淘寶村的就業(yè)創(chuàng)造效應(yīng)

摘要 利用微觀數(shù)據(jù)實證考察了淘寶鎮(zhèn)掛牌對就業(yè)的影響和傳導(dǎo)機制。結(jié)果表明，浙江每增加一個淘寶鎮(zhèn)掛牌，則當?shù)剞r(nóng)村居民創(chuàng)業(yè)概率提高6.7%，外出務(wù)工的概率提高6.8%。通過對比浙江和廣東樣本發(fā)現(xiàn)，浙江淘寶村的就業(yè)創(chuàng)造效應(yīng)帶動了非淘寶地區(qū)的就業(yè)崗位，而廣東淘寶村僅帶動了淘寶村本地的就業(yè)崗位。淘寶鎮(zhèn)掛牌是向外界發(fā)送了創(chuàng)業(yè)信號，發(fā)送信號的距離越遠，淘寶村能帶動越遠的地區(qū)就業(yè)，浙江淘寶鎮(zhèn)掛牌能夠帶動非淘寶村地區(qū)的就業(yè)，其主要原因是浙江的一體化水平相對廣東更高。政策啟示為：加大對農(nóng)村電商的政策扶持力度，破除區(qū)域間的行政壁壘，降低制度性交易成本，從而能更好地發(fā)揮農(nóng)村電商的就業(yè)創(chuàng)造效應(yīng)。

關(guān)鍵詞 淘寶村；創(chuàng)業(yè)；務(wù)工；勞動力流動；信號發(fā)送

中圖分類號 S-9 ??文獻標識碼 A? 文章編號 0517-6611（2023）23-0207-07

doi：10.3969/j.issn.0517-6611.2023.23.047

The Employment Creation Effect of Taobao Village—A Comparative Analysis Based on Zhejiang and Guangdong

WANG Qi-lin

（Shaoxing Municipal Party School of the Communist Party of China， Shaoxing， Zhejiang 312000）

Abstract We empirically examined the impact and transmission mechanism of Taobao town listing on employment using micro data.The results show that for every additional Taobao town listed in Zhejiang， the probability of local rural residents starting a business increases by 6.7% and the probability of going out to work increases by 6.8%.By comparing the samples from Zhejiang and Guangdong， it was found that the employment creation effect of Taobao Village in Zhejiang drove employment in non Taobao areas， while Taobao Village in Guangdong only drove local employment in Taobao village.The listing of Taobao Town sends an entrepreneurial signal to the outside world. The farther the signal is sent， the more distant Taobao Village can drive employment in remote areas. The listing of Taobao town in Zhejiang can drive employment in non Taobao village areas， mainly due to the higher level of integration in Zhejiang compared to Guangdong.The policy inspiration is to increase policy support for rural e-commerce， break down administrative barriers between regions， reduce institutional transaction costs， and better leverage the employment creation effect of rural e-commerce.

Key words Taobao Village;Entrepreneurship;Labor;Labor mobility;Signal transmission

基金項目 國家社科基金一般項目（17BJL077）；2021年度全國哲社規(guī)劃辦：國家高端智庫重點課題（2021GDRL17）。

作者簡介 王麒麟（1982—），男，河北安國人，副研究員，博士，從事勞動經(jīng)濟學研究。

收稿日期 2022-12-07

淘寶村作為農(nóng)村電商發(fā)展的新興主力軍，其規(guī)模在近10年來增長迅猛。根據(jù)阿里研究院的統(tǒng)計，淘寶村數(shù)量從2009年的3個增加至2021年的7 023個，其地理擴張已經(jīng)遍及我國28個省，這種電商快速在農(nóng)村蔓延的現(xiàn)象是世界罕見的。淘寶村的出現(xiàn)既解決了農(nóng)村地區(qū)的就業(yè)問題，又提高了農(nóng)村居民的收入水平，對于降低城鄉(xiāng)收入差距、推進鄉(xiāng)村振興，以及實現(xiàn)共同富裕有著積極的意義。

實現(xiàn)更充分、更高質(zhì)量的就業(yè)是全體人民共同富裕的基石。關(guān)于淘寶村帶動就業(yè)背后的理論機制，從現(xiàn)有研究看，還沒有文獻對淘寶村的就業(yè)創(chuàng)造效應(yīng)進行專門研究。浙江作為中國淘寶村數(shù)量最多的省份，淘寶村對就業(yè)的促進作用具有典型代表性，該研究以浙江為樣本，輔之以廣東樣本，對比考察淘寶村的就業(yè)創(chuàng)造效應(yīng)和其中的傳導(dǎo)機制，以期為鄉(xiāng)村振興和共同富裕示范區(qū)建設(shè)提供可參考的經(jīng)驗。

淘寶村帶動經(jīng)濟的過程本質(zhì)上是通過發(fā)揮電商平臺的作用從而促進當?shù)厣a(chǎn)和就業(yè)，現(xiàn)有研究考察了農(nóng)村電商對農(nóng)民增收［1-3］、農(nóng)民創(chuàng)業(yè)［4-6］、農(nóng)村扶貧治理［7］、農(nóng)村居民消費［8］等的影響，所得結(jié)論基本認同農(nóng)村電商促進收入和就業(yè)的正向作用，然而，文獻中存在如下不足有待彌補：第一，在討論農(nóng)村電商與農(nóng)民收入的關(guān)系時未能很好地解決內(nèi)生性問題，從而導(dǎo)致估計偏誤，如Dai等［9］使用阿里研究院縣層面電商發(fā)展指數(shù)來估計其對當?shù)孛駹I企業(yè)績效的影響，顯然，電商發(fā)展指數(shù)也代表了民營經(jīng)濟發(fā)展，因此，該研究未能處理民營經(jīng)濟對縣級電商發(fā)展的反向因果問題，從而導(dǎo)致估計系數(shù)偏誤。基于此，討論農(nóng)村電商與農(nóng)村消費、農(nóng)村扶貧、農(nóng)村就業(yè)的文獻也會遇到該問題。第二，農(nóng)村電商的影響除了地區(qū)固定效應(yīng)外，還存在國家導(dǎo)向的電商扶持政策的影響，如國家評估的電子商務(wù)示范縣等，而一些文獻并沒有很好地處理農(nóng)村電商的地區(qū)效應(yīng)和國家政策效應(yīng)的關(guān)系，從而導(dǎo)致嚴重的遺漏變量問題。

