普惠金融對農業生產效率的影響研究

摘要 根據2011—2020年長江經濟帶普惠金融和農業生產的面板數據，首先運用BCC模型對該經濟帶各?。ㄊ校┑霓r業生產效率進行測算，之后運用Tobit模型分析普惠金融對農業生產效率的影響。結果表明：①長江經濟帶整體農業生產綜合技術效率、純技術效率和規模效率未達到整體有效，且表現出曲折發展的趨勢。各?。ㄊ校┲?，上海市、浙江省各年均達到了完全有效，安徽省、江蘇省效率均值要明顯低于其余?。ㄊ校?。②普惠金融總指數對農業生產綜合技術效率、純技術效率、規模效率有顯著的正向影響，覆蓋廣度指數對農業生產綜合技術效率、純技術效率、規模效率有顯著的正向影響，使用深度指數對農業生產綜合技術效率和純技術效率有顯著的正向影響，對規模效率的正向影響不顯著。

關鍵詞 普惠金融；農業生產效率；BCC模型；Tobit模型；長江經濟帶

中圖分類號 S-9 ??文獻標識碼 A? 文章編號 0517-6611（2023）07-0221-05

doi：10.3969/j.issn.0517-6611.2023.07.051

Study on the Impact of Inclusive Finance on Agricultural Production Efficiency—Taking the Yangtze River Economic Belt as an Example

YUAN Gui-hong

（Economics and Management School of Yangtze University， Jingzhou， Hubei 434023）

Abstract Based on the panel data of inclusive finance and agricultural production in the Yangtze River economic belt from 2011 to 2020， this paper first uses BCC model to calculate the agricultural production efficiency of provinces （cities） in the economic belt， and then uses Tobit model to analyze the impact of inclusive finance on agricultural production efficiency. The study found that： ① The overall agricultural production comprehensive technical efficiency， pure technical efficiency and scale efficiency of the Yangtze River Economic Belt did not reach the overall effectiveness， and showed a tortuous development trend. Among the provinces （cities）， Shanghai and Zhejiang Province have achieved full efficiency every year， and the average efficiency of Anhui Province and Jiangsu Province is significantly lower than that of other provinces （cities）. ② The total inclusive finance index has a significant positive impact on the comprehensive technical efficiency， pure technical efficiency and scale efficiency of agricultural production， the coverage index has a significant positive impact on the comprehensive technical efficiency， pure technical efficiency and scale efficiency of agricultural production， the use depth index has a significant positive impact on the comprehensive technical efficiency and pure technical efficiency of agricultural production， and the positive impact on scale efficiency is not significant.

Key words Inclusive finance;Agricultural production efficiency;BCC model;Tobit model;Yangtze River Economic Belt

作者簡介 袁桂紅（1984—），女，山東曲阜人，碩士研究生，研究方向：農業管理。

收稿日期 2022-04-17

農業是國民經濟發展的基礎，李克強總理在2022年政府工作報告中指出，2022年政府的工作任務之一就是要大力抓好農業生產，促進鄉村全面振興。同時也指出要引導資金更多流向重點領域和薄弱環節，擴大普惠金融覆蓋面。農業生產效率是衡量農業經濟增長和運行狀態的主要指標，普惠金融則是農業經濟發展的重要資金來源，因此研究普惠金融對農業生產效率的影響具有極為重要的現實意義。

鑒于普惠金融和農業在經濟發展中的地位，國內外學者對此進行了大量研究。從已有研究來看，有關農業生產效率的研究主要集中在以下幾點：首先是不同方法的研究?，F階段對農業生產效率的研究以BCC模型、超效率SBM模型、ML指數模型、三階段DEA模型以及DEA-Tobit等方法為主［1-5］。其次是區域性差異研究。不同的區域由于經濟發展水平、地理環境、自然資源等的不同，造成其農業生產效率也會存在差異［6-7］。最后是有關各因素對農業生產效率的研究，主要有經濟發展水平、城鎮化、機械化、土地利用率、農業發展環境、化學發展水平、科技發展水平等［8-11］。

