龍頭企業主導型數字化農業產業鏈金融對農戶信貸約束的影響研究

2023-06-05 14:05:22李軼赫梁家寧曾靜怡

中國商論 2023年10期

李軼赫梁家寧曾靜怡

摘要：本文利用2020年和2022年四省288戶農戶信貸約束情況的兩期面板數據，運用PSM-DID模型，考察了龍頭企業主導型數字化農業產業鏈金融對農戶信貸約束的影響，并分析了緩解農戶需求型信貸約束的具體路徑。研究發現，龍頭企業主導型數字化農業產業鏈金融能夠顯著降低農戶的供給型信貸約束和需求型信貸約束。進一步研究發現，對于需求型信貸約束而言，該產業鏈金融政策能顯著緩解農戶交易成本約束和融資風險約束，但對認知偏差約束無明顯作用。本文從實證方面印證了數字農業產業鏈金融在農戶融資方面的改善作用，為緩解農戶融資難問題提供了微觀經驗數據，也為數字化農業產業鏈金融在農村的進一步發展提供了政策啟示。

關鍵詞：數字化農業產業鏈金融；供給型信貸約束；需求型信貸約束；龍頭企業主導型；PSM-DID

本文索引：李軼赫，梁家寧，曾靜怡.龍頭企業主導型數字化農業產業鏈金融對農戶信貸約束的影響研究[J].中國商論，2023（10）：-122.

中圖分類號：F324 文獻標識碼：A 文章編號：2096-0298（2023）05（b）--07

1 引言

信貸約束是大多數發展中國家農村地區的普遍現象（Stiglitz等，1981）。與大多數發展中國家的情況相似，我國農戶長期存在較為嚴重的信貸配給問題（褚保金等，2019）。在供應配給和需求壓抑的相互影響下，農戶受到的信貸約束被劃分為供給型信貸約束和需求型信貸約束兩個類型（程郁等，2009）。在此背景下，國內外不少學者致力于探索緩解農戶信貸約束問題的新途徑。研究發現，農業產業鏈金融成為緩解農戶信貸約束、擴大農村金融覆蓋面的有效手段（馬九杰等，2011；宋雅楠等，2012；何廣文、潘婷，2014）。另外，雖然農業產業鏈金融的出現雖然在一定程度上緩解了農戶的信貸約束，但仍存在諸多限制。周月書等（2020）指出，在傳統的龍頭企業帶動型和合作社帶動型農業產業鏈模式下，普通農戶往往處于弱勢地位，合作社和龍頭企業的資源優勢及對風險的管理控制能力難以平等地惠及所有農戶。

近年來，隨著農村電商、物聯網及數字金融服務的迅速發展，我國農業產業鏈金融服務逐步向數字化方向轉型。為破解傳統產業鏈金融緩解農戶信貸約束的弊端提供了新思路。數字化農業產業鏈金融是數字技術與農業產業鏈金融的融合，電商平臺、物聯網、大數據和云計算等數字應用和技術的接入能夠提高金融供給效率（許玉韞、張龍耀，2020）。對于農業產業鏈金融而言，數字化轉型是必然趨勢（胡曉峰，2021）。截至目前，我國數字化農業產業鏈金融主要包括銀行主導型、電商平臺主導型和龍頭企業主導型三種模式（韋金洪等，2022）。其中，龍頭企業主導型數字化農業產業鏈金融模式在實踐中發展相對較快，具有線上線下高度結合、帶動生產智能化、推動過程管理效率提高等特點。那么，龍頭企業主導型數字化農業產業鏈金融是否可以緩解農戶在供給配給和需求壓抑交互作用下的信貸約束？其在緩解農戶信貸約束問題方面又有哪些優勢和不足？

