数字基础设施对城乡收入差距的影响及其门槛效应

祝志勇，刘畅畅

(西南大学 经济管理学院，重庆 400715)

共同富裕是社会主义的本质要求。新中国成立以来，在全党全国各族人民的共同努力下，我国的经济实力和科技实力实现了显著提升，基础设施建设取得明显进步，人民的生活水平明显提高[1]。但是，随着社会主要矛盾的变化，发展不平衡不充分问题成为制约人民日益增长的美好生活需要的主要因素。其中，城乡收入差距问题仍然严峻。根据国际惯例，基尼系数超过0.4，被视为收入差距较大，而在2020年，我国基尼系数为0.468，处于国际警戒线水平(1)数据来源于国家统计局。。城乡收入差距过大依然是制约我国实现共同富裕和人民幸福的关键因素。

随着科学技术的发展，我国逐渐步入数字经济时代。数字基础设施作为“新基建”的重要组成部分，为数字经济发展提供重要支撑。同时，数字基础设施是推动数字乡村建设的先行官，是实现乡村振兴的重要保障，对缓解城乡“数字鸿沟”具有重要作用。作为推动乡村经济发展的重要角色，数字基础设施是否会成为使城乡收入差距缩小的新方向？它如何对城乡收入差距产生作用？基于此，研究数字基础设施与城乡收入差距之间的关系，对于加快我国实现共同富裕的步伐、促进我国经济高质量发展有重要意义。

现有文献对城乡收入差距的影响因素进行了多方面研究。首先是人力资本、物质资本等要素对城乡收入差距的影响。人力资本投入的增加有助于城乡收入差距的缩小[2]，而物质资本的积累则会通过提高对劳动技能的依赖性来扩大城乡收入差距[3]。其次是城镇化和劳动力转移对城乡收入差距的影响。多数研究表明，城镇化水平的提高是可以缩小城乡收入差距的[4-6]。对于劳动力转移是否会缩小城乡收入差距仍然存在争议。廖显浪[7]和李谷成等[8]研究得出劳动力转移对城乡收入差距具有收敛作用；但是Wang等[9]研究得出，劳动力流动对于城镇住户可支配收入的增加作用高于农村，从而扩大城乡收入差距。最后是基础设施对城乡收入差距的影响。多数学者落脚于交通基础设施等传统基础设施的研究，即交通基础设施建设可以使农村住户得到更多好处，从而缩小城乡收入差距[10-12]。少数文献则关注了数字基础设施的分支对城乡收入差距的影响，如FUTCH等[13]研究得出，由于农村基础设施和技术条件落后等数字鸿沟问题，互联网基础设施建设显著扩大了城乡收入差距；孙文杰、严文沁[14]基于SLX和SDM模型的空间计量检验得出，包括互联网、移动电话在内的通信基础设施能够缩小城乡收入差距。

与已有文献相比，本文在以下三个方面做了创新和拓展。第一，本文聚焦于数字基础设施对城乡收入差距的研究，为探讨后者的影响因素开辟了新视角。第二，本文从数字基础设施建设、经济主体对数字基础设施的应用和经济主体对数字基础设施的利用率三个方面构建数字基础设施指标体系，系统地评价了数字基础设施的发展水平。第三，本文为研究数字基础设施和城乡收入差距的非线性关系，分别设定门槛变量为人力资本、交通基础设施和城镇化水平，研究其在数字基础设施缩小城乡收入差距的作用中存在的门槛效应，为现阶段政策制定提供有益思路。

一、机理分析与研究假设

(一)数字基础设施对城乡收入差距的影响机理

改善农村数字基础设施，能够使贫困家庭的收益提高，从而使城乡住户之间的收入差距缩小。张勋、万广华[15]研究发现，总体上讲，农村基础设施的改善对于促进农民增收是有利的，并且还可以间接使中国的城乡收入差距缩小。本文主要从助力农业增收和提高非农收入两个角度来研究数字基础设施如何促进农民增收，使得城乡收入差距缩小。

