崔宁波,马志威, 刘望 | 农业数字化何以影响城乡收入差距?——来自机制与空间效应的经验证据

目前，我国最大的发展不平衡就是城乡发展不平衡，最大的发展不充分是农村发展不充分，城乡发展不均衡已成为制约我国共同富裕目标的重要因素。城乡居民收入差距作为现阶段我国城乡区域发展失衡的主要表征之一，尽管近年来有所改善，但城乡居民收入差距较大的局面尚未发生根本性的变化。国家统计局数据显示，2024年我国城乡居民人均可支配收入比高达2.34，城镇居民收入仍是农村居民收入的两倍以上，城乡收入分配差距问题亟待解决。在城乡收入差距持续存在和数字化浪潮的背景之下，农业数字化被寄予厚望。《“十四五”推进农业农村现代化规划》指出“提高农业数字化水平”，并将缩小城乡居民收入差距作为重点任务，从国家战略层面提出通过农业数字化手段，不断改善城乡收入差距。近年来，以农业物联网、遥感技术、智能种植、数字供应链等为代表的农业数字化技术不断向农村延伸，改变了传统农业的组织结构和生产范式，为农民提供了多样、高效的增收途径。那么，通过农业数字化能否缩小城乡收入差距？呈现何种内在机制？这些问题值得深入研究。

当前，围绕城乡收入差距的优化路径，学界已从多个维度展开深入探讨。一方面，研究聚焦于培育农业新质生产力，并将其视为优化城乡收入结构的关键，其可以通过提升农业劳动生产率、促进农村劳动力转移等途径，有效抑制城乡收入差距的扩大，并产生积极的空间溢出效应。另一方面，改善农村金融服务也是改善城乡收入差距的有效路径。优化金融资源在农村地区的配置，可以缓解农民的信贷约束，从而显著缩小县域内的城乡收入差距。此外，在政策支持方面，精准的扶持政策能够通过多元化的机制作用于城乡收入结构的优化。

随着数字技术和数字经济的发展，农业数字化作为推动农业现代化、培育农业新质生产力的重要载体，开始受到学界关注。现有相关研究指出，农业数字化可以通过优化生产要素配置、提高技术效率和拓展市场连接等方式提升农业收入水平。此外，已有研究也初步揭示了农业数字化可能带来的空间外部性效应。农业数字化已表现出显著的空间依赖性，在地理上形成由核心向周边辐射的模式。农业数字化提升本地农民收入的同时能够带动周边地区农民收入水平的提升。然而，农业数字化能否有助于缩小城乡之间的收入差距，学术界尚未形成统一的结论。一方面，有部分学者认为农业数字化能够促进农村地区的人力资本积累与信息要素的激活，推动农村经济内生性增长，有利于城乡收入结构趋同。另一方面，部分研究指出农业数字化在应用过程中可能放大“数字鸿沟”，反而可能拉大收入差距，特别是在边疆地区，农业数字化受限于网络通达性差、人力资本不足等问题，导致数字红利难以真正惠及农民群体，收入差距甚至可能进一步扩大。尽管当前围绕农业数字化和城乡收入差距的研究已取得了较好地进展，但整体上仍存在拓展空间，体现在现有研究多关注农业数字化对农民收入增长的促进作用，而忽视对城乡收入差距的结构性影响，并且对其作用机制与空间扩散效应的识别尚不够精细。

基于此，本文采用2012—2022年中国30个省份面板数据，构建双向固定效应模型，实证检验农业数字化能否显著缩小城乡收入差距以及在地理空间上的异质性表现。同时，引入两步中介效应模型，识别农业数字化通过技术提升和效率改善影响收入结构的机制。最后，利用空间杜宾模型，进一步考察农业数字化的空间溢出效应。本文的边际贡献在于：第一，从理论切入，阐释农业数字化通过技术进步、效率提升改善收入结构的内在逻辑，丰富数字经济与城乡协调发展的研究体系；第二，采用双向固定效应模型和两步中介效应模型，较好地识别内生性偏误及传导机制及影响的分布异质性，提升因果推断的精度和结论的稳健性；第三，利用空间杜宾模型，克服空间依赖性问题，进一步增强了模型的可靠性和结果的解释力。

