数字金融是否有效赋能农业经济发展——基于荟萃分析的再检验

李荣强,陈 轩,2,施龙中

(1.华中农业大学 经济管理学院,湖北 武汉430070;2.华中农业大学 双水双绿研究院,湖北 武汉 430070)

经济双循环背景下,我国农业经济实现跨越发展,农业产业总产值和增加值均实现大幅提升。近年来农业农村部提出农业质量年发展方针,指出我国农业经济已进入高质量发展阶段,当下应推动农业工作重心调整,使农业经济由增产导向转向提质导向。推动农业经济高质量发展是新时代中国特色社会主义的必然要求,对提升我国农业产业竞争力,增强我国农业产业影响力以及抵御全球农业风险具有重要意义。农业经济的高质量发展不仅可以为我国经济持续增长奠定有力基础,还可以为优化产业结构布局、提升国家粮食安全注入强劲动力。

伴随数字时代的来临,由互联网、大数据等新兴云端技术与传统金融融合衍生出的“数字金融”新业态,为促进农业经济发展提供了崭新路径。数字金融是指借助信息科技、数据分析等先进技术,有效促进要素资源共享,通过数字技术便捷、低成本的优势,使社会各群体均可以获得享用金融服务的机会。近年来数字金融与农业经济发展之间的关系逐渐受到国家和社会关注。2019年中共中央办公厅颁布《数字乡村发展战略纲要》,强调应促进农村数字经济发展,依靠数字技术推动农业农村现代化发展和转型进程。2022年中央一号文件提出促进数字乡村建设,强化乡村振兴金融服务,强调数字金融在农业经济发展过程中的重要作用。2022年5月,中央网信办与农业农村部等五部门联合印发《2022年数字乡村发展工作要点》,提出强化农村数字金融服务、加强农村资源要素信息化管理,再次突出了数字金融的重要战略地位。当前在共同富裕的大背景下,推动农业经济高质量发展无疑是一场广泛且深刻的经济变革。在这一过程中离不开金融的有效支持,然而由于各种客观条件的制约,传统金融对农业经济发展的支持作用存在一定局限。在此背景下,作为现代金融重要组成部分的数字金融,凭借其独特优势,为促进农业经济高质量发展和实现共同富裕提供了一条可行路径。

文章运用荟萃分析研究方法,在过往文献研究结果的基础上,检验数字金融和农业经济发展之间的相关性,研究二者间调节变量的作用机制,以期得到相对可靠的结论,为促进农业经济的高质量发展提供有益参考,为关于数字金融与农业经济发展的后续学术研究提供理论及方法方面的借鉴。本文的边际贡献主要在于:首先,在已有文献研究结果的基础上探讨数字金融发展与农业经济增长的相关关系,从统计学角度对过往文献的研究结果做出准确评估;其次,通过调节效应分析,研究调节变量对数字金融与农业经济发展二者间关系的影响,扩大对研究主题的分析范畴;再次,通过对过往文献的研究特征进行回归分析,探讨文献研究特征对实证结果的影响,从而为未来该领域的深入研究提供学术启示与科学依据。

一、文献综述

在数字时代背景下,数字金融与农业经济的深度融合已成为必然趋势。国内大量文献表明,数字金融与农业经济发展之间存在正向关系,即数字金融可以有效促进农业经济发展。例如连俊华提出数字金融的发展降低了农村地区金融服务门槛,扩大了金融服务范围,显著促进了农业经济增长[1];郭苏豫认为数字金融促进了农业保险的数字化转型,扩大了农村融资规模,降低了农村融资成本,对农业经济发展具有较强的促进作用[2];王小华认为传统金融在服务农业经济发展过程中存在较多弊端,而数字技术的发展优化了传统金融服务,为农业经济发展提供了宝贵机遇[3]。然而也有部分研究表明,当前出于我国数字金融发展水平不平衡以及数字基础设施建设不完善等因素影响,数字金融和农业经济发展之间可能存在负向关系。葛和平认为,当前我国农村居民数字技能水平较低,接受新事物能力较弱,且对数字金融的接受和熟悉需要花费较高成本,因此数字金融对农业经济发展呈现出一定的负面影响[4];崔惠民通过构建空间计量模型,发现短期内受经济发展不平衡以及数字技术在农村地区推广难度较大等影响,数字金融发展不利于农业经济发展[5]。

