引言

加快建设农业强国背景下，中国农业正处于向高科技与高质量转型的关键节点。作为突破资源环境约束、实现高质量发展的核心引擎，“农业新质生产力”以科技创新为核心驱动、以绿色发展为普遍形态。然而，传统农业因弱质性与缺乏抵押物等特征长期面临信贷排斥，宏观农业金融深化程度相对滞后，导致绿色前沿技术研发面临技术与资金的双重锁定。数字普惠金融作为数字经济与传统金融的融合体，正依托大数据与云计算等底层技术克服物理网点与重资产抵押弊端。其通过竞争倒逼与技术赋能，不仅直接支持长尾客户，更促使区域金融系统打破路径依赖，实质性提升“农业金融发展水平”，为农业绿色技术采纳提供坚实的资本底座。现有文献虽已证实数字金融对农业发展的积极效应，但在精准聚焦“农业新质生产力”战略命题、构建从“资金端”到“技术端”宏大机制闭环、以及探讨“硬基建”与“软环境”情境调节方面仍存拓展空间。鉴于此，本文基于中国省级面板数据，运用双向固定效应模型与工具变量法进行实证检验。本文边际贡献在于：第一，立足时代语境构建农业新质生产力测度体系，拓展了数字经济的农业应用研究；第二，构建“资金-技术-环境”三维理论框架，从“优化信贷配置结构”与“激发绿色创新”双轨路径，精准刻画宏观金融深化转化为产业科技动能的逻辑闭环；第三，创新引入农村互联网普及率与地方财政科技投入，深刻论证跨越“数字鸿沟”的硬件前提及“有效市场与有为政府”协同共振的必要性，为制定差异化支农政策提供精细经验证据。

一、理论分析与研究假设

本文立足于中国农业向现代化转型的宏观背景，构建了“资金支持—技术驱动—环境协同”的三维理论框架，系统探讨数字普惠金融赋能农业新质生产力的内在机理及其情境边界。

（一）数字普惠金融对农业新质生产力的直接影响机理

农业新质生产力培育高度依赖资本投入。依托数字技术，数字普惠金融破解传统“信贷排斥”的机制有三：一是打破空间限制实现“长尾触达”，降低触达成本；二是多维抓取数据构建信用画像，以“数据信用”替代“抵押信用”缓解信息不对称；三是低成本资金精准“滴灌”至新型经营主体，推动技术投入与绿色转型，优化要素配置结构。据此提出：

H1：数字普惠金融能够显著促进农业新质生产力提升。

（二）绿色技术创新的中介作用机理

绿色技术创新是关键传导中介。一方面，针对绿色前沿技术研发长周期、高成本痛点，数字金融拓宽资金来源并加速先进技术扩散；另一方面，绿色技术应用促使农业向技术驱动转型，降低污染投入、提升资源效率并增加科技附加值，实现生态与经济效益协同跃升。据此提出：

H2：绿色技术创新在数字普惠金融促进农业新质生产力提升中发挥显著的正向中介作用。

（三）农业金融发展水平的中介作用机理

数字普惠金融通过提升宏观“农业金融发展水平”驱动跃升。一是竞争倒逼机制，其切入长尾市场迫使传统银行下沉服务、扩大涉农贷款；二是技术赋能效应，传统机构借机引入风控模型打破抵押依赖，实现向“数据信用”升级。二者共振促使农业金融水平跃升，信贷扩容拓宽投资边界，资本深化效应推动智能农机与前沿技术应用，夯实要素保障。据此提出：

H3：农业金融发展水平在数字普惠金融促进农业新质生产力提升中发挥显著的正向中介作用。

（四）农村互联网普及率的宏观环境调节作用

基于网络外部性理论，互联网普及率提升对数字金融有“正向催化”效应。完善的通信基建降低接触门槛，弥合“数字鸿沟”并降低交易摩擦。普及率越高，克服信息不对称边际成本越低，资金与信息能更顺畅下沉转化为效能，产生更强驱动作用。据此提出：

H4：农村互联网普及率在数字普惠金融对农业新质生产力的影响中发挥正向调节作用，即互联网普及率越高，该促进效应越显著。

（五）地方财政科技支出的政企协同调节作用

纯市场化资金易陷入规避长周期农业创新风险的“市场失灵”。地方财政科技支出是关键调节阀：一是为技术攻关提供“种子基金”优化创新生态；二是释放积极信号发挥“杠杆效应”，降低系统性风险，引导数字金融向现代农业倾斜。市场与政策协同能实现资源配置最优化。据此提出：

