方師樂，史新杰，高敘文

(1. 浙江工商大學 經濟學院，浙江 杭州 310018；2. 浙江大學 中國農村發(fā)展研究院，浙江 杭州 310058)

一、研究背景和問題的提出

在工業(yè)化、城鎮(zhèn)化主導的經濟發(fā)展模式下，中國的農業(yè)生產條件發(fā)生了深刻變革。首先，農民就業(yè)非農化進程加速，農村勞動力數(shù)量下降，田間用工成本上升。1990—2017年間，農業(yè)勞動力的數(shù)量減少了1.8億，占全社會勞動力比重由60%縮減至27%。農村勞動力不僅絕對數(shù)量下降，內部結構也發(fā)生了轉變，留守在農村的勞動力普遍呈現(xiàn)出老齡化、女性化的趨勢。在農業(yè)勞動力數(shù)量和質量雙降的壓力下，“誰來種糧”一度成為中國經濟快速發(fā)展下的社會擔憂。

與此同時，中國走出了一條極具特色的農業(yè)機械化(下文簡稱“農機化”)發(fā)展路徑，以下三個現(xiàn)象值得關注：第一，主流經濟學家普遍不看好以中國為代表的人多地少的東(南)亞國家推行農機化，例如Otsuka[1]的研究指出，亞洲國家農機化的先行條件是耕地集中，而中國人均耕地不足1公頃且極度細碎化，這種資源稟賦實現(xiàn)機械化耕作幾無可能，小農戶和大農機之間存在天然的技術門檻。但中國農機化發(fā)展的實踐表明，在土地沒有大規(guī)模流轉和集中的情況下，農機化水平依然大幅度提升，2016年綜合機械化率已達到66%，小麥、水稻、玉米三大糧食作物耕種收綜合機械化率分別達到94.2%、79.2%、83.1%，部分地區(qū)實現(xiàn)了全程機械化生產。第二，在農機化水平顯著上升的同時，人均機械擁有量并沒有大幅提高。據世界銀行數(shù)據，2016年中國戶均僅擁有拖拉機0.13臺、聯(lián)合收獲機0.005臺、播種機0.03臺，不僅遠遠落后于日本、韓國等資源稟賦條件相似的東亞發(fā)達國家，甚至低于菲律賓、馬來西亞等東南亞發(fā)展中國家。人均農用機械占有量和農機化水平不相符。第三，雖然中國的農機化水平總體呈上升趨勢，但發(fā)展路徑在21世紀初期發(fā)生了轉變(1)本文對農機大型化和小型化階段的區(qū)分是，在農機化的發(fā)展過程中以大型農機為主還是以小型農機為主。已有的經典文獻在分析中國農機化階段時常以農用拖拉機為例，因為在統(tǒng)計年鑒中，拖拉機是唯一既以大型農機統(tǒng)計，又以小型農機統(tǒng)計的種類。。如圖1所示，小型農機和大中型農機在觀測期內經歷了完全不同的增長路徑。小型農機基本保持平穩(wěn)增長，但自2013年經歷了連續(xù)4年的負增長。而大中型農機動力在2000年以前幾乎處于停滯狀態(tài)，但2000年以后呈指數(shù)型增長態(tài)勢，年均增長達到13.9%。

數(shù)據來源：1978—2012年數(shù)據來自國家統(tǒng)計局網站http://www.stats.gov.cn/，2013—2016年數(shù)據來自《中國農機化年鑒2017》(2014—2018)，中國農業(yè)科學技術出版社.

