电子商务对农民收入的影响——基于“电子商务进农村综合示范”项目的研究

The Impact of E-Commerce on Farmers’ Income —A Study Based on the “Comprehensive Demonstration of E-Commerce in Rural Areas” Project

摘要: 农民增收是推动乡村振兴和共同富裕的重要内容，而电子商务则是促进乡村振兴和农民增收的一个重要手段。本文选取2013~2022年贵州省88个县(市)为样本，采用准自然实验构建双重差分模型，开展乡村电子商务发展影响农户收入的实证研究。研究发现：1) 贵州省乡村电子商务发展显著促进农民增收；2) 贵州省乡村电子商务发展主要通过促进农村地区的人口流动和丰富农村地区的人力资源影响农村居民收入；3) 在异质性方面，贵州省乡村电子商务对农民收入的影响效果在中部地区和发展较缓地区更为显著。

Abstract: Increasing farmers’ income is an important part of promoting rural revitalization and common prosperity, and e-commerce is an important means of promoting rural revitalization and increasing farmers’ income. This article selects 88 counties (cities) in Guizhou Province from 2013 to 2022 as samples, and uses quasi-natural experiments to construct a double difference model to conduct empirical research on the impact of rural e-commerce development on farmers’ income. Research has found that: 1) The development of rural e-commerce in Guizhou Province significantly increases the income of rural residents; 2) The development of rural e-commerce in Guizhou Province mainly affects the income of rural residents by promoting population mobility and enriching human resources in rural areas; 3) In terms of heterogeneity, the impact of rural e-commerce on farmers’ income in Guizhou Province is more significant in the central region and areas with slower development.

1. 引言

高速发展的现代科技让农村市场受到电商企业的重视，发展电子商务正成为促进农民增收的新方式。商务部的“电子商务进农村综合示范”项目自2014年开始设立，近年贵州省委省政府将发展电子商务作为促进农村地区发展的战略选择。贵州省商务厅在全省范围内连续开展了电子商务进农村综合示范工程国家级创建工作，电子商务进农村综合示范工作取得明显成效，有力地推动了全省农民脱贫增收和“黔货出山”工作[1]。

综上所述，通过电子商务促进自身收入的农村居民越来越多。基于此，本文使用2013~2022年的贵州省县域面板数据和电子商务进农村综合示范政策，采用多期双重差分模型实证研究电子商务发展对农民收入的影响，从理论和实证角度考察电子商务对农户收入所带来的影响及其机制，并给出了相应的建议。

2. 文献综述

已有研究将其划分为两个层面，即电子商务促进了居民收入的增长，和电子商务影响了城乡居民的收入差距[2]。关于电子商务发展对收入水平的影响，现有文献大多认同电子商务具有显著的增收效应。国外关于电子商务和经济增长的研究成果表明，电子商务提高劳动生产率和促进经济增长[3]。电子商务的出现降低了采购，销售，市场交易，运输等费用[4]。国内的文献认为农村电子商务发展有助于促进农民创业和增加非农就业，从而提升农民收入[5]。此外，农村电商还可以刺激其他农业主体带动贫困户脱贫，进而降低贫困发生率[6]。

总而言之，现有文献大多分别考察农村电子商务发展对农民收入水平和收入差距的影响，个别研究同时对两者进行了分析，但在数据样本和内生性问题方面未形成统一的观点。大部分实证研究采用省级面板数据，数据过于宏观，存在内生性问题。鉴于此，本文使用贵州省的县域面板数据，将“电子商务进农村综合示范”作为准自然实验的政策，研究电子商务政策对农民收入的影响，从人口流动、人力资源的视角进一步讨论农村电商政策影响农民收入的内在机制。

3. 理论分析和基本假设

农村电商的发展打破了传统农产品销售方式的地域和渠道限制，使得农产品能够远销全国各地乃至海外市场，极大地拓宽了农产品的销售范围，提升了农产品的附加值，为农民带来经济利益。农村电商政策通过创新农产品交易方式、促进城乡融合、提升农产品品质和竞争力，有效地增加了农民的收入，推动了乡村振兴和农村经济的发展。基于此，本文提出假设1。