（一）农业数字化对城乡收入差距的直接影响分析

发展鸿沟理论表明，城乡收入差距的根本性原因在于生产要素配置的失衡和资源可得性的不平等。要素配置失衡表现为城市地区通常拥有更多的资本、技术和高效的生产方式；资源可得性结构性矛盾则表现为城乡在教育、金融、市场信息等方面的资源不对等，城市居民往往能够更高效地获取资源。农业数字化以其数据化、网络化和智能化的内在特质来重塑传统农业生产，通过优化要素配置效率和改善资源可得性，为破解城乡二元结构、缩小收入差距提供关键路径。

一方面，农业数字化能够有效缓解要素配置矛盾。传统农业生产往往受到资源分配不均和技术差距的双重制约，生产要素的配置常常依赖于个体经验，导致资源错配和效率低下。农业数字化通过其数据化的核心特征，将农业生产中模糊、非结构化的要素转化为可量化、可分析的数据。以数据为依据的差异化管理，将土地、劳动力、资本等要素进行精准监控和配置，从而优化生产模式，使农村地区能高效地利用生产资源。农业数字化的数字化推广能力，打破传统农业技术推广的地理障碍，通过数字平台、在线培训课程等方式，将较为先进的农业科技成果和管理方案以较低的边际成本传递给万千农户，有效缓解因信息闭塞而导致的技术滞后问题。另一方面，农业数字化改善资源可得性。传统农村地区长期面临信息闭塞、资金缺乏问题，限制了其内生发展能力。而农业数字化的网络化能力则能通过电商平台和数字供应链，打破信息不对称和地理障碍，使小农户得以绕过传统的多级中间商，直接与广阔的消费市场对接，从而带来渠道的缩短和交易成本的降低以及实时、透明的市场信息，进而降低农民的信息不对称并且增加参与市场机会，增强资本和信息的获取能力。此外，在资金和技术资源方面，农业数字化显著增强农村居民技术和金融服务的可得性。农业数字化重构传统农业金融服务模式，降低金融服务门槛。通过移动支付、线上信贷等数字化工具，金融机构以更低成本服务于信用记录较少的农户，缓解物理网点不足和传统信贷存在盲区的问题。其次，数字化过程本身创造新的信用基础。农业数字化将农户的生产行为、交易流水、农资采购、产品销售等信息记录，形成“数字足迹”。这类大数据被构建更为精准的风险评估模型，将农户的生产经营信用转化为商业信用，有效破解缺乏传统抵押物而产生的信贷约束问题。

基于以上分析，本文提出假说：

H1：农业数字化的发展能够改善城乡收入结构，缩小城乡收入差距。

（二）技术进步和农业劳动生产率的中介效应分析

根据内生增长理论，技术进步与劳动生产率的持续提升是推动经济长期增长的根本动力，其对收入分配格局亦产生深远影响。城乡收入差距不仅源于要素投入数量的差异，更取决于生产效率与技术水平的差异。相对于传统农业而言，农业数字化是一种颠覆性创新，其并非直接将财富从城市转移向农村，而是通过重塑农业生产函数、激发农村内生增长动力，间接、持续优化城乡收入结构。其核心中介机制体现在两个层面。

传统农业中，新技术的传播常受制于地理隔离以及较高的学习成本等束缚，导致技术扩散缓慢不均。农业数字化基于网络化特性，构建跨越时空的知识传播渠道，加速农业科技成果的传播与吸收。通过在线课程、远程指导等方式，大大降低农民接受、采纳农业技术的门槛，再加之农业数字化“学习”“模仿”的正外部性，可以通过技术转化带动邻近地区农户学习和模仿，实现农业技术上的快速追赶。最终通过农业数字化提升区域农业技术水平，改善收入分配格局。此外，随着数字技术嵌入农业后，增强数字化、智能化水平，直接提升农产品的品质、产量与科技附加值，增强市场中农产品竞争力，使农民经营性收入实质增长。

农业劳动生产率作为衡量农业投入与产出关系的核心指标，是推动农民增收的根本支撑。基于内生增长理论，生产率的提升源于更优的要素组合和资源配置。农业数字化基于智能设备、数据平台与信息系统的嵌入，通过数据化管理生产要素达到合理配置，系统性提升农业生产效率。农业劳动生产率的提升意味单位土地中劳动投入的相对减少。一是农业劳动生产率的提升直接增加农民的单位劳动收益。二是大量剩余劳动力从土地中解放出来，流动向工资水平更高的非农产业，或是从事与农村电商、乡村旅游、农产品加工等农业数字化相关的新行业,推动农村产业结构的多元化和升级。从城乡收入差距的视角看，劳动生产率的提升构建“双重驱动”增收机制：一方面提高农业内部的经营性收入，另一方面通过促进劳动力向更高效率部门流动来增加工资性收入，为农村居民收入的长期可持续增长筑牢坚实基础，推进城乡收入差距的优化。

