數字普惠金融對縣域農業全要素生產率影響的區域差異及破解路徑

張水 張永奇

摘? ?要：黨的二十大對加快發展數字經濟與建設農業強國予以高度重視。本文基于縣域城鄉融合的發展趨勢，采用2014—2021年縣域面板數據實證分析了數字普惠金融對縣域農業全要素生產率的影響機理。研究結果顯示：第一，數字普惠金融對農業全要素生產率具有顯著正向影響，且經過穩健性檢驗與內生性處理后，研究結論依然成立。但數字普惠金融對農業技術效率卻具有負向效果。第二，數字普惠金融對農業全要素生產率的影響具有顯著的區域差異性，對東部縣域農業全要素生產率的促進效果明顯高于西部縣域。第三，數字普惠金融對縣域農業全要素生產率的影響具有非線性特征。要素流動壁壘造成的供需失衡是引致區域農業全要素生產率增速差異的底層原因。第四，機制分析顯示，數字普惠金融可以通過生產要素集約化與數字素養提升兩條路徑對縣域農業全要素生產率產生間接影響。研究結論既為提高中國農業全要素生產率提供了政策啟示，也為推動數字經濟發展、促進區域協調補充了經驗證據。

關鍵詞：數字普惠金融；農業全要素生產率；非線性；數字素養；生產要素集約化；要素流動

中圖分類號：F830? 文獻標識碼：A? 文章編號：1674-2265（2024）02-0073-10

DOI：10.19647/j.cnki.37-1462/f.2024.02.008

一、引言

黨的十九大與黨的二十大均對提高全要素生產率（以下簡稱TFP）高度重視。TFP是反映生產效率、衡量經濟發展質量的重要指標（王璐等，2020）[1]，提高TFP不僅可以改變單純依靠增加要素投入驅動經濟增長的傳統發展模式，加速經濟結構轉型，而且是中國高質量發展的必經之路。加大對農業TFP的關注，不僅符合新時期發展現代農業的迫切需要，促進農業增長動力轉換，也能通過農業分工的深化和生產潛力的發展創造巨大的農業產出，從而加快步入較為高階的農業強國發展模式（龔斌磊和張啟正，2023）[2]。

對于中國這樣的發展中國家和農業大國，農村地區的主體產業仍是農業（王玨等，2010）[3]。農業TFP的技術變革部分更是農業可持續發展的主要驅動力（Sheng等，2020）[4]。已有研究從農機購置補貼政策、土地流轉、農業勞動力老齡化、農業技術擴散等不同視角探討了農業TFP的影響因素（許慶等，2023；蓋慶恩等，2023；魏佳朔和高鳴，2023；龔斌磊，2022）[5-8]，為本文提供了重要的理論基礎與經驗觀察。然而，僅有少數研究研討了數字普惠金融對農業TFP的影響機理。實際上，自2016年以來，在數字經濟持續快速增長的同時，數字普惠金融也逐漸成為新常態下中國經濟發展的新動能。借助大數據、人工智能、云計算、區塊鏈等數字技術，數字普惠金融可以通過降低金融服務成本與減少信息不對稱高度激發農業發展潛力（朱秋博等，2019）[9]。

與本文密切相關的研究有：孫光林等（2023）[10]基于2009—2019年中國30個省份的面板數據，驗證了數字經濟對農業TFP具有顯著正向影響，且可以經由提升城鎮化和改善勞動生產率間接促進農業TFP的提高。張永奇等（2023）[11]以小農戶為研究樣本，發現數字經濟雖然對農業TFP具有顯著負向作用，但是可以通過提高數字技術應用進行改善。唐建軍等（2022）[12]利用2011—2019年中國地級市面板數據，發現數字普惠金融總指數以及各維度均對農業TFP具有顯著正向影響，且可以通過生產要素在產業與區域間的流動與技術擴散，進一步提升農業TFP。鄭宏運和李谷成（2022）[13]則利用2014—2018年中國縣域統計數據，基于異質性視角發現，相比于傳統金融，數字普惠金融對農業TFP具有更加明顯的促進效果。盡管上述研究已經基于不同數據與維度補充了數字經濟對農業TFP的影響證據，也為政府施策提供了一定啟示，但仍存在如下不足：第一，在數字經濟賦能縣域城鄉融合的新時期，探討數字普惠金融與縣域農業TFP的關聯以及兩者間理論機制的相關研究匱乏。第二，沒有研究從區域異質性視角深入研判數字普惠金融對縣域農業TFP的差異化影響與底層因素。數字普惠金融具有突出的跨區域性特征，破解區域間的要素流動壁壘無疑有利于加快推進全國統一大市場建設。

