Influence Mechanism of Digital Village Development on Rural Residents' Consumption

DU Rong; LIU Siwei; FENG Youshuai

doi:10.15957/j.cnki.jjdl.2024.04.020

Economic geography >

2024 , Vol. 44 >Issue 4: 190 - 200

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.04.020

Influence Mechanism of Digital Village Development on Rural Residents' Consumption

DU Rong ^,¹ ,
LIU Siwei ^,²^,^※ ,
FENG Youshuai ³

Expand

1. Institute of Food and Strategic Reserves，Nanjing University of Finance and Economics，Nanjing 210003，Jiangsu，China
2. School of Economics and Trade，Hunan University of Technology and Business，Changsha 410205，Hunan，China
3. Institute of Sustainable Development，Huzhou University，Huzhou 313000，Zhejiang，China

Received date: 2023-03-03

Revised date: 2023-09-11

Online published: 2024-09-12

Fold

Abstract

Based on the panel data of 30 provincial-level regions in China from 2009 to 2022,the article explores the influence mechanism of the digital rural development level on rural residents' consumption from the perspectives of mediation and spatial spillover. The study finds that: 1) There is a significant spatial correlation between rural residents' consumption and the digital rural development, and the digital rural development is not only conducive to improving the consumption level of rural residents in the region,but also has a positive impact on the growth of rural residents' consumption in neighboring regions. 2) The level of digital rural development has a heterogeneous impact on on rural residents' consumption. From the perspective of consumption level, the level of digital rural development has a significant impact on survival-type consumption and development-type consumption,and weakly enhances enjoyment-type consumption. From the perspective of the sub-region,the level of digital rural development has a significant role in promoting rural residents' consumption in the central and western regions. 3) The digital rural development can indirectly promote the consumption of rural residents by promoting the increase of rural residents' income. Accordingly,it proposes some countermeasures to accelerate the construction of digital villages,improve the integration mechanism between digital technology and rural industries,strengthen inter-regional synergistic development,and give full play to the externality effect of the digital economy on consumption.

Key words： digital village; rural residents' consumption; rural residents' income; spatial spillover; digital technology; industrial structure

Cite this article

DU Rong , LIU Siwei , FENG Youshuai . Influence Mechanism of Digital Village Development on Rural Residents' Consumption[J]. Economic geography, 2024 , 44(4) : 190 -200 . DOI: 10.15957/j.cnki.jjdl.2024.04.020

在中国经济从高速增长阶段转向高质量发展阶段的过程中，世界经济正面临百年未有之大变局，国际地缘政治冲突和世纪疫情相互叠加，国民经济发展下行压力增大，居民消费增速减缓。如何顺应消费升级趋势，充分挖掘国内市场潜力，积极扩大城乡居民消费需求，全面提高消费在中国经济增长中的贡献率成为“十四五”时期的经济工作重点。但由于农村居民受教育程度和传统消费观念的长期影响，农村居民消费蕴含的巨大消费潜力未完全释放，城乡居民消费差距逐渐扩大，农村居民消费滞后不仅制约着农村经济社会的快速发展，也成为束缚中国经济健康发展的绳索。与此同时，随着乡村振兴战略的稳步推进，中央进一步提出数字乡村建设战略。数字乡村建设是以数字化、智慧化、信息化为基本特征，以移动互联网为服务平台，以大数据、云计算等新兴技术为媒介的现代化乡村建设的新型形态。实施数字乡村发展战略能够通过技术扩散、知识溢出和优化资源配置等途径突破地理空间上的距离壁垒，拓宽消费边界，进而产生“空间溢出效应”，带动地区间消费提振升级。在此背景下，探讨数字乡村发展对农村居民消费的影响尤为重要。数字乡村发展能否显著促进农村居民消费增长，是否具有空间相关性，其内在作用机制是什么?为回答以上问题，本文将两者结合进行研究，这对新时期畅通城乡经济循环，拓宽农民增收渠道，释放农村消费潜力和实现经济高质量发展具有重要的现实意义。

在早期研究中，国内学者主要从消费结构、消费环境以及消费行为变迁等角度阐述我国农村居民消费的现状特征^[1-2]。伴随着国家加大农村扶持力度和研究的持续深入，更多学者开始聚焦农村居民消费的作用机制，并从不同视角进行探究。①驱动因素层面。文洪星等从增收效应、预期效应、示范效应、挤出效应出发，提出非农就业能够促进农村居民消费增长^[3]。同时，陈东、黄大湖等认为农村金融深化、农村信贷、公共转移支付和农村劳动力流动等也是推动农村居民消费增长的重要因素^[4-5]。②消费结构层面。胡兵等发现市场化程度、流通设施环境、居民收入对农村消费结构具有明显影响，且提出因收入水平的不同会呈现出非线性门槛特征^[6]；杜蓉等指出农业生产性服务业对生存型和享受型两大类消费具有显著影响^[7]。③消费行为层面。王小华等揭示了中国农民消费行为变动表现为收入变动的过度敏感性以及习惯形成效应，且两种效应存在极大差异^[8]。针对数字乡村发展对农村居民消费的研究，学术界多从数字化手段探讨对农村居民消费的影响，认为移动支付、电子支付等数字化手段能有效释放农村居民家庭的消费潜力，促进消费升级^[9]。此外，互联网发展和互联网参与度也是提升农村家庭消费水平的重要动力^[10]。黎翠梅等从数字普惠金融的视角探究其对农村消费的影响及作用机制，揭示数字普惠金融借助数字化支付、信贷、保险等途径直接刺激农村消费增长^[11]。而杜家廷等则认为数字普惠金融主要通过农村经济发展和农村居民经营性收入增长两条路径促进农村居民消费结构升级，且这种促进作用主要呈现为“边际递增”和“倒S型”非线性形态^[12]。但也有学者指出在中国城乡之间仍然存在数字鸿沟，且这种数字鸿沟会进一步阻碍农村居民消费升级^[13]。

综上所述，已有研究围绕数字经济与农村居民消费开展了诸多有益讨论，并在理论和实践方面取得了初步成果，但仍存在以下问题值得进一步研究：①对农村居民消费的研究视角更多聚焦于地区层面，较少从农村数字化建设层面进行讨论。目前仅有汪亚楠等从数字乡村建设视角探讨其与农村居民消费之间的关系，但在数字乡村建设指标选取和回归模型选择方面未考虑构建综合指标体系和空间作用机制^[14]。②对于数字乡村发展水平的测度多采用单一指标进行度量，未能构建指标体系综合考虑数字乡村发展的具体水平。③对于数字乡村发展影响农村居民消费的研究均采用传统回归模型，缺乏考虑地区异质性与空间溢出性等空间因素，从而难以揭示乡村数字化建设对居民消费影响的真实变化规律。