假设1：农村电商政策有助于增加农民收入。

农村电商的发展使城乡之间的连接更加紧密，工业品顺利下乡，农产品便捷进城，打破了城乡之间的壁垒。通过农村电商的发展，农村单一的劳动力市场得到了更好的与乡村相匹配的劳动力结构与人力资本充分挖掘农村劳动力的要素潜能，增强乡村发展的包容性。基于此，本文提出假设2。

假设2：人口流动和人力资源会通过调节效应对农村电商政策帮助农民增收产生影响。

4. 研究设计

4.1. 数据来源

“电子商务进农村综合示范县”开始于2014年，在确保充足的控制组样本的前提下，避免“坏控制组”带来的估算偏差，从而实现对电子商务与农户收入的动态关联分析。本文选取2013到2022年间贵州省88个县(市)数据进行实证研究，共获得非平衡的面板数据880份，其中2014~2021贵州省共计47个县被评选为电子商务进农村综合示范县，所以本文以这47个县域的数据作为实验组，其余县域作为对照组进行研究。此外，各县农民收入数据以及控制变量和机制变量数据均来源于贵州省相应年份统计年鉴。为了消除奇异值带来的影响，本文在每一连续变量上、下1%的水平上都做了缩尾，并对各相关变量做了自然对数处理。在表1中给出了各变量的详细定义和描述性统计数据。

Table 1. Descriptive statistics

表1. 描述性统计

		(1)	(2)	(3)	(4)	(5)
		观测值	平均值	标准差	最小值	最大值
变量名	VARIABLES	N	mean	sd	min	max
农村常住居民人均可支配收入/元	lnY	870	9.200	0.344	8.389	10.13
农村常住居民工资性收入/元	lnY1	880	9.208	0.330	8.584	9.995
一般公共预算支出/亿元	lnexpend	880	1.911	0.909	0.0971	4.598
第一产业产值占GDP比重	lnfirst	880	2.884	0.825	−1.725	4.916
第二产业产值占GDP比重	lnsecond	880	3.542	1.060	0.916	7.138
人均地区生产总值/元	GDP_pc	880	38,298	22,893	9767	260,785
互联网宽带用户数对数值/万户	lninternet	880	4.218	0.696	2.597	5.649
常住人口对数值/千人	lnpopreal	880	3.567	0.598	2.407	4.872
年末金融机构各项贷款余额占GDP比重	loansGDP	880	0.873	0.487	0	2.624
户籍人口对数值与常住人口对数值的差值/千人	lnpoplnpopreal	792	0.210	0.242	−0.736	0.627
失业率	lnunemployment	786	1.195	0.205	−0.844	1.607
初中学校数/所	lnjunior_school	879	2.936	0.684	1.386	4.718

4.2. 变量说明

4.2.1. 核心解释变量

本文核心解释变量为电子商务，参考陈享光等的做法，定义did_i,t = treat_i × post_t，其中，treat_i为i县域是否入选电子商务进农村综合示范县名单，若入选则treat_i = 1，否则treat_i = 0；post_t为时间虚拟变量，在入选之前post_t = 0，而在入选当年及之后post_t = 1 [2]。

4.2.2. 被解释变量

本文选取2013~2022年贵州各县(市)农村常住居民人均可支配收入作为统计指标，研究电子商务发展对农村常住居民可支配收入的影响，即农村家庭在当年从各个渠道获取的家庭总收入，扣除相关费用性支出后，最终归属于农民本人的收入总和。

4.2.3. 控制变量

为抑制其它因素对农户收入的影响，在对现有文献进行梳理的基础上，考虑到实际情况，参考陈享光等的做法选取政府规模水平(lnexpend各县一般公共预算支出对数值)、农业发展水平(lnfirst，第一产业产值占GDP比重)、工业发展水平(lnsecond，第二产业产值占GDP比重)，地区发展水平(GDP_pc，人均生产总值)，信息技术基础设施水平(lninternet，互联网宽带用户数对数值)，人口规模水平(lnpopreal，常住人口对数值)，金融发展水平(loansGDP，年末金融机构各项贷款余额占GDP比重)为控制变量[2]。

4.2.4. 机制变量

为验证人口流动、人力资源对于电子商务对于农民增收产生的调节机制，本文参考陈享光等的做法选取户籍人口对数值与常住人口对数值的差值(lnpoplnpopreal)作为人口流动的测量变量[2]；参考曹增栋的做法选取初中学校数(lnjunior_school)、失业率(lnunemployment)作为人力资源的测量变量[7]。

