数字普惠金融能提高农业全要素生产率吗？——基于省级面板数据的实证检验

沈 洋，唐海英，周鹏飞

（重庆师范大学经济与管理学院，重庆 401331）

一、引言

改革开放四十多年来，中国农业发展取得了巨大成就，中国用世界7%的耕地养活了世界22%的人口；同时，较好地满足了经济快速发展对农业原料的巨大需求，为第二、第三产业的发展提供了坚实的物质支撑（李谷成等，2011）。但是，在耕地面积不断减少、农村青壮年劳动力持续流失以及自然资源约束趋紧的形势下，中国农业主要依靠资源消耗的农业发展路径难以实现可持续发展。随着中国经济进入“新常态”，经济可持续发展的动能从依靠人口红利转向供给侧结构性改革，中国必须加快农业现代化进程，促进传统农业向现代化农业转型发展。农业全要素生产率代表农业现代化过程中的技术进步，如农业机械化、信息化等，因此农业现代化的一个重要标志就是农业全要素生产率的提高，而农业全要素生产率的提高表现在农业高质量发展是由创意和创新带来的效率改善所推动（叶璐和王济民，2020）。提高农业全要素生产率是抵御“马尔萨斯危机”的重要保障，而保障农业高质量产出的关键在于提高生产效率。党的十九大报告明确提出要把提高全要素生产率作为我国经济转型升级的动力源泉。农业作为国民经济的基础性、战略性部门，现阶段面临着由“高产”向“优质”转型的“时间窗口”。因此，稳步提升农业全要素生产率对破解资源约束、转变发展功能以及促进农业高质量发展具有重大现实意义。

农村金融作为现代农业经济运行的“血液”，在金融扶贫和乡村振兴过程中扮演着重要角色；而服务实体经济，推动其持续健康发展是金融业的使命所在（成学真和龚沁宜，2020）。过去十年，大数据、互联网、云计算等新兴信息技术与传统普惠金融深度融合发展，数字普惠金融应运而生，以蚂蚁金服“旺农贷”、众安保险“众安小贷”和京东金融“京农贷”以及中国工商银行“网贷通”等为代表的数字金融工具涌现并实现规模化增长。数字普惠金融的普惠性使以往被传统金融体系所忽视的群体有更多机会获取如互联网信贷、网上理财以及移动支付在内的金融支持。数字普惠金融具有服务门槛低、成本低和不受时间空间约束等优势，其不仅改变了传统普惠金融的经营管理模式，提高了金融服务的多样选择性和渗透性，而且以一种更加精准、有效的方式打通了农村金融服务的“最后一公里”，使金融资本能够更好地满足农业转型升级，满足金融资金数量、金融服务方式以及金融产品类型的多样化需求（何宏庆，2020）。此外，数字普惠金融还带来了信贷资源配置效率和农业产业融资约束的显著改善，对农业产业转型升级、提高农业全要素生产率具有深远影响。因此，在新旧动能加速转化的关键节点上，从数字普惠金融角度入手，探究数字普惠金融与农业全要素生产率的关系，对推动金融资本服务三农领域、促进农业现代化发展具有重要现实意义。

二、文献综述

数字普惠金融泛指一切使用数字金融服务促进普惠金融发展的金融服务活动，即指通过数字化或电子化技术，如电子货币、支付卡和常规银行账户，开展各项传统金融规划和银行对账服务，其本质是利用现代信息技术拓展传统普惠金融服务边界，帮助金融服务更好地惠及被传统金融服务所忽视的社会群体。

关于金融与农业现代化发展之间的关系，学者们进行了大量研究。谭霖和邓伟平（2011）利用面板数据误差修正模型和格兰杰因果检验实证发现，发展农村金融短期内并不能提高农业全要素生产率，但从长期看能显著促进其发展。尹雷和沈毅（2014）指出农村金融对农业全要素生产率的促进作用源于技术进步。张勋等（2019）指出，数字金融的发展可以提升农村居民的创业概率，促进农村居民的就业，促进农村经济增长，有助于实现包容性增长。曾小艳和祁华清（2020）认为数字普惠金融的蓬勃发展显著提升了农业产出水平，对逐步缓解我国农村地区的融资约束有重要作用。

