互联网使用、市场参与度与农村相对贫困.pdf

2023年6 月第36 卷第3期广西财经学院学报Journal of Guangxi University of Finance and EconomicsJun.2023Vol.36No.3互联网使用、市场参与度与农村相对贫困唐红涛1,谢婷1,陈薇2（1.湖南工商大学经济与贸易学院,湖南2.深圳大学经济学院，广东深圳518 0 6 0）与长沙410 2 0 5;摘要 互联网能有效帮助农村居民家庭与市场衔接，在缓解农村相对贫困层面发挥着关键作用。研究基于2 0 14一2 0 18 年中国家庭追踪调查数据，采用Probit模型分析互联网使用对农村相对贫困的影响，并在此基础上运用中介效应模型，从农业市场参与和非农市场参与两个视角考察其作用机制，并从市场参与的深度和广度两个层面探究互联网使用对农村相对贫困的影响。研究结果表明，互联网使用能有效缓解农村相对贫困。从作用机制来看,农业市场参与度与非农市场参与度均是互联网使用影响农村相对贫困的重要传导机制。从年龄结构来看，老年群体互联网使用对缓解农村相对贫困的作用最强，青年群体次之，中年群体互联网使用对缓解农村相对贫困的作用最弱；分地区来看，互联网使用对缓解东部地区农村相对贫困的作用大于中西部地区。为此,加快农村信息基础设施建设能有效帮助农村居民家庭缓解相对贫困。关键词 互联网;相对贫困；农业市场参与度；非农市场参与度中图分类号 F724.6文献标识码 A文章编号 16 7 3-56 0 9(2 0 2 3)0 3-0 7 7-13一、引言贫困问题是当今世界面临的共同挑战，为解决贫困问题，中共中央、国务院出台一系列“扶贫”“脱贫”和 减贫 政策。1994年，国务院在国家八七扶贫攻坚计划中明确开展扶贫工作；2 0 0 1年，国务院在中国农村扶贫开发纲要（2 0 0 1一2 0 10 年）中指出要深人推进扶贫开发；2 0 2 0 年和2 0 2 2年中央一号文件相继提出要建立解决相对贫困的长效机制，牢牢守住不发生规模性返贫底线，确保农民稳步增收。随着减贫工作持续推进，中国的绝对贫困问题得到了历史性地解决,但相对贫困情况仍不乐观1-2 ,尤其是略高于绝对贫困线的农村居民，相对贫困状态更加严重。在此背景下，收稿日期 2 0 2 2-0 5-30基金项目 国家社会科学基金一般项目（2 1BJY176）。作者简介 唐红涛，男，湖南衡阳人，湖南工商大学经济与贸易学院教授,博士，研究方向：数字经济与农村经济；谢婷，女，湖南衡阳人，湖南工商大学经济与贸易学院硕士研究生，研究方向：数字经济；陈薇，女，湖南娄底人，深圳大学经济学院博士研究生，研究方向：相对贫困。中共中央国务院关于抓好“三农”领域重点工作确保如期实现全面小康的意见提出建立解决相对贫困的长效机制；中共中央国务院关于做好2 0 2 2 年全面推进乡村振兴重点工作的意见提出持续巩固拓展脱贫攻坚成果，守住不发生规模性返贫底线与确保农业稳产增产、农民稳步增收、农村稳定安宁。77第36 卷研究如何推进农村相对贫困治理具有重要的现实意义。已有部分研究表明,互联网的减贫效应显著3。从减贫机制来看,互联网不仅能通过提升贫困人口识别的精准度4、拓宽贫困地区农产品经营渠道等方式直接作用于降低贫困5,而且还能通过社会资本【6 】、人力资本7 】、就业创业8 、民间借贷9】、知识共享10 等渠道间接作用于降低贫困，但此类研究并未明确区分绝对贫困和相对贫困。与绝对贫困不同,相对贫困具有发展性、相对性、动态性等特征，主要表现为收人不均衡、发展机会不平衡等。那么，互联网能否助力农村相对贫困群体，推动农村家庭增收致富和摆脱相对贫困？事实上，互联网已经成为农村地区催生脱贫致富的新动能；同时，互联网对低收入群体的增收边际效应大于高收人人群，能够有效缓解农村相对贫困11。不仅如此,互联网信息技术可运用于精准识别相对贫困群体、提升相对贫困群体的就业创业技能,是缓解农村相对贫困的重要途径12 。互联网不仅对农村相对贫困治理具有重要影响，而且与市场参与度也有着密不可分的关系。互联网的出现大大降低了市场进人壁垒，为农村地区带来了更多市场参与的机会，主要体现在农业市场和非农市场参与度两个方面。从农业市场参与度来看,互联网为农产品销售带来了电商市场渠道，农产品销售过程中农村居民与市场信息的不对称情况得以缓解，农产品流通效率大幅提高。