数字金融对农户气候适应性行为的影响.pdf

第2 4卷第2期 西北农林科技大学学报(社会科学版)V o l.2 4 N o.22 0 2 4年3月J o u r n a l o fN o r t h w e s tA&FU n i v e r s i t y(S o c i a lS c i e n c eE d i t i o n)M a r.2 0 2 4数字金融对农户气候适应性行为的影响李 桦,周志云*,廖浩玲(西北农林科技大学 经济管理学院,陕西 杨凌 7 1 2 1 0 0)摘 要:气候适应性技术采用率低下已成为制约农业可持续发展的重要因素,数字金融可能影响农户的气候适应性行为。基于河南、陕西、山西三省13 8 4份农户微观调查数据,运用内生转换回归模型构建反事实分析框架,实证分析数字金融使用对农户气候适应性行为的影响效应及其作用机制。研究发现:使用数字金融能显著促进农户气候适应性技术采纳行为,具体表现为在反事实假设下,使用数字金融的农户若未使用其气候适应性技术采纳程度将下降;未使用数字金融的农户如果使用了,其气候适应性技术采纳程度将上升。机制分析表明,数字金融能够提高借贷易得性与信息易得性,进而促进农户采纳气候适应性行为,农户对于金融包容性的认知能够正向增强数字金融对农户气候适应性行为的影响效应。异质性分析表明,数字金融使用对于资本型适应性行为影响的边际效应最大,在反事实假设下也表现为数字金融使用对农户资本型适应性行为提升效果最强;数字金融对农业收入占家庭收入比率较高、接受过培训的农户采纳气候适应性技术促进效应更高。关键词:数字金融;气候适应性行为;内生转换回归模型;中介效应;调节效应中图分类号:F 3 2 3.9 文献标志码:A文章编号:1 0 0 9-9 1 0 7(2 0 2 4)0 2-0 1 2 7-1 3 收稿日期:2 0 2 3-0 8-0 6 D O I:1 0.1 3 9 6 8/j.c n k i.1 0 0 9-9 1 0 7.2 0 2 4.0 2.1 3基金项目:国家社会科学基金一般项目(1 8 X J Y 0 0 7);陕西省社会科学基金重大项目(2 0 2 3 Z D 1 1)作者简介:李桦,女,西北农林科技大学经济管理学院教授,博士,主要研究方向为农业经济管理。*通信作者引 言农业一直受到复杂的气候影响,气候变化加剧了农业生产的脆弱性1。气候变化对农户的影响主要表现为农作物产量的波动、生产成本的增加。有研究表明,当全球平均气温升高2 C时,中国小麦单产平均减产4.6%,玉米平均减产1 1.5%,水稻平均减产1 2.0 2%2。这使得农户不得不通过种植模式调整、气候适应性技术的引进、保险购买等方式,对气候变化进行适应。但在现实中,气候适应性技术属于资金密集型技术,具有回报周期长、投入成本高以及正外部性等特点3,农户自有资金匮乏、信息不对称以及技术障碍时常制约其气候适应性行为4。因此,探索促进农户气候适应性行为的路径对降低农业生产损失具有重要的现实意义。农户气候适应性是指农户通过采取不同策略降低气候变化对自身健康和财富的消极影响,同时利用气候环境所提供的有利条件的过程5。以此概念为基础,学界就农户对于气候变化的适应性行为展开了大量研究,主要分为影响因素与具体行为两方面。在影响因素方面,认知能力6、农户个体特征(如性别、年龄、教育程度7)、是否参与社团、农户家庭特征(如家庭人口规模、资产规模、牲畜所有权、贫困状况、耕地面积等8)以及社会资本9是影响气候适应性行为决策的内部因素;农技推广服务、气候信息1 0、政府发展规划与政策、权力结构、社会不平等1 1等是影响农户气候适应性技术采纳行为的外部因素。在具体行为方面,改变作物品种与灌溉方式、调整农时等是农户的生产实践改变策略;收入多样化及购买作物保险1 2等是农户非生产性管理策略。随着研究的深入,部分学者开始从数字化角度探索气候适应行为1 3。随着数字化与信息化的发展,数字技术和金融服务融合产生数字金融服务,数字金融的出现能有效克服物理网点与人工成本的限制,不受时间空间的约束,将惠及三农的优质金融服务覆盖到需要的受众范围,解决长尾人群在金融服务获得及使用方面的难题,赋予乡村发展新内生动力1 4。据中国互联网络信息中心(C NN I C)在京发布的第5 1次 中国互联网络发展状况统计报告 数据显示,截至2 0 2 2年6月,农村地区互联网普及率达到5 8.8%,网络支付用户规模为2.2 7亿,占农村网民的7 7.5%。