科技和产业

一级指标	二级指标	三级指标	单位	指标属性
数字经济基础设施	传统基础设施	光缆线路长度	km	正向
新型数字基础设施	电话普及率(包括移动电话)	部/百人	正向
移动电话交换机容量	万户	正向
移动电话年末用户	万户	正向
互联网宽带接入端口数	万个	正向
互联网宽带接入用户	万户	正向
互联网域名数	万个	正向
每百家企业拥有网站数	个	正向
每百人使用计算机数	台	正向
数字经济发展环境	数字化人才	普通高等学校数	所	正向
普通高等学校本专科授予学位数	万人	正向
数字化环境	邮政业就业人数	人	正向
信息传输、软件和信息技术服务业就业人数	万人	正向
产业数字化	农业	农村宽带接入用户	万户	正向
农林牧渔增加值	亿元	正向
工业	工业增加值	亿元	正向
有电子商务交易活动的企业数比重	%	正向
工业企业电子商务交易额	亿元	正向
新产品销售收入	万元	正向
第三产业	第三产业增加值	亿元	正向
快递量	万件	正向
快递业务收入	万元	正向
数字产业化	电信业	电信业务量	亿元	正向
邮政业	邮政业务总量	亿元	正向
邮政业务网点	处	正向
软件和信息技术服务业	软件业务收入	亿元	正向
信息技术服务收入	万元	正向
电子信息制造业	通信设备、计算机及其他电子设备制造业主营业务收入	亿元	正向
数字化创新	研发投入与项目数	规模以上工业企业R&D经费支出	万元	正向
规模以上工业企业R&D项目(课题)数	项	正向
研发效率	国内专利申请授权量(项)与规模以上工业企业R&D人员全时当量(人每年)的比值	—	正向
专利与知识产权	有效发明专利数	件	正向

一级指标	二级指标	三级指标	单位	指标属性
数字经济基础设施	传统基础设施	光缆线路长度	km	正向
新型数字基础设施	电话普及率(包括移动电话)	部/百人	正向
移动电话交换机容量	万户	正向
移动电话年末用户	万户	正向
互联网宽带接入端口数	万个	正向
互联网宽带接入用户	万户	正向
互联网域名数	万个	正向
每百家企业拥有网站数	个	正向
每百人使用计算机数	台	正向
数字经济发展环境	数字化人才	普通高等学校数	所	正向
普通高等学校本专科授予学位数	万人	正向
数字化环境	邮政业就业人数	人	正向
信息传输、软件和信息技术服务业就业人数	万人	正向
产业数字化	农业	农村宽带接入用户	万户	正向
农林牧渔增加值	亿元	正向
工业	工业增加值	亿元	正向
有电子商务交易活动的企业数比重	%	正向
工业企业电子商务交易额	亿元	正向
新产品销售收入	万元	正向
第三产业	第三产业增加值	亿元	正向
快递量	万件	正向
快递业务收入	万元	正向
数字产业化	电信业	电信业务量	亿元	正向
邮政业	邮政业务总量	亿元	正向
邮政业务网点	处	正向
软件和信息技术服务业	软件业务收入	亿元	正向
信息技术服务收入	万元	正向
电子信息制造业	通信设备、计算机及其他电子设备制造业主营业务收入	亿元	正向
数字化创新	研发投入与项目数	规模以上工业企业R&D经费支出	万元	正向
规模以上工业企业R&D项目(课题)数	项	正向
研发效率	国内专利申请授权量(项)与规模以上工业企业R&D人员全时当量(人每年)的比值	—	正向
专利与知识产权	有效发明专利数	件	正向

变量	均值	标准差	最小值	中位数	最大值
Theil	0.087	0.039	0.018	0.082	0.202
dig	0.405	0.261	0.000	0.360	0.906
tb	7.317	0.875	4.786	7.324	9.286
egro	107.800	2.832	94.600	107.900	116.400
ti	2.137	1.488	0.389	1.434	6.757
mar	6.933	2.086	2.330	6.815	12.630
gov	0.261	0.113	0.105	0.233	0.758
is	0.495	0.090	0.327	0.488	0.837
cul	0.738	0.534	0.230	0.585	3.320
road	16.220	4.923	4.040	15.850	26.780
labor	22.760	6.190	9.900	22.800	36.400

变量	均值	标准差	最小值	中位数	最大值
Theil	0.087	0.039	0.018	0.082	0.202
dig	0.405	0.261	0.000	0.360	0.906
tb	7.317	0.875	4.786	7.324	9.286
egro	107.800	2.832	94.600	107.900	116.400
ti	2.137	1.488	0.389	1.434	6.757
mar	6.933	2.086	2.330	6.815	12.630
gov	0.261	0.113	0.105	0.233	0.758
is	0.495	0.090	0.327	0.488	0.837
cul	0.738	0.534	0.230	0.585	3.320
road	16.220	4.923	4.040	15.850	26.780
labor	22.760	6.190	9.900	22.800	36.400

变量	(1)	(2)	(3)	(4)
dig	-0.068^***	-0.055^***	-0.066^***	-0.079^***
(-13.199)	(-7.176)	(-9.448)	(-4.593)
dig²	0.022^***	0.016^**	0.018^***	0.044^***
(3.930)	(2.212)	(2.807)	(2.752)
常数项	0.109^***	0.002	0.001	-0.033
(18.742)	(0.065)	(0.018)	(-1.173)
样本数	330	300	300	300
R²	0.834	0.902	0.910	0.924
F	217.580	786.740	261.960	160.943
Controls	No	Yes	Yes	Yes
Province	No	No	Yes	Yes
Year	No	No	No	Yes

