農(nóng)業(yè)機械化對中國種植業(yè)貢獻率研究

呂雍琪，張宗毅，張萌

（農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機械化研究所，江蘇 南京 210014）

改革開放以來，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)迅速發(fā)展，非農(nóng)實際工資不斷增加，農(nóng)村人口向城市轉(zhuǎn)移，農(nóng)業(yè)勞動力老齡化、減量化問題嚴(yán)重，農(nóng)業(yè)生產(chǎn)耕種收各階段都需要大量的勞動力，人力的缺乏導(dǎo)致產(chǎn)量低下，且限制農(nóng)民的生產(chǎn)規(guī)模。農(nóng)業(yè)機械的使用提高了勞動生產(chǎn)率和資源利用率，大大減少了農(nóng)業(yè)生產(chǎn)過程中勞動力的需求量[1-2]。農(nóng)業(yè)機械替代人力勞動力，大幅降低了勞動力成本，釋放的資金可以用于購買優(yōu)質(zhì)種子、化肥、農(nóng)業(yè)機械以及學(xué)習(xí)其他農(nóng)業(yè)生產(chǎn)技術(shù)，從多方面促進農(nóng)業(yè)產(chǎn)出的增長[3]。中國農(nóng)業(yè)機械總動力由1949年的8.1萬kW增加到2018年的10.04億kW，年均增長率為13.08%。種植業(yè)總產(chǎn)值由1949年的255.78億元增加至2018年的4 711.15億元（以1952年為基期）。1949—2018年中國種植業(yè)總產(chǎn)值與農(nóng)業(yè)機械總動力均呈現(xiàn)遞增趨勢。為衡量農(nóng)業(yè)機械化對種植業(yè)增長的貢獻，把握我國種植業(yè)農(nóng)業(yè)機械化發(fā)展效益，有必要定量測算農(nóng)業(yè)機械化對種植業(yè)的貢獻率。

農(nóng)業(yè)機械化對種植業(yè)的貢獻率即，將農(nóng)業(yè)機械引入生產(chǎn)過程后創(chuàng)造的種植業(yè)產(chǎn)值增長率占種植業(yè)總產(chǎn)值增長率的比重[4]。常用的測算生產(chǎn)要素貢獻率的主要方法可以歸類為：主觀指標(biāo)法、貢獻有無法和數(shù)學(xué)模型法[5-6]。主觀指標(biāo)法主要是特爾斐法和專家調(diào)查法，其算法簡單，數(shù)據(jù)量小，但不確定因素、人為因素多，主觀性強，使用較少。貢獻有無法是項目評價方法的應(yīng)用，測算有農(nóng)業(yè)機械與無農(nóng)業(yè)機械兩種情況下農(nóng)業(yè)總利潤的差額，工作量大，難以精確估算農(nóng)業(yè)機械在各個方面作用的產(chǎn)值增加量，適合范圍較小地區(qū)的農(nóng)業(yè)機械化貢獻率測算[7]。數(shù)學(xué)模型法通過構(gòu)建具體的生產(chǎn)函數(shù)對統(tǒng)計數(shù)據(jù)進行分析得出結(jié)論。常用于計算生產(chǎn)要素貢獻率的生產(chǎn)函數(shù)主要有C-D生產(chǎn)函數(shù)[8]、索羅余值[9]和超越對數(shù)生產(chǎn)函數(shù)[10-11]等。C-D生產(chǎn)函數(shù)法無法確定勞動力與農(nóng)業(yè)機械的投入比率，且受限于回歸技術(shù)，適用于時間跨度較長的農(nóng)業(yè)機械化貢獻率測算[12-13]。索洛余值是生產(chǎn)函數(shù)的具體形式，采用一般表達式，通過數(shù)學(xué)推導(dǎo)，最終得出增長速度方程，因而測算結(jié)果更符合客觀實際[14]。索洛余值法避開了具體生產(chǎn)函數(shù)形式的約束，但需要“希克斯中性”、“規(guī)模收益不變”的假設(shè)前提，條件苛刻。超越對數(shù)生產(chǎn)函數(shù)是對C-D生產(chǎn)函數(shù)的擴展，除了包含中性技術(shù)進步項、要素進步項以外，還包含要素交互項[15-16]。除以上方法外，孫福田和王福林[17]研究用數(shù)據(jù)包絡(luò)分析法[18]的兩種方法：C2R與C2GS2模型測算農(nóng)業(yè)機械化對農(nóng)業(yè)產(chǎn)出的貢獻率，在考慮科技進步的情況下進行測算，使測算結(jié)果更趨于合理；王福林等[19]提出了一種基于增長速度方程的有約束農(nóng)業(yè)機械化貢獻率的測算方法。