数字金融在农村地区的发展有助于促进生产性农业投资与农户创业1 5、促进农村产业融合1 6,从而提高农业收入,增加农户幸福感1 7。数字金融的采用会提升农村家庭获得信贷的可能性,并增强了相对欠发达地区的农村妇女获得信贷的能力1 8。关于数字金融的研究主要集中在其对农户福利的影响,但是关于数字金融在帮助农户应对气候变化(特别是应对气候变化的适应性行为)方面的问题尚未得到广泛关注。从理论层面看,数字金融模式的推广应用可以解决传统金融服务无法覆盖农村地区的难题,缓解农村居民过去遭受的“金融排斥”,克服传统金融服务在“三农”领域缺乏标准抵押物的“痛点”与信息不对称的“堵点”1 4。信贷本身会带来一些金融风险,数字金融作为一种风险分担工具能够提升农户的风险承担水平,降低农业生产的脆弱性1 9。从现实层面看,数字金融服务不受时间空间的限制,降低了农户金融服务获取成本,有效缓解农户在采纳气候适应性技术所受资金约束;数字金融平台拓宽了信息获取渠道,为农户提供实时的气候信息,帮助他们进行气候适应决策。因此,理清数字金融影响农户气候适应性技术采纳行为的基本路径和内在逻辑,对政府为农民制定科学有效的气候变化适应策略并推动农业可持续发展具有重要意义。基于此,本文基于陕晋豫三省微观调研数据,采用内生转换回归模型构建反事实假设,实证分析农户数字金融使用对其气候适应性行为的影响及其机理。较之于已有研究,本文边际贡献如下:(1)从数字支付、数字借贷、数字转账三个方面衡量农户数字金融使用,理清其对农户气候适应性技术采纳行为的影响效应,并从借贷易得性、信息易得性及农户包容性认知三个方面阐述其作用机制,在一定程度上为数字金融普及气候适应性技术推广提供新的视角。(2)探索数字金融在“三农”领域的研究,已有研究主要集中于数字金融对于农户创收方面的影响,对于应对气候变化所需采取的适应性行为的研究较少。一、理论分析与研究假说根据行为选择理论,农户是市场中的理性主体,如果采用新的生产行为可以减少损失、增加产出或者提高收益,那么农户就会采取该行为。农户气候适应性行为需要经过“意愿-行为”的过程,这一过程会受到诸多因素影响。气候适应性行为投资回报周期长,部分适应性行为需要较多资金投入,因地制宜采取何种适应性行为需要充分的信息与资金保障,如果农户对其缺乏足够的认识,将难以改变传统耕作方式。融资难、融资贵是农村金融发展的巨大阻碍2 0,“三农”作为国民经济发展的基础,仍然存在贷款难、信息不对称及金融网点分散等一系列问题。而数字金融服务所提供的转账汇款、信息传播与网络支付等功能有利于拓展农户贷款渠道与信息获取渠道,并逐步提高农户的认知能力,从而促进其气候适应性行为。气候变化需要农户进行一些生产习惯的转变,如调整种植结构、引入新的耐性品种、改善灌溉设施等,这些调整需要一定的资金支持。然而在正规借贷方面,传统的金融机构往往无法覆盖到农村地区,并且需要农户提供抵押担保2 1。出于自身的资金安全考虑,传统金融机构往往不愿贷款给小农户或者贷款额度极低,使得农户在筹措资金时面临着较大的困难1 4。数字金融结合了数字技术与金融服务的优点,降低了物理距离带来的农户交易成本2 2,使得农户能够更便捷地获取和使用金融服务。对于在传统金融体系下难以获取821 西北农林科技大学学报(社会科学版)第2 4卷金融服务的农户,数字金融提供了一个新的选择,比如微信支付、支付宝等第三方支付平台,可以让农户更容易地进行线上交易,无需有效抵押并且放款速度快,缓解农户的信贷约束2 3,帮助其购买抗旱、抗病的种子和肥料等2 4。在非正规借贷方面,微信与支付宝均可提供加好友等互动,从而利于数字金融使用拓展借贷人的社会网络,更容易获得私人借贷2 5,缓解资金压力。综上,数字金融在传统借贷与私人借贷方面均能提高农户的借贷易得性,从而保障有资金需求的农户在转变生产行为时所需资金,采取气候适应性行为应对气候变化。因此,本文提出假说1。H1:数字金融通过提高借贷易得性促进农户气候适应性行为。农户在生产中存在着农业信息获取不准确、不及时等问题,从而导致农作物遭受自然灾害造成的减产及市场波动造成的损失2 6。根据信息不对称理论,信息相对匮乏的一方更容易处于不利地位。数字金融的使用可以有效缓解信息不对称,促进信息的传播与共享2 7,从而使农户积极采取气候适应性行为。