数字普惠金融对绿色农业发展的影响

戴 浩, 魏君英

(长江大学经济与管理学院,湖北 荆州 434023)

优化农业要素资源配置、调整农业生产结构、推动农业绿色转型发展是提升农业综合效益和推进农业供给侧结构性改革的客观要求。2023年中央一号文件再次强调推进农业绿色发展。稳步推进农业农村绿色发展要求农业发展从生产端和供给侧同时发力,将农业绿色生态发展放在更加突出的位置,摒弃高耗能、高污染的传统农业,转向低碳绿色农业发展模式。传统金融机构受限于技术、成本和风险,难以为农村经济的绿色发展提供有力支持。而数字普惠金融相较于传统金融在扩大用户覆盖广度和提升用户使用深度的同时,提高了交易效率和服务质量,以及降低了运营成本,有助于推进产业绿色转型[1-2]。因此,进一步研究数字普惠金融对绿色农业发展的影响,探究其内在作用路径与机制,对于实现农业绿色转型发展具有一定的理论和实践价值。

一、文献综述与问题提出

数字普惠金融的数字化特征和普惠性特征成为近年来金融领域的热点话题。本研究结合研究选题,主要从数字普惠金融对农业发展的影响,以及数字普惠金融对环境治理的影响等2个方面进行文献归纳和评述。

1.数字普惠金融对农业发展的影响。学界主要研究数字普惠金融对农业农村现代化、农业产出和农业高质量发展等的影响。如罗振军等研究数字普惠金融对农业农村现代化的影响,分析指出数字普惠金融能有效促进农业农村现代化发展,且存在空间溢出效应[3];方观富等研究数字普惠金融对农业产出的内在影响和作用机理,分析指出数字普惠金融主要通过扩大农作物播种面积和提高农业机械利用率来提升农业产出[4];罗光强和王森等聚焦农业高质量发展,分析指出数字普惠金融作用于农业产业结构升级和农地流转,间接促进农业高质量发展,且数字普惠金融对农业高质量发展存在边际递增的门槛效应[5-6]。

2.数字普惠金融对环境治理的影响。学界主要研究数字普惠金融对农业绿色全要素生产率、碳减排、低碳农业等的影响。其中,在农业绿色全要素生产率方面,如郭桂霞和张翱祥等研究数字普惠金融对农业绿色全要素生产率的影响,分析指出数字普惠金融通过技术进步和技术效率提升对本地区农业绿色全要素生产率产生正向影响,但不利于周边地区农业绿色全要素生产率的提升[7-8]。在碳减排方面,如程秋旺等研究数字普惠金融的碳减排效应,分析指出数字普惠金融通过创业效应和数字化赋能降低碳减排[9];王守坤等基于县域视角研究数字普惠金融对碳减排的影响,分析指出数字普惠金融主要通过产业结构、土地转让和技术创新等 3条途径促进碳减排,具有显著的碳减排效应[10];丁凡琳研究数字普惠金融对碳强度的影响,分析指出数字普惠金融通过技术进步效应、结构效应和消费偏好来降低碳强度[11]。在低碳农业方面,如申云等研究数字普惠金融对农业绿色低碳发展的影响,分析指出数字普惠金融有助于农业绿色低碳发展[12];付伟等实证研究数字普惠金融对农业低碳发展的影响,分析指出数字普惠金融通过农业流转促进农业低碳发展[13]。

综上所述,学界对数字普惠金融展开诸多研究,尤其是近年来关于数字普惠金融的环境效应研究逐步兴起,取得了较为丰富的研究成果,为本研究奠定了基础。但既有研究侧重于分析数字普惠金融如何赋能碳减排或低碳农业,以及主要基于碳减排效应、农地流转效应等视角研究数字普惠金融对绿色农业发展的影响路径,较少研究数字普惠金融对绿色农业发展的影响及作用机制。鉴于此,本研究基于2011—2020年我国31个省份(港澳台地区除外,下同)的面板数据,构建绿色农业发展评价指标体系,并采用高斯混合模型、中介效应模型和门槛模型实证分析数字普惠金融对绿色农业发展的传导机制,进一步验证农户创业和农业技术进步在数字普惠金融对绿色农业发展影响中的中介效应,以从理论和实证层面厘清数字普惠金融对绿色农业发展的作用机理,进而为助力“双碳”目标、实现农业高质量发展提供一定的经验证据和理论支撑。

二、理论分析与研究假设

(一)数字普惠金融对绿色农业发展的影响机理

农业资金需求小且分散,信用信息收集困难,使得农业部门难以获得传统金融机构的支持。依托数字技术的数字普惠金融可以在低成本条件下大大提高农业部门的资本匹配效率和金融服务可获得性,从而促进农业全要素生产率提升和农业绿色转型发展[14]。数字普惠金融对绿色农业发展的影响主要体现在以下3个方面:

