數字鄉村建設對農村居民收入差距的影響研究

尹含 孫伯馳

摘要：對標對表共同富裕的中國式現代化發展目標，我國推進共同富裕的中國式現代化的關鍵在于縮小農村內部的收入差距。基于中國家庭追蹤調查數據和北京大學縣域數字鄉村指數，文章從微觀農戶視角通過數字鄉村整體架構，采用普通最小二乘法分析數字鄉村建設對農民收入差距的影響。研究結果表明：（1）數字鄉村建設擴大了農村居民收入差距，數字鄉村指數每增加1個單位，Kakwani指數上升0.0010。（2）分維度異質性分析發現，鄉村經濟數字化使收入差距提高了0.0009，加劇收入不平等程度的作用效果最明顯。（3）異質性分析還發現，通過數字鄉村建設，非林區農戶年人均純收入增加0.0187萬元，非林業生產戶年人均純收入增加0.0656萬元，兩者增收效果更明顯。（4）數字鄉村建設存在精英俘獲，高學歷農戶和高社會資本農戶年人均純收入分別提高0.0496萬元和0.0267萬元，不利于弱勢群體分享數字鄉村建設紅利，帶來了嚴峻的收入分化問題。（5）機制分析顯示，數字鄉村建設使高收入農戶的農業生產發展增加1.5457萬元，非農就業的概率增加0.1427，從而擴大了農村收入差距。根據研究結論，持續推動數字鄉村建設健康有序發展，補足鄉村經濟數字化和林業生產短板，加大對弱勢群體的幫扶力度，是促進農民農村共同富裕的重要途徑。

關鍵詞：數字鄉村建設；收入差距；林業生產；農業生產發展；非農就業

中圖分類號：F323；F49文獻標識碼：A文章編號：1673-338X（2023）07-040-20

基金項目：天津師范大學研究生科研創新項目“數字鄉村建設對農村收入差距的影響研究”（編號： 2023KYCX033Y）。

Study on the Impact of Digital Village Construction on the Income Gap of Rural Residents

YIN HanSUN Bochi

（College of Economics， Tianjin Normal University， Tianjin 300382）

Abstrast：Against the development goal of Chinese-style modernization of common wealth， the key to promoting Chinese-style modernization of common wealth in China lies in narrowing the income gap within the rural areas. Based on the China Family Panel Studies data and Peking Universitys County Digital Village Index， from a micro-farmers perspective， through the overall architecture of the digital village， this paper analyzed the impact of digital village construction on farmers income gap by using ordinary least squares method. The results showed that：（1）Digital village construction had widened the income gap among rural residents， with the Kakwani index rising by 0.0010 for every 1 unit increase in the digital village index.（2）The analysis of sub-dimensional heterogeneity found that rural economic digitization increased the income gap by 0.0009， with the most significant effect of increasing the level of income inequality.（3）Heterogeneity analysis also found that non-forest farmers annual net incomes per capita increased by 187 yuan and non-forest producer households increased their annual net incomes per capita by 656 yuan through digital village construction， both had a more significant effect on increasing income.（4）There was elite capture in digital village construction， with the annual net incomes per capita of highly educated farmers and high social capital farmers increasing by 496 yuan and 267 yuan respectively， which was not conducive to the sharing of the dividends of digital village construction by vulnerable groups， and brought about a serious problem of income polarization.（5）The analysis of the mechanism showed that the digital village construction contributed to an increase of 15457 yuan in the development of agricultural production of high-income farmers and increased the probability of non-farm employment of high-income farmers by 0.1427，thus widened the gap between rural incomes. According to the research in this paper， continuously promoting the healthy and orderly development of digital village construction， making up the short board of rural economic digitization and forestry production， and increasing the assistance to vulnerable groups were important ways to promote the common prosperity of farmers and rural areas.

Key Words：digital village construction；income gap；forestry production；agricultural production development；non-farm employment

1引言

共同富裕是社會主義的本質要求，是中國式現代化的重要特征。2020年，我國脫貧攻堅戰取得全面勝利，消除了農村絕對貧困問題，但是農村收入不平等、不充分問題依然嚴峻（尹志超等，2023），實現農民農村共同富裕任重而道遠。根據《中國統計年鑒》相關數據，按農村居民年人均可支配收入五等份分組，2021年高收入組的人均可支配收入為43081.50元，低收入組的人均可支配收入為4855.90元，兩者相差7.87倍；2013至2021年，低收入組年人均可支配收入增速為6.76%，高收入組年人均可支配收入增速為9.19%，兩者相差2.43個百分點，表明期間農村居民的貧富差距在持續擴大①。可見，農村內部收入分配狀況在不斷惡化，長此以往不僅會弱化農村居民的獲得感和幸福感，也會影響農村社會的公平公正，阻礙共同富裕的推進。

隨著數字經濟的蓬勃發展，數字鄉村建設應時而生。推進數字鄉村建設既是我國鄉村振興和農業農村現代化發展的戰略重點和優先發展方向，也是進一步解放和發展數字化生產力、建設數字中國的重要內容。2018年《中共中央國務院關于實施鄉村振興戰略的意見》首次提出“實施數字鄉村戰略”，數字鄉村建設正式上升為國家戰略。黨的二十大報告中指出“要加快建設數字中國，全面推進鄉村振興”。《2023年數字鄉村發展工作要點》明確提出“鄉村數字普惠服務不斷深化，農民數字素養與技能持續提升”，數字技術為保障農民共享數字鄉村建設成果提供了強有力的支撐。然而農民資源稟賦和認知能力存在差異，2021年《鄉村振興戰略背景下中國鄉村數字素養調查分析報告》指出，農村低學歷者正在遭遇數字鴻溝，并且農民數字素養與其收入成正相關，這意味著農村優勢群體和弱勢群體由于數字技術使用的差距，在將數字技術轉化為生產力和收入方面會產生獲益差距（朱秋博等，2022），數字鄉村建設紅利可能尚未體現出明顯的包容性，農村內部貧富分化問題會愈加嚴重。

除種植業外，林業經濟作為農村經濟的重要組成部分，能夠為農戶提供更多生產發展的機會。《數字鄉村建設指南1.0》明確指出，要“形成林草立體感知、管理協同高效、生態價值凸顯、服務內外一體的林草發展新模式”，《數字鄉村發展行動計劃（2022-2025年）》進一步強調要打造森林人家和康養基地，加快培育農村新業態，健康有序發展農村經濟。事實上，林業生產農戶受自然條件和地理位置的約束，生產生活相對封閉，獲取數字技術使用的權利與機會相對匱乏，可能更容易面臨信息困境和金融排斥的雙重沖擊（邱海蘭等，2022），不僅無法發展林草數字產業化，也會陷入就業信息陷阱，這在一定程度上限制了林農共享數字鄉村建設紅利的可能性，進而加劇農村內部收入不平等程度。當前學者對數字鄉村建設的研究多為理論分析和宏觀層面的實證檢驗，較少涉及微觀層面關于數字鄉村建設影響農村收入差距的實證研究。因此，深入探析這一問題對于我國持續深入推進數字鄉村建設、縮小農村內部貧富差距具有重要的理論價值和現實意義。

