王文信 徐 云 王正大

(1.中國農(nóng)業(yè)大學經(jīng)濟管理學院，北京100083;2.中國農(nóng)業(yè)大學信息與電氣工程學院，北京100083;3.中國農(nóng)業(yè)大學國際學院，北京100083)

0 引言

2004 年開始實施的農(nóng)機購置補貼政策極大激發(fā)了農(nóng)戶購買農(nóng)機的熱情，政策實施8 年(2004—2011 年)綜合機械化水平增幅超過了政策實施前30年的總和。伴隨著農(nóng)機擁有量的快速增加，農(nóng)機年均作業(yè)時間減少，購機投資收益越來越少。雖然補貼力度不斷加大(補貼比例由不足1% 上升至30%)，但農(nóng)戶的購機意愿仍大幅降低。相應地，中央財政對農(nóng)機購置補貼經(jīng)歷了由快速增加、迅速減少到相對穩(wěn)定的過程，2004 年補貼額僅0.7 億元，此后逐年快速增加，2016 年高達237.4 億元，從2017 年起，穩(wěn)定在180 億元左右，農(nóng)機購置補貼政策隨外部環(huán)境而不斷變化。

農(nóng)機購置補貼政策及其效果評價方式引起學界廣泛關注，也有了很多研究成果。KEY 等［1］及ARIYARATNE 等［2］證明購機補貼政策對農(nóng)戶購機需求具有較強的拉動作用;潘彪等［3］運用DEATobit 模型證明我國的農(nóng)機使用效率呈階段性變化;紀月清等［4］研究發(fā)現(xiàn)，補貼資金能夠緩解農(nóng)戶購買農(nóng)機時面臨的資金流動性約束，提高了農(nóng)戶的農(nóng)機購買能力;侯方安［5］及胡凌嘯等［6］提出，農(nóng)機購置補貼能有效增加農(nóng)業(yè)機械存量;文獻［7 -10］提出，農(nóng)機購置補貼能夠提高農(nóng)業(yè)機械化水平，進而改善農(nóng)業(yè)生產(chǎn)條件，擴大農(nóng)業(yè)經(jīng)營規(guī)模，提升農(nóng)業(yè)生產(chǎn)能力，增加糧食產(chǎn)量和農(nóng)民收入;張宗毅等［11-12］認為，土地流轉、跨區(qū)作業(yè)、社會化服務等有利于提高農(nóng)業(yè)機械的利用率和農(nóng)機裝備技術效率;李衛(wèi)等［13］和余世勇等［14］分別使用隨機前沿方法和DEA 方法研究了農(nóng)業(yè)機械的生產(chǎn)配置效率，指出中國在推動農(nóng)機大規(guī)模使用的同時，農(nóng)機使用效率下降;很多研究認為，補貼會導致局部農(nóng)機保有量飽和，在作業(yè)需求穩(wěn)定的情況下，致使農(nóng)機使用效率下降［15-17］。

對補貼政策效果的評價包括補貼對農(nóng)戶行為和農(nóng)業(yè)產(chǎn)出的影響［18-19］兩方面。已有研究主要基于后者，基于對農(nóng)戶購機行為影響的研究［20-21］很少，且這些研究以描述性分析為主，均未涉及農(nóng)機購置補貼金額對農(nóng)機購買行為的影響。本文基于農(nóng)戶為經(jīng)濟人的假設，研究農(nóng)機補貼額與農(nóng)戶購機行為之間的關系，從而提出我國的農(nóng)機購置補貼政策建議。

1 研究方法

農(nóng)戶在農(nóng)機購置補貼政策下是否購買農(nóng)機的行為只有購買和不購買兩種可能，屬于離散型二元有序變量。離散被解釋變量數(shù)據(jù)計量經(jīng)濟模型包括Probit 模型和Logit 模型。由于Probit 模型需要對多元正態(tài)分布的整體進行評價，應用受到限制。而Logit 模型采用最大似然估計法進行參數(shù)估計，不要求樣本數(shù)據(jù)呈正態(tài)分布。故本研究采用二元Logit模型對相關數(shù)據(jù)進行分析，對其回歸參數(shù)進行估計。模型基本形式為

式中 p(yi=1)——農(nóng)戶購買農(nóng)機的概率

x1i——個人特征變量

x2i——家庭特征變量

x3i——補貼金額

β0——常數(shù)

β1、β2、β3——變量系數(shù)

