生产要素视角下数字普惠金融对农业产业链韧性的影响：基于中介效应与门槛效应的机制检验

Impact of digital inclusive finance on agricultural industrial chains resilience from the perspective of production factors: A mechanism test based on mediation effect and threshold effect

摘要

基于2011—2023年省份面板数据，运用双向固定效应模型、中介效应模型、门槛效应模型，探究农业产业链韧性的时空分布特征与数字普惠金融对农业产业链韧性的影响机理。研究发现：数字普惠金融及其覆盖广度、使用深度与数字化程度这三大维度均会对农业产业链韧性产生显著的正向影响。在粮食主产区和政府财政支农水平高的地区，数字普惠金融对农业产业链韧性的提升效果更好。从生产要素视角的中介效应检验和门槛效应分析发现，数字普惠金融通过增加涉农贷款、促进土地流转与推动农业技术进步途径有效增强了农业产业链韧性。数字普惠金融对农业产业链韧性的提升作用随劳动力非农转移呈现先增强后减弱的倒U型趋势。研究结论可为提升农业产业链韧性、加快建设农业强国提供重要政策启示。

Abstract

Based on provincial panel data from 2011 to 2023， this study adopts a two-way fixed effect model， mediation effect model and threshold effect model to explore the spatiotemporal distribution characteristics of agricultural industrial chain resilience and the influence mechanism of digital inclusive finance on it. The results show that digital inclusive finance and its three dimensions， coverage breadth， usage depth and digitalization level， all exert a significant positive impact on the resilience of agricultural industrial chain. The promotion effect is more pronounced in major grain-producing areas and regions with a high level of government financial support for agriculture. The test of mediation effect and analysis of threshold effect from the perspective of production factors reveal that digital inclusive finance effectively enhances the agricultural industrial chain resilience by increasing agricultural-related loans， promoting land transfer and advancing agricultural technological progress. The promotion effect of digital inclusive finance on agricultural industrial chain resilience exhibits an inverted U-shaped pattern， irst strengthening and then weakening with the non-agricultural transfer of the labor force. The research conclusions can provide important policy implications for improving the agricultural industrial chain resilience and accelerating strong agricultural country construction.

Graphical abstract

关键词

数字普惠金融 / 农业产业链韧性 / 生产要素 / 劳动力非农转移 / 农业强国

Key words

digital inclusive finance / resilience of agricultural industry chain / factors of production / rural Labor transfer to non-agricultural sectors / strong agricultural country

提升农业产业链韧性是建设农业强国的关键举措。党的二十大报告中我国首次作出加快推进农业强国建设的重大战略安排。2022年12月中央农村工作会议上提出建设产业韧性强劲的农业强国，其中农业产业链韧性是农业产业链遇内外部风险时，能抗冲击、快恢复，甚至变革升级的综合能力。然而，覆盖生产、加工与流通等环节的农业产业链易出现局部受阻乃至断链的问题，生产要素错配是制约农业产业链韧性提升的关键瓶颈^［1］。2024年中央一号文件明确提出要推动农村数字普惠金融朝着高质量方向迈进和强化，数字普惠金融是破解生产要素问题的重要工具，可为提升农业产业链韧性提供便利^［2］。由此，在生产要素视角下深入探究数字普惠金融对农业产业链韧性的影响效应及作用机理，对于推进普惠金融战略、保障农业产业稳定、建设农业强国具有重要意义。

现有农业产业链韧性研究集中于三方面：一是内涵阐释，学界普遍认为其是产业链应对内外部风险的抗风险、自我恢复能力^［3］，也有研究基于演化韧性提出其是系统应对冲击的综合发展实力^［4］。二是测度方法，主要有指标体系法与核心变量法，既有从产业多样化等单维度衡量^［5］，也有从抵御、恢复等多维度选取绿色水平等指标构建综合指标体系测度^［6］。三是提升路径，学者证实极端气温^［7］、农业三产融合^［8］等影响农业产业链韧性，也有研究指出数字乡村建设^［9］、数字经济^［10］等数字经济领域举措能显著增强韧性。

现有关于数字普惠金融与农业产业链韧性关系的研究表明，数字普惠金融能推动农业产业升级，提供全链条金融支持，优化要素配置以促进农业产业链高质量发展^［11］，也有学者指出其作为数字经济重要部分，可通过提升支付与流通效率打破融资约束，补齐产业链运行短板，助力韧性提升^［12］。此外，实证研究证实其快速发展推动二者耦合协调发展^［13］，还有研究基于双重机器学习模型分析了产业结构等的中介效应^［14］，同时发现该影响存在空间溢出与区域异质性，且其三大维度均产生正向影响^［15］。

综上所述，现有研究成果从农业产业链韧性概念、测度、影响因素以及数字普惠金融与农业产业链之间的关系进行了探讨，现有研究主要选取绿色发展、技术创新等方面衡量农业产业链韧性，忽略了农业产业链具备的由多环节、多主体构成的复杂性特征。有学者关注到了数字技术或数字普惠金融对农业产业链韧性的影响，但尚未厘清数字普惠金融影响农业产业链韧性的作用机制，两者间的作用机理以及从特定的研究视角分析两者关系有待进一步深入挖掘与探讨。鉴于此，本研究基于2011—2023年省份面板数据，从土地、劳动力、资本、技术四大生产要素研究视角出发，采用双向固定效应模型、中介效应模型和门槛效应模型，实证探究数字普惠金融对农业产业链韧性的影响机理，以期为提高我国农业产业链韧性，加快农业强国建设提供理论参考。

