農業機械化與農民收入的影響研究

摘要：農業機械化是農業現代化重要標志和基礎支撐，其可以通過提高農業生產效率、農產品供給數量與質量，促進農業勞動力轉移等，推動農民增收。通過對浙江省81縣2012—2020年面板數據構建縣級數據模型，實證檢驗農業機械化對農民收入的影響效應。研究結果表明：農業機械化水平的提高與農民增收具有正向聯系，在浙江省范圍內，機械化率每提高0.01，將帶動浙江省農村居民可支配收入上漲0.025%，且結果顯著，而山區26縣的農業機械化發展尚未實現增收作用；機械化水平的提高可顯著提高勞動生產率和推動勞動力轉移，有效促進農民增收，但在山區26縣尚未發揮出明顯的增收效果。因此，山區26縣還需通過推進農機作業條件改善、農業裝備全領域研推用、農業生產全環節標準化、社會化服務全范圍覆蓋補齊農業機械化發展短板，以機械化賦能產業高質量發展，促進農業增效、農民增收。

關鍵詞：農業機械化；農民收入；共同富裕；浙江省；實證分析

中圖分類號：S-9； F323.8 文獻標識碼：A 文章編號：2095?5553 （2024） 11?0265?07

Research on the influence of agricultural mechanization on farmers' income：

Empirical analysis based on county panel data in Zhejiang Province

Suo Lili， Wang Yu， Han Su， Shi Xiaoyan， Wu Meng， Xu Qing

（Zhejiang Academy of Agricultural Sciences， Hangzhou， 310021， China）

Abstract： Agricultural mechanization is an important symbol and fundamental support for agricultural modernization， which can increase farmers' income by improving agricultural production efficiency， the quantity and quality of agricultural product supply， promoting the transfer of agricultural labor， and so on. This paper constructs a county?level data model based on the panel data of 81 counties in Zhejiang Province from 2012 to 2020， and authentic proof tests the impact of agricultural mechanization on farmers' income in the province and 26 mountainous counties. The research results indicate that there is a positive correlation between the improvement of mechanization level and the increase of farmers' income. Within the province， every 0.01 increase in mechanization rate will drive the disposable income of rural residents in the province to increase by 0.025%， and the results are significant. However， the development of agricultural mechanization in 26 counties in mountainous areas has not yet achieved the effect of increasing income. The improvement of mechanization level can significantly improve labor productivity and promote labor transfer， effectively promoting farmers' income increase throughout the province， but it has not yet shown a significant income increase effect in 26 mountainous counties. Therefore， the 26 counties in mountainous areas still need to improve the operating conditions of agricultural machinery， promote the use of agricultural equipment in all fields， standardize all aspects of agricultural production， and provide full coverage of socialized services to fill the gaps in the development of agricultural mechanization， so as to enable high?quality development of the mechanization industry， promote agricultural efficiency， and increase farmers' income.

Keywords： agricultural mechanization; farmers' income; common prosperity; Zhejiang Province; empirical analysis

0 引言

農業機械化和農機裝備是轉變農業發展方式、提高農村生產力的重要基礎，是實施鄉村振興戰略的重要支撐。沒有農業機械化，就沒有農業農村現代化[1]。2022年國務院印發的《“十四五”推進農業農村現代化規劃》，提出來“十四五”時期農業農村現代化的主要目標就是增加農民收入。“十四五”時期，浙江省面臨高質量發展建設共同富裕示范區、爭創農業農村現代化先行的光榮使命，在這個有“七山一水兩分田”之稱，面積僅占全國陸域1.1%的南方丘陵山區省，有山區26縣，是浙江省中藥材、食用菌、油料、水果特色農產品優勢區，也是浙江省實現共同富裕道路上的重要任務和關鍵環節[2]。2021年，山區26縣農作物耕種收機械化水平為62.6%，低于浙江省平均水平12.3個百分點，農村居民人均可支配收入為27 619元，低于浙江省平均水平21.6個百分點。那么，如何破解山區26縣農業機械化發展水平提升難題，變機械化生產的薄弱點為產業提升、農民增收的增長點。因此，本文通過實證分析農業機械化對浙江省及山區26縣農民收入的增長效應及其中介路徑，提出山區26縣農業機械化水平提升對策，發揮農業機械化促進農民增收過程中的綜合效應，推動農業高質高效發展具有重要意義。

