数字普惠金融对农业服务业的影响——来自中国地级市的经验证据

魏滨辉 罗明忠

一、引言

加快推动农业服务业发展，是新时代转变农业生产经营方式、促进小农户与现代农业有机衔接和实现乡村全面振兴的必由之路（苑鹏和丁忠兵，2018）。改革开放以后，家庭联产承包责任制的实行极大地释放了农村生产力，推动了各类新型农业经营主体快速发展，但并未改变中国以小农户为主的农业经营格局。受制于人多地少、自然条件差异以及耕作制度复杂等因素，小农经营普遍存在成本高、劳力缺、技能低和质量忧等问题，难以满足小农户与现代农业有机衔接的现实需求。中国要推动农业高质量增长，只能加快推进农业服务业发展（芦千文和高鸣，2020）。农业社会化服务不仅可以帮助小农户实现细碎化土地的连片耕种和经营，破解其长期面临的小生产经营困境，增强自身竞争力；还可以通过迂回投资将小农经营卷入分工经济，提高农业产业链各环节的运行效率，直接促进农业节本增效，培育新常态下农业经济发展新动能（Sheng and Chancellor，2019；杨子等，2019）。近年来，中国农业服务业发展水平逐年提升，仅在2020年，农林牧渔服务业产值就高达7030亿元，2011—2020年的年均增长率超过10%①数据来源：《中国第三产业统计年鉴》。。但是，与发达国家相比，其整体差距仍非常明显（梁银锋等，2018），亟待进一步推进。

“久制于排斥，希冀于普惠”。由于金融追本逐利的本性和农业的弱质性，各类农业经营主体普遍面临不同程度的金融排斥问题（张林和温涛，2022），全面实现农业农村现代化迫切需要金融服务的赋能助力。诞生于20世纪70年代的小额信贷，伴随着人类反贫困事业的不断深入，虽然在发展成微型金融之后又进一步演进成普惠金融，但始终面临着因同时追求社会绩效与经济绩效双重目标而难以为继的困境。然而，互联网革命催生了受益于大数据和云计算等技术进步的数字普惠金融。一方面，数字普惠金融以其对长尾市场的开拓，打通金融服务的“最后一公里”，促使传统金融嫌贫爱富的本性得以部分纠偏；另一方面，以其先天内生的包容性增长效应，有利于缩小社会的贫富差距。相关数据显示，2020年中国银行业金融机构分别处理网上支付和移动支付业务879．31亿笔和1232．2亿笔，同比增长12．46%和21．48%；电子渠道分流率达90．88%，且呈现持续增长态势②数据来源：中国人民银行《2020年中国银行业服务报告》。。由此可见，数字普惠金融通过将大数据、云计算、移动互联网等信息技术创新成果应用于服务普惠金融目标群体，开启了数字技术与金融服务相结合的普惠金融新时代。

目前，关于数字普惠金融的研究聚焦于经济增长（Kapoor，2014）、城乡收入差距（张贺和白钦先，2018）、居民消费（易行健和周利，2018）等方面。在农业农村领域，既有研究表明数字普惠金融在缓解农村家庭金融脆弱性（陈池波和龚政，2021）、推动农村产业融合发展（张林和温涛，2022）以及实现农业高质量发展（罗光强和王焕，2022）等方面发挥着关键性作用。事实上，在当今全球产业服务化转型的大趋势下，数字普惠金融对中国服务业发展也产生了一定的积极影响（丁日佳等，2019）。然而，数字普惠金融发展及其经济社会效应发挥通常会受到当地基础设施建设、人力资本水平等诸多因素影响，在具有投资周期长、受自然风险影响大、附加值低以及小微企业信息披露不健全、抵押担保不足等特点的农业领域，数字普惠金融能否继续发挥普惠属性，为农村地区提供数字化金融服务，促进农业服务业发展，仍有待进一步深入探讨。为此，本文在收集和整理2011—2019年中国213个地级市的面板数据基础上，运用面板双向固定效应模型、SARAR模型等，考察数字普惠金融对农业服务业发展的影响效应和作用机制，不仅拓展了数字普惠金融的研究范畴，也为完善当前农业社会化服务体系提供了新视角和新思路；同时，从空间和门槛视角揭示数字普惠金融影响的空间溢出效应及其与规模化、市场化和非农化之间的关联性，有助于阐明因果效应的情境依赖性，并根据有效性条件分类设计优化对策，最大化数字金融赋能效果，从而为推动农业高质量发展提供经验借鉴和决策参考。

