数字金融对农业创新的驱动作用——来自微观创新主体的证据

杨天宜 王爱俭

(1.马来西亚理工大学 阿兹曼哈系姆国际商学院，新山 81310；2.天津财经大学 金融学院，天津 300221)

提要： 农业创新是推动农业高质量发展的必要前提，是推进农业现代化、有效解决农业发展不平衡不充分问题的重要方式。结合企业工商注册信息收集了24476个微观农业创新主体数据，实证分析2011—2019年数字金融促进农业创新的效应和作用机制等。结果表明，数字金融显著地促进了未来2年及以上的微观个体农业创新产出。作用机制的分析显示，以教育年限度量的人力资本是数字金融在丰富农业创新产出成果过程中的一个重要机制。同时，数字金融对农业创新水平较低的主体作用较大，且数字金融对高校农业创新的促进作用更强。省域内高校的空间溢出分析结果表明，数字金融通过农业创新的空间溢出特性进而对邻近地区高校的农业创新产生溢出作用。据此，建议应进一步明确数字金融促进农业创新过程中存在的短板，通过采取切实可行的有针对性的措施，助力数字金融成为拉动当地农业创新和农业现代化的新动力。

引 言

普惠金融是指立足机会平等要求和商业可持续原则，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当、有效的金融服务。2015年，普惠金融被列为国家级战略规划一部分，具有专注实体、深耕小微、精准供给、稳健运行的特点。依托大数据、人工智能和区块链技术的数字金融，是完善普惠金融体系的突破口，是支持新型农业经营主体发展的驱动力。践行数字金融，完善涵盖创新链、产业链和价值链的金融体系，为内嵌于乡村社会的从业主体提供适应社会经济发展的便捷式现代金融服务，为乡村振兴注入澎湃动力，为增加社会整体的福利水平开辟了快速通道。从国内视角来看，截至2020年，我国普惠金融改革试验区已扩至五省七地。我国数字金融逐步形成了以银行类金融机构为核心，以互联网企业为支撑，以非银行金融机构为补充的多层次、全方位的发展格局。从国际视角看，在G20杭州峰会上，20国集团制定了数字金融高级原则、金融指标体系以及中小企业融资行动计划落实框架。移动支付是数字金融的重要组成部分，根据世界银行报告显示，截至2018年，167个国家的平均移动支付率为22%，我国为40%，位列39名。上述情况无不表明数字金融的步伐快速而坚定地向前迈进。与此同时，在百年未有之大变局下，农业创新是农业发展的动力和实现农业高质量发展的根本途径。习近平强调，实施创新驱动发展战略决定着中华民族前途命运。农业创新是确保“三农”在全面建设社会主义现代化国家征程中不掉队，缓解农业发展由总量不足矛盾转变为结构性矛盾，激发现代农业产业发展活力，打造科技农业、智慧农业，实现农业现代化发展的基石。因此，如何有效释放数字金融对农业创新的助推力量，将数字金融打造成驱动农业创新的新引擎，成为政府和学术界研讨的核心议题。

那么，数字金融是否能够推动农业创新不断发展？如果该驱动力得到证实，其背后的作用机制是什么？由于农业创新成果转化需要一定时间，数字金融使得农业创新成果转化的作用期限有多久？数字金融对于不同主体、不同区域的作用是否不同？不同发展阶段下，数字金融对农业创新的作用是否相同？空间规律上又具有何种差异？对于这些问题，尽管国内学者们已经在探讨数字金融影响创新方面取得了一定成就，但已有相关文献仅从宏观视角探析了两者之间的关系，而基于微观主体视角探讨数字金融对农业创新效应的实证研究却极为缺乏。若要阐述以上问题答案，亟需从创新主体、创新成果转化期限以及创新成果空间规律角度出发，结合新时代现实背景进行实证研究，这也为本文提供了“边际贡献”的机会。