1　理论分析和研究假设

1.1　数字普惠金融对农业产业链韧性的直接影响

1）数字普惠金融能提高农业产业链的抵抗能力。首先，数字普惠金融提高农业产业链各环节风险承受阈值，依托数字支付、信贷投放等多元金融服务，为农业经营主体与涉农企业搭建资金支持体系，助力应对市场价格波动、自然灾害等风险。其次，数字普惠金融凭借技术优势贯穿产业链全流程，整合生产装备与技术手段，优化产加销各环节协同效率，强化环节间合作紧密度，降低局部冲击的传导效应，提升产业链应对外部冲击的能力^［16］。

2）数字普惠金融可有效增强农业产业链恢复能力。其一，它推动农业产业链各环节与主体数字化转型，实现集约化、标准化生产，拓展农产品市场覆盖范围，让产业链主体形成规模优势，依托完善配套设施实现产能协同调配与应急物资快速响应，并借助电商平台和大数据精准引导金融资源支持灾后生产恢复^［17］。其二，面对风险冲击引发的产业链环节断裂问题，数字普惠金融通过线上平台与供需匹配系统联动上中下游主体，优化资源配置，助力农业产业链快速恢复正常运转。

3）数字普惠金融能强化农业产业链重构能力。其一，依托数字技术催生智能农业等新模式，生产加工端为农业科创精准提供金融支持，推动品种、农机研发与环节升级；销售端完善农村电商生态，打通流通堵点，从供需两端筑牢产业链稳定性。其二，以精准资金供给和场景化服务创新，打破传统线性产业链局限，推动其向上下游延伸、跨界拓展，构建多元融合产业生态。同时，助力农业从单一生产向加工、旅游等多元功能拓展，延伸价值链，提升产业链变革力与核心竞争力^［18］。

假设H1：数字普惠金融能提升农业产业链韧性。

1.2　生产要素视角下数字普惠金融对农业产业链的影响机制

生产要素理论指出劳动力、资本、土地与技术是生产力提升的核心要素。本研究结合数字普惠金融的金融供给特性与农业产业链需求现实，筛选相关变量，探究其通过作用核心要素、优化配置效能赋能农业产业链韧性的传导路径。

1.2.1　数字普惠金融通过增加涉农贷款获得提高农业产业链韧性

农业信贷市场长期存在的交易成本过高与信息不对称两大问题，是制约信贷供给规模的关键因素，数字普惠金融依托数字技术可破解此类问题，提升农业信贷可获得性。一方面，其通过线上信贷平台实现服务全流程数字化，替代线下人工操作，大幅降低运营成本。另一方面，数字普惠金融突破传统信用评估单一维度，整合涉农主体全链条经营数据，实现信用动态更新，有效缓解信息不对称，降低逆向选择风险，提高农业资金利用效率^［19］。

涉农信贷是农村金融资源配置的重要工具，通过精准对接农业产业链各环节资金需求，保障其稳定运行与高质量发展，提升产业链韧性。它支持小农户、合作社等主体配置农业保险、抗灾设备，增强生产端抗风险能力，灾后还能通过专项贷款为受损主体注资，助力复产并阻断风险传导，稳固产业链运行框架^［20］。同时，涉农信贷精准赋能产业链关键主体与薄弱环节，破解分散经营、规模不足等问题，推动形成协同发展体系，提升产业链整体适配性，进一步强化其韧性。

假设H2：数字普惠金融通过提高信贷的获得提升农业产业链韧性。

1.2.2　数字普惠金融通过促进土地流转提高农业产业链韧性。

传统土地流转存在资金短缺、权益保障不足、信息不对称等瓶颈，数字普惠金融从供需两端破解该问题，其精准匹配转入主体资金需求，通过中长期专项信贷覆盖土地流转全周期资金需求，还能降低交易成本，完善配套服务体系，实现供需信息精准匹配并依托区块链规范流转流程，推出保障产品消解农户权益顾虑，提升土地流转积极性^［21］。

土地流转能有效提升农业产业链韧性。生产端层面通过规模化经营推广标准化技术、建设集约设施，稳定农产品品质，夯实原料供给根基；协同层面推动产业链纵向整合与横向协作，形成集群效应，实现利益共享、风险共担，强化协同抗冲击能力；风险层面，规模化主体可投入防灾设施、集中投保，提升自然风险应对能力；创新层面为农业技术与模式创新提供载体，推动生产转型，催生新业态，助力绿色低碳发展，实现产业链韧性动态提升^［22］。

