農機購置補貼的空間溢出效應研究

陳楊，張宗毅

（農業農村部南京農業機械化研究所，江蘇 南京 210014）

農業現代化是鄉村振興戰略和社會主義現代化的重要內容，而農業機械化是農業現代化重要標志，是改造傳統農業武裝現代農業的重要物質基礎[1]。為此，2004年起我國開始了長達15年的農機購置補貼政策，年度補貼資金目前穩定在180億元左右，已經成為促進我國農業機械化和農機工業發展的最大產業政策。每年農業部財政部出臺的全國農機購置補貼政策實施指導意見，也成為農民、農機制造企業、農機經銷商、新聞媒體等各方關注的焦點。那么，農機購置補貼政策的實際效果到底如何？學界圍繞農機購置補貼政策效果展開了相關研究。

對農機購置補貼效果的研究，主要集中在以下幾個方面：1）補貼具體制度或流程設計導致補貼額實際效率受影響，如官華平和周志華[2]、林萬龍和茹玉[3]指出補貼政策實施仍然不夠規范，相關企業增加額外費用、農機企業不惜成本實施尋租行為；李冬艷[4]和李軍富[5]指出農機購置補貼效果出現衰退進入調整期，應完善農機購置補貼的管理體系、規范發放對象；王雨濛等[6]指出每年補貼方案出臺不及時、農機補貼政策一刀切、農機補貼落實缺乏管理；路玉彬和孔祥智[7]指出農機購置補貼政策實施過程中存在著精準性程度不高、政策銜接不緊密、農機具質量問題突出等方面的問題。2）農機購置補貼政策對糧食增產的影響，如洪自同和鄭金貴[8]、Vercammen[9]指出農戶對農機購置補貼政策評價的好壞直接影響農戶水稻種植面積意愿，農戶對農機購置補貼政策的評價越高，越愿意擴大糧食種植面積。劉寧[10]指出農業機械化水平提高雖然增加了單位面積和產品中農機作業成本，但是由于替代了勞動等其他要素的投入，使得總成本大大降低從而提高了糧食單位面積產值。3）農機購置補貼政策對農民增收的影響，如韓劍鋒[11]分別建立了農民收入與農業機械保有量、農機購置補貼資金的計量模型，得出農機購置補貼對農民增收有著一定的帶動作用，并且發現農機購置補貼政策對發達地區農民收入影響較小，而對欠發達地區農民收入影響較大。王姣和肖海峰[12]利用實證數學規劃模型對農機補貼的效果從糧食產量和農民收入的影響兩個角度進行了定量分析，發現農機補貼對各種規模農戶的糧食產量和種植業收入都有著正向的影響作用。孫紅軍[13]通過對線性分析法對農機收入、農業機械數量、農機購置補貼資金數額三者之間的關系進行了分析，得出了農機購置補貼對農民收入積極的帶動作用。鮑劍國等[14]指出，農機總動力是影響農業總產值和農民人均純收入的重要因素之一，實施農機購置補貼政策、加大農機總動力的投入會提高農業總產值及農民人均純收入。4）農機購置補貼政策對農業機械化水平的影響，如楊印生等[15]指出農機購置補貼政策提高了當地農業機械化水平，優化了農村和農業產業結構，促進了農業增效和農民增收。張宗毅等[16]指出全國每增加88億元農機購置補貼資金會促進農機化水平提高1個百分點。5）農機購置補貼政策對農機保有量的影響，如李紅[17]指出農機購置補貼政策的實施增加了農機購置投入、提高了農機裝備水平。王許沁等[18]研究發現2008—2015年間農機購置補貼對農機保有量增量貢獻率達40.41%，并指出隨著時間的推移農機購置補貼政策對農機保有量的影響效率有所削弱。6）農機購置補貼對農機工業的影響，如章淑穎等[19]研究發現農機購置補貼政策的實施使得規模農機企業數量猛增，出現嚴重產能過剩和過度競爭，農機購置補貼政策對農機工業企業盈利能力的影響呈倒“U”型關系。張宗毅和章淑穎[20]研究發現農機購置補貼政策對農機工業企業的營運能力具有負向影響，但這種影響隨著時間的變化而削弱。徐慧和周應恒[21]、周應恒等[22]指出農機購置補貼政策實際上保護了落后農機企業，并不利于農機行業技術效率的提高。

