數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響

　　摘要：文章使用2011—2018年省級面板數(shù)據(jù)，實證檢驗了數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響，并從數(shù)字普惠金融及農(nóng)業(yè)全要素生產(chǎn)率的不同維度進行了深入分析。結(jié)果表明，近年來，數(shù)字普惠金融的發(fā)展有效提升了區(qū)域農(nóng)業(yè)全要素生產(chǎn)率，這主要是通過提升農(nóng)業(yè)生產(chǎn)經(jīng)營活動的技術(shù)效率來實現(xiàn)的。分維度看，數(shù)字普惠金融的使用深度對農(nóng)業(yè)全要素生產(chǎn)率的提升影響最大，且該效應(yīng)在東部沿海地區(qū)更顯著;同時，相對于推動農(nóng)業(yè)技術(shù)進步，數(shù)字普惠金融對農(nóng)業(yè)生產(chǎn)技術(shù)效率的正向影響更大。

　　關(guān)鍵詞：數(shù)字普惠金融;農(nóng)業(yè)全要素生產(chǎn)率;固定效應(yīng)面板模型

　　0引言

　　21世紀以來，我國不斷推動普惠金融發(fā)展，深入推進金融精準扶貧，持續(xù)提升農(nóng)村金融服務(wù)水平，有效助力了精準扶貧和農(nóng)村地區(qū)經(jīng)濟社會發(fā)展。然而，由于我國長期存在城鄉(xiāng)二元經(jīng)濟結(jié)構(gòu)，在經(jīng)濟發(fā)展相對落后的農(nóng)村地區(qū)，傳統(tǒng)金融機構(gòu)面臨覆蓋率相對不足、使用深度有限及便利化程度不高等問題，正規(guī)金融服務(wù)難以與“三農(nóng)”發(fā)展需求相匹配，導致農(nóng)村地區(qū)存在明顯的金融排斥現(xiàn)象�，F(xiàn)有文獻關(guān)于數(shù)字普惠金融對農(nóng)村經(jīng)濟的影響主要從以下三方面展開：

　　第一，數(shù)字普惠金融有效降低了金融服務(wù)的門檻。由于農(nóng)村地區(qū)經(jīng)濟基礎(chǔ)相對薄弱，農(nóng)民在獲取正規(guī)金融機構(gòu)資金支持過程中面臨貸款難、抵押難、擔保難的問題[1]，導致金融服務(wù)門檻高，農(nóng)業(yè)生產(chǎn)經(jīng)營所需資金無法得到有效滿足，進一步阻礙了農(nóng)村經(jīng)濟發(fā)展。數(shù)字技術(shù)的使用，使得農(nóng)戶可以通過移動互聯(lián)終端快速獲取所需的金融服務(wù)，提高了生產(chǎn)效率，緩解了信息不對稱，降低了金融服務(wù)成本和門檻[2]。

　　第二，數(shù)字普惠金融的發(fā)展有效緩解了農(nóng)村地區(qū)的金融排斥現(xiàn)象。目前，我國農(nóng)村地區(qū)金融發(fā)展面臨實質(zhì)動力不足、資金外流嚴重及信用體系相對落后等問題，導致農(nóng)戶無法獲取所需的金融服務(wù)，制約了農(nóng)業(yè)生產(chǎn)經(jīng)營規(guī)模的擴大和新農(nóng)業(yè)技術(shù)的投入使用，進而影響農(nóng)民收入增長[3]。以支付寶和微信支付為代表的新一代移動支付方式，降低了金融服務(wù)門檻，使得原有被排斥在正規(guī)金融服務(wù)外的群體也獲得了所需的金融服務(wù)。此外，新一代移動支付方式也便利了農(nóng)村地區(qū)征信工作的深入展開，進一步緩解了農(nóng)村地區(qū)金融排斥程度。