为此，本文首先在理论上厘清数字乡村发展对农村居民消费的空间机制和作用渠道，综合考虑地理区位和消费层次异质性对数字乡村发展影响农村居民消费的作用；其次，从数字资金投入、数字产业应用、数字信息基础和数字服务水平4个维度构建中国数字乡村发展水平指标体系；最后，基于农村居民消费的空间自相关检验，采用空间计量模型剖析数字乡村发展水平对农村居民消费的影响作用，并进一步探究数字乡村发展影响农村居民消费的作用路径，以期为数字乡村发展助力农村居民消费增长的制度与政策措施提供量化依据和决策支撑。

1 作用机理与研究假说

随着大数据、云计算、物联网、人工智能技术为代表的新型信息技术的广泛运用，互联网经济、数字经济等一系列“互联网+”与数字赋能新兴经济形态应运而生。数字乡村建设不仅是建设数字中国的关键着力点，同时也是实施乡村振兴的重点内容。在数字乡村发展过程中，数字技术推动了农业生产、交换和消费在内的生产关系发生重要变化，带动了我国农村地区居民收入提高和消费增长^[15]。具体来看，数字乡村发展主要通过提高农村居民的经营性收入、工资性收入、财产性收入等渠道促进农民收入增长，进而影响农村居民消费水平^[16]。

①数字乡村发展可以通过提高农村居民经营性收入刺激农村居民消费增长。一方面，数字化转型是农业高质量发展的必然趋势，数字技术和农业发展相结合的新型农业生产方式可以有效降低农业生产成本，精准把控农业生产环节中生产要素的投入，充分发挥节水、节肥、节地等多重优势，为农业现代化转型升级提供技术支撑^[17]。另一方面，数字技术能够构建农产品信息交流平台，及时准确掌握市场信息并反馈到农业生产端，提高农业生产效率，效率提升带动农产品质量和竞争力得到增强，产品销量和效益上升趋势明显，农村居民经营性收入增加，相应的消费支出也会随之增加^[18]。

②数字乡村发展可以通过增加农村居民财产性收入促进农村居民消费水平提升。在数字乡村赋能农村收入增长的过程中，农村普惠金融和农业保险业务的完善发挥了至关重要的作用。一方面，数字普惠金融发展有效缓解了农村居民面临的消费需求约束，给农民生活和农业发展所需的信贷资金提供可得性和便捷性，推动农村居民财产性收入水平提升，进而刺激居民消费需求，带动农村居民消费结构升级^[19]。另一方面，农业保险可以降低农民的经营成本和经营风险，通过风险预防、风险转移和经济补偿来稳定农业生产和保障农民收入可持续增长^[20]。

③数字乡村发展可以通过提高农村居民工资性收入推动农村居民消费不断增加。伴随着电商平台的兴起与发展，农户信息约束的放松导致资源在农业和非农之间跨部门流动，非农就业成本随之降低，线上产品的丰富不但带动了数字消费模式的成熟^[21]，同时电商发展带来的规模扩张也刺激了当地劳动力的创业活力和就业需求^[22]。具体而言，数字乡村发展有效带动了农村物流、仓储、培训等领域的发展，使得农村剩余劳动力逐渐向非农就业岗位转移，大大增加了农村居民非农就业的机会，进而影响到农村居民的工资性收入^[23]。此外，数字乡村发展改变了农村地区单一、落后、无序发展的零售业态格局，促进了城乡商品流通一体化进程，有效解决了以往农村商品价格偏高、种类偏少、质量较低等突出问题^[24]。农村流通供应链体系的不断智能化和数字化，有利于降低物流成本和提高物流效率，并通过进一步挖掘消费者需求，改善消费者购物体验，进而提高消费者持续消费的意愿^[25]。

④数字乡村发展对农村居民消费的影响存在空间溢出特征和异质性特征。一方面，由于数字乡村发展使得传递成本低、扩散速度快的信息流不断压缩时空距离，打破了地理位置对经济活动的空间约束，农村劳动力、资源等要素在地区间广泛流动，促使地区间的交流机会增多，资源配置效率得到优化。数字乡村发展能够促进要素跨区域重组、实现知识技术外溢，进而对邻近地区的农村居民消费产生正向溢出效应^[26]。另一方面，由于生存型消费、享受型消费和发展型消费的内容存在差异，数字乡村发展对不同种类消费模式的作用可能不同。此外，由于我国地区经济发展水平、资源禀赋等因素存在很大差别，数字乡村的发展水平也存在区域不均衡现象，进而导致不同区域的数字乡村发展对农村居民消费的影响存在异质性。

基于以上理论分析，本文提出如下假说：

H1：数字乡村发展不仅有利于提升本地区农村居民消费水平，且对邻近地区的农村居民消费也具有影响，即存在空间溢出效应。

H2：数字乡村发展对农村居民消费的影响具有异质性特征。

H3：数字乡村发展可通过提高农村居民工资性收入、经营性收入以及财产性收入而间接促进农村居民消费增长。

2 模型建构与变量说明

2.1 模型建构

根据上文理论分析，本文重点探究数字乡村发展对农村居民消费的影响效应。因此，构建如下计量模型：

（1）

l n c r i t = α 0 + α 1 l n d r i t + α 2 l n x i t + ε i t

式中：

c r i t

为t年地区i的农村居民消费；

d r i t

为t年地区i的数字乡村发展水平；

x i t

为模型中的控制变量，具体表示t年地区i的城乡收入差距、产业结构升级、政府干预程度、农村消费环境和粮食生产能力；

α 0

为截距项；

α 1 、 α 2

为待估参数；

ε i t

为随机扰动项。

上述理论分析考虑了数字乡村发展对农村居民消费的空间溢出效应，本文综合考虑选择空间杜宾模型分析数字乡村发展对农村居民消费的影响。结合本文研究对象，构建如下空间杜宾模型：

（2）

l n c r i t = α 0 + α 1 l n d r i t + λ ∑ j = 1 n w i j c r i t + δ ∑ j = 1 n w i j d r i t + α 2 l n x i t + ε i t

式中：

λ

和

δ

为被解释变量和解释变量的待估参数；

w i j

为空间权重矩阵中第i行j列的数值；其余变量含义同上。

2.2 变量说明

2.2.1 被解释变量

本文采用农村居民人均消费支出衡量农村居民消费水平，并将农村居民消费分解为生存型、享受型和发展型3个消费层次。其中，生存型消费包含农村居民人均食品、衣着和居住消费支出；享受型消费包含农村居民人均生活用品及服务和其他用品及服务消费支出；发展型消费包含农村居民人均交通通信、教育文化娱乐和医疗保健消费支出。

2.2.2 解释变量

本文基于数字乡村建设的目标原则，参考朱红根、郝爱民等的研究^[27-28]，使用熵值法测算2009—2022年各省、自治区、直辖市（以下简称省份）的数字乡村发展指数，具体从数字资金投入、数字产业应用、数字信息基础和数字服务水平4个维度14个二级指标进行赋权得分，最终得到各省份数字乡村发展综合指数，即用于衡量省域数字乡村发展水平。其评价指标体系见表1。

