我國現代農業機械化發展對農業經濟的影響研究

彭肖肖，陳冬冬

（1.四川大學錦城學院 金融學院，成都 611731；2.四川農業大學 商學院，成都 611830）

近年來，從傳統農業向現代化農業發展成為我國的核心目標，其中農業機械化水平是評價現代化農業發展程度的重要組成部分[1]。與傳統農業不同，隨著國家政策對現代化農業的支持，農業機械化發展迅速，并有效的促進了我國農業生產效率，提高勞動效率，增加農業經濟產值。從2004年開始，我國農作物耕種收綜合機械化率持續增長，但不同農業作物之間機械化水平偏差較大，各區域農業綜合機械化水平差異化明顯[2]。楊進等人以小規模農戶為對象，研究了中國農業機械化發展對農戶糧食播種面積的影響，證明不斷上漲的每畝農業機械作業費用會降低農戶糧食作物播種面積的占比[3]。可見，農業機械化發展是促進我國農業經濟增長必不可少的一部分。

本文將從以2013年至2017年的各地區面板數據為基礎，結合相關理論分析和實證分析研究農業機械化對農業經濟發展的影響，有助于我國現代農業化的推進。一方面,分析我國農業機械化發展的階段性進程和成效，為下一步深入知道提供理論基礎，促進農業機械化的協調性發展；另一方面，結合影響農業經濟發展的其他因素，判斷當下我國農業機械化推進對增加農業經濟的影響。

一、我國農業機械化發展現狀

我國農業機械化水平整體呈現上升趨勢。通過參考相關學者的研究，農業機械總動力是衡量農業機械化的重要指標。

我國農業機械總動力從1998年到2015年，總體呈上升趨勢，漲幅達147.14%,到2016年小幅度下降，隨后2017年同比上升1.58%。我國深化農村改革，貫徹實施農機購置等補貼政策，制定《國務院關于促進農業機械化和農機工業又好又快發展的意見》等指導文件，是農業機械化水平整體上升的主要原因。農用大中型拖拉機數量，整體呈上升趨勢，其中在2005年至2008年增速較快，年均漲幅達28.98%，小型拖拉機在此期間增速也相對較快，其主要原因在于2004年我國通過《中華人民共和國農機化促進法》，鼓勵、扶持農民和農業生產經營組織使用先進適用的農業機械，促進農業機械化，建設現代農業。小型拖拉機數量從1998年到2011年呈上升趨勢，2011年后數量開始下降，到2017年，降幅達9.77%，主要原因在于，隨著我國對農機補貼政策的實施，農業實施集約化生產范圍擴大，小型拖拉機的可使用性降低，導致其實際數量的降低。其他農業機械，包括排灌電動機、排灌柴油機、聯合收割機等，數量整體呈上升趨勢，可見我國農業機械化發展成效顯著。

各區域的農業機械發展水平具有明顯的差異[4]。目前我國中部和東部地區發展水平較高，西部地區機械化水平相對較低。2017年部分地區的農業機械總動力均值達3186.56萬千瓦，其中山東省最高，占該年農業機械總動力的10.27%。中部地區農業機械總動力最高，達到39725.41萬千瓦，居于三大經濟帶之首。雖然東部地區農業機械總動力占總動力的32.33%，高于西部地區，但是其標準差也達到最高值3311.57萬千瓦，表明中部各地區之間的農業化水平差異大，東部地區中北京、上海和天津三地區農業機械總動力小于500萬千瓦，造成差異的原因主要是與地理位置和環境以及地區重點經濟建設方向有關。西部地方農業機械總動力占總動力的27.46%，相對較低，但是各地區之間的差異性相比中部和東部地區，更為穩定。

表1我國三大經濟帶地區農業機械總動力描述性統計

二、我國農業機械化與農業經濟變化的實證分析

隨著農業機械化水平的提高，農業的生產效率提高，并促進農業經濟增長。本文運用計量分析方法研究農業機械化水平對農業經濟增長的影響程度。

（一）變量選取與研究方法

根據參考文獻，選取農業總產值、農業機械總動力、有效灌溉面積和總播種面積等作為研究變量，進行實證分析。本文數據來源于國家統計局和各地區統計局的《統計年鑒》。

本文針對農業機械化對農業經濟影響的分析，以2013年到2017年的各省統計數據作為樣本，采用多元線性回歸中的普通最小二乘法，分析農業機械化對農業經濟變化的影響方向和程度。