雖然已有文獻對農機購置補貼效果做了大量研究，但這些研究中以省級面板數據為基礎開展的定量研究文獻幾乎均未考慮空間效應問題。“地理學第一定律”表明所有事物都與其他事物相關聯，但較近的事物比較遠的事物關聯性更強，因此在做省級面板模型時就不能假設每個個體相互獨立。國內外學者已在不同領域的研究中考慮個體的空間相關性，例如Bai等[23]應用莫蘭指數分析發現中國各省經濟發展存在空間自相關，然后建立了一個新的經濟地理模型強調了市場在促進區域經濟發展中的作用。Yu等[24]通過空間杜賓模型估算中國交通基礎設施存量的區域溢出效應，發現由于交通基礎設施的連通性，每個時期都存在的顯著的空間溢出效應，并且該效應隨時間變化而變化，東部地區一直存在顯著的溢出效應，東北地區則不顯著，并且東部地區呈現出正向溢出效應，西部地區呈現出負向的溢出效應。Boarnet[25]認為存在著公共基礎設施負輸出的可能性，即一個地區公共基礎設施的建設會使得公共資本流入，同時就會導致某些地區公共資本的負向輸出。Li等[26]構建計量模型，利用2005—2014年新絲綢之路經濟帶的31個省份面板數據分析得出交通基礎設施在區域經濟增長中發揮著明顯的主導作用，一個地區經濟增長促進周邊地區經濟共同發展，并且發現不同的交通基礎設施對區域經濟發展的影響存在著差異，發現公路運輸對區域經濟增長的影響程度大于鐵路運輸。Sun等[27]利用面板數據來檢驗中國環渤海地區的空間自相關性，并利用空間杜賓模型測量經濟在空間上的溢出效應，發現環渤海地區內部存在著顯著的正向空間自相關而對臨近地區卻存在著負向相關。

由于農機購置補貼最終都會物化農業機械，而農業機械作為生產要素會在各省間流動跨區作業。由于我國緯度跨度大、地區間氣候差異大導致的不同維度間作物種植及成熟期存在時間差，為了充分發揮農業機械的使用效率，農機手不再滿足于只為自家和本地區農戶提供服務，他們還會利用作物成熟的時間差進行跨區作業，最大化農業機械的使用效率。這使得我國出現了大中型農業機械在縣及以上行政區域跨區域流動作業現象。農機跨區作業主要集中在三大糧食作物收割環節，2004年跨區機收小麥、水稻、玉米總面積達1 514.36萬hm2，到2017年農機跨區作業面積總量達2 210.65萬hm2，比2014年增加了45.98%。

由于農業機械跨區作業現象的普遍存在，因此各省的農業機械化水平是相互關聯的，特別是相鄰省份，一個省的農業機械化水平不僅有本省購機補貼物化的農業機械的貢獻，也有外省購機補貼物化的農業機械的貢獻。那么，我國省域間農業機械化水平是否存在相關性呢？如果在評估農機購置補貼資金投入對農業機械化水平影響時，不考慮由農機跨區作業帶來的空間溢出效應會不會高估農機購置補貼效果？為回答上述問題，本文首先對各省農業機械化水平的空間相關性進行預檢驗，驗證農機化水平是否存在空間相關，然后基于2004—2017年省級面板數據，構建基本面板模型、空間自回歸模型（SAR）和空間杜賓模型（SDM），驗證這種空間相關性是否由農機購置補貼所致，以及是否高估補貼效果。

1 研究方法

1.1 空間相關性預檢驗方法

空間相關通常分為空間正向自相關和空間負向自相關，空間正向自相關是指相鄰地區具有相似的變量取值，且高值與高值聚集在一起，低值與低值聚集在一起，反之則為空間負向自相關。由于地理經濟學的崛起，越來越多的學者開始使用空間計量方法，在使用空間計量模型前往往要進行空間相關性分析，目前最為常用測量空間相關性的方法是由Moran在1950年提出的莫蘭指數（MI）[28]，其計算方法為：

