冯江华,王 宇,2

(1.新疆师范大学 商学院,新疆 乌鲁木齐 830017;2.丝绸之路经济带核心区产业高质量发展研究中心,新疆 乌鲁木齐 830017)

“三农”问题一直是经济社会发展的“焦点”,坚持农业基础地位、加快推进农业现代化对于建设社会主义现代化强国至关重要。中国农业经济发展取得了巨大成就,但同时也面临一系列的现实困境:一方面,农业自然资源面临过度开发、日渐匮乏的问题;另一方面,农业面源污染不断加重,生态环境压力过大。在这一问题背景下,2022年中央一号文件精神指出,当前我国农业农村绿色发展的重要内容是“以产业带动乡村发展”,体现了农业农村绿色发展从农业污染防治向产业转型的逐步转变。党的二十大报告再次强调,要推动农业发展由增产为主向质量提升转变,从依赖于传统生产因素转向重视技术和提高劳动者素质,加速由农业大国迈向农业强国。因此,绿色发展已是我国农业发展的主要目标,而提升生态环境约束下的农业绿色全要素生产率对我国农业绿色转型意义重大。

随着现代经济的飞速发展,“互联网+”的兴起给普惠金融带来了新的发展契机,数字普惠金融随之而生。数字普惠金融的存在解决了以往融资模式成本高、收益低等问题,为偏远地区和农业农村使用金融服务提供了新的平台,使得农村农户能够更加直接地、平等地享受到金融发展所带来的好处。同时,在国家战略向数字普惠金融倾斜的背景下以及相关政策的扶持下,数字普惠金融将有助于促进农业的绿色化转型。因此,本文选择将农业发展中的环境问题考虑在内的农业绿色全要素生产率来分析农业绿色发展的状况,并对以下问题进行探讨:数字普惠金融是否驱动了我国农业绿色全要素生产率?数字普惠金融对农业绿色全要素生产率的促进作用在本身特征、地理区位上又有何种差异?若此效果被证明,其背后的机理又如何?这些问题的解答可以为我国数字普惠金融的发展和农业绿色经济转型提供相关政策建议。

现有文献关于农业绿色全要素生产率的研究主要从以下3个方面展开:一是农村普惠金融发展对农业绿色全要素生产率的影响研究。Hu等[1]认为,农村普惠金融的发展为农户和农业特色产业提供优惠贷款,助力农业生产专业化与合作化转型,进而促进农业全要素生产率的增长。李健旋[2]研究指出:农村金融发展规模和发展效率都会对我国农业绿色全要素生产率起到一定的推动作用,但其作用机理有明显差别。二是数字普惠金融对农业绿色全要素生产率的影响研究。随着数字技术的兴起,普惠金融模式已从传统普惠模式转变为新型数字普惠模式,数字普惠金融与农业全要素生产率的关系日益受到学术界的关注。张翱祥和邓荣荣[3]实证检验了数字普惠金融对农业绿色全要素生产率的正向影响与负向的空间相关性。尹应凯和彭兴越[4]、刘艳[5]、孙光林等[6]学者分别从降低支付成本和减少交易过程中的碳排放、提高农业生产和管理活动的技术效率、支持农业技术进步视角论证了数字普惠金融显著提高了区域农业绿色全要素生产率。三是技术进步对农业绿色全要素生产率的影响研究。普遍观点认为,技术进步是现代农业发展与转型的关键支撑,可以促进农业绿色全要素生产率的提升。Liu等[7]发现农村金融使用效率和使用规模的提升有利于农业技术创新。薛云洋和周立新[8]基于长江经济带省域面板数据的实证分析,发现数字普惠金融及其各维度均对农业绿色全要素生产率有显著提升作用,且主要通过技术进步来实现。高扬和牛子恒[9]把我国分为三大地区进行深入研究,结果表明:技术进步对我国农业绿色全要素生产率的提升具有正向的积极作用,对东部地区的作用最大,中部次之,西部地区的作用最小。何晓霞和毛伟[10]、李欠男[11]均认为农业技术进步可以显著促进农业绿色生产,进而提高农业绿色全要素生产率。

