糧食安全視角下農業機械化對農業種植結構的影響研究※

內容提要:農機跨區作業促進了農業內部分工和區域間技術外溢。首先回顧了中國農業機械化發展特征,然后利用1997-2020年省級面板數據,在檢驗空間相關性和最優空間計量模型的基礎上,采用空間杜賓模型實證分析了農業機械化發展對農業種植結構的影響效應,并進行了穩健性檢驗和異質性分析。結果表明:在整個樣本期內,提高農業機械化水平,不僅可以促使本地區農業種植結構“趨糧化”,還可以促使鄰近地區農業種植結構“趨糧化”,致使區域種植結構趨同;早期,農業機械化對農業種植結構具有顯著的空間溢出效應,但近些年,隨著中國農機跨區服務面積的不斷回落,農業機械化發展對農業種植結構的空間溢出效應在逐漸減弱。為此,提出促進農機發展向全程全面高質高效轉型升級、提高農機作業水平和效率以及加強各區域農機作業服務的協調與合作、實現區域間農機資源的合理流動和科學調配等建議。

一、引 言

糧食安全是經濟發展和社會穩定的重要基石,是國家安全的重要基礎。中央一號文件多次指出要保障國家糧食安全,并提出“藏糧于地、藏糧于技”的要求。2021年中央農村工作會議和2022年中央一號文件明確指出,要全力抓好糧食生產和重要農產品供給,堅持中國人的飯碗任何時候都要牢牢端在自己手中,牢牢守住保障國家糧食安全和不發生規模性返貧兩條底線。2022年中央農村工作會議和2023年中央一號文件進一步強調,保障糧食和重要農產品穩定安全供給始終是建設農業強國的頭等大事,要抓緊抓好糧食和重要農產品穩產保供,實施新一輪千億斤糧食產能提升行動。當前,中國糧食安全已經邁入新的發展階段,國內的糧食安全保障程度處于歷史最好時期(朱晶等,2021)。但是,需要注意的是,伴隨中國城鎮化的快速推進,農村青壯年勞動力不斷向非農部門轉移,農地流轉也廣泛興起,部分地區出現糧食播種面積減少及種植結構“非糧化”現象。國家統計局的數據顯示,改革開放以來,全國糧食播種面積及其比例呈“減-增-減”變化趨勢。2003年以前,糧食播種面積及其比例總體呈不斷下降趨勢,2004-2016年糧食播種面積及其比例總體呈不斷上升趨勢,2017年以后糧食播種面積及其比例不斷下降。同時,囿于資源與環境硬約束和種糧比較效益偏低,尤其又面臨復雜多變的國際貿易形勢和全球新冠肺炎疫情的沖擊,糧食安全形勢十分嚴峻。因此,立足于復雜的國內國際環境,研究與糧食安全直接相關的農業種植結構問題就具有重要的理論價值和現實意義。

值得關注的是,隨著農村青壯年勞動力大量向城市轉移,糧食生產中出現一個顯著變化,即糧食生產過程的農業機械化服務水平不斷提高,農業機械對農村勞動力的替代強度不斷提升。在需求端,囿于農村勞動力價格不斷上漲,農村勞動力價格相對于資本與技術的價格隨之提高,要素相對價格的變化促使農民廣泛增加對勞動節約型技術的需求,特別是對農業機械的需求。在供給端,伴隨農業機械化的快速發展,糧食生產各個環節的機械化程度不斷提高,農業機械對于傳統勞動力的替代性顯著增強。農業機械對勞動力的替代打破了傳統糧食生產中以勞動力為主要投入要素的生產模式,其作為一種典型的勞動節約型技術,可以節省大量勞動力、大幅提高農業生產效率、降低農業生產成本,進而對農業種植結構產生影響。而學界在討論種植結構調整問題時,雖然強調了非農就業、農地流轉、稟賦特征、人力資本、要素價格上漲、政府政策對種植結構調整的影響,但鮮有研究關注在要素稟賦以及要素相對價格不斷變化的背景下農業機械化發展對農業種植結構所產生的影響,更鮮有研究關注農機的跨區作業對農業種植結構可能產生的空間溢出效應。這正是本文的研究重點。

