農(nóng)業(yè)機械化與農(nóng)民收入：包含空間溢出效應(yīng)的實證分析

王詩語 王銀

摘? ?要：農(nóng)業(yè)機械化作為農(nóng)業(yè)現(xiàn)代化的重要組成部分，可以提高農(nóng)業(yè)的勞動生產(chǎn)率，解放剩余勞動力，提升農(nóng)民的收入水平。本文通過運用我國31個省（自治區(qū)、直轄市）2000—2019年的面板數(shù)據(jù)，測算農(nóng)業(yè)機械化發(fā)展水平和農(nóng)民收入水平的全域MoranI指數(shù)，并先后構(gòu)建相應(yīng)的面板OLS回歸模型和空間計量模型來檢驗農(nóng)業(yè)機械化水平對農(nóng)民收入的影響。結(jié)果發(fā)現(xiàn)，農(nóng)業(yè)機械化水平的提升能顯著增加農(nóng)民的收入水平，并且具有顯著的空間溢出效應(yīng)。

關(guān)鍵詞：農(nóng)業(yè)機械化;農(nóng)民收入;空間溢出效應(yīng)

中圖分類號：F320? ? ? ? 文獻標識碼：B? ? ? ? doi：10.3969/j.issn.1009-6922.2021.04.008

文章編號：1009-6922（2021）04-59-07

中國的農(nóng)業(yè)發(fā)展一直面臨著“人均一畝三分地，戶均不過十畝田”式小農(nóng)生產(chǎn)方式的限制。但是中國要實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展，并在保證糧食安全的同時逐步提升農(nóng)民的收入水平，必須走農(nóng)業(yè)機械化的道路。2020年底，習近平總書記在中央農(nóng)村工作會議上強調(diào)，從中華民族偉大復興戰(zhàn)略全局看，民族要復興，鄉(xiāng)村必振興。會議還特別強調(diào)要加強農(nóng)業(yè)科技創(chuàng)新，深入實施藏糧于地、藏糧于技戰(zhàn)略。由此可見，農(nóng)業(yè)機械化的發(fā)展在相當長一段時期內(nèi)對促進農(nóng)村經(jīng)濟發(fā)展、提升農(nóng)民收入水平、增強國家競爭力等都有著非常重要的作用。同時，過去幾十年農(nóng)業(yè)生產(chǎn)實踐催生出農(nóng)機跨區(qū)作業(yè)現(xiàn)象，讓本文進一步思考在此背景下農(nóng)業(yè)機械化在提升農(nóng)業(yè)分工水平與農(nóng)業(yè)經(jīng)營規(guī)模報酬中的作用，這種跨區(qū)作業(yè)的規(guī)模化服務(wù)將進一步提升農(nóng)業(yè)的生產(chǎn)效率和投入成本，這一點在本身農(nóng)業(yè)機械化程度較低的區(qū)域?qū)⒏鼮槊黠@。本文將農(nóng)業(yè)機械化水平的空間溢出效用與農(nóng)民收入水平的改善相結(jié)合，運用全國范圍內(nèi)的面板數(shù)據(jù)來測度農(nóng)業(yè)機械化水平對農(nóng)民收入的影響程度。

