農業機械化對糧食生產的空間溢出效應
——基于江蘇省13個地級市的空間計量分析

吳智豪 黨敬淇 季 晨*

(1.浙江大學 中國農村發展研究院，杭州 310058；2.浙江大學 公共管理學院，杭州 310058;3.浙江大學 管理學院，杭州 310058)

糧食生產一直以來是農業發展中不可避免的一個基礎性問題，確保糧食產量持續穩定增長對于保障中國的糧食安全和社會穩定具有十分重要的意義。然而，隨著改革開放以來中國城鎮化的不斷發展，農村人口大量流出，農業勞動力逐漸從農業部門轉入工業部門，農業勞動人口的減少使得糧食面臨減產的可能性[1]。但是即便如此，作為中國最大的糧食生產基地之一的江蘇省，其糧食產量自2003年起不僅沒有減少，反而呈現出持續穩定增長的趨勢，至2015年成功實現糧食產量“十二連增”并一直保持平穩態勢[2-3]。此外，江蘇省的農業機械化水平隨著糧食產量的增加也出現了同步的提升，截至2018年，全省農業機械化水平達到84%(1)信息來源：江蘇人民政府網站，詳見http:∥www.jiangsu.gov.cn/art/2019/4/10/art_60085_8310758.html。世界農業發展的歷史和經驗事實表明，糧食產量的增長離不開農業機械化水平的發展和提升，農業機械化不僅能夠有效促進糧食生產效率提升，也在很大程度上彌補了當前農村人口大量流出造成的農業勞動力不足，緩解了糧食生產過程中勞動力缺乏帶來的壓力[4]。

另一方面，已有文獻表明農業機械化對糧食生產的作用路徑不僅通過本地區農業機械化水平的提升來實現，其他地區的農業機械化發展也能夠以跨區作業的方式來影響本地區的糧食生產[5]。在歷史上，為了規避耕地細碎化對農業發展造成的地理約束，中國農民早已通過農業勞動力的地區間流動實現了跨區服務，促進了農業生產的規模效應提升，最終演變為今天的大規模農機跨區作業[6]。農機跨區作業對糧食生產可能產生的影響是農業機械化空間溢出效應的重要表現[7]。江蘇省的農機跨區作業在全國起步較早、發展較快，跨區作業的組織管理水平、生產效率和規模效益等均處于全國領先水平；近年來，江蘇省參與跨區作業的聯合收割機在9萬臺次以上，跨區作業收入穩定在40億元以上(2)信息來源：中華人民共和國人民政府網站，詳見http:∥www.gov.cn/gzdt/2011-05/28/content_1872521.html。因此，考察農機跨區作業對于糧食生產的影響，也即研究農業機械化的空間溢出效應，具有非常重要的理論和現實意義。

中國的糧食生產問題一直是學術界關注的重大課題，許多學者曾經圍繞農業機械化水平與糧食生產之間的關系，從不同角度、采用不同方法進行了大量的研究，但相對而言仍然缺乏關于農業機械化空間溢出效應的嚴謹和系統性考察?，F有研究中涉及農業機械化發展水平對糧食生產影響的研究較少考慮其空間溢出效應，例如王躍梅等[8]利用農業機械總動力表征農業資本，得出其對糧食生產沒有顯著性影響的結論；孫良順[9]的研究表明農業機械總動力與糧食生產的關系在糧食主產區不顯著，而在非主產區對糧食生產的產出彈性為負；萬三敏[10]通過計算認為河南農業機械化與糧食增量和農業經濟發展之間不存在顯著正相關關系。僅有少部分研究從全國的宏觀角度考察了中國農業機械化對糧食生產的空間溢出效應，例如伍駿騫等[11]利用國內28個省份的統計數據進行實證分析，并指出若未考慮空間溢出效應，則農業機械化對糧食的增產作用會產生系統性高估。故本研究在伍駿騫等[11]的基礎上，以農機跨區作業發展較完善的國家重要產糧基地江蘇省作為研究對象，采用涵蓋了更完善控制變量的地市級水平面板數據進行系統全面的考察，并在基準結果的基礎上進一步實施若干穩健性檢驗和不同糧食品種的異質性分析，既為農業機械化對糧食生產的影響提供了更嚴謹的因果識別策略及分析方法，又能夠有針對性地研究國家重點農業區域農業機械化空間溢出效應的深層次作用機制和影響路徑，不僅彌補了相關領域的研究缺陷，也可以對各地區農業機械化發展和農機跨區作業提供重要的政策啟示。

