數字普惠金融對農業全要素生產率的影響研究

摘" "要：“十四五”新時期，數字普惠金融對農業生產的服務支持作用越發顯著。在探討數字普惠金融如何影響農業全要素生產率的研究中，選擇我國除港澳臺地區外的31個省級行政區2011—2021年的面板數據，運用DEA-Malmquist指數模型，從產出、投入兩方面對農業全要素生產率進行了量化評估;構建固定效應檢驗模型，實證探究數字普惠金融在提升我國農業全要素生產率方面的作用;構建門檻效應回歸模型，探討二者之間是否存在非線性影響。研究結論為：第一，數字普惠金融的蓬勃發展顯著推動了農業全要素生產率的提高，特別是在促進農業技術進步方面表現尤為突出，但其數字化程度的影響效應并不明顯。第二，數字普惠金融在不同地域背景下所產生的影響會因地區發展水平的不同而存在差異。第三，數字普惠金融對農業全要素生產率的作用不僅與其自身的發展程度有關系，還與農村居民的收入水平高低有關。

關" 鍵" 詞：數字普惠金融;農業全要素生產率;DEA-Malmquist指數模型;門檻機制

中圖分類號：F832" " " " " 文獻標識碼：A" " " "文章編號：2096-2517（2024）03-0040-12

DOI：10.16620/j.cnki.jrjy.2024.03.004

一、引言

我國是農業大國，農業是國家和地區經濟發展的基礎產業， 其發展對于實現經濟增長至關重要。為了提高農業的整體生產效率，2018年發布的《中共中央 國務院關于實施鄉村振興戰略的意見》中提及要提高農業全要素生產率， 推進農業由增產導向轉向提質導向， 促進農業高質量發展， 從而實現農業強國的目標。2022年的中央農村工作會議也明確提出，農業全要素生產率是對農業生產系統總體效率的度量。要實現農業全要素生產率的提升， 除了依賴勞動力和土地等傳統要素投入外，金融服務和金融產品也起著關鍵作用， 有助于解決農業生產中的融資難題。目前，我國 數字普惠金融正處于迅速發展的階段，數字普惠金融不僅能夠提供多元化且成本較低的金融產品，還能有效解決金融機構和農戶之間資源配置不平衡的問題，從而提升農業全要素生產率水平[1]。

根據相關文獻研究，互聯網的發展對農業技術進步有顯著影響，并能顯著提高農業全要素生產率[2]。通過調整和優化各地區之間的要素配置，并適時調整農業產業結構，可以有效實現農業全要素生產率的進一步發展[3-4]。此外，農業全要素生產率還受到各地區人均可支配收入和財政支農力度的影響[5-6]。學者們在對數字普惠金融的研究中發現，數字普惠金融及其不同維度都對我國經濟的發展起著推動作用[7]，同時對農民增收也具有重要意義[8]。此外，產業結構升級能夠促進數字普惠金融發展，縮小城鄉收入差距[9]。在農業較發達的地方，數字普惠金融能更有效地提升農業全要素生產率[10]。

在梳理相關文獻的過程中發現，目前，對于數字普惠金融如何影響農業全要素生產率的研究較少，且對數字普惠金融與農業全要素生產率之間的關系持有不同的觀點。學術界在進行該領域的門檻研究時，關注點更多是在數字普惠金融本身和人力資本的視角上，鮮有從農村居民收入水平的視角來進行研究分析。因此，本文在門檻變量的選取上做了創新，將數字普惠金融本身和農村居民收入水平當作兩個門檻變量來進行實證檢驗，深入探究兩者間的作用機制，從而為相關領域的研究貢獻新的見解和實證依據。

二、理論分析與研究假設

（一）數字普惠金融影響農業全要素生產率的直接機制

農業生產經營活動往往會受自然資源、社會經濟資源、地理位置等影響，導致生產經營風險較大，交易成本較高，因此需要金融機構向農村地區提供更多、更便利的金融服務。近年來不斷發展的數字普惠金融突破了傳統金融的地域限制，覆蓋范圍更廣闊，服務成本更低，可以有效解決農村生產經營活動中所遇到的問題，從而提高農業生產效率。

