EN中文

Economic geography >

2019 , Vol. 39 >Issue 12: 168 - 177

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.12.019

Financial Development, Human Capital Investment, Rural Residents' Information Consumption

  • LIU Siwei , 1 ,
  • DU Rong , ※, 1 ,
  • ZHOU Hongyang 2
Expand
  • 1. Academy for Economy and Trade，Hunan University of Technology and Business，Changsha 410205，Hunan，China
  • 2. State Administration of Taxation in Leiyang City，Leiyang 421800，Hunan，China

Received date: 2019-03-27

  Revised date: 2019-09-04

  Online published: 2025-04-18

Fold

Abstract

Based on the annual data of China's provinces from 2007 to 2016, this paper uses the global Moran index and the local Moran index to analyze the spatial correlation of rural residents' information consumption in China, and establishes a spatial Dubin model to study financial development and human capital investment for rural residents' information consumption. Impact. The study finds that there is a significant spatial correlation between the information consumption of rural residents in China. The improvement of financial development level in rural areas has a significant effect on the information consumption of rural residents. The increase of human capital investment can significantly drive the information consumption of rural residents, and the two There is a positive spillover effect on rural residents' information consumption in neighboring areas.

Key words： rural residents; information consumption; financial development; human capital; spatial Dubin model; digital gap

Cite this article

LIU Siwei , DU Rong , ZHOU Hongyang . Financial Development, Human Capital Investment, Rural Residents' Information Consumption[J]. Economic geography, 2019 , 39(12) : 168 -177 . DOI: 10.15957/j.cnki.jjdl.2019.12.019

消费是生产的最终目的和动力，加快完善促进消费体制机制，增强消费对经济发展的基础性作用，有利于优化生产和消费等国民经济重大比例关系，有利于实现需求引领和供给侧结构性改革相互促进，有利于保障和改善民生，实现经济社会发展互促共进[1]。新中国成立七十年以来，我国农村居民消费水平有了历史性的变化，但城乡消费差距问题仍然制约着我国区域经济均衡发展和地区间经济结构优化[2]，信息消费在扩大内需、引导产业升级、促进社会就业方面发挥着重要作用，是缩小城乡消费差距、解决城乡二元经济结构的关键途径之一。2019年国家发改委联合相关部门制定的《进一步优化供给推动消费平稳增长，促进形成强大国内市场的实施方案（2019年）》提出：“扩大升级信息消费，更好满足高品质消费需求，以促进农村消费提质升级，拉动城乡消费联动发展”。广义的信息消费既包括生活性信息消费，也包括生产性信息消费。而生活性信息消费不仅包含以信息产品和信息服务为消费对象的信息消费，还包括信息含量较高的产品及服务消费，如医疗保健、交通通信、文化娱乐服务等，因而相比传统的生活消费品，要促进农村居民消费升级的信息产品，就需要有能对农村居民传统的消费观念、消费方式以及消费环境加以改变改善的强而有力的推动因素，而农村金融发展与农村人力资本投入便是其中之一。因此，为更快提升农村居民消费质量、更多释放农村居民消费潜力，理论分析与实证测度农村金融发展、人力资本投入对农村信息消费的影响具有重要的现实意义。
近年来，金融与消费之间的关系一直是国内外专家学者关注的重点问题，Mc Kinnon最早提出的金融深化理论认为金融发展可以有效地缓解居民的信贷约束[3-4]，从而起到风险分散、跨期平滑消费的作用[5-6]，因此，当居民收入不能够满足消费时，人们会采取借贷方式进行消费[7]，其金融发展较差的地区信贷约束对信息的抑制作用较为突出[8]。农村金融发展不仅能够显著地提升农村居民消费水平[9⇓⇓⇓-13]，同时对居民消费结构升级具有重要作用[14]，农村金融深化是农村经济发展的核心，消费增长一定程度上依赖于金融支持[15]，通过梳理文献发现，农村地区金融发展水平的提高主要通过增加居民收入[16]、改善消费环境等措施促进农村居民信息消费[17]，进而促进农村经济增长[18]，金融发展对农村消费市场的拉动作用开始显现[19]，但其带动作用仍需进一步提高。因此，农村地区需要引入健全的农村金融体系，增加农村信贷供给[20]，从而扩大农村消费市场[21-22]。
关于人力资本对消费的影响研究，国外学者大多从微观数据进行分析，教育带来的效率提高以及简单劳动时间的减少会影响家庭消费[23]，人力资本投入有效地刺激了居民家庭消费增长[24-25]，并以此产生了“挤入效应”[26]。Hafstrom等认为教育可以提高居民消费倾向，优化消费结构[27]。居民受教育程度对消费水平的影响呈现逐步递增的趋势[28-29]，且高学历家庭的边际消费倾向一般比低学历家庭更加显著[30]，这是由于越是受教育程度高的人越能够理性地决定自己的消费行为，并以此追求消费的效用最大化[31]。此外，Autor、程名望、张学敏等研究还发现，人力资本对消费的影响可间接性通过增加农村居民的现期收入来提升居民消费能力，进而刺激消费需求的产生[32⇓-34]。一般受教育水平高的人与收入之间存在正相关关系[32⇓-34]，受教育程度越高，居民收入的满意度越强[25]，其消费能力与意愿也会强于受教育水平低的人[35]，教育的扩展有利于改善农村居民收入差距[36-37]，两者之间存在良性的循环效益。
以上的文献一般是单独研究人力资本或者金融发展对农村居民消费的影响，而鲜有文献将人力资本和金融发展放在一起研究二者对农村居民信息消费的作用。此外，现有对信息消费的研究主要关注信息基础设施[38]、信息产业发展[39]、居民收入[40]等因素的影响，对农村居民信息消费空间效应的关注度不够，农村居民信息消费的影响因素可能存在一定的空间交互作用，而这在之前许多文献中都被忽视。基于以上，本文试图从空间的视角出发，采用空间计量模型测度农村居民信息消费的空间相关性，重点分析金融发展与人力资本对农村居民消费的作用影响及其空间效应，为进一步释放信息消费潜力，推进农村居民信息消费持续提质扩容，有效带动城乡居民信息消费协调发展，缩小城乡居民消费差距提供有针对性的建议与对策。