1 現狀分析

1.1 農業機械化發展現狀

2012—2021年，浙江省農作物耕種收綜合機械化率由50.9%增長到74.9%，如圖1所示。

山區26縣主要位于浙江南部，指衢州、麗水兩市的所轄縣（市、區），以及淳安、永嘉、平陽、蒼南、文成、泰順、武義、磐安、三門、天臺、仙居等山區縣，土地面積約占全省的45%，人口約占全省24%，是全省中藥材、食用菌、油料、水果特色農產品優勢區，2021年分別為全省貢獻了59.6%、59.8%、37.6%和38.7%的產出。磐安道地藥材、龍泉食用菌、蒼南番茄、青田油茶等山區優勢特色產業年產值均超過5億元，成為山區農民增收致富的支柱產業。在“機械強農、科技強農”雙強行動驅動下，山區26縣農作物耕種收機械化增幅比全省平均水平高2.4個百分點，畜牧、水產、設施種植和農產品初加工等機械化水平保持快速增長。

1.2 農民收入現狀

2012—2021年，浙江省農村居民可支配收入由14 552元增長到35 247元（圖1），山區26縣農村居民人均可支配收入由10 116元增長至27 619元，增長了2.73倍，增速連續10年高于城鎮居民，城鄉居民收入比由2012年的2.52縮小到2021年的1.94。山區26縣收入結構與全省基本一致。以衢州、麗水農民收入為例，工資性收入是農民收入的主要來源，但工資性收入、經營性收入、財產性收入均低于全省平均水平，說明兩地農民向二三產轉移、農業生產效率、對外投資和財產租賃等均不強，但由于政府對“三農”的各種補貼相對較高，轉移性收入占比高于全省平均水平。

1.3 農民收入影響因素研究現狀

關于農民收入的影響因素研究比較豐富，農民資本稟賦、農村經濟制度安排、農業產業結構變化、農業技術進步及其客觀生產條件等都是推動農村經濟增長、提高農民收入的重要驅動力[3]。有的學者指出，隨著城鎮化的推進，不僅會制約農村勞動力就業人數的增長，還會因家庭贍養負擔人口的增加，從而抑制龍頭企業和加快農業產業結構升級是實現農民增收的有效途徑[4， 5]。財政支農力度與農民收入之間具有正向的強相關性[6]。隨著土地流轉比例的增加，農民增收的效應表現為先增加后降低的“倒u型”曲線[7]。盡管勞動節約型技術對農民增收影響重大，但是技術進步總體上并不能使農民收入明顯提升[8]。但是，也有學者指出，無論是短期還是長期，農業技術進步對涉農與非農收入都有一定的提升作用[9]。農業技術進步不僅對農民增收有直接效應，也會通過勞動力遷移模式產生間接作用[10]。農村人口的教育、健康、技能水平及其家庭稟賦同樣也是促進農民增收的重要因素[11]。機械化可以直接作用于農業收入增長，也可以通過勞動力轉移作為中介變量“部分地”促進非農收入增長[12]。有學者實證檢驗了農業機械化對農民收入的單向或雙向因果關系[13， 14]。也有學者基于農業技術進步、農機服務等視角測度農業機械化對農民增收的貢獻率[15]。但是，也有學者提出，農業機械化和農業技術水平的提升對需求彈性、技術要求比較低的農業產業可能存在負向影響[16]。

本文的邊際貢獻主要表現在以下幾個方面：（1）目前學術界關于農業機械化對農民增收的作用路徑缺乏全面討論，本文從縣級層面展開實證分析，并在此基礎上利用中介效應模型對不同路徑進行識別，進一步討論了機械化率對農民增收的作用機制，為農業機械化更好地促進農民收入增加提供了新思路。（2）既有文獻以農業機械總動力衡量機械化水平，考慮到2012年后浙江省高耗能農業機械報廢補償相關政策，農業機械總動力無法準確衡量農業機械化水平，且農機跨區作業的存在使得農機總動力低的地區也可能具有較高農業機械化水平，因此選取農作物耕種收綜合機械化率來衡量農業機械化水平，為之后農業機械化相關研究提供參考。（3）考慮到山區26縣是浙江省實現共同富裕先行和省域現代化先行“兩個先行”的重點地區，也是提高農業機械化水平的關鍵短板，增加地區異質性分析，并考慮農業機械化對農民收入的滯后性影響，從而更加準確地判斷農業機械化對農民收入的作用效果。

