朱哲毅 任 秦 宁 可,2 沈月琴*

(1.浙江农林大学 经济管理学院，杭州 311300;2.浙江农林大学 浙江省乡村振兴研究院，杭州 311300;3.浙江农林大学 生态文明研究院，杭州 311300)

农村信息化发展日新月异，但农户生产生活面临的信息不对称问题仍被认为是阻碍就业、限制收入水平提升的关键因素，亟需引起关注。2016—2021年，中国农村互联网普及率从33.1%增长至57.6%(1)数据来源：中国互联网信息中心《第49次中国互联网络发展状况统计报告》http:∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202202/t20220225_71727.htm。。与此同时，农村劳动力市场暴露出信息通道不流畅[1-2]，就业信息获取不足[3]等问题，阻碍了农村劳动力向非农部门转移，制约了收入增长[4-5]。因此，在互联网信息技术快速发展的当下，有必要围绕互联网信息技术与农户收入增长作进一步深入研究。

围绕农户收入增长问题，学者们展开了大量研究。首先，政策实施影响农户就业与收入。比如，土地流转政策使得流出农户有稳定和充足的时间从事非农就业[6]，从而提高农户的务工收入和经营性收入[7]。其次，要素投入的变化影响农户就业与收入。比如，技术进步通过优化品种、转移劳动力和提高生产率等方式增加了农民收入[8]。再者，人力资本也对就业与收入有影响，包括健康状况[9]、年龄和性别[10]、文化程度[11]等因素。一方面，人力资本的提升能增加获取非农工作的概率，非农收入增加；另一方面，人力资本提升能提高劳动生产率，从而增加农业收入[12]。进入数字经济时代后，信息技术与实体经济高度融合，互联网信息技术的普及与应用更是成为影响当代经济增长效率不可忽视的因素[13]。互联网信息技术的出现，降低了信息搜寻成本[14]，提升了信息吸纳的广度与深度，在一定程度上弱化了风险规避倾向，有效改善了信息不对称以及由此产生的逆向选择与道德风险问题[15-16]。学者们对互联网信息技术对农户收入的影响基本达成一致，大多认为互联网信息技术的普及促进了农户收入增长[17-19]。

但现有研究在分析上述问题时，大多将就业作为整体，尚未区分就业形态。事实上，非农就业并非只有单一类型，互联网信息技术对不同类型非农就业产生的影响及其作用机制也不尽相同。根据雇佣主体的差别，非农就业可进一步细区分为他人雇佣和自我雇佣两种。他人雇佣，指农户通过为他人工作获得非农收入。自我雇佣，指农户通过自我经营的方式获得非农收入，即创业。互联网信息技术对不同形式非农就业以及农户收入的影响是否存在差异？产生影响的作用机制是否存在区别？该影响是否因人力资本的不同而有所差别？

基于此，本研究拟结合当前数字信息化的发展背景，运用一手调查数据，系统考察互联网使用对农户收入的影响，以及从非农就业选择的角度分析其作用机制，并识别了在不同人力资本条件下的差异，以期为促进农户增收、推动信息化在农村的发展提供参考。

1 理论分析与研究假说

信息效应理论常被用于研究信息获取对决策者行为的影响[20]。在市场交易过程中，信息掌握不充分的一方会因信息获取不完整而承担更高昂的交易成本，从而获得信息的效用大大降低[21]，影响创新发展能力的提升[22]。信息获取能力较弱的群体则相对处于劣势地位[23]。基于上述理论认识，本研究将深入分析互联网信息技术对农户收入的影响及其作用机制。

总体来看，互联网信息技术能促进农户收入提升。进入信息化时代后，互联网作为主要媒介，在推动经济与社会发展过程中发挥着重要作用[24]，对经济增长、国际贸易、价格竞争以及金融发展等都产生了重要影响[25-26]。具体而言，基于互联网信息技术产生的数字经济具有可再生性、非竞争性、普惠性和非排他性等优点，以及其所具有的高渗透性、外部经济性和边际效益递增性等特点，能通过融合的方式发挥对其他生产要素的赋能增效作用，并实现自我的更新迭代，产生1+1>2的效果，从而为缓解甚至消除相对贫困提供有效的引领路径和支撑作用。已有研究表明，互联网信息技术的应用对提高个体收入有显著的促进作用[17,27]。如Kabbiri等[28]和Jensen[29]的研究表明，Information communication technology(ICT)降低了农户获取市场信息的成本，减少了农户的信息不对称问题，进而促进分散的农产品市场实现整合，减少市场价格的离散度，提升农户福利。主要的作用机制包括以下两个层面：

