乡村振兴背景下互联网使用对农户贫困脆弱性的影响——基于CFPS数据的实证分析

○1黄凯迪 陈江华

（1江西农业大学经济管理学院，江西 南昌 330044；2江西农业大学江西省乡村振兴战略研究院，江西 南昌 330045）

一、引言

消除绝对贫困后，我国“三农”工作重点转向全面推进乡村振兴，而缓解农村相对贫困是实现乡村振兴的必经之路，研究农户贫困脆弱性对于防止农户返贫，巩固脱贫攻坚成果，不断推进乡村振兴具有重大意义。近年来，我国城乡居民人均收入不断增长，但发展不平衡与不协调的问题仍较突出，基尼系数从2019年的0.465上升到2020年的0.468①中国统计年鉴.http://www.stats.gov.cn/tjsj/ndsj/2021/indexch.htm。，收入分配不平等出现加剧趋势，农户贫困脆弱性状况不容乐观，脱贫户存在返贫隐忧。与此同时，我国互联网、数字技术发展迅猛，对农业农村转型发展产生深刻影响，而其对农户贫困脆弱性的影响有待深入研究。据统计，截至2021年12月，我国农村网民规模为2.84亿，约占网民整体的27.6%，农村地区互联网普及率达57.6%②中国互联网络信息中心.第49次中国互联网络发展状况统计报告［EB/OL］.http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202202/t20220225_71727.htm。。虽然有学者对因资源禀赋差异而产生的“数字鸿沟”问题可能降低农村居民幸福感表达了担忧[1]，但互联网在农村地区的普及有效推动了乡村振兴战略的实施，为加快建立健全缓解相对贫困的工作机制奠定了基础，对巩固脱贫攻坚成果提供助力。

学界已对贫困脆弱性展开了富有成效的研究，既有文献指出土地转入[2]与家庭教育支出[3]均能显著降低农户家庭贫困脆弱性。一些学者认为社会资本作为一种非正式保险能够显著降低农户家庭贫困脆弱程度[4]，也有学者通过实证分析发现金融扶贫[5]、地方特色农产品保险政策[6]与地方生态补偿[7]能够降低农户家庭未来贫困发生率，还有研究发现整体产业扶贫可以显著降低农户家庭贫困脆弱性，但不同的产业扶贫项目存在显著差异[8]。

随着“互联网+”产业的快速发展，对于互联网与贫困问题的相关研究日益增多，主要集中在互联网金融、互联网商务、农户家庭互联网使用等方面[9]。就农户家庭互联网使用而言，多数学者关注互联网使用对农户收入、城乡收入差距方面的影响[10-11]，研究发现互联网使用不仅有助于通过增强农户获取和利用信息的能力来改善农户家庭收入状况[12]，而且有助于提高农户家庭人力资本禀赋，提升其边际生产率与收入水平，进而缓解相对贫困[13-14]。但文献对互联网使用与城乡收入差距的关系未形成共识，部分学者认为互联网使用有助于缩小城乡收入差距[15]，也有学者研究则指出互联网使用反而拉大了城乡收入差距[16]，不利于相对贫困缓解。

回顾相关文献发现，已有研究采用传统贫困线测量法或A-F测度法测量农户多维贫困[17]，发现互联网使用显著降低了农户家庭陷入贫困的可能性，但研究互联网使用影响农户家庭贫困脆弱性的文献相对较少，并且鲜有文献对互联网使用影响农户贫困脆弱性的作用机制进行探讨；因此，本文将基于中国家庭追踪调查数据（CFPS），关注两种贫困标准下（贫困线、脆弱线）互联网使用对农户家庭贫困脆弱性的影响，并通过中介变量来探索互联网使用对农户家庭贫困脆弱性的影响机制。

