数字普惠金融、非农就业与共同富裕

■陈海波 姜熠洁

一、引言

共同富裕是指全体人民的共同富裕，是人民群众物质生活和精神生活都富裕，不是少数人的富裕，也不是整齐划一的平均主义。共同富裕是社会主义发展的必然产物，与实现中华民族伟大复兴的目标具有一致性。

但目前，中国发展不平衡不充分的问题依旧存在。中央财经委员会第十次会议将提高发展的平衡性、协调性、包容性作为促进共同富裕的重要途径。2019年11月，中国信息通信研究院发布《数字普惠金融发展白皮书（2019年）》，指出数字普惠金融在促进经济发展、缩小城乡差距、减少贫困等问题上具有重要意义。随着我国经济活力的增强与互联网技术的广泛应用，数字普惠金融的发展质效得到不断提升，数字普惠金融已成为破解中国发展不平衡不充分、促进共同富裕的重要手段。

农民群体和女性群体是扎实推进共同富裕过程中需要重点关注的人群，也是数字普惠金融服务的重点对象。“三农”问题是共同富裕进程中最艰巨最繁重的任务，而女性群体则是共建共享共同富裕美好生活的重要主体。党的十八大以来，农业转移人口加快融入城市，1 亿农业转移人口和其他常住人口在城镇落户，农村居民非农就业对新型城镇化的推进和乡村振兴战略的实施具有重要意义。

基于此，本文将重点关注数字普惠金融对共同富裕的影响，并考虑非农就业在传导机制中的作用。可能的贡献在于：一方面，构建多维度共同富裕发展水平指标评价体系，更加准确地测度中国共同富裕的发展水平和演化格局。另一方面，从微观视角对数字普惠金融对共同富裕的影响进行实证检验，并发现数字普惠金融能够促进农村居民和女性居民参与非农就业。

二、理论分析与研究假设

（一）数字普惠金融与共同富裕

在测度共同富裕发展水平时，学者们通常采用两种方法。第一，运用极值法构建多维指标体系。其中，基本指标的选择又可分为以下两种：其一，从共同度和富裕度视角出发，选取物质生活富裕、精神生活富裕、基础设施建设和社会共享角度构建多维指标体系[1—4]。其二，从共同度、富裕度和可持续度视角出发，选取经济发展水平、发展协调水平、精神文化建设、生态文明建设与基础公共服务角度构建多维指标体系[5—7]。第二，运用极值法或乘数法测算共同富裕指数。例如，在国际研究中常被使用的美国皮尤中心“中产阶层”定义、基尼系数、共享繁荣溢价、人类发展指数、财政发展指数和PPP指数等。学者们也会根据研究需要构建共同富裕测度公式。Bomhoff等[8]在研究时考虑了收入水平和宗教信仰因素。席恒等[9]基于总体收入水平和收入极化程度构建共同富裕指数。

数字普惠金融具有增收减贫、促进金融高质量发展等功能。Kapoor[10]研究发现普惠金融是使所有公民都能为经济增长作出贡献并从中受益的“均衡器”，能够减少收入差距，缓解社会资源分配不均衡的现象。刘心怡等[11]验证了数字普惠金融对缓解融资约束、促进经济增长的作用。Shen 等[12]发现金融市场总是新信息技术最积极的采用者，数字普惠金融可以降低交易成本、增强金融市场信息传播效果，进而促进金融高质量发展。李优树等[13]发现数字普惠金融能够提升金融体系内部的抗风险能力，促进资本转移。因此，数字普惠金融有助于缓解发展不平衡不充分的问题，推动广大市场主体和人民群众共享发展成果，是促进共同富裕的重要手段。由此，本文提出假说1：

H1：数字普惠金融是迈向共同富裕的助推器，数字普惠金融发展能够促进共同富裕。

（二）数字普惠金融与非农就业

在第三次科技革命的背景下，数字普惠金融以数字技术为依托，摆脱了传统金融机构的局限性，使得以农民和女性为代表的“长尾群体”受益，将金融服务延伸至最后一公里。Beck等[14]提出数字普惠金融能够克服市场失灵使低收入者受益。谢绚丽等[15]研究发现数字普惠金融能够为企业经营规模的扩大和居民创业提供有利条件，从而为农民非农就业提供岗位。刘丹等[16]实证检验了数字普惠金融对农民非农就业具有促进作用和空间溢出效应。张兵等[17]研究发现数字普惠金融能够促进农户非农就业。因此，数字普惠金融能够为企业提供金融服务，促进企业的设立和发展，缓解劳动力面临的融资约束，有利于提升农民群体和女性群体的非农就业水平。由此，本文提出假说2：

