数字普惠金融对农业绿色全要素生产率的影响机制及空间溢出效应
2024-11-07安红霞
摘要：农业的可持续发展离不开绿色全要素生产率的提升，这对于应对农业发展中遇到的资源与环境挑战，构建农业强国至关重要。运用2011—2020年间中国30个省份（西藏、港澳台地区除外）的面板数据，通过定量分析方法，深入剖析了数字普惠金融对农业绿色全要素生产率及其空间外溢效应的影响路径。研究结果显示，数字普惠金融对农业绿色全要素生产率产生积极影响，尤其在技术进步层面表现突出，不过在提升技术效率方面的影响并不显著；进一步分析发现，数字普惠金融的影响在地域和空间上存在差异，其中金融使用深度对于推动农业绿色多要素生产率的贡献最大，超过金融覆盖范围和普惠金融的数字化水平；同时，数字普惠金融不仅对本地农业绿色全要素生产率有提振效果，还对邻近区域产生明显的正面溢出效应。为充分发挥数字普惠金融的作用，政府需要出台相关政策，加强农村数字基础设施建设、提高农业科技创新能力，并促进数字普惠金融的区域协调发展。
关键词：数字普惠金融；农业绿色全要素生产率；空间差异；农业技术创新；空间溢出效应
中图分类号：F323.9 文献标志码：A
文章编号：1002-1302（2024）18-0288-09
收稿日期：2024-05-14
基金项目：河南省高校人文社会科学研究一般项目（编号：2024-ZZJH-176）。
作者简介：安红霞（1975—），女，河南许昌人，硕士，讲师，主要从事乡村振兴、三农经济研究。E-mail：2217911792@qq.com。
中国共产党第二十次全国代表大会报告中提出了中国式现代化强国的发展战略，强调实现人与自然和谐共生的现代化，并要求加快推进农业强国的建设。为实现农业强国，必须充分认识到当前农业发展所处的历史阶段，推动农业向质的有效提升和量的合理增长方向转变，并将农业经济发展控制在资源环境能够承受的限度范围之内。尽管中国农业发展取得了巨大成就，但仍然面临“大而不强、多而不优”、环境污染、产出效率较低等问题。为推进农业绿色发展，必须解决气候变化应对、生态环境保护、资源节约集约、产业结构优化和生产方式转型等诸多问题。应从农业强国建设的视角出发，节约集约利用资源，并着力提升农业全要素生产率。农业经济发展方式的转变在很大程度上依赖于全要素生产率对产出增长的贡献，旨在充分发挥“第三类要素”的作用。全面推进农业绿色低碳发展，以此夯实乡村全面振兴战略的实施和“美丽中国”建设目标的基础。
在中央全面深化改革委员会的第二十四次会议上，特别指出应稳步推动数字普惠金融的进程。自2012年至2022年，中国各省份的数字普惠金融平均指标增长显著，从40.00跃升至341.22，增长态势明显。这一快速发展为农业的可持续路径注入了新的活力，跨越地域限制，使得金融服务得以广泛普及，有效缓解了农业经济增长中遇到的金融服务短缺难题。通过定制针对不同新型农业经营实体的特色化、个性化数字金融解决方案，同时促进金融科技人才的汇聚，为农业的高品质发展提供了强有力的人力资源支持；因此，如何充分发挥数字普惠金融的作用来推动农业绿色转型和提升农业绿色全要素生产率，是当前亟须解决的关键问题。
减少农业碳排放是实现农业绿色转型和高质量发展的重要途径，为了控制农业碳排放必须提升农业绿色全要素生产率。因此，农业的绿色全要素生产率的准确评估已在全球学术界的研究中占据重要地位。目前，常用的技术手段涉及数据包络分析（DEA）和随机前沿分析（SFA）［1］，DEA因其在处理复杂多输入多输出场景时表现出的适应性和效率，且不需要预先设定函数模型或特定条件，故被广泛采纳。