城市数字经济对共同富裕的影响机制及作用效果

刘 娜，肖文琛

（湘潭大学a.商学院；b.消费经济研究院，湖南 湘潭 411105）

0 引言

共同富裕是社会主义的本质要求，是中国式现代化的重要特征，如何推动共同富裕的实现是全社会关注的热点。数字经济作为一种全新的经济模式，是驱动中国经济高质量发展、带动全民收入稳定增长的关键。因此，研究数字经济与共同富裕之间的关系具有重要的现实意义。

对于数字经济的测度，学者们衡量数字经济发展水平的方式分为单一维度和多个维度。单一维度通常直接采用某一机构发布的某种数字经济发展指数[1]；而多个维度则是从产业数字化、数字产业化角度切入，围绕数字基础设施、数字经济应用等维度构建数字经济发展指数[2,3]。

对于共同富裕的测度，主要有单一维度、两个维度和三个维度三种不同的方法。有的学者用“中产阶层人数占比”这个单一指标来测度共同富裕[4]，虽然简单明了，但难以反映共同富裕的真实情况。有的学者借鉴人类发展指数的构建方法，从发展度和共享度两个维度来测度共同富裕[5]，虽然易于理解，但存在共享度的函数非单调的问题。大多数学者是从富裕度、共享度和可持续度三个维度，选择不同的指标构建综合评价指标体系，并通过无量纲化处理与指标赋权来测度共同富裕综合指数[5—7]。三个维度的测度方法是目前较为全面和更接近现实的方法，因此本文也采用三个维度的测度方法。

研究数字经济对共同富裕的影响的文献主要聚焦于数字金融能否促进共同富裕。黄倩等（2019）[8]从效率和公平的视角探究数字普惠金融的减贫效应，认为数字普惠金融通过促进贫困阶层的收入增长以及改善收入分配来达到减贫效果。韩亮亮等（2023）[1]的研究则认为，数字普惠金融有助于提高创业活跃度，能够赋能乡村产业振兴，进而实现共同富裕。张勋等（2020）[3]则从数字金融视角展开研究，认为数字金融有利于促进创业机会均等化，提高农村低收入群体的收入水平，进而促进经济的包容性增长。从综合角度考察数字经济对共同富裕促进作用的文献也在不断增多，但主要是对促进机理或效应的理论阐述。

本文在前人的基础上，进一步深入研究数字经济与共同富裕之间的定量关系，同时参考文献[5—7]的研究，选取富裕度、共同度、可持续度三个维度来测度共同富裕指数，系统梳理数字经济影响共同富裕的理论机制和作用效果。

1 理论分析与研究假设

数字经济作为一种新型经济模式，是促进社会经济增长、创新、发展的新引擎。众多学者的研究结果表明，数字经济对收入增长[3]、提高贸易竞争力[9]等方面都有积极的影响。数字经济的全面发展加快了社会经济的发展速度，当经济发展水平达到一定程度后能够更快地实现共同富裕。数字经济能带来生产力的高速发展，提升居民收入水平，从而提升全社会的总体富裕水平。由此，提出假设1：

假设1：数字经济能够对共同富裕产生促进作用。

数字经济可以通过数字产业化和产业数字化的实现，推动产业结构升级。随着数字经济的不断发展，数字技术不仅可以促进新模式、新产业和新业态的产生，而且对产业结构升级也能起到积极推动作用，即实现数字产业化。并且可以通过赋能大数据、人工智能、数字平台等产业发展，促进数字技术与传统产业融合，从而实现传统产业生产过程的智能化。通过提高企业组织的管理和生产配置效率来降低生产成本，推动全社会的可持续发展，进而促进共同富裕。由此，提出假设2：

假设2：数字经济有利于产业结构升级，进而促进共同富裕。

数字经济可以通过降低研发成本、促进合作、改善市场环境等方式，提高区域技术创新水平，而技术创新能够推动经济高质量发展，进而促进共同富裕。第一，数字信息网络的使用增强了区域之间的互联互通，使人才交流、技术支持和资金流动更加便捷，从而降低了创新活动的成本，有助于跨区域合作和技术创新。第二，物联网的发展弱化了距离的影响，使得不同的创新主体可以在不同的地理空间中同时参与技术创新活动，增强了技术创新的外部溢出效应，有助于提升区域技术创新水平。由此，提出假设3：

