數字普惠金融對農業GTFP 的影響效應研究

摘要：提高農業GTFP是推行鄉村振興戰略的關鍵，數字普惠金融作為驅動農村高質量發展的新動力，或能結合產業集聚推動農業GTFP提升。本文采用空間杜賓模型，通過對2011—2020年30個省份的面板數據進行分析，實證研究了數字普惠金融及其分維度指數對中國農業GTFP、技術效率和技術進步的空間作用，并進一步分析了農業產業集聚對兩者關系的調節作用。研究結果顯示：數字普惠金融水平的快速提升對農業GTFP產生了積極影響；空間溢出效應表明，鄰近地區數字普惠金融的增長抑制了本地區農業GTFP的增長；調節效應表明，農業產業集聚在數字普惠金融推進農業GTFP提高的過程中起負向抑制作用。因此，要促進農業GTFP增長要充分發揮數字普惠金融的動力引擎作用，并引導農業產業合理布局，以提高金融資源在農業領域的配置效率，促進農村高質量發展。

關鍵詞：數字普惠金融；農業產業集聚；農業GTFP；空間杜賓模型

中圖分類號：F832.4 文獻標識碼：A DOI：10.3969/j.issn.1003-8256.2024.01.005

國家統計局資料顯示，從1978年到2021年，我國農業總產值從1 117.50億元增加至78 339.51億元，農村居民可支配收入持續增長，由1978 年的人均134 元增至2021年人均18 931元，增速連續10年趕超城鎮居民，農業產出的持續增長是推動農民收入的提高和農村經濟增長的重要力量［1］。然而前期農業產出的增長主要依賴犧牲生態環境的粗放式農業生產模式，集中表現為農業化肥、農藥、農膜等化學投入品過度使用以及資源的不合理利用［2］，這嚴重阻礙了農業生產效率的提高，背離國家提出的農村綠色發展的目標。習近平總書記在黨的二十大報告中也強調要推動建設美麗中國，必須加強生態防護和治理，既要在產業轉型中進行污染治理，又要注重降碳、減污、綠色、增長等方面協同發展，實現生態優先、節約集約、綠色低碳經濟發展。為解決目前農業面臨的資源要素短缺、不合理利用以及化學投入品過度使用等問題，走出發展困境，確保農村經濟的持續、健康、穩定發展，不少學者提出用農業綠色全要素生產率（Agricultural Green Total Factor Productivity，以下簡稱農業GTFP）來衡量農業綠色發展水平，指出必須把保護農村的生態環境放在首位，在資源和環境的制約下，通過投入產出模型計算農業GTFP，進而通過提高農業GTFP實現農業綠色可持續發展的目標［3-5］。

農業綠色發展離不開先進的生產設備、綠色技術、高技術人才等生產要素的支持，而技術、資本和人才的引進都離不開金融資源的大規模投入［6］。作為農業生產不可缺少的要素，金融資源一方面可以為農業生產技術引進、創新研發、生產設備采用以及高技術人才引進提供資金支持，另一方面也可以促進資本、技術、勞動等生產要素的融合發展，提高農業生產投入要素的綜合配置效率［7］。但是，在長期發展過程中，受“工業優先發展，城市偏向”戰略導向的制約，再加上農業產業發展具有周期長、收益低、風險高等特質，傳統金融機構在信貸對象的選取上更傾向于非農部門或“精英”農業部門，這就使得我國多數農業生產主體被排斥在金融信貸服務之外［8］。因此，要想走出農業發展面臨的困境以謀求農業的可持續綠色發展，需要借助非傳統金融資源——數字普惠金融的強大力量。

作為數字技術和金融服務深度融合的產物，數字普惠金融呈現出新的特點：客戶匹配精準化、風險管理智能化、金融產品多樣化、金融服務個性化、產品定價多樣化、營銷模式定向化等［9］。梳理數字普惠金融的相關文獻發現，數字普惠金融以其便利性和可獲得性為被傳統金融排斥在外的群體提供服務，有利于緩解他們的借貸約束，降低其獲取金融產品服務的成本，為我國農村農業高質量發展提供資金支持［10-11］。另外，金融供給規模的擴大勢必會引起生產要素流動、集聚，進而使得農戶擴大生產規模［12］，發揮農業產業集聚的規模經濟效應、專業化效應以及技術溢出效應等對農業發展產生積極效應［13］。但同時，也有研究表明，由于農業技術研發成本高、周期長的特性，數字普惠金融為農戶提供的信貸支持可能會被用來購買化肥、農藥等化學投入品，并且這種“安于現狀”的現象會隨著生產規模的擴大而更加明顯，反而不利于農業的可持續發展［14］。黨的二十大報告也指出要“發展農業規模適度經營”。因此，數字普惠金融能否促進農業綠色發展還需要考慮農業規模的大小。

