數字普惠金融對農業全要素生產率的影響

　　摘要：文章使用2011—2018年省級面板數據，實證檢驗了數字普惠金融對農業全要素生產率的影響，并從數字普惠金融及農業全要素生產率的不同維度進行了深入分析。結果表明，近年來，數字普惠金融的發展有效提升了區域農業全要素生產率，這主要是通過提升農業生產經營活動的技術效率來實現的。分維度看，數字普惠金融的使用深度對農業全要素生產率的提升影響最大，且該效應在東部沿海地區更顯著;同時，相對于推動農業技術進步，數字普惠金融對農業生產技術效率的正向影響更大。

　　關鍵詞：數字普惠金融;農業全要素生產率;固定效應面板模型

　　0引言

　　21世紀以來，我國不斷推動普惠金融發展，深入推進金融精準扶貧，持續提升農村金融服務水平，有效助力了精準扶貧和農村地區經濟社會發展。然而，由于我國長期存在城鄉二元經濟結構，在經濟發展相對落后的農村地區，傳統金融機構面臨覆蓋率相對不足、使用深度有限及便利化程度不高等問題，正規金融服務難以與“三農”發展需求相匹配，導致農村地區存在明顯的金融排斥現象�，F有文獻關于數字普惠金融對農村經濟的影響主要從以下三方面展開：

　　第一，數字普惠金融有效降低了金融服務的門檻。由于農村地區經濟基礎相對薄弱，農民在獲取正規金融機構資金支持過程中面臨貸款難、抵押難、擔保難的問題[1]，導致金融服務門檻高，農業生產經營所需資金無法得到有效滿足，進一步阻礙了農村經濟發展。數字技術的使用，使得農戶可以通過移動互聯終端快速獲取所需的金融服務，提高了生產效率，緩解了信息不對稱，降低了金融服務成本和門檻[2]。

　　第二，數字普惠金融的發展有效緩解了農村地區的金融排斥現象。目前，我國農村地區金融發展面臨實質動力不足、資金外流嚴重及信用體系相對落后等問題，導致農戶無法獲取所需的金融服務，制約了農業生產經營規模的擴大和新農業技術的投入使用，進而影響農民收入增長[3]。以支付寶和微信支付為代表的新一代移動支付方式，降低了金融服務門檻，使得原有被排斥在正規金融服務外的群體也獲得了所需的金融服務。此外，新一代移動支付方式也便利了農村地區征信工作的深入展開，進一步緩解了農村地區金融排斥程度。

　　第三，數字普惠金融通過發揮減貧效應進一步服務農村經濟發展。數字普惠金融的發展提高了金融服務效率，使得低收入群體通過低成本的金融服務，拓寬收入渠道，實現脫貧。此外，數字普惠金融的發展也有效緩解了中小企業融資難問題[4]，服務中小企業發展，使得中小企業可以提供更多的就業崗位，緩解了貧困問題�，F有文獻從降低金融服務門檻、緩解金融排斥和減少貧困等方面闡釋了數字普惠金融對農業生產經營的影響及其內在機制。然而，對于數字普惠金融影響農業全要素生產率的影響程度缺乏進一步分析。本文使用2011—2018年省級面板數據，測算農業全要素生產率及其分解項，并構建回歸模型深入分析數字普惠金融不同維度的影響異質性和區域異質性。

　　1研究設計

　　1.1數據來源與變量選取

　　本文主要使用2011—2018年我國30個省份(不含西藏和港澳臺)的省級面板數據分析數字普惠金融對區域農業全要素生產率的影響。數據主要來源于《中國統計年鑒》。將區域農業全要素生產率作為被解釋變量，并將其分解為農業技術效率和農業技術進步兩個維度。選取北京大學數字金融研究中心課題組編制的數字普惠金融指數作為核心解釋變量。同時，本文使用人均地區生產總值、人力資本存量、產業結構、對外開放程度和城鎮化率作為控制變量。

　　(1)因變量。本文使用DEA-Malmquist指數測度的區域農業全要素生產率作為因變量。具體來說，選取各地區以2010年為基期的農林牧漁業總產值作為產出指標。投入指標包括勞動力、土地、農業機械、化肥、灌溉和政府支農力度。具體來說，勞動力用各地區第一產業從業人數代替，土地面積用各地區農作物播種面積代替，農業機械用農業機械總動力代替，化肥投入用化肥施用量代替，灌溉使用耕地灌溉面積代替，政府支農力度使用政府一般公共預算支出中農林水支出占各地區財政支出的比重代替。