　　第三，數(shù)字普惠金融通過發(fā)揮減貧效應(yīng)進一步服務(wù)農(nóng)村經(jīng)濟發(fā)展。數(shù)字普惠金融的發(fā)展提高了金融服務(wù)效率，使得低收入群體通過低成本的金融服務(wù)，拓寬收入渠道，實現(xiàn)脫貧。此外，數(shù)字普惠金融的發(fā)展也有效緩解了中小企業(yè)融資難問題[4]，服務(wù)中小企業(yè)發(fā)展，使得中小企業(yè)可以提供更多的就業(yè)崗位，緩解了貧困問題�，F(xiàn)有文獻從降低金融服務(wù)門檻、緩解金融排斥和減少貧困等方面闡釋了數(shù)字普惠金融對農(nóng)業(yè)生產(chǎn)經(jīng)營的影響及其內(nèi)在機制。然而，對于數(shù)字普惠金融影響農(nóng)業(yè)全要素生產(chǎn)率的影響程度缺乏進一步分析。本文使用2011—2018年省級面板數(shù)據(jù)，測算農(nóng)業(yè)全要素生產(chǎn)率及其分解項，并構(gòu)建回歸模型深入分析數(shù)字普惠金融不同維度的影響異質(zhì)性和區(qū)域異質(zhì)性。

　　1研究設(shè)計

　　1.1數(shù)據(jù)來源與變量選取

　　本文主要使用2011—2018年我國30個省份(不含西藏和港澳臺)的省級面板數(shù)據(jù)分析數(shù)字普惠金融對區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的影響。數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》。將區(qū)域農(nóng)業(yè)全要素生產(chǎn)率作為被解釋變量，并將其分解為農(nóng)業(yè)技術(shù)效率和農(nóng)業(yè)技術(shù)進步兩個維度。選取北京大學數(shù)字金融研究中心課題組編制的數(shù)字普惠金融指數(shù)作為核心解釋變量。同時，本文使用人均地區(qū)生產(chǎn)總值、人力資本存量、產(chǎn)業(yè)結(jié)構(gòu)、對外開放程度和城鎮(zhèn)化率作為控制變量。

　　(1)因變量。本文使用DEA-Malmquist指數(shù)測度的區(qū)域農(nóng)業(yè)全要素生產(chǎn)率作為因變量。具體來說，選取各地區(qū)以2010年為基期的農(nóng)林牧漁業(yè)總產(chǎn)值作為產(chǎn)出指標。投入指標包括勞動力、土地、農(nóng)業(yè)機械、化肥、灌溉和政府支農(nóng)力度。具體來說，勞動力用各地區(qū)第一產(chǎn)業(yè)從業(yè)人數(shù)代替，土地面積用各地區(qū)農(nóng)作物播種面積代替，農(nóng)業(yè)機械用農(nóng)業(yè)機械總動力代替，化肥投入用化肥施用量代替，灌溉使用耕地灌溉面積代替，政府支農(nóng)力度使用政府一般公共預(yù)算支出中農(nóng)林水支出占各地區(qū)財政支出的比重代替。

　　(2)核心解釋變量。本文選取北京大學數(shù)字金融研究中心課題組和螞蟻金服共同編制的數(shù)字普惠金融指數(shù)作為數(shù)字普惠金融的代理變量。該指數(shù)按照綜合性、均衡性、可比性、連續(xù)性和可行性等原則，綜合衡量了2011—2018年全國、省、市、縣層面的數(shù)字普惠金融發(fā)展狀況[5]。

　　(3)控制變量。為了控制其他因素對區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的影響，本文按照現(xiàn)有文獻的通常做法，選取區(qū)域經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)高級化程度、對外開放程度和城鎮(zhèn)化水平作為模型的控制變量。其中，區(qū)域經(jīng)濟發(fā)展水平用各省份人均總產(chǎn)值代替，并以2010年為基期，利用物價指數(shù)進行平減;人力資本用勞動年齡人口平均受教育年限代替;產(chǎn)業(yè)結(jié)構(gòu)高級化程度使用第三產(chǎn)業(yè)比重代替;對外開放程度以各省份外商直接投資額占地區(qū)生產(chǎn)總值的比重代替;城鎮(zhèn)化水平用各省份常住人口占總?cè)丝诘谋戎卮�替�?/p>

