章成　洪铮　王林

摘要：基于2006～2017年中国30个省级行政区的面板数据，运用空间计量模型和面板门槛模型分析农村普惠金融对农业产业化的空间效应和门槛效应，结果表明：农村普惠金融对农业产业化的提高有显著的空间溢出效应，经济发展水平、第一产业受教育年限、农业固定资产投资对农业产业化水平有正向促进作用。农村普惠金融对农业产业化的影响在不同权重矩阵下的直接渠道和间接渠道并存，且随经济发展水平的提高呈边际效应递增的特点。数字普惠金融对农业产业化的影响呈边际效应递减的趋势。

关键词：农村普惠金融;农业产业化;空间效应;门槛效应

文章编号：2095-5960（2021）03-0035-10;中图分类号：F832，F323;文献标识码：A

普惠金融的目的是给受到金融排斥的弱势群体提供金融服务，以实现经济的包容性增长，具有普适性、金融供给的平等性、金融服务的全面性等特点。农村普惠金融的发展有助于解决农村地区的融资难问题，是实现农村地区脱贫攻坚的有效途径。广大发展中国家将普惠金融用于减少贫困、解决低收入群体融资难问题。中国自2006年引入普惠金融的理念，并将普惠金融扶贫用于新阶段精准扶贫，促使金融惠及广大农村弱势群体，对减少贫困、缩小城乡收入差距和乡村内部收入差距有一定的积极意义，有利于实现经济的包容性增长。[1]近年来，随着农业产业化的发展，资金问题成为制约农村企业发展壮大的重要障碍，借贷利率约束、准入限制以及准入结构等政策性问题加剧了农村地区的融资困难。社科院2016年《“三农”互联网金融蓝皮书》指出我国“三农”金融缺口达3.05亿元。因此，2018年《中共中央国务院关于实施乡村振兴战略的意见》强调将普惠金融的重点放在乡村地区，这有助于壮大乡村产业，打通金融服务于三农的各个环节。

农业产业化是一种现代化的农业生产经营方式，其形成和发展需要农村金融的支持。但中国在金融改革的过程中，一直以城市作为金融的优先服务对象，导致农村金融发展落后，经济发展缓慢。[2]此外，农业投资时间长、效益慢、风险高以及农民缺乏抵押资产、违约率高的特点，促使金融机构出于盈利性的考虑而减少对农村地区的金融投资。近年来普惠金融和数字经济的发展以及国家的政策支持，使农村居民能进一步享受普惠性金融服务，这对于农民增收、农业产业化发展以及城乡二元结构不平衡的改善有重要的影响。数字金融借助于互联网、大数据、云计算等信息技术提高了金融服务的渗透性，降低了金融机构提供服务的成本。[3]农业产业化的趋势减少了信息不对称的问题，农业龙头企业运用互联网技术提高了贷款流程的效率（如蚂蚁金服和农业龙头企业的合作），为培育地方特色产业优势和贫困人口的脱贫创造了条件。在这一背景下，本文对我国30个省份（鉴于数据的可得性，不包含港澳台和西藏）农村普惠金融和农业产业化的发展水平进行测算，构建地理距离权重矩阵、经济距离空间权重矩阵以及邻近权重矩阵，运用静态和动态空间计量模型分析农村普惠金融对农业产业化的直接效应和空间溢出效应。此外，数字经济的发展进一步提升了普惠金融服务的可得性和便利性，本研究运用面板门槛模型进一步分析了农村普惠金融和数字普惠金融对农业产业化的非线性影响。

一、文献综述与理论分析

2005年聯合国宣传国际小额信贷年时提出普惠金融的理念，2006年联合国“建设普惠金融体系”倡议各发展中国家构建完善的普惠金融体系，为弱势群体提供全面的金融产品和服务。此后学者们对普惠金融进行了广泛而深入的研究，相关文献可从以下几个方面阐述 。

