汪德荣，孙咸宁
南宁师范大学 a.物流管理与工程学院；
b.经济与管理学院，广西 南宁 530299
消除贫困、实现共同富裕，是社会主义的本质要求[1]。目前来看，无论是从理论出发还是从经验出发的研究表明，任一经济体都存在且将长期存在一定程度的相对贫困问题[2]。因此，制定一套符合中国国情的相对贫困解决机制，是进入相对贫困治理新阶段的重要任务[3]。近年来，中国加快推动数字产业化和产业数字化(以下简称“两化”)发展，数字技术在“两化”发展进程中起到了至关重要的作用，数字技术应用水平可以直接决定社会的财富创造力。作为重要的生产力之一，数字技术已经与商品生产和流通的各个环节深度融合。发展数字技术有利于打通要素流动堵点，提高各领域资源配置效率。数字技术和实际生产的不断结合，催生了新场景和新模式。
数字技术大幅度加快了农业信息化的进程；
数字产业化则带动其他产业结构升级，对各行业的要素参与者产生了深远影响。这无疑为解决相对贫困问题提供了新思路和新途径。首先，数字经济与农业深度融合，从服务、生产、经营和设施等方面促进人民增收，降低贫困发生率。欧阳日辉认为，数字经济通过创新效应等推动共同富裕的实现[4]。成依阳从促进生产力和解决收入差距等方面出发，分析数字经济对共同富裕的作用机理[5]。王亚飞等认为，数字经济可以缓解农村贫困，且减贫效应呈现倒“U”型规律[6]。艾小青等的研究表明，数字经济具有收入增长效应和收入分配效应，可以通过促进家庭增收、弱化收入差距来降低贫困发生率[7]。其次，在推动共同富裕的背景下，学者们围绕农村劳动力禀赋、非农收入等方面对非农就业和相对贫困等问题展开讨论。张兵等认为，当前非农收入已经反超农业收入，并成为农民收入的主要来源，因此增加农村家庭收入的重点在于提升农户非农就业水平[8]。宋嘉豪等的研究表明，非农就业是增加收入、缓解相对贫困的重要途径，适度增加非农就业机会，鼓励农村家庭人力资本开发，可以缓解相对贫困[9]。刘一伟等认为，社会资本可以提升农户非农就业水平，从而缓解农村家庭的贫困程度[10]。再次，数字经济有助于农村剩余劳动力的跨部门转移。郭凯凯等的研究表明，农村电商可以提升农村劳动力数字素养并推动农业技术进步，从而提升非农就业水平[11]。万佳彧等认为，数字金融能够起到普惠效果，为扩大企业经营规模和创新升级提供信贷支持，创造多样化劳动力需求，增加劳动力就业机会[12]。张林等认为，数字普惠金融可以直接促进居民创业，也可以通过促进居民收入增长和服务业发展两种方式促进居民创业[13]。韩俊的研究表明，创业的增加会向社会提供大量非农岗位，增加农村劳动力非农就业机会，扩展劳动力岗位选择面，助力剩余劳动力完成非农转移[14]。
整理总结相关文献可以得出：一是当前国内外学者就数字经济与收入分配、区域平衡增长、农村贫困等方面进行了研究，然而学界对数字经济和相对贫困之间的关系，以及对两者之间作用机制的研究还不够深入；
二是现有文献就互联网、数字普惠金融对农村地区非农就业的影响进行了深入探讨，但是就数字经济对非农就业影响的研究较为缺乏；
三是目前学界就非农就业对相对贫困的影响进行系统论述，且所得结论较为一致，但其作用途径还有待丰富。
鉴于此，笔者拟拓展研究数字经济、非农就业和相对贫困三者之间的影响和作用途径：一是借鉴中国信息通信研究院以及经济合作与发展组织的权威体系，从3个维度构建数字经济指数，在现有研究基础上对数字经济和相对贫困之间的关系进行研究；
二是以劳动驱动转型和跨期选择消费为依据，对数字经济是否可以促进非农就业进行实证分析；
三是在已有结论上从生产风险、生计策略与收入、替代效应3个方面，对非农就业和相对贫困的作用方式进行拓展分析，详细论述两者之间的作用途径。
(一)数字经济和相对贫困
首先，农村地区发展数字经济可以降低非必要的建设成本，能够尽量避免城镇地区在发展数字经济时所必须付出的试错成本。在农村地区发展数字经济被赋予了农村家庭“后发优势”。产业数字化可以提高农业信息化程度，通过服务信息化、生产信息化、经营信息化和数字经济基础设施建设，促进农业各环节分工，加深分工精细程度，优化生产要素配置，提高农业部门生产效率。这可以避免传统农户仅通过增加生产要素投入量的方式来增加产量，减少要素高投入、污染高排放、要素低产出和贫困程度加剧的现象[15]。互联网的使用可为中国农村地区带来比非农村地区更大的额外收益[16]，加强网络基础设施建设可以缩小城乡之间互联网发展差距，进而显著减少城乡收入差距[17]，因此加快农村数字发展可以缓解数字经济发展后期城乡收入差距加剧的问题[18]。
