摘 要：本文采用2011—2022年中国农业上市企业数据与省份层面数字普惠金融指数，构建了时间—个体固定效应模型，实证探讨数字普惠金融对农业企业高质量发展的影响，并引入融资约束与研发投入作为中介变量探究其中的作用机制。研究结果表明，数字普惠金融对农业企业高质量发展具有显著的正向作用。替换被解释变量测算方法、剔除直辖市样本、解释变量滞后一期等一系列稳健性检验证实了结果的可靠性。影响机理检验显示，数字普惠金融能够通过缓解融资约束、促进研发投入推动农业企业高质量发展。本文研究为实现农业企业高质量发展提供了实证经验。
关键词：农业企业；高质量发展；数字普惠金融；融资约束；研发投入
中图分类号：F832.5；F30 文献标识码：A 文章编号：2096-0298（2025）04（a）--05
1 引言
习近平总书记强调，高质量发展的着力点是实体经济。同时，由于宏观实体经济的高质量发展是由微观层面的众多企业凝聚而成的，故企业实现高质量发展对经济高质量发展而言至关重要。作为农业产业链条中的重要主体，农业企业的高质量发展在促进农业经济高质量发展、承接农业现代化战略方面起到举足轻重的作用。然而，农业企业受限于气候条件、资产专用性和不可逆性等原因，普遍面临着“融资难”“融资贵”的问题[1]，导致发展受到阻碍。随着互联网与信息技术的迅速发展，数字普惠金融应运而生，打破了传统金融的局限，为农业经营主体发展提供新型金融支持与可持续服务，使得农业企业获得了更多资金投入，成为驱动企业实现高质量发展的一个重要动力。
现有文献中，关于数字普惠金融对企业的影响涉及企业经济绩效、技术创新、结构升级等多个方面，而且研究对象除全体企业外，细分对象主要集中在中小企业、民营企业等，聚焦于农业企业，研究其高质量发展的文献较少。具体而言，在经济效应与传导路径方面，数字普惠金融能够显著提升企业的可持续发展绩效[2]；能有效配置企业的资金使用，助力企业现代化转型升级[3]；能减轻中小企业的融资压力，改变其在传统融资中的不利地位[4]，满足企业发展的资金需求，促进企业发展；能通过减少融资费用支出、推动数字化转型等方式显著推动企业技术创新[5]；可以提高企业全要素生产率，从而推动企业实现绿色创新[6]。在调节效应方面，金融监管、政府补贴[7]等在其中发挥了积极作用。此外，数字普惠金融对企业的影响也会随着所属行业、企业规模、所处地区等不同而产生差异[8]，现有研究大部分认为，数字普惠金融在相对弱势的样本组中，即非国有企业或规模较小企业中，更能发挥出缓解融资约束的作用[9]；也有研究认为，制度较好的环境或东部地区更有利于数字普惠金融发挥作用[10]；等等。
综上所述，目前已有的文献已经证实数字普惠金融能促进企业发展，但其对农业企业实现高质量发展的探讨有待深入。原因在于，首先，随着数字普惠金融的发展与相关政策的落实，其势必以普惠性与数字化为农业企业发展提供更便捷的金融服务，对农业企业带来深刻影响；其次，与企业传统发展不同，企业高质量发展是指在追求经济发展的过程中注意采用更高效、公平与可持续的方式，强调企业技术进步等带来的全要素生产率的提高，而不仅仅局限于经营绩效[11]。农业企业作为农业经济发展过程中的重要经济实体与建设农业强国的重要主体，如何实现其高质量发展值得探究。因此，本文基于我国上市农业企业2011—2022年的相关数据，运用双向固定效应模型作回归分析，并引入中介变量作为机制检验，实证分析数字普惠金融对农业企业高质量发展的影响，进行多方面探究。
本文相较已有研究成果的创新之处在于：一是丰富数字普惠金融的相关研究。数字普惠金融经济效应的相关研究主要集中在全行业，而本研究进一步细分行业，聚焦于农业企业，探究数字普惠金融对农业企业高质量发展是否产生影响、产生什么影响、如何产生影响。二是本研究立足于数字普惠金融视角，提供了农业企业高质量发展影响因素的证据。
2 理论分析与研究假设
2.1 数字普惠金融对农业企业高质量发展的直接影响
农业企业源于行业特性、经营不确定性、信用体系不完善等多方面因素，仍面临融资困境、科技创新能力不足、产业结构有待优化等问题，限制农业企业高质量发展。
