数字经济发展对代际收入流动的影响研究

The Study on the Impact of Digital Economy Development Level on Intergenerational Income Mobility

摘要: 发展数字经济助推共同富裕，是当前广受关注的焦点话题。作为共同富裕的重要度量，社会代际流动能否在数字经济时代下得以改善具有深远的研究价值。本文探讨了数字经济在促进中国代际收入流动性的影响及其内在机制。利用2013至2019年的中国家庭金融调查数据库，本文从理论和实证角度出发，探讨了数字经济对代际收入流动的影响及其背后机制。研究结果表明，数字经济对于提高代际收入流动性具有显著正向影响，并且通过工具变量法、更改测度方法、精确子代年龄范围等检验依然稳健。进一步研究发现，这一作用通过弱化代际劣势传递、强化能力有用论、扩大子代社会资本和优化经济结构等机制实现。本文为数字变革下如何提升社会流动性以及实现共同富裕提供新的政策建议。

Abstract: The development of the digital economy as a driver for common prosperity is a focal point of current attention. As an important measure of common prosperity, whether social intergenerational mobility can be improved in the digital economy era holds profound research value. This paper explores the impact of the digital economy on intergenerational income mobility in China and its underlying mechanisms. Utilizing the China Household Finance Survey from 2013 to 2019, this paper examines the impact of the digital economy on intergenerational income mobility and its mechanisms from both theoretical and empirical perspectives. The results show that the digital economy has a significant positive impact on intergenerational income mobility, which remains robust through instrumental variable methods, changes in measurement methods, and precise sub-setting of offspring age ranges. Further research finds that this effect is realized through mechanisms such as weakening intergenerational disadvantage transmission, strengthening the human capital hypothesis, expanding offspring social capital, and optimizing economic structure. This paper provides new policy suggestions for how to enhance social mobility and achieve common prosperity under digital transformation.

1. 文献综述

共同富裕是社会主义的本质，是中国现代化的重要内容之一[1]。作为度量社会公平、共同富裕和刻画收入分配不平等的重要指标，代际收入流动反映了代际之间在收入水平或社会地位方面的长期动态关系[2] [3]，是评判一国社会流动的关键指标。在中国进入“新常态”经济转型的关键阶段，保持较高的社会流动性与经济的可持续发展和中国未来摆脱“中等收入陷阱”密切相关[4]，流动性缺乏会导致社会利益结构固化和长期经济增长停滞，因此如何提高代际收入流动性，畅通阶层流动通道以促进社会公平、实现共同富裕已成为研究重点之一。随着大数据和网络技术的发展，数字经济已渗透到我国社会的方方面面，正成为推动我国经济发展的新驱动力，也将在“做大蛋糕”“分好蛋糕”过程中发挥更大的作用。鉴于此，分析数字经济发展水平对代际收入流动的影响及作用机制，探寻实现数字化推动共同富裕的有效路径势在必行。

关于代际收入流动的影响因素，现有研究从微观家庭特征和宏观社会环境两个维度展开探讨。在家庭层面，父代的人力资本及父代对子代的人力资本投资、社会资本[5]和财富资本[6]直接或间接地影响子代人力资本表现，最终影响子代收入。父代的声望和社会关系、由基因决定的遗传性因素以及子代获得的家庭文化传承影响着子代的自身禀赋，而子代的收入与自身禀赋直接相关[7]。还有文献聚焦于父代收入，认为相对脆弱的家庭经济存在更紧的信贷约束条件、更为负面的家庭价值观传递以及更大的社会压力，会导致更低的代际流动性[5]。此外，子代数量对代际收入流动也存在影响，人口规模越多的家庭越倾向于以“独立训练”为主导的培养方式，该方式更有利于个体能力和自主性的获取[8]。而子代数量较少的家庭对子女的培养相较会更纵容，降低子代的自主能力[9]。在社会层面，公共教育政策、财政教育支出[10]、高校扩招[11]等通过代际教育向上流动促进代际收入向上流动。同时，基于宏观经济视角，研究者认为经济增长、社会结构变革[12]、贸易开放[13]和工业化等均会对代际收入流动产生影响。