假设H3：数字普惠金融通过土地流转提升农业产业链韧性。

1.2.3　数字普惠金融通过推动农业技术进步提升农业产业链韧性。

数字普惠金融全链条助力农业技术进步，既破解资金瓶颈，又搭建高效传播渠道。一是为农业新品种培育、绿色种植技术攻关、智能农机设备更新等，提供长期稳定资金，推动技术研发与落地应用^［23］。二是依托数字化平台打造“金融+技术”一体化服务体系，整合专家与培训资源，让农户便捷获取先进技术，同时提升生产主体素质，为农业技术进步筑牢核心支撑^［24］。

农业技术进步渗透农业产业链各环节，重塑全流程运行模式，为产业链韧性提升提供全方位支撑，其通过重构生产要素组合、优化管理模式，发展智慧农业与设施农业，从根本上增强生产端的风险应对能力，筑牢产业链基础防线，推动加工环节向精深、多元、循环化发展，构建风险缓冲屏障，同时升级流通端，依托电商、大数据等技术搭建产销直连渠道，弱化流通端不稳定性，全方位强化农业产业链韧性^［25］。

假设H4：数字普惠金融通过推动农业技术进步提升农业产业链韧性。

1.2.4　数字普惠金融对农业产业链韧性的非线性影响

劳动力是农业生产核心要素，其配置效率影响农业产出与产业链稳定，劳动力非农转移重构要素配置结构，关联产业链韧性，且其程度会调节数字普惠金融与农业产业链韧性的关系。转移规模适度扩大时，劳动力短缺倒逼土地流转、农机替代，推动集约化生产提升效率，返乡技能劳动力还能引入信息经验、提升数字工具使用能力，助力农业科创与产业升级。而进入转移过渡阶段后，乡村劳动力严重缺失、老龄化加剧，留存低技能群体难以运用数字平台，易造成产销脱节，拖累农业生产效率^［26］。

假设H5：数字普惠金融对农业产业链韧性影响存在以劳动力非农转移为门槛的非线性关系。

2　研究设计

2.1　模型设定

为实证检验上述研究假设，本研究构建基准回归模型如式（1），并选取双向固定效应模型对式（1）进行估计

\mathrm{S}\mathrm{c}\mathrm{o}\mathrm{r}{\mathrm{e}}_{it}={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}\mathrm{D}\mathrm{i}{\mathrm{f}}_{it}+{\alpha }_{{}_i}{X}_{it}+{\tau }_i+{\gamma }_t+{\mu }_{it}（1）

式中：\mathrm{S}\mathrm{c}\mathrm{o}\mathrm{r}{\mathrm{e}}_{it}为农业产业链韧性；\mathrm{D}\mathrm{i}{\mathrm{f}}_{it}为数字普惠金融；X_{it}为控制变量；{\tau }_i和{\gamma }_t分别为时间和地区的固定效应；a_{\mathrm{0}}为常数项；{\mu }_{it}为随机误差项；a_i为控制变量的待估计的参数；a_{\mathrm{1}}为本研究重点关注的回归系数；i和t分别为省份和时间。

为检验数字普惠金融影响农业产业链韧性的作用机制，确定数字普惠金融是否通过提高信贷可得性、促进土地流转及推动农业技术进步这3条路径来提高农业产业链韧性，建立中介效应模型检验影响路径的准确性。中介效应模型构建如下：方程如式（2）~（4）：

\mathrm{S}\mathrm{c}\mathrm{o}\mathrm{r}{\mathrm{e}}_{it}={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}\mathrm{D}\mathrm{i}{\mathrm{f}}_{it}+{\alpha }_{{}_i}{X}_{it}+{\tau }_i+{\gamma }_t+{\mu }_{it}（2）

\begin{array}{l}\mathrm{L}\mathrm{o}\mathrm{a}{\mathrm{d}}_{it}\mathrm{o}\mathrm{r}\mathrm{l}\mathrm{a}\mathrm{n}{\mathrm{d}}_{it}or\mathrm{T}\mathrm{e}{\mathrm{c}}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}\mathrm{D}\mathrm{i}{\mathrm{f}}_{it}+\\ {\alpha }_{{}_i}{X}_{it}+{\tau }_i+{\gamma }_t+{\mu }_{it}\end{array}（3）

\begin{array}{l}\mathrm{S}\mathrm{c}\mathrm{o}\mathrm{r}{\mathrm{e}}_{it}={\delta }_{\mathrm{0}}+{\delta }_{\mathrm{1}}\mathrm{D}\mathrm{i}{\mathrm{f}}_{it}+{\delta }_{\mathrm{2}}\mathrm{L}\mathrm{o}\mathrm{a}{\mathrm{d}}_{it}\mathrm{o}\mathrm{r}\mathrm{L}\mathrm{a}\mathrm{n}{\mathrm{d}}_{it}\mathrm{o}\mathrm{r}\mathrm{T}\mathrm{e}{\mathrm{c}}_{it}+\\ {\alpha }_{{}_i}{X}_{it}+{\tau }_i+{\gamma }_t+{\mu }_{it}\end{array}（4）

式中：\mathrm{L}\mathrm{o}\mathrm{a}{\mathrm{d}}_{it}为农业信贷；\mathrm{L}\mathrm{a}\mathrm{n}{\mathrm{d}}_{it}为土地流转；\mathrm{T}\mathrm{e}{\mathrm{c}}_{it}为农业技术进步。