基于以上分析，本文提出假说：

H2：农业数字化能够通过农业技术进步改善城乡收入差距。

H3：农业数字化能够通过农业劳动生产率的提升改善城乡收入差距。

（三）空间效应分析

基于新经济地理学理论，区域经济活动往往通过要素流动、信息扩散和产业联系产生外溢效应。农业数字化因其突破地理限制的信息化特性，在空间上表现出显著外溢效应。具体而言，数字农业试点的“带动作用”促使周边地区形成“同群转型”，带动区域内农民收入普遍增长，缩短城乡收入差距的收敛周期。数字农业“带动作用”并非简单的示范效应，而是比较与竞争的倒逼。基于比较优势理论，当某地区率先推进农业数字化，会迅速获得市场比较优势，从而对周边地区构成强烈的市场信号和竞争压力。周边地区处于劣势，面临“挤出”市场的风险。为维持、提升自身市场竞争力，周边地区不得不跟进。这一过程中，具有先发优势的地区获得数字化红利，通过竞争机制传导至周边区域，带动邻近地区农业生产效率的普遍提升和农民增收渠道的拓展，进而实现城乡收入差距的优化从地理空间上扩散。

其次，地理邻近的特征为技术和知识的传播提供天然便利，率先通过农业数字化缩小城乡收入差距的地区成功实践，为周边地区提供了可复制的范例。农户会通过观察邻近农户的生产决策和收益来调整自身行为。“学习效应”使得邻地农户通过通过实地考察、跨区培训等渠道，以更低的学习成本引入先进技术、经营模式和管理经验。基于地理邻近性的“学习效应”，降低周边地区采纳新技术的门槛和不确定性，加速缩小城乡收入差距的有效模式在临近地区的复制与推广，最终促成区域间城乡收入结构的协同改善。

最后，数字化发展水平较高的地区通常伴随更加成熟的数字基础设施网络，这些数字平台具有显著外部性，其服务范围和影响力并不严格局限于行政边界，对本地区及周边地区的农民收入产生显著空间溢出效应。邻近地区的农业生产者亦可以“接入”这些跨区域的数字平台，直接对接更广阔的消费市场，获取实时的市场信息，享受更为高效的物流和金融服务等。此“跨区共享”模式有效降低周边地区农户的交易成本和市场进入门槛，打破传统地域因素对农民增收的限制，进而推动城乡收入差距实现优化。

基于以上分析，本文提出假说：

H4：农业数字化与城乡收入差距发展存在空间相关性且具有空间溢出效应。

图1   路径机理图

（一）数据来源

本文采用2012—2022年的省级面板数据，因西藏地区部分指标数据存在缺失，研究对象为中国除西藏及港澳台地区外的30个省份样本。数据主要取自《中国农业统计年鉴》《中国人口与就业统计年鉴》《中国科技统计年鉴》《中国统计年鉴》《中国城乡建设统计年鉴》以及国家统计局和地方统计年鉴等。为确保数据的连续性与一致性，对部分缺漏数据采用线性插值法进行补全。

（二）变量说明及描述性统计

1.解释变量：农业数字化水平

随着我国农业农村数字化战略的持续推进，构建科学、系统的农业数字化发展水平评价体系，成为研究农业数字化的重要前提。本文借鉴殷浩栋等的研究思路，并结合前人的相关成果，从农业数字化设施、生产、产业、素养与生态基础五个维度构建评价指标体系，并利用熵权TOPSIS法测算各省的农业数字化水平。

表1  农业数字化水平指标体系

2.被解释变量：城乡收入差距

本文的被解释变量是城乡收入差距。目前，学术界主要是利用城乡收入比、城乡收入差、泰尔指数等指标来衡量城乡收入差距。基于此，本文参考杨志安和胡博的做法，测算泰尔指数并取对数来衡量城乡收入差距。泰尔指数公式如下：

