数字经济发展与消费者福利水平变化——基于时间分配理论研究

刘明星

进入21世纪以来，以互联网为代表的新一代信息技术推动数字经济飞速发展。根据中国信息通信研究院发布的《中国数字经济发展与就业白皮书（2021年）》显示，截止到2020年，我国数字经济增加值已达39.2万亿，在GDP中占比为38.6%。与2005年相比，数字经济规模增长了14.1倍，比重提升了24.4个百分点。区别于农业经济和工业经济，数字经济呈现出两个明显的特征：一是出现了如维基百科、微信、微博等免费或低价数字产品，二是智能手机、电脑等新产品的更新迭代速度加快①。一方面，数字产品的普及改变了经济和社会生活领域的基本关系。免费搜索引擎的出现降低了消费者的信息搜索成本、提升并扩大了消费者的信息搜寻能力和范围，进而改变了消费者由于信息不对称问题导致的弱势地位（Goldfarb and Tucker，2019）。另一方面，通过对传统产品的替代，在线音乐、在线资讯等数字产品赋予了消费者新的消费体验和选择，居民的幸福感得到明显提升（冷晨昕、祝仲坤，2018）。整体来看，免费或低价数字产品会对消费者福利产生较大的影响。但是，目前的GDP核算方法都是以产品价格为计量基础。无论是生产法还是支出法，均无法将免费或低价数字产品的价值准确计入GDP之中（Aitken，2019；
Brynjolfsson and Collis，2019；
陈梦根、张鑫，2020；
平卫英等，2021；
许宪春等，2021）。换言之，宏观经济指标无法真实反映数字经济发展状况，数字经济面临“新索洛悖论”（许宪春、张美慧，2020）。

准确评估数字经济发展水平是有序开展后续研究和制定数字经济发展政策的前提和基础。针对GDP测度不充分问题，一些学者主张通过构建GDP-B框架或者EGDP框架，将数字产品对消费者福利的贡献纳入经济核算之中。其中，Aitken（2019）和Brynjolfsson et al.（2019a）主张构建GDP-B框架，通过激励兼容离散选择实验评估免费社交网络服务等数字产品对福利增长的潜在影响，纠正GDP指标与真实福利水平之间的偏差。Hulten and Nakamura（2020）则提议构建EGDP框架，在原有的投入产出脉络基础上，利用“产出节约”技术，捕捉新产品和免费产品导致的消费者福利增加。基于此，本文立足于数字产品的消费者剩余度量问题，为我国数字经济规模测度提供了新思路。具体来讲，本文的贡献主要有三点：第一，在概念上，将互联网服务等同于数字产品。通过考察互联网服务对我国消费者福利整体水平和变化情况的影响，侧面衡量数字经济发展的福利效应。第二，从时间维度出发，结合消费者效用函数，量化数字产品价值，完善现有GDP测算体系，准确把握数字经济发展状况。第三，关注数字产品时间消费不平等问题，为数字经济背景下消费不平等问题研究提供新的视角。

（一）互联网服务相关概念

1.数字产品与互联网服务

互联网服务指的是由企业或政府、其他组织通过互联网提供的信息传输服务和信息内容服务（平卫英等，2021）。根据我国《国民经济行业分类（2017）》和《数字经济及其核心产业统计分类（2021）》，互联网服务主要包括：互联网接入相关服务、互联网搜索服务、互联网资讯服务、互联网安全服务、互联网数据服务和其他互联网相关服务。具体来讲，互联网服务在形式上主要表现为在线音乐、在线资讯、在线视频、在线搜索等数字产品。通常情况下，数字产品指的是通过数字技术进行编码（转换成二进制格式）的商品或服务（罗良清等，2021），主要包含工具和实用产品、在线服务和基于内容的数字产品三大类。其中，信息是数字产品的核心内容。互联网服务本质上是数字产品的集合。与非数字产品相比，这些数字产品具有明显的零边际成本和零复制成本特征（Goldfarb and Tucker，2019）。因此，数字产品表现出特有的非竞争性。这意味着一个使用者对数字产品的消费并不会减少或降低其他人消费该产品的数量或质量。例如，音乐、新闻资讯的分享并不会损害或减少初始音乐和新闻资讯中包含的信息数量和质量。