从助力农业增收的角度分析，农村数字基础设施建设在生产、销售和流通领域所发挥的作用有助于增加农民的农业收益，导致城乡经营性收入差距降低。其一，在生产领域，农村数字基础设施可以帮助农民及时发现农作物的市场行情，降低农业信息搜寻成本，增进农民与专家的线上联系，有助于农民作出理性的种植决策，采取科学种植方法，提高农作物的产量，最终提高农民收入。其二，在销售领域，农村数字基础设施的建立可以带动农村电子商务的发展，增加农产品的销售渠道，使农民可以通过电商直播带货的方式售卖农产品，扩大宣传力度，传播范围更广。其三，在流通领域，农村数字基础设施建设有助于推动农村流通业数字化发展，帮助农产品快速出村、出城，缩短农产品流转时间，拓宽农产品流通渠道[16]。而且，谢莉娟等[17]研究发现，互联网水平较高地区的流通业发展能够促使农村住户增收，进而使城乡收入差距减小。

从提高非农收入的角度分析，为使城乡工资性收入差距缩小，数字基础设施的发展可以通过增加就业渠道和提升人力资本两方面来带动农民非农就业，提高农民工资性收入。一方面，数字基础设施的建立与改善不仅可以使农民能够通过网络直接获取招聘信息，而且还创造了新的就业岗位，增加了新的就业渠道[18]。另一方面，数字基础设施的建立与改善使农村人口接触到高质量的网上教育，提升人力资本，适应现阶段的就业形势。农民可以获得与城镇住户同等的线上教育资源，以较低成本提升专业能力，增加农民收入，从而缩小城乡收入差距[19]。因此，本文提出假设：

假设1：数字基础设施水平的改善能够使城乡收入差距缩小。

假设2：数字基础设施可以通过助力农业增收和提高非农收入两个机制作用于城乡收入差距。

(二)数字基础设施对城乡收入差距影响的门槛效应机理

人力资本是数字经济发展的重要保障[20]。王文[21]研究得出，在就业结构转换的过程中，只有具备一定的职业技能和教育水平的劳动者才能够满足新型就业岗位的需求。而且，教育人力资本能够提高农民工对于互联网的使用频率，进而增加其选择新型就业岗位的机会[22]。因此，在教育设施较完备、受教育程度较高的地区，农村住户文化水平程度相对较高，对智能化设备和网络技术掌握较快，容易满足新型岗位的要求，从而增加农民收入，缩小城乡收入差距；而在受教育程度较低的地区，农村住户对数字化设备和网络应用掌握不熟练，较难达到就业岗位对新型人才的要求，不利于农村住户收益的提升，难以实现城乡收入差距的缩小。基于此，本文提出以下假设：

假设3：人力资本能够使数字基础设施缩小城乡收入差距的作用更显著。

交通基础设施也是推动数字基础设施发展必不可少的一环。一方面，交通基础设施能够从物流方面为电子商务带来发展，推动数字基础设施的应用。申亮等[23]研究发现，交通基础设施能够促进物流业的发展，交通基础设施建设条件优越，能够带动物流业促进经济增长，而交通基础设施建设薄弱，则会阻碍物流业水平的提升。因此，交通基础设施能够通过带动农村电商的发展，加快农村数字基础设施的应用，使农民的收益提高。另一方面，交通基础设施的进步还可以通过促进农民增收来改善农村住户人力资本投资能力，为数字基础设施及数字经济的研发提供储备人才。交通基础设施能够显著改善农村住户的教育观，提高其对教育的投入，加速农村人力资本的积累[24]，从而使农村住户农业和非农业收益增加，使城乡收入差距缩小。因此，一个地区的交通基础设施建设条件优越时，数字基础设施对城乡收入差距的缩小作用更强。基于此，本文提出以下假设：

假设4：交通基础设施可以使数字基础设施缩小城乡收入差距的作用更明显。

在城镇化的收入效应、消费升级效应和消费环境改善效应作用下，城镇化水平已经是影响网民规模、互联网普及率等数字经济发展指标的关键因素[25]。一方面，城镇化的发展为数字基础设施建设提供了必不可少的硬件支撑。根据城市领导理论(Urban Leadership Theory)，城镇为数字基础设施建设提供了大量人力、财力、物力和技术支持，为数字经济发展提供了更高发展水平的平台与载体[26]。另一方面，城镇化的发展一定程度上会使政府的财政收益增多，提高了其对农村基础设施的投入[27]。随着城镇化水平的提高，农村数字基础设施得到进一步发展、完善，农村住户的收益不断增加，导致城乡收入差距缩小。因此，当一个地区具有较高的城镇化水平时，数字基础设施对城乡收入差距的缩小作用更强。基于此，本文提出以下假设：