1.数字普惠金融降低金融服务门槛,满足绿色农业资金需求。农村金融市场的资金需求分散、系统性风险大、比较效益低等特点,加大了金融机构在农村地区持续经营的难度。且金融机构受利润目标驱使,更倾向于针对城市地区提供能够带来丰厚回报的金融服务,一定程度上会将农村低收入群体排斥在正规金融服务之外,产生农村金融排斥困境。而农村金融排斥会导致农业融资困难,难以引进新型农业生产技术,不利于农业绿色转型发展。数字普惠金融可以有效缓解农村地区的金融供给不足和金融排斥问题,为农业绿色转型发展奠定物质基础。

2.数字普惠金融促进绿色科技应用,提高绿色农业生产效率。数字普惠金融基于互联网、大数据等数字化技术,可以将资金精准投放到绿色养殖、农业机械设备、污染防治等方面,提升绿色农业产出规模和效率;且基于大数据的风控体系,可以在有效降低金融机构系统性金融风险的同时,提高农民的金融素养和风险意识。同时,数字普惠金融通过促进金融科技和保险科技互联互通(如“银行+保险”贷款),提高了农业部门的抗风险能力,进而提高了农户对新技术和绿色设备的接受度[15],最终有助于提高绿色农业生产效率。

3.数字普惠金融推进绿色理念传播,践行绿色农业生产方式。数字化技术加速了绿色健康理念的传播,逐渐影响公众的生产和生活方式,促进了绿色消费需求的增长。数字普惠金融搭载大数据、区块链和互联网等现代数字化技术,使得金融市场变得更加公开和透明。农民通过数字化技术既能及时了解农业污染现状以及农业绿色转型的帮扶政策等,加深对绿水青山就是金山银山的理解,又能亲自参与到环境治理的过程中,提升作为农业主人翁的责任感和使命感,有助于推进农民切实践行绿色农业生产方式,加快农业绿色转型发展。

鉴于此,本研究提出假设H1:数字普惠金融有利于绿色农业发展。

(二)数字普惠金融对绿色农业发展影响的中介效应

1.数字普惠金融通过农户创业影响绿色农业发展。资金约束是农户创业面临的最大障碍,而近年来数字普惠金融的发展通过提高农户的信贷可获得性、电子支付水平、信息知识获取能力等途径有效缓解了农户创业的资金约束,激发了农户的创业积极性[16]。农户创业主要包括农业型创业和非农业型创业等2种方式。其中,农业型创业是农户在原有的农业生产领域进行创新和发展,如农业生产规模的扩大或经营范围的拓展等;非农业型创业是农户突破传统农业生产领域,进行个体工商业生产经营。数字普惠金融的农户创业效应基于上述2种农户创业方式发挥效果,具体包括:(1)数字普惠金融的农业型创业效应。数字普惠金融通过为农户提供创业资金,促使部分农户开始农业型创业,如扩大农业生产规模、开办小微农业企业、加入农业合作社等。基于“理性经济人”假设和利益最大化的驱使,农业型创业者更倾向于选择能耗低、污染少,以及能享受政府帮扶政策的相关领域,这将直接推动绿色农业发展。(2)数字普惠金融的非农业型创业效应。数字普惠金融通过为农户提供创业资金,促使部分农户突破传统农业生产领域进行非农业型创业,使得传统粗放式的农业生产活动频率降低,农业污染排放减少;同时,农户进行非农业型创业时,会更倾向于选择与农业联系较为紧密的产业来降低创业风险,以及通过对产业结构进行合理调整,以低污染、低耗能的绿色产业替代高污染、高耗能的传统产业,间接推动绿色农业发展。鉴于此,本研究提出假设H2:数字普惠金融通过农户创业促进绿色农业发展。

2.数字普惠金融通过农业技术进步影响绿色农业发展。绿色农业发展水平的提升离不开技术进步,特别是绿色技术创新。数字普惠金融的普惠性缓解了农户的融资约束,使更多研发资金投入农业部门成为可能,从而提高了区域农业技术创新水平。同时,数字普惠金融基于数字技术进一步健全了信用报告体系[17],有效降低了金融机构在向农户提供普惠金融服务时面临的信用风险,这从根本上缓解了农户技术创新的融资约束[18]。此外,数字普惠金融在我国的大力推进和发展,促进了农村数字基础设施的不断完善,以及农业先进技术的推广和应用,进而促进了农业绿色全要素生产率的提升[19]。鉴于此,本研究提出假设H3:数字普惠金融通过农业技术进步促进绿色农业发展。

(三)数字普惠金融对绿色农业发展影响的门槛效应

数字普惠金融对绿色农业发展影响的门槛效应主要表现为数字普惠金融地区发展的不平衡,即不同发展水平的数字普惠金融可能对绿色农业发展的影响是非线性的。区块链、大数据与普惠金融融合产生的数字普惠金融具有高固定成本和低边际成本的特征。其中,金融机构在前期发展数字普惠金融时需要投入大量资金建设数字基础设施,沉没成本一定程度上对数字普惠金融会产生挤出效应,获取相关信息、技术和资金的成本处于较高阶段,数字普惠金融发展相对缓慢,从而对绿色农业发展的推动作用有限。同时,金融机构的受众数量达到临界容量后,便会触发正反馈,产生马太效应[20]。随着数字化技术的发展与完善,数字化技术在推进数字普惠金融发展的同时,使得金融机构开始关注分工和专业化问题,且金融机构在经济主体和利益的驱动下,侧重于优化金融服务和创新金融产品,使得研发新产品的边际成本,以及获取新技术、新知识的获取成本持续下降。于是,数字普惠金融的示范效应将会吸引更多金融机构参与其中,推进数字普惠金融快速发展,从而对绿色农业发展产生更大的促进作用。鉴于此,本研究提出假设H4:数字普惠金融对绿色农业发展具有边际递增的非线性门槛效应。

