数字化背景下城乡收入差距缩小的机制与路径研究
2024-10-31谢雨欣
摘 要： 近年来，随着数字化技术的迅猛发展和应用的普及，数字化背景下的经济变革正在对城乡发展格局产生深远影响。在理论分析的基础上，选取2013—2021年30个省（市、区）的面板数据，构建空间杜宾模型探究数字化背景下城乡收入差距缩小的机制与路径，研究结果表明：数字经济的发展明显地带来了负向的空间溢出效应，对城乡收入差距有所影响；提高地区的数字经济水平不仅有助于缩小该地区的城乡收入差距，还能减轻周边地区的收入不平等；数字经济对城乡收入差异的影响表现出区域性的差异；随着产业协同集聚和市场化水平的提升，城乡收入差距在数字化背景下的缩小程度反而会减弱。
关键词： 数字化；城乡收入差距；产业协同集聚；市场化水平
中图分类号： F124.3; F126.2 文献标识码： A DOI： 10.3963/j.issn.1671-6477.2024.04.010
数字经济，作为数字技术产业革命的产物，代表了一种新兴的经济模式。它通过数字技术和网络平台进行商业操作，以信息和数据作为其核心，促进创新、整合和个性化。此外，它还突破了地理界限，成为推动社会及经济发展的关键动力。中国的数字经济近年来持续发展，成为国家经济增长的新引擎。2023年中国承诺进一步加速“数字中国”的建设，并发展数字世界中的开放与互利的国际合作模式。我国电子商务市场规模庞大且不断扩大，移动支付市场领先全球，在云计算和大数据领域取得了显著进展，数字金融快速崛起，目前这种新经济形态已成为经济增长的重要动力。《数字社会2024年工作要点》围绕促进数字公共服务普惠化、推进数字社会治理精准化、深化智慧城市建设、推动数字城乡融合发展、着力构筑55a6172fb6dbdca9e1202ca514f7edb303a1d8f55156480c278249abf48a02ef美好数字生活等5个方面部署重点任务。
自改革开放以来，中国经济取得显著进步，但城乡收入差距却表现为先增后减的模式。随着城乡二元结构的加深，我国城乡收入差距逐步扩大，不过近年来，旨在提高农村居民收入的政策渐见成效，使得城乡收入差距呈现下降趋势。2013年，中国城镇和农村居民的人均可支配收入分别为26955元和8896元，收入比为3.03；而到了2023年，这两组数据分别增至51821元和21691元，收入比降至2.39。数字经济为缩小城乡收入差距带来了新契机，数字技术的推广和互联网的普及，为农村居民提供了更多的就业渠道、多元化收入来源以及更多的教育和技能培训机会，促进了城乡消费互动，从而实现经济的协调发展。
一、数字经济发展对城乡收入差距变化的作用机制
（一）数字经济与城乡收入差距
随着数字经济的兴起，当今社会的生产和生活方式经历着巨大的变革。在这个过程中，数据已成为核心要素，而互联网的发展则重塑了生产关系。同时，人工智能的进步显著提高了生产效率。近些年，数字经济的快速增长引起了全球的广泛关注，并成为众多学者研究的重点领域。数字经济的发展对收入分配的影响主要体现在以下几个方面：其一，推动城乡生产要素的合理分布，通过信息整合、资金流动优化和共享经济模式的支持，实现农业由劳动力驱动向资本和技术驱动的转变［1］，从而提升农业生产效率，并且能够通过人力资本投资和产业结构升级提升本地区和临近地区的全要素生产率［2］。其二，借助数字平台的助力，促进城乡供需对接，使得农产品、服务和资源得以迅速配对与流通，城乡间的供需对接更为灵活、高效及精准，从而改善城乡信息不均与资源错配的状况［3］，降低城乡交易及寻找配对的成本［4］。其三，激发城乡市场消费潜力，数字经济的发展使得地区面临的市场需求规模扩大，促使企业集聚［5］，丰富地区就业岗位，拓展农产品展销渠道，丰富城乡消费业态，并且数字普惠金融能够显著改善收入不平等［6］。总的来说，数字经济的壮大，通过促进生产要素优化分布，推动供需对接，同时激发市场消费潜力，达成了城乡市场的互补和整合，直接缩小了城乡居民收入的差异。
