1、一、引言实现农业高质量发展与提升农业全要素生产率（Agricultural total factor productivity，ATFP）密不可分，而金融的发展可以为ATFP持续增长提供资金支持和资源配置的优化。目前，传统农村金融仍存在“金融排斥”现象，这使得农业生产活动中“融资难、融资贵”等问题更加凸显。因而，传统农村金融迫切需要改革创新，而融入数字技术后的数字普惠金融为解决上述问题提供了新的思路。数字普惠金融从2016年在杭州G20峰会上首次被定义，到2021年“中央一号文件”明确指出要大力开展农村数字普惠金融，可见其不仅在国家层面受到高度重视，在农业生产中也发挥着重要作用。数字普惠金融是
2、数字技术与普惠金融相融的产物，理论上，不仅可通过提供多样化、低成本的金融产品来促进农业技术进步，还可通过解决金融机构与农户间资源配置失灵的问题来提高农业技术效率，进而有利于促进ATFP持续增长。因此，数字普惠金融对农业生产经营活动的支撑作用至关重要。近年来，中国数字普惠金融迅猛发展。数据显示，数字普惠金融指数的平均值由2011年的40.0持续增加至2020年的数字普惠金融能否提升农业全要素生产率？*基于异质性与空间溢出效应视角张启文，田静（东北农业大学经济管理学院，哈尔滨150030）*项目来源：教育部人文社会科学青年项目（21YJC790002）；黑龙江省社会科学基金项目（22JYB241）
3、。作者简介：张启文，男，博士，教授，研究方向：农村金融、农业保险。摘要：基于20112019年31个省、市、自治区的面板数据，在利用SBM-GML指数测算中国31个省、市、自治区的农业全要素生产率的基础上，构建固定效应模型和空间杜宾模型实证分析数字普惠金融对农业全要素生产率的影响。结果表明：数字普惠金融主要通过促进技术进步来提升农业全要素生产率，但其存在维度与区域异质性。相较于金融覆盖广度和普惠金融数字化程度，金融使用深度提升农业全要素生产率的效果最佳；中、东部地区的数字普惠金融促进了农业全要素生产率的提升，而西部地区的数字普惠金融却不利于农业全要素生产率的提升；在粮食主产区，数字普惠金融有助
4、于提升农业全要素生产率，但在粮食主销区和产销平衡区，数字普惠金融对农业全要素生产率的影响不显著。空间溢出效应分析表明，本地区数字普惠金融对本地农业全要素生产率具有正向影响，但邻近地区数字普惠金融对本地农业全要素生产率具有负向影响。为此，应大力发展农村数字普惠金融，促进数字普惠金融在各地区间协调发展。关键词：数字普惠金融；农业全要素生产率；SBM-GML指数；空间Durbin模型中图分类号：F304.4文献标志码：A文章编号：1674-9189（2023）01-0045-12Agricultural Economics and Management2023年第1期 总第77期45341.2，年均
5、增长率达到32.2%。同时，与传统金融相比，数字普惠金融因扩散性和流动性特征能够推动金融服务在空间上的渗透。那么，快速发展的数字普惠金融对ATFP的影响究竟如何？该影响是否具有差异性？数字普惠金融对ATFP的影响具有怎样的空间溢出性？回答以上问题将有助于依托数字普惠金融推动中国农业高质量发展。二、文献回顾ATFP是衡量农业绩效的有效参考指标之一，提高ATFP一直是世界上确保不断增长的人口需求不超过粮食供应能力的主要手段（Fuglie等，2021），是农业可持续发展的关键所在（张恒等，2021）。全要素生产率的提高与金融的发展有着密不可分的联系，众多学者对二者之间关系进行了研究，尚未得到一致结论
6、。部分学者认为金融的发展能够提升农业全要素生产率。尹雷等（2014）使用 DEA-Malmquist指数测算中国30个省份ATFP的变动情况，发现农村金融的发展通过促进农业技术进步来提升ATFP，且该影响存在区域异质性。刘照媛（2021）研究发现，农村金融的发展通过提升资源配置效率、完善基础设施来促进农业生产技术进步，进而提升ATFP。此外，陈泽（2019）发现农村金融的发展促进了农业技术进步与ATFP的提升，但却抑制了农业生产技术效率的提高。与上述不同的是，李娅（2021）测算了成渝经济圈的ATFP，发现成渝经济圈内农村金融的发展可提升农业全要素生产率，其主要通过农业技术进步以及农业技术效率
