數字普惠金融對福建省農業全要素生產率的影響研究

摘" 要：該研究采用固定效應模型，對福建省9個地級市2011—2021年的面板數據進行深入分析，在深入探討數字普惠金融對福建省農業全要素生產率的具體影響機制時，發現其推進對農業全要素生產率的增長產生顯著的正向作用。進一步的研究揭示了數字普惠金融的作用機制，主要是通過加速農業技術進步和提升農業技術的利用效率，進而可有效地推動福建省農業全要素生產率的提升。控制變量中，城鎮化率的提升、產業結構的優化及經濟發展水平的提高均對農業全要素生產率有正向的推動作用。然而，種植結構的調整可能會在一定程度上抑制農業全要素生產率的提升。

關鍵詞：數字普惠金融；農業TFP；DEA-Malmquist指數；分解效應；固定效應模型

中圖分類號：F830" " " 文獻標志碼：A" " " " " 文章編號：2096-9902（2025）04-0040-04

Abstract： This study uses a fixed effect model to conduct an in-depth analysis of panel data from nine prefecture-level cities in Fujian Province from 2011 to 2021. When in-depth discussion of the specific impact mechanism of digital inclusive finance on agricultural total factor productivity in Fujian Province， it is found that its promotion has had a significant positive effect on the growth of agricultural total factor productivity. Further research reveals the mechanism of digital inclusive finance， which mainly promotes the improvement of agricultural total factor productivity in Fujian Province by accelerating the progress of agricultural technology and improving the utilization efficiency of agricultural technology. Among the control variables， the improvement of urbanization rate， the optimization of industrial structure and the improvement of economic development level all have a positive effect on agricultural total factor productivity. However， the adjustment of planting structure may inhibit the improvement of agricultural total factor productivity to a certain extent.

Keywords： digital inclusive finance; agricultural TFP; DEA-Malmquist index; decomposition effect; fixed-effect model

在高質量發展背景下，農業的轉型升級迫在眉睫，高效的現代化農業增長方式成為我國農業的轉型方向，農業全要素生產率的增長是現代化農業的關鍵指標。福建省農業經濟發展勢頭強勁，各地依托特色條件，形成了多樣化的農業發展模式。然而，福建省仍面臨粗放生產帶來的挑戰，包括增長質量不高和效率低下等問題。數字普惠金融作為新型的金融模式，正逐漸成為解決農業發展融資難題的有力工具。本文通過構建數字普惠金融對農業全要素生產率影響的理論框架，分析數字普惠金融對福建省農業全要素生產率的具體作用機制及其影響效果。

1" 文獻綜述

1.1" 農業全要素生產率的研究

農業全要素生產率是衡量農業生產效率的重要指標[1]，是農業可持續化發展的關鍵所在[2]。在農業全要素生產率的測算方法的研究中，主要包含生產函數法、指數法、生產前沿面方法。甘天琦等[3]運用隨機前沿模型（SFA）測算縣域農業全要素生產率發現技術效率的提升以及規模效益的增強，顯著地推動了生產率的增長。劉霞婷等[4]基于SFA模型測算我國農業全要素生產率（TFP），結果表明，提升農業全要素生產率是促進農業經濟增長的重要途徑；龍少波等[5]采用Malmquist指數法測算高質量發展背景下我國農業TFP，研究發現，技術效率會抑制農業全要素生產率的增長，技術進步則恰恰相反，是驅動農業全要素生產率增長的源泉。王世浩等[6]運用Malmquist指數法探究了長江經濟帶農業全要素生產率的時空變化。胡雪萍等[7]從環境角度出發，發現環境規制能夠促進農業全要素生產率的增長；蔣健等[8]認為農村人口老齡化會抑制農業TFP的增長，且具有地區差異性；杜莉等[9]發現土地流轉費用降低對于農業全要素生產率具有促進作用。

1.2" 數字普惠金融的研究

隨著區塊鏈、云計算以及大數據技術的日益普及與深化應用，數字普惠金融這一新型金融模式應運而生。葛和平等[10]經過深入探究，發現數字普惠金融的蓬勃發展在完善金融基礎設施的同時，極大地增強了金融服務的普及性和可獲取性。金婧[11]認為區域經濟越發達，數字普惠金融的金融賦能作用越強；鄭志龍等[12]發現數字普惠金融通過一系列信貸供給機制的優化，顯著提升了信貸規模以及信貸質量。

