一、引言

二元经济理论认为，发展中国家的经济主要由两大部门组成——现代工业部门和传统农业部门，其中农业部门的劳动生产率普遍较低，而拥有较高劳动生产率的工业部门只需支付略高于农村劳动力平均收入的工资，即能吸引农村劳动力不断地从农业部门转移至非农部门。同时，农业部门因劳动力减少而导致劳动力的边际产出不断增加，直至与非农部门一致，两部门的劳动生产率开始进入一体化状态。随着中国农业农村现代化发展，大量农村劳动力从农业生产中释放出来（Lewis,1954;Ranis和Fei,1961；王颂吉和白永秀，2013)[1-3]。目前，面对艰巨繁重的国内改革发展稳定任务，农村劳动力就业不平衡不充分的问题仍然突出，还有大量农村劳动力需要转移就业（高鸣，2023)[4]。随着历史全面进入数字经济时代，数字技术也不断地向农业农村领域渗透扩散。数字乡村是中国乡村振兴的重要战略方向，政府先后出台《数字乡村发展战略纲要》等系列政策支持数字乡村建设。数字乡村建设不仅可以拓宽农村劳动力就业的信息渠道，还可以不断催生电子商务等新业态和新模式，这可能会源源不断地吸引农村劳动力从农业部门转移至非农部门。那么，数字乡村建设是否可以促进农村劳动力非农就业，其具体作用路径又是什么，这是本文拟重点探讨的问题。

二、文献综述

关于农村劳动力非农就业的影响因素，已有研究主要从宏观层面和微观层面展开。在宏观层面，农村基础设施和电子商务发展被认为是农村劳动力非农就业的重要影响因素。第一，农村基础设施可以显著促进农村劳动力非农就业。农村基础设施可以通过提高农业生产效率、降低交易成本，从而帮助农村释放出更多劳动力从事非农就业（Winters等，2009;Gibson和Olivia,2010;Dillon等，2011)[5-7]。而落后的农村基础设施在很大程度上阻碍了农村劳动力的非农就业选择（Ghimire等，2014;Dedehouanou等，2018)[8-9]。原因可能在于滞后的农村基础设施建设增加了农村非农产业的运营成本，从而阻碍了农村劳动力从农业部门转移至非农部门（Dethier和Effenberger,2012)[10]。第二，电子商务发展可以显著促进农村劳动力非农就业。已有研究主要集中于探讨电子商务发展可促进农村劳动力非农就业的作用机制。例如，基于经济结构变革模型，杨瑞等（2021)[11]认为电子商务发展可以通过提升人力资本和促进技术进步显著促进农村劳动力非农就业。陈建垒和王纯（2023)[12]认为电子商务发展可以通过降低信息不对称和宗族社会网络调节机制显著促进农村劳动力非农就业。微观层面上，数字技术使用、农地确权、农业保险、社会信任等被认为是农村劳动力非农就业的重要影响因素。第一，数字技术使用可以显著促进农村劳动力非农就业。其中，信息渠道拓宽是数字技术使用促进农村劳动力非农就业的重要路径（宋林和何洋，2020；朱哲毅等，2023)[13-14]。与报纸、期刊等传统信息获取渠道相比，数字技术使用可以扭转农村劳动力的风险厌恶意识，进而促进其向非农部门的转移（张世虎和顾海英，2020；张卫东等，2021)[15-16]。第二，基于可持续生计分析框架，生计资本被认为是农村劳动力非农就业的重要影响因素。例如，以人情支出和社会信任为代表的社会资本水平提高可以促进农村劳动力非农就业（罗美娟和申小亮，2021；蒲艳萍等，2023)[17-18]。以职业培训为代表的人力资本水平提高可以促进农村劳动力向非农部门流动（胡祎和张正河，2022)[19]。在自然资本层面，地权稳定性高的土地所引致的农村劳动力非农就业比例更高（张俪娜等，2023)[20]。

