電子商務對農村居民的增收效應和收入分配效應
——以鄉村振興為背景

王 輝 ，李 瑞，黃杏子

1.江蘇省社會科學院鹽城分院，江蘇 鹽城 224000；2.中共鹽城市委黨校，江蘇 鹽城 224000；3.河北師范大學馬克思主義學院，河北 石家莊 050000；4.南開大學經濟學院，天津 南開 300071

引言

近年來，隨著農村地區通信基礎設施的日益完善，互聯網使用成本逐步下降，農村地區互聯網普及率和網民規模得以快速增長。根據第52 次《中國互聯網絡發展狀況統計報告》顯示，截至到2023 年6 月，我國農村地區網民規模達3.01 億人，互聯網普及率為60.5%，相較于2021 年6 月提升了1.3 個百分點，城鄉互聯網普及率間的差距得到進一步縮小。除此以外，農村地區交通運輸設施、物流快遞配送系統的日益完善，讓第三方電子商務平臺在農村地區得以興起和發展，中國農村電子商務迎來了最好的發展機遇[1]。中國商務部數據顯示，2014 年全國農村地區的網絡零售額僅為1 800 億元，到2020年則增長至1.79 萬億元，增長了近十倍。農村在網上零售交易總額中的份額也從2014 年的6.5%上升到2018 年的15%。隨著電子商務在農村地區的快速發展，農村電子商務呈現出集群化的特點[2-4]，逐步形成了電子商務專業村。電子商務專業村經營的網店主要是淘寶店，因此又被稱為淘寶村①阿里研究院將淘寶村定義為具有電子零售商集群的行政村。該村每年電子商務交易總額超過1 000 萬元人民幣，至少存在10%的村戶積極從事電子商務或至少擁有100 家村民經營的在線活躍商店。。南京大學空間規劃研究中心、阿里研究院的研究結果顯示，從2009 年全國出現3 家淘寶村開始，到2021 年全國淘寶村的數量已經達到7 023 個，而且淘寶村的年均增量連續四年超過1 000 個。十幾年來，中國的淘寶村經歷了快速增長，日益成為具有國家影響力的經濟地理現象。

電子商務的蓬勃發展給農村帶來了巨大的變化。一是電子商務推動了農村地區創新創業和產業升級[5]，使以個性和品質為特征的傳統工藝價值重新出現[3]，促進農村居民擴大其市場占有份額，發掘更多的潛在客戶，開拓新的市場。二是電子商務直接匹配買賣雙方，有助于降低信息搜尋成本，促進解決信息不對稱問題，將中間商排除出分銷渠道，提高了農村居民的利潤率和收入水平[6]。當然，也有學者認為，電子商務在農村地區貧富階層之間劃下一道更加難以逾越的數字鴻溝，電子商務和信息通訊技術首先惠及的是受教育程度和收入水平較高的富裕階層，而且容易導致不同群體之間的收入差距日益增大[7-9]。

那么，電子商務技術在農村地區的普遍應用，能否給農村居民帶來收入的普遍提升呢？電子商務技術的應用是擴大了農村不同群體之間的收入差距還是縮小了收入差距？為了具體回答這些問題，本研究利用中國農村電子商務發展調查（2018）數據，采用傾向得分匹配法實證研究電子商務技術采納對農村居民收入的影響效應，既可以深化對電子商務應用的效應分析，又有助于加深對電子商務技術在農村居民增收效應和收入分配效應方面的理解和認識。同時，該研究還可以拓展農村電子商務領域的微觀視角定量研究，把該領域在實證方面的研究向前推進一步，從而為農村地區電子商務的發展提供新的研究參考。

1 文獻綜述

1.1 電子商務對農村居民收入的影響

學界普通認為，電子商務作為一種新興數字技術，它在農村地區的應用普遍地提升了農村居民的收入水平。曾億武等基于江蘇省沭陽縣1 009 個花木電子商務農戶的調查數據，研究電子商務對農村居民收入的影響效應，發現采用電子商務技術能夠顯著促進農村居民收入的增長[10]。李琪等基于浙江省11 個地市的面板數據分析電子商務促進農村居民增收的直接影響機制和空間外部性作用，發現電子商務發展及其空間溢出效應對農村居民收入增長具有顯著的正向影響，且政府支持力度越大其作用越強，而且發現欠發達地區利用電子商務帶來的“后發優勢”可以有效提高農村居民收入水平[6]。