第一是普惠金融的影响因素以及普惠金融在减贫、促进经济增长等方面作用的研究。Beck等最早从金融减贫的角度指出金融发展能够通过经济增长和分配效应等对贫困家庭产生积极影响。[4]Dupas & Robinson认为普惠金融能够促进家庭储蓄，汇集更多的金融资源。促进消费和激励企业家的生产性投资，从而支持经济增长。[5]国内外大多数学者的研究表明普惠金融能够减少贫困，增加农民收入[6-8]。张勋和万广华运用中国家庭追踪调查数据的分析表明数字普惠金融能够改善农村居民的创业行为，增加农民收入以实现中国经济的包容性增长。[1]数字普惠金融有利于提高农民的非农收入，但对农村地区的减贫效用随经济发展水平区间的不同而存在差异，且有显著的空间效应。[9]但农村普惠金融不是福利救助，也不是毫无目的“漫灌”。它所帮助的是那些有发展潜力、有能力还本付息的群体。[10]因此，农村普惠金融能够改善贫困度较低的农村劳动年龄人口的贫困状况，对于贫困程度更深的改善作用不显著。[11，12]然而，李涛基于跨国面板数据的研究表明普惠金融和经济增长不存在显著的相关关系。[13]这可能受变量和样本选择的影响。罗斯丹等、黄敦平、顾宁等的研究表明普惠金融的减贫效应具有非线性的特征。[14-16]

基于以上分析提出假说1：普惠金融对农业产业化的影响并非简单的线性关系，而是随经济发展水平的提高呈现非线性的特征。

第二是金融支持与农业产业化之间关系的研究。张玉利的研究表明农业产业化与农村金融机构支农存在正相关关系。[2]随着农业产业化、市场化程度的加快，农业产业向市场化、规模化、产业化发展，农村信贷需求扩张，这要求提供多层次和多样化的农村金融信贷服务。[17]正规借贷对生产性消费有积极的促进作用，应提升金融支农力度，完善“线上+线下”的金融服务体系，为小农户和现代农业的发展提供积极支持。[18]王慧玲认为普惠金融和农业产业化在促进乡村振兴的目标有内在统一性。应加快数字普惠金融建设，强化金融素质教育，促进农业产业化和普惠金融的协调发展。[19]王彦认为日本的金融支农政策提高了日本的农业现代化水平和国际竞争力，中国应借鉴日本的经验，促使金融服务于乡村振兴。[20]蔡键等的研究也表明信贷约束是农户扩大经营规模的主要制约因素。[21]

基于以上分析提出假说2：农村普惠金融能够解决农户的融资约束，促进农业产业化的发展。

第三是金融与创业行为之间关系的研究。国内外学者的相关研究均表明融资约束会对创业产生负向影响。[22，23] Kapoor认为数字普惠金融能够促进经济发展[24]，金融发展能够合理有效的分配资源，缓解潜在创业流动性约束并促进创业。[25]冯大威等的研究表明数字普惠金融能够显著提高居民的创业效率，能提高创业者的雇员规模和收入。[26]黄益平等认为农业产业化和金融数字化能够解决高风险和高成本的农村地区融资难、贷款贵的现象。[17]金融机构可以通过龙头企业解决农户信息不对称，数字金融可利用大数据分析潜在客户，这些搜表明数字普惠金融能够增加农村金融服务的有效供给，为农户农业产业化创业行为提供金融支持。

基于以上分析提出假说3：数字普惠金融能够扩大农村居民金融服务的便利性与可得性，对农业产业化有正向促进作用。

相关学者的研究表明普惠金融能够激发农村居民的创业行为，对减少农村地区贫困和促进农业产业化有积极的影响。但政府的政策倾斜和金融机构盈利性相矛盾的特征，对农村地区产生了融资约束。可以預见，随着数字经济的发展，金融服务的可得性与便利性会不断提高。已有研究大多关注普惠金融在减贫、缩小收入差距和经济增长等方面的作用[16，27，28]，对农业产业化的研究主要集中于传统的财政支持农业产业化对农民收入增长的贡献[29]，对农村普惠金融和数字普惠金融与农业产业化之间关系的关注相对不足，且较少将时空因素纳入其中。本研究通过空间权重矩阵的构建，实证分析农村普惠金融对农业产业化的空间效应和溢出效应。同时对农村普惠金融和数字普惠金融对农业产业化影响的非线性关系进行检验。这对进一步深化农村普惠金融改革的方向，采取相关措施解决农村金融的供给矛盾有重要的现实意义。