首先，互联网信息技术通过增加他人雇佣机会，促进了收入增长。一方面，互联网信息技术的普及能促进就业，主要原因在于，一是互联网信息技术的普及提升了信息传播速度和传播效率，提高了农户信息可获取性及其对信息的处理和加工能力，降低了信息搜寻成本[30-31]，缓解农户信息约束的同时提升了职位匹配效率。二是互联网信息技术增加了工作方式的灵活性和自主性，带动了网络直播、数字音乐等新兴产业的发展，创造了大量的就业机会[32-33]，使得劳动者选择工作的方式更加灵活[34]，催生了职业化农民和兼业化农民[35]。三是互联网信息技术为提升学习技能、提高人力资本提供了便利，有助于提升工作效率[36]。另一方面，就业水平的改善将带来收入水平的提高[37-38]。如Gao等[39]的研究表明，农村电商、互联网+农业等互联网技术的应用对农村发展以及促进农户就业、增加农户收入等方面均发挥重要作用。

其次，互联网信息技术增加了自我雇佣机会，促进了收入增长。在互联网信息技术推广与普及的过程中，农户获取融资的门槛降低[40]、获取知识和资源的能力增加[41]、社交网络随之拓展[42]，创业成功概率增加，创业的成功将能显著提升收入水平[43]。具体包括：在物质资本方面，互联网信息技术的发展，使得金融服务的边际成本降低[44-45]，融资信息和融资渠道增加[46]，一定程度上缓解了自我雇佣者的物质资本压力，提升创业成功概率；在人力资本方面，互联网信息技术的发展提供了网络学习通道，劳动技能的提升更为便利，获取创业知识和创业资源的能力增加[47]，创业成功概率增加；在社会资本方面，一方面，互联网信息技术打破了距离与时间的障碍，减少了交通成本和验证成本，促进社会资本与社交网络的积累[48-49]，进一步提升创业成功率[50]。另一方面，互联网信息技术有助于减少投资者和创业者间的信息不对称[51-52]，减弱不确定性对生产和投资的影响[53-54]，从而提高成功概率。

此外，互联网信息技术对农户收入的影响会因人力资本差异而有所差别。一方面，人力资本是蕴藏在劳动者体内的体力、知识和技能的总和，有研究表明，互联网信息技术对收入水平更高、受教育程度更高、健康程度更好、劳动技能水平更高的群体产生的影响更为明显[55-56]。由于农户自身禀赋相对较弱，其所掌握的互联网信息技术和实际使用需求不完全区配[57]，这将在一定程度上影响互联网信息技术的效果。对于大部分农户而言，手机等常见的互联网信息技术使用工具仅仅提供休闲娱乐功能，并未用于农业生产、寻找非农就业等途径[58]，因此对收入增长的影响也相对有限。

假说1：互联网信息技术的使用对农户收入增加有显著促进作用。

假说2：互联网信息技术通过增加他人雇佣影响农户收入，互联网信息技术使用越多，他人雇佣的机会越多，对收入增加的促进作用越大。

假说3：互联网信息技术通过增加自我雇佣影响农户收入，互联网信息技术使用越多，自我雇佣成功的概率越大，对收入增加的促进作用越大。

假说4：互联网信息技术对农户收入的影响因人力资本差异而存在差别，人力资本水平越高，对收入增加的促进作用越大。

2 变量、模型与数据来源

2.1 计量模型

2.1.1基准回归

为了验证本研究的假说，采用OLS二元模型建立基准回归，选取农户非农收入作为被解释变量，互联网信息技术使用作为核心解释变量，考察互联网信息技术使用对农户非农收入的影响，基准模型如下：

lnYi=α+βInterneti+γXi+εi

(1)

