数字普惠金融对农业绿色发展的影响研究

吕 良

(南京林业大学 经济管理学院，南京 210037)

改革开放以来，我国物质生产能力大幅提升，但长期粗放型的生产方式以大量化学品投入、资源掠夺式开发为特点，致使当前农业发展面临水土资源和生态环境多重桎梏[1]。党中央国务院高度重视农业绿色发展，连年出台多项政策文件，深入推进农业供给侧结构性改革，构建人与自然和谐共生的农业发展新格局。2022年中央一号文件将生态振兴摆在乡村振兴的重要位置，指出通过落实农业面源污染综合治理和推进农业投入品减量为传统农业转型升级持续赋能。在保证农村经济平稳增长的基础上，落实绿色农业发展和人居环境整治已成为我国农业农村现代化建设的关键任务[2]。

伴随着互联网、大数据等新兴技术与金融服务的深度融合，数字金融顺势而生并蓬勃发展。作为以数字技术为支撑的新普惠金融业态，数字普惠金融极大地打破了传统金融排斥，助力金融资源向偏远农村地区渗透。2021年中央一号文件首次明确提出“发展农村数字普惠金融”，自此，新型数字普惠金融产品大量涌现。借助淘宝村、微商村等农村电商形式，数字技术为农产品生产端和销售端赋能，帮助农业提质增效。数字普惠金融交易成本低、普惠性广、审批时间短等特点[3]，决定了其将持续为乡村产业兴旺和农业现代化提供及时的信贷资金支持。

以数字普惠金融为代表的数字化金融模式已成为“十四五”期间我国经济绿色转型的重要驱动力[4]。但是鲜有学者讨论数字普惠金融与农业绿色发展之间的关系，其中的影响路径和区域位置的差异性也有待挖掘。鉴于此，本文以数字普惠金融为切入点，基于2011—2021年中国30个省份(受数据可得性限制，西藏未纳入本文研究范围)的面板数据测算了各省农业绿色发展综合评价指数，并分维度检验了数字普惠金融对农业绿色发展的影响效应。

1 文献综述

数字金融是金融领域的普遍数字化[5]。借助大数据、云计算、人工智能等技术，数字普惠金融提高了社会群体的金融可得性，已成为未来金融竞争的制高点[6]。理论界针对数字普惠金融的社会经济效应和农业绿色低碳转型的研究已不胜枚举，大致可以分为以下三个方向：数字普惠金融的机会与风险、农业绿色发展的影响因素与评价方法、数字普惠金融对农村发展的影响。

1.1 数字普惠金融的机会与风险

以数字技术赋能农村普惠金融消除了营业时间和地理位置对金融服务供需的制约，通过金融科技快速搜集、整理目标客户的征信数据，有效缓解了银企间信息不对称[7]。张勋、万广华等(2019)将中国数字普惠金融指数与中国家庭追踪调查数据相结合，指出互联网革命带来的信息创造和共享提高了传统金融的可得性和普惠性[8]。金融科技促使交易便利化，有利于将更多的金融资源配置到重点领域和薄弱环节[9]。然而，在肯定数字普惠金融减少金融排斥的同时，仍不能忽视随金融科技而来的地区差异、数字鸿沟等现实问题[10]。老年人、低收入人群等因受教育年限短、学习能力偏弱，主动接触和使用数字普惠金融的动机不足，这可能加剧地区之间的绝对差异[11]。

1.2 农业绿色发展的影响因素及评价方法

健全绿色低碳循环的农业经济体系不仅是破解资源环境约束的治本之策，也是提升农产品国际市场竞争力的必然要求。绿色生产行为是在有限信息条件下，追求自身利益最大化的农户与地方政府理性博弈的结果。农业绿色发展水平受农户个体特征、家庭特征、农户认知、信息技术可得性和政策环境的共同影响[12]。李立朋、丁秀玲、李桦(2022)基于陕北宝塔区苹果种植户调查数据，实证分析个体年龄、教育水平、经营规模、技术等级、环境压力均对农户有机肥使用行为有显著影响[13]。

针对农业绿色发展水平的指标选取，国内学者大多依据政府文件和农业绿色发展基本要求[14]，在兼顾系统性、科学性和可操作性的基础上[15]，构建农业绿色发展水平的综合评价指标体系，并依据年度统计数据对全国或某个区域的农业绿色发展水平进行定量评价[16]。随着经济高质量发展持续推进，农业绿色发展内涵逐步扩充，农业绿色发展指标也将趋于多元化。

