中國對外援助促進數字經濟的發展?新興市場國家的經驗

摘 要 本文利用中國對外援助和各國數字經濟發展水平的相關數據，實證檢驗了中國與數字經濟相關的對外援助對當地數字經濟發展水平的影響。本文發現，中國在數字經濟方面的對外援助能夠顯著促進當地數字經濟發展。在子樣本分析、傾向得分匹配、工具變量法等一系列穩健性檢驗中，該結論依然成立。異質性檢驗表明，對于那些被中國援助的累積金額相對較高、經濟發展水平相對較高、貧困程度相對較低、服務業發展水平相對較差、初始數字經濟發展水平相對較低的國家而言，中國援助對數字經濟的促進效應更顯著。在同一國家內部，中國對外援能助能促進男性、25 歲及以上、受教育水平相對較高、相對富有和就業人群更多參與數字經濟交易。進一步的機制分析結果表明，中國與數字經濟相關的對外援助主要通過提高當地互聯網普及率來推動數字經濟的發展。最后，中國在數字經濟方面的援助能夠降低當地的收入不平等程度，這對于改善收入不平等這一全球治理問題具有重要意義。

關鍵詞 數字經濟;對外援助;收入不平等

0 引言

官方對外援助為當地提供了低成本的資金，可以幫助當地展開基礎設施建設、彌補政府赤字、改善政府或機構運作效率等活動，是富國幫助窮國促進經濟發展、改善人民福祉的重要政策工具之一。然而，關于官方對外援助的討論喜憂參半。一些研究發現，官方對外援助會導致暴力沖突的增加（ Crost et al. ，2014; Zürcher， 2017），不能切實匹配被援助國家的需求（ Alesina and Dollar，2000; Qian， 2015），不利于受援國立法和司法機構的問責（Ping et al. ， 2022）。

與此同時，一些研究發現官方對外援助有助于促進經濟發展（ Civelli et al. ，2018）、不會促使和平地區的暴力沖突增加（ Bluhm et al. ， 2021）。自1950 年起，中國在力所能及的范圍內展開對外援助，受到受援國和國際社會的普遍歡迎和好評（楊鴻璽和陳開明， 2010）。隨著中國躍升為世界第二大經濟體，中國對外援助的規模也不斷擴大，由此也引發了國內外學者的密切關注。一方面，一些研究對中國援助持批判態度。例如，Dreher et al. （2019） 認為中國偏向于向亞洲新上臺領導人的出生地提供援助， 具有政治動機。Brazys andVadlamannati（2021）發現中國援助阻礙當地經濟改革。然而，也有不少觀點為中國援助站隊，提供了積極的證據。例如，Dreher et al. （2021a） 發現中國援助有助于促進當地短期經濟增長。Isaksson（2020）發現中國援助能夠提升被援助地區的民族認同感。關于中國對外援助的爭議可能緣于未能區分中國的官方發展援助（ODA）和其他以商業為導向的援助（Dreher et al. ， 2018）。中國不同類型的對外援助亦可能存在差異（Guillon and Mathonnat， 2020）。本文聚焦于分析中國與電信基礎設施和能源供給相關的對外援助對當地數字經濟發展的影響，以期能夠為中國對外援助的利弊分析提供一個新的觀點。

在過去，人們更加關心投資、就業這些傳統的經濟問題。對中國對外援助領域的研究也集中于關注中國援助對當地經濟發展、投資、就業等方面的影響（e. g. ， Dreher et al. ， 2021a; 孫楚仁等， 2021; Guo et al. ， 2022）。然而，正如習近平總書記指出，在互聯網經濟時代，數據是新的生產要素，是基礎性資源和戰略性資源，也是重要生產力。大數據等新一代信息和通信技術催生了數字經濟并推動其迅速發展，在促進經濟發展、拉動就業等方面發揮了重要作用（許恒等，2020）。隨著各國數字經濟的發展以及數字貿易的出現，全球數據價值鏈成為全球化收益增加的新維度，世界經濟亦有向數字經濟全球化轉型的趨勢。在數字化背景下，價值鏈的變化指日可待，但其布局變化存在不確定性（黃鵬和陳靚，2021）。在這一過程中，處于政治經濟弱勢地位的非洲、亞洲等地區的新興國家可能難以跟緊數字經濟全球化的趨勢，從而再一次被迫處于鏈條末端。因此，探討中國與數字經濟相關的對外援助對當地數字經濟的影響不僅有助于從新的角度理解中國對外援助的實際效果，也有助于考察中國在帶動落后發展中國家和推動數字經濟全球化方面的作用。

本文利用世界銀行的Global Findex Database、AidData 中國對外援助數據庫和CSMAR 數據庫相關數據，考察中國與數字經濟相關的援助對當地數字經濟的影響。為了克服潛在的內生性問題，本文在穩健性檢驗中采用工具變量法和系統GMM 來識別因果效應。實證結果表明：第一，總體而言，中國的數字經濟援助顯著提高了當地的數字經濟發展水平，而這一效應主要通過提高當地的互聯網普及率來實現。經過一系列穩健性檢驗，該結果依然成立。第二，異質性檢驗結果表明，以國家屬性劃分，不同經濟發展水平和數字經濟初始發展水平的國家對中國數字經濟援助的反應存在差異。以人群屬性劃分，年長的男性、受教育水平相對較高、富有和就業人群對中國數字經濟援助有更顯著的反應。

以數字經濟類型劃分，與收款相比，中國與數字經濟相關的對外援助促使當地居民更多地參與了采用電子手段付款的經濟活動。以區域類型劃分，與拉丁美洲相比，中國在亞洲的援助對數字經濟有更顯著的促進效應。最后，拓展分析表明，中國對相對貧困國家的數字經濟援助能夠緩解當地的收入不平等問題。

本文對已有的研究具有一定的邊際貢獻。首先，本文從數字經濟角度考察中國援助對當地的影響，豐富了援助效應的研究。當前，關于中國援助如何影響當地經濟的研究主要集中于研究總體經濟發展水平（ Civelli et al. ， 2018;Dreher et al. ， 2021a， b; 嚴兵等， 2021）、就業水平（Guo et al. ， 2022）、經濟不平等（Bluhm et al. ， 2020）、投資（董艷和樊此君， 2016; 孫楚仁等， 2021）等，而鮮有文獻探討中國援助對當地數字經濟的影響。其次，本文從中國視角探討了一個國家在推動數字經濟全球化方面發揮的作用，為數字經濟相關的研究提供了一個新的觀點。最后，本文還豐富了收入不平等的相關文獻。關于收入不平等影響因素的研究頗多，而關于跨國經濟活動如何影響收入不平等的研究亦不少（e. g. ， Meschi and Vivarelli， 2019），但鮮有文獻探討中國援助如何影響當地收入不平等。本文從數字經濟的角度，探討中國與數字經濟相關的對外援助對當地收入不平等問題的影響，能夠豐富人們對中國援助效應的認識。