電子商務對農村居民增收效應主要體現在兩個方面。一方面，電子商務增收效應體現在農村居民和農產品方面。首先，電子商務有利于提升農村居民的利潤率。電子商務平臺可以直接匹配市場上的買賣雙方，減少了中間商在信息和區位上的優勢，彌補了農村居民在市場信息和銷售渠道上的不足，改善了農村居民在市場上的劣勢地位，使快速、直接、高效與農產品源頭對接成為可能，從而使農村居民獲得了更高的利潤[10]。其次，電子商務可以通過提升農產品銷量提升農村居民收入。在電子商務平臺上，農村居民可以發掘新的消費群體，開拓新的市場[11-13]。電子商務平臺還可以將農產品和消費者需求進行有效匹配，有助于降低信息搜尋成本，有效地解決信息不對稱問題[14]，進而擴大農產品的市場需求量，開拓新的銷售渠道。此外，電子商務通過減少流通環節、降低流通成本，降低了農產品銷售價格，提升了農產品的市場需求，拉近了農村居民和消費者之間的距離，增強了消費者黏性，有利于農產品的推廣。最后，電子商務有助于提升網商搜集和利用信息的能力，更好地引導生產[12]。電商企業通過在農村流轉土地，引導農村居民進行標準化、規?；亩ㄖ粕a，指導農村居民進行種植、管理，緩解了農產品供需錯配，推動了鄉村原有產業的轉型升級。

另一方面，電子商務增收效應體現在農村居民就業和創業方面。當前，隨著農村交通運輸基礎設施和物流快遞配送體系的日益完善、互聯網在農村地區的不斷普及，以及電子商務技術在農村地區的應用和發展[1]，農村居民已經克服了地理上的障礙，成為了市場中有效的參與者，電子商務為農村居民提供了自主創業、脫貧致富的機會[15]。尤其是電商與農村加工業相結合，可以拓展鄉村既有產業的網絡銷售，實現由一個農村特色產品向一個區域特色產業的轉變，從而帶動更多的農村居民加入進來。例如，山東曹縣以表演服飾加工業為基礎，積極培訓當地居民，引導支持貧困群體開辦網店，通過電商幫助群眾脫貧，人數近2 萬人，占當地全部脫貧人口的23%。此外，還有學者研究了電子商務帶來的區域創業效應，發現在中國部分地區開網店已成為農村居民致富的渠道之一[16]。

1.2 電子商務對農村居民收入差距的影響

電子商務的應用究竟是提升了農村居民收入讓更多人分享到了數字紅利，還是擴大了農村地區貧富階層之間的差距劃下了一道數字鴻溝。對于這一問題，目前學者們沒有達成共識。一種觀點認為電子商務擴大了收入差距。張磊和韓雷基于2002-2013 年省級動態面板數據，利用系統廣義矩估計方法實證分析中國電商發展對城鄉居民收入分配的影響，結果表明：電子商務顯著地擴大了中國城鄉居民之間的收入差距；電商經濟發展對中西部地區的城鄉收入差距擴大效應的影響顯著，而對東部地區的影響不顯著[17]。前述曾億武等的研究發現，電子商務加劇了農村居民內部收入的不平等，農村居民在物質資本、人力資本和社會資本的資本稟賦之間的差異是影響農村電商戶增收差異的重要因素[10]。另一種觀點則認為電子商務縮小了收入差距。Xubei&Chiyu 利用中國農村電子商務發展調查數據，采用傾向得分匹配法研究電子商務對中國農村居民家庭收入的影響，結果發現電子商務縮小了農村居民之間的收入差距。中國農村金融調查數據（2018）顯示，有電商的村莊人均產值約為無電商村莊的25.8 倍，平均提高家庭收入2.05 萬元。這一現象表明，電子商務可能通過促進農村居民創業、提供非農就業崗位等途徑提升農村家庭的收入水平，證明電子商務技術具備縮小農村收入差距的可能[18]。彭瑞梅和邢小強認為，電子商務能夠通過縮減空間隔離、減小信息隔離、突破地域限制、幫助獲得資源以及實現資源信息共享等渠道，使低收入人群進行包容性創業，參與主流經濟發展，從而提升個人和家庭收入，改善收入差距[19]。

