數(shù)字金融促進(jìn)家庭農(nóng)場(chǎng)生存發(fā)展的實(shí)證研究
——基于33402個(gè)家庭農(nóng)場(chǎng)的微觀證據(jù)

◎田杰 譚秋云 謝升峰

一、引言

“家庭農(nóng)場(chǎng)”這一概念自2013年在中央一號(hào)文件中出現(xiàn)以來，逐漸成為推動(dòng)農(nóng)地規(guī)模經(jīng)營(yíng)、促進(jìn)農(nóng)業(yè)現(xiàn)代化發(fā)展和實(shí)施鄉(xiāng)村振興戰(zhàn)略的重要載體。黨的十八大以來，新型農(nóng)業(yè)經(jīng)營(yíng)主體和服務(wù)主體呈快速發(fā)展之勢(shì)。而家庭農(nóng)場(chǎng)作為立體式復(fù)合型現(xiàn)代農(nóng)業(yè)經(jīng)營(yíng)體系中的重要組成部分，不僅是現(xiàn)代農(nóng)業(yè)發(fā)展主體、主要農(nóng)產(chǎn)品供給主體，同時(shí)還是社會(huì)化服務(wù)主體?！缎滦娃r(nóng)業(yè)經(jīng)營(yíng)主體和服務(wù)主體高質(zhì)量發(fā)展規(guī)劃（2020-2022年）》指出，中國(guó)家庭農(nóng)場(chǎng)在2018年底已達(dá)60萬家，是2013年的4倍；截至2020年6月底，全國(guó)家庭農(nóng)場(chǎng)超過100萬家。加快培育發(fā)展家庭農(nóng)場(chǎng)、農(nóng)民合作社、農(nóng)業(yè)社會(huì)化服務(wù)組織等在內(nèi)的新型農(nóng)業(yè)經(jīng)營(yíng)主體和服務(wù)主體，是實(shí)現(xiàn)鄉(xiāng)村產(chǎn)業(yè)興旺、培育農(nóng)業(yè)農(nóng)村新動(dòng)能、促進(jìn)小農(nóng)戶和現(xiàn)代農(nóng)業(yè)發(fā)展有機(jī)銜接的迫切需要，對(duì)推進(jìn)農(nóng)業(yè)現(xiàn)代化、實(shí)現(xiàn)鄉(xiāng)村全面振興具有重大意義。但是根據(jù)國(guó)家市場(chǎng)監(jiān)督管理總局國(guó)家企業(yè)信用信息公示系統(tǒng)2019年公布的全國(guó)家庭農(nóng)場(chǎng)數(shù)據(jù)，截止到2019年6月，全部注冊(cè)登記的23萬個(gè)家庭農(nóng)場(chǎng)中，有31225個(gè)家庭農(nóng)場(chǎng)已經(jīng)陸續(xù)退出，這反映了一個(gè)客觀事實(shí)，即我國(guó)家庭農(nóng)場(chǎng)生存能力較弱，家庭農(nóng)場(chǎng)退出率高。融資約束是制約家庭農(nóng)場(chǎng)發(fā)展的重要因素（張迎春等，2018）。目前，家庭農(nóng)場(chǎng)面臨著抵押品不足、利率較高、手續(xù)復(fù)雜、家庭農(nóng)場(chǎng)自身融資能力較弱、政策金融支持力度不夠、商業(yè)金融供給水平較低等方面的融資障礙和約束（陳培磊、郭沛，2020）。當(dāng)前，在科技革命和產(chǎn)業(yè)變革的大背景下，數(shù)字金融的發(fā)展已成為一國(guó)金融高質(zhì)量發(fā)展的重要引擎。依托云計(jì)算、大數(shù)據(jù)處理技術(shù)，數(shù)字金融在一定程度上大大緩解了金融市場(chǎng)中的信息不對(duì)稱、交易成本和融資約束等問題。基于互聯(lián)網(wǎng)的數(shù)字金融，使金融服務(wù)的可得性和便利性得到大幅度改善，這顯然為家庭農(nóng)場(chǎng)的高質(zhì)量發(fā)展和可持續(xù)生存能力提供了有利條件。那么，數(shù)字金融能否緩解家庭農(nóng)場(chǎng)面臨的融資約束，減少較高的交易成本，并降低其生存風(fēng)險(xiǎn)？數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響是否存在異質(zhì)性？

鑒于此，對(duì)數(shù)字金融與家庭農(nóng)場(chǎng)生存關(guān)系進(jìn)行系統(tǒng)性研究，將有助于探索影響家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的新因素，厘清數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存的作用機(jī)制和影響渠道，從而為解決我國(guó)家庭農(nóng)場(chǎng)可持續(xù)發(fā)展出謀劃策。本文的邊際貢獻(xiàn)在于：一是通過梳理文獻(xiàn)，探討數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)影響的機(jī)理；二是利用2014-2018年數(shù)字金融縣域數(shù)據(jù)與54624個(gè)家庭農(nóng)場(chǎng)數(shù)據(jù)相匹配，采用離散時(shí)間Cloglog生存模型，深入考察數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響機(jī)制及異質(zhì)性。本文剩余部分的結(jié)構(gòu)安排如下：第二部分是理論分析與研究假說；第三部分是研究設(shè)計(jì)；第四部分是實(shí)證分析；第五部分是傳導(dǎo)機(jī)制分析，第六部分是異質(zhì)性分析；第七部分是結(jié)論與政策建議。