假设5：城镇化水平可以使数字基础设施缩小城乡收入差距的作用更显著。

二、模型构建、变量说明与数据来源

(一)模型构建

1.基准面板模型

依据研究假说，为了验证数字基础设施与城乡收入差距之间是否存在某种关联，构建双向固定效应模型：

(1)

其中，theil表示城乡收入差距，为本文的被解释变量；digit代表数字基础设施，为本文的核心解释变量；经济发展水平(lnpgdp)和其平方项(lnpgdp2)、人力资本(edu)、经济开放程度(lnope)、政府可支配财力(lnfin)、交通基础设施水平(lntra)、城镇化水平(lnurb)、第一产业结构(lnpri)、第三产业结构(lnter)为本文的控制变量。i表示地区，t表示年份，β0为常数项，β1、β2、β3、β4、β5、β6、β7、β8、β9、β10为系数，α代表地区固定效应，λ代表时间固定效应，εi,t为随机误差项。

2.面板门槛模型

基准面板模型说明了数字基础设施能够对城乡收入差距产生影响，但是无法证明两者之间具有非线性关系，并且为了准确检验数字基础设施对城乡收入差距的非线性关系的分界点，本文选用面板门槛模型。根据研究假说，本文的门槛变量分别为人力资本(edu)、交通基础设施(lntra)和城镇化水平(lnurb)，设定单一门槛模型：

theili,t=β0+β1digiti,t(edu≤γ)+β2digiti,t(edu>γ)+β3Xi,t+εi,t

(2)

theili,t=β0+β1digiti,t(lntra≤γ)+β2digiti,t(lntra>γ)+β3Xi,t+εi,t

(3)

theili,t=β0+β1digiti,t(lnurb≤γ)+β2digiti,t(lnurb>γ)+β3Xi,t+εi,t

(4)

其中，γ代表门槛值，Xi,t则表示一系列控制变量。如果通过单一门槛模型得到结果显著，存在单一门槛，需要进行双重门槛模型检验。因此，设定双重门槛模型为：

theili,t=β0+β1digiti,t(edu≤γ1)+β2digiti,t(γ1γ2)+β4Xi,t+εi,t

(5)

theili,t=β0+β1digiti,t(lntra≤γ1)+β2digiti,t(γ1γ2)+β4Xi,t+εi,t

(6)

theili,t=β0+β1digiti,t(lnurb≤γ1)+β2digiti,t(γ1γ2)+β4Xi,t+εi,t

(7)

(二)变量设置

本文的被解释变量为城乡收入差距。现有文献主要从城乡可支配收入的比值、泰尔指数(theil)和基尼系数三个角度进行指标衡量，以代表城乡收入差距。考虑到地区之间的城乡人口因素对城乡收入差距的作用，本文的城乡收入差距衡量指标为泰尔指数(theil)，并且选取城乡可支配收入的比值作为稳健性检验中的被解释变量。

本文选取如下变量作为控制变量：①经济发展水平(lnpgdp)，选取平减后的各省实际人均地区生产总值对数来衡量。②人力资本(edu)，选取各地区6岁以上人口的平均受教育年限来衡量。③经济开放程度(lnope)，采用收发货人所在地进出口总额占地区生产总值比重的对数来衡量。④政府可支配财力(lnfin)，采用各地区政府可支配财力与地区生产总值比重的对数进行衡量。⑤交通基础设施水平(lntra)，采用公路里程数、内河航道里程数和铁路营业里程数之和与地区区域面积之比的对数来衡量。⑥城镇化水平(lnurb)，采用分地区城镇人口与分地区总人口比值的对数来表示。⑦产业结构，选取各地区第一产业增加值占地区生产总值比重的对数(lnpri)和各地区第三产业增加值地区生产总值比重的对数(lnter)来衡量。