三、绿色农业发展的内涵、综合评价与时空演化特征

(一)绿色农业发展的内涵

科学界定绿色农业发展的内涵可以为绿色农业的科学合理评价提供理论依据和支撑。绿色农业发展是基于农业技术的改良与进步,以节约资源为手段,以提倡低碳、绿色的生活方式为途径,以保护和改善农业生态环境为最终目标的农业发展模式。经济的快速发展使得农业生产的逐利性日益突显,生态环境成本和社会成本被逐渐忽视[21],导致我国农业发展面临诸多困境,如高耗能、高污染的粗放式农业生产方式进一步制约农村发展,农业生产要素价格较高与农产品价值较低的价格鸿沟导致农业经济效益下滑态势严峻,生态退化与环境污染造成农产品质量安全问题频发等[22]。于是,经济发展与生态环境的结构性矛盾日益突出,经济与生态的双重压力倒逼农业生产结构变革,而绿色农业发展是破除农业生产污染困境与实现绿色安全消费的重要方式之一[23]。

(二)绿色农业发展的综合评价

农业生产是农村和农业发展的基础,农业生产的绿色化是绿色农业发展的核心[23]。而绿色农业的发展水平很大程度上取决于农户生产方式的绿色化程度[24]。绿色农业发展强调保护和节约资源,减少农业对生产环境的破坏,重构生态资源基础。考虑到测度绿色农业发展的复杂性,以及评价指标的科学性和可获取性,本研究基于农户生产视角,借鉴黄炎忠和漆雁斌等的做法[25-26],重点探讨绿色农业发展的节能增效、可持续发展、环境友好等特征,从节约能耗、集约用地、资源高效和节约用水等方面,分别选取化肥使用效率、农药使用效率、农膜使用效率、农业机械使用效率、能源使用效率、农地使用效率和水资源使用效率等7个指标构建绿色农业发展评价指标体系,具体详见表1。

表1 绿色农业发展评价指标体系Table 1 Evaluation index system of green agriculture development

(三)绿色农业发展的时空演化特征

本研究采用熵值法测算绿色农业发展水平,以进一步分析绿色农业发展的时空演化特征。

1.空间演化特征。考虑到地区经济发展与绿色农业发展密切相关,本研究将我国划分为东部地区、中部地区和西部地区,进行绿色农业发展水平的空间演化特征分析。由图1可知,2011—2020年,我国绿色农业发展水平逐年升高,从2011年的0.556增长至2020年的0.730,10年间共增长了0.174。其中,东部地区绿色农业发展水平最高,西部地区其次,中部地区最低。究其原因在于:东部地区经济发展水平较高,第三产业居多,农业体量较小;且城市的科学技术外溢推动周边农村地区技术扩散,对于新技术的采纳程度较高,促进农业绿色转型发展。西部地区虽然面积广袤,但适宜种植业的土地资源较少,以畜牧业和林业为主,农业污染源少,且畜牧业和林业在一定程度上可以绿化环境,减少农业碳排放,有利于绿色农业发展。中部地区的湖北、湖南、安徽和江西等省份作为我国的农业大省和粮食主产区,农业体量庞大且农业污染源多,农业产出提升的同时农业污染随之增加,导致中部地区绿色农业发展水平较低。

图1 我国绿色农业发展水平的空间演化

2.时间演化特征。考虑到时间节点的均衡性,本研究以2011、2014、2017、2020年为时间节点,进行绿色农业发展水平的时间演化特征分析。由图2可知,2011年,绿色农业发展水平较高的省份集中在东部沿海地区,以及西藏、青海和四川等西部地区省份,甘肃、宁夏、安徽和山西等4个省份的绿色农业发展水平相对较低。2014年,绿色农业发展水平的东部、中部地区差异显著,除东部沿海地区省份外,东部地区其他省份的绿色农业发展水平均位于0.6以上,而中部地区省份均位于0.6以下。2017年,绿色农业发展水平整体上升,区域差异缩小。2020年,西部地区的青海、四川和西藏等省份的绿色农业发展水平反超东部、中部地区,且东部、中部地区差异缩小。

图2 我国绿色农业发展水平的时间演化

四、研究设计

(一)数据来源

本研究选取31个省份作为研究对象,鉴于数据的可获得性,将2011—2020年作为样本研究区间,所涉及的数据来源于《中国农业机械工业年鉴》《中国人口和就业统计年鉴》《中国农村统计年鉴》,以及EPS数据库,少数缺失数值采用插值法补齐。

