國家級大數據綜合試驗區設立對城鄉收入差距的影響研究

摘 要： 文章基于國家級大數據綜合試驗區設立的準自然實驗，使用2010—2019年中國202個地級市面板數據，構建多期雙重差分模型，實證分析國家級大數據綜合試驗區設立對城鄉收入差距的影響及其作用機制。研究發現：國家級大數據綜合試驗區設立顯著縮小了城鄉收入差距，該結論經一系列穩健性檢驗后仍成立。機制檢驗表明，加快數字基礎設施建設和提高城鎮化水平是大數據綜合試驗區設立縮小城鄉收入差距的兩個重要機制。異質性分析發現，國家級大數據綜合試驗區設立縮小城鄉收入差距的效應主要集中在東部地區和行政等級低的城市，而在中西部地區和行政等級高的城市未見顯著影響。研究結論為推動數字經濟發展助力實現共同富裕提供了經驗證據。

關鍵詞： 國家級大數據綜合試驗區；城鄉收入差距；共同富裕；多期雙重差分

中圖分類號： F 49

文獻標志碼： A

Research on the Impact of the Establishment of NationalBig Data Comprehensive Pilot Zone on the Income Gapbetween Urban and Rural Areas

Abstract： The article is based on a quasi-natural experiment set up by the national big data comprehensive pilot zone， using panel data from 202 prefecture level cities in China from 2010 to 2019. By constructing a multi-period double difference model， the article empirically analyzes the impact and mechanism of the establishment of the national big data comprehensive pilot zone on the urban-rural income gap. Research has found that the establishment of national big data comprehensive pilot zone can significantly reduce the urban-rural income gap， and this conclusion is still valid after a series of robustness tests. The mechanism test found that accelerating the construction of digital infrastructure and improving the level of urbanization are two important mechanisms for the construction of big data comprehensive pilot zone to narrow the urban-rural income gap. The heterogeneity analysis found that the effect of narrowing the urban-rural income gap in the national big data comprehensive zone is mainly concentrated in the eastern region and low administrative level cities， while there is no significant impact in the central and western regions and high administrative level cities. The research conclusions provide empirical evidence for promoting the development of digital economy to help achieve common prosperity.

Key words： national big data comprehensive pilot zone; urban-rural income gap; common prosperity; multi-period double difference

0 引言

黨的二十大報告指出：“要堅持以推動高質量發展為主題，著力推進城鄉融合和區域協調發展。”國家統計局數據顯示，近年來我國城鄉收入差距有所縮小，但城鄉協調發展水平仍有待提高。相較于城市地區的快速發展，農村地區的居民生活水平提升、醫療教育發展等依然偏慢。農村地區傳統的低效率、粗放型經濟發展模式已無法滿足現階段城鄉協調發展的要求。隨著信息技術的發展，以數字、技術等為主要驅動力的集約型發展方式成了破局關鍵。2015年8月，國務院印發《促進大數據發展行動綱要》，明確提出“開展區域試點，推進貴州等大數據綜合試驗區建設”。同年9月，首個國家級大數據綜合試驗區建設在貴州省啟動。由此，國家級大數據綜合試驗區在我國多個地區相繼成立。那么，旨在促進數字經濟發展的大數據試驗區能否縮小城鄉收入差距，助力實現共同富裕，促進我國城鄉協調發展呢？

現有研究主要討論數字技術與城鄉收入差距的關系，但并未得出一致結論。這些研究的觀點可以分為以下幾類：（1）數字技術可能擴大城鄉收入差距。有學者認為，數字技術發展帶來的收益分配并未實現公平共享，城鄉數字基礎設施和信息技術差距所導致的“數字鴻溝”可能使得信息技能不足的弱勢農戶陷入新的信息貧困，引起信息富有者和信息貧困者之間的分化效應，加劇社會群體間的收入不平等和貧富分化（Keniston，2004）。（2）數字技術能夠縮小城鄉收入差距。數字普惠金融通過降低門檻效應、緩解排除效應、發揮減貧效應縮小城鄉收入差距（宋曉玲，2017）。數字金融能夠緩解傳統金融發展中存在的信息不對稱問題，通過為農村地區提供金融服務，提高農村金融可得性，賦予弱勢群體更多的發展機會，讓資源和技術在城鄉之間趨于均等，在農地流轉、促進農戶的創業行為和提高農業生產效率等方面產生積極影響（翁飛龍等，2021）。（3）數字技術與城鄉收入差距之間存在非線性關系。部分研究認為數字技術與城鄉收入差距之間呈現先擴大后縮小的倒U型關系。在發展初期，由于數字鴻溝的存在，數字經濟發展對城市居民的增收效應要大于農村居民，從而導致城鄉收入差距擴大。但隨著農村數字基礎設施的不斷完善和農民數字化素養的逐漸提高，數字技術發展的紅利惠及農村地區，農民收入顯著提高，進而有助于縮小城鄉收入差距（李曉鐘，2022）。