1 农村居民信息消费影响机理分析

1.1 金融发展对农村居民信息消费的影响机理

第一，农村金融发展能够改变农村居民的消费观念，引导消费预期，改变消费行为，进而促进农村居民信息消费。这是因为，随着农村金融的发展与金融知识的普及，市场上面向农村居民的金融理财产品和服务方式日益丰富，有利于降低传统的边际储蓄倾向，农村居民可以将更多存款投资于灵活方便的理财产品，改变单一的储蓄行为，因而可用于当期消费的支出弹性空间变大增强。此外，很多农村居民将财产收入开始配置于不同风险等级的资产组合，投资收益与风险应对水平提高，越来越多的特别是年轻一代的农村居民敢于当期消费，因而农村金融发展对农村居民效用最大化的理性经济人的追求具有激励作用。
第二，农村金融的发展，使得农村金融支付手段变得便捷高效，在电子商务兴起的背景下，移动支付、微信支付、信用支付等电子信息化支付手段在农村普及，改善了农村居民的消费环境，降低了农村居民消费的交易成本，提高了交易频数，因而对于农村居民信息消费来说，先进快捷的金融支付手段能够刺激提高农村居民信息消费的交易效率，提升农村居民信息消费体验。
第三，农村金融的发展，能够提高农村居民的收入水平，进而促进农村居民信息消费。根据消费理论，收入是决定消费水平的最重要因素。农村金融的发展，尤其是普惠金融、涉农金融服务可以为农村居民的生产经营贷款、住房贷款等提供资金支持，还有各种农业农村保险业务的开展，直接提高农村居民的创收能力，尤其是扩大了农民财产性收入渠道，丰富了农民增收的渠道，进而促进农村居民信息消费。另外，越来越多的农村居民消费信贷支持，可以有效缓解农村居民面临的消费需求约束，刺激农村居民的潜在消费需求，激发农村居民的消费潜力，间接性地提高了农村居民的“可支配收入”，这也能在一定程度上促进农村居民信息消费。
基于上述分析，提出假设1：
H1：农村金融发展水平的改善可以有效促进农村居民信息消费。

1.2 人力资本投入对农村居民信息消费的影响机理

第一，农村人力资本投入的增加，尤其是教育资源的投入能够普遍提高农村居民的文化水平与劳动技能，提升其劳动生产率，促进农村居民增收创业，改变其对未来收入的预期，从而增强农村居民信息消费能力，刺激农村居民增加现期消费。此外，从中观层面来看，农村居民提升文化素质与劳动能力可以促进农村地区第二、第三产业的发展，产生产业集聚效应，优化农村产业结构，使得信息消费在农村消费市场中的比重上升。
第二，农村人力资本投入的增加一定程度上刺激了农村居民消费意愿，释放了农村居民消费需求，这对农村居民的传统消费观念及消费方式的改变起到了促进作用。过去农村地区居民文化程度普遍较低，收入来源有限，储蓄倾向强，恩格尔系数高，而进行信息消费的意愿偏低，如今受教育程度普遍较高的农村居民信息消费意识提高，有能力且有意愿进行消费，从而可以拉动信息消费增长。
第三，农村人力资本投入本身就是一种信息消费，因为农村人力资本投入就是要提升农村劳动者的知识技能、文化技术水平与健康状况，这需要大量的教育支出和卫生保健支出，因而对市场上教学研究设备、医院的医疗器材、通讯文化设施以及与之匹配的信息管理系统的均有大量需求，与此同时还能够提高农村居民对信息产品的消费接受度，进一步促进农村居民的信息消费。
第四，由于人口的流动性，人力资本投入具有的知识外溢性[41]，不论是人才引进的新进农村区域的居民，还是在原本就生活在农村的居民，通过相互之间的学习和交流，从而扩大了居民之间的人际交流及社交能力，增加其空间流动的知识与能力，人力资本的知识外溢不断扩散。农村人力资本的普及不仅能推动本地区信息消费水平，还能够引导带动地理经济邻近地区农村居民的信息消费，表现出显著的空间外溢性特质，可以起到良好的消费示范作用。
基于以上分析，提出假设2：
H2：农村人力资本投入对农村居民信息消费具有推动作用，且存在显著的空间溢出效应。

2 理论模型及数据来源

2.1 变量选择与数据来源

遵循指标数据的客观性和可获得性原则，选取2007—2016年中国大陆地区30个省、自治区、直辖市作为样本。由于西藏数据缺失严重，故未列入样本范围，所有数据均来自于历年的《中国统计年鉴》《中国人口和就业统计年鉴》《中国农村统计年鉴》《中国工业统计年鉴》《中国教育经费统计年鉴》《中国各省金融运行报告》以及各省市统计年鉴。
①被解释变量。本文沿用尹世杰[42]与吴刚华[43]对信息消费的定义，将信息消费支出（pic）分解为交通通讯、文教娱乐、医疗保健消费支出。运用此定义，将我国农村居民人均消费性支出中的交通通讯、文教娱乐、医疗保健消费支出三项消费支出的加总作为农村居民人均信息消费支出的代替。
图1 农村金融发展、人力资本投入对农村居民信息消费的影响机制

Fig.1 The impact of rural financial development and human capital investment on rural residents’information consumption

