摘要
文章基于2011—2020年全国31个省（市、区，不含港澳台地区）的面板数据，从抵抗能力、适应能力、变革能力3个维度出发构建粮食体系韧性综合评价指标体系，运用熵值法测算粮食体系韧性水平，利用空间计量模型实证检验数字普惠金融对粮食体系韧性的空间溢出效应和异质性。
数字普惠金融对粮食体系韧性具有显著的正向空间溢出效应，即数字普惠金融能够提升当地及邻近地区的粮食体系韧性；数字普惠金融的覆盖广度、使用深度和数字化程度均有助于粮食体系韧性的提升；不同区域的数字普惠金融对粮食体系韧性的影响差异显著，其中主销区数字普惠金融对粮食体系韧性的提升作用最大，主产区和产销平衡区次之。
“食为人天，农为正本”。2022年中国粮食播种面积为1.18亿h
当前，国内外关于粮食体系韧性的研究相对较少。国外学者Tendall
随着我国数字乡村建设的不断推进，数字普惠金融下沉乡村受到了广泛重视。2021年“中央一号文件”首次提出发展农村数字普惠金融，大力开展多元化信贷业务，致力于培育新型农业经营主体和壮大农村新产业新业态。数字普惠金融依托互联网、大数据、云计算等数字技术不仅能够克服传统农村金融交易成本高、信息不对称等缺
综上所述，现有研究可能存在以下不足：一，关于粮食安全问题的研究，国内学者多从提高粮食产量、减少农肥使用量等某一方面出发，鲜有从粮食体系韧性的角度进行探究。二，有关数字普惠金融赋能粮食体系韧性的相关研究尚且不足。随着我国数字普惠金融的快速发展，相关学者证实了其在解决农民发展、农业增收和农村稳定的问题上能够发挥出显著作用，为研究提供了理论指导与借鉴。基于此，文章以2011—2020年中国31个省（市、区，不含港澳台地区）为研究对象，通过构建粮食体系韧性评价指标体系，采用熵值法测算粮食体系韧性水平，利用空间计量模型实证分析数字普惠金融对粮食体系韧性的影响。该文可能的边际贡献：（1）通过理论和实证分析数字普惠金融对粮食体系韧性的影响，为实现粮食安全稳定发展提供新的思路。（2）基于经济发展具有扩散效应，该文将空间因素纳入数字普惠金融对粮食体系韧性的作用中，以此探究其是否存在非线性关系。（3）解析数字普惠金融与粮食体系韧性在不同维度以及不同地区间的差异，得出更有针对性的结论，以期给出相应建议。
粮食体系韧性主要指粮食系统为应对各种不确定性风险冲击时所具有的抵抗能力、适应能力以及变革能力。其中，抵抗力指粮食系统能够有效抵抗各种负面冲击并保持稳定运转的能力；适应力指粮食系统受到风险冲击时能够及时做出适应性改变，使其快速恢复到平稳运作状态的能力；变革力指粮食系统受到冲击后不断优化升级，从而进一步提高系统的抗风险能力，为实现粮食体系平稳运行给予更高层次的保障。
根据对粮食体系韧性内涵的理解，深入分析数字普惠金融对抵抗能力、适应能力、变革能力的影响，以此全面反映数字普惠金融与粮食体系韧性间的关系。
（1）数字普惠金融能够提升粮食系统的抵抗能力。首先，数字普惠金融能够加快土地流转市场转型升级，提高土地流转效率，扩大耕地面
（2）数字普惠金融能够提升粮食系统的适应能力。首先，数字普惠金融能够提高农户的金融素
（3）数字普惠金融能够提升粮食系统的变革能力。首先，数字普惠金融借助互联网、大数据、云计算等新型数字技术降低交易成本和信息搜寻成本，并为农业科技创新活动提供更为合适的金融服务，从而激发农业企业科技创新活
地理学第一定律表明，任何事物是相关的，且空间越近的事物其关联程度越紧密。因此一个地区的粮食体系韧性水平，很大程度上会受到相近地区韧性水平的影响。同时，数字普惠金融作为一种新型金融模式，能够借助数字技术，产生涓滴效应和扩散效
中国幅员辽阔，由于不同地区的自然环境特征（土地、气候、水资源等）、社会经济条件（劳动力、科技、交通等）及粮食种植者的观念不同，各地区数字普惠金融发展水平和粮食体系韧性水平存在差异，数字普惠金融对粮食体系韧性的作用也可能会有所差异。一方面，数字普惠金融包含覆盖广度、使用深度和数字化程度，不同维度发展趋势与水平不
该文将被解释变量设定为粮食体系韧性（RFS），根据上述对粮食体系韧性定义的理解，并借鉴郝爱民
| 一级指标 | 二级指标 | 三级指标 | 指标计算方法 | 指标性质 |
|---|---|---|---|---|
| 抵抗能力 | 内在稳定性 |
人均耕地面积（h | 耕地总面积/农业从业人口数 | 正 |
