电子商务对农村居民的增收效应和收入分配效应
——以乡村振兴为背景

王 辉 ，李 瑞，黄杏子

1.江苏省社会科学院盐城分院，江苏 盐城 224000；2.中共盐城市委党校，江苏 盐城 224000；3.河北师范大学马克思主义学院，河北 石家庄 050000；4.南开大学经济学院，天津 南开 300071

引言

近年来，随着农村地区通信基础设施的日益完善，互联网使用成本逐步下降，农村地区互联网普及率和网民规模得以快速增长。根据第52 次《中国互联网络发展状况统计报告》显示，截至到2023 年6 月，我国农村地区网民规模达3.01 亿人，互联网普及率为60.5%，相较于2021 年6 月提升了1.3 个百分点，城乡互联网普及率间的差距得到进一步缩小。除此以外，农村地区交通运输设施、物流快递配送系统的日益完善，让第三方电子商务平台在农村地区得以兴起和发展，中国农村电子商务迎来了最好的发展机遇[1]。中国商务部数据显示，2014 年全国农村地区的网络零售额仅为1 800 亿元，到2020年则增长至1.79 万亿元，增长了近十倍。农村在网上零售交易总额中的份额也从2014 年的6.5%上升到2018 年的15%。随着电子商务在农村地区的快速发展，农村电子商务呈现出集群化的特点[2-4]，逐步形成了电子商务专业村。电子商务专业村经营的网店主要是淘宝店，因此又被称为淘宝村①阿里研究院将淘宝村定义为具有电子零售商集群的行政村。该村每年电子商务交易总额超过1 000 万元人民币，至少存在10%的村户积极从事电子商务或至少拥有100 家村民经营的在线活跃商店。。南京大学空间规划研究中心、阿里研究院的研究结果显示，从2009 年全国出现3 家淘宝村开始，到2021 年全国淘宝村的数量已经达到7 023 个，而且淘宝村的年均增量连续四年超过1 000 个。十几年来，中国的淘宝村经历了快速增长，日益成为具有国家影响力的经济地理现象。

电子商务的蓬勃发展给农村带来了巨大的变化。一是电子商务推动了农村地区创新创业和产业升级[5]，使以个性和品质为特征的传统工艺价值重新出现[3]，促进农村居民扩大其市场占有份额，发掘更多的潜在客户，开拓新的市场。二是电子商务直接匹配买卖双方，有助于降低信息搜寻成本，促进解决信息不对称问题，将中间商排除出分销渠道，提高了农村居民的利润率和收入水平[6]。当然，也有学者认为，电子商务在农村地区贫富阶层之间划下一道更加难以逾越的数字鸿沟，电子商务和信息通讯技术首先惠及的是受教育程度和收入水平较高的富裕阶层，而且容易导致不同群体之间的收入差距日益增大[7-9]。

那么，电子商务技术在农村地区的普遍应用，能否给农村居民带来收入的普遍提升呢？电子商务技术的应用是扩大了农村不同群体之间的收入差距还是缩小了收入差距？为了具体回答这些问题，本研究利用中国农村电子商务发展调查（2018）数据，采用倾向得分匹配法实证研究电子商务技术采纳对农村居民收入的影响效应，既可以深化对电子商务应用的效应分析，又有助于加深对电子商务技术在农村居民增收效应和收入分配效应方面的理解和认识。同时，该研究还可以拓展农村电子商务领域的微观视角定量研究，把该领域在实证方面的研究向前推进一步，从而为农村地区电子商务的发展提供新的研究参考。

1 文献综述

1.1 电子商务对农村居民收入的影响

学界普通认为，电子商务作为一种新兴数字技术，它在农村地区的应用普遍地提升了农村居民的收入水平。曾亿武等基于江苏省沭阳县1 009 个花木电子商务农户的调查数据，研究电子商务对农村居民收入的影响效应，发现采用电子商务技术能够显著促进农村居民收入的增长[10]。李琪等基于浙江省11 个地市的面板数据分析电子商务促进农村居民增收的直接影响机制和空间外部性作用，发现电子商务发展及其空间溢出效应对农村居民收入增长具有显著的正向影响，且政府支持力度越大其作用越强，而且发现欠发达地区利用电子商务带来的“后发优势”可以有效提高农村居民收入水平[6]。

