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

葛和平 高越

【摘要】選取2011 ～ 2018年我國省級面板數(shù)據(jù)， 運(yùn)用固定效應(yīng)模型和門檻效應(yīng)模型檢驗(yàn)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， 結(jié)果發(fā)現(xiàn)： 數(shù)字普惠金融及其各維度均可提高農(nóng)業(yè)全要素生產(chǎn)率; 數(shù)字普惠金融主要通過加快農(nóng)業(yè)技術(shù)進(jìn)步提升農(nóng)業(yè)全要素生產(chǎn)率， 對農(nóng)業(yè)技術(shù)效率影響不顯著; 數(shù)字普惠金融對中部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的促進(jìn)作用最大， 其次是西部和東部地區(qū); 數(shù)字普惠金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的提升存在單一門檻， 數(shù)字普惠金融發(fā)展水平越高， 對農(nóng)業(yè)全要素生產(chǎn)率的提振作用越大， 數(shù)字普惠金融的數(shù)字化程度對農(nóng)業(yè)全要素生產(chǎn)率的提升存在單一門檻， 數(shù)字化程度越高， 促進(jìn)作用越大且越顯著。

【關(guān)鍵詞】農(nóng)業(yè)全要素生產(chǎn)率;數(shù)字普惠金融;DEA-Malmquist指數(shù);固定效應(yīng)模型;門檻效應(yīng)模型

【中圖分類號】F830? ? ? 【文獻(xiàn)標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2021）24-0144-8

一、引言

農(nóng)業(yè)發(fā)展作為國民經(jīng)濟(jì)增長的重要動力來源， 受到黨和國家的高度重視。 2016年《全國農(nóng)業(yè)現(xiàn)代化規(guī)劃（2016-2020）》報告指出， 為加快補(bǔ)齊農(nóng)業(yè)現(xiàn)代化短板， 要求堅持走改革創(chuàng)新雙輪驅(qū)動道路， 著力提升農(nóng)業(yè)綜合競爭力。 隨后， 黨的十九大報告首次提出鄉(xiāng)村振興戰(zhàn)略， 要求從產(chǎn)業(yè)、人才、文化、生態(tài)、組織等方面深化農(nóng)村改革， 重塑農(nóng)村形態(tài)。 在國家的政策支持和人民的共同努力下， 我國農(nóng)業(yè)發(fā)展取得了巨大進(jìn)步， 農(nóng)業(yè)總產(chǎn)值連續(xù)五年超過50000億元。 但基于我國農(nóng)業(yè)大而不強(qiáng)、多而不優(yōu)的現(xiàn)實(shí)， 生產(chǎn)要素配置不均、農(nóng)村產(chǎn)業(yè)發(fā)展緩慢、農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平較低、城鄉(xiāng)居民收入差距較大等問題仍然是阻礙我國農(nóng)業(yè)現(xiàn)代化進(jìn)程高效推進(jìn)的主要問題。 在新形勢下， 單純依靠要素投入的數(shù)量型增長難以對農(nóng)業(yè)生產(chǎn)進(jìn)步起到持續(xù)性推動作用， 因此， 解決“三農(nóng)”問題、加快農(nóng)業(yè)現(xiàn)代化進(jìn)程的關(guān)鍵在于質(zhì)量興農(nóng)， 即提高農(nóng)業(yè)全要素生產(chǎn)率[1] 。

除加快農(nóng)業(yè)戰(zhàn)略科技創(chuàng)新、完善農(nóng)技推廣體系、加大農(nóng)村人力資本投資和推進(jìn)制度創(chuàng)新等傳統(tǒng)路徑外， 農(nóng)業(yè)全要素生產(chǎn)率的提升還依賴于充足的資金支持， 即通過金融服務(wù)緩解融資困境、降低技術(shù)改善成本為農(nóng)業(yè)生產(chǎn)提供資金保障。 學(xué)術(shù)界就金融發(fā)展對全要素生產(chǎn)率的影響進(jìn)行了廣泛研究， 且大量研究成果表明， 金融發(fā)展可以顯著提高農(nóng)業(yè)全要素生產(chǎn)率[2，3] 。 隨著互聯(lián)網(wǎng)技術(shù)的深入發(fā)展， 數(shù)字普惠金融的出現(xiàn)為優(yōu)化金融資源配置、提升金融服務(wù)效率指引了新的方向。 但是， 數(shù)字普惠金融的概念較新， 針對數(shù)字普惠金融發(fā)展與農(nóng)業(yè)全要素生產(chǎn)率的研究還較少。 鑒于此， 本文圍繞農(nóng)業(yè)全要素生產(chǎn)率， 探索數(shù)字普惠金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的影響及其作用路徑， 這對解決“三農(nóng)”問題、促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展具有重要意義。

二、文獻(xiàn)綜述

改革開放以來， 我國農(nóng)業(yè)生產(chǎn)取得顯著成果， 為加快構(gòu)建農(nóng)業(yè)現(xiàn)代化發(fā)展道路， 提升農(nóng)業(yè)全要素生產(chǎn)率是必要之舉。 所謂全要素生產(chǎn)率， 是指總產(chǎn)出與要素總投入之比[4] ， 一般利用參數(shù)法或非參數(shù)法進(jìn)行測算[5] 。 不同于一般產(chǎn)出指標(biāo)， 全要素生產(chǎn)率可以被用來反映經(jīng)濟(jì)增長來源和經(jīng)濟(jì)發(fā)展效率。 當(dāng)前， 我國正處于經(jīng)濟(jì)高質(zhì)量發(fā)展階段， 農(nóng)業(yè)發(fā)展的核心在于優(yōu)化生產(chǎn)資源配置， 減少對要素投入的過度依賴， 而農(nóng)業(yè)全要素生產(chǎn)率正是農(nóng)業(yè)發(fā)展的關(guān)鍵所在， 提高農(nóng)業(yè)全要素生產(chǎn)率有助于加快農(nóng)村經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型， 從而促進(jìn)農(nóng)業(yè)穩(wěn)定發(fā)展[6，7] 。

