2025年4月14日星期一
首页 | 主办单位 | 期刊简介 | 编委会 | 作者指南 | 刊物订阅 | 下载中心 | 联系我们 | English | 期刊界

网刊加载中。。。

使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

数字金融对农户绿色施药的影响研究

——基于信息可得性视角

- ORCID：
张岳 ¹
- ORCID：
王善高 ²
- ORCID：
陈喜 ³
✉

1. 河北大学管理学院,保定 071002； 2. 南京邮电大学管理学院,江苏南京 210003； 3. 江苏科技大学人文社科学院,江苏镇江 212100

中图分类号： F323.3

最近更新：2023-11-10

DOI：10.7621/cjarrp.1005-9121.20230904

摘要

目的

文章基于农户施药的视角，探讨新兴金融业态——数字金融能否实现农业绿色发展，并分析两者之间的影响机制。

方法

以中国土地经济调查（CLES）数据为样本，利用IV-Probit模型，在检验数字金融信息效应的基础上，分析数字金融对农户绿色施药的作用效果及机制，并通过分样本回归的方法进行异质性分析。

结果

（1）数字金融发展促进农户采用高效低毒低残留农药。（2）机制检验发现，数字金融发展对农户发挥显著的信息效应，提升了农户信息可得性，进而促进农户绿色施药。（3）数字金融发展对农户采用高效低毒低残留农药的促进作用在接受过农业技能培训、金融素养高的群体中更明显，在环境规制强的地区，数字金融对当地农户采用高效低毒低残留农药的促进作用也更强。

结论

未来应进一步推动数字金融发展，同时提高农户农业生产技能水平与金融素养，地方政府应强化环境规制，充分发挥自身对农业绿色生产的外部约束作用。

关键词

绿色农业; 数字金融; 施药行为; 高效低毒低残留农药; 信息可得性

0 引言

改革开放后，我国种植业实现快速发展，粮食产量自1978年的3.047 5亿t增长到2020年的6.694 9亿t，人均粮食占有量增长率达61.62%

。但长期以来，我国农业生产遵循“高投入——高产出”模式，特别是对农药、化肥、农膜的使用成为农民增产增收的重要保障。但以化学品投入为基础实现农产品产量提升的同时不可避免地带来土壤性状恶化、水源污染等一系列环境问题。同时，对农药、化肥等生产要素的投入加剧了农田生态系统温室气体排放^{[参考文献 1

百度学术}1]。Crippa等研究发现，2015年全球粮食体系排放的温室气体占全球人为温室气体排放量的34%^{[参考文献 2

百度学术}2]。因此，实现农业绿色发展、构建绿色农业生产模式既顺应人民对安全食品与美丽环境的渴求，也是我国践行“3060双碳”目标的必然选择。在各类化学品投入中，农药滥用与农药残留同时对生态环境与食品安全产生威胁，由于部分农药制剂的物理化学性能局限，导致实际作用于农作物的成分比重不高，而大部分成分渗入土地与水源，造成严重的面源污染问题。为此，世行项目将使用高效低毒低残留农药作为环境友好型种植技术并给予一定的信贷支持^{[参考文献 3

百度学术}3]。2013年“中央一号文件”提出了“启动低毒低残留农药补贴试点”。2015年10月新《食品安全法》正式实施，其中明确提出“加快淘汰剧毒、高毒、高残留农药，鼓励使用高效、低毒、低残留农药”。自此之后，我国相继禁用了溴甲烷、氟虫胺、杀扑磷、百草枯等高毒农药。尽管如此，高效低毒低残留农药也并未全面铺开，一方面，部分高毒农药如2,4-滴丁酯、氯化苦等仍未到禁用时间，也有部分高毒农药仅限定使用范围^脚注；另一方面，除高毒农药外，大量中等毒性农药如敌敌畏、敌克松等并未纳入强制管制范围^脚注。因此，未来应通过何种途径推动农户在施药过程中采用高效低毒低残留农药是学术界应重点关注的问题，这一问题的解答对于我国构建绿色农业发展模式具有较强的现实意义。

由于农业生产周期长、预期收益不稳定的特点，加之长期以来形成的城乡二元经济结构，导致我国农业生产一直缺少充足的资金支持。已有研究重点探讨传统金融发展对农户绿色生产的作用^[

4]。张军伟等发现农业信贷、农业保险并未影响农户碳排放强度，且对于规模户而言，农业信贷甚至会提高其碳排放，原因在于农户获取贷款后更加倾向于增加农资投入，而非投入于绿色农业技术^{[参考文献 5

百度学术}5]。由此可知，在融资约束得以缓解的条件下，农户对绿色农业技术采纳与否的主观意愿成为影响绿色农业技术采纳行为的重要因素。以大数据、云计算、区块链为核心发展起来的数字金融不仅凭借低门槛、低成本和较强的地理穿透性优势缓解农户融资约束^{[参考文献 6-8}6-8]。更重要的是，数字金融将对农户发挥信息效应^{[参考文献 9