目前，部分學者基于典型產業鏈的理論與案例分析，認為龍頭企業主導型數字化農業產業鏈金融能較好地緩解農戶信貸約束問題（周月書等，2020；王剛貞、江光輝，2017；成德寧等，2017）。另一部分學者則認為，現今我國的數字化農業產業鏈金融模式發展還不成熟，仍面臨資金成本高、數字足跡缺乏和征信體系不完全等問題，導致其作用的發揮受限（許玉韞、張龍耀，2020）。以上研究結果對本文有些啟發，同時存在著值得發掘的空間：第一，由于大部分論文采取的都是對典型案例的理論研究，并沒有經過實證檢驗，所以對農戶信貸約束作用的闡釋力度或許不足。第二，大多數學者把農戶受到的信貸約束作為整體加以研究，較少有從供給配給與需求壓抑兩方面分別探討農戶受到的信貸約束。

為此，本文在梳理前人理論分析結論的基礎上，借助對四省四縣的調查數據，實證研究龍頭企業主導型數字化農業產業鏈金融對農戶信貸約束的影響。本文最大的邊際貢獻：在既有理論研究的基礎上，對信貸約束類型進行劃分，把農戶受到的信貸約束分為供應型信貸約束與需求型信貸約束。其中，需求型信貸約束根據產生原因的差異又被劃分為交易成本約束、融資風險約束及認知偏差約束。本文借助PSM-DID模型實證檢驗龍頭企業主導型數字化農業產業鏈金融對農戶所受具體信貸約束類型的影響，以獲得更有針對性的政策建議。本文后續分析按以下結構安排：第2部分為理論架構和研究假設，第3部分為研究設計，第4部為實證分析，第5部分為結語。

2 理論框架與研究假設

2.1 農戶信貸約束類型

信貸約束包括供給型和需求型兩大類（Boucher等，2008）。農戶面臨的信貸約束由過去單純的信貸供給配給，轉變為供給和需求交互作用下的結構混合型信貸約束（程郁等，2009）。從供給角度來看，由于農業經營的高風險性及農戶的分散性和抵御風險的脆弱性，加之銀行與農戶之間的信息不對稱和逆向選擇問題，金融機構提供的貸款數量并不能滿足農戶貸款的需求，造成農戶受到供給型信貸約束。從需求角度來看：一是交易成本方面，貸款手續繁瑣、審批時間過長、尋租空間較大等因素提高了農戶的信貸交易成本（馬燕妮等，2016）；且在沒有建立起完善的風險評估和內部管理機制時，金融機構直接增加信貸供給，形成了以人格身份、人情關系、社會權力以及利益關系為基礎的信貸配給，創造出巨大的尋租空間，進一步提高交易成本；二是融資風險方面，由于金融機構與農戶之間存在信息不對稱問題（Boucher等，2008），金融機構出于降低風險的理性信貸決策，提高對借款人抵押品的要求，農戶即使擁有符合合同資質的抵押品，也為避免失去抵押品的風險，選擇自愿退出信貸市場；三是認知偏差方面，金融機構貸款甄別機制不健全，會向借款人傳遞有偏差的市場信號，導致借款人誤以為自己不能獲得貸款而放棄申貸努力（王冀寧、趙順龍，2007）。

基于此，本文將農戶所面臨的信貸約束劃分為供給型和需求型兩類，同時根據農戶受到的需求型信貸約束原因的不同，再細分為交易成本約束、融資風險約束和認知偏差約束，具體的信貸約束類型如表1所示。

