數字普惠金融對農業綠色經濟效率的影響研究

摘要： 農業綠色化生產關系著農業現代化的長遠發展，信息化革命下的數字普惠金融為農業綠色經濟效率提高帶來了新的契機。本文采用2011—2022年中國省級面板數據，研究了數字普惠金融對農業綠色經濟效率的影響。研究發現，數字普惠金融有助于農業綠色經濟效率的提升。農業綠色技術創新在數字普惠金融對農業綠色經濟效率的影響過程中起中介作用，農村人力資本在其中發揮了正向調節作用。門檻效應檢驗表明，隨著數字普惠金融的縱深發展，其對農業綠色經濟效率的提升效應呈階梯式上升趨勢。上述研究結果為政策制定者在提升農村人力資本水平、建設農村大數據平臺與信用體系、推動農業綠色經濟發展等方面提供了實證依據。

關鍵詞： 數字普惠金融； 農業綠色經濟效率； 有調節的中介效應

中圖分類號： F323;F49;F832"""" 文獻標識碼： A"""" 文章編號： 1671-7023（2025）02-0130-11

一、引言

農業作為一切生產活動的首要條件，是國民經濟建設與發展的重要基礎。改革開放四十多年來，我國農業生產規模不斷擴大，糧食產量穩步增收，取得了令世人矚目的巨大成就。但與此同時，我國農業發展也面臨著嚴峻挑戰：農業面源污染和生態退化的趨勢尚未得到根本性扭轉，綠色、生態、優質的農產品的供給還不能滿足人民群眾快速增長的需求，綠色發展長效機制還不健全，等等。綠色發展是農業最初的基本形態，是實現農村經濟可持續發展的內在要求，也是農業現代化最主要的特征之一。然而，當前我國農業綠色發展還處于起步階段，因此黨和政府正加緊推進一系列相關政策落地見效。黨的二十大報告強調，要“協同推進降碳、減污、擴綠、增長、綠色低碳發展”。農業綠色經濟效率強調在資源環境約束下實現農業生產最大化目標，不斷提升農業綠色經濟效率正是我國著力打造生態友好、資源集約的現代化農業強國的必經之路。

信息化革命下的數字普惠金融為農業綠色經濟效率提高帶來了新的契機。2023年國務院發布的《關于推進普惠金融高質量發展的實施意見》指出，要以高質量的普惠金融體系提升民生領域的金融服務、助力鄉村振興以及發揮綠色金融的低碳環保作用。隨著工業4.0時代的到來，數字化和智能化打破了時間與空間限制[1]，普惠金融與數字技術、人工智能相融合，降低了融資成本，提高了資金使用效率，大大提升了普惠金融覆蓋面的深度與廣度。數字普惠金融不僅為中小微企業拓寬了融資渠道，其包容性還有效緩解了弱勢群體面臨的金融排斥問題，為農業、農村經濟發展提供了資金支持和技術支持。數字普惠金融數字化和信息化的優勢對農業綠色技術創新有著強有力支撐。一方面，數字金融服務提高了綠色金融的服務質量和效率，降低了服務成本，提高了資金流動性；另一方面，數字普惠金融可以降低創新主體間的交易成本，暢通其融資渠道，推動技術創新和綠色創新[2]。數字普惠金融的高滲透性和廣覆蓋性，能夠促進農業科技革新，有效推廣新型農業技術。那么，數字普惠金融對我國農業綠色經濟效率的影響程度究竟有多大？影響方式有哪些？在這一過程中哪些因素扮演了重要作用？其作用路徑是怎樣的？現有文獻尚未對這些問題作深入研究，從理論與實證上解答這些問題有助于我們深刻理解數字化背景下農業全面綠色轉型和農村生態環境持續改善之路徑。基于此，本文選取2011—2022年中國30個省級單位的面板數據，構建固定效應模型和有調節的中介效應模型，分析數字普惠金融對農業綠色經濟效率的影響效應。

二、文獻綜述

（一）數字普惠金融的相關研究

一是數字普惠金融的概念。2005年，聯合國在“國際小額信貸年”會議上提出了“普惠金融”一詞。“普”意味著覆蓋范圍要廣泛且包容，尤其是要將那些被傳統金融排斥在外的弱勢群體納入金融服務覆蓋范圍；“惠”則指金融產品的價格應在合理區間，即“可負擔”[3]。當前信息革命方興未艾，數字普惠金融能有效解決普惠金融發展過程中普惠與低風險共存的矛盾[4]。二是數字普惠金融的測度。目前學術界廣泛使用的是北京大學數字普惠金融體系，該體系涵蓋數字普惠金融覆蓋廣度、使用深度和數字化程度等三個維度的33個具體指標[5]，較全面地反映了中國各地區數字普惠金融的發展程度。但馮興元等認為，該指標體系未包含對縣域經濟特征的考量[6]，因此他們從服務廣度、服務深度與服務質量等三個維度出發構建了縣域數字普惠金融發展指標體系。三是數字普惠金融的經濟效應。近年來，相關文獻更多關注數字普惠金融產生的社會經濟效應，尤其是其對縮小城鄉收入差距[7]、緩解融資約束[8][9]和減貧益貧[10][11]等的影響。同時，還有文獻認為，“數字鴻溝”對弱勢群體獲取數字普惠金融服務具有門檻效應[12]，并可能產生欺詐風險、系統風險和道德風險等問題[13]。