μi——誤差

2 數(shù)據(jù)來源

選取山東省濰坊市下轄的諸城市、安丘市為調(diào)查樣本區(qū)域。濰坊市在我國率先發(fā)展農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營，一定程度上代表我國農(nóng)業(yè)發(fā)展方向。2018 年末，全市常住人口937.3 萬人，城鎮(zhèn)化率61.8%，GDP 6 156.8 億元，其中第一產(chǎn)業(yè)增加值實現(xiàn)511.6 億元。全市糧食播種面積69.77 萬hm2。全市農(nóng)業(yè)機械服務組織3566 個，農(nóng)機戶52 萬多戶，農(nóng)機維修廠及維修點404 個，農(nóng)業(yè)機械總動力1 005 萬kW。大型及以上拖拉機6 725 臺，聯(lián)合收獲機2.6 萬臺，玉米聯(lián)合收獲機1.2 萬臺，深松機8 393 臺，免耕播種機1.8 萬臺，谷物干燥機159 臺。2018 年全年耕種收綜合機械化水平達到92.3%。

2006 年，在每個調(diào)研樣本市選取3 個鄉(xiāng)鎮(zhèn)、每個鄉(xiāng)鎮(zhèn)3 個村、每個村15 戶農(nóng)戶，共135 戶農(nóng)戶進行問卷調(diào)查。為了發(fā)現(xiàn)調(diào)查樣本在研究期間的變化，2018 年又針對上述135 戶農(nóng)戶進行了重復調(diào)查。由于聯(lián)系不上、舉家進城打工、雖仍在農(nóng)村但不再種地等原因，最終僅獲得82 份有效問卷。樣本的描述性統(tǒng)計特征如表1 所示。

3 結果與分析

3.1 模型回歸結果

利用SPSS 軟件對2006 年及2018 年都存在的82 個樣本數(shù)據(jù)分別進行Logit 分析。為了計算農(nóng)機購買行為對補貼額、收入等的彈性，對自變量取對數(shù)。由于調(diào)查數(shù)據(jù)包含了兩個調(diào)查年度購買農(nóng)機和未購買農(nóng)機的樣本，而且在82 個樣本農(nóng)戶中有29個在此期間從未購買有購機補貼的農(nóng)機，因此補貼額為0。如果將這些樣本農(nóng)戶刪除，將會造成信息的大量浪費。參照文獻［22］的做法，本研究將所有未獲得農(nóng)機購置補貼的農(nóng)戶從0 改為0.01(即改為非常小的值，這樣小的補貼額不會對農(nóng)戶農(nóng)機購買行為產(chǎn)生影響，而且避免0 不能進行對數(shù)運算的缺陷)。

模型的Log likelihood 值為-92.896 3，Hannan-Quinn criter 值為0.752 7，Restr. log likelihood 值為-102.486，Avg. log likelihood 值 為0.376 9，LR statistic 值為29.174 6，McFadden R-squared 值為0.474 1，Probability(LR stat)值為5.64 ×10-5，表明模型有較好的信度與解釋力。計算結果如表2 所示。

表1 樣本的描述性統(tǒng)計特征Tab.1 Descriptive statistical characteristics of samples

表2 農(nóng)戶是否購買農(nóng)機的Logit 模型回歸結果Tab.2 Regression results of Logit model on whether farmers buying agricultural machinery

3.2 補貼額對農(nóng)戶購機行為的影響

由表2 可知，農(nóng)戶的農(nóng)機購買行為趨于理性，農(nóng)機購置補貼對購機行為的邊際效應下降。雖然農(nóng)機購置補貼一直對農(nóng)戶農(nóng)機購置行為有顯著的正向影響，但影響程度迅速降低。根據(jù)計算結果，在保持其他條件不變的情況下，農(nóng)機購置補貼額增加1%，2006 年農(nóng)戶的購機概率比增加9.04%，2018 年，這一數(shù)字降到2.27%。

