数字普惠金融、资本深化与农业全要素生产率

任健华，雷宏振

（1．陕西师范大学 国际商学院，陕西 西安 710119；2．陕西学前师范学院 经济与管理学院，陕西 西安 710100）

一、引言

“食为政首，农为邦本”。农业生产条件改善和效率提升是保障粮食安全和稳定农业基础地位，进而实现乡村振兴的重要前提。改革开放以来，在要素禀赋和制度变迁的共同作用下，中国农业正在从延续千年的通过反复投入劳动力以提高土地生产率的传统模式向通过增加资本和机械化投入以提高劳动生产率的现代模式转型[1]，为农业产能增长和农村经济发展奠定良好基础。与此同时，农业面临的各种挑战也在叠加：资源环境约束带来转型压力、土地资源和劳动力减少、小规模农户分散经营及技术低端锁定等问题仍然制约着农业经济发展。在此背景下，增强农业生产体系对社会经济环境和生产要素变化的适应性、提高农业全要素生产率成为重中之重。

资本作为生产要素之一，其有效供给直接关系到农业生产效率和增长方式。改革开放以来，“工业反哺农业，城市支持农村”“四免四补”和工商资本下乡等政策为农业提供了资本积累，机器设备和生物技术的广泛运用诱致出了劳动节约型和土地节约型技术，农业呈现资本密集型特征。随着农业生产要素价格的提高，资本深化的生产率效应和要素替代效应成为农业劳动生产率和土地生产率增长的第一贡献来源。[2]加速农业资本积累，是以中国为代表的人多地少型发展中国家改造传统农业的必经之路。[3]然而，农业自身的弱质性使得农业投资具有周期长、风险大、季节性强的特点，资本要素来源渠道少，甚至从农业部门转向非农部门[4]，农村信贷供需矛盾突出。

得益于移动互联、网络通信和云计算等数字化技术的发展，数字普惠金融将“普惠性”与“快捷性”相结合，实现了效率与公平的统一[5]，那些被传统金融排除在外的弱势群体和行业有机会享受到金融服务，获得投资和营运所需资金[6]，打通了金融服务农业农村的“最后一公里”，为推动农业全要素生产率提升提供新的思路。2021年的中央一号文件首次提出要发展“农村数字普惠金融”；2022年4月，国家乡村振兴局等五部门又联合印发了《2022年数字乡村发展工作要点》，提出要持续推动数字普惠金融在农村的发展，研发适合农业经营者需求的金融产品和推进移动支付便民服务向农村地区下沉。然而，数字普惠金融影响农业全要素生产率的现实表现是否与政策预期一致？数字普惠金融能否通过资本深化间接影响农业全要素生产率？数字普惠金融对农业资本深化及农业全要素生产率的影响是否存在异质性？以上问题的回答对推动数字普惠金融发展和农业全要素生产率提升至关重要。

二、文献综述

随着数字经济的蓬勃发展，数字普惠金融及其作用逐渐成为学者们的研究热点。该类研究大多集中于数字普惠金融在促进包容性增长、推动创新家庭创业、提升农户收入和促进农村消费等方面的作用。关于数字普惠金融对生产效率的影响主要针对全国整体层面或工业行业，该类研究主要从以下三方面分析了数字普惠金融提升生产效率的作用机制：第一，打破融资约束。数字普惠金融有效改善了传统金融体系的“金融歧视”和“金融错配”，通过缓解企业的融资约束推动了全要素生产率提升[7]。第二，优化资源配置。较低的交易成本和更为精准的金融服务使数字普惠金融提升了资金流转速度和融资效率，改善了要素扭曲程度从而促进绿色生产效率提升。[8]第三，推动技术创新。数字普惠金融降低创新交易主体的准入门槛和交易费用，促使企业积极推广新技术新工艺，为提高城市生产效率创造内生动力和外部环境。[9]