②核心解释变量。农村金融发展（xd）：农村金融资产对消费能够起到跨期平滑的作用，从而降低农村居民消费对收入的敏感性[6]。本文选取农村金融机构资产总额作为代表农村金融发展水平的因素。人力资本投入（edu）：消费者的素质是影响消费者行为的关键因素，因此需要对人力进行投资以提高其效率，实现人力资本的积累[44]。本文选取农村居民的人均受教育程度作为代表人力资本投入的替代。
③控制变量。为了使模型更加稳健，本文还选取了农村居民的人均收入、农村居民的消费偏好、信息消费市场规模、研发水平以及信息基础设施作为控制变量。经济收入（pi）：农村人均收入水平是衡量农村经济实力和居民富裕程度的重要指标。居民收入增长会有效地刺激信息消费的潜在购买力，从而对消费结构产生影响[45-46]。因此本文选择各地区农村居民人均纯收入代表经济因素。消费偏好（ch）：消费者消费偏好的形成会直接影响消费行为，进而对居民信息消费产生作用[47]，本文选取农村居民的上一期信息消费支出作为代表居民消费偏好因素。市场规模（gioi）：借鉴李婵娟[39]的方法，将“电子与信息设备制造业总产值”与“邮电业务总量”加总衡量省市区信息产业市场规模的大小，信息消费市场规模是影响一个地区信息消费高低的直接因素。研发水平（rd）：技术创新刺激了消费需求的产生，加大了消费者对于产品的购买力[48]。本文选取各个地区R&D经费投入占GDP比值作为衡量地区研发水平的指标。基础设施（tc）：信息基础设施的建设是发展农村居民信息消费的基础，是实现农村信息化的前提和要求，有效地减少了农村地区的距离和空间上的障碍[49]。本文选取长途通信光缆长度作为衡量信息基础设施的指标。主要变量的描述性统计见表1。
表1 变量指标定义及描述性分析

Tab.1 Definition and descriptive analysis of variable indicators

变量类型 变量名称 变量 单位 均值 标准差 最小值 最大值
被解释变量 信息消费支出 pic 万/人 0.1961 0.1147 0.0378 0.5860
核心解释变量 人力资本投入 edu 年/人 7.1171 0.6067 5.4524 9.0281
农村金融发展 ln xd 亿元 8.1093 1.0489 4.0604 10.3495
控制变量 经济收入 pi 万/人 0.8331 0.4309 0.0468 2.5520
消费偏好 ch 万/人 0.1690 0.1022 0.0337 0.5298
市场规模 ln gioi 亿元 7.0775 1.3595 3.8967 10.5060
研发水平 rd % 1.4514 1.0587 0.2075 6.0100
基础设施 lntc km 9.9986 0.8443 6.6883 11.2578
本文为消除异方差的影响，对市场规模、基础设施以及金融发展水平等3个变量进行对数处理，使回归模型能够得到稳定的结果。从表1来看，所有变量的均值均大于标准差，说明大部分变量的离散程度较小。从描述性统计分析的结果来看，变量的最大值与其最小值之间的差值较大，表明我国各个空间区域农村居民信息消费极不均衡，在实证分析时需要考虑区域之间的空间相关性。

2.2 空间权重矩阵构建

本文根据实证需要，分别构建邻接权重矩阵、经济权重矩阵以及经济地理权重矩阵。根据空间经济学中经典的“rook”原则将邻接权重矩阵w1设定为：
w i j = 0 , 省 份 与 省 份 之 间 不 相 邻 1 , 省 份 与 省 份 之 间 相 邻
以我国30个省市区人均GDP差值的倒数构建经济距离权重矩阵 w 2， Y i ¯、 Y j ¯表示30个省市区2007—2016年人均GDP的均值；
w i j = 1 Y i ¯ - Y j ¯
考虑空间单元之间的交互作用并不是仅仅由距离因素或者经济因素所引起，而是两者的共同作用，因此构造蕴含距离因素和经济因素的嵌套矩阵， φ介于0~1之间，其代表地理距离权重矩阵所占比重[50]，为简化分析，参照邵帅等的研究[51]，设定 φ=0.5，构建经济地理权重矩阵 w 3；
w i j = φ ⋅ 1 Y i ¯ - Y j ¯ + 1 - φ ⋅ 1 d i j

2.3 空间自相关分析

2.3.1 农村居民信息消费的全局空间相关性分析

空间相关性是测试空间单元之间的关联程度，通过检验空间单元上某个要素与邻近单元上的要素是否关联，以此描述空间相关与空间集聚，解释研究现象之间的空间作用。本文采用全局Moran’s I指数与局部Moran’s I指数对农村居民信息消费进行了空间自相关检验。
Moran’s I指数的计算公式如下：
I = ∑ i = 1 n ∑ j = 1 n w i j p i c i - p i c ¯ p i c j - p i c ¯ S 2 ∑ i = 1 n ∑ j = 1 n w i j
式中： n指样本省份量30； w i j为空间权重矩阵（以省份 i和省份 j相邻时， w i j = 1；省份 i和省份 j不相邻时， w i j = 0）； p i c i和 p i c j分别为省份 i和省份 j的农村居民信息消费的测度值； p i c ¯ = 1 n ∑ i = 1 n p i c i，为农村居民信息消费的均值； S 2 = 1 n ∑ i p i c i - p i c ¯ 2，为农村居民信息消费的方差。
Moran’s I指数可以看做观测值与它的空间滞后（spatial lag）之间的相关系数。变量 p i c i的空间滞后为 p i c i在区域 j的平均值，定义为：
p i c i , - 1 = ∑ j w i j p i c i j / ∑ j w i j
因此，Moran’s I指数的取值一般介于-1~1之间，大于0表示正自相关，即高值与高值相邻、低值与低值相邻；小于0表示负自相关，即高值与低值相邻。如果Moran’s I指数接近于0，则表示空间分布是随机的，不存在空间自相关。

2.3.2 农村居民信息消费的局部空间相关性分析

全局Moran’s I指数只检验了我国30个省市区农村居民信息消费具有正空间相关性关系，对于相邻省份之间的空间相关程度没有详细的描述。因此为进一步探究空间单元的相关程度，则需要利用局部Moran’s I指数对我国农村居民信息消费进行分析。局部Moran’s I指数定义为：
I i = p i c i - p i c ¯ S 2 ∑ j = 1 n p i c j - p i c ¯
局部Moran’s I指数很好地反映了地区 i与地区 j之间的空间相关程度。根据上述分析结果，本文以邻接空间权重矩阵为例，算出2007、2016年我国农村居民信息消费的局部Moran’s I值。
由表3可知，2007年有天津、山西、辽宁、吉林、上海以及江苏等22个省份存在正空间相关性，即我国30个省份中77.3%的省市农村居民信息消费呈现空间正相关性；2016年有北京、天津、辽宁、吉林以及上海等20个省份存在正空间相关性，即我国30个省份中66.7%的省份农村居民信息消费呈现空间正相关性。
表2 我国30个省份农村居民信息消费的全局空间自相关检验结果

