数字普惠金融对县域农业全要素生产率影响的区域差异及破解路径

张水 张永奇

摘   要：党的二十大对加快发展数字经济与建设农业强国予以高度重视。本文基于县域城乡融合的发展趋势，采用2014—2021年县域面板数据实证分析了数字普惠金融对县域农业全要素生产率的影响机理。研究结果显示：第一，数字普惠金融对农业全要素生产率具有显著正向影响，且经过稳健性检验与内生性处理后，研究结论依然成立。但数字普惠金融对农业技术效率却具有负向效果。第二，数字普惠金融对农业全要素生产率的影响具有显著的区域差异性，对东部县域农业全要素生产率的促进效果明显高于西部县域。第三，数字普惠金融对县域农业全要素生产率的影响具有非线性特征。要素流动壁垒造成的供需失衡是引致区域农业全要素生产率增速差异的底层原因。第四，机制分析显示，数字普惠金融可以通過生产要素集约化与数字素养提升两条路径对县域农业全要素生产率产生间接影响。研究结论既为提高中国农业全要素生产率提供了政策启示，也为推动数字经济发展、促进区域协调补充了经验证据。

关键词：数字普惠金融；农业全要素生产率；非线性；数字素养；生产要素集约化；要素流动

中图分类号：F830  文献标识码：A  文章编号：1674-2265（2024）02-0073-10

DOI：10.19647/j.cnki.37-1462/f.2024.02.008

一、引言

党的十九大与党的二十大均对提高全要素生产率（以下简称TFP）高度重视。TFP是反映生产效率、衡量经济发展质量的重要指标（王璐等，2020）[1]，提高TFP不仅可以改变单纯依靠增加要素投入驱动经济增长的传统发展模式，加速经济结构转型，而且是中国高质量发展的必经之路。加大对农业TFP的关注，不仅符合新时期发展现代农业的迫切需要，促进农业增长动力转换，也能通过农业分工的深化和生产潜力的发展创造巨大的农业产出，从而加快步入较为高阶的农业强国发展模式（龚斌磊和张启正，2023）[2]。

对于中国这样的发展中国家和农业大国，农村地区的主体产业仍是农业（王珏等，2010）[3]。农业TFP的技术变革部分更是农业可持续发展的主要驱动力（Sheng等，2020）[4]。已有研究从农机购置补贴政策、土地流转、农业劳动力老龄化、农业技术扩散等不同视角探讨了农业TFP的影响因素（许庆等，2023；盖庆恩等，2023；魏佳朔和高鸣，2023；龚斌磊，2022）[5-8]，为本文提供了重要的理论基础与经验观察。然而，仅有少数研究研讨了数字普惠金融对农业TFP的影响机理。实际上，自2016年以来，在数字经济持续快速增长的同时，数字普惠金融也逐渐成为新常态下中国经济发展的新动能。借助大数据、人工智能、云计算、区块链等数字技术，数字普惠金融可以通过降低金融服务成本与减少信息不对称高度激发农业发展潜力（朱秋博等，2019）[9]。

与本文密切相关的研究有：孙光林等（2023）[10]基于2009—2019年中国30个省份的面板数据，验证了数字经济对农业TFP具有显著正向影响，且可以经由提升城镇化和改善劳动生产率间接促进农业TFP的提高。张永奇等（2023）[11]以小农户为研究样本，发现数字经济虽然对农业TFP具有显著负向作用，但是可以通过提高数字技术应用进行改善。唐建军等（2022）[12]利用2011—2019年中国地级市面板数据，发现数字普惠金融总指数以及各维度均对农业TFP具有显著正向影响，且可以通过生产要素在产业与区域间的流动与技术扩散，进一步提升农业TFP。郑宏运和李谷成（2022）[13]则利用2014—2018年中国县域统计数据，基于异质性视角发现，相比于传统金融，数字普惠金融对农业TFP具有更加明显的促进效果。尽管上述研究已经基于不同数据与维度补充了数字经济对农业TFP的影响证据，也为政府施策提供了一定启示，但仍存在如下不足：第一，在数字经济赋能县域城乡融合的新时期，探讨数字普惠金融与县域农业TFP的关联以及两者间理论机制的相关研究匮乏。第二，没有研究从区域异质性视角深入研判数字普惠金融对县域农业TFP的差异化影响与底层因素。数字普惠金融具有突出的跨区域性特征，破解区域间的要素流动壁垒无疑有利于加快推进全国统一大市场建设。