传统金融服务的改善与升级[12]，数字普惠金融借助互联网技术等将金融服务惠及弱势企业，从数字金融覆盖广度、使用深度、普惠金融数字化程度三方面发挥作用[13]。具体而言：一是数字普惠金融能降低融资门槛和成本，直接促进企业资本积累[14]。依托现代信息技术，更充分地评估农业企业的信用状况，为其设计更有针对性的金融产品[15]，缓解农业企业融资困境，助力企业扩大再生产。二是数字普惠金融能提升企业金融资源配置效率[16]。数字普惠金融平台能够汇集大量的农业项目信息，通过智能匹配和数据分析，引导资金向高效、绿色、可持续的农业项目流动，促进农业企业向高质量、高效益、高附加值方向发展。三是数字普惠金融对企业现金流和财务费用比率有积极影响[17]。通过提供农业保险等金融服务，为农业企业提供了有效的风险保障，提高其偿债能力与盈利能力。四是数字普惠金融能促进企业技术创新与产业结构升级[18]，进而提高全要素效率。数字普惠金融更多的资金注入使农业企业加大在技术研发和创新方面的投入，有助于农业企业引入先进生产技术和设备，延伸和拓展农业产业链，提升产品产量与质量。
鉴于此，本文提出假设H1：
假设H1：数字普惠金融有助于农业企业实现高质量发展。
2.2 数字普惠金融影响农业企业高质量发展的作用机制
2.2.1 缓解融资约束
从企业外部条件看，农业企业高质量发展的阻碍因素之一是融资约束。相较非农业企业，农业企业的收益率相对较低，而且投资与收益之间的过程相对漫长，再加上信息不对称等问题，在外部融资时面临困难[19]。筹资过程受到制约会对企业的资本结构、生产经营、投资与创新等产生不利影响，进而降低全要素生产率。严重的外部融资约束会使企业难以获取银行信贷支持，迫使企业转而依靠内源融资，抑制企业增加值与生产率提升[20]。而数字普惠金融通过一系列创新举措为农业企业资金获得提供了新的发展路径，有助于助力农业企业高质量发展。具体而言：一是数字普惠金融不断推出适合农业企业特点的金融产品和服务，如农业保险等以满足农业企业多样化的融资需求，帮助企业做出最优水平的投资[21]；二是数字普惠金融创新大数据小额贷款等数字金融模式，提供企业发展所需资金，使得管理层会选择高产出的投资项目，提高微观主体的全要素生产率[22]；三是数字普惠金融利用互联网技术和大数据，使金融服务能够触达更广泛的农村地区和农业企业，推动农业企业信用体系的建设和完善，缓解逆向选择与道德风险[23]，让农业企业拥有更公平的发展环境；四是借助互联网平台和移动支付等工具，数字普惠金融简化与加快了融资审批流程[24]，缩短了融资时间，提高了融资效率，使农业企业能够更快速地获得资金支持，提高自身竞争力，抓住市场机遇，实现高质量发展。
鉴于此，本文提出假设H2：
假设H2：数字普惠金融通过缓解融资约束推动农业企业高质量发展。
2.2.2 促进研发投入
从企业内部条件看，研发投入对农业企业高质量发展的作用不可小视，它不仅是农业企业科技创新和产业升级的动力，也是提升农业企业竞争力和市场地位的关键。数字普惠金融提供的较为稳定充足的金融资源，可以激发企业研发的自信心与主动性，显著促进受金融要素扭曲影响下的尾部企业进行创新[25]。现有文献表明，数字普惠金融有利于提升企业持续创新的积极性[26]，进而形成竞争优势，实现企业的高质量发展。具体而言，一是通过持续的研发活动，农业企业可以不断开发新技术、新品种、新装备，推动农业科技进步，提高生产效率和产品质量，带动农业产业链上下游的协同发展[27]，促进农业产业结构优化升级，从而在市场竞争中占据一席之地，保护企业的利润空间；二是研发投入不但有利于降低企业负债水平，而且对企业价值起到积极影响，进而减小企业可能面临的信用风险[28]，增强企业市场信誉，进而优化融资环境，促进技术创新与品牌建设，从而实现农业的高质量发展；三是通过研发活动，农业企业可以探索更加高效、环保的农业生产方式，研发绿色农业技术和产品，推动农业绿色发展，不仅可以提升经济效益，也有助于实现社会效益与生态效益；四是研发投入有助于农业增加企业技术储备和人才储备，进行多元化经营，为应对市场变化和技术挑战提供有力支撑，增强抗风险能力和市场适应能力。