H5：地方财政科技支出占比在数字普惠金融对农业新质生产力的影响中发挥正向调节作用，即财政科技支持力度越强，该促进效应越显著。

二、研究设计

（一）样本选择与数据来源

本文选取 2011-2022 年中国 31 个省份的面板数据。核心解释变量“数字普惠金融指数”来自北京大学数字金融研究中心；“农业绿色发明专利申请量”来自 CNRDS 数据库；其他宏观数据主要来源于历年《中国统计年鉴》《中国农村统计年鉴》等。缺失值采用线性插值法填补。

（二）变量选取与测度

农业新质生产力（ANPF）。参考朱迪和叶林祥的评价框架，从新型农业劳动者、劳动资料和劳动对象三个维度构建综合指标体系，并采用熵值法测度。核心解释变量：数字普惠金融指数（DIF）。参考郭峰等的经典范式，选取北京大学数字普惠金融指数，在实证中将其除以100进行量纲缩放。机制与调节变量：① 农业绿色技术创新（GTI）：参考邹宝玲等的做法，采用农业类绿色发明专利申请量与第一产业就业人数比值测度。② 农业金融发展水平（FIN）：借鉴周鸿卫和丁浩洋的思路，采用各省涉农贷款余额与农林牧渔业总产值之比测度。③ 农村互联网普及率（NET）：借鉴原嫄等（2025）的逻辑，采用农村宽带接入用户数与乡村人口数之比测度。④ 地方财政科技支持力度（GOV_TECH）：参考李政和杨思莹的做法，采用地方财政科学技术支出与一般公共预算支出之比测度。控制变量：参考贾康和郭起瑞、张林和温涛等学者的普遍做法，本文引入了经济发展水平（GDP）、传统金融发展水平（findev）、政府干预程度（gov）、对外开放程度（open）、产业结构高级化（isu）与城镇化率（urb）等一系列省级控制变量。

（三）模型设定

1. 基准回归模型

为实证检验数字普惠金融对农业新质生产力的直接赋能效应，并控制不可观测的个体异质性与宏观时间冲击，本文构建了如下双向固定效应基准回归模型以验证假说H1：

上式中，下标代表省份，代表年份；表示被解释变量，即省份在年的农业新质生产力水平；表示核心解释变量，即数字普惠金融指数；为上文提到的一系列省级层面控制变量集合。表示省份固定效应，用于吸收那些不随时间变化的省份个体特征;表示年份固定效应，用于吸收随时间变化但各省份共同面临的宏观经济冲击;为随机扰动项。

2. 机制检验模型

针对农业绿色技术创新（GTI）与农业金融发展水平（fin）的传导机制，鉴于传统的“中介效应三步法”存在严重的内生性偏误与逻辑局限，本文遵循江艇在《中国工业经济》中提出的最新因果推断规范，具体机制检验模型构建如下：

其中代表机制变量，分别带入农业绿色技术创新（）与农村金融发展水平（）。

3. 调节效应模型

其中，Mod代表调节变量(即NET与GOV_TECH)。本文已对数字普惠金融指数和相应的调节变量均进行了去中心化处理，处理后的变量分别记为。

三、实证结果分析

（一）描述性统计

变量	count	mean	sd	min	max
ANPF	310	0.163313	0.06583	0.062477	0.397312
DIF	310	2.774649	0.798185	1.2839	4.454406
GDP	310	2.869598	2.37093	0.115141	11.63642
GOV	310	0.282010	0.201045	0.119776	1.288564
FINDEV	310	0.824045	0.154071	0.448288	1.143845
OPEN	310	4.432695	2.188295	0.858956	11.52723
ISU	310	2.416291	0.115680	2.227205	2.827273
URB	310	0.605140	0.122139	0.315690	0.892987

（二）基准回归结果分析

变量	(1) ANPF	(2) ANPF	(3) ANPF
DIF	0.0533***	0.123***	0.0613***
	(0.00395)	(0.0269)	(0.0186)
GDP			0.0173***
GOV			0.0807*
FINDEV			0.0538**
OPEN			0.00508**
ISU			-0.0203
URB			0.0418
省份固定效应	否	是	是
年份固定效应	否	是	是
_cons	0.0155	-0.178**	-0.122
N	310	310	310
r2	0.413	0.941	0.956

注：Standard errors in parentheses，^* p < 0.1, ^** p < 0.05, ^*** p < 0.01。

（三）内生性检验

变量	(1) DIF	(2) ANPF
iv_hang	-0.1320***
DIF		0.1365**
控制变量	是	是
省份固定效应	是	是
年份固定效应	是	是
N	310	310
r2	0.9970	0.3661
Kleibergen-Paap rk Wald F	27.676
Cragg-Donald Wald F	54.042

注：Standard errors in parentheses，^* p < 0.1, ^** p < 0.05, ^*** p < 0.01。

（四）稳健性检验

变量	替换被解释变量(AHQD)	全部连续变量1%缩尾
DIF (数字普惠金融)	0.1157***	0.0909***
控制变量	是	是
省份固定效应	是	是
年份固定效应	是	是
样本量	310	310
R-squared	0.9615	0.9605

