數字普惠金融與農業機械綠色之路

劉艷麗　劉政　萬瑋

摘要：農業機械化是農業現代化的重要標志，農業機械化離不開綠色發展，降低農業機械的化石能耗、提升電力清潔能耗，是我國農業機械邁向綠色之路的重要方向。立足中國省際面板數據，選取農業機械的電力動能占比，表征農業機械的綠色化，實證檢驗數字普惠金融對農業機械綠色轉型的影響與機制。研究表明：數字普惠金融顯著提升我國農業機械的電力動能占比，數字普惠金融的覆蓋廣度、使用深度以及數字化支付程度，都推動農業機械綠色轉型。對于涉農財政支出不足的地區，數字普惠金融促進農業機械綠色化的調節作用更明顯，說明數字普惠金融彌補了涉農財政的資金缺口，通過金融互補機制助推農業機械綠色轉型。對于經濟落后地區和環境規制強度更高的地區，數字普惠金融推動農機綠色轉型的效果也更突出。

關鍵詞：數字普惠金融；農業機械綠色化；電力動能；機械動能；綠色轉型；農業發展

中圖分類號：F061.5

文獻標識碼：A

文章編號：20955553 （2023） 11021608

Digital inclusive finance and the green path to agricultural machinery

Liu YanliLiu Zheng Wan Wei

（1. Municipal Party School of the CPC， Kunming， 650500， China; 2. Research Center of Management Science and

Engineering， Jiangxi Normal University， Nanchang， 330022， China; 3. Jiangxi Institute of Economic Development，

Jiangxi Normal University， Nanchang， 330022， China）

Abstract：Agricultural mechanization is an important symbol of agricultural modernization， and agricultural mechanization cannot be separated from green development. Reducing the fossil energy consumption of agricultural machinery and upgrading the clean energy consumption of electricity is an important direction for Chinas agricultural machinery to move towards the green road. Based on Chinas inter-provincial panel data， the electric kinetic energy share of agricultural machinery is selected to characterize the greening of agricultural machinery， and the impact and mechanism of digital financial inclusion on the green transformation of agricultural machinery are empirically examined. The research results show that digital inclusive finance significantly increases the electric kinetic energy share of agricultural machinery in China， and the breadth of coverage， depth of use， and degree of digitalized payment of digital inclusive finance all promote the green transformation of agricultural machinery. For regions with insufficient agriculture-related financial expenditures， the regulating effect of digital inclusive finance in promoting the greening of agricultural machinery is more obvious， indicating that digital inclusive finance has made up for the financial gap of agriculture-related finance， and promotes the green transformation of agricultural machinery through the mechanism of financial complementarity. For economically backward regions and regions with higher intensity of environmental regulation， the effect of digital inclusive finance in promoting the green transformation of agricultural machinery is also more prominent.

Keywords：digital inclusive finance; green agricultural machinery; electric kinetic energy; mechanical kinetic energy; green transformation; agricultural development

0引言

綠色發展是現代農業的重要標志，農業現代化離不開機械化，如何優化農業機械的耗能結構，推動農業機械綠色轉型，是亟待解決的重要現實問題。2021年中央“一號文件”明確提出“加快推進農業機械化進程，強化現代農業科技和物質裝備支撐”。近年我國農業機械的總動能獲得大幅提升，但就動能結構而言，柴油、汽油等傳統化石能耗仍是主要動力來源。傳統動能易于誘發漏油和廢氣排放等水土污染問題，阻礙了農業綠色發展。2015年農業部《全國土壤污染狀況調查公報》顯示，我國部分地區農業甚至超過工業，成為最大的面源污染產業。農業農村部、國家發改委等六部門聯合印發了《“十四五”全國農業綠色發展規劃》，提出了強化農業綠色轉型發展的戰略意見。因此，從農業機械的動能結構入手，探索我國農業機械綠色發展的動力來源和驅動機制，具有重要的實踐意義。

然而，直接研究農業機械綠色化的文獻并不常見，大量相關研究重點圍繞農業綠色發展、農業綠色生產率以及農業機械化等相關主題展開。部分研究考察了農業綠色發展與環境規制的關系，并從農業技術創新、農業綠色生產率入手展開討論。徐永慧等［1］發現強化環境規制可以增強農業技術創新，促進農業綠色發展。馬國群等［2］驗證了環境規制與農業綠色生產率之間的非線性特征，發現只有當“創新補償”效應足夠大時，環境規制才能促進農業綠色效率提升。少數文獻認識到產業結構對農業綠色發展的重要性。金芳等［3］區分了農業的本地產業結構和鄰近地區產業結構對農業綠色生產率的差異作用。此外，大量文獻深入分析了農業機械化的決定條件，認為農業機械化離不開農業補貼政策、新型城鎮化等外部因素［45］，金融發育不足、信息不對稱、昂貴交易成本等也是制約農業機械化的主要障礙［68］。

