高梦桃

（山东大学经济学院，山东济南 250100）

一、引言

反贫困一直是各国政府和学术界持续关注的问题，也是人类社会生存与发展面临的巨大挑战。2020 年底，我国如期完成了全面消除绝对贫困和区域性整体贫困的艰巨任务，相对贫困治理将成为贫困治理工作的重点。巩固拓展脱贫攻坚成果，探索相对贫困治理有效路径，对构建相对贫困长效治理机制具有重要意义。

近年来，随着信息技术的进步和普遍应用，我国数字经济得以蓬勃发展。数字经济有助于创造和积累社会财富、发展共享经济、提升就业水平、改善服务质量、释放消费潜力[1-2]，已经成为新时期引领国民经济增长的重要动能。中国信息通信研究院发布的《中国数字经济发展报告（2022年）》显示，2021年我国数字经济规模达到45.5万亿元，数字经济占GDP的比重达到39.8%[3]，其作为国民经济发展稳定器和加速器的作用日益增强。数字经济的快速发展正在深刻改变着人们的生产生活方式，影响着价值创造与价值交换的方式。与此同时，凭借信息技术手段，数字经济通过缓解信息不对称状况、破除地理和制度障碍，促进要素自由流动和资源优化配置，推动区域协调发展。在数字化时代，消除发展道路上的数字鸿沟，有助于破解信息贫困的恶性循环，降低贫困发生率，缩小贫富差距。综上所述，数字经济会影响城乡家庭贫困状况。在相对贫困治理和数字经济快速发展的双重背景下，探究数字经济发展对城乡家庭相对贫困的影响和作用机制，可为相对贫困的数字化治理和共同富裕的推进提供理论和实证参考。

二、文献综述

对相对贫困的研究，最早始于20 世纪60 年代。富克斯（Fuchs）[4]认为，对相对贫困状况的认定不仅要考虑自身收入水平，而且要参照社会平均生活水平，如果一个人的生活水平低于社会平均水平且达到一定程度，那么即使他收入水平提升，他也应被认为处于相对贫困状态。后来，相对贫困的内涵从收入视角扩展到能力视角，测量标准也随之从单一维度扩展到多个维度[5]，并进一步延伸至贫困长期性、贫困脆弱性等方面。目前，测度相对贫困的方法主要有两种：一种以收入为核心进行静态评价，通常以收入的中位数或均值作为重要参照[6]；另一种基于动态视角，用贫困脆弱性相关指标来测度家庭因受到外部冲击而在未来陷入贫困状态的可能性[7]。静态评价是一种事后评价，只能静态度量当期的家庭福利水平，难以动态反映家庭相对贫困状况。因此，对相对贫困的识别与测度应综合考虑静态与动态两个方面。

现有文献从多方面探讨了影响相对贫困的要素。在宏观层面上，大部分文献研究了财政支出[8]、金融发展[9]、政府引导[10]等因素对收入不平等的影响；在微观层面上，部分文献从贫困脆弱性视角研究了公共转移支付[11]、代际关系质量[12]、合作参与[13]等因素的影响和作用。然而，现有研究仅探讨了相关因素对农村家庭的减贫效应，忽视了其对城市家庭相对贫困的影响。考虑到还有很多城市家庭收入水平比较低、贫困脆弱性比较强，在受到外部冲击时存在较大的返贫风险，应在综合考虑城乡家庭的基础上探讨相关因素的减贫效应。

随着数字经济的不断发展，涌现出大量关于数字经济的研究。目前，相关研究主要局限于对数字经济概念内涵、特征、规模测度、作用的分析。在国内相关实证研究中，多数研究从宏观层面讨论数字经济发展对经济高质量发展[14]、产业结构升级[15]、就业[16]、城乡收入差距[17]等的影响，少数研究从微观角度探讨数字经济发展对就业[18]、家庭增收[19]、包容性增长[2]等的影响，很少研究直接探讨数字经济发展对相对贫困的影响[20]，极少研究从微观层面分析数字经济发展对家庭相对贫困的影响。且相关研究主要围绕互联网、电子商务、数字普惠金融发展与绝对贫困的关系展开[7，21-22]，而互联网、电子商务、数字普惠金融只是数字经济的一个维度。因此，在系统而全面测度数字经济发展水平的基础上，研究数字经济发展对家庭相对贫困的影响具有重要理论与现实意义。