二、理论分析与假说提出

（一）数字普惠金融对农业服务业的影响

一般而言，丰富的金融市场体系，不仅能为不同层次服务业发展提供多样化的金融产品和金融服务保障，有效缓解服务业企业融资难、融资慢等问题；还能通过优化资金配置、提升资本配置效率、支持技术创新等多种机制扩大服务业的市场规模，实现优化发展和转型升级（王冠凤，2019）。但传统金融在为服务业提供资本支持时往往存在成本高、效率低等问题，再加上服务业细分行业众多，部分行业仍面临融资约束的局面（丁日佳等，2019）。大规模的金融抑制会进一步降低服务业产出份额（王勋和Anders，2013），导致金融服务支持实体经济发展的作用无法得到有效发挥。此外，金融对服务业的促进作用通常会受到所在地市行政级别的影响（王麒麟，2014），由此导致地处农村或偏远地区的农户以及中小微服务业企业，更难获得足够的金融服务支持，阻碍农业服务业发展壮大。

中国已全面进入数字经济新时代，由数字经济发展带来的数字普惠金融已渗透到人们生活的方方面面。世界各国特别是发展中国家非常重视数字普惠金融发展，并将其视为缓解贫困问题、促进经济发展，进而实现包容性增长的重要途径。依托于数字技术发展起来的数字普惠金融，可以将金融服务延伸到传统金融难以触及的领域，扩大金融服务的覆盖面，凸显金融服务的平民化趋势。相较于传统金融业务模式，数字普惠金融更注重规模效应和尾部效应，其无边界的特征能够有效克服物理网点覆盖有限的障碍，拓展金融交易可能性（Berg et al．，2020）。不仅如此，快速发展的数字普惠金融正悄然深入农村生活、农业生产等诸多场景，依靠其低成本、高效率和广覆盖的优势（Moenninghoff and Wieandt，2013；Jagtiani and Lemieux，2018），对拓宽农业经营主体尤其是“长尾客户”生产经营的资金渠道、缓解金融排斥问题具有重要作用。由此可见，随着数字经济的发展，在一些支付宝等互联网新型金融服务平台的支持下，数字普惠金融有助于大幅度降低金融机构提供金融产品和服务的成本，拓宽传统的农村金融服务渠道，提高金融服务效率，从而缓解农业服务经营主体的资金约束，并为农业服务业技术创新、要素流入提供充足的金融服务保障，推动农业服务业快速发展。据此，本文提出研究假说1。

假说1：数字普惠金融能有效促进农业服务业发展。

（二）数字普惠金融对农业服务业影响的路径

1．缓解农村融资约束。数字普惠金融有助于满足农业服务业供求双方广泛的信贷需求。从农村企业看，农业服务业聚集了大量的中小微企业，且大部分处于创业初期，具有资金需求量大、投资回收期长和风险系数高等特点。这些企业往往被追求利润最大化的商业性金融机构所排斥，普遍面临初期启动资金不足、发展时期资金周转不畅等问题，阻碍了农业服务业的发展壮大。数字普惠金融能够提供更多人性化和多元化的数字金融服务，改善农村中小微企业获取金融资源的效率，缓解农业服务业经营主体面临的融资约束。具体而言，数字普惠金融利用大数据、云计算等金融科技优势，有效识别贷款人内部潜藏或主动外显的软信息，弥补中小微企业硬信息或抵押品缺失的不足，更加迅速且精确地进行放贷（Ozili，2018），有效缓解农业服务业企业面临的资金约束，也为相关企业的经营规模扩张创造有利条件。从农村居民看，面对严重的信息约束和抵押约束，农户融资难问题依然严重，但在现代化数字技术手段的帮助下，数字普惠金融能够降低人工参与度，更有效地解决特定的资金供给与资金需求匹配问题，满足不同类型农户的差异化金融需求。普通农户在获取信贷资金支持后既可以用于满足其生产性资金需求如购买农业生产机械设备等，从事农业服务经营活动，也可以用于满足其在职业非农化追寻过程中就业信息获得、住宿饮食、往返交通等资金需求，间接推动农业社会化服务市场发展（罗明忠，2008）。