从非农市场参与度来看，互联网不仅为农村居民带来了社会资本与人力资本，还为农村地区创造了更多的非农就业创业机会，农村居民不仅可以从事非农工作获取工资性收入，还能通过创业获取经营性收人。与此同时，已有研究发现，随着减贫政策措施的开展，中国“边际减贫”效益呈现下降趋势13。在这种情况下，市场作为“无形的手”，能在减贫过程中发挥资源配置作用，有利于缓解政策尚未惠及的农村相对贫困群体的贫困状况。市场参与不仅是农村居民家庭收人增加、福利提升的主要途径14,更能增强农村相对贫困群体的内生发展动力15。由此可见，农村居民参与市场有助于获取市场信息、摆脱资源约束,从而提高收入,有效缓解农村相对贫困,是对政府制度性扶贫的有益补充。但同时,农村居民参与市场机制也存在风险，由于市场竞争和信用带来的收入两极分化，会使农村相对贫困群体陷人更加困难的情况。此外，远离中心市场的农村相对贫困群体参与市场的难度较大，进人市场的成本较高，一旦生产过剩，该部分农村相对贫困群体会倾向于退出市场16 。鉴于此，本文基于2 0 14一2 0 18 年中国家庭追踪调查（CFPS)数据，探究互联网使用对农村相对贫困的影响效应，从农业市场参与和非农市场参与两个视角考察其作用机制,并从深度和广度两个层面探究互联网使用的减贫效应。最后，从年龄异质性与区域异质性两个角度分析互联网使用对农村相对贫困的差异性影响,以期为农村相对贫困治理提供理论支撑和政策依据。二、理论分析与研究假说长期以来的二元经济结构导致农村地区信息相对封闭，农村居民难以获得有效信息而处于劣势地位,且这一特征在农村相对贫困群体中表现更为突出，主要表现为农村相对贫困群体难以获取发展机会，城乡居民利益均衡差距进一步扩大。与城市相对贫困相比，发展机会、发展能力与发展动力不足是造成农村相对贫困的深层次原因17 ,而网络课堂、即时通讯等互联网平台的出现为农村居民提供更多的学习机会与方式，能缩短农村居民交流的时空距离，降低农村居民信息交流78广西财经学院学报2023年第3期成本18 ,进而促进农村居民的人力资本与社会资本积累，改善农村居民的社会经济地位，使其获得发展机会、提升发展能力,降低农村相对贫困发生率19。与绝对贫困不同,相对贫困具有相对性、动态性、发展性等特征,因此,缓解相对贫困不仅需要增加相对贫困群体收人,还需要增强脱贫后的内生发展动力，推动相对贫困群体可持续性发展。学者们普遍认为互联网使用主要通过拓宽销售渠道、改善农村居民就业与提高收人水平【2 0-2 作用于贫困群体，李飚【2 3 研究发现，相较于高技能群体,互联网为低技能群体带来的收入补偿效应更大，能有效帮助相对贫困群体获取更多服务，以此缓解相对贫困。基于此,本文提出假说1。假说1：互联网使用对缓解农村相对贫困具有正向显著影响。市场参与被视为农村居民通过市场机制缓解相对贫困的有效途径之一，能促使相对贫困群体有效对接外部市场，获取更多市场信息，缓解相对贫困群体的边缘性。然而,农村相对贫困群体受地域环境与教育水平的限制，市场参与度普遍较低。而互联网的出现能打破农产品销售瓶颈，帮助农村相对贫困群体参与市场，实现贫困治理从“超常规”向“持久性”转型。“农户+合作社+电商”“农户+龙头企业+电商”等模式的兴起，既能有效规避市场参与的风险，弱化交易风险对相对贫困群体的冲击，又能发展农村集体经济，推动农产品标准化、规模化生产，帮助相对贫困群体实现可持续增收2 4。此外,互联网技术加速向农村地区渗透，农村居民参与市场程度加深，有利于农业信息化、可持续性发展，以此实现“造血式”减贫。具体表现为，随着农户市场参与程度加深，市场信息来源渠道增加,进而提高农村居民经营性收入并降低相对贫困发生率。基于此，本文提出假说2。假说2:互联网使用通过农业市场参与度缓解农村相对贫困。对于农村地区而言，资本要素短缺、土地流转程度低下，相对贫困群体容易陷入“发展型贫困”。因此,治理相对贫困应以培育相对贫困群体自我发展能力为重点，推动劳动力向非农产业转移,参与非农市场,形成相对贫困治理内生动力机制。相比农业市场参与，相对贫困群体非农就业所获得的收人更加稳定2 5。已有研究表明互联网使用能够通过非农市场参与有效提高农村居民非农就业、增加非农收入2 6-2 7 ,降低农村居民陷入相对贫困的概率。具体表现在两个方面：其一,互联网使用能减少就业市场信息不对称、精准完成人职匹配，从而降低农村相对贫困群体进城就业的搜寻成本；同时，互联网使用促进了外卖员、快递员等低技能就业岗位的增加，为农村相对贫困群体提供非农就业的机会，增强了农村相对贫困群体的抗风险能力。