数字普惠金融对新型农业经营主体全要素生产率的影响

Impact of digital inclusive finance on the TFP of new agricultural business entities

摘要

为探究数字普惠金融发展对新型农业经营主体的支持作用，利用2015年小微企业调查数据库，基于全要素生产率视角，构建Tobit模型实证检验了数字普惠金融对新型农业经营主体全要素生产率的影响与作用机制。结果表明：数字普惠金融的发展带动了新型农业经营主体全要素生产率的提高；且影响具有异质性，数字普惠金融对东部地区、规模较小以及机械化程度较高的新型农业经营主体全要素生产率的促进作用更加显著；机制分析发现，数字普惠金融主要通过缓解新型农业经营主体的融资约束和提高创新能力来促进全要素生产率的提高。基于结论，未来应继续扩大数字普惠金融在农村地区的覆盖面，加大金融保障力度、提升对新型农业经营主体的金融服务水平，进一步推进新型农业经营主体的现代化转型。

Abstract

To empirically examine the influence and mechanisms of digital inclusive finance on the total factor productivity （TFP） of new agricultural business entities， this study leverages the 2015 CMES survey data and constructs a Tobit model based on the TFP perspective. The findings indicated that： The progression of digital inclusive finance has propelled the enhancement of TFP among new agricultural business entities； This impact demonstrated heterogeneity， and digital inclusive finance exerted a more pronounced promotional effect on the TFP of new agricultural business entities in the eastern region， particularly those characterized by smaller scale and a higher degree of mechanization. Mechanism analysis discovered that digital inclusive finance principally fostered the augmentation of total factor productivity by alleviating financial constraints on new agricultural business entities and augmenting their innovation capabilities. In conclusion， it is imperative to expand the reach of digital inclusive finance in rural areas， bolster financial security， elevate the quality of financial services for new agricultural business entities， and further propel the modernization transformation of new agricultural operators.

关键词

数字普惠金融 / 新型农业经营主体 / 全要素生产率 / 融资约束 / 创新能力

Key words

digital inclusive finance / new agricultural business entities / total factor productivity （TFP） / financing constraints / innovation ability

改革开放至今，我国农业稳步发展，粮食生产效率大幅提高，2023年全国粮食总产量69 541万t1

1 数据来源：国家统计局网站：2023年国民经济回升向好 高质量发展扎实推进https://www.stats.gov.cn/sj/zxfb/202401/t20240117_1946624.html

，约占世界的1/4。工业化和城镇化的持续推进，使我国农业发展向现代化不断纵深，农业规模化快速发展、农业产业结构不断调整、农村经济呈现多元化特征^［1］，以农业专业大户、家庭农村、农民合作者和农业企业为代表的新型农业经营主体2

2 新型农业经营主体是指在改善家庭联产承包责任制的基础上，由有文化、懂技术、会经营的职业农民和具有较大经营规模、较高集约化程度和较强市场竞争力的农业经营组织组成的一种主体。

日益显现出发展生机与潜力，已成为我国现代农业的重要主体，提高其生产率能有效缓解我国的粮食安全问题和自然资源约束，带动并进一步推动我国农业提质增效，实现高质量健康发展。

受益于互联网的普及，数字普惠金融应运而生，其借助了大数据、云计算等数字技术创新金融产品和业务流程，能够有效降低信息不对称风险和交易成本，提高资源配置效率^［2］，并利用网络支付、信息透明化等方式为经济领域的众多主体提供更简单快捷的优质金融服务，使金融突破地域约束，通过数字科技达到金融服务的普惠性^［3］。在传统的金融模式下，企业生产效率的提高依靠于劳动力的投入，而在数字普惠金融大背景下，生产力的驱动方式发生转变，资本要素投入替换了传统的劳动力投入^［4］，企业的机械化水平和经营管理水平大幅提高^［5］，从而促进企业全要素生产率提升^［6］。与此同时，数字普惠金融还能够有效降低企业融资成本、扩充企业现金流，从而驱动企业对技术创新的研发投入和创新产出，并引导企业去杠杆，提升自身财务风险稳定性，进而提高企业创新水平^［7］。在“三农”领域，数字普惠金融的发展拓宽了金融服务范围与触达能力，优化了金融供给模式，为农业发展提供了所需的资本要素，推动了农村资产的优化配置与交易成本减负^［8］，使得农村地区金融服务的可得性大大提高，农业机械化水平和生产要素不断提升^［9］，农民收入大幅增长^［10］，贫富差距也不断缩小^［11］。