1.3" 金融發展對農業全要素生產率的影響研究

農業全要素生產率的增長離不開金融資本。謝攀[13]的研究表明金融發展給農業發展帶來更多金融資源，從而促進農業TFP；張愛英等[14]認為普惠金融的發展能夠提升金融滲透度，極大地促進農業全要素生產率的增長；秦佳慧[15]發現數字普惠金融在緩解農業資金約束方面發揮了重要作用，進而顯著提升了農業的技術效率和累積效率，從而有力推動了農業TFP的提升。

2" 研究設計

2.1" 福建省農業全要素生產率的測算

本文利用DEA-Malmquist指數法測算福建省農業全要素生產率。在農業投入和產出指標的選取上，本文在借鑒以往文獻的基礎上，選取農林牧漁總產值（億元）作為農業產出指標；選取鄉村從業人數（萬人）、農作物總播種面積（畝）、化肥施用量（萬t）、農藥用量（t）作為農業投入指標[16]。

在農業全要素生產率的計算模型選擇上，為避免主觀因素對計算結果的影響，選擇DEA-Malmquist模型，該模型可直接通過投入產出數據計算出生產率的變化情況。

2.3" 變量選取與數據來源

被解釋變量。農業全要素生產率（TFP）、分解得到農業技術進步（TECH）以及農業技術效率（EF），本文采用DEA-Malmquist指數法測算，考慮到本文研究的農業全要素生產率的水平值，則需轉化為2011年為1的TFP累積增長指數[17]，測算得到福建省2012—2021年農業全要素生產率。

核心解釋變量。選取2012—2021年北京大學數字普惠金融指數（DIFI）作為核心解釋變量[18]。

控制變量。通過對現有文獻的整理，本文選取經濟發展水平（gdp）、城鎮化水平（urban）、種植結構水平（struc）以及產業結構水平（inst）作為控制變量[19]。

數據來源。數字普惠金融指數來源于“北京大學數字普惠金融指數”，考慮到該數據只更新到2021年，本文數據截止時間選為2021年。農業全要素生產率相關指標、控制變量等數據來源于福建省各地級市統計年鑒、地方政府網站等。

3" 實證結果與分析

3.1" 基準回歸

數字普惠金融與福建省農業全要素生產率的回歸分析結果見表2。在第（1）列中，不考慮控制變量的影響，數字普惠金融對農業全要素生產率的回歸系數為0.012，且在1%的顯著性水平上成立。而在第（2）列中，包含了一系列控制變量后，DIFI的回歸系數為0.011，且達到了1%的顯著性水平。可見，數字普惠金融發展對農業全要素生產率具有正向促進作用。

關于控制變量的考量，城鎮化水平與農業全要素生產率之間的回歸系數達到1.064，該系數在5%的顯著性水平上呈現正向關聯。結果表明，城鎮化的發展對于農業技術的推廣具有積極推動作用。另外，種植結構水平與農業全要素生產率之間的關系的回歸系數顯示為-0.196，在5%的水平上顯著且具有負向相關性，這表明種植結構的調整沒能達到優化農業生產結構的效果，從而抑制了農業全要素生產率的提升；產業結構水平（lninst）與農業全要素生產率的回歸系數為0.806，在1%的水平上顯著且具有正向相關性，說明產業結構調整有利于推動農業全要素生產率的提升；地區生產總值（lngdp）的系數0.757，且通過了5%水平的顯著性檢驗，結果表明，地區生產總值的增長能夠有效促進農業全要素生產率的提升。

為探討數字普惠金融對福建省農業全要素生產率的作用機制并進行驗證，本文將TFP分解為TECH和EF 2個方面進行剖析。采用固定效應模型對其進行回歸分析，回歸結果見表3。

由表3可知，DIFI與lnTECH的回歸系數為0.004，且達到了10%的顯著性水平，說明數字普惠金融發展對農業技術進步具有顯著促進作用，DIFI與lnEF的回歸系數為0.004，且在5%的水平上顯著，數字普惠金融對農業技術效率的促進作用更為明顯。

3.2" 穩健性檢驗

本文通過增加控制變量來進行穩健性檢驗。鑒于農業全要素生產率還可能受到政府農業財政支持力度的影響，因此在穩健性檢驗中納入了財政支持（fina）作為新的控制變量，并重新進行了回歸分析。表4展示了穩健性檢驗的結果。結果表明，在加入新的控制變量后，估計結果以及顯著性均與基準回歸模型無顯著差異，本文實證結果的穩健性得到檢驗。

