龙头企业主导型数字化农业产业链金融对农户信贷约束的影响研究

李轶赫 梁家宁 曾静怡

摘 要：本文利用2020年和2022年四省288户农户信贷约束情况的两期面板数据，运用PSM-DID模型，考察了龙头企业主导型数字化农业产业链金融对农户信贷约束的影响，并分析了缓解农户需求型信贷约束的具体路径。研究发现，龙头企业主导型数字化农业产业链金融能够显著降低农户的供给型信贷约束和需求型信贷约束。进一步研究发现，对于需求型信贷约束而言，该产业链金融政策能显著缓解农户交易成本约束和融资风险约束，但对认知偏差约束无明显作用。本文从实证方面印证了数字农业产业链金融在农户融资方面的改善作用，为缓解农户融资难问题提供了微观经验数据，也为数字化农业产业链金融在农村的进一步发展提供了政策启示。

关键词：数字化农业产业链金融；供给型信贷约束；需求型信贷约束；龙头企业主导型；PSM-DID

本文索引：李轶赫，梁家宁，曾静怡.龙头企业主导型数字化农业产业链金融对农户信贷约束的影响研究[J].中国商论，2023（10）：-122.

中图分类号：F324 文献标识码：A 文章编号：2096-0298（2023）05（b）--07

1 引言

信贷约束是大多数发展中国家农村地区的普遍现象（Stiglitz等，1981）。与大多数发展中国家的情况相似，我国农户长期存在较为严重的信贷配给问题（褚保金等，2019）。在供应配给和需求压抑的相互影响下，农户受到的信贷约束被划分为供给型信贷约束和需求型信贷约束两个类型（程郁等，2009）。在此背景下，国内外不少学者致力于探索缓解农户信贷约束问题的新途径。研究发现，农业产业链金融成为缓解农户信贷约束、扩大农村金融覆盖面的有效手段（马九杰等，2011；宋雅楠等，2012；何广文、潘婷，2014）。另外，虽然农业产业链金融的出现虽然在一定程度上缓解了农户的信贷约束，但仍存在诸多限制。周月书等（2020）指出，在传统的龙头企業带动型和合作社带动型农业产业链模式下，普通农户往往处于弱势地位，合作社和龙头企业的资源优势及对风险的管理控制能力难以平等地惠及所有农户。

近年来，随着农村电商、物联网及数字金融服务的迅速发展，我国农业产业链金融服务逐步向数字化方向转型。为破解传统产业链金融缓解农户信贷约束的弊端提供了新思路。数字化农业产业链金融是数字技术与农业产业链金融的融合，电商平台、物联网、大数据和云计算等数字应用和技术的接入能够提高金融供给效率（许玉韫、张龙耀，2020）。对于农业产业链金融而言，数字化转型是必然趋势（胡晓峰，2021）。截至目前，我国数字化农业产业链金融主要包括银行主导型、电商平台主导型和龙头企业主导型三种模式（韦金洪等，2022）。其中，龙头企业主导型数字化农业产业链金融模式在实践中发展相对较快，具有线上线下高度结合、带动生产智能化、推动过程管理效率提高等特点。那么，龙头企业主导型数字化农业产业链金融是否可以缓解农户在供给配给和需求压抑交互作用下的信贷约束？其在缓解农户信贷约束问题方面又有哪些优势和不足？

目前，部分学者基于典型产业链的理论与案例分析，认为龙头企业主导型数字化农业产业链金融能较好地缓解农户信贷约束问题（周月书等，2020；王刚贞、江光辉，2017；成德宁等，2017）。另一部分学者则认为，现今我国的数字化农业产业链金融模式发展还不成熟，仍面临资金成本高、数字足迹缺乏和征信体系不完全等问题，导致其作用的发挥受限（许玉韫、张龙耀，2020）。以上研究结果对本文有些启发，同时存在着值得发掘的空间：第一，由于大部分论文采取的都是对典型案例的理论研究，并没有经过实证检验，所以对农户信贷约束作用的阐释力度或许不足。第二，大多数学者把农户受到的信贷约束作为整体加以研究，较少有从供给配给与需求压抑两方面分别探讨农户受到的信贷约束。