假设3：数字经济有利于提升区域创新能力，进而促进共同富裕。

随着社会的飞速发展，数字经济对传统经济的影响还涵盖了流通、消费等领域。第一，数字经济推动生产环节实现智能化，而这种变革又进一步促进了消费增长。第二，数字经济推动流通领域的创新，有利于降低商品流通成本，提高消费者的消费意愿，进而刺激消费增长。第三，数字经济的发展推动了居民消费方式的变革。综上，数字经济通过生产环节优化、流通领域创新和消费方式变革促进居民消费，使资源能够高效率配置，促进经济高质量发展，进而推动共同富裕。由此，提出假设4：

假设4：数字经济有利于促进社会消费，进而促进共同富裕。

2 模型设定、变量选取和数据来源

2.1 模型设定

为探究城市数字经济对共同富裕的影响，本文构建如下模型：

其中，CPi,t代表i城市第t年的共同富裕指数，DEi,t为数字经济发展指数，Control代表文中所选取的一系列控制变量。同时，为了控制其他随时间改变的变量以及不随时间改变但是有可能对其造成影响的因素，模型对年份和城市进行了控制，ui为城市固定效应，δt为年份固定效应，εit为随机扰动项，α、β、γ为参数，本文重点关注的是参数β。

2.2 变量选取

2.2.1 被解释变量及其测度

被解释变量为共同富裕。为了对其进行准确测度，本文参考文献[5—7]构建的共同富裕指标体系，从富裕度、共同度和可持续度三个维度来进行测度，并且选取了7个二级指标、15个三级指标（见下页表1）。

表1 共同富裕指标体系

首先，根据统计数据初步计算单个指标的值，由于这些指标值与共同富裕指数存在正向或负向关系，且单位也不一致，因此对所有指标进行无量纲化处理；然后，采用熵值法对所有的单个指标进行赋权；最后，得到共同富裕指数。

本文采用熵值法对各城市的共同富裕指数进行测度。由于在实现共同富裕的道路上有着不同阶段，在改革开放初期，重点关注的是富裕度指标，目前阶段则应重点关注共同度，而熵值法可以根据离散程度确定权重，从而能够在不同阶段更加准确地反映各城市的共同富裕水平情况，因此本文选择熵值法来进行测度。我国的共同富裕指数走势如图1所示。

图1 2011—2020年我国共同富裕指数与数字经济发展指数走势

第一步，设置系数矩阵。假设各地区、各指标的矩阵如下：

其中，i表示指标，j表示年份，xij表示第i个指标第j年的数值。

第二步，指标标准化处理。

第三步，计算指标所占比重。

其中，表示第t 年第j 个指标下的第i个指标所占的比重。

第四步，计算指标信息熵。

其中，代表信息熵，且∊[0,1]，越小表示离散程度越大，即这个指标提供的信息量越大，则这个指标的权重也越大。

第五步，计算权重。

其中，表示第j个指标在第t年的权重。

第六步，计算综合指数。

其中，代表经过计算后的第i个城市在第t年的共同富裕指数。

2.2.2 核心解释变量及其计算

核心解释变量为数字经济。借鉴赵涛等（2020）[2]、刘军等（2020）[10]的测度方法，将互联网发展作为测度核心，并且结合以往学者所使用的数字产业发展指数以及数字普惠金融指数，构建如表2所示的数字经济指标体系。同时参考王军等（2021）[11]的中国数字经济测度方法，从数字基础设施、数字产业发展、数字普惠金融三个方面来综合测度城市数字经济发展指数（见表2）。

表2 数字经济指标体系

通过上述方法得到城市数字经济发展指数DE，DE介于0～1，DE越大，代表该城市的数字经济发展水平越高；反之，DE越小，代表该城市的数字经济发展水平越低。从图1中可以看到，数字经济发展指数与共同富裕指数随着时间的推移都具有波动向上的趋势，两者存在高度的正相关关系。