目前，将数字普惠金融与农业生产效率相结合的研究较少。早期的研究多以农村金融为切入点分析其对农业生产效率的作用，且研究结论不尽相同。有学者认为农村金融资本更多流入低效的组织或非农业领域，因此金融发展会抑制农业生产效率提升[10]；也有研究表明农村金融推动了农业科技进步和城乡经济融合[11]，缩小技术差距和改善技术效率[12]是提高农业生产率的重要工具。随着数字普惠金融在农村的推进，张馨（2022）使用2011－2018年省级面板数据，得出数字普惠金融对农业生产技术效率和技术进步均有正向影响的结论。[13]在关于数字普惠金融影响农业资本深化的研究中，闫桂权等（2022）数字普惠金融有助于打破农户融资约束和提供非农就业机会，实现资本对劳动的替代，并通过影响农机作业服务市场促进农业机械化程度提升[14]，但机械对劳动的替代具有地区异质性[15]。学者们进一步研究了资本深化对农业生产的影响。罗浩轩（2013）研究发现，受资本变动与农业经济增长的“时滞”性及资本边际效率递减规律的影响，我国农业资本深化与农业增长呈负相关关系[16]；莫亚琳等（2021）则认为资本深化作为现代农业的主要特征，其对劳动、土地等生产要素的替代是农业生产率增长的重要途径，但过度资本深化会导致劳动力浪费和比较优势丧失[17]。

综上，围绕数字普惠金融对农业全要素生产率影响的研究成果较为丰富，但现有研究主要集中于国民经济整体或是工业行业，为数不多的以农业全要素生产率为对象的研究主要从农户角度、空间视角、门槛效应或通过指标分解来研究数字普惠金融的效率提升作用。本文可能的贡献在于：（1）丰富研究领域，以农业产业为研究对象，探究数字普惠金融对我国30个省份农业全要素生产率的影响，拓宽了关于数字普惠金融的研究范围；（2）分析数字普惠金融影响农业生产效率的传导机制，构建考虑资本深化的中介效应模型，检验是否存在“数字普惠金融－资本深化－农业全要素生产率提升”这一作用路径；（3）基于区位异质性和种植规模异质性，分别检验数字普惠金融对资本深化和农业全要素生产率的影响，探究数字普惠金融发展对农业全要素生产率带动效应的差异，而得到更具现实意义和可操作性的政策建议。

三、理论机制与研究假说

（一）数字普惠金融对农业全要素生产率的直接影响

内生金融增长理论认为金融发展可通过储蓄、投资和资源配置效应对经济增长产生影响：储蓄效应为农业生产提供稳定的资金来源；投资效应缓解农业生产的融资约束，资源配置效应提升了金融服务于农村经济增长的整体质量。数字普惠金融的本质仍然是金融，其对农业生产效率的直接作用体现在为农业生产者提供更高效精准的金融服务，打破农业生产融资约束，优化资源配置，促进农业生产效率提升。一方面，数字普惠金融有利于降低融资成本，提高农业生产者融资意愿。通过移动终端就可以办理的数字金融服务不仅降低了时间成本和交通成本，还能利用大数据技术创造出更多满足不同农业经营主体多样化需求的金融产品，提高了金融服务的精准性，增强了农业生产者的融资意愿。另一方面，数字普惠金融可降低融资门槛，提高农业生产者的资金获得可得性。传统金融依赖于对信贷记录、抵押担保等信息的获取和审核，获取难度高且难辨真伪，金融服务受众面窄；数字普惠金融则通过大数据技术整合分析低收入群体的征信数据和经济状况并据此进行风险管理，提高了弱势群体的资金获得可得性。高效精准的资金导向作用使数字普惠金融将社会闲置资金投放到农业生产者手中，提高了资金配置效率，推动农业生产效率提升。综上，提出假设一：

假设1：数字普惠金融对农业生产效率提升起直接作用。

（二）数字普惠金融对农业资本深化的影响

经济学家速水佑次郎和费农·拉坦提出的诱致性技术变迁理论认为，土地、劳动力和资本等要素之间相对价格的改变会引致农业生产者以低廉要素投入代替昂贵要素投入。随着对劳动力流动限制的逐步解除以及工业化、城镇化进程中农村劳动力和农业用地的非农转移，劳动力和土地的禀赋状况发生改变，数字普惠金融更是加速了这种转变。一方面，数字普惠金融利用大数据和人工智能等技术，拓宽了金融服务的广度和深度，降低了信贷资金成本，精准识别并满足了农业生产者的信贷需求，有效缓解了农户资金约束，有利于实现农业资本积累；另一方面，数字普惠金融通过提高信贷可得性和农户信息获取能力，带来更多的非农就业机会，但也在一定程度上挤出了农业就业份额，导致农业就业下降。[18]非农创业会促使农户减少用于农业生产的土地和劳动力投入，并积极通过机械化生产和应用生物技术维持原产量。资本要素投入的增加和劳动力、土地要素的转出共同扩大了农业生产中资本投入与劳动力投入的比值，即资本深化程度增强。综上，本文提出假设二：

