數字金融發展對農業產出的影響機理及結構效應

曾小艷 祁華清

(武漢輕工大學，湖北 武漢 430048)

一、引言

在黨的十八屆三中全會時就提出發展普惠金融，發展普惠金融有助于促進農村金融的發展。數字普惠金融隨著互聯網、移動終端等的蓬勃發展，在我國也得到了快速發展，數字金融也成為了傳統農村金融的重要補充，在農村地區有著巨大發展潛力。第45次中國互聯網絡發展狀況統計報告[1]顯示：截止到2020年3月，我國農村網民的規模是2.55億人，在整體網民中占比28.2%，相比2018年末，增加3308萬；截止到2020年3月，我國手機支付用戶的規模是7.65億，比2018年底增長了1.82億，占手機網絡用戶的85.3%，總的網絡支付用戶是7.68億戶，比2018年增長了1.68億，占總體網絡用戶的85.0%。同時，網絡覆蓋工程繼續深化拓展，我國農村地區在“電信普遍服務試點”和“村村通”兩大工程實施的情形下，也在緊跟互聯網發展步伐，共享信息社會的紅利，數字鄉村建設的持續推進，使城鄉之間的數字鴻溝在不斷縮小。數字金融產業隨著人工智能、大數據、互聯網等與金融產業的融合在日益蓬勃發展。數字金融創新除了包含傳統金融的數字化創新之外，還涵蓋新興互聯網金融的金融創新，數字金融具有很多優勢，如方便便捷、信息共享、門檻低、成本較低等，這使得數字金融成為普惠金融的一種最佳實現方式[2]。

金融與經濟產出的關系一直是學者們關注的熱點。如何在數字金融蓬勃發展的情況下，引導金融資金服務經濟，實現資本的有效利用，成為重要議題。傳統的農村金融存在著諸多問題，難以提供與農業生產相匹配的金融業務，數字金融利用移動互聯網、云技術、大數據等方法，可以有效降低農村地區的金融服務門檻成本，通過便捷支付和平滑消費等提供融資，使金融弱勢群體也可以負擔起相應的金融服務，讓農村地區擺脫金融體系高壟斷的融資約束[3，4]。目前數字金融方面的研究主要集中在：數字金融與企業技術創新問題[5]，數字金融對城鄉收入差距的影響[6]、對家庭金融資產配置的影響[7]、對工業經濟的影響[8]以及數字金融的減貧效應[9]等方面。其中，唐松等[5]利用2011-2017年上市公司數據，分析數字金融發展對企業技術創新的影響，研究結果發現數字金融對企業技術創新存在“結構性”驅動的效果，數字金融能有效校正傳統金融中“領域錯配”、“屬性錯配”和“階段錯配”的問題，能有效解決企業“融資難”和“融資貴”的問題。李牧辰等[6]基于金融功能觀和金融排斥理論，研究了我國數字金融發展對城鄉收入差距的影響作用，研究的結果顯示，從總體上看，數字金融發展收斂了城鄉收入差距，數字金融發展可以通過數字支付“以點帶面”拓寬覆蓋廣度，也可以通過廣泛應用“以面帶點”規范和創新各類業務，優化監管環境。周雨晴和何廣文[7]運用跨期投資決策模型證明了數字金融發展對農戶家庭參與金融市場概率和配置風險資產比例具有促進作用，并且農戶互聯網使用程度越高，數字金融的影響越強烈。汪亞楠等[8]運用我國2011-2017年280個地級市的數據，實證檢驗數字金融發展對我國實體經濟的影響，發現數字金融可以顯著提振實體經濟，而且創新研發是重要的中間傳導機制。劉錦怡和劉純陽[9]采用2011-2015年省級面板數據，分析了數字金融減貧的效果，發現數字金融有助于促進互聯網保險和信貸的發展，可以通過增加就業機會和提升融資可得性來減緩貧困，增加就業機會是通過增加經濟機會，從間接上減緩貧困；同時，提升金融可得性的效果要強于增加經濟機會的效果。可以看到，大多數現有文獻都論述到了數字金融的各項優勢，數字金融的發展是大勢所趨。但是，目前關注數字金融與農業經濟方面的文獻很少，關于數字金融發展與農業產出方面的研究更為鮮有。