H2：数字普惠金融发展能够促进农村居民和女性居民实现非农就业。

（三）数字普惠金融与低禀赋群体的非农就业

农民非农就业不仅关系到农民增收，更关系到新型城镇化和乡村振兴的实现，高质量非农就业有助于保障“三化同步”的重大战略和历史任务的完成。Mishra等[18]对美国北卡罗来纳州和堪萨斯州农户的研究发现，农户能够通过非农就业提高应对农业风险的水平并提高家庭收入。白兰等[19]研究发现子女非农就业能够提高老年人健康水平。严中成等[20]基于中国农户层面的微观数据研究发现，非农就业能够提高农户对土地的价值预期，为农户农转非增加原始资本积累。胡祎等[21]研究发现非农就业会改变农户的生产要素配置行为从而提高其家庭收入。

受到传统家庭分工观念和职场性别偏见的影响，女性就业人员在劳动力市场中长期处于弱势地位。周东洋等[22]使用中国各区县的数据进行研究发现，非农就业经历能够使农村女性获得更为现代的观念，有助于实现性别平等。陈梅等[23]通过对规模以上制造业企业数据进行研究发现，女性就业份额的增加能够降低劳动成本，提高生产率，从而提升企业出口规模。李磊等[24]研究发现适当增加女性员工比例能够提高企业全要素生产率。肖泽平等[25]对脱贫户女性劳动力进行研究，发现脱贫户女性非农就业能够提升其家庭的人均纯收入。杨震宇等[26]研究发现女性非农就业能够促进农业服务外包，缓解农村劳动力短缺的现状。因此，女性参与非农就业能够缓解劳动力短缺、提高劳动生产率，而女性就业人员比例的提升有助于性别平等观念的普及。为了检验数字普惠金融对低禀赋居民参与非农就业的影响，本文提出假说3和假说4：

H3：数字普惠金融发展能够促进农村非农就业低禀赋居民实现共同富裕。

H4：数字普惠金融发展能够促进农村非农就业低禀赋女性居民实现共同富裕。

三、模型设定与变量说明

（一）模型设定

1.数字普惠金融与共同富裕

首先构建数字普惠金融与共同富裕之间的模型，实证模型如下：

其中，COPjt表示j 地区t年份的共同富裕发展水平，DIFjt表示j地区t年份的数字普惠金融发展水平，α1衡量数字普惠金融发展对共同富裕发展的影响效应，Controlsijt表示个人和所在地区的控制变量，λi表示个体固定效应，φt表示年份固定效应，εijt为随机扰动项。由于本文分析的是地区层面的数字普惠金融发展与共同富裕发展之间的关系，为了避免地区内部居民个体之间的相关性对估计结果造成影响，将标准误聚类到地区层面。

模型（1）的控制变量分为居民个体控制变量和地区发展控制变量。居民个体控制变量包括居民的性别、民族、年龄、受教育水平、户口、子女数量和婚姻状况。由于居民年龄可以表示为个体固定效应和时间固定效应的线性组合，而其系数无法估计，同时为了缓解遗漏变量带来的误差，参考Zhang等[27]的研究，本文控制了年龄的平方项。数字普惠金融驱动共同富裕发展的过程不仅受到居民个体特征的影响，也受到当地经济和数字化发展水平的影响，因此本文的地区发展控制变量包括市场化水平、对外开放程度和互联网宽带接入数。

2.数字普惠金融、非农就业与共同富裕

数字普惠金融能够为农村人口、低收入人群以及小微企业等提供金融产品和服务，能够促进非农就业，实现包容性增长，有助于实现共同富裕。以农村居民和女性居民为代表的“长尾群体”作为数字普惠金融的重点服务对象，由于受到家庭、教育和社会等带来的低禀赋条件限制，在全体人民共同富裕发展水平中处于劣势地位，因此本文选取农村居民和女性居民两个群体，分析数字普惠金融能否促进居民非农就业。当非农就业带来的净福利为正时，居民会选择非农就业；否则，居民选择不就业或务农。非农就业为居民带来的净福利是传导机制背后的潜在变量，而是否非农就业是这个潜在变量的可观测值，本文构建潜在变量和二元选择模型如下：