表1 区域数字乡村发展水平评价指标体系

Tab.1 Evaluation index system of digital rural development level in China

一级指标	二级指标	特征指标	单位	符号
数字资金投入	农业生产投资	农林牧渔业固定资产投资	亿元	+
	农村金融发展	农村金融机构资产总额占第一产业GDP比例	/	+
	信息技术应用投资	农村交通、仓储和邮政业固定资产投资	亿元	+
数字产业应用	数字交易水平	电子商务销售额和采购额	亿元	+
	数字示范基地	淘宝村数量	个	+
	数字发展规模	电子商务企业数	个	+
	数字产业能力	每百家电子商务企业拥有网站数	个/百家	+
数字信息基础	智能手机普及率	农村居民平均每百户年末移动电话拥有量	部/百户	+
	计算机普及率	农村居民平均每百户年末计算机拥有量	台/百户	+
	广播电视普及率	农村有线广播电视入户率	%	+
	农业气象观测站	农村气象观测业务	个	+
数字服务水平	信息技术服务范围	农村投递路线	km	+
	数字人才服务队伍	农业从业人员数	万人	+
	数字人才服务能力	农村人均受教育程度	年/人	+

2.2.3 控制变量

为控制其他外界因素对农村居民消费的影响，本文选取城乡收入差距、产业结构升级、政府干预程度、农村消费环境和粮食生产能力5个指标作为控制变量。其中，城乡居民收入差距用城乡居民收入水平之比来表示；产业结构升级用第三产业增加值占GDP的比例来表示；政府干预程度用一般财政预算支出占GDP的比例来表示；农村消费环境用农村住户固定资产投资完成额占GDP的比例来表示；粮食生产能力用粮食总产量来表示。相关变量的描述性统计分析见表2。

表2 描述性统计分析

Tab.2 Descriptive statistical analysis

变量	符号	单位	均值	标准差	最小值	最大值
农村居民消费	cr	千元/人	10.2082	4.9355	2.4220	27.4834
生存型消费	cr₁	千元/人	6.0913	2.9889	1.8077	17.9292
享受型消费	cr₂	千元/人	0.7680	0.3866	0.1544	2.1984
发展型消费	cr₃	千元/人	3.2907	1.7207	0.4598	8.2884
数字乡村发展	dr	/	0.2150	0.1349	0.0390	0.7203
工资性收入	income₁	千元/人	5.6245	4.5714	0.4615	24.9719
经营性收入	income₂	千元/人	4.5332	1.9300	0.5897	11.0582
财产性收入	income₃	千元/人	0.3936	0.4220	0.0338	3.5558
城乡收入差距	gap	/	2.6525	0.4774	1.8266	4.2800
产业结构升级	industry	/	0.4692	0.0989	0.2862	0.8390
政府干预程度	gov	/	0.2429	0.1007	0.0964	0.6430
农村消费环境	envir	/	0.0161	0.0103	0.0001	0.0632
粮食生产能力	grain	万t	2105.6200	1806.4030	28.8000	7867.7000

2.3 数据来源

本文选取2009—2022年中国30个省份（不包含香港、澳门、台湾和西藏）作为样本数据。相关指标数据分别来自2010—2023《中国统计年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》《中国金融年鉴》以及各省份统计年鉴。其中，部分缺失值采用线性插值、均值插值以及就近取值等方法补齐。

3 实证结果分析

3.1 空间自相关检验

空间权重矩阵能够反映个体在空间内的相互依赖关系，距离是体现空间距离的重要指标，根据空间经济学中经典的“rook”原则设定邻接空间权重矩阵，即假设地区之间在地理上相邻则权重矩阵中对应数值取1，反之取0。因此，邻接空间权重矩阵设定如下：

（3）

w i j = 0, 省 份 i 与 省 份 j 之 间 不 相 邻 1, 省 份 i 与 省 份 j 之 间 相 邻

本文用GDP衡量区域经济发展水平，设空间单元i和空间单元j的GDP分别为

Y i 、 Y j

，若定义地区i和地区j之间的经济距离为

e i j = Y i - Y j

，那么

e i j

越小则说明地区i和地区j的经济发展水平越相似，经济距离越近，两者之间的空间权重系数越大，定义空间权重矩阵中的

w i j = 1 Y i - Y j

。为消除规模效应的影响，采用人均GDP代表区域经济发展水平，经济距离空间权重矩阵则变为区域人均GDP差值的倒数。

Y i ¯ 、 Y j ¯

表示30个省份的人均GDP均值^[29]，具体形式表达如下：

（4）

w i j = 1 Y i ¯ - Y j ¯

本文进一步借鉴张征宇等的做法^[30]，构造一个同时涵盖距离因素和经济因素的嵌套权重矩阵，其中，

φ

介于0到1之间，若

φ

接近0，表示空间权重与地理相邻意义有关；若

φ

接近1，表示空间权重与经济发展水平有关。为简化分析，参照邵帅等的研究^[31]，设定

φ

的取值为0.5。矩阵形式设定如下：

（5）

w i j = φ ∙ 1 Y i ¯ - Y j ¯ + 1 - φ ∙ 1 d i j

进一步采用全局莫兰指数和局部莫兰指数对农村居民消费和数字乡村发展进行空间自相关检验。从表3中可以看出，3种空间权重矩阵下的2009—2022年农村居民消费和数字乡村发展的莫兰指数均为正值，且大多数均通过了1%的显著性检验，这说明农村居民消费和数字乡村发展在空间分布上呈现出显著正自相关关系，表现出明显的集聚特征。