2．提升农业生产效率。数字普惠金融能够在推动农业技术进步和提高农业生产效率上发挥关键作用（唐建军等，2022）。具体而言，数字普惠金融可以发挥互联网的“网络效应”和“连接经济”作用，拓宽农户获取信息的渠道，有效弥补由于地理阻隔、受教育程度等因素造成的信息鸿沟（Beck et al．，2018；柳松等，2020），推动农户积极改善现有农业生产技术，并增加对农机设备、农业良种等新型农业技术设备的应用，提升农业生产效率。同时，互联网金融服务具有传递信息的功能，有助于提高农户的信息互动水平（王国刚，2018；李广子，2020）。除此之外，相比于传统的交易方式，互联网资产交易安全性较高，不仅有助于缓解农户间的信任约束，激励其积极主动分享生产技术和经验，还能进一步降低农业技术进入门槛，实现新技术的快速传播，从而提高农业生产效率（郭家堂和骆品亮，2016；周月书和苗哲瑜，2023）。值得注意的是，农业生产效率提升将带来农业的专业化分工，而专业化分工需要优化农业资源配置来改善要素结构，进而增加对农资和技术推广培训等专业服务需求，加快推动农业服务业发展（李明文等，2020）。尤其是农业生产预警系统、农业投入品监管系统等高精尖技术的应用，生产要素能够以最短的时间和最快的速度实现资源配置，从而为农业服务业转型升级提供充足的技术支撑（马晨和李瑾，2018）。基于上述分析，本文提出研究假说2。

假说2：缓解农村融资约束和提升农业生产效率是数字普惠金融促进农业服务业发展的重要途径。

（三）数字普惠金融促进农业服务业发展的空间溢出效应

根据地理学第一定律，任何事物都具有一定的空间依赖性，空间关联地区之间在宏观经济运行等方面通常会表现出很强的关联关系（Anselin，1988）。此外，同一行业在地理空间上的集聚能够有效促进信息、技能等在不同厂商之间的传播和扩散，由此产生较强的空间溢出效应（Henderson，2003）。因此，考察数字普惠金融对农业服务业的影响时，有必要对其可能存在的空间关联性进行分析。首先，从空间视角看，数字普惠金融与传统金融最大区别在于，数字金融所具有的渗透性、融合性和协同性特征，决定了其可以不受时间和空间的约束。同时，数字普惠金融流通成本较低，容易使资本等传统生产要素突破物理地区间的边界壁垒，实现社会资源及生产要素在各地区之间的快速流动和跨时空交互与增值，推动资源开放共享（张杰飞等，2022）。在这种情况下，本地的数字普惠金融将有助于缓解邻近地区农业服务业经营主体所面临的资金约束，并为区域间农业技术模仿和创新活动提供条件，从而对周围地区的农业服务业发展产生溢出效应。其次，从示范效应看，在外部经济影响下，数字普惠金融发展较好的地区也会对周边地区产生知识和技术溢出，形成积极的示范作用，增强区域间各种经济活动的横向和纵向关联，推动周边城市对相关技术进行不断的学习与模仿，激发企业间互动活力，实现跨地区的分工与合作，对附近地区自身数字金融发展水平的提升具有重要意义。最后，从竞争效应看，数字普惠金融在一定程度上会呈现空间连片集聚的特征，地区间在相互交流中普遍存在竞争关系，倒逼地区筛选更具竞争力的企业与产品，有利于重塑传统行业运营模式，推动整个区域内数字普惠金融发展水平提升。在此情况下，邻近城市数字金融发展水平提升有利于推动本地农业服务业高质量发展。基于此，本文提出研究假说3。