葛鹏飞等利用SBM-DDF框架和Luenberger指标，对中国31个省份的农业环保型全要素生产率进行了深入分析［2］；刘亦文等采用非期望MinDS超效率-MetaFrontier-Malmquist模型对中国八大综合经济区的农业绿色全要素生产率进行了评估［3］；沈洋等从碳汇和碳排放2个角度出发，采用SBM-GML模型测算了中国2000—2019年农业绿色全要素生产率［4］。也有部分学者进一步探究新型城镇化、环境规制、农产品贸易、农业产业聚集等因素对农业绿色全要素生产率的影响［5-8］。此外，金融发展对农业绿色全要素生产率的影响已成为一个备受关注的研究领域，并且已经取得了大量研究成果。研究显示，增大农村金融业的规模和改进其结构对农业的全面绿色生产效率有着正面效果［9］。李晓龙等进一步提出，农村金融的发展能促进资源注入，助力绿色农业和农业科技革新，从而提高农业的全面绿色生产效率［10］。周法法等则强调农业保险的发展对提升这一效率具有显著作用。随着大数据、人工智能和区块链等技术在金融行业的运用，数字普惠金融作为一种新兴金融模式崭露头角。部分学者已涉足数字普惠金融与农业全面绿色生产效率的相关性研究［11］。张翱祥等利用空间杜宾模型证明，数字普惠金融通过提升技术效率和技术进步，有助于增强农业的全面绿色生产效率［12］。而曾钦友等从农业产业集聚的角度，运用面板门槛模型探讨了数字金融对农业全面绿色生产效率的影响，结果显示，数字金融总体指数及其各分项指数对农业绿色全要素生产率的影响呈现出不同的变化趋势［13］。
因此，针对数字普惠金融如何深度影响农业的可持续生产效率，尤其是其绿色全要素生产率的互动关系，仍有大量未解之谜等待挖掘。鉴于此，本研究依托于2011—2020年期间我国30个省份（西藏、港澳台地区除外）的数据，目标在于揭示数字普惠金融对农业绿色全要素生产率及其空间效应的具体作用机制，以期更好地夯实数字普惠金融在推动数字农业发展、促进乡村全面振兴和实现共同富裕中的作用。本研究的贡献在于从多角度系统分析数字普惠金融对中国农业绿色全要素生产率的影响，关注了各省份之间考虑空间因素存在的空间关联性和溢出效应，拓展了现有的研究。
1 理论分析与研究假设
1.1 数字普惠金融对农业绿色全要生产率的直接影响
随着数字技术的发展，数字普惠金融能够充分发挥自身优势，提高农业资源要素的利用效率，减少农业污染，切实缓解数字农业发展中融资难的问题，促进提高农业绿色全要素生产率。首先，数字普惠金融有助于农业投入要素的绿色化。数字普惠金融通过推广绿色生产方式和绿色农产品销售渠道，鼓励企业和农户更加重视环保意识，采购和使用更加环保的投入品，例如有机农药、生物肥料等，提高农业生产的绿色程度。其次，数字普惠金融利用大数据技术能及时获取农业绿色生产的相关信息，例如农作物种植技术、土壤质量、环保设备等方面的信息。金融机构获取这些信息后，能够有效为农业绿色生产企业提供绿色信贷服务所面临的金融风险，降低融资成本，缓解融资困难，帮助企业坚持绿色发展理念，从而提高农业绿色全要素生产率［12］。最后，数字普惠金融还通过提升农业生产效率，进一步推动农业绿色生产。数字普惠金融以其强大的技术、人才、资源优势，为农民提供绿色化农业设施、大型机械和科技农具，帮助农民提高生产效率。同时，数字普惠金融能够加强农业废弃物资源化利用，推广农业有机废弃物堆肥技术，减少农业废弃物对水土和空气的污染，降低农业碳排放，提升农业绿色全要素生产率。据此，提出假设1：数字普惠金融有助于增强农业绿色全要素生产率。
1.2 数字普惠金融对农业绿色全要生产率的间接影响