一方面,数字金融平台可以更广泛、便捷地为农户提供有关气候适应的信息,基于信息流和数据流多方面扩充信息获取渠道2 3,辐射范围更广,农户通过数字金融平台及时、准确地了解到气候预测、种植技术和市场动态等信息,因地制宜地调整种植计划和管理策略,及时规避气候风险,保障粮食生产。另一方面,使用数字金融有效降低了信息搜寻成本2 8,数字金融突破了时空和地域障碍,通过进行数据整合以及去中介化等方式,低成本、高时效地满足农户对气候信息的需求,有效缓解信息不对称带来的逆向选择和道德风险2 9,使农户更好地适应气候变化。基于此,提出假说2。H2:数字金融通过提高信息易得性促进农户气候适应性行为。图1 数字金融使用促进农户采取气候适应性行为影响假设 农户的经济决策并非完全基于理性,而是受到认知偏误、情绪和社会影响等因素的影响3 0。金融包容性也称为金融普惠性,是指将所有社会阶层,尤其是低收入和弱势群体,纳入正规金融体系的行为或状态1 9。根据计划行为理论,农户的决策行为受到认知的影响3 1,农户对金融包容性持有积极看法,这种看法以信任和感知利益为特征,感知利益可以增强农户对于数字金融平台的信任3 2,从而利用数字金融进行生产投资2 3;此外,当农户将自己视为正式金融体系的一员时1 4,他们会主动去了解相关惠农信贷政策,降低其风险厌恶程度3 3,从而增加其数字金融参与意愿,进而利用数字金融所提供的信息与资金采取气候适应性行为。数字金融能通过提高农户的金融包容性认知,克服认知偏误,从而更有效地使用数字金融工具进行气候适应。基于此,本文提出假说3。H3:农户金融包容性认知能正向强化数字金融使用对农户气候适应性行为的影响效应。综上所述,数字金融可以在多个维度支持农户应对气候变化,而且适应性和灵活性强,可以根据实际情况进行调整,满足农户的特定需求。基于此,本文提出假说4。H4:数字金融使用可以显著促进农户气候适应性行为。二、数据来源、变量选取与模型设定(一)数据来源本文数据来源于课题组在2 0 2 2年对河南、陕西和山西粮食种植户问卷调研。陕西、山西与河南是中国农业大省,“十三五”期间,陕西在播种面积下降约1 8h m2的情况下仍保持粮食产量的增长。2 0 2 2年河南粮食总产量为13 5 7.8 7亿斤,位居全国第二。山西农户的粮食收入在近2 0年中增长了几乎一倍。由此可见,这三个省份是保障我国粮食安全的重要支柱,气候变化所带来的环境风险对其粮食生产影响巨大,同时也影响921 第2期 李桦,等:数字金融对农户气候适应性行为的影响到国家粮食安全,因此,以这三个省份作为探究农户气候适应性行为提升路径的典型区域具有较强说服力。调研样本采用概率比例规模抽样(P P S)与简单随机抽样相结合,抽样分为三阶段。第一、二阶段按照P P S要求从河南省灵宝市与荥阳县各抽取3个乡镇,陕西省榆阳区与大荔县各抽取3个乡镇,山西省石楼县、平陆县各抽取58个乡镇,每个样本乡镇抽取58个样本村。第三阶段,在每个样本村随机抽1 42 5个农户进行访谈,最终得到16 8 0份问卷,剔除缺失数据及有逻辑问题的无效问卷后,得到有效问卷13 8 4份。问卷采用一对一访谈,调查内容主要涉及农户关于数字金融、气候变化、借贷情况、信息获取等方面。(二)变量选取1.因变量:农户气候适应性行为。参考童庆蒙等研究3 4,本文将气候适应性行为分为技术型、劳动型与资本型。农户气候适应性行为则由三种行为之和表征。分类原因在于技术、劳动与资本是农业生产所必不可少的要素,能更好反应农户在生产过程中的要素偏好。技术型适应性行为用农户是否更换抗旱、抗倒伏或抗寒的品种表征;劳动型适应性行为则是调整耕作时间(播种、灌溉、施肥、施药)、调整生产要素投入(化肥如农药投入量),采取其中一项及以上赋值为1,反之为0;资本型适应性行为用是否增加防护设施(节水灌溉、修建水坝、蓄水池等)加以表征。2.自变量:数字金融使用。参考相关文献1 4,结合农村地区实际情况,本文从转账汇款、网络消费与网络借贷三个方面度量农户数字金融的使用情况,农户使用其中之一项则赋值1,不使用任何一项赋值0。3.控制变量。参考已有研究,在户主个人层面选择性别、年龄、上学年限、健康状况、务农年限五个变量进行控制;在家庭层面选择耕地面积、耕地块数、到银行网点的距离、家庭务农务工劳动力数、农业收入占比、是否接受本地应对气象灾害相关技术培训作为控制变量。4.机制变量。本文中介变量为借贷易得性、信息易得性。通过询问“您从银行贷款用于种养殖的难易程度如何”表征借贷易得性,难易程度有非常不容易、比较不容易、难易适中、比较容易、非常容易五个选择;信息易得性通过询问“您村里信息公开程度如何”来表征,有很不满意、不满意、一般、基本满意、很满意五个选项。