| 有效灌溉面积占比（%） | 有效灌溉面积/农作物播种面积 | 正 | ||
| 第一产业从业人员比重（%） | 第一产业从业人员/农村人口数 | 正 | ||
| 产供鲁棒性 | 人均粮食占有量（kg/人） | 粮食总产量/省域总人数 | 正 | |
| 粮食类居民消费价格指数（%） | 当期粮食价格/基期粮食价格 | 负 | ||
|
单位面积粮食产量（kg/h | 粮食总产量/粮食播种面积 | 正 | ||
| 适应能力 | 可持续性 |
单位面积农药使用量（kg/h | 农药施用量/农作物播种面积 | 负 |
|
单位面积化肥使用量（kg/h | 化肥施用量/农作物播种面积 | 负 | ||
|
单位面积农膜使用量（kg/h | 农膜使用量/农作物播种面积 | 负 | ||
| 可恢复性 | 复种指数（%） | 农作物播种面积/耕地面积 | 正 | |
| 农业增加值增长率（%） | （当期农业增加值-上期农业增加值）/上期农业增加值 | 正 | ||
| 农村人均用电量（kW·h/人） | 农村用电量/农村人口数 | 正 | ||
| 变革能力 | 多样协作性 |
单位播种面积农业机械总动力（kW/h | 农业机械总动力/农作物播种面积 | 正 |
|
单位播种面积农林牧渔服务业产值（千元/h | 农林牧渔服务业产值/农作物播种面积 | 正 | ||
| 技术进步性 | 人均农业科研支出（万元/人） | 农业科研支出/农村人口数 | 正 | |
| 每万人农业技术人员数（人/万人） | 农业技术人员/农村人口数 | 正 |
采用全局莫兰指数检验数字普惠金融和粮食体系韧性的空间相关性，具体公式为：
| （1） |
理论分析结果表明数字普惠金融与粮食体系韧性可能存在空间溢出效应。因此，该文利用空间计量模型，实证分析数字普惠金融对粮食体系韧性的影响。模型形式为：
| （2） |
（1）核心解释变量：数字普惠金融指数（DIF）。该数据来源于北京大学数字金融研究中心与蚂蚁科技集团研究院共同编制的《北京大学数字普惠金融指数》。数字普惠金融指数能够进一步分为覆盖广度（BRE）、使用深度（DEP）和数字化程度（DIG）3个维度。该文选用数字普惠金融指数及其3个细分维度分别探究它们对粮食体系韧性的影响，并对上述指数均除以100，以此减小变量之间量纲的差距。
（2）控制变量：人力资本（HUM）：采用农村人均受教育年限表示。对外开放程度（DOU）：采用进出口贸易额与地区生产总值之比表示。城镇化水平（URB）：采用城镇人口与地区人口数之比表示。财政支农水平（FSA）：采用农业财政支出额与农业从业人员之比表示。产业结构（IND)：采用第二三产业产值与总产值之比表示。农村公路密度（ROAD)：采用三四级公路和等外公路长度与省域面积之比表示。
相关变量描述性统计如
| 变量 | 均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|
| 粮食体系韧性（RFS） | 0.206 | 0.068 | 0.106 | 0.585 |
| 数字普惠金融指数（DIF） | 2.162 | 0.970 | 0.162 | 4.319 |
| 覆盖广度（BRE） | 1.967 | 0.966 | 0.020 | 3.970 |
| 使用深度（DEP） | 2.111 | 0.982 | 0.068 | 4.887 |
| 数字化程度（DIG） | 2.901 | 1.173 | 0.076 | 4.622 |
| 人力资本（HUM） | 7.655 | 0.821 | 3.811 | 9.731 |
| 对外开放程度（DOU） | 0.261 | 0.293 | 0.008 | 1.549 |
| 城镇化（URB） | 0.581 | 0.131 | 0.228 | 0.896 |
| 财政支农（FSA） | 1.496 | 2.248 | 0.186 | 17.548 |
| 产业结构（IND） | 0.902 | 0.051 | 0.739 | 0.997 |
| 农村公路密度（ROAD） | 0.763 | 0.415 | 0.051 | 2.026 |
利用Stata 16.0测算数字普惠金融和粮食体系韧性的全局莫兰指数，结果如
| 年份 | 粮食体系韧性 | 数字普惠金融 | ||