1.3 数字普惠金融对农村发展的影响

数字普惠金融为乡村产业融合提供资金支持，推动乡村产业全链条升级，其数字化特征将为农村经济发展带来“数字红利”[17]。数字普惠金融以农民收入和固定资产投资为传导中介可以进一步提升农业机械化水平[18]。金融机构作为数字普惠金融服务的提供主体，为政府机构和村委会搭建网络共同治理平台，有利于乡村秩序和谐稳定[19]。但当数字基础设施、金融生态和客体认知禀赋等未满足特定要求时，城乡之间的“数字鸿沟”将会凸显，收入差距扩大，甚至带来新一轮的金融排斥[20]。

纵观上述文献，前人研究已经对“数字普惠金融打破传统金融排斥、为农村发展提供资金支持”形成基本共识，但仍存在两个短板亟待完善。其一，现有研究忽略了数字普惠金融与农业绿色发展的关系研究。其二，尚未深入分析数字普惠金融对农业绿色发展的影响是否存在区域异质性。基于此，本文在理论分析的基础上，构建了双向固定效应模型以探讨数字普惠金融对农业绿色化转型的实际影响，并从东部和中西部地区两个层面分析数字普惠金融影响农业绿色发展的差异性，旨在为地方政府落实农业生产绿色化转型提供行之有效的政策建议。

2 理论分析与研究假说

2.1 数字普惠金融推动农业生产绿色化转型

作为普惠金融的数字化转型，数字普惠金融在广泛性、包容性、共享化方面与传统金融工具相比具有显著优势，其通过构建信息共享机制，缓解借贷双方信息不对称，降低金融服务获取成本，有利于促进区域绿色经济增长[21]。一方面，数字普惠金融利用大数据对农户和小微企业的信用状况进行风险评级，缓解了传统农业生产方式绿色转型过程中因信息不对称或无抵押品问题而受到的融资约束。另一方面，农户在互联网平台上办理数字普惠金融业务时，可以方便快捷地获取绿色农产品的生产、运输与销售信息[22]，及时掌握市场对绿色健康食品的巨大需求，进而激发农户从事农业绿色生产的内生动力。基于此，本文提出假设：

H1：数字普惠金融有利于提升区域农业绿色发展水平。

2.2 基于农业技术创新的中介效应分析

技术创新是维持经济增长的恒久驱动力[23]。同样地，经济的绿色转型也离不开技术创新的驱动。在乡村振兴战略和“双碳”目标的推进下，农业生产部门对环境友好型技术创新需求旺盛，绿色农业科技进步贡献率获得提升[24]。新技术研发与应用离不开资金支持，而金融科技底层技术可以为区域创新活动扩大融资渠道，提高农业生产技术创新效率。此外，数字普惠金融通过为农村弱势群体提供教育基金等金融服务，缩小城乡教育差距[25]，培养农户绿色发展意识，更有利于新型农业技术的推广普及。随着农村粗放的生产方式被绿色精细的生产方式取代，农业绿色发展水平将得到显著提升。基于上述逻辑分析，本文提出如下假设：

H2：数字普惠金融可以通过创新驱动效应推动农业绿色发展。

3 研究设计

3.1 变量选择

3.1.1 被解释变量

本研究的被解释变量是农业绿色发展水平(GRE)。不同于主观赋权法依据决策者个人经验确定指标权重，熵权法作为一种客观赋权方法根据原始数据离散程度进行指标赋权，避免了主观因素对权重系数的干扰，可以得到更加客观精准的指标权重。为了对2011—2021年间我国30个省份的农业绿色发展水平进行客观度量，本文在参考前人研究方法的基础上，最终决定采用熵权法从环境友好、资源节约、产出效益三个方面[26-27]设定区域农业绿色发展水平评价指标体系(见表1)。

表1 农业绿色发展水平评价指标体系

熵权法主要计算步骤如下：

第一步，对所有指标值进行归一化处理：

(1)

(2)

其中，i代表第i个评价对象，j代表第j个评价指标。MinXij、MaxXij分别表示第i个省份第j个指标的最小值和最大值。

第二步，计算每个指标的熵值Ej：

(3)

(4)

第三步，根据熵值确定熵权：

(5)

最后，计算农业绿色发展水平综合得分Zi：

(6)

3.1.2 核心解释变量

选取北京大学数字普惠金融发展指数(DFI)作为本文的核心解释变量，该指数包含3个细化维度，分别是覆盖广度(COR)、使用深度(DEP)和数字化程度(DIG)。其中，覆盖广度主要通过支付宝账号数量、绑卡用户比例以及各支付宝账户绑卡数量具体表现；使用深度则依据用户实际使用互联网金融服务的情况进行衡量；数字化程度重点从移动化、实惠化、信用化和便利化方面考量。为减小与被解释变量量纲的差距，本文将数字金融指数及其分维度指数均除以100[28]。