基于上述經驗事實和文獻分析，利用2000—2016年江蘇省13個地級市糧食產量和農業生產要素投入的面板數據，采用空間杜賓計量模型作為實證策略構造回歸方程進行實證分析，系統性考察了江蘇省農業機械化發展水平對糧食生產的空間溢出效應，并為政府相關部門制定或調整農業機械化發展政策提供建議，以期推動糧食生產中農業機械的合理、高效利用，促進地區間農業機械化水平的持續提升和協同發展，實現中國糧食生產的集約化。

1 理論基礎和分析框架

微觀經濟學和農業經濟學中的生產理論表明，勞動力、土地、機械和化肥等農業投入要素依然是與糧食生產直接相關的主要因素，也是確保糧食產量持續增長的重要基礎[12]。然而，隨著農業現代化和城鎮化的推進，各要素對糧食生產的貢獻率也在發生結構性變化，其中，最顯著的特征就是勞動力投入貢獻率的下降和農業機械投入的貢獻率上升[13-14]。不少文獻已經證實，由于農業生產過程中勞動力和機械之間存在的替代關系，農業勞動力轉移促進了農戶的機械采納行為，即農戶可以通過購買生產性服務或增加機械投資的方式來應對勞動力資源的不足[15]。相關研究表明，對中國糧食生產的影響因素分解中，農業機械化發展水平的提升被認為是促進糧食產量不斷增長的最重要原因[16]。

進一步地，考察農業機械化發展水平對糧食生產的影響，需要首先梳理出中國農業機械作業的發展沿革和主要模式。耕地細碎化導致的缺乏規模經營是實現中國農業機械化生產的主要障礙[17]。由于中國農業經營的小農基礎，家庭聯產承包責任制改革和要素稟賦特征，使得中國農戶更愿意購買農業機械跨區作業服務，而不是自行購買農機具[18]。農機跨區作業即農業經營主體利用不同地理區域之間農作物成熟的時間差，組織聯合收割機等農業機械跨區域流動作業的一種農機服務模式[19]。中國自上個世紀90年代開始推廣農機跨區作業以來，這種農業機械化生產服務已經逐漸發展成為一種成熟穩定的模式，其影響也在不斷擴大[20-21]。

因此，中國農業機械化水平的提升離不開農機跨區作業服務的發展，而農機跨區作業正是機械化對農業生產在地理空間上造成溢出效應的具體表現[22]。在新經濟地理學(Neo-economic geography)中，空間溢出效應(Spatial spillover effect)指單個空間單元某個變量變化所導致的空間影響，即單個區域某個變量變動對其他區域影響的度量[23-24]。某一地區的農業機械化水平得以發展，那么通過農機跨區作業的方式就可以將機械化帶來的專業化和規?；瘍瀯輦鬟f到其他地區，彌補相應地區的勞動力短缺問題，并降低糧食生產過程中的投入成本，從而提高其他地區的糧食產量。這意味著某一地區的糧食生產不僅受到本地區農業機械投入的影響，還與其他地區的農業機械化發展水平密切相關：若某一地區的農業機械化發展水平較高，那么通過農機跨區作業服務，這種機械投入的要素稟賦優勢可以向其他地區傳遞，并且優勢會隨著地理距離的增加而逐漸減弱(如圖1所示)。

圖1 機械化對糧食產量影響的理論分析Fig.1 Theoretical analysis of the impact of mechanization on grain yield

