数字普惠金融对农业全要素生产率的影响

　　摘要：文章使用2011—2018年省级面板数据，实证检验了数字普惠金融对农业全要素生产率的影响，并从数字普惠金融及农业全要素生产率的不同维度进行了深入分析。结果表明，近年来，数字普惠金融的发展有效提升了区域农业全要素生产率，这主要是通过提升农业生产经营活动的技术效率来实现的。分维度看，数字普惠金融的使用深度对农业全要素生产率的提升影响最大，且该效应在东部沿海地区更显著;同时，相对于推动农业技术进步，数字普惠金融对农业生产技术效率的正向影响更大。

　　关键词：数字普惠金融;农业全要素生产率;固定效应面板模型

　　0引言

　　21世纪以来，我国不断推动普惠金融发展，深入推进金融精准扶贫，持续提升农村金融服务水平，有效助力了精准扶贫和农村地区经济社会发展。然而，由于我国长期存在城乡二元经济结构，在经济发展相对落后的农村地区，传统金融机构面临覆盖率相对不足、使用深度有限及便利化程度不高等问题，正规金融服务难以与“三农”发展需求相匹配，导致农村地区存在明显的金融排斥现象。现有文献关于数字普惠金融对农村经济的影响主要从以下三方面展开：

　　第一，数字普惠金融有效降低了金融服务的门槛。由于农村地区经济基础相对薄弱，农民在获取正规金融机构资金支持过程中面临贷款难、抵押难、担保难的问题[1]，导致金融服务门槛高，农业生产经营所需资金无法得到有效满足，进一步阻碍了农村经济发展。数字技术的使用，使得农户可以通过移动互联终端快速获取所需的金融服务，提高了生产效率，缓解了信息不对称，降低了金融服务成本和门槛[2]。

　　第二，数字普惠金融的发展有效缓解了农村地区的金融排斥现象。目前，我国农村地区金融发展面临实质动力不足、资金外流严重及信用体系相对落后等问题，导致农户无法获取所需的金融服务，制约了农业生产经营规模的扩大和新农业技术的投入使用，进而影响农民收入增长[3]。以支付宝和微信支付为代表的新一代移动支付方式，降低了金融服务门槛，使得原有被排斥在正规金融服务外的群体也获得了所需的金融服务。此外，新一代移动支付方式也便利了农村地区征信工作的深入展开，进一步缓解了农村地区金融排斥程度。

　　第三，数字普惠金融通过发挥减贫效应进一步服务农村经济发展。数字普惠金融的发展提高了金融服务效率，使得低收入群体通过低成本的金融服务，拓宽收入渠道，实现脱贫。此外，数字普惠金融的发展也有效缓解了中小企业融资难问题[4]，服务中小企业发展，使得中小企业可以提供更多的就业岗位，缓解了贫困问题。现有文献从降低金融服务门槛、缓解金融排斥和减少贫困等方面阐释了数字普惠金融对农业生产经营的影响及其内在机制。然而，对于数字普惠金融影响农业全要素生产率的影响程度缺乏进一步分析。本文使用2011—2018年省级面板数据，测算农业全要素生产率及其分解项，并构建回归模型深入分析数字普惠金融不同维度的影响异质性和区域异质性。

　　1研究设计

　　1.1数据来源与变量选取

　　本文主要使用2011—2018年我国30个省份(不含西藏和港澳台)的省级面板数据分析数字普惠金融对区域农业全要素生产率的影响。数据主要来源于《中国统计年鉴》。将区域农业全要素生产率作为被解释变量，并将其分解为农业技术效率和农业技术进步两个维度。选取北京大学数字金融研究中心课题组编制的数字普惠金融指数作为核心解释变量。同时，本文使用人均地区生产总值、人力资本存量、产业结构、对外开放程度和城镇化率作为控制变量。

　　(1)因变量。本文使用DEA-Malmquist指数测度的区域农业全要素生产率作为因变量。具体来说，选取各地区以2010年为基期的农林牧渔业总产值作为产出指标。投入指标包括劳动力、土地、农业机械、化肥、灌溉和政府支农力度。具体来说，劳动力用各地区第一产业从业人数代替，土地面积用各地区农作物播种面积代替，农业机械用农业机械总动力代替，化肥投入用化肥施用量代替，灌溉使用耕地灌溉面积代替，政府支农力度使用政府一般公共预算支出中农林水支出占各地区财政支出的比重代替。

