作者简介：郭连强，吉林省社会科学院研究员，吉林农业大学经济管理学院教授，博士生导师；曹楠楠，吉林农业大学经济管理学院博士研究生；蔡起华（通讯作者），郑州大学商学院讲师，硕士生导师
文献来源：《经济问题》2025年第11期
摘要：数字普惠金融作为数字技术与普惠金融融合的创新模式，为破解农业投融资困境提供了新路径。基于2011—2022年中国30个省（自治区、直辖市）的面板数据，运用双向固定效应模型进行实证分析。结果表明：第一，数字普惠金融可以显著促进农业投融资，其覆盖广度与使用深度是核心驱动因素，该结论通过了内生性检验与稳健性检验。第二，作用机制显示，数字普惠金融主要通过提升电子商务销售额和农民专业合作社数量两条路径对农业投融资产生积极影响。第三，异质性分析揭示，在市场经济发达地区和绿色金融环境优越区域，这一促进作用更为显著；在城乡数字鸿沟与生态差距较大的环境下，数字普惠金融的促进作用更强；在要素集约化程度低和农业产业结构初级化地区，其促进效应更加突出。第四，进一步研究发现，数字普惠金融对周边地区存在正向的空间溢出效应。研究丰富了数字普惠金融与农业投融资关系的理论成果，为农业强国战略下优化金融政策提供了实证依据。
关键词：数字普惠金融；农业投融资；电子商务；农民专业合作社
一、引言
《农业农村部办公厅关于做好农业农村重大项目谋划储备深化融资对接服务的通知》对加强金融支持乡村全面振兴提出了新的要求。2025年中央一号文件进一步指出，要创新农业投融资机制、完善农村信用体系、促进农业金融机构改革。近年来，国家密集出台了一系列涉农投融资政策，凸显了优化农业领域资本配置的战略重要性。通过构建全方位、多层次的投融资对接服务体系，可有效引导社会资本向农业农村现代化重大项目集聚，加速关键工程项目的落地实施。这一政策导向不仅有助于拓宽乡村振兴的资金来源渠道，完善多元化投入机制，还将为培育农业新质生产力、推动产业转型升级提供有力支撑。有研究显示，尼日利亚的农业融资每增加1%，农业产出可提升0.12%；孟加拉国的农业信贷发放可以解释农业生产总值变动的90.2%；中国的农业投融资对农业发展具有显著促进作用，不同投融资主体在其中发挥了不同的作用。但在实践过程中，由于农业项目的承担者缺乏抵押担保、征信记录空缺、农村金融风险管理水平不高、传统金融机构履行社会责任不充分等问题，农业投融资的发展还不充分，不能满足农业农村现代化的融资需求。当前，以人工智能、大数据、区块链技术为支撑的数字金融迅速发展，缓解了传统农村金融信息不对称、交易风险高等问题，有效解决农村小微企业和低收入人群的投融资需求问题，推动农村金融供需结构协调发展，极大提高了农村金融服务的可得性、便利性和有效性。数字普惠金融是否会促进农业投融资？如果二者间存在着促进作用，数字普惠金融的哪一维度发挥了更大的作用？其中的作用机理又是怎样的？分析并回答上述问题，对解决农业投融资难问题、推动农业高质量发展，进而实现农业农村现代化至关重要。
从现有文献的梳理来看，当前学术界关于数字普惠金融对农业投融资方面的实证研究较少，关于农业投融资指标测度的研究也极为匮乏。多数文献集中于以下几方面：某个省份（某个区域）农村金融发展水平的测度及其影响因素；农业投融资具体主体的指标测度或实证研究；数字普惠金融如何影响农业生产、农民创业、农村发展等。基于此，本文构建了一个理论分析框架，探究数字普惠金融影响农业投融资的效应及机制。本文的创新之处在于：第一，当前研究数字普惠金融对农业投融资影响的文献较少，本文从理论和实证两方面分析数字普惠金融影响农业投融资的效果，既丰富了农业投融资影响因素的相关研究，也是对数字普惠金融推动农业农村发展相关研究的重要补充。第二，本文从农业投融资的主体和环境两个角度构建了农业投融资的综合指标体系，用于分析省级层面农业投融资的情况，与以往研究相比能更准确地衡量农业投融资的实际水平。第三，本文从电子商务销售额和农民专业合作社数量两个方面探究了数字普惠金融对农业投融资的作用机制，明晰了数字普惠金融影响农业投融资的传导路径。第四，本文进一步从数字普惠金融各子维度分析了其对农业投融资的影响效果，并从整体层面、城乡层面、农村内部环境差异三个维度探究了数字普惠金融影响农业投融资的异质性，为各个区域因地制宜制定数字普惠金融相关政策促进农业投融资提供经验证据和决策参考。
