農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率的影響研究

摘要 根據(jù)2001—2021年安徽省16個地級市耕地利用統(tǒng)計數(shù)據(jù)，運用SBM模型、核密度估計、面板Tobit模型以及中介效應(yīng)模型，探究安徽省耕地利用效率的變化趨勢、農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率的影響以及農(nóng)業(yè)機械化在農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率的影響中所起的中介作用，為區(qū)域耕地利用效率的提高和農(nóng)業(yè)可持續(xù)發(fā)展提供可參考的依據(jù)。結(jié)果表明：2000—2020年，安徽省耕地利用效率整體呈上升趨勢；安徽省耕地利用效率存在兩極分化的現(xiàn)象，區(qū)域差異明顯；農(nóng)村勞動力轉(zhuǎn)移、經(jīng)濟發(fā)展水平對耕地利用效率呈現(xiàn)正向影響，農(nóng)業(yè)生產(chǎn)條件、自然環(huán)境條件、耕地資源稟賦對耕地利用效率呈現(xiàn)負(fù)向影響，且耕地資源稟賦對耕地利用效率影響不顯著；農(nóng)村勞動力轉(zhuǎn)移能有效影響耕地利用效率，并可以通過農(nóng)業(yè)機械化的中介效應(yīng)作用于耕地利用效率。對此，應(yīng)大力發(fā)展土地流轉(zhuǎn)市場，構(gòu)建有序的農(nóng)村土地流轉(zhuǎn)平臺，為勞動力轉(zhuǎn)移提供前提條件；要對農(nóng)業(yè)機械化進行推廣和研發(fā)，加大對農(nóng)業(yè)基礎(chǔ)設(shè)施投入；正確處理勞動力轉(zhuǎn)移和農(nóng)業(yè)機械化之間的關(guān)系，從不同途徑來提高耕地利用效率。

關(guān)鍵詞 耕地利用效率；農(nóng)村勞動力轉(zhuǎn)移；農(nóng)業(yè)機械化；中介效應(yīng)

中圖分類號 F 301.2" 文獻標(biāo)識碼 A" 文章編號 0517-6611（2025）03-0259-08

doi：10.3969/j.issn.0517-6611.2025.03.052

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

The Impact of Rural Labor Transfer on the Utilization Efficiency of Arable Land

QIAN Fan fan， WU Jiu xing

（College of Geography and Tourism， Anhui Normal University， Wuhu，Anhui 241002）

Abstract Based on the statistical data of cultivated land use in 16 prefecture level cities in Anhui Province from 2001 to 2021， using SBM model， kernel density estimation， panel Tobit model， and mediation effect model，explore the changing trend of farmland utilization efficiency in Anhui Province， the impact of rural labor transfer on farmland utilization efficiency， and the mediating role of agricultural mechanization in the impact of rural labor transfer on farmland utilization efficiency， providing a reference for improving regional farmland utilization efficiency and sustainable agricultural development.The results showed that：From 2000 to 2020， the cultivated land use efficiency in Anhui Province was on the rise;the cultivated land use efficiency in Anhui Province has the phenomenon of polarization， the regional difference is obvious;the transfer of rural labor force and the level of economic development had a positive impact on the cultivated land use efficiency， while the agricultural production conditions， natural environment conditions and cultivated land resource endowment had a negative impact on the cultivated land use efficiency， and the cultivated land resource endowment had no significant impact on the cultivated land use efficiency.The transfer of rural labor force can effectively affect the cultivated land use efficiency， and can affect the cultivated land use efficiency through the intermediary effect of agricultural mechanization.Regarding this，we should vigorously develop the land transfer market， build an orderly rural land transfer platform， and provide the prerequisite for labor transfer;we should promote and develop agricultural mechanization and increase investment in agricultural infrastructure; correctly deal with the relationship between labor force transfer and agricultural mechanization， and improve the efficiency of cultivated land use in different ways.

Key words The utilization efficiency of arable land;Rural labor transfer;Agricultural mechanization;Intermediary effect

基金項目 國家自然科學(xué)基金面上項目（42371269）。

作者簡介 錢凡帆（1999—），女，安徽合肥人，碩士研究生，研究方向：土地利用與管理。

*通信作者，副教授，博士，碩士生導(dǎo)師，從事城市發(fā)展與土地利用研究。

收稿日期 2024-03-11

近20多年來，中國的工業(yè)化和城市化在飛速發(fā)展，導(dǎo)致大量農(nóng)村勞動力向城市或城鎮(zhèn)和第二、三產(chǎn)業(yè)轉(zhuǎn)移。然而，農(nóng)村勞動力是農(nóng)村農(nóng)業(yè)生產(chǎn)發(fā)展的必備要素^［1］，隨著農(nóng)村勞動力不斷轉(zhuǎn)移，農(nóng)業(yè)生產(chǎn)投入要素結(jié)構(gòu)也發(fā)生著深刻改變，進而使得耕地利用效率隨之發(fā)生著變化^［2］。長期以來，國家高度重視耕地“三位一體”保護以保障國家糧食安全。除了保護耕地的數(shù)量、質(zhì)量和生態(tài)以外，還要提升耕地利用效率。從鄉(xiāng)村振興和耕地利用關(guān)系看，鄉(xiāng)村振興著重發(fā)展農(nóng)村、農(nóng)業(yè)和農(nóng)民，農(nóng)村勞動力轉(zhuǎn)移對鄉(xiāng)村振興起著重要作用，所以研究農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率的影響有理論和現(xiàn)實意義。