農(nóng)業(yè)全要素生產(chǎn)率的提高依賴于現(xiàn)代化機(jī)械設(shè)備和農(nóng)業(yè)技術(shù)進(jìn)步， 陳鳴和鄧榮榮[8] 采用空間杜賓模型進(jìn)行實(shí)證研究， 發(fā)現(xiàn)增加農(nóng)業(yè)R&D投入可顯著提升農(nóng)業(yè)全要素生產(chǎn)率; 李欠男和李谷成[9] 認(rèn)為互聯(lián)網(wǎng)發(fā)展有利于打破農(nóng)業(yè)知識傳播的時空限制、引領(lǐng)農(nóng)業(yè)技術(shù)進(jìn)步， 從而提升農(nóng)業(yè)全要素生產(chǎn)率。 農(nóng)業(yè)技術(shù)開發(fā)、互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)和農(nóng)技推廣都離不開資金支持， 農(nóng)村金融作為現(xiàn)代農(nóng)業(yè)經(jīng)濟(jì)資源配置核心， 憑借其自身強(qiáng)大的資源配置能力和風(fēng)險管控能力可以為農(nóng)技創(chuàng)新活動創(chuàng)造融資渠道， 為我國農(nóng)業(yè)平穩(wěn)發(fā)展提供強(qiáng)有力的支撐[10，11] 。 大量研究表明， 農(nóng)村金融對農(nóng)業(yè)全要素生產(chǎn)率增長起到顯著的促進(jìn)作用[12-14] 。 但隨著金融科技的不斷發(fā)展， 資源要素流動更為頻繁， 收入差距進(jìn)一步拉大， 傳統(tǒng)金融內(nèi)在的“逐利性”和“嫌貧愛富”的特征使貧困群體無法獲得所需的金融服務(wù)[15] ， 反而限制了這些地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的提升。 隨著互聯(lián)網(wǎng)技術(shù)不斷進(jìn)步， 以數(shù)字技術(shù)為依托的數(shù)字普惠金融可以擺脫時間和空間的束縛， 為農(nóng)村中小微企業(yè)和農(nóng)村居民提供成本低、惠及面廣、高效的金融服務(wù)[16] ， 進(jìn)一步激活傳統(tǒng)金融的發(fā)展?jié)摿Γ?有助于優(yōu)化農(nóng)村金融資源配置， 促進(jìn)農(nóng)業(yè)部門發(fā)展[17] 。

相較于傳統(tǒng)金融， 數(shù)字普惠金融在促進(jìn)農(nóng)業(yè)發(fā)展、提高農(nóng)業(yè)全要素生產(chǎn)率方面存在以下優(yōu)勢： 第一， 融資成本低， 服務(wù)范圍廣。 一方面， 數(shù)字普惠金融通過電子設(shè)備等移動終端進(jìn)行運(yùn)作， 擺脫了物理空間的限制， 減少了對固定資產(chǎn)的需求， 金融機(jī)構(gòu)可以以更低的成本為農(nóng)村企業(yè)和居民提供金融服務(wù)[18] ， 有助于減少金融排斥; 另一方面， 借助數(shù)字技術(shù)的獨(dú)特優(yōu)勢， 數(shù)字普惠金融可以將金融服務(wù)拓展到傳統(tǒng)金融機(jī)構(gòu)難以觸及的偏遠(yuǎn)地區(qū)， 提高偏遠(yuǎn)地區(qū)農(nóng)村居民的金融可得性[19] ， 這有助于緩解農(nóng)村居民在購置高質(zhì)量農(nóng)業(yè)生產(chǎn)要素時所面臨的融資約束， 為其引進(jìn)、研發(fā)和吸收先進(jìn)農(nóng)業(yè)技術(shù)提供資金支持。 第二， 信貸配置效率高， 風(fēng)險防控能力強(qiáng)。 農(nóng)村傳統(tǒng)金融市場存在嚴(yán)重的信息不對稱， 金融機(jī)構(gòu)通常采用基于抵押物的信貸技術(shù)甄別貸款對象[14] ， 這種客戶選擇方式不僅增加了信貸成本， 還降低了不具備合格抵押物的農(nóng)村居民和農(nóng)村小微企業(yè)的金融可得性， 導(dǎo)致金融資源扭曲式配置[20] 。 而數(shù)字普惠金融的出現(xiàn)可以打破信息孤島、簡化信息流動方式[21] ， 利用數(shù)字技術(shù)匯總農(nóng)村居民和小微企業(yè)的各項(xiàng)信息數(shù)據(jù)， 搭建信息共享平臺， 對用戶信息進(jìn)行深度挖掘并分析其交易行為， 評判其信用狀態(tài)。 通過數(shù)字技術(shù)創(chuàng)新增信機(jī)制， 不僅可以減少因硬性信用不足所導(dǎo)致的融資問題， 還能有針對性地進(jìn)行風(fēng)險防范[22] ， 這有利于改善農(nóng)村金融資源配置狀況， 提高農(nóng)業(yè)技術(shù)效率。

綜上所述， 現(xiàn)有研究成果主要集中于農(nóng)業(yè)全要素生產(chǎn)率的定義、重要性及影響因素。 在金融對農(nóng)業(yè)全要素生產(chǎn)率的影響方面， 學(xué)者們大多基于傳統(tǒng)金融視角， 并未考慮數(shù)字技術(shù)的作用， 且鮮少有學(xué)者直接就數(shù)字普惠金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的影響進(jìn)行研究。 鑒于此， 本文的貢獻(xiàn)在于： 第一， 基于數(shù)字普惠金融視角， 通過實(shí)證分析來探究其對農(nóng)業(yè)全要素生產(chǎn)率的影響; 第二， 通過將農(nóng)業(yè)全要素生產(chǎn)率分解為農(nóng)業(yè)技術(shù)進(jìn)步和農(nóng)業(yè)技術(shù)效率， 研究數(shù)字普惠金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的作用路徑， 為服務(wù)鄉(xiāng)村振興戰(zhàn)略、助力農(nóng)業(yè)穩(wěn)定發(fā)展提供現(xiàn)實(shí)指導(dǎo)。