基于此，本文從農戶微觀視角出發，利用中國家庭追蹤調查（China Family Panel Studies， CFPS）數據和北京大學新農村發展研究院編制的縣域數字鄉村指數（2020），運用普通最小二乘法（Ordinary Least Squares， OLS）模型和兩階段最小二乘法（Two Stage Least Squares， 2SLS）模型，實證分析數字鄉村建設對農村收入差距的影響。并從數字鄉村建設分維度、農戶地區分布和生產性質層面，剖析數字鄉村建設對家庭年人均純收入的影響效果差異，進一步地，從農業生產發展和非農就業視角探討了數字鄉村建設影響農戶收入差距的作用機理。以期促進數字鄉村健康有序發展，從而緩解農村內部普遍存在的收入不平等問題，并據此提出相應的政策啟示。

本文的邊際貢獻主要體現在三個方面。在理論方面，將中國家庭追蹤調查數據和縣域數字鄉村指數相結合，從微觀層面分析數字鄉村建設對農村社會經濟效應的影響，擴展了數字鄉村建設影響效應的實證研究領域；在方法方面，基于數字鄉村整體架構考察了對農村內部收入差距的影響，豐富了農村不平等的相關研究；在政策實踐方面，依據農戶收入的主要來源，分析了數字鄉村建設通過農業生產發展和非農就業對農戶收入分配的影響，為數字鄉村建設的實施與推廣提供了實踐啟示與指導。

2文獻回顧與評述

關于農村居民收入差距的影響因素已引起國內外學者的廣泛討論，最早可以追溯到陳傳波等（2001）以環境、人口、支出、資產因素為切入點，分析了對農戶收入差距的相關影響；Wan（2004）以地理因素為切入點，驗證了上述因素是影響農戶收入差距的重要方面。宏觀方面，已有代表性的研究基于經濟發展水平（Wang et al.， 2019）、產業結構（Tyrowicz et al.， 2019）、金融發展（Tureégano et al.， 2018）和互聯網使用（Richmond et al.， 2018）視角進行了詳細的實證分析。如邱海蘭等（2022）基于中國社會狀況綜合調查數據進行研究，發現互聯網使用能夠更大程度地降低受教育程度高的林區農戶的返貧風險，互聯網使用拉大了農村收入差距。微觀方面，學者們分別從物質資本、社會資本和人力資本等方面展開豐富的研究。許慶等（2008）認為，土地細碎化降低了農戶收入不平等；Zhao等（2012）認為，由于窮人存在資本和回報欠缺，社會資本會擴大收入差距；伍艷（2020）研究發現，教育和健康作為重要的人力資本投資，有利于縮小農村收入差距。然而，上述研究大多基于傳統情景進行分析，難以建立微觀主體、數字背景與收入差距之間的因果鏈條。因此，需要進一步深化數字情景下農戶收入差距影響因素的研究。

隨著農村數字化進程不斷加快，數字技術的經濟效應和社會效應明顯增強，數字鄉村建設受到大量學者的關注。既有文獻探討了數字鄉村建設對農民消費（汪亞楠等，2021）、農業發展（雷澤奎等，2023）和農戶增收（史常亮，2023）的影響，而關于對農戶收入差距影響的研究相對不足。王中偉等（2023）運用2011-2020年省級面板數據，以數字鄉村信息環境、數字鄉村服務環境、數字鄉村應用環境表征數字鄉村建設水平，得出數字鄉村建設有效推動農民農村共同富裕的結論。然而，上述文獻都是從宏觀層面研究農民收入差距，缺乏從微觀視角對農村收入差距的有效關注。

現有關于數字化影響農民收入差距的研究方法多是基于數字化的某一維度展開分析。Forman等（2012）、邱澤奇等（2016）較早關注了互聯網使用對農戶收入差距的影響。數字金融方面，斯麗娟等（2022）根據數字普惠金融指數數據和中國家庭追蹤調查數據，以Kakwani指數①表征農戶收入不平等程度，實證研究發現，數字金融使用能夠緩解信貸約束，提高農戶互聯網可得性，進而抑制農戶收入不平等；相反，王小華等（2021）認為，數字普惠金融存在獲益分化現象，這主要是因為金融機構存在逐利性，青睞于農村優勢群體。電商發展方面，邱子迅等（2021）認為，電子商務能夠更大程度地緩解農村低收入農戶面臨的信息不對稱難題，縮小農村內部收入差距；相反，曾億武等（2018）利用江蘇省沐陽縣1009個農戶的問卷調查數據，研究了電子商務對農戶農業收入的影響，發現小農由于資本稟賦的差異面臨著嚴重的數字鴻溝，導致互聯網紅利獲取差異，拉大了農村內部收入差距。此外，朱秋博等（2022）基于全國農村固定觀察點數據和信息化追蹤調研數據實證研究發現，信息化對高收入農戶和高受教育水平農戶的增收效果更明顯，拉大了農村貧富差距。可以看出，現有文獻在數字化背景下對農戶收入差距影響因素的實證分析局限在數字化單一維度，缺乏對數字化因素的系統性研究。基于此，本文以數字鄉村整體架構為切入點分析了對農村居民收入差距的影響。

已有文獻對農戶收入差距影響因素展開了豐富的研究，為本文提供了有益的借鑒和啟發，但仍存在兩方面的問題：理論上，已有關于數字鄉村建設對農村居民收入差距影響的研究多是宏觀研究，難以刻畫微觀個體與數字鄉村建設之間的互動；方法上，對于農戶收入差距影響因素的分析局限于經濟發展、金融發展、三大資本等傳統情境，或涉及到了新經濟發展模式中的電子商務、數字普惠金融、互聯網發展等單一維度，未能在數字化背景下對農戶收入差距進行系統性考察。鑒于此，本文從數字鄉村建設整體架構出發，以從事農林牧漁生產的農戶為研究對象，考察數字鄉村建設對農村居民收入差距的影響及其作用路徑。本文豐富了數字鄉村建設對農村居民收入差距的影響研究的分析視角，為政府進一步推動數字鄉村建設健康有序發展、縮小農村居民收入差距、實現農林牧漁產業共同發展、促進農民農村共同富裕提供了支持依據。