顯然，與農業技術創新、綠色生產率以及機械化等引致農業綠色發展的直接作用路徑不同，農業機械的投入成本與能耗結構也是影響農業綠色發展的間接渠道［9］。鑒于選擇何種動能結構的農業機械，與農業金融支持密切相關。鑒此考慮，本文立足2011—2020年中國省際面板數據，以我國農業機械的動能結構為抓手，選取農業機械的電力清潔動能占農機總動能的比值，表征農業機械的綠色化特征，采用面板數據計量模型實證檢驗了數字普惠金融對農業機械綠色化的因果關系，并就地區涉農財政支出和地區發展差異、環境規制強度差異等展開調節機制檢驗和異質性分析，據此提出推動我國農業機械綠色轉型發展的政策建議。

1理論分析

1.1數字普惠金融與農業機械綠色化

長期以來，需求和信用的信息不暢阻塞了農村金融市場運行。受其影響，農業部門出現了金融排斥［10］，阻礙了農業機械化［11］。進入數字時代，大數據、云計算等現代數字信息技術與傳統金融相互碰撞，提升了金融的普惠度。數字普惠金融重塑了傳統金融配置格局［12］，降低了金融供需雙方的信息不對稱性［7， 13］，打破了供需兩端的空間限制并優化了農村金融服務［1415］。數字普惠金融對農業機械化存在積極影響。一方面，數字普惠金融實現了金融服務交易的時空異步，促使農戶易于獲取多渠道、多種類的金融服務［16］；數字普惠金融業降低了農戶申請信貸服務的時間金錢成本，削減了金融機構服務窗口的運營成本［8］。另一方面，數字普惠金融內嵌的數字技術能夠及時分析并獲取客戶的信用狀況，為客戶精準匹配可負擔的金融服務提供支持，進一步改變了傳統金融機構的供給方式，弱化了金融配給的道德風險［16］。最終，數字普惠金融帶來了可獲性、可觸性和支付便利性［6］，重點緩解了農戶選擇農業機械的信貸約束［8］，為農業機械的綠色轉型提供了資金支持。另外，許多實證研究也證實，依托融資門檻低、覆蓋范圍廣的系統優勢，數字普惠金融能夠提升綠色效率［17］。具體而言，數字普惠金融擁有部分綠色金融屬性，能夠嵌入農業機械市場，降低農業綠色機械進入市場的交易成本；并基于綠色環保項目為農業綠色機械提供信貸保證［17］；此外，為了獲得數字普惠金融，農業主體也更加重視綠色導向，推動了農業機械綠色化轉型。鑒此，提出以下假設。

假設1：數字普惠金融推動了農業機械綠色化。

1.2數字普惠金融、財政支農支出與農業機械綠色化

財政與金融的政策結合是推動農業機械綠色化的重要條件。一方面，政府參與是普惠金融發揮作用的前提，財政支持是激發普惠金融市場作用的重要推力［18］，尤其在數字技術和金融科技難以企及的地區，涉農財政支持尤為重要［19］。就我國財政支農與農業機械化實踐而言，購機補貼是我國當前推動農業機械化的主要財政支農政策。已有研究發現財政購機補貼推動了老舊農機報廢，優化了農業機械的裝備結構，促進了農戶對新型高效和關鍵作業農業機械的購買，最終財政購機補貼存在“結構改善效應”和“存量增加效應”［4］。顯然，購買新型農業機械擴大了農機裝備存量，但擁有農業機械不等于使用農業機械，適宜的數字普惠金融有助于平滑農業機械的邊際融資成本，提升了農業機械的使用頻次，打通了農戶從擁有到使用新型農業機械的最后一公里。另一方面，盡管財政購機補貼具有門檻低、覆蓋廣的“長尾優勢”，但涉農財政支出的地區差異十分明顯，對于落后地區的貧困群體，財政購機補貼的力度有限，其難以直接觸動農戶購買新型農機設備，并制約了農業機械的綠色轉型之路。盡管政府財政支農有助于矯正金融“嫌貧愛富”的本性，具有緩解市場失靈的實踐優勢［20］。但在涉農財政資金面臨缺口時，數字普惠金融的強滲透性、低門檻優勢進一步被激活，其積極誘導農業機械化和農機綠色化的作用就越突出。基于上述分析，提出本文研究假設。