二、理论分析与研究假说

（一）互联网使用影响农户贫困脆弱性

全面推进乡村振兴战略实施的背景下，农村地区互联网基础设施不断完善，互联网普及率持续上升。互联网在农村地区的普及，打破了城乡信息壁垒，降低了城乡信息不对称性程度，促进城乡之间要素有效流动，实现资源优化配置，从而提高农户家庭收入水平，缓解农户贫困脆弱性。首先，互联网平台各类学习资源越来越丰富，农民借助互联网足不出户就可非常便利地获取网络学习资源，使自身人力资本得到提升[18]。此外，互联网的发展促进了社会网络成员之间的交流与信息分享，为知识外溢提供可能，进而丰富农民人力资本禀赋。其次，互联网为劳动力市场供需匹配搭建了有效平台，能够缓解农村转移劳动力求职过程中的信息不对称性，降低非农转移成本，帮助农民搜寻到更合适的非农工作[19]。再次，互联网使用有助于拓展农民的社会关系网络，加强人际关系互动，促进农民社会资本禀赋提升。最后，互联网使用不仅有助于农户开拓农产品网络销售渠道，而且帮助农户及时获取农产品市场供求和消费偏好信息，使其做出合理的生产决策，进而获得相对较好的农业经营收益，缓解其贫困脆弱性[20]。可见，互联网使用将会从多方面对农户生计资本与生产生活产生影响，进而影响农户贫困脆弱性。基于此，本文提出假说H1：

假说H1：互联网使用对农户家庭贫困脆弱性有显著负向影响。

（二）互联网使用通过劳动力转移对贫困脆弱性的影响

互联网使用有助于提升农民人力资本，进而促进农村劳动力非农转移。在我国经济以高质量发展为导向的背景下，新兴产业的劳动力市场对劳动力素质有着更高的要求[21]。然而，受外部环境及自身条件等因素的制约，农村劳动力普遍受教育程度较低，人力资本储备不足，影响其在非农就业市场的竞争，而且外出就业也往往面临供需不匹配的矛盾，不利于其通过非农转移实现贫困缓解。但随着农村地区互联网普及率稳步提升，农村居民可通过互联网平台免费获得不断丰富的各类学习资源，以自学方式持续提高自身人力资本水平[18]，使其能够胜任相关非农工作，增强其在非农就业市场的竞争力，进而缓解贫困脆弱性。其次，互联网的使用一方面降低了非农工作搜寻过程中的信息不对称性程度，节约非农工作搜寻成本；另一方面帮助农民突破时间与空间限制，更便利地获取满意的非农就业工作[19,22]。相对于处于比较收益劣势的农业生产而言，非农就业收入具有比较优势，有助于增强农户家庭风险冲击抵御能力，对农户家庭贫困脆弱性缓解产生更重要的作用。基于此，本文提出假说H2：

假说H2：互联网使用通过促进农村剩余劳动力转移而对农户家庭贫困脆弱性有负向影响。

（三）互联网使用通过社会资本对贫困脆弱性的影响

互联网应用在较大程度上改变了农村居民的生活方式，以互联网为媒介的社会互动突破了传统媒介的限制，一方面有利于拓展社会关系网络，增加信息获取渠道；另一方面，不仅有助于加强和维护原有社会关系的稳定[23]，而且可通过促进线下社交、改善人际关系来提升农户家庭之间的社会信任水平[24]，提高农户家庭之间社会互动的可能性[25]，从而提升农户家庭社会资本水平。而社会资本可以有效降低农户的信息搜寻成本[26]，提高农户信息获取效率，同时作为一种非正式制度为农户提供社会支持，这一作用在农村信贷领域表现尤为突出[27]，有利于增加农户家庭金融资本的获得性，增强家庭抵御风险的能力，进而缓解其贫困脆弱性。基于此，本文提出假说H3：

假说H3：互联网使用通过提升农户家庭社会资本而对农户家庭贫困脆弱性有负向影响。

三、数据来源、变量选取与模型构建

（一）数据来源

本文使用由北京大学社会科学调查中心（ISSS）发起的2018年中国家庭追踪调查（CFPS）数据作为研究样本，根据个人、家庭、村庄编码对社区、家庭、成人三个主体问卷进行合并，所需变量信息均来源于这三个数据库。需要指出的是，2018年CFPS 还未公布完整的村庄问卷数据，根据研究需要本文对上述样本进行了匹配，保留了农村户口样本、分得集体土地并从事农林牧副渔业的样本以及剔除了主要信息缺失的农村家庭样本，增加了省份地区变量来控制地区差异，最终获得有效农户样本5 371 户。其中，东部地区1 668户，中部地区1 472户，西部地区2 231户。

