非农就业、信息工具技能禀赋与农户收入差距

赵 昕，蒋文莉

(中南财经政法大学 公共管理学院，湖北 武汉 430073)

一、引言

二、文献回顾

收入差距问题一直是学术界的研究热点。农户内部收入差距作为我国总体收入分配格局的重要组成部分，是乡村振兴战略的重要着眼点。近年来，我国农村居民基尼系数不降反升，而城镇居民基尼系数不断下降，这导致城乡收入差距的进一步扩大。此外，农户内部收入分配格局的不断恶化将会引致农村贫困程度的加深并出现贫困黏性，从而成为农户进一步提高收入的桎梏。

随着农村经济成分的不断变化及发展，农村剩余劳动力的渐进式非农转移已成常态。它被动促成农业集约化发展并带来生产资源的合理分配及效率提升，同时主动带来非农收入的补充。这将有利于农户收入状况的改善并缓解农村贫困，从而进一步影响收入分配格局。此外，如今信息技术发展迅速，广大农民群体已不单单局限于从书籍等传统方式获取知识等信息内容，以通信、计算机以及互联网技术为特征的现代信息技术已渗透进农户家庭并改变其生产生活方式乃至效率。可以预见，这种改变将带来因不同农户技能禀赋异质而导致的收入差距，以及随之而产生的农村内部收入分配状况的改变。因此，对以上问题的研究均具有重要的现实意义。

目前国内外的学者从缓解农村内部收入差距的角度出发，已经进行了较多的研究，并取得了较为丰硕的成果。总体而言，其影响因素可以划分为微观与宏观因素两个方面。微观层面的研究主要聚焦于研究对象所掌握的各种资本，如人力资本、物质资本中的农村金融支持[1]和土地流转[2]等、政治资本[3]及社会资本[4]等对于农户收入差距变动的影响。宏观层面则主要从产业差异、区域分割、制度及政策差异等(如行政干预[5]和农村财政[6])入手讨论了对农户收入差距变动的影响。除此之外，伴随收入来源多元化导致的收入结构性变化，亦或是就业类型的内部分化，同样对总体收入差距具有不同程度的贡献[7]。

在与本文主题相近的研究中，较多学者已经注意到劳动力的非农化转移对农户收入差距变动的影响。考虑具体迁移类型后，又可普遍分为“离土不离乡”的当地非农就业和“离土又离乡”的跨县域非农就业。较多学者的研究表明，非农就业可以在提高收入的同时缓解农户间的收入差距[8-9]。也有学者提出相反意见，认为非农就业在考虑劳动者异质性后反而扩大了农户间的收入差距[10]。以上研究中，学者未就非农就业对农户收入差距变动的影响方向达成一致观点，且对机制的研究较为缺乏。本文将采用较具有针对性的微观数据，以农户家庭为研究基础单元，对该问题展开进一步探讨。

除此之外，大多数学者已经认识到人力资本投资如正规教育[11]、非农与农业培训[12]、迁移和劳动力流动[13]等对于农户内部收入差距的巨大影响，但是却未能就其影响方向统一结论。已有学者考虑到了劳动者技能异质性对其经济回报的影响，并对技能进行了区分，如将个体技能区分为数学运算、字词识记、语言表达及网络使用四个分项技能[14]。然而，信息工具的使用能力作为劳动者工作及生活必需技能却较少得到学者们的重点关注。该工具的熟练掌握程度深刻反映了劳动者信息输入—加工—输出的全流程信息处理能力，进而影响其个人以及家庭的各种资源存量及分配效率，并最终导致不同特征群体获利能力出现差异，从而改变农村社会的收入分配格局，因此应该予以重点考察。另外，相比于阅读与书写等传统信息工具类使用技能，掌握现代信息工具①技能具有更高效的信息收集能力和更低的信息交换成本，促进了农村电子商务的转变[15]，提高了资产增值渠道、方式及预算约束(通过政府转移性支付、惠农政策感知获取及正规金融机构放贷获取等)，进而改变了农业生产经营及产品分配方式，是农户提高农业及其他收入的重要手段。