式中：Yi表示i省的農業機械化水平，表示Yi的均值，wij為空間權重矩陣(i,j)位置的元素，本文wij表示i省和j省之間交通時間的倒數（省與省之間的交通時間用省政府之間交通時間表示，數據通過百度地圖檢索獲得），由于農機跨省作業均通過公路運輸，因此利用交通時間倒數權重更準確。莫蘭指數的取值介于-1～1之間，其值接近于1則表示正相關，接近于-1表示負相關，接近于0表示變量在空間上分布是隨機的，不存在空間相關性。

1.2 變量選擇與說明

1）被解釋變量。本文在因變量選取上，不能直接采用農業機械化水平，這是因為因變量若采用0%～100%的水平變量，那么自變量必然應采取勞均耕地面積、單位面積GDP、單位面積累計農機購置補貼資金之類的消除省級體量差異的變量，然而用單位面積累計農機購置補貼資金來進行空間加權將極為不科學。例如，北京耕地面積比較小，單位面積累計投入補貼資金雖然比臨近的河北多，但投入的補貼資金總量卻遠遠低于河北，但如果以單位面積累計農機購置補貼資金來進行空間加權就會高估北京對附近區域的影響。因此，為了保證合理性，自變量和因變量都要用絕對總量而非省域內平均數。本研究用綜合機械化作業量（MACHit）這一個總量數值指標來表征農業機械化的水平：

式中：MACHit表示第t年第i個省的綜合機械化作業量，Lit表示第t年第i個省的耕種收農業綜合機械化水平，Ait表示第t年第i個省的播種面積。

2）關鍵解釋變量。關鍵解釋變量“折算后累計農機購置補貼資金”計算公式為：

式中：SSUBit表示第2004年至第t年第i個省累計的農機購置補貼資金存量，SUBit表示第t年第i個省消除物價影響的實際中央農機購置補貼資金（以2004年機械化農具生產資料價格指數為定基，由于北京、天津的農機價格指數統計年鑒缺失本研究選取相鄰地區的河北代替，上海的農機價格指數由江蘇的代替，重慶的農機價格指數由四川的代替）。

3）控制變量。對于農業機械化水平，除購機補貼以外的影響因素，前人已做過相關研究，如張宗毅等[16]將影響農業機械化水平的因素概括為經濟環境、自然環境、人口環境、種植結構和技術供給五大方面，王許沁等[18]沿用了該做法。本文控制變量選擇上仍然采用經濟環境變量、自然環境變量、人口環境變量和種植結構變量，其中經濟變量用取對數后的地區生產總值（LGDPit）表示，自然環境變量用平地播種面積（TERRit），人口環境變量用第一產業就業人數（LABit）表示，種植結構變量用水稻播種面積（RICEit）表示，其中平地播種面積的計算公式為：

式中：FLATit表示第t年第i個省的耕地面積中平地占比，該數據由中國科學院人地關系數據庫整理得到，該數據庫中有各省耕地中平地面積數據，而非本研究需要的播種面積中平地面積數據，因此用該數據庫整理出的平地面積比近似替代每個省播種面積中平地播種面積占比，進而近似得出各省播種面積中平地數量。

1.3 空間計量模型

本文將選取由LeSage和Pace[29]所構建的SDM模型分析農機購置補貼的空間溢出效應。SDM模型相較于SAR模型更具有一般性，它不僅包含了因變量的空間滯后項還包含的自變量的空間滯后項，該模型具有兩大優點：一是它對空間溢出模型的形式沒有任何限制，且在時間效應方面包含長期效應和短期效應；二是不管真實數據生成過程是空間滯后形式還是空間誤差形式，SDM模型都能確保估計的無偏性[30]。具體的模型形式為：

式 中 ：α1是 常 數項，β、γ1、γ2、φ1、φ2、φ3、φ4是待估計系數向量，W是空間權重矩陣 ，εit是隨機擾動項。

1.4 數據來源

本文選取2004—2017年31個省（市、區）的面板數據，其中農作物耕種收綜合機械化水平、農機購置補貼相關數據來源于《中國農業機械化年鑒》和農業農村部農業機械化管理司，GDP、第一產業勞動力人數（各省2015—2017年第一產業勞動力人數，根據前面兩年增速進行推斷）、水稻種植比例、居民消費價格指數等數據來源于歷年《中國統計年鑒》和《全國農業統計提要》，耕地面積等相關數據來源于歷年《中國國土資源統計年鑒》，數據初步描述統計見表1。