|---|---|---|---|---|
| Moran's I | P值 | Moran's I | P值 | |
| 2011 | 0.547 | 0.000 | 0.490 | 0.000 |
| 2012 | 0.548 | 0.000 | 0.487 | 0.000 |
| 2013 | 0.313 | 0.000 | 0.456 | 0.000 |
| 2014 | 0.309 | 0.000 | 0.453 | 0.000 |
| 2015 | 0.353 | 0.000 | 0.416 | 0.000 |
| 2016 | 0.330 | 0.000 | 0.438 | 0.000 |
| 2017 | 0.339 | 0.000 | 0.498 | 0.000 |
| 2018 | 0.311 | 0.001 | 0.544 | 0.000 |
| 2019 | 0.306 | 0.001 | 0.544 | 0.000 |
| 2020 | 0.342 | 0.000 | 0.563 | 0.000 |
在实证分析数字普惠金融对粮食体系韧性的影响前，首先应进行LM检验、LR检验、Wlad检验以及Hausman检验，以此确定选用何种空间计量模型，结果如
| 模型 | LM | Robust LM | LR | Wald |
|---|---|---|---|---|
| SLM |
218.93 （P=0.000） |
8.45 （P =0.004） |
26.0 （P =0.001） |
18.1 （P =0.011） |
| SEM |
279.13 （P =0.000） |
68.65 （P =0.000） |
28.1 （P =0.000） |
14.8 （P =0.038） |
注： *
利用Stata 16.0估计固定效应空间杜宾模型，结果如
| 变量 | 系数 | 变量 | 系数 |
|---|---|---|---|
| 数字普惠金融指数 |
0.07 （3.66） | W*DIF |
0.07 （2.37） |
| 人力资本 |
-0.03 （-5.86） | W*HUM |
0.03 （3.17） |
| 对外开放程度 |
-0.05 （-3.27） | W*DOU |
-0.043 （-1.55） |
| 城镇化 |
-0.15 （-1.71） | W*URB |
0.113 （0.63） |
| 财政支农 |
0.00 （2.65） | W*FSA |
-0.01 （-3.61） |
| 产业结构 |
-0.48 （-5.11） | W*IND |
-0.77 （-3.31） |
| 农村公路密度 |
0.018 （1.12） | W*ROAD |
-0.040 （-0.93） |
| rho |
0.22 (2.77) | Log-L | 888.209 |
| Sigma2_e |
0.000 (12.37) | R² | 0.605 |
注： *
控制变量方面，人力资本和城镇化对粮食体系韧性的直接影响系数分别为-0.030和-0.152，在1%和10%水平下显著为负，表明人力资本和城镇化水平的提高不利于提升当地的粮食体系韧性。可能是因为随着人力资本和城镇化水平提高，促进了农村劳动力非农转移，降低了农户从事粮食种植的积极性，由此阻碍了粮食高质量发展。人力资本的空间滞后项系数为0.037，且在1%水平下显著为正，表明邻近地区人力资本水平的提高有助于改善当地的粮食体系韧性。可能是因为邻近地区通过知识溢出效应，将先进的粮食生产技术与管理经验传递到当地，进而改善当地的粮食体系韧性。对外开放程度对粮食体系韧性的直接影响系数为-0.052，在1%水平下显著为负，表明对外开放程度的提高可能不利于提升粮食体系韧性。可能是因为文中选用进出口贸易额占地区生产总值比重来衡量对外开放水平，但近些年进出口贸易中农产品占比相对较
为进一步解析数字普惠金融与粮食体系韧性的空间效应，利用偏微分求解将总效应分为直接效应和间接效应，结果如
| 变量 | 直接效应 | 间接效应 | 总效应 |
|---|---|---|---|
| 数字普惠金融指数 |
0.08 （3.95） |
0.10 （3.22） |
0.18 （6.45） |
| 人力资本 |
-0.02 （-5.67） |