一、國內(nèi)外研究現(xiàn)狀及分析

經(jīng)濟學家很早就注意到農(nóng)業(yè)生產(chǎn)中機械的重要性，在發(fā)達國家的農(nóng)業(yè)生產(chǎn)中，機器已經(jīng)是不可或缺的生產(chǎn)要素，貫穿于農(nóng)業(yè)生產(chǎn)的各個環(huán)節(jié)。農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)生產(chǎn)的重要性主要在于替代勞動和提高生產(chǎn)效率兩方面。不過，早期有學者指出，發(fā)展中國家的農(nóng)業(yè)生產(chǎn)普遍存在勞動力剩余的情況，農(nóng)業(yè)機械化并不意味著生產(chǎn)效率的提高，傳統(tǒng)的精耕細作的農(nóng)業(yè)生產(chǎn)方式能夠充分利用相對稀缺的土地資源，農(nóng)業(yè)機械化雖然能夠提高勞動生產(chǎn)率，卻不能增加每塊土地的糧食產(chǎn)出[1-2] 。 但是隨著全球范圍發(fā)展中國家城鎮(zhèn)化浪潮的興起，在農(nóng)業(yè)勞動力流失的背景下農(nóng)業(yè)機械化對糧食的增產(chǎn)效應(yīng)得到了學界普遍的共識，這也是為何在中國農(nóng)村勞動力大量流向城市的背景下，糧食產(chǎn)量仍然出現(xiàn)了連續(xù)十幾年的增長[3-4]。因此，現(xiàn)有研究大多肯定了農(nóng)業(yè)機械化在農(nóng)業(yè)生產(chǎn)中替代勞動以及提高勞動生產(chǎn)效率方面的作用。同時，農(nóng)業(yè)機械化還可以通過降低生產(chǎn)成本、提高勞動生產(chǎn)率，直接增加農(nóng)民的經(jīng)營性收入，實現(xiàn)對勞動力的替代。一般而言，這部分被替代的勞動力通過向非農(nóng)部門轉(zhuǎn)移而獲得工資性收入，從而進一步增加農(nóng)民的總收入[5-7]。 實證研究表明， 我國的農(nóng)業(yè)機械化對農(nóng)民的收入有正向影響[8]。周振等（2016）通過雙重差分模型（difference-in-difference）和傾向值匹配（propensity score matching）方法衡量農(nóng)業(yè)機械化對農(nóng)民收入的影響，解決模型的內(nèi)生性問題，也得出了農(nóng)業(yè)機械化促進農(nóng)民增收的結(jié)果[9]。

但是，中國的農(nóng)業(yè)生產(chǎn)中存在著廣泛的農(nóng)機跨區(qū)服務(wù)現(xiàn)象。楊進（2015）和潘經(jīng)韜（2019）詳細地對農(nóng)機“跨區(qū)作業(yè)”這一現(xiàn)象進行剖析，認為正是在我國零碎的地形條件和小農(nóng)戶生產(chǎn)背景下，由于我國國土面積遼闊而形成的氣候梯度保證糧食成熟時間具有一定的差異，從而在需求和供給兩側(cè)推動了這一現(xiàn)象的形成[10-11]。由此可見，農(nóng)業(yè)機械化在現(xiàn)實生活中具有極強的空間溢出效用，這是在農(nóng)業(yè)生產(chǎn)活動中為了突破種種不利因素，在供需兩側(cè)自發(fā)形成起來的。這種溢出效用所代表的服務(wù)規(guī)?；侵袊r(nóng)業(yè)現(xiàn)代化與規(guī)模化進程中十分關(guān)鍵的因素。

不過，略顯遺憾的是，現(xiàn)有研究基本上都是集中于農(nóng)機跨區(qū)服務(wù)帶來的空間溢出效益對于糧食生產(chǎn)的影響研究，而對于農(nóng)業(yè)機械化的空間溢出對農(nóng)民的收入水平的影響研究略有不足。農(nóng)業(yè)向來是大國之基、立國之本，如何促進農(nóng)業(yè)現(xiàn)代化，提升農(nóng)民的收入水平，一直是黨和國家政策的重要出發(fā)點。2020年末，我國農(nóng)村的絕對貧困問題解決后，面臨著比較大的相對貧困問題。農(nóng)業(yè)機械化通過替代勞動力以及提升勞動效率來增加農(nóng)民收入，以工業(yè)化帶動農(nóng)業(yè)現(xiàn)代化，而農(nóng)機跨區(qū)服務(wù)帶來的農(nóng)業(yè)機械化的空間溢出效應(yīng)則是更加貼合我國實際的農(nóng)業(yè)機械化發(fā)展道路，有助于進一步改善農(nóng)民的收入水平。因此，本文擬在已有研究的基礎(chǔ)上，重點強調(diào)農(nóng)機跨區(qū)作業(yè)對農(nóng)民收入水平影響的空間溢出效應(yīng)，利用我國31個?。ㄗ灾螀^(qū)、直轄市）2000—2019年的面板數(shù)據(jù)構(gòu)建相應(yīng)的面板OLS回歸模型以及空間計量模型來檢驗農(nóng)業(yè)機械化水平對農(nóng)民收入的影響，并結(jié)合實證結(jié)果提出相應(yīng)的政策建議。

