葛和平 高越

【摘要】選取2011 ～ 2018年我國省級面板數據， 運用固定效應模型和門檻效應模型檢驗數字普惠金融發(fā)展對農業(yè)全要素生產率的影響， 結果發(fā)現： 數字普惠金融及其各維度均可提高農業(yè)全要素生產率; 數字普惠金融主要通過加快農業(yè)技術進步提升農業(yè)全要素生產率， 對農業(yè)技術效率影響不顯著; 數字普惠金融對中部地區(qū)農業(yè)全要素生產率的促進作用最大， 其次是西部和東部地區(qū); 數字普惠金融發(fā)展對農業(yè)全要素生產率的提升存在單一門檻， 數字普惠金融發(fā)展水平越高， 對農業(yè)全要素生產率的提振作用越大， 數字普惠金融的數字化程度對農業(yè)全要素生產率的提升存在單一門檻， 數字化程度越高， 促進作用越大且越顯著。

【關鍵詞】農業(yè)全要素生產率;數字普惠金融;DEA-Malmquist指數;固定效應模型;門檻效應模型

【中圖分類號】F830? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）24-0144-8

一、引言

農業(yè)發(fā)展作為國民經濟增長的重要動力來源， 受到黨和國家的高度重視。 2016年《全國農業(yè)現代化規(guī)劃（2016-2020）》報告指出， 為加快補齊農業(yè)現代化短板， 要求堅持走改革創(chuàng)新雙輪驅動道路， 著力提升農業(yè)綜合競爭力。 隨后， 黨的十九大報告首次提出鄉(xiāng)村振興戰(zhàn)略， 要求從產業(yè)、人才、文化、生態(tài)、組織等方面深化農村改革， 重塑農村形態(tài)。 在國家的政策支持和人民的共同努力下， 我國農業(yè)發(fā)展取得了巨大進步， 農業(yè)總產值連續(xù)五年超過50000億元。 但基于我國農業(yè)大而不強、多而不優(yōu)的現實， 生產要素配置不均、農村產業(yè)發(fā)展緩慢、農業(yè)經濟發(fā)展水平較低、城鄉(xiāng)居民收入差距較大等問題仍然是阻礙我國農業(yè)現代化進程高效推進的主要問題。 在新形勢下， 單純依靠要素投入的數量型增長難以對農業(yè)生產進步起到持續(xù)性推動作用， 因此， 解決“三農”問題、加快農業(yè)現代化進程的關鍵在于質量興農， 即提高農業(yè)全要素生產率[1] 。

除加快農業(yè)戰(zhàn)略科技創(chuàng)新、完善農技推廣體系、加大農村人力資本投資和推進制度創(chuàng)新等傳統(tǒng)路徑外， 農業(yè)全要素生產率的提升還依賴于充足的資金支持， 即通過金融服務緩解融資困境、降低技術改善成本為農業(yè)生產提供資金保障。 學術界就金融發(fā)展對全要素生產率的影響進行了廣泛研究， 且大量研究成果表明， 金融發(fā)展可以顯著提高農業(yè)全要素生產率[2，3] 。 隨著互聯網技術的深入發(fā)展， 數字普惠金融的出現為優(yōu)化金融資源配置、提升金融服務效率指引了新的方向。 但是， 數字普惠金融的概念較新， 針對數字普惠金融發(fā)展與農業(yè)全要素生產率的研究還較少。 鑒于此， 本文圍繞農業(yè)全要素生產率， 探索數字普惠金融發(fā)展對農業(yè)全要素生產率的影響及其作用路徑， 這對解決“三農”問題、促進農業(yè)高質量發(fā)展具有重要意義。

二、文獻綜述

改革開放以來， 我國農業(yè)生產取得顯著成果， 為加快構建農業(yè)現代化發(fā)展道路， 提升農業(yè)全要素生產率是必要之舉。 所謂全要素生產率， 是指總產出與要素總投入之比[4] ， 一般利用參數法或非參數法進行測算[5] 。 不同于一般產出指標， 全要素生產率可以被用來反映經濟增長來源和經濟發(fā)展效率。 當前， 我國正處于經濟高質量發(fā)展階段， 農業(yè)發(fā)展的核心在于優(yōu)化生產資源配置， 減少對要素投入的過度依賴， 而農業(yè)全要素生產率正是農業(yè)發(fā)展的關鍵所在， 提高農業(yè)全要素生產率有助于加快農村經濟結構轉型， 從而促進農業(yè)穩(wěn)定發(fā)展[6，7] 。