普惠金融是農業生產重要的資金來源，現對于傳統金融，普惠金融擁有更為廣闊的覆蓋范圍，這也使得其融資成本也更低，這主要是因為普惠金融主要是通過網絡等來實現金融交易，減少了固定網點的建設［12］。同時，普惠金融的數字化特性也使得偏遠地區的農民也能夠享受金融服務［13］。普惠金融的發展還能夠幫助建立金融信息平臺［14］，加強農村居民對金融信息的了解，為農村居民帶來多種多樣的金融產品及服務，為農村居民提供更多的融資渠道，拓展資金來源［15］。同時，新型平臺的建立還可以為農產品的交易提供方便，提供農民收入和農業生產效率，促進農業經濟發展［16］。普惠金融的數字特性還可以打破傳統金融“逐利性”和“嫌貧愛富”的怪圈，利用自身的數字技術為貧困地區提供金融服務，為貧困地區農民的農業生產和經營活動提供資金支持，幫助他們擺脫貧困［17-18］。

綜上所述，雖然有關農業生產效率的研究日趨完善，但仍然存在以下不足：一是對國家戰略性區域研究的比較薄弱；二是沒有考慮環境因素和隨機因素的干擾，所得到的效率值與實際效率會有偏差。筆者在現有研究基礎上，運用三階段DEA模型對長江經濟帶2019年的農業生產效率進行分析，剔除環境因素和隨機因素干擾，以獲得更為準確的效率值。

1 模型構建及變量選取

1.1 模型構建

1.1.1 BCC模型。

Banker、Coope和Charnes在可變規模報酬（Variable Returns to Scale，VRS）假設下，在CCR模型的基礎上，構建BCC模型［19］，公式如下：

minZa=δa-ρki=1p-ia+pr=1p-ra（1）

p，q.nj=1xijγj+p-i=δxi0

nj=1yrjγj-p+r=δyr0

nj=1γj=1

γj，p-i，p+r≥0

j=1，2，…，n;i=1，2，…，m;r=1，2，…，s

式中，xij和yri分別表示第j個決策單元的第i種投入量和第r種產出量；γj、δ、ρ和p+和p-分別表示各單位組合系數、效率評價指數、非阿基米德無窮小量和松弛變量；Za表示決策單元的相對有效值，當Za=1，說明決策單元DEA為有效，當Za＜1，說明決策單元DEA為非有效［20］。

1.1.2 Tobit模型。

由于效率值屬于截斷離散數據，因此，采用Tobit模型進行分析。具體公式為：

efficienit=α0+β1lnifiit+β2lncoverageit+β3lnusageit+γcontrolit+εit（2）

式中，lnifiit、lncoverageit和lnusageit分別表示第i個地區第t年的普惠金融綜合指數、覆蓋廣度和使用深度的對數，β1、β2、β3為回歸系數；εi為隨機誤差項；controlit表示控制變量;γ為控制變量系數。

1.2 變量選取

1.2.1 農業生產效率變量選取。

該研究更具數據可得性，以長江經濟帶各?。ㄊ校┳鳛檠芯繉ο?，對該經濟帶各?。ㄊ校?011—2020年的農業生產效率進行分析，并構建成相應的指標體系。

選取農業機械總動力作為機械投入，反映農業機械化水平；選取有效灌溉面積作為用水量投入；選取化肥施用量作為化學投入，反映農業化學發展水平；選取農作物播種面積作為土地投入，反映農作物的種植面積；選取農林牧漁業總產值絕對數作為產出指標，反映農業經濟的發展情況（表1）。

1.2.2 農業生產效率變量選取。普惠金融對農業生產效率影響因素指標見表2。解釋變量：選取普惠聚合金融指數、覆蓋廣度指數、使用深度指數作為解釋變量。

控制變量：經濟發展水平由人均地區GDP表示；用第三產業產值比重表示產業高級化指數；用城鎮人口占總人口的比例表示人口城鎮化率；用外商直接投資占地區生產總值的比例表示對外開放程度。