綜上所述，現有研究主要存在兩個問題。一方面，關注電子商務對農村家庭收入影響的文獻相對有限，絕大多數文獻采用的是宏觀數據或者地區微觀數據。另一方面，有關電子商務對農村居民收入的影響分析主要集中在從事農業電商的農村居民，而忽視了從事非農電商的農村居民。有鑒于此，筆者擬采用中國農村電子商務發展調查（2018）數據，通過采用傾向得分匹配法分析電子商務對農村居民人均收入和收入差距的影響。

2 數據來源與研究方法

2.1 樣本抽取情況

本研究使用的數據來自于南開大學、北京大學、世界銀行和阿里巴巴集團多家單位于2018 年7至9 月在全國范圍內聯合開展的“中國農村電子商務發展調查”項目。本次調查采用分層隨機抽樣設計，以克服簡單隨機抽樣的缺點，提高樣本的代表性。分層抽樣具體方法如下：首先，將2017 年中國2 118 個淘寶村根據在線銷售商品總值（GMV）分為五個層次，每層次隨機抽取20 個村，從全國抽取了100 個淘寶村代表性樣本（表1）。其次，根據村莊地圖衛星圖像上的單元網格估計家庭數量，隨機選擇特定數量的網格。最后，按照電子商務參與狀況（家庭是否擁有網店），在每個淘寶村隨機選擇10 個電商戶和10 個非電商戶。經過如此處理，最終的調研樣本覆蓋北京、河北、江蘇、山東、浙江、福建、廣東、云南7 個省84 個村1 383 戶，其中包括622 個電商戶、761 個非電商戶。在研究中，筆者采用缺失數據剔除，最終樣本包括539 個電商戶和715 個非電商戶。

表1 地域分層抽樣基本情況

2.2 研究方法選擇

本研究認為，采用最小二乘法（OLS）估計電子商務對農村家庭人均收入的影響會面臨兩個問題。一是樣本自選擇導致的選擇性偏差（selection bias）問題。農村居民參與電子商務的行為是根據家庭條件等因素進行的自主選擇，并不是一個隨機化的行為。例如，經濟水平和受教育程度越高的農村居民參與電子商務的可能性越大。二是不可觀測因素帶來的內生性問題。由于存在一些不可觀測因素，如智力、情商等，若將其作為遺漏變量包含在誤差項中，會導致在估計電商對農村居民的增收效應和收入分配效應的影響時產生內生性問題。由Heckman 等提出的傾向得分匹配方法（PSM）是處理問題較為有效的計量工具[20]。具體而言，傾向得分匹配法包括傾向性評分（propensity score）和匹配（matching）兩步。首先，構建一個農村居民參與電子商務的概率模型，預測每個農村居民參加電子商務的概率，即傾向分數值（pscore），并根據pscore 值檢驗變量平衡條件。其次，運用最近鄰匹配（k=1、30）和核匹配的匹配方法為參與電子商務的農村居民尋找匹配的未參與電子商務的農村居民，使匹配后的兩個樣本組僅在是否從事電子商務這個方面有所不同，而其他方面相同或相似，用匹配后的對照組來最大限度地近似替代處理組的“反事實”。最后，通過比較參與電子商務和未參與電子商務但傾向得分相近的農村居民，得到電子商務對農村家庭人均收入的凈效應①在對ATT 平均影響進行統計推斷時，為了克服潛在的小樣本偏誤對研究結論的影響，本研究采用“自抽樣法（bootstrap）”獲得相關統計量的標準誤，進而進行統計推斷。。這個凈效應稱為平均處理效應（ATT），其表達式是：

PSM 方法是基于可觀測解釋變量，但是可能會存在影響決策變量的不可觀測因素，如果可觀測變量設定不正確，則不可觀測因素將導致傾向得分的有偏估計和錯誤的樣本匹配。由于潛在偏誤難以直接測量，因此本研究采用了Rosenbaum[21]提出的敏感性分析方法檢驗不可觀測因素的影響程度。