(二)变量设置

本研究的变量包括被解释变量、解释变量、控制变量和中介变量。各变量的赋值和描述性统计详见表2。

表2 各变量的赋值和描述性统计Table 2 Assignment and descriptive statistics of variables

1.被解释变量。被解释变量为绿色农业发展,选取用熵值法计算的绿色农业发展水平进行衡量。绿色农业发展的均值为0.644,表明我国绿色农业发展整体较好,处于中等水平。

2.解释变量。解释变量为数字普惠金融。数字普惠金融是传统业态与数字化技术结合的一种新型金融模式,兼具数字化和普惠性特征,涵盖保险、证券、支付和信贷等多个领域。本研究选取北京大学数字金融中心编制的数字普惠金融指数进行衡量。数字普惠金融包括覆盖广度、使用深度和数字化等3个维度,共计33项细化指标。其中,数字普惠金融的均值为2.162,表明我国数字普惠金融发展较好,但其标准差高达0.970,表明我国数字普惠金融的地区差异较大;覆盖广度的均值为1.967,表明我国数字普惠金融的覆盖面较小,有待进一步扩大;使用深度的均值为2.111,表明我国数字普惠金融的使用较为频繁;数字化的均值为2.901,表明我国数字普惠金融主要通过数字化技术完成。

3.控制变量。控制变量包括城镇化率、受教育程度、财政支农水平和人均GDP。具体来说:(1)城镇化率。城镇化率是衡量一个区域发展程度的重要指标。本研究采用城镇人口与总人口的比值衡量城镇化率。(2)受教育程度。地区整体教育水平的提高会直接影响农户的绿色生产行为,且农户的受教育程度越高,其农业产出效率和技能水平也相应越高,从而会提高劳动生产率[27]。本研究采用农村平均受教育年限衡量受教育程度,其中,平均受教育年限=(小学×6+初中×9+高中×12+大专及以上×16)/总人数。(3)财政支农水平。农业科技进步与农业财政投入密不可分,财政支农水平与农业技术进步之间存在非线性关系[28]。本研究采用农林水事务支出与财政支出的比值衡量财政支农水平。(4)人均GDP。GDP是地区经济发展水平的重要体现,而地区经济发展水平与科技投入力度密切相关。本研究采用农业总产值与农业人数的比值衡量人均GDP。其中,城镇化率的均值为58.050,表明我国城镇化发展整体处于中等水平;受教育程度的均值为7.723年,表明我国农村整体受教育程度偏低;财政支农水平的均值为0.116,表明我国财政支农力度较大;人均GDP的均值为7.086,且最小值和最大值相差较大,表明我国经济发展水平的区域差异较大。

4.中介变量。根据上文理论分析,本研究选取农户创业和农业技术进步作为中介变量。具体来说:(1)农户创业。本研究借鉴齐文浩等的做法[29],采用农村个体创业人数与农村私营企业人数之和占乡村就业人数的比重衡量农户创业。(2)农业技术进步。农业技术进步包括土地节约型技术进步和劳动力节约型技术进步等2种类型,本研究借鉴邓鑫等的做法[30],从劳动力节约型技术进步视角出发,采用农业机械化程度来表征农业技术进步。而农业机械化程度为机耕率、机播率和机收率的总和,本研究进一步参考《主要农作物生产全程机械化示范县评价指标体系(试行)》的度量标准,对机耕率、机播率和机收率分别赋值为0.4、0.3和0.3,以此来计算农业机械化程度[30]。具体来说,农户创业的均值为5.210,表明农户创业群体较大;农业技术进步的均值为0.545,表明农业技术进步程度较高。

(三)模型构建

基于上述理论分析与假设H1,本研究构建基准模型考察数字普惠金融对绿色农业发展的影响。具体模型如下:

(1)

其中,Git表示i省份t年的绿色农业发展;Dit表示i省份t年的数字普惠金融; ∑Kit表示控制变量集合; ∂0表示常数项; ∂1和∂2分别表示数字普惠金融与各控制变量的回归系数;δi表示个体固定效应;ηt表示时间固定效应;μit表示随机扰动项。

本研究进一步对数字普惠金融影响绿色农业发展的传导路径进行识别和检验,基于假设H2和假设H3,借鉴温忠麟等的做法[31],构建中介效应模型进行实证检验。具体模型如下:

(2)

(3)

(4)

其中,Mit表示中介变量,即i省份t年的农户创业和农业技术进步; ∂0、β0、θ0表示常数项; ∂1、β1、θ1均表示数字普惠金融的回归系数; ∂2、β2、θ2均表示各控制变量的回归系数;δi表示个体固定效应;ηt表示时间固定效应;μit、φit、λit表示随机扰动项。其中,模型(2)表示总效应模型;模型(3)表示数字普惠金融对农户创业和农业技术进步影响的估计模型;模型(4)表示同时考虑中介机制和数字普惠金融的估计模型。

同时,本研究基于假设H4,进一步检验数字普惠金融对绿色农业发展影响的门槛效应,具体以数字普惠金融作为门槛变量构建门槛模型。具体模型如下:

Git=τ0+τ1Dit(qi≤ω)+τ2Dit(qi>ω)+τ3∑Kit+μit+δi+ηt+πit

(5)

其中,qi表示门槛变量,本研究的门槛变量为数字普惠金融,即Di;ω表示门槛值;πit表示随机扰动项。

(四)特征事实描述

为了从数据层面初步判断数字普惠金融对绿色农业发展的影响效果,图3分别刻画了数字普惠金融与绿色农业发展、农户创业与绿色农业发展,以及农业技术进步与绿色农业发展之间的线性拟合图。由图3可知,数字普惠金融、农户创业、农业技术进步与绿色农业发展之间均存在正相关关系,假设H1得到初步验证。但仅从数据的描述性分析下定结论较为武断,缺乏严谨性,本研究将采用计量模型进一步验证前文假设。

图3 线性拟合图

五、实证分析

(一)基准回归分析

为了避免变量存在多重共线性导致估计结果无效,本研究采用方差膨胀因子方法对模型进行多重共线性检验(表3)。由表3可知,各变量的方差膨胀因子均小于10,表明可以排除多重共线性问题。

表3 多重共线性检验Table 3 Multiple collinearity test

本研究进一步进行基准回归分析,具体采用高斯混合模型进行估计,同时以普通最小二乘模型和固定效应模型作为对比。为了验证高斯混合模型估计结果的有效性,本研究采用二阶序列自相关检验和过度识别约束检验等2种检验方法对模型估计结果和工具变量的有效性进行验证。表4依次报告了在普通最小二乘模型、固定效应模型和高斯混合模型中数字普惠金融对绿色农业发展影响的回归分析结果。由表4可知,在模型5和模型6中,AR(2)均大于0.05,验证了模型不存在二阶序列自相关的假设,且Sargan也均大于0.05,验证了工具变量不存在过度识别的问题,表明该模型设定合理且有效。

表4 基准回归分析Table 4 Benchmark regression analysis

由表4可知,在模型6中,数字普惠金融与绿色农业发展在1%的水平上呈正相关,回归系数为0.009 7,即数字普惠金融每提高1个单位,绿色农业发展将提高0.97%,表明数字普惠金融对绿色农业发展具有促进作用。模型2和模型4中数字普惠金融的回归系数分别为0.053 8和0.009 7,分别通过了1%、5%的显著性水平检验,与模型6估计结果的显著性较为一致,但三者的回归系数存在些许差异。模型1、模型3和模型5为未控制其他解释变量的情况,估计结果与控制其他解释变量的估计结果基本一致,表明无论是否控制其他变量,3种模型的估计结果均支持数字普惠金融有利于绿色农业发展的前置结论。据此,假设H1得到验证。

在控制变量方面,由模型6可知,城镇化率与绿色农业发展呈正相关但不显著,估计系数为0.009 0,即城镇化率每提高1个单位,绿色农业发展将提高0.9%,表明城镇化率有利于绿色农业发展,但目前城镇化率对绿色农业发展的影响尚不显著;受教育程度与绿色农业发展在1%的水平上呈正相关,估计系数为0.008 9,即受教育程度每提高1个单位,绿色农业发展将提高0.89%,表明受教育程度有利于绿色农业发展;财政支农水平与绿色农业发展呈正相关但不显著,估计系数为0.009 6,即财政支农水平每提高1个单位,绿色农业发展将提高0.96%,表明财政支农水平有利于绿色农业发展,但目前财政支农水平对绿色农业发展的影响尚不显著;人均GDP与绿色农业发展在1%的水平上呈正相关,估计系数为0.009 7,即人均GDP每提高1个单位,绿色农业发展将提高0.97%,表明人均GDP越高,越有利于绿色农业发展。

(二)稳健性检验和内生性检验

本研究在基准回归分析的基础上,进一步检验上述结果的稳健性,以增强研究结论的可信度,具体从稳健性检验和内生性检验等2个方面进行处理。

1.稳健性检验。本研究主要采用替换解释变量、剔除直辖市和缩尾处理等3个方法进行检验,稳健性检验结果详见表5。具体来说:(1)替换解释变量。在模型7、模型8和模型9中,覆盖广度、使用深度和数字化均在1%的水平上显著为正,回归系数分别为0.011 2、0.007 4和0.003 3,表明数字普惠金融的不同维度对绿色农业发展均具有促进作用,且促进作用由高到低依次为:覆盖广度、使用深度和数字化。总体来看,数字普惠金融的不同维度对绿色农业发展影响的估计结果,与前文数字普惠金对绿色农业发展影响的估计结果基本一致。(2)剔除直辖市。直辖市的政策偏向性和地位特殊性使得其数字普惠金融的发展程度与其他省份相比差距较大,会导致研究结果出现偏误。鉴于此,本研究剔除北京市、天津市、上海市和重庆市等4个直辖市进行回归分析。结果显示,在剔除直辖市后,数字普惠金融仍在1%的水平上显著为正,回归系数为0.009 3,表明数字普惠金融对绿色农业发展具有促进作用。(3)缩尾处理。考虑到样本数据中存在的异常值可能会对回归分析结果造成偏误,本研究将变量前后1%的分位数进行缩尾处理,以剔除异常值对回归结果的干扰。结果显示,在进行缩尾处理后,数字普惠金融仍在1%的水平上显著为正,回归系数为0.003 9,表明数字普惠金融对绿色农业发展具有促进作用。综上可知,本研究的结论稳健可靠。