近年来，随着数字经济的快速发展，其对社会经济结构和个体收入流动的影响逐渐成为学术界关注的焦点。就数字经济发展对代际收入流动的影响相关方面，目前学界主要从直接影响和间接影响两方面展开。在直接影响方面，数字经济通过推动经济结构升级[14]，促进新兴产业发展，为劳动力创造更多的就业岗位。其次，电子商务、共享经济等新兴业态发展通过提供融资借贷渠道和降低信息不对称[15]，激发创业活力，提高子代收入；在间接影响方面，鉴于数字经济发展带来家庭信贷约束减小，家庭对子代的教育投资支出可能增加[4]；低收入家庭和农村家庭可以依托数字经济发展带来的信息便利[16]，增加子代人力资本投资渠道，促进代际收入流动。此外，数字经济对代际收入流动的影响存在异质性。数字经济对于不同区域群体的代际收入流动存在非对称性，在农村和内陆地区，数字经济发展的代际流动效果更佳[17]，进一步缩小了城乡收入差距。数字经济对高技能群体的代际收入流动也有更明显的促进作用，具体表现在数字经济发展可能会削弱低技能人群的劳动者权益[18]，提高高技能、高学历人群的收入，导致劳动力市场内部收入差距进一步扩大[19]。现有文献关于数字经济发展对代际收入流动的影响及其作用机制研究主要集中在单一维度如仅聚焦于微观家庭层面或者仅聚焦于宏观经济结构层面，较少将微观层面因素和宏观层面因素综合考察。

鉴于此，本文试图从宏观视角和微观视角入手，较为全面分析数字经济发展对代际收入流动的机制和效果。通过利用2013~2019年的中国家庭追踪调查库数据，将数字经济发展对收入差距的影响研究延伸到收入的代际传递上，进一步深化数字经济发展对代际收入流动的影响研究。本文可能存在的边际贡献在于：第一，构建了数字经济影响代际收入流动的宏微观综合分析框架。第二，从先赋性因素和自致性因素双重视角，揭示了数字经济弱化代际劣势传递、强化能力回报的作用机制。第三，本文基于城乡和区域异质性分析，提出了差异化的政策建议。

2. 机理分析与研究假设

2.1. 先赋性因素

2.1.1. “代际劣势传递”

父代的先赋因素通过遗传和影响人力资本投资决策等渠道制约子代社会流动，形成代际劣势传递[20] [21]。其中，遗传和后天家庭人力资本投资直接决定子代的人力资本，而子代人力资本是决定收入的关键因素。此外，家庭经济劣势的传递也会直接影响着社会经济地位的代际流动[22]。家庭经济劣势传递度越高，则社会代际流动性较低，子代的收入状况受到父代收入状况的影响程度较大。而数字经济的发展可以阻碍这种代际劣势传递，具体而言，数字经济通过提升教育资源可及性、降低获取成本，弱化代际劣势传递效应，提升社会流动性。但进一步，数字经济的发展可能会加重“数字鸿沟”。贫困家庭因资源限制，在数字设备获取和使用能力上处于劣势[23]，可能加剧教育不平等，形成新的代际传递壁垒。

由此，本文提出假说1.1：数字经济通过影响代际劣势传递进而作用于代际收入流动。

2.1.2. 强化“能力有用论”

数字经济的蓬勃发展为就业市场带来了新的机遇，创造了更多的工作机会[24]，互联网行业等平台经济的扩张增加了市场对技术劳动力的需求规模。同时，数字经济的发展为制造业企业技术升级带来活力，增加了数字技能型岗位[25]。综合而言，数字经济的发展使得职位匹配更倾向于个体能力，社会成员更相信“能力有用论”，即认为社会奖励那些最有能力和最努力工作的人和教育和机会的均等性。因此，理性的社会成员更倾向会加大对子代人力资本投资，同时，增加社会信任水平，即社会成员对于社会流动是持有乐观态度，可以为子代提供更多向上流动机会，从而促进收入代际向上流动。

由此，提出假说1.2：数字经济的发展强化了父代对“能力”的信任度，进而促进代际收入流动。

2.2. 自致性因素

2.2.1. 社会资本

依托于互联网、大数据和人工智能等前沿技术，数字经济打破了传统经济增长中的地理界限，提供了更广泛的社会网络和资本获取机会，缓解子代的社会资源约束和金融资源约束，有助于个人获取信息和资源，增加其代际收入流动的可能性[26]。另外，数字经济的发展降低了就业信息的传播成本，降低信息不对称，提高子代收入，促进代际收入流动。

