鄭宏運(yùn)　李谷成

[摘 要] 基于2014—2018年860個(gè)縣域面板數(shù)據(jù)，在利用全局Malmquist指數(shù)測算農(nóng)業(yè)全要素生產(chǎn)率的基礎(chǔ)上，利用無條件分位數(shù)固定效應(yīng)模型分析了數(shù)字普惠金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率增長的影響。研究發(fā)現(xiàn)：數(shù)字普惠金融發(fā)展對縣域農(nóng)業(yè)全要素生產(chǎn)率增長具有顯著正向影響，但影響具有異質(zhì)性。具體來看，在選定的20、50和80分位點(diǎn)上，數(shù)字普惠金融發(fā)展的生產(chǎn)率提升效應(yīng)隨分位點(diǎn)提高而遞增。與之相比，傳統(tǒng)金融發(fā)展僅顯著提升了第20和50分位點(diǎn)的農(nóng)業(yè)全要素生產(chǎn)率，而在第80分位點(diǎn)沒有顯著影響。因此，從農(nóng)業(yè)生產(chǎn)率視角看，數(shù)字普惠金融具有明顯的“普惠”性質(zhì)，應(yīng)著力促進(jìn)農(nóng)村地區(qū)的數(shù)字普惠金融發(fā)展。

[關(guān)鍵詞]數(shù)字普惠金融;農(nóng)業(yè)全要素生產(chǎn)率;異質(zhì)性;分位數(shù)回歸模型

[中圖分類號]? F832;F49;F323[文獻(xiàn)標(biāo)識碼] A[文章編號] 1673-0461（2022）07-0081-07

一、引言

擴(kuò)大全要素生產(chǎn)率（Total factor productivity，TFP）對農(nóng)業(yè)經(jīng)濟(jì)增長的貢獻(xiàn)，是改革開放以來中國農(nóng)業(yè)取得巨大成就的成功經(jīng)驗(yàn)[1]。新形勢下，繼續(xù)推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)向全要素生產(chǎn)率驅(qū)動(dòng)型增長轉(zhuǎn)變得到了高度強(qiáng)調(diào)[2]，2018年中央一號文件和《國家質(zhì)量興農(nóng)戰(zhàn)略規(guī)劃》明確提出要“持續(xù)提高農(nóng)業(yè)創(chuàng)新力、競爭力和全要素生產(chǎn)率”。然而，當(dāng)前農(nóng)業(yè)生產(chǎn)“融資難、融資貴、風(fēng)險(xiǎn)高”等問題仍然突出，可能成為農(nóng)業(yè)TFP持續(xù)增長的嚴(yán)重阻礙。例如，在宏觀層面，由于農(nóng)業(yè)投資周期長、受自然風(fēng)險(xiǎn)影響大等問題，金融資源傾向于在城市集聚[3]。而在微觀層面，由于農(nóng)戶在信貸市場處于弱勢地位，無法獲得足夠信貸服務(wù)[4]，形成了農(nóng)業(yè)生產(chǎn)的信貸約束（Credit constraint）。這使得農(nóng)戶既難以增加投資以實(shí)現(xiàn)農(nóng)業(yè)技術(shù)進(jìn)步，也無法學(xué)習(xí)先進(jìn)技術(shù)來提高農(nóng)業(yè)生產(chǎn)效率，從而造成農(nóng)業(yè)TFP增長難以持續(xù)的困境。在此背景下，為實(shí)現(xiàn)黨的十九屆五中全會(huì)提出的“提高農(nóng)業(yè)質(zhì)量效益和競爭力”的目標(biāo)，迫切需要加大金融資本對農(nóng)投資力度、構(gòu)建面向農(nóng)業(yè)農(nóng)村發(fā)展需求的現(xiàn)代金融體系。

近年來，中國的數(shù)字普惠金融得到迅猛發(fā)展，2011—2018年省級數(shù)字普惠金融指數(shù)年均增長率為36.4%。數(shù)字普惠金融模式克服了傳統(tǒng)金融模式對服務(wù)機(jī)構(gòu)網(wǎng)點(diǎn)、服務(wù)準(zhǔn)入門檻和服務(wù)客戶群體等方面要求高的弊端，對打通農(nóng)業(yè)農(nóng)村金融服務(wù)的“最后一公里”有重要意義[4]，已成為中國發(fā)展普惠金融的一項(xiàng)重要實(shí)踐[5]。2018年中央一號文件明確提出“普惠金融重點(diǎn)要放在農(nóng)村”。由于數(shù)字普惠金融具有“普惠”性質(zhì)，加上近年來國家對農(nóng)村地區(qū)信息通訊基礎(chǔ)設(shè)施建設(shè)的投資與支持，數(shù)字普惠金融發(fā)展對農(nóng)業(yè)農(nóng)村經(jīng)濟(jì)方方面面都產(chǎn)生了重要影響。

本文從提升農(nóng)業(yè)TFP的迫切需要和數(shù)字普惠金融發(fā)展的現(xiàn)實(shí)特征出發(fā)，重點(diǎn)關(guān)注數(shù)字普惠金融發(fā)展對縣域農(nóng)業(yè)TFP增長的影響。首先，利用2014—2018年860個(gè)縣域面板數(shù)據(jù)和全局Malmquist全要素生產(chǎn)率指數(shù)測算縣域農(nóng)業(yè)TFP;其次，采用無條件分位數(shù)固定效應(yīng)模型分析數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的影響;最后，將數(shù)字普惠金融發(fā)展與傳統(tǒng)金融發(fā)展相比較，探討農(nóng)業(yè)生產(chǎn)率視角下數(shù)字普惠金融是否具有“普惠”性質(zhì)。