三、實(shí)證研究

（一）農(nóng)業(yè)全要素生產(chǎn)率的測算

為避免在使用參數(shù)法時因函數(shù)設(shè)定有誤導(dǎo)致計算誤差， 本文利用DEA-Malmquist指數(shù)法測算農(nóng)業(yè)全要素生產(chǎn)率。 以狹義農(nóng)業(yè)為研究對象， 農(nóng)業(yè)產(chǎn)出變量以農(nóng)業(yè)總產(chǎn)值（億元）表示， 并利用GDP平減指數(shù)以2008年為基期進(jìn)行平減。 農(nóng)業(yè)投入變量包括： 農(nóng)作物總播種面積（千公頃）、種植業(yè)從業(yè)人員（萬人）、種植業(yè)機(jī)械總動力（萬千瓦）、化肥施用折純量（萬噸）、有效灌溉面積（千公頃）和農(nóng)村用電量（億千瓦小時）。 需要注意的是， 種植業(yè)從業(yè)人員、種植業(yè)機(jī)械總動力無法在統(tǒng)計年鑒中查找到具體數(shù)字， 因此利用農(nóng)業(yè)總產(chǎn)值與農(nóng)林牧漁總產(chǎn)值的比值進(jìn)行計算， 根據(jù)種植業(yè)在農(nóng)林牧漁中的占比衡量種植業(yè)從業(yè)人員數(shù)量和種植業(yè)機(jī)械總動力。 農(nóng)業(yè)全要素生產(chǎn)率的計算公式如下：

（1）

利用DEAP 2.1軟件計算2011 ～ 2018年全國31個省份的農(nóng)業(yè)全要素生產(chǎn)率水平值（tfp）、農(nóng)業(yè)技術(shù)進(jìn)步水平值（tech）和農(nóng)業(yè)技術(shù)效率水平值（ef）， 考慮到本文研究的是農(nóng)業(yè)全要素生產(chǎn)率的水平值， 則需要對Malmquist指數(shù)的測算結(jié)果進(jìn)行累乘（以2010年為基年）。 計算結(jié)果如表1所示。

從全國層面看， 我國農(nóng)業(yè)全要素生產(chǎn)率水平值、農(nóng)業(yè)技術(shù)進(jìn)步水平值和農(nóng)業(yè)技術(shù)效率水平值從2011 ～ 2018年不斷上漲， 說明我國農(nóng)業(yè)生產(chǎn)效率逐年提高， 生產(chǎn)技術(shù)取得進(jìn)步， 要素配置更加高效， 有助于增加農(nóng)業(yè)產(chǎn)出， 促進(jìn)農(nóng)業(yè)部門發(fā)展。 分地區(qū)看， 我國東、中、西部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率水平值、農(nóng)業(yè)技術(shù)進(jìn)步水平值和農(nóng)業(yè)技術(shù)效率水平值從2011 ～ 2018年也呈上升趨勢， 且中西部地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率水平值和農(nóng)業(yè)技術(shù)效率水平值要高于東部地區(qū)。 這可能是因?yàn)橹形鞑康貐^(qū)多為農(nóng)業(yè)大省， 農(nóng)業(yè)要素投入充足且有關(guān)農(nóng)業(yè)生產(chǎn)方面的經(jīng)驗(yàn)更加豐富， 要素配置更加有效， 相對而言， 中西部地區(qū)農(nóng)業(yè)發(fā)展水平更高。 而中西部地區(qū)的農(nóng)業(yè)技術(shù)進(jìn)步水平值低于東部地區(qū)， 可能的原因是東部地區(qū)經(jīng)濟(jì)實(shí)力較強(qiáng)， 在采購先進(jìn)農(nóng)業(yè)機(jī)械和引進(jìn)先進(jìn)農(nóng)業(yè)技術(shù)方面有足夠的資金保障， 有助于提高農(nóng)業(yè)技術(shù)水平。

（二）模型構(gòu)建

1. 基準(zhǔn)回歸模型。 為研究數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響， 構(gòu)建如下面板模型：

Yit=λ0+λ1DIFIit+λiControlit+μi+εit? （2）

其中： i表示地區(qū); t表示時間; Yit表示被解釋變量; DIFIit為核心解釋變量; Controlit為控制變量; μi為不可觀測的個體效應(yīng); εit為隨機(jī)擾動項(xiàng)。

2. 面板門檻模型。 為深入探討當(dāng)數(shù)字普惠金融處于不同發(fā)展階段時， 能否對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生不同的影響， 本文利用面板門檻模型， 針對數(shù)字普惠金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的影響進(jìn)行實(shí)證分析， 構(gòu)建如下門檻模型：

Yit=λ0+λ1Controlit+λ2XitI（qit≤γ）+λ2XitI（qit>γ）+μi+εit? （3）

其中： I（?）為示性函數(shù)， 函數(shù)值取決于門檻變量qit。 其余變量含義與式（2）相同。

（三）變量選取及數(shù)據(jù)來源

1. 被解釋變量。 選取前文測算出的2011 ～ 2018年農(nóng)業(yè)全要素生產(chǎn)率水平值（tfp）、農(nóng)業(yè)技術(shù)進(jìn)步水平值（tech）和農(nóng)業(yè)技術(shù)效率水平值（ef）作為被解釋變量。 為消除異方差的影響， 對被解釋變量進(jìn)行取對數(shù)處理， 但是考慮到部分tfp、tech和ef為小數(shù)， 為避免取對數(shù)后變?yōu)樨?fù)值， 本文將被解釋變量加1后再取對數(shù)。

2. 核心解釋變量。 選取北京大學(xué)數(shù)字普惠金融指數(shù)（difi）及覆蓋廣度（cover）、使用深度（depth）和數(shù)字化程度（dig）三個維度作為核心解釋變量。