4.3. 模型设定

本文拟以贵州省88个县级市(2013~2022年)为样本，实证检验电商进农村综合试点对农户增收的影响。由于示范县是分批建立，本文使用多期did来检验上文中的假说：

$Y_{it}={\alpha }_{\text{0}}+{\alpha }_{\text{1}}{\text{did}}_{it}+{\displaystyle \sum \gamma X_{it}}+{\mu }_i+{\nu }_t+{\epsilon }_{it}$ (1)

其中，Y_it为i县t年的农民收入，did为虚拟变量，如果该地区被选为示范县且时间为当年及之后，did赋值为1，否则为0，回归系数α₁反映了示范县政策对农民收入的影响，本文着重关注此系数。X_it为其他可能影响被解释变量的控制变量，μ_i和ν_t分别为地区和时间固定效应，ε_it为随机误差项。

5. 实证结果及分析

5.1. 回归结果分析

Table 2. Benchmark regression

表2. 基准回归

	(1)	(2)
VARIABLES	lnY	lnY
did	0.00835^**	0.00709^**
	(2.392)	(2.201)
lnexpend		0.00784^*
		(1.712)
lnfirst		0.0201^**
		(2.050)
lnsecond		0.0285^***
		(4.470)
GDP_pc		−3.42e−07
		(−1.296)
lnInternet		0.0338^**
		(2.439)
lnpopreal		−0.0508^***
		(−3.335)
loansGDP		0.0256^***
		(3.742)
Constant	9.197^***	9.052^***
	(7844)	(113.6)
Observations	870	870
R-squared	0.996	0.997

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

本文采用Stata-18软件对其进行了回归分析。首先，在(1)式的基础上，对电子商务与农民可支配收入之间的关系进行了分析，表2得出了以下结论：在控制了城市固定效应与年份固定效应后，核心解释变量系数为0.00853，且达到了5%的显著水平。因此，本研究的研究结论是：电子商务的发展对我国农村居民的可支配收入有明显的促进作用。在此基础上，在控制政府规模水平、农业发展水平、工业发展水平，地区发展水平，信息技术基础设施水平，人口规模水平和金融发展水平的基础上，探讨电子商务对农民可支配收入的影响。第二列的检验结果表明，该模型的核心解释变量系数为0.0079，并且达到了5%的显著水平。这说明，在加入控制变量后，电子商务对农村居民可支配收入仍具有明显的促进作用，这为本文的假说一提供了佐证。

5.2. 稳健性检验

在此基础上，本文采用平行趋势检验法、安慰剂检验法、变量滞后一期检验和替代变量检验等方法对研究结果进行了稳健性检验。

5.2.1. 平行趋势检验

在没有“电子商务进农村综合示范”项目这一政策因素的影响下，研究组与控制组的变动趋势应该是相同的，从而保证了这两个变量的唯一驱动因素是政策这一外生事件。因此，本文拟采用事件研究法，以政策执行前3年、后4年的时间点为解释变量，比较研究组和控制组农户的收入在执行前和执行后的变化情况，以判定是否符合平行假设。结果如图1所示，事前年份虚拟变量(pre_3、pre_2、pre_1)均不显著。本研究结果显示，在“电子商务进农村综合示范”遴选政策执行之前，实验组与控制组之间没有明显的系统差别，所以平行趋势的检验是通过的。

5.2.2. 安慰剂检验

另一种可能存在的问题是，在统计上，农民可支配收入的显著性，很有可能是由于某种随机的原因导致的。因此，本文使用permute 构造交互项来构造安慰剂检验，判定“电子商务进农村综合示范”评选是否受到其它因素的影响。本文以电子商务进农村综合示范县为样本，逐年随机抽取与该数量相同的地区生成“伪实验组”，对其进行500次回归。图2~4分别展示了 500次重新分组的估计系数的分布，相应的t值以及p值。从图2可以看出，“伪实验组”估计系数的分布符合正态分布，且大部分点集中在零附近。从图3可以看出，“伪实验组”估计值的t值的分布符合正态分布，且大部分点集中在零附近。从图4可以看出，“伪实验组”的估算结果的p值均超过0.1，在统计上并不显著。上述安慰剂测试显示，本文的估计结果不是意外所得，从而进一步证实了本文的结论。

