【摘要】基于 2022 年全国 15 省 2864 家家庭农场调研数据，结合数字普惠金融指数，实证检验县域数字金融对家庭农场融资约束的影响。研究发现：县域数字金融显著缓解需求型与供给型融资约束，信用增信与服务创新是主要路径；该效应在中西部及大规模农场更显著。研究为完善农村数字金融提供了微观证据。
【关键词】县域数字金融；家庭农场；融资约束
引言
数字技术的快速发展为缓解农村融资约束提供了新的可能。作为新型农业经营主体的关键组成部分，家庭农场长期面临融资难题，传统金融服务因信息不对称难以满足其需求，而县域数字金融的普及带来了重要机遇。本文利用全国 15 个省份的微观调研数据，实证检验县域数字金融对家庭农场融资约束的缓解效应、作用机制及异质性特征，以期为优化农村金融服务提供参考。
一、研究假设
基于信息经济学理论，家庭农场的融资约束主要源于信息不对称与较高的交易成本。数字金融能够通过大数据等技术整合多维度信息，缓解信息不对称并降低信贷风险；同时，线上申请与智能审批等服务显著降低了金融服务的边际成本，缩短融资周期，提升服务可及性。据此，本文提出假设 H1：县域数字金融发展水平与家庭农场融资约束显著负相关。
数字金融主要通过信用增信与服务创新两条路径发挥作用：前者利用农场交易、生产及信用数据构建信用画像，提升信贷可得性；后者通过供应链金融、天气指数保险等新模式拓宽融资渠道。因此，本文提出假设 H2：数字金融通过提升家庭农场信用水平（H2a）和创新金融服务模式（H2b）缓解融资约束。
此外，数字金融的缓解效应可能存在异质性。中西部地区因传统金融基础相对薄弱，数字金融的“补位效应”可能更为明显；大规模农场因经营规范、数据更为完整，也更容易从数字信用评估中受益。基于此，本文提出假设 H3：数字金融对家庭农场融资约束的缓解效应存在异质性，在中西部地区（H3a）和大规模农场（H3b）中更显著。
二、研究设计
（一）数据来源
本文数据源自 2022 年全国 15 个省份 []346 个县域的实地调研，共获取 2864 份有效样本。调研采用多阶段分层抽样方法，收集农场基本信息、融资状况及数字金融使用行为等数据。县域数字金融发展水平数据采用北京大学数字普惠金融指数（2022）。控制变量数据来源于《中国县域统计年鉴 2023》与《中国农村金融年鉴 2023》。
（二）变量定义
被解释变量：家庭农场融资约束（FC），从需求型（FC1，虚拟变量，因担心被拒或手续复杂而未申请则取值为 1）和供给型（FC2，连续变量，为实际获批金额占申请金额的比例）两个维度衡量。
核心解释变量：县域数字金融发展水平（DFI），采用标准化后的北京大学数字普惠金融指数，并细分覆盖广度（DCB）、使用深度（DUD）和数字化程度（DSS）。
机制变量：包括数字信用水平（CR，基于农场线上交易数据构建的信用评分）与创新服务使用（INN，虚拟变量，使用过数字供应链金融等创新模式则取值为1）。
控制变量：①农场特征，规模（经营面积对数）、年限、负责人年龄 / 学历（高中及以上 =1）、是否加入合作社（是=1）；②县域特征，人均 GDP（对数）、财政支农强度（支
农支出 /GDP）、金融机构密度（机构数 / 万人）、地形（平原=1）。
（三）模型设定
首先，在基准模型上，采用 Heckman 两阶段模型处理样本选择偏差，构建模型（1）（2）；其次，运用中介效应模型检验机制，构建模型（3）（4）；最后，按区域（东部 / 中西部）和规模（<50 亩 /50—500 亩 />500亩）分组，分别估计模型（1）（2），通过组间系数比较验证异质性。
三、实证结果分析
（一）描述性统计