2 理論分析與研究假說

各農業機械化是利用機器代替人畜力進行農業生產的技術改造和經濟發展過程，農業機械化的發展能夠通過提高農產品供給數量、供給質量和供給效益等，實現農業供給能力和供給水平的提高，進行推動農民增收。經典農業經濟理論認為，農業機械化的發展具有規模效應，而浙江省的耕地資源地形地貌多樣化、分布細碎化、地權分散化的特征可能會制約農業機械化大規模種植養殖的發展。然而事實并非如此，由圖1可以看出，浙江省的農業生產正向機械化大步邁進，農民的收入也隨之發生增長。

農業機械作業可實施人力無法達到的現代科學農藝要求，其廣泛應用加快了農業生產進度，降低了農民勞動強度，提高了勞動生產率，進而促進了農民經營性收入的上漲[17]。另一方面，農業機械的廣泛應用加快了農業生產進度，降低了農民勞動強度，提供了勞動生產率。土地產出率或勞動生產率的提高都促進了農民經營性收入的上漲。

機械化發展對農業勞動力的替代使得大量勞動力由第一產業向第二、三產業轉移，非農就業時間的增加使得農民非農收入也相應增長，機械化可以通過促進勞動力非農轉移來增加農民收入[14]。

基于上述分析，本文提出如下假說。

H1：農業機械化水平的提高與農民增收具有正向聯系。

H2：農業機械化可以通過中介變量勞動生產率促進農民增收。

H3：農業機械化可以通過中介變量勞動力轉移促進農民增收。

3 模型構建與指標數據處理

3.1 基準回歸

本文將農作物耕種收綜合機械化率作為外生變量引入模型，探究其對農村居民可支配收入的影響。考慮到農村居民可支配收入受往期收入影響，存在路徑依賴特征，使用動態面板模型展開研究，基準回歸模型構建如式（1）所示。

[lndpiit=α1 lndpiit-1+β1 machit+γ1 contit+di+vt+eit] （1）

式中： lndpiit——i縣在t年的農村居民可支配收入水平；

machit——農作物耕種收綜合機械化率；

contit——其他可能影響農民收入的控制變量，包括農藥使用量、化肥施用量、食品類商品零售價格指數、第一產業占比；

di、vt——縣級虛擬變量和年份虛擬變量，對縣級層面和時間層面的固有差異影響進行控制；

eit——標準誤差項；

α1、β1、γ1——待估系數。

3.2 中介效應檢驗

為識別機械化率影響農民可支配收入的作用機制，本文主要考慮兩種中介作用：第一，機械化能否通過提高勞動生產率來促進農民收入增長。此時因變量為農村居民可支配收入，自變量為農作物耕種收綜合機械化率，中介變量為勞動生產率。第二，機械化能否通過提高促進勞動力轉移來促進農民收入增長。此時因變量為農村居民可支配收入，自變量為農作物耕種收綜合機械化率，中介變量為勞動力轉移數量。模型構建如式（2）～式（5）所示。

勞動生產率

[lnlaborit=α2 lnlaborit-1+β2 machit+γ2 contit+di+vt+eit] （2）

[lndpiit=α3 lndpiit-1+β3 machit+θ1 lnlaborit+γ3 contit+di+vt+eit] （3）

勞動力轉移

[transit=α4 lnlaborit-1+β4 machit+γ4 contit+di+vt+eit] （4）

[lndpiit=α5 lndpiit-1+β5 machit+θ2 transit+γ5 contit+di+vt+eit] （5）

3.3 樣本選擇與數據來源

為探究機械化對農民收入的影響效應，利用中介效應模型比較了浙江省81縣以及山區26縣2012—2020年期間農業機械化水平對農民收入的作用效果和影響路徑。在充分考慮機械化率、農業生產效率、勞動力轉移、農村產業結構、政府財政補貼、農藥化肥投入、市場價格、社會化服務、規模化生產、基礎設施建設完善等各類可能對農民收入產生影響變量的基礎上，受制于數據可獲性及模型擬合效果，最終選擇農作物耕種收綜合機械化率為自變量，農村居民可支配收入為因變量，勞動生產率、勞動力轉移為中介變量，農藥、化肥、零售價格、一產占比為控制變量開展模型分析，相關數據來源于《浙江省統計年鑒》《浙江省農業農村統計資料》等統計資料。各主要變量及數據處理見表1。

