董思源　劉絲雨　宋曉

摘要：鄉(xiāng)村振興戰(zhàn)略下，數(shù)字普惠金融對推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化發(fā)揮著重要作用。文章采用數(shù)據(jù)包絡(luò)分析（DEA）模型，定量評估2015-2021年山東省16市農(nóng)村地區(qū)數(shù)字普惠金融的效率及Malmquist指數(shù)。同時利用面板Tobit模型對影響數(shù)字普惠金融效率的因素進(jìn)行分析，以探討數(shù)字普惠金融與農(nóng)村經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)聯(lián)性。研究結(jié)果表明，山東省農(nóng)村地區(qū)的數(shù)字普惠金融綜合效率狀況基本穩(wěn)定，數(shù)字普惠金融全要素生產(chǎn)率在樣本期間未實現(xiàn)改善；農(nóng)業(yè)發(fā)展水平等要素與數(shù)字普惠金融效率顯著正相關(guān)，城鄉(xiāng)收入差距及城鎮(zhèn)化水平等與數(shù)字普惠金融效率顯著負(fù)相關(guān)。

關(guān)鍵詞：鄉(xiāng)村振興戰(zhàn)略；數(shù)字普惠金融效率；DEA-Malmquist-Tobit模型

一、引言

近年來，數(shù)字普惠金融的概念引起研究人員和政策制定者的高度關(guān)注，越來越多的共識認(rèn)為，數(shù)字普惠金融是促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展的關(guān)鍵因素，它使農(nóng)民能夠投資獲得新的生產(chǎn)技術(shù)，購買先進(jìn)的農(nóng)業(yè)設(shè)備和優(yōu)質(zhì)的種子、化肥和農(nóng)藥，擴(kuò)大生產(chǎn)經(jīng)營。

山東省是我國傳統(tǒng)的農(nóng)業(yè)大省，“十四五”時期，山東省始終把“三農(nóng)”工作作為重中之重。在普惠金融發(fā)展方面，2017年，山東在全國率先出臺《關(guān)于推進(jìn)普惠金融發(fā)展的實施意見》，系列政策措施相繼實施。但截至目前，山東省數(shù)字普惠金融發(fā)展仍有缺陷。一方面，“金融排斥”“二八定律”問題加劇了經(jīng)濟(jì)弱勢群體及城鄉(xiāng)之間的數(shù)字非均衡水平；另一方面，山東省16市農(nóng)村發(fā)展不統(tǒng)一，導(dǎo)致數(shù)字普惠金融發(fā)展不均衡。因此，山東省應(yīng)作出相應(yīng)舉措。

由此可得，通過對數(shù)字普惠金融的綜合效率、變化趨勢以及影響因素的深度探討和剖析，我們能夠更好地理解和利用其在減少城鄉(xiāng)收入不均、推動城鄉(xiāng)融合發(fā)展以及實現(xiàn)鄉(xiāng)村振興等方面的重要作用，也證明了本課題在理論和實踐上都具有現(xiàn)實意義。

二、山東省數(shù)字普惠金融效率測度

（一）效率測度方法

數(shù)據(jù)包絡(luò)分析（DEA）是一種非參數(shù)線性規(guī)劃方法，適用于衡量多投入和多產(chǎn)出情況下決策單元（DMU）的相對效率。DEA模型使用一種數(shù)學(xué)方法來評估DMU的表現(xiàn)，并確定有效邊界，即數(shù)據(jù)集中表現(xiàn)最好的單位。

在量化數(shù)字普惠金融效率時，通?？梢越柚鷥煞N數(shù)據(jù)包絡(luò)分析模型：CCR模型與BCC模型。與CCR模型相比，BCC模型的應(yīng)用范圍更廣，因為它不再堅持規(guī)模報酬恒定的假設(shè)，能在投入和產(chǎn)出之間存在非比例關(guān)系時使用。

由于本文決策單元沒有以其最佳規(guī)模運(yùn)行，且不以研究數(shù)字普惠金融產(chǎn)出最大為目的，因此選擇投入導(dǎo)向型BCC模型對數(shù)字普惠金融效率進(jìn)行測度。同時，為對不同時期山東省農(nóng)村數(shù)字普惠金融效率進(jìn)行動態(tài)分析，引入DEA分析中的Malmquist指數(shù)。Malmquist指數(shù)是根據(jù)兩個不同時期每個觀察點與有效前沿距離的比率來計算的，如果該指數(shù)大于1，說明全要素生產(chǎn)率有所提高，如果小于1，說明全要素生產(chǎn)率有所退步。

