數字普惠金融能否提升農業全要素生產率?※
—— 基于跨國面板數據的經驗證據

趙錦春

內容提要:全球經濟數字化轉型時代,研究數字普惠金融對農業全要素生產率的影響能為推動農業轉型升級提供來自數字普惠金融視角的新解讀。數字普惠金融既能通過促進農業科技創新提升農業全要素生產率,也能推動農業資本深化,加快農業全要素生產率收斂。在高附加值農業比重大、糧食業產量占比高以及農村金融市場完善的國家中,數字普惠金融對農業全要素生產率的促進效應更為明顯,提升互聯網普及度在數字普惠金融影響農業全要素生產率的進程中發揮著正向調節作用。因此,應加快農村信息化設施建設,加大農業科技創新領域的普惠性融資支持,創新農業信貸支持投融資模式,推進數字普惠金融與現代農業融合發展。

一、 引 言

農業是國民經濟的基礎產業,能通過部門間投入產出傳導機制,增強經濟韌性,保障制造業與服務業供應鏈安全,是實現共享繁榮的關鍵產業。(1)聯合國糧農組織《2020年農產品市場狀況:農產品市場和可持續發展:全球價值鏈、小農和數字創新》:http:∥www.fao.org/3/cb0665zh/CB0665ZH.pdf, 2023-5-30。作為衡量農業發展質效的重要指標,如何提升農業全要素生產率(Total Factor Productivity,TFP)(2)以下簡稱農業TFP。始終都是發展經濟學關注的熱點。農業TFP增長的本質可視為利用生化技術消除由無彈性土地約束與利用農業機械化手段消除有彈性勞動力約束的動態過程(Steensland,2020)。伴隨著現代農業技術的應用,全球農業發展也更具資本密集型特征(Pardey等,2015)。當前,全球農業TFP整體呈逐年上升態勢,且發展中國家對全球農業TFP增長的貢獻較大(Fuglie,2018)。自2005年聯合國正式提出普惠金融理念以來,數字普惠金融(Digital Inclusive Finance)利用數字化技術,提高金融服務的共享度與普惠性,成為助力全球農業轉型發展的重要手段。包容性金融體系致力于將金融資源從城市分配至農村,在帶動農業生產模式轉型的同時,農戶還可利用更多的金融資源采用先進的農業技術,促進農業TFP提升。(3)世界糧食計劃署糧食安全信息網《Global Report on Food Crises 2023》,https:∥ www.fsinplatform.org/sites/default/files/resources/files/GRFC2023-hi-res.pdf, 2023-11-10。2011年以來,全球數字普惠金融快速發展,數字普惠金融有效降低了農村金融交易成本與服務門檻,提升了傳統農村金融服務的共享度與普惠性,也通過擴大農業投資,提供農業科技創新資金等途徑提升農業TFP。作為推進包容性增長與可持續發展目標議程的關鍵舉措,(4)聯合國《可持續發展目標報告2023:特別版》,https:∥unstats.un.org/sdgs/report/2023/The-Sustainable-Development-Goals-Report-2023_Chinese.pdf, 2023-10-10。全球數字普惠金融與農業TFP現狀如何?數字普惠金融能否提升全球農業TFP?數字普惠金融是否有助于促進農業TFP收斂?對上述問題的回答不僅能揭示數字普惠金融影響農業TFP的一般規律,更能為推動我國農業現代化提供來自數字普惠金融視角的國際經驗借鑒。

