數字普惠金融對耕地利用效率的影響

摘要：研究目的：探究數字普惠金融對于耕地利用效率的影響效應及機制，為數字普惠金融助力耕地利用效率提升提供參考。研究方法：超效率SBM模型，雙向固定效應模型，中介效應模型。研究結果：（1）2011—2020年研究區耕地利用效率波動性提升且高值分布由點狀演變為片狀；（2）數字普惠金融指數和各維度指標對耕地利用效率均具有顯著正向影響；（3）數字普惠金融對耕地利用效率的影響存在省份異質性、階段異質性和規模異質性；（4）機制分析表明，數字普惠金融可以通過提高農民人均可支配收入和增加第一產業固定資產投資提升耕地利用效率。研究結論：應推動數字普惠金融向高質量發展轉型，進一步激發信貸、投資和保險對耕地利用效率的正向作用，精準匹配金融服務需求，通過提高農民收入和增加第一產業固定資產投資改進耕地利用效率。

關鍵詞：耕地利用效率；數字普惠金融；雙向固定效應；中介效應模型

中圖分類號：F301.2 文獻標志碼：A 文章編號：1001-8158（2024）04-0078-12

基金項目：中央高校基本科研業務費專項（2019WKZDJC001）。

耕地是糧食生產和農業發展的基礎，人多地少是我國的基本國情，如何提升耕地利用效率，以有限的耕地資源提高耕地產出是我國當前面臨的重要問題[1]。長期以來農業部門資本要素匱乏制約了耕地利用效率提升[2]，而數字普惠金融為破解這一約束提供了新的選擇。2016年發布的《G20數字普惠金融高級原則》將數字普惠金融定義為“一切通過使用數字金融服務以促進普惠金融的行動”，與傳統金融相比，低門檻、寬覆蓋、高效率等是數字普惠金融的顯著特點[3]。近年來，我國數字普惠金融迅速發展、金融服務逐漸下沉，客觀上為改進耕地利用效率提供了契機。一方面，數字普惠金融緩解了農業部門長期存在的金融排斥[4]，信貸服務使農戶機械化耕作[5]和規模化經營[6]成為可能，并為農產品產業鏈延伸[7]創造了條件；另一方面，數字普惠金融改善了資金配置和農產品交易中的信息不對稱，服務供給方借助大數據可以及時為設施農業、綠色農業提供多樣化的融資服務，而便捷的線上支付則有利于降低農戶交易成本、提高農產品收益。2023年10月《國務院關于推進普惠金融高質量發展的實施意見》明確提出“提高對農戶、返鄉入鄉群體、新型農業經營主體的金融服務水平，……加大對糧食生產各個環節、各類主體的金融保障力度”，在此背景下，研究數字普惠金融對耕地利用效率的影響效應和機制，可為數字普惠金融助力糧食安全提供參考。

已有文獻主要討論了數字普惠金融對農民就業[8]、農戶增收[9]、農村產業融合[10]以及農業高質量發展[11]等的影響，有關研究在理論分析、研究方法和機制探析等方面為本文提供了參考，然而鮮有學者就數字普惠金融與耕地利用效率展開直接研究。在相近的研究中，唐建軍等[12]運用動態面板固定效應模型實證了數字普惠金融對農業全要素生產率的促進作用；曾小艷等[13]的研究也表明數字金融對農業產出水平有顯著提升效應；而這種效應會因地區和地形的不同存在差異[14]。那么，數字普惠金融對耕地利用效率是否會有影響？這種影響是否存在異質性？影響機制是怎樣的？這些問題值得進一步探究。

中部地區包括山西、河南、湖北、湖南、安徽和江西6個省份，2020年耕地面積和糧食產量占全國比重分別為23.71%和30.13%，在穩定全國糧食種植面積和產量中具有重要地位。《中共中央 國務院關于新時代推動中部地區高質量發展的意見》提出，要“大力發展糧食生產，……確保糧食種植面積和產量保持穩定”。在此背景下，研究中部地區數字普惠金融對耕地利用效率的影響，對于引導數字普惠金融促進耕地利用效率、推動中部地區農業高質量發展和保障國家糧食安全具有重要意義。

