四、农村居民信息消费省际差异的分解

（一） Shapley值分解方程的确定

诺贝尔经济学奖得主Shapley提出了用于解决多个主体合作问题的博弈分析方法，即Shapley值法。 Shorrocks和Wan （2004） ^［117］ 利用Shapley值过程来计算收入方程中每一个解释变量对收入差距的贡献，之后在Shorrocks （2013） ^［95］ 的改进下， Shapley值法能够分解任何不平等指标并对回归模型限制较少。目前，该方法在经济研究领域应用广泛，除收入不平等分解外，还有碳排放分解、产业发展不平等分解等。

使用Shapley值进行分解之前，首先需要考察自变量对因变量的解释程度，解释程度越高，即残差项的影响越小越好。在考察方法的选取上我们采用万广华等（2005） ^［97］ 的做法，将农村居民人均信息消费支出实际值的不均衡指标与假设残差等于0时的不均衡指标间的差距作为残差项对实际不均衡指标的影响，残差项的绝对值与不均衡指数的比值可以看作模型（5）中自变量没有解释的信息消费差异的部分，而1减去该比值，即为能够被自变量解释的差异部分。以基尼系数为例，如表格2－15所示，本部分选取的影响因素在考察年度内的解释程度除2005、2010两年，其余年份均在80％上，说明模型（5）中自变量对农村居民信息消费省际差异的解释力较强，可进行Shapley值分解。

其次，根据前文计量分析的结果确定用于分解的回归方程。半对数模型中，不同地区农村居民信息消费的差异并未受到共同截距项的影响，对于固定效应的截面虚拟变量，其差异反映了各省区间固定的地域差异（地区固有因素）。借鉴以往研究通用的做法，利用回归中得到的各省区的截面虚拟变量值构造了一个新的变量D _i ，目的是分析地区固有因素对农村居民信息消费水平的影响，并且认为其影响系数为1。这符合已有的研究结论，认为“适度的地区差异构成是信息消费结构成长的动力之一” ^［98］ 。这样，根据表格2－14回归分析的结果，得到农村居民信息消费区域差距分解的回归方程：

ln IC _it ＝ 0. 8025 ＋ 0. 7571ln INC _it ＋ 0. 2390ln EDU _it ＋ 0. 1655ln Equ _it － 1. 4426Age _it ＋ 0. 2804 Urb _it ＋ D _i

（二）分解结果

信息消费水平地区差距的分解计算，在不失一般性的同时，为了考虑结果的稳健性，本部分的分解同时考虑基尼系数、泰尔指数和对数离差均值，参考田士超和陆铭（2007） ^［118］ 的分解方法，使用Stata 14. 0软件自行开发的程序计算，得到各项影响因素对农村居民信息消费省际差异的分解结果，详见表格2－16。

从表格2－16的分解结果可以看出，根据三种指标进行的贡献排序以及三种指标的变化趋势基本保持一致。平均看来，在各因素中，收入水平的影响贡献最大占48. 36％，排在第二位的是信息消费设备拥有量，平均贡献比重为29. 13％，第三、四位的分别是城镇化水平和人口年龄结构，平均贡献比重分别为18. 59％和18. 34％，对形成地区差距贡献最少的分别是受教育程度和地区固有因素，平均贡献比重分别为－0. 09％和－14. 34％。负值表示推动地区间信息消费差距缩小的力量，地区固有因素反映了地区资源禀赋和长期政策倾斜等条件，国家对中西部地区教育、卫生、基础设施等公共资源的长期倾斜性投入成为弥补信息消费空间失衡的主要推动力量。

从变化的趋势看，不同因素表现不同。其中，收入水平对信息消费差距的贡献程度呈“U”型特征，总体上贡献程度略有下降。受教育程度和城镇化水平因素对信息消费差距的贡献程度呈波动降低的趋势，说明两者对省际信息消费差异的解释力有所减弱，随着教育均等化和城乡一体化进程的加快，省际间农村居民文化素养的差距以及接触信息产品的品种和渠道的差距在缩小，居民对信息产品需求的地区差异程度降低，可以看出教育因素和城镇化水平在影响农村居民信息消费方面的重要性在逐渐下降。而信息设备拥有量、人口年龄结构和地区固有因素对差距的贡献整体呈上升走势，说明农村居民信息消费对信息技术设备的依赖程度增强，同时不同地区“人口红利”、“老龄化”等人口条件的差异引起了居民信息消费需求的不同，信息消费水平的省际差距进一步拉大。 7EUWy2bCPzOqxvF7pAhR/nTrjNayK5aTVW8FPy0YRrHTCRSo2QW1G2Rl79Qou54U