2.1. 数字经济对城乡居民消费差距的影响分析
数字经济发展赋能居民消费领域,能够缩小城乡消费差距。数字经济与消费实体产业的融合发展可以促进居民消费行为。数字技术在消费领域的应用可有效降低信息获取的难度,提升商品信息的透明度,从而减少信息不对称导致的消费者顾虑[1]。尤其是对信息匮乏和消费服务缺失的农村居民,数字经济赋能电商平台,解决农村居民的信息匮乏和消费服务缺失问题[2],扩大农村消费市场规模,进而缩小城乡消费差距。
数字经济发展赋能公共服务领域,可以弥合城乡消费差距。公共服务是市场经济的基础,有着强烈的溢出效应。而长期以来,由于我国的城乡二元结构,城镇与乡村的公共服务水平有着巨大的差距,这不仅影响城乡一体化发展,也深刻影响到城乡居民的生活质量与消费水平。数字经济发展可以通过建设数字政务平台、数字教育平台、数字医疗中心等来缓解城乡公共服务差距[3],改善农村居民的公共服务体验,进而影响农村居民消费水平。此外,良好的公共服务也能够推动居民收入增加,并调整家庭的消费储蓄策略,降低个人储蓄动机,从而增加家庭居民消费。据此,提出如下假设:
假设1:数字经济能够缩小城乡居民消费差距
2.2. 数字经济传导机制的相关分析
数字经济的发展促进外资流入,可以缩小城乡消费差距。数字经济对数据要素的挖掘、共享提升了金融市场的有效性,使得外企在开拓新的消费市场时能用较低的成本获得更多的市场信息,降低了信息不对称导致的准入门槛。另一方面,数字经济凭借互联网技术打破时空界限,快速匹配需求与供给,降低交易成本。数字经济发展可以通过推进市场一体化,缓解地区贸易壁垒程度来吸引外资流入[4]。进一步而言,外资流入是实现经济增长,居民收入提高的重要途径,外资在科技、物流等领域的投资也可以反哺数字经济产业发展,便利居民线上消费。据此,提出如下假设:
假设2:数字经济通过吸引外资流入来缩小城乡居民消费差距
数字经济发展赋能居民收入领域,可以弥合城乡居民消费差距。一方面,数字经济提升企业创新绩效和非农就业进而提高居民的收入水平[5]。另一方面,数字产业化和产业数字化带来产业结构升级会显著提升产业附加值,在降低生产成本的同时,提高生产效率,改造销售流程与供需模式,进而提高企业盈利能力和居民工资收入。此外,数字经济会促进农村金融业发展,提升农村金融效率,解决农业金融服务中的成本与速度问题,通过数字技术手段极大地满足农民对农业金融服务的需求,降低信息不对称导致地融资成本[6],从而提高农村产业发展水平和农村居民收入。综上,数字经济对居民收入具有明显的促进效应,并通过收入效应缩小城乡居民消费差距。据此,提出如下假设:
假设3:数字经济通过增加居民收入来缩小城乡居民消费差距
此外,数字经济对城乡居民消费差距的弥合效应还受到劳动力转移的影响。数字经济与产业融合发展不仅能提供更多的非农就业岗位,也能拓宽城乡居民的就业渠道和降低信息获取成本[7],从而加速劳动力转移。而数字经济的发展一方面也依赖于劳动力要素的自由流通。另一方面,劳动力转移能够平衡城乡人力资本需求,缓解结构性失业,并通过收入预期效应将农村劳动力引导向生产效率更高的新型产业,从而提升居民收入,促进城乡要素自由流通,实现城乡融合,缩小城乡居民消费差距。故劳动力转移具有调节效应,且由于中国巨大的数字经济发展水平的地区差异与结构差异,劳动力转移的调节效应将会具有明显的空间异质性。据此,提出如下假设:
假设4:劳动力转移在数字经济对城乡居民消费差距的影响过程中具有调节效应。
根据前文的分析与假设,提出数字经济与城乡居民消费差距的研究框架(如图1)。
3. 数字经济对城乡消费差距的模型构建
3.1. 数据来源与变量选量
本文选取31个省(市) (不包含港澳台) 2011年~2021年面板数据,全部数据均来自于《中国统计年鉴》,部分缺失值用插值法补全。
解释变量为城乡居民消费差距(Y),采用城镇居民与农村居民的人均消费支出的比值表示。
核心解释变量为数字经济指数(DEC)。考虑变量获取难易程度,本文参考柏培文的指标选取方法[8],以及国家统计局发布的《数字经济及其核产业统计分类(2021)》,从数字基础设施、数字产业发展和数字交易发展等三个方面构建数字经济综合体系(见表1)。
中介变量为农村居民收入和外资流入。农村居民收入(Income):本文选农村居民年人均可支配收入来衡量;外资流入(FDI):本文选取地区外商直接投资额来衡量。
调节变量为劳动力转移(FLOW)。本文参考张辽的选取方法,采用人口数目的变化减去人口的自然增长表示劳动力转移[9]。方法如下所示:
Figure 1. Theoretical framework of the digital economy and the consumption gap between urban and rural residents
图1. 数字经济与城乡居民消费差距理论框架
Table 1. Digital economy index evaluation index system
表1. 数字经济指数评价指标体系
主指标 |
一级指标 |
二级指标 |
测度指标 |
指标属性 |
数字经济 |
数字基础设施 |
数字物质基础设施 |
光缆密度 |
+ |
移动电话基站密度 |
+ |
互联网接口密度 |
+ |
数字知识资本 |
人均教育年限 |
+ |
人均教育支出 |
+ |
地方财政科学技术支出 |
+ |
数字产业发展 |
创新驱动 |
R&D人员全时当量 |
+ |
科技支出占GDP比例 |
+ |
国内专利申请授权量 |
+ |
技术市场成交额 |
+ |
数字经济就业结构 |
信息传输、软件和信息技术服务业就业人数/总人数 |
+ |
|
数字交易发展 |
数字交易发展 |
电信业务总量 |
+ |
人均短信量 |
+ |
数字普惠金融 |
数字普惠金融深度 |
+ |
数字普惠金融广度 |
+ |
(1)
式(1)中,
表示i省t年年末人口数,
表示年初人口数,
表示地区人口自然增长率。
控制变量。经济发展水平(GDP):本文选择地区生产总值衡量地区经济发展水平;医疗保障水平(SEC):本文选择每万人拥有医疗机构床位数衡量地区医疗保障水平;交通运输(TRA):本文选择人均道路面积衡量地区交通运输水平;经济产业结构(IS):本文选取二、三产业增加值之和与GDP的比值衡量地区经济产业结构水平。
表2为各变量描述性统计,经VIF检验,各主要变量不存在多重共线性问题(见表2)。
Table 2. Descriptive statistics
表2. 描述性统计
变量 |
样本数 |
均值 |
标准差 |
最小值 |
最大值 |
Y |
341 |
2.166 |
0.352 |
1.510 |
3.696 |
DEC |
341 |
0.124 |
0.101 |
0.0200 |
0.545 |
SEC |
341 |
23.99 |
15.89 |
0.840 |
72.13 |
TRA |
341 |
16.23 |
4.893 |
4.040 |
26.78 |
GDP |
341 |
25,238 |
21,917 |
611.5 |
124,720 |
IS |
341 |
0.902 |
0.0520 |
0.742 |
0.998 |
FDI |
341 |
7.859 |
1.620 |
2.291 |
10.95 |
Income |
341 |
9.401 |
0.416 |
8.361 |
10.56 |
FLOW |
341 |
0 |
0.0090 |
−0.0360 |
0.0290 |
3.2. 模型建构
为检验数字经济对城乡居民消费差距是否存在影响,建立以下模型:
(2)
式(2)中,
为i省份t年对应的城乡居民消费差距;
为数字经济发展水平指数,
表示其余控制变量,
为随机扰动项。
为进一步探讨数字经济对城乡居民消费差距的传导机制,引入中介变量
,代表农村居民收入或外资流入,建立如下模型:
(3)
基于基准模型,引入数字经济与劳动力转移交互项
,进而研究劳动力转移在数字经济对城乡居民消费差距的影响中是否发挥调节作用。建立以下模型:
(4)
4. 数字经济与城乡居民消费差距关系的实证分析
综上所述,本文选取2011到2021年我国31个省(市)的面板数据作为样本数据进行实证分析,从而验证理论假说。
4.1. 基准回归分析
经过豪斯曼检验,本部分选择固定效应模型进行回归分析,基准回归结果如表3所示。回归1不加入控制变量仅控制个体效应,结果表明,数字经济在1%水平上能够显著缩小城乡居民消费差距。回归2加入控制变量仅控制个体效应,结果显示,数字经济对城乡居民消费差距,的影响在1%水平上显著。回归3加入控制变量,并控制年份和个体效应,结果显示,数字经济对城乡居民消费差距,的影响同样在1%水平上显著,且模型的R2-squared从0.662上升至0.768,表明模型对现实问题的解释力水平上升。综上所述,数字经济可以缩小城乡居民消费差距,且三种回归中核心解释变量系数估计值都在1%的水平上显著,表明回归结果具有稳健性,假设1成立。这说明数字经济在信息要素整合、成本控制和商品多元化等方面对扩大农村居民消费、缩小城乡居民消费差距具有极强的正向作用。