二、理论分析与研究假设
农村地区金融环境较差、金融服务效率较低、金融体系不完善，加之传统金融机构支持农村地区信贷的意愿较低，导致供给侧不能够满足农业、农村、农民的投融资需求。而数字普惠金融依托大数据、云计算、人工智能及移动互联网等数字化技术手段，实现技术要素与金融服务的深度融合，将金融服务广泛延伸至农村及农业领域，深度覆盖广大农户群体和新型经营主体，深刻革新金融服务的供给方式，有效降低运营成本，提升服务效率，并成功突破了传统金融服务的时空局限。这一变革打破了地域、行业及身份壁垒，使得偏远地区的农户及小企业能够获得所需的金融服务，为农业投融资的发展提供了资本要素。总体来看，数字普惠金融不仅会对农业投融资产生直接影响，还可能产生间接影响，理论分析框架如图1所示。
图1 理论分析框架
（一）数字普惠金融对农业投融资的直接影响
农业投融资的来源可以分为政府财政投入、金融机构信贷投入、农村集体经济组织资金投入、外资投入、民间资本投入、农民个人投入这几个方面，数字普惠金融能够较好地促进各类投融资主体的发展，进而促进农业投融资。政府对农业财政资金的投入主要用于基础设施建设、公共物品供给等方面，但面临着总量不足和结构不完善等突出问题，数字普惠金融能够较好地缓解这些矛盾。一方面，数字普惠金融可以通过区块链技术和大数据分析对财政资金的流向进行追踪，从而减少行政开支成本，提升实际涉农资金的投入比例；另一方面，数字普惠金融能够提高政府涉农财政的投入效率，政府可依托数字化平台对项目成效进行动态评估，进而对资金分配结构进行优化。在金融机构信贷投入方面，由于传统农业信贷投入缺乏抵押物，因此不良率较高。此外，风险评估困难也是涉农信贷的一大困境。数字普惠金融可以通过大数据和科技手段对农户土地流转、销售记录等生产数据和移动支付记录等信用数据进行整合，构建动态信用评价系统，进一步降低信贷成本，如农业农村部推出的信贷直通车正是利用大数据与科技手段整合数据、构建动态信用系统以降低信贷成本的一项成功实践。农村集体经济组织方面，《中华人民共和国农村集体经济组织法》中明确提出国家政策鼓励金融机构采取多种方式支持新型农村集体经济的发展，但农村集体经济的投融资渠道极为有限。数字普惠金融可以促进农村集体经济组织进行资金整合，进一步提高资金使用率，增强资产流动性，如集体土地、房产等资产的链上登记与股权化都离不开数字普惠金融的区块链技术。外资投入方面，数字普惠金融能够通过跨境支付实时结算的方式降低农业领域外资进入的汇率，从而降低结算成本，实现跨境投融资的便利化。在民间资本投融资方面，出于成本方面的考虑，传统金融机构投资农业主体的意愿不高，而数字普惠金融覆盖面广，可以通过移动端的信贷产品服务到较分散的农户，进而激活民间资本参与到生态旅游、农产品电商等特色农业。在农民个人投入方面，数字普惠金融可以使农户通过微信、支付宝等移动支付平台，直接申请到小额信用贷款，大大缩短了农户贷款申请的时间。此外，数字普惠金融能够整合农产品市场的信息，帮助农户规避盲目投资的风险；还可以通过促进农户就业增加其工资性收入，进而提高农民的投资能力。基于以上分析，本文提出如下研究假设：
假设1：数字普惠金融能够促进农业投融资。
（二）数字普惠金融对农业投融资的间接影响
数字普惠金融还会对农业投融资产生间接影响，既可以在供给侧提高电子商务销售额，也能够在需求侧增加农民专业合作社数量。从理论层面来看，提高电子商务销售额和增加农民专业合作社数量均能促进农业投融资。
1. 供给侧：数字普惠金融通过提高电子商务销售额促进农业投融资
信息不对称理论指出，信息不对称会导致市场运行效率低下甚至市场失灵，而农产品市场和农村金融市场往往处于信息不对称的问题中。农村电商是农产品市场获取各类信息的重要媒介，它的出现和发展一定程度上缓解了农村地区由于地理位置偏远、基础设施落后等造成的信息不对称问题，提高了农产品市场的信息透明度。数字普惠金融能够有效促进农村电商发展，提高农产品市场的信息透明度。一方面，数字普惠金融是农村电商发展的重要组成部分，其可以通过提供信贷支持、支付结算服务、网络技术、培养新型支付习惯等形式有效缓解传统农业交易过程中的现金依赖问题，降低电商交易中的摩擦。