其二,互联网使用能为农村相对贫困群体提供线上教育资源与技能培训等,不仅能为农村相对贫困群体的非农市场参与奠定基础，还能增强其可持续发展动力与内生动力，确保相对贫困群体“不掉队”。基于此，本文提出假说3。假说3：互联网使用通过非农市场参与度缓解农村相对贫困。综上所述,互联网使用对市场参与度和农村相对贫困的影响,以及市场参与度与农村相对贫困的关系已经受到诸多学者的关注，且研究取得了一定进展。但多数研究尚未从市场参与的深度与广度两个层面考察互联网使用对农村相对贫困的影响机制，且缺乏足够的稳健性检验。同时，农村居民自身特征、家庭因素与区域差异的减贫效应存在差异性影响,有待进一步探讨。故此,本文存在的边际贡献为：在已有研究的基础上，本文引入农业市场参与度与非农市场参与度,并从深度与广度探讨互联网使用影响农村相对贫困的作用机制。79唐红涛,谢婷，陈薇：互联网使用、市场参与度与农村相对贫困6月第36 卷广西财经学院学报2023年三、数据来源、变量描述与模型设定(一)数据来源本文数据来源于北京大学中国社会科学调查中心CFPS数据。该数据跟踪收集个体、家庭、社区三个层面的数据，本文仅选取2 0 14年、2 0 16 年与2 0 18 年“成人数据库”与“家庭数据库”数据，通过家庭编码进行匹配整合,加之本文研究的主体为农村相对贫困群体,因此，在剔除城市样本与异常值之后，最终得到58 7 96 个样本的非平衡面板数据。（二）变量设置与描述性统计被解释变量：农村相对贫困。借鉴已有研究成果【2 8 ，本文选取2 0 13年、2 0 15年、2 0 17 年农村居民人均可支配收人中位数的40%作为农村相对贫困线，对应的人均可支配收入分别为316 3元、47 8 8 元、52 2 6 元，当家庭人均收人低于农村相对贫困线时，则为农村相对贫困人群，赋值为1；反之,赋值为0。解释变量：互联网使用。选取“是否移动上网”“是否电脑上网”为观测指标，若回答中至少有一个“是”则记为使用互联网，反之则记为未使用互联网，“是 赋值为1“否”赋值为0。控制变量：农村居民家庭户主特征、家庭特征与区域特征。农村居民家庭户主特征包括性别、年龄、年龄的平方、健康状况、婚姻状况与教育状况。家庭特征包含老龄化比重、医疗保险、政府补助、养老保险、家庭规模以及重大事件，其中，重大事件指家庭是否发生婚丧嫁娶、孩子出生、子女升学等事件。另外,为控制地域的影响,本文还引入区域特征作为控制变量。中介变量：1.农业市场参与度。对农村居民而言，农业收人主要来源于农副产品销售，本文将农业市场参与度定义为农产品市场参与度。借鉴章元等【2 9 的研究，以“1-自产销产品价值总量家庭总收入总量”来衡量农业市场参与的深度。以“农产品价值总量自产自销价值总量”为标准，界定农村居民参与农业市场的广度，若“农产品价值总量自产自销价值总量”0，则说明农村居民参与农业市场，赋值为1;若“农产品价值总量自产自销价值总量”0,则说明农村居民未参与农业市场，赋值为0。非农市场参与度。一般而言，非农市场参与指农村居民参与第二三产业领域的市场行为，主要表现为劳动力、土地、资本等生产要素向非农产业的转移30 。但在农村地区,大部分土地资源仍未实现有效流转,资本相对有限,所以劳动力成为衡量农村居民非农市场参与程度的核心要素。本文以工资性收入占纯收入的比重衡量非农市场参与的深度，以家庭非农劳动力与总劳动力的比值衡量非农市场参与的广度，其中非农劳动力指的是外出务工且年龄处于16 岁和6 0 岁之间的家庭成员。表1为变量的描述性统计。“是否移动上网”来源于CFPS问卷中“您是否使用移动设备，比如手机、平板，上网”这一问题，“是否电脑上网”则来源于CFPS问卷中的“您是否使用电脑上网”这一问题，两者来源于不同的问题。本文在探究互联网使用是认定移动设备与电脑上网均为使用互联网。为提高估计结果的准确性，本文在检验农业市场参与这一作用机制时剔除了不参与农业生产经营的样本。80第3期变量农村相对贫困互联网使用家庭规模重大事件政府补助养老保险医疗保险老龄化比重性别年龄年龄的平方婚姻状况健康状况教育状况区域特征农业市场参与深度农业市场参与广度非农市场参与深度非农市场参与广度由表1可知,2 0 14年、2 0 16 年、2 0 18 年农村平均相对贫困发生率为19.6 5%，相对较低。就解释变量而言，互联网使用的均值为0.32 6 9,说明农村互联网普及率较低。