农村数字普惠金融对金融机构农贷供给的影响研究——基于2014-2019年省级面板数据的实证分析

夏志禹

天津商务职业学院，天津，300350

一、引言

随着科学技术与金融发展的协同耦合，金融科技赋予了支付、信贷、征信、风控等传统金融业务新的定义。特别是市场化金融科技公司的崛起，通过与传统金融机构的竞争与合作，共同促进了中国数字金融的快速发展。数字普惠金融的实践从根本上改善了小微企业、个体工商户以及“三农”领域的贷款服务方式。截至2020年10月末，我国银行业服务的小微企业信贷客户已达到2700万，普惠型小微企业和个体工商户贷款同比增速超过30%，农户贷款同比增速达14.3%（郭树清2020）。

农业、农村、农民是我国金融市场中重要的资金需求者，满足“三农”领域的资金需求，是党和政府新发展阶段优先发展农业农村、全面推进乡村振兴的重要保障。但由于抵押约束、交易成本、契约机制不完善等问题，金融机构在开展贷款业务时往往存在“离农”倾向，农贷群体受到了不同程度的信贷配给，金融排斥成为了农村金融发展的重要障碍（刘艳华2016；李牧辰等2020；樊文翔2021）。传统农贷服务一方面受物理场所限制，传统金融网点难以触及经济相对落后地区，特别是难以渗透到农村为代表的全部“毛细血管”中；另一方面，面对超额的信贷需求，对于信贷服务成本较高的群体存在一定的信贷配给现象。2021年中央一号文件提出强化农业农村优先发展投入保障，特别强调了新型农业经营主体信用体系建设、农村数字普惠金融发展以及开发专属金融产品为农业农村提供信贷支持等重要内容，为有效缓解农村融资难、融资贵问题，进一步促进农村金融发展提供了重要政策指引。

数字普惠金融为农贷服务提供了新的思路。普惠金融是以立足机会平等要求和商业可持续原则，通过加大政策引导扶持、加强金融体系建设、健全金融基础设施，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当的、有效的金融服务。《G20数字普惠金融高级原则》将数字普惠金融定义为一切通过使用数字金融服务以促进普惠金融发展的行动。数字经济背景下，普惠金融的经济属性与数字技术交叉融合，将普惠金融实践与互联网、大数据、云计算、区块链等信息化技术有机结合，从而实现普惠金融产品、流程、模式的创新以及普惠价值的提升。具体来看，电脑、手机等终端设备的普及应用，实现了金融服务覆盖范围扩大及服务效率的提升。通过大数据刻画用户行为、立体评价记录用户征信，有效降低信贷服务成本、减缓信息不对称风险，进一步降低了信贷服务门槛。金融机构利用大数据开展智能风控，减少对抵押物的依赖，大大提高了融资的可得性。

目前关于数字普惠金融的研究主要从以下几个方面开展：（1）数字普惠金融的测度与指标体系的建立。主要探索数字普惠金融指数的编制与评价体系建设，将普惠金融的功能定位与数字金融的技术特点有机结合，突出金融覆盖渗透度、使用深度、使用状况、可利用性等（Sarma and Pais，2011；蒋庆正等，2019；郭峰等，2020）。（2）数字普惠金融的经济后果。涵盖微观个体影响，如数字普惠金融对农村正规金融新需求（傅秋子和黄益平，2018）、居民消费（易行健、周利，2018）、农户信贷获得（樊文翔，2021）等影响；中观产业影响，如数字普惠金融对产业结构升级的影响（葛和平等，2021）；宏观经济影响，如数字普惠金融对城乡收入差距的影响（李牧辰等，2020），对经济高质量发展的地区差异影响（贺健等，2020），以及传统金融与数字金融的关系等。（3）以区块链、大数据等技术研究为核心的普惠金融效率提升。李阳、于滨铜（2020）研究了区块链技术的引用对农村金融的影响。