2.数字经济与互联网服务

数字经济与互联网服务的关系密不可分。根据2016年《G20数字经济发展与合作倡议》，数字经济是指使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。其中，互联网服务是数字经济发展的重要组成部分，所有衡量数字经济发展的指标都离不开对互联网服务使用情况的考察。例如，世界经济论坛提出的网络准备度指数（NRI）、欧盟发布的数字经济与社会指数（DESI）、平台企业联合构建的中国“互联网+”数字经济指数等（徐清源等，2018）。互联网是数字化基础设施不可或缺的部分（陈文、吴赢，2021）。就我国而言，数字经济在GDP中的贡献率与互联网普及率、居民日常上网时间始终保持整体一致的发展趋势。如图1所示，2005—2020年，我国互联网普及率从8.5%逐年上升至64.5%，网民人均每周上网时间从15.9小时波动增加到30.8小时。从互联网的使用广度和使用深度两方面来看，互联网的发展状况在一定程度上揭示了数字经济的发展概况。

图1 2005—2020年数字经济对GDP贡献率及互联网使用情况

我国关于新经济形态的研究先后经历了信息经济、互联网经济再到数字经济三个阶段（许宪春、张美慧，2020；
刘伟等，2021）。它们都只是一个阶段性的概念。其中，信息经济指的是围绕ICT产业和ICT产品发展而来的经济形式。互联网经济强调以互联网为基础的经济形式。数字经济则是对互联网经济的继承和创新，重点突出数字技术的重要作用。当前，我国正处在数字经济发展阶段。从技术视角出发，数字经济进一步可以划分为数字化、网络化和智能化三个层次（李长江，2017）。其中，数字化强调各种经济活动被模拟成0和1两个数字的过程，网络化强调信息借助互联网服务的传输过程，智能化强调信息的处理过程。整体来看，互联网服务处在数字经济发展的中间环节，为数字经济发展提供基础设施支撑。互联网服务的发展体现了数字经济的发展。

（二）价值核算研究现状

目前，学术界关于免费或低价数字产品的价值核算方式主要有两种：一种是基于供给侧的生产成本核算，一种是基于需求侧的消费者剩余度量。在供给视角下，Nakamura et al.（2017）结合数字产品的盈利模式，认为企业和消费者之间本质上是一种易物交易关系。企业通过向消费者提供免费或低价的数字产品、为第三方发布线上广告并收取广告费用维持自身运营。消费者通过观看广告这一生产活动换取数字产品。基于此，数字产品价值是消费者观看广告的收入，广告费用是企业进行数字产品生产的成本。进一步，平卫英等（2021）在易货交易的框架下对互联网免费服务这一具体数字产品价值展开了研究，认为互联网免费服务的价值主要是顾客价值，而数据是顾客价值的变化形态。因此，数字产品价值的核算重点是数据资产核算。区别于上述研究，许宪春等（2021）认为“免费”内容产品交易更符合实物转移的特征。企业在向消费者提供“免费”内容产品的同时，并没有从消费者那里获得对应物作为回报。因此，“免费”内容产品的价值是虚拟价值，与第三方支付的广告费用存在较大关联。总之，生产成本核算方法侧重于从数字产品供给流程中寻求等价关系。

与供给视角下的数字产品价值核算方法相比，消费者剩余度量方法显得更为有效和直接（续继、唐琦，2019）。综合现有的研究来看，关于数字产品的消费者剩余度量主要集中在两个方向。一个方向是基于消费者的陈述性偏好，即采用调查的方法询问消费者为获取和放弃数字产品的最大支付意愿和最低接受价格，计算消费者剩余。Mosquera et al.（2020）、Brynjolfsson et al.（2019b）和Corrigan et al.（2018）通过激励相容的方法，分别开展了停止使用Facebook社交软件一周、两周、一个月和一年的消费者支付意愿调查。结果发现，消费者的支付意愿与其放弃使用社交媒体的时间长度之间呈现非线性关系。Corrigan et al.（2018）发现美国成年人一整年不使用Facebook社交软件的保留价格在1000—2000美元之间。Sobolewski（2021）通过离散选择实验对免费导航应用程序的消费者剩余进行了估算，结果发现，该数字产品的价值大小受供应商设置的位置共享条件、用户对隐私的关注两个因素影响，选择数据共享和基于位置服务产生的消费者剩余相比仅使用卫星导航而没有基于位置功能产生的消费者剩余差1.36倍。值得注意的是，消费者的陈述性偏好往往与其实际选择行为不一致。这一现象会造成消费者剩余的高估，同样，消费者最大支付意愿的可操控性，也会影响消费者剩余计算结果的可信度（Allcott et al.，2020）。