表1 變量的描述性統計Table 1 Descriptive statistics of variables

2 結果與分析

2.1 農機購置補貼與農業機械化水平現狀分析

2014年農機購置補貼政策實施以來，中央補貼資金從2004年的0.78億元連續增長至2016年的237.55億元，2017年回調至186億元，14年累計補貼1 872億元。農機購置補貼政策的實施降低了購機者的購機成本，使全社會農機保有量快速增加，農業機械化水平得到了顯著提高。補貼政策實施的初期，我國農作物耕種收綜合機械化水平只有34.32%，2017年綜合機械化水平增長了近一倍達66.26%，其中機耕水平由2004年的48.90%增長至2017年的82.36%，機播水平由2004年的28.84%增長至2017年的54.01%，機收水平由2014年的20.36%增長至2017年的57.05%（表2）。

2.2 農機化水平空間相關性分析

運用2004—2017年農業機械化水平數據，以交通時間倒數為空間權重進行計算代表空間相關性的莫蘭指數，結果顯示，全國范圍內農業機械化水平存在著顯著的空間相關性，2004—2013年之間各省農業機械化水平相關性呈現波動上升的趨勢，2013年以后相關性水平有所下降（圖1）。這一現象與我國農機化發展實際是緊密關聯的，自2004年農機購置補貼政策出臺以來，農機保有量迅速增長，伴隨著農機保有量的增加，農機跨區作業的總量越來越大，因此這一期間各省農業機械化水平的相關性呈現增強的趨勢。但自2014年以后，我國農機保有量達到了一定的峰值，各省農機保有量大多能保證本省的作業，因此跨區作業現象有所減弱，各省農業機械化水平相關性也有所下降。

表2 2004—2017全國農業機械化水平和農機購置補貼Table 2 National agricultural mechanization level and agricultural machinery purchase subsidies

圖1 農業機械化水平莫蘭指數Fig. 1 Molan index map of agricultural mechanization level

圖2分別是基于交通時間倒數的空間權重矩陣繪制的2004年和2017年農業機械化水平的莫蘭散點圖，從圖中可以看出絕大多數的散點均分布在坐標系的一三象限，這說明高值與高值聚集在一起，低值與低值聚集在一起，即機械化水平高的地方往往相鄰地區的機械化水平也比較高，而機械化水平比較低的地方往往其相鄰地區的機械化水平也比較低。這證明了各地區機械化水平存在著正向的空間相關性，進一步說明了中國各地區機械化水平存在著空間相關性。

2.3 農機購置補貼對農機化水平的空間溢出效應分析

表3報告了隨機效應和固定效應兩種基本面板模型估計結果，Hausman檢驗結果表明應采用固定效應模型，為了驗證假設，進一步運用固定效應分別進行了空間自回歸模型（SAR）和空間杜賓模型（SDM）兩種空間面板模型估計。

圖2 2004年和2017年中國各省農業機械化水平的莫蘭散點圖Fig. 2 Moran scatter plot of agricultural mechanization level in China’s provinces in 2004 and 2017

從表3可以看出：與基本面板模型中的固定效應模型相比，SAR和SDM這兩種考慮空間效應的模型具有更大的R2，這說明采用空間面板模型相較于傳統的面板模型來說擬合的效果更好，其中SDM模型擬合效果最好。同時，基本面板模型中的固定效應模型的系數為0.013 8（表3），表明不考慮空間效應情況下按照傳統的基本面板模型估計，農機購置補貼對農業機械化水平有著正向的影響，且累計農機購置補貼每增加1億元，綜合機械化作業量增加13 800 hm2。

表3 農業機械化水平的影響因素分析Table 3 Analysis on the in fluencing factors of agricultural mechanization level