為分析上述問題,本文在研究中將特征事實與實證檢驗結合起來,基于1997-2020年省級層面數據,研究農業機械化發展對農業種植結構的影響及其空間溢出效應,以期為保障國家糧食安全,更好地促進農業現代化發展提供理論支持與政策參考。文章下文內容安排如下:第二部分為相關文獻綜述;第三部分從宏觀層面描述農業機械化發展的階段性演變特征;第四部分為計量分析模型、數據來源和變量說明;第五部分報告計量結果,包括空間相關性檢驗、最優模型選擇的相關檢驗、空間計量檢驗、穩健性檢驗及異質性分析結果;第六部分為研究結論及其政策涵義。

二、文獻綜述

改革開放之前的30年,中國農業種植結構主要受計劃經濟體制的影響,單一的糧食型種植結構特征明顯。在計劃經濟體制背景下,政府實施計劃干預,強制要求以種植糧食為主。政府是農業種植結構調整的主導者,農民是被動的接受者。在此期間,糧食播種面積在農作物總播種面積的比重一直高達80%以上,并且一度逼近90%。改革開放以后,農業種植結構逐步發生變化,農民成為種植結構調整的主體,政府充當引導者的角色。種植結構也從原來單一的糧食型逐步轉變為更加多元的、更適應國內外市場需求的種植結構。目前,關于農業種植結構的研究主要聚焦于非農就業、農地流轉、要素價格變動以及政策供給等方面。

第一,非農就業對農業種植結構的影響。關于這一問題的探討,現有研究主要可以歸納為三點:一是非農就業可以促使種植結構“趨糧化”。比如,鐘甫寧等(2016)研究表明,農戶外出務工會促使其增加機械要素投入并提高糧食作物種植比例。暢倩等(2021)基于黃河流域中上游地區農戶微觀數據發現,非農就業會顯著降低農戶復種次數并提高糧食作物種植比例。二是非農就業可以促使種植結構“非糧化”。比如,張琛等(2022)研究表明,農戶非農就業程度越高,種植結構越趨于多元。三是非農就業并不能促進種植結構“趨糧化”或“非糧化”。比如,鄭陽陽和羅建利(2019)基于誘致性變遷理論認為,非農就業會促使農戶種植“勞動節約型”作物,種植結構呈現“去勞動化”特征,而不拘于“趨糧化”或“非糧化”。

第二,農地流轉對農業種植結構的影響。張宗毅和杜志雄(2015)運用全國1740個種植業家庭農場數據發現,隨著土地流轉所帶來的土地經營規模的擴大,糧食作物種植比例會提高。因此不用過度擔心“非糧化”問題。錢龍等(2018)進一步細分了農地轉入和轉出問題,分析發現,農戶土地轉入(轉出)行為能夠有效提升(降低)糧食種植比例。但是,與此結論相反的是,高延雷等(2021)研究認為,農地轉入會顯著促進種植結構“非糧化”,并且農戶的風險偏好會強化農地轉入對種植結構“非糧化”的影響。仇童偉和羅必良(2022)進一步實證檢驗了農地交易對象對農地種植類型的影響,研究發現,與親友和本村農戶相比,將農地流轉給外村農戶或經濟組織會提高“非糧化”生產的概率。

第三,要素價格變動對農業種植結構的影響。楊進等(2016)綜合運用宏微觀數據研究發現,農村勞動力價格上漲會降低糧食作物種植比例。持相反觀點的是閆周府等(2021),他們從技術選擇的視角重新考察了勞動力價格變化對糧食生產的影響。研究發現,勞動力價格上漲會顯著提高糧食種植比例。鄭旭媛和徐志剛(2016)則探討了要素相對價格發生變化時,要素替代的難易程度對種植結構的調節效應。研究發現,勞動力成本上升會誘使農戶以機械替代勞動力,但替代強度受地形稟賦的約束。劉余和周應恒(2021)從土地租金的角度出發,研究了糧地租金變動對農戶種糧行為的影響。結果表明,糧地租金上漲會顯著降低農戶種糧面積和種糧比例。

