數字普惠金融對農業綠色發展的影響研究

呂 良

(南京林業大學 經濟管理學院，南京 210037)

改革開放以來，我國物質生產能力大幅提升，但長期粗放型的生產方式以大量化學品投入、資源掠奪式開發為特點，致使當前農業發展面臨水土資源和生態環境多重桎梏[1]。黨中央國務院高度重視農業綠色發展，連年出臺多項政策文件，深入推進農業供給側結構性改革，構建人與自然和諧共生的農業發展新格局。2022年中央一號文件將生態振興擺在鄉村振興的重要位置，指出通過落實農業面源污染綜合治理和推進農業投入品減量為傳統農業轉型升級持續賦能。在保證農村經濟平穩增長的基礎上，落實綠色農業發展和人居環境整治已成為我國農業農村現代化建設的關鍵任務[2]。

伴隨著互聯網、大數據等新興技術與金融服務的深度融合，數字金融順勢而生并蓬勃發展。作為以數字技術為支撐的新普惠金融業態，數字普惠金融極大地打破了傳統金融排斥，助力金融資源向偏遠農村地區滲透。2021年中央一號文件首次明確提出“發展農村數字普惠金融”，自此，新型數字普惠金融產品大量涌現。借助淘寶村、微商村等農村電商形式，數字技術為農產品生產端和銷售端賦能，幫助農業提質增效。數字普惠金融交易成本低、普惠性廣、審批時間短等特點[3]，決定了其將持續為鄉村產業興旺和農業現代化提供及時的信貸資金支持。

以數字普惠金融為代表的數字化金融模式已成為“十四五”期間我國經濟綠色轉型的重要驅動力[4]。但是鮮有學者討論數字普惠金融與農業綠色發展之間的關系，其中的影響路徑和區域位置的差異性也有待挖掘。鑒于此，本文以數字普惠金融為切入點，基于2011—2021年中國30個省份(受數據可得性限制，西藏未納入本文研究范圍)的面板數據測算了各省農業綠色發展綜合評價指數，并分維度檢驗了數字普惠金融對農業綠色發展的影響效應。

1 文獻綜述

數字金融是金融領域的普遍數字化[5]。借助大數據、云計算、人工智能等技術，數字普惠金融提高了社會群體的金融可得性，已成為未來金融競爭的制高點[6]。理論界針對數字普惠金融的社會經濟效應和農業綠色低碳轉型的研究已不勝枚舉，大致可以分為以下三個方向：數字普惠金融的機會與風險、農業綠色發展的影響因素與評價方法、數字普惠金融對農村發展的影響。

1.1 數字普惠金融的機會與風險

以數字技術賦能農村普惠金融消除了營業時間和地理位置對金融服務供需的制約，通過金融科技快速搜集、整理目標客戶的征信數據，有效緩解了銀企間信息不對稱[7]。張勛、萬廣華等(2019)將中國數字普惠金融指數與中國家庭追蹤調查數據相結合，指出互聯網革命帶來的信息創造和共享提高了傳統金融的可得性和普惠性[8]。金融科技促使交易便利化，有利于將更多的金融資源配置到重點領域和薄弱環節[9]。然而，在肯定數字普惠金融減少金融排斥的同時，仍不能忽視隨金融科技而來的地區差異、數字鴻溝等現實問題[10]。老年人、低收入人群等因受教育年限短、學習能力偏弱，主動接觸和使用數字普惠金融的動機不足，這可能加劇地區之間的絕對差異[11]。

1.2 農業綠色發展的影響因素及評價方法

健全綠色低碳循環的農業經濟體系不僅是破解資源環境約束的治本之策，也是提升農產品國際市場競爭力的必然要求。綠色生產行為是在有限信息條件下，追求自身利益最大化的農戶與地方政府理性博弈的結果。農業綠色發展水平受農戶個體特征、家庭特征、農戶認知、信息技術可得性和政策環境的共同影響[12]。李立朋、丁秀玲、李樺(2022)基于陜北寶塔區蘋果種植戶調查數據，實證分析個體年齡、教育水平、經營規模、技術等級、環境壓力均對農戶有機肥使用行為有顯著影響[13]。

