党的十八大以来，我国一直把实现共同富裕作为中国共产党的重要使命，并采取包括健全工资制度、健全工资合理增长机制和着力提高低收入人群收入等措施，不断取得新成效。2023年，全国居民人均可支配收入39218元，比上年增长6.3%。其中，城镇居民人均可支配收入51821元，农村居民人均可支配收入突破2万元门槛，达到21691元。可见城乡居民收入依旧存在较大的差距。

2023年中央一号文件指出，全面建设社会主义现代化国家，最艰巨最繁重的任务仍然在农村。农民就业、增收问题向来是国家关注的重点之一，也是“三农”工作的中心任务。与往年相比，2023年中央一号文件把农民增收放在了更重要的位置，提出“拓宽农民增收致富渠道”。改革开放以来，农民的工资性收入地位越来越高，已然成为农民收入和增收的主要源泉^[1]。尤其是近年来，其重要性越发凸显。2023年，农民工资性收入占其总收入的42.24%。不难看出工资性收入在农民增收方面发挥着重要的作用^[2]，因此进一步提升农村居民的工资性收入具有重要的现实意义和战略意义。

现如今数字经济已然成为我国经济发展主流，互联网和数字技术在其中发挥着不可替代的重要作用^[3]。数字技术的运用和成熟与中国具有巨大发展潜力的市场相结合，再加上党的十八大以来政府致力于打造良好的数字化环境，共同改变了传统的就业形式和就业结构，促进了例如网约车、直播带货、外卖、人工智能以及数字支付、共享经济、工业物联网、消费互联网等新模式新业态的积极发展与壮大^[4]。传统就业形式和新业态的蓬勃发展共同促进了我国劳动力工资性收入的提升和就业增长^[5]。想要抓住这些机会，劳动者能否巧妙利用数字信息和技术成为其中的重中之重。也就是说，数字素养成为了数字时代个体的必备素养^[6]。个体的数字素养水平是决定其能否在数字经济时代抓住机会，收获数字经济红利的关键。

数字技术的发展促进了农村产业链延长和拓宽农村集体产业发展，为留在农村的劳动力照顾家庭的同时提供了更多就地工作的岗位和赚取工资性收入的机会。对于外出务工的农村劳动力而言，除了传统的就业方式外，高精尖数字人才的短缺和零工经济的壮大也为他们提供了更多就业和赢取高薪酬的机会。当然，数字经济对于劳动者的数字素养水平具有较为严格的要求^[7]。只有具备较高数字素养水平的农村劳动力才能更好地运用数字技术^[8]从而获得更优厚的收入和更丰厚的福利。

但是，就当前农村地区，一方面，数字技术对农村社会经济结构和形态产生重大影响^[9]；另一方面，现实生活中信息壁垒的存在致使市场通常处于信息不对称状态^[10]。根据中国社会科学院信息化研究中心2021年发布的《乡村振兴战略背景下中国乡村数字素养调查分析报告》显示，我国农村居民数字素养得分比城市居民低37.5%，主要原因为农村居民使用个人电脑创造价值的能力不足。也就是说城乡之间依旧存在数字鸿沟，而现阶段的数字鸿沟已然表现在使用能力上的差距^[11]。这种差距会对农村居民的收入结构造成深远影响。中央网信办等五部门发布的《2023年数字乡村发展工作要点》指出，要以“数智”赋能农民，提升农民数字素养与技能。

基于以上背景，本文尝试探讨数字素养对农村劳动力工资性收入的影响，深入挖掘数字素养对不同群体农村劳动力工资性收入造成的差异并探讨人力资本、社会资本在其中的机制作用，以期为加强农村劳动力数字素养教育，从而促进农村劳动力工资性收入增长提供有益参考。

一、   理论基础与研究假说

数字素养是决定个体能否在数字经济时代抓住机会、影响劳动力数字经济红利差异的关键之一^[12]。数字素养能够帮助农村劳动力更快适应新的就业形势，融入数字经济社会，并利用自身的数字技能获取更高薪酬；且数字素养水平越高越可以帮助农村劳动力提升人力资本水平和社会资本水平，缓解他们内生动力的不足，强化其就业优势及拓宽其社会交往方式和渠道，从而有助于农村劳动力获取更加丰厚的工资性收入（图1）。