为此，本文在梳理前人理论分析结论的基础上，借助对四省四县的调查数据，实证研究龙头企业主导型数字化农业产业链金融对农户信贷约束的影响。本文最大的边际贡献：在既有理论研究的基础上，对信贷约束类型进行划分，把农户受到的信贷约束分为供应型信贷约束与需求型信贷约束。其中，需求型信贷约束根据产生原因的差异又被划分为交易成本约束、融资风险约束及认知偏差约束。本文借助PSM-DID模型实证检验龙头企业主导型数字化农业产业链金融对农户所受具体信贷约束类型的影响，以获得更有针对性的政策建议。本文后续分析按以下结构安排：第2部分为理论架构和研究假设，第3部分为研究设计，第4部为实证分析，第5部分为结语。

2 理论框架与研究假设

2.1 农户信贷约束类型

信贷约束包括供给型和需求型两大类（Boucher等，2008）。农户面临的信贷约束由过去单纯的信贷供给配给，转变为供给和需求交互作用下的结构混合型信贷约束（程郁等，2009）。从供给角度来看，由于农业经营的高风险性及农户的分散性和抵御风险的脆弱性，加之银行与农户之间的信息不对称和逆向选择问题，金融机构提供的贷款数量并不能满足农户贷款的需求，造成农户受到供给型信贷约束。从需求角度来看：一是交易成本方面，贷款手续繁琐、审批时间过长、寻租空间较大等因素提高了农户的信贷交易成本（马燕妮等，2016）；且在没有建立起完善的风险评估和内部管理机制时，金融机构直接增加信贷供给，形成了以人格身份、人情关系、社会权力以及利益关系为基础的信贷配给，创造出巨大的寻租空间，进一步提高交易成本；二是融资风险方面，由于金融机构与农户之间存在信息不对称问题（Boucher等，2008），金融机构出于降低风险的理性信贷决策，提高对借款人抵押品的要求，农户即使拥有符合合同资质的抵押品，也为避免失去抵押品的风险，选择自愿退出信贷市场；三是认知偏差方面，金融机构贷款甄别机制不健全，会向借款人传递有偏差的市场信号，导致借款人误以为自己不能获得贷款而放弃申贷努力（王冀宁、赵顺龙，2007）。

基于此，本文将农户所面临的信贷约束划分为供给型和需求型两类，同时根据农户受到的需求型信贷约束原因的不同，再细分为交易成本约束、融资风险约束和认知偏差约束，具体的信贷约束类型如表1所示。

2.2 农户信贷约束识别机制

信贷约束识别问题历来是学界探讨的重点，本文借鉴了Boucher等（2008）直接诱导式的询问方法（Direct Elicitation Method，DEM），利用从调研问卷中获取的受访农户当前和历史贷款信息，对农户受到的信贷约束作出辨识。具体来说：（1）先提问农户“您是否有贷款需求”，如选择“是”，则表示该农户有信贷需求，因此有可能受到信贷约束；如选择“否”，则说明该农户并无信贷需求，因此可以直接判断该农户并不受到信贷约束，问题结束。（2）在有信贷需求的农户中，进一步询问“您是否向任意一家银行或第三方金融机构申请过贷款”，如选择“是”，则判断该农户不受需求型信贷约束但可能受供给型信贷约束；如选择“否”，则判断该农户受到需求型信贷约束。（3）对于可能受到供给型信贷约束的农户，通过询问“申请后是否得到贷款”进行判断，如回答“全部批准”，则表示农户不受供给型信贷约束；如回答“全部未批准”或“部分批准”，则表示该农户受到供给型信贷约束。（4）对于受到需求型信贷约束的农户，继续询问“没有申请贷款的原因”来判断农户所受需求型信贷约束的类型，如选择“利率太高、手续太麻烦”，则判定该农户受到交易成本约束；如选择“担心贷款无法还清”，则判定该农户受到融资风险约束；如选择“感觉自己肯定申请不到”，则判定该农户受到认知偏差约束。