（二）变量选取

1.因变量。本文的被解释变量是农户家庭的贫困脆弱性，采用以世界银行最新报告中低收入国家贫困标准人均日消费2 美元/3.2 美元为标准（国际贫困有三个收入标准，2 美元/日适用于小康社会，3.2 美元/日为中标准，5.5 美元/日为高标准）测得的农村家庭贫困脆弱程度分别作为被解释变量。

2.核心自变量。本文选择互联网使用作为核心自变量，若农户使用互联网信息技术（手机或互联网上网），赋值为1，若农户没有使用互联网信息技术，赋值为0。调查发现，56.97%的农民仍未使用互联网技术。

3.中介变量。为探究互联网使用对农户贫困脆弱性的作用机制，本文选择“劳动力转移”与“社会资本”作为机制变量。借鉴已有研究，选取非农收入作为劳动力转移的代理变量[28]；社会互动的增强有利于社会资本的积累，家庭间经济往来是维持其关系的重要保障，因此，本文选用当年的礼金支出[4]来衡量农户家庭社会资本。

4.控制变量。为了控制其他因素对农户家庭贫困脆弱性的影响，本文从户主个体特征、家庭特征和省份地区三个方面选定控制变量，具体来说：（1）本文选取年龄、年龄的平方、性别、受教育程度、健康状况和政治身份5 个变量来衡量户主个体特征。由表1可知，样本农户家庭户主受教育程度均值为2.32，以中小学为主，表明样本家庭户主受教育程度普遍偏低；样本家庭户主健康状况平均值在3.02左右，表明家庭户主长期高强度务农务工状态下，另有摄取营养不合理以及医疗保健意识薄弱等因素使其大多存在健康问题。（2）家庭特征方面。为控制农户家庭禀赋差异对贫困脆弱性的影响，选取家庭人口规模来衡量劳动力禀赋，用家庭存款金额衡量资本禀赋。（3）村庄特征。考虑到外部条件可能对农户家庭贫困脆弱性产生影响，选取省份变量和地区特征变量作为控制变量，同时本文采用winsorize方法按照上下1%对主要变量进行了缩尾处理，避免了异常值的影响。

表1 变量设置与描述

（三）模型构建

1.基准回归模型。本文借鉴杜兴端和曹旭欣[2]的研究方法，选取农户家庭人均消费、人均纯收入测度农户贫困脆弱性，构建如下实证模型：

其中，vuli表示第i个农户家庭的贫困脆弱性。Ni代表核心解释变量，农户是否使用互联网信息技术；Xi是一系列控制变量，μ是不可观测的误差项。

2.中介效应模型。本文借鉴温忠麟等[29]阐述的中介效应分析方法，构建如下中介效应模型对各个中介变量进行检验：

其中，vuli表示第i个农户家庭的贫困脆弱性，Ni代表第i个农户家庭是否使用互联网；Mi表示中介变量，包括劳动力转移和社会资本，对应第i个农户家庭的非农收入和礼金支出对数；Xi代表控制变量，主要包括农户个体特征、家庭特征以及地区区位特征等多方面的变量；μ1、μ2、μ3为模型中的扰动项，c0、α0、b0分别为截距项，c1、c2、α1、α2、b1、b2、b3表示待估计系数。

3.贫困脆弱性测度。关于贫困脆弱性如何测度，学术界较为广泛接受的测量方法有三种：一是风险暴露脆弱性（VER）；二是低期望效用脆弱性（VEU）；三是预期的贫困脆弱性（VEP）。其中，VEP 是事前估计家庭未来遭受风险打击的福利损失，只对脆弱性的高低做出判断（风险打击导致的收入变化越大，消费对于收入风险的脆弱性越高），并不估计总的脆弱性,对数据要求较低，应用最为广泛。因此，本文参照CHAUDHURI 等[30]提出的VEP 方法来测度农村家庭的贫困脆弱性。具体步骤如下：