相比而言，基于消费者显示性偏好测算消费者剩余的方法更为客观。这一方向主张通过消费者的实际行为数据计算消费者剩余。一般情况下，估算免费或低价数字产品价值涉及的样本数量往往较大。Cohen et al.（2016）结合“峰时”定价算法和五千万个个体消费数据，粗略估算出2015年UberX服务在美国产生的消费者剩余总额为68亿美元。Nevo et al.（2016）使用五万五千份家庭层面的宽带购买数据，计算得到2015年美国宽带服务产生的总消费者盈余达1320亿美元。考虑到数字产品大多为时间密集型产品，其时间支出通常大于直接货币支出。Brynjolfsson and Oh（2012）对比分析了传统货币支出模型和时间货币支出模型下的互联网服务价值，发现前者每年增加的福利收益不足后者的二十分之一。对数字产品时间成本的忽视，会造成消费者福利的低估。基于此，Goolsbee and Klenow（2006）、Brynjolfsson and Oh（2012）开拓了时间机会成本法，通过构建包含上网时间和上网费用在内的效用函数，对互联网服务的消费者剩余进行了测算。进一步，Pantea and Martens（2016）应用该方法从宏观层面比较了法国、德国、意大利、西班牙和英国的互联网服务价值，明确了网络基础设施建设的重要性。由于数字产品是互联网服务具体形式的表现，互联网服务在消费时间上涵盖了数字产品的消费时间。因此，时间机会成本法下测算的互联网服务价值等价于数字产品价值。这一定程度上节省了数字经济测度过程中单独测算各个数字产品价值的工作量。

现实生活中，每个消费者不仅面临着货币约束，也面临着时间约束。任何商品的消费都需要时间，这意味着经济福利测量要同时考虑消费者的时间支出和货币支出，尤其是伴随着在线游戏、在线资讯等众多耗时数字产品的出现，时间支出问题变得不容忽视。因此，数字产品的价值分析中应该引入时间成本。Becker（1965）首先将时间概念纳入家庭效用水平分析，把家庭看作是生产者和消费者的结合体，强调消费者是从时间和商品的联合组合中获得效用。具体来讲，家庭将市场上购买的商品和时间作为投入要素，两者结合生产出包括声望和尊严、健康、羡慕等即时消费品，从而给消费者带来效用。

基于Becker（1965）的时间分配理论，本文假设消费者在货币和时间双重资源约束条件下，通过市场购买品和时间进行“商品”的生产和消费，从而获取效用。为了简化分析，本文进一步假设消费者只购买两类产品。一类是数字产品，另外一类则是非数字产品。参照Goolsbee and Klenow（2006）的做法，本文采用如下CES效用函数形式①和预算约束：

上式（1）中θ表示消费者的偏好，σ表示两种“商品”Yf和Yo之间的替代弹性。Yf是Cf和Lf两种生产要素相结合的产物。其中，Cf和Lf分别代表数字产品的消费量、数字产品消费时间在非睡眠时间中的占比。同样，Co和Lo两种生产要素结合生产出“商品”Yo。Co和Lo分别代表非数字产品的消费量和非数字产品时间要素投入比例。需要指出的是，本文把个人时间分解为工作时间、睡眠时间、数字产品消费时间、非数字产品消费时间四个部分。其中，后三者的加总是一般意义上的余暇时间。在“商品”Yf和Yo的生产函数中，1-αf和1-αo分别代表数字产品的时间密集强度、非数字产品的时间密集强度。在式（2）中，Pf和Po分别表示数字产品和非数字产品的价格。F表示消费者为获取数字产品需提前支付的固定网络连接费用。W表示时间的价值，用工资水平表示。

根据利润最大化原则和效用最大化原则对式（1）和（2）进行求解，可以得到“商品”Yf和Yo，其具体的表达式如下：

通过进一步分解可以得到数字产品与非数字产品的消费量和时间投入量：

衡量商品消费者剩余大小的关键在于确定商品的需求价格弹性。结合式（3）并利用最佳分配原则可得到如下恒等式：

在等式（4）左侧中，由于数字产品为时间密集型产品，相应的αf=0。另外，考虑到互联网的固定订阅费用在个人收入中的占比非常小，可以近似的假设F/W≈0。因此，等式（4）左侧可以相应的简化为(1-Lf)Lf。通过对该式两边求对数可以得到：