2.2.3 中介变量

本文选取的中介变量为产业结构升级、区域创新能力和社会消费效应。本文认为数字经济的发展有利于产业结构从较低水平向较高水平演变，进而促进共同富裕。参考陈晓东和杨晓露（2021）[12]的做法，以第三产业增加值与第二产业增加值的比值作为产业结构升级的代理变量。参考李建强和赵西亮（2021）[13]的做法，采用各城市专利授权量的对数作为区域创新能力的代理变量。借鉴易行健和周利（2018）[14]的做法，使用社会消费品零售总额作为社会消费效应的代理变量。

2.2.4 控制变量

本文的控制变量主要有：政府干预，采用公共财政支出与地区生产总值的比值表示；教育支出，采用财政教育支出占GDP的比重衡量；对外开放，以按当年名义汇率计算的进出口总额（人民币计价）与地区生产总值的比值衡量；人力资本，采用各地区高校在校生人数与各地区年末总人口的比值表示。

2.3 数据来源及描述性统计

本文的实证数据采用2011—2020 年我国270 个地级及以上城市的面板数据，表3报告了主要变量的描述性统计结果。数据主要来源于《中国统计年鉴》、国泰安数据库、EPS数据库、国家统计局官方网站等。

表3 主要变量的描述性统计

3 实证分析

3.1 基准回归及结果分析

根据Hausman检验拒绝原假设的结果，采用双向固定效应模型对城市层面的数字经济与共同富裕之间的关系展开定量分析。

如表4所示，列（1）只控制年份和城市固定效应，结果表明城市数字经济与共同富裕存在显著的正相关关系。将数字经济的一级指标（数字基础设施、数字产业发展和数字普惠金融）分别对共同富裕进行回归，回归结果显示，在数字经济的一级指标中，数字产业发展对共同富裕的促进效果更加明显。列（2）在列（1）的基础上加入了控制变量，由于部分影响城市共同富裕的因素被控制变量所吸收，数字经济的系数有所减小，但显著性不变，从系数的数值来看，数字经济每上升1个单位，共同富裕将提高0.1842个单位，并在1%的水平上显著，说明城市数字经济能够显著促进共同富裕，由此证明了假设1。

表4 数字经济与共同富裕基准回归结果

3.2 内生性处理

为了克服内生性问题，本文借鉴张勋等（2020）[3]的处理思路，采用两类工具变量对可能出现的计量误差进行估计，同时模型均选择两阶段最小二乘法来进行回归。首先，选用互联网普及率作为数字经济的工具变量①，因为中国互联网普及率高的地方也极有可能是数字经济发达的地区，同时互联网普及率不太可能直接对共同富裕产生影响，所以满足相关性和外生性条件，工具变量①的回归结果如下页表5 列（1）和列（2）所示。其次，借鉴Nunn 和Qian（2014）[15]的研究思路，选取各城市距杭州市的球面距离与除该城市以外的其他城市的数字经济发展指数的均值（全国平均数字经济发展指数），将两者的交互项作为数字经济的工具变量②，回归结果如表5 列（3）和列（4）所示。最后，检验结果显示，两个工具变量与数字经济均存在显著的正相关，说明工具变量对内生变量具有较强的解释力。弱工具变量检验结果显示均通过了检验①经检验，工具变量①和②的Cragg-Donald Wald F统计量分别为137.581和184.39，不存在弱工具变量的问题。。综上所述，数字经济的发展对城市共同富裕有显著正向影响，与前面的基准回归结果一致。