(三)变量测算和数据说明

1.数字基础设施的发展水平测度

探讨数字基础设施对城乡收入差距的作用，仅从数字基础设施建设情况选取指标是远远不够的，本文还从数字基础设施的应用情况和数字基础设施的利用率两个角度来选择指标。由于数字基础设施指标的测算存在困难，现有针对于数字基础设施的指标较少，本文结合刘军等[28]、李晓钟和李俊雨[29]、范合君和吴婷[30]的研究并参考《中国互联网络发展状况统计报告》中网络基础资源部分的指标，选取3个一级指标和12个二级指标反映数字基础设施的发展水平。其中，数字基础设施建设主要从光缆、移动基站、互联网宽带、域名和企业网站五个方面反映我国数字基础设施建设情况；数字基础设施应用主要从数字电视、宽带互联网、移动电话、计算机使用四个方面反映经济主体对数字基础设施的应用情况；而数字基础设施利用率的测度指标较少，因此，选取电信收入、信息就业和电商销售额三个方面的指标侧面反映经济主体对数字基础设施的利用率。

本文采用熵值法对指标进行处理，计算综合得分。赋值方法分为主观和客观两种，熵值法是客观赋值法中的一种，并且它是根据指标的相对变化程度对整体的影响来决定其权重，能够减少一些人为因素的干扰，使综合得分更加合理[31]。由于移动基站密度的原始数据受限，本文在对31个省份(除港澳台外)的原始数据进行标准化后，通过熵值法计算得出2013—2020年各省份数字基础设施水平的值。

表1 数字基础设施指标体系

表2 2013—2020年我国各省份的数字基础设施水平

续表2

2.泰尔指数的测算

本文选用泰尔指数代表城乡收入差距，测算公式为：

(8)

其中，Ivt和Iut分别表示t时期农村住户和城镇住户的收入，Pvt和Put分别表示t时期农村住户和城镇的人口数，It表示t时期各省份的总收入，Pt表示t时期各省份的总人口数。运用上述公式，测算出全国和各省份的泰尔指数，如表3所示，2013—2020年的全国泰尔指数逐年下降，表明全国层面的城乡收入差距逐渐缩小。

表3 theil指数(2013—2020年)

3. 数据来源

本文选取了2013—2020年我国31个省份(港澳台除外)的面板数据，被解释变量、核心解释变量和控制变量的原始数据均来源于《中国统计年鉴》《中国第三产业统计年鉴》《中国城市统计年鉴》《中国人口和就业统计年鉴》《2020年中华人民共和国国民经济和社会发展统计公报》。各变量的描述性统计如表4所示。从中可以看出，每个变量均存在较大的变化区间，能够较好地反映各地区之间的发展差异，说明研究数字基础设施与城乡收入差距之间关系的基础数据是合理的。

表4 变量的描述性统计

三、实证研究结果及分析

(一)单位根检验

为了避免出现伪回归，在进行实证分析前先对面板数据进行单位根检验。本文采取的是LLC检验和Hadri检验，结果表明所有变量都通过了显著性检验，不存在单位根，结果如表5所示。在此基础上，可以进行实证检验。

表5 单位根检验结果

(二)基准回归模型结果及分析

表6展现了本文的基准回归结果。模型(1)和模型(4)采用了双向固定效应模型，模型(2)和模型(3)则采用随机效应模型和固定效应模型。模型(1)中，在没有加入控制变量的情况下，digit的回归系数为正，并在1%的统计水平上显著，但加入控制变量后，模型(4)的digit系数变为负并且在10%的统计水平上显著，这是因为在未加入控制变量时，数字基础设施与城乡收入差距之间的关系存在回归偏差，加入控制变量后，模型设定更加合理。因此，由模型(4)可得，随着数字基础设施的改进，城乡收入差距会逐渐地缩小，符合本文的假设1。

表6 基准回归结果

分析模型(4)可得，经济发展水平的系数为负，经济发展水平的平方项系数为正，均在1%的统计水平上显著，表明经济发展水平与城乡收入差距之间呈现出U型关系；经济开放程度的系数为负且在10%的统计水平上显著，表明城乡收入差距会随着经济开放程度的提高而缩小；城镇化水平的系数为负且在5%的统计水平上显著，表明城乡收入差距可以随着城镇化水平的提升而缩小；政府可支配财力的系数为正，并且在1%的统计水平上显著，表明政府可支配财力对城乡收入差距产生了扩大作用，需要完善政府财政政策；人力资本、交通基础设施和第三产业结构等控制变量的系数则不显著。