数字乡村建设是以物联网、云计算、大数据和移动互联等新兴信息技术为依托，促进数字化与农业农村农民的生产和生活各领域全面深度融合，以乡村经济社会数字化转型助推乡村振兴的创新发展新形态（黄季焜，2020；曾亿武等，2021；王胜等，2021；霍鹏等，2022)[21-24]。关于数字乡村建设的综合评价指标体系测度的现有研究同样起步较晚。参考数字经济发展评价指标体系构建原则，不同学者结合特定的内涵构建数字乡村建设水平评价指标体系，所选取的数字乡村建设水平评价指标体系具体指标和测算方法不尽相同（慕娟和马立平，2021；李本庆等，2022；郝爱民和谭家银，2022；朱红根和陈晖，2023；许敬辉等，2023)[25-29]。从评价对象的角度来看，较多研究主要从省级层面对数字乡村建设水平进行统计测度。尽管如此，不同学者测算的数字乡村建设水平的演变趋势和区域差异较为一致。中国省级层面数字乡村建设水平呈现稳步上升的趋势，其中，东部地区和中部地区的数字乡村建设水平一般的数字乡村发展水平较高，而数字乡村建设水平较低的省份多分布于西部地区。尽管目前多数研究集中于探讨数字乡村建设的就业创业效应（张雷和孙光林，2023；王宝顺等，2024；邹美凤等，2024)[30-32]。然而，关于数字乡村建设对农村劳动力非农就业的影响，已有研究较少。田鸽和张勋（2022)[33]的研究与本文主题最为相似，基于消费互联网和工业互联网，研究发现数字经济的发展可以显著促进不同技能等级的农村劳动力实现非农就业。

综上所述，对农村劳动力非农就业的影响因素进行梳理，可以发现，无论宏观层面还是微观层面，各类因素主要是通过以下作用路径影响农村劳动力非农就业：一是降低转移成本，二是提高预期收益。尽管目前关于数字乡村建设的研究较多，然而探讨数字乡村建设对农村劳动力非农就业的影响的相关文献并不多见。因此，本文探索性地选取北京大学《县域数字乡村指数（2020）》与中国家庭追踪调查的结合数据，分析数字乡村建设对农村劳动力非农就业的影响。数字乡村建设涵盖乡村基础设施数字化、乡村经济数字化、乡村生活数字化、乡村治理数字化四个层面。各个层面的内容有所侧重，功能不一，均有可能对农村劳动力非农就业具有影响。本文的边际贡献主要体现在以下方面：一是选取的数据颗粒度更细，为相关研究提供了新的视角；二是基于农村劳动力非农就业的“成本”和“收益”理论，深入刻画数字乡村建设分指数影响农村劳动力非农就业的作用机制，以期对已有文献进行一定的补充。

三、理论分析与研究假说

已有文献分别提出农村劳动力非农就业的“成本”和“收益”理论（骆永民等，2020)[34]。一是农村劳动力非农就业的成本问题。农村劳动力从农业部门转移至非农部门会面临壁垒，例如：信息壁垒、融资壁垒等。因此，如果从农业部门向非农部门转移成本降低，农村劳动力则可能倾向于选择非农就业。二是农村劳动力非农就业的收益问题，在初始禀赋下，例如：土地、资本、技术等要素，农村劳动力会比较从事农业工作和非农业工作的收益。当非农就业可以获取更高的回报，并且风险不比农业工作更高时，农村劳动力则可能倾向于选择非农就业（王军和韩悦，2023)[35]。因此，可以认为农村劳动力是否向非农部门转移，其实是通过综合权衡成本和收益而决定的。随着数字乡村的建设，城市和乡村间搭建起一座座“数字桥梁”，引导着城市网络、信息、技术和人才等资源向乡村流动。尹志超和仇化（2024)[36]通过构建两部门人口流动模型，分析表明数字乡村建设可以加快劳动力从农业部门转移至非农部门。因此，基于“成本”和“收益”的理论框架，分析认为数字乡村建设可能会促进农村劳动力非农就业。因此，提出假说H1:

H1：数字乡村建设可以促进农村劳动力非农就业。

接下来，分别从数字基础设施、乡村经济数字化、乡村生活数字化、乡村治理数字化四个层面展开，具体探讨数字乡村建设何以促进农村劳动力非农就业。

（一）降低转移成本机制

数字基础设施可能会降低农村劳动力的就业信息搜寻成本。乡村基础设施数字化形成契合“三农”特点的信息终端和移动互联网应用，进一步地，农村劳动力可以利用数字设备在瞬息万变的市场中迅速识别就业机会实时掌握就业市场供需情况，最终实现转移就业（杨瑞等，2021;Zhou等，2023)[11][37]。同时，农村劳动力可以根据充分的信息及时匹配与其技能对口的就业岗位，突破信息壁垒，提升就业匹配度和就业质量。因此，数字基础设施可能会有效降低农村劳动力的转移成本，进而提升个体进入非农部门工作的概率。综上所述，提出假说H2:

H2：数字基础设施可以通过降低信息搜寻成本促进农村劳动力非农就业。

乡村经济数字化可以有效减少农村劳动力获得金融资源的交易成本。在农村劳动力转移的过程中，除了充分及时的就业信息，金融资源的获取同样不可或缺。而乡村经济数字化水平的提升正在逐步改善网络支付、移动支付、网络信贷等普惠金融发展环境（王修华和赵亚雄，2022[38]；田鸽和张勋，2022[33]）。相较于传统金融机构，农村劳动力可以更高效地运用数字工具获取金融资源，并转移至非农部门。综上所述，乡村经济数字化可能会有效降低农村劳动力的转移成本，进而提升个体进入非农部门工作的概率。综上所述，提出假说H3:

H3：乡村经济数字化可以通过降低金融交易成本促进农村劳动力非农就业。

（二）提高预期收益机制

乡村治理数字化可以有效提高农村劳动力的社会公平感知水平。乡村治理数字化水平的提升可以推动党务、村务、财务网上公开，畅通社情民意，农村劳动力的社会公平感知得以提高。更加公开、透明的乡村公共舆论空间支持农村劳动力广泛参与村级公共事务的协商，重新分配话语权。同时，在民主对话的过程中，农村劳动力的工作观念和思维模式也在不断地发生改变。而全新的工作观念和风险承担意愿则会改变农村劳动力对非农工作的以往预期，更为灵活自主地选择工作类型（张世虎和顾海英，2020)[15]。因此，乡村治理数字化可能会有效提升农村劳动力对非农工作的预期收益，进而提升个体进入非农部门工作的概率。综上所述，提出假说H4:

H4：乡村治理数字化可以通过提高社会公平感知促进农村劳动力非农就业。

乡村生活数字化可以有效减少农村劳动力在教育资源和医疗服务等方面的机会不平等现象。随着农村劳动力的日常生活逐步走向数字化，在线教育和远程医疗等各方面服务水平持续提升（赵佳佳等，2022)[39]。利用数字化的手段，将城市优势教育资源源源不断地输送至农村，可以拓宽农村数字教育资源覆盖面、推动线上线下教育相结合。同时，远程医疗实现了信息连接和共享，对农村劳动力开展健康管理服务。而在线教育和远程医疗等各方面服务水平则会直接促进农村劳动力人力资本的提高，进而增强胜任非农工作的信心（王卫东等，2020[40]；胡祎和张正河，2022[19]）。综上所述，乡村生活数字化可以有效提升农村劳动力对非农工作的预期收益，进而提升个体进入非农部门工作的概率。综上所述，提出假说H5:

H5：乡村生活数字化可以通过提高人力资本水平促进农村劳动力非农就业。

四、研究设计

（一）模型设定

本文主要采用Probit模型来研究数字乡村建设对农村劳动力非农就业的影响，基准模型设定如下：

(1）式中，表示处于第j个县域的第i个农村劳动力非农就业的潜在变量，Yi,j为实际观测的农村劳动力非农就业变量，当时，Yi,j=1，表示农民进行非农就业，反之，则表示农民仍然从事农业工作；Digital Villagej为核心解释变量，表示第j个县域的数字乡村指数；Xi,j为一系列的控制变量，包括农村劳动力个体特征变量和地区控制变量；εi,j为误差项。（2）式描述了Probit模型，其中，Φ(⋅)为服从标准正态分布的函数，1β是本文重点关注的估计系数，衡量了数字乡村对农村劳动力非农就业的影响，为减弱估计误差，模型使用异方差稳健的标准误进行估计。