3.1.3 中介变量

现有研究主要采用经费投入或专利产出来衡量技术创新，本文借鉴张金鑫、王红玲(2020)的研究方法[29]，选取2011—2021年间中国知网专利数据库中农业科技专利数量(TEC)来衡量各省的农业技术创新水平。

3.1.4 控制变量

除解释变量外，本文考虑到的其余可能影响农业绿色发展水平的外部干扰因素包括：①城镇化率(URB)，城镇化水平通过影响农产品种植规模对农业绿色发展产生间接影响，采用年末城镇人口数与总人口数的比值衡量；②区域经济发展水平(lnGDP)，经济发展水平影响居民收入分配进而作用于农业要素投入和种植规模，采用各省(市)人均GDP的对数值表示；③交通状况(TRA)，良好的交通基础设施有利于生产要素快速流动，引导农村劳动力非农转移，以铁路与公路里程数与各省面积之比表征；④农业机械化程度(MAC)，以农机要素替代劳动力要素从事规模生产，农业绿色发展水平受到农机作业增碳效应和规模化生产减碳效应的共同影响，选用机械总动力与耕地面积的比值表示；⑤财政支农水平(lnSUP)，财政支出可以对农业资本要素投入和生产方式转型形成激励效应，以农林水事务支出的对数值度量；⑥农村受教育程度(lnEDU)，教育水平的改善使得部分农户主动转出土地从事非农生产，进而改变农业要素投入行为，以农村人均受教育年限的对数值表示。

3.2 数据来源及描述性统计

本文选取的样本数据为2011—2021年我国30个省(市、自治区)的面板数据。数字普惠金融指数来源于《北京大学数字普惠金融指数报告》，其余农业农村相关数据则主要从《中国统计年鉴》《中国农村统计年鉴》《中国农业机械工业年鉴》《中国劳动统计年鉴》中经整理得到。各变量的描述性统计详见表2。

表2 主要变量描述性统计

3.3 计量模型构建

为确定具体的回归模型，本文先对面板数据进行了F检验和Hausman检验，检验结果见表3。F检验P值均为0，强烈拒绝“选择混合估计模型”的原假设，Hausman检验结果表明选择固定效应模型效果优于随机效应模型。因此，本研究决定构建双向固定效应模型来实证检验数字普惠金融对农业绿色发展的影响效应：

表3 模型选定检验

GREit=β0+β1DFIit+β2∑Xit+μi+νt+εit

(7)

式(7)中，i、t分别对应省份和年份；β为各个变量的回归系数；GREit为被解释变量，表示i地区t时期的农业绿色发展水平；DFIit为核心解释变量，表示i地区t时期的数字普惠金融发展水平；∑Xit表示相关控制变量集合；μi表示地区固定效应，νt表示时间固定效应，εit为误差扰动项。

4 实证结果

4.1 基准回归分析

表4量化了数字普惠金融及其三个维度对农业绿色发展的影响效应。列(1)、(3)、(5)和(7)仅考虑解释变量而未加入任何控制变量，列(2)、(4)、(6)和(8)在模型中加入了本文全部控制变量。列(2)结果显示，数字普惠金融对农业绿色发展影响的总效应为0.111，且具有1%显著性水平的正相关性。即数字普惠金融指数每增加1个单位，农业绿色发展水平将提升0.111个单位。列(4)、(6)和(8)显示，数字普惠金融三个维度(覆盖广度、使用深度、数字化程度)都有利于提升地区的农业绿色发展水平，促进效果却表现出一定的差异性。相较于数字金融的使用深度和数字化程度，数字金融的覆盖广度对农业绿色发展水平影响的系数绝对值最高，意味着数字普惠金融对农户绿色生产转型的改善效果最显著。究其原因，以区块链、大数据、云计算为核心发展起来的数字普惠金融具有较强的地理穿透性，不仅缓解了农村地区长尾群体的融资约束，而且可以帮助小农户对接大市场，刺激农户绿色生产意愿，进而为我国农业绿色生产转型提供重要的资金支持和信息服务。假设H1得到证实。

4.2 影响机制分析

根据前文的理论分析和研究假设可知，本研究认为数字普惠金融不仅可以直接为农户参与绿色生产提供资金支持和信息服务平台，还会通过鼓励绿色技术创新赋能农业绿色化转型，因此需要检验其中的作用机制。表5报告了以农业技术创新作为中介变量的逐步回归检验结果。根据列(1)的回归结果可知，在1%的置信水平上，数字普惠金融对农业技术创新具有显著的正向影响。列(2)将农业技术创新与数字金融同时纳入回归模型后，数字普惠金融的系数仍然显著为正，但回归系数由0.111下降为0.103，表明农业技术创新在数字普惠金融对农业绿色发展的影响中发挥了部分中介作用。