电子商务对农村居民增收效应主要体现在两个方面。一方面，电子商务增收效应体现在农村居民和农产品方面。首先，电子商务有利于提升农村居民的利润率。电子商务平台可以直接匹配市场上的买卖双方，减少了中间商在信息和区位上的优势，弥补了农村居民在市场信息和销售渠道上的不足，改善了农村居民在市场上的劣势地位，使快速、直接、高效与农产品源头对接成为可能，从而使农村居民获得了更高的利润[10]。其次，电子商务可以通过提升农产品销量提升农村居民收入。在电子商务平台上，农村居民可以发掘新的消费群体，开拓新的市场[11-13]。电子商务平台还可以将农产品和消费者需求进行有效匹配，有助于降低信息搜寻成本，有效地解决信息不对称问题[14]，进而扩大农产品的市场需求量，开拓新的销售渠道。此外，电子商务通过减少流通环节、降低流通成本，降低了农产品销售价格，提升了农产品的市场需求，拉近了农村居民和消费者之间的距离，增强了消费者黏性，有利于农产品的推广。最后，电子商务有助于提升网商搜集和利用信息的能力，更好地引导生产[12]。电商企业通过在农村流转土地，引导农村居民进行标准化、规模化的定制生产，指导农村居民进行种植、管理，缓解了农产品供需错配，推动了乡村原有产业的转型升级。

另一方面，电子商务增收效应体现在农村居民就业和创业方面。当前，随着农村交通运输基础设施和物流快递配送体系的日益完善、互联网在农村地区的不断普及，以及电子商务技术在农村地区的应用和发展[1]，农村居民已经克服了地理上的障碍，成为了市场中有效的参与者，电子商务为农村居民提供了自主创业、脱贫致富的机会[15]。尤其是电商与农村加工业相结合，可以拓展乡村既有产业的网络销售，实现由一个农村特色产品向一个区域特色产业的转变，从而带动更多的农村居民加入进来。例如，山东曹县以表演服饰加工业为基础，积极培训当地居民，引导支持贫困群体开办网店，通过电商帮助群众脱贫，人数近2 万人，占当地全部脱贫人口的23%。此外，还有学者研究了电子商务带来的区域创业效应，发现在中国部分地区开网店已成为农村居民致富的渠道之一[16]。

1.2 电子商务对农村居民收入差距的影响

电子商务的应用究竟是提升了农村居民收入让更多人分享到了数字红利，还是扩大了农村地区贫富阶层之间的差距划下了一道数字鸿沟。对于这一问题，目前学者们没有达成共识。一种观点认为电子商务扩大了收入差距。张磊和韩雷基于2002-2013 年省级动态面板数据，利用系统广义矩估计方法实证分析中国电商发展对城乡居民收入分配的影响，结果表明：电子商务显著地扩大了中国城乡居民之间的收入差距；电商经济发展对中西部地区的城乡收入差距扩大效应的影响显著，而对东部地区的影响不显著[17]。前述曾亿武等的研究发现，电子商务加剧了农村居民内部收入的不平等，农村居民在物质资本、人力资本和社会资本的资本禀赋之间的差异是影响农村电商户增收差异的重要因素[10]。另一种观点则认为电子商务缩小了收入差距。Xubei&Chiyu 利用中国农村电子商务发展调查数据，采用倾向得分匹配法研究电子商务对中国农村居民家庭收入的影响，结果发现电子商务缩小了农村居民之间的收入差距。中国农村金融调查数据（2018）显示，有电商的村庄人均产值约为无电商村庄的25.8 倍，平均提高家庭收入2.05 万元。这一现象表明，电子商务可能通过促进农村居民创业、提供非农就业岗位等途径提升农村家庭的收入水平，证明电子商务技术具备缩小农村收入差距的可能[18]。彭瑞梅和邢小强认为，电子商务能够通过缩减空间隔离、减小信息隔离、突破地域限制、帮助获得资源以及实现资源信息共享等渠道，使低收入人群进行包容性创业，参与主流经济发展，从而提升个人和家庭收入，改善收入差距[19]。

