普惠金融对黄河流域中上游农业绿色生产效率的影响研究

摘要 采用包含非期望产出的SBM模型对黄河流域中上游2011—2020年的农业绿色生产效率进行测算和分析，之后采用Tobit模型分析普惠金融对该区域农业绿色生产效率的影响。结果表明：①黄河流域中上游农业绿色生产效率值处于中等水平，且表现出上升趋势。分区域分析，上游地区整体呈线性增长趋势，其增长较快，中游地区虽整体表现出上升趋势，但整体发展趋势弱于上游。各省（市）中，从各省來看，内蒙古自治区农业绿色生产效率值要明显高于其余省（自治区），陕西省的效率值最低。②普惠金融总指数对黄河中上游整体及上游均有显著的正向作用，对中游有显著的负向作用。普惠金融覆盖广度指数对黄河中上游整体及上游和中游均有显著的促进作用。普惠金融使用深度指数分别对黄河流域中上游整体及上游和中游农业绿色生产效率均有有显著的正向作用。

关键词 黄河中上游；普惠金融；农业绿色生产效率；非期望SBM模型；Tobit模型

中图分类号 S-9；F 326.1  文献标识码 A

文章编号 0517-6611（2023）12-0229-05

doi：10.3969/j.issn.0517-6611.2023.12.051

Research on the Impact of Inclusive Finance on Agricultural Green Production Efficiency in the Middle and Upper Reaches of the Yellow River Basin

WU Xiao-tong

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

Abstract This paper uses the SBM model including unexpected output to measure and analyze the agricultural green production efficiency in the middle and upper reaches of the Yellow River basin from 2011 to 2020， and then uses the Tobit model to analyze the impact of inclusive finance on the agricultural green production efficiency in the region.The results show that：①The agricultural green production efficiency in the middle and upper reaches of the Yellow River basin is at a medium level and shows an upward trend.According to the regional analysis， the upstream region shows a linear growth trend as a whole， and its growth is fast.Although the midstream region shows an overall upward trend， the overall development trend is weaker than the upstream region.Among the provinces （municipalities）， from the perspective of each province， the agricultural green production efficiency value of Inner Mongolia Autonomous Region is significantly higher than that of other provinces （autonomous regions）， while the efficiency value of Shaanxi Province is the lowest.②The general index of inclusive finance has a significant positive effect on the middle and upper reaches of the Yellow River as a whole and the upper reaches， and a significant negative effect on the middle and upper reaches.The inclusive financial coverage index plays a significant role in promoting the middle and upper reaches of the Yellow River as a whole， as well as the upper and middle reaches.The use depth index of inclusive finance has a significant positive effect on the overall agricultural green production efficiency in the middle and upper reaches of the Yellow River basin， as well as in the upper and middle reaches.

Key words The middle and upper reaches of the Yellow River;Inclusive finance;Agricultural green production efficiency;Unexpected SBM model;Tobit model

作者简介 吴晓通（1989—），男，广东中山人，硕士研究生，研究方向：农业管理。

收稿日期 2022-11-14

改革开放40多年以来，我国农业经济发展屡创新高，但我国农业经济多以粗放式发展为主，农业发展质量并不高。随着农业经济的持续发展，粗放式发展带来的不良后果也在逐渐显现，土壤板结、土地肥力下降、农田污染等为我国农业发展蒙上了阴影，阻碍了我国农业现代化进程。为保障粮食安全，促进我国农业高质量发展，刘连馥先生2003年提出了绿色农业的发展概念，为我国农业绿色发展奠定了理论基础。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出要“推进农业绿色转型”，“完善绿色农业标准体系”，2022年中央一号文件也提出要“推进农业农村绿色发展”，农业绿色发展势在必行。

