數字普惠金融對農業綠色全要素生產率的影響機制及空間溢出效應
2024-11-07 00:00:00安紅霞
江蘇農業科學 2024年18期
摘要：農業的可持續發展離不開綠色全要素生產率的提升，這對于應對農業發展中遇到的資源與環境挑戰，構建農業強國至關重要。運用2011—2020年間中國30個省份（西藏、港澳臺地區除外）的面板數據，通過定量分析方法，深入剖析了數字普惠金融對農業綠色全要素生產率及其空間外溢效應的影響路徑。研究結果顯示，數字普惠金融對農業綠色全要素生產率產生積極影響，尤其在技術進步層面表現突出，不過在提升技術效率方面的影響并不顯著；進一步分析發現，數字普惠金融的影響在地域和空間上存在差異，其中金融使用深度對于推動農業綠色多要素生產率的貢獻最大，超過金融覆蓋范圍和普惠金融的數字化水平；同時，數字普惠金融不僅對本地農業綠色全要素生產率有提振效果，還對鄰近區域產生明顯的正面溢出效應。為充分發揮數字普惠金融的作用，政府需要出臺相關政策，加強農村數字基礎設施建設、提高農業科技創新能力，并促進數字普惠金融的區域協調發展。
關鍵詞：數字普惠金融；農業綠色全要素生產率；空間差異；農業技術創新；空間溢出效應
中圖分類號：F323.9 文獻標志碼：A
文章編號：1002-1302（2024）18-0288-09
收稿日期：2024-05-14
基金項目：河南省高校人文社會科學研究一般項目（編號：2024-ZZJH-176）。
作者簡介：安紅霞（1975—），女，河南許昌人，碩士，講師，主要從事鄉村振興、三農經濟研究。E-mail：2217911792@qq.com。
中國共產黨第二十次全國代表大會報告中提出了中國式現代化強國的發展戰略，強調實現人與自然和諧共生的現代化，并要求加快推進農業強國的建設。為實現農業強國，必須充分認識到當前農業發展所處的歷史階段，推動農業向質的有效提升和量的合理增長方向轉變，并將農業經濟發展控制在資源環境能夠承受的限度范圍之內。盡管中國農業發展取得了巨大成就，但仍然面臨“大而不強、多而不優”、環境污染、產出效率較低等問題。為推進農業綠色發展，必須解決氣候變化應對、生態環境保護、資源節約集約、產業結構優化和生產方式轉型等諸多問題。應從農業強國建設的視角出發，節約集約利用資源，并著力提升農業全要素生產率。農業經濟發展方式的轉變在很大程度上依賴于全要素生產率對產出增長的貢獻，旨在充分發揮“第三類要素”的作用。全面推進農業綠色低碳發展，以此夯實鄉村全面振興戰略的實施和“美麗中國”建設目標的基礎。
在中央全面深化改革委員會的第二十四次會議上，特別指出應穩步推動數字普惠金融的進程。自2012年至2022年，中國各省份的數字普惠金融平均指標增長顯著，從40.00躍升至341.22，增長態勢明顯。這一快速發展為農業的可持續路徑注入了新的活力，跨越地域限制，使得金融服務得以廣泛普及，有效緩解了農業經濟增長中遇到的金融服務短缺難題。通過定制針對不同新型農業經營實體的特色化、個性化數字金融解決方案，同時促進金融科技人才的匯聚，為農業的高品質發展提供了強有力的人力資源支持；因此，如何充分發揮數字普惠金融的作用來推動農業綠色轉型和提升農業綠色全要素生產率，是當前亟須解決的關鍵問題。