就中介变量而言，农户的农业市场参与深度为0.90 10，广度为0.57 18，相较于非农市场，农户更偏爱从事农业生产活动。（三）模型设定被解释变量即农村相对贫困为二值变量,故此，本文选取Probit模型探究互联网使用对农村相对贫困的影响效应,具体模型如下：Pr(poverty=1)=p(+internet+yX+8)其中:poverty为农村相对贫困,internet为互联网使用,X表示控制变量，其中包括性别、年龄、年龄的平方、健康状况、婚姻状况、教育状况、老龄化比重、医疗保险、政府补助、养老保险、家庭规模、重大事件以及区域特征，为随机扰动项，、为估计参数。81唐红涛，谢时婷，陈薇：互联网使用、市场参与度与农村相对贫困表1变量描述性统计定义相对贫困=1,非相对贫困=0是=1,否=0家庭人口数量（人）是=1,否=0是=1,否=0是=1,否=0是=1,否=065岁及以上人口家庭总人口男=1,女=0户主年龄（年）户主年龄平方/10 0在婚=1,未婚/同居/离婚/丧偶=0分五个等级，依次表示不健康到非常健康文盲/半文盲=1，小学=2，初中=3，高中/中专/技校/职高=4,大专=5,本科=6,硕士=7,博士=8西部=1,中部=2,东部=31-自产自销产品价值总量/家庭总收人参与=1,不参与=0工资性收人/家庭纯收人非农劳动力/总劳动力6月样本量均值58 7960.196 551 1130.326 958 7964.826 858 7850.191 158 7640.783 826 9910.681 8542550.935358 7960.127 158 7870.508 658 77945.205 658 77923.602.255 1030.780 7586153.020 052.5482.232058 7962.073 855 3970.901 058 7960.571 857 5150.540 658 7960.193 7标准差0.397 40.469 12.035 00.393 20.411 65.39020.246 10.217 60.499 917.795 516.622 60.413 81.291 61.11960.843 80.153 60.494 80.374 30.188 0(1)第36 卷广西财经学院学报2023年四、实证分析(一)基准回归结果为探究互联网使用对农村相对贫困的影响效应,采用Probit模型进行验证,回归结果见表2。由表2 可知,模型(1)仅对互联网使用对农村相对贫困的影响效应进行验证,模型(3)则纳人13个控制变量进行探索,为检验计量结果的稳健性，同时给出模型(1)与模型(3)的边际效应结果,不管是否加人控制变量,互联网使用均在1%的显著水平下阻碍农村相对贫困的发生，换言之,互联网使用能有效缓解农村相对贫困。表2 基准回归检验(1)变量农村相对贫困-0.436 3*互联网使用(0.014 6)家庭规模重大事件政府补助养老保险医疗保险老龄化比重性别年龄年龄的平方婚姻状况健康状况教育状况区域特征ConstantPseudo R2观测值注：1.*、*、*分别表示在1%、5%、10%的统计水平下显著；2.括号内为稳健标准误，下同。82(2)边际效应-0.118 6*(0.003 9)(3)农村相对贫困-0.409 0*(0.039 5)0.010 7*(0.005 1)-0.064 3*(0.025 6)-0.058 8*(0.023 9)-0.001 3(0.001 7)-0.135 0*(0.043 7)0.486 0*(0.044 7)0.114 0*(0.020 1)0.056 4*(0.012 0)-0.043 7*(0.010 0)-0.0517(0.033 1)-0.055 6*(0.007 6)-0.131 0*(0.011 0)0.120 0*(0.011 7)-0.730 0*(0.0075)0.018 551 113(4)边际效应-0.109 4*(0.011)0.002 9*(0.001 4)-0.017 2*(0.006 8)-0.015 7*(0.006 4)-0.000 3(0.000 5)-0.036 1*(0.011 9)0.130 0*(0.011 9)0.030 4*(0.005 3)0.015 1*(0.003 2)-0.011 7*(0.002.7)-0.013 8(0.008 9)-0.013 8*(0.002 0)-0.0350*(0.002 9)0.032 1*(0.003 1)-2.378 0*(0.364 0)0.042.723953第3期进一步分析发现,部分控制变量能显著缓解农村相对贫困,其中包括重大事件、政府补助、医疗保险、健康状况、教育状况与年龄的平方。