2.2 農戶信貸約束識別機制

信貸約束識別問題歷來是學界探討的重點，本文借鑒了Boucher等（2008）直接誘導式的詢問方法（Direct Elicitation Method，DEM），利用從調研問卷中獲取的受訪農戶當前和歷史貸款信息，對農戶受到的信貸約束作出辨識。具體來說：（1）先提問農戶“您是否有貸款需求”，如選擇“是”，則表示該農戶有信貸需求，因此有可能受到信貸約束；如選擇“否”，則說明該農戶并無信貸需求，因此可以直接判斷該農戶并不受到信貸約束，問題結束。（2）在有信貸需求的農戶中，進一步詢問“您是否向任意一家銀行或第三方金融機構申請過貸款”，如選擇“是”，則判斷該農戶不受需求型信貸約束但可能受供給型信貸約束；如選擇“否”，則判斷該農戶受到需求型信貸約束。（3）對于可能受到供給型信貸約束的農戶，通過詢問“申請后是否得到貸款”進行判斷，如回答“全部批準”，則表示農戶不受供給型信貸約束；如回答“全部未批準”或“部分批準”，則表示該農戶受到供給型信貸約束。（4）對于受到需求型信貸約束的農戶，繼續詢問“沒有申請貸款的原因”來判斷農戶所受需求型信貸約束的類型，如選擇“利率太高、手續太麻煩”，則判定該農戶受到交易成本約束；如選擇“擔心貸款無法還清”，則判定該農戶受到融資風險約束；如選擇“感覺自己肯定申請不到”，則判定該農戶受到認知偏差約束。

2.3 數字化農業產業鏈金融對農戶信貸約束的緩解作用分析

“三農”問題是我國當前發展面臨的重要問題。2019年，由中共中央辦公廳、國務院辦公廳發布的《數字鄉村發展戰略綱要》明確提到了將大力推動農業農村數字經濟發展，進一步夯實數字農村基礎設施，并積極推動農業農村產業鏈的數字化轉型升級。農業產業鏈的創新和升級對農業發展方式的創新和農業現代化具有重大意義。金融產品和服務通過農業產業鏈流向產業鏈上各主體，能夠緩解農戶“融資難，融資貴”的問題。由于規模農戶信貸需求額度大、期限長，且逐步多元化，其貸款償還以盈利性項目為支撐，呈現“企業化”特征，這與以小額農戶貸款為主的傳統農業信貸有著本質的不同（劉西川、程恩江，2013）。因此，以小額信貸為基本特征的傳統農業融資模式已經不能滿足規模農戶的信貸需求（尹峰等，2006）。相比之下，農業產業鏈融資則順應了由農戶組織化程度提高與產業鏈擴展深化帶來的農業金融需求的深刻轉變（劉西川、程恩江， 2013）。農業產業鏈融資具有更好的貸款甄別機制，可以降低風險和激勵借款人償還貸款，同時也能夠通過降低農戶的融資成本，使其從具有更高價值的市場上獲得資源（宋雅楠等，2012）。

傳統的產業鏈模式中，農業產業鏈的發展基本依靠龍頭企業的扶持及農業合作社的帶動，個體農戶則相對核心企業一直處在劣勢位置，個體農戶的需求也很難得到有效滿足（周月書、王婕，2017）。周月書等（2020）指出，中國傳統農業產業鏈的資金不足源于其未能從根本上解決農戶融資中的兩個關鍵制約因素——缺乏信用體系和有效的風險控制。利用互聯網技術，以產業鏈上的涉農大企、強企為基礎，構建一個企業信息服務體系，以產業鏈上相關經營主體的資金需求為出發點，對其信用狀況做出準確評估，逐步建立和完善產業鏈成員的資信體系和企業信貸擔保服務體系，并為其提供資金支持（寇光濤、盧鳳君，2016）。許玉韞和張龍耀（2020）則指出，隨著我國農業電子商務、物聯網技術及數字金融科技的迅速發展，中國農業產業鏈金融服務體系逐漸向數字化過渡。數字化農業產業鏈金融利用電子商務平臺、物聯網、大數據和云計算等數據產品與技術手段，通過減少農業金融服務過程中的交易成本，建立農村數字化信貸評估系統及完善的風險管理策略，有效提高中國農村金融供給效率與質量。