本文的可能贡献是：第一，利用县域面板数据，实证检验了数字普惠金融对农业TFP的影响机理，且发现了数字普惠金融对农业TFP影响的区域差异，一定程度上丰富了学理研究。第二，静态和动态相结合，深刻剖析了数字普惠金融对农业TFP影响的区域差异，为后续政府打破区域“数字鸿沟”和“数字壁垒”提供了更加可靠的依据。

二、政策逻辑与分析框架

（一）数字普惠金融与农业TFP的政策逻辑

农业数字化是农业现代化的重要方向。数字普惠金融拥有自我迭代、无限收敛以及边际成本无限趋于零等特性，以智能化、数字化、精准化为方向的农业数字化发展，为推动农业现代化进程提供了新契机（江小涓和靳景，2022）[14]。与传统农业相比，数字农业具有交易成本低、协作效率高、专业分工程度高等特点，这不仅提高了农业生产资料的集约化程度，有利于优化资源配置，也能在销售领域促进生产者与消费者的供需匹配，加速农产品流通。在农业生产的不同阶段，数字普惠金融均展现了促进农业TFP提高的积极作用，客观上为丰富数字普惠金融与农业TFP的相关政策打下了坚实基础。

进一步梳理2016—2023年的主要政策文件（见表1），本文认为，数字普惠金融与农业TFP的政策逻辑具有以下特征：第一，从政策出台趋势看，利用数字普惠金融推动农业TFP提升具有明显的边际变化。从初期大力推进现代农业到如今加快建设农业强国，数字普惠金融在农业发展中的重要性逐渐攀升。第二，从政策演进逻辑看，始终以时代需求为主线，显示出工具理性和价值理性博弈竞合的价值取向，展现出政府主导、多元参与的结构设计，以及从依循概括到精确严密的内容安排。第三，从政策实施效果看，数字普惠金融在农业领域的现实应用，主要通过改变作为“物”的生产资料和作为“人”的劳动者以及二者结合方式来实现。这不仅持续赋能农业生产方式变革，也为加快建设农业强国提供了重要手段。数字普惠金融作为县域经济的核心引擎，正在通过推动各类资源要素快捷流动及各类市场主体加速融合，进而赋能农业生产。

（二）数字普惠金融与农业TFP的内在机理

数字普惠金融作为“数字技术+普惠金融”的有机结合体，在数字经济与实体经济的深度融合中，其不仅为县域经济发展提供了新动能，也同样推动了农业生产变革。具体而言，数字普惠金融赋能农业创新可以分为有形创新和无形创新两个部分。一种是以精准农业为代表的有形创新。受益于传感器和算法能力的进步，新型数字化设备可以应用于精准农业，促进生产要素集约化发展。一种是因数字设备的远程互动所带来的农业推广和咨询等服务方面的重大进步。两种数字创新相互交融，协同并进，借助生产组织方式的平台化变革逐步打破传统分工形式，进而通过农业生产重构对农业TFP产生显著影响。除此之外，数字普惠金融还通过以下几个方面对农业TFP产生积极影响。首先，数字普惠金融突破了时空限制，促使信息在更广泛的范围内传播和交换（Spiezia，2011）[15]，这可以让数据资本更好地融入农业生产，提升生产规模，使数字普惠金融发挥出更强的规模效应。其次，在农业数字化转型中，数字普惠金融也将逐渐消除农业与其他产业之间的壁垒，带动“三产”融合。通过数字产业的集聚效应，形成农业TFP增长的集聚区域，实现农业全产业链数字化转型。最后，数字普惠金融的实质是一种创新驱动，能够通过信息和知识流动（田鸽和张勋，2022）[16]、学习和模仿等路径产生空间溢出效应。