其中，i代表省份代码，t代表年份；I_1it、I_2it分别代表省份i在t年的城市与农村居民的总收入；I_it代表省份i在t年的总收入；P_1it、P_2it分别代表省份i在年份t的城市和农村居民的人口数，P_it代表省份i在时期t的总人口数。

3.机制变量

研究的中介变量为农业技术进步与农业劳动生产率。农业技术进步，参考张金鑫（2020）的做法，采用农业三类专利之和进行衡量，为消除量纲的影响，测算后用标准化的方式进行处理；农业劳动生产率，参考郭少华的做法，使用第一产业的增加值/第一产业就业人员来衡量。

4.控制变量

影响城市居民和农村居民收入差距的因素较多，为了更加精准的估计农业数字化对城乡收入差距的影响，参考崔凡和朱新武、徐彩瑶等、刘荣军和王慧等人的研究，本文选取以下控制变量：

（1）对外开放程度，采用对外贸易额/地区生产总值衡量；（2）农业产业结构，采用农业总产值/农林牧渔总产值衡量；（3）农村人力资本，采用农村平均受教育年限来衡量；（4）工业化程度，采用工业增加值/地区生产总值来衡量；（5）金融深化程度，采用城乡居民储蓄存款余额/地区生产总值衡量；（6）城镇化水平，采用城镇人口与总人口比度量其水平。变量说明与描述性统计见表2。

表2  变量说明与描述性统计

（三）模型设计

1.基准模型设定

为验证农业数字化对城乡收入差距的影响效果，本文构建双向固定效应模型如下：

其中，Theil_it代表省份i在t年的城乡收入差距，agr_dig_it代表代表省份i在t年的农业数字化水平，control_it为控制变量，a₀为常数项，a₁为解释变量系数，即农业数字化对城乡收入的影响效应，若a₁显著为负，则农业数字化能够缩小城乡居民收入差距；μ_i代表个体固定效应，γ_i为时间固定效应，ε_it表示随机扰动项。

2.中介模型设定

基于理论分析，为了进一步验证农业技术进步在农业数字化影响城乡收入差距的过程中是否发挥中介作用，同时考虑到传统中介效应三步法存在的部分不足，因此，研究借鉴江艇的做法，首先从计量统计层面关注核心解释变量农业数字化对中介变量农业技术进步的影响，而后通过理论与文献研究中介变量与被解释变量的路径。

构建的中介效应模型如下：

其中，M_it为中介变量；β₀和β₁、β₂为本文重点关注的系数，若这些系数均显著，则表明农业技术技术进步发挥中介作用；其余变量的含义同式（2）。

3.空间回归模型设定

地理相邻或经济相近的地区间往往存在技术溢出、要素流动及政策联动等空间交互作用。进而导致本地区的农业数字化不仅影响本地城乡收入结构，还可能作用于邻近地区的城乡收入差距。鉴于此，研究构建基于空间邻接矩阵的空间杜宾模型（SDM），利用模型分析农业数字化对城乡收入差距的空间溢出效应。研究设定的空间杜宾计量模型（SDM）的基本公式为：

（一）基准回归

根据基准方程（2），本部分对双向固定的基准模型进行回归，具体结果见于表3，列（1）仅加入核心解释变量农业数字化水平，列（2）—（7）逐步加入控制变量进行回归分析。结果显示，农业数字化水平在所有模型均显著为负，农业数字化水平与城乡收入差距呈负向相关关系，说明加强农业数字化有利于有效缩小城乡收入差距，初步验证了假说H1。表明农业数字化有效解决城乡资源可得性矛盾和要素配置失衡，显著缩小城乡收入差距。数字技术嵌入农业生产、流通、金融等各环节，降低信息不对称与交易成本，显著降低信息不对称和交易成本，改善农村地区资源可得性。此外，数字化引入农业后产生“后发优势”，数字平台、农村电商以及供应链的优化极大提升农民的市场接入能力和产品溢价空间，使农民收入增速高于城市居民，进而优化城乡收入结构。