2.3 變量選擇

2.3.1 被解釋變量

本研究關注的被解釋變量為農村居民家庭人均收入。將2018 年中國農村電商發展調查問卷中各項收入進行加總，得到農村居民家庭總收入，然后除以家庭總人口數計算得出農村居民家庭人均收入。其中各項收入主要包括家庭工資性收入、財產性收入、經營性收入和轉移性收入。

2.3.2 核心解釋變量

本研究關鍵解釋變量是電子商務水平。將2018年中國農村電商發展調查問卷中“家庭中是否至少一名成員現在或者曾經經營過網店”作為衡量電子商務指標。其中家庭有人經營網店，則賦值為1，表示為電商戶；家庭無人經營網店，則賦值為0，表示為非電商戶。

2.3.3 相關控制變量

主要變量的統計性描述如表2 所示。在1 254個有效樣本中，電商戶有539 戶，占比為43%。結果顯示，農村電商戶比非電商戶收入對數高，說明電商戶的收入高于非電商戶。從圖1 可以發現，電商戶（處理組）比非電商戶（控制組）密度函數圖的峰值向右偏移，并且總體向右偏移，說明電商戶的收入要高于非電商戶的收入。

圖1 電商戶與非電商戶收入密度函數圖

表2 變量說明及統計描述（均值）

3 電子商務對農村居民家庭收入的影響效應

3.1 農村居民從事電子商務的影響因素

表3 是Logit 模型的估計結果。結果顯示，戶主受教育年限、健康程度、家庭風險偏好、家庭財產對數、家庭成員數量等變量顯著影響農村居民是否參與電子商務。具體而言，戶主受教育年限變量的回歸系數在1%水平上顯著為正，表明戶主受教育年限越高，家庭從事電子商務的可能性越高。風險偏好對電子商務的采納有顯著的正向影響，即風險偏好越大的家庭，更容易接受新鮮事物，更容易開網店。家庭成員數量對電子商務的采納有顯著的正向影響。因為家庭成員數量越大，勞動力越多，可以為其從事電子商務提供人力支持。家庭財產對數對電子商務的采納有顯著的正向影響?？赡艿慕忉屖?，家庭財產越高，說明家庭物質資本也越高，有利于為從事電子商務提供一定的經濟和物資基礎，增加了家庭從事電子商務的可能性。

表3 參與電子商務傾向得分的Logit 估計結果

3.2 檢測樣本匹配的質量

為了保證傾向得分匹配的估計質量，本研究進行了平衡性檢驗以驗證匹配后處理組（電商戶）與控制組（非電商戶）是否存在系統差別，結果如表4 所示。從表4 可以看到，匹配前的Pseudo R2 值為0.107，匹配后近鄰匹配（k=1 和3）和核匹配的Pseudo R2 值為0.002～0.014；匹配前的LR統計量為177.03，匹配后近鄰匹配（k=1 和3）和核匹配的LR 統計量為19.81、6.60 和2.22；近鄰匹配（k=1 和3）和核匹配的標準化偏差均值、中位數和B值顯著低于匹配前。上述結果表明，匹配樣本的協變量比較平衡，通過了平衡性檢驗，匹配質量較高，匹配后的電商農村居民與非電商農村居民基本一致。匹配前后農村居民的傾向得分的密度函數圖進一步直觀地顯示了匹配前后的效果（圖2）。

圖2 核匹配前后傾向得分的密度函數圖

表4 匹配質量的平衡性檢驗

3.3 平均處理效應結果

表5 給出了三種匹配方法下電子商務對農村家庭人均收入的處理效應估計結果。K近鄰匹配法（k=1）、K 近鄰匹配法（k=3）和核匹配法得到的處理組平均處理效應（ATT）的結果分別為0.872，0.827和0.809，且回歸系數均在1%統計水平上顯著。結果表明，在消除了參與電子商務農村家庭及未參與電子商務農村家庭可觀測異質性導致的顯性偏差后，參與電子商務顯著增加了農村居民收入，參與電子商務的農村居民家庭人均收入比未參與電子商務的人均收入高83.6%。對此可能的解釋是：第一，電子商務有效地彌補了農村居民在市場信息和銷售渠道上的不足，減少了中間商對其壓榨，提升了農產品的利潤率，增加了農村居民收入；第二，電子商務有利于農村居民開發新的消費群體，開拓新的市場，擴大農產品的市場需求量；第三，電子商務為農村居民提供了更多的自主創業機會，帶動農村地區居民就業，從而促進農村居民收入增長。

