普惠金融对农业生产效率的影响研究

摘要 根据2011—2020年长江经济带普惠金融和农业生产的面板数据，首先运用BCC模型对该经济带各省（市）的农业生产效率进行测算，之后运用Tobit模型分析普惠金融对农业生产效率的影响。结果表明：①长江经济带整体农业生产综合技术效率、纯技术效率和规模效率未达到整体有效，且表现出曲折发展的趋势。各省（市）中，上海市、浙江省各年均达到了完全有效，安徽省、江苏省效率均值要明显低于其余省（市）。②普惠金融总指数对农业生产综合技术效率、纯技术效率、规模效率有显著的正向影响，覆盖广度指数对农业生产综合技术效率、纯技术效率、规模效率有显著的正向影响，使用深度指数对农业生产综合技术效率和纯技术效率有显著的正向影响，对规模效率的正向影响不显著。

关键词 普惠金融；农业生产效率；BCC模型；Tobit模型；长江经济带

中图分类号 S-9   文献标识码 A  文章编号 0517-6611（2023）07-0221-05

doi：10.3969/j.issn.0517-6611.2023.07.051

Study on the Impact of Inclusive Finance on Agricultural Production Efficiency—Taking the Yangtze River Economic Belt as an Example

YUAN Gui-hong

（Economics and Management School of Yangtze University， Jingzhou， Hubei 434023）

Abstract Based on the panel data of inclusive finance and agricultural production in the Yangtze River economic belt from 2011 to 2020， this paper first uses BCC model to calculate the agricultural production efficiency of provinces （cities） in the economic belt， and then uses Tobit model to analyze the impact of inclusive finance on agricultural production efficiency. The study found that： ① The overall agricultural production comprehensive technical efficiency， pure technical efficiency and scale efficiency of the Yangtze River Economic Belt did not reach the overall effectiveness， and showed a tortuous development trend. Among the provinces （cities）， Shanghai and Zhejiang Province have achieved full efficiency every year， and the average efficiency of Anhui Province and Jiangsu Province is significantly lower than that of other provinces （cities）. ② The total inclusive finance index has a significant positive impact on the comprehensive technical efficiency， pure technical efficiency and scale efficiency of agricultural production， the coverage index has a significant positive impact on the comprehensive technical efficiency， pure technical efficiency and scale efficiency of agricultural production， the use depth index has a significant positive impact on the comprehensive technical efficiency and pure technical efficiency of agricultural production， and the positive impact on scale efficiency is not significant.

Key words Inclusive finance;Agricultural production efficiency;BCC model;Tobit model;Yangtze River Economic Belt

作者簡介 袁桂红（1984—），女，山东曲阜人，硕士研究生，研究方向：农业管理。

收稿日期 2022-04-17

农业是国民经济发展的基础，李克强总理在2022年政府工作报告中指出，2022年政府的工作任务之一就是要大力抓好农业生产，促进乡村全面振兴。同时也指出要引导资金更多流向重点领域和薄弱环节，扩大普惠金融覆盖面。农业生产效率是衡量农业经济增长和运行状态的主要指标，普惠金融则是农业经济发展的重要资金来源，因此研究普惠金融对农业生产效率的影响具有极为重要的现实意义。

鉴于普惠金融和农业在经济发展中的地位，国内外学者对此进行了大量研究。从已有研究来看，有关农业生产效率的研究主要集中在以下几点：首先是不同方法的研究。现阶段对农业生产效率的研究以BCC模型、超效率SBM模型、ML指数模型、三阶段DEA模型以及DEA-Tobit等方法为主［1-5］。其次是区域性差异研究。不同的区域由于经济发展水平、地理环境、自然资源等的不同，造成其农业生产效率也会存在差异［6-7］。最后是有关各因素对农业生产效率的研究，主要有经济发展水平、城镇化、机械化、土地利用率、农业发展环境、化学发展水平、科技发展水平等［8-11］。