二、實證分析與結(jié)果分析

（一）模型選取與數(shù)據(jù)來源

基于前文對農(nóng)業(yè)機械化的梳理，結(jié)合先行研究對農(nóng)業(yè)機械化和農(nóng)民收入關(guān)系的梳理，同時考慮到在我國廣泛存在的農(nóng)機跨區(qū)服務(wù)現(xiàn)象，本文提出了兩個研究假設(shè)：

H1：農(nóng)業(yè)機械化對農(nóng)民收入有著正向促進的影響;

H2：農(nóng)業(yè)機械化對農(nóng)民收入的影響存在空間溢出效應(yīng)。

為了驗證上述兩個假設(shè)，本文需要構(gòu)建一般的面板計量模型作為基準模型，同時構(gòu)建空間計量模型進行修正。本文構(gòu)建的基準面板回歸模型如下：

lnincomeit=α0+α1lnmachineit+α2lnelecit+α3lnfertilizerit+

α4lnacreageit+α5lnirrigationit+μi+δt+εit

其中，income、machine、elec、fertilizer、acre-age、irrigation分別表示農(nóng)民收入水平、機械化水平、農(nóng)村用電量、化肥施用量、播種面積和有效灌溉面積，μ、δ和ε分別表示個體效應(yīng)、時間效應(yīng)和獨立同分布的隨機擾動項。此外，我們對各變量進行了自然對數(shù)化處理。在具體的實證中，我們采用農(nóng)村居民人均可支配收入來衡量農(nóng)民收入水平，由于統(tǒng)計口徑的變化，部分年份的數(shù)據(jù)采用了農(nóng)村居民人均純收入;農(nóng)業(yè)機械化水平我們采用農(nóng)業(yè)機械總動力來衡量。此外的控制變量：農(nóng)村用電量、化肥使用量、播種面積和有效灌溉面積均采用統(tǒng)計年鑒的對應(yīng)數(shù)據(jù)。

通過對前期的文獻梳理我們發(fā)現(xiàn)，如果忽略廣泛存在的農(nóng)業(yè)機械跨區(qū)服務(wù)帶來的空間上的影響，很可能帶來估計偏誤，使得模型難以準確反映機械化與農(nóng)民收入之間的真實效果。而空間計量模型能有效地對空間效應(yīng)進行識別、度量和估計。因此本文選擇使用空間面板杜賓模型（SDM）來研究農(nóng)業(yè)機械化與農(nóng)民收入之間的關(guān)系，具體的模型設(shè)計如下：

lnincomeit=α0+α1lnmachineit+α2lnelecit+α3lnfertilizerit+

α4lnacreageit+α5lnirrigationit+ρWlnincomeit

+βWlnmachineit+μi+δt+εit

與基準的面板回歸模型類似，income、machine、elec、fertilizer、acreage、irrigation分別表示農(nóng)民收入水平、機械化水平、農(nóng)村用電量、化肥施用量、播種面積和有效灌溉面積，Wlnincomeit、Wlnmachineit和分別表示個體效應(yīng)、時間效應(yīng)和獨立同分布的隨機擾動項，并對其進行了對數(shù)化處理。和分別表示了農(nóng)民收入水平和農(nóng)業(yè)機械化水平的空間滯后項，其中的W代表了空間權(quán)重矩陣。一般來說，常見的空間權(quán)重矩陣為0—1矩陣、反距離矩陣等。為了提高模型的識別能力，我們將使用反距離矩陣來刻畫各變量之間的空間關(guān)系。