2004 年調(diào)查區(qū)域購機補貼一般為200 ～7 000元，2018 年增加到1 500 ～100 800 元，補貼種類也從之前的僅包括耕、種、收作業(yè)幾種產(chǎn)品，陸續(xù)增加了運輸、加工、畜牧養(yǎng)殖機械等。2004 年實施農(nóng)機補貼前，調(diào)查區(qū)域農(nóng)機存量很小，很多農(nóng)活依靠畜力完成，每臺拖拉機平均年作業(yè)時間71.9 d。當時還沒有出臺土地流轉政策，每個村人均土地基本相同，購機農(nóng)戶除了自用，主要是為了提供農(nóng)機服務獲得收入。雖然享受的農(nóng)機購置補貼很少，但農(nóng)機作業(yè)需求量大，購機戶可通過農(nóng)機服務獲得較高收入。因此，農(nóng)機購置補貼政策實施初期很受歡迎，農(nóng)戶想盡辦法獲取購機補貼指標，導致農(nóng)機購置行為中時常發(fā)生道德風險和逆向選擇。購機指標的緊缺，又使有辦法得到購機指標的農(nóng)戶盲目購機，農(nóng)戶購機需求集中釋放，造成農(nóng)機市場虛假繁榮。

隨著農(nóng)機保有量的快速增加，以及機械性能的不斷提高，農(nóng)機單機作業(yè)時間迅速減少。2013 年，調(diào)查區(qū)域單機年均作業(yè)時間降到23.6 d，農(nóng)機作業(yè)服務創(chuàng)收能力降低，農(nóng)戶購買農(nóng)機的投資難以收回，許多家庭因為購買農(nóng)機而使生活水平降低，類似日本20 世紀70 年代由于農(nóng)機過度購置造成的“機械化貧窮”現(xiàn)象，這部分農(nóng)戶開始甩賣不掙錢的農(nóng)機。同時，由于在此期間國家不斷加大補貼力度，很多農(nóng)戶見有利可圖，不顧農(nóng)機過剩的實際，繼續(xù)購買農(nóng)機，造成農(nóng)機作業(yè)市場競爭不斷加劇。2014 年后，隨著農(nóng)機作業(yè)收益的下降及農(nóng)機作業(yè)市場趨于穩(wěn)定，農(nóng)戶購置農(nóng)機趨于理性，購買農(nóng)機主要考慮更新?lián)Q代和家庭需求，購機主體變?yōu)橛凶鳂I(yè)需求的合作社、種植大戶等新型農(nóng)業(yè)主體。

3.3 家庭特征對農(nóng)戶購機行為的影響

由表2 可知，家庭收入水平對農(nóng)戶購買農(nóng)機的限制作用減小。農(nóng)戶的家庭收入水平是農(nóng)戶購買農(nóng)機的主要限制因素，家庭收入水平低的農(nóng)戶，其農(nóng)機購買意愿也低。調(diào)查表明，2006 年農(nóng)戶購買農(nóng)機出資額的81%靠自有資金，2018 年，73%靠銀行貸款、親朋借款。調(diào)查區(qū)域農(nóng)戶家庭收入的增加、農(nóng)村金融的快速發(fā)展，使經(jīng)濟收入對農(nóng)戶購買農(nóng)機的限制越來越弱。根據(jù)計算結果，在保持其他條件不變的情況下，農(nóng)戶收入增加1%，2006 年農(nóng)戶的購機概率比增加0.46%，2018 年，這一數(shù)字降到0.13%。

進一步調(diào)查發(fā)現(xiàn)，2004—2018 年間，農(nóng)機購買主體發(fā)生了分化:期初的農(nóng)機購買者主要是中高收入者，購買農(nóng)機的目的是通過提供農(nóng)機服務獲取收益;近年的購機農(nóng)戶主要是中低收入者，購買目的主要是自用。

種植業(yè)收入對農(nóng)戶購買農(nóng)機的吸引越來越弱。根據(jù)計算結果，在保持其他條件不變的情況下，農(nóng)戶種植業(yè)收入增加1%，2006 年農(nóng)戶的購機概率比增加0.29%，2018 年，這一數(shù)字降到0.08%，且顯著性也降低。農(nóng)戶購買農(nóng)機的目的越來越多元化，早期農(nóng)戶購買農(nóng)機的主要目的是增加農(nóng)業(yè)產(chǎn)出及農(nóng)機服務收入，隨著購機的經(jīng)濟約束減小以及國家鼓勵發(fā)展生產(chǎn)性服務業(yè)，使用方便、成立農(nóng)機合作社逐漸成為農(nóng)戶購買農(nóng)機的重要因素。