已有的文献证实，在宏观层面上，数字金融是创新驱动战略的重要一环，能够有效推进城市创新，尤其助力中西部城市和传统金融覆盖不足的城市创新。在中观层面上，数字金融发展程度和发展政策对民营企业具有更强的创新激励效应[1]。在作用机制上，数字金融通过缓解债务融资约束[2]、降低融资成本等途径，最终为我国创新成果转化不断增添动力。然而存在的一个重要问题就是数字金融通过何种路径促进农业创新发展，目前尚未有一个统一框架回答该问题，对此本文选择从数字金融对人力资本影响视角展开研究。人力资本可以强化企业吸收和开发新知识的能力，从而为农业创新提供有力支撑，通过该视角，尝试基于完整的框架探讨数字金融如何驱动农业创新发展。此外，现有文献从宏观角度出发，没有考虑到发明专利从申请到授予需要初审、公布、实质审查、授权等复杂流程，数字金融使得创新成果转化的作用时长尚不明确。数字金融是否使得农业发展向创新驱动转变，这些问题都没有得到回答。

针对上述问题，本文基于微观农业创新主体视角，构建数字金融如何促进农业创新的完整框架，主要探讨数字金融在不同发展阶段对不同农业创新主体的作用差异，并研究创新主体的空间溢出特性。具体来讲，本文将2011年至2019年存续的24476个创新主体所在地级市的数字金融发展程度与其农业创新产出进行匹配，得到未来1年至未来4年农业创新产出总数，探究数字金融在不同期限内对农业创新的影响及其作用机制。研究结果显示，数字金融对农业创新有显著的促进作用，人力资本是数字金融促进农业创新的重要传导机制，与此同时，数字金融通过提高人力资本进而促进农业创新并非一蹴而就，数字金融对农业创新的促进作用需要两年或者更多时间才能看到效果。其中，对以高校为主体的农业创新、东部地区和计划单列市的农业创新的驱动作用更强。此外，通过实证分析数字金融影响农业创新的分位数回归，结果表明数字金融对农业创新水平较低的主体作用较大，且随着数字金融的发展，数字金融对农业创新的作用越来越大。最后，由于数字金融在促进本地区的高校农业创新的同时，还通过产学合作与相互竞争间接促进了相邻地区的高校农业创新，因此，省域内高校存在农业创新空间溢出特性。这些结论在进行选取互联网普及率作为工具变量的稳健性检验后仍然成立。

一、理论分析与研究假设

(一)数字金融对农业创新的影响机制

普惠金融的特点是面向所有客户提供多样化的金融服务。自普惠金融被提出以来，其概念不断延伸，从最初的银行物理网点和信贷服务的可获得性，到涵盖支付、存款、贷款、保险、信用服务和证券等多种业务。近年来，我国开创了数字金融新未来，普惠金融加速向数字领域延伸。北京大学数字金融指数自发布以来，已被诸多学者采用[3]。已有文献证实了数字金融发展可以激励中小企业的研发创新活动，尤其是传统金融覆盖不足的城市和民营中小企业。数字金融既能够扩宽创新投入要素的渠道，还能够摆脱空间的限制，有效降低研发初期的借贷成本和研发过程中的交易成本[4]，推动企业创新。具体而言，数字金融通过大数据、云计算等数字优势，能够有效降低金融服务的门槛与成本，弥补传统金融服务的短板，实现不同主体间信息的高效率匹配，拓展和丰富微观企业主体融资渠道，为传统金融机构“长尾用户”提供资金支持[5]，进而缓解融资约束，显著提升创新主体的融资效率，有效克服创新投入和转化中的困难，增强创新强度和主动性[6]，从而推动企业创新。上述已有研究成果为本文的研究提供了坚实的基础。但仍有如下问题尚未得到解决：(1)发明专利从申请到授予需要初审、公布、实质审查、授权等复杂流程，需要一定的时间，并且提升人力资本水平是数字金融促进农业创新的重要的传导机制，而提升人力资本水平也是需要时间的，因此，数字金融推进农业创新成果转化、实现农业现代化跨越式发展不可能一蹴而就。宏观角度分析可能造成时间匹配错误问题，也不能明确数字金融使得创新成果转化的作用时长。(2)数字金融服务的主要受益者是农户，农村家庭主要关注点是农业问题，但数字金融是否使得农业发展向创新驱动转变，以及其作用机制尚不明确。