減少農業碳排放是實現農業綠色轉型和高質量發展的重要途徑，為了控制農業碳排放必須提升農業綠色全要素生產率。因此，農業的綠色全要素生產率的準確評估已在全球學術界的研究中占據重要地位。目前，常用的技術手段涉及數據包絡分析（DEA）和隨機前沿分析（SFA）［1］，DEA因其在處理復雜多輸入多輸出場景時表現出的適應性和效率，且不需要預先設定函數模型或特定條件，故被廣泛采納。葛鵬飛等利用SBM-DDF框架和Luenberger指標，對中國31個省份的農業環保型全要素生產率進行了深入分析［2］；劉亦文等采用非期望MinDS超效率-MetaFrontier-Malmquist模型對中國八大綜合經濟區的農業綠色全要素生產率進行了評估［3］；沈洋等從碳匯和碳排放2個角度出發，采用SBM-GML模型測算了中國2000—2019年農業綠色全要素生產率［4］。也有部分學者進一步探究新型城鎮化、環境規制、農產品貿易、農業產業聚集等因素對農業綠色全要素生產率的影響［5-8］。此外，金融發展對農業綠色全要素生產率的影響已成為一個備受關注的研究領域，并且已經取得了大量研究成果。研究顯示，增大農村金融業的規模和改進其結構對農業的全面綠色生產效率有著正面效果［9］。李曉龍等進一步提出，農村金融的發展能促進資源注入，助力綠色農業和農業科技革新，從而提高農業的全面綠色生產效率［10］。周法法等則強調農業保險的發展對提升這一效率具有顯著作用。隨著大數據、人工智能和區塊鏈等技術在金融行業的運用，數字普惠金融作為一種新興金融模式嶄露頭角。部分學者已涉足數字普惠金融與農業全面綠色生產效率的相關性研究［11］。張翱祥等利用空間杜賓模型證明，數字普惠金融通過提升技術效率和技術進步，有助于增強農業的全面綠色生產效率［12］。而曾欽友等從農業產業集聚的角度，運用面板門檻模型探討了數字金融對農業全面綠色生產效率的影響，結果顯示，數字金融總體指數及其各分項指數對農業綠色全要素生產率的影響呈現出不同的變化趨勢［13］。
因此，針對數字普惠金融如何深度影響農業的可持續生產效率，尤其是其綠色全要素生產率的互動關系，仍有大量未解之謎等待挖掘。鑒于此，本研究依托于2011—2020年期間我國30個省份（西藏、港澳臺地區除外）的數據，目標在于揭示數字普惠金融對農業綠色全要素生產率及其空間效應的具體作用機制，以期更好地夯實數字普惠金融在推動數字農業發展、促進鄉村全面振興和實現共同富裕中的作用。本研究的貢獻在于從多角度系統分析數字普惠金融對中國農業綠色全要素生產率的影響，關注了各省份之間考慮空間因素存在的空間關聯性和溢出效應，拓展了現有的研究。
1 理論分析與研究假設
1.1 數字普惠金融對農業綠色全要生產率的直接影響
隨著數字技術的發展，數字普惠金融能夠充分發揮自身優勢，提高農業資源要素的利用效率，減少農業污染，切實緩解數字農業發展中融資難的問題，促進提高農業綠色全要素生產率。首先，數字普惠金融有助于農業投入要素的綠色化。數字普惠金融通過推廣綠色生產方式和綠色農產品銷售渠道，鼓勵企業和農戶更加重視環保意識，采購和使用更加環保的投入品，例如有機農藥、生物肥料等，提高農業生產的綠色程度。其次，數字普惠金融利用大數據技術能及時獲取農業綠色生產的相關信息，例如農作物種植技術、土壤質量、環保設備等方面的信息。金融機構獲取這些信息后，能夠有效為農業綠色生產企業提供綠色信貸服務所面臨的金融風險，降低融資成本，緩解融資困難，幫助企業堅持綠色發展理念，從而提高農業綠色全要素生產率［12］。最后，數字普惠金融還通過提升農業生產效率，進一步推動農業綠色生產。數字普惠金融以其強大的技術、人才、資源優勢，為農民提供綠色化農業設施、大型機械和科技農具，幫助農民提高生產效率。同時，數字普惠金融能夠加強農業廢棄物資源化利用，推廣農業有機廢棄物堆肥技術，減少農業廢棄物對水土和空氣的污染，降低農業碳排放，提升農業綠色全要素生產率。據此，提出假設1：數字普惠金融有助于增強農業綠色全要素生產率。
1.2 數字普惠金融對農業綠色全要生產率的間接影響