后文內容結構安排如下：第1 部分為文獻綜述和研究假設，第2 部分介紹數據、變量和模型設定，第3 部分為實證結果分析，包括基準回歸、穩健性檢驗、異質性檢驗、機制檢驗，以及收入不平等相關的拓展分析，最后一部分為文章結論。

1 文獻綜述和研究假設

本文主要和三方面的研究相關。

本文與中國援助相關的研究緊密關聯。中國援助的研究可以分為兩類，一類探討援助的動機，另一類探討援助的效果。援助往往被認為受援助國自身的利益和被援助國的需求兩方面因素驅動（ Hoeffler and Outram， 2011）。在與中國援助相關的研究中，中國自身的利益成為許多研究的批評對象。Oh（2016）提出中國出于人道主義、商業和戰略利益的多方面動機提供對外援助。Dreheret al. （2018）將中國援助分為官方援助和其他以商業為導向的援助，發現官方援助主要受外交政策驅動，而其他以商業為導向的援助則反映了低利率資金的流動。Dreher et al. （2019）更是批判性地提出中國援助是選舉競爭的結果。但這些研究缺乏對比分析，而是專注于“ 攻擊” 中國援助非獨有的缺陷。例如，Dreher and Fuchs （2015）發現，與西方的援助相比，中國援助并沒有更多關注政治，且獨立于受援助國家的自然稟賦和制度特征。劉愛蘭等（2018）提出中國和歐盟對非援助均有促進貿易方面的考慮，援助的貿易促進動機并非中國所獨有的特點，也不是中國對非援助的唯一動機。其次，不同援助項目可能存在異質性。例如，Guillon and Mathonnat（2020）發現中國在基礎設施和服務領域的官方援助雖然也受到外交政策和獲取自然資源的經濟利益所驅動，但也能夠響應被援助國家的需求。因此，分析中國援助的動機時既要看到中國的政治動機，也要看到被援助國家的經濟需求。

第二類研究的討論更為廣泛， 觀點亦是針鋒相對。其一， 在政治方面，Askarov and Doucouliagos（2015）發現中國援助對當地民主化有積極影響，而對當地整體治理情況沒有影響。但Isaksson and Kotsadam（2018）卻指出中國對外援助項目地點周圍的地區具有更加普遍的腐敗性，這種腐敗可能不是經濟活動增加所致，而是援助所致。Anaxagorou et al. （2020） 提出非洲領導人將中國的援助轉移到政治支持者高度集中的地區，這說明中國的援助更容易被操縱。Ping et al. （2022）發現與中國資源相關的對外援助項目不利于受援國立法和司法機構的問責，但是對選舉競爭沒有影響。不過，李嘉楠等（2021）提出，中國援助通過提高受援助國家的基礎設施建設和工業就業率，提高了參與沖突的“ 機會成本”，從而減少受援國的沖突。其二，在經濟方面，中國對外援助通過降低政治風險，提高受援國監管質量、法治水平等政府治理能力等途徑促進中國企業對當地的投資（ 董艷和樊此君， 2016; Morgan and Zheng， 2019; 孫楚仁等，2021），促進了當地就業率的提升（Guo and Jiang， 2022），促進了經濟增長（e. g. ，Civelli et al. ， 2018; 朱丹丹和黃梅波， 2018），降低了經濟不平等（Bluhm et al. ，2020）。同時，Dreher et al. （2021b） 發現接受中國援助能夠改善當地經濟發展成果，且中國向受援國領導人所在地區分配援助時的政治偏袒也不會降低援助的有效性。總的來說，中國援助對經濟具有多方面的積極影響。與此同時，可以看到，鮮有文獻關注中國援助對數據這一新興生產要素以及數字經濟的影響。

本文與數字經濟相關的研究亦具有一定聯系。在2016 年的G20 峰會上，數字經濟被定義為以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。數字經濟的發展依賴于技術革新，尤其是大數據和信息技術的發展（劉航等，2019）。自20 世紀90 年代起，信息通信技術迅速發展（Clarke and Wallsten， 2006），從而為數字經濟的發展奠定了良好的技術基礎。時至今日，數字經濟對經濟的影響已不容忽視。從數字經濟的具體表現來看，在消費方面，互聯網電子交易量的增加通過降低人們的購物成本、在競爭過程中帶來的效率提升、提供更多種類的產品來提高福利水平（ Brown andGoolsbee， 2002; Brynjolfsson et al. ， 2003）。在生產方面，數字經濟降低了經濟活動中的搜索成本、復制成本、運輸成本、跟蹤成本和核查成本（ Goldfarb andTucker， 2019），促進就業率的提升（ Hjort and Poulsen， 2019） 和提高就業質量（戚聿東等， 2020; 王文， 2020），與生產率存在緊密關聯（Basant et al. ， 2006;Czernich et al. ， 2011; 楊慧梅和江璐， 2021）。但通信技術的使用也會帶來一些負面影響，如降低了工人和工廠經理的自主性（Bloom et al. ， 2014）。在金融投資方面，互聯網技術降低了生產金融服務的固定成本和邊際成本（Barber andOdean， 2001）。在定價效率方面，數字經濟的發展能夠顯著降低市場的價格差異（Jensen， 2007; Aker， 2010; 柏培文和喻理， 2021），改善資源配置效率。總體而言，數字經濟的發展有利有弊，但在更多維度中，利要大于弊。雖然數字經濟的發展具有諸多好處，但是在數字全球化的背景下，數字經濟的發展程度存在區域異質性。隨著國家的人力資本和經濟生產力越來越依賴于互聯網，人們開始尋求各種方法來提高互聯網的使用率，減少國與國之間的差距，如鼓勵互聯網的內容創作、建設更好的電話基礎設施（Viard and Economides， 2015）。本文將利用國家層面的數據，討論中國在數字經濟方面的援助能否對當地的數字經濟產生影響，希冀能夠為關于如何推動全球數字經濟發展的研究提供新的觀點。

本文將從互聯網普及率這一較為直觀的角度來探究中國的數字經濟援助對當地數字經濟發展的影響機制。從數字經濟的內涵來看，數字經濟的發展既有賴于數字網絡和光纜等電信基礎設施的建設（逄健和朱欣民， 2013），也離不開居民的數字交易行為（劉軍等， 2020）。互聯網普及率的提高有助于更多的居民參與數字交易行為，推動數字經濟的發展（Xu and Ci， 2023）。中國在數字經濟方面的援助若能夠促進當地電信基礎設施的建設及運營，則有可能提高互聯網的普及率，從而推動數字經濟的發展。基于此，本文提出以下兩條研究假說。