二、理論分析與研究假說

Clementi & Hopenhayn（2006）通過在企業(yè)生存模型中引入企業(yè)的道德風(fēng)險(xiǎn)，分析了企業(yè)和金融機(jī)構(gòu)的信息不對(duì)稱對(duì)企業(yè)生存的影響，認(rèn)為由于信息不對(duì)稱導(dǎo)致的融資約束將影響企業(yè)日常經(jīng)營(yíng)和未來發(fā)展。馬光榮、李力行（2014）的研究進(jìn)一步表明，金融契約效率的提升會(huì)通過降低高生產(chǎn)率企業(yè)的融資約束來降低其退出概率。針對(duì)家庭農(nóng)場(chǎng)面臨的融資約束，本文在以上分析的基礎(chǔ)上具體闡述數(shù)字金融如何借助數(shù)字技術(shù)緩解家庭農(nóng)場(chǎng)融資約束，從而降低家庭農(nóng)場(chǎng)的生存風(fēng)險(xiǎn)。

由于面臨信息不對(duì)稱以及抵押擔(dān)保缺乏，家庭農(nóng)場(chǎng)面臨著融資約束，且融資成本較高。數(shù)字金融通過緩解家庭農(nóng)場(chǎng)融資約束，能有效降低其生存風(fēng)險(xiǎn)。首先，數(shù)字金融借助人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算、區(qū)塊鏈等技術(shù)收集家庭農(nóng)場(chǎng)生產(chǎn)、生活等多維度的數(shù)據(jù)信息，降低了金融機(jī)構(gòu)與家庭農(nóng)場(chǎng)之間的信息不對(duì)稱，緩解了家庭農(nóng)場(chǎng)融資約束。與傳統(tǒng)金融側(cè)重收入、學(xué)歷、財(cái)務(wù)報(bào)表等硬信息不同，數(shù)字金融更傾向于利用貸款人在互聯(lián)網(wǎng)上沉淀下來的大量行為數(shù)據(jù)等軟信息，借助大數(shù)據(jù)分析手段，構(gòu)建信用評(píng)估模型(Duarte et al.，2012)。農(nóng)村電商的快速發(fā)展，不僅為互聯(lián)網(wǎng)金融創(chuàng)造了應(yīng)用場(chǎng)景，也為農(nóng)村數(shù)字普惠金融發(fā)展鋪設(shè)了金融基礎(chǔ)設(shè)施（星焱，2021）。隨著當(dāng)前數(shù)字鄉(xiāng)村的發(fā)展，金融機(jī)構(gòu)通過應(yīng)用人工智能、云計(jì)算來快速獲取、處理和分析農(nóng)產(chǎn)品生產(chǎn)體系、經(jīng)營(yíng)體系、管理體系等全產(chǎn)業(yè)鏈大數(shù)據(jù)信息（夏顯力等，2019）。數(shù)字技術(shù)收集家庭農(nóng)場(chǎng)的多維信息并以此作為是否提供信貸服務(wù)的依據(jù)，使缺乏信用記錄的家庭農(nóng)場(chǎng)實(shí)現(xiàn)了融資，并使其信用記錄也更加完整，緩解了融資約束。其次，數(shù)字金融依托數(shù)字技術(shù)提升了對(duì)家庭農(nóng)場(chǎng)當(dāng)前市場(chǎng)信息判斷和長(zhǎng)遠(yuǎn)發(fā)展的戰(zhàn)略分析，有利于提升家庭農(nóng)場(chǎng)的無形資產(chǎn)價(jià)值（張迎春等，2018），避免了當(dāng)前家庭農(nóng)場(chǎng)難以滿足抵押擔(dān)保而導(dǎo)致無法獲得融資的弊端。根據(jù)中國(guó)數(shù)字鄉(xiāng)村發(fā)展報(bào)告（2019），家庭農(nóng)場(chǎng)數(shù)字化監(jiān)管服務(wù)系統(tǒng)于2017年在全國(guó)推廣使用，收錄了全國(guó)59萬多個(gè)家庭農(nóng)場(chǎng)信息，提供家庭農(nóng)場(chǎng)名錄建設(shè)、跟蹤監(jiān)測(cè)、示范評(píng)定等日常維護(hù)功能，有效提升了查詢、統(tǒng)計(jì)、管理等工作效率。進(jìn)入數(shù)字監(jiān)控的家庭農(nóng)場(chǎng)能夠規(guī)范農(nóng)場(chǎng)生產(chǎn)、管理、技術(shù)，打造屬于自家農(nóng)場(chǎng)的品牌，使得家庭農(nóng)場(chǎng)的生產(chǎn)與銷售具有了穩(wěn)定性和持久性。有了數(shù)字化的實(shí)時(shí)監(jiān)控，農(nóng)場(chǎng)主不再是隨意生產(chǎn)銷售的農(nóng)戶，會(huì)充分考慮成本收益問題，因此能夠高效率地使用化肥農(nóng)藥等而不會(huì)像小農(nóng)戶那樣以產(chǎn)量最大化為導(dǎo)向不計(jì)成本地投入。因此，為了實(shí)現(xiàn)利潤(rùn)最大化，許多家庭農(nóng)場(chǎng)積極轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式，更加注重農(nóng)產(chǎn)品的生態(tài)效益，更愿意為消費(fèi)者提供品質(zhì)優(yōu)良、生態(tài)安全的農(nóng)產(chǎn)品。數(shù)字金融依托大數(shù)據(jù)、云計(jì)算、人工智能、5G、物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)提升了家庭農(nóng)場(chǎng)的無形資產(chǎn)價(jià)值，降低了家庭農(nóng)場(chǎng)融資約束，提高了家庭農(nóng)場(chǎng)的生存能力。

假說1：數(shù)字金融通過降低家庭農(nóng)場(chǎng)融資面臨的信息不對(duì)稱和抵押品要求，緩解融資約束，降低其生存風(fēng)險(xiǎn)。