表5 数字经济对共同富裕影响的工具变量检验结果

3.3 稳健性检验

3.3.1 替换被解释变量和解释变量的计算方法

为避免主观赋权以及多个指标数据重叠的问题，本文使用熵值法测度各城市的共同富裕指数和数字经济发展指数。但熵值法也存在容易忽略指标本身重要程度的缺点，有时候确定的指标权重与预期的结果相去较远。为了检验基准回归结果的稳健性，本文使用主成分分析法重新进行测算。回归结果如下页表6列（1）和列（2)所示，列（1）使用主成分分析法测算共同富裕指数，结果与基准回归结果一致；列（2）使用主成分分析法对数字经济发展指数进行重新测算，结果也依然显著，说明基准回归的结论是稳健的。

表6 数字经济对共同富裕的影响：稳健性检验

3.3.2 剔除直辖市样本

考虑到直辖市的特殊地位和政策偏向性，直辖市在城市发展理念、资源占有率、社会开放程度、经济发展等方面都更有优势，可能会存在直辖市的共同富裕程度更高，反过来影响数字经济的发展情况，反向因果问题比较严重。参考韩亮亮等（2023）[1]的做法，本文选择剔除北京市、上海市、天津市和重庆市4 个直辖市后，利用模型（1）重新进行回归。结果如表6列（3）所示，数字经济的系数仍然显著为正。

3.3.3 替换估计方法

本文选择Driscoll-Kray标准误的固定效应模型（XTSCC）①组间异方差检验和组内自相关检验结果的P值均为0，这表明模型存在组间异方差检验和组内自相关问题。，综合处理异方差和自相关问题，回归结果如表6 列（4）所示。回归结果显示，数字经济的发展能够提高各城市的共同富裕程度，本文的结论依然稳健。

4 进一步分析

4.1 数字经济促进共同富裕的机制检验

4.1.1 产业结构升级的中介效应

为验证假设2，本文参考陈晓东和杨晓露（2021）[12]的做法，以第三产业增加值与第二产业增加值的比值作为产业结构升级的代理变量。中介效应模型的检验结果如表7所示，列（1）是基准回归结果；从列（2）可以看出，数字经济对产业结构升级的影响显著为正，说明数字经济能够促进产业结构升级；由列（3）可知，产业结构升级对数字经济促进共同富裕起部分中介作用，说明数字经济能够推动数字技术创新和产业集群发展，为实现共同富裕提供动力，由此，假设2得证。从具体的系数值来看，在保持其他因素不变的情况下，城市数字经济发展指数每上升1%，共同富裕指数会直接提升17.37%，同时也会使产业结构升级提升63.75%，从而导致共同富裕指数间接提升1.11%，总效应提升18.48%，产业结构升级的中介效应占总效用的比例为6.01%。

表7 数字经济影响共同富裕的作用机制

4.1.2 区域创新能力的中介效应

为验证假设3，本文参考李建强和赵西亮（2021）[13]的研究，选取各城市专利授权量的对数作为区域创新能力的代理变量。检验结果如表7 所示，列（4）中数字经济对区域创新能力的影响在1%的水平上显著为正，说明数字经济能够对各城市创新能力产生显著的正向影响；列（5）中加入了中介变量区域创新能力以后，区域创新能力对共同富裕的回归系数同样显著为正，而且列（5）中数字经济对共同富裕的影响系数相较于列（1）有所下降，表明区域创新能力对数字经济促进共同富裕同样起着部分中介效应，可能的原因在于，数字经济有助于市场环境的不断优化，公开透明的市场环境能够激发企业加大研发投入，从而推动社会生产效率不断提升，起到良性循环作用，进而促进共同富裕，由此，假设3得证。从具体的系数值来看，在总效应18.48%中，直接效应为18.15%，区域创新能力的中介效应为0.33%，区域创新能力的中介效应占总效应的比例为1.79%。

4.1.3 社会消费效应的中介效应

为验证假设4，本文借鉴易行健和周利（2018）[14]的做法，使用各城市社会消费品零售总额的对数作为社会消费效应的代理变量。检验结果如表7 所示，列（6）中数字经济能够在1%的水平上显著促进社会消费效应的提高，列（7）中加入中介变量社会消费效应后，数字经济对共同富裕的回归系数依旧显著为正，并且数字经济对共同富裕的影响系数相较于列（1）有所下降，同样说明创业活力对数字经济促进共同富裕起着部分中介效应，可能的原因在于，数字经济打破了传统消费的时空限制，并且改变了居民的传统消费方式，降低了消费门槛，使资源能够高效配置，促进经济高质量发展，进而推动共同富裕，由此，假设4 得证。从具体的系数值来看，在总效应18.48%中，直接效应为17.42%，社会消费效应的中介效应为1.06%，社会消费效应的中介效应占总效应的比例为5.74%。