表3 全局空间自相关检验结果

Tab.3 Results of global spatial autocorrelation test

年份	农村居民消费			数字乡村发展
年份	邻接空间权重矩阵	经济距离权重矩阵	经济地理权重矩阵	邻接空间权重矩阵	经济距离权重矩阵	经济地理权重矩阵
2009	0.3431^***（3.3357）	0.1017^***（3.8647）	0.3520^***（4.9080）	0.3380^***（3.1754）	0.0977^***（3.6213）	0.1071^*（1.7349）
2010	0.4059^***（3.8475）	0.1207^***（4.3555）	0.3693^***（5.0712）	0.3596^***（3.5350）	0.1039^***（3.9859）	0.1677^***（2.6076）
2011	0.4299^***（3.9849）	0.1296^***（4.5241）	0.4424^***（5.8827）	0.3215^***（3.2479）	0.0876^***（3.5750）	0.1595^**（2.5442）
2012	0.4516^***（4.1284）	0.1410^***（4.7900）	0.4944^***（6.4551）	0.2849^***（2.6548）	0.0899^***（3.3251）	0.1614^**（2.3405）
2013	0.4649^***（4.1415）	0.1415^***（4.6915）	0.5259^***（6.6789）	0.2815^***（2.6316）	0.0745^***（2.9176）	0.1672^**（2.4140）
2014	0.4635^***（4.1295）	0.1428^***（4.7279）	0.5161^***（6.5617）	0.2016^**（1.9666）	0.0651^***（2.6677）	0.1566^**（2.2882）
2015	0.4822^***（4.2934）	0.1458^***（4.8161）	0.5069^***（6.4654）	0.2302^**（2.1901）	0.0751^***（2.9149）	0.1275^*（1.9262）
2016	0.4801^***（4.2598）	0.1454^***（4.7875）	0.5037^***（6.4023）	0.2113^**（2.0393）	0.0736^***（2.8835）	0.1480^**（2.1764）
2017	0.4712^***（4.1856）	0.1381^***（4.5925）	0.4979^***（6.3336）	0.1665^*（1.6709）	0.0596^**（2.5141）	0.1411^**（2.0975）
2018	0.4540^***（4.0428）	0.1348^***（4.5046）	0.4503^***（5.7655）	0.1879^*（1.8508）	0.0635^***（2.6208）	0.1437^**（2.1312）
2019	0.4637^***（4.1335）	0.1394^***（4.6384）	0.4237^***（5.4640）	0.1644^*（1.6467）	0.0594^**（2.4991）	0.1182^*（1.8162）
2020	0.4716^***（4.2138）	0.1375^***（4.6040）	0.3621^***（4.7457）	0.1243（1.3114）	0.0438^**（2.0785）	0.1126^*（1.7458）
2021	0.5186^***（4.6271）	0.1539^***（5.0680）	0.3413^***（4.5180）	0.1542（1.5539）	0.0520^**（2.2921）	0.1353^**（2.0102）
2022	0.5572^***（4.9177）	0.1732^***（5.5501）	0.2781^***（3.7338）	0.1304（1.3616）	0.0498^**（2.2391）	0.1301^*（1.9539）

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著；括号中数据为Z值。表5~表10同。

以邻接空间权重矩阵为例，绘制出农村居民消费和数字乡村发展的局部莫兰指数散点图，用以观察相邻地区间的集聚特征。由图1看出，农村居民消费和数字乡村发展的局部莫兰指数主要分布在第一象限和第三象限，表明农村居民消费和数字乡村发展在空间分布中存在显著的空间自相关性。具体而言，农村居民消费方面，2009年的30个省份中有天津、山西、内蒙古、吉林、上海、江苏等21个省份存在正空间相关性，即我国30个省份中有70.00%的省份农村居民消费呈现空间正相关性；到2022年，30个省份中有北京、天津、山西、内蒙古、辽宁、黑龙江、浙江等26个省份存在正空间相关性，即我国30个省份中有86.67%的省份农村居民消费呈现空间正相关性。数字乡村发展方面，2009年的30个省份中有70.00%的省份数字乡村发展呈现空间正相关性；到2022年，30个省份中有63.33%的省份数字乡村发展呈现空间正相关性。

显示原图|下载原图ZIP|生成PPT

图1 局部空间自相关检验结果

Fig.1 Results of local spatial autocorrelation test

综上所述，全局莫兰指数和局部莫兰指数检验了我国农村居民消费和数字乡村发展的空间相关性和空间集聚特征。因此，下文进一步采用空间计量模型来详细分析数字乡村发展水平对农村居民消费的影响。

3.2 基准回归分析

3.2.1 模型检验与识别

空间计量模型主要包含空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。本文采用LM检验、R-LM检验、Wald检验和LR检验分别对模型的空间依赖性进行检验与识别^[32]。通过表4的检验结果可以看出，空间滞后模型和空间误差模型的LM检验和R-LM检验值大多数在1%的显著性水平拒绝了原假设条件，这表明实证分析应该采用空间计量模型较为适合。而在3种空间计量模型中，由于空间杜宾模型能够同时考虑被解释变量和解释变量的空间效应，为确定模型设定是否达到最优选择，本文进一步对样本进行Wald检验和LR检验，检验结果显示，3种权重矩阵下的统计量绝大多数通过了1%的显著性检验，这表明空间杜宾模型优于空间滞后模型和空间误差模型，检验结果表示选取空间杜宾模型更为合理。因此，本文采用空间杜宾模型进行实证分析。

表4 空间计量模型检验结果

Tab.4 Test results of spatial econometric model

检验类别		邻接空间权重矩阵		经济距离权重矩阵		经济地理距离权重矩阵
检验类别		系数	值	系数	值	系数	值
LM检验	no spatial lag	203.439	0.0000	88.380	0.0000	12.022	0.0010
	no lag（robust）	135.119	0.0000	24.375	0.0000	3.268	0.0710
	no spatial error	185.001	0.0000	629.554	0.0000	112.915	0.0000
	no error（robust）	116.681	0.0000	565.549	0.0000	104.162	0.0000
Wald检验和LR检验	Wald spatial lag	24.71	0.0000	11.77	0.0006	3.26	0.0708
	Wald spatial error	28.72	0.0000	10.60	0.0011	2.20	0.1379
	LR spatial lag	44.11	0.0000	69.68	0.0000	32.26	0.0000
	LR spatial error	47.55	0.0000	71.43	0.0000	28.02	0.0001

3.2.2 空间效应分析

根据表5中对邻接空间权重矩阵、经济距离权重矩阵、经济地理权重矩阵3种矩阵的对比分析，并运用豪斯曼检验对固定效应与随机效应模型进行选择，豪斯曼检验结果显示固定效应优于随机效应。因此，表5重点对3种矩阵下固定效应进行分析。