百度学术}9]，使小农户有效对接大市场，让农户了解当前市场对绿色农产品的需求，也因此具有激发农户绿色生产意愿的潜力，这成为数字金融有别于传统金融的重要特征。在此背景下，数字金融可能成为当前农户绿色施药的一种新驱动力量。然而，目前鲜有文献研究新兴金融业态所具有的信息效应，并在此基础上探讨对农户施药行为的影响。在当前数字技术加速向各领域渗透的大背景下，分析数字金融对农户绿色施药的影响在一定程度上验证了经济发展数字化与绿色化之间的关系，研究结论证实数字化新业态对农业绿色化转型的促进作用，这为未来构建绿色农业发展模式、践行“两山”理念提供新思路。

结合已有研究，文章的创新与贡献主要体现在：第一，研究内容方面，丰富了关于数字金融的研究。已有文献重点关注数字金融对农户创业、农业机械化、农民收入的影响^[

9-11]，鲜少有文献探讨数字金融对农户生产行为的作用。该文基于当前发展绿色农业的现实需求，结合高效低毒低残留农药的特点，检验数字金融对农户绿色施药的影响，对未来推动农业绿色化转型具有重要的启示意义。第二，研究视角方面，基于农户信息可得性视角，分析了数字金融影响农户绿色施药行为的机制。影响机制检验不仅丰富了关于农户绿色施药行为决定要素和作用机理的研究，同时证实了数字金融有别于传统金融的重要特点，为今后解释两种金融业态对微观个体赋能作用的差异提供有益启发。第三，研究方法方面，该文所选取的工具变量具有一定创新性。已有研究使用互联网普及率、手机普及率等作为工具变量^{[参考文献 11

百度学术}11]，该文考虑到数字金融具有信息效应，为尽可能保证工具变量的外生性，使用传统金融竞争水平作为工具变量。对于今后检验数字金融信息效应以及在机制分析中认为数字金融具有信息功能的相关研究，该文为其选取工具变量提供借鉴。

1 理论分析与研究假说

以互联网技术为核心的数字金融兼具资金融通功能与信息功能。具体如下。

（1）作为新兴金融业态，数字金融的首要功能在于缓解农户资金约束，为农户采用高效低毒低残留农药提供资金支持。尽管高效低毒低残留农药对于环境的污染普遍弱于普通农药，但其价格通常也高于普通农药。2014年清华大学中国农村研究院对安丘市进行调研发现，40.4%的受访者认为价格高是制约其选择高效低毒低残留农药的首要因素，64.2%的受访者认为使用高效低毒低残留农药会增加其生产成本

。对于作为农药消费端的农户而言，数字金融提供的便捷、低门槛的信贷业务，可以有效扩展自身的消费可行集，缓解资金约束，为其提供的流动性支持使其在施药决策中有能力选择价高环保的高效农药。

（2）资金约束并非制约农户绿色施药的唯一阻碍。长期以来，农户的生产经营决策都存在一定的短视特征，对经济利益的过度追求导致他们对生态环境的重视程度不足^[

12,13]，农户主动选择高效低毒低残留农药的意愿有限。因此，单纯缓解农户面临的资金约束并不能有效促进农户的绿色施药行为。除资金融通功能外，数字金融具有传统金融所不具备的信息功能，从而有效缓解市场主体间的信息不对称。大部分农户认为通过大量投入化肥、农药等生产资料是其增产增收的唯一途径，这种依靠化学品投入带来的收入增加造成了严重的面源污染问题。因此，培育农户绿色发展意识、提高农户参与绿色生产的自觉性和积极性是农户在流动性允许的条件下进行绿色生产的前提。随着时代的进步，消费者对农产品的需求更加多样化，居民的饮食已经由“吃的饱”向“吃的好”转变。数字金融依赖于大数据技术可以实现信息的精准传递、定点推送，从而提高农户信息获取的便捷度与准确度^{[参考文献 9

百度学术}9]，通过向农户传递消费者对绿色健康食品的需求信息激发农户绿色生产的动力。数字金融的支付、信贷、投资等业务都有明显的信息效应，借助互联网平台的数字金融服务将使农户更容易的获取到与生产经营有关的外部信息^{[参考文献 9

百度学术}9,14]，从而使农户掌握最新的市场需求与政策动态。与此同时，与数字金融相伴随的是互联网销售平台的兴起，便捷的支付手段也为电商发展创造条件。基于数字金融发展的农村电商平台将农产品消费端对绿色食品的需求信息传递给生产端，从而起到引导农户绿色施药的作用。

综上所述，数字金融通过资金融通功能缓解农户资金约束，同时基于信息效应提升农民信息可得性，激发农户绿色生产积极性，进而促进农户采用高效低毒低残留农药。该文提出如下假设。

