秦佳慧（貴州大學(xué)）

一、引言

改革開放以來，中國農(nóng)業(yè)發(fā)展取得巨大成就。根據(jù)2022年《中國農(nóng)村統(tǒng)計年鑒》數(shù)據(jù)顯示，我國糧食總產(chǎn)量已由1978年的30477萬噸上升至2021年68285萬噸，農(nóng)業(yè)經(jīng)濟(jì)實(shí)現(xiàn)飛速增長。但是現(xiàn)階段的農(nóng)業(yè)發(fā)展仍然受到多方面限制。[1]黨的二十大報告指出，建設(shè)農(nóng)業(yè)強(qiáng)國，必須加快轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式，更加重視和依靠科技進(jìn)步，走內(nèi)涵式發(fā)展道路，提高農(nóng)業(yè)全要素生產(chǎn)率。由此可見，農(nóng)業(yè)全要素生產(chǎn)率的提升已成為農(nóng)業(yè)高質(zhì)量發(fā)展的新動能，是決定我國農(nóng)業(yè)長期穩(wěn)步增長的關(guān)鍵因素。

雖然目前學(xué)界在農(nóng)業(yè)全要素生產(chǎn)率分析上已經(jīng)取得了相對豐富的研究成果，但是鮮少有研究分析數(shù)字金融對其的影響，且測算方式多采用隨機(jī)前沿分析，但該方法依賴于參數(shù)估計，生產(chǎn)函數(shù)由研究中主觀設(shè)定，而數(shù)據(jù)包絡(luò)分析更適用于多投入多產(chǎn)出的生產(chǎn)效益評價，[2]因此，首先采用數(shù)據(jù)包絡(luò)分析了各省份不同時期農(nóng)業(yè)全要素生產(chǎn)率及其分解內(nèi)容，利用空間計量模型討論其空間溢出效應(yīng)，為我國農(nóng)業(yè)加速實(shí)現(xiàn)現(xiàn)代化轉(zhuǎn)型提供參考。剔除西藏、港澳臺和直轄市樣本，最終選取了2012—2020年中國26個省份的數(shù)據(jù)，個別缺失變量采取線性插值法進(jìn)行預(yù)測補(bǔ)全，對相關(guān)變量作對數(shù)處理，對連續(xù)變量進(jìn)行Winsorize雙側(cè)縮尾處理。數(shù)據(jù)來源于《中國農(nóng)村統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》和北京大學(xué)互聯(lián)網(wǎng)研究中心發(fā)布的《數(shù)字金融普惠金融指數(shù)》。

二、理論分析與研究假說

農(nóng)業(yè)全要素生產(chǎn)率衡量的是在生產(chǎn)過程中，除了物質(zhì)、勞動、資本投入以外其他因素對生產(chǎn)效率的影響，常包括農(nóng)業(yè)技術(shù)進(jìn)步和農(nóng)業(yè)技術(shù)效率等。數(shù)字金融的發(fā)展可以通過緩解資金約束和提升資源配置效率提高農(nóng)業(yè)全要素生產(chǎn)率。相較于傳統(tǒng)金融服務(wù)，數(shù)字金融能夠利用數(shù)字技術(shù)擺脫在時間和空間上的限制。首先，農(nóng)村人群分布較散，傳統(tǒng)金融業(yè)務(wù)受到地域限制，覆蓋范圍難以向外擴(kuò)張，而大數(shù)據(jù)與金融創(chuàng)新產(chǎn)品相結(jié)合能夠突破傳統(tǒng)金融的局限，為更多農(nóng)戶生產(chǎn)經(jīng)營活動提供資金支持。數(shù)字化的業(yè)務(wù)辦理模式簡化了申請和審批過程，使農(nóng)戶獲得資金更加高效便利，能夠更大程度地滿足農(nóng)戶生產(chǎn)性資金需求。其次，傳統(tǒng)金融業(yè)務(wù)要求借貸時需要足夠的抵押物和征信背景，由于農(nóng)業(yè)市場信息不對等和農(nóng)村個人信息的不透明，導(dǎo)致傳統(tǒng)金融機(jī)構(gòu)無法準(zhǔn)確判斷借貸風(fēng)險，所以為了降低成本，金融機(jī)構(gòu)往往更愿意向大型企業(yè)提供信貸服務(wù)，不愿在農(nóng)村地區(qū)開展金融業(yè)務(wù)。但是在大數(shù)據(jù)等信息技術(shù)加持下，通過對農(nóng)戶征信數(shù)據(jù)進(jìn)行全方位收集和整理，金融機(jī)構(gòu)能更加準(zhǔn)確把握農(nóng)戶的預(yù)期還款能力和服務(wù)需求，降低信息不對稱導(dǎo)致的道德風(fēng)險，為客戶提供更加精準(zhǔn)的金融資源。數(shù)字金融利用互聯(lián)網(wǎng)開展作業(yè)節(jié)省了機(jī)構(gòu)自身的運(yùn)營成本，同時也間接降低了借款人的成本壓力。