（二）数据来源

数据主要来源于北京大学《县域数字乡村指数（2020年）》、2020年中国家庭追踪调查（China Family Panel Studies,CFPS）和《中国县域统计年鉴》等。CFPS由北京大学中国社会调查中心组织实施，采用多阶段等概率抽样，样本覆盖25个省份的162个县（含县级市、市辖区）。样本规模为16000户，调查对象含样本家（户）中的全部家庭成员。一是选取CFPS2020数据集并对样本做以下处理：剔除数据中的城镇样本，保留乡村样本；剔除16周岁以下和59周岁以上的样本；剔除正在上学、丧失劳动能力和退出劳动力市场的样本。二是选取北京大学新农村发展研究院联合阿里研究院发布的《县域数字乡村指数》衡量县域层面的数字乡村建设水平（赵佳佳等，2022）。2020年9月，北京大学新农村发展研究院联合阿里研究院在第八届中国淘宝村高峰论坛上发布《县域数字乡村指数（2018）》。2022年5月，北京大学新农村发展研究院发布《县域数字乡村指数（2020）》，持续推进县域数字乡村指数评价。三是区别于以省级层面为评价对象的数字乡村建设评价模式，《县域数字乡村指数》以县域为基本单元，从数字基础设施、经济数字化、治理数字化和生活数字化四个方面系统构建了县域数字乡村指标体系，测算获得全国范围内1880个县域的数字乡村发展指数。将以上数据按照县域和年份进行精准匹配最终获得80个县域的5096个样本。

（三）变量说明

1. 被解释变量：

农村劳动力非农就业。农村劳动力是否非农就业可以依据CFPS2020个人库得到。CFPS2020个人库问及受访者的工作性质，即农业工作还是非农工作。因此，根据受访者的回答，将从事非农工作的农村劳动力赋值为1，而从事农业工作的农村劳动力赋值为0。

2. 核心解释变量：

县域数字乡村建设水平。采用北京大学新农村发展研究院与阿里研究院联合发布的《县域数字乡村指数（2020年）》来衡量数字乡村建设水平。该指数聚焦县域层面，根据大范围的传统数据及网络爬虫数据对中国县域数字乡村建设水平进行了全面评估。此外，还选取数字基础设施、经济数字化、治理数字化和生活数字化四个分指数探讨数字乡村建设对农村劳动力非农就业的影响。

3. 控制变量：

选取的控制变量包括个体特征、家庭特征与地区特征。其中，个体特征变量包括性别、年龄、教育、婚姻、健康；家庭特征变量包含家庭人口规模和家庭总收入；地区特征变量包含县域经济发展和县域产业结构。

4. 中介变量：

分别选取互联网商业和互联网学习作为中介变量。互联网商业对应的问题是网络对您的商业行为有多重要。互联网学习对应的问题是网络对您的学习及获取资讯有多重要。如果非常不重要则赋值为1，如果非常重要则赋值为5。

为避免极端值对估计结果造成误差，对连续变量进行缩尾处理。变量的名称及定义方式见表1。

表1变量定义

主要变量的描述性统计结果如表2所示。其中，从事非农工作的农村劳动力占比36.9%。由于CFPS是抽样调查，经匹配后样本范围限定在80个县域内，描述性统计结果显示县域数字乡村建设水平的均值是55.732，近似等于《县域数字乡村指数报告（2020年）》显示的全国县域数字乡村指数，可以认为匹配后的样本数据具备一定的代表性。分指数显示数字基础设施发展水平相对较高，其次是治理数字化和生活数字化，而经济数字化仍然存在短板。控制变量包括个体特征、家庭特征与地区特征。控制变量的描述性统计结果显示，样本数据年龄均值约为39岁，受教育年限均值约为8年，已婚的农村劳动力占比75.8%，健康的农村劳动力占比88.1%。中介变量的描述性统计结果显示，互联网商业和互联网学习的均值分别是2.537和2.569，多数农村劳动力认为网络对商业行为和学习行为的重要程度较低。

表2主要变量的描述性统计结果

五、实证结果与分析

（一）基准回归结果

表3汇报了基准Probit回归的结果。在控制个体特征、家庭特征、地区特征变量的基础上，表3中列（1）是数字乡村建设对农村劳动力非农就业的总效应，列（2）至列（5）展示了数字乡村建设分指数对农村劳动力非农就业的影响。结果显示，数字乡村建设的系数是0.013，在1%的水平上显著。这表明数字乡村建设可以显著促进农村劳动力非农就业，数字乡村建设水平每提升百分之一个单位，农村劳动力非农就业的概率提升1.3%，假说H1得以验证。同时，四个分指数的系数为正，并在1%的水平上显著。这表明数字基础设施、经济数字化、治理数字化、生活数字化均对农村劳动力非农就业具有显著的正向效应。性别、教育、婚姻、健康、家庭总收入的系数为正，并在1%的水平上显著。而年龄、家庭人口规模的系数为负，并在1%的水平上显著。总体而言，个人特征、家庭特征、地区特征控制变量的估计结果在总体上符合预期。