基于此，本文以中部地區為例，運用超效率SBM模型測算了2011—2020年86個地級市（單元）的耕地利用效率，利用雙向固定效應模型估計數字普惠金融對耕地利用效率的影響，通過區分不同發展階段、不同省份、不同耕地規模考察影響效應的異質性，運用中介效應模型探究數字普惠金融對耕地利用效率的影響機制，提出改進耕地利用效率的建議。本文可能的邊際貢獻在于：一是彌補數字普惠金融在影響耕地利用效率方面的研究缺憾，已有文獻主要聚焦數字普惠金融對農業經濟、農業產出等的影響，忽視了其對耕地利用效率的影響；二是按照地區、階段和耕地規模的不同，探究影響效應的異質性，豐富研究內容的同時保證結論的可靠性；三是利用中介效應模型考察數字普惠金融對耕地利用效率的影響機制，為數字普惠金融促進耕地利用效率找到著力點，為有關政策的研究制定提供參考。

1 理論分析與研究假說

1.1 數字普惠金融對耕地利用效率的影響效應

耕地利用效率涉及投入和產出兩個層面，而數字普惠金融可以通過優化投入、增加產出的方式促進耕地利用效率。數字普惠金融將廣大農戶納入覆蓋范圍，使得農戶對信貸、保險和投資等金融服務的可及性大大提高。投入方面，農戶可以借助信貸支持購置農用機械并擴大耕地規模，機械化和規模化將使勞動力投入得到優化；由于規模經營主體相比小農戶更接近“理性經濟人”[15]，包括化肥、薄膜和農藥等在內的生產投入將會更加合理。產出方面，資本投入使農業新技術應用更加廣泛，設施農業和綠色農業的發展有助于增加耕地產出和降低碳排；同時數字化服務降低了農戶交易成本，進一步助力“互聯網+農業”迅猛發展，農業全產業鏈加速形成的同時農業總產值穩步提高。伴隨著投入的優化和產出的增加，耕地利用效率也會相應提升。

基于此，本文提出假說1：數字普惠金融可以促進耕地利用效率提升。

1.2 數字普惠金融對耕地利用效率影響的異質性分析

首先，數字普惠金融在不同發展階段對耕地利用效率的影響存在差異。2011—2015年，數字普惠金融主要受數字化程度驅動[16]，農戶雖然被很快納入其中，但對有關惠農政策和產品并不了解[17]，因而數字普惠金融對耕地利用效率的影響有限；2015年后，隨著信貸、投資、保險和支付等普惠金融服務實際使用率與使用活躍度的提高，數字普惠金融發展的驅動力日益強勁，面向農業農民的金融服務快速下沉，其對耕地利用效率的正向作用逐漸顯現。

其次，數字普惠金融對耕地利用效率的影響存在地域差異。經濟地位、地理區位和政策方面存在的差異使得數字普惠金融發展并不完全同步[18]；同時由于耕地資源稟賦和利用方式各不相同，可以預見數字普惠金融對耕地利用效率的影響也會有所不同。

最后，數字普惠金融對不同規模耕地的利用效率影響不同。已有研究表明，數字普惠金融對農業產出的激勵受到自然資源稟賦的影響[19]。在面對小規模耕地時，農戶缺乏使用數字普惠金融服務改善生產條件的動機，同時在金融服務下沉不足的情況下，其需求更易被選擇性忽視。因此，數字普惠金融對小規模耕地利用效率的促進作用可能并不顯著；相反地，耕地規模越大，農民越有意愿改進生產性投入來增加產出，數字普惠金融對規模較大耕地利用效率的正向作用會更顯著。

基于此，本文提出假說2：數字普惠金融對耕地利用效率的影響會因自身發展階段、地區和耕地規模的不同存在異質性。

1.3 數字普惠金融對耕地利用效率的影響機制

在數字普惠金融影響耕地利用效率過程中，農民收入水平和第一產業固定資產投資是兩個重要的中介變量。

微觀層面，數字普惠金融可以通過提高農民收入來提升耕地利用效率。數字普惠金融對農民收入水平提高具有促進作用[20]。一方面數字普惠金融提高了金融服務的可獲得性[4]，信貸、投資和保險等金融服務有助于農民緩釋外部風險、提升收益水平；另一方面數字普惠金融可為農村勞動力轉移就業、農村互聯網經濟發展提供支持，進而提高農民收入。隨著收入水平提高，農民將有意愿和能力增加資本要素投入來改善農業生產條件[21]，進而提升耕地利用效率。

