《Frontiers in Sustainable Food Systems》：Digital financial inclusion and grain production stability: dimensional decomposition and heterogeneous associations in Chinese cities
编辑推荐：
背景：粮食生产稳定性是粮食安全以及联合国可持续发展目标2（SDG 2：零饥饿）的基础，然而现有研究尚未分离数字金融不同维度与农业产出波动之间的独立关联。综合数字金融指数可能掩盖金融包容性各维度之间相反的模式。方法：利用2011—2023年338个中国城市的城市
背景：粮食生产稳定性是粮食安全以及联合国可持续发展目标2（SDG 2：零饥饿）的基础，然而现有研究尚未分离数字金融不同维度与农业产出波动之间的独立关联。综合数字金融指数可能掩盖金融包容性各维度之间相反的模式。方法：利用2011—2023年338个中国城市的城市层面面板数据，研究人员将北京大学数字金融包容性指数分解为三个维度（覆盖广度、使用深度和数字化水平），并使用包含天气控制变量（平均温度、温度变异性、相对湿度和风速）的双向固定效应模型，估计它们与粮食产量波动（3年滚动变异系数）的独立关联。研究人员通过巴蒂克（Bartik）工具变量和省级留一均值工具变量、野簇自举推断、非重叠波动窗口以及因变量的面积-产量分解来检验稳健性，并考察了数字金融、农业保险保费与粮食波动之间的描述性相关关系。异质性分析跨越十个城市层面的维度，并通过正式交互检验进行约束。结果：数字化水平每增加一个城市内部标准差，与粮食产量波动相对于样本均值降低约10%相关（p < 0.001；省级野簇自举p = 0.012）；总体标准差产生一个更大的基准（29%），但这夸大了识别变异，因为固定效应吸收了大部分跨城市离散性。数字化水平的符号在工具变量估计和非重叠窗口中保持一致，但在吸收省级粮食波动依赖性的空间设定中失去显著性。覆盖广度与更高的波动性相关（城市层面聚类p < 0.01；省级层面聚类p = 0.040），这种关联集中于产量波动，尽管通过产量渠道发挥作用的结构性转型混杂因素无法被排除。使用深度在同期不显著，但滞后一期后显著为正。官方加权的综合指数本身不显著（p = 0.70），因为覆盖广度和数字化水平的相反关联相互抵消。农业保险保费与粮食波动呈正相关而非负相关，因此保险不能解释数字化水平的关联。正式交互检验表明，数字化水平的负向关联集中在数字基础设施发达和服务型经济主导的城市；其余子群对比为探索性分析。结论：数字金融包容性对粮食生产稳定性具有维度特定（有时是相反的）的条件关联。证据表明，在城市层面数据中，是数字化水平维度，而非无差异的地理扩张，与粮食波动呈现最一致的负向关联，尽管机制仍属推测，且该关联在空间设定中不成立。
**论文解读：数字金融包容性与中国城市粮食生产稳定性的维度分解与异质性分析**
**研究背景与问题**
粮食生产稳定性是粮食安全的核心，也是联合国可持续发展目标2（SDG 2：零饥饿）的关键支柱。在中国，作为全球人口最多和最大的粮食生产国，稳定的农业产出既是经济需要，也是国家政策的基石。然而，中国338个地级市的粮食生产面临天气冲击、市场波动和农业结构转型等多重压力，气候变化进一步加剧了极端天气事件的频率，增加了理解如何平滑农业产出波动的重要性。数字金融包容性在过去十年中在中国迅速扩张，北京大学数字金融包容性指数显示，从2011年到2023年，综合覆盖率从约30增长至平均232.6。然而，现有研究存在两个主要缺口：一是以往研究多关注生产水平或生产率，对生产稳定性这一直接关乎粮食安全的指标关注不足；二是几乎所有研究均依赖综合数字金融指数，而忽视其三个构成维度（覆盖广度、使用深度和数字化水平）可能具有不同且可能相反的影响。因此，本研究旨在探索数字金融包容性是否能够稳定粮食生产，三个维度是否对粮食产量波动具有不同效应，并识别其作用渠道和城市异质性。
