数字普惠金融对福建省农业全要素生产率的影响研究

摘" 要：该研究采用固定效应模型，对福建省9个地级市2011—2021年的面板数据进行深入分析，在深入探讨数字普惠金融对福建省农业全要素生产率的具体影响机制时，发现其推进对农业全要素生产率的增长产生显著的正向作用。进一步的研究揭示了数字普惠金融的作用机制，主要是通过加速农业技术进步和提升农业技术的利用效率，进而可有效地推动福建省农业全要素生产率的提升。控制变量中，城镇化率的提升、产业结构的优化及经济发展水平的提高均对农业全要素生产率有正向的推动作用。然而，种植结构的调整可能会在一定程度上抑制农业全要素生产率的提升。

关键词：数字普惠金融；农业TFP；DEA-Malmquist指数；分解效应；固定效应模型

中图分类号：F830" " " 文献标志码：A" " " " " 文章编号：2096-9902（2025）04-0040-04

Abstract： This study uses a fixed effect model to conduct an in-depth analysis of panel data from nine prefecture-level cities in Fujian Province from 2011 to 2021. When in-depth discussion of the specific impact mechanism of digital inclusive finance on agricultural total factor productivity in Fujian Province， it is found that its promotion has had a significant positive effect on the growth of agricultural total factor productivity. Further research reveals the mechanism of digital inclusive finance， which mainly promotes the improvement of agricultural total factor productivity in Fujian Province by accelerating the progress of agricultural technology and improving the utilization efficiency of agricultural technology. Among the control variables， the improvement of urbanization rate， the optimization of industrial structure and the improvement of economic development level all have a positive effect on agricultural total factor productivity. However， the adjustment of planting structure may inhibit the improvement of agricultural total factor productivity to a certain extent.

Keywords： digital inclusive finance; agricultural TFP; DEA-Malmquist index; decomposition effect; fixed-effect model

在高质量发展背景下，农业的转型升级迫在眉睫，高效的现代化农业增长方式成为我国农业的转型方向，农业全要素生产率的增长是现代化农业的关键指标。福建省农业经济发展势头强劲，各地依托特色条件，形成了多样化的农业发展模式。然而，福建省仍面临粗放生产带来的挑战，包括增长质量不高和效率低下等问题。数字普惠金融作为新型的金融模式，正逐渐成为解决农业发展融资难题的有力工具。本文通过构建数字普惠金融对农业全要素生产率影响的理论框架，分析数字普惠金融对福建省农业全要素生产率的具体作用机制及其影响效果。

1" 文献综述

1.1" 农业全要素生产率的研究

农业全要素生产率是衡量农业生产效率的重要指标[1]，是农业可持续化发展的关键所在[2]。在农业全要素生产率的测算方法的研究中，主要包含生产函数法、指数法、生产前沿面方法。甘天琦等[3]运用随机前沿模型（SFA）测算县域农业全要素生产率发现技术效率的提升以及规模效益的增强，显著地推动了生产率的增长。刘霞婷等[4]基于SFA模型测算我国农业全要素生产率（TFP），结果表明，提升农业全要素生产率是促进农业经济增长的重要途径；龙少波等[5]采用Malmquist指数法测算高质量发展背景下我国农业TFP，研究发现，技术效率会抑制农业全要素生产率的增长，技术进步则恰恰相反，是驱动农业全要素生产率增长的源泉。王世浩等[6]运用Malmquist指数法探究了长江经济带农业全要素生产率的时空变化。胡雪萍等[7]从环境角度出发，发现环境规制能够促进农业全要素生产率的增长；蒋健等[8]认为农村人口老龄化会抑制农业TFP的增长，且具有地区差异性；杜莉等[9]发现土地流转费用降低对于农业全要素生产率具有促进作用。

1.2" 数字普惠金融的研究

随着区块链、云计算以及大数据技术的日益普及与深化应用，数字普惠金融这一新型金融模式应运而生。葛和平等[10]经过深入探究，发现数字普惠金融的蓬勃发展在完善金融基础设施的同时，极大地增强了金融服务的普及性和可获取性。金婧[11]认为区域经济越发达，数字普惠金融的金融赋能作用越强；郑志龙等[12]发现数字普惠金融通过一系列信贷供给机制的优化，显著提升了信贷规模以及信贷质量。