控制变量方面，列（2）—（7）中，引入多个控制变量。对外开放程度从列（2）引入后系数始终显著为负，其可能的原因是对外开放促进农业现代化、扩大农产品出口以及吸引外资等，带动农村经济发展和农民增收，进而缩小城乡收入差距；农业产业结构显著为负，且逐步增大。农业产业结构的系数显著为正，且呈现扩大趋势，其可能的原因是随着农业产业结构的优化和升级，由于不同地区之间产业发展不均衡，可能加剧了城乡收入差异；农村人力资本系数在所有模型中均未显著，可能的原因是偏远或经济发展相对滞后的地区，教育和技能的提升尚未有效转化为收入水平的提升；工业化程度的系数显著为负表明工业化的推进对缩小城乡收入差距有重要作用；金融深化程度系数显著为正，可能的原因是农村地区金融资源的配置尚未充分发挥作用；城镇化水平的系数显著为负，且系数的绝对值不断增加，表明城镇化进程有效促进农村劳动力的迁移和非农就业机会的增加，进而缩小城乡收入差距。

表3  基准估计

注：括号内为标准误，*、**、***分别表示回归系数在10%、5%、1%水平上显著。下同。

（二）稳健性检验

为保证结果的稳健性，研究采取以下三种方式：工具变量法、替换核心解释变量、控制多维相关性进行稳健性检验。

1.内生性检验：工具变量法

研究参考李红锦和张丁山的做法，选择解释变量的滞后一期，即农业数字化水平滞后一期作为工具变量。表4列（1）展示了工具变量的检验结果：第一，不可识别检验LM在1%水平上拒绝原假设，第一阶段的F值为711.38，通过了弱工具检验，表明滞后一期变量作为工具变量具有较强解释力。第二，Hausman检验残差项系数不显著，表明农业数字化水平的内生性问题不显著，基准回归中的固定效应估计稳健性强。最后，第二阶段回归，农业数字化水平系数在1%水平上显著，验证农业数字化对城乡收入差距具有显著的缩小效应。

2.剔除直辖市样本

研究参照吴非等的方法，考虑到直辖市在城乡发展、经济结构等方面与其他省份存在显著差异，本文剔除直辖市样本后进行稳健性检验。表4列（2）展示了回归结果，结果显示，在剔除直辖市后，且显著性水平未发生实质性变化，仍在1%水平上显著，说明核心结论未受影响，农业数字化的发展仍旧对城乡收入差距有显著的降低作用。

3.控制多维相关性

为进一步验证结论的稳健性，本文采用Driscoll-Kraay稳健标准误进行估计，在双向固定效应框架下重新进行估计，以同时控制异方差性、序列相关性与截面相关性。回归结果显示，农业数字化的系数为-0.458，在5%的水平上显著，方向与基准回归一致，表明结论在控制多维相关性后依然稳健且可靠。

表4  稳健性检验回归结果

（三）中介效应分析

基于理论分析，研究将农业技术进步与农业生产效率视为农业数字化影响城乡收入差距的机制变量。为进一步验证作用路径，研究采用两步中介效应法进行检验。第一步，中介效应模型回归结果（见表5）显示，农业数字化对农业技术进步和农业劳动生产率均具有显著正向作用，且在1%的水平上通过检验，说明数字化在推动农业科技成果扩散和转化、提升生产效率方面发挥了关键作用。第二步，结合模型结果与既有研究可以发现，农业技术进步显著提升农产品科技附加值，增加农民的经营性收入；同时，数字化与智能农机、物联网和供应链平台的结合，有效提高了单位产出水平，拓展了农民的就业与增收渠道，从而改善了城乡收入结构。由此可见，农业数字化不仅可以直接改善城乡收入差距，还通过技术进步和农业劳动生产率两条间接的中介路径发挥作用，验证假设H2、H3，表明农业数字化通过推动农业科技进步和提高农业生产效率，能够有效促进城乡收入差距的缩小。

表5  中介效应分析结果

（一）地区异质性分析

考虑到我国区域经济发展的不平衡性，“数字鸿沟”还存在于区域之中。农业数字化的积极效应能否充分释放，取决于当地既有条件。东部地区凭借其雄厚实力，能更加有效地将数字农业转化为城乡收入差距的改善。相比之下，中西部及东北地区虽然也在迎头赶上，但可能因基础设施相对滞后、技术采纳与应用能力存在差距等因素，导致数字红利释放存在时滞与折扣。因此，为检验农业数字化对城乡收入差距影响的区域异质性，研究将研究省份分为东部、中部、西部和东北地区，检验结果见于表6，结果显示：农业数字化水平对城乡收入差距的缩小作用在东部和西部地区以及东北地区显著，而在中部地区虽有缩小效应但不显著。地区数字化效应差异源于不同区域资源禀赋与政策环境差异，在农业数字化驱动下呈现出多元路径特征。