(三)内生性检验

本文虽然在实证模型中已经尽可能多地考虑城乡收入差距的影响因素并设为控制变量，但是模型中可能仍然存在一些不可观测的因素，会对城乡收入差距和数字基础设施造成影响。因此，本文采取工具变量法进行内生性处理，参考陈文、吴赢[32]的做法，选取同年度其他省份的数字基础设施的均值为工具变量，实证结果如表7所示。

为了避免遗漏变量带来的内生性偏差，本文进行了2SLS回归，并且从稳健性角度出发，避免弱工具变量和异方差的干扰，分别进行了LIML回归和最优GMM估计。从表7中得出，数字基础设施的回归系数为负，且在10%的统计水平上依然是显著的，表明数字基础设施缩小了城乡收入差距，为研究假设1的成立提供了支持证据。各个控制变量的系数和显著性也基本符合预期，这印证了我们选择和设计控制变量的合理性。由模型(1)可知，内生性检验的结果0.0076<0.05，说明同年度其他省份的数字基础设施的均值为内生解释变量；弱工具变量检验的结果14.9986>10，符合强工具变量。两者都通过了检验，表明选取同年度其他省份的数字基础设施的均值作为工具变量是符合预期的，验证了本文工具变量选择的合理性。

表7 内生性检验结果

(四)稳健性检验

为了检验基准回归结果的准确性和可靠性，避免指标测度对回归结果带来的影响，本文进行了如下稳健性检验。

1.变换被解释变量的度量方法，运用城乡收入差距的比值表示城乡收入差距，并运用双向固定效应进行回归，回归结果如表8的模型(1)所示。在模型(1)中，数字基础设施的回归系数为负，并在5%的统计水平上显著。该结果表明，随着数字基础设施的发展程度不断加深，城乡收入差距逐渐缩小，与基准回归的结果相符。

2.变换核心解释变量的计算方法，运用CRITIC方法对数字基础设施的3个一级指标和12个二级指标进行测算，以其综合得分表示数字基础设施。本文采取了双向固定效应模型进行稳健性检验，表8中的模型(2)是其结果。在模型(2)中，数字基础设施的回归系数为负，并且在5%的统计水平上显著，表明数字基础设施能够使城乡收入差距降低，符合基准回归的回归结果。

3. 变换被解释变量的度量方法，利用城乡收入差距的比值代替泰尔指数(theil)表示城乡收入差距，并且改变核心解释变量的计算方法为CRITIC法，运用系统GMM估计方法进行回归。回归结果如表8中模型(3)所示，数字基础设施的回归系数为负并且在1%的统计水平上显著，符合基准回归的回归结果，因此，基准回归的回归结果稳健可靠。

4.缩尾处理。为了消除极端值的影响，本文设定对在1%～99%之外的所有变量进行缩尾处理，并对缩尾后的变量进行双向固定效应回归，回归结果展示在表8的模型(4)中。由模型(4)可知，经过缩尾处理后，数字基础设施回归系数的正负并未发生改变，并且在5%的统计水平上显著，说明基准回归的结果依然是可靠的，具有较强的稳健性。

表8 稳健性检验结果

(五)机制检验

由基准回归的结果可以得出，数字基础设施确实可以使城乡收入差距缩小，而为了探究数字基础设施如何缩小城乡收入差距，本文从助力农业增收和提高非农收入两个角度加以论述，以验证研究假设2。

1.助力农业增收

数字基础设施可以通过增加农村住户的农业收入，进而缩小城乡经营性收入差距。本文选取农村人均经营净收入的对数(lnruman)代表农业收入，选取城镇人均经营净收入的对数(lnurman)表示城镇经营性收入，城乡经营性收入差距则为城镇人均经营净收入与农村人均经营净收入的比值。由表9中显示的回归结果分析，模型(1)中数字基础设施的回归系数为正，并且在1%的统计水平上显著，表明数字基础设施对农业收入存在正向促进作用。模型(2)中数字基础设施的回归系数为负，但并不显著，表明数字基础设施与城镇经营性收入之间不存在明显关系。结合两个模型的结果，数字基础设施能够增加农业收入，并与城镇经营性收入没有明显关系，说明数字基础设施可以缩小城乡经营性收入差距。因此，数字基础设施能够通过助力农业增收，缩小城乡经营性收入差距，从而缩小城乡收入差距。