学者们广泛关注数字经济的发展与收入差距之间的联系，对此有几种主流观点。一种观点认为，随着数字经济的逐渐壮大，城乡之间的收入差异可能会增加。这一观点的研究主要集中在两个方面进行阐释。首先，在理论研究方面，一些学者从政治经济学的视角分析了数字经济引入的新业态和模式，他们认为，这一领域的进步使得经济增长的成果能被广泛主体共享［7］。数字化的信息和知识作为生产要素参加收入分配，将会影响不同利益群体之间的利益分配关系［8］。其次，在实证研究方面，一些学者从宏观视角评估劳动力迁移、产业构成、市场发展及城市化进程等因素的影响，有研究表明，数字经济与城乡收入差距呈现出非线性关系，并且市场化水平发挥中介作用，扩大了城乡收入差距［8］。而从微观视角的研究主要探讨居民收入、教育水平、性别等因素对网络普及的影响，Lorence等指出低收入与高收入群体间的数字差异仍然明显，并未得到缓解［9］，互联网的使用打破了年龄对收入增长的局限，但是也加大了性别、教育水平对农村居民之间的收入差距［10］。第二种观点认为，数字经济能够改善城乡收入差距。数字技术的使用能够激发城乡消费活力，提高人力资本水平，提高农业生产率，降低农业生产成本，改善城乡收入分配格局。Bhavnani等指出移动通信服务对农村区域的持续减贫具有正面作用［11］。
（二）数字经济的空间溢出效应
空间溢出效应最早由Anselin提出，是指某个经济活动或发展在特定地区产生的影响和效益向周边地区扩散和传播的现象［12］。目前的研究主要关注生产要素的空间溢出效应。数字经济的特点，如互联互通和共享，使其能够克服地理上的空间限制，并对其他地区产生重要影响。有学者考察了电子商务对经济增长的空间效应，发现电子商务降低了地区间的交流成本，促进地区间信息化传播，产生技术溢出并进一步促进地区产业集聚［13］。同时，各区域的网络构建、知识流动、地理间隔及宏观环境等要素会导致区域间创新技术传播的差异特性［14］。
目前针对数字经济对城乡收入差异的空间溢出效应的研究较为缺乏，现有研究主要集中于探讨数字经济与城乡收入差异的线性、非线性以及动态关联。这可能使得评估数字经济对城乡收入差异的影响存在某些偏差，同时，结论可能会因数字经济的发展阶段、收入不均的定义方式以及测定指标的差异而有所不同。数字经济的空间相关性特征已得到学者们的检验，其效应受诸多因素的影响。而本地区的城乡收入差距同样会在地区间形成交互效应，进而影响地理距离相近或经济水平相似地区的城乡收入差距，并且认为数字经济的壮大会明显加剧本地及周围区域的收入不均情况［15］。有学者研究认为数字经济对城乡收入差异展现出负面的显著空间溢出效应，并在不同地区间呈现空间差异性，如在东、中、西部地区展现“正U型”关系，而在东北地区呈现“倒U型”关系［16］。
（三）产业协同集聚、市场化水平的调节作用
数字经济通过新的商业模式、就业创造、生产效率等方面可能直接影响城乡收入差距，但其影响是多方面综合作用的结果，并不仅限于某几种方式。市场化水平反映了经济活动的自由和竞争性，能够促进资源的优质配置和经济效率的增加。产业协同集聚则展现了相互关联的产业能实现资源共享、技术交流和协同创新，驱动整个产业链的共同进步，推动资源高效配置。考虑产业协同集聚和市场化水平作为调节变量参与到数字化背景下城乡收入差距缩小的机制中，不难发现，其一方面能够带来产业效率和创新能力的提高，从而推动经济增长，另一方面，由于对农村地区和城市地区的惠及程度存在差异，其间接影响到城乡收入差距，具体机制如图1所示。
