数字普惠金融对农村产业融合的影响

储佩佩 张娆

DOI：10．19641/j．cnki．42-1290/f．2023．23．020

【摘要】數字金融作为数字经济最为重要的组成部分， 能否有效赋能农村产业融合发展？本文基于农村双创促进机制视角， 选取2011 ～ 2020年省域面板数据， 运用双固定效应模型、 系统GMM模型、 中介效应模型以及面板门槛模型探究数字普惠金融对农村产业融合的影响效应与作用机制。研究发现， 数字普惠金融能够显著推动我国农村产业融合发展， 并且在一系列稳健性检验后该结论依然成立。就不同区域而言， 数字普惠金融对东部地区农村产业融合的影响较中西部地区更显著。机制分析表明， 数字普惠金融可通过提升农村创业活跃度与农业科技创新水平而间接推动农村产业融合发展， 其中农业科技创新水平发挥的中介效应更显著。进一步分析发现， 数字普惠金融正向作用于农村产业融合发展时存在双重门槛， 即随着农业科技创新水平逐步跨越两道“门槛”， 数字普惠金融将会对农村产业融合发展产生“边际效应”递增的非线性影响效应。据此提出相关政策建议， 以期推动农村产业融合高质量发展。

【关键词】数字普惠金融；农村产业融合；农村创业；农业科技创新

【中图分类号】 F323.1；F832.43     【文献标识码】A      【文章编号】1004-0994（2023）23-0143-8

一、 引言与文献综述

推进农村产业融合发展， 是国家涉农政策文本中的话语表达创新， 也是我国探索农业现代化高速发展的实践要求。为了全面贯彻落实中央一号文件精神和顺应当前农村农业领域产业融合的重要趋势， 2016年国务院办公厅正式发布《关于推进农村一二三产业融合发展的指导意见》， 首次全方位地聚焦与讨论农村产业融合发展相关问题， 并提出“到2020年， 农村产业融合发展总体水平明显提升……农村活力显著增强”的阶段性目标^①。基于此， 农村产业融合发展现已被提升至国家战略高度， 因此探索农村产业融合发展的驱动机制与提升体系具有重要意义。

作为现代经济的核心， 优质高效的金融支持一直被认为是农村产业融合发展的关键驱动力（张林和温涛， 2022）。这主要体现在三个方面： 第一， 家庭农场、 农民合作社、 专业大户等新型农业经营主体创业初期普遍存在财务透明度低、 资信匮乏等弱质性， 往往难以获得金融机构的贷款青睐（刘立军等， 2017）。第二， 农村产业融合发展尚且处于分散探索阶段， 农业产业链的“断链”“缺链”“孤链”等现象仍然存在， 而金融工具或平台的运用有助于实现农业产业链内各个环节的有效衔接， 为防范或降低系统性风险提供安全保障（匡远配和易梦丹，2020）。第三， 农业产业转型升级与农民脱贫增收致富是农村产业融合的主要目标， 而这同样是金融服务于乡村振兴的目标之一， 两者之间存在必然的耦合互动关系（张林和张雯卿，2021）。那么， 如何获取优质高效的金融服务并使其服务于农村产业融合发展？在国家政策导向和“互联网+”的影响下， 数字普惠金融应运而生。相较于传统金融功能而言， 数字普惠金融依托于数字技术优势， 打破了传统意义上金融服务的时空限制， 让农村地区的金融长尾用户享受到更多的金融服务（郭峰等，2020）， 这无疑为农村产业融合发展提供了强大动力。然而， 现有文献少有直接研究农村产业融合发展的金融支持问题， 多是建立在对农业产业化与金融服务体系关系的探索上（李晓龙和冉光和，2019）。诚然， 农村产业融合作为农业产业化发展的高级形态和“升级版”（陈湘满和喻科，2022）， 势必会出现数字金融要素持续向农村地区下沉的态势（王森和陈宇斌，2022）， 因此， 摸清当下数字普惠金融对农村产业融合的作用机制与影响效应显得十分重要。