Tab.2 Global spatial autocorrelation test results of rural residents’information consumption in 30 provinces of China

年份 邻接空间权重矩阵w1 经济距离权重矩阵w2 经济地理距离权重矩阵w3
I值 Z值 p值 I值 Z值 p值 I值 Z值 p值
2007 0.402 3.792 0.000 0.127 2.832 0.005 0.384 5.220 0.000
2008 0.390 3.675 0.000 0.115 2.613 0.009 0.355 4.855 0.000
2009 0.374 3.562 0.000 0.107 2.490 0.013 0.353 4.863 0.000
2010 0.428 3.976 0.000 0.131 2.877 0.004 0.362 4.905 0.000
2011 0.429 3.975 0.000 0.136 2.940 0.003 0.420 5.598 0.000
2012 0.504 4.516 0.000 0.142 2.979 0.003 0.480 6.201 0.000
2013 0.438 3.884 0.000 0.123 2.618 0.009 0.432 5.510 0.000
2014 0.399 3.560 0.000 0.141 2.908 0.004 0.426 5.428 0.000
2015 0.425 3.778 0.000 0.142 2.930 0.003 0.420 5.377 0.000
2016 0.425 3.766 0.000 0.135 2.801 0.005 0.415 5.303 0.000
表3 我国30个省份农村居民信息消费局部空间自相关检验结果

Tab.3 Local spatial autocorrelation test results of rural residents’information consumption in 30 provinces of China

省份 2007 2016 省份 2007 2016 省份 2007 2016
北京 -0.237 1.338 浙江 1.462 0.673 海南 0.041 0.424
天津 0.247 1.307 安徽 -0.122 -0.145 重庆 0.410 0.298
河北 -0.159 -0.102 福建 0.086 -0.062 四川 0.495 0.556
山西 0.053 0.079 江西 -0.099 -0.343 贵州 0.731 0.776
内蒙古 -0.079 -0.152 山东 -0.021 0.000 云南 0.646 1.033
辽宁 0.005 0.210 河南 0.130 0.203 陕西 0.132 0.185
吉林 0.021 0.176 湖北 0.175 -0.122 甘肃 0.312 0.147
黑龙江 -0.002 0.305 湖南 0.156 0.015 青海 0.401 -0.131
上海 4.876 3.539 广东 0.023 0.259 宁夏 0.121 -0.010
江苏 1.397 1.363 广西 0.415 0.590 新疆 0.445 0.328
综上所述，全局Moran’s I指数检验了我国农村居民信息消费具有空间相关和空间集聚特性，局部Moran’s I指数测算了我国农村居民信息消费的空间相关性的程度。因此本文运用空间计量模型对影响农村居民信息消费的因素进行详细分析。

3 实证分析

3.1 空间计量模型选择

空间计量模型主要包括空间误差模型（SEM）、空间滞后模型（SAR）和空间杜宾模型（SDM）。在选择模型时通常采用LM和R-LM统计量检验，从而确定适合本文样本数据的最优空间面板模型进行实证分析。
限于篇幅，检验过程省略。从其检验结果可知，在邻接空间权重矩阵下空间滞后模型检验值的显著性水平通过了1%的显著性检验，空间误差模型检验值的显著性水平通过了5%的显著性检验；综合三种矩阵的检验结果均拒绝了原假设，也就是空间杜宾模型不能简化为空间滞后模型或空间误差模型，因此本文选取空间杜宾模型进行实证分析。
空间杜宾模型估计各个因素对农村居民信息消费的影响。结合本文对选取的解释变量与被解释变量，本文建立空间杜宾模型为：
P I C = λ ∑ j = 1 n W i j P I C j t + X i t β + δ ∑ j = 1 n W i j X i t + α i + γ t + u i t
式中：PIC是人均消费支出；X是解释变量； i表示我国30个省市区； t表示2007—2016年的时间变化； λ为空间自回归系数； W i j为空间权重矩阵第 i行 j列的数值； δ用于捕捉被解释变量间的空间影响； β是解释变量的系数； α i和 γ t分别表示可能的区域和时间固定效应； u i t为随机误差项且满足 u i t ~ N ( 0 , σ 2 I )。

3.2 空间计量分析

根据表4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邻接空间权重矩阵以及经济地理权重矩阵下均不接受随机效应的原假设，因此，本文主要对固定效应进行分析研究。
表4 不同权重矩阵下中国30个省份空间杜宾模型估计结果

Tab.4 Estimation results of spatial Doberman models of 30 provinces and cities in China under different weighting matrices