综上所述，现有研究主要存在两个问题。一方面，关注电子商务对农村家庭收入影响的文献相对有限，绝大多数文献采用的是宏观数据或者地区微观数据。另一方面，有关电子商务对农村居民收入的影响分析主要集中在从事农业电商的农村居民，而忽视了从事非农电商的农村居民。有鉴于此，笔者拟采用中国农村电子商务发展调查（2018）数据，通过采用倾向得分匹配法分析电子商务对农村居民人均收入和收入差距的影响。

2 数据来源与研究方法

2.1 样本抽取情况

本研究使用的数据来自于南开大学、北京大学、世界银行和阿里巴巴集团多家单位于2018 年7至9 月在全国范围内联合开展的“中国农村电子商务发展调查”项目。本次调查采用分层随机抽样设计，以克服简单随机抽样的缺点，提高样本的代表性。分层抽样具体方法如下：首先，将2017 年中国2 118 个淘宝村根据在线销售商品总值（GMV）分为五个层次，每层次随机抽取20 个村，从全国抽取了100 个淘宝村代表性样本（表1）。其次，根据村庄地图卫星图像上的单元网格估计家庭数量，随机选择特定数量的网格。最后，按照电子商务参与状况（家庭是否拥有网店），在每个淘宝村随机选择10 个电商户和10 个非电商户。经过如此处理，最终的调研样本覆盖北京、河北、江苏、山东、浙江、福建、广东、云南7 个省84 个村1 383 户，其中包括622 个电商户、761 个非电商户。在研究中，笔者采用缺失数据剔除，最终样本包括539 个电商户和715 个非电商户。

表1 地域分层抽样基本情况

2.2 研究方法选择

本研究认为，采用最小二乘法（OLS）估计电子商务对农村家庭人均收入的影响会面临两个问题。一是样本自选择导致的选择性偏差（selection bias）问题。农村居民参与电子商务的行为是根据家庭条件等因素进行的自主选择，并不是一个随机化的行为。例如，经济水平和受教育程度越高的农村居民参与电子商务的可能性越大。二是不可观测因素带来的内生性问题。由于存在一些不可观测因素，如智力、情商等，若将其作为遗漏变量包含在误差项中，会导致在估计电商对农村居民的增收效应和收入分配效应的影响时产生内生性问题。由Heckman 等提出的倾向得分匹配方法（PSM）是处理问题较为有效的计量工具[20]。具体而言，倾向得分匹配法包括倾向性评分（propensity score）和匹配（matching）两步。首先，构建一个农村居民参与电子商务的概率模型，预测每个农村居民参加电子商务的概率，即倾向分数值（pscore），并根据pscore 值检验变量平衡条件。其次，运用最近邻匹配（k=1、30）和核匹配的匹配方法为参与电子商务的农村居民寻找匹配的未参与电子商务的农村居民，使匹配后的两个样本组仅在是否从事电子商务这个方面有所不同，而其他方面相同或相似，用匹配后的对照组来最大限度地近似替代处理组的“反事实”。最后，通过比较参与电子商务和未参与电子商务但倾向得分相近的农村居民，得到电子商务对农村家庭人均收入的净效应①在对ATT 平均影响进行统计推断时，为了克服潜在的小样本偏误对研究结论的影响，本研究采用“自抽样法（bootstrap）”获得相关统计量的标准误，进而进行统计推断。。这个净效应称为平均处理效应（ATT），其表达式是：

PSM 方法是基于可观测解释变量，但是可能会存在影响决策变量的不可观测因素，如果可观测变量设定不正确，则不可观测因素将导致倾向得分的有偏估计和错误的样本匹配。由于潜在偏误难以直接测量，因此本研究采用了Rosenbaum[21]提出的敏感性分析方法检验不可观测因素的影响程度。

