數字技能應用提升農民收入質量了嗎？

摘要：數字技能在農村地區的廣泛應用對農民收入產生了極大影響。文章使用2014—2020年中國家庭追蹤調查數據，通過熵權法與層次分析法相結合的方法，從收入充足性、結構性、成長性和知識性四個維度對農民收入質量進行測度，結果顯示：總體來看，農民收入質量呈上升態勢，主要得益于收入充足性提高與結構性優化；分地區來看，東部地區農民收入質量高于中西部地區，呈現差距擴大態勢，但南方地區農民收入質量高于北方及東北地區，差距逐步縮小而東北地區落后幅度持續增大。進一步構建Tobit模型等檢驗數字技能應用對農民收入質量的影響，結果發現：（1）數字技能將農民收入質量提升了8.34%，其促進作用在高數字技能農民群體中尤為突出。（2）數字技能對農民收入質量各維度均具有促進作用，但對收入結構性與成長性的作用更顯著。（3）數字技能對農民收入質量的促進作用在東北地區及中西部地區更為明顯，有助于縮小農民收入質量的地區間差距。文章創新性地從微觀角度測算農民收入質量，并探討數字技能應用對農民收入質量的具體影響，為農民收入質量提升提供了新的研究視角。基于研究結果，文章提出要加快農民職業教育培訓，提升農民人力資本水平；組織公益性數字技術技能培訓，通過使用數字理財等方式拓展農民收入來源；在中西部地區加快數字基礎設施建設以及數字技能普及，提升農民收入質量。

關鍵詞：數字技能；農民收入質量；Tobit模型

中圖分類號：F49； F323.8文獻標識碼：A文章編號：1673-338X（2024）5-079-18

基金項目：山東省社會科學規劃研究項目“數字強省建設下山東農業數字化轉型與實現路徑研究”（22CJJJ33）。

Have digital skills improved the quality of rural households’ income？

ZHANG Zhixin， LIU Xinru， DING Xin

（School of Economics， Shandong University of Technology， Zibo 255022）

Abstract：The widespread application of digital skills has had a significant impact on rural households’ income. Using data from China Family Panel Studies from 2014 to 2020， this article used the entropy weighting method combined with the analytic hierarchy process to measure the quality of rural households’ income from four dimensions： sufficiency， structure， growth and knowledge. The results showed that： Overall， the quality of rural households’ income had improved， mainly due to the improvement in income sufficiency and structural optimization. From regional perspective， the quality of rural households’ income in the eastern regions was higher than that in the central and western regions， and the gap was widening， but the quality of rural households’ income in the southern regions was higher than that in the northern and northeastern regions， and the gap was narrowing but the backwardness in the northeastern regions continued to increase. Furthermore， a Tobit model was constructed to test the impact of digital skills on rural households’ income quality. The results showed that：（1）Digital skills raised the quality of rural households’ income by 8.34%， and their promotional effects were particularly prominent among high-skilled farmers.（2）Digital skills had a promotional effect on all dimensions of rural households’ income quality， but their effects on income structure and growth were more significant.（3）The promotion of digital skills on rural households’ income quality was more significant in the northeastern and central and western regions， which helped narrow the gap in rural households’ income quality between regions. The article innovatively calculated the quality of rural households’ income from a micro perspective and explored the specific impact of digital skills application on rural households’ income quality， providing a new research perspective for improving rural households’ income quality. Based on the research findings， the article suggested accelerating farmers’ vocational education and training to improve farmers’ human capital level， organizing public welfare digital technology skills training to expand rural households’ income sources by using digital financial management methods， accelerating the construction of digital infrastructure and digital skills popularization in the central and western regions to improve rural households’ income quality.

Keywords：digital skills；rural households’ income quality；Tobit modeling

1引言

實現農民高質量增收是國家制定“三農”政策的出發點和落腳點，是立足中國式現代化的新發展階段、不斷增進民生福祉的應有之義（楊少雄等，2023）。中央“一號文件”連續20年致力解決農民增收問題，在相關政策的指導下，雖然農民收入水平不斷提高，但是收入結構不平衡、收入來源不確定等問題也日益凸顯（程國強等，2020；杜鑫，2021）。21世紀以來，以互聯網為代表的數字技術正在逐步向居民生活全方位滲透。中國互聯網絡信息中心發布的第52次《中國互聯網絡發展狀況統計報告》顯示，截至2023年6月，中國網民規模為10.79億人，超過86.6%的網民使用互聯網獲取信息①，展現了其數字技能在娛樂、社交、購物、教育等方面的應用。隨著數字鄉村建設持續推進，數字技能在農村地區同樣得到廣泛應用，通過推進農業產業的數字化轉型、互聯網電商平臺的高質量發展等，帶動農業產業提質增效、創造就業創業理財機會、催生新業態新模式，直接或間接促進農民增收（孫俊娜等，2023）。而高質量的農民工收入不僅包括收入數量充足，而且表現為穩定增長、結構合理、知識含量高、獲取成本低（孔榮等，2013）。根據這一概念，多數學者從收入的充足性、穩定性、結構性、成本性和知識性五個維度對其進行考量（任劼等，2016；羅媛月等，2022）。因此，數字技能在促進農民增收的同時，對于擴展收入來源、提升就業質量等方面的作用可能會提高農民收入質量。但由于數字技術的發展尚未給大多數農戶的生計改善帶來突破，且農民數字技能應用相較于城市仍處于弱勢地位（曾億武等，2021），因此其能否提升農民收入質量需要進一步驗證。

鑒于此，為深入探究數字技能應用能否提升農民收入質量，尋求實現農民高質量增收的有效路徑，本文依托2014—2020年中國家庭追蹤調查（China Family Panel Studies， CFPS）數據，通過熵權法與層次分析法相結合的方法，在已有研究的基礎上從收入充足性、結構性、成長性和知識性四個維度對農民收入質量進行測度。在此基礎上，采用Tobit模型剖析數字技能應用與農民收入質量之間的潛在關聯性，并通過分組回歸得到數字技能對農民收入質量各維度的作用程度，同時進一步挖掘我國不同區域在數字技能應用提升農民收入質量過程中的異質性特征。