目前關于數字金融對農業生產效率的研究比較豐富，其機制分析也較為完善，大多從緩解融資約束［10］、提高資源配置效率［7］以及促進技術進步［13］等方面展開探討。但是數字金融對農業綠色經濟效應的研究還處于初級階段，相關研究還存在以下不足：一是，農業GTFP的投入產出指標、時間測算范圍、樣本選擇以及測算方法都存在一定的差異，導致測算結果相差較大。二是目前文獻較少關注到數字金融對農業生產效率的空間溢出效應，而數字金融的一個重要特征就是突破時空限制，跨地區、跨時間分配金融資源，促進金融要素流動、集聚，因此，非常有必要深入探究數字金融對農業綠色生產效率的空間效應。三是，已有文獻在考察數字金融對農業的經濟效應時，較少考慮農業產業集聚的調節作用。而農業產業集聚和金融集聚是相輔相成的，增加農村地區金融供給的同時勢必會引起農地流轉，促進農業產業集聚［15］，進而影響農業GTFP。所以，有必要拓展研究內容，考察農業產業集聚在數字金融影響農業GTFP過程中的調節作用。基于此，在梳理數字普惠金融發展水平對中國農業GTFP的作用機理基礎上，基于2011—2020年30個省份的面板數據來探究數字普惠金融發展水平對農業GTFP的空間溢出效應，并把農業產業集聚納入分析框架，探析其對兩者關系的調節作用，旨在為我國農村地區農業GTFP 的提高提供可靠的經驗基礎和政策參考。相較前期文獻，本文邊際貢獻主要在于：一是，重新選取投入-產出變量，利用SBM模型結合ML 指數測算了2011—2022 年30 個省份的農業GTFP，拓展了農業GTFP的相關研究。二是，關注空間因素，基于空間杜賓模型分析了數字普惠金融對農業GTFP的空間溢出效用以及數字普惠金融三個子維度的分解效應。三是，驗證農業產業集聚在數字普惠金融影響農業GTFP過程中的調節作用。

1 文獻綜述與理論假設

農業GTFP是指將生態環境指標納入測算體系，在測算農業生產基本投入的利用效率之外，能夠反映農業資源利用的綜合效率以及農業綠色轉型升級的情況［16］。Schultzt［17］研究發現農業GTFP的提高依賴于農業技術進步和技術效率提升，兩者的進步在一定程度上得益于資本投入的增加。資本投入在一定程度上依賴于該地區的金融供給水平，而數字普惠金融可以突破地理距離限制，依靠其覆蓋范圍廣、低門檻、低成本等優勢發揮其“長尾效應”，通過成本效應、資源配置效應破解傳統金融機構的“金融排斥”難題［18］。目前，學術界普遍認為數字普惠金融能夠對農業生產效率產生積極影響。理論分析顯示，數字金融依托大數據等信息技術平臺重新建立農戶新的數字身份，完善其征信體系［19］，減少信息不對稱性，能夠精準匹配用戶的金融產品和服務需求［20］，有效進行欺詐識別和信用風險管理，更好地發揮其長尾效應［20-21］，這都有利于農業生產降低成本，實現規模化生產，提高農業綠色生產效率。同時，實證分析也得出同樣的結論，張啟文等［20］基于中國2011—2019年的省區市的數據，探究發現數字金融主要通過緩解農戶借貸約束、提高資源配置效率影響農業綠色生產效率。任健華等［22］基于2011—2022 年我國面板數據，通過實證發現了數字普惠金融能夠驅動農業TFP提升。唐建軍等［23］從地級市層面探討了兩者之間的關系，發現數字普惠金融通過發揮生產要素集聚效應、技術擴散效應促進農業生產效率提升。已有研究均表明數字普惠金融可以提升農業經濟效率，一方面數字金融擴大了傳統金融的覆蓋面，通過緩解借貸約束、提高資源配置效率等途徑降低農業生產成本，進而促進農業GTFP提升。另一方面，數字金融擴展了農業綠色發展的空間，能夠依靠其數字特征精準匹配用戶需求，識別風險，提供了農業綠色發展在金融供給端的新路徑。鑒于此，提出假設：

H1：數字普惠金融對農業GTFP 的增長具有積極效應。

此外，從經濟發展來看，不同地區之間的發展差異會帶動生產要素在不同地區之間流動［24］，主要表現為勞動力、資本、技術等生產要素向經濟發達地區轉移，并發生集聚現象［13］。而數字金融可以突破時空限制，借助數字技術帶動資本、勞動力以及農業技術流向農業發達地區，集聚效應和空間互動效應的存在促使集聚的生產要素進一步發揮擴散效應帶動周圍地區的農業發展［25］。同時，各個省份之間相互借鑒和學習數字金融發展過程中的經驗和技術，實現了數據平臺共建共享，降低了信息獲取門檻，更好地發揮了數字金融的生產要素集聚效應、技術擴散效應［26］，促進農業生產效率提高。郭峰等［19］通過實證研究發現數字金融具有正向空間溢出效應，能夠促進金融要素突破時空限制，產生集聚現象，促進金融資源流向農業生產效率較高的地區［23］，從而提高農業GTFP。可見，數字普惠金融不光能影響本地區農業GTFP，還能對周圍地區的農業GTFP產生影響。鑒于此，提出假設：

