数字普惠金融对中国农业全要素生产率的影响评估

导言

INTRODUCTION

在中国农业生产模式和增长动力转型的关键时期，探讨农业全要素生产率增长的关键驱动力，对促进农业转型升级和加速农业现代化具有重要的现实意义。随着数字技术的快速发展，数字普惠金融正在全球范围内加速形成，并逐渐受到中国政府的重视。然而，关注数字普惠金融对农业全要素生产率影响的研究仍相对较少，尤其缺乏对农户层面的微观分析。因此，本文旨在探索数字普惠金融对农业全要素生产率的影响及其潜在的作用机制。

研究方法

METHODOLOGY

2.1 研究方法

农业全要素生产率的测算

本文使用面板固定效应随机前沿分析和Malmquist生产率指数来测量和分解农业全要素生产率。参考Kumbhakar和andLovell（2003）以及Greene（2005），面板固定效应随机前沿函数设定如下：

其中，i为农户，t为时期。Yit表示农业、林业、畜牧业和渔业的总产值。Xit表示要素投入，j和l分别表示是jth和lth要素投入。β为被估计的参数，αi表示无法观测的农户个体效应。εit为随机误差项。随后，本文选择土地Tit，实物资本Kit，和劳动力Lit作为投入要素。投入和产出变量均以土地投入Tit为标准，以符合规模收益不变的假设以及超越对数函数的对称性。将标准化后的投入和产出变量代入式（1）：

衡量全要素生产率变化的Malmquist生产率指数可以被分解为技术进步指数（Technical Progress Index, TPI）和技术效率变化指数（Technical Efficiency Change Index, TEI）两个部分。全要素生产率的变化可表示如下：

技术进步指数和技术效率变化指数分别为式（3）右边两项，技术进步指数和技术效率变化指数的增加或减少都会导致全要素生产率指数的增加或减少。

计量经济模型

本文的回归模型如下：

Yit代表农业全要素生产率，同时也代表用SFA-Malmquist指数方法计算得到的技术进步指数和技术效率变化指数。γ为常数项。DFIit是第t年第i个农户所在县（市）的数字普惠金融发展水平。Zit是家庭和村庄层面的其他控制变量，它随着时间的推移而变化，对农户的技术进步指数产生影响。αi和θt分别代表农户个体固定效应和年份固定效应。εit是随机误差项，系数θ是本文关注的核心参数。

2.2 数据

数据来源是2011年至2018年全国农村固定观察点数据和北京大学数字普惠金融指数，匹配后得到16,417个农户的非平衡面板数据。

2.3 变量设定和描述性分析

被解释变量

被解释变量包括农业全要素生产率、技术进步指数和技术效率变化指数。结合Cobb-Douglas生产函数和农业投入产出关系，本文将农户在农业、林业、畜牧业和渔业收入汇总得到的农户年总收入数据（单位：元）作为产出指标。投入指标由土地投入指标、资本投入指标以及劳动力投入指标构成。使用以上数据，可以计算出农户的全要素生产率、技术进步指数和技术效率变化指数。

解释变量和控制变量

解释变量是县级数字普惠金融指数，包括覆盖广度、使用深度和数字化水平三个维度。根据文献，本文控制了户主特征、家庭特征以及村庄经济特征。表1展示了变量定义。

表1 变量定义

表2报告了模型中所使用变量的描述性统计。

表2 变量描述性统计

表3展示了数字普惠金融与农业全要素生产率、技术进步指数和技术效率变化之间的相关性。所有样本按数字普惠金融指数分成三组：低数字普惠金融的发展水平（DFI_Low）、中数字普惠金融的发展水平（DFI_Middle）和高数字普惠金融的发展水平（DFI_High）。统计结果表明，数字普惠金融的增长可能会提高农户的农业全要素生产率，并可能通过技术进步指数和技术效率的变化发挥作用。

表3 数字普惠金融和农业全要素生产率、技术进步指数和技术效率变化的关系

结果

RESULTS

3.1 计算农户的农业全要素生产率

表4展示了随机前沿分析的结果。

表4 面板固定效应SFA-Malmquist模型的估计结果

3.2 动态面板固定效应模型的估计结果分析

数字普惠金融和农业全要素生产率增长之间的关系可能是由反向因果造成的。因此，本文采用动态面板固定效应模型，评估数字普惠金融对农业全要素生产率的影响。表5是估计结果。结果表明，数字普惠金融的一阶滞后对农业全要素生产率、技术进步指数和技术效率变化有显著的正向影响，但当期的数字普惠金融水平对农业技术效率变化有显著的负效应。数字普惠金融的一阶滞后项系数在1%水平上显著为正。L.lnDFI每增加1单位，农业全要素生产率将提高0.084。