2.提高非农收入

数字基础设施发展能够促进农村住户非农就业，增加农村工资性收入，导致城乡工资性收入差距缩小。本文选取农村工资性收入(ruwage)和城镇工资性收入(urwage)两个变量作为被解释变量，选取城镇工资性收入与农村工资性收入的比值表示城乡工资性收入差距。由表9中的模型(3)可知，数字基础设施对农村工资性收入的回归系数为正，并且在1%的统计水平上显著，表明数字基础设施确实能够促进农村住户非农就业，以增加农民工资性收入。在表9的模型(4)中，数字基础设施对城镇工资性收入的回归系数为正，但并不显著，表明数字基础设施与城镇工资性收入之间没有明显关系。因此，结合两个模型表明，数字基础设施能够促进农民非农就业，增加农民工资性收入，而对于城镇住户的工资性收入没有明显作用，从而缩小城乡工资性收入差距。

表9 机制检验结果

(六)地区异质性分析

随着西部大开发和中部崛起等战略的实施，东中西部地区的经济发展差距逐渐呈现出缩小趋势。中国区域经济发展不平衡的问题出现了新特征，全国经济重心进一步南移，“南北差异”逐渐成为新气象[33]。而且，在2017年两会时，李克强总理也曾提到，中国经济走势分化转变为“南北差距”。因此，为考虑地区之间的异质性影响，本文将全国样本分为北方地区和南方地区两个样本，运用双向固定效应模型分类进行回归，以研究不同区域内数字基础设施对城乡收入差距的影响，回归结果如表10所示。

表10 地区异质性分析

在模型(1)中，数字基础设施的回归系数为正，但并不显著，表明北方地区的数字基础设施与城乡收入差距之间没有明显关系；在模型(2)中，数字基础设施的回归系数为负，并且在10%的统计水平上显著，表明在南方地区，随着数字基础设施的发展程度不断加深，城乡收入差距也在逐渐缩小。由上述结果中得出，由于不同地区之间的数字基础设施发展程度不均衡，数字基础设施对城乡收入差距的影响，在南方地区较为明显，而在北方地区不明显，体现出明显的地区异质性。

四、数字基础设施对城乡收入差距的门槛效应

前文对数字基础设施与城乡收入差距的基本线性关系进行了回归检验。为了进一步研究两者之间可能存在的非线性关系，本文引入面板门槛模型。选取人力资本(edu)、交通基础设施(lntra)和城镇化水平(lnurb)作为门槛变量，确定模型存在门槛效应后，本文依次对模型进行了单一门槛检验和双重门槛检验，结果如表11和表12所示。

表11 门槛效应检验结果

表12 门槛值结果

由表11和表12可得，当门槛变量为人力资本(edu)时，模型的单一门槛值在1%统计水平上显著，双重门槛值不显著，所以存在单一门槛效应，单一门槛对应的门限值为4.3674。当门槛变量为交通基础设施(lntra)时，模型的单一门槛值在1%统计水平上显著，双重门槛值不显著，所以存在单一门槛效应，并且单一门槛对应的门限值为-2.4349。当门槛变量为城镇化水平(lnurb)时，模型的单一门槛值在1%统计水平上显著，双重门槛值不显著，所以存在单一门槛效应，单一门槛对应的门限值为3.2498。三个变量分别对应门槛模型的固定效应回归结果如表13所示。

1.门槛变量为人力资本(edu)时，由表13可知，人力资本的两个区间中数字基础设施的回归系数有差异，表明数字基础设施与城乡收入差距之间并不是简单的线性关系。具体而言，当edu≤4.3674时，数字基础设施对城乡收入差距的回归系数为-0.3963，在1%的统计水平上显著；当edu>4.3674时，数字基础设施对城乡收入差距的回归系数为-0.0455，并在1%的统计水平上显著。这说明，当人力资本水平不同时，数字基础设施对城乡收入差距的影响也不尽相同。人力资本的发展会影响数字基础设施对城乡收入差距的作用，当一个地区的人力资本水平较高时，数字基础设施对城乡收入差距的缩小作用也会加强，符合研究假设3。