農業(yè)全要素生產率的提高依賴于現代化機械設備和農業(yè)技術進步， 陳鳴和鄧榮榮[8] 采用空間杜賓模型進行實證研究， 發(fā)現增加農業(yè)R&D投入可顯著提升農業(yè)全要素生產率; 李欠男和李谷成[9] 認為互聯網發(fā)展有利于打破農業(yè)知識傳播的時空限制、引領農業(yè)技術進步， 從而提升農業(yè)全要素生產率。 農業(yè)技術開發(fā)、互聯網基礎設施建設和農技推廣都離不開資金支持， 農村金融作為現代農業(yè)經濟資源配置核心， 憑借其自身強大的資源配置能力和風險管控能力可以為農技創(chuàng)新活動創(chuàng)造融資渠道， 為我國農業(yè)平穩(wěn)發(fā)展提供強有力的支撐[10，11] 。 大量研究表明， 農村金融對農業(yè)全要素生產率增長起到顯著的促進作用[12-14] 。 但隨著金融科技的不斷發(fā)展， 資源要素流動更為頻繁， 收入差距進一步拉大， 傳統(tǒng)金融內在的“逐利性”和“嫌貧愛富”的特征使貧困群體無法獲得所需的金融服務[15] ， 反而限制了這些地區(qū)農業(yè)全要素生產率的提升。 隨著互聯網技術不斷進步， 以數字技術為依托的數字普惠金融可以擺脫時間和空間的束縛， 為農村中小微企業(yè)和農村居民提供成本低、惠及面廣、高效的金融服務[16] ， 進一步激活傳統(tǒng)金融的發(fā)展?jié)摿Γ?有助于優(yōu)化農村金融資源配置， 促進農業(yè)部門發(fā)展[17] 。

相較于傳統(tǒng)金融， 數字普惠金融在促進農業(yè)發(fā)展、提高農業(yè)全要素生產率方面存在以下優(yōu)勢： 第一， 融資成本低， 服務范圍廣。 一方面， 數字普惠金融通過電子設備等移動終端進行運作， 擺脫了物理空間的限制， 減少了對固定資產的需求， 金融機構可以以更低的成本為農村企業(yè)和居民提供金融服務[18] ， 有助于減少金融排斥; 另一方面， 借助數字技術的獨特優(yōu)勢， 數字普惠金融可以將金融服務拓展到傳統(tǒng)金融機構難以觸及的偏遠地區(qū)， 提高偏遠地區(qū)農村居民的金融可得性[19] ， 這有助于緩解農村居民在購置高質量農業(yè)生產要素時所面臨的融資約束， 為其引進、研發(fā)和吸收先進農業(yè)技術提供資金支持。 第二， 信貸配置效率高， 風險防控能力強。 農村傳統(tǒng)金融市場存在嚴重的信息不對稱， 金融機構通常采用基于抵押物的信貸技術甄別貸款對象[14] ， 這種客戶選擇方式不僅增加了信貸成本， 還降低了不具備合格抵押物的農村居民和農村小微企業(yè)的金融可得性， 導致金融資源扭曲式配置[20] 。 而數字普惠金融的出現可以打破信息孤島、簡化信息流動方式[21] ， 利用數字技術匯總農村居民和小微企業(yè)的各項信息數據， 搭建信息共享平臺， 對用戶信息進行深度挖掘并分析其交易行為， 評判其信用狀態(tài)。 通過數字技術創(chuàng)新增信機制， 不僅可以減少因硬性信用不足所導致的融資問題， 還能有針對性地進行風險防范[22] ， 這有利于改善農村金融資源配置狀況， 提高農業(yè)技術效率。

綜上所述， 現有研究成果主要集中于農業(yè)全要素生產率的定義、重要性及影響因素。 在金融對農業(yè)全要素生產率的影響方面， 學者們大多基于傳統(tǒng)金融視角， 并未考慮數字技術的作用， 且鮮少有學者直接就數字普惠金融發(fā)展對農業(yè)全要素生產率的影響進行研究。 鑒于此， 本文的貢獻在于： 第一， 基于數字普惠金融視角， 通過實證分析來探究其對農業(yè)全要素生產率的影響; 第二， 通過將農業(yè)全要素生產率分解為農業(yè)技術進步和農業(yè)技術效率， 研究數字普惠金融發(fā)展對農業(yè)全要素生產率的作用路徑， 為服務鄉(xiāng)村振興戰(zhàn)略、助力農業(yè)穩(wěn)定發(fā)展提供現實指導。