第四,政策供給對農業種植結構的影響。董小菁等(2020)研究發現,水權交易水價政策相比統一水價、階梯水價政策更能促使農戶種植結構“節水化”。農機補貼政策也是影響農業種植結構變化的重要因素,農機補貼政策通過提高機械化水平,促進農業規模化發展,從而提高糧食播種比例(田曉暉等,2021)。孟菲等(2022)實證分析了影響“非糧化”的主要因素,研究發現,良好的環境政策有助于抑制農業種植“非糧化”。但是,也有學者提出不同的觀點,認為政策對農業種植結構并沒有顯著影響。例如,許慶等(2020)基于全國農村固定觀察點調查數據發現,農業支持保護補貼政策可以顯著增加規模農戶糧食種植面積,但對種植結構沒有顯著影響。

此外,還有部分學者從人力資本(葉初升和馬玉婷,2020)、農業機械化(彭繼權等,2020;朱滿德等,2021)、經營規模(畢雪昊等,2020)以及互聯網使用(羅千峰和趙奇鋒,2022)等角度分析了種植結構調整問題。其中,值得關注的是,有幾支文獻已經關注到農業機械化對農業種植結構的影響。例如,彭繼權等(2020)運用農戶調查數據分析發現,機械化水平的提高可以顯著提高糧食種植面積和種植比例;朱滿德(2021)利用宏觀數據分析發現,糧食生產全程機械化可以顯著提高糧食種植比例。農業機械化作為農業現代化的根本出路,對保障國家糧食安全起著至關重要的作用。當前學術界在研究農業機械化與糧食生產關系時,多集中于農業機械化對糧食生產要素投入(鄭旭媛和徐志剛,2016)、糧食產量(方師樂等,2017;付華和李萍,2020)以及糧食生產效率(吳海霞等,2022)等方面,缺乏對農業機械化對農業種植結構影響的探討,而對這一問題的探討恰恰與糧食安全密切相關。

綜上所述,針對農業種植結構調整這一問題,現有研究從不同角度給出了答案,為本文的研究提供了重要參考。但是,現有研究仍有進一步拓展的空間。一是,雖然目前已有個別研究關注到農業機械化對農業種植結構的影響,但目前關于這一方向的研究文獻非常有限,討論還不夠充分,有待豐富;二是,現有研究忽略了農機的跨區作業可能帶來的空間溢出效應以及這種空間溢出效應的持續性。事實上,已有部分文獻關注到了農業機械化對糧食產量、糧食種植面積和糧食作物全要素生產率的空間溢出效應(例如方師樂等,2017;張露和羅必良,2018;吳海霞等,2022),但鮮有文獻深入探討農業機械化對農業種植結構的空間溢出效應。基于此,本文試圖從農機跨區作業的視角出發,運用最新數據,力求在農業機械化對農業種植結構的直接效應和空間溢出效應方面做一些探索性拓展,探討農業機械化發展能否促進種植結構“趨糧化”,是否具有空間溢出效應?能否促進區域種植結構趨同?進一步地,考察這種空間溢出效應是否具有可持續性?

三、中國農業機械化發展的階段性演變

1. 農業機械動力水平及路徑演變

改革開放以來,中國農業機械化水平呈穩步上升趨勢(圖1)。2020年,農業機械總動力達105622.15萬千瓦,相比1978年的11749.90萬千瓦提高了近8倍,年均增長率為5.37%。從農業機械發展的內部結構來看,在2000年左右,農機內部結構發生顯著變化。1978-2000年,受農戶小規模、分散化經營的影響,農業機械化發展呈現小型化的特征。這一階段小型拖拉機數量由1978年的137.30萬臺增長到了2000年的1264.40萬臺,年均增長10.62%。相反,大中型拖拉機發展緩慢,總量由1978年的55.74萬臺增長到了2000年的97.45萬臺,年均增長2.57%。得益于小型拖拉機的快速采用,農業機械總動力由1978年的11749.90萬千瓦增長到2000年的52573.61萬千瓦,增長了近4倍。