图  1  数字素养对农村劳动力工资性收入影响的分析框架

下载: 全尺寸图片 幻灯片

（一）   数字素养对农村劳动力工资性收入的影响

数字经济的发展致使劳动力市场的就业岗位规模扩大^[12]。数字素养作为劳动力在数字经济时代获取工作、赚取收入的必备能力，对促进农民增收、农民享受数字红利都十分重要。对于本地务工的农村劳动力而言，一方面，数字素养是农村劳动力缓解信息差^[13]、有效甄别相关信息从而降低求职成本的利器；另一方面，数字技术的发展促进农村产业链的延长和拓宽农村集体产业发展，为留在农村的劳动力提供了更多增加工资性收入的经济机会。对于在城市务工的农村劳动力而言，除了传统的就业方式外，零工经济的壮大和高数字技能人才的稀缺^[14]也为他们提供了更多高报酬的岗位。因此，本文提出研究假说H1。

H1：数字素养对提升农村劳动力工资性收入具有显著正向影响。

（二）   数字素养对农村劳动力工资性收入的作用机制

本文认为，数字素养可以通过影响农村劳动力的人力资本水平和社会资本水平，进而影响其工资性收入。

第一，Schultz的人力资本理论认为人的质量的提高能够在很大程度上决定经济的发展，改变其工资结构及劳动^[15]。数字素养能够帮助农村劳动力高效精准地获取工作相关的学习资源并进行查漏补缺，增加专业知识和技能的经验学习，弥补和提升工作上的不足，促使其工作综合能力得到进一步提升；另外，数字素养还有益于拓宽农村劳动力的职业搜寻渠道和增加其实现职业向上流动的概率，强化就业优势，进而提升农村劳动力获得高工资性收入的可能性。因此提出研究假说H2。

H2：数字素养可以丰富农村劳动力的人力资本水平，进而促进其工资性收入提升。

第二，在乡土社会的影响下，交际往来成为获取信息、争取高报酬岗位的重要一环，因而社会资本对劳动力获得高经济地位具有重要作用^[16]。具备数字素养的农村劳动力能够通过其掌握的数字技能，利用互联网实现“线上＋线下”双社交渠道，通过各大通信类等软件缩短沟通“距离”，提高沟通效率，获取、更新信息和维持信息有效性，强化农村劳动力社会网络关系，从而形成更加丰厚的社会资本，进而提高农村劳动力的就业渠道信息获取和整合能力以及增强自身竞争力，促进其工资性收入增长。因此提出研究假说H3。

H3：数字素养可以提高农村劳动力的社会资本水平，进而促进其工资性收入提升。

二、   数据来源、变量选择和模型设定

（一）   数据来源

本文所使用的数据来自北京大学中国社会科学调查中心的中国家庭追踪调查（CFPS）数据库，该数据库通过跟踪收集个体、家庭、社区三个层次的数据，反映中国社会、经济、人口、教育和健康的变迁。目前，该数据库已经公布了 2010、2012、2014、2016、2018、2020年共 6期的追踪调查数据，数据样本覆盖全国 25个 省（自治区、直辖市），具有较强的代表性。在调查内容上，CFPS详细记录了家庭收入与支出以及个体教育、健康、网络等信息。鉴于数据的时效性，本文选取CFPS2020年的调查数据，农村劳动力工资性收入、数字素养相关信息均来自个人库，相关控制变量和机制变量来自个人库和家庭经济库。

（二）   变量选择

1.   被解释变量

本文的被解释变量为农村劳动力的工资性收入。农村劳动力的工资性收入主要指农民受雇于单位或个人，依靠自己的劳动所获得的全部劳动报酬和福利。主要包括受雇于非企业、当地企业以及外出就业所获得的报酬。本文借助CFPS2020问卷中的“工资总收入（元/年）”进行测度。“除去税和五险一金，所有的工资收入、奖金、现金福利以及实物补贴包含在内，过去12个月总工资性收入为多少？”为了缩小数据之间的绝对差异和避免个别极端值的影响，工资性收入采取加1并取对数处理。