2 實證結果分析

2.1 長江經濟帶農業生產效率的實證

根據長江經濟帶2011—2020年農業生產面板數據，選用BCC模型，運用Deap 2.1對該經濟帶農業生產效率進行測算，結果見表3～6。

由表3可知，長江經濟帶整體農業生產綜合技術效率均值為0.848，處于較高水平，但其發展趨勢在樣本期間內呈曲折型發展，2011—2014年表現出上升趨勢，2014—2017年則表現出下降趨勢，2017—2020年表現出上升趨勢。從上、中、下游來看，上游的農業生產綜合技術效率均值最高，中游次之，下游最低。從具體省（市）來看，下游的上海市和浙江省在樣本期間內農業生產綜合技術效率值均為1，說明上海市和浙江省在2011—2020年農業生產達到完全有效。上游省份中，四川省、貴州省和云南省農業生產完全有效率分別為80%、60%和20%。其余各?。ㄊ校┰跇颖酒陂g內均未出現農業生產完全有效的情況。從均值和排名來看，湖北省在樣本期間內雖未出現農業生產完全有效，但其農業生產綜合技術效率最小值為0.827，而貴州省和云南省雖有完全有效的情況出現，但其余時間效率值較低。下游?。ㄊ校┲?，上海市和浙江省農業生產雖達到了完全有效，但江蘇省和安徽省效率值較低，其中安徽省農業生產綜合技術效率均值僅為0.496，小于0.5，江蘇省雖稍高，但也僅有0.794，說明江蘇省和安徽省綜合技術效率偏低是下游地區綜合技術效率低的主要原因。

由表4可知，長江經濟帶整體純技術效率均值為0.896，處于較高水平，但其發展趨勢在樣本期間內呈曲折型發展，2011—2014年表現出上升趨勢，2014—2017年則表現出下降趨勢，2017—2020年表現出先升后降趨勢。從上、中、下游來看，上游的純技術效率均值最高，中游次之，下游最低。從具體?。ㄊ校﹣砜?，下游的四川省、上海市和浙江省在樣本期間內純技術效率值均為1，說明四川省、上海市和浙江省在2011—2020年農業生產的投入管理較為合理。上游省份中，貴州省和云南省農業生產完全有效率分別為70%和20%。中游省份中，僅有湖北省在2013—2016年農業生產投入管理達到了完全有效。下游?。ㄊ校┲?，上海市和浙江省在樣本期間內農業生產投入管理均有效，江蘇省在2011—2017年農業生產投入管理達到了完全有效，其余年份的純技術效率則相對較低，安徽省各年均未達到完全有效。從均值和排名來看，湖北省在樣本期間內農業生產投入管理雖達到完全有效的年份雖少于江蘇省，但其農業生產純技術效率最小值為0.907，而江蘇省、貴州省和云南省雖有完全有效的情況出現，但其余時間效率值較低。下游省（市）中，上海市和浙江省農業生產雖達到了完全有效，但安徽省效率值較低，其中安徽省農業生產純技術效率均值僅為0.578，說明安徽省純技術效率偏低是下游地區純技術效率低的主要原因。

由表5可知，長江經濟帶整體農業生產規模效率均值為0.943，處于較高水平，但其發展趨勢在樣本期間內呈曲折型發展。從上、中、下游來看，上游的農業生產規模效率均值最高，中游次之，下游最低。從具體?。ㄊ校﹣砜矗掠蔚纳虾Ｊ泻驼憬≡跇颖酒陂g內農業生產規模效率值均為1，說明上海市和浙江省在樣本期間內農業生產投入規模達到最優水平。上游省份中，四川省、貴州省和云南省農業生產完全有效率分別為80%、60%和20%。其余各?。ㄊ校┰跇颖酒陂g內農業生產投入規模均未達到最優水平。從均值和排名來看，上游省份中，各?。ㄊ校┺r業生產規模效率均維持在較高水平，其中重慶市效率值最低，但也達到了0.940，說明上游?。ㄊ校┺r業生產投入規模較為合理。中游省份中，江西省和湖北省規模效率值均超過了0.9，其中江西省達到了0.976，排在第4位。下游?。ㄊ校┲校虾Ｊ泻驼憬∞r業生產投入規模雖達到了最優水平，但江蘇省和安徽省效率值較低，其中江蘇省農業生產規模效率均值僅為0.835，安徽省雖稍高，但也僅0.858，說明江蘇省和安徽省規模效率偏低是下游地區規模效率低的主要原因。