综上，已有研究从不同角度阐述了数字普惠金融的技术优势及经济影响，但得出的研究结论受限于工业企业和以家庭为单位的小规模的农户主体，对以新型农业经营主体为核心力量的现代农业影响分析较少。本研究通过匹配数字普惠金融数据和与中国小微企业调查数据库（CMES）3

3 数据来源：西南财经大学中国家庭金融调查与研究中心中国小微企业调查（CMES） https://chfs.swufe.edu.cn/dczx/dczx.htm

，实证分析数字普惠金融发展对新型农业经营主体的影响，尤其是对其全要素生产率的影响，并探究其作用机制，能够有效检验数字普惠金融对农业生产经营的促进作用，发现金融体系服务农业发展的深层机理，以期进一步提高新型农业经营主体的生产效率，推动农业产业实现现代化转型，并为金融机构更好地服务新型农业经营主体提供经验借鉴。

1　理论分析与研究假设

1.1　数字普惠金融及新型农业经营主体全要素生产率

在传统金融体系下，受限于农村地区信息不对称和资源配置效率低等现实问题，农村地区生产主体信息采集和更新存在困难，难以获得有效的金融服务，生产效率较为低下。而数字普惠金融通过大数据和数字化等方式，减少了信息不对称并降低交易风险，能够有效缓解融资约束，使农业主体能获取更便捷的金融支持，进而促进全要素生产率的提高^［12］。此外，数字技术的运用能够促进新型农业经营主体的技术革新，激励其采用先进的科学技术改造原有的生产技术和生产手段，从而提高生产管理效率，实现自身现代化转型^［9］。因此，本研究提出假设1：数字普惠金融可以促进新型农业经营主体全要素生产率的提升。

1.2　数字普惠金融对新型农业经营主体全要素生产率的异质性影响

1.2.1　地区经济发展水平

我国国土广袤，不同区域的经济金融发展水平、农业生产状况差异较大，数字普惠金融对全要素生产率的提升作用也可能不同。经济较为发达的东部地区具备较多的金融资源且互联网普及率较高，数字普惠金融业务在东部地区更容易开展^［13］，东部地区的新型农业经营主体能更易于获得资金投入到生产经营活动中，从而提升全要素生产率；而相对欠发达的中西部地区，能够获取的金融资源较少，互联网普及率也较差，当地的新型农业经营主体获取资金更加困难，难以有效提升其全要素生产率。因此，本研究提出假设2：与中西部地区相比，数字金融对东部地区新型农业经营主体全要素生产率的提升效果更强。

1.2.2　新型农业经营主体规模大小

根据长尾理论，相较于大规模新型农业经营主体，小规模新型农业经营主体受自身规模条件限制，更容易被传统金融服务排斥在外^［14］。小规模新型农业经营主体由于难以提供认可的抵押资产、且信息披露不全的问题更为严重，传统金融机构的信贷意愿往往较低，导致该类主体信贷成本较高，抑制了其全要素生产率的提升。而数字普惠金融提高了金融覆盖程度，让金融服务不再被农业主体的规模所约束，且对规模较小的农业主体帮扶力度更大^［8］，能够有利于提升其全要素生产率。基于此，本研究提出假设3：数字普惠金融对规模较小的新型农业经营主体全要素生产率的提升作用更强。

1.2.3　新型农业经营主体机械化水平

数字普惠金融对不同机械化水平的新型农业经营主体全要素生产率的提升作用可能也不同。机械化水平较高的经营主体生产经验丰富、生产技术先进，资金利用效率更高，能够更好地利用数字普惠金融服务降低农业生产的各项成本，提高生产率。而机械化水平相对较低的经营主体生产技术水平低下、生产体系相对薄弱，且可能存在地形崎岖、土地分散等问题，不利于开展机器生产活动，在此情况下增加资本投入也难以实现机械化生产，从而不利于提高生产率^［15］。基于以上分析，本研究提出假设4：数字普惠金融对机械化水平高的新型农业经营主体全要素生产率的提升作用较强。

