財政金融協同支農對農業全要素生產率的影響

摘 " 要：財政和金融作為支持農業發展的兩種主要方式，其協同作用的發揮對農業全要素生產率的提高起著重要作用。基于2009—2022年省級層面的數據，采用隨機前沿和耦合的方法分別測算農業全要素生產率和財政金融支農的協同作用， 并構建雙向固定模型實證檢驗財政金融協同支農對農業全要素生產率的影響。研究發現，財政金融協同支農可以顯著提高農業全要素生產率；協同作用對中部、糧食主產區和自然條件較好地區的促進作用最強，對東部地區則具有抑制作用； 財政金融協同支農主要通過作用于農業機械化水平和農業生產性服務水平來提高農業全要素生產率。因此，要建立高效的財政金融協同支農機制，加大財政和金融支農力度，因地制宜制定不同政策，提高農戶農機購置能力，保障農業生產性服務供給，以此促進農業全要素生產率的提高。

關 "鍵 "詞：財政支農；金融支農；協同效應；農業全要素生產率

中圖分類號：F832 " " 文獻標識碼：Ａ " " 文章編號：2096-2517（２０25）０1－0０17－12

DOI：10.16620/j.cnki.jrjy.2025.01.002

一、引言

農業是百業之基，農業穩則百業穩、社會穩，我國一直高度重視農業發展， 自黨的十八大以來，已有12個中央一號文件指導“三農”工作。黨的十九屆五中全會明確指出， 我國已轉向高質量發展階段，但我國發展不平衡不充分問題仍然突出，農業基礎還不穩固， 城鄉區域發展和收入分配差距較大。2020年中央一號文件指出，要加快補齊“三農”領域突出短板，推進農業高質量發展。2024年的中央一號文件仍然關注于農村問題，提出推進中國式現代化，必須堅持不懈夯實農業基礎，推進鄉村全面振興。農業作為社會主義現代化的根基，其增長對經濟繁榮起著保障作用，而農業增長主要來自要素投入增長和農業全要素生產率的提高[1]。農業全要素生產率的提高對于鄉村振興、農業現代化發展和農業高質量發展具有重要的作用。

高質量發展應該不斷提高勞動效率、 資本效率、土地效率、資源效率、環境效率，不斷提升科技進步貢獻率，不斷提高全要素生產率①。而農業優先發展和農業高質量發展的重點就在于提高農業全要素生產率[2]。《鄉村振興戰略規劃（2018—2022年）》明確指出，要持續提高農業創新力、競爭力和全要素生產率。在我國“大國小農”的背景下，影響農業生產的因素眾多，農業全要素生產率增長的主要動力來自技術進步，除此以外農機購置補貼、勞動力老齡化、農業基礎設施建設、要素投入結構等也都會對農業全要素生產率產生影響[3-6]。

由于農業在國民經濟中處于基礎地位，加上農業的弱質性和農村經濟的脆弱性，各國普遍對農業農村發展實行支持政策。財政和金融是政府支持農業發展的重要手段。財政資金的投入可以完善農業基礎設施，提高農業機械化水平等，通過結構效應和技術效應來提高農業全要素生產率，提高農業的生產效率，促進農村經濟的發展[7-8]。除了政府資金的注入，金融手段也是政府支農的主要途徑，金融支農可以幫助解決農業生產者的資金問題，幫助拓寬融資渠道，特別是近年來不斷發展的數字普惠金融突破了傳統金融的地域限制， 覆蓋范圍更廣闊，服務成本更低，尤其在促進農業技術進步方面表現突出，顯著推動了農業全要素生產率的提高[9]。但是如果農村金融市場結構壟斷程度較高，就會抑制農業全要素生產率的提高[10-11]。不同的融資渠道都可以促進農業全要素生產率的提高，但具體的作用途徑不同，正規金融主要依靠技術進步來提高農業全要素生產率，非正規金融則是作用于技術效率來促進農業全要素生產率的提高[12]。進一步細化，信貸規模對農業全要素生產率的影響存在著最優點[13]；信貸資金只有投入到中間生產環節才會提高農業全要素生產率，而農業生產之外和勞動上的投入反而會降低農業全要素生產率[14]。農業保險的應用對農業生產起到了一個保障兜底作用，可以促進農業全要素生產率的提高[15-17]。

