■張翱祥 鄧榮榮
改革開放以來,中國農(nóng)業(yè)經(jīng)濟(jì)快速發(fā)展,農(nóng)業(yè)產(chǎn)出水平不斷提高,糧食產(chǎn)量由1978年的30476.5 萬噸增至2020年的66949 萬噸,農(nóng)民收入持續(xù)增長,2020年農(nóng)村居民人均可支配收入達(dá)到17131 元,增速連續(xù)11年快于城鎮(zhèn)居民。但我國農(nóng)業(yè)生產(chǎn)仍然面臨人多地少、自然災(zāi)害頻繁等難題。同時(shí),由于在種植過程中大量使用農(nóng)業(yè)化工產(chǎn)品而造成了嚴(yán)重的環(huán)境污染,對農(nóng)產(chǎn)品和農(nóng)村環(huán)境安全構(gòu)成了威脅。第二次全國污染源普查表明,環(huán)境污染的主要來源之一是農(nóng)業(yè)污染源。在工業(yè)污染物治理初見成效的背景下,農(nóng)業(yè)污染治理成為環(huán)境保護(hù)的關(guān)鍵。因此,農(nóng)業(yè)的發(fā)展目標(biāo)不僅僅是在資源剛性約束下確保農(nóng)產(chǎn)品供需平衡,還必須充分考慮資源的承載能力和環(huán)境保護(hù)問題[1]。十九大報(bào)告提出要按照產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富裕的總體要求,實(shí)施鄉(xiāng)村振興戰(zhàn)略。保證農(nóng)村經(jīng)濟(jì)持續(xù)穩(wěn)定的增長,注重農(nóng)村生態(tài)環(huán)境的保護(hù),提高資源環(huán)境約束下的全要素生產(chǎn)率成為農(nóng)業(yè)發(fā)展的主要目標(biāo)。
隨著第四次工業(yè)革命的興起,數(shù)字技術(shù)迅速發(fā)展,數(shù)字普惠金融作為數(shù)字技術(shù)與傳統(tǒng)金融相結(jié)合形成的新業(yè)態(tài),成為推動(dòng)中國經(jīng)濟(jì)包容性增長的新動(dòng)能[2]。數(shù)字普惠金融有效緩解了弱勢群體的金融排斥問題,為農(nóng)業(yè)、農(nóng)村經(jīng)濟(jì)發(fā)展提供了資金支持[3]。農(nóng)村金融被認(rèn)為是促進(jìn)農(nóng)業(yè)綠色全要素生產(chǎn)率提升的重要手段[4]。然而,長期以來我國存在金融“二元結(jié)構(gòu)”現(xiàn)象,與城鎮(zhèn)相比,農(nóng)村金融資源的可得性和可利用性都較低,這阻礙了農(nóng)村經(jīng)濟(jì)的發(fā)展。數(shù)字普惠金融作為傳統(tǒng)金融的助推器,其發(fā)展是否會(huì)對農(nóng)村綠色全要素生產(chǎn)率產(chǎn)生影響?通過理論分析和實(shí)證檢驗(yàn)探究這一問題,對我國推進(jìn)鄉(xiāng)村振興戰(zhàn)略、加快農(nóng)業(yè)現(xiàn)代化具有理論和現(xiàn)實(shí)意義。
農(nóng)業(yè)綠色全要素生產(chǎn)率是指將農(nóng)業(yè)面源污染、碳排放等環(huán)境要素加入后計(jì)算得到的農(nóng)業(yè)綠色全要素生產(chǎn)率,衡量了地區(qū)農(nóng)業(yè)綠色發(fā)展的綜合效率[5]。有關(guān)農(nóng)業(yè)綠色全要素生產(chǎn)率的研究主要集中在效率測算、時(shí)空演化以及影響因素等幾個(gè)方面。第一,在效率測算方面,現(xiàn)有的農(nóng)業(yè)綠色全要素生產(chǎn)率效率測算方法主要有兩種。一種是以隨機(jī)前沿生產(chǎn)函數(shù)(SFA)為主的參數(shù)法[6,7]。該方法可以設(shè)定具體的生產(chǎn)函數(shù)形式,但往往只能考慮單一產(chǎn)出的情況,不能對多投入多產(chǎn)出的效率模型進(jìn)行測度,在測算農(nóng)業(yè)綠色全要素生產(chǎn)率時(shí)易產(chǎn)生偏差。另一種方法是以數(shù)據(jù)包絡(luò)分析(DEA)為主的非參數(shù)方法。該方法考慮了多投入多產(chǎn)出的情況,通過線性規(guī)劃得到生產(chǎn)前沿面并計(jì)算各決策單元的生產(chǎn)率,能夠更加準(zhǔn)確地對生產(chǎn)率進(jìn)行測算和排序。在農(nóng)業(yè)綠色全要素生產(chǎn)率的研究中,最常用的非參數(shù)方法有SBM模型和Malmquist-Luenberger(簡稱ML)指數(shù)[8,9]。其中,ML指數(shù)法可以考察農(nóng)業(yè)綠色全要素生產(chǎn)率的動(dòng)態(tài)變化情況,并能夠提供生產(chǎn)率變化的細(xì)分,識別出效率變化的主要來源,因而得到了廣泛的應(yīng)用。例如,杜江等[10]采用GML 指數(shù)方法,從全國及省級層面測算了1991—2013年農(nóng)業(yè)增長的環(huán)境技術(shù)效率、技術(shù)進(jìn)步與環(huán)境全要素生產(chǎn)率。郭海紅等[11]采用ML 指數(shù)法從動(dòng)態(tài)視角分析了中國2006—2016年31 個(gè)省份的農(nóng)業(yè)綠色全要素生產(chǎn)率變化情況及增長來源。金芳等[12]基于GML 指數(shù)測度了中國31 個(gè)省份1997—2017年的農(nóng)業(yè)綠色生產(chǎn)率,并將其分解為綠色技術(shù)進(jìn)步指數(shù)。第二,在時(shí)空演化方面,有關(guān)研究較為豐富,研究結(jié)論根據(jù)研究方法和研究角度的差異也會(huì)有所不同。例如,王兵等[13]基于碳排放約束和產(chǎn)區(qū)異質(zhì)性研究發(fā)現(xiàn)1993—2017年中國農(nóng)業(yè)綠色全要素生產(chǎn)率持續(xù)增長,其中技術(shù)進(jìn)步是主要驅(qū)動(dòng)力,主銷區(qū)年均增長率最高,主產(chǎn)區(qū)次之,平衡區(qū)最低。