劉心怡 金 山 張 偉

(廣東金融學院，廣東 廣州 510521)

當前，融合了大數(shù)據(jù)、區(qū)塊鏈、云計算、人工智能等新興前沿技術(shù)的金融科技發(fā)展迅速。通過大數(shù)據(jù)技術(shù)的應(yīng)用，金融科技能夠有效提高借款人信用風險識別效率(王正位 等，2020)；同時，金融科技對于地區(qū)和企業(yè)創(chuàng)新水平及效率提升均起到了顯著促進作用(馬凌遠 等，2019；李春濤 等，2020)。隨著金融科技更多地服務(wù)于農(nóng)業(yè)生產(chǎn)經(jīng)營環(huán)節(jié)，也有助于提高農(nóng)民主動增收能力。那么，金融科技對農(nóng)民增收的效應(yīng)如何？又通過何種傳導機制推動了增收？基于此，本文嘗試從收入來源結(jié)構(gòu)視角分析金融科技對農(nóng)民的增收效應(yīng)，揭示其具體傳導機制，以期能為中國金融支農(nóng)政策體系構(gòu)建提供現(xiàn)實依據(jù)。

一、理論分析與研究假說

(一)金融科技對農(nóng)民增收的直接影響

有關(guān)金融支農(nóng)方面的研究普遍認為農(nóng)村金融市場存在信息不對稱、交易成本高等問題，由此導致的融資約束制約了農(nóng)民增收(張偉 等，2017；何廣文 等，2018)。金融科技主要在三方面緩解了農(nóng)民信貸約束，從而促進農(nóng)民增收：一是提升融資可得性。通過創(chuàng)新金融信貸產(chǎn)品、提供網(wǎng)絡(luò)融資平臺等手段，提升借貸便利性，簡化審批支付流程，使得農(nóng)民更易獲得資金以從事生產(chǎn)經(jīng)營活動(胡新艷 等，2016；張貴年，2018)。二是降低了融資交易成本。借助大數(shù)據(jù)、區(qū)塊鏈等信息技術(shù)，可以及時追蹤交易行為數(shù)據(jù)，對傳統(tǒng)農(nóng)戶征信體系進行補充，降低了信息不對稱程度，使得金融機構(gòu)的借貸成本和風險減少，因而增強其資金供給動機(何婧 等，2017)。三是拓寬了融資渠道。金融科技的發(fā)展打破了以農(nóng)信社等為主的傳統(tǒng)農(nóng)村金融供給體系，引入互聯(lián)網(wǎng)金融公司、眾籌等多種社會資本參與，農(nóng)民獲取資金支持的渠道大幅增加，特別是對于新型農(nóng)業(yè)經(jīng)營主體、極端貧困農(nóng)戶等農(nóng)村融資的“長尾”對象(王馨，2015；江維國 等，2015)，顯著提升了其融資生產(chǎn)的可能性。據(jù)此，提出：

研究假說1：金融科技直接促進了農(nóng)民增收。

(二)金融科技對農(nóng)民增收的間接影響

從農(nóng)民收入結(jié)構(gòu)視角來看，工資性收入和經(jīng)營性收入已成為農(nóng)民收入的兩大支柱，轉(zhuǎn)移性收入雖占比較小，但近年來財政支農(nóng)力度不斷增強，增速也有顯著提升。伴隨著農(nóng)地確權(quán)工作的開展，財產(chǎn)性要素收入逐步被撬動，但其對農(nóng)民增收的作用效果還未充分顯現(xiàn)。為此，本文從收入來源渠道出發(fā)，考慮金融科技對農(nóng)民增收可能通過以下三個方面產(chǎn)生間接影響：

首先，金融科技通過促進非農(nóng)就業(yè)，以工資性收入為主要增收渠道進行傳導。新型農(nóng)業(yè)經(jīng)營主體作為傳統(tǒng)金融的“長尾”客戶，其資金需求往往被忽視(王馨，2015；張偉 等，2020)，這一現(xiàn)象極大影響了農(nóng)民返鄉(xiāng)創(chuàng)業(yè)的積極性。金融科技通過大數(shù)據(jù)征信系統(tǒng)、云計算等技術(shù)有效支持了農(nóng)業(yè)小微企業(yè)融資(李樹 等，2018；趙羚雅 等，2019)。返鄉(xiāng)農(nóng)民工創(chuàng)業(yè)熱潮的掀起，提供了更多非農(nóng)就業(yè)機會，特別是增加了農(nóng)村留守老弱貧困勞動力的就業(yè)機會，促進了農(nóng)民工資性收入增長(王建，2019；楊繼瑞 等，2016；Zereyesus et al., 2017)。據(jù)此，提出：