假設2：數字普惠金融與財政支農支出具有互補關系；對于人均財政支農支出偏少的地區，數字普惠金融對農業機械綠色化的促進作用更明顯。

2數據來源、變量設計與模型選擇

2.1數據來源

本文研究數據來自2011—2020年中國大陸30個省（西藏除外）的宏觀統計指標。具體包括《中國統計年鑒》《中國農業機械工業年鑒》《中國農村統計年鑒》以及《中國人口和就業統計年鑒》。為了從農業機械的動能結構入手，構建本文農業機械綠色化指標，這涉及2012—2021歷年《中國農業機械工業年鑒》的農業機械動能數據。本文數字普惠金融數據來自北京大學數字金融研究中心，其從數字金融的整體使用、覆蓋廣度、使用深度以及數字支付服務四個維度，測算了我國省市縣三個層面的數字普惠金融發展情況。目前，該數字普惠金融數據的延續期間為2011—2021年，但鑒于農業機械動能數據目前只能追蹤到2020年，因此，本文選擇2011—2020年的數字普惠金融數據展開分析。此外，本文從省區、年份維度選取了地區層面的農業發展控制變量，其數據來自2012—2021年的《中國統計年鑒》《中國人口和就業統計年鑒》《中國農村統計年鑒》。需要說明都是，鑒于部分地區或年份的農機總動能與控制變量存在缺失，最終本文整理獲得了30個省、10年共計295個非平衡面板數據。

2.2變量選擇

1）? 被解釋變量。農業機械綠色化是本文被解釋變量，但縱觀現有研究，直接測度農業機械綠色化的指標寥寥。學界重點聚焦農業機械化的測度，且相關數據以微觀調查和官方統計為主［78］，對農業機械綠色化的研究并不多見。受“能源綠色轉型”思路啟發，劉平闊等［21］指出與傳統化石能源相比，電能屬于二次清潔能源，其在代替煤、燃油等化石能源的基礎上有助于綠色減排。且從環境保護角度看，依靠柴油、汽油等傳統化石能源的農業機械，也易于誘發漏油、廢氣排放等水土污染問題，但依托電力能源的農業機械反而更清潔。鑒此，本文從農業機械的動能結構入手，選取農業機械的電力動能除以農業機械的總動能（grp），將其比值作為農業機械綠色化的代理指標，相關變量的詳細說明如表1所示。同時，根據表2的主要變量統計性描述特征，農業機械綠色化的均值為0.197 0，說明2011—2020年間我國農業機械總動能中接近1/5的動能來自電力能耗；將其按南北差異分類比較發現，我國南方農業機械綠色化均值為0.233 2，而北方農業機械綠色化均值為0.166 5，因此南方農業機械綠色化是北方農業機械綠色化的1.4倍。

2） 解釋變量。數字普惠金融是本文核心解釋變量，其數據來自北京大學數字金融研究中心。郭峰等［22］最早運用無量綱化方法和層次分析法，從數字普惠金融的整體指數（dfagg）、覆蓋廣度（dfwide）、使用深度（dfdeep）以及數字支付服務程度（dftech）四個方面，測算了我國各省的數字普惠金融發展情況；數字普惠金融的覆蓋廣度體現了金融電子賬戶數量，使用深度反映了實際使用數字金融服務的特征，而數字普惠技術則衡量了數字金融服務的便利性和成本屬性。本文主要使用其關于2011—2020年我國大陸（西藏除外）30個省的數字普惠金融指標。為了統一量綱，本文將四類數字普惠金融指標分別進行對數化處理。

3） 控制變量。借鑒潘彪［4］、高延雷［5］等學者的做法，本文選取各省農業產業比重（argind）、農業生產結構（grain）、農村用電量（elep）、農村老齡化程度（older）、農村受教育程度（edu）等作為系列控制因素，具體見表1所示。根據表2的統計性描述，我國農業產業比重的均值為0.099 3，分類統計發現，西部地區該比例值最高（0.118 2）、中部地區次之（0.114 4），而東部地區最低（0.068 3）。農村老齡化程度的樣本均值為0.122 6，說明我國適齡勞動人口中65歲以上年齡人口平均占比12.26%，就指標趨勢特征看，2011—2020年間，我國農村老齡化程度逐年攀升，由2011年的9.82%上升至2022年的17.12%，10年來我國農村老齡化比重上升了74.34%。