变量	(1)	(2)	(3)	(4)
dig	-0.068^***	-0.055^***	-0.066^***	-0.079^***
(-13.199)	(-7.176)	(-9.448)	(-4.593)
dig²	0.022^***	0.016^**	0.018^***	0.044^***
(3.930)	(2.212)	(2.807)	(2.752)
常数项	0.109^***	0.002	0.001	-0.033
(18.742)	(0.065)	(0.018)	(-1.173)
样本数	330	300	300	300
R²	0.834	0.902	0.910	0.924
F	217.580	786.740	261.960	160.943
Controls	No	Yes	Yes	Yes
Province	No	No	Yes	Yes
Year	No	No	No	Yes

变量	(1)	(2)	(3)	(4)
dig	-0.079^***	-0.072^***	-0.654^***
(-4.593)	(-4.111)	(-4.003)
dig²	0.044^***	0.042^**	0.471^***
(2.752)	(2.551)	(3.085)
数字金融				-0.033^***
			(-4.647)
数字金融²				0.006^***
			(7.714)
常数项	-0.033	-0.052	1.854^***	0.038
(-1.173)	(-1.559)	(6.980)	(1.373)
样本数	300	260	300	300
R²	0.924	0.931	0.905	0.933
F	160.943	153.499	125.908	183.760
Controls	Yes	Yes	Yes	Yes
Province	Yes	Yes	Yes	Yes
Year	Yes	Yes	Yes	Yes

变量	(1)	(2)	(3)	(4)
dig	-0.079^***	-0.072^***	-0.654^***
(-4.593)	(-4.111)	(-4.003)
dig²	0.044^***	0.042^**	0.471^***
(2.752)	(2.551)	(3.085)
数字金融				-0.033^***
			(-4.647)
数字金融²				0.006^***
			(7.714)
常数项	-0.033	-0.052	1.854^***	0.038
(-1.173)	(-1.559)	(6.980)	(1.373)
样本数	300	260	300	300
R²	0.924	0.931	0.905	0.933
F	160.943	153.499	125.908	183.760
Controls	Yes	Yes	Yes	Yes
Province	Yes	Yes	Yes	Yes
Year	Yes	Yes	Yes	Yes

变量	(1)	(2)
dig	-0.047^***	-0.035^***
(-3.146)	(-3.292)
dig²	0.023	0.032^**
(1.053)	(2.158)
dig×tb	0.014^***	0.005^**
(5.609)	(2.182)
dig²×tb	-0.011^***	-0.009^***
(-2.781)	(-3.036)
tb	-0.003	-0.013^**
(-0.459)	(-2.360)
常数项	0.082^***	-0.063
(12.684)	(-1.469)
样本数	330	300
R²	0.890	0.928
F	48.152	118.756
Controls	No	Yes
Province	Yes	Yes
Year	Yes	Yes

变量	(1)	(2)
dig	-0.047^***	-0.035^***
(-3.146)	(-3.292)
dig²	0.023	0.032^**
(1.053)	(2.158)
dig×tb	0.014^***	0.005^**
(5.609)	(2.182)
dig²×tb	-0.011^***	-0.009^***
(-2.781)	(-3.036)
tb	-0.003	-0.013^**
(-0.459)	(-2.360)
常数项	0.082^***	-0.063
(12.684)	(-1.469)
样本数	330	300
R²	0.890	0.928
F	48.152	118.756
Controls	No	Yes
Province	Yes	Yes
Year	Yes	Yes

变量	(1)	(2)	(3)
dig	-0.070^***	-0.042^*	-0.074^**
(0.024)	(0.024)	(0.030)
dig²	0.056^**	0.042^**	0.039
(0.023)	(0.020)	(0.028)
常数项	-0.039	0.141^***	0.138^**
(0.043)	(0.039)	(0.061)
样本数	110	80	110
R²	0.867	0.955	0.957
r2_w	0.903	0.970	0.969
F	39.061	89.777	129.616
Controls	Yes	Yes	Yes
Province	Yes	Yes	Yes
Year	Yes	Yes	Yes

变量	(1)	(2)	(3)
dig	-0.070^***	-0.042^*	-0.074^**
(0.024)	(0.024)	(0.030)
dig²	0.056^**	0.042^**	0.039
(0.023)	(0.020)	(0.028)
常数项	-0.039	0.141^***	0.138^**
(0.043)	(0.039)	(0.061)
样本数	110	80	110
R²	0.867	0.955	0.957
r2_w	0.903	0.970	0.969
F	39.061	89.777	129.616
Controls	Yes	Yes	Yes
Province	Yes	Yes	Yes
Year	Yes	Yes	Yes

数字经济对城乡收入差距的影响——基于税收收入的调节效用

PDF下载

纪甜甜

科技和产业 | 治理绩效 2025,25(9): 346-351

收起

科技和产业 | 治理绩效 2025, 25(9): 346-351

数字经济对城乡收入差距的影响——基于税收收入的调节效用

全屏

纪甜甜

作者信息

贵州财经大学应用经济学院, 贵阳 550025

纪甜甜(2000—),女,河北邯郸人,硕士研究生,研究方向为金融与区域经济发展

Impact of Digital Economy on Urban-rural Income Gap: Adjustment Effect Based on Tax Revenue