宏觀上看，數字普惠金融可以通過增加第一產業固定資產投資來提升耕地利用效率。已有研究表明，數字普惠金融可以通過提高農業部門資本邊際收益對農業固定資產投資產生正向影響[22]，而數字農業發展和設施農業建設中的融資困難問題也將得到緩解。對耕地利用而言，農業固定資產投資的增加使機械化耕作、精細化管理、產業化發展成為可能，耕地利用成本和風險降低的同時農業總產值大大增加，有利于提升耕地利用效率。

基于此，本文提出假說3：數字普惠金融可以通過提高農民收入水平和增加第一產業固定資產投資，提升耕地利用效率。

2 模型、變量與數據

2.1 模型設計

2.1.1 超效率SBM模型

2.2 變量選取

（1）被解釋變量：耕地利用效率（CLUE）。本文首先從投入和產出兩個方面選取指標對耕地利用效率進行測算。在投入方面，借鑒已有研究[23]，以更能表征實際耕地投入的農作物播種面積作為土地投入指標；以第一產業從業人員代表耕地利用過程中的勞動力投入；選取農業機械總動力、有效灌溉面積、化肥施用量、塑料薄膜使用量和農藥施用量作為生產投入指標，其中農業機械總動力和有效灌溉面積分別代表耕地利用中的農機投入和水資源投入，而化肥、塑料薄膜和農藥作為耕地利用不可缺少的生產資料，其施用情況也直接關系耕地產出。在產出方面，選取農業總產值和糧食產量作為期望產出指標，同時根據李波等[25]的研究，按照碳排放系數計算耕地利用碳排放總量，并將其作為非期望產出。

（2）解釋變量：本文將數字普惠金融指數（DFI）、數字金融覆蓋廣度（COV）、數字金融使用深度（DEP）、普惠金融數字化程度（DIG）以及使用深度下屬的保險（INS）、投資（INV）和信貸（CRE）等分類指數作為解釋變量。數字普惠金融指數可以在總體上反映各地數字普惠金融發展水平；覆蓋廣度指數越高，農戶對金融服務的可及性越高；使用深度指數涵蓋的保險、投資和信貸等服務可以在降低農業生產風險[14]、增加生產性投資[26]以及耕地規模經營等方面為農戶提供便利；數字化程度表示金融服務的便捷性，它可以有效降低農戶交易成本并為“互聯網+農業”發展提供便利。研究過程中為縮小數量級，減小異方差干擾，對上述變量取對數處理。

（3）控制變量：借鑒已有研究[27]，本文選取城鎮化增長率（URB）、耕地復種指數（REP）、耕地灌溉指數（IRR）、機械化水平（MEC）、政府涉農財政支出增長率（GOV）等作為控制變量。城鎮化增長率反映一個地區的城鎮化速度，研究表明城鎮化會顯著影響糧食產出和農業總產值效率[28]；而復種指數、灌溉指數和機械化水平分別代表耕地利用的強度、水利化程度和機耕程度，顯然和與耕地利用效率聯系密切；涉農財政支出增長率表示政府支持農業發展的持續力度，研究表明其會對耕地利用效率產生影響[29]。

（4）中介變量：本文選取農民人均可支配收入（INC）和第一產業固定資產投資對數（lnFAI）兩個指標作為中介變量。農民人均可支配收入用來衡量農民收入水平，根據前文分析，數字普惠金融對農民收入水平提高具有促進作用，而農民收入水平會直接影響化肥、農藥和薄膜等生產資料的投入；同時收入水平越高，農民越有意愿和能力擴大耕作規模、改進耕作方式[30]，這無疑會對耕地利用效率產生積極影響。用來衡量耕地利用過程中的農業固定資產投資，孫學濤等[5]的研究表明，數字普惠金融可以促進農業固定資產投資，而農業固定資產投資則會在農機購置、灌區建設、設施農業發展和農業產業鏈延伸等方面對耕地利用效率產生影響。