本文的邊際貢獻在于：（1）研究視角上，從收入充足性、結構性、成長性、知識性四個維度構建農民收入質量評價指標體系，并對2014—2020年多期面板數據進行測算，從微觀角度完善了農民收入質量無法體現時間發展趨勢的問題。（2）研究內容上，使用Tobit模型系統估計不同數字技能水平對農民收入質量的影響，并提出數字技能可以提高農民收入質量，且隨著數字技能水平的提高，其促進作用不斷增強。（3）應用實踐上，通過分維度回歸和區域異質性分析，有助于制定針對農民收入知識性維度的政策，進而加快相對落后地區數字技能普及以解決地區間農民收入質量差距持續增大等問題。

2文獻回顧與評述

關于農民收入質量的相關研究，已逐步從單一收入數量著手轉變為全方位考慮收入的各個方面，因此合理構建農民收入質量評價體系成為研究順利進行的基礎。農民收入質量的內涵最先由林富民（2005）提出，包括總收入穩定增長、收入結構合理、依靠文化知識來獲得較高收入回報等。在此基礎上，相關研究多從微觀角度出發，對農民收入質量進行測算。已有文獻多從收入的充足性、結構性、穩定性、成本性和知識性五個方面對農民收入質量進行測度（康慧等，2019；羅永明等，2020）。彭艷玲等（2019）基于可行能力理論，認為使用成長性代替穩定性，更有助于客觀衡量農民收入的可持續發展能力；楊少雄等（2023）則總結上述經驗，立足于宏觀層面將收入的充足性與成本性進行整合，歸納為收入絕對充足與收入相對充足。自此，關于農民收入質量的相關研究從宏觀和微觀角度皆具有較為成熟的參考，為本文構建農民收入質量指標體系提供了借鑒。

已有文獻少有涉及數字技能對農民收入質量的直接影響，數字技能對于農民收入影響的研究主要集中在3個方面。（1）數字技能促進農民增收。數字技術的發展為農民增收帶來了新的機遇，逐步成為農民增收新的潛在動力（孫俊娜等，2023）。數字技能通過助力傳統農業生產及服務效能，提升農業生產效率（Fabregas et al.， 2019），增加工資性收入與經營性收入（Jain， 2014），增加收入來源，提升就業多樣性，如促進農村勞動力的非農就業以及家庭創業（姜揚等，2023），提升農民收入和物質財富水平（Liu et al.， 2021）。（2）數字技能與農民收入不相關。一方面，數字技術具有知識水平門檻效應，而農民習慣于現有的生產方式和技術，知識水平較低，學習使用數字技能的意愿較差，因此對農民收入沒有影響（Declan et al.， 2020）；另一方面，當前農民對數字技能的使用多集中于網絡購物、手機支付等，僅改變了農民的消費方式，對其生產行為等并未產生較大影響（Seo et al.， 2019），因此數字技術所帶來的紅利無法促進農民增收（Aker et al.， 2016）。（3）數字技術與農民增收之間存在非線性關系。由于數字技術發展前期農村“數字鴻溝”的存在，農民提升數字能力需要支付較大的先期成本（Wolfson et al.， 2017），但掌握數字技術后，生產效率會顯著提高，經濟產出也會擴大，因而能夠實現收入增加（臧敦剛等，2022），因此數字技能與農民收入呈現“U”型關系（程名望等，2019；Yi et al.， 2023）。以往研究中關于數字技能對農民收入的研究多集中于對“量”的影響，但在分析過程中同樣涉及收入渠道、就業質量等與“質”相關的內容。然而，研究結論存在相悖的情況，因此關于數字技能能否提升農民收入質量尚無定論。

綜上所述，已有研究可為本文提供借鑒，但也存在3點不足：（1）關于農民收入質量的研究或是停留于理論層面，或是使用單期截面數據，難以體現農民收入質量的真實發展情況及隨時間的變化。（2）已有文獻在分析農民收入時仍偏重于對農民收入“量”的研究，而輕視對“質”的研究，即忽視對收入的持續增長、結構優化等方面的研究。（3）關于數字技能對農民收入的影響，多從宏觀角度進行分析，無法體現農戶個體數字技能掌握情況對其收入各方面影響的具體情況，且關于數字技能對農民收入的作用效果尚未形成較為統一的結論。鑒于此，本文使用2014—2020年中國家庭追蹤調查數據，通過使用連續追蹤4期的農戶面板數據，從收入充足性、結構性、成長性和知識性四個維度，選取收入絕對充足、收入來源多樣性等10項指標構建農民收入質量指標體系并進行測度，且進一步使用Tobit模型檢驗數字技能應用水平對農民收入質量的影響并進行異質性分析，以期通過針對性提升農民數字技能水平來提高農民收入質量。

3理論分析框架與研究方法

為深入研究數字技能應用與農民收入質量之間的關系，本文從經營性收入、工資性收入、財產性收入和轉移性收入等4個方面分析數字技能應用提升農民收入質量的作用機理，并以此為基礎提出研究假設，進而建立Tobit模型進行實證檢驗。

3.1理論分析框架

數字技能應用可以對農民的各項收入產生積極影響。（1）經營性收入。一方面，數字技能應用有利于提升農民市場信息獲取能力，可以打破原先被中間商壓價的局面，提高農產品銷售價格和利潤率，進而增加經營性收入（許竹青等，2013）；另一方面，農戶數字技能水平會直接影響農戶通過互聯網途徑獲取創業經驗、發現創業機會的能力，進而對農戶創業產生積極影響（張雷等，2023），從而增加經營性收入。（2）工資性收入。一方面，數字技術的應用，比如智慧農業利用機器人、無人機等進行部分農業生產工作，可以減少農民耗費在土地上的時間，參加非農生產性活動，增加家庭工資性收入（王勝等，2021）；另一方面，隨著數字經濟的發展，數字技能可以促進農戶適配快遞員、外賣員等就業崗位（張芳山等，2024），從而增加工資性收入（肖靜華等，2015）。（3）財產性收入。數字技能可以幫助農戶獲取有價值的信息，降低信息不對稱性，從而促進農戶財產性收入增長（羅千峰等，2023）。譬如，農民通過微信、支付寶等數字金融平臺進行低風險理財活動，獲取穩定的利息、分紅等額外收入以增加家庭財產性收入（韓長根等，2017）。（4）轉移性收入。數字技能應用有利于農民第一時間通過互聯網獲取政府的政策信息（楊文娟等，2023），即及時獲取農業補貼、社會資助等補貼政策信息，農民可按照自身需求和實際情況申請補助，從而增加農民的轉移性收入。