其中，OFE*ijt和OFEijt分别表示i 居民j 地区t年份的非农就业净福利和是否选择非农就业，β1衡量数字普惠金融发展对非农就业的影响效应，Controlsijt表示个人和所在地区的控制变量，ψi表示个体虚拟变量，φt表示年份虚拟变量，υijt为随机扰动项。为了避免地区内部居民个体之间的相关性对估计结果的影响，同样将标准误聚类到地区层面。

模型（2）中的居民个体控制变量与模型（1）相同。地区发展控制变量稍做调整，包括互联网宽带接入数和绿色技术创新水平。绿色技术创新尤其是绿色农业技术创新能够提升农业生产率，解放农村劳动力，同时有助于企业转型升级，提升竞争力，创造更多就业机会。因此，本文选择绿色技术创新水平作为控制变量。

为了分析数字普惠金融发展能否促进农村非农就业居民和女性非农就业居民实现共同富裕，本文使用模型（1）。依据个人收入、受教育水平、年龄和主观社会公平程度对农村非农就业居民进行异质性分析；依据家庭收入、婚姻状况、子女数量和主观女性就业偏见程度对女性非农就业居民进行异质性分析。控制变量的选择也与模型（1）相同。

（二）变量选取与数据说明

1.共同富裕发展水平

评估共同富裕发展水平需要建立多维度、多主体、多视角的指标评价体系，本文从共同度、富裕度和可持续度三个维度，选取13 个二级指标、28 个三级指标构建了共同富裕发展水平指标评价体系，使用主成分分析法计算各省份共同富裕发展水平。数据来源为《中国统计年鉴》《中国劳动统计年鉴》《中国第三产业统计年鉴》。由于中国综合社会调查（CGSS）中涉及的个体变量数据有限，海南、新疆和西藏的数据缺失严重，所以选取2012年、2013年、2015年和2017年中国28个省份的面板数据进行分析。共同富裕发展水平指标评价体系的构建如表1所示。

表1 共同富裕发展水平指标评价体系

2012年、2013年、2015年和2017年中国28个省份共同富裕发展水平排名如表2所示。由表2可知，共同富裕发展水平排名前六位的省市始终为北京市、江苏省、广东省、上海市、浙江省和山东省。考虑到北京市和上海市作为直辖市的特殊性，江苏省、广东省、浙江省和山东省在中国非直辖市省份中排名前四位。从地区①角度看，东部省份共同富裕发展水平普遍较高，沿海省份共同富裕发展水平也普遍较高，西部省份共同富裕发展水平普遍较低，东北省份共同富裕发展水平排名呈下降趋势。共同富裕发展中依旧存在区域发展不平衡的问题。

表2 中国各省份共同富裕发展水平排名

2.数字普惠金融发展水平

本文使用北京大学数字普惠金融指数来衡量数字普惠金融发展水平[28]。数字普惠金融指数包括数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度这三个维度，共包含33个具体指标。

3.其他变量

本文使用的地区发展控制变量数据来源于Wind 数据库、中国研究数据服务平台（CNRDS）和《中国统计年鉴》，地区发展控制变量说明如表3所示。个体变量来源于中国综合社会调查（CGSS），居民个体控制变量说明如表4所示。主要变量的描述性统计如表5所示。

表3 地区发展控制变量说明

表4 居民个体控制变量说明

表5 主要变量描述性统计

四、实证分析

（一）数字普惠金融与共同富裕

根据模型（1）进行线性最小二乘法（OLS）回归，加入个体和时间双重固定效应，并依次控制居民个体控制变量和地区发展控制变量，同时将标准误聚类到地区层面以避免地区内部居民个体之间的相关性对估计结果的影响，回归结果如表6所示。所有回归中，数字普惠金融发展水平的系数均显著为正，说明整体而言，数字普惠金融发展能够促进共同富裕发展水平，从而验证了假说1。从控制变量看，居民个体控制变量系数基本不显著，可能是由于这些变量在短期内并不随时间变化或变化很小，因此基本上被个体固定效应吸收[29]。地区发展控制变量的系数均为正，对外开放程度和互联网宽带接入数在统计意义上显著，说明地区经济活跃度和数字化发展水平的提升有助于提升共同富裕发展水平。

