田杰 谭秋云 谢升峰：数字金融促进家庭农场生存发展的实证研究
数字金融促进家庭农场生存发展的实证研究——基于33402个家庭农场的微观证据
田杰 谭秋云 谢升峰
作者简介：田杰，重庆工商大学金融学院教授；谭秋云，重庆工商大学金融学院硕士研究生；谢升峰（通讯作者），湖北大学商学院教授、博士生导师。
引用格式：田杰，谭秋云，谢升峰. 数字金融促进家庭农场生存发展的实证研究——基于33402个家庭农场的微观证据[J]．农村金融研究，2022（8）：48-60．
「摘要」论文分析了数字金融影响家庭农场生存风险的作用机理，采用2014-2018年中国数字金融的县域数据和家庭农场数据，通过离散时间生存模型，实证检验了数字金融对家庭农场生存风险的影响。研究结果表明：数字金融的发展有利于降低家庭农场的生存风险；采用多种工具变量进行内生性处理及稳健性检验后发现结论仍然成立。机制分析表明，数字金融会通过缓解家庭农场融资约束和提供便利性金融服务来降低其生存风险；异质性分析表明，数字金融对家庭农场生存风险的影响存在显著差异，其对初创型、小型及西部地区的家庭农场作用效果更强，体现了数字金融的普惠性特征。
「关键词」数字金融；家庭农场；生存风险
一、引言
“家庭农场”这一概念自2013年在中央一号文件中出现以来，逐渐成为推动农地规模经营、促进农业现代化发展和实施乡村振兴战略的重要载体。党的十八大以来，新型农业经营主体和服务主体呈快速发展之势。而家庭农场作为立体式复合型现代农业经营体系中的重要组成部分，不仅是现代农业发展主体、主要农产品供给主体，同时还是社会化服务主体。《新型农业经营主体和服务主体高质量发展规划（2020-2022年）》指出，中国家庭农场在2018年底已达60万家，是2013年的4倍；截至2020年6月底，全国家庭农场超过100万家。加快培育发展家庭农场、农民合作社、农业社会化服务组织等在内的新型农业经营主体和服务主体，是实现乡村产业兴旺、培育农业农村新动能、促进小农户和现代农业发展有机衔接的迫切需要，对推进农业现代化、实现乡村全面振兴具有重大意义。但是根据国家市场监督管理总局国家企业信用信息公示系统2019年公布的全国家庭农场数据，截止到2019年6月，全部注册登记的23万个家庭农场中，有31225个家庭农场已经陆续退出，这反映了一个客观事实，即我国家庭农场生存能力较弱，家庭农场退出率高。融资约束是制约家庭农场发展的重要因素（张迎春等，2018）。目前，家庭农场面临着抵押品不足、利率较高、手续复杂、家庭农场自身融资能力较弱、政策金融支持力度不够、商业金融供给水平较低等方面的融资障碍和约束（陈培磊、郭沛，2020）。当前，在科技革命和产业变革的大背景下，数字金融的发展已成为一国金融高质量发展的重要引擎。依托云计算、大数据处理技术，数字金融在一定程度上大大缓解了金融市场中的信息不对称、交易成本和融资约束等问题。基于互联网的数字金融，使金融服务的可得性和便利性得到大幅度改善，这显然为家庭农场的高质量发展和可持续生存能力提供了有利条件。那么，数字金融能否缓解家庭农场面临的融资约束，减少较高的交易成本，并降低其生存风险？数字金融对家庭农场生存风险的影响是否存在异质性？
鉴于此，对数字金融与家庭农场生存关系进行系统性研究，将有助于探索影响家庭农场生存风险的新因素，厘清数字金融对家庭农场生存的作用机制和影响渠道，从而为解决我国家庭农场可持续发展出谋划策。本文的边际贡献在于：一是通过梳理文献，探讨数字金融对家庭农场生存风险影响的机理；二是利用2014-2018年数字金融县域数据与54624个家庭农场数据相匹配，采用离散时间Cloglog生存模型，深入考察数字金融对家庭农场生存风险的影响机制及异质性。本文剩余部分的结构安排如下：第二部分是理论分析与研究假说；第三部分是研究设计；第四部分是实证分析；第五部分是传导机制分析，第六部分是异质性分析；第七部分是结论与政策建议。
二、理论分析与研究假说
Clementi & Hopenhayn（2006）通过在企业生存模型中引入企业的道德风险，分析了企业和金融机构的信息不对称对企业生存的影响，认为由于信息不对称导致的融资约束将影响企业日常经营和未来发展。马光荣、李力行（2014）的研究进一步表明，金融契约效率的提升会通过降低高生产率企业的融资约束来降低其退出概率。针对家庭农场面临的融资约束，本文在以上分析的基础上具体阐述数字金融如何借助数字技术缓解家庭农场融资约束，从而降低家庭农场的生存风险。