由此，提出假说2.1：数字经济的发展扩大了子代的社会资本，促进代际收入流动。

2.2.2. 经济结构

随着数字经济对产业渗透率的逐步升高，数字经济不仅是我国经济提质增效的关键力量，更是未来引领产业结构升级的新动能[27]。数字技术如云计算、大数据和人工智能等的应用促进了产业结构的高端化和智能化[28]，显著提升了传统产业的效率和创新能力[29]，改变传统消费模式，深化社会分工，助力产业结构升级[30]。而伴随经济结构从低附加值产业(如农业、低端制造业)向高附加值产业(如科技、服务业)转型带来的新兴岗位对个人能力会有更高要求，削弱了对社会关系和父代资源积累的依赖，进一步促进代际收入流动。

由此，本文提出假说2.2：数字经济通过优化城市经济结构影响代际收入流动性。

3. 研究设计

3.1. 数据来源与数据处理

本文所采用的微观数据来自中国家庭金融与调查研究数据(China Household Finance Survey, CHFS) 2013年、2015年、2017年、2019年数据，选取子代年龄为16周岁以上的非上学人口为研究对象[31]，并对数据进行匹配和整理，最终获得457对有效的两代样本观测值。数字经济指标数据来源于历年《中国城市统计年鉴》。

3.2. 变量描述

3.2.1. 被解释变量

本文使用代际次序相关性方法测度被解释变量代际收入流动[32]，同时为避免收入的地区差异对结果干扰，对两代分别按地区、年份、年龄段划分为五组，并计算两代收入排序(1-5) [33]，其中1表示收入水平位于同组收入最低的20%，5表示处于同组收入最高的20%。通过父代与子代的收入位次变化来计算代际收入的动态变化。父、子代收入等级的相关性公式表达如下：

$zran{k}_{ip}={\alpha }_p+{\beta }_{p}fran{k}_{ip}+{\epsilon }_{ip}$ (1)

其中，Zrank_ip表示为P地区i家庭的子代收入等级，frank_ip表示p地区i家庭父代的收入等级。β_p系数即为p地区子代收入对父代收入的依赖系数，β_p系数越小则表明该地区代际收入流动性越强。

3.2.2. 核心解释变量

本文使用移动电话普及率、电信业务量、数字化从业人员数、网上移动支付水平、长途光缆线路长度以及软件业务收入六个指标[34]来构建数字经济发展水平指标体系，并使用主成分分析法获得数字经济指数。

首先对上述变量进行主成分分析检验，指标1至指标6均通过检验，适合做因子分析。进一步，对各指标进行标准正态分布处理，再使用主成分分析法进行降维处理从而得到数字经济发展(DE)指标。下表1为各指标的变量说明以及指标属性。

Table 1. Indicator system of digital economy development level in Chinese provinces

表1. 中国省份数字经济发展水平指标体系

	一级指标	二级指标	指标属性
数字经济(DE)	互联网普及率(net)	每百人互联网用户数	+
	互联网相关从业人员(network)	计算机服务和软件从业人员占比	+
	互联网相关产出(netout)	人均电信业务总量	+
	移动互联网用户数(ydnet)	每百人移动电话用户数	+
	长途光缆线度长度(GL)	每万公里光缆电线长度	+
	软件业务收入(RJ)	主营业务收入500万元以上的软件和信息技术服务业等企业软件业务收入	+