Tiantian JI

Affiliations

College of Applied Economics, Guizhou University of Finance and Economics, Guiyang 550025, China

出版时间: 2025-05-10

文章导航

摘要

收起

基于2011—2021年省级面板数据,探讨数字经济与城乡收入差距之间的关系。研究发现:数字经济对城乡居民收入差距的影响具有显著的“U”型特征,且这种影响具有区域异质性,它在东部和中部地区表现明显,而在西部地区,数字经济发展有助于减少城乡居民收入差异。此外,税收收入在数字经济对城乡居民收入差距的“U”型影响中起到正向调节作用,延缓收入差距扩大时点。结论为政策制定者指明了在不同地区应如何制定和调整税收政策,以更好利用数字经济发展促进社会经济的均衡发展。

关键词

数字经济 / 城乡收入差距 / 税收收入

Abstract

收起

Based on the panel data of provinces from 2011 to 2021, the relationship between digital economy and urban-rural income gap was explored. It is found that the impact of digital economy on the income gap between urban and rural residents has a significant “U”-shaped feature, and this impact has regional heterogeneity. It is obvious in the eastern and central regions, while in the western region, the development of digital economy helps to reduce the income gap between urban and rural residents. In addition, tax revenue plays a positive regulatory role in the “U”-shaped impact of the digital economy on the income gap between urban and rural residents, delaying the expansion of the income gap. The conclusion points out how policy makers should formulate and adjust policies in different regions to promote the balanced development of social economy by using the development of digital economy.

Key words

digital economy / urban-rural income gap / tax revenue

引用本文

纪甜甜. 数字经济对城乡收入差距的影响——基于税收收入的调节效用. 科技和产业, 2025 , 25 (9) : 346 -351 .

Tiantian JI. Impact of Digital Economy on Urban-rural Income Gap: Adjustment Effect Based on Tax Revenue[J]. Science Technology and Industry, 2025 , 25 (9) : 346 -351 .

正文

收起

城市化和工业化带来了显著的经济成就,但也加剧了城乡发展的不平衡,造成城市居民的收入水平远远高于农村居民。虽然中国在2021年宣布全面脱贫,成功消除了绝对贫困,但农村地区的相对贫困问题依然存在。根据国家统计局的数据,2011—2023年,中国城乡居民收入比从3.13降至2.39,缩小幅度为0.74。农村在教育、医疗等方面与城市存在较大差距,城乡收入差异仍是中国实现发展均衡、共同富裕目标的主要障碍。

随着互联网、大数据、5G等前沿技术的突飞猛进,中国已稳步迈入了数字经济发展时代。2022年,中国数字经济规模达到了惊人的50.2万亿元,占国内生产总值的41.5%,标志着数字经济在推动国家经济发展中的核心地位。数字经济的蓬勃发展不仅与传统产业紧密结合,还深度重塑了资源配置、生产方式以及收入分配模式,对农村和城市居民的就业机会及其收入水平产生了深远影响。因此,在中国经济发展转型的关键时期,研究数字经济如何影响城乡收入差距,对于优化收入分配结构、探索共同富裕具有重要的现实意义。

关于数字经济如何影响城乡收入差距,学术界存在两种主流观点。一种观点认为,数字经济对城乡收入差距的影响呈先下降后上升的“U”型^[1]。即数字经济初期有助于缩小城乡居民收入差距,数字经济后期城乡收入差距可能会扩大。一些学者认为城镇化和农村人力资本的提升被认为是调节这一关系的关键因素^[2]。徐伟祁等^[3]认为数字经济通过非农就业和农业生产率影响城乡收入差距。教育资源^[4]和基础设施建设^[5]在数字经济与城乡收入差距关系中扮演着关键的调节作用。它们在不同的发展阶段起到了缓和或限制的作用,有助于在数字经济早期阶段减少城乡之间的收入差异,并在后期阶段减弱这种差异的扩大趋势。这一点对于加强数字经济的积极影响,以及在其发展过程中控制城乡收入差距的扩大,具有重要意义。

第2种观点认为,数字经济将会先扩大城乡收入差距,然后降低城乡收入差距,呈现倒“U”型趋势。谢婷婷和李晓琴^[6]利用29个省级面板数据,揭示数字经济发展与城乡收入差距之间的倒“U”型关系,并强调数字经济通过提高金融可得性,对邻近省份产生潜在影响,尤其是在数字乡村发展水平较高的省份。邢怀振和苏群^[7]从收入水平和结构的双重视角出发,证实数字经济发展水平对城乡收入差距具有倒“U”型影响,城镇化和教育程度在这一过程中起到了门槛效应。钟文等^[8]则强调网络基础设施建设和农村普惠金融发展在调节数字经济与城乡收入差距关系中的重要作用。彭继增和钟浩^[9]从4个维度评估中国省级数字经济发展水平,发现数字经济与城乡收入差距之间的倒“U”型关系,并指出市场化水平在这一过程中扩大了城乡收入差距。

从现有研究来看,众多学者研究了数字经济与城乡收入差距之间的关系,两者之间的影响效应仍处于讨论与探索阶段,尚未形成一致的意见,并且鲜有学者考虑到政府部门税收收入可能在数字经济与收入分配之间发生的效用,目前也仅有薛钢和付梦媛^[10]研究发现税收收入能够有效缩小城乡收入分配差距。本文在此基础上,将税收收入、数字经济和城乡收入差距纳入同一框架,分别研究数字经济与城乡收入差距之间的关系以及税收政策在数字经济与城乡收入差距之间的调节效应,对现有研究体系进行一定的补充。对于制定适应新时代的城乡融合发展策略提供宝贵参考,有助于更好地利用数字经济潜力,以实现更加均衡和可持续的发展。