4 實證結果與分析

4.1 基準模型回歸結果

考慮到農民收入可能存在的時間慣性，本文在實證模型中引入了因變量滯后項，且農業機械化和農民收入之間可能存在互為因果的內生性問題。因此，為克服可能存在的內生性問題和估計偏差，本文參照Arellano[18， 19]、Blundell[20]的廣義矩估計方法（GMM），使用系統GMM方法對原水平模型和差分變換后的模型同時進行估計，來修正未觀察到的異方差問題、遺漏變量偏差、策略誤差以及潛在的內生性問題。

基準模型回歸結果如表2模型（1）所示。從檢驗結果來看，在控制縣域固定效應、年份固定效應，以及生產投入、市場價格及產業結構等情況后，Arellano-Bond自相關檢驗中隨機誤差項的二階自相關的假設沒有被拒絕，表明Arellano-Bond估計量滿足一致性的前提條件，GMM估計方法適用于本文研究，農民收入滯后項系數的顯著性也驗證了使用動態模型的必要性。Hansen過度識別檢驗沒有被拒絕，表明本文將變量滯后項作為工具變量的選擇是有效的，模型設定較為合理。

從具體估計系數看，實證擬合結果表明，在控制其他變量不變情況下，機械化水平的提高確實與農民增收具有正向聯系。在浙江省范圍內，機械化率每提高1%，就將帶動浙江省農村居民可支配收入上漲0.025%，且結果顯著。有強烈證據證實農業機械化水平的提升可促進農民收入增長。此外，農民收入滯后項的估計系數符號為正且在1%的置信水平下顯著，表明農村居民可支配收入存在一定的增長慣性和持續效應。各控制變量中，農藥使用量在5%的置信水平下對農民收入存在顯著的負向影響，這可能是因為農藥投入的增加加大了農戶生產成本，致使農民可支配收入下降；在10%的置信水平下，一產占比的降低有助于提高農民收入。

4.2 地區異質性對農民增收影響

聚焦浙江省山區26縣農村居民可支配收入遠低于浙江省平均水平的客觀現實，為有效推進山區26縣高質量發展，本文進一步分離出山區26縣子樣本進行分組回歸，回歸結果如表2模型（2）所示。結果表明，在2012—2020年樣本期內，山區26縣的農業機械化發展尚未實現增收作用。這可能是因為，受自然形成的地形地貌約束，地塊坡度大、細碎凌亂且不規則、機耕道缺乏，導致農機下田難、作業難、轉運難。如，2021年山區26縣累計建成高標準農田面積280.8 khm2，與耕地面積占比僅46.3%，遠低于浙江省60.7%的平均水平。山區26縣農機應用成本遠高于平原地區，加之山區土地流轉和土地托管等限制農業機械化推廣應用問題尚未有效解決以及社會化服務能力弱等問題，過去9年間山區26縣農業機械化水平的提升對農村居民可支配收入影響不顯著。

4.2.1 勞動力生產率的中介效應檢驗

根據前文模型設定，本文首先檢驗勞動生產率是否在機械化促進農民增收過程中起到了中介作用，模型估計結果見表3。

表3模型（3）估計結果表明，農業機械化水平的提升在5%的置信水平下顯著提高勞動生產率，機械化率每提高1%，將推動勞動生產率提升0.121%，農業機械作業有效實現了對勞動力的替換，促進農業勞動生產率提高。在模型（4）同時引入勞動生產率和機械化率時，勞動生產率對農民收入有顯著的正向影響，機械化率估計系數和顯著性均明顯降低，在全省樣本中，勞動生產率是影響農業機械化水平與農民收入之間關系的重要路徑，農業機械化通過促進勞動生產率提高有效推動農民收入增長。