Table 3. Baseline regression results
表3. 基准回归结果
|
(1) Y |
(2) Y |
(3) Y |
DEC |
−2.663*** |
−1.596*** |
−0.978** |
|
(0.161) |
(0.255) |
(0.385) |
SEC |
|
−0.019*** |
−0.012*** |
|
|
(0.003) |
(0.003) |
TRA |
|
−0.032*** |
−0.009** |
|
|
(0.004) |
(0.004) |
GDP |
|
0.000*** |
0.000*** |
|
|
(0.000) |
(0.000) |
IS |
|
−0.978 |
−0.089 |
|
|
(0.766) |
(0.694) |
_cons |
2.497*** |
4.014*** |
2.795*** |
|
(0.022) |
(0.672) |
(0.619) |
N |
341.000 |
341.000 |
341.000 |
R2-squared |
0.418 |
0.662 |
0.768 |
个体固定效应 |
YES |
YES |
YES |
年份固定效应 |
NO |
NO |
YES |
注:***、**、*分别代表通过显著性水平为1%、5%、10%的检验,下同。
4.2. 中介效应模型检验
Table 4. Results of mediating effect regression
表4. 中介效应回归结果
|
(1) FDI |
(2) Y |
(3) X |
(4) Y |
DEC |
2.823*** |
−0.817** |
0.149 |
−0.848** |
|
(0.829) |
(0.390) |
(0.097) |
(0.377) |
SEC |
0.010 |
−0.011*** |
0.000 |
−0.012*** |
|
(0.006) |
(0.003) |
(0.001) |
(0.003) |
TRA |
0.025*** |
−0.007* |
0.004*** |
−0.005 |
|
(0.008) |
(0.004) |
(0.001) |
(0.004) |
GDP |
−0.000*** |
0.000*** |
−0.000* |
0.000*** |
|
(0.000) |
(0.000) |
(0.000) |
(0.000) |
IS |
3.678** |
0.120 |
0.426** |
0.281 |
|
(1.496) |
(0.697) |
(0.174) |
(0.685) |
FDI |
|
−0.057** |
|
|
|
|
(0.027) |
|
|
Income |
|
|
|
−0.869*** |
|
|
|
|
(0.227) |
_cons |
3.844*** |
3.014*** |
8.459*** |
10.144*** |
|
(1.335) |
(0.624) |
(0.156) |
(2.010) |
N |
341.000 |
341.000 |
341.000 |
341.000 |
R2-squared |
0.476 |
0.771 |
0.992 |
0.779 |
个体固定效应 |
YES |
YES |
YES |
YES |
年份固定效应 |
YES |
YES |
YES |
YES |
在基准回归的基础上,引入中介变量进行中介效应检验,结果见表4。
表4列(1)和列(2)报告了以外商直接投资为中介变量的回归结果,由列(1)可知数字经济的回归系数为2.823,且在1%的水平上显著,意味着数字经济发展可以吸引外资流入。列(2)中,在加入中介变量外商直接投资后,数字经济与外资流入的回归系数均通过了显著性检验,但与基准模型的结果相比,回归系数有所下降,这表明外资流入在数字经济推动城乡消费差距的过程中存在部分中介效应,支持了假设2,数字经济可以通过吸引外资流入缩小城乡消费差距。
列(3)和列(4)报告了以居民收入为中介变量的回归结果,列(3)中数字经济的回归系数为正,且1%的水平上显著,意味着数字经济发展能够提升当地农村居民收入。列(4)中,数字经济与农村居民收入的回归系数均通过了显著性检验,而且数字经济的回归系数与基准模型的结果相比同样有所下降,表明居民收入在数字经济推动居民消费升级的过程中存在部分中介效应,支持假设3。这说明,数字经济赋能企业信息流通和生产、销售各环节,有效降低企业生产成本和交易成本从而提高企业利润,增加居民收入。对于农村农业来说,数字金融的普及,缓解了农村农业的融资约束,拓宽了农村居民的融资渠道,从而提高农村居民收入,并通过收入效应缩小城乡消费差距。