圖1 1978-2020年中國農業機械動力演變(單位:萬臺;萬臺;萬千瓦)注:主坐標軸表示農機總動力,次坐標軸表示大中型和小型農機數量。數據來源:國家統計局。

2000年以后,伴隨中國城鎮化的快速推進和農機補貼政策的實施,農業機械大型化特征明顯。首先,在城鎮化進程中,農村勞動力向非農部門大量轉移,勞動力成本不斷上漲,這為農業機械替代勞動力創造了重要條件。其次,自2004年開始,中央在原有大中型拖拉機更新補貼政策的基礎上開始對農機購置進行大規模的政策補貼,并且開始向大中型農機傾斜。農業機械化也從原來的小型化開始轉向大型化。2001-2020年,大中型拖拉機數量由82.99萬臺增長到了477.27萬臺。而相比之下,小型拖拉機市場則逐步趨于飽和,增速趨緩。2001-2020年間,小型拖拉機擁有量由1305.10萬臺增長到1727.60萬臺。

2. 農業機械化的作業面積和作業水平

伴隨農業機械總動力的快速增長,農作物機械化作業面積和作業水平都得到了極大提高。首先,從農機作業面積來看,2020年機耕面積達128129.05千公頃,為1978年機耕面積的3.15倍;機播面積由1978年的13330.40千公頃增長到了2020年的98777.91千公頃,年均增長4.88%;機收面積由1978年的3125.34千公頃增長到了2020年的105504.10千公頃,增長高達33.76倍(圖2)。其次,從農機作業水平來看,1978-2020年,機耕水平由40.90%增長到85.49%,增長了1倍多;機播水平由8.90%增長到58.98%,增長了562.70%;機收水平由1978年的2.10%增長到2020年的64.56%,增長了近30倍。農作物耕種收綜合機械化水平由1978年的19.66%增長到2000年的71.25%,增長262.41%。

圖2 1978-2020年中國農業機械作業面積(單位:千公頃) 數據來源:《國內外農業機械化統計資料》(1978-2000)和《中國農業機械工業年鑒》(2001-2020)。

3. 農機跨區服務發展演變

農機跨區服務是農民自發探索的、具有中國特色的農業機械化發展路徑。總體來看,農機跨區服務發展主要可以分為四個階段:一是1995年前的萌芽階段;二是1996-1999年的井噴增長階段;三是2000-2013年的全面推進階段;四是2014年至今的回落階段。

1995年前,跨區服務的農機數量較少、規模較小,跨區服務的組織化程度比較低,跨區服務范圍一般局限于省內,跨區服務環節一般僅限于機收環節。1995年后,大中型農機跨區服務開始逐漸興起,跨區服務環節由機收服務逐步向機耕、機播服務深入,跨區服務領域也由小麥逐步向水稻、玉米等糧食作物拓展。值得關注的是,農機跨區服務是由農民自發興起的,不是由政府主導構建。伴隨政府對跨區服務的支持與管理,農機跨區服務趨于規范化,也激發了更多的農機戶參與到農機跨區服務中,參與跨區服務的省份也在不斷增多,跨區服務范圍也開始由省內向省外擴展并逐步覆蓋到全國。這一階段,參加跨區機收的聯合收割機由1996年的2.3萬臺增加到1999年的8.9萬臺,實現了井噴式增長。

經歷了1996-1999年的快速增長階段,2000-2013年,農機跨區作業市場逐步趨于規范化,跨區服務中介組織開始涌現,農機服務組織化程度逐步加深。跨區服務主體由過去的單一農機戶逐步轉為農機合作社和農機服務公司。跨區服務領域也由小麥向水稻、玉米、大豆等農作物延伸,跨區服務面積呈穩步增長趨勢。2008-2013年,農機跨區服務面積年均增長6.97個百分點,其中跨區機收面積、跨區機耕面積和跨區機播面積的年均增長率分別為6.17%、8.95%、10.16%。

圖3 2008-2020年中國農機跨區作業面積(單位:千公頃)注:2017年數據缺失,采用2016和2018年的平均值表示。數據來源:歷年《中國農業機械化年鑒》。

但是,自2014年開始,農機跨區服務面積開始逐漸回落。僅在2014年,農機跨區服務面積相比上年下降超30%,出現了斷崖式下跌。其中,跨區機收面積、跨區機耕面積和跨區機播面積相比上年分別減少了8329、828、266千公頃,降幅分別為32.03%、12.24%和8.62%。并且,這種下降趨勢一直延續至今。有研究指出,農機跨區服務市場萎縮的原因在于,內生性的本地農機服務和農村“熟人社會”特征使得跨區作業服務逐漸失去競爭優勢,本地農機服務逐步占據主導地位,農機跨區服務市場的輻射空間逐年變小(仇葉,2017)。