4.2 数字经济促进共同富裕的异质性分析

4.2.1 不同基础设施水平的异质性

虽然数字经济克服了传统金融的低受众、高排斥的问题，但是地理距离、基础设施等依然是阻碍数字经济发展的重要因素，为检验这种影响是否会对共同富裕产生进一步的影响，本文借鉴田瑶等（2022）[16]的做法，采用互联网接入端口数作为基础设施水平的代理变量，并按互联网普及率的中位数将样本分为两组以进行分组回归。由于互联网的使用率增加，能够强化经济、社会等领域的互联互通，推动产业数字化转型，从而使数字经济进一步发展，因此采用互联网普及率作为代理变量具有合理性。回归结果如表8所示，列（1）中数字经济的系数显著为正，列（2）中的系数则不显著，说明在互联网普及率高的城市，数字经济对共同富裕的促进作用更显著，可能的原因在于，互联网普及率高的城市能够给数字经济发展提供更好的环境。

表8 异质性分析结果

4.2.2 不同城镇化水平的异质性

数字经济产业通常以互联网为基础，而城镇化能够为数字经济促进共同富裕提供更好的动力，数字经济与城镇化之间存在相互促进的关系，为检验不同城镇化水平是否会对数字经济促进共同富裕带来不同的影响效果，本文根据王常军（2021）[17]的做法，采用各城市的城镇化率作为城镇化水平的代理变量，并按城镇化率的中位数将样本分为两组以进行分组回归。回归结果如表8 所示，列（3）中数字经济的系数显著为正，而列（4）中的系数则不显著，说明在城镇化率高的城市，数字经济的发展对于共同富裕的促进作用更显著，而在城镇化率低的城市，数字经济的发展并没有显著地提升共同富裕指数。究其原因，可能是城镇化率高的城市主要来自沿海地区及其周边地区，其数字经济发展指数也相对较高，从而对共同富裕的促进作用更大；相反地，城镇化率低的城市人口规模相对较低，其对共同富裕的促进作用相对较小，由此可见，城镇化存在一定的“辐射”范围，能够带动周边地区的经济发展，从而推动共同富裕的实现。

4.2.3 创业活跃度的调节效应

为了进一步探究数字经济影响共同富裕的异质性，本文参考赵涛等（2020）[2]的做法，使用创业活跃度作为调节变量，构造交互项，并将自变量及交互项纳入双向固定效应模型进行回归。回归结果如表8 所示，从列（5）可以看出，数字经济与创业活跃度的交互项在1%的水平上显著为正，由此可见，在创业活跃度越高的地区，数字经济对共同富裕的正向作用越大。

5 结论

本文采用2011—2020 年我国270 个地级及以上城市的面板数据，研究了城市数字经济对共同富裕的影响，不仅测算了共同富裕指数和数字经济发展指数，而且分别从产业结构升级、区域创新能力和社会消费效应三个维度探讨了他们的中介机制和作用效果，得到如下结论：（1）数字经济的发展会直接正向影响共同富裕。从三个维度来看，数字基础设施、数字产业发展、数字普惠金融的发展也都能促进共同富裕的实现，且数字产业发展对共同富裕的影响最大。（2）数字经济通过产业结构升级、区域创新能力和社会消费效应影响共同富裕，但三个不同中介机制的作用效果存在差异，其中产业结构升级的中介效应为6.01%，区域创新能力的中介效应为1.79%，社会消费效应的中介效应为5.74%。（3）数字经济对共同富裕的影响具有异质性，在基础设施完善、城镇化水平高以及创业活跃度高的城市，数字经济对共同富裕的促进作用更大。