鉴于此，本研究构建数字经济发展水平综合评价指标体系，采用全排列多边形图示指标法测度省级层面的数字经济发展水平；利用北京大学中国社会科学调查中心的中国家庭追踪调查（CFPS）数据，以微观家庭为样本，从静态和动态两个方面考察数字经济发展对家庭相对贫困的影响；探究数字经济发展对家庭相对贫困的作用机制。

三、理论分析与研究假设

数字经济的强渗透性、强融合性决定了其对相对贫困作用路径的多元性和复杂性。本研究借鉴相关文献，从就业创造效应、金融赋能效应、人力资本赋能效应三个方面阐释数字经济发展对家庭相对贫困的影响与作用机制。

（一）就业创造效应

数字经济为发展新业态、开创就业新局面提供了强大的动能，对就业创造、就业结构和劳动力需求结构调整具有积极作用[1]。一方面，数字技术向社会各领域深度渗透，能催生新业态、新模式，拓宽就业领域，创造大量就业机会。特别是新的就业形态容量大、门槛低、灵活性强，能为大量低技能群体提供就业增收机会；另一方面，数字经济能加快新产品新服务的生产，促进消费需求的多元化，给居民创业带来机遇，影响居民创业决策，提升居民创业绩效[18，23-24]。与此同时，数字技术能拓宽就业创业信息获取渠道，极大地降低信息搜索成本，增强就业的便利性、公平性、普惠性，进而缓解家庭相对贫困，且这一影响在农村不发达地区、低收入群体中表现得更明显[2，25]。然而，宋旭光等[26]指出，数字经济的发展、智能化设备的使用可能会导致就业岗位减少，造成劳动力替代，引发结构性失业，给就业带来挑战。不过，多数研究认为，短期内数字经济不会对劳动就业总量产生不利影响，只会带来劳动力就业结构的变化[16]。基于此，提出如下假设：

H1：数字经济发展通过创造就业机会、增强创业意愿，促进低收入群体就业或创业，缓解家庭相对贫困。

（二）金融赋能效应

获取金融资源是缓解家庭相对贫困、推动经济增长的重要途径。低收入群体在金融市场中长期被排斥，难以公平获取金融产品和服务，个体财富增长受阻，易落入贫困陷阱[27]。一方面，以数字技术赋能普惠金融，能促进数字普惠金融新模式的形成与发展，扩大金融服务覆盖面，增强金融服务普惠性，提高金融服务渗透率，使金融服务更全面而有效地触及低收入群体[28]，为面临金融排斥和信贷约束的人群提供方便快捷的多元化金融服务，缓解家庭相对贫困，实现包容性增长[2，9]。另一方面，数字经济发展能促进信息传播与居民沟通互动，增强非正规金融的可得性。作为正规金融的有效补充，非正规金融具有灵活的交易方式和低额的利息，能降低融资门槛，解决居民融资难问题，促进家庭收入增长[29]，进而缓解家庭相对贫困。可见，数字经济发展能在加速金融产品与金融服务创新的同时，增强非正规金融的可得性，更好地满足弱势群体对信贷、保险、投融资等多样化金融的需求，促进其生产经营，增加其收入，缓解其家庭相对贫困[21]。基于此，提出如下假设：

H2：数字经济发展通过缓解信贷约束、增强信贷可得性，满足低收入群体的信贷需求，促进收入增长，降低家庭陷入相对贫困状态的可能性。

（三）人力资本赋能效应

贫困实质上是以知识和信息为基础的能力匮乏导致的结果，能力匮乏是引致家庭经济贫困的真正原因[30]。数字经济发展可通过提升弱势群体专业技能与综合素养，促进其收入增长。这主要是因为：一方面，数字经济具有广泛渗透性，能突破知识传递与信息获取的时空限制，为贫困人口提供更多选择和渠道，使之以较低的成本、较便捷的方式接受先进市场经济理念和现代工业文明的熏陶，极大地提升自己的知识能力、科学素养与发展能力[31]。特别是在线教育模式促进了教育资源的优化配置与均等化发展，有利于贫困地区共享优质教育资源，有助于相对贫困地区和相对贫困人口全面提高人力资本水平[32]。而随着人力资本的积累，农村优质劳动力会进行选择性转移形成非农就业，以增加收入[17]。另一方面，数字技术的加速迭代对劳动者的数字技能提出了更高要求。特别是随着数字经济赋能传统产业，大批高端、智能化设备取代传统设备，传统就业岗位对劳动力提出了新的更高要求，倒逼其进行人力资本升级，并通过人力资本升级带来的就业创业引致效应缓解家庭相对贫困。基于此，提出如下假设：