同時，一些數字技術的運用，更大程度地降低了服務門檻以及交易的成本，不斷拓展金融服務能抵達的范圍，讓更多的人也能得到平等享受金融服務的機會。所以，理論上講，數字金融對農業產出的影響相比傳統金融對農業產出的影響要更為明顯。但是目前鮮有研究分析討論數字金融發展對農業產出的影響。因此，本文首先在梳理數字金融發展對農業產出影響機理的基礎上，采用北京大學數字金融研究中心編制的數字金融指數和我國2011-2018年的省級面板數據，實證分析數字金融發展對我國農業產出的影響效應。實證分析分為兩個方面：一方面檢驗數字金融與農業產出之間的關系，另一方面分析數字金融發展對農業產出影響的結構效應，以深化對問題的理解，為推動數字金融發展促進農業經濟增長提供有力證據。本研究分析的數字金融與我國農業經濟發展關系的結論也將有助于相關政策制定者進行參考，提升決策的精準性。

二、數字金融發展對農業產出的影響機理

已有學者們的研究在分析數字金融發展影響效應時，大部分均是直接根據相關數據進行實證檢驗，數字金融發展影響產出機理所受的關注比較少。因此，本文首先從理論層面剖析數字金融發展對于農業產出影響的機理。

(一)降低了金融服務使用成本，緩解了有效需求不足問題

互聯網使數字金融服務通過移動終端就可以辦理，農戶不再需要到物理網點去了解掌握金融產品的作用、功能和使用條件，而且整個交易流程可以標準化，更簡化、便捷，能夠降低農戶的時間成本、交通成本等使用成本，增強其使用相關金融服務的意愿，這將有助于緩解農村地區的金融需求不足問題和金融排斥問題。同時，各個金融機構之間的競爭日益劇烈，都在不斷創新金融產品和服務，這些也刺激了互聯網支付、互聯網信貸、投資理財、互聯網保險等創新方式和產品的快速發展，成為了傳統金融產品和服務的補充，滿足了農戶對不同作用、不同功能、抵押擔保條件不同金融產品和服務的差異化需求。農村地區不同群體和處在不同生產階段的資金需求方，對金融的需求程度并不一樣，數字金融利用大數據、移動互聯網和區塊鏈等信息技術，能夠打破物理上的界限，創新出更多的金融產品和服務，進一步緩解了農村地區的信貸約束，為農業經濟的發展提供了可以負擔成本的金融服務。即便是對于不符合傳統金融中抵押擔保條件的農戶，也同樣可以通過多樣化的渠道來解決融資困難問題和風險規避問題。

(二)降低了金融服務供給成本，提升了金融可得性

傳統金融中金融網點的鋪設也需要比較高的成本，這使金融服務很難觸及到很多農村區域，特別是偏遠地區。低成本和高收益是金融機構所共同追求的價值取向，金融的核心是跨越時間和空間的價值交換，但是傳統金融業務中存在著嚴重的金融排斥。信貸發放機構為了降低成本，在傳統金融的進程中，通常會傾向于將大額業務發放到可以攤薄每單位金融服務成本的大型企業，對于分散的小額金融服務，特別是農村偏遠地區，收集相關信用信息比較困難，這使得提供傳統金融的機構都不愿意在農村區域提供服務。互聯網的“泛在性”(Ubiquitous)特征[9]使數字金融的網絡也具備零邊際成本效應，這也使金融服務門檻得到極大降低。例如，一些資金支付、遠程開戶等業務都可以通過移動終端進行，這是基于數字金融中移動終端、身份驗證與人臉識別等技術的使用與滲透，能大大降低建設金融基礎設施等的成本。數字金融的興起，移動終端的運用，基于大數據風控技術，可以獲得、分析相應的征信數據，有效緩解農村金融中的信息不對稱問題，提供更加精準的金融服務[10]。這些數字技術的運用使服務成本大大下降，讓金融服務的范圍極大拓寬，使我國一些不發達農村地區的數字金融也能突破地理可及性的障礙，提升了偏遠地區的支付可得性，也緩解了金融地理排斥[11]，緩解了農業方面資金的約束。