本文的可能貢獻是：第一，利用縣域面板數據，實證檢驗了數字普惠金融對農業TFP的影響機理，且發現了數字普惠金融對農業TFP影響的區域差異，一定程度上豐富了學理研究。第二，靜態和動態相結合，深刻剖析了數字普惠金融對農業TFP影響的區域差異，為后續政府打破區域“數字鴻溝”和“數字壁壘”提供了更加可靠的依據。

二、政策邏輯與分析框架

（一）數字普惠金融與農業TFP的政策邏輯

農業數字化是農業現代化的重要方向。數字普惠金融擁有自我迭代、無限收斂以及邊際成本無限趨于零等特性，以智能化、數字化、精準化為方向的農業數字化發展，為推動農業現代化進程提供了新契機（江小涓和靳景，2022）[14]。與傳統農業相比，數字農業具有交易成本低、協作效率高、專業分工程度高等特點，這不僅提高了農業生產資料的集約化程度，有利于優化資源配置，也能在銷售領域促進生產者與消費者的供需匹配，加速農產品流通。在農業生產的不同階段，數字普惠金融均展現了促進農業TFP提高的積極作用，客觀上為豐富數字普惠金融與農業TFP的相關政策打下了堅實基礎。

進一步梳理2016—2023年的主要政策文件（見表1），本文認為，數字普惠金融與農業TFP的政策邏輯具有以下特征：第一，從政策出臺趨勢看，利用數字普惠金融推動農業TFP提升具有明顯的邊際變化。從初期大力推進現代農業到如今加快建設農業強國，數字普惠金融在農業發展中的重要性逐漸攀升。第二，從政策演進邏輯看，始終以時代需求為主線，顯示出工具理性和價值理性博弈競合的價值取向，展現出政府主導、多元參與的結構設計，以及從依循概括到精確嚴密的內容安排。第三，從政策實施效果看，數字普惠金融在農業領域的現實應用，主要通過改變作為“物”的生產資料和作為“人”的勞動者以及二者結合方式來實現。這不僅持續賦能農業生產方式變革，也為加快建設農業強國提供了重要手段。數字普惠金融作為縣域經濟的核心引擎，正在通過推動各類資源要素快捷流動及各類市場主體加速融合，進而賦能農業生產。

（二）數字普惠金融與農業TFP的內在機理

數字普惠金融作為“數字技術+普惠金融”的有機結合體，在數字經濟與實體經濟的深度融合中，其不僅為縣域經濟發展提供了新動能，也同樣推動了農業生產變革。具體而言，數字普惠金融賦能農業創新可以分為有形創新和無形創新兩個部分。一種是以精準農業為代表的有形創新。受益于傳感器和算法能力的進步，新型數字化設備可以應用于精準農業，促進生產要素集約化發展。一種是因數字設備的遠程互動所帶來的農業推廣和咨詢等服務方面的重大進步。兩種數字創新相互交融，協同并進，借助生產組織方式的平臺化變革逐步打破傳統分工形式，進而通過農業生產重構對農業TFP產生顯著影響。除此之外，數字普惠金融還通過以下幾個方面對農業TFP產生積極影響。首先，數字普惠金融突破了時空限制，促使信息在更廣泛的范圍內傳播和交換（Spiezia，2011）[15]，這可以讓數據資本更好地融入農業生產，提升生產規模，使數字普惠金融發揮出更強的規模效應。其次，在農業數字化轉型中，數字普惠金融也將逐漸消除農業與其他產業之間的壁壘，帶動“三產”融合。通過數字產業的集聚效應，形成農業TFP增長的集聚區域，實現農業全產業鏈數字化轉型。最后，數字普惠金融的實質是一種創新驅動，能夠通過信息和知識流動（田鴿和張勛，2022）[16]、學習和模仿等路徑產生空間溢出效應。

