農業機械化水平對糧食產量的影響研究

摘要：以省（市）各年份農業機械總動力為解釋變量，糧食播種面積為中介變量，糧食產量為被解釋變量，并選取影響較大的農村人口數所占比例、農用化肥施用量、塑料薄膜使用量、有效灌溉面積、農用柴油使用量和農水林事物費用為控制變量，運用SPSS 23.0軟件對2007—2019年全國省際面板數據進行實證研究。結果表明，農用機械總動力和糧食播種面積均對糧食總產量產生顯著的正向影響；糧食播種面積在農業機械總動力和糧食產量之間起到完全中介作用。據此提出通過多元化拓展創新渠道提高農業機械化水平及其運用效果，促進糧食種植面積擴大、糧食生產效率提高、糧食產量增加和質量效益提升的對策建議。

關鍵詞：農業機械化水平；糧食播種面積；糧食產量；中介效應；面板數據分析

中圖分類號：F323.3；F326.11" " " " "文獻標識碼：A

文章編號：0439-8114（2023）06-0233-07

DOI：10.14088/j.cnki.issn0439-8114.2023.06.041 開放科學（資源服務）標識碼（OSID）：

Study on the effect of agricultural mechanization level on grain yield：Based on the intermediary effect of grain sown area

LI Chun-ting，ZENG Jing

（School of Economics and Management， Yangtze University， Jingzhou" 434023，Hubei，China）

Abstract： The total power of agricultural machinery in each province （city） year was taken as the explanatory variable， the grain sown area was used as the intermediary variable， the grain output was used as the explained variable， the proportion of rural population， amount of agricultural fertilizer application， plastic film use， effective irrigation area， amount of agricultural diesel use and expenses" "on agriculture， water conservance and forestry were selected as control variables， and the national interprovincial panel data from 2007 to 2019 were studied using SPSS 23.0 software. The results showed that the total power of agricultural machinery and the grain sown area had significant positive effects on the total grain output； the grain sown area played a complete intermediary role between the total power of agricultural machinery and the grain yield. Accordingly， countermeasures and suggestions were put forward to improve the level of agricultural mechanization and its application effect， promote the expansion of grain planting area， improve grain production efficiency， increase grain output and improve quality and efficiency through diversified expansion of innovation channels.

Key words： agricultural mechanization level； grain sown area； grain yield； intermediary effect； panel data analysis

2020年10月中央在關于制定十四五規劃和二〇三五年遠景目標的建議中，明確提出了中國新時代糧食安全的新目標，即要構建更高層次、更高質量、更有效率、更可持續的國家糧食安全保障體系［1］，將中國人的飯碗牢牢端在自己手中。要達到這種新時代的新目標，進一步提高農業機械化水平及其運用效果，不失為一條至關重要的途徑。在這種新形勢下，分析農業機械化水平、糧食播種面積與糧食產量之間的關系，特別是深入詳實地分析了解糧食播種面積在農業機械化水平和糧食產量之間能否起到中介作用，對于檢驗農業機械化水平的績效，提高糧食生產效率，提升糧食產量、質量和效益，保障糧食安全長期穩定既具有必要性，又具有重要的現實意義和長遠意義。

在此之前，相關專家學者對于這方面的問題也做了一些實證分析和研究。莫紅梅等［2］運用協整、向量自回歸（VAR）以及脈沖響應、方差分析等方法，探討了糧食產量、播種面積和農業機械化水平之間的動態關系，結果表明，三者之間存在協整關系、相互影響。徐冬婷［3］基于江蘇省2000—2018年的糧食數據，運用灰色關聯模型對該省糧食產量影響較大的幾種因素進行動態分析，結果顯示，糧食播種面積與農用機械總動力交替成為影響糧食產量的首要因素。楊凡雨等［4］利用湖南省的統計數據，運用灰色關聯分析法篩選關聯性較強的影響因素，并建立GM（1，N）預測模型預測糧食產量，結果表明，糧食產量最大的影響因素是糧食作物播種面積和農業機械總動力。石淑芹等［5］利用GIS空間分析技術，探討區域耕地數量與質量變化對糧食生產能力的綜合影響， 并以吉林省中西部地區為例進行了實證研究，結果表明，農業機械總動力和糧食播種面積增長對糧食產量起強約束作用。國外學者Mehta等［6］認為，印度順應農業機械化這一趨勢勢在必行，以提高投入的使用效率，減少人力勞動，增加糧食的產量和生產力，降低生產成本并解決勞動力短缺和農場運營的時效性問題。