表5 電子商務對家庭人均收入的處理效應

3.4 穩健性檢驗

3.4.1 敏感性分析

傾向得分匹配的方法雖然可以解決選擇偏差問題，但是由遺漏變量導致的結果的偏差問題卻難以解決，因此本研究用Rosenbaum 的敏感性分析來驗證這一問題。表6 報告了Rosenbaum的敏感性分析結果，其中，Gamma 值被用來指代被忽視的因素對農村居民是否采納電子商務的影響。當Gamma 值等于或者接近1 時，結論不顯著，那么傾向得分匹配得出的結果是不可靠的；如果Gamma 值越大時，結果還是顯著的，那么傾向得分匹配得出的結果是可靠的。表6 結果顯著，當Gamma 值由1 增加到2 時，得出的結論都在0.01 的水平上顯著。由此推斷，即使存在不可觀測因素，但傾向得分匹配得出的結果是不敏感且穩健的。

表6 Rosenbaum 的敏感性分析

3.4.2 替換被解釋變量

記者了解到，寺里目前共有120個尼姑，年紀最小的有20歲，最大的有80多歲了，腿腳不便的老尼姑可以在家休養。寺里不僅有奔子欄當地的尼姑，還有來自西藏芒康縣、四川甘孜州稻城縣、得榮縣，德欽羊拉鄉、拖頂鄉、霞若鄉，香格里拉市尼西鄉等地的，大家在寺里就像一家人，相互照料。并且，各地尼姑都可以公平享受黨委、政府的相關扶持和惠利政策。

為了進一步驗證模型的穩健性，本研究將家庭人均經營性收入作為模型的被解釋變量重新回歸，表7 給出了三種匹配方法下電子商務對農村居民家庭人均經營性收入的處理效應估計結果。K近鄰匹配法（k=1）、K近鄰匹配法（k=3）和核匹配法得到的處理組平均處理效應（ATT）的結果分別為1.066，1.060 和0.982，且回歸系數均在1%統計水平上顯著。實證結果表明消除了參與電子商務農村家庭及未參與電子商務農村家庭可觀測異質性導致的顯性偏差后，參與電子商務農村家庭人均經營性收入比未參與電子商務的人均經營性收入高103.6%。進一步驗證了基準結果的穩健性。

表7 電子商務對家庭人均收入的處理效應

3.4.3 運用處理效應

由于只是對在淘寶村的農村居民進行分層抽樣調查，樣本不具有隨機性，這樣得出的結論是有偏差的。因此模型存在樣本選擇偏差（sample selection bias）造成的內生性問題。為了解決這種選擇性偏差（selection bias），采用Heckman 兩階段模型來對電子商務對農村居民家庭人均收入的影響進行估計。使用處理效應模型兩步法考察影響從事電子商務的內生因素：第一階段構造Probit 選擇模型，考察被調查者是否從事電子商務的影響因素；第二階段構造普通最小二乘法模型，考察影響被調查者收入的因素。第一階段Probit 選擇模型的具體公式如下：

式2 中，為表示“是否從事電子商務”的虛擬變量，1 代表“從事電子商務”，0 代表“沒有從事電子商務”。Family表示家庭特征解釋變量，Province代表地區特征變量，包括家庭所在淘寶村規模、村離火車站距離、村離集市距離。G是一個取值嚴格介于0～1 之間的函數：

為了克服不可觀測的能力特征，本研究采用處理效應模型分析電子商務對農村家庭人均收入的影響，具體數據如表8 所示。結果表明，農村家庭參與電子商務將顯著地提升其家庭的人均收入，參與電子商務的家庭比未參與電子商務家庭的人均收入高86.2%，且估計系數在1%的顯著性水平上顯著。與PSM 結果對比，二者結果相似，進一步驗證了PSM結果具有穩健性。