技术创新是现代经济增长的核心驱动力和关键源泉。在农业领域，技术创新能够克服资源稀缺和落后传统技术的问题，提高农业资源利用效率并促进环境改善。数字普惠金融作为一种创新金融模式，它通过促进农业科技革新，为增强农业的绿色全要素生产率创造了可能性［11］。首先，在农业领域中能够提供充足的资金支持，有助于推广新型农业技术和理念。这不仅能够提高农业资源的利用效率，减少浪费和污染，还可以促进农产品品质的提升、降低生产成本，并增加市场竞争力。此外，在数字普惠金融支持下开展的科学合理化耕作、精准施肥等措施也能够有效降低土地、水资源的利用量及化肥、农药等投入量，实现可持续发展。此外，数字普惠金融还能够提升农户采纳新技术的可能性［12］。随着数字普惠金融的发展，农户获得保险产品和贷款的机会增加，有助于降低他们的风险和成本压力，从而促进农户采用新型农业生产技术。同时，在数字基础设施完善下，信息流通更加便捷、透明度更高、交易更安全可靠，也拓宽了农民获取信息渠道与交流途径。这些因素共同作用下，则能够有效推广先进技术应用并实现规模化应用。总之，技术创新加速了先进技术的更替，减少了农业资源的消耗，而数字技术则打破了农业生产要素之间的技术壁障，优化了资源配置，提高了经济运行效率。据此，提出假设2：数字普惠金融能够激发农业技术的创新，进而对农业绿色全要素生产率的提升产生积极作用。
1.3 数字普惠金融对农业绿色全要生产率影响的空间溢出效应
数字普惠金融作为一种新兴的金融服务模式［14］，能够利用数字技术手段打破时空限制，缩小地理距离，从而加强了各要素在地区间的流动与融合，提高地区经济活力的联系与协同作用。数字普惠金融还可以通过引导资本流动实现区域之间资源优化配置，加强区域之间的合作。由于数字金融的特性，对农业绿色全要素生产率可能产生空间溢出效应，不仅能够提升本地区的农业经济发展和农业生产力，也有可能极大地促进周边地区的发展，形成技术溢出效应和人才流动效应［15］。因此，数字普惠金融不仅促进了地区间要素的交换与融入，还构建了区域经济活动的共同体。同时，这也能够对邻近地区的农业绿色全要素生产率产生积极影响，从而进一步推动整个地区农业经济的发展。据此，提出假设3：数字普惠金融对农业绿色全要素生产率的影响存在显著的空间溢出效应。
2 研究设计
2.1 模型构建
2.1.1 基准回归模型 构建主效应的线性计量模型：
GTFPit=β0+β1lnDFIit+βXit+λi+μt+εit。（1）
式中：i和t分别表示省份和年份；GTFP表示农业绿色全要素生产率；DFI表示数字普惠金融；X表示影响农业绿色全要素生产率的相关控制变量；λi和μt分别表示省份固定效应和年份固定效应；εit表示随机扰动项，β表示回归系数。
2.1.2 中介效应模型 借鉴张莹莹的方法［16］，在公式（1）的基础上构建递归模型：
Mit=γ0+γ1lnDFIit+γXit+λi+μt+εit；（2）
GTFPit=δ0+δ1lnDFIit+δ2Mit+δXit+λi+μt+εit。（3）
式中：M表示中介变量，选取的是农业技术创新；γ、δ表示回归系数。
2.1.3 空间计量模型 为了避免忽略空间因素可能带来的实证偏差，考虑到中国农业绿色全要素生产率可能存在空间依赖性或空间异质性，构建以下空间计量模型：
GTFPit=β0+ρWGTFPit+β1DFIit+φWDFIit+βXit+ωWXit+λi+μi+εit。（4）
式中：W表示空间权重矩阵；ρ、φ和ω表示空间回归系数；WGTFPit、φWDFIit和ωWXit分别为核心被解释变量、核心解释变量和控制变量的空间滞后项。
2.2 变量选取