不过，根据熊彼特创新理论，数字普惠金融与农业TFP之间的关系也可能并不为正。数字普惠金融发展存在滞后效应与错配效应，从而影响TFP提升（Acemoglu和Restrepo，2018）[17]。首先，数字普惠金融改善生产效率存在一定的前提条件，比如实体经济的发展基础、数字化通用技术发展程度等。数字经济发展初期，其对生产率的提升作用可能较为有限（王开科等，2020）[18]。企业投资规模小、数据资源整合缓慢、农户土地流转意愿低和农产品附加值难等因素仍在制约数字农业的可持续性。其次，在实践中，数据要素对技术进步的影响不仅受数字基础设施的影响，还在很大程度上受当地农村居民消化吸收和运用能力的约束（朱秋博等，2019）[9]。从新要素的需求端看，农民接受新技术时将更加关注新技术的有利性。农民在接受和分析信息时也会着重考虑成本和收益，接受速度会被受教育程度所约束（舒尔茨，1987）[19]。在非洲地区，大多数数字农业企业仍然依赖捐助者的资金，因为农民为相关服务支付的意愿和金额都相对较低（Baumüller，2018）[20]。显然，数字农业的接纳是由各种内外部因素相互驱动的。数字化平台虽然可以降低农村市场的交易成本，提高交易效率，但同时，市场集中度的提高也可能导致投入品价格上涨，从而使得规模较小的农户处境更加艰难。最后，农业技术扩散效率也是影响生产率的重要方式。技术扩散是贫穷国家得以发展的主要渠道，那么在贫穷或增长缓慢的经济体中，技术采用不完全或与技术有关的投入没有得到充分利用也应该是常见现象（Foster和Rosenzweig，2010）[21]。

由此推斷，数字普惠金融对农业TFP的影响可以分为不同的发展阶段，具有不同的经济效应。数字普惠金融赋能农业现代化受农村基础设施、居民金融素养等多方面的影响。首先，数字普惠金融发展初期，农村地区金融基础设施不完备且信息服务质量较低，4G网络与光纤尚未在农村地区实现全覆盖。随着“宽带中国试点”“电信网络普遍服务试点”“电子商务进农村”等政策的实施，农村地区获得了更多的资金与设备支持，金融基础设施得到了改善。其次，数字普惠金融赋能农业现代化是由表及里、层层递进的关系，初期数字普惠金融仅能起到缓解资金约束与减贫增收的作用，当数字普惠金融发展到一定阶段，才能深入影响金融资源配置，提升农业TFP。最后，农户信息获取、金融素养提升是一个不断学习积累的过程，随着数字普惠金融的不断发展，农户的接入鸿沟与使用鸿沟逐渐缩小，最终惠及农业生产领域。

综上，本文提出研究假设1：

假设1：数字普惠金融对农业TFP可能具有非线性影响。

由于各地资源禀赋及推进模式存在差异，数字基础设施和数字普惠金融的生产率增长效应呈现区域异质性，能够通过扩大区域间的生产率鸿沟，影响区域协调发展。首先，就供给层面而言，地区间数字普惠金融服务机构数量、覆盖广度、金融产品种类不同，西部地区的金融服务水平较中东部地区仍有不足，西部农村地区的金融排斥也更加严重。其次，就需求层面而言，农户数字普惠金融接受度、使用度参差不齐，地区间、城乡间存在广泛的金融素养鸿沟。最后，区域农业发展定位、农业发展水平、地质地貌等外在条件均会影响赋能效果，数字普惠金融对主导产业为农业、地处平原、农业发展落后的地区具有更强的促进效果（孙学涛等，2022）[22]。由此，推断数字普惠金融对农业TFP的影响存在区域异质性。据此，本文提出假设2：

假设2：数字普惠金融对农业TFP的影响存在区域异质性。

数据要素已经成为驱动农业经济增长的全新生产要素。具体而言，第一，从融资视角看，数字普惠金融可以改善传统金融活动在时间和空间上对金融网点的束缚和营业时间的限制，帮助金融供需双方基于数字信息技术实现精准匹配，减少金融机构与农户之间的资源配置失灵问题，引发农业生产中资本—劳动替代效应，推进农业机械化发展，使生产要素朝向集约化、高效化发展。第二，就配置效率而言，数字普惠金融能够整合土地流转市场，通过增强土地流转市场信息可得性推动土地的转入与转出，改变农业资源配置并提高土地资源配置效率，从而形成更为高效的业务流程与产业协作和价值创造方式。生产要素利用效益提升能够显著促进农业TFP增长（郑宏运等，2019）[23]。第三，从要素流动看，知识、技术、人才等生产要素的时空交换在数字经济时代加速推进，同时，要素流动的时空支配性造就了新的时空区位优势。空间集聚和扩散以全新的形式呈现，依托地缘区位或等级体系的扩散减少，跳跃性扩散增加，进而可以为本地区农业生产领域集聚大量的技术人才、研发资金与前沿技术知识，丰富当地农户决策的技术手段，提高农户生产的核心竞争力，让其能够更好地利用数字经济实现技术创新和优化生产要素配置。