已有關(guān)于農(nóng)業(yè)機械化貢獻率的測算，對象是中國整體或某一省份，時間為1～5年，缺乏農(nóng)業(yè)機械發(fā)展進程中時間和空間上對比分析。中國幅員遼闊，各省之間地理情況、氣候特征、經(jīng)濟條件有著較大差異，農(nóng)機裝備的分布、農(nóng)業(yè)機械利用率、農(nóng)機化發(fā)展質(zhì)量不同[20]，改革開放至今，農(nóng)業(yè)政策變化較大，用時間序列數(shù)據(jù)測算近幾年某一省份的貢獻率，不能體現(xiàn)變革對農(nóng)業(yè)機械發(fā)展的影響。因此，本文利用省際面板數(shù)據(jù)，采用C-D生產(chǎn)函數(shù)法，運用變系數(shù)固定效應(yīng)模型，測算各省和全國1979—2018年總體農(nóng)業(yè)機械化對中國種植業(yè)貢獻率，相對時間序列數(shù)據(jù)省際面板數(shù)據(jù)包含更多的個體行為信息，能夠更精確測量各省份之間的差距，更能體現(xiàn)各省份不同時期貢獻率變動情況。

1 研究方法

1.1 方法選擇

本文運用C-D生產(chǎn)函數(shù)法測算農(nóng)業(yè)機械化貢獻率。C-D生產(chǎn)函數(shù)法是一種間接測算貢獻率的方法，假設(shè)生產(chǎn)函數(shù)為柯布道格拉斯生產(chǎn)函數(shù)，通過取自然對數(shù)、回歸求得各生產(chǎn)要素彈性，用彈性求解貢獻率[21-22]。C-D生產(chǎn)函數(shù)法形式簡單、便于計算，所以被廣泛運用，并常用于測量科技進步率。

C-D生產(chǎn)函數(shù)在近年來遭受不少批評，認(rèn)為該方法是一種“專橫”的方法，且在測算農(nóng)業(yè)機械化貢獻率時，農(nóng)機總動力構(gòu)成復(fù)雜，無法分割，會產(chǎn)生誤差[1]。但是，該方法的理論性質(zhì)基本正確，因而是可以接受的[23]。另一方面，我國各省統(tǒng)計數(shù)據(jù)缺乏，其他模型需要的統(tǒng)計數(shù)據(jù)沒有可靠的來源，所以用該方法測算農(nóng)業(yè)機械化貢獻率是合理的。

1.2 模型設(shè)置

影響種植業(yè)產(chǎn)出（Y）的生產(chǎn)要素主要有勞動力投入（L）、資本投入（K）、土地投入（D）等，其中資本投入用化肥施用量（F）與農(nóng)業(yè)機械總動力（M）表示，則產(chǎn)出函數(shù)可以表示為：

式中：A為未體現(xiàn)在其他投入要素的綜合技術(shù)水平，α、β、θ、γ分別為勞動力投入、化肥施用量（折純量）、農(nóng)業(yè)機械總動力、土地投入的產(chǎn)出彈性系數(shù)。μi和λt分別為個體效應(yīng)與時點效應(yīng)，εit為隨機誤差項。對生產(chǎn)函數(shù)兩邊取對數(shù)得：