不過，根據熊彼特創新理論，數字普惠金融與農業TFP之間的關系也可能并不為正。數字普惠金融發展存在滯后效應與錯配效應，從而影響TFP提升（Acemoglu和Restrepo，2018）[17]。首先，數字普惠金融改善生產效率存在一定的前提條件，比如實體經濟的發展基礎、數字化通用技術發展程度等。數字經濟發展初期，其對生產率的提升作用可能較為有限（王開科等，2020）[18]。企業投資規模小、數據資源整合緩慢、農戶土地流轉意愿低和農產品附加值難等因素仍在制約數字農業的可持續性。其次，在實踐中，數據要素對技術進步的影響不僅受數字基礎設施的影響，還在很大程度上受當地農村居民消化吸收和運用能力的約束（朱秋博等，2019）[9]。從新要素的需求端看，農民接受新技術時將更加關注新技術的有利性。農民在接受和分析信息時也會著重考慮成本和收益，接受速度會被受教育程度所約束（舒爾茨，1987）[19]。在非洲地區，大多數數字農業企業仍然依賴捐助者的資金，因為農民為相關服務支付的意愿和金額都相對較低（Baumüller，2018）[20]。顯然，數字農業的接納是由各種內外部因素相互驅動的。數字化平臺雖然可以降低農村市場的交易成本，提高交易效率，但同時，市場集中度的提高也可能導致投入品價格上漲，從而使得規模較小的農戶處境更加艱難。最后，農業技術擴散效率也是影響生產率的重要方式。技術擴散是貧窮國家得以發展的主要渠道，那么在貧窮或增長緩慢的經濟體中，技術采用不完全或與技術有關的投入沒有得到充分利用也應該是常見現象（Foster和Rosenzweig，2010）[21]。

由此推斷，數字普惠金融對農業TFP的影響可以分為不同的發展階段，具有不同的經濟效應。數字普惠金融賦能農業現代化受農村基礎設施、居民金融素養等多方面的影響。首先，數字普惠金融發展初期，農村地區金融基礎設施不完備且信息服務質量較低，4G網絡與光纖尚未在農村地區實現全覆蓋。隨著“寬帶中國試點”“電信網絡普遍服務試點”“電子商務進農村”等政策的實施，農村地區獲得了更多的資金與設備支持，金融基礎設施得到了改善。其次，數字普惠金融賦能農業現代化是由表及里、層層遞進的關系，初期數字普惠金融僅能起到緩解資金約束與減貧增收的作用，當數字普惠金融發展到一定階段，才能深入影響金融資源配置，提升農業TFP。最后，農戶信息獲取、金融素養提升是一個不斷學習積累的過程，隨著數字普惠金融的不斷發展，農戶的接入鴻溝與使用鴻溝逐漸縮小，最終惠及農業生產領域。

綜上，本文提出研究假設1：

假設1：數字普惠金融對農業TFP可能具有非線性影響。

由于各地資源稟賦及推進模式存在差異，數字基礎設施和數字普惠金融的生產率增長效應呈現區域異質性，能夠通過擴大區域間的生產率鴻溝，影響區域協調發展。首先，就供給層面而言，地區間數字普惠金融服務機構數量、覆蓋廣度、金融產品種類不同，西部地區的金融服務水平較中東部地區仍有不足，西部農村地區的金融排斥也更加嚴重。其次，就需求層面而言，農戶數字普惠金融接受度、使用度參差不齊，地區間、城鄉間存在廣泛的金融素養鴻溝。最后，區域農業發展定位、農業發展水平、地質地貌等外在條件均會影響賦能效果，數字普惠金融對主導產業為農業、地處平原、農業發展落后的地區具有更強的促進效果（孫學濤等，2022）[22]。由此，推斷數字普惠金融對農業TFP的影響存在區域異質性。據此，本文提出假設2：

假設2：數字普惠金融對農業TFP的影響存在區域異質性。

數據要素已經成為驅動農業經濟增長的全新生產要素。具體而言，第一，從融資視角看，數字普惠金融可以改善傳統金融活動在時間和空間上對金融網點的束縛和營業時間的限制，幫助金融供需雙方基于數字信息技術實現精準匹配，減少金融機構與農戶之間的資源配置失靈問題，引發農業生產中資本—勞動替代效應，推進農業機械化發展，使生產要素朝向集約化、高效化發展。第二，就配置效率而言，數字普惠金融能夠整合土地流轉市場，通過增強土地流轉市場信息可得性推動土地的轉入與轉出，改變農業資源配置并提高土地資源配置效率，從而形成更為高效的業務流程與產業協作和價值創造方式。生產要素利用效益提升能夠顯著促進農業TFP增長（鄭宏運等，2019）[23]。第三，從要素流動看，知識、技術、人才等生產要素的時空交換在數字經濟時代加速推進，同時，要素流動的時空支配性造就了新的時空區位優勢?？臻g集聚和擴散以全新的形式呈現，依托地緣區位或等級體系的擴散減少，跳躍性擴散增加，進而可以為本地區農業生產領域集聚大量的技術人才、研發資金與前沿技術知識，豐富當地農戶決策的技術手段，提高農戶生產的核心競爭力，讓其能夠更好地利用數字經濟實現技術創新和優化生產要素配置。