綜上所述，對于不同區域的糧食產量、糧食播種面積與農業機械化水平之間的關系，以及播種面積和農業機械化水平對糧食產量的影響，專家學者都有較為充分的研究，但是從全國糧食生產范圍來看，這方面的研究較少。此外，關于農業機械化水平對糧食播種面積增加進而對糧食產量增加影響的具體情況，目前的研究成果很少。因此，本研究將采用中介效應模型，對現階段全國范圍內的農業機械化水平、糧食播種面積和糧食產量之間的關系以及糧食播種面積在農業機械化水平和糧食產量之間的中介效應做定性和定量分析，以彌補現有研究之不足。

1 研究假設

如圖1所示，2007—2019年全國農業機械總動力、糧食播種面積和糧食總產量均呈上升趨勢。因此，本研究對全國31省（市）的農業機械化水平、糧食播種面積和糧食產量進行實證分析，了解三者之間的關系，提出以下假設。

假設一：農業機械化對糧食種植面積有積極影響。中國在糧食生產過程中已經廣泛使用農業機械替代農業勞動力， 且隨著糧食生產中不同環節越來越多地使用農業機械化服務［7］，農業機械化設備的干預會影響糧食播種面積。

假設二：糧食播種面積會影響糧食產量。糧食播種面積與糧食產量密切相關。在農業機械化水平的影響下，糧食播種面積逐步增長，而糧食播種面積直接影響糧食總產量，故播種面積與糧食總產量呈顯著正相關關系［8］。

假設三：糧食播種面積在農業機械化水平和糧食產量之間起中介作用。農業機械化水平的提高，同時影響糧食播種面積增加和帶動糧食產量逐步提升，所以糧食播種面積扮演中介角色，在農業機械化水平和糧食產量之間起中介作用。

2 變量選取、數據來源及模型構建

2.1 變量選取及簡要描述

1）自變量為農業機械化水平（NXC）。參考周振等［9］的變量確認方法，本研究選取各省（市）農業機械總動力作為衡量農業機械化水平的指標。因為農業機械化水平會影響糧食播種面積，促進糧食增產。

2）因變量為糧食產量（LC）。因為農業機械化水平和糧食播種面積都會影響糧食產量，糧食產量隨農業機械化水平和糧食播種面積的增加而增加，反之，則會減少。

3）中介變量為糧食播種面積（LB）。因為糧食播種面積的增長及下降直接反映農業機械化程度，間接反映糧食產量的增減情況。

4）控制變量為6個指標：一是農村人口數所占比例（NR），其可能會影響農業機械化程度，反映機械代替勞動力的程度；二是農用化肥施用量（NHL），其反映糧食生產條件，影響糧食產量；三是塑料薄膜使用量（SML），其作為設施農業中重要的生產資料，可促進糧食增產增收；四是有效灌溉面積（GM），其作為農田水利建設重要指標，可反映糧食增產的實際情況；五是農用柴油使用量（NCL），其可以直接反映農業機械化水平力度，間接反映糧食產量情況；六是農水林事物費用（NSL），其是國家用于農業、林業、水利的年度開支預算，可反映糧食生產資金投入情況。

2.2 數據來源

本研究所使用的數據均來自于《中國統計年鑒》《中國三農數據庫》《中國宏觀經濟庫》和EPS數據平臺，為了消除數據異方差對研究結果產生的誤差，對數據均采取自然對數處理。