通过梳理相关研究发现,现有文献对农业绿色全要素生产率及其效应进行了多视角的讨论,但在数字普惠金融影响农业绿色全要素生产率的作用机制方面,还存在不足以及进一步拓展的空间。为此,本文构建了固定效应模型和中介效应模型深入探讨数字普惠金融对农业绿色全要素生产率的直接与间接影响,可能的边际贡献有:首先,从数字普惠金融的角度出发,深入分析了数字普惠金融与农业绿色全要素生产率的关系,为普惠金融和农业绿色发展领域的研究提供了信息;其次,以技术进步为切入点,对两者之间的作用机制进行了探讨;最后,从地理区位、数字普惠金融分维度指数角度展开异质性讨论,进一步厘清数字普惠金融与农业绿色全要素生产率的联系。

一、理论机制分析与研究假说

(一)数字普惠金融与农业绿色全要素生产率的关系

首先,数字普惠金融解决了以往农村金融发展过程中存在的金融排斥问题,从外部改变了农业生产的资金积累模式,使农业生产者通过数字技术获得了金融服务,激发了农户使用金融借贷的意愿,加快了农户的生产资本积累[12]。数字普惠金融可以提供更加优质的金融服务,减少农业生产者的融资成本,鼓励和引导农户采取农业绿色生产行为,从而极大地提升了农业的全要素生产率。其次,数字普惠金融可以起到积极的减贫效果[13]、推动产业优化升级[14]、增加农民收入[15]并在一定程度上缩小城乡收入差距[16]。这样,农村地区可利用的资金数目就会增多,随着农村地区可用资金的不断增加,基础设施建设力度将会不断加大,农村的生产和居住条件、农民的生活水平等都得到了改善,推进了农村现代化进程,提高了农业绿色全要素生产率。最后,由于地理环境、经济发展水平及执行政策的不同,数字金融的覆盖面、使用情况和数字水平也因地而异,数字普惠金融对农业绿色全要素生产率也将产生不同程度的影响。根据以上分析,提出假设1和假设2。

假设1: 数字普惠金融对农业绿色全要素生产率的提高具有显著的正效应

假设2: 该效应存在区域差异和不同数字金融维度的差异

(二)数字普惠金融、技术进步与农业绿色全要素生产率的关系

随着农业的绿色发展日益受到重视,农业生产者必然要顾及到自然资源消耗和环境污染等因素,会增加对绿色技术的需求,以达到长远的效益。农业生产部门对技术创新的需求增加,农业技术研发的获利机会因此增加。在利润的诱致下,研发机构往往会致力于农业科技的研究和开发[17]。数字普惠金融为研发部门提供资金支持,降低企业科研成果的市场化限制,加快研发成果的转化和应用,从而推动农业生产技术的革新,促进农业绿色发展。此外,发展数字普惠金融可以有效地减少研发过程中可能出现的不可抗风险,增加科研机构参与农业技术开发的积极性。而技术进步可以在农业生产中促进绿色增效、降低碳排放、提高资源利用效率和农业废弃物的利用效率[18]。由此,本文提出假设3。

假设3: 数字普惠金融通过技术进步的中介作用影响农业绿色全要素生产率

综上所述,本文的具体影响机制理论逻辑框架如图1所示。

图1 研究框架图

二、研究设计

(一)使用超效率SBM模型测度农业绿色全要素生产率

数据包络分析(DEA)可以有效地规避主观因素对评价绿色发展水平的影响,被广泛应用于多种类型效率的测度。Tone[19]提出了SBM模型,但此模型存在一个不足,即当多个被评价对象同时达到有效状态时不能够进一步比较和排序,对此Tone又提出了超效率SBM模型弥补了这一不足。综合考虑下,本文采用超效率SBM模型对我国各省份农业绿色全要素生产率进行测算,模型如下:

(1)