二、普惠金融、农业产业化指标体系选取和模型构建

（一）指标选取和数据来源

本文使用的数据中第一产业增加值和农村人口数据来源于《中国农村统计年鉴》，金融机构网点和从业人员来自中国区域金融运行报告，金融机构的存贷款等数据来自《中国金融年鉴》。农业产业化与控制变量的数据来自《中国统计年鉴》或EPS数据库（缺失数据运用线性插值法或取邻近年份的均值进行补充）。本文基于熵值法计算各指标的权重和综合因子得分，得出各省各年份农村普惠金融和农业产业化指数，避免了主观臆断带来的偏差（见表1）。

1.因变量。农业产业化水平（ind）。本文借鉴张玉利[2]、曾令秋[30]等的研究，从产业机械化、产业集约化、产业规模化、产业结构化四个方面构建农业产业化的指标体系。

2.核心自变量。农村普惠金融发展指数（rur）。Beck[4]和Sarma[31]等选取渗透度、使用度和效用度三个维度构建指标衡量世界各国普惠金融的发展水平;张珩等人从普惠渗透度、普惠使用度、普惠效用度、普惠承受度四个维度对我国不同地区农村普惠金融发展水平进行比较。[32]沈丽用Dagum基尼系数分解法测度中国普惠金融的区域差异。[33]杨艳琳从渗透性、使用性、效用性、质量性、承受性五个维度构建农村普惠金融指标。[12]本文借鉴既有学者的研究主要从以下四个维度构建农村普惠金融的指标。

3.控制变量。政府扶持力度（sur）：地方政府做好防洪防旱措施有利于农业产业化发展。[34]用地方财务用于农林水事务的支出表征政府扶持力度，政府扶持力度越大代表地方政府对农业越重视。

经济发展水平（gdp）：农业产业化随经济发展水平的提高而变化，以人均GDP表征经济发展水平对农业产业化的影响。第一产业平均受教育年限（edu）：一般而言，受教育水平越高，参与农业产业化的能力和意愿越强。借鉴陈钊，陆鸣等的研究[35]根据2012年《三次产业划分》的规定，由相关产业按照劳动人数加总得到各省农林牧渔业的平均受教育年限。第一产业人力资本存量（hum）：第一产业人力资本存量为各省第一产业受教育年限×各省第一产业的劳动力人数。[36]固定资产投资（inv）：农业固定资产投资是农村固定资产形成和农业综合生产能力提升的重要资金来源，农业固定资产投资不足会影响农村地区经济发展和农业生产所需的资金。用第一产业固定资产投资表征投入对农业产业化的影响。各变量的描述性统计如表2所示。

（二）空间计量模型构建

在空间层面，由于资本、技术和资源的跨区域流动，且流动效率和距离成反比，这使得相邻地区的生产活动具有相似特征[16]，农业产业化和普惠金融发展情况可能存在空间上的关联性。故从空间视角探究农村普惠金融对农业产业化的影响。空间面板回归模型主要有空间滞后模型（SAR或SLM）、空间误差模型（SEM） 、空间杜宾模型（SDM）、空间自相关模型（SAC）。空间滞后模型主要讨论某一个变量在一个地区是否有溢出效应，表明该地农业产业化的发展通过空间溢出效应对其他地区的农业产业化产生影响，公式为：

其中ρ为空间自相关系数，反映了样本观测值中的空间依赖作用，即相邻地区的wy对本地区因变量y的影响程度和方向，wij为空间权重矩阵，wijyij为因变量农业产业化的空间滞后，参数β反映了自变量对因变量的影响，ui与vi及εit分别代表区域效应、时间效应和误差项。空间误差模型主要研究某一个体的冲击随误差项的空间效应对相邻个体的传递，其形式为：

公式中λ代表空间误差自相关系数，反映了相邻地区因变量对本地区因变量的影响程度和方向，wijεij为扰动项的滞后项。空间杜宾模型同时考虑因变量和自变量的空间自相关，使自变量和误差项的参数估计不会因为遗漏空间变量的自相关性而受到影响，其数学表达公式为：