信息工具类技能存量在农户群体内部分布较为不均，这可能是目前农村收入分配格局变化的重要致因。再者，传统与现代信息使用技能在获取信息的成本、传递信息效率及配置资源能力等方面存在天然差别，且在农村地区普及程度也有区别。因此有必要进行区分研究。

基于此，本文侧重关注劳动者对信息工具使用的技能水平，将劳动者的信息工具使用技能分为传统和现代信息工具两类。已有研究中，部分学者已经考察了互联网的使用对不同群体或区域的收入差距的影响，其中较为热门的研究为对城乡收入差距[18]、性别工资差距[19]、高低学历人群工资收入差距[20]等的影响。其中刘晓倩等[21]的研究则与本文有相似之处。其利用内生转换模型考察并证实了农村居民的互联网使用状况对农村居民收入差距的扩大效应。然而以上对互联网影响收入分配的研究中，受限于数据可得性，对互联网使用采用0-1 变量，即是否使用互联网作为替代变量，无法反映被调查者该技能的掌握程度的真实差异性。本文通过自评形成综合得分，并作为结果变量更好地刻画劳动者的信息工具使用技能状况，从而更加准确地考察现代信息工具使用技能对农村收入分配的影响。

不仅如此，除去上述讨论的两个核心变量，非农就业和信息工具使用技能两者之间内部亦存在相互关联。非农就业往往伴随着农村劳动力的信息工具使用技能的产生和获得，并应用该技能以提高生产效率[22]。因此，本文将进一步探讨非农就业背景下信息工具使用技能的变化，及其对农户收入差距的影响。

三、农户收入差距的理论框架

非农就业对农户收入差距的影响主要有以下几个方面:一是非农就业收入有助于抵御因农业生产经营收入不稳定带来的风险。二是非农就业带来了家庭知识和技能的共享，使农业新技术等稀缺知识以及新的生产设备不只掌握在优势农户手中，避免其通过高溢价收入渠道拉开与弱势农户之间的收入差距。此外，亦可促进其他家庭成员整体提高劳动素质并进行非农就业“传帮带”，进而阻止农户收入差距进一步扩大。三是非农就业的普遍参与将农户家庭的社会资本从原有的地缘及亲缘型向更为复杂的社会资本类型过渡并积累。有部分学者认为“社会资本是穷人的资本”，即对社会资本的利用效率方面，处于弱势的农户将更强。这也意味着社会资本在弱势农户手中具有更强的收入转换能力，农户收入差距得以缓解。因此，家庭非农就业参与率同步提高时，弱势农户比优势农户增收效应更加明显，进而整体上缩小农户内部收入差距。

信息工具使用技能对农户收入差距同样具有影响。传统信息工具的使用技能来自正规教育渠道，且来源与积累途径较为广泛，反映的是劳动者基本文本内容的识辨能力，与维持基本生活与工作存在较大关联，表现为在不同情境下的高迁移性。该技能的掌握及提高对于整个人群一般性获利活动具有正向影响，尤其对于处于弱势地位的劳动者具有更强的保障作用。如能有效利用该技能则能降低工作搜寻成本和提高匹配成功率(非农工作获取及收入提高)，以避免落入贫困陷阱，从而扩大与优势农户间的经济差距。相应的该技能对于处于优势地位的农户边际增收效应并不明显，进而总体上阻止农户内部收入差距的扩大。