2.   核心解释变量

本文的核心解释变量为数字素养。参照王杰等^[17]、单德朋等^[18]对数字素养的认识，本文将农村劳动力数字素养定义为农村劳动力在日常生活和工作中利用数字技术和工具，获取、处理、利用和传递数字资源进行工作、娱乐、社交、学习和商业等行为的能力。本文基于农村劳动力的现实需求以及数据可得性，将数字素养的识别分为两个步骤：首先，根据个体是否使用移动设备上网或电脑上网判断其是否具有使用互联网的能力和工具，只要符合上述一项，则赋值为1。其次，借助问卷中“从事的工作是否需要用到计算机”“是否看过短视频或网络直播平台”“朋友圈分享频率”“是否使用网络学习”“是否使用在线购物平台网上购物”等相关问题，构建农村劳动力数字素养指标体系，并通过熵权TOPSIS法计算出农村劳动力的个体数字素养^[19]。

3.   控制变量

参考以往的文献，选取个体特征、家庭特征为控制变量。个体特征主要包括年龄、性别、健康状况、婚姻状况、政治面貌、对工作的满意程度等因素，家庭特征则为家庭规模，变量描述性统计见表1。

表  1  描述性统计

变量	变量定义	样本数	均值	标准差	最小值	最大值
工资性收入	受访者工资性收入加1取对数	3108	10.137	1.796	0.000	13.122
数字素养	熵权TOPSIS法测量所得	3108	0.417	0.250	0.000	1.000
年龄	受访者的年龄	3108	30.806	6.441	18.000	64.000
性别	女性=0，男性=1	3108	0.572	0.495	0.000	1.000
健康状况	受访者的健康情况，不健康、一般、 比较健康、很健康、非常健康分别赋值1~5	3108	2.553	1.016	1.000	5.000
婚姻状况	受访者的婚姻状态，未婚=0，已婚=1	3108	0.658	0.474	0.000	1.000
政治面貌	受访者是否为党员，否=0，是=1	3108	0.023	0.149	0.000	1.000
非农就业	农业就业=0，非农就业=1	3108	0.954	0.210	0.000	1.000
对工作的 满意程度	受访者对工作总体满意程度，非常不满意、不太满意、 一般、比较满意、非常满意分别赋值1~5	3108	3.648	0.832	1.000	5.000
家庭规模	受访者家庭人口数量	3108	4.270	2.195	1.000	15.000
正规就业	非正规就业=0，正规就业=1	3108	0.578	0.494	0.000	1.000

下载: 导出CSV 

| 显示表格

（三）   模型设定

数字素养对农村劳动力工资性收入的实证模型设定如下：

式（1）中，Inwage_i为农村劳动力i的年工资收入加1的对数；α₀为常数项；Digit_i为农村劳动力i的数字素养，α₁为其系数；X_i为影响农村劳动力i工资性收入的控制变量；$ \text{ε }_i $为随机误差项。

本文将人力资本（Edu）和社会资本（Social）作为机制变量，对人力资本和社会资本在其中的效应进行检验。立足于温忠麟等提出的中介效应检验程序^[20]，同时参考江艇对于中介效应检验步骤的看法和建议^[21]，着重探讨核心解释变量对机制变量的影响。构建如下模型：

三、   实证分析

（一）   基准回归

为了检验数字素养对农村劳动力工资性收入的影响，此处使用普通最小二乘法（OLS）进行逐步回归估计。由表2的模型（1）可知仅加入了核心解释变量，模型（2）、模型（3）表示在加入核心解释变量的基础上分别引入个体特征变量和家庭特征变量后的回归结果。表2显示，数字素养对农村劳动力的工资性收入的影响为正，且在1%的水平上显著。这说明农村劳动力的数字素养越高，越能够有效提升其工资性收入水平。即验证了本文的假说H1。