劉亦文等[5]研究發(fā)現(xiàn)2001—2018年間中國八大經(jīng)濟(jì)區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率均實(shí)現(xiàn)了較好的增長,但具有時(shí)間、空間及區(qū)域差異性,其中西南經(jīng)濟(jì)區(qū)增長最快,東北經(jīng)濟(jì)區(qū)增長最慢。第三,在農(nóng)業(yè)綠色全要素生產(chǎn)率的影響因素方面,學(xué)術(shù)界已經(jīng)展開了豐富且充分的研究,影響因素主要有農(nóng)村人均收入、農(nóng)業(yè)結(jié)構(gòu)、農(nóng)業(yè)受災(zāi)率、農(nóng)村人力資本、農(nóng)業(yè)財(cái)政支持、農(nóng)村金融支持、工業(yè)化程度、城鎮(zhèn)化程度等[14—16]。與本文研究密切相關(guān)的是有關(guān)金融發(fā)展與農(nóng)村綠色發(fā)展的研究。例如,李健旋[4]從農(nóng)村金融發(fā)展規(guī)模、金融發(fā)展結(jié)構(gòu)以及金融發(fā)展效率三個(gè)角度分析了農(nóng)村傳統(tǒng)金融發(fā)展對農(nóng)業(yè)綠色全要素生產(chǎn)率的作用,發(fā)現(xiàn)農(nóng)村金融發(fā)展在提升農(nóng)業(yè)綠色全要素生產(chǎn)率中起到了顯著積極的作用。張軍偉等[17]研究發(fā)現(xiàn)農(nóng)村信貸和農(nóng)業(yè)保險(xiǎn)對綠色農(nóng)業(yè)發(fā)展的作用不明顯,農(nóng)業(yè)信貸對小農(nóng)戶綠色生產(chǎn)作用不明顯,但提高了規(guī)模農(nóng)戶碳排放強(qiáng)度,農(nóng)業(yè)保險(xiǎn)降低了蔬菜業(yè)碳排放強(qiáng)度。馬駿等[18]從理論的角度分析得出結(jié)論:綠色金融與普惠金融協(xié)同發(fā)展可有效推動(dòng)綠色農(nóng)業(yè)發(fā)展,在提高農(nóng)村金融可得性的同時(shí),改善環(huán)境、降低碳排放。
綜上所述,圍繞農(nóng)業(yè)綠色全要素生產(chǎn)率的效率測算、時(shí)空演化和影響因素,學(xué)術(shù)界已經(jīng)積累了豐碩的研究成果,但少有研究涉及數(shù)字普惠金融發(fā)展對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響。賀茂斌等[19]、許釗等[20]通過實(shí)證研究驗(yàn)證了數(shù)字金融發(fā)展具有一定的碳減排效應(yīng)和污染減排效應(yīng)。同時(shí),數(shù)字普惠金融的發(fā)展緩解了農(nóng)村金融資源獲取難、成本高、效率低等問題,提高了農(nóng)戶的正規(guī)信貸可得性和正規(guī)信貸規(guī)模[21],推動(dòng)了鄉(xiāng)村振興和農(nóng)業(yè)農(nóng)村現(xiàn)代化建設(shè)[22]。據(jù)此,本文重點(diǎn)聚焦數(shù)字普惠金融發(fā)展與農(nóng)村綠色全要素生產(chǎn)率的關(guān)系,基于中國30 個(gè)省份2011—2018年的面板數(shù)據(jù),分析數(shù)字普惠金融發(fā)展對農(nóng)村綠色全要素生產(chǎn)率的影響,并分析其空間溢出效應(yīng)和分維度影響,為更好地發(fā)揮數(shù)字普惠金融在農(nóng)業(yè)、農(nóng)村中的綠色增長效應(yīng)提供穩(wěn)健的實(shí)證依據(jù)和決策參考。
本文可能的貢獻(xiàn)在于:第一,本文從數(shù)字普惠金融的角度拓展了金融發(fā)展與綠色全要素生產(chǎn)率關(guān)系的研究,豐富了與數(shù)字普惠金融和農(nóng)業(yè)綠色發(fā)展相關(guān)的理論體系。第二,本文考慮了空間因素,關(guān)注鄰省間可能存在的空間關(guān)聯(lián)與溢出效應(yīng),并探尋空間溢出效應(yīng)在農(nóng)業(yè)綠色生產(chǎn)率增長中的重要作用。第三,本文采用工具變量法來緩解數(shù)字普惠金融和農(nóng)業(yè)綠色全要素生產(chǎn)率之間可能存在的內(nèi)生性問題,并采用三類空間權(quán)重矩陣進(jìn)行空間計(jì)量分析,使研究結(jié)論更加可靠。
具體來講,數(shù)字普惠金融對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響體現(xiàn)在以下幾個(gè)方面:
第一,數(shù)字普惠金融通過緩解融資約束提高農(nóng)業(yè)綠色全要素生產(chǎn)率。數(shù)字普惠金融憑借互聯(lián)網(wǎng)等數(shù)字技術(shù)可以實(shí)現(xiàn)金融服務(wù)交易的時(shí)空異步,使交易流程標(biāo)準(zhǔn)化、便捷化,降低了金融服務(wù)供給成本和農(nóng)戶的金融服務(wù)使用成本,幫助農(nóng)戶了解金融產(chǎn)品的作用、抵押擔(dān)保條件等,激發(fā)農(nóng)戶使用金融服務(wù)的意愿,有助于緩解農(nóng)村地區(qū)的金融需求不足和金融排斥等問題。數(shù)字技術(shù)的應(yīng)用使傳統(tǒng)金融服務(wù)打破“二八定律”[23],發(fā)掘“長尾”市場,擴(kuò)大農(nóng)戶對互聯(lián)網(wǎng)保險(xiǎn)、投資理財(cái)?shù)冉鹑诋a(chǎn)品的購買規(guī)模,使得金融機(jī)構(gòu)能以較低的成本收攏零散的金融資源,在優(yōu)化農(nóng)戶財(cái)富管理的同時(shí)整合金融資源,提升金融資源供給水平。普通農(nóng)戶和農(nóng)村小微企業(yè)獲得充足的資金后,將增加對農(nóng)機(jī)設(shè)備、農(nóng)業(yè)良種、新型農(nóng)業(yè)技術(shù)設(shè)備的應(yīng)用,推廣農(nóng)業(yè)機(jī)械化和農(nóng)業(yè)技術(shù)化,實(shí)現(xiàn)生產(chǎn)規(guī)?;?、集約化,降低資源的邊際消耗和環(huán)境污染物的邊際排放,提高各類投入要素的利用效率。此外,數(shù)字普惠金融還為生態(tài)農(nóng)業(yè)、循環(huán)農(nóng)業(yè)、智慧農(nóng)業(yè)、創(chuàng)意農(nóng)業(yè)等農(nóng)業(yè)新興產(chǎn)業(yè)的發(fā)展提供了籌資支持[24]。
