Research on the Family Income Effect of Digital Economy Driven by "Internet Plus": Based on China Family Panel Studies Data
-
摘要: 立足于数字经济深刻影响当前经济社会发展的客观事实，基于中国家庭追踪调查(CFPS)数据，实证研究“互联网+”驱动下数字经济的增收效应。研究表明，“互联网+”驱动下的数字经济具有显著的增收效应，该结论在运用Heckman模型、处理效应模型和工具变量法等实证策略纠正潜在内生性问题及通过一系列检验后保持稳健。异质性分析表明，相比城市家庭，数字经济发展对农村家庭的增收效果更显著；中间收入阶层是数字经济的最大受益者，对低收入和高收入家庭的影响相对较小。中介效应检验表明，“互联网+”驱动下的数字经济通过提升互联网作为信息渠道的重要程度进而增加收入的渠道显著存在。门槛回归分析表明，随着人力资本水平提升，数字经济发展对家庭收入的正向作用呈现出先降后升的U型特征；现阶段传统产业数字化转型的增收效应大于数字产业化的增收效应。因此，应加强现代信息基础设施建设，完善人才培养体系，充分发挥“互联网+”驱动下数字经济的增收作用。Abstract: Based on the objective facts of the digital economy which deeply affect the current economic and social development, this paper empirically studies the effect of the Internet economy on family income driven by the Internet plus based on the data of China family panel studies(CFPS).The findings indicate that the digital economy driven by the "Internet Plus" has significantly promoted the increase of family income, which is stable after using Heckman model, Treatment Effect Model and instrumental variable method to correct potential endogeneity.Heterogeneity analysis shows that compared with urban families, the development of digital economy promotes the income level of rural families more significantly; digital economy has made the middle-income group the biggest beneficiary, and has relatively little impact on low-income and high-income families.The intermediary effect test shows that the digital economy driven by the "Internet Plus" has significantly increased through stressing the importance of the Internet as an information channel.Threshold regression analysis shows that with the improvement of the level of human capital, the positive effect of digital economy development on family income represents a U-shaped feature of descending firstly then ascending; at present, the effect of digital transformation in traditional industry on family income is greater than that of digital industrialization.Therefore, it is proposed to strengthen the construction of modern information infrastructure, improve the personnel training system, and give full play to the role of digital economy driven by the Internet plus.
-
表 1 变量的描述性统计
变量 变量说明 均值 标准差 最小值 最大值 lnpin 人均家庭纯收入对数 9.505 1.065 0.916 15.243 lnfin 家庭纯收入对数 10.672 1.083 1.609 16.248 lnindex 互联网数字经济指数 1.172 0.908 -0.783 3.993 educ 受教育年限 7.665 4.748 0 22 smart 智力水平 5.630 1.239 1 7 under 理解能力 5.702 1.232 1 7 party 是否党员身份 0.101 0.302 0 1 age 年龄 49.749 15.080 16 95 size 家庭人口规模 3.649 1.891 1 19 child 家庭中14岁及以下儿童数量 0.568 0.845 0 8 lnland 家庭土地资产对数 4.870 5.002 0 16.058 lnfset 家庭金融资产对数 7.130 4.784 0 16.118 lnqing 家庭人情礼支出对数 7.094 2.549 0 12.766 lnagr 农用机械价值对数 2.020 3.554 0 12.766 commu 小区公共设施状况 2.700 0.934 1 5 
下载: 导出CSV
表 2 基准回归结果