研究假說2：金融科技通過促進農(nóng)民非農(nóng)就業(yè)實現(xiàn)農(nóng)民收入提升。

其次，金融科技通過影響農(nóng)業(yè)全要素生產(chǎn)率，以經(jīng)營性收入為主要增收渠道進行傳導。一方面，金融科技在農(nóng)業(yè)生產(chǎn)要素投入上創(chuàng)新金融產(chǎn)品供給，提供購買農(nóng)機具補貼貸款或提高種植技術(shù)，促進農(nóng)業(yè)生產(chǎn)行為的改善，提升農(nóng)業(yè)全要素生產(chǎn)率，增加農(nóng)業(yè)生產(chǎn)者收益(張哲晰 等，2018；左斐 等，2019；Aung et al., 2019)；另一方面，金融科技更多地介入農(nóng)業(yè)生產(chǎn)全環(huán)節(jié)，融資端與銷售端的融合拓寬了農(nóng)業(yè)產(chǎn)業(yè)鏈，促使高附加值農(nóng)產(chǎn)品的生產(chǎn)向銷售端轉(zhuǎn)移(楊繼瑞 等，2016；王剛貞 等，2017)，盡管對傳統(tǒng)農(nóng)業(yè)生產(chǎn)效率可能產(chǎn)生一定擠出效應(yīng)，但邊際報酬的提升對農(nóng)民收入仍有一定促進作用。據(jù)此，提出：

研究假說3：金融科技通過影響農(nóng)業(yè)全要素生產(chǎn)率實現(xiàn)農(nóng)民收入提升。

最后，金融科技通過提升財政資金配置效率，以轉(zhuǎn)移性收入為主要增收渠道進行傳導。已有研究表明，財政支農(nóng)主要通過經(jīng)濟增長的“涓滴效應(yīng)”和收入再分配的調(diào)節(jié)效應(yīng)促進農(nóng)民增收，但財政轉(zhuǎn)移支付因存在數(shù)目較小、覆蓋率較低以及瞄準性偏誤等問題，造成財政資金配置效率低下(Westmore，2018；王漢杰 等，2020)。金融科技一方面因其信息技術(shù)優(yōu)勢，可提供財政支出的轉(zhuǎn)移支付手段，并通過考察轉(zhuǎn)移支付對象信用情況，精準匹配農(nóng)戶資金需求(宋顏群 等，2020)；另一方面通過網(wǎng)絡(luò)平臺和移動支付手段，提升財政轉(zhuǎn)移支付覆蓋面，同時利用金融杠桿效應(yīng)撬動社會資本(周月書 等，2019；李文龍 等，2019)，彌補財政支持力度不足問題，提升財政資金配置效率，實現(xiàn)農(nóng)民收入提升。據(jù)此，提出：

研究假說4：金融科技通過提升財政資金配置效率實現(xiàn)農(nóng)民收入提升。

二、數(shù)據(jù)來源與研究設(shè)計

(一)數(shù)據(jù)來源

本文選取2013—2018年中國30個省、市、自治區(qū)(港澳臺及西藏地區(qū)除外)為樣本，數(shù)據(jù)主要來源于國家統(tǒng)計局網(wǎng)站、《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》、各省(市、自治區(qū))統(tǒng)計年鑒及統(tǒng)計公報。金融科技相關(guān)數(shù)據(jù)采用手動搜索百度網(wǎng)頁獲取。

本文對數(shù)據(jù)主要做了以下調(diào)整：一是缺失值處理。針對第一產(chǎn)業(yè)從業(yè)人員數(shù)指標部分省份2018年數(shù)據(jù)存在缺失，采用移動平均法進行插值。二是價格調(diào)整。為消除通貨膨脹影響，與價格相關(guān)的所有指標以2013年為基期，采用GDP平減指數(shù)進行調(diào)整。三是對數(shù)處理。為消除量綱影響，將所有非比值類數(shù)據(jù)進行對數(shù)處理。

(二)變量選擇及描述性統(tǒng)計

1.被解釋變量

被解釋變量為農(nóng)村居民可支配收入。依據(jù)收入來源，將農(nóng)村居民可支配收入分為工資性收入、經(jīng)營性收入、財產(chǎn)性收入和轉(zhuǎn)移性收入。所有收入變量均以2013年為基期采用價格指數(shù)處理，并取對數(shù)，以減少方差偏誤。

2.解釋變量

解釋變量為金融科技發(fā)展水平。本文通過構(gòu)建金融科技基礎(chǔ)詞庫，采用熵值法計算得出。

金融科技指標選擇。借鑒沈悅等(2015)的研究思路，從金融基礎(chǔ)功能及科技技術(shù)支撐角度出發(fā)，兼顧金融科技服務(wù)農(nóng)村發(fā)展的現(xiàn)實渠道，選取四大核心功能和金融科技底層技術(shù)等五個維度共18個關(guān)鍵詞構(gòu)建金融科技基礎(chǔ)詞庫(見表1)。將中國30個省、市、自治區(qū)(港、澳、臺及西藏地區(qū)除外)與金融科技18個基礎(chǔ)關(guān)鍵詞兩兩組合，如“北京+眾籌平臺”，采用百度搜索2013—2018年各組合每年搜索頻次，作為金融科技指標組合的基礎(chǔ)數(shù)據(jù)。