通過線性回歸可以求出各投入要素的產(chǎn)出彈性系數(shù)，其中第i省份農(nóng)業(yè)機械化產(chǎn)出彈性系數(shù)為θi。若使用全國匯總數(shù)據(jù)進行回歸，可以去掉時間效應(yīng)和個體效應(yīng)直接回歸。

第i省份農(nóng)業(yè)機械化對該省種植業(yè)的平均貢獻率（δi）為：

式中：mi代表農(nóng)業(yè)機械總動力年均相對增長，yi代表種植業(yè)總產(chǎn)出年均相對增長。年均相對增長用幾何平均法得到。

全國農(nóng)業(yè)機械化對種植業(yè)的總貢獻率為：

其中，Yi(t-1)為t-1年第i省份種植業(yè)總產(chǎn)出，Mi(t-1)為t-1年第i省份農(nóng)業(yè)機械總動力，ΔYit為t年第i省份種植業(yè)總產(chǎn)出與t-1年數(shù)值之差，ΔMit為t年第i省份農(nóng)業(yè)機械總動力與t-1年數(shù)值之差。若要計算一段時間的貢獻率，則將t-1中的1改為這一段時間的總年數(shù)，如計算1979—2018年這一段時間累計的貢獻率，則t=2018，1改為39即算得1979—2018年累計的農(nóng)業(yè)機械化貢獻率。其他要素貢獻率計算方法同。

1.3 變量選擇與計算方法

根據(jù)以往研究，選取下列指標(biāo)作為模型變量。

1）種植業(yè)總產(chǎn)出（Y）：設(shè)置種植業(yè)總產(chǎn)出為被解釋變量，本文種植業(yè)產(chǎn)出用農(nóng)業(yè)總產(chǎn)值（不含林業(yè)、牧業(yè)、漁業(yè)）來衡量。為使數(shù)據(jù)具有可比性，以 1978年為基期，通過農(nóng)業(yè)總產(chǎn)值指數(shù)計算農(nóng)業(yè)總產(chǎn)值。

2）資本投入：資本投入通常用物質(zhì)消耗來表示，但是各省種植業(yè)物質(zhì)消耗的統(tǒng)計數(shù)據(jù)較少，根據(jù)已有的研究以及數(shù)據(jù)的可得性，本文用化肥施用量（折純量）（F）、農(nóng)業(yè)機械總動力（M）作為資本投入的量化指標(biāo)[24]。

其中農(nóng)業(yè)機械總動力為關(guān)鍵解釋變量。農(nóng)機總動力在2016年統(tǒng)計口徑發(fā)生調(diào)整，農(nóng)用運輸車不再作為農(nóng)業(yè)機械納入統(tǒng)計范圍，為保證數(shù)據(jù)內(nèi)涵同一，對2016、2017和2018年農(nóng)機總動力做了修正，MTR表示農(nóng)用運輸車動力。MF表示未統(tǒng)計農(nóng)用運輸車動力的農(nóng)機總動力。

3）勞動力投入（L）：各省種植業(yè)勞動力投入用各省第一產(chǎn)業(yè)從業(yè)人員表示，部分省份統(tǒng)計數(shù)據(jù)存在缺失，需進行處理：上海市2018年第一產(chǎn)業(yè)從業(yè)人員數(shù)據(jù)缺失，用趨勢遞推法進行處理；黑龍江省在2011—2013年第一產(chǎn)業(yè)從業(yè)人員數(shù)據(jù)存在缺失，使用線性插值法進行處理。其他省份、年份缺失值用上述同樣方法處理[25]。