普惠金融是农业生产重要的资金来源，现对于传统金融，普惠金融拥有更为广阔的覆盖范围，这也使得其融资成本也更低，这主要是因为普惠金融主要是通过网络等来实现金融交易，减少了固定网点的建设［12］。同时，普惠金融的数字化特性也使得偏远地区的农民也能够享受金融服务［13］。普惠金融的发展还能够帮助建立金融信息平台［14］，加强农村居民对金融信息的了解，为农村居民带来多种多样的金融产品及服务，为农村居民提供更多的融资渠道，拓展资金来源［15］。同时，新型平台的建立还可以为农产品的交易提供方便，提供农民收入和农业生产效率，促进农业经济发展［16］。普惠金融的数字特性还可以打破传统金融“逐利性”和“嫌贫爱富”的怪圈，利用自身的数字技术为贫困地区提供金融服务，为贫困地区农民的农业生产和经营活动提供资金支持，帮助他们摆脱贫困［17-18］。

综上所述，虽然有关农业生产效率的研究日趋完善，但仍然存在以下不足：一是对国家战略性区域研究的比较薄弱；二是没有考虑环境因素和随机因素的干扰，所得到的效率值与实际效率会有偏差。笔者在现有研究基础上，运用三阶段DEA模型对长江经济带2019年的农业生产效率进行分析，剔除环境因素和随机因素干扰，以获得更为准确的效率值。

1 模型构建及变量选取

1.1 模型构建

1.1.1 BCC模型。

Banker、Coope和Charnes在可变规模报酬（Variable Returns to Scale，VRS）假设下，在CCR模型的基础上，构建BCC模型［19］，公式如下：

minZa=δa-ρki=1p-ia+pr=1p-ra（1）

p，q.nj=1xijγj+p-i=δxi0

nj=1yrjγj-p+r=δyr0

nj=1γj=1

γj，p-i，p+r≥0

j=1，2，…，n;i=1，2，…，m;r=1，2，…，s

式中，xij和yri分别表示第j个决策单元的第i种投入量和第r种产出量；γj、δ、ρ和p+和p-分别表示各单位组合系数、效率评价指数、非阿基米德无穷小量和松弛变量；Za表示决策单元的相对有效值，当Za=1，说明决策单元DEA为有效，当Za＜1，说明决策单元DEA为非有效［20］。

1.1.2 Tobit模型。

由于效率值属于截断离散数据，因此，采用Tobit模型进行分析。具体公式为：

efficienit=α0+β1lnifiit+β2lncoverageit+β3lnusageit+γcontrolit+εit（2）

式中，lnifiit、lncoverageit和lnusageit分别表示第i个地区第t年的普惠金融综合指数、覆盖广度和使用深度的对数，β1、β2、β3为回归系数；εi为随机误差项；controlit表示控制变量;γ为控制变量系数。

1.2 变量选取

1.2.1 农业生产效率变量选取。

该研究更具数据可得性，以长江经济带各省（市）作为研究对象，对该经济带各省（市）2011—2020年的农业生产效率进行分析，并构建成相应的指标体系。

选取农业机械总动力作为机械投入，反映农业机械化水平；选取有效灌溉面积作为用水量投入；选取化肥施用量作为化学投入，反映农业化学发展水平；选取农作物播种面积作为土地投入，反映农作物的种植面积；选取农林牧渔业总产值绝对数作为产出指标，反映农业经济的发展情况（表1）。

1.2.2 农业生产效率变量选取。普惠金融对农业生产效率影响因素指标见表2。解释变量：选取普惠聚合金融指数、覆盖广度指数、使用深度指数作为解释变量。

控制变量：经济发展水平由人均地区GDP表示；用第三产业产值比重表示产业高级化指数；用城镇人口占总人口的比例表示人口城镇化率；用外商直接投资占地区生产总值的比例表示对外开放程度。