根據(jù)阿里研究院公布的淘寶鎮(zhèn)名單構(gòu)造了淘寶村政策效應(yīng)的處理組和控制組，同時用各地區(qū)電子商務(wù)進農(nóng)村示范縣的數(shù)量來控制國家政策效應(yīng)的異質(zhì)性，然后利用隊列雙重差分法考察了淘寶鎮(zhèn)掛牌對當?shù)剞r(nóng)村居民創(chuàng)業(yè)行為和外出務(wù)工行為的影響，結(jié)果表明：①浙江每增加1個淘寶鎮(zhèn)掛牌，則當?shù)剞r(nóng)村居民創(chuàng)業(yè)概率將提高6.7%，外出務(wù)工的概率也將提高6.8%；而廣東每增加1個淘寶鎮(zhèn)掛牌，對當?shù)剞r(nóng)村居民創(chuàng)業(yè)和外出務(wù)工的影響不顯著。②進一步對比浙江和廣東樣本發(fā)現(xiàn)，浙江淘寶村的就業(yè)創(chuàng)造效應(yīng)帶動了非淘寶地區(qū)的就業(yè)崗位，而廣東淘寶村則是帶動了淘寶村本地的就業(yè)崗位。從斯賓塞的信號理論出發(fā)，浙江淘寶村之所以能帶動外地就業(yè)，其主要原因在于浙江一體化水平較高，從而淘寶村的信號發(fā)送更遠，這樣利于不同地區(qū)的農(nóng)村居民獲得創(chuàng)業(yè)信息。

該研究的邊際貢獻體現(xiàn)在：①利用隊列雙重差分法對淘寶村的就業(yè)創(chuàng)造效應(yīng)做了估計，該方法較好地克服了內(nèi)生性問題和樣本選擇偏誤等問題，具有一定的解釋力；②利用信號發(fā)送理論解釋了淘寶村掛牌作為一個信號發(fā)送過程，是如何帶動本地和外地就業(yè)的，同時使用勞動力流動行為來捕捉淘寶村信號發(fā)送的遠近影響，模型框架符合現(xiàn)實；③由于浙江一體化水平較高，所以淘寶村信號發(fā)送得更遠，從而能帶動外地就業(yè)，這一結(jié)論具有較強的政策效應(yīng)，即加強區(qū)域一體化能促進鄉(xiāng)村創(chuàng)業(yè)和縮小城鄉(xiāng)居民收入差距。

1 研究背景與理論假說

1.1 研究背景

互聯(lián)網(wǎng)和電子商務(wù)正在改變中國的方方面面，其中，電商在中國的崛起催生出一批專業(yè)淘寶村，這些淘寶村分布在浙江、廣東、江蘇、山東等地的農(nóng)村地區(qū)。根據(jù)阿里研究院的定義，淘寶村是指經(jīng)營場所在農(nóng)村、電商銷售額達到1 000萬元的村，同時給出了淘寶鎮(zhèn)的定義，即1個鄉(xiāng)鎮(zhèn)有大于等于3個淘寶村的鎮(zhèn)。圖1顯示，淘寶村數(shù)量從2009年的3個迅速擴張至2021年的7 023個，淘寶鎮(zhèn)數(shù)量從2014年的19個增加至2021年的2 171個，其擴張迅速之勢是世界罕見的。2014年是淘寶村的重要拐點，自2014年之后，淘寶村擴張的速度開始提高，但是，淘寶村的增長率隨著時間的推移正在收斂，數(shù)據(jù)顯示，2015年淘寶村增長率為267%，2016年降至69%，2021年已降至29%，易見，淘寶村在經(jīng)歷了大幅擴張以后逐漸步入穩(wěn)定增長趨勢，未來是否還會以20%左右的速度增長還有待觀察。

進一步統(tǒng)計淘寶村的地區(qū)差異發(fā)現(xiàn)，東部地區(qū)的淘寶村和淘寶鎮(zhèn)數(shù)量都位居全國前列，以2021年數(shù)據(jù)為例，淘寶村數(shù)量排名前5的省份分別是浙江、廣東、山東、江蘇、河北，其淘寶村數(shù)量依次為2 203、1 322、801、745和638個，其中，浙江淘寶村數(shù)量是廣東的1.6倍，是江蘇的接近3.0倍；淘寶鎮(zhèn)數(shù)量排名前5的省份分別是浙江、江蘇、廣東、河北、福建，其淘寶鎮(zhèn)數(shù)量依次為318、280、254、249和190個，易見，浙江在數(shù)量上也非常占優(yōu)勢，江蘇、廣東和河北的數(shù)量差距不大，如圖2所示。

根據(jù)阿里研究院的年度報告，淘寶村對地區(qū)經(jīng)濟有顯著拉動作用。為驗證其真?zhèn)危撗芯繉Υ苏归_分析，使用2020年各省份地區(qū)生產(chǎn)總值和2021年各省份淘寶村累計數(shù)量作散點圖，如圖3所示：①淘寶村數(shù)量與地區(qū)生產(chǎn)總值的確存在明顯的正相關(guān)關(guān)系，隨著淘寶村規(guī)模的不斷擴張，地區(qū)經(jīng)濟產(chǎn)值也是逐漸增加的；②以浙江、廣東、江蘇、山東等為首的第一方陣從淘寶村擴張中獲益較大，而湖北、湖南、江西、安徽等中部省份為第二方陣，甘肅、寧夏、新疆、貴州等西部省份為第三方陣，該地區(qū)的淘寶村擴張速度較慢，也未看到淘寶村對地區(qū)經(jīng)濟的拉動作用。針對以上特點，有2點值得說明：首先，淘寶村在農(nóng)村地區(qū)孕育，故北京、上海等直轄市的樣本應(yīng)予以剔除，如果不考慮直轄市的情況，那么，第一方陣主要分布在沿海地區(qū)，這說明，雖然淘寶村在農(nóng)村誕生，但對沿海城市的依賴性極強，所以由此判斷，淘寶村的生長機制應(yīng)該更接近市場而不是遠離市場；其次，淘寶村主要由農(nóng)村勞動力來支撐，那么，淘寶村生長較快的地方一定是勞動力市場活躍的省份且以人口凈流入為主的省份。