4）土地投入（D）：土地投入指標(biāo)用農(nóng)作物播種面積（DA）表示。土地投入還要考慮受氣候條件以及其他資源的影響導(dǎo)致的質(zhì)量差異[26]，因此本文考慮用有效灌溉面積（IA）、成災(zāi)面積（CA）對農(nóng)作物播種面積加權(quán)。成災(zāi)面積的20%左右為絕產(chǎn)，因此播種面積要扣掉成災(zāi)面積的20%；同時考慮有效灌溉的土地產(chǎn)量要高于不具備灌溉條件的土地，因此給與1∶1的權(quán)重將有效灌溉重復(fù)計算一次，則土地投入（D）計算方法為：

1.4 模型選擇

面板數(shù)據(jù)的處理方法一般有混合模型、固定效應(yīng)模型和隨機效應(yīng)模型。根據(jù)似然比檢驗，固定效應(yīng)模型比混合模型效果更好，且常數(shù)為索洛余值，顯然不是隨機數(shù)，故選用固定效應(yīng)模型對數(shù)據(jù)進行回歸，測算各生產(chǎn)要素的生產(chǎn)彈性。

固定效應(yīng)模型根據(jù)其系數(shù)的變化有可分為變截距固定效應(yīng)模型與變系數(shù)固定效應(yīng)模型，即截距與系數(shù)可隨個體或時點變化。本文研究時間跨度較長，技術(shù)進步率在這段時間內(nèi)可能發(fā)生較大變化，各省之間個體差異較大，采用變截距、變系數(shù)固定效應(yīng)模型是可行的。根據(jù)索洛余值是否隨時點變化、土地投入是否隨個體變系數(shù)、農(nóng)機總動力是否隨個體、時點變系數(shù)，建立模型。

通過似然比檢驗得：索洛余值隨時點變、土地投入個體變系數(shù)、農(nóng)機投入個體變系數(shù)的固定效應(yīng)模型，更適合用于省際面板數(shù)據(jù)測算中國種植業(yè)貢獻率。也即是，全要素生產(chǎn)率隨著時間變化而進步，而非定值；同時，土地和農(nóng)機兩種要素的產(chǎn)出率在各省之間存在較大差異。

1.5 數(shù)據(jù)來源

本文數(shù)據(jù)來源為歷年各省統(tǒng)計年鑒、《中國統(tǒng)計年鑒》《新中國60年統(tǒng)計資料匯編》《新中國農(nóng)業(yè)60年統(tǒng)計資料》《中國農(nóng)業(yè)機械工業(yè)年鑒》和國家統(tǒng)計局網(wǎng)站收集28個省份（西藏自治區(qū)統(tǒng)計數(shù)據(jù)不全，港澳臺地區(qū)數(shù)據(jù)口徑不統(tǒng)一，舍去。1988 —2018年海南省數(shù)據(jù)歸入廣東省， 1997—2018年重慶市數(shù)據(jù)歸入四川省計算，以保證截面數(shù)據(jù)前后一致）。通過各渠道數(shù)據(jù)整理，獲得了1979—2018年模型需要的全國及各省農(nóng)業(yè)總產(chǎn)出、農(nóng)機總動力、第一產(chǎn)業(yè)從業(yè)人員、化肥施用量、耕地面積、有效灌溉面積、主要農(nóng)作物播種面積、成災(zāi)面積等指標(biāo)的面板數(shù)據(jù)。