至今，有許多學(xué)者對耕地利用效率做了大量研究，大致分為以下3個方面：一是耕地利用效率測算方法研究，主要包括采用數(shù)據(jù)包絡(luò)分析法（DEA）^［3］、動態(tài)網(wǎng)絡(luò)二階段DEA模型^［4］、DEA-Malmquist指數(shù)^［5］、Slack Based Mode（SBM）方向性距離函數(shù)^［6］對研究區(qū)內(nèi)耕地利用效率進行測算；二是耕地利用效率的時空特征，一般采用Moran’s I指數(shù)分析全局自相關(guān)和局部自相關(guān)關(guān)系^［7-8］，或通過ArcGIS軟件進行冷熱點分析來揭示研究區(qū)域的耕地利用效率時空變化特征^［9］；三是耕地利用效率影響機制研究，相關(guān)學(xué)者指出耕地利用效率受多方面因素影響，包括資源稟賦、資本投入、經(jīng)濟發(fā)展、科技進步水平、政府政策等方面。勞動力轉(zhuǎn)移對耕地利用效率的影響存在2種不同的看法：一是李明艷^［10］、張曉峰等^［11］認(rèn)為勞動力轉(zhuǎn)移對區(qū)域耕地利用效率有著不同程度的正向影響；二是蓋慶恩等^［12］、李士梅等^［13］、張舒甜等^［14］認(rèn)為勞動力轉(zhuǎn)移對耕地利用效率有著負(fù)向影響；經(jīng)陽等^［15］、徐秋等^［16］認(rèn)為農(nóng)業(yè)機械化水平對耕地利用效率具有正向影響作用。在研究耕地利用效率影響機制時，多采用灰色關(guān)聯(lián)度模型^［17-18］、Tobit模型^［19］、空間杜賓模型^［20］和地理探測器^［21］等方法。

借鑒現(xiàn)有研究文獻，該研究采用SBM模型對安徽省2000—2020年耕地利用效率進行測算，并采用核密度估計方法，探究安徽省耕地利用效率區(qū)域差異的動態(tài)演變特征，進而使用面板Tobit模型和中介效應(yīng)模型揭示耕地利用效率影響因素，以期為提高新時期耕地利用效率和完善耕地保護政策提供科學(xué)參考。

1 理論分析與研究假設(shè)

1.1 農(nóng)村勞動力轉(zhuǎn)移、農(nóng)業(yè)機械化與耕地利用效率

在農(nóng)業(yè)持續(xù)發(fā)展的過程中，勞動力仍然是一個不可缺少的重要組成部分。相關(guān)研究證明^［22］，農(nóng)民會根據(jù)自身實際需求和自身收入的對比，以及與非農(nóng)收入的對比，通過對比選擇收入更多的那一方來消退自身收入低的現(xiàn)狀。農(nóng)民發(fā)現(xiàn)種地已不在維持現(xiàn)有生活所需，加之與進城務(wù)工薪資的對比，農(nóng)民會選擇進城務(wù)工，轉(zhuǎn)向第二、三產(chǎn)業(yè)。隨著農(nóng)村勞動力的持續(xù)流出，農(nóng)村“剩余”勞動力轉(zhuǎn)變成農(nóng)村“稀缺”勞動力，勞動力的數(shù)量和質(zhì)量下降促使農(nóng)業(yè)生產(chǎn)的機械資本等其他要素增加^［23］，且農(nóng)村勞動力轉(zhuǎn)移會提高農(nóng)民的額外收入，有助于增加機械等要素的投入^［24-25］，從而減輕勞動力減少帶來的損失，也提高了農(nóng)業(yè)勞動生產(chǎn)力。加之，農(nóng)村土地流轉(zhuǎn)市場的不斷深入發(fā)展，進城務(wù)工的農(nóng)民將耕地流轉(zhuǎn)給承包戶，從而擴大了耕地的經(jīng)營規(guī)模，而耕地經(jīng)營規(guī)模進一步擴大也為農(nóng)業(yè)生產(chǎn)技術(shù)水平進一步提升提供了發(fā)展空間^［26］，利于提高農(nóng)業(yè)機械的利用效率，從而提高耕地利用效率。

