數字金融是否有效賦能農業經濟發展
——基于薈萃分析的再檢驗

李榮強,陳 軒,2,施龍中

(1.華中農業大學 經濟管理學院,湖北 武漢430070;2.華中農業大學 雙水雙綠研究院,湖北 武漢 430070)

經濟雙循環背景下,我國農業經濟實現跨越發展,農業產業總產值和增加值均實現大幅提升。近年來農業農村部提出農業質量年發展方針,指出我國農業經濟已進入高質量發展階段,當下應推動農業工作重心調整,使農業經濟由增產導向轉向提質導向。推動農業經濟高質量發展是新時代中國特色社會主義的必然要求,對提升我國農業產業競爭力,增強我國農業產業影響力以及抵御全球農業風險具有重要意義。農業經濟的高質量發展不僅可以為我國經濟持續增長奠定有力基礎,還可以為優化產業結構布局、提升國家糧食安全注入強勁動力。

伴隨數字時代的來臨,由互聯網、大數據等新興云端技術與傳統金融融合衍生出的“數字金融”新業態,為促進農業經濟發展提供了嶄新路徑。數字金融是指借助信息科技、數據分析等先進技術,有效促進要素資源共享,通過數字技術便捷、低成本的優勢,使社會各群體均可以獲得享用金融服務的機會。近年來數字金融與農業經濟發展之間的關系逐漸受到國家和社會關注。2019年中共中央辦公廳頒布《數字鄉村發展戰略綱要》,強調應促進農村數字經濟發展,依靠數字技術推動農業農村現代化發展和轉型進程。2022年中央一號文件提出促進數字鄉村建設,強化鄉村振興金融服務,強調數字金融在農業經濟發展過程中的重要作用。2022年5月,中央網信辦與農業農村部等五部門聯合印發《2022年數字鄉村發展工作要點》,提出強化農村數字金融服務、加強農村資源要素信息化管理,再次突出了數字金融的重要戰略地位。當前在共同富裕的大背景下,推動農業經濟高質量發展無疑是一場廣泛且深刻的經濟變革。在這一過程中離不開金融的有效支持,然而由于各種客觀條件的制約,傳統金融對農業經濟發展的支持作用存在一定局限。在此背景下,作為現代金融重要組成部分的數字金融,憑借其獨特優勢,為促進農業經濟高質量發展和實現共同富裕提供了一條可行路徑。

文章運用薈萃分析研究方法,在過往文獻研究結果的基礎上,檢驗數字金融和農業經濟發展之間的相關性,研究二者間調節變量的作用機制,以期得到相對可靠的結論,為促進農業經濟的高質量發展提供有益參考,為關于數字金融與農業經濟發展的后續學術研究提供理論及方法方面的借鑒。本文的邊際貢獻主要在于:首先,在已有文獻研究結果的基礎上探討數字金融發展與農業經濟增長的相關關系,從統計學角度對過往文獻的研究結果做出準確評估;其次,通過調節效應分析,研究調節變量對數字金融與農業經濟發展二者間關系的影響,擴大對研究主題的分析范疇;再次,通過對過往文獻的研究特征進行回歸分析,探討文獻研究特征對實證結果的影響,從而為未來該領域的深入研究提供學術啟示與科學依據。

一、文獻綜述

在數字時代背景下,數字金融與農業經濟的深度融合已成為必然趨勢。國內大量文獻表明,數字金融與農業經濟發展之間存在正向關系,即數字金融可以有效促進農業經濟發展。例如連俊華提出數字金融的發展降低了農村地區金融服務門檻,擴大了金融服務范圍,顯著促進了農業經濟增長[1];郭蘇豫認為數字金融促進了農業保險的數字化轉型,擴大了農村融資規模,降低了農村融資成本,對農業經濟發展具有較強的促進作用[2];王小華認為傳統金融在服務農業經濟發展過程中存在較多弊端,而數字技術的發展優化了傳統金融服務,為農業經濟發展提供了寶貴機遇[3]。然而也有部分研究表明,當前出于我國數字金融發展水平不平衡以及數字基礎設施建設不完善等因素影響,數字金融和農業經濟發展之間可能存在負向關系。葛和平認為,當前我國農村居民數字技能水平較低,接受新事物能力較弱,且對數字金融的接受和熟悉需要花費較高成本,因此數字金融對農業經濟發展呈現出一定的負面影響[4];崔惠民通過構建空間計量模型,發現短期內受經濟發展不平衡以及數字技術在農村地區推廣難度較大等影響,數字金融發展不利于農業經濟發展[5]。