從山區26縣子樣本來看，模型（5）結果表明，農業機械化水平的提升同樣有助于推動勞動生產率提高，機械化水平每提高1%，將推動勞動生產率上漲0.100%；但勞動生產率的提升并未有效轉化為收入增長（模型（6））。這一方面可能是因為山區26縣子樣本中機械供給尚不充分，在提高勞動生產率的同時，收獲、初加工等環節仍舊對人工具有較高的依賴程度，農業勞動力難以轉移；另一方面也可能因為部分被機器替代的勞動力在退出農業生產的同時并未通過轉移到其他產業等渠道得到合理利用，閑置勞動力尚未發揮其賦能增收作用。

4.2.2 勞動力轉移的中介效應檢驗

根據前文實證可以看出，勞動力變動是影響農業機械化水平和農民收入相互關系的重要因素。除了促進勞動生產率提升外，農業機械化也可通過推動勞動力非農轉移的渠道實現工資性收入增長。根據前文模型設定，本文對勞動力轉移在機械化促進農民增收過程中的中介作用進行檢驗，模型估計結果見表4。

表4模型（7）結果表明，農業機械化水平的提升在5%的置信水平下顯著推動勞動力非農轉移，機械化率每提高1%，將推動農業勞動力占比下降0.000 3。在模型（8）同時引入勞動力轉移和機械化率時，勞動力轉移對農民收入有顯著的負向影響，機械化率估計系數和顯著性均明顯降低，在浙江省樣本中，勞動力轉移是影響農業機械化水平與農民收入之間關系的重要路徑，農業機械作業可通過推動農業勞動力向非農轉移來實現工資性收入增長，進而實現可支配收入的提高。

從山區26縣子樣本來看，模型（9）結果表明農業機械化可在5%的顯著水平下顯著促進農業勞動力轉移，農業就業比重隨著機械化發展而顯著降低。模型（10）農業機械化和勞動力轉移對農民收入影響均不顯著。這可能是因為山區農業轉移勞動力職業技能不高，就業競爭能力較弱，致使機器換人釋放勞動力的同時，勞動力供給結構卻無法匹配勞動力需求結構，致使缺乏技能的山區農業轉移勞動力供大于求，無法有效轉移，另外轉移的勞動力也只能從事技術含量低的工作種類，因此未對農民收入產生實質性影響。山區26縣尚未形成機械化率提升-勞動力轉移-農民增收的有效路徑。

5 結論與建議

5.1 結論

1） 在浙江省范圍內，農作物耕種收綜合機械化率的提升顯著提高了農村居民可支配收入水平，機械化率每提高1%，浙江省農村居民可支配收入上漲0.025%，即以2021年浙江省農村居民可支配收入35 247元為例，當控制其他變量不變時，機械化率提高1%，收入增長約92.4元。但需要注意的是，機械化率提升在山區26縣尚未實現農民增收效果。

2） 以勞動生產率、勞動力轉移為中介變量探究機械化率對農民收入的影響路徑發現，在浙江省樣本中，機械化率的增收效應是通過提高勞動生產率、促進勞動力轉移來實現的。然而，在山區26縣樣本中，機械化率的提升雖然也在一定程度上推動了勞動生產率提高和勞動力轉移，但二者在山區尚未發揮出明顯的增收效果。

因此，山區26縣還需進一步以提升農業機械化水平為抓手，充分發揮農業機械化對農業生產的作用效果，增強農業綜合生產能力，促進農業增效、農民增收。

5.2 建議

5.2.1 推進農機作業條件全方面改善

開展高標準農田建設，逐步把山區26縣永久基本農田全部建成高標準農田。在保護生態的前提下，引導適度規模生產經營，推進農田地塊小變大、短變長、陡變緩，并加大對機耕道、田間路的建設力度，切實改善農機作業通行條件，坡度大于15°的園地探索通過軌道等形式解決機械上山的難題。規范山地設施大棚的建設，鼓勵26縣利用荒山荒坡等非耕地，建設生產、加工、冷鏈物流等一體化的現代設施農業示范園，提高土地產出率。

