(一)ICT技术、普惠金融与农民增收的计量模型构建

本研究尝试从静态和动态两个角度进行计量模型设定，以达到相互印证的效果，其中静态模型如下:

其中，i=1}2w}30表示省份\I;}t表示时间;income;, , I};, , FI;, , ICT;,分别表示i省份tH寸期的农民人均纯收入、普惠金融发展水平以及ICT技术发展水平，为验证ICT技术与普惠金融的交互作用，加入ICT与FI的交互项LnICT;, x LnFI;, ; x;,表示i省份t时期的其它影响农民收入的控制变量状况;s，表示时间非观测效应;刀l表示地区非观测效应;二It代表与时间和地区都无关的随机误差项。

任何经济因素变化本身具有一定的惯性，农民收入也不例外，前期收入水平会影响到后一期的收入状况。为此，构建动态面板计量模型，引入滞后项控制这一影响。动态面板模型设定为:

动态面板的估计方法主要包括差分GMM和系统GMM。对十差分GMM，首先将模型(7进行一阶差分，得到模型(8)，使用此模型的前提是其残差项不存在二阶序列相关，在实证分析中需进行验证。运用动态差分GMM模型可以达到如下效果:一是通过差分可以部分的解决遗漏变量问题，消除掉个体非观测效应;二是差分能够消除反向因果关系。

然而，当income的持续性很强时，即y趋近十1时，一阶差分GMM的有限样本特性较差，此时，根据Blundell&B}n的建议，在((})的基础上加入一阶差分滞后项进行系统GMM估计。通过系统GMM模型，可有效解决非时变的遗漏变量和解释变量以及测量误差等内生性问题。

(二)各变量指标选取及数据来源

本研究涉及的变量和数据主要包括三个方面:农民收入水平、ICT技术与农村普惠金融。

1、农民收入水平

采用《中国统计年鉴2004 - 2013》中关十农民家庭人均纯收入的统计数据，并在参考历年价格指数的基础上，以2004年为基期，对2004 - 2013年的农民家庭人均纯收入水平做出调整，以消除价格因素的影响。

2, ICT技术

农村信息通信设施是ICT技术在农村运用程度的直接体现，在众多的通信设施中，因价格便宜、方便携带、易十操作等优点，移动电话备受农民的欢迎。且在农村地区，相比电脑等其它ICT技术终端产品而言，手机的使用最为频繁。据通信世界网统计，截至2012年底，农村住户手机拥有率已达到90 %。且根据学者一的统计，当前农村智能手机的覆盖率已高达65.8% z'。因此，移动手机拥有率可以反映ICT技术在农村的发展程度。在借鉴策晓林和徐虹[U7等学者一研究的基础上，本文将农村每百户家庭移动电话拥有量反映ICT技术在农村的发展水平，其数据来自2004 - 2013年各省的《统训一年鉴》。

3、农村普惠金融

根据前面的理论分析，本研究将从农村金融服务的可及性和可得性两个方面，反映农村普惠金融发展程度。

(1)农村金融服务可及性。对十农民而言，设立在其住所附近的金融机构，降低了农民办理金融服务的机会成本，提高了农民获得金融服务的可能性，因此，金融资源分布密度是可及性的重要体现[}zo。本研究从机构密度阐释金融资源分布密度，具体而言，使用农村地区每万人拥有银行网点数量指标反映农村金融服务的可及性。其基础数据来自中国人民银行2004 - 2013年发布的《中国区域金融运行报告》。报告中的主要涉农金融机构主要包括邮政储蓄银行、小型农村金融机构(农村信用社、农村合作银行和农村商业银行)和新型农村金融机构(村镇银行、贷款公司和农村资金互助社)。

(2)农村金融服务可得性。农民接受金融服务的难易程度是金融服务可得性的重要体现，在众多服务中，贷款是农民较难获取的金融服务，能在很大程度上说明农民金融服务可得性的现状。鉴十此，本研究以农户人均贷款水平反映金融服务可得性。其中，农业贷款主要指农林牧渔及农林牧渔服务业贷款，其数据来自《新中国六十年统计资料汇编1949 - 2008》和中国人民银行2008年、2010年、2012年和2014年发布的《中国农村金融服务报告》。

4、控制变量选取

在理论模型(5)中，农村资本投入是影响农民人均收入的重要因素，本研究利用农村人均社会固定资产投资来反映。与此同时，伴随着城镇化建设，农民进城获得的务土收入已成为其重要的收入来源，本文将城镇化率作为控制变量之一。此外，随着产业结构的优化，农民有更多的机会从事非农产业，获得较之前更多的收入，为此，借鉴已有文献，将产业结构作为另一控制变量。计算人均农村固定资产投资、城镇化率和产业结构的原始数据，主要来自《中国经济与社会发展统计数据库》和2005一2010年各省慨计年鉴》。

此外，为便十不同年份的比较，各指标变量剔除了价格因素的影响，均以2004年不变价格进行计算。各指标的详细解释见表to

(三)ICT技术、普惠金融与农民收入指标的描述分析

通过表1可以看出:在农民收入方面，总体均值为4900.367/人，标准差为2572.820，说明整体差异较为明显，最大值约为最小值的9倍，其中2004年贵州省农民人均纯收入最少，而2013年上海市的农民人均纯收入最多，但由十时间维度不同，两者一相比缺乏一定科学性。为更好地了解不同时间、不同截面之间的差异程度，表1列出了组间标准差与组内标准差。农民人均纯收入的组间标准差大十组内标准差，即截面之间农民收入水平的差异大十其时间序列之间的差异，这表明各省份农民收入不平衡程度加大，而且增长速度相对放缓;每百户农民家庭手机用量的总体均值为126.863部/百户，其组内标准差大十组间标准差，即单个省份不同年份之间手机拥有量的差异大十同一年份不同省份之间手机拥有量的差异，这表明手机拥有量在不同省份之间的不平衡程度相对十不同年份之间的差异程度而言较小;每万人拥有银行网点数量的整体均值为1.914个/万人，其组间标准差大十组内标准差，说明不同省份之间银行网点发展的不平衡程度较高，而年份之间的差异较小;人均贷款的整体均值为0.313万儿/人，其组间标准差大十组内标准差，表明相较十不同年份之间的差异，省份之间人均贷款水平差异较大;第一产业增加值占地区生产总值比重的总体均值为0.120，该变量的组内标准差大十组间标准差，即单个省份不同年份之间产业结构的差异大十同一年份不同省份之间的差异，这表明产业机构在地区之间的差异不断缩小，且第一产业在总产值中的比重下降较快;人均固定资产投资平均水平为0.379万儿/人，且组间标准差大十组内标准差，表明农村固定资产投资水平在不同省份之间的不平衡状况明显十不同年份之间的差异;城镇化率的平均水平为0. 501，其组间标准差大十组内标准差，即城镇化率在截面序列上的差异大十时间序列上的差异，这说明省份之间城镇化发展的不平衡状况比不同年份之间的差异更明显。