本文调节变量为农户金融包容性认知,通过询问“您了解农业银行有发展农畜产品的信贷支持政策吗”来表示,有不了解、有点了解、一般、比较了解、非常了解五个选择。5.工具变量。参考相关研究2 5,本文考虑到由于农村社会关系方面因素同村庄及年龄段的农户之间可能会相互影响,年龄分组为:(2 0,4 0、(4 0,5 0、(5 0,6 0、6 0。本文以同村庄内使用数字金融农户数目与该农户同年龄段人数总和的比值表征工具变量。一方面农户数字金融使用,会与同村同年龄段的农户数字金融使用平均水平相关,但是平均水平无法直接影响农户气候适应性行为,满足工具变量的相关性与外生性原则。表1为本文描述性统计及t检验结果。由表可知,在未控制农户个人及家庭特征时,使用数字金融的农户气候适应性技术采纳行为程度更高,并且农户对于技术型、劳动型、资本型适应性技术采纳程度均高于未使用数字金融组。在控制变量方面,选择使用数字金融的农户,在上学年限、耕地面积、健康状况、接受培训、信息易得性、借贷易得性、金融包容性认知等方面均表现出高于未使用组的禀赋水平。表1 变量定义、描述性统计、均值差异检验变量名变量定义与赋值数字金融使用均值(标准差)未使用户使用户(n=3 4 8)(n=10 3 6)差异气候适应性行为技术型、劳动型与资本型气候适应性行为数目总和1.9 1(1.3 2 7)2.0 2(1.1 6 4)-0.1 1技术型适应性行为更换抗旱、抗倒伏或抗寒的品种,有=1;无=00.6 7(0.4 9 4)0.5 7(0.4 9 7)0.0 9*劳动型适应性行为调整耕作时间(播种、灌溉、施肥、施药时间的调整),调整生产要素投入(如化肥农药投入量的调整),采纳其中一项及以上=1;反之为00.4 4(0.5 0 3)0.5 4(0.5 1 0)-0.1 0*资本型适应性行为增加防护设施(节水灌溉、修建水坝、蓄水池等),有=1;无=00.4 5(0.4 9 8)0.5 2(0.5 0 0)-0.0 8*031 西北农林科技大学学报(社会科学版)第2 4卷续表变量名变量定义与赋值数字金融使用均值(标准差)未使用户使用户(n=3 4 8)(n=10 3 6)差异数字金融使用使用转账汇款、网络消费与网络借贷中的一项及以上=1;无=00.0 0(0.0 0 0)1.0 0(0.0 0 0)-性别男=1;女=00.8 7(0.3 3 2)0.9 1(0.2 8 7)-0.0 4*年龄受访者实际年龄/岁5 9.2 6(1 1.4 8 0)5 7.2 5(1 1.8 3 0)2.0 1*上学年限受访者上学实际年限/年6.6 0(3.3 3 5)7.0 8(3.4 3 7)-0.4 8*健康状况不健康=1;一般=2;健康=32.5 0(0.7 2 1)2.6 1(0.7 2 5)-0.1 1*务农年限受访者务农实际年限/年3 5.7 7(1 3.6 7 0)3 2.5 9(1 3.8 1 0)3.1 8*到银行网点距离到最近银行网点的距离/里1 1.0 8(1 1.8 0 0)8.2 5(9.5 3 0)2.8 3*耕地面积家庭耕地亩数/亩1 4.4 2(1 9.7 9 0)1 4.6 7(5 6.0 9 0)-0.2 5耕地块数家庭耕地块数/块4.1 8(7.4 5 7)3.8 7(3.2 8 2)0.3 1家庭务农劳动力数家庭务农劳动力人数/人1.6 6(0.8 4 8)1.6 1(0.9 1 1)0.0 5家庭务工劳动力数家庭务工劳动力人数/人0.8 6(0.9 8 1)1.1 7(1.2 3 4)-0.3 1*农业收入占比农业收入占家庭总收入比重/%0.4 3(0.4 1 4)0.3 5(0.4 0 4)0.0 8*是否接受培训是否接受本地应对气象灾害相关技术培训,是=1;否=00.1 9(0.3 9 6)0.2 6(0.4 4 0)-0.0 7*工具变量同村庄内,使用数字金融农户数目与该农户同年龄段人数总和的比值0.4 0(0.3 9 4)0.7 1(0.3 6 6)-0.3 1*借贷易得性从银行贷款用于种养殖的难易程度,非常不容易=1;比较不容易=2;难易适中=3;比较容易=4;非常容易=52.3 7(1.1 0 2)2.5 4(1.0 1 5)-0.1 7*信息易得性村里信息公开程度如何,很不满意=1;不满意=2;一般=3;基本满意=4;很满意=52.6 3(1.1 5 2)2.9 1(1.1 7 8)-0.2 7 6*金融包容性认知农业银行有发展农畜产品的信贷支持政策,农户的了解程度;不了解=1;有点了解=2;一般=3;比较了解=4;非常了解=51.9 3(1.1 0 4)2.0 4(1.0 4 4)-0.1 1*注:*表示p0.1,*表示p0.0 5,*表示p0.0 1,下同。