本文认为提升人力资本水平是数字金融促进农业创新的重要传导机制。人力资本理论认为人力资本是创新和经济增长的重要源泉，是创新要素供给中的重要组成部分。有关学者分别从理论和实证两方面不断验证人力资本对创新的促进作用。与此同时，现有研究表明，教育投资、短期培训以及经验积累等方式是提升人力资本水平的重要途径，其中金融对于提升人力资本起着重要作用[7]。一方面，对于人力资本需求方来说，拥有较高初始财富的个体能够支付一定费用顺利获取各种教育资源，提升个体人力资本水平；另一方面，对于拥有较低初始财富的个体，则需要借助金融市场，当信贷市场不完善时，人们则会因无法支付教育费用而选择放弃投资个体人力资本[8]，随着金融市场的不断完善，数字金融通过云计算、大数据等技术缓解信贷约束，为没有能力投资人力资本的个体提供信贷支持，还能提高农村地区对教育资源的投资，促进农村人力资本水平的提升。同时，人力资本的投入对于提高科技创新能力至关重要，有效丰富了农业人才储备和科研深度，能够促进创新产出的增加[9]。

上述分析不难看出，一方面，数字金融通过缓解创新主体的融资约束，对农业创新产生直接影响。另一方面，数字金融通过提升农村地区人力资本水平，进而成为促进农业创新的重要驱动力。由于人力资本的提升需要一定时间，基于此，本文提出如下假设：

研究假设1：数字金融对农业创新具有显著正向影响。

研究假设2：从长期来看，数字金融通过提高人力资本进而促进农业创新，且人力资本起到了部分中介作用。

(二)数字金融发展对高校农业创新的空间溢出效应

数字金融增强了区域间经济活动关联的广度和深度。数字金融是互联网、移动支付、大数据等信息技术向金融业渗透过程中产生的一种新型金融业态，具有成本低、大数据风控、覆盖面广、支付便利等特点[10-11]，这使得地理距离对数字金融溢出效应的影响不断降低。Yilmaz等基于对美国48个州的数据实证分析，研究发现信息化具有空间溢出效应[12]。一些学者采用北京大学数字普惠金融指数进行研究均发现，数字金融发展表现出显著的空间自相关性[13-15]。一些文献实证研究发现创新也具有明显的空间集聚性，学者赖德胜等指出高校创新产出具有正向空间相关性且呈增强趋势[16]，数字金融发展水平的提升对城市创新有显著的空间溢出效应[17]，那么，数字金融对于高校农业创新也可能在空间上存在溢出效应。具体而言，数字金融在促进本地区的高校农业创新的同时，通过产学合作与相互竞争，还会对相邻地区的高校农业创新产生间接的促进作用，因而具有空间溢出效应。因此，本文提出如下研究假设：

研究假设3：数字金融对高校农业创新具有空间溢出效应。

二、研究设计

(一)模型构建

针对上述研究假设，本文首先建立如下直接效应基准模型：

(1)

Educationi，t=β0+β1FIi，t+βcZi，t-1+μi+δt+εi，t

(2)

(3)

数字金融影响农业创新分位数回归分析，设定如下分位数回归模型：

(4)

其中，q为分位数，取值为0至1之间。本文取q∈{0.1，0.3，0.5，0.9}。

最后，由于高校农业创新存在空间溢出效应，本文在式(1)中引入此二者以及其他控制变量的空间交互项，进一步将其拓展为空间面板计量模型：

(5)

其中，ρ代表空间自回归系数，W为空间权重矩阵，本文将同一省份的高校两两之间距离定义为1，否则为0。式(5)包括了被解释变量的空间交互项，被称为空间向量自回归模型(SAR)。本文选择SAR模型的原因如下：首先，根据经济含义，同一省份高校之间存在溢出效应，但数字金融无法直接对同一省份其他地级市高校产生溢出效应。其次，根据似然比检验和Wald检验结果，空间杜宾模型可以简化为空间向量自回归模型。