表1 金融科技關(guān)鍵詞庫

采用學界常用的熵值法對金融科技發(fā)展水平進行測度，具體思路如下：首先，對金融科技基礎(chǔ)指標進行數(shù)據(jù)標準化處理，為避免求熵值時對數(shù)無意義情況出現(xiàn)，進行數(shù)據(jù)平移，計算方法如式(1)所示；其次，采用式(2)計算各指標信息熵值，并依據(jù)各指標熵值確定指標權(quán)重，如式(3)所示；最后，利用各指標基礎(chǔ)標準化得分綜合加權(quán)計算金融科技發(fā)展水平。

(1)

(2)

(3)

其中：Xij表示金融科技基礎(chǔ)詞庫i省份第j項指標變量；Xij表示指標基礎(chǔ)標準化得分；n為樣本省份數(shù)；ej表示第j項指標的熵值；k為常數(shù)，一般取1/ln n；Wj為j指標的熵值權(quán)數(shù)。

3.中介變量

中介變量包括農(nóng)業(yè)全要素生產(chǎn)率(TFP)、城鎮(zhèn)化率(Urb)和財政支農(nóng)(Fis)變量。本文采用投入產(chǎn)出的Malmquist指數(shù)計算農(nóng)業(yè)全要素生產(chǎn)率。

借鑒王玨等(2010)的研究，考慮勞動、土地、技術(shù)等生產(chǎn)要素投入，選取農(nóng)業(yè)機械總動力(萬千瓦)、農(nóng)用化肥施用折純量(萬噸)、農(nóng)作物總播種面積(千公頃)、第一產(chǎn)業(yè)從業(yè)人員數(shù)(萬人)作為投入指標，選取主要農(nóng)產(chǎn)品產(chǎn)量(萬噸)、農(nóng)林牧漁業(yè)總產(chǎn)值(億元)作為產(chǎn)出指標，其中農(nóng)林牧漁業(yè)總產(chǎn)值以2013年為基期，采用農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)進行不變價處理。

借鑒鄒克(2019)的研究，采用DEA-Malmquist指數(shù)對農(nóng)業(yè)全要素生產(chǎn)率進行測度。其具體思路為：對于單個決策單元，首先，利用DEA方法分別計算其t期和t+1期的技術(shù)效率水平；其次，為避免時期選擇的隨意性可能導致的偏誤，計算t期和t+1期的技術(shù)效率水平的幾何平均值，衡量t時期到t+1時期生產(chǎn)率變化的Malmquist指數(shù)(見式(4))；最后，為反映一段時間內(nèi)全要素生產(chǎn)率的變動情況，將其轉(zhuǎn)化為以某一年為基期的全要素生產(chǎn)率(見式(5))。

(4)

TFP=Mt,t+r=Mt,t+1×Mt+1,t+2×…×Mt+r-1,t+r

(5)

4.控制變量

已有研究表明，財政支農(nóng)強度、農(nóng)村基礎(chǔ)設(shè)施建設(shè)情況、農(nóng)業(yè)產(chǎn)業(yè)融合發(fā)展情況以及農(nóng)業(yè)機械化程度等因素對農(nóng)村居民收入具有影響作用，因此，本文選取投遞線路(Road)、農(nóng)林牧漁服務(wù)業(yè)(Serv_p)和機械化水平(Mer_p)作為控制變量。

變量說明見表2。

表2 變量說明

表3 2013年和2018年各變量描述性統(tǒng)計

表3報告了2013年和2018年各變量描述性統(tǒng)計情況。可以看出，2013—2018年間農(nóng)村居民可支配收入有較快增長。從收入結(jié)構(gòu)來看，工資性收入和經(jīng)營性收入是可支配收入的主要來源，財產(chǎn)性收入相對平穩(wěn)，而轉(zhuǎn)移性收入快速增長，可能是由于近年來脫貧攻堅戰(zhàn)略的實施加大了對農(nóng)民的轉(zhuǎn)移性支付。金融科技發(fā)展水平由2013年的1.167上升至2018年的1.369，顯示各省份金融科技發(fā)展較快。農(nóng)業(yè)全要素生產(chǎn)率略有下降，可能是因為農(nóng)業(yè)生產(chǎn)已漸趨飽和，逐步轉(zhuǎn)向第一、二、三產(chǎn)業(yè)融合發(fā)展，農(nóng)林牧漁服務(wù)業(yè)的快速增長也在一定程度上予以驗證。由其他控制變量可以看出，財政支農(nóng)強度不斷提升，農(nóng)村基礎(chǔ)設(shè)施建設(shè)逐步完善，農(nóng)村網(wǎng)絡(luò)建設(shè)水平增速明顯。