1. 數字普惠金融影響農業全要素生產率的總效應

在數字技術與普惠金融深度融合的基礎上，數字普惠金融所涉及的區域范圍進一步擴大，使越來越多的農村居民能夠接觸到數字普惠金融。 首先，數字普惠金融能夠為農業生產者提供有效的市場信息，降低地區之間的信息不對稱程度，從而擴大農業生產經營投資。其次，數字普惠金融以客戶需求為重點，為農戶提供合適的金融產品，利用數字普惠金融的支付、信貸、保險等多種金融服務功能，為農戶提供資金支持。最后，數字技術為推動普惠金融的發展創造了有利條件， 降低了金融交易成本，為農戶提供更優質、更便捷的服務。同時，農戶還可以通過互聯網學習農業相關技術知識，提高自身素養，最終達到提升農業全要素生產率的目標[12]。通過以上分析，提出如下假設。

假設1：數字普惠金融能夠提升農業全要素生產率。

2. 數字普惠金融影響農業全要素生產率的分解效應

農業全要素生產率可以分解為農業技術效率和農業技術進步兩方面[11]。其中，農業技術效率是指在相同投入水平下，農業生產所獲得的產量與質量之比，因此，農業技術效率的高低受到資金、勞動力、自然資源等投入要素的影響。數字普惠金融推動金融服務進入農村地區，促進了農業現代化和規模化發展，為農民提供了便利的金融服務，同時提高了農業從業人員的知識和技能水平，優化了農業勞動力資源配置，進而提升了農業技術效率。

農業技術進步是指在農業經營活動中不斷采用效率更高、更具先進性的農業技術，以替代那些生產效率較低、過時的技術，從而提高農業生產力。數字普惠金融作為一種有效的融資手段，為農業技術創新提供了資金支持，同時也極大地緩解了農業融資困難的問題， 分散了農業技術創新的風險。同時， 數字普惠金融能夠推動農村數字基礎建設，通過互聯網將各種信息傳遞給農戶，提高農業技術的推廣普及程度， 引進能夠促使農業高效高產的設備和技術，帶動農業技術的進步，從而提升農業全要素生產率[12]。通過以上分析，提出如下假設。.

假設2： 數字普惠金融能提升農業技術效率。

假設3： 數字普惠金融能促進農業技術進步。

（二）數字普惠金融影響農業全要素生產率的門檻機制

數字普惠金融作為金融發展進程中的關鍵節點，不可避免會受到經濟發展的影響。從收入效應的角度來看， 當農村地區經濟發展水平較低時，農村居民收入水平也會相對較低，導致農村金融排斥問題的出現，農民基本的金融服務需求得不到很好的滿足。 雖然數字普惠金融可以有效化解金融排斥，但由于農村居民的文化水平普遍偏低，缺乏對數字普惠金融的了解，從而導致農村居民對數字普惠金融的參與度不高， 不利于農業生產效率的提高。反之，當農村地區經濟發展水平較高時，農村居民收入水平也會顯著提升，農戶會將更多的資金用于農業生產經營活動， 從而促進農業全要素生產率提升。從資源配置效率的角度來看，隨著農村居民收入水平的提高，農民有能力根據市場需求和自身條件來獲取金融服務，調整農業生產結構，發展特色農業、 綠色農業等高效農業模式。 通過優化各地區資源配置， 不僅可以促進當地農業產出增加，還能幫助當地農業生產效率有效提升。因此，數字普惠金融對農業全要素生產率的影響可能是非線性的， 會受到農村居民收入水平的約束。 通過以上分析，提出如下假設：

假設4：數字普惠金融對農業全要素生產率存在非線性影響，這種效應受到農村居民收入水平的影響。

三、研究設計

（一）變量選取及數據來源

1.變量選取

被解釋變量。農業全要素生產率（TFP）。測算方法選用數據包絡分析中的DEA-Mamlquist指數模型，在測算指標體系的建立中，參考了李谷成等（2015）[13]和蔣健等（2023）[14]的研究，并進行綜合考量和整理。 以下是建立的農業TFP指數測算指標體系（見表1）。