第一步，计算预期的贫困脆弱性（VEP）：

其中，VEPi,t代表第i个样本农户在t时期的未来陷入贫困的概率，即贫困脆弱性。Pr代表陷入贫困的概率，Yi,t+1代表第t+1 年的家庭人均消费，C代表已知贫困标准。本文选用世界银行最新报告中低收入国家贫困线（人均日消费2 美元/3.2 美元）作为标准。

第二步，使用普通最小二乘法（OLS）估计消费方程和残差方程：

其中，lncon代表样本农户家庭人均消费的对数值，Xri代表家庭特征变量与个体特征变量，β0代表常数项，βr代表不同特征变量的待估计参数，ε为残差项。

第三步，使用第二步得到的拟合值构建权重进行FGLS（可行广义最小二乘法）估计:

其中,E(lnconi|Xri)代表样本家庭人均消费的对数值的期望值，D(lnconi|Xri)代表样本家庭人均消费的对数值的方差，βFGLS和ρFGLS是分别由第二步计算得出的拟合值。

第四步，选择不同标准的贫困线和脆弱线，计算得出家庭的贫困脆弱性：

其中，lnC代表已知贫困标准的对数，Φ(·)代表假设消费服从对数正态分布并将结果正态化。需要说明的是，由于贫困与贫困脆弱性概念不尽相同，运用VEP 测度家庭贫困脆弱性时需要设定贫困线和脆弱线。家庭在未来陷入贫困的概率大于贫困脆弱线，则认为该家庭具有贫困脆弱性。现有文献对贫困脆弱线有三种较为常用的设定方法,分别是贫困发生率、0.5和0.29的脆弱性临界值（即未来陷入贫困的概率大于或等于50%、29%的家庭是脆弱的）。本文设置0.5 的脆弱性临界值观察农户家庭的贫困脆弱性并用进行稳健性检验。

四、实证结果与分析

（一）贫困脆弱性测度结果与分析

根据前文筛选，匹配得到的农户家庭样本，采用VEP测度法得出我国2018年农村家庭贫困脆弱程度，结果如表2所示。

贫困脆弱性取值范围为0～1，数值越靠近1 说明家庭贫困脆弱程度越高。从整体样本来看，以世界银行最新报告中低收入国家贫困标准人均日消费2 美元测度得出的我国农村家庭贫困脆弱性并不高，均值为0.099；以3.2美元/日贫困线测度得出的贫困脆弱性均值为0.331。划分地域区位来看，东中部地区的贫困脆弱程度在两种测度标准下都相对低于全国均值，而西部地区的贫困脆弱程度则相对较高，甚至超出全国平均贫困脆弱程度，这也符合我国西部地区发展落后、相对贫困的事实。

（二）基准回归结果与分析

表3 报告了全部样本基准回归结果，模型1 至模型4回归系数均为负值，表明互联网使用对农户家庭贫困脆弱性有抑制作用。通过对比加入控制变量的模型结果发现，“3.2 美元/日贫困线”标准下，回归结果在1%统计水平下通过显著性检验，表明使用互联网的农户家庭相比未使用互联网的农户家庭，互联网使用水平每提高1 层次，农户家庭贫困脆弱性可能降低3.8%；“2 美元/日贫困线”标准下，互联网使用对农户家庭贫困脆弱性有负向影响，与预期一致，并在5%统计水平下通过显著性检验，互联网使用水平每提高1 层次，农户家庭贫困脆弱性可能降低1.2%。本文研究假说H1 得到验证。

其他控制变量也会对农户贫困脆弱性产生一定的影响。个体特征层面，两种贫困标准下，受教育程度越高、健康状况越好的个体，家庭抵御风险冲击的能力越大，农户家庭未来陷入贫困的概率越低。户主年龄对农户家庭贫困脆弱性的抑制作用在1%统计水平下显著，但户主年龄平方对农户家庭贫困脆弱性有显著正向影响，表明户主年龄与农户家庭贫困脆弱性存在“U”型关系，青中年户主相对于少年老年户主能够为家庭提供更多保障，从而增加农户家庭风险抵御能力。家庭特征层面，两种贫困标准下，互联网信息渠道的重要程度、土地转入、通讯总费用和总资产均在1%的水平下显著负向影响农户家庭贫困脆弱性，与预期完全相符，表明其他条件不变的情况下，各变量数值越大，农户家庭贫困脆弱性程度越低，而家庭规模对农户家庭贫困脆弱性的正向影响在1%统计水平下显著，表明农户家庭成员每增加1名，农户家庭在未来陷入贫困的概率分别会相应地增加3.3%、6.6%。村庄特征层面，所在省份在1%的统计水平下显著正向影响农户家庭贫困脆弱性，表明不同省份社会经济发展水平不同，互联网使用对农户家庭贫困脆弱性的影响不同。