本文在構建理論分析框架的基礎上,利用2011-2021年全球185個國家的面板數據,研究數字普惠金融對農業TFP的影響。可能的邊際貢獻在于:一是構建兩部門一般均衡框架,以數字普惠金融降低農業融資成本為出發點,闡明數字普惠金融影響農業TFP的機制及異質性。二是借鑒世界銀行普惠金融評價指標體系,以刻畫農戶數字普惠金融接入與使用為側重,對全球數字普惠金融發展水平進行測度。三是規避國別數據測算農業TFP樣本選擇偏誤,利用跨國數據對農業及細分行業農業TFP進行測算,通過國際比較,揭示中國農業TFP與數字普惠金融發展現狀。四是驗證數字普惠金融發展通過促進農業科技創新,推動農業資本深化影響農業TFP的理論假說,豐富提升農業TFP路徑的已有研究。五是基于農業細分行業特征、農業產業結構與農村金融市場視角,揭示數字普惠金融對農業TFP的異質性影響,并闡明提升互聯網普及度在該進程中的正向調節作用。

二、 文獻綜述

農業TFP是指特定時期內,某一地區農業的投入產出效益。Coelli和Rao(2005)認為,受資源稟賦、經營結構及政府支持政策差異的影響,利用國別數據的測度易引發農業TFP增長與否的爭議。因此,采用跨國數據測算成為評價全球農業TFP的主流方法。較多的研究認為,盡管高收入國家農業TFP水平較高,但以中國、巴西與印度為代表的發展中國家農業TFP增長更快(Fuglie,2010;Avila和Evenson,2010)。就如何提升農業TFP并縮小其國別差距而言,部分基于發展中國家,如馬拉維(Merfeld和Brummund,2022)、哥倫比亞(Gfaro和Pellegrina,2022)、非洲國家(McCullough等,2022)以及中國(Zhang等,2023)微觀調查數據的研究均證實了改善土地資源錯配、鼓勵農業經營等體制改革對農業TFP的促進作用。

與此同時,更多研究則從農業科技創新與農業資本深化視角,論證造成國家間農業TFP差異的根本原因(Sheng等,2022)。第一,農業技術進步為農業生產科學決策帶來便利,提高農業TFP在農業產出中的貢獻率(Lagakos和Waugh,2013)。第二,農業投資和資本積累既能為現代農業發展方式提供資金支持,也加快了農業資本深化進程(李谷成等,2014)。農村金融規模增加、金融結構優化以及金融效率提高均有利于增加農業資本積累,農業資本深化則在全球農業產業化、規模化、集約化轉型發展歷程中發揮了重要作用(Pardey等,2015)。近年來,數字普惠金融對中國農業TFP的影響逐漸成為國內研究的新熱點。Hu等(2021)認為,金融包容性可促進農業技術進步,提升農業TFP。唐建軍等(2022)指出,數字普惠金融發展能顯著提高農業TFP,普惠產品服務的使用深度對農業TFP的促進作用最強。鄭宏運和李谷成(2022)還指出,數字普惠金融的農業TFP提升效應具有明顯的“普惠”性質。Liu等(2021)則認為,數字普惠金融通過為農戶提供生產性融資,提升農業TFP。

縱觀前人的研究,國外學界多集中于農業體制改革視角剖析農業TFP的提升路徑,鮮見分析數字普惠金融對全球農業TFP影響的文獻。國內研究則多使用北大數字普惠金融指數論證其對農業TFP的影響。本文首先通過構建理論模型,揭示數字普惠金融影響農業TFP的作用機理及其異質性。其次,從接入和使用兩方面對全球數字普惠金融現狀進行刻畫,利用FAO數據測度農業TFP現狀,厘清中國數字普惠金融與農業TFP的國際水平。再次,基于跨國數據的分析得以系統驗證數字普惠金融通過農業科技創新提升全球農業TFP,推動農業資本深化助力農業TFP收斂的內在機制。最后,從農業行業、農業產業結構以及農村金融供給等諸維度闡明數字普惠金融影響農業TFP的異質性。

三、 理論分析框架

1. 金融部門

(1)

于是,金融部門利潤函數為:

(2)

此時,農業信貸投放及貸款價格為:

(3)

(4)