核心解釋變量。數字普惠金融發展總指數（index）。并進一步針對其3個核心維度，包括覆蓋廣度（breath）、使用深度（depth）和數字化程度（digital）做深入研究。為了使回歸結果更加準確，參考了姚正海等（2022）[15]的做法，將數字普惠金融總指數及三個維度指數的值分別除以100進行回歸分析。

控制變量。在考慮到我國農業全要素生產率可能受到其他因素影響的情況下，本文借鑒了李文啟（2014）[16]、趙景峰（2020）[17]和喬翠霞等（2023）[18]的研究，在綜合考慮后，選擇了以下5個變量作為控制變量。（1）農村電力設施水平（elec），使用農村耗電量來衡量。（2）財政支農強度（finc），使用政府一般公共預算中農林水事務支出占各地區財政支出的比重來衡量。（3）農村金融發展水平（fd） ，使用各地區農業貸款余額占各地區第一產業增加值的比重來衡量。（4）農業科技創新水平（tec），使用各地區農業發明專利授權量來衡量。（5）產業結構（inst），采用各地區第一產業增加值占各省生產總值的比重來衡量。為了解決各個變量之間數值不相匹配的問題，將農村耗電量和地區農業發明專利授權量的數據除以100后進行回歸分析。

門檻變量。鑒于數字普惠金融可能會對農業全要素生產率產生非線性的影響，本文選擇數字普惠金融自身和農村居民收入水平（income）作為門檻變量，其中農村居民收入水平，使用各地區農村人均可支配收入來衡量。變量歸納如表2所示。

2.數據來源

本文使用我國2011—2021年除港澳臺地區外31個省級行政區的面板數據進行實證分析。具體而言，關于數字普惠金融相關數據，主要參考了北京大學數字金融研究中心所發布的數字普惠金融指數[19]，而因變量以及控制變量等基礎數據來源于《中國統計年鑒》《中國金融年鑒》《中國農村金融服務報告》、各省統計年鑒以及國家統計局等。同時，對于個別未公布的數據，采用插值的方法來填補。

（二）模型設計

本文構建了固定效應和門檻效應檢驗兩個模型進行實證研究，旨在更全面、更準確地揭示二者之間的關系及其影響路徑。

1.固定效應模型

根據前文的指標選取， 本文構建以下固定效應模型：

TFPpy=γ0+γ1indexpy+∑γnZpy+εpy （1）

在式（1）中，TFPpy代表p省份在y時期的農業全要素生產率，indexpy代表p省份在y時期的數字普惠金融發展水平，Z表示對被解釋變量有影響的控制變量的集合。n代表變量種類， 包括農村電力設施水平、財政支農強度、農村金融發展水平、農業科技創新水平和產業結構。γ0表示常數項，γ1表示數字普惠金融的影響系數，εpy表示隨機擾動項。

本文在構建上述模型的基礎上，將農業全要素生產率的兩個分解項EC和TC以及數字普惠金融的三個不同維度分別帶入模型中展開實證研究。具體模型構建如下：

ECpy=γ0+γ1indexpy+∑γn Zpy+εpy" （2）

TCpy=γ0+γ1indexpy+∑γn Zpy+εpy （3）

TFPpy=γ0+γ1breathpy+∑γn Zpy+εpy" （4）

TFPpy=γ0+γ1depthpy+∑γn Zpy+εpy" （5）

TFPpy=γ0+γ1digitalpy+∑γn Zpy+εpy （6）

在以上模型中， 使用EC代表農業技術效率、TC代表農業技術進步。同時分別使用breath、depth和digital代表數字普惠金融的三個不同維度。

2.門檻效應檢驗模型

為了更加嚴謹地檢驗數字普惠金融對農業全要素生產率是否產生非線性的影響， 在以上研究基礎上， 構建以數字普惠金融自身和農村居民收入水平為門檻變量的門檻效應檢驗模型， 具體表達式如下：