式（5）可以视为一个关于居民收入水平W的简单对数线性回归方程，也即本文的基本回归模型。其中，式子左侧表示非睡眠时间中非数字产品消费时间与数字产品消费时间之比，是一种时间分配关系。在式子右侧，lnA在横截面数据中默认是一个常数，αo-αf同样是常数，最后一项则被看作是误差项。

需要补充的是，数字产品中占比较大的依旧是基础性的免费数字产品。因此，若将Pf=0纳入上述的一般模型进行求解，对应的免费数字产品消费时间可以表示为：

由于Lf是关于非数字产品价格和收入的函数，利用式（6）和已知时间序列数据可以对替代弹性进行如下校正：

在确定替代弹性之后，消费者剩余的计算变得相对容易。为了避免对数需求曲线假设导致的消费者剩余高估问题，本文直接引入了Goolsbee and Klenow（2006）文章中关于Hausman（1999）线性需求曲线假设的消费者剩余计算方法，免费数字产品的消费者剩余可以表示为：

本文使用的是中国家庭追踪调查（China Family Panel Studies，简称CFPS）2018年度微观数据，数据中的被调查对象涉及25个省、市、自治区，样本具有全国代表性。结合基本模型（5），本文选取样本中的“每周业余上网时间”计算得到被解释变量“时间分配结构”；
选取样本中消费者“家庭平均收入”作为核心解释变量。为了保证计算结果的无偏性，模型中还加入了年龄、婚姻状态、健康状况、受教育程度等个人特征变量。另外，为了消除网络成瘾问题对模型估计准确性可能存在的影响，本文还对相应的数据进行了截尾处理，删除异常值、缺失值，共获得15131个样本。表1报告了相关变量的描述性统计。

表1 变量描述性统计

模型估计目的是为了确定核心解释变量系数，进而获取数字产品的替代弹性并计算相应的消费者剩余。通过基本模型（5）可知，核心解释变量系数由替代弹性σ-1和αo-αf的乘积表示。因此，提前确定非数字产品与数字产品的货币强度之差，即αo-αf的具体数值，非常关键①其中，非数字产品的货币强度由直接货币支出占包含间接时间货币支出在内总支出的比例表示；
数字产品的货币强度由网费支出（直接货币支出）占包含间接时间货币支出在内总支出的比例表示。根据工信部网站发布的《2018年通信业统计公报》②我国2018年度通信业固定和移动数据及互联网业务收入总额为8056亿元。、中国互联网信息中心公布的《第43次中国互联网络发展状况统计报告》③2018年我国网民人数为8.29亿，加权月收入水平为3295.5元。因此，2018年度我国网民月均网费支出金额为81元。该金额的计算参照中国信息通信研究院《中国宽带资费水平报告》中固定宽带月户均支出和移动通信月户均支出计算方法。和2018年第二次全国时间利用调查统计数据④2018年度时间利用调查数据显示，居民每天平均互联网使用时间为2小时42分钟、平均睡觉休息时间为9小时19分钟。可以计算得到αf为0.12。另外，通过《中国住户调查年鉴（2019）》中的人均消费支出数据可以得到αo为0.65。因此，αo-αf的值为0.53。

中国的互联网发展以2012年为时间节点，可以划分为两个阶段，即PC互联网阶段和移动互联网阶段（张路娜等，2021）。基于互联网发展的阶段性特征和数据的可获取性，本文手动整理了2012—2020年网民人均每周上网时间、人均网费支出、以1978年为基期的居民消费价格指数（CPI）和人均可支配收入水平数据，计算得到了互联网支出的相关数据，内容参见表2。这些数据分别来源于历年公布的《中国互联网络发展状况统计报告》、《中国通信业统计公报》和国家统计局官网。观察表2可以发现，互联网服务的直接货币支出份额远远低于其时间份额占比，两者始终相差10倍以上。互联网服务是一个典型的时间密集型产品。另外，从时间趋势上看，调整后的互联网支出份额整体呈现上升趋势，但是增速逐步放缓甚至开始下降。这可能与移动互联网的普及使用、全国“提速降费”工作的深入展开等因素相关。