3. 控制變量。 農(nóng)村居民受教育水平（edu）用農(nóng)村居民平均受教育年限表示; 受災(zāi)率（disa）用受災(zāi)面積除以農(nóng)作物總播種面積表示; 財政支持（fe）用財政支農(nóng)支出除以總財政支出表示; 外資投入水平（fdi）用實(shí)際利用外商直接投資除以地區(qū)生產(chǎn)總值表示; 城鎮(zhèn)化水平（urban）用非農(nóng)人口除以地區(qū)總?cè)丝诒硎尽?/p>

4. 數(shù)據(jù)來源。 本文的研究對象是2011 ～ 2018年31個省份的面板數(shù)據(jù)， 數(shù)字普惠金融指數(shù)及維度指數(shù)來源于北京大學(xué)數(shù)字金融研究中心， 農(nóng)業(yè)全要素生產(chǎn)率的產(chǎn)出、投入指標(biāo)及控制變量所需要的數(shù)據(jù)來源于《中國統(tǒng)計年鑒》（2011 ～ 2018）、《中國農(nóng)村統(tǒng)計年鑒》（2011 ～ 2018）及Wind數(shù)據(jù)庫。 各變量的描述性統(tǒng)計結(jié)果如表2所示。

（四）實(shí)證檢驗(yàn)

1. 基準(zhǔn)回歸。 本文運(yùn)用Stata 15.0軟件， 利用混合回歸模型和固定效應(yīng)模型從全國層面研究數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響， 回歸結(jié)果如表3所示。 其中， 固定效應(yīng)模型的P值為0.0000， 說明固定效應(yīng)模型優(yōu)于混合OLS模型， 因此采用固定效應(yīng)模型。 根據(jù)表3， 列（3）表示未加入控制變量的情況下， 數(shù)字普惠金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率影響的回歸結(jié)果， 其估計系數(shù)為0.0969， 顯著為正。 列（4）表示在加入控制變量后， 其回歸系數(shù)為0.0446， 在1%的水平上顯著。 回歸結(jié)果表明， 無論加入控制變量與否， 數(shù)字普惠金融均可對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生顯著的提振作用。 這表明隨著數(shù)字普惠金融的不斷發(fā)展， 更多金融資源被用于農(nóng)業(yè)生產(chǎn)， 農(nóng)村居民、企業(yè)的金融可得性得到了很大程度的提升。 數(shù)字普惠金融不受物理網(wǎng)點(diǎn)束縛， 可以有效降低融資成本、緩解農(nóng)村企業(yè)和農(nóng)村居民的融資困境， 滿足其對農(nóng)業(yè)技術(shù)改善的資金需求， 推動農(nóng)業(yè)前沿科技進(jìn)步， 有利于加快農(nóng)業(yè)生產(chǎn)核心技術(shù)突破， 進(jìn)而促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率的提升。 此外， 數(shù)字普惠金融還有助于推動農(nóng)村實(shí)體經(jīng)濟(jì)發(fā)展， 在數(shù)字技術(shù)的加持下， “鄉(xiāng)村物流”和“鄉(xiāng)村電商”可有效促進(jìn)農(nóng)產(chǎn)品流通體系的建立， 有利于加快農(nóng)業(yè)資金回流， 實(shí)現(xiàn)更加高效的資源配置， 提高農(nóng)業(yè)全要素生產(chǎn)率。

在控制變量方面， 外資投入水平（fdi）的估計系數(shù)為-1.2814， 與農(nóng)業(yè)全要素生產(chǎn)率負(fù)相關(guān)， 且在1%的水平上顯著， 可能是因?yàn)檗r(nóng)村居民與外部接觸較少， 不能有效消化吸收外來技術(shù)， 外資投入反而對農(nóng)業(yè)全要素生產(chǎn)率增長有抑制作用; 財政支持（fe）的估計系數(shù)為1.4165， 與農(nóng)業(yè)全要素生產(chǎn)率正相關(guān)且在5%的水平上顯著， 表明政府對農(nóng)村的財政支持可有效緩解農(nóng)業(yè)發(fā)展的資金困境， 減少農(nóng)民的財稅負(fù)擔(dān)， 有利于提高農(nóng)業(yè)全要素生產(chǎn)率; 城鎮(zhèn)化水平（urban）的回歸系數(shù)為1.3624， 顯著為正， 說明城鎮(zhèn)化水平的提高可以改善農(nóng)村勞動力在城鄉(xiāng)之間的配置， 有效提升農(nóng)業(yè)全要素生產(chǎn)率; 農(nóng)村居民受教育水平（edu）與農(nóng)業(yè)全要素生產(chǎn)率正相關(guān)， 但不顯著， 表明隨著農(nóng)村居民受教育水平的提升， 一方面農(nóng)村人力資本要素投入可能增加， 但另一方面， 一些受教育水平較高的農(nóng)村居民可能會從事非農(nóng)產(chǎn)業(yè)， 反而減少了要素投入， 所以農(nóng)村居民受教育水平對農(nóng)業(yè)全要素生產(chǎn)率的影響并不顯著; 受災(zāi)率（disa）的系數(shù)為負(fù)， 但未通過顯著性檢驗(yàn)。