关于数字金融与农村经济的关系，张栋浩和尹志超（2018）通过构建村庄层面的金融普惠指数发现，普惠金融有助于降低农村家庭贫困状况，发展金融普惠对进一步完成脱贫攻坚任务具有重要意义。傅秋子和黄益平（2018）提出，数字普惠金融越发达，农村消费性金融需求越容易被激发。尹应凯和彭兴越（2020）认为，数字普惠金融的发展能够显著促进经济发展，且金融科技能够促进农业全要素生产率增长并存在双门限效应，但随着门槛值的下降，其促进效应不断下降。

上述文献对本文研究农业全要素生产率提供了方法借鉴及研究视角启示，但有关研究仍存在边际改进的可能。本文的边际贡献在于：一是已有文献从农村金融的角度入手，研究金融与农业全要素生产率之间的关系，但在刻画金融维度方面较为简单，导致了金融评估不完全，无法全面反映农村金融对农业全要素生产率的影响。本研究借助更加完备的评价体系反映普惠金融推广程度，能够更加精准地反映普惠金融与农业全要素生产率之间的关系。二是现有文献关于数字普惠金融与农业全要素生产率两者之间的研究比较少。本文创新性地将农业全要素生产率与数字普惠金融纳入统一框架，探究两者之间的相互关系，以便揭示数字普惠金融能否推动农业全要素生产率提高，这对未来金融业服务乡村振兴具有启示意义。

三、作用机制分析

随着数字技术在金融领域的应用和快速发展，金融服务和产品深度嵌入人们的日常生活。数字技术的迅速发展为金融服务“长尾客户”提供了机遇和空间，在扩大金融市场范围和金融服务延展深度方面发挥了关键作用。数字普惠金融促进农业全要素生产率提高的作用机制表现在以下四个方面：

第一，数字普惠金融依托互联网、大数据、云计算等技术，突破了传统金融服务的地域限制，提高了金融服务的可获得性。农业生产发展的方向是适度规模化，与规模化发展相伴而生的是对资本的旺盛需求，而面向规模化农业生产组织和种粮大户的普惠金融很难满足其金融服务需求。数字普惠金融通过大数据思维，利用数字化技术和金融科技手段，建立不同区域的服务模型，可以非常便捷、快速地判断生产者的经营能力以及可负担的负债规模。因此，数字普惠金融能够有效提高农业生产经营主体在资金融通、支付、投资和信息中介等方面服务的可获得性及精准性，这就为农业企业引进和消化各种农业生产技术奠定了坚实的资金基础。

第二，数字普惠金融可以通过电脑、手机及其他移动终端设备等向需求者提供金融服务，扩大了金融服务的覆盖范围。移动互联网改变了人们接触金融的方式，大大降低了金融机构获取用户的成本，大数据技术也深刻地改变了搜集数据、处理数据和甄别风险的效率，大量被传统金融排斥在外的农村小企业、农户以及农村年轻创业者通过支付和转账、农资采购、农产品销售以及经营性小额贷款等方式被纳入金融机构的服务范围之内。此外，数字技术降低了金融服务对物理网点的需求，且基于大数据的风险管理体系进一步降低了征信与风险管理成本，这将推动金融机构向农业领域和农村地区拓展服务业务，有助于解决农业领域金融服务不平衡、不充分等问题。

第三，数字普惠金融可以通过网络虚拟技术向服务对象提供教育培训学习渠道。金融机构通过建立网上学习平台，与普惠金融产品相结合，让偏远农村地区的人们学习金融知识和农业生产技术知识，提升农村金融消费者和其他普惠金融服务群体的综合素养与人力资本水平，这有助于提高农业全要素生产率。

第四，数字普惠金融的普及能够打破农民的乡村观念，增强农民的现代化和市场化意识（吴本健等，2020）。单纯地依靠宗亲、家族内部非金融借贷途径提供资金来源并不能满足农民对资金的大量需求，而数字普惠金融的发展有助于改善这一状况，使农民逐渐摆脱“现金为王”等传统观念，这有利于改善农村地区落后的市场观念，激发农村地区的市场交易行为，盘活农村经济，提高农业全要素生产率。

综上所述，数字普惠金融继承了传统普惠金融的基本内涵，以一种可负担的金融借贷服务满足农业金融需求，同时利用现代数字技术拓展普惠金融覆盖范围，化解农村信息不对称，对降低普惠金融准入门槛、提高金融机构放贷效率和减少金融服务“长尾客户”具有积极作用，如果数字普惠金融能够深入农业产业链的各个环节，将有效缓解农村金融需求压力，提高资源配置效率，从而有利于农业全要素生产率的提高。