可以看出,現有文獻在分析數字金融對農業經濟發展的影響時已達成一定共識,但也存在部分分歧,在過往文獻研究結果中,關于數字金融與農業經濟發展間相關關系的大小也不盡相同。究其原因,一方面可能在于不同研究間存在相應的情境因素,即存在某些變量,在數字金融與農業經濟發展之間起到調節作用。回顧關于數字金融與農業經濟發展的文獻可以發現,其中大多包括城鎮化、政府財政支農、貿易開放度和產業結構等控制變量,這為本文調節作用的分析提供了豐富的數據材料,故本文的調節作用分析主要聚焦于這些變量。另一方面,文獻研究特征及研究方法的不同,也會造成研究結果的異質性,因此,本文通過梳理過往文獻的研究特征,探討文獻研究特征對研究結果的影響。薈萃分析是一種定量且客觀的文獻研究方法,能對同一主題的不同實證研究結果進行綜合性的計量分析,在評估因素影響效應基礎上還可以解決各獨立研究結論不一致的問題。因此,針對以往部分研究結果的不一致與沖突,以及為盡可能全面地分析數字金融對農業經濟發展的影響,本文采用薈萃分析法研究數字金融對農業經濟發展的作用效果,并探討二者間調節變量的影響。

二、研究設計

(一)文獻搜集與篩選

為避免文獻遺漏,采用2種方法檢索文獻,以期盡可能地將關于數字金融與農業經濟發展的實證類型文獻納入薈萃分析樣本庫中。第一種,在“關鍵詞”“摘要”和“主題”中分別使用數字金融(Digital financial)、農業經濟(Agricultural economy)、農業發展(Agricultural development)、農業經濟發展(High quality development of agricultural economy)、鄉村振興(Rural revitalization)等關鍵術語,在中國知網、萬方數據庫、Web of Science等網站進行檢索,檢索發表時間設為“不限”;第二種,對相關參考文獻進行回溯檢索。通過文獻檢索截止到2023年8月共檢索得到80篇中英文初始文獻。再按照如下標準對文獻進行整理和篩選:(1)相關文獻研究必須是數字金融與農業經濟發展的關系;(2)文獻應屬于實證研究;(3)數據資料完整,需報告樣本量與相關系數或其他可轉換指標;(4)對納入的文獻研究進行細致比較,檢查是否存在分階段或重復發表的情況。最終得到31篇文獻的有效研究樣本。

(二)文獻編碼

對納入文獻的研究方法、樣本特征以及效應值所需數據進行編碼。效應值所需數據包括各相關變量的回歸系數、t值、標準誤差等指標。由于涉及調節變量的檢驗,本研究還對城鎮化、政府財政支農、貿易開放度、產業結構4個調節變量進行編碼,研究調節變量的影響效果。具體編碼原則如下:(1)如果一篇文獻中是由多個獨立樣本組成,則需要以獨立樣本為單位進行多次編碼;(2) 若同一變量來自不同的文獻,需反復比對不同文獻中相關變量的定義與內涵,確保每篇文獻中變量內涵均一致才可合并;(3)若同一研究中同時報告了相關系數與回歸系數,則優先選擇相關系數作為效應值,部分文獻中未報告相關系數,應先提取相應的回歸系數,根據相關公式將其轉換為相關系數[13]。完成編碼工作后,在CMA(Comprehensive Meta Analysis )軟件中錄入各項研究從而進行薈萃分析。

(三)數據處理

首先,要對提取的相關系數進行費雪轉化,使其符合漸進的正態分布。公式如下:

(1)

其中,r為相關系數,Z為轉化后的費雪Z值。

其次,對Z值加權平均處理,致使單個效應值在總體效應值中的占比與該樣本在總樣本中的占比一致。計算公式如下:

(2)

標準誤SEE、相應的效應值權重Wi的計算公式如下:

(3)

(4)

(5)