3理論分析框架與研究方法

在已有研究的基礎上，本文將通過理論分析闡述數字鄉村建設對農村居民收入差距的影響及其作用機制，并據此構建普通最小二乘模型和兩階段最小二乘模型進行回歸分析。在考察數字鄉村建設的作用機制時，采用交乘項系數進行分析。

3.1理論分析與研究假設

基于技術篩選理論，對數字鄉村建設與農村居民收入差距之間的關系及其作用機理進行理論分析，并據此提出研究假設。

3.1.1數字鄉村建設對農戶收入差距的影響

數字鄉村建設是否會擴大農戶收入差距，取決于數字鄉村建設對農戶增收程度的大小，即在高收入農戶和低收入農戶中，誰從數字鄉村建設中獲益更多的問題（張勛等，2019）。而作為數字鄉村建設的強勁動力，技術變革天生帶有篩選機制，對農戶的能動性提出更高的要求（邱澤奇等，2021），為農戶增收創造了技術新門檻。由于低收入農戶與數字技術使用匱乏的人存在極大重合，依據技術篩選理論，可以預期數字技術的復雜性和逐利性非但沒有彌補低收入農戶的弱勢，反而對高收入農戶助益更多（王修華等，2020）。一方面，農戶需要具有一定的知識儲備和數字素養才能適應數字鄉村建設，并將數字技術轉化為現實生產力和增收致富的機會（林海等，2023）。一般來說，高收入農戶普遍接受較高水平的教育，能夠跨越數字技術使用的成本門檻和能力門檻，增強信息搜尋技能和溝通技能，更大程度地享受數字鄉村建設紅利；而低收入農戶由于“知識鴻溝”的束縛，往往呈現“低數字敏感度”特征，難以利用電子商務、智慧物流等數字技術發展生產，不僅無法提升生產決策的科學性，難以拓展價值鏈，還會由于市場參與度低，繼續受到中間商的壓榨（邱子迅等，2021），進而帶來商品積壓的風險。因此，低收入農戶對數字技術呈現“自我排斥”的特征，難以同質等量地共享數字鄉村建設的紅利。另一方面，由于金融機構追求商業上的可持續性，普惠金融服務存在“使命漂移”，會在農戶申請貸款的過程中高筑貸款門檻（王小華等，2021）。金融機構傾向于對高收入農戶增加供給，更加優化其資源稟賦優勢（彭澎等，2022）。低收入農戶由于金融素養低、資產匱乏等因素，在申請貸款的過程中無法提供滿足要求的適當抵押物，并且借貸周期短、數額小，會使金融機構面臨高額的操作成本，因此無法得到金融機構的青睞，難以有足夠的資金拓展數字技術應用場景，和高收入農戶的差距越來越大甚至難以追平。因此，高收入農戶能夠借力數字鄉村建設擠占更多的資源，將低收入農戶排擠在分享數字鄉村建設紅利的門檻之外，形成“富者愈富，窮者愈窮”的馬太效應。基于此，提出假設H1。

H1：數字鄉村建設拉大了農村居民收入差距。

3.1.2數字鄉村建設影響農戶收入差距的作用機理

工作是收入的主要來源（方福前等，2021）。數字鄉村建設之所以會影響農村居民收入差距，可能與數字鄉村建設影響農村居民就業有關。對于農村居民而言，其就業類型主要包括農業生產發展（包括種植業、林業、畜牧業、漁業、副業五種產業形式）和非農就業。一方面，數字鄉村建設推動大數據、物聯網、人工智能等在農業生產經營管理中的運用，加速布局農業數字化轉型，但數字農業發展對資金和技術提出了更高的要求，而這正是高收入農戶的優勢，因此，數字鄉村建設可能為高收入農戶提供更高的邊際回報率（華中昱等，2022）；另一方面，由于存量技能（資源、數字技術使用能力等）不足，低收入農戶面臨嚴重的信息配給約束和資金流動性約束，難以通過非農就業趕超高收入農戶增收致富的步伐。基于此，提出假設H2。

H2：數字鄉村建設通過促進農業生產發展和提高非農就業的概率拉大了農村居民收入差距。

3.2模型構建

為了研究數字鄉村建設對農村居民收入差距的影響及其作用機制，本文構建計量模型進行實證檢驗。

3.2.1基準回歸模型設定：數字鄉村建設對農村居民收入差距的影響

4數據來源與描述性統計

為了從微觀視角準確估計數字鄉村建設對農村居民收入差距的影響，考慮到數據的可得性，本文選取中國家庭追蹤調查和縣域數字鄉村指數數據進行研究。在此基礎上，對數據來源和變量選取進行說明，并對相關變量進行描述性統計。

4.1數據來源

本文所使用的數據包含三個部分：（1）北京大學新農村發展研究院和阿里研究院編制的縣域數字鄉村指數（2020），共包含4個一級指標和33個二級指標，使用數據主要源于阿里巴巴集團及旗下業務和生態伙伴以及國家統計數據和網絡爬取。鑒于數據可及性有所差異，6個（18%）指標采用2019年數據替代。該指數充分考慮了我國農村地區數字化發展的廣度和深度，以及農民對數字鄉村建設的實際需求，對我國2020年2481個縣級區劃單位數字鄉村建設實際水平的評估具有較強的代表性、權威性和前瞻性。（2）北京大學中國社會科學調查中心開展的中國家庭追蹤調查。中國家庭追蹤調查每兩年進行一次，通過跟蹤收集個體、家庭、社區三個層次的數據，反映中國經濟的發展和社會的變遷，中國家庭追蹤調查（2020）覆蓋了我國25個省（自治區、直轄市）162個縣約15000個家庭，是極具全國代表性的大樣本微觀調查數據。本文分析主要使用了兩個層面的數據：一是基于家庭問卷的信息，包括家庭規模、其他房產數量等；二是基于成人問卷的個人信息，包括年齡、性別、受教育年限等。（3）數字鄉村建設的工具變量，即家庭所在地到“八縱八橫”光纜骨干網節點城市的距離，該數據通過地理信息系統（Geographic Information System， GIS）計算所得。本文選取2020年中國家庭追蹤調查數據，并進行以下處理：第一，僅保留基于國家統計局城鄉分類標準下的農村樣本；第二，根據戶主信息將個體數據庫與家庭數據進行匹配，構造包含戶主特征和家庭特征的匹配數據庫；第三，根據匹配數據庫中農戶所在縣和城市分別與縣域數字鄉村指數和工具變量數據進行匹配。在刪除重要變量的缺失值后，本文最終獲得包含縣域數字鄉村指數的3096戶農村家庭樣本數據。