1 研究假设

收起

1.1 数字经济对城乡收入差距的影响机理

数字经济发展初期,主要通过数字普惠金融、数字平台与驱动产业结构升级使收入差距收敛。首先,创业是增加农民收入的重要途径。数字普惠金融为农村居民提供了更广泛的金融服务,包括信贷和保险等,降低了农民的融资成本,使他们能够投资创业进而提高农业生产效率,从而增加农民收入。其次,数字经济能够有效改善城乡就业结构。一方面,数字平台如电子商务和在线劳动力市场,打破了传统就业市场渠道垄断,为农村居民提供了更直接、更广阔的就业渠道,减少了中间环节,降低了农村居民寻找就业机会成本。另一方面,数字经济发展也催生了大量就业岗位,如大数据分析、人工智能等相关岗位,为农村劳动力提供了向高附加值产业转移的机会,促进了劳动力的非农化流动,有效提高了城镇化水平,间接地缩小了城乡收入差距^[11]。此外,信息通信技术的发展促进了产业结构升级^[12-13]。数字产业化推动了新兴产业的发展,而产业数字化则提高了传统产业的生产效率和产出。这些新兴产业的发展为农民提供更多的就业机会,帮助农民向更高收入的工作岗位转移。

随着数字经济的进一步发展,城乡之间的收入差距可能会因为以下原因而扩大。首先,产业数字化转型的差异性导致了城乡之间的数字鸿沟。城市地区通常拥有更强的数据基础设施和更高的数字化资本回报率,这使得城市地区的产业能够更快地实现数字化转型。相比之下,农业等传统产业的数字渗透率较低,特别是在生产和供应链环节^[14],意味着农村地区无法充分利用数字技术来提高生产效率和增加收入。其次,城乡居民的数字素养差异也是一个重要因素。城市居民更有可能使用数字技术进行人力资本投资和线上商业活动,而农民则主要将数字技术用于简单的社交娱乐,这种数字素养差异导致城市居民能够更有效地利用数字经济带来的机遇,从而增加收入,逐步扩大城乡收入差距。此外,农产品与数字平台的结合虽然在早期促进了农村发展,但随着时间的推移,可能会遇到转型瓶颈^[15]。农村地区在数字技术的应用上可能会受限于缺乏必要的技术支持和教育资源,这限制了他们在数字经济中的竞争力,进而有可能拉大城乡收入差距。综上,提出如下假设。

H1:数字经济对城乡收入差距具有先缩小后扩大的“U”型特征。

1.2 税收收入对数字经济和城乡收入差距关系的调节作用

健全的税收机制是确保数字经济作用于城乡收入分配的关键因素。一方面,地方税收收入与数字经济发展之间存在着密切的关系。地方政府通过将税收收入投资于基础设施建设、教育和研发,发展数字经济基础,同时还通过投资拉动效应、消费扩张效应和产业升级效应等促进数字经济效率提升^[16]。首先,税收收入用于改善和扩展数字基础设施,如宽带网络和数据中心,为数字经济提供必要的物理基础。其次,税收收入支持的教育项目可以提高劳动力的数字技能,为数字经济提供了人才保障。再者,税收收入可以用于资助科研机构和高校的研发活动,推动数字技术的创新和应用。最后,企业、政府、消费者相互作用,通过增加投资和消费促进数字经济产出,倒逼生产结构升级,数字技术创新和应用发生质的飞跃。另一方面,税收收入是影响收入差距的关键因素。具体来讲,税收是政府调节收入分配的重要工具。政府通过对高收入群体征收更多的税收,增加对低收入群体的转移支付,从而帮助缩小城乡之间的收入差距。例如,政府通过提高城市地区的房产税和个人所得税,可以增加财政收入,并将这部分收入更多地用于农村基础设施建设和公共服务,进而提高农村居民的生活水平。税收收入通过影响收入再分配、政府支出以及居民行为等多个方面,对城乡居民收入差距产生深远的影响。综上,提出如下假设。

H2:税收收入可以调节数字经济对城乡居民收入差距的“U”型影响关系。

2 研究设计

收起

2.1 模型构建

为验证研究假设H1,构建如下模型:

(1)$thei{l}_{it}={\beta }_{0}+{\beta }_{1}di{g}_{it}+{\beta }_{2}di{g}_{it}^{2}+{\beta }_{3}\sum {X}_{it}+{U}_{i}+{\theta }_{t}+{\epsilon }_{it}$

式中:theil为城乡收入差距;dig为数字经济;dig²为数字经济的平方项;X为一系列控制变量;i为地区;t为年份;U_i为省份固定效应;${\theta }_{t}$为时间固定效应;${\epsilon }_{it}$为误差项;${\beta }_{0}$为常数项;${\beta }_{1}~{\beta }_{3}$为回归系数。

为验证假设H2,构建如下模型检验税收收入在数字经济影响城乡居民收入差距中的调节效应。

(2)$thei{l}_{it}={\beta }_{0}+{\beta }_{1}di{g}_{it}+{\beta }_{2}di{g}_{it}^{2}+{\beta }_{3}\left(t\right.{b}_{it}\times di{g}_{it})+{\beta }_{4}\left(t\right.{b}_{it}\times di{g}_{it}^{2})+{\beta }_{5}t{b}_{it}+{\beta }_{6}\sum {X}_{it}+{U}_{i}+{\theta }_{t}+{\epsilon }_{it}$

