近日，四川大学经济学院、四川大学华西公共卫生学院/华西第四医院合作在Plos One期刊发表题为“Digital economy development and the urban-rural income gap: Evidence from Chinese cities”的原创性研究论文
Deng X, Guo M, Liu Y . Digital economy development and the urban-rural income gap: Evidence from Chinese cities. PLOS ONE 18(2): e0280225. https://doi.org/10.1371/journal.pone.0280225
1. 摘要
数字经济的发展孕育了新形态的机会不平等。本文从理论和实证两个层面就数字经济发展是否扩大城乡收入差距展开研究。基于2011-2019年202个城市面板数据的研究表明：数字经济虽然对城乡绝对收入水平的提高均能产生促进作用，但会通过信息服务业就业和数字金融使用深度两个机制扩大城乡收入差距。进一步研究显示数字经济对城乡收入差距的影响还存在区域异质和空间溢出的特征。在运用工具变量和外生冲击准自然实验等对内生性进行讨论后研究结论依然稳健。
2. 文章主要内容
理论分析与研究假说
（一）数字经济发展对城乡收入差距的影响效应
在享受数字经济带来发展红利的同时，其引发的“数字鸿沟”问题也令人担忧。随着数字经济发展红利的“边际递减”和互联网市场的不断饱和与充分竞争，即使城乡间一级鸿沟逐渐弥合，红利差异仍将扩大。据此提出本文的研究假设1：
H1：数字经济将加剧城乡收入差距。
（二）数字经济发展对城乡收入差距的影响机制
第一，以大数据为生产要素、知识密集为主要特征的数字经济毫无疑问地推动了产业结构的递进和演化，进而导致就业结构发生变化，对城乡收入差距产生影响。信息传输、软件和信息技术服务业又是典型的技术密集和知识密集型行业，而农村地区较为落后的教育水平极大地限制了农村劳动力向信息传输、软件和信息技术服务业等技术壁垒较高的高薪行业流动，进而导致城乡收入差距的扩大。
第二，数字经济的发展必然伴随着数字金融使用程度的加深，农村居民对数字金融的实际使用深度显著低于非农居民，信贷、投资、信用等红利溢出效应大但使用门槛较高的数字金融业务在农村的渗透率仍然很低，深度使用数字金融的红利主要被城镇居民占有，数字化进程的加快反而导致了城乡收入差距的扩大。据此提出本文的研究假设2：
H2：数字经济发展会推动信息服务业就业比重的提高和数字金融使用程度的深化，二者将提高城乡居民的绝对收入水平，但其对城镇居民的收入拉动作用更大，从而导致城乡收入差距扩大。
（三）空间溢出效应分析
与传统经济行为对比，数字经济极大地放宽了经济活动对时间和空间的客观限制，推动了经济组织结构的偏平化发展，使得数据和信息等生产要素能够实现较低成本的跨时空传输，经济活动的区域空间关联性和空间溢出特征因此显著增强。据此提出本文的研究假设3：
H3：数字经济对城乡收入差距的影响具有空间交互特征。
研究设计
（一）模型设定
根据以上分析，为检验上文提出的研究假说，将实证模型设定为如下形式：
上式为本文基准回归模型；Gap_theil与Gap_ratio为被解释变量城乡收入差距；Dig为核心解释变量数字经济；Z为一系列控制变量；μ为不随时间变化的城市个体效应，δ为时间固定效应，ε则表示不可观测的随机扰动项。
此外，为检验公式（1）和公式（2）所体现直接效应的可能中介作用机制，将信息服务业就业比重和数字金融使用深度引入模型，进一步设定以下模型：
其中，Indfin和Findep为中介变量，分别表示信息服务业就业比重和数字金融使用深度。在上述公式中，若公式（3）和公式（5）中数字经济Dig对中介变量的回归系数显著且公式（4）和公式（6）中核心解释变量Dig的回归系数较基准模型变小或不再显著，则说明Indfin和Findep是对城乡收入差距产生影响的中介变量。
（二）变量说明
1.被解释变量：城乡收入差距（Gap）
关于城乡收入差距的指标选取，已有研究多采用泰尔指数或城乡收入比进行度量。基于稳健考虑，本文在主要研究过程中将同时展示泰尔指数和城乡收入比作为被解释变量的实证结果，其计算公式分别如下：
公式（7）为泰尔指数的计算公式，其中Gap_theil为城乡收入差距。公式（8）为城乡收入比的计算公式，其中Gap_ratio为城乡收入差距。
2.核心解释变量：数字经济（Dig）