3.2.2. 解释变量

本文的控制变量选取微观个体层面指标和宏观层面两方面。具体如表2所示。

Table 2. Variable definitions

表2. 变量定义

中文名称	英文名称	变量描述
子代收入等级	zrank	对同年同省同龄子代收入群体从低到高，1~5进行排序，1最低，5最高
父代收入等级	frank	与子代收入等级排序一致
数字经济	DE	综合指标
子代年龄	zage	周岁
子代年龄平方	Zage2	年龄的平方/100
父代年龄	fage	周岁
父代年龄平方	fage2	年龄的平方/100
子代文化程度	zedu	1~9数值越高学历越高
父代文化程度	fedu	与子代文化程度一致
子代性别	zgender	1男2女
父代性别	fgender	1男2女
子代婚姻状况	zmarriage	1未婚2已婚3同居4分居5离婚6丧偶
父代婚姻状况	fmarriage	同子代婚姻状况一致
身体状况	health	1非常好2好3一般4不好5非常不好
流动状况	local 1	1否2是
户口类型他	hukou	1农业2非农业3统一居民户口4其他
子代幸福感	zXingfu	1非常幸福2幸福3一般4不幸福5非常不幸福
房屋类型	housety	1家庭成员自有2租赁3免费居住
家庭网络通信费	internetfee	平均每月家庭网络通信费支出
人力资本水平	HP	城市教育支出占总财政支出的比重
平均工资水平	perwage	人均工资收入取对数
经济结构	EG	第三产业增加值占GDP比重

3.3. 模型设定与变量描述性分析

由于在估算代际收入流动时，两代收入等级排序近乎呈现线性关系[35]，故本文使用0LS模型进行估计。基于此，在式(1)的基础上，引入数字经济指数及其与父代收入等级的交互项，考察数字经济发展水平对代际收入流动的影响。具体模型设定如下：

$zran{k}_{tpi}={\beta }_0+{\beta }_{1}fran{k}_{tpi}+{\beta }_{2}E{G}_{tp}+{\beta }_{3}E{G}_{tp}\times fran{k}_{tpi}+{\beta }_4{X}_{tpi}+u_p+v_t+{\epsilon }_{tpi}$ (2)

其中，Zrank_tpi为t时期p省i家庭子代的收入等级，frank_tpi为t时期p省i家庭父代的收入等级，EG_tp为t时期p省的数字经济发展水平。β₃表明数字经济发展水平对代际收入流动的作用效果，β₃ < 0则表明数字经济能够降低子代收入等级与父代收入等级之间的关联程度，促进代际收入流动。X_tpi、u_p和v_t依次表示为控制变量、省份和时间固定效应。

表3是主要变量的描述性统计分析结果。从表中可以看出，父代收入等级均值为1.354，子代收入等级均值是1.321；数字经济的取值介于−0.95~2.714之间，该数值越大表明该省的数字经济发展水平越高。

Table 3. Descriptive statistics of main variables

表3. 主要变量描述性统计

变量	样本量	均值	标准差	最小值	最大值
zrank	457	2.490	1.321	1	5
frank	457	2.339	1.354	1	5
DE	457	−0.0960	0.662	−0.950	2.714
zage	457	25.38	4.862	16	59
Zage^2	457	6.675	2.955	2.560	34.81
fage	457	50.55	5.642	22	69
Fage^2	457	25.87	5.639	4.840	47.61
fedu	456	3.281	1.281	1	7
zedu	457	4.873	1.704	1	9
marrige	454	1.300	0.640	1	5
zhealth	457	1.906	0.736	1	4
fhealth	457	2.468	0.832	1	4
zlocal	208	1.322	0.468	1	2
flocal	213	1.197	0.399	1	2
zhukou	457	1.431	0.621	1	3
zhousety	145	2.090	0.634	1	3
xingfu	457	2.335	0.824	1	5
rural	457	0.341	0.475	0	1
perwage	457	62,807	13,690	45,403	131,700
HP	457	78,490	150,983	10.77	746,773

4. 实证分析

4.1. 基准回归结果分析

数字经济发展影响代际收入流动性的基准估计结果见于表4。列(1)为子代收入与父代收入的相关性回归，列(2)在列(1)基础上引入数字经济发展及其与父代收入等级的交乘项，列(3)进一步引入了个体和城市层面的控制变量。通过比较三列的回归结果，子代收入水平与父代收入水平和数字经济发展水平均存在正相关关系，同时数字经济发展水平提升能够显著的降低父代收入水平对子代收入的影响程度，促进代际收入流动，该结果在引入个人、城市层面控制变量后依然成立。

控制变量的回归结果显示，子代为男性和已婚状态均对收入水平产生积极影响，该回归结果符合现实劳动力市场工资状况。此外，子代受教育年限与收入水平正相关，进一步支持了人力资本理论。