数据显示，2023年底数字普惠金融的移动支付普及率已经达到86%，全国农产品网络零售额达5870.3亿元，全国直播电商零售额达4.3万亿元，数字普惠金融通过促进电商实时支付结算大大缩短了资金回笼周期。另一方面，依托云计算、大数据、区块链等技术，电商平台通过将海量的农业生产历史记录、物流运输等信息转化为数据，经过分析、预测得到的信用评级结果可作为授信依据，实现“销售—融资—再生产”的供应链金融创新，进而推动农村电商发展。农村电子商务的发展对农业投融资具有积极的影响。首先，电商平台销售数据可以为金融机构提供动态的风险评估依据，如京东金融于2015年10月推出的“先锋京农贷”和“仁寿京农贷”通过数字积累得到信用评级结果，后续“京农贷”范围扩展至多个地区，不仅解决了由于缺乏信用记录而导致的融资难问题，加强了全过程风险控制，还大大提高了投融资效率。其次，电子商务依托区块链技术对销售产品进行全链溯源，通过建立信息沟通和传递平台来规范交易流程，提高了农产品交易的规范性和透明度，降低了信息不对称，进而吸引更多的社会资本参与。此外，由于电子商务的销售性质，使其更容易向市场释放信号，引导资本向质量高的高增长农产品、数字乡村试点县等发展好的区域集中。基于以上分析，本文提出如下研究假设：
假设2：数字普惠金融可以通过提高电子商务销售额来促进农业投融资。
2. 需求侧：数字普惠金融通过增加农民专业合作社数量促进农业投融资
社会网络理论强调个体或组织通过信任机制、风险分担、信息共享等社会关系形成网络结构，进而影响经济运行。在农业领域，农民专业合作社是较为普遍的社会网络，是资源配置的重要渠道，数字普惠金融能够通过技术嵌入等手段对传统社会网络结构进行优化，进而增强农业投融资的包容性，提高农业投融资效率。数字普惠金融能够显著促进农民专业合作社的发展。数字普惠金融能够降低农民专业合作社的融资门槛、优化农民专业合作社的信用评估体系，进而促进农民专业合作社数量的增加。小农户能够提供的信息有限，造成了信息不对称，并且传统金融的风险控制成本较高，因此，小农户常常因为缺乏抵押物而被传统金融排斥在外。而数字普惠金融能够对农民专业合作社内部成员的农产品交易数据、土地流转数据、政府补贴记录等信息进行整合，构建动态的信用评估体系，降低了农民专业合作社成员的信贷难度，促进了农民专业合作社的发展。农民专业合作社可以通过规模经济效应、信用增级功能、政策协同效应等推动农业投融资。首先，农民专业合作社作为农村社会网络的承载主体，能够整合个体农户分散的资源，大大提高农民组织化程度，进而推动规模化经营，降低金融机构贷款的交易成本。其次，农民专业合作社通过内部成员的联保机制和联合社的信用联盟，有效强化自身融资能力，降低金融机构贷款风险，促进信贷资源向基层农村地区流动。最后，政府的“三农”专项扶持资金往往由农民专业合作社所承接，因此农民专业合作社作为政策落地的承载体，其数量的增加无疑将发挥政策工具的杠杆效应。截至2024年3月，农业农村部通过农业经营主体信贷直通车政策服务了383.3万家农民专业合作社等经营主体，完成授信4237.2亿元。基于以上分析，本文提出如下研究假设：
假设3：数字普惠金融可以通过增加农民专业合作社数量来促进农业投融资。
三、研究设计
（一）模型设定
1. 基准回归模型
本文采用面板双向固定效应模型系统考察数字普惠金融对农业投融资的影响效应，具体设置如下：
其中，i和t分别代表省（自治区、直辖市）和年份；Yit表示各省（自治区、直辖市）历年的农业投融资水平；Xit表示各省（自治区、直辖市）历年的数字普惠金融水平（包括数字普惠金融指数及其覆盖广度、使用深度和数字化程度），α1是解释变量数字普惠金融的系数；Zit表示一系列控制变量，α2是控制变量的系数；γt和μi分别表示年份固定效应和省份固定效应，εit表示不可观测的随机扰动项。
2. 作用机制模型
为检验数字普惠金融对农业投融资的作用机制，参考温忠麟和叶宝娟提出的中介效应模型，结合江艇的建议，在基准回归模型的基础上构建数字普惠金融影响农业投融资的机制模型：
其中，Mit为机制变量，包括电子商务销售额和农民专业合作社数量。
（二）指标选择
1. 被解释变量