此外，与数字技术被看成数字普惠金融的硬支撑相比，数字素养是数字经济健康发展的软基础。数字素养是人们在生活、学习、工作中应具备的数字获取、制作、使用、交互、分享等一系列素质与能力的集合。数字素养的高低会对居民开展数字经济活动产生不同的作用。具体到农业领域，数字素养包括数字生产、数字生态、数字管理等，农业从业者数字素养的提升会促使其尝试、认可及投入数字农业生产活动，并在供应链、销售网络等领域引进、实行数字化。数字普惠金融能够增强农业从业者的数字素养与数字能力，促使农村TFP实现重大突破。而数字素养可以通过成本效应与激励效应在不同阶段发挥差异化经济影响。第一，数字普惠金融发展初期，数字素养可以提高农户信息获取精准性，有效改善农村居民的信息不对称，通过现有资源的新一轮整合，借助成本效应增强土地与劳动力等农业生产要素的配置效率，完善市场运行机制。增效的主要途径在于自然资本的增加和文化资本的改善。第二，数字普惠金融发展后期，提升数字素养将有利于强化激励效应。通过“二八格局”的实际配置（黄季焜等，2022）[24]，促进规模经营与特色农业，提高农业规模经营效率与现代生产技术的转化。整体上看，依靠数字农业发展的“推力”和“拉力”双重创新维度的结合，即数据要素的整合与提炼，可以提高农业经营主体对复杂问题的解决能力，进而初步解释了数字普惠金融对农业TFP的积极影响。据此，本文提出假设3。

假设3：数字普惠金融可以通过生产要素集约化与数字素养提升两条路径对县域农业TFP产生间接影响。

三、研究设计

（一）数据来源

本文的主要数据来源是《中国县域统计年鉴（县市卷）》和省市级统计年鉴等官方统计资料。数字普惠金融指数则来自北京大学数字金融研究中心，该指数基于数字普惠金融的覆盖广度、使用深度和数字化程度等方面展开测度，在学术研究中已经拥有较强的影响力（张勋等，2023；王平和王凯，2022）[25，26]。由于县域层面数字普惠金融指数可用的完整数据的最早年份为2014年，故本文在研讨数字普惠金融与农业TFP的关系时，利用2014—2021年19152份县域面板数据展开后续分析。对于极少数变量的缺失值，通过插值法予以填补。

（二）变量设置

1. 被解释变量：农业TFP。就农业TFP的测度而言，增长核算（Growth Accounting）是全世界运用最多的TFP测度方法，但需要全部投入与产出品的货币价值，因此，对数据和技术的要求较高。国内研究使用宏观数据展开分析时，多数学者选用随机前沿分析法（SFA）和数据包络分析法（DEA）进行测度。选择此类方法的原因在于能够处理多产出和多投入情况，农业TFP的主要驱动因素也能进一步分解为农业技术进步（TECH）和农业技术效率（EFF）两部分（全炯振，2009）[27]。

本文借鉴李谷成等（2013）[28]的方法，采用数据包络分析法中的全局Malmquist指数测度农业TFP。采用该方法的原因是：第一，该方法能够在构建各期前沿面时包含所有时期的参考集；第二，当添加投入和产出变量时，它不使用固定加权，不需要对计算中涉及的变量使用标准化的计量单位。在投入产出变量选取方面，借鉴郑宏运和李谷成（2022）[13]的做法，并基于县域数据可得性，选取劳动、土地、机械三种投入变量。其中，劳动力投入以农林牧渔业从业人员表示，土地投入以农作物总播种面积表示，机械投入以农业机械总动力表示。产出变量以农业增加值来衡量。基于全局参比方式，构建非导向的SBM模型-Malmquist指数，并进一步将指数转化成以2014年为基期的累乘形式作为被解释变量。同时将测算的农业TFP分解为农业技术进步和农业技术效率两部分用于后续研究。

2. 核心解释变量：数字普惠金融。结合数据可得性与适配性，本文借鉴张勋等（2023）[25]的做法，使用北京大学数字普惠金融指数表征数字普惠金融。

3. 控制变量。本文主要借鉴郑宏运和李谷成（2022）[13]的做法，从县域公共卫生设施状况以及土地资源禀赋等多个维度出发，选取控制变量纳入回归模型，以期尽可能地减弱数字普惠金融对农业TFP的回归偏误。为排除异方差影响，本文对部分连续变量取对数。具体描述性统计见表2。