針對農業綠色發展水平的指標選取，國內學者大多依據政府文件和農業綠色發展基本要求[14]，在兼顧系統性、科學性和可操作性的基礎上[15]，構建農業綠色發展水平的綜合評價指標體系，并依據年度統計數據對全國或某個區域的農業綠色發展水平進行定量評價[16]。隨著經濟高質量發展持續推進，農業綠色發展內涵逐步擴充，農業綠色發展指標也將趨于多元化。

1.3 數字普惠金融對農村發展的影響

數字普惠金融為鄉村產業融合提供資金支持，推動鄉村產業全鏈條升級，其數字化特征將為農村經濟發展帶來“數字紅利”[17]。數字普惠金融以農民收入和固定資產投資為傳導中介可以進一步提升農業機械化水平[18]。金融機構作為數字普惠金融服務的提供主體，為政府機構和村委會搭建網絡共同治理平臺，有利于鄉村秩序和諧穩定[19]。但當數字基礎設施、金融生態和客體認知稟賦等未滿足特定要求時，城鄉之間的“數字鴻溝”將會凸顯，收入差距擴大，甚至帶來新一輪的金融排斥[20]。

縱觀上述文獻，前人研究已經對“數字普惠金融打破傳統金融排斥、為農村發展提供資金支持”形成基本共識，但仍存在兩個短板亟待完善。其一，現有研究忽略了數字普惠金融與農業綠色發展的關系研究。其二，尚未深入分析數字普惠金融對農業綠色發展的影響是否存在區域異質性?；诖?，本文在理論分析的基礎上，構建了雙向固定效應模型以探討數字普惠金融對農業綠色化轉型的實際影響，并從東部和中西部地區兩個層面分析數字普惠金融影響農業綠色發展的差異性，旨在為地方政府落實農業生產綠色化轉型提供行之有效的政策建議。

2 理論分析與研究假說

2.1 數字普惠金融推動農業生產綠色化轉型

作為普惠金融的數字化轉型，數字普惠金融在廣泛性、包容性、共享化方面與傳統金融工具相比具有顯著優勢，其通過構建信息共享機制，緩解借貸雙方信息不對稱，降低金融服務獲取成本，有利于促進區域綠色經濟增長[21]。一方面，數字普惠金融利用大數據對農戶和小微企業的信用狀況進行風險評級，緩解了傳統農業生產方式綠色轉型過程中因信息不對稱或無抵押品問題而受到的融資約束。另一方面，農戶在互聯網平臺上辦理數字普惠金融業務時，可以方便快捷地獲取綠色農產品的生產、運輸與銷售信息[22]，及時掌握市場對綠色健康食品的巨大需求，進而激發農戶從事農業綠色生產的內生動力?；诖?，本文提出假設：

H1：數字普惠金融有利于提升區域農業綠色發展水平。

2.2 基于農業技術創新的中介效應分析

技術創新是維持經濟增長的恒久驅動力[23]。同樣地，經濟的綠色轉型也離不開技術創新的驅動。在鄉村振興戰略和“雙碳”目標的推進下，農業生產部門對環境友好型技術創新需求旺盛，綠色農業科技進步貢獻率獲得提升[24]。新技術研發與應用離不開資金支持，而金融科技底層技術可以為區域創新活動擴大融資渠道，提高農業生產技術創新效率。此外，數字普惠金融通過為農村弱勢群體提供教育基金等金融服務，縮小城鄉教育差距[25]，培養農戶綠色發展意識，更有利于新型農業技術的推廣普及。隨著農村粗放的生產方式被綠色精細的生產方式取代，農業綠色發展水平將得到顯著提升?；谏鲜鲞壿嫹治?，本文提出如下假設：

