《Frontiers in Sustainable Food Systems》:Can digital village development enhance the income mobility in rural China?
编辑推荐:
基于中国油菜产业技术体系固定观察点数据,构建收入转移矩阵,实证检验数字乡村发展对农村家庭收入流动性的影响。研究表明,数字乡村发展显著提升了农村家庭的收入流动性,在方向上促进了农村家庭的向上收入流动。机制分析表明,非农收入增加是数字乡村发展促进向上流动的主要渠道
基于中国油菜产业技术体系固定观察点数据,构建收入转移矩阵,实证检验数字乡村发展对农村家庭收入流动性的影响。研究表明,数字乡村发展显著提升了农村家庭的收入流动性,在方向上促进了农村家庭的向上收入流动。机制分析表明,非农收入增加是数字乡村发展促进向上流动的主要渠道。异质性分析揭示,数字乡村发展对低收入家庭和高人力资本家庭的收入流动性影响更强,但低收入家庭的流动主要局限于中低收入阶层内部,难以实现从低收入到高收入的跨越。该研究将机会不平等(Environment-Effort framework)理论拓展至农村数字化转型情境,采用收入转移矩阵结合多向度有序Probit模型测度收入流动性,并发现数字乡村发展作为综合性制度冲击可动态改变传统固定"环境因素"的约束。
研究背景方面,收入流动性是衡量社会机会公平与经济活力的重要指标,对打破城乡收入阶层固化、促进社会可持续发展具有重要意义。当社会收入流动性不足时,低收入家庭面临显著的向上流动壁垒,易导致社会分层固化与社会冲突增加;而高流动性下,个体或家庭的收入位次呈现较强不稳定性,当期较低收入群体下期可能跃升至较高收入群体,因此静态收入差距并非主要隐忧。中国农村收入流动性研究揭示其独特发展特征:20世纪90年代因收入来源单一、经济发展滞后,流动性较差;21世纪以来,随着取消农业税、建立农村社会保障机制、农村劳动力向城市转移等政策实施,流动性显著改善,但2010年后又急剧下降。当前中国数字乡村发展进入深化阶段,为农民增收开辟新路径,但也带来新挑战——数字技术究竟是"数字红利"还是"数字鸿沟"仍存学术争议。现有文献多聚焦互联网普及率或数字金融发展等单一维度指标探讨收入增长,但数字乡村发展涉及多元主体与广泛建设内容,是全面数字化而非局部数字化,单一指标难以反映其系统性。该研究认为这一区别不仅是测量问题,更是理论分野:单一指标如互联网使用易受个体"努力"和能力影响,可能强化既有不平等;而数字乡村发展作为综合性、政府主导的制度冲击,具有动态重塑出生地、家庭背景等传统"环境"因素的潜力。
研究人员开展的研究基于机会不平等理论中的"环境-努力"(Environment-Effort)框架,提出数字乡村发展作为外生性制度转型,可通过拓宽非农就业与创业渠道、增加非农收入来缓解性别、户籍(hukou)及家庭背景等"环境"因素导致的机会不平等,进而促进向上收入流动。研究采用北京大学编制的县级数字乡村指数(Digital Village Index),匹配国家油菜产业技术体系农村固定观察点数据,构建收入转移矩阵并运用有序Probit模型(ordered Probit model)进行实证分析。
研究得出以下核心结论:数字乡村发展显著增强农村家庭收入流动性,主要表现为促进向上流动;非农收入增加是核心作用机制;对低收入家庭和高人力资本家庭的促进作用更强,但低收入家庭流动存在"阶层邻近性"局限,难以实现跨阶层跃升。该研究将机会不平等理论拓展至中国农村数字化转型情境,重新概念化数字乡村发展为可动态改变固定"环境"因素的综合性制度冲击,为理解收入流动性提供新视角;方法上结合收入转移矩阵与多向度有序Probit模型,精确捕捉阶层移动方向与幅度;政策层面揭示当前数字策略"扶上马"但难以"送一程"的局限性,凸显人力资本的关键调节作用。论文发表于《Frontiers in Sustainable Food Systems》。