目前對于財政支農和金融支農以及二者協同支農，討論更多的是對于二者及二者協同效果的比較。相比于單一的財政支農或者金融支農，在財政金融支農的協同作用下，財政可以運用稅收減免和補貼等方式，發揮財政政策的杠桿效應，引導金融資金涌入農業生產，從而充分發揮金融機構的支農作用；金融在財政的引導下拓寬支農渠道，增加金融支農覆蓋度，同時財政在這種良性循環下，可通過金融路徑提高資金周轉和融資效率，減少財政壓力。從減貧脫貧成果上來看，相比于單一的財政支農或金融支農， 二者協同支農的效率顯然更高，這種效率變化的主要影響因素是規模效率[18-19]。另外，在經濟綠色發展和農業農村現代化上，財政金融的協同作用也要優于單一的方式[20-21]。然而，也有學者指出財政金融的協同性太低，幾乎處于各自獨立的狀態[22]，并且在農業全要素生產率的問題上也鮮有學者考慮財政金融支農的協同效應。基于此，本文將研究財政金融支農的協同效應對農業全要素生產率的影響，為農業全要素生產率的提高和農業高質量發展提供決策參考。

本文可能的邊際貢獻主要有：第一，現有研究大多是研究單一因素對農業全要素生產率的影響，部分研究對財政支農、 金融支農以及二者的協同作用進行了探究，也對二者效應進行了比較，但是對于財政金融支農協同效應的實證研究還較少， 二者的協同效果如何， 是否對農業全要素生產率有影響，這些問題還沒有普遍認同的觀點。本文構建雙向固定模型實證檢驗了財政金融協同支農對農業全要素生產率的影響。第二，本文針對農業生產情況，結合地區、糧食和自然條件的異質性，對財政金融協同支農效應影響農業全要素生產率的差異性進行分析，以期為不同農業生產條件和生產環境下的農業全要素生產率提高提供解決路徑。

二、研究假設

（一）財政金融協同支農與農業全要素生產率

農業發展既離不開財政的支持，又少不了金融的疏通，農業發展問題一方面受限于自身行業因素，另一方面也受限于市場競爭不充分和市場失靈等因素， 這就需要充分發揮政府與市場機制的作用，推進財政金融協同發力[23]。財政金融協同支農對農業全要素生產率的影響主要體現在完善農業基礎設施、緩解農業生產者的融資約束和推動農業科技進步。一是財政金融協同支農作用的發揮可以完善農業基礎設施， 增強農田抗災減災的能力， 提高農業配套服務水平， 為農業生產提供更好的條件。在財政政策的指導下，我國逐步建立完善諸如高標準農田建設、基本灌溉等農業基礎設施，但是農業基礎設施具有投入資金大、使用周期長和投資收益回收慢的特點， 必須依靠金融手段為其注入“活水”。在有效的財政金融協同作用下，財政支農和金融支農在二者最大效用點上發力，進而形成合力，使農業基礎設施更加完善，農業生產成本有效降低，便于農業規模化生產，提高農業全要素生產率[5]。二是財政金融協同支農作用的發揮有助于打通資源流通渠道， 使更多的資源流向農業和農村。財政政策通過政策支持和引導，加強對資源的合理分配， 可以提高資金的使用效率， 有效避免財政資金占用過多，保證政策的精準實施。各金融機構在財政政策的引導下積極創新多元化的農村金融產品，完善業務模式確保財政政策的精準實施，金融機構強大的融資能力得以發揮，緩解了財政后續的資金壓力，為農業發展注入“活水”，大大提高財政資金的利用效率，使農業生產從源頭到分支都有了全程護航，農業生產的融資約束得到緩解[13]，農業生產更有利于規模化、機械化和集約化，從而有利于農業全要素生產率的提高。三是財政金融協同支農作用的發揮有利于農業技術進步和技術推廣。財政金融協同支農的良好循環有利于以農村科技三項費用作為源動力，專注農業重點項目研究，培養人才團隊，布局建設農業科研試驗基地、技術研發中心等平臺。財政金融協同機制更有利于實現農業科學技術產學研的轉化，幫助相關科技企業的成長和發展，從而形成良好的科技生態系統，增強農業科技的持續創新能力，有效降低農業成本，提升農業資源的使用效率和農業產業鏈的健康發展， 從而促進農業增收，提高農業全要素生產率。

基于此，本文提出以下假設。

假設1：財政金融協同支農有助于提高農業全要素生產率。

（二）財政金融協同支農影響農業全要素生產率的機制

1.農業機械化水平

農業機械的使用一方面可以優化投入資源的配置，進一步促進農業資本深化和農業技術進步[24]，另一方面也是實現機械化、規模化種植[25]，提高產出[26]和效率的重要助力，有助于提高農業全要素生產率[27]。對于普通農戶來說，農機購置費用占農業生產費用的很大一部分，并且部分農戶購置農機還存在資金約束，而財政金融協同支農可以很好地緩解這一問題。在財政方面，我國政府一直有農業補貼， 尤其是農機購置補貼自2004年開始實施一直延續至今， 這種補貼以現金形式發放直接提高了農戶對農業機械的購買意愿[3，8]；金融手段作為農機購置補貼外的補充，創新開展農機貸款，明顯增強了農戶購置農業機械的能力，推動了農業機械化的提升，有利于提高資源利用率，從而促進農業生產效率的提高。

