1. 引言
在全球数字经济快速发展的背景下，数字技术正逐渐成为推动农村经济增长和农民收入提升的重要力量[1]。自2012年以来，中国政府通过一系列政策文件不断强调深化数字素养和农产品上行，旨在促进小农户与现代农业的有效对接[2]。电商参与是数字技术融入农户生活最直接的表现之一。截至2023年，中国农产品网络零售额达到5870.3亿元，较2014年增长了约4倍，同时农产品物流总额也再次刷新历史纪录，超过5.3万亿元，连续三年保持在5万亿元以上[3]。尽管取得了显著成就，我国城乡发展不平衡依然显著，城乡收入差距仍需进一步缩小，以实现共同富裕的目标[4]。随着我国数字乡村战略的逐步实施，农民数字素养的不足和内生发展能力的不足成为制约农民获取信息和分享数字经济红利的关键障碍[5]。尽管数字经济为农户收入增长带来了广泛的普惠效应，但同时也加剧了由数字鸿沟带来的收入分化现象，不同农户在数字技术应用中的参与程度和受益水平存在显著差异，这可能会进一步拉大城乡和农村内部的收入差距[6]。罗千峰(2022)指出参与电商对农户农业经营性收入、非农业经营性收入具有显著的促进作用[7]。因此，参与电商有望提高农民收入，减小城乡收入差距。
近年来，学术界对数字技术，特别是互联网、数字金融和数字经济对农民收入的潜力和影响进行了广泛探讨，现有研究主要集中在农民个体特征、家庭环境等外部因素对农民参与电商行为的影响[8]，然而，较少关注提升农民自身数字素养及其内生发展能力，以及这些因素如何影响其在数字经济中的地位和收入增长。
因此，本研究旨在深入探讨数字素养对农户电商参与行为及其收入影响的作用机制，以期为推动农村数字经济发展提供理论支持和政策建议。
2. 研究方法与变量设置
2.1. 数据来源
本研究所采用的数据源自中国社会科学院农村发展研究所中国乡村振兴调查数据库(CRRS)。该调查在2020年和2022年进行了两轮，其主要调查方法是根据经济发展水平、空间布局以及农业农村发展等多方面因素，采用等距随机抽样的方式进行。调查样本覆盖了广东、浙江、山东、河南、安徽、黑龙江、四川、贵州、宁夏、陕西等十个省份，以及全国50个县(市)、156个乡(镇)。调查共收集了300份村庄调查问卷和3800余份农户调查问卷，涵盖了1.5万余名家庭成员的信息。这些数据为本文研究提供了充足的支持。在删除了含有缺失值和极端值、前后逻辑矛盾的数据后，最终获得了3063个有效的农户样本。
2.2. 变量设置
被解释变量：电商参与。根据问卷中相关问题选取“您家经营的产品是否通过网络交易”作为被解释变量[9]。
解释变量：参考华静等的做法，农户数字素养水平的衡量涵盖“可及性”和“使用度”两个层面[10]，即数字素养的识别分为两个步骤：第一步，判断农户是否有使用数字化设备，即用“您是否使用智能设备”这个指标来衡量“可及性”以数字化基础设备或工具的接入情况综合考量设备操作素养；第二步，判断数字技术或设备的使用能力，信息意识素养即用“您是否曾经为手机App服务支付过一定费用”来衡量，信息获取素养即用“您认为通过网络得到的信息是否能够满足生产生活等日常需求”来衡量，数字交流素养即用“是否应用微信、微博、QQ、知乎、豆瓣等进行社交活动”来衡量，电商技术素养即用“是否接受过电商培训与指导服务”来衡量。将这5个指标按照熵值法计算得到数字素养指数。
具体变量定义如表1所示，变量的描述性统计如表2所示。
2.3. 模型设定
由于最小二乘法模型具有建立简单、计算速度快、可预测性较强等优点，且无需先验模型，能够
Table 1. Variable definition table
表1. 变量定义表
变量类型 |
变量名称 |
变量解释 |
被解释变量 |
电商参与 |
您家经营的产品是否通过网络交易(1 = 是，否 = 2) |
解释变量 |
数字
素养 |
设备操作 |
您是否使用智能设备(1 = 是，否 = 2) |
信息意识 |
您是否曾经为手机App服务支付过一定费用(1 = 是，否 = 2) |
信息获取 |