2.2.1 被解释变量 本研究关注的对象是中国农业的绿色全要素生产率，运用SBM方向距离函数与ML指数的集成方法，对2011—2020年间中国30个省份的这一指标进行了评估。在此基础上，本研究将绿色全要素生产率细分为技术进步和技术效率2个部分，并依据李谷成的研究方法［17］对数据进行整合分析。在衡量过程中，挑选了多个输入和输出指标。输入项涵盖劳动力、土地、农业机械设备、农膜、肥料、农药和灌溉土地面积等。输出指标则划分为期望输出和非期望输出，其中期望输出选用的是农林牧副渔的总产量，而非期望输出则采用农业碳排放量来表示［18］。农业碳排放主要源于化肥、农药、农膜、柴油、耕地活动以及农业灌溉，对应的排放系数分别是0.896、4.934、5.18、0.593、312.6和20.476。农业碳排放总量的计算遵循特定的数学公式：
C=∑Ci=∑（Ti×δi）。（5）
式中：C为农业碳排放总量；Ci为各类碳源产生的二氧化碳排放量；Ti为各碳源的数量；δi为各碳源的排放系数。
2.2.2 解释变量 本研究的重点在于探讨数字普惠金融（DFI）的实践应用，其普及程度通过北京大学数字金融研究中心构建的数字普惠金融指数来量化评估。主要包括金融覆盖广度（FIC）、金融使用深度（FUD）和普惠金融数字化程度（FDD）3个维度［19］。为了进行分析，对数字普惠金融指数及其各个子维度进行了对数处理。
2.2.3 中介变量 本研究的中介变量是农业技术创新（ATI）。农业研发支出不仅能够提升农业经济效益，还能通过降低成本来提高农业产出质量。现有文献通常以R&D经费投入和专利数量评估技术创新水平。借鉴余进韬等的研究［15nYw/fzOamN3HhHAmttPUAA==］，本研究以各省农业发明专利和实用新型专利2类专利总和衡量农业技术创新水平，并将其取对数处理。
2.2.4 控制变量 农业绿色全要素生产率的提高会受多种因素的制约，为避免遗漏变量影响结果，参考现有文献，本研究引入以下控制变量：（1）农业结构特征，反映为粮食作物种植面积在全部农作物种植面积中的比例［11］；（2）工业化进程，通过计算各地区工业产值在总产出中的比例来反映［20］；（3）财政支农水平，以政府农林水支出占一般公共预算支出比重衡量［21］；（4）农业机械化程度，以亩（1 hm2=15亩）均农业机械总动力表示。
2.3 数据来源
基于数据的可获得性、及时性，选取2011—2020年我国30个省（西藏、港澳台地区除外）的数据作为研究对象。相关数据来自历年《中国统计年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》《中国环境统计年鉴》以及EPS数据库和各省统计年鉴等，部分缺失数据则采用插值法补充。各变量的描述性统计见表1。
3 实证结果与分析
3.1 基准回归结果分析
依据模型（1）的设计，核心目标是探究数字普惠金融如何影响我国农业领域的绿色全要素生产率。为确保估计结果的准确性，已经执行了F检验和Hausman检验，决定采纳固定效应模型作为估算工具，结果如表2所示。根据表2所示的回归结果可以看出：加入控制变量［列（2）］，数字普惠金融对农业绿色全要素生产率具有显著促进作用，回归系数为0.268。数字普惠金融有助于农业投入品使用效率的提高、农业供给结构的优化和产品质量的提升，同时通过数字平台的信息共享和技术支持，使农业生产更加科学化、精准化、高效化，全面提升中国农业绿色全要素生产率。假设1得到验证。控制变量方面，农业产业结构（AIS）和农业机械化程度（AMD）的估计系数显著为负，表明现阶段农业产业结构和农业机械化程度是阻碍农业绿色全要素生产率提高的重要因素；工业化程度（IND）和财政支农水平（FAL）的回归系数显著为正，表明现阶段提高工业化进程和财政支农水平均有助于农业绿色全要素生产率的提升。