由此，分析數字技能應用對收入質量各維度的作用。在收入充足性維度，農民通過熟練掌握和運用數字技能，可以有效提升經營性收入、工資性收入、財產性收入和轉移性收入四大類分項收入（羅千峰等，2022），能夠滿足收入的絕對充足；此外，農民通過利用數字支付和電子商務平臺，在線比較不同產品的價格和質量，選擇性價比更高的農資和生活用品，減少不必要的生產支出和生活支出，能夠保障收入的相對充足。在收入結構性維度，數字技能應用能夠幫助提升就業多樣性，擴寬收入渠道，如促進農民工返鄉創業（袁方等，2019），從而保障農民收入來源的多元化，同時避免農民對主要收入來源的過度依賴而導致生計脆弱，提高收入的均衡性，從而實現農民收入結構性優化。在收入成長性維度，數字技能可以促進農民接觸高質量的就業崗位，減少其失業、低薪或低技能工資的概率（林龍飛等，2022），加上技能帶來的理財能力以及職業晉升機會（郭高晶等，2022），有助于保持各類來源收入的增長狀態，保障收入的成長性。在收入知識性維度，數字技能無法通過提高收入數量或者擴展收入來源對收入知識性發揮作用，而是能夠幫助農民利用數字交流平臺獲取各種信息和資源，快速掌握新技能、積累新知識（韓先鋒等，2019），提高就業技術水平，從而提升收入知識性。因此，提出假設H1a和H1b。

H1a：數字技能應用對農民收入質量的四個維度都具有促進作用。

H1b：數字技能應用可以提升農民收入質量。

智能手機、通信網絡、電腦等鄉村數字信息基礎設施的普及降低了農民的學習成本，但數字技能不僅指使用智能手機等電子設備的能力，還指利用互聯網、云計算等技術獲取相關信息、并對這些信息進行評估和處理、最終解決現實問題的能力（朱建華等，2022）。根據德雷福斯技能獲取模型，在技能獲取之初，農民對其應用水平較低，因此缺乏必要的信息篩選和分析能力，難以利用已有的數字信息基礎設施從海量信息中獲取到有效信息甚至沉迷娛樂，這對提升其收入質量無濟于事。只有當農民認識到互聯網不僅僅是娛樂工具，更是可以獲取農業知識、市場政策的重要平臺時（殷浩棟等，2020），才會有意識地將已獲取的數字技能應用在生產生活的各個方面，提高技能應用能力，例如利用網絡社交平臺獲取農業生產、非農就業、創業等有益信息（華靜等，2024），進而實現收入增加甚至擴展收入渠道，從而提高收入充足性和結構性，在一定程度上提升收入質量。更進一步，當農民不滿足于當前技能水平帶來的效益時，就會激發其自主學習意愿，通過學習不斷提升個人對數字平臺的適應性，提升自身數字技能應用水平。這意味著農民能夠更快適應數字經濟時代自主靈活的工作方式和工作地點，提高自身市場競爭力，滿足新興崗位的需求（王文，2020），從而有助于獲得農業收入之外的兼業收入，進一步提高收入充足性和結構性。此外，在數字技能獲取后期，個體對數字技能的掌握逐漸不再依賴其受教育水平（楊檸澤等，2023），低學歷者能夠通過網絡教育獲得提升學歷和就業技術水平的機會，接觸到更高質量的就業崗位和數字金融平臺，從而提高其收入成長性和知識性，進而在更大程度上提升農民收入質量。因此，提出假設H2。

H2：農民數字技能應用水平越高，對其收入質量的促進作用越顯著。

3.2研究方法

根據理論分析框架及研究假設，本文從收入充足性、收入結構性、收入成長性和收入知識性四個維度，利用熵權法與層次分析法相結合的方法對農民收入質量進行測度，并選擇Tobit模型對數字技能應用和農民收入質量之間的關系進行分析。

3.1.1熵權法與層次分析法相結合

以往研究中對于農民收入質量的測算多使用層次分析法（Analytic Hierarchy Process）或熵權法，兩種方法分別屬于主觀賦權與客觀賦權。為避免兩種方法各自的缺陷，本文使用熵權法與層次分析法相結合的方法對農民收入質量進行測算。首先構建對比矩陣，選擇方根法計算最大特征根并進行一致性檢驗，得到農民收入質量各指標主觀權重wa；然后使用熵權法根據信息熵與冗余度計算各指標客觀權重wb；最后借鑒吳開亞等（2008）的做法，使用最小相對信息量原理計算組合權重wj。測算過程如式（1）所示。

式（2）中，當wa與wb取幾何平均數時所使用信息量最小，因此本文使用熵權法與層次分析法計算權重的幾何平均數獲得各項指標的權重。最后，通過歸一化處理將各項指標的得分限定在0～1之間，并對各項指標測算結果線性加權求和，得出農民收入質量綜合得分。

3.1.2 Tobit模型

為檢驗數字技能應用對農民收入質量的影響，又考慮到農民收入質量綜合得分均在0～1之間，為受限被解釋變量，若使用傳統最小二乘估計法，可能會產生估計偏差，因此借鑒吳賢榮等（2014）的做法，建立Tobit模型，如式（3）所示。

式（3）中，Quait為被解釋變量農民收入質量，Skiit為核心解釋變量，具體包括是否掌握數字技能、低數字技能、中數字技能、高數字技能。Cit為個人、家庭層面的控制變量，α0為常數項，α1為數字技能的估計系數，α2為控制變量的估計系數，εit為隨機擾動項。