1.3　数字普惠金融提高新型农业经营主体全要素生产率的作用机制

1.3.1　融资约束

与传统金融相比，数字普惠金融具有规模经济优势，有助于金融机构增加货币供给，在一定程度上缓解了新型农业经营主体的融资约束压力；此外，数字普惠金融可以提高金融覆盖度、缩短交易时间，从而使企业的融资能力得到提升，迅速对固定资产等进行投入、升级，从而促进生产效率的提升。因此，本研究提出假设5：数字普惠金融可以通过缓解融资约束来提高新型农业经营主体全要素生产率。

1.3.2　创新能力

数字普惠金融的数字化特征有助于新型农业经营主体拓宽产品销售渠道和支付方式，加强与客户间的沟通和联系，及时了解客户的需求，降低信用风险和交易成本；通过增加农业主体在创新过程的资金投入，获得更多资金用于技术研发，能够提高产品质量和生产速度；依托大数据、云计算等技术，还能更准确地了解生产技术需求和创新方向，提高其自身创新能力，促进全要素生产率的提升。据此，本研究提出假设6：数字普惠金融可以通过提高创新能力来提高新型农业经营主体全要素生产率。

2　研究设计

2.1　样本来源

本研究样本来源于西南财经大学中国家庭金融研究中心发布的2015年中国小微企业调查数据库（CMES）。数据主要反映2014年全国范围内小微企业的生产经营和发展情况，在农业领域，问卷涵盖了农业企业和农民合作社2种新型农业经营主体的自身特征、生产经营情况等。本研究对数据进行筛选，仅保留了实际从事种植业生产的经营主体，最终获得27个省份50个城市391个样本数据，其中158个农业企业，233个农民合作社。

2.2　模型构建

2.2.1　随即前沿模型（SFA）

全要素生产率（TFP）是保持要素投入量固定的情况下，通过技术进步而实现的产出增加。农业生产活动容易遭受雨雪等随机干扰项的影响，因此，本研究选择SFA法^［16］对新型农业经营主体的全要素生产率进行估算。与其他模型不同，SFA考虑了随机因素对生产过程产生的影响，添加了技术无效率项来反映随机干扰因素带来的影响，从而减小可能产生的误差。具体设定模型形式如下：

Y_i=f\left(X_i,\beta \right)\mathrm{e}\mathrm{x}\mathrm{p}\left(v_i-u_i\right)（1）

\mathrm{T}{\mathrm{E}}_i=\mathrm{e}\mathrm{x}\mathrm{p}\left(-u_i\right)（2）

式（1）和（2）中：Y_i为第i个主体的总产出；X_i为总投入指标，\beta为待估参数的系数。v_i和u_i均为回归的误差项，两者保持独立。其中v_i代表由随机因素造成的误差，服从正态分布，u_i表示技术非效率项，是由可控的随机因素造成的扰动，可用来测度技术非效率，服从半正态分布。\mathrm{T}{\mathrm{E}}_i为第i个新型农业经营主体的全要素生产率，由此可以计算出全要素生产率的均值，取值范围是［0，1］，越接近1表示全要素生产率越高。

2.2.2　基准回归模型

考虑到本研究的样本为截面数据，且全要素生产率的取值属于受限被解释变量，为避免可能出现的参数估计偏差，本研究利用Tobit模型进行回归分析，模型如下：

\mathrm{T}\mathrm{F}{\mathrm{P}}_i={\gamma }_{\mathrm{0}}+{\gamma }_{\mathrm{1}}\mathrm{D}\mathrm{F}{\mathrm{I}}_i+{\sum }_{k=\mathrm{2}}^n{\gamma }_k{X}_{k,i}+{\theta }_i（3）

式中：i为新型农业经营主体，\mathrm{T}\mathrm{F}{\mathrm{P}}_i为每个新型农业经营主体的全要素生产率，DF{I}_i为核心解释变量数字普惠金融；{\gamma }_i为待估参数；{\theta }_i为随机误差项；X_i（i=2，3，…，n）为控制变量。

2.2.3　中介效应模型

借鉴温忠麟等^［17］的研究，建立以下中介效应模型进行机制分析：

\mathrm{T}\mathrm{F}{\mathrm{P}}_i={\gamma }_{\mathrm{0}}+{\gamma }_{\mathrm{1}}\mathrm{D}\mathrm{F}{\mathrm{I}}_i+{\sum }_{k=\mathrm{2}}^n{\gamma }_k{X}_{k,i}+{\theta }_i（4）