您认为通过网络得到的信息是否能够满足生产生活等日常需求(完全不满足 = 1不太满足 = 2一般 = 3基本满足 = 4完全满足 = 5) |
数字交流 |
您是否应用微信、微博、QQ、知乎、豆瓣等进行社交活动(1 = 是，否 = 2) |
电商技术 |
是否接受过电商培训与指导服务(1 = 是，否 = 2) |
控制变量 |
性别 |
1 = 男，2 = 女 |
年龄 |
2024－出生年份，单位：岁 |
婚姻状况 |
已婚 = 3；未婚 = 2；其他 = 1 |
民族 |
1 = 汉族；2 = 蒙古族；3 = 回族；4 = 藏族；5 = 壮族；6 = 维吾尔族；
7 = 其他 |
受教育程度 |
1 = 未上学；2 = 小学；3 = 初中；4 = 高中；5 = 中专；6 = 职高技校；
7 = 大学专科；8 = 大学本科；9 = 研究生；10 = 其他 |
政治面貌 |
1 = 普通群众；2 = 中共党员；3 = 共青团员；4 = 民主党派；5 = 其他 |
就业状况 |
1 = 全职务农；2 = 非农就业；3 = 兼业(农和非农)；4 = 学前儿童或在校学生；5 = 因病因残无法就业；6 = 无业/待业；7 = 离退休；8 = 其他 |
内生性 |
工具变量 |
除本户以外，本村其他农户的平均数字素养水平 |
中介变量 |
信贷可得性 |
您家是银行或信用社认定的信用户或获得银行授信吗？1 = 是，2 = 否 |
非农业经营 收入 |
非农业经营收入取对数 |
异质性 |
受教育程度 |
学历层次(学历 ≤ 3；学历 > 4) |
Table 2. Descriptive statistical table
表2. 描述性统计表
Variable |
Obs |
Mean |
Std. dev. |
Min |
Max |
Y |
3063 |
0.0734574 |
0.2609284 |
0 |
1 |
X |
3063 |
0.1725796 |
0.2099303 |
0.00001 |
1 |
性别 |
3063 |
1.065948 |
0.2482324 |
1 |
2 |
年龄 |
3063 |
24.27302 |
522.5206 |
16 |
93 |
婚姻状况 |
3063 |
2.900725 |
0.4192597 |
1 |
3 |
民族 |
3063 |
1.549461 |
1.571532 |
1 |
7 |
受教育水平 |
3063 |
1.819132 |
0.741113 |
1 |
5 |
政治面貌 |
3063 |
1.251714 |
0.4638916 |
1 |
5 |
就业状况 |
3063 |
2.162259 |
1.545347 |
1 |
8 |
非农业经营收入 |
3059 |
1.666917 |
3.891186 |
0 |
15.03929 |
信贷可得性 |
3063 |
0.3836108 |
0.4863443 |
0 |
1 |
工具变量 |
3063 |
0.310401 |
0.152301 |
0.00001 |
1.21034 |
适用于多种拟合问题，因此，本文采用最小二乘法建立模型如下：
(1)
式(1)中，Y表示被解释变量及农户电商参与行为，X表示核心解释变量即数字素养，control表示相关控制变量，α表示变量系数，ε表示随机误差项。除式(1)进行数字素养对农户电商参与行为的直接效应分析外，本文进一步探究数字素养对农户电商参与行为产生的影响作用机制，验证信贷可得性及非农业经营收入在数字素养对农民增收的作用机制中是否存在中介影响，构建中介效应模型如下所示：
(2)
(3)
式(2)，(3)中，M表示中介变量即信贷可得性、非农业经营收入，β、γ表示相关变量系数。其中，β1表示数字素养对中介变量的影响效应，γ2表示在控制数字素养影响后，中介变量对农民增收的影响效应，γ1表示控制中介变量影响后，数字素养对农户电商参与行为的直接效应。γ1显著，且β1、γ2与γ1同号时表示存在中介效应。
3. 实证分析与检验