表1 显示，FC1 均值 0.38，表明 38% 的家庭农场因担忧或手续复杂放弃申贷；FC2 均值 0.65，即获批金额平均为申请金额的 65%，融资满足度有待提升。DFI 均值为 0.52，且县域间存在差异（标准差 0.18）。机制变量中，CR 均值分 62.3 分，INN 为 31.0%，反映家庭农场数字金融应用仍有提升空间。
（二）基准回归结果
表2 显示，DFI 对 FC1 的边际效应为 -0.187，对 FC2的系数为 0.213，均在 1% 水平显著，表明县域数字金融发展能显著降低家庭农场融资约束，假设 H1 成立。控制变量中的农场规模、负责人学历等因素亦呈现显著缓解作用。
（三）机制检验结果
表3 显示，DFI 显著提升 CR（系数 0.327）和 INN（边际效应 0.286）。在控制 CR 和 INN 后，DFI 对 FC2 的直Pseudo R²/R² 0.28 0.32接影响分别下降至 0.154 和 0.162，中介效应占比分别为27.7% 和 23.9%。表明数字金融主要通过信用增信（H2a）和服务创新（H2b）两条路径缓解融资约束。
（五）稳健性检验
为检验结论可靠性，进行多项稳健性检验，1采用融资成本（年利率）作为替代变量时，DFI 系数为 -0.426（p<0.01），说明其同时提升融资可得性并降低成本。②在DFI的分维度检验中，覆盖广度（DCB）与使用深度（于数字化程度（DSS 系数 0.125，p<0.05），表明扩大数字金融覆盖范围和提高使用频率对缓解融资约束的作用比单纯的技术先进性影响更为显著。③剔除经营年限不足 3 年的样本后回归，结果显示，DFI 对 FC1 和 FC2 的边际效应分别为 -0.179（p<0.01）和 0.205（p<0.01），与基准结果接近，核心结论依然稳定。
四、结语
本文实证检验了县域数字金融对家庭农场融资约束的缓解效应，研究发现：县域数字金融发展能显著缓解家庭农场融资约束，主要通过提升信用水平与创新服务模式实现。缓解效果在中西部地区及大规模农场中更为突出。当前，数字金融的覆盖广度与使用深度对缓解约束的作用强于数字化程度，提示政策应优先推动普及应用。
政策建议如下：首先，完善县域数字金融基础设施，重点加强中西部网络覆盖与数据平台建设，整合政务与市场数据。其次，建立健全全国统一的家庭农场数字信用评价体系，纳入多维数据并配套激励与修复机制。再次，针对区域与规模差异，创新如“政府担保 + 数字信贷”等适配服务模式。最后，将数字金融培训纳入新型职业农民培育体系，提升农场主数字素养与应用能力。
参考文献
[1] 张 兴 祥 , 温 沁 妍 , 史 九 领 . 数 字 普 惠 金 融 的 动 态 减 贫 效 应与作 用 机 理 —— 基 于 县 域 层 面 数 据 的 实 证 分 析 [J]. 学 术 研究,2024,(11):92-99.
[2] 朱 微 , 刘 勇 . 数 字 普 惠 金 融 对 家 庭 农 场 债 务 杠 杆 率 的 影响——基于 34652 个家庭农场的微观数据 [J]. 金融理论与实践,2022,(06):51-61.
[3] 黄祖辉 , 宋文豪 , 叶春辉 . 数字普惠金融对新型农业经营主体创立的影响与机理——来自中国 1845 个县域的经验证据 [J]. 金融研究 ,2023,(04):92-110.
[4] 周博 , 梁蕴佳 . 普惠金融的农民增收效应——来自村镇银行设立的证据 [J]. 金融评论 ,2024,16(03):72-89+156-157.
[5] 朱雅雯 , 许玉韫 , 张龙耀 . 数字金融与家庭农场经营绩效 [J经济评论 ,2023,(06):72-86.
沪公网安备（备案办理中）号