假说3：数字普惠金融对周边地区的农业服务业发展具有正向空间溢出效应。

三、研究设计

（一）数据来源

本文基于2011—2019年中国213个地级市的平衡面板数据，探究数字普惠金融对农业服务业发展的影响与机制。其中，农林牧渔服务业总产值数据来自地方统计年报和地级市统计局；数字普惠金融相关指标来源于北京大学数字金融研究中心；其余原始数据来源于《中国城市统计年鉴》，缺失数据用线性插值法补齐。此外，为了消除通货膨胀的影响，本文以2011年为基期，使用居民消费价格指数（CPI）来调整所有名义变量数值，获得实际值，并对各连续变量指标进行1%的双向缩尾处理。

（二）指标选取

1．被解释变量：农业服务业。本文参考郝爱民（2013）的研究，使用人均农林牧渔服务业产值，即农林牧渔服务业总产值与农林牧渔业从业总人数之比衡量农业服务业发展情况。在稳健性检验中，使用单位面积农林牧渔服务业产值以及农林牧渔服务业在农林牧渔业总产值中的占比进行替换。

2．核心解释变量：数字普惠金融。本文的核心解释变量为数字普惠金融指数，并讨论数字普惠金融不同维度对农业服务业的影响。基于实证检验的便利性和科学性，本文采用原始指标除以100来量化数字普惠金融指数得分及其各维度。

3．控制变量。为剔除其他因素对农业服务业发展的干扰，本文参考李明文等（2020）、张恒和郭翔宇（2021）的研究，加入包括经济发展水平、城镇化水平、对外开放水平、人力资本水平、社会消费能力、基础设施建设、政府干预程度、粮食单产水平以及区域人口密度等一系列控制变量。

4．中介变量：农村融资约束和农业生产效率。鉴于数据可得性，本文采用省级人均涉农贷款，即涉农贷款总额与农林牧渔业从业总人数之比表示农村融资约束；参考罗明忠和魏滨辉（2022）的研究，采用DEA－Malmquist指数法进行测度，选取农作物播种面积、农林牧渔业从业人员、机械总动力、化肥施用量和有效灌溉面积作为农业生产投入指标，并采用农林牧渔总产值作为农业产出指标，测算出农业全要素生产率的变化情况。

表1 变量含义与描述性统计结果

（三）计量模型

1．固定效应模型设定。为探究数字普惠金融与农业服务业发展二者间的直接关系，本文构建面板双向固定效应模型，见式（1）。

其中，ASi，t为城市i在t年的农业服务业发展水平；DFIi，t为城市i在t年的数字普惠金融发展水平；∑Xi，t为一系列控制变量；δt为时间固定效应；φi为城市固定效应；εi，t为误差项。

2．空间计量模型设定。为了估计数字普惠金融对农业服务业影响的空间溢出效应，同时考虑到传统空间SAR和SEM模型可能存在一定局限性，本文进一步构建可一起考虑空间滞后项和空间误差项的SARAR模型，具体模型表达为式（2）。

其中，ρ为空间自回归系数，W为空间权重矩阵，μi，t为空间误差项，其他与式（1）相同。

四、实证检验与结果分析

（一）数字普惠金融对农业服务业的影响

表2展示了基准模型的回归结果。其中，第（1）列为没有添加控制变量的回归结果，第（2）列为控制全部变量的回归结果。由表2第（2）列结果可知，在控制所有其他变量的情况下，核心解释变量DFI系数显著为正，表明数字普惠金融有助于促进农业服务业发展，假说1得以验证。数字普惠金融指数是由三类不同子指标合成，故单看数字普惠金融发展总体状况对农业服务业的影响可能不够全面。如表2第（3）～（5）列所示，覆盖广度、使用深度和数字化程度系数均显著为正，表明数字普惠金融的不同维度均能在一定程度上推动农业服务业发展，间接验证了上文基准回归结果的稳健性。