　　(2)核心解释变量。本文选取北京大学数字金融研究中心课题组和蚂蚁金服共同编制的数字普惠金融指数作为数字普惠金融的代理变量。该指数按照综合性、均衡性、可比性、连续性和可行性等原则，综合衡量了2011—2018年全国、省、市、县层面的数字普惠金融发展状况[5]。

　　(3)控制变量。为了控制其他因素对区域农业全要素生产率的影响，本文按照现有文献的通常做法，选取区域经济发展水平、产业结构高级化程度、对外开放程度和城镇化水平作为模型的控制变量。其中，区域经济发展水平用各省份人均总产值代替，并以2010年为基期，利用物价指数进行平减;人力资本用劳动年龄人口平均受教育年限代替;产业结构高级化程度使用第三产业比重代替;对外开放程度以各省份外商直接投资额占地区生产总值的比重代替;城镇化水平用各省份常住人口占总人口的比重代替。

　　1.2变量描述性分析及相关性检验

　　2011—2018年，我国农业全要素生产率的均值为1.072，其中最低为0.768，最高为1.271。进一步将农业全要素生产率分解为农业技术进步和农业技术效率后，农业技术进步均值为1.062，高于农业技术效率的均值(1.011)。相较于技术效率的提升，农业技术进步显著推进了农业全要素生产率的提升，数字普惠金融发展水平的均值为188.19。以2018年为例，上海数字普惠金融发展程度最高，达到377.73;甘肃最低，仅为263.12，但较2011年的18.33增加了13.35倍。将其进一步细分为覆盖广度、使用深度和数字支持服务三个维度后，使用深度指数发展水平最高，达到183.53，覆盖广度和数字支持服务程度次之。

　　在控制变量方面，人均产值平均达到52817.83元，产业结构达到45.48%，开放程度平均达到2.03%，城镇化水平平均达到57.11%，地区开放程度和城镇化水平进一步提高，但地区差异仍十分显著。数字普惠金融和农业全要素生产率之间显著正相关。经济发展水平越高、人力资本存量越高、产业结构高级化程度越高、开放程度越高和城镇化水平越高的地区，农业全要素生产率也相对越高。

　　1.3变量平稳性检验

　　为了避免出现“伪回归”，本文使用LLC检验和IPS检验以验证数据是否存在同质面板单位根的和异质面板单位根。模型中选取的变量均平稳，不存在单位根，也不存在协整问题，可以使用面板数据模型进行直接估计。

　　1.4模型设定

　　为实证检验数字普惠金融对农业全要素生产率的影响，本文采用双向固定效应面板数据模型进行估计。影响农业全要素生产率的因素很多，不仅包括可观测到的内部投入和产出要素，也包括农业发展理念、农业新技术使用意愿等不可观测因素。采用双向固定效应面板数据模型可以通过差分的方法，降低不可观测因素对农业全要素生产率的影响，进而提升模型整体的估计效果。

　　2实证分析

　　2.1数字普惠金融对农业全要素生产率的影响Hausman检验的卡方值为128.54(P=0.000)，拒绝原假设，即使用固定效应面板数据模型进行估计，这与本文先验地使用双向固定效应面板数据模型进行估计具有一致性。在固定效应模型和随机效应模型下，数字普惠金融均显著提升区域农业全要素生产率。该结论在控制了省份、时间固定效应后仍显著成立。在固定效应模型下，在控制了其他因素影响后，数字普惠金融发展水平每提升1个单位，区域农业全要素生产率将平均提升0.048个单位。未控制其他变量的影响，将高估数字普惠金融的影响。同样，使用随机效应面板数据模型将高估数字普惠金融对农业全要素生产率的影响。在控制变量中，地区人均生产总值对区域农业全要素生产率有着显著的正向影响。