　　(2)核心解釋變量。本文選取北京大學數字金融研究中心課題組和螞蟻金服共同編制的數字普惠金融指數作為數字普惠金融的代理變量。該指數按照綜合性、均衡性、可比性、連續性和可行性等原則，綜合衡量了2011—2018年全國、省、市、縣層面的數字普惠金融發展狀況[5]。

　　(3)控制變量。為了控制其他因素對區域農業全要素生產率的影響，本文按照現有文獻的通常做法，選取區域經濟發展水平、產業結構高級化程度、對外開放程度和城鎮化水平作為模型的控制變量。其中，區域經濟發展水平用各省份人均總產值代替，并以2010年為基期，利用物價指數進行平減;人力資本用勞動年齡人口平均受教育年限代替;產業結構高級化程度使用第三產業比重代替;對外開放程度以各省份外商直接投資額占地區生產總值的比重代替;城鎮化水平用各省份常住人口占總人口的比重代替。

　　1.2變量描述性分析及相關性檢驗

　　2011—2018年，我國農業全要素生產率的均值為1.072，其中最低為0.768，最高為1.271。進一步將農業全要素生產率分解為農業技術進步和農業技術效率后，農業技術進步均值為1.062，高于農業技術效率的均值(1.011)。相較于技術效率的提升，農業技術進步顯著推進了農業全要素生產率的提升，數字普惠金融發展水平的均值為188.19。以2018年為例，上海數字普惠金融發展程度最高，達到377.73;甘肅最低，僅為263.12，但較2011年的18.33增加了13.35倍。將其進一步細分為覆蓋廣度、使用深度和數字支持服務三個維度后，使用深度指數發展水平最高，達到183.53，覆蓋廣度和數字支持服務程度次之。

　　在控制變量方面，人均產值平均達到52817.83元，產業結構達到45.48%，開放程度平均達到2.03%，城鎮化水平平均達到57.11%，地區開放程度和城鎮化水平進一步提高，但地區差異仍十分顯著。數字普惠金融和農業全要素生產率之間顯著正相關。經濟發展水平越高、人力資本存量越高、產業結構高級化程度越高、開放程度越高和城鎮化水平越高的地區，農業全要素生產率也相對越高。

　　1.3變量平穩性檢驗

　　為了避免出現“偽回歸”，本文使用LLC檢驗和IPS檢驗以驗證數據是否存在同質面板單位根的和異質面板單位根。模型中選取的變量均平穩，不存在單位根，也不存在協整問題，可以使用面板數據模型進行直接估計。

　　1.4模型設定

　　為實證檢驗數字普惠金融對農業全要素生產率的影響，本文采用雙向固定效應面板數據模型進行估計。影響農業全要素生產率的因素很多，不僅包括可觀測到的內部投入和產出要素，也包括農業發展理念、農業新技術使用意愿等不可觀測因素。采用雙向固定效應面板數據模型可以通過差分的方法，降低不可觀測因素對農業全要素生產率的影響，進而提升模型整體的估計效果。

　　2實證分析

　　2.1數字普惠金融對農業全要素生產率的影響Hausman檢驗的卡方值為128.54(P=0.000)，拒絕原假設，即使用固定效應面板數據模型進行估計，這與本文先驗地使用雙向固定效應面板數據模型進行估計具有一致性。在固定效應模型和隨機效應模型下，數字普惠金融均顯著提升區域農業全要素生產率。該結論在控制了省份、時間固定效應后仍顯著成立。在固定效應模型下，在控制了其他因素影響后，數字普惠金融發展水平每提升1個單位，區域農業全要素生產率將平均提升0.048個單位。未控制其他變量的影響，將高估數字普惠金融的影響。同樣，使用隨機效應面板數據模型將高估數字普惠金融對農業全要素生產率的影響。在控制變量中，地區人均生產總值對區域農業全要素生產率有著顯著的正向影響。