公式中wx表示解释变量和控制变量的空间变量，x指代控制变量和解释变量，θ和ρ均为待估计的参数，当θ等于0时，空间杜宾模型退化为空间滞后模型，当θ+β×ρ=0时，空间杜宾模型退化为空间误差模型。广义空间计量模型的形式如下：

公式4中W1ij和W2ij分别为具有内生性的因变量空间滞后项和空间误差滞后项的权重矩阵，借鉴王守坤等的研究采取简化的方式取W1ij=W2ij[37]，表明二者虽然代表的空间效应不同，但具有相同的逻辑。it代表特异误差项，表明可能会产生空间效应的不可观测因素。为消除异方差的影响，对各变量对数处理后进行实证分析。

三、普惠金融对农业产业化影响的实证分析

（一）空间自相关性检验

使用空间计量模型进行实证分析，首先要对变量的空间自相关性进行检验，即农村普惠金融和农业产业化的空间依赖性是否存在，若存在方可使用空间计量方法。构建基于经纬度的反距离地理空间权重矩阵wij，公式为：

公式中dij代表省份i和j基于经纬度计算的某一个省份到中国其他29个省（市、区）距离之和的算术平均值。基于反距离空间权重矩阵运用stata16可计算出农村普惠金融lnrur和农业产业化lnind 2006～2017的全局Morans I 。莫兰指数的取值范围为[-1，1]，大于0表明相邻省份存在空間正相关，小于0相邻省份空间负相关，等于0则呈现随机分布。结果如表3所示：

检验结果表明农村普惠金融和农业产业化均具有显著的空间自相关，且在1%的显著性水平上正向聚集。这说明农村普惠金融发展水平较高的省份之间相邻，农村普惠金融发展水平低的省份也呈现聚集性的特点，农业产业化也有相同的空间聚集性的特点。从变化趋势来看农村普惠金融呈现波动下降的趋势，表明其空间集聚效应逐渐减弱，空间差异增大。这可能是由于经济发展水平较高的地区会增加对普惠金融的财政和政策支持，解决小微企业融资困难的问题，而和经济水平较低的省份拉开差距。农业产业化的Morans I变化趋势相对平稳。

（二）空间面板回归结果

1. 实证结果分析。选取2006～2017年的省际面板数据进行空间计量分析，运用极大似然法进行估算。hausman检验结果表明SAR、SEM、SDM均采取固定效应模型。LR检验的结果表明存在显著的个体效应和空间效应，故采用双向固定效应模型进行估计。出于回归结果稳健性的考虑，分别对基于经济距离空间权重（选取2006～2017的平均GDP构建权重矩阵）、反距离空间权重矩阵的空间误差、空间滞后、空间杜宾和广义空间计量模型进行回归，结果如表4所示：

由表4可知，当以经济距离权重矩阵和反距离空间权重矩阵进行估计时，空间杜宾模型的ρ分别在10%和1%的水平上显著，R2和Log likelihood的数值最大表明模型拟合效果好可信度高，同时LR和Wald检验的结果表明空间杜宾模型不能退化为空间滞后模型或空间误差模型。在不同模型和不同空间权重矩阵下，普惠金融对农业产业化的影响均显著为正，表明普惠金融能解决农业产业化规模生产的资金约束，推动农业产业化水平的提高，提升农民收入，这符合普惠金融的发展目标。政府扶持力度对农业产业化的影响不显著，这可能是由于农业产业化的发展和当地的地理环境、气候等因素密切相关。经济发展水平对农业产业化的影响为正，可能因为经济发展水平越高农业资金投入越多。农民受教育水平对农业产业化的影响为正，但第一产业人力资本对农业产业化的影响为负，这是因为受教育水平越高，开展农业产业化生产的能力越强。但第一产业人力资本较高的地区也有可能是由于农村人口多，城镇化率低，经济欠发达，故这一影响为负。第一产业固定资产投资对农业产业化的影响为正，表明第一产业固定资产投资越多，政府对地方农业的投资支持力度越大，越有利于农业产业化水平的提高。