表5 动态面板固定效应模型的估计结果

农业全要素生产率衡量了农业产出增长中没有被投入增长解释的部分。这种增长通常是基于投资的增加。数字普惠金融的发展改善了农村金融和信贷服务，并有效缓解了农业生产中的融资限制。结果表明，一方面，数字普惠金融的发展确实在优化农业生产、提高农业资源配置和组织管理的技术效率方面发挥了重要作用。另一方面，数字普惠金融的发展使得更多的金融资源进入农业生产，并推动农业技术进步。数字普惠金融的发展将从农业技术效率的提高和农业技术进步两方面促进农业全要素生产率增长。因此，提高农业全要素生产率对推动乡村振兴至关重要。

3.3 稳健性检验结果

本文使用数字普惠金融的子指标进行稳健性检验，包括覆盖广度（DFI_CB）、使用深度（DFI_UD）和数字化（DFI_DL）。表6中的结果表明，一阶滞后覆盖广度、使用深度和数字化对农业全要素生产率、技术进步指数和技术效率变化有显著的滞后正效应。其中，覆盖广度对农业全要素生产率（0.086）和技术效率变化（0.082）的正向影响最为显著。

表6 估计结果稳健性检验

3.4 异质性分析结果

本文从受教育水平、耕地面积和收入水平三个角度进行了异质性分析。首先，根据户主的教育水平将样本分为三组：小学及以下、初中、高中及以上（见表7）。结果显示，户主的受教育水平越高，数字普惠金融对农业全要素生产率、技术进步指数和技术效率变化的滞后正效应越显著。在1%的显著水平上，在高中及以上学历组的L.DFI系数最高（0.103），而小学及以下学历组的L.DFI系数最低（0.070）。这表明提高教育水平有利于更好地发挥数字普惠金融的促进作用。

表7 估计结果的异质性分析（教育）

其次，根据可耕地面积，本文将样本分为三组：小规模、中规模和大规模（见表8）。结果显示，数字普惠金融对农业全要素生产率、技术进步指数和技术效率变化的滞后效应显著为正，且呈U形。在1%的显著水平上，大规模组的L.DFI系数最高（0.113），中规模组最低（0.073），这说明数字普惠金融的发展对大规模农户的农业全要素生产率有更显著的促进作用。

表8 估计结果的异质性分析（耕地面积）

最后，根据人均收入水平，本文将样本分为三组：低收入、中等收入和高收入（见表9）。结果显示，数字普惠金融对农业全要素生产率、技术进步指数和技术效率变化的滞后效应显著为正，且呈U形。人均收入水平越高，数字普惠金融对农业技术进步指数的滞后正效应越大。这表明数字普惠金融的发展对中等收入农户的全要素生产率有更显著的促进效果。

表9 估计结果的异质性分析（收入）

结论

CONCLUSIONS

本文利用2011年至2018年全国农村固定观察点面板数据和北京大学数字普惠金融指数，分析了数字普惠金融对农业全要素生产率增长的影响，以及其在家庭层面的影响因素。为解决潜在的内生性问题，本文采用了动态面板固定效应模型。结果显示，数字普惠金融的发展对农业全要素生产率及其两个组成部分具有显著的滞后正效应。每增加1个单位的L.lnDFI，农业全要素生产率将提高0.084。在农村地区，金融服务的使用深度对全要素生产率具的影响最为显著。本文的异质性分析结果显示：（1）提高教育水平有助于更好地发挥数字普惠金融的促进作用；（2）数字普惠金融对大规模农户的全要素生产率有更显著的促进作用；（3）数字普惠金融对中等收入农户的全要素生产率有更显著的促进作用。

本文的结论具有以下政策启示。首先，政府和金融机构应继续推动数字普惠金融的增长，重点关注农业生产中金融产品和服务的使用深度，从而促进农业全要素生产率的增长。其次，政府应加大对农村地区教育和培训的投资，提升农户获取和使用金融产品和服务的能力，逐步解决农户的“数字鸿沟”问题。第三，本文建议促进数字普惠金融的普及，提高小农户对金融产品和服务的可获得性，并将小农户与现代农业发展有机结合，以增加农业生产和收入。

声明：推文为原文概要翻译，不代表IFAMR编辑部公众号观点，敬请阅读原文获取准确内容

编译者：陈梓琪，浙江大学公共管理学院农业经济管理系