綜上所述，本文可能的邊際貢獻主要體現在兩個方面。第一，本文從制度性視角補充了數字經濟與城鄉協調發展的相關文獻。現有研究多聚焦于數字技術、數字普惠金融、數字化轉型這類數字化發展新模式對城鄉協調發展的影響，而對數字經濟相關的制度性因素關注不足。本文以國家級大數據綜合試驗區為例，從政府主導的制度性干預視角補充了現有研究的不足。第二，本文提供了數字技術與城鄉收入差距之間關系的可靠經驗證據。以往研究采用不同測度方法評估數字技術發展水平，但限于測度方法的準確性與實證策略的有效性而未能得出一致結論。本研究借助大數據綜合試驗區設立這一政策沖擊進行探討，為理解數字技術對城鄉收入差距的影響提供了較為可靠的經驗證據。

1 政策背景與研究假設

1.1 政策背景

隨著大數據技術與社會經濟的不斷交融，數據已成為新一輪產業變革中具有戰略性意義的生產要素。為深入挖掘數據要素價值，加快建設數據強國，國務院于2015年8月頒布《促進大數據發展行動綱要》（以下簡稱《綱要》）。《綱要》指出，通過開展區域試點，在不斷的實踐中總結出一系列可推廣復制的發展經驗。2015年9月，貴州省大數據試驗區正式獲批建設。2016年，包括京津冀、廣東、上海、河南、重慶、遼寧以及內蒙古在內的第二批國家級大數據綜合試驗區建設陸續展開。大數據綜合試驗區主要圍繞數據資源共享、數據中心整合、數據資源應用、數據要素流通、大數據產業集聚、大數據國際合作以及大數據制度創新等七大任務開展系統性試驗，旨在打通數據要素整合與流動的關鍵節點，實現大數據紅利的共享。

1.2 研究假設

大數據綜合試驗區致力于推進民生領域的大數據應用，通過信息化手段有效提升社會治理效率，幫助政府部門實現科學決策，構建數字化、智能化的公共服務系統，使城鄉公共服務供給更加均等化，有效緩解“城市偏向”問題（蘇錦旗等，2023），最終有助于農村居民從數字技術中獲益。與此同時，試驗區建設推動數字新基建均衡化布局，數字基礎設施能夠發揮其數字屬性，實現各類要素資源的有效配置與開放共享，加強城鎮和農村地區的合作交流，打破空間限制，帶動偏遠農村地區產業發展，進而縮小城鄉收入差距。因此，文章提出假設：

H1：國家大數據綜合試驗區設立能夠縮小城鄉收入差距。

諸多研究指出，造成我國城鄉居民收入差距的主要原因是城鄉分割的二元體制，城鎮化的發展能夠幫助改善收入不均等狀況（萬廣華，2013）。目前我國城鎮化率遠遠落后于經濟發展水平，城鎮化滯后是城鄉收入差距持續擴大的原因，持續推進城鎮化是改善城鄉收入分配狀況的重要抓手（陳斌開等，2013）。大數據綜合試驗區打造由城市延伸到農村的數據統一開放平臺，建立區域間信息關聯的通道，促使城鄉之間的生產要素發生流動，要素報酬趨于均等化。大數據試驗區設立有助于破除城鄉要素雙向流動的壁壘，輻射帶動周邊地區的大數據發展，加速地區城鎮化進程，優化城鎮空間格局，城鎮化水平的提升會加劇城鎮勞動力市場的競爭，催生出大量就業崗位，改善農村居民的收入結構，改善城鄉不平等狀況。由此，文章提出假設：