4數據來源與描述性統計

為了從微觀角度對數字技能應用與農民收入質量的關系進行細致研究，并分析其異質性影響，本文先對CFPS數據進行匹配和處理，然后對變量進行描述性統計。

4.1數據來源

本文選取2012—2020年CFPS數據，包括個人、家庭和社區三個層面，由于研究農民收入質量問題，因此從CFPS數據庫中篩選出農民家庭樣本的相關指標，其中2012年僅作為研究基期，確定后期各項收入的增長率。為得到平衡面板數據，本文篩選出5期均參與調查的農民樣本，經梳理匹配和剔除特殊變量與異常值后，最終得到2014—2020年涉及2223個農民家庭樣本的4期平衡面板數據，共8892個觀測值數據。

4.2變量選取

根據本文研究思路，從被解釋變量、核心解釋變量和控制變量三個方面進行變量選取，并對主要變量進行描述性統計分析。

（1）被解釋變量。農民收入質量為被解釋變量。在以往五個維度構建農民收入質量評價指標體系的研究中，農民收入穩定性與成長性維度存在爭議，本文認為相比于穩定性，成長性才是實現農民可持續發展以及國家“三農”政策制定的本質要求。另外，借鑒楊少雄等（2023）的研究經驗，將以往五個維度中充足性與成本性進行整合，在保證科學嚴謹的基礎上，有助于簡化測算過程。因此，本文從收入的充足性、結構性、成長性和知識性四個維度構建農民收入質量評價指標體系，并使用主觀賦權法與客觀賦權法綜合的測算方法，即熵權法與層次分析法相結合的方法，測算得出的綜合得分作為被解釋變量。農民收入質量評價指標體系及權重如表1所示。

收入充足性使用收入絕對充足與收入相對充足兩個指標進行衡量。使用全部家庭純年收入作為收入絕對充足的衡量標準，可以直觀地反映當期農民實際收入狀況。使用全部家庭純年收入減去全部家庭純年支出作為收入相對充足的衡量標準，既包含了五個維度衡量標準中的成本性，也可以反映農民收入的真實充足水平。因此，由以上兩個指標可以全面衡量農民收入充足性。收入結構性使用收入來源多元性與收入來源均衡性兩個指標進行衡量，由于赫芬達爾指數可以反映農民收入來源集中度的變化情況，可以用來衡量收入來源的多元情況，因此使用四大類分項收入的赫芬達爾指數作為收入來源多元性的衡量標準，使用四大類分項收入比例離差平方和衡量農民收入來源比例的均衡性。以上兩個指標可以很好地從收入來源的廣度和各項收入的均衡程度反映農民收入的結構性水平。收入成長性則使用四大類收入分別的增長率作為衡量標準，可以全面體現各類收入的成長水平。收入知識性使用勞動力受教育程度與就業技術水平進行衡量，既可以通過農民受教育年限反映農民整體人力資本水平，又可以通過就業所需的教育程度衡量農民目前工作質量，通過教育和就業質量兩個方面可以全面反映農民收入的知識性。特別注意的是，使用熵權法測算權重時不能存在0，因此各變量中將0賦值為0.01。

（2）核心解釋變量。數字技能為核心解釋變量。農民數字技能衡量標準不僅包括農民是否掌握數字技能，還應對使用數字技能的等級進行劃分。通過借鑒Bowen等（2019）、張要要（2023）根據數字技能定義不同等級數字鴻溝時的研究經驗，以及CFPS數據庫中的已有數據，本文將是否使用互聯網作為是否掌握數字技能的評判標準。其中僅使用互聯網進行休閑娛樂活動定義為低數字技能，使用互聯網進行社交活動定義為中數字技能，使用互聯網進行工作、學習活動定義為高數字技能。

（3）控制變量。為控制其他變量對農民主觀相對貧困的影響，從個人和家庭兩個層面選取控制變量。其中，個人層面控制變量包括性別（男=1，女=0）、年齡（戶主實際年齡）、婚姻狀況（已婚=1，其他情況=0）和健康水平（健康=1，不健康=0）；家庭層面控制變量包括家庭人口規模、家庭務農情況（是否從事農業生產活動：是=1，否=0）和家庭養老負擔（是否有需要贍養的老人：是=1，否=0）。

變量描述性統計如表2所示。

4.3被解釋變量測算結果

本文從農民收入質量綜合得分測算結果、農民收入質量分指標測算結果兩個方面分別對農民收入質量的地區差距和各維度增長率進行分析。

（1）綜合得分測算。根據熵權法與層次分析法確定權重并將各指標進行歸一化處理，農民收入質量測算結果如表3所示。

表3結果顯示，總體來看，全樣本綜合得分均值為0.5578，農民收入質量處于中等水平，具有較大的研究價值。從時間來看，農民收入質量綜合得分呈逐期上升態勢且增長幅度不斷擴大，截至2020年全樣本綜合得分均值為0.6523，仍然存在較大的提升空間。從空間來看，根據國家統計局對經濟區域的劃分①和《中華人民共和國年鑒》對地理區域的劃分②，橫向來看，農民收入質量綜合得分呈現東部、中部、西部地區依次遞減的特點，且綜合得分差距正在逐步擴大；縱向來看，農民收入質量綜合得分呈現南方、北方、東北地區依次遞減的特點，但南北方地區差距趨于縮小，而東北地區落后幅度持續擴大。這可能是因為東部及南方地區經濟發展水平相對較高，農民的收入來源、就業機會等更加廣泛，因此農民收入質量領先于其他地區。綜上可知，我國農民收入質量仍存在較大的提升空間，且需要重點關注中西部地區與東北地區農民收入質量提升。