变量 (1) (2) (3) (4) (5) (6) lnindex 0.233*** (7.505) 0.287*** (8.165) 0.206*** (6.588) 0.201*** (6.397) 0.201*** (7.298) 0.109*** (3.624) educ 0.072*** (15.892) 0.064*** (18.351) 0.043*** (15.500) 0.043*** (15.670) 0.043*** (15.214) 0.043*** (15.373) smart 0.046*** (2.752) 0.030** (2.033) 0.026** (1.981) 0.026* (1.947) 0.026 (1.428) 0.027** (2.005) under 0.093*** (5.837) 0.068*** (5.074) 0.054*** (4.411) 0.053*** (4.347) 0.0530*** (4.435) 0.056*** (4.492) party 0.147*** (4.031) 0.169*** (5.411) 0.106*** (3.625) 0.101*** (3.456) 0.101*** (4.063) 0.095*** (3.291) age2 3.64E-05 (0.770) -3.7E-05 (-0.833) -4E-05 (-1.035) -3.8E-05 (-0.981) -3.8E-05 (-0.807) -0.0002*** (-5.615) age -0.004 (-0.964) 0.001 (0.107) 0.001 (0.271) 0.001 (0.166) 0.001 (0.135) 0.017*** (4.445) size -0.056*** (-8.089) -0.056*** (-8.083) -0.056*** (-7.145) 0.198*** (24.960) child -0.092*** (-7.662) -0.092*** (-7.686) -0.092*** (-8.645) -0.112*** (-9.164) lnland -0.027*** (-10.075) -0.027*** (-9.959) -0.027*** (-9.774) -0.024*** (-8.501) lnfset 0.046*** (20.366) 0.045*** (20.117) 0.045*** (21.337) 0.047*** (20.308) lnqing 0.066*** (11.647) 0.066*** (11.740) 0.066*** (7.130) 0.078*** (13.158) lnagr 0.007** (2.327) 0.008** (2.454) 0.008 (1.507) 0.008*** (2.655) commu -0.039*** (-3.929) -0.039*** (-4.602) -0.042*** (-4.285) 常数项 8.005*** (46.095) 8.476*** (42.383) 8.337*** (50.626) 8.459*** (50.106) 8.459*** (41.580) 8.434*** (45.272) 固定效应 否 是 是 是 是 是 R2 0.236 0.305 0.398 0.399 0.399 0.422 N 11 686 11 686 11 534 11 526 11 528 11 526 注：括号内为稳健标准误下对应的t统计量，***、**、*分别表示在1%、5%、10%的水平上显著，N为样本容量，表 3-4、表 9同；第(1)至(5)列的被解释变量为人均家庭纯收入的对数；第(6)列的被解释变量为家庭纯收入的对数。
下载: 导出CSV
表 3 内生性分析和稳健性检验结果
变量 内生性分析二阶段回归结果 稳健性检验结果 Heckman模型(1) Ⅳ-GMM (2) 处理效应模型(3) Tobit模型(4) Truncreg回归模型(5) lnindex 0.185*** (5.922) 8.251*** (2.743) 0.197*** (6.952) 0.201*** (6.411) 0.202***(6.490) IMR 0.208***(3.696) hazard 0.134*** (2.962) 个体特征变量 是 是 是 是 是 家庭特征变量 是 是 是 是 是 村庄特征变量 是 是 是 是 是 常数项 是 是 是 是 是 固定效应 是 是 是 是 是 N 11 526 11 526 11 528 11 526 11 525 变量 内生性分析一阶段回归结果 Heckman模型(6) Ⅳ-GMM (7) 处理效应模型(8) hulianwlv 0.067***(3.000) educ 0.124*** (27.079) 0.001*** (2.900) 0.124*** (26.918) smart 0.041* (1.805) 0.024*** (6.110) 0.042* (1.812) under 0.124*** (5.134) 0.007** (2.250) 0.124*** (5.108) age -0.060*** (-44.606) -0.017*** (-11.260) -0.060*** (-43.274) size -0.035*** (-3.652) -0.022*** (-9.170) -0.020* (-1.679) lnland -0.040 0*** (-10.854) -0.004*** (-5.200) -0.040*** (-10.686) lnfset 0.054***(15.492) -0.001** (-2.260) 0.054*** (15.406) lnagr -0.016*** (-3.133) 0.002* (1.850) -0.016*** (-3.235) child 0.003 (0.680) -0.050** (-1.982) lnqing -0.003**(-1.970) party 0.007(0.730) age2 0.000***(9.460) commu -0.011*** (-4.090) 常数项 0.490*** (3.684) 3.041*** (42.390) 0.494*** (3.686) F/R2 0.460 8 357.880 -
下载: 导出CSV
表 4 异质性回归结果