Figure 1. Parallel trend test

图1. 平行趋势检验

Figure 2. Placebo test—estimated coefficient

图2. 安慰剂检验——估计系数

Figure 3. Placebo test—t-value

图3. 安慰剂检验——t值

Figure 4. Placebo test—p-value

图4. 安慰剂检验——p值

5.2.3. 滞后变量

由于农村居民人均可支配收入对电子商务发展也具有反向作用，因此，本文将核心解释变量进行了滞后一期，再对其进行回归分析。由表3可以看出，核心解释变量被延迟一期后，其核心解释变量至少在1%水平上显著，从而证实了本文的研究结论，电子商务能够帮助农民增收。另外，由于本文所研究的控制变量与当地农村居民人均可支配收入之间存在着很强的因果联系，为此，为消除因反向因果关系而造成的估算偏差，并确保估算结果的可信度，作者在本文中对全部控制变量进行了延迟一期再进行回归分析，得到了如表4的结论。研究发现，经过一段时间的延迟处理，各控制变量均达到了1%的显著水平。这说明在消除了控制变量的反向因果关系之后，研究结果仍然是稳健的。

Table 3. Lagged core explanatory variable

表3. 滞后核心解释变量

	(1)
VARIABLES	lnY
L.did	0.00893^***
	(3.827)
Constant	9.250^***
	(10,128)
Observations	782
R-squared	0.997

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

Table 4. Lagged control variable

表4. 滞后控制变量

	(1)
VARIABLES	lnY
did	0.00651^***
	(2.762)
L.lnexpend	0.00171
	(0.398)
L.lnfirst	0.0160^**
	(2.187)
L.lnsecond	0.00756^*
	(1.833)
L.GDP_pc	1.06e−07
	(0.388)
L.lninternet	0.0533^***
	(4.920)
L.lnpopreal	−0.0421^***
	(−3.019)
L.loansGDP	0.0135^***
	(2.586)
Constant	9.089^***
	(132.4)
Observations	782
R-squared	0.998

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

5.2.4. 替换变量

表5列(1)结果显示，当把被解释变量用农村居民的工资收入替代时，在控制了年份固定效应和城市固定效应后，其核心解释变量保持在5%的显著水平，这进一步证实了本文的研究结论。

Table 5. Replace the explained variable

表5. 替换被解释变量

	(1)	(2)
VARIABLES	lnY1	lnY1
did	0.00396^**	0.00292^*
	(2.263)	(1.826)
lnexpend		0.00167
		(0.786)
lnfirst		0.0103^***
		(2.844)
lnsecond		0.00709^***
		(2.906)
GDP_pc		−2.67e−07^***
		(−2.984)
lninternet		0.0311^***
		(5.044)
lnpopreal		−0.0213^***
		(−3.848)
loansGDP		0.00127
		(0.444)
Constant	9.207^***	9.103^***
	(17,916)	(256.8)
Observations	880	880
R-squared	0.999	0.999

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

5.3. 机制分析

5.3.1. 人口流动

为了验证乡村电子商务发展会影响农村地区人口流动进而影响农民收入，笔者引入户籍人口对数值与常住人口对数值的差值(lnpoplnpopreal)作为验证变量，结果如表6所示。从列(2)可以看出，核心解释变量系数为−0.0179，并且至少在1%水平显著，即乡村电子商务发展使农村地区的常住人口数量增加，即人口流动加快，从而导致农民收入增加。

Table 6. Analysis of population mobility mechanism

表6. 人口流动机制分析

	(1)	(2)
VARIABLES	lnpoplnpopreal	lnpoplnpopreal
did	−0.00887	−0.0179^***
	(−0.943)	(−3.332)
lnexpend		0.00482
		(0.469)
lnfirst		0.0758^***
		(3.355)
lnsecond		0.00776
		(0.794)
GDP_pc		−1.42e−06^***
		(−2.720)
lnInternet		−0.0119
		(−0.485)
lnpopreal		−0.539^***
		(−12.64)
loansGDP		−0.0169
		(−0.836)
Constant	0.212^***	1.997^***
	(70.58)	(9.189)
Observations	792	792
R-squared	0.938	0.972