0.03 （2.67） |
0.010 （0.59） |
| 对外开放程度 |
-0.05 （-3.44） |
-0.06 （-1.66） |
-0.12 （-2.67） |
| 城镇化 |
-0.145 （-1.63） |
0.091 （0.42） |
-0.054 （-0.23） |
| 财政支农 |
0.00 （2.41） |
-0.01 （-3.19） |
-0.00 （-1.88） |
| 产业结构 |
-0.53 （-5.43） |
-1.09 （-3.44） |
-1.62 （-4.36） |
| 农村公路密度 |
0.017 （0.96） |
-0.041 （-0.74） |
-0.024 （-0.38） |
注： *
尽管该文尽可能地控制了影响粮食体系韧性的因素，但仍会有遗漏变量的存在，由此导致研究结果出现偏差。并且，粮食体系韧性水平高的地区很可能会加快数字普惠金融的发展，导致核心解释变量与被解释变量相互影响，从而产生内生性问题。因此，该文借鉴张蕊
| 变量 | （1）内生性讨论 | （2）替换模型 | （3）替换被解释变量 | （4）地理距离矩阵 | （5）空间距离矩阵距离平方倒数 | ||||
|---|---|---|---|---|---|---|---|---|---|
| 工具变量法 | Tobit模型 | 主成分分析法 | 直接效应 | 间接效应 | 总效应 | 直接效应 | 间接效应 | 总效应 | |
| 数字普惠金融指数 |
0.03 （6.67） |
0.01 （4.59） |
0.13 （7.52） |
0.06 （3.24） |
0.18 （2.54） |
0.25 （4.09） |
0.07 （3.56） |
011 （2.72） |
0.18 （5.91） |
| 人力资本 |
-0.03 （-5.49） |
-0.02 （-4.59） |
-0.06 （-2.43） |
-0.02 （-5.26） |
0.06 （2.39） |
0.040 （1.4） |
-0.02 （-5.48） |
0.03 （2.41） |
0.005 （0.37） |
| 对外开放程度 |
-0.028 （-1.53） |
-0.022 （-1.32） |
-0.44 （-5.23） |
-0.015 （-0.94） |
-0.105 （-1.37） |
-0.12 |
-0.015 （-0.94） |
-0.060 （-1.59） |
-0.07 （-1.88） |
| 城镇化 |
-0.22 （-2.41） |
0.071 （0.92） |
-0.74 （-2.05） |
-0.22 （-2.34） |
0.137 （0.4） |
-0.086 （-0.27） |
-0.27 （-2.91） |
0.33 （1.71） |
0.058 （0.33） |
| 财政支农 |
0.00 （4.97） |
0.01 （7.71） |
0.02 （4.09） |
0.00 （1.64） |
-0.02 （-3.67） |
-0.02 （-3.24） |
0.00 （1.73） |
-0.01 （-3.80） |
-0.00 （-2.81） |
| 产业结构 |
-0.37 （-4.08） |
-0.30 （-3.47） |
-0.094 （-0.22） |
-0.51 （-5.83） |
-0.362 （-0.75） |
-0.87 （-1.72） |
-0.53 （-6.08） |
-0.384 （-1.60） |
-0.92 （-3.41） |
| 农村公路密度 |
0.03 （1.99） |
0.02 （1.85） |
-0.089 （-1.04） |
-0.002 （-0.11） |
0.004 （0.05） |
0.002 （0.02） |
-0.001 （-0.08） |
0.006 （0.12） |
0.005 （0.08） |
| Cons |
0.81 （8.50） |
0.56 （6.09） |
0.88 （2.02） | ||||||
| R² | 0.714 | 0.751 | 0.655 | 0.670 | |||||
| Log-L | 743.871 | 886.223 | 885.761 | ||||||
| Anderson LM |
169.91 | ||||||||