(四)發表偏倚檢驗

發表偏倚指具有統計學顯著性研究意義的研究結果較無顯著性意義和無效的結果發表的可能性會更大,以至于可能會夸大研究變量間的關系。由于各種無法避免的因素,發表偏差總是存在的,且不可能被徹底消除。尤其在經濟學領域,顯著性結果較好的文獻更容易發表。因此,在進行薈萃分析時能做的就是在搜集文獻時盡可能全面詳盡,同時證明納入的原始研究的發表偏差并不嚴重,即不會給分析結果造成過大的偏差。

常用的發表偏倚檢驗方法包括漏斗圖對稱性檢驗、Egger’s回歸系數檢驗、Begg秩相關檢驗、失安全系數檢驗等。由于漏斗圖只是從主觀角度初步檢查發表偏差,存在一定主觀性,因此本文運用Egger’s回歸系數檢驗、Begg秩相關檢驗以及失安全系數檢驗3種方法進行發表偏倚檢驗。

(五)異質性檢驗

異質性檢驗是指對每個獨立研究樣本間存在的差異性進行檢驗,根據異質性大小,判斷選擇隨機效應模型或固定效應模型;異質性一般采用Q值和I^2值來衡量,Q值的判斷標準是:當Q>n-1時(n為研究樣本數量),說明異質性顯著,應該運用隨機效應模型;反之固定效應模型和隨機效應模型均可。I^2值的判斷標準是:當I^2>60%時,說明異質性較大,應選擇隨機效應模型。本文的檢驗結果如表1所示,Q值為4 957.07,且P值較為顯著;同時,I^2值為97.5%,明顯大于60%。因此應選取隨機效應模型。

表1 異質性檢驗結果

三、研究結果

(一)主效應分析

通過Egger’s回歸系數檢驗、Begg秩相關檢驗以及失安全系數檢驗等3種方法進行發表偏倚檢驗,結果如下:Egger’s Intercept的P值為0.137,與零差異不顯著 (P>0.05),表明不存在發表偏倚;Begg秩相關檢驗中P值分別為0.169,同樣表明不存在發表偏倚;失安全系數N為738,意味著需要額外納入738篇研究文獻才能否定本研究中數字金融與農業經濟發展之間的關系,進一步說明本研究不存在發表偏倚問題。

薈萃分析的主效應分析結果如表2所示。綜合效應量在0.1以下說明相關性較弱,在0.3以上說明相關性較強。本研究的隨機效應模型結果表明,綜合效應量為0.265,表明數字金融與農業經濟發展之間存在正向相關關系。由此可見,綜合現有實證文獻的證據表明,數字金融有助于促進農業經濟發展。

表2 主效應檢驗結果

(二)調節效應分析

為進一步驗證異質性來源,探討數字金融與農業經濟二者間的作用機制與路徑,選取城鎮化建設、財政支農、產業結構、貿易開放度4個調節變量,依據調節變量分組進行0～1編碼,對各個調節變量進行調節效應分析,檢驗這4種調節因素對于數字金融與農業經濟發展相關關系的影響(表3)。

表3 調節效應檢驗結果

通過對調節變量進行分組,檢驗各綜合效應值的變動。調節變量來源于文獻中的控制變量,例如如果某些文獻中控制了某些變量,則該變量就取值為 1,否則取值為 0;如果調節變量的效應值顯著為負,則表明在包含該控制變量的樣本估計中,相對于沒有控制該變量的自變量對因變量的作用更弱,從而表明該變量很可能是自變量對因變量影響的一種機制。檢驗結果如表3所示。以城鎮化變量對文獻進行分組,兩組的效應值分別為0.261和0.370,且組間Q值(3.072)較大,P值表明通過顯著性檢驗,表明城鎮化建設在數字金融影響農業經濟發展過程中,起到顯著的正向調節作用,由此認為一方面城鎮化建設為數字金融的快速普及和發展提供了硬件基礎,另一方面城鎮化建設為城鄉融合以及農村農業經濟發展注入了強勁動力。對于財政支農,在未包含財政支農變量的文獻中,效應值為0.349,而在包含該變量的分組中效應值為0.251,二者存在顯著差異(Qb=4.828,P=0.028),在包含財政支農變量的組別中,財政支農的效應值反而下降,說明當前財政支農在數字金融影響農業經濟高質量發展過程中可能起到負向調節作用,即政府財政支農規模越大,對農業經濟增長的推動作用未必越強。筆者認為可能的原因在于當前財政支農的針對性較弱,無法充分發揮政府財政資金的效應。另外,當前數字金融主要集中于城市間,農村地區數字金融發展水平較低,財政資金支持數字金融下沉農村地區的支持力度可能不夠。對產業結構進行分組,兩組的效應值分別為0.287與0.234,Q值為2.925,從P值來看同樣通過顯著性檢驗,說明產業結構起到了負向調節作用,由于過往文獻大多采用第二產業產值或第二產業增加值來衡量產業結構變量,因此可以看出當前我國第一產業與第二產業尚未實現高質量的協調發展,即工業化水平的提升,勢必會擠壓農業資金,占用農業用地,不利于農業經濟的長遠發展。關于貿易開放度,在未包含貿易開放度組別中,效應值報告為0.338,在包含貿易開放度組別中,效應值為0.213,組間Q值與P值表明兩組存在顯著差異,且通過顯著性檢驗(Qb=15.272,P=0.000),說明貿易開放度同樣起到了負向的調節作用。