H2：大數據綜合試驗區設立可以提高當地城鎮化水平，縮小城鄉收入差距。

此外，大數據綜合試驗區設立也能夠進一步完善農村地區數字基礎設施建設，為農村地區發展提供機會，縮小城鄉收入差距。梳理各試驗區政策文本可以發現，雖然各試驗區的定位和目標存在一定的差異，但各試驗區都聚焦于積極完善大數據相關基礎設施建設。試驗區一系列配套設施的逐漸完善能夠促進落后地區信息基礎設施更新和進步，提高農村地區互聯網等數字資源的普及和應用水平，農村居民借助互聯網可以有效地降低信息搜尋成本，獲取更廣泛的市場交易信息，提高農產品的銷售價格，進而優化生產決策。同時，試驗區建設過程中通過數字基建資源下沉能創造大量非農就業崗位和農村家庭創業機會，農村剩余勞動力會向二、三產業集聚，激發農村多元就業機遇，拓寬農村居民的收入來源（陳陽，2022）。通過數字基礎設施建設，城鄉之間的數字接入鴻溝有所彌合，數字紅利不斷向農村地區擴散，實現發展成果在城鄉居民間的共享，從而縮小城鄉收入差距。由此，文章提出假設：

H3：大數據綜合試驗區設立可以加強數字基礎設施建設，縮小城鄉收入差距。

2 研究設計

2.1 模型設定

本文構建的多期雙重差分模型如下：

GAPit=α0+β×policyit+δ×controlit+μi+γt+εit（1）

其中，i代表地級市，t代表年份。被解釋變量GAP為地級市的城鄉收入差距，policyit為大數據綜合試驗區試點政策虛擬變量。如果大數據綜合試驗區設立能夠有效縮小城鄉收入差距， β應該顯著為負。controlit為一系列控制變量，μi代表城市固定效應，γt代表時間固定效應，εit為隨機誤差項。

2.2 變量描述

核心解釋變量：大數據綜合試驗區設立的政策虛擬變量policy。變量根據試驗區的設立時間進行賦值。若城市i在第t年設立大數據綜合試驗區，則 policy在t年及之后的年份中賦值為1，否則為0。

被解釋變量：已有研究主要采用城鄉居民收入比、泰爾指數、基尼系數等指標衡量城鄉收入差距，本文參考雷卓駿等（2023）的做法，用城鎮居民人均可支配收入與農村居民人均可支配收入的比值反映城鄉收入差距，并在后續的穩健性檢驗中采用基尼系數替換該指標進行估計。

控制變量：參考以往研究，本文選取如下控制變量：（1）經濟發展水平，用各地級市人均GDP的自然對數表示。（2）對外開放程度，以地區進出口總額與地區生產總值的比值衡量。（3）金融發展水平，用各地級市金融機構年末貸款余額的自然對數表示。（4）教育投入，采用教育支出占財政支出的比例來衡量。（5）財政支出水平，采用財政支出占 GDP 的比重表示。（6）產業結構，采用第三產業產值與第二產業產值的比值表示。

2.3 數據說明

文章研究樣本為2010—2019年中國202個地級市。數據主要來源于《中國城市統計年鑒》、各省統計年鑒以及各地級市統計年鑒。本文剔除了數據嚴重缺失的樣本，并對個別年份缺失值進行了線性插值處理。為排除異常值對結果的干擾，對所有連續變量進行了1%和99%的縮尾處理。變量描述性統計見表1。

3 實證分析結果

3.1 基準回歸結果

為了檢驗大數據綜合試驗區設立對城鄉收入差距的影響，對式（1）進行回歸估計，基準回歸結果如表2所示。其中，列（1）僅控制了城市固定效應和年份固定效應，列（2）則在此基礎上進一步納入了所有的控制變量。可以看出，核心解釋變量policy的系數均在1%的置信水平上顯著為負，說明國家級大數據綜合試驗區設立可以顯著縮小城鄉收入差距，由此本文的H1得以驗證。