（三）中介模型回归结果与分析

根据前文理论分析，本文运用逐步检验回归系数法探究互联网通过劳动力转移、社会资本对农户家庭贫困脆弱性的影响机制。

1.基于劳动力转移的中介模型回归结果。表4中展示了引入“劳动力转移”作为中介变量的回归结果，互联网使用对非农收入的影响为正且在10%统计水平下显著，表明控制其他条件不变的情况下，互联网使用会促进农户家庭劳动力转移，互联网使用每增加1个单位，农户家庭劳动力转移可能增加7.9%；在“2美元/日贫困标准”下，非农收入的系数在1%统计水平下负向显著，表明农户家庭劳动力转移每增加1个单位，农户家庭贫困脆弱性降低2.0%；在“3.2 美元/日贫困标准”下，非农收入的系数在1%统计水平下显著，系数符号为负，表明农户家庭劳动力转移每增加1个单位，农户家庭贫困脆弱性降低4.0%。实证结果得出，两种贫困标准下，互联网使用对农户家庭贫困脆弱性存在直接效应和间接效应，其中劳动力转移起着部分中介的作用。本文研究假说H2得到验证。

2.基于社会资本的中介模型回归结果。表5中展示了引入“社会资本”作为中介变量的回归结果，互联网使用回归系数为正且在统计水平下显著，表明互联网使用丰富了农户家庭社会资本，互联网使用每增加1个单位，农户家庭社会资本可能增加6.5%；在“2美元/日贫困标准”下，家庭礼金支出的系数在1%统计水平下负向显著，表明社会资本每增加1 个单位，农户家庭贫困脆弱性降低9.6%；在“3.2 美元/日贫困标准”下，家庭礼金支出的系数在1%统计水平下显著，系数符号为负，表明社会资本每增加1个单位，农户家庭贫困脆弱性降低20.6%。实证结果得出，两种贫困标准下，互联网使用显著降低农户家庭贫困脆弱性是通过丰富农户家庭社会资本来实现的。本文研究假说H3得到验证。

表5 基于社会资本的机制检验结果

（四）稳健性检验分析

1.倾向得分匹配估计检验。本文进一步选择采用倾向得分匹配法（PSM）来构建“反事实”框架，从而在一定程度上缓解农户由于自选择行为而带来的“选择性偏差”问题，进一步验证互联网使用对农户家庭贫困脆弱性的影响。

由表6 可知，四种倾向得分匹配的结果都表明，在解决“自选择”问题的基础上，互联网使用对农户家庭贫困脆弱性的平均处理效应为负。在2美元/日贫困标准下，处理组（使用互联网的农户家庭）平均处理效应为-0.043～-0.020，大多数在1%统计水平下显著；在3.2 美元/日贫困标准下，处理组（使用互联网的农户家庭）平均处理效应为-0.097～-0.052，均在1%统计水平下显著，表明基准回归模型没有考虑选择性偏差，低估了互联网使用对农户家庭贫困脆弱性的平均处理效应，再次验证与未使用互联网的农户家庭相比，使用互联网的农户家庭贫困脆弱性可能越低。

表6 互联网使用对农户家庭贫困脆弱性的处理效应

2.替换因变量检验。为了更好地检验实证结果的可靠性，本文采用替换因变量对基准回归结果进行稳健性检验[3]。使用50%贫困阈值标准，农户家庭未来贫困发生概率大于或等于0.5作为脆弱线临界值，将农户家庭贫困脆弱程度变为二值变量，即将贫脆弱线临界值大于0.5 的农户家庭赋值为1，反之小于0.5 的家庭则赋值为0，由此选择二元Probit 模型进行参数估计（见表7）。结果表明，互联网使用显著降低了农村家庭贫困脆弱性，对比加入控制变量的模型6 和模型8，两种贫困标准下以0.5 作为脆弱性临界值，互联网使用对农户家庭贫困脆弱性的影响系数为负且均在1%统计水平下显著，表明相比于不使用互联网的农户家庭，使用互联网的农户家庭每增加1个单位，农户家庭存在贫困脆弱性的可能降低约40.8%、30.5%，反映模型估计结果稳健。