(二)变量测度与说明

1.被解释变量

农业创新。本文的创新主体包括高校、研究所、企业和个人，且不存在跨国企业。主体的分类标准如下：主体名称存在“大学”“学院”等字样的被认定为高校类，定义以高校为主体进行的农业创新称为高校农业创新；主体名称存在“研究院”“研究所”“研究机构”的字样的被认定为研究所类，定义以研究所为主体进行的农业创新称为研究所农业创新；主体名称存在“公司”字样的被认定为企业类，定义以企业为主体进行的农业创新称为企业农业创新；其他名称是人名的，被认定为个人类，定义以个人为主体进行的农业创新称为个体农业创新。为排除企业数量增加带来的误差，本文利用企查查平台，查询了企业、研究所类创新主体的成立日期，选择2011年及其之前成立的创新主体，由此构建了包含24476个创新主体的强平衡面板数据集。由于发明专利从申请到授予需要一定时间，为研究数字金融对农业创新成果转化的作用时间，本文将农业创新定义为在本期已提交申请，在未来T年内授予的农业发明专利数量之和。例如，数字金融指数为2011年数值，则未来2年的农业发明专利之和对应为2011年已经开始申请的发明专利，且至2013年已被授予的农业发明专利总数。

2.解释变量

数字金融。本文将农业创新主体所在城市的数字金融程度作为核心解释变量，用来表示数字金融程度的指数，是由北京大学数字金融研究中心和蚂蚁金服集团共同编制的。该指数包含内地31个省(市、区)、337个地级以上城市。该指数是由数字金融覆盖广度、数字金融使用深度、普惠金融数字化程度三个方面加权而得，自发布以来该指数已被诸多学者采用。

3.中介变量

人力资本。本文借鉴杜伟等[17]的做法，采用教育指标法度量人力资本，最常用的衡量指标是平均教育年限。5个教育层次分别为小学以下、小学、初中、高中、大学专科及以上的受教育人数占比，对应的受教育年限分别为2年，6年，9年，12年，16年。平均受教育年限为：L=2L1+6L2+9L3+12L4+16L5，其中Li为对应教育层次人数占比。

4.工具变量

互联网普及率。在稳健性检验环节中，本文采取工具变量方法降低内生性问题造成的影响。参考谢绚丽等[18]的做法，采用互联网普及率作为数字金融指数的工具变量。原因如下：其一，互联网普及率与数字金融发展程度存在着紧密的联系；其二，在控制经济发展水平、第一产业产值占比、金融机构贷款水平、财政分权度、人口密度后，互联网普及率与农业创新之间并不存在直接的关系，因此互联网普及率可能成为一个有效的工具变量。

5.控制变量

为了更加准确地分析数字金融发展对农业创新的影响，还需在回归模型中加入可能产生影响的控制变量，具体如下：金融机构贷款水平(Finance)，即农业创新主体所在地的年末机构贷款余额与地区生产总值的比值；第一产业产值占比(GDP1)，即农业创新主体所在地的第一产业产值与地区生成总值的比值；经济发展水平(GDPP)，即农业创新主体所在地的人均GDP；财政分权度(Budget)，即一般财政预算收入与一般财政预算支出的比值；外商投资(FDI)，即地区外商投资金额与地区生产总值的比值；人口密度(Pop)，即单位面积内人口数量。表1是变量说明的详细描述。

表1 变量说明

(三)数据来源和描述性统计

本文基于2011—2019年24476个创新主体展开研究，形成了195808个均衡面板观测值。其中，研究所或企业均为2011年及其以前存在的研究所或企业。发明专利数据来自国家知识产权局，选择IPC分类为A01、A21、A22、A23、A24的创新发明。数字金融变量来自北京大学数字金融研究中心，企业成立时间来自企查查网站，控制变量数据来自EPS数据库。其中，由于并非每个地级市都有高校，且省内学生流动较大，在检验传导机制的时候运用省级变量。表2是主要变量的描述性统计结果，结果显示，未来一年内新申请的农业创新发明专利数量较低(0.083)，而未来两年及其以上新申请的农业创新发明专利数量较高(0.379，0.817，1.310)。进一步表示了农业发明创新专利从申请到授予需要一定时间，通常为两年及其以上。未来1至4期的农业创新变量的变异系数分别为9.12，6.79，6.13，5.837。这表明不同创新主体的农业发明专利的产出差异随时间推移逐步减小。数字金融指数的均值为5.056，最小值为2.834，最大值为5.714，标准差为0.470，呈现“均值小、标准误大”的特点，表明不同地区间数字金融发展程度差异较大。不同地区控制变量同样存在差异，金融机构贷款水平、外商投资的地区差异较大。