2.3 模型構建

本研究基于2007—2019年中國31省（市）的面板數據，采用SPSS 23.0軟件對農業機械化水平、糧食播種面積與糧食產量之間的關系進行實證分析，其中所涉及到的相關檢驗包括：一是運用單位根（ADF）檢驗確認數據的平穩情況；二是通過Pearson相關系數來確定各數據之間相關性的強弱情況；三是采用嶺回歸的方法剔除相關關系緊密的解釋變量后，重新進行分析；四是再使用主成分分析，將數據分成2個部分，通過載荷系數來體現各因子對本研究的貢獻情況；五是利用中介效應模型、穩健性檢驗來研究變量的中介效果。

本研究使用下列回歸方程描述農業機械化水平通過影響糧食播種面積進而影響糧食產量的機制。

[LC=c×NXL+e1] （1）

[LB=a×NXL+e2] " " （2）

[LC=c×NXL+b×LB+e3]" " " " " " （3）

式中，系數c為解釋變量NXL 對被解釋變量LC的總效應；系數a為解釋變量NXL對中介變量LB的效應；系數b是在控制了解釋變量NXL的影響后， 中介變量LB 對被解釋變量LC的效應；系數[c]是在控制了中介變量LB 的影響后， 解釋變量NXL對被解釋變量 LC 的直接效應；e 1、e 2、e3 是回歸殘差［10］。

然后用逐步回歸方法［11］，并結合溫忠麟等［10］提出的中介效應檢驗流程，對上列方程式系數進行估計。若系數 c、a、b均為顯著，則 a×b 顯著，證明中介效應存在。若 c顯著，a、b 其中一個不顯著，則需要進一步檢驗 a×b 的顯著性，若顯著，則中介效應存在；當中介效應存在時，[c]顯著則為部分中介，否則為完全中介［12］。

3 實證檢驗與分析

3.1 描述性統計

為了消除數據帶來的異方差影響，對所用數據均進行取自然對數處理，并進行描述性統計（表1）。

3.2 ADF檢驗

為了防止數據出現不平穩的現象，影響最終結果，提高模型結果的準確性，選擇ADF一階差分序列的方法對各變量進行單位根檢驗。如表2所示，原序列全部通過平穩性檢驗，表明核心變量及控制變量序列平穩［13］。

3.3 相關性分析

利用相關分析研究糧食總產量與農業機械總動力、糧食播種面積、農水林事物費用、農用化肥施用量、農用塑料薄膜使用量、有效灌溉面積等8項之間的相關關系，使用Pearson相關系數表示相關關系的強弱情況。

由表3可知，糧食總產量與農業機械總動力、糧食播種面積、農水林事物費用、農用化肥施用量、農用塑料薄膜使用量、有效灌溉面積、農用柴油使用量和農村人口所占比例之間的相關系數值分別為0.933、0.988、0.542、0.942、0.818、0.953、0.778、0.428，并且均呈現出0.01水平的顯著性，說明糧食總產量和這些指標之間有著顯著的正相關關系。

3.4 多重共線性檢驗

多重共線性的嚴重程度主要對估計結果產生顯著影響，擴大了置信區間。由于在不同數據集中多重共線性的程度會有顯著不同，所以通過檢驗方差膨脹因子指數來確定是否存在多重共線性。由表4可知，農業機械總動力、糧食播種面積、農用化肥施用量和有效灌溉面積的VIF值均大于10，意味著存在著共線性問題，可使用嶺回歸解決共線性問題，剔除掉相關關系緊密的解釋變量后，重新進行分析。

由表5可知，將農業機械總動力、 糧食播種面積、農水林事物費用、農村人口所占比例、農用化肥施用量、農用塑料薄膜使用量、有效灌溉面積、農用柴油使用量作為解釋變量，而將糧食總產量作為被解釋變量進行嶺回歸（Ridge回歸）分析，K取值為0.290，模型R2為0.959，意味著農業機械總動力、糧食播種面積、農水林事物費用、農村人口所占比例、農用化肥施用量、農用塑料薄膜使用量、有效灌溉面積、農用柴油使用量可以解釋糧食總產量的95.9%變化原因。對模型進行F檢驗時發現模型通過F檢驗（F=1 146.051，P=0.000lt;0.05），說明農業機械總動力、糧食播種面積、農水林事物費用、農村人口所占比例、農用化肥施用量、農用塑料薄膜使用量、有效灌溉面積、農用柴油使用量中至少一項會對糧食總產量產生影響，模型為：