H2：數字普惠金融對農業GTFP 具有空間溢出效用。

我國前期農地分散化、經營模式細碎化、勞動投入密集化，極大地限制了農業生產效率的提升［27］。而各地基于“三權分置”土地改革背景全面開啟了農地經營權的流轉，將土地資源從邊際產出較低的農戶手里釋放出來流向土地邊際產出更高的經營主體，實現土地在具有比較優勢的經營主體手里擴產增效［28］，使得鄰近地帶的土地集中在專業生產大戶、農業合作社以及家庭農場等主體手中，這部分農業經營主體能夠有效突破碎片化的經營模式，通過引進先進生產設備、聘請專業技術人員實現規模化生產，降低農業生產成本，提高農業生產效率［29］。所以說農地的再分配效應相應帶來了勞動力、資本以及技術在周圍地區的流動、集聚，分工專業化得以體現，農業生產效率得以提高［30］。而數字金融的發展使得金融服務的覆蓋面進一步擴大，金融服務進一步深化，為廣大農戶提供了資金支持，促進了農地流轉［24］，具有適當規模的農業經營主體能依賴其獲得的金融支持吸引資本、勞動、技術等生產要素集聚［15］，從而通過規模經濟效應、技術擴散效應以及示范效應對農業GTFP產生積極影響。

然而，在數字普惠金融的影響下，農業產業集聚快速發展，農戶之間為了追逐快速獲利，會過度投入農藥、農膜、化肥等物質生產資料，秸稈、牲畜家禽糞便等廢棄物也沒有得到有效利用，導致投入要素之間產生擁擠效應，反而可能降低各生產要素的邊際效率［31］，農業的碳排放量增加［32］，進而使得其農業GTFP降低。此外，地區之間農業發展不均衡也會引起虹吸效應，農業產業在一個地區的快速發展會吸引技術、人才、資本等生產要素向本地區聚集，尤其是高素質農業技術人才［21］，而周圍地區的生產要素流出［33］，表現為農業發展落后地區資本、勞動以及技術等生產要素流入農業發達地區，資源流失限制了流出地區農業產業的發展［25］，抑制其農業GTFP的增長。最后，農業產業集聚也可能產生禁錮效應，產業集聚快速發展使得經營主體前期在基礎設施、生產資料投入過高，高額沉沒成本的存在使得農戶不能輕易在高投入、低產出的生產模式中脫身［34］，不利于農業綠色轉型發展，進而對農業GTFP的增長產生負面效應。

可見，農業產業集聚可能促使數字普惠金融通過規模經濟效應、技術擴散效應以及示范效應促進農業GTFP的提高，也可能通過發揮擁擠效應、虹吸效應以及禁錮效應抑制農業GTFP的增長。鑒于此，提出假設：

H3：農業產業集聚在數字普惠金融影響農業GTFP的過程中具有調節效應。

2 研究設計

2.1 研究樣本和數據來源

由于中國西藏以及港澳臺部分數據缺失，基于數據的可獲得性，選取30個省份2011—2020年的面板數據做相關分析。采用了EPS數據庫和GSMAR數據庫，以及《中國農業統計資料》和《中國農村統計年鑒》中的相關數據，對這些數據進行了整理。對單個數據的缺失，采用插值法進行補齊。

2.2 模型設計

考慮到空間因素，本文構建如下基準模型：

GMLit = ρWGMLit + α1 DiFiit + α2 Xit +β1WDiFiit + β2WXit + μi + vt + uit（1）

其中，uit = θWuit + εit，式（1）中i，t 分別表示相應的省份和時間；W 為空間權重矩陣；GMLit 表示i 省份t 時期的農業GTFP；DiFiit 表示i 省份t 時期的數字普惠金融指數；Xit 表示控制變量，代表能夠引起被解釋變量變動的其他影響因素。μi 代表控制地區固定效應；vt 表示時間固定效應；uit 表示隨機誤差項。針對基準模型，如果ρ =β1 = β2 = 0，表示空間依賴性體現在誤差項，則應該采用空間誤差模型；若θ = β1 = β2 = 0，表示被解釋變量存在空間集聚，模型為空間自相關模型；若僅有θ = 0，則代表解釋變量和被解釋變量都表現為空間集聚，且二者之間存在空間溢出效應，模型為空間杜賓模型。至于選擇何種模型，后文會通過LM檢驗、LR檢驗以及Wald檢驗來確定使用何種空間計量模型。

考慮到農業產業集聚（LQ）的調節作用，本文構建下列模型來檢驗其調節機制：

GMLit = ρWGMLit + α1 DiFiit + α2 Xit + α3 LQit +γDiFiit?LQit + β1WDiFiit + β2WXit +β3WLQit + μ + vt + uit（2）