(三)為農業生產提供了必要保障

數字金融服務的拓展為低收入人群、小微企業等弱勢群體提供了一個平等的得到現代金融服務的機會，進而為農村地區提供了更多的就業創業機會，擴展了農戶增收的渠道，讓農戶更加有條件加強營養、購買保險、不斷提升技能、擴大農業生產性活動[12]。數字金融的發展緩解了農村地區生活生產等資金的約束，增強了抵御風險的能力，有助于農業生產規模化、集約化和專業化的提升，為農業技術穩定的供給、土地和勞動力市場運轉良好都提供了必要保障，為農業生產提供了資金支持，直接解決了發展問題。數字金融在支持農業基礎設施建設、農業特色產品開發、農村小微企業、農村地區教育醫療等方面的發展過程中，必然推動農業產業和農業經濟的發展。數字金融融合了傳統金融和新興金融，伴隨著數字技術的不斷創新不斷發展，數字金融也在不斷推進，例如“互聯網金融+農業價值鏈”模式將數字技術和農村金融市場進行對接，為“三農”提供了一種風險可控的融資服務[13]；金融機構和農村地區政府共同構建了信用信息共享平臺，手機銀行、網上銀行等綜合金融業務終端在農村地區不斷發展，數字金融在農村地區的“長尾”效應正在呈現[14]，這些都為農業經濟的發展提供了新動能，助推了農業產出水平的提升。

三、實證檢驗

(一)樣本選取與數據來源

本文選擇中國2011-2018各個省市自治區的面板數據進行分析，因西藏第一產業從業人數數據缺失嚴重，所以西藏未納入實證分析，整個截面個體時間跨越了8年，30個省市自治區，共計240個樣本數據。其中，數字金融相關數據(包括綜合指數，以及3個子指標：覆蓋廣度、使用深度和金融數字化程度)來源于“北京大學數字普惠金融指數”[15]；農業產出相關數據(如農林牧漁總產值、農村用電量)均來自于《中國統計年鑒》和《中國農村統計年鑒》；各省第一產業從業人數數據來自于各省統計年鑒、少部分來自于勞動統計年鑒，經過搜集整理。此外，本文中涉及貨幣計價的變量以2010年為基期(2010價格=100)，利用GDP平減指數進行平減，以消除價格因素影響。

(二)模型構建

為分析數字金融發展對農業產出的影響效應，本文選取農業產出水平作為被解釋變量，以數字金融相應發展水平作為解釋變量，以農業生產現代化程度、農作物播種面積等作為控制變量構建面板回歸模型如下：

outpit=α+βdigfiit+γX+λi+ηt+εit

其中，outpit表示i地區在t年的農業產出水平；digfiit為i地區在t年的數字金融指數，細分為三種類型：數字金融的覆蓋廣度、使用深度以及數字化程度；X為控制變量的集合，λi表示個體固定效應，ηt為時間固定效應，εit是隨機擾動項。根據數字金融發展對農業產出影響機制分析的部分，可以預期到β取值應為正。

(三)變量選擇

(1)被解釋變量。農業產出水平體現為農林牧漁業的生產增值，模型設定中用每年農林牧漁業生產總值除以農業從業人數，即人均農林牧漁業生產總值(outp)表示。該指標可以較好反映一個自然年度內農業產出水平的高低。

(2)解釋變量。數字金融(digfi)：本文選取北京大學數字金融指數作為解釋變量。具體地，選取了綜合指數(digfi_aggr)反映數字金融的整體發展水平。數字金融指數又可劃分為三個子指標[15]：①數字金融覆蓋廣度(digfi_bre)，指第三方支付賬戶綁定銀行卡的用戶比例及賬戶覆蓋率。數字金融是基于互聯網的模式之下的，互聯網并不受地域上的限制，電子賬戶的數量反映了用戶得到數字金融服務的程度。此外，根據我國監管方面的規定，只有綁定了銀行卡的第三方賬戶才是真正實現了對用戶的覆蓋，否則，未綁定的話，只是具有小額轉賬功能，相應的價值就受到了限制。②數字金融使用深度(digfi_dep)指數字金融服務實際上的使用情況。金融服務的類型包括信貸、支付、貨幣基金、保險等服務。數字金融的使用情況涵蓋實際使用數量(每萬用戶中使用相應服務的人數)和活躍程度(人均交易的數量和金額)。③金融數字化程度(digfi_lev)側重于反映一個地區數字金融的便利性與效率。用戶使用數字金融服務的主要原因包括低成本、便利性、信用化等，也體現了數字金融的低門檻低成本優勢。數字金融服務成本越低(例如消費貸和小微企業貸利率較低)、越便利(例如移動支付數量占總支付數量比例高)、信用化程度高(如免押金支付數量占總的比例高)，就更能體現數字金融的價值。