(三)模型设定1.内生转换模型。由于经济条件与社会资本较好的农户会更倾向于使用数字金融,因此自选择偏误成为主要内生性来源。同时也存在不可观测因素如农户的学习能力、认知等会影响数字金融使用决策与气候适应性技术采纳决策,也会导致样本选择偏误产生内生性。本文通过使用内生转换回归模型(E S R)克服由于可观测及不可观测因素造成的样本选择偏误,计算反事实假设下的平均处理效应3 5,探究数字金融使用对农户气候适应性行为的真实影响。在稳健性检验时通过工具变量法进行估计,保证结果的有效性与准确性。E S R模型构建过程分两步:第一步为行为选择方程,用于估计农户数字金融使用决策的影响因素;第二步为结果方程,即农户采取气候适应性行为的影响因素。第一步,行为选择方程构建:S*i=Zi+Ii+ui(1)其中S*i表示农户i使用数字金融的潜变量,Si=1表示使用,Si=0表示未使用;Zi表示控制变量;Ii为识别变量;、表示各变量估计系数;ui为随机扰动项。第二步,结果方程构建:Ymi=mXmi+mumi+mi,如果Si=1(2)Yni=nXni+nuni+ni,如果Si=0(3)方程(2)是使用数字金融农户的气候适应性技术采纳程度估计方程,方程(3)表示未使用数字金融农户131 第2期 李桦,等:数字金融对农户气候适应性行为的影响的气候适应性技术采纳程度估计方程。Ymi、Yni表示使用、未使用数字金融农户的气候适应性技术采纳程度,Xmi、Xni表示控制变量,mi、ni为随机干扰项。为克服不可观测因素引起的自选择偏误问题,引入逆米尔斯比率mi、ni及其协方差mu=C o v(ui,mi)、nu=C o v(ui,ni),使用完全信息极大似然法对(1)(3)式进行估计,m、n为待估计参数。本文比较事实及反事实情境下农户是否使用数字金融的气候适应性技术采纳程度的平均处理效应。使用数字金融农户的气候适应性技术采纳程度的期望值:EYmi|Si=1=mXmi+mumi(4)未使用数字金融农户的气候适应性技术采纳程度的期望值:EYni|Si=0=nXni+nuni(5)在反事实假设下,使用数字金融的农户若未使用,其气候适应性技术采纳程度期望值:EYni|Si=1=nXmi+mumi(6)在反事实假设下,未使用数字金融的农户若使用,其气候适应性技术采纳程度期望值:EYmi|Si=0=mXni+muni(7)通过比较(4)与(6),可得实际使用数字金融农户的气候适应性技术采纳程度的平均处理效应(A T T):A T T=EYmi|Si=1-EYni|Si=0=(m-n)Xmi+(mu-nu)mi(8)同样的,比较(5)与(7),可得实际未使用数字金融农户的气候适应性技术采纳程度的平均处理效应(A T U):A T U=EYmi|Si=0-EYni|Si=0=(m-n)Xni+(mu-nu)ni(9)2.中介效应模型。由于本文中的中介变量为类别变量,参考相关文献3 6进行中介机制检验,按照逐步回归法构建以下方程,其中第二步选择的是O L o g i t模型,其余为P r o b i t模型:Yi=c1Si+1Zi+1(1 0)Mi=a Si+2Zi+2(1 1)Yi=c2Si+b Mi+3Zi+3(1 2)式中:Yi表示农户气候适应性技术采纳程度,Si表示数字金融使用,Mi为中介变量,Zi为控制变量,a、b、c1、c2以及1、2、3为待估计系数,1、2、3为随即干扰项。3.调节效应模型。通过借鉴已有文献做法,构建如下模型,验证农户金融包容性认知是否会强化数字金融对农户气候适应性技术采纳行为的积极作用,进行调节效应检验。Yi=d0+d1Si+diUi+d3SiUi+4(1 3)式中:d为待估计系数,Si表示数字金融使用,Ui表示调节变量,本文以交互项SiUi的系数d3的显著性来判断调节效应是否存在。三、实证结果分析(一)数字金融使用对农户气候适应性行为影响的回归分析数字金融使用对农户气候适应性行为影响的估计结果如下表所示,模型中W a l d检验值为4 6.6 8并在1%水平上显著,表示拒绝选择方程与结果方程相互独立假设。