4.3. 调节效应模型检验
利用交互项模型检验劳动力转移能否调节数字经济对城乡居民消费差距的影响,结果见表5。从全国层面来看,数字经济与劳动力转移的交互项系数为负且通过1%的显著检验。这表明,劳动力转移能够增强数字经济对城乡居民消费差距的弥合效应。假设4成立。
分地区层面看,数字经济及其与劳动力转移的交互项对城乡居民消费差距的影响具有明显的东中西部差异。在西部地区,数字经济能缩小城乡居民消费差距,且劳动力转移会加强数字经济对城乡居民消费差距的弥合效应;在东部地区,数字经济能降低城乡居民消费差距,但劳动力转移所带来的调节效应并不明显;而对于中部地区,数字经济对城乡居民消费差距的影响不显著。原因可能是,对于西部地区,劳动力转移会加速数字经济产业发展,得益于西部大数据中心战略的建设和农村易地扶贫,农村劳动力向城市流动,缓解了数字经济产业对劳动力的需求;对于中部地区,受制于数字经济城乡的发展不平衡,“数字鸿沟”大于“数字红利”,数字经济难以弥合城乡居民消费差距;而对于东部地区,劳动力转移规模有限,且由于数字经济发展水平较高,数字经济产业发展对劳动力需求下降,劳动力转移不能加快区域数字经济产业发展,所以调节效应并不显著。
Table 5. Results of the interaction term test
表5. 交互项检验结果
|
全国 Y |
东部 Y |
中部 Y |
西部 Y |
DEC |
−0.982** |
−1.597*** |
0.261 |
−2.299** |
|
(0.381) |
(0.540) |
(0.958) |
(0.980) |
DEC_FLOW |
−40.322*** |
14.309 |
−74.857* |
−130.118** |
|
(11.122) |
(16.676) |
(43.425) |
(50.106) |
SEC |
−0.015*** |
−0.001 |
−0.020*** |
−0.019** |
|
(0.003) |
(0.007) |
(0.005) |
(0.009) |
GDP |
0.000*** |
0.000** |
0.000 |
0.000 |
|
(0.000) |
(0.000) |
(0.000) |
(0.000) |
TRA |
−0.010*** |
−0.021*** |
0.008 |
−0.003 |
|
(0.004) |
(0.008) |
(0.011) |
(0.005) |
IS |
0.014 |
−2.440 |
1.980** |
−2.283* |
|
(0.678) |
(2.174) |
(0.895) |
(1.177) |
_cons |
2.714*** |
5.044** |
0.774 |
4.849*** |
|
(0.606) |
(1.995) |
(0.795) |
(1.042) |
N |
341.000 |
121.000 |
88.000 |
132.000 |
R2-squared |
0.784 |
0.749 |
0.839 |
0.858 |
个体固定效应 |
YES |
YES |
YES |
YES |
年份固定效应 |
YES |
YES |
YES |
YES |
4.4. 异质性检验
为了进一步分析数字经济对不同消费类型的影响是否存在异质性,将居民消费类型分为生存性消费、享受与发展性消费。其中生存性消费包括用于食品、衣着、居住的开支,享受与发展性消费包括用于教育文化娱乐、医疗保障、交通通信及其他。
通过城镇居民与乡村居民不同类型消费的比值得到发展与娱乐性消费差距Y1,生存性消费Y2。基于此,作基准回归,结果见表6 (由于数据缺失,本数据采用2016年~2021年)。
由表6可知,Y2在1%的水平上显著性为负,Y1则不显著,说明数字经济能够缩小城乡居民的发展与娱乐性消费差距,并进一步提升居民消费水平与消费结构。这是因为数字经济融合文化、教育、娱乐、医疗等领域,推动线上线下一体化服务,使得农村居民在这些领域的服务获取难度大大降低,客观上提高了农村公共服务水平,缩小了城乡的公共服务水平。综上,数字经济的发展赋能服务领域,对公共服务缺失的农村居民来说,数字经济融合线上平台,使得农村居民享受公共服务不再困难,真正实现了城乡在公共服务领域的均衡发展,并最终弥合城乡消费差距。