2.3 數據來源

本文所使用的數據主要分為兩個部分：一是數字普惠金融有關指數，來源于北京大學數字金融研究中心發布的數字普惠金融指數（2011—2020年）；二是耕地利用和社會經濟有關指標，主要來自各省統計年鑒和EPS數據平臺，部分缺失數據采用插值法或就近法進行估計。表1是主要變量的描述性統計結果。

3 結果分析

3.1 耕地利用效率的時空演變

3.1.1 時序演變

本文首先根據測算結果繪制了2011—2020年中部6省耕地利用效率演變趨勢（圖1）。從趨勢看，耕地利用效率經歷了先升后降、再波動提升的過程。2011—2015年各省耕地利用效率穩步提高，年均增長率為4.4%，其中江西最高，年均增長率達7.4%；2016年普遍下跌，可能的原因在于極端天氣等導致農作物受災；2016—2020年呈波動增長，年均增長率為6.3%，除湖北、江西外，各省的年均增長率都大幅超過2011—2015年。區域整體的耕地利用效率在0.700～0.800區間內浮動，安徽的耕地利用效率最低，平均值僅為0.643，江西耕地利用效率最高，平均為0.837。在地級市層面，耕地利用效率的變化則表現為整體緩慢提升，與2011年相比，2020年耕地利用效率大于1.000的單元從7個上升到32個，低于0.600的單元則從29個下降到11個①，這表明研究期內耕地利用效率整體呈提升狀態。

3.1.2 空間演變

為考察耕地利用效率的空間演變情況，本文等間隔抽取2011年、2014年、2017年和2020年86個單元的耕地利用效率數據，并利用ArcMap繪制其空間演變圖（圖2），可以看出，2011年耕地利用效率普遍較低，高值單元零星散布在區域中部；2014年耕地利用效率迎來提升，數值高于0.879的單元“片狀”集中在山西、湖北和江西；2017年高值主要集中在山西南部和江西中北部等地；2020年各單元耕地利用效率普遍提升，區域內耕地利用效率高值經歷了由散點分布到片狀集聚的過程。總體上，2011—2020年研究區耕地利用效率整體呈波動性上升態勢，效率高值經歷了點狀散布到片狀集聚的過程。

3.2 數字普惠金融對耕地利用效率的影響

3.2.1 基準回歸

本文利用2011—2020年中部86個單元的面板數據，首先分析數字普惠金融指數對數（lnDFI）對耕地利用效率（CLUE）的影響，估計結果見表2。列（1）和列（2）表示加入控制變量前后，個體固定效應模型的回歸結果；列（3）和列（4）則表示加入控制變量前后雙向固定效應模型的回歸結果。從列（4）可以看出，lnDFI系數為0.054且在1%水平上顯著，說明數字普惠金融指數對耕地利用效率有顯著的正向影響，假說1初步得到驗證。究其原因，數字普惠金融降低了資本向農業部門流動的門檻，一方面金融機構借助互聯網和大數據可以及時為設施農業和綠色農業的發展提供資金，在增加耕地產出的同時降低污染和碳排；另一方面數字普惠金融為“互聯網+農業”的發展創造了便利，數字化服務降低了交易成本，農產品附加值不斷提高，綜合之下耕地利用效率也相應得到提升。

3.2.2 穩健性檢驗

（1）內生性分析。為克服可能存在的內生性問題，本文參考已有研究選取解釋變量lnDFI的滯后一期值作為工具變量[31]，運用兩階段最小二乘法對模型進行檢驗，通過Wald卡方檢驗（p=0.000）說明模型構建良好，估計結果如表3列（1）所示。運用工具變量對內生性問題加以控制后，lnDFI系數依然為正且在1%水平上顯著，表明數字普惠金融對耕地利用效率的正向影響是可靠的。

（2）樣本選擇偏差。一是對所有變量進行2.5%縮尾處理去除極端異常值，而后進行回歸分析，估計結果見表3列（2），lnDFI的系數依然為正且在1%水平上顯著。二是考慮到省會城市在社會經濟等方面的特殊性，本文從研究樣本中去除6個省會城市的數據以避免估計結果的偏差，估計結果如表3列（3）所示，lnDFI的系數為0.054且在1%水平上顯著。這說明運用雙向固定效應面板模型進行的基準回歸結果是穩健的，進一步驗證了假說1。