表5 稳健性检验Table 5 Robustness test

2.内生性检验。考虑到数字普惠金融和绿色农业发展之间可能存在内生性问题,具体体现在:(1)第三方因素可能对数字普惠金融和绿色农业发展同时产生影响,而这类因素很难被识别,最终会造成模型设定存在偏误;(2)数字普惠金融影响绿色农业发展的同时,也可能受到绿色农业发展的反作用,从而诱发潜在的内生性问题。鉴于此,本研究基于高斯混合模型进一步采用工具变量法来消除可能存在的内生性问题。考虑到以支付宝为代表的数字普惠金融发源于杭州,杭州的数字普惠金融发展水平遥遥领先于其他省份。本研究具体借鉴张彤进等的做法[32],将各地区到杭州的球面距离作为工具变量。根据扩散效应和溢出效应可知,在地理位置上离杭州越近,其数字普惠金融发展水平越高,满足工具变量的相关性要求;同时,地理球面距离作为典型的自然地理特征与社会经济因素尚无较为紧密的联系,满足工具变量的排他性要求。

由表6可知,在工具变量—两阶段最小二乘模型和工具变量—高斯混合模型中,模型的估计结果一致。同时,在未考虑控制变量的情况下,数字普惠金融对绿色农业发展的回归系数为0.037 7,通过了5%的显著性水平检验;在考虑控制变量的情况下,数字普惠金融对绿色农业发展的回归系数为0.067 8,通过了1%的显著性水平检验。可见,本研究选取的工具变量对数字普惠金融能够予以较好的表征,但工具变量估计结果须进一步考虑弱工具变量问题。由表6的Wald检验结果可知,无论是否考虑控制变量,数字普惠金融均在5%的显著性水平上拒绝存在弱工具变量的原假设。综上,在克服潜在内生性问题后,数字普惠金融对绿色农业发展的正向影响依然显著。

表6 工具变量法检验Table 6 Instrumental variable method test

(三)异质性分析

考虑到我国绿色农业发展在分布和区域上呈现出异质性特征,本研究进一步分析数字普惠金融对绿色农业发展影响的异质性,具体分析结果详见表7。

表7 异质性分析Table 7 Heterogeneity analysis

1.分布异质性。为了探究数字普惠金融对不同水平的绿色农业发展的影响,本研究采用面板分位数模型选取25%、50%、75%和90%等4个分位数,分析数字普惠金融对不同分位数绿色农业发展的影响。由表7可知,数字普惠金融在25%、50%、75%和90%分位数上均通过了1%的显著性水平检验;随着分位数的增加,数字普惠金融的回归系数呈现出先上升、后下降的发展趋势。这表明数字普惠金融对绿色农业发展具有促进作用,且促进作用呈倒U型结构。究其原因在于:当绿色农业发展处于较低水平时,数字普惠金融的普惠效应更为明显,通过为农户提供生产资金和绿色生产技术支持,提高农业绿色生产效率;当绿色农业发展达到一定水平时,数字普惠金融对绿色农业发展的贡献度达到最高,促进作用最大;但随着绿色农业发展水平的继续增长,绿色农业发展对数字普惠金融的依赖程度逐步减弱,进而转向其他要素,使得数字普惠金融对绿色农业发展的促进作用逐步减小。

2.区域异质性。考虑到数字普惠金融的发展和地区经济发展水平密切相关,本研究根据地区经济发展水平的差异,将我国分为东部、中部、西部地区,分析数字普惠金融对绿色农业发展影响的区域异质性。由表7可知,数字普惠金融分别通过了1%、1%、5%的显著性水平检验;从系数大小来看,数字普惠金融对东部、中部、西部地区绿色农业发展影响的回归系数分别为0.014 8、0.014 4和0.008 5。这表明数字普惠金融对东部、中部、西部地区绿色农业发展均具有显著的促进作用,影响差异不显著;但数字普惠金融对东部、中部地区绿色农业发展的促进作用大于西部地区。究其原因在于:数字普惠金融具有的数字化特征可以突破时空限制,为农村地区提供低门槛的资金支持,促进绿色生产技术的应用和推广,从而促进东部、中部、西部地区的绿色农业发展。其中,东部地区的数字化基础设施优于中西部地区,数字普惠金融发展较为完善;中部地区临近东部地区,较为便利地享受到东部地区的数字化溢出效应,其数字普惠金融的发展程度仅次于东部地区;而西部地区的经济发展水平较为落后,数字普惠金融发展相对较为缓慢。