本文選取我國31個?。ㄗ灾螀^(qū)、直轄市）2000—2019年的面板數(shù)據(jù)進行實證。本文所需要的農(nóng)村居民人均可支配收入、農(nóng)村居民人均純收入、農(nóng)業(yè)機械總動力、農(nóng)村用電量、化肥使用量和有效灌溉面積數(shù)據(jù)來自《中國農(nóng)村統(tǒng)計年鑒》，部分《中國農(nóng)村統(tǒng)計年鑒》中的缺失數(shù)據(jù)我們通過各?。▍^(qū)、市）的歷年統(tǒng)計年鑒進行補齊。各主要變量的描述統(tǒng)計分析詳見表1：

（二）基準模型分析

這部分我們將利用面板回歸模型作為基準模型對農(nóng)業(yè)機械化水平和農(nóng)民收入水平進行分析。由于面板數(shù)據(jù)涉及到時間趨勢，所以我們首先對2000—2019年的面板數(shù)據(jù)進行平穩(wěn)性檢驗。我們采用了HadriLM面板單位根檢驗，HadriLM檢驗的原假設(shè)是數(shù)據(jù)平穩(wěn)，我們的檢驗結(jié)果表明P值小于0.01，說明在1%的顯著性水平上我們拒絕原假設(shè)。不過進行一階差分處理后，我們發(fā)現(xiàn)各變量均存在一階單整過程，存在長期均衡關(guān)系，所以可以不對變量進行差分處理。

我們首先考慮進行了簡單的混合回歸，在混合回歸中我們不考慮個體和時間效應(yīng)，回歸采用穩(wěn)健標準誤，得到結(jié)果（1）;進而我們考慮選擇進行固定效應(yīng)回歸還是隨機效應(yīng)回歸，利用Hausman檢驗，我們發(fā)現(xiàn)固定效應(yīng)模型更為合適，但是在檢驗過程中我們發(fā)現(xiàn)隨機效應(yīng)的結(jié)果也非常顯著。因此，我們通過固定效應(yīng)和隨機效應(yīng)模型得到了結(jié)果（2）和（3），以（2）的結(jié)果作為主要參考。

由上面的回歸結(jié)果，可以得到以下結(jié)論：（1）無論是混合回歸、固定效應(yīng)回歸還是隨機效應(yīng)回歸，都很顯著地說明了農(nóng)業(yè)機械化對農(nóng)民收入的正向作用。而固定效應(yīng)和隨機效應(yīng)的回歸結(jié)果R2都顯著大于混合回歸的R2，說明農(nóng)業(yè)機械化對農(nóng)民收入的作用在時間和空間維度上都存在顯著差異，對其進行控制是必要的。（2）用電量、化肥施用量以及有效灌溉面積在后兩個模型中系數(shù)均為正，但是播種面積卻對收入有著負向的影響。這可能表明農(nóng)民收入的增加并非是由于增加作物播種面積，而是通過機械化以及投入化肥等等來獲得高質(zhì)量的畝產(chǎn)。另外，先行研究也表明農(nóng)民收入的增加很可能是通過農(nóng)業(yè)勞動力的轉(zhuǎn)移。如果增加播種面積，則表明更少的勞動力被轉(zhuǎn)移到非農(nóng)行業(yè)，這可能也會給農(nóng)民的總收入帶來負向影響。

基于以上分析，我們驗證了假設(shè)一。鑒于現(xiàn)實生活中廣泛存在的農(nóng)機跨區(qū)服務(wù)現(xiàn)象，忽略其很可能帶來估計偏誤，使得模型難以準確反映機械化與農(nóng)民收入之間的真實效果，對此我們將進行空間計量分析來驗證假說二。

（三）空間計量分析

為了更進一步地展現(xiàn)農(nóng)業(yè)機械化水平和農(nóng)民收入的空間自相關(guān)性，我們通常會首先使用莫蘭指數(shù)（MoransI）來檢驗變量的空間依賴強度大小。莫蘭指數(shù)的計算公式為：