为了深入理解主要效应的运行机制，将技术效率和技术进步这2项因素纳入分析框架［1］。从表2中列（3）可知，数字普惠金融对技术效率具有一定正向影响，但并未达到统计学意义上的显著作用。由于数字普惠金融的使用仍然处于比较初级的阶段，需要建立庞大的信息技术基础设施，包括网络、服务器、软件等方面的先进技术的支撑。由于技术的不断革新和发展，数字普惠金融的应用也需要不断更新和改进，这就增加了数字普惠金融在农业生产中应用的成本和难度，从而导致对技术效率提升的潜力尚未得到充分发挥。从表2中列（4）可知，数字普惠金融系数为0.167，且在1%统计水平上显著，表明数字普惠金融有助于技术进步的提升。数字普惠金融提供了一种新的融资渠道和风险管理方式，为农业生产中的技术创新和发展提供了更便捷、低成本的资金支持，同时能够促进农村地区人才的流动和资源的整合，推动人才流动和科技创新，进而促进技术进步的提升。
3.2 内生性及稳健性检验
3.2.1 内生性检验 在考虑可能存在的内生性问题时，注意到数字普惠金融与农业的绿色全要素生产率之间可能存在相互因果的动态关系。另一方面，尽管在基本的回归模型中纳入了影响中国农业绿色全要素生产率的因素，但遗漏的变量仍可能导致估计误差。本研究选择2种工具变量，第1种借鉴张启文等的做法［22］，分别选取数字普惠金融的一阶滞后和二阶滞后项，第2种借鉴Bartik的做法［23］，选取Bank工具变量（数字普惠金融的一阶滞后与一阶差分项的乘积），回归结果如表3所示。从表3的数据可见，运用各种类型的工具变量进行回归分析时，第1阶段的F统计量均超过10，这表明有理由拒绝弱工具变量的假设。第2阶段估计结果显示，数字普惠金融可以明显地推动我国农业绿色全要素生产率的提升，研究结论与基准回归保持一致，说明研究结论稳健。
2.2.2 稳健性检验 为进一步验证研究结果的可靠性，通过更改计量方法、调整样本研究期以及对核心解释变量进行缩尾处理等方式进行了稳健性检验［24］，结果如表4所示。在表4的第1栏，观察到当固定效应模型被替换为随机效应模型时的回归输出。为了消除疫情的影响，特别是2020年对社会经济发展带来的巨大冲击，将研究样本期调整为2011—2019年并重新进行估计，结果见表4中列（2）所示。本研究对核心解释变量进行缩尾处理，剔除离群值重新估计，结果如表（4）中列（3）。上述3种稳健性检验结果均与基准回归结果的结论一致。
2.2.3 中介效应检验 采用中介效应模型探究农业技术创新对二者之间关系产生的具体作用机制，结果如表5所示： 数字普惠金融显著促进了农业绿色全要素生产率和农业技术创新；将农业技术创新纳入回归模型后，其影响系数为0.143，并在1%水平上显著为正。同时，列（3）中数字普惠金融对农业绿色全要素生产率的回归系数小于列（1），这表明农业技术创新在二者间存在中介作用。假设2得到验证。
为了增强研究结果的可靠性，借助Sobel测试和Bootstrap技术对中介效应进行了检验，相关结果显示在表6。Sobel测试的Z值为3.030，具有1%的显著水平，这证实了这一发现的稳定性。这些结果表明，农业技术创新在二者间存在中介作用。具体而言，间接效应值为0.069，直接效应值为0.104，中介效应占总效应的39.80%。Bootstrap方法估计结果表明，抽样1 000次之后，偏差校正的Bootstrap 估计方法农业技术创新的中介效应仍然显著，偏差校正的95%置信区间不包含0。通过上述2种检验方法，假设2得到进一步验证。
3.2.4 异质性分析
3.2.4.1 维度异质性 数字普惠金融的维度包括服务覆盖的广泛性、使用的深入程度以及数字化转型的进程。由于这3个方面的发展水平可能存在差异，因此它们对我国农业绿色全要素生产率的影响也会有所不同。因此，将这3个方面纳入本研究中进一步分析，结果如表7所示。研究发现，这3个层面的数字普惠金融对提高农业的可持续生产效率具有明显推动作用。回归系数显示，金融覆盖广度、金融使用深度和普惠金融数字化程度对农业绿色全要素生产率的影响系数分别为0.145、0.169和0.077，其中，金融应用的深度产生的影响最为显著，其次为金融普及的广泛性，而普惠金融数字化程度的影响最小。因此，金融机构一方面需要深度和广度上加大对农村地区的金融服务力度，拓宽金融的使用深度和覆盖范围；另一方面，积极探索建立普惠金融数字化平台，加强农村地区大数据、云计算等新一代信息技术应用，提升金融服务精准度，促进普惠金融数字化程度的提高。