党的十八大以来， 伴随着国家双创战略的持续推进， 农村“双创”逐渐成为推动我国农业农村经济转型升级的新动能^②。那么如何充分释放农村创业创新的巨大潜能， 使其转化为在更大范围、 更高层次、 更深程度上推动农村产业融合发展的强大驱动力？数字普惠金融作为数字技术与传统金融创新融合的产物， 其对农村创业创新的影响受到学者们的广泛关注。研究表明， 数字普惠金融可通过缓解融资约束和降低交易成本来提升农村创业活跃度， 从而激励返乡人员创业（冯大威等，2020）； 而且， 数字普惠金融能够改善金融资源配置、 发挥技术创新机会的外溢效应、 激发返乡农民创业热情等， 进而提高区域内企业或居民的创新能力（李晓龙和冉光和，2020；杜传忠和张远，2020；冉光和和唐滔，2021）。如此看来， 数字普惠金融很有可能会通过农村双创这一重要传导机制， 进而对农村产业融合发展产生积极作用。

上述文献为本文研究提供了理论借鉴， 但始终未能揭示在农村双创促进机制视角下， 数字普惠金融对农村产业融合的影响、 作用机制及其可能存在的门槛效应。鉴于此， 本文拟从三个方面对现有研究进行拓展： 首先， 依据农村产业融合的基本内涵构建评价指标体系， 测算出31个省市（不包括港澳台地区）2011～2020年农村产业融合水平， 并在此基础上运用双固定效应模型和系统GMM方法探究数字普惠金融对农村产业融合的直接影响； 其次， 从农村双创促进机制视角出发， 选取中介效应模型检验数字普惠金融是否会通过提升农村双创水平来间接推动农村产业融合发展； 最后， 使用门槛效应模型进一步核实数字普惠金融是否会因农村双创水平的不同， 进而对农村产业融合发展产生不同程度的非线性影响效应。

二、 理论分析与研究假设

（一） 数字普惠金融对农村产业融合的直接影响

农村产业融合是实现资源优化重组和三产有机整合的过程， 必然离不开金融的长期支持（黎新伍和徐书彬； 2021）。针对农村产业融合发展面临的资金约束， 数字普惠金融可通过发挥资源配置效应、 信息共享效应与风险分散效应等来有效缓解该难题。主要体现在： 第一， 数字普惠金融具有“广覆盖、 低门槛”的明显优势， 能够有效识别并聚拢农村市场上分散的、 额度较低的闲置资金（马亚明和周璐，2022）， 引导资金从收益率较低的产业向收益率较高的产业流动与积累， 提高了农村产业融合项目获取更多资金的可能。第二， 数字金融平台可通过大数据征信技术对新型农业经营主体的金融交易信息进行准确、 多维、 实时的记录， 有效降低金融机构与新型农业经营主体之间的信息不对称（傅巧灵等，2022）， 拓宽更多低成本、 高效率、 高质量的新型融资渠道。第三， 依托于物联网、 大数据等新兴技术， 数字普惠金融可提供少抵押甚至免资产抵押和免三方担保的贷款产品， 有效缓解产业融合型主体的流动性约束， 增强其财务风险抵抗能力（陈池波等，2021）。据此， 本文提出如下假设：

H1： 数字普惠金融能够显著促进农村产业融合水平的提升。

（二）數字普惠金融对农村产业融合的间接影响

在国家双创战略的大背景下， 农村双创在数字普惠金融支持农村产业融合发展过程中可能承担着中介作用。具体可从以下两个层面进行分析：

一方面， 数字普惠金融提高了农村双创水平。在农村创业维度上， 已有研究表明融资约束是制约居民开展创业活动的重要因素（Nykvist，2010；Radim，2007）， 而数字金融资源向农村地区的持续下沉与渗透， 有助于为潜在返乡创业者尤其是偏远农村地区的创业者提供信贷支持， 促使他们开展创业活动， 从而提升农村创业活跃度（林瑶鹏等，2022）。习近平总书记强调， “科技创新、 科学普及是实现创新发展的两翼”^③。因此在农村创新维度上， 探寻提升农业科技创新水平的路径至关重要。在数字金融平台的支持下， 农业科技创新项目可以匹配到更合适的资金， 促使创新资金投入发挥出更大的作用， 从而进一步提高农业科技创新水平。

另一方面， 农村双创有助于推动农村产业融合发展。在农村创业维度上， 有学者指出农村创业活跃度越高， 越有助于创建并形成新产业、 新业态和新模式， “农业+”多业态的融合发展趋势就会愈加明显（王定祥和冉希美，2022）。同样地， 农村产业融合发展也会为涉农创业者提供创业机会并激发他们的学习兴趣与创业行为， 从而进一步提升农村创业活跃度（吴小立和于伟，2016； 李晓龙和冉光和，2019）。在农村创新维度上， 农业科技创新水平的提高有助于巩固农业在经济产业中的基础性与战略性地位（Power等，2012； Dennis和Xiao等，2013）。进一步来说， 科技创新可推进农业产品形态、 功能、 质量等的变化以及农业生产管理方式的变革， 实现农业综合效益的提高和农业报酬增长， 为农村产业融合高质量发展创造基础性条件（程莉和孔芳霞，2020）。据此， 本文提出如下假设：