(3)控制變量。人均農作物播種面積(seedarea)，該變量數值越大，人均農作物對應的產量就越大，相應地，農業產出水平就越高，人均農作物播種面積和農業產出二者間應是正相關關系。農業生產的現代化程度，本研究中用農村用電量(eleconsp)來表示，用電量增加可以在一定程度上反映農村機械設備動力的增加以及相應技術水平的進步。需要說明的是，因為難以獲得數據，所以本研究未對生活用電和農業生產用電加以區分，這也是研究的不足之處，有待進一步進行研究。總體來說，這對研究的整體結果影響不大，只是在邊際影響系數大小上稍有所不同。

各變量的描述性統計如表1所示。其中，人均產出的單位是：百億元/萬人；人均播種面積的單位是：千公頃/萬人；用電量的單位是億千瓦小時。為避免變量間單位差距過大導致的估計偏差，對這幾個指標均取對數。

表1 主要變量的基本統計特征

表2報告了數字金融發展分年份的趨勢變化。可以看出，隨著區塊鏈、大數據、人工智能等信息技術的發展，數字金融的發展水平(包括三個子指標的平均值)基本上呈現出逐年上升的趨勢。

表2 數字金融發展分年份的均值變化

四、實證結果與討論

(一)基準模型估計

本文在模型估計中均使用了聚類穩健標準誤，前述數字金融對農業產出的影響效應可以通過表3和表4進行體現。其中，表3的第1列、表4的第1列和第5列反映了數字金融對農業產出影響的整體效應，表3的第2-4列，表4的第2-4列、第6-8列用于驗證其結構化的差異。表3顯示了混合OLS的回歸結果，結果顯示第1列中，數字金融發展整體上在1%的水平上顯著正向影響了農業產出，符合預期。表4中進一步采用固定效應回歸(FE)，第1列中，同樣顯示數字金融整體上在1%統計水平上顯著正向影響農業產出，有力論證了數字金融對于農業產出的正向促進作用。

混合回歸中，數字金融整體效應的系數為0.0017，比采用固定效應回歸的系數0.0012要略大，數字金融的覆蓋廣度和使用深度的系數均為0.0019，也比固定效應中的0.0013和0.0011要稍微高一些。因為混合回歸的基本假設是不存在個體效應，所以估計結果并不精確[16]，比照后面表4中面板工具變量法(IV)的估計結果，可以發現固定效應模型和面板工具變量法的回歸結果基本一致，相比混合回歸來說，更為準確一些。同時，參考學者們的研究：張成思和劉貫春[17]采用GMM估計的結果顯示，各國金融深化度對經濟增長的影響效應系數為0.003；張勛[18]等采用雙重固定效應研究數字普惠金融和包容性增長的關系，相應的影響系數為0.0073。因此可以看到，數字金融發展對我國農業產出具有一定的影響效應，為發展我國農村經濟提供了新思路。

回歸結果中控制變量與農業產出間的關系基本上也達到了理論預期：農業生產的現代化程度、農作物播種面積對農業產出均具有顯著正向的影響。因此，應繼續優化改進農業生產設備、推廣農業現代化技術、提升農業現代化水平；嚴格耕地保護制度，有效利用閑置土地等，進一步促進農業經濟的發展。

表3 混合OLS回歸結果

(二)結構效應

根據數字金融指標的評價體系[15]，數字金融包括三個子指標：數字金融的覆蓋廣度、數字金融的使用深度、金融數字化程度，這些成為了數字金融結構效應分析的依據。表3的第2-4列，表4的第2-4列和第6-8列顯示了相應的回歸結果，可以看到，所有8列中數字金融的擬合系數均在1%的統計水平上顯著為正。具體地，不同的數字金融結構對農業產出的影響均顯著為正，不管是覆蓋廣度、使用深度，還是數字化程度，對我國農業產出都具有顯著的促進作用。

