中國地區農業技術進步及其影響因素的空間計量分析

熊德斌+賈振杰+王鑫鑫

摘要：文章在文獻分析的基礎上，建立了農業技術進步影響因素的空間計量模型，并運用1978～2015年大陸31個省、市、自治區的數據進行實證研究。文章以農業機械化使用情況來衡量技術進步，首先，運用MoranI指數證明我國農業機械化存在空間相關性，其次，對各變量進行LM檢驗，從而選擇適合研究對象的空間誤差模型（SEM）；然后，運用豪斯曼檢驗確定模型使用效果較好的固定效應；最后，用聚類穩健的標準誤得到模型估計結果。結果表明：1.農業從業勞動力對機械化的影響不顯著，土地投入、農民人均純收入、人均糧食產量、產業結構均顯著；2.土地投入、農民人均純收入、人均糧食產量對農業機械化有正向影響，產業結構的影響系數為負，并且土地投入對農業機械化的影響最大，彈性系數為1.065；3.空間自相關系數λ為0.584，通過1%的顯著性檢驗，與MoranI指數一致表明農業機械化存在空間正相關性。

關鍵詞：中國；農業機械化；空間計量

一、引言

隨著國民經濟的高速發展，我國農業生產水平持續提升，伴隨著農業機械化水平不斷提高，投入農業生產的各要素的產出效率也得到提升。農業機械化對生產要素的投入結構尤為重要?！笆濉鞭r業現代化總體規劃指出，逐步實現農業科技進步貢獻率、主要農作物耕種收綜合機械化率分別達到56%和63%，基于不同地區的資源稟賦差異，如何在促進技術進步的同時，提高農業機械化水平成為迫切要解決的問題。基于中國各省份不同的地勢地形、資源稟賦等，省域農業機械化水平有較大差異，最明顯的影響農業機械化水平的因素是耕種土地的破碎程度，特別是山地農業，使用大型機械最為困難。在推進農業機械化的進程中，分析相關因素的影響程度，并提出具體的改進措施，成為了眾學者研究的熱點問題。在分析農業機械化問題時，由于各省都有不同的發展水平，省域之間各因素相互獨立的假設前提不再適用，各省份之前的相鄰效應、溢出效應有著不可忽視的作用。

基于我國農業機械化發展的迫切需要，本文選取全國31各?。ㄊ校﹨^1978～2015年的相關數據，使用空間計量的方法，探討各因素對農業機械化進程的影響，揭示影響作用的同時，體現省域之間的空間相關關系。

二、理論基礎

對農業機械化的影響，最被人們熟知的就是地勢地形、耕地塊數以及耕地破碎程度。較多山地地區的可耕種土地較少，甚至被分割成很多塊，造成土地破碎化。相比平原地區，這些地方的機械化水平明顯要低，推廣機械化的路徑就只有研發適合山地資源稟賦的小型機械。另一方面，隨著勞動力成本上升，非農就業機會增多，農民不愿再從事農業種植，那么愿意從事農業生產的少部分農戶擁有的可耕地增多，原來以勞動為主的生產方式已經不再適用，那么這在一定程度也會增加機械化的使用。對于農戶自身來說，隨著生活水平的提高，農戶的生產偏好有所改變，不愿意在農業生產中投入更多的勞動，更愿意由機械來完成，并且機械化投入大大節約了農民的生產成本。隨著農民收入的增多，家庭有更多的可支配收入來購買農業機械。農民收入很大一部分來自糧食產量，而糧食產量的提高，促使農戶愿意投入更多的資金購買農業機械。不同地區產業結構的分布也會影響此產業的生產經營方式，農業產值占GDP比重越大，則農業受相關政策的支持越利好，如購買農用機械補貼，糧食補貼等，政府也會通過提升機械化水平，進而提升農業總產值，使國民經濟得到更好進展。另外，農業機械化也受科技進步、工業化程度等方面的影響。

基于投入要素和農戶的視角，本文從勞動力、土地投入、農民人均純收入、人均糧食產量、產業結構這五個方面對農業機械化水平的影響來分析，探索各因素對農業機械化的影響程度，以及透過省域數據，呈現機械化水平的空間相關性，對現狀的農業機械化水平做合理分析，為農業技術進步的提升提供參考。

三、研究方法、變量及數據來源

（一）研究方法

空間計量經濟學誕生于20世紀70年代，它是在做經濟計量的橫截面或面板數據的基礎上，增加空間數據，通常這種空間數據用空間權重矩陣的形式出現?？臻g權重矩陣可以是橫截面單位的位置或距離信息，也可以是經濟距離。在經濟學中，許多經濟數據都與地理位置相關，比如用來描述中國各省的經濟發展狀況的相關數據，都與其空間位置有關?？臻g因素的加入，使空間計量經濟學更準確的說明經濟區域發展關聯程度。