梳理现有文献，对于数字普惠金融的研究从测度、影响、机制逐步深化；从研究主题看，普惠与“三农”具有天然联系，故部分学者将目光投向农村数字普惠金融领域。蒋庆正等（2019）以商业银行全国县域电子银行业务数据为基础，测度了农村数字普惠金融发展水平。张耀龙等（2021）认为农村数字普惠金融发展存在着明显上升与地区趋同的特点。樊文翔（2021）从微观角度分析得出数字普惠金融对农户正规信贷获得有显著正向作用，对农户非正规信贷具有负向影响但不显著。在金融服务乡村振兴背景下，农村数字普惠金融发展对金融机构的农贷供给有何影响？通过怎样的机制影响“三农”领域的信贷配给改善？基于以上背景，本文选取2021年人民银行、银保监会《金融机构服务乡村振兴考核评估办法》中的重要评估指标之一“农贷供给比重”作为被解释变量，立足于农贷配给改善，就农村数字普惠金融对金融机构农贷供给的影响进行理论探讨与实证检验，并进一步探究影响机制及其异质性，对于改善农村借贷环境，推进金融赋能乡村振兴有重要的理论和现实意义。

二、理论分析：数字普惠金融影响农贷供给的内在逻辑

（一）数字普惠金融有效降低了信贷交易成本。

数字普惠金融实现了贷款业务线上化、批量化、便捷化，解决了最基本的物理网点依赖问题，有效提升了农贷覆盖率和渗透性。传统贷款方式，农户如果有借贷需求，需要到乡镇或县城金融机构网点办理业务，受到交通不便等客观条件限制。部分农户因申请过程繁琐等原因产生了需求方的交易成本配给问题，显著抑制农贷需求和借贷积极性（程超2021）。随着数字普惠金融覆盖广度的提高，很多农户可以通过线上方式开展咨询、进行资格审核、业务办理，显著提升了贷款便利性。在客户发现方面，金融机构获得贷款客户的传统方式为依靠信贷员“人脉”渠道发现客户或是接收客户申请。数字普惠金融通过大数据的筛选与识别智能推送潜在客户，由“寻找客户”到“智能推送”，由“人工进行资质判断”转变为“大数据深度挖掘”，降低了信息不对称与贷款搜寻成本。与此同时，数字普惠金融通过嵌入生活生产场景，有针对性地推出多样化信贷产品，例如某金融机构推出的智慧乡村平台，以土地流转系统、农业补贴系统、供销系统为支撑，构造“入口+服务+数据”的乡村网络生态，进一步激发了农贷需求。

（二）数字普惠金融创新了风险管理模式。

信用评估与风险控制始终是贷款业务的核心内容，传统信贷业务由信贷员通过实地走访、考察抵押物以及分析企业资产负债表、现金流量表、利润表等方式搜寻信息，通过信贷员深入企业生产经营进行信用评估。评估方式效率较低、主观性较强，特别是对于农贷对象规模小、数量大、地理位置分散、利润率不高又缺乏抵押物，采用传统评估方式大大增加金融机构的风控成本及贷款风险。由此，农贷长尾客户成为了传统信贷业务不愿触及的群体，形成了农贷门槛。从消费贷款看，农户为满足生活需要，因个人消费、家庭应急、翻盖住房、子女上学等原因形成消费信贷需求。这种需求的周期型不强，一般属于急需支出，对利率相对不敏感。但农户大多无稳定收入来源，且在银行、公积金等系统为数据空白，缺少信用评价依据，通常会受到信贷排斥。农业生产贷款、农户消费贷款均受到了不同程度的价格配给和风险配给（Boucher 2009）。数字普惠金融通过大数据和人工智能对客户生活消费、资产负债、业务办理、征信等数据进行多维度、深层次的抓取和分析，科学进行用户画像，并采用数字化增信手段，减少对抵押物的依赖。同时，模块化的操作方式大大节约了人力、物力成本，使风控边际成本降低，产生规模效应，有效缓解农贷对象的风险配给和价格配给问题。