　　地区人均生产总值每提升1个单位，区域农业全要素生产率将平均提升0.267个单位。人均生产总值的提升意味着社会可以将拥有的更多资本投入到农业生产中，缓解了农业生产的资金约束。研究表明，资本投入对中国经济增长的贡献最大，也是提升全要素生产率的重要途径[6]。人力资本的提升对区域农业全要素生产率有着显著的正向影响。人力资本每提升1个单位，区域农业全要素生产率将平均提升0.126个单位。Benhabib和Spiegel(2005)[7]认为人力资本的提升可以通过影响技术创新能力从而直接影响全要素生产率，此外，人力资本也可以通过技术溢出的吸收能力进而间接影响区域全要素生产率。产业结构升级优化了区域生产资源的配置效率，也显著提升了农业全要素生产率。

　　第三产业比重将提升区域农业全要素生产率。区域开放程度的提高也将显著提升区域农业全要素生产率。区域开放程度的提高，不仅意味着可以吸收更多的国外资本用于经济发展，也意味着可以不断吸收国外更多的新兴技术。区域城镇化水平每提升1个单位，区域农业全要素生产率将平均提升0.003个单位。城镇化水平的提升，意味着更多的农村人口流向城镇。武宵旭等(2019)[8]研究发现，农业过剩劳动力的城镇化流动改善了资源配置效率，实现了全要素生产率的增长，进而推动农业发展质量提升，实现乡村振兴战略。

　　2.2区分数字普惠金融维度

　　北京大学数字普惠金融指数在指标体系设置过程中，同时考虑了数字金融服务的广度、深度和支持服务程度。不仅考虑了数字金融发展的覆盖的区域和群体，也考虑了数字金融的被使用的程度，以更好地反映出数字金融的普惠价值。因此，为了进一步分析数字普惠金融不同维度对农业全要素生产率的影响，本文将数字普惠金融细分为覆盖广度、使用深度和数字支持服务程度。

　　其中，覆盖广度使用支付宝账号数量和链接银行卡的数量来衡量，使用深度用支付业务、货币基金业务、信贷业务、保险业务、投资业务和信用业务综合衡量，数字支持服务程度使用移动化、实惠化、便利化和信用化综合衡量。三个维度的数字普惠金融发展水平均对区域农业全要素生产率起到显著的提升作用。相较于银行、保险公司等传统正规金融机构，数字普惠将金融以其高度覆盖率和使用率，打破传统金融服务提供的时间和空间限制，降低了金融服务门槛，为农业生产经营提供了更多的资金支持。

　　数字普惠金融的使用深度对农业全要素生产率的影响最大。数字普惠金融的使用深度的增加使得农业全要素生产率平均增加了0.065个单位，且通过1%的显著性检验。数字普惠金融通过其支付业务、货币基金业务、支付业务、保险业务、投资业务和信用业务，特别是通过个人消费贷款和小微经营者贷款精准支持农业生产经营活动。数字支持服务每提升1个单位，区域农业全要素生产率将平均提升0.049个单位，数字支持服务以其移动化、实惠化、信用化和便利化的优势，提升农业全要素生产率。数字普惠金融的覆盖广度的增加使得农业全要素生产率平均增加0.038个单位。

　　2.3分解农业全要素生产率

　　本文将区域农业全要素生产率进一步分解，分别验证数字普惠金融是否通过技术进步和技术效率两个路径影响农业全要素生产率，估计结果见下页表6。表6的估计结果表明，数字普惠金融对于提升农业生产技术效率和推动农业技术进步均存在显著的正向影响，且数字普惠金融对于提升农业生产技术效率的影响更大。具体来说，在控制了人均产值等因素影响后，数字普惠金融每提升1个单位，区域农业全要素生产率将平均提升0.059个单位，农业技术进步将平均提升0.041个单位。这主要是因为数字普惠金融的发展以其高覆盖率和使用深度，以及其自身的便利化和数字化优势，缓解了农业生产经营活动的信贷约束，优化了农业生产要素配置。