（2）分指標測算。為進一步分析各維度指標的得分情況，本文將未進行賦權時各指標進行匯報，分指標測算結果如表4所示。表4結果顯示，從樣本均值來看，收入成長性維度各項指標綜合得分最高，其中工資性收入增長率得分均值為0.6896，在所有指標中得分最高。相比而言，收入知識性維度綜合得分最低，特別是就業技能水平指標綜合得分均值僅為0.3901，收入充足性和結構性維度和各項指標則集中在0.50～0.60之間，處于一般水平。從時間來看，收入充足性與收入結構性綜合得分增長最快，其中收入絕對充足和收入來源多元性在2020年均突破0.70，收入成長性綜合得分則呈現下降趨勢。這主要是因為我國近年來出臺的一系列惠農政策、就業政策等，極大地促進了農民各項收入的增長幅度，因此各項收入增長率已經處于較高水平，因而逐漸趨向于基數增大而增速放緩。收入知識性指標中，雖然就業技術水平呈現逐期增長態勢，但至2020年綜合得分也僅達到0.5284，而由于本文使用的是連續追蹤數據，且受訪者在基期均已完成最高學歷教育，因此該指標沒有發生變動。綜上可知，收入充足性增長與結構性優化是農民收入質量不斷提升的主要原因，收入知識性相對落后是農民收入質量仍有待提高的主要原因。

5經驗性結果

根據本文構建的農民收入質量指標體系，利用熵權法和層次分析法相結合的方法得到農民收入質量指數，分別進行整體與部分的深入分析。進而采用Tobit模型對研究假設進行驗證，同時進一步探究其中存在的異質性特征。

5.1內生性檢驗

考慮到收入質量較高的農民也可能因為其自身經濟優勢等因素反向作用于數字技能掌握，存在內生性問題，因此借鑒魏守華等（2010）、Sabatini等（2017）的研究經驗，本文選取家庭所在村莊的戶均數字技能掌握水平作為數字技能的工具變量（無數字技能=0，低、中、高數字技能=1），并使用工具變量兩階段最小二乘法（IV-2SLS）解決內生性問題。一方面，村莊整體數字技能掌握水平是該地區數字技術發展水平的直觀體現，可以通過大環境影響農民數字技能掌握，滿足工具變量相關性條件；另一方面，戶均數字技能掌握水平不會對個體農民收入質量產生直接影響，滿足工具變量外生性條件，工具變量選取有效。

內生性檢驗如表5所示。表5以解釋變量“是否掌握數字技能”進行檢驗，一階段回歸F值為36.7321，大于10%偏誤水平下的臨界值16.38，拒絕工具變量與內生變量不相關的原假設，且估計系數在1%的顯著性水平上為正，存在弱工具變量的可能性較小。二階段回歸中，在控制內生性后，影響系數下降至0.0413。使用工具變量替代內生變量進行基礎回歸發現，戶均數字技能在1%的顯著性水平上為正，但在同時控制數字技能和戶均數字技能后，數字技能的估計系數在1%的顯著性水平上為正，而戶均數字技能的估計系數不顯著，說明選取的工具變量對農民收入質量的直接影響較小，而是通過影響內生變量進而影響農民收入質量，符合工具變量外生性原則。另外，以不同等級數字技能掌握水平作為內生變量時，一階段F值分別為55.3713、40.2603、25.1721，且通過內生性檢驗。

5.2基準回歸結果分析

為檢驗數字技能應用對農民收入質量的影響，根據本文構建的基準回歸模型進行分析。基準回歸結果如表6所示。表6列（1）是未加入控制變量時數字技能對農民收入質量的估計結果，結果顯示在未加入控制變量時，數字技能對農民收入質量的影響在1%的顯著性水平上為正。列（2）加入控制變量后，數字技能的估計系數仍在1%的顯著性水平上為正，說明數字技能應用可以提升農民收入質量。列（3）進一步按照農戶使用互聯網能力差異將數字技能應用細分為低、中、高三個等級分別進行回歸，結果顯示，低數字技能的估計系數在5%的顯著性水平上為正，中、高數字技能的估計系數在1%的顯著性水平上為正，估計系數逐漸增大，說明三個等級的數字技能應用都可以促進農民收入質量的提升，但隨著數字技能應用等級的提高，其對農民收入質量的促進作用不斷擴大。

綜上，假設H1b、H2得到驗證。這表明隨著數字技能應用水平的提升，農戶將互聯網技術運用到工作、生產等方面的能力逐漸增強，不僅能幫助農戶獲得更高技術水平的工作，獲取更高的工資性收入、經營性收入等，也有利于農戶通過使用數字理財、網上借貸等方式獲取財產性收入和融資資金，更有利于農戶適應不斷發展進步的人才市場需要，提升自身的競爭力，不被時代所淘汰，確保持續的經濟來源和收入增長。

5.3穩健性檢驗

考慮到使用數據類型和變量測度的穩定性問題，本文在實證過程中選取了替換回歸模型和替換解釋變量兩種方法，以確保研究結果的穩健性和可靠性。

（1）替換回歸模型。由于本文使用的數據為平衡面板數據，因此構建雙向固定效應模型替代Tobit模型進行穩健性檢驗，具體模型構建如式（5）所示。

式（5）中，？i、σt分別為地區固定效應與時間固定效應。

穩健性檢驗1如表7所示。表7結果顯示，在替換回歸模型后，數字技能的估計系數在1%的顯著性水平上為正，低數字技能與中數字技能的估計系數在5%的顯著性水平上為正，高數字技能的估計系數在1%的顯著性水平上為正，估計結果基本與基準回歸結果一致，說明數字技能可以促進農民收入質量提升，模型較為穩健。

（2）替換解釋變量。在替換回歸模型的基礎上，本文進一步使用農民使用互聯網進行娛樂、社交、工作、學習等活動的頻率替換原解釋變量衡量數字技能進行穩健性檢驗。穩健性檢驗2如表8所示。

表8結果表明，替換解釋變量后數字技能的估計系數仍在1%的顯著性水平上為正，低、中數字技能應用對農民收入質量的估計結果在5%的顯著性水平上為正，高數字技能的估計結果在1%的顯著性水平上為正。綜上可知，穩健性檢驗結果與基準回歸結果基本一致，數字技能可以提升農民收入質量，模型通過穩健性檢驗。