3.2.3 不同指數對耕地利用效率的影響

首先探討覆蓋寬度（lnCOV）、使用深度（lnDEP）和數字化程度（lnDIG）對耕地利用效率的影響。表4列（1）—列（3）報告了這3項指標對耕地利用效率的影響，可以看出估計系數均為正向顯著，說明覆蓋寬度、使用深度和數字化程度對耕地利用效率均具有顯著的正向影響，比較三者的估計系數可以發現，使用深度對耕地利用效率的作用大于覆蓋寬度和數字化程度。從全國層面看，近年來覆蓋寬度和數字化程度進一步拓展的空間比較有限，而使用深度則越來越成為數字普惠金融指數增長的動力[3]，其涵蓋的保險、投資和信貸等金融服務可以為農戶提供農業保險、固定資產投資和農業貸款等方面的幫助，有利于耕地利用效率的提升。

表4列（4）—列（6）報告了保險指數、投資指數和信貸指數對耕地利用效率影響的估計結果，可以看出保險和投資指數的估計系數為正且都在1%水平上顯著，而信貸指數的系數雖然為正，但只在5%水平上顯著。這表明保險和投資指數對耕地利用效率具有較強的正向影響，而信貸指數的正向作用則相對較弱。究其原因，一方面，隨著收入水平提高和理財門檻的降低，農戶更愿意通過購買保險和投資理財來直接或間接地規避由農業生產不確定性對收入帶來的風險；另一方面，受傳統觀念的影響，普通農戶對信貸的自我排斥客觀存在，因而信貸對耕地利用效率的影響會有所限制。這提醒政策制定者和金融機構要加大宣傳力度，增強農戶對數字普惠金融的認識，從“不知道”、“不敢用”到“放心使用”[17]，助力耕地利用效率穩步提升。

以上分析表明：數字普惠金融指數及各維度指標對耕地利用效率均具有顯著的正向影響，因此假說1成立。

3.3 異質性分析

3.3.1 省份異質性

表5報告了數字普惠金融對不同省份耕地利用效率的影響。可以看出，河南、湖北、江西和山西的估計系數顯著為正，其中山西估計系數最高，意味著數字普惠金融對山西耕地利用效率的提升作用最為明顯，按照方觀富[14]等的研究，數字普惠金融對山區農業產出的作用要更加顯著，山西山區面積約占全省總面積的80%以上，遠遠高于中部其他省份。安徽和湖南的估計系數為負且不顯著，可能的解釋是，安徽和湖南都是勞務輸出大省，數字普惠金融對耕地利用效率的影響會因為農業人口流失帶來的耕地拋荒等問題而變得復雜，前文中兩省耕地利用效率在研究期內長期處于低值也印證了這點。對不同省份耕地利用效率影響的差異提示我們，應結合實際精準運用政策工具釋放信貸約束、優化服務供給，助力耕地利用效率提升。

3.3.2 階段異質性

為考察數字普惠金融在不同發展階段對耕地利用效率的影響差異，本文參考北京大學數字普惠金融指數報告，將研究時限劃分為高速發展階段（2011—2015年）和深度拓展階段（2016—2020年），構建兩階段面板數據模型并進行回歸分析，結果如表6列（1）—列（2）所示。lnDFI系數始終為正且在1%水平上顯著，表明數字普惠金融始終對耕地利用效率產生正向激勵，但2016—2020年的估計系數（0.472）明顯大于2011—2015年（0.102），表明深度拓展階段數字普惠金融對耕地利用效率的正向作用要強于高速發展階段。可能的原因是數字普惠金融在2011—2015年屬于粗放擴張，擴張動力主要源于數字化程度的增長而非普惠金融服務的使用程度，因此在耕地利用方面未能實現有效下沉、參與度不高；2016—2020年，一方面受東部地區和省會城市空間溢出效應的影響，各地數字普惠金融得到長足發展；另一方面隨著政策宣傳力度不斷加大，金融服務更加高效便捷，農民對其接受度也逐漸提高，這些都為數字普惠金融促進耕地利用效率創造了條件。