本文的被解释变量为农业投融资。现有文献关于农业投融资的测度主要有两种方法：一是对某个区域的农村金融发展水平进行测度，或者在实证研究农村金融发展的经济社会效应等问题时对农村金融发展水平进行测度；二是针对农业投融资的一类具体主体进行指标的测度或实证研究。上述文献基于自身的研究目的和研究对象构建了不同的指标体系，但目前学术界尚未形成一套普遍认可的综合评价指标体系。本文结合农业投融资的概念和内涵，从农业投融资的主体渠道出发构建测度指标体系。农业投融资是指投资主体为取得一定数量的农产品和良好的生存环境，在农业生产过程中及农村领域内投入资源（主要包括物质资源和人力资源），通过一定的运作方式形成资本的经济活动过程。农业投融资的主体渠道主要有政府财政投入、金融机构信贷投入、农村集体经济组织资金投入、外资投入、民间资本投入、农民个人投入。基于农业投融资的主体渠道和环境，同时综合考虑指标的全面性和科学性、数据的可获得性和可比性，本文从政府投入、金融机构信贷投入、社会资本投入、农户个人投入和投融资环境五个维度，构建了包含14个具体指标的农业投融资水平综合评价指标体系，如表1所示。
第一，政府投入。本文选择政府财政支出与政府财政投资两个指标来反映政府投入情况，原始数据来源于《中国统计年鉴》《中国固定资产投资统计年鉴》及各地区统计年鉴。
第二，金融机构信贷投入。本文选择金融机构贷款、金融机构覆盖程度、每万人拥有农村金融机构网点数3个指标来反映金融机构信贷水平，相关数据来源于《中国金融年鉴》《中国农村金融服务报告》及各地区统计年鉴、统计公报。
表1 农业投融资的评价指标体系
第三，社会资本投入。本文从三个方面进行设计，包含农村集体经济固定资产投资、农业外资参与度、农业民间资本投资，原始数据来源于《中国固定资产投资统计年鉴》和各地区统计年鉴。
第四，农户个人投入。本文选择农户自有资金投入和自筹资金投入两个指标来反映农户个人投入，所用到的原始数据来源于历年《中国固定资产投资统计年鉴》。
第五，投融资环境。本文用商业银行不良贷款率、农业保险赔付率、服务人员覆盖程度3个指标来反映农业投融资的环境状况，涉及的原始数据来源于历年《中国保险年鉴》《中国金融年鉴》、各地区统计年鉴、Wind数据库和国泰安数据库。
根据表1中的指标体系，参照孙乐等的研究，按得分情况提取公因子，再以各个公因子在解释总方差中的贡献率为权重，计算得到农业投融资变量的具体取值。
2. 核心解释变量
本文采用的核心解释变量为数字普惠金融，选用北京大学编制的数字普惠金融指数来表示。该指数的数据基础源自《北京大学数字普惠金融指数报告（2011—2022）》，由北京大学数字金融研究中心课题组发布。此指数从3个核心层面——数字金融的覆盖广度、使用深度以及数字化程度，构建了全面的数字普惠金融评估体系，共涵盖了33项详细指标，从而更为精确地描绘了数字普惠金融的发展状况。目前，该指数在学术界有很强的影响力，已被学者广泛使用。
3. 控制变量
根据农业投融资的实际情况，借鉴已有相关文献，本文选取了如下控制变量：农户经济状况，采用各省级行政区农村居民人均可支配收入的对数进行衡量，原始数据来源于历年《中国统计年鉴》；农作物受灾程度，采用各省级行政区农作物受灾面积占农作物播种面积的比重进行衡量，原始数据来源于历年《中国农村统计年鉴》；经济发展水平，采用各省级行政区人均地区生产总值的对数进行衡量，原始数据来源于历年《中国农村统计年鉴》；信息化水平，采用各省级行政区农村居民人均交通通信支出的对数进行衡量，原始数据来源于国家统计局和历年《中国统计年鉴》；农业规模，表示各省级行政区的农业市场规模，采用第一产业增加值的对数进行衡量，原始数据来源于历年《中国统计年鉴》。
（三）数据说明
基于数据的可得性考量，本研究将时间范围界定为2011—2022年，鉴于西藏、香港、澳门及台湾等地区的相关数据缺失，研究范围限定于其余30个省级行政区。针对原始数据中的少量缺失值，本文采用线性插值方法进行填补，并对数值较大的非比率型指标实施了对数转换处理。表2详细列出了各变量的描述性统计结果。
表2 变量描述性统计结果
四、实证分析
（一）基准回归
本文通过构建双向固定效应模型展开实证检验，基准回归结果如表3所示。其中，列仅纳入核心解释变量的回归结果显示，其对农业投融资具有显著正向影响；列在模型中引入宏观经济、区域特征等控制变量后，核心解释变量的估计系数仍保持显著正向关系。说明从整体而言，数字普惠金融确实显著促进了农业投融资，初步验证了假设1。