非農就業(yè)和農機化的快速發(fā)展是改革開放以來中國農業(yè)生產領域最為顯著的兩個變化，它們之間也存在著千絲萬縷的聯(lián)系。在拉-費城鄉(xiāng)二元模型中，經濟增長的最初動力來自城市工業(yè)部門對農村剩余勞動力的吸收，這一過程伴隨著源源不斷的農業(yè)人口的非農就業(yè)。與此同時，農業(yè)領域人地相對稀缺程度的變化促使農機化萌芽，并將更多的農業(yè)人口推向非農部門[2]。一些宏觀層面的實證研究也發(fā)現(xiàn)，非農就業(yè)和農機化發(fā)展存在互為因果、相互促進的長期關系[3]。

農業(yè)勞動力遷移的過程一直伴隨著農機化水平的提升，但是這一宏觀現(xiàn)象背后是否存在穩(wěn)固的微觀主體行為作為基礎？尤其是20世紀80年代初期開始的農業(yè)市場化改革讓農戶成為農業(yè)投資的主體，農戶的農機投資決策在很大程度上決定了未來中國農機化的走向。那么非農就業(yè)如何沖擊農戶的生產決策，從而影響農戶對農機的投入和方式？中國是一個人多地少且耕地極度細碎化的國家，資源稟賦并不適合在農業(yè)生產中引入大型農機，那么是哪些外在條件的變化使得中國的農機化發(fā)展模式由小型化向大型化轉變？為何中國農戶的農機持有量和農機化水平呈現(xiàn)出巨大差異？本文基于俱樂部模型，利用2011—2014年全國農村固定觀察點種糧農戶的微觀面板數(shù)據，嘗試從理論和實證兩個層面對上述問題予以回答。

二、文獻綜述

誘致性技術變遷理論認為，非農就業(yè)增加了農業(yè)生產中勞動力的相對稀缺性，提高了農業(yè)勞動力的價格，即使不存在農業(yè)勞動力市場，其從事農業(yè)生產的機會成本也會增加，所以會增加農機的需求[4]。在新勞動遷移經濟學的理論框架下，遷移或流轉的農村勞動力雖然不直接參與農業(yè)生產，但他們仍然通過各種路徑影響農業(yè)投資等農戶生產行為[5]。Stark[6]研究發(fā)現(xiàn)，發(fā)展中國家的農業(yè)由于缺乏健全的金融體系，農戶在生產投資決策過程中面臨信貸風險的約束。遷移的勞動力向家庭匯款實際上起到了金融媒介的作用，可以降低農戶面臨的資金約束，從而增加農戶農業(yè)生產性投資。

另有研究則指出，非農就業(yè)與農機化之間并無必然聯(lián)系，甚至存在負向關系。Mines和de Janvry[7]在一項對墨西哥某縣農民赴美打工的案例研究中指出，外出打工者的收入主要被用于消費，他們既沒有能力也沒有動機將非農收入用于農業(yè)投資，以提高農業(yè)長期生產率；相反，青壯年勞動力的流失使該縣的農業(yè)發(fā)展停滯。另有實證研究指出，農戶非農就業(yè)收入的提高并不會回流到農業(yè)生產，而主要是流向自身培訓[8]、房屋投資[9]、后代教育[10]以及耐用品支出[11]等。部分中國學者的實證研究也發(fā)現(xiàn)，農戶外出務工會增加其退出農業(yè)的概率，其匯款對于流出地的資金支持不能抵消勞動力流失的消極作用，也并未促使他們轉而生產資本密集型的農產品[12-13]。

在大規(guī)模的農村勞動力轉移和農機跨區(qū)服務興起的背景下，國內學者開始反思農機化的內涵。例如曹陽等[14]認為，農機化并不意味著家家戶戶都要有農機，也絕非農機動力的多與少，而是在農業(yè)生產的各個環(huán)節(jié)農機參與率的大小。對于農業(yè)生產有實際意義的是農機服務的覆蓋面，而不是特定時間點農戶持有的農機數(shù)量[15]。一項權威研究發(fā)現(xiàn)在耕地極度細碎化的條件下，農機跨區(qū)服務成為中國實現(xiàn)農機化的主要形式[16]。由于跨區(qū)服務的普遍存在，農機在中國形成了一種極為特殊的俱樂部商品的供給模式，在土地細碎化和勞動力價格上升的情境下，這種農機俱樂部會從小型向大型演變[17]。學術界已經形成的共識是，縱橫全國的農機跨區(qū)機收服務解釋了為什么在種糧勞動力流失的情況下中國糧食產量依然實現(xiàn)連增[18-20]，并成為農機化快速發(fā)展的一道獨特風景線，它的發(fā)生和發(fā)展打破了傳統(tǒng)經濟學家對于亞洲小農經濟發(fā)展農機化的悲觀預期，并在一定程度上挑戰(zhàn)了亞當·斯密關于農業(yè)不可分工的論斷。