在進行計量時，首先應考察數據是否存在空間依賴性。空間可以再多個方向上表現出相關性，表現在數據上是位置相近的區域有相似的變量取值。在度量空間自相關時，本文選取最常用的 “莫蘭指數I”（MoranI）的方法。莫蘭指數I的取值一般在-1和1之間，大于0表示正空間自相關，即高值與高值相鄰、低值與低值相鄰；小于0表示負空間自相關，即高值與低值相鄰。

在確定使用空間計量方法后，要選擇模型形式。一般的空間面板模型表達式為：

其中，y是被解釋變量yi，t的一階滯后，當τ≠0時為動態面板；dXδ表示解釋變量的空間滯后，d為相應空間權重矩陣D的第i行；γ為時間效應；m表示擾動項空間權重矩陣M的第i行。特殊地，如果τ=ρ=0且δ=0，模型表達形式為y=xβ+ui+γ+ε，ε=λmε+vit，稱之為“空間誤差模型”（SEM）；如果τ=λ=0且δ=0，模型表達形式為yit=ρwy+xβ+u+γ+ε，稱之為“空間誤差模型”（SLM）。根據Anselin（1988）的觀點，空間計量模型主要分為空間滯后模型（SLM）與空間誤差模型（SEM），通過將結果進行LM檢驗而選出最優模型。其次，本文將使用聚類穩健的標準誤估計模型的隨機效應和固定效應，并運用豪斯曼檢驗選擇使用隨機效應還是固定效應。

（二）變量

本文選取1978～2015年全國31個省市的相關數據，為衡量農業機械化程度，選取省域農業機械總動力（mach，萬千瓦）作為被解釋變量，解釋變量包括投入土地（land，千公頃）、勞動力投入（labor，萬人）、農民人均純收入（income，元）、人均糧食產量（crop，千克）、農業產業結構（struc）。模型中使用的數據均是各變量取對數后的值。endprint

其中土地投入變量用農作物播種面積表示。農業勞動力投入無法直接獲得，本文根據鄉村從業人員的數量進行了換算。鄉村從業人員中包括在種植業、動物飼養、漁業、林業等生產中的勞動者人數，為了得到種植業部門中的勞動力估計，鄉村從業人員按農作物產出占農業總產出的價值份額，即按農業總產值占農林牧漁業總產值的份額，進行加權。對于農民純收入，由于2013～2015數據缺失，本文用農村居民人均可支配收入代替。對于農業產業結構，本文用農業總產值占GDP比重表示，此指標可以衡量各省的農業在總體經濟中的地位。

此外，在計算空間權重矩陣時，除了使用基于地理相鄰關系的簡單權重矩陣（W）外，本文還使用各省在樣本期間的平均農業總產值之間的差額作為測度省域間經濟距離的指標（E），最終的經濟空間權重矩陣為W*=W×E，本文使用的是該矩陣進行標準化的矩陣。其中矩陣W中元素都是0，1值，主對角線元素都是0，各省相鄰為1，否則為0；矩陣E的主對角線元素都是0，其他的（i，j）元素為Eij=（i≠j）， 為省域i在樣本期間的平均農業總產值。并且基于地理關系和經濟聯系程度，把海南省與廣東省視為相鄰省份。

（三）數據來源

文中數據來源于中國經濟與社會發展統計數據庫，以及《中國統計年鑒》、《中國農村統計年鑒》和《新中國六十年統計資料匯編》，部分數據來自各省歷年統計年鑒。本文進行空間計量分析所使用的軟件是Stata，部分數據處理以Matlab作為輔助。

四、實證結果分析

（一）中國省域農業機械化的空間相關性檢驗

在進行全國省域農業機械化的空間相關性時，選擇使用莫蘭指數I。首先運用Stata生成經濟空間權重矩陣，計算全國1978～2015年的機械總動力的全局MoranI值。由MoranI值結果可知，1978～2015年各年的p值均通過檢驗水平為1%的顯著性檢驗，說明全局空間自相關指標都拒絕“無空間自相關”的原假設，即存在空間自相關。

（二）空間計量模型選擇的相關檢驗

1. LM檢驗

依據估計結果進行LM（Lagrange multiplier）檢驗，LM統計量是考察約束條件的拉格朗日乘子是否為零，因為假設約束條件成立，那么這個約束條件應該對估計沒有影響，那么拉格朗日乘子應該為0。

模型使用Matlab做LM檢驗，對空間滯后模型（SLM）與空間誤差模型（SEM）做出選擇。由結果可知，在進行空間與時間固定效應的LM診斷時，LM-lag和LM-error的LM值分別為5.343、17.1938，p值（0.021、0.000）均通過5%的顯著水平。在進行穩健性LM檢驗時，RLM-lag和RLM-error的LM值分別為1.102、12.953，RLM-error的p值（0.000）通過1%的顯著水平，但RLM-lag的p值（0.294）沒有通過顯著性檢驗，故而模型選擇空間誤差模型（SEM）。