（三）数字普惠金融优化贷款流程，提升运营效率。

普惠金融的商业可持续原则决定了信贷供给部门的行为规则以成本收益为主导，在风险可控的条件下，以利润最大化为目标。金融机构的资金成本是开展经营业务的重要成本，贷款运营效率量化为资金的时间成本决定了金融机构经营利润。数字技术的应用使贷前、贷中、贷后各环节有序衔接，持续的大数据分析运算使金融机构能够获得反映农贷对象生产经营及信用等级的同步、真实信息，并运用人工智能敏捷地进行信贷策略分析，大大提升处理速度。与此同时，实时、全方位的风险检测与预警，有效降低金融机构坏账率。数字普惠金融通过提升运营效率，提高资金周转率有效缓解了“规模、风险、收益”的不可能三角。

总体而言，数字普惠金融通过降低交易成本、创新风险管理模式、提升运营效率，增加金融可获得性，提升农贷的覆盖率和渗透率（图1）。

图1 农村数字普惠金融影响农贷供给的内在逻辑

三、模型设定

金融机构基于其利润最大化原则，大量信贷资金流向现阶段“比较优势”部门，呈现资金投向非农化倾向，甚至出现一定程度的资金倒流城市现象，表现为农贷缩水。为研究数字普惠金融对金融机构农贷供给的影响，探究数字普惠金融是否有效缓解农贷排斥问题，本文设定模型如下：

其中，被解释变量load_rtoit为金融机构农贷供给情况，该指标为涉农贷款余额占各项贷款余额之比；解释变量indexit为数字金融发展水平，controlit为控制变量，包括农户消费水平、农业生产水平、消费价格、生产资料价格、财政支农、保险深度、收入水平、传统金融供给、教育水平、经济发展水平。下标i和t分别代表地区和年份，εit为随机扰动项。解释变量indexit的系数α1衡量了数字金融发展对金融机构农贷供给的影响，如果系数显著为正，则说明数字普惠金融能够促进金融机构农贷供给，减缓农贷排斥。

数字普惠金融分为覆盖广度、使用深度、数字化程度三个维度，为进一步探究三个维度对金融机构农贷供给的异质性影响，本文在式（1）的基础上进一步拓展，构建模型如下：

基于“国民经济中各部门均衡发展时信贷资源在各部门中均衡分配”这一假设，用农业GDP占GDP比重衡量地区经济结构，用地区农业贷款占地区总贷款比重衡量信贷结构，若信贷结构指标小于经济结构指标，则认为该地区受到信贷配给（刘艳华2016）。刘西川等（2014）认为贷款按照不同用途可分为消费贷款和生产经营贷款，不同渠道的贷款需求可能展现出不同的特征，需分开研究才能最大限度减少偏误。本文借鉴已有研究成果，用农村居民消费支出占居民消费支出比重衡量地区消费水平，用地区第一产业增加值占地区GDP比重衡量生产水平，在未受信贷配给的情况下，消费水平、生产水平越高，所获得的贷款资源越多。在此基础上，本文在模型中分别引入数字普惠金融三个维度变量与消费水平、生产水平的交互项，探究数字普惠金融发展的调节效应，模型构建如下：

其中，consumeit为农户消费水平，为农民居民消费支出与城乡居民消费支出之比；produceit为农业生产水平，用第一产业GDP/GDP作为代理变量。模型（3）（4）分别为数字普惠金融三个维度变量与农户消费水平、农业生产水平的交互作用检验。通过研究数字普惠金融二级指标的调节作用，探究数字普惠金融对消费信贷配给、生产信贷配给的影响。若交互项系数显著为正，则表示数字普惠金融对优化信贷资源在农业与非农之间的配置具有促进作用，能够缓解信贷配给问题。

四、数据来源与变量设定

（一）数据来源及说明

本文所使用的数据主要来源于北京大学数字普惠金融指数以及《中国统计年鉴》《中国农村统计年鉴》《中国金融年鉴》等。北京大学数字金融研究中心所构建的数字普惠金融指数刻画了创新性数字金融发展背景下的数字普惠金融程度，横向覆盖中国内地31个省、自治区、直辖市，337个地级以上城市和约2800个县（县级市、区），纵向从覆盖广度、使用深度、数字化程度三个维度角度反映数字普惠金融发展情况，是较为全面反映我国数字普惠金融发展情况的数据，为研究的开展提供了可能性。