1.2 理論假說

現(xiàn)有文獻關(guān)于淘寶村促進就業(yè)和增收的研究均未給出理論支撐，該研究使用斯賓塞的信號發(fā)送理論（signaling theory）來論證淘寶村帶動就業(yè)的理論機制，進而得出研究假說。

首先，各地區(qū)農(nóng)村居民創(chuàng)業(yè)行為是不均衡的。創(chuàng)業(yè)行為受到個體認知能力、年齡、教育程度、技能水平等個體因素的影響［10-13］，也受到家庭背景等家庭特征的影響［14］，還與所在城市的營商環(huán)境、公共服務(wù)有關(guān)［15-17］。因此，從整體情況看，不同地區(qū)的創(chuàng)業(yè)情況是有差異的。

其次，淘寶村掛牌可視為一個信號發(fā)送過程，淘寶村信號發(fā)送得越遠，則越能帶動較遠地區(qū)的就業(yè)。由于一個地區(qū)的居民創(chuàng)業(yè)行為是非均衡的，所以對于離淘寶村掛牌地越近的居民，其獲得的淘寶村創(chuàng)業(yè)信息也越多，對于其從事創(chuàng)業(yè)工作越有利；反之，離淘寶村掛牌地越遠的居民無法清楚地獲知淘寶村信息，故該地區(qū)居民的創(chuàng)業(yè)概率就很低。因此，淘寶村的就業(yè)創(chuàng)造效應(yīng)能否帶動更遠地區(qū)的就業(yè)，主要取決于淘寶村發(fā)送信號的距離，而這個距離又與區(qū)域一體化水平密切相關(guān)。

第三，區(qū)域一體化對于信號發(fā)送起到促進作用，從而放大淘寶村創(chuàng)造就業(yè)的效應(yīng)。區(qū)域經(jīng)濟一體化水平的提高能夠促進城鄉(xiāng)協(xié)調(diào)發(fā)展［18］、降低城鄉(xiāng)收入差距［19-20］，從而將外部成本內(nèi)部化，降低物流成本、縮小信息傳達距離，最終促進要素快速集聚并實現(xiàn)區(qū)域經(jīng)濟增長。從淘寶村的角度看，區(qū)域經(jīng)濟一體化通過改善交通條件、便捷人員流動等方式來實現(xiàn)淘寶村信息的順暢流通。這個過程主要體現(xiàn)在2點：一是淘寶村信息從淘寶村掛牌地向更遠的非淘寶村地區(qū)傳遞的成本降低了；二是淘寶村引致創(chuàng)業(yè)所需的創(chuàng)業(yè)啟動成本在不同地區(qū)的差異縮小了。故一個地區(qū)的區(qū)域一體化水平的提高，能夠讓淘寶村信息傳達更遠，從而帶動更遠地區(qū)的就業(yè)活動。

基于以上框架，建立模型如下：

假設(shè)一個區(qū)域存在2個地區(qū)，分別用A點和B點表示，兩點的距離為u且u>0，無須假設(shè)某一點是否為區(qū)域中心點。現(xiàn)在在A點附近設(shè)計1個淘寶村掛牌的事件沖擊，假設(shè)淘寶村掛牌地為M點，令M到A的距離為ε，且滿足ε

如果該區(qū)域的經(jīng)濟一體化水平較低，則淘寶村信號發(fā)送距離就會很短，于是淘寶村信號只能從M點發(fā)送到A點，如果經(jīng)濟一體化水平較高，則淘寶村信號就能從M點發(fā)送到B點，如圖4所示。

根據(jù)以上模型框架，可以考察淘寶村掛牌對于不同地區(qū)的農(nóng)村居民創(chuàng)業(yè)就業(yè)的影響，但是，淘寶村信號發(fā)送到A點或B點的結(jié)果需要用1個指標來表征。于是，可以利用勞動力市場的跨地區(qū)人口流動來捕捉這種動態(tài)效應(yīng)。當不考慮區(qū)域一體化因素時，淘寶村掛牌以后，離M越近的地區(qū)A越容易獲得淘寶村信息，因此，必然會提升A點的農(nóng)村創(chuàng)業(yè)概率。當考慮區(qū)域一體化水平時，對于一體化水平較低的區(qū)域，淘寶村信號只能從M傳遞到A點，所以B點的勞動力將向A點回流，從而增加A點的創(chuàng)業(yè)概率；但對于一體化水平較高的區(qū)域，淘寶村信號可以從M傳遞到B點，所以A點和B點的農(nóng)村居民獲得同等量的信號，故淘寶村掛牌不會導(dǎo)致B點的勞動力回流至A點。據(jù)此得到如下假說：

假說1：當區(qū)域一體化水平較低時，淘寶村掛牌將導(dǎo)致外地勞動力回流到淘寶村本地，這一過程表現(xiàn)為淘寶村創(chuàng)造就業(yè)的本地效應(yīng)；當區(qū)域一體化水平較高時，淘寶村掛牌不會導(dǎo)致外地勞動力回流，從而表現(xiàn)為淘寶村創(chuàng)造就業(yè)的外地效應(yīng)。

2 研究設(shè)計

該研究的目標是檢驗淘寶村對就業(yè)的影響，同時進一步考察淘寶村的出現(xiàn)是否影響了勞動力回流，從而檢驗淘寶村的就業(yè)創(chuàng)造效應(yīng)究竟體現(xiàn)在本地還是外地。