Table 4. Benchmark regression results

表4. 基准回归结果

	(1) zrank	(2) zrank	(3) zrank
frank	0.198^***	0.191^***	0.144^***
	(4.219)	(3.949)	(3.625)
DE		1.739^*	0.933^**
		(1.766)	(2.598)
DE^*frank		−0.039^**	−0.151^**
		(−2.234)	(−2.144)
zage			0.026^***
			(2.865)
Zage^2			−0.607^***
			(3.422)
fage			−0.010
			(−0.396)
Fage^2			0.035
			(0.541)
fedu			0.075^***
			(2.733)
zedu			0.178^**
			(2.467)
zhealth			0.157^**
			(2.050)
zgender			0.507^***
			(4.863)
zmarriage			0.172^***
			(3.013)
zlocal			0.168
			(0.672)
zhukou			−0.284
			(−1.452)
lnperwage			3.230^**
			(2.300)
HP			0.534^**
			(2.151)
地区	YES	YES	YES
时间	YES	YES	YES
常数项	2.965^***	0.959	3.089
	(5.081)	(0.691)	(0.191)
样本数	457	457	457
R^2	0.317	0.525	0.660

(^*、^**、^***分别表示在10%，5%，1%的水平上显著。下表同)

4.2. 稳健性检验

4.2.1. 内生性处理

考虑到遗漏变量问题，本文借鉴1984年各城市每万人固定电话数[36]作为工具变量。固定电话与早期互联网存在技术关联性，与数字经济发展水平具有相关性。但随着通信技术进步，固定电话的经济影响逐渐减弱，满足工具变量排他性要求。但由于该变量为截面数据，故参考Nunn和Qian [37]的研究，通过将上一年全国互联网用户数分别与1984年城市每万人固定电话数的对数((1984Tel × Int))交乘构建为适合面板数据的工具变量。该工具变量通过弱工具变量检验，回归结果见表5第(1)列。结果显示，数字经济和父代收入等级的交乘项的回归系数显著为负，与基准回归结果的正负性一致。验证了回归结果的稳健性。

4.2.2. 替换核心变量

为避免指标体系构建的主观性偏差，本文采用熵值法重新测算数字经济发展水平，回归结果见表5第(2)列。结果显示，数字经济和父代收入等级交互项系数的绝对值均大于基准回归估计结果，进一步验证了基准回归结果的稳健性。

4.2.3. 重新界定子代年龄范围

鉴于35岁及以上子代的父代劳动状态可能多为退休状态，因此本文借鉴Ahsan和Chatterjee [38]的研究做法，将35岁以上的子代样本剔除后进行回归，回归结果见表5第(3)列。结果显示，交互项字数的绝对值和显著性水平与基准回归结果一致，证实结论可靠。

Table 5. Robustness test regression results

表5. 稳健性检验回归结果

变量	(1) 工具变量 zrank	(2) 替换核心解释变量 zrank	(3) 重新界定子代年龄范围 zrank
frank	0.1537^*	0.392^**	0.146^***
	(1.786)	(2.341)	(2.600)
DE	0.8442^*		0.869^**
	(1.74)		(2.579)
DEC		0.728^*
		(1.971)
frank * DE	−0.0758^***		−0.140^**
	(3.145)		(−2.239)
frank * DEC		−0.908^**
		(−2.003)
控制变量	YES	YES	YES
地区	YES	YES	YES
时间	YES	YES	YES
常数	−2.8654	−3.347	−2.243
	(0.790)	(−0.506)	(−0.336)
样本量	457	457	401
R^2	0.559	0.515	0.561

5. 进一步分析

5.1. 机制分析

前文表明，数字经济通过影响代际劣势传递，强化能力有用论，扩大社会资本，优化经济结构显著降低代际收入自相关性，提升代际收入流动。本文将对机制进行计量检验，具体模型设定如下：

$IM={\gamma }_0+{\gamma }_{1}D{E}_{tp}+{\gamma }_{2}X+v_t+u_p+{\epsilon }_{tpi}$ (3)

$zran{k}_{tpi}={\delta }_0+{\delta }_{1}IM+{\delta }_{2}fran{k}_{tpi}+{\delta }_{3}IM\times fran{k}_{tpi}+{\delta }_4{X}_{tpi}+u_p+v_t+{\epsilon }_{tpi}$ (4)