2.3 数字化农业产业链金融对农户信贷约束的缓解作用分析

“三农”问题是我国当前发展面临的重要问题。2019年，由中共中央办公厅、国务院办公厅发布的《数字乡村发展战略纲要》明确提到了将大力推动农业农村数字经济发展，进一步夯实数字农村基础设施，并积极推动农业农村产业链的数字化转型升级。农业产业链的创新和升级对农业发展方式的创新和农业现代化具有重大意义。金融产品和服务通过农业产业链流向产业链上各主体，能够缓解农户“融资难，融资贵”的问题。由于规模农户信贷需求额度大、期限长，且逐步多元化，其贷款偿还以盈利性项目为支撑，呈现“企业化”特征，这与以小额农户贷款为主的传统农业信贷有着本质的不同（刘西川、程恩江，2013）。因此，以小额信贷为基本特征的传统农业融资模式已经不能满足规模农户的信贷需求（尹峰等，2006）。相比之下，农业产业链融资则顺应了由农户组织化程度提高与产业链扩展深化带来的农业金融需求的深刻转变（刘西川、程恩江， 2013）。农业产业链融资具有更好的贷款甄别机制，可以降低风险和激励借款人偿还贷款，同时也能够通过降低农户的融资成本，使其从具有更高价值的市场上获得资源（宋雅楠等，2012）。

传统的产业链模式中，农业产业链的发展基本依靠龙头企业的扶持及农業合作社的带动，个体农户则相对核心企业一直处在劣势位置，个体农户的需求也很难得到有效满足（周月书、王婕，2017）。周月书等（2020）指出，中国传统农业产业链的资金不足源于其未能从根本上解决农户融资中的两个关键制约因素——缺乏信用体系和有效的风险控制。利用互联网技术，以产业链上的涉农大企、强企为基础，构建一个企业信息服务体系，以产业链上相关经营主体的资金需求为出发点，对其信用状况做出准确评估，逐步建立和完善产业链成员的资信体系和企业信贷担保服务体系，并为其提供资金支持（寇光涛、卢凤君，2016）。许玉韫和张龙耀（2020）则指出，随着我国农业电子商务、物联网技术及数字金融科技的迅速发展，中国农业产业链金融服务体系逐渐向数字化过渡。数字化农业产业链金融利用电子商务平台、物联网、大数据和云计算等数据产品与技术手段，通过减少农业金融服务过程中的交易成本，建立农村数字化信贷评估系统及完善的风险管理策略，有效提高中国农村金融供给效率与质量。

2.4 假说的建立与提出

基于以上理论分析框架与分析结果，本文进一步针对农户所受不同信贷约束类型，讨论龙头企业主导型数字化农业产业链金融分别对其产生的影响。

2.4.1 供给型信贷约束

农户自身经营特点决定农村金融业务的高风险性，以及金融机构所面临的信息不对称和逆向选择问题是农户面临供给型信贷约束的主要原因。然而，龙头企业主导型产业链的数字化转型可通过自身的电子商务平台沉淀交易数据、构建风控模式，并借助云计算、物联网、大数据分析等技术手段，使农户、龙头企业和数字金融机构之间的信息顺畅传递，降低了金融机构对农户的风险识别成本，进而提高其对农户的放贷意愿，以有效降低农户所受的供给型信贷约束。基于以上分析，本文提出以下假设：

H1：龙头企业主导型数字化农业产业链金融能够缓解农户供给型信贷约束。

2.4.2 需求型信贷约束

需求型信贷约束主要分为以下三种：一是交易成本约束，是由信贷交易过程繁琐、审批时间过长等因素造成的需求型信贷约束；二是融资风险约束，是农户为避免失去抵押品的风险形成的需求型信贷约束；三是认知偏差约束，是农户主观上高估贷款难度，进而成为“无信心借款者”而形成的需求型信贷约束（王若男等，2019）。

自龙头企业主导型产业链数字化转型后，首先，数字化平台使线上申贷操作变得可行，大大缩减了线下申贷带来的时间和空间上的局限性，使农户申贷过程中的交易成本降低，有助于缓解农户所受的交易成本约束。其次，线上平台沉淀了大量的数字足迹，缓解了农户与金融机构信息不对称的情况，龙头企业可以对加入产业链的农户提供担保，农户失去抵押品的风险减小，进而缓解其面临的融资风险约束。最后，加入农业产业链的农户往往能够享受到与产业链相关业务的教育和培训，在一定程度上可以提高农户的金融素养，缓解农户对正规机构贷款的认知偏差，增强贷款信心，进而缓解农户所受认知偏差约束。基于以上分析，本文提出以下假设：