本文對已有文獻(xiàn)的邊際貢獻(xiàn)在于：第一，探究數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP增長的影響，從農(nóng)業(yè)生產(chǎn)率視角為驗(yàn)證數(shù)字普惠金融的普惠性質(zhì)提供新的經(jīng)驗(yàn)證據(jù)。第二，縣域農(nóng)村被認(rèn)為是普惠金融的薄弱環(huán)節(jié)[4]，從縣域?qū)用骈_展研究極具現(xiàn)實(shí)意義。本文充分利用數(shù)字普惠金融指數(shù)的大樣本數(shù)據(jù)優(yōu)勢，將數(shù)字普惠金融與農(nóng)業(yè)生產(chǎn)率的研究向縣域?qū)用嫱卣?。第三，采用無條件分位數(shù)固定效應(yīng)模型考察數(shù)字普惠金融對農(nóng)業(yè)TFP的異質(zhì)性影響，與已有文獻(xiàn)所利用的固定效應(yīng)模型等只能估計(jì)平均效應(yīng)的方法不同，無條件分位數(shù)回歸可以提供不同農(nóng)業(yè)生產(chǎn)率水平下的估計(jì)，相關(guān)結(jié)果具有更為精準(zhǔn)的政策啟示，從而可以充分發(fā)揮數(shù)字普惠金融發(fā)展的農(nóng)業(yè)生產(chǎn)率提升效應(yīng)。

二、文獻(xiàn)綜述與研究假設(shè)

（一）文獻(xiàn)綜述

從已有研究來看，數(shù)字普惠金融發(fā)展在縮小城鄉(xiāng)收入差距[6]、增加農(nóng)村居民消費(fèi)支出[7]、促進(jìn)農(nóng)村居民創(chuàng)業(yè)[8]、提高農(nóng)戶信貸可得性[9]、降低農(nóng)戶貧困脆弱性[10]和提高生育率[11]等方面發(fā)揮了重要作用。一些文獻(xiàn)關(guān)注到數(shù)字普惠金融發(fā)展對TFP率增長的作用，但主要集中在區(qū)域經(jīng)濟(jì)、非農(nóng)部門等方面的研究。宋敏等[12]基于2011—2018年A股上市公司數(shù)據(jù)的研究指出，金融科技發(fā)展顯著提高了企業(yè)TFP。江紅莉和蔣鵬程[13]對2011—2017年A股非金融類上市公司開展研究，發(fā)現(xiàn)數(shù)字金融有效提升了企業(yè)TFP。侯層和李北偉[14]分析了2011—2018年省級面板數(shù)據(jù)并證實(shí)金融科技顯著提高了省級TFP。賀茂斌和楊曉維[15]對2011—2018年省級面板的研究表明，數(shù)字普惠金融有效降低了金融服務(wù)門檻進(jìn)而提高了區(qū)域TFP。褚翠翠等[16]利用2011—2018年省級面板數(shù)據(jù)的研究發(fā)現(xiàn)，數(shù)字普惠金融發(fā)展促進(jìn)本省經(jīng)濟(jì)增長，但對鄰近省份存在負(fù)向的空間溢出效應(yīng)。就本文所知，僅有少數(shù)文獻(xiàn)分析了金融發(fā)展與農(nóng)業(yè)TFP增長的關(guān)系，且主要集中在省級層面的討論。謝攀[17]分析了2009—2017年省級面板數(shù)據(jù)并發(fā)現(xiàn)金融發(fā)展對農(nóng)業(yè)TFP有顯著提升作用。李健旋[18]對2000—2015年省級面板數(shù)據(jù)的實(shí)證表明農(nóng)村金融發(fā)展規(guī)模增加、結(jié)構(gòu)優(yōu)化和效率提高均顯著提高了農(nóng)業(yè)綠色TFP。葛和平和高越[19]利用2011—2018年省級面板數(shù)據(jù)的研究發(fā)現(xiàn)，數(shù)字普惠金融發(fā)展有效提升了農(nóng)業(yè)TFP。這與劉艷[20]的研究結(jié)論相一致。

與上述文獻(xiàn)不同，本文將視角轉(zhuǎn)向數(shù)字普惠金融發(fā)展與縣域農(nóng)業(yè)TFP增長的關(guān)系。選擇從數(shù)字普惠金融視角分析的原因主要有兩點(diǎn)：一是全面推進(jìn)鄉(xiāng)村振興、實(shí)現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化迫切需要金融服務(wù)的賦能助力。而數(shù)字普惠金融是近年來中國金融市場領(lǐng)域的一項(xiàng)重要實(shí)踐，對推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)增長有重要意義，分析其對縣域農(nóng)業(yè)TFP的影響非常有必要。二是與工業(yè)等非農(nóng)部門相比，農(nóng)業(yè)部門及農(nóng)業(yè)生產(chǎn)者在金融信貸市場上長期處于弱勢地位[3-4]，如何改善農(nóng)業(yè)信貸資源錯(cuò)配、緩解農(nóng)戶信貸約束始終是農(nóng)村金融市場改革的重點(diǎn)。如果數(shù)字普惠金融真正具有“普惠”的性質(zhì)，其對農(nóng)業(yè)生產(chǎn)率的影響顯然更為重要，開展相關(guān)研究更具意義。

（二）研究假設(shè)