關(guān)于電子商務(wù)影響創(chuàng)業(yè)就業(yè)的研究很多，一般有2種方法進行識別：第一種是構(gòu)造電子商務(wù)銷售額、電子商務(wù)基礎(chǔ)設(shè)施投資的地級市面板數(shù)據(jù)，用該數(shù)據(jù)與勞動力微觀數(shù)據(jù)進行匹配，進而考察電子商務(wù)銷售額或電子商務(wù)基礎(chǔ)設(shè)施的增加是否帶動了當?shù)氐膭?chuàng)業(yè)活動，該方法由于沒能很好地解決反向因果和遺漏變量等問題而導(dǎo)致模型存在顯著的內(nèi)生性問題；第二種是使用一個外生的政策沖擊來代表電子商務(wù)發(fā)展，進而用雙重差分法識別其對創(chuàng)業(yè)活動的影響，如王奇等［21］使用的電子商務(wù)農(nóng)村綜合示范縣等，但雙重差分法要求模型的處理組和控制組滿足共同趨勢假設(shè)。由于該研究將利用CLDS微觀數(shù)據(jù)進行分析，CLDS問卷關(guān)于雇主和自雇的問題有詢問“哪一年創(chuàng)業(yè)”的，但是回答者很少，無法利用這部分數(shù)據(jù)來構(gòu)造雙重差分進行分析，因此，該研究采用傳統(tǒng)的Logit模型，不同之處是，為了更好地識別淘寶村的邊際影響，該研究在淘寶村的政策處理組控制了各省份電子商務(wù)農(nóng)村綜合示范縣數(shù)量，以此來達到近似雙重差分的作用，模型如下：

ln（P1-P）=α+β·taobaojt=2014·ln（0.1+Ei）+γtaobaojt=2.01+δln（0.1+Ei）+X+ε

式中，被解釋變量P為創(chuàng)業(yè)或外出務(wù)工的概率，其中，創(chuàng)業(yè)定義為被訪者工作狀態(tài)是“雇主”或“自雇”的情況，外出務(wù)工定義為被訪者工作狀態(tài)是“雇員”的情況。taobao表示第j個城市在2014年是否含有至少1個淘寶鎮(zhèn)的虛擬變量（或是否含有淘寶村≥3），是=1，否=0，該研究使用淘寶鎮(zhèn)=1的虛擬變量而非僅使用淘寶村=1的虛擬變量的原因是，當只有1個淘寶村時，淘寶村的就業(yè)創(chuàng)造效應(yīng)可能不顯著，如果使用淘寶鎮(zhèn)的概念，則容易看出淘寶村的規(guī)模效應(yīng)，所得結(jié)論也更有說服力；Ei是根據(jù)商務(wù)部于2014年發(fā)布的電子商務(wù)進農(nóng)村示范縣名單統(tǒng)計的第i個省份的示范縣個數(shù)，該研究注意到商務(wù)部從2014年開始每年都發(fā)布這一名單，為了與其他解釋變量不產(chǎn)生共線性，這里只選擇2014年的名單，同時，一些省份如浙江等的示范縣個數(shù)為0，所以為了更有對比性，這里作了對數(shù)處理；X是一組控制變量，包括年齡、性別、婚姻狀況、教育水平、所在行業(yè)、所有制類型等個體特征，同時也納入了地區(qū)GDP等地區(qū)特征，ε是隨機干擾項。該研究將使用農(nóng)村居民樣本來估計，主要關(guān)心的是系數(shù)，如果該系數(shù)為正，則表明淘寶村的出現(xiàn)的確帶動了就業(yè)，如果為負或不顯著，則表明淘寶村的就業(yè)創(chuàng)造效應(yīng)為零。為了使Logit模型的估計結(jié)果更具解釋力，該研究將匯報該模型的邊際效應(yīng)。

然后，該研究關(guān)注淘寶村對勞動力回流的影響，建立隊列雙重差分法（Cohort-DID）模型來識別淘寶村這一外生沖擊對勞動力是否回流的因果效應(yīng)，具體模型構(gòu)造如下：

Yij=α+β·20152012cohortit+γ·taobaojt=2014+20152012cohortit+γ·taobaojt=2014+σij+μj+ε

式中：被解釋變量Y表示第j個城市的第i個個體是否回流的啞變量，回流=1，否=0；解釋變量cohort表示第i個個體是否進入第t年勞動力回流隊列的處理組，是=1，否=0；taobao變量同上。為了使結(jié)果更加可靠，該研究控制了農(nóng)村勞動力的個體特征和地區(qū)特征，同時在估計系數(shù)時均聚類到城市層面。

該研究使用的數(shù)據(jù)包括3個部分：①微觀個體數(shù)據(jù)，該研究使用中山大學勞動力動態(tài)調(diào)查的大樣本個體數(shù)據(jù)CLDS，該數(shù)據(jù)每2年調(diào)查一次，共有個體數(shù)據(jù)、家庭數(shù)據(jù)和村居數(shù)據(jù)3個層次，該研究主要關(guān)心勞動力流動，故使用個體數(shù)據(jù)。CLDS有2012、2014、2016、2018年等多個年份的數(shù)據(jù)，由于核心解釋變量為2014年淘寶鎮(zhèn)掛牌事件，為了避免反向因果問題，應(yīng)使用滯后年份的CLDS數(shù)據(jù)，但年份太靠后又不能有效捕捉事件沖擊的反應(yīng)，故該研究使用滯后2年的2016年數(shù)據(jù)為宜。②淘寶村鎮(zhèn)的名單數(shù)據(jù)。阿里研究院每年均會公布各省市的淘寶村名單和淘寶鎮(zhèn)名單，考慮到淘寶村自從2014年以后每年以較快的速度蔓延至全國各地，越到后面年份，淘寶村的覆蓋面越廣，如果使用后面年份來估計則易出現(xiàn)與地區(qū)經(jīng)濟產(chǎn)值共線的結(jié)果，而看不出淘寶村的影響，故該研究使用2014年公布淘寶鎮(zhèn)名單。此外，該研究還對數(shù)據(jù)作了如下篩選：a.樣本只選擇農(nóng)業(yè)戶口；b.勞動力年齡確定為16～64歲；c.剔除了問卷中關(guān)于“勞動力流動”與“是否發(fā)生遷移”沖突的樣本。③地級市宏觀數(shù)據(jù)，控制變量包括人均GDP、平均工資、在校大學生數(shù)等，這些指標均來自CEIC數(shù)據(jù)庫。