表6 数字普惠金融与共同富裕：基准模型

（二）地区异质性分析

根据模型（1），对中国东部、中部、西部和东北地区的数字普惠金融与共同富裕之间的关系进行异质性分析，加入个体和时间双重固定效应，并控制居民个体控制变量和地区发展控制变量。其中，地区发展控制变量相较模型（1）稍做调整，包括对外开放程度、对外贸易依存度和互联网宽带接入数。同样将标准误聚类到地区层面，回归结果如表7所示。从总体看，数字普惠金融发展水平的系数均显著为正，进一步验证了假说1。分地区看，东北地区的数字普惠金融发展对共同富裕的影响效应最大，其次为中部地区和东部地区，西部地区的数字普惠金融发展对共同富裕的影响效应最小。这可能是因为东北地区虽然面临着产业转型升级的压力，但拥有地理区位和工业化基础优势，数字普惠金融能够为转型期企业缓解资金约束，因此能够发挥显著作用；东部地区和中部地区内部居民间共同富裕差异较大，数字普惠金融的边际效应较低；西部地区囿于地理区位和经济基础，不能发挥数字普惠金融的全部效应。

表7 数字普惠金融与共同富裕：异质性分析

（三）数字普惠金融、非农就业与共同富裕

1.数字普惠金融与非农就业

为探究数字普惠金融与非农就业间的关系，本文对农民群体和女性群体两组样本，使用模型（2）的Probit 模型进行分析，并加入个体和时间双重固定效应，依次控制居民个体控制变量和地区发展控制变量，同时将标准误聚类到地区层面，回归结果如表8所示。由表8可知，在农民群体和女性群体的两组回归结果中，数字普惠金融发展水平的系数均显著为正，说明数字普惠金融发展能够促进农村居民和女性居民实现非农就业，验证了假说2。

表8 数字普惠金融与非农就业

从控制变量看，居民个体控制变量和地区发展控制变量的系数基本不显著，说明地区整体经济活跃度和数字化发展水平的提升对农民群体和女性群体的影响并不明显，可能是由于这两个群体并没有享受到地区发展所带来的经济和社会福利。这与农民和女性作为“长尾群体”的社会定位相吻合，而数字普惠金融也确实发挥了“补位”作用。接下来，本文将样本分为农村非农就业居民和女性非农就业居民两个群体，对“数字普惠金融→非农就业→共同富裕”的传导机制进行检验。

2.数字普惠金融与共同富裕：农村非农就业居民

为探究数字普惠金融对农村非农就业居民共同富裕的影响，本文使用模型（1）进行回归，并加入个体和时间双重固定效应，控制居民个体控制变量和地区发展控制变量，同时将标准误聚类到地区层面，回归结果如表9和表10所示。

表9的（1）、（2）列中，低于或等于当年全国平均个人收入水平的居民为低水平个人收入居民，高于当年全国平均个人收入水平的居民为高水平个人收入居民。表9的（3）、（4）列中，44岁及以下的居民为青壮年劳动力，44岁以上的居民为大龄劳动力。由表9可知，数字普惠金融的发展仅能提升低水平个人收入居民的共同富裕发展水平，对高水平个人收入居民的影响不显著，可能是因为后者的经济基础较好，共同富裕基础水平较高，所以对数字普惠金融的发展不敏感。同理，数字普惠金融的发展仅能提升大龄劳动力的共同富裕发展水平，对青壮年劳动力的影响不显著，这可能是因为前者受到年龄和健康水平的限制，在参与非农就业时面临的阻力更大，却往往比后者承担着更大的家庭负担和经济压力，所以对数字普惠金融的服务更敏感。

表9 数字普惠金融与共同富裕：农村非农就业居民（一）

表10的（1）、（2）列中，未接受高中教育的居民为低受教育水平居民，接受了高中及以上教育的居民为高受教育水平居民②。表10的（3）、（4）列中，主观社会公平程度低于3的居民为主观社会不公平居民，主观社会公平程度高于3 的居民为主观社会公平居民。由于主观社会公平程度为3对应了认为当今社会“说不上公平但也不能说不公平”，无法准确分类，故不作为样本进行回归。由表10可知，数字普惠金融的发展仅能提升低受教育水平居民的共同富裕发展水平，对高受教育水平居民的影响并不显著，可能是因为后者在经历较高水平的教育后，非农就业水平较高而获得更高收入，也因经济压力相对较低而拥有更高的生活质量，因此其共同富裕水平较高，对数字普惠金融的发展并不敏感。同理，数字普惠金融的发展仅能提升主观社会不公平居民的共同富裕发展水平，对主观社会公平居民的影响不显著，这可能是因为后者的生活幸福感较高，而生活幸福感来自较低的经济压力或较高的生活质量，所以对数字普惠金融的发展并不敏感。