3.2 穩健性檢驗

3.2.1 平行趨勢檢驗

滿足平行趨勢假設是多期雙重差分方法準確評估政策效應的前提，為驗證大數據綜合試驗區設立前處理組和控制組的城鄉收入差距是否存在系統性差異，本文參考Beck等（2010）的方法，設置一系列年份虛擬變量和處理組虛擬變量的交互項，并將政策實施前一期作為基期進行檢驗，結果如圖1所示，在大數據綜合試驗區設立之前，核心解釋變量的估計系數均不顯著異于0，表明處理組和控制組的城鄉收入差距在政策實施之前無顯著差異，同時在國家級大數據綜合試驗區設立之后，城鄉收入差距迅速縮小，再次驗證H1。

3.2.2 安慰劑檢驗

為了減少不可觀測遺漏變量可能對基準回歸結果的干擾，本文進一步通過構建“反事實”框架下的安慰劑檢驗方法進行檢驗。在樣本數據中隨機篩選與基準回歸相同數量的城市作為虛假處理組，剩余未被抽到的城市為虛假控制組，將此過程重復500次，由此可以得到500個偽試點政策變量的估計系數及其對應的P值，見圖2。由圖2可以看出，偽試點政策變量估計系數集中分布在0附近，基本服從正態分布，同時對應P值大多大于0.1，可見不可觀測變量對估計結果的影響較小，核心結論依舊穩健。

3.2.3 基于PSM-DID方法的估計

大數據綜合試驗區試點城市和非試點城市的初始條件可能存在較大的差異，這種系統性差異可能使得試點地區在選擇上缺乏隨機性，從而導致樣本可比性較差。為此，本文采用傾向得分匹配法來緩解樣本選擇非隨機導致的內生性問題。具體地，選取控制變量表征協變量，分別采用近鄰匹配、核匹配、半徑匹配3種方法匹配處理組和控制組樣本。這種方法可以最大限度減少不同城市在初始條件上存在的系統性差異。文章基于匹配結果重新評估了大數據綜合試驗區建設對城鄉收入差距的影響，結果如表3所示，可見無論采用哪種匹配方法，核心解釋變量policy的系數依然顯著為負。

3.2.4 排除同期重大政策干擾

在研究時間區間內，不可避免地還存在一些可能對城鄉收入差距產生潛在影響的重大政策，從而使得大數據綜合試驗區政策的估計效應產生高估或者低估。為了識別和排除這種相關政策導致的政策疊加效應的干擾，本文梳理了大數據試驗區實施期間頒布的其他政策，重點考慮寬帶中國、智慧城市、創新型城市可能對結果帶來的干擾，具體做法為在基準回歸中加入“寬帶中國”“智慧城市”和“創新型城市”的政策虛擬變量 。表4列（1）的回歸結果表明，在考慮上述政策影響后，大數據綜合試驗區建設對城鄉收入差距的影響依然在1%水平上顯著為負。

3.2.5 考慮異質性處理效應

近年來不斷涌現的理論文獻表明，使用多期DID模型進行政策效應評估時，處理時點不同將會使交疊DID模型的估計結果出現偏誤，如將相對較早受政策處理的樣本作為控制組，就會出現估計偏差（Baker，2022）。為判斷異質性處理效應是否會影響本文的研究結果，本文借鑒 Callaway & Sant’Anna （2021）的方法，得到了考慮異質性處理效應的回歸結果，表4列（2）結果表明系數仍顯著為負，因此異質性處理效應并未對本文的回歸結果產生顯著影響。

3.2.6 其他穩健性檢驗

為了進一步增強研究結論的可靠性，本文還進行了一系列其他穩健性檢驗。第一，調整樣本范圍。鑒于直轄市在經濟規模與資源稟賦上與普通地級市存在較大的差異，本文剔除樣本中的直轄市數據后重新進行回歸。第二，改變被解釋變量測算方法，參考雷卓駿（2023）的做法，使用基尼系數衡量城鄉收入差距。第三，更改計量模型設定，在基準回歸中，采用多期DID方法進行回歸。由于2015年僅有貴州一個試點地區，其他試驗區均于2016年開始推廣，本文將2016年設定為該政策的起始年份，將第一批試點城市從樣本中剔除，按照標準DID模型重新進行估計。回歸結果如表4列（3）至（5）所示，大數據綜合試驗區的估計系數均顯著為負，表明核心結論依然穩健。