黄河流域是我国重要的农业生产基地，也是我国环境治理的重点和难点，为更好地治理黄河流域，我国政府将黄河流域生态保护和高质量发展上升为国家战略。相较于长江流域，黄河流域所处的纬度更高，水流量更小，流域面积也更小，环境也更加干燥，这使得黄河流域，尤其是中上游地区降水量较少，土地干旱，生态脆弱，农业发展严重受限。因此，黄河流域农业想要发展，就必须走生态友好型发展之路，提高水资源利用率，实现农业绿色发展。但在农业绿色发展初期，农业从业者收入势必会受到影响而降低，使得农民实行农业绿色发展的意愿下降，进而降低农业绿色发展速度。普惠金融的出现能够很好地弥补农民这一部分的损失，提高农民实行农业绿色发展的意愿。农业绿色生产效率是衡量该地区农业绿色发展的重要指标，一直以来都是国内外学者研究的热点。有关农业绿色生产效率的研究主要集中在概念和理论研究、测算方法、时空演化和影响因素等4个方面。第一，概念和理论研究。随着经济的快速发展和人们生活节奏的加快，人们越来越重视对效率的追求，在农业领域表现得尤为明显。为了追求农业发展效率，农业生产者不断使用各种手段来提高农业生产效率，如加大化肥、农药使用力度，这些方法虽然能够提高农业生产效率，但也带来了土壤板结、土地肥力下降、农田污染等问题，影响了农业发展的可持续性［1］。基于此种现象，农业绿色生产效率逐渐成为研究热点。绿色生产效率这一概念最早是由Schaltegger等［2］在1990年提出的，后引申到各个领域［3］。第二，研究方法上。目前主流的研究方法主要有随机前沿法［4］、数据包络法［5］，在实际研究中主要以数据包络法为主。具体到实际研究中主要有生产效率和全要素生产率2种，农业绿色生产效率测算方法主要是基于非期望产出的SBM模型［6］，而绿色全要素生产率的研究主要有ML［7］和GML［8］两种，二者各有优势。第三，时空演化。时空演化主要是指在时间和空间上的演化，时间上的演化顾名思义是指一个地区农业绿色生产效率会随着时间的变化而产生相应变化［9］，空间演化则主要是指不同地区之间农业绿色生产效率会存在差异，且这种差异会随着空间的变化而产生相应改变［10］。第四，影响因素。有关影响因素的研究主要有宏观和微观两个方面，宏观层面主要集中在农业生态补贴政策等方面［11］，微观方面主要主要有农村人均收入、农业结构、农业受灾率、农村人力资本、农业财政支持、农村金融支持、工业化程度、城镇化程度等［9，12-13］。

从上述分析可以看出，有关农业绿色生产效率的概念和理论研究、测算方法、时空演化和影响因素4个方面的研究已经较为完善，但有关普惠金融对农业绿色生产效率影响的研究较为吸收，尤其是以黄河中上游为主要研究对象的更是鲜见。基于此，根据黄河流域中上游2011—2020年面板数据，实证分析普惠金融对该区域农业生产效率的影响，为更好地发挥数字普惠金融在农业、农村中的绿色增长效应提供稳健的实证依据和决策参考。

1 模型及指标体系构建

1.1 模型构建

1.1.1 包含非期望产出的SBM模型。

数據包络分析（DEA）是一种非参数前沿方法，长期以来一直被用作评估经济、能源、环境和生态效率的方法。传统的DEA模型对于松弛变量的考虑存在不足，造成效率值存在偏差。Tone等［14］通过对Anderson超效率模型进行深入研究，结合前期的SBM模型构建出了超效率SBM模型，后加入了非期望产出，进一步提高了模型结果的准确性。因此，该研究采用非期望产出SBM模型来测算黄河中上游农业绿色生产效率，具体公式如下：

minρ=1-1mmi=1sixxik1+1p1+p2（p1r=1sryyrk+p2t=1sbtbtk）（1）

s.t.nj=1，j≠kxijλj+sxj=xik，i=1，2，…，m

nj=1，j≠kxrjλj-syt=yrk，i=1，2，…，p1

nj=1，j≠kbtjλj+sbt=btk，t=i=1，2，…，p2

λj，sxi，syr，sbt≥0，j=1，2，…，n（2）

式中，n表示DMU数，j代表第j个DMU，xik代表第k个DMU第i个投入变量，yrk代表k个DMU第r个期望产出，btk代表k个DMU第t个非期望产出，sxi，syr，sbt分别表示投入、期望、非期望产出的松弛变量，p1和p2分别表示期望和非期望产出数量;ρ表示农业生态效率，ρ越大则代表农业生态效率值越大，λj表示约束条件。

