濟指的是圍繞ICT產業和ICT產品發展而來的經濟形式。互聯網經濟強調以互聯網為基礎的經濟形式。數字經濟則是對互聯網經濟的繼承和創新，重點突出數字技術的重要作用。當前，我國正處在數字經濟發展階段。從技術視角出發，數字經濟進一步可以劃分為數字化、網絡化和智能化三個層次（李長江，2017）。其中，數字化強調各種經濟活動被模擬成0和1兩個數字的過程，網絡化強調信息借助互聯網服務的傳輸過程，智能化強調信息的處理過程。整體來看，互聯網服務處在數字經濟發展的中間環節，為數字經濟發展提供基礎設施支撐。互聯網服務的發展體現了數字經濟的發展。

（二）價值核算研究現狀

目前，學術界關于免費或低價數字產品的價值核算方式主要有兩種：一種是基于供給側的生產成本核算，一種是基于需求側的消費者剩余度量。在供給視角下，Nakamura et al.（2017）結合數字產品的盈利模式，認為企業和消費者之間本質上是一種易物交易關系。企業通過向消費者提供免費或低價的數字產品、為第三方發布線上廣告并收取廣告費用維持自身運營。消費者通過觀看廣告這一生產活動換取數字產品。基于此，數字產品價值是消費者觀看廣告的收入，廣告費用是企業進行數字產品生產的成本。進一步，平衛英等（2021）在易貨交易的框架下對互聯網免費服務這一具體數字產品價值展開了研究，認為互聯網免費服務的價值主要是顧客價值，而數據是顧客價值的變化形態。因此，數字產品價值的核算重點是數據資產核算。區別于上述研究，許憲春等（2021）認為“免費”內容產品交易更符合實物轉移的特征。企業在向消費者提供“免費”內容產品的同時，并沒有從消費者那里獲得對應物作為回報。因此，“免費”內容產品的價值是虛擬價值，與第三方支付的廣告費用存在較大關聯。總之，生產成本核算方法側重于從數字產品供給流程中尋求等價關系。

與供給視角下的數字產品價值核算方法相比，消費者剩余度量方法顯得更為有效和直接（續繼、唐琦，2019）。綜合現有的研究來看，關于數字產品的消費者剩余度量主要集中在兩個方向。一個方向是基于消費者的陳述性偏好，即采用調查的方法詢問消費者為獲取和放棄數字產品的最大支付意愿和最低接受價格，計算消費者剩余。Mosquera et al.（2020）、Brynjolfsson et al.（2019b）和Corrigan et al.（2018）通過激勵相容的方法，分別開展了停止使用Facebook社交軟件一周、兩周、一個月和一年的消費者支付意愿調查。結果發現，消費者的支付意愿與其放棄使用社交媒體的時間長度之間呈現非線性關系。Corrigan et al.（2018）發現美國成年人一整年不使用Facebook社交軟件的保留價格在1000—2000美元之間。Sobolewski（2021）通過離散選擇實驗對免費導航應用程序的消費者剩余進行了估算，結果發現，該數字產品的價值大小受供應商設置的位置共享條件、用戶對隱私的關注兩個因素影響，選擇數據共享和基于位置服務產生的消費者剩余相比僅使用衛星導航而沒有基于位置功能產生的消費者剩余差1.36倍。值得注意的是，消費者的陳述性偏好往往與其實際選擇行為不一致。這一現象會造成消費者剩余的高估，同樣，消費者最大支付意愿的可操控性，也會影響消費者剩余計算結果的可信度（Allcott et al.，2020）。