重大事件的发生能降低农村相对贫困率。政府补助能直接作用于农村相对贫困群体，有利于提升农村居民人力资本，推动农村产业发展，为农村解决相对贫困提供内生动力。医疗保险能发挥其保障作用，缓解重大医疗疾病带来的突发性贫困，降低农村居民陷人相对贫困的概率。教育水平的提高则能提升农村居民知识水平，为农村居民就业与创业提供人力资本积累,进而降低陷人相对贫困的可能性。年龄对农村相对贫困的影响为正，但年龄的平方对农村相对贫困的影响为负，说明年龄与农村相对贫困之间的关系呈倒“U”型同时,也有部分控制变量对农村相对贫困的影响为正向,其中包括家庭规模、老龄化比重、性别、区域特征。家庭规模扩大带来的经济压力会使陷入相对贫困的可能性提高。老龄化比重越高，说明家庭劳动力减少，赡养压力增大,更易陷人相对贫困。相较于中西部地区,东部地区的基础设施更加完善,拥有更多的发展资源,更容易获得市场参与的机会，故此,东部地区的相对贫困程度低于中西部地区。而婚姻状况和养老保险对农村相对贫困的影响不显著。五、内生性与稳健性检验(一)内生性检验变量互联网使用控制变量观测值一阶段F值是否使用手机区（县）互联网普及率注：此处检验中括号中为P值。在探究互联网使用与农村相对贫困关系的过程中可能会存在反向因果或遗漏变量等内生性问题，具体表现为：首先，互联网使用程度越高，说明农村居民的经济条件相较而言更好，陷人相对贫困的概率更低；而农村居民陷人相对贫困之后,互联网使用程度降低。其次,虽然基准回归过程中已经控制户主特征、家庭特征与区域特征等一系列变量，但可能还会存在遗漏变量的问题，导致回归结果不显著。故此，借鉴周广肃和梁琪31 的研究，本文选取区（县)层面互联网普及率和是否根据是否上网”该问题计算出农村居民家庭所在区（县）的互联网普及率。83唐红涛,谢婷，陈薇：互联网使用、市场参与度与农村相对贫困表3内生性检验结果MLE估计结果(1)-1.475 7*(0.000 0)50541两步法一阶段估计结果2.434.300.864 5*(0.000 0)0.268 9*(0.000 0)6月(2)-2.302 0(0.000 0)控制237911 821.500.0179*(0.000 0)0.591 7*(0.000 0)第36 卷使用手机作为工具变量，其中区（县)层面互联网普及率选取“该区(县)互联网使用人数/总人数 加以衡量,并采用最大似然法进行内生性检验，具体回归结果如表3所示。由表5结果可知，第一阶段的F值远大于弱工具变量15%的临界值，说明本文选择的工具变量不存在弱工具变量问题。同时,在内生性检验过程中发现互联网使用仍能缓解农村相对贫困。(二）稳健性检验在上述回归分析中,探讨了互联网使用对农村相对贫困的影响，为验证上述实证结果的稳健性，本文替换核心解释变量进行稳健性检验。随着互联网不断深人农村地区，手机成为互联网的主要端口，成为农村居民使用互联网的主要形式之一。截至2 0 2 1年6 月，中国网民使用手机上网的比例达99.6%。故此，本文选取“是否移动上网”“互联网作为信息渠道的重要程度”与“互联网使用强度”衡量互联网使用,探究上述实证结果的稳健性，详细结果见表4。由表4结果可以发现回归结果具有稳健性。变量是否移动上网互联网使用强度互联网作为信息渠道的重要程度Constant控制变量Pseudo R?观测值注：其中，回归系数均为估计回归系数，边际效应结果未汇报，下同。(三)异质性分析前文分析表明互联网使用对农村相对贫困产生了显著的抑制作用，然而由于不同家庭的本身特征及所处社会环境不同,互联网使用对农村相对贫困可能存在差异性影响。由上文可知,年龄与广西财经学院学报表4稳健性检验（替换核心解释变量）(1)(2)-0.456 0*-0.444 0*(0.017 2)(0.043 6)-0.7100*-2.2330*(0.0095)(0.497 0)不控制控制0.021 80.049 033 76814 4622023年(3)(4)-0.094.7*-0.117 0*(0.012 1)(0.037 3)-0.777 0*-1.7570(0.051 0)(2.438 0)不控制控制0.005 00.043 616 9162.439(5)-0.121 0*(0.004 5)-0.5990*(0.011 1)不控制0.015 150499(6)-0.069 8*(0.009 6)-2.505 0*(0.366 0)控制0.039923 771）数据来源：第48 次中国互联网网络发展状况统计报告。