（二）農業綠色經濟效率的相關研究

一是農業綠色經濟效率的內涵。理論上，農業綠色發展強調低碳、循環、可持續；實際應用中，農業綠色經濟效率則體現了以農業綠色全要素生產率為核心要義的農業綠色化發展。二是農業綠色經濟效率的測度。一般從投入與產出兩方面構建指標進行測度。具體計算方法主要有兩種：一種是以隨機前沿生產函數（SFA）為代表的參數法[14][15]，該方法可以設定具體的生產函數形式，但不能對多投入多產出的效率模型進行測度；另一種是以數據包絡分析（DEA）為代表的非參數方法[16]，為研究多投入和多產出效率問題提供參考。然而現實中期望產出常常伴隨著非期望產出，DEA并未將其考慮在內，同時DEA也不能反映各類投入產出指標對效率的作用機理，因此，Tone提出了基于非期望產出的SBM模型和超效率SBM模型，有效解決了傳統DEA模型造成的投入要素“擁擠”或“松弛”現象[17]。三是農業綠色經濟效率的影響因素。有學者利用空間計量模型進行研究，發現農產品貿易對農業綠色生產效率具有倒“U”形影響并呈現地區差異性，而且農業產業集聚對農業綠色全要素生產率具有顯著的負向影響[18]和空間溢出性[19]。還有學者從環境規制角度出發，發現不同的環境規制政策類型對我國農業綠色生產效率的直接影響和空間影響效應存在顯著差異[20]。

（三）數字普惠金融對農業綠色經濟效率影響的相關研究

目前，研究數字普惠金融與農業綠色經濟效率關系的文獻主要是從影響效應和影響機制兩方面展開。在影響效應上，付偉等[21]利用省級面板數據，研究發現，數字經濟對農業綠色全要素生產率具有顯著的促進作用，且技術進步在其中發揮了主要的推動作用。也有學者從自然環境和人口密度的角度，發現在秦嶺—淮河線和胡煥庸線兩側地區，數字經濟對農業綠色全要素生產率的提升作用具有異質性[22]。在影響機制上，劉成坤等[23]發現，農業產業結構升級和人力資本積累在數字普惠金融促進農業綠色發展過程中產生了積極影響。Sheng等[24]從農業科技創新和農業資本深化角度，解釋了不同國家之間農業全要素生產率存在差異的原因。

綜上所述，雖然現有文獻探討了數字普惠金融和農業綠色經濟效率的相關問題，但研究兩者之間關系的文獻仍較少，我們對數字普惠金融影響農業綠色經濟效率的效應和機制仍知之甚少，亟須在理論上解答數字普惠金融是否以及如何影響農業綠色經濟效率。與已有研究相比，本文的邊際貢獻主要體現在：一是在農業綠色經濟效率的測度上，相較于現有文獻常見的投入產出指標，本文增加了農業碳匯的期望產出與農業面源污染的非期望產出，以期更緊密地貼合農業“綠色”發展的內涵；二是構建了一個有調節的中介效應模型，有助于探尋數字普惠金融對農業綠色經濟效率的作用路徑以及在這一過程中的調節因素；三是實證檢驗了數字普惠金融對農業綠色經濟效率的非線性影響以及可能的異質性問題，以便更全面地評估其影響效應。本文的探討也可以為數實融合提供新的證據。

三、理論分析與研究假設

（一）數字普惠金融對農業綠色經濟效率的影響效應

數字普惠金融依托強大的數字技術和移動互聯網技術，突破時間和空間的限制，以其覆蓋廣度和使用深度，克服了傳統金融的負外部性，推動金融體系向下兼容，為社會各界提供更高效便捷的貸款服務以及更優質普惠的金融服務，甚至惠及偏遠地區和特殊人群。數字普惠金融的包容性和普惠性特征，能夠有效彌補農業綠色生產過程中存在的短板，具體體現在融資約束效應、資源配置效應以及綠色發展效應幾個方面。

融資約束效應。數字普惠金融依靠數字技術和創新手段，能夠打通資金供求渠道，整合市場信息，減少借貸雙方因信息不對稱而產生的交易費用，降低金融產品供給和農戶需求的交易成本和融資成本，減緩農業融資約束偏向效應。對于中小微農業企業和新型職業農民來說，數字普惠金融的高覆蓋度和縱深化發展大大提高了他們獲取資金的可能性，有利于培育和購買良種，改進種植和加工技術，以及對生產設備進行更新換代，有助于實現農業綠色化、集約化高效生產。

資源配置效應。數字普惠金融依托大數據、云計算、區塊鏈等數字技術來增強自身抗風險能力，降低了金融服務門檻，促進了資金、人力、技術等資源的流動，也打破了城鄉間要素流動的桎梏。一方面，資源要素的流動推動了農業合作社、規模化承包經營等現代化農業經營模式的創新，并且伴隨著農業綠色發展理念的普及和農村勞動力水平的提高，促進了農業綠色生產效率；另一方面，資本的可得性也促進了農業科技成果的落地轉化，激發了創新主體的創業意愿，從而帶動農村產業發展，創造農村就業崗位。