1.1.2 Tobit模型。

由于非期望SBM模型所得数据为截断离散数据，为更准确地反映黄河中、上游普惠金融对该区域农业绿色生产效率的影响，该研究选用Tobit模型来分析二者之间的关系，具体公式如下：

effiit=α0+α1indexit+α2coverageit+α3usageit+α4controlit+εit（3）

式中，i表示地区，t表示时间，α0为常数项；εit为随机误差项；α1、α2、α3、α4为待估系数，indexit、coverageit、usageit分别表示普惠金融总指数、覆盖广度和使用深度。

1.2 指标体系构建

1.2.1 农业生态效率测算体系构建。

基于2011—2020年黄河流域农业生产的面板数据，依据黄河流域自身特点，根据数据的可得性，参考姜智强等［15］和李文启等［16］的研究成果，选取机械、化肥、灌溉、用电、播种总面积、劳动力、塑料薄膜、柴油、农药等作为投入指标，将农业总产值作为期望产出，选取农业碳排放量作为非期望产出，具体见表1。

1.2.2 影响因素指标体系构建。

黄河流域上游和中游等地，农业生态效率受各方面因素影响，根据以往的研究成果，从农业生产、财政支持、经济环境和社会环境等角度，探讨各因素对黄河流域生态效率的影响，具体指标体系见表2。

1.3 数据来源 该研究以黄河流域上游和中游及各省、自治区为主要研究对象，研究数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国环境统计年鉴》及中、上游各省、自治区统计年鉴，普惠金融主要来自《北京大学数字普惠金融指数（2011—2021）》，其中农业碳排放量数据并未直接统计，具体测算如下。

运用李波等［17］的方法对农业碳排放量进行测算，并构建了估算公式和碳排放源及系数表，具体如下：

E=∑Ei=Ti×γi（4）

式中，E为农业的碳排放总量;Ei为各种碳源的碳排放量;Ti为各碳排放源的量;γi为各碳排放源的碳排放系数，具体如表3所示。

2 结果与分析

2.1 黄河中、上游地区农业绿色生产效率实证分析 采用包含非期望产出的SBM模型对2011—2020年黄河中、上游地区农业绿色生产效率进行测算，具体测算结果见表4。

由表4可以看出，在样本期间内，黄河中上游地区农业绿色生产效率均值为0.735。从各子期来看，除2020年外，黄河中上游地区农业绿色生产效率值均小于1.000，但各子期的值仍大于0.5。观察图1可知，2011—2014年，黄河中上游地区农业绿色生产效率值表现出快速上升的趋势，2014—2017年则表现出曲折下降的趋势，2017—2020年则表现出线性增长的趋势，并在2020年达到极值1.000，这表明在样本期间内黄河中上游地区农业绿色生产效率虽有曲折，但整体仍表现出向好趋势。

分区域分析，纵向来看，2011—2016年中游地区农业绿色生产效率值要明显高于上游地区，2017—2019年中游绿色生产效率值要低于上游地区，2020年各区域值均为1.000；横向来看，上游地区整体呈线性增长趋势，其增长较快，中游地区虽整体表现出上升趋势，但在2014—2015年和2016—2017年出现了下降，使得整体发展趋势弱于上游，其主要原因是：由于干旱少雨的原因，上游地区历来重视节水农业的发展，而随着经济的负向和科技的进步，使得该地区节水农业的发展得到进一步提升；中游地区虽面临同样的境况，但由于情况较好，对节水农业的发展并不重视。