表5 空间杜宾模型估计结果

Tab.5 Estimation results of spatial Durbin model

变量	邻接空间权重矩阵		经济距离权重矩阵		经济地理权重矩阵
变量	固定效应	随机效应	固定效应	随机效应	固定效应	随机效应
dr	0.0511^**（2.0602）	0.0660^***（2.8155）	0.0812^***（3.2543）	0.0939^***（4.2240）	0.0897^***（3.3699）	0.1034^***（4.4932）
gap	-0.5915^***（-7.5487）	-0.6217^***（-8.0813）	-0.5157^***（-6.9738）	-0.5787^***（-8.6359）	-0.6791^***（-8.9118）	-0.6531^***（-9.3894）
industry	0.1357^**（2.5386）	0.1785^***（3.3336）	0.1509^***（2.8870）	0.2044^***（4.1063）	0.1161^*（1.9528）	0.1718^***（3.0739）
gov	0.0086（0.2313）	0.0062（0.1718）	-0.0385（-1.0599）	-0.0260（-0.7656）	-0.0417（-1.1664）	-0.0174（-0.5206）
envir	-0.0327^**（-2.4681）	-0.0402^***（-3.2611）	-0.0388^***（-2.9811）	-0.0481^***（-4.2873）	-0.0464^***（-3.2484）	-0.0446^***（-3.4524）
grain	0.0529^**（2.0460）	0.0260（1.4158）	0.0221（0.8782）	-0.0319^**（-2.3853）	-0.0325（-1.1654）	-0.0311^**（-2.2317）
常数项		2.0428^***（5.6491）		3.1702^***（4.2944）		0.6513^*（1.7284）
rho	0.7197^***（24.7162）	0.7265^***（25.5106）	0.7671^***（19.1056）	0.7730^***（19.7317）	0.7409^***（20.3827）	0.7757^***（24.3565）
sigma2_e	0.0035^***（14.0508）	0.0038^***（13.4775）	0.0034^***（14.3320）	0.0037^***（13.7529）	0.0040^***（14.1893）	0.0044^***（13.5107）
$w · d r$	0.1381^***（4.0174）	0.0905^***（2.6392）	0.1652^***（2.8725）	0.1307^**（2.3384）	0.1305^**（2.5011）	0.0471（1.1040）
$w · g a p$	-0.0089（-0.0701）	0.0089（0.0706）	-0.1952（-1.0429）	-0.0795（-0.4308）	0.1130（0.6686）	0.2446^*（1.6531）
$w · i n d u s t r y$	0.0744（1.0510）	0.0177（0.2438）	0.0180（0.1607）	-0.0657（-0.6308）	0.1702^*（1.8632）	0.0828（0.9539）
$w · g o v$	0.1529^***（2.9632）	0.1742^***（3.4402）	0.0488（0.5194）	0.0798（0.8797）	0.0598（0.8410）	0.0718（1.0818）
$w · e n v i r$	-0.0768^***（-3.2858）	-0.0562^**（-2.3898）	-0.0460（-1.2519）	-0.0456（-1.2674）	-0.0297（-1.0286）	-0.0205（-0.7494）
$w · g r a i n$	-0.1510^***（-3.5180）	-0.1058^***（-2.9185）	-0.3140^***（-2.6760）	-0.2373^***（-2.6712）	-0.0632（-1.0815）	0.1015^***（3.1133）
N	420	420	420	420	420	420
R²	0.844	0.871	0.898	0.935	0.801	0.945

从表5的结果可以看出，3种空间权重矩阵下数字乡村发展水平的系数都显著为正，且大多数在1%的显著性水平下显著，这表明地区数字乡村发展水平越高对该地区农村居民消费的助推力就越大。以邻接空间权重矩阵下的随机效应模型为例，若一个地区的数字乡村发展水平提高1个单位，会促使该地区的农村居民消费增长0.0511单位，而在经济距离权重矩阵和经济地理权重矩阵下则相应提高0.0812单位和0.0897单位。数字乡村发展水平的空间滞后项的系数显著为正，即数字乡村发展水平对邻近地区的农村居民消费存在显著的正向空间溢出效应，说明地区数字乡村发展水平的提高不仅能够改善本地区的农村居民消费水平，同时对周边地区的农村居民消费会产生正的外部性。从评价数字乡村发展水平的指标体系不难发现，它涵盖了数字化投入、数字化应用、信息化基础以及数字服务支持等多重维度，对于数字化服务不受地域限制的优势，使得数字乡村发展存在显著外溢性特征，能够对邻近地区产生一定的“辐射”效应，从而影响到邻近省份的农村居民消费水平。

控制变量方面，产业结构升级对本地区的农村居民消费会产生显著的正向影响，这是因为产业升级会通过总量扩张效应和结构优化效应促进消费升级，进而对农村居民消费具有正向作用。城乡收入差距和农村消费环境对本地区农村居民消费的影响显著为负，这是因为城乡收入差距在一定程度上会制约居民消费，两者之间存在负向作用，收入差距越大越会导致农村居民产生较强的储蓄倾向，从而降低农村居民消费水平；而农村消费环境的改善能够大大提升农村居民消费能力，但文中结果的农村消费环境却对农村居民消费产生了负向作用，原因有待进一步研究。政府干预程度和粮食生产能力对本地区农村居民消费的影响并不显著。

由于空间杜宾模型中考虑了解释变量数字乡村发展的空间滞后项，其解释变量数字乡村发展对本地区和邻近地区的被解释变量农村居民消费都会产生影响，因此，本文运用空间回归偏微分方法进一步测算了解释变量数字乡村发展的直接效应和间接效应，用以说明解释变量数字乡村发展对区域空间外的农村居民消费的影响^[33]。其中，直接效应是数字乡村发展对本地区农村居民消费的总体影响，既包括本地区数字乡村发展对本地区农村居民消费的直接作用，又包括本地区数字乡村发展对邻近地区农村居民消费产生影响进而影响到本地区农村居民消费这一空间反馈作用；间接效应即空间溢出效应，表示数字乡村发展对周边地区农村居民消费的影响作用。

表6展示了不同空间权重矩阵下解释变量的影响效应分解结果。从数字乡村发展的直接效应看，在3种空间权重矩阵下显著为正，说明数字乡村发展水平的提高有助于本地区农村居民消费的提升。具体而言，数字乡村发展水平每提高1个单位，本地区农村居民消费水平就会相应提高0.11单位，这表明数字乡村发展对本地区农村居民消费的贡献作用是相当可观的。从数字乡村发展的空间溢出效应看，在3种空间权重矩阵下同样显著为正，且统计量的系数在0.56~0.95之间，这说明本地区数字乡村发展水平对邻近地区的农村居民消费产生了一定的促进作用，有利于推动周边地区农村居民消费的增长，即假说1得到验证。

表6 空间溢出效应分解结果

Tab.6 Decomposition results of spatial spillover effect

变量	邻接空间权重矩阵			经济距离权重矩阵			经济地理距离权重矩阵
变量	直接效应	间接效应	总效应	直接效应	间接效应	总效应	直接效应	间接效应	总效应
dr	0.1037^***	0.5665^***	0.6702^***	0.1111^***	0.9420^***	1.0531^***	0.1289^***	0.7133^***	0.8422^***
dr	（3.6919）	（5.2635）	（5.4839）	（4.2173）	（4.2130）	（4.5566）	（4.4624）	（4.2637）	（4.7113）
gap	-0.7236^***	-1.4118^***	-2.1354^***	-0.5940^***	-2.4525^***	-3.0464^***	-0.7575^***	-1.4097^***	-2.1672^***
gap	（-9.2454）	（-4.8385）	（-6.6362）	（-8.4244）	（-4.1474）	（-5.0648）	（-9.5542）	（-2.9102）	（-4.1667）
industry	0.1935^***	0.5718^***	0.7652^***	0.1744^***	0.5832	0.7576^*	0.1736^***	0.9504^***	1.1240^***
industry	（3.6228）	（3.1820）	（3.7902）	（3.3896）	（1.4166）	（1.7751）	（3.0193）	（3.6702）	（4.0969）
gov	0.0548	0.5164^***	0.5713^***	-0.0372	0.0598	0.0227	-0.0368	0.1007	0.0639
gov	（1.4930）	（3.6940）	（3.7207）	（-1.0811）	（0.1644）	（0.0612）	（-0.9886）	（0.3996）	（0.2372）
envir	-0.0623^***	-0.3240^***	-0.3863^***	-0.0482^***	-0.3056^**	-0.3538^**	-0.0588^***	-0.2309^**	-0.2897^***
envir	（-4.2710）	（-4.6952）	（-4.9810）	（-3.6836）	（-2.2099）	（-2.4700）	（-3.9198）	（-2.3864）	（-2.7838）
grain	0.0204	-0.3597^**	-0.3394^*	-0.0149	-1.2066^**	-1.2215^*	-0.0479	-0.2973	-0.3452
grain	（0.6395）	（-2.3290）	（-1.9207）	（-0.4259）	（-1.9917）	（-1.9324）	（-1.3694）	（-1.2453）	（-1.3028）