l n s0与l n s1在1%水平上显著且不等于0,表示存在不可观测因素同时影响农户的数字金融使用决策和气候适应性行为采纳,因此选用E S R模型进行估计是合理的。模型1为数字金融使用的选择方程。其他条件不变时,在个人特征层面,户主性别正向影响农户是否使231 西北农林科技大学学报(社会科学版)第2 4卷用数字金融;这是由于户主通常为家庭生产决策者,如果户主是男性,男性作为传统的经济支柱,可能更多地接触和控制财务资源,这导致他们更有可能使用数字金融。如果户主是女性,妇女在家庭小额信贷和社区储蓄方面发挥着主导作用,这使她们更愿意使用数字金融工具。当涉及到财务决策时,男性和女性通常有不同的风险承受能力和偏好,这些差异可能会影响他们采用数字金融的意愿。由于调研区域主要以单家独户的小农户居多,有些农户更愿意相信自己的务农经验,因此务农年限越长,选择使用数字金融概率越低;在家庭特征方面,农户离银行网点的距离抑制数字金融使用,这是由于农户距离银行越近,获取相关数字金融服务更便利,使用数字金融获取信息与资金的概率更高;家庭务工劳动力越多则越能促进农户数字金融使用,这是因为数字金融使用促进了家庭成员间的经济互动,在外务工也有助于提高农户对数字金融的认识,从而促进数字金融的使用,这也与相关学者3 7结论一致。模型2与3分别为未使用数字金融、使用数字金融的农户气候适应性行为估计结果。对于使用数字金融的农户,健康状况越好、上学年限越高,表示农业劳动力素质越高,更有能力去利用数字金融解决信息、资金等方面困难,从而促进其适应性行为。耕地面积越大,就需要越多的资金去采取气候适应性行为,同时也需要更加全面的信息去决策采取何种适应性行为。此外,使用数字金融的农户中,接受本地应对气象灾害相关技术培训会促进气候适应性行为,这种培训可以提高农户自身素质,帮助理解数字金融在气候适应性行为方面的信贷政策,也会提供相关气象信息,最终促进气候适应性行为;对于未使用数字金融的农户,耕地面积大小也和气候适应性行为正相关,但其影响效应比使用数字金融农户小,这是由于未使用数字金融农户也会根据经验或者向使用数字金融的农户学习,采取调整农时、增加灌溉等措施,这也属于气候适应性技术的采纳。表2 数字金融使用决策模型与气候适应性行为采纳模型估计结果变量选择方程(数字金融使用决策)结果方程未使用数字金融使用数字金融性别0.2 4 03*(1.9 0 04)0.5 5 81(1.5 8 77)0.1 5 37(1.1 3 84)年龄-0.0 0 21(-0.5 3 32)0.0 0 97(1.4 4 28)0.0 0 57(1.4 2 90)上学年限0.0 0 24(0.2 0 21)-0.0 1 42(-0.6 5 61)0.0 0 76*(1.9 8 21)健康状况0.0 5 82(1.0 5 75)0.1 9 54*(1.8 5 86)0.1 7 20*(3.1 4 35)务农年限-0.0 0 74*(-2.3 3 39)-0.0 0 37(-0.6 6 37)-0.0 0 29(-0.8 8 04)到银行网点距离-0.0 0 94*(-2.4 4 37)0.0 1 19*(1.8 4 25)-0.0 0 14(-0.3 2 54)耕地面积0.0 0 13(0.7 1 98)0.0 0 10*(2.7 8 02)0.0 1 20*(3.1 4 94)耕地块数0.0 0 34(0.4 4 51)-0.0 0 14(-0.1 4 33)-0.0 1 53(-1.3 2 23)家庭务农劳动力数0.0 8 63(1.4 1 32)0.2 7 36(1.1 5 76)0.0 2 57(0.5 9 49)家庭务工劳动力数0.1 3 08*(3.1 6 51)0.1 0 72(1.3 2 00)0.0 5 11(1.4 7 66)农业收入占比-0.1 4 26(-1.3 4 25)-0.2 7 50(-1.4 3 98)-0.0 9 57(-0.9 2 70)是否接受培训0.1 3 22(1.3 7 44)0.1 5 09(0.8 3 87)0.3 2 34*(3.5 1 61)工具变量1.0 1 38*(9.2 4 56)常数项0.1 7 92(0.5 2 58)0.4 8 03(0.7 4 42)0.8 8 98*(2.6 1 63)l n s00.2 6 88*(5.4 4 13)l n s10.2 0 49*(4.6 5 54)0-0.4 