（二）指標(biāo)確認(rèn)及數(shù)據(jù)來源

運(yùn)用數(shù)據(jù)包絡(luò)分析方法對山東省16市農(nóng)村地區(qū)數(shù)字普惠金融效率進(jìn)行測度，關(guān)鍵在于確定合適的投入和產(chǎn)出指標(biāo)。在綜合考慮山東省農(nóng)村金融相關(guān)數(shù)據(jù)的可獲得性、一致性及科學(xué)性的基礎(chǔ)上，依據(jù)北京大學(xué)數(shù)字普惠金融指數(shù)，投入指標(biāo)選取了數(shù)字普惠金融覆蓋廣度、使用深度、信貸及數(shù)字化水平指標(biāo)；產(chǎn)出指標(biāo)選取了農(nóng)村居民收入和消費(fèi)水平指標(biāo)，具體變量描述如表1所示。

本文的關(guān)注對象為山東省16個地級市的農(nóng)村地區(qū)，考察的時間范圍為2015-2021年。指標(biāo)相關(guān)數(shù)據(jù)分別來源于《北京大學(xué)數(shù)字普惠金融指數(shù)（2011-2021年）》、山東省統(tǒng)計年鑒。在處理產(chǎn)出指標(biāo)時，本文以2015年為基準(zhǔn)，對農(nóng)村居民人均可支配收入和人均消費(fèi)性支出進(jìn)行了平減處理，以剔除價格因素的影響。

（三）實證結(jié)果分析

首先，對山東省農(nóng)村數(shù)字普惠金融效率進(jìn)行靜態(tài)分析。本文采用DEA-BCC模型作為基礎(chǔ)框架，使用Deap2.1軟件對2015-2021年山東省16市農(nóng)村地區(qū)的數(shù)字普惠金融效率進(jìn)行測算，結(jié)果如表2所示。

由表2可知，從時間序列上，多數(shù)城市的綜合效率值在2015-2021年間并無顯著波動，或者說波動幅度較小，表明這些地區(qū)的綜合效率狀況基本穩(wěn)定。然而，有些城市如棗莊市和聊城市的綜合效率值在此期間出現(xiàn)了輕微下滑，這可能意味著這些地區(qū)存在一定的經(jīng)濟(jì)問題亟待解決。

從空間分布來看，青島、煙臺和威海在整個樣本期都保持著1的綜合效率值，這意味著這些地區(qū)在這段時間內(nèi)表現(xiàn)出較高的效率。相反，像臨沂這樣的地區(qū)，平均效率為0.74，表明效率水平較低，有潛在的效率提高空間。

其次，對山東省農(nóng)村數(shù)字普惠金融效率進(jìn)行動態(tài)分析。本文運(yùn)用DEA分析中的Malmquist模型，通過Deap2.1軟件對2015-2021年山東省16市農(nóng)村地區(qū)的Malmquist指數(shù)進(jìn)行測算，分析不同年份的效率變動情況。山東省16市農(nóng)村地區(qū)的Malmquist指數(shù)及其分解如表3所示。

由表3可知，山東省16市農(nóng)村地區(qū)在2015-2021年期間的Malmquist指數(shù)的均值為0.969，該數(shù)值小于1，說明在樣本期間山東省農(nóng)村地區(qū)的全要素生產(chǎn)率未實現(xiàn)提升。在這16個城市中，技術(shù)效率變化的均值為0.994，純技術(shù)效率變化的均值為1.000，規(guī)模效率變化的均值為0.994，技術(shù)效率和規(guī)模效率整體變化不大。而技術(shù)進(jìn)步的均值為0.974，顯示這一時期內(nèi)的技術(shù)水平出現(xiàn)了下降。因此，未能實現(xiàn)全要素生產(chǎn)率的提升主要是由于技術(shù)進(jìn)步速度較慢，這暗示了山東省農(nóng)村地區(qū)的科技發(fā)展速度和技術(shù)應(yīng)用程度需要進(jìn)一步提高。