綠色發展效應。數字普惠金融通過提升農戶使用綠色生產技術的采納度來實現農業綠色發展。首先，數字普惠金融所產生的技術外溢效應有助于創新技術和理念的推廣。其次，在有機蔬果的廣泛宣傳背景下，農產品的綠色環保屬性備受關注，綠色經濟逐漸成為新的經濟增長點。數字普惠金融在融資過程中，更加關注農業生產的環保性和農產品的綠色性，由此提升農戶對綠色生產技術的采納程度，積極主動的應用測土配方施肥、滴水灌溉等低碳生產方式，減少農業面源污染。最后，數字普惠金融的農業保險等產品為農戶采納新技術提供風險評估和兜底保障，能進一步降低農戶采納農業綠色技術的成本，引導農戶樹立農業綠色發展觀念。

考慮數字普惠金融具有滯后性與錯配性[25]，且農村地區的數字基礎設施建設與投資往往落后于城市，由此推斷在發展初期數字普惠金融對農業綠色經濟效率的提升有限；隨著數字普惠金融的階段性發展，其對農業綠色經濟效率的影響也會呈現階段性效果。

因此，本文提出假設1和假設2：

假設1 數字普惠金融對農業綠色經濟效率具有提升作用。

假設2 數字普惠金融對農業綠色經濟效率可能產生非線性影響。

（二）數字普惠金融對農業綠色經濟效率的影響機制

農業綠色發展依靠綠色創新，而技術創新能為綠色創新提供基礎動力，共同推動農業綠色經濟效率提升。一方面，農業技術進步能夠提高農業生產效率，降低生產成本。高效的養殖種植技術、科學合理的培育施肥方法以及先進的生產加工設備貫穿于農業綠色發展的全過程，是農業降本增效的最佳途徑。另一方面，農業綠色創新能夠提高資源利用效率，降低能源消耗。綠色創新以生態環境改善為底色，遵循經濟發展與環境保護相協調[26]。農業綠色創新技術的推廣有利于提高土地資源、水資源、農藥化肥資源等的利用效率，減少資源浪費和農業面源污染。總而言之，農業綠色經濟效率從技術進步和綠色創新兩方面提高了農業發展效率和農業環境質量。

然而，無論是技術進步還是綠色創新，前期的試錯成本以及后期的成果轉化和大面積推廣都需要有充足的資金支持。數字普惠金融的“數字紅利”減少了成本和信息不對稱問題，為促進農業綠色技術創新提供了相對寬松的金融環境[27]。同時，互聯網和信息通信技術為農戶獲取信息拓寬了渠道，數字普惠金融的發展也提高了農戶的金融素養和采納新技術的概率，有利于實現技術與農業的精準對接，提高農業生產效率。

基于以上分析，本文提出假設3：

假設3 數字普惠金融可以通過農業綠色技術創新來提升農業綠色經濟效率。

（三）農村人力資本的調節效應

勞動力是要素市場上最活躍的要素之一。數字普惠金融的興盛離不開高水平的人力資本，反過來，隨著數字普惠金融的廣度與深度發展，人力資本的金融素養和數字知識水平相應地得到不斷提高，人力資本的質量得到顯著增強[28]。進一步地，在農村地區，人力資本較高的主體通常具有更高的金融素養以及更強的環保意識[29]，能更充分地運用數字普惠金融獲取資金，優化農業生產和經營模式，實現農業綠色發展。在農村地區，人力資本較低的主體一般需要花費更多時間、精力甚至金錢來提升對現代數字金融的認識與運用；同時，他們的環境保護意識相對淡薄，不利于農業綠色經濟效率提升。因此，農村人力資本水平的不同可能對農業綠色經濟效率產生直接調節效應。

此外，農村人力資本的調節作用還體現在其對農業綠色技術創新的中介效應的間接調節。圖1為有調節的中介效應模型的框架，即在整個過程中，農村人力資本可能分別從三個路徑對綠色經濟效率產生調節作用。除了上文所論述的農村人力資本會對數字普惠金融和農業綠色經濟效率產生直接調節效應外，還有可能通過調節中介效應的前半路徑和后半路徑來影響數字普惠金融和農業綠色經濟效率。一方面，農村地區人力資本較高的人群具備一定的金融素養和知識技能，能夠解讀金融政策，獲取資金支持并運用于農業生產和展開農業合作，進行農業技術的研究和創新，促成農業綠色技術向農業種植經營轉化；另一方面，在實現農業技術更新換代后，要真正地將其運用于農業生產并大規模推廣，需要獲取農戶的認可和采納，而農村地區人力資本水平較高的人群往往對新技術的接受程度更高、掌握運用更快，有利于農業綠色經濟效率的提升。

基于以上分析，本文提出假設4和假設5：

假設4 農村人力資本對農業綠色技術創新的中介效應具有直接調節效應。

假設5 農村人力資本對農業綠色技術創新的中介效應具有間接調節效應。

四、研究設計

（一）數據來源

基于我國數字普惠金融的發展歷程，本文以2011年為起始年份，綜合考慮數據的完整性與可得性，剔除西藏、港澳臺地區的數據，最終選取2011—2022年我國30個省份共計360個樣本的面板數據為研究對象。主要變量所用到的宏觀數據來源于《中國統計年鑒》《中國農村統計年鑒》《中國農業年鑒》《中國人口和就業統計年鑒》，以各省份統計機構發布的數據作為補充。核心解釋變量數據來自北京大學數字金融研究中心。中介變量數據來源于浙大卡特-企研中國涉農研究數據庫（CCAD）。