三、實證研究

（一）農業(yè)全要素生產率的測算

為避免在使用參數法時因函數設定有誤導致計算誤差， 本文利用DEA-Malmquist指數法測算農業(yè)全要素生產率。 以狹義農業(yè)為研究對象， 農業(yè)產出變量以農業(yè)總產值（億元）表示， 并利用GDP平減指數以2008年為基期進行平減。 農業(yè)投入變量包括： 農作物總播種面積（千公頃）、種植業(yè)從業(yè)人員（萬人）、種植業(yè)機械總動力（萬千瓦）、化肥施用折純量（萬噸）、有效灌溉面積（千公頃）和農村用電量（億千瓦小時）。 需要注意的是， 種植業(yè)從業(yè)人員、種植業(yè)機械總動力無法在統(tǒng)計年鑒中查找到具體數字， 因此利用農業(yè)總產值與農林牧漁總產值的比值進行計算， 根據種植業(yè)在農林牧漁中的占比衡量種植業(yè)從業(yè)人員數量和種植業(yè)機械總動力。 農業(yè)全要素生產率的計算公式如下：

（1）

利用DEAP 2.1軟件計算2011 ～ 2018年全國31個省份的農業(yè)全要素生產率水平值（tfp）、農業(yè)技術進步水平值（tech）和農業(yè)技術效率水平值（ef）， 考慮到本文研究的是農業(yè)全要素生產率的水平值， 則需要對Malmquist指數的測算結果進行累乘（以2010年為基年）。 計算結果如表1所示。

從全國層面看， 我國農業(yè)全要素生產率水平值、農業(yè)技術進步水平值和農業(yè)技術效率水平值從2011 ～ 2018年不斷上漲， 說明我國農業(yè)生產效率逐年提高， 生產技術取得進步， 要素配置更加高效， 有助于增加農業(yè)產出， 促進農業(yè)部門發(fā)展。 分地區(qū)看， 我國東、中、西部地區(qū)農業(yè)全要素生產率水平值、農業(yè)技術進步水平值和農業(yè)技術效率水平值從2011 ～ 2018年也呈上升趨勢， 且中西部地區(qū)的農業(yè)全要素生產率水平值和農業(yè)技術效率水平值要高于東部地區(qū)。 這可能是因為中西部地區(qū)多為農業(yè)大省， 農業(yè)要素投入充足且有關農業(yè)生產方面的經驗更加豐富， 要素配置更加有效， 相對而言， 中西部地區(qū)農業(yè)發(fā)展水平更高。 而中西部地區(qū)的農業(yè)技術進步水平值低于東部地區(qū)， 可能的原因是東部地區(qū)經濟實力較強， 在采購先進農業(yè)機械和引進先進農業(yè)技術方面有足夠的資金保障， 有助于提高農業(yè)技術水平。

（二）模型構建

1. 基準回歸模型。 為研究數字普惠金融對農業(yè)全要素生產率的影響， 構建如下面板模型：

Yit=λ0+λ1DIFIit+λiControlit+μi+εit? （2）

其中： i表示地區(qū); t表示時間; Yit表示被解釋變量; DIFIit為核心解釋變量; Controlit為控制變量; μi為不可觀測的個體效應; εit為隨機擾動項。

2. 面板門檻模型。 為深入探討當數字普惠金融處于不同發(fā)展階段時， 能否對農業(yè)全要素生產率產生不同的影響， 本文利用面板門檻模型， 針對數字普惠金融發(fā)展對農業(yè)全要素生產率的影響進行實證分析， 構建如下門檻模型：

Yit=λ0+λ1Controlit+λ2XitI（qit≤γ）+λ2XitI（qit>γ）+μi+εit? （3）

其中： I（?）為示性函數， 函數值取決于門檻變量qit。 其余變量含義與式（2）相同。

（三）變量選取及數據來源

1. 被解釋變量。 選取前文測算出的2011 ～ 2018年農業(yè)全要素生產率水平值（tfp）、農業(yè)技術進步水平值（tech）和農業(yè)技術效率水平值（ef）作為被解釋變量。 為消除異方差的影響， 對被解釋變量進行取對數處理， 但是考慮到部分tfp、tech和ef為小數， 為避免取對數后變?yōu)樨撝担?本文將被解釋變量加1后再取對數。

2. 核心解釋變量。 選取北京大學數字普惠金融指數（difi）及覆蓋廣度（cover）、使用深度（depth）和數字化程度（dig）三個維度作為核心解釋變量。

3. 控制變量。 農村居民受教育水平（edu）用農村居民平均受教育年限表示; 受災率（disa）用受災面積除以農作物總播種面積表示; 財政支持（fe）用財政支農支出除以總財政支出表示; 外資投入水平（fdi）用實際利用外商直接投資除以地區(qū)生產總值表示; 城鎮(zhèn)化水平（urban）用非農人口除以地區(qū)總人口表示。