基于此，本文提出以下假設。

假設2：財政金融協同支農通過提高農業機械化水平來提高農業全要素生產率。

2.農業生產性服務水平

農業全要素生產率提高最大的動力來自技術進步，這是目前普遍公認的觀點。農業技術進步體現在農業生產各方面，如良種培育和病蟲害防治等生物技術進步，農業遙感和物聯網等現代信息技術進步，節水灌溉和精準施肥等資源管理技術進步以及農業科技成果的推廣和應用。但我國普通農戶在農業生產者中仍占有很大比例，他們對于農業生產中大型機械、產銷合作、技術使用等方面的需求憑借自身難以得到滿足，并且農業技術使用對農業生產者也有一定的技術要求和知識儲備要求，此時就需要農業生產性服務作為農業生產過程中重要的補充手段。農業生產性服務是貫穿農業生產始終，包括產前、產中和產后所有環節的社會化服務①， 通過購買農業生產性服務可以幫助農戶跨越“人力資本”這一壁壘，解決限制農戶規模化經營、機械化經營和農業技術使用的因素，農業生產性服務組織還可以為農戶提供更多的技術支持和風險分散。農業生產性服務業的存在和發展是促進農業規模化的重要力量[28]，而機械化、規模化的轉變和先進農業技術的使用對提高農業全要素生產率具有重要意義。

自2010年以來， 我國農業生產性服務業快速發展，經歷了由公共性向市場化發展的進程，目前的服務主體大致可以分為政府主導、集體經濟主導和私人組織，農業生產性服務供給組織主要為農業服務公司、農業服務專業合作社等。農業生產性服務業的發展離不開財政和金融的支持。農業生產性服務業在發展之初具有公共產品屬性，主要依靠財政支持，幫助其完善市場信息、提供農資服務和推廣先進農業技術。在慢慢過渡到市場化之后，農業生產性服務業的發展主要是在財政引導下通過金融手段加大信貸力度、創新三農綠色產品和數字技術應用為農業生產性服務不斷賦能，直接對接生產主體，幫助其擴大產能和技術升級，因地制宜地創新金融產品，促進農業增產增收。

基于此，本文提出以下假設。

假設3：財政金融協同支農通過提高農業生產性服務水平來提高農業全要素生產率。

三、研究設計

（一）數據來源

本文采用2009—2022年省級層面的數據，數據主要來源于同花順數據庫、國家統計局和《中國統計年鑒》《中國農村統計年鑒》《中國金融年鑒》等。

（二）變量選取

1.被解釋變量：農業全要素生產率（TFP）

農業全要素生產率的測算方法主要有隨機前沿分析法（SFA）和數據包絡分析法（DEA）。參數法主要以隨機前沿分析法為主，非參數法以數據包絡分析法為主[29-30]。考慮到隨機前沿分析法能夠引入隨機干擾項， 從而可以剔除可控因素的影響，使得全要素生產率的測算結果相對穩定，因此本文采用隨機前沿分析法來測算農業全要素生產率。隨機前沿法需要設定函數形式，通用的生產函數形式為柯布道格拉斯生產函數和超越對數函數， 參照許慶等（2023）[3]的做法，鑒于超越對數函數的包容性更強，在一定程度上可以避免由模型設置偏誤帶來的影響，另外，農業是受自然環境等不確定因素影響較強的產業， 采用SFA更符合農業生產的本質特征[31]，因此本文用超越對數函數的隨機前沿法來測算農業全要素生產率，具體的函數形式如下：

ln Yi=β0+β1 ln Landi+β2（ln Landi）2+β3 ln Ci+

β4（ln Ci）2+β5 ln Labori+β6（ln Labori）2+

β7 （ln Landi×ln Ci）+β8 （ln Landi×ln Labori）+

β9（ln Ci×ln Labori）+Vi-Ui "（1）

其中，Yi為產出；Landi為土地投入；Labori為勞動投入；Ci為資本和中間投入；Vi為隨機誤差項；Ui 為隨機變量，表示技術無效率損失。

在投入產出指標的選取上，參考高鳴等（2017）[32]、Chari等（2021）[33]的做法，分行業進行變量選擇。投入部分一般包括土地投入、勞動投入、資本和中間投入。土地投入以各省份農作物播種面積作為衡量指標， 用播種面積更能體現農業生產過程，符合實際；以第一產業從業人數作為勞動投入指標；資本和中間投入指標則用柴油使用量、化肥使用量和農藥使用量來表示。產出變量以各省份農林牧漁業總產值來衡量。各指標含義如表1所示。