2.3模型選擇

為了研究數字普惠金融對農業機械綠色化的影響，本文構建了如下基準計量方程。

grp_i，t=α₀+βdfagg_i，t+γZ_i，t+α_i+α_t+ε_i，t（1）

grp_i，t=α₀+βdfwide_i，t+γZ_i，t+α_i+α_t+ε_i，t（2）

grp_i，t=α₀+βdfdeep_i，t+γZ_i，t+α_i+α_t+ε_i，t（3）

grp_i，t=α₀+βdftech_i，t+γZ_i，t+α_i+α_t+ε_i，t（4）

式中：

i——省區；

t——年份；

α0——常數項；

α_i——省份固定效應；

α_t——年份固定效應；

Z——農業產業比重、農業生產結構、農村用電量、農村老齡化程度、農村受教育程度等系列控制因素；

γ——控制變量回歸系數；

ε——隨機擾動項。

方程（1）至方程（4）采用面板固定效應方法（FE），其優點在于控制不可觀測的個體遺漏特征，重點檢驗各類數字普惠金融指標系數β的符號和顯著性，判斷數字普惠金融如何影響農業機械綠色化。然而，為了控制模型可能存在的內生性，進一步構建如下動態面板計量模型展開穩健性檢驗。

grp_i，t=α₀+δgrp_i，t－1+φdfagg_i，t+γZ_i，t+ε_i，t（5）

grp_i，t=α₀+δgrp_i，t－1+φdfwide_i，t+γZ_i，t+ε_i，t（6）

grp_i，t=α₀+δgrp_i，t－1+φdfdeep_i，t+γZ_i，t+ε_i，t（7）

grp_i，t=α₀+δgrp_i，t－1+φdftech_i，t+γZ_i，t+ε_i，t（8）

方程（5）至方程（8）采用動態面板模型的檢驗思路，在方程右側，均新增控制農業機械綠色化的1期滯后項（grp_i，t－1），以排除地區農業機械化的歷史累積影響。引入被解釋變量1期滯后項之后，也加劇了模型的內生性，借助動態面板數據的廣義矩估計方法（Sys-gmm），方程（5）至方程（8）在檢驗中自動選取農業機械綠色化的差分項和滯后項，作為農業機械綠色化1期滯后項的聯合工具變量，采用該工具變量法系統控制了模型內生性，重點觀察農業機械化歷史累計影響δ和各類數字普惠金融系數φ的系數符號和顯著性。此外，在機制分析部分，繼續考察財政支農支出對數字普惠金融影響農業機械綠色化的調節效應，即在方程（5）至方程（8）的基礎上，依次構建如下調節機制進行檢驗。

grp_i，t=α₀+δgrp_i，t－1+φdfagg_i，t+β₆fin_i，t+θdfagg_i，t×fin_i，t+γZ_i，t+ε_i，t（9）

grp_i，t=α₀+δgrp_i，t－1+φdfwide_i，t+β₆fin_i，t+θdfwide_i，t×fin_i，t+γZ_i，t+ε_i，t（10）

grp_i，t=α₀+δgrp_i，t－1+φdfdeep_i，t+β₆fin_i，t+θdfdeep_i，t×fin_i，t+γZ_i，t+ε_i，t（11）

grp_i，t=α₀+δgrp_i，t－1+φdftech_i，t+β₆fin_i，t+θdftech_i，t×fin_i，t+γZ_i，t+ε_i，t（12）

在方程（9）至方程（12）中，按地區人均財政支農支出是否其小于樣本均值構建虛擬變量（fin），將其作為調節變量，重點檢驗數字普惠金融與該財政支農支出虛擬變量的交互項系數θ和人均財政支出系數β₆，判斷其符號和顯著性，考察對于人均財政支農支出偏少的地區，數字普惠金融對于農業機械綠色化的促進作用是否更明顯，據此驗證本文理論假設2。