H3：数字经济发展通过促进人力资本积累，提升低收入群体专业技能与综合素养，增强就业创业引致效应，缓解家庭相对贫困。

四、模型构建、变量设计与数据说明

（一）模型构建

为考察数字经济发展对家庭相对贫困的影响，设定如下计量模型：

其中，被解释变量Povertyijt表示省份j的家庭i在第t年的相对贫困状况；核心解释变量DEjt表示省份j第t年的数字经济发展水平；Xijt表示对家庭相对贫困有影响的户主、家庭、地区层面的控制变量；系数γ反映数字经济发展对家庭相对贫困的影响，是本研究重点关注的系数；ηi、σt分别表示个体固定效应和年份固定效应；εijt为随机扰动项。考虑到同一家庭在不同年份的干扰项可能存在相关性，本研究采用根据家庭进行聚类调整的稳健性标准误。

（二）变量设计

1.被解释变量

本研究考察的是数字经济发展对家庭相对贫困的影响，被解释变量为家庭相对贫困。

（1）静态相对贫困

国内外度量静态相对贫困的指标通常来自人均收入的均值和中位数，两者孰优孰劣，尚无定论[33]。人均收入的平均数易受极端值影响，以平均数的一定比例作为贫困线会导致对静态相对贫困的高估。因此，根据国际惯例，以各省份城镇和农村家庭人均收入的中位数为参照（即“全国一条线”），认定家庭是否处于静态相对贫困状态。综合考虑家庭规模和人口结构[9]，按等效家庭规模①计算城乡样本家庭人均收入，并以其中位数的40%、50%、60%为贫困线确认样本家庭是否处于静态相对贫困状态。若样本家庭人均收入超过相应的标准，认为该家庭未处于相对贫困状态；反之，认为该家庭处于相对贫困状态。此外，考虑到城乡二元经济结构下我国城乡居民收入差距较大，在稳健性检验部分，分别以城镇和农村样本家庭人均收入中位数的40%为标准（即“城乡两条线”），认定城镇和农村家庭是否处于相对贫困状态[34]。

（2）动态相对贫困

考虑到低收入人群收入增长乏力，贫困脆弱性强，在遭遇各种不利外部冲击后返贫风险更大，本研究用贫困脆弱性来测度动态相对贫困。贫困脆弱性指标具有不确定性、动态性、前瞻性特征，可反映长效脱贫减贫成果。它根据家庭现阶段生活水平综合评估居民未来陷入或继续保持相对贫困状态的概率。当前，测度贫困脆弱性的指标主要有三种，分别是低期望效用脆弱性（Vulnerability as Low Expected Utility）、风险暴露脆弱性（Vulnerability as Uninsured Exposure to Risk）、预期贫困脆弱性（Vulnerability as Expected Poverty）。其中，风险暴露脆弱性指标主要反映个人或家庭在遭遇风险冲击后的福利损失。低期望效用脆弱性、预期贫困脆弱性指标主要用将来的预期收益来测度贫困脆弱性，具有前瞻性，但低期望效用脆弱性指标的实际应用会因数据维度不足以刻画个人偏好与消费变动性而受到限制[11，35]。因此，本研究选用预期贫困脆弱性来测度家庭动态相对贫困，即家庭在未来陷入贫困状态的概率越大，贫困脆弱性越强。

预期贫困脆弱性代表家庭i在第t年不贫困、在第t+1 年变为贫困，或者在第t年贫困、在第t+1年继续保持贫困的概率。该指标所反映的是一种事前风险，具有前瞻性。参考樊丽明等[11]的研究，设置以下测量贫困脆弱性的三阶段广义最小二乘法基本方程：

其中，Ci，t+1表示家庭i在第t+1 年的人均消费，poor表示贫困线，Vit表示家庭i在第t+1年的人均消费低于贫困线的概率。此模型用以测度一定时间内家庭i陷入或可能陷入相对贫困状态的概率。