2.解釋變量：財政金融協同支農水平（FF）

參照張林等（2019）[34]的做法，對解釋變量進行了處理。以各省份財政支出中農林水事務的支出作為財政支農水平（Fis）的衡量指標，以各省份金融機構涉農貸款余額作為金融支農水平（Fin）的衡量指標。參照代碧波等（2020）[35]的做法，對財政支農和金融支農進行二元耦合，以耦合值來衡量財政支農和金融支農的協同作用。在進行耦合之前先對財政支農和金融支農的指標進行歸一化處理，以消除量綱的影響，使得變量之間具有可比性，處理如下：

其中，用S和N（0lt;Slt;1，0lt;Nlt;1）分別代表歸一化處理后的財政支農指標和金融支農指標；Cit （0lt;Citlt;1）表示耦合度數值；Tit表示按照兩者的貢獻度計算出來的財政金融綜合評價指標；α表示財政支農對二者協同性的貢獻度，β表示金融支農對二者協同性的貢獻度，由于財政、金融支農對于農業發展同樣重要，因此這里取α=β=0.5；Dit（0lt;Ditlt;1）表示二者的耦合度， 即財政金融支農的協同指數， 表示本文的核心解釋變量財政金融協同支農水平（FF）。

為進一步展示我國財政金融協同支農指數的演變趨勢，本文繪制了2009—2022年我國財政金融協同支農指數的省級均值和省級中位值的柱狀圖，如圖1所示。我國財政金融協同支農指數在2009—2022年穩步上升，省份均值由2009年的24.36增長到2022年的52.83，省份中位值由2009年的23.89增長到2022年的55.82。這表明我國財政金融協同支農作用效果有了很大的提升，反映出二者在農業方面的配合越來越完善，效用得到了有效發揮。但是各省份的財政金融協同支農指數之間存在差異， 有些地區的財政金融協同支農指數較高，有些地區則較低，這可能與地區間的資源稟賦、金融發展水平、政策支持力度等因素有關。

3.控制變量

農業因其本身的脆弱性，容易受到自然災害的影響，因此本文選取受災情況（Damage）作為控制變量，用受災面積/播種面積來衡量；便利的交通條件是保障農產品順利銷售的重要環節，對于農業產業鏈的形成有基礎作用，因此本文將交通情況（Traffic）也作為控制變量，用各省份的公路里程數來衡量；此外，本文還選取了地區發展情況（GDP）、人均可支配收入（Income）和城鎮化水平（UR）作為控制變量，并對人均可支配收入做了對數化處理。

4.機制變量

在機制變量選取中，不同于普遍采用農業機械總動力來衡量農業機械化水平，本文參照周震等（2016）[36]和農業農村部的做法，采用機械化率來衡量農業機械化水平（Mac），具體計算原則為：機械化率=0.4×機耕面積+0.3×機收面積+0.3×機播面積。參照羅明忠等（2023）[37]的做法，采用農林牧漁服務業產值與第一產業從業人數之比來衡量農業生產性服務水平（APS）。

各變量具體含義如表2所示。

（三）模型設定

由于基于豪斯曼（hausman）檢驗的p值為0，因此本文采用固定效應模型，采用固定時間和個體的雙向固定模型。模型設計如下：

TFPit=α0+α1FFit+α2Controlit+μi+δt+εit （6）

Mechanismit=γ0+γ1FFit+γ2Controlit+μi+δt+εit （7）

其中，TFP表示農業全要素生產率，FF表示財政金融協同支農水平，Mechanism表示中介變量，Control表示控制變量，α和γ表示模型中的各待估參數，μi表示個體固定效應，δt為時間固定效應，ε為隨機擾動項。公式（6）為本文的基準回歸模型，公式（7）為中介機制檢驗模型。基準回歸中α1是本文重點關注的系數，若α1為正數，則說明財政金融協同支農對農業全要素生產率具有促進作用。

（四）描述性統計

根據表3可以看出，不同農戶的農業全要素生產率波動相對較小，但最大值較小，說明我國總體上的農業全要素生產率還有很大的提升空間。財政金融協同支農水平雖然有一定的波動，但總體上相對集中。財政支農水平、金融支農水平在不同地區、不同年份也有較大差別，尤其是金融支農水平。金融支農水平與當地的金融發展水平息息相關，可見地區金融發展水平存在較大差異；財政支農本身就是根據地區農業發展情況進行農業支持，其重心在需要支持的農業發展較差的區域。