其次，不同地域初始条件差异较大，在经济发展过程中，资金自然会集中流向信息获取成本较低的发达地区，形成资金流主干区域；
而在相对贫困地区，由于相对贫困家庭存在分布散、个体差异大和信息获取成本高等劣势，资金难以流入该地区，进而形成资金流分支区域，从而产生“马太效应”。数字产业化能让数字经济依托云计算能力和信息搜集能力，发挥技术创新优势，提高搜索效率，增加客户基数，提高数字经济覆盖率，加快与实体经济的融合，对缓解相对贫困具有显著效应[19]。这种能降低信息获取、资金获取、生产和商品流通场景构建等方面的成本，打破“马太效应”，让更多家庭都可参与进来的效应，即“长尾效应”。数字经济可通过“长尾效应”缓解相对贫困的问题。
为了验证上述机制，笔者假设一个单元中存在两个群体，分别为一般收入家庭群体和相对贫困家庭群体。设Y为产出量，K为土地、资金投入量，L为劳动投入量，A为外生变量效率系数，α为土地、资金产出弹性，β为劳动产出弹性。假设规模报酬不变，即α+β=1(0<α、β<1)；
e为数字经济基础设施建设，f为数字经济科研技术，g为数字经济产业发展，因为数字经济因素影响劳动产出，所以将三者放入劳动投入量L的内生变量中。两个群体之间存在数字经济发展差异，用θ表示两个群体的数字经济水平差异(0<θ<1)。故一般收入家庭群体和相对贫困家庭群体的代表性生产函数分别为：
(1)
(2)
由生产者利润最大化原则可知，边际产量和商品价格的乘积为投入要素报酬。因为相对贫困产生的重要原因之一是群体间的收入差异，收入差异主要体现在投入要素报酬差异上，所以可以将相对贫困程度定义为投入要素报酬的比值。用Repover表示相对贫困的程度，由上述推论可知：
(3)
由式(3)可以推出相对贫困程度主要与数字经济水平差异，土地、资金产出弹性和劳动产出弹性有关。一方面，当两者水平差异越大即θ越小，则Repover系数越大即相对贫困程度越严重。另一方面，数字经济发展初始阶段，由于基础设施落后，技术水平低下，产业处于起步阶段，相对贫困家庭群体要素生产率较低，其劳动产出弹性小于一般收入家庭群体产出弹性即β2<β1，故Repover系数变大，相对贫困程度变严重。随着数字经济的普及，由于要素的配置存在最佳比例，超过此比例一般收入家庭群体的边际产量必然是递减的，相对贫困地区的“后发优势”开始显现，此时的相对贫困家庭群体的边际产量要大于一般收入家庭群体，其劳动产出弹性大于一般收入家庭群体的劳动产出弹性，即β1<β2，当更多相对贫困家庭群体加入生产劳动和经济发展中时，“长尾效应”发生，所以Repover系数变小，相对贫困程度减轻。
Repover对数字经济水平求偏导可得式(4)，上述结论同样可由式(4)分析得出。
(4)
据此，笔者提出假设：
H1：数字经济发展可以缓解相对贫困状况。
(二)数字经济和非农就业
现有研究表明，中国部分农村剩余劳动力难以通过现有条件进行跨产业转移，原因主要有两点：一是当前中国人口转移是需求驱使，而非供给驱使，非农就业岗位不能完全满足农村劳动力需求[20]；
二是在农村劳动力尝试转移阶段，需要支付生存费用和承担务农的机会成本，在尝试转移时净收益为负。同时，因劳动力禀赋低的群体缺乏信息搜集能力，故非农转移存在不少摩擦性失业。
一方面，数字经济依托大数据降低了融资成本[21]，加快了评估速度，帮助企业跨越融资门槛，使其摆脱了股权、债权融资的传统渠道，为企业扩张和个体创业提供了必要条件。在数字经济的帮助下企业扩大经营，在充分发挥各要素生产潜力之前，有助于企业释放规模经济，创造更多非农就业岗位[22]，帮助农村剩余劳动力实现有效转移，进而使劳动力转移从需求驱动型转变为供给驱动型。另一方面，非农就业转移过程中所需要的转移成本问题，可以通过数字经济的途径得到有效解决。在数字技术得到应用前，相关机构难以得知相对贫困人群的消费痕迹和习惯，为了减少因“道德风险”带来的损失，会减少对此群体的服务，使资源错配，造成因缺乏资金而无法获得资金支持的恶性循环和因果效应。数字经济可以帮助农村劳动力解决跨时期选择难题，增加前期消费选择，增强后期收入能力，扩大农村剩余劳动力的跨时期选择消费束，改善其境况，进而提高农村劳动力和非农就业岗位匹配成功率。据此，笔者提出假设：
H2：发展数字经济有助于提升相对贫困地区的非农就业水平。
(三)非农就业和相对贫困
(5)
由式(5)可知，总收入m对工资率w进行求偏导可以得出：