H1： 中國與數字經濟相關的對外援助推動當地數字經濟的發展。

H2： 中國與數字經濟相關的對外援助通過提高互聯網普及率來推動當地數字經濟的發展。

最后，本文與收入不平等相關的研究具有一定聯系。早在19 世紀末，收入不平等問題便已引起重視（e. g. ， Dowrick and Quiggin， 1997; Korzeniewicz andMoran， 1997）。學者們探究了收入不平等與各種社會經濟活動之間的關系，如金融發展水平、銀行自由化、政府政策、跨國貿易（ e. g. ， Agnello at al. ， 2012;Delis et al. ， 2014; de Haan and Sturm， 2017; Meschi and Vivarelli， 2019）。近幾年來，隨著數字經濟的迅速發展，一些研究開始關注數字經濟如何影響收入不平等，尤其是收入不平等問題較嚴重的新興國家。Asongu and Odhiambo（2019）發現，在非洲地區，數字技術能夠改善收入不平等問題。在東南亞地區亦存在這一積極效應（Ningsih and Choi， 2018）。陳胤默等（2022）利用跨國數據，發現全球數字經濟發展有助于緩解收入不平等問題。如果中國與數字經濟有關的對外援助能夠推動當地數字經濟的發展，那么本文預期其能夠進一步改善當地的收入不平等問題。基于此，本提出第三條研究假說。

H3： 中國與數字經濟相關的對外援助能夠降低當地的收入不平等程度。

2 數據、變量以及模型設定

2.1 數據

為了考察中國與數字經濟相關的援助對被援助國家/ 地區數字經濟發展的影響，本文從多個數據來源收集數據并進行整合。其一，本文從世界銀行的Global Findex Database 得到2014、2017 和2021 年世界各個國家/ 地區與數字經濟發展相關的指標。其二，本文從AidData 數據庫收集了自2000 年到2017 年期間中國向世界各個國家/ 地區援助相關的數據。在這一數據庫中，本文篩選出與電信基礎設施建設相關的援助項目。由于數字經濟相關基礎設施的運作依賴于能源供給，故本文也篩選出與能源供給相關的援助項目。本文也從Hornet al. （2021）整理的數據集中篩選出并非來自AidData 數據庫且與電信基礎設施建設相關的援助項目，并將其作為補充性的數據加入到本文的數據集中。因此，本文所定義的數字經濟相關的中國對外援助包含了電信基礎設施建設和能源供給兩方面的援助項目。其三，本文從世界銀行和CSMAR 數據庫中導出了各個國家/ 地區的宏觀經濟變量作為控制變量。本文將上述數據集進行合并，最后獲得的樣本時間段包括2014、2017 和2021 年①。本文的最終樣本一共涵蓋了155 個國家/ 地區共409 個數據。

2.2 變量

1） 中國對外援助

本文根據AidData 數據庫以及Horn et al. （2021） 公開的數據，整合得到自2010 年至2017 年期間，中國對世界各個國家/ 地區電信基礎設施建設或能源相關的援助項目及金額。參考Guo et al. （2022），本文要求援助項目在該數據庫中的標簽為“ODA-like”。本文整理得到在2000 至2017 年期間，中國與數字經濟相關的對外援助項目共606 個，其中非洲和亞洲各有363 和163 個，各占59%和27%（表1）。

2） 數字經濟

本文主要以各個國家/ 地區使用電子手段支付或接收款項的人數比例來衡量各個國家/ 地區的總體數字經濟發展水平。圖1 繪制了2014—2021 年五大洲及拉丁美洲數字經濟平均水平的發展趨勢。整體而言，大洋洲的數字經濟平均水平遙遙領先，歐美地區也處于較高的水平，而亞非地區和拉丁美洲的數字經濟平均水平則相對落后。

3） 控制變量

本文控制了一系列國家/ 地區層面的控制變量，包括人均GDP 增速，以不變價計算的交通、倉儲與郵電通信業的國內生產總值增速（后文簡稱為“通信業GDP 增速”），交通、倉儲與郵電通信業的國內生產總值占比（后文簡稱為“通信業GDP 占比”），城市人口年增長率和消費價格指數。對于郵電通信業相關指標在2021 年的缺失值，本文采用歷史均值進行插補。

4） 關鍵變量描述性統計

表2 報告了本文中關鍵變量的統計描述。

2.3 模型設定

為了考察中國對外援助對被援助國家/ 地區數字經濟的影響，我們設定了如下面板固定效應模型：

digital_levelit = α + β1?dit + γXit + θt + μi + εit （1）

其中，i 表示國家/ 地區，t 表示年份。digital_levelit 表示國家/ 地區的數字經濟發展情況，采用總體數字經濟（ 使用電子手段支付或接收款項的人數比例） 來衡量。dit 為本文的核心解釋變量，表示中國對外援助。本文定義其為虛擬變量，當國家/ 地區i 在第t 年之前接受過中國在電信基礎設施建設或能源方面的援助時取1，反之取0。Xit 為一系列國家/ 地區層面的控制變量。θt 為年份虛擬變量， μi 為國家/ 地區固定效應。本文將標準誤聚類在國家/ 地區層面。

3 實證結果分析

3.1 基準回歸

首先，本文考察了中國與數字經濟相關的對外援助對當地總體數字經濟發展水平的影響，結果如表3 所示。由于中國是否施加電信基礎設施或能源相關的援助與當地的經濟發展水平有關，尤其是郵電通信業的發展水平，故本文在第（2）列控制了國家/ 地區的人均GDP 增速，通信業GDP 增速和通信業GDP 占比。城市人口相比農村人口更有可能接觸到電子交易的經濟活動，故本文控制了城市人口年增長率。此外，本文也控制了消費價格指數，這可能與居民的交易意愿有關。由第（2） 列的估計結果可知，與未受到中國援助的國家/ 地區相比，中國在電信基礎設施建設或能源方面的援助能夠使被援助國家/ 地區使用電子手段支付或接收款項的人數比例發生更大幅度的提升。從規模來看，平均而言，相比于沒有受到中國援助的國家/ 地區，受到中國援助的國家/ 地區采用電子手段支付或收取款項的人數比例在援助后額外提升了大約11. 3%。這一結論與預期一致，假說H1 得到初步驗證。