數(shù)字金融使得只要有互聯(lián)網(wǎng)，就可以實(shí)現(xiàn)支付、轉(zhuǎn)賬、借貸等功能，一定程度上解決了傳統(tǒng)金融機(jī)構(gòu)獲客及風(fēng)險(xiǎn)評(píng)估成本高的問題，能夠幫助家庭農(nóng)場(chǎng)彌補(bǔ)長(zhǎng)期以來金融服務(wù)的不足（謝絢麗等，2018）。數(shù)字金融通過網(wǎng)絡(luò)貸款、眾籌、供應(yīng)鏈金融等融資模式填補(bǔ)了傳統(tǒng)金融機(jī)構(gòu)服務(wù)的不足，為更多的家庭農(nóng)場(chǎng)提供高效便捷的融資服務(wù)，其便利性金融服務(wù)包括支付寶賬戶及其綁定的銀行卡等電子賬戶。與傳統(tǒng)銀行物理網(wǎng)點(diǎn)相比，數(shù)字業(yè)務(wù)成本可降低約90%，其中，開戶和賬戶維護(hù)成本降低65%～75%、現(xiàn)金存取成本降低40%～60%、支付和轉(zhuǎn)賬成本降低90%～95%（星焱，2021）。數(shù)字金融可以根據(jù)家庭農(nóng)場(chǎng)農(nóng)業(yè)生產(chǎn)中種植、養(yǎng)殖的實(shí)際需要決定信貸產(chǎn)品的期限和額度，而數(shù)字技術(shù)讓信貸產(chǎn)品的期限、額度更加匹配農(nóng)業(yè)生產(chǎn)周期，不僅使銀行資金使用效率最大化，同時(shí)也減少了家庭農(nóng)場(chǎng)由于固定期限產(chǎn)品造成的額外成本（貝多廣、汪雯羽，2020）。數(shù)字金融依托數(shù)字技術(shù)增加了家庭農(nóng)場(chǎng)主申請(qǐng)貸款的渠道，幫助家庭農(nóng)場(chǎng)主節(jié)省了大量的時(shí)間成本、信息搜尋成本，也提高了金融機(jī)構(gòu)的審貸效率，降低了涉農(nóng)貸款的風(fēng)險(xiǎn)和成本。數(shù)字技術(shù)使更多元的家庭農(nóng)場(chǎng)主數(shù)據(jù)被用以衡量客戶質(zhì)量，增大借款客戶獲得金融支持機(jī)會(huì)的同時(shí)也減小了金融機(jī)構(gòu)的業(yè)務(wù)風(fēng)險(xiǎn)。同時(shí)，數(shù)字金融利用技術(shù)優(yōu)勢(shì)減少了農(nóng)村金融業(yè)務(wù)中線下人員的數(shù)量，也減少了人工成本，它基于電腦和智能手機(jī)等終端設(shè)備，突破了傳統(tǒng)物理網(wǎng)點(diǎn)的時(shí)空局限，并規(guī)避了部分信貸人員“吃拿卡要”等尋租成本。因此，數(shù)字金融活動(dòng)不受時(shí)間和空間的限制，以較低的成本聯(lián)合其他部門構(gòu)建家庭農(nóng)場(chǎng)信用體系，為家庭農(nóng)場(chǎng)定制精準(zhǔn)的金融服務(wù)，進(jìn)一步降低了家庭農(nóng)場(chǎng)融資約束，從而降低了其生存風(fēng)險(xiǎn)。

假說2：數(shù)字金融通過為家庭農(nóng)場(chǎng)提供金融服務(wù)便利，降低其生存風(fēng)險(xiǎn)。

三、研究設(shè)計(jì)

（一）模型設(shè)計(jì)

目前學(xué)術(shù)界關(guān)于生存分析模型的已有研究主要有以下幾種，即連續(xù)時(shí)間的Cox道德風(fēng)險(xiǎn)比例模型、離散時(shí)間模型1和加速失效時(shí)間模型(AFT模型)。本文選用生存分析模型中的“互補(bǔ)雙對(duì)數(shù)模型”(Cloglog模型)離散時(shí)間模型，其原因在于：一方面，AFT模型為參數(shù)模型，需要對(duì)基準(zhǔn)風(fēng)險(xiǎn)的分布進(jìn)行人為設(shè)定，而Cox比例風(fēng)險(xiǎn)模型由于其半?yún)⒎植嫉奶卣?，無需進(jìn)行該操作，因此運(yùn)用范圍比AFT模型廣，但與Cloglog模型相比，Cox比例風(fēng)險(xiǎn)模型的等比例風(fēng)險(xiǎn)假定較為苛刻，且該模型估計(jì)往往會(huì)忽略個(gè)體異質(zhì)性效應(yīng)的作用，會(huì)對(duì)回歸結(jié)果造成較大的偏差；另一方面，生存分析模型中傳統(tǒng)的“Cox道德風(fēng)險(xiǎn)比例模型”主要用于處理連續(xù)時(shí)間面板數(shù)據(jù)，但是面臨處理大樣本數(shù)據(jù)時(shí)的結(jié)點(diǎn)問題時(shí)2，Cloglog模型能夠有效解決Cox模型在處理大樣本數(shù)據(jù)時(shí)的結(jié)點(diǎn)問題，同時(shí)控制了不可觀測(cè)的異質(zhì)性問題3，并主要處理離散時(shí)間面板數(shù)據(jù)的生存分析，從而有效避免了Cox模型在使用時(shí)必須滿足比列危險(xiǎn)假設(shè)的缺陷4。

鑒于離散時(shí)間模型可以避免連續(xù)時(shí)間Cox模型的缺陷，本文構(gòu)建離散時(shí)間模型如式（1），以期準(zhǔn)確地估計(jì)數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響。