(6)
由于需求总变动等于替代效应和收入效应之和，即：
(7)
结合式(6)和式(7)可以得到：
(8)
从非农就业参与意愿分析，拥有较好初始禀赋的农村家庭出于机会成本的考虑将继续从事农业工作，而相对贫困家庭通常会面临土地、资金和设备等资源不足的难题，相对贫困农村家庭的非农就业参与度要比富裕农村家庭的参与度高。非农收入带来的工资性收入有利于弥补两个群体之间的收入差距，从而降低整体收入的不平等程度。
以上论述表明：第一，在初始条件受限的条件下，相对贫困家庭比一般收入家庭参与非农就业的意愿更高；
第二，进入非农就业岗位后，工资率的差异有助于在收入效应和替代效应的调节下，减少两个群体工资性收入的差距，进而缓解相对贫困。
上面用数理方式证明了非农就业减缓农村家庭相对贫困的合理性，形成两者之间影响机制的现实基础，主要有以下两点：一是在数字技术助力下农村剩余劳动力向工业、服务业等非农部门转移。这种跨生产部门的生计策略转变，可以实现相对贫困家庭工资性收入水平的提高，缩小与劳动力禀赋水平较高家庭之间的收入差距，进而降低相对贫困发生率。二是农业生产周期长，农产品价格波动较大，农业生产具有较大的不稳定性，而非农就业能够平滑因自然因素的不可控性和市场动态供求的波动性致使的收入不稳定性，从而平滑农业生产风险，进而降低相对贫困发生率[23]。据此，笔者提出假设：
H3：非农就业在数字经济对相对贫困的影响机制中起到中介作用。
基于上述的理论分析和假设，笔者提出，非农就业在数字经济对农村家庭相对贫困的影响中具有中介效应，即数字经济对相对贫困除了直接效应，还会通过非农就业起到间接效应，具体如图1所示。
图1 理论机制分析框架
(一)变量设定
1.被解释变量
被解释变量为相对贫困，其中，微观层面为Repover，宏观层面为RD。关于相对贫困的标准目前学界暂无统一界定，应用较多的方法有恩格尔系数法、基尼系数法、收入比例法和分位数法等。在微观层面上，判定某一家庭是否陷入相对贫困需要制定判断标准。在已有的研究中，相对贫困临界线普遍为年人均纯收入平均数、中位数的40%～60%。因为收入数值可以精确到家庭层面，所以笔者先计算出样本家庭年人均纯收入中位数，再将中位数乘40%作为相对贫困界定线。按照上述方法对2018年中国家庭追踪调查(China Family Panel Studies，简称CFPS)的5 267组农村家庭人均纯收入观测值进行统计，最终确定相对贫困界定值为4 400元。如果某一农村家庭年人均纯收入低于相对贫困临界线4 400元，表明该家庭处于相对贫困状态，赋值为1；
反之，则赋值为0。
在宏观层面上，数据反映的是区域级的相关特征，不能精确到家户层面，故单纯的收入比例法和分位数法不适用于宏观数据。因为各地域的收入状况、物价水平、初始特征、财政和治理支出都不尽相同，所以笔者将常用的恩格尔系数法和基尼系数法排除在外，参考杨晶等[24]、邓大松等[25]的研究成果后，决定采用Kakwani指数从收入不平等角度来度量宏观层面的相对贫困。
(9)
2.解释变量
解释变量为数字经济指数(DIG_*)。数字经济是近年来新兴的经济形态，学界在对其进行测度上尚未形成统一标准。数字经济的核心组成架构包括“两化”，为了描述“两化”的变化趋势，笔者结合钟文等[26]的研究后，运用多维度指标来衡量数字经济的发展状况。本文的数字经济指标共分为3个维度、10个细化指标：数字经济基础设施建设维度(DIG_infra)的细化指标分别为光缆线路长度和行政区域面积的比值、电力信息事务支出、互联网宽带接入端口数量、数字普惠金融覆盖广度指数；
数字经济科研技术维度(DIG_tech)的细化指标分别为科研机构人员人数、软件产品收入、R&D(研究与试验发展)经费和有R&D活动企业数的比值；
数字经济产业发展维度(DIG_indus)的细化指标分别为数字普惠金融指数、技术市场成交额和信息传输、软件与信息技术服务业就业人员数量。为了避免主观因素的干扰，笔者参考朱喜安等[27]的研究成果，运用熵权法确定参数的权重系数，再运用线性加权法得出数字经济的各维度指数，具体步骤如下：
设有m个对象n个指标，可得指标矩阵为X=[Xij]m·n，其中i=1，2，…，m；
j=1，2，…，n。因为本文的指标属性全部为正向，所以指标矩阵全部按照正向指标方法进行标准化和无量纲化处理：
(10)
计算第j项指标的差异系数：
(11)
运用线性加权法算出指数：
(12)