M_i={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}\mathrm{D}\mathrm{F}{\mathrm{I}}_i+{\sum }_{k=\mathrm{2}}^n{\alpha }_k{X}_{k,i}+{\mu }_i（5）

\mathrm{T}\mathrm{F}{\mathrm{P}}_i={\lambda }_{\mathrm{0}}+{\lambda }_{\mathrm{1}}\mathrm{D}\mathrm{F}{\mathrm{I}}_i+{\lambda }_m{M}_i+{\sum }_{k=\mathrm{2}}^n{\lambda }_k{X}_{k,i}+{\delta }_i（6）

式中：\mathrm{T}\mathrm{F}{\mathrm{P}}_i为被解释变量新型农业经营主体的全要素生产率；\mathrm{D}\mathrm{F}{\mathrm{I}}_i为核心解释变量数字普惠金融；X_i为控制变量，M_i为中介变量融资约束和创新能力；其余设定与前述模型一致。

式（4）用于检验数字普惠金融对新型农业经营主体全要素生产率的影响，影响系数记为{\gamma }_{\mathrm{1}}；式（5）旨在检验数字普惠金融对融资约束以及创新能力的影响，其系数记为{\alpha }_{\mathrm{1}}；式（6）分析数字普惠金融和中介变量对全要素生产率是否同时具有提升作用，{\lambda }_{\mathrm{1}}和{\lambda }_{\mathrm{2}}分别为数字普惠金融和中介变量的影响系数。若系数{\gamma }_{\mathrm{1}}、α₁和{\lambda }_{\mathrm{1}}、{\lambda }_m都显著，表明存在中介效应。

2.3　变量选取

2.3.1　被解释变量

本研究的被解释变量为新型农业经营主体全要素生产率（TFP），采用SFA法计算得出。构建Cobb-Douglas 生产函数具体如下：

\begin{array}{c}\mathrm{l}\mathrm{n}\left(Y_i\right)={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}\mathrm{l}\mathrm{n}\left(K_i\right)+{\beta }_{\mathrm{2}}\mathrm{l}\mathrm{n}\left(L_i\right)+\\ {\beta }_{\mathrm{3}}\mathrm{l}\mathrm{n}\left(m_i\right)+\left(v_i-u_i\right)\end{array}（7）

式中：Y_i为第i个新型农业经营主体的产出；\beta为参数；K_i为资本要素的投入，用固定资产投入（如采购生产机器的资金）进行测度；L_i为劳动要素的投入，用全部员工在当年获得的薪酬来衡量；m_i为中间投入，用流动资产总额（如购买原材料的资金）进行衡量。v_i和u_i分别服从正态分布和半正态分布。从而，新型农业经营主体i的技术效率\mathrm{T}{\mathrm{E}}_i可通过下式估计获得：

\mathrm{T}{\mathrm{E}}_i=\mathrm{e}\mathrm{x}\mathrm{p}\left(-u_i\right)=\frac{Y_i}{f\left(X_i,\beta \right)\mathrm{e}\mathrm{x}\mathrm{p}\left(v_i-u_i\right)}（8）

式中：X_i为第i个决策单元的全部投入。式（8）的误差项由以下2部分组成：一部分是v_i∈id并服从N（0，σ²）分布；另一部分是u_i≥0，且u_i∈id并服从正半部的N（u，σ²），反映技术效率损失的非负随机因素。\mathrm{T}{\mathrm{E}}_i=\mathrm{e}\mathrm{x}\mathrm{p}\left(-u_i\right)为第i个新型农业经营主体的全要素生产率水平，当u_i=0，即处于完全效率水平，而当u_i＞0，那么0＜\mathrm{T}{\mathrm{E}}_i＜1，也就是说该个体处于技术非效率状态。在u_i分布确定的情况下，能够计算出全要素生产率的均值。