2. 農業生產

(1) 傳統農業技術。假設一國初始農業生產技術水平為st,且st∈F(st),F(·)為全球農業技術水平的初始分布函數。各國可選擇傳統農業技術B或現代農業技術M兩種方式開展農業生產。傳統技術條件下的生產函數為:

(5)

農業利潤最大化問題為:

(6)

(7)

(2) 現代農業技術。選擇現代農業技術的生產函數為:

(8)

而現代技術生產的利潤最大化問題為:

(9)

此時,資本最優投入規模與初始農業技術水平滿足:

(10)

(11)

3. 比較靜態與假說提出

(12)

(13)

(14)

H1:數字普惠金融發展能通過促進農業科技創新提升農業全要素生產率。

(2) 數字普惠金融的農業TFP收斂效應。考察兩種技術下農業利潤均衡ΩB=ΩM時滿足:

(15)

(16)

(17)

H2:數字普惠金融發展通過推進農業資本深化縮小農業全要素生產率的國別差距。

(18)

H3:數字普惠金融的農業全要素生產率提升效應會受農業行業與農業產業結構的影響,在農村金融充分競爭的環境中,數字普惠金融的農業全要素生產率提升效應更強。

四、 指標選取與研究設計

1. 指標界定與數據來源

(1) 數字普惠金融。借鑒世界銀行普惠金融評價指標體系,從接入(ACS)與使用(USE)兩個維度對全球數字普惠金融發展水平進行測度。具體指標如下:第一,數字普惠金融接入。用每十萬成年人商業銀行數量和每十萬人農村信用社數量表示機構覆蓋度。用單位人口規模的手機互聯網銀行與移動賬戶貨幣交易量以及信用卡數量表示數字金融設備覆蓋率。(6)手機互聯網銀行交易量、移動賬戶貨幣交易量和信用卡使用數量均以每千人為單位。引入移動貨幣服務水平和移動貨幣監管指數反映數字貨幣發展水平。第二,數字普惠金融使用則從普惠信貸、農戶數字賬戶使用以及農村互聯網交易三個角度考察。普惠信貸選擇商業銀行SME貸款占GDP比重、信用社未償貸款占GDP比重以及MFIs未償貸款占GDP比重測度農村小微金融組織貸款規模。用農村數字支付成年人占比、農戶移動賬戶占比以及農戶擁有信用卡占比反映農村數字金融賬戶使用。納入農戶互聯網網購與互聯網收款占比反映農村互聯網交易水平。針對性選取信用社、農戶數字支付和移動賬戶等指標,以凸顯對農戶數字普惠金融使用的測度。此外,本文從接入與使用兩個維度進行評價,也拓展了集中使用北大數字金融指數衡量數字普惠金融發展水平的已有國內研究。(7)原始數據來自:IMF金融可得性調查數據庫(FAS),普惠金融全球合作伙伴組織數據庫(GPFI)以及世行普惠金融數據庫(Global Findex)。限于篇幅,省略使用的樣本國家與收入組別劃分以及數字普惠金融測度相關指標說明及描述性統計結果,備索。

(2) 農業TFP。隨機前沿分析方法(SFA)被廣泛用于農業生產效率的宏微觀測度(Zhang等,2023)。本文使用SFA截面時變效率法測度全球農業TFP。構建如下農業生產隨機前沿模型:

Qijt=F(Xikt,λ)·ξijt

(19)

式(19)中,λ為要素產出彈性,Qijt為農業產出,Xikt表示k類農業要素投入,ξijt為國家i在時期t農業行業j的技術效率。對式(19)兩邊取對數,簡單變換可得:

(20)