在第二個方程中，關(guān)于使用淘寶鎮(zhèn)外生沖擊來作為差分法分析的適用性，該研究認為，一方面，利用2014年公布的首批淘寶鎮(zhèn)名單，構(gòu)造出含有淘寶鎮(zhèn)的地級市處理組和沒有淘寶鎮(zhèn)的地級市對照組，通過比較該處理組和對照組的勞動力回流概率差異可反映出，相比沒有淘寶村的地區(qū)，出現(xiàn)淘寶村的地區(qū)是否引致更多的農(nóng)村勞動力回流；另一方面，利用農(nóng)村勞動力返鄉(xiāng)年份來構(gòu)造2014年及以后返鄉(xiāng)的隊列處理組和2014年前返鄉(xiāng)的隊列對照組，通過比較該處理組和對照組的勞動力回流概率差異可反映出，相比2014年前返鄉(xiāng)，2014年及以后返鄉(xiāng)的農(nóng)村勞動力是更多了還是更少了，這在一定程度上捕捉了2014年及以后勞動力回流概率是否受到了淘寶村的影響。通過構(gòu)造勞動力回流隊列的處理組和對照組，來識別農(nóng)村勞動力回流的時點差分，通過構(gòu)造有無淘寶村的地區(qū)處理組和對照組，來識別農(nóng)村勞動力回流的地區(qū)差分，進而構(gòu)造了隊列雙重差分法（Cohort DID），可以更好地得到一個地區(qū)出現(xiàn)淘寶村后，該地區(qū)引致的勞動力回流概率的凈效應(yīng)δ。

表1報告了農(nóng)村勞動力創(chuàng)業(yè)就業(yè)的人口學基本特征。該研究區(qū)分了創(chuàng)業(yè)樣本和非創(chuàng)業(yè)樣本，從該表可看出，農(nóng)村創(chuàng)業(yè)群體的年齡均值為48歲，而非創(chuàng)業(yè)群體的年齡為40歲，對比而言，創(chuàng)業(yè)群體年齡偏大，由于創(chuàng)業(yè)活動是高風險行為，故從均值水平看，農(nóng)村創(chuàng)業(yè)群體的創(chuàng)業(yè)年齡并不占優(yōu)勢；農(nóng)村創(chuàng)業(yè)群體和非創(chuàng)業(yè)群體的性別差異不大，婚姻狀態(tài)的差異也不大，均顯示已婚的狀態(tài)，這表明是否結(jié)婚并沒有構(gòu)成對創(chuàng)業(yè)活動的阻礙；農(nóng)村創(chuàng)業(yè)群體的教育水平均值為2.50，即不到初中水平，而非創(chuàng)業(yè)群體的教育水平均值卻在3.80，即接近高中畢業(yè)，可見，目前的農(nóng)村創(chuàng)業(yè)群體的教育水平比較低，這在應(yīng)對創(chuàng)業(yè)風險方面比較被動；進一步觀察行業(yè)差異和所有制差異發(fā)現(xiàn)，農(nóng)村創(chuàng)業(yè)群體的均值處在接近制造業(yè)的水平，而非創(chuàng)業(yè)群體的均值處在交通運輸行業(yè)，這顯示出，農(nóng)村創(chuàng)業(yè)活動主要集中在制造業(yè)。

同樣，該研究區(qū)分了外出務(wù)工樣本和非外出務(wù)工樣本，以進一步觀察外出務(wù)工群體的人口學特征。通過對比指標均值發(fā)現(xiàn)，外出務(wù)工群體的年齡相對較低，以男性為主，教育程度以高中為主，主要從事交通運輸、倉儲等行業(yè)，所在單位以外資和合資企業(yè)為主。

3 淘寶村的就業(yè)創(chuàng)造效應(yīng)

表2匯報了淘寶鎮(zhèn)對創(chuàng)業(yè)和外出務(wù)工的影響。第一列和第三列是僅使用淘寶鎮(zhèn)這一外生沖擊估計的回歸結(jié)果，第一列中的淘寶鎮(zhèn)系數(shù)為負但不顯著，第三列中的淘寶鎮(zhèn)系數(shù)為正且通過顯著性檢驗，但以上結(jié)果存在顯著的遺漏變量問題和內(nèi)生性問題，故該研究在淘寶鎮(zhèn)啞變量的基礎(chǔ)上增添其和電子商務(wù)示范縣個數(shù)的交叉項，各省評選出的電子商務(wù)示范縣在一定程度上顯示了電子商務(wù)的地區(qū)差異，通過交叉項可以更好地識別淘寶鎮(zhèn)的凈影響，如第二列和第四列所示，在第二列中，淘寶鎮(zhèn)與電子商務(wù)示范縣個數(shù)的交叉項系數(shù)為0.012且較為顯著，表明在控制了電商發(fā)展的地區(qū)差異以后，淘寶鎮(zhèn)的出現(xiàn)的確增加了地區(qū)創(chuàng)業(yè)的概率，而在第四列中，淘寶鎮(zhèn)與電子商務(wù)示范縣個數(shù)的交叉項系數(shù)為負且不顯著，表明淘寶鎮(zhèn)這一外生沖擊對農(nóng)村勞動力外出務(wù)工沒有影響。綜合來看，淘寶鎮(zhèn)的出現(xiàn)對于創(chuàng)業(yè)活動的影響比較大，從這一角度講，近十年來淘寶村的規(guī)模擴張對于農(nóng)村地區(qū)大眾創(chuàng)業(yè)的正面影響是值得肯定的。

表3匯報了浙江和廣東樣本下，一個地區(qū)有淘寶鎮(zhèn)對當?shù)貏?chuàng)業(yè)和外出務(wù)工的Logit回歸結(jié)果，由于電子商務(wù)示范縣的名單里沒有浙江省，所以該研究在估計浙江樣本時無法使用上面的方法，而只能使用傳統(tǒng)的Logit模型。表3中前（1）、（2）列是淘寶鎮(zhèn)對創(chuàng)業(yè)的邊際效應(yīng)，（3）、（4）列是淘寶鎮(zhèn)對外出務(wù)工的邊際效應(yīng)。在（1）列，淘寶鎮(zhèn)虛擬擬變量系數(shù)為0.067且在0.05的水平顯著，表明在控制了農(nóng)村勞動力的個體特征和地區(qū)特征后，浙江淘寶村的出現(xiàn)能夠顯著提升當?shù)氐膭?chuàng)業(yè)概率，而在（2）列，淘寶鎮(zhèn)虛擬變量系數(shù)為負且未通過顯著性檢驗，表明淘寶村對創(chuàng)業(yè)的拉動作用在廣東并不明顯。