3.3 稳健性检验

上文已经在邻接空间权重矩阵、经济距离权重矩阵和经济地理权重矩阵下实证分析了数字乡村发展对农村居民消费的影响效应，结果表明数字乡村发展能够显著拉动本地区和邻近地区的农村居民消费增长。为了确保结论的可靠性，本文通过以下几个方面对上述结论进行稳健性检验。①缩短样本周期。为考察数字乡村发展对农村居民消费的作用是否受到研究时长的影响，本文参照以往研究对样本数据进行缩短处理，将样本周期调整为2011—2022年。②剔除极端样本值。鉴于样本数据可能存在异常值，本文在参考已有研究的基础上对样本数据进行1%的双边缩尾处理，从而剔除极端值对实证结果造成的偏误。③替换解释变量。本文参考已有研究^[27]，将解释变量中国数字乡村发展指数进行替换。④剔除直辖市样本。由于北京、上海、天津和重庆4个直辖市拥有大量的互联网企业，其数字经济发展水平远远高于国家平均水平，鉴于样本数据的平稳性，本文将4个直辖市样本进行剔除。⑤补充控制变量。鉴于遗漏变量问题，本文在样本数据中加入城镇化发展这一指标，城镇化发展能够带动人口转移，改变居民消费习惯和消费观念，有效提高农村居民的消费需求。表7是以上5种稳健性检验的回归结果，可以看出核心解释变量数字乡村发展的估计系数均通过显著性检验，且显著为正，其空间溢出效应的系数大多都在1%的显著性水平下显著为正，与前文的研究结论保持一致，说明本文结论具有较强的稳健性。

表7 稳健性检验结果

Tab.7 Robustness test results

变量	缩短样本周期	样本缩尾处理	替换解释变量	剔除直辖市	补充控制变量
dr	0.0643^***（2.6076）	0.0494^**（2.0503）	0.0417^**（2.0466）	0.0763^***（3.0905）	0.0499^**（2.3404）
控制变量	控制	控制	控制	控制	控制
rho	0.7195^***（23.5933）	0.7159^***（24.6134）	0.7164^***（19.5373）	0.7091^***（22.3016）	0.7740^***（28.6240）
直接效应	0.0840^***（3.0628）	0.0972^***（3.6794）	0.0555^**（2.4510）	0.1269^***（4.8617）	0.0903^***（3.5089）
间接效应	0.2061^**（1.9671）	0.5147^***（5.3238）	0.1440（1.4867）	0.5297^***（5.1789）	0.4474^***（3.6438）
总效应	0.2901^**（2.4562）	0.6118^***（5.6279）	0.1995^*（1.8542）	0.6566^***（5.8670）	0.5376^***（3.8907）
N	360	420	270	364	420
R²	0.861	0.864	0.878	0.894	0.897

3.4 内生性讨论

为缓解回归方程中核心解释变量存在的遗漏变量和反向因果等问题，本文采用工具变量模型进行分析。参考张勋、赵佳佳等的研究^[34-35]，选择所在地区省会城市到杭州的距离作为数字乡村发展的工具变量。其逻辑在于：一方面，杭州市是数字技术的重要起源地，聚集了大量的互联网企业，在地理上距离杭州越近，越容易引进数字技术和发展经验，数字乡村的快速发展主要是依托于互联网技术的改革创新，其满足了选择工具变量的相关性要求；另一方面，杭州只是我国经济发达的重要城市之一，与杭州之间的距离远近并不会直接影响农村居民消费，其满足了工具变量的排他性要求。基于以上逻辑，本文选择所在地区省会城市到杭州的距离作为工具变量，检验结果见表8。

表8 内生性检验结果

Tab.8 Endogenous test results

变量	两阶段最小二乘估计
变量	第一阶段	第二阶段
dr		0.4506^**（2.15）
distance	-0.1460^***（-4.30）
常数项	-2.6537^***（-6.08）	5.7677^***（6.72）
控制变量	控制	控制
F统计量	18.4958^***
R²	0.6814	0.6714

从第一阶段回归结果中看出，工具变量与解释变量数字乡村发展的回归系数为-0.1460，且在1%的水平下显著，两者之间呈现显著的负向影响，与预期相符，表明所在地区与杭州的距离越远，其数字乡村发展水平越低，这在一定程度上说明本文选择的工具变量对内生变量具有较好的解释力；同时第一阶段统计量为18.4958，且在1%的水平下显著，这说明工具变量不存在弱工具变量问题。从第二阶段回归结果可以看出，核心解释变量的估计系数依然显著为正，与前文的研究结论保持一致。综上所述，在选取有效的且非弱工具变量的前提下，采用两阶段最小二乘法估计结果表明，数字乡村发展对农村居民消费具有显著的促进作用。

3.5 异质性分析

3.5.1 消费异质性分析

本文将农村居民消费分解为生存型消费、享受型消费和发展型消费，以数字乡村发展为解释变量，对三大类消费类型进行实证分析，回归结果见表9。结果表明，数字乡村发展对生存型消费和发展型消费的影响较大，均在5%的显著性水平下显著，这是因为生存型消费以农村居民生活和农业生产消费为主，数字乡村发展水平的提高能够带动农村居民生活和农业生产消费；发展型消费主要包括交通通信、文教娱乐和医疗保健等消费支出，数字乡村发展使得数字化、信息化、智能化的技术在农村普及，大大改善了农村居民消费环境，在降低农村居民消费交易成本的同时，大大提升了交易频数，能够在一定程度上提升农村居民消费效率。虽然数字乡村发展对享受型消费的影响为正，但未通过显著性检验，说明数字乡村发展对享受型消费的提升作用较为微弱。从空间溢出效应来看，在邻接空间权重矩阵下，数字乡村发展的空间溢出效应系数均显著为正，但其估计系数不同，说明数字乡村发展对农村居民消费存在异质性差异，假说2得到验证。