四、模型設定、數據說明與變量選取

1. 空間面板模型設定

為實證檢驗農業機械化的發展對農業種植結構的空間溢出效應,本文構建如下空間面板模型:

(1)

其中,GPSit為農業種植結構;ρ·W·GPSit為農業種植結構的空間滯后項,ρ為空間自回歸系數,W為空間權重矩陣;Xit為關鍵解釋變量農業機械化(Lnmachine)和所有的控制變量,其中控制變量包括第一產業勞動力(Lnalabor)、農用化肥施用量(Lnfertilizer)、財政支農(Lnfinasup)、有效灌溉面積(Lnggarea)和農作物受災面積(Lnszarea);D·Xit·θ為關鍵解釋變量和所有控制變量的空間滯后項,D為對應的空間權重矩陣,θ為對應的解釋變量空間滯后項系數;μi和ηt分別為地區效應和時間效應;εit為擾動項,λ·M·εjt為擾動項的空間滯后,λ分別為對應的系數,M為對應的空間權重矩陣;vit為均值為0、方差為σ2的誤差項。式(1)為包含所有空間效應的一般嵌套空間模型。在實際計量檢驗時,具體模型為:① 如果模型中λ=0、ρ≠0、θ≠0,則為空間杜賓模型(SDM);② 如果模型中λ=0、ρ≠0、θ=0,則為空間自回歸(滯后)模型(SAR);③ 如果模型中λ≠0、ρ≠0、θ=0,則為廣義空間自回歸模型(SAC);④ 如果模型中λ≠0、ρ=0、θ=0,則為空間誤差模型(SEM)。

本文的重點是研究農業機械化對農業種植結構的直接效應和空間溢出效應,因此著重研究SAR、SAC和SDM模型,并通過各種檢驗方法判定最優模型。擇優選擇模型時,還將進行LM、Wald和LR檢驗,具體檢驗將在后文中進行詳細介紹。

2. 數據說明與變量選取

本文采用1997-2020年29個省份(1)不包含西藏、青海和港澳臺。的面板數據來分析農業機械化對農業種植結構的影響,數據主要來源于歷年《中國農村統計年鑒》《中國統計年鑒》《中國人口和就業統計年鑒》和國家統計局。部分變量部分年份數據缺失,本文采用線性插補方法進行補齊。此外,本文對解釋變量進行了對數化處理以減少模型可能存在的異方差性,減弱數據的多重共線性,增強面板數據的平穩性。以下是變量選取和測度的詳細說明。

(1) 被解釋變量:農業種植結構GPS,采用糧食播種面積與農作物總播種面積的比例,即糧食種植比例來衡量。

(2) 關鍵解釋變量:農業機械化Lnmachine,采用各省份人均農業機械總動力的對數表示,人均農業機械總動力采用農業機械總動力與第一產業從業人員之比衡量(2)選取農業機械總動力作為衡量農業機械化發展水平的指標主要基于以下考慮:第一,主流文獻通常采用農機動力來衡量農業機械化發展水平(方師樂等,2017;伍駿騫等,2017);第二,本文中的農業機械化發展水平實際上指的是農業機械儲備量,用農機動力值表征是較為合理的。。

(3) 控制變量:農業勞動力Lnalabor,采用各省份第一產業從業人員總數的對數表示。農用化肥施用量Lnfertilizer,采用各省份農用化肥施用折純量與第一產業從業人員比例的對數表示。財政支農Lnfinasup,采用各省份財政支農支出的對數表示。有效灌溉比例ggratio,采用國家統計局分省份年度數據中有效灌溉面積與耕地面積之比表示。農作物受災比例szratio,采用各省份農作物受災面積與農作物總播種面積的比例表示。

表1 變量定義及描述性統計

五、空間計量結果及其分析

1. 空間相關性檢驗

在確定使用空間計量模型之前,首先要考察被解釋變量和解釋變量是否存在空間依賴性。為此,本文采取莫蘭指數I檢驗法對上述變量進行空間相關性檢驗。

莫蘭指數I的計算公式為:

(2)