表2 基准模型回归结果

（二）数字金融能否发挥“普惠”属性

中国幅员辽阔，在资源禀赋、经济水平、基础建设和生产模式等方面存在较大差异，进而演化成各地区发展不平衡的特点。同时，数字普惠金融发展的关键，不仅包括数字基础通信设施和支付系统的建立，还包括相关数字技能人才的培训，这些均对政府财政能力提出了较高要求。那数字金融能否依靠其低成本、高效率和广覆盖的优势，切实发挥普惠属性，改善这种先天性不足，推动弱势地区的农业服务业发展。为此，本文从地理区位优势、数字基础设施以及地方财力水平三个方面考察数字金融的普惠属性。

本文将东部地区、人均邮电业务量和人均财政支出分别与数字普惠金融指数进行交互，回归结果如表3所示。以第（1）列回归结果为例，DFI×东部地区的交互项显著为负，表明在相同的数字普惠金融发展水平下，越靠近东部地区，对农业服务业发展的影响越低。也就是说，相较于东部地区，数字普惠金融对中西部地区农业服务业发展促进作用更大，有利于缩小东部与中西部地区的农业服务化水平差距。可能的解释是，对于传统金融机构而言，以往服务偏远地区或低收入人群的最大障碍在于客户获取成本高和风险控制难，因为他们往往分布散、规模小且缺乏资产抵押。然而，数字普惠金融通过云计算等技术的广泛应用，克服空间上的地理障碍，实现支付的便捷性和多场景应用，弥补传统金融不足和提高服务的延展性，降低获取客户和风险控制成本，更有利于化解中西部偏远地区农业服务经营主体筹资难、借贷难等问题，为农业生产性服务业的快速发展提供强有力的资金支撑。同样地，DFI×基础设施和DFI×财力水平的交互项也在1%水平下显著为负，表明数字金融充分体现出对弱势地区的普惠属性，对数字基础设施建设相对落后和低财力水平城市的农业服务业发展促进作用更大。

表3 数字金融“普惠”属性的检验结果

（三）内生性与稳健性检验①受限于篇幅，省略相关结果，留存备索。

1．内生性问题：工具变量模型。农业服务业发展较好的地区，往往信贷需求更旺盛，数字普惠金融与农业服务业可能呈反向因果关系，因此本文参考傅秋子和黄益平（2018）的研究，采用所在地到杭州距离作为数字普惠金融的工具变量。究其原因：一方面，以支付宝为代表的数字金融起源于杭州，所在地到杭州的距离和当地数字普惠金融的发展水平直接相关。一般而言，距离杭州越近，则说明该地区数字基础设施建设越完善，其数字普惠金融往往发展得更好，两者间具有较强的相关性。另一方面，基于地理指标构建的所在地到杭州距离变量外生性较强，与地区农业服务业发展水平并不会产生直接联系，符合工具变量外生性条件。此外，考虑到所在地到杭州的距离并不会随时间变化而改变，本文参考李红锦和张丁山（2022）的研究，构建所在地到杭州的距离与除所在城市之外全国层面数字普惠金融指数均值的交互项，并运用2SLS模型进行估计。工具变量第一阶段的F值为6787，远大于常规经验值，表明所选取工具变量满足相关性假设，不是弱工具变量。在第二阶段估计中，DFI系数显著为正，表明即使在使用工具变量控制内生性的情况下，数字普惠金融依旧可以有效推动当地农业服务业发展。

2．稳健性检验：系统广义矩估计（GMM）。为了验证基准回归的稳健性，本文运用系统GMM方法进行参数估计。AS的滞后一期项显著为正，表明农业服务业的发展具有累积性和持续性等特点，说明构建动态面板模型进行分析是必要的。同时，AR（1）通过显著性检验，而AR（2）没有通过显著性检验，表明模型无法拒绝不存在二阶序列相关性的原假设，即模型不存在自相关问题。Hansen检验结果表明，本文选取的工具变量不存在过度识别的问题。此外，核心解释变量DFI在1%水平下显著为正，说明本文的研究结论是稳健的。