鉴于此，本文提出假设H3：
假设H3：数字普惠金融通过促进研发投入推动农业企业高质量发展。
3 研究设计
3.1 变量选取
3.1.1 被解释变量：农业企业高质量发展（TFP）
既有文献对农业企业高质量发展水平的衡量大多采用全要素生产率来衡量这一指标，其原因可归结为高质量发展水平与全要素生产率的本质方向几乎完全重合[29]。本文参考Levinsohn等人[30]的研究，用LP法计算全要素生产率，以此代表农业企业高质量发展水平做基准回归分析。
3.1.2 核心解释变量：数字普惠金融（DFI）
现有文献大多采用北大数字普惠金融指数衡量我国数字普惠金融水平，其可细分为覆盖广度、使用深度、数字化水平三个指标，覆盖范围涉及中国内地省份、地级以上城市和县域三个层次[31]。在基准回归中，解释变量采用了省级层面的数字普惠金融综合指数。
3.1.3 中介变量
参照前文理论部分的分析，选取融资约束（WW）和研发投入（Inv）两个变量作为中介变量。WW指数表示企业所受的融资约束程度，同时考虑了企业自身财务特点和外部行业特征，经济意义更为广泛[32]，值越大融资约束越高；另外，企业研发投入用企业研发支出合计加1取自然对数的值来表示，值越大说明研发投入越多。
3.1.4 控制变量
本文选取一些企业关键变量以控制可能影响农业企业高质量发展的其他因素。参照已有研究，控制变量包括企业规模（size）、资产负债率（Lev）、盈利能力（ROA）、企业成长性（Grow）、两职合一（Dual）、企业价值（Q）、经营年限（Age）等。
3.2 模型构建
在前文理论分析的基础上，本文构建如下双向固定的基准回归模型：
TFPit=α0+α1DFIit+α2Controlsit+fi+yt+εit（1）
式（1）中：TFPit和DFIit分别表示i企业在第t年的高质量发展水平与数字普惠金融指数，Controlsit是控制变量集，α0是截距项，fi代表个体固定，yt代表年份固定，εit是随机误差项。
为检验融资约束与研发投入这两个变量在数字普惠金融与农业企业高质量发展之间起到的作用，本文将两者作为中介变量（MI），构建如下中介效应模型进行检验：
MIit=β0+β1DFIit+β2Controlsit+fi+yt+εit（2）
TFPit=γ0+γ1DFIit+γ2MIit+γ3Controlsit+fi+yt+εit（3）
3.3 数据来源
北京大学数字金融研究中心编制的数字普惠金融指数（2011—2022）是数字普惠金融的数据来源依据，文中选取省级层面的综合指标作为解释变量。农业企业数据方面，参照2012年中国证监会发布的《上市公司行业分类指引》，选择2011—2022年沪深A股上市的“农林牧渔业”农业企业为研究样本，数据来自国泰君安数据库、Wind数据库和上市公司年报。构建面板数据集，对初始数据剔除ST、*ST、PT、关键变量数据严重缺失的样本，部分缺失数据采用线性插值法进行补齐，对变量进行上下1%的缩尾处理，最终所得样本数为433个。
4 实证分析
4.1 基准回归分析
基准回归结果如表1所示。表1列（1）～列（3）分别表示仅含解释变量、加入一系列控制变量、同时固定年份与企业的三种回归结果。由表1可见，三种情况下的回归系数均在1%的水平上显著为正，这意味着数字普惠金融对农业企业高质量发展有着显著影响，而且该影响为正向。因此，假设H1通过检验。
4.2 稳健性检验
在加入控制变量、控制年份和个体的前提下进行一系列稳健性检验。一是通过替换被解释变量测算方法对模型重新进行回归：OP法相较于LP法具有计算效率高、不受数据样本量限制等优势。采用OP法计算的全要素生产率的被解释变量所得回归系数为0.005，在5%的水平上显著。二是样本中剔除北京、上海、重庆、天津四个直辖市后对模型重新进行回归，因为我国直辖市在经济实力、人才积累等方面相较于其他省份优势显著，数字普惠金融发展水平高，而过高的指数可能对回归结果产生影响。结果发现，回归系数为0.009，在1%的水平上显著。三是将解释变量改为滞后一期的数字普惠金融指数（L.DFI）重新对模型进行回归[33]，结果发现，数字普惠金融与农业企业高质量发展两者间可能有反向因果关系，从而带来内生性问题。回归系数为0.008，在1%的水平上显著。三种方法下的回归系数均显著为正，表明基准回归所得结论具有稳健性。