其中n為地區(qū)數(shù)，本文中n=31;W為空間權(quán)重矩陣;Xi為單位i的觀測值，我們將利用莫蘭指數(shù)對變量進行空間的相關(guān)性檢驗。但是這樣計算的莫蘭指數(shù)只能表示某一個年份的空間依賴性，為更加直觀地測度變量的空間相關(guān)性，或者說空間依賴性，本文運用Su and Yang（2008）的做法將不同時間點上的截面數(shù)據(jù)疊加在一起來測算莫蘭指數(shù)，最終農(nóng)民收入的莫蘭指數(shù)和農(nóng)業(yè)機械化水平的莫蘭指數(shù)分別為0.769和0.062，均在1%的顯著性水平下顯著[12]。這表明在所選取的樣本期內(nèi)，農(nóng)民收入和農(nóng)業(yè)機械化水平呈現(xiàn)出一定的空間相關(guān)關(guān)系，因此，在研究這兩者之間的關(guān)系時，將空間的關(guān)聯(lián)性與異質(zhì)性納入考慮是合理的。圖1和圖2是2019年農(nóng)民收入和農(nóng)業(yè)機械化水平的莫蘭散點圖：

另外，我們?nèi)匀恍枰袛嗫臻g杜賓模型是選擇固定效應(yīng)還是隨機效應(yīng)，對此我們進行了Hausman檢驗。最終我們得到的Hausman檢驗的最終統(tǒng)計量為負，通過模擬分析發(fā)現(xiàn)，主要是因為隨機效應(yīng)模型基本假設(shè)的漸進性假設(shè)無法得到滿足?；谶B玉君（2014）、陳強（2014）的研究，在Hausman檢驗值為負的情況下，應(yīng)該采用固定效應(yīng)[13-14]。故本文的SDM模型采取固定效應(yīng)，最終得到了結(jié)果（4）：

由上面的結(jié)果可以得到如下結(jié)論：（1）用于測度農(nóng)民收入水平空間溢出效應(yīng)的rho系數(shù)在1%的顯著性水平下顯著，說明農(nóng)民的收入水平存在著顯著的空間溢出效應(yīng)。具體來說，臨近省份的農(nóng)民收入水平加權(quán)值每提高一個百分點，就會使得本地的農(nóng)民收入水平提升0.803個百分點。（2）測度農(nóng)業(yè)機械化水平空間溢出效應(yīng)的回歸參數(shù)通過顯著性檢驗，這表明使用農(nóng)機總動力作為農(nóng)業(yè)機械化水平的代理變量對周邊省份農(nóng)民收入水平存在影響。值得注意的是，這個影響是負向的。具體來說，臨近省份的農(nóng)業(yè)機械化水平加權(quán)值每提高一個百分點，就會使得本地的農(nóng)民收入水平下降0.205個百分點。結(jié)合已有文獻分析，很可能是因為農(nóng)機跨區(qū)服務(wù)一般是大型機械，現(xiàn)在的代理變量是包含大型農(nóng)機和中小型農(nóng)機的農(nóng)機總動力。但是由于統(tǒng)計數(shù)據(jù)口徑的問題，在選取的時間期間并不能很好地區(qū)分出大型農(nóng)機和中小型農(nóng)機的數(shù)據(jù)，這都有待后續(xù)研究完善。

不過空間計量回歸的結(jié)果仍然證明了農(nóng)業(yè)機械化對農(nóng)民收入的促進作用。具體來說，本地的農(nóng)業(yè)機械化水平每提高一個百分點，就會使得本地的農(nóng)民收入水平上升0.104個百分點?？傊?，上述四個模型的結(jié)果驗證了我們的兩個假設(shè)：農(nóng)業(yè)機械化對農(nóng)民收入有著正向促進的影響，并且這種農(nóng)業(yè)機械化水平對農(nóng)民收入的影響存在空間溢出效應(yīng)。