5.4分維度回歸結果分析

為進一步檢驗數字技能應用對農民收入質量的具體影響，本文使用未進行賦權時農民收入質量的四個維度分別作為被解釋變量，分維度回歸結果如表9所示。表9中數字技能對收入充足性與收入知識性的估計系數在5%的顯著性水平上為正，對收入結構性與收入成長性的估計系數在1%的顯著性水平上為正。因此，數字技能應用對農民收入質量的各個維度都可以起到促進作用，在收入結構性和收入成長性維度的作用尤為突出。這主要是因為數字技能應用通過帶動數字理財、非農就業等對提升農民各項收入指標都具有明顯的促進作用，也可以通過提升勞動力素質來提高就業質量與晉升機會，因此對收入充足性、收入結構性、收入成長性、收入知識性四個維度都具有明顯的促進作用。綜上，假設H1a得到驗證。

5.5異質性分析

在農民收入質量測算結果分析過程中發現，我國農民收入質量在東部、中部、西部地區以及南北方與東北地區之間差距持續擴大。為進一步檢驗數字技能應用是否能夠改善這一現狀，本文將農民按照橫向、縱向對東部、中部、西部地區以及南方、北方、東北地區進行分組回歸，異質性分析結果如表10所示。

表10列（1）至列（3）是橫向分組回歸的實證結果，顯示數字技能對東部、中部、西部三個地區農民收入質量的估計系數都在1%的顯著性水平上為正，說明數字技能對橫向各個地區農民收入質量的提升都具有明顯的促進作用，估計系數分別為0.0744、0.1533和0.1065，說明數字技能對農民收入質量促進作用在中部地區作用效果最明顯，在東部地區作用效果相對較差。列（4）至列（6）是縱向分組回歸的實證結果，顯示數字技能對南方、北方地區農民收入質量的估計系數都在5%的顯著性水平上為正，對東北地區農民收入質量的估計系數在1%的顯著性水平上為正，說明數字技能對縱向各個地區農民收入質量的提升都具有明顯的促進作用，估計系數分別為0.0683、0.0954和0.1324，說明數字技能對農民收入質量的促進作用在東北地區最明顯，在南方地區相對較差。這可能是因為中部地區與東北地區本身農民收入質量落后，提升空間較大，加之數字基礎設施與數字經濟發展水平落后，數字技能普及力度不足，所以數字技能應用促進農民收入質量的邊際效應更強，而西部地區基于數字基礎設施過于落后的現實，數字技能使用受限嚴重，因此在目前發展階段邊際收益無法超過中部地區與東北地區。綜上可知，通過數字技能應用有助于解決地區之間農民收入質量差距過大的問題。

6研究結論、討論與政策啟示

本文通過熵權法與層次分析法相結合的方法，對農民收入質量進行測度，并進行了整體與局部的分析；進一步構建Tobit模型等檢驗數字技能應用對農民收入質量的影響及異質性特征，得出相關結論；對結論展開討論，并提出政策啟示，以期尋找實現農民高質量增收的有效路徑。

6.1研究結論

數字技能應用對于提升農民收入具有明顯的促進作用，但對于其能否通過調整農民收入結構、提升收入增長率等方式提升農民收入質量亟待驗證。本文使用2014—2020年CFPS數據，首先通過構建包括收入充足性、收入結構性、收入成長性和收入知識性四個維度10項指標的農民收入質量評價指標體系，并使用主、客觀賦權法相結合的方法確定權重對農民收入質量進行測算；進一步構建Tobit模型檢驗數字技能對農民收入質量的影響，并使用分維度回歸的方法探討數字技能應用對不同收入質量維度的作用效果，總結出3點主要結論。

（1）農民收入質量呈逐期上升態勢。我國農民收入質量綜合得分逐期增長，截至2020年綜合得分均值為0.6523，仍存在較大的提升空間。其中，收入充足性增長與收入結構性優化是農民收入質量不斷提升的主要原因，收入成長性維度開始呈現下降趨勢，收入知識性維度雖然穩步提升，但是整體水平依然較低。

（2）數字技能應用可以促進農民收入質量提升。農民使用數字技能可以使其收入質量綜合得分提高0.0834，隨著數字技能應用等級的提升，其對農民收入質量的促進作用不斷擴大。數字技能可以對農民收入質量的各個維度均起到積極的促進作用，且這種促進作用在農民收入質量的結構性與成長性維度尤為突出。

（3）數字技能應用可以縮小地區間農民收入質量差距。橫向來看，我國農民收入質量呈現東部、中部、西部依次遞減的特點，且差距正在逐步擴大。縱向來看，雖然南北方差距正趨于縮小，但東北地區落后幅度持續擴大。數字技能應用對東北地區、中西部地區以及南方地區的估計系數分別為0.1324、0.1533、0.1065和0.0683，因此數字技能應用可以有效縮小地區間農民收入質量差距過大的問題。

6.2討論

本文從理論和經驗研究兩個方面，分析驗證數字技能應用對農民收入質量的影響，得出研究結論，并據此展開討論。

（1）農民收入質量總體向好，但各維度提升程度不同。這與楊少雄等（2023）得出的全國農民收入質量呈現穩步增長趨勢、各維度增速存在差異的結論一致，但不同之處在于本文使用微觀調查數據，對農民收入質量進行了更為細致的時空衡量。近年來，我國出臺了一系列惠農政策、就業政策，為農民提供了更多的就業機會和創業平臺，幫助農民提高就業技能，拓寬就業渠道，極大地促進了農民各項收入的增長幅度，有助于農民收入質量提升。雖然這些政策對收入充足性增長與結構性優化的效果較為明顯，但難以改善收入成長性和知識性，從而導致收入質量各維度增速存在差異。

（2）數字技能應用正向促進農民收入質量提升。羅千峰等（2022）指出，數字技能能夠提高農戶經營性收入、工資性收入及財產性收入水平，本文不僅證明了這一觀點的正確性，而且對數字技能對農民收入的影響進行了更深入的研究，驗證了農民數字技能應用對其收入質量的正向影響，并發現了數字技能應用對收入質量各維度的促進作用不同。其中，數字技能應用對收入知識性提升的促進作用最低，可能的原因是數字技能應用雖然提高了農民的農業技能和管理能力，但是并不意味著農民的知識水平得到了全面提升，因此對農民提高就業質量以提升自身收入知識性的作用有限。