式中:tb为税收。若${\beta }_{4}$显著,则表示调节效应存在。

2.2 变量选取

2.2.1 解释变量

借鉴张雪玲和焦月霞^[17]、王军等^[18]的数字经济指标构建方法,从宏观层面选取数字经济基础设施、数字经济发展环境、数字产业化、产业数字化、数字化创新5个一级指标,进而再细分为14个二级指标与32个三级指标,采取熵值法对数字经济发展水平进行全面刻画。本文数据来源于国家统计局数据库、EPS(economy prediction system)全球数据库以及各省份统计年鉴。具体指标见表1。

2.2.2 代理变量

将泰尔指数(Theil)作为衡量城乡收入差距的代理变量,并用城镇居民收入与农村收入之比作为衡量城乡收入差距的替代变量,用作稳健性检验。

其中泰尔指数计算公式为

(3)$Thei{l}_{t}=\sum _{i=1}^{2}\frac{{I}_{it}}{{I}_{t}}ln\frac{{I}_{it}/{P}_{it}}{{I}_{t}/{P}_{t}}=\frac{{I}_{1t}}{{I}_{t}}ln\frac{{I}_{1t}/{P}_{1t}}{{I}_{t}/{P}_{t}}+\frac{{I}_{2t}}{{I}_{t}}ln\frac{{I}_{2t}/{P}_{2t}}{{I}_{t}/{P}_{t}}$

式中:${I}_{it}$为t时期i地区的居民总收入,用各自人均可支配收入乘以人口总数计算得到;${I}_{t}$为t时期的全国居民总收入;${P}_{it}$为t时期i地区人口数据;${P}_{t}$为t时期的全国人口总数。

2.2.3 调节变量

税收收入为调节变量,用地方财政税收(亿元)取自然对数来衡量。地方财政税收收入反映了一个地区内政府通过税收获得的资金流量,它是评估地方政府财政健康状况的重要指标,可以用来分析税收政策的效果、经济活动的水平以及居民的财富状况。此外,税收收入的多少也可以反映出地方政府提供公共服务和进行公共投资的能力。因此,地方财政税收收入是衡量税收收入的有效方式。

2.2.4 控制变量

控制变量包括:经济增长(egro),采用地区生产总值增长率(上年=100)衡量;市场化水平(mar),采用樊纲等^[19]的市场化指数衡量;政府干预(gov),采用财政支出比上地区生产总值衡量;产业结构(is),采用第三产业增加值与地区生产总值的比重衡量;文化资本(cul),采用人均拥有公共图书馆藏量衡量;交通便利程度(road),采用人均城市道路面积(m²);未来劳动力(labor)采用少年儿童抚养比衡量。各变量的描述性统计见表2。

3 实证分析

收起

3.1 基准回归

表3为基准回归结果。列(1)~列(4)结果表明无论是否加入控制变量,是否固定个体和时间效应,数字经济的一次项估计系数均显著为负,数字经济的平方项估计系数均显著为正,表明数字经济对城乡居民收入差距存在先缩小后扩大的“U”型影响,假设H1得到验证。

3.2 稳健性检验

为了验证假设H1的可靠性,做如下稳健性检验。

(1)剔除直辖市。考虑到4个直辖市城市经济发展水平较高,与其他省份存在较大差距,可能对样本回归产生影响。故剔除北京、上海、天津、重庆4个直辖市数据,结果见表4(1)列;另外,考虑到2020年出现疫情,中国经济受到较大影响,剔除2020年数据进行回归,见第(2)列结果。

(2)替换被解释变量。运用城镇居民收入与农村收入之比作为衡量城乡收入差距的替代变量,如第(3)列结果。

(3)替换解释变量。参照张勋等^[20]的研究方法,用数字普惠金融指数代替数字经济指数,第(4)列结果。这4列中,数字经济的一次项估计系数均显著为负,数字经济的平方项估计系数均显著为正,再次验证了数字经济对城乡居民收入差距的“U”型影响。

3.3 调节效应

采用调节模型检验税收收入在数字经济对城乡居民收入差距影响中的调节效用,表5展示了是否加入控制变量的结果。结果发现,两列中数字经济的平方项与税收收入交互项系数均为负,这说明,税收收入在数字经济影响城乡居民收入差距过程中发挥调节作用。具体来讲,通过增加税收,可以在数字经济发展的早期阶段有效地减少城乡居民之间的收入差异,并且在后期阶段减缓这种差距的扩大趋势。另外,增加税收可能会推迟“U”型曲线的最低点出现的时机,从而延缓数字经济扩大城乡收入差距的时间节点,这意味着在更高的数字经济发展水平下,城乡收入差距可能达到其最小值,然后再逐渐扩大。其可能的原因在于,政府可以使用税收收入来实施激励措施,如税收减免或补贴,以鼓励企业在农村地区投资,这有助于创造就业机会并提高农村居民的收入。另外,税收收入可以用于支持技术普及和教育,帮助农村居民获得必要的技能,以便他们能够更好地利用数字经济发展的机会。