式(20)中,uijt=-lnξijt≥0,vijt是隨機誤差項,0<ξijt≤1表示的技術效率可作為農業TFP衡量指標。此外,農產品產量易受要素稟賦、氣候以及統計誤差的影響(Fuglie,2018),難以體現農業的發展質效。于是,選擇農業及其細分產業產值作為產出指標。土地、勞動力、化肥以及資本均是農業的投入要素(Avila和Evenson,2010)。用農業用地、勞動力、土壤肥力、固定資產與信貸作為投入指標,利用式(20)測算2011-2021年全球185個國家產值導向的農業TFP。式(20)中:j=1,2,3,4,分別為農業、糧食、牲畜和果蔬產值,并使用對應農業生產指數平減。本文測算農業TFP使用的指標及數據來源見表1。(8)限于篇幅,省略農業及其細分行業TFP的面板隨機前沿(SFA)估計結果,備索。

表1 全球農業TFP測算指標與數據來源

(3) 國別控制變量。第一,較高的人口增長率與農業就業人口比重上升會降低人均資本存量,不利于資本密集型現代農業轉型(Kryszak等,2023)。用適齡婦女生育子女數表示的生育率(FERT)及農業就業人口占全社會就業人口比重(EMPAS)反映人口與就業規模對農業TFP的影響。第二,縮小城鄉差距能帶動高附加值農業發展,經濟增長有利于提升農產品需求。因此,選擇城市化率(URB)以及各國國內生產總值(GDP)反映城鄉經濟發展對農業TFP的影響(Sheng等,2022)。第三,財政資金能通過提高數字化農機補貼促進農戶選擇更為先進的農業生產技術。因此,用經CPI平減的中央財政涉農經費支出總額(AFM)表示財政支出,反映財政資金對農業TFP的影響(Zhang等,2023)。第四,農地質量不僅決定土壤肥力,也會直接影響單產。借鑒Fuglie(2010),構建農地質量指數LDQ,以控制土地質量的影響。設定區域虛擬變量REGIONm,m=1,2,…5,代表發達國家和獨聯體、亞太、拉丁美洲和加勒比、西亞和北非以及撒哈拉以南非洲。先將農業總產值與耕地面積(CROPit)、永久牧場(PASTit)和灌溉農田(IRRIit)進行如下回歸:

(21)

式(21)中,lnADVAit為表1中經農業生產指數平減的農業總產值對數值。τmt為隨機誤差項。系數向量a、b和c表示三類土地質量權重。根據式(21)系數估計值加權合成土地質量指數:

(22)

上式中,AGLDit為表1中農用地總面積。上述國別控制變量數據均來自世界發展指數(WDI)以及聯合國糧農組織數據庫(FAO)。(9)限于篇幅,省略基于式(21)合成土地質量指數LDQ使用的三類土地權重估計結果,本文實證部分使用變量定義和指標說明以及描述統計分析結果,備索。

2. 實證設計

(1) 基礎回歸。為檢驗假說H1和假說H2,首先采用面板固定效應回歸檢驗數字普惠金融對農業TFP的影響。模型設定如下:

Yit=υ0+υ1·DFIit+υ2·Controlit+τit+εit

(23)

上式中,υ0、υ1、υ2為待估系數。Yit為被解釋變量,用基于農業產值測度的農業TFP水平ATFP_AD表示。分年度計算農業TFP變異系數ATFP_SP量化農業TFP國別差距,作為被解釋變量檢驗數字普惠金融對國別農業TFP差距縮小的影響。DFI是全球數字普惠金融指數核心解釋變量。Control為國別控制變量。τ為國別固定效應,ε為隨機誤差項。考慮到SFA方法時變估計中,隨機誤差項ε的非正態分布特點,使用極大似然方法(MLE)進行再檢驗。

(2) 機制檢驗。機制變量設定如下:農業TFP提升機制中的農業科技創新用各國農業研發投入資金RSSAM表示,收斂機制的農業資本深化則用勞均農業固定資產形成CAPTL表示。考慮到中介效應回歸可能存在的內生性與邏輯偏誤,本文采用機制變量回歸與交乘項分組回歸相結合的方法檢驗作用機制。(10)此處感謝匿名審稿人的意見和建議。首先,利用固定效應回歸和系統GMM方法驗證數字普惠金融對機制變量的影響,模型構建如下:

(24)

(25)

式(25)中,η為待估系數。Yit為被解釋變量,用農業TFP水平ATFP_AD及ATFP_SP表示。DFI為數字普惠金融指數。DFI×Mediator為數字普惠金融與機制變量交乘項,ζit為隨機誤差項。

五、 特征事實與實證結果

1. 全球數字普惠金融與農業TFP現狀

(1) 數字普惠金融發展動力與趨勢。參考Svirydzenka(2016),使用主成分分析(PCA)方法對全球數字普惠金融發展指數DFI進行測度后發現:數字普惠金融接入權重均值為26.2%,低于使用權重的73.8%,表明數字普惠金融使用是推動數字普惠金融發展的重要力量。得益于數字金融技術的廣泛應用,數字貨幣、移動支付、互聯網交易等創新業態彌補了傳統農村金融機構的供給不足,使用水平及其對DFI的貢獻率均迅速提升。(11)限于篇幅,省略主成分分析所確定的數字普惠金融二級指標權重以及數字普惠金融指數測度結果,備索。

(2) 按收入組劃分的跨國比較。表2顯示,高收入組國家的數字普惠金融發展水平為0.788,顯著高于中高收入國家的0.482,也高于中低收入和低收入國家的0.372和0.268。使用水平差距是造成數字普惠金融水平差異的主要原因。中國數字普惠金融接入和使用水平相比中高收入國家分別高出40.74%和46.89%,農業TFP也高于中高收入國家均值。截至2021年,中國小微企業貸款余額50萬億,普惠小微貸款余額占比也超38%,(12)中國人民銀行《中國普惠金融指標分析報告(2021年)》,http:∥www.pbc.gov.cn/goutongjiaoliu/113456/ 113469/4671788/2022092916460881444.pdf,2023-9-29。較高的接入與使用水平奠定了我國數字普惠金融發展的基礎優勢,中國農業TFP增長也位居發展中國家前列(Fuglie,2018)。然而,盡管接入水平略高于高收入國家,但使用水平的較大差距仍造成我國數字普惠金融整體水平低于高收入國家,農業TFP也同樣略低(見表2)。

表2 數字普惠金融與農業全要素生產率的國際比較

2. 數字普惠金融影響農業全要素生產率的實證檢驗

(1) 基礎回歸分析。表3中列(1)和列(5)的固定效應回歸表明:發展數字普惠金融能顯著提升農業TFP,也能降低農業TFP國別差距,初步驗證假說H1與假說H2。生育率與農業就業比重提高對農業TFP存在負面影響,也會擴大農業TFP差距。在資本與技術密集型的現代農業轉型背景下,依靠勞動力要素投入的傳統農業生產模式較難提升農業TFP,也會加劇其國別差異。經濟增長有助于提高農產品市場規模,提升農業附加值和經營效益。城市化率提高意味著城市資本、技術和人才能更快流入鄉村地區。擴大政府農業財政經費規模則能增加農業生產性補貼,穩定農業產出。灌溉土地以及耕地面積占比更高的國家具有更高的土地生產率。因此,推動經濟增長、提高城市化率、擴大涉農財政支出以及改善農地質量均能促進農業TFP提升,也有助于農業TFP收斂。