TFPpy=γ0+γ1indexpy L（ωpy≤μ）+γ2indexpy L（ωpygt;μ）+∑γn Zpy+εpy （7）

在式（7）中，p表示不同省份，y表示不同年份，ω表示數字普惠金融本身和農村居民收入水平兩個門檻變量，μ表示二者的門檻值，L（.）表示指示性函數，其余符號與式（1）相同。

四、實證分析

（一）數字普惠金融對農業全要素生產率的影響分析

1.描述性統計分析

根據表3中的描述性統計結果， 在2011—2021年，我國農業全要素生產率的平均值為1.094。其中，最小值為0.925， 最大值2.871;EC和TC的標準差分別為0.476和0.103，表明不同地區之間存在較大的農業技術效率差異。數字普惠金融發展水平的平均值為2.305， 最低值為0.160，最高值為4.590; 數字普惠金融三個不同維度的標準差分別為1.039、1.059和1.169，表明不同省份之間數字普惠金融的覆蓋廣度與使用深度的差距并不大，而數字化程度的差距相對較大。門檻變量農村人均收入水平的平均值為1.321， 其中最小值為0.428，最大值為3.852，標準差為0.587，表明各省份之間農村居民可支配收入之間存在較大的差距。

2.基準回歸分析

本文在進行實證回歸分析時，結合逐次加入不同控制變量的方法，分別進行6次回歸檢驗，結果如表4所示。

表4的列（1）至列（6）分別顯示了逐步加入不同控制變量后的基準回歸結果。總體來看，無論在哪個階段添加新的控制變量，數字普惠金融都能夠有效推動農業全要素生產率的發展。列（1）在沒有加入控制變量的情況下， 其產生的影響系數為0.017，并且在5%的水平上通過檢驗，這一結果說明，數字普惠金融可以對農業全要素生產率的發展產生積極的影響。從后續的展示結果發現，隨著每次回歸引入更多的控制變量后，數字普惠金融的回歸系數從0.017上升到0.036， 其產生的影響從在5%的水平上顯著上升到了在1%的水平上顯著。由此可知，數字普惠金融的持續發展提高了農村地區的金融服務水平，擴大了金融服務范圍，降低了金融交易門檻，緩解了農民在生產活動中面臨的資金短缺問題。同時，數字普惠金融還能提升農業生產者的專業技術知識和金融素養，從而促進農業全要素生產率的提升。假設1得到驗證。

從列（6）中的控制變量來看，產業結構指數在1%的水平上呈正向顯著影響產業結構指數衡量了各地區第一產業在整個產業結構中的比重，說明農業在整體產業結構中的比重較大有利于農業全要素生產率的提升。然而，財政支農強度對農業全要素生產率的影響并不顯著，可能是由于財政支出分配不合理和資金利用效率低下等問題，導致對農業全要素生產率的促進作用并不明顯。農村電力設施水平和農業科技創新水平均呈負向顯著影響。農村電力設施水平的負向影響可能是因為農村用電主要用于居民生活而非農業生產，從而降低了農業生產效率;農業科技創新水平的負向影響可能是因為農業科技的研發難以與實際生產相結合，導致農業技術使用不當，從而抑制了農業全要素生產率的提高。此外，農村金融發展水平對農業全要素生產率的影響不顯著且系數為負。這可能是因為雖然數字普惠金融為農村金融發展提供了資金支持，但農業貸款面臨自然災害風險和申請條件嚴格等問題，導致農業資金無法有效利用，從而對農業全要素生產率的促進作用不明顯。綜上所述，產業結構、農村電力設施水平、農業科技創新水平對農業全要素生產率產生了不同程度的影響，這些影響因素的合理調控對于提升農業全要素生產率具有重要意義。