表  2  基准回归结果

变量	（1）	（2）	（3）
数字素养	0.521*** （0.119）	0.785*** （0.125）	0.762*** （0.125）
年龄		0.024*** （0.006）	0.024*** （0.006）
性别		0.645*** （0.067）	0.633*** （0.067）
健康状况		−0.086*** （0.032）	−0.093*** （0.032）
婚姻状况		0.239*** （0.074）	0.330*** （0.076）
政治面貌		0.404*** （0.111）	0.432*** （0.110）
非农就业		0.287** （0.134）	0.266** （0.135）
对工作的满意程度		0.089** （0.041）	0.086** （0.041）
家庭规模			−0.065*** （0.014）
常数项	9.919*** （0.062）	8.162*** （0.278）	8.439*** （0.283）
观测值	3108	3108	3108
adj.R²/pseudo R²	0.005	0.053	0.059
注：***、**、*分别表示在1%、5%、10%水平上显著，括号中为标准误，下同。

下载: 导出CSV 

| 显示表格

此外，根据回归结果显示，其他变量对工资性收入也有一定的影响。从个体特征变量来看，受访者的年龄、性别和婚姻状况都在1%的水平上对其工资性收入具有显著的正向影响。男性农村劳动力和已婚的农村劳动力在获取工资性收入方面要比女性农村劳动力和未婚农村劳动力更有优势：一方面男性在力量等方面具有先天优势，另一方面男性受家庭束缚较小、已婚劳动力赚取工资性收入的欲望更加强烈，相较之下两者能够全身心投入工作当中。另外，身为党员对提升农村劳动力的工资性收入也存在显著的正向影响，其原因可能在于党员的政治觉悟更高、奉献意识更强，更加符合工作单位尤其是正规就业单位对于人员的要求。非农就业对于农村劳动力的影响在于农业以外的就业机会更多、就业面更广，农村劳动力有更大的几率实现职业流动^[14]。另外，受访者对工作的满意程度同样也正向影响着其工资性收入，原因解释为受访者对自己的工作越满意越能自觉努力工作，从而为工作单位创造越高的价值。受访者所带来的价值越高就越可能获得高报酬反馈。从家庭特征变量来看，家庭规模在1%的水平上显著负向影响着农村劳动力的工资性收入。家庭规模越大，尤其是家庭成员中老人和小孩占比愈大，就意味着家庭中青年和壮年农村劳动力需要承担的赡养老人、抚育小孩的责任越大，因此他们的工作地点、时间会受到较强限制，导致这部分劳动力有更大的概率选择全职照顾家庭或者更倾向于灵活就业，但收入往往得不到保障。

（二）   稳健性检验

为了验证上述回归结果是否可靠，本文将通过替换被解释变量和子样本回归的方式进行稳健性检验。

1.   替换被解释变量

借鉴李根丽等的做法，本文选取问卷当中“每月税后工资”作为新的被解释变量^[22]。为了缩小数据之间的绝对差异和避免个别极端值的影响，将受访者每月税后工资进行加1取对数处理后再进行回归估计。替换被解释变量后，根据表3模型（1）的回归结果显示，数字素养的系数为正，且在1%的水平上显著，即数字素养对农村劳动力的工资性收入依旧具有显著的正向影响。验证了基准回归的稳健性。

表  3  稳健性检验与内生性处理

变量	（1）	（2）	（3）	（4）
	替换被解 释变量	子样本 回归	数字 素养	工资性 收入
数字素养	0.404*** （0.095）	0.751*** （0.142）		5.354** （2.114）
工具变量			0.116*** （3.363）
一阶段F值			11.313
控制变量	是	是	是	是
观测值	3108	2384	2469	2469