表10 数字普惠金融与共同富裕：农村非农就业居民（二）

综合表9和表10可知，对于具备低个人收入水平、高劳动年龄、低受教育水平或主观社会不公平等低禀赋特征的农村非农就业居民，数字普惠金融发展能够显著提升共同富裕发展水平，说明数字普惠金融发展能够促进低禀赋农村非农就业居民实现共同富裕。由此验证了假说3。

3.数字普惠金融与共同富裕：女性非农就业居民

为探究数字普惠金融对女性非农就业居民共同富裕的影响，本文使用模型（1）进行回归，并加入个体和时间的双重固定效应，控制居民个体控制变量和地区发展控制变量，同时将标准误聚类到地区层面，回归结果如表11和表12所示。

由于受到中国传统观念的影响，男性在家庭中往往承担更大的经济压力，而女性则承担更多的家庭责任。基于家庭分工差异，以个人收入高低来区分样本并不合理，因此本文采用家庭收入高低来区分女性非农就业居民样本。表11的（1）、（2）列中，低于或等于当年全国平均家庭收入水平的居民为低水平家庭收入居民，高于当年全国平均家庭收入水平的居民为高水平家庭收入居民。表11的（3）、（4）列中，婚姻状态为初婚有配偶、再婚有配偶或分居未离婚的居民为已婚居民，婚姻状态为未婚、同居、离婚或丧偶的居民为其他婚姻状态的居民。由表11可知，数字普惠金融的发展仅能提升低水平家庭收入居民的共同富裕发展水平，对高水平家庭收入居民的影响并不显著，可能是因为前者的家庭经济压力更大，所以更需要女性参与非农就业，但女性参与非农就业可能依旧无法完全解决家庭面临的经济问题，而数字普惠金融的发展则可以为这类居民提供服务，提升共同富裕发展水平。同理，数字普惠金融的发展仅能提升已婚居民的共同富裕发展水平，对其他婚姻状态的居民影响不显著，这可能是因为前者在组建家庭后面临更大的“育儿养老”压力，所以对数字普惠金融的服务更敏感。

表11 数字普惠金融与共同富裕：女性非农就业居民（一）

表12的（1）、（2）列中，没有或者有一个子女（包括继子继女、养子养女）的居民为子女数量较少的居民，子女（包括继子继女、养子养女）数量在两个及以上的居民为子女数量较多的居民。表12的（3）、（4）列中，由于主观女性就业偏见程度为赋值5至25的分类数据，所以主观女性就业偏见程度低于15的居民为主观女性就业偏见小的居民，主观女性就业偏见程度高于15 的居民为主观女性就业偏见大的居民。由于主观女性就业偏见程度15为临界值，无法准确分类，故不作为样本进行回归。由表12可知，数字普惠金融的发展仅能提升子女数量较少居民的共同富裕发展水平，对子女数量较多居民的影响并不显著，可能是因为数字普惠金融发展提供的帮助不足以提升后者的共同富裕发展水平，也可能是因为部分子女数量较多的居民已经拥有较高的生活水平，所以对数字普惠金融的发展并不敏感。同理，数字普惠金融的发展仅能提升主观女性就业偏见小的居民的共同富裕发展水平，对主观女性就业偏见大的居民的影响不显著。这与预期并不相符，可能是因为前者对职业发展抱有积极预期，会积极寻求数字普惠金融支持，以改变资金不足等问题导致的职业发展受限，而后者受到主观偏见的影响，更偏向于承担家庭责任，而对自身职业发展并没有过高要求，也因此后者对数字普惠金融的发展并不敏感。

表12 数字普惠金融与共同富裕：女性非农就业居民（二）

综合表11和表12可知，对于具备低家庭收入水平或已婚的低禀赋特征农村非农就业居民，数字普惠金融发展能够显著提升共同富裕发展水平，说明数字普惠金融发展能够促进低禀赋女性非农就业居民实现共同富裕，由此验证了假说4。假说2、假说3和假说4得到验证，因此证实了“数字普惠金融→非农就业→共同富裕”的传导机制。