其中，数字经济指数DIG_*包括数字经济产业发展维度指数DIG_indus、数字经济基础设施维度指数DIG_infra、数字经济科研技术维度指数DIG_tech。
3.中介变量
中介变量为非农就业(employ)。因为本文研究的是数字经济对农村家庭相对贫困状况的影响，所以非农就业数据需要从家庭层面进行设计。在CFPS个人数据库中保留适龄劳动人员后，统计农村家庭从事生产的人数，再与家庭数据库进行匹配，故留存数据为家庭层面数据。笔者以财务回答人(1)CFPS调查邀请受访家庭熟悉财务的成员来回答财务相关的问题，这位回答人是财务回答人。的答案为标准，将农业生产劳动力和兼业劳动力合并记为农业劳动力，将从事纯非农工作的劳动力记为非农劳动力，用非农劳动力人数和从事家庭生产人数的比值来反映农村家庭非农就业状况。
4.控制变量
微观层面上，笔者参照张栋浩等[28]、肖龙铎等[29]的变量选取思路。因为家庭禀赋和劳动力禀赋都会影响农村家庭收入，所以笔者从农村家庭特征和户主特征两个层面选取控制变量，尽可能减少因遗漏相关变量而造成的估计偏差。宏观层面上，收入水平会受到自然条件和社会经济环境等方面的因素影响，为了分析数字经济对相对贫困的直接效用，笔者加入了自然环境、交通基础、固定资产、城镇化水平、移动普及、信息服务等省级控制变量，使模型估计更加精准。各控制变量计算方法及描述性统计详见表1。
表1 微观和宏观数据描述性统计
(二)模型构建
微观层面上，中介效应模型对于基本回归分析而言，可以详细说明各个变量之间的作用原理。为了证明非农就业在数字经济影响相对贫困的过程中发挥了中介效应，笔者参考温忠麟等[30]的研究成果，采用系数逐步回归法，构建下列计量模型：
Repoverij=α0+α1DIG_*i+α2Xij+ε1
(13)
employij=β0+β1DIG_*i+β2Xij+ε2
(14)
Repoverij=γ0+γ1DIG_*i+γ2employij+γ3Xij+ε3
(15)
其中，Repoverij表示2018年i省的农村样本家庭j的相对贫困状况，DIG_*i表示2018年i省的数字经济指数，employij表示2018年i省j家庭的非农就业情况，Xij表示上文提到的2018年与劳动力禀赋和家庭禀赋有关的控制变量，ε1为残差项衡量一系列不可观测的因素。模型(13)中的α1是i省数字经济影响农村家庭相对贫困状况的总体效应；
模型(14)中的β1是i省数字经济对中介变量非农就业的影响，β1为中介第一阶段的间接效应；
模型(15)中γ1和γ2分别是数字经济、非农就业对农村家庭相对贫困的直接效应和中介第二阶段的间接效应。将模型(14)、模型(15)的中介效应第一、第二阶段系数相乘可以得出数字经济的中介效应β1γ2，计算间接效应即中介效应β1γ2与直接效应γ1的比值可以反映出中介效应的占比程度。
宏观层面上，笔者设定模型(16)以考察数字经济对相对贫困的影响：
RD(pcdi,pcdii)t=η0+η1DIG_*it+η2Xit+λt+μi+εit
(16)
其中RD(pcdi,pcdit)t表示i省第t年的相对贫困程度，DIG_*it表示i省t年的数字经济指数，λt表示不因个体而改变的时间效应，μi表示不随时间改变的地区效应，εit为随机扰动项，其中t为2013—2019年。
(三)数据来源
微观层面数据来源于中国家庭追踪调查，本文以农村家庭为研究对象，以财务回答人为枢纽，连接家庭层面和个人层面数据。因中国家庭追踪调查暂未公布2020年家庭层面数据，故笔者选用更为全面的2018年个人和家庭数据，并按照上述选取变量的计算方法剔除无效样本，最终获取5 267组农村家庭观测值。
宏观层面上，受灾面积、农作物总播种面积、全社会固定资产投资总额、城镇人口数、人口总数、R&D经费、有R&D活动的企业数量、光缆线路长度、各省行政区域面积、互联网接入端口和居民人均可支配收入等数据来自国家统计局网站；
各省公路里程、总人口数据来自各地方统计局；
软件产品收入数据来自各年的《中国电子信息产业统计年鉴》；
信息传输、软件和信息技术服务业就业人员数量与技术市场成交额来自各年的《中国统计年鉴》；
数字普惠金融指数来自北京大学数字金融研究中心；
电力信息事务支出、科研机构人员、移动电话普及率、信息服务业产值来自EPS数据库(2)EPS数据平台是国内专业的数据、信息服务提供商,是一个涵盖了经济、工业、农业科技等领域、集数值型数据资源和经济计量系统为一体的数据服务平台，为教学、科研等提供有力的数据支持；