（二）模型構建

首先，本文構建如下基準回歸模型：

AGTFPit=α0+α1DIFit+α2Xit+μi+εit（1）

其中，i和t分別表示各省份和年份；AGTFPit為農業綠色經濟效率；DIFit為數字普惠金融指數；Xit代表一系列控制變量；μi為不可觀測變量；εit為隨機擾動項。

其次，本文為驗證數字普惠金融對農業綠色經濟效率的影響路徑，依據江艇[30]提出的關于中介效應模型的應用，在式（1）檢驗數字普惠金融對農業綠色經濟效率影響效應的基礎上，構建式（2）檢驗中介效應。

Mit=β0+β1DIFit+β2Xit+μi+εit（2）

為檢驗調節變量農村人力資本如何在中介效應中發揮作用，本文構建式（3）至式（5）來檢驗有調節的中介效應：

AGTFPit=a0+a1DIFit+a2Dit+a3Dit·DIFit+a4Xit+μi+εit（3）

Mit=b0+b1DIFit+b2Dit+b3Dit·DIFit+b4Xit+μi+εit （4）

AGTFPit=c0+c1DIFit+c2Dit+c3Dit·DIFit+c4Mit+c5Dit·Mit+c6Xit+μi+εit（5）

其中，Mit為中介變量；Dit為調節變量；其他指標同式（1）。

式（3）為檢驗調節變量在數字普惠金融對農業綠色經濟效率的影響中是否存在直接調節效應；式（4）反映調節變量對中介效應前半路徑的調節效應，即對數字普惠金融影響中介變量的調節作用；式（5）反映調節變量對中介效應后半路徑的調節效應，即對中介變量影響農業綠色經濟效率的調節作用。

另外，為考察數字普惠金融與農業綠色經濟效率是否存在非線性關系，構建如下門檻模型：

AGTFPit=γ0+γ1DIFit·I（Thit≤σ）+γ2DIFit·I（Thit＞σ）+γ3Xit+μi+εit（6）

其中，Thit為門檻變量；σ表示待估門檻值；I（·）為示性函數，當括號內對應的條件符合時取值為1，否則為0；其他指標同式（1）。

（三）變量處理

1.被解釋變量：農業綠色全要素生產率（AGTFP）

農業綠色經濟效率主要體現為投入與產出的轉化關系，因此本文用農業綠色全要素生產率來表征[31]。在產出指標中，本文的期望產出包含農業生產總值與農業碳匯，分別用第一產業總產值和農作物固碳總量衡量；非期望產出包含農業碳排放總量和農業面源污染量。農業綠色全要素生產率的具體指標如表1所示。參考相關文獻的測度方法[21][31]，利用SBM模型測算并分解，得到2011—2022年中國30個省份（西藏、港澳臺地區除外）的農業綠色全要素生產率，進一步地，將其細化為技術效率（GEC）和技術進步（GTC）。

基于規模報酬可變的SBM模型為：

在式（7）和式（8）中，P*為效率最優值，m、s1、s2分別表示投入指標、期望產出指標和非期望產出指標個數；x、yg、yb分別為投入變量、期望產出和非期望產出；s-、sg、sb分別為投入、期望產出和非期望產出的松弛變量；x0、yg0、yb0分別為每個決策單元所對應的實際投入、期望產出和非期望產出；λ為權重向量。

2.核心解釋變量：數字普惠金融（DIF）

本文使用由北京大學數字金融研究中心和螞蟻金服集團共同編制的數字普惠金融指數作為核心解釋變量，從金融覆蓋廣度（Bre）、使用深度（Dep）和數字化程度（Dig）進行衡量[5]。該數據被廣泛應用于數字技術和普惠金融的相關研究中，具有較強權威性和可信性，因此，選取2011—2022年中國30個省份（西藏、港澳臺地區除外）的數字普惠金融指數作為核心解釋變量，并做對數處理。

3.中介變量：農業綠色技術創新（Agin）

農業綠色技術創新不僅需要大量資金支持，而且能反映該地區的創新能力。綠色技術的創新能夠在農業種植和生產中優化流程，提高單產，減少農業對化肥和農藥的依賴，從而為農業生產賦能增效。因此，本文采用農業綠色專利授權數來衡量該地的科技創新水平，包含當年獲得的綠色發明專利授權數、實用新型專利授權數。數據源于浙大卡特-企研中國涉農研究數據庫（CCAD）。

4.調節變量：農村人力資本（Hum）

在調節變量的選取中，考慮農業現代化和農業綠色發展的需要，高學歷高素質人才加入是未來農業發展趨勢，因此本文采用農村六歲以上人口中大專及以上學歷的人數占比來衡量農村人力資本水平，能較為直觀地反映農村人力資本的水平和變化。

5.控制變量

所選取的控制變量有：財政支農力度（Fsa），用地方財政農林水事務支出占財政一般預算支出之比衡量；第一產業占比（Ind），用第一產業增加值占地區生產總值之比衡量；農產品外貿依存度（Aft），用農產品進出口貿易總額與第一產業增加值之比衡量；農業產出效率（Aoe），用農業總產值與農作物總播種面積之比衡量；農業受災率（Adr），用農作物受災面積占農作物總播種面積的比例衡量；農村傳統金融發展（Rfi），用農村金融機構網點占比衡量；數字產業投資（Din），用信息傳輸、軟件和信息技術服務業固定資產投資衡量，并取對數。