3.1. 回归结果分析
首先，本文以数字素养对农户电商参与行为进行基准影响分析，具体结果如表3所示。其中第二列表示未添加相关控制变量下，数字素养对农户电商参与行为的影响系数在1%水平下显著，影响系数为0.263，表明数字素养每提升一个单位水平时，农户电商参与行为提升0.263%。当添加相关控制变量后(如表3第三列所示)，数字素养对农户电商参与行为的影响系数有所减弱但仍在1%水平下显著，表明数字素养能够显著促进农户电商参与行为。
3.2. 内生性讨论
考虑到内生性问题对本文研究结果带来的影响，本文通过工具变量法处理相关内生性问题。表4
Table 3. The empirical results of the benchmark regression
表3. 基准回归实证结果
VARIABLES |
Y |
Y |
X |
0.263*** |
0.246*** |
|
(0.0220) |
(0.0338) |
性别 |
|
0.00707 |
|
|
(0.0187) |
年龄 |
|
−5.00e−07 |
|
|
(7.37e−06) |
婚姻状况 |
|
0.0116 |
|
|
(0.00788) |
民族 |
|
−0.000383 |
|
|
(0.00301) |
受教育水平 |
|
0.0231*** |
|
|
(0.00737) |
政治面貌 |
|
0.00347 |
|
|
(0.0110) |
就业状况 |
|
−0.00175 |
|
|
(0.00256) |
Constant |
0.0281*** |
−0.0518 |
|
(0.00597) |
(0.0395) |
Observations |
3063 |
3063 |
R-squared |
0.045 |
0.050 |
注：***、**、*分别表示在1%、5%、10%的水平上显著，括号内为标准误差。下表同。
Table 4. Treatment results of endogenous problems
表4. 内生性问题处理结果
VARIABLES |
first X |
two Y |
性别 |
0.013 |
−0.016 |
|
(0.84) |
(−0.48) |
年龄 |
−0.000* |
0.000 |
|
(−1.83) |
(1.20) |
婚姻状况 |
0.006 |
0.001 |
|
(0.77) |
(0.06) |
民族 |
0.002 |
−0.003 |
|
(0.76) |
(−0.59) |
受教育水平 |
0.046*** |
−0.049 |
|
(8.69) |
(−1.35) |
政治面貌 |
0.036*** |
−0.053* |
|
(4.27) |
(−1.66) |
就业状况 |
−0.000 |
−0.002 |
|
(−0.01) |
(−0.47) |
工具变量 |
0.009*** |
|
|
(2.65) |
|
X |
|
1.806** |
|
|
(2.41) |
Constant |
0.003 |
−0.060 |
|
(0.08) |
(−0.84) |
Observations |
3063 |
3063 |
R-squared |
0.044 |
0.011 |
展示了通过工具变量法处理内生性问题后的结果。研究中核心解释变量为数字素养，被解释变量为农户电商参与行为。为应对内生性问题，参考罗千峰(2023)等的做法，引入了工具变量，即除本户以外，本村其他农户的平均数字素养水平进行检验[1]。结果如表4所示。列(1)显示了基础模型结果，发现数字素养对农户电商参与行为呈显著正向影响(系数为0.009，p < 0.001)。列(2)中，通过工具变量法处理内生性后，发现数字素养仍对农户电商参与行为产生显著正向影响(系数为1.806，p < 0.001)。这表明，即使考虑内生性问题，数字素养对农户电商参与行为依然具有重要影响。通过工具变量法处理内生性问题后，对于数字素养对农户电商参与行为的影响有了更准确和可信的理解，同时模型在控制其他因素后仍具有较高解释力(R-squared为0.044至0.011)，进一步支持了研究的主要假设和结论。