其中，上述模型中hit=1-exp[-exp(cControlit+φt)]表示風(fēng)險(xiǎn)率，F(xiàn)(hit)越大，表示家庭農(nóng)場(chǎng)經(jīng)營(yíng)風(fēng)險(xiǎn)越大，即家庭農(nóng)場(chǎng)生存概率越低；Indexit表示i家庭農(nóng)場(chǎng)在t時(shí)期的數(shù)字金融發(fā)展程度，即本文的核心解釋變量；Controlit為一系列控制變量；φt表示基準(zhǔn)風(fēng)險(xiǎn)函數(shù)，并隨時(shí)間變化而改變；Yeart、Indsk、Provr分別表示年份、行業(yè)和地區(qū)不可觀測(cè)效應(yīng)；itkr表示隨機(jī)擾動(dòng)項(xiàng)。

（二）變量選取

1.被解釋變量。變量State為代表家庭農(nóng)場(chǎng)生存與否的離散變量，如果家庭農(nóng)場(chǎng)經(jīng)營(yíng)狀態(tài)為營(yíng)業(yè)或籌建，則家庭農(nóng)場(chǎng)狀態(tài)為生存，記為1，否則記為0。因?yàn)楸唤忉屪兞渴请x散的、非連續(xù)的，故采用二項(xiàng)選擇模型進(jìn)行分析（Chang & Wang，2022）。對(duì)于家庭農(nóng)場(chǎng)生存時(shí)間的界定，參照馬光榮、李力行(2014)的做法，定義為家庭農(nóng)場(chǎng)首次進(jìn)入市場(chǎng)至其退出該市場(chǎng)所經(jīng)歷的時(shí)間，即在t期時(shí)家庭農(nóng)場(chǎng)存在于樣本之中，而t+1期時(shí)家庭農(nóng)場(chǎng)不存在于樣本中，此時(shí)可以認(rèn)為家庭農(nóng)場(chǎng)退出了市場(chǎng)。

2.核心解釋變量。本文采用了北京大學(xué)數(shù)字金融研究中心的中國(guó)數(shù)字普惠金融發(fā)展指數(shù)（郭峰等，2020）。以Indext表示，并用Coverage、Useage、Digital分別表示數(shù)字金融服務(wù)的覆蓋廣度、使用深度和數(shù)字化程度這三個(gè)維度。用Credit、Credit-Loan分別表示使用深度中的信用業(yè)務(wù)、信貸業(yè)務(wù)。

3.控制變量。本文還控制了一些對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)有重要影響的變量。首先在家庭農(nóng)場(chǎng)整體層面，本文選用家庭農(nóng)場(chǎng)年度總資產(chǎn)對(duì)數(shù)作為衡量家庭農(nóng)場(chǎng)規(guī)模的指標(biāo)，同時(shí)考慮到兩者間可能存在非線性關(guān)系，本文參照蘇振東等(2016)的做法，將家庭農(nóng)場(chǎng)規(guī)模的平方也加入模型中；農(nóng)場(chǎng)年齡采用樣本期基期年份與開業(yè)年份的差值進(jìn)行計(jì)算；利潤(rùn)率以家庭農(nóng)場(chǎng)利潤(rùn)總額與總資產(chǎn)的比值表示；銷售利潤(rùn)率以家庭農(nóng)場(chǎng)利潤(rùn)總額占營(yíng)業(yè)收入的比值表示；家庭農(nóng)場(chǎng)性質(zhì)往往決定了經(jīng)營(yíng)方式和經(jīng)營(yíng)目標(biāo)，進(jìn)而在一定程度上影響到其生存風(fēng)險(xiǎn)，因此本文在回歸中還引入了家庭農(nóng)場(chǎng)性質(zhì)虛擬變量，當(dāng)家庭農(nóng)場(chǎng)屬于個(gè)人獨(dú)資家庭農(nóng)場(chǎng)時(shí)取值為1，否則取值為0。其次在縣域?qū)用?，縣域經(jīng)濟(jì)狀況被納入考慮，這是影響家庭消費(fèi)的重要宏觀變量。此外，為了考慮傳統(tǒng)金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響，模型中還考慮了縣域?qū)用娴慕鹑诎l(fā)展變量（金融機(jī)構(gòu)存貸款余額之和與GDP的比值）。此外，經(jīng)營(yíng)年度、行業(yè)狀況和地理位置決定了家庭農(nóng)場(chǎng)的經(jīng)營(yíng)環(huán)境，故本文引入家庭農(nóng)場(chǎng)經(jīng)營(yíng)所在年份(Year)、家庭農(nóng)場(chǎng)所在行業(yè)5(Inds)和家庭農(nóng)場(chǎng)所在地區(qū)(Prov)三類虛擬變量，以控制年份周期、行業(yè)和地理位置對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響。

4.工具變量。參考張勛等(2020)的做法，本文使用家庭所在縣域與杭州的球面距離、家庭所在縣域與全國(guó)其他省會(huì)的球面距離以及家庭農(nóng)場(chǎng)所在縣域與三大核心城市（北京、杭州、深圳）的平均球面距離作為數(shù)字金融的工具變量，數(shù)據(jù)通過地理信息系統(tǒng)計(jì)算后獲得。