學術界對農業機械化影響糧食生產的討論大多基于普通最小二乘法、固定效應回歸或動態面板的廣義矩估計等方法，考察農機使用量對本地區糧食生產的直接效果[11]。而空間計量經濟學的興起與發展，為檢驗和拓展區域經濟增長理論和新經濟地理學提供了有效的分析工具。高鳴等[20]分析了糧食生產技術效率的空間自相關性，強調了農業機械跨區作業是糧食生產技術效率產生空間收斂的重要原因；張露等[7]以小麥為例，分析得出農業分工深化及其跨區作業服務能夠產生市場容量的空間溢出效應；虞松波等[25]認為農業機械化服務對本地區小麥成本效率具有正向顯著的直接效應，并對周邊地區產生空間溢出效應；陳實等[26]以湖北省為例，研究了本地農業機械化水平的提升對周邊地區水稻生產造成的空間擠出效應。盡管目前類似上述采用空間計量方法研究農業機械化與糧食生產之間關系的研究數量增多，但仍然未能闡明農業機械化水平的提升通過何種渠道、以何種方式對糧食生產提供動力，尤其缺乏對具體某一省份地市層面直接驗證農機跨區作業對糧食生產的空間溢出效應的研究。另一方面，國內外越來越多的研究采用空間計量經濟學方法對農業生產中要素投入的空間溢出效應進行了廣泛考察，例如Tong等[27]通過研究發現，公共交通等基礎設施的完善對地區農業總產值增加具有溢出效應；潘丹等[28]運用空間自相關理論和冷熱點分析方法得出水稻、小麥和玉米過量施肥程度均呈現出較強的空間自相關性。由此可見，農業生產要素投入尤其是機械投入對糧食生產確實有可能存在空間溢出效應。

綜上所述，某一地區的農業機械化水平不僅對本地區糧食生產造成影響，同時還可能由于空間溢出效應的存在對其他地區產生影響，且這種空間溢出效應在很大程度上影響了糧食生產過程中機械投入的跨區域調配，對于政府合理高效推進農業機械化均衡發展、促進糧食生產持續增長，和相關農機服務企業優化資源配置、提升運營和生產管理水平等均具有重要的政策指導意義。然而，現階段農業機械化水平對糧食生產空間溢出效應的存在與否、表現形式和效應的數值大小等，均無法通過上述理論分析得出一致的結論，需要利用數量分析工具進行進一步的實證研究。

2 實證策略和計量模型設定

為系統、全面地考察某一地區農業機械化水平對糧食生產的影響及對其他地區的空間溢出效應，本研究采取的實證策略如下：1)不考慮存在空間依賴性的情境，利用面板雙重固定效應回歸模型(Two-way fixed effect model)，來估計基于不存在空間溢出效應假設下農業機械投入對本地區糧食生產的影響，作為基準結果(Baseline results)的對照；2)通過構建全域莫蘭指數來測算相關變量的空間自相關性，為進一步的計量分析提供依據；3)最后，采用面板空間計量經濟學模型進行回歸估計，研究考慮空間溢出效應情況下，農業機械投入對本地區和其他地區糧食生產的影響。

在進行空間計量基準回歸之前，本研究首先進行不存在空間溢出效應假設下的分析?？紤]到地市級的面板數據可能由于不同地區之間和不同年份之間均存在不可觀測效應從而產生內生性問題使得估計結果存在系統性偏誤，本研究在參考Bi等[29]、Abman等[30]、唐軻等[31]的基礎上采用面板雙重固定效應模型來建立計量模型進行實證檢驗，回歸方程如下所示：

lnYieit=β0+β1lnMacit+β2X+μi+λt+εit

(1)

式中：被解釋變量lnYieit表示地級市i在t年糧食總產量的自然對數。核心解釋變量 lnMacit表示地級市i在t年所投入農業機械總動力的自然對數，反映該地級市的農業機械化水平，其估計系數β1衡量了該市農業機械化水平高低對其糧食生產的影響。矩陣X表示可能對地區糧食生產造成影響的控制變量集合，包含一系列農業生產過程中的要素投入變量，以排除其他因素對核心解釋變量估計造成的干擾。μi表示地區固定效應，控制只隨地區變化而不隨時間變化的不可觀測因素對估計結果的內生影響；λt表示年份固定效應，控制只隨時間變化不隨地區變化的不可觀測因素對估計結果的內生影響；εit表示回歸方程的隨機誤差項。