4. 數據來源。 本文的研究對象是2011 ～ 2018年31個省份的面板數據， 數字普惠金融指數及維度指數來源于北京大學數字金融研究中心， 農業(yè)全要素生產率的產出、投入指標及控制變量所需要的數據來源于《中國統(tǒng)計年鑒》（2011 ～ 2018）、《中國農村統(tǒng)計年鑒》（2011 ～ 2018）及Wind數據庫。 各變量的描述性統(tǒng)計結果如表2所示。

（四）實證檢驗

1. 基準回歸。 本文運用Stata 15.0軟件， 利用混合回歸模型和固定效應模型從全國層面研究數字普惠金融對農業(yè)全要素生產率的影響， 回歸結果如表3所示。 其中， 固定效應模型的P值為0.0000， 說明固定效應模型優(yōu)于混合OLS模型， 因此采用固定效應模型。 根據表3， 列（3）表示未加入控制變量的情況下， 數字普惠金融發(fā)展對農業(yè)全要素生產率影響的回歸結果， 其估計系數為0.0969， 顯著為正。 列（4）表示在加入控制變量后， 其回歸系數為0.0446， 在1%的水平上顯著。 回歸結果表明， 無論加入控制變量與否， 數字普惠金融均可對農業(yè)全要素生產率產生顯著的提振作用。 這表明隨著數字普惠金融的不斷發(fā)展， 更多金融資源被用于農業(yè)生產， 農村居民、企業(yè)的金融可得性得到了很大程度的提升。 數字普惠金融不受物理網點束縛， 可以有效降低融資成本、緩解農村企業(yè)和農村居民的融資困境， 滿足其對農業(yè)技術改善的資金需求， 推動農業(yè)前沿科技進步， 有利于加快農業(yè)生產核心技術突破， 進而促進農業(yè)全要素生產率的提升。 此外， 數字普惠金融還有助于推動農村實體經濟發(fā)展， 在數字技術的加持下， “鄉(xiāng)村物流”和“鄉(xiāng)村電商”可有效促進農產品流通體系的建立， 有利于加快農業(yè)資金回流， 實現更加高效的資源配置， 提高農業(yè)全要素生產率。

在控制變量方面， 外資投入水平（fdi）的估計系數為-1.2814， 與農業(yè)全要素生產率負相關， 且在1%的水平上顯著， 可能是因為農村居民與外部接觸較少， 不能有效消化吸收外來技術， 外資投入反而對農業(yè)全要素生產率增長有抑制作用; 財政支持（fe）的估計系數為1.4165， 與農業(yè)全要素生產率正相關且在5%的水平上顯著， 表明政府對農村的財政支持可有效緩解農業(yè)發(fā)展的資金困境， 減少農民的財稅負擔， 有利于提高農業(yè)全要素生產率; 城鎮(zhèn)化水平（urban）的回歸系數為1.3624， 顯著為正， 說明城鎮(zhèn)化水平的提高可以改善農村勞動力在城鄉(xiāng)之間的配置， 有效提升農業(yè)全要素生產率; 農村居民受教育水平（edu）與農業(yè)全要素生產率正相關， 但不顯著， 表明隨著農村居民受教育水平的提升， 一方面農村人力資本要素投入可能增加， 但另一方面， 一些受教育水平較高的農村居民可能會從事非農產業(yè)， 反而減少了要素投入， 所以農村居民受教育水平對農業(yè)全要素生產率的影響并不顯著; 受災率（disa）的系數為負， 但未通過顯著性檢驗。

為使研究結論更具指導意義， 本文分析了數字普惠金融各維度對農業(yè)全要素生產率的影響， 研究過程同上， 以固定效應模型為分析模型， 回歸結果見表4。 由表4列（6）可知， 數字普惠金融覆蓋廣度對農業(yè)全要素生產率的估計系數為0.0544， 顯著為正， 表明隨著數字金融服務覆蓋范圍的不斷擴張， 偏遠農村地區(qū)人民更容易享受到金融發(fā)展和科技進步的紅利， 金融可得性被大幅提高， 滿足了農村居民因農業(yè)生產產生的融資需求， 有助于提高農業(yè)全要素生產率; 由列（8）可知， 數字普惠金融使用深度對農業(yè)全要素生產率的估計系數為0.0270， 在5%的水平上顯著， 表明隨著互聯網保險和互聯網信貸等服務的增加， 農村居民可以通過智能手機等基礎移動終端設備滿足自身的投融資需求， 這種低成本、便捷的金融服務方式有助于優(yōu)化農村金融資源配置， 促進農村產業(yè)結構升級和經濟發(fā)展， 為農業(yè)全要素生產率的提升提供動力; 由列（10）可知， 數字普惠金融數字化程度對農業(yè)全要素生產率的回歸系數為0.0167， 在5%的水平上顯著， 數字化是數字普惠金融發(fā)展的基礎， 隨著數字化水平的提高， 數字普惠金融的優(yōu)勢得以凸顯， 除可以為農村居民和小微企業(yè)提供更高效、透明的金融服務外， 還能利用數字技術管控金融風險， 使資源配置更加有效， 對農業(yè)生產產生實質性影響。