表1為相關(guān)省級數(shù)據(jù)的描述性統(tǒng)計。

表1 相關(guān)數(shù)據(jù)描述性統(tǒng)計Table 1 Descriptive statistics

2 結(jié)果與分析

2.1 農(nóng)業(yè)機械化發(fā)展?fàn)顩r分析

1979—2018年農(nóng)作物耕種收綜合機械化水平與種植業(yè)總產(chǎn)值總體均為上升趨勢（圖1）。1978年以安徽小崗村“大包干”為序幕的農(nóng)村改革開始后，農(nóng)村迅速實行了家庭聯(lián)產(chǎn)承包制，從集體公社大面積共同作業(yè)轉(zhuǎn)化為家庭聯(lián)產(chǎn)承包的小規(guī)模作業(yè)，1984年年底，包產(chǎn)到戶的生產(chǎn)責(zé)任制基本普及開來[27]。農(nóng)戶家庭聯(lián)產(chǎn)承包責(zé)任制規(guī)模細(xì)小，土地零碎，原有的大型農(nóng)機還沒有適應(yīng)經(jīng)營規(guī)模的變化，1979—1985年耕種收綜合機械化率稍有下降，而家庭聯(lián)產(chǎn)承包責(zé)任制解放和發(fā)展了生產(chǎn)力，破除高度集中的計劃管理體制的束縛，在這期間種植業(yè)總產(chǎn)值保持上漲。1985年隨著農(nóng)業(yè)機械逐漸適應(yīng)小規(guī)模作業(yè)狀況，農(nóng)機社會化服務(wù)、跨區(qū)服務(wù)體系興起，耕種收綜合機械化率停止下降[28]。而同時農(nóng)村非農(nóng)產(chǎn)業(yè)發(fā)展，農(nóng)民有更多的就業(yè)選擇，農(nóng)業(yè)生產(chǎn)產(chǎn)量不穩(wěn)定，收益率較低，農(nóng)業(yè)機械投資較大，退出農(nóng)業(yè)經(jīng)營的農(nóng)戶逐漸增多，在這一階段農(nóng)業(yè)機械化的發(fā)展主要依靠小型農(nóng)機，耕種收綜合機械化水平增長緩慢[29]。隨著國家對農(nóng)業(yè)的重視以及對農(nóng)業(yè)機械補貼力度的增大，2004年以后耕種收綜合機械化水平加速上升。

1980—2018年全國種植業(yè)總產(chǎn)值增長率與農(nóng)業(yè)機械總動率增長率關(guān)系見圖2，可以看出：1980—1985年期間，種植業(yè)總產(chǎn)值增長率較大，最高達到11.5%，顯然土地分包到戶極大釋放了農(nóng)戶的生產(chǎn)熱情，勞動生產(chǎn)率和土地產(chǎn)出率都出現(xiàn)了大幅度提升導(dǎo)致種植業(yè)總產(chǎn)值快速增長。但在1985開始出現(xiàn)了增速放緩并趨于4%上下波動的情況。農(nóng)業(yè)機械總動力增長率在1990年之前整體處于下降趨勢，農(nóng)機發(fā)展呈現(xiàn)低迷狀態(tài)，增長率最低曾經(jīng)僅為2.28%。但之后開始恢復(fù)，到1997年最高達9%，后面開始下降但也維持在5%左右波動。整體來看，農(nóng)業(yè)機械總動力增長率和種植業(yè)總產(chǎn)值增長率之間呈現(xiàn)出一定相關(guān)性，比如1991—1995年期間，農(nóng)業(yè)機械總動力增長率呈上升趨勢，而種植業(yè)總產(chǎn)值增長率趨勢相同；1996—2003年之間農(nóng)業(yè)機械總動力增長率整體呈下降趨勢，同期種植業(yè)總產(chǎn)值增長率也呈下降趨勢。當(dāng)然，是否真的有顯著關(guān)聯(lián)，還需要在下一節(jié)內(nèi)容中進行進一步的定量研究。

2.2 各省平均貢獻率分析

運用stata15軟件對模型進行估計，面板數(shù)據(jù)存在異方差和自相關(guān)，所以這里使用聚類穩(wěn)健標(biāo)準(zhǔn)誤修正后的t值。擬合優(yōu)度為0.99，擬合效果較好。再根據(jù)公式（3），算得農(nóng)業(yè)機械化對各地區(qū)種植業(yè)的貢獻率，結(jié)果見表2。

表2 1979—2018年系數(shù)估計量及農(nóng)機化貢獻率Table 2 Coefficient estimation and agricultural mechanization contribution rates in 1979-2018