3.3.3 規模異質性

為研究數字普惠金融對不同規模耕地利用效率的影響差異，本文按照研究期初人均播種規模（農作物播種面積/第一產業從業人口）將86個研究單元分為小、中、大三個規模類別，分別構建面板數據模型并進行回歸分析，表6列（3）—列（5）報告了估計結果。從表中可以看出，對中規模和大規模而言，lnDFI估計系數顯著為正，這說明數字普惠金融對中規模和大規模耕地的利用效率具有顯著的正向作用，這與任健華[32]等學者的研究結論是一致的。而數字普惠金融對小規模研究單元的耕地利用效率沒有明顯的正向作用，原因可能在于，人均播種規模越大，越有較強意愿通過改善農業生產條件來提升耕地利用效率；而對小規模種植區來說，耕地資源稟賦的局限決定了農戶缺乏足夠的動機去使用數字普惠金融以增加生產性投資。比如在我們統計的29個小規模單元中，湖南和安徽兩省占據一半以上，這也從側面揭示了省份異質性分析中，數字普惠金融對湖南和安徽耕地利用效率影響并不明顯的原因。

綜合以上分析：數字普惠金融在不同省份、不同階段以及對不同規模耕地利用效率的影響存在異質性，即假說2成立。

3.4 影響機制分析

根據前文分析，數字普惠金融可以通過增加農民人均可支配收入和第一產業固定資產投資間接推動耕地利用效率提升。根據式（3）—式（4）的中介模型進行回歸分析，估計結果如表7所示。

從列（1）—列（2）可知，lnDFI對農民人均可支配收入產生正向影響且在1%水平上顯著，同時lnDFI和農民人均可支配收入對耕地利用效率的影響亦顯著為正，說明數字普惠金融可以通過提高農民人均可支配收入間接促進耕地利用效率，這種作用體現在兩個方面，一是數字普惠金融在為農戶融資提供便利的同時，也拓寬了農產品的銷售渠道，銷量提高和交易成本下降客觀上提高了務農收入，這進一步驅動農戶擴大經營規模、改進生產投資以提高耕地利用效率；二是數字普惠金融可以通過帶動農戶非農就業的方式提高收入水平[5]，隨著收入增加，農戶將有更強意愿和能力購置農用機械來提升耕地利用效率。

列（3）—列（4）顯示對第一產業固定資產投資的影響顯著為正，且lnDFI和第一產業固定資產投資對耕地利用效率的估計系數也顯著為正，說明數字普惠金融可以通過對第一產業固定資產投資的正向激勵進而提升耕地利用效率。數字普惠金融拓寬了第一產業固定資產投資的融資渠道，農戶、新型農業經營主體均可以通過其獲取信貸支持以改善農業生產條件，隨著設施農業和綠色農業的蓬勃發展，耕地利用效率也會同步提升。因此，假說3得到驗證。不過，列（4）中第一產業固定資產投資對耕地利用效率的估計系數較小，這也提示我們：發展數字普惠金融，增加農田水利、設施農業和農用機械等的投資來提升耕地利用效率還有廣闊的改善空間。

4 結論與建議

4.1 結論與討論

本文基于2011—2020年中部地區86個地級市（單元）的面板數據，運用雙向固定效應面板模型實證分析了數字普惠金融對耕地利用效率的影響和異質性效應，得到如下結論：

（1）數字普惠金融指數和各維度指標對耕地利用效率均具有顯著正向影響，這種影響會因發展階段的不同存在異質性。2011—2015年這一階段數字普惠金融發展迅猛，但其對耕地利用效率的影響相對較弱，表現為各省耕地利用效率的年均增長率大都比較低；而在第二階段即2016—2020年，數字普惠金融不斷向深度拓展，其對耕地利用效率的影響明顯增強，因而各省耕地利用效率的增速也明顯提升。

（2）數字普惠金融對耕地利用效率的影響還存在省份異質性和規模異質性，二者具有內在聯系。數字普惠金融對山西、河南等省份的耕地利用效率具有穩定的正向影響，而在安徽和湖南則不明顯，除去人口流失等因素，安徽和湖南兩省小規模單元較多可能也是其中的一個原因，規模異質性分析表明，相比中、大規模單元，數字普惠金融對小規模單元的作用并不顯著，結合前文耕地利用效率的時空演變趨勢，發現這兩個省的耕地利用效率始終都比較低。

