《Frontiers in Sustainable Food Systems》：Digital inclusive finance and eco-development efficiency in China’s pastoral regions: conditional, nonlinear and heterogeneous evidence from Inner Mongolia
编辑推荐：
摘要
引言：生态脆弱的牧区面临着改善生计与维持生态系统稳定性的双重挑战，使其成为实现可持续和韧性粮食系统的关键区域。方法：本研究利用2016–2023年中国内蒙古54个牧区和半牧区县的县级面板数据，考察数字普惠金融（DIF）与生态发展效率（EDE）之间的关
摘要
引言：生态脆弱的牧区面临着改善生计与维持生态系统稳定性的双重挑战，使其成为实现可持续和韧性粮食系统的关键区域。方法：本研究利用2016–2023年中国内蒙古54个牧区和半牧区县的县级面板数据，考察数字普惠金融（DIF）与生态发展效率（EDE）之间的关联。研究人员采用投入导向的BCC-DEA模型测度EDE，并使用面板Tobit回归模型检验DIF与EDE之间的关联。结果：结果表明，DIF在牧区的生态作用是条件性的，而非固有的正或负，随结构条件、县域类型、发展阶段和更广泛的背景因素而变化。在控制共同时间趋势后，DIF与EDE呈显著负相关；相关随机效应分析表明，这一模式主要反映了县域间持久的结构性差异，而非县域内的短期变化。在DIF的维度中，覆盖广度与EDE显著负相关，而使用深度和数字化程度在控制共同时间趋势后与EDE无显著关联。产业结构进一步调节了这一负向关联，表明当地结构条件可能塑造DIF的生态作用。异质性分析显示，DIF与EDE的负相关主要出现在纯牧区县，而在半牧区县未发现显著关联。非线性分析揭示了倒U型关系，表明DIF的生态含义随发展阶段而变化。讨论：这些发现表明，牧区的数字普惠金融政策应从规模导向扩张转向质量导向、结构兼容和生态引导的发展，从而更好地支持绿色发展和可持续的牧区粮食系统。
**论文解读文章**
**研究背景与问题**
生态脆弱的牧区面临改善牧民生计与维持草原生态系统稳定性的双重挑战，是实现可持续和韧性粮食系统的关键区域。数字普惠金融（DIF）通过移动支付、在线信贷等数字技术，有望降低金融排斥、改善资源配置、支持可持续发展。然而，现有研究多聚焦于传统农业区或城市经济，对牧区关注不足。更重要的是，许多研究假设数字金融产生线性且正向的发展效应，忽视了其生态效应可能随维度、发展阶段和区域条件而变化。在牧区，DIF的生态后果可能更为复杂：一方面可能缓解融资约束、促进绿色生产；另一方面，过度或低质量的金融扩张可能加剧资源密集型活动和土地压力。因此，需探讨DIF与牧区生态发展效率（EDE）之间的条件性、非线性和异质性关系。本研究利用内蒙古54个牧区县2016–2023年面板数据，旨在填补这一空白，为牧区绿色发展和可持续粮食系统提供实证依据。论文发表在《Frontiers in Sustainable Food Systems》。
**主要技术方法**
研究采用投入导向的BCC-DEA模型（数据包络分析，可变规模报酬）测度生态发展效率（EDE），投入指标包括工业企业数、农作物播种面积、政府预算支出；产出指标包括归一化植被指数（NDVI）和人均GDP。样本来源为内蒙古54个牧区和半牧区县2016–2023年面板数据（432个县-年观测值）。社会经济数据来自《内蒙古统计年鉴》，DIF指数及子维度（覆盖广度、使用深度、数字化程度）来自北京大学数字普惠金融指数，气象数据来自Peng的1 km月尺度网格数据集，NDVI来自NASA MOD13A3。基准回归采用随机效应面板Tobit模型，控制年份固定效应，使用500次Bootstrap标准误。进一步采用相关随机效应（CRE）模型区分县间与县内效应，引入DIF平方项检验非线性关系，使用1989年邮电业务量与滞后全国互联网用户数的交互项作为工具变量进行两阶段最小二乘法（2SLS）估计，并通过替换DEA模型（SBM-DEA）、替换投入指标（冷季可食牧草储备）等进行稳健性检验。