现代信息工具的使用技能则与劳动者对现代信息工具如通信设备和互联网等的掌握程度息息相关，多来自非正规教育等渠道的积累，具有较强的边际能力溢价性。信息使用者的差异(如高低技能异质、城乡户籍异质、贫富家庭财产存量异质等)，可能会出现明显的技能溢出效应的分化，最终传导至整体内部收入分配格局变化。与处于弱势群体利用该技能提升仅能实现的信息交流和娱乐休闲等目的不同，处于优势地位的群体将更易带来资源配置能力的提高(经营能力的提升)，扩大非正规渠道融资的规模，政策感知能力增强，金融约束降低(信贷规模及政府转移性收入增加)甚至是社交网络及资源的改善等。以上使用场景的分化将导致农户在不同收入来源端产生获利差异，并将最终引致总体收入差距扩大。

因此，农户间传统信息技能水平的整体提升，对比优势农户，弱势农户增收效应更加明显，从而整体上缩小了农户内部收入差距；而农户间现代信息技能水平的整体提升，对比弱势农户，优势农户溢价能力更加明显，这将整体上扩大农户内部的收入差距。

除以上讨论外，农村居民信息工具技能禀赋可能伴随个人或家庭成员非农就业的参与而显著改变，从而波及至整个农户收入分配格局的改变。信息工具技能的提升在非农就业影响农户收入差距的过程中起到中介作用。

四、模型、数据与指标设置说明

(一)计量模型构建

本文运用到的研究方法是再中心化影响函数回归(Recentered Influence Function Regression，RIF)。RIF 回归作为无条件回归方法的其中一种及拓展，由Firpo、Fortin 和Lemieux[23]等人于2009 年提出并发展，可以较好地估计整个对象中解释变量X 发生微小变化时对被解释变量Y 的分布统计量(如分位数、方差和基尼系数等)的边际分布影响[24]，而在研究收入差距问题中具有较强契合度。与OLS 回归相比，RIF 回归的估计结果更加稳健，可以弱化因解释变量遗漏而导致的内生性问题。参考过往学者研究[9]，使用基尼系数作为描述农户收入差距的替代指标，基于基尼系数构建RIF 回归函数。

基尼系数的定义公式如下:

式(1)中，νGini(FY) 是收入分布函数FY泛函，本文中νGini(FY) 即刻画收入分布FY的基尼系数。

进一步对基尼系数的影响函数进行定义:

式(3)中部分变量定义为:

根据式(1)和式(3)，得到基尼系数的再中心化影响函数:

Firpo 等(2009)给出了式(5)的详细估计方法②，本文在此不再赘述。结合该式，以反映农户家庭内部收入分布的基尼系数为被解释变量，以非农就业、信息工具使用技能为核心解释变量，农户个体或家庭的其他特征等作为控制解释变量，可以构建基于基尼系数的收入差距再中心化影响回归模型:

式(6)中，RIF(income；υGini) 表示基于基尼系数的农户家庭收入影响函数，α、β1、β2、β3、βi分别表示常数项、非农就业(MF)、传统信息工具技能(ITS_traditional)、现代信息工具技能(ITS_contemporary)以及控制变量(Xi)的系数，ε 表示随机误差项。

此外，为了进一步探讨信息工具使用技能对农户收入差距的中介影响效应，可以构建如下中介效应模型:

其中，M 为中介变量，即本文中定义的信息工具技能(ITS)。如果变量MF 通过变量ITS 来影响Gini(income)，则可以认为ITS 为中介变量[25]。其检验过程为:首先检验系数θ1的显著性，如果不显著，表示不相关；若显著，进一步检测系数θ2和θ4的显著性，如果两者都显著，则表明存在中介效应，如果有至少一个不显著，则进行Sober 检验，若通过显著性检验，则中介效应成立，反之，不成立。

(二)数据来源与处理

本文使用数据来自中山大学社会科学调查中心2016 年开展的“中国劳动力动态调查”(CLDS)。该样本覆盖中国除港澳台、西藏、海南之外的29 个省份，主要调查对象为15～64 岁的家庭全部劳动力。根据本文研究需要，进行以下筛选处理:一是筛选农户样本；二是对核心变量缺失值样本进行剔除；三是对数据库的个体、家庭及社区数据进行合并处理。经过上述处理，保留有效个人样本9 695 个，有效家庭样本5 943 户。