2. 影响因素的效应评估。当计量模型中含有滞后项时，解释变量对被解释变量的影响可分为直接效应、间接效应和总效应，其中直接效应为解释变量对本地区造成的平均影响，间接效应为解释变量对其他地区造成的影响，总效应为对所有地区造成的影响。Lesage的研究表明偏微分能够解释不同模型设定中变量变化的影响[38]，因此本研究运用偏微分法进一步求解各效应的影响。根据前文的检验结果以空间杜宾模型为主，分析在经济距离权重矩阵（Wa）、反距离空间权重矩阵（Wb）、邻近权重矩阵（Wc）下各变量对农业产业化的影响。

表5中的结果表明，主要解释变量普惠金融对农业产业化的影响在不同的权重下均为显著的正向作用，在经济权重矩阵下，有显著的正向溢出效应，但在反距离权重矩阵和邻近权重矩阵下，溢出效应不明显。具体为在经济权重矩阵下，普惠金融发展水平每提高1%，农业产业化提高0.175%，其他区域普惠金融水平提高1%，当地农业产业化提高0.11%，这验证了假说2。结果表明政府采取政策措施，提高金融机构服务农村地区的积极性，扩大金融服务覆盖面，完善金融服务体系，提高金融服务质量，有助于改善城乡二元结构，解决农业产业化企业的融资难问题。但普惠金融在地理和邻近地区的溢出效应有限，应当采取进一步的金融激励措施，发挥普惠金融的地区联动作用。地方政府财政支持对农业产业化的影响在经济权重矩阵下，具有显著的正向溢出效应和总效应，但其他影响不显著。这可能是由于政府农林水事务支出越多，该地区遭受自然灾害的可能性越大，而对农业产业化的影响存在不确定性。经济发展水平对农业产业化的影响较大，其中直接影响为正，间接影响大多不显著，总效应大部分为正。表明经济发展水平对本地区农业产业化水平的提升有效，但对邻近地区的辐射带动作用有限。农民受教育水平对农业产业化的影响最大，在经济、地理和邻近权重矩阵下的直接效应分别为0.394%、0.494%、0.537%，但空间溢出效应和总效应不显著。这表明普惠金融往往对受教育水平较高的农户创业行为有积极的促进作用，这和何宗樾，宋旭光的研究一致。[39]第一产业人力资本存量对农业产业化的影响均为负且显著，和前文的结论相同。第一产业固定资产投资对农业产业化的影响均为正。在经济权重矩阵下，当地第一产业固定资产投资每增加1%，农业产业化提高0.03%。其他区域第一产业固定资产投资每提高1%，当地农业产业化水平提高0.035%。

总体而言，农村普惠金融对农业产业化的影响只有在经济距离引起的空间特征上有正向空间溢出效应，但地理上的辐射带动作用相对有限。这表明农业产业化集聚效应不是发生在相邻省份或地理距离较近的省份，而是发生在经济发展水平相近的省份之间。因此，应当注重邻近地区普惠金融建设的联动作用，加强地理邻近区域合作，发挥农村普惠金融的正向空间溢出效应。

（三）稳健性和内生性检验

动态空间面板模型在考虑农业产业化空间关联性的同时，可以解决由遗漏变量所导致的内生性问题和估计偏误，结果更为真实可靠。因此，本研究基于经济距离权重矩阵、反距离空间权重矩阵和邻近权重矩阵构建动态空间误差和动态空间杜宾模型考察普惠金融对农业产业化的影响。回归结果如表6所示：

表6稳健性检验的结果表明加入因变量滞后期的动态空间模型系数发生了较大的变化，显著性也发生了变化。因变量的滞后项通过了显著性检验，且为正向促进作用，表明静态空间模型忽略了不可观测因素而产生一定的偏差。动态空间面板模型的R2也高于静态空间面板模型，这验证了动态空间面板模型的可靠性。因变量空间滞后项ρ在逆距离地理权重矩阵、经济权重矩阵和K阶邻近权重矩阵均显著为正，表明各省农业产业化的促进作用发生在具有共同边界的省区以及地理邻近经济邻近的地区。主要解释变量农村普惠金融和控制变量的方向大都未发生变化，这验证了实证分析结果的稳健性。

表7中的结果表明，农村普惠金融对农业产业化的长期效应大于短期效应。从短期来看，农村普惠金融对农业产业化的直接效应和间接效应均显著为正，表明农村普惠金融对农业产业化水平的提高存在正向促进作用，同时对邻近省份存在正向空间溢出效应。从长期来看农村普惠金融对农业产业化的正向促进作用变大，但空间溢出效应为负，表明存在着不可观测的抑制作用。这种不可观测的空间溢出效应可以理解为农业产业化资源有限，各省的农业产业化企业存在竞争机制，而呈现“此消彼长”的特点。