與本文研究內容聯(lián)系最為密切的是紀月清和鐘甫寧的研究[15]，該文創(chuàng)新性地提出農機服務市場的發(fā)展造成農戶農機投資和使用的分離，并通過實證研究發(fā)現(xiàn)非農就業(yè)顯著增加了農機服務的投入，因此非農就業(yè)并未對農業(yè)生產帶來負面影響。這一結論引導本文采用全國范圍的更大樣本，同時研究非農就業(yè)對農戶農機投資和農機服務投入的影響，從而揭示二者之間的異質性，并通過更大的數(shù)據和嚴謹?shù)淖R別策略增強對這一研究假說的信心。

總體來看，已有研究對于認識具有中國特色農機化的內涵具有參考價值，部分實證研究從不同視角闡述了非農就業(yè)與農戶農機利用的關系，但是也存在以下不足：(1)理論層面，農機服務的出現(xiàn)說明農機在中國已經具有俱樂部商品的性質，已有實證和案例研究運用的傳統(tǒng)經濟學假設已不適用于分析中國情境的農機化發(fā)展，需要將俱樂部理論引入中國農機化的分析框架；(2)實證研究的樣本量小，研究的對象大多是某個地區(qū)或者某一類農作物的種植戶，從而得出的結論也不具有普遍性和推廣性，且絕大多數(shù)研究都是單方面分析非農就業(yè)對于農機投資或者農機服務需求的影響，沒有使用一套數(shù)據對這兩個方面同時分析，從而無法從根本上揭示非農就業(yè)對于這兩方面影響的差異；(3)樣本選擇偏誤，大部分實證研究的調研對象為使用農機服務的種植戶或者普遍存在農機服務市場的地區(qū)，而忽略了沒有農機服務發(fā)生的農戶或地區(qū)，實證的結論是有偏的?；诖?，本文利用2011—2014年全國固定觀察點的數(shù)據，采用多種實證模型研究非農就業(yè)對于農戶直接投資農機和使用農機服務的影響，以期解決已有文獻的不足，并加深對這一研究領域的認知。

三、俱樂部模型

布坎南[21]指出，根據排他性和競爭性與否可以將所有物品分為4類，其中排他性和非競爭性屬性并存的物品屬于俱樂部商品，例如不擁擠的收費公路等。這類商品不同于純私人物品，其不具有競爭性，即增加一個共同使用者不會對現(xiàn)有的使用者造成負面影響；也不同于純公共物品，因為其具有排他性，即通過某些手段可以將特定人群排除在使用者范圍之外。在同質性會員、邊際成本遞增、效用函數(shù)遞減等一系列假設基礎之上，布坎南求解了最優(yōu)條件下的俱樂部投資規(guī)模和會員人數(shù)。

在布坎南的俱樂部理論框架下，任何商品對消費者所產生的效用大小都取決于兩個方面：一是物品本身的規(guī)模大小(例如泳池的大小)，二是物品被多少使用者共同消費(例如多少人在游泳)。即使一些表面上私人屬性很強的物品，比如襪子，也可以采用相同的分析方法。襪子相對于泳池更具私人物品的屬性，是因為共同使用一雙襪子雖然能夠分攤成本，但無法彌補每個消費者因為共同使用而造成的效用下降之和。利用這一理論來分析農機，站在農戶的角度，它是農業(yè)生產中的投入要素，對農戶的效用在于農業(yè)產出的增加。假設期初農機是私人物品，那么增加一位使用者，農機成本變?yōu)樵瓉淼囊话?假設農戶同質)，而在中國現(xiàn)有的農業(yè)生產規(guī)模下，農機所有者的邊際成本(折舊費、交通費等)很小，所以農機在中國具有成為俱樂部商品的屬性，但這只是直覺思考得出的結論，至于農機的最優(yōu)規(guī)模和最優(yōu)會員數(shù)是多少，外在經濟條件和資源稟賦的變化對于最優(yōu)解會產生何種影響，需要通過構建正式的理論模型予以分析。