準確檢驗不同地區觀測值之間的空間相關性,還有賴于構造適當的空間權重矩陣。本文選擇基于經緯度的地理距離作為空間權重矩陣,主要原因有:一是考慮到中國農機跨區服務的廣泛存在,地理距離是影響農機跨區服務的重要因素,也是影響農機溢出效應的關鍵;二是考慮到距離較近的地區間的農業生產條件較為相似,農業生產的關聯性相對較大。基于上述原因,本文認為選擇地理距離空間權重矩陣,對于表征不同省份觀測值在空間上的分布及其相互聯系可能更為合適。在構造出空間權重矩陣后,本文對其進行標準化處理,以保證數據的平滑。采用全局莫蘭指數I對1997-2020年29個省份糧食種植比例和農業機械化的空間相關性檢驗結果見圖4。空間相關性檢驗結果顯示:1997-2020年,29個省份糧食種植比例和農業機械化的莫蘭指數均在1%的顯著性水平上拒絕原假設,表明這兩個變量均存在空間相關性,故有必要運用空間計量模型進行進一步的分析研究。

圖4 空間相關性檢驗數據來源:歷年《中國統計年鑒》和百度地圖測算的省會城市地理距離。

2. 最優模型選擇的相關檢驗

表2的檢驗顯示,在地理距離空間權重矩陣設定下,公式(1)中針對空間自回歸模型的Robust-LM檢驗值和針對空間誤差模型的Robust-LM檢驗值均在1%的水平上顯著。此時,需要采用“一般到具體”的思路估計SDM模型,并對此進行Wald或LR檢驗。從表2的檢驗結果可知,Wald-spatial-lag檢驗值和Wald-spatial-error檢驗值均在1%的水平上顯著,LR-spatial-lag檢驗值和LR-spatial-error檢驗值同樣在1%的水平上顯著,這表明SAR和SEM均不是最優模型。同時,由AIC檢驗結果可知,加入誤差滯后項后,AIC值變大,因此SAC模型也不是最優模型。綜合上述LM檢驗、Wald檢驗、LR檢驗和AIC檢驗來看,SDM模型是公式(1)的最優模型。確定SDM模型為最優模型后,進一步進行Hausman檢驗以確定選用固定效應還是隨機效應,表2的結果顯示Hausman檢驗值在1%的顯著性水平上拒絕了原假設,表明應選用固定效應模型;針對SDM模型是否存在個體固定效應、時間固定效應還是空間和時間雙重固定效應的LR檢驗結果顯示,空間固定效應檢驗和時間固定效應檢驗結果均顯著拒絕原假設,表明應選擇空間時間雙重固定效應模型。具體的模型檢驗結果見表2。

表2 模型選擇的相關檢驗

3. 基準回歸結果分析

根據上述空間相關性和最優模型選擇的檢驗結果,本文最終選擇空間杜賓模型(SDM)來估計公式(1)。同時還分別列出了OLS、SAR、SEM、SAC模型的估計結果,以便更好地比較并檢驗關鍵解釋變量參數估計的穩健性。

表3同時報告了農業機械化影響農業種植結構的雙重固定效應的OLS和空間面板計量模型回歸結果,由于SAR模型、SAC模型和SDM模型中農業機械化的空間滯后項為內生變量,并且SEM模型中包含誤差項的空間滯后項,為此本文采用極大似然法估計以上模型,以獲得一致性估計。

表3 農業機械化對農業種植結構影響的空間面板計量估計結果

表3中,SAR、SEM、SAC和SDM模型回歸方程的空間自回歸系數Spatial rho或lambda均在1%的顯著性水平上通過了Z檢驗,說明各地區農業種植結構在內生性空間交互效應、外生性空間交互效應和誤差項空間交互效應作用下具有明顯的空間依賴性,再次證明選用空間面板計量模型是合理的。從SDM模型的回歸結果可以看出,在控制了影響本地農業種植結構的主要影響因素后,用于測度農業種植結構空間效應的空間自回歸系數Spatial rho顯著為正,系數為1.227。這意味著,當控制其他影響因素時,鄰近地區糧食種植比例加權值每提升1%,本地區糧食種植比例提高1.227%。這也證明了,鄰近地區間的農業種植結構具有趨同性。