数字经济的壮大可能通过增进产业效率和创新力，促进生产性服务业与高技术产业的协作集聚，进而引发创新动力，推动产业链整合，提升整体经济效率。高技术产业与生产性服务业倾向于城市集中，吸引较多的资本、人才和信息资源，导致资源分配失衡。通常从事高技术产业和生产性服务业的人员能获得较高收入，这进一步加剧了收入分配的不均。因此，在高度集聚的地区，数字经济的发展可能更为惠及城市区域，从而加剧城乡收入差异；而在低度集聚的地区，数字经济的发展可能更有利于农村区域，有助于缩小城乡收入差异。
综上所述，目前学界已广泛探讨了数字经济对城乡收入差距的影响机制，然而，对其空间溢出效应的关注尚显不足，而忽略了空间关联性可能导致研究结果的偏差。因此，本文着重研究探讨这一领域。本研究的创新点主要体现在三个方面：一是通过构建空间计量模型，探讨了之前研究较少的空间因素，为制定区域差异化的数字经济政策提供理论支持；二是采用城乡收入比和泰尔指数来描述城乡收入差距，能够更准确、全面地反映经济实况，降低误差和偏差；三是从产业协调集聚和市场化水平两个维度探讨了在数字化背景下缩小城乡收入差距的机制与路径。
二、研究模型设定、变量选取与数据来源
（一）模型设定
1.模型的选择与构建
为确认上述机制分析的逻辑，本文首先建立以下常规面板模型：
gapit=α0+α1digiit+αiCVit+μi+γt+εit（1）
式（1）中，gapit为城乡居民收入之比，digiit为数字经济发展水平，CVit为一系列控制变量；μi为个体固定效应，γt为时间固定效应，εit为随机误差项。
根据已有研究，中国的数字经济发展与城乡收入差距在地理空间上都展现出明显的相关性，仅从线性或动态关系的角度探讨两者之间的影响而忽略了它们之间的空间异质性，可能会使结果呈现偏差。为了深入分析数字经济与城乡收入差距两者之间的空间关联，本文选择构建空间计量模型，以探索数字经济发展对城乡收入差距的影响。空间计量模型主要有空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）三种，因此构建如下空间模型：
gapit=α0+ρWgapit+β0digiit+βiCVit+θ0Wdigiit+θiWCVit+εit（2）
式（2）中，ρ为被解释变量的空间自回归系数，β0为解释变量系数，βi为控制变量系数，θ0为解释变量的空间交互项系数，θi为控制变量的空间交互项系数。
2.空间权重矩阵的选择
本文分别构建邻接权重空间矩阵、反距离空间权重矩阵和反距离平方空间权重矩阵三种空间权重矩阵。
（1）邻接空间权重矩阵。用于表示节点之间的连接强度或关系密度的矩阵，其中每个元素代表两个节点之间的权重或连接程度。当省域i与省域j相邻时，W01中元素Wij的取值为1，否则取值为0。W01矩阵的定义如下：
（2）反距离权重矩阵（Winv1）。根据对象之间的逆距离来分配权重，即距离越远的对象赋予的权重越小，用以量化和表示对象间的空间关系强度。反距离权重矩阵表达式如下：
上式中1/dij为地区i和地区j之间的地理距离倒数。
（3）反距离平方权重矩阵（Winv2）。元素的权重是基于两点之间距离的平方的倒数，以此来强调近距离对象之间更强的相互影响。
3.调节效应模型的确立
为考察产业协调集聚水平和市场化程度的调节作用，本文依次加入产业协调集聚指数和市场化指数及其与数字经济的交互项，分别构建如下模型：
gapit=α0+α1digiit+α2coaggloit+ρ1digiitcoaggloit+γControlit+φi+εit（6）
