河南省農業機械化與農民工資性收入關系研究*
——基于VAR 模型

李溫馨 ，張萬宇 ，張 錕

（河南農業大學，河南 鄭州 450000）

中國如期打贏了脫貧攻堅戰，完成了全面建成小康社會的歷史任務。河南省作為一個以農業為主的人口眾多的省份，是糧食的主產區之一，其經濟發展相比其他省份較為緩慢。《河南統計年鑒》調查數據顯示，與城市居民相比，農民收入普遍不高，依靠增加農業勞動力拉動河南省經濟增長的優勢逐漸減弱，“兼業農戶”或“半工半耕”已成河南省農業發展的普遍現象。同時，河南省農業現代化發展水平比較低，大型農機的普及率不高，總體來說，有很大的提升空間[1]。基于此，本研究以VAR 模型為基礎，研究河南省農業機械化與農民工資性收入之間的關系，有利于促進農業勞動力轉移，拓寬河南省農民的增收渠道。

1 相關文獻

1.1 農業機械化與農民收入的關系

陳濤等基于全國25 個農業大省2008—2019 年的面板數據的實證研究得出，農業機械化能促進農業增收，對縮小城鄉差距具有顯著作用[2]。梁天麗等通過分析2004—2018 年影響廣西農民收入的時間序列數據，采用同樣的方法，發現農業機械化對農民增收的貢獻率逐年上升[3]。鐘昕選取了中國30 個省2003—2019 年的面板數據進行實證分析，結果表明，中國農業機械化可以通過農業剩余勞動力的轉移增加農民收入[4]。吳雪峰等為研究黑龍江省農業機械化發展的決定因素，采用問卷調查法和建立數學模型方法，發現農民收入能夠在一定程度上帶動農業機械化的發展，但沒有深入研究說明其中的具體原因[5]。

1.2 農業機械化與農民工資性收入的關系

辛沖沖等利用新疆1978—2012 年的統計數據，得出農民凈收入的增加將有助于實現農民購買農業機械的愿望，并促進當地農業機械總產能增加的結論[6]。丁榕通過研究吉林省農村剩余勞動力從事非農工作，發現其促進了農民工資性收入的增長，同時吉林省農機的推廣對農民工資性收入保持著長期穩定的促進作用[7]。李朝順通過研究表明，農業機械化對農民收入的影響存在中介路徑，可以通過中介變量來促進農民工資性收入的增加[8]。許慶等采用四川省份面板數據對農民的長期投資激勵進行研究，指出非農就業可能是農戶對于農業機械、運輸工具等長期投資的影響因素[9]。李明艷等基于江西省的農戶調研數據對農戶非農就業與土地利用行為進行分析后指出，非農收入的增加極大地促進了農民對農機的使用[10]。

綜上所述，關于農業機械化與農民收入之間關系的研究較多以國家層面為主，針對省級的農民工資性收入與農業機械化的研究少之又少，而農民工資性收入增加才能釋放更多的農業剩余勞動力從事非農行業，解決河南省農民增收問題。雖然有以個別省份作為研究對象，但并沒有以河南省農業機械化與農民工資性收入為研究對象的研究視角。河南作為以農業為主的人口大省，經濟增長遠不如其他省份，研究河南省農業機械化與農民工資性收入的關系，有助于解決河南省農業現代化水平不高和農民平均工資性收入低兩大問題，有利于促進農民增收和農業現代化。

2 研究設計

2.1 理論構建

如果直接對農業機械和農民工資性收入進行回歸分析，擬合程度比較高，相關性比較強，結果可能是不準確的。傳統的計量模型一般沒有辦法說明變量之間存在的因果關系，而VAR 模型不是根據理論來確定經濟系統變量之間的動態關系，不需要提前提出假設的優勢，它現在是分析和預測幾個相關經濟變量最常用的模型之一，一般的表達形式為：

式中，Y是K維的內生變量矢量；A是相應的系數矩陣；p是內生變量滯后的階數。

2.2 數據說明

2.2.1 農民收入的現狀分析

農民收入比重分析如圖1 所示，2000—2020 年，農民工資性收入總量不斷增加，比重也從2000 年的23.85%上升到2020 年的31.70%，占比呈上升趨勢；農民家庭經營性收入總量也在不斷增加，但比重卻從2000 年71.87%下降到2020 年41.78%，占比逐漸減少。由此可知，農民的收入重心逐漸向非農化轉移。從總收入絕對值來說，農村居民收入不斷提高；從收入結構來說，工資性收入占比不斷提升，而農民家庭經營性收入占比不斷降低。近年來，河南省農業機械化水平的不斷提高和農民收入結構的變化，為農業機械化提高農民工資性收入比重提供了便利，這也為研究農業機械化與農民工資性收入的關系提供了一定的理論依據。