　　1.2變量描述性分析及相關(guān)性檢驗

　　2011—2018年，我國農(nóng)業(yè)全要素生產(chǎn)率的均值為1.072，其中最低為0.768，最高為1.271。進一步將農(nóng)業(yè)全要素生產(chǎn)率分解為農(nóng)業(yè)技術(shù)進步和農(nóng)業(yè)技術(shù)效率后，農(nóng)業(yè)技術(shù)進步均值為1.062，高于農(nóng)業(yè)技術(shù)效率的均值(1.011)。相較于技術(shù)效率的提升，農(nóng)業(yè)技術(shù)進步顯著推進了農(nóng)業(yè)全要素生產(chǎn)率的提升，數(shù)字普惠金融發(fā)展水平的均值為188.19。以2018年為例，上海數(shù)字普惠金融發(fā)展程度最高，達到377.73;甘肅最低，僅為263.12，但較2011年的18.33增加了13.35倍。將其進一步細分為覆蓋廣度、使用深度和數(shù)字支持服務(wù)三個維度后，使用深度指數(shù)發(fā)展水平最高，達到183.53，覆蓋廣度和數(shù)字支持服務(wù)程度次之。

　　在控制變量方面，人均產(chǎn)值平均達到52817.83元，產(chǎn)業(yè)結(jié)構(gòu)達到45.48%，開放程度平均達到2.03%，城鎮(zhèn)化水平平均達到57.11%，地區(qū)開放程度和城鎮(zhèn)化水平進一步提高，但地區(qū)差異仍十分顯著。數(shù)字普惠金融和農(nóng)業(yè)全要素生產(chǎn)率之間顯著正相關(guān)。經(jīng)濟發(fā)展水平越高、人力資本存量越高、產(chǎn)業(yè)結(jié)構(gòu)高級化程度越高、開放程度越高和城鎮(zhèn)化水平越高的地區(qū)，農(nóng)業(yè)全要素生產(chǎn)率也相對越高。

　　1.3變量平穩(wěn)性檢驗

　　為了避免出現(xiàn)“偽回歸”，本文使用LLC檢驗和IPS檢驗以驗證數(shù)據(jù)是否存在同質(zhì)面板單位根的和異質(zhì)面板單位根。模型中選取的變量均平穩(wěn)，不存在單位根，也不存在協(xié)整問題，可以使用面板數(shù)據(jù)模型進行直接估計。

　　1.4模型設(shè)定

　　為實證檢驗數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響，本文采用雙向固定效應(yīng)面板數(shù)據(jù)模型進行估計。影響農(nóng)業(yè)全要素生產(chǎn)率的因素很多，不僅包括可觀測到的內(nèi)部投入和產(chǎn)出要素，也包括農(nóng)業(yè)發(fā)展理念、農(nóng)業(yè)新技術(shù)使用意愿等不可觀測因素。采用雙向固定效應(yīng)面板數(shù)據(jù)模型可以通過差分的方法，降低不可觀測因素對農(nóng)業(yè)全要素生產(chǎn)率的影響，進而提升模型整體的估計效果。

　　2實證分析

　　2.1數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響Hausman檢驗的卡方值為128.54(P=0.000)，拒絕原假設(shè)，即使用固定效應(yīng)面板數(shù)據(jù)模型進行估計，這與本文先驗地使用雙向固定效應(yīng)面板數(shù)據(jù)模型進行估計具有一致性。在固定效應(yīng)模型和隨機效應(yīng)模型下，數(shù)字普惠金融均顯著提升區(qū)域農(nóng)業(yè)全要素生產(chǎn)率。該結(jié)論在控制了省份、時間固定效應(yīng)后仍顯著成立。在固定效應(yīng)模型下，在控制了其他因素影響后，數(shù)字普惠金融發(fā)展水平每提升1個單位，區(qū)域農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.048個單位。未控制其他變量的影響，將高估數(shù)字普惠金融的影響。同樣，使用隨機效應(yīng)面板數(shù)據(jù)模型將高估數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響。在控制變量中，地區(qū)人均生產(chǎn)總值對區(qū)域農(nóng)業(yè)全要素生產(chǎn)率有著顯著的正向影響。