（三）數(shù)據(jù)處理和來源

本文采用2014-2018年家庭農(nóng)場(chǎng)的微觀數(shù)據(jù)。家庭農(nóng)場(chǎng)基本信息和年報(bào)財(cái)務(wù)數(shù)據(jù)來源于國(guó)家信用信息公示系統(tǒng)，由企研數(shù)據(jù)整理提供6。該數(shù)據(jù)庫搜集了全國(guó)29個(gè)?。ㄗ灾螀^(qū)、直轄市）58103個(gè)家庭農(nóng)場(chǎng)的信息，共計(jì)94027個(gè)微觀數(shù)據(jù)樣本7。本文首先參考謝千里等(2008)對(duì)各變量異常值的檢測(cè)方法，將家庭農(nóng)場(chǎng)規(guī)模、利潤(rùn)率、銷售利潤(rùn)率等財(cái)務(wù)指標(biāo)在1%的水平上進(jìn)行縮尾處理，以規(guī)避異常值所產(chǎn)生的影響。其次，借鑒Brandt et al.(2012)序貫匹配的方法，將2014-2018年家庭農(nóng)場(chǎng)數(shù)據(jù)跨期合并，隨后通過篩選家庭農(nóng)場(chǎng)的經(jīng)營(yíng)狀態(tài)以及最終出現(xiàn)年份等信息，用于識(shí)別和區(qū)分家庭農(nóng)場(chǎng)的退出和存活狀態(tài)，最終獲取了33402家家庭農(nóng)場(chǎng)共計(jì)48515個(gè)有效樣本數(shù)據(jù)（見表1）。

表1 變量說明和描述性分析

四、實(shí)證結(jié)果

（一）基準(zhǔn)回歸

本文采用離散時(shí)間Cloglog生存模型研究數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響，回歸結(jié)果如表2所示。第(1)-(4)列為逐步增加控制變量的回歸結(jié)果。結(jié)果顯示，數(shù)字金融發(fā)展顯著降低了家庭農(nóng)場(chǎng)“失敗”的可能性，即降低了家庭農(nóng)場(chǎng)退出市場(chǎng)的風(fēng)險(xiǎn)率。在加入全部控制變量后，第(4)列結(jié)果中數(shù)字金融的系數(shù)值依然在1%的置信水平上顯著。此外，各組內(nèi)數(shù)字金融的顯著性無明顯差異，這說明本文對(duì)于數(shù)字金融發(fā)展作用效果的識(shí)別較為一致。

表2 數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響

（二）內(nèi)生性和穩(wěn)健性檢驗(yàn)

1.內(nèi)生性處理

為克服潛在的內(nèi)生性問題，本文參照張勛等(2020)的做法，選取了三類工具變量。其中前兩類工具變量與本地區(qū)的數(shù)字金融發(fā)展程度顯然具備相關(guān)性。首先，眾所周知，以支付寶為代表的數(shù)字金融的發(fā)展起源于杭州，因此杭州的數(shù)字金融發(fā)展處于領(lǐng)先位置。其次，省會(huì)通常是一個(gè)省份的數(shù)字金融發(fā)展中心，距離省會(huì)城市越近，數(shù)字金融的發(fā)展也越好。因此，這兩個(gè)指標(biāo)與數(shù)字金融發(fā)展緊密相關(guān)。對(duì)于第三類工具變量，核心城市之所以沒有選擇上海，是因?yàn)樯虾ｋx杭州較近。

值得注意的是，數(shù)字金融發(fā)展是隨年份變化的變量，但本文所選取的工具變量并不隨時(shí)間變化，這使得通常的第二階段估計(jì)失效。因此，本文將工具變量與全國(guó)層面(除本縣域外)的數(shù)字金融發(fā)展指數(shù)均值進(jìn)行交互，作為新的具有時(shí)間變化效應(yīng)的工具變量。本文首先從統(tǒng)計(jì)學(xué)的角度檢驗(yàn)了兩者的相關(guān)性。在表3的第（1）、（3）、（5）列中，分別報(bào)告了三類工具變量的第一階段的回歸結(jié)果。根據(jù)結(jié)果顯示，這三類距離的工具變量都與數(shù)字金融發(fā)展顯著正相關(guān)，意味著離數(shù)字金融發(fā)展中心越近，數(shù)字金融的發(fā)展水平越高，這與本文的預(yù)期相符8。表3的第（2）、（4）、（6）列為采用工具變量估計(jì)的第二階段回歸結(jié)果。本文首先考察工具變量的有效性，發(fā)現(xiàn)第一階段考慮異方差的弱工具變量檢驗(yàn)F統(tǒng)計(jì)量大于10，表明工具變量滿足相關(guān)性特征，說明本文選取的工具變量是有效的。此外還發(fā)現(xiàn)數(shù)字金融發(fā)展的估計(jì)系數(shù)依然在1%的水平上顯著，證實(shí)了估計(jì)結(jié)果的穩(wěn)健性。

表3 工具變量

2.穩(wěn)健性檢驗(yàn)

在模型選擇方面，Cloglog模型屬于離散時(shí)間生存模型，本文采用Probit生存模型、Logit生存模型、Cox模型、替換核心解釋變量Ln(Index)進(jìn)行進(jìn)一步檢驗(yàn)。表4匯報(bào)了最終的檢驗(yàn)結(jié)果，第(1)-(4)列分別展示了Probit模型、Logit模型、Cox模型的回歸結(jié)果。結(jié)果顯示數(shù)字金融依然可以降低家庭農(nóng)場(chǎng)的生存風(fēng)險(xiǎn)，且都通過了5%水平的顯著性檢驗(yàn)。因此，上述檢驗(yàn)可以表明基準(zhǔn)回歸分析具有較強(qiáng)的穩(wěn)健性，回歸結(jié)果表明數(shù)字金融發(fā)展顯著而有效地降低了家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)。

表4 穩(wěn)健性檢驗(yàn)

五、傳導(dǎo)機(jī)制實(shí)證分析

（一）融資約束

首先，本文選取外生性較強(qiáng)的SA指數(shù)作為家庭農(nóng)場(chǎng)融資約束的代理變量。SA指數(shù)由Hadlock& Pierce(2010)提出和構(gòu)建，計(jì)算公式為：SA＝-0.737*Size+0.043*Size^2-0.04*Age，在國(guó)內(nèi)外學(xué)術(shù)界得到較為廣泛的應(yīng)用。