2.4 假說的建立與提出

基于以上理論分析框架與分析結果，本文進一步針對農戶所受不同信貸約束類型，討論龍頭企業主導型數字化農業產業鏈金融分別對其產生的影響。

2.4.1 供給型信貸約束

農戶自身經營特點決定農村金融業務的高風險性，以及金融機構所面臨的信息不對稱和逆向選擇問題是農戶面臨供給型信貸約束的主要原因。然而，龍頭企業主導型產業鏈的數字化轉型可通過自身的電子商務平臺沉淀交易數據、構建風控模式，并借助云計算、物聯網、大數據分析等技術手段，使農戶、龍頭企業和數字金融機構之間的信息順暢傳遞，降低了金融機構對農戶的風險識別成本，進而提高其對農戶的放貸意愿，以有效降低農戶所受的供給型信貸約束。基于以上分析，本文提出以下假設：

H1：龍頭企業主導型數字化農業產業鏈金融能夠緩解農戶供給型信貸約束。

2.4.2 需求型信貸約束

需求型信貸約束主要分為以下三種：一是交易成本約束，是由信貸交易過程繁瑣、審批時間過長等因素造成的需求型信貸約束；二是融資風險約束，是農戶為避免失去抵押品的風險形成的需求型信貸約束；三是認知偏差約束，是農戶主觀上高估貸款難度，進而成為“無信心借款者”而形成的需求型信貸約束（王若男等，2019）。

自龍頭企業主導型產業鏈數字化轉型后，首先，數字化平臺使線上申貸操作變得可行，大大縮減了線下申貸帶來的時間和空間上的局限性，使農戶申貸過程中的交易成本降低，有助于緩解農戶所受的交易成本約束。其次，線上平臺沉淀了大量的數字足跡，緩解了農戶與金融機構信息不對稱的情況，龍頭企業可以對加入產業鏈的農戶提供擔保，農戶失去抵押品的風險減小，進而緩解其面臨的融資風險約束。最后，加入農業產業鏈的農戶往往能夠享受到與產業鏈相關業務的教育和培訓，在一定程度上可以提高農戶的金融素養，緩解農戶對正規機構貸款的認知偏差，增強貸款信心，進而緩解農戶所受認知偏差約束。基于以上分析，本文提出以下假設：

H2：龍頭企業主導型數字化農業產業鏈金融能夠緩解農戶需求型信貸約束。

H2-a：龍頭企業主導型數字化農業產業鏈金融能夠緩解農戶交易成本約束。

H2-b：龍頭企業主導型數字化農業產業鏈金融能夠緩解農戶融資風險約束。

H2-c：龍頭企業主導型數字化農業產業鏈金融能夠緩解農戶認知偏差約束。

3 研究設計

3.1 數據來源與樣本篩選

本文的研究數據來源于2020年與2022年對河南省襄城縣、山東省濱城區、安徽省長豐縣和山西省文水縣四地的實地調研。首先，在全國范圍內省份選擇方面，由于河南省、山東省、安徽省、山西省均位于我國的中東部地區，且均為農業大省，農戶面臨的信貸問題較為突出，因此選擇以上四省作為本次調研的地點在全國范圍內具有較強的代表性。其次，在省份范圍內縣域選擇方面，襄城縣擁有辣椒特色農業產業鏈，濱城區擁有小麥加工和生豬養殖國家現代農業產業園，長豐縣是安徽省“一縣一業”全產業鏈示范縣，文水縣是遠近聞名的肉牛養殖和加工大縣，以上四縣都具有當地特色的農業產業鏈，在各自省份具有一定的代表性。再次，在實驗組和對照組選擇方面，以上四縣在2022年以前具有相似的農業結構和經濟發展水平，且地理位置均位于我國中東部地區，地域環境差異相對較小；2022年以后，河南省襄城縣、山東省濱城區陸續進行了龍頭企業主導型數字化農業產業鏈金融轉型，安徽省長豐縣和山西省文水縣仍保持著傳統農業生產經營模式。基于此，本課題組將河南省襄城縣和山東省濱城區作為實驗組，將安徽省長豐縣和山西省文水縣作為對照組。