第二,數(shù)字普惠金融通過優(yōu)化資源配置提高農(nóng)業(yè)綠色全要素生產(chǎn)率。首先,傳統(tǒng)金融機(jī)構(gòu)為了降低成本和提高收益,往往通過企業(yè)的可抵押資產(chǎn)、后續(xù)的盈利能力、現(xiàn)期市場規(guī)模等條件篩選授信客戶,并傾向于為大型企業(yè)提供大額的信貸產(chǎn)品,這往往導(dǎo)致金融資源流向高消耗、高污染排放的工業(yè)企業(yè)。在農(nóng)村地區(qū),金融服務(wù)額度較小且信用收集困難,導(dǎo)致傳統(tǒng)金融機(jī)構(gòu)不愿在農(nóng)村地區(qū)提供金融服務(wù)。而數(shù)字普惠金融內(nèi)嵌的大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù),可以對農(nóng)戶征信數(shù)據(jù)進(jìn)行收集、分析、決策,弱化信息不對稱和道德風(fēng)險(xiǎn),幫助金融機(jī)構(gòu)準(zhǔn)確把握農(nóng)戶的金融服務(wù)需求[25],為農(nóng)戶提供可負(fù)擔(dān)的金融服務(wù),亦可以與綠色金融理念相結(jié)合,更加精準(zhǔn)地向種植業(yè)、養(yǎng)殖業(yè)、三產(chǎn)融合、農(nóng)機(jī)裝備、污染防治和新型主體培育等關(guān)鍵領(lǐng)域的綠色農(nóng)業(yè)活動(dòng)配置充足的金融資源[18],從而提高農(nóng)業(yè)綠色全要素生產(chǎn)率。其次,數(shù)字普惠金融推行的綠色發(fā)展理念,可以促進(jìn)資本、技術(shù)、人才等生產(chǎn)要素向綠色農(nóng)業(yè)等環(huán)保項(xiàng)目以及環(huán)境污染治理項(xiàng)目流動(dòng)[26],引導(dǎo)傳統(tǒng)農(nóng)業(yè)綠色轉(zhuǎn)型。最后,數(shù)字普惠金融為農(nóng)村小微企業(yè)、低收入農(nóng)民等弱勢群體提供了獲得金融服務(wù)的機(jī)會(huì),催生出新的就業(yè)崗位,拓展了農(nóng)戶增收的渠道,讓農(nóng)民更有條件提升技能,在農(nóng)村地區(qū)產(chǎn)生勞動(dòng)力池效應(yīng)、人力資本效應(yīng),提高勞動(dòng)力素質(zhì),優(yōu)化勞動(dòng)力配置[27,28],最終提升農(nóng)業(yè)綠色全要素生產(chǎn)率。
第三,數(shù)字普惠金融通過支持技術(shù)創(chuàng)新提高農(nóng)業(yè)綠色全要素生產(chǎn)率。農(nóng)業(yè)技術(shù)創(chuàng)新可以通過打破資源稀缺和傳統(tǒng)技術(shù)落后的限制,大幅提高農(nóng)業(yè)資源利用效率,改善農(nóng)業(yè)發(fā)展質(zhì)量和農(nóng)業(yè)環(huán)境質(zhì)量[29]。數(shù)字普惠金融對農(nóng)業(yè)技術(shù)創(chuàng)新的影響體現(xiàn)在:一方面,農(nóng)業(yè)技術(shù)創(chuàng)新具有投入沉沒性、過程不可逆、成果不確定、調(diào)整成本高、融資成本高等特征,并且研發(fā)成果的產(chǎn)出和轉(zhuǎn)化具有一定的滯后性,這就意味著農(nóng)業(yè)技術(shù)創(chuàng)新需要充足的金融資源予以支持。對此,數(shù)字普惠金融可以憑借易獲得、成本低的優(yōu)勢為農(nóng)業(yè)技術(shù)創(chuàng)新提供充足的資金支持,而且數(shù)字普惠金融催生出了多樣化的金融服務(wù)產(chǎn)品,農(nóng)業(yè)企業(yè)可根據(jù)實(shí)際融資需求選擇合適的金融工具及其組合來推動(dòng)農(nóng)業(yè)技術(shù)創(chuàng)新[30]。另一方面,張瑞娟等[29]研究發(fā)現(xiàn)金融保險(xiǎn)和信息獲取渠道能顯著提升農(nóng)戶采納新技術(shù)的概率。數(shù)字普惠金融的發(fā)展增加了農(nóng)戶購買保險(xiǎn)產(chǎn)品和獲取貸款的機(jī)會(huì),有助于農(nóng)戶接收采納新型農(nóng)業(yè)生產(chǎn)技術(shù),互聯(lián)網(wǎng)、5G 等數(shù)字基礎(chǔ)設(shè)施的完善拓寬了農(nóng)戶獲取信息的渠道,這亦有利于農(nóng)業(yè)技術(shù)的推廣,最終促進(jìn)農(nóng)業(yè)綠色全要素生產(chǎn)率的提高。
本文采用SBM方向距離函數(shù)與ML指數(shù)相結(jié)合的方法測算農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)。假定有n個(gè)決策單元(DMU),且每個(gè)決策單元有3個(gè)向量,投入向量、期望產(chǎn)出向量和非期望產(chǎn)出向量,分別記為x ∈Rm,yg∈RS1,yb∈RS2。定義矩陣X、Yg、Yb分別為:其中X>0,Yg>0,Yb>0,單元的生產(chǎn)可能集P為:
Tone[31]提出的包含非期望產(chǎn)出的非徑向SBM模型將松弛變量和非期望產(chǎn)出加入到傳統(tǒng)DEA 模型中,有效地測度了環(huán)境效率。單元k 在非期望產(chǎn)出的SBM方向距離函數(shù)如下:
式中:為方向距離函數(shù);分別表示投入冗余量、期望產(chǎn)出不足量和非期望產(chǎn)出超出量;S-、Sg、Sb為所對應(yīng)的向量;當(dāng)S-=Sg=Sb=0時(shí),時(shí)決策單元是有效的,λ為權(quán)重向量。在此基礎(chǔ)上農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)(GML指數(shù))可表達(dá)為:
若農(nóng)業(yè)生產(chǎn)活動(dòng)的期望產(chǎn)出大于非期望產(chǎn)出,那么GMLt,t+1>1,表示農(nóng)業(yè)綠色全要素生產(chǎn)率上升;反之,若非期望產(chǎn)出大于期望產(chǎn)出,那么GMLt,t+1<1,表示生產(chǎn)率下降。GML 指數(shù)可進(jìn)一步分解為技術(shù)效率變化(GEC)和技術(shù)進(jìn)步(GTC):
(4)式中,GECt,t+1為技術(shù)效率變化,表示當(dāng)期與生產(chǎn)前沿面的“最佳實(shí)踐者差距”。GECt,t+1>1 時(shí),說明效率提升;GECt,t+1<1 時(shí),說明效率下降。GTCt,t+1為技術(shù)進(jìn)步,表示生產(chǎn)前沿面的變化情況,即兩個(gè)時(shí)期“最佳實(shí)踐”的變化率。GTCt,t+1>1 時(shí),說明技術(shù)進(jìn)步;GTCt,t+1<1 時(shí),說明技術(shù)退步。
參考已有文獻(xiàn)[10—12],考慮數(shù)據(jù)的可得性和合理性,構(gòu)建投入產(chǎn)出指標(biāo)體系,如表1所示。其中:農(nóng)業(yè)從業(yè)人員通過計(jì)算農(nóng)林牧副漁從業(yè)人員與農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧副漁業(yè)總產(chǎn)值比重的乘積得到。實(shí)際農(nóng)業(yè)總產(chǎn)值以2011年為基期對各年度農(nóng)業(yè)總產(chǎn)值進(jìn)行平減處理得到。借鑒葛鵬飛等[32]的研究,以農(nóng)業(yè)碳排放作為非期望產(chǎn)出,并把農(nóng)業(yè)碳排放分為兩部分,一部分是化肥使用、農(nóng)用柴油、農(nóng)地灌溉、農(nóng)藥使用及農(nóng)膜使用引發(fā)的碳排放,另一部分是水稻生產(chǎn)所產(chǎn)生的甲烷(CH4)的排放,將水稻分為早稻、中稻和晚稻,根據(jù)各省的CH4排放系數(shù)計(jì)算CH4排放值,據(jù)此計(jì)算碳排放量。碳排放系數(shù)和CH4排放系數(shù)參見田云等[33]的研究。
表1 GML測算指標(biāo)體系
1.被解釋變量。本文的被解釋變量為農(nóng)業(yè)綠色全要素增長率(GML)。前文提到的GML指數(shù)體現(xiàn)了農(nóng)業(yè)綠色全要素生產(chǎn)率的增長率,是以前一年基期為1計(jì)算得來的環(huán)比指數(shù)。故在實(shí)證分析中,參照李谷成[14]的做法,對GML指數(shù)進(jìn)行累積化處理,得到GML。
2.核心解釋變量。本文的核心解釋變量為數(shù)字普惠金融指數(shù)(DIF)。數(shù)據(jù)源自北京大學(xué)互聯(lián)網(wǎng)金融研究中心發(fā)布的《數(shù)字金融普惠金融指數(shù)》[34],該指數(shù)是在螞蟻金融提供的金融服務(wù)數(shù)據(jù)基礎(chǔ)上合成的,衡量了我國省級、城市級以及縣級數(shù)字金融發(fā)展程度。數(shù)字普惠金融指數(shù)包括三個(gè)子維度,分別是覆蓋廣度、使用深度和數(shù)字化程度。其中,覆蓋廣度(Bre)主要包含支付寶賬號數(shù)量、支付寶綁卡用戶比例和支付寶賬號綁卡數(shù)量三項(xiàng)指標(biāo),體現(xiàn)的是數(shù)字金融的覆蓋率;使用深度(Dep)涵蓋支付、信貸、保險(xiǎn)、投資、信用以及貨幣基金等服務(wù),體現(xiàn)的是數(shù)字金融工具種類的增多和可得性的提升;數(shù)字化程度(Dig)涵蓋移動(dòng)化、實(shí)惠化和便利化,體現(xiàn)的是數(shù)字金融與數(shù)字技術(shù)的融合程度以及普惠性程度。本文將采用這3 個(gè)子指標(biāo)作為解釋變量來研究不同維度數(shù)字金融對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響,并對上述變量均除以10,以縮小與被解釋變量量綱的差距。
3.控制變量。參考以往研究[14-16],本文控制了如下變量:①人均收入(Pa),采用以2011年不變價(jià)的農(nóng)業(yè)生產(chǎn)總值除以鄉(xiāng)村總?cè)丝趤肀硎?,反映農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的基本情況;②自然災(zāi)害(Nat),采用農(nóng)作物受災(zāi)面積占農(nóng)作物播種面積的比重表示,通常農(nóng)業(yè)受災(zāi)率越高,引起的要素投入的損失會(huì)越大;③農(nóng)業(yè)人力資本(Hum),采用人均受教育年限表示,設(shè)定小學(xué)、初中、高中中專、大專以上的受教育年限分別為6年、9年、12年和16年,據(jù)此計(jì)算人均受教育年限。④對外開放程度(Open),采用農(nóng)產(chǎn)品對外貿(mào)易額占農(nóng)業(yè)總產(chǎn)值的比重表示,對外開放水平更高的地區(qū)越容易學(xué)習(xí)國外先進(jìn)的技術(shù)和管理經(jīng)驗(yàn),可能對本地區(qū)農(nóng)業(yè)綠色發(fā)展產(chǎn)生促進(jìn)作用。⑤城鎮(zhèn)化率(Urb),采用非農(nóng)人口占總?cè)丝诘谋戎乇硎?;⑥工業(yè)化程度(Ind),采用工業(yè)增加值占地區(qū)生產(chǎn)總值的比重表示,工業(yè)化程度的提升可能會(huì)增加對農(nóng)產(chǎn)品的需求,促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展。
各變量的描述性統(tǒng)計(jì)情況見表2。
表2 各變量描述性統(tǒng)計(jì)
4.數(shù)據(jù)來源。為了保證樣本數(shù)據(jù)的連續(xù)性和可得性,結(jié)合行政區(qū)劃調(diào)整和數(shù)據(jù)缺失的情況,本文的研究樣本為2011—2018年中國30 個(gè)省份的面板數(shù)據(jù)(西藏、港澳臺(tái)除外),數(shù)據(jù)均來源于《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》以及EPS 數(shù)據(jù)庫。對于部分缺失的數(shù)據(jù),采用線性插值法進(jìn)行補(bǔ)齊。