(三)模型構(gòu)建

1.金融科技與農(nóng)民增收

為檢驗金融科技對農(nóng)民增收的作用效果，構(gòu)建實證模型：

Incit=β0+β1Fintechit+∑βjXijt+φi+μit

(6)

其中，Incit表示被解釋變量農(nóng)村居民可支配收入，F(xiàn)intechit表示解釋變量金融科技指數(shù)，Xijt表示一系列控制變量，βj表示金融科技對農(nóng)村居民可支配收入的影響，φi為地區(qū)固定效應(yīng)，μit為隨機擾動項。為了避免地區(qū)間相關(guān)性對估計結(jié)果的影響，本文在回歸中將標準誤聚類到地區(qū)層面。

2.傳導機制

金融科技利用大數(shù)據(jù)等技術(shù)手段有效彌補了傳統(tǒng)農(nóng)村金融信用體系，有利于緩解農(nóng)民信貸約束；同時，信息技術(shù)手段的應(yīng)用，也有助于農(nóng)民就業(yè)、農(nóng)業(yè)生產(chǎn)效率和財政資金配置效率的提升。為了進一步探究金融科技對農(nóng)民增收的傳導機制，參照溫忠麟等(2014)的研究，本文采用依次回歸法構(gòu)建中介效應(yīng)模型對其進行檢驗，具體如式(7)～(9)所示。

(7)

(8)

(9)

三、實證研究

(一)金融科技與農(nóng)民增收：整體效應(yīng)評估

根據(jù)式(6)進行線性最小二乘法(OLS)回歸。依據(jù)Hausman檢驗結(jié)果(p值在1%的置信水平下顯著)，此處選擇固定效應(yīng)模型；同時，考慮各省份之間可能存在相關(guān)性，將模型的標準誤聚類到省份層面。表4報告了基準回歸結(jié)果。

表4列(1)僅考慮農(nóng)村居民可支配收入與金融科技的單變量作用關(guān)系，且未控制固定效應(yīng)，在列(2)～(6)中逐步加入地區(qū)固定效應(yīng)和控制變量進行回歸分析?？梢钥闯?，所有回歸結(jié)果中金融科技系數(shù)均在1%水平下顯著，且系數(shù)均為正，說明從整體來看，金融科技的發(fā)展有效促進了農(nóng)民增收。

隨著控制變量的逐步加入，調(diào)整后的R2從0.375增加至0.724，顯示回歸模型解釋程度較好。其中，財政支農(nóng)和農(nóng)林牧漁服務(wù)業(yè)的回歸系數(shù)均顯著為正，表明財政支農(nóng)強度的增加和農(nóng)業(yè)產(chǎn)業(yè)融合的深入對促進農(nóng)民增收起到了積極作用。投遞線路回歸系數(shù)不顯著，可能是因為隨著信息化水平的提升以及農(nóng)村服務(wù)業(yè)的發(fā)展，地理距離及區(qū)位對收入的重要性逐步減弱。機械化水平回歸系數(shù)不顯著，則可能是因為中國農(nóng)產(chǎn)品生產(chǎn)能力近年來已漸趨飽和，2014—2018年糧食產(chǎn)量年均增速僅為0.86%，農(nóng)業(yè)生產(chǎn)對農(nóng)民增收的促進作用有所弱化。

表4 金融科技與農(nóng)民增收：基準模型

(二)金融科技與農(nóng)民增收：區(qū)域異質(zhì)性分析

結(jié)合控制變量的分析可知，在糧食生產(chǎn)能力逐漸飽和的現(xiàn)實特征下，機械化水平的提升對農(nóng)民收入的促進作用趨于弱化，而農(nóng)林牧漁服務(wù)業(yè)的發(fā)展顯著促進了農(nóng)民增收，說明金融科技的發(fā)展可能在傳統(tǒng)農(nóng)業(yè)向高附加值農(nóng)業(yè)轉(zhuǎn)型升級進程中起到了一定助推作用。為了驗證這一情況的現(xiàn)實性，本文基于糧食主產(chǎn)區(qū)與非糧食主產(chǎn)區(qū)對金融科技的增收效應(yīng)進行進一步檢驗(1)按照國家糧食和物資儲備局劃分標準，中國糧食主產(chǎn)區(qū)包括遼寧、河北、山東、吉林、內(nèi)蒙古、江西、湖南、四川、河南、湖北、江蘇、安徽、黑龍江等十三個省份，除此之外的樣本省份為非糧食主產(chǎn)區(qū)。，若非糧食主產(chǎn)區(qū)在金融科技發(fā)展中受益更多，則從側(cè)面驗證了這一推論的可能性。表5報告了區(qū)域異質(zhì)性回歸結(jié)果。

表5 金融科技與農(nóng)民增收的異質(zhì)性分析：糧食主產(chǎn)區(qū)與非糧食主產(chǎn)區(qū)