主要變量的描述性統計如表2所示。

五、實證檢驗與結果分析

（一）基準回歸結果

在使用固定效應模型進行面板數據回歸后，表3報告了回歸結果。由列（1）的回歸結果可知，在未包含控制變量時，數字普惠金融對農業綠色經濟效率的影響系數顯著且為正，而在加入控制變量后，由列（2）可知，雖然系數從0.137下降到0.053，但符號和顯著性水平并未變化，表明二者確實存在顯著的正向影響關系，數字普惠金融有利于農業綠色經濟效率的提高，由此假設1得到驗證。從控制變量的回歸結果來看，財政支農力度系數在1%的顯著性水平上為負，推測其可能原因為過度的生產要素補貼，導致農業面源污染擴大，在農業發展的同時也造成了環境的污染，不利于農業綠色發展[32]。第一產業占比系數為負，但在統計學意義上并不顯著，說明第一產業占比過大會影響第二、第三產業對農業生產的反哺，導致農業生產效率不能得到顯著提升。農產品外貿依存度的回歸系數為正，表明在一定程度上，農產品進出口對我國農業綠色經濟效率具有促進作用。農業產出效率的回歸系數為正，且在1%的水平上顯著，表明較高的農業生產效率會減少農業生產過程中產生的能源消耗，避免不必要的浪費，促進農業綠色經濟效率的提高。農業受災率的系數在5%的顯著性水平上為負，與預期符號一致，表明在農業生產中，自然災害的突發對于提高農業綠色經濟效率仍具有較大威脅。因此，一方面，在農業生產中應重視對災害的提前預防和災后的恢復工作；另一方面，也為未來技術變革和創新提供前進方向，增強農業生產抗風險能力。農村傳統金融發展系數為正，表明農村傳統金融的發展對提升農業綠色經濟效率具有一定的促進作用。數字產業投資系數在1%的顯著性水平上為正，表明數字經濟發展帶來的投資和信息化技術能夠提高農業綠色經濟效率。

為進一步研究數字普惠金融在不同水平上對農業綠色經濟效率的影響，本文采用面板分位數回歸模型，對數字普惠金融指數分別在25%、50%和75%的分位點上進行分析，表3列（3）至列（5）報告了回歸結果。在低中高三個不同層次的分位點，數字普惠金融均對農業綠色經濟效率存在正向的顯著影響，且隨著回歸系數的逐漸遞增，表明數字普惠金融對農業綠色經濟效率的影響存在邊際遞增效應，即隨著數字普惠金融的發展，其對農業綠色經濟效率的促進作用更明顯，同時也說明數字普惠金融對農業綠色經濟效率確實存在非線性影響。

（二）穩健性檢驗

1.更換被解釋變量測度方法

更換被解釋變量農業綠色全要素生產率的測度方法。在前文的實證分析中，采用基于規模報酬可變的超效率SBM模型對農業綠色全要素生產率進行測度，在穩健性分析檢驗中，基于規模報酬不變的SBM模型對農業綠色全要素生產率重新進行測算。回歸結果顯示，在更換被解釋變量的測度方法后，數字普惠金融系數為0.044，對農業綠色經濟效率具有正向影響，且通過了5%顯著性水平的檢驗，證實了回歸結果的穩健性 受篇幅所限，穩健性和工具變量回歸結果未在正文報告，有興趣的讀者可向作者索要。。

2.滯后處理

考慮數字普惠金融可能對農業綠色經濟效率產生一定的滯后效應，因此對數字普惠金融及控制變量均滯后一期處理后再次進行回歸，結果顯示，滯后一期的數字普惠金融回歸系數顯著為正，說明數字普惠金融對農業綠色經濟效率具有動態促進作用。

3.縮尾處理

為排除極端值的影響，對各個變量進行1%的雙邊縮尾處理，結果顯示，回歸系數為正且都在1%水平上具有顯著性，意味著數字普惠金融對農業綠色經濟效率的正向影響具有穩健性。

（三）內生性問題

盡管本文采用的固定效應模型在一定程度上能緩解內生性問題，但回歸結果仍然可能受到其他因素（諸如遺漏變量、反向因果等）的影響。為減少這些干擾，我們采用工具變量法，利用兩階段最小二乘法進行回歸（2SLS）。本文選取兩種工具變量：一是互聯網普及率（Int），以農村互聯網寬帶接入數衡量；二是Bartik工具變量，即數字普惠金融的一階滯后項和一階差分項的乘積。首先，互聯網技術的發展使數字普惠金融得以跨越時間、空間界限，廣泛且迅猛的傳播，并且單純依靠互聯網寬帶接入無法對農業綠色經濟效率的提高產生直接影響，故而符合工具變量的相關性和排他性條件。其次，對數字普惠金融進行一階滯后和一階差分處理后，其變化趨勢不受其他省份的影響，因此Bartik滿足工具變量的外生性條件。第一階段的回歸結果顯示，互聯網普及率與Bartik工具變量的系數均在1%的水平上顯著，說明工具變量的有效性。第二階段的回歸系數亦均具顯著性，與上文基準回歸的結論一致。兩個工具變量的不可識別檢驗（KP-LM檢驗）P值均為0.000、弱工具變量檢驗（KP Wald F檢驗）結果分別為35.981和249.179，均大于10%的Stock-Yogo臨界值16.380，通過相關檢驗，說明兩個工具變量的選取符合外生性原則，再次證明了基準回歸結果的可靠性。