其主页为：https://www.epsnet.com.cn/index.html#/Index。。其中个别年份的缺失数据，笔者使用Stata软件进行插值法补齐。
(一)基准回归分析
对模型进行回归之前，考虑到各组数据有可能存在共线性问题，笔者在对相关系数矩阵进行观察之后，采取方差膨胀因子法对被解释变量、解释变量、中介变量和其他控制变量进行多重共线性检验。结果表明所有变量的VIF最大值均小于5，说明进行回归的各组数据不存在共线性问题。
用logit模型对模型(13)进行回归，结果如表2所示，数字经济各维度指数对农村家庭相对贫困有显著影响，且显著为负。这表明，一个地区数字经济发展对该地区家庭的相对贫困状况具有缓解作用。究其原因可能在于，数字经济提高了生产要素在各流通环节的利用率并降低了其成本，优化了资源结构分布，提升了资金配置效率。尤其是数字经济创造了应用于低收入人群的新型应用场景，助力解决了信息甄别周期长、匹配度低和留有覆盖盲区等问题，为农村低收入人群降低了经济门槛，节约了时间，提升了农业信息化程度，有利于农户增收，发挥“后发优势”带动相对贫困地区经济发展。同时，数字经济可以帮助相对贫困地区的产业结构进行升级，增加不以体力劳动为主要投入要素的就业机会，可以提高中老年劳动力的参与率，拓宽就业年龄分布，扩大劳动力规模进而降低相对贫困发生率，实现“长尾效应”。
表2 数字经济对微观层面相对贫困的回归结果
从控制变量来看,健康、金融产品、家庭财产、人情支出、家庭规模和配偶均显著影响农村家庭相对贫困。关于健康可以显著减缓农村家庭相对贫困的发生，其原因较为明显本文不展开论述。关于持有金融产品可以减缓相对贫困，以往研究认为持有金融资产的家庭往往具有更高的金融素养，因此对于相对贫困具有减缓作用[31]。还可能因为持有金融产品可以增加财产性收入，提升财产性收入所占收入的比重；
相对贫困家庭金融财产增值的边际收益更大，财产性收入比重增长率更高，所以持有金融产品可以有效减少收入差距。关于人情支出可以缓解相对贫困，有学者认为人情支出增加了农村劳动力非农就业的概率[32]。本文认为，当人情往来处在正外部效益阶段，支出可用来强化家庭的社会属性。人情支出为巩固家庭关系结构提供了有效途径，所以与家庭收入水平相匹配的人情支出有助于缓解相对贫困。关于家庭规模大加剧农村家庭相对贫困，可能是由于仍处在传统农业模式家庭的人力资本普遍较低，而报酬较高的工作岗位对劳动力综合素质的要求日益提高，农村地区相对贫困家庭的初始劳动力禀赋较低，使其难以获得报酬更高的岗位，这加剧了两个群体之间的收入分化。在人力资本较低的情况下,家庭规模大反而会使相对贫困发生率提高。关于配偶与相对贫困，以往研究表明，农户脆弱的家庭经济结构难以应对婚嫁成本，使得农民不得不通过借债等方式解决婚姻问题[33]；
已婚家庭面临着各种各样的生活压力，消费支出也相对较高，导致家庭的贫困脆弱性更高[34]。但本文回归结果表明，有配偶可以显著防止相对贫困的发生，这可能是因为在婚或同居的家庭相较于单方收入家庭，经济结构更加稳定，有更强的风险承受能力；
与此同时，随着教育的普及，对于人力资本提升较快的相对贫困人群，其婚姻匹配率不断提高，从而提升夫妻双方的劳动参与度与工作生产率，发挥双方的相对优势，形成协同效应，缩小与经济状况良好家庭的收入差距，进而降低相对贫困发生率。
上文利用农村家庭微观数据，从统计意义上证明，数字经济可以减缓相对贫困程度，然而中国家庭追踪调查数据只有27个省(自治区、直辖市)，没有覆盖所有省(自治区、直辖市)，且考虑到具体数值会不可避免地出现主观记忆偏差，故笔者利用宏观面板数据再次进行回归检验，以保证本文模型在总效应环节上的可靠性。由于各地区的初始禀赋状况不同，可能存在不随时间而变的地区效应，也有可能存在不随各地区自身特征变化的时间效应，所以笔者采用双向固定效应模型对地区效应、时间效应加以控制。为了消除异方差对估计结果的影响，在回归时笔者使用聚类稳健标准误。
宏观层面回归结果如表3所示，数字经济的各维度指数系数均显著为负，说明一个地区的数字经济发展对这一地区的相对贫困有明显的缓解作用。即使把研究视角扩大到省级层面，数字经济仍然可以通过改善资源分布、提升配置效率、降低服务门槛、增加信息化程度等方式降低相对贫困发生率。同时，宏观数据的回归结果弥补了微观数据覆盖范围不全的缺陷，且从根本上避免了财务回答人的主观记忆偏差，加强了中介效应模型总效应即模型(13)微观基准回归的可信度，故可知上文假设H1成立。
