移动互联网使用对茶农的增收效应与作用机制——基于16个茶叶主产省的调查

李东旭，高峰，姜爱芹，陈富桥

中国农业科学院茶叶研究所，浙江 杭州310008

近年来，利用数字技术实现跨越式发展，是信息技术革命背景下我国发展战略转变的重要选择[1]。截至2019年，农村居民人均纯收入增速降至6.2%，总体增速下行态势仍在进一步延续，农户收入增长已经呈现明显放缓的趋势[2]。十九大以来，习近平总书记多次强调要落实数字化改革和加快数字中国建设。借助数字技术提高农民收入水平，推动农业产业高质量发展，对提升农业现代化和实现乡村振兴具有重要意义。

截至2021年12月，我国互联网普及率达73.0%，有10.29亿手机网民，其中我国农村网民规模达2.84亿，占网民整体的27.6%[3]。移动互联网的使用在我国日渐普及，被赋予众多丰富的功能，包括沟通联系、电子支付、数字政务等，成为了人们日常生活和商业活动中不可或缺的一部分。为帮助农村居民跨过移动互联网使用的“数字鸿沟”，各级政府先后组织开展了一系列包括手机、电商等工具或平台使用的培训。

那么，对于农户而言移动互联网使用到底对其收入产生了怎样的影响，影响发生的作用机制是什么？回答这些问题有利于进一步探究数字化转型对农户收入增长的影响机制，进而通过推动农户数字技能培训，为政策制定提供经验证据，具有重要的理论和实践意义。

关于当前互联网使用对农户收入影响的相关研究主要从以下几个方面展开。首先，一些学者评估了互联网使用对农户收入的影响和异质性农户条件下的收入效应差异，金晓彤等[4]将“宽带中国”工程作为一项准自然实验，研究显示互联网设施建设显著促进了当地的“创业经济”，从而带动了农民增收。杨舒然[5]使用2018年CFPS追踪调查数据的研究表明，互联网使用显著促进了农户的增收，增收效应在具有中等受教育程度的青壮年男性身上最为明显。孙华臣等[6]研究显示，互联网使用对偏远地区种植经济作物的年轻农户增收效应更加明显。互联网在我国农村的推广，促使农民愿意采用电子商务，造就了农业企业集群“淘宝村”的出现，提高了农户的农产品收入[7-8]。但Marcel等[9]学者在对印度100个村庄调研后发现信息沟通技术未对当地农户带来显著的积极影响。第二，部分学者探讨了互联网使用对城乡收入差距的影响。国内多位学者研究指出，互联网使用从宏观上降低了城乡居民的收入差距，且农村内部工资性收入不平等也得到了缓解[10-12]。部分专家研究表明互联网对农村居民的增收效应大于城市居民，从而降低了城乡收入差异[13-14]。程名望等[15]认为互联网使用对城乡收入差距的作用是非线性的，呈现出先增加后降低的倒U型特征。但关于互联网使用与城乡收入差距之间的关系，学术界存在一定争议。刘任等[16]、文小洪等[17]研究认为，互联网使用对收入差距起到了扩大作用，受教育程度是这个影响机制过程中的重要中介变量。第三，从减贫的角度研究了互联网使用的收入效应。张永丽等[18]的研究显示，互联网使用显著促进了甘肃贫困地区的农民增收，对于低初始禀赋的农户作用更强。左孝凡等[19]认为互联网的普及能够改善贫困地区信息获取问题，从而缓解相对贫困。

尽管已有上述相关研究，但是仍然存在以下需要进一步研究的问题：第一，缺乏对互联网使用收入效应解释机制的探讨，大部分研究评估了互联网使用对农村居民的增收作用，少量研究从区域经济层面揭示了增收的机制，但是很少有文献从微观个体角度做探讨；第二，现有研究主要关注的是整体互联网的使用，移动互联网作为一种更加灵活、易于使用、成本低廉的上网方式，其对收入的影响还鲜有被揭示；第三，尚未有研究关注到移动互联网对茶农收入的影响。茶产业作为脱贫攻坚、乡村振兴的支柱产业，对其从业者收入变化的研究具有重要的现实意义。

因此，本文借助2016年国家茶叶产业技术体系的固定观测点，选取16个茶叶主产省的1 693份茶农数据，运用中介效应模型和Heckman两阶段模型展开移动互联网使用对茶农收入影响及发生机制的探讨。本文的创新点体现在：一是引入知识获取和网店经营两项中介变量，从农户经营角度分析了移动互联网使用对茶农收入影响及作用机制；二是将移动互联网使用从整体互联网使用行为中识别出来进行分析，使得研究结论更聚焦，对现实工作更有参考意义；三是关注于茶业这一特色农业，相对于其他农业产业，茶产业收入水平相对较高，茶农的信息化素质相对较强。研究移动互联网使用对于茶农收入影响具有天然优势。