参照孙炜琳[20]和魏琦[21]的研究,建立如表1所示的农业绿色全要素生产率投入产出指标体系。投入指标由劳动力投入、水资源投入、土地资源投入、农用机械投入和环境投入5部分组成,其中用农业总产值占农林牧渔业总产值的比重和第一产业从业人员数的乘积表示劳动投入;有效灌溉面积表示水资源投入;实际播种面积表示土地资源投入;农用机械总动力反映农业机械投入;环境投入指标分别用年度实际使用的化肥折纯量、农药施用量和农膜使用量表示。产出指标分为期望产出和非期望产出,分别用农业总产值表示期望产出,农业碳排放表示非期望产出。借鉴田云等[22]的研究,分2部分计算农业碳排放:一是农业、灌溉、柴油、化肥和农膜产生的碳排放总量;二是牲畜碳排放量、土壤N2O排放量和稻田CH4排放的碳排放总量。

(二)变量设计与数据来源

1．被解释变量:农业绿色全要素生产率(Aggtfp)。由上文评价指标体系测算得出。

2．核心解释变量:数字普惠金融指数(dige)。包括数字普惠金融总指数和数字普惠金融覆盖面(bre)、使用状况(dep)和数字水平(dig)3个分维度指标。为使实证分析更具科学性,本文选取数字普惠金融指数和3个分维度指标的自然对数。

3．中介变量:技术进步(Inpat)。参考白俊红等[23]的研究,使用R&D经费投入在地区生产总值中所占比重表示技术进步,并取对数处理。在稳健性检验中,使用专利申请数量(Inpatq)作为技术进步的代理变量。

4．控制变量。参考以往研究,本文控制了以下变量:

(1)环境规制强度(en)。以单位产出的污染治理经费衡量。政府加大对环境保护和污染治理的财政扶持力度有助于降低非期望产出[24],促进农业可持续发展,预期与农业绿色全要素生产率正相关。

(2)外商直接投资(fdi)。以各地区生产总值中外商投资额所占比重衡量。外商企业通过投资活动带来的技术外溢有助于本土企业模仿创新,吸收国外先进的绿色农业生产技术和管理经验,缓解农村地区资金约束,促进农业绿色生产[25],预期与农业绿色全要素生产率正相关。

(3)政府干预水平(gov)。以各地区生产总值中政府财政支出所占比重衡量。政府财政投入有助于改善农业生产条件,提高农业生产效益,扩大优质农产品供给,预期与农业绿色全要素生产率正相关。

所有变量的基本描述性统计如表2所示。

5．数据来源。在充分考虑原始数据可得性的基础上,本文样本涵盖了2011—2020年间中国30个省份的数据。各省(市、区)的相关数据均来自于国家统计局《中国统计年鉴》《中国农村统计年鉴》《中国区域统计年鉴》《中国人口和就业统计年鉴》《中国环境统计年鉴》以及各地区统计公报等。数字普惠金融发展总指数以及3个子指标来源于《北京大学数字普惠金融指数(2011—2020)》,它涵盖了2011—2020年中国各省级数据,具有较高的准确度、可靠性和权威性,符合本文实证要求。由于西藏及港澳台地区的统计资料存在较大遗漏,因此未纳入研究范围。

(三)模型构建

1．基准模型。本文的研究目的是考察数字普惠金融对农业绿色全要素生产率的影响,因此设定基准回归模型:

(2)

式(2)中,i,t分别指不同省份和年份,代表各省份i在t年的农业绿色全要素生产率,Indigeit代表各省份i在t年的数字普惠金融指数,Controlit代表控制变量,μi表示省份固定效应,εit为随机扰动项。

2．中介效应模型。参考有关文献并结合温忠麟[26]的中介效应模型进一步探讨数字普惠金融影响农业绿色全要素生产率的作用机制,建立中介效应模型式(3)—(5):

(3)

(4)

(5)

其中,Inpatit为中介变量。当中介效应成立时,需同时满足回归结果中α1、β1和γ3显著,且当γ1<α1时为部分中介效应,γ1不显著时为完全中介效应。

三、实证结果与分析

(一)基准回归分析

本文使用Stata.17软件对数据进行分析处理,结合LM检验和豪斯曼检验结果,选用固定效应模型进行回归分析。根据表3可得,第(1)列和第(2)列是OLS回归结果,第(3)列和第(4)列是固定效应模型回归结果,其中列(1)、列(3)没有添加控制变量,列(2)、列(4)添加了控制变量。结果显示,所有模型数字普惠金融的估计系数均在1%的水平下显著为正,并且都通过了1%的显著性检验,表明数字普惠金融的发展对中国农业绿色全要素生产率的提升具有明显的推动效应。由列(2)和列(4)可知:在OLS模型下,数字普惠金融对农业绿色全要素生产率的影响系数是0.065;在固定效应模型下,数字普惠金融对农业绿色全要素生产率的影响系数是0.054。这与假设1的内容完全相符合,验证了数字普惠金融对农业绿色全要素生产率产生了显著正向的影响。