H2a： 数字普惠金融可通过提升农村创业活跃度来间接推动农村产业融合水平的提升。

H2b： 数字普惠金融可通过提高农业科技创新水平来间接推动农村产业融合水平的提升。

（三）数字普惠金融对农村产业融合影响的门槛效应

随着农村双创水平的不断变化， 数字普惠金融可能会对农村产业融合发展产生非线性影响效应。可能的原因有： 第一， 由于我国农村地区双创原始资源积累的差异性以及双创主体对政策接受能力的不同， 农村双创水平通常会表现出显著的区域差异性（杨屹和魏泽盛，2018）， 进而可能导致影响效应的异质性。第二， 农村双创活动作为融资需求的重要来源， 农村双创水平的提升将会进一步刺激融资需求增加， 即农村双创水平越高， 新产生的融资需求就越大， 由此数字普惠金融对农村产业融合的促进作用将会更加显著（韩亮亮等，2023）。在如此可持续的正向循环机制下， 数字普惠金融对农村产业融合发展的影响可能会出现边际递增效应。据此， 本文提出如下假设：

H3a： 随着农村创业活跃度的提升， 数字普惠金融将会对农村产业融合水平的提升作用呈现出边际递增特征。

H3b： 随着农业科技创新水平的提高， 数字普惠金融将会对农村产业融合水平的提升作用呈现出边际递增特征。

三、 研究设计与数据说明

（一）模型设定

1. 基准回归模型。首先， 本文利用省级面板数据考察数字普惠金融对农村产业融合的直接影响效应， 根据Hausman检验结果（p=0.000<0.01）， 确定构建如下双固定效应模型：

IND_i，t=α₀+α₁FIN_i，t+α₂Controls_i，t+δ_i+?_t+ε_i，t（1）

式中： 下标i和t分别表示省份和年份， IND_i，t为被解释变量， 表示农村产业融合水平； FIN_i，t为核心解释变量， 表示数字普惠金融指数；Controls_i，t表示控制变量集合； α₀、 α₁与α₂表示待估计系数； δ_i为省域固定效应， ?_t为时间固定效应； ε_i，t为随机扰动项。

为排除原模型中潜在的内生性问题以及充分反映出数字普惠金融对农村产业融合的动态影响效应， 本文进一步采用系统GMM方法进行估计， 构建如下动态面板模型：

IND_i，t=β₀+β₁IND_i，t-1+β₂FIN_i，t+β₃Controls_i，t+δ_i+?_t+ε_i，t（2）

2. 中介效应模型。为了进一步检验数字普惠金融对农村产业融合的间接影响， 本文借鉴温忠麟等（2014）的中介效应检验方法， 选取农村双创水平作为中介变量， 并构建如下中介效应模型：

Med_i，t=θ₀+θ₁FIN_i，t+θ₂Controls_i，t+δ_i+?_t+ε_i，t（3）

IND_i，t=ρ₀+ρ₁FIN_i，t+ρ₂Med_i，t+ρ₃Controls_i，t+δ_i+?_t+ε_i，t（4）

式中： Med_i，t为中介变量， 分别为农村创业活跃度（ENT）与农业科技创新水平（TEC）； θ₀、 θ₁与θ₂以及ρ₀、 ρ₁、 ρ₂与ρ₃均表示待估计系数。中介效应模型的检验原理与前文一致， 故此处不再赘述。值得注意的是， 若θ₁、 ρ₁、 ρ₂均显著为正， 且|ρ_1|<|θ₁|，  则说明数字普惠金融通過提升农村双创水平有效促进了农村产业融合发展， 即中介效应存在并表现显著。

3. 门槛效应模型。为了进一步明晰数字普惠金融、 农村双创水平与农村产业融合之间是否存在非线性关系， 即数字普惠金融对农村产业融合的影响是否会因农村双创水平的变化而变化， 本文借鉴Hansen（1999）的面板门槛模型， 以农村双创水平为门槛变量， 构建如下面板门槛模型：