技術創新是現代經濟增長的核心驅動力和關鍵源泉。在農業領域，技術創新能夠克服資源稀缺和落后傳統技術的問題，提高農業資源利用效率并促進環境改善。數字普惠金融作為一種創新金融模式，它通過促進農業科技革新，為增強農業的綠色全要素生產率創造了可能性［11］。首先，在農業領域中能夠提供充足的資金支持，有助于推廣新型農業技術和理念。這不僅能夠提高農業資源的利用效率，減少浪費和污染，還可以促進農產品品質的提升、降低生產成本，并增加市場競爭力。此外，在數字普惠金融支持下開展的科學合理化耕作、精準施肥等措施也能夠有效降低土地、水資源的利用量及化肥、農藥等投入量，實現可持續發展。此外，數字普惠金融還能夠提升農戶采納新技術的可能性［12］。隨著數字普惠金融的發展，農戶獲得保險產品和貸款的機會增加，有助于降低他們的風險和成本壓力，從而促進農戶采用新型農業生產技術。同時，在數字基礎設施完善下，信息流通更加便捷、透明度更高、交易更安全可靠，也拓寬了農民獲取信息渠道與交流途徑。這些因素共同作用下，則能夠有效推廣先進技術應用并實現規模化應用。總之，技術創新加速了先進技術的更替，減少了農業資源的消耗，而數字技術則打破了農業生產要素之間的技術壁障，優化了資源配置，提高了經濟運行效率。據此，提出假設2：數字普惠金融能夠激發農業技術的創新，進而對農業綠色全要素生產率的提升產生積極作用。
1.3 數字普惠金融對農業綠色全要生產率影響的空間溢出效應
數字普惠金融作為一種新興的金融服務模式［14］，能夠利用數字技術手段打破時空限制，縮小地理距離，從而加強了各要素在地區間的流動與融合，提高地區經濟活力的聯系與協同作用。數字普惠金融還可以通過引導資本流動實現區域之間資源優化配置，加強區域之間的合作。由于數字金融的特性，對農業綠色全要素生產率可能產生空間溢出效應，不僅能夠提升本地區的農業經濟發展和農業生產力，也有可能極大地促進周邊地區的發展，形成技術溢出效應和人才流動效應［15］。因此，數字普惠金融不僅促進了地區間要素的交換與融入，還構建了區域經濟活動的共同體。同時，這也能夠對鄰近地區的農業綠色全要素生產率產生積極影響，從而進一步推動整個地區農業經濟的發展。據此，提出假設3：數字普惠金融對農業綠色全要素生產率的影響存在顯著的空間溢出效應。
2 研究設計
2.1 模型構建
2.1.1 基準回歸模型 構建主效應的線性計量模型：
GTFPit=β0+β1lnDFIit+βXit+λi+μt+εit。（1）
式中：i和t分別表示省份和年份；GTFP表示農業綠色全要素生產率；DFI表示數字普惠金融；X表示影響農業綠色全要素生產率的相關控制變量；λi和μt分別表示省份固定效應和年份固定效應；εit表示隨機擾動項，β表示回歸系數。
2.1.2 中介效應模型 借鑒張瑩瑩的方法［16］，在公式（1）的基礎上構建遞歸模型：
Mit=γ0+γ1lnDFIit+γXit+λi+μt+εit；（2）
GTFPit=δ0+δ1lnDFIit+δ2Mit+δXit+λi+μt+εit。（3）
式中：M表示中介變量，選取的是農業技術創新；γ、δ表示回歸系數。
2.1.3 空間計量模型 為了避免忽略空間因素可能帶來的實證偏差，考慮到中國農業綠色全要素生產率可能存在空間依賴性或空間異質性，構建以下空間計量模型：
GTFPit=β0+ρWGTFPit+β1DFIit+φWDFIit+βXit+ωWXit+λi+μi+εit。（4）
式中：W表示空間權重矩陣；ρ、φ和ω表示空間回歸系數；WGTFPit、φWDFIit和ωWXit分別為核心被解釋變量、核心解釋變量和控制變量的空間滯后項。
2.2 變量選取