根據(jù)全要素生產(chǎn)率理論，農(nóng)業(yè)TFP衡量的是農(nóng)業(yè)產(chǎn)出增長中去除投入增長的部分，即生產(chǎn)過程中除要素投入以外其他因素的加總影響，包括農(nóng)業(yè)技術(shù)進(jìn)步和要素利用效率提高等，但這些往往都是以增加投資為基礎(chǔ)的[21]。數(shù)字普惠金融發(fā)展提高了農(nóng)村地區(qū)金融和信貸服務(wù)的可得性，有效緩解農(nóng)業(yè)生產(chǎn)中的融資約束[9]，進(jìn)而會(huì)對農(nóng)業(yè)TFP增長產(chǎn)生重要影響。

值得討論的是，如果將農(nóng)業(yè)生產(chǎn)單元的生產(chǎn)率差異考慮進(jìn)來，那么，數(shù)字普惠金融發(fā)展的農(nóng)業(yè)TFP提升效應(yīng)對不同生產(chǎn)率水平的生產(chǎn)單元可能不是同質(zhì)的。農(nóng)業(yè)TFP的高低反映出生產(chǎn)單元在農(nóng)業(yè)經(jīng)濟(jì)增長質(zhì)量、農(nóng)業(yè)技術(shù)創(chuàng)新、資源利用和配置效率等方面的差異[1]。對于低效率生產(chǎn)單元而言，較低的農(nóng)業(yè)TFP水平不僅是其生產(chǎn)效率低下的體現(xiàn)，更反映出其在農(nóng)業(yè)技術(shù)創(chuàng)新能力、效率改善和資源配置等方面可能存在瓶頸。經(jīng)驗(yàn)證據(jù)上，ZHENG和MA[22]研究證實(shí)金融市場發(fā)展對農(nóng)業(yè)資源配置效率的作用受當(dāng)?shù)刭Y源配置效率相對水平的影響。這意味著，與已有文獻(xiàn)所關(guān)注的平均效應(yīng)不同，數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的影響可能會(huì)隨著生產(chǎn)單元相對生產(chǎn)率水平的不同而有所差異。對于低效率生產(chǎn)單元，受當(dāng)?shù)氐霓r(nóng)業(yè)技術(shù)水平或要素利用和配置能力等制約，數(shù)字普惠金融發(fā)展的農(nóng)業(yè)TFP提升效應(yīng)可能無法完全發(fā)揮;而對于高效率生產(chǎn)單元，受益于當(dāng)?shù)叵鄬^優(yōu)的農(nóng)業(yè)技術(shù)水平或資源利用和配置能力，數(shù)字普惠金融發(fā)展的激勵(lì)作用越發(fā)明顯，農(nóng)業(yè)TFP的提升效應(yīng)會(huì)相對更高。根據(jù)上述討論，可以提出本文的研究假說：

H1：數(shù)字普惠金融發(fā)展更大程度地促進(jìn)了相對生產(chǎn)率較高的農(nóng)業(yè)生產(chǎn)單元TFP增長。

三、實(shí)證方法與數(shù)據(jù)來源

（一）農(nóng)業(yè)全要素生產(chǎn)率測算

本文參考已有文獻(xiàn)[23]，利用數(shù)據(jù)包絡(luò)分析方法中的全局Malmquist全要素生產(chǎn)率指數(shù)（Global Malmquist Index）測算農(nóng)業(yè)TFP。傳統(tǒng)DEA-Malmquist指數(shù)法在測算農(nóng)業(yè)TFP時(shí)僅利用當(dāng)期數(shù)據(jù)構(gòu)造生產(chǎn)前沿面。與之相比，全局Malmquist指數(shù)在構(gòu)建各期前沿面時(shí)包含了所有時(shí)期的參考集。這既避免了“技術(shù)退步”悖論的出現(xiàn)，同時(shí)也使測算指數(shù)具有可累乘和傳遞性的良好性質(zhì)。在產(chǎn)出導(dǎo)向和規(guī)模不變的條件下，全局Malmquist全要素生產(chǎn)率指數(shù)可表示為：

公式（1）中，Eg（xt+1，yt+1）和Eg（xt，yt）分別表示在t+1期和t期的全局距離函數(shù)。本文在已有文獻(xiàn)的基礎(chǔ)上[24-26]，選擇投入產(chǎn)出變量如下：農(nóng)業(yè)產(chǎn)出以第一產(chǎn)業(yè)增加值表示，并以省級第一產(chǎn)業(yè)增加值指數(shù)折算為2014年不變價(jià)。投入包括勞動(dòng)、土地、機(jī)械和化肥四種要素，這也是中國農(nóng)業(yè)TFP研究中最常見的四種要素。其中，勞動(dòng)投入以農(nóng)林牧漁業(yè)從業(yè)人員表示，土地投入以農(nóng)作物總播種面積表示，機(jī)械投入以農(nóng)業(yè)機(jī)械總動(dòng)力表示，化肥投入以農(nóng)用化肥施用折純量表示。

（二）無條件分位數(shù)固定效應(yīng)模型

在討論分析異質(zhì)性的無條件分位數(shù)固定效應(yīng)模型之前，首先考慮平均意義上數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的影響，可以表示為：