（3）農民收入質量地區差距明顯，這印證了鄧鍇等（2020）提出的西部地區農民收入質量相對較低的觀點，同時本文從全國層面更加全面地揭示了農民收入質量東高西低和南高北低的地區差異，且探究了數字技能對各地區收入質量提升的具體影響，發現數字技能應用有助于縮小其地區差距。可能的原因是：由于東部及南方地區的自然條件及產業基礎相較于西部和北方地區更為有利，農民擁有更豐富的收入來源和就業機會，其收入質量相對較高，因此導致地區間農民收入質量存在顯著差距。而正是由于中西部地區與東北地區經濟相對不發達，數字化基礎設施方面建設滯后，加之為了促進區域均衡發展，政府往往會給予這些地區更多的政策支持和資源傾斜，放大了收入增長的乘數效應。因此一旦引入和應用數字技能，就能迅速感受其促進農民收入質量的邊際效應更強于其他地區，進而能夠緩解地區間農民收入質量差距。

本文的不足之處在于：（1）關于農民收入質量的研究目前仍處于不斷探索的階段，其對應的指標體系尚未完全成熟。盡管本文嘗試從客觀和主觀兩個角度對農民收入質量進行評估，但其科學性和準確性仍有待更深入的探討和驗證。（2）受限于數據可得性，本文僅選取了2014—2020年的數據進行分析，為了更全面地了解數字技能應用對農民收入質量的長期影響，未來的研究可以逐步納入更新的數據，從而更精準地揭示其影響趨勢和變化。

6.3政策啟示

根據本文研究結論和相應討論可知，數字技能應用對我國農民收入質量提升具有顯著的促進作用。為此，本文針對提升收入質量以實現農民高質量增收提出3點政策啟示。

（1）加快推進農民職業教育培訓。從收入知識性和收入成長性維度提升農民收入質量是未來一段時間的重點突破方向。針對非農就業群體，通過定時開展定向就業指導和就業信息傳遞等方式提升農民的就業能力和就業水平。對于農業就業群體，要定期開展農技推廣，加大財政支持力度，積極引導其通過加入合作社、流轉承包土地等形式增加其農業收入。通過提升農民收入知識性與成長性進一步提升農民收入質量。

（2）穩步提升農民數字技能水平。數字技能有助于提升農民收入質量，因此要開展數字技能培訓提升農民的數字技能水平。對于部分老年群體及弱勢群體，要通過公益性入戶培訓引導其接觸互聯網等數字應用；對于多數農民而言，要在其現有數字技能的基礎上，進一步通過數字技能應用專項培訓、專家輔導報告等方式，促使其將數字化應用到農業生產、數字理財以及非農就業等方面，從而全面提升農民收入質量。例如借鑒教育部與國家鄉村振興局、人力資源和社會保障部等部門聯合實施的“雨露計劃+”就業促進行動，組織農民入讀職業院校，設置與農村經濟發展密切相關的培訓課程，如現代農業技術、農產品加工、農村電商等，提高農民數字技能應用水平。

（3）加快偏遠地區數字技能普及。數字技能有助于改善偏遠地區農民收入質量，縮小中西部地區、東北地區與其他地區差距。因此，政府應持續推進對于偏遠地區數字鄉村建設的投資力度，在確保網絡覆蓋、快遞站點建設等網絡基礎設施落實到位的基礎上，通過“大學生村官”“選調生”等多種方式引進數字人才，并根據《提升全民數字技能工作方案》要求推行“定向招生、定向培養、定向就業”的培養機制，確保畢業生能夠定向分配到偏遠地區從事數字技術推廣服務工作，帶動當地農民利用數字技能參與創業、就業等創收活動，提升農民收入質量。

參考文獻

程國強，朱滿德. 2020年農民增收：新冠肺炎疫情的影響與應對建議[J].農業經濟問題， 2020（4）：4-12.

程名望，張家平.互聯網普及與城鄉收入差距：理論與實證[J].中國農村經濟， 2019（2）：19-41.

鄧鍇，趙丹，孔榮.收入質量視角下西部農戶創業意愿調查研究[J].經濟與管理研究， 2020， 41（5）：33-43.

杜鑫.當前中國農村居民收入及收入分配狀況——兼論各糧食功能區域農村居民收入水平及收入差距[J].中國農村經濟， 2021（7）：84-99.

郭高晶，胡廣偉.我國數字政府建設績效的影響因素與生成路徑——基于31省案例的模糊集定性比較分析[J].重慶社會科學， 2022（3）：41-55.

韓長根，張力.互聯網普及對于城鄉收入分配的影響——基于我國省際面板數據的系統GMM分析[J].經濟問題探索， 2017（8）： 18-27.

韓先鋒，宋文飛，李勃昕.互聯網能成為中國區域創新效率提升的新動能嗎[J].中國工業經濟， 2019（7）：119-136.

華靜，潘嗣同.數字素養鴻溝與農戶收入不平等[J].華南農業大學學報（社會科學版）， 2024， 23（3）：35-47.

姜揚，鄭懷宇.數字技能與居民幸福感——基于CFPS2018數據的研究[J].人口學刊， 2023， 45（4）：57-69.

康慧，張曉林.農村居民收入質量對生活滿意度的影響[J].經濟問題， 2019（4）：77-84.

孔榮，王欣.關于農民工收入質量內涵的思考[J].農業經濟問題， 2013， 34（6）：55-60， 111.

林富民.農民增收質量問題淺論[J].前沿， 2005（2）：59-62.

林龍飛，祝仲坤.“穩就業”還是“毀就業”？數字經濟對農民工高質量就業的影響[J].南方經濟， 2022（12）：99-114.

羅千峰，趙奇鋒.數字技能如何影響農戶消費升級——基于食物消費升級的視角[J].中南財經政法大學學報， 2022（6）：119-130.

羅千峰，趙奇鋒，邱海蘭.數字技能與農戶財產性收入——基于中國鄉村振興綜合調查（CRRS）數據[J].當代經濟管理， 2023， 45（7）：54-62.

羅永明，陳秋紅.家庭生命周期、收入質量與農村家庭消費結構——基于子女異質視角下的家庭生命周期模型[J].中國農村經濟， 2020（8）：85-105.