具體到各個市，淄博市、濰坊市和菏澤市在技術(shù)效率變化上有所提升，而聊城市和棗莊市等的技術(shù)效率則有所下降。純技術(shù)效率方面，大多數(shù)城市保持穩(wěn)定，日照市、淄博市略微提升。在規(guī)模效率變化上，濰坊市和菏澤市表現(xiàn)出一定的提升。而從技術(shù)進(jìn)步的角度看，所有城市在樣本期間均有所下降。其中，臨沂市和德州市的技術(shù)進(jìn)步下降最為明顯，這可能也使這兩個市的全要素生產(chǎn)率相對較低。

三、山東省農(nóng)村地區(qū)數(shù)字普惠金融效率的影響因素分析

（一）Tobit模型建立

在上述測算過程結(jié)束后，本文以山東省16市農(nóng)村數(shù)字普惠金融綜合效率指數(shù)為被解釋變量，構(gòu)建引入解釋變量，對山東省普惠金融效率的影響因素進(jìn)行實證分析。

由于DEA-BCC模型得出的數(shù)字普惠金融效率值位于0和1之間，使得被解釋變量具有界限。為避免回歸誤差，需要采用面板Tobit模型進(jìn)行數(shù)據(jù)的合并回歸，以實現(xiàn)更精確的結(jié)果分析。本文擬選取以下六個變量為解釋變量建立Tobit模型。

1. 農(nóng)業(yè)發(fā)展水平。農(nóng)業(yè)在農(nóng)村地區(qū)扮演著重要角色，如果一個地區(qū)農(nóng)業(yè)發(fā)展良好，那么農(nóng)戶可能會更傾向于使用金融服務(wù)來進(jìn)行生產(chǎn)和銷售活動，例如貸款購買設(shè)備或種子，或使用數(shù)字支付平臺來進(jìn)行銷售，這可能會提高數(shù)字普惠金融的效率。本文選擇人均農(nóng)林牧漁產(chǎn)值衡量農(nóng)業(yè)發(fā)展水平。

2. 政府惠農(nóng)程度。政府在農(nóng)村地區(qū)的投入和支持對農(nóng)村金融的發(fā)展和效率有重要影響。政府可實施有益的金融政策、提供職業(yè)技能培訓(xùn)和教育機(jī)會，以及改善基礎(chǔ)設(shè)施，提高農(nóng)村地區(qū)的數(shù)字金融普惠性服務(wù)質(zhì)量。因此，政府惠農(nóng)程度可能會對農(nóng)村地區(qū)數(shù)字普惠金融的效率產(chǎn)生正相關(guān)影響。本文選擇地方財政農(nóng)林水事務(wù)支出占一般公共預(yù)算支出的比重衡量政府惠農(nóng)程度。

3. 互聯(lián)網(wǎng)發(fā)展程度?；ヂ?lián)網(wǎng)是數(shù)字金融的基礎(chǔ)，互聯(lián)網(wǎng)的發(fā)展水平可能會對農(nóng)村地區(qū)的數(shù)字普惠金融效率產(chǎn)生顯著影響。如果一個地區(qū)的互聯(lián)網(wǎng)覆蓋率高，網(wǎng)絡(luò)質(zhì)量好，那么這個地區(qū)的居民能更容易接觸和使用數(shù)字金融服務(wù)?；跀?shù)據(jù)的可得性，本文選擇山東省農(nóng)村地區(qū)互聯(lián)網(wǎng)寬帶接入用戶數(shù)衡量互聯(lián)網(wǎng)發(fā)展程度。

4. 人口對教育的重視程度。教育水平對于理解和利用金融服務(wù)有重要作用，如果農(nóng)村地區(qū)的人口對教育重視程度較高，他們理解和使用金融產(chǎn)品的能力可能會更強(qiáng)，從而提高普惠金融效率。反之，如果對教育重視程度較低，可能會導(dǎo)致金融知識和技能的不足，致使普惠金融的效率降低。本文選擇農(nóng)村居民教育支出占消費(fèi)總支出的比重衡量人口對教育的重視程度。