4.3 作用机制检验
前文已较为全面地揭示了数字普惠金融对农业企业高质量发展会产生什么样的影响。因此，本节采用两步法中介效应检验，对上文理论分析部分提出的二者间的作用机制作进一步研究。参考江艇对中介效应的阐述建议，本文所选的中介变量对被解释变量的因果关系在前文理论分析部分已较为清晰，故机制检验重点关注解释变量对中介变量的影响[34]。
4.3.1 缓解融资约束
引入融资约束作为中介变量，结果如表2列（2）所示，可见回归系数为负，这一结果说明，数字普惠金融对农业企业的融资约束起到了缓解作用。在此基础上，结合前文理论分析部分梳理的融资约束减小有助于企业高质量发展，有力地说明了缓解融资约束是数字普惠金融推动农业企业高质量发展的作用机制之一。假设H2得以验证。
4.3.2 促进研发投入
将研发投入作为中介变量，结果如表2列（3）所示，可见回归系数显著为正，这一结果说明，数字普惠金融能够刺激农业企业增加研发投入。在此基础上，结合前文理论分析部分梳理的研发投入增加有助于促进农业企业高质量发展，有力地说明了数字普惠金融能够通过提高研发投入来推动农业企业高质量发展。假设H3得以验证。
5 结论与建议
5.1 研究结论
基于上述实证检验本文得出以下结论：第一，总体看来，数字普惠金融凭借其数字性与普惠性的特点，确实在农业企业高质量发展的过程中起到重要作用，而且这一影响显著正向，该结论在稳健性检验后依然成立；此外，数字普惠金融三个分指标的效应有所不同，覆盖广度影响最大，数字化程度的影响次之，使用深度影响较弱。第二，传导路径方面，缓解融资约束和提高研发投入是数字普惠金融推动农业企业高质量发展的有效作用机制，二者可通过获得更多资金支持与进行技术创新来提高农业企业全要素生产率，进而实现企业高质量发展。
5.2 对策建议
针对上述研究结论，为了进一步发挥数字普惠金融对农业企业高质量发展的积极影响，本文提出如下对策建议：
首先，加大数字普惠金融研发力度，提升服务广度、深度与数字化程度，高效惠及农业企业。一是要加强政策支持与引导，鼓励数字普惠金融在农业企业的深入应用，提高企业使用数字金融服务的主动性与积极性；二是要完善农业企业互联网、移动通信等基础设施建设，助力数字普惠金融服务顺畅接入与落实；三是要监管数字普惠金融有序发展，定期评估企业发展水平，观察数字普惠金融带来的实际效果，为政策调整提供依据。
其次，加快金融机构数字化转型，积极落实数字普惠金融政策。一是要针对农业企业的生产经营状况和特殊需求，创新金融产品与服务，如推出低门槛、低成本的贷款产品等，满足农业企业发展的融资需求。二是要利用大数据、人工智能等技术手段，通过精准营销、智能风控等方式降低运营成本，提高服务覆盖面和精准度，提升金融服务效率和质量。三是要加强对员工的培训，增强其对数字金融服务的认知与使用能力，通过引入专业人才或开展内部培训等方式提升企业的数字化管理水平。
最后，农业企业结合自身特点有效转化数字普惠金融的影响。一是要充分利用数字普惠金融的融资便利性，优化企业融资结构，降低融资成本并提高资金使用效率。二是要在获得融资支持后，加大研发投入力度，积极进行技术与产品创新，提高企业竞争力，推动企业实现高质量发展。三是要因地制宜，结合企业所有权性质与所处地区的特点，制定适合自身发展的金融措施，从而更高效地利用数字普惠金融服务。
参考文献
刘亚娴，艾世杰，邢晟.数字普惠金融对农业企业高质量发展的影响及作用路径研究[J].河南农业大学学报， 2024，58（6）： 1065-1074.
文学舟，汪晶晶，俞园园.数字普惠金融、融资约束与企业可持续发展绩效[J].统计与决策，2024，40（8）：168-173.
李国龙，黄丹艺，朱宁. 数字普惠金融对中小企业转型升级的影响与机制 [J]. 经济与管理研究， 2023， 44（8）： 38-54.