六、進一步分析

（一）中介效應分析

在基準回歸的基礎上，利用中介效應模型進行數字普惠金融對農業綠色經濟效率的機制檢驗，表4分別報告了中介變量農業綠色技術創新的回歸結果。列（1）結果顯示，數字普惠金融對農業綠色技術創新的回歸系數顯著且為35.709，說明依托數字化技術和大數據，數字普惠金融能夠為農業生產領域提供資金支持，進而促進綠色技術創新，最終實現農業生產效率提高和低碳環保綠色化。同時，數字普惠金融的普及，有助于農業綠色環保理念的推廣，為農業生產者使用先進農業技術的主觀意愿提供支持和保障，推動農業綠色經濟效率提升。由此，假設3的中介效應得以驗證。

（二）調節效應分析

為驗證農村人力資本在上述中介效應作用的過程中是否存在直接調節效應，在式（3）中加入調節變量Hum·DIF（農村人力資本與數字普惠金融的交互項）進行回歸分析，表5列（1）報告了回歸結果。結果顯示，數字普惠金融的回歸系數為0.113，交互項的回歸系數為3.749，二者均顯著為正，表明農村人力資本在影響過程中存在積極的調節作用，假設4得以驗證。至于農村人力資本對數字普惠金融影響農業綠色經濟效率的具體調節路徑，仍需進一步探究和分析。

基于前文關于中介效應和直接調節效應的結果，接下來進行有調節的中介效應檢驗。根據式（4）和式（5），繼續引入調節變量農村人力資本與中介變量農業綠色技術創新的交互項進行調節效應檢驗，表5列（2）和列（3）報告了回歸結果。根據式（4），農村人力資本與數字普惠金融的交互項及數字普惠金融系數均為正且具有統計學意義上的顯著性，說明農村人力資本對農業綠色技術創新發揮中介效應的前半路徑存在正向調節作用，即農村人力資本水平的提高會加強數字普惠金融對農業綠色技術創新的促進作用，假設5得以驗證。列（3）中，農村人力資本與農業綠色技術創新的交互項系數幾乎為0，表明農村人力資本在農業綠色技術創新影響農業綠色經濟效率的后半路徑中不存在調節作用。其可能的原因是，綠色技術創新有一定門檻，同時數字化的發展以及普惠金融的拓展更加需要高素質人才的支撐，這無疑提高了對人力資本的要求。而反過來，高水平的人力資本借助強大的資金和技術支持，能夠加大對農業綠色技術的創新與發明，從而促進農業綠色經濟效率的提升。

（三）異質性分析

1.數字普惠金融不同維度的異質性

不同維度下的數字普惠金融對農業綠色經濟效率的作用程度存在差異，因此有必要進行異質性分析。表6中列（1）、列（2）和列（3）報告了數字普惠金融的三個維度對農業綠色經濟效率的影響。結果顯示，三個回歸系數分別為0.040、0.065、0.006，只有覆蓋廣度和使用深度達到了統計學意義上的顯著水平，而數字化程度并不顯著，說明與數字普惠金融相比，數字發展對農業綠色經濟效率的提高尚未產生明顯的作用。從系數大小來看，使用深度對農業綠色經濟效率的影響程度最大，說明在農業綠色化生產過程中，數字普惠金融的縱向深入有利于提高農業產出效率，同時也將綠色農業的理念在農村廣泛傳播，采用科學的耕作方式并使用新的生產技術，從而減少農業資源浪費，提高了農業綠色經濟效率。

2.金融發展程度的異質性

各省份農村金融發展程度存在明顯差異，為驗證傳統普惠金融發展程度高低對農業綠色經濟效率的影響是否存在不同，本文將控制變量農村傳統金融發展進行分組回歸。具體做法是，將高于農村傳統金融發展均值的樣本劃分為金融發達組，將低于農村傳統金融發展均值的樣本劃分為金融欠發達組，并分別進行回歸。表7中列（1）和列（2）報告了金融發達組和金融欠發達組的回歸結果。列（1）中的回歸系數為正且顯著，說明數字普惠金融每提高1單位，農業綠色經濟效率將提高0.041個單位；列（2）中，數字普惠金融的回歸系數為0.020，不具備統計學意義上的顯著性。農村金融發展程度的異質性分析表明，在傳統金融發達地區，數字普惠金融對農業綠色經濟效率提升具有顯著的積極影響，這是因為在金融較發達地區，當地具有較高的金融接受度，有利于數字普惠金融開展金融業務和服務，提高農民對數字普惠金融的采納度并運用于農業綠色生產。