由于面临信息不对称以及抵押担保缺乏，家庭农场面临着融资约束，且融资成本较高。数字金融通过缓解家庭农场融资约束，能有效降低其生存风险。首先，数字金融借助人工智能技术、大数据技术、云计算、区块链等技术收集家庭农场生产、生活等多维度的数据信息，降低了金融机构与家庭农场之间的信息不对称，缓解了家庭农场融资约束。与传统金融侧重收入、学历、财务报表等硬信息不同，数字金融更倾向于利用贷款人在互联网上沉淀下来的大量行为数据等软信息，借助大数据分析手段，构建信用评估模型(Duarte et al.，2012)。农村电商的快速发展，不仅为互联网金融创造了应用场景，也为农村数字普惠金融发展铺设了金融基础设施（星焱，2021）。随着当前数字乡村的发展，金融机构通过应用人工智能、云计算来快速获取、处理和分析农产品生产体系、经营体系、管理体系等全产业链大数据信息（夏显力等，2019）。数字技术收集家庭农场的多维信息并以此作为是否提供信贷服务的依据，使缺乏信用记录的家庭农场实现了融资，并使其信用记录也更加完整，缓解了融资约束。其次，数字金融依托数字技术提升了对家庭农场当前市场信息判断和长远发展的战略分析，有利于提升家庭农场的无形资产价值（张迎春等，2018），避免了当前家庭农场难以满足抵押担保而导致无法获得融资的弊端。根据中国数字乡村发展报告（2019），家庭农场数字化监管服务系统于2017年在全国推广使用，收录了全国59万多个家庭农场信息，提供家庭农场名录建设、跟踪监测、示范评定等日常维护功能，有效提升了查询、统计、管理等工作效率。进入数字监控的家庭农场能够规范农场生产、管理、技术，打造属于自家农场的品牌，使得家庭农场的生产与销售具有了稳定性和持久性。有了数字化的实时监控，农场主不再是随意生产销售的农户，会充分考虑成本收益问题，因此能够高效率地使用化肥农药等而不会像小农户那样以产量最大化为导向不计成本地投入。因此，为了实现利润最大化，许多家庭农场积极转变农业生产方式，更加注重农产品的生态效益，更愿意为消费者提供品质优良、生态安全的农产品。数字金融依托大数据、云计算、人工智能、5G、物联网、区块链等技术提升了家庭农场的无形资产价值，降低了家庭农场融资约束，提高了家庭农场的生存能力。
假说1 ：数字金融通过降低家庭农场融资面临的信息不对称和抵押品要求，缓解融资约束，降低其生存风险。
数字金融使得只要有互联网，就可以实现支付、转账、借贷等功能，一定程度上解决了传统金融机构获客及风险评估成本高的问题，能够帮助家庭农场弥补长期以来金融服务的不足（谢绚丽等，2018）。数字金融通过网络贷款、众筹、供应链金融等融资模式填补了传统金融机构服务的不足，为更多的家庭农场提供高效便捷的融资服务，其便利性金融服务包括支付宝账户及其绑定的银行卡等电子账户。与传统银行物理网点相比，数字业务成本可降低约90%，其中，开户和账户维护成本降低65%～75%、现金存取成本降低40%～60%、支付和转账成本降低90%～95%（星焱，2021）。数字金融可以根据家庭农场农业生产中种植、养殖的实际需要决定信贷产品的期限和额度，而数字技术让信贷产品的期限、额度更加匹配农业生产周期，不仅使银行资金使用效率最大化，同时也减少了家庭农场由于固定期限产品造成的额外成本（贝多广、汪雯羽，2020）。数字金融依托数字技术增加了家庭农场主申请贷款的渠道，帮助家庭农场主节省了大量的时间成本、信息搜寻成本，也提高了金融机构的审贷效率，降低了涉农贷款的风险和成本。数字技术使更多元的家庭农场主数据被用以衡量客户质量，增大借款客户获得金融支持机会的同时也减小了金融机构的业务风险。同时，数字金融利用技术优势减少了农村金融业务中线下人员的数量，也减少了人工成本，它基于电脑和智能手机等终端设备，突破了传统物理网点的时空局限，并规避了部分信贷人员“吃拿卡要”等寻租成本。因此，数字金融活动不受时间和空间的限制，以较低的成本联合其他部门构建家庭农场信用体系，为家庭农场定制精准的金融服务，进一步降低了家庭农场融资约束，从而降低了其生存风险。
假说2 ：数字金融通过为家庭农场提供金融服务便利，降低其生存风险。
三、研究设计
（一）模型设计（详见原文）
（二）变量选取
1.被解释变量。变量State为代表家庭农场生存与否的离散变量，如果家庭农场经营状态为营业或筹建，则家庭农场状态为生存，记为1，否则记为0。因为被解释变量是离散的、非连续的，故采用二项选择模型进行分析（Chang & Wang，2022）。对于家庭农场生存时间的界定，参照马光荣、李力行(2014)的做法，定义为家庭农场首次进入市场至其退出该市场所经历的时间，即在t期时家庭农场存在于样本之中，而t+1期时家庭农场不存在于样本中，此时可以认为家庭农场退出了市场。
2. 核心解释变量。本文采用了北京大学数字金融研究中心的中国数字普惠金融发展指数（郭峰等，2020）。以Indext 表 示， 并 用Coverage、Useage、Digital分别表示数字金融服务的覆盖广度、使用深度和数字化程度这三个维度。用Credit、CreditLoan分别表示使用深度中的信用业务、信贷业务。