| C-D Wald F |
423.68 | ||||||||
注： *
为进一步证实结果的可靠性，采用以下方法进行稳健性检验。
（1）替换模型。由于测度的被解释变量的取值范围存在截断特征，故选用固定效应Tobit模型进行回归估计，结果如
（2）替换被解释变量。利用主成分分析法测度粮食体系韧性，并将其作为被解释变量重新进行回归估计，结果如
（3）替换权重矩阵。选择地理距离矩阵和空间距离矩阵距离平方倒数再次进行空间回归分析，结果如
为深入分析数字普惠金融各个维度对粮食体系韧性的影响，该文利用空间杜宾模型对其进行回归分析，结果如
| 变量 | 覆盖广度 | 使用深度 | 数字化程度 |
|---|---|---|---|
| 覆盖广度 |
0.30 （3.98） | ||
| 使用深度 |
0.08 （4.81） | ||
| 数字化程度 |
0.05 （5.72） | ||
| rho |
0.30 （3.99） |
0.27 （3.52） |
0.23 （2.90） |
| 控制变量 | 是 | 是 | 是 |
| W*控制变量 | 是 | 是 | 是 |
| R² | 0.595 | 0.640 | 0.508 |
| Log-L | 875.486 | 885.441 | 880.761 |
注： *
为探析数字普惠金融对粮食体系韧性的影响是否存在区域异质性，按照粮食主产区、粮食主销区、粮食产销平衡区进行划分，利用空间计量模型，分别进行实证检验，结果如
| 变量 | 粮食主产区 | 粮食主销区 | 产销平衡区 | ||||||
|---|---|---|---|---|---|---|---|---|---|
| 直接效应 | 间接效应 | 总效应 | 直接效应 | 间接效应 | 总效应 | 直接效应 | 间接效应 | 总效应 | |
| 数字普惠金融指数 |
0.05 （2.23） |
-0.008 （-0.58） |
0.04 （1.74） |
0.26 |
0.16 |
0.43 |
0.06 （2.46） |
-0.017 （-0.59） |
0.04 （1.62） |
| 人力资本 |
0.02 （3.04） |
0.02 （1.72） |
0.04 （2.81） |
-0.06 |
0.001 （0.05） |
-0.06 （-3.05） |
-0.01 |
-0.001 （-0.17） |
-0.01 （-1.97） |
| 对外开放程度 |
-0.07 （-2.36） | -0.118（-1.46） |
-0.19 （-2.21） |
0.07 |
0.005 （0.14） |
0.08 （1.77） |
-0.036 （-1.17） |
-0.040 （-0.90） |
-0.07 （-2.17） |
| 城镇化 |
0.103 （0.75） |
0.175 （0.66） |
0.278 （0.86） |
-1.91 （-6.19） |
0.327 （0.88） |
-1.59 （-3.27） |
0.33 （2.05） |
-0.144 （-0.59） |
0.186 （0.718） |
| 财政支农 |
0.01 |
-0.008 （-0.56） |
0.007 （0.37） |
-0.003 （-1.50） |
-0.00 （-2.25） |
-0.01 （-2.76） |
0.000 （0.02） |
-0.00 （-2.08） |
-0.00 （-2.05） |
| 产业结构 |
-0.35 （-3.61） |
-0.28 （-1.65） |
-0.63 |
2.1 （3.31） |
0.651 （0.83） |
2.78 （2.49） |
-0.003 （-0.03） |
-0.032 （-0.16） | -0.035（-0.15） |
| 农村公路密度 |
-0.021 （-0.95） |
0.036 （0.77） | 0.015（0.24） |
0.019 （0.29） |
-0.22 （-1.79） |
-0.202 （-1.53） |
0.015 （0.76） |
0.034 （0.90） |
0.04 （1.66） |
| R² | 0.318 | 0.101 | 0.224 | ||||||
| Log-L | 437.604 | 202.955 | 390.419 | ||||||