4.2變量選取和描述性統計

本文構建被解釋變量Kakwani指數和核心解釋變量數字鄉村指數進行檢驗，并設置控制變量以確保估計結果的穩定性。

RD（xi）是收入的嚴格遞減函數，最大值為1，最小值為0，RD越大表示農戶收入不平等程度越高。Kakwani指數大于0即代表存在收入不平等，其均值為0.4263，標準差為0.2512，表明農村內部收入不平等問題依然比較嚴峻。

（2）解釋變量：數字鄉村指數。該指數由北京大學新農村發展研究院發布，是首次以縣域為基本單位對數字鄉村建設水平進行測度。采用標準化處理把數字基礎設施、鄉村經濟數字化、鄉村治理數字化和鄉村生活數字化等不同層面的具體指標合并成一個反映縣域數字鄉村建設水平的綜合性指標，其取值范圍為[0， 150），數值越大的地區代表數字鄉村建設水平越高。數字鄉村指數最小值為27.9880，最大值為106.5505，均值為56.4629，標準差為11.6948，表明樣本期內數字鄉村建設程度整體上并不高。分維度來看，鄉村數字基礎設施指數均值最大，為76.5549，表明鄉村數字基礎設施發展水平較好，鄉村治理數字化指數均值為53.1991，鄉村生活數字化指數均值為49.9973，而鄉村經濟數字化指數均值僅為47.1141，在四個分維度中發展最緩慢。

（3）控制變量。借鑒王修華等（2020）、邱子迅等（2021）的做法，本文從農戶的戶主特征和家庭特征中共選取了11個控制變量，以緩解遺漏變量偏誤。戶主特征控制變量包括戶主的年齡、性別、受教育年限、婚姻狀況、健康狀況。其中戶主年齡是從16到90的離散變量，均值為51.4086，標準差為13.7773；戶主性別中男性占比62.08%，女性占比37.92%；戶主受教育年限是從0到19的離散變量，均值為7.0462，標準差為4.2096；戶主婚姻狀況包括在婚和其他（未婚、同居、離婚和喪偶），占比分別為85.76%和14.24%；戶主健康狀況包括健康（非常健康、健康和比較健康）和不健康（一般和不健康），占比分別為69.15%和30.85%。家庭特征的控制變量包括家庭規模、撫養比、其他房產數量、家庭總金融資產、是否有汽車和是否租出土地。其中家庭規模是從1到13的連續變量，均值為4.0359，標準差為2.0229；撫養比是指60歲以上家庭人口占比，最小值為0，最大值為1，均值為0.3090，標準差為0.3419；其他房產數量在問卷中涉及到的問題是“您或其他家庭成員還有幾處其他房產”，是從0到4的離散變量，均值為0.1563，標準差為0.4132；家庭總金融資產是從0到600萬元的連續變量，均值為4.1811，標準差為15.1078；是否有汽車來自中國家庭追蹤調查家庭問卷，是賦值為1，否則為0，分別占比26.52%和73.48%；是否租出土地來自中國家庭追蹤調查家庭問卷，是賦值為1，否則為0，分別占比15.63%和84.37%。樣本的描述性統計如表1所示。

數字鄉村建設與農村家庭年人均純收入的關系如圖1所示。分析可知，無論是擬合曲線還是散點圖，均清晰地顯示出農村家庭的人均純收入隨著數字鄉村建設水平的提升而逐步提高，但圖1a所示的高收入農戶的增長幅度大于圖1b所示的低收入農戶。以上典型事實表明，數字鄉村建設能夠促進高收入農戶和低收入農戶的收入增長，其中高收入農戶增長幅度較大，可能導致農村收入差距擴大，但其中的因果關系有待進一步檢驗。

5經驗性結果

基于以上理論分析與模型構建，本文實證分析數字鄉村建設對農村居民收入差距的影響，并進行內生性分析、一系列穩健性檢驗和異質性分析，最后從促進農業生產發展和提高非農就業的概率兩方面考察數字鄉村建設影響農戶收入差距的作用機理。

5.1數字鄉村建設與農民收入差距的基準回歸

考慮到樣本可能存在的異方差和多重共線性問題，本文進行了懷特檢驗（White test）和方差膨脹因子（Variance Inflation Factor， VIF）檢驗。懷特檢驗p值為0.0029，在1%的顯著性水平上拒絕同方差的原假設，即模型存在異方差問題，本文使用穩健標準誤對異方差進行修正。自變量方差膨脹因子最大值為1.91，最小值為1.02，均小于10，表明本文模型設定不存在多重共線性問題。

數字鄉村建設對農村收入差距的回歸結果如表2所示。為了實證檢驗數字鄉村建設對農戶收入不平等程度的影響，本文采用普通最小二乘模型進行分析。由表2列（1）可知，數字鄉村建設的估計結果在1%的顯著性水平上顯著為正，表明數字鄉村建設會顯著增加農戶之間的收入差距。

從經濟意義上看，數字鄉村指數每增加1個單位，Kakwani指數上升0.0010，驗證了假設H1。這意味著數字鄉村的發展并不利于農村收入分配狀況的改善。這種負面影響可能會降低弱勢農戶的獲得感、幸福感和安全感，阻礙鄉村振興的進程，對共同富裕的實現形成巨大的挑戰。

5.2內生性分析

本文關注的數字鄉村指數對農民收入差距的影響可能存在內生性問題。首先是遺漏變量問題。本文在回歸中盡可能多地添加既與數字鄉村指數相關又影響家庭收入差距的控制變量，以緩解遺漏變量偏誤。其次是測量誤差問題。本文所使用數據分別來自北京大學新農村發展研究院和北京大學中國社會科學調查中心，工作人員具備專業素養，能夠最大程度保證數據的真實性，可以認為本文所使用數據不存在測量誤差問題。最后是反向因果問題。隨著區域收入水平增加，對數字鄉村基礎設施與信息技術的需求日趨增長，這會進一步促進當地的數字鄉村建設。因此本文需要采用工具變量法進行內生性分析。

數字化程度受到地理空間因素的制約，本文借鑒方福前等（2023）的做法，引入農戶所在地級市到“八縱八橫”光纜骨干網節點城市的距離作為數字鄉村建設的工具變量來解決反向因果帶來的內生性問題。距離會通過經濟行為發生影響，但不會隨經濟發展而改變。首先，與“八縱八橫”光纜骨干網節點城市越近，電信基礎設施越完善，數字鄉村建設就越快，滿足相關性要求。此外，“八縱八橫”光纜骨干網建設之初著眼于解決長途通信問題，該規劃選址更多的是對地理區位的考量，而非側重經濟因素，并且距今時間較長，更加弱化對居民當前經濟活動的影響，與之距離的遠近并不影響單個農戶的收入狀況，滿足工具變量的外生性要求。