H2：數字普惠金融可以通過創新驅動效應推動農業綠色發展。

3 研究設計

3.1 變量選擇

3.1.1 被解釋變量

本研究的被解釋變量是農業綠色發展水平(GRE)。不同于主觀賦權法依據決策者個人經驗確定指標權重，熵權法作為一種客觀賦權方法根據原始數據離散程度進行指標賦權，避免了主觀因素對權重系數的干擾，可以得到更加客觀精準的指標權重。為了對2011—2021年間我國30個省份的農業綠色發展水平進行客觀度量，本文在參考前人研究方法的基礎上，最終決定采用熵權法從環境友好、資源節約、產出效益三個方面[26-27]設定區域農業綠色發展水平評價指標體系(見表1)。

表1 農業綠色發展水平評價指標體系

熵權法主要計算步驟如下：

第一步，對所有指標值進行歸一化處理：

(1)

(2)

其中，i代表第i個評價對象，j代表第j個評價指標。MinXij、MaxXij分別表示第i個省份第j個指標的最小值和最大值。

第二步，計算每個指標的熵值Ej：

(3)

(4)

第三步，根據熵值確定熵權：

(5)

最后，計算農業綠色發展水平綜合得分Zi：

(6)

3.1.2 核心解釋變量

選取北京大學數字普惠金融發展指數(DFI)作為本文的核心解釋變量，該指數包含3個細化維度，分別是覆蓋廣度(COR)、使用深度(DEP)和數字化程度(DIG)。其中，覆蓋廣度主要通過支付寶賬號數量、綁卡用戶比例以及各支付寶賬戶綁卡數量具體表現；使用深度則依據用戶實際使用互聯網金融服務的情況進行衡量；數字化程度重點從移動化、實惠化、信用化和便利化方面考量。為減小與被解釋變量量綱的差距，本文將數字金融指數及其分維度指數均除以100[28]。

3.1.3 中介變量

現有研究主要采用經費投入或專利產出來衡量技術創新，本文借鑒張金鑫、王紅玲(2020)的研究方法[29]，選取2011—2021年間中國知網專利數據庫中農業科技專利數量(TEC)來衡量各省的農業技術創新水平。

3.1.4 控制變量

除解釋變量外，本文考慮到的其余可能影響農業綠色發展水平的外部干擾因素包括：①城鎮化率(URB)，城鎮化水平通過影響農產品種植規模對農業綠色發展產生間接影響，采用年末城鎮人口數與總人口數的比值衡量；②區域經濟發展水平(lnGDP)，經濟發展水平影響居民收入分配進而作用于農業要素投入和種植規模，采用各省(市)人均GDP的對數值表示；③交通狀況(TRA)，良好的交通基礎設施有利于生產要素快速流動，引導農村勞動力非農轉移，以鐵路與公路里程數與各省面積之比表征；④農業機械化程度(MAC)，以農機要素替代勞動力要素從事規模生產，農業綠色發展水平受到農機作業增碳效應和規?；a減碳效應的共同影響，選用機械總動力與耕地面積的比值表示；⑤財政支農水平(lnSUP)，財政支出可以對農業資本要素投入和生產方式轉型形成激勵效應，以農林水事務支出的對數值度量；⑥農村受教育程度(lnEDU)，教育水平的改善使得部分農戶主動轉出土地從事非農生產，進而改變農業要素投入行為，以農村人均受教育年限的對數值表示。

3.2 數據來源及描述性統計

本文選取的樣本數據為2011—2021年我國30個省(市、自治區)的面板數據。數字普惠金融指數來源于《北京大學數字普惠金融指數報告》，其余農業農村相關數據則主要從《中國統計年鑒》《中國農村統計年鑒》《中國農業機械工業年鑒》《中國勞動統計年鑒》中經整理得到。各變量的描述性統計詳見表2。