可以看出,现有文献在分析数字金融对农业经济发展的影响时已达成一定共识,但也存在部分分歧,在过往文献研究结果中,关于数字金融与农业经济发展间相关关系的大小也不尽相同。究其原因,一方面可能在于不同研究间存在相应的情境因素,即存在某些变量,在数字金融与农业经济发展之间起到调节作用。回顾关于数字金融与农业经济发展的文献可以发现,其中大多包括城镇化、政府财政支农、贸易开放度和产业结构等控制变量,这为本文调节作用的分析提供了丰富的数据材料,故本文的调节作用分析主要聚焦于这些变量。另一方面,文献研究特征及研究方法的不同,也会造成研究结果的异质性,因此,本文通过梳理过往文献的研究特征,探讨文献研究特征对研究结果的影响。荟萃分析是一种定量且客观的文献研究方法,能对同一主题的不同实证研究结果进行综合性的计量分析,在评估因素影响效应基础上还可以解决各独立研究结论不一致的问题。因此,针对以往部分研究结果的不一致与冲突,以及为尽可能全面地分析数字金融对农业经济发展的影响,本文采用荟萃分析法研究数字金融对农业经济发展的作用效果,并探讨二者间调节变量的影响。

二、研究设计

(一)文献搜集与筛选

为避免文献遗漏,采用2种方法检索文献,以期尽可能地将关于数字金融与农业经济发展的实证类型文献纳入荟萃分析样本库中。第一种,在“关键词”“摘要”和“主题”中分别使用数字金融(Digital financial)、农业经济(Agricultural economy)、农业发展(Agricultural development)、农业经济发展(High quality development of agricultural economy)、乡村振兴(Rural revitalization)等关键术语,在中国知网、万方数据库、Web of Science等网站进行检索,检索发表时间设为“不限”;第二种,对相关参考文献进行回溯检索。通过文献检索截止到2023年8月共检索得到80篇中英文初始文献。再按照如下标准对文献进行整理和筛选:(1)相关文献研究必须是数字金融与农业经济发展的关系;(2)文献应属于实证研究;(3)数据资料完整,需报告样本量与相关系数或其他可转换指标;(4)对纳入的文献研究进行细致比较,检查是否存在分阶段或重复发表的情况。最终得到31篇文献的有效研究样本。

(二)文献编码

对纳入文献的研究方法、样本特征以及效应值所需数据进行编码。效应值所需数据包括各相关变量的回归系数、t值、标准误差等指标。由于涉及调节变量的检验,本研究还对城镇化、政府财政支农、贸易开放度、产业结构4个调节变量进行编码,研究调节变量的影响效果。具体编码原则如下:(1)如果一篇文献中是由多个独立样本组成,则需要以独立样本为单位进行多次编码;(2) 若同一变量来自不同的文献,需反复比对不同文献中相关变量的定义与内涵,确保每篇文献中变量内涵均一致才可合并;(3)若同一研究中同时报告了相关系数与回归系数,则优先选择相关系数作为效应值,部分文献中未报告相关系数,应先提取相应的回归系数,根据相关公式将其转换为相关系数[13]。完成编码工作后,在CMA(Comprehensive Meta Analysis )软件中录入各项研究从而进行荟萃分析。

(三)数据处理

首先,要对提取的相关系数进行费雪转化,使其符合渐进的正态分布。公式如下:

(1)

其中,r为相关系数,Z为转化后的费雪Z值。

其次,对Z值加权平均处理,致使单个效应值在总体效应值中的占比与该样本在总样本中的占比一致。计算公式如下:

(2)

标准误SEE、相应的效应值权重Wi的计算公式如下:

(3)

(4)

(5)