2.3.2　解释变量

本研究的核心解释变量为数字普惠金融（DFI），选用北京大学数字金融研究中心和蚂蚁科技集团共同编制的数字普惠金融指数进行分析，该指数覆盖了省、地级市以及部分县域，具有较强的权威性，得到广泛运用。其中，除了数字普惠金融总指数之外，还包括了数字普惠金融覆盖广度（Cov）、使用深度（Use）以及数字化程度（Dig）3个子指数，这3个子指数同样作为本研究的解释变量进行回归。由于CMES反映的是2014年新型农业经营主体的经营发展情况，因此基准回归中使用了2014年省级层面的数字普惠金融指数，并根据属地原则与新型农业经营主体所在省份进行匹配，总指数及子指数均进行了对数化处理。

2.3.3　中介变量

1）融资约束（SA指数）。

融资约束作为中介变量，采用SA指数方法进行计算，公式为：

SA=-0.737size+0.043size²-0.04age（9）

式中：size为企业的规模，用资产规模的对数值来表示；age为企业存在年数，以数据调查年份（即2015年）与企业设立年份相减后的值来表示，SA法计算出的数值为负数，融资约束变量的绝对值越大，企业受到的融资约束越强。

2）创新能力。

企业创新能力通常以研发投入金额与总资产的比值或以企业专利获得数量等来衡量。本研究将数据库中的2类创新进行合并反映企业的创新能力，分别是企业是否有产品和技术的研发创新以及是否有组织、管理等的研发创新，如果有其中之一即为1，两者都没有则为0。

2.3.4　控制变量

生产函数理论认为生产效率受土地、劳动、原料、机器、设备和管理才能等多重要素影响，只有把这些要素最高效地利用，才能获得最大产出。鉴于此，本研究选取新型农业经营主体自身特征和生产特征2个层面变量作为控制变量，其中，自身特征变量主要包括：企业主性别、企业主文化程度、企业主年龄、员工人数和企业经营时间；生产特征变量包括：农产品总产值、是否有自有品牌、是否种植经济作物、土地生产面积和生产是否获得津贴。

2.4　描述性统计

本研究所有变量的描述性统计结果见表1。样本中企业主男性居多，占81.2%，受教育年限均值为11年，年龄均值为44.9岁，可见新型农业经营主体的经营者主要为青壮年、高中学历群体；调查的新型农业经营主体中，有71.4%拥有自有品牌，38.9%进行过产品技术或组织管理上的创新，具有较强的品牌意识和创新能力。新型农业经营主体全要素生产率的最大值为0.713，最小值为0.032，标准差为0.175，可见各新型农业经营主体之间的全要素生产率存在一定的差异。数字普惠金融总指数及子指数对数值的标准差分别为0.098、0.116、0.172和0.123，而原指数的标准差数值波动明显，尤其是使用深度和数字化程度，反映了我国不同地区间数字普惠金融的发展水平存在较大差异。

3　实证结果与分析

本研究首先使用Tobit模型分析数字普惠金融对新型农业经营主体全要素生产率的影响，并进行内生性分析和稳健性检验，确保回归的稳健性；然后，从地区经济发展水平、新型农业经营主体规模和新型农业经营主体机械化水平3个方面进行异质性分析；最后，运用中介效应模型探究数字普惠金融对新型农业经营主体全要素生产率的作用机制。

3.1　基准分析

在基准回归中，分别对数字普惠金融总指数和覆盖广度、使用深度和数字化程度3个子指数进行回归，结果表明：数字普惠金融总指数和3个子指数分别在1%、5%、5%和5%的显著性水平通过检验，对新型农业经营主体的全要素生产率具有正向影响。由此可见，数字普惠金融的发展有利于提升新型农业经营主体的全要素生产率，验证了本研究的假设1。此外，企业员工人数越多、农产品总产值越高、拥有自主品牌、土地面积越大，新型农业经营主体的全要素生产率越高；而男企业主、种植经济作物的新型农业经营主体的全要素生产率越低。具体回归结果见表2。

3.2　内生性分析

考虑本研究可能存在双向因果和遗漏变量导致的内生性问题，采用工具变量法和滞后一期解释变量进行内生性检验。

3.2.1　工具变量法

运用二阶段最小二乘法（2SLS）进行工具变量回归。在工具变量的选取方面，移动电话的普及状况是数字普惠金融发展的一个重要基础，两者之间存在紧密联系，同时，移动手机普及状况并不会直接影响新型农业经营主体的全要素生产率，因此，本研究采用移动电话覆盖率^［18］作为数字普惠金融指数的工具变量，以人均持有移动电话的数量进行衡量。同时，工具变量的Kleibergen-Paap rk LM统计量对应的P值＜0.01，验证了工具变量以及模型的可识别性；两次Wald F统计量对应的值均＞10%条件下的临界值，不存在弱工具变量问题，该工具变量的选取是合理的。