第一步，估计消费方程，公式如下：

其中，Cit表示家庭i在第t+1年的人均消费，Xit为户主或家庭特征变量，θi表示个体固定效应。

第二步，估计家庭未来人均消费对数的期望值E和方差V，公式如下：

第三步，假设人均消费的对数服从正态分布，可将贫困脆弱性表示为：

可以发现，贫困线高低对贫困脆弱性的影响很大。

需要强调的是，之所以采用消费标准认定家庭相对贫困状况，主要是因为消费行为既能直接反映个体福利状况，又能控制收入变量避免回归模型内生性问题。本研究采用世界银行定义的贫困线标准，即日人均消费1.9 美元和3.1 美元②[36]。

2.核心解释变量

本研究的核心解释变量为数字经济发展水平。考虑到目前国内外测度数字经济发展水平的指标体系③各有侧重，存在统计范围界定不准确、数据来源不稳定、数据可得性受限、可操作性不强、可比性差、应用范围窄、样本可延长性差等问题[37]，本研究参考相关文献[37-38]，基于数字经济内涵与发展特征，结合省级层面数据可得性与适用性，构建包含4个一级指标10个二级指标、能客观定量评估数字经济发展水平的综合评价指标体系（见表1）④，并采用全排列多边形图示指标法测算数字经济发展水平。该方法不需要确定各指标权重，只需要提供与决策相关的上限值、下限值和临界值，其计算过程简单，评价结果简洁直观、客观准确，既有单项指标值，又有综合指标值，能综合体现各级指标临界值对系统综合指标的放大和缩紧效应，遵循系统整合原理，客观反映评估对象综合状况⑤[39]。

表1 数字经济发展水平综合评价指标体系

3.控制变量

参考相关文献[11，17，21]，考虑数据可得性，分别从户主、家庭、地区层面选取控制变量。其中，户主层面的控制变量包括户主年龄、性别、受教育年限、是否已婚、是否就业、健康状况、户口类型；家庭层面的控制变量包括家庭规模、家庭人均收入、家庭中老年人占比、家庭中儿童占比；地区层面的控制变量包括地区人均GDP、城镇化率、金融发展水平、第三产业占比。

本研究主要变量及其说明见表2，其描述性统计见表3。此外，按数字经济发展水平将样本家庭分为四组，分组统计家庭静态相对贫困发生率和动态相对贫困水平，结果见表4。经分析可知，在所有的贫困标准下，数字经济发展水平与家庭相对贫困之间都存在明显的负相关关系，即数字经济发展水平越高，家庭陷入相对贫困的可能性越小。具体来看，随着数字经济发展水平的提升，基于人均收入中位数40%、50%、60%标准的家庭静态相对贫困发生率逐渐降低，基于日人均消费1.9美元和3.1 美元标准的家庭贫困脆弱性水平也逐渐降低。不过，这只是通过统计性描述得到的直观判断，考虑到影响家庭相对贫困的因素纷繁复杂，还需要在控制其他潜在影响因素的情况下进行回归分析。

表2 本研究主要变量及说明

表3 本研究主要变量描述性统计

表4 按数字经济发展水平分组的家庭相对贫困的统计性描述

（三）数据来源

本研究使用的中国家庭微观数据来自北京大学中国社会科学调查中心的CFPS数据平台。CFPS 项目始于2010年，每两年进行一轮调查，截至目前共进行了一轮基线调查和五轮全国追访工作。调查数据涉及个体、家庭、社区三个层次，可为中国社会、经济、人口、教育、健康情况分析提供基础性数据。本研究选用其中的四期（2012 年、2014 年、2016 年、2018 年）非平衡面板数据⑥。在对数据中的缺失值、异常值、极端值进行处理后，得到有效样本49 135个。

测算我国省级层面数字经济发展水平的原始数据来自国家统计局、中国工业经济统计年鉴、中国电子信息产业统计年鉴、中国科技统计年鉴、中经网统计数据库、北京国民经济研究所中国分省份市场化指数数据库等。受数据可得性限制，本研究仅分析2011—2018 年我国30 个省份（不含香港、澳门、台湾、西藏地区）的情况。对于个别缺失数据，主要用年均增长率法推算得到。