四、农业全要素生产率的测度与描述

（一）DEA-Malmquist 指数法

当前，测度全要素生产率的方法主要分为两类：第一类方法是建立在生产函数假设基础上的C-D 函数法、超越对数函数法以及代数指数法等参数模型，此类方法具有精准识别随机因素的优势，但对模型构造有着较为严格的设定要求，若模型设定不合理，则会导致所测量的模型有偏差，且仅限于使用大样本数据。第二类方法是以数据包络分析（DEA）和随机前沿法（SFA）等为代表的非参数模型，属于一定确定性的非参数估计。此类方法不用设定具体的生产函数形式，因而能够很好地避免模型设置不合理带来的误差。与随机前沿分析方法相比，DEA 最大的优点在于其仅通过线性规划方法来测算，既不需要任何具体的函数形式或分布假设来计算出前沿函数，也不要求投入产出变量具有共同的量纲，且具有适用于统计噪声较小对象等优点，因此被认为更加适用于农业领域全要素生产率的测算（廖文康等，2019）。该方法目前被广泛用于各种生产效率的测算（尹筑嘉等，2020）。因此，本文参照王亚飞等（2020）的做法，采用DEA-Malmquist 指数法从动态角度测度我国2011－2018年农业全要素生产率。

本文引入基于投入产出向量为导向的生产距离函数：

其中，x表示投入变量，y表示产出变量，δ表示定向输出效率变量。时期t和时期t+1 的Malmquist 指数可以表示为：

对式（2）和式（3）的测算结果取几何平均数可得到独立决策单元t时期至t+1 时期的Malmquist 指数：

在规模报酬不变的前提下，将所测算的Malmquist 指数拆解为技术进步指数（Tech）和技术效率指数（Effch）：

式（5）中，技术效率指数和技术进步指数的具体核算公式为：

式（6）和式（7）中的上标c表示规模报酬不变。在规模报酬可变的前提下，技术效率指数还可以进一步分解为纯技术进步指数（Pech）和规模效率指数（Sech），分别表示管理制度水平和农业投资规模对农业生产的影响，三者的关系可以表达为：

式（4）至式（8）中，由DEA-Malmquist 指数测算得来的各项指标的参考标准为1，若测算的指数值大于1，表示生产情况得到改善，生产效率提高；反之，则表示生产情况恶化。

（二）农业全要素生产率评价体系

农业全要素生产率是反映农业生产效率、衡量农业经济发展质量的重要指标。高效率的经济体往往能够通过较少的资源消耗获取较高的生产回报。农业全要素生产率测算过程中，基于农业五要素理论，参考王亚飞等（2019），周鹏飞等（2020）的做法，选取以下投入产出指标作为评价体系。

1.产出指标

农业产出（Y1），以2011年不变价格的第一产业生产总值核算；农业产出（Y2），农业增加值消除了“中间消耗”，能更加真实地刻画农业创造的实际价值，以农林牧副渔业的增加值计算。

2.投入指标

劳动力投入（L），反映一定时期内实际投入农业生产过程中的劳动力数量，选取第一产业从业人员数量表示；机械投入（M），农业机械表示用于农林牧副渔业生产的农业机械，其反映了农业现代化水平，以农用机械总动力表示；灌溉投入（I），灌溉水平是反映我国农业生产中水利化水平的重要指标，选取有效灌溉面积进行表征；土地投入（A），在已有文献中，土地投入有耕地面积与播种面积之分，为消除实际生产过程中由于生产荒废或是反复耕作带来的偏差，更加真实地反映土地的实际利用率，选取实际播种面积进行表征；化肥投入（F），农业生产过程中为增加土壤肥力，氮肥、磷肥、钾肥等材料不可或缺，选取化肥施用量（折纯量）进行表征。

本文数据样本包括中国大陆31 个省份，未包含港澳台地区。本文测算农业全要素生产率所选取的指标原始数据来源于2011－2018年《中国统计年鉴》《中国农村统计年鉴》和各省市统计年鉴，对于极少部分缺失值，采用线性插值法进行补齐。