3實證結果與計量分析

3.1基準回歸

根據方程（1）至方程（4），依次采用面板固定效應模型，表3報告了基準回歸結果。在第（1）列至第（4）列，分別采用數字普惠金融的整體發展程度（dfagg）、覆蓋廣度（dfwide）、使用深度（dfdeep）以及數字支付服務程度（dftech）作為核心解釋變量，在引入相關控制因素之后，發現各類數字普惠金融均為正，高度顯著（1%顯著性）。說明無論選擇何種數字普惠金融指標，都無一例外地證實數字普惠金融對農業機械的綠色化產生了積極影響，這驗證了本文假設1，表明數字普惠金融推動了我國農業機械的綠色轉型升級。

進一步解釋各類數字普惠金融影響農業機械綠色化的經濟含義。鑒于本文四類數字普惠金融均進行了對數值處理，因此重新計算方程（1）至方程（4）各類數字普惠金融對應邊際系數，發現數字普惠金融的整體發展程度（dfagg）、覆蓋廣度（dfwide）、使用深度（dfdeep）以及數字支付服務程度（dftech）的邊際系數分別為0.104 9、0.071 3、0.123 8、0.061 6，這說明各類數字普惠金融指數依次上升1個單位，則我國農業機械電力動能占比分別上升10.49%、7.13%、12.38%以及6.16%，且就后三類具體數字普惠金融指標的邊際系數進行比較，可見數字普惠金融的使用深度對我國農業機械綠色化的促進作用最強，數字普惠金融的覆蓋廣度次之，數字普惠金融的數字支付服務影響最低。

鑒于既有同類研究關注重點是農業機械化程度，而對農業機械化中的綠色問題討論極少。例如，孫學濤［7］、閆桂權［8］等實證研究發現數字普惠金融對農業機械化具有推動作用，有助于農業機械總動能提升。但這些文獻并沒有討論農業機械的動能結構問題。本文從農業機械的電力動能占比入手，證實了數字普惠金融對于農業機械綠色轉型的促進作用。本文的結論說明數字普惠金融不僅增強了農業機械總動能，還有助于優化農業機械的綠色動能結構。這為我國發展農業普惠金融、破除城鄉數字鴻溝以及實現農業綠色發展提供了經驗支持。

3.2模型內生性處理

考慮到采用面板固定效應方法仍然面臨模型內生性。鑒此，采用動態面板廣義矩方法（Sys-gmm），按照方程（5）至方程（8）的思路進行檢驗。具體回歸結果見表4所示，第（1）列至第（4）列仍然將數字普惠金融的整體發展程度（dfagg）、覆蓋廣度（dfwide）、使用深度（dfdeep）以及數字支付服務程度（dftech）作為核心解釋變量，新增引入了滯后一期的農業機械綠色化指標（grp_i，t－1）作為控制變量，發現其高度顯著為正，說明農業機械綠色化的確存在歷史累積影響。

鑒于采用動態面板計量方法時，需要優先檢驗計量模型能否通過殘差自相關檢驗和工具變量過度識別檢驗。根據表4可知兩類檢驗的統計結果：一是衡量殘差自相關性的Arellano-Bond檢驗，在滯后一期時AR（1）值高度顯著，說明一期仍然存在殘差自相關，但在滯后兩期時AR（2）值不再顯著，這與殘差自相關檢驗的理論要求相吻合，表明上述廣義矩估計通過了兩期的殘差自相關檢驗，可見本文選取的系統廣義矩工具變量比較合理。二是判斷工具變量是否過度識別的Sargan檢驗，顯示該統計量的p值超過0.1，說明各類滯后項和差分項對應工具變量不存在過度識別問題，這也證實本文選擇了合理的工具變量滯后階數。最終實證結果見表4，第（1）列至第（4）列四類數字普惠金融指標，仍然高度顯著為正（1%顯著性），說明即便選擇動態面板廣義矩估計方法來控制了模型內生性問題，仍然能夠證實數字普惠金融顯著促進農業機械綠色化的穩健結論。

3.3穩健性檢驗

核心變量測度偏誤很可能導致本文主要結論存在偏倚，鑒此，重新構建農業機械綠色化指標，并展開穩健性檢驗。借鑒孫學濤等［7］研究方法，選取地區耕地面積作為標準化指標，將省區農業機械電力動能除以地區耕地面積，構建單位耕地面積對應的農業機械電力動能，作為本文新的農業機械綠色化指標。表5仍然采用估計動態面板數據的廣義矩方法（Sys-gmm）進行穩健性檢驗。