相比而言，基于消費者顯示性偏好測算消費者剩余的方法更為客觀。這一方向主張通過消費者的實際行為數據計算消費者剩余。一般情況下，估算免費或低價數字產品價值涉及的樣本數量往往較大。Cohen et al.（2016）結合“峰時”定價算法和五千萬個個體消費數據，粗略估算出2015年UberX服務在美國產生的消費者剩余總額為68億美元。Nevo et al.（2016）使用五萬五千份家庭層面的寬帶購買數據，計算得到2015年美國寬帶服務產生的總消費者盈余達1320億美元。考慮到數字產品大多為時間密集型產品，其時間支出通常大于直接貨幣支出。Brynjolfsson and Oh（2012）對比分析了傳統貨幣支出模型和時間貨幣支出模型下的互聯網服務價值，發現前者每年增加的福利收益不足后者的二十分之一。對數字產品時間成本的忽視，會造成消費者福利的低估。基于此，Goolsbee and Klenow（2006）、Brynjolfsson and Oh（2012）開拓了時間機會成本法，通過構建包含上網時間和上網費用在內的效用函數，對互聯網服務的消費者剩余進行了測算。進一步，Pantea and Martens（2016）應用該方法從宏觀層面比較了法國、德國、意大利、西班牙和英國的互聯網服務價值，明確了網絡基礎設施建設的重要性。由于數字產品是互聯網服務具體形式的表現，互聯網服務在消費時間上涵蓋了數字產品的消費時間。因此，時間機會成本法下測算的互聯網服務價值等價于數字產品價值。這一定程度上節省了數字經濟測度過程中單獨測算各個數字產品價值的工作量。

三、理論基礎與模型構建

現實生活中，每個消費者不僅面臨著貨幣約束，也面臨著時間約束。任何商品的消費都需要時間，這意味著經濟福利測量要同時考慮消費者的時間支出和貨幣支出，尤其是伴隨著在線游戲、在線資訊等眾多耗時數字產品的出現，時間支出問題變得不容忽視。因此，數字產品的價值分析中應該引入時間成本。Becker（1965）首先將時間概念納入家庭效用水平分析，把家庭看作是生產者和消費者的結合體，強調消費者是從時間和商品的聯合組合中獲得效用。具體來講，家庭將市場上購買的商品和時間作為投入要素，兩者結合生產出包括聲望和尊嚴、健康、羨慕等即時消費品，從而給消費者帶來效用。

基于Becker（1965）的時間分配理論，本文假設消費者在貨幣和時間雙重資源約束條件下，通過市場購買品和時間進行“商品”的生產和消費，從而獲取效用。為了簡化分析，本文進一步假設消費者只購買兩類產品。一類是數字產品，另外一類則是非數字產品。參照Goolsbee and Klenow（2006）的做法，本文采用如下CES效用函數形式①和預算約束：

上式（1）中θ表示消費者的偏好，σ表示兩種“商品”Yf和Yo之間的替代彈性。Yf是Cf和Lf兩種生產要素相結合的產物。其中，Cf和Lf分別代表數字產品的消費量、數字產品消費時間在非睡眠時間中的占比。同樣，Co和Lo兩種生產要素結合生產出“商品”Yo。Co和Lo分別代表非數字產品的消費量和非數字產品時間要素投入比例。需要指出的是，本文把個人時間分解為工作時間、睡眠時間、數字產品消費時間、非數字產品消費時間四個部分。其中，后三者的加總是一般意義上的余暇時間。在“商品”Yf和Yo的生產函數中，1-αf和1-αo分別代表數字產品的時間密集強度、非數字產品的時間密集強度。在式（2）中，Pf和Po分別表示數字產品和非數字產品的價格。F表示消費者為獲取數字產品需提前支付的固定網絡連接費用。W表示時間的價值，用工資水平表示。

根據利潤最大化原則和效用最大化原則對式（1）和（2）進行求解，可以得到“商品”Yf和Yo，其具體的表達式如下：

通過進一步分解可以得到數字產品與非數字產品的消費量和時間投入量：

衡量商品消費者剩余大小的關鍵在于確定商品的需求價格彈性。結合式（3）并利用最佳分配原則可得到如下恒等式：

在等式（4）左側中，由于數字產品為時間密集型產品，相應的αf=0。另外，考慮到互聯網的固定訂閱費用在個人收入中的占比非常小，可以近似的假設F/W≈0。因此，等式（4）左側可以相應的簡化為(1-Lf)Lf。通過對該式兩邊求對數可以得到：

式（5）可以視為一個關于居民收入水平W的簡單對數線性回歸方程，也即本文的基本回歸模型。其中，式子左側表示非睡眠時間中非數字產品消費時間與數字產品消費時間之比，是一種時間分配關系。在式子右側，lnA在橫截面數據中默認是一個常數，αo-αf同樣是常數，最后一項則被看作是誤差項。