“是否移动上网”来源于CFPS问卷中“您是否使用移动设备，比如手机、平板，上网”这一问题，回答“是”，则赋值为“1，回答“否”则赋值为“0 。“互联网作为信息渠道的重要程度”来源于CFPS问卷中的“互联网对您获取信息重要性”，根据其回复分五个等级，表示非常不重要到非常重要，依次赋值为“1-5”；“互联网使用强度”则来源于CFPS问卷中“每周业余时间有多少小时用于上网”,本文将其换算成了每日上网时长（分钟），并进行了对数化处理。84第3期区域的差异性导致农村相对贫困的发生概率有所不同，因此本文根据年龄与区域进行分组,进一步探讨不同群体互联网使用对农村相对贫困的影响，具体实证结果如表5所示。(1)(5)变量青年-0.496*互联网使用(0.028 6)控制变量控制-0.845*Constant(0.298)Pseudo R20.089 8观测值15070表5的第(1)一(3)列反映不同年龄群体互联网使用对农村相对贫困的影响，由结果可知,老年群体互联网使用缓解农村相对贫困的作用最强,其中可能的原因是：一方面，老年群体互联网使用缓解相对贫困的边际效用最高,因而导致老年群体的互联网使用能有效降低相对贫困；另一方面,互联网使用有利于老年群体打破物质束缚和思想束缚,获得更强的发展能力32 。另外，相对于中年群体,互联网使用对相对贫困的影响在青年群体中更加明显，可能的原因是青年群体学习能力相对较强,更能够利用互联网提升自身的市场参与度,从而摆脱相对贫困。第(4)一(6)列汇报了互联网使用对不同地区农村相对贫困的影响,结果表明,互联网使用均显著降低了各地区农村居民陷入相对贫困的概率，且互联网使用对东部地区农村相对贫困的降低作用大于中西部地区，可能的原因是与中西部地区相比,东部地区互联网发展程度更高，农村居民能够享受到更为完善的网络资源，因而互联网使用所带来的相对贫困降低作用更加明显。（四）机制检验根据以上实证结果,互联网使用确实能够有效缓解农村相对贫困。那么,互联网使用是如何影响农村相对贫困呢？农业市场参与度和非农市场参与度是互联网使用影响农村相对贫困的作用机制吗？基于此，本文构建中介模型研究农业市场参与度与非农市场参与度的作用效应，进而验证上文所提出的假说2 与假说3。本文借鉴温忠麟和叶宝娟3 及BaronK e n n y 34 的研究，采用中介效应检验方法,构建如下检验模型,其中方程(2)与前文回归方程(1)相同：Pr(poverty=1)=p(+internet+X+s)唐红涛，谢婷，陈薇：互联网使用、市场参与度与农村相对贫困表5异质性分析结果(2)(3)中年老年-0.407*-0.505*(0.040 8)(0.171)控制控制-0.312-3.580(1.142)(2.675)0.038 10.034 71899949546月(4)(6)东部中部-0.467 0*-0.274 0*(0.070 5)(0.070 8)控制控制-1.616 0*-2.771 0*(0.601 0)(0.6890)0.037 10.044 384197106西部-0.455 0*(0.065 1)控制-2.199 0*(0.627 0)0.037 78428(2)其中，将18 40 岁的农村居民定义为青年群体，40 6 5岁定义为中年群体，6 5岁及以上定义为老年群体。由于青少年尚未购买养老保险，导致青年群体无样本量，因此删减了养老保险这一变量。参照国家统计局划分标准，本研究中的东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括重庆、四川、贵州、云南、陕西、甘肃、广西、内蒙古、青海、宁夏、新疆。85第36 卷mediation=u+pinternet+oX+sPr(poverty=1)=(n+internet+wmediation+9X+)其中:poverty为农村相对贫困,internet为互联网使用，mediation为中介变量，分别表示农业市场参与度和非农市场参与度,X代表控制变量，、8 和分别代表各自回归方程的随机扰动项,、9均为估计参数。相关检验结果如表6 和表7 所示。