IND_i，t=ω₀+ω₁FIN_i，t×I（ENT_i，t≤γ）+ω₂FIN_i，t×I（ENT_i，t>γ）+ω₃Controls_i，t+δ_i+?_t+ε_i，t（5）

IND_i，t=φ₀+φ₁FIN_i，t×I（TEC_i，t≤γ）+φ₂FIN_i，t×I（TEC_i，t>γ）+φ₃Controls_i，t+δ_i+?_t+ε_i，t（6）

式（5）、 （6）中： ENT_i，t、 TEC_i，t为门槛变量， 分别表示省份i在第t年的农村创业活跃度与农业科技创新水平； γ为待估计门限值； ω₁和ω₂分别表示门槛变量在ENT_i，t≤γ与ENT_i，t>γ时的影响系数； 同理， φ₁和φ₂分别表示门槛变量在TEC_i，t≤γ与TEC_i，t>γ时的影响系数。I（?）为取值0或者1的指示性函数， 若括号内的数值满足条件， 则取值为1， 反之为0。其他变量解释同式（1）。

（二）变量选取与说明

1. 被解释变量： 农村产业融合水平（IND）。目前学术界主要以农村产业融合的基本内涵为理论依据， 从产业链延伸、 多功能性发挥、 新技术渗透、 城乡融合等多个维度构建农村产业融合水平评价指标体系（陈国生，2019； 陈池波和龚政，2021）， 运用多种方法来测度农村产业融合水平。基于对农村产业融合内涵的充分理解， 结合农业农村部乡村产业发展司司长曾衍德概括的“六向融合”模式^④， 本文将从农业内部的“内向”融合、 产业延伸的“顺向”融合、 功能拓展的“横向”融合、 新技术渗透的“逆向”融合、 农业与城镇的“万向”融合以及农业与各产业的“多向”融合六个维度构建农村产业融合水平评价指标体系， 具体指标体系见表1。为避免主观赋权弊端， 以及多指标数据的重叠问题， 本文运用熵权法对31个省市（不包括港澳台地区）2011～2020年的农村产业融合水平进行测算^⑥。

2. 核心解释变量： 数字普惠金融指数（FIN）。本文选取北京大学数字金融研究中心发布的数字普惠金融指数来衡量我国省域层面的数字普惠金融发展情况， 具体时间跨度为2011～2020年。同时考虑到各变量数据的量纲差异， 本文借鉴吴雨等（2021）的做法， 将数字普惠金融指数除以100作缩小处理。

3. 中介变量。本文选取农村创业活跃度（ENT）和农业科技创新水平（TEC）分别来衡量农村双创活动中的“创业”与“创新”水平。立足于国情农情特点， 李晓龙等（2019）将农村创业定义为农户从事规模化种养殖、 个体经营、 创办企业或农民专业合作社等行为。因此， 本文根据其理论阐释， 选取各地区农村私营企业就业人数、 个体就业人数之和与乡村就业人数的比重来衡量农村创业活跃度。农村创新的维度是多元化的， 考虑到新技术能最大限度地提升农村三产融合增加值（田毅鹏，2021）， 故本文以农业科技创新水平表示农村创新发展情况， 并选取农业专利授权量来衡量各地区农业科技创新水平。此外， 为了避免指标数值过大导致较大异方差， 本文将农业专利授权量除以100作缩小处理。

4. 控制变量。为提高研究的可靠性， 本文选取人均GDP、 城镇化率、 人力资本水平、 基础设施水平、 财政支农以及居民消费需求这六个变量作为控制变量。人均GDP（GDP）， 选取人均国内生产总值代表各省经济发展情况， 并作对数处理。城镇化率（URB）， 用城镇人口数与农村人口数的比重来衡量各省城镇化水平。人力资本水平（EDU）， 选择农村地区人均受教育年限表示各省的农村人力资本发展水平， 计算公式为人均受教育年限=（6×primary+9×junior+12×senior+16×college）/Total。其中： primary、 junior、 senior、 college分别表示小学、 初中、 高中和专科及以上教育程度的农村人口占比， Total表示各省6岁及以上总人口数。基础设施水平（INF）， 用各省拥有的公路里程数与各省土地面积的比重来反映各省基础设施建设水平。财政支农（FSA）， 选取地方财政农林水事务支出与地方财政一般预算支出的比例来揭示财政支持三农发展情况。居民消费需求（CON）， 采用农村居民家庭人均消费性支出的比重来描述居民消费的变化情况， 并作对数处理。