羅媛月，張會萍，肖人瑞.易地扶貧搬遷對移民收入質量的影響研究——基于寧夏947個搬遷移民的調研數據[J].干旱區資源與環境， 2022， 36（10）：18-24.

彭艷玲，蘇嵐嵐，孔榮.收入質量及其對農戶創業決策的影響研究——基于魯、豫、陜、甘4省1373份農戶調查數據[J].農業技術經濟， 2019（12）：56-67.

任劼，孔榮.基于驗證性因子分析的農戶收入質量研究[J].重慶大學學報（社會科學版）， 2016， 22（4）：54-61.

孫俊娜，胡文濤，汪三貴.數字技術賦能農民增收：作用機理、理論闡釋與推進方略[J].改革， 2023（6）：73-82.

王勝，余娜，付銳.數字鄉村建設：作用機理、現實挑戰與實施策略[J].改革， 2021（4）：45-59.

王文.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， 2020（4）：89-98.

魏守華，姜寧，吳貴生.本土技術溢出與國際技術溢出效應——來自中國高技術產業創新的檢驗[J].財經研究， 2010， 36（1）：54-65.

吳開亞，金菊良.區域生態安全評價的熵組合權重屬性識別模型[J].地理科學， 2008， 28（6）：754-758.

吳賢榮，張俊飚，田云，等.中國省域農業碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用[J].資源科學， 2014， 36（1）：129-138.

肖靜華，謝康，吳瑤，等.從面向合作伙伴到面向消費者的供應鏈轉型——電商企業供應鏈雙案例研究[J].管理世界， 2015（4）： 137-154， 188.

許竹青，鄭風田，陳潔.“數字鴻溝”還是“信息紅利”？信息的有效供給與農民的銷售價格——一個微觀角度的實證研究[J].經濟學（季刊）， 2013， 12（4）：1513-1536.

楊檸澤，王藝蔚，孫學濤.數字素養與農戶共同富裕：影響效應及其機制[J].廣東財經大學學報， 2023， 38（6）：21-32.

楊少雄，蘇嵐嵐，孔榮，等.農民收入質量：邏輯建構、測度評價與動態演進[J].中國農村經濟， 2023（8）：18-36.

楊文娟，李黎明.互聯網使用如何影響政治信任？——理性選擇和社會資本雙重視角下的考察[J].西安交通大學學報（社會科學版）， 2023， 43（3）：131-141.

殷浩棟，霍鵬，汪三貴.農業農村數字化轉型：現實表征、影響機理與推進策略[J].改革， 2020（12）：48-56.

袁方，史清華.從返鄉到創業——互聯網接入對農民工決策影響的實證分析[J].南方經濟， 2019（10）：61-77.

臧敦剛，李方華，蔣遠勝.數字能力與農民收入——基于中國西藏民生發展調查數據[J].西藏大學學報（社會科學版）， 2022， 37（1）：187-197， 205.

曾億武，宋逸香，林夏珍，等.中國數字鄉村建設若干問題芻議[J].中國農村經濟， 2021（4）：21-35.

張芳山，李露瑤，陳杰.數字經濟對鄉村振興發展的影響及機制研究[J].林業經濟， 2024， 46（3）：78-96.

張雷，孫光林.數字鄉村對農戶創業的影響機理[J].華南農業大學學報（社會科學版）， 2023， 22（3）：69-82.

張要要.數字鴻溝影響相對貧困嗎[J].農業技術經濟， 2023（7）：4-18.

朱建華，李榮強.信息貧困視角下數字技能對農村居民收入增長的影響研究——基于縣級橫截面數據的實證分析[J].圖書與情報， 2022（1）：91-100.

Aker C J， Ghosh I， Burrell J. The promise （and pitfalls） of ICT for agriculture initiatives [J]. Agricultural Economics， 2016， 47（S1）： 35-48.

Bowen R， Morris W. The digital divide： Implications for agribusiness and entrepreneurship. Lessons from Wales [J]. Journal of Rural Studies， 2019， 72：75-84.

Declan F， Donal M， Elaine S. The effectiveness of smartphone apps in improving financial capability [J]. The European Journal of Finance， 2020， 26（4-5）：302-318.

Fabregas R， Kremer M， Schilbach F. Realizing the potential of digital development：The case of agricultural advice [J]. Science， 2019， 366（6471）：3038.

Jain R. Business Model Innovations for Information and Communications Technology-Based Services for Low-Income Segments in Emerging Economies [J]. Journal of Global Information Technology Management， 2014， 17（2）：74-90.

Liu Y， Liu C， Zhou M. Does digital inclusive finance promote agricultural production for rural households in China？ Research based on the Chinese family database （CFD） [J]. China Agricultural Economic Review， 2021， 13（2）：475-494.

Sabatini F， Sarracino F. Online Networks and Subjective Well-being [J]. Kyklos， 2017， 70（3）：456-480.

Seo H， Erba J， Altschwager D， et al. Evidence-based digital literacy class for older， low-income African-American adults [J]. Journal of Applied Communication Research， 2019， 47（2）：130-152.

Wolfson T， Crowell J， Reyes C， et al. Emancipatory Broadband Adoption： Toward a Critical Theory of Digital Inequality in the Urban United States [J]. Communication， Culture Critique， 2017， 10（3）：441-459.

Yi F M， Yao L H， Sun Y C， et al. E-commerce participation， digital finance and farmers’ income [J]. China Agricultural Economic Review， 2023， 15（4）：833-852.

（責任編輯康燕）

①數據來源：中國互聯網絡信息中心發布的第52次《中國互聯網絡發展狀況統計報告》，https：//cnnic.cn/n4/2023/0828/c199-10830. html。

①東部10省（市）包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南；中部6省包括山西、安徽、江西、河南、湖北和湖南；西部12省（區、市）包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆；東北3省包括遼寧、吉林和黑龍江。

②北方主要包括包括東北三省、黃河中下游五省二市的全部或大部分，以及甘肅東南部，內蒙古、江蘇、安徽北部，南方主要包括長江中下游六省一市，南部沿海和西南四省、市大部分地區。