其中，uit = θWuit + εit。

2.3 定義變量

2.3.1 被解釋變量：農業GTFP（GML）

借鑒相關研究［16，35-37］，使用引入松弛變量的SBMDDF函數結合Malmquist-Luenberger（簡稱ML）指數來測算農業GTFP，并將GML 指數進一步分解為技術進步（EC）和技術效率變化（TC）。本文研究意義上的農業為狹義農業，因此相關投入量如下：①農業從業人員，農業從業人員借鑒劉亦文等［36］的做法，利用第一產業就業人數乘以農業總產值與第一產業總產值的比值來計算農業從業人數。②土地投入，用來源于EPS數據庫的農作物播種面積來表示。③水資源投入，農業有效灌溉面積實際上不能表示農業真正的用水規模［16］，因此使用農業用水量來表示農業的水資源投入。④能源投入，用農村用電量來表示。⑤化肥投入，用化肥折純量來表示。⑥農膜投入，以農膜使用量表示。⑦農藥投入，用農藥使用量來表示。⑧機械投入，以農業機械總動力來表示。為了衡量環境因素，把非期望產出納入分析框架。其中期望產出是指實際農業總產出，其數據是利用農業生產值指數以2010年為基期計算的。非期望產出用農業碳排放總量來表示，包括農用物資排放、土壤N2O排放量以及稻田CH4 的排放量，其中農用物資排放量包括使用化肥、塑料薄膜、農藥、柴油以及農地灌溉過程中產生的碳排放［34］，農作物種植過程中土壤引起的N2O排放量乘以81.272 7折算成碳排放量以及水稻種植過程中引起的CH4排放量乘以6.818 2換算成碳排放量匯總［34］。基于此，用Matlab軟件計算出GML 指數及其分解指數，這樣計算出來的指數是前一年為100的環比指數，參照李谷成［38］的做法，以2011年為基期計算出累積指數，并對GML 做對數化處理。

2.3.2 解釋變量：數字普惠金融（DiFi）

數字普惠金融發展水平通過北京大學金融中心公布的數字普惠金融指數［19］來衡量。該指標體系分別從數字金融覆蓋廣度（CD）、數字金融使用深度（UD）以及數字金融數字化程度（DIGI）三個維度測度了數字普惠金融發展水平。為了消除變量之間量綱上的差異，分別將30個省份的數字金融指數及其三個分維度指數除以100作為原始數據。

2.3.3 調節變量：農業產業集聚（LQ）

通過區位熵的方式來表示農業產業集聚程度，即某省份農業總產值和全國農業總產值的比值除以該地生產總值與全國生產總值的比值。

2.3.4 控制變量

梳理相關文獻［13，38］，選取以下變量作為控制變量。人均收入（Pa）：通過計算以2011 年為基期的實際農業總產值和鄉村總人口的比值來表示人均收入水平。自然災害（Nat）：以農作物受災面積與農作物播種面積的比值來表示自然災害水平。城鎮化率（Urb）：用各地城鎮人口與各地區總人口的比值來表示。對外開放水平（Open）：通過各地區對外貿易總額與該地生產總值的比值來測算。受教育程度（HC）：人均受教育程度表示，具體計算方式為：平均受教育年限=（文盲人數×1+小學學歷人數×6+初中學歷人數×9+高中和中專學歷人數×12+大專及本科以上學歷人數×16）/6 歲以上人口總數。農業產業結構（As）：用各地區糧食播種面積與各地區總播種面積的比值來表示。

以上各個變量的描述性統計如表1所示。

3 實證檢驗與結果討論

3.1 空間自相關性檢驗

在選擇使用空間計量模型之前，要檢驗主要變量的空間依賴性、相關性，本文選用Moran's I 指數來檢驗數字普惠金融以及農業產業集聚的空間自相關性。莫蘭指數的計算公式如下：

Moran's I 指數的取值范圍為［-1，1］，若Ilt;1，代表數值存在空間差異性；Igt;1，代表數值存在空間正相關性；若I=0則表示數值不存在空間相關性，其空間分布是隨機的。本文采用Z 統計量來檢驗變量的空間自相關性。Z 值的表達式如下：

通過stata16 軟件測算出了數字普惠金融指數、農業產業集聚的全局莫蘭指數（如表2）。數字普惠金融指數的全局莫蘭指數均在1%的顯著性水平上顯著，說明省域數字普惠金融水平之間空間正相關，且其相關性在波動中逐年上升，近幾年穩定在0.55左右；農業產業集聚的全局莫蘭指數至少在10% 的水平上顯著，表明農業產業集聚同樣存在空間正相關，其2011—2020年的集聚水平在波動中上升，可見兩者的空間自相關性都比較穩定。

3.2 數字普惠金融對農業GTFP 的影響

3.2.1 空間模型選擇

上文驗證了數字普惠金融指數、農業產業集聚都存在空間正相關性，因此在研究數字普惠金融、農業產業集聚以及農業GTFP 的相關性分析中不再適用傳統線性回歸模型的假定，因此需要納入空間因素來探究三者之間的關系。如表3所示，在非空間面板回歸模型的基礎上進行拉格朗日乘數檢驗（LagrangeMultiplier，LM）、穩健的拉格朗日乘數檢驗（RobustLM，R-LM），結果表明空間誤差模型（Spatialerror，SEM）和空間滯后模型（Spatiallag，SAR）均顯著拒絕原假設，所以應該選取帶空間效應的面板模型。為此，本文進行似然比檢驗（Likelihood Ratio，LR），結果均在1%的顯著性水平上拒絕原假設，認為空間杜賓模型（SDM）更加適合本文的研究。為了保證結果的穩健性，利用沃爾德檢驗（Wald）來檢驗SDM模型是否會發生退化為SEM和SAR，Wald的結果均顯著拒絕原假設，所以應該選用空間杜賓模型做相關研究。固定效應檢驗結果如表4所示，霍斯曼檢驗（Hausman）顯示固定效應更優，并且進一步檢驗個體固定效應、時間固定效應以及雙固定效應，結果表明雙固定效應更優。綜上，本文選取雙固定空間杜賓模型來探究數字普惠金融、農業產業集聚以及農業GTFP三者之間的關系。