3. 數字普惠金融對農業技術效率及技術進步的影響

在基準回歸的基礎上，本文進一步將農業全要素生產率的兩個分項分別代入模型進行回歸，結果如表5所示。

從表5的回歸結果中可以看出，數字普惠金融的發展對EC產生的影響系數為0.007， 但僅在10%的顯著水平上得到證實， 這表明在一定程度上， 數字普惠金融能夠有效提升農業技術效率。從列（3）的結果中發現，數字普惠金融的發展對TC的影響在1%的水平上顯著， 其促進作用為0.026， 這表明數字普惠金融對農業技術進步產生的作用更為顯著。綜上，數字普惠金融更多依靠農業技術進步與創新來推動農業全要素生產率的提高。 隨著數字普惠金融的不斷推廣與發展，金融交易成本有效降低，這不僅為農業經營活動提供了充足的資金，還促進了農業技術的創新。由于數字普惠金融能夠推動農業資源要素在地域間更加順暢地流動， 從而優化了地區間的資源配置，最終促進農業技術效率的提升，實現農業全要素生產率的提高。假設2和假設3得到驗證。

4. 數字普惠金融不同維度對農業全要素生產率的影響

為了更加準確地分析數字普惠金融的不同維度在提升農業全要素生產率方面的作用效果，本文對每個維度分別進行了回歸，具體結果見表6。

根據表6列（1）-（4）的結果顯示，數字普惠金融覆蓋廣度對農業TFP的作用系數為0.039，且在1%的顯著水平上通過檢驗。由此可見，數字普惠金融的發展使其覆蓋范圍更廣泛，打破了傳統的地域限制， 使農村地區能夠獲得更便捷的金融服務產品，從而有效地提高農業TFP。數字普惠金融使用深度對農業TFP的影響最大，其作用系數為0.04，同樣在1%的水平上顯著。 由此可見數字普惠金融采用互聯網技術有助于農戶更便捷地接觸到金融產品，推動金融服務的下沉和使用率的提高，從而使農業TFP得到有效提升。 數字普惠金融的數字化程度雖然對農業TFP有著正向的影響， 但效果并不顯著。這說明盡管數字普惠金融的數字化提高了農民獲取金融服務的便利性，但目前農村地區仍然存在老年人居多、 農戶金融素養較低等問題，導致對農業全要素生產率的影響不顯著。

5.穩健性檢驗

為了確保回歸結果更具穩健性，本研究采用了三種方法進行穩健性檢驗：改變模型（系統GMM）、調整樣本空間（剔除四個直轄市）和縮尾處理。具體的回歸結果見表7。

為使結果更具說服力，首先更換回歸模型，使用系統GMM模型對面板數據重新進行估計。從表7列（1）可以看出，系統GMM模型中AR（2）的P值大于0.1，表明擾動項沒有二階自相關，在Hansen檢驗中P值也大于0.1， 表明變量通過了過度識別檢驗，且在改變模型后，數字普惠金融依然產生了積極的促進作用，其作用系數為0.034，在1%的顯著性水平上通過檢驗，表明其能有效促進農業全要素生產率。其次是列（2）參考姚鳳閣等（2022）[19]的做法調整樣本空間。由于國家對直轄市有更多的優惠政策， 且經濟發展水平與其他省份可能存在差異，故在原樣本中將北京、天津、上海和重慶這四個直轄市剔除，并再次進行回歸分析。結果顯示，數字普惠金融的促進作用為0.037，同樣通過了1%的顯著性水平檢驗。最后是列（3）參考了陳強遠等（2020）[20]的做法， 在回歸之前對樣本數據進行了1%的雙邊縮尾處理， 回歸結果顯示數字普惠金融在1%的水平上顯著為正。綜合以上結果發現，在經過三種不同方式的檢驗后，數字普惠金融對農業全要素生產率的提升仍然起到了積極的促進作用，此結果與基準回歸分析的結論保持一致，證明了結果的穩健性。

6.內生性檢驗

考慮到數字普惠金融與農業TFP之間可能存在內生性問題，因此，本文參考了齊紹洲等（2015）[21]的方法，采用滯后項的方式重新進行回歸分析。回歸結果如表8所示。

表8中，列（1）-（3）分別是采用數字普惠金融的滯后一期、滯后二期和滯后三期代替原數字普惠金融指數進行回歸的結果。在三次回歸中，其滯后項的影響系數分別為0.045、0.049和0.066，并都在1%的顯著性水平上通過檢驗。基于此結果發現，滯后一期、二期和三期的數字普惠金融仍然在促進農業全要素生產率方面發揮著重要的作用。這一結論與基準回歸結果一致，驗證了結果的穩健性。