gapit=β0+β1digiit+β2schit+ρ2digiitschit+γControlit+φi+εit（7）
其中，模型（6）探究产业协调集聚水平的调节作用，模型（7）探究市场化程度的调节作用。
（二）变量选取与说明
1.被解释变量
本文选择城镇居民人均可支配收入与农村居民人均可支配收入之比来衡量城乡收入差距，并在稳健性分析中选取泰尔指数替换城乡收入之比，具体计算公式如下：
2.解释变量
本文核心解释变量为数字经济发展水平，用Digi表示。目前关于数字经济发展指标的测度具有差异性，并未形成一致的测度方法，本文参考已有研究［17］，从数字基础设施水平、数字产业化和产业数字化水平三个方面来测度数字经济发展水平。选取2013—2021年的8个V+HFYrusalfQ5SLdJbUIIWmTUFz2cyW0C+d5f5j4iz4=指标数据，从三个方面采用主成分分析测度数字经济发展水平（详见表1）。
3.调节变量
（1）产业协同集聚指数
借鉴王文成、刘丙泉等学者生产性服务业和高技术产业协同集聚的计量方法［18-19］，先分别计算出生产性服务业集聚指数（PSagglo）和高技术产业集聚指数（Magglo），通过两个指数计算产业协同集聚指数（coagglo），公式如下：
其中：Mi，t为省份i在t时期的高技术产业就业人数；Mt为t时期全国的高技术产业就业人数；Pi，t为省份i在t时期的全部就业人数；Pt为t时期的全国就业人数；PSi，t为省份i在t时期的生产性服务业就业人数；PSt为t时期全国的生产性服务业就业人数；Maggloi，t为省份i在t时期的高技术产业集聚指数；PSaggloi，t为省份i在t时期的生产性服务业集聚指数；coaggloi，t为省份i在t时期的产业协同集聚指数。
（2）市场化程度
中国经济的市场化是一个过程，是中国资源配置方式的根本转变，而市场化程度则是配置状态的一个客观描述量。借鉴俞红海和解学梅等学者的研究方法［20-21］，根据樊纲《中国市场化指数》的计算方法，计算出中国30个省（市/区）2013—2021年市场化指数（sch），相关数据来源于wind数据库。
4.控制变量
考虑到遗漏变量问题可能引起的估计偏差，本文根据现有文献选择了多个控制变量进行研究：（1）经济发展水平（Gdp），用人均GDP来表示地区经济发展水平；（2）城镇化水平（Urban），城镇人口数/年末常住人口数；（3）对外开放度（Open），进出口总额占当年GDP的比重；（4）交通设施水平（Drn），公路里程数取对数；（5）教育支出水平（Edu），教育支出/政府财政支出；（6）产业结构水平（Is），第一产业比重×1+第二产业比重×2+第三产业比重×3；（7）政府干预程度（Gov），政府财政支出/地区当年生产总值。
（三）数据来源
本文选取了2013—2021年间中国30个省（市、区）的面板数据，排除了西藏以及港澳台地区。对于某些省份在个别年份缺失的数据，采用了线性插值法进行补全。样本数据被分为东、中、西三大区域，数据主要来自国家统计局和各省（市、区）统计年鉴和wind数据库，表2为相关变量的描述性统计。
三、实证结果及分析
（一）空间自相关检验
1.全域莫兰指数
全域莫兰指数是一种用于测量地理空间数据集中程度和空间相关性的统计指标，反映了数据在空间上的聚集或分散情况，取值范围在（-1，+1）之间，当全域莫兰指数接近+1时，表示数据表现出正相关性和空间集聚性，即相似值更可能聚集在一起，形成高值区域和低值区域；当全域莫兰指数接近-1时，表示数据表现出负相关性和空间分散性，即相似值更可能分散在空间上；当全域莫兰指数接近0时，表示数据呈现随机分布的特征，即空间上的相似值无明显的聚集或分散趋势。由下面表3可知：