五、实证分析

（一）基准回归

表5 给出了数字经济发展对家庭相对贫困的基准回归结果。表5 列（1）至列（6）的被解释变量是静态相对贫困。其中，列（1）至列（3）展示的是基于普通最小二乘（OLS）模型的回归结果，列（4）至列（6）展示的是基于Probit 模型的回归结果。表5列（7）、列（8）展示的是基于OLS 模型的估计结果，其被解释变量是动态相对贫困。具体来看，在控制户主、家庭、地区层面的变量后，无论是利用OLS 模型还是利用Probit 模型，无论是对静态相对贫困还是对动态相对贫困，数字经济发展的系数均显著为负，即数字经济发展可以减小家庭陷入相对贫困状态的可能性，降低家庭贫困脆弱性水平，这验证了数字经济发展的减贫效应。其可能的原因有二：一是数字经济发展能极大地激发市场经济活力，催生大量服务性行业，增加就业机会，减少摩擦性失业，提高就业质量，提升收入水平，降低个体遭受相对剥夺的概率；二是数字经济发展能倒逼劳动者进行人力资本投资以提升能力素养、匹配市场需求，进而减少劳动者所遭受的相对剥夺，降低家庭相对贫困发生率[40]。

表5 基准回归结果

（二）内生性检验

本研究尽管在基准回归中对户主、家庭、地区层面的变量进行了控制，但遗漏变量、双向因果关系等内生性问题依然会使结果产生偏误。为缓解这些潜在的内生性问题，本研究采用面板固定效应模型、工具变量法、滞后变量法进行内生性检验。

1.面板固定效应模型

为缓解遗漏变量带来的内生性问题，在控制家庭固定效应的基础上进行回归。面板固定效应模型如下：

与式（1）相比，式（7）加入了家庭固定效应αi，其他指标与式（1）一致。该模型能在一定程度上缓解遗漏变量特别是不随时间变化的遗漏变量所带来的内生性问题。

从表6 列（1）、列（4）、列（5）的回归结果看，数字经济发展的系数显著为负，这说明基准回归结果稳健。

2.工具变量法

为缓解双向因果关系带来的内生性问题，相关研究[14，41]通常以1984年每百人拥有的固定电话机数量为工具变量来衡量数字经济发展水平。这是因为，一方面，一个地区过去所拥有的固定电话机数量能反映传统通信技术水平，会从技术发展、使用习惯等方面影响互联网技术的应用，进而影响数字经济发展，满足对工具变量的相关性要求；另一方面，随着信息技术的发展，过去所拥有的固定电话机数量很难再对数字经济发展和家庭收入水平产生影响，满足对工具变量的外生性要求。不过，本研究使用的是面板数据，而1984年每百人拥有的固定电话机数量只有单一年份的截面数据，因此用各省份1984 年每百人拥有的固定电话机数量与全国互联网用户数（一个随时间变化的变量）的交互项作为工具变量进行回归。结果显示，克拉格-唐纳德·瓦尔德（Cragg-Donald Wald）F统计量为146.298，大于斯多克-尤格（Stock-Yogo）弱识别检验10%水平上的临界值，通过了弱工具变量检验；克莱伯根-帕普（Kleibergen-Paap）rk LM统计量的p值为0.000，在1%的水平上拒绝了工具变量不可识别的原假设。这表明，本研究选取的工具变量是合适的。从表6列（2）、列（6）、列（7）的回归结果看，数字经济发展的系数显著为负，基准回归结果稳健。

3.滞后变量法

为缓解双向因果关系带来的内生性问题，本研究用滞后一期的数字经济发展替换基准回归中的核心解释变量。表6列（3）、列（8）、列（9）的回归结果再次验证了基准回归结果的稳健性。滞后一期的数字经济发展的系数显著为负，数字经济发展对家庭相对贫困的影响具有明显的时滞性，这可能与低收入群体受教育水平较低、数字素养与技能不高、对新事物反应迟缓有关。

表6 内生性检验结果

（三）异质性分析

异质性分析结果如表7 所示。列（1）和列（2）显示了基于户主户口类型的分组回归结果。结果表明，数字经济发展对城镇和农村家庭相对贫困的影响均显著为负，且该作用在农村家庭中更大。这可能是因为，现阶段数字经济的发展为农村低技能居民就业创造了机会，有助于其家庭相对贫困状况的改善。比如，近年来电商行业的发展极大地促进了农民增收减贫。