公式（2）中，i表示農(nóng)業(yè)生產(chǎn)單元，在本文中指縣域，t表示年份。TFPit表示第i個(gè)縣在t時(shí)期的農(nóng)業(yè)TFP水平。Dit表示數(shù)字普惠金融發(fā)展程度，Xkit（k=1，…，k）表示第k個(gè)控制變量，α、β和γk為待估參數(shù)，μi和θt為空間效應(yīng)和時(shí)間效應(yīng)，εit為隨機(jī)誤差項(xiàng)。利用隨機(jī)效應(yīng)模型或固定效應(yīng)模型對公式（2）進(jìn)行估計(jì)，系數(shù)β就反映出數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP影響的平均效應(yīng)。

根據(jù)上一節(jié)的理論分析，數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的影響可能會(huì)因農(nóng)業(yè)生產(chǎn)單元生產(chǎn)率水平的不同而有所差異。為此，本文利用無條件分位數(shù)固定效應(yīng)模型對數(shù)字普惠金融發(fā)展的異質(zhì)性影響開展實(shí)證檢驗(yàn)。已有文獻(xiàn)應(yīng)用較為廣泛的包括條件分位數(shù)回歸（Conditional quantile regression，CQR）模型和無條件分位數(shù)回歸（Unconditional quantile regression，UQR）模型[27]。需要指出的是，條件分位數(shù)回歸的估計(jì)結(jié)果依賴于所選擇的控制變量，當(dāng)控制變量有所刪減時(shí)所估計(jì)的結(jié)果也會(huì)隨之變化，而無條件分位數(shù)回歸則克服了這一缺點(diǎn)，所估計(jì)的結(jié)果是“無條件”的。所以本文主要利用無條件分位數(shù)回歸模型進(jìn)行分析。參考已有文獻(xiàn)[28]，無條件分位數(shù)回歸模型的再中心化影響函數(shù)（Recentered influence function，RIF）可以表示為：

公式（2）和（3）中的TFPit均表示農(nóng)業(yè)TFP，以累積折算后的全局Malmquist指數(shù)表示[23]。qτ是農(nóng)業(yè)TFP在第τ個(gè)分位點(diǎn)的無條件分布，I（lnTFPit≤qτ）是一個(gè)區(qū)分農(nóng)業(yè)TFP比τ大還是小的二元變量，flnTFP（qτ）表示在qτ估計(jì)的農(nóng)業(yè)TFP的概率密度函數(shù)（Probability density function）。由于本文所利用的是縣域面板數(shù)據(jù)，必須對那些不隨時(shí)間變化但可能會(huì)影響農(nóng)業(yè)TFP的因素加以控制?；诖?，本文主要利用BORGEN[29]提出的無條件分位數(shù)固定效應(yīng)模型（UQR with fixed effects）估計(jì)公式（3）。

數(shù)字普惠金融發(fā)展Dit以數(shù)字普惠發(fā)展金融指數(shù)表示。本文還參考已有文獻(xiàn)[4]，構(gòu)建了傳統(tǒng)金融發(fā)展水平變量，具體用金融機(jī)構(gòu)貸款余額與地區(qū)GDP之比表示。與本文關(guān)注的普惠金融運(yùn)行模式不同，傳統(tǒng)金融服務(wù)主要是依賴于金融機(jī)構(gòu)開展的。因此，金融發(fā)展水平可以反映傳統(tǒng)金融發(fā)展程度，還可以與數(shù)字普惠金融發(fā)展的作用相比較。

本文選擇控制變量如下：①人口密度，用總?cè)丝跀?shù)與地區(qū)行政面積之比表示。人口密度可以反映出當(dāng)?shù)睾暧^經(jīng)濟(jì)特征，宏觀經(jīng)濟(jì)發(fā)展會(huì)通過產(chǎn)業(yè)競爭、資源流動(dòng)等影響農(nóng)業(yè)TFP[2]。本文引入人口密度反映宏觀經(jīng)濟(jì)環(huán)境對農(nóng)業(yè)TFP的影響。②財(cái)政支出比重，用財(cái)政支出與地區(qū)GDP之比表示。政府干預(yù)經(jīng)濟(jì)較為典型的形式是進(jìn)行財(cái)政補(bǔ)貼[30]?；谶@一思路，本文認(rèn)為財(cái)政支出占比可以反映出政府干預(yù)對農(nóng)業(yè)TFP的影響。③產(chǎn)業(yè)結(jié)構(gòu)指數(shù)，具體設(shè)定為第一產(chǎn)業(yè)總產(chǎn)值/地區(qū)生產(chǎn)總值+2×第二產(chǎn)業(yè)總產(chǎn)值/地區(qū)生產(chǎn)總值+3×第三產(chǎn)業(yè)總產(chǎn)值/地區(qū)生產(chǎn)總值。產(chǎn)業(yè)結(jié)構(gòu)變遷理論指出，產(chǎn)業(yè)結(jié)構(gòu)變遷過程伴隨著部門間要素配置和生產(chǎn)率變化[31]，由此可能與農(nóng)業(yè)部門的生產(chǎn)率增長息息相關(guān)。④衛(wèi)生基礎(chǔ)設(shè)施，用醫(yī)療衛(wèi)生機(jī)構(gòu)床位數(shù)與總?cè)丝谥缺硎?。BARRO[32]基于內(nèi)生增長模型在理論上證實(shí)基礎(chǔ)設(shè)施建設(shè)對經(jīng)濟(jì)增長具有外部性。衛(wèi)生基礎(chǔ)設(shè)施既是一種典型的公共基礎(chǔ)設(shè)施，又可以通過保障農(nóng)業(yè)勞動(dòng)力健康進(jìn)而提升農(nóng)村人力資本[2]。本文引入衛(wèi)生基礎(chǔ)設(shè)施來探究基礎(chǔ)設(shè)施對農(nóng)業(yè)TFP增長的影響。⑤土地資源稟賦，用農(nóng)作物播種面積與農(nóng)林牧漁業(yè)從業(yè)人員之比表示。ADAMOPOULOS和RESTUCCIA[33]通過跨國比較證實(shí)，土地密度是解釋跨國農(nóng)業(yè)生產(chǎn)率差異的重要因素。規(guī)模經(jīng)濟(jì)理論也指出，適度的土地經(jīng)營規(guī)模有利于農(nóng)業(yè)生產(chǎn)者實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)，提高農(nóng)業(yè)生產(chǎn)率。本文構(gòu)建的人均農(nóng)作物播種面積考慮了復(fù)種指數(shù)，更能真實(shí)反映土地資源稟賦對農(nóng)業(yè)TFP的影響。⑥化肥使用強(qiáng)度，用化肥施用折純量與農(nóng)作物總播種面積之比表示?；士梢杂行岣咄恋胤柿?，是一種典型的土地節(jié)約型技術(shù)進(jìn)步[22]。本文通過化肥使用強(qiáng)度來考察其對農(nóng)業(yè)TFP的作用。相關(guān)性檢驗(yàn)結(jié)果表明，上述控制變量與被解釋變量存在顯著相關(guān)性，表明本文變量選擇相對合理。