7、的提高来实现。随后，普惠金融逐渐发展起来，Hua等（2021）使用F-P指数测算中国ATFP，实证分析发现普惠金融在促进ATFP增长上发挥着积极作用。蔡时杰（2020）发现我国普惠金融主要通过促进技术效率和优化资源配置来促进ATFP的提升。随着数字普惠金融的发展，张爱英等（2021）使用DEA-Malmquist指数对ATFP进行测算，指出数字普惠金融可通过促进农业技术进步以提升ATFP，而且人力资本的积累是农业全要素生产率的又一影响因素。然而刘艳（2021）却认为，数字普惠金融的发展主要通过提高农业生产的技术效率来促进ATFP的提升，并且此影响在东部地区沿海地区最大。郑宏运等（2022）认为
8、数字普惠金融的发展有利于提升县域ATFP。然而也有学者得出不同结论，李晓阳等（2017）从农地规模的视角出发，认为农村金融的发展抑制了ATFP的提高，且这种影响随着农地经营规模的扩大而增大。综上所述，现有关于数字普惠金融与ATFP之间关系的研究中，学者均使用了DEA-Malmquist指数对ATFP进行测算，但该指数相较于SBM-GML而言，未考虑松弛变量的问题，进而使得估计结果不精确（洪图等，2020），因而本文使用SBM-GML指数以更加精准地测算中国ATFP变动情况。此外，现有研究中大多使用普通面板回归分析数字普惠金融对ATFP的影响，但未考虑地区之间存在经济关联，忽视了数字普惠金融对A
9、TFP影响的空间溢出效应。为此，本文基于20112019年31个省、市、自治区的面板数据，在利用SBM-GML指数测算中国31个省份的ATFP的基础上，构建固定效应模型和空间Durbin模型实证分析数字普惠金融对ATFP的影响路径、维度异质性、区域异质性以及空间溢出效应。三、理论分析与研究假说（一）数字普惠金融与农业全要素生产率资金是农户进行农业生产活动的前提，然而农户获得的政府财政补贴资金远不足以支撑其农业生产活动，因而农村金融对农户生产经营活动的支持作用举足轻重。数字普惠金融相较于普惠金融具有创新性，具体表现为：金融产品丰富多样、实行差异化定价、精准获客、靶向营销以及智能风险管理（曾燕等，
10、2020），因而数字普惠金融主要通过提供资金支持（张爱英等，2021；李娅，2021）与提高资源配置效率（刘照媛，2021；刘艳，2021）来提升农业全要素生产率。一方面，数字普惠金融可缓解融张启文等：数字普惠金融能否提升农业全要素生产率？基于异质性与空间溢出效应视角46Agricultural Economics and Management2023年第1期 总第77期资约束为农业生产活动提供资金支持，使得农民资金充足进行农业生产活动以及农业技术创新活动，进而有利于提升ATFP。另一方面，数字普惠金融可降低交易成本来提高资源配置效率，进而促进提升ATFP。依托于互联网的便利性，数字普惠金融可
11、通过线上服务对农户融资，不仅可节约农户的“皮鞋成本”，还可节约金融机构为农户提供金融服务的时间与空间成本，降低交易成本，使得农户可享受更低成本的金融产品，进而有利于提升ATFP。据此，提出假说1。假说1：数字普惠金融能够提高ATFP。（二）数字普惠金融与农业全要素生产率的分解项农业全要素生产率可分解为技术进步与技术效率变化，其中，技术进步主要指迅速进行技术定位、持续进行技术创新；技术效率则是识别和消除阻碍农业实现高效率的障碍（李谷成等，2010）。1.数字普惠金融与农业技术进步传统金融机构为了将风险调整在可控的范围内，将一些缺少可担保物的、低收入的农民排斥在外，形成金融排斥现象。数字普惠金融能