　　地區人均生產總值每提升1個單位，區域農業全要素生產率將平均提升0.267個單位。人均生產總值的提升意味著社會可以將擁有的更多資本投入到農業生產中，緩解了農業生產的資金約束。研究表明，資本投入對中國經濟增長的貢獻最大，也是提升全要素生產率的重要途徑[6]。人力資本的提升對區域農業全要素生產率有著顯著的正向影響。人力資本每提升1個單位，區域農業全要素生產率將平均提升0.126個單位。Benhabib和Spiegel(2005)[7]認為人力資本的提升可以通過影響技術創新能力從而直接影響全要素生產率，此外，人力資本也可以通過技術溢出的吸收能力進而間接影響區域全要素生產率。產業結構升級優化了區域生產資源的配置效率，也顯著提升了農業全要素生產率。

　　第三產業比重將提升區域農業全要素生產率。區域開放程度的提高也將顯著提升區域農業全要素生產率。區域開放程度的提高，不僅意味著可以吸收更多的國外資本用于經濟發展，也意味著可以不斷吸收國外更多的新興技術。區域城鎮化水平每提升1個單位，區域農業全要素生產率將平均提升0.003個單位。城鎮化水平的提升，意味著更多的農村人口流向城鎮。武宵旭等(2019)[8]研究發現，農業過剩勞動力的城鎮化流動改善了資源配置效率，實現了全要素生產率的增長，進而推動農業發展質量提升，實現鄉村振興戰略。

　　2.2區分數字普惠金融維度

　　北京大學數字普惠金融指數在指標體系設置過程中，同時考慮了數字金融服務的廣度、深度和支持服務程度。不僅考慮了數字金融發展的覆蓋的區域和群體，也考慮了數字金融的被使用的程度，以更好地反映出數字金融的普惠價值。因此，為了進一步分析數字普惠金融不同維度對農業全要素生產率的影響，本文將數字普惠金融細分為覆蓋廣度、使用深度和數字支持服務程度。

　　其中，覆蓋廣度使用支付寶賬號數量和鏈接銀行卡的數量來衡量，使用深度用支付業務、貨幣基金業務、信貸業務、保險業務、投資業務和信用業務綜合衡量，數字支持服務程度使用移動化、實惠化、便利化和信用化綜合衡量。三個維度的數字普惠金融發展水平均對區域農業全要素生產率起到顯著的提升作用。相較于銀行、保險公司等傳統正規金融機構，數字普惠將金融以其高度覆蓋率和使用率，打破傳統金融服務提供的時間和空間限制，降低了金融服務門檻，為農業生產經營提供了更多的資金支持。

　　數字普惠金融的使用深度對農業全要素生產率的影響最大。數字普惠金融的使用深度的增加使得農業全要素生產率平均增加了0.065個單位，且通過1%的顯著性檢驗。數字普惠金融通過其支付業務、貨幣基金業務、支付業務、保險業務、投資業務和信用業務，特別是通過個人消費貸款和小微經營者貸款精準支持農業生產經營活動。數字支持服務每提升1個單位，區域農業全要素生產率將平均提升0.049個單位，數字支持服務以其移動化、實惠化、信用化和便利化的優勢，提升農業全要素生產率。數字普惠金融的覆蓋廣度的增加使得農業全要素生產率平均增加0.038個單位。

　　2.3分解農業全要素生產率

　　本文將區域農業全要素生產率進一步分解，分別驗證數字普惠金融是否通過技術進步和技術效率兩個路徑影響農業全要素生產率，估計結果見下頁表6。表6的估計結果表明，數字普惠金融對于提升農業生產技術效率和推動農業技術進步均存在顯著的正向影響，且數字普惠金融對于提升農業生產技術效率的影響更大。具體來說，在控制了人均產值等因素影響后，數字普惠金融每提升1個單位，區域農業全要素生產率將平均提升0.059個單位，農業技術進步將平均提升0.041個單位。這主要是因為數字普惠金融的發展以其高覆蓋率和使用深度，以及其自身的便利化和數字化優勢，緩解了農業生產經營活動的信貸約束，優化了農業生產要素配置。