此外，與數字技術被看成數字普惠金融的硬支撐相比，數字素養是數字經濟健康發展的軟基礎。數字素養是人們在生活、學習、工作中應具備的數字獲取、制作、使用、交互、分享等一系列素質與能力的集合。數字素養的高低會對居民開展數字經濟活動產生不同的作用。具體到農業領域，數字素養包括數字生產、數字生態、數字管理等，農業從業者數字素養的提升會促使其嘗試、認可及投入數字農業生產活動，并在供應鏈、銷售網絡等領域引進、實行數字化。數字普惠金融能夠增強農業從業者的數字素養與數字能力，促使農村TFP實現重大突破。而數字素養可以通過成本效應與激勵效應在不同階段發揮差異化經濟影響。第一，數字普惠金融發展初期，數字素養可以提高農戶信息獲取精準性，有效改善農村居民的信息不對稱，通過現有資源的新一輪整合，借助成本效應增強土地與勞動力等農業生產要素的配置效率，完善市場運行機制。增效的主要途徑在于自然資本的增加和文化資本的改善。第二，數字普惠金融發展后期，提升數字素養將有利于強化激勵效應。通過“二八格局”的實際配置（黃季焜等，2022）[24]，促進規模經營與特色農業，提高農業規模經營效率與現代生產技術的轉化。整體上看，依靠數字農業發展的“推力”和“拉力”雙重創新維度的結合，即數據要素的整合與提煉，可以提高農業經營主體對復雜問題的解決能力，進而初步解釋了數字普惠金融對農業TFP的積極影響。據此，本文提出假設3。

假設3：數字普惠金融可以通過生產要素集約化與數字素養提升兩條路徑對縣域農業TFP產生間接影響。

三、研究設計

（一）數據來源

本文的主要數據來源是《中國縣域統計年鑒（縣市卷）》和省市級統計年鑒等官方統計資料。數字普惠金融指數則來自北京大學數字金融研究中心，該指數基于數字普惠金融的覆蓋廣度、使用深度和數字化程度等方面展開測度，在學術研究中已經擁有較強的影響力（張勛等，2023；王平和王凱，2022）[25，26]。由于縣域層面數字普惠金融指數可用的完整數據的最早年份為2014年，故本文在研討數字普惠金融與農業TFP的關系時，利用2014—2021年19152份縣域面板數據展開后續分析。對于極少數變量的缺失值，通過插值法予以填補。

（二）變量設置

1. 被解釋變量：農業TFP。就農業TFP的測度而言，增長核算（Growth Accounting）是全世界運用最多的TFP測度方法，但需要全部投入與產出品的貨幣價值，因此，對數據和技術的要求較高。國內研究使用宏觀數據展開分析時，多數學者選用隨機前沿分析法（SFA）和數據包絡分析法（DEA）進行測度。選擇此類方法的原因在于能夠處理多產出和多投入情況，農業TFP的主要驅動因素也能進一步分解為農業技術進步（TECH）和農業技術效率（EFF）兩部分（全炯振，2009）[27]。

本文借鑒李谷成等（2013）[28]的方法，采用數據包絡分析法中的全局Malmquist指數測度農業TFP。采用該方法的原因是：第一，該方法能夠在構建各期前沿面時包含所有時期的參考集；第二，當添加投入和產出變量時，它不使用固定加權，不需要對計算中涉及的變量使用標準化的計量單位。在投入產出變量選取方面，借鑒鄭宏運和李谷成（2022）[13]的做法，并基于縣域數據可得性，選取勞動、土地、機械三種投入變量。其中，勞動力投入以農林牧漁業從業人員表示，土地投入以農作物總播種面積表示，機械投入以農業機械總動力表示。產出變量以農業增加值來衡量?；谌謪⒈确绞?，構建非導向的SBM模型-Malmquist指數，并進一步將指數轉化成以2014年為基期的累乘形式作為被解釋變量。同時將測算的農業TFP分解為農業技術進步和農業技術效率兩部分用于后續研究。

2. 核心解釋變量：數字普惠金融。結合數據可得性與適配性，本文借鑒張勛等（2023）[25]的做法，使用北京大學數字普惠金融指數表征數字普惠金融。

3. 控制變量。本文主要借鑒鄭宏運和李谷成（2022）[13]的做法，從縣域公共衛生設施狀況以及土地資源稟賦等多個維度出發，選取控制變量納入回歸模型，以期盡可能地減弱數字普惠金融對農業TFP的回歸偏誤。為排除異方差影響，本文對部分連續變量取對數。具體描述性統計見表2。