变量 城市样本(1) 乡村样本(2) QR_10 (3) QR_50 (4) QR_90 (5) lnindex 0.181*** (5.240) 0.331*** (5.690) 0.140** (2.499) 0.223*** (7.320) 0.210*** (4.741) 个体特征变量 是 是 是 是 是 家庭特征变量 是 是 是 是 是 村庄特征变量 是 是 是 是 是 常数项 是 是 是 是 是 固定效应 是 是 是 是 是 N 5 825 5 626 11 528 11 528 11 528
下载: 导出CSV
表 5 不同收入下的描述性统计结果
元 变量名称 均值/样本量 人均家庭纯收入(< 3 500) 人均家庭纯收入(3 500~5 000) 人均家庭纯收入(5 000~10 000) 人均家庭纯收入(>10 000) 全样本 infm 均值 1.693 1.783 1.967 2.677 2.307 样本量 2 471 868 2 481 7 642 13 541 hulianw 均值 0.176 0.200 0.269 0.499 0.378 样本量 2 473 868 2 481 7 642 13 543 educ 均值 5.303 5.576 6.524 9.046 7.664 样本量 2 173 734 2 157 6 668 11 800
下载: 导出CSV
表 6 中介机制检验结果
变量 hulianw (1) lnpin (2) infm (3) lnpin (4) lnindex 0.214* (1.730) 0.197*** (6.258) 0.324*** (4.084) 0.189*** (6.041) hulianw 0.197***(7.997) infm 0.054***(6.636) 个体特征变量 是 是 是 是 家庭特征变量 是 是 是 是 村庄特征变量 是 是 是 是 常数项 是 是 是 是 固定效应 是 是 是 是 R2 - 0.403 - 0.403 N 11 546 11 526 11 550 11 524
下载: 导出CSV
表 7 门槛估计值和置信区间
门槛类型 门槛估计值 95% 置信区间 单一门槛模型(g1) 3 [3.000, 3.000] 双重门槛模型 Ito1(g1) 12 [9.000, 15.000] Ito2(g2) 3 [3.000, 3.000] 三重门槛模型(g3) 10 [6.000, 15.000]
下载: 导出CSV
表 8 门槛效果自抽样检验结果
模型 F值 P值 BS次数 临界值 1% 5% 10% 单一门槛 32.444*** 0.00 200 5.530 3.885 2.762 双重门槛 8.737*** 0.01 200 8.173 3.406 2.110 三重门槛 0.779 0.38 200 5.585 3.435 2.386
下载: 导出CSV
表 9 门槛模型系数估计结果
变量 单一门槛(1) 双重门槛(2) lnindex_1 0.313***(9.050) 0.282***(7.780) lnindex_2 0.202***(7.070) 0.177***(5.950) lnindex_3 0.219***(7.520) 个体特征变量 是 是 家庭特征变量 是 是 村庄特征变量 是 是 常数项 是 是 固定效应 是 是 R2 0.399 0.399 F 170.8 167.4 N 11 528 11 528
下载: 导出CSV
-
[1] 罗珉, 李亮宇. 互联网时代的商业模式创新: 价值创造视角[J]. 中国工业经济, 2015(1): 95-107. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201501010.htm [2] 赵西三. 数字经济驱动中国制造转型升级研究[J]. 中州学刊, 2017(12): 36-41. doi: 10.3969/j.issn.1003-0751.2017.12.007 [3] 王君, 张于喆, 张义博, 等. 人工智能等新技术进步影响就业的机理与对策[J]. 宏观经济研究, 2017(10): 169-181. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGA201710019.htm [4] 夏炎, 王会娟, 张凤, 等. 数字经济对中国经济增长和非农就业影响研究——基于投入占用产出模型[J]. 中国科学院院刊, 2018(7): 707-716. https://www.cnki.com.cn/Article/CJFDTOTAL-KYYX201807008.htm [5] 荆文君, 孙宝文. 数字经济促进经济高质量发展: 一个理论分析框架[J]. 经济学家, 2019(2): 66-73. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ201902008.htm [6] 张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019(8): 71-86. doi: 10.3969/j.issn.1005-2674.2019.08.008 [7] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020(10): 65-76. doi: 10.3969/j.issn.1002-5502.2020.10.006 [8] ARK B V. Productivity and digitilization in Europe: paving the road to faster growth[J]. Communications & Strategies, 2016, 1(100): 107-124. http://papers.ssrn.com/abstract=2845368 [9] AKER JENNY C, MBITI ISAAC M. Mobile phones and economic development in Africa[J]. The Journal of Economic Perspectives, 2010, 24(3): 207-232. doi: 10.1257/jep.24.3.207 [10] DIMAGGIO P, BONIKOWSKI B. Make money surfing the web? the impact of internet use on the earnings of U.S. workers[J]. American Sociological Review, 2008, 73(2): 227-250. doi: 10.1177/000312240807300203 [11] ATASOY H. The effects of broadband internet expansion on labor market outcomes[J]. ILR Review, 2013, 66(2): 315-345. doi: 10.1177/001979391306600202 [12] 周冬. 