對于河南省襄城縣，本課題組從其已實行龍頭企業主導型數字化農業產業鏈金融的12個自然村中隨機選取5個自然村進行調查，在選取的每個自然村中隨機抽取8～15戶規模種植農戶并發放調查問卷。對于山東省濱城區，本課題組從其已實行龍頭企業主導型數字化農業產業鏈金融的10個自然村中隨機選取5個自然村進行調研，在每個選取的自然村中隨機抽取10～15戶規模種植農戶進行問卷調查。考慮到安徽省長豐縣和山西省文水縣是相對河南省襄城縣和山東省濱城區的對照組，本課題組對安徽省長豐縣和山西省文水縣采取不同的抽樣手段。在長豐縣和文水縣下轄鄉鎮按照地區多年平均GDP降序排列并等分為2組，每組抽取2個鄉和鎮，再以對應實驗組行政村的經濟發展水平為依據，在每個鄉鎮選取2個行政村，最終隨機選取每個行政村的15～20個農戶進行線上問卷調查。

本文最終回收問卷共計366份，兩期面板數據共732個觀測值，剔除缺乏貸款需求、數據缺失、數據有誤、數據異常的樣本后，剩余觀測值為576個。

3.2 模型設計

3.2.1 模型與變量定義

為了檢驗當地是否具有龍頭企業主導型數字化農業產業鏈對農戶信貸約束的影響，本文將龍頭企業主導型數字化農業產業鏈作為沖擊事件，選取實驗組和對照組，構建DID模型如下：

式（1）、式（2）中，供給型信貸約束用apply表示，受到約束賦值為1，否則賦值為0；需求型信貸約束用demand表示，受到約束賦值為1，否則賦值為0。其中，本文進一步將需求型信貸約束細分為交易成本約束、融資風險約束、認知偏差約束，分別賦值z=1、z=2、z=3。Ingroup=1為實驗組，代表實施龍頭企業主導型數字化農業產業鏈金融的地區；Ingroup=0為對照組，代表未實施龍頭企業主導型數字化農業產業鏈的地區。本文認為2022年為數字化農業產業鏈政策開始實施的時間，因此Inyear=0表示時間為2022年以前，Inyear=1表示時間為2022年以后。controlit表示其他控制變量構成的向量，具體包括性別、年齡、受教育程度、健康情況、勞動力、家庭人均純收入、經營類型、家庭成員是否有黨員或村干、是否有親戚朋友在政府或銀行工作、親戚關系、鄰里關系、到正規金融機構的距離。變量名稱及含義如表2所示。針對以上DID模型，本文主要關注系數β1、α1，它們反映了農戶參與龍頭企業主導型數字化農業產業鏈對農戶信貸約束的影響。

3.2.2 變量描述性分析

表2為主要變量的描述性統計結果。當地龍頭企業主導型數字化農業產業鏈金融識別變量（Ingroup）均值為0.375，表示在全體樣本中，實驗組占37.5%，即在實施龍頭企業主導型數字化農業鏈金融地區獲得的觀測值占全體觀測值的37.5%，實驗組與對照組樣本比例合理。

4 實證分析

4.1 PSM結果

根據研究設計，本文分別以2022年已實施龍頭企業主導型數字化農業產業鏈金融的兩個樣本縣為實驗組，未實施數字化農業產業鏈金融的兩個樣本縣為對照組，利用Logit模型估計傾向得分，借助核匹配法賦予權重，并施加共同支撐條件。

在給出傾向得分結果之前，需要先進行匹配平衡性檢驗，平衡性假設要求匹配后實驗組和對照組的匹配變量無顯著差異。圖1可以直觀地看到平衡性假設檢驗的結果，匹配前部分變量的標準化偏差（%bias）離0軸較遠，匹配后所有變量的標準化偏差都向0軸靠近，絕對值都小于10%，且大多數變量的t檢驗結果在統計上不存在顯著性差異。因此，認為傾向得分匹配效果較為理想，通過了平衡性假設檢驗，匹配提高了實驗組和對照組的可比性。