H2：龙头企业主导型数字化农业产业链金融能够缓解农户需求型信贷约束。

H2-a：龙头企业主导型数字化农业产业链金融能够缓解农户交易成本约束。

H2-b：龙头企业主导型数字化农业产业链金融能够缓解农户融资风险约束。

H2-c：龙头企业主导型数字化农业产业链金融能够缓解农户认知偏差约束。

3 研究设计

3.1 数据来源与样本筛选

本文的研究数据来源于2020年与2022年对河南省襄城县、山东省滨城区、安徽省长丰县和山西省文水县四地的实地调研。首先，在全国范围内省份选择方面，由于河南省、山东省、安徽省、山西省均位于我国的中东部地区，且均为农业大省，农户面临的信贷问题较为突出，因此选择以上四省作为本次调研的地点在全国范围内具有较强的代表性。其次，在省份范围内县域选择方面，襄城县拥有辣椒特色农业产业链，滨城区拥有小麦加工和生猪养殖国家现代农业产业园，长丰县是安徽省“一县一业”全产业链示范县，文水县是远近闻名的肉牛养殖和加工大县，以上四县都具有当地特色的农业产业链，在各自省份具有一定的代表性。再次，在实验组和对照组选择方面，以上四县在2022年以前具有相似的农业结构和经济发展水平，且地理位置均位于我国中东部地区，地域环境差异相对较小；2022年以后，河南省襄城县、山东省滨城区陆续进行了龙头企业主导型数字化农业产业链金融转型，安徽省长丰县和山西省文水县仍保持着传统农业生产经营模式。基于此，本课题组将河南省襄城县和山东省滨城区作为实验组，将安徽省长丰县和山西省文水县作为对照组。

对于河南省襄城县，本课题组从其已实行龙头企业主导型数字化农业产业链金融的12个自然村中随机选取5个自然村进行调查，在选取的每个自然村中随机抽取8～15户规模种植农户并发放调查问卷。对于山东省滨城区，本课题组从其已实行龙头企业主导型数字化农业产业链金融的10个自然村中随机选取5个自然村进行调研，在每个选取的自然村中随机抽取10～15户规模种植农户进行问卷调查。考虑到安徽省长丰县和山西省文水县是相对河南省襄城县和山东省滨城区的对照组，本课题组对安徽省长丰县和山西省文水县采取不同的抽样手段。在长丰县和文水县下辖乡镇按照地区多年平均GDP降序排列并等分为2组，每组抽取2个乡和镇，再以对应实验组行政村的经济发展水平为依据，在每个乡镇选取2个行政村，最终随机选取每个行政村的15～20个农户进行线上问卷调查。

本文最终回收问卷共计366份，两期面板数据共732个观测值，剔除缺乏贷款需求、数据缺失、数据有误、数据异常的样本后，剩余观测值为576个。

3.2 模型设计

3.2.1 模型与变量定义

为了检验当地是否具有龙头企业主导型数字化农业产业链对农户信贷约束的影响，本文将龙头企业主导型数字化农业产业链作为冲击事件，选取实验组和对照组，构建DID模型如下：

式（1）、式（2）中，供给型信贷约束用apply表示，受到约束赋值为1，否则赋值为0；需求型信贷约束用demand表示，受到约束赋值为1，否则賦值为0。其中，本文进一步将需求型信贷约束细分为交易成本约束、融资风险约束、认知偏差约束，分别赋值z=1、z=2、z=3。Ingroup=1为实验组，代表实施龙头企业主导型数字化农业产业链金融的地区；Ingroup=0为对照组，代表未实施龙头企业主导型数字化农业产业链的地区。本文认为2022年为数字化农业产业链政策开始实施的时间，因此Inyear=0表示时间为2022年以前，Inyear=1表示时间为2022年以后。controlit表示其他控制变量构成的向量，具体包括性别、年龄、受教育程度、健康情况、劳动力、家庭人均纯收入、经营类型、家庭成员是否有党员或村干、是否有亲戚朋友在政府或银行工作、亲戚关系、邻里关系、到正规金融机构的距离。变量名称及含义如表2所示。针对以上DID模型，本文主要关注系数β1、α1，它们反映了农户参与龙头企业主导型数字化农业产业链对农户信贷约束的影响。

3.2.2 变量描述性分析

表2为主要变量的描述性统计结果。当地龙头企业主导型数字化农业产业链金融识别变量（Ingroup）均值为0.375，表示在全体样本中，实验组占37.5%，即在实施龙头企业主导型数字化农业链金融地区获得的观测值占全体观测值的37.5%，实验组与对照组样本比例合理。

4 实证分析

4.1 PSM结果

根据研究设计，本文分别以2022年已实施龙头企业主导型数字化农业产业链金融的两个样本县为实验组，未实施数字化农业产业链金融的两个样本县为对照组，利用Logit模型估计倾向得分，借助核匹配法赋予权重，并施加共同支撑条件。