表3（3）列顯示，淘寶鎮(zhèn)虛擬變量系數(shù)為0.068，且在0.01的水平顯著，表明浙江淘寶村的出現(xiàn)對于外出務(wù)工也有顯著的提升作用，而在（4）列中，淘寶村虛擬變量系數(shù)并不顯著，這表明淘寶村對外出務(wù)工的拉動作用在廣東也不明顯。綜合來看，淘寶村對創(chuàng)業(yè)和外出務(wù)工的拉動作用在浙江地區(qū)較為明顯，而在廣東地區(qū)并不顯著。以上結(jié)論只是初步驗證了淘寶村對就業(yè)的影響，但由于更嚴格的內(nèi)生

性問題和遺漏變量等問題沒有納入進去，所以，得到的這一結(jié)論不具有因果性而只是相關(guān)性，但可以肯定的是，在浙江，有淘寶村的地區(qū)創(chuàng)業(yè)活躍度更高、就業(yè)狀況也更好，因而，這值得進一步思考淘寶村創(chuàng)造就業(yè)的具體機制。

4 淘寶村創(chuàng)造就業(yè)的機制——勞動力回流視角

4.1 實驗前測

進行雙重差分法估計的前提是保證處理組與對照組滿足同質(zhì)性假設(shè)，以及處理組滿足隨機性假設(shè)。在本文中，同質(zhì)性假設(shè)是指，在排除掉淘寶村這一外生沖擊的影響以后，其他因素對處理組和對照組的影響是一致的，也就是說，處理組和對照組在“實驗前”被要求具有共同趨勢假設(shè)。隨機性假設(shè)則指，在某一個地區(qū)，淘寶村的出現(xiàn)近似是隨機的，如果不是，則很容易得出因遺漏變量而導(dǎo)致估計偏誤的系數(shù)。在實際研究中，關(guān)于利用雙重差分法來檢驗政策沖擊影響的文獻中，可能很多政策沖擊都不能嚴格滿足以上假設(shè)，但仍然有若干緩解估計偏誤的辦法，因此，該研究需要進行實驗前測。

4.1.1 同質(zhì)性假設(shè)。

首先利用“勞動力是否回流”與“勞動力返鄉(xiāng)年份”來構(gòu)造出各年份農(nóng)村勞動力回流的數(shù)量，進一步計算出農(nóng)村勞動力回流人數(shù)占農(nóng)村勞動力總?cè)藬?shù)的比例，結(jié)果見圖5。在圖5中，處理組表示有淘寶鎮(zhèn)的地區(qū)農(nóng)村勞動力回流占比趨勢，控制組表示沒有淘寶鎮(zhèn)的地區(qū)農(nóng)村勞動力回流占比趨勢，易見，政策發(fā)生年前，處理組和控制組的趨勢是不同的，表面看，該圖顯示不滿足同質(zhì)性假設(shè)，但是，從圖5可觀察到一個特征：政策發(fā)生年前，處理組的勞動力回流占比高于控制組，而政策發(fā)生年后，這個關(guān)系發(fā)生反轉(zhuǎn)，即控制組的勞動力回流占比高于處理組，據(jù)此可以判斷，雖然處理組和控制組不滿足事前共同趨勢假設(shè)，但是，2014年前后勞動力回流占比的反差卻是顯著的，故可以認為造成這一反差的誘因很可能是淘寶鎮(zhèn)這一外生沖擊。

4.1.2 隨機性假設(shè)。

由于估計政策沖擊的影響效應(yīng)必須要檢驗政策發(fā)生的樣本具有隨機性特征，但事實上，很多政策發(fā)生的樣本難以完全滿足隨機性假設(shè)，那么一種辦法是避免使用DID方法，另一種是使用DID時盡可能控制重要的控制變量來緩解估計偏誤。該研究首先用Logit模型檢驗勞動力是否回流的主要影響因素，對于那些影響顯著的因素可作為下一步使用DID方法的控制變量來填充。表4是檢驗2014年淘寶鎮(zhèn)名單公布以后的因素分析，解釋變量里納入了地級市的人均GDP、人口密度、第三產(chǎn)業(yè)增加值占比、固定資產(chǎn)投資額占比、政府支出占比、職工平均工資、社會消費平均零售總額、實際外商直接投資額、年末貸款余額、每萬人在校大學生人數(shù)、醫(yī)院衛(wèi)生院個數(shù)、客運總量、貨運總量、郵政業(yè)務(wù)總量、電信業(yè)務(wù)總量、移動電話用戶數(shù)、互聯(lián)網(wǎng)用戶數(shù)、鐵路貨運總

量、公路貨運總量，共計19個變量。回歸結(jié)果顯示，只有人均GDP、政府支出占比等10個變量是顯著的，為此，該研究列出了顯著的變量系數(shù)，如表4“解釋變量”一列。為了保證所挑選的指標具有穩(wěn)健性，又嘗試用2016年淘寶鎮(zhèn)公布名單作了同樣的分析，發(fā)現(xiàn)所挑選出的10個變量仍然是最顯著的，因此，該研究在后面的DID分析中將這10個指標納入控制變量中，以此來緩解因隨機性假設(shè)而造成的估計偏誤。