考慮到GML 可能存在空間依賴性或空間異質(zhì)性[12],而傳統(tǒng)線性回歸模型由于忽略空間因素可能會(huì)導(dǎo)致實(shí)證結(jié)果偏誤[35],因此,本文采用空間面板模型檢驗(yàn)數(shù)字普惠金融與GML之間的關(guān)系,構(gòu)建以下模型:
(5)式中:下標(biāo)i、t為省份和時(shí)間;W為空間權(quán)重矩陣;GML為農(nóng)業(yè)綠色全要素生產(chǎn)率(累積值);DIF為數(shù)字普惠金融指數(shù);C為一系列控制變量;u為省份個(gè)體效應(yīng);v為時(shí)間效應(yīng);μ為隨機(jī)誤差項(xiàng);ρ為GML的空間自相關(guān)系數(shù);λ為隨機(jī)誤差項(xiàng)的空間自相關(guān)系數(shù)。上式為空間計(jì)量模型的一般形式,根據(jù)相關(guān)系數(shù)是否為零可以將其分為3 種空間計(jì)量模型:當(dāng)λ=β1=β2=0 時(shí),該模型為空間滯后模型(Spatial Lag Model,SLM);當(dāng)ρ=β1=β2=0 時(shí),該模型為空間誤差模型(Spatial Error Model,SEM);當(dāng)λ=0時(shí),該模型為空間杜賓模型(Spatial Durbin Mod?el,SDM)。后續(xù)將通過Moran’s I 指數(shù)檢驗(yàn)GML 是否存在空間相關(guān)性,并通過LM 檢驗(yàn)、Wald 檢驗(yàn)和LR檢驗(yàn)等方法決定采用何種空間計(jì)量模型。
如圖1所示,2011—2018年農(nóng)業(yè)綠色全要素生產(chǎn)率、技術(shù)進(jìn)步指數(shù)與技術(shù)效率指數(shù)的年均增長率分別為1.5%、1.2%和0.3%,由此可見技術(shù)進(jìn)步與技術(shù)效率均推動(dòng)了農(nóng)業(yè)綠色全要素生產(chǎn)率的提升,但是技術(shù)進(jìn)步的貢獻(xiàn)率更大(80%)。按時(shí)序變化來看,農(nóng)業(yè)綠色全要素生產(chǎn)率的增長率在2012—2013年出現(xiàn)了一次明顯的提升,從成分來看,這是技術(shù)進(jìn)步所推動(dòng)的。2013年以后,農(nóng)業(yè)綠色全要素生產(chǎn)率的增長率呈現(xiàn)緩慢上升的趨勢,但始終大于1,表明在研究期內(nèi)生產(chǎn)率經(jīng)歷著持續(xù)增長。就成分來看,技術(shù)進(jìn)步指數(shù)僅在2014—2015年小于1,在其他年份仍是生產(chǎn)率增長的重要推動(dòng)力,而技術(shù)效率呈現(xiàn)波動(dòng)變化趨勢,效率值在1上下浮動(dòng)。
圖1 2011—2018年中國農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)及其成分變動(dòng)趨勢
為識別區(qū)域間農(nóng)業(yè)綠色全要素生產(chǎn)率的差異,本文根據(jù)國家統(tǒng)計(jì)局區(qū)域劃分標(biāo)準(zhǔn),比較東部(含北京等11個(gè)省份)、中部(含山西等8個(gè)省份)、西部(含內(nèi)蒙古等12個(gè)省份)的農(nóng)業(yè)綠色全要素生產(chǎn)率。表3顯示了2011—2018年中國省際和區(qū)際農(nóng)業(yè)綠色全要素生產(chǎn)率及其成分的變動(dòng)情況。
表3 2011—2018年中國省域農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)及其成分變動(dòng)趨勢
在區(qū)際層面,東部地區(qū)、西部地區(qū)的農(nóng)業(yè)綠色全要素生產(chǎn)率年均增長率分別為4.1%和0.3%,中部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率呈負(fù)增長,年均下降0.4%,可見中部地區(qū)省份農(nóng)業(yè)生產(chǎn)效率較為低下,農(nóng)業(yè)生產(chǎn)受資源環(huán)境約束較為嚴(yán)重。從農(nóng)業(yè)綠色全要素生產(chǎn)率的成分來看,東部、中部、西部地區(qū)技術(shù)效率的年均增長率分別為0.3%、0.1%和0.4%,技術(shù)效率對西部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率的貢獻(xiàn)最大。東部地區(qū)技術(shù)進(jìn)步年均增長3.8%,中部和西部地區(qū)年均下降0.5%和0.1%,可見技術(shù)進(jìn)步僅對東部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率有所貢獻(xiàn),技術(shù)退步是中部地區(qū)生產(chǎn)率下降的主要原因。東部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率為“雙驅(qū)”增長模式,西部地區(qū)為技術(shù)效率“單驅(qū)”增長模式。
在省際層面,各省農(nóng)業(yè)綠色生產(chǎn)率的變動(dòng)存在較大差異,其中有20個(gè)省份生產(chǎn)率的年均增長率為正,占總數(shù)的2/3。以全國綠色全要素生產(chǎn)率年均增長率1.5%為參照值,有13 個(gè)省份位于其上,僅占總數(shù)的43.33%,東部地區(qū)有10 個(gè)省份,西部地區(qū)有3個(gè)省份,中部地區(qū)未有省份超過平均水平,可見農(nóng)業(yè)綠色全要素生產(chǎn)率出現(xiàn)了“中部塌陷”的現(xiàn)象。從省際農(nóng)業(yè)綠色全要素生產(chǎn)率成分的變動(dòng)剖析生產(chǎn)率增長源泉,技術(shù)進(jìn)步對21個(gè)省份的農(nóng)業(yè)綠色全要素生產(chǎn)率起到了促進(jìn)作用,技術(shù)效率對15個(gè)省份的農(nóng)業(yè)綠色全要素生產(chǎn)率起到了促進(jìn)作用。天津、浙江、山東、廣東、湖北和陜西6個(gè)省份的技術(shù)效率和技術(shù)進(jìn)步均大于1,呈“雙驅(qū)”增長模式;北京、河北、遼寧、上海、江蘇、福建、江西、湖南、重慶、四川、貴州和新疆12 個(gè)省份技術(shù)進(jìn)步大于1,為技術(shù)進(jìn)步“單驅(qū)”增長模式;吉林和河南2 個(gè)省份技術(shù)效率大于1,為技術(shù)效率“單驅(qū)”增長模式;其他10個(gè)農(nóng)業(yè)綠色全要素生產(chǎn)率下降的省份中,僅有山西技術(shù)進(jìn)步大于1,說明技術(shù)退步是導(dǎo)致這些省份生產(chǎn)率下降的主要原因。