　　2.4區分區域經濟發展水平

　　我國幅員遼闊，不同地區資源稟賦也存在很大不同，其農業技術水平、資本積累、農業勞動力數量及素質以及農業產業配套程度也不同，這將導致數字普惠金融對農業全要素生產率的影響程度存在區域異質性。因此，本文參照國家統計局的分類標準，將我國30個省份劃分成東部、中部、西部和東北地區。

　　四大經濟區的數字普惠金融均顯著提升了區域農業全要素生產率。其中，東部地區的提升效應最顯著，對中部地區和東北地區的影響次之，對西部地區農業全要素生產率的影響最低。具體來說，數字普惠金融每提升一個單位，東部地區農業全要素生產率將平均提升0.072個單位，中部地區將平均提升0.054個單位，西部地區將平均提升0.036個單位，東北地區將平均提升0.041個單位。進一步地，考慮到不同開放程度水平下數字普惠金融影響的異質性，本文將我國30個省份按照是否沿海分為沿海和內陸地區。

　　無論是在沿海地區還是內陸地區，數字普惠金融都將顯著提升區域農業全要素生產率，但沿海地區農業全要素生產率的提升效應高于內陸地區。具體來說，數字普惠金融每提升1個單位，沿海地區農業全要素生產率將平均提升0.061個單位，而內陸地區農業全要素生產率將平均提升0.042個單位。東部沿海地區的影響高于中西部內陸地區，這不僅是因為東部地區農業全要素生產率發展水平相對較高，也因為沿海地區開放時間早、開放程度也相對較高，居民、政府和企業接受新鮮事物，特別是接受新技術的程度也相對較高，因而數字普惠金融對沿海地區農業全要素生產率的影響也相對較高。

　　3結論與建議

　　近年來，隨著移動互聯網的普及，移動支付等新型支付手段不斷深入生產生活各個環節，實現了數字普惠金融的飛速發展。本文使用省級面板數據模型實證檢驗了數字普惠金融的發展對區域農業全要素生產率的影響及其異質性。

　　結果表明，2011—2018年，我國數字普惠金融迅速發展，帶動了農業全要素生產率的不斷提升。這主要是通過提升農業生產經營活動的技術效率來實現，且該效應在東部沿海地區更加明顯。其中，數字普惠金融的使用深度對農業全要素生產率的提升效應最為明顯。該結論在控制了人均產值、人力資本、產業結構、開放程度和城鎮化水平對農業全要素生產率的影響，并區分地區經濟發展水平差異后，仍穩健且一致。

　　基于上述分析，為進一步提升農業全要素生產率，政府應增加農村地區數字金融投入力度，加大財政補貼，增強欠發達的農村地區數字普惠金融基礎設施建設，幫助更多的農村貧困群體和農村中小微企業獲得更多的數字普惠金融服務。同時，也應注重數字普惠金融支持農村經濟發展過程中的風險防范機制建設，構建信貸風險聯防聯控機制，實現金融機構、擔保人和擔保機構之間的風險共擔機制，調動三方積極性，將農村普惠金融的風險控制在合理范圍內。

　　參考文獻：

　　[1]羅劍朝,庸暉,龐璽成.農地抵押融資運行模式國際比較及其啟示[J].中國農村經濟,2015,(3).

　　[2]翟項樂.數字普惠金融對農民收入影響的實證分析——以青海省為例[J].上海商業,2020,(9).

　　[3]劉玉春,修長柏.農村金融發展、農業科技進步與農民收入增長[J].農業技術經濟,2013,(9).

　　[4]任曉怡.數字普惠金融發展能否緩解企業融資約束[J].現代經濟探討,2020,(10).

　　[5]郭峰,王靖一,王芳,等.測度中國數字普惠金融發展:指數編制與空間特征[J].經濟學(季刊),2020,19(4).

　　[6]許憲春,張鐘文,常子豪,等.中國分行業全要素生產率估計與經濟增長動能分析[J].世界經濟,2020,43(2).

　　[7]BenhabibJ,SpiegelM.Chapter13HumanCapitalandTechnologyDiffusion[J].HandbookofEconomicGrowth,2005,(1).

　　[8]武宵旭,葛鵬飛,徐璋勇.城鎮化與農業全要素生產率提升:異質性與空間效應[J].中國人口·資源與環境,2019,29(5).

　　作者：劉艷

轉載請注明來自發表學術論文網：http://www.cnzjbx.cn/jjlw/28725.html