假设1：数字金融发展促进农户采用高效低毒低残留农药。

假设2：数字金融发展对农户具有显著的信息效应，提高了农户信息可得性，进而促进农户采用高效低毒低残留农药。

2 研究设计

2.1　数据来源与处理

该文使用的农户数据来自于2020年南京农业大学于在江苏省开展的中国土地经济调查（CLES），江苏省是我国农业大省，从事种植业生产的自然条件优越，粮食产量位居全国前列，因此，以江苏省为样本探讨金融发展对农户绿色生产行为的影响具有一定的指导意义。该次调研问卷包括农户生产行为、土地利用、家庭收支与资产、农村金融、乡村治理等内容，调研采用PPS抽样，对每个江苏省地级市抽取2个县区，每个县区抽取2个乡镇，每个乡镇抽取1个行政村，每村抽取50户，样本共计2 627户。值得注意的是，该次调研仅对目前仍在从事农业生产且种植水稻、玉米的农户进行施药行为的调查，因此，在使用该数据前首先剔除了承包地与转入地均未从事水稻、玉米种植且施药行为数据缺失的样本，剩余样本1 074。此外，由于部分关键变量仅询问受访者情况，且是否使用高效低毒低残留农药主要由经营决策者决定，因此该文仅保留受访者为经营决策者的样本，剩余样本809。

数字金融发展水平的数据来自于北京大学数字金融研究中心与蚂蚁集团研究院共同编制的“北京大学数字普惠金融指数（2011—2020）”。指数编制的具体介绍参见郭峰等^[

15]。

2.2　变量选取

（1）被解释变量：高效低毒低残留农药采用行为（PES）。CLES问卷中设计了如下问题：是否使用高效低毒低残留农药？（1=是，0=否）。

机制分析中的被解释变量：农户信息可得性（MES）。对于农户信息可得性，何婧和李庆海通过询问受访者是否关注经营方面的信息进行度量^[

9]。彭澎和徐志刚以农户平时是否关注与生产经营相关的经济、金融等方面的信息作为农户信息可得性的替代变量^{[参考文献 14

百度学术}14]。该文结合CLES问卷设计，以受访者对“您平常对经济、金融方面的信息关注程度”这一问题的回答度量其信息可得性，该问题选项包括：非常关注、很关注、一般、很少关注、从不关注。若受访者选择非常关注、很关注和一般，则取值为1，否则为0。对信息关注程度的回答事实上既包含受访者对信息关注的主观意愿，也包含信息获取渠道的通畅程度，因为只有当农户有获取信息的客观条件时，才会关注相关信息。

（2）解释变量：数字金融发展水平（DFI）。县级层面数字普惠金融指数。需要注意的是，CLES调查的是2019年样本户生产经营情况，但是考虑到金融对农户生产行为影响具有时滞效应，同时为尽可能避免因互为因果导致的内生性问题，因此该文对数字金融发展水平的度量使用2018年数据。

（3）分组变量：农业技能培训（AST）。CLES问卷中设计了如下问题：是否受过农业技术教育或培训？若受访者回答“是”，则AST取1，否则取0。

环境规制强度（IER）。对于环境规制强度的度量，按照数据来源一般可分为两类：一类来自于受访者主观感知，已有文献从引导型规制、激励型规制、约束型规制3个维度表征受访者对环境规制强度的感受^[

16]；另一类依托于客观数据构建指标作为环境规制强度的代理变量，冯斐等使用地区环境保护财政支出度量环境规制强度^{[参考文献 17

百度学术}17]。由于CLES问卷并未调查受访者面临的规制强度的主观感受，因此该文结合数据可获得性，以市级环境保护财政支出数据构建环境规制强度指标，地区环境保护财政支出包括对区域内环境监察执法、环境保护管理、污染防治等项目的支出，因此使用该数据可以较为准确地反映区域内环保工作。但是，单纯使用环保财政支出绝对数量度量环境规制强度并不精确，原因在于不同地区区域面积存在差异，政府污染治理、环境监督执法要覆盖全域，相同环保支出规模条件下，区域面积更小的行政区的环保工作力度更强，因此该文采用系数调整的方式构建环境规制强度指标，具体计算公式为：

I E R = E X E \times \frac{1}{2 / 3 \times \sqrt[]{A R E A / π}}

（1）

式（1）中，EXE为市级环境保护财政支出总额，AREA为市域面积。考虑到环境规制对农户施药行为的影响相对及时，当年的环保工作更能影响当年农户生产行为，因此该文在构建IER指标时使用2019年数据。

金融素养（FK）。已有研究认为金融素养包括主观金融素养与客观金融素养两种度量方式，主观金融素养指受访者对自身金融知识水平的自我评价，客观金融素养是对受访者金融知识水平的客观评估，往往通过构造标准化题目实现。CLES问卷中设计了如表1中的4道标准化测试题，从而对受访者真实金融素养进行评估。表1中所示4道题目仅有1个标准答案，回答正确则计1分，4道题总分数即为受访者金融素养水平。