(三)指标设置与描述统计

1.农户收入差距。参考主流研究方法，使用农户收入对数的基尼系数作为测度农户收入差距的替代指标，并作为本文的核心因变量。其结果主要来源于CLDS 数据库中的问题“2015 年全年，您家的总收入大概是多少元?”。

2.非农就业。非农就业决策是家庭成员共同的决策，其目的在于谋求家庭利益的最大化。基于此，本文使用非农就业人数占家庭总人数比例作为农户非农工作参与程度的替代变量，根据问卷判断被调查者工作状态及工作所属行业类型。将在调查时点有工作(从事收入的活动，不包含义工、学生兼职、志愿者及家庭劳务等)，且所属行业不在农林牧副渔业的劳动者认定为非农就业。此外，本文定义的农业就业包括务农以及参与农业相关的企事业、集体单位和个体自雇等方式工作。

3.信息工具使用技能。本文按研究需求将该技能分为传统信息工具使用技能和现代信息工具使用技能。对两种技能水平的测度来源于问卷问题“请您评估一下您在以下方面的能力?”，包括“阅读报刊”“写信”(以上两种评估传统信息工具使用能力)“用手机发短信”“使用网上银行”“网上购买火车票”(以上三种评估现代信息工具使用能力)共五个方面。根据回答“完全不会”到“完全没问题”四个等级选项，依次赋值0 到3 分。并结合熵值法对各因素赋予权重，得出被调查者两种能力的综合得分以反映其该技能的掌握水平。由于本文微观基础为家庭，因此取人均值。

4.控制变量。本文参考已有研究，基于农户家庭为微观基本单位，分别从个体层面、家庭层面和村级层面选取其他对农户收入差距有影响的变量。其中，个体层面包括男性占比、年龄(人均)、健康状况(人均)、受教育程度(人均)、党员比例、亲缘型/地缘型社会资本(人均)；家庭层面包括家庭人数规模、政府补贴、土地征用；村级层面包括村庄经济及交通情况。

具体指标含义、赋值方法及统计特征如表1所示。

图1 为利用非参数估计方法得到的收入核密度函数，为便于不同特征农户进行对比，通过家庭非农就业比例是否为0 作为区分非农就业家庭组依据。可以看出，相对无非农就业家庭来说，拥有非农就业的家庭收入分布整体右移，表现出向更高收入阶层分布的态势，且分布相对更加密集。即意味着从无非农组向非农组的转移可能伴随着向内部收入差距更小的群体迁移。该变化可能会最终导致整体收入差距的缩小。

图1 非农就业差异特征下核密度函数

此外，按家庭人均信息工具使用技能低于/高于等于整体平均值从而定义信息工具使用技能低/高家庭组后。如图2 所示，按两种信息使用技能分组后的函数形态基本与图1 按非农就业为特征进行分组后所表现出的特征保持一致。

图2 信息工具技能差异特征下核密度函数

表1 各变量取值说明及描述性统计

五、实证结果与分析

(一)基准回归结果分析

回归方法采用再中心化影响函数方法回归(RIF)。基准回归报告了非农就业及信息技能使用水平对农户收入差距(用基尼系数作为衡量不平等的指标)的实证结果。具体结果见表2。

首先就核心变量——非农就业进行讨论，从表2 结果可以看出，模型(1)中非农就业比例的变量估计系数为负，并在1%水平下显著，表明非农就业比例的提升缓解了农户收入差距的扩大。在模型(3)、(4)和(6)中，依次单独加入信息技能禀赋(人均)、控制变量及两者同时存在，其估计系数方向仍为负而没有改变，这说明非农就业对缓解农户收入差距的作用较为稳健，该结果与多位学者的研究结论相近或一致[8-9]。