2 实证结果分析

2.1 长江经济带农业生产效率的实证

根据长江经济带2011—2020年农业生产面板数据，选用BCC模型，运用Deap 2.1对该经济带农业生产效率进行测算，结果见表3～6。

由表3可知，长江经济带整体农业生产综合技术效率均值为0.848，处于较高水平，但其发展趋势在样本期间内呈曲折型发展，2011—2014年表现出上升趋势，2014—2017年则表现出下降趋势，2017—2020年表现出上升趋势。从上、中、下游来看，上游的农业生产综合技术效率均值最高，中游次之，下游最低。从具体省（市）来看，下游的上海市和浙江省在样本期间内农业生产综合技术效率值均为1，说明上海市和浙江省在2011—2020年农业生产达到完全有效。上游省份中，四川省、贵州省和云南省农业生产完全有效率分别为80%、60%和20%。其余各省（市）在样本期间内均未出现农业生产完全有效的情况。从均值和排名来看，湖北省在样本期间内虽未出现农业生产完全有效，但其农业生产综合技术效率最小值为0.827，而贵州省和云南省虽有完全有效的情况出现，但其余時间效率值较低。下游省（市）中，上海市和浙江省农业生产虽达到了完全有效，但江苏省和安徽省效率值较低，其中安徽省农业生产综合技术效率均值仅为0.496，小于0.5，江苏省虽稍高，但也仅有0.794，说明江苏省和安徽省综合技术效率偏低是下游地区综合技术效率低的主要原因。

由表4可知，长江经济带整体纯技术效率均值为0.896，处于较高水平，但其发展趋势在样本期间内呈曲折型发展，2011—2014年表现出上升趋势，2014—2017年则表现出下降趋势，2017—2020年表现出先升后降趋势。从上、中、下游来看，上游的纯技术效率均值最高，中游次之，下游最低。从具体省（市）来看，下游的四川省、上海市和浙江省在样本期间内纯技术效率值均为1，说明四川省、上海市和浙江省在2011—2020年农业生产的投入管理较为合理。上游省份中，贵州省和云南省农业生产完全有效率分别为70%和20%。中游省份中，仅有湖北省在2013—2016年农业生产投入管理达到了完全有效。下游省（市）中，上海市和浙江省在样本期间内农业生产投入管理均有效，江苏省在2011—2017年农业生产投入管理达到了完全有效，其余年份的纯技术效率则相对较低，安徽省各年均未达到完全有效。从均值和排名来看，湖北省在样本期间内农业生产投入管理虽达到完全有效的年份虽少于江苏省，但其农业生产纯技术效率最小值为0.907，而江苏省、贵州省和云南省虽有完全有效的情况出现，但其余时间效率值较低。下游省（市）中，上海市和浙江省农业生产虽达到了完全有效，但安徽省效率值较低，其中安徽省农业生产纯技术效率均值仅为0.578，说明安徽省纯技术效率偏低是下游地区纯技术效率低的主要原因。

由表5可知，长江经济带整体农业生产规模效率均值为0.943，处于较高水平，但其发展趋势在样本期间内呈曲折型发展。从上、中、下游来看，上游的农业生产规模效率均值最高，中游次之，下游最低。从具体省（市）来看，下游的上海市和浙江省在样本期间内农业生产规模效率值均为1，说明上海市和浙江省在样本期间内农业生产投入规模达到最优水平。上游省份中，四川省、贵州省和云南省农业生产完全有效率分别为80%、60%和20%。其余各省（市）在样本期间内农业生产投入规模均未达到最优水平。从均值和排名来看，上游省份中，各省（市）农业生产规模效率均维持在较高水平，其中重庆市效率值最低，但也达到了0.940，说明上游省（市）农业生产投入规模较为合理。中游省份中，江西省和湖北省规模效率值均超过了0.9，其中江西省达到了0.976，排在第4位。下游省（市）中，上海市和浙江省农业生产投入规模虽达到了最优水平，但江苏省和安徽省效率值较低，其中江苏省农业生产规模效率均值仅为0.835，安徽省虽稍高，但也仅0.858，说明江苏省和安徽省规模效率偏低是下游地区规模效率低的主要原因。

规模报酬：规模报酬可分为规模报酬递增（irs）、规模报酬递减（drs）和规模报酬不变（-）3种情况。 长江经济带农业生产规模报酬见表6。

由表6可知，仅有上海市和浙江省达到了规模报酬不变，现有投入规模为最佳生产规模，不需要进行任何调整。进一步观察表6可知，重庆市、湖北省、湖南省、江苏省和安徽省均表现出规模报酬递增，四川省在2018—2019年表现出规模报酬递增，云南省、江西省分别在2016—2018年和2018—2020年表现出规模报酬递增，说明存在投入规模不足，应继续扩大生产规模达到规模有效。贵州省、云南省和江西省在大部分时间内表现出规模报酬递减，其中贵州省在未达到规模报酬不变的时间内均表现为规模报酬递减，说明这些省份在相应时间内农业生产投入规模过大，难以带来较高的产出，应缩小生产规模达到规模有效。