（三）数据来源与描述性统计

考虑到数据的可得性， 本文基于2011 ～ 2020年31个省市（不包括港澳台地区）的平衡面板数据展开实证研究。其中， 数字普惠金融指数来自于《北京大学数字普惠金融指数（2011 ～ 2020年）》， 农村产业融合水平评价指标体系中的主要数据来源于2012 ～ 2021年《中国农村统计年鉴》。另外， 农村总户数相关数据来源于《中国人口和就业统计年鉴》， 农副食品加工业主营业务收入数据来源于《中国农产品加工业年鉴》， 设施农业面积数据来源于农业农村部农业机械化管理司的全国温室数据系统， 农林牧渔服务业产值数据来源于《中国第三产业统计年鉴》， 涉农贷款余额相关数据来源于Wind数据库； 农业专利授权量数据来源于企知道专利数据库； 城镇化率、 人力资本水平、 基础设施水平、 财政支农以及居民消费需求等相关数据来源于《中国统计年鉴》和《中国农村统计年鉴》； 剩余的个别缺失数据通过各省份统计年鉴或统计公报进行填充。本文所涉及變量的描述性统计结果如表2所示。

四、 实证结果分析

（一）基准回归分析

本文首先采用双固定效应模型来检验数字普惠金融对农村产业融合的静态效应， 回归结果如表3列（1） ～ （5）所示。从全国层面来看， 列（1）、 （2）的结果显示， 无论是否添加控制变量， 数字普惠金融的影响系数均显著为正， 说明样本期内数字普惠金融对农村产业融合水平具有显著的提升作用。从区域层面来看， 列（3） ～ （5）的结果表明， 东、 西部地区数字普惠金融对农村产业融合产生了显著的正向效应， 而中部地区的影响效应不显著。另外， 从系数大小来看， 东部地区数字普惠金融对农村产业融合水平的提升作用最为强烈， 西部次之， 中部稍后。

最后， 考虑到数字普惠金融、 农村产业融合水平两者都始终处于持续的动态变化中， 而且上述双固定效应模型可能难以克服潜在的内生性问题， 因此本文采取系统GMM估计方法进行动态效应的分析， 回归结果如表3列（6）所示。数字普惠金融的估计系数仍然在1%的统计水平上显著， 这再次表明样本期内数字普惠金融显著推动了农村产业融合发展。值得注意的是： 列（6）中AR（1）检验的P值为0.006， 小于1%； AR（2）检验的P值为0.967， 大于10%， 说明二阶序列自相关不显著。同时， Sargan检验的P值为0.599， 大于1%， 说明工具变量的选择具备合理性。

根据上述静态效应与动态效应的分析结果， 验证了数字普惠金融确实对农村产业融合水平的提升具有显著正向效应， 即H1成立。

（二）稳健性检验

本文将采用以下三种方式来检验上述实证结果的稳健性， 分别是： 替换核心解释变量、 剔除直辖市以及调整样本期（限于篇幅， 稳健性检验表格省略）。

1. 替换核心解释变量。在《北京大学数字普惠金融指数（2011-2020年）》一书中， 明确指出了数字普惠金融指数具体可分为三个维度水平， 包括数字金融覆盖广度（COV）、 使用深度（DEP）以及数字化程度（DIG）， 因此本文拟从数字普惠金融的三维度水平进行稳健性检验。回归结果显示， 三维度水平的影响系数均显著为正， 说明数字普惠金融对农村产业融合水平的提升作用具有显著的正向效应， 即基准回归结论可靠。

2. 剔除直辖市。考虑到直辖市本身在经济发展、 资源获取、 政策偏向以及地理位置等方面具有一定的发展优势， 因此本文将北京、 天津、 上海和重庆四个直辖市的样本予以剔除， 重新对新样本数据进行回归。结果显示， 数字普惠金融的估计系数通过了1%水平上的显著性检验， 说明数字普惠金融对农村产业融合具有明显的促进作用， 即证明基准结论依然稳健。

3. 调整样本期。黄益平和黄卓（2018）指出， 2013年余额宝上线通常被视作中国数字金融发展的元年， 因此本文选取2013～2020年的数据重新进行回归。结果显示， 新样本期内数字普惠金融对农村产业融合的影响系数为0.150， 且在5%的水平上显著， 这说明在调整样本期后， 数字普惠金融有助于推动农村产业融合发展的结论依然成立， 再次印证了基准结论的可靠性。