四、农村普惠金融对农业产业化影响的进一步分析

数字经济和互联網技术的发展为农村普惠金融的发展带来新的契机，传统的农村金融机构和新兴金融机构难以兼顾经济效益和社会效益对农村居民融资需求的满足有限。数字普惠金融的发展能够为那些被传统金融机构排斥的弱势群体提供金融服务。数字普惠金融对农户创业行为的影响也不同于传统的金融机构。北京大学数字金融研究中心基于蚂蚁金服的数据编制了2011～2018年中国各行政层次的数字普惠金融表，主要从数字普惠金融覆盖广度、使用深度、数字化程度三个方面衡量。本研究选取北京大学金融研究中心公布的2011～2017年各省份数字普惠金融的发展水平作为主要解释变量，并加入互联网普及率（int），进一步探讨普惠金融对农业产业化的非线性影响。门槛效应的检验结果表明数字普惠金融和农村普惠金融对农业产业化的影响存在三重门槛效应，但可简化为双重门槛模型，这验证了假说1。

表8显示，当人均GDP低于28804元时，数字普惠金融对农业产业化的影响为负，无法满足农户的借贷需求。当人均GDP大于28804元时，数字普惠金融对农业产业化将产生较大的正向促进作用，具体为1.071%，但这一促进作用存在边际效应递减的特点，这验证了理论假说3。农村普惠金融对农业产业化的影响和数字普惠金融的影响不同。具体表现为，当人均GDP为26107元时，农村普惠金融能够促进农业产业化水平的提高。当人均GDP处于26107元到40945元时，对农业产业化的促进作用不显著。当人均GDP高于40945元时，则为正向促进作用。当以数字普惠金融为主要解释变量时，除第一产业固定资产投资外，各因素对农业产业化均为正向促进作用。当以农村普惠金融为主要解释变量时，经济发展水平、平均受教育水平和第一产业人力资本对农业产业化均为正向促进作用，第一产业人力资本为负向作用，农林水事务支出、互联网普及率对农业产业化的影响不显著，和前文空间计量模型的回归结果一致。

五、结论与建议

本研究基于2006～2017年中国农业产业化和农村普惠金融发展情况的测算，分别运用空间计量模型和面板门槛模型，针对农村普惠金融、数字普惠金融对农业产业化的影响进行测算。并得出以下结论：第一，从空间溢出层面来说，农村普惠金融对农业产业化的促进作用有限，直接效应的作用比空间溢出效应更为显著。且空间溢出效应在经济距离上发挥更大的作用，但地理辐射带动作用有限。动态空间计量分析的结果表明，农村普惠金融对农业产业化不仅有直接的促进作用，还具有显著的正向空间溢出效应。第二，从渠道层面来看，农村普惠金融和农业产业化均呈现正向空间集聚的特征，经济发展水平、农民受教育水平的提高以及农业固定资产投资的增加等因素均有利于农业产业化水平的提高。其中第一产业固定资产投资具有显著的正向直接效应和空间溢出效应，表明农业投入对农业产出起着至关重要的作用。第三，数字普惠金融和农村普惠金融对农业产业化的影响具有非线性的特征，且二者对农业产业化的影响具有互补性。

基于以上结论，得出如下政策启示：应根据各省经济发展的不同阶段以及不同农户和农业产业化企业的需求，因地制宜地提供全方位的金融服务。优化金融资源配置，运用数字化技术提高金融资源的使用效率。对于农业产业化水平较高的企业，可运用传统的金融机构获得金融服务。借助国家“新基建、新消费”的契机，支持数据分析的软硬件设施建设，为数字金融发展提供良好的外部环境。将数字金融纳入征信体系。对于小农户和小微企业可将传统的金融机构和数字普惠金融相结合，解决好传统金融机构贷款给小微企业和农户的规模不经济问题。鉴于当前农村金融风险高、不确定性强的特点。适当推进农村金融机构的市场化，让市场在农村金融机构资源配置中发挥决定性作用，解决好农业产业化企业“贷款难、贷款贵”的问题。

参考文献：

[1]张勋， 万广华， 张佳佳， 等. 数字经济、普惠金融与包容性增长[J]. 经济研究， 2019（8）： 71～86.