農(nóng)村勞動力轉(zhuǎn)移已經(jīng)成為現(xiàn)代農(nóng)業(yè)發(fā)展中不可避免的趨勢^［27］。農(nóng)村勞動力轉(zhuǎn)移促使農(nóng)村耕地有序流轉(zhuǎn)，進而提高耕地的經(jīng)營規(guī)模，同時提高了農(nóng)業(yè)資本要素的分配效率。購買大量農(nóng)業(yè)機械從而改善因勞動力轉(zhuǎn)移造成的勞力短缺問題，而勞動力轉(zhuǎn)移促進第二、三產(chǎn)業(yè)發(fā)展，優(yōu)化國民經(jīng)濟結(jié)構(gòu)，提高經(jīng)濟整體發(fā)展水平，從而給農(nóng)業(yè)提供財政資金^［21］，如購買農(nóng)機補貼，完成“機械”與“勞動”之間的替代，通過改變生產(chǎn)要素結(jié)構(gòu)進而影響耕地利用效率。農(nóng)業(yè)機械的不斷發(fā)展為非農(nóng)勞動力供應(yīng)提供可能，促使家庭內(nèi)部勞動力分工和再配置^［28］，從事非農(nóng)行業(yè)可能性提高，農(nóng)戶可能會通過外包服務(wù)實現(xiàn)耕作的機械化，進而會提高耕地利用效率。因此，農(nóng)業(yè)機械化有利于農(nóng)村勞動力轉(zhuǎn)移^［29］，農(nóng)村勞動力轉(zhuǎn)移從事其他產(chǎn)業(yè)，收入隨之提高，部分收入會用來購置機械，農(nóng)業(yè)機械化生產(chǎn)進而促進農(nóng)業(yè)生產(chǎn)總產(chǎn)出，同時農(nóng)業(yè)機械化發(fā)展提高農(nóng)業(yè)生產(chǎn)規(guī)模^［30］，影響耕地利用效率。據(jù)此，提出假設(shè)H1和H2。

H1：農(nóng)村勞動力轉(zhuǎn)移能夠提高耕地利用效率。

H2：勞動力轉(zhuǎn)移可能通過農(nóng)業(yè)機械化影響耕地利用效率。

2 研究方法、指標(biāo)選擇和數(shù)據(jù)來源

2.1 研究方法

2.1.1 SBM模型。

SBM模型最早由Tone^［31］構(gòu)想并提出，該模型在目標(biāo)函數(shù)中設(shè)定了松弛變量，可以有效彌補因松弛變量產(chǎn)生誤差的不足，所以選取SBM模型對耕地利用效率進行測度。其計算公式如下：

minθ=1-1m mi=1S-i/xik1-1p pi=1S+a/yik

s.t.Xλ+s-=xk

Yλ-s+=yk

λ，s+，s-≥0（1）

式中：θ是耕地利用效率值；m、p分別是投入、產(chǎn)出的個數(shù)；S-i、S+a分別是投入、產(chǎn)出的松弛變量；λ是權(quán)重向量。

2.1.2 核密度估計。

核密度估計方法由Rosenblatt M^［32］和Parzen E^［33］提出，其計算公式如下：

f（y）=1ad ai=1kyi-d（2）

式中：a為樣本量；k為核函數(shù)；d為寬帶；yi為各城市耕地利用效率；為耕地利用效率均值。

2.1.3 面板Tobit模型。

因為采用SBM模型測度的耕地利用效率值均大于0，屬于受限因變量，如果運用普通最小二乘法進行回歸分析，可能會使結(jié)果出現(xiàn)偏差，因此選擇Tobit回歸模型對耕地利用效率的影響因素進行分析。其計算公式如下：

yit=y*it=θ+ ni=1βzxit+εit，y*itgt;0

0，y*it≤0（3）

式中：yit為因變量；xit為自變量；βz為回歸系數(shù)；θ為常數(shù)項；εit為隨機誤差項。

2.1.4 中介效應(yīng)模型。

為驗證上文所提出的假設(shè)H2，此處采用溫忠麟等^［34］提出的中介效應(yīng)模型檢驗流程進行實證分析，其模型公式如下：

Yit=β1+C1Yit-1+γXit+α1

Rit=β2+C2Rit-1+oXit+α2

Yit=β3+C3Yit-1+γ′Xit+Rit+α3（4）

式中：Y是因變量；X是自變量；R是中介變量；β為截距;α為隨機擾動項;C、γ、o、和γ′為回歸系數(shù)。

2.2 指標(biāo)選擇

2.2.1 耕地利用效率投入-產(chǎn)出指標(biāo)選擇。

投入產(chǎn)出指標(biāo)的選取，主要參考以往文獻對耕地利用效率的分析。為了能更精確地測度耕地利用效率，考慮到指標(biāo)代表性和數(shù)據(jù)可獲取性，投入指標(biāo)選取第一產(chǎn)業(yè)從業(yè)人員、農(nóng)作物播種面積，分別表示在耕地利用過程中的勞動力投入和土地投入；選取化肥施用量（折純）、農(nóng)藥施用量、有效灌溉面積和農(nóng)業(yè)機械總動力表示對耕地的資本投入；產(chǎn)出指標(biāo)選取農(nóng)業(yè)總產(chǎn)值和糧食產(chǎn)量分別表示耕地利用產(chǎn)生的社會和經(jīng)濟效益（表1）。