圖1 農民收入比重分析

2.2.2 描述性統計分析

以前人的研究成果為基礎，并考慮到數據的可用性，本文變量選自2000—2020 年的《河南統計年鑒》，涉及的兩個變量分別是農業機械總動力和農民工資性收入，將兩個變量取對數，分別記為lnnyjx（農業機械總動力對數）和lngzxsr（農民工資性收入對數），農業機械總動力與農民工資性收入的描述性統計和兩者之間取對數后的變化趨勢分析分別如表1和圖2 所示。

表1 農業機械總動力與農民工資性收入的描述性統計分析

圖2 農業機械總動力與農民工資性收入各變量的變化趨勢圖

由圖2 可知，2016 年以來，農業機械總動力和農民工資性收入均呈增長趨勢，但從增長速度上來看，農民工資性收入增長趨勢更加明顯，農業機械總動力增長較為緩慢。近5 年來，農業機械總動力相比農民工資性收入增長速度逐漸變緩。

3 實證分析

3.1 單位根檢驗

通過單位根檢驗可以觀察到數據在實證檢驗中是否存在單位根，如果檢驗后出現了單位根，極有可能表明實驗研究結果不準確。本文采用最常見的ADF 檢驗對lnnyjx 變量與lngzxsr 變量的時間序列的平穩性進行檢驗，結果如表2所示。

由表2 可知，在一階差分之前，只有農業機械總動力在5%水平下顯著，農民工資性收入未能拒絕原假設。經過差分后，農業機械總動力能在5%顯著性水平下拒絕原假設，農民工資性收入也能在5%顯著性水平下拒絕原假設，即農業機械總動力對數變量和農民工資性收入對數變量在一階差分情況下達到平穩，dlnnyjx 與dlngzxsr 的時間序列不存在單位根，兩個序列是平穩的，可以進行下一步VAR模型的應用。

表2 農業機械總動力與農民工資性收入單位根檢驗

3.2 確定最優滯后期

建立VAR 模型需要先確定最優滯后期，滯后階越大，說明動態性越好，所估的參數就越多。采用AIC、SC 和HQ 取最小值的準則來確定VAR 模型的最優滯后期，對dlnnyjx 變量與dlngzxsr 變量建立的VAR模型的最優滯后期進行檢驗，如表3所示。

表3 VAR 模型滯后階數的選擇

表3 展示了滯后p階的向量自回歸模型的信息準則，用于選擇較優的滯后階數，包括logL、FPE、AIC、SC、HQ。其中，logL 參與FPE、AIC、SC、HQ的計算，并最終通過對FPE、AIC、SC、HQ 的指標進行評價。選擇最優滯后階數有以下兩個規則：若某一滯后階數有最多的“*”，建議選取該滯后階數建立VAR 模型；若有階數帶有的“*”數量相同，那么就選擇盡可能小的階數。通過FPE、AIC、SC、HQ 四項評價指標的結果可知，滯后階數建議選為3 階，即建立VAR（3）模型。

3.3 格蘭杰因果檢驗

在VAR 模型確定最優滯后期之后，需要對河南省農業機械總動力和農民工資性收入的模型意義進行檢驗，若dlnnyjx 變量與dlngzxsr 變量檢驗的結果沒有因果關系，就說明兩者具有外生性。由于格蘭杰因果關系檢驗中滯后期嚴格意義上并不確定，具有隨意性，但是滯后期如果隨意選擇的話，就會對檢驗的效果有一定影響。而關于dlnnyjx 變量與dlngzxsr 變量的VAR 模型的格蘭杰因果關系檢驗滯后期的選擇是確定的，就能解決好格蘭杰因果檢驗中滯后期的選擇問題。格蘭杰因果關系檢驗結果如表4所示。

表4 格蘭杰因果關系檢驗結果

根據之前的最優滯后期選擇，dlnnyjx 變量和dlngzxsr 變量的格蘭杰因果檢驗結果表明，基于dlngzxsr 變量與dlnnyjx 變量的研究，顯著性P值為0.028**，P﹤0.05 呈現顯著性，拒絕該原假設，即農民工資性收入是農業機械化變化的格蘭杰原因；基于dlnnyjx 變量與dlngzxsr 變量的研究，顯著性P值為0.963，P﹥0.05 不呈現顯著性，接受原假設，即農業機械化的變化不是農民收入的變化的格蘭杰原因。