2.2.1 被解釋變量 本研究關注的對象是中國農業的綠色全要素生產率，運用SBM方向距離函數與ML指數的集成方法，對2011—2020年間中國30個省份的這一指標進行了評估。在此基礎上，本研究將綠色全要素生產率細分為技術進步和技術效率2個部分，并依據李谷成的研究方法［17］對數據進行整合分析。在衡量過程中，挑選了多個輸入和輸出指標。輸入項涵蓋勞動力、土地、農業機械設備、農膜、肥料、農藥和灌溉土地面積等。輸出指標則劃分為期望輸出和非期望輸出，其中期望輸出選用的是農林牧副漁的總產量，而非期望輸出則采用農業碳排放量來表示［18］。農業碳排放主要源于化肥、農藥、農膜、柴油、耕地活動以及農業灌溉，對應的排放系數分別是0.896、4.934、5.18、0.593、312.6和20.476。農業碳排放總量的計算遵循特定的數學公式：
C=∑Ci=∑（Ti×δi）。（5）
式中：C為農業碳排放總量；Ci為各類碳源產生的二氧化碳排放量；Ti為各碳源的數量；δi為各碳源的排放系數。
2.2.2 解釋變量 本研究的重點在于探討數字普惠金融（DFI）的實踐應用，其普及程度通過北京大學數字金融研究中心構建的數字普惠金融指數來量化評估。主要包括金融覆蓋廣度（FIC）、金融使用深度（FUD）和普惠金融數字化程度（FDD）3個維度［19］。為了進行分析，對數字普惠金融指數及其各個子維度進行了對數處理。
2.2.3 中介變量 本研究的中介變量是農業技術創新（ATI）。農業研發支出不僅能夠提升農業經濟效益，還能通過降低成本來提高農業產出質量。現有文獻通常以R&D經費投入和專利數量評估技術創新水平。借鑒余進韜等的研究［15nYw/fzOamN3HhHAmttPUAA==］，本研究以各省農業發明專利和實用新型專利2類專利總和衡量農業技術創新水平，并將其取對數處理。
2.2.4 控制變量 農業綠色全要素生產率的提高會受多種因素的制約，為避免遺漏變量影響結果，參考現有文獻，本研究引入以下控制變量：（1）農業結構特征，反映為糧食作物種植面積在全部農作物種植面積中的比例［11］；（2）工業化進程，通過計算各地區工業產值在總產出中的比例來反映［20］；（3）財政支農水平，以政府農林水支出占一般公共預算支出比重衡量［21］；（4）農業機械化程度，以畝（1 hm2=15畝）均農業機械總動力表示。
2.3 數據來源
基于數據的可獲得性、及時性，選取2011—2020年我國30個省（西藏、港澳臺地區除外）的數據作為研究對象。相關數據來自歷年《中國統計年鑒》《中國農村統計年鑒》《中國人口和就業統計年鑒》《中國環境統計年鑒》以及EPS數據庫和各省統計年鑒等，部分缺失數據則采用插值法補充。各變量的描述性統計見表1。
3 實證結果與分析
3.1 基準回歸結果分析
依據模型（1）的設計，核心目標是探究數字普惠金融如何影響我國農業領域的綠色全要素生產率。為確保估計結果的準確性，已經執行了F檢驗和Hausman檢驗，決定采納固定效應模型作為估算工具，結果如表2所示。根據表2所示的回歸結果可以看出：加入控制變量［列（2）］，數字普惠金融對農業綠色全要素生產率具有顯著促進作用，回歸系數為0.268。數字普惠金融有助于農業投入品使用效率的提高、農業供給結構的優化和產品質量的提升，同時通過數字平臺的信息共享和技術支持，使農業生產更加科學化、精準化、高效化，全面提升中國農業綠色全要素生產率。假設1得到驗證。控制變量方面，農業產業結構（AIS）和農業機械化程度（AMD）的估計系數顯著為負，表明現階段農業產業結構和農業機械化程度是阻礙農業綠色全要素生產率提高的重要因素；工業化程度（IND）和財政支農水平（FAL）的回歸系數顯著為正，表明現階段提高工業化進程和財政支農水平均有助于農業綠色全要素生產率的提升。