2.2.2 變量設(shè)定。

被解釋變量選取耕地利用效率（Y）；借鑒鄒秀清等^［35］和薛宇霏等^［36］的研究，核心解釋變量選取農(nóng)業(yè)勞動力轉(zhuǎn)移（X1）和農(nóng)業(yè)機械化（X2）；借鑒梁流濤等^［3］的研究，其他控制變量選取農(nóng)業(yè)生產(chǎn)條件（X3）、自然環(huán)境條件（X4）、經(jīng)濟發(fā)展水平（X5）和耕地資源稟賦（X6）（表2）。

2.3 數(shù)據(jù)來源與處理

該研究以安徽省16個地級市為研究對象，研究所需的數(shù)據(jù)來自2001—2021年《安徽統(tǒng)計年鑒》以及各地級市統(tǒng)計年鑒和國民經(jīng)濟和社會發(fā)展統(tǒng)計公報（安徽省在2000—2020年行政區(qū)劃調(diào)整了2次，一次是2011年，一次是2015年，在計算耕地利用效率之前，對數(shù)據(jù)進行了處理，將2000—2010年巢湖市的居巢區(qū)、廬江縣的各指標(biāo)數(shù)據(jù)加進合肥市中，將和縣和含山縣的各指標(biāo)數(shù)據(jù)加進馬鞍山，無為縣的數(shù)據(jù)加進蕪湖市中；將2000—2014年六安市壽縣的數(shù)據(jù)加到淮南市中，安慶市樅陽縣的數(shù)據(jù)加進銅陵市中，六安市和安慶市減去相應(yīng)的數(shù)據(jù)）。

3 結(jié)果與分析

3.1 安徽省耕地利用效率分析

基于SBM模型，運用MATLAB軟件計算出安徽省各地級市2000—2020年耕地利用效率值（表3），通過ArcGIS 10.7軟件將計算出的數(shù)據(jù)進行可視化（圖1），并參考以往相關(guān)學(xué)者對耕地利用效率分類的研究，選取2000、2005、2010、2015和2020年的截面數(shù)據(jù)。為了更好地進行比較，將安徽省耕地利用效率分為了低值區(qū)、較低值區(qū)、中值區(qū)、較高值區(qū)與高值區(qū)。根據(jù)表3、圖1可知，整體上2000—2020年安徽省耕地利用效率有不同程度的增加，耕地利用效率呈中高水平，從低值向高值呈遞增的狀態(tài)，耕地利用效率值呈現(xiàn)出上升的狀態(tài)，研究期內(nèi)安徽省耕地利用效率均值為0.462。2000和2005年，安徽省耕地利用效率整體上都處于低值區(qū)和較低值區(qū)，耕地利用效率水平不高；從2010年開始耕地利用效率呈現(xiàn)增長趨勢，部分區(qū)域處于較高值區(qū)；2015和2020年耕地利用效率明顯好轉(zhuǎn)，到2020年大部分區(qū)域都處于較高值區(qū)，少部分區(qū)域處于高值區(qū)，但仍有部分區(qū)域耕地利用效率水平較低的情況。從分區(qū)域來看，淮南市耕地利用效率從2000年的0.164上漲到2020年效率值為1，變化幅度最大，且淮南市耕地利用效率2000—2012年一直增加，后到2014年耕地利用效率減少，隨之又開始增加，呈現(xiàn)出“N”形變化狀態(tài)；次之為蕪湖市和黃山市，它們的效率值到2020年都上漲到1；池州市變化幅度最小，池州市耕地利用效率雖然在2000—2020年有增加的趨勢，但是變化不明顯。從階段上來看，變化幅度最大的是2016—2020年，2012年是全省耕地利用效率的分水嶺，2012年以前全省耕地利用效率差異小，2012年以后耕地利用效率差距開始變大，部分地區(qū)到2020年耕地利用效率值達(dá)到1。

3.2 耕地利用效率區(qū)域差異的動態(tài)演變特征

運用MATLAB軟件繪圖，分別繪制2000—2020年安徽省耕地利用效率的二維和三維核密度曲線圖，以深入探究安徽省耕地利用效率區(qū)域差異的動態(tài)演變特征。為了更好地進行比較，將二維圖分成4個時間段，分別是2000—2005年、2006—2010年、2011—2015年和2016—2020年（圖2），將三維圖分成3個部分，安徽省各地級市核密度圖（圖3）、優(yōu)勢區(qū)核密度圖（圖4）、劣勢區(qū)核密度圖（圖5）。這里的優(yōu)勢區(qū)和劣勢區(qū)是通過各地級市耕地利用效率均值進行從大到小排序，選取前8位作為優(yōu)勢區(qū)（包括宿州市、蕪湖市、淮南市、蚌埠市、合肥市、滁州市、亳州市、阜陽市），后8位作為劣勢區(qū)（池州市、銅陵市、安慶市、黃山市、淮北市、宣城市、六安市、馬鞍山市）。