考慮空間自相關的SAR模型中，農機購置補貼變量的系數為0.008 9，即累計農機購置補貼每增加1億元，綜合機械化作業量只增加8 900 hm2，該系數小于基本面板模型中固定效應模型的系數0.013 8。這說明如果不考慮農業機械化水平的空間自相關，就會高估農機購置補貼對農業機械化水平的影響。rho反映了相鄰地區對自身的影響，SAR模型中的空間自回歸系數rho為0.371 8且顯著水平為1%，即相鄰地區的綜合機械化作業量加權每增加1億hm2，會導致本地綜合機械化作業量增加371 800 hm2。顯然，從常識上看，外省的農機作業量并不能直接影響本省的農機作業量，SAR模型并不能告訴我們為何產生了空間自相關。

而考慮了購機補貼這一自變量空間滯后項對因變量影響的SDM模型回歸結果顯示，累計農機購置補貼資金的回歸系數只有0.005 5，比前面三個模型的系數都小；同時，累計農機購置補貼空間滯后項的回歸系數為0.009 3。這說明農機購置補貼政策對一個區域的農業機械化水平的影響來自兩方面：一方面農機購置補貼物化為農機裝備影響本區域農機作業量，另一方面外省農機購置補貼政策物化為農機裝備流動到本省影響本省農機作業量。SDM模型不僅證實了空間溢出效應的存在，還解釋了空間溢出效應是由于外省農機購置補貼導致的。與基本面板模型中的固定效應模型相比，累計農機購置補貼資金變量對農業機械化水平的影響，系數從0.013 8下降到0.005 5，也即是表明如果不考慮空間溢出效應，農機購置補貼政策對本省的效應將被高估，高估部分約為實際值的1.5倍，這部分實際上是由其他省的農機購置補貼資金物化的農機裝備通過跨區作業所貢獻。

3 結論與建議

3.1 結論

研究表明，農機購置補貼與農業機械化水平存在較強的正相關性，農機化水平存在較強的空間相關性，這種空間相關性是由于農機跨區流動作業帶來的。用于購買農機的購置補貼政策具有較強的空間溢出效應，這種效應不應該在購機補貼效果評估中被忽視。所以，應充分利用跨區作業來提高農機利用率。

各省農機化水平雖然存在較強的正向空間相關性，即農機化水平較高的省份其周邊省份農機化水平較高，但應該注意到：由于農機的局部飽和，這種空間相關性在2014年以后開始下降，今后應注重提高農機利用率。

農機化水平的空間相關性，主要是由于農業機械跨區流動導致，而農機購置補貼最終會物化為農業機械，因此農機購置補貼政策存在顯著的空間溢出效應。由于跨區作業的存在，一個省的農業機械化水平不僅有著本省購機補貼物化的農業機械的貢獻，也有外省購機補貼物化的農業機械的貢獻。如果忽略各地區的空間相關性將會導致農機購置補貼對農業機械化水平的影響將被極大高估。

3.2 建議

1）繼續實施和發揮好農機購置補貼政策。雖然農機購置補貼政策有不足的問題，但農機購置補貼政策近年來確實極大促進了我國農業機械化發展，為現代農業發展和鄉村振興提供了堅實的物質基礎，同時有力促進了農民增收和保障了糧食安全，因此今后應繼續實施和發揮好農機購置補貼政策。

2）完善農機購置補貼政策，提高補貼資金使用效率。通過莫蘭指數分析農機化水平的空間相關性發現，2014年以后我國農機化水平空間相關性開始下降，因此應對補貼政策進行及時調整完善，對飽和機具應減少補貼額度，加大對農業生產關鍵和薄弱環節的農業機械補貼力度。對農機購置補貼政策進行省域效果評估時，應充分考慮本省和外省農機購置補貼總量的空間溢出效應，否則會高估農機購置補貼的效果。

3）繼續實施和完善扶持農機跨區作業的相關政策。農機跨區作業有利于充分地利用農機，增加各省間的要素相關性，有利于全國范圍內農機化水平的提高。因此，建議繼續實施跨區作業免受過路過橋費、農機高速優先加油等優惠政策，同時加強省際高速、省內等級道路等基礎設施建設，鼓勵社會資本進行農機跨區作業信息平臺搭建，多渠道為跨區作業創造條件，促進農機要素跨區流動，提高利用率，以放大購機補貼政策的社會經濟效果。