（四）門檻效應分析

通過前文的理論分析，數字普惠金融對農業綠色經濟效率可能存在非線性影響，因此將數字普惠金融作為門檻變量進行門檻檢驗效應分析。表8為門檻效應的檢驗結果。由于三門檻的P值為0.720，未達到5%的顯著性水平，而雙門檻和單門檻檢驗均具有1%的顯著性，由此推斷數字普惠金融對農業綠色經濟效率存在雙門檻效應。門檻效應模型回歸結果如表9所示。從結果看，當數字普惠金融指數小于等于5.678這一門檻值時，其回歸系數為0.036，在5%的水平上具有顯著性；當指數位于（5.678，5.819]這一區間時，回歸系數上升為0.062，且在1%的水平上顯著；當指數大于5. 819時，回歸系數具有1%水平上的顯著性，并且數字普惠金融每提高1個單位，農業綠色經濟效率將提高0.096個單位。門檻效應模型的回歸結果表明，數字普惠金融對農業綠色經濟效率的積極影響呈階梯式上升趨勢，即數字普惠金融的發展水平越高，對農業綠色經濟效率的提升效果越明顯。

七、結論與政策建議

數字普惠金融為農業綠色轉型和經濟效率提升帶來了新的契機，為探尋其中的影響效應和作用機制，本文以2011—2022年中國30個省級單位（西藏、港澳臺地區除外）的面板數據為基礎，利用SBM超效率模型測算了各省級單位的農業綠色經濟效率，在此基礎上驗證了數字普惠金融對其的影響效應以及中介機制和調節效應，并考察了門檻效應和可能的異質性效應，最終得出以下結論：第一，數字普惠金融能顯著提升農業綠色經濟效率，該結論具有穩健性；第二，數字普惠金融依托數字化技術和大數據為農業提供金融服務，通過促進農業綠色技術創新來助力農業綠色經濟效率的提升，農村人力資本在其中發揮了正向調節作用；第三，在數字普惠金融的三個維度中，數字普惠金融使用深度對農業綠色經濟效率的影響程度最大，并且在農村金融發達地區，數字普惠金融能更好地發揮促進作用；第四，數字普惠金融對農業綠色經濟效率的正向影響呈階梯式的上升趨勢，數字普惠金融的發展水平越高，對農業綠色經濟效率的提升效果越明顯。

根據上述結論，本文提出以下政策建議。

（1）扎實推進農村大數據信息平臺與信用體系建設。本文研究顯示，數字普惠金融的使用深度方面，能顯著促進農業綠色經濟效率的提升，且隨著數字普惠金融發展水平的不斷提高，其帶來的提升效果越來越明顯。依據《銀行業普惠金融業務數字化模式規范》，普惠金融業務數字化、科技化發展將是大勢所趨，因此，政府、金融機構等多方力量應通力合作，完善涉農地區大數據庫資源的共建共享，扎實推進農村信用體系搭建，提質升級數字普惠服務農村居民金融需求。金融機構可通過市場化合作等方式，構建數據信息化共享平臺，在尊重客戶知情權并保護信息安全的條件下，精準定位農村客戶的需求，引導更多金融“活水”澆灌農村產業和田間沃土。

（2）著力提升農村人力資本水平和金融素養。本文研究發現，農村人力資本水平對數字普惠金融促進農業綠色經濟效率提高具有重要調節作用。因此，一方面，加大對農村勞動力的技術培訓力度，注重數字技術能力與農業技術的協同發展；進一步完善人才引進政策，從外部引進農業相關技術人才和創業骨干，促進農業技術化、綠色化和現代化的發展。長期內，通過短周期、多階段相結合的培訓模式為農業農村培養復合型人才，提升現有勞動力的人力資本水平。短期內，通過獎勵和生活補貼等政策吸引技術人才和創業精英集聚，夯實農村地區數字化技術基礎，激發農業創業氛圍。另一方面，加大農村地區金融知識的普及力度和范圍，著力提升農村勞動力的金融素養。政府在鄉村振興戰略的實施過程中可以為農村勞動力提供學習金融知識的機會和場所，鼓勵農村勞動力積極學習金融知識，幫助提升農村居民整體金融素養，提高農村勞動力對數字普惠金融的接受度。

（3）加快推進農業綠色技術創新及綠色經濟協調發展。本文研究表明，農業綠色技術創新是實現農業綠色化和現代化發展的重要渠道，因此，可由政府部門會同專家和農業技術人員進行頂層設計，圍繞綠色、高效、低碳、生態可持續農業發展，創新農業綠色金融服務產品，發揮數字普惠金融的資金激勵作用，做到有的放矢。一方面，為農業相關的科研團隊和高等院校提供資金支持和金融服務，以激勵其不斷研發農業新技術、新成果，將農業科技成果轉化為農業生產力，實現農業綠色經濟效率提升。另一方面，大力促進數字金融與農業綠色發展的深度融合。信息化、智能化發展促進了農業生產和經營方式的變革，農產品加工業和農村服務業以及新型職業農民的出現大幅提升了農業對金融貸款的需求，利用數字金融產品的綠色屬性，大力推廣綠色生產技術和理念，促進數字金融與農業綠色發展的深度融合，實現農業產業結構升級。

參考文獻：

［1］De Pascale G，Romagno A. Globalization and ICT capital endowment： how do they impact on an inclusive green growth index？[J].Structural change and economic dynamics， 2024， 69：463-474.

[2]劉敏樓，黃旭，孫俊.數字金融對綠色發展的影響機制[J].中國人口·資源與環境，2022 （6）：113-122.