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

5.3.2. 人力资源

为研究电子商务是否对乡村人力资源的发展产生影响，笔者以初中学校数(lnjunior_school)、失业率(lnunemployment)作为农村地区人力资源的测量变量。将变量加入回归模型后，如表7所示。由列(2)可以看出，电子商务拉动了农村地区初中学校数量的增加，并且在5％的水平上显著。从列(3)和列(4)可以看出电子商务显著降低了当地失业率，这说明电子商务能够通过降低失业率这一调节效应帮助农民增收。

Table 7. Analysis of human resource mechanism

表7. 人力资源机制分析

	(1)	(2)	(3)	(4)
VARIABLES	lnjunior_school	lnjunior_school	lnunemployment	lnunemployment
did	0.0347	0.0503^**	−0.0427^***	−0.0355^**
	(1.472)	(2.174)	(−2.652)	(−2.328)
lnexpend		0.0465		0.00790
		(1.636)		(0.343)
lnfirst		0.0316		0.0421
		(0.693)		(1.321)
lnsecond		−0.0521		0.0222
		(−1.507)		(1.002)
GDP_pc		−3.49e−06^***		4.76e−07
		(−2.837)		(0.466)
lninternet		−0.00775		−0.391^***
		(−0.109)		(−7.325)
lnpopreal		0.498^***		0.00368
		(6.273)		(0.0726)
loansGDP		−0.0233		−0.0146
		(−0.516)		(−0.535)
Constant	2.926^***	1.332^***	1.209^***	2.590^***
	(354.0)	(2.758)	(212.1)	(8.192)
Observations	879	879	786	786
R-squared	0.945	0.951	0.660	0.696

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

5.4. 异质性分析

5.4.1. 地域异质性

贵州地形属中国西南地区的丘陵地带，地形西部高，东部低，中部向北，东部和南部呈斜坡状，地形不同可能会通过影响物流等方面对电子商务的发展造成影响。在此背景下，农村电子商务发展对农户收入的影响是否具有地域异质性？为了回答这个问题，作者将样本按经度进行了分组检验，得到的回归数据见表8。研究结果表明，与东西部相比，中部地区农村电子商务的发展对农户的收入有更显著的作用。本文认为主要的原因是中部地区距离贵州省省会的距离更近，电子商务的物流保障较好，高质量的物流能够提升农村区域电子商务的增收效益。

Table 8. Analysis of regional heterogeneity

表8. 地域异质性分析

	(1)	(2)	(3)	(4)	(5)	(6)
VARIABLES	lnY_west	lnY_west	lnY_central	lnY_central	lnY_east	lnY_east
did	0.00152	−0.00113	0.0138^**	0.00983	0.00320	0.00432
	(0.288)	(−0.240)	(2.047)	(1.603)	(0.885)	(1.261)
lnexpend		0.0268^***		0.00507		0.00327
		(3.072)		(0.833)		(0.652)
lnfirst		0.0282^*		0.0147		−0.0435^**
		(1.822)		(1.118)		(−2.290)
lnsecond		−0.00279		0.0362^***		0.0129^***
		(−0.330)		(3.957)		(3.128)
GDP_pc		1.14e−06^**		−2.20e−07^**		3.58e−07
		(1.972)		(−1.998)		(0.833)
lninternet		0.0144		0.0222^*		−0.0271^*
		(0.459)		(1.678)		(−1.816)
lnpopreal		−0.00797		−0.0683^***		0.00934
		(−0.312)		(−4.282)		(0.414)
loansGDP		0.00643		0.0313^***		0.00874
		(0.560)		(4.587)		(0.783)
Constant	9.098^***	8.889^***	9.363^***	9.301^***	9.076^***	9.212^***
	(4132)	(54.48)	(5534)	(130.1)	(6911)	(77.44)
Observations	260	260	350	350	260	260
R-squared	0.995	0.996	0.996	0.997	0.999	0.999

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

5.4.2. 地区生产总值增速异质性

电子商务交易额的增加促进了经济增长，同时经济增长也为电子商务提供了更多的发展机会和市场空间，但是不同地区的初始地区生产总值不同，这是否会对电子商务形成异质性影响。本文将2013~2022年贵州省内地区生产总值增速求和，再将样本分为高增速和低增速两个组进行回归。结果如表9显示，从列(3)和列(4)可以看出，电子商务在地区生产总值较低的地区中能够显著影响农民收入，本文认为可能的原因是在地区生产总值增速较低的地区农民收入结构较为单一，电子商务的加入完善了农村市场体系，促进了农村流通现代化，丰富了当地的产业结构，延长了当地的产业价值链，从而增加了农民收入。