（3）數字普惠金融對耕地利用效率的影響機制體現在可以通過提高農民人均可支配收入和增加第一產業固定資產投資間接提升耕地利用效率。數字普惠金融既可以通過增加農戶生產規模和拓寬銷售渠道來提高農業收入，也可以帶動農戶創業就業提高非農收入，從而為機械化耕作和規模化經營創造條件；數字普惠金融拓寬了第一產業固定資產投資的融資渠道，農戶、新型農業經營主體可以通過其獲取信貸支持以改善農業生產條件，發展設施農業和綠色農業，進而提升耕地利用效率。

4.2 建議

基于以上研究結論，本文認為要充分發揮數字普惠金融對耕地利用效率的正向作用，可以從以下幾個方面著手：

（1）持續推進數字普惠金融向高質量發展轉型，不斷為耕地利用效率提升注入要素與活力；積極發揮省會城市的空間溢出效應，促進周邊城市數字普惠金融發展提速提效。

（2）優化農業金融服務產品供給，在農業保險、農用機械設施投資和惠農信貸等方面發力，進一步激發數字普惠金融使用深度對耕地利用效率的驅動作用；提升數字化水平并創新宣傳方式，逐步破除農民對信貸服務的自我排斥。

（3）妥善注意數字普惠金融對耕地利用效率的異質性作用。各地應結合實際，運用數字化手段精準匹配耕地利用需求；面對小規模耕地利用中需求方動機不足和供給方信貸約束的問題，應酌情降低準入門檻；同時結合耕地流轉和農用地整治等政策促進耕地規模化經營。

（4）最后，繼續發揮數字普惠金融對農民收入和農業固定資產投資的激勵作用。積極引導數字普惠金融助力農村互聯網經濟發展、拓寬農民就業渠道，實現收入增加；持續為農戶、新型農業經營主體提供信貸幫扶，支持農田水利建設和農用機械購置，間接助力耕地利用效率提升。

本文揭示了數字普惠金融對耕地利用效率的顯著正向影響，有關影響機制的研究可為耕地利用效率提升路徑提供參考。在耕地利用效率測算和控制變量選取時，受研究數據限制，可能遺漏有關指標從而對估計結果造成偏差。下一步將利用農戶層面微觀數據對有關結論繼續驗證，進一步探討數字普惠金融對耕地利用效率的非線性影響。

參考文獻（References）：

[1] 封永剛，彭玨，鄧宗兵，等. 面源污染、碳排放雙重視角下中國耕地利用效率的時空分異[J] . 中國人口·資源與環境，2015，25（8）：18 - 25.

[2] 張林，溫濤. 數字普惠金融如何影響農村產業融合發展[J] . 中國農村經濟，2022（7）：59 - 80.

[3] 黃益平，黃卓. 中國的數字金融發展：現在與未來[J] . 經濟學（季刊），2018，17（4）：1489 - 1502.

[4] LIU J X， REN Y Y. Can digital inclusive finance ensure food security while achieving low-carbon transformation in agricultural development Evidence from China[J] . Journal of Cleaner Production， 2023， 418. doi： 10.1016/j.jclepro. 2023.138016.

[5] 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.

[6] FEI R L， LIN Z Y， JOSEPH C. How land transfer affects agricultural land use efficiency： evidence from China’s agricultural sector[J] . Land Use Policy， 2021， 103. doi： 10. 1016/j.landusepol.2021.105300.

[7] 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（5）：27 - 36.

[8] 尹振濤，李俊成，楊璐. 金融科技發展能提高農村家庭幸福感嗎？——基于幸福經濟學的研究視角[J] . 中國農村經濟，2021（8）：63 - 79.

[9] LEE C C，LOU R C，WANG F H. Digital financial inclusion and poverty alleviation： evidence from the sustainable development of China[J] . Economic Analysis and Policy， 2023， 77： 418 - 434. doi： 10.1016/j.eap.2022.12.004.

[10] 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（1）：32 - 44.

[11] 王森，陳宇斌. 數字普惠金融如何推動農業高質量發展？——兼論中介與門檻作用機制[J] . 管理學刊，2022，35（3）：72 - 87.

[12] 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（7）：81 - 102.

[13] 曾小艷，祁華清. 數字金融發展對農業產出的影響機理及結構效應[J] . 貴州社會科學，2020（11）：162 - 168.

[14] 方觀富，蔡莉. 數字普惠金融如何影響農業產出：事實、機制和政策含義[J] . 農業經濟問題，2022（10）：97 - 112.