（三）变量的描述性统计分析

为更加直观地展现数字普惠金融与农业TFP之间的关系，本文利用线性预测拟合图分别初步分析了数字普惠金融与农业TFP、农业技术进步、农业技术效率的关联。图1—图3的分析结果显示：第一，数字普惠金融与农业TFP有着显著的正相关性。第二，分维度来看，数字普惠金融与农业技术进步具有更加显著的正相关性，与农业技术效率间的关联不强且似乎具有负相关性。王芳和曾令秋（2021）[29]认为，我国农业TFP增长主要由技术进步所推动，但技术效率的降低在某种程度上削减了技术进步的促进作用。虽然相关性并不能够佐证因果关系，但相关性分析表明数字普惠金融與农业TFP之间确实具有较强的关联。鉴于数字农业发展具备较强的区域异质特征，故本文将进一步针对数字普惠金融与农业TFP之间的区域差异展开联合统计描述。

县域之间的发展不平衡现象可能并存于不同区域与同一区域。根据表3结果，第一，整体而言，无论是数字普惠金融还是农业TFP均呈现上升趋势，但农业TFP的平均增长率低于数字普惠金融的平均增长率。第二，分区域而言，东部地区数字普惠金融平均指数最高，西部地区数字普惠金融平均指数最低。对比两者的农业TFP平均值，发现东部地区农业TFP平均值是西部地区的1.423倍。第三，将整体和区域结果进行对比，发现东部地区数字普惠金融的平均增长率低于整体水平，但东部地区农业TFP的平均增长率却高于整体水平。这与中部和西部的情况相反。

（四）模型构建

为探究数字普惠金融与农业TFP的关系，本研究构建模型如下：

[Yit=α+βDigitalit+XControlit+μi+δt+εit]  （1）

其中，[i]代表县域，[t]代表时间，[Yit]表示第[t]年县域[i]的农业TFP，[Digitalit]表示数字普惠金融发展水平，[Controlit]为一系列控制变量，[β]表示数字普惠金融发展对农业TFP产生的边际贡献，[μi]表示个体固定效应，[δt]代表时间固定效应，[εit]是随机扰动项。

四、实证分析

（一）基准回归

表4模型1是采用固定效应模型得到的回归结果。模型1显示，数字普惠金融对农业TFP具有显著正向影响。此结果初步证实了县域数字普惠金融对农业TFP的正向作用，验证了此前的研究假说。数字经济与实体经济的深度融合中，数字普惠金融降低了信息搜寻成本，通过数字推广帮助农业生产者改善信息获取效率、获取要素配置的规模优势，为后续农业发展中转变生产方式、提高农业TFP提供了可靠路径。

为增强基准结论的可信度，本文进一步考虑了内生性与稳健性问题。农业TFP更高的地区，其地理禀赋等先天优势可能更加明显，由此使得数字普惠金融发展水平相对较高。为缓解反向因果所造成的内生性偏误，本文选取了“同一地级市其他县域的平均数字普惠金融指数”充当工具变量。此外，通过更换核心解释变量的方法进行稳健性检验。国务院2013年发布了“宽带中国”战略，旨在通过宽带基础设施建设，全面推进全光纤网络和4G网络建设，为数字普惠金融发展提供良好的网络基础，因此，本文以“宽带中国”政策作为数字普惠金融的代理变量。根据模型2与模型3结果，数字普惠金融对农业TFP的促进效果依然明显，且统计系数显著高于模型1，意味着未考虑稳健性与内生性问题将低估数字普惠金融对县域农业TFP的促进效果。

（二）分维度回归

为进一步考察数字普惠金融与农业TFP之间的关联，本文的后续分析思路如下：第一，将农业TFP分解为农业技术进步与农业技术效率两部分，分别探讨数字普惠金融对二者的影响程度，结果见表5模型1和模型2。第二，将数字普惠金融划分为覆盖广度、使用深度和数字化程度三个维度，进一步考察数字普惠金融的二级指标对农业TFP的影响，结果见表5模型3—模型5。