（1）2013—2021年我国城乡收入差距和数字经济发展水平在三种空间矩阵下的Moran’s I指数均在1%水平上显著，说明被解释变量和主要的解释变量都具有显著的空间自相关性。
（2）被解释变量和解释变量的莫兰指数均呈现显著的正值，揭示了两者在空间分布上呈现出集聚趋势，而非完全随机分布。
2.莫兰散点图
由于全域莫兰指数提供的仅仅是总体上的空间相关性指标，无法展现数据的空间分布情况和局部空间关联的具体模式，需要绘制莫兰散点图，从而进一步分析主要变量的空间相关性。莫兰散点图是通过将每个地理单元的数据值与邻域地理单元的平均值作散点图来绘制的，散点图中的点分布情况可以显示出空间上的聚集、分散或随机分布的特征。一般情况下，如果数据呈现出空间聚集性，则散点图上的点倾向于集中在第一象限或第三象限（正相关区域），如果数据呈现出空间分散性，则散点图上的点倾向于集中在第二象限或第四象限（负相关区域）。因此，为了更全面、直观地检验指标的空间特征，通过莫兰散点图展示了相关指标，其中图2和图3展示了2013年和2021年的城乡收入差距，而图3和图4展示了同年份的数字经济发展水平（图2～5均采用反距离平方空间权重矩阵）。
通过分析图2至图5，大部分省份的散点主要集中在第一和第三象限，表明具有正向的空间相关性。这表明城乡收入差距较大的省份通常邻近其他同样差距大的省份，反之则是差距较小的地区。在数字经济发展方面，散点同样多集中在第一和第三象限，显示正向空间相关性和集聚趋势，尽管部分省份表现出负向相关性，这可能与各地的地理、人口、经济及政策差异有关，揭示了中国数字经济发展的区域不均衡。
3.空间计量面板模型的检验结果
通过空间相关性检验可知，主要变量均存在显著的空间正相关性，适合构建空间计量模型。在进行分析前，首nWxkE5eM8nI5DJ+7QcW7nOKcBb4lQUKiV2hNu+7gW9w=先对模型进行检验，表4展示了检验结果（均使用邻接空间权重矩阵），LM检验显示空间误差模型未被验证，而空间自回归模型及其拉格朗日乘数和稳固拉格朗日乘数检验均在1%的显著性水平下通过，确认了中国省级城乡收入差距具有空间相关性。Hausman检验结果在5%的显著性水平下拒绝原假设，因而选择固定效应模型。LR检验和Wald检验中，检验结果在1%的显著水平上呈现，进一步证实应采用空间杜宾模型（SDM）来分析。
（二）空间计量回归结果分析
表5显示，在使用邻接空间权重矩阵的空间杜宾模型中，空间回归系数p的估值为0.403，在1%显著性水平下显著且为正，这表明城乡收入差距呈现显著的正向空间关联和溢出效应。而数字经济发展水平（Digi）的系数在不同空间权重矩阵下分别为-0.07、-0.112和-0.103，均在1%水平下显著，指出数字经济发展对缩小城乡收入差距在空间上具有显著影响。加入的控制变量显示，城镇化水平（Urban）与被解释变量负相关，其提高有助于减少该差距。而对外开放程度（Open）、交通设施水平（Drn）、产业结构水平（Is）和政府干预程度（Gov）的增强则会加大这一差异。
（三）空间溢出效应分解
运用偏微分方法将空间总效应分解为直接效应和间接效应（详见表6）。在三种空间权重矩阵下，99k5XKMn8+HOaXXqDE2tvKefyWncHpCcfk8OaGBsYkA=数字经济发展水平（Digi）的直接、间接与总效应都呈现负向。这意味着本地区数字经济的增长不仅能减少其城乡收入差距，还有助于减轻周边地区的收入不均。