從關(guān)鍵解釋變量農(nóng)機貢獻率看，1979—2018年間農(nóng)業(yè)機械化在中國大部分地區(qū)的農(nóng)業(yè)生產(chǎn)中發(fā)揮著較大的作用，繼續(xù)增加農(nóng)業(yè)機械的投入仍舊可以推動種植業(yè)的發(fā)展。其中，貢獻率超過30%的有天津、上海、浙江、甘肅和新疆。特別是新疆，農(nóng)業(yè)機械總動力對種植業(yè)總產(chǎn)值的彈性系數(shù)為0.63，貢獻率為57.26%。貴州、湖南和青海等省份農(nóng)機總動力對種植業(yè)總產(chǎn)值的影響均在10%水平下顯著為負(fù)，可能原因是貴州、湖南和青海等省耕地中丘陵山區(qū)占比較高的省份由于地貌限制，無法使用大中型農(nóng)機作業(yè)而只能使用微耕機等小型農(nóng)業(yè)機械，而這些機械的效率遠遠低于大中型農(nóng)業(yè)機械，因此存在投入增速高但對應(yīng)產(chǎn)出增速水平卻偏低，使得彈性為負(fù)。此外，還看到安徽和上海等平原省份貢獻率也為負(fù)，表明這些省份存在這可能存在農(nóng)機保有量過剩的情況，但考慮到跨區(qū)作業(yè)的溢出效益[30]，并不能直接證明這些農(nóng)機在全國范圍內(nèi)就一定算過剩的。

從土地投入的彈性看，由于1979—2018年各省土地投入面積變動不大或有減少，同時其他如種子、化肥等土地替代性要素的廣泛使用使得土地產(chǎn)出率不斷提升，低產(chǎn)土地即使大幅度退出亦不會影響種植業(yè)產(chǎn)出，導(dǎo)致土地資源變動對種植業(yè)的影響相對較小，甚至個別省份彈性為負(fù)（此處涉及另一問題，“占補平衡”的嚴(yán)格土地政策，是否讓各省將優(yōu)質(zhì)耕地轉(zhuǎn)化為建設(shè)用地而用劣質(zhì)的荒地復(fù)墾，進而導(dǎo)致了這一現(xiàn)象？本處不做深入討論）。天津、浙江、上海和河南土地投入對種植業(yè)總產(chǎn)值的彈性系數(shù)大于1，即土地投入增加1%則種植業(yè)總產(chǎn)出增加1%以上，土地資源在這些地區(qū)尤為重要。可能解釋是，這些省市優(yōu)質(zhì)的水澆地占比和增速較高。

從勞動投入要素看，第一產(chǎn)業(yè)從業(yè)人員對種植業(yè)產(chǎn)出彈性為0.002，在10%水平下不顯著（表2），表明第一產(chǎn)業(yè)從業(yè)人員對種植業(yè)的影響很小。其原因在于，農(nóng)業(yè)勞動力雖然在大幅度下降，但替代農(nóng)業(yè)勞動力的農(nóng)業(yè)機械也在快速增長，所以表現(xiàn)為農(nóng)業(yè)勞動力下降對農(nóng)業(yè)產(chǎn)出的影響并不顯著。若參照美國等主要農(nóng)業(yè)出口國的勞動生產(chǎn)效率，我國農(nóng)業(yè)勞動力還有非常大的下降空間。

從化肥投入要素看，化肥施用量對種植業(yè)產(chǎn)出彈性為0.124，在10%水平下顯著（表2），對種植業(yè)總產(chǎn)值有著正向的影響，化肥施用量每增加1%，種植業(yè)總產(chǎn)值增加0.12%，化肥在1979—2018年之間，對種植業(yè)總產(chǎn)值有明顯的正向推動作用。

圖3為模型計算得到的1979—2018年每年的綜合技術(shù)水平，代表了該年種植業(yè)總產(chǎn)值增長中不能歸因于模型中其他生產(chǎn)要素的增長的部分，包括勞動力素質(zhì)、引進先進技術(shù)等。1979—2018年間，綜合技術(shù)水平逐年增長，增長了近3倍，表明產(chǎn)出增長中，由技術(shù)進步帶來的增長不斷上升。