表5结果显示：第一，数字普惠金融对农业技术进步具有显著的促进作用，但对农业技术效率却具有抑制作用。一方面，数字普惠金融的介入提升了数据要素与其他农业生产要素的融合程度，使得农业生产者更新数字化设备、农村企业多方合作学习先进农业生产技术的可能性大幅提升。另一方面，数字普惠金融对农业技术效率具有负向效果的原因在于，尽管土地配置朝规模户集中，但从农户结构看，小农户仍然是农业生产的主流。“高龄化”“女性化”的小农户在农业生产决策中会受劳动力素质下降、科学技术运用不足、土地碎片化等现实问题的约束，从而限制了农业技术效率的提升，这也是国家为何大力强调健全农业专业化社会化服务体系，实现小农户和现代农业有机衔接的政策要求的重要原因之一。第二，覆盖广度对农业TFP的经济效果并不显著，使用深度、数字化程度对农业TFP具有显著正向影响。覆盖广度的提升仅代表地区数字渗透与普及率的提升，不能表征当地农村居民投资农业生产的意愿与能力的同步提升。只有进一步提升数字使用水平与农业生产的黏度，才能通过示范效应或同伴效应加快促进农业生产领域的数字化转型，提高农业TFP。

（三）数字普惠金融对县域农业TFP影响的区域静态分析

本文将2394个县域划分为东、中、西部三个组别进行异质性分析。表6模型1—模型3分别报告了数字普惠金融对东、中、西部农业TFP的异质性影响。结果显示，数字普惠金融对所有区域的农业TFP均具有促进作用，且都在1%的水平上显著。对比回归系数，发现东部地区>中部地区>西部地区，说明数字普惠金融对东部县域农业TFP具有更强的促进效果。

为进一步探究数字普惠金融对农业TFP影响的区域差异的缘由，将农业TFP分解为农业技术进步与农业技术效率两部分，模型4—模型9分别表示东、中、西部地区的分维度回归结果。根据表6结果，数字普惠金融对所有区域的技术进步均呈现出促进作用，对中部地区的促进作用最强，东部地区次之，最后是西部地区。在东部地区，数字普惠金融对技术效率的影响并不显著，但在中部和西部县域，数字普惠金融对技术效率呈现出显著的阻碍效应。中部和东部县域经济发展水平较高，对先进的科技知识与设备接受度更高，更加重视创新与长期发展，这也导致数字普惠金融对东中部县域农业TFP的促进作用更加明显。

（四）数字普惠金融对县域农业TFP影响的区域动态分析

数字经济环境中，数据与科技等元素能够为均衡增长创造一个普惠且共享的发展机制。数字平台能够突破地理与时间的限制，扩大地方经济行为的链接范围与深度，并能够充分发挥溢出效应，推动区域间经济协调发展。在不同的发展阶段，数字普惠金融的推动作用将呈现出显著差异，本文将数字普惠金融作为门槛变量，进一步分析了数字普惠金融与农业TFP之间是否具有非线性关系。通过反复抽样300次的“自举法”（bootstrap），得出门槛效应检验结果。结果显示，第三门槛值未通过5%的显著性检验，结果为双重门槛。进一步对双重门槛的门槛值水平进行估计，其结果如表8和图4所示。根据整体结果，两个门槛的估计值分别为74.5329、113.8981。

表9匯报了门槛估计模型的最终结果，当数字普惠金融发展水平小于74.5329时，估计系数为-0.0053，通过了1%的显著性检验，但系数为负值，这说明在此阶段数字普惠金融对农业TFP具有阻碍作用。这可能是因为，数字普惠金融发展初期需要硬件基础设施作为基础，挤占了原本发展农业TFP的资源，从而限制了县域农业TFP的提升。当数字普惠金融发展水平在区间[74.5329，113.8981）时，估计系数从负转正，尽管经济意义并不明显，但已经表明数字普惠金融赋能农业生产将产生积极效果。当数字普惠金融发展水平大于113.8981时，回归系数在1%的置信区间上正向显著。随着数字普惠金融的渗透与普及，数字红利开始扩散，并辐射到农业生产方面，推动农业生产数字化转型，进而提升了农业TFP。通过门槛估计模型进行检验，不仅发现了农业TFP对数字普惠金融的非线性效应，也进一步补充了县域数字普惠金融造成农业TFP区域差异的重要原因。

在数字普惠金融发展的不同阶段，其对不同区域农业TFP的赋能效果具有显著差异。只有当数字普惠金融突破第二重门槛时，数字普惠金融的促进效应才能得到充分发挥。结合描述性统计结果，发现东、中、西部地区的数字普惠金融平均值分别于2015年、2016年、2016年跨过第一重门槛，且东部和中部地区均早于西部地区跨过第二重门槛，因此，数字普惠金融可以更加充分地赋能东部和中部地区农业TFP，并在回归系数上拉开差距。数字普惠金融水平越高的地区农业TFP增速越快，这基于动态视角再度验证了数字普惠金融对区域农业TFP的异质性影响。