根據(jù)地理學(xué)中的空間依賴性和空間異質(zhì)性,地理事物或其屬性在空間分布上可能存在相關(guān)性,這種空間自相關(guān)性與傳統(tǒng)線性回歸模型的空間獨(dú)立性假設(shè)相互矛盾,從而使得傳統(tǒng)的統(tǒng)計(jì)學(xué)方法不再有效,因此在計(jì)量分析前需要檢驗(yàn)變量是否存在空間相關(guān)性。本文采用Moran’s I指數(shù)檢驗(yàn)農(nóng)業(yè)綠色全要素生產(chǎn)率(GML)的空間自相關(guān)性,其計(jì)算公式如下:
式中:n 為省份數(shù)目;yi和yj分別為i 省和城市j省的GML;yˉ為各省GML 的平均值;Wij為空間權(quán)重矩陣,基于Rook 鄰接標(biāo)準(zhǔn)獲得。I 的取值范圍為[-1,1]。其值為正且越趨向于1時(shí),表示GML較高(較低)的省份在空間上集聚;其值等于0 時(shí),則表示GML 隨機(jī)分布;若其值為負(fù)且趨向于-1 時(shí),則表示某省份與其周邊省份的GML 具有顯著的空間差異性。采用Z 統(tǒng)計(jì)量對Moran’s I 指數(shù)的顯著性進(jìn)行檢驗(yàn),Z值的計(jì)算公式如下:
采用Geoda軟件測算GML的Moran’s I指數(shù),結(jié)果如表4所示,可以看到省域GML的Moran’s I指數(shù)均為正且至少在10%的水平上顯著,說明省域GML存在正的空間自相關(guān)性,Moran’s I指數(shù)呈現(xiàn)先下降后上升的趨勢,后維持在0.15左右,且顯著性有所加強(qiáng),說明省域GML之間的空間相關(guān)性有所加強(qiáng)。
表4 省域GML的Moran’s I指數(shù)
前文的分析證實(shí)了農(nóng)業(yè)綠色全要素生產(chǎn)率(GML)存在顯著的空間依賴性,不滿足傳統(tǒng)線性回歸模型區(qū)域之間互相獨(dú)立的前提假設(shè),需要采用空間計(jì)量模型對傳統(tǒng)線性回歸進(jìn)行修正,進(jìn)而實(shí)證分析數(shù)字普惠金融對GML 的影響。為判斷采用何種模型最適合本文的研究,本文進(jìn)行了各類模型選擇的檢驗(yàn),結(jié)果如表5所示。拉格朗日乘數(shù)檢驗(yàn)(LMtest)、似然比檢驗(yàn)(LR-test)以及瓦爾德檢驗(yàn)(Waldtest)均表明SDM 模型比SLM 模型和SEM 模型更加合理。因此,本文應(yīng)選用SDM 模型。Hausman 檢驗(yàn)統(tǒng)計(jì)量為110.75(p=0.00),表明固定效應(yīng)要優(yōu)于隨機(jī)效應(yīng),因此本文主要對固定效應(yīng)空間杜賓模型的回歸結(jié)果進(jìn)行解釋說明,回歸結(jié)果如表6所示。
表5 模型檢驗(yàn)結(jié)果
表6 空間杜賓模型回歸結(jié)果
1.數(shù)字普惠金融指數(shù)。數(shù)字普惠金融的系數(shù)為正且在5%的水平上顯著,說明數(shù)字普惠金融促進(jìn)了農(nóng)業(yè)綠色全要素生產(chǎn)率的提升。數(shù)字普惠金融的發(fā)展緩解了農(nóng)村地區(qū)的融資約束,提高了農(nóng)村地區(qū)金融資源的配置效率,并促進(jìn)了農(nóng)業(yè)技術(shù)創(chuàng)新,從而對農(nóng)業(yè)綠色全要素產(chǎn)生促進(jìn)作用。數(shù)字普惠金融對技術(shù)效率和技術(shù)進(jìn)步均產(chǎn)生了顯著的提升作用,說明數(shù)字普惠金融,既通過縮小“落后者”的“最佳實(shí)踐者差距”,也通過激勵(lì)“領(lǐng)先者”的“最佳實(shí)踐”促進(jìn)了農(nóng)業(yè)綠色全要素生產(chǎn)率的提升。
2.其他變量。人均收入的系數(shù)為正且顯著,說明農(nóng)戶隨著人均收入的提升,將會(huì)購買農(nóng)業(yè)優(yōu)質(zhì)良種和先進(jìn)農(nóng)業(yè)機(jī)械設(shè)備,改進(jìn)農(nóng)業(yè)灌溉等基礎(chǔ)設(shè)備,有利于提升農(nóng)業(yè)綠色全要素生產(chǎn)率;自然災(zāi)害的系數(shù)為負(fù)且顯著,說明自然災(zāi)害導(dǎo)致的損失,減少了農(nóng)業(yè)產(chǎn)量,影響了落后者的“追趕效應(yīng)”或先進(jìn)者的“最佳實(shí)踐”,不利于改善農(nóng)業(yè)綠色全要素生產(chǎn)率;農(nóng)業(yè)人力資本的系數(shù)為正且顯著,說明農(nóng)業(yè)人力資本帶來了農(nóng)業(yè)技術(shù)進(jìn)步,使農(nóng)業(yè)生產(chǎn)前沿面外擴(kuò),是決定生產(chǎn)率長期增長的關(guān)鍵因素。對外開放程度系數(shù)為正且顯著,說明對外開放程度越高,各農(nóng)業(yè)生產(chǎn)單位越容易學(xué)習(xí)到先進(jìn)技術(shù),有利于農(nóng)業(yè)綠色全要素生產(chǎn)率的提升;城鎮(zhèn)化率和工業(yè)化程度均顯著提升了農(nóng)業(yè)綠色全要素生產(chǎn)率,這是由于城鎮(zhèn)化和工業(yè)化的推進(jìn)為農(nóng)業(yè)發(fā)展創(chuàng)造物質(zhì)基礎(chǔ)和產(chǎn)品市場,并持續(xù)地增加對農(nóng)產(chǎn)品質(zhì)量和數(shù)量的需求[4],倒逼農(nóng)業(yè)經(jīng)濟(jì)增長和農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)優(yōu)化,有利于農(nóng)業(yè)綠色全要素生產(chǎn)率的提升。