表3 數字普惠金融影響農業TFP的基礎回歸結果

(2) 內生性處理。使用工具變量回歸與傾向得分匹配方法(PSM)處理式(23)的內生性問題。Beck等(2018)認為,移動訂閱用戶規模會影響移動賬戶、貨幣支付、小微信貸等數字金融業務。國外文獻多采用與移動終端應用相關的指標,如移動訂閱規模,作為數字金融工具變量(Barbesino等,2005)。移動訂閱衡量國內使用移動賬戶進行付費訂閱及預付費的金融賬戶數量,其影響賬戶使用,但不直接影響農業TFP。(13)初步估計表明,移動訂閱對農業TFP不存在顯著影響,2SLS一階段回歸中,移動訂閱顯著提升數字普惠金融水平,表3的工具變量模型設定檢驗也證實采用移動訂閱作為工具變量的合理性。因此,使用農戶移動訂閱規模同比增速(MUSE)作為工具變量。另外,金融普惠聯盟(Alliance for Financial Inclusion)是涉及全球82個發展中國家8.4億人口的金融包容性合作組織,該組織通過經驗交流與政府合作致力于提升各國金融包容性。(14)AFI成員國名單:https:∥www.afi-global.org/wp-content/uploads/2023/09/AFI-Official-Members.pdf, 2023-10-20。針對式(23)僅能獲得平均效應及可能存在的樣本選擇偏誤問題,將是否為AFI成員國作為被解釋變量進行面板Logit回歸,選擇最近鄰匹配方法設定最小區間為0.01,獲得共同支撐域以及AFI成員的傾向匹配得分,再檢驗數字普惠金融對農業TFP的影響。(15)選擇URB,GDP,AFM以及LDQ四個國別變量進行一階段面板Logit回歸。限于篇幅,省略匹配過程及相關檢驗結果,備索。表3中列(3)列(4)以及列(7)列(8)的結果表明,工具變量和PSM處理內生性問題后,數字普惠金融仍能提升農業TFP,縮小其國別差異。

(3) 機制分析。采用面板固定效應和兩步法系統GMM估計機制檢驗模型式(24)。從估計結果看,(16)限于篇幅,省略基于式(24)的數字普惠金融與機制變量系統GMM估計結果,備索。數字普惠金融發展水平提高,能帶動農業科技研發,也能加快勞均農業固定資產形成。首先,農業經營主體在獲得普惠性融資貸款后,更容易在提高農業經營利潤的驅動下擴大生產性資本投資與現代農機裝備購置。農業技術資本積累有助于經營主體增加農機農藝應用型創新研發,數字化信用與擔保融資方式則能降低農村融資交易成本,激發農業科技創新活力。其次,數字普惠金融的“長尾效應”能促使更多金融機構開展針對小規模農業融資主體的小額信貸,提升農業信貸抑制群體的融資供求匹配度,吸引更多工商資本向農業領域流入,加快勞均資本存量提升,推進農業資本深化(溫紅梅和王宏宇,2022)。上述結論初步驗證機制假說。

基于式(25)進行分樣本交乘項機制檢驗。表4的估計結果分析如下:首先,數字普惠金融仍對農業TFP存在顯著的促進作用,也縮小了農業TFP的國別差距,農業科技創新與資本深化機制提高了數字普惠金融對農業TFP的提升效應與收斂效應。其次,在依據機制變量樣本均值劃分的分樣本回歸中,數字普惠金融在機制變量高于平均值的樣本中均呈現出更強的農業TFP提升效應與收斂效應,說明在農業研發投入和勞均農業資本更高的樣本中,數字普惠金融對農業TFP的邊際影響幅度更強。因此,綜合式(24)和(25)的回歸結果可以認為,數字普惠金融能夠通過促進農業科技創新提升農業TFP,也能推動農業資本深化縮小農業TFP的國別差距,再次驗證假說H1和假說H2。

表4 數字普惠金融影響農業TFP的機制檢驗結果

(4) 穩健性討論。選擇跨周期樣本內均值處理和替代核心變量兩種方式進行穩健性檢驗。首先,由于農業生產存在周期性,周期性農業產出與收益波動也會提升農業信貸風險,農村金融也難以充分發揮其對農業生產應有的調節作用(王吉鵬等,2018),因此,采用將全樣本按照兩年均值壓縮的方法進行穩健性檢驗。其次,利用二級指標等值權重加權重新合成新的數字普惠金融指數(DFIE)作為核心解釋變量替代指標再檢驗。(17)等值權重合成數字普惠金融總指數:即,DFIE=0.5×ACS+0.5×USE。限于篇幅,省略穩健性討論估計結果,備索。估計結果表明,替換核心解釋變量后,數字普惠金融依然展現出對農業TFP的顯著促進作用,也能縮小農業TFP國別差距。交乘項機制穩健性檢驗也表明,數字普惠金融仍能夠通過促進農業科技創新提升農業TFP,推動農業資本深化縮小農業TFP的國別差異。