（五）数字普惠金融对县域农业TFP的影响机理

前述研究已经较为完整地验证了数字普惠金融对农业TFP的经济效果，但并未提供明确的影响路径。由此，结合理论分析，本文将从要素配置和数字渗透两个层面入手，进一步考察数字普惠金融对农业TFP的影响机理。其中，从农业生产层面来看，数字普惠金融对农业TFP产生促进效果的可能原因在于数字普惠金融提升了农业生产要素集约化水平，从而通过机械化等生产经营方式改善了资源配置效率。从个体层面来看，提升数字素养与数字能力有利于促进规模化与精细化种植，达到提升农业TFP的目标。鉴于数据可得性与社会经济发展趋势，本文利用“农业机械总动力与农作物总播种面积之比”充当生产要素集约化指标，采用“移动电话用户数量与地区年末总人口数量之比”表征农村居民的数字素养。

表10模型1与模型2显示，数字普惠金融显著提高了生产要素集约化水平，这可能意味着数字普惠金融使得要素分配更加合理化，进而可以有效改善农业TFP。模型5—模型10将地区划分为东、中、西部三个组别，发现生产要素集约化对农业TFP的促进效果在中部地区效果最好，东部次之，但在西部地区，生产要素集约化对农业TFP起到阻碍作用。西部地区资源禀赋与东、中部地区差异较大，现阶段西部地区要素融合处于起步阶段，在一定时期内会抑制农业TFP增长。模型3与模型4表明，数字普惠金融显著提升了数字素养，但从整体看，数字素养对农业TFP的推动效果并不显著。进一步划分为东、中、西部地区（模型11—模型16），发现在东部地区，数字素养可以显著提高农业TFP，但在中西部地区，居民数字素养的推动作用并不明显。这恰好说明数字素养鸿沟可能是导致区域农业TFP增长异质性的重要因素。

表10显示，生产要素集约化与居民数字素养两条推动路径成立，并体现出较强的区域差异性。上述研究结论具有较强的现实意义。未来要想依靠数字普惠金融促进农业TFP，相关部门应该在促进生产要素集约化的同时，着重考虑如何提升农村居民的数字素养，更好地通过供需匹配打通数字农业产业链，确保农业TFP的持续增长与农业高质量发展。

五、研究结论与政策建议

（一）研究结论

本文基于数字经济赋能县域城乡融合发展的新阶段，着重考察了数字普惠金融对县域农业TFP的影响，并通过理论分析与实证检验考察了数字普惠金融对县域农业TFP的作用及赋能效果中的区域差异。研究发现，数字普惠金融对县域农业TFP具有显著正向影响，且考虑内生性与稳健性问题后，该项研究结论依然成立。异质性分析发现，数字普惠金融对东部县域农业TFP具有更加显著的积极影响，对西部县域农业TFP的影响亟待增强。数字普惠金融可以分为不同的发展阶段，东部县域凭借较强的集聚效应，跨越了数字普惠金融的双重门槛，使得数字普惠金融对农业TFP具有更加显著的正向作用。进一步研究发现，数字普惠金融赋能农业TFP的影响路径为生产要素集约化与数字素养提升。

（二）政策启示

上述研究结论具有一定的政策启示：首先，在新发展阶段，需要进一步提升数字普惠金融对农业TFP的积极效果。国家要坚持推动数字普惠金融发展，优化金融资源配置，帮助农业企业对传统产业进行全方位、全链条改造，加快形成和发展新质生产力，进而改善要素匹配效率较低的现实困境，实现科技创新推动产业创新的重要目标。其次，应在要素联动中考虑如何促进区域协调发展。东部地区是数字普惠金融发展的高地，应讓数字普惠金融所产生的集聚效应尽快转化为溢出效应，建议加强对西部地区的政策支持和经验输入，通过增加西部地区现代产业园及完善基本公共服务等方式吸引要素回流。最后，尽管县域将成为数字普惠金融高质量发展的巨大潜力所在，但缩小县域间的资源禀赋差异是一项系统性任务。因此，一方面，各级政府需要加快偏远与落后县域的互联网建设步伐，引导居民“用得上”“用得好”数字技术，着重提升农户数字素养；另一方面，要结合县域要素可得与可用情况，优化农业生产结构，提升小农户积极性，推动提升农业TFP。

参考文献：

[1]王璐，杨汝岱，吴比.中国农户农业生产全要素生产率研究 [J].管理世界，2020，36（12）.