(三)薈萃回歸分析

由于不同的研究特征可能造成研究結果的差異(例如變量指標選取的不同可能造成研究結果不同,估計模型的差異可能造成結果偏差等),因此選取被解釋變量指標構造情況、樣本級別、估計方法、中介變量、樣本數量、解釋變量個數等特征變量作為解釋變量,以各樣本中數字金融與農業經濟發展的相關系數作為被解釋變量,采用薈萃回歸方法進行回歸分析。此外,為進一步探索異質性來源,以及驗證上述調節效應分析結果的穩健性,在解釋變量中加入城鎮化、財政支農等調節變量,同樣進行回歸分析。

表4為薈萃回歸分析結果。具體結果顯示,對于被解釋變量即農業經濟發展的指標構建而言,未通過顯著性水平檢驗,說明相比于運用GDP以及產業附加值衡量農業經濟發展,運用綜合系數法構建農業經濟發展指標的方法對實證結果并未產生較強影響,說明綜合系數法及相關指數法可能并不是衡量農業經濟發展水平較好的方法。樣本級別層面,在以縣域單位為樣本的文獻中,相比地級市與省級樣本,并沒有促進數字金融對農業經濟高質量發展顯著性結果的產生,可能的原因在于當前縣域數字金融發展水平不夠成熟,相關指標的確立不夠科學,不利于顯著性實證結果的產生;在模型選擇中,空間計量模型與GMM模型均通過顯著性水平檢驗,具有一定顯著性,但二者相比,GMM模型更能增加實證結果的顯著性。中介變量方面,可以看出與存在中介變量的文獻相比,無中介變量的文獻結果要更顯著一些,說明在研究數字金融影響農業經濟發展時,中介變量并不是較好的研究方法,中介變量的作用機制并不明顯。樣本數量方面,文獻中樣本量的增多可能對數字金融與農業經濟高質量發展的相關性產生微弱的負面影響,但影響較小。解釋變量個數并未產生明顯調節效應,對結果的影響沒有通過顯著性水平檢驗。關于數據年限,樣本中所使用數據的起止年份和終止年份均對實證結果產生較強影響,說明數據年份越新,數字金融對農業經濟發展的影響越顯著,證明了當前數字金融發展指標的不斷成熟。調節變量中的城鎮化影響系數為正,且通過顯著性檢驗,說明充分發揮城鎮化的正向調節效應,有利于農業經濟高質量發展。財政支農、產業機構與貿易開放度同樣通過顯著性水平檢驗,在數字金融對農業經濟高質量發展的影響過程中表現出較強的負向調節效應。因此可以看出,薈萃回歸分析結果與調節效應檢驗結果具有高度一致性,進一步說明了研究結果穩健。