假设2：数字普惠金融通过增加农业生产资本要素投入和劳动力要素及土地要素的转移，推动农业资本深化。

（三）资本深化对农业全要素生产率的影响

亚当·斯密和萨伊均认为资本积累是推动经济增长的动力源泉。资本深化对农业全要素生产率的影响主要通过推动技术进步实现：一方面，资本深化过程中增加的工具和机械投资本身具备一定的质量和技术水平，存在着体现型技术进步，即技术进步内嵌于农用机械设备等资本品中并会随着资本深化对农业TFP增长产生影响[19]。另一方面，由市场主导的资本深化是对“适宜技术”（Appropriate Technology）主动选择的结果。资本深化实质上是要素结构的演化状态，意味着资本要素的相对丰裕和劳动力及土地要素的相对稀缺，推动农业生产者采用“劳动节约型”农业技术和“土地节约型”农业技术。我国农业在土地和劳动要素转出的情况下仍保持稳定增长，一方面得益于使用机械设备推动了劳动生产率提升，另一方面得益于品种改良和化肥施用等生物技术提升土地单产。综上，本文提出假设三：

假设3：资本深化的技术进步效应推动农业全要素生产率提升。

根据以上理论分析，本文构建了数字普惠金融通过资本深化影响农业生产效率的中介效应模型（见图1）：一是数字普惠金融对农业生产效率的直接影响；二是数字普惠金融对农业资本深化的影响；三是资本深化的中介作用。

图1 数字普惠金融影响农业全要素生产率的机制

四、研究设计

（一）模型设定

根据前述假设，数字普惠金融对农业生产效率的传导路径中，数字普惠金融可能直接影响农业生产效率，也可能通过资本深化间接影响农业生产效率。为检验以上假设，选取农业生产效率（TFP）为被解释变量、数字普惠金融（dif）为核心解释变量、农业资本深化（K／L）为中介变量，构建如下回归模型：

上式中，（1）式反映数字普惠金融对农业经济增长的直接影响；（2）和（3）反映了资本深化在对数字普惠金融影响农业生产效率中的中介作用。其中，TFP为农业全要素生产率；FI为数字普惠金融；K／L为农业资本深化；Control为一系列控制变量；μ、δ、ε为随机误差项。

（二）数据来源与变量设置

1．数据来源

本文选取了2011－2020年中国30个省份的相关数据。数据来自于《中国农村统计年鉴》《中国固定资产投资统计年鉴》、各省份统计年鉴和中国国家统计局网站。数字普惠金融数据来源于“北京大学数字普惠金融指数”。

2．变量设置

（1）被解释变量

本文以农业全要素生产率（TFP）为被解释变量，其具体测算结果见本节第三部分。

（2）解释变量

①核心解释变量：数字普惠金融（dif）。本文选取由北京大学数字金融研究中心和蚂蚁金服共同编制的第二期“北京大学数字普惠金融指数”作为数字普惠金融发展水平（dif）的代理变量。[20]该指数报包含数字金融覆盖广度（difW）、使用深度（dife）和数字支持服务程度（difs）三个细分维度。

②中介变量：本文的中介变量为农业资本深化（K／L）。其具体测算过程及结果见本节第三部分。

（3）控制变量

模型中引入的控制变量包括：人均播种面积（acr）、农业机械化程度（mec）、工业化程度（str）、化肥施用量（fer）和地区发展水平（pgdp）。控制变量的具体定义见表3。