5.2.2 推進農業機械裝備全領域研推用

強化山區26縣水果、蔬菜、茶葉等特色農產品農機裝備研發制造推廣協同攻關，研發適用小型機械和高效智能機械，對生產小眾特色產業短缺機具的企業給予支持。鼓勵當地農業農村部門結合生產主體在特色產業引進農機創新產品試用、試驗熟化、改進提升和實地驗證，同時加強鑒定能力建設，縮短研發制造從樣品樣機向產業化生產的過程。

5.2.3 推進農業生產全環節標準化

開展農機與農藝融合研究，在一定區域內統一種植模式、農藝參數及農機具規格，結合山區26縣特色產業品種培育、耕作制度、栽植方式、機械裝備等，總結形成不同產業、不同作物農業機械化全程機械化技術模式，協同農業機械化新技術和新裝備的試驗、熟化、示范和推廣應用，整體提升各產業各環節機械化水平，并形成標準化生產、加工、農旅等融合發展的一二三產業融合的全產業鏈模式，滿足農民的季節性兼業需求，穩定提高農民的工資性收入。

5.2.4 推進社會化服務全范圍覆蓋

鼓勵家庭農場、農業企業等新型農業主體針對山區26縣特色產業利用土地、資金、技術、機具等生產要素從事農機社會化服務，推動農機社會化服務組織與農民建立緊密利益連接機制，指導農戶以市場需求為導向，實施開展統一耕種、統一大田托管、統一統防統治、統一烘干儲藏、統一加工銷售等標準化、專業化、規模化生產，達到節本增效的目的。推行新型服務模式，如大力發展訂單農業，引導龍頭企業、農批市場、電商企業、大型超市等采取“農戶（基地）+合作社+企業+市場”模式，不斷拉長和完善產業鏈。

5.2.5 推進政府保障體系完善化建設

針對山區26縣適用機具提高補貼比例，鼓勵市縣通過累加補貼、優機優補等方式降低農民購機成本。縮短山區急需短缺新機具享受補貼的周期，在合理配置資金的前提下，可參照日本等小型農機具推廣的經驗，在先導區試點提高新機具的首年度補貼比例，如第一年補貼70%，第二、三年補貼比例50%、30%逐年降低的方式促進新機具的推廣。試點對山區26縣進行燃油、維修保養等補貼，鼓勵農民用機作業，加快推進農機報廢更新工作，確保農戶用得起農機，用得上好機。

參 考 文 獻

[ 1 ] 范靜. 農業機械化對農業增效農民增收的影響[J]. 江蘇農機化， 2021（6）： 32-35.

[ 2 ] 江玲潔. 共同富裕路上，一個都不能少——加快推動山區26縣跨越式高質量發展[J]. 浙江經濟， 2021（5）： 30-31.

[ 3 ] 宿楊. 寧夏農民增收驅動力研究及對策建議[J]. 中國農業資源與區劃， 2020， 41（6）： 212-221.

Su Yang. Study on driving forces of farmers' income increasing ils1XvquRncDYASFk9CfbWJv2fmPSS/cgYVUuh4nbUPE=n Ningxia and its countermeasures [J]. Chinese Journal of Agricultural Resources and Regional Planning， 2020， 41（6）： 212-221.

[ 4 ] 姜長云， 李俊茹. “十四五”時期促進農民增收的戰略思考[J]. 江淮論壇， 2021（2）： 38-44.

[ 5 ] 盧曉. 推動農業產業化實現農民增收[J]. 人民論壇， 2019（12）： 96-97.

[ 6 ] 朱湖根， 萬倫來， 金炎. 中國財政支持農業產業化經營項目對農民收入增長影響的實證分析[J]. 中國農村經濟， 2007（12）： 28-34.

[ 7 ] 謝文寶， 陳彤， 劉國勇. 三權分置下土地流轉對農民增收的實證研究——基于新疆宏微觀數據的分析[J]. 新疆社科論壇， 2017（4）： 68-72.

[ 8 ] 黃祖輝， 錢峰燕. 技術進步對我國農民收入的影響及對策分析[J]. 中國農村經濟， 2003（12）： 11-17.