為了深入理解主要效應的運行機制，將技術效率和技術進步這2項因素納入分析框架［1］。從表2中列（3）可知，數字普惠金融對技術效率具有一定正向影響，但并未達到統計學意義上的顯著作用。由于數字普惠金融的使用仍然處于比較初級的階段，需要建立龐大的信息技術基礎設施，包括網絡、服務器、軟件等方面的先進技術的支撐。由于技術的不斷革新和發展，數字普惠金融的應用也需要不斷更新和改進，這就增加了數字普惠金融在農業生產中應用的成本和難度，從而導致對技術效率提升的潛力尚未得到充分發揮。從表2中列（4）可知，數字普惠金融系數為0.167，且在1%統計水平上顯著，表明數字普惠金融有助于技術進步的提升。數字普惠金融提供了一種新的融資渠道和風險管理方式，為農業生產中的技術創新和發展提供了更便捷、低成本的資金支持，同時能夠促進農村地區人才的流動和資源的整合，推動人才流動和科技創新，進而促進技術進步的提升。
3.2 內生性及穩健性檢驗
3.2.1 內生性檢驗 在考慮可能存在的內生性問題時，注意到數字普惠金融與農業的綠色全要素生產率之間可能存在相互因果的動態關系。另一方面，盡管在基本的回歸模型中納入了影響中國農業綠色全要素生產率的因素，但遺漏的變量仍可能導致估計誤差。本研究選擇2種工具變量，第1種借鑒張啟文等的做法［22］，分別選取數字普惠金融的一階滯后和二階滯后項，第2種借鑒Bartik的做法［23］，選取Bank工具變量（數字普惠金融的一階滯后與一階差分項的乘積），回歸結果如表3所示。從表3的數據可見，運用各種類型的工具變量進行回歸分析時，第1階段的F統計量均超過10，這表明有理由拒絕弱工具變量的假設。第2階段估計結果顯示，數字普惠金融可以明顯地推動我國農業綠色全要素生產率的提升，研究結論與基準回歸保持一致，說明研究結論穩健。
2.2.2 穩健性檢驗 為進一步驗證研究結果的可靠性，通過更改計量方法、調整樣本研究期以及對核心解釋變量進行縮尾處理等方式進行了穩健性檢驗［24］，結果如表4所示。在表4的第1欄，觀察到當固定效應模型被替換為隨機效應模型時的回歸輸出。為了消除疫情的影響，特別是2020年對社會經濟發展帶來的巨大沖擊，將研究樣本期調整為2011—2019年并重新進行估計，結果見表4中列（2）所示。本研究對核心解釋變量進行縮尾處理，剔除離群值重新估計，結果如表（4）中列（3）。上述3種穩健性檢驗結果均與基準回歸結果的結論一致。
2.2.3 中介效應檢驗 采用中介效應模型探究農業技術創新對二者之間關系產生的具體作用機制，結果如表5所示： 數字普惠金融顯著促進了農業綠色全要素生產率和農業技術創新；將農業技術創新納入回歸模型后，其影響系數為0.143，并在1%水平上顯著為正。同時，列（3）中數字普惠金融對農業綠色全要素生產率的回歸系數小于列（1），這表明農業技術創新在二者間存在中介作用。假設2得到驗證。
為了增強研究結果的可靠性，借助Sobel測試和Bootstrap技術對中介效應進行了檢驗，相關結果顯示在表6。Sobel測試的Z值為3.030，具有1%的顯著水平，這證實了這一發現的穩定性。這些結果表明，農業技術創新在二者間存在中介作用。具體而言，間接效應值為0.069，直接效應值為0.104，中介效應占總效應的39.80%。Bootstrap方法估計結果表明，抽樣1 000次之后，偏差校正的Bootstrap 估計方法農業技術創新的中介效應仍然顯著，偏差校正的95%置信區間不包含0。通過上述2種檢驗方法，假設2得到進一步驗證。
3.2.4 異質性分析