2.3 变量选择

2.3.1 被解释变量

本研究关注的被解释变量为农村居民家庭人均收入。将2018 年中国农村电商发展调查问卷中各项收入进行加总，得到农村居民家庭总收入，然后除以家庭总人口数计算得出农村居民家庭人均收入。其中各项收入主要包括家庭工资性收入、财产性收入、经营性收入和转移性收入。

2.3.2 核心解释变量

本研究关键解释变量是电子商务水平。将2018年中国农村电商发展调查问卷中“家庭中是否至少一名成员现在或者曾经经营过网店”作为衡量电子商务指标。其中家庭有人经营网店，则赋值为1，表示为电商户；家庭无人经营网店，则赋值为0，表示为非电商户。

2.3.3 相关控制变量

主要变量的统计性描述如表2 所示。在1 254个有效样本中，电商户有539 户，占比为43%。结果显示，农村电商户比非电商户收入对数高，说明电商户的收入高于非电商户。从图1 可以发现，电商户（处理组）比非电商户（控制组）密度函数图的峰值向右偏移，并且总体向右偏移，说明电商户的收入要高于非电商户的收入。

图1 电商户与非电商户收入密度函数图

表2 变量说明及统计描述（均值）

3 电子商务对农村居民家庭收入的影响效应

3.1 农村居民从事电子商务的影响因素

表3 是Logit 模型的估计结果。结果显示，户主受教育年限、健康程度、家庭风险偏好、家庭财产对数、家庭成员数量等变量显著影响农村居民是否参与电子商务。具体而言，户主受教育年限变量的回归系数在1%水平上显著为正，表明户主受教育年限越高，家庭从事电子商务的可能性越高。风险偏好对电子商务的采纳有显著的正向影响，即风险偏好越大的家庭，更容易接受新鲜事物，更容易开网店。家庭成员数量对电子商务的采纳有显著的正向影响。因为家庭成员数量越大，劳动力越多，可以为其从事电子商务提供人力支持。家庭财产对数对电子商务的采纳有显著的正向影响。可能的解释是，家庭财产越高，说明家庭物质资本也越高，有利于为从事电子商务提供一定的经济和物资基础，增加了家庭从事电子商务的可能性。

表3 参与电子商务倾向得分的Logit 估计结果

3.2 检测样本匹配的质量

为了保证倾向得分匹配的估计质量，本研究进行了平衡性检验以验证匹配后处理组（电商户）与控制组（非电商户）是否存在系统差别，结果如表4 所示。从表4 可以看到，匹配前的Pseudo R2 值为0.107，匹配后近邻匹配（k=1 和3）和核匹配的Pseudo R2 值为0.002～0.014；匹配前的LR统计量为177.03，匹配后近邻匹配（k=1 和3）和核匹配的LR 统计量为19.81、6.60 和2.22；近邻匹配（k=1 和3）和核匹配的标准化偏差均值、中位数和B值显著低于匹配前。上述结果表明，匹配样本的协变量比较平衡，通过了平衡性检验，匹配质量较高，匹配后的电商农村居民与非电商农村居民基本一致。匹配前后农村居民的倾向得分的密度函数图进一步直观地显示了匹配前后的效果（图2）。

图2 核匹配前后倾向得分的密度函数图

表4 匹配质量的平衡性检验

3.3 平均处理效应结果

表5 给出了三种匹配方法下电子商务对农村家庭人均收入的处理效应估计结果。K近邻匹配法（k=1）、K 近邻匹配法（k=3）和核匹配法得到的处理组平均处理效应（ATT）的结果分别为0.872，0.827和0.809，且回归系数均在1%统计水平上显著。结果表明，在消除了参与电子商务农村家庭及未参与电子商务农村家庭可观测异质性导致的显性偏差后，参与电子商务显著增加了农村居民收入，参与电子商务的农村居民家庭人均收入比未参与电子商务的人均收入高83.6%。对此可能的解释是：第一，电子商务有效地弥补了农村居民在市场信息和销售渠道上的不足，减少了中间商对其压榨，提升了农产品的利润率，增加了农村居民收入；第二，电子商务有利于农村居民开发新的消费群体，开拓新的市场，扩大农产品的市场需求量；第三，电子商务为农村居民提供了更多的自主创业机会，带动农村地区居民就业，从而促进农村居民收入增长。