表2 主要變量描述性統計

3.3 計量模型構建

為確定具體的回歸模型，本文先對面板數據進行了F檢驗和Hausman檢驗，檢驗結果見表3。F檢驗P值均為0，強烈拒絕“選擇混合估計模型”的原假設，Hausman檢驗結果表明選擇固定效應模型效果優于隨機效應模型。因此，本研究決定構建雙向固定效應模型來實證檢驗數字普惠金融對農業綠色發展的影響效應：

表3 模型選定檢驗

GREit=β0+β1DFIit+β2∑Xit+μi+νt+εit

(7)

式(7)中，i、t分別對應省份和年份；β為各個變量的回歸系數；GREit為被解釋變量，表示i地區t時期的農業綠色發展水平；DFIit為核心解釋變量，表示i地區t時期的數字普惠金融發展水平；∑Xit表示相關控制變量集合；μi表示地區固定效應，νt表示時間固定效應，εit為誤差擾動項。

4 實證結果

4.1 基準回歸分析

表4量化了數字普惠金融及其三個維度對農業綠色發展的影響效應。列(1)、(3)、(5)和(7)僅考慮解釋變量而未加入任何控制變量，列(2)、(4)、(6)和(8)在模型中加入了本文全部控制變量。列(2)結果顯示，數字普惠金融對農業綠色發展影響的總效應為0.111，且具有1%顯著性水平的正相關性。即數字普惠金融指數每增加1個單位，農業綠色發展水平將提升0.111個單位。列(4)、(6)和(8)顯示，數字普惠金融三個維度(覆蓋廣度、使用深度、數字化程度)都有利于提升地區的農業綠色發展水平，促進效果卻表現出一定的差異性。相較于數字金融的使用深度和數字化程度，數字金融的覆蓋廣度對農業綠色發展水平影響的系數絕對值最高，意味著數字普惠金融對農戶綠色生產轉型的改善效果最顯著。究其原因，以區塊鏈、大數據、云計算為核心發展起來的數字普惠金融具有較強的地理穿透性，不僅緩解了農村地區長尾群體的融資約束，而且可以幫助小農戶對接大市場，刺激農戶綠色生產意愿，進而為我國農業綠色生產轉型提供重要的資金支持和信息服務。假設H1得到證實。

4.2 影響機制分析

根據前文的理論分析和研究假設可知，本研究認為數字普惠金融不僅可以直接為農戶參與綠色生產提供資金支持和信息服務平臺，還會通過鼓勵綠色技術創新賦能農業綠色化轉型，因此需要檢驗其中的作用機制。表5報告了以農業技術創新作為中介變量的逐步回歸檢驗結果。根據列(1)的回歸結果可知，在1%的置信水平上，數字普惠金融對農業技術創新具有顯著的正向影響。列(2)將農業技術創新與數字金融同時納入回歸模型后，數字普惠金融的系數仍然顯著為正，但回歸系數由0.111下降為0.103，表明農業技術創新在數字普惠金融對農業綠色發展的影響中發揮了部分中介作用。

表5 逐步回歸法中介效應回歸結果

為了進一步驗證農業技術創新在數字普惠金融與農業綠色發展之間發揮的中介效應，本研究使用Bootstrap抽樣法再次進行中介作用檢驗。設置Bootstrap重復抽樣次數 5 000次，置信區間的置信度為95%。檢驗結果如表6所示，直接效應上下限區間 [0.009 7，0.026 9] 和間接效應上下限區間 [0.001 3，0.007 2] 均不包含數值0，說明中介效應存在。農業技術創新起部分中介作用，中介效應大小為18.67%。假設H2得到證實。

表6 Bootstrap中介效應回歸結果

4.3 異質性效應分析

我國幅員遼闊，各區域間產業結構、資源稟賦和經濟發展基礎存在較大差異。鑒于此，本文將研究涵蓋的30個省份劃分為東部和中西部地區，進而檢驗數字普惠金融對農業綠色發展的影響是否存在區域異質性。借鑒李曉龍、江唐洋(2022)檢驗組間系數差異的做法[30]，引入虛擬變量Region，若省份位于中西部地區則Region取值為1，否則取值為0。