1 76*(2.8 9 72)10.6 7 60*(3.3 1 24)方程独立性检验1 5.1 7*W a l d检验值4 6.6 8*对数似然值-28 5 4.3 7 74样本量13 8 43 4 810 3 6 (二)数字金融使用对农户气候适应性行为影响的平均处理效应本文在E S R模型结果的基础上,进一步估计使用数字金融对农户气候适应性行为的平均处理效应,如331 第2期 李桦,等:数字金融对农户气候适应性行为的影响表3所示,其中使用数字金融的农户气候适应性行为估计结果为2.0 1 93,在反事实假设下,如果使用数字金融的农户未使用时,其气候适应性行为将会下降到1.9 9 86;未使用数字金融的农户气候适应性行为估计结果为1.9 0 95,在反事实假设下,如果未使用数字金融的农户使用时,其气候适应性行为将会上升至1.9 8 55,提升比例为4%;此外,A T T1 0,拒绝弱工具变量假设;第二阶段估计结果显示,数字金融使用对农户气候适应型行为的影响是正向显著,这与P r o b i t估计结果也是一致的。表4 工具变量法估计结果变量农户气候适应型行为第一阶段估计结果第二阶段估计结果工具变量0.8 7 56*(0.0 2 6)F值9 6.1 5数字金融使用0.3 2 20*(0.1 6 0)2.替换主模型法。为检验E S R模型估计结果的稳健性,本文还使用不同主回归模型来进行稳健性检验。如表5所示,P r o b i t与L o g i t估计结果均为:数字金融使用与农户气候适应性行为显著正相关,并且P r o b i t的边际效应大于L o g i t。表5 P r o b i t与L o g i t估计结果变量 模型(1)P r o b i t模型(2)L o g i t数字金融使用0.3 0 69*(2.9 3 26)0.5 6 57*(2.8 8 46)控制变量是是边际效应0.0 5 24*0.0 5 06*L R25 8.0 1*5 8.3 3*P s e u d oR20.0 6 250.0 6 28 (四)异质性分析1.数字金融使用对不同类型气候适应性行为的影响差异。不同的农业生产要素的属性不尽相同,针对不同的农户气候适应性行为,数字金融使用可能会存在异质性。基于此,本文将农户气候适应行为分为资本型、劳动型、技术型三个大类分别进行检验,表6回归结果显示,使用数字金融对资本型、劳动型、技术型适应性行为均有正向的显著影响,其中,数字金融使用对资本型、劳动型的适应行为影响程度更大,其边际效应分别为0.0 7 24和0.0 6 39,对技术型适应行为影响相对较小,边际效应为0.0 4 49,促成这种异质性的原因可能是:技术型适应性行为涉及对现有种植技术的改进,对农户的知识储备以及生产技术都有较高的要求,因而在有数字金融支持下,农户更有可能会选择直接付出一定的资金的资本型适用行为和调整播种、灌溉等耕作的时间或者生产要素的投入的劳动型适应性行为来适应气候变化,保障农业生产顺利进行。431 西北农林科技大学学报(社会科学版)第2 4卷表6 数字金融使用对不同类型气候适应性行为的影响差异估计结果变量技术型(1)资本型(2)劳动型(3)数字金融使用0.1 7 36*(0.0 9 18)0.1 8 60*(2.3 0 87)0.1 6 43*(2.0 3 90)控制变量是是是边际效应0.0 4 49*0.0 7 24*0.0 6 39*L R22 6.5 5*4 2.9 0*4 3.8 1*样本量13 8 4 13 8 4 13 8 4 P s e u d oR20.0 2 03 0.0 2 24 0.0 2 28 2.反事实假设下数字金融使用对不同类型气候适应性行为的影响差异。表7中估计结果显示,数字金融使用对不同类型的气候适应性行为采纳的提升效果不同。数字金融使用对技术型、资本型、劳动型气候适应性行为采纳的A T T分别为0.0 5 5、0.0 5 7、0.0 0 9,再次验证表6中结果。表7反事实假设下数字金融使用对不同类型气候适应性行为的影响差异估计结果分组变量使用数字金融未使用数字金融A T T资本型0.6 1 3(0.0 0 5)0.5 5 6(0.0 0 3)0.0 5 7*(0.0 0 6)劳动型0.5 4 7(0.0 0 8)0.5 3 8(0.0 0 2)0.0 0 9*(0.0 0 8)技术型0.5 2 0(0.0 0 2)0.4 6 6(0.0 0 9)0.0 5 5*(0.0 0 9)3.