5. 城鄉(xiāng)收入差距。城鄉(xiāng)收入差距反映的是經(jīng)濟(jì)發(fā)展的平衡性和公平性問題，由于金融排斥現(xiàn)象的存在，如果城鄉(xiāng)收入差距過大，農(nóng)村地區(qū)的金融需求可能會被忽視，金融服務(wù)提供者會更傾向于服務(wù)城市人口，這可能會降低普惠金融效率。本文參考了王少平，歐陽志剛的研究，選擇城鄉(xiāng)收入差距的泰爾指數(shù)衡量城鄉(xiāng)收入差距。

6. 城市化水平。城市化水平的提高可能對數(shù)字金融效率產(chǎn)生混合影響。一方面，如果城市化給農(nóng)村地區(qū)帶來基礎(chǔ)設(shè)施的發(fā)展，就可以改善金融服務(wù)的獲取。另一方面，如果城市化導(dǎo)致農(nóng)村地區(qū)人口減少，剩下的農(nóng)村人口可能會更加缺乏金融服務(wù)。本文選擇年末城鎮(zhèn)人口占總?cè)丝诘谋戎睾饬砍鞘谢健?/p>

各變量如表4所示。

本文以2015年為基期，對人均農(nóng)林牧漁產(chǎn)值進(jìn)行平減處理，以消除價格因素的影響。同時，為了降低模型中數(shù)據(jù)的異方差性，對人均農(nóng)林牧漁產(chǎn)值和農(nóng)村互聯(lián)網(wǎng)寬帶接入用戶數(shù)進(jìn)行了對數(shù)轉(zhuǎn)換。

數(shù)字普惠金融效率影響因素的面板Tobit模型為：

Yit=α+β1lnX1it+β2X2it+β3lnX3it+β4X4it+β5X5it+β6X6it+μi+εit

β為各變量待估參數(shù)，i代表山東省不同的地級市，t代表不同年份。

（二）實證分析

由于本文選取的解釋變量之間可能存在高度的關(guān)聯(lián)性，使得區(qū)別各變量對農(nóng)村地區(qū)數(shù)字普惠金融效率獨(dú)立貢獻(xiàn)的難度增大、模型預(yù)估結(jié)果與真實值產(chǎn)生偏誤，進(jìn)而影響結(jié)果的準(zhǔn)確性。因此，本文使用多重共線性檢驗以對各變量進(jìn)行分析，運(yùn)用Stata16.0軟件計算變量間的方差膨脹因子（VIF），具體的結(jié)果如表5所示。

由表5可知，各變量的VIF值均在10以內(nèi)，可判定不存在多重共線性，指標(biāo)選取合理。

接下來對模型進(jìn)行驗證。在LR檢驗中，P值為0，意味著存在個體效應(yīng)，表明應(yīng)采用面板Tobit回歸的隨機(jī)效應(yīng)模型。同時，在Hausman檢驗中，P值為0.4605，足以接受原假設(shè)。因此，綜合LR檢驗和Hausman檢驗結(jié)果，本文選定使用隨機(jī)效應(yīng)的面板Tobit回歸模型?；貧w結(jié)果如表6所示。

由表6可知，前文的解釋變量均對數(shù)字普惠金融效率有顯著影響。

農(nóng)業(yè)發(fā)展水平、政府惠農(nóng)程度、人口對教育的重視程度對農(nóng)村數(shù)字普惠金融效率具有顯著的正向影響，這與前文的假設(shè)一致。說明隨著農(nóng)業(yè)發(fā)展水平的不斷提高，政府積極推行支農(nóng)惠農(nóng)政策，居民熱情學(xué)習(xí)金融知識，能顯著提升數(shù)字普惠金融的效率。

互聯(lián)網(wǎng)發(fā)展程度、城鄉(xiāng)收入差距、城市化水平對農(nóng)村數(shù)字普惠金融效率具有顯著的負(fù)向影響。其中，互聯(lián)網(wǎng)發(fā)展程度的負(fù)向影響與前文預(yù)期存在偏差，依據(jù)任海軍等學(xué)者的觀點，可能是因為農(nóng)村地區(qū)的中老年人受教育程度相對較低，導(dǎo)致對互聯(lián)網(wǎng)的學(xué)習(xí)和使用方面有一定難度，無法充分發(fā)揮互聯(lián)網(wǎng)的效用。也可能是互聯(lián)網(wǎng)發(fā)展程度較高的地區(qū)有更多的機(jī)會獲得傳統(tǒng)金融服務(wù)，從而減少對數(shù)字金融服務(wù)的依賴。