對于影響效應，覆蓋廣度和使用深度比數字化程度要強。覆蓋廣度的拓寬，具體體現在支付寶等互聯網賬號的增加、第三方賬戶綁定銀行卡數量的增加，數字金融這種新的模式給更多用戶提供了更好的環境，打破了既有的限制，有利于農業經濟發展；數字金融的使用深度方面，提供的融資、保險等業務，能緩解在銀行辦理業務的約束，提供融資可得性，還可以增強應對市場風險的能力，為農業經濟平穩運行提供保障。而數字化程度方面，可能因為目前我國正在向著數字化金融發展，這是一個逐漸的過程，相應的硬件設備等還遠沒有普及，限制了數字化程度對農業經濟的影響效應。從另一個角度看，也說明了我國的金融數字化程度提升還有空間，具有促進農業經濟發展的較大潛力。

表4 固定效應模型和面板工具變量法的回歸結果

(三)穩健性檢驗和內生性討論

表4顯示了采用不同計量方法的估計結果。第1-4列是采用面板固定效應模型的估計結果，第5-8列是采用面板工具變量法的估計結果。數字金融的發展會影響農業產出，而農業產出反過來也可能影響到數字金融的發展水平，考慮到這種雙向因果關系，本文采用數字金融以及相應子指標的一階滯后作為工具變量，以控制由逆向因果引起的內生性問題[16]，Sargan-Hansen統計量顯示為恰好識別。對比不同計量方法進行穩健性檢驗的估計結果，可以發現，數字金融綜合指數、覆蓋廣度、使用深度、數字化程度的估計結果都保持了一致，均在1%的統計水平上顯著正向影響了農業產出，在影響程度上，數字金融覆蓋廣度和使用深度的影響效應比數字化程度要大，與前述研究結論一致。

五、結論與啟示

本文首先分析了數字金融對農業產出的影響機制，隨后，基于2011-2018年的省級面板數據進行了實證檢驗，分析結果表明：一方面，數字金融發展整體上顯著提高了農業產出水平。原因在于數字化技術和數字化基礎設施的發展推進了數字金融的快速發展，提升了農村地區的金融可得性，緩解了金融地理排斥；同時，一些數字金融模式的成功運用，解決了傳統農村金融中交易成本高、信息不對稱等問題。另一方面，數字金融的覆蓋廣度、使用深度、數字化程度均對我國農業產出具有顯著促進作用，其中數字金融覆蓋廣度和使用深度的影響效應比數字化程度要大。

鑒于目前我國農業生產的現狀和數字金融發展的特征，通過前述分析結論能夠得到幾點啟示：一是繼續推進數字金融的發展。鼓勵金融科技創新，促進金融機構與金融科技企業的深度合作，加快“數字鄉村”建設，共同提升數字化技術水平，加強涉農數字化基礎設施的建設和完善，提供更好的硬件軟件條件，推進農村地區金融服務的創新，持續創新農村地區的數字金融發展模式，從多方面優化數字金融的發展。二是從3個子指標，即覆蓋廣度、使用深度以及數字化程度上持續推進數字金融的發展。在城鄉二元結構下，我國城市地區互聯網的覆蓋面更廣一些，移動技術使用率也相對高一些，農村地區互聯網的覆蓋面較低，網絡速度、移動設備都較為落后，在農村地區的網絡銜接也沒有那么暢通，這些都阻礙了農戶接觸到金融服務，這需要完善農村地區的硬件配套設施，提高農村地區的互聯網服務覆蓋率。在提升覆蓋率的基礎上，需要深度挖掘數字金融的滲透功能，創新出更多成本低廉、效率較高、可控風險的金融產品，提供更為貼切農村地區的金融服務。同時，在推進數字金融發展時，既要拓寬數字金融的覆蓋廣度和提升數字金融的使用深度，也要著手提升金融數字化程度，從而更為精準有效地支持農業經濟的發展。農村地區相對城市來說，更需要獲取資金的渠道以及保障基礎生產生活的低風險產品，數字金融產品應盡可能控制風險，涉農數字金融服務也應盡量降低使用門檻，簡化業務流程，使其更易于為弱勢群體使用。農業經濟的發展離不開金融，我們應重視數字金融的發展，強化數字金融在農業經濟發展中的重要地位，因此需要重視大數據、區塊鏈等信息新技術，也應加強大數據、人工智能和云計算等信息技術領域人才的培養，為技術突破提供人才資源，注重農業生產中涉農金融數據的共享與積累，增加數字支付結算等功能，不斷提升涉農數字金融服務的能力和水平，讓數字金融更好地發揮優勢，不斷推進農業經濟的發展。