替換農業機械綠色化指標后，表5各列各類動態面板計量模型均通過了殘差自相關檢驗和工具變量弱識別檢驗，四類數字普惠金融指標在各列均高度顯著為正（1%顯著性），說明即便重新測度新的農業機械綠色化指標，仍然可以得出數字普惠金融促進農業機械綠色轉型的穩健結論。

3.4調節機制檢驗

繼續考察涉農財政支出對數字普惠金融影響農業機械綠色化的調節機制，驗證本文研究假設2。

立足方程（9）至方程（12），將省區農業財政支出除以農業人數，構建地區財政支農支出人均值指標，按其是否小于該指標樣本均值進行分組，將低于均值的樣本賦值為1，反之賦值為0，構建地區偏低人均財政支農支出虛擬變量（fin）。重點檢驗該財政支農支出虛擬變量與數字普惠金融的交互項，判斷其系數符號和顯著性。

可以發現在各列引入財政支農支出虛擬變量與數字普惠金融的交互項之后，四類數字普惠金融指標的顯著性變低，但各類交互項系數高度顯著為正，這說明財政支農支出對數字普惠金融促進農業機械綠色化的影響發揮了調節作用。可以看出，對于人均財政支農支出偏低的地區而言，數字普惠金融對于農業機械綠色化的促進作用更明顯，這證實了本文假設2。說明在推動農業機械綠色轉型上，數字普惠金融與地區財政支農支出具有互補關系，數字普惠金融彌補了地區因財政支農支出不足而誘發的財力缺口，通過金融反哺的互補機制助推了我國農業機械綠色轉型升級。

3.5異質性檢驗

繼續采用方程（5）的動態面板廣義矩方法，就地區發展差距和環境規制差距入手，考察數字普惠金融影響農業機械綠色化的異質性。在表7的前兩列，按地區人均GDP均值分組，檢驗發現數字普惠金融整體指數沒有促進經濟發達地區農業機械綠色化轉型，僅對經濟落后地區農業機械綠色化具有顯著促進作用。在后兩列，借鑒劉榮增等［23］研究方法，構建了省區環境規制強度指標，按其樣本均值分組，檢驗顯示數字普惠金融僅對環境強規制地區農業機械綠色化具有促進作用。綜合上述異質性檢驗結果，可知數字普惠金融對不同地區農業機械綠色化產生了異質影響，在欠發達地區和環境規制壓力突出地區，數字普惠金融推動農業機械綠色化更明顯。

4結論與建議

4.1研究結論

1）? 基于2011—2020年我國省際面板數據，構建數字普惠金融影響農業機械綠色化的靜態和動態面板計量模型，研究發現數字普惠金融對于我國農業機械綠色化具有因果關系，數字普惠金融顯著提升了我國農業機械的電力動能占比，推動了我國農業機械綠色轉型升級。數字普惠金融的整體發展程度、覆蓋廣度、使用深度以及數字支付服務程度影響農業機械綠色化的邊際系數分別為0.104 9、0.071 3、0.123 8、0.061 6，說明這四類數字普惠金融指數上升1個單位，其分別促進我國農業機械電力動能占比提升10.49%、7.13%、12.38%以及6.16%，表明數字普惠金融對于農業機械綠色化具有現實經濟含義。比較而言，數字普惠金融的使用深度對我國農業機械綠色化的促進作用最強，數字普惠金融的覆蓋廣度次之，數字普惠金融的數字支付服務影響最低。

2）? 地區偏低人均財政支農支出的虛擬變量與數字普惠金融的交互項系數為正，擁有1%～5%以內的高度顯著性，說明財政支農支出對數字普惠金融促進農業機械綠色化的影響發揮了調節作用。對于人均財政支農支出偏低的地區，數字普惠金融對于農業機械綠色化的促進作用越明顯。可見在推動農業機械綠色轉型升級方面，數字普惠金融與地區財政支農支出具有互補關系，數字普惠金融彌補了地區財政支農支出不足引致的財力缺口，通過金融反哺的互補機制助推了我國農業機械綠色轉型升級。

4.2政策建議

1）? 加快鄉村數字基礎設施建設，為數字普惠金融在農業領域推廣應用創造條件。目前，城鄉數字基礎設施差距大，農村數字基礎設施相對弱，限制了農業數字普惠金融的應用發展。建議加大統籌農村5G 網絡、人工智能、農業互聯網、物聯網建設，對于地廣人稀和經濟欠發達的農村地區，政府要加快“數字化鄉村”建設，提高農村地區互聯網普及率，打破農村信息孤島、縮小鄉村“數字鴻溝”。