從表3的OLS、SAR、SEM、SAC和SDM模型回歸結果來看,不論是選擇OLS模型還是其他類別的空間計量模型,農業機械化的參數估計值均通過了顯著性檢驗且方向均為正,只是參數估計值的大小略有差別。這說明,農業機械化水平對農業種植結構具有顯著的正向影響且影響很穩健。根據上文的最優模型檢驗結果,農業機械化影響農業種植結構回歸最優模型為SDM模型。因此,本文以SDM模型的回歸結果為準并進行相應解讀。從SDM模型的回歸結果來看,在控制了影響農業種植結構的主要因素后,農業機械化的參數估計系數為正(0.094)且在1%的水平上通過了顯著性檢驗,這表明,提高農業機械化發展水平可以顯著提高糧食種植比例。農業機械化的空間滯后項系數顯著為正,為1.020。

LeSage和Pace(2009)研究指出,通過一個或者多個空間計量模型的點估計來檢驗空間溢出效應可能會使得研究結論存有偏誤,并認為通過求解偏微分的方法可以更有效地檢驗截面空間計量模型中解釋變量對被解釋變量的空間溢出效應。Elhorst(2010)也認同這個觀點,并將該求解偏微分法從截面空間計量模型拓展到了面板空間計量模型中。基于此,為深入揭示農業機械化對農業種植結構的直接影響和空間溢出效應,本文借鑒上述兩位學者的做法對表3中的最優模型SDM模型回歸結果進行詳細的效應分解,得到了包括農業機械化在內的各解釋變量的直接效應、間接效應和總效應。具體的分解效應見表4(4)由于在SEM模型中θ=-ρβ,因而其解釋變量的直接效應為β,間接效應為0。因此,除SAR、SAC和SDM模型之外,表4中OLS和SEM模型的直接效應與表3一致。。

表4 農業機械化對農業種植結構影響的分解效應

由表4的分解結果可知:第一,SDM模型中農業機械化水平的直接效應系數顯著為正且系數值為0.068,這表明農業機械化水平每提高1%,糧食種植比例則提高0.068%。第二, SDM模型中農業機械化水平的間接效應參數估計通過了1%顯著性水平上的檢驗,參數估計值為0.343。這說明,農業機械化水平的提高可以顯著提高本地區的糧食種植比例,對鄰近地區的糧食種植比例有著顯著的空間溢出效應,且這種空間溢出效應要高于直接效應。可見,中國農機跨區服務不僅影響著糧食產量(方師樂等,2017),同時對糧食種植比例也有著顯著影響。第三,從整體上看,不論是OLS還是SAR、SEM、SAC、SDM模型,本地區農業機械化水平對本地區的糧食種植比例均具有顯著的正向直接效應。在空間溢出效應上,SAR模型、SAC模型和SDM模型的農業機械化水平的參數估計均顯著為正,顯著性程度和方向均相同,只是系數大小略有差異。這也在一定程度上說明,農業機械化對農業種植結構的正向影響是穩健的。

4. 穩健性檢驗

在上述計量分析中,基于地理距離空間權重矩陣,運用SDM空間計量模型分別考察了農業機械化對農業種植結構的影響。為了進一步檢驗上述實證結果的穩健性,本文采用替換關鍵解釋變量衡量方法,即將農作物耕種收機械化率(machinebl)作為衡量農業機械化的替換指標,對上述空間計量研究結果進行再檢驗。從表5的結果可以看出,農業機械化對農業種植結構的穩健性檢驗結果與上述實證結果基本一致。區別在于關鍵解釋變量農業機械化的系數值和空間自回歸系數Spatial rho與上文結果有細微差別,但顯著性和影響方向與上文的研究結果一致,這說明農業機械化對農業種植結構的影響效應是可靠并穩健性的。

表5 農業機械化對農業種植結構影響的穩健性檢驗

進一步地,對表5的回歸結果進行效應分解,以檢驗農業機械化對農業種植結構的直接影響和空間溢出效應的穩健性。具體的分解效應如表6所示。表6的分解結果顯示,采用農作物耕種收機械化率作為農業機械化的替換指標后,農業機械化的直接效應和間接效應依然顯著為正,與表4的效應分解結果基本一致。這說明,農業機械化對農業種植結構的影響效應是可靠并穩健性的。農業機械化不僅能促進本地區農業種植結構“趨糧化”,還可以通過跨區作業促進鄰近地區種植結構“趨糧化”,實現區域種植結構趨同。