下载: 导出CSV 

| 显示表格

2.   子样本回归

考虑到各个省区市之间的发展条件、经济发展状况和互联网发展水平各不相同，例如受“宽带中国”政策影响程度不同、网络基础设施差异以及数字教育水平参差等因素影响，导致农村劳动力的数字素养水平受到外界干扰，而不是完全依靠自主选择后的结果。因此借鉴王杰等的做法，剔除一些互联网发达地区的样本后，再进行子样本回归检验^[17]。根据工信部2020年发布的《互联网和相关服务业运行情况》显示，互联网络业务发展水平较高的5个省市分别为广东、北京、上海、浙江和江苏。因此，将这5个省市剔除后再进行回归估计。根据表3模型（2）显示，剔除5个省市后的子样本依旧对农村劳动力的工资性收入具有显著的正向影响，再次说明基准回归的结论得到验证。

（三）   内生性处理

上述基准回归中数字素养对农村劳动力工资性收入具有显著的正向影响，但是其中可能存在由于遗漏变量、反向因果而导致的内生性问题。首先，本文虽然控制了诸如性别、婚姻状况以及家庭规模等个体特征变量和家庭特征变量，但是农村劳动力的工资性收入还可能受到岗位竞争、地区经济发展水平等不可观测变量的影响。其次，农村劳动力的数字素养水平越高越能够提升其核心竞争力，从而促进其工资性收入增长。更丰厚的工资性收入同样也为农村劳动力提供了购置数字设备和学习数字技术的资本，农村劳动力的数字素养水平也能够基于此条件而得以提高。因此，这其中可能存在反向因果问题。为了进一步验证回归结论的科学性和有效性，本文选取同村庄除被访农村劳动力外其他农村劳动力的数字素养水平均值作为工具变量^[23]。一、二阶段的回归结果如表3的模型（3）和模型（4）所示，且一阶段的F统计量为11.313，大于10，即不存在弱工具变量问题。从回归结果可知，该工具变量对数字素养具有显著的正向影响。这表明在考虑到内生性问题之后，数字素养对农村劳动力工资性收入的提升作用依旧显著。

（四）   异质性分析

为了更好地探究数字素养对不同类型农村劳动力工资性收入的影响，本文将农村劳动力按照就业形式和性别两个角度进行分组回归。首先，根据农村劳动力在工作中是否与企业单位或者党政机关、事业单位、人民团体签订了劳动合同或聘用合同、录用协议，将农村劳动力区分为是否正规就业两个群体。如表4的模型（1）和模型（2）所示，数字素养对正规就业的农村劳动力的工资性收入具有更加明显的提升作用。正规就业者往往比非正规就业者拥有更出色的信息获取能力和认知、非认知能力，更能抓住数字经济发展所带来的机会。与此同时，用人单位因而也愿意付出更多的经济成本和福利成本招聘有正规工作经验的农村劳动力来为自己服务^[24]。

表  4  异质性分析

变量	就业形式异质性			性别异质性
	（1）非正规 就业	（2）正规 就业		（3）女性	（4）男性
数字素养	0.135 （0.266）	0.706*** （0.134）		1.147*** （0.260）	0.447*** （0.196）
控制变量	是	是		是	是
观测值	1313	1795		1331	1777
adj.R²/pseudo R²	0.055	0.065		0.030	0.059

下载: 导出CSV 

| 显示表格

其次，按照性别将农村劳动力分为男性、女性两组，根据表4的模型（3）和模型（4）可知，数字素养对男性和女性农村劳动力的工资性收入均存在显著的正向提升作用且对于女性的影响程度要高于男性。相对于男性而言，数字素养的提高更能够将女性从传统劳动和家庭中解放出来^[25]。依照传统习俗，女性总是扮演着照顾家庭的角色，而数字经济和数字技术的发展为女性平衡家庭和事业提供了新的机会。自媒体、直播带货等灵活就业方式为女性提供了新的生存空间，另外高数字素养的女性更加善于利用互联网在线学习、在线社交以及获取信息等，因而能够有效提升女性自身的核心竞争力，从而数字素养对其工资性收入的提升效应得以实现。

（五）   机制检验

由实证分析可知，人力资本水平和社会资本水平是影响农村劳动力工资性收入的重要因素。参考江艇对于中介效应检验步骤的看法和建议^[21]，本文主要关注核心自变量对机制变量的影响。