四、机制检验与异质性

（一）传导机制检验

变量	绿色技术创新(gti)	农业金融发展水平（fin）
DIF (滞后一期数字普惠金融)	0.7088***	3.5205**
样本量	279	279
R-squared	0.8886	0.9261

（二）宏观情境的调节效应

变量	(1) 互联网普及率调节	(2) 财政科技支出调节
DIF_c × Net_c	0.0404**
DIF_c X gov_tech_c		0.5401***
数字普惠金融(DIF_c)	0.0521***	0.0374*
互联网普及率(Net_c)	0.0484
财政科技支出(gov_tech_c)		-0.0895
常数项	0.2236	-0.0952
控制变量	是	是
省份固定效应	是	是
年份固定效应	是	是
样本量	310.0000	310.0000
R-squared	0.9598	0.9580

注：t statistics in parentheses，^* p < 0.1, ^** p < 0.05, ^*** p < 0.01。

（三）异质性分析

变量	(1) anpf	(2) anpf	(3) anpf
覆盖广度	0.0002
使用深度		0.0002**
数字化程度			0.0002**
常数项	0.0043	-0.0403	-0.0214
样本量	310	310	310
R-squared	0.9541	0.9550	0.9561

五、结论与政策启示

（一）研究结论

本文基于省级面板数据，得出以下核心结论：第一，数字普惠金融显著驱动农业新质生产力跃升，且赋能效应呈现结构分化。单纯“覆盖广度”红利已趋饱和，涵盖实质信贷的“使用深度”与依托风控降本的“数字化程度”已成为核心引擎。第二，“技术赋能”与“金融深化”发挥双轨中介作用。第三，“硬基建”与“软环境”具有显著正向强化作用。

（二）政策启示

（1）推动服务由“广度覆盖”向“深度赋能”转型。（2）创新绿色信贷矩阵，优化农业金融配置结构。（3）加大农村数字“硬基建”投入，跨越“数字鸿沟”。（4）强化财政补贴杠杆功能，构建“政银担”协同软环境。

参考文献：

1. [1] 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), 2020，19(04): 1401-1418.
2. [2] 和月月. 数字普惠金融的农户生计韧性效应：机制分析与实证检验[J]. 甘肃社会科学，2025(06): 226-236.
3. [3] 贾康, 郭起瑞. 数字普惠金融对农业新质生产力的影响研究[J]. 华中师范大学学报(人文社会科学版), 2024, 63(04): 1-13.
4. [4] 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(05): 100-120.
5. [5] 李细枚, 郑嘉良, 邹克. 以“信息补偿”突破“普惠瓶颈”: 公共数据开放对数字普惠金融发展的影响研究[J/OL]. 金融经济学研究, 1-23.
6. [6] 李永刚. 财政科技支出、人力资本投入对科技创新影响研究——理论分析与实证检验[J]. 中国经济问题, 2023(02): 38-51.
7. [7] 李政, 杨思莹. 财政分权、政府创新偏好与区域创新效率[J]. 管理世界, 2018, 34(12): 29-42+110+193-194.
8. [8] 刘彦君, 申云. 农业数字供应链金融何以助力小农户采纳农业新质技术？[J]. 农业经济与管理, 2026(02): 102-116.
9. [9] 孙同全, 董翀, 苏岚岚. 中国政策性农业信贷担保发展：机制、成效与挑战[J]. 农村经济, 2025(01): 57-67.
10. [10] 唐松, 伍旭川, 祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020, 36(05): 52-66+9.
11. [11] 原嫄, 邢可心, 周宇航. 农村产业融合水平对农村居民消费结构升级的影响效应分析[J]. 农业经济与管理, 2025(05): 131-142.
12. [12] 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(07): 59-80.
13. [13] 张勋, 杨桐, 汪晨, 等. 数字金融发展与居民消费增长：理论与中国实践[J]. 管理世界, 2020, 36(11): 48-63.
14. [14] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020, 36(10): 65-76.
15. [15] 周鸿卫, 丁浩洋. 农业信贷担保政策实施对农业全要素生产率的影响[J]. 中国农村观察, 2024(02): 24-45.
16. [16] 周文, 许凌云. 论新质生产力：内涵特征与重要着力点[J]. 改革, 2023(10): 1-13.
17. [17] 朱迪, 叶林祥. 中国农业新质生产力：水平测度与动态演变[J]. 统计与决策, 2024, 40(09): 24-30.
18. [18] 邹宝玲, 胡益洪, 于法稳. 耕地利用隐性转型何以提升农业碳排放效率?[J]. 中国生态农业学报(中英文), 2026, 34(07): 1611-1624.