表3 数字普惠金融对农业绿色全要素生产率的影响

(二)内生性检验

为避免数字普惠金融与农业绿色全要素生产率的相互影响,需要进一步对模型进行内生性检验,以确保其准确性。本文采用以下方法以避免内生性问题对结果产生的偏差:一是借鉴郭蕾等[27]构建动态面板模型的做法,在模型中加入农业绿色全要素生产率滞后一期项并使用广义矩估计(GMM)方法估计,由此减轻由于遗漏变量所带来的内生性问题。二是将数字普惠金融滞后一期项加入固定效应模型,更准确地估计其对农业绿色全要素生产率的影响,从而有效地缓解由于逆向因果关系引起的内生性问题。表4显示了内生性检验的结果。

表4 内生性检验

差分GMM和系统GMM的估计结果分别如列(1)和列(2)所示,可以看到二阶序列相关检验AR(2)和Hansen检验P值都在0.1以上,这表明,模型分别通过了序列相关检验和过度识别检验,数字普惠金融的估计结果相似,均显著为正。列(3)和列(4)分别是加入数字普惠金融滞后一期项的固定效应模型回归结果,其中列(3)未加入控制变量,列(4)加入全部控制变量,回归结果都通过了1%的显著性检验且显著为正。综上可知,在一定程度上解决内生性问题后,数字普惠金融仍能有效地促进农业绿色全要素生产率的提高,上述回归结果是可信的。

(三)异质性讨论

1．区域异质性。本文将全国样本划分为东部、中部、西部3个区域,以考察数字普惠金融对农业绿色全要素生产率的影响是否存在区域差异。对3个分样本分别使用固定效应模型进行检验,同时为了避免内生性的影响,将数字普惠金融滞后一期项的估计结果也纳入,如表5所示。可以看出,数字普惠金融在东、中、西3个区域对农业绿色全要素生产率的影响均显著为正,不同地区数字普惠金融对农业绿色全要素生产率的促进作用有所差异,促进作用最强的地区是东部,西部的提升作用次之,中部的促进作用最小,且数字普惠金融滞后一期项的估计结果也相同。上述结果可能是因为经济发展水平的区位特征差异导致。

表5 分地区回归结果

2．分维度异质性。对数字普惠金融指数的3个分维度指标与农业绿色全要素生产率做进一步的实证检验,同时为了避免内生性的影响,将数字普惠金融滞后一期项的估计结果也纳入,如表6所示。从列(1)和列(2)可以发现,数字普惠金融覆盖面(bre)对农业绿色全要素生产率影响的当期估计值为0.044,滞后一期项的估计值为0.038,均在1%的显著性水平上显著为正,表明数字普惠金融覆盖面对农业绿色全要素生产率的提高起到了促进作用。这可能是由于数字普惠金融的普及,农户可以得到更多的资金支持,更多的人可以将资金投入到农业生产和农村的发展之中,一定程度上提高了农业绿色全要素生产率。列(3)和列(4)表明使用状况(dep)对农业绿色全要素生产率的影响无论当期项还是滞后一期项均在1%的显著性水平上显著为正。列(5)和列(6)表明数字水平(dig)对农业绿色全要素生产率的影响是显著的,无论是当期项还是滞后一期项都通过了1%的显著性水平检验,且系数均为正值。比较3个维度的估计值,数字普惠金融使用状况估计值最大,覆盖面与数字水平估计值接近。因此,数字普惠金融在对农业绿色全要素生产率的影响上表现出显著的分维度异质性,其中数字普惠金融使用状况的促进作用最积极。到这里,假设2得到了证明。