表3基准回归结果

（二）内生性处理

上述分析可能会存在内生性问题。一是遗漏变量引起的偏误问题，尽可能地从各个层面引入变量进行控制，但是影响农村劳动力非农就业的因素较多，在模型设定上难免会存在遗漏变量的问题。二是反向因果的问题可能存在。农村劳动力从事非农工作可能会主动地提升信息服务需求，这可能反过来推动县域数字乡村的建设。

因此，基准回归的估计结果可能会产生偏差。为了解决内生性问题可能导致的估计偏误，选取2SLS对数字乡村建设与农村劳动力非农就业的因果关系进行识别。参考已有研究，选取农村劳动力所在县域与杭州市中心点的球面距离作为数字乡村建设的工具变量（张勋等，2021)[41]。合适的工具变量应同时满足外生性和相关性两个条件。在外生性方面，农村劳动力所在县域与杭州市中心点的球面距离作为地理因素，难以影响农村劳动力非农就业。在相关性方面，以阿里集团为代表的大型互联网企业发源于杭州，且向外具有辐射效应。因此，工具变量与数字乡村建设水平具有较高的相关性。此外，参考已有研究（Lewbel,2012[42]；赵佳佳等，2022[39]），构造异方差工具变量。

表4汇报了工具变量估计结果。其中，表4中列（1）和列（2）是IV-Probit的估计结果。第一阶段F统计量远大于10，拒绝“存在弱工具变量”的原假设，同时，工具变量的系数是-0.015，并在1%的水平上显著。这表明工具变量对数字乡村建设具有较好的解释能力。因此，工具变量满足相关性要求。第二阶段显示数字乡村建设的系数是0.026，符号仍然为正，并且通过了1%的显著性检验。相较于基准回归，数字乡村建设的系数有所增加。列（3）是Lewbel工具变量的估计结果，列（4）是同时考虑标准工具变量与Lewbel工具变量的估计结果。可以发现，数字乡村建设的系数分别是0.006和0.004，并在1%的水平上显著。这表明，在引入工具变量的基础上，数字乡村建设仍然对农村劳动力非农就业具有显著的正向作用。

表4工具变量估计结果

（三）稳健性检验

本文进一步选取不同的方法对基准回归结果进行稳健性检验。第一，约束分析数据集。考虑到部分样本和极端值可能会影响整体估计结果，剔除杭州市的样本数据，同时约束数字乡村建设水平最高5%和最低5%的样本数据。表5列（1）汇报了约束分析数据集后的估计结果。可以发现表明数字乡村建设的系数是0.015，仍然在1%的水平上显著。因此，上述基准回归结果具有稳健性。第二，替换核心解释变量。考虑到数字乡村建设与县域互联网应用水平可能具有较强相关性，使用县域互联网应用水平作为数字乡村建设的替代变量。县域互联网应用水平由样本个体评价互联网开展各项活动重要性的均值计算得到。估计结果如表5列（2）所示，可以发现表明数字乡村建设的系数是0.132，仍然在1%的水平上显著。这也较好地证明基准回归结果具有稳健性。第三，更换估计模型。选取Logit模型估计数字乡村建设对农村劳动力非农就业的影响。表5列（3）显示，数字乡村建设的系数是0.021，仍然在1%的水平上显著。综上所述，基准回归结果具备良好的稳健性。

表5稳健性检验结果

六、数字乡村建设影响农村劳动力非农就业的机制检验

根据数字乡村建设影响农村劳动力非农就业的理论分析，在前述部分提出了降低转移成本和提高预期收益两条作用机制。因此，基于数字乡村建设涵盖的数字基础设施、经济数字化、治理数字化、生活数字化4个分指数，本文选取中介效应模型检验数字乡村建设影响农村劳动力非农就业的作用机制。参考温忠麟和叶宝娟（2014)[43]提出的中介效应检验流程，选取逐步检验回归系数方法检验数字乡村建设影响农村劳动力非农就业的内在机制。