东部地区在农业数字化缩城乡收入差距方面最为明显。东部地区较为雄厚的经济实力和领先的数字基础设施建设使得农业数字化能够快速发展，推动农业生产力提升和农村经济转型，从而有效缩小了城乡收入差距。东部高新技术产业和农业现代化服务业也为农业提供科技支撑和市场需求，进一步提升了农业生产效率和农村经济的整体竞争力；西部和东北地区农业数字化对城乡收入差距的影响，尽管与东部地区相比较为有限，但仍展现出一定的积极作用。西部地区数字基础设施建设相对滞后，加之科技水平较低，在一定程度上限制了西部农业数字化。但近年来在“一带一路”现代化经济走廊的推进，西部农业数字化水平稳步上升，展现改善城乡收入差距的潜力。东北农业数字化水平对城乡收入差距的改善也展现其对应的潜力。东北地区随政策支持加强和基础设施改善，农业数字化在东北地区渗透速度加快，展现其未来潜力，农业数字化改善城乡收入差距的能力有望进一步增强；中部地区农业数字化的影响虽表现其负向改善的影响但当前仍不显著。其可能的原因是和西部、东北地区相同，农业数字化发展相对落后。与东部地区相比，基础设施建设相对落后，对技术的接受能力较弱，难以像东部地区一样有效利用农业数字化提高生产效率，再加之政策支持方面相对较弱，缩小收入差距的作用尚未充分展现。

表6  农业数字化水平对不同区域城乡收入差距的影响

（二）农业数字化影响的分布异质性

本文利用分位数回归模型从考察农业数字化对城乡收入差距改善的异质性影响。为详细区分不同收入差距的影响，本文设置了0.1、0.5、0.7和0.9四个分位点进行回归，检验结果见于表7。结果显示：系数在10%分位点处绝对值最小，在50%分位点处显著增强，并在70%和90%保持稳定。说明农业数字化对不同水平的城乡收入差距均产生了显著的缩小作用，但其边际效应强度存在差异，在中高差距水平下表现得更为强劲与稳定。原因可能在于：处于10%分位点的地区（主要为京津沪浙）城乡发展已高度一体化，收入差距极小，农业数字化可进一步优化的空间有限，导致其边际效应减弱。而对于处于中高分位点的地区而言，城乡二元结构依然显著，农业数字化在改善信息不对称、优化要素配置、拓宽增收渠道等方面能够发挥更大的边际作用，展示农业数字化持续有力的缩差作用。

表7  农业数字化水平对城乡收入差距的面板分位数回归

（一）空间特征分析

在运用空间计量模型前，需先借助全局莫兰指数检验农业数字化与城乡收入差距的空间相关性。由表8可知，2012—2022年，农业数字化和城乡收入差距的全局Moran’sl指数均为正值，且在1%水平上显著，此项表明两者存在较强的空间正相关性，初步证实空间计量模型的适用性。

表8   农业数字化和城乡收入差距的全局Moran’s l指数

图2   2022年农业数字化水平(左)和城乡收入差距(右)的全局Moran’s l散点图

为深入验证农业数字化水平与城乡收入差距间的空间关联特征，研究绘制了2022年这两者的局部Moran’sl散点图（图2）。图中横坐标左侧为农业数字化水平、右侧为城乡收入差距，纵坐标则对应两者的空间滞后向量。通过散点图的分析可知，农业数字化水平和城乡收入差距的Moran’sl指数散点主要分布于第一象限与第三象限，这意味着高发展水平区域间存在相互作用，低发展水平区域则表现出聚集态势，局部空间关联性较为突出。

综合全局莫兰指数与局部莫兰散点图可知，各省份的农业数字化水平与城乡收入差距均存在空间关联的特性，验证采用空间计量模型的必要性。

（二）空间计量模型的选择

为选择适宜的空间计量模型，研究在采用空间计量回归模型前先开展了系列适用性检验。首先，由表9可见，空间效应LM检验的四个统计量均通过显著性检验，其中稳健LM-Error与稳健LM-Lag的统计量在1%水平上显著，LM-Error和LM-Lag统计量也通过了5%水平上的检验。这表明研究对象同时存在空间误差效应与空间滞后效应，由此可以推断空间杜宾模型的选择为最优选择。其次，LR统计量与Wald检验在1%水平上均拒绝了空间杜宾模型（SDM）可简化为空间误差模型（SEM）或者空间自回归模型（SAR）的原假设，进一步印证空间杜宾模型的最优性。最后，LR检验结果表明，“时间固定效应优于双向固定效应”及“地区固定效应优于双向固定效应”的原假设均在1%显著性水平下被推翻。由于模型检验中拒绝原假设所得结论可信度较高，因此研究最终选用双向固定效应的空间杜宾模型。