3.3. 稳健性检验
本文采用替换解释变量的衡量方法进行稳健性检验[11]，参考孙子烨等的做法，从数字发展环境、设备使用能力、信息搜寻能力、沟通协作能力等四个维度测度农户数字素养[12]，详细变量测度见表5，并采用加总的方式生成工具变量X。
Table 5. X new measures
表5. X新的衡量方式
维度 |
变量解释 |
数字发展环境 |
家庭有无上网设备，有 = 1，无 = 0 |
您家里网络条件如何，非常好 = 1，偶尔或经常断网 = 0 |
设备使用
与能力 |
您是否使用4G/5G手机，是 = 1，否 = 0 |
您对使用4G/5G手机的功能存在困难吗，不存在困难 = 1，有些困难或较困难 = 0 |
您是否接受过电脑或手机上网培训，是 = 1，否 = 0 |
您是否曾经为手机APP服务支付过一定费用，是 = 1，否 = 0 |
信息搜寻能力 |
对想要关注的网络信息能否及时获取，及时 = 1仅部分及时或都不及时 = 0 |
如果有日常需求，您自己能否通过手机或网络随时获取相关信息，完全可以 = 1，有时可以或比较困难 = 0 |
|
您认为通过网络得到的信息是否能够满足生产生活等日常需求，一般或满足 = 1，不太或完全不满足 = 0 |
沟通协作能力 |
您是否有通过微信群与村内就重要公共事务开展过交流，有时或经常 = 1，从未或很少 = 0 |
表6为针对工具变量X对农户电商参与行为的稳健性检验结果。在初始模型中，工具变量X对农户电商参与行为的影响系数为0.0175，具有高度显著性(p < 0.001)。通过使用新的数字素养的衡量方法，得到了新的结果。在这个加入控制变量后的模型中，数字素养对农户电商参与行为的影响系数为0.0143，仍然具有极高的统计显著性(p < 0.001)。表明本文所使用的模型具有一定的科学性。
Table 6. Results of the robustness test
表6. X稳健性检验结果
VARIABLES |
Y |
Y |
New-X |
0.0175*** |
0.0143*** |
|
(0.00213) |
(0.00239) |
性别 |
|
0.00970 |
|
|
(0.0195) |
年龄 |
|
−0.000428 |
|
|
(0.000501) |
婚姻状况 |
|
0.0103 |
|
|
(0.00817) |
民族 |
|
−0.000303 |
|
|
(0.00314) |
受教育水平 |
|
0.0222*** |
|
|
(0.00778) |
政治面貌 |
|
0.00466 |
|
|
(0.0114) |
就业状况 |
|
−0.00157 |
|
|
(0.00269) |
Constant |
−0.0251* |
−0.0646 |
|
(0.0129) |
(0.0506) |
Observations |
3050 |
3049 |
R-squared |
0.022 |
0.027 |
4. 机制分析
为了检验农户电商参与行为的中间机制，借鉴温忠麟和叶宝娟的做法，使用中介效应模型进行检验[13]。同样使用最小二乘法(OLS)，首先估计数字素养对中介变量(信贷可得性、非农业经营收入)的影响，其次估计数字素养对农户电商参与行为的影响，最后观察这两组回归的结果是否显著。如果这两组回归结果均显著，则说明该变量通过了中介效应模型的检验。
根据表7可知，数字素养对中介变量(信贷可得性、非农业经营收入)有正向影响，而中介变量(信贷可得性、非农业经营收入)也会对农户电商参与行为的正向作用。此外，加入中介变量后，降低了数字素养对农户电商参与行为的影响分别由0.246降低为0.2200和降低为0.232，说明中介变量(信贷可得性、非农业经营收入)在数字素养对农户电商参与行为的影响过程中起部分中介作用。