3.2.4.1 維度異質性 數字普惠金融的維度包括服務覆蓋的廣泛性、使用的深入程度以及數字化轉型的進程。由于這3個方面的發展水平可能存在差異，因此它們對我國農業綠色全要素生產率的影響也會有所不同。因此，將這3個方面納入本研究中進一步分析，結果如表7所示。研究發現，這3個層面的數字普惠金融對提高農業的可持續生產效率具有明顯推動作用。回歸系數顯示，金融覆蓋廣度、金融使用深度和普惠金融數字化程度對農業綠色全要素生產率的影響系數分別為0.145、0.169和0.077，其中，金融應用的深度產生的影響最為顯著，其次為金融普及的廣泛性，而普惠金融數字化程度的影響最小。因此，金融機構一方面需要深度和廣度上加大對農村地區的金融服務力度，拓寬金融的使用深度和覆蓋范圍；另一方面，積極探索建立普惠金融數字化平臺，加強農村地區大數據、云計算等新一代信息技術應用，提升金融服務精準度，促進普惠金融數字化程度的提高。
3.2.4.2 區域異質性 由于數字普惠金融的發展水平受到各區域之間地理環境、政策等因素的影響，具有明顯的空間非均衡性。這些差異可能揭示了其對我國農業綠色全要素生產率影響的地域差異。為了探究這種影響的具體特征，將樣本按照經濟地理位置劃分為東部、中部和西部三大區域，相關分析結果詳列于表8。表8中數據顯示，數字普惠金融在東部地區對農業綠色全要素生產率在1%水平上有正向影響，而在中、西部地區的影響雖然為正，但不顯著。東部地區由于經濟發達，資源豐富［25］，數字普惠金融水平較高，使其提升農業綠色全要素生產率的作用更加顯著。相比之下，中部和西部地區的經濟發展水平和資源條件與東部地區存在一定差異［26］，數字普惠金融水平較低，未充分發揮農業綠色全要素生產率的促進作用。
3.2.5 空間溢出效應分析 主效應可能存在空間效應［12］，因此，采用莫蘭指數進行全域空間自相關檢驗，以研究二者之間的空間效應［27］。借鑒李婧等的方法［28］，使用不同地區的人均實際GDP之差的絕對值的倒數構建經濟距離空間權重矩陣，并進行了檢驗，結果如表9所示。2011—2020年間的數字普惠金融和農業綠色全要素生產率均顯著為正，表明二者存在顯著的空間正效應。
為構建一個適用的時空框架，首先執行了Wald測試和LR測試，確認空間杜賓模型為最佳選擇。接著，通過Hausman檢驗證明了采用固定效應方法的正確性；因此，選擇固定效應的空間杜賓模型進行深入的回歸研究。為了增強研究的信度，不僅呈現了以經濟距離為基礎的空間權重矩陣下數字普惠金融對農業綠色全要素生產率的作用，還對比了基于相鄰關系和地理距離權重矩陣的回歸輸出。
這些不同的權重矩陣估計結果分別在表10的第（1）欄、第（2）欄和第（3）欄中詳細列出。在所有情況下，數字普惠金融與空間權重矩陣的交叉項（W×lnDFI）和空間滯后項的系數（ρ）均表現為顯著的正向關系，這揭示了各省之間數字普惠金融的外部互動效應以及農業綠色全要素生產率的內部互動效應的空間一致性。為進一步驗證結果，借助偏微分轉換探究了空間交互效應對農業綠色全要素生產率的邊際效應［15］。表9顯示，各種空間權重配置下，直接與間接效應均表現出明顯的正向關聯。這表明，數字普惠金融的提升不僅能夠提升本地區農業綠色全要素生產率，還能產生積極的跨區域溢出效應，影響鄰近地區的農業綠色全要素生產率。假設3得到驗證。從間接效應的幅度來看，經濟距離空間權重下的空間溢出效應最為顯著，這表明數字普惠金融在縮短地理距離和增強經濟聯動性方面具有明顯的外溢效應。因此，與地理因素相似，社會經濟因素對于數字普惠金融在綠色增長中的潛在影響至關重要。為擴大空間溢出效應，需要加強區域間的經濟聯系。
4 結論與政策建議