表9  空间计量模型适用性检验

（三）空间回归结果

表10呈现了以农业数字化水平为核心解释变量的SDM双向固定效应模型的回归分析结果。结果表明，农业数字化水平借助空间溢出效应，显著缩小了本地区及邻近地区的城乡收入差距，印证了假说H4。其中，农业数字化直接效应系数为-0.684，且在1%的水平上通过检验，这表明其在本区域对城乡收入差距存在显著的负向作用，即农业数字化有助于缩小本地区的城乡收入差距。其可能的原因在于，农业数字化通过提升农业生产效率与农民收入，促进了城乡收入差距的缩小。此外，空间自相关系数在1%的水平上通过检验，此项结果表明，农业数字化不仅对本地区的城乡收入差距有影响，还会通过空间溢出效应作用于邻近地区的收入差距。

在控制变量方面，城镇化水平与工业化程度对城乡收入差距呈显著的负向影响，推动了本地区及邻近地区收入差距的缩小。农业产业结构对本地区城乡收入差距的影响较小，未能显著影响收入差距，可能是因为该变量的作用机制较为间接，或尚未在模型中完全显现。金融深化程度与对外开放程度在本地区的影响未达到显著水平。金融深化对收入差距的影响较为复杂，尚未在当前模型中体现出明确的效果；而对外开放程度则对邻近地区呈现一定的空间溢出效应，表明对外开放可能在其他省份加剧了收入差距。

表10  整体回归结果

（一）研究结论

研究基于2012—2022年中国30省份面板数据，采用双重固定效应模型、中介效应模型与空间杜宾模型，系统分析农业数字化对城乡收入差距的影响与传导路径以及空间效应。基于前文分析，得出如下结论：一是整体来看，农业数字化转型可以显著改善城乡收入差距，研究为缩短城乡收入差距提够了新路径；二是农业技术进步以及农业劳动生产率的提升都在农业数字化和城乡收入差距之间发挥关键的中介效应，农业技术的发展和农业劳动生产率的提升有效缩小城乡收入差距；三是异质性分析显示，农业数字化在东部地区缩减收入差距效果最强，次者为西部和东北地区，中部地区虽有缩小差距的影响但未显著。此外，分布异质性分析表明，农业数字化的缩小效应在城乡差距最小的地区相对较弱，而在中高差距水平下持续有效；最后，空间杜宾模型显示，农业数字化的影响具有显著空间溢出效应，其不仅降低本地区城乡收入差距，还能通过溢出效应促进周边区域的协调发展。

（二）政策建议

基于上述研究结论，为充分发挥农业数字化的缩减城乡收入差距的效能，研究提出以下政策建议：第一，加大农业数字基础设施投入，优化通信网络、物联网、卫星遥感监测等技术在农业生产中的应用；完善农业大数据平台，推动农产品生产、流通、销售、金融等环节的数字化转型；同时，要依托高水平地区的技术、平台以及产业优势，推动技术与经验共享以及示头带动，充分发挥农业数字化的空间溢出效应，来提升收入分配均衡。第二，设立专项基金，加大农业技术研发投入，加速农业技术成果转化，完善农业技术推广与培训体系，提高农户技术素养，使数字化成果真正惠及农业生产。第三，推动数字化农业经营平台建设，提高农民的经营效率与能力，加大财政补贴和普惠金融，降低农户购置数字化智能设备的成本，提升农业生产效率，帮助中低收入群体享用数字化带来的生产率红利。第四，东部地区深化农业数字化应用，推动高附加值数字农业产业升级。西部与东北地区依托国家战略，提升数字基础设施和产业协同能力。中部地区强化政策扶持和资金投入，补齐数字基础设施短板。通过差异化政策，尤其是在城乡差距依然显著的区域持续发力，形成东部引领、中部补齐、西部和东北提升的多层次发展格局，普遍加强农户数字化应用能力培训，优化收入差距，推进区域协调发展。

扫码阅读原文