2.2 长江经济带农业生产效率的实证

将各变量代入公式（2）中，分析长江经济带普惠金融对农业生产效率的影响，结果如表7所示。

从表7可以看出，普惠金融总指数在0.05显著性水平对农业生产综合技术效率、纯技术效率、规模效率有显著的正向影响，说明普惠金融的发展能够提升农业生产效率。普惠金融是农业生产和发展过程中重要的资金来源，能够有效弥补农业生产和发展的资金缺口，提高农业生产效率。普惠金融覆盖广度指数在0.05显著性水平对农业生产综合技术效率、纯技术效率、规模效率有显著的正向影响，说明普惠金融覆盖广度的增加有利于农业生产效率的提高。普惠金融覆盖广度指数表示普惠金融覆盖的區域以及使用者的数量，覆盖广度指数越大，说明使用的人数越多，农业生产者接触到的概率也就越大，对于农业生产效率的提升作用也就越明显。普惠金融使用深度指数在0.10和0.05的显著性水平分别对农业生产综合技术效率和纯技术效率有显著的正向影响，对规模效率的正向影响不显著。普惠金融使用深度指数主要有人均使用次数和人均使用金额等指标构成，使用深度指数越大，说明人们使用普惠金融的次数也就越多，使用金额也越大，也更容易满足农业生产过程中的资金需求，进而对农业生产效率产生促进作用。

3 结论与建议

3.1 结论

根据长江经济带2011—2020年的面板数据，运用BCC模型对该经济带农业生产效率进行测算，运用Tobit模型分析普惠金融对农业生产效率的影响，结论如下：

在样本期间内，长江经济带整体农业生产综合技术效率、纯技术效率和规模效率的均值均小于1，未达到整体有效，且表现出曲折发展的趋势。各区域中，上游的效率均值最高，中游次之，下游最低。各省（市）中，上海市、浙江省各年均达到了完全有效，安徽省、江苏省效率均值明显低于其余省（市）。在样本期间内，仅有上海市和浙江省农业生产投入规模达到最优，其余省（市）均有偏离最优的现象发生，且多数省（市）表现为规模报酬递增，存在投入规模不足的问题。

普惠金融总指数在0.05显著性水平对农业生产综合技术效率、纯技术效率、规模效率有显著的正向影响，覆盖广度指数在0.05显著性水平对农业生产综合技术效率、纯技术效率、规模效率有显著的正向影响，使用深度指数在0.10和0.05显著性水平分别对农业生产综合技术效率和纯技术效率有显著的正向影响，对规模效率的正向影响不显著。

3.2 建议

3.2.1 健全金融体系，完善金融监管。区别于传统金融，普惠金融拥有更加灵活的经营方式，融资模式也更为简单，但我国普惠金融尚处于初级阶段，容易发生风险。因此各级金融机构应当充分利用现代数字技术，使普惠金融能够覆盖更加广阔的地区和人群，增加普惠金融的使用人次和使用金额，同时还要建立现代化的风险管理和预警机制，防止出现金融风险。

3.2.2 加大农业生产投入规模，构建现代化农业发展体系。从上述结论可以看出，长江经济带农业生产存在投入规模不足的问题。因此，要加大农业生产投入规模，进而提高农业生产效率。加大对农业科技的投入，立足各地区的实际条件，开发相应的农业机械，提高农业机械化水平，如上游地区着重开发适宜山地作业的小型机械，中游着重开发适宜水网作业的机械，下游开发适应规模化和都市化生产的机械；同时，还要积极开发新型环保高效的肥料实现农业绿色发展；开发新型耕种模式，如无土栽培、立体栽培等，提高土地使用效率。