（三）數(shù)據(jù)來源

本文數(shù)據(jù)主要來自于《中國縣域統(tǒng)計(jì)年鑒》、《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》和省市級統(tǒng)計(jì)年鑒等官方統(tǒng)計(jì)資料。數(shù)字普惠金融發(fā)展數(shù)據(jù)則來自于北京大學(xué)數(shù)字金融研究中心發(fā)布的數(shù)字普惠金融指數(shù)，該指數(shù)基于數(shù)字金融的覆蓋廣度、使用深度和數(shù)字程度等進(jìn)行測度，對于該指數(shù)的指標(biāo)體系和測算方法的詳細(xì)介紹可以參考郭峰等的研究[5]。需要指出的是，本文所使用的數(shù)字普惠金融發(fā)展變量仍然是縣域口徑而非是針對于縣域農(nóng)業(yè)的，但縣域在當(dāng)前推進(jìn)鄉(xiāng)村振興戰(zhàn)略中的地位十分重要，特別是在區(qū)域金融協(xié)調(diào)發(fā)展方面扮演著關(guān)鍵角色。因此，本文認(rèn)為用縣域?qū)用娴臄?shù)字普惠金融發(fā)展指數(shù)來表示農(nóng)村普惠金融發(fā)展水平是合理的，這也與已有文獻(xiàn)的處理相一致[4]。對于上述變量中的極少數(shù)缺失值，本文通過插值法予以補(bǔ)齊。

由于縣域?qū)用娴钠栈萁鹑诎l(fā)展指數(shù)可用的最早年份為2014年，本文在測算農(nóng)業(yè)TFP時(shí)，對數(shù)據(jù)進(jìn)行匹配并得到了2014—2018年860個(gè)縣的平衡面板數(shù)據(jù)。由于基期2014年的全局Malmquist指數(shù)為1，本文利用2015—2018年的面板數(shù)據(jù)分析數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP影響。各變量的描述性統(tǒng)計(jì)見表1。

本文還繪制了農(nóng)業(yè)TFP的分布圖，具體見圖1?？梢钥闯隹h域農(nóng)業(yè)TFP分布整體較為分散，2015年至2018年，TFP分布函數(shù)向右移動(dòng)，表明農(nóng)業(yè)TFP在研究區(qū)間內(nèi)呈增長趨勢。但峰值卻有所變小，分布更為分散，表明不同縣域間農(nóng)業(yè)TFP水平差異很大，只關(guān)注數(shù)字普惠金融發(fā)展的平均效應(yīng)則會(huì)忽視可能存在的區(qū)域異質(zhì)性。因此，利用無條件分位數(shù)固定效應(yīng)模型探究異質(zhì)性影響很有必要。

四、實(shí)證結(jié)果與分析

（一）數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的影響分析

表2匯報(bào)了數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP影響的估計(jì)結(jié)果。為簡明起見，本文僅匯報(bào)了無條件分位數(shù)固定效應(yīng)模型在第20、50和80分位點(diǎn)的估計(jì)結(jié)果，具體見表2的第二至第四列。為進(jìn)行比較，同時(shí)將固定效應(yīng)模型估計(jì)的平均效應(yīng)結(jié)果陳列在最后一列。通過Hausman檢驗(yàn)結(jié)果判斷選擇固定效應(yīng)估計(jì)是否合適，檢驗(yàn)值在1%水平上顯著，表明應(yīng)選擇固定效應(yīng)模型估計(jì)。