2）? 充分發揮數字普惠金融的融資功能，加大農業財政涉農支出，促進涉農財政與數字普惠金融對農業機械綠色化的融合作用。大力支持政府涉農財政、金融信貸、保險投資等數字普惠金融工具在農業的聯合應用，豐富財政金融服務體系。充分挖掘數字普惠金融的政策紅利，充分擴大數字普惠金融信貸業務在農村產業融合中的既有優勢，夯實鄉村數字金融發展基礎。

3）? 提升數字普惠金融對農業機械化和農機綠色化的驅動功能，助力現代農業綠色轉型升級。根據我國地區間農業綠色發展差異和數字普惠金融的空間發展差距，因地制宜推動數字普惠金融對農業機械綠色化的驅動作用。尤其針對耕地面積多，地形基礎好，電力網絡設施優的農村地區，加大金融扶持助力農業機械綠色轉型，提高農業綠色機械在不同地區的適配度，為農業的機械化和綠色化夯實金融基礎。

參考文獻

［1］徐永慧， 尹朝靜. 環境規制下中國農業綠色全要素生產率的測算［J］. 統計與決策， 2021， 37（18）： 50-54.Xu Yonghui， Yin Chaojing. Measurement on green total factor productivity of Chinas agriculture under environmental regulation ［J］. Statistics & Decision， 2021， 37（18）： 50-54.

［2］馬國群， 譚硯文. 環境規制對農業綠色全要素生產率的影響研究——基于面板門檻模型的分析［J］. 農業技術經濟， 2021（5）： 77-92.Ma Guoqun， Tan Yanwen. Impact of environmental regulation on agricultural green total factor productivity—Analysis based on the panel threshold model ［J］. Journal of Agrotechnical Economics， 2021（5）： 77-92.

［3］金芳， 金榮學. 農業產業結構變遷對綠色全要素生產率增長的空間效應分析［J］. 華中農業大學學報（社會科學版）， 2020（1）： 124-134， 168-169.Jin Fang， Jin Rongxue.Analysis on the spatial effects of agricultural industrial structure on agricultural green total factor productivity ［J］. Journal of Huazhong Agricultural University （Social Sciences Edition）， 2020（1）： 124-134， 168-169.

［4］潘彪， 田志宏. 購機補貼政策對中國農業機械使用效率的影響分析［J］. 中國農村經濟， 2018（6）： 21-37.Pan Biao， Tian Zhihong. The impacts of agricultural machinery purchase subsidy policies on the utilization efficiency of agricultural machinery in China ［J］. Chinese Rural Economy， 2018（6）： 21-37.

［5］高延雷， 張正巖， 王志剛. 城鎮化提高了農業機械化水平嗎？——來自中國31個省（區、市）的面板證據［J］. 經濟經緯， 2020， 37（3）： 37-44.Gao Yanlei， Zhang Zhengyan， Wang Zhigang. Does urbanization improve agricultural mechanization？—Panel evidence from 31 provinces in China ［J］. Economic Survey， 2020， 37（3）： 37-44.

［6］孫繼國， 韓開顏， 胡金焱. 數字金融是否減緩了相對貧困？——基于CHFS數據的實證研究［J］. 財經論叢， 2020（12）： 50-60.Sun Jiguo， Han Kaiyan， Hu Jinyan.Can digital finance reduce relative poverty？—Evidence from CHFS data ［J］. Collected Essays On Finance and Economics， 2020（12）： 50-60.

［7］孫學濤， 于婷， 于法穩. 數字普惠金融對農業機械化的影響——來自中國1 869個縣域的證據［J］. 中國農村經濟， 2022（2）： 76-93.Sun Xuetao， Yu Ting， Yu Fawen.The impact of digital finance on agricultural mechanization： Evidence from 1 869 counties in China ［J］. Chinese Rural Economy， 2022（2）： 76-93.

［8］閆桂權， 何玉成， 張曉恒. 數字普惠金融發展能否促進農業機械化——基于農機作業服務市場發展的視角［J］. 農業技術經濟， 2022（1）： 51-64.Yan Guiquan， He Yucheng， Zhang Xiaoheng. Can the development of digital inclusive finance promote agricultural mechanization？—Based on the perspective of the development of agricultural machinery outsourcing service market ［J］. Journal of Agrotechnical Economics， 2022（1）： 51-64.