規模報酬：規模報酬可分為規模報酬遞增（irs）、規模報酬遞減（drs）和規模報酬不變（-）3種情況。 長江經濟帶農業生產規模報酬見表6。

由表6可知，僅有上海市和浙江省達到了規模報酬不變，現有投入規模為最佳生產規模，不需要進行任何調整。進一步觀察表6可知，重慶市、湖北省、湖南省、江蘇省和安徽省均表現出規模報酬遞增，四川省在2018—2019年表現出規模報酬遞增，云南省、江西省分別在2016—2018年和2018—2020年表現出規模報酬遞增，說明存在投入規模不足，應繼續擴大生產規模達到規模有效。貴州省、云南省和江西省在大部分時間內表現出規模報酬遞減，其中貴州省在未達到規模報酬不變的時間內均表現為規模報酬遞減，說明這些省份在相應時間內農業生產投入規模過大，難以帶來較高的產出，應縮小生產規模達到規模有效。

2.2 長江經濟帶農業生產效率的實證

將各變量代入公式（2）中，分析長江經濟帶普惠金融對農業生產效率的影響，結果如表7所示。

從表7可以看出，普惠金融總指數在0.05顯著性水平對農業生產綜合技術效率、純技術效率、規模效率有顯著的正向影響，說明普惠金融的發展能夠提升農業生產效率。普惠金融是農業生產和發展過程中重要的資金來源，能夠有效彌補農業生產和發展的資金缺口，提高農業生產效率。普惠金融覆蓋廣度指數在0.05顯著性水平對農業生產綜合技術效率、純技術效率、規模效率有顯著的正向影響，說明普惠金融覆蓋廣度的增加有利于農業生產效率的提高。普惠金融覆蓋廣度指數表示普惠金融覆蓋的區域以及使用者的數量，覆蓋廣度指數越大，說明使用的人數越多，農業生產者接觸到的概率也就越大，對于農業生產效率的提升作用也就越明顯。普惠金融使用深度指數在0.10和0.05的顯著性水平分別對農業生產綜合技術效率和純技術效率有顯著的正向影響，對規模效率的正向影響不顯著。普惠金融使用深度指數主要有人均使用次數和人均使用金額等指標構成，使用深度指數越大，說明人們使用普惠金融的次數也就越多，使用金額也越大，也更容易滿足農業生產過程中的資金需求，進而對農業生產效率產生促進作用。

3 結論與建議

3.1 結論

根據長江經濟帶2011—2020年的面板數據，運用BCC模型對該經濟帶農業生產效率進行測算，運用Tobit模型分析普惠金融對農業生產效率的影響，結論如下：

在樣本期間內，長江經濟帶整體農業生產綜合技術效率、純技術效率和規模效率的均值均小于1，未達到整體有效，且表現出曲折發展的趨勢。各區域中，上游的效率均值最高，中游次之，下游最低。各省（市）中，上海市、浙江省各年均達到了完全有效，安徽省、江蘇省效率均值明顯低于其余?。ㄊ校?。在樣本期間內，僅有上海市和浙江省農業生產投入規模達到最優，其余?。ㄊ校┚衅x最優的現象發生，且多數省（市）表現為規模報酬遞增，存在投入規模不足的問題。

普惠金融總指數在0.05顯著性水平對農業生產綜合技術效率、純技術效率、規模效率有顯著的正向影響，覆蓋廣度指數在0.05顯著性水平對農業生產綜合技術效率、純技術效率、規模效率有顯著的正向影響，使用深度指數在0.10和0.05顯著性水平分別對農業生產綜合技術效率和純技術效率有顯著的正向影響，對規模效率的正向影響不顯著。

3.2 建議

3.2.1 健全金融體系，完善金融監管。區別于傳統金融，普惠金融擁有更加靈活的經營方式，融資模式也更為簡單，但我國普惠金融尚處于初級階段，容易發生風險。因此各級金融機構應當充分利用現代數字技術，使普惠金融能夠覆蓋更加廣闊的地區和人群，增加普惠金融的使用人次和使用金額，同時還要建立現代化的風險管理和預警機制，防止出現金融風險。