数字经济的进展带来了两方面的影响。一方面，本地区的数字经济增长可以直接提高收入，降低收入差异；另一方面，由于数字经济的跨区域特性，它可以加强本地与周边的经济合作，助力其实现数字化转型，进而提升周边地区的经济及收入水平。表6表明，数字经济发展水平的间接回归系数为-0.187，且在1%的显著水平上。假设其他因素保持不变，本省（市、区）数字经济水平每增长1%，不仅会使得其城乡收入差距减少0.106%，还会推动邻近省份城乡收入差距下降0.187%。这意味着本地的数字经济增长能同时有益于本地和相邻地区的城乡收入均衡。控制变量中，城镇化水平（Urban）的直接效应系数均为负，并在1%的水平上显著，表明城镇化进程有助于缩减城乡收入的差异。相对的，对外开放程度（Open）和产业结构水平（Is）的直接效应与总效应均为正，指出增加的对外开放和产业结构调整可能导致更大的收入差距。交通设施水平（Drn）和政府干预程度（Gov）的总效应虽为正，但尚未达到显著水平。
（四）分地区数字经济发展对收入不平等的影响
我国地域广大，不同省份在经济、文化和数字经济发展上均存在显著的区别。东部地区经济繁荣，也在数字经济中占据领先地位。中部地区虽然与东部有一定的差距，但其数字经济仍在稳步上升。然而，西部地区与东、中部相比，在数字经济进展上落后，这主要由于其信息设施不足和数字化创新能力相对较弱。
进一步检验不同地区的影响差异程度，选取反距离权重矩阵和反距离平方权重矩阵，利用空间杜宾模型分样本进行回归，结果如表7所示。由表7可知，东部地区的数字经济缩小了收入差距，而西部地区则扩大了。这些结果大部分在5%的水平上显著。东部的回归系数的绝对值比西部的更大，意味着东部的影响程度更为显著。中部地区虽然显示负效应，但显著性不高。这可能是因为东部的数字经济水平和创新能力均高于其他地区，导致其在数字经济红利中的份额更大。另外，西部由于数字技术、知识的差异、基础设施不足及创业环境的不足，城乡收入差距可能进一步加大。
（五）稳健性检验
1.分位数回归
进一步采纳分位数回归分析方法，探究对城乡收入差距不同水平的影响。根据表8，选定0.10、0.25、0.50、0.75、0.90五个分位点，发现数字经济发展在所有分位点上都呈现负影响，尤其在0.1、0.25和0.9的影响最为显著。这意味着当城乡收入差距处于较低或较高水平时，数字经济能够有效减小这一差距。相较于表5的数据，主要变量的回归方向、程度和显著性显示出一致性，这进一步证明了研究结果的稳定性和可靠性。
2.替换被解释变量和解释变量
考虑到单纯采用城乡收入的比值作为被解释变量来衡量城乡收入差距的指标，未能体现城乡人口结构差异，本文进一步采用泰尔指数（Theil）作为城乡收入差距的替代变量。经检验，泰尔指数（Theil）通过空间相关性检验，因此采用空间杜宾模型进行回归，结果如表9第（1）（2）栏所示，新的被解释变量与解释变量呈现出负相关性，并且在1%的水平上显著，与前文结果一致，结论可靠。
此外，本文采用替换解释变量来检验结果的稳健性，采用熵值法重新测度解释变量，用DEI表示熵值法测算后的解释变量，经过检验新数字经济发展水平指数DEI，仍然通过空间相关性检验，因此采用空间杜宾模型进行回归，结果如表9第（3）（4）栏所示，其显示无论是否加入控制变量，与前文结果并无差异，并且在1%的水平上显著，计量结果较为可靠。
四、数字化提升与城乡收入差距变化的关联机制检验
（一）产业协同集聚的调节作用