表3展示了2SLS工具变量法的内生性回归结果，在加入工具变量的影响后，数字普惠金融对新型农业经营主体全要素生产率仍存在正向显著影响，并在5%的水平上通过检验，研究结论是稳健的。

3.2.2　滞后一期解释变量

在基准回归中，本研究采用当期数字普惠金融指数来对新型农业经营主体全要素生产率进行回归，考虑可能存在反向因果关系，采用数字普惠金融指数滞后一期对数据进行回归。

表4报告了滞后一期数字普惠金融指数对新型农业经营主体全要素生产率的影响，结果显示，数字普惠金融总指数以及其3个子指数均通过显著性检验，各控制变量的回归结果也与前述回归结果一致，表明在解决部分内生性问题后，本研究的基准假设依然成立。

3.3　稳健性检验

为检验基准回归结果的稳健性，本研究采用更换TFP计算方法、分样本回归和更换回归方法3种方式，分别运用DEA法计算出全要素生产率、将新型农业经营主体分为农业企业和农民合作社以及采用OLS替代Tobit模型进行稳健性检验，数字普惠金融指数仍然显著为正，其他控制变量结果与基准回归结果一致，见表5，可见基准回归结果是稳健的。

3.4　异质性分析

根据研究假设，数字普惠金融对不同新型农业经营主体全要素生产率的影响可能存在差异，因此，本研究从不同规模、不同地区和不同机械化水平3个角度，进一步分析其异质性影响，结果见表6。

根据我国的地区特点，将研究区域划分为东、中、西部地区，将资产规模高于中位数的新型农业经营主体界定为规模较大的主体，低于中位数的界定为规模较小的主体；将生产所用机械价值高于中位数的界定为机械化水平高的主体，低于中位数的界定为机械化水平低的主体；分别进行异质性回归。结果表明，东部地区数字普惠金融指数在1%的水平上显著为正，中部地区在10%的显著性水平上为正，而西部地区结果不显著；规模较小的新型农业经营主体的系数在1%显著性水平上为正，而规模较大者系数在10%显著性水平上为正；机械化水平高的新型农业经营主体，其系数在1%显著性水平上为正，而机械化水平低者仅在10%水平通过显著性检验。由此可见，数字普惠金融发展对新型农业经营主体全要素生产率的促进作用具有明显的地域差异，中东部地区在数字普惠金融得到发展后显著提升了当地新型农业经营主体的全要素生产率，但西部地区由于基础设施、产业资源、受教育程度相对落后，数字普惠金融的发展并未产生有效的促进作用；小规模和机械化水平高的新型农业经营主体全要素生产率受数字普惠金融发展的促进效果更强。

3.5　中介效应分析

为验证前述研究假设，探究数字普惠金融影响新型农业经营主体全要素生产率（TFP）的作用机制，本研究拟从缓解融资约束和提高创新能力2个角度分析其中介作用。

3.5.1　融资约束

表7为融资约束的中介效应检验结果。其中，数字普惠金融能够有效缓解融资约束，并通过了1%的统计学显著检验。融资约束对TFP的影响系数为负，并在5%的水平上显著，即新型农业经营主体融资约束的缓解有助于提升其全要素生产率；且在加入融资约束指标后，数字普惠金融对TFP影响的系数仍为正，并在1%的水平下显著，由此可见，数字普惠金融发展可以通过缓解融资约束来提升新型农业经营主体的全要素生产率，假设5成立。本研究还运用Sobel检验进一步验证了该中介作用。

3.5.2　创新能力

与融资约束的验证方法一致，本研究构建中介效应模型运用三步法和Sobel检验验证假设6，分析创新能力发挥的中介作用，结果见表8。根据研究结果，数字普惠金融发展可以通过提高企业创新能力来提升新型农业经营主体的全要素生产率。