為使研究結(jié)論更具指導(dǎo)意義， 本文分析了數(shù)字普惠金融各維度對農(nóng)業(yè)全要素生產(chǎn)率的影響， 研究過程同上， 以固定效應(yīng)模型為分析模型， 回歸結(jié)果見表4。 由表4列（6）可知， 數(shù)字普惠金融覆蓋廣度對農(nóng)業(yè)全要素生產(chǎn)率的估計系數(shù)為0.0544， 顯著為正， 表明隨著數(shù)字金融服務(wù)覆蓋范圍的不斷擴(kuò)張， 偏遠(yuǎn)農(nóng)村地區(qū)人民更容易享受到金融發(fā)展和科技進(jìn)步的紅利， 金融可得性被大幅提高， 滿足了農(nóng)村居民因農(nóng)業(yè)生產(chǎn)產(chǎn)生的融資需求， 有助于提高農(nóng)業(yè)全要素生產(chǎn)率; 由列（8）可知， 數(shù)字普惠金融使用深度對農(nóng)業(yè)全要素生產(chǎn)率的估計系數(shù)為0.0270， 在5%的水平上顯著， 表明隨著互聯(lián)網(wǎng)保險和互聯(lián)網(wǎng)信貸等服務(wù)的增加， 農(nóng)村居民可以通過智能手機(jī)等基礎(chǔ)移動終端設(shè)備滿足自身的投融資需求， 這種低成本、便捷的金融服務(wù)方式有助于優(yōu)化農(nóng)村金融資源配置， 促進(jìn)農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)升級和經(jīng)濟(jì)發(fā)展， 為農(nóng)業(yè)全要素生產(chǎn)率的提升提供動力; 由列（10）可知， 數(shù)字普惠金融數(shù)字化程度對農(nóng)業(yè)全要素生產(chǎn)率的回歸系數(shù)為0.0167， 在5%的水平上顯著， 數(shù)字化是數(shù)字普惠金融發(fā)展的基礎(chǔ)， 隨著數(shù)字化水平的提高， 數(shù)字普惠金融的優(yōu)勢得以凸顯， 除可以為農(nóng)村居民和小微企業(yè)提供更高效、透明的金融服務(wù)外， 還能利用數(shù)字技術(shù)管控金融風(fēng)險， 使資源配置更加有效， 對農(nóng)業(yè)生產(chǎn)產(chǎn)生實(shí)質(zhì)性影響。

為深入分析數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率增長的作用路徑， 本文將農(nóng)業(yè)全要素生產(chǎn)率分解為農(nóng)業(yè)技術(shù)進(jìn)步（tech）和農(nóng)業(yè)技術(shù)效率（ef）， 采用混合OLS模型和固定效應(yīng)模型回歸， 檢驗(yàn)過程同上， 以固定效應(yīng)模型為分析模型， 回歸結(jié)果見表5。

由表5可知， 在固定效應(yīng)模型下， 數(shù)字普惠金融與農(nóng)業(yè)技術(shù)進(jìn)步的估計系數(shù)為0.0303， 顯著為正， 即數(shù)字普惠金融對農(nóng)業(yè)技術(shù)水平提高具有顯著促進(jìn)作用。 一個合理的解釋是： 首先， 數(shù)字普惠金融通過提高金融可得性和改善收入分配、增加經(jīng)濟(jì)機(jī)會等路徑可有效減緩農(nóng)村貧困， 增加農(nóng)村居民可支配收入[23，24] ， 為其購置農(nóng)業(yè)生產(chǎn)要素提供資金。 其次， 數(shù)字技術(shù)與普惠金融的有機(jī)結(jié)合提高了金融運(yùn)行效率， 延伸了金融服務(wù)半徑， 且其不依賴物理網(wǎng)點(diǎn)， 可有效降低農(nóng)村居民和企業(yè)的融資成本， 減輕其融資負(fù)擔(dān)， 為其引進(jìn)、研發(fā)和吸收先進(jìn)農(nóng)業(yè)技術(shù)提供資金支持， 進(jìn)而促進(jìn)農(nóng)業(yè)技術(shù)進(jìn)步。 數(shù)字普惠金融與農(nóng)業(yè)技術(shù)效率的回歸系數(shù)為0.0159， 但未通過顯著性檢驗(yàn)， 表明數(shù)字普惠金融發(fā)展無法顯著改善農(nóng)業(yè)技術(shù)效率。 從理論上講， 數(shù)字普惠金融通過發(fā)揮減貧增收功能帶動地區(qū)經(jīng)濟(jì)增長， 從而提高當(dāng)?shù)亟逃剑?教育水平的提高意味著農(nóng)村人力資本要素的增加， 但根據(jù)表5可知， 農(nóng)村受教育水平與農(nóng)業(yè)技術(shù)效率改善并無顯著關(guān)系; 數(shù)字普惠金融可以借助數(shù)字技術(shù)匯總農(nóng)村居民和小微企業(yè)的各項(xiàng)信息數(shù)據(jù)， 完善信息共享平臺， 優(yōu)化金融資源配置， 增加農(nóng)業(yè)小微企業(yè)和居民金融可得性， 提高農(nóng)業(yè)技術(shù)效率。 但完善信息平臺、分析用戶信用狀態(tài)無法在短時間內(nèi)完成， 數(shù)字普惠金融作為一個較新的概念目前還在不斷深化、發(fā)展之中， 且我國農(nóng)村地區(qū)的數(shù)字化程度還有待提升。 因此， 現(xiàn)階段數(shù)字普惠金融發(fā)展無法顯著提升農(nóng)業(yè)技術(shù)效率。

2. 穩(wěn)健性檢驗(yàn)。 為進(jìn)一步驗(yàn)證數(shù)字普惠金融及其各維度可對農(nóng)業(yè)全要素生產(chǎn)率增長產(chǎn)生顯著正向影響， 本文構(gòu)建如下模型， 利用動態(tài)GMM方法進(jìn)行穩(wěn)健性檢驗(yàn)。 回歸結(jié)果如表6所示， 其中列（15）為數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率影響的估計結(jié)果， 列（16） ～ 列（18）為數(shù)字普惠金融各維度對農(nóng)業(yè)全要素生產(chǎn)率影響的估計結(jié)果。

Yit=?+ρ1Yi，t-1+β1Xit+βiCoutrolit+μi+εt （4）

根據(jù)表6列（15） ～ 列（18）的檢驗(yàn)結(jié)果可知， 回歸方程的誤差項(xiàng)不存在二階序列相關(guān)， 且工具變量有效， 各個模型中被解釋變量滯后一期值的回歸系數(shù)分別為0.5719、0.5475、0.6730、0.8542， 并且均在1%的水平上顯著， 表明本文設(shè)定的穩(wěn)健性檢驗(yàn)?zāi)Ｐ褪呛侠淼摹?根據(jù)列（15） ～ 列（18）的估計結(jié)果可知， 數(shù)字普惠金融及其各維度指數(shù)均可顯著提高農(nóng)業(yè)全要素生產(chǎn)率， 與前文基準(zhǔn)回歸結(jié)果一致。