为进一步探讨劳动力非农转移的门槛效应，本研究构建了面板门槛模型，假设只存在单一门槛，如式（5）：

\begin{array}{l}\mathrm{S}\mathrm{c}\mathrm{o}\mathrm{r}{\mathrm{e}}_{it}=v_{\mathrm{0}}+v_{\mathrm{1}}\mathrm{D}\mathrm{i}{\mathrm{f}}_{it}\left(q_{it}\le \sigma \right)+\\ v_{\mathrm{2}}\mathrm{D}\mathrm{i}{\mathrm{f}}_{it}\left(q_{it}>\sigma \right)+v_i{X}_{it}+{\tau }_i+{\gamma }_t+{\mu }_{it}\end{array}（5）

式中：q_{it}为门槛变量为劳动力非农转移；\sigma为待估计的门槛值；v_{\mathrm{0}}为常数；v_{\mathrm{1}}、v_{\mathrm{2}}和v_i为待估计系数。

2.2　变量选取

2.2.1　被解释变量

本研究的被解释变量为农业产业链韧性。根据农业产业链的内涵，借鉴郝爱民等^［6］、贺亚亚等^［9］和周玉玺等^［13］的相关研究，本研究从抵抗能力、恢复能力、变革能力3个维度构建指标体系，运用熵值法进行农业产业链韧性水平的测度（见表1）。其中土地生产率用单位耕地面积种植业总产值表示，农业劳动生产率用农林牧渔增加值与第一产业就业人员数量的比值表示，化肥和农药施用减量化程度先以2010年为基期分别计算单位耕地面积农药施用量和化肥施用量的定基减量化程度^［25］。

2.2.2　解释变量

本研究以数字普惠金融为核心解释变量，采用应用广泛、影响力突出的北京大学数字普惠金融指数衡量，其能客观反映数字普惠金融实际发展状况，该指数涵盖覆盖广度、使用深度、数字化程度3个构成维度。

2.2.3　中介变量

本研究将土地流转、涉农贷款获得、农业技术进步作为中介变量。

土地流转。参考匡远配等^［26］的研究思路与方法，将各省份范围内家庭承包耕地流转总面积与该省份家庭承包耕地总面积的比值，以此客观反映区域土地流转的实际程度。

涉农贷款获得。参照刘琼等^［27］，以涉农贷款余额与农林牧渔总产值刻画涉农贷款可获得程度，并对数据取对数处理。

农业技术进步。参考邢怀振等^［28］的研究，将农业机械总动力/耕地面积作为农业技术进步的评估指标。

2.2.4　门槛变量

劳动力非农转移。借鉴黄进等^［29］的研究，以乡村从业人员数与第一产业从业人员数的差值来量化表示农村劳动力转移的情况，这一差值的数值越大，表明从农业部门转向非农产业部门的农村劳动力规模也就越大。

2.2.5　控制变量

参考已有研究成果，选用以下控制变量：产业结构，用第三产业与第二产业的比值来衡量；教育水平，用高等院校在校人数与总人口的比值来衡量；生态环境，用水土流失治理面积与省域面积的比值衡量；乡村就业水平，用乡村就业人口占乡村地区总人口的比重衡量；信息化水平，用邮电业务总量与地区生产总值的比值来衡量。

2.3　数据来源与描述性统计

本研究以2011—2023年中国29个省份面板数据（统计数据未含西藏、青海和港澳台地区，下同）作为研究对象。数据来源于北京大学的数字普惠金融指数、《中国统计年鉴》^［30］ 《中国农村统计年鉴》^［31］ 《中国人口和就业统计年鉴》^［32］ 《中国第三产业统计年鉴》^［33］和浙大卡特CCAD数据库等¹。部分缺失数据，采用插值法补齐。主要变量的描述性统计分析结果如表2所示。

3　实证结果分析

3.1　农业产业链韧性时空演化趋势分析

图1显示2011—2023年全国农业产业链韧性整体上升，区域差异显著。东部地区韧性常年领先，源于经济水平、农业基础与产业链结构的优势。东北地区韧性基本持平全国均值，但2021年后有所回落，农业科创是其巩固韧性的关键。中部地区韧性与全国均值大体相当。西部地区受地理禀赋、经济体量和自然灾害等因素制约，韧性水平相对偏低。

图2显示2011—2023年农业产业链韧性核密度曲线逐步右移，2023年居最右侧，表明韧性持续提升。曲线波峰渐低、宽度收窄，右侧拖尾凸显，反映韧性区域差异显著且差距逐步扩大。核密度曲线整体呈单峰形态，说明农业产业链韧性发展未形成明显的极化效应，区域间未出现两极分化的发展特征。

3.2　基准回归分析

表3为数字普惠金融对农业产业链韧性影响的回归结果，控制省份与时间固定效应并加入控制变量后，数字普惠金融估计系数为0.058 4，其每提升1个标准差，农业产业链韧性提升29.95%，验证了假设1。模型4~6分析其不同维度影响：覆盖广度系数0.051 8，每提1个标准差，韧性提升27.70%，提升了产业链各主体金融可获得性；数字化程度系数0.022 1，每提1个标准差，韧性提升12.09%，推动产业链智能化与创新；使用深度系数0.020 7，每提1个标准差韧性提升10.46%，提升了主体参与度与农业生产精准度和效率。