（三）變量的描述性統計分析

為更加直觀地展現數字普惠金融與農業TFP之間的關系，本文利用線性預測擬合圖分別初步分析了數字普惠金融與農業TFP、農業技術進步、農業技術效率的關聯。圖1—圖3的分析結果顯示：第一，數字普惠金融與農業TFP有著顯著的正相關性。第二，分維度來看，數字普惠金融與農業技術進步具有更加顯著的正相關性，與農業技術效率間的關聯不強且似乎具有負相關性。王芳和曾令秋（2021）[29]認為，我國農業TFP增長主要由技術進步所推動，但技術效率的降低在某種程度上削減了技術進步的促進作用。雖然相關性并不能夠佐證因果關系，但相關性分析表明數字普惠金融與農業TFP之間確實具有較強的關聯。鑒于數字農業發展具備較強的區域異質特征，故本文將進一步針對數字普惠金融與農業TFP之間的區域差異展開聯合統計描述。

縣域之間的發展不平衡現象可能并存于不同區域與同一區域。根據表3結果，第一，整體而言，無論是數字普惠金融還是農業TFP均呈現上升趨勢，但農業TFP的平均增長率低于數字普惠金融的平均增長率。第二，分區域而言，東部地區數字普惠金融平均指數最高，西部地區數字普惠金融平均指數最低。對比兩者的農業TFP平均值，發現東部地區農業TFP平均值是西部地區的1.423倍。第三，將整體和區域結果進行對比，發現東部地區數字普惠金融的平均增長率低于整體水平，但東部地區農業TFP的平均增長率卻高于整體水平。這與中部和西部的情況相反。

（四）模型構建

為探究數字普惠金融與農業TFP的關系，本研究構建模型如下：

[Yit=α+βDigitalit+XControlit+μi+δt+εit]? （1）

其中，[i]代表縣域，[t]代表時間，[Yit]表示第[t]年縣域[i]的農業TFP，[Digitalit]表示數字普惠金融發展水平，[Controlit]為一系列控制變量，[β]表示數字普惠金融發展對農業TFP產生的邊際貢獻，[μi]表示個體固定效應，[δt]代表時間固定效應，[εit]是隨機擾動項。

四、實證分析

（一）基準回歸

表4模型1是采用固定效應模型得到的回歸結果。模型1顯示，數字普惠金融對農業TFP具有顯著正向影響。此結果初步證實了縣域數字普惠金融對農業TFP的正向作用，驗證了此前的研究假說。數字經濟與實體經濟的深度融合中，數字普惠金融降低了信息搜尋成本，通過數字推廣幫助農業生產者改善信息獲取效率、獲取要素配置的規模優勢，為后續農業發展中轉變生產方式、提高農業TFP提供了可靠路徑。

為增強基準結論的可信度，本文進一步考慮了內生性與穩健性問題。農業TFP更高的地區，其地理稟賦等先天優勢可能更加明顯，由此使得數字普惠金融發展水平相對較高。為緩解反向因果所造成的內生性偏誤，本文選取了“同一地級市其他縣域的平均數字普惠金融指數”充當工具變量。此外，通過更換核心解釋變量的方法進行穩健性檢驗。國務院2013年發布了“寬帶中國”戰略，旨在通過寬帶基礎設施建設，全面推進全光纖網絡和4G網絡建設，為數字普惠金融發展提供良好的網絡基礎，因此，本文以“寬帶中國”政策作為數字普惠金融的代理變量。根據模型2與模型3結果，數字普惠金融對農業TFP的促進效果依然明顯，且統計系數顯著高于模型1，意味著未考慮穩健性與內生性問題將低估數字普惠金融對縣域農業TFP的促進效果。

（二）分維度回歸

為進一步考察數字普惠金融與農業TFP之間的關聯，本文的后續分析思路如下：第一，將農業TFP分解為農業技術進步與農業技術效率兩部分，分別探討數字普惠金融對二者的影響程度，結果見表5模型1和模型2。第二，將數字普惠金融劃分為覆蓋廣度、使用深度和數字化程度三個維度，進一步考察數字普惠金融的二級指標對農業TFP的影響，結果見表5模型3—模型5。