（三）中介效应分析

为了进一步检验数字普惠金融对农村产业融合的间接影响， 本文基于农村双创促进机制视角， 使用中介效应模型对农村创业活跃度、 农业科技创新水平是否是数字普惠金融促进农村产业融合发展的重要中介进行检验， 结果如表4所示。可以发现， 列（1）中数字普惠金融对农村创业活跃度的影响系数显著为正， 随后将农村创业活跃度纳入基准回归模型中， 列（2）中数字普惠金融与农村创业活跃度的估计系数均至少在5%的水平上表现显著。这表明农村创业活跃度在数字普惠金融推动农村产业融合发展的过程中发挥着重要作用， 由此可以证明数字普惠金融可通过提升农村创业活跃度， 进而对农村产业融合水平的提升产生正向效应， 即H2a成立。同理可得， 列（3）、 列（4）的结果同样表明了数字普惠金融可通过提高农业科技创新水平， 进而间接推动农村产业融合发展， 即H2b成立。相较于农业科技创新， 农村创业活跃度在数字普惠金融正向促进农村产业融合发展中发挥的中介效应更显著。究其原因： 一方面， 据农业部2017年的数据， 在返乡下乡创业人员投入现代农业和新农村建设过程中， 82%以上创办的都是农村产业融合类项目^⑦， 可见农村创业活跃度与农村产业融合的直接关联度非常之高； 另一方面， 尽管“科技创新是推动农村产业融合发展的内在驱动力”这一观点已被众多学者所证实， 但不可否认的是， 我国农业科技创新成果的转化率普遍较低， 况且已转化的科技创新成果也并非全然适用于农村产业融合项目， 因此可能是基于这一层原因， 农业科技创新水平对农村产业融合发展的正向效应相对较低。

综上， 在农村双创促进机制视角下， 数字普惠金融能通过提升农村创业活跃度和农业科技创新水平， 进而对农村产业融合水平的提升产生正向效应， 即H2a、 H2b成立。

五、 进一步讨论： 门槛效应分析

本文采用面板门槛模型来检验数字普惠金融、 农村双创水平与农村产业融合三者之间是否存在非线性关系。首先， 在进行门槛效应回归之前， 需要对2011 ～ 2020年31个省市（不包括港澳台地区）中农村双创水平是否存在门槛值、 门槛数量以及门槛值进行检验。本文参考Wang（2015）的做法， 利用“bootstrap”法反复抽样300次的方式对农村双创水平作为门槛变量的情形进行检验， 结果如表5所示。其中， 农村创业活跃度的单一门槛、 双重门槛以及三重门槛对应的P值均未通过显著性检验， 说明数字普惠金融对农村产业融合的影响不存在基于农村创业活跃度的门槛效应， 即H3a不成立。农业科技创新水平的单一门槛和双重门槛对应的P值均通过了1%水平上的显著性检验， 但三重门槛对应的P值未通过显著性检验， 该结果表明数字普惠金融对农村产业融合的影响存在基于农业科技创新水平的双重门槛， 初步确定H3b成立。

同时， 为了更加直观地分析检验结果， 本文根据门槛模型基本原理， 绘制出与表5结果对应的双重门槛模型估计图， 如图1所示。从图中可以看出， 数字普惠金融对农村产业融合的影响确实存在基于农业科技创新水平的双重门槛， 其中LR统计量的最低点对应的是真实门槛值， 这也正好与表5中的门槛值互相对应， 因此接下来重点对数字普惠金融、 农业科技创新水平与农村产业融合水平三者之间的非线性关系进行双重门槛效应分析。

如表6所示， 数字普惠金融正向作用于农村产业融合发展时存在基于农业科技创新水平的双重门槛。具体而言， 当农业科技创新水平处于（0， 17.60］时， 数字普惠金融的估计系数为0.021， 这说明数字普惠金融指数每增加一个单位， 农村产业融合水平将相应地提升0.021个单位； 当农业科技创新水平处于（17.60， 43.49］时， 数字普惠金融的估计系数将提高至0.036， 此时数字普惠金融对农村产业融合发展的非线性影响效应开始显现； 进一步地， 当农业科技创新水平高于43.49时， 数字普惠金融的影响系数（0.055）达到最大值， 这表明农业科技创新水平在跨越两道门槛值后， 数字普惠金融对农村产业融合水平的提升作用越来越强烈。由此可见， 随着农业科技创新水平的提高， 数字普惠金融将会对农村产业融合产生“边际效应”递增的非线性影响效应。