（二）变量定义

1.金融机构农贷供给。金融机构农贷供给是本文的被解释变量，该指标由各省本外币涉农贷款余额与各省市本外币各项贷款余额之比计算而来。其中涉农贷款余额包括既包括农户贷款、农村（县及县以下）企业及各类组织贷款，同时也包括城市企业及各类组织涉农贷款及非农户个人农林牧渔业贷款，即涵盖农业生产信贷与农户消费信贷。

2.农村数字普惠金融发展水平代理变量。基于当前我国省、市、县三级行政区划金融服务特点，县域金融服务是农村金融的重要依托和载体，亦是乡村振兴战略的关键性区域（张龙耀等，2021），本文使用2014-2018年1403个县域层面数据，将县域数据在省（自治区、直辖市）内取均值据以衡量该省（自治区、直辖市）农村数字普惠金融发展水平。

3.控制变量。贷款的形成是供需双方作用的结果，贷款需要转化为贷款需求受到贷款支出意愿、偿还能力、贷款获得能力的影响（Aderibigbe 2014）。参考已有文献，本文在同时控制了时间和省份固定效应的基础上，将如下控制变量纳入考虑。（1）贷款支出意愿：农户消费水平（consume）、农业生产水平（produce）、农村居民消费价格（cpi）、农业生产资料价格（ppi）、保险深度（insuance）。农户消费水平、农业生产水平是反映贷款支出意愿的基础因素，其中农户消费水平用农村居民消费支出与城乡居民消费支出之比取对数度量，由乡村常住人口与农村地区人均消费支出的乘积与城乡居民人口和城乡居民人均消费支出乘积之比计算得出。农业生产水平用第一产业增加值占GDP比重取对数衡量。农村居民消费价格、农业生产资料价格变量分别为居民消费价格总指数、农业生产资料价格指数。保险深度即单位产出的保费收入（农业保险费用/第一产业增加值），反映生产者敢于追求利润、增加贷款需求的愿望。（2）偿还能力：收入水平（perincome）。用农村地区居民人均可支配收入作对数处理度量。（3）贷款获得能力：教育水平（edu）、传统金融供给（fin_dev）、财政支农（afe）、经济发展水平（growth）。参考王喆等（2021）的研究方法，用每万人拥有的金融机构网点数量作为传统金融供给的代理变量，度量地区传统金融服务可得性；用各省人均GDP取自然对数作为经济水平的衡量指标。教育水平由不同地区受不同教育程度人口数计算得出。农业作为基础性产业，受到不同程度的政策支持、财政补助，本文用农林水支出占GDP比重度量财政支农水平（李牧辰等2020）。

五、结果与分析

（一）基准回归分析

基于Hausman检验结果，本文采用面板固定效应模型实证检验农村数字普惠金融对金融机构农贷供给比例的影响。表2报告了基于模型（1）的固定效应回归结果及修正后的标准误。表2的第1列模型只加入了数字普惠金融指数。第2列，增加反映农贷需求特征的变量，农户消费水平、农业生产水平、农村居民消费价格、农业生产资料价格、保险深度。第3列，在之前的基础上，增加了体现还款能力的变量收入水平。第4列，逐步增加传统金融供给、教育水平、财政支农、经济发展水平等控制变量。研究发现，逐步增加控制变量的过程中，农村数字普惠金融指数的系数始终显著为正，说明实证结果表明农村数字普惠金融显著提升了金融机构农贷供给。