3.2.4.2 区域异质性 由于数字普惠金融的发展水平受到各区域之间地理环境、政策等因素的影响，具有明显的空间非均衡性。这些差异可能揭示了其对我国农业绿色全要素生产率影响的地域差异。为了探究这种影响的具体特征，将样本按照经济地理位置划分为东部、中部和西部三大区域，相关分析结果详列于表8。表8中数据显示，数字普惠金融在东部地区对农业绿色全要素生产率在1%水平上有正向影响，而在中、西部地区的影响虽然为正，但不显著。东部地区由于经济发达，资源丰富［25］，数字普惠金融水平较高，使其提升农业绿色全要素生产率的作用更加显著。相比之下，中部和西部地区的经济发展水平和资源条件与东部地区存在一定差异［26］，数字普惠金融水平较低，未充分发挥农业绿色全要素生产率的促进作用。
3.2.5 空间溢出效应分析 主效应可能存在空间效应［12］，因此，采用莫兰指数进行全域空间自相关检验，以研究二者之间的空间效应［27］。借鉴李婧等的方法［28］，使用不同地区的人均实际GDP之差的绝对值的倒数构建经济距离空间权重矩阵，并进行了检验，结果如表9所示。2011—2020年间的数字普惠金融和农业绿色全要素生产率均显著为正，表明二者存在显著的空间正效应。
为构建一个适用的时空框架，首先执行了Wald测试和LR测试，确认空间杜宾模型为最佳选择。接着，通过Hausman检验证明了采用固定效应方法的正确性；因此，选择固定效应的空间杜宾模型进行深入的回归研究。为了增强研究的信度，不仅呈现了以经济距离为基础的空间权重矩阵下数字普惠金融对农业绿色全要素生产率的作用，还对比了基于相邻关系和地理距离权重矩阵的回归输出。
这些不同的权重矩阵估计结果分别在表10的第（1）栏、第（2）栏和第（3）栏中详细列出。在所有情况下，数字普惠金融与空间权重矩阵的交叉项（W×lnDFI）和空间滞后项的系数（ρ）均表现为显著的正向关系，这揭示了各省之间数字普惠金融的外部互动效应以及农业绿色全要素生产率的内部互动效应的空间一致性。为进一步验证结果，借助偏微分转换探究了空间交互效应对农业绿色全要素生产率的边际效应［15］。表9显示，各种空间权重配置下，直接与间接效应均表现出明显的正向关联。这表明，数字普惠金融的提升不仅能够提升本地区农业绿色全要素生产率，还能产生积极的跨区域溢出效应，影响邻近地区的农业绿色全要素生产率。假设3得到验证。从间接效应的幅度来看，经济距离空间权重下的空间溢出效应最为显著，这表明数字普惠金融在缩短地理距离和增强经济联动性方面具有明显的外溢效应。因此，与地理因素相似，社会经济因素对于数字普惠金融在绿色增长中的潜在影响至关重要。为扩大空间溢出效应，需要加强区域间的经济联系。
4 结论与政策建议
现代化农业的关键在于促进其可持续性，革新旧有的农业管理方式，并提高农业的全方位环保生产效能。本研究基于2011—2020年我国30个省份数据，实证研究了数字普惠金融与我国农业绿色全要素生产率间的作用机制。研究结果表明：（1）实现农业的可持续发展，关键在于推动绿色农业模式，改革农业生产方式，并增强农业绿色生产力。（2）中国农业的绿色全要素生产率明显受到数字普惠金融的积极促进，其主要贡献在于刺激技术进步，而在提升技术效率方面的作用则相对较轻。（3）在数字普惠金融与农业绿色全要素生产率的相互作用中，农业技术革新充当了媒介的一部分。具体来讲，数字普惠金融的3个维度对农业绿色全要素生产率具有正向影响，呈现出金融使用深度>金融覆盖广度>普惠金融数字化程度的影响格局。数字普惠金融的影响存在领域差异和地域差异，在东部地区，对农业绿色全要素生产率的提振效果尤为突出。（4）数字普惠金融还展现出强大的空间影响力，能有效带动周边地区农业绿色全要素生产率的提升。