表5 电子商务对家庭人均收入的处理效应

3.4 稳健性检验

3.4.1 敏感性分析

倾向得分匹配的方法虽然可以解决选择偏差问题，但是由遗漏变量导致的结果的偏差问题却难以解决，因此本研究用Rosenbaum 的敏感性分析来验证这一问题。表6 报告了Rosenbaum的敏感性分析结果，其中，Gamma 值被用来指代被忽视的因素对农村居民是否采纳电子商务的影响。当Gamma 值等于或者接近1 时，结论不显著，那么倾向得分匹配得出的结果是不可靠的；如果Gamma 值越大时，结果还是显著的，那么倾向得分匹配得出的结果是可靠的。表6 结果显著，当Gamma 值由1 增加到2 时，得出的结论都在0.01 的水平上显著。由此推断，即使存在不可观测因素，但倾向得分匹配得出的结果是不敏感且稳健的。

表6 Rosenbaum 的敏感性分析

3.4.2 替换被解释变量

记者了解到，寺里目前共有120个尼姑，年纪最小的有20岁，最大的有80多岁了，腿脚不便的老尼姑可以在家休养。寺里不仅有奔子栏当地的尼姑，还有来自西藏芒康县、四川甘孜州稻城县、得荣县，德钦羊拉乡、拖顶乡、霞若乡，香格里拉市尼西乡等地的，大家在寺里就像一家人，相互照料。并且，各地尼姑都可以公平享受党委、政府的相关扶持和惠利政策。

为了进一步验证模型的稳健性，本研究将家庭人均经营性收入作为模型的被解释变量重新回归，表7 给出了三种匹配方法下电子商务对农村居民家庭人均经营性收入的处理效应估计结果。K近邻匹配法（k=1）、K近邻匹配法（k=3）和核匹配法得到的处理组平均处理效应（ATT）的结果分别为1.066，1.060 和0.982，且回归系数均在1%统计水平上显著。实证结果表明消除了参与电子商务农村家庭及未参与电子商务农村家庭可观测异质性导致的显性偏差后，参与电子商务农村家庭人均经营性收入比未参与电子商务的人均经营性收入高103.6%。进一步验证了基准结果的稳健性。

表7 电子商务对家庭人均收入的处理效应

3.4.3 运用处理效应

由于只是对在淘宝村的农村居民进行分层抽样调查，样本不具有随机性，这样得出的结论是有偏差的。因此模型存在样本选择偏差（sample selection bias）造成的内生性问题。为了解决这种选择性偏差（selection bias），采用Heckman 两阶段模型来对电子商务对农村居民家庭人均收入的影响进行估计。使用处理效应模型两步法考察影响从事电子商务的内生因素：第一阶段构造Probit 选择模型，考察被调查者是否从事电子商务的影响因素；第二阶段构造普通最小二乘法模型，考察影响被调查者收入的因素。第一阶段Probit 选择模型的具体公式如下：

式2 中，为表示“是否从事电子商务”的虚拟变量，1 代表“从事电子商务”，0 代表“没有从事电子商务”。Family表示家庭特征解释变量，Province代表地区特征变量，包括家庭所在淘宝村规模、村离火车站距离、村离集市距离。G是一个取值严格介于0～1 之间的函数：

为了克服不可观测的能力特征，本研究采用处理效应模型分析电子商务对农村家庭人均收入的影响，具体数据如表8 所示。结果表明，农村家庭参与电子商务将显著地提升其家庭的人均收入，参与电子商务的家庭比未参与电子商务家庭的人均收入高86.2%，且估计系数在1%的显著性水平上显著。与PSM 结果对比，二者结果相似，进一步验证了PSM结果具有稳健性。