LC=-0.867+0.179×NXL+0.307×LB+0.062×NSL+0.064×NR+0.174×NHL+0.090×NBL+0.226×GM+0.039×NCL" （4）

3.5 主成分分析

3.5.1 KMO統計量和Bartlett球形檢驗 使用因子分析進行信息濃縮研究，首先分析研究數據是否適合進行因子分析。從表6可以看出，KMO為0.878，大于0.6，滿足因子分析的前提要求，意味著數據可用于因子分析研究。以及數據通過Bartlett 球形度檢驗（Plt;0.05），說明研究數據適合進行因子分析。

3.5.2 主成分分析結果 主成分分析（Principal components analysis） 是在損失很少信息的前提下把多個指標轉化為幾個綜合指標 （稱為主成分） 的多元統計方法［14］。

針對主成分提取情況，以及主成分提取信息量情況進行分析。從表7可知，主成分分析一共提取出2個主成分，特征根值均大于1，這2個主成分的方差解釋率分別是74.991%、12.326%，累積方差解釋率為87.317%。另外，其對應的加權后方差解釋率即權重依次為：74.991/87.317=85.88%、12.326/87.317=14.12%。

表8展示因子對研究項的信息提取情況，以及因子和研究項對應關系。由表8可知，所有研究項對應的共同度值均高于0.4，意味著研究項和因子之間有較強的關聯性，因子可以有效地提取出信息。

3.6 中介模型檢驗

利用中介模型的目的是在已知解釋變量農業機械總動力和被解釋變量糧食產量關系的基礎上，探索中介變量糧食播種面積的內部作用機制。

由表9可知，中介效應分析共涉及3個模型，分別如下：

[LC=-0.238-0.033×NSL-0.129×NR+0.434×NHL+0.010×NBL+0.598×GM-0.183×NCL+0.282×NXL] " （5）

[LB=-0.063-0.077×NSL+0.125×NR+0.459×NHL+0.049×NBL+0.448×GM-0.205×NCL+0.335×NXL] " （6）

[LC=-0.188+0.029×NSL-0.229×NR+0.065×NHL-0.029×NSL+0.238×GM-0.018×NCL+0.012×NXL+0.804×LB] " （7）

假設X表示自變量，Y表示因變量，M表示中介變量，c表示X對Y時的回歸系數（模型中沒有中介變量M時），即總效應；a表示X對M時的回歸系數，b表示M對Y時的回歸系數，a×b為a與b的乘積即中介效應；c’表示X對Y時的回歸系數（模型中有中介變量M時），即直接效應。由表10可知，a和b顯著，c’不顯著，且a×b的95% Boot CI不包括數字0（顯著），又c’不顯著，則為完全中介。完成中介作用檢驗后，還可進一步分析效應量（效應占比），如表10所示，效應占比為100%，則為完全中介。

3.7 穩健性檢驗

分層回歸用于研究解釋變量（X）增加時帶來的模型變化，通常用于模型穩定性檢驗、中介作用研究。本次分層回歸分析共涉及3個模型。模型1中的解釋變量為農業機械總動力，模型2在模型1的基礎上加入糧食播種面積，模型3在模型2的基礎上加入農水林事物費用、有效灌溉面積、農用柴油使用量、農用塑料薄膜使用量、農用化肥施用量、農村人口所占比例。模型的被解釋變量為糧食總產量。

從表11可以看出，模型R2為0.870，意味著農業機械總動力可以解釋糧食總產量的87.0%變化原因。對模型進行F檢驗時發現模型通過F檢驗（F=2 683.424，Plt;0.05），說明農業機械總動力一定會對糧食總產量產生影響關系，以及模型為：

[LC=-1.169+1.078×NXL]" " " " " " " " " " " " " " " " （8）

針對模型1，農業機械總動力的回歸系數值為1.078，并且呈現出顯著性（t=51.802，P=0.000lt;0.01），意味著農業機械總動力會對糧食總產量產生顯著的正向影響關系。