变量 非空间模型 邻接空间权重矩阵w1 经济距离权重矩阵w2 经济地理距离权重矩阵w3
OLS Fe Re Fe Re Fe Re
C -0.0464**
（0.0287）		 - -0.0003
（0.0302）		 - -0.0225
（0.0293）		 - -0.0575**
（0.0259）
edu 0.0011
（0.0029）		 0.0179***
（0.0063）		 0.0001
（0.0024）		 0.0177***
（0.0060）		 0.0024
（0.0023）		 0.0151**
（0.0061）		 0.0015
（0.0021）
lnxd 0.0066***
（0.0017）		 0.0059**
（0.0028）		 0.0030
（0.0019）		 0.0130
（0.0027）		 -0.0001
（0.0014）		 0.0056**
（0.0027）		 0.0017
（0.0018）
pi 0.0561***
（0.0105）		 0.0452***
（0.0147）		 0.0360***
（0.0089）		 0.0384***
（0.0135）		 0.0309***
（0.0082）		 0.0434***
（0.0144）		 0.0308***
（0.0080）
ch 0.9042***
（0.0328）		 0.8400***
（0.0396）		 0.9366***
（0.0359）		 0.8341***
（0.0413）		 0.9431***
（0.0359）		 0.8359***
（0.0406）		 0.9171***
（0.0316）
lngioi -0.0081***
（0.0016）		 0.0093**
（0.0047）		 -0.0033**
（0.0014）		 0.0035
（0.0038）		 -0.0022
（0.0014）		 0.0044
（0.0038）		 -0.0043***
（0.0013）
rd -0.0016
（0.0024）		 -0.0119
（0.0077）		 -0.0024
（0.0019）		 -0.0146**
（0.0072）		 -0.0014
（0.0016）		 -0.0159**
（0.0073）		 -0.0009
（0.0015）
lntc 0.0041*
（0.0024）		 0.0069
（0.0084）		 0.0010
（0.0023）		 0.0042
（0.0079）		 0.0032*
（0.0018）		 0.0044
（0.0079）		 0.0039**
（0.0018）
W×ch - -0.4092***
（0.0594）		 -0.4538***
（0.0586）		 -0.5989***
（0.0719）		 -0.6630***
（0.0686）		 -0.5215***
（0.0666）		 -0.5554***
（0.0620）
W×lngioi - -0.0127**
（0.0060）		 -0.0021
（0.0014）		 -0.0061
（0.0074）		 -0.0024
（0.0037）		 -0.0070
（0.0060）		 0.0030
（0.0021）
ρ - 0.4433***
（0.0496）		 0.4595***
（0.0501）		 0.6579***
（0.0561）		 0.6672***
（0.0569）		 0.5638***
（0.0531）		 0.5792***
（0.0529）
R-sq 0.9723 0.9681 0.9640 0.9677 0.9655 0.9684 0.9651
观测值 300 300 300 300 300 300 300
F/Log-L 2 239.95 828.0190 797.5909 841.7937 812.4130 836.4502 809.4582
Hausman Test - 2.05 -4.78 65.61

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

从表4中的邻接空间权重矩阵以及经济地理权重矩阵下的固定效应模型可以看出，邻接空间权重矩阵下的固定效应模型的3个自变量的回归系数均通过了1%的显著性检验，2个自变量的回归系数均通过了5%的显著性检验，1个自变量的空间溢出效应明显，且通过1%的显著性检验，其可决系数为0.9723，极大似然值达到828.019，同时空间自回归系数的估计值为0.4433，且在1%的显著性水平下显著，综合以上结果分析，本文选取邻接空间权重矩阵中固定效应进行解释分析[53]。
由于空间杜宾模型同时考虑解释变量与被解释变量的空间滞后项，其解释变量对本地区以及其他地区都会产生影响，因此需要对模型的总效应进行效应分解。表4显示空间滞后系数 ρ显著不为0，参照Lesage等的空间回归偏微分方法进一步将空间杜宾模型的总效应分解为直接效应和间接效应，分别表示解释变量对本地区被解释变量的影响以及对其他地区被解释变量的影响[54]。基于此方法分解的直接效应与间接效应的结构见表5。
表5 不同权重矩阵下中国30个省份空间溢出效应分解结果

Tab.5 Decomposition results of spatial spillover effects in 30 provinces and cities in China under different weighting matrices