表3 数字经济对宏观层面相对贫困的回归结果
(二)中介效应检验
前文就数字经济对相对贫困有显著的缓解作用进行了分析论证，为了进一步探究数字经济对农村家庭相对贫困的影响机制，笔者将非农就业变量纳入回归方程来观察该变量的中介效应。前文设定的计量模型中，模型(13)和模型(15)的被解释变量为离散型，而模型(14)的被解释变量非农就业为连续型，两者系数不在相同量尺上，不能直接采用常规方法计算得出中介效应大小。笔者将所有回归系数进行标准化处理，使其量尺和模型(14)系数保持一致后再进行计算，并参考温忠麟等[35]的方法，从流程和数值两个方面检验中介效应。
首先从中介效应判断流程来看：表2的回归结果显示数字经济指数对农村家庭相对贫困的发生有显著的负向影响，即模型(13)中的系数α1是显著的，说明中介效应的总效应存在；
表4模型(15)为加入非农就业变量后数字经济对农村家庭相对贫困的影响，回归结果显示非农就业可以有效减缓相对贫困程度，即模型(15)中的系数γ2是显著的，说明中介效应第二阶段存在，即非农就业在数字经济对农村相对贫困的影响机制中起到中介作用；
同时从表4的回归结果可以看出，加入非农就业后数字经济依然可以有效减缓相对贫困，即模型(15)中的系数γ1是显著的，说明非农就业的中介效应为部分中介效应；
模型(14)的回归结果显示数字经济对非农就业有显著的正向影响，即模型(14)中的系数β1是显著的，说明中介效应第一阶段存在，证明上文假设H2成立。
表4 数字经济对相对贫困影响中非农就业的中介效应检验
从数值大小来看，数字经济对农村家庭相对贫困的影响系数显著为负，数字经济对非农就业影响系数显著为正，在加入中介变量非农就业后，非农就业水平对相对贫困的影响系数显著为负，而且数字经济对相对贫困的影响系数仍显著为负且数值明显变小。这同样表明非农就业水平在数字经济与相对贫困之间发挥部分中介作用。在进行系数量尺统一后，可以利用间接效应与直接效应的比值β1γ2/γ1得出：DIG_indus、DIG_infra、DIG_tech通过非农就业的中介对相对贫困的影响分别有 6.048% 、5.921%、3.739%的比例来自农村家庭非农就业水平，故上文假设H3得以验证。
(三)异质性检验
1.数字经济对不同地区农村家庭相对贫困的影响
上文基准回归分析的结果证实了数字经济能够减缓相对贫困，但是这种影响在不同地区的农村家庭中是否有差异呢？考虑到中国不同省份初始条件具有明显差异，笔者将样本中全部农村家庭样本按照地域标准划分为东部地区、东北地区、中部地区、西部地区4组样本(3)此处参考国家统计局对中国东部、中部、西部和东北地区的划分方法。本文使用的2018年CFPS的5 267个样本涉及27个省(自治区、直辖市)，其中东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10个省市；
中部地区包括山西、安徽、江西、河南、湖北和湖南6个省；
西部地区包括广西、重庆、四川、贵州、云南、陕西、甘肃和新疆8个省区；
东北地区包括辽宁、吉林和黑龙江3个省。，运用相同方法对其再次进行回归，以探究数字经济影响农村家庭相对贫困的地区异质性。
结果如表5所示，在东部、中部地区，数字经济对相对贫困均有显著的缓解作用，从数值来看，中部地区的相对贫困减缓程度要大于东部地区，这验证了上文H1的数理推导，即数字经济水平处在高位的地区其减贫程度要弱于处在低位的地区。在东北地区数字经济对相对贫困的影响并不显著，通过观察数字经济3个维度指数发现，东北地区各维度指数普遍大于西部地区、小于中部地区，这表明东北地区数字经济发展水平处于中部、西部地区之间。不显著的原因可能在于：东北地区人口经济素质和数字经济发展水平不匹配，相对贫困人口无法享受数字经济带来的红利，应尽快提升群众的数字素质以适配数字经济发展水平，从而降低东北地区相对贫困发生率。而在西部地区相对贫困减缓作用却出现了反方向变动的趋势，其可能的原因在于：一是东部、中部地区的数字经济发展水平较高，对农村相对贫困地区的影响程度较高；
二是东部、中部地区相对贫困人口的数字经济素质要高于西部地区，使其获得的数字经济边际红利更高。结合以上两点，相对贫困家庭较低的经济素质在现阶段难以起到积极调节作用，难以激发其潜在的数字经济需求，而数字经济会率先在经济基础较好、网络设施较完善的地区发挥作用，间接忽视在偏远地区的拓展，使得农户面临“数字鸿沟”问题。所以我们应加强对相对贫困地区低收入家庭的素质教育和培训力度，加强西部地区低收入家庭的数字普及，同时，联合当地组织开展相关宣讲，消除相对贫困家庭因无法适用数字经济服务所形成的技术壁垒。