為深入分析數字普惠金融對農業(yè)全要素生產率增長的作用路徑， 本文將農業(yè)全要素生產率分解為農業(yè)技術進步（tech）和農業(yè)技術效率（ef）， 采用混合OLS模型和固定效應模型回歸， 檢驗過程同上， 以固定效應模型為分析模型， 回歸結果見表5。

由表5可知， 在固定效應模型下， 數字普惠金融與農業(yè)技術進步的估計系數為0.0303， 顯著為正， 即數字普惠金融對農業(yè)技術水平提高具有顯著促進作用。 一個合理的解釋是： 首先， 數字普惠金融通過提高金融可得性和改善收入分配、增加經濟機會等路徑可有效減緩農村貧困， 增加農村居民可支配收入[23，24] ， 為其購置農業(yè)生產要素提供資金。 其次， 數字技術與普惠金融的有機結合提高了金融運行效率， 延伸了金融服務半徑， 且其不依賴物理網點， 可有效降低農村居民和企業(yè)的融資成本， 減輕其融資負擔， 為其引進、研發(fā)和吸收先進農業(yè)技術提供資金支持， 進而促進農業(yè)技術進步。 數字普惠金融與農業(yè)技術效率的回歸系數為0.0159， 但未通過顯著性檢驗， 表明數字普惠金融發(fā)展無法顯著改善農業(yè)技術效率。 從理論上講， 數字普惠金融通過發(fā)揮減貧增收功能帶動地區(qū)經濟增長， 從而提高當地教育水平， 教育水平的提高意味著農村人力資本要素的增加， 但根據表5可知， 農村受教育水平與農業(yè)技術效率改善并無顯著關系; 數字普惠金融可以借助數字技術匯總農村居民和小微企業(yè)的各項信息數據， 完善信息共享平臺， 優(yōu)化金融資源配置， 增加農業(yè)小微企業(yè)和居民金融可得性， 提高農業(yè)技術效率。 但完善信息平臺、分析用戶信用狀態(tài)無法在短時間內完成， 數字普惠金融作為一個較新的概念目前還在不斷深化、發(fā)展之中， 且我國農村地區(qū)的數字化程度還有待提升。 因此， 現階段數字普惠金融發(fā)展無法顯著提升農業(yè)技術效率。

2. 穩(wěn)健性檢驗。 為進一步驗證數字普惠金融及其各維度可對農業(yè)全要素生產率增長產生顯著正向影響， 本文構建如下模型， 利用動態(tài)GMM方法進行穩(wěn)健性檢驗。 回歸結果如表6所示， 其中列（15）為數字普惠金融對農業(yè)全要素生產率影響的估計結果， 列（16） ～ 列（18）為數字普惠金融各維度對農業(yè)全要素生產率影響的估計結果。

Yit=?+ρ1Yi，t-1+β1Xit+βiCoutrolit+μi+εt （4）

根據表6列（15） ～ 列（18）的檢驗結果可知， 回歸方程的誤差項不存在二階序列相關， 且工具變量有效， 各個模型中被解釋變量滯后一期值的回歸系數分別為0.5719、0.5475、0.6730、0.8542， 并且均在1%的水平上顯著， 表明本文設定的穩(wěn)健性檢驗模型是合理的。 根據列（15） ～ 列（18）的估計結果可知， 數字普惠金融及其各維度指數均可顯著提高農業(yè)全要素生產率， 與前文基準回歸結果一致。

3. 分地區(qū)檢驗。 我國幅員遼闊， 不同省份的農業(yè)生產要素數量和質量存在差異， 且數字普惠金融發(fā)展程度不同。 為進一步分析數字普惠金融對農業(yè)全要素生產率的影響是否存在地域差異， 本文按照國家統(tǒng)計局的劃分標準， 將31個省份劃分為東部、中部和西部地區(qū)， 利用混合OLS模型和固定效應模型進行回歸。 回歸過程同上， 以固定效應模型為分析模型。