3.2.2 基準回歸結果分析

空間杜賓模型回歸結果如表5所示，GML 的空間自回歸系數ρ 為-0.184，通過5%的顯著性水平檢驗，表明農業GTFP 具有空間溢出效應，即鄰近地區農業GTFP的提高會抑制本地區GML 的提高，證明了選擇空間模型的正確性。

從表5列（1）的回歸結果顯示，DiFi 對GML 的回歸系數為0.098，且在1%的顯著性水平上顯著，說明數字普惠金融確實能夠促進農業GTFP提升。對GML 分解指數回歸結果顯示，數字普惠金融對技術效率變化的直接影響系數為0.099，且在1%的顯著性水平上顯著，對技術進步的影響不顯著，表明數字普惠金融水平的提升主要通過縮短本地區落后者與生產前沿面“最佳技術實踐者”的差距，即促進技術效率變化來提高農業GTFP。假設H1得證。數字普惠金融的空間滯后項的系數顯著為負，表明臨近地區數字普惠金融發展會產生虹吸效應，促進技術、資本、勞動等農業生產要素向其集聚，從而抑制了本地區農業GTFP的提高。從GML 分解指數分析看，數字普惠金融空間滯后項的系數為-0.203，且通過了1%的顯著性水平檢驗，表明鄰近地區數字普惠金融的提升會抑制本地區生產前沿面的技術進步，進而不利于本地農業GTFP的提升，而其對技術效率變化的系數為-0.027，但影響不顯著，說明數字普惠金融對農業GTFP的空間溢出效應主要體現在技術進步上，假設H2得證。

控制變量的回歸結果顯示，人均收入系數及其空間滯后項系數均顯著，其中，人均收入系數為0.176，表明人均收入的提高能夠促進當地居民加大對農業生產要素的投入，改善技術水平等來推動農業GTFP 的提升。而人均收入滯后項的系數為-0.105，說明周圍地區人均收入的提高不利于本地區農業GTFP 的增長。自然災害系數顯著為負，表明受災面積越多越不利于農業的正常化生產，從而降低了農業產量，抑制了農業GTFP 提升；自然災害滯后項系數不顯著，表明鄰近地區受災程度的提高并不影響本地區的農業GTFP。城鎮化率系數不顯著，表明城鎮化率對農業GTFP沒有影響。根據鄭垂勇等［39］的實證結果，發現城鎮化對GML 的影響具有顯著的“雙閾值”，閾值分別為38.7%、53.1%，且證實了只有城鎮化發展水平跨越閾值后，其對GML 的負面作用才會逐步減弱，本文城鎮化率的樣本均值為59.0%，開始超過53.1%的門檻值，負向效應開始減弱，所以系數不顯著；而城鎮化率的滯后項系數顯著為正，表明鄰近省份城鎮化率的提升會促進本省的GTFP 提高。對外開放程度系數為負且其滯后項系數不顯著，說明一個地區對外開放程度的提高會降低該地的農業GTFP，而鄰近地區對外開放程度不影響本地區的農業GTFP。受教育程度的回歸系數不顯著，可能是因為人力資本主要聚集在非農業區域，高知識、高技術的創新型人才投身農業生產領域的相對較少，所以其對農業GTFP影響不顯著；而其滯后項系數顯著為正，表明鄰近地區受教育程度提高會顯著促進本地區農業GTFP 提高。農業產業結構系數不顯著，可能是因為各地農業產業結構比較穩定，增長幅度較小，從而不影響農業GTFP；農業產業結構滯后項系數在5%的顯著性水平上顯著，表明鄰近地區農業產業結構的調整會抑制本地區農業GTFP 的提高。

3.2.3 空間效應分解

為了進一步考察數字普惠金融對農業GTFP 的空間溢出效應，運用偏微分方法把總效應分解為直接效應和間接效應，直接效應研究的是本地區數字普惠金融發展水平對本地區農業GTFP的影響效果，間接效應考察的是周圍地區數字普惠金融的發展對本地區農業GTFP的影響，結果如表6所示。