在此基礎上，本研究進一步運用數量方法考察各地區糧食生產和農業機械化水平是否存在空間自相關性。目前最為常用測量空間相關性的方法是由Moran[32]在1950年提出的莫蘭指數(Moran’s I)[33]。該指數在數學意義上對地理學第一定律進行了闡述：任何事物之間均相關，而離得較近的事物總比離得較遠的事物相關性要高[34]。全域莫蘭指數主要應用于空間數據的統計分布規律分析，表現其聚集效果[35]，故本研究選擇全域莫蘭指數進行空間自相關性測算，其計算公式為：

(2)

lnYieit=α0+δWlnYiejt+α1lnMacit+α2X+
β1WlnMacjt+β2WX+μi+λt+εit

(3)

式中：被解釋變量lnYieit和解釋變量lnMacit分別表示地級市i在t年糧食總產量和農業機械總動力的自然對數；WlnYieit和WlnMacjt分別表示在t年納入了地級市i與其他地級市j之間空間權重的被解釋與解釋變量的空間滯后變量。其他相關變量的含義均與回歸方程(1)中相同。

3 數據、變量與描述性統計

江蘇省作為中國重要的糧食生產基地，從種植面積來看，糧食作物種植面積占比始終保持在62%以上，位居全國第一；從糧食產量來看，與全國糧食生產發展趨勢相同，經歷1999—2003年的糧食減產低潮期后，到2015實現歷史性的“十二連增”，是中國重要的糧食主產區之一[40]。與此同時，伴隨著糧食產量的增長，江蘇省農業機械總動力呈現持續的增長趨勢，作為在全國率先開展農機化的產糧大省，江蘇省在蘇北發展出一批農機跨區作業隊伍，使其向四周輻射專業化的農機服務。因此，通過研究江蘇省農業機械化水平對糧食生產的空間溢出效應在一定程度上對中國實現農業現代化目標和穩定糧食產量具有較大的參考價值。

本研究數據來源于《江蘇農村統計年鑒》[4]，該年鑒提供了地市級農作物產量、農業機械總動力、農作物播種面積、農村勞動力情況以及農業能源及物質消耗等相關統計量，較為全面地覆蓋了糧食產出和投入的相關數據。結合相關文獻，根據研究目標和實證模型對數據的要求，本研究最終選擇江蘇省13個地級市2000—2016年的面板數據作為研究樣本。被解釋變量為糧食產量(Yie)，核心解釋變量為農業機械總動力(Mac)，選擇農業機械總動力來表征農業機械化發展水平是主流文獻通常采用的方法[11]。本研究的其他控制變量包括：糧食播種面積(Are)，耕地資源作為農業生產的基本要素之一，直接影響了糧食的產出水平[41]；種植業從業人員(Lab)，用以表征從事農業生產的勞動力數量，勞動作為農業生產的基礎性投入要素對糧食生產具有較大影響，并與農業機械形成替代或互補關系[42]；化肥施用折純量(Fer)，農藥使用量(Che)，均作為現代農業的重要投入要素作用于糧食產量增長，并且與農業機械形成替代或互補關系[43-44]；農膜使用量(Plas)，農用柴油使用量(Die)，農村用電量(Elec)，用來表示基礎設施等農業生產過程中的其他投入要素[45]。本研究所需數據的變量說明和描述性統計見表1。

從被解釋變量的變化趨勢上看(圖2)，江蘇省2000—2016年糧食產量整體相對穩定，生產能力始終保持在較高水平。17年間糧食最低產量為2003年的2 471.85萬t，最高產量為2015年的3 561.34萬t，并且從2003年開始均保持穩定增長態勢。這表明，雖然在農業生產部門存在勞動力不斷轉出的趨勢，但是對于江蘇省糧食產量的變化并沒有產生實質性的影響，相反糧食產量還有所增加；與此同時，作為核心解釋變量的農業機械總動力一直呈現出上升的趨勢(如圖2所示)，有可能與農村勞動力形成替代關系。從總量上看，盡管土地制度并沒有發生較大改變，但是江蘇省農業機械總動力仍然表現出不斷發展的趨勢：2015年的農業機械總動力達到4 825.49萬kW，約為1978年的5.64倍；2016年全省農業機械總動力達到4 906萬kW，仍存在較大幅度的增長。截至2016年，全省農業機械化水平超過80%，其中玉米的機械播種和收割率分別達到90%和81%，并在原有水平上穩步上升；水稻種植機械化的總面積達到165.73萬hm2，機插率超過75%，機械化水平不斷提高；稻麥秸稈還田率也達到了53%，還田面積超過272萬hm2(4)信息來源：中國江蘇網，詳見http:∥jsnews.jschina.com.cn/jsyw/201703/t20170317_228148.shtml。另外，江蘇省農業機械跨區作業持續增長，2016年農機跨區收入穩定在7億元左右，已達到較高水平(5)信息來源：江蘇省委新聞網，詳見http:∥www.zgjssw.gov.cn/m/shixianchuanzhen/lianyungang/201604/t2782412.shtml。