（三）农业全要素生产率描述性分析

基于以上投入产出设定，借助DEAP 2.1 软件对我国农业Malmquist 指数进行测算，测算结果如表1所示。

表1 我国农业全要素生产率测度结果

由表1可知，2011－2018年，整体上农业全要素生产率平均每年增加4.1%，且主要源自技术进步指数的提高（平均每年上升3.8%），表明在考察期内我国农业技术不断进步，能够为农业生产带来良好的效益。该结论表明我国农业全要素生产率的增长主要是依靠农业技术进步指数的提高，而技术效率的改善对农业全要素生产率的提升效用不足。换言之，我国农业全要素生产率的增长主要是生产前沿边界的外移，而不是生产前沿边界的追赶产生。该结论与高帆（2015）和史常亮等（2016）的观点类似。需要指出的是，农业全要素生产率的提高仅靠技术进步单轮驱动，可能导致后续发展动力不足。

五、数字普惠金融与农业全要素生产率实证分析

（一）变量选取与数据说明

1.被解释变量

农业全要素生产率（ATFP）及其分解的农业技术进步指数和农业效率指数，根据DEAP 2.1 软件测算得出。同时，因DEA-Malmquist 指数法测算出来的ATFP指数是以相邻两期数据作为对比而测算出来的环比指数，只能反映短期内的变化。若直接代入测算可能导致测算结果有偏差。因此，本研究参照已有文献的做法（杜红梅和戴劲，2020；石晓阳等，2020；周鹏飞，2021），构造以基期年份为基准的累积全要素生产率指数，即将各省份各年度的环比指数进行累乘，其分解的两个指数也按照此方法进行整理，计算公式如下：

2.核心解释变量

数字普惠金融（Digital Inclusive Finance，DIF）。北京大学数字金融研究中心于2016年编制的“北京大学数字普惠金融指数”涵盖了数字化程度、覆盖广度、使用深度、信贷、保险等子维度，共计33 个指标，现已被广泛用于表征数字普惠金融发展水平。本研究选取北京大学数字金融研究中心课题组2019年公布的数字普惠金融指数（第二期）作为数字普惠金融的代理变量，限于篇幅，其具体测算过程和详细指标不再展示，详情可参考郭峰等（2020）的做法。

3.控制变量

为尽可能缓解因遗漏重要变量对模型估计所带来的偏差，获取无偏估计，本文参考已有文献，选取交通基础设施（Road）、产业结构（Indu）、城镇化率（Urbr）、科技创新（Inno）以及农业受灾面积（AA）作为控制变量。同时，为了减缓异方差的干扰以及缩小数量级，将所有解释变量进行对数化处理。基于以上设定，本文构建如下回归模型：

其中，Y表示农业全要素生产率及其分解的技术进步指数和技术效率指数；α表示待估系数，下标i和t分别表示年份和省份，εi,t表示随机扰动项。

（二）实证结果分析

为解决内生性问题，将被解释变量的滞后项纳入模型进行动态面板估计。因此，将式（10）拓展为动态模型，构建以下函数：

Control表示信息集，包含所有控制变量。此外，若将被解释变量的滞后项纳入模型会造成被解释变量的滞后项与误差项相关而产生联立内生性问题。因此，本研究运用系统广义矩估计法对模型进行估计，以解决动态面板偏差。

根据表2的估计结果可知，采用Arellano-Bond 序列相关检验和Hansen工具变量检验，两步系统GMM 估计结果显示AR(1）的P 值均小于0.100，AR(2）的P 值均大于0.100，可以判断出随机扰动项不存在一阶序列自相关和二阶序列自相关的问题；同时，可以看到工具变量过度识别检验中Hansen 检验的P 值均大于0.100，表明工具变量设置有效，不存在弱工具性问题，这说明很好地消除了内生性问题。因此，可以认为两步系统GMM模型的设置是合理的，可以进行估计分析。由数字普惠金融对农业全要素生产率及其分解项目的具体估计结果可知：

表2 SYS-GMM 估计结果

（1）从被解释变量的滞后项来看，ATFP、Tech和Effch的滞后一期系数均为正，其回归系数分别为0.835、0.489 和0.647，且均通过了1%水平上的显著性检验。这说明农业全要素生产率及其分解的Tech和Effch均受到前一期水平的影响，上一期的农业发展水平会显著影响当期的农业生产行为和效率，即ATFP存在显著的路径依赖或惯性效应。

（2）从数字普惠金融的估计结果来看，DIF对于ATFP及其分解的Tech和Effch的回归系数分别为0.035、0.116和0.061，且均通过了1%水平上的显著性检验，表明数字普惠金融的深入发展总体上能够显著带动ATFP的提高。