分析農業機械化對農業經濟增加之間的關系，計量模型表示如下：

其中，Y表示農業總產值，X1表示農業機械總動力（萬千瓦），X2表示農作物總播種面積，X3表示農業用電量，X4表示農業化肥施用量，X5表示農林水事務支出，β0～β5表示相應的偏回歸系數，μ表示隨機擾動項。

（二）實證分析

本文使用2013年到2017年各省的面板數據（見表2）作為樣本，并將樣本數據代入Eviews6.0軟件進行實證分析。由于使用面板數據作為實證分析樣本，需考慮由于非平穩序列所造成的“偽回歸”，即需對各面板數據進行單位根檢驗，以確定變量數據的平穩性以及單整階數，以此基礎進行面板數據的協整檢驗，篩選變量，再進行多元線性回歸。

表2 2013年到2017年各省面板數據

2015湖北湖南廣東廣西海南重慶四川貴州云南西藏陜西甘肅青海寧夏新疆2780 3044 2794 2146 614 1034 3336 1773 1841 68 1911 1253 145 311 2005 4468 5894 2697 3803 512 1300 4405 2575 3333 620 2667 2685 454 831 2489 7952 8717 4785 6135 845 3576 9690 5542 7186 253 4284 4229 558 1265 5757 149 124 1326 84 13 78 175 80 91 1 110 54 6 14 104 334 247 256 260 51 98 250 104 232 6 232 98 10 40 248 617 676 812 498 164 331 927 534 642 200 521 497 204 166 605 2016湖北湖南廣東廣西海南重慶四川貴州云南西藏陜西甘肅青海寧夏新疆2921 3255 3134 2348 696 1152 3711 1889 1944 52 2028 1275 156 312 2163 4188 6098 2391 3527 517 1319 4267 2041 3441 635 2172 1904 459 581 2552 7844 8793 4831 6145 823 3601 9729 5597 7164 258 4277 4254 561 1275 5868 153 127 1335 95 14 79 183 85 95 1 119 54 6 14 108 328 246 261 262 51 96 249 104 236 6 233 93 9 41 250 705 730 715 573 179 348 989 629 713 243 543 488 232 201 717 2017北京天津河北山西內蒙古遼寧吉林黑龍江上海江蘇浙江安徽福建江西山東河南北京天津河北山西內蒙古遼寧吉林黑龍江上海江蘇浙江安徽福建江西山東河南北京天津河北山西內蒙古遼寧吉林黑龍江上海江蘇浙江安徽福建江西154 238 3441 970 1418 2069 1400 2912 162 3722 1435 2175 1619 1327 4930 4611 145 244 3459 958 1415 1860 1232 2874 149 3715 1521 2234 1782 1447 4641 4577 130 183 2891 862 1435 1620 896 3471 146 3765 1494 2241 1527 1489 186 547 11103 3352 3805 2814 3153 5442 119 4825 2361 6581 1384 2261 13353 11710 144 470 7402 1744 3331 2168 3105 5634 122 4907 2137 6867 1269 2202 9798 9855 134 465 7581 1376 3484 2215 3285 5814 122 4991 2072 6313 1232 2310 174 469 8740 3768 7568 4220 5679 12294 340 7745 2291 8950 2331 5579 11027 14425 151 479 8717 3721 7922 4064 5676 12427 295 7677 2274 8894 2327 5561 10973 14472 121 440 8382 3578 9014 4172 6086 14768 285 7556 1981 8727 1549 5638 52 102 612 97 72 458 50 73 919 1836 906 157 381 100 482 321 55 92 601 98 71 490 51 77 983 1869 926 162 384 105 489 317 62 40 615 99 79 528 53 80 1013 1888 977 171 388 109 11 22 335 119 229 152 231 255 10 320 88 339 124 144 464 716 10 21 332 117 235 148 234 253 9 313 84 327 124 142 456 715 9 18 322 112 235 145 231 251 9 304 83 319 116 135 425 156 712 394 676 446 409 681 267 1009 739 578 442 557 964 792 444 161 801 432 729 481 551 802 327 986 722 625 411 581 943 807 518 158 783 478 808 459 555 815 457 918 697 682 448 608湖北湖南廣東廣西海南重慶四川貴州云南西藏陜西甘肅青海寧夏2962 2598 2890 2539 707 1166 4004 2077 1983 78 2095 1069 162 309 4335 6255 2411 3658 570 1353 4420 2181 3535 523 2243 2019 462 605 7956 8322 4228 5970 709 3340 9575 5659 6791 254 4064 3752 555 1133 157 129 1415 104 16 80 188 95 102 1 131 56 6 15 318 245 258 264 51 95 242 96 232 6 232 84 9 41 715 782 754 647 198 348 1023 612 675 238 545 521 233 222