矩阵 效应 edu lnxd pi ch lngioi rd lntc
邻接空间权重矩阵w1 直接效应 0.0187*** 0.0062** 0.0483*** 0.8379*** -0.0082* -0.0128* 0.0077
间接效应 0.0133** 0.0043** 0.0338*** -0.0666 -0.0137* -0.0090 0.0055
总效应 0.0320*** 0.0105** 0.0822*** 0.7712*** -0.0055 -0.0218* 0.0105
经济距离权重矩阵w2 直接效应 0.0024 -0.0001 0.0334*** 0.9412*** -0.0026* -0.0016 0.0035*
间接效应 0.0046 -0.0003 0.0603*** -0.1016 -0.0108 -0.0030 0.0065
总效应 0.0070 -0.0004 0.0937*** 0.8396*** -0.0134 -0.0047 0.0101*
经济地理距离权重矩阵w3 直接效应 0.0158** 0.0060** 0.0468*** 0.8332*** 0.0039 -0.0171** 0.0051
间接效应 0.0187** 0.0068** 0.0545*** -0.1186 -0.0088 -0.0201** 0.0062
总效应 0.0345** 0.0129** 0.1013*** 0.7145*** -0.0048 -0.0372** 0.0113
通过对表4和表5的综合分析，可以看出邻接空间权重矩阵中固定效应模型的各个参数都十分显著并且较大，表明农村金融发展以及人力资本投入等方面的对农村居民信息消费具有促进作用，因此本文主要选取表4第3列的固定效应回归结果与表7邻接空间权重矩阵w1的空间溢出效应分解结果进行实证分析，探讨农村金融发展与人力资本投入对我国农村居民信息消费的影响，阐述解释变量的空间溢出效应。
①农村金融发展。从表5中可以看出，农村金融发展的直接效应为0.0062，在5%的显著性水平下显著，即农村金融发展每提高1%，就能增加农村居民信息消费支出0.0062%，说明农村金融发展对本地区居民信息消费支出具有带动效应，这与戴序、王娜、张万兴以及张毓卿等的研究结论[17,55⇓-57]相一致。农村地区的金融机构提供的贷款能够有效地缓解农村居民的消费约束，一方面居民通过资金贷款进行农业生产，实现生产规模的扩大以及农村居民收入的增加，进而增加农村居民的现期消费；另一方面农村金融服务水平的提高为完善农村消费市场提供了资金支持，通过建设农村信息基础设施来改善农村居民的信息消费环境，从而拉动农村消费增长。农村金融发展的间接效应为0.0043，在5%的显著性水平下显著，说明本地区金融机构的发展水平对相邻地区的农村居民信息消费也有一定的促进作用[58]。随着国家政策对农村地区发展金融机构的重视，农村金融体制建立健全、农村信贷产品的供给增强、农村金融消费环境改善，农村金融需求得到了较大的满足，农村居民的信息消费能力提升，从而促进了农村居民的经济增长和农村居民消费结构升级。由此可得，农村金融发展水平的改善可以有效促进农村居民信息消费。假设1得到验证。
②人力资本投入。在表5中的w1的分解结果中，人力资本投入的直接效应为0.0187，在1%的显著性水平下显著，即人力资本投入每提高1%，就能增加农村居民信息消费支出0.0187%，说明农村人力资本投入对农村居民消息消费的促进作用较强[35]，提高农村居民的教育水平是促进农村居民信息消费产生的关键点。信息消费产品不同于一般商品，其使用者需要具备一定的知识和技术能力，受教育程度越高，对信息消费的接受能力越快，越能够进行信息消费[59]，农民提高文化素质的过程也是不断扩大信息消费的过程。随着农村人力资本投入的不断上升，使得信息消费主体的文化层次大大提高，农村居民能够改变正确的信息消费意识以及熟练掌握新型信息产品的使用方法，进而促进了本地区农村居民信息消费。其次，人力资本投入的间接效应为0.0133，在5%的显著性水平下显著，说明人力资本投入不仅对本地区农村居民信息消费产生影响，且在相邻省份之间具有示范效应，对相邻省份的农村居民信息消费具有正向的空间溢出效应，效应明显[60]。农村人力资本积累不仅仅在于提高农村居民的初级教育，同时还需要提高农民的专业技术教育，通过对农村居民的专业技能的培训，使得农村居民的劳动生产率提高，进而可增加其劳动所得的收入，引导农村居民进行消费。因此，农村人力资本投入对农村居民信息消费具有推动作用，且存在显著的空间溢出效应。假设2亦得到验证。
③控制变量方面，通过对实证结果的分析，农村居民收入提高对本地区以及邻近地区的居民信息消费具有促进作用。随着我国对“三农”问题的重视，农村居民对信息消费的需求增大，农民收入对信息消费的拉动作用不断增强。消费偏好的直接效应为正值，间接效应为负值，但其总效应为正值，且显著性水平较高，说明农村居民的信息消费偏好的形成有效地刺激了农村居民信息消费的产生。信息产业发展决定着信息消费产品及服务的质量，从表5中得出，信息市场规模的直接、间接以及总效应为负值，说明当前城市信息产业对农村居民信息消费的发展带动力较弱。究其原因在于，城市信息产业的优先发展使得城乡之间的“数字化鸿沟”扩大，城市信息产业发展对农村居民的辐射面积较小，因此整体表现出负向影响。研发水平对农村地区居民信息消费的直接效应与间接效应都呈现出负向溢出效应，即“虹吸效应”。当前农村中青年人口因就业问题向城市转移，信息消费主体减少，消费需求降低，因此对农村居民信息消费的促进作用较小。城市研发水平对城市常住人口的居民信息消费带动作用较大，其城乡之间的数字化鸿沟扩大从而产生较强的“虹吸效应”。由于城市研发强度产生的溢出效应小于“虹吸效应”，由此表现出整体效应是负向影响。基础设施的效应对农村居民信息消费有着微弱的促进作用，但未能通过显著性检验。长途通信光缆主要用于有线电视、计算机的使用，这部分基础设施在前期会增加农村居民信息消费支出，但与此同时减少了纸质信息等消费，一定程度上减少了农村居民信息消费的支出[2]，因此信息基础设施在农村地区的建设仍需进一步加强。

3.3 稳健性检验

为了证明实证结果的稳健性，本文选取农村地区高中生均教育经费支出（Eoe）作为核心解释变量人力资本的代替变量，选取农村地区每百人口金融机构从业人员数（Fip）作为核心解释变量农村金融发展的代替变量，并运用空间面板模型进行实证分析，由于稳健性检验结果中邻接空间权重矩阵下Hausman值为1.6，因此同表4的邻接空间权重矩阵下的固定效应模型结果进行对比分析，以期得到合理可靠的结论。
根据稳健性检验实证结果可知，空间相关系数ρ的显著性与前文的空间杜宾模型估计结果较好，且均在1%的显著性水平下显著，核心解释变量的系数值以及显著性都比较接近。总体来看，替换解释变量之后，模型估计结果没有发生较大的变化，相邻地区之间的农村居民信息消费的空间溢出效应明显，该结论表明实证结果的稳健性较强。
由解释变量的系数可知，人力资本投入、农村金融发展、人均收入以及消费偏好等对农村居民信息消费均具有正向的促进作用，人力资本投入、农村金融发展、人均收入以及消费偏好每提高1%，便会使农村居民信息消费分别提0.015%、0.0212%、0.0445%和0.7197%；研发水平对农村居民信息消费具有抑制作用，研发水平每提高1%，便会使农村居民信息消费降低0.0047%；信息基础设施对农村居民信息消费的作用比较微弱。

4 结论与对策

4.1 研究结论

以上对我国农村居民信息消费的分析，表明我国农村居民信息消费空间分异明显，我国农村居民信息消费存在显著的空间相关性和集聚特征。空间杜宾模型回归结果表明，人力资本投入对农村居民信息消费具有一定的影响，其空间溢出效应为正值，表明农村地区人力资本的提高不仅可以增加区域内农村居民信息消费支出，同时对相邻省份的农村居民信息消费也起到了显著性的带动作用；农村金融发展与农村居民信息消费之间存在密切的关系，金融发展对本地区农村居民信息消费具有正向溢出效应，对相邻地区的农村居民信息消费具有出正向溢出效应，总效应为正向影响，且影响较大，即对邻近地区存在显著的辐射效应。