变量(1)-0.0799*互联网使用(0.006 8)农业市场参与度控制变量观测值R2Sobel检验中介占比前文部分已基于式(2)进行了回归,且结果表明在不加任何中介变量的情况下,互联网使用对农村相对贫困的影响系数为-0.0 7 99,且在1%的水平下显著，即通过了第一步检验。对于农业市场参与度这一路径,在表6 第(2)和第(3)列第二步依次检验中,本文发现农业市场参与深度显著负向影响农村相对贫困,且互联网使用显著正向影响农业市场参与深度。本文继而采用Sobel法检验间接效应是否显著，结果显示接受原假设，表明互联网使用能通过促进农业市场参与深度影响农村相对贫困,且中介效应占比为43.7 3%。对于农业市场参与广度这一路径，表6 的第(5)列表明互联网使用显著负向影响农村居民非农市场参与广度，且这一效应通过了1%的显著性检验。从第(6)列可以看出农业市场参与广度在1%的水平下显著为负，同时互联网使用变量也显著为负，因此可以推定农业市场广度变量的中介效应显著，即互联网使用能够通过农业市场参与广度影响农村相对贫困,且这一中介效应占总效应的比例为2.35%。由表6 结果可知,无论是农业市场参与深度还是农业市场参与广度,互联网使用均能通过影响农村居民农业市场参与降低农村相对贫困发生率，假设2 得到验证。对于非农市场参与深度这一路径,在表7 第(2)和第(3)列第二步依次检验中,本文发现非农市场参与深度对农村相对贫困的影响不显著,继而检验与山的显著性,发现直接效应与间接效应均显著,并发现存在遮掩效应，且遮掩效应为0.98%。对于非农市场参与广度这一路径，表7的第(5)列表明互联网使用能够显著提升农村居民非农市场参与广度,且这一效应通过了1%的显著性检验。从第(6)列可以看出非农市场参与广度变量显著为负,并在1%的水平下显著,表明非农86广西财经学院学报表6 农业市场参与机制分析结果农业市场参与深度(2)0.0317*(0.002 8)控制控制2395322.5580.0410.061Z=-8.829,P=0.000 043.73%2023年(3)(4)农业市场参与广度(3)(4)-0.038 30*-0.079.9*(0.006 4)(0.006 8)-0.939 0*(0.019 2)控制22.5580.182(5)-0.0347*(0.0109)控制控制23953239530.0410.031Z=3.061,P=0.002 22.35%(6)-0.081 8*(0.006 8)-0.054 4*(0.005 3)控制239530.045第3 期市场参与广度变量的间接效应显著。同时互联网使用变量也显著为负,因此可以推断出非农市场参与广度存在中介效应，且这一中介效应占比为1 4.4 8%。由表7 结果可知,互联网使用仅能通过影响非农参与广度影响农村相对贫困，假设3 得到部分验证。表7 非农市场参与机制分析结果非农市场参与深度变量(1)-0.079.9*互联网使用(0.006 8)非农市场参与度控制变量观测值R2Sobel检验中介占比唐红涛,谢婷，陈薇：互联网使用、市场参与度与农村相对贫困(2)-0.002 4(0.004 5)控制控制2395323.9530.0410.050Z=0.5402,P=0.589 10.98%6月非农市场参与广度(3)(4)-0.0807*-0.079.9*(0.006 8)(0.006 8)-0.333 0*(0.013 1)控制239530.068(5)0.032 6*(0.007 7)控制控制23953239530.0410.031Z=-4.079,P=0.000 014.48%(6)-0.070 1*(0.006 7)-0.364 0*(0.007 2)控制239530.045由上述研究可知,相较于非农市场参与,互联网使用通过农业市场参与的减贫效应强于非农市场参与。其中可能的解释是,互联网使用为农村居民带来了更广阔的市场,农产品销售开始逐渐从本地市场走出去，面向全中国，乃至全球市场，以此弥补农业产业的季节性波动。不仅如此，互联网带来的技术效应能加速农产品生产、经营创新，实现农业可持续发展。六、结论及政策建议本文基于2 0 1 4 一2 0 1 8 年的CFPS数据，实证分析互联网使用对农村居民相对贫困的影响,并运用中介效应模型，从农业市场参与和非农市场参与两个视角考察其作用机制,最后从异质性角度分析互联网使用对不同年龄结构、不同地区相对贫困影响的差异。研究结果表明,互联网使用能有效缓解农村相对贫困。