表2 农户总收入差距基准回归结果

其次关注核心变量——信息工具使用技能水平，模型(2)中传统信息工具使用技能(人均)的变量估计系数为负，而现代信息工具使用技能(人均)的变量估计系数为正，且两者均通过了1%水平下的显著性检验。这表明以家庭为基本单位下，两种类型的技能提高作用方向不一致，分别缓解/扩大了农户收入差距状况。而在模型(2)、(5)和(6)中，依次单独加入非农就业、控制变量及两者同时存在后，除模型(2)中现代信息工具使用技能(人均)未通过显著性检验外(但影响方向仍为正)，其他模型中估计系数均显著且未改变影响方向，这意味着上述结果较为稳健。另外，需要注意的是，随着其他变量的逐渐加入，现代信息工具技能(人均)的扩大作用逐渐得到增强(系数的增加)，而传统信息工具技能(人均)的缓解作用逐渐减弱(系数的减少)，且前者力度大于后者。以上结果符合本文预测。

控制变量方面，就个体层面来说，平均年龄的增长将导致收入分配格局不均程度的增加，而平均健康状况的改善和人均受教育程度的提升将有利于缓解农户收入差距的扩大；就家庭层面而言，政府补贴的获得将同样有利于缓解农户收入差距的进一步扩大；就村居层面来看，村庄总体经济收入的增加将刺激农户收入分配格局的恶化。

在基准回归的基础上，对农户总收入的不同组成部分及来源进行拆分后，可以更加细致地探究核心变量对不同收入差距类型的影响。本文将农户总收入差距分解为非农收入差距、农业纯收入差距、其他收入差距三类③。结果如表3 所示，非农就业比例的提升和传统信息工具使用技能的提高将会缩小非农收入差距；非农就业比例和现代信息工具使用技能的提升将会扩大农户间农业纯收入差距；其他收入方面，仅有现代信息工具使用技能的提升显著加剧了其他收入差距的扩大。

表3 农户收入结构差距的RIF 结果

出现以上结果可能的解释是:由于非农就业具有较强的同质性，非农化程度较高的群体内部收入差距更小，此时非农就业的参与度整体提高将伴随收入差距较高组向较低组的流动，进而为缓解整体农户间非农收入差距做出贡献。同时，伴随着非农就业及土地转让(主动或被动)的整体增加，农业生产一部分逐渐走向兼业和副业化，并呈现出生产工具现代化和分工专业化的传统农业向现代农业过渡的局面，并提高农业收入；而另一部分可能减少农业生产要素投入，使农业收入下降。此消彼长将改变收入分配格局，使得家庭内部农业纯收入获利能力出现分化并进而拉大差距。

而传统信息工具使用技能的整体提高补充了低技能掌握者从农业向非农的转移所需的基本通识技能，降低了非农受雇就业及开展小规模自雇型经营等的门槛，而对高技能掌握者影响则较弱，这在内部缓和了非农收入差距。区别于前者，现代信息工具使用技能在我国广袤农村区域呈现出较大的群体内部差异性。具体而言该技能水平提高在农业获利(如集约化生产)和其他获利(如财产性收入)方式上针对优势群体表现为更高边际生产率特征，即对处于优势地位的农户农业经营收入和其他收入的增收效应更加强劲。这直接导致在以上两个领域，农户内部收入差距的扩大。

(二)机制分析:信息工具技能禀赋在非农就业影响农户收入差距的中介效应

根据前文提到的方法，采用逐步法检验信息技能禀赋的中介效应。首先考察传统信息工具使用技能的中介效应。如表4 所示，根据模型(1)、(2)及(4)可知，模型(2)中的非农就业的系数项a1未通过显著性检验，这可能是由于依次检验的检验力较低的缘故，因此进一步通过Sober 法检验联合系数假设H0:a1b1=0 的显著性。结果未通过10%水平下的显著性检验④。因此可以认为传统信息工具使用技能未起到中介效应。传统信息工具使用技能受基础义务教育影响较大，而后者在农村层面普及广度及深度已然初见成效，非农就业较难对该技能产生差异影响并进而改变农户收入分配格局。