　　地區(qū)人均生產(chǎn)總值每提升1個單位，區(qū)域農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.267個單位。人均生產(chǎn)總值的提升意味著社會可以將擁有的更多資本投入到農(nóng)業(yè)生產(chǎn)中，緩解了農(nóng)業(yè)生產(chǎn)的資金約束。研究表明，資本投入對中國經(jīng)濟增長的貢獻最大，也是提升全要素生產(chǎn)率的重要途徑[6]。人力資本的提升對區(qū)域農(nóng)業(yè)全要素生產(chǎn)率有著顯著的正向影響。人力資本每提升1個單位，區(qū)域農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.126個單位。Benhabib和Spiegel(2005)[7]認為人力資本的提升可以通過影響技術(shù)創(chuàng)新能力從而直接影響全要素生產(chǎn)率，此外，人力資本也可以通過技術(shù)溢出的吸收能力進而間接影響區(qū)域全要素生產(chǎn)率。產(chǎn)業(yè)結(jié)構(gòu)升級優(yōu)化了區(qū)域生產(chǎn)資源的配置效率，也顯著提升了農(nóng)業(yè)全要素生產(chǎn)率。

　　第三產(chǎn)業(yè)比重將提升區(qū)域農(nóng)業(yè)全要素生產(chǎn)率。區(qū)域開放程度的提高也將顯著提升區(qū)域農(nóng)業(yè)全要素生產(chǎn)率。區(qū)域開放程度的提高，不僅意味著可以吸收更多的國外資本用于經(jīng)濟發(fā)展，也意味著可以不斷吸收國外更多的新興技術(shù)。區(qū)域城鎮(zhèn)化水平每提升1個單位，區(qū)域農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.003個單位。城鎮(zhèn)化水平的提升，意味著更多的農(nóng)村人口流向城鎮(zhèn)。武宵旭等(2019)[8]研究發(fā)現(xiàn)，農(nóng)業(yè)過剩勞動力的城鎮(zhèn)化流動改善了資源配置效率，實現(xiàn)了全要素生產(chǎn)率的增長，進而推動農(nóng)業(yè)發(fā)展質(zhì)量提升，實現(xiàn)鄉(xiāng)村振興戰(zhàn)略。

　　2.2區(qū)分數(shù)字普惠金融維度

　　北京大學數(shù)字普惠金融指數(shù)在指標體系設(shè)置過程中，同時考慮了數(shù)字金融服務(wù)的廣度、深度和支持服務(wù)程度。不僅考慮了數(shù)字金融發(fā)展的覆蓋的區(qū)域和群體，也考慮了數(shù)字金融的被使用的程度，以更好地反映出數(shù)字金融的普惠價值。因此，為了進一步分析數(shù)字普惠金融不同維度對農(nóng)業(yè)全要素生產(chǎn)率的影響，本文將數(shù)字普惠金融細分為覆蓋廣度、使用深度和數(shù)字支持服務(wù)程度。

　　其中，覆蓋廣度使用支付寶賬號數(shù)量和鏈接銀行卡的數(shù)量來衡量，使用深度用支付業(yè)務(wù)、貨幣基金業(yè)務(wù)、信貸業(yè)務(wù)、保險業(yè)務(wù)、投資業(yè)務(wù)和信用業(yè)務(wù)綜合衡量，數(shù)字支持服務(wù)程度使用移動化、實惠化、便利化和信用化綜合衡量。三個維度的數(shù)字普惠金融發(fā)展水平均對區(qū)域農(nóng)業(yè)全要素生產(chǎn)率起到顯著的提升作用。相較于銀行、保險公司等傳統(tǒng)正規(guī)金融機構(gòu)，數(shù)字普惠將金融以其高度覆蓋率和使用率，打破傳統(tǒng)金融服務(wù)提供的時間和空間限制，降低了金融服務(wù)門檻，為農(nóng)業(yè)生產(chǎn)經(jīng)營提供了更多的資金支持。