4.2 DID回歸

4.2.1 基準回歸

基于PSM方法給出的樣本，利用DID雙重差分法評估龍頭企業主導型數字化農業產業鏈金融的政策效應，得到基準回歸結果（見表3、表4）。表3中，模型（1）～（5）為不加入控制變量的模型；表4中，模型（6）～（10）為加入控制變量的模型。以上五個模型分別代表當地是否存在龍頭企業主導型數字化農業產業鏈金融對農戶供給型信貸約束、需求型信貸約束、交易成本約束、融資風險約束、認知偏差約束的影響。

模型（1）（2）（6）（7）的估計結果表明，無論是否加入控制變量，虛擬變量交互項（DID）系數均顯著為負，表明龍頭企業主導型數字化農業產業鏈金融的實施可以顯著降低農戶受到的供給型信貸約束和需求型信貸約束，驗證了假設H1和假設H2。剩下的6個模型中，虛擬變量交互項系數對交易成本約束、融資風險約束均顯著為負，意味著龍頭企業主導型數字化農業產業鏈金融的實施可以顯著降低農戶受到的交易成本約束和融資風險約束，驗證了假設H2-a和假設H2-b。

模型（5）和模型（10）的交互項對農戶的認知偏差約束表現為不顯著促進效應，與前文假設不一致。本文認為這一現象的產生主要有兩方面原因：一方面，由于數字化農業產業鏈金融在實現過程中融合了電商平臺、物聯網、大數據和云計算等數字技術，因此對加入產業鏈的農戶的金融素養提出了更高的要求。然而，我國部分農村地區農戶受教育水平有限，存在數字素養較低、金融知識儲備不足、理解能力較弱等特點，難以及時有效地理解和掌握數字化農業產業鏈金融的服務流程與操作步驟。因此，這種數字鴻溝加重了農戶對數字化農業產業鏈金融的認知偏差。另一方面，長期以來受農村地區社會結構的影響，部分農民仍傾向利用人際關系、通過社會熟人的關系網絡獲得暫時性的融資便利。在實地調研過程中，大部分農戶將“沒有關系”視為不能獲得貸款的重要原因。他們認為，即使通過數字化農業產業鏈金融，也需要借助“關系”才能完成借貸，在一定程度上削減了農戶加入數字化農業產業鏈獲得貸款的信心，加重了一部分農戶的認知偏差約束。

4.2.2 安慰劑檢驗

由于本文采用的調查數據為兩期面板數據，無法使用歷史數據檢測實驗組與對照組的農戶融資行為是否存在一致的時間變化趨勢。因此，本文采用構建虛擬實驗組的安慰劑檢驗來驗證DID模型的隨機性假設。具體來說，本文在576個樣本中隨機抽取150個作為“偽實驗組”，并進行安慰劑檢驗，將該隨機抽樣過程重復500次，將其與時間虛擬變量的乘積作為核心解釋變量重新進行回歸。圖2分別顯示了供給型信貸約束、需求型信貸約束、交易成本約束、融資風險約束作為被解釋變量的回歸結果的系數分布。由圖2知，四個模型的回歸系數分布都集中在0附近，可見隨機抽樣后的樣本組合對農戶的信貸約束沒有產生明顯影響，說明農戶政策前后受到的信貸約束差異是由數字化農業產業鏈金融政策實施本身引起的。

5 結語

本文利用2020年和2022年四省288戶農戶信貸約束情況的兩期面板數據，運用PSM-DID模型，實證檢驗了龍頭企業主導型數字化農業產業鏈金融對農戶信貸約束的影響。實證結果表明，龍頭企業主導型數字化農業產業鏈金融能夠顯著降低農戶的供給型信貸約束與農戶需求型信貸約束當中的信貸交易成本約束和融資風險約束。本文認為，龍頭企業主導型數字化農業產業鏈金融實現了各主體之間，尤其是借貸雙方之間數據流與信息流的傳遞，實現了金融機構對農戶貸前、貸中、貸后的全程監控，提高了農戶的貸款效率、降低了金融機構的風險識別成本、提高了產業鏈資金周轉效率，因此能夠降低農戶的供給型信貸約束與農戶需求型信貸約束。但是，數字化農業產業鏈金融對農戶的認知偏差約束并不能起到緩解作用，甚至在一定程度上加重了農戶的認知偏差約束，可能是因為農戶存在“數字鴻溝”及對傳統熟人借貸的依賴。