控制变量显示，产业结构和乡村就业水平对农业产业链韧性有着一定的正向影响；乡村就业水平越高，农村经济发展水平越高，农业产业链的运行效率更高；产业结构更加完善，用于提高农业产业链各环节的资源更充足，对农业产业链韧性的提升的作用越强，推动农业产业链向集约化转型，最终提升应对自然风险。

3.3　稳健性检验

3.3.1　更换回归模型

由于农业产业链韧性的取值范围为0~1，符合受限因变量的特征，故使用Tobit模型重新对基准回归进行估计。由表4模型（7）Tobit模型的估计结果可知，数字普惠金融对农业产业链的正向影响依然在1%的水平下显著，这与基准回归的结论一致。

3.3.2　规避同期相关问题

因农业产业链韧性或存同期相关，或上一期影响下一期，本研究将核心解释变量替换为数字普惠金融滞后一期。回归结果见模型（8），其对农业产业链韧性仍有显著促进作用，在1%水平下显著，研究结论保持成立。

3.3.3　缩尾处理

为排除极端值对回归结果的影响，本研究对连续变量进行上下1%的双边缩尾处理后重新回归分析。结果如表4模型（9），核心解释变量对农业产业链韧性的估计系数仍显著为正，主要结论保持稳健。

3.3.4　剔除特殊样本

我国地域差异显著，四大直辖市因战略定位、农业比重等与一般省份差异较大，或导致农业产业链韧性测算偏差。为提升样本可比性，稳健性检验中剔除4个直辖市，模型（10）回归结果显示，核心解释变量对农业产业链韧性仍有显著促进作用，基准结论保持稳健。

3.4　内生性讨论

针对数字普惠金融与农业产业链韧性的内生性问题，本研究借鉴程茂勇等^［34］做法，选取人均互联网宽带接入端口数为工具变量，其选取兼具合理性：宽带接入助力互联网发展，为数字普惠金融提供网络与技术支撑，满足相关性；且其不直接作用于农业产业链韧性，满足外生性。内生性检验结果显示，工具变量的Kleibergen-Paap rk LM统计量P<0.01，具备可识别性；两次Wald F统计量均高于10%显著性水平临界值，不存在弱工具变量问题。第二阶段回归中，数字普惠金融对农业产业链韧性的系数在1%水平正向显著，弱工具变量检验也验证了工具变量可靠性，二者正向关联可靠，研究结论稳健（表5）。

3.5　异质性分析

3.5.1　粮食生产功能异质性

粮食主产区农业产业链发展关乎国家粮食安全，本研究按粮食生产功能区划分样本，探究数字普惠金融的差异化作用。表6结果显示，粮食主产区数字普惠金融在1%水平显著为正，系数0.096 1，高于非主产区的0.046 4，提升效果更优，原因在于主产区产业链完整、规模化特征突出，数字普惠金融能精准赋能关键环节，且当地主体的数字金融需求更强，助力其发挥普惠与效率优势。

3.5.2　政府财政支农水平异质性

政府财政支农力度会影响数字普惠金融赋能农业产业链韧性的效果，本研究以涉农财政支出中位数为界划分高低支持地区展开异质性分析。表7结果显示，两类地区数字普惠金融的作用均为正，高支持地区在1%水平显著为正，系数0.065 3，高于低支持地区的0.049 1，提升作用更显著。政府通过数字基建、信贷贴息等举措与数字技术形成协同，破解数字普惠金融发展痛点，降低经营主体成本，推动金融服务全覆盖，显著增强产业链韧性。

3.6　中介效应检验

为检验涉农贷款、土地流转、农业技术进步的中介效应，本研究采用中介效应模型展开验证，结果如表8。模型17~19中，数字普惠金融对涉农贷款、土地流转、农业技术进步均在1%水平上显著正向影响，证实其能推动三者发展。模型20~22中，涉农贷款、土地流转、农业技术进步分别在5%、1%和5%水平上显著正向促进农业产业链韧性提升。结果表明，数字普惠金融可通过促进涉农贷款获得、土地流转和农业技术进步，实现农业产业链韧性的提升。

3.7　门槛效应

为探究数字普惠金融对农业产业链韧性的非线性影响，以劳动力非农转移为门槛变量构建门槛模型，表9门槛效应检验结果表明，数字普惠金融对农业产业链韧性的作用存在显著的双重门槛效应，不同劳动力非农转移下的影响呈现明显的分段特征。

劳动力非农转移对数字普惠金融提升农业产业链韧性存在显著门槛效应，二者促进作用随非农转移规模扩大呈先增强后减弱特征，验证了假设5。表10门槛回归显示：非农转移≤366.52 时，数字普惠金融系数0.016 7（1%显著），其每提1个标准差韧性提升8.57%；非农转移处于366.52~412.35时，系数0.024 4 （1%显著），韧性提升12.53%；非农转移>412.35时，系数0.016 6 （1% 显著），韧性提升8.53%。适度非农转移优化农业生产、增强产业链稳定性，超阈值则引发农业劳动力短缺老龄化，抑制数字普惠金融赋能效果，不利于韧性提升。