表1 金融素养评价题目

题目	选项
1.假设您现在有 100 元，银行年利率是 4%，5年定期本息合计多少钱？	1=小于 120 元，2=大于 120 元，3=等于 120 元，4=不知道
2.假设您现在有 100 元，现在银行年利率是5%，通货膨胀率每年 3%，这 100 元存入银行一年后，买到的东西和现在相比	1=更多，2=更少，3=一样，4=不知道
3.您是否认为单独买一只股票比买一只股票基金风险更大	1=是，2=否，3=不知道，4=没听过股票，5=没听过股票基金6=都没听说
4.您认为一般而言，种植（经营）多种农作物比种植（经营）一种农作物风险更小	1=是，2=否，3=不知道

（4）控制变量：参考已有研究^[

18]，从受访者（决策者）个人及家庭特征、经营条件、主观感知特征3个维度选择10个控制变量。

（5）工具变量：内生性主要来自于两方面：一方面，解释变量与被解释变量之间存在互为因果问题；另一方面，基准模型设定中存在遗漏变量。该文解释变量采取t-1期数值在一定程度上缓解了互为因果导致的内生性，但来自于遗漏变量的内生性依然不容忽视。为进一步规避内生性问题，保证估计结果的一致性，该文在基准回归的基础上采用工具变量法进行回归。对于工具变量的选取，已有研究使用互联网普及率、手机普及率等作为工具变量，但考虑到该文认为数字金融带来的信息效应是作用于农户绿色施药的关键路径，因此选择互联网普及率、手机普及率等指标不满足工具变量的外生性要求。已有研究证明传统金融的发展与数字金融紧密相关，数字金融发展程度的区域差异根源于传统金融发展的不均衡^[

19]。基于此，该文选择传统金融的竞争程度作为数字金融发展水平的工具变量。具体来说，使用赫芬达尔指数（HHI）测度传统金融竞争程度，指数构建的公式为：

H H I_{i} = {\sum_{j = 1}^{n} (b r a n c h_{j i} / \sum_{j = 1}^{n} b r a n c h_{j i})}^{2}

（2）

式（2）中， $b r a n c h_{j i}$ 表示第j家银行在第i个县区内分支机构数量，n为第i个县区内不同银行的总数。需要注意的是，HHI在构建时假定所有银行分支机构具有相同效率，其取值在0~1，数值越小市场竞争程度越激烈，传统金融发展水平越高。

该文首先进行一阶段回归，以数字金融发展水平为被解释变量，传统金融发展水平的系数值为-57.786，在1%水平上显著。不可识别检验中，Kleibergen-Paap rk LM 统计量为332.798。识别不足检验中，Kleibergen-Paap rk Wald F统计量为892.884。上述结果表明工具变量满足相关性要求。从外生性来看，尽管传统金融竞争可能通过扩展农户消费可行集作用于绿色施药，但根据前文机制分析，资金约束与信息约束缓解是促进农户绿色施药必不可少的条件，传统金融竞争不具备信息效应，难以激发农户绿色施药的动力。因此该文认为传统金融竞争并不会直接影响农户信息获取与施药行为，该工具变量满足外生性要求。

该文选取的变量及描述性统计结果见表2。

表2 变量定义与描述性统计

类型		含义	符号	解释	均值	标准差
被解释变量		高效低毒低残留农药采用行为	PES	是否使用高效低毒低残留农药，1=是，0=否	0.773	0.419
机制分析中的被解释变量		农户信息可得性	MES	对经济、金融方面的信息关注程度	0.151	0.358
解释变量		数字金融发展水平	DFI	北京大学数字金融研究中心与蚂蚁集团研究院共同编制的北京大学数字普惠金融指数（2011—2020）	111.406	4.795
分组变量		农业技能培训	AST	是否接受农业技能教育培训，1=是，0=否	0.378	0.485
		环境规制强度	IER	计算方式见上文	0.596	0.390
		金融素养	FK	计算方式见上文	0.604	0.762
控制变量	个人及家庭特征	性别	SEX	受访者性别，1=男，0=女	0.805	0.397
		年龄	AGE	受访者实际年龄	61.047	9.695
		受教育程度	EDU	受访者实际上学年限	6.900	3.694
		身体健康状况	HEA	自我认定的健康状况，1=丧失劳动能力，2=差，3=中，4=良，5=优	3.904	1.031
		非农工作	NFW	全年从事非农工作天数占比	0.140	0.272
		家庭党员	FPM	家庭是否有党员，1=是，0=否	0.272	0.445
	经营条件	土壤肥力	SFE	对土壤肥力的自我评价，1=差，2=中，3=好	2.341	0.635
	经营条件	土地面积	LA	土地面积，亩	11.255	40.148
	主观感知特征	风险偏好	RP	对于以下投资，您会倾向于选择哪一个?1=高风险投资，2=中风险投资，3=低风险投资	2.675	0.605
	主观感知特征	环保认知	EPI	您是否了解人居环境整治? 1=没有听说过，2=听说过而已，不太清楚，3=知道一点，4=比较了解5=非常了解	2.805	1.224
工具变量		传统金融发展水平	TFI	计算方式见上文	0.204	0.063