如果數(shù)字金融與融資約束的交互項(xiàng)系數(shù)顯著為負(fù)，表明數(shù)字金融對(duì)融資約束較高的家庭農(nóng)場(chǎng)作用效果更好。表5第(1)-(3)列匯報(bào)了回歸結(jié)果。實(shí)證結(jié)果發(fā)現(xiàn)，無論是數(shù)字金融還是數(shù)字金融與融資約束的交互項(xiàng)，回歸系數(shù)均顯著為負(fù)，證明了數(shù)字金融顯著降低了融資約束較高的家庭農(nóng)場(chǎng)的生存風(fēng)險(xiǎn)。

表5 杠桿率與家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)

其次，為進(jìn)一步驗(yàn)證數(shù)字金融通過緩解融資約束降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的機(jī)制，利用數(shù)字金融發(fā)展的子指數(shù)來展開分析。實(shí)際上，數(shù)字金融發(fā)展之所以能夠?qū)崿F(xiàn)資源的合理配置，其本質(zhì)就是允許有融資約束的個(gè)體進(jìn)行借貸，從而能夠緩解或消除融資約束。信用業(yè)務(wù)則是信貸業(yè)務(wù)展開的前提，因而也與融資約束相關(guān)。故選取與融資約束有關(guān)的指標(biāo)，即分維度指數(shù)中的信貸業(yè)務(wù)和信用業(yè)務(wù)。

表6 杠桿率與家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)

在表5第(4)-(9)列中，本文分別在基準(zhǔn)回歸中添加了使用深度中的信貸業(yè)務(wù)指數(shù)和信用業(yè)務(wù)指數(shù)。通過第(4)列和第(7)列回歸結(jié)果發(fā)現(xiàn)，信用業(yè)務(wù)指數(shù)和信貸業(yè)務(wù)指數(shù)均在1%的水上顯著為負(fù)，分別降低了家庭農(nóng)場(chǎng)1.50%和1.22%的生存風(fēng)險(xiǎn)。證實(shí)了數(shù)字金融發(fā)展可以通過緩解融資約束來降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)。此外，本文分別考察了數(shù)字金融發(fā)展的子指數(shù)與融資約束的交互項(xiàng)之間的關(guān)系，再次驗(yàn)證信用和信貸發(fā)展是否可以通過緩解融資約束達(dá)到降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的目的。表5第(6)列和第(9)列的結(jié)果顯示，信用業(yè)務(wù)和信貸業(yè)務(wù)均能降低融資約束，且前者降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的作用高于后者。

本文通過用總負(fù)債/總資產(chǎn)表示杠桿率作進(jìn)一步檢驗(yàn)。將杠桿率與數(shù)字金融指數(shù)及其子指數(shù)的變量進(jìn)行交互，表7第(1)-(9)列報(bào)告回歸結(jié)果。結(jié)果發(fā)現(xiàn)，回歸結(jié)果并未發(fā)生顯著性變化，表明結(jié)果是穩(wěn)健的，數(shù)字金融的發(fā)展對(duì)杠桿率高的家庭農(nóng)場(chǎng)降低生存風(fēng)險(xiǎn)的作用更顯著。

表7 金融服務(wù)成本與家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)

（二）融資服務(wù)便利性

在基準(zhǔn)回歸的基礎(chǔ)上，利用中國(guó)數(shù)字普惠金融發(fā)展的子指數(shù)來進(jìn)行機(jī)制檢驗(yàn)。數(shù)字普惠金融發(fā)展指數(shù)包括覆蓋廣度、使用深度和數(shù)字支持服務(wù)程度3個(gè)方面。覆蓋廣度主要通過電子賬戶數(shù)（如互聯(lián)網(wǎng)支付賬號(hào)及其綁定的銀行賬戶數(shù)）的覆蓋程度來體現(xiàn)；使用深度依據(jù)實(shí)際使用互聯(lián)網(wǎng)金融服務(wù)的情況來衡量；數(shù)字服務(wù)支持方面，便利性和成本高低是影響用戶使用金融服務(wù)的主要因素。有2類子指數(shù)可以反映交易成本。第一類是覆蓋廣度，即電子賬戶的覆蓋程度；第二類是數(shù)字支持服務(wù)程度，因?yàn)樵撟又笖?shù)主要通過實(shí)惠化、信用化指數(shù)體現(xiàn)。數(shù)字支持服務(wù)程度越高，企業(yè)獲得金融服務(wù)的成本越低。

表7第(1)-(2)列中，本文分別分析這2類子指數(shù)與家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的關(guān)系。事實(shí)上，無論是覆蓋廣度還是數(shù)字支持服務(wù)程度，都降低了家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)，尤其是數(shù)字支持服務(wù)程度。這很容易理解，數(shù)字支持服務(wù)中的實(shí)惠化指數(shù)直接反映了企業(yè)貸款的交易成本，花唄中的芝麻信用更是體現(xiàn)了部分使用者可免押金的情況。從兩者的數(shù)值大小來看，覆蓋廣度能降低家庭農(nóng)場(chǎng)0.78%的生存風(fēng)險(xiǎn)，數(shù)字支持服務(wù)程度能降低家庭農(nóng)場(chǎng)1.45%的生存風(fēng)險(xiǎn)，數(shù)字支持服務(wù)程度的緩解作用是覆蓋廣度的2倍，表明數(shù)字支持服務(wù)程度是降低交易成本的主要手段。這初步證實(shí)了數(shù)字金融可通過實(shí)惠化獲得低成本的金融服務(wù)，從而降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)。