表2 2012—2020年度互联网支出相关数据

（一）基本回归结果

表3给出了消费者收入水平与其业余上网时间分配结构的基本回归结果、数字产品的替代弹性数值。如表3所示，第（1）列显示的是不加控制变量的结果。观察结果可知，我国居民非业余上网时间与业余上网时间占比和其收入水平之间呈负相关关系。换言之，消费者收入水平越高，其对应的业余上网时间占比越大，数字产品消费量越大。在第（2）列和第（3）列中逐步加入个人特征控制变量和省份固定效应后，核心解释变量的符号依旧显著为负。上述结果再次说明消费者的收入水平与其业余上网时间之间存在正相关关系。但这一结果与欧美等国家的情况恰恰相反。Pantea and Martens（2016）实证发现，英法等国家的居民收入水平越高，其对应的在线休闲时间越短。究其原因，我国不同收入人群在互联网使用中存在明显的数字鸿沟问题（尹志超等，2021）。高收入群体的数字产品消费能力强于低收入群体。同样，这一现象也体现在2018年中国时间利用调查微观数据中。另外，这种数字鸿沟也存在于不同教育程度群体之中。观察表3可知，消费者受教育程度与其业余上网时间占比呈正相关关系。教育水平越高的消费者，其业余上网时间占比越高。这一结果与已有文献的结论具有一致性（David and TurSinai，2017）。

表3 模型基本回归结果

（二）进一步分析

本部分分别以2018CFPS问卷调查中受访者对“互联网作为信息渠道的重要程度”、“上网时社交的重要程度”和“上网时娱乐的重要程度”的评价作为中介变量，采用逐步回归法探寻互联网使用鸿沟的具体作用机制。表4汇报了具体的实证结果。从第（2）列结果可以观测到，居民收入水平关于其互联网信息渠道重要性评价的回归系数显著为正。这表明居民收入水平越高对互联网信息搜寻功能的重视程度越高。进一步，观察第（3）列结果可以发现，把该中介变量加入基本回归中后，中介变量和核心解释变量的系数都显著。这说明互联网的信息搜寻功能在居民收入对业余上网时间分配关系的影响中存在中介效应，中介效应与总效应的比为0.23。同样，第（4）列和第（6）列结果分别汇报了居民收入水平关于其社会资本积累重要性和线上娱乐看重程度的回归结果。结果显示，收入水平越高的居民越重视通过线上社交方式进行社会资本积累和线上娱乐的休闲功能。因此，数字经济发展对高收入群体的福利效应明显大于低收入群体。高收入群体出于信息搜寻、社会资本积累和娱乐休闲目的，业余上网时间更长。不同收入群体间数字产品消费存在不平等。结合样本数据测算，2018年我国数字产品消费排名前10%的消费者消费量是排名后10%消费者消费量的14倍。另外，采用泰尔指数和基尼系数方法计算的2018年数字产品消费不平等数值分别为0.36和0.46。该结果与当前诸多学者计算得到的中国消费不平等程度相当（孙豪等，2017；
朱迪，2021）。

表4 中介效应分析

（三）稳健性检验

1.变量内生性问题讨论

在基本回归模型中，本文将可能造成估计偏误的因素（如年龄、健康状况、受教育程度等）纳入方程中进行了控制，可以有效缓解由于遗漏变量所导致的内生性问题。但是，现有研究中有学者试图阐释互联网使用对居民收入的正向促进作用（李飚，2019）。因此，可能存在的反向因果关系会造成模型系数估计不准确。为了保证本文结论的可靠性，本部分选取滞后一期的收入水平作为工具变量，对潜在的内生性问题进行进一步的探讨。表5汇报了具体的工具变量检验回归结果。从表5的结果可以看出，在5%的显著性水平下，我国居民非业余上网时间与业余上网时间占比和其收入水平之间呈负相关关系，这与基本回归结果一致。

表5 工具变量回归结果

2.替换核心解释变量

在前文分析中，模型选择将家庭平均收入作为时间价值的度量单位。但是，家庭内部往往存在收入分配行为，并且这一行为基本上不遵循平均主义原则。这一情况可能会导致消费者个体关于时间价值的判断出现偏颇，尤其是儿童、老人等无收入群体。他们可能会因为没有实际劳动收入来源而缺乏对时间货币价值的主观感知。相反，有薪阶层在获取工资的过程中能够形成关于时间价值的长期稳定预期。个人工资性收入可以更精准地刻画消费者的时间价值。因此，本部分将样本限定在具有个人工资性收入的消费者范围之内。估计结果如表6所示，居民非业余上网时间与业余上网时间之比同其收入水平依旧呈显著负相关关系，通过了稳健性检验。另外，该结果再次证实了不同收入群体间存在的数字鸿沟问题。