2.3　模型设定与检验方法

变量PES、MES均为典型的二元离散变量。因此该文采用Probit模型检验假设1、假设2，具体模型为：

P r (P E S = 1) = c o n s + α_{1} D F I + β Y + ε

（3）

P r (M E S = 1) = c o n s + α_{2} D F I + β Y + ε

（4）

P r (P E S = 1) = c o n s + α_{3} D F I + α_{4} M E S + β Y + ε

（5）

式（3）至（5）中， $c o n s$ 为常数项，Y为控制变量集合， $ε$ 为随机扰动项。若 $α_{1}$ 通过显著性检验且系数为正，则认为数字金融发展促进农户绿色施药，该文假设1得到验证。若 $α_{2}$ 通过显著性检验且系数为正，则认为数字金融具有明显的信息效应，增强农户信息可得性。若 $α_{4}$ 通过显著性检验且系数为正，则证明数字金融发展通过发挥信息效应进而促进农户绿色施药，该文假设2 得到验证。

3 实证检验与结果分析

3.1　数字金融发展对农户绿色施药的影响效果

该文首先检验变量之间是否存在多重共线性，检验结果表明VIF最大值为1.48，且相关系数均小于0.8，说明变量间不存在共线性问题。回归过程中，该文均使用稳健标准误对结果进行修正。此外，为保证结果稳健，该文在回归时逐渐加入控制变量，具体结果见表3。

表3 数字金融发展对农户绿色施药的影响

	回归1	回归2	回归3	回归4
	PES	PES	PES	PES
DFI	0.020^* （0.010）	0.022^** （0.010）	0.028^** （0.014）	0.033^** （0.014）
SEX		0.307^** （0.138）		0.298^** （0.138）
AGE		-0.026^*** （0.007）		-0.027^*** （0.007）
EDU		0.007 （0.016）		0.007 （0.016）
HEA		-0.092^* （0.052）		-0.097^* （0.052）
NFW		-0.066 （0.204）		-0.101 （0.206）
FPM		0.243^** （0.122）		0.236^* （0.122）
SFE		-0.088 （0.082）		-0.093 （0.082）
LA		0.000 （0.001）		0.000 （0.001）
RP		0.073 （0.083）		0.074 （0.083）
EPI		-0.029 （0.044）		-0.023 （0.043）
Constant	-1.422 （1.125）	0.015 （1.215）	-2.381 （1.512）	-1.154 （1.573）
样本量	809	809	809	809
Wald-chi²	3.73	31.51	4.29	33.02

注： ^***、^**、^*分别代表在1%、5%、10%的置信水平上显著，括号内为稳健标准误（下表同）

表3中回归1、回归2是对假设1的检验结果。回归1是未加入控制变量的回归结果，DFI系数为0.020，在10%显著性水平下异于0。回归2加入控制变量，DFI系数在5%显著性水平下为正，表明数字金融发展对农户采用高效低毒低残留农药行为具有促进作用。

相比于传统金融，数字金融所具有的信息效应对于促进农户绿色生产发挥关键作用。正如前文所述，绿色生产意识的不足是农户绿色施药的最大阻碍，数字金融通过发挥信息效应疏通农户信息获取渠道，良好的信息传输机制使农户更容易了解农产品消费端的需求信息、国家法规政策信息、农产品市场信息等，从而提高农户绿色生产的意愿。在这一前提下，配合以数字金融的资金约束缓解作用，才能显著改善农户施药行为。综上所述，该文假设1得到验证。

3.2　内生性处理

上述基准回归可能存在一定内生性问题，内生性检验结果也表明DFI为内生变量，鉴于此该文采用IV-Probit模型再次回归。回归过程中：（1）依然采用稳健标准误进行修正，（2）同时列示加入控制变量与未加入控制变量的结果，具体结果见表3。由表3中回归3、回归4结果可知，在控制内生性问题的基础上，该文假设1依然成立。

3.3　影响机制检验

接下来该文进一步检验假设2，考虑到DFI为内生变量，因此使用IV-Probit模型进行回归

。结果见表4。

表4 影响机制检验

	回归1	回归2	回归3	回归4
	MES	MES	PES	PES
DFI	0.024^* （0.015）	0.032^* （0.016）	0.024^* （0.014）	0.030^** （0.014）
MES			0.267^*** （0.069）	0.198^*** （0.072）
Constant	-3.696^** （1.621）	-4.806^** （1.884）	-2.106 （1.544）	-0.979 （1.591）
其他控制变量	否	是	否	是
样本量	809	809	809	809
Wald-chi²	2.70	90.36	19.95	39.78