从各省来看，内蒙古自治区农业绿色生产效率值要明显高于其余省（自治区），其余省（自治区）中，青海、甘肃、山西农业绿色生产效率值也要高于四川、宁夏和陕西，其中陕西的效率值最低。纵向来看，除2015、2016和2017年外，其余各年均有省（自治区）农业绿色生产效率值达到了1；其余各年中，2020年省（自治区）农业绿色生产效率值均达到了1，2014年青海、内蒙古和山西3个省（自治区）达到1，2013和2016年分别有2个省（自治区）达到1，其余各年仅有1个。横向来看，除2020年外，仅有青海、甘肃、内蒙古、山西在2011—2019年有年份达到1，其中内蒙古达到1的年份最多，达到了6年，占所有年份的60%，青海次之，甘肃仅在2016年农业绿色生产效率值为1，山西则仅在2014年达到了1，其余各省（自治区）在2011—2019年间农业绿色生产效率值均小于1；观察图1可知，四川、宁夏和陕西农业绿色生产效率值均表现出上升趋势，其中四川表现出线性上升的趋势，陕西虽也表现出上升趋势，但在2014—2015的增长出现了放缓，宁夏则是在2018—2019年出现了下降；其余省（自治区）中，山西在2011—2014年表现出快速上升趋势，2014—2020年则表现出“U”形发展趋势，甘肃在2011—2017年表现出上升趋势，2018年出现下降，其后仍呈上升趋势，青海表现出先增后降又再增的趋势，内蒙古在2011—2014年均无变化，2014—2020年则表现出“W”形发展趋势。

2.2 普惠金融对黄河中、上游地区农业绿色生产效率影响的实证分析

通过Tobit模型，将公式（2）所得结果及表2相关指标代入公式（3）中，所得结果如表5所示。

由表2可知，普惠金融总指数对黄河中上游整体及上游均有显著的正向作用，且通过了0.01的显著性检验，对中游有显著的负向作用，且通过了0.05的显著性检验，说明普惠金融总指数的升高会对黄河中上游整体及上游农业绿色生产效率的提高有显著的促进作用，这主要是因为在农业绿色发展的初期，农民的收入会降低，影响农业再生产，进而导致农民实现农业绿色发展的意愿降低，普惠金融由于融资门槛较低，程序简单，能够很好地弥补由于农业绿色发展所带来的资金缺口，进而提高农业绿色生产效率。普惠金融覆盖广度指数对黃河中、上游整体及上游和中游均有显著的促进作用，且通过了0.01和0.05的显著性检验，说明普惠金融覆盖广度的增加能够对该区域农业绿色生产效率产生促进作用。普惠金融覆盖广度指数表示普惠金融覆盖的区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，对于农业绿色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0.01的显著性水平下分别对黄河流域中上游整体及上游和中游农业绿色生产效率均有有显著的正向作用。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，进而对农业绿色生产效率产生促进作用。

3 结论与建议

3.1 结论 采用包含非期望产出的SBM模型对黄河流域中上游2011—2020年的农业绿色生产效率进行测算和分析，之后采用Tobit模型分析普惠金融对该区域农业绿色生产效率的影响，结论如下：

（1）在样本期间内，黄河中上游地区农业绿色生产效率均值为0.735，且表现出上升趋势。分区域分析，上游地区整体呈线性增长趋势，其增长较快，中游地区虽整体表现出上升趋势，但整体发展趋势弱于上游。各省（自治区）中，内蒙古农业绿色生产效率值要明显高于其余省（自治区），其余省（自治区）中，青海、甘肃、山西农业绿色生产效率值也要高于四川、宁夏和陕西，其中陕西的效率值最低。

（2）普惠金融总指数对黄河中上游整体及上游均有显著的正向作用，对中游有显著的负向作用。普惠金融覆盖广度指数对黄河中上游整体及上游和中游均有显著的促进作用。普惠金融使用深度指数分别对黄河流域中上游整体及上游和中游农业绿色生产效率均有有显著的正向作用。