進一步地，本文考慮了每個國家/ 地區在被援助金額上的異質性，在數字經濟方面被援助金額越大的國家/ 地區可能在數字經濟的發展上有更出色的表現。為此，本文估計了每個國家/ 地區在數字經濟方面被中國援助的累積金額。由于不同年份的項目援助金額不具有直接可加性，因此本文先采取2017 年美元不變價來衡量每個項目的援助金額，而后在國家和年份層面進行加總，從而得到每個國家在每個年份之前被中國援助的累積金額（以億為單位）。本文將其與中國對外援助指標相乘，加入到基準回歸模型中。加入控制變量的估計結果如表3 第（4）列所示，中國與數字經濟相關的援助對當地總體數字經濟發展水平存在顯著的促進效應，而這一效應隨著援助累積金額的增加而提升。從規模來看，中國在電信基礎設施建設或能源方面的援助金額每增加1 億美元，當地使用電子手段支付或接收款項的人數比例會額外提升2%。在本文的樣本中，中國單個數字經濟相關援助項目的平均援助金額為0. 8 億美元。由此可知，中國與數字經濟相關的對外援助對當地數字經濟的影響規模是顯著的。

最后，本文繪制了受援助國和未受援助國在數字經濟發展上的表現差異（圖2）。由于本文的樣本期包含了 2014、2017 和 2021 年，故本文首先計算了那些在 2014 年至 2016 年期間受到中國援助的國家在2014、2017 和2021 年的數字經濟平均發展水平。其次，本文將在這一期間內未受到中國援助的國家作為對照組，并計算了對照組在這三年的數字經濟平均發展水平。最后，本文計算并繪制了2014、2017 和2021 年受援助國家和對照組在數字經濟平均發展水平上的差異，如圖2 所示。在2014 年，平均而言，受中國援助的國家與未受中國援助的國家在使用電子手段支付或收取款項的人數比例上相差近40%，而這一差距在2017 年縮小至30%。這說明中國對外援助提高了受援助國家在數字經濟上的發展速度，并使其縮小了與其他國家的差距。

3.2 穩健性檢驗

為檢驗基準結果的穩健性，本文從多個角度展開穩健性檢驗。

3.2.1 子樣本分析

本文的樣本中包含了中國對世界各國/ 地區電信基礎設施建設或能源項目相關的援助，而與電信基礎設施建設相關的援助與當地數字經濟的發展具有更緊密的聯系。因此，在表4 第（1）列中，本文篩選出只與電信基礎設施建設相關的援助項目作為研究對象。結果顯示，在剔除了能源相關的援助項目之后，中國對外援助仍然對被援助國家的數字經濟發展水平有顯著的促進作用，而系數規模比表3 第（2）列中的估計結果高2. 4 個百分點。這與本文的預期相符，即與電信基礎設施建設相關的援助對當地數字經濟發展的影響更直接，而與能源相關的援助項目則起到了間接的保障作用。

其次，中國對外援助的主要對象是一些中低收入國家。為比較在中低收入國家之間，受中國援助的國家與未受中國援助的國家是否因中國援助而在數字經濟發展上存在差異，本文將高收入國家從樣本中剔除。估計結果如表4 第（2）列所示，在中低收入國家中，中國援助促使受援助國的數字經濟更快地發展。這一結果不僅支持了結果的穩健性，還表明了中國援助使受援助國在數字經濟方面的發展要快于其他中低收入國家。

3.2.2 增加控制變量

由于在教育水平更發達的地區，人們更樂于接收新型的交易方式，故本文在表5 中額外控制了國家/ 地區的高等教育毛入學率。同時，國家/ 地區進口通信、電腦設施的金額越大，則該地在數字經濟方面的發展可能就越迅速。因此，本文也進一步控制了國家/ 地區通信及電腦設備的進口金額。之所以并未在基準結果中控制這些變量，主要是因為這些變量存在大量缺失值。在添加了額外的控制變量后，中國對外援助的估計系數仍然顯著為正。

3.2.3 剔除新冠疫情的影響

新冠疫情期間，線下消費處處受限。這一時期內，各國數字經濟得到迅速發展。為了避免本文的結果受到新冠疫情的干擾，本文將2021 年的樣本剔除并重新估計了基準回歸結果。表6 的估計結果仍然支持了基準結果的穩健性，表明本文結果不受新冠疫情的干擾。

3.2.4 傾向得分匹配法

本文的基準模型實質上是一個漸進的DID 模型，將受中國援助的國家/ 地區作為處理組，未受援助的國家/ 地區作為控制組。為了盡可能消除樣本選擇偏誤問題，本文選取可能會影響國家/ 地區是否受中國援助的因素作為傾向得分匹配的協變量：商品進出口貿易額占國內生產總值的份額、總外匯儲備和人均GDP 增長率。本文為每個處理組1 ∶ 1 匹配一個控制組，并利用傾向得分匹配后的樣本重新估計了基準模型。結果如表7 所示，仍然支持基準結果。

3.2.5 安慰劑檢驗

本文的研究結果會面臨一個質疑，即中國援助對當地數字經濟的影響究竟是由中國援助所致，還是由隨機的時間變化所致。為此，本文采取安慰劑測試的方法來消除這一潛在疑慮。對于每個國家/ 地區，本文隨機抽取2014、2017、2021 年和2022 年中的一個年份，并視其在該年份之前接受過中國在數字經濟方面的援助。雖然本文的樣本區間為2014、2017 和2021 年，但是考慮到并非所有國家/ 地區都必然在2021 年之前接受過中國在數字經濟方面的援助。因此，本文在隨機抽取的數字中添加了2022 年。若隨機抽取的年份為2022 年，則視該國/ 地區在本文的樣本期間內未受中國援助。安慰劑估計結果如表8 所示，隨機抽樣后，中國對外援助對數字經濟的影響不顯著。這說明本文的基準結果并非由隨機的時間變化所致。

3.2.6 工具變量法

為解決潛在內生性問題，本文嘗試利用工具變量法來估計中國援助對當地數字經濟的因果效應。參考Dreher et al. （2021a），本文調整了基準模型設定，并構建如下2SLS 回歸模型：

amountit = α2 + ?1 ×materialt -1 ×pi + ?2 ×reservet -1 ×pi + γ2Xit + θt + μi + vit（2）

digital_levelit = α1 + β1 ×amountit + γ1Xit + θt + μi + εit （3）

其中，i 表示國家/ 地區，t 表示年份。模型（2） 為第一階段回歸，amountit 表示國家/ 地區i 在第t 年之前接受中國對外援助的累積金額（ 以2017 年為基期計算的美元不變價，以億為單位）。在2SLS 回歸中使用該變量來衡量中國對外援助有兩方面原因。其一，參考Dreher et al. （2021a）構造的兩個工具變量對基準模型（1） 中的dit 而言是弱工具變量。其二，使用該變量的模型設定與Dreheret al. （2021a）具有一致性，能夠考慮到援助的規模。materialt-1 為中國在第t-1年六個對數形式、去時間趨勢后的生產要素投入主成分分析后得到的第一個主成分因子。reservet-1 為中國在第t-1 年外匯儲備凈額的變動（ 以2010 年美元不變價表示） ，同樣進行了去時間趨勢的處理。pi 是中國在數字經濟方面對國家i 進行援助的概率。最后，本文將materialt-1 ×pi 標記為工具變量1，將reservet-1 ×pi 標記為工具變量2。模型（3）為第二階段回歸，digital_levelit 表示國家/ 地區的數字經濟發展情況，仍采用總體數字經濟來衡量。X 為控制變量。θt為年份虛擬變量， μi 為國家/ 地區固定效應。本文將標準誤聚類在國家/ 地區層面。