假設：(1)投入要素包括農機(M)(2)根據俱樂部理論的定義，這里M是指農機的規(guī)模而非數(shù)量，可以認為是該農機的動力值。、耕地(A)和農業(yè)勞動力(L)；(2)農機的使用權為n個同質農戶共有，其作為生產要素對單個農戶的產出受到M和n的雙重影響，假定其函數(shù)表達式為φ(M,n)，由定義可知，φM>0，φn<0；(3)標準化后的農機總成本同樣受M和n的雙重影響，假定其函數(shù)表達式為ψ(M,n)，且ψM>0，ψn>0，ψ(0,n)=ψ(M,0)=0，在所有農戶同質的假定下，ψ(M,n)的分配方案顯然是n個農戶平均負擔；(4)生產函數(shù)為Y=Р[A,L,φ(M,n)]。均衡條件是農戶在總生產成本C的約束下，實現(xiàn)最大產出，即：

maxP[A,L,φ(M,n)]，s.t.Lw=C-[ψ(M,n)/n]-A

(1)

nPφφM/PL=ψM/w

(2)

ψn-nwPnPL=ψ/n

(3)

式(2)是Samuelson均衡條件下的公共物品供給，表示均衡條件下公共投入品和私人投入品的邊際產出之比等于其邊際價格之比。式(3)表示在均衡條件下，邊際社會成本(增加一個參與者的邊際成本加上對現(xiàn)有參與者的效用損失)等于平均供給成本。聯(lián)立(2)、(3)式和預算方程可求得均衡時的最優(yōu)組合(M*,n*,L*)。而外生變量w、F、ψ的變化都會對最優(yōu)組合產生影響。

在其他變量保持不變而勞動力工資率w上升時，一方面，農機和勞動力價格之比ψM/w下降，由式(3)可得，在均衡條件下，nPφφM/PL也需減少，即農機的邊際產出下降而勞動力的邊際產出上升，由邊際產出下降的假設可知，此時農機投入量增加而勞動力數(shù)量下降。另一方面，隨著w的增加，邊際社會成本上升，對應的均衡農機平均成本上升，M*和n*同時增加。

當其他變量保持不變而ψM下降時，由式(2)可得，農機勞動力價格之比下降，均衡時二者的邊際產出隨之下降，所以M*增加，L*下降，即農戶增加農機投入量以替代勞動力。由于M*上升而ψM下降，農機的總成本ψ變化方向不定，因此無法確定n*的變化方向。

保持其他變量不變，當ψn減小時，由式(3)可得，社會邊際成本下降，相應的n*增加，而在式(2)中，由于勞動力的邊際產出、勞動力價格和農機價格均不變，農機邊際產出nPφφM不變，而當n*增加時，φM必然下降，由此可得M*上升。

假說1：由于非農就業(yè)增加，農戶在農業(yè)生產中會減少投工量而增加農機使用量。

假說2：在農業(yè)規(guī)模偏小的條件下，隨著非農就業(yè)增加，農機成為俱樂部商品，即農戶對小農機的直接投資減少，而增加大農機提供的農機服務購買。

三、研究設計

(一)數(shù)據來源

本文使用2011—2014年全國農村固定觀察點的數(shù)據，樣本覆蓋31個省份360個行政村的2萬余農戶。本文的核心解釋變量——外出就業(yè)比例和本地非農就業(yè)比例，是基于“家庭成員表”計算得出，分別表示一戶中外出就業(yè)的家庭成員和本地非農就業(yè)的家庭成員占總家庭成員數(shù)的比例，家庭勞動力數(shù)量也是由“家庭成員表”整理得出，然后以戶主為標示編碼，將家庭成員數(shù)據和住戶數(shù)據進行匹配。如表1所示，觀測期內數(shù)據庫中包含農村住戶和家庭成員數(shù)據78899份和301817份，其中種糧農戶48520份。在剔除數(shù)據庫中出現(xiàn)的重復編碼、異常值、邏輯矛盾等樣本后，最終得到有效種糧農戶樣本39187份。