式中：lnYi为被解释变量，表示农户非农收入的对数；解释变量Internet为是否使用互联网信息技术；解释变量Xi则为影响农户收入的控制变量，主要包括农户的个人特征、家庭特征、村庄经济社会特征、区域虚拟变量；α为常数项；β和γ为模型的估计系数；εi为模型的扰动项。

2.1.2Heckman模型

为解决模型可能存在的样本自选择问题以及进一步检验互联网信息技术使用对农民非农收入的影响，采用Heckman两阶段模型重新估计互联网信息技术使用与农民非农收入的关系。Heckman模型涉及两个方程，即选择方程和结果方程，具体到本研究，采用Probit模型来估计农户是否参与非农就业，第二阶段将第一阶段通过选择方程计算出的逆米尔斯比和是否使用互联网信息技术以及其他变量一起作为自变量，而农户非农收入变量作为因变量，通过OLS模型估计互联网信息技术对农户非农收入的影响。具体表达式如下：

Probit(employ=1)=α+βInterneti+γXi+εi

(2)

lnYi=α+βInterneti+γXi+ηλ+εi

(3)

其中：式(2)为Heckman模型第一阶段的样本选择模型，employ为二元变量：当农户有自我雇佣或者他人雇佣时取1，反之则取0。式(3)为Heckman模型第二阶段的影响模型，对于该方程，当且仅当Probit(employ=1)>0时，lnYi才会被观测到。与式(2)相比，式(3)中加入了逆米尔斯比率λ作为新的解释变量，以克服样本的选择性偏差问题，同时剔除与农户就业选择直接相关但与收入间接相关的“村企业数”变量，以符合Heckman模型设定原则。

2.1.3中介效应模型

互联网信息技术使用可能通过促进就业，进而提高居民非农收入。为此，本研究进一步构建中介效应模型以检验他人雇佣或自我雇佣的影响，具体模型设定如下：

Worki=α+βInterneti+γXi+εi

(4)

lnYi=α+βworki+γXi+εi

(5)

lnYi=α+βInterneti+γworki+φXi+εi

(6)

式中：Worki表示非农就业选择中的他人雇佣或自我雇佣，采用“是否通过打工赚钱”“是否通过自我经营的方式”分别衡量他人雇佣和自我雇佣，其他变量定义与式(1)一致。为保证回归结果可比，在检验他人雇佣中介效应时模型时只包含有他人雇佣和没有非农就业参与行为的农户，在检验自我雇佣中介效应模型时只包含有自我雇佣和没有非农就业参与行为的农户。

2.2 数据来源

本研究所用数据来自课题组2021年实地走访浙江省开化、常山、淳安、建德4县获得的480户农户数据。为进一步增强样本的代表性和数据可靠性，调查采取了两个策略：一是调查选择了经济发展水平差异明显和地区跨度较大的4个县。其中，开化、常山代表经济发展水平较低且信息相对闭塞的山区，淳安、建德代表经济发展水平相对较高且信息化发展程度较高地区。二是在综合考虑4个县经济发展水平的基础上，每个县随机选取3个乡镇，每个乡镇随机选取2个村，每个村选取20户农户进行问卷调查。在剔除无效问卷后，获得有效问卷480份。调查内容主要包括：①农户家庭基本情况；②农户社会资本状况；③互联网使用情况(互联网使用功能，互联网使用频率，互联网接触时间)；④互联网对生产生活的影响(互联网对生产的影响：网上找工作和网销农产品情况，互联网对生活影响：网购和电子支付情况)。

2.3 变量选择

被解释变量为农户非农收入水平，用家庭决策者年非农收入来衡量。核心解释变量为互联网信息技术使用，采用家庭决策者使用行为衡量，使用赋值为1，否则赋值为0。

控制变量Xi为影响农户收入的其他变量。为了避免变量内生带来的影响，本研究考虑了家庭特征变量、家庭决策者特征变量以及地区变量等各种可能影响农户收入的因素以防止变量遗漏，并使用代理变量。样本的描述性统计见表1。