表8 處理效應結果

3.5 異質性分析

由于樣本容量所限，為保證匹配效果，本研究將受教育程度分為兩個組別，即受教育程度是小學及以下的為一組，受教育程度是初中及以上的為一組。對于家庭財產這個連續型變量，本研究首先計算其均值，然后分為“大于家庭財產均值”和“小于家庭財產均值”兩個組別，最后對兩組分別進行PSM 分析，結果如表9 所示。在受教育程度方面，使用K近鄰匹配法和核匹配法，小學及以下學歷的農村居民采納電子商務對其家庭人均收入的平均處理效應（ATT）結果為0.934 和0.903，且在1%統計水平上顯著；而初中及以上學歷的農村居民采納電子商務對其家庭人均收入的處理效應（ATT）結果為0.852 和0.859。在家庭財產方面，家庭財產小于均值的農村居民采納電子商務后增收顯著，K近鄰匹配法和核匹配法的平均處理效應（ATT）結果為1.027 和0.979；家庭財產大于均值的農村居民采納電子商務對其家庭人均收入的處理效應（ATT）結果分別為0.814 和0.788。

表9 農村居民電子商務采納增收效應差異的影響因素

PSM 分組比較的結果證明，在采用電子商務技術的農村居民中，物質資本、人力資本的資本稟賦因素對其增收存在一定的差異。伴隨著電子商務在農村地區的發展，農村居民開始分享數字紅利，但與此同時，農村居民群體內部的紅利差異也不可避免地存在著以電子商務為代表的信息技術應用，對物質資本和人力資本較為匱乏的農村居民增收更有利，對改善農村居民收入差距有一定的促進作用。為了驗證電子商務對農村居民收入差距的影響，下文進一步采用分位數回歸對此進行分析。

4 電子商務對農村居民收入分配的影響

4.1 分位數回歸

以上所發現的電子商務對農村家庭的增收效應并不意味著農村收入分配的改善，筆者想進一步分析使用電子商務能否縮小居民收入差距。為此，本研究采用了分位數回歸方法。根據Koenker&Hallock 所提及此計量方法在經濟學研究中應用，參照高夢濤和姚洋、程名望等，本研究采用分位數回歸模型，目的是區分電子商務采納對農村家庭人均收入分布上的影響差異。分位數的回歸模型設定如下：

其中，Y為農村居民家庭人均收入的對數，D為參與電子商務的虛擬變量，Fy(τ|Di)是給定Di時Yi在y處的分布函數，比如τ=0.10 當時，Qτ[Yi|Di]表述的是給定Di下Yi的第一個十分位數，在本模型τ=0.2,0.4,0.6,0.8 中分別表示20，40，60，80 分位。在本模型中，通過將家庭人均收入的條件分位數看成電子商務采納程度的函數，我們可以了解收入的分布是否隨著電商采納程度而上下變動。

表10 列出了在第20，40，60，80 分位點的回歸結果。表中的數據顯示，在20 分位點上，電子商務的應用對家庭人均收入的影響為89.8%，此后隨著分為點的增加，其影響逐漸下降，在80 分位點上，其影響則下降為71.1%。結果表明，電子商務對農村低收入家庭的增收效應大于對高收入家庭的增收效應，這從側面證明電子商務有利于改善農村居民之間的收入差距。圖3 繪制了核心解釋變量隨著分位數變化的估計系數的變化趨勢。

圖3 家庭人均收入的分位數系數變化

表10 分位數回歸結果

4.2 無條件分位數回歸

為了進一步分析電子商務對農村居民人均收入的增收效應在各個分位數上的貢獻，本研究采用Firpo 等提出的無條件分位數回歸與Oaxaca-Blinder 均值分解相結合的方法，即RIF 回歸及以此為基礎的分解法?；赗IF 回歸的分解法主要分為兩個步驟：首先是RIF 回歸，這是由Firpo 等提出的一種利用分布統計量的再集中影響函數（R e-centered Influence Function）進行回歸的方法，分位數的RIF 方程可以用公式表示為:

其中，Qτ為F(Y)分布的分位數函數，fY(.)為邊際密度函數。

由于RIF=可以線性地表示為自變量的函數，于是將第一步得到的RIF 變量對解釋變量X進行OLS 回歸，用公式表示為:

第二步：構建反事實分布函數。在采用無條件分位回歸模型得到收入方程后，可將電商戶和非電商戶的收入差異分解為兩個部分:

其中，Qτ(Yu)-(Qτ(Yc)表示為電商戶與非電商戶特征不同導致的差異，表述為特征效應，屬于可被特征差異解釋的“合理部分”；[Qτ(Yc)-Qτ(Yr)]為兩組群體之間收益率不同導致的差異即系數效應，屬于不可解釋的部分。

與其他方法相比，基于RIF 無條件分位數回歸的分解法可以體現各分位數上收入差距的分布狀況，還可以把電商戶和非電商戶收入的差距分解為由特征差異造成的可解釋部分及由特征回報差異造成的不可解釋部分，并估計出各解釋變量對特征效應和系數效應的貢獻。

為了進一步分析電子商務對農村家庭人均收入的影響，本研究采用RIF 分解方法，在20，40，60 以及80 分位數收入水平，分析電子商務對農村家庭人均收入的促進效應，結果如表11 所示。在收入水平的20，40，60 以及80 分位數上，電子商務對農村家庭收入的提高貢獻分別為114.7%、68.7%、64.6%和83.2%。結果顯示，電子商務對低收入家庭人均收入提高的促進效應明顯高于對中高收入群體的促進效應。因此電子商務有利于改善農村的收入分配，促進收入公平。

表11 RIF 分位數分解

5 結論及啟示

本研究基于2018 年中國農村電商發展調查數據，分析電子商務對農村家庭人均收入的影響。一方面，分析電子商務對農村居民的增收效應?？紤]到傳統線性回歸可能存在選擇性偏差和內生性問題，本研究采用了傾向得分匹配法，結果顯示：參與電子商務農村家庭人均收入比其未參與電子商務人均收入高83.6%。本研究采用了敏感性分析和處理效應模型進行穩健性分析，實證結果表明基準結果具有穩健性。另一方面，分析電子商務對農村居民的收入分配效應?；诜治粩祷貧w分析電子商務對農村家庭人均收入的影響，結果發現：電子商務對低收入家庭收入的增收效應遠遠大于中高收入家庭?；跓o條件分位數的分解法，電子商務對低收入家庭人均收入提高的促進效應明顯高于對高收入群體的促進效應。綜上所述，電子商務對農村居民的增收效應有極大的促進作用，極大地提高低收入的農村家庭的收入，促進社會公平。

研究結論證明了電子商務對農村家庭的促進作用。根據第52 次《中國互聯網絡發展狀況統計報告》顯示，截至2023 年6 月，我國農村網民規模為3.01 億，相較于2012 年的1.56 億人，增漲了近一倍；農村地區互聯網普及率由2012 的23.7%增長到2023 年60.5%。雖然農村網民規模和農村地區互聯網普及率在持續的快速增長，但我國的農村網民規模和互聯網普及率還有很大的提升空間，電子商務“紅利”還會繼續，因此大力發展電子商務對農村居民收入有很大的提升促進作用。

根據南京大學空間規劃研究中心、阿里研究院研究結果顯示，2014--2021 年，有淘寶村的省份從10 個增加到31 個，但新增省份的淘寶村總數僅為427 個，僅占新增數量的6.27%；并且淘寶村在東部沿海地區高度密集分布，2021 年東部沿海地區的淘寶村數量達到6 538 個，占到全國淘寶村總數的93.1%，淘寶村數量增長迅速，但中西部和東北地區淘寶村分布還是相對匱乏。因此，需要加快中西部地區淘寶村建設和發展，將電子商務“紅利”帶到更多地方。

最后，面對電子商務帶來的“紅利”，政府部門應該加強基礎設施建設，結合當地的特色產業，創造良好的電商創業環境。政府部門應該提供免費的與電商業務相關的技能培訓，并且為農村居民電商創業提供一定的政策支持，提高農村電子商務紅利。當地村民應該主動參加電商方面的培訓，不斷提高自己的數字化技能。