2. 豪斯曼檢驗

先使用聚類穩健的標準誤分別估計隨機效應和固定效應的空間誤差模型（SEM），再由豪斯曼檢驗選擇使用隨機效應還是固定效應。結果顯示，豪斯曼統計量為17.15，p值等于0.0042，在1%檢驗水平上顯著，故而可以拒絕“接受隨機效應”的原假設，因此該模型選擇固定效應。

3. 模型估計結果

由以上部分檢驗可知，本次研究最終選取的模型為固定效應的空間誤差模型。本文使用的SEM面板固定效應模型為：

lnmachit=αi+β1lnlaborit+β2lnlandit+β3lnincomeit+β4lncropit+β5lnstrucit+λWεit+uit（2）

其中i代表省份單位標識，t代表1978～2015年各個年度，uit代表隨機擾動項，αi為截距項，β1～β6為系數，λ是空間自相關項系數，ln表示對變量取自然對數，W是空間權重矩陣。固定效應的SEM模型估計結果如表1所示，模型的擬合優度是0.903，變量lnlabor未通過10%水平的顯著性檢驗，變量lncrop和變量lnstruc均通過了5%水平的顯著性檢驗，變量lnland、lnincome均通過了1%的顯著性檢驗。

勞動力（lnlabor）對農業機械總動力的彈性為0.253，但是未通過10%的顯著性檢驗，可能的原因是農業機械的使用已經不再受勞動力投入的影響；土地投入（lnland）對農業機械總動力的彈性為1.065，表示土地投入增加1%將帶來農業機械總動力1.065%的增加，此變量足以表明土地投入對機械化的影響程度之大，結果凸顯了土地的重要性。人均糧食產量對農業機械總動力的彈性為0.354，農民人均純收入（lnincome）對農業機械總動力的彈性為0.324，人均糧食產量、人均純收入增加，都會帶來農業機械總動力的增加；農業總產值比重（lnstruc）對農業機械總動力的彈性為-0.327，這種現象可能的原因是隨著各省的經濟發展，其他產業的增長高于農業增長，導致即使農業總產值增加，但其所占GDP比重依然變小，但機械總動力依然是增加的。

空間自相關系數λ為0.584，通過1%的顯著性檢驗，表明農業生產投入對機械化的影響確實存在空間相關性。λ度量了鄰近省份關于機械化數據的統計誤差對該省觀測值造成的沖擊，原因在于各省在統計機械化總動力時，多用途機器以及各種機器馬力的換算不同造成統計誤差。另外也度量了其他觀測不到的因素的空間相關性對機械化產生的正向促進作用。

五、主要結論及啟示

文章在對農業機械化及其影響因素進行分析時，首先運用MoranI指數證明我國農業機械化存在空間正相關性，又對選取的變量進行LM檢驗、豪斯曼檢驗確定模型使用固定效應的模型，最后用聚類穩健的標準誤得到模型估計結果。實證結果表明：農業從業勞動力對機械化的影響不顯著，土地投入、農民人均純收入、人均糧食產量對農業機械化有正向影響，產業結構對農業機械化有負向影響，并且土地投入對農業機械化的影響系數最大，空間自相關系數與MoranI指數一致表明農業機械化存在空間正相關性。在提升我國農業機械化水平方面，不但要考慮各影響因素的作用效果，同時還要全面考慮空間相關和空間依賴性。對于農業技術進步的研究還有很多工作要做：進一步展示我國省域農業機械化的空間演化機制及其路徑、準確衡量各省份之間的農業機械化的溢出效應等，都是各界學者需要考慮的問題。

參考文獻：

[1]高鳴，宋洪遠.糧食生產技術效率的空間收斂及功能區差異——兼論技術擴散的空間漣漪效應[J].管理世界，2014（07）.

[2]胡瑞法，黃季焜.農業生產投入要素結構變化與農業技術發展方向[J].中國農村觀察，2001（06）.

[3]羅富民.農業分工演進對丘陵山區農業機械化進程的影響——基于四川南部丘陵山區的空間計量分析[J].中國農機化學報，2014（01）.

[4]孫久文，姚鵬.空間計量經濟學的研究范式與最新進展[J].經濟學家，2014（07）.

[5]王玨，宋文飛，韓先鋒.中國地區農業全要素生產率及其影響因素的空間計量分析——基于1992～2007年省域空間面板數據[J].中國農村經濟，2010（08）.

[6]趙泉午，廖勇海.我國交通基礎設施與物流規模的實證研究——基于中國1998～2010年省域空間面板數據[J].華東經濟管理，2012（03）.

[7]鄭旭媛，徐志剛.資源稟賦約束、要素替代與誘致性技術變遷——以中國糧食生產的機械化為例[J].經濟學（季刊），2017（01）.

*基金項目：本文得到貴州大學2014年文科重點學科及特色學科重大科研項目“耕地擴權與山地農業多種經營方式發展研究”（GDZT201406）項目支持。本文受貴州大學2017年研究生創新基金“貴州農地產權制度對技術進步的影響機制”（研人文2017038）資助。

（作者單位：貴州大學經濟學院）endprint