四、政策建議

結(jié)合實證分析結(jié)果，本文對山東省農(nóng)村地區(qū)提升數(shù)字普惠金融效率有以下建議。

一是強(qiáng)化農(nóng)業(yè)支持及基礎(chǔ)設(shè)施建設(shè)。為深入推進(jìn)鄉(xiāng)村振興戰(zhàn)略，政府需不斷增強(qiáng)其財政補(bǔ)助農(nóng)業(yè)發(fā)展的力度，提升對農(nóng)業(yè)的關(guān)注程度。應(yīng)積極推行先進(jìn)的農(nóng)業(yè)技術(shù)，優(yōu)化農(nóng)業(yè)資本融資效率，以刺激農(nóng)業(yè)經(jīng)濟(jì)的高質(zhì)量發(fā)展。同時，需繼續(xù)加強(qiáng)農(nóng)村基礎(chǔ)設(shè)施建設(shè)，尤其在確保優(yōu)質(zhì)的互聯(lián)網(wǎng)連接和電力供應(yīng)上下更大功夫，從而更好地推動數(shù)字普惠金融的發(fā)展。

二是加大對教育及數(shù)字技能的投資。實證結(jié)果表明，教育在推動數(shù)字普惠金融方面具有不可忽視的作用。政府應(yīng)保障農(nóng)村地區(qū)的教育質(zhì)量，將數(shù)字技能和金融素養(yǎng)深入融入正規(guī)教育以及社區(qū)教育項目之中，舉辦定期的數(shù)字普惠金融知識推廣活動，旨在全方位地提升農(nóng)村居民的金融知識水平，為鄉(xiāng)村振興提供堅實的人才支撐。

三是緩解社會經(jīng)濟(jì)差距。鑒于城鄉(xiāng)收入差距和城市化水平對數(shù)字普惠金融效率產(chǎn)生的負(fù)面影響，政府應(yīng)致力于減少收入的不平等，同時在城市化進(jìn)程中注意平衡，以確保不忽視農(nóng)村地區(qū)的融資需求，持續(xù)保證和提升農(nóng)村的金融及互聯(lián)網(wǎng)服務(wù)。

四是推動技術(shù)創(chuàng)新?？紤]到全要素生產(chǎn)率的增長已然受到技術(shù)進(jìn)步速度緩慢的約束，進(jìn)展變得滯緩，政府有必要激勵與農(nóng)村數(shù)字金融相關(guān)的技術(shù)創(chuàng)新。應(yīng)鼓勵科技公司開發(fā)適合農(nóng)村實際需求的科學(xué)技術(shù)，并促使農(nóng)村金融機(jī)構(gòu)和居民采納這些創(chuàng)新技術(shù)。同時，加快推進(jìn)農(nóng)村金融服務(wù)的數(shù)字化和人工智能集成，從而提升農(nóng)村互聯(lián)網(wǎng)金融的覆蓋面積和服務(wù)效率。

參考文獻(xiàn)：

[1]Li H，Shi Y，Zhang J，Zhang Z，Zhang Z，et al.Digital inclusive finance & the high-quality agricultural development： Prevalence of regional heterogeneity in rural China[J].PLOS ONE，2023，18（03）：42-65.

[2]郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)季刊，2020，19（04）：1401-1418.

[3]王少平，歐陽志剛.我國城鄉(xiāng)收入差距的度量及其對經(jīng)濟(jì)增長的效應(yīng)[J].經(jīng)濟(jì)研究，2007，42（10）：44-55.

[4]任海軍，王藝璇.鄉(xiāng)村振興戰(zhàn)略下的西部數(shù)字普惠金融效率測度及影響因素研究[J].蘭州大學(xué)學(xué)報（社會科學(xué)版），2021，49（05）：40-48.

＊本文為山東省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目“鄉(xiāng)村振興戰(zhàn)略下山東省農(nóng)村普惠金融效率測度與影響因素的實證分析”研究成果（編號：S202210451066）。

（作者單位：魯東大學(xué)）