吴庆田，王倩.普惠金融发展质量与中小企业融资效率[J].金融与经济，2020（9）：37-43+ 67.
胡伟，张可萌，许志勇，等. 数字普惠金融对中小企业技术创新的影响及传导路径研究 [J]. 中国科技论坛， 2024（1）： 27-37.
段俊，戈亭婷，张保帅. 数字普惠金融、企业全要素生产率与绿色创新 [J]. 哈尔滨商业大学学报（社会科学版）， 2024（2）： 15-30.
王刚，陈迪.数字普惠金融与中小企业技术创新[J].统计与决策，2023，39（19）：177-182.
梁榜，张建华.数字普惠金融发展能激励创新吗： 来自中国城市和中小企业的证据 [J].当代经济科学，2019，41（5）：74-86.
解维敏，吴浩，冯彦杰.数字金融是否缓解了民营企业融资约束？[J].系统工程理论与实 践，2021，41（12）：3129-3146.
涂咏梅，吴尽，李梦婧.数字金融对企业融资成本影响的实证[J].统计与决策，2022，38（19）： 140-145.
冯永琦，林凰锋. 数字金融赋能企业高质量发展的作用机制与实现路径 [J]. 当代经济科学， 2024， 46（3）： 45-58.
庞加兰，张海鑫，王倩倩. 数字普惠金融、融资约束与民营经济高质量发展 [J]. 统计与决策， 2023， 39（5）： 130-135.
张嘉怡，胡志明.中国城市数字普惠金融发展的时空演化特征及影响因素研究[J].西南民族大学学报（人文社会科学版），2022， 43（4）：108-118.
任健华，雷宏振.数字普惠金融、资本深化与农业全要素生产率[J].社会科学家，2022（6）：86-95.
万佳彧， 周勤， 肖义.数字金融、融资约束与企业创新[J].经济评论， 2020（1）：71-83.
Thakor A V.Fintech and Banking：What do We Know？[J].Journal of Financial Intermediation，2020，41（8）：1-13.
李梁，殷凤春.数字普惠金融、融资约束与中小企业投资效率[J].科学管理研究，2024，42（1）：106-114.
王敏，李兆伟.数字普惠金融与企业创新： 理论逻辑与实证检验[J].管理学刊，2023，36（1）：102-119.
孙海涛，李春琦.数字普惠金融、农业企业多元化经营与高质量发展[J].经济体制改革，2023（6）：91-99.
鞠晓生， 卢荻， 虞义华.融资约束、营运资本管理与企业创新可持续性[J].经济研究， 2013（1）：4-16.
孙鸽平.数字普惠金融视角下新型农业经营主体融资模式的创新路径[J].农业经济，2022（3）：99-101.
张鹿瑶，庞川.融资约束对企业全要素生产率的影响： 基于创业板上市公司数据[J].社会科学家，2023（7）：69-75.
廖婧琳， 胡妍， 项后军.数字普惠金融发展缓解了企业融资约束吗： 基于企业社会责任的调节效应[J].云南财经大学学报， 2020（9）：73-87.
李永奎， 刘晓康.市场力量与政府作用： 数字金融促进企业创新的机制探究[J].西部论坛， 2022（3）：46-62.
李健，江金鸥，陈传明. 包容性视角下数字普惠金融与企业创新的关系： 基于中国A股上市企业的证据[J].管理科学， 2020，" 33（6）：16-29.
李武威，李恩来，曹勇.数字普惠金融、创新持续性与创业企业绩效的关系研究： 高管团队断裂带的调节效应[J].科学学与科学技术管理，2024，45（5）：141-162.
郑峰.长江流域产业链高质量整合与乡村振兴协同的路径选择[J].开发研究，2022（1）：51-63.
贺炎林，刘冠丞.研发投资对中小企业信用风险的影响： 基于数字普惠金融视角[J].中国科技论坛，2023（8）：86-96.
刘志彪， 凌永辉.结构转换、全要素生产率与高质量发展[J].管理世界， 2020， 36（7）：15-29.
Levinsohn J， Petrin A. Estimating Production Functions Using Inputs to Control for Unobservables [J].The Review of Economic Studies，2003，70（2）.
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（4）： 1401-1418.
赵宸宇，王文春，李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济，2021，42（7）： 114-129.
王智新，朱文卿，韩承斌.数字金融是否影响企业绿色技术创新： 来自上市公司的经验证据[J]. 中国科技论坛，2022（3）： 52-61.
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（5）：100-120.