數據來源：各省市《統計年鑒》，樣本數據保留到個位

采用ADF檢驗進行單位根檢驗。根據實證結果可見原始序列均不平穩，各變量一階差分檢驗結果P值均小于0.05（見表3），不存在單位根，表示所有變量都是一階單整。

表3 一階差分下單位根檢驗結果

使用Johansen檢驗進行協整關系檢驗。確定變量的單整階數之后，檢驗自變量和因變量之間的協整關系。模型分析結果表明（見表4），跡統計量和最大特征值統計量分別為470.0688和216.0687，高于顯著性水平5%下的臨界值103.847和40.9568，說明各變量在Johansen檢驗下拒絕原模型不存在協整關系的假定，可判定農業機械總動力等變量會影響農業總產值增長，即存在面板數據協整關系，多元線性回歸分析可信。

表4 面板協整關系Johansen檢驗

使用DW檢驗和ADF檢驗分別檢驗殘差的自相關性和平穩性，分析結果見表5。根據實證結果可見，DW檢驗統計值大于du小于4-du，表明殘差不存在自相關性。ADF檢驗的P值小于顯著性水平0.05，表明殘差序列協整。

表5 殘差自相關性DW檢驗和平穩性ADF檢驗結果表

使用普通最小二乘法對樣本數據進行多元線性回歸分析，見表6。

表6 普通最小二乘法下的多元線性回歸分析

從分析結果可見，可決系數為0.9193，農業機械總動力等自變量對農業總產值擬合程度較好。F檢驗中，F統計量為339.4452（P值為0，小于顯著性水平0.05），表示回歸方程具有顯著性特征。t檢驗中，各自變量P值均小于顯著性水平0.05，表示各自變量對因變量均存在顯著性影響。表明該方程擬合程度較好，具有統計學意義，可以對結果進行分析。

通過實證結果，得樣本回歸模型：

三、結論與政策建議

（一）結論

我國農業機械總動力對農業總產值具有顯著的正向影響關系，即當農業機械總動力增加1萬千瓦時，我國農業總產值會增加1006萬元。說明我國農業機械化水已進入中級階段，隨著農業機械化水平的提高，我國農業總產值增加，有效促進農業經濟發展。農作物總播種面積、農業用電量等因素，均對農業總產值產生正向影響，與文獻參考結果一致。

相對于農用化肥施用量等其他因素，農業機械總動力對農業總產值的影響程度較低。各因素對農業總產值的影響不同，其中農用化肥施用量對農業總產值的影響較大。在合理的使用下，每增加1萬噸的化肥施用量，會增加22122萬農業總產值，影響程度接近農業機械總動力的20倍。各地區農業機械化發展差異性較大，土地集約化程度低，現有農業機械化發展模式受限于傳統農業是基本原因。

（二）建議措施

完善農業機械化補助和支持政策，制定合理的機械化推進制度。農業機械化推行初期，國家陸續推出《農業機械促進法》等諸多扶持農業機械化發展的補貼政策和文件。目前我國大力發展農業集約化，補貼政策更多傾向于大型農業機械，而小型農機的補貼相對較少。我國山東等地區土地集約化程度高，對大型農機的需求量較高，而我國西部等地區多以丘陵，農業機械化程度較低，對小型農機的需求量遠大于大型農機[5]。由上可見，由于我國各地區農業機械化程度差異性大，需根據不同的地理位置，在指導文件的基礎上，各地區相關部分分別制定符合地區情況的政策，以此保證農業機械化水平的平衡發展，縮小地區之間的差異。

推動我國土地集約化發展，提高農業機械的使用效率和范圍。部分偏遠地區的土地資源依然較為分散，加之當地農民耕種土地所獲收入依舊是生活的主要來源，使得土地集約化和農機使用受限，從而導致現代農業在發展過程中受到阻力。國家應從土地集約化的制度和政策方面著手，鼓勵閑置土地流轉，優化大型農場的經營和管理模式，提高我國農業機械化的生產效率[6]。