（三）农业全要素生产率与资本深化的测算

1．农业全要素生产率的测算

（1）测算方法

本文采用全局Malmquist法对农业全要素生产率（TFP）及技术效率变化（EC）和技术进步（TC）进行测算。在采用全局Malmquist法时，选取的投入变量包括：劳动力、土地、机械、灌溉和化肥，分别以第一产业就业人数（万人）、播种面积（万公顷）、农业机械总动力（万千瓦）、实际灌溉面积（万公顷）和农用化肥施用折纯量（万吨）表征；产出则以第一产业实际增加值（亿万元）衡量。

（2）测算结果分析

全国各省农业TFP及EC和TC的测算结果如表1所示。样本期内，内蒙古的农业TFP最高，为1．1954，从其分解指标来看，技术效率和技术进步共同促进其TFP提升，且技术进步发挥主要作用。而上海受技术效率降低的影响，其TFP小于1，为30省份中全要素生产率最低的省份。技术效率改善有利于15个省份的TFP提升，且对内蒙古TFP的提升作用最强；而技术效率恶化抑制了其余15个省份的TFP提升，对上海的抑制作用最为明显。30省份的技术进步均有所提升，且对天津的TFP提升作用最强。分区域来看，中部地区的TFP最高，其次为西部，东部最低。从其分解项来看，推动这三大区域TFP提升的作用途径却存在显著差异。技术效率改进和技术进步共同推动中、西部地区全要素生产率提升，且技术进步发挥主要作用。对东部地区来说，样本期技术效率均值为0．9915，技术进步的均值为1．0570，说明技术效率的降低抵消了一部分由技术进步带来的TFP提升。

表1 2011－2020农业全要素生产率及其分解

2．农业资本深化的测算

（1）测算方法

资本深化指资本存量及人均资本拥有量的不断增长。借鉴侯明利（2020）[21]的研究，以资本劳动比（K／L）、资本土地比（K／S）和资本产出比（K／Y）来衡量农业资本深化。首先用永续盘存法对农业资本投入K进行测算，计算公式为：

上式中，Kit和 Kit－1分别表示 i地 t和 t－1 期的农业资本存量；δit－1为 t－1 期的经济折旧率；It为 t期新增投资额。其中，经济折旧率采用李谷成在研究中设定的农业资本折旧率5．42%[22]；基期资本存量计算方法为基期投资额除以投资平均增长率g与折旧率δ之和，即：

投资平均增长率（gi）以各省农业总产值的平均增长率作为替代指标；新增投资I的计算方法为农林牧渔固定资产投资额占地区固定投资额的比重乘以固定资产形成额。

（2）测算结果分析

用（4）式对2011－2020年的农业存量进行测度，得到省级资本存量面板数据（如图2所示）。可以看出全国的农业资本存量一直处于上升趋势，中部地区的资本存量相对稳定且明显高于东部和西部。在资本存量基础上，分别计算了资本劳动比（K／L）（万元／人）、资本耕地比（K／F）（万元／公顷）、资本产出比（K／Y）三个用来衡量资本深化的指标（如表2所示）。从劳均资本存量来看，东、中、西部在样本期间一直处于上升趋势，且中部和东部明显高于西部，说明西部地区的农业生产劳动密集度较高，但中西部人均资本存量的增速快于东部。2011－2020年间，资本耕地比均处于增长趋势，东部资本耕地比增长近两倍，西部增长近四倍，中部的资本耕地比变动幅度最小；东部和西部的资本产出比在样本期内缓慢上升，而中部地区的资本产出比从2011年的7．0953下降到2020年的5．4850，该指标下降说明其对立面——资本生产率（Y／K）提高。本文主要关注K／L，该指标更能反映资本深化的原始意义。

图2 全国及分区域农业资本存量变化

表2 2011－2020年全国及分地区资本深化测度

（四）变量描述性统计

对各变量特征值进行简要分析（见表3），样本期我国农业全要素生产率最高为2．6425，最低为0．8862；技术效率和技术进步的均值分别为 1．0011和 1．0708；资本深化的平均值 10．3522万元／人，标准差为14．0173，说明样本期内地区间资本深化程度存在较大差异；数字普惠金融指数取对数后的均值为5．2193，与其三个细分维度的均值差异不大。控制变量中，人均播种面积为0．6832公顷／人，地均化肥施用程度为0．3692吨／公顷，机械化程度的对数均值为4．1403，工业化所占比重平均为43%，人均GDP均值取对数为5．4121，且工业化程度和人均GDP的地区差异较为明显。