表5 不同地区异质性检验结果
2.数字经济对不同财产水平农村家庭相对贫困的影响
此处讨论数字经济对不同财产水平家庭相对贫困的影响。笔者将家庭净资产取中位数，即高于中位数划分为高净资产水平家庭，反之则划分为低净资产水平家庭，并分为两个子样本，分别对其进行回归分析，以验证数字经济影响农村家庭相对贫困的财产水平异质性。
回归结果如表6所示，可以发现：数字经济对不同净资产水平家庭的相对贫困均有不同程度的负向影响；
数字经济在低净资产水平家庭对相对贫困的减缓效果，要高于在高净资产水平家庭的减缓效果，且显著性也更高。其原因可能在于：相比于高净资产水平家庭劳动力，低净资产水平家庭劳动力获取信息渠道较少、职业技能单一，导致其闲暇时间更多；
当数字经济创造出更多的就业机会和信息渠道时，低净资产水平家庭劳动力参加工作的边际增量会更高，进而增加收入，减少相对贫困发生率。数字经济的发展不仅可以在整体范围内改善相对贫困状况，还可以针对低净资产水平家庭实现“精准扶贫”，普及“数字化+扶贫”新模式以巩固扶贫成果。
表6 不同财产水平家庭异质性检验结果
(四)稳健性检验
1.时滞检验
考虑到数字经济技术落地与其实际发生效果之间可能存在滞后性，即从数字经济开始供给到数字经济在农村家庭中发挥作用需要一个较长时间的传导过程，笔者将所有解释变量滞后一期并对其进行回归分析，以检验上文结论的稳健性。
结果如表7所示，在将解释变量滞后一期后，数字经济依然可以有效减缓农村家庭相对贫困状况，数字经济依然可以促进农村家庭非农就业水平提升，农村家庭非农就业依然可以减缓其相对贫困状况。表7结果与上文回归结果表4相同，且回归系数仅在较小范围内浮动，其回归显著性没有变化。这表明上文论述的作用机制，即非农就业在数字经济对农村相对贫困的影响机制中起到中介作用的结论是稳健的，同时加强了假设H3的可信度。
表7 时滞稳健性检验结果
2.中介效应检验
本文的被解释变量农村家庭相对贫困状况Repover为二分变量，解释变量数字经济指数DIG_*为连续变量，中介变量非农就业employ也为连续变量，所以常规情况下应用于连续变量的Sobel检验不适用于本文因变量为二分变量的情况。在参考刘红云等的研究后[36]，笔者沿用Sobel检验的思路，对不同模型的回归数据进行量尺统一化后，再检验中间效应的稳健性。
(17)
(18)
(19)
(20)
(21)
通过式(17)—(21)可以得到DIG_indus、DIG_infra、DIG_tech的Z值绝对值分别为3.16、2.97、2.81，均大于1.96，说明非农就业在数字经济影响相对贫困的作用机制中有显著的中介作用，与上文结论保持一致。以上结果表明前文非农就业水平中介效应的结果是稳健的，再一次验证了假设H3。
(五)内生性检验
关于非农就业对相对贫困的影响，可能存在内生性干扰：某一地区较高的非农就业水平会减缓相对贫困程度，而较低的相对贫困程度有可能增加非农就业岗位，进而促进非农就业水平提升，形成中介变量与被解释变量互为因果的关系。基于上述考虑，笔者使用工具变量法来解决可能存在的内生干扰问题，即使用含有内生变量的 IV-Probit 模型对中介变量的内生性进行检验，对每组内除观察样本外的非农就业情况求平均值，将其作为检验内生性的工具变量。工具变量选择理由有以下两点：一是在农村地区农户关系十分紧密。“同侪效应”表明，在某地区各家庭初始自然资源禀赋基本相同的情况下，农户的非农就业情况不可避免地会受到周围其他农户行为的影响。用该地区其他农户非农就业情况可以近似表示观察样本的非农就业状况，可以判定两者是相关的。二是观察样本的相对贫困程度无法被其他家庭的非农就业情况直接控制，与其他农户的非农就业情况并不相关，可以判定是外生变量。通过以上两点可知，该工具变量符合相关性和外生性的选取要求。笔者以区县和村作为分组标准对全体微观层面样本进行重新分组，分别对组内非农就业情况进行统计。这既能加强工具变量和非农就业的关联程度，又能验证内生干扰结果的稳健性。