4.1.3 全國樣本回歸。

表5匯報了一個地區(qū)有淘寶鎮(zhèn)以后，該地區(qū)的農(nóng)村勞動力是否回流的情況。在（1）列中，當只考慮淘寶鎮(zhèn)虛擬變量時，其系數(shù)為負且不顯著，表明淘寶鎮(zhèn)對勞動力回流的影響并不明顯。（2）列匯報了隊列DID估計結(jié)果，即通過增加年份虛擬變量、淘寶鎮(zhèn)虛擬變量與年份虛擬變量交互項以后，發(fā)現(xiàn)淘寶鎮(zhèn)虛擬變量與2013年虛擬變量交互項的系數(shù)為負且顯著，而其他年份交互項系數(shù)就不再顯著，這表明，當一個地區(qū)在2014年有淘寶鎮(zhèn)掛牌后，勞動力回流該農(nóng)村地區(qū)的概率將不再受淘寶鎮(zhèn)的影響，同時，淘寶鎮(zhèn)虛擬變量與2013年虛擬變量交互項的系數(shù)為0.314，也顯示出，該地區(qū)的勞動力在掛牌淘寶鎮(zhèn)以前是回流的；勞動力是否回流與勞動力個體特征有關(guān)系，故在（3）列控

制了年齡、性別、婚姻狀態(tài)、所在行業(yè)等勞動力個體特征，

結(jié)果顯示，淘寶鎮(zhèn)虛擬變量與2015年交互項的系數(shù)變得顯著，同時，淘寶鎮(zhèn)啞變量與2013年啞變量交互項的系數(shù)也依然顯著；進一步地，在（4）列中，模型控制了表4篩選出來的影響因素，同時，估計系數(shù)均聚類到省層面，結(jié)果顯示，只有淘寶鎮(zhèn)啞變量與2013年交互項系數(shù)顯著為正，此后的交互項系數(shù)不再顯著。由此可知，在控制了農(nóng)村勞動力的個體特征和所在地區(qū)的宏觀指標以后，淘寶鎮(zhèn)的出現(xiàn)并沒有顯著地導(dǎo)致農(nóng)村勞動力回流，這一結(jié)果暗示了淘寶村的就業(yè)創(chuàng)造效應(yīng)并非體現(xiàn)在本地，而是在外部地區(qū)。

4.1.4 浙江和廣東樣本的回歸。

表6匯報了浙江和廣東樣本的回歸結(jié)果，該研究同樣關(guān)注淘寶鎮(zhèn)虛擬變量與年份虛擬變量的交互項，與表5所不同的是，由于這里重點考察浙江和廣東淘寶鎮(zhèn)的影響，所以交互項是淘寶鎮(zhèn)、年份和浙江的3變量交互項，廣東同理。在（1）列中，2014年交互項的系數(shù)為-1.394且極顯著，2015年交互項的系數(shù)為-0.593且依然顯著，而2012、2013年交互項的系數(shù)并未通過顯著性檢驗，由此可知，浙江淘寶鎮(zhèn)這一外生沖擊并沒有導(dǎo)致農(nóng)村勞動力回流，這個負值也可以理解為，由于淘寶鎮(zhèn)的出現(xiàn)，農(nóng)村勞動力更多地向非淘寶鎮(zhèn)地區(qū)流動并就業(yè)。再看（2）列，廣東2014年交互項和2015年交互項系數(shù)分別為0.935和0.427且均十分顯著，這個正值反映了淘寶鎮(zhèn)的出現(xiàn)，使得廣東勞動力更多地回流到淘寶鎮(zhèn)，淘寶村的回流效應(yīng)非常明顯。對比浙江和廣東2地的結(jié)果可知，淘寶村的就業(yè)創(chuàng)造效應(yīng)具有較大的地區(qū)差異，浙江淘寶村的擴張增加的并非淘寶村地區(qū)的就業(yè)，而是非淘寶村地區(qū)的就業(yè)，這個現(xiàn)象驗證了該研究假設(shè)，即由于浙江的一體化水平更高，所以淘寶村的信號發(fā)送得更遠，從而帶動的就業(yè)崗位也更多。

5 研究結(jié)論和啟示

該研究利用阿里研究院公布的淘寶鎮(zhèn)名單構(gòu)造了淘寶村政策效應(yīng)的處理組和控制組，同時用各地區(qū)電子商務(wù)進農(nóng)村示范縣的數(shù)量來控制國家政策效應(yīng)的異質(zhì)性，然后利用隊列雙重差分法考察了淘寶鎮(zhèn)掛牌對當?shù)剞r(nóng)村居民創(chuàng)業(yè)行為和外出務(wù)工行為的影響，結(jié)果表明：①浙江每增加1個淘寶鎮(zhèn)掛牌，則當?shù)剞r(nóng)村居民創(chuàng)業(yè)概率將提高6.7%，外出務(wù)工的概率也將提高6.8%；而廣東每增加1個淘寶鎮(zhèn)掛牌，對當?shù)剞r(nóng)村居民創(chuàng)業(yè)和外出務(wù)工的影響不顯著。②進一步對比浙江和廣東樣本發(fā)現(xiàn)，浙江淘寶村的就業(yè)創(chuàng)造效應(yīng)帶動了非淘寶地區(qū)的就業(yè)崗位，而廣東淘寶村則是帶動了淘寶村本地的就業(yè)崗位。從斯賓塞的信號理論出發(fā)，浙江淘寶村之所以能帶動外地就業(yè)，其主要原因在于浙江一體化水平較高，從而淘寶村的信號發(fā)送更遠，這樣利于不同地區(qū)的農(nóng)村居民獲得創(chuàng)業(yè)信息。

該研究的政策啟示主要有以下2點：

第一，加大對農(nóng)村電子商務(wù)的政策扶持力度。國家在2017年發(fā)布文件并以頂層設(shè)計的方式確立了發(fā)展農(nóng)村電子商務(wù)的重要性，農(nóng)村電商不僅對于培育農(nóng)業(yè)農(nóng)村發(fā)展新動能有支撐作用，而且對于縮小城鄉(xiāng)收入差距、走向共同富裕道路也有積極意義。因此，要加強互聯(lián)網(wǎng)與農(nóng)業(yè)農(nóng)村融合發(fā)展，降低電商在城鄉(xiāng)之間的市場分割程度；支持新型農(nóng)業(yè)經(jīng)營主體采用電商平臺銷售模式，縮小城鄉(xiāng)居民之間的數(shù)字化平臺收益差距；完善農(nóng)村電商物流配送服務(wù)，加快提升農(nóng)民數(shù)字化素養(yǎng)，積極培育農(nóng)民的數(shù)字化技能，打通農(nóng)村電商從供給端到物流端、再到銷售端的電商鏈堵點。