从下面表10可以看出，第（2）（3）列为产业协同集聚的调节作用结果，第（1）列为数字经济发展对城乡收入差距的基础回归结果，第（2）列中只加入产业协同集聚，第（3）列中加入了数字经济和产业协同集聚的交互项，Digicoagglo_c的系数在1%的水平下显著为正，与主要解释变量的回归系数相反，说明随着产业协同集聚的程度加深，数字经济对城乡收入差距的缩小作用会被弱化。因为生产性服务业与高技术产业的协同集聚可能集中在城市地区，这可能导致城乡经济增长速度不一致，当这些产业集聚时，它们可能会吸引更多的资本和人才，进一步加大城乡之间的差距；并且产业集聚加强了城市地区的经济活动，而农村地区可能无法充分受益于数字经济带来的机会。
（二）市场化水平的调节作用
在表10中，第（4）（5）列为市场化水平的调节作用结果，第（4）列中只加入市场化水平，第（5）列中加入数字经济和市场化水平的交互项，digisch_c的系数在1%的水平下显著为正，与主要解释变量的回归系数相反，说明随着市场化水平的提高，数字经济对城乡收入差距的缩小作用会被弱化，因为市场化程度可能影响资源的分配和流动以及企业和个人的经济决策。在高度市场化的环境中，资源可能更倾向于流向那些能够带来更高回报的地方，数字经济带来的机会和资源更多地流向了发展水平较高的城市地区，而农村地区相对较少受益，这可能加大了城乡之间的差距。
五、结论与政策启示
本文基于2013—2021年我国30个省（市、区）的数据，以城乡居民可支配收入比率表示城乡收入差异，从数字经济基础设施、数字产业化和产业数字化三个层面，采取主成分分析法测度数字经济发展水平，并构建空间计量模型，选择邻接、反距离以及反距离平方作为空间权重矩阵，进而探讨数字经济与城乡收入差距之间的关系及其空间效应。研究发现：（1）数字经济和城乡收入差距均显示正向空间相关性和集聚趋势，并且数字经济发展对城乡收入差距具有负的空间溢出效应；（2）数字经济能够缩小城乡收入差异，且提升某一地区的数字经济不仅有助于缩小当地的城乡差距，还对周边地区有正面影响；（3）不同地区的影响存在差异，例如，东部地区的数字经济发展有助于减少收入差距，而西部地区的发展可能会加大这一差距；（4）随着产业协同集聚和市场化程度的提高，数字经济对城乡收入差距的正面影响可能会受到削弱。针对上述研究结论，本文提出以下策略建议：
第一，加强数字基础设施的布局并培养数字技术技能。重点在于加大对基础设施的投资，确保数字技术的广泛覆盖，并提升农民与乡村劳动者的数字技术应用能力。此外，应激励乡村和中小企业使用数字工具来拓展市场和优化业务流程。
第二，平衡城乡发展，在政策与资金上给予支持。为数字化农业提供更多的资源和扶持，邀请投资和鼓励创业，在技术上增进农业生产，从而提升农产品的价值。
第三，构建和完善中东西部数字经济发展协作机制，加强合作和跨区域资源共享。通过建立数字经济合作平台、开展产业互联网合作、促进城乡对接等方式，实现资源的共享和优势互补，推动城乡一体化发展。
第四，促进产业升级和多元化，鼓励生产性服务业和高技术产业在农村地区的发展，以减少地区间的发展不平衡。在推进市场化进程的同时，考虑到不同地区的发展水平和特点，避免资源过度集中在某些地区。
［参考文献］
［1］ 卡斯特.网络社会的崛起［M］.北京：社会科学文献出版社，2001.
［2］杨慧梅，江璐.数字经济、空间效应与全要素生产率［J］.统计研究，2021，38（04）：3-15.
［3］Eduardo，Nakasone，Maximo，et al.The Power of Information：The ICT Revolution in Agricultural Development［J］.Annual Review of Resource Economics，2014，6（1）：533-550.
［4］裴长洪，倪江飞，李越.数字经济的政治经济学分析［J］.财贸经济，2018，39（09）：5-22.