3. 分地區(qū)檢驗(yàn)。 我國幅員遼闊， 不同省份的農(nóng)業(yè)生產(chǎn)要素數(shù)量和質(zhì)量存在差異， 且數(shù)字普惠金融發(fā)展程度不同。 為進(jìn)一步分析數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響是否存在地域差異， 本文按照國家統(tǒng)計局的劃分標(biāo)準(zhǔn)， 將31個省份劃分為東部、中部和西部地區(qū)， 利用混合OLS模型和固定效應(yīng)模型進(jìn)行回歸。 回歸過程同上， 以固定效應(yīng)模型為分析模型。

根據(jù)表7可知， 在固定效應(yīng)模型下， 數(shù)字普惠金融與東部、中部、西部地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率的估計系數(shù)分別為0.0538、0.1174、0.1007， 均通過顯著性檢驗(yàn)， 表明數(shù)字普惠金融對中部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的提振作用最大， 其次是西部和東部地區(qū)。 一個可能的原因是， 中部地區(qū)多為農(nóng)業(yè)大省， 隨著數(shù)字普惠金融發(fā)展水平的提升， 金融機(jī)構(gòu)可以為中部地區(qū)農(nóng)村居民和企業(yè)提供低成本、高效率的融資手段， 繼續(xù)深化農(nóng)業(yè)發(fā)展， 有利于加快農(nóng)業(yè)技術(shù)進(jìn)步， 補(bǔ)齊農(nóng)業(yè)現(xiàn)代化短板， 最終對農(nóng)業(yè)全要素生產(chǎn)率起到提振作用; 而東部地區(qū)主要以服務(wù)業(yè)和高科技產(chǎn)業(yè)作為發(fā)展重心， 農(nóng)業(yè)所占比重相對較小， 西部地區(qū)農(nóng)業(yè)所占比重相對較大但經(jīng)濟(jì)落后、金融發(fā)展不足， 且數(shù)字化程度較低。 因此， 數(shù)字普惠金融發(fā)展對東部和西部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的促進(jìn)作用要弱于中部地區(qū)。

4. 門檻效應(yīng)檢驗(yàn)。 根據(jù)前文基準(zhǔn)回歸和穩(wěn)健性檢驗(yàn)結(jié)果， 數(shù)字普惠金融及其各維度對農(nóng)業(yè)全要素生產(chǎn)率起到顯著提振作用， 為深入研究當(dāng)數(shù)字普惠金融及其各維度處于不同發(fā)展水平時， 是否對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生不同影響， 本文利用公式（2）構(gòu)建門檻效應(yīng)模型。 其中， 以農(nóng)業(yè)全要素生產(chǎn)率為被解釋變量， 數(shù)字普惠金融指數(shù)（difi）和各維度指數(shù)（cover、depth、dig）為解釋變量， 同時分別選取數(shù)字普惠金融及其維度指數(shù)為門檻變量， 且各門檻變量都通過了外生性檢驗(yàn)， 證明模型有效。 門檻效應(yīng)檢驗(yàn)結(jié)果見表8。

根據(jù)表8可知， 數(shù)字普惠金融指數(shù)單一門檻下的P值為0.0833， 在10%的水平上顯著， 但在雙重門檻下的P值為0.2133， 并不顯著， 所以數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響只存在一個關(guān)于數(shù)字普惠金融的單門檻效應(yīng); 覆蓋廣度指數(shù)和使用深度指數(shù)在單一門檻下的P值分別為0.6067和0.2275， 均未通過顯著性檢驗(yàn)， 即數(shù)字普惠金融服務(wù)的覆蓋廣度和使用深度對農(nóng)業(yè)全要素生產(chǎn)率不存在門檻效應(yīng); 數(shù)字化程度指數(shù)在單一門檻下的P值為0.0333， 在5%的水平上顯著， 但在雙重門檻下的P值為0.2233， 不顯著， 所以數(shù)字化程度與農(nóng)業(yè)全要素生產(chǎn)率之間只存在一個關(guān)于數(shù)字化程度的單門檻效應(yīng)。 由此可知， 數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率存在門檻效應(yīng)， 在數(shù)字普惠金融指數(shù)各維度方面， 只有數(shù)字化程度對農(nóng)業(yè)全要素生產(chǎn)率存在門檻效應(yīng)， 本文運(yùn)用面板門檻模型進(jìn)行回歸估計， 結(jié)果見表9。

根據(jù)表9列（28）的回歸結(jié)果， 當(dāng)數(shù)字普惠金融指數(shù)小于門檻值時， 回歸系數(shù)為0.0753， 在1%的水平上顯著， 當(dāng)數(shù)字普惠金融指數(shù)大于門檻值時， 回歸系數(shù)為0.0877， 在1%的水平上顯著， 這意味著無論數(shù)字普惠金融發(fā)展水平處于較低階段還是較高階段， 都可對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生顯著的促進(jìn)作用， 但該作用隨著數(shù)字普惠金融的發(fā)展由弱變強(qiáng)。 一個合理的解釋是， 當(dāng)數(shù)字普惠金融發(fā)展水平處于較低階段時， 其作用主要體現(xiàn)在緩解融資約束和減貧增收方面， 對優(yōu)化農(nóng)業(yè)要素配置和促進(jìn)農(nóng)業(yè)技術(shù)進(jìn)步方面的作用不足; 當(dāng)數(shù)字普惠金融發(fā)展水平處于較高階段時， 金融資源配置效率提升， 數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的正向效應(yīng)增強(qiáng)。 根據(jù)表9列（29）的回歸結(jié)果， 當(dāng)數(shù)字化程度指數(shù)小于門檻值時， 回歸系數(shù)為0.0156， 但顯著性水平較低， 當(dāng)越過門檻值后， 數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的回歸系數(shù)為0.0425， 在1%的水平上顯著。 一個合理的解釋是， 數(shù)字普惠金融憑借互聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈等數(shù)字技術(shù)提供范圍廣、成本低、便捷的金融服務(wù)， 這正是其區(qū)別于傳統(tǒng)金融的服務(wù)優(yōu)勢。 當(dāng)數(shù)字化程度較低時， 數(shù)字普惠金融與傳統(tǒng)金融的差異較小， 并不能完全發(fā)揮其利用數(shù)字技術(shù)降低融資成本、緩解融資困境的優(yōu)勢， 對農(nóng)業(yè)全要素生產(chǎn)率的促進(jìn)效果還有待提升; 當(dāng)數(shù)字化程度達(dá)到一定水平后， 數(shù)字技術(shù)對金融服務(wù)的激活作用更大， 數(shù)字普惠金融的優(yōu)勢更加凸顯， 金融資源配置更為有效， 這有力地緩解了農(nóng)業(yè)生產(chǎn)的資金約束， 進(jìn)而對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生更大且更為顯著的提振作用。