表7結果顯示，東部地區數字普惠金融回歸系數為0.081，中西部地區的回歸系數為0.065，且均通過了顯著性檢驗。列(3)在模型中加入交乘項后，交乘項的回歸系數顯著為負，表明數字普惠金融對東部地區農業綠色發展的促進效果要強于中西部地區。這可能是因為我國東部地區經濟實力雄厚、農業基礎設施完善、傳統金融發展水平較高，這些優勢為農戶從事農業綠色生產奠定了良好的基礎。受歷史條件和自然資源的限制，中西部地區傳統金融服務滲透率低、耕地資源稀缺、農業基礎設施薄弱，農戶生產方式以傳統粗放型為主。數字普惠金融雖然在一定程度上擴大了傳統金融服務的覆蓋范圍，但這些地理位置和資源稟賦上的限制并沒有完全消除。

表7 區域異質性回歸結果

4.4 穩健性檢驗

本研究的穩健性檢驗包括：一是更換樣本，考慮到直轄市在產業結構和政策支持方面與其他省份存在差異，刪除直轄市樣本后重新進行回歸，檢驗結果見表8列(1)；二是更換模型，鑒于農業綠色發展水平非負截斷特點，使用tobit模型進行回歸，結果見列(2)；三是變量縮尾處理，將模型中涉及的所有變量在1%和99%的分位上進行縮尾處理，檢驗結果見列(3)。經上述三種方法檢驗后，數字普惠金融對農業綠色發展影響的回歸系數和顯著性水平依然與前文基本保持一致。這說明本文的核心結論是穩健的，假設H1再次得到驗證。

表8 穩健性檢驗結果

5 結論與政策建議

本文基于2011—2021年中國30個省(市、自治區)的面板數據，使用熵權法構建評價指標體系測算了省級農業綠色發展水平，經實證分析揭示了數字普惠金融對農業綠色化轉型的作用效果和區域差異。具體而言：第一，數字普惠金融有效推動了傳統農業生產綠色化轉型，且數字普惠金融指數每增加1個單位，農業綠色發展水平將提升0.111個單位；第二，分維度來看，覆蓋廣度對農業綠色發展水平的影響效果大于使用深度和數字化程度；第三，數字普惠金融拓寬了綠色技術創新的融資渠道，進而增加了農業經營者的綠色農產品產出；第四，受經濟基礎和資源稟賦的影響，數字普惠金融助力農業綠色化轉型時存在明顯的區域差異化特征，東部地區較中西部地區更加顯著。

根據上述研究結論，本文提出以下政策建議：

首先，健全環境規制手段，擴大數字普惠金融業務覆蓋范圍。地方政府應加快布局完善數字基礎設施建設，不斷提高農村地區金融服務的可得性；同時，制定并落實嚴格的農業綠色發展規劃，利用數字金融提供的互聯網平臺引導小農戶農作物種植對接大市場綠色食品需求，以期激發農戶綠色生產的內生動力。

其次，推進農業技術創新，緩解農業技術研發部門資金約束。一方面，增加對農業綠色生產領域的投資力度，引導高?？蒲性核娃r業企業開展深度合作，實現對農業投入品減量、農業廢棄物回收利用、耕地修復等關鍵難題的攻克；另一方面，加快農業綠色低碳技術的示范推廣，幫助農戶盡快掌握高效的環境友好型農業生產技術。

最后，推動區域協同發展，提高數字普惠金融服務效率。綜合考慮不同省份在經濟基礎、資源稟賦和產業特色等方面的差異，合理利用東部地區科技創新的外溢效應，為中西部地區的農村數字基礎設施建設和農業技術創新提供有效支撐。