針對模型2，其在模型1的基礎上加入糧食播種面積后，F值變化呈現出顯著性（Plt;0.05），意味著糧食播種面積加入后對模型具有解釋意義。

針對模型3，其在模型2的基礎上加入農水林事物費用、有效灌溉面積、農用柴油使用量、農用塑料薄膜使用量、農用化肥施用量、農村人口所占比率后，F值變化呈現出顯著性（Plt;0.05），意味著農水林事物費用、有效灌溉面積、農用柴油使用量、農用塑料薄膜使用量、農用化肥施用量、農村人口所占比例加入后對模型具有解釋意義。另外，R2由0.977上升到0.988，意味著農水林事物費用、有效灌溉面積、農用柴油使用量、農用塑料薄膜使用量、農用化肥施用量、農村人口所占比例可對糧食總產量產生1.0%的解釋力度。具體來看，農水林事物費用的回歸系數值為0.029，并且呈現出顯著性（t=2.269，P=0.024lt;0.05），意味著農水林事物費用會對糧食總產量產生顯著的正向影響關系。有效灌溉面積的回歸系數值為0.238，并且呈現出顯著性（t=8.935，P=0.000lt;0.01），意味著有效灌溉面積會對糧食總產量產生顯著的正向影響關系。農用柴油使用量的回歸系數值為-0.018，但是并沒有呈現出顯著性，意味著農用柴油使用量并不會對糧食總產量產生影響關系。農用塑料薄膜使用量的回歸系數值為-0.029，并且呈現出顯著性（t=-2.096，P=0.037lt;0.05），意味著農用塑料薄膜使用量會對糧食總產量產生顯著的負向影響關系。農用化肥施用量的回歸系數值為0.065，并且呈現出顯著性（t=2.896，P=0.004lt;0.01），意味著農用化肥施用量會對糧食總產量產生顯著的正向影響關系。農村人口所占比例的回歸系數值為-0.229，并且呈現出顯著性（t=-8.939，P=0.000lt;0.01），意味著農村人口所占比例會對糧食總產量產生顯著的負向影響關系。

4 結論及建議

4.1 結論

1）農業機械總動力的回歸系數值為1.078，并且呈現出顯著性（t=51.802，P=0.000lt;0.01），意味著農業機械總動力會對糧食總產量產生顯著的正向影響關系。

2）糧食播種面積的R2由0.870上升到0.977，意味著糧食播種面積可對糧食總產量產生10.7%的解釋力度。具體來看，糧食播種面積的回歸系數值為0.911，并且呈現出顯著性（t=43.538，P=0.000lt;0.01），意味著糧食播種面積會對糧食總產量產生顯著的正向影響關系。

3）實證結果表明，糧食播種面積在本研究中起完全中介作用。

4.2 建議

1）農業機械化水平的大量積累對穩定糧食生產起著至關重要的作用，要鼓勵、支持種糧農戶和糧食生產經營組織，廣泛有效使用先進適用的農業機械，推動農業機械化和現代化發展。

2）選擇科學合理的糧食栽培方式，在糧食生產中要注意施肥技術的合理性，注意施肥比例，適當減少化肥施用量，建立農田生態系統良性循環，生產有機糧食。要積極創造條件，使用現代機械精準施肥、施藥新技術，解放勞動力、降低成本、實現糧食產量大跨越。據測算，采用機械化精準施肥和施藥技術，可以節約化肥15%～40%，單位肥料產出提高30%～60%，減少農藥成本40%～60%。此外，利用機械化技術把畜禽糞處理轉化成肥料，可以減少化肥的使用，降低成本，避免環境污染；采用機械化技術處理實現秸稈還田，可以提高糧田有機質和肥力，減少焚燒污染［15］。這些現代機械新技術可以在糧食生產中廣泛使用。

3）根據本研究的實證分析，糧食種植面積與糧食產量間存在正相關關系。因此，保護耕地是糧食增產增收的基本保障和途徑。地方各級政府應采取措施，確保本行政區劃域內耕地利用總體規劃確定的基本農田數量不減少，建設優質農田。