表3 变量表述性统计

五、实证检验与分析

（一）数字普惠金融对农业全要素生产率的影响

为了分析数字普惠金融对农业全要素生产率的影响，分别对数字普惠金融指数及其三个子指标作为自变量，采用固定效应模型进行回归，如表4第（1）、（2）、（3）、（4）列所示。此外，考虑到农业全要生产率与数字普惠金融可能存在被反向因果关系，导致计量模型存在内生性，有必要对此进行有效控制。因此，本文参考邵帅等（2022）[23]的做法，在基准回归分析的基础上，对解释变量取滞后一期进行参数估计，缓解可能存在的双向因果导致的内生性问题，估计结果如（5）、（6）、（7）、（8）列所示。

表4 数字普惠金融对农业生产效率的影响

结果显示，数字普惠金融指数及覆盖广度、使用深度和数字化程度均有利于农业全要素生产率提高，且使用深度对全要素生产率的影响最大。列（1）数字金融指数系数为0．0437，且在1%的显著性水平上通过检验，说明数字普惠金融的整体发展水平对农业全要素生产率有显著正向影响。数字金融覆盖广度系数为0．0358，即数字普惠金融覆盖范围扩大推动了农业全要素生产率提升。数字金融使用深度的内涵是数字金融服务满足有效需求的程度，其系数0．0489，说明金融工具和产品对有效需求的满足可以提升金融服务的精准性，从而促进农业全要素生产率提升。数字支持服务程度的回归系数为0．0279，且在5%的显著性水平上通过检验，说明通过大数据、云计算和区块链等创新技术提升了农村金融服务的便利性和降低金融成本。对解释变量滞后一期的回归结果与基准回归结果基本一致，且滞后一期的数字普惠金融指数及其细分维度的系数均大于基准回归系数。综上，无论解释变量是否取滞后期，数字普惠金融及其细分维度均对农业生产效率有正向影响。该结论与假设1一致。

（二）资本深化的中介效应检验

为检验数字普惠金融对农业全要素生产率的作用机制，在基准回归基础上进行中介效应分析。并将农业生产效率分解为技术效率和技术进步，进一步分析数字普惠金融通过资本深化这一中介变量影响农业全要素生产率的作用机制。

首先，检验资本深化在数字普惠金融影响农业TFP的中介效应，结果如表5（1）、（2）、（3）列所示。第（1）列数字普惠金融的回归系数为0．0435，并在1%的置信水平上显著，表明数字普惠金融正向影响农业TFP。以资本深化为因变量、数字普惠金融为自变量的回归结果见（2）列，数字普惠金融的估计系数为1．5486，且通过显著性检验，表明数字普惠金融推动了农业资本深化。列（3）将资本深化纳入模型后，数字普惠金融和资本深化的估计系数分别为0．0303、0．0085，且均通过显著性检验，数字普惠金融的估计系数0．0303比加入中介效应之前估计系数0．0435有所减小，说明资本深化在数字普惠金融推动农业TFP提升中起部分中介作用，且该中介效应（β1*γ2）占总效应（α1）的比重为30．22%。接着，检验资本深化在数字普惠金融影响农业技术效率的中介效应，结果如（2）、（4）、（5）列所示，由于（4）式中数字普惠金融对技术效率的影响没有通过显著性检验，故无须继续验证其中介效应。最后，检验资本深化在数字普惠金融影响农业技术进步的中介效应，结果如（2）、（6）、（7）列所示，数字普惠金融和农业资本深化的回归系数均通过显著性检验，说明资本深化在数字普惠金融影响农业技术进步中发挥中介作用，且其中介效应占总效用的比重为35%。对比以上三组回归结果发现，资本深化在数字普惠金融影响农业全要素生产率中起中介作用，且该作用渠道通过促进农业技术进步实现，数字普惠金融对技术效率的影响并不显著。该结论与假设2、假设3一致。