根据这些研究发现，为了发展数字普惠金融，提升农业的绿色全要素生产率，进而加速农业现代化，应采取相应的政策策略。
（1）大力提升数字惠普金融发展水平。农村数字基础设施建设能够有效缓解信息不对称问题，是促进数字惠普金融发展的载体和支撑。一方面，政府应以实现“村村通”为目标，强化农村数字基础设施建设，大幅提升乡村网络设施水平，推动互联网、大数据和云计算等新兴技术的应用。同时，应逐步推进“宽带乡村”项目，加大资金投入，促进农村互联网建设，加快5G宽带网络的部署。另一方面要不断提高农村金融覆盖广度、金融使用深度和普惠金融数字化程度，重构农村金融服务结构，提高其服务质量和覆盖率，建立更为完善的农村金融服务生态圈是实现数字普惠金融在农村地区推广和应用的关键。此外，还需要加强对农村居民金融知识和技能的培训和普及，提高他们的金融素养和对数字普惠金融的接受意愿。通过加强金融教育和培训，提高农民对数字普惠金融的认知和使用能力，才能有效促进数字普惠金融3个维度的全面提升，为农村经济的发展注入新的动力。
（2）加大农业科技投入力度，提高农业科技创新能力。农业技术的创新在建立数字普惠金融与农业绿色全要素生产率增长之间的桥梁中起到关键的中介作用。因此，政策设计者应当增强财政投入，以挖掘农业科技创新的潜能，并构建稳固的政策框架来保障其可持续发展。同时，加强科研机构的实力与专业化人才的培育同样至关重要，这将有助于提高科研团队的专业能力和创新效率。加快农业科技成果转化，提高农民的科技理解和实践技能，能够促进数字农业和金融的深度融合，从而加速农业现代化的进程。另外，为了促进农业科技的创新与集成，需要通过建立农业科技创新联盟、加强行业内部的合作和交流等方式来增强行业和国际间的合作力度，引进和吸收先进的农业科技成果，提升我国农业科技的创新能力和竞争力。
（3）促进数字普惠金融区域协调发展。考虑到不同区域间数字普惠金融对农业绿色全要素生产率影响的差异，东部、中部和西部地区需采取协调一致的策略，以实现数字普惠金融发展的平衡。一方面，各区域应制定符合自身实际情况的数字普惠金融发展方向。例如，东部地区可以重点发展互联网金融和移动支付等数字化金融服务，以提高金融服务的效率和便捷性；中部地区可以重点发展农村金融和小微企业金融等普惠金融服务，以提高金融服务的覆盖面和可得性；西部地区可以重点发展金融扶贫和金融创新等金融服务，以促进地区经济的发展和转型升级。另一方面，各地区应加强金融技术、信息和人才等方面的合作和交流，实现跨区域合作，确保区域间金融资源渠道畅通，避免区域之间出现不良竞争。同时，应建立健全数字普惠金融政策的监管和评估机制，及时发现和解决发展过程中存在的问题和不足，确保政策的有效调整，以充分释放数字普惠金融对本地区及周边地区农业全要素生产率的溢出效应。
参考文献：
［1］金绍荣，任赞杰. 乡村数字化对农业绿色全要素生产率的影响［J］. 改革，2022（12）：102-118.
［2］葛鹏飞，王颂吉，黄秀路. 中国农业绿色全要素生产率测算［J］. 中国人口·资源与环境，2018，28（5）：66-74.
［3］刘亦文，欧阳莹，蔡宏宇. 中国农业绿色全要素生产率测度及时空演化特征研究［J］. 数量经济技术经济研究，2021，38（5）：39-56.
［4］沈 洋，周鹏飞. 农业绿色全要素生产率测度及收敛性分析：基于碳汇和碳排放双重视角［J］. 调研世界，2022（4）：58-68.