（二）異質性分析

本文對全國31個省級行政區進行異質性分析。 考慮到我國不同地區的農業資源稟賦和經濟發展水平存在差異，將樣本分為東部、中部和西部地區三組進行回歸分析。結果如表9所示。

根據表9的實證結果可知，數字普惠金融的發展在三個不同區域中，對農業全要素生產率的提升有不同程度的影響效應，同時，列（3）的數據顯示，數字普惠金融的發展在中部地區產生的影響最為顯著，回歸系數為0.046，超過了全國水平0.036，并且在5%的顯著水平上通過檢驗。 這可能是由于中部地區幾乎全部是農業大省，以及數字普惠金融在該區域快速推廣，使其對農業生產效率的提升具有顯著效果。相對而言，盡管東部地區也展現出了數字普惠金融的發展勢頭，但其對農業全要素生產率的積極影響要次于中部地區，對比西部地區的作用最為微弱，但仍然保持正向影響。這可能是因為西部地區的經濟發展水平相對較低，農業技術較為落后，因此，數字普惠金融對農業全要素生產率的提升作用較小。綜上，在對三個地區分別進行回歸后，數字普惠金融的影響系數在不同程度上顯著為正，這表明其存在區域差異性。

（三）門檻效應分析

數字普惠金融在我國的發展存在區域差異，可能導致發展滯后地區的農民難以獲得金融服務，從而阻礙農業全要素生產率的提升。此外，數字普惠金融作為金融發展的重要階段，也會受到農村居民收入水平的影響。為了更深入探究數字普惠金融與農業全要素生產率的非線性影響，本文使用Bootstrap法對樣本共進行了300次的重復抽樣，并對門檻效應進行了檢驗。具體的檢驗結果如表10所示。

表10的門檻效應檢驗結果顯示， 在將數字普惠金融自身當作門檻變量的情況下，依次進行了單門檻、雙門檻和三門檻檢驗，從表10的結果可以看出，在10%的顯著水平上僅單門檻效應通過了顯著性檢驗，其P值為0.073，這表明該模型只存在單一門檻效應。當以農村居民收入水平作為門檻變量時，單門檻的p值為0.080，通過了顯著性檢驗，而雙門檻和三門檻的p值都大于0.1， 說明該模型也同樣只存在單一門檻效應。 具體門檻值的估計結果如表11所示。

表11的結果顯示， 數字普惠金融對農業全要素生產率的單門檻值為2.820， 在95%的置信水平上，其置信區間為[2.485，2.840]。農村居民收入水平的單一門檻值為1.498，在95%的置信水平上，其置信區間為[1.431，1.512]。通過上述分析，將兩個門檻變量代入式（7）進行回歸分析，回歸結果如表12所示。

從表12列（1）的回歸結果可以看出， 當數字普惠金融的發展水平較低時， 農戶普遍存在資金不足的問題， 妨礙了農業產能的提升及農業效益的提高。 當數字普惠金融指數超過單一閾值（indexgt;2.820）時，數字普惠金融的影響系數由負轉為正，并在1%的水平上顯著。由此可見，當數字普惠金融跨過相應的閾值后， 其對農業全要素生產率呈現顯著的促進作用。 原因在于，自2016年開始，我國數字普惠金融得到全面發展，為農村地區提供了更便捷、高效和低成本的金融服務，進而為農村經濟發展創造了更好的金融環境。這使得數字普惠金融得到了有效利用，對農業生產產生了積極影響，并進一步增強了對農業全要素生產率的提升作用。