Table 9. Heterogeneity analysis of regional GDP growth rate

表9. 地区生产总值增速异质性分析

	(1)	(2)	(3)	(4)
VARIABLES	lnY_high	lnY_high	lnY_low	lnY_low
did	0.00215	0.00531	0.0122^***	0.0114^***
	(0.370)	(1.096)	(3.088)	(3.147)
lnexpend		0.00816		0.00834
		(1.363)		(1.386)
lnfirst		−0.0121		0.0374^***
		(−0.838)		(3.340)
lnsecond		0.0459^***		0.0149^**
		(5.424)		(2.410)
GDP_pc		−4.73e−07		3.84e−08
		(−1.514)		(0.157)
lninternet		−0.0198		0.0339^**
		(−0.643)		(2.282)
lnpopreal		−0.0427^*		−0.0530^***
		(−1.900)		(−3.556)
loansGDP		0.0360^***		0.00711
		(4.695)		(0.930)
Constant	9.197^***	9.274^***	9.198^***	9.064^***
	(5300)	(74.51)	(6187)	(94.67)
Observations	440	440	430	430
R-squared	0.996	0.997	0.997	0.998

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

5.4.3. 第一产业增速异质性

电子商务进农村示范县政策对农民收入的影响可能会因地区间产业结构的不同而存在显著差异。所以本文按照2013~2022年第一产业增速的总和将样本分为第一产业高速发展组和低速发展组，再进行回归，从表10可以看出，在第一产业增速较慢的样本中电子商务对于农民收入具有显著的增加效应，本文认为可能的原因是农村地区的电子商务种类主要由农产品及其衍生产品构成，在第一产业增速较慢的地区原本农产品对于农民收入的影响权重较大，电子商务的加入更能影响农民增收。

Table 10. Analysis of heterogeneity in the growth rate of the primary industry

表10. 第一产业增速异质性分析

	(1)	(2)	(3)	(4)
VARIABLES	lnY_high	lnY_high	lnY_low	lnY_low
did	0.00172	0.00209	0.0118^***	0.0121^***
	(0.304)	(0.365)	(2.777)	(3.141)
lnexpend		0.0343^***		−0.00513
		(3.966)		(−1.211)
lnfirst		0.00338		0.0133
		(0.222)		(1.284)
lnsecond		0.00169		0.0310^***
		(0.190)		(4.379)
GDP_pc		5.55e−07		−6.77e−08
		(1.076)		(−0.355)
lninternet		−0.0210		0.0163
		(−0.850)		(1.047)
lnpopreal		−0.00495		−0.0760^***
		(−0.197)		(−5.630)
loansGDP		0.00359		0.0333^***
		(0.299)		(4.870)
Constant	9.096^***	9.089^***	9.250^***	9.280^***
	(4086)	(66.35)	(7237)	(133.0)
Observations	300	300	570	570
R-squared	0.995	0.996	0.997	0.998

Robust t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

6. 研究结论与对策建议

探索农民增收途径，实现共同富裕，是近几年来学界研究的热点问题。本文在前期研究基础上，重点探讨电子商务与农民可支配收入的内在联系及影响机制，为进一步深化乡村电子商务发展的社会经济效益提供理论依据。本文以贵州省2013年到2022年88个县(市)为研究对象，利用“电子商务进农村综合示范”项目的准自然实验构造双重差分，对电子商务发展与农村常住居民人均可支配收入之间的关系进行实证评估。结果表明：(1) 电子商务对农户增收有显著的影响，这一结论在稳健性上得到了验证；(2) 产生机制显示，电子商务发展主要通过农村地区人口流动和人力资源两个方面影响农村常住居民人均可支配收入；(3) 异质性检验表明，电子商务发展影响农村常住居民人均可支配收入的效果在贵州省中部地区、GDP增速较缓和第一产业增速较缓的地区更加显著。

笔者建议，进一步加强发展电子商务的力度，充分激发电子商务的发展潜能，尤其是在增速发展较缓地区，推动农村电子商务深入发展，积极推动电子商务进农村综合示范县在农村生产、加工等领域的运用，促进线上线下融合发展，大力促进乡村电子商务发展，使其经济和社会价值最大化，帮助农民增加收入。