表9 展示了兩階段回歸的結果。第（1） 列為第一階段回歸。第（2） 列為采用總體數字經濟來衡量國家/ 地區的數字經濟發展情況的第二階段回歸結果。Kleibergen-Paap F 為13. 059，說明應該不存在弱工具變量問題。由估計結果可知，在消除了潛在的內生性問題后，中國對當地在電信基礎設施建設或能源方面的援助金額每增加1 億美元，當地使用電子手段支付或接收款項的人數比例會額外提升4%。

3.2.7 廣義矩估計

參考Askarov and Doucouliagos（2015），本文還考慮了當地滯后一期的數字經濟對本期數字經濟的影響，故使用系統廣義矩估計的方法來估計動態面板模型。由表10 展示的估計結果可知，系統GMM 的估計結果仍然支持了前文的結論，即中國援助對當地數字經濟發展有顯著的正向影響。

3.3 異質性檢驗

3.3.1 國家異質性

中國對外援助對當地數字經濟的影響可能在不同國家/ 地區之間存在明顯的異質性。因此，本節進行了一些國家/ 地區層面的異質性分析。

首先，本文定義虛擬變量I（高/ 中高收入），當國家/ 地區為高收入或者中高收入國家時取1，反之取0。其次，本文以世界銀行數據庫公開的貧困線以下收入或消費的平均差額來衡量國家/ 地區的貧困程度。本文分別將這兩個指標與中國對外援助相乘，并加入到模型中。估計結果如表11 第（1） 列和第（2） 列所示，與經濟發展水平相對較差的國家/ 地區相比，經濟發展水平相對較好的國家/ 地區受中國援助后能夠在數字經濟方面有更大幅度的提升。而與貧困差距相對較大的國家/ 地區相比，中國對貧困差距相對較小的國家/ 地區的援助能夠更大幅度地促進當地數字經濟的發展。根據未報告的估計結果，這一效應僅在收款型數字經濟方面顯著存在。

服務業的發展水平與數字經濟緊密關聯。在服務業較發達的國家中，線上支付或利用手機等電子工具進行線下消費能夠提升服務業消費的便捷性，因而可能有更高的數字經濟發展水平。因此，本文以2013 年為基期，根據服務業國內生產總值占總GDP 的比例來衡量服務業發展水平，并將其作為區分國家/ 地區的指標。由于服務業發展水平更高的國家本身就有較高的數字經濟發展水平，因而在受中國援助后得到的邊際提升可能較低。反之，本身缺乏數字經濟發展契機的國家可能能夠在受到中國援助后更為迅速地發展數字經濟。表11第（3）列的實證分析結果證實了這一觀點。

以2014 年為基期，本文以2014 年的總體數字經濟發展水平來衡量各個國家/ 地區的初始數字經濟發展水平，并分析不同初始數字經濟發展水平的國家/地區在中國對外援助后的表現差異。由表11 第（4）列可知，雖然交互項的估計結果并不顯著，但是從系數方向來看，受援國家的初始數字經濟發展水平越低，則當地使用電子手段支付或收取款項的人數比例在受中國援助后會發生更大幅度的提升。這與第（3）列的結果相一致。

3.3.2 人群異質性

上文基于國家層面的宏觀經濟指標分析國家之間的異質性，接下來，本文根據國家內部的指標來分析不同人群對中國對外援助反應的異質性。具體而言，本文考察了中國對外援助對不同性別、不同年齡段、不同受教育水平、不同收入水平和不同就業情況人群影響的異質性。估計結果如表12 所示。在第（1）列中，本文分析了中國對外援助對當地使用電子手段接收或支付款項的女性人數比例的影響。在第（2） 列中，本文分析了中國對外援助對當地使用電子手段接收或支付款項的男性人數比例的影響。由對比可知，與女性相比，中國對外援助會使當地男性使用電子手段接收或支付款項的人數比例發生更大幅度的提升。第（3）列和第（4）則分別估計了中國對外援助對當地15～24 歲人群和25 歲及以上人群數字支付或收款手段使用情況的影響。由估計結果可知，與15～24 歲人群相比，中國對外援助對當地25 歲及以上的人群有更顯著的影響。

第（5）列和第（6）分別估計了中國對外援助對當地小學及以下受教育水平的人群和中學及以上受教育水平的人群的影響。估計結果表明，中國對外援助促進了當地數字經濟的發展，而受教育水平相對較高的人群具有更快的適應和接受能力。第（7）列和第（8）列分別估計了中國對外援助對當地收入后40%收入群體和前60%收入群體的影響。研究結果表明，中國在數字經濟方面的對外援助對收入相對較高的人群有更顯著的影響。最后，第（9） 列和第（10） 列分別估計了中國對外援助對當地失業群體和就業群體的影響。由估計結果可知，中國在數字經濟方面的對外援助對就業群體有更顯著的影響。這可能是因為就業群體有更多接觸電子支付的機會和能力。

3.3.3 數字經濟類型異質性

在基準模型中，本文以使用電子手段接收或支付款項的人數比例來衡量國家/ 地區數字經濟發展水平。進一步地，本文將總體數字經濟指標進一步拆分為付款型數字經濟（當地使用電子手段支付款項的人數比例） 和收款型數字經濟（當地使用電子手段接收款項的人數比例），并重新估計了基準模型。結果如表13 所示，相比于采用電子手段收款的經濟活動，與中國數字經濟相關的對外援助促進當地居民更多地參與了采用電子手段付款的經濟活動。這可能是因為付款與人們的日常生活有更緊密的關聯。

3.3.4 區域異質性

圖3 分別展示了亞洲和拉丁美洲在2014 年至2016 年期間受中國援助的國家和未受中國援助的國家在數字經濟表現上的差異。其中，亞洲受中國援助的國家在2014 年使用電子手段支付或收取款項的人數比例與未受援助的國家平均而言相差50%，但在2017 年縮小至30%左右。同時，在2014 年，拉丁美洲受中國援助的國家與未受中國援助的國家在數字經濟表現上幾乎相近，但是在2017 年前者比后者高1%。由于數據限制，本文沒有對非洲等其他世界區域作異質性分析。可以發現，與拉丁美洲相比，中國在亞洲的援助對數字經濟有更顯著的促進作用。