[2]张玉利， 郭永清.农村金融机构对农业产业化发展的支持研究——以上海地区为例[J]. 上海农业学报， 2016（5）：139～145.

[3]何婧， 李庆海. 数字金融使用与农户创业行为[J]. 中国农村经济， 2019（1）：112～126.

[4]Thorsten Beck， Asli Demirgü-Kunt & Ross Levine. Finance， inequality and the poor[J]. Journal of Economic Growth， 2007（12）：27～49.

[5]Dupas P， Robinson J. Savings Constraints and Microenterprise Development： Evidence from a Field Experiment in Kenya [J]. Social Ence Electronic Publishing. 2013，5（1）：163～192.

[6]陈建伟， 陈银娥.普惠金融助推精准脱贫的理论与政策思考[J].当代经济研究，2017（5）：85～90.

[7]黄倩， 李政， 熊德平. 数字普惠金融的减贫效应及其传导机制[J]. 改革， 2019（11）：90～101.

[8]Burgess， R. and Pande， R. Can Rural Banks Reduce Poverty？ Evidence from the Indian Social Banking Experiment[J]. American Economic Review， 2005（95）：780～795.

[9]刘丹， 方锐， 汤颖梅.数字普惠金融发展对农民非农收入的空间溢出效应[J]. 金融经济学研究， 2019（5）：57～66.

[10]何德旭， 苗文龙. 金融排斥、金融包容與中国普惠金融制度的构建[J]. 财贸经济， 2015（3）：5～16.

[11]Kondo， T.， A. Orbeta， C. Dingcong， and C. Infantado，“Impact of microfinance on rural households in the Philippines”[J]. IDS Bulletin， 2008，39（1）：51～70.

[12]杨艳琳， 付晨玉. 中国农村普惠金融发展对农村劳动年龄人口多维贫困的改善效应分析[J]. 中国农村经济， 2019（3）：19～35.

[13]李涛，徐翔，孙硕.普惠金融与经济增长[J].金融研究，2016（4）：1～16.

[14]罗斯丹， 陈晓， 姚悦欣.我国普惠金融发展的减贫效应研究[J].当代经济研究，2016（12）：84～93.

[15]黄敦平， 徐馨荷， 方建.中国普惠金融对农村贫困人口的减贫效应研究[J].人口学刊，2019，41（3）：52～62.

[16]顾宁， 张甜.普惠金融发展与农村减贫：门槛、空间溢出与渠道效应[J].农业技术经济，2019（10）：74～91.

[17]黄益平， 王敏， 傅秋子， 等.以市场化、产业化和数字化策略重构中国的农村金融[J].国际经济评论，2018（3）：106～124;7.

[18]孙雪芬.习近平关于金融工作的重要论述及其当代价值[J].江淮论坛，2019（5）：26～31;56.

[19]王慧玲， 孔荣.正规借贷促进农村居民家庭消费了吗？——基于PSM方法的实证分析[J].中国农村经济，2019（8）：72～90.

[20]王彦， 田志宏.如何实施金融服务乡村振兴——基于日本金融支农政策演变的经验借鉴[J].现代经济探讨，2020（5）：117～125.

[21]蔡键， 林晓珊， 米运生.信贷约束真的会制约农户的经营规模吗？——基于农业特性的分析视角[J].世界农业，2019（8）：17～25.

[22]Evans D S， Jovanovic B. An Estimated Model of Entrepreneurial Choice under Liquidity Constraints[J]. Journal of Political Economy，1989， 97（4）：808～827.

[23]Karaivanov， A. Financial Constraints and Occupational Choice in Thai Villages[J]. Journal of Development Economics，2012，97（2）：201～220.

[24]Kapoor， A. Financial Inclusion and the Future of the Indian Economys[J]. Future，2013（10）：35～42.

[25]Bianchi，M.Credit Constraints，Entrepreneurial Talent，and Economic Development[J]. Small Business Economics.2010， 34（1）：93～104.