首先看關(guān)鍵變量的結(jié)果，數(shù)字普惠金融發(fā)展在最后一列的系數(shù)為正且顯著，表明在平均水平上，數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP增長有顯著正向影響。分位數(shù)模型的估計(jì)結(jié)果則顯示，在選定的3個(gè)分位點(diǎn)上，數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的影響均為正且顯著。估計(jì)系數(shù)從最低20分位點(diǎn)的0.139增長到最高80分位點(diǎn)的0.605，表明數(shù)字普惠金融發(fā)展的農(nóng)業(yè)TFP提升效應(yīng)隨著分位點(diǎn)提高而增大。其現(xiàn)實(shí)含義是，對處于農(nóng)業(yè)TFP高分位點(diǎn)的縣而言，其從數(shù)字普惠金融發(fā)展中的獲益更大。而數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP水平較低的縣的農(nóng)業(yè)生產(chǎn)率提升效應(yīng)則相對較小。上述討論支持了研究假說H1，表明數(shù)字普惠金融發(fā)展的農(nóng)業(yè)TFP提升效應(yīng)具有異質(zhì)性，受農(nóng)業(yè)生產(chǎn)單元相對生產(chǎn)率水平的影響。此外，其他控制變量如人口密度、財(cái)政支出比重、產(chǎn)業(yè)結(jié)構(gòu)指數(shù)、衛(wèi)生基礎(chǔ)設(shè)施和土地資源稟賦等對農(nóng)業(yè)TFP均有顯著的異質(zhì)性影響，考慮到本文重點(diǎn)關(guān)注數(shù)字普惠金融發(fā)展與農(nóng)業(yè)TFP增長的關(guān)系，在此不多做討論。

進(jìn)一步將樣本劃分為東中西三個(gè)地區(qū)考察可能的地區(qū)異質(zhì)性，估計(jì)結(jié)果見表3。限于篇幅，本文省略匯報(bào)控制變量的結(jié)果。固定效應(yīng)模型和分位數(shù)模型的估計(jì)結(jié)果表明，在東中西部地區(qū)，數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP均有顯著正向影響且同樣存在異質(zhì)性。這說明數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的異質(zhì)性影響在不同地區(qū)均廣泛存在。值得注意的是，與東中部地區(qū)相比，數(shù)字普惠金融發(fā)展在西部的第20分位點(diǎn)的估計(jì)系數(shù)更大。說明盡管西部經(jīng)濟(jì)發(fā)展水平等相對較低，但對這些地區(qū)農(nóng)業(yè)TFP水平較低的縣，數(shù)字普惠金融的農(nóng)業(yè)TFP提升作用更為明顯。

（二）傳統(tǒng)金融發(fā)展對農(nóng)業(yè)TFP的影響分析

為與數(shù)字普惠金融發(fā)展相比較，本文還參考已有文獻(xiàn)[4]，構(gòu)建了傳統(tǒng)金融發(fā)展水平指標(biāo)，并分析其對農(nóng)業(yè)TFP的影響，結(jié)果見表4。首先，最后一列的估計(jì)結(jié)果表明傳統(tǒng)金融發(fā)展對農(nóng)業(yè)TFP具有顯著的正向影響，這與已有研究結(jié)論較為一致[17]。其次，分位數(shù)模型的估計(jì)結(jié)果表明，傳統(tǒng)金融發(fā)展對農(nóng)業(yè)TFP的顯著正向影響僅存在于第20和50分位點(diǎn)，而對于最高的80分位點(diǎn)則沒有顯著影響。說明對位于農(nóng)業(yè)TFP高分位點(diǎn)的縣，傳統(tǒng)金融發(fā)展并未起到提高農(nóng)業(yè)生產(chǎn)率的作用。這一結(jié)果表明，與傳統(tǒng)金融發(fā)展相比，數(shù)字普惠金融發(fā)展的農(nóng)業(yè)生產(chǎn)率提升效應(yīng)具有“普惠”作用。最后，表4與表2比較發(fā)現(xiàn)，數(shù)字普惠金融發(fā)展系數(shù)比傳統(tǒng)金融發(fā)展更大。表明數(shù)字普惠金融發(fā)展的農(nóng)業(yè)TFP提升作用更為顯著。

（三）穩(wěn)健性檢驗(yàn)

部分文獻(xiàn)指出，數(shù)字普惠金融發(fā)展變量可能是內(nèi)生的[6]。雖然本文采用面板數(shù)據(jù)和固定效應(yīng)模型來控制那些不隨時(shí)間變化的遺漏變量，可以在一定程度上減輕內(nèi)生性，但為了進(jìn)一步驗(yàn)證結(jié)果的穩(wěn)健性，本文通過替換關(guān)鍵變量進(jìn)行穩(wěn)健性檢驗(yàn)。具體將數(shù)字普惠金融發(fā)展滯后一期進(jìn)行估計(jì)。表5匯報(bào)了穩(wěn)健性檢驗(yàn)的估計(jì)結(jié)果，限于篇幅，同樣省略匯報(bào)控制變量的估計(jì)。滯后一期的估計(jì)結(jié)果表明，數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的正向影響仍然存在，雖然系數(shù)有所減小，但在固定效應(yīng)模型和分位數(shù)回歸模型中均顯著。從系數(shù)大小來看，從20分位點(diǎn)的0.096提高到80分位點(diǎn)的0.413，仍然符合隨分位數(shù)提高而單調(diào)遞增的特征。綜合來看，上述結(jié)果基本支持了表2的結(jié)果，表明本文的估計(jì)較為穩(wěn)健。

五、結(jié)論與政策啟示

本文重點(diǎn)分析了數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP增長的異質(zhì)性影響。首先利用2014—2018年860個(gè)縣域面板數(shù)據(jù)和全局Malmquist指數(shù)法測算了縣域農(nóng)業(yè)TFP，然后利用無條件分位數(shù)固定效應(yīng)模型分析了數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的異質(zhì)性效應(yīng)。論文發(fā)現(xiàn)：第一，數(shù)字普惠金融發(fā)展顯著促進(jìn)了縣域農(nóng)業(yè)TFP的增長，但影響的大小依賴于縣域的相對生產(chǎn)率水平。即數(shù)字普惠金融發(fā)展對農(nóng)業(yè)TFP的影響存在異質(zhì)性。第二，在選定的第20、50和80分位點(diǎn)上，數(shù)字普惠金融發(fā)展的農(nóng)業(yè)TFP提升效應(yīng)隨分位點(diǎn)的提高而遞增。第三，與數(shù)字普惠金融不同，傳統(tǒng)金融發(fā)展僅對那些生產(chǎn)率水平較低（第20和50分位點(diǎn)）的縣域農(nóng)業(yè)TFP有顯著的提升作用，隨著相對生產(chǎn)率的提高（第80分位點(diǎn)），其正向影響不再顯著。