4　结论与建议

4.1　结论

本研究以2015年中国小微企业调查数据为研究样本，利用随机前沿法测度新型农业经营主体的全要素生产率，在此基础上，匹配数字普惠金融指数，实证检验了数字普惠金融发展对新型农业经营主体全要素生产率的影响，并进一步探究了异质性差异和其内在机制。结果表明：1）数字普惠金融发展对新型农业经营主体全要素生产率具有显著促进作用，数字金融覆盖越广、使用程度越深、数字化程度越高，对新型农业经营主体全要素生产率的提升作用越强；2）数字普惠金融发展对新型农业经营主体全要素生产率的影响存在差异性，处于东部地区、规模较小和机械化水平较高的新型农业经营主体受数字普惠金融的影响较大，其全要素生产率的提升效果更强；3）数字普惠金融主要通过缓解融资约束和增强创新能力这2个方面促进新型农业经营主体全要素生产率的提高。

4.2　建议

1）继续扩大数字普惠金融在农村地区的覆盖面，加快农村地区数字基础设施建设，支持金融机构深化运用大数据、人工智能等科技手段，充分发挥数字化技术优势，不断创新优质金融产品，持续提升数字普惠金融产品的易用性、安全性，进一步缓解“数字鸿沟”问题。

2）加大金融保障力度，提升对新型农业经营主体的金融服务水平，尤其是加强西部地区、小规模经营主体等的金融服务支持，鼓励因地制宜发展地方优势特色农产品保险，提高基础金融服务的效率和保障能力，增加新型农业经营主体的抗风险能力；广泛普及数字普惠金融知识，提高农村居民金融素养，组织面向新型农业经营主体的教育培训，提升数字金融产品使用能力，提高新型农业经营主体的金融使用深度。

3）进一步推进新型农业经营主体的现代化转型，持续加大农业技术的推广力度，引导金融资源向农业技术创新领域和薄弱环节倾斜，实现农业机械化水平的提升，从而改善农业生产效率。

参考文献

[1] 曹瓅，罗剑朝. 农户对农地经营权抵押贷款响应及其影响因素：基于零膨胀负二项模型的微观实证分析［J］. 中国农村经济， 2015（12）： 31-48

[2] Cao L， Luo J C. Rural households’ responses to mortgage credit with rural land contractual rights and the determinants： A micro-empirical study based on ZINB model ［J］. Chinese Rural Economy， 2015（12）： 31-48 （in Chinese）

[3] Asongu S A， Nwachukwu J C. Comparative human development thresholds for absolute and relative pro-poor mobile banking in developing countries［J］. Information Technology & People， 2018， 31（1）：63-83

[4] 钱海章，陶云清，曹松威，曹雨阳.中国数字金融发展与经济增长的理论与实证［J］.数量经济技术经济研究，2020，37（6）：26-46

[5] Qian H Z， Tao Y Q， Cao S W， Cao Y Y. Theoretical and empirical analysis on the development of digital finance and economic growth in China［J］. Journal of Quantitative & Technological Economics， 2020，37（6）：26-46 （in Chinese）

[6] 张正平，王琼. 数字普惠金融发展对农业生产有资本替代效应吗：基于北京大学数字普惠金融指数和CFPS数据的实证研究［J］. 金融评论， 2021，13（6）： 98-116

[7] Zhang Z P， Wang Q. Does digital financial inclusion affect capital-labor substitution in agricultural production： An empirical research based on digital financial inclusion index of Peking University and CFPS data ［J］. Chinese Review of Financial Studies， 2021，13（6）： 98-116 （in Chinese）

[8] 巴曙松，白海峰，胡文韬. 金融科技创新、企业全要素生产率与经济增长：基于新结构经济学视角［J］. 财经问题研究， 2020（1）： 46-53

[9] Ba S S， Bai H F， Hu W T. Fin-tech innovation， enterprise total factor， productivity and economic growth： Based on the perspective of new structural economics ［J］. Research on Financial and Economic Issues， 2020（1）： 46-53 （in Chinese）

[10] 江红莉，蒋鹏程.数字金融能提升企业全要素生产率吗：来自中国上市公司的经验证据［J］.上海财经大学学报，2021，23（3）：3-18

[11] Jiang H L， Jiang P C. Can digital finance improve enterprise total factor productivity： Empirical evidence from Chinese listed companies［J］. Journal of Shanghai University of Finance and Economics，2021，23（3）：3-18 （in Chinese）