表9 异质性回归结果

Tab.9 Regression results of heterogeneity

变量	消费异质性			地区异质性
变量	生存型消费	享受型消费	发展型消费	东部地区	中部地区	西部地区
dr	0.0509^**（2.1560）	0.0410（1.1196）	0.0875^**（2.5040）	-0.0644^*（-1.7195）	0.0822（1.2981）	0.0141（0.3646）
控制变量	控制	控制	控制	控制	控制	控制
rho	0.6752^***（19.4453）	0.6436^***（17.3792）	0.6528^***（17.6567）	0.6740^***（14.7728）	0.8087^***（24.9512）	0.7593^***（18.8357）
直接效应	0.0760^***（3.0111）	0.0964^**（2.4988）	0.1291^***（3.4235）	0.0352（0.7213）	0.2304^***（2.9519）	0.1829^***（4.2117）
间接效应	0.2642^***（3.2962）	0.5936^***（5.0739）	0.4424^***（3.8145）	0.2514^***（2.7302）	0.3462^**（2.3061）	0.7871^***（5.7311）
总效应	0.3402^***（3.7607）	0.6900^***（5.2448）	0.5715^***（4.3054）	0.2866^**（2.2314）	0.5766^***（2.7980）	0.9700^***（6.0457）
N	420	420	420	154	112	154
R²	0.867	0.797	0.797	0.735	0.816	0.747

3.5.2 地区异质性分析

由于不同地区间的区域发展水平存在差异，本文继续从地理区位视角出发，将本文的30个省份样本数据分别划分为东部、中部、西部三大板块，进一步探究分区域数字乡村发展对农村居民消费的影响作用。从表9的回归结果可以看出，数字乡村发展对中部地区和西部地区的直接影响效应较大，均在1%的显著性水平下显著，这表明在中国数字乡村建设区域格局下西部地区和中部地区成果明显。值得一提的是，虽然中西部地区在整体经济和科技发展水平上滞后于东部地区，但在数字乡村这一新的建设领域呈现出追赶姿态，这主要是因为数字乡村发展通过技术赋能有效降低交易成本和对空间距离的敏感性，提升资源要素的配置效率，因此，西部地区能够借助数字技术带来的技术溢出效应发挥后发优势。从空间溢出效应来看，三大地区的数字乡村发展对周边地区农村居民消费的影响虽然显著为正，但其影响系数不同，说明数字乡村发展对农村居民消费的影响具有异质性特征，进一步验证了假说2成立。

4 作用机制检验

前述研究中，本文通过基准模型回归、稳健性检验以及内生性处理，得到了较为稳健可信的研究结论，即数字乡村发展有助于推动农村居民消费水平提升。但这仅是针对两者的因果关系进行了实证检验，对于二者之间所存在的机制黑箱还有待进一步讨论。因此，本文参考江艇对渠道机制检验的论述^[36]，对数字乡村发展和农村居民消费之间因果关系的作用渠道进行实证检验。

针对数字乡村发展的增收效应，参考赵佳佳、田鸽等的研究^[37-38]，本文采用工资性收入、经营性收入和财产性收入进行作用机制检验，具体检验结果见表10。由表10可知：列（1）表示数字乡村发展显著提升了农村居民的工资性收入，这说明数字乡村发展通过催生电子商务、直播带货、智慧物流以及农村仓储等新业态的发展，降低了农业生产对时间和体力的要求，大大增加农村剩余劳动力的就业机会，从而促进农民工资性收入不断提升，验证数字乡村发展通过增加工资性收入提升农村居民消费的作用渠道成立。列（2）表示数字乡村发展对于农村居民的经营性收入有明显的促进作用，这说明数字乡村发展通过数字化优势不断升级农业产业链条，有效降低了农业生产成本，在提高农业生产效率、农产品质量以及产品竞争力等层面持续发力，显著提高了农民的经营性收入，验证数字乡村发展通过增加经营性收入增加农村居民消费的作用渠道成立。列（3）表示数字乡村发展对于农村居民的财产性收入存在显著的正向影响，这说明数字乡村发展能够促进数字金融和农业保险等业态在农村地区的推广和应用，通过种类繁多的理财、投资和保险业务下沉到农村，实现农村居民的资产增值和预期收入增加，推动农村居民财产性收入增加，验证数字乡村发展通过增加财产性收入带动农村居民消费的作用渠道成立。综合以上分析，本文的假说3成立。

表10 影响机制回归结果

Tab.10 Regression results of influence mechanism

变量	（1）income₁	（2）income₂	（3）income₃
dr	0.3809^***（5.7389）	0.2148^***（4.3781）	0.1623^**（2.1051）
控制变量	控制	控制	控制
常数项	6.7443^***（11.0800）	4.4669^***（9.9301）	1.8463^***（3.3546）
N	420	420	420
R²	0.832	0.821	0.628

5 结论与启示

5.1 结论

本文基于省级面板数据从空间溢出和作用机制视角探究了数字乡村发展对农村居民消费的影响，并对不同消费阶段、不同地区进行了异质性分析。研究结论如下：①数字乡村发展能够改善本地区的农村居民消费水平，且对邻近地区的农村居民消费产生正向促进作用。产业结构升级、城乡收入差距、农村消费环境等变量对农村居民消费也存在不同程度的影响。②数字乡村发展对农村居民消费的影响具有异质性特征。分消费层次来看，数字乡村发展对生存型消费和发展型消费的影响较大；分区域来看，数字乡村发展对农村居民消费的影响在不同地区之间存在较大差异，对中西部地区农村居民消费的影响较大。③农村居民收入水平是数字乡村发展影响农村居民消费的重要作用渠道。

5.2 启示

结合上述理论机制和实证结果，本文提出以下对策建议：①加快发展数字乡村建设，带动农村传统基础设施与数字基础设施建设融合发展，从而实现农村数字化基础设施建设的转型升级，进一步缩小城乡之间的数字鸿沟。例如，大力推进智慧农业和机械化生产，提高粮食播种、灌溉、施肥等智能化水平，创新发展特色智慧农业应用模式；大力推广数字化技术在农业生产经营、农民日常生活等方面的运用，有助于提升农业生产效率和降低交易成本。同时，数字乡村发展影响农村居民消费主要是通过收入效应与示范效应的作用，应进一步发挥数字乡村建设的收入效应，充分激发农村居民消费潜力。②稳步优化农村产业结构，持续推动数字经济下沉农村产业，促进数字经济与农村产业的融合发展，积极培育和释放农村居民消费潜力，利用数字乡村建设和农村产业融合发展这一套组合牌，推动农村物流、仓储、包装以及粮食产业与数字技术的有机融合，通过促进农村产业振兴，进而推进农村居民消费升级。③因地制宜进行政策设计和规划。东部地区要发挥在市场环境、数字基础设施等方面的基础优势，推动数字技术不断创新与推广，为中西部地区起到良好的引领作用；中西部地区应明确自身定位，加快补齐乡村数字化建设的短板，搭建良好的数字化发展交流平台，大力普及农村地区数字化技术的使用技能，逐步消除农村居民对数字化技术的使用障碍，不断改善农村数字化发展环境，进一步缩小地区之间的数字化发展差距。

本研究还存在一定的局限性，主要体现在以下方面：①鉴于数据可得性，本文使用的是2009—2022年全国30个省级面板数据进行实证研究，未来可以考虑整理地级市层面的数据进行实证检验，分析地级市之间的区域差异。②本文衡量数字乡村发展水平的评价指标存在一定局限，实证研究的相关指标的合理性和科学性有待提高，后续研究可考虑加入调研数据进一步完善评价指标体系。③本文实证研究方法上采用空间计量、工具变量和中介效应回归等方法检验数字乡村发展对农村居民消费的影响，方法虽然比较新颖，但实证模型较为单一，后续研究可将经济学与地理学研究方法进行结合，更深层次挖掘数字乡村发展赋能农村居民消费的空间驱动机制，探究两者在时空层面的分布格局及演变路径。

References

Publishing order | Descend order by publishing year | Descend order by cited within

[1]	胡雪萍. 优化农村消费环境与扩大农民消费需求[J]. 农业经济问题, 2003(7):24-27,79.