表7 异质性分析结果

列（3）至列（5）显示了基于区域的分组回归结果。结果表明，数字经济发展的减贫效应在东部、中部、西部地区均通过了显著性检验，但在中西部地区减贫效应更强。这可能是因为，中西部省份积极出台数字经济专项政策，为数字产业化和产业数字化发展提供丰富载体与广阔市场空间，推动中西部地区数字经济及相关产业发展，帮助广大群众从中获取数字红利，进而缓解家庭相对贫困。

列（6）至列（8）显示了基于户主年龄的分组回归结果。结果表明，数字经济发展在户主年龄未超过60 岁的家庭中对相对贫困的影响显著为负，特别是在户主年龄未超过40 岁的家庭中影响更大，在户主年龄超过60 岁的家庭中影响不显著，这与中老年群体数字技能缺乏、劳动能力不足等有关。

列（9）和列（10）显示了基于户主受教育年限的分组回归结果。结果显示，相较于户主受教育年限短的家庭，数字经济发展在户主受教育年限长的家庭中对相对贫困的影响更大。这主要是因为，数字经济对人们的综合素质提出了更高的要求，特别是随着数字经济与实体经济的深度融合及其向社会各领域的不断渗透，数字技能越来越成为劳动者所需要的一项重要技能，受教育年限短的个体会面临更大的收入不确定性，其家庭陷入相对贫困状态的风险更大。

（四）稳健性检验

为进一步提高研究结果的可靠性，本文进行了稳健性检验。

1.更换被解释变量衡量标准

第一，借鉴汪三贵等[34]的做法，分别以城镇和农村家庭人均收入中位数的40%为贫困线（即“城乡两条线”），判断城镇和农村家庭是否处于相对贫困状态。以根据这两个标准认定的家庭相对贫困为被解释变量分别进行回归，结果见表8列（1）、列（2）。

第二，参考博尔哈斯（Borjas）[23]关于主观相对贫困的研究，根据CFPS 问卷数据，将在个人收入水平问题（“您的个人收入在本地属于何种水平”）上勾选“1”选项的家庭认定为相对贫困，将勾选“2”“3”“4”“5”选项的家庭认定为相对不贫困，这里的选项“1”表示收入很低，选项“5”表示收入很高。以根据该标准确定的主观相对贫困为被解释变量并进行回归分析，结果见表8列（3）。

2.替换核心解释变量衡量指标

杨慧梅等[37]基于数字产业化、产业数字化两个维度构建评价指标体系（相比于本研究构建的指标体系，该指标体系只有两个维度，且两个维度所涉及的具体指标有所不同），并利用主成分分析法测算我国省级层面的数字经济发展水平综合评价值以及数字产业化水平、产业数字化水平两个分项值。受篇幅所限，不再展示其指标体系和测算过程。本研究分别用杨慧梅等[37]设计并测算的上述三个指标，替换核心解释变量的衡量指标并进行回归分析。当解释变量衡量指标为数字经济发展水平综合评价值时，回归结果见表8列（4）、列（5）；当解释变量衡量指标为产业数字化时，回归结果见表8 列（6）、列（7）；当解释变量衡量指标为数字产业化时，回归结果见表8列（8）、列（9）。

表8 稳健性检验结果

综合上述回归结果，无论是在更换被解释变量衡量标准后，还是在替换核心解释变量衡量指标后，核心解释变量数字经济发展的系数均显著为负，即数字经济发展具有显著的减贫效应，本研究基准回归结果稳健可靠。

（五）机制检验

基准回归结果显示，数字经济发展的减贫效应十分显著。那么，这种减贫效应借助何种机制传导？接下来，进一步对其内在影响机制进行检验。

1.就业创造效应

前面的理论分析发现，数字经济发展可以通过创造就业机会、增强创业意愿缓解家庭相对贫困。对于是否就业、是否创业这两个变量，本研究分别根据CFPS 问卷中对“现在是否有工作”和“过去一年里您家是否有家庭成员从事个体经营或开办私营企业”这两个问题的回答来定义。表9的结果显示，无论是对静态相对贫困还是对动态相对贫困，数字经济发展的系数均显著为负。这验证了H1，即数字经济发展通过促进就业和创业缓解家庭相对贫困的作用机制是存在的。其可能原因在于，数字经济通过与实体经济的深度融合及其向社会各领域的不断渗透，催生新的就业形态，而新的就业形态岗位容量大，就业门槛较低，能为大量低技能群体创造就业机会，扩大非正规就业规模。此外，数字经济发展能突破信息获取与交流的时空限制，缓解融资约束，增强人们进行自主创业的意愿，提高居民生活水平，在某种程度上减少低收入群体所遭受的相对剥夺。