表1 樣本量統(tǒng)計表

(二)實證模型

已有研究發(fā)現(xiàn)，農戶外地非農就業(yè)和在本鄉(xiāng)鎮(zhèn)內從事非農勞動對于農業(yè)投資的影響是有差異的[22]，故本文對這兩種不同的非農就業(yè)形式予以區(qū)分，所以實證模型中核心解釋變量為外出就業(yè)比例(out)和本地非農就業(yè)比例(infn)。控制變量的選取依據上文的俱樂部模型，包括農戶的特征變量(nhcharacter)，農戶實際播種面積(sa)、勞動力稟賦(laborn)、農業(yè)勞動時間(agrilabor)、糧食價格(fprice)、家庭總收入(income)、地塊數(shù)(nol)；一組戶主的個人特征(hzcharacter)，包括戶主年齡(age)、性別(gender)、健康狀況(health)、受教育水平(edu)、是否參加過農業(yè)技術培訓(train)；村級層面可能隨時間變化的變量Cjt，包括全村人均收入、全村人均耕地面積、農業(yè)勞動力培訓占比、雇工價格等；不可觀測的不隨時間變化的個體固定效應μi，包括土地質量、勞動偏好等。基于此，本文將計量模型設定為：

mijt=α+β1outijt+β2infnijt+φnhcharacterijt+θhzcharacterijt+λCjt+μij+εijt

(4)

pamijt=α+β1outijt+β2infnijt+φnhcharacterijt+θhzcharacterijt+λCjt+μij+εijt

(5)

其中，mijt為j村i農戶t年用于購買農機服務的花費，pamijt為j村i農戶t年農機的動力值。式(4)、(5)分別用于研究各解釋變量對農戶購買農機服務支出和直接投資農機的影響。為了方便估計解釋變量的彈性系數(shù)和半彈性系數(shù)，并緩解可能存在的異方差問題，對變量m、pam、sa、fprice和income做對數(shù)自然處理。在現(xiàn)實的農業(yè)生產中，相當一部分農戶的農機花費為0，即農機投入存在角點解的現(xiàn)象，對于這些農戶而言，不使用農機是其最優(yōu)解。如果忽略這部分農戶，實證結果將會產生漸進性偏誤，因此有必要使用面板Tobit模型對所有樣本數(shù)據進行分析。面板Tobit模型的基本結構為：

其中i代表個體，t代表時間，εit服從均值為0，標準差為σε,t的標準正態(tài)分布。面板Tobit模型也可以因隨機項和解釋變量相關性假設的不同分為固定效應和隨機效應，但是固定效應Tobit模型尚無法在統(tǒng)計學中進行條件參數(shù)回歸，因此本文采用Tobit模型的隨機效應估計方法，并結合本文所使用的數(shù)據特征(短面板)，利用一階差分形式的面板Tobit估計方法(FD-Tobit)。

(三)樣本描述性統(tǒng)計

變量定義及描述性統(tǒng)計見表2。在本文所使用的39187份種糧農戶樣本中，戶均農機服務花費為672元，戶均農機動力值為6.82千瓦，但二者的標準差都較大，說明農戶的農機投入方式和水平存在較大差異。其中不使用農機服務(m=0)的農戶有9970個，不直接投資農機(pam=0)的農戶有26634個，分別占樣本量的25.4%和68.0%，反映出樣本具有截斷的性質，OLS是有偏的，需要使用Tobit模型的方法。樣本中農戶農業(yè)勞動時間、本地非農就業(yè)時間和外地就業(yè)時間呈現(xiàn)出5、2、3的分布，糧食售價的平均值為2.26元/千克，戶均勞動力數(shù)約為3人，戶均總收入約為53000元，95%的農戶戶主為男性，這些基本與之前相關研究的調研數(shù)據情況相吻合。