互联网覆盖驱动农村就业的效果研究[J]. 世界经济文汇, 2016(3): 76-90. https://www.cnki.com.cn/Article/CJFDTOTAL-SZWH201603005.htm [13] 马俊龙, 宁光杰. 互联网与中国农村劳动力非农就业[J]. 财经科学, 2017(7): 50-63. https://www.cnki.com.cn/Article/CJFDTOTAL-CJKX201707006.htm [14] TSAI W. Knowledge transfer in intraorganizational networks: effects of network position and absorptive capacity on business unit innovation and performance[J]. The Academy of Management Journal, 2001, 44(5): 996-1004. http://psycnet.apa.org/record/2001-09067-005 [15] 周洋, 刘雪瑾. 认知能力与家庭创业——基于中国家庭追踪调查(CFPS)数据的实证分析[J]. 经济学动态, 2017(2): 66-75. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXD201702007.htm [16] 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(9): 123-134. https://www.cnki.com.cn/Article/CJFDTOTAL-NYJS201809011.htm [17] 胡金焱, 张博. 社会网络、民间融资与家庭创业——基于中国城乡差异的实证分析[J]. 金融研究, 2014(10): 148-163. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201410010.htm [18] 张博, 胡金焱, 范辰辰. 社会网络、信息获取与家庭创业收入——基于中国城乡差异视角的实证研究[J]. 经济评论, 2015(2): 52-67. doi: 10.3969/j.issn.2095-5073.2015.02.007 [19] 何宗樾. 互联网的减贫效应研究——基于CFPS 2016数据的机制分析[J]. 调研世界, 2019(6): 8-13. https://www.cnki.com.cn/Article/CJFDTOTAL-DYSJ201906002.htm [20] 徐姗, 樊秀峰, 蒋晧文. 数字经济对我国制造业高质量走出去的影响——基于出口技术复杂度提升视角[J]. 广东财经大学学报, 2021(2): 16-27. https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2021&filename=SONG202102006&v=S5Q%25mmd2BrV%25mmd2FDkD8uk1N%25mmd2Fx5rt09CqHs4hbwyvPDpf4nqj0g18UADtdl%25mmd2Bl85uvFd%25mmd2F2SX1j [21] 周广肃, 樊纲. 互联网使用与家庭创业选择——来自CFPS数据的验证[J]. 经济评论, 2018(5): 134-147. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL201805010.htm [22] 谢宇, 胡婧炜, 张春泥. 中国家庭追踪调查: 理念与实践[J]. 社会, 2014(2): 1-32. https://www.cnki.com.cn/Article/CJFDTOTAL-SHEH201402001.htm [23] 吴晓瑜, 王敏, 李力行. 中国的高房价是否阻碍了创业?[J]. 经济研究, 2014(9): 121-134. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201409009.htm [24] 李超. 老龄化、抚幼负担与微观人力资本投资——基于CFPS家庭数据的实证研究[J]. 经济学动态, 2016(12): 61-74. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXD201612007.htm [25] 周洋, 华语音. 互联网与农村家庭创业——基于CFPS数据的实证分析[J]. 农业技术经济, 2017(5): 111-119. https://www.cnki.com.cn/Article/CJFDTOTAL-NYJS201705011.htm [26] 周广肃, 梁琪. 互联网使用、市场摩擦与家庭风险金融资产投资[J]. 金融研究, 2018(1): 84-101. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201801006.htm [27] 冷智花, 付畅俭, 许先普. 家庭收入结构、收入差距与土地流转——基于中国家庭追踪调查(CFPS)数据的微观分析[J]. 经济评论, 2015(5): 111-128. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL201505009.htm [28] DAVID M, CUTLER, ADRIANA LLERAS MUNEY. Understanding differences in health behaviors by education[J]. Journal of Health Economics, 2010, 29(1): 1-28. doi: 10.1016/j.jhealeco.2009.10.003 -
点击查看大图
图(1) / 表(9)
计量
- 文章访问数: 862
- HTML全文浏览量: 258
- PDF下载量: 44
- 被引次数: 0