式(3)检验数字经济发展水平与机制变量是否存在相关关系，其中IM表示四种机制变量。系数γ1显著则说明数字经济能够显著影响相关机制变量，系数δ3若显著为负，则说明数字经济可以通过相关机制变量降低代际收入的传递性，提高代际收入流动性。

5.1.1. 代际劣势传递

机制分析表明，数字经济可以通过弱化家庭对子代收入的影响。为检验该途径，本文使用家庭资源(衡量指标是家庭的年收入：lnhhwage)和父代的社会网络(socialtrust)。父代的社会网络通过初次见面对陌生人的信任程度来衡量(衡量指标为1~5，1表示非常信任，信任程度依次递减)。回归结果见表6 (1)至(8)列。其中第(1)、(2)、(3)列为家庭资源衡量指标结果，第(4)、(5)、(6)列为父代社会资本的衡量结果。回归结果显示，数字经济通过提升家庭财富水平并弱化家庭资源对子代收入的直接影响。同时，数字经济显著增强了父代的社会信任水平，并降低父代社会资本差异对子代资源获取的影响促进代际收入流动。这两个维度均证明了数字经济会弱化由家庭背景带来的社会资源获取差异，减少代际劣势传递，增加子代收入向上流动的可能性，促进代际收入流动，验证了假说1.1。

5.1.2. 能力有用论

本文使用家庭的教育支出占总家庭资产来衡量家庭对“能力有用论”的信念程度，回归结果如表6第(7)、(8)所示。结果显示，数字经济的发展会通过提高教育支出占比来削弱代际收入传递，促进代际流动。

Table 6. Mechanism test A

表6. 机制检验A

	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
	代际劣势传递						能力有用论
	家庭资源			父代社会网络
	lnhhwage	zrank	zrank	socialtrust	zrank	zrank	NL	zrank
DE	0.633^**		0.611^**	−1.551^*		0.708^*	0.401^*
	(2.126)		(2.514)	(−1.697)		(1.774)	(1.739)
frank		0.584^**			0.428^**			0.407^**
		(2.482)			(2.328)			(2.168)
lnhhwage		0.259^*	0.557^*
		(2.130)	(2.122)
Frank * DE		−0.372^**
		(−2.286)
Lnhhwage * DE			−0.187^**
			(−2.311)
socialtrust					0.059^**	0.711^**
					(2.090)	(2.083)
Social * frank					−0.086^*
					(−1.930)
Social * DE						−0.334^*
						(1.766)
NL								0.569^**
								(2.524)
Nl*frank								−0.386^***
								(−2.838)
控制变量	YES	YES	YES	YES	YES	YES	YES	YES
地区	YES	YES	YES	YES	YES	YES	YES	YES
时间	YES	YES	YES	YES	YES	YES	YES	YES
样本量	457	457	457	457	457	457	457	457
R^2	0.667	0.611	0.461	0.597	0.730	0.618	0.714	0.685

5.1.3. 社会资本

为探究数字经济能否通过提高子代社会资本来提升代际收入流动性，本文用认知型和结构性社会资本衡量，其中认知型社会资本使用“礼金往来”(sz1) [39]代理变量衡量，结构型社会资本使用可交往人数(sz2) [40]衡量。认知型社会资本指标用“上个月在外就餐花了多少”和“亲属和其他非亲属的转移性支付往来”表示，结构性社会资本指标以1~4数字进行量化，分别表示可交往人数为6人以上、4~6人、1~3人和0人。回归结果见表7第(1)~(4)列。(1)、(2)列回归结果显示，数字经济会显著促进认知型社会资本提升，并且数字经济可以通过提升子代认知型社会资本进而作用于子代收入提升，该结论在(3)、(4)同样适用，验证假说2.1。

5.1.4. 经济结构

为验证数字经济是否通过优化经济结构进而提高代际收入流动性，本文引入经济结构(ES)变量回归检验，并使用第三产业增加值占GDP的比重作为其代理变量，回归结果见表7第(5)、(6)列。第(5)列结果显示数字经济能够显著推进经济结构优化，第(6)列交乘项系数显著且为负数，表明数字经济可以通过促进经济结构优化降低代际收入间的自相关性，提高代际收入的流动性，由此假说2.2得以验证。