3.2.3

深入推进农村数字基础设施建设，提高普惠金融在农村地区的覆盖广度和使用深度。上游地区多山地，土地细碎化严重，交通不便，中央政府应当加大对上游地区的政策倾斜，上游各级政府也应当加大对山区的倾斜，加大与电信生产和建设企业的合作，鼓励这些企业加大对农村尤其是山地区的通信基站建设，提高互联网的覆盖率，使更多的农村居民享受现代技术带来的便利，利用互联网更为方便地获得农业生产所需要的资金，同时利用互联网信息平台来进行农产品的销售，增加农林牧渔业产值，提高农业生产效率，促进农业稳定发展。

参考文献

［1］ 侯琳，冯继红.基于超效率DEA和Malmquist指数的中国农业生产效率分析［J］.河南农业大学学报，2019，53（2）：316-324.

［2］ 卞圣凯，王吉发.基于超效率SBM模型的东北地区农业生产效率研究［J］.农业经济，2021（8）：44-46.

［3］ 肖琴，罗其友，周振亚，等.中国农业绿色生产效率的动态变迁与空间分异：基于DDF-Global Malmquist-Luenberger指数方法的分析［J］.农林经济管理学报，2020，19（5）：537-547.

［4］ 杜辉.基于多阶段DEA模型的中国财政支农绩效分析［J］.会计之友，2016（11）：90-93.

［5］ 刘依杭.不同规模农户农业生产效率差异及影响因素研究：基于DEA-Tobit模型的实证分析［J］.生态经济，2021，37（5）：113-118.

［6］ 韩旭东，王若男，杨慧莲，等.土地细碎化、土地流转与农业生产效率：基于全国2745个农户调研样本的实证分析［J］.西北农林科技大学学报（社会科学版），2020，20（5）：143-153.

［7］ 闫慧敏，刘纪远，曹明奎.中国农田生产力变化的空间格局及地形控制作用［J］.地理学报，2007，62（2）：171-180.

［8］ 庞辉.农业补贴政策背景下农户农业生产经营效率研究：基于辽宁省农户调查［J］.农业经济，2017（11）：89-91.

［9］ 时悦，梁净.城镇化与农业生产效率耦合协调关系：基于黑龙江省、辽宁省、吉林省3省数据分析［J］.农林经济管理学报，2019，18（2）：190-198.

［10］ 王丹，刘春明，周杨.农业机械化对粮食生产技术效率影响：基于农机跨区服务的空间效应视角［J］.中国农机化学报，2021，42（4）：223-229.

［11］ 黄莉，王定祥，李伶俐.环境禀赋、农业投资与农户生产效率［J］.西南大学学报（社会科学版），2021，47（1）：72-82.

［12］ 成学真，龚沁宜.数字普惠金融如何影响实体经济的发展：基于系统GMM模型和中介效应检验的分析［J］.湖南大学学报（社会科学版），2020，34（3）：59-67.

［13］ 周利，廖婧琳，张浩.数字普惠金融、信贷可得性与居民贫困减缓：来自中国家庭调查的微观证据［J］.经济科学，2021（1）：145-157.

［14］ 黄滢晓，汪慧玲.金融资源配置扭曲与贫困关系研究［J］.贵州社会科学，2007（12）：83-86.

［15］ 樊文翔.数字普惠金融提高了农户信贷获得吗？［J］.华中农业大学学报（社会科学版），2021（1）：109-119，179.

［16］ 李优树，张敏.数字普惠金融发展对系统性金融风险的影响研究［J］.中国特色社会主义研究，2020（Z1）：26-34.

［17］ 李建军，韩珣.普惠金融、收入分配和贫困减缓：推进效率和公平的政策框架选择［J］.金融研究，2019（3）：129-148.

［18］ 王晓燕，谢昭明.贫困地区普惠金融助力精准扶贫的路径研究：以贵州省长顺县为例［J］.安徽农业科学，2020，48（13）：251-253，270.

［19］ FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of productivity analysis，2002，17（1）：157-174．

［20］ 苑澤明，张永贝，宁金辉.京津冀高校科研创新绩效评价：基于DEA-BCC和DEA-Malmquist模型［J］.财会月刊，2018（24）：26-32.