（一）降低转移成本机制

基于信息不对称理论，数字基础设施可以拓宽农村居民的就业信息获取渠道，有利于促进农村劳动力实现非农就业。参考赵佳佳等（2023)[39]的研究，选取互联网商业变量衡量信息利用水平。表6列（1）以农村劳动力非农就业作为被解释变量，结果显示，数字基础设施的系数是0.007，符号为正，并在1%的水平下显著。表6列（2）以互联网商业作为被解释变量，结果显示，数字基础设施的系数是0.002，符号为正，并在5%的水平下显著。因此，数字基础设施对互联网商业具有正向作用。表6列（3）在列（1）中加入互联网商业变量，结果显示，数字基础设施的系数仍然为0.007，符号为正，并在1%的水平下显著。互联网商业的系数是0.111，符号为正，并在1%的水平下显著。因此，根据中介效应检验步骤，互联网商业在数字基础设施影响农村劳动力非农就业的过程中起到了部分中介的作用。可以认为数字基础设施可能会有效降低农村劳动力的转移成本，进而提升个体进入非农部门工作的概率。假说H2得以验证。

表6降低信息搜寻成本机制检验结果

在农村劳动力转移的过程中，除了充分及时的就业信息，金融资源的获取同样不可或缺。而乡村经济数字化可以有效减少农村劳动力获得金融资源的交易成本，例如：随着乡村经济数字化，数字普惠金融服务的可得性和便利性不断提升。因此，继续选取互联网商业变量衡量金融交易水平。表7列（1）以农村劳动力非农就业作为被解释变量，结果显示乡村经济数字化的系数是0.010，符号为正，并在1%的水平下显著。表7列（2）以互联网商业作为被解释变量，结果显示乡村经济数字化的系数是0.003，符号为正，并在1%的水平下显著。因此，乡村经济数字化对互联网商业具有正向作用。表7列（3）在列（1）中加入互联网商业变量，结果显示乡村经济数字化的系数为0.009，略有下降，并在1%的水平下显著。互联网商业的系数是0.110，符号为正，并在1%的水平下显著。因此，根据中介效应检验步骤，互联网商业在乡村经济数字化影响农村劳动力非农就业的过程中起到了部分中介的作用。可以认为乡村经济数字化可能会有效降低农村劳动力的转移成本，进而提升个体进入非农部门工作的概率。假说H3得以验证。

表7降低金融交易成本机制检验结果

（二）提高预期收益机制

随着“互联网+政务服务”加快向乡村延伸覆盖，农村劳动力可以通过基层信息平台等渠道可以学习乡村治理创新实践，这有利于个体社会公平感知的形成和提升。因此，选取互联网学习变量衡量社会公平感知。表8列（1）以农村劳动力非农就业作为被解释变量，结果显示乡村治理数字化的系数是0.005，符号为正，并在1%的水平下显著。表8列（2）以互联网学习作为被解释变量，结果显示乡村治理数字化的系数是0.003，符号为正，并在1%的水平下显著。因此，乡村治理数字化对互联网学习具有正向作用。表8列（3）在列（1）中加入互联网学习变量，结果显示乡村治理数字化的系数仍然为0.005，并在1%的水平下显著。互联网学习的系数是0.100，符号为正，并在1%的水平下显著。因此，根据中介效应检验步骤，互联网学习在乡村治理数字化影响农村劳动力非农就业的过程中起到了部分中介的作用。可以认为乡村治理数字化可能会有效提高对非农工作的预期收益，进而提升个体进入非农部门工作的概率。假说H4得以验证。