3.4 模型的穩定性檢驗

由于只有在dlnnyjx 變量和dlngzxsr 變量的VAR模型穩定的情況下才可以進行后續的脈沖響應和方差分解，如果dlnnyjx 變量和dlngzxsr 變量的VAR 模型的檢驗不穩定，那么接下來的分析也沒有意義。因此，需要在確定兩個變量的VAR 模型有意義的基礎上，對模型的穩定性進行判斷，VAR 模型單位根檢驗結果如圖3所示，脈沖分析如圖4所示。

圖3 VAR 模型單位根檢驗圖

圖3 展示了VAR 模型中的AR 根圖，由AR 特征根圖可知，所有特征根值均在單位圓之內，意味著構建的該VAR 模型穩定性較好。由此可判斷，dlnnyjx變量與dlngzxsr 變量建立自回歸模型是穩定的，模型可以進行下一步分析。

由圖4 可知，農民工資性收入對農業機械化的動態響應表現為面對農業機械化每1 單位的正向影響，促使農民工資性收入先做出負向響應。前兩期的響應函數趨向于0，表現為負向響應；之后第3 期和第4 期逐漸表現為正向響應，此時說明農民工資性收入使得農業機械化水平上漲；到第8 期為0 標準差，說明漲勢逐漸變弱，且之后第9 和第10 期在0 附近開始波動。

圖4 脈沖分析圖

3.5 方差分析

脈沖響應分析只能確定在各個時期單個解釋變量對方差分解值越大意味著影響比例越大，方差分解值接近于0 時意味著影響甚微；被解釋變量的影響效果不能確定所有解釋變量同時變化。解釋變量對被解釋變量變動的貢獻程度分析，需要采用方差分解來對農業機械化和農民工資性收入兩個變量的模型進行進一步分析，具體如表5所示。

表5 方差分解

從方差結果可以看出，初期農業機械化自身貢獻率為100%，并逐漸遞減，到第4 期其自身的貢獻率為35.825%，衰減到約三分之一，而農民工資性收入對農業機械化的貢獻率達到了64.175%，增加到約三分之二。隨著時間的推移，河南省農民工資性收入對農業機械化的貢獻度逐漸增長，但增速逐步放緩，直至維持在63%左右的貢獻度水平上。

4 結論與建議

4.1 研究結論

隨著河南省農民工資性收入的不斷增加，農業機械化程度也不斷提升。通過構建VAR 模型后，能夠清楚地顯現出河南省農業機械化與農民工資性收入之間的關系。簡而言之，機械化水平與農民人均收入有著必然的聯系，這種聯系并不是單純的因果對應關系，而是間接的推動作用。

實證研究結果表明：1）通過格蘭杰因果分析，表明河南省農民工資性收入的變化對農業機械化的變化存在單項因果關系，反過來則不成立；2）通過脈沖分析圖分析農民工資性收入對農業機械化的沖擊發現，這種影響具有長期性和滯后性；3）通過方差分析，表明農民工資性收入對農業機械化的貢獻率逐漸增加，并穩定在一個特定的貢獻水平上。綜上所述，河南省農民工資性收入的增長能在一定程度上拉動農業機械化水平的提高。

4.2 建議

上述研究結果表明，河南省農民工資性收入是影響農業機械化的重要因素，對河南省農業機械技術的推廣與普及至關重要。為促進兩者之間的關系，本文提出以下建議。

第一，政府應該繼續深化農業補貼政策，因地制宜制定補貼政策，根據河南特色的平原、山區和湖泊，在政策補貼上不能“一刀切”，應通過當地農業產業生產、加工和銷售過程，調整補貼分配比例，制定差異化補貼政策，優化補貼政策結構。第二，政府要促進農業的規模化經營，土地的碎片化使得土地的規模經營難以展開，加快土地流轉無疑為提高農機的利用效率提供了助力。第三，政府需要為購買農用機械的農戶提供風險保障，農業容易受到自然災害等因素的影響，為農戶提供風險保障可以提高農戶購機的積極性。第四，加大科研投入力度，推進智能化、數字化應用，農業機械化不僅僅限于某個生產、加工或銷售環節，應推行智慧農業、數字化農業、農業產業集群等多種新型農業產業結構，探索符合河南省特色的農機科技創新之路。第五，對于有意愿且有能力從事農業生產的農民，要加強對他們的農機知識教育培訓，提高職業素養，培養能夠熟練操作、維護和維修農機的專業人才，充分提高農機的利用效率。第六，對于從事農業的專業人才要給予重視，為其提供更多的就業崗位，激發其從事農業事業的積極性，從而提高農業機械化率，增加農產品的產出效益。農業機械化的不斷推廣將會釋放大量的農業勞動力，開拓更多的非農就業空間，為農村創造良好的非農就業環境。