現代化農業的關鍵在于促進其可持續性，革新舊有的農業管理方式，并提高農業的全方位環保生產效能。本研究基于2011—2020年我國30個省份數據，實證研究了數字普惠金融與我國農業綠色全要素生產率間的作用機制。研究結果表明：（1）實現農業的可持續發展，關鍵在于推動綠色農業模式，改革農業生產方式，并增強農業綠色生產力。（2）中國農業的綠色全要素生產率明顯受到數字普惠金融的積極促進，其主要貢獻在于刺激技術進步，而在提升技術效率方面的作用則相對較輕。（3）在數字普惠金融與農業綠色全要素生產率的相互作用中，農業技術革新充當了媒介的一部分。具體來講，數字普惠金融的3個維度對農業綠色全要素生產率具有正向影響，呈現出金融使用深度>金融覆蓋廣度>普惠金融數字化程度的影響格局。數字普惠金融的影響存在領域差異和地域差異，在東部地區，對農業綠色全要素生產率的提振效果尤為突出。（4）數字普惠金融還展現出強大的空間影響力，能有效帶動周邊地區農業綠色全要素生產率的提升。
根據這些研究發現，為了發展數字普惠金融，提升農業的綠色全要素生產率，進而加速農業現代化，應采取相應的政策策略。
（1）大力提升數字惠普金融發展水平。農村數字基礎設施建設能夠有效緩解信息不對稱問題，是促進數字惠普金融發展的載體和支撐。一方面，政府應以實現“村村通”為目標，強化農村數字基礎設施建設，大幅提升鄉村網絡設施水平，推動互聯網、大數據和云計算等新興技術的應用。同時，應逐步推進“寬帶鄉村”項目，加大資金投入，促進農村互聯網建設，加快5G寬帶網絡的部署。另一方面要不斷提高農村金融覆蓋廣度、金融使用深度和普惠金融數字化程度，重構農村金融服務結構，提高其服務質量和覆蓋率，建立更為完善的農村金融服務生態圈是實現數字普惠金融在農村地區推廣和應用的關鍵。此外，還需要加強對農村居民金融知識和技能的培訓和普及，提高他們的金融素養和對數字普惠金融的接受意愿。通過加強金融教育和培訓，提高農民對數字普惠金融的認知和使用能力，才能有效促進數字普惠金融3個維度的全面提升，為農村經濟的發展注入新的動力。
（2）加大農業科技投入力度，提高農業科技創新能力。農業技術的創新在建立數字普惠金融與農業綠色全要素生產率增長之間的橋梁中起到關鍵的中介作用。因此，政策設計者應當增強財政投入，以挖掘農業科技創新的潛能，并構建穩固的政策框架來保障其可持續發展。同時，加強科研機構的實力與專業化人才的培育同樣至關重要，這將有助于提高科研團隊的專業能力和創新效率。加快農業科技成果轉化，提高農民的科技理解和實踐技能，能夠促進數字農業和金融的深度融合，從而加速農業現代化的進程。另外，為了促進農業科技的創新與集成，需要通過建立農業科技創新聯盟、加強行業內部的合作和交流等方式來增強行業和國際間的合作力度，引進和吸收先進的農業科技成果，提升我國農業科技的創新能力和競爭力。
（3）促進數字普惠金融區域協調發展。考慮到不同區域間數字普惠金融對農業綠色全要素生產率影響的差異，東部、中部和西部地區需采取協調一致的策略，以實現數字普惠金融發展的平衡。一方面，各區域應制定符合自身實際情況的數字普惠金融發展方向。例如，東部地區可以重點發展互聯網金融和移動支付等數字化金融服務，以提高金融服務的效率和便捷性；中部地區可以重點發展農村金融和小微企業金融等普惠金融服務，以提高金融服務的覆蓋面和可得性；西部地區可以重點發展金融扶貧和金融創新等金融服務，以促進地區經濟的發展和轉型升級。另一方面，各地區應加強金融技術、信息和人才等方面的合作和交流，實現跨區域合作，確保區域間金融資源渠道暢通，避免區域之間出現不良競爭。同時，應建立健全數字普惠金融政策的監管和評估機制，及時發現和解決發展過程中存在的問題和不足，確保政策的有效調整，以充分釋放數字普惠金融對本地區及周邊地區農業全要素生產率的溢出效應。
參考文獻：
［1］金紹榮，任贊杰. 鄉村數字化對農業綠色全要素生產率的影響［J］. 改革，2022（12）：102-118.