四、實證分析

（一）基準回歸分析

為了探究財政金融協同支農對農業全要素生產率的影響，本文構建了固定時間和個體的雙向固定模型，基準回歸結果如表4所示。由結果可知，無論是否加入控制變量，財政金融協同支農都可以顯著提高農業全要素生產率。具體來說，在加入控制變量后， 財政金融協同支農水平的系數為0.0432，且通過了1%的顯著性水平檢驗， 說明財政金融協同支農水平對農業全要素生產率有顯著的正向影響。這種正向影響的發揮得益于財政支農政策和金融支農手段有機結合形成的良性循環， 在這種良性循環中， 農業技術發展和推廣得到了有力支持，為農業發展提供強動力； 農業基礎設施建設更加完善，相關配套產業更加豐富，為農業機械化、規模化和效率化經營創造了更便捷的條件； 政策保障兜底，金融資源流入，促進行業分工，提高農產品附加值，為農產品市場增加競爭力和活力。基于此，本文的假設1得以驗證。

控制變量均在1%的顯著性水平上通過了檢驗，且大部分變量的系數符合一般經濟理論和實際情況，說明本文選取的控制變量較好地控制了其他因素對該模型的影響。此外，回歸分析顯示居民人均可支配收入的系數為負值，這表明隨著居民人均可支配收入的增加，農業全要素生產率反而呈現下降趨勢。這可能是因為農村居民的收入水平提升會促使更多的勞動力遷移到城市，結果導致農業生產領域出現勞動力短缺，進而對農業生產效率產生不利影響。

（二）穩健性檢驗

1.剔除直轄市樣本

直轄市用于農業的土地面積較少，發展重心也不在第一產業，另外在我國行政管理體系中，直轄市與一般省份在土地政策、金融政策、稅收政策等方面存在較大差異， 因此為了驗證結果的穩健性，將直轄市的樣本剔除，回歸結果如表5中列（1）所示。可以看出，在剔除直轄市樣本后財政金融協同支農水平對農業全要素生產率依然有顯著的促進作用。

2.替換解釋變量

參照韓利等（2023）[21]、張林等（2019）[34]的研究， 對財政支農和金融支農進行了標準化處理，將核心解釋變量財政金融協同支農水平替換為財政支農和金融支農的交互項， 回歸結果如表5中列（2）所示。可以看出，財政支農和金融支農的交互項通過了1%的顯著性檢驗，且系數依舊為正，證明本文的結論是可靠的。

（三）內生性檢驗

為了處理內生性問題，本文采取工具變量法來處理這一問題，以財政金融協同支農水平的一階滯后項（FF_1）作為財政金融協同支農的工具變量。 首先，當年的財政和金融支農政策會受到上年政策實施效果的影響，滿足工具變量的“相關性”條件；其次，上年的財政和金融支農政策很難影響到當年的農業全要素生產率， 即使有影響也微乎其微，滿足工具變量“外生性”條件，因此滯后一階的財政金融協同支農水平可以作為工具變量。 運用兩階段最小二乘法（2SLS）進行回歸，結果如表6所示。識別不足檢驗中LM統計量p值為0， 弱工具變量檢驗的F統計量遠大于臨界值， 說明不存在過度識別和弱工具變量問題，工具變量的選擇是合適的。在第一階段回歸中工具變量對財政金融協同支農水平的影響通過了1%的顯著性水平檢驗， 說明工具變量滿足相關性的設定；在第二階段回歸中，財政金融協同支農水平對農業全要素生產率的影響在1%的顯著性水平上為正， 與前文的基準回歸一致，表明在處理了內生性問題后，財政金融協同支農水平對農業全要素生產率仍具有顯著的正向影響，本文的結論是可靠的。

（四）機制分析

農業機械化水平

1.由表7中列（1）可知，財政金融協同支農水平在1%的顯著性水平上對農業機械化水平有正向影響，這說明財政金融協同支農可以增強農戶購置農業機械能力，推動農業機械化的提升，提高資源利用率，從而促進農業全要素生產率的提高，假設2得以證明。

2.農業生產性服務水平

由表7中列（2）可知，財政金融協同支農水平在1%的顯著性水平上正向影響農業生產性服務水平，也就是說財政金融協同支農可以提高農業生產性服務供給水平，打破影響規模化、機械化農業生產的限制，從而提高農業全要素生產率，假設3得以證明。