表6 稳健性检验

（四）替代弹性和消费者剩余

本部分类比Brynjolfsson and Oh（2012）的做法，以表达式（7）为目标函数，结合表2中的时间序列数据对非线性函数（6）进行拟合，对已获得的替代弹性进行了校正。校正后的替代弹性数值为0.94。该结果与表6中计算得到的替代弹性结果较为近似。据此，结合消费者剩余计算公式（8），可以得到我国2012—2020年间消费者剩余的整体变化情况。具体结果如表7所示。观察表7可知，我国数字产品对消费者福利的影响不可小觑。数字产品产生的消费者剩余在GDP中的占比始终保持5%以上，且呈现不断攀升趋势。该份额从2012年的5.00%上升至2020年的11.39%，几乎翻了一番。对数字产品价值的忽视会严重影响数字经济发展水平的评估。不仅如此，数字产品价值的年度增长率始终高于目前的GDP年度增长率。换言之，数字经济的实际发展速度远高于现有的GDP增速。现有的GDP核算方法会低估数字经济的发展速度。另外，我国数字产品产生的价值远高于同时期的欧洲国家水平①Pantea and Martens（2016）采用2011年尼尔森数据计算了欧洲国家互联网服务产生的消费者剩余在GDP中占比情况，英国占比水平最高，达到了2.15%。。这种领先可以追溯到国家间居民业余上网时间的差异。就我国而言，庞大的消费者群体使得面向个人提供社交、购物、教育、娱乐等服务的“消费互联网”趋于完善。移动终端和移动应用行业的迅速普及和崛起，加速了居民休闲娱乐方式的线上转移。因此，我国数字产品的人均消费量要大于欧洲国家数字产品的人均消费量。

表7 2012—2020历年消费者剩余变化情况

免费或低价数字产品的出现是数字经济的重要特性之一。而这些数字产品的免费特性不仅使其难以应用传统的需求曲线方法进行消费者剩余估算，也使其价值无法准确反映在GDP之中。因此，本文从时间价值角度对我国数字经济核算过程中的数字产品价值测度工作进行了初步探索和有益尝试。结果发现，我国数字产品产生的消费者剩余在国民生产总值中的份额持续上升，2020年占比达到11.39%。数字经济实际发展规模出现严重低估。相比于重新构建GDP核算框架，本文为数字经济规模核算提供了一个新的思路：在原有的核算基础上扩展数字产品产生的消费者剩余。考虑到互联网服务是数字产品的集合，互联网服务在消费时间上涵盖了数字产品的消费时间。因此，基于互联网服务的时间机会成本测度法可以有效度量数字产品价值。这对政府统计部门的统计工作提出了新的要求。宏观层面上，政府统计部门应开展常态化的中国时间利用调查数据统计工作，密切关注时间维度下居民的福利水平变化。微观层面上，政府统计部门应积极与互联网企业寻求合作，在保障消费者隐私的情况下，充分利用好庞大的消费数据，实现数字经济发展水平的精准测度。另外，本文在研究中发现，我国居民的互联网使用行为呈现明显的分化，不同收入等级和教育水平的群体间存在明显的数字鸿沟问题。具体表现为，高收入和高学历人群的业余互联网使用时间更长，数字产品消费量更大。究其原因，受互联网使用过程中信息搜寻、社会资本积累和娱乐休闲三种不同动机的驱使，高收入和高学历人群能够获取更多的消费者福利，占据互联网使用优势。因此，政府要加强对数字经济发展过程中不平等问题的关注，给予低收入和低学历等弱势群体更多的政策帮扶，以防群体间的数字鸿沟问题继续扩大，进而抵消数字经济发展过程中数字产品产生的消费者福利。

猜你喜欢互联网服务数字消费者四维地球遥感卫星数据互联网服务卫星应用(2022年1期)2022-03-09消费者网上购物六注意今日农业(2020年20期)2020-12-15系无理取闹?NO！ 请为消费者擦干眼泪人民交通(2019年16期)2019-12-20构建信息无障碍的图书馆服务理念和体系卷宗(2018年30期)2018-12-15日化品牌怎样才能吸引年轻消费者?消费导刊(2018年22期)2018-12-13答数字创新作文(5-6年级)(2018年11期)2018-04-23知识付费消费者瞭望东方周刊(2017年34期)2017-09-13数字看G20南风窗(2016年19期)2016-09-21成双成对小天使·六年级语数英综合(2014年3期)2014-03-15中国地震信息网移动互联网服务研究与设计地震研究(2014年3期)2014-02-27