表6 分维度回归结果

四、数字普惠金融影响农业绿色全要素生产率机制检验

为了进一步研究数字普惠金融影响农业绿色全要素生产率的作用机制,从技术进步角度对数字普惠金融影响农业绿色全要素生产率的渠道机制进行识别检验,结果见表7。可以看出,列(1)结果在前文已被验证,数字普惠金融能够显著提高农业绿色全要素生产率。列(2)为数字普惠金融对技术进步影响的估计结果,Indige的系数为0.514,且通过了1%的显著性水平检验,表明数字普惠金融对技术进步有正向促进的作用。列(3)表示加入技术进步中介变量后,数字普惠金融对农业绿色全要素生产率影响的估计结果,Inpat的系数值是0.139,且通过了1%的显著性水平检验,表明数字普惠金融对农业绿色全要素生产率的影响不仅存在直接效应也存在间接效应。此时,不需要再进行Sobel检验,认为中介效应是显著的。为了确认上述中介效应的可靠性,将专利申请数量(Inpatq)作为技术进步的代理变量,进一步得到列(4)和列(5)的估计结果。可以发现列(5)中Indige的系数为0.625,列(6)中Inpatq的系数为0.094,且均在1%显著性水平下显著,表示技术进步的中介效应依然显著存在。上述研究进一步说明了数字普惠金融影响农业绿色全要素生产率存在直接影响和通过技术进步间接影响的2条路径。到这里,假设3得到了证明。

表7 技术进步的中介效应检验

五、研究结论与政策建议

(一)研究结论

在“乡村振兴”和“双碳”战略背景下,推进数字普惠金融在农村地区的下沉对于增强农业绿色发展动能大有裨益。本研究旨在分析数字普惠金融对农业绿色全要素生产率的影响,在总结已有研究成果的基础上,提出了一个基于直接影响和间接传导机制的数字普惠金融和农业绿色全要素生产率理论框架。基于2011—2020年中国省级面板数据,构建回归模型,以技术进步为切入点,对数字普惠金融影响我国农业绿色全要素生产率的作用机制进行了探究,得到以下结论:(1)发展数字普惠金融能够有效提高我国农业绿色全要素生产率,这一结论在经过一系列内生性处理后依然是稳健的。(2)数字普惠金融对我国农业绿色全要素生产率的直接影响体现出了不同地区、不同维度的差异,尤其是对东部和西部的影响最为显著,数字普惠金融使用状况的积极效应最强烈。(3)从传导渠道来看,技术进步在数字普惠金融影响农业绿色全要素生产率的传导机制中起到正向的中介作用,即存在一条“发展数字普惠金融→技术进步→提高农业绿色全要素生产率”的传导机制。

(二)政策建议

鉴于上述研究结论,提出以下政策建议。

首先,应为农村地区数字普惠金融创造良好的发展环境。数字普惠金融将“互联网+”与传统普惠相结合,具备更全面的普惠性,一方面应加大农村互联网普及率,增加新型农村金融机构及其网点的数量,扩大数字普惠金融服务的深度和广度,最大化发挥数字普惠金融效用。另一方面,应以数字普惠金融发展为契机,完善相关金融支持政策,增加农业农村发展的金融供给。

其次,应以创新为驱动提升农业发展的技术含量。第一,地方政府要加强对农业科技研发的扶持,开设人才交流、技术学习培训,传递共享科技转换成果,实现产学研的有机结合,助推农业绿色发展。第二,不同地区之间要构建一个高效的技术交流合作平台,加强推广工作,激发农业经营主体创新活力和创造潜能,提升农业科技转化的效率。第三,鼓励为农业发展过程中出现的新产品、新技术进行专利申请,加大专利技术的保护力度和转化力度。

最后,在推动数字普惠金融的进程中,应当充分考虑地域差异,采取因势利导的差异化金融政策。由于中西部地区的数字金融要素向农村的渗透是比较缓慢的,同时受到经济发达地区“虹吸效应”的影响,不能很好把握数字时代农业新型发展机遇。因此应完善农村地区社会保障,引导金融资源向“涉农产业”及中西部省份农村地区倾斜,减少农户使用数字普惠金融后顾之忧,发挥其对农业生产的驱动作用。