4　研究结论与政策建议

4.1　研究结论

本研究基于2011—2023年中国29个省份面板数据，从生产要素视角实证探究数字普惠金融对农业产业链韧性的影响，研究发现：数字普惠金融及其覆盖广度、使用深度、数字化程度均显著正向提升农业产业链韧性，其提升作用在粮食主产区、财政支农水平高的地区更显著。数字普惠金融可通过增加涉农贷款、推动土地流转与农业技术进步促进农业产业链韧性提升。基于劳动力非农转移的门槛效应显示，数字普惠金融对农业产业链韧性的促进作用呈双重门槛特征，随劳动力非农转移规模扩大表现为 “先增强—后减弱”的非线性规律。

4.2　对策建议

根据研究得出的结论，提出以下建议：

4.2.1　持续推进数字普惠金融在农业产业链各环节的应用

研究结果表明，数字普惠金融的覆盖广度、使用深度与数字化程度均能有效促进农业产业链韧性提升。据此提出三方面建议：一是拓宽覆盖广度，提高农民参与度；二是深化使用深度，惠及产业链各环节与主体；三是提升数字化程度，优化服务模式，强化赋能效果。

4.2.2　推动数字普惠金融在土地流转、涉农贷款和农业技术进步提升中的深度应用

研究表明，数字普惠金融可通过增加涉农贷款、促进土地流转、提升劳动力素质赋能农业产业链韧性。据此提出三方面建议：一是结合农业产业特点与周期设计定制化贷款产品，开发土地流转金融服务，助力土地有序流转；二是加大各环节涉农贷款力度，为农业科创提供金融支持，鼓励技术与装备创新，推动产业链升级；三是依托数字普惠金融发挥数字技术优势，推动农业技术进步，持续提升农业产业链韧性。

4.2.3　要合理引导劳动力非农转移

研究发现，数字普惠金融对农业产业链韧性的促进作用随劳动力非农转移增加呈先升后降趋势。为此，需完善劳动力市场信息平台与管理机制，推动城乡劳动力市场一体化，畅通农村劳动力就业流动渠道；同时警惕优质劳动力流失，健全农村社保、完善基建，优化乡村就业生活环境，保障农业产业链劳动力供给，充分发挥数字普惠金融的赋能作用。

4.2.4　实施数字普惠金融差异化模式

结果显示，由于粮食生产功能和财政支农水平不同，数字普惠金融对农业产业链韧性的促进作用也不同。因此，相关部门应结合地方农业产业链特色开发金融产品和优化金融服务渠道，根据财政支农水平和粮食生产功能调整金融政策，资金充足的地区支持农业产业链向高端化、智能化发展，如发展智慧农业、农产品品牌建设等，而在经济相对落后的地区，则着重提供基础的金融服务，如小额信贷、农业保险等，帮助农民维持基本生产。

参考文献

[1] 周超，王家兴，米运生.中国农业产业链的外汇风险暴露特征及其影响因素［J］.中国农村经济，2024（9）：121-141

[2] Zhou C， Wang J， Mi Y S. The characteristics and influencing factors of foreign exchange risk exposure in China’s agricultural industry chain ［J］. China Rural Economy，2024（9）：121-141 （in Chinese）

[3] 杨娜娜，程婧，刘光辉，臧日宏.生产要素视角下数字普惠金融对农业高质量发展的影响研究［J］.征信，2024，42（10）：64-73

[4] Yang N N， Cheng J， Liu G H， Zang R H. Research on the impact of digital in clusive finance on high-quality agricultural development from the perspective of production factors［J］. Credit Reference，2024，42（10）：64-73 （in Chinese）

[5] 陈军亚.韧性小农：历史延续与现代转换：中国小农户的生命力及自主责任机制［J］.中国社会科学，2019（12）：82-99， 201

[6] Chen J Y. Resilient small peasants： Historical continuity and modern transformation： The energy and autonomous responsibility of small peasants in China ［J］. Social Sciences in China，2019（12）：82-99， 201 （in Chinese）

[7] 何亚莉，杨肃昌.“双循环”场景下农业产业链韧性锻铸研究［J］.农业经济问题，2021（10）：78-89

[8] He Y L， Yang S C. Study on ductile forging of agricultural industry chain under the “dual circulation”［J］. Issues in Agricultural Economy，2021（10）：78-89 （in Chinese）

[9] 郭岩峰，张春艳.产业数字化、绿色技术创新与农业产业链韧性［J］.技术经济与管理研究，2023（10）：117-122

[10] Guo Y F， Zhang C Y. Industrial digitization， green technology innovation and agricultural industry chain resilience［J］. Journal of Technical Economics & Management， 2023（10）：117-122 （in Chinese）

[11] 郝爱民，解梦菡，刘育廷.农业产业链韧性水平测度与时空演变［J］.统计与决策，2024，40（16）：95-100

[12] Hao A M， Xie M H， Liu Y T. Measurement and spatio-temporal evolution of resilience level of agricultural industry chain［J］. Statistics & Decision，2024，40（16）：95-100 （in Chinese）

[13] 覃朝晖，任磊，丁志国，谭其佳.极端气温对农业产业链韧性的影响研究［J/OL］.农林经济管理学报， ［--］.