注： *
基于2011—2020年中国31个省（市、区，不含港澳台地区）为研究对象，通过构建空间计量模型，探究数字普惠金融对粮食体系韧性的影响，得出如下结论。
（1）从整体来看，数字普惠金融对粮食体系韧性存在显著的正向空间溢出效应，即数字普惠金融的发展对当地和邻近地区粮食体系韧性的提升均具有促进作用，结论在经过内生性讨论和稳健性检验后依旧成立。
（2）数字普惠金融分维度回归结果表明，数字金融覆盖广度、使用深度和数字化程度均能够提高粮食体系韧性水平，且覆盖广度对粮食体系韧性的影响效应要优于使用深度和数字化程度。
（3）数字普惠金融对粮食体系韧性的影响存在显著的区域异质性，即主销区数字普惠金融对粮食体系韧性的提升作用最大，主产区和产销平衡区次之。
根据以上研究结论，为保障粮食安全，提出如下建议。
（1）完善数字普惠金融基础设施建设，推动乡村数字化发展。加大农村地区网络宽带、5G基站、人工智能等数字设施的投入，提高偏远地区手机、计算机等智能化设备的普及率，缩小城乡间的数字差距，改善农村居民获取金融服务和产品的便捷性和可得性。
（2）提升农村数字普惠金融使用深度和数字化程度。一方面，应培育农户的金融素养。通过线上线下相结合，加大数字普惠金融宣传力度，提升农户数字技术的应用能力，从而提高采纳金融服务的频率。另一方面，政府应加大财政补贴力度，引导先进的数字技术与设备下沉乡村，从而提高农村地区的数字化程度。
（3）数字普惠金融对粮食体系韧性的作用效果存在地区异质性，因此，各产区应根据自身社会经济条件和自然条件，因地制宜助力农村数字普惠金融发展和打造产区特色优势。加大经济发展水平高的地区的金融创新力度，并适当给予粮食重要生产区以及相对贫困地区的政策扶持，实现各产区数字普惠金融协调发展，共促粮食安全长久稳定。
（4）加强地区间数字普惠金融提升粮食体系韧性的交流与合作。通过上文实证结果可知，数字普惠金融对邻近地区的粮食体系韧性具有显著的正向空间溢出效应，因此，应加强省域间的合作，构建一体化的数字普惠金融服务平台，实现劳动力、资本、技术等生产要素的跨区域协作，充分发挥数字普惠金融对粮食体系韧性的溢出效应。
参考文献
杨翠红, 林康, 高翔, 等. “十四五”时期我国粮食生产的发展态势及风险分析. 中国科学院院刊, 2022, 37(8): 1088-1098. [百度学术]
祝伟, 祁丽霞, 王瑞梅. 城镇化对农药、化肥施用强度的影响——基于中介效应的分析. 中国农业资源与区划, 2022, 43(5): 21-30. [百度学术]
朱晶, 臧星月, 李天祥. 新发展格局下中国粮食安全风险及其防范. 中国农村经济, 2021, 441(9): 2-21. [百度学术]
张小允, 鲍洁, 许世卫. 基于熵权TOPSIS模型的中国粮食安全评价研究. 中国农业资源与区划, 2023, 44(4): 35-44. [百度学术]
樊胜根, 高海秀, 冯晓龙, 等. 农食系统转型与乡村振兴. 华南农业大学学报(社会科学版), 2022, 21(1): 1-8. [百度学术]
Tendall D, Joerin J, Kopainsky B, et al. Food system resilience: Defining the concept. Global Food Security, 2015, 6: 17-23. [百度学术]
Béné C, Headey D, Haddad L, et al. Is resilience a useful concept in the context of food security and nutrition programmes? Some conceptual and practical considerations. Food Security, 2016, 8(1): 123-138. [百度学术]
Fan S G, Paul T, Ping C, et al. Food system resilience and COVID-19——Lessons from the Asian experience. Global Food Security, 2021, 28: 100501. [百度学术]