3.空間滯后變量??臻g自相關(guān)系數(shù)(ρ)為0.179,在5%的水平上顯著,說明省域農(nóng)業(yè)綠色全要素生產(chǎn)率存在空間相關(guān)性,進(jìn)一步證實(shí)采用空間面板模型是合理的。周邊地區(qū)數(shù)字普惠金融的發(fā)展不利于本省份的農(nóng)業(yè)綠色全要素生產(chǎn)率提升,這可能是由于數(shù)字金融發(fā)展水平較高的省份對金融資源產(chǎn)生了“虹吸效應(yīng)”,不利于本地區(qū)對農(nóng)業(yè)的資金支持。周邊省份人均收入、對外開放程度、城鎮(zhèn)化率均提升了本省的農(nóng)業(yè)綠色要素生產(chǎn)率,這主要是由于周邊地區(qū)對農(nóng)業(yè)產(chǎn)品的大量需求促進(jìn)了本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)的增長,同時(shí)頻繁的農(nóng)業(yè)貿(mào)易往來促進(jìn)了農(nóng)產(chǎn)品專業(yè)化生產(chǎn),擴(kuò)大了農(nóng)業(yè)技術(shù)的溢出效應(yīng),有利于促進(jìn)農(nóng)業(yè)綠色全要素生產(chǎn)率的提升。
為進(jìn)一步研究數(shù)字普惠金融發(fā)展影響農(nóng)業(yè)綠色全要素生產(chǎn)率的空間效應(yīng),本文參考已有研究[36],采用偏微分求解方法對數(shù)字普惠金融發(fā)展影響農(nóng)業(yè)綠色全要素生產(chǎn)率的空間效應(yīng)進(jìn)行詳細(xì)分解,結(jié)果如表7所示??梢钥吹綌?shù)字普惠金融指數(shù)的直接效應(yīng)為正,間接效應(yīng)為負(fù),由于間接效應(yīng)絕對值較大,導(dǎo)致總效應(yīng)為負(fù)且顯著,這表明各省份數(shù)字普惠金融的競爭效應(yīng)不利于“落后者”的追趕,金融資源在區(qū)域間的配置不盡合理,應(yīng)進(jìn)一步優(yōu)化金融資源的區(qū)域配置,提高金融資源在各地區(qū)的使用效率,擴(kuò)大金融服務(wù)對農(nóng)業(yè)綠色全要素生產(chǎn)率的邊際效用。其他變量的分解結(jié)果與前文關(guān)于各變量空間滯后項(xiàng)的分析一致。
表7 空間杜賓模型的各變量效應(yīng)分解
為了進(jìn)一步分析數(shù)字金融的哪些維度影響了農(nóng)業(yè)綠色全要素生產(chǎn)率,本文分別對其進(jìn)行空間杜賓模型估計(jì),回歸結(jié)果如表8所示。結(jié)果顯示,數(shù)字普惠金融覆蓋廣度和數(shù)字化程度均促進(jìn)了農(nóng)業(yè)綠色全要素生產(chǎn)率的提升,而數(shù)字普惠金融使用深度的作用并不顯著。覆蓋廣度的增加意味著網(wǎng)絡(luò)支付普及率的提升,數(shù)字金融服務(wù)更易延伸到偏遠(yuǎn)城鎮(zhèn)和農(nóng)村地區(qū),緩解農(nóng)村融資約束,從而促進(jìn)農(nóng)業(yè)綠色全要素生產(chǎn)率的提升。數(shù)字化程度的提高意味著數(shù)字金融與數(shù)字技術(shù)的融合程度以及普惠性程度的提升,說明金融機(jī)構(gòu)通過應(yīng)用大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù)弱化了信息不對稱,使金融服務(wù)更加精準(zhǔn)化,同時(shí)降低了金融資源的利用成本和門檻,使金融服務(wù)更加便利、實(shí)惠,更易發(fā)揮農(nóng)村金融對綠色全要素生產(chǎn)率的促進(jìn)效應(yīng)[4]。數(shù)字普惠金融使用深度并未發(fā)揮作用,這可能是由于農(nóng)戶對各類金融工具的認(rèn)識不足,金融產(chǎn)品使用率較低,難以發(fā)揮金融工具多樣化優(yōu)勢所導(dǎo)致的。
表8 分維度空間杜賓模型回歸結(jié)果
本文的研究結(jié)論表明數(shù)字普惠金融顯著提升了本省的農(nóng)業(yè)綠色全要素生產(chǎn)率,為驗(yàn)證該結(jié)論的可靠性,本文擬通過以下方法進(jìn)行穩(wěn)健性檢驗(yàn):
1.內(nèi)生性處理。盡管本文盡可能控制了影響農(nóng)業(yè)綠色全要素生產(chǎn)率的變量,但可能依然存在遺漏變量所導(dǎo)致的內(nèi)生性問題,并且數(shù)字普惠金融與農(nóng)業(yè)綠色全要素生產(chǎn)率之間可能存在反向因果問題,農(nóng)業(yè)綠色全要素生產(chǎn)率較高的地區(qū)可能更易推動(dòng)數(shù)字普惠金融的發(fā)展。本文采用工具變量法緩解內(nèi)生性,參考易行健等[37]、Bartik[38]的做法,構(gòu)建工具變量“Bartik instrument”,即滯后一階的數(shù)字普惠金融指數(shù)(DIFit-1)和數(shù)字普惠金融指數(shù)一階差分(△DIFit-1)的乘積(DIFit-1×△DIFit-1),該工具變量模擬了在相同的發(fā)展趨勢下,各省數(shù)字普惠金融指數(shù)的預(yù)期值。構(gòu)建此工具變量的考慮如下:第一,全國數(shù)字普惠金融指數(shù)來自30個(gè)?。ň担?,因此其變化趨勢不會(huì)明顯受到單個(gè)省份的影響,差分項(xiàng)相對于單個(gè)省份而言可視作外生。第二,省份綠色全要素生產(chǎn)率可能受到其他未觀測沖擊的影響,但只要這種沖擊沒有影響全國數(shù)字金融指數(shù),該工具變量就是有效的。工具變量法回歸結(jié)果如表9(1)列所示,弱工具變量檢驗(yàn)(C-D Wald F)、不可識別檢驗(yàn)(Anderson LM)、過度識別檢驗(yàn)(Sargan)均拒絕了原假設(shè),表明工具變量的選取是合理的,數(shù)字普惠金融指數(shù)的系數(shù)為0.019,且通過了1%水平的顯著性檢驗(yàn),說明數(shù)字普惠金融推動(dòng)了農(nóng)業(yè)綠色全要素生產(chǎn)率的提升,前文的實(shí)證結(jié)論是穩(wěn)健的。