從技術角度出發(fā)，盡管當前部分自動駕駛汽車產品已經達到L3（有條件自動化）、L4（高度自動化）的技術水平，但由于某些特定關鍵技術發(fā)展的不充分性，導致自動駕駛技術要實現(xiàn)L5階段的完全無人駕駛目標仍需要很長的時間。專利作為技術知識的載體，是集經濟、法律、技術為一體的信息體，90%以上的技術信息都可以從專利信息反映出來。對專利信息進行挖掘研究，不僅能夠準確揭示各國家（地區(qū)）、組織機構、技術研發(fā)的側重點，而且能為技術發(fā)展提供數(shù)據支持和決策參考。目前關于揭示自動駕駛技術發(fā)展全貌的定量性研究較少，因此本文采用專利分析方法研究了自動駕駛技術的全球市場態(tài)勢。

表2 變量設置和描述性統(tǒng)計

四、實證結果

本文利用STATA/SE14.0軟件，對式(4)和(5)做FD-Tobit方法的回歸分析，回歸結果見表3。兩個模型的wald chi2值分別為7526和3429，均在1%的條件下顯著，說明模型的顯著性良好。

本文的關鍵解釋變量——外地就業(yè)比例(out)和本地非農就業(yè)比例(infn)，在式(4)中的系數(shù)均顯著為正，而在式(5)中的系數(shù)均顯著為負，說明非農就業(yè)比重的增加提高了農戶對于農機服務的投入，而降低了其對于直接購買農機的投資。這一結果解釋了長期以來學術界對于這一領域的爭論，非農就業(yè)對于農戶農機投入的兩種形式的影響機制是完全相反的。既有研究關于非農就業(yè)降低農戶農機投資的結論只是從一個方面揭示了兩者之間的關系，選擇非農就業(yè)的農戶會傾向于增加農機服務的支出，以替代農業(yè)勞動力的不足，這一實證結果是符合誘致性技術變遷理論預期的。從系數(shù)大小來看，種糧農戶外地就業(yè)時間占總勞動時間的比例每增加10%，將增加農機服務支出10.7%，而減少糧食生產中使用自家農機所產生的動力值4.9%；本地非農就業(yè)時間占總勞動時間的比例每增加10%，將增加農機服務支出9.6%，而減少糧食生產中使用自家農機所產生的動力值6.3%。這一實證結論證實了本文提出的假設2，并支持紀月清提出的理論假說[23]，即當存在一個較大規(guī)模的農機服務市場時，非農就業(yè)與農機使用的正向關系可以和非農就業(yè)與農機投資的負向關系并存。從非農就業(yè)對于農戶農機使用的總體情況來看，本文將農戶是否使用農機作為被解釋變量(4)賦值方式為：購買農機服務花費不為0或自家農機動力值不為0的農戶設為1，其余農戶設為0。，控制變量參考上文，采用面板Logit模型，回歸結果表明，無論是本地非農就業(yè)還是外地就業(yè)，都增加了農戶在農業(yè)生產中使用農機的概率，這驗證了本文提出的假設1(5)由于篇幅限制，正文未呈現(xiàn)這一回歸結果，有興趣的讀者可向作者索要。。

表3 面板Tobit模型計量回歸結果(N=39187)