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

圖2 2001—2016年江蘇省糧食產量和農業機械總動力[4]Fig.2 Jiangsu’s grain output and total power of agricultural machinery from 2001 to 2016[4]

圖3提供了2000—2016年江蘇省13個地級市的糧食總產量和農業機械總動力之和在地理空間上的分布情況。圖中，所有地級市糧食產量的大小通過顏色深淺表示，顏色越深，表示該市的糧食總產量越大；反之則越小。農業機械總動力之和的大小則用圓形圖案的面積表示，圓形面積越大越高代表農機總動力越大；反之則越小。分別觀察各市糧食總產量和農業機械總動力之和的空間分布規律可以發現，糧食產量較大或者農機總動力較大的地區，其周邊的地市也呈現出相似的特點，兩變量各自可能存在空間上的關聯性，也即空間溢出效應。另一方面，糧食產量較大的地級市，其代表農機總動力的圓形圖案面積也相應越大；反之亦然，這說明兩變量之間也存在一定的統計相關性。最后，通過交叉對比某一地級市的農業機械總動力和其周邊地市的糧食產量，不難發現若某一地級市的農業機械化發展水平較高，其周邊地市的糧食產量也越大。綜上，可以從圖中直觀發現，某地的農業機械化水平的提升可能不僅對本地級市的糧食產量產生促進作用，也有可能通過農業機械跨區作業在地理空間上對周邊地市的糧食生產造成一定的積極影響，這意味著農業機械化對糧食生產產生了空間溢出效應。

圖3 2000—2016年江蘇省各市糧食產量和農業機械總動力空間分布Fig.3 Jiangsu’s distribution of grain yield and total movement of agricultural machinery in prefecture-level cities from 2000 to 2016

4 實證分析

4.1 面板雙重固定效應模型估計

根據第2節中提供的實證策略和計量模型，本研究在考慮變量的空間相關性之前，首先通過面板雙重固定效應模型考察本地農業機械化對糧食生產的直接效應。表2報告了由回歸方程式(1)所得的6個模型估計結果，其中模型1、3、5相比模型2、4、6沒有控制地區固定效應和年份固定效應；而不同模型包含的控制變量也有所區別，變量個數從模型1、2向模型5、6逐漸增加。從各模型中核心解釋變量lnMac的估計系數顯著性水平可以看出，無論是否控制固定效應還是增減控制變量個數，模型核心估計量始終保持基本穩健。模型1的估計結果表明，當模型中僅包含農業機械總動力1個解釋變量的情況下，農業機械化水平每提高1%，會造成糧食產量約60%以上的增長。隨著控制變量個數的不斷增加和雙重固定效應得到控制，其他要素投入和不可觀測因素對核心解釋變量回歸造成的干擾被依次剝離，農業機械化水平對本地區糧食生產的平均偏效應逐漸減少。最終模型6報告了控制所有其他要素投入和雙重固定效應后的模型估計結果，這意味著農業機械化水平提升1%會對糧食產量產生5%以上的促進作用。對比模型1～6的估計結果不難發現，未控制固定效應的面板OLS回歸結果可能會對核心解釋變量系數造成系統性高估；進一步地，若江蘇省各地市之間由于農業機械的跨區作業而存在空間自相關性，那么面板固定效應回歸則會由于忽略了空間溢出效應而對農業機械化的區域增產效果造成系統性低估。因此，本研究需要考察江蘇省各地市之間是否存在上述空間自相關性。