本文将信息服务业比重、数字金融使用深度等数字经济发展的“自然产物”作为数字经济对城乡差距影响的路径变量予以单独考察。将互联网相关产出和智能终端普及情况等方面的指标纳入数字经济的测度体系。相关的变量为：每百人互联网用户数、人均电信业务总量、人均邮政业务总量、每百人移动电话用户数，将以上四个变量通过主成分分析的方法进行降维处理后最终得到本文的核心解释变量Dig。
3.控制变量
经济发展水平（Lnpgdp）、产业结构（Ad）、财政收支比（Pub）、教育支出（Edu）、金融发展水平（Fin）、社保参与度（Sec）。
4.中介变量
信息服务业就业比重（Infind）和数字金融使用深度（Findep）作为数字经济影响城乡收入差距的路径变量。
（三）数据来源
本文采用2011-2019年202个地级以上城市的面板数据对数字经济发展与城乡收入差距进行研究。除数字金融使用深度采用北京大学数字金融研究中心发布的北京大学数字普惠金融指数中使用深度这一维度指标进行度量外，其余变量均来自于《中国统计年鉴》和各城市统计年鉴。
实证结果
（一）基准回归
表1汇报了基准回归的估计结果。可以看出，除列（2）中Dig的回归系数不显著外，无论是以Gap_theil作为被解释变量还是以Gap_ratio作为被解释变量，其余列中Dig的系数均在5%以下的显著性水平为正，说明数字经济的发展扩大了城乡收入差距，加剧了城乡收入差距。在控制变量中，经济发展水平（Lnpgdp）的回归系数在1%的显著性水平上显著为负，说明经济发展水平的上升有利于城乡收入差距的缩小；教育支出水平（Edu）的系数也在1%的显著性水平上为负，推测是因为近年来教育投入加大了向农村地区的倾斜力度，从而对弥合城乡收入差距起到积极作用。由此，本文的研究假说H1得到了证实。
表1 数字经济对城乡收入差距影响的基准回归结果
（二）机制检验
表2为将信息服务业就业比重（Infind）作为中介变量的估计结果，从列（1）可以看出，数字经济对中介变量的回归系数在1%的显著性水平上显著为正，说明数字经济促进了信息服务业的发展，显著提高了信息服务业就业比重。以Gap_theil作为被解释变量的回归结果中，在将Infind引入模型再次进行估计后，列（3）中数字经济Dig的系数为0.00199，小于列（2）基准回归中Dig的系数0.00284，且中介变量Infind的回归系数仍然显著。以Gap_ratio作为被解释变量的回归结果同样类似，在将Infind引入模型再次进行估计后，列（5）中数字经济Dig的回归系数明显小于列（4）中Dig的系数且不再显著，说明信息服务业就业比重的提高是数字经济发展扩大城乡收入差距的一个作用机制。
表2 机制检验：中介变量为信息服务业就业比重
表3为将数字金融使用深度作为中介变量的估计结果，与上文的分析类似，列（1）中数字经济对中介变量数字金融（Findep）的回归系数在1%的显著性水平上为正，从而验证了数字经济对数字金融使用深度的促进作用。通过观察核心解释变量Dig的系数值及其显著性变化可以看出：列（3）和列（5）中数字经济对城乡收入差距的回归系数与列（2）和列（4）相比有所下降或显著性降低，且中介变量Findep的回归系数仍然显著，说明数字金融的使用深度是数字经济对城乡收入差距影响的另一个路径变量。由此，本文的研究假设H2得到证实。
表3 机制分析：中介变量为数字金融使用深度
（三）对绝对收入水平的直接考察
理论部分的分析提到，无论是数字经济本身还是信息服务业就业比重的提高，抑或是数字金融的使用程度的加深，都会对城乡居民的绝对收入水平的提高起到正向的促进作用，只是促进作用大小不同，在此，本文将建立以下计量模型对其进行考察：
上式中，被解释变量Urban_inc和Rural_inc分别为城市家庭可支配和农村家庭可支配收入。从表4可以看出，Dig、Infind 、Findep的回归系数均在1%的显著性水平上为正，说明无论是数字经济还是信息服务业就业比重或是数字金融深度，都显著地促进了城乡居民绝对收入的增加。进一步观察发现，三者对Urban_inc的回归系数均明显大于对Rural_inc的回归系数，说明以上三者对城镇居民绝对收入水平的促进作用较大，而对农村居民绝对收入水平的促进作用相对较小。
表4 对城乡居民绝对收入水平的直接考察
进一步分析
（一）空间溢出效应分析
考虑数字经济极大放松了地理距离对传统经济活动的限制，可能使得数字经济对周围邻近地区的城乡收入差距产生影响。对此，设定以下面板空间计量模型就数字经济的空间溢出特征进行考察：