综上， 数字普惠金融正向作用于农村产业融合发展时不存在基于农村创业活跃度的门槛效应， 但存在基于农业科技创新水平的双重门槛效应， 并且在对应的农业科技创新水平门槛区间内， 数字普惠金融对农村产业融合的正向促进作用呈现出边际效应递增的非线性特征。因此， H3b成立。

六、 研究结论与政策启示

（一）研究结论

本文立足于2011 ～ 2020年31个省市（不包括港澳台地区）的平衡面板数据， 在选取熵权法测算出农村产业融合水平的基础上， 使用双固定效应模型、 系统GMM模型以及面板门槛模型， 检验了农村双创促进机制视角下数字普惠金融对农村产业融合的影响效应及其作用机制。研究发现： 第一， 数字普惠金融对农村产业融合具有明显的促进作用， 并且这一结论具有足够的稳健性。第二， 基于农村双创促进机制视角， 分析发现农村创业活跃度与农业科技创新水平是数字普惠金融影响农村产业融合的重要中介因素， 而且农业科技创新水平产生的中介效应更显著。第三， 数字普惠金融正向作用于农村产业融合发展时存在基于农业科技创新水平的双重门槛， 在跨越两道门槛的过程中， 随着农业科技创新水平的不断提高， 数字普惠金融对农村产业融合水平的提升作用将呈现出边际效应递增的非线性特征， 但这种提升作用并不存在基于农村创业活跃度的门槛效应。

（二）政策启示

通过上述分析， 本文提出以下政策建议：

第一， 加大数字普惠金融有关政策的实施力度， 进一步提升农村产业融合水平。各地区应持续推进农村金融系统的数字基础设施建设， 重点推动网络平台、 操作系统、 数据中心等新型软硬基础设施的发展， 夯实农业农村发展的数字化基础， 为农村新业态、 新产业和新服务等发展提供重要支撑。此外， 还应不断加快金融资源要素在欠发达农村地区的流动速率及渗透率， 促使金融服务更快、 更有效地嵌入农村产业融合发展的各个环节， 尽可能满足各环节涉农主体对金融资源的有效需求， 从而推动农村产业融合的可持续健康发展。

第二， 通过政府与市场协同配合的方式来鼓励农村创业创新， 充分发挥出农村双创在数字普惠金融影响农村产业融合中的积极作用。一方面， 政府应加快落实鄉村创业相关政策， 大力支持新型农业经营主体和返乡下乡人员创业创新， 以加快形成农村产业融合发展新格局； 另一方面， 农业企业或涉农企业应积极运用市场化机制调动金融机构支持科技创新， 提高创新型科技在农村产业融合活动中的应用程度， 以充分保障农村产业融合的水平与质量。

第三， 强化创新对农村农业高质量发展的引领作用， 尤其是重视农业科技创新的均衡性发展。从描述性统计结果可以看出， 我国农业科技创新水平较低且两极分化和层级差异较大， 因此亟需优化农业科技创新资源配置机制， 加强各省域之间农业科技创新资源的流动与共享， 充分发挥出优质农业创新资源的辐射扩散效应以带动欠发达地区农业科技创新水平的提升， 从而化解农业科技创新水平过度分化问题， 促进农村农业科技的平稳协调发展。

【 注 释 】

① 资料来源：《国务院办公厅关于推进农村一二三产业融合发展的指导意见》，http：//www.gov.cn/zhengce/content/2016-01/04/content_10549.htm。

② 资料来源：《“双创”激发农业农村发展新动能》，https：//www.moa.gov.cn/ztzl/scw/scdtnc/201707/t20170726_5761016.htm。

③ 资料来源：《“十四五”国家科学技术普及发展规划》，http：//www.gov.cn/zhengce/zhengceku/2022-08/16/content_5705580.htm。

④ 资料来源：《你知道振兴乡村产业的奥秘吗？剖析全国近70个典型案例》，http：//www.xqj.moa.gov.cn/ncpjg/201907/t20190716_6320994.htm。

⑤ 人均主要农产品产量的数值是由人均粮食、油料、肉类、水产品、水果和奶类产量加总而得，因棉花和糖料的数据缺失较为严重，故未纳入计算范畴。

⑥ 因篇幅限制，本文未列出熵权法的计算步骤。

⑦ 资料来源：《700万人返乡下乡投身农村“双创”》，http：//www.gov.cn/shuju/2017-09/16/content_5225518.htm。