郝爱民, 谭家银. 数字乡村建设对我国粮食体系韧性的影响. 华南农业大学学报(社会科学版), 2022, 21(3): 10-24. [百度学术]
宋敏, 刘欣雨. 数字经济赋能农业韧性机制研究——基于人力资本的中介效应分析. 江苏社会科学, 2023(1): 103-112. [百度学术]
陶亚萍. 新时期强化中国粮食供应链韧性的创新路径. 宁夏社会科学, 2023, 237(1): 118-124. [百度学术]
何亚莉, 杨肃昌. “双循环”场景下农业产业链韧性锻铸研究. 农业经济问题, 2021, 502(10): 78-89. [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]
方观富, 蔡莉. 数字普惠金融如何影响农业产出: 事实、机制和政策含义. 农业经济问题, 2022 (10): 97-112. [百度学术]
张兵, 李娜. 数字普惠金融、非农就业与农户增收——基于中介效应模型的实证分析. 农业现代化研究, 2022, 43(2): 249-260. [百度学术]
刘艳. 数字普惠金融对农业全要素生产率的影响. 统计与决策, 2021, 37(21): 123-126. [百度学术]
申云, 洪程程. 数字普惠金融与农业绿色低碳发展: 水平测度和机制检验.金融理论与实践, 2023, 522(1): 45-60. [百度学术]
孟维福, 李莎, 刘婧涵, 等. 数字普惠金融促进乡村振兴的影响机制研究. 经济问题, 2023, 523(3): 102-111. [百度学术]
张永奇. 数字普惠金融对农村土地流转的影响及机制研究——来自CFPS与PKU-DFIIC的经验证据. 经济与管理, 2022, 36(3): 30-40. [百度学术]
罗光强, 王焕. 数字普惠金融对中国粮食主产区农业高质量发展的影响. 经济纵横, 2022(7): 107-117. [百度学术]
陈亚军. 数字普惠金融促进乡村振兴发展的作用机制研究. 现代经济探讨, 2022(6): 121-132. [百度学术]
陈池波, 龚政. 数字普惠金融能缓解农村家庭金融脆弱性吗? 中南财经政法大学学报, 2021 (4): 132-143. [百度学术]
苏岚岚, 张航宇, 彭艳玲. 农民数字素养驱动数字乡村发展的机理研究. 电子政务, 2021 (10): 42-56. [百度学术]
申云, 洪程程. 数字普惠金融与农业绿色低碳发展: 水平测度和机制检验. 金融理论与实践, 2023 (1): 45-60. [百度学术]
邓楚瑶, 王福友. 数字普惠金融推动农业高质量发展的路径选择——基于黑龙江省农业数字普惠金融案例分析. 审计与经济研究, 2022, 37(6): 117-126. [百度学术]
高帆. 我国农村中的需求型金融抑制及其解除. 中国农村经济, 2002 (12): 68-72. [百度学术]
李娜. 数字普惠金融、人力资本与城乡收入差距. 金融与经济, 2021 (3): 91-96. [百度学术]
曾建中, 李银珍, 刘桂东. 数字普惠金融赋能乡村产业兴旺的作用机理和空间效应研究——基于县域空间动态面板数据的实证检验. 国际金融研究, 2023 (4): 39-49. [百度学术]
聂秀华, 吴青. 数字金融驱动区域技术创新水平提升的空间溢出效应研究. 当代经济管理, 2021, 43(12): 85-96. [百度学术]
张林, 温涛. 数字普惠金融如何影响农村产业融合发展. 中国农村经济, 2022 (7): 59-80. [百度学术]
庞凌霄. 数字普惠金融、农村减贫与乡村振兴. 统计与决策, 2022, 38(10): 57-62. [百度学术]
斯丽娟, 汤晓晓. 数字普惠金融对农户收入不平等的影响研究——基于CFPS数据的实证分析.经济评论 , 2022 (5): 100-116. [百度学术]
陈鸣, 陈峰, 廖世伟. 数字普惠金融与农村经济增长: 空间溢出机制与经验证据. 首都经济贸易大学学报, 2022, 24(6): 14-27. [百度学术]
李本庆, 岳宏志. 数字经济赋能农业高质量发展: 理论逻辑与实证检验. 江西财经大学学报, 2022(6): 95-107. [百度学术]
张蕊, 余进韬. 数字金融、营商环境与经济增长. 现代经济探讨, 2021(7): 1-9. [百度学术]