在给出倾向得分结果之前，需要先进行匹配平衡性检验，平衡性假设要求匹配后实验组和对照组的匹配变量无显著差异。图1可以直观地看到平衡性假设检验的结果，匹配前部分变量的标准化偏差（%bias）离0轴较远，匹配后所有变量的标准化偏差都向0轴靠近，绝对值都小于10%，且大多数变量的t检验结果在统计上不存在显著性差异。因此，认为倾向得分匹配效果较为理想，通过了平衡性假设检验，匹配提高了实验组和对照组的可比性。

4.2 DID回归

4.2.1 基准回归

基于PSM方法给出的样本，利用DID双重差分法评估龙头企业主导型数字化农业产业链金融的政策效应，得到基准回归结果（见表3、表4）。表3中，模型（1）～（5）为不加入控制变量的模型；表4中，模型（6）～（10）为加入控制变量的模型。以上五个模型分别代表当地是否存在龙头企业主导型数字化农业产业链金融对农户供给型信贷约束、需求型信贷约束、交易成本约束、融资风险约束、认知偏差约束的影响。

模型（1）（2）（6）（7）的估计结果表明，无论是否加入控制变量，虚拟变量交互项（DID）系数均显著为负，表明龙头企业主导型数字化农业产业链金融的实施可以显著降低农户受到的供给型信贷约束和需求型信贷约束，验证了假设H1和假设H2。剩下的6个模型中，虚拟变量交互项系数对交易成本约束、融资风险约束均显著为负，意味着龙头企业主导型数字化农业产业链金融的实施可以显著降低农户受到的交易成本约束和融资风险约束，验证了假设H2-a和假设H2-b。

模型（5）和模型（10）的交互项对农户的认知偏差约束表现为不显著促进效应，与前文假设不一致。本文认为这一现象的产生主要有两方面原因：一方面，由于数字化农业产业链金融在实现过程中融合了电商平台、物联网、大数据和云计算等数字技术，因此对加入产业链的农户的金融素养提出了更高的要求。然而，我国部分农村地区农户受教育水平有限，存在数字素养较低、金融知识储备不足、理解能力较弱等特点，难以及时有效地理解和掌握数字化农业产业链金融的服务流程与操作步骤。因此，这种数字鸿沟加重了农户对数字化农业产业链金融的认知偏差。另一方面，长期以来受农村地区社会结构的影响，部分农民仍倾向利用人际关系、通过社会熟人的关系网络获得暂时性的融资便利。在实地调研过程中，大部分农户将“没有关系”视为不能获得贷款的重要原因。他们认为，即使通过数字化农业产业链金融，也需要借助“关系”才能完成借贷，在一定程度上削减了农户加入数字化农业产业链获得贷款的信心，加重了一部分农户的认知偏差約束。

4.2.2 安慰剂检验

由于本文采用的调查数据为两期面板数据，无法使用历史数据检测实验组与对照组的农户融资行为是否存在一致的时间变化趋势。因此，本文采用构建虚拟实验组的安慰剂检验来验证DID模型的随机性假设。具体来说，本文在576个样本中随机抽取150个作为“伪实验组”，并进行安慰剂检验，将该随机抽样过程重复500次，将其与时间虚拟变量的乘积作为核心解释变量重新进行回归。图2分别显示了供给型信贷约束、需求型信贷约束、交易成本约束、融资风险约束作为被解释变量的回归结果的系数分布。由图2知，四个模型的回归系数分布都集中在0附近，可见随机抽样后的样本组合对农户的信贷约束没有产生明显影响，说明农户政策前后受到的信贷约束差异是由数字化农业产业链金融政策实施本身引起的。

5 结语

本文利用2020年和2022年四省288户农户信贷约束情况的两期面板数据，运用PSM-DID模型，实证检验了龙头企业主导型数字化农业产业链金融对农户信贷约束的影响。实证结果表明，龙头企业主导型数字化农业产业链金融能够显著降低农户的供给型信贷约束与农户需求型信贷约束当中的信贷交易成本约束和融资风险约束。本文认为，龙头企业主导型数字化农业产业链金融实现了各主体之间，尤其是借贷双方之间数据流与信息流的传递，实现了金融机构对农户贷前、贷中、贷后的全程监控，提高了农户的贷款效率、降低了金融机构的风险识别成本、提高了产业链资金周转效率，因此能够降低农户的供给型信贷约束与农户需求型信贷约束。但是，数字化农业产业链金融对农户的认知偏差约束并不能起到缓解作用，甚至在一定程度上加重了农户的认知偏差约束，可能是因为农户存在“数字鸿沟”及对传统熟人借贷的依赖。