3.4 异质性分析

将30个省份划分为东、中、西部,进行异质性检验,估计结果见表6。可以看到,基准模型估计得到的“U”型影响关系在东部地区和中部地区非常显著,但在西部地区,数字经济的平方项并不显著,表明西部地区的数字经济会缩小当地的城乡收入差距。这种异质性影响可能与各地区的数字经济发展阶段和基础设施有关。在东部和中部地区,数字经济的发展初期可能通过提供新的就业机会和增加服务可达性来缩小城乡收入差距。然而,随着时间的推移,东部和中部地区的数字经济发展水平较高,数字经济基础设施可能会更多地集中在城市地区,从而扩大城乡之间的收入差距。相比之下,西部地区的数字经济发展可能还处于较早阶段,基础设施建设和人力资本投入的增加可能更直接地促进了农村地区的数字经济增长,从而有助于缩小城乡收入差距。此外,政策支持和资源配置也可能在不同地区产生不同的影响。如果西部地区获得了更多的政策支持和资源投入,有助于加速西部基础设施建设和技术普及,从而促进农村地区的数字经济发展,缩小与城市地区的差距。

4 结论与建议

收起

4.1 结论

基于2011—2021年中国省级面板数据,构建数字经济指标,并检验其对城乡居民收入差距的影响。研究结果显示:①数字经济对城乡居民收入差距具有显著的“U”型影响。经过一系列稳健性检验结论依然成立;②税收收入对数字经济影响下的城乡收入差距起到了正向调节作用,增加税收不仅能够降低城乡收入差距,还能够有效延长降低收入差距的时间区间;③数字经济对城乡居民收入差距的“U”型影响存在地区差异,在东中部地区数字经济发展和城乡收入差距存在“U”型关系,而在西部地区数字经济与城乡收入差距可能具有负相关关系。

4.2 建议

首先,为了在数字经济发展初期减少城乡收入差距,并在后期防止差距扩大,政府可以采取以下措施:在农村地区推广数字技能教育,提供在线教育资源和培训课程,以提高农民的数字素养;鼓励和支持农村电子商务平台的建设,帮助农民通过数字渠道销售产品,增加收入;投资改善农村地区的互联网接入和移动网络覆盖,确保农民能够无障碍地使用数字服务。其次,考虑到政府税收政策能够在数字经济发展过程中降低城乡收入差距,并延缓收入差距扩大时点,政府部门应制定合理的税收政策,以税收收入将社会资源进行二次合理配置,积极向小微企业和农业企业倾斜,为农村地区投资的企业提供税收减免或补贴,特别是那些能够提供就业机会和技能培训的企业;通过税收和财政转移支付,加大对农村教育、医疗和公共服务的投资,提高农村居民的生活质量和收入水平。最后,考虑到不同地区之间的差异,政府应制定差异化的政策。对于东部和中部地区,加强对高新技术企业的支持,促进产业升级和创新,同时关注农村地区的数字化转型。对于西部地区,重点发展适合当地条件的数字经济模式,如数字化农业,提高农产品附加值,促进农民收入增长。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

王军, 肖华堂. 数字经济发展缩小了城乡居民收入差距吗?[J]. 经济体制改革, 2021(6): 56-61.

[2]

王子凤, 张桂文. 数字经济对城乡居民收入差距影响的实证检验[J]. 统计与决策, 2023, 39(22): 112-116.

[3]

徐伟祁, 李大胜, 闫玉科. 数字经济发展、人力资本水平与城乡收入差距[J]. 技术经济与管理研究, 2023(8): 33-38.

[4]

米嘉伟, 屈小娥. 数字经济发展如何影响城乡收入差距[J]. 现代经济探讨, 2022(6): 80-91.

[5]

陈文, 吴赢. 数字经济发展、数字鸿沟与城乡居民收入差距[J]. 南方经济, 2021(11): 1-17.

[6]

谢婷婷, 李晓琴. 数字经济发展对城乡收入差距的影响: 基于金融可得性视角[J]. 技术经济与管理研究, 2023(11): 28-33.

[7]

邢怀振, 苏群. 数字经济发展水平对城乡收入差距的影响研究[J]. 统计与决策, 2023, 39(18): 78-82.

[8]

钟文, 郑明贵, 钟昌标. 数字经济发展对城乡收入差距影响的实证检验[J]. 统计与决策, 2023, 39(18): 83-87.

[9]

彭继增, 钟浩. 数字经济、市场化与城乡居民收入差距[J]. 金融与经济, 2022(12): 67-76.

[10]

薛钢, 付梦媛. 税负结构对城乡收入差距的影响研究: 基于产业集聚的视角[J]. 税收经济研究, 2022, 27(1): 79-87.

[11]

徐江林. 数字经济发展对城乡收入差距的影响研究[J]. 科技和产业, 2024, 24(6): 52-59.

[12]

HEO

P S

, LEE

D H

. Evolution of the linkage structure of ICT industry and its role in the economic system: the case of Korea[J]. Information Technology for Development, 2018(3): 1-31.

[13]

张凌洁, 马立平. 数字经济、产业结构升级与全要素生产率[J]. 统计与决策, 2022, 38(3): 5-10.

[14]

王俊豪, 周晟佳. 中国数字产业发展的现状、特征及其溢出效应[J]. 数量经济技术经济研究, 2021, 38(3): 103-119.

[15]

冯朝睿, 徐宏宇. 当前数字乡村建设的实践困境与突破路径[J]. 云南师范大学学报(哲学社会科学版), 2021, 53(5): 93-102.