表9 基于就业和创业效应的机制检验结果

2.金融赋能效应

为验证数字经济发展的金融赋能效应，本研究用有无待偿银行贷款、有无待偿亲友或民间贷款反映有无借贷（仅当对两个题项的回答均为“否”时，表示无借贷）。进一步，用来自银行的借贷额的对数反映对正规金融的使用情况，用来自亲友或民间的借贷额的对数反映对非正规金融的使用情况。表10列（1）至列（3）的回归结果验证了数字经济发展通过金融赋能效应对家庭相对贫困的影响（H2）。这表明，数字经济发展能提高居民获得借贷的可能性，使之能更加容易地获得来自正规金融和非正规金融的融资，进而缓解家庭相对贫困。其原因有二：一是数字经济的发展有助于数字普惠金融在全国范围内的加速普及，数字普惠金融渗透性、普惠性强，可以更直接有效地触及低收入群体；二是数字经济的发展有助于拓展居民社会网络，提高居民获得非正规金融的可能性。

3.人力资本赋能效应

为验证数字经济发展的人力资本赋能效应，本研究用受教育年限衡量人力资本水平。表10列（4）的回归结果验证了数字经济发展通过人力资本赋能效应对家庭相对贫困的影响（H3），即数字经济发展能通过提升人力资本水平有效缓解家庭相对贫困。其原因可能是，数字经济不断向贫困人口的生产和生活领域渗透，既为居民学习数字技能创造良好条件，又倒逼居民提升数字素养和数字技能，而这有助于居民在劳动力市场上获得更加优质的工作，缓解家庭相对贫困[9]。

表10 对人力资本赋能效应和金融赋能效应的机制检验结果

六、结论与政策建议

（一）结论

本研究构建数字经济发展水平综合评价指标体系，进而基于此利用全排列多边形图示指标法测度省级层面数字经济发展水平，并结合CFPS 数据，从理论和实证层面考察数字经济发展对家庭相对贫困的影响与作用机制。研究结论如下：

第一，数字经济发展能显著缓解家庭相对贫困。基准回归结果表明，数字经济发展能有效降低家庭相对贫困发生的概率，减小家庭因遭受相对剥夺而在未来陷入相对贫困状态的可能性。采用面板固定效应模型、工具变量法、滞后变量法缓解潜在内生性问题后，结论依然保持一致。更换被解释变量衡量标准、替换核心解释变量衡量指标后，结论依然稳健。

第二，数字经济发展对家庭相对贫困的缓解作用存在异质性。基于户主户口类型的异质性分析结果表明，数字经济发展在城镇和农村家庭中对相对贫困均有抑制作用，但在农村家庭中抑制作用更强；基于区域的异质性分析结果表明，数字经济发展在东部、中部和西部地区均能显著缓解家庭相对贫困，但在中西部地区这种作用更明显；基于户主年龄的异质性分析结果表明，数字经济发展在户主年龄未超过60岁的家庭中能显著缓解相对贫困，特别是在户主年龄未超过40 岁的家庭中这种作用更强；基于户主受教育年限的异质性分析结果表明，相较于户主受教育年限较短的家庭，数字经济发展在户主受教育年限较长的家庭中减贫效果更明显。

第三，数字经济发展主要通过就业创造效应、人力资本赋能效应和金融赋能效应缓解家庭相对贫困。机制检验结果表明，数字经济发展能催生新的就业形态，增加就业岗位，降低就业门槛，为低技能群体就业创业提供机会，促进其收入水平提高；数字经济发展能为居民学习数字技能创造良好条件，倒逼居民提升数字素养和数字技能，而这使之能在劳动力市场上获得更加优质的工作，进而缓解家庭相对贫困；数字经济发展有助于破除融资约束，使居民更容易获得正规和非正规金融借贷，进而缓解家庭相对贫困。