表5結果顯示：第一，數字普惠金融對農業技術進步具有顯著的促進作用，但對農業技術效率卻具有抑制作用。一方面，數字普惠金融的介入提升了數據要素與其他農業生產要素的融合程度，使得農業生產者更新數字化設備、農村企業多方合作學習先進農業生產技術的可能性大幅提升。另一方面，數字普惠金融對農業技術效率具有負向效果的原因在于，盡管土地配置朝規模戶集中，但從農戶結構看，小農戶仍然是農業生產的主流?！案啐g化”“女性化”的小農戶在農業生產決策中會受勞動力素質下降、科學技術運用不足、土地碎片化等現實問題的約束，從而限制了農業技術效率的提升，這也是國家為何大力強調健全農業專業化社會化服務體系，實現小農戶和現代農業有機銜接的政策要求的重要原因之一。第二，覆蓋廣度對農業TFP的經濟效果并不顯著，使用深度、數字化程度對農業TFP具有顯著正向影響。覆蓋廣度的提升僅代表地區數字滲透與普及率的提升，不能表征當地農村居民投資農業生產的意愿與能力的同步提升。只有進一步提升數字使用水平與農業生產的黏度，才能通過示范效應或同伴效應加快促進農業生產領域的數字化轉型，提高農業TFP。

（三）數字普惠金融對縣域農業TFP影響的區域靜態分析

本文將2394個縣域劃分為東、中、西部三個組別進行異質性分析。表6模型1—模型3分別報告了數字普惠金融對東、中、西部農業TFP的異質性影響。結果顯示，數字普惠金融對所有區域的農業TFP均具有促進作用，且都在1%的水平上顯著。對比回歸系數，發現東部地區>中部地區>西部地區，說明數字普惠金融對東部縣域農業TFP具有更強的促進效果。

為進一步探究數字普惠金融對農業TFP影響的區域差異的緣由，將農業TFP分解為農業技術進步與農業技術效率兩部分，模型4—模型9分別表示東、中、西部地區的分維度回歸結果。根據表6結果，數字普惠金融對所有區域的技術進步均呈現出促進作用，對中部地區的促進作用最強，東部地區次之，最后是西部地區。在東部地區，數字普惠金融對技術效率的影響并不顯著，但在中部和西部縣域，數字普惠金融對技術效率呈現出顯著的阻礙效應。中部和東部縣域經濟發展水平較高，對先進的科技知識與設備接受度更高，更加重視創新與長期發展，這也導致數字普惠金融對東中部縣域農業TFP的促進作用更加明顯。

（四）數字普惠金融對縣域農業TFP影響的區域動態分析

數字經濟環境中，數據與科技等元素能夠為均衡增長創造一個普惠且共享的發展機制。數字平臺能夠突破地理與時間的限制，擴大地方經濟行為的鏈接范圍與深度，并能夠充分發揮溢出效應，推動區域間經濟協調發展。在不同的發展階段，數字普惠金融的推動作用將呈現出顯著差異，本文將數字普惠金融作為門檻變量，進一步分析了數字普惠金融與農業TFP之間是否具有非線性關系。通過反復抽樣300次的“自舉法”（bootstrap），得出門檻效應檢驗結果。結果顯示，第三門檻值未通過5%的顯著性檢驗，結果為雙重門檻。進一步對雙重門檻的門檻值水平進行估計，其結果如表8和圖4所示。根據整體結果，兩個門檻的估計值分別為74.5329、113.8981。

表9匯報了門檻估計模型的最終結果，當數字普惠金融發展水平小于74.5329時，估計系數為-0.0053，通過了1%的顯著性檢驗，但系數為負值，這說明在此階段數字普惠金融對農業TFP具有阻礙作用。這可能是因為，數字普惠金融發展初期需要硬件基礎設施作為基礎，擠占了原本發展農業TFP的資源，從而限制了縣域農業TFP的提升。當數字普惠金融發展水平在區間[74.5329，113.8981）時，估計系數從負轉正，盡管經濟意義并不明顯，但已經表明數字普惠金融賦能農業生產將產生積極效果。當數字普惠金融發展水平大于113.8981時，回歸系數在1%的置信區間上正向顯著。隨著數字普惠金融的滲透與普及，數字紅利開始擴散，并輻射到農業生產方面，推動農業生產數字化轉型，進而提升了農業TFP。通過門檻估計模型進行檢驗，不僅發現了農業TFP對數字普惠金融的非線性效應，也進一步補充了縣域數字普惠金融造成農業TFP區域差異的重要原因。

在數字普惠金融發展的不同階段，其對不同區域農業TFP的賦能效果具有顯著差異。只有當數字普惠金融突破第二重門檻時，數字普惠金融的促進效應才能得到充分發揮。結合描述性統計結果，發現東、中、西部地區的數字普惠金融平均值分別于2015年、2016年、2016年跨過第一重門檻，且東部和中部地區均早于西部地區跨過第二重門檻，因此，數字普惠金融可以更加充分地賦能東部和中部地區農業TFP，并在回歸系數上拉開差距。數字普惠金融水平越高的地區農業TFP增速越快，這基于動態視角再度驗證了數字普惠金融對區域農業TFP的異質性影響。