3.4 機制檢驗

數字經濟的發展依賴于互聯網的普及程度。前文研究發現，中國電信基礎設施和能源相關的對外援助能夠促進被援助國家/ 地區數字經濟的發展。中國與數字經濟相關的援助最直接的影響對象是與當地與數字經濟相關的基礎設施建設，而基礎設施建設的完善為當地居民提供了更便捷高效的網絡和數字經濟服務。因此，本文預期中國對外援助能夠通過改善被援助國家/ 地區的互聯網普及率來促進數字經濟的發展。為檢驗這一假說，本文在表14 中估計了中國對外援助后，被援助國家每一百人固定寬帶訂閱數量的變化。固定寬帶訂閱指的是對高速訪問公共互聯網（TCP / IP 連接） 的固定訂閱，高速的標準是指下行速度等于或大于256kbit/ s。固定寬帶訂閱數量的增加在一定程度上可以反映當地的互聯網普及率。為避免異常值的影響以及考慮到零值的存在，本文對每一百人固定寬度訂閱數量作加一后取對數處理。

表14 中第（1）列的因變量為加一并取對數后的固定寬帶訂閱數量。由估計結果可知，與未受中國援助的國家相比，受中國援助國家的固定寬帶訂閱數量在受援助后得到了更大幅度的提升。同時，由第（2）列可知，固定寬帶訂閱數量的提升能夠顯著地促進當地居民使用電子手段支付或收取款項。這證實了假說H2，即中國與數字經濟相關的對外援助可以通過提高互聯網普及率來促使當地數字經濟的發展。

3.5 收入不平等

2015 年，聯合國可持續發展峰會通過17 個可持續發展目標，包括在全世界消除一切形式的貧困、減少國家內部和國家之間的不平等。然而，根據清華大學《2022 全球不平等報告》，截至2021 年，全球最富有的10%人群擁有全球財富的76%，其余90%人群擁有全球財富的24%。尤其在新冠疫情期間，收入不平等問題愈演愈烈，貧富差距日益擴大，對全球治理形成嚴峻的挑戰。陳胤默等（2022）發現全球數字經濟發展有助于緩解收入不平等問題。若中國在數字經濟方面的對外援助能夠通過促進被援助國家數字經濟的發展來改善當地的收入不平等問題，則說明中國對外援助在改善全球治理問題上也具有一定的積極意義。

為探究這一問題，首先，本文根據世界銀行數據庫公開的貧困線以下收入或消費的平均差額來衡量國家/ 地區的貧困程度，以此將樣本一分為二，篩選出相對更加貧困的國家。在子樣本中，本文估計了中國在電信基礎設施或能源項目上的援助對當地收入不平等的影響。表15 中各列的因變量分別為前10%、前20%、20%～40%、40%～60%、60%～80%、后20%和后10%收入群體的收入份額占比。由估計結果可知，中國有利于當地數字經濟發展的援助能夠降低高收入群體（前20%收入群體）的收入份額，并提高中等收入群體（前20%～60%收入群體）的收入份額，但對低收入群體的收入份額沒有顯著影響。這一結果表明，對于相對貧困國家而言，中國與數字經濟相關的援助能夠緩解中等收入群體和高收入群體之間的收入差距。之所以不能提高低收入群體的收入份額，可能是因為來自中國的援助無法惠及社會全體，而中收入群體由于掌握更多知識和信息渠道，能夠相比低收入群體更迅速地接受中國援助帶來的溢出效應。這一點與表12 中異質性分析的結果相一致。這一結論意味著中國對相對貧困國家的數字經濟援助能夠緩解當地的收入不平等問題，這對于改善全球治理亦具有重要意義。

4 結論

基于世界銀行的全球金融數據和AidData 數據庫中的中國對外援助數據，本文考察了中國對外援助對當地數字經濟的影響，并發現中國在電信基礎設施建設或能源方面的援助促進了當地數字經濟的發展。具體而言，中國的援助能夠使當地使用電子手段支付或接收款項的人數比例顯著增加，這一效應對于那些被中國援助的累積金額相對較高、經濟發展水平相對較高、貧困程度相對較低、服務業發展水平相對較差、初始數字經濟發展水平相對較低的國家/ 地區更顯著。在同一國家內部，中國對外援助對男性、25 歲及以上、受教育水平相對較高、相對富有和就業人群的數字支付/ 收款手段使用情況有更顯著的促進作用。其次，本文研究發現，中國在電信基礎設施建設或能源方面的援助能夠有效促進當地固定寬帶訂閱數量的提升，從而促進當地的數字經濟發展。最后，對于相對貧困地區而言，中國援助能夠降低高收入群體的收入份額，并提高中等收入群體的收入份額。這說明中國與數字經濟相關的對外援助在一定程度上能夠降低當地的收入不平等程度，助力解決全球治理問題。

本文的研究結論蘊含了以下三點政策含義。首先，中國政府可以進一步完善援助項目的效應評估體系，落實援助項目的信息共享和宣傳工作。針對批評和反對中國援助的呼聲，政府可以以科學合理的方法來評估援助項目的效應，并具體地展示對外援助項目在當地落地的具體表現和效應，讓外界看到中國政府對外援助的誠意。本文的研究結果表明，中國與數字經濟相關的對外援助能夠提高當地的固定寬帶訂閱數量。基于這一結論，中國政府可以與被援助國家的政府聯合統計中國所提供的電信基礎設施覆蓋的區域與人數，從而更為清晰地展示中國援助的普惠性。其次，政府在評估援助項目的效應時可以考慮根據援助項目的具體性質和目的加以區分。不同類型的援助項目具有不同的實現形式和經濟目的，因而會對經濟的不同方面產生影響。本文的研究發現，中國與電信基礎設施建設和能源供應相關的對外援助對當地數字經濟發展起到積極的影響，而大部分其他類型的援助項目可能難以直接對當地的數字經濟發展起到積極的影響。因此，考慮項目的異質性就能夠更加清晰地評估項目效應，從而實現更加科學精確的管理和規劃。最后，中國政府可以規劃和實施更多有利于構建人類命運共同體和改善全球治理問題的援助項目，為亞非拉地區新興市場國家的發展注入更強勁的力量。通過本文的研究可以看到，中國在數字經濟方面的對外援助能夠改善當地的收入不平等問題，但能夠改善收入不平等問題的援助項目類型應不止于此。因此，更清晰地認識到這些具有全球治理意義的項目類型并加以推行，與我國“促進共同發展的外交宗旨” 相貼合，亦有助于推進全球政治經濟新格局的構建。

參考文獻

柏培文， 喻理. 2021. 數字經濟發展與企業價格加成： 理論機制與經驗事實[J]. 中

國工業經濟，（11）： 59-77.

Bai P W， Yu L. 2021. Digital economy development and firms markup： Theoretical

mechanisms and empirical facts[J]. China Industrial Economics， （11）： 59-77. （in

Chinese）

陳胤默， 王喆， 張明， 等. 2022. 全球數字經濟發展能降低收入不平等嗎？ [J]. 世

界經濟研究，（12）： 118-132.