[16]

黄丽君, 李宗阳, 方旭敏. 税收生态环境对数字经济效率的影响[J]. 国家税务总局税务干部学院学报, 2024, 37(5): 49-60.

[17]

张雪玲, 焦月霞. 中国数字经济发展指数及其应用初探[J]. 浙江社会科学, 2017(4): 32-40, 157.

[18]

王军, 朱杰, 罗茜. 中国数字经济发展水平及演变测度[J]. 数量经济技术经济研究, 2021, 38(7): 26-42.

[19]

樊纲, 王小鲁, 马光荣. 中国市场化进程对经济增长的贡献[J]. 经济研究, 2011, 46(9): 4-16.

[20]

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.

2025年第25卷第9期

PDF下载

385

199

引用本文

BibTeX

文章信息

接收时间：2024-11-18
首发时间：2025-07-18
出版时间：2025-05-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-11-18

基金

作者信息

贵州财经大学应用经济学院, 贵阳 550025

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1152977386674049280

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

一级指标	二级指标	三级指标	单位	指标属性
数字经济基础设施	传统基础设施	光缆线路长度	km	正向
新型数字基础设施	电话普及率(包括移动电话)	部/百人	正向
移动电话交换机容量	万户	正向
移动电话年末用户	万户	正向
互联网宽带接入端口数	万个	正向
互联网宽带接入用户	万户	正向
互联网域名数	万个	正向
每百家企业拥有网站数	个	正向
每百人使用计算机数	台	正向
数字经济发展环境	数字化人才	普通高等学校数	所	正向
普通高等学校本专科授予学位数	万人	正向
数字化环境	邮政业就业人数	人	正向
信息传输、软件和信息技术服务业就业人数	万人	正向
产业数字化	农业	农村宽带接入用户	万户	正向
农林牧渔增加值	亿元	正向
工业	工业增加值	亿元	正向
有电子商务交易活动的企业数比重	%	正向
工业企业电子商务交易额	亿元	正向
新产品销售收入	万元	正向
第三产业	第三产业增加值	亿元	正向
快递量	万件	正向
快递业务收入	万元	正向
数字产业化	电信业	电信业务量	亿元	正向
邮政业	邮政业务总量	亿元	正向
邮政业务网点	处	正向
软件和信息技术服务业	软件业务收入	亿元	正向
信息技术服务收入	万元	正向
电子信息制造业	通信设备、计算机及其他电子设备制造业主营业务收入	亿元	正向
数字化创新	研发投入与项目数	规模以上工业企业R&D经费支出	万元	正向
规模以上工业企业R&D项目(课题)数	项	正向
研发效率	国内专利申请授权量(项)与规模以上工业企业R&D人员全时当量(人每年)的比值	—	正向
专利与知识产权	有效发明专利数	件	正向

一级指标

二级指标

三级指标

单位

指标属性

数字经济基础设施

传统基础设施

光缆线路长度

正向

新型数字基础设施

电话普及率(包括移动电话)

部/百人

正向

移动电话交换机容量

万户

正向

移动电话年末用户

万户

正向

互联网宽带接入端口数

万个

正向

互联网宽带接入用户

万户

正向

互联网域名数

万个

正向

每百家企业拥有网站数

个

正向

每百人使用计算机数

台

正向

数字经济发展环境

数字化人才

普通高等学校数

所

正向

普通高等学校本专科授予学位数

万人

正向

数字化环境

邮政业就业人数

人

正向

信息传输、软件和信息技术服务业就业人数

万人

正向

产业数字化

农业

农村宽带接入用户

万户

正向

农林牧渔增加值

亿元

正向

工业

工业增加值

亿元

正向

有电子商务交易活动的企业数比重

正向

工业企业电子商务交易额

亿元

正向

新产品销售收入

万元

正向

第三产业

第三产业增加值

亿元

正向

快递量

万件

正向

快递业务收入

万元

正向

数字产业化

电信业

电信业务量

亿元

正向

邮政业

邮政业务总量

亿元

正向

邮政业务网点

处

正向

软件和信息技术服务业

软件业务收入

亿元

正向

信息技术服务收入

万元

正向

电子信息制造业

通信设备、计算机及其他电子设备制造业主营业务收入

亿元

正向

数字化创新

研发投入与项目数

规模以上工业企业R&D经费支出

万元

正向

规模以上工业企业R&D项目(课题)数

项

正向

研发效率

国内专利申请授权量(项)与规模以上工业企业R&D人员全时当量(人每年)的比值

—

正向

专利与知识产权

有效发明专利数

件

正向

变量	均值	标准差	最小值	中位数	最大值
Theil	0.087	0.039	0.018	0.082	0.202
dig	0.405	0.261	0.000	0.360	0.906
tb	7.317	0.875	4.786	7.324	9.286
egro	107.800	2.832	94.600	107.900	116.400
ti	2.137	1.488	0.389	1.434	6.757
mar	6.933	2.086	2.330	6.815	12.630
gov	0.261	0.113	0.105	0.233	0.758
is	0.495	0.090	0.327	0.488	0.837
cul	0.738	0.534	0.230	0.585	3.320
road	16.220	4.923	4.040	15.850	26.780
labor	22.760	6.190	9.900	22.800	36.400