從整體來看，安徽省耕地利用效率的核密度曲線整體先向左移動，隨之往右移動，最后向左移動，呈現(xiàn)出“S”形位移狀態(tài)，核密度曲線峰值呈逐漸下降的趨勢，波形寬度逐漸變大，左側(cè)的拖尾現(xiàn)象逐漸明顯，這說明安徽省全域的耕地利用效率增加，區(qū)域差異擴大。在波峰數(shù)量上，2000—2010年核密度曲線總體上呈現(xiàn)單峰的狀態(tài)，且波峰峰值較高，個別年份核密度曲線有轉(zhuǎn)為雙峰的趨勢；2010—2020年核密度曲線逐漸從單峰轉(zhuǎn)變?yōu)殡p峰，最后在2020年回歸雙峰，且右峰峰值較高，左峰峰值較低，這表明在2000—2020年安徽省耕地利用效率存在兩極分化的現(xiàn)象，分化的程度較強，但2020年分化程度有明顯的好轉(zhuǎn)。

從區(qū)域來看，優(yōu)勢區(qū)在2000—2020年核密度曲線上下變化明顯且陡峭，2000—2005年核密度曲線一直單峰的狀態(tài)，2005—2012年轉(zhuǎn)變?yōu)槎感碗p峰，左峰值較高，右峰值較低，且峰值差距較大，2013—2014年又變?yōu)閱畏澹?014年后回歸緩型雙峰狀態(tài)，右峰值較高，左峰值較低，峰值差距縮小，核密度曲線向左拖尾現(xiàn)象明顯。這表明，2000—2020年優(yōu)勢區(qū)兩極分化不穩(wěn)定，處于增強和反復(fù)之間，耕地利用效率增加，差距明顯，且差距逐步擴大。劣勢區(qū)在2000—2015年整體上保持單峰狀態(tài)，但是2007年突然變成雙峰，說明2007年有兩極分化的現(xiàn)象，2015年以后轉(zhuǎn)變?yōu)殡p峰，2000—2020年峰值先增加后下降又上升，后下降且波形寬度逐漸擴大，這表明劣勢區(qū)耕地利用效率在增加，區(qū)域差異在擴大。

3.3 勞動力轉(zhuǎn)移、農(nóng)業(yè)機械化對耕地利用效率的影響

利用Stata 18.0軟件對安徽省農(nóng)村勞動力轉(zhuǎn)移和農(nóng)業(yè)機械化與耕地利用效率的關(guān)系進行Tobit回歸，LR檢驗結(jié)果拒絕原假設(shè)，說明存在個體效應(yīng)，故采用隨機效應(yīng)的面板Tobit進行回歸。另外，為避免出現(xiàn)多重共線性問題，通過逐步引入其他控制變量進行回歸。

3.3.1 農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率的影響。

從表4來看，農(nóng)村勞動力轉(zhuǎn)移（X1）對耕地利用效率（Y）具有正向影響，且均通過了0.01水平的顯著性檢驗。隨著控制變量的不斷增加，農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率的影響一直顯著為正，這說明農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率具有正向影響的結(jié)論具有較強穩(wěn)定性。顯然，農(nóng)村勞動力雖然流出，但是制度和經(jīng)濟發(fā)展抵消了勞動要素的流出帶來的負(fù)面影響。其中，制度反映在農(nóng)地權(quán)利的歸屬，明晰的土地產(chǎn)權(quán)和穩(wěn)健的地權(quán)制度為土地流轉(zhuǎn)市場提供了堅實的基礎(chǔ)，促進了農(nóng)村勞動力流轉(zhuǎn)后的土地流轉(zhuǎn)，進而促進耕地的規(guī)模經(jīng)營，從而減少耕地利用過程中產(chǎn)生的邊際成本，促進耕地利用的規(guī)模效益從而提高耕地利用效率。經(jīng)濟發(fā)展很大程度上體現(xiàn)在資本和技術(shù)的投入中，農(nóng)村勞動力流入二、三產(chǎn)業(yè)，促進了二、三產(chǎn)業(yè)的發(fā)展，國家經(jīng)濟發(fā)展會反哺農(nóng)業(yè)，給農(nóng)業(yè)大量資金投入和技術(shù)，農(nóng)業(yè)生產(chǎn)技術(shù)的不斷發(fā)展也為農(nóng)業(yè)發(fā)展提供了物質(zhì)基礎(chǔ)，從而提高耕地利用效率，假設(shè)H1成立。