(四)发表偏倚检验

发表偏倚指具有统计学显著性研究意义的研究结果较无显著性意义和无效的结果发表的可能性会更大,以至于可能会夸大研究变量间的关系。由于各种无法避免的因素,发表偏差总是存在的,且不可能被彻底消除。尤其在经济学领域,显著性结果较好的文献更容易发表。因此,在进行荟萃分析时能做的就是在搜集文献时尽可能全面详尽,同时证明纳入的原始研究的发表偏差并不严重,即不会给分析结果造成过大的偏差。

常用的发表偏倚检验方法包括漏斗图对称性检验、Egger’s回归系数检验、Begg秩相关检验、失安全系数检验等。由于漏斗图只是从主观角度初步检查发表偏差,存在一定主观性,因此本文运用Egger’s回归系数检验、Begg秩相关检验以及失安全系数检验3种方法进行发表偏倚检验。

(五)异质性检验

异质性检验是指对每个独立研究样本间存在的差异性进行检验,根据异质性大小,判断选择随机效应模型或固定效应模型;异质性一般采用Q值和I^2值来衡量,Q值的判断标准是:当Q>n-1时(n为研究样本数量),说明异质性显著,应该运用随机效应模型;反之固定效应模型和随机效应模型均可。I^2值的判断标准是:当I^2>60%时,说明异质性较大,应选择随机效应模型。本文的检验结果如表1所示,Q值为4 957.07,且P值较为显著;同时,I^2值为97.5%,明显大于60%。因此应选取随机效应模型。

表1 异质性检验结果

三、研究结果

(一)主效应分析

通过Egger’s回归系数检验、Begg秩相关检验以及失安全系数检验等3种方法进行发表偏倚检验,结果如下:Egger’s Intercept的P值为0.137,与零差异不显著 (P>0.05),表明不存在发表偏倚;Begg秩相关检验中P值分别为0.169,同样表明不存在发表偏倚;失安全系数N为738,意味着需要额外纳入738篇研究文献才能否定本研究中数字金融与农业经济发展之间的关系,进一步说明本研究不存在发表偏倚问题。

荟萃分析的主效应分析结果如表2所示。综合效应量在0.1以下说明相关性较弱,在0.3以上说明相关性较强。本研究的随机效应模型结果表明,综合效应量为0.265,表明数字金融与农业经济发展之间存在正向相关关系。由此可见,综合现有实证文献的证据表明,数字金融有助于促进农业经济发展。

表2 主效应检验结果

(二)调节效应分析

为进一步验证异质性来源,探讨数字金融与农业经济二者间的作用机制与路径,选取城镇化建设、财政支农、产业结构、贸易开放度4个调节变量,依据调节变量分组进行0～1编码,对各个调节变量进行调节效应分析,检验这4种调节因素对于数字金融与农业经济发展相关关系的影响(表3)。

表3 调节效应检验结果

通过对调节变量进行分组,检验各综合效应值的变动。调节变量来源于文献中的控制变量,例如如果某些文献中控制了某些变量,则该变量就取值为 1,否则取值为 0;如果调节变量的效应值显著为负,则表明在包含该控制变量的样本估计中,相对于没有控制该变量的自变量对因变量的作用更弱,从而表明该变量很可能是自变量对因变量影响的一种机制。检验结果如表3所示。以城镇化变量对文献进行分组,两组的效应值分别为0.261和0.370,且组间Q值(3.072)较大,P值表明通过显著性检验,表明城镇化建设在数字金融影响农业经济发展过程中,起到显著的正向调节作用,由此认为一方面城镇化建设为数字金融的快速普及和发展提供了硬件基础,另一方面城镇化建设为城乡融合以及农村农业经济发展注入了强劲动力。对于财政支农,在未包含财政支农变量的文献中,效应值为0.349,而在包含该变量的分组中效应值为0.251,二者存在显著差异(Qb=4.828,P=0.028),在包含财政支农变量的组别中,财政支农的效应值反而下降,说明当前财政支农在数字金融影响农业经济高质量发展过程中可能起到负向调节作用,即政府财政支农规模越大,对农业经济增长的推动作用未必越强。笔者认为可能的原因在于当前财政支农的针对性较弱,无法充分发挥政府财政资金的效应。另外,当前数字金融主要集中于城市间,农村地区数字金融发展水平较低,财政资金支持数字金融下沉农村地区的支持力度可能不够。对产业结构进行分组,两组的效应值分别为0.287与0.234,Q值为2.925,从P值来看同样通过显著性检验,说明产业结构起到了负向调节作用,由于过往文献大多采用第二产业产值或第二产业增加值来衡量产业结构变量,因此可以看出当前我国第一产业与第二产业尚未实现高质量的协调发展,即工业化水平的提升,势必会挤压农业资金,占用农业用地,不利于农业经济的长远发展。关于贸易开放度,在未包含贸易开放度组别中,效应值报告为0.338,在包含贸易开放度组别中,效应值为0.213,组间Q值与P值表明两组存在显著差异,且通过显著性检验(Qb=15.272,P=0.000),说明贸易开放度同样起到了负向的调节作用。