耕地面積對農(nóng)戶購買農(nóng)機的影響越來越小，越來越不顯著。根據(jù)計算結果，在保持其他條件不變的情況下，農(nóng)戶耕地面積增加1%，2006 年農(nóng)戶的購機概率比增加0.33%，2018 年，這一數(shù)字降到0.02%，且越來越不顯著。這是由于前期農(nóng)村人均土地面積相同，耕地面積大的農(nóng)戶除了農(nóng)機需求大，其家庭人口多，經(jīng)濟實力強，購買農(nóng)機更容易實現(xiàn)。而到了2018 年，種植面積大的種植大戶已實現(xiàn)農(nóng)機購置與更新?lián)Q代，再加上國家從2017 年開始大幅降低補貼額，這部分農(nóng)戶減少了大型農(nóng)機具的購買。

3.4 農(nóng)機購買決策者特征對農(nóng)戶購機行為的影響

由表2 可知，影響農(nóng)戶購買農(nóng)機的機制發(fā)生了變化。根據(jù)計算結果，在保持其他條件不變的情況下，農(nóng)戶家庭勞動力增加1%，2006 年農(nóng)戶的購機概率比顯著增加0.17%，2018 年，這一數(shù)字降到0.06%，且不顯著。早期的農(nóng)戶購買農(nóng)機首先滿足家庭農(nóng)機使用需求，然后提供農(nóng)機服務，這就需要家庭有富余勞動力。近年調(diào)查區(qū)域社會化服務的迅速發(fā)展，使農(nóng)機購買者可以從自有土地上脫離出來，成為專業(yè)農(nóng)機服務者。戶主性別對購買農(nóng)機的影響越來越不明顯。2006—2018 年間，越來越多的婦女外出打工、參與家庭購買農(nóng)機決策。

農(nóng)村勞動力老齡化嚴重影響了農(nóng)戶購買農(nóng)機行為。根據(jù)計算結果，在保持其他條件不變的情況下，戶主年齡增加1%，2006 年農(nóng)戶的購機概率比會減少0.06%，2018 年，這一數(shù)字達到0.07%。2018 年調(diào)查樣本戶主平均年齡55.78 歲，比2006 年增加了7.45 歲。城市打工的收入越來越高，福利越來越好，交通通訊越來越便利，對調(diào)查區(qū)域的年輕勞動力吸引越來越大，農(nóng)村勞動力大多年齡大、沒有特長，大部分人不會操作農(nóng)機，只能從事簡單的農(nóng)業(yè)勞動，因此這部分人不會購買農(nóng)機。

文化程度在農(nóng)機購買決策中的作用越來越大。根據(jù)計算結果，在保持其他條件不變的情況下，戶主受教育年限增加1%，2006 年農(nóng)戶的購機概率比增加0.10%，2018 年，這一數(shù)字增加到0.13%。隨著國家鄉(xiāng)村振興計劃的實施，部分受過良好教育的青年選擇回鄉(xiāng)創(chuàng)業(yè)，這部分人頭腦靈活，知識面寬，對機耕、機種、機收及全程機械化生產(chǎn)技術更加推崇，成為提高農(nóng)業(yè)機械化水平的主要推動者。

職業(yè)培訓對農(nóng)戶購置農(nóng)機決策影響越來越不顯著。從模型回歸估計結果來看，參加職業(yè)培訓這一變量2006 年顯著，但2018 年不顯著。主要原因為:①初期農(nóng)機存量小，農(nóng)戶缺乏農(nóng)機使用知識，降低了購買意愿。后期農(nóng)機存量大，多數(shù)農(nóng)戶了解農(nóng)機性能及使用知識。②農(nóng)機購置補貼沒有對基層農(nóng)機管理部門的補貼，農(nóng)機管理部門組織培訓的積極性不高。

4 結束語

農(nóng)機購置補貼對農(nóng)業(yè)產(chǎn)業(yè)化發(fā)達地區(qū)農(nóng)戶購機的促進效果呈現(xiàn)遞減趨勢。隨著家庭收入的不斷提高，農(nóng)戶對農(nóng)機購置補貼額越來越不敏感。農(nóng)村勞動力老齡化嚴重制約著農(nóng)機裝備應用水平的提高，提高農(nóng)村勞動者文化水平、增加職業(yè)培訓對提高農(nóng)業(yè)機械化水平具有重要作用。因此，應構建“由下至上”的農(nóng)機具購置補貼機制，根據(jù)農(nóng)戶需求合理設置補貼，減少甚至取消達到農(nóng)機具需求飽和區(qū)域的購置補貼，對適合目前農(nóng)村勞動者使用的多功能、小型化、易操作的設備加大補貼支持，加大對新型農(nóng)業(yè)主體購買農(nóng)機的補貼支持，加強對農(nóng)戶的農(nóng)機應用知識培訓。