3.3.2 其他控制變量對耕地利用效率的影響。

農(nóng)業(yè)生產(chǎn)條件（X3）通過了顯著性檢驗，且對耕地利用效率具有負(fù)向影響，其造成的原因在于有效灌溉率能夠表示區(qū)域的水利設(shè)施狀況，良好的水利設(shè)施條件可促進耕地利用效率的提高；自然環(huán)境條件（X4）通過了顯著性檢驗，且對耕地利用效率具有負(fù)向影響，良好的自然環(huán)境條件可提高農(nóng)作物生產(chǎn)力水平，安徽省部分地區(qū)處于丘陵、山區(qū)地帶，地勢較為崎嶇，可能導(dǎo)致農(nóng)作物生產(chǎn)力水平降低，從而使耕地利用效率降低；耕地資源稟賦（X6）對耕地利用效率具有負(fù)向影響，即人均耕地面積越大，耕地利用效率越低，但是沒有通過顯著性檢驗，其原因在于安徽省耕地的經(jīng)營規(guī)模沒有達(dá)到理想水平；經(jīng)濟發(fā)展水平（X5）對耕地利用效率呈正向影響的狀態(tài)，在0.01水平通過了顯著性檢驗，其原因在于經(jīng)濟水平的提高，給農(nóng)業(yè)發(fā)展帶來大量資金和技術(shù)投入，促使農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)得到優(yōu)化，從而使耕地利用效率提高。

3.3.3 農(nóng)業(yè)機械化的中介效應(yīng)檢驗。

根據(jù)前文模型的設(shè)定，該研究首先檢驗農(nóng)業(yè)機械化是否能在農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率作用的過程中起到中介效應(yīng)，將農(nóng)業(yè)機械化作為中介變量。表5顯示，模型6中農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率的直接效應(yīng)是顯著的；模型7中農(nóng)村勞動力轉(zhuǎn)移顯著地影響農(nóng)業(yè)機械化；模型8中農(nóng)業(yè)機械化和農(nóng)村勞動力轉(zhuǎn)移的系數(shù)均顯著。這都說明勞動力轉(zhuǎn)移促進耕地利用效率，勞動力轉(zhuǎn)移促進農(nóng)業(yè)機械化，農(nóng)業(yè)機械化促進耕地利用效率的提高。由于γ、o、 3個參數(shù)值都是顯著的，且與符號同號，這表明農(nóng)業(yè)機械化在農(nóng)村勞動力轉(zhuǎn)移與耕地利用效率之間的作用機制是中介效應(yīng)，其效應(yīng)占總效應(yīng)約為33%，故H2成立。

4 結(jié)論與討論

4.1 結(jié)論

以安徽省16個地級市為研究對象，對安徽省耕地利用效率的演變特征，以及農(nóng)村勞動力轉(zhuǎn)移、農(nóng)業(yè)機械化對耕地利用效率的影響進行分析，得到主要結(jié)論如下：

（1）2000—2020年安徽省耕地利用效率整體呈上升趨勢，研究期間內(nèi)安徽省耕地利用效率均值為0.462。從耕地利用效率均值來看，阜陽市均值最大，池州市最小；從變化幅度來看，淮南市耕地利用效率變化幅度最大，池州市最小。

（2）2000—2020年，安徽省整體耕地利用效率呈現(xiàn)出上升的趨勢，存在著兩極分化的現(xiàn)象，分化程度較強；從區(qū)域來看，優(yōu)勢區(qū)和劣勢區(qū)耕地利用效率在2000—2020年都在增強，兩極分化的現(xiàn)象不穩(wěn)定。

（3）農(nóng)村勞動力轉(zhuǎn)移、農(nóng)業(yè)機械化、經(jīng)濟發(fā)展水平對耕地利用效率呈現(xiàn)正向影響，農(nóng)業(yè)生產(chǎn)條件、自然環(huán)境條件、耕地資源稟賦對耕地利用效率呈現(xiàn)負(fù)向影響，且耕地資源稟賦對耕地利用效率影響不顯著。

（4）農(nóng)村勞動力轉(zhuǎn)移可以作用于耕地利用效率，也可以通過農(nóng)業(yè)機械化的中介效應(yīng)對耕地利用效率產(chǎn)生影響。