［5］刘修岩，殷醒民，贺小海.市场潜能与制造业空间集聚：基于中国地级城市面板数据的经验研究［J］.世界经济，2007（11）：56-63.
［6］徐坤，彭定贇.数字普惠金融对缩小城乡收入差距的作用机制研究：基于湖北省市级面板数据［J］.武汉理工大学学报（社会科学版），2021，34（06）：104-115.
［7］王颂吉，李怡璇，高伊凡.数据要素的产权界定与收入分配机制［J］.福建论坛（人文社会科学版），2020（12）：138-145.
［8］彭继增，钟浩.数字经济、市场化与城乡居民收入差距［J］.金融与经济，2022（12）：67-76.
［9］LORENCE D P ，PARK H，FOX S.Racial disparities in health information access：resilience of the digital divide［J］.Journal of Medical Systems，2006（4）：241-249.
［10］刘晓倩，韩青.农村居民互联网使用对收入的影响及其机理：基于中国家庭追踪调查（CFPS）数据［J］.农业技术经济，2018（09）：123-134.
［11］BHAVNANI A，CHIU R W，JANAKIRAM S，et al.The role of mobile phones in sustainable rural poverty reduction［J］.ICT Policy Division Global Information & Communications，2008（1）：1-25.
［12］ANSELIN L.Spatial econometrics：methods and models［J］.Studies in operational regional science，1988（411）：310-330.
［13］张俊英，郭凯歌，唐红涛.电子商务发展、空间溢出与经济增长：基于中国地级市的经验证据［J］.财经科学，2019（03）：105-118.
［14］叶茜茜.互联网金融技术创新扩散的空间溢出效应：基于P2P网贷数据的实证检验［J］.中国流通经济，2016，30（09）：76-84.
［15］赵伟，彭玉婷.数字经济发展是否会影响收入不平等：基于空间面板模型的实证检验［J］.经济问题探索，2022（12）：35-51.
［16］张丽君，梁怡萱，巩蓉蓉.数字经济对城乡收入差距的动态影响研究：来自中国31个省（区、市）的证据［J］.经济问题探索，2023（03）：18-40.
［17］许宪春，张美慧.中国数字经济规模测算研究：基于国际比较的视角［J］.中国工业经济，2020（05）：23-41.
［18］王文成，隋苑.生产性服务业和高技术产业协同集聚对区域创新效率的空间效应研究［J］.管理学报，2022，19（05）：696-704.
［19］刘丙泉，刘增果，王月，等.产业协同集聚对区域绿色创新效率的影响［J］.华东经济管理，2023，37（05）：52-61.
［20］解学梅，朱琪玮.企业绿色创新实践如何破解“和谐共生”难题？［J］.管理世界，2021，37（01）：128-149，9.
［21］俞红海，徐龙炳，陈百助.终极控股股东控制权与自由现金流过度投资［J］.经济研究，2010，45（08）：103-114.
（责任编辑 文 格）
Mechanism and Path of Narrowing Urban-rural Income
Gap under Digital Background
XIE Yu-xin
（School of Economics，Wuhan University of Technology，Wuhan 430070，Hubei，China）
Abstract：In recent years，with the rapid development and popularization of digital technology，the economic transformation under the background of digital is having a profound impact on the pattern of urban and rural development.Based on theoretical analysis，the panel data of 30 provinces from 2013 to 2021 are selected to construct a spatial Durbin model to explore the mechanism and path of narrowing the urban-rural income gap under the background of digitalization.The research results show that：（1）the development of digital economy obviously brings negative spatial spillover effect，which has an impact on the urban-rural income gap；（2） Improving the level of digital economy in the region will not only help to narrow the urban-rural income gap in the region，but also reduce income inequality in the surrounding areas；（3）The impact of digital economy on urban-rural income disparity shows regional differences；（4）With the improvement of industrial collaborative agglomeration and marketization level，the narrowing degree of urban-rural income gap will weaken under the background of digitalization.
Key words：digitalization; urban-rural income gap; industrial synergy; marketization level