从表1可知，全部样本中约有80.63%的农户使用互联网，对比未使用互联网的农民可以发现，使用互联网的农户非农收入平均水平更高。从全部样本的年龄分布来看，平均年龄56.28岁；其中，使用互联网的农户的平均年龄为53.49岁，未使用互联网67.90岁。从性别情况来看，男性使用互联网的比例更高。从受教育程度的特征来看，全部样本农户的平均受教育程度为初中；对比未使用互联网的农户，使用互联网的农户受教育程度更高。从全部样本的非农就业选择情况来看，他人雇佣的农户占比40.2%，在使用互联网的农户中选择他人雇佣占比为49.1%，未使用互联网的农户中选择他人雇佣占比3.2%；同时，自我雇佣的农户占比14.4%；其中，在使用互联网的农户中选择自我雇佣占比17.7%，未使用互联网的农户中选择自我雇佣占比1.1%。综上所述，年龄处于中年，受教育程度高的男性并且从事他人雇佣或者自我雇佣的非农就业的农户使用互联网的比例较高；反之，使用互联网的比例较低。

3 实证分析

3.1 互联网信息技术使用对非农收入影响

表2报告了基准模型的估计结果。仅考虑“个体是否使用互联网”这一关键因素时，互联网使用在1%的显著性水平下正向影响农户收入，表明互联网使用能够显著促进农户非农收入。考虑遗漏变量可能影响结果的稳健性，依次添加农户户主特征变量、家庭特征变量与村庄特征变量后，互联网使用仍在1%的显著性水平下正向影响农户非农收入。在没有消除内生性的情况下，该回归结果只能说明互联网使用和农户非农收入的正向关系非常显著。可能的解释是，使用互联网拓展了农户获取信息的渠道，农户能够更快捷、更有效地获取非农就业的信息，更容易学习到新技能、新知识，从而获得非在就业的概率增加，促进收入增加。

表2 互联网信息技术对农户非农收入的影响Table 2 Impact of Internet information technology on farmers’ off-farm income

表2(续)

从表2中还可以观察到其他变量对个人非农收入水平的影响。个人特征控制变量中，性别虚拟变量的系数显著为正，这说明男性农户非农收入高于女性农户非农收入；家庭特征控制变量方面，土地面积的系数显著为负，这说明，家庭土地面积越多，从事农业的概率可能会增大，而从事非农就业的概率可能会减小，进而影响农户非农收入。村级特征控制变量方面，农户所在村的企业数量在10%的水平上正向影响农户非农收入，说明村里企业数量越多，农户获得非农就业机会也越多，越容易提高其收入。

3.2 稳健性检验

随着电脑、手机的发展与普及，手机上网逐渐成为互联网使用最为普遍的方式。因此，本研究利用问卷中“手机上网时长”的回答数据构造变量，更换互联网使用的度量方式，代入基准模型回归中进行稳健性检验。从表3的回归结果可知，逐步加入农户个体特征、家庭特征和村庄特征变量，手机上网时长均在1%水平显著为正，表明手机上网能够提高农户的非农收入，表明本研究的核心结论没有受到互联网使用衡量方式的影响，说明回归结果稳健。

表3 互联网信息技术对农户非农收入的影响Table 3 The impact of Internet information technology on farmers’ off-farm income

3.3 内生性处理

由于通过互联网获取信息属于个人决策行为，可能因遗漏变量和反向因果而存在潜在的内生性问题。一方面，反向因果问题。收入水平可能会影响农户对互联网信息技术的重要性程度判断，从而产生反向因果问题。一般而言，高收入农户对互联网信息技术的依赖程度高，对互联网信息技术的重要性程度评价也越高。因此，本研究不能排除“反向因果”存在的可能性。另一方面，遗漏变量问题。由于很难控制所有影响农户收入的变量，本研究可能存在遗漏变量的问题。尽管前文互联网信息技术对收入的影响不随控制变量的增加而显著变化，但某些难以准确衡量的变量(如接受新事物的能力、智商等)将会同时影响其对互联网信息技术的重要性判断以及收入状况，即不能排除“遗漏变量”存在的可能性。潜在内生性问题的存在将会导致估计系数不一致，为控制内生性问题对回归结果造成的影响，本研究通过工具变量法、Heckman两阶段法进行回归，以减弱内生性造成的估计偏误。