(四)传导机制分析

基于前文分析,本研究进一步分析数字普惠金融对绿色农业发展影响的内在机制,具体检验数字普惠金融通过农户创业和农业技术进步影响绿色农业发展的2条传导机制,具体分析结果详见表8。

表8 传导机制分析Table 8 Conduction mechanism analysis

1.农户创业的传导机制。为了检验数字普惠金融通过农户创业影响绿色农业发展的传导机制,本研究根据前文设定的中介效应模型进行检验。具体步骤包括:(1)将数字普惠金融和绿色农业发展直接回归,回归系数为0.009 7,且通过了1%的显著性水平检验,表明数字普惠金融有利于绿色农业发展。(2)将数字普惠金融和农户创业直接回归,回归系数为0.069 1,且通过了1%的显著性水平检验,表明数字普惠金融有利于农户创业。(3)将数字普惠金融、农户创业和绿色农业发展三者同时回归,数字普惠金融和农户创业的回归系数分别为0.002 8和0.013 7,且均通过了1%的显著性水平检验,中介效应成立,表明数字普惠金融通过农户创业促进绿色农业发展,假设H2得到验证。其中,在其他条件不变的情况下,数字普惠金融每提高1个单位,绿色农业发展将直接提高0.28%,农户创业将直接提高6.91%,而绿色农业发展将间接提高0.09%(0.069 1×0.013 7≈0.000 9),即总效应将提高0.09%,农户创业带来的中介效应在总效应中占比约为32.14%(0.000 9÷0.002 8≈0.321 4)。究其原因在于:数字普惠金融的发展缓解了农户的信贷约束和金融排斥,农户可以低成本获取创业资金,从而推动农户创业;且农户创业在外部政策导向和内部利益的双轮驱动下,会优先选择绿色环保的农业相关领域,进而对绿色农业发展产生推动作用。

2.农业技术进步的传导机制。为了检验数字普惠金融通过农业技术进步影响绿色农业发展的传导机制,本研究根据前文设定的中介效应模型进行检验。具体步骤包括:(1)将数字普惠金融和绿色农业发展直接回归,回归系数为0.009 7,且通过了1%的显著性水平检验,表明数字普惠金融有利于绿色农业发展。(2)将数字普惠金融和农业技术进步直接回归,回归系数为0.004 6,且通过了1%的显著性水平检验,表明数字普惠金融有利于农业技术进步。(3)将数字普惠金融、农业技术进步和绿色农业发展三者同时回归,数字普惠金融和农业技术进步的回归系数分别为0.014 5和0.083 3,且均通过了1%的显著性水平检验,中介效应成立,表明数字普惠金融通过农业技术进步促进绿色农业发展,假设H3得到验证。其中,在其他条件不变的情况下,数字普惠金融每提高1个单位,绿色农业发展将直接提高1.45%,农业技术进步将直接提高0.46%,而绿色农业发展将间接提高0.04%(0.004 6×0.083 3≈0.000 4),即总效应将提高0.04%,农业技术进步带来的中介效应在总效应中占比约为2.76%(0.000 4÷0.014 5≈0.027 6)。究其原因在于:数字普惠金融的发展缓解了农户的信贷约束和金融排斥,使更多研发资金可以投入农业部门,农业部门研发资金充足有利于农业科研活动的开展,从而提高了区域农业技术创新水平;同时,数字普惠金融的发展推进了农村数字基础设施的建设和完善,推动先进农业技术的推广和应用,从而促进农业绿色全要素生产率提升和农业绿色发展。

(五)门槛效应分析

为了进一步验证数字普惠金融是否会因为地区发展的不平衡,而对绿色农业发展的影响呈现出非线性特征,本研究采用门槛模型进行检验。

1.门槛效应检验。考虑到数字普惠金融的不同水平可能对绿色农业发展的影响存在非线性门槛效应,本研究采用门槛模型进行检验。在门槛回归之前须确定门槛数,本研究采用Bootstrap抽样300次的方法将数字普惠金融作为门槛变量进行检验。由表9可知,数字普惠金融单一门槛的P值为0.036 7(小于0.05),通过显著性检验,表明数字普惠金融影响绿色农业发展并不是简单的线性关系,二者之间存在显著的单一门槛效应,门槛值为3.015 3,置信区间为[2.974 6,3.034 6]。

表9 门槛效应检验Table 9 Threshold effect test

2.门槛模型回归结果。本研究基于上述门槛效应检验结果,将单一门槛变量纳入模型进行回归,具体结果详见表10。由表10可知,数字普惠金融作用于绿色农业发展时存在显著的门槛效应。在各门槛区间,数字普惠金融对绿色农业发展的影响均显著为正,且均通过了1%的显著性水平检验。具体而言,当数字普惠金融小于或等于3.015 3时,数字普惠金融每提高1个单位,绿色农业发展将提高27.8%;当数字普惠金融大于3.015 3时,数字普惠金融对绿色农业发展的促进作用进一步增强,即数字普惠金融每提高1个单位,绿色农业发展将提高28.4%。这表明随着数字普惠金融的发展,其对绿色农业发展的促进作用呈现出边际递增的特征。因此,数字普惠金融发展水平越高,农户创业和农业技术进步所需的资金就越容易得到满足,从而对绿色农业发展的促进作用就越强。鉴于此,假设H4得到验证。