表2 面板雙重固定效應模型估計結果Table 2 Two-way fixed effect model estimates

4.2 基于全域莫蘭指數的空間自相關性測量

本研究根據式(2)分別計算了2000—2016年江蘇省糧食產量和農業機械總動力的全域莫蘭指數(圖4)。從圖4中可以發現，上述兩個變量的全域Moran’s I均為正值，且距離0值較遠；雖然不同年份之間Moran’s I數值大小存在一定的波動情況，但總體而言均呈現逐年上升的趨勢；所有Moran’s I數值的計算均在5%的水平上顯著。上述結果表明，江蘇省各地市糧食生產和農業機械化水平均存在顯著的空間自相關性，也即呈現出一定的空間聚集現象，并且該效應隨著年份增加而逐漸增強。

誠然，該指數只意味著糧食產量和農業機械總動力兩個變量自身的空間相關性，仍無法判斷農業機械總動力對糧食生產的影響。基于此，本研究需進一步利用空間計量經濟學方法實證研究江蘇省各地市農業機械化水平對糧食生產的空間溢出效應。

圖4 2000—2016年江蘇省各地級市糧食產量和農業機械總動力的全域莫蘭指數Fig.4 2000—2016 Jiangsu’s global Moran’s I of grain output and total power of agricultural machinery

4.3 考慮空間自相關性的SDM估計

根據以上核心變量全域Moran’s I測算結果呈現出的空間溢出效應特征，本節將采用SDM方法來實證分析考慮存在空間自相關情境下江蘇省農業機械化水平對糧食生產的影響。利用式(3)提供的SDM回歸方程，和江蘇省13個地級市2000—2016年的數據得到的各模型估計結果報告在表3中。需要指出的是，由于SDM方法并不是簡單的線形回歸，所以最終得到的估計系數并不能直接反映空間溢出效應的大小，而需要通過偏微分的方法進一步將其分解才能得到。表4提供了各模型中估計系數分解得到的直接影響、空間溢出效應和總效應數值。

表3 考慮空間自相關性的SDM估計結果Table 3 The SDM estimates considering spatial spillover effect

表3(續)

表3中模型7的估計結果僅包含農業機械總動力及其空間滯后項系數，模型8～10則報告了逐漸增加控制變量后的模型估計結果，其中模型10包含了所有控制變量和固定效應，因此本研究將模型10的回歸系數作為研究的基準結果。基準回歸結果表明，當控制其他條件不變時，農業機械化水平提升會顯著促進本地糧食生產，農業機械總動力每提高1個百分點，會在1%水平上使得本地的糧食產量增加0.08%；同時，農業機械化水平提升也會對周邊地市糧食生產產生溢出效應，本地農業機械總動力每提高1%，會顯著使得周邊地市的糧食產量產生0.87%的增長；因此上述本地農業機械化水平提升帶來的糧食增產總效應約為0.94%。該回歸結果意味著，某一地市農業機械化水平的提升能夠通過農機跨區作業的方式將發展的優勢傳遞給其他地區。模型7～9的其他核心解釋變量估計系數與基準回歸結果基本相似，這既說明本研究的模型設定合理，估計結果較為穩健，也進一步證實了農業機械化水平提升對糧食生產的空間溢出效應確實存在。

此外，在對比了SDM估計結果與上述得到的普通線性回歸模型估計結果后不難發現，不考慮不同地區之間空間自相關性的線性估計量會導致農業機械化水平提升對本地糧食增產效應的系統性高估，由于其空間溢出效應被忽視，最終使得農業機械化帶來的總效應被低估；而對比SDM估計結果與固定效應模型回歸結果則發現，固定效應模型直接剔除了變量可能存在的空間溢出效應，使得農業機械化水平提升對本地糧食增產效應被系統性低估。本研究的估計結果是對已有相關研究的有效補充：在潘丹等[28]僅計算空間自相關性的基礎上，采用了可以進一步探究因果關系的空間計量方法；在伍駿騫等[11]采用國內部分省級面板數據的基礎上，采用江蘇省市級面板數據得出了與前者一致的結論；此外，本研究所得結果與陳實等[26]采用湖北省水稻生產的結論相呼應，豐富了空間計量方法在農業機械化和糧食經濟領域的應用，也對區域農業機械化發展提供了一定的政策指導。