表4中，回归1、回归2为检验数字金融信息效应的回归结果。回归1是未加入控制变量的回归结果，DFI系数通过显著性检验，且系数值为正，回归2是加入控制变量的回归结果，DFI系数同样在10%显著性水平下为正值。以上结果说明数字金融发展将对农户产生显著的信息效应，随着数字金融发展，当地农户会有更强的信息搜寻意愿，数字金融本身也为农户获取信息提供渠道。表4中，回归3、回归4结果证明，数字金融通过发挥信息效应，增强农户信息可得性进而促进农户绿色施药。综上，该文假设2得到验证。

3.4　数字金融发展影响农户绿色施药行为的作用边界

尽管相比于普通农药，高效低毒低残留农药具有环境友好性，但其价格往往相对较高，同时具有使用条件严格、适用性窄的特点。农户的技能缺失与短视特征使其缺乏采用高效低毒低残留农药的动力。与此同时，作为新兴金融业态的数字金融对农村居民的金融技能水平提出更高要求，网络安全问题也使部分农户对数字金融望而却步。鉴于此，该文从农业技能培训、环境规制、金融素养视角出发，探讨数字金融影响农户绿色施药的边界条件。

由于内生性检验表明DFI为内生变量，因此该文后续回归均采用IV-Probit模型。该文根据AST取值及IER、FK均值进行分样本回归，具体结果见表5。

表5 数字金融发展影响农户绿色施药行为的作用边界

	回归1	回归2	回归3	回归4	回归5	回归6
	接受过农业技能培训	未接受农业技能培训	环境规制强度高	环境规制强度低	金融素养高	金融素养低
DFI	0.052^** （0.022）	0.019 （0.019）	0.208^*** （0.064）	0.064^*** （0.024）	0.040^* （0.022）	0.028 （0.020）
Constant	-3.152 （2.608）	0.438 （2.054）	-23.029^*** （7.752）	-4.698^* （2.698）	-2.136 （2.432）	-0.182 （2.182）
其他控制变量	是	是	是	是	是	是
样本量	306	503	296	513	368	441
Wald-chi²	24.51	15.15	42.49	22.66	18.73	23.33

表5中，回归1、回归2是检验农业技能培训影响数字金融发展与农户绿色施药行为之间关系的回归结果。回归1是接受过农业技能培训农户子样本回归结果，DFI系数为0.052，在5%显著性水平下异于0，回归2是未接受农业技能培训子样本回归结果，DFI系数为0.019，未通过T检验。由此说明，数字金融发展对农户采用高效低毒低残留农药的影响对于接受过农业技能培训的人群更明显，对于未接受过农业技能培训的人群而言，这一影响不显著。由于高效低毒低残留农药在使用时对技能水平提出了更高要求，因此大多数农户面对病虫害的威胁时，受限于自身技能的不足，只能选择简单易用、更具有普适性的猛药。有效的农业技能培训有助于改变农户传统的施药行为与方式^[

20]，通过农业技能教育与培训可以增强农户对高效低毒低残留农药的认知度与接受度，在数字金融改善生产经营条件和农户主观认知的背景下加快农户施药行为的革新，进而促进农业施药行为的绿色化转变。此外，农业技能培训特别是病虫害绿色防治、秸秆还田、废弃物综合利用等技能培训在传授相关专业技能的同时，也向农户传递绿色生产必要性的信息，从而与数字金融的信息效应形成合力，推动农户采用高效低毒低残留农药。

回归3、回归4是检验环境规制强度调节作用的回归结果。可以发现回归3、回归4中，DFI系数均显著，因此无论对于高强度环境规制地区还是低强度环境规制地区，数字金融的发展都可以促进当地农户采用高效低毒低残留农药。通过边际效应的对比可以发现，数字金融在高强度环境规制下对农户绿色施药行为的促进作用更强。需要注意的是，数字金融对农户绿色施药的影响效果在不同环境规制强度下仅存在效果大小的差异，这印证了该文的理论分析，数字金融本身具有一定的信息效应，从而激发农户绿色施药的主动性，配合以政府环境规制的外在约束，进一步放大数字金融信息效应对农户绿色施药行为的激发效果，进而提升数字金融对绿色生产的促进作用。已有研究同样证明了环境规制是推动地膜回收、有机肥施用、秸秆还田等绿色生产行为的有效方式^[