[14] Qin Z H， Ren L， Ding Z G， Tang Q J. Research on the impact of extreme temperatures on the resilience of the agricultural industry chain［J/OL］. Journal of Agro-Forestry Economics and Management， ［--］. in Chinese）

[15] 李艳琦.农村三产融合、生产性服务业集聚与农业产业链供应链现代化［J］.中国流通经济，2023，37（3）：48-60

[16] Li Y Q. Integration of rural three industries，agglomeration of producer services and modernization of agricultural industrial chain and supply chain［J］. China Business and Market，2023，37（3）：48-60 （in Chinese）

[17] 贺亚亚， 陈真， 周迪.数字乡村建设提升农业产业链韧性的效应、机理与路径研究［J/OL］.中国农业资源与区划， ［--］.

[18] He Y Y， Chen Z， Zhou D. Research on the effect， mechanism and path of digital rural construction to improve the resilience of the agricultural industry chain［J/OL］. Chinese Journal of Agricultural Resources and Regional Planning， ［--］. in Chinese）

[19] 杨红，马婉妮.数字经济对农业产业链韧性的影响机理与空间溢出效应［J］.价格理论与实践，2025（5）：210-215， 246

[20] Yang H， Ma W N. Research on the relationship among capital structure， innovation capability， and firm performance in internet medical enterprises ［J］. Price： Theory & Price Theory and Practice，2025（5）：210-215， 246 （in Chinese）

[21] Lu Q， Liao C， Chen M， Shi V， Hu X L. Platform financing or bank financing in agricultural supply chains： The impact of platform digital empowerment［J］. European Journal of Operational Research，2024，315（3）：952-964

[22] 张林，温涛.数字普惠金融如何影响农村产业融合发展［J］.中国农村经济，2022（7）：59-80

[23] Zhang L， Wen T. How does digital inclusive finance affect the integrated development of rural industries［J］. China Rural Economy，2022（7）：59-80 （in Chinese）

[24] 周玉玺， 程创业. 数字普惠金融与农业产业链韧性耦合协调及影响因素［J］.中国农业大学学报，2024，29（7）：297-306

[25] Zhou Y X， Cheng C Y. Coupling coordination and influencing factors of digital inclusive finance and resilience of agricultural industry chain［J］. Journal of China Agricultural University，2024，29（7）：297-306 （in Chinese）

[26] 黄旭.数字普惠金融对农业产业链韧性的影响：基于双重机器学习的因果推断［J］.商业研究，2025（5）：46-55

[27] Huang X. The impact of digital financial inclusion on the resilience of the agricultural chain： From causal inference based on double machine learning［J］. Commercial Research，2025（5）：46-55 （in Chinese）

[28] 毛美燕，张鑫楚，王会茹.数字技术对农业产业链现代化的空间溢出效应及影响机制［J］.现代农业科技，2025（24）：183-189

[29] Mao M Y， Zhang X C， Wang H R. spatial spillover effect and influence mechanism of digital technology on the modernization of agricultural industry chain［J］. Modern Agricultural Science and Technology，2025（24）：183-189 （in Chinese）

[30] 刘学文，马梦雪，谭学想.数字金融赋能农业现代化的机理研究：新质生产力与产业链韧性视角［J］.农业经济，2024（6）：9-11

[31] Liu X W， Ma M X， Tan X X. Research on the mechanism of digital finance empowering agricultural modernization： The perspective of new quality productivity and industrial chain resilience［J］. Agricultural Economy，2024（6）：9-11 （in Chinese）

[32] 贾康，郭起瑞.数字普惠金融对农业新质生产力的影响研究［J］.华中师范大学学报：人文社会科学版，2024，63（4）：1-13

[33] Jia K， Guo Q R. A study on the impact of digital inclusive finance on new agricultural productive forces［J］. Journal of Central China Normal University： Humanities and Social Sciences，2024，63（4）：1-13 （in Chinese）

[34] 张芳，蔡甜甜.数字普惠金融、产业结构升级与共同富裕［J］.技术经济与管理研究，2024（1）：109-114

[35] Zhang F， Cai T T. Digital financial inclusion，industrial structure upgrading and common prosperity［J］. Journal of Technical Economics & Management，2024（1）：109-114 （in Chinese）

[36] Murshida H， Afsana J， Ashiqur R K M. Discovering the relationship between agri funding and agri contribution to GDP： Evidence from Bangladesh［J］. International Journal of Finance & Banking Studies，2024，13（1）：22-26

[37] Xu Z Q， Niu H， Wei Y X， Wu Y P， Yu， Y. Impact and mechanisms of digital inclusive finance in relation to farmland transfer： Evidence from China［J］. Sustainability，2024，16（1）：21