3. 異質性分析

(1) 農業細分行業。利用式(23)的固定效應回歸檢驗假說H3的行業異質性。估計結果顯示:(18)限于篇幅,省略數字普惠金融影響農業TFP的行業異質性估計結果,備索。第一,數字普惠金融對牲畜業TFP的整體提升效應最為明顯,其對糧食業TFP的促進作用幅度高于果蔬業。農業細分行業生產特點及其增加值差異是造成上述現象的重要原因。牲畜業不僅具有集中化、規模化與低人工化的特點,還更容易引入工業化生產環節,通過新增投資和技術進步提高行業附加值,促進TFP增長(Coelli和Rao,2005)。糧食業與果蔬業雖同屬種植業,但糧食業產出效率更易受規模化、機械化種植方式的影響,行業資本有機構成也更高(李伶俐等,2023),數字普惠金融也更易發揮作用(Liu等,2021)。而采摘、授粉、分揀等作業環節則使果蔬業仍較難降低勞動力用工規模,勞均資本量較低也造成數字普惠金融對該行業TFP的提升幅度較小。

(2) 農業結構與農村金融供給。在基礎回歸模型式(23)中引入數字普惠金融指數與互聯網普及度(INTE)交乘項(DFI×INTE)并從國民收入、農業產業結構和農村金融市場三個維度進行異質性檢驗。(19)統計FAO供給效用賬戶(Supply and Utilization Account,SUA)中食品類農產品,并與產值表里的食物、牲畜和初級果蔬對應。篩選標準如下:酒精、酒類、油類、棉花、奶制品作為農業加工業產成品不統計;油料作物產出劃分為糧食類;奶類產品統計為牲畜產品;水產品、海產品不計入,進而獲得糧食業產量占農產品總產量的比重作為農業產業結構指標(AIS),根據AIS均值界定高糧食產量占比和低糧食產量占比兩個分樣本。使用每十萬人農村合作金融機構分支數量(CUPS)所反映的農村合作金融機構覆蓋度體現農村金融市場發育程度,并依據CUPS樣本均值界定高低金融市場發展水平分樣本。限于篇幅,省略農業產業結構(AIS)、農村合作金融機構覆蓋率(CUPS)以及互聯網普及度(INTE)的統計結果,備索。從表5的估計結果看:首先,不同樣本中的DFI×INTE項系數符號均與DFI項一致,表明互聯網普及度提高能提升數字普惠金融對農業TFP的邊際幅度,形成正向調節。其次,高收入國家中數字普惠金融對農業TFP的影響幅度較強。中高收入國家樣本中互聯網普及度的調節效應幅度最高。以中國為代表的新興經濟體國家大力發展國內數字經濟和互聯網經濟,在助力數字普惠金融發展的同時,能較大幅度提升數字普惠金融對農業TFP的邊際促進作用。第三,數字普惠金融在國內糧食產量比重較大且農村合作金融機構覆蓋率較高的國家中能發揮更強的農業TFP促進作用。因此,提高糧食種植業占比能提高數字普惠金融對農業TFP的邊際提升幅度。增加農村小微普惠金融機構布局,增強農村金融供給競爭性,構建良好的金融供給生態更有利于充分釋放數字普惠金融對農業TFP的提升作用。