表12中列（2）顯示的是以農村居民收入水平作為門檻變量進行回歸的結果。當農村居民收入水平較低（income≤1.498）時，數字普惠金融的回歸系數為0.008，但未通過顯著性水平檢驗。這可能是農村地區存在生產技術落后、抵御自然災害能力不足等問題，導致農村居民收入水平較低，可用于消費和儲蓄的資金有限。這種情況下，數字普惠金融的發展受到限制， 對農業TFP的提升沒有明顯的作用。當農村居民收入水平超過單一閾值（incomegt;1.498）時，數字普惠金融的回歸系數提高到0.038， 并通過1%的顯著性水平檢驗。由此可見，隨著農村經濟的蓬勃發展， 農戶的收入水平也逐步提高，這一趨勢進一步促進了數字普惠金融在農村地區的發展，從而推進農業TFP的不斷提高。值得注意的是，隨著農村居民收入水平的提高，他們的金融素養和能力也將相應提升，這有利于數字普惠金融在農村的進一步發展， 進而促進農業TFP的提高。假設4得到驗證。

五、研究結論與政策建議

（一）研究結論

本文將理論與實證相結合， 使用2011—2021年我國除港澳臺地區外的31個省級行政區的面板數據， 從數字普惠金融及其三個不同維度入手，深入探究其對我國農業全要素生產率及其兩個核心分項之間存在的內在作用機理，并進一步分析可能存在的門檻效應。具體研究結果如下：

1.在觀測期內，一方面，我國數字普惠金融在農村不斷推廣與普及，使我國的農業全要素生產率在一定程度上得到提升。具體而言，其產生的促進作用更多體現在農業技術進步方面。 另一方面，擴大數字普惠金融的覆蓋范圍與加深其使用深度是決定我國農業全要素生產率提升的關鍵因素，然而，其數字化程度并不能直接對農業全要素生產率產生顯著的影響。

2.對不同地區進行分組回歸后發現，我國數字普惠金融在東、中、西不同區域內，對農業全要素生產率的影響程度存在明顯的地區差異，尤其是中部地區受益最多，其次是東部地區，而西部地區受到的影響則相對較小。

3.在進行非線性影響的檢驗中可以發現，觀測期內的數字普惠金融在影響農業全要素生產率的提升時，不僅與其自身的發展程度有關，還與農村居民的收入水平高低有關。換言之，當數字普惠金融在某一區域的發展水平較高以及農民收入較高時，其對于全面提升農業全要素生產率的效果就更為明顯。

（二）政策建議

為了更好地推進數字普惠金融與農業全要素生產率的相互促進，本文提出以下建議：

1. 加強數字普惠金融在農村地區的數字化建設。首先，金融機構要深入推進智能化的農村金融服務， 因地制宜建立特色鮮明的普惠金融產品，建立線上服務平臺，如移動支付、在線貸款、在線咨詢等，打造具有地區特色的服務模式。其次，各地區要廣泛宣傳數字普惠金融的價值和利益，大力普及數字技術與金融知識，加大信息科技和金融人才的培養力度，以提升農村地區的人力資本水平。最后，應該深化金融機構的數字化轉型，加強對農村數字普惠金融服務的監管與規范，減少農戶與金融機構之間因信息不對稱而產生的信用風險，以確保農村金融服務體系的穩健運行，實現農村金融服務質量和效率的提高， 有效推動農村地區的經濟發展， 從而促進農業全要素生產率的提升。

2.推動區域間數字普惠金融的協調發展。一方面， 政府需要針對不同地區的發展狀況和需求特點，建立多元化的政策扶持體系，以提高數字金融服務普及率和用戶使用率。另一方面，為了避免地區之間農業發展差距進一步擴大，需要優化各地區之間的資源配置，同時，各地區的金融機構應該加強合作交流，實現資源共享和優勢互補，激發數字普惠金融服務的創新動力，提高金融服務的可持續發展水平，以此促進數字普惠金融在不同地區的均衡發展，縮小地區間的農業發展差距，從而進一步推動農業全要素生產率的提升。

3.加快農業技術和生產設備的創新。首先，農業生產經營者可以引進和研發先進的生產技術，如病蟲害防治技術、轉基因技術和遙感技術等，通過技術創新提升生產效率，降低生產成本，從而增加農民收入。其次，農戶可以引進現代化的農業機械生產設備， 通過使用智能化的生產設備， 有效減輕農民的勞動強度，提高生產效率，從而提高農民的生產效益。最后，政府應加大對農業科技創新的投入和支持力度，提供政策保障和資金扶持，以此來提高農業生產效率和效益， 促進農村經濟的發展， 以實現數字普惠金融的最大化價值，有效發揮數字普惠金融在提升農業全要素生產率方面的作用，加快發展以創新為主導，具有高質高效的新質生產力。

參考文獻：

[1]張啟文，田靜.數字普惠金融能否提升農業全要素生產率？——基于異質性與空間溢出效應視角[J].農業經濟與管理，2023（1）：45-56.