數字普惠金融對農業綠色全要素影響的直接效應為0.107，間接效應為-2.202，總效應為-0.095，都至少在10%的顯著性水平上顯著，說明本地數字普惠金融水平每提高1%，能促進GTFP增長0.107%，鄰近地區的數字普惠金融水平每提高1%，本地農業GTFP降低0.202%，最終導致本地區農業GTFP降低0.095%。可見，相鄰地區之間為了自身發展爭奪金融資源，競爭效應的存在使得鄰近地區普惠金融水平的提高不利于農業生產技術的轉型發展，再一次證明了數字普惠金融對農業GTFP具有負向的空間溢出效應。其他控制變量的分解效應和前文一致。

3.3 農業產業集聚的調節效應分析

為了進一步分析農業產業集聚對數字普惠金融發展水平與農業GTFP兩者關系的調節作用，通過引入農業產業集聚與數字普惠金融的交互項并使用雙固定空間杜賓模型來檢驗三者之間的關系，見表7。

表7中列（1）結果顯示：農業產業集聚和數字普惠金融的交互項在1%的顯著性水平上為-0.029，說明隨著某地區農業產業集聚程度的擴大，數字普惠金融水平對農業GTFP的積極效應會減弱。究其原因，可能是因為農業產業過度集聚促使大量資金被用于購買化肥、農藥、柴油等農用物資，不利于環境改善，農業碳排放量相應地增加，從而抑制了該地農業GTFP 的提高。列（2）（3）結果顯示：農業產業集聚與數字普惠金融的交互項對技術效率變化的影響不顯著，而對技術進步的影響在1% 的顯著性水平上顯著。因此，農業產業集聚對數字普惠金融水平與農業GTFP 兩者關系的影響主要是通過影響技術進步來是實現的，即農業產業集聚減弱了數字普惠金融水平對生產前沿面技術進步的積極效應，阻礙了數字金融促進農業GTFP 的提高。假設H3得證。

3.4 數字普惠金融分維度檢驗

數字普惠金融指數由三個子維度構成[40]，分別是數字金融覆蓋廣度（CD）、數字金融使用深度（UD）以及數字化程度（DIGI）。分維度檢驗結果如表8所示。結果顯示，數字普惠金融的三個子維度均顯著推動了農業GTFP 的增長。覆蓋廣度對農業GTFP 的正面影響最大，數字化程度以及使用深度次之。具體而言，數字金融覆蓋廣度每增加1%，農業GTFP相應提高0.124%；金融使用深度每提高1%，農業GTFP提升0.041%；數字化程度每增加1%，農業GTFP增長0.054%。因此，隨著數字普惠金融的快速發展，數字金融的覆蓋率、滲透率增加，降低了金融資源的進入門檻和使用成本，緩解農戶的融資約束，提高資源的配置效率，進而提高農業GTFP。

4 穩健性檢驗

4.1 變換空間權重矩陣

上文進行的所有空間計量模型的檢驗都是基于Queen 式0～1鄰接矩陣，為了保證結果的穩健性，利用高德地圖直達兩地之間的最短距離構建了地理空間權重矩陣進行檢驗。結果顯示：數字普惠金融對農業GTFP的直接影響效應為正，且通過5%的顯著性水平；相鄰地區數字普惠金融發展水平的提升不利于本地區農業GTFP的提升；農業產業集聚對數字普惠金融與農業GTFP關系的影響是負向的，且回歸結果在1%的顯著性水平上顯著。

4.2 剔除直轄市

考慮到直轄市在農業發展規模、經濟體量以及行政級別等特征上與其他省份存在差別，所以在剔除北京、天津、上海、重慶4個直轄市的基礎上，利用空間杜賓模型對其余省份進行回歸，回歸結果顯示：不管是數字普惠金融對農業GTFP 的直接效應、空間溢出效應，還是農業產業集聚在數字普惠金融與農業GTFP 兩者關系的調節效應都通過了顯著性檢驗。

4.3 剔除掉2013 年以前的數據

2011—2013 年是中國經濟結構調整的關鍵時期，在此期間，中國面臨經濟結構調整以及增速換擋的雙重壓力，因此選擇剔除2013年以前的數據進行檢驗，回歸結果顯示：數字普惠金融對農業GTFP的直接影響顯著為正，鄰近地區數字普惠金融的發展顯著降低了本地區農業GTFP；農業產業集聚水平的提升，抑制了數字普惠金融對農業GTFP的積極作用，且在1% 的顯著性水平上顯著，與上文研究結果保持一致。

4.4 縮尾處理

為了消除異常值對回歸結果的影響，對所有變量在1% 和99% 的分位做縮尾處理，檢驗結果顯示：農業GTFP具有空間溢出效應；數字普惠金融的快速發展顯著提升了本地的農業GTFP，鄰近地區普惠金融的發展顯著降低了本地農業GTFP的增長；隨著數字普惠金融的快速發展，農業產業集聚程度的提高反而抑制了數字普惠金融對農業GTFP 的正向促進作用。兩個模型的結果都通過了顯著性檢驗，并與上文保持一致。