**研究结果**
**4.1 生态发展效率（EDE）测度结果**
全样本平均EDE为0.4400，表明牧区生态经济协调发展仍有较大提升空间。纯牧区县平均EDE（0.4736）高于半牧区县（0.3872），且这一差异在样本期内持续存在，表明后续分析需考虑县域类型异质性。
**4.2 基准回归结果**
在控制年份固定效应后，DIF与EDE在10%水平上显著负相关。若不控制年份固定效应，则DIF系数显著为正，表明正向关联对共同时间趋势敏感。CRE模型显示，DIF的县间成分（between-county）与EDE在1%水平上显著负相关，而县内成分（within-county）不显著，说明负关联主要源于县域间持久的结构性差异，而非短期变化。
**4.3 DIF的维度异质性**
覆盖广度（Dcb）在两种规格中均与EDE显著负相关。使用深度（Dud）和数字化程度（Ddl）在不控制年份固定效应时显著为正，但控制年份固定效应后不再显著，表明其正向关联主要反映共同时间趋势，而非独立生态效应。
**4.4 产业结构的调节效应**
DIF与产业结构（TSS，第三产业占GDP比重）的交互项在5%水平上显著为负，表明产业结构负向调节DIF与EDE的关系。即第三产业占比越高，DIF与EDE的负关联越强，说明服务部门扩张（如旅游、商业）可能加剧生态压力。
**4.5 区域异质性**
在纯牧区县，DIF与EDE在10%水平上显著负相关，覆盖广度同样显著负相关；在半牧区县，DIF及其三个维度均无显著关联。表明负关联主要集中于纯牧区县，其草地依赖型生产使金融扩张更易与生态压力关联。
**4.6 非线性效应**
DIF一次项显著为正，平方项显著为负，证明DIF与EDE呈倒U型关系。拐点（86.7007）位于样本DIF范围（75.09–129.51）内，多数县已超过拐点，表明进一步扩张未必带来更高EDE。
**4.7 稳健性检验**
置换检验（1000次随机分配）显示观测系数位于分布尾部，置换p值<0.001，排除伪相关。2SLS工具变量估计中，Kleibergen-Paap rk LM统计量显著，F统计量超过弱识别临界值，第二阶段DIF系数仍显著为负。替换为固定效应OLS、随机效应OLS、滞后一期DIF、Simar-Wilson截断回归、SBM-DEA模型以及纯牧区县替换投入指标（冷季可食牧草储备）后，负关联均保持稳健。
**讨论与结论**
讨论部分指出，DIF在牧区的生态效应并非固有的正或负，而是高度依赖当地生态承载力、产业结构、治理条件和金融资源配置方向。覆盖广度的负向关联表明，单纯扩大金融覆盖未必带来生态效益；使用深度和数字化程度在控制时间趋势后不显著，说明其生态价值需与绿色生产和生态治理有效连接。产业结构的负向调节表明，第三产业扩张可能伴随土地密集型活动，削弱DIF的生态潜力。县域异质性显示，纯牧区县对金融扩张更敏感。非线性分析证实了阶段依赖性，低水平DIF可能缓解约束，但超过阈值后边际效益下降。结论强调，牧区数字金融政策应转向质量导向和生态引导，而非规模扩张，将金融资源导向可持续畜牧业、草地恢复和绿色技术，并与产业规划、土地利用监管和生态治理相协调。
**翻译研究结论部分**
6.1 主要发现
本研究考察了DIF对内蒙古牧区和半牧区县EDE的生态效应。结果表明，DIF与EDE的关系是条件性的而非统一正向，取决于时间趋势、结构条件、县域特征和发展阶段。第一，DIF的生态效应对共同时间趋势和跨县结构差异敏感。在无年份固定效应的规格中DIF与EDE正相关，但控制共同时间冲击后系数显著为负；CRE分析进一步揭示这一负相关主要反映县域间持久差异而非短期变化。第二，DIF的内部结构塑造其生态效应：覆盖广度与EDE显著负相关，而使用深度和数字化程度在控制年份效应后无显著净效应，表明单纯扩大金融可及性未必产生生态效益，服务质量和应用更相关。第三，DIF的生态效应随地方结构和区域条件变化：产业结构负向调节DIF与EDE的关系；县域类型异质性显示负关联主要集中于纯牧区县。最后，非线性分析识别出倒U型关系，DIF在较低发展水平可能促进EDE，但超过阈值后边际生态效益下降。