基于以上结论，本文提出以下政策启示：

第一，进一步推广和发展数字化农业产业链金融，推动传统农业产业链金融向数字化方向转型，深化数字化农业产业链金融服务的研究和实践，以更好地服务农户和推动农业现代化发展。发掘数字化技术潜力，进一步降低金融服务过程中的交易成本，构建农村数字化信用评价体系，优化风险控制策略，最终提高金融供给效率。

第二，提高农户的数字素养和应用能力，鼓励农户更多地参与到数字化农业产业链中。通过政府宣传、农业协会和电商平台等途径加强对数字化农业产业链金融的宣传和推广，使更多农户了解并信任该服务。通过与社会组织和当地社会资源合作等方式，帮助一部分习惯社会关系融资的农户更好地理解和参与数字化农业产业链金融。

第三，加快数字化农业产业链金融的相关法律法规建设，进一步明确数字化农业产业链金融业务的主体准入资格、行业管理办法及业务操作规范等，防范好金融风险，提高金融服务能力。此外，农村金融机构要与时俱进，与国家的宏观经济政策、产业政策和农村经济政策密切配合，提高金融服务意识，进一步创新数字化农业产业链金融产品。

参考文献

Boucher，S.，Carter，R.M.， Guirkinger，C.Risk Rationing and Wealth Effects in Credit Markets：Theory and Implications for Agricul-tural Development[J]. American Journal of Agricultural Economics，2008，90（2）：409-423.

Stiglitz，J. E. and A. Weiss ， Credit rationing in markets with imperfect information[J]. The American economic review，1981，71 （3）：393—410.

褚保金，卢亚娟，张龙耀.信贷配给下农户借贷的福利效果分析[J].中国农村经济，2009（6）：51-61.

成德宁，汪浩，黄杨.“互联网+农业”背景下我国农业产业链的改造与升级[J].农村经济，2017（5）：52-57.

程郁，韩俊，罗丹.供给配给与需求压抑交互影响下的正规信贷约束：来自1874户农户金融需求行为考察[J].世界经济，2009（5）：73-82.

何广文，潘婷.国外农业价值链及其融资模式的启示[J].农村金融研究，2014（5）：19-23.

寇光涛，卢凤君.“互联网+农业产业链”的实践总结与创新路径[J].农村经济，2016（8）：30-34.

马九杰，张永升，佘春来.基于订单农业发展的农业价值链金融创新策略与案例分析[J].农村金融研究，2011（7）：11-17.

宋雅楠，赵文，于茂民.农业产业链成长与供应链金融服务创新：机理和案例[J].农村金融研究，2012（3）：11-18.

王刚贞，江光辉.“农业价值链+互联网金融”的创新模式研究：以农富贷和京农贷为例[J].农村经济，2017（4）：49-55.

王冀宁，赵顺龙.外部性约束、认知偏差、行为偏差与农户贷款困境：来自716户农户贷款调查问卷数据的实证检验[J].管理世界，2007（9）：69-75.

韦金洪，张中秋，陈菲.农村金融创新发展赋能乡村振兴研究[J].中国国情国力，2022（2）：23-27.

王若男，杨慧莲，韩旭东，等.合作社信贷约束：需求型还是供给型：基于双变量Probit模型的分析[J].农业现代化研究，2019， 40（5）：774-784.

许玉韫，张龙耀.农业供应链金融的数字化转型：理论与中国案例[J].农业经济问题，2020（4）：72-81.

周月书，王婕.产业链组织形式、市场势力与农业产业链融资：基于江苏省397户规模农户的实证分析[J].中国农村经济，2017 （4）：46-58.

周月书，笪钰婕，于莹.“互联网+农业产业链”金融创新模式运行分析：以大北农生猪产业链为例[J].农业经济问题，2020（1）： 94-103.

刘西川，程恩江.中国农业产业链融资模式：典型案例与理论含义[J].财贸经济，2013（8）：47-57.

胡晓峰.农业供应链金融数字化转型的实践及其推进思路[J].西南金融，2021，477（4）：52-62.