12、够通过提高金融的覆盖广度，为受到金融排斥的农户提供金融服务，缓解融资约束，使得农民资金充足进行农业技术创新活动，进而有助于促进农业技术进步。基于此，提出假说2。假说2：数字普惠金融能够通过促进农业技术进步来助力提升ATFP。2.数字普惠金融与农业技术效率理论上，数字普惠金融通过数字技术使金融机构可充分了解其客户线上交易的信用情况，可有效地避免因资源配置失灵导致的信息不对称问题，进而提高资源配置效率，实现农业技术效率的提升。但在实践中，数字普惠金融对农业技术效率的提升作用会受到数字普惠金融发展程度与使用主体的影响，当前农村地区数字普惠金融发展水平不高，加之农民对其了解不足，进而使得数字普惠金融无
13、法充分发挥资源配置的作用，导致数字普惠金融抑制了农业技术效率的提升。为此，提出假说3。假说3：数字普惠金融不能通过促进农业技术效率来助力提升ATFP。（三）数字普惠金融对农业全要素生产率的空间溢出效应根据地理学第一定律，在空间互动的状态下，数字普惠金融对农业全要素生产率的影响具有空间溢出效应。数字普惠金融可跨越时间和空间的壁垒提供金融服务，使得金融要素在区域间流动，农业全要素生产率不仅受当地数字普惠金融的影响，同时还受邻近地区数字普惠金融的影响。由于邻近地区数字普惠金融的发展存在竞争效应，并且不同地区的金融资源配置各不相同，数字普惠金融之间的竞争效应可能会导致不良的后果（张翱祥等，2022），
14、不利于落后者的追赶，进而不利于邻近地区ATFP的提升，产生负的空间溢出间接效应。据此，提出假说4。假说4：数字普惠金融的发展对ATFP的影响具有负向的空间溢出效应。四、研究设计（一）模型设定依据理论分析，本文构建如下基准回归模型：lnATFPit=a0+a1lnDIFIit+ajZit+i+it（1）lnTCit=b0+b1lnDIFIit+bjZit+i+it（2）lnECit=c0+c1lnDIFIit+cjZit+i+it（3）其中，lnATFPit表示i地区第t年的农业全要素生产率的对数；lnDIFIit表示i地区第t年的数字普惠金融指数的对数；lnTCit、lnECit表示i地区第t
15、年的农业技术进步和农业技术效率的对数；Z表示控制变量，包括城镇化率（Urban）、财政支农（Gov）、人均地区生产总值（Rgdp）、受灾率（Dis）；i表示地区47固定效应，it表示随机误差项。为探究数字普惠金融对农业全要素生产率影响的空间溢出效应，本文构建一般空间计量模型：lnATFPit=+j=1,j1nWitlnATFPit+1lnDIFIit+2Zit+j=1,j1nWit(lnDIFIit+Zit)+i+t+it（4）其中，lnATFPit表示i地区第t年的农业全要素生产率的对数；lnDIFIit表示i地区第t年的数字普惠金融指数的对数；Zit表示一系列控制变量，Wit为邻接（01）
16、空间权重矩阵，t表示时间固定效应，i表示空间固定效应，it表示随机误差项。若的值不为0，而的值为0，则式（4）化简为空间滞后模型；若的值为0，而的值为0，则式（4）化简为空间误差模型。（二）变量说明1.被解释变量农业全要素生产率（ATFP）及其分解项农业技术进步（TC）和农业技术效率（EC）。本文采取DEA（数据包络分析）法计算SBM-GML指数测算农业全要素生产率的变动情况，这一方法最早由Fare等人提出，其不仅具有客观性，还能反映出农业全要素生产率的变动情况，投入、产出变量的选取，如下表1所示。其中，农业全要素生产率可拆分为技术进步与技术效率变化，即ATFP=TCEC。由于SBM-GML指数测量农业全要素生产率是动态的，参考张爱英等（2021）等人的研究，选定2010年为基年，设定该年TFP为1，用2010年的ATFP与2011年的Malmquist指数的乘积表示2011年的累计ATFP。并以此类推，计算各地区各年的累积ATFP，将动态农业全要素生产率转化为累积农业全要素生产率。2.解释变量数字普惠金融指数（DIFI）及其三个维度，具体包括：金融覆盖广度（Cov）、金融使用深度（U