3．稳健性检验：替换被解释变量。本文参考李明文等（2020）、张恒和郭翔宇（2021）研究，分别使用单位农作物播种面积的农林牧渔服务业产值和农林牧渔服务业在农林牧渔业总产值中的占比作为人均农林牧渔服务业产值的替代变量进行稳健性检验。在替换变量后，核心解释变量DFI对农业服务业发展仍具有显著正向影响，表明假说1具有稳健性。

（四）作用机制检验

1．缓解农村融资约束。本文以人均涉农贷款为被解释变量，数字普惠金融为核心解释变量进行回归（表4第（1）列），可见DFI变量在5%水平下显著为正，表明数字普惠金融能够充分发挥在信贷供给方面的优势，改善农村地区的信贷配给程度。以数字普惠金融和人均涉农贷款为核心解释变量进行回归，分析二者对农业服务业发展的影响（表4第（2）列）。由此可见，数字普惠金融和人均涉农贷款变量均在1%水平下显著为正。同时，上述结果通过了Sobel检验。综上说明，数字普惠金融有助于满足农业服务业经营主体的融资需求，保证农业服务组织数量的增加，丰富农业生产服务的形式和提高服务质量，赋能农业服务业高质量发展。同时，部分普通农户在农机购置或更新农机的资金需求得到满足后，将成为专事农业服务的经营主体，还有一部分农户可将资金用于职业非农化的发展，进而卷入社会分工体系之中，扩大农业服务的市场需求和空间，推动农业服务业发展。

表4 作用机制检验结果

考虑到省级涉农贷款数据可能无法精准衡量农村信贷配给情况，本文将中国数字普惠金融指数与2014—2018年中国家庭追踪调查（China Family Panel Studies，CFPS）三期面板数据相结合，探究数字普惠金融对农户信贷可得性的影响效应，以便更好地识别数字普惠金融经济效应的微观机制。表4第（3）列以农户正规信贷可得性为被解释变量，DFI系数在1%水平下显著为正，表明数字普惠金融确实有利于缓解农村融资约束。

2．提升农业生产效率。表4第（4）列以农业全要素生产率为被解释变量，根据回归结果可以发现，DFI系数显著为正，表明数字普惠金融能够提高农业要素配置水平，促进农业生产技术的研发与创新，并降低信息交易成本和传递过程中的信息损失，激励农户主动采纳新型农业生产技术，从而提高当地农业生产效率。表4第（5）列以农业服务业为被解释变量，以DFI和ATFP为核心解释变量进行回归，可见二者的系数均在1%水平下显著为正。同样地，Sobel检验也通过显著性检验。由此可见，农业生产效率提升可以降低农业要素市场的交易费用，提高农户识别风险冲击的能力，从而更敏捷地应对市场变化并及时调整决策，为农业服务业的高质量发展注入新动力。同时，农业生产效率提升将带来农业的专业化分工，而专业化分工需要大幅提高农业资源利用效率来改善要素结构，增加对农资、技术推广培训等专业服务需求，推动农业服务业发展。综上，假说2得到验证。

（五）空间溢出效应检验

1．空间相关关系检验。本文需要先建立合理的空间权重矩阵，以准确衡量空间溢出效应。本文选择使用邻接矩阵，以反映不同城市间的空间关联性，同时采用Moran＇s I指数对数字普惠金融和农业服务业的空间自相关性进行测算①受限于篇幅，省略相关结果，留存备索。。数字普惠金融和农业服务业的Moran＇s I指数均通过了1%显著性检验，表明数字普惠金融发展程度（农业服务业水平）较高的不同城市间相互邻近，而低值城市则通常与一个或多个低值城市相邻，呈现空间集聚特征。同时，Moran＇s I指数为正值，说明各城市数字普惠金融和农业服务业发展具有显著为正的空间自相关性。