其次考察现代信息工具使用技能的中介效应。根据模型(1)、(3)及(4)可知，逐步法各需检验系数c、a2、b2及c*均显著，说明发挥部分中介效应，即非农就业的比例的提升通过提高现代信息工具使用技能水平间接扩大了农户收入差距。由于非农就业与农业就业在所需技能和工作环境等方面的较大差异，非农就业的劳动者更易接触现代信息工具如通信设备及互联网等，通过工作本身及同伴学习等方式直接或间接地增加其使用机会，降低学习成本，进而提高对该种技能的掌握水平。同时由于现代信息工具的使用往往具有家庭内部双向性(信息交换渠道尤甚)，从而使该技能知识在家庭层面共享，进而水平得到整体提升，并最终传递到收入差距层面。

表4 信息工具使用技能的中介效应检验

(三)机制分析:非农就业、信息工具技能禀赋对农户收入水平差距的影响

在基准回归中，已证实核心变量变动对整体农户的无条件收入分布的一般影响。为进一步探讨其影响机制，考虑核心变量在整体变化时，对农户收入提高所可能呈现出的分位异质性。沿用前文方法，因变量变更为农户收入对数，并报告其在10、25、50、75 和90 分位上的影响系数。

结果如表5 所示，可以看出非农就业比例的提升对不同分位点上农户收入均具有正向影响，且该影响随着分位数的提高，强度逐渐减弱。这意味着，相对于高收入组来说，非农就业对于低收入组的收入提高效果更强。而传统信息工具使用技能的提升在提高50 分位以下的低收入家庭组的收入效果上具有正向影响，且效果随分位点提高而降低，当高于50 分位以上时，影响不显著。可见非农就业及传统信息工具使用技能对于低收入组群体有更强的收入保障作用，从而缓解了农户间收入差距。现代信息工具使用技能的提升除在10 分位点时呈现负向影响外，在其他分位点上均对农户收入具有正向影响，且该影响强度随分位点的提升呈现出逐渐增强的特征(除在90 分位略有下降)。这意味着该技能的提升对高收入组的收入增加效应明显高于低收入组，同时也意味着该技能具有马太效应，使原本处于优势地位的高收入组的农户更具效率地将能力优势转化为自身收益，而这将带来农户收入差距的进一步扩大。

表5 农户收入水平的无条件分位数回归结果

(四)稳健性检验

上文提到，RIF 回归方法的采用有利于降低因遗漏变量等引起的内生性问题从而导致的结果偏误，使回归结果更加稳健。除此之外，为进一步增强研究结论可靠性，本文采取以下三种方式进行稳健性检验。

1.以方差替代基尼系数作为描述收入差距的分布统计量，并分析各变量对方差变动的RIF回归。

2.对家庭人均信息工具使用技能的衡量和测定是本文的关键问题之一，除本文前文使用被调查者自评得分外，可以使用家庭客观情况反映两种技能的掌握及参与程度。利用问题“您家有多少本书籍?”中回答的书籍数量(对数)⑤作为传统信息工具使用技能的替代变量，其数值越高间接反映了该技能的水平越高。此外，利用问题“在过去的一年中，您家使用互联网的情况是?”来测定该家庭现代信息工具使用技能的高低。将不上网赋值为1，只使用电脑或手机中的一种上网赋值为2，将两种方式均使用赋值为3，从而设定定序变量以间接代表该技能水平的逐渐增长⑥。

3.为避免使用单一年份数据可能产生的数据选择性偏误问题。本文采用中国动态劳动力调查(CLDS)2014 年数据进行重新估计，共筛选出家庭样本5 899 户。由于2016 年数据库问卷与2014 基本一致⑦，因此，在样本筛选、变量设计和估计方法上与前文保持一致。