表2 农村数字普惠金融与金融机构农贷供给：面板固定效应回归

从控制变量看，农户消费水平、保险深度、收入水平、传统金融供给以及经济发展水平对金融机构农贷供给有显著影响。第一，农户消费水平的提高显著促进金融机构农贷比例的提升。农户因教育、医疗等生活支出形成消费信贷需求，消费支出增加显著促进金融机构农贷供给比例提升，体现了金融机构在满足农户消费信贷需求方面的重要作用。与此同时，农业生产水平系数不显著，在排除代理变量问题的基础上，说明相较其他产业，金融机构在配置农业产业的信贷资金方面仍需进一步提升。第二，保险深度增加对于提升金融机构农贷供给有显著促进作用。农业保险是一种农业生产经营风险补偿工具，保险深度作为衡量地区农业保险发展程度的重要指标，保险深度越高说明生产者所获得的风险补偿越高（祝国平、常燕2014）。第三，收入水平对金融机构农贷供给有显著正向影响。收入水平是金融机构进行信用评定的重要指标，收入水平越高意味着借款方还款能力越强，金融机构更愿意提供信贷支持。第四，传统金融供给增加显著提升农贷供给，说明传统金融仍是农户、农业经营主体获取信贷资源的重要渠道。

表1 主要变量的描述性统计

我国数字普惠金融的发展是多维度的，综合概括为覆盖广度、使用深度、数字化程度三个方面，分别体现了数字普惠金融涵盖的群体范围、使用的总量及活跃度、用户对于数字化业务的使用程度（郭峰等，2020）。本部分将农村数字普惠金融的二级指标分别纳入模型，进一步探究数字普惠金融三个维度的对金融机构农贷供给的异质性影响。表3的1-3列报告了依次将覆盖广度、使用深度、数字化程度指标纳入模型的回归结果，第4-5列报告了只加纳入三个维度指标的简单回归以及将全部变量纳入模型后的回归结果。

表3 农村数字普惠金融与金融机构农贷供给：子指标回归

从结果可以看出，覆盖广度对金融机构农贷供给情况有显著正向影响。不同于传统金融机构受“金融机构网点数”和“金融服务人数”的限制，数字金融提升了金融服务的可触达范围，有效降低交易成本，提高信贷服务的便捷性，促进了金融机构农贷业务的开展。与此同时，使用深度、数字化程度对于金融机构农贷供给的影响不显著，这表明数字普惠金融上述维度的发展在金融机构的实践应用有待提升，数字技术与信贷业务的深度融合需进一步加强。

（二）内生性讨论

上述计量模型因遗漏变量及双向因果等问题可能存在难以克服的“内生性”问题，导致数字普惠金融的回归系数估计有偏。本文借鉴Bartik（2009）的做法，构建工具变量（滞后一阶的普惠金融指数与普惠金融指数在时间上的一阶差分的乘积），对于基础模型（1）进行工具变量估计。表4为工具变量检验结果，结果显示第一阶段工具变量的估计系数统计显著不为0，满足变量相关性条件。进一步看，Kleibergen-Paap rk Wald F statistic为15.214，大于一般认为的10，说明不存在一般意义上的弱工具变量问题。第二阶段回归结果显示，在纠正可能的内生偏误后，农村数字普惠金融在1%的水平上显著提高金融机构农贷供给，说明上述回归结果基本稳健和基本可靠。

表4 数字普惠金融指数与金融机构农贷：工具变量回归

（三）数字普惠金融与信贷深化：影响机制

前述模型研究表明数字普惠金融对金融机构农贷供给有显著正向影响，其中二级指标覆盖广度能够显著促进金融机构农贷供给程度。为了进一步探究数字普惠金融对金融机构农贷供给的影响机制，我们分别构建农户消费水平、农业生产水平与覆盖广度、使用深度、数字化程度三个指标的交互项，研究数字普惠金融对信贷配给的调节作用以及对生产信贷配给、消费信贷配给的异质性影响。

本部分根据模型（3）（4）进行回归分析。表5的第1-3列分别将覆盖广度、使用深度、数字化程度与农业生产水平的交互项纳入模型，第4-6列分别将上述三个维度与农户消费水平的交互项纳入模型。结果显示，数字普惠金融能够在一定程度上缓解消费信贷配给问题，而对于生产信贷配给影响不显著。生产贷款是以生产经营情况（含抵押物）为基础进行信用评估并据以配置信贷资源，而当前数字普惠金融更多地记录个人数字足迹，嵌入生产经营深度不够。与此同时，生产经营贷款门槛高、额度大，企业一般仍通过银行等传统金融机构进行借贷，故数字普惠金融对于生产信贷配给的影响不显著。