**研究方法与关键技术**
本研究构建了2011-2023年覆盖338个中国城市的城市层面面板数据集，数据来源包括北京大学数字金融包容性指数、城市级农业数据库、中国城市统计年鉴以及数字基础设施数据库。主要技术方法包括：（1）将数字金融包容性指数分解为覆盖广度、使用深度和数字化水平三个维度，作为核心自变量；（2）以粮食产量波动（3年滚动变异系数，CV）为因变量，采用双向固定效应模型（TWFE）控制城市和年份固定效应及天气变量（平均温度、温度变异性、相对湿度和风速）；（3）内生性处理采用两种工具变量策略：巴蒂克工具变量（基于基期2011年数字金融水平与全国平均增长率交互项）和省级留一均值工具变量（同一省份其他城市数字金融的平均值）；（4）稳健性检验包括非重叠波动窗口、5年滚动CV、野簇自举推断（省级层面）、德里斯科尔-克雷（Driscoll-Kraay）标准误、安慰剂检验、留一年份检验、极端值敏感性分析等；（5）异质性分析通过十个城市维度（如数字基础设施、产业结构、财政能力、粮食主产区等）的正式交互检验进行；（6）机制分析通过描述性相关考察农业保险保费与数字金融及粮食波动的关系。
**研究结果**
**基线结果**：双向固定效应模型估计表明，三个维度对粮食产量波动具有显著且相反的关联。数字化水平系数为负且显著（β = -0.018，p < 0.001），覆盖广度系数为正且显著（β = 0.051，p = 0.005），使用深度在同期不显著。数字化水平每增加一个城市内部标准差，与粮食波动降低约10%（相对于样本均值0.050）；覆盖广度每增加一个城市内部标准差，与波动升高约8%。综合数字金融指数本身不显著（p = 0.70），因为覆盖广度和数字化水平的效应相互抵消。
**内生性与工具变量结果**：使用巴蒂克工具变量（第一阶段F=146.27）和省级留一均值工具变量（第一阶段F=131.00）进行2SLS估计，均得到数字化水平系数为负，其中省级工具变量系数显著（β = -0.020，p < 0.05），支持基线结果的方向性。
**稳健性检验**：使用滞后一期变量时，覆盖广度仍为正显著，数字化水平仍为负显著，使用深度变为正显著（β = 0.024，p < 0.05），符合使用深度存在滞后效应的假设。排除直辖市、使用5年滚动CV、非重叠窗口、野簇自举（p = 0.012）等检验均支持数字化水平的稳健性，但覆盖广度在野簇自举下边际不显著（p = 0.062）。在空间模型（空间自回归模型SAR和空间杜宾模型SDM）中，数字化水平失去显著性，表示部分关联源于共享的省级因素。
**波动分解：产量与播种面积**：将总产量波动分解为产量变异系数和播种面积变异系数，发现覆盖广度的影响集中在产量波动（β = 0.059，p < 0.001），而非播种面积波动；数字化水平的影响同时出现在播种面积波动（β = -0.021，p = 0.001）和产量波动（β = -0.012，p = 0.022），表明数字化水平有助于稳定土地分配和降低生产风险。
**保险相关性分析**：数字化水平与农业保险保费正相关，但保险保费与粮食波动正相关（β = 0.004，p = 0.044），而非负相关，且保险保费不能解释数字化水平与波动的负向关联。
**异质性分析**：正式交互检验表明，数字化水平的负向关联在数字基础设施发达（交互项p = 0.033）和服务型经济主导（交互项p = 0.014）的城市中显著更强；财政能力和粮食主产区状态未通过交互检验。其余六个维度的子群对比为探索性分析。
**动态模式**：前向值（未来值）不显著，滞后值（1期和2期）显著为负，表明数字金融采用先于稳定化，支持从采用到稳定的时间顺序。
**讨论与结论**
本研究揭示了数字金融包容性对粮食生产稳定性的维度特定且有时相反的关联。数字化水平与更低的粮食波动相关，而覆盖广度与更高的波动相关，使用深度存在滞后正效应。综合指数因维度抵消而无效。农业保险保费与波动正相关，不能解释数字化水平的稳定效应。异质性表明数字化水平的稳定效应集中在数字基础设施好和服务型经济发达的城市。研究局限性包括：估计为条件关联而非因果效应；空间模型中结果不显著；覆盖广度在保守推断下边际不显著；保险分析限于保费数据且面板较短；城市层面数据无法观察农户行为。研究结论：数字金融包容性的组成比总体水平更重要，投资于数字基础设施和数字化服务可能比单纯扩大账户覆盖更有助于粮食稳定；农业保险产品设计需改进以真正稳定生产；脆弱城市可能需先提升数字素养和基础设施才能受益。未来研究可利用作物特异性数据、极端天气数据、农户层面金融行为记录以及准自然实验设计进一步验证机制和因果效应。论文发表在《Frontiers in Sustainable Food Systems》。