关键技术方法方面,研究使用北京大学数字乡村课题组编制的2019-2020年可比县级数字乡村指数,匹配国家油菜产业技术体系油菜种植户固定观察点数据——该体系覆盖中国18个油菜主产省份的30个综合试验站,采用多阶段随机抽样程序,本研究最终形成涵盖12个省份的924个样本的非平衡面板数据。核心方法包括:(1)构建收入转移矩阵(income transition matrix),将人均家庭收入按年度五等分位划分为低收入、中低、中等、中高、高收入五个阶层,根据相邻两期阶层变化生成取值范围为{-4, -3, -2, -1, 0, 1, 2, 3, 4}的收入流动性变量;(2)采用有序Probit模型进行基准回归,控制户主特征、家庭特征及油菜生产特征变量,并纳入年份与县域固定效应;(3)以地级市互联网普及率作为工具变量,运用条件混合过程法(Conditional Mixed Process, CMP)和两阶段最小二乘法(2SLS)处理内生性;(4)通过OLS替换、三分位重新测量、剔除潜在中介变量等方式进行稳健性检验;(5)运用Baron和Kenny三步法结合Bootstrap中介效应检验与KHB分解进行机制分析;(6)引入数字乡村指数与收入阶层哑变量、人力资本变量的交互项进行异质性分析。
基准回归结果显示,数字乡村发展显著促进农村家庭收入流动性并推动向上流动,假设H
1得到验证。边际效应计算表明,数字乡村发展水平每提升一个标准差(8.225),向上流动一个阶层的概率提升约17.3个百分点。收入转移矩阵分析显示,高数字乡村发展组的家庭具有更强向上流动性和更低向下流动概率,从低收入阶层(I)直接跃升至高收入阶层(V)的概率达2.27%,而低数字乡村发展组仅为0.77%。
机制分析部分,非农业收入增加的中介效应得到验证,假设H
2成立。逐步回归显示数字乡村发展显著提升非农收入;纳入非农收入后,数字乡村发展系数下降而仍显著。Bootstrap 1000次抽样显示间接效应为0.0086,95%偏差校正置信区间[0.0008, 0.0222]不包含零;KHB分解间接效应为0.0126,90%置信区间[0.0015, 0.0236]显著,且rescaling factor为1.006排除尺度混淆。这表明数字乡村发展通过缓解性别、户籍、家庭背景等环境因素导致的机会不平等,促进非农就业与创业,增加非农收入,从而增强收入流动性。
异质性分析揭示:(1)收入阶层异质性——以中等收入阶层为参照,低收入和中低阶层交互项系数显著为正,中高和高收入阶层显著为负(Wald检验χ
2=247.44,p<0.001),表明数字乡村发展对低收入家庭促进作用更强,但边际效应显示其流动主要局限于邻近阶层,跨越多个阶层的跃升较为困难,呈现"扶上马"难"送一程"特征;(2)人力资本异质性——以户主教育年限划分高低人力资本组,高人力资本交互项显著为正,表明数字乡村发展对高人力资本家庭的收入流动性促进作用更强。
讨论与结论部分,研究指出数字乡村发展作为综合性制度冲击,通过数字基础设施建设、产业数字化、治理数字化和生活数字化,动态重塑传统环境因素的约束作用:缓解农村女性劳动力非农就业的机会不平等、弱化城乡二元结构、改善家庭背景导致的创业资源约束。然而,低收入家庭因数字技能不足、对新环境信任有限,其流动性提升被限制在邻近阶层;高人力资本家庭因更能满足数字技术岗位需求而获得更强促进效应。政策含义包括:持续推进数字乡村建设释放红利;拓宽非农就业渠道并提升数字技能;针对低收入群体设计分阶段渐进式技能培训;依据人力资本水平实施差异化政策。研究局限在于仅两期数据难以区分短期波动与长期趋势、油菜种植户样本代表性有限、中介变量与阶层变量的内生性及三个理论渠道(性别、户籍、家庭背景)无法单独识别,期待未来更长面板、更具代表性样本和更丰富个体信息的跟进研究。