［5］郭海红，张在旭. 新型城镇化对农业绿色全要素生产率的门槛效应［J］. 湖南师范大学社会科学学报，2019，48（2）：55-63.
［6］马国群，谭砚文. 环境规制对农业绿色全要素生产率的影响研究：基于面板门槛模型的分析［J］. 农业技术经济，2021（5）：77-92.
［7］杨秀玉，仝锦涛. 农产品贸易对农业绿色全要素生产率的空间溢出效应：基于农业产业集聚的调节作用［J］. 中国农业资源与区划，2023，44（11）：15-27.
［8］银西阳，贾小娟，李冬梅. 农业产业集聚对农业绿色全要素生产率的影响：基于空间溢出效应视角［J］. 中国农业资源与区划，2022，43（10）：110-119.
［9］李健旋. 农村金融发展与农业绿色全要素生产率提升研究［J］. 管理评论，2021，33（3）：84-95.
［10］李晓龙，冉光和. 农产品贸易提升了农业绿色全要素生产率吗？：基于农村金融发展视角的分析［J］. 北京理工大学学报（社会科学版），2021，23（4）：82-92.
［11］周法法，郑 义，李军龙. 农业保险发展与农业绿色全要素生产率：内在机制与实证检验［J］. 世界农业，2022（10）：70-82.
［12］张翱祥，邓荣荣. 数字普惠金融对农业绿色全要素生产率的影响及空间溢出效应［J］. 武汉金融，2022（1）：65-74.
［13］曾钦友，张 璇. 数字金融对农业绿色全要素生产率的门槛效应研究：基于农业产业集聚视角［J］. 区域金融研究，2022（7）：77-83.
［14］吕靖烨，史家荣. 数字普惠金融、融资约束与企业债务违约风险：基于中小企业的经验证据［J］. 武汉金融，2022（9）：41-49.
［15］余进韬，张 蕊，龚星宇. 数字金融如何影响绿色全要素生产率？：动态特征、机制识别与空间效应［J］. 当代经济科学，2022，44（6）：42-56.
［16］张莹莹. 金融发展、研发投入与绿色全要素生产率：基于不同维度金融发展的视角［J］. 华东理工大学学报（社会科学版），2022，37（6）：127-145.
［17］李谷成. 中国农业的绿色生产率革命：1978—2008年［J］. 经济学，2014，13（2）：537-558.
［18］于 婷，郝信波. 粮食主产区农业生态效率时空特征及改善路径研究［J］. 生态经济，2018，34（9）：104-110.
［19］杨玉文，张云霞. 数字普惠金融赋能共同富裕的机制与路径研究［J］. 云南民族大学学报（哲学社会科学版），2023，40（1）：123-133.
［20］赵梦凡. 制造业转型升级视角下河北省生产性服务业发展研究［D］. 保定：河北大学，2017.
［21］李 凯. 基于Super-SBM和Malmquist指数的中国农业生产效率研究［D］. 武汉：武汉大学，2017.
［22］张启文，田 静. 数字普惠金融能否提升农业全要素生产率？：基于异质性与空间溢出效应视角［J］. 农业经济与管理，2023（1）：45-56.
［23］Bartik T J. How do the effects of local growth on employment rates vary with initial labor market conditions？［R］.Upjohn Institute Working Paper，2009，9：102-148.
［24］张宗新，张 帅. 数字金融提升我国资本要素配置效率研究［J］. 社会科学，2022（11）：129-139.
［25］王 爽. 数字普惠金融的创业效应［D］. 济南：山东财经大学，2021.
［26］齐红倩，张佳馨. 农村普惠金融发展与我国减贫可持续性：基于多维相对贫困和贫困脆弱性的双重视角［J］. 经济问题探索，2023（7）：158-175.
［27］杨慧瀛，杨宏举. 数字贸易如何影响贸易高质量发展：基于贸易全要素生产率视角的经验证据［J］. 技术经济，2023，42（3）：40-51.
［28］李 婧，谭清美，白俊红. 中国区域创新生产的空间计量分析：基于静态与动态空间面板模型的实证研究［J］. 管理世界，2010（7）：43-55.