表5 农户消费水平、农业生产水平与数字普惠金融指数交互作用的估计结果

具体看来，覆盖广度、使用深度对于缓解消费信贷配给有显著正向作用，数字化程度回归结果不显著。覆盖广度是数字普惠金融得以“普”的基础条件，使得农村居民能够触及金融服务，部分群体实现金融服务从无到有质的飞跃。使用深度表现为金融服务嵌入生活，通过抓取用户大数据进行信用评价并据此开展信贷业务。随着移动支付的自普及，数字普惠金融逐步渗透农民生活，智能风控在一定程度上降低了农贷门槛。与此同时，使用深度对于缓解信贷配给作用不及覆盖广度，这与数字普惠金融在农村地区刚刚起步，由“普”及“惠”的发展进程相一致。数字化程度是数字普惠金融使用频率的重要表征。从生活实践看，城镇居民的数字支付已成为常态、“信用购”（信用透支）业务已被大众所接收，而农民居民现金交易仍占很大比例，对于网络借贷业务涉及不多。数字化程度对于信贷配给影响不显著，充分反映了数字普惠金融在农村地区的使用频率、便利化程度远不及城镇地区的实际情况。

六、结论与建议

本文基于2014-2019年农村数字普惠金融指数和31个省（自治区、直辖市）宏观统计数据，通过双向固定效应模型，系统考察了农村数字普惠金融对金融机构农贷供给的影响。研究表明：第一，农村数字普惠金融显著提高了金融机构农贷供给比例。第二，覆盖广度这一指标对于提升金融机构农贷比例具有显著影响，增加金融服务触达范围，有效降低交易成本。第三，数字普惠金融对于金融排斥的降低主要作用在消费配给的缓解上，且更多表现为覆盖广度的提升与使用深度的增加所带来的影响。普惠金融通过大数据记录“三农”足迹，智能风控在一定程度上降低了缺乏信用记录群体的信贷门槛，增加金融服务可得性。与此同时，使用深度对于缓解信贷配给作用不及覆盖广度，这与数字普惠金融在农村地区刚刚起步，由“普”及“惠”的发展进程相一致。

基于以上研究结论，数字普惠金融显著提升了金融机构农贷供给，但更多的是通过覆盖广度的提高而实现，主要是提升了业务办理的便利性，减少信息不对称，降低交易成本。总体上看，已经迈出了普惠金融第一步“普”。但数字普惠金融的使用深度未得到充分挖掘，数字化程度对于降低金融排斥应用远远不够，“惠”的进程需加快推进。由此提出如下建议。

1.大力推进农村数字普惠金融发展，有效整合“三农”数据信息。深耕农业、农村、农民数据信息，在确保数字应用合理、安全、规范的前提下，打破“信息孤岛”，进行信息和数据汇总整合，建立涉农群体数据库，助力“三农”信用体系建设。加强数据的挖掘与利用，精准描绘“三农”画像，提供个性化的金融服务与金融产品。

2.加快数字普惠金融在农业生产经营中的应用和实践。在农业生产、加工各环节建立智能服务终端，推进智慧农业发展与农产品生产加追踪溯源体系建设。拓展科技平台建设、风控模型开发、智能风控应用等科技赋能方式，创新金融机构与农业经营主体合作模式，利用智能算法、区块链技术，解决生产经营场景中的痛点。

3.稳步推进数字普惠金融的深度应用和数字化拓展。以金融科技及为依托，不断提升数字普惠金融的场景化植入、综合化服务以及生态系统构建，将数字普惠金融植入日常消费、生活缴费、看病就医、公共交通等应用场景，真正提升便民、利民水平。

4.优化监管体制，净化发展环境。金融与风险相生相伴，“三农”领域亦是国民经济发展的薄弱环节，农村数字普惠金融具有巨大机遇的同时也蕴含巨大风险。数据信息的获取、存储、加工等环节的可控性，关乎信息安全、市场公平甚至粮食安全问题。需要进一步完善管理制度，优化信息的共享与使用规则，保障“三农”群体合法权益，为农村数字普惠金融健康发展保驾护航。