四、研究結(jié)論與政策建議

（一）研究結(jié)論

本文在梳理農(nóng)業(yè)全要素生產(chǎn)率和數(shù)字普惠金融相關(guān)文獻(xiàn)的基礎(chǔ)上， 選取2011 ～ 2018年我國省級面板數(shù)據(jù)， 利用DEA-Malmquist指數(shù)法測算各省農(nóng)業(yè)全要素生產(chǎn)率， 并采用固定效應(yīng)模型和門檻效應(yīng)模型實(shí)證分析數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響， 得出以下研究結(jié)論： ①無論從總體上還是分維度研究， 數(shù)字普惠金融可有效提高農(nóng)業(yè)全要素生產(chǎn)率; ②數(shù)字普惠金融主要通過促進(jìn)農(nóng)業(yè)技術(shù)進(jìn)步提高農(nóng)業(yè)全要素生產(chǎn)率， 對農(nóng)業(yè)技術(shù)效率的提高則無顯著影響; ③數(shù)字普惠金融對中部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的提振作用最大， 其次是西部和東部地區(qū); ④數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的提升存在單一門檻， 數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的提振作用隨著數(shù)字普惠金融發(fā)展程度的提高而加大， 數(shù)字普惠金融數(shù)字化程度對農(nóng)業(yè)全要素生產(chǎn)率的提升存在單一門檻， 數(shù)字化程度越高， 對農(nóng)業(yè)全要素生產(chǎn)率的提振作用越大且越顯著。

（二）政策建議

首先， 深入推進(jìn)數(shù)字普惠金融發(fā)展， 政府部門應(yīng)做好統(tǒng)籌和引導(dǎo)工作， 推動各地金融機(jī)構(gòu)進(jìn)行金融服務(wù)創(chuàng)新， 除在農(nóng)村地區(qū)設(shè)置物理網(wǎng)點(diǎn)外還要逐步推廣手機(jī)銀行、ATM等數(shù)字金融服務(wù)， 簡化數(shù)字金融產(chǎn)品操作流程， 設(shè)置普惠金融服務(wù)站點(diǎn)， 優(yōu)化農(nóng)村金融生態(tài)環(huán)境， 將偏遠(yuǎn)農(nóng)村地區(qū)覆蓋到數(shù)字金融的服務(wù)網(wǎng)絡(luò)之下， 拓展和挖掘“長尾市場”， 主動為農(nóng)村貧困地區(qū)的“長尾客戶”提供金融服務(wù)， 提高農(nóng)村地區(qū)居民和中小微企業(yè)的金融可得性， 為農(nóng)業(yè)發(fā)展提供良好的融資環(huán)境， 引導(dǎo)先進(jìn)的農(nóng)業(yè)技術(shù)和農(nóng)業(yè)機(jī)械設(shè)備進(jìn)入農(nóng)村， 用數(shù)字普惠金融激活農(nóng)業(yè)生產(chǎn)動力。

其次， 深化數(shù)字金融基礎(chǔ)設(shè)施生態(tài)系統(tǒng)建設(shè)， 加深數(shù)字化程度， 簡化信息流動， 建立健全農(nóng)村小額貸款信息平臺和信用評價體系， 減少農(nóng)戶、農(nóng)村企業(yè)、融資平臺之間因信息不對稱所引發(fā)的信用風(fēng)險。 完善金融資源配置， 優(yōu)化資金投入結(jié)構(gòu)， 在數(shù)字普惠金融服務(wù)鄉(xiāng)村的過程中， 著力提升其對農(nóng)業(yè)技術(shù)效率的貢獻(xiàn)。

再次， 繼續(xù)推進(jìn)農(nóng)村互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)， 各地政府根據(jù)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展實(shí)情將基建資金適度向偏遠(yuǎn)農(nóng)村地區(qū)傾斜， 積極與通信企業(yè)展開合作， 鼓勵通信公司在農(nóng)村地區(qū)增設(shè)基站， 定期維護(hù)設(shè)備， 實(shí)現(xiàn)廣播電視網(wǎng)、電信網(wǎng)和互聯(lián)網(wǎng)在農(nóng)村的全覆蓋， 提升農(nóng)村居民的互聯(lián)網(wǎng)參與率。 一方面利用互聯(lián)網(wǎng)傳播農(nóng)業(yè)新知識、新技術(shù)， 降低農(nóng)業(yè)信息傳遞成本， 促進(jìn)農(nóng)業(yè)技術(shù)外溢; 另一方面依靠互聯(lián)網(wǎng)等現(xiàn)代信息技術(shù)完善農(nóng)產(chǎn)品產(chǎn)銷服務(wù)鏈， 建立產(chǎn)銷信息平臺， 將產(chǎn)銷信息快速傳達(dá)至農(nóng)產(chǎn)品供需雙方， 進(jìn)一步挖掘市場， 提高農(nóng)業(yè)發(fā)展效率， 為農(nóng)村地區(qū)夯實(shí)減貧基礎(chǔ)， 促進(jìn)農(nóng)業(yè)穩(wěn)定發(fā)展。

最后， 進(jìn)一步提高農(nóng)戶金融素養(yǎng)和自我保護(hù)意識， 各地金融機(jī)構(gòu)、高校要積極配合政府部門為農(nóng)村地區(qū)居民提供多樣化的金融知識普及渠道， 定期下鄉(xiāng)開展金融知識培訓(xùn)， 圍繞農(nóng)村生活和農(nóng)產(chǎn)品交易向居民普及買賣交易、理財、保險、投融資等相關(guān)金融知識， 提高其識別金融服務(wù)和理財產(chǎn)品潛在風(fēng)險的能力， 為數(shù)字普惠金融提振農(nóng)業(yè)全要素生產(chǎn)率保駕護(hù)航。

【 主 要 參 考 文 獻(xiàn) 】

[1] Cao K. H.， Birchenall J. A.. Agricultural productivity， structural change， and economic growth in post-reform China[ J].Journal of Development Economics，2013（3）：165 ～ 180.