表3 基准回归结果
注：***、**、*分别表示在1%、5%、10%的水平上显著，括号内为稳健标准误。下表同。
从控制变量的回归结果来看，农户经济状况、经济发展水平、农业规模对农业投融资水平有显著影响。农户经济状况对农业投融资有抑制作用。这可能是因为农户经济状况改善后的风险偏好转移，经济状况越好，农户更容易倾向低风险、高回报的非农投融资，而非高风险低回报的农业项目。经济发展水平和农业投融资存在负相关关系，这与陈伟和卢秀荣的研究结论相反，本文认为经济发展水平较高地区的二、三产业发展水平也相对较高，由于资源的竞争，投融资资源更有可能向非农产业倾斜，从而抑制了农业投融资的发展。农业规模对农业投融资有积极影响，意味着农业市场规模越大，越能吸引更多资金对其进行建设和完善，从而越能促进一个地区农业投融资的发展，陈伟和卢秀荣的研究也有同样的结论。
数字普惠金融是一个多维度的综合指数，涉及覆盖广度、使用深度和数字化程度三个维度。为了深入研究，本文进一步分解了数字普惠金融总指数，分析其二级指标对农业投融资的具体影响。表4呈现了数字普惠金融的3个核心维度对农业投融资的差异化影响效应。结果显示，覆盖广度与使用深度两个维度均对农业投融资产生显著的正向推动作用，回归系数分别为0.323和0.470，均通过1%的显著性水平检验。这一结果印证了提升数字普惠金融服务的可得性与使用强度对优化农业资本配置的关键作用。与之不同，数字化程度指标的影响效应未呈现统计显著性。究其原因，一方面，这可能源于当前数字普惠金融的服务场景建设与农业投融资实际需求存在结构性错配。数字化程度在指标衡量层面更侧重于日常消费领域（如移动支付、花呗支付等）而非农业的生产经营环节，这种支付场景的差异化导致数字化支付工具不能很好地直接转化为农业投融资的有效渠道。根据张林和温涛的研究结果，在非试点区域，农村居民在生产运营环节中采用数字化支付方式的比例低于10%，相比之下，日常小额消费支付的应用场景更为普遍。另一方面，数字普惠金融在数字化层面的发展还不能充分满足农业投融资需求的独特性。由于农业生产经营的各个环节具有周期长、风险高、额度大等特点，农业融资同样具有这样的特征，这就需要农村产业链各个环节的协同融资，而目前数字普惠金融的数字化服务更多地聚焦于短期流动性需求，难以匹配农业投融资需求的特殊性。
表4 数字普惠金融分维度回归结果
（二）内生性检验
在实证分析中需审慎处理数字普惠金融与农业投融资之间会存在的双向因果关系，这种内生性关联可能引发估计偏误。一方面，数字普惠金融能够降低交易成本、提升交易效率，进而推动农业投融资的发展；另一方面，新型农业经营主体对投融资需求的增长会促使金融机构不断创新数字化工具，以满足高效且低成本的投融资需求，从而推动数字普惠金融的发展。为较好地避免由于反向因果而造成内生性问题，本文参考Bartik、易行健和周利、贾子钰和韩廷春的研究方法，构建Bartik工具变量以缓解内生性偏误。该工具变量的构造逻辑是采用数字普惠金融指数的一阶滞后项与时间维度的一阶差分项进行交互乘积。接着，进行结合工具变量的固定效应估计。
本文采用Bartik工具变量的理由如下：一方面，Bartik工具变量与内生解释变量间存在相关性，因为它是基于全国数字普惠金融指数构建的，与所在省（自治区、直辖市）的数字普惠金融水平紧密相关。另一方面，该指数综合了31个省级行政区、337个地级及以上城市和大约2800个县域的广泛数据，因此单一省级行政区的数据波动对全国指数的影响微乎其微。鉴于此，全国数字普惠金融指数相对于单个省级行政区而言，可视为外生变量。只要某个省级行政区的变动未对全国数字普惠金融指数产生显著影响，即可认定Bartik工具变量为有效，能够妥善解决数字普惠金融与农业投融资之间可能存在的双向因果问题。
表5呈现了数字普惠金融与农业投融资之间的工具变量回归分析结果。在第一阶段回归中，工具变量ivbartik对数字普惠金融具有显著的正向促进作用，且F值远超10，这充分证明了所选工具变量的有效性，并排除了弱工具变量的可能性。进入第二阶段回归后，结果显示数字普惠金融对农业投融资的影响依然保持显著正向，这进一步证实了数字普惠金融在推动农业投融资方面的积极作用。该回归结果还表明，在解决了内生性问题后，所得结论与基准回归结果保持一致，增强了实证结果的可靠性，并再次验证了假设1。