1 理论方法与数据模型

1.1 理论分析

本研究理论分析框架见图1。从理论分析来看，移动互联网使用对茶农收入的影响存在多种机制。首先移动互联网的使用带给茶农丰富的专业知识，提供了一种简易便捷的渠道来获取茶叶有关讯息。这有利于茶农将所学知识转化为经验决策，消除认知中的不确定性，帮助其解决现实中遇到的困难，进而及时调整生产管理中的自我行为。

图1 理论分析框架

此外，近年来随着电子商务的迅猛发展，流量也从传统的线下渠道转移到线上平台。是否跟随时代发展开设网店已经成为茶农在销售中绕不开的话题。零售行业数字化迎合了消费者的需求，满足了消费者的喜好。同时，也帮助茶农扩大了产品的客户群体和销售范围，促进其收入的增长。

1.2 模型构建

为验证移动互联网使用对茶农家庭收入的影响，首先采用最小二乘法（OLS）模型进行计量分析。

Yi为第i个被调研茶农的家庭总收入的自然对数；Xi为第i个茶农的移动互联网使用情况，即是否会使用手机上网；controlsi是一系列可能影响到茶农收入的控制变量，包含茶农个体特征、家庭经营特征、省份虚拟变量；α0为常数项，α1、α2为待估系数；μi为随机误差项。

从信息效应理论上来看，人们会根据自己获取的信息来调整之后的行为。茶农使用移动互联网，一般不会直接促进茶农增收，而是通过使用手机操作某些功能，获得或者掌握某些知识、信息、技能等来影响茶农收入的增加。因此本文选取调研问卷中知识获取、网店经营这两项应用能力，作为中介变量进行后续研究。为验证这一假设设定模型。

abilityi为中介变量，表示第i个茶农的应用能力，包括知识获取、网店经营。β0为常数项，β1、β2、β3为待估系数；φi为随机误差项。

为解决样本选择偏差带来的内生性问题，本文采用Heckman两阶段回归模型。第一步是利用选择方程来估计茶农是否会移动互联网使用，计算得出逆米尔斯比（imr）；第二步将imr与移动互联网使用、茶农个体特征、家庭特征等变量作为自变量，运用结果方程估计移动互联网使用对于茶农收入的影响，具体公式如下。第一阶段计算得出imr，将其作为新的控制变量加入到公式（4）中，重新回归，以此来修正样本选择偏差带来的内生性问题。γ0为常数项，γ1、γ2、γ3为待估系数；τi为随机误差项。

1.3 数据来源与描述

1.3.1 数据来源

文章数据来源于2016年国家茶叶产业技术体系数据库，覆盖云南、贵州、四川、湖北、福建、浙江、安徽、湖南、陕西、河南、江西、广西、广东、重庆、江苏、山东等16个茶叶主产省，共计2 325户茶叶种植户。剔除题项缺填率较大、缺乏关键信息问卷以及明显存在极端值的问卷后，得到有效问卷1 693份。

1.3.2 变量选取及描述

文章主要变量的代码和定义如表1所示，表2为各变量的描述性统计。在本研究中，被解释变量为填报问卷茶农的2016年家庭总收入。文章研究对象主要为茶农，而茶农家庭收入的主要来源即为茶叶收入。同时考虑到茶农家庭总收入中，有些可能是自有茶园的生产性收入，有些是外来茶叶的经营性收入，在数据统计过程中难以具体区分，为了缩小数据绝对值之间的差距，将收入取自然对数表示。

表1 变量定义

表2 手机上网农户与非手机上网农户变量差异的描述性统计

核心解释变量为移动互联网使用，采用问卷中“户主或生产决策人是否会使用手机上网”这一虚拟变量进行测度。其中X=1表示茶农会使用手机上网，X=0表示茶农不会使用手机上网。在分析样本中，共有1 279位茶农会使用手机上网，占总样本的75.55%，不会使用手机上网的茶农有414人，占比24.45%（表2）。

中介变量有两个，分别为知识获取和网店经营。知识获取在调研问卷中包含5种手机运用情况，具体为：①接收病虫害预测或防治短信；②接收产销信息；③加入茶叶相关微信群；④上网浏览茶叶相关知识；⑤主动搜索茶叶知识。网店经营同样为虚拟变量，其中X=1表示茶农开设网店销售茶叶，X=0表示茶农没有开设网店售卖茶叶。

控制变量有两种类型，一是茶农个体特征，包括性别、年龄、受教育程度；二是家庭经营特征，包括是否参加合作社、劳动力占比、茶园面积、了解政府发布信息程度。其中茶园规模与茶农收入在一定范围内存在正相关性，因此为排除一定规模因素的影响，将茶园规模作为一项重要的控制变量，并作自然对数处理。数据处理、模型分析中可能并不能完全消除茶园规模因素对文章结果的影响，今后研究中需采用更合理的方法或手段，对这一问题进行更加严谨分析。