如表2列（2）所示，兩階段最小二乘估計數字鄉村指數的估計系數在10%的顯著性水平上顯著為正，且兩階段最小二乘回歸系數高于普通最小二乘回歸系數，說明普通最小二乘的回歸結果可能被低估。在兩階段最小二乘估計中，第一階段回歸結果顯示，農戶所在地區與“八縱八橫”光纜骨干網節點城市越遠，該地數字鄉村建設水平越低。KP rk LM統計量在1%的顯著性水平上拒絕原假設“變量不可識別”，說明工具變量和內生變量存在相關性。第一階段F值為172.2000，超過F值等于10的經驗值，說明不存在弱工具變量問題。

5.3穩健性檢驗

雖然本文使用兩階段最小二乘法解決了可能存在的內生性問題，但基準回歸結果依然面臨挑戰，因此，本文進行穩健性檢驗。

5.3.1重新調整樣本

為避免極端值和極端樣本對回歸結果的影響，本文分別刪除數字鄉村指數最高和最低1%樣本和杭州市樣本①，形成新的樣本數據后重新進行普通最小二乘估計，調整樣本后穩健性檢驗結果如表3所示，被解釋變量均在1%的顯著性水平上顯著為正，與基準回歸結果一致，說明本文回歸結果具有較強的穩健性。

此外，還可以按照家庭年人均純收入的中位數將樣本家庭分為高收入組和低收入組（張勛等，2019），比較兩組回歸結果系數大小來衡量收入不平等程度③。

替換被解釋變量和核心解釋變量滯后一期后的穩健性檢驗結果如表4所示，列（1）將被解釋變量替換為Yitzhaki指數，回歸系數顯著為正；列（2）和列（3）的被解釋變量分別為高收入家庭和低收入家庭的人均純收入，高收入組的回歸系數顯著高于低收入組，表明數字鄉村建設擴大了農民的收入差距。以上結果進一步證實了本文的研究結論。

5.3.3核心解釋變量滯后一期

考慮到數字鄉村建設影響農戶收入差距的時滯性和可能存在的反向因果問題，本文將數字鄉村指數滯后一期重新進行普通最小二乘估計，回歸結果如表4列（4）所示，與基準回歸結果一致，數字鄉村建設顯著拉大了農村居民的收入差距。

5.4異質性分析

本文進一步探討數字鄉村建設結構性差異對農戶收入差距的影響，同時考慮到是否從事林業生產也可能會影響數字鄉村建設對農戶的增收效果，根據農戶所在地區和生產性質進行分組回歸。

5.4.1數字鄉村建設的分維度異質性分析

數字鄉村指數包含鄉村數字基礎設施指數、鄉村經濟數字化指數、鄉村治理數字化指數、鄉村生活數字化指數四個指標，因此本文進一步分析四個維度對農村收入差距的影響，回歸結果如表5所示。由表5可知，鄉村經濟數字化、鄉村治理數字化和鄉村生活數字化均顯著擴大了農戶收入不平等，其中鄉村經濟數字化指數每增加1個單位，Kakwani指數上升0.0009，其擴大收入差距的影響最為顯著；其次是鄉村治理數字化指數和鄉村生活數字化指數。可能的解釋是：鄉村經濟數字化是數字鄉村建設的核心，也是驅動鄉村經濟高質量發展、實現包容性增長和可持續增長的新動能，對鄉村經濟發展意義重大且深遠。但是數字技術的使用需要農戶具有較高的數字素養和金融素養，有接收整合外界信息的能力，而這恰恰是農村高收入群體的優勢。另外，無論是發展農業生產還是非農就業均需要農戶擁有足夠的資金支持，農村居民積累的財產相對匱乏，只依靠非正規借貸難以補足資金短板，而金融機構具有逐利性（王小華等，2021），青睞于農村優勢群體。因此，農村弱勢群體既無法充分發揮數字技術的優勢，又難以擺脫資金約束，這無疑加劇了農戶貧富收入差距。如何補足鄉村數字經濟發展短板，縮小農村內部收入差距，是深入推進數字鄉村建設亟待重點解決的難題。

5.4.2林業生產的異質性

林區主要分布在山地或丘陵地帶，地勢陡峭、交通閉塞、信息滯后、資源流動不充分，嚴重制約著林區經濟的繁榮發展。相對于非林業生產，林業生產本就增收乏力。理論上，隨著數字技術的滲透應用，農村經濟活動逐漸轉移至線上，有效打破了地理阻隔和信息約束，能夠提升農戶增收致富的能力。然而，由于林區生產生活環境相對封閉（邱海蘭等，2022），林農信息獲取和利用能力相對匱乏，不僅缺乏豐富的技術沉淀，對信息技術的有效需求不足，而且會受到嚴重的金融排斥，林農可能難以開拓新的經濟增長點。為檢驗林業生產的異質性，本文根據農戶所在地區和生產性質的差異，進一步考察數字鄉村建設對家庭年人均純收入的影響，以加速探索林草數字化和產業化新發展模式，賦能林業生產提質增收。數字鄉村建設與家庭年人均純收入：分地區和分生產性質的異質性如表6所示。

（1）數字鄉村建設影響家庭年人均純收入的分地區異質性。借鑒邱海蘭等（2022）的做法，將樣本按照是否是全國四大林區（東北林區、西南林區、南方林區和北方林區）分為林區和非林區分別進行回歸。回歸結果如表6列（1）和列（2）所示，數字鄉村指數每增加1個單位，林區農戶的家庭年人均純收入顯著增加0.0130萬元，非林區農戶的家庭年人均純收入顯著增加0.0187萬元，非林區農戶能夠更多地分享數字鄉村建設紅利，數字鄉村建設加劇了農村內部收入不平等程度。

（2）數字鄉村建設影響家庭年人均純收入的分生產性質異質性。將樣本按照農戶生產性質分為林業生產戶和非林業生產戶分別進行回歸。回歸結果如表6列（3）和列（4）所示，數字鄉村指數每增加1個單位，林業生產戶的估計系數不顯著，非林業生產戶的家庭年人均純收入顯著增加0.0656萬元，即數字鄉村建設對非林業生產戶的增收效果更明顯，拉大了農村貧富差距。