表5 工具变量回归
（三）稳健性检验
为确保本文回归结果的科学性和可靠性，本文进行了稳健性检验。首先，采用变量替换的方法进行检验，具体做法是将各省（自治区、直辖市）的数字普惠金融指数即数字普惠金融指数除以100并取对数，以此作为新的核心解释变量，结果如表6列所示。可以看出，数字普惠金融对农业投融资的正向影响依然显著，与基准回归结果相吻合。其次，通过更换模型来进行稳健性检验，采用普通最小二乘法对研究问题重新进行估计，结果如表6列所示。可以看出，数字普惠金融对农业投融资的积极影响再次得到确认，与基准回归结果保持一致。最后，采用随机样本删减法进行稳健性检验，随机剔除了5%的样本后，对剩余样本进行重新回归，结果如表6列所示。可以看出，数字普惠金融在促进农业投融资上的显著作用再次得到验证。通过上述三种稳健性检验，本文发现数字普惠金融对农业投融资的促进作用始终存在，这表明本文的基准回归结果具有稳健性，假设1得以验证。
表6 稳健性检验
（四）作用机制检验
由前文理论分析可知，数字普惠金融不仅可以通过促进各类投融资主体的发展直接促进农业投融资的发展，还会以提高电子商务销售额和增加农民专业合作社数量的方式间接促进农业投融资。为检验上述假设，本文探索了数字普惠金融影响农业投融资的机制，相关回归结果见表7。表7列展示了数字普惠金融对电子商务销售额的回归分析结果。该结果表明，数字普惠金融对电子商务销售额具有积极的推动作用，且在统计上达到了1%的显著性水平，这有力地证明了数字普惠金融能够促进电子商务销售额。表7列则揭示了数字普惠金融对农民专业合作社数量的回归结果。从该结果中可以看出，数字普惠金融对农民专业合作社数量的影响同样呈现出显著的正向效应。综上所述，数字普惠金融可以通过提高电子商务销售额和增加农民专业合作社数量来促进农业投融资，根据江艇的建议，再结合此次研究情境，数字普惠金融的中介效应得以检验。因此，假设2和假设3得以验证。
表7 机制检验
五、异质性分析
前文已证实数字普惠金融对农业投融资具有显著的正向促进作用，然而这种效应可能在不同情境下表现出异质性特征。为此本文从整体层面、城乡层面、农村内部环境的差异三个维度进行分析，探究不同环境下数字普惠金融对农业投融资促进作用的差异性。
（一）整体层面的竞争环境差异
本文围绕竞争环境的差异，进行了市场经济资源竞争和绿色金融市场竞争两方面的分析。在市场经济资源竞争方面，明雷等的研究显示，市场经济发展水平较高的区域由于在资源获取上存在一定的优势，更有利于数字普惠金融的发展。此外，地区生产总值是衡量一个地区经济规模的核心指标，经济发展水平不同的地区数字普惠金融对农业投融资的影响效果可能有所差异。为此，本文将拥有直辖市、国家战略核心区（如京津冀、长三角、粤港澳大湾区）、国家中心城市或副省级城市、政策试点优先权（如自贸区、国家级新区）、地区生产总值排名前50%的省级行政区划分为市场经济发展较好区域，将其他省级行政区划分为市场经济发展较差地区。从表8列和列的回归结果来看，在市场经济发展较好区域，数字普惠金融对农业投融资具有更加积极的促进作用。在绿色金融市场竞争方面，参考周亚军和陈丰泽、刘华珂和何春、周肖肖等的研究，本文基于绿色信贷、绿色基金、绿色投资、绿色支持、绿色债券、绿色保险及绿色权益等多维度指标，采用熵值法测算了省级绿色金融环境发展指数，并根据均值进行分组设置。从表8列和列的回归结果来看，金融环境发展较好的地区，数字普惠金融对农业投融资有显著的正向促进作用。绿色金融环境发展较好的地区能够通过复合型风险分担机制降低数字普惠金融的农业投融资风险，如降低农业项目的平均风险溢价，也可以通过市场信号传导和数据整合优化数字普惠金融的资源配置效率。
表8 整体层面的竞争环境差异
（二）城乡层面的鸿沟环境差异