2.3 全國農(nóng)業(yè)機械化貢獻率分析

全國歷年農(nóng)業(yè)機械化貢獻率的計算有兩種方式：第一種是運用表2分省計算的農(nóng)機產(chǎn)出彈性數(shù)據(jù)，根據(jù)公式（4）進行加總計算得到全國歷年農(nóng)機化貢獻率（圖4：分省加總）。但如前述模型結(jié)果分析中提到那樣，由于未考慮跨區(qū)作業(yè)的溢出效應(yīng)，因此計算出的各省農(nóng)機裝備貢獻率可能有所誤差。因此，本研究同時采用了第二種方法，即直接運用全國年度數(shù)據(jù)，在控制隨時間變化的技術(shù)進步基礎(chǔ)上，運用C-D生產(chǎn)函數(shù)進行估計各要素的產(chǎn)出彈性（表3）并按照公式（3）計算出全國農(nóng)機化貢獻率（圖4：全國數(shù)據(jù)計算）。圖4展示了兩種方法計算出的1979—2018年分年度的全國農(nóng)業(yè)機械化貢獻率結(jié)果。加上技術(shù)進步貢獻率，各要素貢獻率之和應(yīng)當(dāng)為100%，用一個固定彈性估計所有時期的貢獻率，存在一定誤差，故將總貢獻率超過200%的年份結(jié)果視為異常值，1980年分省加總結(jié)果與1980年、1985年、1988年和1991年全國數(shù)據(jù)計算結(jié)果在圖4中不再展示。1986年種植業(yè)總產(chǎn)值增長率為負(fù)。根據(jù)貢獻率公式可知：如果處于分母位置的產(chǎn)出增長率為負(fù)，那么處于分子位置的兩項因子：投入要素的產(chǎn)出彈性為正、要素增長率即使為正，得出來的貢獻率也一定是負(fù)的。一般認(rèn)為種植業(yè)總產(chǎn)值增長率為負(fù)時，計算出的貢獻率無效，因此對1986年結(jié)果不做展示。

從圖4可以看出：1）無論是分省加總結(jié)果還是全國數(shù)據(jù)計算結(jié)果，整體趨勢是一致的。全國數(shù)據(jù)回歸結(jié)果波動較大，所有年份貢獻率均大于分省加總結(jié)果，是由于在分省計算時，未考慮跨區(qū)作業(yè)的溢出效應(yīng)，因此低估了各省農(nóng)機裝備的貢獻率。2）1979—2018年農(nóng)機貢獻率總體表現(xiàn)為先增后減，今后應(yīng)注重農(nóng)業(yè)機械化的效率，對動力機械、谷物收獲機械等存在保有量過剩的農(nóng)業(yè)機械降低補貼額度，并鼓勵社會化服務(wù)。

與1979年相比，2018年累計的農(nóng)業(yè)機械貢獻率是多少？表4分別展示了分省加總和全國數(shù)據(jù)計算得到的各投入要素累計貢獻率。可以看出，與1979年相比，無論是哪種方法計算出的結(jié)果，都表明農(nóng)機是貢獻最大的要素。由于分省加總結(jié)果未考慮跨區(qū)作業(yè)的溢出效應(yīng)，因此我們采用全國合計數(shù)據(jù)計算結(jié)果，即與1979年相比，2018年的種植業(yè)產(chǎn)出增加部分農(nóng)機貢獻了其中54.196%。換句話說，如果沒有農(nóng)業(yè)機械化，在保持1979年的勞動生產(chǎn)率條件下，2018年的種植業(yè)產(chǎn)出將下降54.196%。

表4 1979—2018年各投入要素對中國種植業(yè)增長的 累計貢獻率（%）Table 4 Cumulative contribution rates of input factors to the growth of China’s crop industry between 1978 and 2018