[26]冯大威， 高梦桃， 周利.数字普惠金融与居民创业：来自中国劳动力动态调查的证据[J].金融经济学研究，2020，35（1）：91～103.

[27]陈啸， 陈鑫.普惠金融数字化对缩小城乡收入差距的空间溢出效应[J].商业研究，2018（8）：167～176.

[28]肖端， 杨琰军， 谷继建.农村普惠金融能缩小县域城乡收入差距吗[J].宏观经济研究，2020（1）：20～33.

[29]朱湖根， 万伦来， 金炎.中国财政支持农业产业化经营项目对农民收入增长影响的实证分析[J].中国农村经济，2007（12）：28～34.

[30]曾令秋， 王芳.农业产业化发展水平评价研究——以四川省为例[J].农村经济，2018（11）：53～60.

[31]Sarma M. Index of Financial Inclusion. India Council for Research on International Economic Relations Working Paper[R].New Delhi，India， 2008：1～26.

[32]张珩， 罗剑朝， 郝一帆.农村普惠金融发展水平及影响因素分析——基于陕西省107家农村信用社全机构数据的经验考察[J].中国农村经济，2017（1）：2～15+93.

[33]沈丽， 张好圆， 李文君.中国普惠金融的区域差异及分布动态演进[J].数量经济技术经济研究，2019（7）：62～80.

[34]张宇， 赵敏.农村普惠金融发展水平与影响因素研究——基于西部六省的实证分析[J].华东经济管理，2017（3）：77～82.

[35]陈钊， 陆铭， 金煜.中国人力资本和教育发展的区域差异：对于面板数据的估算[J].世界经济，2004（12）：25～31;77.

[36]柏培文， 杨志才.中国二元经济的要素错配与收入分配格局[J].经济学（季刊），2019（2）：639～660.

[37]王守坤. 中国各省区资本流动能力再检验：基于广义空间计量模型的分析[J].经济评论，2014（4）：68～84.

[38]Lesage J P. An Introduction to Spatial Econometrics [J]. Revue d économie industrielle， 2008， 123（123）：513～514.

[39]何宗樾， 宋旭光.数字金融发展如何影响居民消费[J].财贸经济，2020（8）：65～79.

Research on the Impact of Rural Inclusive Finance on Agricultural Industrialization

ZHANG Cheng，HONG Zheng，WANG Lin

（College of Economics， Nankai University， Tianjin 300071，China;College of Economics， Jiangxi University of

Finance and Economics， Nanchang， Jiangxi 330013， China; College of History， Culture and Tourism，

Guangxi Normal University， Guilin， Guangxi 541001，China）

Abstract：Based on the analysis of the impact path of Inclusive Finance on agricultural industrialization， this paper uses the panel data of China's 30 provincial administrative regions from 2006 to 2017 to evaluate the development level of rural Inclusive Finance and agricultural industrialization in multiple dimensions. The results show that rural inclusive finance has a significant spatial spillover effect on the improvement of agricultural industrialization， and the level of economic development， the number of years of education in the primary industry， and agricultural fixed asset investment have a positive role in promoting the level of agricultural industrialization.The impact of rural inclusive finance on agricultural industrialization coexists in direct and indirect channels under different weight matrices， and it has a characteristic of increasing marginal effects as the level of economic development increases. The impact of digital financial inclusion on agricultural industrialization shows a trend of diminishing marginal effects.

Key words：rural inclusive finance;agricultural industrialization;spatial effect;threshold effect

责任编辑：吴锦丹

收稿日期：2020-08-29

基金项目：国家社会科学基金一般项目“乡村振兴背景下西部民族地区农村传统公共文化空间生产研究”（19BMZ068）;江西省研究生创新专项资金项目“贸易保护主义对我国农业产业化的影响研究”（YC2019-B082）。

作者简介：章成（1988—），男，安徽铜陵人，南开大学经济学院博士研究生，研究方向为制度与经济增长;洪铮（1993—）（通讯作者），女，河南邓州人，江西财经大学经济学院博士研究生，研究方向为农业产业化;王林（1976—），女，广西桂林人，博士，廣西师范大学历史文化与旅游学院教授，研究方向为乡村振兴。