［9］李健旋. 農村金融發展與農業綠色全要素生產率提升研究［J］. 管理評論， 2021， 33（3）： 84-95.Li Jianxuan. Rural financial development and the improvement of agricultural green total factor productivity ［J］. Management Review， 2021， 33（3）： 84-95.

［10］李曉園， 劉雨濛. 數字普惠金融如何促進農村創業［J］. 經濟管理， 2021， 43（12）： 24-40.Li Xiaoyuan， Liu Yumeng.How does digital inclusive finance promote rural entrepreneurship？ ［J］. Business and Management Journal （BMJ）， 2021， 43（12）： 24-40.

［11］周晶， 陳玉萍， 阮冬燕. 地形條件對農業機械化發展區域不平衡的影響——基于湖北省縣級面板數據的實證分析［J］. 中國農村經濟， 2013（9）： 63-77.

［12］謝地， 蘇博. 數字普惠金融助力鄉村振興發展：理論分析與實證檢驗［J］. 山東社會科學， 2021（4）： 121-127.Xie Di， Su Bo. Digital financial inclusion assisting rural revitalization： Theoretical analysis and empirical examination ［J］. Shandong Social Sciences， 2021（4）： 121-127.

［13］唐松， 伍旭川， 祝佳. 數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異［J］. 管理世界， 2020， 36（5）： 52-66， 9.Tang Song， Wu Xuchuan， Zhu Jia. Digital finance and enterprise technology innovation： Structural feature， mechanism identification and effect difference under financial supervision ［J］. Journal of Management World， 2020， 36（5）： 52-66， 9.

［14］張勛， 萬廣華， 張佳佳， 等. 數字經濟、普惠金融與包容性增長［J］. 經濟研究， 2019， 54（8）： 71-86.Zhang Xun， Wan Guanghua， Zhang Jiajia， et al. Digital economy， financial inclusion， and inclusive growth ［J］. Economic Research Journal， 2019， 54（8）： 71-86.

［15］劉艷. 數字普惠金融對農業全要素生產率的影響［J］. 統計與決策， 2021， 37（21）： 123-126.

［16］張翱祥， 鄧榮榮. 數字普惠金融對農業綠色全要素生產率的影響及空間溢出效應［J］. 武漢金融， 2022（1）： 65-74.

［17］Demertzis M， Merler S， Wolff G B. Capital Markets Union and the fintech opportunity ［J］. Journal of Financial Regulation， 2018， 4（1）： 157-165.

［18］Kabakova O， Plaksenkov E. Analysis of factors affecting financial inclusion： Ecosystem view ［J］. Journal of Business Research， 2018， 89： 198-205.

［19］惠獻波. 數字普惠金融扶貧效應及鞏固研究［J］. 價格理論與實踐， 2020（3）： 115-118.Hui Xianbo. Research on the poverty alleviation effect and consolidation of digital inclusive finance ［J］. Price： Theory & Practice， 2020（3）： 115-118.

［20］崔惠玉， 田明睿， 董安琦. 農業財政補貼與農業現代化——基于全國農業宏觀數據的經驗分析［J］. 財經問題研究， 2021（12）： 66-75.Cui Huiyu， Tian Mingrui， Dong Anqi. Agricultural fiscal subsidy and agricultural modernization： An empirical analysis based on national agricultural macro data ［J］. Research on Financial and Economic Issues， 2021（12）： 66-75.

［21］劉平闊， 王志偉. 中國“能源轉型”是否合理？——能源替代—互補關系的實證研究［J］. 中國軟科學， 2019（8）： 14-30.Liu Pingkuo， Wang Zhiwei. Is it reasonable for China to promote “Energy Transition” now？—An empirical study on the substitution-complementation relationship among energy resources ［J］. China Soft Science， 2019（8）： 14-30.

［22］郭峰， 王靖一， 王芳， 等. 測度中國數字普惠金融發展： 指數編制與空間特征［J］. 經濟學（季刊）， 2020， 19（4）： 1401-1418.Guo Feng， Wang Jingyi， Wang Fang， et al. Measuring Chinas digital financial inclusion： Index compilation and spatial characteristics ［J］. China Economic Quarterly， 2020， 19（4）： 1401-1418.

［23］劉榮增， 何春. 環境規制對城鎮居民收入不平等的門檻效應研究［J］. 中國軟科學， 2021（8）： 41-52.Liu Rongzeng， He Chun. Study on the threshold effect of environmental regulation on income inequality of urban residents ［J］. China Soft Science， 2021（8）： 41-52.