六、進(jìn)一步討論

（一）地區(qū)差異分析

不同地區(qū)的數(shù)字金融發(fā)展水平不一樣，因此其對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的降低作用可能不同。本文按照東、中、西三個(gè)子樣本對(duì)各地區(qū)內(nèi)的家庭農(nóng)場(chǎng)進(jìn)行分類回歸，考察不同地區(qū)數(shù)字金融發(fā)展差異對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響?；貧w結(jié)果如表8所示。從表8第(1)-(3)列可以看出，無論是東部、中部還是西部，數(shù)字金融均在1%的水平上顯著為負(fù)，表明數(shù)字金融發(fā)展均能降低東、中、西部地區(qū)家庭農(nóng)場(chǎng)的生存風(fēng)險(xiǎn)。從具體的數(shù)值來看，數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響效應(yīng)存在地區(qū)差異，西部地區(qū)的作用效果最強(qiáng)，其次是中部地區(qū)，最后是東部地區(qū)。這表明，西部地區(qū)數(shù)字金融的發(fā)展和普及能更有效地緩解家庭農(nóng)場(chǎng)面臨的融資約束和提供便利化的金融服務(wù)，從而降低其生存風(fēng)險(xiǎn)。

表8 地區(qū)差異分析

（二）發(fā)展程度差異分析

1.小型和大型家庭農(nóng)場(chǎng)。數(shù)字金融發(fā)展的一大特征就是普惠性，即數(shù)字金融發(fā)展過程中的效率與公平。相比于在傳統(tǒng)金融市場(chǎng)中更受投資者青睞的大型企業(yè)，數(shù)字金融對(duì)中小企業(yè)的資金需求起到了“雪中送炭”的效果（謝絢麗，2018）。為考察數(shù)字金融發(fā)展對(duì)不同規(guī)模大小的家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響，本文將家庭農(nóng)場(chǎng)資產(chǎn)總額作為家庭農(nóng)場(chǎng)資產(chǎn)規(guī)模大小的代理變量，以家庭農(nóng)場(chǎng)資產(chǎn)規(guī)模的中位數(shù)為標(biāo)準(zhǔn)，將全部家庭農(nóng)場(chǎng)劃分為小型家庭農(nóng)場(chǎng)和大型家庭農(nóng)場(chǎng)兩類，并分別對(duì)其進(jìn)行回歸，回歸結(jié)果如表9第(1)列和第(2)列。對(duì)比這兩列數(shù)字金融發(fā)展的系數(shù)值可以發(fā)現(xiàn)，數(shù)字金融發(fā)展對(duì)小型家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的降低效果優(yōu)于大型家庭農(nóng)場(chǎng)。在傳統(tǒng)金融市場(chǎng)中，小型家庭農(nóng)場(chǎng)往往由于規(guī)模小、信息披露不完善、缺乏較好的風(fēng)控管理而被正規(guī)金融機(jī)構(gòu)拒之門外，或由于資產(chǎn)規(guī)模小、抵押品價(jià)值低不能獲得足夠的信貸。因此，數(shù)字金融通過為小型家庭農(nóng)場(chǎng)提供便利金融服務(wù)和緩解融資約束來降低生存風(fēng)險(xiǎn)的作用更顯著。

2.初創(chuàng)型和發(fā)展型家庭農(nóng)場(chǎng)。本文依據(jù)家庭農(nóng)場(chǎng)年齡大小將家庭農(nóng)場(chǎng)生存時(shí)間劃分為初創(chuàng)型和發(fā)展型兩類9，并對(duì)這兩類家庭農(nóng)場(chǎng)分別進(jìn)行回歸，回歸結(jié)果如表9第(3)列和第(4)列。通過對(duì)比第(3)-(4)列數(shù)字金融發(fā)展的系數(shù)值可以發(fā)現(xiàn)，這兩類變量的回歸系數(shù)均為負(fù)，初步顯示數(shù)字金融發(fā)展均能降低不同生存階段的家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)。具體來看，數(shù)字金融降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的作用在初創(chuàng)型家庭農(nóng)場(chǎng)中效果更強(qiáng)，大約是發(fā)展型的3倍。可能源于初創(chuàng)型家庭農(nóng)場(chǎng)由于創(chuàng)立時(shí)間短、市場(chǎng)信息不完善、可支配的抵押品少、面臨的信息不對(duì)稱問題更加嚴(yán)重、較低的信息透明度導(dǎo)致其更容易面臨融資約束困境。金祥義(2019)的研究也表明，相較于現(xiàn)存企業(yè)，銀行業(yè)市場(chǎng)的發(fā)展更能降低新進(jìn)企業(yè)面臨的市場(chǎng)風(fēng)險(xiǎn)率。因此，數(shù)字金融降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的作用在初創(chuàng)型家庭農(nóng)場(chǎng)中更為明顯。

表9 發(fā)展程度差異分析

七、結(jié)論與政策建議

本文從理論和實(shí)證兩個(gè)方面評(píng)估了數(shù)字金融的發(fā)展對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響。利用2014-2018年數(shù)字金融縣域數(shù)據(jù)與33402家家庭農(nóng)場(chǎng)共計(jì)48515個(gè)微觀數(shù)據(jù)相匹配，采用離散時(shí)間Cloglog生存模型，深入考察數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響及其異質(zhì)效應(yīng)。研究結(jié)果表明：第一，在樣本期內(nèi)，數(shù)字金融發(fā)展顯著地降低了家庭農(nóng)場(chǎng)的生存風(fēng)險(xiǎn)，采用多種工具變量進(jìn)行內(nèi)生性及穩(wěn)健性檢驗(yàn)后，以上結(jié)論仍然成立；第二，數(shù)字金融通過提供低成本的金融服務(wù)和緩解融資約束實(shí)現(xiàn)降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的作用；第三，異質(zhì)性分析表明，數(shù)字金融對(duì)家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的影響，在西部地區(qū)、小型和初創(chuàng)型家庭農(nóng)場(chǎng)中效果更為明顯，這提現(xiàn)了數(shù)字金融的普惠性特征。