表8提高社会公平感知机制检验结果

其次，乡村生活数字化可以为农村劳动力提供丰富的教育和医疗等资源。随着在线教育和远程医疗等服务水平提升，个体的人力资本水平也会逐步提高。因此，同样选取互联网学习变量衡量农村劳动力人力资本水平。表9列（1）以农村劳动力非农就业作为被解释变量，结果显示乡村生活数字化的系数是0.006，符号为正，并在1%的水平下显著。表9列（2）以互联网学习作为被解释变量，结果显示乡村生活数字化的系数是0.002，符号为正，并在1%的水平下显著。因此，乡村生活数字化对互联网学习具有正向作用。表9列（3）在列（1）中加入互联网学习变量，结果显示乡村生活数字化的系数仍然为0.006，并在1%的水平下显著。互联网学习的系数是0.100，符号为正，并在1%的水平下显著。因此，根据中介效应检验步骤，互联网学习在乡村生活数字化影响农村劳动力非农就业的过程中起到了部分中介的作用。可以认为乡村生活数字化可能会有效提高对非农工作的预期收益，进而提升个体进入非农部门工作的概率。因此，假说H5得以验证。

表9提高人力资本水平机制检验结果

七、结论与对策建议

随着数字乡村的建设，从促进农村劳动力非农就业这一现实问题出发，重点探讨数字乡村建设对农村劳动力非农就业的影响及其重要机制。基于2020年北京大学县域数字乡村指数与中国家庭追踪调查的匹配数据，结合“成本”和“收益”的理论分析框架，研究发现，数字乡村建设可以显著促进农村劳动力非农就业。同时，数字乡村建设分指数，即数字基础设施、乡村经济数字化、乡村治理数字化、乡村生活数字化均对农村劳动力非农就业具有显著的正向作用。在考虑模型内生性问题后，结论具有稳健性。机制分析表明：在“成本”层面，数字基础设施可以通过降低信息搜寻成本促进农村劳动力非农就业，而乡村经济数字化可以通过降低金融交易成本促进农村劳动力非农就业；在“收益”层面，乡村治理数字化可以通过提高社会公平感知促进农村劳动力非农就业，而乡村生活数字化可以通过提高人力资本水平促进农村劳动力非农就业。本文深入阐述了数字乡村建设分指数影响农村劳动力非农就业的作用路径，对已有研究进行了一定程度的补充。

根据以上研究结论，提出以下对策建议。第一，继续完善乡村数字基础设施建设，在现有行政村实现网络全覆盖的基础上，政府应持续在农村地区开展千兆光纤和5G等高质量网络建设，降低农村劳动力的信息搜寻成本。第二，加快推进乡村经济数字化。鼓励农村金融产品和服务方式创新，推动数字普惠金融下沉走进乡村、服务村民，缓解农村劳动力的金融交易成本。第三，持续加强乡村治理数字化。推广村级事务“阳光公开”监管平台，支持利用移动互联网应用等方式开展村民自治，促进村务监督常态化，拓宽农村劳动力参与数字乡村治理渠道，提升农村劳动力的社会信任水平。第四，加快推进乡村生活数字化。各级政府应着力构建面向农村地区的数字技术推广体系，提高农村劳动力的数字素养和数字技能，支持利用移动互联网应用等方式开展教育培训和医疗服务，促进教育和医疗优势资源下沉乡村，提升农村劳动力的人力资本水平。

参考文献:

[3]王颂吉,白永秀.城乡要素错配与中国二元经济结构转化滞后:理论与实证研究[J].中国工业经济,2013(7):31-43.

[4]高鸣.促进农村劳动力高质量充分就业:目标､困境与政策构想[J].华中农业大学学报(社会科学版),2023,165(3):1-10.

[11]杨瑞,高启杰,王彦杰.农村电商发展对非农就业的影响[J].商业经济研究,2021(20):90-93.

[12]陈建垒,王纯.电子商务发展与农村非农就业增长—基于CFPS数据的分析[J].山西财经大学学报,2023,45(12):57-71.

[13]宋林,何洋.互联网使用对中国农村劳动力就业选择的影响[J].中国人口科学,2020(3):61-74+127.

[14]朱哲毅,任秦,宁可,沈月琴.互联网信息技术､非农就业与农户增收效应[J].中国农业大学学报,2023,28(1):278-293.

[15]张世虎,顾海英.信息渠道变革引致乡村居民多样化高质量就业的逻辑[J].劳动经济研究,2020,8(4):121-144.

基金资助:中南财经政法大学财经政法融通交叉研究项目,全面推进乡村振兴实现共同富裕的机制､路径与对策研究,编号:2722022AL003;

文章来源:周心昊,陈池波,柳芊叶.数字乡村建设对农村劳动力非农就业的影响研究[J].当代经济,2025,42(01):3-15.