3.控制变量。本文还控制了一些对家庭农场生存风险有重要影响的变量。首先在家庭农场整体层面，本文选用家庭农场年度总资产对数作为衡量家庭农场规模的指标，同时考虑到两者间可能存在非线性关系，本文参照苏振东等(2016)的做法，将家庭农场规模的平方也加入模型中；农场年龄采用样本期基期年份与开业年份的差值进行计算；利润率以家庭农场利润总额与总资产的比值表示；销售利润率以家庭农场利润总额占营业收入的比值表示；家庭农场性质往往决定了经营方式和经营目标，进而在一定程度上影响到其生存风险，因此本文在回归中还引入了家庭农场性质虚拟变量，当家庭农场属于个人独资家庭农场时取值为1，否则取值为0。其次在县域层面，县域经济状况被纳入考虑，这是影响家庭消费的重要宏观变量。此外，为了考虑传统金融对家庭农场生存风险的影响，模型中还考虑了县域层面的金融发展变量（金融机构存贷款余额之和与GDP的比值）。此外，经营年度、行业状况和地理位置决定了家庭农场的经营环境，故本文引入家庭农场经营所在年份(Year)、家庭农场所在行业(Inds)和家庭农场所在地区(Prov)三类虚拟变量，以控制年份周期、行业和地理位置对家庭农场生存风险的影响。
4.工具变量。参考张勋等(2020)的做法，本文使用家庭所在县域与杭州的球面距离、家庭所在县域与全国其他省会的球面距离以及家庭农场所在县域与三大核心城市（北京、杭州、深圳）的平均球面距离作为数字金融的工具变量，数据通过地理信息系统计算后获得。
（三）数据处理和来源
本文采用2014-2018年家庭农场的微观数据。家庭农场基本信息和年报财务数据来源于国家信用信息公示系统，由企研数据整理提供。该数据库搜集了全国29个省（自治区、直辖市）58103个家庭农场的信息，共计94027个微观数据样本。本文首先参考谢千里等(2008)对各变量异常值的检测方法，将家庭农场规模、利润率、销售利润率等财务指标在1%的水平上进行缩尾处理，以规避异常值所产生的影响。其次，借鉴Brandt et al.(2012)序贯匹配的方法，将2014-2018年家庭农场数据跨期合并，随后通过筛选家庭农场的经营状态以及最终出现年份等信息，用于识别和区分家庭农场的退出和存活状态，最终获取了33402家家庭农场共计48515个有效样本数据（见表1）。
四、实证结果（详见原文）
五、传导机制实证分析（详见原文）
六、进一步讨论（详见原文）
七、结论与政策建议
本文从理论和实证两个方面评估了数字金融的发展对家庭农场生存风险的影响。利用2014-2018年数字金融县域数据与33402家家庭农场共计48515个微观数据相匹配，采用离散时间Cloglog生存模型，深入考察数字金融对家庭农场生存风险的影响及其异质效应。研究结果表明：第一，在样本期内，数字金融发展显著地降低了家庭农场的生存风险，采用多种工具变量进行内生性及稳健性检验后，以上结论仍然成立；第二，数字金融通过提供低成本的金融服务和缓解融资约束实现降低家庭农场生存风险的作用；第三，异质性分析表明，数字金融对家庭农场生存风险的影响，在西部地区、小型和初创型家庭农场中效果更为明显，这提现了数字金融的普惠性特征。
本文的研究结果表明，数字金融发展能显著降低家庭农场的生存风险。因此，在国家大力发展数字经济的背景下，应进一步深化互联网、大数据、云计算、区块链等新型技术与传统金融的融合，提升家庭农场的生存能力。数字金融通过缓解融资约束实现降低家庭农场生存风险的作用，因此要进一步推进数字金融业务发展，改进对家庭农场的授信方式，以提升家庭农场获得资金的效率。在推进数字金融发展的过程中，如何降低家庭农场获取金融服务的成本是关键，要重点关注数字金融的覆盖广度和数字支持服务带来的实惠性。最后，数字金融对西部地区、小型和初创型家庭农场作用更强，这表明了数字金融的普惠性。因此，要进一步加强信用和科技基础设施建设，同时家庭农场需要积极探索如何借助数字金融改善自身经营，降低生存风险，提高生存率。只有解决了生存问题，家庭农场才可以持久经营，才能有助于更好地促进农业现代化发展和实施乡村振兴战略。
原文载于《农村金融研究》2022年第8期
关于我们
《农村金融研究》创刊于1980年，是中国农业银行股份有限公司主管，中国农村金融学会主办，面向国内外公开发行的学术期刊。目前，已入选《中国人文社会科学核心期刊要览》(中国社会科学评价研究院)。
本刊侧重于农村金融、商业银行经营与管理、金融理论与实践等相关领域的研究和探讨。为了进一步提升本刊质量和学术影响力，欢迎社会各界学者、专家和广大金融实践者积极投稿。
投稿请登录http://ncjr.cbpt.cnki.net
欢迎扫码关注