　　數(shù)字普惠金融的使用深度對農(nóng)業(yè)全要素生產(chǎn)率的影響最大。數(shù)字普惠金融的使用深度的增加使得農(nóng)業(yè)全要素生產(chǎn)率平均增加了0.065個單位，且通過1%的顯著性檢驗。數(shù)字普惠金融通過其支付業(yè)務(wù)、貨幣基金業(yè)務(wù)、支付業(yè)務(wù)、保險業(yè)務(wù)、投資業(yè)務(wù)和信用業(yè)務(wù)，特別是通過個人消費貸款和小微經(jīng)營者貸款精準支持農(nóng)業(yè)生產(chǎn)經(jīng)營活動。數(shù)字支持服務(wù)每提升1個單位，區(qū)域農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.049個單位，數(shù)字支持服務(wù)以其移動化、實惠化、信用化和便利化的優(yōu)勢，提升農(nóng)業(yè)全要素生產(chǎn)率。數(shù)字普惠金融的覆蓋廣度的增加使得農(nóng)業(yè)全要素生產(chǎn)率平均增加0.038個單位。

　　2.3分解農(nóng)業(yè)全要素生產(chǎn)率

　　本文將區(qū)域農(nóng)業(yè)全要素生產(chǎn)率進一步分解，分別驗證數(shù)字普惠金融是否通過技術(shù)進步和技術(shù)效率兩個路徑影響農(nóng)業(yè)全要素生產(chǎn)率，估計結(jié)果見下頁表6。表6的估計結(jié)果表明，數(shù)字普惠金融對于提升農(nóng)業(yè)生產(chǎn)技術(shù)效率和推動農(nóng)業(yè)技術(shù)進步均存在顯著的正向影響，且數(shù)字普惠金融對于提升農(nóng)業(yè)生產(chǎn)技術(shù)效率的影響更大。具體來說，在控制了人均產(chǎn)值等因素影響后，數(shù)字普惠金融每提升1個單位，區(qū)域農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.059個單位，農(nóng)業(yè)技術(shù)進步將平均提升0.041個單位。這主要是因為數(shù)字普惠金融的發(fā)展以其高覆蓋率和使用深度，以及其自身的便利化和數(shù)字化優(yōu)勢，緩解了農(nóng)業(yè)生產(chǎn)經(jīng)營活動的信貸約束，優(yōu)化了農(nóng)業(yè)生產(chǎn)要素配置。

　　2.4區(qū)分區(qū)域經(jīng)濟發(fā)展水平

　　我國幅員遼闊，不同地區(qū)資源稟賦也存在很大不同，其農(nóng)業(yè)技術(shù)水平、資本積累、農(nóng)業(yè)勞動力數(shù)量及素質(zhì)以及農(nóng)業(yè)產(chǎn)業(yè)配套程度也不同，這將導致數(shù)字普惠金融對農(nóng)業(yè)全要素生產(chǎn)率的影響程度存在區(qū)域異質(zhì)性。因此，本文參照國家統(tǒng)計局的分類標準，將我國30個省份劃分成東部、中部、西部和東北地區(qū)。

　　四大經(jīng)濟區(qū)的數(shù)字普惠金融均顯著提升了區(qū)域農(nóng)業(yè)全要素生產(chǎn)率。其中，東部地區(qū)的提升效應(yīng)最顯著，對中部地區(qū)和東北地區(qū)的影響次之，對西部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的影響最低。具體來說，數(shù)字普惠金融每提升一個單位，東部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.072個單位，中部地區(qū)將平均提升0.054個單位，西部地區(qū)將平均提升0.036個單位，東北地區(qū)將平均提升0.041個單位。進一步地，考慮到不同開放程度水平下數(shù)字普惠金融影響的異質(zhì)性，本文將我國30個省份按照是否沿海分為沿海和內(nèi)陸地區(qū)。

　　無論是在沿海地區(qū)還是內(nèi)陸地區(qū)，數(shù)字普惠金融都將顯著提升區(qū)域農(nóng)業(yè)全要素生產(chǎn)率，但沿海地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的提升效應(yīng)高于內(nèi)陸地區(qū)。具體來說，數(shù)字普惠金融每提升1個單位，沿海地區(qū)農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.061個單位，而內(nèi)陸地區(qū)農(nóng)業(yè)全要素生產(chǎn)率將平均提升0.042個單位。東部沿海地區(qū)的影響高于中西部內(nèi)陸地區(qū)，這不僅是因為東部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率發(fā)展水平相對較高，也因為沿海地區(qū)開放時間早、開放程度也相對較高，居民、政府和企業(yè)接受新鮮事物，特別是接受新技術(shù)的程度也相對較高，因而數(shù)字普惠金融對沿海地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的影響也相對較高。