表5 逐步回归法中介效应回归结果

为了进一步验证农业技术创新在数字普惠金融与农业绿色发展之间发挥的中介效应，本研究使用Bootstrap抽样法再次进行中介作用检验。设置Bootstrap重复抽样次数 5 000次，置信区间的置信度为95%。检验结果如表6所示，直接效应上下限区间 [0.009 7，0.026 9] 和间接效应上下限区间 [0.001 3，0.007 2] 均不包含数值0，说明中介效应存在。农业技术创新起部分中介作用，中介效应大小为18.67%。假设H2得到证实。

表6 Bootstrap中介效应回归结果

4.3 异质性效应分析

我国幅员辽阔，各区域间产业结构、资源禀赋和经济发展基础存在较大差异。鉴于此，本文将研究涵盖的30个省份划分为东部和中西部地区，进而检验数字普惠金融对农业绿色发展的影响是否存在区域异质性。借鉴李晓龙、江唐洋(2022)检验组间系数差异的做法[30]，引入虚拟变量Region，若省份位于中西部地区则Region取值为1，否则取值为0。

表7结果显示，东部地区数字普惠金融回归系数为0.081，中西部地区的回归系数为0.065，且均通过了显著性检验。列(3)在模型中加入交乘项后，交乘项的回归系数显著为负，表明数字普惠金融对东部地区农业绿色发展的促进效果要强于中西部地区。这可能是因为我国东部地区经济实力雄厚、农业基础设施完善、传统金融发展水平较高，这些优势为农户从事农业绿色生产奠定了良好的基础。受历史条件和自然资源的限制，中西部地区传统金融服务渗透率低、耕地资源稀缺、农业基础设施薄弱，农户生产方式以传统粗放型为主。数字普惠金融虽然在一定程度上扩大了传统金融服务的覆盖范围，但这些地理位置和资源禀赋上的限制并没有完全消除。

表7 区域异质性回归结果

4.4 稳健性检验

本研究的稳健性检验包括：一是更换样本，考虑到直辖市在产业结构和政策支持方面与其他省份存在差异，删除直辖市样本后重新进行回归，检验结果见表8列(1)；二是更换模型，鉴于农业绿色发展水平非负截断特点，使用tobit模型进行回归，结果见列(2)；三是变量缩尾处理，将模型中涉及的所有变量在1%和99%的分位上进行缩尾处理，检验结果见列(3)。经上述三种方法检验后，数字普惠金融对农业绿色发展影响的回归系数和显著性水平依然与前文基本保持一致。这说明本文的核心结论是稳健的，假设H1再次得到验证。

表8 稳健性检验结果

5 结论与政策建议

本文基于2011—2021年中国30个省(市、自治区)的面板数据，使用熵权法构建评价指标体系测算了省级农业绿色发展水平，经实证分析揭示了数字普惠金融对农业绿色化转型的作用效果和区域差异。具体而言：第一，数字普惠金融有效推动了传统农业生产绿色化转型，且数字普惠金融指数每增加1个单位，农业绿色发展水平将提升0.111个单位；第二，分维度来看，覆盖广度对农业绿色发展水平的影响效果大于使用深度和数字化程度；第三，数字普惠金融拓宽了绿色技术创新的融资渠道，进而增加了农业经营者的绿色农产品产出；第四，受经济基础和资源禀赋的影响，数字普惠金融助力农业绿色化转型时存在明显的区域差异化特征，东部地区较中西部地区更加显著。

根据上述研究结论，本文提出以下政策建议：

首先，健全环境规制手段，扩大数字普惠金融业务覆盖范围。地方政府应加快布局完善数字基础设施建设，不断提高农村地区金融服务的可得性；同时，制定并落实严格的农业绿色发展规划，利用数字金融提供的互联网平台引导小农户农作物种植对接大市场绿色食品需求，以期激发农户绿色生产的内生动力。

其次，推进农业技术创新，缓解农业技术研发部门资金约束。一方面，增加对农业绿色生产领域的投资力度，引导高校科研院所和农业企业开展深度合作，实现对农业投入品减量、农业废弃物回收利用、耕地修复等关键难题的攻克；另一方面，加快农业绿色低碳技术的示范推广，帮助农户尽快掌握高效的环境友好型农业生产技术。

最后，推动区域协同发展，提高数字普惠金融服务效率。综合考虑不同省份在经济基础、资源禀赋和产业特色等方面的差异，合理利用东部地区科技创新的外溢效应，为中西部地区的农村数字基础设施建设和农业技术创新提供有效支撑。