5.5進一步分析

根據以上分析可以預期，數字鄉村建設存在精英俘獲，本文將進一步探究數字鄉村建設影響農戶收入差距的作用機理。

5.5.1數字鄉村建設是否存在精英俘獲

本文的研究證實數字鄉村建設會加劇農村內部的收入不平等程度，可以預期數字鄉村建設的增收效應存在精英俘獲，強勢群體相比于弱勢群體分享到更多數字鄉村建設帶來的成果。對此進一步分析數字鄉村建設是否存在精英俘獲。已有文獻表明，農村人力資本和社會資本均會顯著提高農戶收入（劉生龍等，2021；尹志超等，2023），但如果數字鄉村建設更多地幫助在人力資本和社會資本上有優勢的群體，則會加劇農戶收入不平等。本文從上述兩個維度進行分組，考察數字鄉村建設對不同資本擁有者的影響。數字鄉村建設影響農戶收入差距的人力資本差異和社會資本差異的結果如表7所示。

（1）數字鄉村建設影響農戶收入差距的人力資本差異。借鑒尹志超等（2023）的做法，將戶主的受教育年限作為人力資本的代理變量，并分為高學歷組（受教育年限9年及以上）和低學歷組（受教育年限9年以下）②，分別估計數字鄉村建設對家庭年人均純收入的影響。如表7列（1）和列（2）所示，數字鄉村指數每增加1個單位，高學歷組的家庭年人均純收入增加0.0496萬元，低學歷組的數字鄉村指數估計系數不顯著，即高學歷農戶能夠更多地分享數字鄉村經濟發展成果，數字鄉村建設拉大了農村內部收入差距。

（2）數字鄉村建設影響農戶收入差距的社會資本差異。借鑒譚燕芝等（2017）的做法，將人情禮支出作為社會資本的代理變量，并分為高社會資本組（人情禮支出均值以上）和低社會資本組（人情禮支出均值以下），分別估計數字鄉村建設對家庭年人均純收入的影響。如表7列（3）和列（4）所示，數字鄉村指數每增加1個單位，高社會資本組的家庭年人均純收入顯著增加0.0267萬元，低社會資本組的家庭年人均純收入顯著增加0.0127萬元，高社會資本農戶從數字鄉村建設中獲益更多，數字鄉村建設存在明顯的精英俘獲現象。

5.5.2數字鄉村建設影響農戶收入差距的傳導機制

根據本文理論分析，從促進農業生產發展和提高非農就業的概率兩方面來分析數字鄉村建設影響農戶收入差距的作用機理。數字鄉村建設影響農戶收入差距的機制檢驗結果如表8所示。

（1）促進農業生產發展。在新一代數字技術創新空前活躍的時代背景下，農業數字化轉型加速推進。但是數字技術在農業經營中的使用是否具有普惠性呢？本文借鑒方福前等（2021）的做法，以家庭農副產品總值刻畫農業生產發展水平，在中國家庭追蹤調查問卷中，涉及到的問題是“過去12個月，您自家生產的農作物、林產品，養殖的家禽、牲畜、水產品以及副產品（如雞蛋、小豬崽等），賣了多少錢？”。表8列（1）報告了數字鄉村指數與高收入農戶的交乘項對農副產品總值的回歸結果，交乘項系數顯著為正②，說明數字鄉村建設促進高收入家庭農業生產發展的作用更明顯，而農業生產有利于農戶增收致富，這將引起尖銳的收入分化問題，加劇農村內部的收入差距。

可能的原因是農機購置成本和維護資金提高了農戶務農機會成本（閆桂權等，2022）。高收入農戶往往財力雄厚，有足夠的資金購置農業機械設備，且高收入農戶易受到金融機構的青睞（王小華等，2021），能享受到正規的金融服務，進而有利于擴大農業經營規模，提高農產品銷量和邊際收益，加速推進農業數字化轉型。而低收入農戶資金相對匱乏，無法承擔購買農機的高昂成本，也受到嚴重的金融排斥，無法破解資金約束問題，因此只能局限于傳統的務農方式，難以趕超高收入農戶，無法分享數字鄉村建設紅利，從而加劇了農村收入不平等問題。

（2）提高非農就業的概率。隨著農村商業模式的深刻變革和市場可及性的提升，農戶進行非農就業的機會大幅增加，農民收入增長也蘊藏著巨大的契機。用“是否有人從事個體經營”和“外出打工”兩個問題來定義非農就業①，只要任意一個問題回答為是，則定義該家庭從事非農就業，賦值為1，否則為0。表8列（2）是數字鄉村指數和高收入組的交乘項對非農就業的回歸結果，交乘項的系數顯著為正，表明數字鄉村建設增加了高收入家庭非農就業的可能性，而非農就業有利于促進農民增收，這將不利于惠及低收入群體，進而可能擴大農民的收入差距。

上述結果可能是因為數字鄉村建設對農戶的資源稟賦和認知能力提出了更高的要求。低收入農戶平均受教育水平偏低，難以提升數字素養和金融素養，深陷“信息繭房”困境（王修華等，2020），無法利用數字技術進行高質量的信息搜尋和工作匹配，勞動力市場邊界日益縮小，非農就業的積極性也日漸消弭。相對而言，高收入農戶具有比較優勢，不僅受益于數字技術在農村金融領域的廣泛應用，更容易獲得正規融資，還可以有效利用互聯網打破時空約束，共享非公開的高質量信息（宋帥等，2021），這有利于激發其參與非農就業的熱情，享受數字鄉村建設的紅利。因此，如何為低收入農戶實質性參與非農就業提供機遇，發揮后發優勢和實現換道超車是當前數字鄉村建設進程中面臨的一道難題。以上結果驗證了假設H2。

6研究結論、討論與政策啟示

作為正在深刻影響和重塑我國農村生產生活方式的重要力量，數字鄉村建設能否惠及弱勢群體、兼顧效率與公平呢？本文探討了數字鄉村建設對農村居民收入差距的影響，得出研究結論，進一步展開討論，并據此提出政策啟示，以期為促進數字鄉村有序發展、縮小農村居民收入差距提供實證參考。

6.1研究結論

本文基于2020年中國家庭追蹤調查數據和縣域數字鄉村指數（2020），在微觀農戶層面研究了數字鄉村建設對農民收入差距的影響及其作用機制，得出5點結論。

（1）普通最小二乘法回歸和兩階段最小二乘法回歸結果均得出顯著為正的估計結果，驗證了數字鄉村建設加劇農村收入不平等程度的結論。具體而言，數字鄉村指數每增加1個單位，Kakwani指數上升0.0010，這一結果在經過一系列穩健性檢驗后依然成立。

（2）在數字鄉村建設分維度的作用分析中，鄉村經濟數字化、鄉村治理數字化和鄉村生活數字化均對農戶收入差距有顯著正向影響。其中鄉村經濟數字化的影響程度最大，鄉村經濟數字化指數每增加1個單位，Kakwani指數上升0.0009；其次是鄉村治理數字化和鄉村生活數字化，兩者每增加1個單位，Kakwani指數分別上升0.0008和0.0007；鄉村數字基礎設施對農戶收入差距沒有顯著影響。