3.3 機制檢驗

為驗證大數據綜合試驗區對城鎮化水平的影響，本文以各地級市城鎮化率表征城鎮化水平。表5列（1）結果顯示，核心解釋變量policy的估計系數顯著為正，表明大數據綜合試驗區設立能夠顯著提高試點城市的城鎮化水平。大數據綜合試驗區設立通過引進大數據相關產業等政策吸引周邊地區的剩余勞動力持續向城市遷移，人口遷入會提高地區城鎮化率，大數據技術的迅速應用和普及使遷入城鎮的農村勞動力有更多的機會學習新知識和新技術，在此過程中可以直接或間接地增加其收入水平，實現城鄉居民的利益共享，進而縮小城鄉收入差距，H2得以驗證。

為驗證大數據綜合試驗區對數字基礎設施建設的影響，本文選取互聯網普及率衡量數字基礎設施建設水平（侯林岐等，2022）。表5列（2）的結果表明大數據綜合試驗區建設能夠通過完善數字基礎設施提高互聯網普及率。在大數據戰略實施期間，信息化服務從城市向農村延伸，助力農村地區突破信息困境，使得弱勢農戶能充分享受數字技術發展帶來的紅利，以此縮小城鄉收入差距，H3得以驗證。

3.4 異質性檢驗

3.4.1 城市行政等級異質性

不同行政等級城市在經濟管理權限、政策優惠、公共財政支持等方面存在差異，導致大數據綜合試驗區建設對城鄉收入差距的影響可能會隨著城市行政等級的不同而變化。本文將省會城市、副省級城市和直轄市界定為高等級城市，余下普通地級市則界定為低等級城市，進行分組回歸分析。表6列（1）、列（2）回歸結果顯示，在行政等級低的城市樣本中，試驗區政策在1%的顯著水平上縮小了城鄉收入差距，而在行政等級高的城市中其政策效果不顯著。其原因可能在于行政等級高的城市對大數據相關技術的應用較為充分，造成試驗區建設產生的邊際效用遞減，大數據產業的進一步發展對城鄉收入差距的縮小效應不明顯。相比之下，低等級城市存在更大的發展空間，可以借助試驗區政策實現跨越式發展，進而縮小城鄉收入差距。

3.4.2 城市區位異質性

為進一步分析大數據綜合試驗區政策對城鄉收入差距的影響在不同區域間是否存在異質性，本文將城市樣本分為東、中、西三大區域，列（3）至列（5）的結果表明，試驗區建設顯著縮小了東部地區的城鄉收入差距，但對中、西部城市的影響不具有統計學顯著性。其原因可能在于，東部地區在數字基礎設施建設、人才、技術等方面具備優勢，可能會更高效地推進試驗區建設的落地，進而試驗區建設能夠有效縮小城鄉收入差距。而中西部地區數字化應用基礎較為薄弱，且對互聯網和信息制造等高新技術企業的吸引力也較弱，因此大數據試驗區建設的紅利尚未顯現，對城鄉收入差距影響不明顯。

3.5 進一步分析

為考察在不同城鄉收入差距水平下大數據綜合試驗區建設縮小城鄉收入差距的作用是否存在異質性特征，表7匯報了在0.25、0.5、0.75、0.9分位點上大數據綜合試驗區建設對城鄉居民收入差距的回歸結果。列（1）結果顯示政策變量的估計系數不顯著，表明當城鄉收入差距較小時，大數據綜合試驗區建設難以縮小城鄉收入差距。列（2）至（3）結果顯示，大數據綜合試驗區變量系數顯著為負，且系數絕對值依次增大，說明當城鄉收入差距較大時，大數據綜合試驗區建設能顯著縮小城鄉收入差距，且這一作用對城鄉收入差距越大的城市作用愈發明顯。以上結果表明，大數據綜合試驗區能夠有效縮小城鄉收入差距，促進城鄉間協調發展。