本文研究證實(shí)，從農(nóng)業(yè)生產(chǎn)率視角來看，數(shù)字普惠金融發(fā)展具有明顯的“普惠”性質(zhì)。與之相比，傳統(tǒng)金融發(fā)展則并不具備類似性質(zhì)。本文的研究結(jié)論對推進(jìn)農(nóng)村金融市場改革、實(shí)現(xiàn)農(nóng)業(yè)TFP可持續(xù)增長具有重要的政策啟示。根據(jù)上述結(jié)論，本文提出如下的政策建議：第一，加快農(nóng)村地區(qū)數(shù)字普惠金融發(fā)展與推廣。數(shù)字普惠金融發(fā)展是促進(jìn)不同地區(qū)農(nóng)業(yè)TFP增長的有效途徑。在農(nóng)業(yè)動(dòng)能轉(zhuǎn)換的背景下，繼續(xù)推動(dòng)數(shù)字普惠金融發(fā)展有利于農(nóng)業(yè)轉(zhuǎn)向生產(chǎn)率驅(qū)動(dòng)型增長。第二，推動(dòng)數(shù)字普惠金融發(fā)展的政策制定需要注意地區(qū)間的均衡性和偏向性。實(shí)證結(jié)果表明，中部地區(qū)低生產(chǎn)率水平的縣域受數(shù)字普惠金融發(fā)展的作用相對較小。對此，要針對性出臺幫扶政策，具體措施可以通過加強(qiáng)金融基礎(chǔ)設(shè)施建設(shè)、開展普惠金融使用培訓(xùn)等。第三，推動(dòng)傳統(tǒng)金融服務(wù)轉(zhuǎn)型升級。鼓勵(lì)銀行業(yè)和金融服務(wù)業(yè)通過改造升級金融信貸服務(wù)等手段和形式，針對農(nóng)村地區(qū)構(gòu)建多層次、廣覆蓋的服務(wù)體系，以實(shí)現(xiàn)傳統(tǒng)金融發(fā)展對不同地區(qū)農(nóng)業(yè)TFP廣泛的提升作用。

[參考文獻(xiàn)]

[1]李谷成.中國農(nóng)村經(jīng)濟(jì)制度變遷、農(nóng)業(yè)生產(chǎn)績效與動(dòng)態(tài)演進(jìn)——基于1978～2005年省際面板數(shù)據(jù)的DEA實(shí)證[J].制度經(jīng)濟(jì)學(xué)研究，2009（3）：20-54.

[2]高維龍，李士梅，胡續(xù)楠.糧食產(chǎn)業(yè)高質(zhì)量發(fā)展創(chuàng)新驅(qū)動(dòng)機(jī)制分析——基于全要素生產(chǎn)率時(shí)空演化視角[J].當(dāng)代經(jīng)濟(jì)管理，2021，43（11）：53-64.

[3]鐘騰，吳衛(wèi)星，瑪西高娃.金融市場化、農(nóng)村資金外流與城鄉(xiāng)收入差距[J].南開經(jīng)濟(jì)研究，2020（4）：144-164.

[4]張龍耀，邢朝輝.中國農(nóng)村數(shù)字普惠金融發(fā)展的分布動(dòng)態(tài)、地區(qū)差異與收斂性研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（3）：23-42.

[5]郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)（季刊），2020，19（4）：1401-1418.

[6]周利，馮大威，易行健.數(shù)字普惠金融與城鄉(xiāng)收入差距：“數(shù)字紅利”還是“數(shù)字鴻溝”[J].經(jīng)濟(jì)學(xué)家，2020（5）：99-108.

[7]LI J， WU Y， XIAO J J. The impact of digital finance on household consumption： evidence from China[J]. Economic modelling， 2020，86（September 2019）： 317-326.

[8]張林，溫濤.數(shù)字普惠金融發(fā)展如何影響居民創(chuàng)業(yè)[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2020（4）：85-95.

[9]樊文翔.數(shù)字普惠金融提高了農(nóng)戶信貸獲得嗎？[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021（1）：109-119.

[10]彭澎，徐志剛.數(shù)字普惠金融能降低農(nóng)戶的脆弱性嗎？[J].經(jīng)濟(jì)評論，2021（1）：82-95.

[11]盛思思，徐展.數(shù)字普惠金融與生育：促進(jìn)還是擠出[J].當(dāng)代經(jīng)濟(jì)管理，2022，44（3）：81-89.

[12]宋敏，周鵬，司海濤.金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角[J].中國工業(yè)經(jīng)濟(jì)，2021（4）：138-155.

[13]江紅莉，蔣鵬程.數(shù)字金融能提升企業(yè)全要素生產(chǎn)率嗎？——來自中國上市公司的經(jīng)驗(yàn)證據(jù)[J].上海財(cái)經(jīng)大學(xué)學(xué)報(bào)，2021，23（3）：3-18.