[ 9 ] 陸文聰， 余新平. 中國農業科技進步與農民收入增長[J]. 浙江大學學報（人文社會科學版）， 2013， 43（4）： 5-16.

Lu Wencong， Yu Xinping. Agricultural technological progress and farms' income growth in China [J]. Journal of Zhejiang University （Humanities and Social Sciences）， 2013， 43（4）： 5-16.

[10] 馬軼群， 孔婷婷. 農業技術進步、勞動力轉移與農民收入差距[J]. 華南農業大學學報（社會科學版）， 2019， 18（6）： 35-44.

Ma Yiqun， Kong Tingting. Agricultural technology progress， labor force transfer and regional rural income gap [J]. Journal of South China Agricultural University （Social Science Edition）， 2019， 18（6）： 35-44.

[11] 闞大學， 呂連菊. 中部地區農村教育水平及其不同層次對農民收入差距的影響[J]. 中國農業資源與區劃， 2020， 41（8）： 220-227.

Kan Daxue， Lü Lianju. The Impact of rural educational level and its different levels on farmers' income gap in central China [J]. Chinese Journal of Agricultural Resources and Regional Planning， 2020， 41（8）： 220-227.

[12] 李谷成， 李燁陽， 周曉時. 農業機械化、勞動力轉移與農民收入增長——孰因孰果？[J]. 中國農村經濟， 2018（11）： 112-127.

Li Gucheng， Li Yeyang， Zhou Xiaoshi. Agricultural mechanization， labor transfer and the growth of farmer's income： A re?examination of causality [J]. Chinese Rural Economy， 2018（11）： 112-127.

[13] 辛沖沖， 張敏， 李紅， 等. 新疆農機化發展能否持續促進農民增收[J]. 中國農業資源與區劃， 2015， 36（3）： 127-135.

Xin Chongchong， Zhang Min， Li Hong， et al. Can agricultural mechanization development continue to promote the farmers' income in Xinjiang [J]. Chinese Journal of Agricultural Resources and Regional Planning， 2015， 36（3）： 127-135.

[14] 李玉波， 楊淑杰， 鄔偉三， 等. 農業機械化與農民增收關系的交互動態響應分析——基于吉林省統計核算數據[J]. 中國農機化學報， 2021， 42（1）： 151-158.

Li Yubo， Yang Shujie， Wu Weisan， et al. Interactive dynamic response analysis of the relationship between agricultural mechanization and farmers' income increase： Based on statistics and accounting data of Jilin Province [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（1）： 151-158.

[15] 梁天麗， 張潔瑕. 農業機械化對廣西農民增收貢獻率實證分析[J]. 中國農機化學報， 2021， 42（2）： 224-229.

Liang Tianli， Zhang Jiexia. Empirical analysis on the contribution rate of agricultural mechanization to farmers' income in Gangxi [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（2）： 224-229.

[16] 朱建軍， 胡繼連. 農地流轉對我國農民收入分配的影響研究——基于中國健康與養老追蹤調查數據[J]. 南京農業大學學報（社會科學版）， 2015， 15（3）： 75-82.

Zhu Jianjun， Hu Jilian. Analysis on the impact of farmland transfer on farmers' income distribution： Based on CHARLS data [J]. Journal of Nanjing Agricultural University （Social Sciences Edition）， 2015， 15（3）： 75-82.

[17] 宗錦耀， 劉憲， 李斯華， 等. 新的探索新的跨越——中國改革開放三十年中的農業機械化[J]. 中國農機化， 2008（6）： 3-15.

Zong Jinyao， Liu Xian， Li Sihua， et al. New exploration， new leap forward： Agricultural mechanization in the reform and opening?up of China over the past 30 years [J]. Journal of Chinese Agricultural Mechanization， 2008（6）： 3-15.

[18] Arellano M， Bond S. Some tests of specification for panel data： Monte Carlo evidence and an application to employment equations [J]. The Review of Economic Studies， 1991， 58（2）： 277-297.

[19] Arellano M， Bover O. Another look at the instrumental variable estimation of error?components models [J]. Journal of Econometrics， 1995， 68（1）： 29-51.

[20] Blundell R， Bond S. Initial conditions and moment restrictions in dynamic panel data models [J]. Journal of Econometrics， 1998， 87（1）： 115-143.