Table 7. Mechanism test B

表7. 机制检验B

	(1)	(2)	(3)	(4)	(5)	(6)
	社会资本				经济结构
	sz1	zrank	sz2	zrank	EG	zrank
DE	0.436^***		0.212^*		4.802^***
	(13.980)		(−1.827)		(9.778)
frank		0.180^***		0.013^***		2.098^***
		(8.204)		(3.244)		(2.955)
sz1		0.002
		(0.156)
Sz1 * frank		−0.016^*
		(−1.859)
Sz2				0.382^***
				(3.277)
Sz2 * frank				−0.052^*
				(−1.912)
EG						0.241
						(1.156)
egfrank						−0.038^***
						(−2.756)
控制变量	YES	YES	YES	YES	YES	YES
地区	YES	YES	YES	YES	YES	YES
时间	YES	YES	YES	YES	YES	YES
样本量	457	457	457	457	457	457
R^2	0.341	0.587	0.514	0.685	0.742	0.527

5.2. 异质性分析

前文文献综述部分表明，数字经济对收入的影响存在城乡差异，即数字经济的增收效应对于农村居民更明显。同时，我国经济发展存在区域不平衡问题。由此，本文将验证数字经济发展对代际收入流动的影响是否存在城乡和区域差异。回归结果如表8所示。结果表明数字经济的代际流动性在乡村、内陆地区更显著，即存在城乡和区域差异。

此外，基于既有文献梳理与本文机制分析部分，数字经济对代际收入流动的影响主要作用于家庭对子代人力资本和社会资本的塑造上。在相同社会阶层和收入的家庭中，家庭规模的差异也会导致家庭资源分配不同，从而导致子代人力资本表现差异。由此，本文将验证不同家庭规模中数字经济对代际收入流动的影响是否存在异质性。本文将家庭成员人数为3分类为独生家庭，家庭成员人数大于3则为非独生家庭。回归结果见表8 (5)、(6)列。结果显示数字经济的代际流动性在非独生家庭更显著，存在家庭规模差异性。

Table 8. Heterogeneity analysis

表8. 异质性分析

	(1) 农村	(2) 城镇	(3) 沿海	(4) 内地	(5) 独生家庭	(6) 非独生家庭
frank	0.079^**	0.249^*	0.300^***	0.009^*	0.188^***	0.168^***
	(3.049)	(1.833)	(3.228)	(1.844)	(4.973)	(7.893)
DE	0.691^**	0.554^**	0.974^**	0.665^*	−0.119^**	−0.039
	(2.826)	(2.079)	(2.445)	(1.899)	(−2.198)	(−1.322)
DE * frank	−0.376^**	−0.198^**	−0.127	−0.525^*	−0.746^**	−0.961^***
	(−3.260)	(−2.107)	(−1.081)	(−1.669)	(−2.022)	(−2.781)
控制变量	YES	YES	YES	YES	YES	YES
地区	YES	YES	YES	YES	YES	YES
时间	YES	YES	YES	YES	YES	YES
样本量	163	291	243	214	91	366
R^2	0.975	0.565	0.786	0.414	0.463	0.482

6. 结论与政策建议

本文利用2013~2019共四年的中国家庭金融调查数据，考察数字经济对代际收入流动的影响。研究表明：(1) 数字经济显著促进了代际收入流动性，该结果经过多种稳健性和工具变量检验后，仍然成立。(2) 研究机制表明，数字经济主要通过降低代际劣势传递，强化能力有用论，扩大子代社会资本，优化经济结构四个方面改善代际收入流动性。(3) 异质性分析显示，在农村和内陆地区以及在非独生家庭中，数字经济对代际收入流动的促进作用更为显著。

根据本文研究结论，提出如下对策建议：第一，相关部门应把握数字经济发展红利，加快推动传统产业数字化转型，并制定相关优惠政策以促进高端人才向数字经济领域流动，优化经济结构，持续强化数字经济发展对代际流动的促进作用。第二，数字经济建设应进一步重视对农村、内陆地区的布局，加快农村及内陆地区大型数据处理中心及新型基础设施建设，缩小“区域鸿沟”。第三，重视构建和优化社会资本的培育机制，降低数字技术接触门槛，推动数字平台建设，促进数字平台公平性。