注： ***、**、*分別表示在1%、5%、10%的水平上顯著。

此外，其他變量的回歸結果也基本符合理論預期。例如，在其他條件相同時，糧食播種面積(sa)越大，所投入的農機服務費用和自家農機動力值也越大，原因是土地和機械是互補的投入要素。在其他變量不變時，代表農業(yè)勞動力資源稟賦的投工量(agrilabor)越多，所投入的農機服務費用和自家農機動力值越少，彈性均為-0.06；原因是在糧食生產中勞動力和農機是相互替代的投入要素，這說明當勞動力價格上升時，農戶會減少投工量，并且增加農機的使用，這符合誘致性技術變遷理論的預期。農機服務價格越高，糧食的銷售價格(fprice)越高，農戶對于農機的投入也越多，這說明最終商品的價格正向影響了中間要素的投入。從代表土地細碎化程度的地塊數(shù)(nol)來看，地塊數(shù)越多，農戶對于農機服務的投入越少，可能的原因是過于細碎化的耕地不利于大型農機作業(yè)，因此這部分農戶被排除在農機服務對象范圍之外。從農戶家庭總收入(income)來看，收入水平越高，對于農機服務的投入越多，收入的增加提高了對于閑暇的偏好，農戶更傾向于使用更多的農機替代勞動力。

從戶主的個人特征來看，是否接受過農業(yè)技術培訓(train)的系數(shù)在兩個模型中均不顯著，且樣本中train的平均值僅為0.07，即只有7%的戶主接受過農業(yè)技術培訓。首先，這反映了現(xiàn)階段農業(yè)技術培訓體系尚不健全，覆蓋面過窄；其次，農業(yè)技術培訓并沒有顯著增加農戶的人力資本，受過農業(yè)技術培訓的戶主在實際生產過程中沒有顯著增加諸如農機之類的先進生產要素的投入。而戶主的受教育水平(edu)則顯著增加了農戶對于農機服務的需求。在5%的顯著性水平下，戶主的年齡(age)越大，越傾向于使用農機服務，而減少對于農機的直接投資；女性戶主也會顯著減少農機的購買，但不會降低農機服務的花費，這說明雖然青壯年勞動力大量流失，留守農村的勞動力呈現(xiàn)出老齡化和女性化的趨勢，但這并未嚴重影響農業(yè)生產條件，農機服務市場的存在緩解了農業(yè)勞動力弱質化對于糧食產量的影響。

五、穩(wěn)健性檢驗

(一)異常值問題

在面板隨機效應Tobit模型中，被解釋變量的異常值可能會對回歸結果產生較大干擾，為了減少異常值對結論造成誤差的可能性，在穩(wěn)健性檢驗中，本文將被解釋變量轉換為0-1變量。具體方法為，在模型(4)中，若mijt≠0，則記mmit=1；同理在模型(5)中，若pamijt≠0，則記pamijt=1。采用面板Logit回歸方法對模型(4)、(5)進行回歸，結果發(fā)現(xiàn)關鍵解釋變量的系數(shù)符號和顯著性并未發(fā)生變化，說明即使僅考慮是否投入而不考慮投入的多少，非農就業(yè)對于農戶購買農機服務和投資農機影響機制的結論也依然不變(6)由于篇幅限制，正文未呈現(xiàn)這一回歸結果，有興趣的讀者可向作者索要。。

(二)非農就業(yè)的內生性問題

已有研究發(fā)現(xiàn)，農業(yè)勞動力是否參與非農就業(yè)受其個人資本、社會資本和其他社會經濟因素等諸多方面的影響。在本文中，影響農戶農機投入的遺漏變量可能也會影響農戶的非農就業(yè)決策，如果不考慮非農就業(yè)的內生性，可能會導致Tobit回歸結果偏誤。為此，本文采用PSM-DID的方法對可能出現(xiàn)的內生性進行控制。

為了使用PSM的方法，本文首先生成新的變量fn，將樣本中的農戶分為高比例非農就業(yè)農戶(fn=1)和低比例非農就業(yè)農戶(fn=0)兩類。fn的賦值方法為：

(6)

選擇這一方法的原因是，由前文的實證結論可知外地就業(yè)和本地非農就業(yè)無論是對農戶的農機服務花費還是自家農機投資都沒有顯著性差異，所以將兩者合并作為表示農戶非農就業(yè)比重只會有共振效應而不會有中和效應。此外，選擇50%作為區(qū)分高比例和低比例非農就業(yè)農戶的臨界值也是既有文獻的共識。