（五）數字普惠金融對縣域農業TFP的影響機理

前述研究已經較為完整地驗證了數字普惠金融對農業TFP的經濟效果，但并未提供明確的影響路徑。由此，結合理論分析，本文將從要素配置和數字滲透兩個層面入手，進一步考察數字普惠金融對農業TFP的影響機理。其中，從農業生產層面來看，數字普惠金融對農業TFP產生促進效果的可能原因在于數字普惠金融提升了農業生產要素集約化水平，從而通過機械化等生產經營方式改善了資源配置效率。從個體層面來看，提升數字素養與數字能力有利于促進規?；c精細化種植，達到提升農業TFP的目標。鑒于數據可得性與社會經濟發展趨勢，本文利用“農業機械總動力與農作物總播種面積之比”充當生產要素集約化指標，采用“移動電話用戶數量與地區年末總人口數量之比”表征農村居民的數字素養。

表10模型1與模型2顯示，數字普惠金融顯著提高了生產要素集約化水平，這可能意味著數字普惠金融使得要素分配更加合理化，進而可以有效改善農業TFP。模型5—模型10將地區劃分為東、中、西部三個組別，發現生產要素集約化對農業TFP的促進效果在中部地區效果最好，東部次之，但在西部地區，生產要素集約化對農業TFP起到阻礙作用。西部地區資源稟賦與東、中部地區差異較大，現階段西部地區要素融合處于起步階段，在一定時期內會抑制農業TFP增長。模型3與模型4表明，數字普惠金融顯著提升了數字素養，但從整體看，數字素養對農業TFP的推動效果并不顯著。進一步劃分為東、中、西部地區（模型11—模型16），發現在東部地區，數字素養可以顯著提高農業TFP，但在中西部地區，居民數字素養的推動作用并不明顯。這恰好說明數字素養鴻溝可能是導致區域農業TFP增長異質性的重要因素。

表10顯示，生產要素集約化與居民數字素養兩條推動路徑成立，并體現出較強的區域差異性。上述研究結論具有較強的現實意義。未來要想依靠數字普惠金融促進農業TFP，相關部門應該在促進生產要素集約化的同時，著重考慮如何提升農村居民的數字素養，更好地通過供需匹配打通數字農業產業鏈，確保農業TFP的持續增長與農業高質量發展。

五、研究結論與政策建議

（一）研究結論

本文基于數字經濟賦能縣域城鄉融合發展的新階段，著重考察了數字普惠金融對縣域農業TFP的影響，并通過理論分析與實證檢驗考察了數字普惠金融對縣域農業TFP的作用及賦能效果中的區域差異。研究發現，數字普惠金融對縣域農業TFP具有顯著正向影響，且考慮內生性與穩健性問題后，該項研究結論依然成立。異質性分析發現，數字普惠金融對東部縣域農業TFP具有更加顯著的積極影響，對西部縣域農業TFP的影響亟待增強。數字普惠金融可以分為不同的發展階段，東部縣域憑借較強的集聚效應，跨越了數字普惠金融的雙重門檻，使得數字普惠金融對農業TFP具有更加顯著的正向作用。進一步研究發現，數字普惠金融賦能農業TFP的影響路徑為生產要素集約化與數字素養提升。

（二）政策啟示

上述研究結論具有一定的政策啟示：首先，在新發展階段，需要進一步提升數字普惠金融對農業TFP的積極效果。國家要堅持推動數字普惠金融發展，優化金融資源配置，幫助農業企業對傳統產業進行全方位、全鏈條改造，加快形成和發展新質生產力，進而改善要素匹配效率較低的現實困境，實現科技創新推動產業創新的重要目標。其次，應在要素聯動中考慮如何促進區域協調發展。東部地區是數字普惠金融發展的高地，應讓數字普惠金融所產生的集聚效應盡快轉化為溢出效應，建議加強對西部地區的政策支持和經驗輸入，通過增加西部地區現代產業園及完善基本公共服務等方式吸引要素回流。最后，盡管縣域將成為數字普惠金融高質量發展的巨大潛力所在，但縮小縣域間的資源稟賦差異是一項系統性任務。因此，一方面，各級政府需要加快偏遠與落后縣域的互聯網建設步伐，引導居民“用得上”“用得好”數字技術，著重提升農戶數字素養；另一方面，要結合縣域要素可得與可用情況，優化農業生產結構，提升小農戶積極性，推動提升農業TFP。

參考文獻：

[1]王璐，楊汝岱，吳比.中國農戶農業生產全要素生產率研究 [J].管理世界，2020，36（12）.