Table 6. Heterogeneity test
表6. 异质性检验
|
(1) Y |
(2) Y1 |
(3) Y2 |
DEC |
−0.990** |
−0.300 |
−2.322*** |
|
(0.455) |
(0.522) |
(0.800) |
SEC |
−0.013*** |
−0.011** |
−0.013* |
|
(0.004) |
(0.005) |
(0.007) |
TRA |
−0.014*** |
−0.016*** |
−0.008 |
|
(0.004) |
(0.005) |
(0.007) |
GDP |
0.000*** |
0.000* |
0.000*** |
|
(0.000) |
(0.000) |
(0.000) |
IS |
−1.288 |
−0.286 |
−3.403 |
|
(1.225) |
(1.404) |
(2.152) |
_cons |
3.698*** |
2.799** |
5.520*** |
|
(1.092) |
(1.252) |
(1.919) |
N |
186.000 |
186.000 |
186.000 |
R2-squared |
0.726 |
0.664 |
0.482 |
个体固定效应 |
YES |
YES |
YES |
年份固定效应 |
YES |
YES |
YES |
4.5. 稳健性检验
为检验回归结果是否稳健,本文采用替换核心解释变量的方法对估计回归结果进行稳健性检验。建立数字经济综合指数的指标中可能存在与城乡消费差距双向因果的因素,故剔除二者相关变量,只采用数字产业相关变量构建数字发展指数Score作为工具变量,进行基准回归,得到结果见表7,其中列(1)、列(2)显示数字经济对城乡消费差距的影响依然显著,且回归系数与表二基准回归的结果大致相同。所以,可以说明数字经济可以有效弥合城乡消费差距,研究假设成立。
Table 7. Robustness test
表7. 稳健性检验
|
(1) Y |
(2) Y |
Score |
−1.977*** |
−0.794*** |
|
(0.123) |
(0.129) |
SEC |
|
−0.017*** |
|
|
(0.003) |
TRA |
|
−0.030*** |
|
|
(0.004) |
GDP |
|
0.000 |
|
|
(0.000) |
IS |
|
−0.714 |
|
|
(0.769) |
_cons |
2.460*** |
3.770*** |
|
(0.020) |
(0.676) |
N |
341.000 |
341.000 |
R2-squared |
0.402 |
0.661 |
5. 结论与建议
本文围绕数字经济发展对城乡居民消费的影响出发,选取了2011~2021年省级面板数据,通过上述理论分析与实证检验,得出以下结论:第一,数字经济发展能够有效缩小城乡居民消费差距;第二,外商直接投资与居民收入在数字经济弥合城乡居民消费差距的影响中充当中介效应。第三,劳动力转移在数字经济对城乡居民消费差距的影响中具有调节效应,且调节效应具有明显的空间异质性。第四,数字经济对不同消费类型所产生的弥合效应有显著差距,其中,数字经济发展能够有效缩小城乡居民的享受与发展性消费差距,而对城乡居民的生存性消费差距影响甚微。
基于上述结论,本文提出如下建议:
第一,加大数字经济产业发展的扶持力度,加快数字政府的建设。依托大数据平台,推动政务服务线上线下标准统一,建立全面融合、渠道多元的一体化政务服务体系,缩小城乡公共服务差距。
第二,打造良好营商环境,加大对外资的吸引力度。依托大数据技术,打造一个公平、便利、透明的营商环境,为外商投资健全法律保护机制和有力政策扶持。特别是要支持外资在高科技、高端消费领域的投资,如支持先进制造、现代服务、数字经济等领域外商投资企业,为数字经济与实体融合发展引入外资变量,以此加快数字技术应用和数字经济发展。另外,要鼓励外资在农村地区的投资建设。
第三,提高农村数字基础建设水平,促进数字农村建设和农村数字产业兴旺,进而以数字技术赋能农村产业发展,提高农村居民收入水平。进一步完善农村物流系统建设,促进农村居民网上消费的增长,改善农村居民消费结构,提高农村居民消费水平,最终缩小城乡居民消费差距。
第四,政府要加大对农业、农村的数字金融普惠力度,通过数字金融专向渠道,缓解农业贷款难和农村居民金融服务匮乏等问题,从而提高农村产业发展水平,改善农村居民的收入结构,实现农村居民收入和消费的正向循环。