[3]邢樂成，趙建.多維視角下的中國普惠金融：概念梳理與理論框架[J].清華大學學報（哲學社會科學版），2019（1）：164-172+198.

[4]Sandhu S ， Arora S.Customers’ usage behaviour of e-banking services： interplay of electronic banking and traditional banking[J].International journal of finance amp; economics， 2022， 27（2）： 2169-2181.

[5]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（4）：1401-1418.

[6]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.

[7]宋科，劉家琳，李宙甲.數字普惠金融能縮小縣域城鄉收入差距嗎？——兼論數字普惠金融與傳統金融的協同效應[J].中國軟科學，2022（6）：133-145.

[8]萬佳彧，周勤，肖義.數字金融、融資約束與企業創新[J].經濟評論，2020（1）：71-83.

[9]李梁，殷鳳春.數字普惠金融、融資約束與中小企業投資效率[J].科學管理研究，2024（1）：106-114.

[10]周利，廖婧琳，張浩.數字普惠金融、信貸可得性與居民貧困減緩——來自中國家庭調查的微觀證據[J].經濟科學，2021（1）：145-157.

[11]陳平，王書華，王小騰.數字普惠金融對多維相對貧困的影響研究——基于老齡化的視角[J].經濟問題，2022（11）：36-43.

[12]陳慧卿，陳國生，魏曉博，等.數字普惠金融的增收減貧效應——基于省際面板數據的實證分析[J].經濟地理，2021（3）：184-191.

[13]Ozili P K. Contesting digital finance for the poor[J]. Digital policy，regulation and governance， 2020， 22（2）：135-151.

[14]Moutinho V， Robaina M ， Macedo P. Economic-environmental efficiency of European agriculture -a generalized maximum entropy approach[J]. Agricultural economics （zemědělská ekonomika），2018，64（10）：423-435.

[15]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（3）：167-176.

[16]郭存芝，彭澤怡，丁繼強.可持續發展綜合評價的DEA指標構建[J].中國人口·資源與環境，2016（3）：9-17.

[17]Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001，130（3） ：498-509.

[18]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（11）：15-27.

[19]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（10）：110-119.

[20]郭海紅，李樹超.環境規制、空間效應與農業綠色發展[J].研究與發展管理，2022（2）：54-67.

[21]付偉，易昌民，李夢柯.基于EBM-GML模型的數字經濟對農業綠色全要素生產率影響分析[J].科技管理研究，2024（18）：136-144.

[22]蔣團標，鐘敏，馬國群.數字經濟對農業綠色全要素生產率的影響——基于土地經營效率的中介作用分析[J].中國農業大學學報，2024（4）：27-39.

[23]劉成坤，程子婷，危俊卿.鄉村振興背景下的數字普惠金融與農業綠色發展[J].青海社會科學，2024（3）：117-129.

[24]Sheng Y ， Ball V E ， Erickson K ，et al.Cross-Country agricultural TFP convergence and capital deepening： evidence for induced innovation from 17 OECD countries[J]. Journal of productivity analysis，2022，58（2）：185-202.

[25]Acemoglu D ， Restrepo P. Artificial intelligence，automation，and work[M].The economics of artificial intelligence：an agenda. Chicago： University of Chicago Press，2019：197-236.

[26]劉玒玒，李新一.長江經濟帶綠色創新、經濟發展與環境改善協同推進的時空演化與收斂特征[J].環境科學研究，2025（1）：1-16.

[27]賈康，郭起瑞.數字普惠金融對農業新質生產力的影響研究[J].華中師范大學學報（人文社會科學版），2024（4）：1-13.

[28]李北偉，李霽雯.數字普惠金融、人力資本與包容性增長[J].工業技術經濟，2023（7）：3-13.

[29]Carpentier C ， Suret J M .Stock market and deterrence effect：a mid-run analysis of major environmental and non-environmental accidents[J].Journal of environmental economics and management， 2015，71：1-18.

[30]江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[31]劉慧敏，尚杰.農地流轉對農業綠色全要素生產率的影響研究：兼論門檻效應與空間效應[J].中國生態農業學報（中英文），2023（9）：1482-1495.

[32]張利國，譚笑，肖晴川，等.基于氣候資源投入的中國農業生態效率測度與區域差異[J].經濟地理，2023（4）：154-163.

Impact of Digital Inclusion Financial on the Efficiency of Agricultural Green Economy： Based on a Moderated Intermediary Effect Model

Abstract： Green agricultural production matters the long-term development of agricultural modernization. Digital inclusive finance under the information revolution has brought new opportunities for improving the efficiency of agricultural green economy. This paper studies the impact of digital inclusion financial on agricultural green economy efficiency by using Chinese provincial panel data from 2011-2022. The results show that digital inclusive finance can help improve the efficiency of agricultural green economy. Agricultural green technology innovation plays an intermediary role in the process of digital inclusive finance’s impact on agricultural green economy efficiency， and rural human capital plays a positive moderating role. The threshold effect test shows that with the in-depth development of digital inclusive finance， its effect on the efficiency of agricultural green economy shows a step-up trend. The research results provide empirical basis for policymakers to improve the level of rural labor human capital， build rural big data platform and credit system， and promote the development of agricultural green economy.

Key words： digital inclusive finance; efficiency of agriculture green economy; moderated mediation effect