4.2 对策建议

为扩大和升级农村居民信息消费，提升农村居民信息消费质量，大力推动农村居民信息消费跨入新台阶，壮大经济发展内生动力，进一步缩小城乡“数字鸿沟”和城乡消费差距，促进我国区域经济均衡发展，基于本文的实证研究结果，提出以下对策。
第一，大力推进农村普惠金融体系建设，进一步加大对农村金融发展的支持力度。本文实证结果得出农村金融发展对本地区居民信息消费产生了较大促进作用，同时对相邻地区的影响也较大，为更好地发挥农村金融对农村居民信息消费的拉动作用，完善对农村农业发展的金融支持。一方面，需要借助政府的力量积极宣传农村金融的相关知识，进一步完善农村金融服务平台，引导农村居民积极参与农村金融活动，并鼓励农村居民主动接触农村金融借贷服务；另一方面，政府需要对农村金融服务机构给予政策支持，在税率以及贷款利息等方面加大优惠政策，吸引更多的金融服务机构进入广大的农村地区发展，拓宽农村居民的信息消费空间。
第二，加快提高农村居民文化教育水平，缩小城乡居民之间的“数字化鸿沟”。通过提高城乡居民受教育水平来弥合“数字化鸿沟”，促进农村居民信息消费的发展。虽然本文实证结果得出人力资本投入对农村居民信息消费的促进作用较弱，但主要原因在于农村现有人口的受教育程度较低，不足以带动居民信息消费的发展。因此结合本文实证结果分析，一方面需要政府增加农村地区的文化教育投入，改善农村地区的办学条件，加大文化科技下乡活动，加大农村地区优质教育资源的配备，提升农村人口文化素质；另一方面政府还应该搭建平台，引进城镇的新型信息产品与资源，以城带乡助推农村文化教育事业发展，培育新一代职业农民和农村新型的居民信息消费主体。
第三，提高农村居民收入水平，扩大农村居民信息消费需求。居民收入是居民信息消费的基础，是影响农村居民信息消费的决定性因素，收入差距是扩大城乡居民信息消费差距的主要因素。本文根据实证结果得出，农村居民人均收入对居民信息消费有显著的促进作用，且对相邻地区的空间溢出效应明显。因此为推动农村居民信息消费增长，缩小城乡消费差距，一方面需要通过制度创新和政策扶持来增加农村居民收入，特别是增加农村居民财产性收入现金收入渠道，同时要加大对农村贫困地区和贫困人口的财政转移支付，包括增加农产品附加值、提高农民务工收入，让农民的房产和土地承包权经营权能够流动增加收入等，提高农村居民的财产性收入与转移支付能力。另一方面需要降低农村居民信息消费成本，刺激农村居民信息消费需求，让农村居民有能力进行信息消费。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中共中央国务院关于完善促进消费体制机制进一步激发居民消费潜力的若干意见[R]. 中华人民共和国国务院公报, 2018.

[2]
刘晓倩, 韩青. 中国农村居民信息消费影响因素的空间计量研究[J]. 经济问题探索, 2018(4):37-44.

[3]
Mckinnon R I. Money and capital in economic development[R]. Washington D.C. Brooking Institute, 1973.

[4]
Caporale, Maria G, Williams, et al. Monetary Policy and Finan-cial Liberalization:The Case of United Kingdom Consumption[J]. Journal of Macroeconomics, 2002, 23(2):177-197.

[5]
Levchenko A A. Financial Liberalization and Consumption Vola-tility in Developing Countries[J]. IMF Economic Review, 2005, 52(2):237-259.

[6]
齐红倩, 李志创. 我国农村金融发展对农村消费影响的时变特征研究[J]. 农业技术经济, 2018(3):110-121.

[7]
Morgan J N. Income and Welfare in the United States A Study[M]. New York: Mcgraw-Hill, 1962.

[8]
Jappelli T, Pagano M. Consumption and Capital Market Imper-fections:An International Comparison[J]. American Economic Review, 1989, 79(5):1 088-1 105.

[9]
赵洪丹, 赵宣凯, 陈丽爽, 等. 农村金融发展对农村居民消费影响的实证研究[J]. 价格理论与实践, 2017(7):109-112.

[10]
胡帮勇, 张兵. 农村金融发展对农民消费影响的动态研究[J]. 西北农林科技大学学报:社会科学版, 2013, 13(1):34-38,53.

[11]
孟兆娟. 农村金融发展对城乡收入差距的影响研究[J]. 统计与决策, 2013(9):143-145.

[12]
刘纯彬, 桑铁柱. 农村金融深化与农村居民消费增长:基于灰色关联度的实证分析[J]. 消费经济, 2010, 26(3):13-16.

[13]
Carroll C D, Otsuka M, Slacalek J. How large are housing and financial wealth effects?A new approach[J]. Journal of Money,Credit and Banking, 2011, 43(1):55-79.

[14]
肖忠意. 城镇化、农村金融深化对农村居民消费及结构的影响[J]. 统计与决策, 2015(6):101-105.

[15]
张奎, 金江, 王红霞, 等. 消费信贷对消费影响作用的实证研究[J]. 技术经济, 2010, 29(2):103-106.

[16]
冉光和, 蓝震森, 李晓龙. 农村金融服务、农民收入水平与农村可持续消费[J]. 管理世界, 2016(10):176-177.

[17]
戴序, 董亚文. 农村金融发展对农村居民消费影响的实证分析[J]. 税务与经济, 2019(2):29-36.

[18]
邓春生, 李珊. 农村金融发展对农村经济增长的非线性影响分析[J]. 管理世界, 2018, 34(11):180-181.

[19]
温涛, 王汉杰. 政府财政金融支农投入有效启动了农村消费吗?[J]. 吉林大学社会科学学报, 2017, 57(1):31-40,202-203.

[20]
刘艳华. 农业信贷配给对农村居民消费的间接效应——基于面板门槛模型的阐释[J]. 农业经济问题, 2016, 37(7):98-105,112.

[21]
刘广明. 农村消费市场开拓的金融支持探析[J]. 中央财经大学学报, 2011(6):35-40.

[22]
龚晓菊. 经济复苏背景下拓展我国农村消费市场的金融思考[J]. 中国流通经济, 2010, 24(7):77-80.