綜上，本文的結果具有穩健性。受版面所限，相關過程數據留存備索。

5 結論及政策啟示

粗放式農業生產方式制約了農業GTFP的提高，為了兼顧生態環境和資源投入，抓住數字金融發展機會合理布局農業產業是當前農業綠色發展的關鍵[41-43]。因此，本文基于SBM-GML 計算出2011—2020 年30 個省份的農業GTFP，利用的面板數據并基于雙固定空間杜賓模型分析了數字普惠金融、農業產業集聚以及農業GTFP之間的影響機理。主要結論如下：第一，數字普惠金融水平主要通過推動技術效率變化對農業GTFP 產生積極影響。第二，鄰近地區數字普惠金融的增長會抑制本地區農業GTFP的增長。第三，農業產業集聚抑制了數字普惠金融對農業GTFP影響的積極效應。第四，數字普惠金融的三個維度均能顯著對農業GTFP 產生積極影響。基于此，提出以下政策建議：

第一，加強數字金融基礎設施建設，促進各區域數字經濟協調發展。首先，促進中西部偏遠地區以及廣大農村地帶的4G、5G等基礎設施建設，提高智能手機、計算機等移動終端的覆蓋度[44]，降低寬帶、流量的使用費用，加大數字普惠金融觸達農村用戶的可能性，以此帶動農村地區數字普惠金融發展，為農業GTFP提供良好的發展條件。其次，派遣金融知識專員、互聯網知識專員下沉農村，普及移動終端、金融等基礎知識，增強金融服務的可獲得性，全方位提高支付、信貸、貨幣基金、信用等服務的滲透率［45］，降低金融服務成本，促進數字金融不同地區、城鄉之間協調發展。

第二，重視農業空間聯動規律，促進各地區協同發展。要把握數字普惠金融對農業GTFP的溢出效應，重視相鄰省域之間的空間聯動效應，避免出現對農業發展產生負面影響的擁擠效應、虹吸效應等，應該充分利用數字經濟基礎設施，促進鄰近地區新型技術、先進管理經驗的互學互鑒[46]，發揮農業大省的帶動效應，協同促進數字金融水平的提升，從而全面提高農業GTFP。

第三，科學規劃農業產業集聚發展，發揮農業產業積聚的正向效能。考慮到農業產業集聚對數字普惠金融與農業GTFP 的抑制作用，應引導農業產業合理布局，避免出現禁錮效應、虹吸效應、擁擠效應等負面效應[47]，促進金融資源在農業產業的合理配置，培育新型農業生產主體，形成農戶、企業、政府三方有效合作的新型組織形式，提高資源配置效率，形成合理產業集聚，更有效形成規模經濟效應、知識溢出效應、示范效應，從而帶動整體農業GTFP的提升。

參考文獻：

［1］ 王亞輝，李秀彬，辛良杰.農業勞動生產率的提高縮小了農村居民收入差距嗎？［J］.自然資源學報，2018，33（3）：372-385.

［2］ 司偉.經濟轉型過程中的中國農業農村現代化［J］.南京農業大學學報（社會科學版），2021，21（5）：11-19.

［3］ 薛建良，李秉龍.基于環境修正的中國農業全要素生產率度量［J］.中國人口·資源與環境，2011，21（5）：113-118.

［4］ 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.

［5］ 展進濤，徐鈺嬌.環境規制、農業綠色生產率與糧食安全［J］.中國人口·資源與環境，2019，29（3）：167-176.

［6］ 張軍偉，費建翔，徐永辰.金融支持對綠色農業發展的激勵效應［J］.中南財經政法大學學報，2020，243（6）：91-98.

［7］ 楊怡，吳麗玉，張齊家，等.數字普惠金融對農業綠色增長的影響：兼論農村人力資本投資的調節作用［J］. 經濟問題探索，2022，479（6）：165-180.

［8］ 羅振軍，蘭慶高.數字普惠金融助推農業農村現代化發展：理論分析與實證檢驗［J］.調研世界，2023，353（2）：57-66.

［9］ 黃卓，王萍萍.數字普惠金融在數字農業發展中的作用［J］.農業經濟問題，2022，509（5）：27-36.

［10］ 周月書，苗哲瑜.數字普惠金融對農戶生產經營投資的影響［J］.中國農村觀察，2023，169（1）：0-58.

［11］ 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.

［12］ 趙丹丹，周宏.農業生產集聚如何提高糧食生產效率：基于不同發展路徑的再考察［J］.農業技術經濟，2020，304（8）：13-28.

［13］ 薛蕾，申云，徐承紅.農業產業集聚與農業綠色發展：效率測度及影響效應［J］.經濟經緯，2020，37（3）：45-53.

［14］ 銀西陽，賈小娟，李冬梅.農業產業集聚對農業綠色全要素生產率的影響：基于空間溢出效應視角［J］.中國農業資源與區劃，2022，43（10）：110-119.

［15］ 譚蓉娟，郭寶琳.金融集聚與產業集聚相互作用的機制與路徑：以珠三角制造業為例［J］. 廣東財經大學學報，2021，36（5）：103-112.

［16］ 葛鵬飛，王頌吉，黃秀路.中國農業綠色全要素生產率測算［J］.中國人口·資源與環境，2018，28（5）：66-74.

［17］ SCHULTZT. Transforming traditional agriculture［M］. New Haven：Yale University Press，1964：20-29.