（3）从ATFP分解项的具体数值来看，数字普惠金融对Tech（0.116）的影响大于Effch（0.061）。这表明在实践中，数字普惠金融更有助于缓解农业创新主体的资金困难，进而有效提高Tech；这也印证了数字普惠金融在农村地区能够激发农业创新主体的积极性，消除个体之间的信息不对称现象。然而Effch因受到自身主观管理经验、企业管理能力等影响，数字普惠金融对其的促进作用较弱。

（三）稳健性检验

因构造的累积全要素生产率大部分取值在0～2，即被解释变量是受限的，参照赵敏和刘姗（2020）的做法，先对ATFP进行缩尾处理，再采用面板Tobit 模型进行稳健性检验。除了构建动态面板模型以消除内生性问题之外，还可以采用工具变量法消除内生性问题。北京大学数字普惠金融指数根据蚂蚁金服海量运营数据编制而成，蚂蚁金服总部在浙江省杭州市，因此选用各省市到杭州市的球面距离①假设AB 两点的经纬度分别为(lona，lata)和(lonb，latb)，那么他们之间的地理距离可以表示为：d =2R×arcsin 其中，R 为地球半径，且R=6378.13 km。作为工具变量；同时，为了防止弱工具变量问题，选取2003年②2003年互联网上网人数为历史变量。因为2003年的互联网上网人数不可能随着2011－2018年经济发展状况而发生任何改变，因而其满足工具变量的外生性要求。互联网上网人数作为第二个工具变量，采用两阶段最小二乘法（2SLS）进行估计。

由表3可知，核心解释变量与ATFP及其分解的Effch和Tech之间的相关关系未发生改变，其显著性也未发生改变。因此，可以认为上文两步系统GMM 模型中获得的数字普惠金融能够促进ATFP提高的结论是稳健的。

（四）结构效应

为检验数字普惠金融究竟通过何种路径发挥其对农业全要素生产率的推动作用，或者是何种路径发挥的作用最大，本文将数字普惠金融的覆盖广度、使用深度和数字化程度三个子维度纳入模型（9）中，分别进行回归拟合。为了使估计结果具有可比性，本文对三个维度的变量进行了标准化处理，结果如表4所示。

由表4可知，覆盖广度、使用深度和数字化程度均能够正向影响ATFP，这一结果印证了数字普惠金融能够突破传统普惠金融服务过程中时间与空间限制，扭转金融歧视局面，为不同客户群体提供差异化的金融信贷产品以实现金融资本要素合理配置，进而提高ATFP。具体来讲，覆盖广度对ATFP的拉升作用最大，数字化程度和使用深度的促进作用次之，这表明数字普惠金融主要通过惠及“长尾客户”，提高金融服务覆盖率和可得性来发挥积极作用。

表4 结构效应估计结果

六、进一步研究

上文通过系统GMM 估计法验证了数字普惠金融对农业全要素生产率具有正向促进作用，但我国农业全要素生产率的发展受数字普惠金融的影响是否存在门槛特征？不同发展阶段是否会存在不同的相互关系？本文采用面板门槛模型进行验证，参照Wang（2015）的研究方法建立面板门槛模型。因无法确定具体门槛数量，故先假设存在单一门槛，设定门槛模型如下：

式（12）中，qi表示门槛变量，r表示未知门槛值。为了保证门槛估计的精度，分析数字普惠金融对ATFP的门槛特征时，采用Hansen（2000）的自举法依次检验模型的门槛数，得到F 统计量和P 值，具体数值如表5所示。

由表5可知，单一门槛效应在5%水平下显著，而双重门槛和三重门槛则不显著。因此，可以认为数字普惠金融对ATFP的影响存在单一门槛效应，故选用单一门槛模型分析数字普惠金融对ATFP的非线性影响。

表5 门槛效果检验

门槛效应检验之后，本文对单一门槛估计值进行估计和检验，表6报告了数字普惠金融对ATFP的参数及其95%的置信区间，门槛估计值为4.855，位于区间[4.809，4.927]。