党的二十届三中全会指出，要加速城乡融合发展步伐。我国长期存在的城乡二元经济结构导致的城乡发展差距已成为制约现代化进程的瓶颈。在深入探讨数字普惠金融对我国农业投融资的积极影响在不同竞争环境下的表现后，本文进一步分析了这一正向效应在城乡差距这一特定环境下的效果。现有研究揭示，城乡间在数字资源和生态环境上存在双重鸿沟，这在一定程度上阻碍了农村数字普惠金融的发展。换言之，在城乡差距显著的环境中，数字普惠金融的效能发挥可能会受到限制。鉴于数字普惠金融能够促使金融服务更广泛且更公平地惠及传统金融难以触及的群体，因此，在城乡差距大、农村条件相对落后的情境下，数字普惠金融仍有可能发挥显著作用。在城乡差距明显的环境下，数字普惠金融对农业投融资的影响究竟会展现出“马太效应”的加剧分化，还是“涓滴效应”的逐步渗透？为此，本文用城乡互联网覆盖率差距来衡量城乡间的数字鸿沟，将城乡间的人均收入差距作为生态鸿沟的衡量指标，并根据中位数对样本进行分组，将小于中位数值的样本设置为鸿沟较小组，其他设置为鸿沟较大组。由表9的回归结果可知，在城乡数字鸿沟、生态鸿沟较大的环境下，数字普惠金融更能积极地促进农业投融资，体现了普惠金融服务向农村地区延伸的积极影响。
表9 城乡层面的鸿沟环境差异
（三）农村内部的生产环境差异
从整体的竞争环境、城乡间的鸿沟环境进行差异性分析后，进一步探究了在农村内部不同生产环境下数字普惠金融影响农业投融资的效果差异。参考唐建军等、曹菲和聂颖的研究，从生产要素集约化率和农业产业结构高级化程度两个方面构建指标，考察不同农业生产环境下数字普惠金融对农业投融资的影响差异。本文用农用机械总动力除以农作物总播种面积表示生产要素集约化率，并用中位数进行分组，生产要素集约化排名在前50%的设置为生产要素集约化率较高组，生产要素集约化排名在后50%的设置为生产要素集约化率较低组；农林牧渔服务业占农林牧渔业总产值的比重来衡量农业产业结构高级化程度，排名在前50%的设置为农业产业结构高级化程度较高组，排名在后50%的设置为农业产业结构高级化程度较低组。结果如表10所示，数字普惠金融对农业投融资的影响在生产要素集约化率较低、农业产业结构高级化程度较低的环境下显著为正。这是因为数字普惠金融能够在农业现代化初期发挥关键撬动作用，一方面，数字普惠金融通过降低农机等生产要素购置的融资成本和提供风险分担工具（如农机租赁保险），加速农业机械对劳动力的替代，进而激活与重组低集约化环境下的生产要素；另一方面，数字普惠金融可以通过供应链金融和电商平台赋能，推动农业从“生产端”向“加工—流通—消费”全链条延伸，通过支持农村电商、休闲农业、共享农场等新业态，激活产业融合潜力，进而推动产业结构初级化的模式创新驱动，回归结果进一步说明，数字普惠金融在产业发展初期的重要性，即为农业产业的后续发展提供资金保障。
表10 农村内部的生产环境差异
六、拓展性研究
数字普惠金融能够显著促进农业投融资，为进一步探究这种影响效果是否会对周边地区产生影响，本文进行了空间计量分析。首先采用Moran’s I指数基于邻接空间权重矩阵对中国30个省（自治区、直辖市）2011—2022年数字普惠金融与农业投融资之间是否存在空间相关性进行检验。表11的空间Moran’s I指数检验结果显示通过了空间相关性检验。进一步，借助LM检验进行最优模型选择，结果如表12所示。由LM检验结果可知，被解释变量存在空间自相关，故采用SAR模型。LR的检验结果表明，选择控制时间和个体的双向固定效应模型最为合适，再通过比较赤池信息准则（AIC）值发现，双向固定效应模型的AIC值最小，所以选择控制时间和个体的双向固定效应模型。
表11 空间Moran’s I指数检验
表12 空间计量模型适用性检验
表13展示了数字普惠金融影响农业投融资的空间计量回归结果。结果显示，数字普惠金融的系数为0.3792且通过了5%的显著性检验，表明数字普惠金融对农业投融资有积极影响，与前文基准回归结果一致。进一步，采用SAR模型进行效应分解，得到数字普惠金融影响农业投融资的直接效应和空间溢出效应。从表13可以看出，数字普惠金融对农业投融资的直接效应、溢出效应和总效应均在5%的统计水平上显著为正，说明数字普惠金融对农业投融资具有显著的正向空间溢出效应。通过对比分析发现，直接效应在总效应中的占比显著高于间接效应，其具体数值分别达到了77.62%和22.38%。这一结果揭示，数字普惠金融对本地经济主体的驱动作用显著强于其对邻近区域的空间溢出效应，表明技术驱动的金融创新在区域经济发展中存在明显的本地化特征。这意味着，充分发挥数字普惠金融对农业投融资的正向影响，既要立足自身发展，也要积极与周边地区联合发展，实现“1+1>2”的效果。