需要補充的是，數字產品中占比較大的依舊是基礎性的免費數字產品。因此，若將Pf=0納入上述的一般模型進行求解，對應的免費數字產品消費時間可以表示為：

由于Lf是關于非數字產品價格和收入的函數，利用式（6）和已知時間序列數據可以對替代彈性進行如下校正：

在確定替代彈性之后，消費者剩余的計算變得相對容易。為了避免對數需求曲線假設導致的消費者剩余高估問題，本文直接引入了Goolsbee and Klenow（2006）文章中關于Hausman（1999）線性需求曲線假設的消費者剩余計算方法，免費數字產品的消費者剩余可以表示為：

四、數據來源、處理和描述性統計

本文使用的是中國家庭追蹤調查（China Family Panel Studies，簡稱CFPS）2018年度微觀數據，數據中的被調查對象涉及25個省、市、自治區，樣本具有全國代表性。結合基本模型（5），本文選取樣本中的“每周業余上網時間”計算得到被解釋變量“時間分配結構”；選取樣本中消費者“家庭平均收入”作為核心解釋變量。為了保證計算結果的無偏性，模型中還加入了年齡、婚姻狀態、健康狀況、受教育程度等個人特征變量。另外，為了消除網絡成癮問題對模型估計準確性可能存在的影響，本文還對相應的數據進行了截尾處理，刪除異常值、缺失值，共獲得15131個樣本。表1報告了相關變量的描述性統計。

表1 變量描述性統計

模型估計目的是為了確定核心解釋變量系數，進而獲取數字產品的替代彈性并計算相應的消費者剩余。通過基本模型（5）可知，核心解釋變量系數由替代彈性σ-1和αo-αf的乘積表示。因此，提前確定非數字產品與數字產品的貨幣強度之差，即αo-αf的具體數值，非常關鍵①其中，非數字產品的貨幣強度由直接貨幣支出占包含間接時間貨幣支出在內總支出的比例表示；數字產品的貨幣強度由網費支出（直接貨幣支出）占包含間接時間貨幣支出在內總支出的比例表示。根據工信部網站發布的《2018年通信業統計公報》②我國2018年度通信業固定和移動數據及互聯網業務收入總額為8056億元。、中國互聯網信息中心公布的《第43次中國互聯網絡發展狀況統計報告》③2018年我國網民人數為8.29億，加權月收入水平為3295.5元。因此，2018年度我國網民月均網費支出金額為81元。該金額的計算參照中國信息通信研究院《中國寬帶資費水平報告》中固定寬帶月戶均支出和移動通信月戶均支出計算方法。和2018年第二次全國時間利用調查統計數據④2018年度時間利用調查數據顯示，居民每天平均互聯網使用時間為2小時42分鐘、平均睡覺休息時間為9小時19分鐘。可以計算得到αf為0.12。另外，通過《中國住戶調查年鑒（2019）》中的人均消費支出數據可以得到αo為0.65。因此，αo-αf的值為0.53。

中國的互聯網發展以2012年為時間節點，可以劃分為兩個階段，即PC互聯網階段和移動互聯網階段（張路娜等，2021）。基于互聯網發展的階段性特征和數據的可獲取性，本文手動整理了2012—2020年網民人均每周上網時間、人均網費支出、以1978年為基期的居民消費價格指數（CPI）和人均可支配收入水平數據，計算得到了互聯網支出的相關數據，內容參見表2。這些數據分別來源于歷年公布的《中國互聯網絡發展狀況統計報告》、《中國通信業統計公報》和國家統計局官網。觀察表2可以發現，互聯網服務的直接貨幣支出份額遠遠低于其時間份額占比，兩者始終相差10倍以上。互聯網服務是一個典型的時間密集型產品。另外，從時間趨勢上看，調整后的互聯網支出份額整體呈現上升趨勢，但是增速逐步放緩甚至開始下降。這可能與移動互聯網的普及使用、全國“提速降費”工作的深入展開等因素相關。