第二，大力推進區(qū)域經(jīng)濟一體化水平。國家正在大力推進京津冀、長三角，以及粵港澳等重要區(qū)域的一體化水平，這不僅有助于整體上提升區(qū)域經(jīng)濟在全球資源配置中的競爭力，而且有利于激發(fā)“雙循環(huán)”新格局的內(nèi)循環(huán)增長動力。區(qū)域經(jīng)濟一體化水平提高了，各部門、各地區(qū)的要素流動性也就提高了，從而能釋放新經(jīng)濟如農(nóng)村電商的活力。因此，要加快推進統(tǒng)一大市場建設(shè)步伐，從根本上消除地區(qū)間的行政壁壘，進而降低制度性交易成本；促進資源要素有序流動，探索傳統(tǒng)經(jīng)濟與新經(jīng)濟的雙輪載體共振模式，不僅要以新經(jīng)濟帶動傳統(tǒng)經(jīng)濟的要素回報率提升為抓手，而且不能忽視傳統(tǒng)經(jīng)濟支撐新經(jīng)濟的要素資源盤活能力；強化區(qū)域聯(lián)動、分工合作、錯位發(fā)展，探索跨區(qū)域協(xié)同發(fā)展新機制，從而讓農(nóng)村電商等新經(jīng)濟發(fā)展更加順暢。

參考文獻

［1］ 曾億武，郭紅東，金松青.電子商務(wù)有益于農(nóng)民增收嗎？——來自江蘇沭陽的證據(jù)［J］.中國農(nóng)村經(jīng)濟，2018（2）：49-64.

［2］ 唐躍桓，楊其靜，李秋蕓，等.電子商務(wù)發(fā)展與農(nóng)民增收：基于電子商務(wù)進農(nóng)村綜合示范政策的考察［J］.中國農(nóng)村經(jīng)濟，2020（6）：75-94.

［3］ 邱子迅，周亞虹.電子商務(wù)對農(nóng)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(nóng)村經(jīng)濟，2021（4）：36-52.

［4］ 王金杰，牟韶紅，盛玉雪.電子商務(wù)有益于農(nóng)村居民創(chuàng)業(yè)嗎？——基于社會資本的視角［J］.經(jīng)濟與管理研究，2019，40（2）：95-110.

［5］ 汪雨雨，姚萬軍，張輝.電子商務(wù)發(fā)展下社會資本對農(nóng)戶創(chuàng)業(yè)選擇的影響：基于CHIP2013農(nóng)村居民數(shù)據(jù)的實證分析［J］.調(diào)研世界，2020（10）：20-25.

［6］ 苑鵬.電商平臺經(jīng)濟賦能農(nóng)村勞動力就業(yè)創(chuàng)業(yè)的新特征初探［J］.新疆農(nóng)墾經(jīng)濟，2020（7）：12-20.

［7］ 唐紅濤，郭凱歌，張俊英.電子商務(wù)與農(nóng)村扶貧效率：基于財政投入、人力資本的中介效應(yīng)研究［J］.經(jīng)濟地理，2018，38（11）：50-58.

［8］ COUTURE V， FABER B，GU Y Z，et al.Connecting the countryside via E-commerce： Evidence from China［J］. American economic review，2021，3（1）： 35-50.

［9］ DAI? R C，ZHANG X B.E-commerce expands the bandwidth of entrepreneurship［R］. National School of Development Peking University，2015.

［10］ 梁文泉，陸銘.后工業(yè)化時代的城市：城市規(guī)模影響服務(wù)業(yè)人力資本外部性的微觀證據(jù)［J］.經(jīng)濟研究，2016，51（12）：90-103.

［11］ 李濤，朱俊兵，伏霖.聰明人更愿意創(chuàng)業(yè)嗎：來自中國的經(jīng)驗發(fā)現(xiàn)［J］.經(jīng)濟研究，2017，52（3）：91-105.

［12］ 劉琪，林潤珊.從軍經(jīng)歷對創(chuàng)業(yè)的影響：基于CLDS數(shù)據(jù)的實證分析［J］.新疆農(nóng)墾經(jīng)濟，2019（11）：84-92.

［13］ 高紅貴，王曉玲，方杏村.經(jīng)營能力、融資行為與返鄉(xiāng)農(nóng)民工創(chuàng)業(yè)績效：基于縣城與鄉(xiāng)村的對比分析［J］.新疆農(nóng)墾經(jīng)濟，2021（1）：28-37.

［14］ 李雪蓮，馬雙，鄧翔.公務(wù)員家庭、創(chuàng)業(yè)與尋租動機［J］.經(jīng)濟研究，2015，50（5）：89-103.

［15］ GLAESER E L，GOTTLIEB J D.The wealth of cities：Agglomeration economies and spatial equilibrium in the United States［J］.Journal of economic literature，2009，47（4）：983-1028.

［16］ 夏怡然，陸銘.城市間的“孟母三遷”：公共服務(wù)影響勞動力流向的經(jīng)驗研究［J］.管理世界，2015（10）：78-90.

［17］ 蹤家峰，李寧.為什么奔向北上廣：城市宜居性、住房價格與工資水平的視角分析［J］.吉林大學社會科學學報，2015，55（5）：12-23，171.

［18］ 徐現(xiàn)祥，李郇.市場一體化與區(qū)域協(xié)調(diào)發(fā)展［J］.經(jīng)濟研究，2005，40（12）：57-67.

［19］ 夏龍，馮濤.經(jīng)濟開放與收入差距：基于STR模型的分析［J］.財貿(mào)研究，2012，23（5）：16-23，53.

［20］ 歐陽志剛.中國城鄉(xiāng)經(jīng)濟一體化的推進是否阻滯了城鄉(xiāng)收入差距的擴大［J］.世界經(jīng)濟，2014，37（2）：116-135.

［21］ 王奇，牛耕，趙國昌.電子商務(wù)發(fā)展與鄉(xiāng)村振興：中國經(jīng)驗［J］.世界經(jīng)濟，2021，44（12）：55-75.