因此，提出假說：數(shù)字金融能夠提升農(nóng)業(yè)全要素生產(chǎn)率。

三、研究設(shè)計

（一）變量選取

被解釋變量：農(nóng)業(yè)全要素生產(chǎn)率。從產(chǎn)出和投入兩個層面進(jìn)行測算，具體地選取農(nóng)林牧漁總產(chǎn)值作為產(chǎn)出變量，用勞動力、土地、水資源、機(jī)械、化肥、農(nóng)膜、農(nóng)藥和柴油投入作為投入變量?？紤]到利用參數(shù)法進(jìn)行估計時，會因?yàn)楹瘮?shù)設(shè)定不同導(dǎo)致在實(shí)際操作過程中出現(xiàn)較大誤差，所以利用DEAP 2.1軟件構(gòu)建DEA-Malmquist指數(shù)來測算農(nóng)業(yè)全要素生產(chǎn)率。

解釋變量：數(shù)字金融發(fā)展水平。用北京大學(xué)數(shù)字金融研究中心和螞蟻科技集團(tuán)組成的聯(lián)合課題組編制的省級層面普惠金融指數(shù)來衡量。[3]

控制變量：人力資本，用鄉(xiāng)村高中及以上學(xué)歷占15歲以上人口比重表示；農(nóng)村基礎(chǔ)設(shè)施建設(shè)，用鄉(xiāng)鎮(zhèn)衛(wèi)生院數(shù)量表示；農(nóng)村收入水平，用農(nóng)村居民人均可支配收入表示；農(nóng)業(yè)財政支出，用地方公共預(yù)算農(nóng)林水支出表示；城鎮(zhèn)化，用城鎮(zhèn)化率表示。

（二）模型設(shè)計

由于經(jīng)濟(jì)個體并非單獨(dú)存在，所以省份與省份之間的數(shù)字普惠金融發(fā)展息息相關(guān)，因此在分析數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響時，應(yīng)該考慮數(shù)字普惠金融的空間依賴性。設(shè)定空間誤差模型探究數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響，具體模型如下：

W為空間權(quán)重矩陣，本文使用的是鄰接權(quán)重矩陣。λ為自相關(guān)系數(shù)，vit是隨機(jī)擾動項(xiàng)。

四、實(shí)證結(jié)果及分析

（一）農(nóng)業(yè)全要素生產(chǎn)率測算

利用DEA-Malmquist指數(shù)測算農(nóng)業(yè)全要素生產(chǎn)率、技術(shù)效率、技術(shù)進(jìn)步、累積效率變動和規(guī)模效率變動。由于本文篇幅有限，僅列舉出東、西、中部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率及其分解的均值，具體結(jié)果見表1。在樣本期間內(nèi)，西部地區(qū)農(nóng)業(yè)全要素增長率最高，其次是東部地區(qū)，中部地區(qū)最低。東部地區(qū)和中部地區(qū)的全要素生產(chǎn)率增長都得益于技術(shù)進(jìn)步，而西部地區(qū)是在技術(shù)進(jìn)步和效率提升的同時作用下實(shí)現(xiàn)全要素生產(chǎn)率增長。