从描述性统计结果可知，数据样本中茶农的最大年龄为60岁，最小为24岁，平均年龄为48岁。整体年龄较为符合当下各地茶叶种植户情况，间接说明样本能够很好反映总体程度，有利于之后结果的实证分析。大部分茶农为初中学历，占54.99%，高中及以上学历占30.30%，整体教育水平偏低。

2 实证分析

2.1 基准回归

因为各解释变量间有较高相关性，全部纳入一个模型会导致自由度不够，本文采用分步回归方式进行计量分析，有关茶农收入的影响因素分析结果如表3所示。首先只分析手机上网对茶农收入的影响，发现会使用移动互联网的茶农比不会使用的家庭收入要高，在1%的统计水平下差异显著。再加入茶农的3项个体特征，包括性别、年龄和受教育程度后，在1%水平全部差异显著。最后再加入4项家庭经营特征，包含是否参加合作社、劳动力占比、茶园面积、了解政府发布信息程度等，回归结果依然全部显著。可见移动互联网使用、茶农个体特征、家庭经营特征等是影响茶农收入的重要因素。

表3 互联网使用对茶农收入影响的基准回归结果

2.2 机制分析

在控制省份固定效应后，知识获取的中介效应分析见表4，知识获取的估计系数为0.047在1%置信水平下显著为正。这表明农户在掌握移动互联网使用后，会促进其茶叶知识的获取，包括接收病虫害预测或防治短信，接收产销信息，加入茶叶相关微信群，上网浏览茶叶相关知识，主动搜索茶叶知识等，并将所学知识运用到茶叶生产管理中。使用移动互联网可以帮助茶农在购买农资、售卖茶叶等生产经营活动中获得信息优势，产生一定的增收效应；或是通过学习掌握某些种植、防控等技术，提高茶叶品质，进而在销售中提高了价格优势。

表4 知识获取的中介效应分析

在对网店经营这一中介变量进行回归分析后，发现该应用能力为0.198，在1%统计水平上与茶农家庭总收入呈显著正相关（表5）。部分茶农通过移动互联网获取了更多的销售渠道，即线上渠道来促进销售，提高了家庭收入。此外，网店经营存在一定的技术门槛，知识获取会间接作用于网店经营过程。这说明那些能够及时学习，紧跟时代，善于使用数字技术的茶农抓住了互联网红利，从而可以不断累积资本，拉开与数字素养偏低农户的差距。

表5 网店经营的中介效应分析

2.3 内生性分析

对于农户而言，移动互联网使用是一个自选择的过程，如果不加以处理，则会导致选择性偏误，影响估计结果的可信度。因此，本文借助Heckman两阶段回归模型进行处理，第一阶段，估计茶农如何选择移动互联网使用，然后计算得到imr；第二阶段，将imr、移动互联网使用及其他控制变量作为自变量，估计移动互联网使用对茶农收入的影响（表6）。

表6 内生性分析结果

根据结果来看，imr在5%水平下显著，说明样本选择偏差问题确实存在，选用Heckman两阶段回归模型处理模型内生性是合适且必要的。第一阶段中年龄、受教育程度、是否参加合作社、茶园面积、了解政府发布信息程度等通过了显著性检验，说明这些变量是影响茶农移动互联网使用的重要因素。第二阶段中除年龄外，性别、受教育程度、是否参加合作社、劳动力占比、茶园面积、了解政府发布信息程度等变量在1%水平下显著，说明上述变量是影响茶农收入的重要解释变量。手机上网在1%的置信水平也通过显著性检验，结果依然稳健，说明移动互联网使用可以促进茶农收入的增加。

3 结论与建议

本研究系统梳理了相关文献和理论基础，归纳提出了移动互联网使用对农户收入增长的作用机制，根据国家茶产业技术体系2016年数据，运用中介效应模型和Heckman样本选择模型实证分析了移动互联网使用对于茶农收入的增收效应，并对作用机制进行了探索。得到结论：（1）移动互联网使用作为一种技能或者个人能力，是影响茶农增收的重要因素。此外，茶农的个体特征（包括性别、年龄和受教育程度）以及家庭特征（包括参与合作社、家庭劳动力占比、家庭茶园总面积、了解政府发布信息等）是促进茶农增收的关键因素。（2）从影响机制来看，通过移动互联网获取知识和经营网店这两项应用能力作为中介变量促进了茶农增收。移动互联网使用，会提高茶农的知识获取能力，帮助其在生产经营等活动中获得信息优势，或是通过学习获得某些种植、防控等技术来提高茶叶的品质，从而产生一定的增收效应。此外，移动互联网帮助茶农获取了更多的销售渠道，即线上渠道来销售茶叶，促进了家庭收入的提高。

针对以上几点结论，本文提出以下政策建议：（1）当地政府要深入贯彻落实数字乡村战略，不断加强、完善农村地区数字基础设施建设，为提高农户的互联网接入提供外部条件。（2）将数字信息技术与农业生产经营活动资源整合，实现融合互动，创新发展。（3）推进茶农数字技术的教育培训，不断提高农户的数字素养与技能。