本文的研究結(jié)果表明，數(shù)字金融發(fā)展能顯著降低家庭農(nóng)場(chǎng)的生存風(fēng)險(xiǎn)。因此，在國(guó)家大力發(fā)展數(shù)字經(jīng)濟(jì)的背景下，應(yīng)進(jìn)一步深化互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等新型技術(shù)與傳統(tǒng)金融的融合，提升家庭農(nóng)場(chǎng)的生存能力。數(shù)字金融通過緩解融資約束實(shí)現(xiàn)降低家庭農(nóng)場(chǎng)生存風(fēng)險(xiǎn)的作用，因此要進(jìn)一步推進(jìn)數(shù)字金融業(yè)務(wù)發(fā)展，改進(jìn)對(duì)家庭農(nóng)場(chǎng)的授信方式，以提升家庭農(nóng)場(chǎng)獲得資金的效率。在推進(jìn)數(shù)字金融發(fā)展的過程中，如何降低家庭農(nóng)場(chǎng)獲取金融服務(wù)的成本是關(guān)鍵，要重點(diǎn)關(guān)注數(shù)字金融的覆蓋廣度和數(shù)字支持服務(wù)帶來的實(shí)惠性。最后，數(shù)字金融對(duì)西部地區(qū)、小型和初創(chuàng)型家庭農(nóng)場(chǎng)作用更強(qiáng)，這表明了數(shù)字金融的普惠性。因此，要進(jìn)一步加強(qiáng)信用和科技基礎(chǔ)設(shè)施建設(shè)，同時(shí)家庭農(nóng)場(chǎng)需要積極探索如何借助數(shù)字金融改善自身經(jīng)營(yíng)，降低生存風(fēng)險(xiǎn)，提高生存率。只有解決了生存問題，家庭農(nóng)場(chǎng)才可以持久經(jīng)營(yíng)，才能有助于更好地促進(jìn)農(nóng)業(yè)現(xiàn)代化發(fā)展和實(shí)施鄉(xiāng)村振興戰(zhàn)略。

注釋：

1離散時(shí)間模型包括Cloglog模型、Probit模型和Logit模型，研究中通常使用的是“互補(bǔ)雙對(duì)數(shù)”Cloglog（Complementary Log-Log）模型。

2結(jié)點(diǎn)問題為由于數(shù)據(jù)記錄方式，在數(shù)據(jù)中往往存在時(shí)間結(jié)點(diǎn)，企業(yè)死亡通常以年為單位，而Cox模型卻假設(shè)持續(xù)時(shí)間可以取任意的正值，如果只有較少的時(shí)間區(qū)間或者時(shí)間單位較大時(shí)，很多企業(yè)死亡會(huì)在同一精準(zhǔn)的時(shí)間發(fā)生，結(jié)點(diǎn)數(shù)量會(huì)很高，而結(jié)點(diǎn)存在會(huì)使回歸系數(shù)的估計(jì)產(chǎn)生漸進(jìn)誤差。

3不可觀測(cè)的異質(zhì)性體現(xiàn)在對(duì)個(gè)體收集信息時(shí)未被測(cè)量出的對(duì)生存產(chǎn)生影響的協(xié)變量的效應(yīng)，忽略對(duì)不可觀測(cè)的異質(zhì)性的控制會(huì)引起謬誤的時(shí)間依存性和參數(shù)估計(jì)的偏誤(Salant，1977)。

4比例危險(xiǎn)假設(shè)指的是兩個(gè)個(gè)體之間的危險(xiǎn)率之比不隨時(shí)間的改變而改變。同時(shí)，離散時(shí)間模型Cloglog模型是一種替代Logit模型和Probit模型分析的一種新方法，但與這兩種模型不同的是，在轉(zhuǎn)換過程中估計(jì)量是不對(duì)稱的，因此，這個(gè)模型主要用于正(負(fù))結(jié)果是稀缺的。由于本文所采用是微觀企業(yè)的年度面板數(shù)據(jù)，因此采用Colglog模型無疑更加合適。

5家庭農(nóng)場(chǎng)所處的行業(yè)類型主要有：農(nóng)、林、牧、漁業(yè)；交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)；居民服務(wù)、修理和其他服務(wù)業(yè)；批發(fā)和零售業(yè)；科學(xué)研究和技術(shù)服務(wù)業(yè)；教育；采礦；水利、環(huán)境和公共設(shè)施管理業(yè)；文化、體育和娛樂業(yè)；制造業(yè)；住宿和餐飲業(yè)；租賃和商務(wù)服務(wù)業(yè)12類。

6該數(shù)據(jù)庫包含家庭農(nóng)場(chǎng)代碼、行業(yè)類型、家庭農(nóng)場(chǎng)登記注冊(cè)類型、注冊(cè)資金、經(jīng)營(yíng)范圍、經(jīng)度、維度、成立時(shí)間、死亡時(shí)間等基本信息，以及總資產(chǎn)、總負(fù)債、所有者權(quán)益、主營(yíng)業(yè)務(wù)收入、利潤(rùn)等主要財(cái)務(wù)指標(biāo)。

7北京、上海以及港澳臺(tái)地區(qū)除外。

8第一階段的回歸擬合系數(shù)較高，是因?yàn)楸疚睦昧丝h域?qū)用娴淖兞孔鳛楸唤忉屪兞?，而存在家庭層面的變量作為解釋變量，造成擬合程度較高。

9由于本文的研究時(shí)間為2014-2018年，時(shí)間較短，故分類兩類最為合適。