［2］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.
［3］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.
［4］沈 洋，周鵬飛. 農業綠色全要素生產率測度及收斂性分析：基于碳匯和碳排放雙重視角［J］. 調研世界，2022（4）：58-68.
［5］郭海紅，張在旭. 新型城鎮化對農業綠色全要素生產率的門檻效應［J］. 湖南師范大學社會科學學報，2019，48（2）：55-63.
［6］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.
［7］楊秀玉，仝錦濤. 農產品貿易對農業綠色全要素生產率的空間溢出效應：基于農業產業集聚的調節作用［J］. 中國農業資源與區劃，2023，44（11）：15-27.
［8］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.
［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.
［10］李曉龍，冉光和. 農產品貿易提升了農業綠色全要素生產率嗎？：基于農村金融發展視角的分析［J］. 北京理工大學學報（社會科學版），2021，23（4）：82-92.
［11］周法法，鄭 義，李軍龍. 農業保險發展與農業綠色全要素生產率：內在機制與實證檢驗［J］. 世界農業，2022（10）：70-82.
［12］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.
［13］曾欽友，張 璇. 數字金融對農業綠色全要素生產率的門檻效應研究：基于農業產業集聚視角［J］. 區域金融研究，2022（7）：77-83.
［14］呂靖燁，史家榮. 數字普惠金融、融資約束與企業債務違約風險：基于中小企業的經驗證據［J］. 武漢金融，2022（9）：41-49.
［15］余進韜，張 蕊，龔星宇. 數字金融如何影響綠色全要素生產率？：動態特征、機制識別與空間效應［J］. 當代經濟科學，2022，44（6）：42-56.
［16］張瑩瑩. 金融發展、研發投入與綠色全要素生產率：基于不同維度金融發展的視角［J］. 華東理工大學學報（社會科學版），2022，37（6）：127-145.
［17］李谷成. 中國農業的綠色生產率革命：1978—2008年［J］. 經濟學，2014，13（2）：537-558.
［18］于 婷，郝信波. 糧食主產區農業生態效率時空特征及改善路徑研究［J］. 生態經濟，2018，34（9）：104-110.
［19］楊玉文，張云霞. 數字普惠金融賦能共同富裕的機制與路徑研究［J］. 云南民族大學學報（哲學社會科學版），2023，40（1）：123-133.
［20］趙夢凡. 制造業轉型升級視角下河北省生產性服務業發展研究［D］. 保定：河北大學，2017.
［21］李 凱. 基于Super-SBM和Malmquist指數的中國農業生產效率研究［D］. 武漢：武漢大學，2017.
［22］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（1）：45-56.
［23］Bartik T J. How do the effects of local growth on employment rates vary with initial labor market conditions？［R］.Upjohn Institute Working Paper，2009，9：102-148.
［24］張宗新，張 帥. 數字金融提升我國資本要素配置效率研究［J］. 社會科學，2022（11）：129-139.
［25］王 爽. 數字普惠金融的創業效應［D］. 濟南：山東財經大學，2021.
［26］齊紅倩，張佳馨. 農村普惠金融發展與我國減貧可持續性：基于多維相對貧困和貧困脆弱性的雙重視角［J］. 經濟問題探索，2023（7）：158-175.
［27］楊慧瀛，楊宏舉. 數字貿易如何影響貿易高質量發展：基于貿易全要素生產率視角的經驗證據［J］. 技術經濟，2023，42（3）：40-51.
［28］李 婧，譚清美，白俊紅. 中國區域創新生產的空間計量分析：基于靜態與動態空間面板模型的實證研究［J］. 管理世界，2010（7）：43-55.