表5列(1)、(2)分別報告了未加入控制變量與加入控制變量后糧食主產(chǎn)區(qū)金融科技對農(nóng)民增收的作用效果，可以看出，加入控制變量后，在糧食主產(chǎn)區(qū)金融科技的增收效應(yīng)變?yōu)椴伙@著；列(3)、(4)分別報告了未加入控制變量與加入控制變量后非糧食主產(chǎn)區(qū)金融科技對農(nóng)民增收的作用效果，可以看出，在非糧食主產(chǎn)區(qū)金融科技的增收效應(yīng)在1%水平下顯著。

究其原因，可能是主產(chǎn)區(qū)以糧為主的農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)，使得當?shù)剞r(nóng)村居民家庭經(jīng)營性收入占比遠高于非主產(chǎn)區(qū)(近2倍)，且種糧收入是其收入最主要部分(何蒲明，2020)，而近年來糧食生產(chǎn)能力已漸趨飽和，2014—2018年糧食產(chǎn)量增速僅為0.7%；與此同時，糧食主產(chǎn)區(qū)的功能定位也使得當?shù)胤寝r(nóng)產(chǎn)業(yè)或農(nóng)業(yè)高附加值產(chǎn)業(yè)發(fā)展相對落后于非主產(chǎn)區(qū)。因此，金融科技對主產(chǎn)區(qū)農(nóng)業(yè)發(fā)展和農(nóng)民增收的邊際效用難以發(fā)揮(2)鑒于糧食主產(chǎn)區(qū)主要集中于中部地區(qū)，本文還做了東、中、西部地區(qū)的分區(qū)域異質(zhì)性檢驗，回歸結(jié)果顯示，金融科技增收效應(yīng)在東部和西部地區(qū)顯著，中部地區(qū)不顯著。印證了上述回歸結(jié)論。。但應(yīng)注意到，糧食主產(chǎn)區(qū)金融科技回歸系數(shù)的t值為1.485，p值為0.15，與10%的顯著性水平已非常接近，隨著農(nóng)業(yè)供給側(cè)改革的逐步深入以及農(nóng)業(yè)產(chǎn)業(yè)鏈的進一步延伸，金融科技的增收效應(yīng)也將在糧食主產(chǎn)區(qū)發(fā)揮作用。

(三)金融科技與農(nóng)民增收：收入來源視角

長期以來，工資性收入和經(jīng)營性收入是農(nóng)民收入的主要來源。王小華(2019)的研究發(fā)現(xiàn)，農(nóng)民收入結(jié)構(gòu)變動與農(nóng)民收入增長直接存在著內(nèi)在聯(lián)系。要形成農(nóng)民增收的長效機制，必須優(yōu)化收入結(jié)構(gòu)，拓寬農(nóng)民增收渠道。為此，本文從農(nóng)民收入來源結(jié)構(gòu)出發(fā)，考察金融科技在異質(zhì)性收入來源視角下對農(nóng)民增收的作用機制，以期能尋找到農(nóng)民收入新增長點。表6報告了依據(jù)農(nóng)民收入來源分解的金融科技增收效應(yīng)。

表6 金融科技的增收效應(yīng)：收入來源視角

表6的列(1)～(4)分別報告了工資性收入、經(jīng)營性收入、財產(chǎn)性收入和轉(zhuǎn)移性收入作為被解釋變量時金融科技對農(nóng)民增收的影響?；貧w結(jié)果顯示，在10%的水平下，金融科技對農(nóng)民工資性收入和經(jīng)營性收入增長具有促進作用，對轉(zhuǎn)移性收入在1%的顯著性水平下增長效應(yīng)明顯，而對于財產(chǎn)性收入則不具有顯著影響。這表明，金融科技對于農(nóng)村居民不同收入來源渠道的增收效應(yīng)有所差異，在改善農(nóng)民勞動報酬、農(nóng)業(yè)增產(chǎn)增收和提高財政轉(zhuǎn)移支付效率上發(fā)揮了積極作用，而在撬動農(nóng)村土地要素抵押流轉(zhuǎn)收入上效果欠佳。這可能是由于金融科技發(fā)揮了其在緩解融資約束和信息匹配上的優(yōu)勢。在工資性收入方面，對新生代農(nóng)民工本地創(chuàng)業(yè)給予更為便利的信貸支持(如“普惠貸”等)；在經(jīng)營性收入方面，介入農(nóng)業(yè)高附加值產(chǎn)業(yè)鏈(如“京農(nóng)貸”等)；在轉(zhuǎn)移性收入方面，提高財政轉(zhuǎn)移支付瞄準效率(如“雙基聯(lián)動”等)。由于兩權(quán)抵押貸款政策尚未廣泛鋪開，農(nóng)村土地要素的金融屬性還有待挖掘，因此，并未對財產(chǎn)性收入產(chǎn)生顯著影響。