2.變換空間權(quán)重矩陣。本文分別采用地理距離矩陣和經(jīng)濟(jì)距離矩陣進(jìn)行穩(wěn)健性檢驗(yàn)。其中,地理距離矩陣的非對角線元素采用城市間直線距離的倒數(shù)表示,經(jīng)濟(jì)地理矩陣的非對角線元素則采用各省份年均GDP 差值絕對值的倒數(shù)表示。如表9(2)和(3)列所示,無論采用何種空間權(quán)重矩陣,實(shí)證結(jié)果均表明數(shù)字普惠金融顯著提升了本省的農(nóng)業(yè)綠色全要素生產(chǎn)率,而周邊省份數(shù)字普惠金融的發(fā)展降低了本省農(nóng)業(yè)綠色全要素生產(chǎn)率。因此,前文的實(shí)證結(jié)論是穩(wěn)健的。
表9 穩(wěn)健性檢驗(yàn)
本文在理論上分析了數(shù)字普惠金融對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響機(jī)理,并基于2011—2018年中國30 個(gè)省份的面板數(shù)據(jù),采用ML 指數(shù)法測算了農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù),并基于空間杜賓模型研究了數(shù)字普惠金融對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響。主要結(jié)論如下:
第一,2011—2018年中國農(nóng)業(yè)綠色全要素生產(chǎn)率不斷改善,主要由技術(shù)進(jìn)步推動(dòng)。就地域分布來看,東部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率增長最快,西部地區(qū)次之,而中部地區(qū)出現(xiàn)負(fù)增長。東部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率為“雙驅(qū)”增長模式,西部地區(qū)為技術(shù)效率“單驅(qū)”增長模式,技術(shù)退步是中部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率下降的主要原因。
第二,數(shù)字普惠金融提升了綠色技術(shù)效率,促進(jìn)了綠色技術(shù)進(jìn)步,改善了農(nóng)業(yè)綠色全要素生產(chǎn)率,但數(shù)字普惠金融對農(nóng)業(yè)綠色全要素生產(chǎn)率產(chǎn)生了負(fù)的空間溢出效應(yīng)。數(shù)字普惠金融的分維度回歸結(jié)果表明,數(shù)字金融覆蓋廣度和數(shù)字化程度可促進(jìn)農(nóng)業(yè)綠色全要素生產(chǎn)率提升。
第三,人均收入、農(nóng)村人力資本、對外開放程度、城鎮(zhèn)化率、工業(yè)化程度均與農(nóng)業(yè)綠色全要素生產(chǎn)率呈正相關(guān)關(guān)系,而自然災(zāi)害抑制了農(nóng)業(yè)綠色全要素生產(chǎn)率的提升。
基于本文研究結(jié)論,提供以下政策建議:
第一,完善農(nóng)村數(shù)字基礎(chǔ)設(shè)施建設(shè),發(fā)展數(shù)字普惠金融。注重城鄉(xiāng)統(tǒng)籌發(fā)展,加快“數(shù)字鄉(xiāng)村建設(shè)”,推動(dòng)農(nóng)村地區(qū)4G、5G網(wǎng)絡(luò)通信基礎(chǔ)設(shè)施建設(shè),縮小城鄉(xiāng)數(shù)字鴻溝,提高偏遠(yuǎn)農(nóng)村地區(qū)計(jì)算機(jī)、智能手機(jī)等移動(dòng)終端的普及率,提高農(nóng)村互聯(lián)網(wǎng)普及率并保證寬帶網(wǎng)速,適度降低寬帶和流量費(fèi)用,提高農(nóng)村居民對數(shù)字普惠金融服務(wù)的可得性,為發(fā)展數(shù)字普惠金融提供更好的硬件軟件條件。
第二,優(yōu)化金融資源配置,促進(jìn)農(nóng)業(yè)技術(shù)效率的提升和農(nóng)業(yè)技術(shù)的進(jìn)步??紤]各地區(qū)農(nóng)業(yè)綠色發(fā)展的差異性,優(yōu)化金融資源的區(qū)域配置,提高金融資源在各地區(qū)的使用效率。在中部、西部地區(qū),積極運(yùn)用數(shù)字化技術(shù)引導(dǎo)金融資源流向農(nóng)業(yè)技術(shù)創(chuàng)新活動(dòng),促進(jìn)技術(shù)進(jìn)步和技術(shù)推廣,扭轉(zhuǎn)技術(shù)退步的局面。東部地區(qū)在維持技術(shù)進(jìn)步的同時(shí),應(yīng)積極改進(jìn)農(nóng)業(yè)灌溉設(shè)備,推廣農(nóng)業(yè)機(jī)械設(shè)備,提高農(nóng)業(yè)水利化、機(jī)械化和信息化水平,提升技術(shù)效率水平。
第三,提升數(shù)字普惠金融數(shù)字化程度,促進(jìn)傳統(tǒng)金融與數(shù)字技術(shù)深度融合,弱化信息不對稱和道德風(fēng)險(xiǎn),幫助金融機(jī)構(gòu)準(zhǔn)確把握農(nóng)戶的金融服務(wù)需求,提供更加精準(zhǔn)、實(shí)惠的金融服務(wù),增加供給水平并提升融通效率。
第四,重視區(qū)域視角中數(shù)字普惠金融與農(nóng)業(yè)綠色發(fā)展的空間溢出效應(yīng),在推動(dòng)本地?cái)?shù)字普惠金融發(fā)展的同時(shí),重視鄰省間協(xié)調(diào)發(fā)展,避免因不合理競爭產(chǎn)生的空間負(fù)外部性,合理配置金融資源,大力支持落后地區(qū)數(shù)字普惠金融發(fā)展,加快推進(jìn)金融基礎(chǔ)設(shè)施建設(shè),基于數(shù)字基礎(chǔ)設(shè)施發(fā)揮發(fā)達(dá)地區(qū)與落后地區(qū)互聯(lián)互通的輻射效應(yīng)和帶動(dòng)作用,促進(jìn)數(shù)字普惠金融的協(xié)同發(fā)展,進(jìn)而推動(dòng)農(nóng)業(yè)綠色全要素生產(chǎn)率整體的提高?!?/p>