表2 2012—2020年度互聯網支出相關數據

五、實證回歸結果與分析

（一）基本回歸結果

表3給出了消費者收入水平與其業余上網時間分配結構的基本回歸結果、數字產品的替代彈性數值。如表3所示，第（1）列顯示的是不加控制變量的結果。觀察結果可知，我國居民非業余上網時間與業余上網時間占比和其收入水平之間呈負相關關系。換言之，消費者收入水平越高，其對應的業余上網時間占比越大，數字產品消費量越大。在第（2）列和第（3）列中逐步加入個人特征控制變量和省份固定效應后，核心解釋變量的符號依舊顯著為負。上述結果再次說明消費者的收入水平與其業余上網時間之間存在正相關關系。但這一結果與歐美等國家的情況恰恰相反。Pantea and Martens（2016）實證發現，英法等國家的居民收入水平越高，其對應的在線休閑時間越短。究其原因，我國不同收入人群在互聯網使用中存在明顯的數字鴻溝問題（尹志超等，2021）。高收入群體的數字產品消費能力強于低收入群體。同樣，這一現象也體現在2018年中國時間利用調查微觀數據中。另外，這種數字鴻溝也存在于不同教育程度群體之中。觀察表3可知，消費者受教育程度與其業余上網時間占比呈正相關關系。教育水平越高的消費者，其業余上網時間占比越高。這一結果與已有文獻的結論具有一致性（David and TurSinai，2017）。

表3 模型基本回歸結果

（二）進一步分析

本部分分別以2018CFPS問卷調查中受訪者對“互聯網作為信息渠道的重要程度”、“上網時社交的重要程度”和“上網時娛樂的重要程度”的評價作為中介變量，采用逐步回歸法探尋互聯網使用鴻溝的具體作用機制。表4匯報了具體的實證結果。從第（2）列結果可以觀測到，居民收入水平關于其互聯網信息渠道重要性評價的回歸系數顯著為正。這表明居民收入水平越高對互聯網信息搜尋功能的重視程度越高。進一步，觀察第（3）列結果可以發現，把該中介變量加入基本回歸中后，中介變量和核心解釋變量的系數都顯著。這說明互聯網的信息搜尋功能在居民收入對業余上網時間分配關系的影響中存在中介效應，中介效應與總效應的比為0.23。同樣，第（4）列和第（6）列結果分別匯報了居民收入水平關于其社會資本積累重要性和線上娛樂看重程度的回歸結果。結果顯示，收入水平越高的居民越重視通過線上社交方式進行社會資本積累和線上娛樂的休閑功能。因此，數字經濟發展對高收入群體的福利效應明顯大于低收入群體。高收入群體出于信息搜尋、社會資本積累和娛樂休閑目的，業余上網時間更長。不同收入群體間數字產品消費存在不平等。結合樣本數據測算，2018年我國數字產品消費排名前10%的消費者消費量是排名后10%消費者消費量的14倍。另外，采用泰爾指數和基尼系數方法計算的2018年數字產品消費不平等數值分別為0.36和0.46。該結果與當前諸多學者計算得到的中國消費不平等程度相當（孫豪等，2017；朱迪，2021）。

表4 中介效應分析

（三）穩健性檢驗

1.變量內生性問題討論

在基本回歸模型中，本文將可能造成估計偏誤的因素（如年齡、健康狀況、受教育程度等）納入方程中進行了控制，可以有效緩解由于遺漏變量所導致的內生性問題。但是，現有研究中有學者試圖闡釋互聯網使用對居民收入的正向促進作用（李飚，2019）。因此，可能存在的反向因果關系會造成模型系數估計不準確。為了保證本文結論的可靠性，本部分選取滯后一期的收入水平作為工具變量，對潛在的內生性問題進行進一步的探討。表5匯報了具體的工具變量檢驗回歸結果。從表5的結果可以看出，在5%的顯著性水平下，我國居民非業余上網時間與業余上網時間占比和其收入水平之間呈負相關關系，這與基本回歸結果一致。

表5 工具變量回歸結果

2.替換核心解釋變量

在前文分析中，模型選擇將家庭平均收入作為時間價值的度量單位。但是，家庭內部往往存在收入分配行為，并且這一行為基本上不遵循平均主義原則。這一情況可能會導致消費者個體關于時間價值的判斷出現偏頗，尤其是兒童、老人等無收入群體。他們可能會因為沒有實際勞動收入來源而缺乏對時間貨幣價值的主觀感知。相反，有薪階層在獲取工資的過程中能夠形成關于時間價值的長期穩定預期。個人工資性收入可以更精準地刻畫消費者的時間價值。因此，本部分將樣本限定在具有個人工資性收入的消費者范圍之內。估計結果如表6所示，居民非業余上網時間與業余上網時間之比同其收入水平依舊呈顯著負相關關系，通過了穩健性檢驗。另外，該結果再次證實了不同收入群體間存在的數字鴻溝問題。