表7 基于Probit模型的稳健性检验

3.更换估计方法检验。由于OLS 模型对整个样本进行线性回归，其非线性扰动项将被纳入扰动项中，导致估计不一致，为了避免OLS 估计得出的回归拟合值超出区间范围，又因为被解释变量“农户家庭贫困脆弱性”取值介于0～1 之间，属于被解释变量取值受限类型，因此本文采用Tobit 模型进行参数估计（见表8）。在两种贫困标准下，加入控制变量后，互联网使用对农户家庭贫困脆弱性的回归系数为负且在1%统计水平下显著，表明农户家庭互联网应用水平越高，贫困脆弱性越小，研究结论稳健。

表8 基于Tobit模型的稳健性检验

（五）内生性讨论

是否使用互联网很可能由于遗漏变量、测量误差等而存在内生性问题，本文借鉴祝仲坤和冷晨昕[31]的研究，选取家庭年通讯费用（取对数）作为是否使用互联网的工具变量，运用两阶段最小二乘法进行估计。沃尔德检验和有限信息最大似然法（LIML）排除了弱工具变量的可能性，杜宾—吴—豪斯曼检验（DWH）结果表明，互联网使用为内生解释变量。第二阶段回归结果显示，在纠正可能的内生性偏误后，互联网使用对农户贫困脆弱性仍存在显著负向作用，回归系数在1%统计水平下显著，详见表9。

表9 内生性检验回归结果

（六）异质性分析

1.受教育程度差异。由表10可知，3.2美元/日贫困标准下，互联网使用每增加1 单位，农户家庭贫困脆弱性在初中以上学历降低比例最高，约为6.4%，表明农户家庭户主受教育程度越高，家庭抵御风险冲击能力越强，但2 美元/日贫困标准下则相反。

表10 受教育程度差异模型估计结果

2.年龄差异。本文借鉴联合国卫生组织对年龄的划分标准，将户主年龄分为三个阶段，即青年户主、中年户主和老年户主。由表11可知，两种贫困标准下，青年户主对缓解家庭贫困脆弱性的影响更大，互联网使用每增加1 单位，农户家庭贫困脆弱性分别降低4.3%、7.4%。与此同时，3.2 美元/日贫困标准下，相较于未使用互联网的农户家庭，使用互联网的中年、老年户主家庭，均在1%统计水平下负向影响家庭贫困脆弱性，表明贫困线越高，互联网使用越能成为农村地区各使用群体缓解家庭贫困脆弱性的保障。

表11 年龄差异模型估计结果

3.区域差异。互联网使用对农户家庭贫困脆弱性的影响是否存在区域差异？本文使用Tobit模型在两种贫困标准下，进一步探讨东、中、西三个不同区域互联网使用对农户家庭贫困脆弱性的影响（见表12）。两种贫困标准下，东、西部地区互联网使用对农户家庭贫困脆弱性在1%统计水平下有显著负向影响，并且东部地区系数估计的绝对值要明显大于西部。表明东、西部地区互联网使用均能够显著降低农户家庭贫困脆弱性，与全国的趋势保持一致，相对而言，东部地区互联网抑制农户家庭贫困脆弱性的作用要大于西部地区，这也与西部地区社会经济发展水平相对落后、互联网使用具有一定程度的门槛相一致。

表12 区域差异模型估计结果

4.不同贫困脆弱性差异。除了考虑互联网使用对农户家庭贫困脆弱性的影响存在区域差异，本文也探讨互联网使用对不同贫困脆弱性的农户家庭是否存在异质性？为更好考证整个条件分布的全貌，本文探究两种贫困标准下，互联网使用对农户家庭贫困脆弱性分布的0.2 分位点、0.4 分位点、0.6分位点和0.8分位点产生的影响。