表8 处理效应结果

3.5 异质性分析

由于样本容量所限，为保证匹配效果，本研究将受教育程度分为两个组别，即受教育程度是小学及以下的为一组，受教育程度是初中及以上的为一组。对于家庭财产这个连续型变量，本研究首先计算其均值，然后分为“大于家庭财产均值”和“小于家庭财产均值”两个组别，最后对两组分别进行PSM 分析，结果如表9 所示。在受教育程度方面，使用K近邻匹配法和核匹配法，小学及以下学历的农村居民采纳电子商务对其家庭人均收入的平均处理效应（ATT）结果为0.934 和0.903，且在1%统计水平上显著；而初中及以上学历的农村居民采纳电子商务对其家庭人均收入的处理效应（ATT）结果为0.852 和0.859。在家庭财产方面，家庭财产小于均值的农村居民采纳电子商务后增收显著，K近邻匹配法和核匹配法的平均处理效应（ATT）结果为1.027 和0.979；家庭财产大于均值的农村居民采纳电子商务对其家庭人均收入的处理效应（ATT）结果分别为0.814 和0.788。

表9 农村居民电子商务采纳增收效应差异的影响因素

PSM 分组比较的结果证明，在采用电子商务技术的农村居民中，物质资本、人力资本的资本禀赋因素对其增收存在一定的差异。伴随着电子商务在农村地区的发展，农村居民开始分享数字红利，但与此同时，农村居民群体内部的红利差异也不可避免地存在着以电子商务为代表的信息技术应用，对物质资本和人力资本较为匮乏的农村居民增收更有利，对改善农村居民收入差距有一定的促进作用。为了验证电子商务对农村居民收入差距的影响，下文进一步采用分位数回归对此进行分析。

4 电子商务对农村居民收入分配的影响

4.1 分位数回归

以上所发现的电子商务对农村家庭的增收效应并不意味着农村收入分配的改善，笔者想进一步分析使用电子商务能否缩小居民收入差距。为此，本研究采用了分位数回归方法。根据Koenker&Hallock 所提及此计量方法在经济学研究中应用，参照高梦涛和姚洋、程名望等，本研究采用分位数回归模型，目的是区分电子商务采纳对农村家庭人均收入分布上的影响差异。分位数的回归模型设定如下：

其中，Y为农村居民家庭人均收入的对数，D为参与电子商务的虚拟变量，Fy(τ|Di)是给定Di时Yi在y处的分布函数，比如τ=0.10 当时，Qτ[Yi|Di]表述的是给定Di下Yi的第一个十分位数，在本模型τ=0.2,0.4,0.6,0.8 中分别表示20，40，60，80 分位。在本模型中，通过将家庭人均收入的条件分位数看成电子商务采纳程度的函数，我们可以了解收入的分布是否随着电商采纳程度而上下变动。

表10 列出了在第20，40，60，80 分位点的回归结果。表中的数据显示，在20 分位点上，电子商务的应用对家庭人均收入的影响为89.8%，此后随着分为点的增加，其影响逐渐下降，在80 分位点上，其影响则下降为71.1%。结果表明，电子商务对农村低收入家庭的增收效应大于对高收入家庭的增收效应，这从侧面证明电子商务有利于改善农村居民之间的收入差距。图3 绘制了核心解释变量随着分位数变化的估计系数的变化趋势。

图3 家庭人均收入的分位数系数变化

表10 分位数回归结果

4.2 无条件分位数回归

为了进一步分析电子商务对农村居民人均收入的增收效应在各个分位数上的贡献，本研究采用Firpo 等提出的无条件分位数回归与Oaxaca-Blinder 均值分解相结合的方法，即RIF 回归及以此为基础的分解法。基于RIF 回归的分解法主要分为两个步骤：首先是RIF 回归，这是由Firpo 等提出的一种利用分布统计量的再集中影响函数（R e-centered Influence Function）进行回归的方法，分位数的RIF 方程可以用公式表示为:

其中，Qτ为F(Y)分布的分位数函数，fY(.)为边际密度函数。

由于RIF=可以线性地表示为自变量的函数，于是将第一步得到的RIF 变量对解释变量X进行OLS 回归，用公式表示为:

第二步：构建反事实分布函数。在采用无条件分位回归模型得到收入方程后，可将电商户和非电商户的收入差异分解为两个部分:

其中，Qτ(Yu)-(Qτ(Yc)表示为电商户与非电商户特征不同导致的差异，表述为特征效应，属于可被特征差异解释的“合理部分”；[Qτ(Yc)-Qτ(Yr)]为两组群体之间收益率不同导致的差异即系数效应，属于不可解释的部分。

与其他方法相比，基于RIF 无条件分位数回归的分解法可以体现各分位数上收入差距的分布状况，还可以把电商户和非电商户收入的差距分解为由特征差异造成的可解释部分及由特征回报差异造成的不可解释部分，并估计出各解释变量对特征效应和系数效应的贡献。

为了进一步分析电子商务对农村家庭人均收入的影响，本研究采用RIF 分解方法，在20，40，60 以及80 分位数收入水平，分析电子商务对农村家庭人均收入的促进效应，结果如表11 所示。在收入水平的20，40，60 以及80 分位数上，电子商务对农村家庭收入的提高贡献分别为114.7%、68.7%、64.6%和83.2%。结果显示，电子商务对低收入家庭人均收入提高的促进效应明显高于对中高收入群体的促进效应。因此电子商务有利于改善农村的收入分配，促进收入公平。

表11 RIF 分位数分解

5 结论及启示

本研究基于2018 年中国农村电商发展调查数据，分析电子商务对农村家庭人均收入的影响。一方面，分析电子商务对农村居民的增收效应。考虑到传统线性回归可能存在选择性偏差和内生性问题，本研究采用了倾向得分匹配法，结果显示：参与电子商务农村家庭人均收入比其未参与电子商务人均收入高83.6%。本研究采用了敏感性分析和处理效应模型进行稳健性分析，实证结果表明基准结果具有稳健性。另一方面，分析电子商务对农村居民的收入分配效应。基于分位数回归分析电子商务对农村家庭人均收入的影响，结果发现：电子商务对低收入家庭收入的增收效应远远大于中高收入家庭。基于无条件分位数的分解法，电子商务对低收入家庭人均收入提高的促进效应明显高于对高收入群体的促进效应。综上所述，电子商务对农村居民的增收效应有极大的促进作用，极大地提高低收入的农村家庭的收入，促进社会公平。

研究结论证明了电子商务对农村家庭的促进作用。根据第52 次《中国互联网络发展状况统计报告》显示，截至2023 年6 月，我国农村网民规模为3.01 亿，相较于2012 年的1.56 亿人，增涨了近一倍；农村地区互联网普及率由2012 的23.7%增长到2023 年60.5%。虽然农村网民规模和农村地区互联网普及率在持续的快速增长，但我国的农村网民规模和互联网普及率还有很大的提升空间，电子商务“红利”还会继续，因此大力发展电子商务对农村居民收入有很大的提升促进作用。

根据南京大学空间规划研究中心、阿里研究院研究结果显示，2014--2021 年，有淘宝村的省份从10 个增加到31 个，但新增省份的淘宝村总数仅为427 个，仅占新增数量的6.27%；并且淘宝村在东部沿海地区高度密集分布，2021 年东部沿海地区的淘宝村数量达到6 538 个，占到全国淘宝村总数的93.1%，淘宝村数量增长迅速，但中西部和东北地区淘宝村分布还是相对匮乏。因此，需要加快中西部地区淘宝村建设和发展，将电子商务“红利”带到更多地方。

最后，面对电子商务带来的“红利”，政府部门应该加强基础设施建设，结合当地的特色产业，创造良好的电商创业环境。政府部门应该提供免费的与电商业务相关的技能培训，并且为农村居民电商创业提供一定的政策支持，提高农村电子商务红利。当地村民应该主动参加电商方面的培训，不断提高自己的数字化技能。