1.3" 金融发展对农业全要素生产率的影响研究

农业全要素生产率的增长离不开金融资本。谢攀[13]的研究表明金融发展给农业发展带来更多金融资源，从而促进农业TFP；张爱英等[14]认为普惠金融的发展能够提升金融渗透度，极大地促进农业全要素生产率的增长；秦佳慧[15]发现数字普惠金融在缓解农业资金约束方面发挥了重要作用，进而显著提升了农业的技术效率和累积效率，从而有力推动了农业TFP的提升。

2" 研究设计

2.1" 福建省农业全要素生产率的测算

本文利用DEA-Malmquist指数法测算福建省农业全要素生产率。在农业投入和产出指标的选取上，本文在借鉴以往文献的基础上，选取农林牧渔总产值（亿元）作为农业产出指标；选取乡村从业人数（万人）、农作物总播种面积（亩）、化肥施用量（万t）、农药用量（t）作为农业投入指标[16]。

在农业全要素生产率的计算模型选择上，为避免主观因素对计算结果的影响，选择DEA-Malmquist模型，该模型可直接通过投入产出数据计算出生产率的变化情况。

2.3" 变量选取与数据来源

被解释变量。农业全要素生产率（TFP）、分解得到农业技术进步（TECH）以及农业技术效率（EF），本文采用DEA-Malmquist指数法测算，考虑到本文研究的农业全要素生产率的水平值，则需转化为2011年为1的TFP累积增长指数[17]，测算得到福建省2012—2021年农业全要素生产率。

核心解释变量。选取2012—2021年北京大学数字普惠金融指数（DIFI）作为核心解释变量[18]。

控制变量。通过对现有文献的整理，本文选取经济发展水平（gdp）、城镇化水平（urban）、种植结构水平（struc）以及产业结构水平（inst）作为控制变量[19]。

数据来源。数字普惠金融指数来源于“北京大学数字普惠金融指数”，考虑到该数据只更新到2021年，本文数据截止时间选为2021年。农业全要素生产率相关指标、控制变量等数据来源于福建省各地级市统计年鉴、地方政府网站等。

3" 实证结果与分析

3.1" 基准回归

数字普惠金融与福建省农业全要素生产率的回归分析结果见表2。在第（1）列中，不考虑控制变量的影响，数字普惠金融对农业全要素生产率的回归系数为0.012，且在1%的显著性水平上成立。而在第（2）列中，包含了一系列控制变量后，DIFI的回归系数为0.011，且达到了1%的显著性水平。可见，数字普惠金融发展对农业全要素生产率具有正向促进作用。

关于控制变量的考量，城镇化水平与农业全要素生产率之间的回归系数达到1.064，该系数在5%的显著性水平上呈现正向关联。结果表明，城镇化的发展对于农业技术的推广具有积极推动作用。另外，种植结构水平与农业全要素生产率之间的关系的回归系数显示为-0.196，在5%的水平上显著且具有负向相关性，这表明种植结构的调整没能达到优化农业生产结构的效果，从而抑制了农业全要素生产率的提升；产业结构水平（lninst）与农业全要素生产率的回归系数为0.806，在1%的水平上显著且具有正向相关性，说明产业结构调整有利于推动农业全要素生产率的提升；地区生产总值（lngdp）的系数0.757，且通过了5%水平的显著性检验，结果表明，地区生产总值的增长能够有效促进农业全要素生产率的提升。

为探讨数字普惠金融对福建省农业全要素生产率的作用机制并进行验证，本文将TFP分解为TECH和EF 2个方面进行剖析。采用固定效应模型对其进行回归分析，回归结果见表3。

由表3可知，DIFI与lnTECH的回归系数为0.004，且达到了10%的显著性水平，说明数字普惠金融发展对农业技术进步具有显著促进作用，DIFI与lnEF的回归系数为0.004，且在5%的水平上显著，数字普惠金融对农业技术效率的促进作用更为明显。

3.2" 稳健性检验

本文通过增加控制变量来进行稳健性检验。鉴于农业全要素生产率还可能受到政府农业财政支持力度的影响，因此在稳健性检验中纳入了财政支持（fina）作为新的控制变量，并重新进行了回归分析。表4展示了稳健性检验的结果。结果表明，在加入新的控制变量后，估计结果以及显著性均与基准回归模型无显著差异，本文实证结果的稳健性得到检验。