4）提高農業水資源利用率，針對水土資源不匹配地區存在的問題，提升農田澆灌發展潛力，改造排灌設施，強化節約用水排澇措施，加強農田澆灌基礎設施建設，引進高效農田澆灌設備和技術，實行節約用水灌溉。

5）政府及相關部門要提高對農機購買的補貼力度，完善購買流程及貸款辦理受理機制；加大對農機投入的宣傳力度，讓農民和糧食生產經營者切實感受到農機的便利、高效之處；此外，還要完善農機信息化建設，定期對所購置農機具進行維護檢修，讓使用者足不出戶便可以享受相關服務。

參考文獻：

［1］ 吳宇雄.堅決扛穩政治責任 筑牢八桂糧食安全防線［N］. 糧油市場報，2021-06-22（B03）.

［2］ 莫紅梅，鐘蕓香. 機械化水平、土地投入與糧食產量關系的實證檢驗［J］.統計與決策， 2013（24）：140-142.

［3］ 徐冬婷. 江蘇省糧食產量影響因素的灰色關聯分析［J］. 糧食科技與經濟，2020，45（10）：28-29.

［4］ 楊凡雨，劉黎明，袁承程. 湖南省糧食產量波動的影響因素分析及預測［J］. 中國農學通報， 2020，36（29）：153-160.

［5］ 石淑芹，陳佑啟，姚艷敏，等. 耕地變化對糧食生產能力的影響評價——以吉林中西部地區為例［J］.資源科學，2007（5）：143-149.

［6］ MEHTA C R， CHANDEL N S， JENA P C， et al. Indian agriculture counting on farm mechanization［J］. Agricultural mechanization in Asia， Africa and Latin America，2019，50（1）： 84-89.

［7］ 楊 進，吳 比，金松青，等. 中國農業機械化發展對糧食播種面積的影響［J］.中國農村經濟，2018（3）：89-104.

［8］ 張建平.山西省糧食總產量波動的影響因素分析［J］.安徽農業科學，2011，39（26）：16295-16296，16299.

［9］ 周 振，張 琛，彭 超，等. 農業機械化與農民收入：來自農機具購置補貼政策的證據［J］.中國農村經濟，2016（2）：68-82.

［10］ 溫忠麟，葉寶娟. 中介效應分析：方法和模型發展［J］.心理科學進展，2014，22（5）：731-745.

［11］ BARON R M， KENNY D A. The moderator-mediator variable distinction in social psychological research： Conceptual， strategic，and statistical considerations［J］. Journal of personality and social psychology， 1986， 51（6）： 1173-1182.

［12］ 張 恒， 郭翔宇. 農業生產性服務、農業技術進步與農民增收——基于中介效應與面板門檻模型的分析［J］. 農業現代化研究， 2021，42（4）：652-663.

［13］ 何智勵，汪發元，孟 魁. 金融發展、科技創新與產業結構升級——基于長江三角洲數據的中介效應模型分析［J］.科技與金融，2021（4）：30-35.

［14］ 楊月鋒，徐學榮. 福建省糧食產量影響因素主成分分析與產量趨勢預測［J］. 南方農業學報， 2014，45（4）：697-703.

［15］ 農業部辦公廳.關于推介發布秸稈農用十大模式的通知［EB/OL］.http：//www.moa.gov.cn/nybgb/2017/dwq/201712/t20171230_6133475.htm，2017-05-20.

收稿日期：2021-11-15

基金項目：國家自然科學基金項目（72064009）；湖北省社會科學基金項目（2016106）

作者簡介：李春婷（1997-），女，山西太原人，在讀碩士研究生，研究方向為農業政策與理論、糧食安全，（電話）18201415479（電子信箱）1875798445@qq.com；通信作者，曾 靖（1972-），女，湖北潛江人，博士研究生導師，博士，主要從事農業政策與理論、糧食安全研究，（電話）15171130050（電子信箱）451990927@qq.com。