四、傳導機制研究

基于農(nóng)民收入來源視角的異質(zhì)性檢驗，本文發(fā)現(xiàn)金融科技在促進農(nóng)民工資性收入增長、財產(chǎn)性收入增長和轉(zhuǎn)移性收入增長方面，均具有顯著作用。已有研究表明，城鎮(zhèn)化的快速推進拓寬了農(nóng)村居民的非農(nóng)就業(yè)渠道，成為工資性收入增長的主要動力(賀雪峰，2020)；囿于土地要素的天然稟賦性，農(nóng)業(yè)生產(chǎn)能力的提升必然大概率依賴于技術(shù)進步，以改善農(nóng)村居民經(jīng)營性收入(葉敬忠 等，2020)；財政支出的“瞄準性偏誤”造成收入再分配效度下降，轉(zhuǎn)移性收入的保障效率仍有上升空間(邢成舉，2020)。本文考慮將促進農(nóng)民不同收入來源增長的關(guān)鍵要素，作為傳導機制中介變量，以更為全面地探討增收路徑機制，因此，從城鎮(zhèn)化水平、農(nóng)業(yè)全要素生產(chǎn)率和財政資源配置三個維度出發(fā)，分別作為工資性收入、經(jīng)營性收入和轉(zhuǎn)移性收入的切入點，來進一步探究金融科技增收效應(yīng)的具體傳導機制。

(一)基于非農(nóng)就業(yè)傳導

隨著中國進入快速城鎮(zhèn)化階段，城鎮(zhèn)對于中高端崗位需求與農(nóng)民工供給出現(xiàn)結(jié)構(gòu)性錯位，農(nóng)民進城目的也由獲取收入回鄉(xiāng)消費轉(zhuǎn)變?yōu)樵诔鞘畜w面安居，傳統(tǒng)確定性務(wù)工收入難以滿足安居需求，為此農(nóng)民工選擇返鄉(xiāng)創(chuàng)業(yè)，以期獲得更高收入(賀雪峰，2020；李長生 等，2020)?；诜掂l(xiāng)創(chuàng)業(yè)基礎(chǔ)條件，創(chuàng)業(yè)農(nóng)民大多在附近中小城鎮(zhèn)開展創(chuàng)業(yè)活動，雇傭周邊農(nóng)民進行生產(chǎn)，提升了本地城鎮(zhèn)化率。已有研究表明，數(shù)字普惠金融可有效降低農(nóng)民融資成本，并利用信息技術(shù)優(yōu)勢為農(nóng)民創(chuàng)業(yè)提供多種可能性(曾之明 等，2018)。因此，本文選擇城鎮(zhèn)化率作為農(nóng)民進行非農(nóng)就業(yè)的代理變量，以考察金融科技通過非農(nóng)就業(yè)促進農(nóng)民增收的傳導機制。表7報告了基于非農(nóng)就業(yè)傳導的金融科技增收效應(yīng)實證結(jié)果。

表7 金融科技增收效應(yīng)的傳導機制：基于非農(nóng)就業(yè)

表7列(2)顯示金融科技對城鎮(zhèn)化率的回歸系數(shù)在1%水平下顯著，列(3)顯示城鎮(zhèn)化率對農(nóng)民收入的回歸系數(shù)在1%水平下顯著，而金融科技回歸系數(shù)不顯著，表明金融科技促進了城鎮(zhèn)化率的提升，進而增加農(nóng)民收入，存在完全中介效應(yīng)。這說明，一方面，金融科技緩解了農(nóng)民融資約束，通過支持農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)吸納本地剩余農(nóng)村勞動力就業(yè)(羅豎元，2018)，推動農(nóng)民工就地市民化；另一方面，借助金融科技信息技術(shù)平臺，打破產(chǎn)業(yè)邊界，形成農(nóng)產(chǎn)品電子商務(wù)、農(nóng)業(yè)產(chǎn)業(yè)鏈延伸，促進農(nóng)民非農(nóng)產(chǎn)業(yè)就業(yè)。由此，激發(fā)農(nóng)民就業(yè)積極性，從事高附加值產(chǎn)業(yè)生產(chǎn)，最終促進農(nóng)民收入提升。因此，回歸結(jié)果證實了“金融科技—(促進)非農(nóng)就業(yè)—(增加)農(nóng)民收入”的正向傳導機制。

(二)基于農(nóng)業(yè)全要素生產(chǎn)率傳導

金融支持促進農(nóng)業(yè)技術(shù)進步，進而提升農(nóng)民收入，這一傳導路徑的有效性得到相關(guān)研究證明(鄒克，2019；葉敬忠 等，2020)，然而由于金融科技兼具金融和科技兩種屬性，在發(fā)揮緩解農(nóng)民生產(chǎn)經(jīng)營融資約束的金融功能的同時，還可能因其科技溢出效應(yīng)對傳統(tǒng)農(nóng)業(yè)生產(chǎn)技術(shù)造成沖擊。為此，本文采用農(nóng)業(yè)全要素生產(chǎn)率作為中介變量，探究金融科技通過農(nóng)業(yè)生產(chǎn)影響農(nóng)民收入的傳導機制。表8報告了基于農(nóng)業(yè)全要素生產(chǎn)率傳導的金融科技增收效應(yīng)實證結(jié)果。