4 結論與政策建議

本文將國家級大數據綜合試驗區設立視為準自然實驗，基于2010—2019年地級市面板數據，采用多期雙重差分的方法分析大數據綜合試驗區設立對城鄉收入差距的影響，得到如下結論：首先，國家級大數據綜合試驗區設立能夠顯著縮小城鄉收入差距，該結論在經過平行趨勢檢驗、安慰劑檢驗、PSM-DID等一系列穩健性檢驗之后依然成立。其次，作用機制顯示，大數據綜合試驗區建設能夠通過提高城鎮化水平、加強數字基礎設施建設等機制縮小城鄉收入差距。異質性分析顯示，大數據試驗區建設縮小城鄉收入差距的作用主要體現在東部地區和行政等級低的城市，在中西部地區和行政等級高的城市作用不明顯，且這一作用對城鄉收入差距較大的地區愈發明顯。

基于以上結論，本文提出如下政策建議：第一，繼續推進大數據戰略的實施，重點推動政策向農村地區傾斜，將試點推廣到區縣，通過以城帶鄉促進城鄉融合，加快公共服務均等化進程，縮小城鄉間發展差距。第二，大數據綜合試驗區建設應結合各試驗區自身情況，因地制宜，精準施策。中西部地區要積極向東部地區學習先進經驗，發揮數字經濟的后發優勢，同時總結和鞏固東部地區的建設經驗，以供其他地區借鑒參考。第三，進一步完善大數據相關基礎設施建設，推動信息基礎設施在農村有效覆蓋，在硬件上彌合數字鴻溝。借助數字基礎設施，提高農村居民的數字素養，推動開展大數據技術和農業生產的融合，讓更多的居民享受到數字紅利。推動數字經濟發展紅利惠及農村地區，將有效促進城鄉協調發展，助力我國共同富裕目標的實現。

參考文獻：

［1］ KUMAR D，KENISTON K. IT experience in India： bridging the digital divide［M］. London： Sage Publication Ltd.， 2004： 391-392.

［2］ 宋曉玲. 數字普惠金融縮小城鄉收入差距的實證檢驗［J］. 財經科學， 2017（6）： 14-25.

［3］ 翁飛龍，張強強，霍學喜. 互聯網使用對專業蘋果種植戶農地轉入的影響研究：基于信息搜尋、社會資本和信貸獲得中介效應視角［J］. 中國土地科學， 2021， 35（4）： 63-71.

［4］ 李曉鐘， 李俊雨. 數字經濟發展對城鄉收入差距的影響研究［J］. 農業技術經濟， 2022（2）： 77-93.

［5］ 蘇錦旗， 唐詩瑤， 張營營. 國家級大數據綜合試驗區能否促進區域經濟高質量發展：基于試點區政策的準自然實驗［J］. 現代財經（天津財經大學學報）， 2023， 43（10）： 56-73.

［6］ 萬廣華. 城鎮化與不均等： 分析方法和中國案例［J］. 經濟研究， 2013， 48（5）： 73-86.

［7］ 陳斌開， 林毅夫. 發展戰略、城市化與中國城鄉收入差距［J］. 中國社會科學， 2013（4）： 81-102，206.

［8］ 陳陽， 王守峰， 李勛來. 網絡基礎設施建設對城鄉收入差距的影響研究：基于“寬帶中國”戰略的準自然實驗［J］. 技術經濟， 2022， 41（1）： 123-135.

［9］ 雷卓駿， 黃凌云， 張寬. 市場準入管制放松與城鄉收入差距［J］. 財貿經濟， 2023， 44（5）： 144-160.

［10］ BECK T， LEVINE R， LEVKOV A. Big bad banks？ The winners and losers from bank deregulation in the United States［J］. The Journal of Finance， 2010， 65（5）： 1637-1667.

［11］ BAKER A C， LARCKER D F， WANG C C Y. How much should we trust staggered difference-in-differences estimates？［J］. Journal of Financial Economics， 2022， 144（2）： 370-395.

［12］ CALLAWAY B， SANT’ANNA P H C. Difference-in-differences with multiple time periods［J］. Journal of Econometrics， 2021， 225（2）： 200-230.

［13］ 侯林岐， 程廣斌， 王雅莉. 國家級大數據綜合試驗區如何賦能企業數字化轉型［J］. 科技進步與對策， 2023， 40（21）： 45-55.