　　3結(jié)論與建議

　　近年來，隨著移動互聯(lián)網(wǎng)的普及，移動支付等新型支付手段不斷深入生產(chǎn)生活各個環(huán)節(jié)，實現(xiàn)了數(shù)字普惠金融的飛速發(fā)展。本文使用省級面板數(shù)據(jù)模型實證檢驗了數(shù)字普惠金融的發(fā)展對區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的影響及其異質(zhì)性。

　　結(jié)果表明，2011—2018年，我國數(shù)字普惠金融迅速發(fā)展，帶動了農(nóng)業(yè)全要素生產(chǎn)率的不斷提升。這主要是通過提升農(nóng)業(yè)生產(chǎn)經(jīng)營活動的技術(shù)效率來實現(xiàn)，且該效應(yīng)在東部沿海地區(qū)更加明顯。其中，數(shù)字普惠金融的使用深度對農(nóng)業(yè)全要素生產(chǎn)率的提升效應(yīng)最為明顯。該結(jié)論在控制了人均產(chǎn)值、人力資本、產(chǎn)業(yè)結(jié)構(gòu)、開放程度和城鎮(zhèn)化水平對農(nóng)業(yè)全要素生產(chǎn)率的影響，并區(qū)分地區(qū)經(jīng)濟發(fā)展水平差異后，仍穩(wěn)健且一致。

　　基于上述分析，為進一步提升農(nóng)業(yè)全要素生產(chǎn)率，政府應(yīng)增加農(nóng)村地區(qū)數(shù)字金融投入力度，加大財政補貼，增強欠發(fā)達的農(nóng)村地區(qū)數(shù)字普惠金融基礎(chǔ)設(shè)施建設(shè)，幫助更多的農(nóng)村貧困群體和農(nóng)村中小微企業(yè)獲得更多的數(shù)字普惠金融服務(wù)。同時，也應(yīng)注重數(shù)字普惠金融支持農(nóng)村經(jīng)濟發(fā)展過程中的風險防范機制建設(shè)，構(gòu)建信貸風險聯(lián)防聯(lián)控機制，實現(xiàn)金融機構(gòu)、擔保人和擔保機構(gòu)之間的風險共擔機制，調(diào)動三方積極性，將農(nóng)村普惠金融的風險控制在合理范圍內(nèi)。

　　參考文獻：

　　[1]羅劍朝,庸暉,龐璽成.農(nóng)地抵押融資運行模式國際比較及其啟示[J].中國農(nóng)村經(jīng)濟,2015,(3).

　　[2]翟項樂.數(shù)字普惠金融對農(nóng)民收入影響的實證分析——以青海省為例[J].上海商業(yè),2020,(9).

　　[3]劉玉春,修長柏.農(nóng)村金融發(fā)展、農(nóng)業(yè)科技進步與農(nóng)民收入增長[J].農(nóng)業(yè)技術(shù)經(jīng)濟,2013,(9).

　　[4]任曉怡.數(shù)字普惠金融發(fā)展能否緩解企業(yè)融資約束[J].現(xiàn)代經(jīng)濟探討,2020,(10).

　　[5]郭峰,王靖一,王芳,等.測度中國數(shù)字普惠金融發(fā)展:指數(shù)編制與空間特征[J].經(jīng)濟學(季刊),2020,19(4).

　　[6]許憲春,張鐘文,常子豪,等.中國分行業(yè)全要素生產(chǎn)率估計與經(jīng)濟增長動能分析[J].世界經(jīng)濟,2020,43(2).

　　[7]BenhabibJ,SpiegelM.Chapter13HumanCapitalandTechnologyDiffusion[J].HandbookofEconomicGrowth,2005,(1).

　　[8]武宵旭,葛鵬飛,徐璋勇.城鎮(zhèn)化與農(nóng)業(yè)全要素生產(chǎn)率提升:異質(zhì)性與空間效應(yīng)[J].中國人口·資源與環(huán)境,2019,29(5).

　　作者：劉艷

轉(zhuǎn)載請注明來自發(fā)表學術(shù)論文網(wǎng)：http:///jjlw/28725.html