从作用机制来看,农业市场参与度与非农市场参与度均是互联网使用影响农村相对贫困的重要传导机制,进一步分析发现,农业市场参与深度、广度以及非农市场参与广度的中介效应均显著，其中介效应占比分别为4 3.7 3%、2.3 5%与1 4.4 8%；而非农市场参与深度则存在遮掩效应，其占比为0.9 8%。就农业市场参与度而言，互联网已逐渐深人农村并为农产品销售开拓线上渠道，与此同时，政府大力扶持农产品品牌，助力农村电商的发展，为农村地区带来更多销售渠道，有利于缓解农村相对贫困。就非农市场参与度而言，互联网有助于打破农村劳动力信息不对称,为农村居民带来更多的非农就业机会。分年龄来看,农村老年群体互联网使用对相对贫困的边际效应最高,陷人相对贫困概率明显降低，而农村青年群体能够发挥自身相对较强的学习能力，利用互联网提升自身的市场参与度,缓解相对贫困。分地区来看,互联网使用对东部地区农村相对贫困的影响大于中西部地区,可能的原因是与中西部地区相比,东部地区互联网发展程度更高,农村居民能够享受到更为完善的网络资源，因而互联网使用带来的积极作用更加明显 3 5 。87第3 6 卷为进一步提升互联网对农村相对贫困的缓解作用，本文提出以下几点政策建议。首先,加快推进农村信息基础设施建设，使农村居民充分享受“信息红利”,以此缓解农村相对贫困。其次，激发农村老年群体互联网使用活力，推动老年群体使用互联网缓解相对贫困，让老年群体在互联网时代“乘风破浪”。再次，弥合地区数字鸿沟，让中西部地区的农村居民获得更多互联网使用的机会、享受数字红利。最后，发挥互联网在带动农村居民非农就业方面的作用，进一步吸纳农村富余劳动力，并加强劳动力职业技能培训，帮助农村居民更好参与非农市场。同时，注重农产品品牌标准化建设和电商人才引，创新农产品上行模式，打通农产品上行瓶颈，更好发挥电子商务在农产品销售上的优势，如采取“电商+直播”模式打造农产品“网红”，助推农产品走向更大市场，帮助农村居民持续增收，解决相对贫困。1王新哲，于天歌，金菲菲.广西多维相对贫困测度与治理研究 J.广西财经学院学报,2 0 2 2(3):8 0-9 0.2陈宗胜，沈扬扬,周云波.中国农村贫困状况的绝对与相对变动兼论相对贫困线的设定 J.管理世界,2 0 1 3(1：67-75+77+76+187-188.3 SHIMAMOTO D,YAMADA H,GUMMERT M.Mobile phones and market information:Evidence from rural CambodiaJ.Food policy,2015,57:135-141.4赵秀兰“互联网+精准扶贫模式：主要内容与政策建议 J.农村经济,2 0 1 7(8):5 7-6 1.5易法敏.数字技能、生计抗逆力与农村可持续减贫 J.华南农业大学学报（社会科学版）,2 0 2 1,2 0(3)：1-1 3.6月般俊，刘一伟.互联网使用对农户贫困的影响及其机制分析 J.中南财经政法大学学报,2 0 1 8(2)：1 4 6-1 5 6.7张永凯，马富成.互联网使用对农户多维贫困的减贫效应分析 J.河北农业大学学报（社会科学版）,2 0 2 1,2 3(6)：6 9-7 6.8田勇，般俊.互联网进村的减贫效果评估及其机制分析一一基于农村电商创业热潮的背景 J.现代经济探讨，2 0 1 9(2):98-106.9王君健，费梅革.互联网使用、民间借贷与农村居民贫困 J.江淮论坛，2 0 1 9(5)：6 3-6 9.10何宗越.互联网的减贫效应研究基于CFPS2016数据的机制分析 J.调研世界,2 0 1 9(6)：8-1 3.11左孝凡，陆继霞.互联网使用与农民相对贫困：微观证据与影响机制 J.电子政务，2 0 2 0(4)：1 3-2 4.12】温锐松.互联网助力解决相对贫困的路径研究 J.电子政务，2 0 2 0(2)：8 6-9 1.13李飞，曾福生.市场参与与贫困缓解 J.农业技术经济,2 0 1 5(8):8 2-8 8.14 AWOTIDE B A,KARIMOV A A,DIAGNE A.Agricultural technology adoption,commercialization and smallholder ricefarmers welfare in rural NigeriaJ.Agricultural and food economics,201