[2]龔斌磊，張啟正.以提升農業全要素生產率助力農業強國建設的路徑 [J].經濟縱橫，2023，（09）.

[3]王玨，宋文飛，韓先鋒.中國地區農業全要素生產率及其影響因素的空間計量分析——基于1992～2007年省域空間面板數據 [J].中國農村經濟，2010，（08）.

[4]Sheng Y，Tian X，Qiao W，Peng C. 2020. Measuring Agricultural Total Factor Productivity in China：Pattern and Drivers Over the Period of 1978-2016 [J].Australian Journal of Agricultural and Resource Economics，64（01）.

[5]許慶，賈杰斐，周天舒.農機購置補貼如何影響農業全要素生產率？ [J].財經研究，2023，49（06）.

[6]蓋慶恩，李承政，張無坷，史清華.從小農戶經營到規模經營：土地流轉與農業生產效率 [J].經濟研究，2023，58（05）.

[7]魏佳朔，高鳴.農業勞動力老齡化如何影響小麥全要素生產率增長 [J].中國農村經濟，2023，（02）.

[8]龔斌磊.中國農業技術擴散與生產率區域差距 [J].經濟研究，2022，57（11）.

[9]朱秋博，白軍飛，彭超，朱晨.信息化提升了農業生產率嗎？ [J].中國農村經濟，2019，（04）.

[10]孫光林，李婷，莫媛.數字經濟對中國農業全要素生產率的影響 [J].經濟與管理評論，2023，39（01）.

[11]張永奇，莊天慧，楊浩.數字經濟下農業生產率悖論與破解之道研究——基于CLDS小農戶數據的經驗考察 [J].西南民族大學學報（人文社會科學版），2023，44（07）.

[12]唐建軍，龔教偉，宋清華.數字普惠金融與農業全要素生產率——基于要素流動與技術擴散的視角 [J].中國農村經濟，2022，（07）.

[13]鄭宏運，李谷成.數字普惠金融發展對縣域農業全要素生產率增長的影響：基于異質性視角 [J].當代經濟管理，2022，44（07）.

[14]江小涓，靳景.數字技術提升經濟效率：服務分工、產業協同和數實孿生 [J].管理世界，2022，38（12）.

[15]Spiezia V. 2011. Are ICT Users More Innovative？： an Analysis of ICT-enabled Innovation in Oecd Firms [J]. OECD Journal：Economic Studies，（1）.

[16]田鴿，張勛.數字經濟、非農就業與社會分工 [J] .管理世界，2022，38（05）.

[17]Acemoglu D，Restrepo P. 2018. Artificial Intelligence，Automation，and Work [M].The Economics of Artificial Intelligence： An Agenda. University of Chicago Press.

[18]王開科，吳國兵，章貴軍.數字經濟發展改善了生產效率嗎 [J].經濟學家，2020，（10）.

[19]舒爾茨.改造傳統農業 [M].北京：商務印書館，1987.

[20]Baumüller H. 2018.The Little We Know： an Exploratory Literature Review on the Utility of Mobile Phone‐enabled Services for Smallholder Farmers [J].Journal of International Development，30（1）.

[21]Foster A D，Rosenzweig M R. 2010. Microeconomics of Technology Adoption [J].Annual Review Of Resource Economics，2（1）.

[22]孫學濤，于婷，于法穩.數字普惠金融對農業機械化的影響——來自中國1869個縣域的證據 [J].中國農村經濟，2022，（02）.

[23]鄭宏運，李谷成，周曉時.要素錯配與中國農業產出損失 [J].南京農業大學學報（社會科學版），2019，19（05）.

[24]黃季焜，解偉，盛譽，王曉兵，王金霞，劉承芳，侯玲玲.全球農業發展趨勢及2050年中國農業發展展望 [J].中國工程科學，2022，24（01）.

[25]張勛，楊紫，譚瑩.數字經濟、家庭分工與性別平等 [J].經濟學（季刊），2023，23（01）.

[26]王平，王凱.數字普惠金融對共同富裕的影響研究 [J].金融與經濟，2022，（07）.

[27]全炯振. 中國農業全要素生產率增長的實證分析：1978—2007年——基于隨機前沿分析（SFA）方法 [J].中國農村經濟，2009，（09）.

[28]李谷成，范麗霞，成剛，馮中朝.農業全要素生產率增長：基于一種新的窗式DEA生產率指數的再估計 [J].農業技術經濟，2013，（05）.

[29]王芳，曾令秋.農業全要素生產率與農業優先發展 [J].財經科學，2021，（02） .