（五）異質性分析

1.地區異質性

中國幅員遼闊，地區發展存在差異性，不同地區所制定的政策不同，金融發展水平不同，財政金融協同作用的發揮也會存在差異性，因此有必要探究財政金融協同支農作用對農業全要素生產率的影響是否在東部、 中部和西部地區①存在差異。回歸結果如表8中列（1）至列（3）所示，在中部和西部地區，財政金融協同支農對農業全要素生產率起到了積極的推動作用，尤其是對中部地區的促進作用更為顯著， 超過了西部地區。在東部地區，財政金融協同支農反而對農業全要素生產率產生了抑制性的影響。可能的原因是：在中部地區，由于其相對較低的經濟發展水平和較為傳統的農業生產方式，財政金融協同支農能夠有效地引入現代科技和管理經驗，提升農業生產效率。同時，中部地區豐富的土地資源和勞動力資源也為農業發展提供了有利條件。相比之下，西部地區雖然也受益于財政金融協同支農政策，但由于其地理環境復雜、基礎設施落后等因素，協同效果可能會弱于中部地區。對于東部地區來說，由于其較高的經濟發展水平和相對完善的基礎設施，農業已經較為現代化，財政金融協同支農作用在東部地區可能面臨邊際效應遞減的問題， 即協同作用帶來的生產率提升空間有限。此外，東部地區的農業產業可能更加多元化，農業在整個經濟中的比重較低，因此財政金融支農政策對農業全要素生產率的影響相對較小，甚至在一定程度上產生抑制作用。

2.糧食功能區異質性

糧食安全是我國經濟發展、國家安全等的重要基礎，各省份不同的農業生產定位可能會存在財政政策和金融手段功能發揮的差異性，因此本文參照羅明忠等（2023）[37]的研究，根據農業生產功能區的定位將樣本劃分為糧食主產區、糧食主銷區和產銷平衡區①，探究財政金融協同支農對農業全要素生產率的影響在不同的糧食功能區是否存在不同。結果如表9所示，在糧食主產區和產銷平衡區，財政金融協同支農對農業全要素生產率均具有顯著的促進作用，影響系數分別為0.0333和0.0458。糧食主產區和產銷平衡區的經營可以滿足本地區的糧食需求，糧食主產區還會將過多的糧食進行對外銷售，相對而言農業經營規模更大，有利于農業規模化、機械化和生產集約化，并且農業生產的參與者會更多，整個農業上下游更為完善，財政支農政策和金融手段更容易發揮作用， 有利于農業全要素生產率的提高。

3.自然條件異質性

農業具有季節性，其生產活動的安排與自然條件息息相關，為了探究自然條件的差異是否會影響財政金融協同支農作用的發揮，本文以胡煥庸線作為自然條件的劃分依據對此問題進行進一步分析。胡煥庸線是我國著名的人口地理分界線，該線起點為黑龍江黑河，呈45℃一直延伸至云南騰沖，該線也與400毫米等降水量線大致吻合，線兩側的人口、經濟發展、氣候和地形等方面有很大差異，以此作為自然條件的劃分依據具有客觀性②。回歸結果如表10所示，在胡煥庸線東南側，財政金融協同支農對農業全要素生產率的促進作用更為顯著。相較于胡煥庸線西北側的草原、沙漠等地形，東南側多以平原、丘陵為主且氣候更宜人，更適宜種植業的發展，有利于農業技術的使用，為農業規模化和機械化耕種奠定了基礎，從而有利于農業全要素生產率的提高。

五、結論與政策建議

為了探究財政金融協同支農對農業全要素生產率的影響， 本文基于2009—2022年省級層面數據，采用隨機前沿的方法對省級層面的農業全要素生產率進行了測算，通過耦合的方法構造了財政金融協同支農的指標，之后對二者之間的關系進行了回歸分析，檢驗了農業機械化水平和農業生產性服務水平兩條機制，得到如下結論：第一，財政金融協同支農對農業全要素生產率的提高具有顯著的促進作用， 在經過一系列檢驗后結論依然穩健可靠。第二，財政金融協同支農對農業全要素生產率的促進作用存在地區、糧食生產功能區和自然條件的異質性，對中部地區、糧食主產區、產銷平衡區和自然條件更好地區的促進作用更明顯，對東部地區則具有抑制作用。第三，財政金融協同支農可以通過提高機械化水平和農業生產性服務水平來提高農業全要素生產率。

基于本文的研究結果，提出以下建議：

1.加強財政金融協同作用，建立高效的財政金融協同支農機制。 要加強部門之間的溝通協調，疏通職能作用渠道， 財政支農應積極與農村金融、農業保險等金融方式深度結合。要深化財政金融協同支農數字化改革。2024年農業農村部發布的《全國智慧農業行動計劃》 中提出要搭建農村數據平臺，對農業全產業鏈進行數字化改造，提高公共服務能力。因此，為了有效推進財政金融協同作用機制，數字化建設必不可少。應建設農業信息數據庫，完善涉農政策發布、查詢和資金到賬等應用場景，探索構建農村信用數字化評價應用機制。同時財政手段與金融手段也要明確界限，避免出現不一致現象。