根據表7可知， 在固定效應模型下， 數字普惠金融與東部、中部、西部地區(qū)的農業(yè)全要素生產率的估計系數分別為0.0538、0.1174、0.1007， 均通過顯著性檢驗， 表明數字普惠金融對中部地區(qū)農業(yè)全要素生產率的提振作用最大， 其次是西部和東部地區(qū)。 一個可能的原因是， 中部地區(qū)多為農業(yè)大省， 隨著數字普惠金融發(fā)展水平的提升， 金融機構可以為中部地區(qū)農村居民和企業(yè)提供低成本、高效率的融資手段， 繼續(xù)深化農業(yè)發(fā)展， 有利于加快農業(yè)技術進步， 補齊農業(yè)現代化短板， 最終對農業(yè)全要素生產率起到提振作用; 而東部地區(qū)主要以服務業(yè)和高科技產業(yè)作為發(fā)展重心， 農業(yè)所占比重相對較小， 西部地區(qū)農業(yè)所占比重相對較大但經濟落后、金融發(fā)展不足， 且數字化程度較低。 因此， 數字普惠金融發(fā)展對東部和西部地區(qū)農業(yè)全要素生產率的促進作用要弱于中部地區(qū)。

4. 門檻效應檢驗。 根據前文基準回歸和穩(wěn)健性檢驗結果， 數字普惠金融及其各維度對農業(yè)全要素生產率起到顯著提振作用， 為深入研究當數字普惠金融及其各維度處于不同發(fā)展水平時， 是否對農業(yè)全要素生產率產生不同影響， 本文利用公式（2）構建門檻效應模型。 其中， 以農業(yè)全要素生產率為被解釋變量， 數字普惠金融指數（difi）和各維度指數（cover、depth、dig）為解釋變量， 同時分別選取數字普惠金融及其維度指數為門檻變量， 且各門檻變量都通過了外生性檢驗， 證明模型有效。 門檻效應檢驗結果見表8。

根據表8可知， 數字普惠金融指數單一門檻下的P值為0.0833， 在10%的水平上顯著， 但在雙重門檻下的P值為0.2133， 并不顯著， 所以數字普惠金融對農業(yè)全要素生產率的影響只存在一個關于數字普惠金融的單門檻效應; 覆蓋廣度指數和使用深度指數在單一門檻下的P值分別為0.6067和0.2275， 均未通過顯著性檢驗， 即數字普惠金融服務的覆蓋廣度和使用深度對農業(yè)全要素生產率不存在門檻效應; 數字化程度指數在單一門檻下的P值為0.0333， 在5%的水平上顯著， 但在雙重門檻下的P值為0.2233， 不顯著， 所以數字化程度與農業(yè)全要素生產率之間只存在一個關于數字化程度的單門檻效應。 由此可知， 數字普惠金融對農業(yè)全要素生產率存在門檻效應， 在數字普惠金融指數各維度方面， 只有數字化程度對農業(yè)全要素生產率存在門檻效應， 本文運用面板門檻模型進行回歸估計， 結果見表9。

根據表9列（28）的回歸結果， 當數字普惠金融指數小于門檻值時， 回歸系數為0.0753， 在1%的水平上顯著， 當數字普惠金融指數大于門檻值時， 回歸系數為0.0877， 在1%的水平上顯著， 這意味著無論數字普惠金融發(fā)展水平處于較低階段還是較高階段， 都可對農業(yè)全要素生產率產生顯著的促進作用， 但該作用隨著數字普惠金融的發(fā)展由弱變強。 一個合理的解釋是， 當數字普惠金融發(fā)展水平處于較低階段時， 其作用主要體現在緩解融資約束和減貧增收方面， 對優(yōu)化農業(yè)要素配置和促進農業(yè)技術進步方面的作用不足; 當數字普惠金融發(fā)展水平處于較高階段時， 金融資源配置效率提升， 數字普惠金融對農業(yè)全要素生產率的正向效應增強。 根據表9列（29）的回歸結果， 當數字化程度指數小于門檻值時， 回歸系數為0.0156， 但顯著性水平較低， 當越過門檻值后， 數字普惠金融對農業(yè)全要素生產率的回歸系數為0.0425， 在1%的水平上顯著。 一個合理的解釋是， 數字普惠金融憑借互聯網、大數據、區(qū)塊鏈等數字技術提供范圍廣、成本低、便捷的金融服務， 這正是其區(qū)別于傳統(tǒng)金融的服務優(yōu)勢。 當數字化程度較低時， 數字普惠金融與傳統(tǒng)金融的差異較小， 并不能完全發(fā)揮其利用數字技術降低融資成本、緩解融資困境的優(yōu)勢， 對農業(yè)全要素生產率的促進效果還有待提升; 當數字化程度達到一定水平后， 數字技術對金融服務的激活作用更大， 數字普惠金融的優(yōu)勢更加凸顯， 金融資源配置更為有效， 這有力地緩解了農業(yè)生產的資金約束， 進而對農業(yè)全要素生產率產生更大且更為顯著的提振作用。