对于人力资本的测度，本文借鉴郭利华等人^[26]的做法，采用个体的受教育程度表示。就人力资本水平而言，根据表5的模型（1）可知，数字素养对农村劳动力的人力资本水平存在正向影响，且在1%的统计水平上显著。这表明农村劳动力确实可以凭借自身数字素养利用互联网渠道不断精进专业能力，提高自身的人力资本水平。另外其他学者也已经证实了人力资本对农村劳动力工资性收入的提升具有显著的正向作用，例如：李根强等的研究证实了这一点，他们研究发现人力资本的提升能够极大改善农村劳动力的工资收入状况^[27]。马文武等的研究同样指出人力资本的积累可以改善农民的非农收入，特别是对工资性收入具有正向影响^[28]。

表  5  机制检验

变量	（1）	（2）
	人力资本	社会资本
数字素养	1.615*** （0.079）	0.560*** （0.193）
控制变量	是	是
观测值	3108	3108
adj.R²/pseudo R²	0.247	0.033

下载: 导出CSV 

| 显示表格

对于社会资本的测度，本文参考杨汝岱等的做法，采用受访者家庭的人情礼金支出表示^[29]。就社会资本水平而言，根据表5的模型（2）可知，数字素养能够在1%的水平上显著促进农村劳动力社会资本水平的提升。这表明农村劳动力确实可以利用已掌握的数字技能拓宽社会交往渠道、丰富社会交往方式以及更加醇熟地维系自身的人脉关系，提升本人的社会资本水平。其他学者的研究也已经证实了社会资本对农村劳动力工资性收入的提升具有显著的正向作用，例如：李珊珊等的研究证明社会资本能够显著提高农民工的工资性收入，尤其是对高报酬的农民工的影响更为显著^[30]。刘涛通过入户调研同样也发现社会资本能够显著正向影响农民工工资性收入^[31]。

综上所述，数字素养通过提高农村劳动力的人力资本水平和社会资本水平进而促进其工资性收入增长。即本文假说H2、H3得到验证。

四、   研究结论和对策建议

本文以CFPS2020数据中的农村劳动力为样本，构建数字素养指标体系，并运用OLS模型对数字素养对农村劳动力工资性收入的影响进行相关实证检验。研究证明：（1）数字素养对提升农村劳动力工资性收入具有显著正向影响；（2）数字素养能够通过提升农村劳动力的人力资本水平和社会资本水平进而改善其工资性收入状况；（3）异质性分析表明，依据就业性质的不同，数字素养能够在1%的水平上显著提升正规就业的农村劳动力的工资性收入。数字素养能够显著提升男性和女性农村劳动力的工资性收入水平，且相对于男性而言，数字素养对女性农村劳动力工资性收入的提升作用更为明显。根据以上研究发现，本文提出如下对策建议：

第一，完善农村数字化基础设施建设是提升农村居民数字素养的必要条件。网络基础设施作为农村居民使用数字设备的基础，是农村数字化、智能化的基石。没有完善的网络基础设施，将无法营造良好的农村数字环境，因此需要着重提升农村数字基础设施设备的建设水平^[32]。

第二，强化农村居民数字素养主体性意识是引导农村居民使用数字基础设施的内生动力。首先，要加强农村居民数字素养主体性觉悟，村干部要做好示范引领作用。其次，进行针对性的数字化宣传和引导。由于农村居民的年龄和文化水平都不尽相同，为了更好地进行宣传活动，可以根据年龄以及受教育程度进行分组对农村居民开展数字知识宣传和科普^[33]。

第三，完善农村居民的数字素养培育方案。农村居民数字素养提升的关键在于数字知识和数字技能的学习与掌握。围绕工作、娱乐、社交、学习和商业等需求，政府部门可以加强与高校、成人高等学校以及相关企业之间的合作，通过“线上＋线下”的模式定期给农村居民开展培训和实践，增强农村劳动力运用数字技能和工具的能力，激发他们对数字建设的动能和热情。