4" 研究结论与对策建议

4.1" 研究结论

第一，数字普惠金融对福建省农业全要素生产率具有正向推动作用，数字普惠金融的发展提高了金融的覆盖率和渗透率，更多的农业企业和农户可以便捷地获得金融服务，缓解资金问题，有助于农业生产规模的扩大，从而提升农业全要素生产率；其次，数字普惠金融对农业技术进步和农业技术效率均具有促进作用，且相比之下，对农业技术效率的提升效果更为显著。

4.2" 对策建议

福建省各级政府部门应深化推进数字普惠金融发展，通过制度建设、政策支持等方式，扶持和激励各地金融机构进行金融服务创新；针对经营网点少和数字化基础设施建设较差的农村地区，加强数字金融基础设施的建设，逐步普及数字化金融服务，以增强农村居民的金融服务可得性，进而为农业发展开辟更多元化的融资渠道。此外，全省各金融机构应进一步深化数字金融体系构建，不断提升数字化水平，为农村贫困地区及农业小微企业提供更加便捷的数字金融服务，以促进农业全要素生产率的提升。同时，通过开展金融培训、讲座以及加大农村教育投入等方式，提升农业生产经营者的金融素养，加深农业生产经营者对数字普惠金融的了解，增加金融使用频率，促进农业全要素生产率的提升。

参考文献：

[1] 李谷成，蔡慕宁，叶锋.互联网、人力资本和农业全要素生产率增长[J].湖南农业大学学报（社会科学版），2021，22（4）：16-23.

[2] 张恒，郭翔宇.农业生产性服务业发展与农业全要素生产率提升：地区差异性与空间效应[J].农业技术经济，2021（5）：93-107.

[3] 甘天琦，杜建国，李波.中国县域农业全要素生产率的分异特征与驱动因素[J].经济问题，2022（4）：101-107.

[4] 刘霞婷，李强，吴超，等.中国农业全要素生产率动态分析——基于SFA模型和Log（t）回归方法[J].中国农业资源与区划，2022，43（1）：50-59.

[5] 龙少波，张梦雪.中国农业全要素生产率的再测算及影响因素——从传统迈向高质量发展[J].财经问题研究，2021（8）：40-51.

[6] 王世浩，王宝海，孙鲁家.长江经济带农业全要素生产率时空演变及影响因素研究[J].湖北农业科学，2022，61（17）：31-38.

[7] 胡雪萍，乐冬.环境规制促进了农业全要素生产率提升吗？[J].江汉论坛，2022（11）：42-51.

[8] 蒋健，唐小平，李双双.农村人口老龄化对农业全要素生产率的影响研究[J].中国农机化学报，2023，44（2）：230-240.

[9] 杜莉，何格.土地流转、劳动力城乡流动与农业全要素生产率：理论与实证[J].农村经济，2024（1）：93-101.

[10] 葛和平，高越.数字普惠金融发展对农业全要素生产率的影响[J].财会月刊，2021，916（24）：144-151.

[11] 金婧.共同富裕背景下数字普惠金融对乡村产业振兴的影响——基于省域面板数据的实证[J].商业经济研究，2022（4）：177-180.

[12] 郑志龙，李雨臻.数字普惠金融对农村相对贫困的影响[J].改革，2024（5）：80-94.

[13] 谢攀.城镇化、金融发展与农业全要素生产率[J].农村金融研究，2020（11）：27-37.

[14] 张爱英，孟维福.普惠金融、农业全要素生产率和城乡收入差距[J].东岳论丛，2021，42（9）：63-76，191.

[15] 秦佳慧.数字金融与农业全要素生产率的关系探究——基于数据包络法和计量模型[J].农场经济管理，2023（11）：31-33.

[16] 雷绍海，王成军.中国农业全要素生产率研究进展与前沿——基于CiteSpace的文献计量可视化分析[J].云南农业大学学报（社会科学），2022，16（3）：124-133.

[17] 范丽霞，李欠男，李谷成.撤县设区对农业全要素生产率增长的政策效应——来自江苏省的实证证据[J].农业农村部管理干部学院学报，2022，13（3）：1-8，23.

[18] 郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020，19（4）：1401-1418.

[19] 刘艳.数字普惠金融对农业全要素生产率的影响[J].统计与决策，2021，37（21）：123-126.