由表13可知，在“2美元/日”贫困标准下，互联网使用的分位数回归系数呈现逐渐上升的趋势（-0.5%→-0.8%→-1.1%→-1.9%），表明互联网使用对农户家庭贫困脆弱性的条件分布的影响在0.8分位点处达到最大，其系数约为0.2 分位点处的4倍，互联网使用对贫困脆弱性较高的农户家庭产生的影响更大。由表14可知，在“3.2美元/日”贫困标准下，互联网使用的分位数回归系数也呈现逐渐上升趋势（-4.1%→-4.6%→-5.0%→-6.0%）。总的来说，同一贫困线标准下，增加互联网使用对于低贫困脆弱性和中间阶层的影响都较小，最大受益者为贫困脆弱性较高的农户家庭。因此，在推进乡村振兴战略过程中，要更加注意降低互联网使用门槛，帮助低收入群体更好地利用互联网，以降低农户家庭贫困脆弱性。

表13 2美元/日贫困标准下分位数回归结果

表14 3.2美元/日贫困标准下分位数回归结果

五、结论及建议

（一）主要结论

我国取得脱贫攻坚的历史性伟大胜利，“三农”工作重点任务由消除贫困转向乡村振兴，在实现共同富裕的道路上，要严守大规模农户返贫红线，进一步提高脱贫稳定性，缓解农户贫困脆弱性。为此，本文采用2018 年中国家庭追踪调查（CFPS）数据，通过测度农户家庭贫困脆弱，探究互联网使用对相对贫困的影响，得到以下主要结论：

1.互联网使用对农户家庭贫困脆弱性有显著负向影响，且同一贫困线标准下，互联网使用对贫困脆弱性较高的农户家庭产生的影响更大。农户家庭，特别是具有返贫致贫风险的监测对象，通过使用互联网能够有效提升其人力资本，缓解其家庭陷入贫困脆弱性的概率。

2.互联网使用能够通过促进劳动力转移、丰富农户家庭社会资本进而降低家庭贫困脆弱性，互联网普及率在农村地区的不断提高有助于改善农民资源禀赋水平，增加农村有效劳动力供给，促进农户家庭持续增收。

3.互联网使用对农户家庭贫困脆弱性的影响存在异质性，青年户主、户主受教育水平越高，家庭抵御风险冲击能力越强，且西部地区互联网使用门槛相对较高，降低互联网在边远、欠发达地区使用门槛，可以显著缓解农户家庭相对贫困。

（二）政策建议

根据理论与实证分析结果，本文提出以下政策建议，以期为更好地促进农村地区互联网发展提供有益参考。

1.深入推进农村互联网基础设施巩固提升工程，鼓励与支持基础电信企业对接基层、边远和欠发达地区，扩大优质网络覆盖范围。虽然在国家政策和企业投资的大力扶持下，农村互联网基础设施有了明显的改善，但部分农村地区，尤其中西部等偏远地区，互联网使用的基础条件还很匮乏，继续完善农村电信基础设施，推进互联网进村入户，降低互联网使用成本，让不同年龄群体、不同受教育程度以及不同区域的农户家庭都能享受互联网使用带来的红利。

2.加强农村互联网教育与培训力度，重点关注老年群体的需求，帮助其更好地掌握互联网使用技能，化解互联网数字鸿沟问题。由于农民自身年龄、受教育程度不同，信息需求方面也存在差异，应注重互联网分类教育，通过良好的学习氛围和培训管理，激发农民互联网使用活力，为使用互联网存在困难的农户提供培训。同时，鼓励农民使用互联网作为一种学习工具培养其数字素养，树立互联网“扶志扶智”理念，引导农户通过互联网提高自身资源禀赋，以更快融入数字化网络社会。

3.支持互联网平台在农村的推广应用，规范互联网运营秩序，强化农户利益保障力度，促进互联网健康有序发展。互联网数字化服务可以有效改善以往单一、晦涩的信息传播渠道，为农民分享非农就业信息，使其可以通过互联网生动形象的解读，迅速及时地了解到国家相关政策、企业供求信息等，增加非农收入，进而缓解相对贫困。