表2 各变量描述性统计结果

三、数字金融对农业创新的实证检验

(一)基准回归结果

表3列示了数字金融对不同期限内农业创新产出影响的线性估计结果。模型(1)(3)(5)(7)为未加入控制变量的回归结果，模型(2)(4)(6)(8)为加入控制变量的回归结果。

表3 数字金融对农业创新的基准回归结果

在模型(1)～模型(8)中，核心解释变量数字金融的系数显著为正，这表明数字金融促进了农业创新。具体而言，数字金融在未来1期内的创新驱动作用较为微弱，在未来2年内的创新驱动作用增加，在未来3年内的创新驱动作用最强，在未来4年内同样可以增强我国农业创新。换言之，数字金融对申请日期不早于当年，授予日期不晚于未来一年的农业发明专利的数量提升作用较为微弱，对申请日期不早于当年，授予日期不晚于未来两年的农业发明专利的数量提升作用最为明显，对于对申请日期不早于当年，授予日期不晚于未来四年的农业发明专利的数量同样存在提升作用。此外，除了模型(2)中，地区经济发展水平(GDPP)与农业创新之间具有弱显著关系，其余模型均不存在显著的正相关关系，表明经济总量增长的同时，农业创新水平并未得到有效提升。外商投资(FDI)在短期内可以促进农业创新，但长期来讲不利于农业创新，一个可能的原因是引进外资容易形成技术依赖。上述结论与赵涛等[19]研究结论类似。金融机构贷款水平(Finance)与农业创新存在负相关或者不相关关系。由于农业创新主体面临着信贷寻租和融资约束的问题，且两者均能显著抑制企业创新，而银行贷款余额不能解决信贷寻租和融资约束问题，因此金融机构贷款水平无法促进农业创新。与此同时，数字金融很大程度上缓解了农业创新企业的融资约束问题，进而促使农业创新成果转化，假设1得到了支持。

表4为运用中介效应模型检验数字金融通过影响人力资本这一机制进而影响农业创新的回归结果。由于并非每个地级市都有高校，且省内学生流动较大，在检验传导机制的时候运用省级变量，模型(3)(5)(7)(9)的结果仍然证实了数字金融促进农业创新。在此基础上，模型(1)验证了数字金融提高了当地人力资本水平。其回归系数在5%的显著性水平下为正。模型(3)和模型(5)的回归结果中，人力资本的系数不显著，经检验，表明人力资本不是数字金融促进未来一至两年内的农业创新产出的作用机制。模型(7)和模型(9)的回归结果中，数字金融与人力资本的系数均显著为正，并且模型(7)和模型(9)的回归结果中数字金融的系数小于模型(6)和模型(8)的回归结果中数字金融的系数，这表明人力资本是数字金融促进未来三至四年内的农业创新产出的作用机制，且产生部分中介效应。综上，假设2得到了支持。

表4 数字金融对农业创新的作用机制结果

(二)分位数回归分析

对数字金融促进农业创新的分位数回归模型结果显示，数字金融对未来4期农业创新模型的估计中没有收敛。数字金融对农业创新的分位数回归结果分析：在数字金融对未来1期农业创新中，数字金融只对0.3分位数以下的农业创新具有促进作用；在数字金融对未来2期农业创新中，数字金融对0.5分位数以下的农业创新具有促进作用，随着农业创新逐步提升，数字金融的作用呈现递增趋势，但当农业创新大于0.5分位数时，数字金融的促进作用消失；在数字金融对未来3期农业创新中，随着农业创新逐步提升，数字金融的作用呈现递增趋势。换言之，数字金融对农业创新水平较低的主体作用较大，且随着数字金融的发展，数字金融对农业创新的作用越来越大。

(三)区域异质性分析

为探究数字金融对农业创新主体的异质性，本文根据农业创新主体进行分组，农业创新主体可以分为高校、研究院、企业和个人。由于各个省市的资源禀赋和发展阶段不同，数字金融和农业创新水平在区域分布上存在明显差异。为探究数字金融对农业创新的区域异质性，本文根据地理位置和城市角色进行分组。按照地理位置将城市分为东部城市、中部城市和西部城市，按照城市角色分为直辖市、计划单列市和其他城市。