4.2 討論

該研究僅考察了安徽省16個地級市2000—2020年的耕地利用效率的區(qū)域差異以及勞動力轉(zhuǎn)移、農(nóng)業(yè)機械化對耕地利用效率的影響進行了研究，為地方耕地的高效利用和農(nóng)業(yè)現(xiàn)代化發(fā)展提供一些貢獻。從研究內(nèi)容看，大多數(shù)學(xué)者僅考慮耕地利用效率測算部分投入要素，可能會影響耕地利用效率的測算結(jié)果，將農(nóng)藥、有效灌溉面積納入投入指標(biāo)中，會使耕地利用效率測算更準(zhǔn)確。從研究結(jié)果看，安徽省整體耕地利用效率呈上升趨勢，這與部分學(xué)者研究的結(jié)果一致；通過影響因素分析，農(nóng)村勞動力轉(zhuǎn)移、經(jīng)濟發(fā)展水平對耕地利用效率呈現(xiàn)正向影響，農(nóng)業(yè)生產(chǎn)條件、自然環(huán)境條件、耕地資源稟賦對耕地利用效率呈現(xiàn)負(fù)向影響，因此需要大力發(fā)展與市場需求相適應(yīng)的土地流轉(zhuǎn)市場，為土地流轉(zhuǎn)提供平臺，為勞動力轉(zhuǎn)移提供后備力量；要對農(nóng)業(yè)機械化進行推廣和研發(fā)，加大對農(nóng)業(yè)基礎(chǔ)設(shè)施的投入；正確處理勞動力轉(zhuǎn)移和農(nóng)業(yè)機械化之間的關(guān)系，從不同方面來提高耕地利用效率。從研究方法看，大多數(shù)學(xué)者僅從農(nóng)村勞動力轉(zhuǎn)移或者農(nóng)業(yè)機械化單方面對耕地利用效率的影響，少有學(xué)者針對農(nóng)業(yè)機械化在農(nóng)村勞動力轉(zhuǎn)移對耕地利用效率的影響所起的中介作用進行研究，單純地分析農(nóng)村勞動力轉(zhuǎn)移或者農(nóng)業(yè)機械化對耕地利用效率的影響是片面的。

該研究仍存在一些不足之處：一是考慮到研究的時間跨度較長和各項指標(biāo)數(shù)據(jù)的可獲取性，僅以統(tǒng)計年鑒的數(shù)據(jù)進行分析；二是在研究尺度上，僅對地級市進行分析，未考慮到縣域，后續(xù)將以縣級單位作為研究對象；三是測算耕地利用效率時，暫時未考慮到環(huán)境產(chǎn)出，后續(xù)研究將會更全面地考慮指標(biāo)體系的構(gòu)建。

參考文獻

［1］ 戰(zhàn)金艷，史娜娜，鄧祥征.江西省耕地轉(zhuǎn)移驅(qū)動機理［J］.地理學(xué)報，2010，65（4）：485-493.

［2］ 鄒秀清，王英，武婷燕，等.江西省農(nóng)業(yè)人口轉(zhuǎn)移對耕地利用效率影響的門檻效應(yīng)［J］.資源科學(xué)，2019，41（8）：1576-1588.

［3］ 梁流濤，曲福田，王春華.基于DEA方法的耕地利用效率分析［J］.長江流域資源與環(huán)境，2008，17（2）：242-246.

［4］ 劉沙沙，蒲金芳，張蚌蚌，等.基于動態(tài)網(wǎng)絡(luò)二階段DEA模型的洞庭湖區(qū)耕地利用效率研究［J］.中國農(nóng)業(yè)大學(xué)學(xué)報，2022，27（12）：257-269.

［5］ 趙倩石，潘佩佩，王曉旭，等.基于DEA-Malmquist指數(shù)的河北省耕地利用效率及其影響因素研究［J］.干旱區(qū)研究，2021，38（4）：1162-1171.

［6］ 劉玉海，武鵬.轉(zhuǎn)型時期中國農(nóng)業(yè)全要素耕地利用效率及其影響因素分析［J］.金融研究，2011（7）：114-127.

［7］ 劉子旋，梁騰飛，梁棟棟，等.基于GTWR模型的安徽省耕地利用效率影響因素時空分析［J］.湖北農(nóng)業(yè)科學(xué)，2021，60（14）：117-124，132.

［8］ 王海力，韓光中，謝賢健.基于DEA模型的西南地區(qū)耕地利用效率時空格局演變及影響因素分析［J］.長江流域資源與環(huán)境，2018，27（12）：2784-2795.

［9］ 趙昊，李昊勛，鄭宏剛，等.基于Super-SBM模型的云南省耕地利用效率及其影響因素研究［J］.江西農(nóng)業(yè)學(xué)報，2022，34（5）：166-172.

［10］ 李明艷.勞動力轉(zhuǎn)移對區(qū)域農(nóng)地利用效率的影響：基于省級面板數(shù)據(jù)的計量分析［J］.中國土地科學(xué)，2011，25（1）：62-69.

［11］ 張曉峰，王宏志，縱兆偉，等.中國勞動力轉(zhuǎn)移與土地利用效率的空間耦合度研究［J］.地理與地理信息科學(xué)，2014，30（3）：56-61.

［12］ 蓋慶恩，朱喜，史清華.勞動力轉(zhuǎn)移對中國農(nóng)業(yè)生產(chǎn)的影響［J］.經(jīng)濟學(xué)，2014，13（3）：1147-1170.

［13］ 李士梅，尹希文.中國農(nóng)村勞動力轉(zhuǎn)移對農(nóng)業(yè)全要素生產(chǎn)率的影響分析［J］.農(nóng)業(yè)技術(shù)經(jīng)濟，2017（9）：4-13.

［14］ 張舒甜，王永平.三產(chǎn)融合對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響分析：基于農(nóng)村勞動力轉(zhuǎn)移的視角［J］.江西農(nóng)業(yè)學(xué)報，2023，35（2）：204-212.