（3）異質性分析還發現，數字鄉村建設對非林區農戶和非林業生產戶的增收作用更明顯，拉大了農村貧富差距。數字鄉村指數每增加1個單位，非林區農戶的家庭年人均純收入顯著增加0.0187萬元，林區農戶的家庭年人均純收入顯著增加0.0130萬元；非林業生產戶的家庭年人均純收入顯著增加0.0656萬元，而林業生產戶的估計系數不顯著。

（4）數字鄉村建設存在精英俘獲，低人力資本和低社會資本的弱勢群體無法平等分享數字鄉村建設紅利。具體而言，數字鄉村指數每增加1個單位，高學歷組的家庭年人均純收入增加0.0496萬元，而低學歷組的估計系數不顯著；高社會資本組的家庭年人均純收入增加0.0267萬元，低社會資本組的家庭年人均純收入增加0.0127萬元。

（5）促進農業生產發展和提高非農就業的概率促進高收入農戶增收的作用更明顯。相比于低收入農戶，數字鄉村建設每增加1個單位，高收入農戶農副產品總值增加1.5457萬元，非農就業概率提高0.1427。原因在于，高收入農戶能夠擠占更多的數字鄉村發展紅利，進而加劇農村內部收入差距。

6.2討論

本文將數字鄉村建設與農戶收入差距的關系進行了實證分析，研究發現，數字鄉村建設會擴大農村居民收入差距，這與王中偉等（2023）認為數字鄉村建設有助于縮小農民收入差距、促進農民農村共同富裕的結論不同。原因在于，王中偉等（2023）基于宏觀數據從宏觀視角分析數字鄉村建設對農民收入差距的影響，未能刻畫微觀個體與數字鄉村建設產生的互動，所得結果缺少針對性和外推性。本文豐富了現有研究，從微觀視角詳盡分析了數字鄉村建設與農戶收入差距的影響，可為政府更好地促進農村共同富裕提供經驗依據。

此外，不同于以往學者對數字鄉村建設的某一維度進行研究（張勛等，2019；邱子迅等，2021），本文首次基于數字鄉村建設整體架構研究對農村居民收入差距的影響及其作用機制。結合理論分析和實證結果，得到數字鄉村建設會擴大農村居民收入差距的結論，這與邱澤奇等（2021）認為技術變革導致農戶收入不平等的研究結論一致，原因在于數字技術存在篩選機制，對農戶數字素養提出了更高的要求（朱秋博等，2022）。在低收入農戶中，農民受教育程度偏低，存在“信息繭房”和“知識鴻溝”的束縛，在生產經營方面沒有優勢。同時，數字金融的商業逐利性也要求農戶具有較高的金融素養和一定的抵押物（王小華等，2021），而這正是低收入農戶的劣勢。由此可見，數字鄉村建設尚未對農村居民具有普惠性和公平性。

分維度異質性分析表明，鄉村經濟數字化對農戶收入差距的影響最大，可能的原因是：低收入農戶無法補足數字素養低下和資金匱乏的短板，存在“富者愈富，窮者愈窮”的馬太效應，這與王修華等（2020）的結論一致。異質性分析還發現，數字鄉村建設對非林區農戶和非林業生產戶的增收作用更明顯，分樣本結果顯示，數字鄉村建設存在“精英俘獲”，與基準回歸的結論一致。

本文尚存兩點不足：一是數字鄉村指數數據體量不足，無法估計數字鄉村建設對農村居民收入差距的長期影響。二是數字鄉村指數來源于阿里巴巴集團及旗下業務和生態伙伴以及國家統計數據和網絡爬取，可能存在測度誤差，而鑒于縣域指標數據的可得性，難以構建和測度縣域數字鄉村指數，這是本文的缺憾。

6.3政策啟示

在數字技術與鄉村振興的歷史交匯期，研究數字鄉村建設對農村居民收入差距的影響及作用機理，對促進數字鄉村建設、縮小農戶收入差距具有重要意義。基于研究結論和討論，本文提出6點政策啟示。

（1）政府部門要將數字鄉村工作擺在重要位置，持續完善國家和縣域數字鄉村建設的收入分配體制機制設計，建立一套完整的社會制度框架，在資金、項目等方面進一步加大對數字鄉村建設的支持力度，從整體上提高數字鄉村建設的均衡性。

（2）堅持突出重點和補足短板并重的原則，增強數字鄉村建設的系統性。加快發展數字經濟新業態新模式，以鄉村數字經濟發展彌合收入鴻溝，同時也應提高對數字基礎設施、數字化治理和數字化生活發展的重視程度，實現數字鄉村不同領域發展的機會公平。

（3）增強林草數字化和產業化建設，提升農戶林業生產增收致富的能力。持續推進林區數字基礎設施建設，將林業生產戶納入數字化生產體系，開展面向林業生產戶的數字技術應用能力培訓，增強農林牧漁業融合發展水平，著力提升數字鄉村建設的共享性和公平性。

（4）采取更具包容性和公平性的發展策略，加大對農村弱勢群體的政策支持力度和社會幫扶力度。強化對弱勢群體的教育資源覆蓋率和數字機會應用能力培訓，擴大數字鄉村建設的帶動效應，增加弱勢農戶共享數字鄉村建設紅利的機會。

（5）聚焦農戶生產經營面臨的約束條件，對低收入農戶購買農機給予優惠與補貼，并且依托云計算、大數據、人工智能等方面的技術優勢，搭建“云上集市”等特色營銷平臺，促進“線上+線下”融合創新，實現農業發展提質增效。

（6）緩解數字普惠金融發展過程中的痛點和難點，支持鄉村金融機構數字化轉型，改善網絡支付、移動支付、網絡信貸等普惠金融發展環境，打通農村金融服務的“最后一公里”。同時，通過大數據風控等手段準確識別農戶個人風險，實現數據增信，降低低收入農戶融資門檻，為低收入群體提供更多的就業機會，推動包容性非農就業的落實與發展。

參考文獻

陳傳波，丁世軍，舒振斌.農戶收入及其差異的影響因素分析——對湖北農戶調查的統計分析[J].農業技術經濟， 2001（04）：11-15.

方福前，田鴿.數字經濟促進了包容性增長嗎——基于“寬帶中國”的準自然實驗[J].學術界， 2021（10）：55-74.

方福前，田鴿，張勛.數字基礎設施與代際收入向上流動性——基于“寬帶中國”戰略的準自然實驗[J].經濟研究， 2023， 58（05）：79-97.

華中昱，林萬龍，徐娜.數字鴻溝還是數字紅利？——數字技術使用對農村低收入戶收入的影響[J].中國農業大學學報（社會科學版）， 2022， 39（05）：133-154.