2.加大財政和金融支農力度。第一，在財政支農上要加快系統性建設，加大高標準農田和水利基礎設施建設， 貫徹落實2024年中央一號文件中對農業基礎設施建設的總體路線，有序建成高標準農田，強化建設全過程監管，做好農業配套服務，重點保障糧食安全。第二，要拓展農業補貼范圍，諸如對良種補貼、 農業技術推廣等的補貼可以加大力度，保障農業基礎生產，將農業支出用到實處。第三，要健全農村金融體系，發揮農村金融的普惠性，鼓勵金融機構增加鄉村振興相關領域貸款投放，創新金融產品，降低農業貸款利率，改善農業融資環境。第四，要完善政策性農業保險體系，根據各地農業種植結構和特色，因地制宜地推行相關糧食作物或經濟作物完全成本保險， 積極開展種植收入保險試點，探索開展政策性生豬價格指數保險，有序發展漁業保險，優化開展畜禽養殖保險和林木綜合保險等，做好農業兜底保障工作。

3. 針對不同地區施以不同政策， 做到因地制宜，切合當地發展目標。中部地區、糧食主產區以及自然條件優越地區可以進一步加強財政金融的協同支農措施，提高政府的運轉效率，保證財政政策的有效實行，拓寬金融機構的服務范圍，滿足農戶需求。另外對于西部地區還需要探索更符合西部地區發展的財政和金融支農方式，提高二者的協同作用，在技術、基礎設施等方面有針對性地制定財政金融政策，助力西部地區農業發展。

4. 提高農戶農機購置能力，保障農業生產性服務的供給。財政政策中要關注農機購置補貼范圍和金額是否合理，金融手段要重點緩解農戶在購置農機方面的融資約束，降低農機購置利率，提高農機購置貸款年限，提高農業機械擁有量。財政金融協同支農還要注重保障農業生產性服務主體的發展，保障從種子、化肥、農藥等基礎物資到生長管理、機械作業、先進技術使用等各環節都有相關服務供給，使更多農業從事者能夠方便快捷地獲取農業生產性服務，使農業生產性服務貫穿農業生產全過程。

參考文獻：

［1］龔斌磊.投入要素與生產率對中國農業增長的貢獻研究［J］.農業技術經濟，2018（6）：4-18.

［2］王芳，曾令秋.農業全要素生產率與農業優先發展［J］.財經科學，2021（2）：121-132.

［3］許慶，賈杰斐，周天舒.農機購置補貼如何影響農業全要素生產率？［J］.財經研究，2023，49（6）：109-123.

［4］魏佳朔，高鳴.農業勞動力老齡化如何影響小麥全要素生產率增長［J］.中國農村經濟，2023（2）：109-128.

［5］鄧曉蘭，鄢偉波.農村基礎設施對農業全要素生產率的影響研究［J］.財貿研究，2018，29（4）：36-45.

［6］趙亮，余康.要素投入結構與農業全要素生產率增長［J］.河南農業大學學報，2020，54（2）：354-360.

［7］李自強，李曉云，孫倩，等.財政支農補貼能有效提升糧食全要素生產率嗎？——兼顧農業技術環境的調節作用探討［J］.中國農業大學學報，2021，26（8）：236-252.

［8］王霞云，郭慧文.農機購置補貼對農業全要素生產率的影響分析［J］.中國農業文摘-農業工程，2021，33（3）：47-53.

［9］昝金莉，滕磊.數字普惠金融對農業全要素生產率的影響研究——基于面板門檻回歸的實證［J］.金融理論探索，2024（3）：40-51.

［10］尹雷，沈毅.農村金融發展對中國農業全要素生產率的影響：是技術進步還是技術效率——基于省級動態面板數據的GMM估計［J］.財貿研究，2014，25（2）：32-40.

［11］孟守衛.農村金融市場結構對農業全要素生產率的影響研究——基于省際面板數據的分析［J］.金融理論與實踐，2018（5）：77-82.

［12］井深，肖龍鐸.農村正規與非正規金融發展對農業全要素生產率的影響——基于中國省級面板數據的實證研究［J］.江蘇社會科學，2017（4）：77-85.

［13］溫紅梅，王宏宇.農業信貸規模與農業全要素生產率的時空關系［J］.現代經濟探討，2022（4）：114-125.

［14］范方志.農戶信貸提升了農業生產技術效率嗎？——基于農戶微觀調研數據的分析［J］.中央財經大學學報，2020（5）：33-41.

［15］陳俊聰，王懷明，張瑾.農業保險發展與中國農業全要素生產率增長研究［J］.農村經濟，2016（3）：83-88.

［16］唐勇，呂太升.農業信貸、農業保險與農業全要素生產率增長——基于交互效應視角［J］.哈爾濱商業大學學報（社會科學版），2021（3）：116-128.

［17］王悅，楊驍，張偉科.農業保險發展對農村全要素生產率的影響研究——基于空間計量模型的實證分析［J］.華中農業大學學報（社會科學版），2019（6）：70-77， 162-163.

［18］趙健.財政金融支農減貧協同效率研究：基于中部六省的時空差異［J］.理論月刊，2021（2）：92-100.