表8 金融科技增收效應(yīng)的傳導機制：基于全要素生產(chǎn)率

表8列(2)顯示金融科技對農(nóng)業(yè)全要素生產(chǎn)率的回歸系數(shù)在1%水平下顯著，列(3)顯示金融科技對農(nóng)村居民可支配收入的回歸系數(shù)在1%水平下顯著，農(nóng)業(yè)全要素生產(chǎn)率的回歸系數(shù)在5%水平下顯著，說明金融科技通過全要素生產(chǎn)率促進了農(nóng)民增收，存在部分中介效應(yīng)。進一步分析其傳導機制，列(2)中金融科技回歸系數(shù)顯示金融科技抑制了全要素生產(chǎn)率提升，列(3)中全要素生產(chǎn)率回歸系數(shù)顯示全要素生產(chǎn)率的抑制提升了農(nóng)民收入。這可能是因為，一方面金融科技依托其在信息技術(shù)上的優(yōu)勢，相較傳統(tǒng)金融更多地介入了農(nóng)業(yè)生產(chǎn)環(huán)節(jié)，加速了農(nóng)村第一、二、三產(chǎn)業(yè)融合，延長了農(nóng)業(yè)產(chǎn)業(yè)鏈條。比如“眾籌+農(nóng)產(chǎn)品”等形式，在融資的同時鎖定農(nóng)產(chǎn)品銷售對象，這可能在一定程度上對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生擠出效應(yīng)，促使農(nóng)業(yè)生產(chǎn)由增產(chǎn)導向向提質(zhì)導向轉(zhuǎn)變。另一方面，金融科技對農(nóng)業(yè)全要素生產(chǎn)率的帶動作用需要建立在產(chǎn)業(yè)結(jié)構(gòu)升級的基礎(chǔ)上(巴曙松 等，2020)。目前農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)水平仍相對較低，新型農(nóng)業(yè)經(jīng)營主體的培育和現(xiàn)代農(nóng)業(yè)的規(guī)模經(jīng)營效應(yīng)還未完全顯現(xiàn)，金融科技的發(fā)展與農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)的匹配尚有不足，造成全要素生產(chǎn)率出現(xiàn)下降，但金融與農(nóng)業(yè)生產(chǎn)環(huán)節(jié)的高度契合，大大節(jié)約了融資成本；同時，傳統(tǒng)農(nóng)業(yè)向高附加值農(nóng)業(yè)的轉(zhuǎn)變與產(chǎn)業(yè)鏈的延伸，拓寬了農(nóng)民增收渠道，促進了農(nóng)民增收。隨著農(nóng)業(yè)轉(zhuǎn)型升級的深化，未來金融科技也必將再次帶動農(nóng)業(yè)生產(chǎn)率提升。因此，回歸結(jié)果證實了“金融科技—(抑制)農(nóng)業(yè)全要素生產(chǎn)率—(增加)農(nóng)民收入”的正向傳導機制。

(三)基于財政資源配置傳導

以財政為主的宏觀調(diào)控是解決“三農(nóng)”問題的重要抓手，然而政治精英俘獲現(xiàn)象的存在，干擾了政府對于財政支農(nóng)對象的識別，使其瞄準率降低。金融科技可很好彌補這一不足，政府通過與金融機構(gòu)合作，降低農(nóng)戶信息不對稱程度，利用大數(shù)據(jù)定位農(nóng)戶具體融資需求進行幫扶，實現(xiàn)財政資金和社會資本的有效配給(邢成舉，2020)，推動農(nóng)民增收。為此，本文采用財政支農(nóng)指標作為中介變量，探究金融科技通過調(diào)節(jié)財政資源配置影響農(nóng)民收入的傳導機制。表9報告了基于財政支農(nóng)傳導的金融科技增收效應(yīng)實證結(jié)果。