雷澤奎，祁春節，王劉坤.數字鄉村建設能驅動農業經濟高質量增長嗎？[J].華中農業大學學報（社會科學版）， 2023（03）：54-66.

林海，趙路犇，胡雅淇.數字鄉村建設是否能夠推動革命老區共同富裕[J].中國農村經濟， 2023（05）：81-102.

劉生龍，張曉明，楊竺松.互聯網使用對農村居民收入的影響[J].數量經濟技術經濟研究， 2021， 38（（04）：103-119.

彭澎，周力.中國農村數字金融發展對農戶的收入流動性影響研究[J].數量經濟技術經濟研究， 2022， 39（06）：23-41.

邱海蘭，廖文梅，袁若蘭.互聯網使用、非農就業與林區農戶返貧風險[J].林業經濟， 2022， 44（07）：38-51.

邱澤奇，喬天宇.電商技術變革與農戶共同發展[J].中國社會科學， 2021（10）：145-166， 207.

邱澤奇，張樹沁，劉世定，等.從數字鴻溝到紅利差異——互聯網資本的視角[J].中國社會科學， 2016（10）：93-115， 203-204.

邱子迅，周亞虹.電子商務對農村家庭增收作用的機制分析——基于需求與供給有效對接的微觀檢驗[J].中國農村經濟， 2021（04）：36-52.

史常亮.數字鄉村建設賦能農民增收：直接影響與空間溢出[J].湖南社會科學， 2023（01）：67-76.

斯麗娟，湯曉曉.數字普惠金融對農戶收入不平等的影響研究——基于CFPS數據的實證分析[J].經濟評論， 2022（05）：100-116.

宋帥，李夢.數字金融對農民創業決策的影響[J].華南農業大學學報（社會科學版）， 2021（05）：38-49.

譚燕芝，張子豪.社會網絡、非正規金融與農戶多維貧困[J].財經研究， 2017（03）：43-56.

汪亞楠，徐楓，葉欣.數字鄉村建設能推動農村消費升級嗎？[J].管理評論， 2021， 33（11）：135-144.

王小華，韓松林，溫濤.惠農貸的精英俘獲及其包容性增長效應研究[J].中國農村經濟， 2021（03）：106-127.

王修華，趙亞雄.數字金融發展是否存在馬太效應？——貧困戶與非貧困戶的經驗比較[J].金融研究， 2020（07）：114-133.

王中偉，焦方義.數字鄉村建設賦能農民農村共同富裕的實證檢驗[J].云南民族大學學報（哲學社會科學版）， 2023（03）：100-110.

伍艷.金融資本和人力資本視角下農戶收入差距的微觀因素[J].西南民族大學學報（人文社會科學版）， 2020， 41（11）：134-143.

許慶，田士超，徐志剛，等.農地制度、土地細碎化與農民收入不平等[J].經濟研究， 2008（02）：83-92， 105.

閆桂權，何玉成，張曉恒.數字普惠金融發展能否促進農業機械化——基于農機作業服務市場發展的視角[J].農業技術經濟， 2022（01）：51-64.

楊晶，鄧悅.中國農村養老保險制度對農戶收入不平等影響研究[J].數量經濟技術經濟研究， 2020（10）：83-100.

尹志超，文小梅，栗傳政.普惠金融、收入差距與共同富裕[J].數量經濟技術經濟研究， 2023， 40（01）：109-127.

曾億武，郭紅東，金松青.電子商務有益于農民增收嗎？——來自江蘇沭陽的證據[J].中國農村經濟， 2018（02）：49-64.

張勛，萬廣華，張佳佳，等.數字經濟、普惠金融與包容性增長[J].經濟研究， 2019（08）：71-86.

朱秋博，白軍飛，彭超，等.信息化能促進農戶增收、縮小收入差距嗎？ [J].經濟學（季刊）， 2022， 22（01）：237-256.

Forman C， Goldfarb A， Greenstein S. The internet and local wages：A puzzle [J]. American Economic Review， 2012， 102（01）：556-575.

Richmond K， Triplett R E. ICT and income inequality：A cross-national perspective [J]. International Review of Applied Economics， 2018， 32（02）：195-214.

Tureégano D M， Garcia-herrero A. Financial inclusion， rather than size， is the key to tackling income inequality [J]. Singapore Economic Review， 2018， 63（01）：167-184.

Tyrowicz J， Smyk M. Wage inequality and structural change [J]. Social Indicators Research， 2019（02）：503-538.

Wan G. Accounting for Income inequality in rural China：A regression-based approach [J]. Journal of Comparative Economics， 2004， 32（02）：348-363.

Wang S L， Tan S K， Yang S F， et al. Urban-biased land development policy and the urban-rural income gap：Evidence from Hubei Province China [J]. Land Use Policy， 2019， 87：104066.

Zhao L， Lu Y， Wang B， et al. Cultivating the sense of belonging and motivating user participation in virtual communities：A social capital perspective [J]. International Journal of Information Management， 2012， 32（06）：574-588.

（責任編輯康燕）

①2013年和2021年農村居民按收入五等分組的人均可支配收入數據分別來源于2015年和2022年《中國統計年鑒》；2013年，高收入組的農村居民人均可支配收入為21323.70元，低收入組的農村居民人均可支配收入為2877.90元，兩者相差6.41倍。

①Kakwani指數是用來衡量經濟不平等程度的一種方法，它綜合考慮了收入分配和收入水平兩個方面，數值越大表示收入不平等程度越大。

①考慮到數字鄉村指數的底層數據來源于位于杭州市的阿里集團，為了避免極端樣本引起估計偏誤，本文刪除杭州市樣本后重新進行回歸。

②Yitzhaki指數是用來衡量收入或財富分布不平等程度的指標，其數值越大表示不平等程度越高。

③該分組估計系數已通過系數差異檢驗。

①以上分組估計系數已通過系數差異檢驗。

②使用受教育年限為9年作為分界點的原因在于農民的教育水平偏低，受教育年限9年以下的樣本將近占全樣本的1/2。若使用更高受教育年限作為分界點，高學歷組的樣本量偏少。

①表中的分組估計系數已通過系數差異檢驗。

②由于此處僅考慮從事農業生產的家庭，所以相較于所有農戶，此處樣本量有所減少。

①“是否有人從事個體經營”在中國家庭追蹤調查問卷中涉及到的問題是“過去12個月，您家是否有家庭成員從事個體經營或開辦私營企業？”；“外出打工”在中國家庭追蹤調查問卷中涉及到的問題是“過去12個月，您家是否有人外出打工（如去城市打工）掙錢？”。