[15] 吉雪強，劉慧敏，張躍松. 中國農地流轉對農業碳排放強度的影響及作用機制研究[J] . 中國土地科學，2023，37（2）：51 - 61.

[16] 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.

[17] 何婧，田雅群，劉甜，等. 互聯網金融離農戶有多遠——欠發達地區農戶互聯網金融排斥及影響因素分析[J] . 財貿經濟，2017，38（11）：70 - 84.

[18] 馮興元，孫同全，董翀，等. 中國縣域數字普惠金融發展：內涵、指數構建與測度結果分析[J] . 中國農村經濟，2021（10）：84 - 105.

[19] HU Y， LIU C， PENG J G. Financial inclusion and agricultural total factor productivity growth in China[J] . Economic Modelling， 2021， 96： 68 - 82. doi： 10.1016/j.econmod. 2020.12.021.

[20] 劉丹，方銳，湯穎梅. 數字普惠金融發展對農民非農收入的空間溢出效應[J] . 金融經濟學研究，2019，34（3）：57 - 66.

[21] 柳凌韻，周宏. 正規金融約束、規模農地流入與農機長期投資——基于水稻種植規模農戶的數據調查[J] . 農業經濟問題，2017，38（9）：65 - 76.

[22] 馬黃龍，屈小娥. 數字普惠金融對經濟高質量發展的影響——基于農村人力資本和數字鴻溝視角的分析[J] . 經濟問題探索，2021（10）：173 - 190.

[23] 張玥，代亞強，陳媛媛，等. 中國耕地低碳利用效率時空演變及其驅動因素[J] . 農業工程學報，2022，38（8）：234 - 243.

[24] 溫忠麟，葉寶娟. 中介效應分析：方法和模型發展[J] . 心理科學進展，2014，22（5）：731 - 745.

[25] 李波，張俊飚，李海鵬. 中國農業碳排放時空特征及影響因素分解[J] . 中國人口·資源與環境，2011，21（8）：80 - 86.

[26] 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（1）：40 - 58.

[27] 鄒秀清，謝美輝，于少康，等. 農村勞動力轉移對耕地利用生態效率的空間溢出效應[J] . 中國土地科學，2023，37（1）：59 - 69.

[28] 侯孟陽，鄧元杰，姚順波. 城鎮化、耕地集約利用與糧食生產——氣候條件下有調節的中介效應[J] . 中國人口·資源與環境，2022，32（10）：160 - 171.

[29] 宋永永，米文寶，仲俊濤，等. 寧夏耕地集約利用的時空格局演化[J] . 經濟地理，2015，35（9）：172 - 181.

[30] 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.

[31] 易行健，周利. 數字普惠金融發展是否顯著影響了居民消費——來自中國家庭的微觀證據[J] . 金融研究，2018（11）：47 - 67.

[32] 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.

Impact of Digital Financial Inclusion on Cultivated Land Use Efficiency： Based on the Empirical Analysis of Central China from 2011 to 2020

TAN Shukui1， TONG Bin1， ZHANG Junwen2， ZHANG Bin1

（1. College of Public Administration， Huazhong University of Science Technology， Wuhan 430074， China； 2. College of Computer Science Technology， Wuhan University of Science Technology， Wuhan 430065， China）

Abstract： The purpose of this paper is to investigate the impact effect of digital financial inclusion on cultivated land use efficiency. The research methods of super-efficient SBM model， two-way fixed effects model and mediation effect model were used. The research results showed that cultivated land use efficiency increased in volatility. Both the digital financial inclusion index and the sub-index had a significant positive effect on use efficiency. This effect was heterogeneous by province， period and scale of cultivated land. The mechanism analyses indicated that digital financial inclusion can promoted the cultivated land use efficiency by increasing the disposable income of farmers and the fixed asset investment in the primary industry. In conclusion， this study proposed to promote high-quality development of digital financial inclusion to further motivate the positive effects of credit， investment and insurance on cultivated land use efficiency. Relevant agencies should accurately match the demand for financial services and improve cultivated land use efficiency by increasing farmers’ incomes and fixed asset investment in the primary sector.

Key words： cultivated land use efficiency； digital financial inclusion； two-way fixed effects； mediation effect model

（本文責編：陳美景）