四、研究結論與政策建議

（一）研究結論

本文在梳理農業(yè)全要素生產率和數字普惠金融相關文獻的基礎上， 選取2011 ～ 2018年我國省級面板數據， 利用DEA-Malmquist指數法測算各省農業(yè)全要素生產率， 并采用固定效應模型和門檻效應模型實證分析數字普惠金融對農業(yè)全要素生產率的影響， 得出以下研究結論： ①無論從總體上還是分維度研究， 數字普惠金融可有效提高農業(yè)全要素生產率; ②數字普惠金融主要通過促進農業(yè)技術進步提高農業(yè)全要素生產率， 對農業(yè)技術效率的提高則無顯著影響; ③數字普惠金融對中部地區(qū)農業(yè)全要素生產率的提振作用最大， 其次是西部和東部地區(qū); ④數字普惠金融對農業(yè)全要素生產率的提升存在單一門檻， 數字普惠金融對農業(yè)全要素生產率的提振作用隨著數字普惠金融發(fā)展程度的提高而加大， 數字普惠金融數字化程度對農業(yè)全要素生產率的提升存在單一門檻， 數字化程度越高， 對農業(yè)全要素生產率的提振作用越大且越顯著。

（二）政策建議

首先， 深入推進數字普惠金融發(fā)展， 政府部門應做好統(tǒng)籌和引導工作， 推動各地金融機構進行金融服務創(chuàng)新， 除在農村地區(qū)設置物理網點外還要逐步推廣手機銀行、ATM等數字金融服務， 簡化數字金融產品操作流程， 設置普惠金融服務站點， 優(yōu)化農村金融生態(tài)環(huán)境， 將偏遠農村地區(qū)覆蓋到數字金融的服務網絡之下， 拓展和挖掘“長尾市場”， 主動為農村貧困地區(qū)的“長尾客戶”提供金融服務， 提高農村地區(qū)居民和中小微企業(yè)的金融可得性， 為農業(yè)發(fā)展提供良好的融資環(huán)境， 引導先進的農業(yè)技術和農業(yè)機械設備進入農村， 用數字普惠金融激活農業(yè)生產動力。

其次， 深化數字金融基礎設施生態(tài)系統(tǒng)建設， 加深數字化程度， 簡化信息流動， 建立健全農村小額貸款信息平臺和信用評價體系， 減少農戶、農村企業(yè)、融資平臺之間因信息不對稱所引發(fā)的信用風險。 完善金融資源配置， 優(yōu)化資金投入結構， 在數字普惠金融服務鄉(xiāng)村的過程中， 著力提升其對農業(yè)技術效率的貢獻。

再次， 繼續(xù)推進農村互聯網基礎設施建設， 各地政府根據當地經濟發(fā)展實情將基建資金適度向偏遠農村地區(qū)傾斜， 積極與通信企業(yè)展開合作， 鼓勵通信公司在農村地區(qū)增設基站， 定期維護設備， 實現廣播電視網、電信網和互聯網在農村的全覆蓋， 提升農村居民的互聯網參與率。 一方面利用互聯網傳播農業(yè)新知識、新技術， 降低農業(yè)信息傳遞成本， 促進農業(yè)技術外溢; 另一方面依靠互聯網等現代信息技術完善農產品產銷服務鏈， 建立產銷信息平臺， 將產銷信息快速傳達至農產品供需雙方， 進一步挖掘市場， 提高農業(yè)發(fā)展效率， 為農村地區(qū)夯實減貧基礎， 促進農業(yè)穩(wěn)定發(fā)展。

最后， 進一步提高農戶金融素養(yǎng)和自我保護意識， 各地金融機構、高校要積極配合政府部門為農村地區(qū)居民提供多樣化的金融知識普及渠道， 定期下鄉(xiāng)開展金融知識培訓， 圍繞農村生活和農產品交易向居民普及買賣交易、理財、保險、投融資等相關金融知識， 提高其識別金融服務和理財產品潛在風險的能力， 為數字普惠金融提振農業(yè)全要素生產率保駕護航。

【 主 要 參 考 文 獻 】

[1] Cao K. H.， Birchenall J. A.. Agricultural productivity， structural change， and economic growth in post-reform China[ J].Journal of Development Economics，2013（3）：165 ～ 180.