[38] 余晋晶，葛扬.农业土地流转、农村产业融合与农民收入增长［J］.山西财经大学学报，2023，45（9）：78-93

[39] Yu J J， Ge Y. Agricultural land transfer， rural industrial integration and farmers’ income growth ［J］. Journal of Shanxi University of Finance and Economics，2023，45（9）：78-93 （in Chinese）

[40] 朱文斌，孙旭，陈玉兰.数字普惠金融对我国农业科技进步贡献率的影响［J］.新疆农业科学，2024，61（S1）：206-216

[41] Zhu W B， Sun X， Chen Y L. Research on the impact of digital inclusive finance on the contribution rate of agricultural science and technology progress［J］. Xinjiang Agricultural Sciences，2024，61（S1）：206-216 （in Chinese）

[42] 朱新宇，颜廷武.科技成果转化效率如何影响农村产业融合发展［J］.研究与发展管理，2024，36（4）：49-61

[43] Zhu X Y， Yan T W. How technology transfer efficiency affects the integrated development of rural industries［J］. R&D Management，2024，36（4）：49-61 （in Chinese）

[44] 曾福生，蔡林军.劳动力转移影响粮食生产韧性的理论机制与实证检验［J］.华南农业大学学报：社会科学版，2024，23（5）：84-94

[45] Zeng F S， Cai L J. Theoretical mechanism and empirical test of labor transfer affecting the resilience of grain production［J］. Journal of South China Agricultural University： Social Science Edition，2024，23（5）：84-94 （in Chinese）

[46] 钱佰慧，陈思霖，徐洋，郭翔宇.农村现代化水平评价指标体系构建与测度分析［J］.农业经济与管理，2021（6）：39-49

[47] Qian B H， Chen S L， Xu Y， Guo X Y. Construction and measure analysis of evaluation index system of rural modernization level［J］. Agricultural Economics and Management，2021（6）：39-49 （in Chinese）

[48] 匡远配，彭云.农地流转对农业机械化水平的影响研究：基于动态面板模型的实证检验［J］.科学决策，2023（9）：124-137

[49] Kuang Y P， Peng Y. Study on the influence of farmland transfer on agricultural mechanization level： An empirical research based on industries dynamic panel data［J］. Scientific Decision Making，2023（9）：124-137 （in Chinese）

[50] 刘琼，肖文海，卢华，吴玉凤.不同土地流转方式对农村产业融合的影响分析与政策建议［J］.经济地理，2025，45（5）：173-180

[51] Liu Q， Xiao W H， Lu H， Wu Y F. Effect of different land transfer modes on rural industrial integration and its policy recommendations［J］. Economic Geography，2025，45（5）：173-180 （in Chinese）

[52] 邢怀振，苏群，田中宝.以“融”促“消”：农村产业融合与农民消费能力提升［J］.山西财经大学学报，2025，47（8）：87-100

[53] Xing H Z， Su Q， Tian Z B. “Integration” boosting “consumption”： Rural industrial integration and the enhancement of farmers’ consumption capacity ［J］. Journal of Shanxi University of Finance and Economics，2025，47（8）：87-100 （in Chinese）

[54] 黄进，常淏，田野，王伟.劳动力转移对农业碳排放的影响机制及减排潜力分析［J/OL］.中国农业资源与区划， ［--］.

[55] Huang J， Chang H， Tian Y， Wang W. Impact mechanism of labor transfer on agricultural carbon emissions and analysis of emission reduction potential［J/OL］. Chinese Journal of Agricultural Resources and Regional Planning， ［--］. in Chinese）

[56] 中华人民共和国国家统计局.中国统计年鉴［M］. 北京：中国统计出版社，2011—2024

[57] National Bureau of Statistics of the People’s Republic of China. China Statistics Yearbook［M］. Beijing： China Statistics Press，2011-2024 （in Chinese）

[58] 国家统计局农村社会经济调查司.中国农村统计年鉴［M］. 北京：中国统计出版社，2011—2024

[59] Rural Social and Economic Survey Department of National Bureau of Statistics. China Rural Statistics Yearbook［M］. Beijing： China Statistics Press，2011-2024 （in Chinese）

[60] 国家统计局人口和就业统计司.中国人口和就业统计年鉴［M］.北京：中国统计出版社，2011—2024

[61] Population and Employment Statistics Division of National Bureau of Statistics. China Population and Employment Statistics Yearbook［M］. Beijing： China Statistics Press，2011-2024 （in Chinese）

[62] 中华人民共和国国家统计局.中国第三产业统计年鉴［M］.北京：中国统计出版社，2011—2024

[63] National Bureau of Statistics of the People’s Republic of China. Statistical Yearbook of China ’ s Tertiary Industry ［M］. Beijing： China Statistics Press，2011-2024 （in Chinese）

[64] 程茂勇，边启章，刘紫先.环境规制、资本配置效率与可持续增长：双重红利再验证［J］.经济社会体制比较，2025（3）：104-118

[65] Cheng M Y， Bian Q Z， Liu Z X. Environmental regulation， capital allocation efficiency， and sustainable growth： A double dividend revalidation ［J］. Comparative Economic & Social Systems，2025（3）：104-118 （in Chinese）

基金资助

国家社会科学基金重点项目(23AJY016)