表10 门槛模型回归结果Table 10 Regression results of threshold model

考虑到不同地区数字普惠金融对绿色农业发展的影响存在差异,本研究将数字普惠金融以前文门槛值3.015 3作为分界点,大于3.015 3的划为高水平区,小于或等于3.015 3的划为低水平区,对“十二五”时期(2011—2015)和“十三五”时期(2016—2020年)各省份数字普惠金融的均值进行可视化绘图,具体详见图4。图4的黑线表示门槛值3.015 3。由图4可知,“十二五”时期,31个省份均位于低水平区,表明该时期的数字普惠金融发展水平整体较低,对绿色农业发展的促进作用相对较弱。“十三五”时期,部分省份提升至高水平区,且高水平区以东部地区省份居多,西部地区省份仍主要位于低水平区,表明该时期的数字普惠金融发展较快,但区域差异显著。

图4 “十二五”时期和“十三五”时期31个省份的数字普惠金融发展水平

六、结论与对策

(一)结论

基于2011—2020年31个省份的面板数据,采用高斯混合模型、中介效应模型和门槛模型实证分析数字普惠金融对绿色农业发展的影响及作用机制,得出以下结论:(1)数字普惠金融对绿色农业发展具有显著的促进作用。(2)数字普惠金融对绿色农业发展的促进作用存在显著的分布异质性和区域异质性。(3)农户创业和农业技术进步在数字普惠金融正向影响绿色农业发展的过程中发挥部分中介作用。(4)数字普惠金融作用于绿色农业发展时存在单一门槛效应,且呈现出边际递增的特征。

(二)对策

数字普惠金融会影响绿色农业发展,应进一步发展数字普惠金融以优化服务水平、推进区域协同发展以缩小数字鸿沟、完善创业扶持政策以推动农技发展等,进而推进农业绿色转型发展。

1.发展数字普惠金融,优化服务水平。数字普惠金融能有效提高绿色农业发展水平,应进一步发展数字普惠金融,以优化服务水平。其中,地方政府应关注农业绿色生产领域,充分发挥数字普惠金融的普惠性特征,以服务农民、发展农业、振兴农村为导向,出台并完善农业绿色生产的相关政策,为绿色农业发展提供政策引导和支持;同时,应进一步完善农村地区数字化基础设施,加大对落后和偏远地区的投资建设力度,扩大数字普惠金融在农村地区的覆盖面和服务范围。金融机构应积极与农户对接,开发和完善服务“三农”的数字普惠金融产品和服务,满足农户对数字普惠金融的现实和潜在需求;同时,应进一步扩大数字普惠金融在农村金融市场的覆盖面,将被传统金融市场排斥在外的农村“长尾人群”纳入服务范围,并对致力于推进农业绿色发展的农户、农业经营组织等予以贷款利率优惠支持,为农业绿色发展提供优质、便捷的金融服务。

2.推进区域协同发展,缩小数字鸿沟。数字普惠金融的分布异质性和区域异质性显著,应进一步加强数字普惠金融和绿色农业发展的区域协同性,以推进区域协同发展,有效缩小数字鸿沟。其中,东部地区应加大数字普惠金融的实施力度,进而加快绿色农业的发展步伐;同时,东部地区应积极发挥其溢出效应,重视邻省间的数字普惠金融和绿色农业的协调发展。中部地区的各省份应通力合作,合理配置数字普惠金融资源,提升金融资源使用效率,进而提高绿色农业发展整体水平;同时,临近东部地区的省份应加强与东部地区省份的经验交流与沟通,充分利用东部地区较为先进的数字化技术产生的辐射效应,推动本地区数字普惠金融发展。西部地区应推动农村地区的互联网普及和使用,通过建立健全数字化基础设施,补齐数字普惠金融发展短板,并根据数字普惠金融的覆盖广度、使用深度和数字化程度因地制宜地制定本土化的发展策略,逐步缩小与东中部地区的数字鸿沟;同时,应充分发挥国家政策倾斜的优势,努力提升本地区的数字普惠金融发展水平,为农业绿色发展提供更好的金融服务和支持。

3.完善创业扶持政策,推动农技发展。数字普惠金融通过农户创业和农业技术进步来促进绿色农业发展,应进一步完善相关创业扶持政策,以推进农业技术发展,从而提升绿色农业发展水平。其中,地方政府应设立农户创业和农业技术成果转化应用的专项资金,并完善农户创业和农业技术推广的相关政策,鼓励农户创业和推动农业技术发展,以推动农业绿色转型发展。金融机构应降低数字普惠金融对农户创业的准入门槛,使农户能够便捷、快速地获取创业资金,推动绿色农业发展;同时,应完善对农业技术创新的金融产品和服务,推动农业技术的研发和创新。农户应树立并强化绿色发展理念,加强绿色农业知识的学习和培训,促进农业技术的应用和推广,以农业技术进步变革农业生产方式,推进农业绿色转型发展。