3 結(jié)論與建議

3.1 結(jié)論

研究表明，1979—2018年耕種收綜合機械化水平與種植業(yè)總產(chǎn)值總體均為上升趨勢。農(nóng)業(yè)機械化對種植業(yè)產(chǎn)值具有較高的貢獻率，分省面板數(shù)據(jù)表明絕大部分省份農(nóng)業(yè)機械對種植業(yè)產(chǎn)值的貢獻率都是正的。同時，分省加總計算出的農(nóng)機貢獻率和用全國數(shù)據(jù)回歸計算出的農(nóng)機貢獻率，除了1986年消除物價指數(shù)的種植業(yè)總產(chǎn)值負(fù)增長導(dǎo)致農(nóng)機貢獻率為負(fù)數(shù)以外，其他年份都是正的，且所有要素中無論哪種算法農(nóng)機的貢獻率都遠高于化肥、勞動力和土地等其他要素。

但注意到，近年來農(nóng)業(yè)機械化對種植業(yè)總產(chǎn)值的貢獻率不斷降低，農(nóng)機總動力增加對種植業(yè)總產(chǎn)值增加的貢獻在降低。現(xiàn)階段平原地區(qū)耕、種、收階段機械化已經(jīng)到達較高水平，但丘陵地區(qū)的農(nóng)業(yè)機械化發(fā)展受到地形等多因素的限制，丘陵山區(qū)縣農(nóng)作物綜合機械化水平遠低于全國平均水平。丘陵地區(qū)農(nóng)業(yè)機械化發(fā)展具有較大的潛力。農(nóng)業(yè)機械化在經(jīng)濟作物、林果業(yè)、畜禽養(yǎng)殖、水產(chǎn)養(yǎng)殖和設(shè)施農(nóng)業(yè)等領(lǐng)域還有諸多不足，未來應(yīng)當(dāng)更加重視農(nóng)業(yè)機械化在這些領(lǐng)域的發(fā)展，推動農(nóng)業(yè)全程、全面機械化。

3.2 建議

1）繼續(xù)加大農(nóng)業(yè)機械化支持力度，豐富支持政策。中國農(nóng)業(yè)要參與國際競爭、要保障農(nóng)產(chǎn)品供給安全，那么必然要依靠農(nóng)業(yè)機械化，傳統(tǒng)的生產(chǎn)方式支撐不起農(nóng)業(yè)農(nóng)村現(xiàn)代化。目前農(nóng)業(yè)機械化支持政策過于單一，主要依靠購機補貼政策，而歐美、日韓等國家和地區(qū)的燃油補貼或退稅政策、貸款貼息政策等組合政策，我們應(yīng)借鑒和豐富農(nóng)業(yè)機械化支持政策。

2）提高農(nóng)業(yè)機械化效率，補短板強弱項。當(dāng)前拖拉機、谷物收割機等傳統(tǒng)農(nóng)業(yè)機械處于過剩狀態(tài)，而經(jīng)濟作物、林果業(yè)、畜禽養(yǎng)殖、水產(chǎn)養(yǎng)殖、設(shè)施農(nóng)業(yè)等領(lǐng)域和丘陵山區(qū)農(nóng)業(yè)機械化水平還較低，因此應(yīng)將主要資源向薄弱領(lǐng)域和地區(qū)傾斜，降低保有量過剩的農(nóng)機支持力度。

3）加強農(nóng)田和機耕道等基礎(chǔ)設(shè)施建設(shè)，促進丘陵山區(qū)農(nóng)業(yè)機械化的發(fā)展。我國丘陵地區(qū)耕地面積、播種面積均占全國三成左右，但由于農(nóng)田分散、零碎、不平整、缺乏機耕道等原因不適合使用大中型機械，極大的限制了丘陵地區(qū)的勞動生產(chǎn)率。應(yīng)大力推動以地塊“小并大、短并長、坡改平、彎改順、互聯(lián)互通”為主要內(nèi)容的農(nóng)田宜機化改造工作，為農(nóng)業(yè)機械作業(yè)提供基礎(chǔ)條件。