在工具变量选择方面本研究参考已有文献，选取个体所在的村庄层面的互联网普及率作为工具变量进行内生性检验[59]。工具变量的合理性依赖于相关性条件和排他性约束，工具变量回归要求所寻找的工具变量与内生变量(互联网信息技术)相关，并且与影响农户收入的不可观测因素无关。第一，对于相关性条件，村庄互联网普及是城乡居民使用互联网的前提条件之一，村庄互联网普及率越高，农户使用互联网的概率越大。可见，村庄互联网普及率和互联网信息技术的使用具有相关性。第二，对于排他性约束，村庄互联网普及率与个体收入并不直接相关，满足工具变量的外生性假设。在Heckman两阶段模型中，第一阶段考虑互联网使用对就业选择的影响，在此基础上，考察其对收入的影响。

内生性处理的结果如表4所示。从工具变量回归结果可知，工具变量和潜在内生性变量在1%、5%的水平上显著，工具变量结果系数有变化，但没有改变前述的结论。同时考虑样本自选择问题，从Heckman两阶段模型估计结果可知，互联网使用在1%的显著水平下正向影响农户非农就业选择，但对非农收入的影响尚没有明确的关系。

表4 内生性处理Table 4 Endogenetic treatment

3.4 基于农户收入水平分解的进一步分析

此外，本研究进一步估计不同收入水平的农户使用互联网对其非农收入的影响，对其构建分位数回归模型，进一步进行稳健性检验。分位数回归结果如表5所示。可以看出，互联网使用对农户非农收入的影响随着分位点的提高而提高，当分位数点在0.20、0.25和0.30时，互联网使用对农户非农收入的影响并不显著，当分位数点在0.50以后，互联网使用对农户的收入的影响在1%的水平下显著，并且随着分位点的提高，显著程度水平越高。这表明，互联网的使用能够提高高收入农户的收入，可能进一步拉大农村内部收入差距。

表5 农户收入分位数回归Table 5 Quantile regression of household income

4 互联网信息技术使用对非农收入的作用机制

4.1 互联网信息技术使用与他人雇佣就业

表6报告了他人雇佣就业作为中介变量的模型估计结果。首先，互联网使用对农户非农收入有显著正向影响，结论同基准回归；其次，互联网使用对农户是否选择他人雇佣有显著正向影响；最后，同时纳入互联网使用和他人雇佣决策，此时他人雇佣的系数仍然在1%水平上显著为正，而互联网信息技术的系数则不显著，互联网对收入的影响被他人雇佣完全解释。因此，可视他人雇佣为中介变量，即互联网使用可以通过他人雇佣进而影响农户非农收入。Heckman模型的估计结果、工具变量模型的回归结果，均与中介效应模型的结果解读一致。上述结果验证了本研究的研究假说2。

表6 互联网信息技术、他人雇佣与农户收入估计结果Table 6 Estimated results of Internet information technology, employment of others and household income

4.2 互联网信息技术使用与自我雇佣就业

表7报告了自我雇佣就业作为中介变量的模型估计结果。首先，互联网使用对农户非农收入有显著的正向影响，结论同基准回归；其次，互联网使用对农户是否自我雇佣有显著正向影响最后，同时纳入互联网和自我雇佣决策，此时自我雇佣仍然对非农收入有显著的正向影响，且系数在1%水平上显著异于0，而互联网使用系数则不显著，可视为自我雇佣为中介变量，即互联网使用通过自我雇佣进而影响农户收入。Heckman模型估计结果、工具变量模型的回归结果，均与中介效应验证结果一致。上述结果验证了本研究的研究假说3。

表7 互联网信息技术使用、自我雇佣与农户收入估计结果Table 7 Internet information technology use, self-employment and household income estimation results