表6 穩健性檢驗

（四）替代彈性和消費者剩余

本部分類比Brynjolfsson and Oh（2012）的做法，以表達式（7）為目標函數，結合表2中的時間序列數據對非線性函數（6）進行擬合，對已獲得的替代彈性進行了校正。校正后的替代彈性數值為0.94。該結果與表6中計算得到的替代彈性結果較為近似。據此，結合消費者剩余計算公式（8），可以得到我國2012—2020年間消費者剩余的整體變化情況。具體結果如表7所示。觀察表7可知，我國數字產品對消費者福利的影響不可小覷。數字產品產生的消費者剩余在GDP中的占比始終保持5%以上，且呈現不斷攀升趨勢。該份額從2012年的5.00%上升至2020年的11.39%，幾乎翻了一番。對數字產品價值的忽視會嚴重影響數字經濟發展水平的評估。不僅如此，數字產品價值的年度增長率始終高于目前的GDP年度增長率。換言之，數字經濟的實際發展速度遠高于現有的GDP增速。現有的GDP核算方法會低估數字經濟的發展速度。另外，我國數字產品產生的價值遠高于同時期的歐洲國家水平①Pantea and Martens（2016）采用2011年尼爾森數據計算了歐洲國家互聯網服務產生的消費者剩余在GDP中占比情況，英國占比水平最高，達到了2.15%。。這種領先可以追溯到國家間居民業余上網時間的差異。就我國而言，龐大的消費者群體使得面向個人提供社交、購物、教育、娛樂等服務的“消費互聯網”趨于完善。移動終端和移動應用行業的迅速普及和崛起，加速了居民休閑娛樂方式的線上轉移。因此，我國數字產品的人均消費量要大于歐洲國家數字產品的人均消費量。

表7 2012—2020歷年消費者剩余變化情況

六、結論

免費或低價數字產品的出現是數字經濟的重要特性之一。而這些數字產品的免費特性不僅使其難以應用傳統的需求曲線方法進行消費者剩余估算，也使其價值無法準確反映在GDP之中。因此，本文從時間價值角度對我國數字經濟核算過程中的數字產品價值測度工作進行了初步探索和有益嘗試。結果發現，我國數字產品產生的消費者剩余在國民生產總值中的份額持續上升，2020年占比達到11.39%。數字經濟實際發展規模出現嚴重低估。相比于重新構建GDP核算框架，本文為數字經濟規模核算提供了一個新的思路：在原有的核算基礎上擴展數字產品產生的消費者剩余。考慮到互聯網服務是數字產品的集合，互聯網服務在消費時間上涵蓋了數字產品的消費時間。因此，基于互聯網服務的時間機會成本測度法可以有效度量數字產品價值。這對政府統計部門的統計工作提出了新的要求。宏觀層面上，政府統計部門應開展常態化的中國時間利用調查數據統計工作，密切關注時間維度下居民的福利水平變化。微觀層面上，政府統計部門應積極與互聯網企業尋求合作，在保障消費者隱私的情況下，充分利用好龐大的消費數據，實現數字經濟發展水平的精準測度。另外，本文在研究中發現，我國居民的互聯網使用行為呈現明顯的分化，不同收入等級和教育水平的群體間存在明顯的數字鴻溝問題。具體表現為，高收入和高學歷人群的業余互聯網使用時間更長，數字產品消費量更大。究其原因，受互聯網使用過程中信息搜尋、社會資本積累和娛樂休閑三種不同動機的驅使，高收入和高學歷人群能夠獲取更多的消費者福利，占據互聯網使用優勢。因此，政府要加強對數字經濟發展過程中不平等問題的關注，給予低收入和低學歷等弱勢群體更多的政策幫扶，以防群體間的數字鴻溝問題繼續擴大，進而抵消數字經濟發展過程中數字產品產生的消費者福利。