表6 门槛估计结果

表7报告了数字普惠金融与ATFP单一门槛模型参数估计结果，其中，数字普惠金融的门槛值为4.855。当DIF小于等于4.855 时，数字普惠金融对ATFP的估计系数为0.129，且通过了1%显著性水平检验，这说明数字普惠金融每提高1%，会促使ATFP上升0.129 个单位，验证了数字普惠金融能够有效地缓解金融排斥和金融资本错配问题、带动农业高质量发展。当DIF大于4.855 时，数字普惠金融对ATFP的估计系数为0.154，也通过了1%显著性水平检验，估计系数有所提高，表明当数字普惠金融发展水平跨越一定门槛值时，其对ATFP的促进作用会持续放大，“乘数效应”更加明显。其可能的原因在于随着数字普惠金融发展水平不断提高，数字普惠金融的覆盖广度、数字化程度和使用深度也随之提高，普惠金融服务惠及更多“长尾客户”，银行放贷决策效率不断提高，以及数字技术边际成本趋于零的优势不断显现，农村更广大地区的农村居民能够通过互联网平台获取更多信贷产品服务；与此同时，随着农村居民思想观念的不断转变，农民对数字普惠金融的接受度和需求量随之提高，因而数字普惠金融能够更大程度地惠及农业生产，从而促进ATFP提高。这一结论也反映出我国数字普惠金融对ATFP的促进作用还处于规模报酬递增阶段，因而今后的发展方向应是加大数字普惠金融基础设施建设和相应配套体制机制的不断完善，为充分发挥“数字红利”做好准备。

表7 单门槛估计结果

七、结论与政策启示

（一）结论

数字普惠金融作为传统普惠金融数字化、网络化发展的必然趋势，能够为我国全面推进乡村振兴，实现乡村产业发展、生态宜居以及生活富裕等美好愿望注入强劲动力，是助推农业持续发展的重要抓手。本文基于2011－2018年我国31 省份的面板数据，运用DEA-Malmquist 指数法测算了我国农业全要素生产率的整体情况，并结合北京大学数字金融研究院公布的数字普惠金融指数，对数字普惠金融能否促进农业全要素生产率进行了实证检验。此外，本文利用面板门槛模型揭示了我国农业全要素生产率发展受数字普惠金融影响的门槛效应，主要结论如下：

第一，SYS-GMM 结果表明，数字普惠金融对我国农业全要素生产率有显著的正向作用，即数字普惠金融发展能够促进农业全要素生产率的提高。从深层次的传导机理来看，数字普惠金融对农业技术进步的促进作用大于对农业技术效率的促进作用，即数字普惠金融对农业全要素生产率的促进作用更多依赖农业技术进步的提高。此外，从数字普惠金融的各个子维度来看，覆盖广度对农业全要素生产率的推动作用最大，数字化程度和使用深度次之。

第二，在非线性分析中，数字普惠金融对农业全要素生产率的促进作用存在单门槛效应，在门槛值左右两端均有显著促进作用，即数字普惠金融能够有效缓解金融排斥和金融资本错配问题，带动农业高质量发展。当数字普惠金融的发展水平跨越门槛值后，其促进作用会进一步放大，“乘数效应”更加明显，这也反映了我国数字普惠金融对农业全要素生产率的促进作用还处于规模报酬递增阶段，今后仍需要大力开发完善数字普惠金融发展所需的相关基础设施、体制和机制，以充分释放“数字红利”。

（二）政策启示

为最大程度发挥数字普惠金融对农业全要素生产率的促进作用，结合本文研究结论，可以获得以下启示：

第一，持续推动数字普惠金融在农村地区的发展，完善农村数字基础设施建设。应加快数字普惠金融在农业产业链各个环节的推广和应用力度，为提高农业全要素生产率增势赋能。同时，注重互联网数字技术和普惠金融的可得性与协同性，下沉资源发展普惠金融。在农村地区加快落实数字互联网基础设施建设以扩展普惠金融的可行性边界，使金融服务以低成本触及社会各阶层，为数字普惠金融服务领域的创新奠定基础，促使金融业更好地为农业生产服务。

第二，重视农业管理知识、技能的提高与运用。我们要使技术进步逐渐向资源节约型技术与劳动节约型技术并重的方向转变，促使农业全要素生产率良性发展，提升农业技术效率，使数字普惠金融在技术效率上发挥更大作用，进一步提高数字普惠金融对农业全要素生产率的促进作用。

第三，完善数字普惠金融产品与服务体系。金融界应推出更高效、更智能、更具吸引力的数字普惠金融产品，提供个性化、差异化的金融服务，提高数字普惠金融的服务覆盖率和服务质量，宣传和普及相关数字金融知识和操作过程，采用线上推送与线下推广结合的宣传办法，促使社会各阶层了解数字普惠金融的特点与优势，全面提高各阶层对数字普惠金融的认识度与接受度。