检验结果如表8所示，在两个阶段工具变量估计中：第一阶段工具变量的回归系数均为正，且在1%统计水平显著，弱工具变量识别结果AR、Wald的p值均在1%水平上显著。这说明非农就业与工具变量相关，并且选择的工具变量不是弱工具变量。第二阶段回归结果表明，在考虑潜在的内生干扰后，非农就业依旧可以在5%、1%的统计水平下显著减缓相对贫困的发生。而且在村分组样本下其显著性要高于区县分组样本，说明组样本数越大其结果越接近真实非农就业数据，其结果也越显著。内生性检验结论与前文中介效应第二阶段的结论保持一致，进一步证明了假设H3的可信度。
表8 中介变量非农就业内生性检验结果
上述研究表明：数字经济各维度指标可以有效减缓农村地区的相对贫困程度，且宏观数据回归结果表明该作用机制依然有效，进而弥补了微观数据不可避免的记忆偏差和覆盖不全等劣势；
异质性分析说明数字经济对于低净资产水平家庭、中部地区家庭减贫效果更加显著；
数字经济可以促进农村家庭非农就业水平提升，其中数字经济基础设施对非农就业的影响最大，数字经济产业发展其次；
农村地区非农就业水平提升可以减缓农村家庭的相对贫困程度，非农就业在影响过程中存在一定的中介作用。
需要特别说明的是，目前数字经济指数的构建体系还没有统一的标准，笔者参考中国信息通信研究院、经济合作与发展组织的研究构建多维度指数，并没有对多维度指数再一次进行加权汇总得出数字经济总指数，原因如下：一是对多维度指数再一次应用熵权法，重复利用指标层数据信息熵得出的总指数难以被公允；
二是目前数字经济指标尚未有统一认可的优序排列，难以主观赋权。因此，寻找产业数据、确定统一指标、制定权威体系并且应用合理方法，构建被学界认可的数字经济总指数将是数字经济研究领域下一步的研究方向。综上所述，笔者提出以下3点启示：
第一，结合各地方实际需求，正确引导数字经济基础设施建设，为数字减贫提供网络基础。发展数字经济基础设施是农村地区以新模式、新业态全面发展的先决条件之一，是实现农业信息化的底层架构。加强数字经济基础设施建设是缓解农村地区相对贫困、激发乡村新动能、实现共同富裕的必由之路。同时，要加强对现存设施的数字化改造，更好地满足农户需求，与相关产业形成智能化、规模化和高效率的协同综合体。从农户实际出发，加强相对贫困地区的移动普及率，让相对贫困人群连接上数字经济“高速公路”，增强数字经济的服务效能，真正提高相对贫困地区农户生产力。但也要建立健全多层次、全方位的监管制度，杜绝垄断和恶意竞争等非法行为，确保相对贫困地区农户得到数字经济红利。
第二，不仅要推动数字经济科学研究以及普及数字经济基础设施，还要切实引导相关产业和企业的数字化转型，为农户提供非农就业机会，提高农业要素生产率。非农就业是减缓农村家庭相对贫困的充分条件，但不是唯一方式。无论是人才返乡还是非农就业，缓解相对贫困的重点是借助数字经济的手段开发人力资本、提高要素生产率，切忌为了数字化而数字化。这要求相关企业明确相对贫困地区农户需求，开发满足农户需求的数字经济产品，通过数字产品提升信息匹配度，减少因信息障碍而造成的摩擦性失业。利用数字技术对原有业务进行全方位改造，通过数字手段强化商品流通，降低农户创业门槛，发展符合地域特色的非农产业，创造非农就业机会。
第三，发展监测全国相对贫困的网络信息系统。相对贫困难治理的重要原因之一就是难以动态精准识别。相对贫困群体处在动态变化之中，可以利用大数据精准刻画相对贫困人群画像。对家庭人口、健康情况、教育程度和当地自然条件等因素进行综合分析，多方位各维度识别相对贫困家庭，建立扶贫数字档案、制定个性化扶贫政策，创造出中国特色的数字减贫方式。与此同时，充分发挥数字经济的“后发优势”赋能和“长尾效应”，提高“尾部”相对贫困群体的数字素养，引领相对贫困地区生产主体、对象、工具的变革和生产关系的调整，减少地区间的“数字鸿沟”，提升人力资本，用可持续的“造血式”扶贫替代低效的“输血式”扶贫。
猜你喜欢效应变量数字铀对大型溞的急性毒性效应核科学与工程(2021年4期)2022-01-12抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29懒马效应今日农业(2020年19期)2020-12-14也谈分离变量河北理科教学研究(2020年2期)2020-09-11答数字创新作文(5-6年级)(2018年11期)2018-04-23应变效应及其应用中学物理·高中(2016年12期)2017-04-22数字看G20南风窗(2016年19期)2016-09-21分离变量法：常见的通性通法新高考·高二数学(2014年7期)2014-09-18成双成对小天使·六年级语数英综合(2014年3期)2014-03-15数字变变变数学大王·低年级(2009年10期)2009-12-21