[12] 王敏，李兆伟.数字普惠金融与企业创新：理论逻辑与实证检验［J］.管理学刊，2023，36（1）：102-119

[13] Wang M， Li Z W. Digital inclusive finance and enterprise innovation： Theoretical logic and empirical test［J］.Journal of Management， 2023，36（1）：102-119 （in Chinese）

[14] 王敏，谷羽，李兆伟.数字普惠金融与乡村振兴：理论逻辑与实证检验［J］.西北大学学报：哲学社会科学版，2023，53（1）：56-71

[15] Wang M， Gu Y， Li Z W. Digital financial inclusion and rural revitalization： Theoretical logic and empirical tests［J］. Journal of Northwest University： Philosophy and Social Sciences Edition，2023，53（1）：56-71 （in Chinese）

[16] 闫桂权，何玉成，张晓恒. 数字普惠金融发展能否促进农业机械化：基于农机作业服务市场发展的视角［J］.农业技术经济，2022（1）：51-64

[17] Yan G Q， He Y C， Zhang X H. Can the development of digital inclusive finance promote agricultural mechanization： Based on the perspective of the development of agricultural machinery outsourcing service market［J］. Journal of Agrotechnical Economics， 2022（1）：51-64 （in Chinese）

[18] 尹振涛，李俊成，杨璐.金融科技发展能提高农村家庭幸福感吗：基于幸福经济学的研究视角［J］.中国农村经济，2021（8）：63-79

[19] Yin Z T， Li J C， Yang L. Can the development of fintech improve the well-being of rural households： An analysis from the perspective of happiness economics ［J］. Chinese Rural Economy， 2021（8）：63-79 （in Chinese）

[20] 王修华，赵亚雄.数字金融发展与城乡家庭金融可得性差异［J］.中国农村经济，2022（1）：44-60

[21] Wang X H， Zhao Y X. The development of digital finance and differences in financial availability between urban and rural households［J］. Chinese Rural Economy， 2022（1）：44-60 （in Chinese）

[22] 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

[23] Liu Y. The impact of digital inclusive finance on agricultural total factor productivity［J］. Statistics & Decision. 2021，37（21）：123-126 （in Chinese）

[24] 陈亚军. 数字普惠金融促进乡村振兴发展的作用机制研究［J］. 现代经济探讨， 2022（6）： 121-132

[25] Chen Y J. Research on the mechanism of digital inclusive finance promoting rural revitalization and development［J］. Modern Economic Research，2022（6）： 121-132 （in Chinese）

[26] 谢雪燕，朱晓阳. 数字金融与中小企业技术创新：来自新三板企业的证据［J］. 国际金融研究， 2021（1）： 87-96

[27] Xie X Y， Zhu X Y. Digital finance and SME’s technological innovation： Evidence from NEEQ companies ［J］. Studies of International Finance， 2021（1）： 87-96 （in Chinese）

[28] 史雪阳，周宏.农业机械化发展水平对种植业全要素生产率的门槛效应［J］.农机化研究，2021，43（4）：1-10

[29] Shi X Y， Zhou H. Threshold effect of agricultural mechanization development level on TFP of planting industry［J］. Journal of Agricultural Mechanization Research，2021，43（4）：1-10 （in Chinese）

[30] Aigner D， Lovell C A K， Schmidt P. Formulation and estimation of stochastic frontier production function models［J］. Journal of econometrics， 1977， 6（1）： 21-37

[31] 温忠麟，叶宝娟. 中介效应分析：方法和模型发展［J］. 心理科学进展， 2014， 22（5）： 731-745

[32] Wen Z L， Ye B J. Analyses of mediating effects： The development of methods and models［J］. Advances in Psychological Science， 2014， 22 （5）： 731-745. （in Chinese）

[33] 谢绚丽，沈艳，张皓星，郭峰. 数字金融能促进创业吗：来自中国的证据［J］. 经济学（季刊）， 2018， 17（4）： 1557-1580

[34] Xie X L， Shen Y， Zhang H X， Guo F. Can digital finance promote entrepreneurship： Evidence from China［J］. China Economic Quarterly， 2018， 17（4）： 1557-1580 （in Chinese）

基金资助

国家社会科学基金青年项目(19CJY034)