（二）政策建议

第一，持续推动数字经济发展，强化数字经济在促进就业增收方面的作用。完善的基础设施是发展电子商务、物流运输的必要前提和重要基础，应进一步加大对中西部地区数字经济基础设施建设的支持力度，尽可能实现信息网络基础设施在农村地区的全覆盖，提升中西部地区数字经济对区域经济发展的支撑能力，让广大家庭共享数字红利，逐步消除数字鸿沟。

第二，在相对贫困治理中，灵活运用数字经济的就业创造机制，大力拓宽就业渠道，因势利导做好稳就业工作。增强创业带动就业作用，通过数字经济促进政策使更多就业者（特别是非正规就业者、农村居民、贫弱群体）实现创业增收，确保不发生“规模性返贫”。

第三，在推动数字经济发展的同时，注重提升居民人力资本水平，使人民群众公平享有数字红利。“扶贫必扶智”，提升居民数字素养至关重要。政府应加大对农村地区和低收入地区的公共政策倾斜力度，优化高等教育和职业教育专业设置，借助信息化的力量促进教育公平，缩小教育差距，推动教育公平与教育质量提升。

第四，提高数字技术向农村地区特别是贫困地区渗透的广度和深度，在推动数字技术强力赋能现代农业的同时，充分发挥信息化对农业农村现代化建设的促进作用，以数字普惠金融和农产品电商助力乡村振兴。以居民需求为导向，切实增强社会供给的针对性和有效性，促进农村产业结构升级，提高农村居民收入水平与生活质量。

注释：

①在计算一般意义上的家庭规模时，对所有家庭成员赋予相同权重。在计算等效家庭规模时，要考虑家庭人口结构，按年龄对各家庭成员赋予不同权重。其具体做法是：把户主的权重赋为1，把非户主成年人和14～17 周岁未成年人的权重赋为0.5，把小于14 周岁未成年人的权重赋为0.3，然后将所有成员的权重加总，即得到等效家庭规模。

②根据世界银行的推算，2011 年人民币购买力平价为3.506，即1美元与3.506元人民币的购买力相当。2011—2017 年消费者物价指数（CPI）数据来自国家统计局网站，在经过购买力平价和CPI 调整后，每人每天1.9 美元在2012 年、2014 年、2016 年、2018 年分别相当于每人每年2 435 元、2 572 元、2 672 元、2 793 元；每人每天3.1 美元在2012 年、2014 年、2016 年、2018 年分别相当于每人每年3 972元、4 205元、4 325元、4 382元。

③目前提出数字经济发展水平测度指标体系的国外研究机构有欧洲联盟、美国商务部数字经济咨询委员会、国际电信联盟、世界经济论坛、经济合作与发展组织等，国内研究机构有中国信息通信研究院、赛迪顾问、上海社会科学院、腾讯研究院、新华三集团、苏州大学等。

④笔者还采用其他方法（主成分分析法、模糊集法、层次分析法）测算了省级层面的数字经济发展水平。以全排列多边形图示指标法的测算结果为基准，检验其与其他方法测算结果之间的相关关系。结果显示，其他方法的测算结果与全排列多边形图示指标法的测算结果均在1%的水平上显著正相关，且相关系数均大于0.50，这证实了本研究测算数据的稳健性。

⑤受篇幅所限，本研究未能展示全排列多边形图示指标法的测算过程以及其他方法的测算过程和结果。

⑥本研究未选取2010 年、2020 年的CFPS 数据。未选取2010 年CFPS 数据是因为该年CFPS 数据属于基线调查数据，存在数据不够规范、与后续调查数据统计口径有差别等问题。未选取2020 年CFPS 数据是因为该年CFPS数据现仅公布了个人库和少儿家长代答库，其他数据仍在清理和评估中，发布日期待定，且问卷中现有的个人自答部分数据不能满足本研究实证分析的需要。同时，本研究主要从数字经济发展载体、发展环境、数字产业化、产业数字化四个方面测度数字经济发展水平，涉及指标多，数据量大，而2020年CFPS数据在多项指标上存在严重缺失。此外，笔者在删除关键变量缺失的观测值、对极端值进行处理后，利用2010 年、2012 年、2014 年、2016年、2018 年五期的数据（有效调查样本57 218 个），再次按照本研究设计进行相应的实证分析，发现基于2010年、2012 年、2014 年、2016 年、2018 年五期数据的结果与本研究基于2012 年、2014 年、2016 年、2018 年四期数据的结果基本一致。