16]。

回归5、回归6是检验金融素养调节作用的回归结果。回归5是金融素养高的子样本回归结果，DFI系数为0.040，在10%显著性水平下异于0，回归6是金融素养低的子样本回归结果，DFI系数未通过T检验。这一结果说明数字金融发展对农户采用高效低毒低残留农药的影响在金融素养高的人群中更明显，对于金融素养低的人群，这一影响不显著。互联网金融形态打破了传统金融的物理性，虚拟的服务环境大大减少了客户所能获取的人工服务，在此背景下，大量金融产品需要依赖于客户金融知识自行理解。同时，依托于互联网技术内核，数字金融呈现出一些崭新的风险特征，因此对农户金融素养提出更高要求。较高的金融知识水平可以使农村居民更有效的理解金融产品，降低金融工具的使用成本；同时还可以有效防范以用户信息盗取、网络投资诈骗为代表的新型金融风险；并强化农户对数字金融产品的信任程度，提升农户自身的守信意识，从而也有助于农户对数字金融的长期使用和红利效应的长效发挥。

综上所述，从整体的主效应来看，数字金融发展显著促进农户采用高效低毒低残留农药，但这种促进作用具有明显的选择性，其影响更多体现在接受过农业技能培训、拥有较高金融素养的农户中以及环境规制强的地区。这也意味着，数字金融对农户绿色施药行为的影响存在边界条件，提高农户农业技能水平、培养农户金融素养、强化地方环境规制才能使数字金融充分发挥对绿色施药的促进作用。

4 结论与建议

4.1　结论

实现农业绿色发展，引导传统农业向低碳循环农业转型是未来一段时期我国“三农”工作的重点，也是我国践行“3060双碳”目标的必然选择。数字金融发展能否推动农业生产的绿色化转型？该文立足于农户施药行为视角，探讨数字金融发展对农户采用高效低毒低残留农药决策的影响，并分析其作用边界。以2020年在江苏省开展的中国土地经济调查（CLES）数据为样本，研究结论如下。

（1）数字金融发展促进农户采用高效低毒低残留农药。

（2）机制检验发现，数字金融发展对农户发挥显著的信息效应，提升了农户信息可得性，进而促进农户绿色施药。

（3）数字金融发展对农户绿色施药的影响存在边界条件，具体来说，数字金融发展对农户采用高效低毒低残留农药的促进作用在接受过农业技能培训、金融素养高的群体中更明显，在环境规制强的地区，数字金融对当地农户采用高效低毒低残留农药的促进作用也更强。

4.2　建议

（1）进一步推动数字金融发展，充分发挥新兴金融业态对农业绿色化转型的赋能作用。国家需要进一步完善数字金融相关的规划设计，同时加快农村基础设施建设，引导互联网金融公司将更多金融资源投入农村地区，为“三农”领域的创新与变革提供丰富的资金支持。有重点的提升数字金融信贷业务、保险业务、投资业务的发展水平，强化其对农业生产经营主体的资金补充和风险分散作用，互联网金融公司强化对涉农保险、农业信贷等金融产品的设计，依托大数据技术优化产品条款，增强易懂性。同时发挥新兴金融业态的信息优势，一方面强化金融系统对农村“征信白户”的信息搜集，提高金融效率，另一方面使农户精准及时地掌握市场信息，从而助力农业绿色发展。政府监管部门应匹配数字时代下金融行业的新兴风险，通过合理的监管政策规范数字金融运行，在守住金融系统风险底线的基础上通过新兴金融业态的赋能激发农村地区经济活力。

（2）提高农户的农业生产技能水平和金融素养。地方政府农技推广部门、合作社、龙头企业等应共同合作，为农户搭建技能学习平台，提高农户对高效低毒低残留农药的认知和接受度。同时，加大金融宣传与教育力度，结合数字金融的新背景，普及金融反诈、风险防范等相关知识，培养农户守约意识，提高农户对互联网借贷、保险、理财的应用能力。

（3）强化环境规制，发挥政府的外部约束作用。完善环境规制手段，利用经济激励、惩戒约束、宣传引导等多种方式规范农户生产行为，增强农户绿色生产的积极性。地方环保机构应加强环保督察、污染治理等工作力度，健全适应地方特性的环境政策，制定有效的农业绿色发展规划，与金融发展带来的红利效应形成合力，加快农业绿色发展步伐。

（上接第25页）

院校培优辅能的育人成效与助力乡村振兴巨大成果写在农村大地上，写在新农人的笑脸上。湖南工艺美术职业学院充分发挥自身设计学类专业优势，通过“联县+驻村”，立足尤溪村、辐射安化县，从乡村产品包装设计与品牌建设入手，助力乡村振兴。先后为安化县10家黄精企业和1个行业协会设计包装、标志、海报等等40余件（套），为“多花黄精”步入“品牌殿堂”定制了美丽的“嫁衣”；又进行尤溪村红茶、绿茶、黑茶、花生、腊肉、干菜、鸡蛋等7个系列农产品包装的设计制作，打造了“四季尤喜”品牌体系；还累计为当地企业开发、设计陶瓷产品10余件（套），促进了传统手工艺品创意升级。同时，学校还通过培训农村电商骨干、搭建电商销售平台、建设校内“以购代捐”消费帮扶采购平台、拓展线下销售渠道等形式，有力促进了安化县特色农产品销售。湖南工艺美术职业学校通过创新实施“联县+驻村”帮扶模式，有效推进了巩固脱贫攻坚成果与乡村振兴的衔接，为当地经济社会发展做出了突出贡献。