三、結(jié)論

本文首先利用我國31個省（自治區(qū)、直轄市）2000—2019年的面板數(shù)據(jù)構(gòu)建相應(yīng)的面板OLS回歸模型來檢驗農(nóng)業(yè)機械化水平對農(nóng)民收入的影響，并結(jié)合已有研究對廣泛存在的農(nóng)機跨區(qū)服務(wù)現(xiàn)象進行分析，在運用全域MoranI指數(shù)對農(nóng)業(yè)機械化水平和農(nóng)民收入水平測度空間相關(guān)性之后，構(gòu)建了空間計量回歸模型，更加準確地衡量農(nóng)業(yè)機械化水平對農(nóng)民收入的影響程度，并測度了其空間溢出效應(yīng)。研究發(fā)現(xiàn)，無論是在普通的面板OLS回歸模型還是在考慮到空自相關(guān)性的空間計量模型中，機械化均顯著地表現(xiàn)出對農(nóng)民收入水平的促進作用，并且農(nóng)業(yè)機械化水平顯著地影響到周圍地區(qū)的農(nóng)民收入水平。

參考文獻：

[1]劉運梓，宋養(yǎng)琰.農(nóng)業(yè)機械化是農(nóng)業(yè)現(xiàn)代化的核心和基本內(nèi)容嗎？[J].社會科學輯刊，1980（04）：60-64.

[2]羅象谷.農(nóng)業(yè)機械化是農(nóng)業(yè)的根本出路嗎？[J].中國農(nóng)村經(jīng)濟，1985（07）：43-45.

[3]王歐，唐軻，鄭華懋.農(nóng)業(yè)機械對勞動力替代強度和糧食產(chǎn)出的影響[J].中國農(nóng)村經(jīng)濟，2016（12）：46-59.

[4]王建英，陳志鋼，黃祖輝，ThomasReardon.轉(zhuǎn)型時期土地生產(chǎn)率與農(nóng)戶經(jīng)營規(guī)模關(guān)系再考察[J].管理世界，2015（09）：65-81.

[5]鐘甫寧.正確認識糧食安全和農(nóng)業(yè)勞動力成本問題[J].農(nóng)業(yè)經(jīng)濟問題，2016，37（01）：4-9，110.

[6]周曉時.勞動力轉(zhuǎn)移與農(nóng)業(yè)機械化進程[J].華南農(nóng)業(yè)大學學報（社會科學版），2017，16（03）：49-57.

[7]李谷成，李燁陽，周曉時.農(nóng)業(yè)機械化、勞動力轉(zhuǎn)移與農(nóng)民收入增長——孰因孰果？[J].中國農(nóng)村經(jīng)濟，2018（11）：112-127.

[8]許廣月.農(nóng)業(yè)機械化與農(nóng)民收入關(guān)系研究：基于中國省級面板的實證分析[J].西部論壇，2011，21（03）：18-25.

[9]周振，張琛，彭超，孔祥智.農(nóng)業(yè)機械化與農(nóng)民收入：來自農(nóng)機具購置補貼政策的證據(jù)[J].中國農(nóng)村經(jīng)濟，2016（02）：68-82.

[10]楊進.中國農(nóng)業(yè)機械化服務(wù)與糧食生產(chǎn)[D].杭州：浙江大學，2015.

[11]潘經(jīng)韜.農(nóng)業(yè)機械化服務(wù)對糧食生產(chǎn)的影響研究[D].武漢：中南財經(jīng)政法大學，2019.

[12]SU L，YANG Z.Instrumental variable quantile estimation of spatial autoregressive models[R].Development Economics Working Papers，2011.

[13]連玉君，王聞達，葉汝財.Hausman檢驗統(tǒng)計量有效性的monte Carlo模擬分析[J].數(shù)理統(tǒng)計與管理，2014，33（5）：830-841.

[14]陳強.高級計量經(jīng)濟學及Stata應(yīng)用：第2版[M].北京：高等教育出版社，2014.