[2]	周建, 杨秀祯. 我国农村消费行为变迁及城乡联动机制研究[J]. 经济研究, 2009, 44(1):83-95,105.

[3]	文洪星, 韩青. 非农就业如何影响农村居民家庭消费——基于总量与结构视角[J]. 中国农村观察, 2018(3):91-109.

[4]	陈东, 刘金东. 农村信贷对农村居民消费的影响——基于状态空间模型和中介效应检验的长期动态分析[J]. 金融研究, 2013(6):160-172.

[5]	黄大湖, 丁士军, 陈玉萍. 劳动力流动对农村居民消费的影响——基于空间效应视角的分析[J]. 经济问题探索, 2022(4):142-153.

[6]	胡兵, 涂先进, 胡宝娣. 转移性收入对农村消费影响的门槛效应研究[J]. 财贸研究, 2014, 25(1):55-60.

[7]	杜蓉, 蔡荣. 农业生产性服务业对农村居民消费的影响及其空间溢出效应——基于2009—2018年中国地级市面板数据的实证研究[J]. 商业研究, 2022(4):120-131.

[8]	王小华, 温涛, 韩林松. 习惯形成与中国农民消费行为变迁:改革开放以来的经验验证[J]. 中国农村经济, 2020(1):17-35.

[9]	陈宝珍, 余洁, 任金政. 数字支付影响农户消费吗?——基于微观调查数据的经验分析[J]. 财经论丛, 2021(1):33-42.

[10]	刘婷婷, 温雪, 潘明清. 数字经济提升农村家庭消费能力:理论机制与实证检验[J]. 经济问题, 2022(7):95-101.

[11]	黎翠梅, 周莹. 数字普惠金融对农村消费的影响研究——基于空间计量模型[J]. 经济地理, 2021, 41(12):177-186. DOI

[12]	杜家廷, 何勇, 顾谦农. 数字普惠金融对农村居民消费结构升级的非线性影响[J]. 统计与信息论坛, 2022, 37(9):63-74.

[13]	黄漫宇, 窦雪萌. 城乡数字鸿沟会阻碍农村居民消费结构升级吗?——基于中国家庭追踪调查(CFPS)数据的分析[J]. 经济问题探索, 2022(9):47-64.

[14]	汪亚楠, 徐枫, 叶欣. 数字乡村建设能推动农村消费升级吗?[J]. 管理评论, 2021, 33(11):135-144.

[15]	Leanne Townsend. Enhanced broadband access as a solution to the social and economic problems of the rural digital divide[J]. Local Economy:The Journal of the Local Economy Policy Unit, 2013, 28(6) :580-595.

[16]	刘晓倩, 韩青. 农村居民互联网使用对收入的影响及其机理——基于中国家庭追踪调查(CFPS)数据[J]. 农业技术经济, 2018(9):123-134.

[17]	梁琳. 数字经济促进农业现代化发展路径研究[J]. 经济纵横, 2022(9):113-120.

[18]	齐文浩, 李明杰, 李景波. 数字乡村赋能与农民收入增长:作用机理与实证检验——基于农民创业活跃度的调节效应研究[J]. 东南大学学报:哲学社会科学版, 2021, 23(2):116-125,148.

[19]	柳思维, 杜蓉, 周洪洋. 金融发展、人力资本投入对农村居民信息消费影响[J]. 经济地理, 2019, 39(12):168-177. DOI

[20]	黄颖, 吕德宏. 农业保险、要素配置与农民收入[J]. 华南农业大学学报:社会科学版, 2021, 20(2):41-53.

[21]	舒季君, 周建平, 陈亦婷, 等. 中国省域数字经济的空间演化特征及其城乡融合效应[J]. 经济地理, 2022, 42(8):103-111. DOI

[22]	秦芳, 王剑程, 胥芹. 数字经济如何促进农户增收?——来自农村电商发展的证据[J]. 经济学(季刊), 2022, 22(2):591-612.

[23]	Gao Y Y, Zang L Z, Sun J. Does computer penetration increase farmers’ income? An empirical study from China[J]. Telecommunications Policy, 2018, 42(5) :345-360.

[24]	宋则, 王雪峰. 商贸流通业增进消费的政策研究[J]. 财贸经济, 2010(11):77-81,145-146.

[25]	俞彤晖, 陈斐. 数字经济时代的流通智慧化转型:特征、动力与实现路径[J]. 中国流通经济, 2020, 34(11):33-43.

[26]	Nakasone E, Torero M, Minte B. The power of information:The ICT revolution in agricultural development[J]. Annual Review of Resource Economics, 2014, 6(1):533-550.

[27]	朱红根, 陈晖. 中国数字乡村发展的水平测度、时空演变及推进路径[J]. 农业经济问题, 2023(3):21-33.

[28]	郝爱民, 谭家银. 数字乡村建设对我国粮食体系韧性的影响[J]. 华南农业大学学报:社会科学版, 2022, 21(3):10-24.

[29]	林光平, 龙志和, 吴梅. 我国地区经济收敛的空间计量实证分析:1978—2002年[J]. 经济学(季刊), 2005(S1):67-82.

[30]	张征宇, 朱平芳. 地方环境支出的实证研究[J]. 经济研究, 2010, 45(5):82-94.

[31]	邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究, 2016, 51(9):73-88.

[32]	Elhorst J P. Matlab software for spatial panels[J]. International Regional Science Review, 2014, 37(3):389-405.

[33]	Lesage J P, Pace R K. Introduction to spatial econometrics[J]. Spatial Demography, 2009, 1(1):493-494.

[34]	张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019, 54(8):71-86.

[35]	赵佳佳, 魏娟, 刘天军. 数字乡村发展对农民创业的影响及机制研究[J]. 中国农村经济, 2023(5):61-80.

[36]	江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5):100-120.

[37]	赵佳佳, 孙晓琳, 苏岚岚. 数字乡村发展对农村居民家庭消费的影响——基于县域数字乡村指数与中国家庭追踪调查的匹配数据[J]. 中国农业大学学报:社会科学版, 2022, 39(5):114-132.

[38]	田鸽, 张勋. 数字经济、非农就业与社会分工[J]. 管理世界, 2022, 38(5):72-84.

Options

Outlines

模态框（Modal）标题