Chen Y M， Wang Z， Zhang M， et al. 2022. Can the development of the global

digital economy reduce income inequality？ [ J]. World Economy Studies， （ 12）：

118-132. （in Chinese）

董艷， 樊此君. 2016. 援助會促進投資嗎———基于中國對非洲援助及直接投資的實

證研究[J]. 國際貿易問題，（3）： 59-69.

Dong Y， Fan C J. 2016. Does financial aid from the Chinese government increase

investment from China in Africa？ A panel data study[ J]. Journal of International

Trade， （3）： 59-69. （in Chinese）

黃鵬， 陳靚. 2021. 數字經濟全球化下的世界經濟運行機制與規則構建： 基于要素

流動理論的視角[J]. 世界經濟研究，（3）： 3-13.

Huang P， Chen L. 2021. World economic operating mechanism and rules buildingup

under the digital economic globalization： Based on the perspective of factor

mobility theory[J]. World Economy Studies， （3）： 3-13. （in Chinese）

李嘉楠， 龍小寧， 姜琪. 2021. 援助與沖突———基于中國對外援助的證據[J]. 經濟

學（季刊）， 21（4）： 1123-1146.

Li J N， Long X N， Jiang Q. 2021. Aid and conflict—Evidence from Chinese aid

[J]. China Economic Quarterly， 21（4）： 1123-1146. （in Chinese）

劉愛蘭， 王智烜， 黃梅波. 2018. 中國對非援助是“新殖民主義”嗎———來自中國和

歐盟對非援助貿易效應對比的經驗證據[J]. 國際貿易問題，（3）： 163-174.

Liu A L， Wang Z X， Huang M B. 2018. Neocolonialism in Chinas aid to Africa？

Empirical evidence from trade effects of China and EU aid to Africa[J]. Journal of

International Trade， （3）： 163-174. （in Chinese）

劉航， 伏霖， 李濤， 等. 2019. 基于中國實踐的互聯網與數字經濟研究———首屆互

聯網與數字經濟論壇綜述[J]. 經濟研究， 54（3）： 204-208.

Liu H， Fu L， Li T， et al. 2019. The summary of the 1st forum for internet and

digital economy[J]. Economic Research Journal， 54（3）： 204-208. （in Chinese）

劉軍， 楊淵鋆， 張三峰. 2020. 中國數字經濟測度與驅動因素研究[J]. 上海經濟研

究，（6）： 81-96.

Liu J， Yang Y Y， Zhang S F. 2020. Research on the measurement and driving

factors of Chinas digital economy[ J]. Shanghai Journal of Economics， （ 6）： 81-

96. （in Chinese）

逄健， 朱欣民. 2013. 國外數字經濟發展趨勢與數字經濟國家發展戰略[ J]. 科技

進步與對策， 30（8）： 124-128.

Pang J， Zhu X M. 2013. Development trend of digital economy abroad and national

development strategy of digital economy[ J]. Science amp; Technology Progress and

Policy， 30（8）： 124-128. （in Chinese）

戚聿東， 劉翠花， 丁述磊. 2020. 數字經濟發展、就業結構優化與就業質量提升

[J]. 經濟學動態，（11）： 17-35.

Qi Y D， Liu C H， Ding S L. 2020. Digital economic development， employment

structure optimization and employment quality upgrading[J]. Economic Perspectives，

（11）： 17-35. （in Chinese）

孫楚仁， 何茹， 劉雅瑩. 2021. 對非援助與中國企業對外直接投資[J]. 中國工業經

濟，（3）： 99-117.

Sun C R， He R， Liu Y Y. 2021. Aid to Africa and outward FDI of Chinese

enterprises[J]. China Industrial Economics， （3）： 99-117. （in Chinese）

王文. 2020. 數字經濟時代下工業智能化促進了高質量就業嗎[ J]. 經濟學家，

（4）： 89-98.

Wang W. 2020. Does industrial intelligence promote high-quality employment in the

digital economy era[J]. Economist， （4）： 89-98. （in Chinese）

許恒， 張一林， 曹雨佳. 2020. 數字經濟、技術溢出與動態競合政策[J]. 管理世界，

36（11）： 63-79.

Xu H， Zhang Y L， Cao Y J. 2020. Digital economy， technology spillover and

dynamic coopetition policy[ J]. Journal of Management World， 36（ 11）： 63-79.

（in Chinese）

嚴兵， 謝心荻， 文博. 2021. 中國對外援助與受援國經濟增長： 兼論基礎設施的中

介效應[J]. 世界經濟研究，（2）： 3-18.

Yan B， Xie X D， Wen B. 2021. Chinas foreign aid and economic growth of

recipient countries： Analysis of the mediating effect of infrastructure[ J]. World

Economy Studies， （2）： 3-18. （in Chinese）

楊鴻璽， 陳開明. 2010. 中國對外援助： 成就、教訓和良性發展[ J]. 國際展望，

（1）： 46-56.

Yang H X， Chen K M. 2010. Chinas foreign aid： Achievements， lessons and

benign development[J]. Global Review， （1）： 46-56. （in Chinese）

楊慧梅， 江璐. 2021. 數字經濟、空間效應與全要素生產率[J]. 統計研究， 38（4）：

3-15.

Yang H M， Jiang L. 2021. Digital economy， spatial effects and total factor

productivity[J]. Statistical Research， 38（4）： 3-15. （in Chinese）

朱丹丹， 黃梅波. 2018. 中國對外援助能夠促進受援國的經濟增長嗎？ ———兼論

“促貿援助”方式的有效性[J]. 中國經濟問題，（2）： 24-33.

Zhu D D， Huang M B. 2018. Does Chinas foreign aid enhance recipients economic

growth： Effectiveness of “aid for trade”[J]. China Economic Studies， （2）： 24-33.

（in Chinese）

Agnello L， Mallick S K， Sousa R M. 2012. Financial reforms and income inequality[J].

Economics Letters， 116（3）： 583-587.

Aker J C. 2010. Information from markets near and far： Mobile phones and agricultural

markets in Niger [ J]. American Economic Journal： Applied Economics， 2 （ 3）：

46-59.

Alesina A， Dollar D. 2000. Who gives foreign aid to whom and why？ [ J]. Journal of

Economic Growth， 5（1）： 33-63.

Anaxagorou C， Efthyvoulou G， Sarantides V. 2020. Electoral motives and the

subnational allocation of foreign aid in sub-Saharan Africa[ J]. European Economic

Review， 127： 103430.

Askarov Z， Doucouliagos H. 2015. Aid and institutions in transition economies[ J].

European Journal of Political Economy， 38： 55-70.