数字金融使用对不同农业收入占比、培训的农户气候适应性行为影响差异。数字金融对农户气候适应性行为的影响会因农户的收入来源不同而产生差异,本文以农业收入占家庭收入比重均值为界限进行了异质性检验。将高于均值的样本视为高农业收入水平,其余样本视为低农业收入水平,如表8中列(1)(2)的结果所示,检验结果均在5%的水平上显著。高农业收入家庭的回归系数为0.3 7 74,边际效应为0.0 5 72;低农业收入家庭的回归系数为0.2 9 69,边际效应为0.0 5 02。在家庭主要收入来源不同的情况下,数字金融对于农户气候适应性行为的影响存在显著差异。其内在逻辑可能是:相对于农业收入占比低的农户来说,占比高的农户主要以务农为主为了保证经济收入的稳定,他们会更积极的采取措施来适应气候变化,而使用数字金融可以提高农户应对气候风险冲击的能力,同时优化资源配置以提高粮食产量,因而数字金融的使用对于高农业收入的家庭的气候适应性行为的促进效果更加显著。数字金融对农户气候适应性行为的影响也会因为农户是否进行农业气象灾害相关技术培训而产生差异,结果如表8中列(3)(4)所示。列(3)结果表明,未接受农业气象灾害相关技术培训的农户系数为0.2 2 55在1 0%的水平上显著;列(4)显示,接受农业气象灾害相关技术培训的农户系数为0.6 8 79,在1%的置信水平显著。这表明相对于未进行农业气象灾害相关技术培训的农户来说,进行相关技术培训的农户会更有可能在数字金融政策的帮扶下,积极的采取气候适应性行为保障生产。可能的原因为:恰当的技术培训在数字金融政策使用和农户气候适应性行为之间起到了桥梁的作用,让农户更清晰地了解不同的农业气象灾害相关技术,降低农户的认知偏差与缓解农户对技术使用的排斥心里,促使农户更合理的采取数字金融政策来应对气候变化,增加了农户采取气候适应性行为的可能性。表8 数字金融使用对不同农业收入占比、培训的农户采纳气候适应性行为影响差异估计结果变量低占比(1)高占比(2)未培训(3)培训(4)数字金融使用0.2 9 69*(2.1 3 01)0.3 7 74*(2.2 2 09)0.2 2 55*(1.9 5 35)0.6 8 79*(2.5 9 03)控制变量是是是是边际效应0.0 5 02*0.0 5 72*0.0 4 32*0.0 6 55*L R28 2.5 1*1 2.1 03 9.4 2*1 8.4 3样本量8 5 1 5 3 3 10 4 6 3 3 8 P s e u d oR20.1 3 48 0.0 3 86 0.0 5 10 0.1 3 11 四、机制分析基于前文理论分析,使用数字金融可以通过农户信贷易得性、信息易得性两条中介机制影响农户气候适531 第2期 李桦,等:数字金融对农户气候适应性行为的影响应性行为以及农户对数字金融包容性的认知,在数字金融对其气候适应性行为的影响中起到正向调节作用。机制检验结果如表9所示。表9 机制检验估计结果变量模型(1)行为模型(2)借贷易得性模型(3)行为模型(4)信息易得性模型(5)行为模型(6)行为数字金融借贷易得性信息易得性金融包容性认知数字金融金融包容性认知控制变量样本量L R2P s e u d oR2中介效应中介效应/总效应0.3 0 69*0.1 8 84*0.1 1 82*0.4 0 26*0.2 9 31*0.3 3 33*(2.9 3 26)(2.0 8 76)(1.6 7 25)(3.5 1 18)(2.8 0 72)(3.2 8 90)0.1 0 22*(2.1 5 05)0.1 4 12*(3.5 3 38)0.0 9 94*(2.0 8 87)0.1 6 16*(1.7 4 15)控制控制控制控制控制控制13 8 413 8 413 8 413 8 413 8 413 8 45 8.0 1*6 1.9 4*5 5.0 0*6 0.1 5*5 4.2 1*6 5.4 4*0.0 6 250.0 1 590.0 1 270.0 5 810.0 1 430.0 7 050.0 1 90.0 5 70.0 6 30.1 8 5 由模型(1)结果可知,核心解释变量的系数在1%的水平上显著为正,表明使用数字金融对农户气候适应性行为有直接的推动作用,模型(2)中显示了使用数字金融对于农户借贷易得性的回归结果,回归系数显著为正,进一步说明数字金融的使用能够从农户借贷渠道、借贷形式等多个方面来提升农户的贷款的可得性