表4 薈萃回歸分析結果

四、結論建議與學術啟示

(一)研究結論

文章通過搜集大量文獻,采用薈萃分析法深入研究數字金融與農業經濟發展間的關系。研究表明:(1)數字金融與農業經濟發展之間存在正向相關關系,說明數字金融發展會顯著促進農業經濟發展。(2)城鎮化在數字金融對農業經濟發展的影響過程中,表現出顯著促進作用,說明當前應加強城鎮化與數字金融的深度融合,以期共同促進農業經濟發展;財政支農規模在一定程度上負向調節數字金融與農業經濟發展之間的關系,即財政支農規模越大,數字金融與農業經濟發展之間的正向關系越弱;貿易開放度同樣負向調節數字金融與農業經濟發展間的關系,說明在數字時代背景下,貿易開放度存在較大的改進空間,其尚未與數字金融及農業經濟發展形成良好互動機制;產業結構方面,第二產業的發展在一定程度上使數字金融與農業經濟發展之間的正向關系變弱,說明當前優化產業結構以及促進第一、二、三產業協調發展的重要性。(3)由薈萃回歸分析結果可知,文獻研究特征的不同也會造成研究結果顯著性水平的差異,這為后續的相關研究提供思路與借鑒,今后研究應注重多重方法的交叉與比較應用,提升研究的精度。

(二)政策建議

1.推動新型城鎮化建設。首先,大力推動新型基礎設施建設。新基建是推動以數字經濟、信息科技以及新能源技術為代表的技術革命浪潮的基礎性環節,應提高基礎設施建設質量和效率[16];充分發揮其規模效用遞增、長尾效應明顯等特性,為數字金融的普及和發展創造有利前提。其次,在推進城鎮化的建設過程中,要強調統籌兼顧與科學規劃,切勿粗放式的盲目擴張,要與郊區以及廣大的農村地區進行資源信息共享,實現優勢互補,促進農業經濟發展。

2.合理調整財政支農規模。政府是推動農業經濟發展的重要保障。近年來,各級政府部門對于農業發展的資金投入不斷增加,對農業經濟的支持效果較為顯著[17]。然而當前在數字時代背景下,財政支農規模的盲目擴大,可能不利于農業經濟發展。需政府提升財政在支持農業經濟發展過程中的針對性,提高財政資金使用效率,提升農村地區公共產品和服務的供給質量。協調地區間和政府部門之間關系,加強各縣(市、區)政府部門交流與合作,實現優勢互補,協調經濟發展。

3.穩步推進農業貿易開放。農業對外貿易的開展對于農業經濟發展至關重要,由于當前我國數字金融發展尚不成熟,導致農業貿易未能在數字金融影響農業經濟過程中起到積極作用。在數字時代背景下應穩步推進農業貿易開放,加快農產品貿易從低端出口向高端出口轉型,優化農產品進口布局,科學調整農產品進口規模和產地,實施多元化布局[18]。推動農業貿易與數字技術緊密結合,利用數字平臺提升商品交易效率,擴大交易規模,促進農業經濟發展。

4.優化農村產業結構。現階段農村地區應著力于推動第三產業的發展,大力發展數字經濟,充分發揮非農產業和第三產業對農村居民增收的積極作用,提高第三產業在農村產業中的比例,促進數字金融在農村地區下沉,加強農村地區的產業融合,發揮產業發展對農村經濟的帶動作用[19]。另外通過精準研判地區產業發展優勢,因地制宜發展地區特色產業,鼓勵區域內各縣(市、區)發展特色旅游和服務業,推動農業經濟發展。

(三)學術啟示

1.在農業經濟發展水平指標的衡量方面,綜合系數法及相關指數法可能并不是衡量農業經濟發展水平較好的方法,建議今后的相關研究在使用農業農村產值衡量農業經濟發展水平的基礎上,嘗試創新其他衡量指標。

2.在樣本級別方面,受研究異質性以及相關局限性影響,運用縣級層面數據進行分析并不能促進實證結果的顯著性,建議今后的研究注重多層面數據的比較分析,進行多個層面數據的穩健性檢驗。

3.在模型選擇方面,空間計量模型與GMM模型的實證結果更具顯著性,建議今后的相關研究可以在嘗試2種方法的基礎上,注重多重方法的交叉與比較應用。

4.在中介變量方面,可以看出模型中無中介變量的文獻結果要更顯著一些,說明數字金融與農業經濟發展間的中介作用機制并不明顯,這也為后續研究提供了一定借鑒。

5.在樣本數量和解釋變量數量方面,文獻中樣本量的增多對研究結果的影響相對有限,且解釋變量數量對研究結果存在明顯影響,因此認為在盡可能增加樣本數量的同時還應注重樣本質量,提升樣本的可代表性。

6.在數據使用年限方面,使用數據的起止年份和終止年份均對實證結果產生較強影響,由此文章所使用的數據越新,研究結果則更加具有說服力。