【 主 要 参 考 文 献 】

陈湘满，喻科．农村产业融合对农村居民收入的影响——基于空间杜宾模型实证分析［ J］．湘潭大学学报（哲学社会科学版），2022（2）：66 ～ 73．

程莉，孔芳霞．长江上游地区农村产业融合发展水平测度及影响因素［ J］．统计与信息论坛，2020（1）：101 ～ 111．

陈国生．湖南省农村一二三产业融合发展水平测定及提升路径研究［ J］．湖南社会科学，2019（6）：79 ～ 85．

冯大威，高梦桃，周利．数字普惠金融与居民创业：来自中国劳动力动态调查的证据［ J］．金融经济学研究，2020（1）：91 ～ 103．

郭峰，王靖一，王芳等．测度中国数字普惠金融发展：指数编制与空间特征［ J］．经济学（季刊），2020（4）：1401 ～ 1418．

黄益平，黄卓．中国的数字金融发展：现在与未来［ J］．经济学（季刊），2018（4）：1489 ～ 1502．

韩亮亮，彭伊，孟庆娜．数字普惠金融、创业活跃度与共同富裕——基于我国省际面板数据的经验研究［ J］．软科学，2023（3）：18 ～ 24．

匡远配，易梦丹．精细农业理念促进现代农业产业链、价值链和利益链“三链耦合”［ J］．农业现代化研究，2020（5）：747 ～ 755．

李晓龙，冉光和．农村产业融合发展的创业效应研究——基于省际异质性的实证检验［ J］．统计与信息论坛，2019（3）：86 ～ 93．

李晓龙，冉光和．农村金融深化促进了农村产业融合发展吗？——基于区域差异视角的实证分析［ J］．农业现代化研究，2020（3）：453 ～ 463．

黎新伍，徐書彬．农村产业融合：水平测度与空间分布格局［ J］．中国农业资源与区划，2021（12）：60 ～ 74．

林瑶鹏，林柳琳，高琦等．数字普惠金融发展与流动人口创业——来自全国流动人口动态监测调查的证据［ J］．当代财经，2022（4）：65 ～ 75．

刘立军，王健，秦伟．金融发展对我国现代农业的影响分析——基于结构方程模型和31省份的实证分析［ J］．经济问题，2017（4）：70 ～ 75．

冉光和，唐滔．数字普惠金融对社会就业的影响——基于企业性质和行业的异质性考察［ J］．改革，2021（11）：104 ～ 117．

田毅鹏．乡村未来社区：城乡融合发展的新趋向［ J］．人民论坛·学术前沿，2021（2）：12 ～ 18．

王森，陈宇斌．数字普惠金融如何推动农业高质量发展？——兼论中介与门槛作用机制［ J］．管理学刊，2022（3）：72 ～ 87．

王定祥，冉希美．农村数字化、人力资本与农村产业融合发展——基于中国省域面板数据的经验证据［ J］．重庆大学学报（社会科学版），2022（2）：1 ～ 14．

吴雨，李晓，李洁等．数字金融发展与家庭金融资产组合有效性［ J］．管理世界，2021（7）：92 ～ 104+7．

吴小立，于伟．环境特性、个体特质与农民创业行为研究［ J］．外国经济与管理，2016（3）：19 ～ 29．

杨屹，魏泽盛．我国双创能力的时空差异及其耦合效应分析［ J］．数量经济技术经济研究，2018（5）：3 ～ 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．

Dennis T. Y.，Xiao Z.. Modernization of agriculture and long-term growth［ J］． Journal of Monetary Economics，2013（3）：367 ～ 382．

Hansen B. E.. Threshold effects in non-dynamic panels：Estimation，testing，and inference［ J］． Journal of Econometrics，1999（2）：345 ～ 368．

Power G. J.，Salin V.，Park J. L.. Strategic options associated with cooperative members' equity［ J］． Agricultural Finance Review，2012（1）：48 ～ 67．

Wang Q. Y.. Fixed-effect panel threshold model using Stata［ J］． Stata Journal，2015（1）：121 ～ 134．

（责任编辑·校对： 刘钰莹  罗萍）

【基金项目】江苏高校“青蓝工程”（项目编号：2022-2025）；江苏省高校社科联发展专项课题（项目编号：22GSB-008）；南京农业大学金融学院学科建设专项和深入贯彻学习党的二十大项目（项目编号：ZDXM202204）

【作者单位】南京农业大学金融学院， 南京 210095