Table 7. Effect of digital literacy on the mediating variables
表7. 数字素养对中介变量的影响
VARIABLES |
非农业经营收入 |
Y |
信贷可得性 |
Y |
X |
2.971*** |
0.220*** |
0.494*** |
0.232*** |
|
(0.418) |
(0.0337) |
(0.0409) |
(0.0347) |
性别 |
0.120 |
0.00703 |
0.00986 |
0.00678 |
|
(0.296) |
(0.0183) |
(0.0357) |
(0.0186) |
年龄 |
−7.59e−05 |
5.93e−09 |
−1.97e−06 |
−4.44e−07 |
|
(0.000153) |
(7.81e−06) |
(1.89e−05) |
(7.60e−06) |
婚姻状况 |
0.199 |
0.00968 |
0.0366** |
0.0105 |
|
(0.134) |
(0.00780) |
(0.0174) |
(0.00788) |
民族 |
0.0257 |
−0.00190 |
0.0294*** |
−0.00123 |
|
(0.0446) |
(0.00289) |
(0.00559) |
(0.00305) |
受教育水平 |
0.287*** |
0.0199*** |
0.0476*** |
0.0218*** |
|
(0.106) |
(0.00723) |
(0.0121) |
(0.00735) |
政治面貌 |
0.505*** |
−0.00220 |
0.0839*** |
0.00105 |
|
(0.182) |
(0.0110) |
(0.0199) |
(0.0110) |
就业状况 |
0.166*** |
−0.00346 |
−0.00859* |
−0.00150 |
|
(0.0413) |
(0.00249) |
(0.00508) |
(0.00257) |
非农业经营收入 |
|
0.00857*** |
|
|
|
|
(0.00166) |
|
|
信贷可得性 |
|
|
|
0.0288*** |
|
|
|
|
(0.0106) |
Constant |
−1.095* |
−0.0376 |
−0.0357 |
−0.0508 |
|
(0.623) |
(0.0388) |
(0.0796) |
(0.0395) |
Observations |
3059 |
3059 |
3063 |
3063 |
R-squared |
0.045 |
0.065 |
0.082 |
0.053 |
从经济学的角度来看：数字素养(X)对于农户在信贷可得性(非农业经营收入)和非农业经营收入(信贷可得性)方面都产生了正向显著影响(标记为***)。这表明，提升数字素养有助于农户更容易获取信贷，并增加从事非农业经营的可能性。数字素养的提高使得农户能够更有效地利用信息技术和数字工具，提升其获取信贷和经营非农业业务的能力，从而增加收入来源。同时，信贷可得性和非农业经营收入作为中介变量，对农户参与电商活动(Y)也具有正向显著影响(标记为***)。这意味着，提升信贷可得性和非农业收入能够降低农户参与电商活动的经济门槛，增强其参与意愿和能力。
进一步分析显示，加入中介变量(非农业经营收入和信贷可得性)后，数字素养(X)对农户电商参与行为(Y)的直接影响系数从0.246降低为0.220和0.232。这表明部分数字素养对农户电商参与行为的影响通过提升信贷可得性和非农业经营收入来实现中介作用。换句话说，数字素养的提升不仅直接增加了农户参与电商的可能性，还通过增强农户的经济资源和机会，间接促进了其更积极地参与电商活动。此外，数字素养的提高有助于减少在信贷市场中存在的信息不对称问题。农户通过数字技术能更有效地利用信息技术和数字工具，提供更准确详尽的经济信息给银行和其他金融机构，从而降低了他们获取信贷的成本和难度。这种信息的更加透明和有效的流通，进一步提升了农户的信贷可得性。因此，数字素养的提升不仅仅是技术掌握，更是一种投资，能够提升经济生产力和效率。