［15］ 經(jīng)陽，葉長盛.基于DEA的江西省耕地利用效率及影響因素分析［J］.水土保持研究，2015，22（1）：257-261.

［16］ 徐秋，雷國平，楊厚翔.黑龍江省耕地利用效率時空差異及影響因素研究［J］.中國農(nóng)業(yè)資源與區(qū)劃，2017，38（12）：33-40.

［17］ 余艷，伍國勇.基于灰色關(guān)聯(lián)的安徽省耕地資源利用效率影響因素分析［J］.江蘇農(nóng)業(yè)科學(xué)，2018，46（3）：258-262.

［18］ 姚星明.湖南省耕地利用效率及其影響因素研究：基于灰色關(guān)聯(lián)模型的實證分析［J］.鄉(xiāng)村科技，2019（2）：119-121.

［19］ 童紹玉，周欣雨.2009—2019年云南省耕地利用效率的時空變化及其影響因素［J］.曲靖師范學(xué)院學(xué)報，2022，41（6）：73-83.

［20］ 孫嘉陽，張惠中，張文信，等.山東省耕地利用效率時空差異及其影響因素分析［J］.山東農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2021，52（5）：853-859.

［21］ 吳欣，劉仕鑫，趙立燕，等.黃河流域耕地利用效率評估及其提升路徑研究［J］.農(nóng)業(yè)現(xiàn)代化研究，2022，43（4）：702-714.

［22］ 張存剛，梅道甜，陳增賢.非農(nóng)就業(yè)經(jīng)歷對農(nóng)戶收入的影響及其異質(zhì)性研究：基于2017年CHFS數(shù)據(jù)的實證分析［J］.山東農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2023，25（3）：91-99.

［23］ 胡非凡，李勇.要素替代視角下農(nóng)村勞動力轉(zhuǎn)移對糧食產(chǎn)出的影響研究［J］.中國林業(yè)經(jīng)濟，2021（4）：14-17.

［24］ 郭磊磊，郭劍雄.基于農(nóng)業(yè)要素收益率視角的“劉易斯拐點”判斷［J］.經(jīng)濟經(jīng)緯，2018，35（3）：44-49.

［25］ 劉成，胡禾，楊雪，等.農(nóng)機服務(wù)·農(nóng)村勞動力轉(zhuǎn)移與農(nóng)民收入：基于農(nóng)戶經(jīng)營規(guī)模分組的PVAR模型分析［J］.安徽農(nóng)業(yè)科學(xué)，2022，50（16）：173-178.

［26］ 張佳，李豐，何玉成.農(nóng)業(yè)技術(shù)進步、農(nóng)村勞動力轉(zhuǎn)移對糧食安全的異質(zhì)空間效應(yīng)：來自13個糧食主產(chǎn)區(qū)數(shù)據(jù)的比較研究［J］.開發(fā)研究，2023（3）：117-128.

［27］ 黃季焜，靳少澤.未來誰來種地：基于我國農(nóng)戶勞動力就業(yè)代際差異視角［J］.農(nóng)業(yè)技術(shù)經(jīng)濟，2015（1）：4-10.

［28］ MA W L，ZHOU X S，BOANSI D，et al.Adoption and intensity of agricultural mechanization and their impact on non farm employment of rural women［J］.World development，2024，173：1-11.

［29］ 周振，馬慶超，孔祥智.農(nóng)業(yè)機械化對農(nóng)村勞動力轉(zhuǎn)移貢獻的量化研究［J］.農(nóng)業(yè)技術(shù)經(jīng)濟，2016（2）：52-62.

［30］ 徐建國，張勛.農(nóng)業(yè)生產(chǎn)率進步、勞動力轉(zhuǎn)移與工農(nóng)業(yè)聯(lián)動發(fā)展［J］.管理世界，2016（7）：76-87，97.

［31］ TONE K.A slacks based measure of efficiency in data envelopment analysis［J］.European journal of operational research，2001，130（3）：498-509.

［32］ ROSENBLATT M.Remarks on some nonparametric estimates of a density function［J］.The annals of mathematical statistics，1956，27（3）：832-837.

［33］ PARZEN E.On estimation of a probability density function and mode［J］.Annals of mathematical statistics，1962，33（3）：1065-1076.

［34］ 溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展［J］.心理科學(xué)進展，2014，22（5）：731-745.

［35］ 鄒秀清，謝美輝，于少康，等.農(nóng)村勞動力轉(zhuǎn)移對耕地利用生態(tài)效率的空間溢出效應(yīng)［J］.中國土地科學(xué)，2023，37（1）：59-69.

［36］ 薛宇霏，潘旭華.農(nóng)業(yè)機械化對農(nóng)村居民收入的影響：基于農(nóng)村勞動力轉(zhuǎn)移中介作用的實證分析［J］.山東農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2022，24（4）：18-25，179.