基于以上結論，本文提出以下政策啟示：

第一，進一步推廣和發展數字化農業產業鏈金融，推動傳統農業產業鏈金融向數字化方向轉型，深化數字化農業產業鏈金融服務的研究和實踐，以更好地服務農戶和推動農業現代化發展。發掘數字化技術潛力，進一步降低金融服務過程中的交易成本，構建農村數字化信用評價體系，優化風險控制策略，最終提高金融供給效率。

第二，提高農戶的數字素養和應用能力，鼓勵農戶更多地參與到數字化農業產業鏈中。通過政府宣傳、農業協會和電商平臺等途徑加強對數字化農業產業鏈金融的宣傳和推廣，使更多農戶了解并信任該服務。通過與社會組織和當地社會資源合作等方式，幫助一部分習慣社會關系融資的農戶更好地理解和參與數字化農業產業鏈金融。

第三，加快數字化農業產業鏈金融的相關法律法規建設，進一步明確數字化農業產業鏈金融業務的主體準入資格、行業管理辦法及業務操作規范等，防范好金融風險，提高金融服務能力。此外，農村金融機構要與時俱進，與國家的宏觀經濟政策、產業政策和農村經濟政策密切配合，提高金融服務意識，進一步創新數字化農業產業鏈金融產品。

參考文獻

Boucher，S.，Carter，R.M.， Guirkinger，C.Risk Rationing and Wealth Effects in Credit Markets：Theory and Implications for Agricul-tural Development[J]. American Journal of Agricultural Economics，2008，90（2）：409-423.

Stiglitz，J. E. and A. Weiss ， Credit rationing in markets with imperfect information[J]. The American economic review，1981，71 （3）：393—410.

褚保金，盧亞娟，張龍耀.信貸配給下農戶借貸的福利效果分析[J].中國農村經濟，2009（6）：51-61.

成德寧，汪浩，黃楊.“互聯網+農業”背景下我國農業產業鏈的改造與升級[J].農村經濟，2017（5）：52-57.

程郁，韓俊，羅丹.供給配給與需求壓抑交互影響下的正規信貸約束：來自1874戶農戶金融需求行為考察[J].世界經濟，2009（5）：73-82.

何廣文，潘婷.國外農業價值鏈及其融資模式的啟示[J].農村金融研究，2014（5）：19-23.

寇光濤，盧鳳君.“互聯網+農業產業鏈”的實踐總結與創新路徑[J].農村經濟，2016（8）：30-34.

馬九杰，張永升，佘春來.基于訂單農業發展的農業價值鏈金融創新策略與案例分析[J].農村金融研究，2011（7）：11-17.

宋雅楠，趙文，于茂民.農業產業鏈成長與供應鏈金融服務創新：機理和案例[J].農村金融研究，2012（3）：11-18.

王剛貞，江光輝.“農業價值鏈+互聯網金融”的創新模式研究：以農富貸和京農貸為例[J].農村經濟，2017（4）：49-55.

王冀寧，趙順龍.外部性約束、認知偏差、行為偏差與農戶貸款困境：來自716戶農戶貸款調查問卷數據的實證檢驗[J].管理世界，2007（9）：69-75.

韋金洪，張中秋，陳菲.農村金融創新發展賦能鄉村振興研究[J].中國國情國力，2022（2）：23-27.

王若男，楊慧蓮，韓旭東，等.合作社信貸約束：需求型還是供給型：基于雙變量Probit模型的分析[J].農業現代化研究，2019， 40（5）：774-784.