公式（11）被称为空间杜宾模型（SDM），其中W为空间权重矩阵，ρ、γ、θ分别被城乡收入差距、数字经济、其他控制变量与空间权重矩阵的交互项系数；公式（12）则为空间误差模型（SEM），λ为随机扰动项与空间权重矩阵的交互项系数，表示模型不可观测的随机冲击可能存在的空间相关性。在进行空间分析之前首先对数字经济和城乡收入差距的空间自相关效应进行检验，表5汇报了邻接矩阵、地理权重和经济矩阵下基于Moran’I 指数对研究期各年度空间自相关效应进行检验的结果。从结果可以看出，2011-2019年数字经济与城乡收入差距的莫兰指数均在1%的显著性水平显著为正，说明在研究期内数字经济与城乡收入差距均显著存在相同特征聚集的空间相关性。
表5 数字经济与城乡收入差距的空间自相关特征
表6为空间回归模型选择的LM检验结果，可以看出在邻接矩阵和地理矩阵下，LM- lag、Robust LM- lag、LM- error、Robust LM- error均在5%及以下的显著性水平显著，说明检验结果显著地拒绝了不存在空间滞后效应和空间误差效应的原假设，应使用空间杜宾模型进行估计。在基于经济矩阵的检验结果中，LM- error、Robust LM- error均在5%的显著性水平上拒绝了不存在空间误差效应的原假设，而LM- lag、Robust LM- lag则无法在10%的显著性水平上拒绝不存在空间滞后效应的原假设，因此在经济矩阵下选择空间误差模型进行估计。上述结果也再次表明了进行空间计量分析的必要性。
表6 空间依赖性LM检验
表7汇报了三种矩阵时空双向固定效应空间回归的结果。可以看出，城乡收入差距不仅依赖于本地区的数字经济发展，周围地区的数字经济发展也扩大了本地区的城乡收入差距。在邻接矩阵和地理矩阵中，被解释变量的空间交互项ρ均在1%的显著性水平显著为正，再次验证了城乡收入差距的“高高聚集—低低聚集”的正空间自相关特征。经济矩阵下随机误差项的空间交互系数λ也在1%的显著性水平为正，说明地区间的空间相关性还体现在系统性的误差冲击中。由此，本文的研究假说H3得到验证。
表7 数字经济对城乡收入差距影响的空间溢出效应估计结果
稳健性检验
（一）替换被解释变量
已有文献对城乡收入差距的度量主要有泰尔指数和城乡收入比两种，在主要的分析过程中两者在结果的呈现上具有高度的一致性，表明本文的研究结论较为稳健。
（二）缓解宏观因素的影响
尽管本文的研究分别控制了城市和时间两个维度的固定效应，但逐年变化的个体效应作为不可观测的异质性冲击仍可能对本文的估计结果产生干扰。在模型中加入省份固定效应以及省份与年份的交互固定效应以控制数字经济广泛发展所引致的不可观测的宏观系统性因素的变化，可以看出数字经济Dig的系数仍然显著为正。
（三）工具变量法
严重的内生性问题可能导致OLS估计量的不一致，从而降低估计结果的可信度。表8的列（3）和列（4）汇报了使用2SLS进行估计的结果，可以看出数字经济Dig的回归系数均在1%的显著性水平上为正，与之前基准回归的估计结果保持一致。
表8 数字经济对城乡收入差距影响的稳健性检验
结论
随着数字经济的发展，基于接入性和可及性的一级数字鸿沟逐渐弥合，2021年我国互联网普及率为73.0%，其中农村地区互联网普及率已达57.6%。与此同时，以使用差异为主要特征的二级数字鸿沟随着互联网技术应用的扩散正在孕育新一轮的城乡不平等。本文立足于数字经济广泛发展可能导致的城乡间机会不平等和城乡收入差距扩大这一问题，采用2011-2019年城市层面的面板数据展开研究。基于面板固定效应模型的基准回归显示，数字经济的发展显著加剧了城乡收入差距的扩大，而信息服务业就业比重的上升和数字金融使用程度的加深可能是两个重要的中介机制，对绝对收入水平的考察也支持了这一结论。进一步分析发现，数字经济对城乡收入差距的扩大作用还存在显著的空间交互特征。使用替换被解释变量、工具变量等方法进行检验后发现本文的主要研究结论仍然稳健。
启示
第一，在进一步完善农村数字经济硬件设施的基础上要着重在数字素养、使用技能等方面加大对农村居民的数字技术培训，使得数字经济的发展更具包容性。第二，高技术高学历的进入壁垒和农村贫乏的教育水平使得农村居民由于缺乏相关技能而难以进入与数字经济密切相关的信息服务业等高薪行业就业。第三，倾向对中西部地区尤其是农村地区的数字资源投入力度。第四，充分利用数字经济的空间溢出特征，研究推出相关普惠政策，以点带面提高区域中心城市对其他城市和农村地区的数字经济辐射力度。
本研究由四川大学邓翔、郭蒙，刘育言等合作完成。邓翔为本文第一作者，刘育言为本文通讯作者。
作者简介
刘育言
四川大学华西公共卫生学院助理研究员
研究方向：健康老龄化、健康不平等、卫生筹资
通讯邮箱：248656088@qq.com
供稿丨刘育言
编辑丨王朝辉、oo
审校丨刘育言、oo