通过对农业创新主体的异质性进行描述性统计分析可得：高校农业创新水平最高，研究所农业创新水平其次，个人农业创新水平再次之，企业农业创新水平最低。无论是在未来1至4期的任何一期，高校农业创新均值均为企业农业创新均值的10倍以上，表现出了较强的异质性，个人和企业农业创新产出均值差距较小，但企业和个人是我国农业创新的主力军。东部地区和中部地区农业创新水平较高，西部地区农业创新水平最低。虽然东部地区和中部地区农业创新水平相似，但东部地区各个主体的农业创新差异较大。直辖市和计划单列市农业创新水平较高，非直辖市和计划单列市农业创新水平较低。

农业创新主体的异质性回归结果。数字金融对各主体未来1期农业创新的影响表明，数字金融对高校农业创新的促进作用最大，研究所次之，对个人农业产出的促进作用较小，对企业的促进作用不显著。数字金融对各主体未来2期农业创新的影响表明，数字金融对高校农业创新的促进作用最大，研究所次之，对个人农业创新的促进作用较小，对企业农业创新的促进作用仍不显著，该结论与未来1期模型结果相似，区别在于数字金融对高校农业创新的促进作用显著上升。数字金融对各主体未来3期农业创新的影响表明，数字金融对高校农业创新的促进作用最大，企业次之，对企业和个人农业创新的促进作用较小，对研究所农业创新的促进作用虽然系数较大，但并不显著。数字金融对各主体未来4期农业创新的影响表明，数字金融促进了高校和个人的农业创新成果产出，且对个人的促进作用较小。这一结果产生的可能原因在于，高校是科技创新前沿阵地，是国家科技创新体系中不可或缺的重要力量，有利于促进产学融合发展，而数字金融为高校学生在教育投资、短期培训等方面提供了便利、快捷和持续的金融支持，更有利于提升他们自身科研创新能力。

农业创新区域异质性回归结果。数字金融对各区域未来1期农业创新的影响表明，数字金融对东部地区的农业创新成果产出的促进作用最大，西部地区次之，对中部地区的促进作用不显著；数字金融对非直辖市和计划单列市存在较小的促进作用，对直辖市和计划单列市的促进作用不显著。数字金融对各区域未来2期农业创新的影响表明，数字金融对东部地区的农业创新成果产出的促进作用最大，西部地区次之，对中部地区的促进作用不显著，该结果与未来1期结果相似；数字金融对直辖市和计划单列市存在较大的促进作用，对非直辖市和计划单列市的促进作用不显著。数字金融对各区域未来3期农业创新的影响表明，数字金融只对东部地区的农业创新成果产出存在促进作用，对中部地区和西部地区的促进作用不显著；数字金融对直辖市和计划单列市存在较大的促进作用，对非直辖市和计划单列市的促进作用不显著。数字金融对各区域未来4期农业创新影响的结果与未来3期农业创新结果类似。简单来说，数字金融对东部地区和直辖市、计划单列市的促进作用较大，这是因为东部地区、直辖市和计划单列市的数字金融与农业创新相比于其他地区更具有“先发优势”，东部地区和中心城市数字经济和经济质量发展水平较高，使得数字经济红利的释放更为充分。因此，这些地区的数字金融对农业创新的作用更强。不难看出，这与我国实际情况相一致，我国区域农业科技创新能力呈现不均衡态势，东部较强，中西部相对薄弱，区域农业科技创新能力和支撑能力、投入能力、产出能力表现突出的集中在北京、江苏、山东、广东、浙江和湖北等省。

(四)空间溢出效应分析

根据上述分析结果可知，数字金融对高校农业创新的驱动作用最强。此处使用空间计量模型考察数字金融对高校农业创新的影响，在进行空间计量分析之前，需要检验研究对象是否存在空间自相关性，从而确定是否使用空间计量模型。同时，在进行空间计量分析之前，需要构建空间权重矩阵，本文参考高远东[20]的做法，构建基于区域是否相邻的邻接空间权重矩阵。