（四）稳健性检验

1.内生性检验

在进行数字普惠金融、非农就业与共同富裕的分析时，内生性问题是难以避免的[30]，本文对反向因果问题和遗漏变量问题进行内生性检验。

第一，反向因果问题。由于本文每个模型中涉及的变量数据来自不同数据库，每个模型都包含宏观数据和微观数据，所以可以认为反向因果性被大大降低。

第二，遗漏变量问题。本文使用工具变量法检验遗漏变量问题，将居民所在地区距杭州的球面距离（DIS）作为工具变量，进行两阶段最小二乘回归，回归结果如表13所示。由于杭州市是支付宝（中国）网络技术有限公司总部及其母公司阿里巴巴集团中国总部的所在地，其数字金融发展水平在中国和全球处于领先地位，能够为周边地区带来发展理念和金融科技的溢出效应，因此在地理上距离杭州市越近，就越有可能提高本地区数字普惠金融的发展水平[29]。由表13可知，在使用工具变量控制内生性问题后，数字普惠金融发展水平的系数依旧显著为正，说明数字普惠金融的发展对共同富裕的促进作用是显著且稳健的。

表13 工具变量检验

2.其他稳健性检验

为了对模型（1）进行稳健性检验，本文将主成分分析法计算的共同富裕发展水平更换为熵值法计算的共同富裕发展水平，回归结果如表14的（1）列所示。由于2013年支付宝的兴起被普遍认为是中国数字金融发展的开端[31]，故剔除2012年的样本，仅对2013年、2015年和2017年的样本进行模型估计，回归结果如表14的（2）列所示。直辖市由中央直接管辖，在政治、经济、科技和文化等方面均具有举足轻重的地位，因此本文剔除北京市、上海市、天津市和重庆市的样本，对样本进行重新估计，回归结果如表14的（3）列所示。由表14的（1）至（3）列可知，数字普惠金融发展水平的系数全部显著为正，再次说明数字普惠金融的发展对共同富裕的促进作用是显著且稳健的，假说1得到进一步验证。

表14 其他稳健性检验

为了对模型（2）进行稳健性检验，本文改变估计方法，使用Logistic 回归模型对样本进行重新估计，回归结果如表14的（4）和（5）列所示。结果显示，数字普惠金融发展水平的系数均显著为正，说明数字普惠金融发展对农村居民和女性居民实现非农就业的促进作用是显著且稳健的。假说2至4得到进一步验证。

五、结论与建议

本文基于2012年、2013年、2015年与2017年数据，探究了数字普惠金融对共同富裕的影响效应与传导机制。研究结果表明：一是数字普惠金融发展能够促进共同富裕；二是数字普惠金融发展能够促进农村居民和女性居民实现非农就业；三是相较于高禀赋的农村非农就业居民和女性非农就业居民，数字普惠金融发展能够显著促进低禀赋居民实现共同富裕，体现了数字普惠金融的包容性理念。基于本文的研究结果，提出以下政策建议：

第一，加强数字化基础设施建设，提高数字普惠金融发展水平，坚持对外开放，并持续吸引外资流入，构建国内国际双循环相互促进的新发展格局，同时要关注中国区域发展差异，针对区域资源禀赋和经济格局制定差别化政策，以先富带动后富，逐步实现共同富裕。

第二，拓展数字普惠金融发展的广度和深度，帮助以农民和女性为代表的“长尾群体”跨越数字鸿沟，切实享受数字普惠金融发展红利，同时鼓励农民和女性参与非农业就业创业。

第三，树立劳动力市场性别平等观念，建立完善的员工晋升机制，推动女性实现高质量非农就业，同时减轻家庭养育负担，充分保障女性的平等就业权。■

注 释

①东部地区：河北省、北京市、天津市、山东省、江苏省、上海市、浙江省、福建省、广东省；中部地区：山西省、河南省、安徽省、湖北省、江西省、湖南省；西部地区：重庆市、四川省、陕西省、云南省、贵州省、广西壮族自治区、甘肃省、青海省、宁夏回族自治区、内蒙古自治区；东北地区：辽宁省、吉林省、黑龙江省。

②使用“高中”作为分界点的原因在于农村非农就业居民的受教育水平并不高，接受了高中及以上教育的居民样本仅占全部农村非农就业居民样本的三分之一，所以若使用更高教育水平作为分界点，高受教育水平组别的样本量将偏低。