4" 研究結論與對策建議

4.1" 研究結論

第一，數字普惠金融對福建省農業全要素生產率具有正向推動作用，數字普惠金融的發展提高了金融的覆蓋率和滲透率，更多的農業企業和農戶可以便捷地獲得金融服務，緩解資金問題，有助于農業生產規模的擴大，從而提升農業全要素生產率；其次，數字普惠金融對農業技術進步和農業技術效率均具有促進作用，且相比之下，對農業技術效率的提升效果更為顯著。

4.2" 對策建議

福建省各級政府部門應深化推進數字普惠金融發展，通過制度建設、政策支持等方式，扶持和激勵各地金融機構進行金融服務創新；針對經營網點少和數字化基礎設施建設較差的農村地區，加強數字金融基礎設施的建設，逐步普及數字化金融服務，以增強農村居民的金融服務可得性，進而為農業發展開辟更多元化的融資渠道。此外，全省各金融機構應進一步深化數字金融體系構建，不斷提升數字化水平，為農村貧困地區及農業小微企業提供更加便捷的數字金融服務，以促進農業全要素生產率的提升。同時，通過開展金融培訓、講座以及加大農村教育投入等方式，提升農業生產經營者的金融素養，加深農業生產經營者對數字普惠金融的了解，增加金融使用頻率，促進農業全要素生產率的提升。

參考文獻：

[1] 李谷成，蔡慕寧，葉鋒.互聯網、人力資本和農業全要素生產率增長[J].湖南農業大學學報（社會科學版），2021，22（4）：16-23.

[2] 張恒，郭翔宇.農業生產性服務業發展與農業全要素生產率提升：地區差異性與空間效應[J].農業技術經濟，2021（5）：93-107.

[3] 甘天琦，杜建國，李波.中國縣域農業全要素生產率的分異特征與驅動因素[J].經濟問題，2022（4）：101-107.

[4] 劉霞婷，李強，吳超，等.中國農業全要素生產率動態分析——基于SFA模型和Log（t）回歸方法[J].中國農業資源與區劃，2022，43（1）：50-59.

[5] 龍少波，張夢雪.中國農業全要素生產率的再測算及影響因素——從傳統邁向高質量發展[J].財經問題研究，2021（8）：40-51.

[6] 王世浩，王寶海，孫魯家.長江經濟帶農業全要素生產率時空演變及影響因素研究[J].湖北農業科學，2022，61（17）：31-38.

[7] 胡雪萍，樂冬.環境規制促進了農業全要素生產率提升嗎？[J].江漢論壇，2022（11）：42-51.

[8] 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.

[9] 杜莉，何格.土地流轉、勞動力城鄉流動與農業全要素生產率：理論與實證[J].農村經濟，2024（1）：93-101.

[10] 葛和平，高越.數字普惠金融發展對農業全要素生產率的影響[J].財會月刊，2021，916（24）：144-151.

[11] 金婧.共同富裕背景下數字普惠金融對鄉村產業振興的影響——基于省域面板數據的實證[J].商業經濟研究，2022（4）：177-180.

[12] 鄭志龍，李雨臻.數字普惠金融對農村相對貧困的影響[J].改革，2024（5）：80-94.

[13] 謝攀.城鎮化、金融發展與農業全要素生產率[J].農村金融研究，2020（11）：27-37.

[14] 張愛英，孟維福.普惠金融、農業全要素生產率和城鄉收入差距[J].東岳論叢，2021，42（9）：63-76，191.

[15] 秦佳慧.數字金融與農業全要素生產率的關系探究——基于數據包絡法和計量模型[J].農場經濟管理，2023（11）：31-33.

[16] 雷紹海，王成軍.中國農業全要素生產率研究進展與前沿——基于CiteSpace的文獻計量可視化分析[J].云南農業大學學報（社會科學），2022，16（3）：124-133.

[17] 范麗霞，李欠男，李谷成.撤縣設區對農業全要素生產率增長的政策效應——來自江蘇省的實證證據[J].農業農村部管理干部學院學報，2022，13（3）：1-8，23.

[18] 郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020，19（4）：1401-1418.

[19] 劉艷.數字普惠金融對農業全要素生產率的影響[J].統計與決策，2021，37（21）：123-126.