表5 中介效应检验

（三）异质性检验

1．土地规模异质性

为了检验数字普惠金融及资本深化对农业生产效率的影响是否受种植规模的影响，按照样本地区人均播种规模（土地播种面积／第一产业从业人口）中位数，将样本城市划分为大规模种植和小规模种植地区进行分组回归，此时控制变量中不包括人均播种面积。分组实证结果如表6所示。可以看出，小规模种植地区数字普惠金融的估计系数为0．0421，低于大规模种植地区数字普惠金融系数0．0453，且大规模种地区资本深化的中介效应在总效应中所占的比重（40%）大于其在小规模种植地区的中介效应（21%），说明数字普惠金融对农业全要素生产率的促进效应在大规模种植地区更为显著，这与学者们得出的规模种植正向影响资本对劳动和土地替代程度的结论相符。分析认为，人均种植规模越大，越有利于采用机械化耕种，在资本相对充裕的情况下，更容易实现资本深化和农业效率提升。

表6 种植规模异质性回归结果

2．地区异质性

前文关于资本深化和全要素生产率的测算结果在东、中、西部表现为不同特征。因此，将研究样本细分为东部、中部和西部地区，分别对三个区域的数字普惠金融、资本深化与农业全要素生产率的关系进行回归，结果如表7所示。数字普惠金融对资本深化及全要素生产率的促进作用均通过显著性检验，且数字普惠金融对全要素生产率的促进作用在中部地区最强（0．0599），西部次之（0．0391），东部最弱（0．0307）。可能是由于东部地区的金融环境较好，已基本满足农业生产需求，数字普惠金融的发展只是拓宽了融资途径，虽有促进作用，但作用力度相对较小。而在中部和西部，金融发展水平相对落后，数字普惠金融的发展正好弥补了传统金融的短板，故其对农业生产效率的促进作用更为明显；资本深化在中部地区的中介作用显著高于东部和西部，可能与中部地区机械化程度较高有关。

表7 地区异质性回归结果

六、研究结论和政策建议

数字普惠金融作为金融产业的新业态，是优化金融资源配置和提高农业生产效率的重要力量。本文将数字普惠金融、资本深化和农业FTP置于统一的分析框架，首先分析了三者间关系及作用机理并提出研究假设；其次，采用永续盘存法和全局Malmquist法测算了2011－2020年间中国30个省份的农业资本深化和农业全要素生产率及其分解指标；最后，建立中介效应模型实证检验数字普惠金融、资本深化和农业FTP的关系并进行异质性分析，得出如下结论：样本期内，数字普惠金融及其三个维度均对农业FTP有正向促进作用；资本深化在数字普惠金融推动农业FTP提升中起部分中介作用，且这一中介渠道主要通过推动农业技术进步实现；异质性分析表明数字普惠金融在规模化种植区域及中部地区的生产率带动作用更强。基于研究结论，提出以下三点建议：

（一）强化农村网络基础建设，提升农村地区数字普惠金融发展水平

依托数字乡村建设，强化农村网络和金融基础设施建设，为提升农村地区数字普惠金融发展水平提供物质支撑；培育农民的数字金融使用习惯，逐步缩小“数字鸿沟”，降低供需双方信息不对称。通过创造良好的硬件和软件条件，充分释放数字普惠金融的三个维度对农业TFP的带动效应、更好地服务于农业生产经营主体的金融需求。

（二）引导资本向农业流入，充分发挥资本深化的正向传导作用

资本的有效供给是农业转型升级和持续发展的基础，农业资本深化仍然是目前人多地少国家缓解人地比例问题的重要途径。发挥数字金融对农业资本深化的积极作用，引导金融资金向农业产业和农业经营主体流入，通过鼓励规模种植、土地流转、加强技术培训指导等，促进农业资本深化和农业技术进步，提升农业生产效率。

（三）创新数字金融产品，提高金融服务供需匹配精度

推进金融机构数字化转型，制定差异化数字普惠金融产品，提高金融服务与农业经营者需求的匹配性，充分发挥金融对农业经济增长的内生作用。中西部地区可以构建更为贴近农村生产生活实际的信用网络体系，创新信用评价方法，开发期限灵活、操作简便、偿还方式多用的涉农金融产品；东部地区可着眼于强化科技创新在金融产品中的运用，提供个性化金融产品、提高金融服务效率。