从《乡村振兴中国职教在行动——职业教育服务乡村振兴典型案例》一书得到的启示是，未来各职业院校要结合学院自身学科优势，实行“人才定制”培育，向农村输送乡村振兴引路人。如，通过“校企学徒培养”“校企订单培养”，给农业企业输送产业中坚力量；围绕产业兴旺、生态宜居的现实需求，加强“定制村干”培养；通过开展培训或团队带项目进村等形式，促进农民持续增收。

参考文献

Yai P W, Li X S, Nan W G, et al. Carbon dioxide fluxes in soil profiles as affected by maize phenology and nitrogen fertilization in the semiarid Loess Plateau. Agriculture, Ecosystems and Environment, 2018, 236: 120-133． [百度学术]

Crippa M, Solazzo E, Guizzardi D, et al. Food systems are responsible for a third of global anthropogenic GHG emissions. Nature Food , 2021, 2(3): 198-209. [百度学术]

Babu S C, Joshi P K, Glendenning C J, et al. The state of agricultural extension reforms in India: Strategic priorities and policy options. Agricultural Economics Research Review, 2013, 26(2): 159-172. [百度学术]

左喆瑜, 付志虎. 绿色农业补贴政策的环境效应和经济效应——基于世行贷款农业面源污染治理项目的断点回归设计. 中国农村经济, 2021(2): 106-121. [百度学术]

张军伟, 费建翔, 徐永辰. 金融支持对绿色农业发展的激励效应. 中南财经政法大学学报, 2020(6): 91-98. [百度学术]

何婧, 田雅群, 刘甜, 等. 互联网金融离农户有多远——欠发达地区农户互联网金融排斥及影响因素分析. 财贸经济, 2017, 38(11): 70-84. [百度学术]

张岳, 周应恒. 数字普惠金融、传统金融竞争与农村产业融合. 农业技术经济, 2021(9): 68-82. [百度学术]

曾福生, 郑洲舟. 多维视角下农村数字普惠金融的减贫效应分析. 农村经济, 2021(4): 70-77. [百度学术]

何婧, 李庆海. 数字金融使用与农户创业行为. 中国农村经济, 2019(1): 112-126. [百度学术]

孙学涛, 于婷, 于法稳. 数字普惠金融对农业机械化的影响——来自中国1869个县域的证据. 中国农村经济, 2022(2): 76-93. [百度学术]

王永仓, 温涛, 王小华. 数字金融与农户家庭增收: 影响效应与传导机制——基于中国家庭金融调查数据的实证研究. 财经论丛, 2021(9): 37-48. [百度学术]

李晓平, 谢先雄, 赵敏娟. 资本禀赋对农户耕地面源污染治理受偿意愿的影响分析. 中国人口·资源与环境, 2018, 28(7): 93-101. [百度学术]

李树强, 葛颜祥. 农户化肥减量行为动力机制研究——基于山西运城地区苹果种植户调研. 中国农业资源与区划, 2022, 43(1): 153-164. [百度学术]

彭澎, 徐志刚. 数字普惠金融能降低农户的脆弱性吗. 经济评论, 2021(1): 82-95. [百度学术]

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. 经济学（季刊）, 2020, 19(4): 1401-1418. [百度学术]

石志恒, 张衡. 社会规范、环境规制与农户施肥行为选择研究. 中国农业资源与区划, 2021, 42(11): 51-61. [百度学术]

冯斐, 冯学钢, 侯经川, 等. 经济增长、区域环境污染与环境规制有效性——基于京津冀地区的实证分析. 资源科学, 2020, 42(12): 2341-2353. [百度学术]

Abdul A, Umma N. Rethinking digital financial inclusion: Evidence from Bangladesh. Technology in Society, 2021, 64: 101509. [百度学术]

姚耀军, 施丹燕. 互联网金融区域差异化发展的逻辑与检验——路径依赖与政府干预视角. 金融研究, 2017(5): 127-142. [百度学术]

王建华, 马玉婷, 王晓莉. 农产品安全生产: 农户农药施用知识与技能培训. 中国人口·资源与环境, 2014, 24(4): 54-63. [百度学术]

数字金融对农户绿色施药的影响研究

——基于信息可得性视角

摘要

目的

方法

结果

结论

关键词

0 引言

1 理论分析与研究假说

2 研究设计

2.1 数据来源与处理

2.2 变量选取

2.3 模型设定与检验方法

3 实证检验与结果分析

3.1 数字金融发展对农户绿色施药的影响效果

3.2 内生性处理

3.3 影响机制检验

3.4 数字金融发展影响农户绿色施药行为的作用边界