(三)荟萃回归分析

由于不同的研究特征可能造成研究结果的差异(例如变量指标选取的不同可能造成研究结果不同,估计模型的差异可能造成结果偏差等),因此选取被解释变量指标构造情况、样本级别、估计方法、中介变量、样本数量、解释变量个数等特征变量作为解释变量,以各样本中数字金融与农业经济发展的相关系数作为被解释变量,采用荟萃回归方法进行回归分析。此外,为进一步探索异质性来源,以及验证上述调节效应分析结果的稳健性,在解释变量中加入城镇化、财政支农等调节变量,同样进行回归分析。

表4为荟萃回归分析结果。具体结果显示,对于被解释变量即农业经济发展的指标构建而言,未通过显著性水平检验,说明相比于运用GDP以及产业附加值衡量农业经济发展,运用综合系数法构建农业经济发展指标的方法对实证结果并未产生较强影响,说明综合系数法及相关指数法可能并不是衡量农业经济发展水平较好的方法。样本级别层面,在以县域单位为样本的文献中,相比地级市与省级样本,并没有促进数字金融对农业经济高质量发展显著性结果的产生,可能的原因在于当前县域数字金融发展水平不够成熟,相关指标的确立不够科学,不利于显著性实证结果的产生;在模型选择中,空间计量模型与GMM模型均通过显著性水平检验,具有一定显著性,但二者相比,GMM模型更能增加实证结果的显著性。中介变量方面,可以看出与存在中介变量的文献相比,无中介变量的文献结果要更显著一些,说明在研究数字金融影响农业经济发展时,中介变量并不是较好的研究方法,中介变量的作用机制并不明显。样本数量方面,文献中样本量的增多可能对数字金融与农业经济高质量发展的相关性产生微弱的负面影响,但影响较小。解释变量个数并未产生明显调节效应,对结果的影响没有通过显著性水平检验。关于数据年限,样本中所使用数据的起止年份和终止年份均对实证结果产生较强影响,说明数据年份越新,数字金融对农业经济发展的影响越显著,证明了当前数字金融发展指标的不断成熟。调节变量中的城镇化影响系数为正,且通过显著性检验,说明充分发挥城镇化的正向调节效应,有利于农业经济高质量发展。财政支农、产业机构与贸易开放度同样通过显著性水平检验,在数字金融对农业经济高质量发展的影响过程中表现出较强的负向调节效应。因此可以看出,荟萃回归分析结果与调节效应检验结果具有高度一致性,进一步说明了研究结果稳健。