[23]
Becker G S, Murphy K M. Education and consumption:theeffects of education in the household compared to the Marketplace[J]. Journal of Human Capital, 2007, 1(1):9-35.

[24]
Abed M G. Teachers' perspectives surrounding ICT use amongst SEN students in the mainstream educational setting[J]. World Journal of Education, 2018, 8(1):6-16.

[25]
Rawatee Maharaj-Sharma, Aarti Sharma, Aditi Sharma. Using ICT-based instructional technologies to teach science:Perspectives from Teachers in Trinidad and Tobago[J]. Australian Journal of Teacher Education, 2017, 42(10):23-35.

[26]
朱清贞, 徐书林, 李云峰. 政府教育投入对居民家庭消费的“挤入效应”[J]. 江西社会科学, 2019, 39(5):61-72.

[27]
Hafstrom J L, Dunsing M M. Satisfaction and education:Anew approach to understanding consumption patterns[J]. Family & Consumer Sciences Research Journal, 1972, 1(1):4-12.

[28]
李翔, 朱玉春. 受教育程度对农村居民消费结构影响研究[J]. 统计与决策, 2013(12):112-114.

[29]
尚昀, 臧旭恒. 家庭资产、人力资本与城镇居民消费行为[J]. 东岳论丛, 2016, 37(4):30-41.

[30]
周弘. 家庭金融视角下人力资本与家庭消费关系的实证研究——来自CFPS的调查[J]. 经济经纬, 2011(6):16-20.

[31]
钱智勇. 对教育收益的经济学分析[J]. 暨南学报:哲学社会科学版, 2006(3):91-95,197.

[32]
Autor D H, Levy F, Murnane R J. The skill content of recenttechnological change:an empirical exploration[J]. NBER Working Papers, 2001, 118(4):1 279-1 333.

[33]
Gustafsson , Björn , Shi L Income inequality within and acrosscounties in rural China 1988 and 1995[J]. Social Science Electronic Publishing, 2003, 69(1):179-204.

[34]
程名望, 史清华, Jin Yanhong. 农户收入水平、结构及其影响因素——基于全国农村固定观察点微观数据的实证分析[J]. 数量经济技术经济研究, 2014, 31(5):3-19.

[35]
张学敏, 张明. 教育能带来满意的收入吗?——受教育程度影响收入满意度的实证研究[J]. 教育与经济, 2016(1):3-10.

[36]
Welch F. Education in production[J]. Journal of Political Econ-omy, 1970, 78(1):35-59.

[37]
杨俊, 黄潇, 李晓羽. 教育不平等与收入分配差距:中国的实证分析[J]. 管理世界, 2008(1):38-47,187.

[38]
刘根荣. 电子商务对农村居民消费影响机理分析[J]. 中国流通经济, 2017, 31(5):96-104.

[39]
李婵娟, 王子敏, 马万里. 农村居民信息消费省际差异的影响因素与贡献测度——基于Shapley值过程的实证分析[J]. 情报科学, 2017, 35(8):146-152.

[40]
唐天伟, 欧阳瑾. 我国城乡居民信息消费与收入差距的实证分析[J]. 国家行政学院学报, 2016(3):81-85.

[41]
高远东, 花拥军. 人力资本空间效应与区域经济增长[J]. 地理研究, 2012, 31(4):711-719.

[42]
尹世杰. 消费经济学[M]. 北京: 高等教育出版社, 2007.

[43]
吴刚华, 杨京英, 闾海琪. 信息消费系数及其测算方法研究[J]. 图书情报知识, 2007(2):69-71.

[44]
郑英隆, 袁健. 基于三维结构的信息消费分层发展[J]. 经济与管理研究, 2016, 37(7):94-102.

[45]
Chinn M D, Fairlie R W. ICT Use in the developing world:An analysis of differences in computer and internet penetration[J]. Social Science Electronic Publishing, 2010, 18(1):153-167.

[46]
Luis H Gutierrez, Luis F Gamboa. Determinants of ICT usageamong low-income groups in Colombia,Mexico,and Peru[J]. Information Society, 2010, 26(5):346-363.

[47]
崔海燕. 习惯形成对我国农村居民信息消费的影响[J]. 情报科学, 2014, 32(3):76-80.

[48]
Sandmo Agnar. Public goods and the technology of consump-tion:A correction.[J]. Review of Economic Studies, 1975, 42(1):167-168.

[49]
Allen K C, Others A. Survey of rural information infrastruc-ture technologies[J]. Access to Information, 1995:211.

[50]
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.

[51]
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.

[52]
Arnold M. James Le Sage, Robert K. Pace:introduction to spa-tial econometrics[J]. Statistical Papers, 2011, 52(2):493-494.

[53]
吴玉鸣. 旅游经济增长及其溢出效应的空间面板计量经济分析[J]. 旅游学刊, 2014, 29(2):16-24.

[54]
Lesage J P, Pace R K. Introduction to spatial econometrics[J]. Spatial Demography, 2009, 1(1):493-494.

[55]
王娜, 张磊. 供给侧改革背景下引领农村消费的金融支持研究[J]. 价格理论与实践, 2016(8):133-136.

[56]
张万兴, 郭晓梅. 基于VAR模型的农村金融深化对农村居民消费的影响——以湖北省为例[J]. 金融理论与实践, 2016(8):61-64.

[57]
张毓卿, 周才云. 金融对农村居民消费增长支持效应的动态分析[J]. 江西社会科学, 2012, 32(2):77-81.

[58]
谭燕芝, 彭千芮. 金融集聚与城镇居民消费:空间溢出与门槛特征[J]. 上海经济研究, 2019(2):85-98.

[59]
邸俊鹏, 袁燕, 张馨月. 教育程度、消费倾向与消费结构——基于分位数回归的实证分析[J]. 上海经济研究, 2019(2):58-66.

[60]
赵春燕. 人口结构的区域经济增长效应比较研究——基于空间杜宾模型的实证分析[J]. 人口与发展, 2019, 25(1):12-23.

Options
Outlines

/

〈 〉