［19］吳慶田，馬梟琴.鄉村振興背景下財政金融支農協同減貧效率分析——基于我國省際面板數據研究［J］.管理現代化，2021，41（5）：15-19.

［20］顧巧靜，陳芙.財政金融協同促進經濟綠色發展效率研究——基于遼寧的實證檢驗［J］.地方財政研究，2024（1）：82-92，112.

［21］韓利，曹俊勇.財政金融協同與農業農村現代化：作用機理、實證檢驗與案例驗證［J］.西南金融，2023（12）：67-79.

［22］石丹，嚴高.基于系統協同度模型的財政支農與金融支農協同演化研究［J］.商業研究，2015（8）：96-101.

［23］韓慧，吉富星.財政金融協同支農的多元挑戰與規范創新［J］.地方財政研究，2022（5）：28-36.

［24］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.

［25］高名姿，孫瑋，曹蕾.農業機械化、規模經營與農民增收——基于江蘇省種植類家庭農場的抽樣調查證據［J］.中國農機化學報，2022，43（12）：206-214，220.

［26］周振，孔祥智.農業機械化對我國糧食產出的效果評價與政策方向［J］.中國軟科學，2019（4）：20-32.

［27］吳海霞，郝含濤，史恒通，等.農業機械化對小麥全要素生產率的影響及其空間溢出效應［J］.農業技術經濟，2022（8）：50-68.

［28］蘆千文.中國農業生產性服務業：70年發展回顧、演變邏輯與未來展望［J］.經濟學家，2019（11）：5-13.

［29］高帆.我國區域農業全要素生產率的演變趨勢與影響因素——基于省際面板數據的實證分析［J］.數量經濟技術經濟研究，2015，32（5）：3-19，53.

［30］劉成坤.新型城鎮化能否提高農業全要素生產率——基于地級市面板數據的分析［J］.中國農業資源與區劃，2024，45（4）：116-130.

［31］GONG B.Agricultural Reforms and Production in China：Changes in Provincial Production Function and Productivity in 1978-2015［J］.Journal of Development Economics，2018，132：18-31.

［32］高鳴，宋洪遠，CARTER M.補貼減少了糧食生產效率損失嗎？——基于動態資產貧困理論的分析［J］.管理世界，2017（9）：85-100.

［33］CHARI A，LIU E M，WANG S Y，et al.Property Rights，Land Misallocation，and Agricultural Efficiency in China［J］.The Review of Economic Studies，2021，88（4）：1831-1862.

［34］張林，溫濤.財政金融服務協同與農村產業融合發展［J］.金融經濟學研究，2019，34（5）：53-67.

［35］代碧波，陳曉菲.糧食主產區農業現代化與新型城鎮化的耦合協調度測算［J］.統計與決策，2020，36（9）：104-108.

［36］周振，馬慶超，孔祥智.農業機械化對農村勞動力轉移貢獻的量化研究［J］.農業技術經濟，2016（2）：52-62.

［37］羅明忠，魏濱輝.農業生產性服務的碳減排作用：效應與機制［J］.經濟經緯，2023，40（4）：58-68.

The Impact of Fiscal and Financial Synergy in Supporting

Agriculture on the Total Factor Productivity of Agriculture

Chen Chengcheng， Qian Shuitu

（School of Finance， Zhejiang Gongshang University， Hangzhou 310000， China）

Abstract： Fiscal and financial support for agriculture are two major ways to support agricultural development， and their collaborative effect plays an important role in improving the total factor productivity of agriculture. This study is based on the provincial data from 2009 to 2022， using stochastic frontier and coupling methods to measure the total factor productivity of agriculture and the collaborative effect of fiscal and financial support for agriculture， and constructs a two-way fixed model to empirically test the impact of fiscal and financial collaboration in supporting agriculture on the total factor productivity of agriculture. The study found that the collaboration of fiscal and financial support for agriculture can significantly improve the total factor productivity of agriculture; The collaborative effect has the strongest promoting effect on the central region， the main grain-producing areas， and areas with better natural conditions， and has an inhibitory effect on the eastern region; Fiscal and financial collaboration in supporting agriculture mainly improves the total factor productivity of agriculture by acting on the level of agricultural mechanization and agricultural production services. Therefore， it is essential to establish an efficient fiscal and financial collaborative mechanism to support agriculture， increase the intensity of fiscal and financial support for agriculture， formulate different policies according to local conditions， improve farmers’ ability to purchase agricultural machinery and ensure the supply of agricultural production services， thereby promoting the improvement of total factor productivity in agriculture.

Key words： fiscal support for agriculture; financial support for agriculture; synergy effect; agricultural total factor productivity

（責任編輯：龍會芳；校對：李丹）