[2]龚斌磊，张启正.以提升农业全要素生产率助力农业强国建设的路径 [J].经济纵横，2023，（09）.

[3]王珏，宋文飞，韩先锋.中国地区农业全要素生产率及其影响因素的空间计量分析——基于1992～2007年省域空间面板数据 [J].中国农村经济，2010，（08）.

[4]Sheng Y，Tian X，Qiao W，Peng C. 2020. Measuring Agricultural Total Factor Productivity in China：Pattern and Drivers Over the Period of 1978-2016 [J].Australian Journal of Agricultural and Resource Economics，64（01）.

[5]许庆，贾杰斐，周天舒.农机购置补贴如何影响农业全要素生产率？ [J].财经研究，2023，49（06）.

[6]盖庆恩，李承政，张无坷，史清华.从小农户经营到规模经营：土地流转与农业生产效率 [J].经济研究，2023，58（05）.

[7]魏佳朔，高鸣.农业劳动力老龄化如何影响小麦全要素生产率增长 [J].中国农村经济，2023，（02）.

[8]龔斌磊.中国农业技术扩散与生产率区域差距 [J].经济研究，2022，57（11）.

[9]朱秋博，白军飞，彭超，朱晨.信息化提升了农业生产率吗？ [J].中国农村经济，2019，（04）.

[10]孙光林，李婷，莫媛.数字经济对中国农业全要素生产率的影响 [J].经济与管理评论，2023，39（01）.

[11]张永奇，庄天慧，杨浩.数字经济下农业生产率悖论与破解之道研究——基于CLDS小农户数据的经验考察 [J].西南民族大学学报（人文社会科学版），2023，44（07）.

[12]唐建军，龚教伟，宋清华.数字普惠金融与农业全要素生产率——基于要素流动与技术扩散的视角 [J].中国农村经济，2022，（07）.

[13]郑宏运，李谷成.数字普惠金融发展对县域农业全要素生产率增长的影响：基于异质性视角 [J].当代经济管理，2022，44（07）.

[14]江小涓，靳景.数字技术提升经济效率：服务分工、产业协同和数实孪生 [J].管理世界，2022，38（12）.

[15]Spiezia V. 2011. Are ICT Users More Innovative？： an Analysis of ICT-enabled Innovation in Oecd Firms [J]. OECD Journal：Economic Studies，（1）.

[16]田鸽，张勋.数字经济、非农就业与社会分工 [J] .管理世界，2022，38（05）.

[17]Acemoglu D，Restrepo P. 2018. Artificial Intelligence，Automation，and Work [M].The Economics of Artificial Intelligence： An Agenda. University of Chicago Press.

[18]王开科，吴国兵，章贵军.数字经济发展改善了生产效率吗 [J].经济学家，2020，（10）.

[19]舒尔茨.改造传统农业 [M].北京：商务印书馆，1987.

[20]Baumüller H. 2018.The Little We Know： an Exploratory Literature Review on the Utility of Mobile Phone‐enabled Services for Smallholder Farmers [J].Journal of International Development，30（1）.

[21]Foster A D，Rosenzweig M R. 2010. Microeconomics of Technology Adoption [J].Annual Review Of Resource Economics，2（1）.

[22]孙学涛，于婷，于法稳.数字普惠金融对农业机械化的影响——来自中国1869个县域的证据 [J].中国农村经济，2022，（02）.

[23]郑宏运，李谷成，周晓时.要素错配与中国农业产出损失 [J].南京农业大学学报（社会科学版），2019，19（05）.

[24]黄季焜，解伟，盛誉，王晓兵，王金霞，刘承芳，侯玲玲.全球农业发展趋势及2050年中国农业发展展望 [J].中国工程科学，2022，24（01）.

[25]张勋，杨紫，谭莹.数字经济、家庭分工与性别平等 [J].经济学（季刊），2023，23（01）.

[26]王平，王凯.数字普惠金融对共同富裕的影响研究 [J].金融与经济，2022，（07）.

[27]全炯振. 中国农业全要素生产率增长的实证分析：1978—2007年——基于随机前沿分析（SFA）方法 [J].中国农村经济，2009，（09）.

[28]李谷成，范丽霞，成刚，冯中朝.农业全要素生产率增长：基于一种新的窗式DEA生产率指数的再估计 [J].农业技术经济，2013，（05）.

[29]王芳，曾令秋.农业全要素生产率与农业优先发展 [J].财经科学，2021，（02） .