变量

均值

标准差

最小值

中位数

最大值

Theil

0.087

0.039

0.018

0.082

0.202

dig

0.405

0.261

0.000

0.360

0.906

7.317

0.875

4.786

7.324

9.286

egro

107.800

2.832

94.600

107.900

116.400

2.137

1.488

0.389

1.434

6.757

mar

6.933

2.086

2.330

6.815

12.630

gov

0.261

0.113

0.105

0.233

0.758

0.495

0.090

0.327

0.488

0.837

cul

0.738

0.534

0.230

0.585

3.320

road

16.220

4.923

4.040

15.850

26.780

labor

22.760

6.190

9.900

22.800

36.400

变量	(1)	(2)	(3)	(4)
dig	-0.068^***	-0.055^***	-0.066^***	-0.079^***
(-13.199)	(-7.176)	(-9.448)	(-4.593)
dig²	0.022^***	0.016^**	0.018^***	0.044^***
(3.930)	(2.212)	(2.807)	(2.752)
常数项	0.109^***	0.002	0.001	-0.033
(18.742)	(0.065)	(0.018)	(-1.173)
样本数	330	300	300	300
R²	0.834	0.902	0.910	0.924
F	217.580	786.740	261.960	160.943
Controls	No	Yes	Yes	Yes
Province	No	No	Yes	Yes
Year	No	No	No	Yes

变量

(1)

(2)

(3)

(4)

dig

-0.068^***

-0.055^***

-0.066^***

-0.079^***

(-13.199)

(-7.176)

(-9.448)

(-4.593)

dig²

0.022^***

0.016^**

0.018^***

0.044^***

(3.930)

(2.212)

(2.807)

(2.752)

常数项

0.109^***

0.002

0.001

-0.033

(18.742)

(0.065)

(0.018)

(-1.173)

样本数

330

300

R²

0.834

0.902

0.910

0.924

217.580

786.740

261.960

160.943

Controls

Yes

Province

Yes

Year

Yes

变量	(1)	(2)	(3)	(4)
dig	-0.079^***	-0.072^***	-0.654^***
(-4.593)	(-4.111)	(-4.003)
dig²	0.044^***	0.042^**	0.471^***
(2.752)	(2.551)	(3.085)
数字金融				-0.033^***
			(-4.647)
数字金融²				0.006^***
			(7.714)
常数项	-0.033	-0.052	1.854^***	0.038
(-1.173)	(-1.559)	(6.980)	(1.373)
样本数	300	260	300	300
R²	0.924	0.931	0.905	0.933
F	160.943	153.499	125.908	183.760
Controls	Yes	Yes	Yes	Yes
Province	Yes	Yes	Yes	Yes
Year	Yes	Yes	Yes	Yes

变量

(1)

(2)

(3)

(4)

theil

gap1

theil

dig

-0.079^***

-0.072^***

-0.654^***

(-4.593)

(-4.111)

(-4.003)

dig²

0.044^***

0.042^**

0.471^***

(2.752)

(2.551)

(3.085)

数字金融

-0.033^***

(-4.647)

数字金融²

0.006^***

(7.714)

常数项

-0.033

-0.052

1.854^***

0.038

(-1.173)

(-1.559)

(6.980)

(1.373)

样本数

300

260

300

R²

0.924

0.931

0.905

0.933

160.943

153.499

125.908

183.760

Controls

Yes

Province

Yes

Year

Yes

变量	(1)	(2)
dig	-0.047^***	-0.035^***
(-3.146)	(-3.292)
dig²	0.023	0.032^**
(1.053)	(2.158)
dig×tb	0.014^***	0.005^**
(5.609)	(2.182)
dig²×tb	-0.011^***	-0.009^***
(-2.781)	(-3.036)
tb	-0.003	-0.013^**
(-0.459)	(-2.360)
常数项	0.082^***	-0.063
(12.684)	(-1.469)
样本数	330	300
R²	0.890	0.928
F	48.152	118.756
Controls	No	Yes
Province	Yes	Yes
Year	Yes	Yes

变量

(1)

(2)

dig

-0.047^***

-0.035^***

(-3.146)

(-3.292)

dig²

0.023

0.032^**

(1.053)

(2.158)

dig×tb

0.014^***

0.005^**

(5.609)

(2.182)

dig²×tb

-0.011^***

-0.009^***

(-2.781)

(-3.036)

-0.003

-0.013^**

(-0.459)

(-2.360)

常数项

0.082^***

-0.063

(12.684)

(-1.469)

样本数

330

300

R²

0.890

0.928

48.152

118.756

Controls

Yes

Province

Yes

Year

Yes

变量	(1)	(2)	(3)
dig	-0.070^***	-0.042^*	-0.074^**
(0.024)	(0.024)	(0.030)
dig²	0.056^**	0.042^**	0.039
(0.023)	(0.020)	(0.028)
常数项	-0.039	0.141^***	0.138^**
(0.043)	(0.039)	(0.061)
样本数	110	80	110
R²	0.867	0.955	0.957
r2_w	0.903	0.970	0.969
F	39.061	89.777	129.616
Controls	Yes	Yes	Yes
Province	Yes	Yes	Yes
Year	Yes	Yes	Yes

变量

(1)

(2)

(3)

东部

中部

西部

dig

-0.070^***

-0.042^*

-0.074^**

(0.024)

(0.030)

dig²

0.056^**

0.042^**

0.039

(0.023)

(0.020)

(0.028)

常数项

-0.039

0.141^***

0.138^**

(0.043)

(0.039)

(0.061)

样本数

110

R²

0.867

0.955

0.957

r2_w

0.903

0.970

0.969

39.061

89.777

129.616

Controls

Yes

Province

Yes

Year

Yes