2．估计结果与讨论。表5第（1）～（3）列中汇报了在三种不同空间矩阵下SARAR模型的估计结果。以经济与地理距离嵌套权重矩阵为例，核心解释变量DFI显著为正，表明数字普惠金融对附近地区的农业服务业发展确实存在正向空间溢出效应。在上述回归方程中，同样可能会存在反向因果关系，采用传统空间计量模型可能会影响估计结果的准确性。因此，为了尽可能地削弱内生性对估计结果造成的偏误，本文采用广义空间两阶段最小二乘法（GS2SLS），将各解释变量及其空间滞后项作为工具变量进行稳健性检验（表5第（4）～（6）列）。由此可见，即使考虑空间影响和内生性问题，数字普惠金融依旧可以显著推动当地以及相邻地区农业服务业发展，假说3得到证明。

表5 空间面板的实证结果

由于SARAR模型中，ρ显著不为0，表明核心解释变量DFI的回归系数无法直接反映对农业服务业发展的实际影响，在这种情况下，需进一步通过偏微分的方式将回归系数进行分解，从而得到真实影响效应的大小①受限于篇幅，省略相关结果，留存备索。。以经济与地理矩阵为例，数字普惠金融的直接影响效应为0．060，且通过了1%显著性检验，说明数字普惠金融能够显著促进本地农业服务业发展。数字普惠金融的间接效应为0．089，表明本地农业服务业发展水平将随着邻近地区数字普惠金融水平的提高而加快发展，印证了数字普惠金融的空间溢出效应。此外，数字普惠金融的间接效应大于直接效应，说明相比于本地区的数字普惠金融，其他地区的数字普惠金融发展对本地区农业服务业的促进作用更大。从总效应来看，在经济与地理距离嵌套权重矩阵下，数字普惠金融的总效应显著为正，说明数字普惠金融对本地区以及相邻地区农业服务业发展的推动均具有积极作用。

五、拓展分析

虽然在整体上数字普惠金融对农业服务业发展起到了正向的促进作用，但上述研究均是在区域同质性的假设下。事实上，在不同的外部发展环境下，数字普惠金融对于农业服务业的影响可能存在着不同作用力度。具体而言：其一，农业服务业的发展水平往往取决于当地的种植规模化程度，适度规模经营，不仅能满足农业服务的市场准入门槛要求，还能驱使农业生产过程中产生更高的农业社会化服务需求，推动农业服务业发展（杨万江和李琪，2018）。其二，金融的核心是对资本的积累和配置，在良好的制度环境下，资本市场发展相对充分，各地所能获得的数字金融服务力度和效率也就更高，但中国不同省份间市场化水平存在明显差异。同时，市场供给也是影响农户农业社会化服务采纳决策的关键因素，市场越活跃，越容易创造更多需求，推动农业服务业发展（梁银锋等，2018）。其三，非农就业是推进农业服务业发展的重要因素之一。农村劳动力的大规模转移导致农业生产中的劳动力短缺，农村居民对专业化农业服务的需求增大。在此情形下，农村劳动力非农化程度的提升将催生农业社会化服务市场发育，推动农业服务业发展（芦千文和姜长云，2016）。因此，本文利用面板门槛模型从规模化、市场化、以及非农化三方面检验数字普惠金融对农业服务业的影响。具体而言，分别采用人均农作物播种面积、樊纲市场化指数、以及二、三产业就业人数与第一产业就业人数之比作为门槛变量进行检验（表6）。本文沿用Hansen（1999）采用的Bootstrap自抽样法，依次进行单一、双重与三重门槛检验，得到F统计量和接受原假设的P值①受限于篇幅，省略相关结果，留存备索。。根据检验结果可知，规模化水平的单一门槛和双门槛都在1%水平下显著，而三重门槛不显著，表明最优门槛值为两个，存在双重门槛效应。市场化水平和非农化水平变量也分别通过单门槛和双门槛检验，同样宜采用双门槛模型进行分析。