構造出fn之后，本文使用Logit模型估算出每戶fn=1的概率，然后將概率相近的實際上fn=1的農戶(處理組)與實際上fn=0的農戶(對照組)進行匹配，匹配方法為核匹配(Kernel Matching)。進一步，利用PSM匹配后的樣本進行時間—個體雙固定效應的DID模型估計，回歸結果見表4?？梢钥吹?，當被解釋變量為“購買農機服務花費”時，fn的系數(shù)顯著為正，當被解釋變量為“自家農機動力”時，fn的系數(shù)顯著為負，這一結果再次驗證了基準模型結論的穩(wěn)健性。

表4 PSM-DID的回歸結果(N=39187)

(三)加入解釋變量的滯后項

PSM-DID無法解決被解釋變量和解釋變量互為因果的內生性關系，在本文中表現(xiàn)為解釋變量系數(shù)的顯著性可能是農機化水平的提升造成非農就業(yè)比例的增加，而并非非農就業(yè)對農戶使用農機的影響。為此，本文用解釋變量(外出就業(yè)和本地非農就業(yè))的滯后1期和滯后2期的變量代替當期變量，對式(4)和(5)進行回歸，結果依然穩(wěn)健(7)由于篇幅限制，這一回歸結果沒有呈現(xiàn)在正文部分，有的讀者可向作者索要。。

六、結論和政策含義

本文就農民就業(yè)非農化對農戶農機投入行為展開研究，所得基本結論如下：

第一，由Tobit模型的實證分析得出，無論是外地就業(yè)還是本地非農就業(yè)，都會對農戶的農機服務需求產生正向影響，而對農戶的農機直接投資產生負向影響。由于非農就業(yè)增加了農戶的農機服務需求，從而促生了一批專業(yè)農機戶和農機隊，所以從總體上來看，非農就業(yè)有利于中國農機化水平的提高。這就解釋了為什么已有研究發(fā)現(xiàn)非農就業(yè)會降低農機投資與總體農機化水平呈上升趨勢的矛盾，實現(xiàn)了宏觀現(xiàn)象和微觀主體行為結論的統(tǒng)一。

第二，由俱樂部模型推導得出，當農業(yè)勞動力工資上升、農機服務成本下降時，農機成為俱樂部商品的可能性增加，并且俱樂部的規(guī)模會越來越大。這也解釋了為什么在中國非農就業(yè)增加之后，農機跨區(qū)作業(yè)服務的產生和農機大型化的發(fā)展趨勢。

基于以上研究結論，本文的政策含義如下：

第一，由于在土地市場和農村勞動力市場缺失的雙重約束下，非農就業(yè)的農戶偏向于購買農機服務、減少農機直接投資，所以在未來城鎮(zhèn)化戰(zhàn)略持續(xù)推進的背景下，農機化的發(fā)展重點應落腳于提升適合長距離跨區(qū)作業(yè)的高端農機的供給能力，進一步發(fā)展農機服務市場。另一方面，順應需求的結構性變化，減少小型農機補貼，轉而增加農機服務補貼，順利實現(xiàn)小農戶與以大中型農機為代表的現(xiàn)代農業(yè)的有機銜接。這一政策性含義同紀月清提出支持發(fā)展大中型農機、降低農機服務市場價格的政策更有利于低收入小農，縮小農戶間收入差距的觀點一脈相承[23]。

第二，在國家放開農村土地流轉市場后，土地可能會在市場機制的引導下向家庭農場、種糧大戶和農業(yè)龍頭企業(yè)等新型農業(yè)經營主體集中。當經營主體改變后，由俱樂部模型推導可知：一方面農機可能重新回歸私人投資品的屬性，另一方面本地的農機服務市場會對跨區(qū)服務市場形成替代，農機俱樂部變小。近些年來隨著土改的深入，農機跨區(qū)服務面積逐年減少的事實可以印證這一觀點。所以在土地改革的背景下，國家應適當調整其農機化戰(zhàn)略導向。