3.2.2 加大農業生產投入規模，構建現代化農業發展體系。從上述結論可以看出，長江經濟帶農業生產存在投入規模不足的問題。因此，要加大農業生產投入規模，進而提高農業生產效率。加大對農業科技的投入，立足各地區的實際條件，開發相應的農業機械，提高農業機械化水平，如上游地區著重開發適宜山地作業的小型機械，中游著重開發適宜水網作業的機械，下游開發適應規?；投际谢a的機械；同時，還要積極開發新型環保高效的肥料實現農業綠色發展；開發新型耕種模式，如無土栽培、立體栽培等，提高土地使用效率。

3.2.3

深入推進農村數字基礎設施建設，提高普惠金融在農村地區的覆蓋廣度和使用深度。上游地區多山地，土地細碎化嚴重，交通不便，中央政府應當加大對上游地區的政策傾斜，上游各級政府也應當加大對山區的傾斜，加大與電信生產和建設企業的合作，鼓勵這些企業加大對農村尤其是山地區的通信基站建設，提高互聯網的覆蓋率，使更多的農村居民享受現代技術帶來的便利，利用互聯網更為方便地獲得農業生產所需要的資金，同時利用互聯網信息平臺來進行農產品的銷售，增加農林牧漁業產值，提高農業生產效率，促進農業穩定發展。

參考文獻

［1］ 侯琳，馮繼紅.基于超效率DEA和Malmquist指數的中國農業生產效率分析［J］.河南農業大學學報，2019，53（2）：316-324.

［2］ 卞圣凱，王吉發.基于超效率SBM模型的東北地區農業生產效率研究［J］.農業經濟，2021（8）：44-46.

［3］ 肖琴，羅其友，周振亞，等.中國農業綠色生產效率的動態變遷與空間分異：基于DDF-Global Malmquist-Luenberger指數方法的分析［J］.農林經濟管理學報，2020，19（5）：537-547.

［4］ 杜輝.基于多階段DEA模型的中國財政支農績效分析［J］.會計之友，2016（11）：90-93.

［5］ 劉依杭.不同規模農戶農業生產效率差異及影響因素研究：基于DEA-Tobit模型的實證分析［J］.生態經濟，2021，37（5）：113-118.

［6］ 韓旭東，王若男，楊慧蓮，等.土地細碎化、土地流轉與農業生產效率：基于全國2745個農戶調研樣本的實證分析［J］.西北農林科技大學學報（社會科學版），2020，20（5）：143-153.

［7］ 閆慧敏，劉紀遠，曹明奎.中國農田生產力變化的空間格局及地形控制作用［J］.地理學報，2007，62（2）：171-180.

［8］ 龐輝.農業補貼政策背景下農戶農業生產經營效率研究：基于遼寧省農戶調查［J］.農業經濟，2017（11）：89-91.

［9］ 時悅，梁凈.城鎮化與農業生產效率耦合協調關系：基于黑龍江省、遼寧省、吉林省3省數據分析［J］.農林經濟管理學報，2019，18（2）：190-198.

［10］ 王丹，劉春明，周楊.農業機械化對糧食生產技術效率影響：基于農機跨區服務的空間效應視角［J］.中國農機化學報，2021，42（4）：223-229.

［11］ 黃莉，王定祥，李伶俐.環境稟賦、農業投資與農戶生產效率［J］.西南大學學報（社會科學版），2021，47（1）：72-82.

［12］ 成學真，龔沁宜.數字普惠金融如何影響實體經濟的發展：基于系統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），2020，34（3）：59-67.

［13］ 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.

［14］ 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.

［15］ 樊文翔.數字普惠金融提高了農戶信貸獲得嗎？［J］.華中農業大學學報（社會科學版），2021（1）：109-119，179.

［16］ 李優樹，張敏.數字普惠金融發展對系統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.

［17］ 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.

［18］ 王曉燕，謝昭明.貧困地區普惠金融助力精準扶貧的路徑研究：以貴州省長順縣為例［J］.安徽農業科學，2020，48（13）：251-253，270.

［19］ FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of productivity analysis，2002，17（1）：157-174．

［20］ 苑澤明，張永貝，寧金輝.京津冀高?？蒲袆撔驴冃гu價：基于DEA-BCC和DEA-Malmquist模型［J］.財會月刊，2018（24）：26-32.