表1 2012—2020年農(nóng)業(yè)全要素生產(chǎn)率及其分解項(xiàng)

（二）空間計量模型

1.空間自相關(guān)檢驗(yàn)

利用鄰接權(quán)重矩陣和指數(shù)對各省數(shù)字金融發(fā)展進(jìn)行空間自相關(guān)檢驗(yàn)，數(shù)字金融的指數(shù)都在1%的水平下顯著為正，說明該變量存在空間正相關(guān)，呈現(xiàn)出“高高聚集”和“低低聚集”，因此有必要從空間角度進(jìn)行分析。

2.空間模型實(shí)證結(jié)果

采用豪斯曼檢驗(yàn)法發(fā)現(xiàn)，模型P值為0.001，意味著在1%的顯著水平上拒絕原假設(shè)，故選擇固定效應(yīng)模型。拉格朗日（LM）檢驗(yàn)中，LM-erro和穩(wěn)健性LM-erro檢驗(yàn)都在1%水平上顯著，但LM-lag和穩(wěn)健性LM-lag檢驗(yàn)都不顯著，借鑒Anselin和Florax（1995）[4]的評判標(biāo)準(zhǔn)，選擇空間誤差模型（SEM）進(jìn)行實(shí)證檢驗(yàn)。表2結(jié)果顯示，數(shù)字金融的發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的提高有顯著空間溢出效應(yīng)，1%的水平上，數(shù)字金融有利于技術(shù)效率和累積效率提升，但是對技術(shù)進(jìn)步和規(guī)模效率變動影響不大。

表2 空間誤差模型回歸結(jié)果

3.穩(wěn)健性檢驗(yàn)

使用數(shù)字金融覆蓋廣度和數(shù)字金融使用深度作為解釋變量的替代變量，結(jié)果顯示，數(shù)字金融覆蓋廣度和使用深度分別在10%和5%的顯著水平上促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率提高。穩(wěn)健性估計結(jié)果與基準(zhǔn)回歸結(jié)果不存在顯著差異，本文的研究結(jié)論依然成立。

五、結(jié)論與建議

（一）研究結(jié)論

首先基于2012—2020年中國26個省、自治區(qū)的面板數(shù)據(jù)利用DEAP2.1測算農(nóng)業(yè)全要素生產(chǎn)率及其分解項(xiàng)，之后采用OLS、系統(tǒng)GMM和空間計量模型，通過Stata16.1軟件分析得出：首先，數(shù)字金融可以顯著促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率的提升，在更換變量后該結(jié)論依然成立。其次，數(shù)字金融發(fā)展具有空間自相關(guān)性，各省份的數(shù)字金融發(fā)展水平受相鄰省份影響。最后，數(shù)字金融主要通過提升技術(shù)效率和累積效率來提升全要素生產(chǎn)率，對技術(shù)進(jìn)步和規(guī)模效率提升作用不顯著。

（二）政策建議

基于上文提出以下政策啟示：一是持續(xù)發(fā)揮數(shù)字金融對農(nóng)業(yè)全要素生產(chǎn)率的積極影響，加大對農(nóng)村數(shù)字金融發(fā)展的支持。一方面，通過政策傾斜推動農(nóng)村數(shù)字金融發(fā)展，尤其著力提升數(shù)字金融覆蓋廣度和數(shù)字金融使用深度；另一方面，地方政府應(yīng)加快完善鄉(xiāng)村數(shù)字化建設(shè)，提升農(nóng)村地區(qū)數(shù)字終端的普及率。二是要建立精準(zhǔn)動態(tài)化、差異化的扶持機(jī)制，根據(jù)不同地區(qū)的發(fā)展差異，因地制宜構(gòu)建地區(qū)數(shù)字金融發(fā)展體系。促進(jìn)省際間交流，充分發(fā)揮數(shù)字金融對農(nóng)業(yè)全要素生產(chǎn)率的空間溢出效應(yīng)，推動農(nóng)業(yè)現(xiàn)代化轉(zhuǎn)型。