3.2 建议 基于上述结论，提出如下建议：

3.2.1 健全金融体系，完善金融监管。普惠金融实质上是一种数字金融，相较于传统金融，普惠金融拥有操作简单、传播速度快、覆盖区域广、审核速度快的优势，但伴随这种优势的是更高的风险和更复杂的监管。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 加快推进节水农业发展，逐步建立农业绿色生产制度。黄河流域中上游地区纬度较高，常年干旱少雨。因此，各地政府应当加大对节水农业的重视程度，严格的水资源使用制度，减少水资源超载地区的不合理灌溉面积。同时，政府应定期组织农业从业人员学习农业绿色生产知识，提高环境保护意识，加大种植节水、节肥农作物种植面积，优化农产品绿色生产布局。

3.2.3 加大农业科技投入，完善农业技术交流平台。农业科技的开发的周期较长，所能获得的利润也较低，政府应加大农业科研财政拨款，鼓励有关科研机构或企业研发低污染的农业生产技术。同时，要加快农业技术交流平台建设，使各区域之间的技术交流更加畅通，农业科技成果的转化渠道也更加通畅，同时各区域也能够通过交流平台选择适宜于自身的发展模式，实现人与自然的和谐发展。

参考文献

［1］ 郑云，黄杰.中国农业生态效率空间关联网络特征及其驱动因素研究［J］.经济经纬，2021，38（6）：32-41.

［2］ SCHALTEGGER S， STURM A.kologische rationalitt：Ansatzpunkte zur ausgestaltung von kologieorientierten managementinstrumenten［J］.Die unternehmung，1990，44（4）：273-290.

［3］ GEORGOPOULOU A，ANGELIS-DIMAKIS A，ARAMPATZIS G，et al.Improving the eco-efficiency of an agricultural water use system［J］.Desalination & water treatment，2016，57（25）：11484-11493.

［4］ 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（1/2）：157-174．

［5］ CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units ［J］.European journal of operation research， 1978， 2（6）：429-444．

［6］ 郭鳳玉，孟静怡，徐磊，等.冀北山区农业生态效率时空演变特征及预测分析［J］.中国农机化学报，2021，42（10）：146-156.

［7］ CHUNG Y H， FRE R， GROSSKOPF S.Productivity and undesirable outputs： A directional distance function approach ［J］.Journal of environmental management，1997，51（3）：229-240.

［8］ OH D H.A global Malmquist-Luenberger productivity index［J］.Journal of productivity analysis，2010，34（3）：183-197.

［9］ 王兵，曾志奇，杜敏哲.中国农业绿色全要素生产率的要素贡献及产区差异：基于Meta-SBM-Luenberger生产率指数分析［J］.产经评论，2020，11（6）：69-87.

［10］ 刘亦文，欧阳莹，蔡宏宇.中国农业绿色全要素生产率测度及时空演化特征研究［J］.数量经济技术经济研究，2021，38（5）：39-56.

［11］ 李学敏，巩前文.新中国成立以来农业绿色发展支持政策演变及优化进路［J］.世界农业，2020（4）：40-50，59.

［12］ 李谷成.中国农业的绿色生产率革命：1978—2008年［J］.经济学，2014，13（2）：537-558.

［13］ 李静，张传慧.中国农业技术进步的绿色产出偏向及影响因素研究：基于1999—2018年农业绿色TFP增长的技术进步产出偏向分解［J］.西部论坛，2020，30（3）：36-50，105.

［14］ TONE K， TSUTSUI M.Dynamic DEA： A slacks-based measure approach［J］.Omega，2010，38（3/4）：145-156.

［15］ 姜智强，刘伊霖，曾智，等.财政环保支出对农业生态效率的影响研究：来自长江经济带发展战略的经验证据［J］.经济问题，2022（6）：113-122.

［16］ 李文启，赵家未.黄河流域农业生态效率与绿色全要素生产率耦合协调研究［J］.生态经济，2022，38（5）：121-128，168.

［17］ 李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解［J］.中国人口·资源与环境，2011，21（8）：80-86.