表4 荟萃回归分析结果

四、结论建议与学术启示

(一)研究结论

文章通过搜集大量文献,采用荟萃分析法深入研究数字金融与农业经济发展间的关系。研究表明:(1)数字金融与农业经济发展之间存在正向相关关系,说明数字金融发展会显著促进农业经济发展。(2)城镇化在数字金融对农业经济发展的影响过程中,表现出显著促进作用,说明当前应加强城镇化与数字金融的深度融合,以期共同促进农业经济发展;财政支农规模在一定程度上负向调节数字金融与农业经济发展之间的关系,即财政支农规模越大,数字金融与农业经济发展之间的正向关系越弱;贸易开放度同样负向调节数字金融与农业经济发展间的关系,说明在数字时代背景下,贸易开放度存在较大的改进空间,其尚未与数字金融及农业经济发展形成良好互动机制;产业结构方面,第二产业的发展在一定程度上使数字金融与农业经济发展之间的正向关系变弱,说明当前优化产业结构以及促进第一、二、三产业协调发展的重要性。(3)由荟萃回归分析结果可知,文献研究特征的不同也会造成研究结果显著性水平的差异,这为后续的相关研究提供思路与借鉴,今后研究应注重多重方法的交叉与比较应用,提升研究的精度。

(二)政策建议

1.推动新型城镇化建设。首先,大力推动新型基础设施建设。新基建是推动以数字经济、信息科技以及新能源技术为代表的技术革命浪潮的基础性环节,应提高基础设施建设质量和效率[16];充分发挥其规模效用递增、长尾效应明显等特性,为数字金融的普及和发展创造有利前提。其次,在推进城镇化的建设过程中,要强调统筹兼顾与科学规划,切勿粗放式的盲目扩张,要与郊区以及广大的农村地区进行资源信息共享,实现优势互补,促进农业经济发展。

2.合理调整财政支农规模。政府是推动农业经济发展的重要保障。近年来,各级政府部门对于农业发展的资金投入不断增加,对农业经济的支持效果较为显著[17]。然而当前在数字时代背景下,财政支农规模的盲目扩大,可能不利于农业经济发展。需政府提升财政在支持农业经济发展过程中的针对性,提高财政资金使用效率,提升农村地区公共产品和服务的供给质量。协调地区间和政府部门之间关系,加强各县(市、区)政府部门交流与合作,实现优势互补,协调经济发展。

3.稳步推进农业贸易开放。农业对外贸易的开展对于农业经济发展至关重要,由于当前我国数字金融发展尚不成熟,导致农业贸易未能在数字金融影响农业经济过程中起到积极作用。在数字时代背景下应稳步推进农业贸易开放,加快农产品贸易从低端出口向高端出口转型,优化农产品进口布局,科学调整农产品进口规模和产地,实施多元化布局[18]。推动农业贸易与数字技术紧密结合,利用数字平台提升商品交易效率,扩大交易规模,促进农业经济发展。

4.优化农村产业结构。现阶段农村地区应着力于推动第三产业的发展,大力发展数字经济,充分发挥非农产业和第三产业对农村居民增收的积极作用,提高第三产业在农村产业中的比例,促进数字金融在农村地区下沉,加强农村地区的产业融合,发挥产业发展对农村经济的带动作用[19]。另外通过精准研判地区产业发展优势,因地制宜发展地区特色产业,鼓励区域内各县(市、区)发展特色旅游和服务业,推动农业经济发展。

(三)学术启示

1.在农业经济发展水平指标的衡量方面,综合系数法及相关指数法可能并不是衡量农业经济发展水平较好的方法,建议今后的相关研究在使用农业农村产值衡量农业经济发展水平的基础上,尝试创新其他衡量指标。

2.在样本级别方面,受研究异质性以及相关局限性影响,运用县级层面数据进行分析并不能促进实证结果的显著性,建议今后的研究注重多层面数据的比较分析,进行多个层面数据的稳健性检验。

3.在模型选择方面,空间计量模型与GMM模型的实证结果更具显著性,建议今后的相关研究可以在尝试2种方法的基础上,注重多重方法的交叉与比较应用。

4.在中介变量方面,可以看出模型中无中介变量的文献结果要更显著一些,说明数字金融与农业经济发展间的中介作用机制并不明显,这也为后续研究提供了一定借鉴。

5.在样本数量和解释变量数量方面,文献中样本量的增多对研究结果的影响相对有限,且解释变量数量对研究结果存在明显影响,因此认为在尽可能增加样本数量的同时还应注重样本质量,提升样本的可代表性。

6.在数据使用年限方面,使用数据的起止年份和终止年份均对实证结果产生较强影响,由此文章所使用的数据越新,研究结果则更加具有说服力。