　　2.4区分区域经济发展水平

　　我国幅员辽阔，不同地区资源禀赋也存在很大不同，其农业技术水平、资本积累、农业劳动力数量及素质以及农业产业配套程度也不同，这将导致数字普惠金融对农业全要素生产率的影响程度存在区域异质性。因此，本文参照国家统计局的分类标准，将我国30个省份划分成东部、中部、西部和东北地区。

　　四大经济区的数字普惠金融均显著提升了区域农业全要素生产率。其中，东部地区的提升效应最显著，对中部地区和东北地区的影响次之，对西部地区农业全要素生产率的影响最低。具体来说，数字普惠金融每提升一个单位，东部地区农业全要素生产率将平均提升0.072个单位，中部地区将平均提升0.054个单位，西部地区将平均提升0.036个单位，东北地区将平均提升0.041个单位。进一步地，考虑到不同开放程度水平下数字普惠金融影响的异质性，本文将我国30个省份按照是否沿海分为沿海和内陆地区。

　　无论是在沿海地区还是内陆地区，数字普惠金融都将显著提升区域农业全要素生产率，但沿海地区农业全要素生产率的提升效应高于内陆地区。具体来说，数字普惠金融每提升1个单位，沿海地区农业全要素生产率将平均提升0.061个单位，而内陆地区农业全要素生产率将平均提升0.042个单位。东部沿海地区的影响高于中西部内陆地区，这不仅是因为东部地区农业全要素生产率发展水平相对较高，也因为沿海地区开放时间早、开放程度也相对较高，居民、政府和企业接受新鲜事物，特别是接受新技术的程度也相对较高，因而数字普惠金融对沿海地区农业全要素生产率的影响也相对较高。

　　3结论与建议

　　近年来，随着移动互联网的普及，移动支付等新型支付手段不断深入生产生活各个环节，实现了数字普惠金融的飞速发展。本文使用省级面板数据模型实证检验了数字普惠金融的发展对区域农业全要素生产率的影响及其异质性。

　　结果表明，2011—2018年，我国数字普惠金融迅速发展，带动了农业全要素生产率的不断提升。这主要是通过提升农业生产经营活动的技术效率来实现，且该效应在东部沿海地区更加明显。其中，数字普惠金融的使用深度对农业全要素生产率的提升效应最为明显。该结论在控制了人均产值、人力资本、产业结构、开放程度和城镇化水平对农业全要素生产率的影响，并区分地区经济发展水平差异后，仍稳健且一致。

　　基于上述分析，为进一步提升农业全要素生产率，政府应增加农村地区数字金融投入力度，加大财政补贴，增强欠发达的农村地区数字普惠金融基础设施建设，帮助更多的农村贫困群体和农村中小微企业获得更多的数字普惠金融服务。同时，也应注重数字普惠金融支持农村经济发展过程中的风险防范机制建设，构建信贷风险联防联控机制，实现金融机构、担保人和担保机构之间的风险共担机制，调动三方积极性，将农村普惠金融的风险控制在合理范围内。

　　参考文献：

　　[1]罗剑朝,庸晖,庞玺成.农地抵押融资运行模式国际比较及其启示[J].中国农村经济,2015,(3).

　　[2]翟项乐.数字普惠金融对农民收入影响的实证分析——以青海省为例[J].上海商业,2020,(9).

　　[3]刘玉春,修长柏.农村金融发展、农业科技进步与农民收入增长[J].农业技术经济,2013,(9).

　　[4]任晓怡.数字普惠金融发展能否缓解企业融资约束[J].现代经济探讨,2020,(10).

　　[5]郭峰,王靖一,王芳,等.测度中国数字普惠金融发展:指数编制与空间特征[J].经济学(季刊),2020,19(4).

　　[6]许宪春,张钟文,常子豪,等.中国分行业全要素生产率估计与经济增长动能分析[J].世界经济,2020,43(2).

　　[7]BenhabibJ,SpiegelM.Chapter13HumanCapitalandTechnologyDiffusion[J].HandbookofEconomicGrowth,2005,(1).

　　[8]武宵旭,葛鹏飞,徐璋勇.城镇化与农业全要素生产率提升:异质性与空间效应[J].中国人口·资源与环境,2019,29(5).

　　作者：刘艳

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/28725.html