[2] 徐璋勇，朱睿.金融發(fā)展對綠色全要素生產率的影響分析——來自中國西部地區(qū)的實證研究[ J].山西大學學報：哲學社會科學版，2020（1）：117 ～ 129.

[3] 李健，辛沖沖.金融發(fā)展的城市全要素生產率增長效應研究——基于中國260個城市面板數據分析[ J].當代經濟管理，2020（9）：70 ～ 78.

[4] Jorgensen D. W.， Griliches Z.. The explanation of productivity change[ J].Review of Economic Studies，1967（3）：249 ～ 283.

[5] Gong， Binlei. Agricultural reforms and production in China： Changes in provincial production function and productivity in 1978 ～ 2015[ J].Journal of Development Economics，2018（132）：18 ～ 31.

[6] 赫國勝，張微微.中國農業(yè)全要素生產率影響因素、影響效應分解及區(qū)域化差異——基于省級動態(tài)面板數據的GMM估計[ J].遼寧大學學報：哲學社會科學版，2016（3）：79 ～ 88.

[7] 王璐，楊汝岱，吳比.中國農戶農業(yè)生產全要素生產率研究[ J].管理世界，2020（12）：77 ～ 93.

[8] 陳鳴，鄧榮榮.農業(yè)R&D投入與農業(yè)全要素生產率—— 一個空間溢出視角的解釋與證據[ J].江西財經大學學報，2020（2）：86 ～ 97.

[9] 李欠男，李谷成.互聯網發(fā)展對農業(yè)全要素生產率增長的影響[ J].華中農業(yè)大學學報（社會科學版），2020（4）：71 ～ 78+177.

[10] 賈蕊蕊，劉海燕，郭琨.中國農村商業(yè)銀行經營績效及其外部影響因素分析[ J].管理評論，2018（11）：26 ～ 34.

[11] 蔣永穆.中國農村金融改革40年：歷史進程與基本經驗[ J].農村經濟，2018（12）：6 ～ 8.

[12] 譚霖，鄧偉平.金融發(fā)展與全要素生產率互動：農業(yè)視角[ J].南方金融，2011（8）：23 ～ 26.

[13] 尹雷，沈毅.農村金融發(fā)展對中國農業(yè)全要素生產率的影響：是技術進步還是技術效率——基于省級動態(tài)面板數據的GMM估計[ J].財貿研究，2014（2）：32 ～ 40.

[14] 井深，肖龍鐸.農村正規(guī)與非正規(guī)金融發(fā)展對農業(yè)全要素生產率的影響——基于中國省級面板數據的實證研究[ J].江蘇社會科學，2017（4）：77 ～ 85.

[15] 李建軍，韓珣.普惠金融、收入分配和貧困減緩——推進效率和公平的政策框架選擇[ J].金融研究，2019（3）：129 ～ 148.

[16] Diniz E.， Birochi R.， Pozzebon M.. Triggers and barriers to financial inclusion： The use of ICT-based branchless banking in an amazon county[ J].Electronic Commerce Research Applications，2012（5）：484 ～ 494.

[17] 陳寶珍，任金政.數字金融與農戶：普惠效果和影響機制[ J].財貿研究，2020（6）：37 ～ 47.

[18] 成學真，龔沁宜.數字普惠金融如何影響實體經濟的發(fā)展——基于系統(tǒng)GMM模型和中介效應檢驗的分析[ J].湖南大學學報（社會科學版），2020（3）：59 ～ 67.

[19] 周利，廖婧琳，張浩.數字普惠金融、信貸可得性與居民貧困減緩——來自中國家庭調查的微觀證據[ J].經濟科學，2021（1）：145 ～ 157.

[20] 黃瀅曉，汪慧玲.金融資源配置扭曲與貧困關系研究[ J].貴州社會科學，2007（12）：83 ～ 86.

[21] 樊文翔.數字普惠金融提高了農戶信貸獲得嗎？[ J].華中農業(yè)大學學報（社會科學版），2021（1）：109 ～ 119.

[22] 李優(yōu)樹，張敏.數字普惠金融發(fā)展對系統(tǒng)性金融風險的影響研究[ J].中國特色社會主義研 究，2020（Z1）：26 ～ 34.

[23] 黃倩，李政，熊德平.數字普惠金融的減貧效應及其傳導機制[ J].改革，2019（11）：90 ～ 101.

[24] 胡放之.數字經濟、新就業(yè)形態(tài)與勞動力市場變革[ J].學習與實踐，2021（10）：71 ～ 77.