4.3 互联网信息技术增收效应的异质性分析

本研究将人力资本从知识水平、健康水平和能力水平度3个维度衡量，对互联网信息技术影响农户非农收入进行异质性分析。从知识水平看，本研究用样本农户实际受教育年限来衡量的农户的知识水平。从结果来看，互联网信息技术使用与农户的知识水平的交互项不显著。可能的原因是，农户整体受教育水平偏低且变异程度不明显，因此弱化了知识水平在互联网信息技术使用和收入增长方面的作用。

从健康水平看，本研究用样本农户健康状况的自我评价来衡量农户的健康水平(2)身体状况选项分为1=身体抱恙；2=身体较为虚弱；3=一般；4=良好；5=身体健康。。从结果来看，互联网信息技术使用与农户的健康水平的交互项在5%的水平上显著，且系数为正，表明互联网使用能显著提高健康状况较好的农户的收入。健康是其他人力资本投资的前提，健康程度将直接影响非农就业获取的概率，从而对收入产生影响。

从能力水平看，农户的能力水平借鉴了国内外学者生计能力评估指标方法[60-61]，从农户的年龄、受教育程度、健康状况以及非农就业4个层面构建了本研究农户能力指标体系。一般而言，年龄越轻，受教育程度越高，身体健康状况越好以及有从事非农就业经历的农户，能力水平越高。越考虑到指标体系内容较多，因此采用熵值法对农户能力各指标进行客观赋权。从结果来看，互联网信息技术使用与农户的能力水平的交互项在5%的水平上显著，且系数为正，表明互联网能显著提高能力水平较好的农户的收入。能力越强的农户，学习能力和创新意识也相对更强，获得高收入就业机会的可能性越大。

5 结论与政策建议

本研究基于信息效应理论，运用浙江省4县调查数据，研究了互联网信息技术使用对农户收入的影响及其作用机制。研究结论表明：第一，互联网使用对农户的收入有显著的促进作用，采用替换被解释变量进行稳健性估计和运用工具变量、Heckman模型对潜在内生性问题进行处理后，仍然显示互联网使用会对农户的收入水平有显著的正向影响。第二，促进农户自我雇佣和他人雇佣是互联网信息技术使用影响农户收入的主要途径，即互联网信息技术使用能够促进非农就业选择，提高农户进行他人雇佣的机会，促进农户进行自我雇佣的概率。第三，互联网信息技术使用对农户的收入的影响存在差异，受教育程度较高群体、能力水平较强及男性农户收入的影响较大。同时，互联网信息技术使用对于低收入农户使用互联网的边际收益明显低于高收入农户，因而互联网可能扩大了农户之间的收入差距。

表8 互联网信息技术与农户非农收入：农户人力资本异质性Table 8 Internet information technology and farmers’ off-farm income: heterogeneity of farmers’ human capital

本研究的研究结论具有重要的启示。第一，从个体层面，农户应当提升自身信息意识和信息能力，建立终身学习的理念，同时增强互联网用于学习、工作和商业活动的频率，进而促使互联网在农村地区成为一种生产力工具。第二，从社区(村)层面，首先，极构建就业创业平台，整合信息资源，保证就业创业信息公开，不断扩宽农民的非农就业渠道；其次，发挥好村干部互联网示范引领作用。利用好通信、直播、短视频、电商等，积极引导民众关注就业创业。第三，从国家层面，首先，加强农村地区宽带基础设施的建设，宽带基础设施建设是提升农户互联网使用频率的基础，提升网络供给能力，改变农村网络基础设施的落后局面；其次，积极有效利用互联网平台，为农户构建多方面的增收途径，打破农村信息孤岛困境；最后，积极推动农村地区基础教育和职业技术培训的发展，强化对农户信息素质的培养，提高互联网使用的意识。

然而，本研究也存在一定的局限性。尽管本研究识别了互联网信息技术对不同收入水平农户影响的差异，但这仍然难以精准识别互联网信息技术的需求对象。在后续研究中，将进一步细化农户群体，在此基础上深入考察互联网信息技术的增收作用及影响差异，以更好地促进收入增长，促进共同发展。