七、结论与政策启示
本文基于2011—2022年中国30个省级行政区的面板数据，采用面板双向固定效应模型并辅以工具变量法，系统检验了数字普惠金融对农业投融资的影响效应及作用机制。结果表明：第一，数字普惠金融对农业投融资具有显著的正向驱动作用，一个地区数字普惠金融水平越高，其农业投融资水平越强，数字普惠金融覆盖广度、使用深度在其中发挥了重要作用，该结论在控制地区与时间的双向固定效应、引入工具变量并进行了多方面的稳健性检验后仍然成立。第二，从二者间的作用机制来看，数字普惠金融可以在供给侧通过提高电子商务销售额来促进农业投融资，还可以在需求侧通过增加农民专业合作社数量来促进农业投融资。第三，在异质性方面，从整体层面的竞争环境差异来看，数字普惠金融在市场经济发展水平较高地区、绿色金融发展较好的环境下更能促进农业投融资的发展；从城乡层面的鸿沟环境差异来看，在城乡数字鸿沟、生态鸿沟较大的情况下，数字普惠金融更能显著促进农业投融资，这体现了普惠性金融服务向农村地区延伸的积极影响；数字普惠金融能够缩小农村内部不同生产环境的农业投融资差距，其在生产要素集约化率较低、农业产业结构初级化的环境下依然能够发挥作用。第四，进一步研究发现，数字普惠金融对农业投融资具有显著的正向空间溢出效应，对周边地区具有辐射带动作用。
表13面板空间计量回归结果
本文研究结果具有多重政策启示。第一，构建完善的数字普惠金融生态环境，以持续增强其对农业投融资的杠杆效应。为此，亟需推动乡村数字支付基础设施的现代化升级，探索设立面向农业领域的金融科技创新监管沙盒，并同步制定覆盖农业生产全周期的标准化信用评价体系。同时，应实施专项计划提升新型农业经营主体的数字金融服务应用能力，配套建设区域性金融风险智能监测预警系统。通过有效激活数据要素市场化配置机制与深化制度协同创新，最终形成集基础设施完善化、信用信息高效流转、风险管控体系化以及经营主体能力强化于一体的可持续数字普惠金融生态系统。
第二，搭建区域性农产品数字化交易平台和农民专业合作社组织化提升工程，系统性打通数字普惠金融服务农业投融资的多维传导通道。在供给侧，应着力扩大互联网及数字技术基础设施的覆盖广度与深度，并通过建立农村数字素养普及中心破除电子商务发展的技术性壁垒；同时依托区块链技术增强农产品质量追溯能力，显著提升市场信息透明度与信用支撑水平。在需求侧，优化针对农民专业合作社发展的差异化政策支持框架：一方面创新设计订单融资、仓单质押等场景化金融产品，另一方面建立由财政资金主导的信贷风险补偿基金。此外，需完善涉农数据确权与共享机制，通过制度协同创新降低交易成本，最终形成供需双侧高效匹配、资源要素精准滴灌的普惠金融生态闭环。
第三，针对不同的竞争环境、鸿沟环境和生产环境，采取差异化的数字普惠金融发展策略。市场经济发达、绿色金融环境较好的地区应发挥科技资源集聚效能，依托人工智能、物联网与区块链技术驱动普惠金融的数字化绿色化融合，通过服务质效跃升深度释放农业资本投入的乘数效应。在城乡数字鸿沟、生态鸿沟较大的环境下，需聚焦普惠金融包容性，充分激活其对农业投融资的边际递增回报，破解金融服务供给短缺困境，畅通生产要素（尤其是资本）城乡双向流动渠道。生产要素集约化率较低、农业产业结构初级化的地区应优先布局普惠性数字基础设施，强化政策引导与扶持，分阶段构建区域性农业数据平台，设立专项数字农业创投基金，严格筛选生态环保型项目以管控风险，最终在规范发展中实现农业投融资可持续增长。
第四，充分发挥数字普惠金融对周边地区农业投融资的空间辐射效能，实现跨区域协同发展。基础设施领域需实施共建共享机制，重点加强农村数字基建的跨域统筹规划，优先在城乡过渡带及欠发达区域部署5G网络与物联网终端，系统性弥合区域数字鸿沟。构建跨省域农业大数据共享平台，打通生产、流通、消费全链条数据壁垒，实现要素信息的全域互联互通。在此基础上，构建以数字技术为纽带、以要素双向流动为特征的区域农业投融资协同网络，形成中心带动、多点支撑、多元推进的协调发展格局。亟须制定数字普惠金融区域协作专项规划，在政策的顶层设计上消除跨区域协同发展的痛点、难点、堵点和卡点。