表6 门槛模型回归结果

表6第（1）列表明数字普惠金融的赋能作用存在显著的规模化门槛效应，在规模化水平的不同阶段，数字普惠金融对农业服务业的影响并不相同。具体而言，当规模化水平小于0．369时，数字普惠金融系数仅为0．005，通过5%显著性检验，说明在较低的种植规模水平下，数字普惠金融赋能农业服务业的作用并未得到充分发挥。而当规模化水平跨过第一门槛值时，数字普惠金融系数变为0．013，且通过1%的显著性检验，表明随着种植规模的不断提升，数字普惠金融对农业服务业的促进作用开始显现。而当种植规模跨过第二门槛值时，数字普惠金融系数为0．033，此时数字普惠金融的赋能效果得到了最大程度发挥。结合城市数据来看，以2019年中国213个地级市的人均种植规模为划分依据，发现仅有68个地市（31．92%）的人均种植规模超过第二门槛值，更有接近一半的地市人均种植规模低于第一门槛值，说明当前中国规模化种植水平还处于较低水平，农业生产分散化、小规模格局仍是制约数字普惠金融赋能作用充分发挥的主要因素，而适度规模经营有助于最大程度激发数字普惠金融对农业服务业的推动作用。同样地，当门槛变量分别为市场化水平和非农化水平时，由表6第（2）列和第（3）列估计结果可知，在不同的市场化以及非农化水平下，DFI的估计系数均显著为正，且不断递增，表明数字普惠金融推动农业生产服务业发展的效果随着当地市场化以及非农化水平的提高而不断增大。

六、结论与启示

数字普惠金融为中国农业服务业的高质量发展提供了新线索和新思路。本文基于2011—2019年中国213个地级市的平衡面板数据，采用系统GMM、空间SARAR模型等方法，探究数字普惠金融对农业服务业的影响及其作用机制。研究表明，数字普惠金融及其不同维度均对农业服务业具有显著促进作用。更为重要的是，在中西部、基础设施相对落后以及财力水平较差地区，更能体现数字金融的普惠属性。机制分析发现，缓解农村融资约束和提升农业生产效率是数字普惠金融赋能农业服务业发展的重要路径。空间视角下，数字普惠金融不仅能够促进本地区的农业服务业发展，还能够通过空间溢出效应显著提高周边地区的农业服务业发展水平。拓展分析发现，数字普惠金融与农业服务业二者间呈一定的门槛关系，随着种植规模的扩大以及市场化和非农化水平的提高，数字普惠金融强化农业服务业发展的功能和作用更明显。

本文研究结论具有三点政策含义。一是应充分意识到数字普惠金融是推进农业服务业发展的有效工具，尤其在信贷配给严重的农村地区。当然，数字普惠金融赋能农业服务业的效果，与当地种植规模、市场化以及非农化水平密切相关，应在支持农业服务业发展的政策体系下，统筹推动农业生产的规模化、市场化和社会化，推进农地流转和市场化进程，助力新型农业经营主体的形成和发展，扶持小农户步入现代农业发展轨道。同时，注重强化农业基础设施建设，加大高标准农田建设、农机具库棚等配套设施建设的投入力度，优化农业服务行业的成长环境。二是应依托区域协同发展战略，建立完善的交流合作机制，优化金融资源的空间配置，促进区域数字基础设施共享共建，最大化数字普惠金融的外溢作用。尤其要充分挖掘和发挥“先行者”的辐射效应和周边区域的学习效应，大力推进科技与金融深度融合，打破区域合作交流壁垒，避免无序竞争，在保证区域协调性的前提下，为周边区域的农业服务业快速发展奠定坚实基础。三是在推进数字普惠金融发展的同时，积极宣传和普及数字普惠金融知识，加强对农村居民及农业经营主体数字金融素养的培育，必要时可开发更多与数字时代相适应的教育工具，提高农民获取、控制和管理资源方面的能力，帮助农村居民逐渐跨越“数字鸿沟”和“信息孤岛”，强化农村数字金融使用深度，使数字金融可得且可用，让农村居民更充分地分享数字金融所带来的数字红利。