表6 为实证检验结果，可知在多种方法下，各核心变量对农户收入差距的影响方向及显著性与前文基本一致，这说明本文的研究结论基本稳健。

六、结论与讨论

本文着重讨论了农户家庭非农就业比例及信息工具技能禀赋水平对农户内部收入差距的影响及其机制问题。结果发现:(1)总体上，非农就业及传统信息工具技能有利于缓解收入差距，而现代信息工具技能则表现为对收入差距的扩大作用。(2)对总收入分解后，非农就业比例提升将同时缩小非农及农业收入差距；传统信息工具技能提升仅对非农收入差距有缩小作用；而现代信息工具技能提升将带来农业及其他收入差距的进一步扩大。(3)中介机制视角下，非农就业比例提升仅通过提高现代信息工具技能水平，进而扩大收入差距。(4)收入分位视角下，非农就业及传统信息工具技能均表现为对低收入组家庭的增收保护效应，而对高收入家庭组影响较弱或无影响，该影响结构差异有助于收入差距的减缓；而现代信息工具技能则随收入组的上升表现为增收效应的渐进增强，该影响结构差异将扩大整体内部收入差距。

表6 稳健性检验的估计结果

基于以上结论，本文提出以下建议:

一是继续合理引导农村剩余劳动力的非农化转移及流动，确保其对低收入组和贫困农户的收入保障和提升作用，避免其落入贫困深化陷阱。同时也应注意非农就业对于信息技能水平提升的促进作用，合理引导并鼓励非农就业人员对所在家庭进行知识分享及提升工作。

二是重视传统信息工具的使用对低收入农户的收入提振和反贫困作用，尤其需保证农民群体基本信息接收、处理及输出能力，如文字阅读及写作能力。从而提高劳动力素质，丰富农户就业选择，缓解其因无其他获利能力，被动困于土地而使贫富差距进一步扩大。显然，这有赖于农村基础教育的普及和发展。

三是警惕由于农户使用现代信息工具获利能力差异及信息技能掌握分布不均两种情况引致的收入差距问题。既要引导和传授不同农户群体将现代信息工具使用转化为收入提升的能力，还要尝试从供需两端解决目前存在于广袤农村地区的现代信息工具使用匮乏问题。前者可以通过宣传农村网络金融和农产品电商平台化等方式将现代信息工具的实时性和便利性等诸多优良特征，促使农户主动接纳新能力，并实现收入渠道的拓宽和增收效果。后者则可以从供给侧强化信息技术基础设施建设，改善通话质量及信号，加快宽带高速网络建设，提高宽带普及率及网络带宽，降低宽带费率等。最终目的均是提升农户对现代信息处理技能的重视和意识，避免数字信息这一宝贵的资源为少数农户所专享，填补农户间已有的“数字鸿沟”，改善农村区域的收入分配格局。

注释:

①现代信息工具主要以信息高速路(互联网建设)和基础通信网络(移动通信设备及基站)为载体。

②该方法(UQR)近来被广泛用于劳动经济学等领域如收入不平等问题的研究中。

③其中非农收入包括工资性收入及非农经营收入，农业纯收入为自家生产农产品价值(农业生产市场价值)扣除生产成本，其他收入包括财产性收入如债券、股息、基金、红利及固定资产租赁等，以及转移性收入如政府补贴及他人给予等。

④经检验，sober 系数为-0.000 2，Z 统计量为-1.444 1。

⑤替代变量“家庭书籍数量(对数)”均值为1.16，标准差为1.90。

⑥替代变量“互联网使用情况”均值为2.24，标准差为0.84。

⑦仅有变量“交通情况”在分别两个年份的调查问卷中问题有区别，2016 年为调查员自评“距县距离(公里，对数)”，2014 年本文采用受访者报告“距县距离(公里，对数)”。