表4 直接影響、空間溢出效應和總效應分解Table 4 Direct effect, spatial spillover effect, and total effect

表4(續)

4.4 穩健性檢驗

為保證上述呈現的回歸結果在不同情形下保持穩定，本研究還進行了如下穩健性檢驗(6)囿于篇幅所限，正文中未提供穩健性檢驗的結果，備索。：1)采用空間滯后模型(SLM)替代基準回歸中的SDM方法進行估計；2)采用空間自回歸模型(SAR)替代基準回歸中的SDM方法進行估計；3)保持基準回歸的SDM估計方法不變，將懷特異方差穩健標準誤替換為普通標準誤進行估計；4)保持基準回歸的SDM估計方法不變，采用一階鄰近權重矩陣作為空間權重矩陣進行估計，一階鄰近權重矩陣即0-1矩陣，當地區i和地區j相鄰時為1，否則為0。

此外，本研究進一步基于上述回歸結果進行了直接影響、空間溢出效應和總效應分解計算。除SLM方法由于回歸方程的結構原因無法計算以外，其他3個模型的估計和計算結果在系數方向、大小和顯著性等方面與基準估計結果基本一致，表明上述的基準估計結果保持穩健。相較之下，SLM和SAR兩種估計方法對農業機械化水平和糧食產量之間關系的表達不如SDM全面和準確；由于不可觀測因素的差異，不同地市和年份之間或多或少存在異方差或自相關問題，需要在模型的回歸估計中加以控制；而采用地理距離權重矩陣相比一階鄰近權重矩陣而言，能夠更準確地刻畫不同地市之間的空間關聯性，從而使得估計結果更加準確。綜上所述，基準回歸的估計結果不僅保持穩健，而且最為一致和有效。

4.5 不同糧食品種的異質性分析

基于上述全樣本回歸和分解得到的結果，本研究考慮到由于江蘇省內不同品種的糧食作物種植結構、地理空間分布與種植環境等均存在明顯差別，從而造成農業機械使用量與糧食產量的差異，進一步劃分子樣本進行研究，考察江蘇省農業機械化水平提升對不同糧食品種是否存在異質性影響。考慮到糧食作物在江蘇省種植的廣泛性和代表性，本研究將水稻、小麥、玉米和大豆產量的變化作為異質性分析的研究對象，除將農業機械總動力在不同品種作物之間進行拆分外(7)由于《江蘇農村統計年鑒》[4]中只含有農業機械總動力這一變量，無法直接得到分別作用于不同糧食品種的農業機械動力的多少。本研究利用2000—2016年《全國農產品成本收益資料匯編》[46]提供的數據，選擇江蘇省這4種糧食作物各自所需的機械作業費占總機械作業費的比重作為權重，計算該品種糧食作物生產所需的農業機械總動力。，回歸模型、控制變量和分解方法均與上述模型10相一致，所得結果報告在表5中。

由表5可見，農業機械化水平對不同糧食生產的直接影響和空間溢出效應均存在明顯差異。其中，農業機械化水平提升僅對本地水稻生產具有直接的促進作用，而對本地小麥、玉米和大豆生產并無顯著效果，而農機跨區作業產生的溢出效應則對除小麥以外的其他所有糧食生產均具有顯著促進作用，其中玉米生產過程中的空間溢出效應更大，說明玉米更容易通過農機跨區作業達到增產的效果；最終總效應表現與空間溢出效應方向和大小基本一致。(8)產生上述現象的原因可能與江蘇省農業機械的分布，江蘇省農機全國范圍跨區作業，以及江蘇省糧食種植結構的差異有關。江蘇省農業機械發展主要集中在蘇北地區，通過農機跨區作業向其他地區提供專業化服務。對于糧食種植結構而言，按播種面積和產量由高到低依次為水稻、小麥、玉米和大豆，2016年江蘇省的產量分別為2 001萬、1 322萬、294萬和51萬 t[4]，且水稻主要種植在蘇南地區，小麥在蘇南、蘇中、蘇北的種植面積比較接近，玉米主要種植在蘇北地區，大豆蘇中和蘇北較多[40]。由于蘇北是小麥、玉米、大豆的主要種植地，且三者所占份額較小，所以本地機械化水平并不能促進本地該品種的糧食生產；而蘇北地區的農業機械通過跨區可以提高蘇南地區的糧食產量，無論該品種主要種植在蘇北還是蘇南；小麥的溢出效應不顯著的原因可能在于江蘇省農機全國跨區作業與小麥生產時間重疊。