表6 農業機械化對農業種植結構影響的分解效應:穩健性檢驗

5. 異質性分析

不同時期農機發展水平和跨區作業面積是有所區別的。不同時期農機具有不同的空間自相關性,因而對農業種植結構的影響效應也有所不同。為了在時間維度上深入探究農業機械化發展水平對農業種植結構的空間溢出效應,本文將樣本數據劃分為1997-2013年和2014-2020年兩個時間段,基于經緯度的空間距離權重矩陣,分別檢驗這兩個時間段農機對糧食種植比例的異質性影響。時間劃分的主要依據在于前文所分析的農機跨區服務的階段性,突出表現在以2014年為分水嶺的農機跨區服務特征。回歸結果如表7所示。

表7 不同時段農業機械發展對農業種植結構影響的空間面板計量估計結果

空間溢出效應測算結果如表8所示,其中列(1)列(2)匯報了采用農業機械總動力作為農業機械化發展水平衡量指標的回歸結果。結果顯示,在控制了影響農業種植結構的主要因素后,1997-2013年,農業機械化發展水平的空間溢出效應顯著,并且空間溢出效應估計系數值比直接效應更大;2014-2020年,農業機械化發展水平的空間溢出效應不顯著。可能的原因是,1997-2013年是農機跨區服務快速發展時期,而在2014年后,中國農機跨區服務發展出現斷崖式下跌并且此后逐年下跌,本地農機對跨區農機產生了擠出效應。

表8 不同時段農業機械發展對農業種植結構影響的分解效應

為檢驗上述回歸結果的穩健性,本文采用農作物耕種收機械化率作為農業機械化發展水平的替換指標,進一步匯報了回歸結果,如列(3)列(4)所示。由列(3)列(4)結果可知,在控制了影響農業種植結構的主要因素后,1997-2013年,農業機械化發展水平的空間溢出效應顯著,但2014-2020年農業機械化發展水平的空間溢出效應不顯著。可見,上述結果是穩健的,即農業機械化發展對農業種植結構的空間溢出效應是有時間范圍的,2014年以來,隨著中國農機跨區服務面積的不斷回落,農業機械化發展對農業種植結構的空間溢出效應也不再顯著。

六、結論與政策建議

本文首先從經驗層面回顧了中國農業機械化發展歷程,梳理了農機動力水平、農機作業化水平和農機跨區服務發展演變。其次,利用1997-2020年省級面板數據,在空間相關性檢驗和最優空間計量模型檢驗的基礎上,運用SDM空間面板計量模型實證分析了農業機械化發展對農業種植結構的影響效應。然后,輔以其他空間面板計量模型(例如SAR、SEM、SAC模型)和替換農業機械化代理變量的方法對基準回歸結果進行了較為詳盡的穩健性檢驗。此外,考慮到不同時期農機跨區服務可能產生的異質性空間效應,分別檢驗了1997-2013年和2014-2020年兩個時間段農業機械化對農業種植結構的空間溢出效應。

實證研究發現:第一,從整體上看,提高農業機械化水平,不僅可以促使本地區農業種植結構“趨糧化”,還可以促使鄰近地區農業種植結構“趨糧化”,致使區域種植結構趨同。穩健性檢驗結果也與基準回歸結果基本一致。第二,不同時期,農業機械化發展對農業種植結構的空間溢出效應有所差異。1997-2013年間,農業機械化的空間溢出效應顯著,但2014-2020年不再顯著。可見,隨著中國農機跨區服務面積的不斷回落,農業機械化發展對農業種植結構的空間溢出效應逐漸減弱。

基于上述結論,本文提出以下政策建議:第一,持續加大農機發展力度,促進農機發展向全程全面高質高效轉型升級,提高農機作業水平和效率,以此穩定糧食種植比例,保障國家糧食安全;第二,加強各區域農業機械作業服務的協調與合作,構建一體化農業機械跨區作業服務的信息平臺,實現區域間農業機械資源的合理流動和科學調配。