2. 门槛变量为交通基础设施(lntra)时，由检验结果可以看出，交通基础设施建设在数字基础设施对城乡收入差距的影响之间存在单一门槛效应。结合表13可得，当lntra≤-2.4349时，数字基础设施对城乡收入差距的回归系数为-0.2488，并在1%的统计水平上显著，表明交通基础设施建设可以加强数字基础设施对城乡收入差距的缩小作用；当lntra>-2.4349时，数字基础设施对城乡收入差距的回归系数为-0.0555，在1%的统计水平上显著。以上结果证实，越过门槛值后，交通基础设施对数字基础设施缩小城乡收入差距的作用更加显著。因此，对于交通基础设施建设比较好的地区而言，数字基础设施对城乡收入差距的缩小作用会更强，符合研究假设4。

表13 回归结果

3. 门槛变量为城镇化水平(lnurb)时，由表13可知，城镇化水平的两个区间中数字基础设施的回归系数有差异，表明数字基础设施与城乡收入差距之间存在非线性关系。当lnurb≤3.2498时，数字基础设施对城乡收入差距的回归系数为-0.3963，并在1%的统计水平上显著；当lnurb>3.2498时，数字基础设施对城乡收入差距的回归系数为-0.0455，在1%的统计水平上显著。这表明，当城镇化水平低于门槛值时，数字基础设施的发展对城乡收入差距具有缩小作用；而当城镇化水平高于门槛值时，数字基础设施缩小城乡收入差距的作用会增强。因此，城镇化水平确实在数字基础设施对城乡收入差距的影响中存在单一门槛，符合研究假设5。

五、研究结论与政策建议

本文在理论剖释数字基础设施对城乡收入差距的影响机理的基础上，利用2013—2020年31个省份的面板数据实证分析了数字基础设施对城乡收入差距的影响。主要结论如下：其一，从线性角度来看，数字基础设施与城乡收入差距之间存在线性关系，数字基础设施的发展程度不断改善，会导致城乡收入差距不断缩小;其二，机制分析表明，数字基础设施可以提高农民的农业收入和非农收入，导致城乡经营性收入差距和城乡工资性收入差距不断缩小；其三，地区异质性分析表明，数字基础设施对城乡收入差距的影响存在地区异质性，南方地区优于北方地区；其四，从非线性角度来看，数字基础设施与城乡收入差距的关系会随着门槛变量的不同区间取值而发生变化，人力资本、交通基础设施和城镇化水平均在数字基础设施对城乡收入差距的作用中存在单一门槛效应，并且人力资本水平越高、交通基础设施越发达、城镇化水平越高时，数字基础设施对城乡收入差距的缩小作用会显著增强。

基于上述研究结论，本文提出如下建议：第一，加快农村数字基础设施建设。研究表明，数字基础设施水平的提高会导致城乡收入差距的缩小。与城镇相比，农村数字基础薄弱，5G互联网、人工智能、工业互联网等新型数字基础设施建设相对落后。基于此，政府可以通过资金投入和技术支持推进农业农村数字基础设施建设，加快农村宽带通信网、移动互联网等通信网络基础设施的发展，推动5G互联网、人工智能等信息基础设施向农业领域延伸，加快智慧农业生产、物流、加工等步伐，培育数字基础设施利用的新型农业经济组织与新农人。第二，运用数字技术推动城乡公共服务均等化。研究表明，人力资本水平、城镇化水平较高的地区，数字基础设施对城乡收入差距的缩小作用会加强。因此，政府可以运用以数字化、信息化为代表的数字技术应用来促进城乡公共服务资源优化配置，加大农村优质资源数字化供给，并且做优做强农村数字教育培训资源，培养农村数字人才，有助于提升劳动者的数字工作能力；政府还可以运用数字技术构筑城乡公共服务网络，利用现代信息技术网络化、互联化的特点，推动城乡各类基础设施互联互通，促进数字公共服务公平普及。第三，实现城乡的深度融合。政府可以通过加强农村数字基础设施建设和农村数字人才培养来推动城乡信息化融合发展，并且可以促进城市人才、技术、信息等资源向农村流动，对城乡数字人才、技术等资源提供优惠服务，以推动城乡生产、生活、生态环境的数字化、智能化发展，加快形成共建共享、互联互通的数字城乡融合发展格局。