为检验高校农业创新是否存在空间自相关，本文将同省份高校定义为相邻，非同省份高校定义为不相邻，构建邻接矩阵，采用Moran’s I指数法检验各年度高校农业创新的空间效应。实证检验可得，未来1至4期的农业创新数量之和的Moran’s I指数均达到 1%的显著性水平，说明 2011—2018年我国各省份的高校农业创新具有显著的空间自相关性，在空间分布上出现集聚现象。

表5为未来1至4年的以邻接矩阵为空间权重矩阵下的数字金融对高校农业创新的空间模型的回归结果。参考Elhorst的检验思路[21]，本文将滞后一期的其他高校农业创新加入解释变量，采用时空双重固定效应的SAR模型。其原因为根据似然比检验和Wald检验，SDM可以简化为SAR模型，为便于对比，列示了SDM模型结果。从模型(5)(6)(7)(8)结果可知，数字金融对未来1至4期的农业创新成果之和均存在显著的正向影响，表明数字金融促进了高校农业创新。从模型(1)(2)(3)(4)结果可知，数字金融的空间交互项系数不显著，表明某一城市的数字金融发展水平没有简单的对其他城市高校的创新产生影响。某一城市的数字金融发展水平是否对其他城市高校的农业创新产生溢出效应，不能用空间交互项回归系数解释，而是使用变量变化的偏微分解释。直接效应为某一城市高校的农业创新产出对当地数字金融变化的偏导数的平均值，总效应为某一城市高校的农业创新对所有地区数字金融变化的偏导数的平均值，间接效应为两者之差。由于加入了滞后一期的其他城市高校农业创新作为解释变量，因此直接效应、间接效应和总效应还可分为短期和长期两个维度。

表5 高校农业创新空间模型的回归结果

首先，分析长期与短期的直接、间接和总效应。分析短期效应，考虑空间溢出效应后，数字金融对高校农业创新的短期直接效应为正向，表明在短期内某一城市数字金融发展水平对当地高校农业创新具有正向影响；数字金融对高校农业创新的短期总效应为正向，表明在短期所有城市数字金融发展水平对所有高校农业创新具有正向影响；数字金融对高校农业创新的短期间接效应为负向，表明在短期内同省份其他城市数字金融发展水平对某一高校农业创新具有负向影响，且该效应在SDM模型估计中不显著。随后分析长期效应，考虑空间溢出效应后，数字金融对高校农业创新的长期直接效应为正向，表明在长期内某城市数字金融发展水平对当地高校农业创新具有正向影响；数字金融对高校农业创新的长期总效应为正向，表明在长期所有城市数字金融发展水平对所有高校农业创新具有正向影响；数字金融对高校农业创新的长期间接效应为正向，表明在长期内同省份其他城市数字金融发展水平对某一高校农业创新具有正向影响，这与短期间接效应结果不同。

其次，分析数字金融对未来1至4期高校农业创新的影响的差异性。数字金融水平对未来1至4期高校农业创新产出的短期和长期的直接效应先显著后弱化；数字金融水平对未来1至4期高校农业创新的短期总效应先上升后下降，而长期总效应只有在未来1期较小，在未来2至4期区域平稳；数字金融水平对未来1至4期高校农业创新的长期间接效应与长期总效应类似，均表现为在未来1期较小，在未来2至4期区域平稳。综上，假设3成立。

四、稳健性检验

(一)更改变量测度方法

将地级市变量替换为省级变量的稳健性检验估计结果。无论是否加入控制变量，数字金融对未来1期至未来4期农业创新产出之和的回归结果均显示，省域数字金融发展对农业创新起到促进作用，保证了本文结果的稳健性。

(二)工具变量方法

为解决模型内生性问题，本文采取工具变量估计方法进行稳健性检验。此处考虑采用互联网普及率作为数字金融指数的工具变量。互联网普及率与数字金融发展程度存在着紧密的联系，且互联网普及率与农业创新之间并不存在直接的关系。首先检验工具变量识别问题，在原假设“工具变量识别不足”的检验中LM统计量p值均为0.000，显著拒绝原假设；其次进行弱识别检验，F统计量大于弱识别检验10%水平上的临界值。总体而言，上述检验表明了工具变量的合理性。