Asongu S A， Odhiambo N M. 2019. How enhancing information and communication

technology has affected inequality in Africa for sustainable development： An

empirical investigation[J]. Sustainable Development， 27（4）： 647-656.

Barber B M， Odean T. 2001. The internet and the investor[ J]. Journal of Economic

Perspectives， 15（1）： 41-54.

Basant R， Commander S， Harrison R， et al. 2006. ICT adoption and productivity in

developing countries： New firm level evidence from Brazil and India [ R ].

Bonn： IZA.

Bloom N， Garicano L， Sadun R， et al. 2014. The distinct effects of information

technology and communication technology on firm organization [ J]. Management

Science， 60（12）： 2859-2885.

Bluhm R， Dreher A， Fuchs A， et al. 2020. Connective financing： Chinese infrastructure

projects and the diffusion of economic activity in developing countries [ R ].

Melbourne： Monash University.

Bluhm R， Gassebner M， Langlotz S， et al. 2021. Fueling conflict？ （De） escalation and

bilateral aid[J]. Journal of Applied Econometrics， 36（2）： 244-261.

Brazys S， Vadlamannati K C. 2021. Aid curse with Chinese characteristics？ Chinese

development flows and economic reforms[J]. Public Choice， 188（3）： 407-430.

Brown J R， Goolsbee A. 2002. Does the internet make markets more competitive？

Evidence from the life insurance industry [ J]. Journal of Political Economy，

110（3）： 481-507.

Brynjolfsson E， Hu Y， Smith M D. 2003. Consumer surplus in the digital economy：

Estimating the value of increased product variety at online booksellers [ J ].

Management Science， 49（11）： 1580-1596.

Civelli A， Horowitz A， Teixeira A. 2018. Foreign aid and growth： A Sp P-VAR analysis

using satellite sub-national data for Uganda[J]. Journal of Development Economics，

134： 50-67.

Clarke G R G， Wallsten S J. 2006. Has the internet increased trade？ Developed and

developing country evidence[J]. Economic Inquiry， 44（3）： 465-484.

Crost B， Felter J， Johnston P. 2014. Aid under fire： Development projects and civil

conflict[J]. American Economic Review， 104（6）： 1833-1856.

Czernich N， Falck O， Kretschmer T， et al. 2011. Broadband infrastructure and economic

growth[J]. The Economic Journal， 121（552）： 505-532.

de Haan J， Sturm J E. 2017. Finance and income inequality： A review and new evidence

[J]. European Journal of Political Economy， 50： 171-195.

Delis M D， Hasan I， Kazakis P. 2014. Bank regulations and income inequality：

Empirical evidence[J]. Review of Finance， 18（5）： 1811-1846.

Dowrick S， Quiggin J. 1997. True measures of GDP and convergence[J]. The American

Economic Review， 87（1）： 41-64.

Dreher A， Fuchs A. 2015. Rogue aid？ An empirical analysis of Chinas aid allocation

[ J]. Canadian Journal of Economics / Revue Canadienne Déconomique， 48（ 3）：

988-1023.

Dreher A， Fuchs A， Parks B， et al. 2018. Apples and dragon fruits： The determinants

of aid and other forms of state financing from China to Africa[ J]. International

Studies Quarterly， 62（1）： 182-194.

Dreher A， Fuchs A， Hodler R， et al. 2019. African leaders and the geography of Chinas

foreign assistance[J]. Journal of Development Economics， 140： 44-71.

Dreher A， Fuchs A， Parks B， et al. 2021a. Aid， China， and growth： Evidence from a

new global development finance dataset[ J]. American Economic Journal： Economic

Policy， 13（2）： 135-174.

Dreher A， Fuchs A， Hodler R， et al. 2021b. Is favoritism a threat to Chinese aid

effectiveness？ A subnational analysis of Chinese development projects[ J]. World

Development， 139： 105291.

Goldfarb A， Tucker C. 2019. Digital economics[ J]. Journal of Economic Literature，

57（1）： 3-43.

Guillon M， Mathonnat J. 2020. What can we learn on Chinese aid allocation motivations

from available data？ A sectorial analysis of Chinese aid to African countries[ J].

China Economic Review， 60： 101265.

Guo S Q， Jiang H C. 2022. Chinese aid and local employment in Africa[ J]. SSRN

Electronic Journal.

Hjort J， Poulsen J. 2019. The arrival of fast internet and employment in Africa[ J].

American Economic Review， 109（3）： 1032-1079.

Hoeffler A， Outram V. 2011. Need， merit， or self ‐ interest—What determines the

allocation of aid？ [J]. Review of Development Economics， 15（2）： 237-250.

Horn S， Reinhart C M， Trebesch C. 2021. Chinas overseas lending[ J]. Journal of

International Economics， 133： 103539.

Isaksson A S， Kotsadam A. 2018. Chinese aid and local corruption[ J]. Journal of

Public Economics， 159： 146-159.

Isaksson A S. 2020. Chinese aid and local ethnic identification [ J]. International

Organization， 74（4）： 833-852.

Jensen R. 2007. The digital provide： Information （ technology）， market performance，

and welfare in the South Indian fisheries sector [ J]. The Quarterly Journal of

Economics， 122（3）： 879-924.

Korzeniewicz R P， Moran T P. 1997. World-economic trends in the distribution of

income， 1965—1992[J]. American Journal of Sociology， 102（4）： 1000-1039.

Meschi E， Vivarelli M. 2009. Trade and income inequality in developing countries[ J].

World Development， 37（2）： 287-302.

Morgan P， Zheng Y. 2019. Tracing the legacy： Chinas historical aid and contemporary

investment in Africa[J]. International Studies Quarterly， 63（3）： 558-573.

Ningsih C， Choi Y J. 2018. An effect of internet penetration on income inequality in

Southeast Asian countries[ C] / / Proceedings of the 22nd ITS Biennial Conference.

Seoul： International Telecommunications Society.

Oh Y A. 2016. Chinas development finance to Asia： Characteristics and implications

[R]. KIEP Research Paper.

Ping S N， Wang Y T， Chang W Y. 2022. The effects of Chinas development projects on

political accountability[J]. British Journal of Political Science， 52（1）： 65-84.

Qian N. 2015. Making progress on foreign aid[J]. Annual Review of Economics， 7： 277-

308.

Viard V B， Economides N. 2015. The effect of content on global internet adoption and

the global “digital divide”[J]. Management Science， 61（3）： 665-687.

Xu Z H， Ci F Y. 2023. Spatial-temporal characteristics and driving factors of coupling

coordination between the digital economy and low-carbon development in the Yellow

River Basin[J]. Sustainability， 15（3）： 2731.

Zürcher C. 2017. What do we （ not） know about development aid and violence？ A

systematic review[J]. World Development， 98： 506-522.