表5 農業TFP提升效應的農業結構與金融市場異質性

(3) 互聯網普及與農業TFP收斂。在基礎回歸模型式(23)中引入數字普惠金融與互聯網普及度的交乘項(DFI×INTE),考察互聯網普及在數字普惠金融縮小農業TFP國別差距中的調節效應。借鑒Sheng等(2022)的分位數回歸方法,討論數字普惠金融對不同分位點農業TFP的邊際影響幅度差異。(20)感謝匿名審稿人對數字普惠金融縮小農業全要素生產率國別差距實證檢驗的意見和建議。限于篇幅,省略互聯網普及度對農業TFP收斂的調節效應及其分位數回歸結果,備索。估計結果顯示:互聯網普及度提升在各分位點均能提高數字普惠金融促進農業TFP的邊際效應,也擴大了其在縮小農業TFP國別差距中的作用。另外,數字普惠金融水平對處于低分位點的農業TFP的邊際促進效應高于高分位點。說明發展數字普惠金融有助于實現低農業TFP國家獲得更快的農業TFP增長。因此,得益于數字金融技術的普及推廣,數字普惠金融有助于加快現代農業技術的區域傳播,加快農業TFP實現全局收斂,上述分析驗證假說H3。

六、 研究結論與政策啟示

本文構建理論分析框架揭示數字普惠金融對農業TFP的影響機制,基于2011-2021年全球185個國家的跨國面板數據,測度全球數字普惠金融與農業全要素生產率現狀,檢驗數字普惠金融對農業TFP的影響及其異質性。主要結論如下:第一,降低農業信貸融資價格是數字普惠金融影響農業科技創新與資本深化的關鍵。第二,全球數字普惠金融發展水平與農業TFP穩步提升持續增長,中國數字普惠金融與農業TFP水平高于中高收入國家均值,但與高收入國家仍存差距。第三,數字普惠金融引致的農業資本價格下降能通過促進農業科技創新,提升農業TFP,也能通過加快農業資本深化進程,縮小農業TFP的國別差異。第四,在高附加值農業、糧食產量占比較高以及農村金融市場更為完善的國家中,數字普惠金融對農業TFP的促進效應更加明顯。第五,國內互聯網普及度提升對數字普惠金融的農業TFP提升效應會產生正向調節,也會加快數字普惠金融縮小農業TFP國別差異的進程。

提升農業TFP是全球現代農業發展方式轉型的目標之一(黃季焜等,2022)。當前,世界經濟邁入數字化轉型新階段,數字技術助力普惠金融快速發展,使其成為推動農業TFP提升的手段之一。(21)經合組織與糧農組織《Agricultural Outlook 2023-2032》:https:∥doi.org/10.1787/0801ab7-en, 2023-11-20。本文基于跨國面板數據研究數字普惠金融對農業TFP的影響,為現代化建設階段,提高我國農業生產力提供來自數字普惠金融視角的跨國經驗支撐。基于本文研究結論,提出如下政策建議:第一,加快農村地區數字普惠金融硬件設備建設。在農村地區加大互聯網信息平臺、移動終端、通訊設施建設力度,運用信息技術提供數字化、智能化的普惠金融服務,提升農村普惠金融部門供給能力與農戶數字普惠金融的接入水平。第二,提高農業科技創新領域的融資支持。以農業技術改造與現代農機裝備應用的融資支持為突破口,完善數字普惠金融與現代農業技術設備應用財政配套機制,激發農業經營主體開展農業科技創新活力,釋放數字普惠金融通過農業科技創新機制提升農業生產率的效能。第三,開展農村產業金融創新。以產業金融為載體,加快推進數字普惠金融與現代農業轉型融合發展,創新農業信貸支持投融資模式,完善政府主導,社會多元參與的農業領域投融資機制,推進農業資本深化進程。第四,創新基于國內農村電子商務的農業供應鏈融資模式。在強化農村電商示范點建設基礎上,基于農業經營主體的財務、營收等數據,完善數字普惠金融業務信息庫建設,針對性開展信用、擔保等無抵押模式的短期融資服務,加快推進數字普惠金融與現代農業融合發展。