表9 金融科技增收效應(yīng)的傳導機制：基于財政資源配置

表9列(2)顯示金融科技對財政支農(nóng)的回歸系數(shù)在10%水平下顯著，列(3)顯示金融科技和財政支農(nóng)對農(nóng)民收入的回歸系數(shù)均在1%水平下顯著，表明金融科技通過優(yōu)化財政支農(nóng)資金配置促進了農(nóng)民增收，存在部分中介效應(yīng)。一方面，金融科技借助其大數(shù)據(jù)、人工智能等技術(shù)手段，在傳統(tǒng)抵押征信體系之外，還能夠有效識別農(nóng)村居民個人屬性及社會網(wǎng)絡(luò)等潛在信用特征，減少信息不對稱，為財政轉(zhuǎn)移支付對象決策提供更為明晰的現(xiàn)實依據(jù)；另一方面，金融作為收入再分配的轉(zhuǎn)移支付中介，伴隨金融科技的快速發(fā)展，特別是線上金融中介平臺的建設(shè)，極大降低了財政資金支付成本，并可精準追蹤轉(zhuǎn)移支付資金使用流向，有效提升了財政轉(zhuǎn)移支付的瞄準率，減少精英俘獲現(xiàn)象的發(fā)生?；貧w中國現(xiàn)實，隨著精準扶貧戰(zhàn)略的持續(xù)推進，財政轉(zhuǎn)移支付對農(nóng)民增收的正向激勵效應(yīng)也逐步顯現(xiàn)(田勇 等，2019)。因此，回歸結(jié)果證實了“金融科技—(促進)財政資源配置—(增加)農(nóng)民收入”的正向傳導機制。

五、結(jié)論與政策建議

在當前經(jīng)濟下行壓力加大、外部環(huán)境發(fā)生深刻變化的復雜形勢下，如何切實拓寬農(nóng)民增收渠道，依然是各界關(guān)切的焦點之一。發(fā)揮金融科技優(yōu)勢，創(chuàng)新農(nóng)村金融供給產(chǎn)品，優(yōu)先保障“三農(nóng)”投入，是促進農(nóng)民持續(xù)增收的重要保障措施。本文基于2013—2018年省級面板數(shù)據(jù)，利用面板回歸模型以及中介效應(yīng)模型實證檢驗了金融科技對農(nóng)民增收的作用效果。結(jié)果表明：

一是金融科技顯著促進了農(nóng)民增收，同時農(nóng)村基礎(chǔ)設(shè)施建設(shè)、農(nóng)林牧漁服務(wù)業(yè)發(fā)展等要素也起到了正向作用。

二是異質(zhì)性檢驗顯示金融科技顯著促進了非糧食主產(chǎn)區(qū)的農(nóng)民收入增長，說明金融科技在高附加值農(nóng)產(chǎn)品或銷售端上的作用更為明顯，收入來源分解表明金融科技主要作用于工資性、經(jīng)營性和轉(zhuǎn)移性收入渠道。

三是金融科技通過促進農(nóng)民非農(nóng)就業(yè)、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級和提升財政資金配置效率的中介傳導機制，進而作用于農(nóng)民收入增長。

總體來看，金融科技更多地參與了農(nóng)村生產(chǎn)環(huán)節(jié)，從直接緩解融資約束，間接促進就業(yè)、生產(chǎn)等渠道助推了農(nóng)民增收，有助于農(nóng)民收入新增長點的培育和產(chǎn)業(yè)轉(zhuǎn)型升級。

基于上述結(jié)論，提出以下政策建議：

一是完善農(nóng)村網(wǎng)絡(luò)信用體系建設(shè)，緩解農(nóng)戶融資約束。運用數(shù)字簽名、密碼學等技術(shù)，實現(xiàn)金融交易可追蹤，緩解農(nóng)民缺乏信貸抵押品引致的信息不對稱，提升農(nóng)戶融資可得性。

二是加強金融科技基礎(chǔ)設(shè)施建設(shè)，提升金融科技惠農(nóng)覆蓋面。目前農(nóng)村地區(qū)在信息化建設(shè)方面仍相對滯后，普通農(nóng)戶大多局限于金融科技支付手段，有關(guān)部門應(yīng)推動政銀合作機制，推進金融科技相關(guān)大數(shù)據(jù)、云計算等技術(shù)引入，提升普惠金融覆蓋面，特別是針對新型農(nóng)業(yè)經(jīng)營主體、農(nóng)村中小微企業(yè)和極端貧困農(nóng)戶等“長尾”群體，緩解融資約束，以促進農(nóng)民增收。

三是拓寬金融科技支持“三農(nóng)”服務(wù)渠道，完善涉農(nóng)金融產(chǎn)品供給。充分運用信息技術(shù)與互聯(lián)網(wǎng)資源，提供全方位的線上金融服務(wù)，推動金融科技與農(nóng)業(yè)產(chǎn)業(yè)鏈深度融合，實現(xiàn)線上線下一體化的特色“新農(nóng)業(yè)”經(jīng)營模式，推動農(nóng)民工本地創(chuàng)業(yè)就業(yè)，實現(xiàn)農(nóng)業(yè)生產(chǎn)提質(zhì)增效，促進農(nóng)民增收。

此外，在引入金融科技推動農(nóng)業(yè)農(nóng)村發(fā)展的同時，還需堅持農(nóng)業(yè)作為國民經(jīng)濟基礎(chǔ)產(chǎn)業(yè)的地位，制定相關(guān)配套法律法規(guī)，防范金融風險，穩(wěn)產(chǎn)提質(zhì)促增收。