[2] 徐璋勇，朱睿.金融發(fā)展對綠色全要素生產(chǎn)率的影響分析——來自中國西部地區(qū)的實(shí)證研究[ J].山西大學(xué)學(xué)報：哲學(xué)社會科學(xué)版，2020（1）：117 ～ 129.

[3] 李健，辛沖沖.金融發(fā)展的城市全要素生產(chǎn)率增長效應(yīng)研究——基于中國260個城市面板數(shù)據(jù)分析[ J].當(dāng)代經(jīng)濟(jì)管理，2020（9）：70 ～ 78.

[4] Jorgensen D. W.， Griliches Z.. The explanation of productivity change[ J].Review of Economic Studies，1967（3）：249 ～ 283.

[5] Gong， Binlei. Agricultural reforms and production in China： Changes in provincial production function and productivity in 1978 ～ 2015[ J].Journal of Development Economics，2018（132）：18 ～ 31.

[6] 赫國勝，張微微.中國農(nóng)業(yè)全要素生產(chǎn)率影響因素、影響效應(yīng)分解及區(qū)域化差異——基于省級動態(tài)面板數(shù)據(jù)的GMM估計[ J].遼寧大學(xué)學(xué)報：哲學(xué)社會科學(xué)版，2016（3）：79 ～ 88.

[7] 王璐，楊汝岱，吳比.中國農(nóng)戶農(nóng)業(yè)生產(chǎn)全要素生產(chǎn)率研究[ J].管理世界，2020（12）：77 ～ 93.

[8] 陳鳴，鄧榮榮.農(nóng)業(yè)R&D投入與農(nóng)業(yè)全要素生產(chǎn)率—— 一個空間溢出視角的解釋與證據(jù)[ J].江西財經(jīng)大學(xué)學(xué)報，2020（2）：86 ～ 97.

[9] 李欠男，李谷成.互聯(lián)網(wǎng)發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率增長的影響[ J].華中農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2020（4）：71 ～ 78+177.

[10] 賈蕊蕊，劉海燕，郭琨.中國農(nóng)村商業(yè)銀行經(jīng)營績效及其外部影響因素分析[ J].管理評論，2018（11）：26 ～ 34.

[11] 蔣永穆.中國農(nóng)村金融改革40年：歷史進(jìn)程與基本經(jīng)驗(yàn)[ J].農(nóng)村經(jīng)濟(jì)，2018（12）：6 ～ 8.

[12] 譚霖，鄧偉平.金融發(fā)展與全要素生產(chǎn)率互動：農(nóng)業(yè)視角[ J].南方金融，2011（8）：23 ～ 26.

[13] 尹雷，沈毅.農(nóng)村金融發(fā)展對中國農(nóng)業(yè)全要素生產(chǎn)率的影響：是技術(shù)進(jìn)步還是技術(shù)效率——基于省級動態(tài)面板數(shù)據(jù)的GMM估計[ J].財貿(mào)研究，2014（2）：32 ～ 40.

[14] 井深，肖龍鐸.農(nóng)村正規(guī)與非正規(guī)金融發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的影響——基于中國省級面板數(shù)據(jù)的實(shí)證研究[ J].江蘇社會科學(xué)，2017（4）：77 ～ 85.

[15] 李建軍，韓珣.普惠金融、收入分配和貧困減緩——推進(jìn)效率和公平的政策框架選擇[ J].金融研究，2019（3）：129 ～ 148.

[16] Diniz E.， Birochi R.， Pozzebon M.. Triggers and barriers to financial inclusion： The use of ICT-based branchless banking in an amazon county[ J].Electronic Commerce Research Applications，2012（5）：484 ～ 494.

[17] 陳寶珍，任金政.數(shù)字金融與農(nóng)戶：普惠效果和影響機(jī)制[ J].財貿(mào)研究，2020（6）：37 ～ 47.

[18] 成學(xué)真，龔沁宜.數(shù)字普惠金融如何影響實(shí)體經(jīng)濟(jì)的發(fā)展——基于系統(tǒng)GMM模型和中介效應(yīng)檢驗(yàn)的分析[ J].湖南大學(xué)學(xué)報（社會科學(xué)版），2020（3）：59 ～ 67.

[19] 周利，廖婧琳，張浩.數(shù)字普惠金融、信貸可得性與居民貧困減緩——來自中國家庭調(diào)查的微觀證據(jù)[ J].經(jīng)濟(jì)科學(xué)，2021（1）：145 ～ 157.

[20] 黃瀅曉，汪慧玲.金融資源配置扭曲與貧困關(guān)系研究[ J].貴州社會科學(xué)，2007（12）：83 ～ 86.

[21] 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（社會科學(xué)版），2021（1）：109 ～ 119.

[22] 李優(yōu)樹，張敏.數(shù)字普惠金融發(fā)展對系統(tǒng)性金融風(fēng)險的影響研究[ J].中國特色社會主義研 究，2020（Z1）：26 ～ 34.

[23] 黃倩，李政，熊德平.數(shù)字普惠金融的減貧效應(yīng)及其傳導(dǎo)機(jī)制[ J].改革，2019（11）：90 ～ 101.

[24] 胡放之.數(shù)字經(jīng)濟(jì)、新就業(yè)形態(tài)與勞動力市場變革[ J].學(xué)習(xí)與實(shí)踐，2021（10）：71 ～ 77.