5. 异质性分析
考虑到不同教育水平的农户户主在从事电商活动的现象存在显著差异，本文根据不同教育水平分析数字素养对农户电商参与行为的影响。参考罗千峰(2023)等人的做法，本文将农户的户主教育水平分为两个类别：低受教育水平和高受教育水平[1]。低受教育水平指的是接受过初中及以下教育的农户，而高受教育水平则指接受过高中及以上教育的农户。据此进行分组回归，回归结果见表8。可以看出，数字素养对高教育水平的农户电商参与行为提升效果最明显，而数字素养对低教育水平的农户电商参与行为的提升效果相对较小。
出现这样的结果可能是因为高教育水平的农户更有可能掌握和应用先进的数字技术和工具，这使得他们在进行电商活动时能够更有效地利用数字素养所带来的优势。相比之下，低教育水平的农户可能在数字素养方面存在较大的学习和适应障碍，导致其在电商参与行为中表现出的提升效果相对较小。此外，高教育水平的农户往往具有更强的学习能力和技术应用能力，能够更快速地适应和掌握新的电商技能和平台操作，从而更有效地提升其电商活动的参与度和效果。这些差异可能还受到资源和信息获取渠道的影响，高教育水平的农户可能更容易获取最新的市场信息、技术指导和培训资源，这些都有助于他们在电商领域的积极表现。因此，数字素养对不同教育水平农户的影响差异显著，需要在政策制定和培训方案设计中考虑到这些差异，以促进更广泛和公平的农村电商发展。
Table 8. Analysis of the influence of the heterogeneity of education level
表8. 受教育程度异质性影响分析
VARIABLES |
Y |
Y |
X |
0.240*** |
0.434*** |
|
(0.0226) |
(0.141) |
控制变量 |
控制 |
控制 |
Constant |
0.0301*** |
0.0425 |
|
(0.00595) |
(0.0687) |
Observations |
2976 |
74 |
R-squared |
0.036 |
0.116 |
注：表中第二列和第三列分别代表高教育水平(高中及高中以上)、低教育水平(高中以下)。
6. 研究结论与政策启示
综上所述，本文认为数字素养提高对农户电商参与行为产生显著的正向促进作用。为了更全面评估其影响，本文进一步进行了量化分析。研究表明，数字素养每提高一个标准差，农户的信贷可得性平均提高了近三倍，非农业经营收入平均增加了49.4%。这些数据清晰地显示出数字素养在推动农户电商参与行为方面的积极效果，数字素养提高会提高农户的信贷可得性和非农业经营收入，进而推动农户电商参与行为的提升。数字素养对高教育水平的农户进行电商参与行为促进效果最为明显，但对低于教育水平的农户提升效果相对较少，数字素养每提高一个标准差，高教育水平的农户的电商参与水平平均提高了43.4%，而低教育水平的农户仅提高了24%。
推动农户参与电商自主经营是提升其收入水平的关键措施。本文建议如下几点政策措施：首先，政府和相关机构应加大对农村低教育水平农户的数字素养培训力度，包括提供基础的数字技术培训(如电子支付系统和网络平台使用方法)以及高级的电商操作和市场营销策略培训。其次，政府可通过财政支持或税收优惠，鼓励电商平台为这些农户提供必要的技术支持和资源，例如廉价的网络连接服务和费用优惠，以降低其进入电商市场的门槛。第三，政府需改善农村地区的信息基础设施和市场准入条件，包括扩展网络覆盖、提升电商物流服务质量并建设农村电商孵化基地，以便农户能够更好地获取市场动态和销售机会。最后，政策应促进农户间的合作与联盟，通过集体采购和联合营销等方式降低成本、扩大市场份额，从而增强其市场竞争力和盈利能力。同时，政府应建立健全的电商市场监管机制，确保平台规则公平透明，保障农户在电商平台上的合法权益，防止不正当竞争和消费者权益受损。