［18］ 傅秋子，黃益平.數字金融對農村金融需求的異質性影響：來自中國家庭金融調查與北京大學數字普惠金融指數的證據［J］.金融研究，2018（11）：68-84.

［19］ 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.

［20］ 張啟文，田靜.數字普惠金融能否提升農業全要素生產率？基于異質性與空間溢出效應視角［J］.農業經濟與管理，2023，77（1）：45-56.

［21］ 何宏慶. 數字金融助推鄉村產業融合發展：優勢、困境與進路［J］. 西北農林科技大學學報（社會科學版），2020，20（3）：118-125.

［22］ 任健華，雷宏振.數字普惠金融，資本深化與農業全要素生產率［J］.社會科學家，2022（6）：86-95.

［23］ 唐建軍，龔教偉，宋清華.數字普惠金融與農業全要素生產率：基于要素流動與技術擴散的視角［J］. 中國農村經濟，2022，451（7）：81-102.

［24］ 陳一明，溫濤.數字普惠金融能促進鄉村產業發展嗎：基于空間計量模型的分析［J］.農業技術經濟，2023，333（1）：32-44.

［25］ 曾建中，李銀珍，劉桂東.數字普惠金融賦能鄉村產業興旺的作用機理和空間效應研究：基于縣域空間動態面板數據的實證檢驗［J］.國際金融研究，2023，432（4）：39-49.

［26］ 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.

［27］ 田傳浩，方麗.土地調整與農地租賃市場：基于數量和質量的雙重視角［J］.經濟研究，2013，48（2）：110-121.

［28］ 劉俊杰，張龍耀，王夢珺，等.農村土地產權制度改革對農村居民收入的影響：來自山東棗莊的初步證據［J］.農業經濟問題，2015（6）：51-58.

［29］ 張建平，余晉晶，侯景怡.農地經營權流轉、金融支農與農村居民收入［J］.中國流通經濟，2023，37（3）：72-83.

［30］ 何欣，蔣濤，郭良燕，等.中國農地流轉市場的發展與農戶流轉農地行為研究：基于2013-2015年29省的農戶調查數據［J］.管理世界，2016，273（6）：79-89.

［31］ 徐承紅，薛蕾.農業產業集聚與農業面源污染：基于空間異質性的視角［J］.財經科學，2019（8）：82-96.

［32］ 田云，尹忞昊.產業集聚對中國農業凈碳效應的影響研究［J］.華中農業大學學報（社會科學版），2021（3）：107-117，188.

［33］ 劉家強，黃莉蕓，盛偉，等.中國人力資本集聚的空間效應：虹吸還是擴散？［J］.人口研究，2023，47（2）：112-128.

［34］ 任陽軍，田澤，梁棟，等.產業協同集聚對綠色全要素生產率的空間效應［J］.技術經濟與管理研究，2021（9）：124-128.

［35］ 平瑛，施文杰.農產品加工業集聚、空間溢出與農業高質量發展［J］.中國農業資源與區劃，2023，44（3）：155-167.

［36］ 劉亦文，歐陽瑩，蔡宏宇.中國農業綠色全要素生產率測度及時空演化特征研究［J］. 數量經濟技術經濟研究，2021，38（5）：39-56.

［37］ 田云，張俊飚.中國農業碳排放、低碳農業生產率及其協調性研究［J］.中國農業大學學報，2017，22（5）：208-218.

［38］ 李谷成.中國農業的綠色生產率革命：1978-2008年［J］.經濟學（季刊），2014，13（2）：537-558.

［39］ 鄭垂勇，朱曄華，程飛.城鎮化提升了綠色全要素生產率嗎？基于長江經濟帶的實證檢驗［J］.現代經濟探討，2018（5）：110-115.

［40］ YU D S，LIU L X，GAO S H，et al. Impact of carbon trading on agricultural green total factor productivity in China［J］.Journal of Cleaner Production，2022，367：132789.1-132789.10.

［41］ 朱萬里，胡瑜杰.財政支農、農業技術創新對農業經濟增長的影響效應研究［J］.科學與管理，2019，39（4）：73-80.

［42］ MCKINNON R I. Money and capital in economic Development［M］.Washington：The Brookings Institution，1973.

［43］ KING R G，LEVINE R. Finance，entrepreneurship and growth［J］.Journal of Monetary Economics，1993，32（3）：513-542.

［44］ 張麗艷，段波.中國數字鄉村研究熱點和趨勢分析［J］.科學與管理，2022，42（6）：36-42，95.

［45］ 段永琴，何倫志，克甝.數字金融，技術密集型制造業與綠色發展［J］.上海經濟研究，2021（5）：89-105.

［46］ BROWN J R M，PERERSON B C. Do financing constraints matter for Ramp;D？［J］. European Economic Review，2012，56（8）：1512-1529.

［47］ 宋金昭，翟夢倩.集聚外部性、基礎設施與城市經濟高質量發展［J］.科學與管理，2023，43（1）：85-94.

基金項目：國家社會科學基金項目（15BTJ017）；上海市哲學社會科學規劃課題（2020BGL012）