表5 不同糧食品種的異質性分析Table 5 Heterogeneity analysis of different grain varieties

5 結論與討論

由于不同地區之間存在空間上的相關性，因此在分析某一地區農業機械化發展水平對糧食生產的作用機制時不能局限于該地區內部，還需要研究與其他地區之間的空間交互影響。本研究利用2000—2016年江蘇省13個地級市糧食產量和農業生產要素投入的面板數據，采用空間杜賓計量模型作為實證策略構造回歸方程進行實證分析，系統性考察了江蘇省農業機械化發展水平對糧食生產的空間溢出效應。研究發現：1)江蘇省糧食產量和農業機械化發展水平均在地理上呈現出顯著的空間相關性，兩者的全域莫蘭指數長期處于0.1以上；2)江蘇省農業機械化水平對糧食生產存在顯著的空間溢出效應，本地區農業機械化水平提升會顯著促進周邊地區糧食產量增加，據測算，本地農業機械化水平每提升1%，會使得周邊地市糧食產量增加0.87%；3)對比普通線性回歸、雙重固定效應模型和空間杜賓模型的估計結果顯示，若不考慮空間因素則會導致農業機械化水平對糧食生產直接效應和總效應的系統性估計偏誤，其中未控制固定效應的普通線性回歸會導致直接效應高估和總效應低估，雙重固定效應模型會導致直接效應和總效應均被低估；4)空間溢出效應在不同糧食品種之間具有異質性，江蘇省玉米生產機械化的空間溢出效應較高，而小麥生產機械化并未呈現出空間溢出效應特征。

基于上述結論，可以為江蘇省甚至全國農業機械化生產提供如下政策啟示：第一，考慮到由于農業機械跨區作業方式的存在，使得農機服務可以通過進一步專業化分工分享技術進步從而產生更廣泛的經濟效益，因此可以鼓勵農業機械跨區作業服務形成產業集群，擴大服務規模，優化作業模式，建立健全運營機制，完善相關流程標準，促進整個行業共同發展。結合江蘇省實際情況，從區域發展的角度看，蘇北、蘇中后發優勢明顯，應當在這些地區著重發展專業化的農機隊伍，重點打造沛縣一帶的農機服務相關企業等經營主體，并向周邊地區推廣。第二，由于農業機械化水平提升對糧食生產具有顯著的空間溢出效應，不僅對本地農業生產經營具有促進作用，更能極大改善周邊地區的機械周轉和使用率，有效提升糧食生產作業效率，因此各級政府之間需要進一步加強相關部門的交流與合作，協調和優化區域內農業機械服務的資源配置和產業分布，努力為農機跨區作業服務的進一步發展提供良好保障；在條件允許的情況下考慮建立統一的農業機械跨區作業服務信息平臺，輔助相關農機服務經營主體實現自發的流動與科學的配置。第三，不同品種的糧食作物在生產過程中對機械投入的反饋不同，空間溢出效應也存在明顯差異，相關政府部門和企業等應當考慮到不同作物品種生長季節、要素需求和機械作業特點的不同，有針對性地改進農業機械跨區服務的規模和質量。

誠然，本研究還存在如下局限：第一，囿于數據資料所限，實證研究僅包含江蘇省數據而未能有效覆蓋全國，因此缺乏對于農機跨省作業情境的考察；第二，核心解釋變量農業機械總動力是一個總體而非細分的概念，并未提供各類農業機械的細分數據，因此無法考察不同農業機械類型之間空間溢出效應的差異；第三，盡管采用的數據和實證策略最大限度地控制了可能對估計結果造成干擾的變量和不可觀測效應，但遺漏變量和選擇性偏誤帶來的內生性問題仍然構成了本研究結果的一個潛在威脅。未來，在數據完善的基礎上，我們將進一步考察農業機械化對糧食生產溢出效應在全中國的分布情況，并納入農機跨縣、跨市、跨省的分解及不同農業機械種類的異質性分析等。