实证结果表明，在考虑了内生性之后，数字金融对促进农业创新的作用在5%的水平下显著，表明该效应仍旧成立。数字金融对农业创新的驱动作用先增强后减弱，对未来3期内农业创新成果之和的作用最强。

五、结论与政策建议

本文立足于数字金融对农业创新具有驱动作用这一典型事实，从人力资本视角切入，基于中国2011—2019年24476个微观个体数据，根据工商注册信息，查询其成立日期，构建平衡面板以排除由于新增主体导致的创新产出增加这一因素，并根据发明专利申请日期和授予日期，构建未来1至4年数字金融对农业创新的平衡面板。随后运用面板固定效应模型、分位数模型、空间模型和中介效应模型，从影响机制、创新主体、区域的异质性、分位数回归和空间溢出特性实证检验了数字金融对农业创新的影响及其内在机制。主要结论如下：第一，数字金融显著地促进了未来2年及以上的微观主体农业创新，已成为新时代下推动农业创新的驱动力，为实现我国农业现代化保驾护航。与此同时，通过改变测度维度、引入工具变量等稳健性检验，验证该结论仍然成立。第二，人力资本是数字金融推动农业创新的重要机制，数字金融可以通过提升受教育水平提升人力资本水平，进而促进农业创新，但人力资本的提升并非一蹴而就，因此，数字金融对农业创新发挥作用需要较长时间。第三，数字金融影响农业创新的分位数回归结果表明，数字金融对农业创新水平较低的主体作用较大，且随着数字金融的发展，数字金融对农业创新的作用越来越大。第四，数字金融对农业创新成果的促进作用具有主体和区域异质性，具体而言，数字金融对高校农业创新的驱动作用最强，对企业农业创新的驱动作用最弱，对东部地区和直辖市或计划单列市的农业创新的驱动作用更强，对中部地区和非直辖市和计划单列市的驱动作用十分有限。第五，由于高校是农业创新主体，本文探究了省域内高校的空间溢出特性，结果证实了数字金融通过农业创新的空间溢出特性进而对同省份其他城市的高校产生溢出作用。

基于以上研究结论，为提高农业创新水平，实现农业现代化，本文提出以下政策建议。

第一，在数字金融成为促进农业创新的新驱动力下，不断完善和优化数字金融流程，大力发展金融科技，优化核心算法来推动数字建设，对贷款者进行有效甄别，疏通人力资本在数字金融对农业创新中的作用机理，加强数字金融服务农业创新能力和效率。此外，将高校作为数字金融促进农业创新过程中的重要着力点，使高校成为数字金融拉动当地农业创新和农业现代化的有效支撑。

第二，聚焦数字金融在促进农业创新过程中的区域短板，并进一步发挥数字金融在高校促进农业创新中的重要作用。数字金融对非直辖市和计划单列市以及中西部等欠发达地区的农业创新驱动作用有限，这就要求在补齐欠发达地区传统基础设施短板的同时，统筹补齐欠发达地区数字建设配套设施，加大对欠发达地区的“新基建”项目的政策支持，并采取切实可行的措施留住欠发达地区人才，实现省域内和区域内数字金融和人才发展的良性循环。同时，高校是科技创新前沿阵地，要充分发挥高校在农业创新系统中的作用，充分发挥高校人才培养功能、不断提供新技术和新知识，通过高校的技术优势和人才优势，不断推动农业高新技术产业化，将创新成果转化为现实的生产力。

第三，加大对中西部地区和粮食主产省份的政策支持和资金投入。针对我国区域农业科技创新能力呈现东部较强、中西部相对薄弱的不均衡态势，应继续加大农业科技投入力度，需要相关政府部门进一步优化区域科技资源配置，东中西部各省之间需在人才流动、资金投入、协同创新等方面，加大区域间合作互助力度，实现东中西部协调发展。

第四，重视农业创新的空间溢出特性，打造创新合作共赢的平台，推动企业、高校、科研机构开展创新合作，加强技术、知识和信息等要素在区域间自由流动，打破资本、人才在跨区域流动中的制度性障碍，发挥资本、人才等要素的空间关联效应，充分释放数字金融对农业创新的空间贡献能力。