[14]侯層，李北偉.金融科技是否提高了全要素生產(chǎn)率——來自北京大學(xué)數(shù)字普惠金融指數(shù)的經(jīng)驗(yàn)證據(jù)[J].財(cái)經(jīng)科學(xué)，2020（12）：1-12.

[15]賀茂斌，楊曉維.數(shù)字普惠金融、碳排放與全要素生產(chǎn)率[J].金融論壇，2021，26（2）：18-25.

[16]褚翠翠，佟孟華，李洋，等.中國數(shù)字普惠金融與省域經(jīng)濟(jì)增長——基于空間計(jì)量模型的實(shí)證研究[J].經(jīng)濟(jì)問題探索，2021（6）：179-190.

[17]謝攀.城鎮(zhèn)化、金融發(fā)展與農(nóng)業(yè)全要素生產(chǎn)率[J].農(nóng)村金融研究，2020（11）：27-37.

[18]李健旋.農(nóng)村金融發(fā)展與農(nóng)業(yè)綠色全要素生產(chǎn)率提升研究[J].管理評論，2021，33（3）：84-95.

[19]葛和平，高越.數(shù)字普惠金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的影響[J].財(cái)會(huì)月刊，2021（24）：144-151.

[20]劉艷.數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響[J].統(tǒng)計(jì)與決策，2021，37（21）：123-126.

[21]SCHULTZ T. Transforming traditional agriculture[M]. New Haven： Yale University Press， 1964： 20-29.

[22]ZHENG H， MA W. The role of resource reallocation in promoting total factor productivity growth ： insights from China’ s agricultural sector[J]. Review of development economics， 2021（October 2020）： 1-22.

[23]鄭宏運(yùn)，李谷成.城鄉(xiāng)政策偏向?qū)r(nóng)業(yè)資源配置效率的影響研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2020（7）：79-92.

[24]GONG B. Agricultural reforms and production in China： changes in provincial production function and productivity in 1978-2015[J]. Journal of development economics， 2018，132（October 2017）： 18-31.

[25]龔斌磊.投入要素與生產(chǎn)率對中國農(nóng)業(yè)增長的貢獻(xiàn)研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2018（6）：4-18.

[26]高帆.我國區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的演變趨勢與影響因素——基于省際面板數(shù)據(jù)的實(shí)證分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015（5）：3-19.

[27]ZHENG H， MA W， WANG F， et al. Does Internet use improve technical efficiency of banana production in China？ evidence from a selectivity-correct analysis[J]. Food policy， 2021： 102044.

[28]FIRPO S， NICOLE F M， THOMAS L. Unconditional quantile regressions[J]. Econometrica， 2009，77（3）： 953-973.

[29]BORGEN N T. Fixed effects in unconditional quantile regression[J]. The stata journal： promoting communications on statistics and stata， 2016，16（2）： 403-415.

[30]劉宗明，吳正倩.中間產(chǎn)品市場扭曲會(huì)阻礙能源產(chǎn)業(yè)全要素生產(chǎn)率提升嗎——基于微觀企業(yè)數(shù)據(jù)的理論與實(shí)證[J].中國工業(yè)經(jīng)濟(jì)，2019（8）：42-60.

[31]吳萬宗，劉玉博，徐琳.產(chǎn)業(yè)結(jié)構(gòu)變遷與收入不平等——來自中國的微觀證據(jù)[J].管理世界，2018（2）：22-33.

[32]BARRO R J. Government spending in a Simple-Model of endogenous growth[J]. Journal of political economy， 1990，98（5）： S103-S125.

[33]ADAMOPOULOS T， RESTUCCIA D. The size distribution of farms and international productivity differences[J]. American economic review， 2014，104（6）： 1667-1697.

Impact of Digital Inclusive Finance Development on the Growth

of County-level Agricultural Total Factor Productivity：

From the Heterogeneous Perspective

Zheng? Hongyun，? Li? Gucheng

（College of Economics and Management， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： ?Based on the 2014 to 2018 panel data of 860 counties， this study first utilizes the Global Malmquist Index to measure agricultural total factor productivity and then employs the unconditional quantile regression model to analyze the heterogeneous impacts of digital inclusive finance development on agricultural total factor productivity growth. Results show that： Digital inclusive finance development significantly promotes agricultural total factor productivity growth at the county level， but the impacts are heterogeneous. Specifically， the TFP-increasing effects of digital inclusive finance development increase with the increase of quantiles from 20th， 50thto 80th quantiles. In comparison， traditional finance development only significantly increases agricultural total factor productivity at the 20thand 50thquantiles and posts no significant impact at the 80thquantile. Therefore， the results highlight that digital inclusive finance development has prominent “inclusion” characteristics from the agricultural productivity perspective. Anditis important to promote the development of digital inclusive finance in rural areas.

Key words：digital inclusive finance development; agricultural total factor productivity; heterogeneity; quantile regression model

（責(zé)任編輯：蔡曉芹）

收稿日期：2022-01-06

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目《中國農(nóng)業(yè)全要素生產(chǎn)率增長的微觀基礎(chǔ)及若干農(nóng)業(yè)政策的生產(chǎn)率效應(yīng)評估》（71873050）。

作者簡介：鄭宏運(yùn)（1994—），男，山東臨沂人，華中農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，主要研究方向?yàn)檗r(nóng)業(yè)資源配置與生產(chǎn)率;李谷成（1982—），男，湖南長沙人，華中農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院教授、博士生導(dǎo)師，主要研究方向?yàn)檗r(nóng)業(yè)經(jīng)濟(jì)理論與政策。