[2]李欠男，李谷成.互聯網發展對農業全要素生產率增長的影響[J].華中農業大學學報（社會科學版），2020（4）：71-78，177

[3]郭素芳，劉琳琳.要素整合與農業經濟增長動力轉換——基于農業全要素生產率視角[J].天津師范大學學報（社會科學版），2017（1）：65-69，74.

[4]金芳，金榮學.農業產業結構變遷對綠色全要素生產率增長的空間效應分析[J].華中農業大學學報（社會科學版），2020（1）：124-134，168-169.

[5]ZHANG J S，YAN X Y，HU X Z.Calculation of the Agricultural Total Factor Productivity and its Influencing Factors in Chongqing of China[J].Agro Food Industry Hi-Tech，2017， 28（1）：1810-1812.

[6]王雯.中國農業全要素生產率的驅動因素分析與對策研究[J].學習與探索，2018（9）：126-131.

[7]蔣長流，江成濤.數字普惠金融能否促進地區經濟高質量發展？——基于258個城市的經驗證據[J].湖南科技大學學報（社會科學版），2020，23（3）：75-84.

[8]謝婷婷，史曉潔.數字普惠金融能否提升農業產業發展質量？[J].金融理論探索，2024（11）：32-43.

[9]宋鳳軒，劉瑩，牛桂草.共同富裕視域下數字金融對區域協調發展的影響研究[J].金融理論探索，2023（2）：15-22.

[10]唐建軍，龔教偉，宋清華.數字普惠金融與農業全要素生產率——基于要素流動與技術擴散的視角[J].中國農村經濟，2022（7）：81-102.

[11]唐勇，呂太升.數字普惠金融能提升農業全要素生產率嗎？[J].哈爾濱商業大學學報（社會科學版），2023（3）：3-18.

[12]朱秋博，白軍飛，彭超等.信息化提升了農業生產率嗎？[J].中國農村經濟，2019（4）：22-40.

[13]李谷成，尹朝靜，吳清華.農村基礎設施建設與農業全要素生產率[J].中南財經政法大學學報，2015（1）：141-147.

[14]蔣健，唐小平，李雙雙.農村人口老齡化對農業全要素生產率的影響研究[J].中國農機化學報，2023，44（2）：230-240.

[15]姚正海，孫鑫.數字普惠金融、融資約束與企業財務績效[J].武漢金融，2022（6）：42-52.

[16]李文啟.中國農村金融發展水平的區域差異研究[J].農村經濟，2014（7）：74-78.

[17]趙景峰，張靜.金融發展對中國農業技術創新的影響研究[J].理論學刊，2020（6）：55-63.

[18]喬翠霞，劉韻致，楊晨曦.FDI對農業技術創新的影響——基于財政支農的調節效應分析[J].東岳論叢，2023，44（5）：148-159，192.

[19]姚鳳閣，王天航，談麗萍.數字普惠金融對城市全要素碳排放生產率的影響[J].商業研究，2022（3）：112-121.

[20]陳強遠，林思彤，張醒.中國技術創新激勵政策：激勵了數量還是質量[J].中國工業經濟，2020（4）：79-96.

[21]齊紹洲，林屾，王班班.中部六省經濟增長方式對區域碳排放的影響——基于Tapio脫鉤模型、面板數據的滯后期工具變量法的研究[J].中國人口·資源與環境，2015， 25（5）：59-66.

作者簡介：昝金莉，女，四川成都人，研究方向為農業農村發展;滕磊，男，山東德州人，博士，教授，研究方向為數字金融、金融科技。