內(nèi)容提要:農(nóng)機跨區(qū)作業(yè)促進了農(nóng)業(yè)內(nèi)部分工和區(qū)域間技術外溢。首先回顧了中國農(nóng)業(yè)機械化發(fā)展特征,然后利用1997-2020年省級面板數(shù)據(jù),在檢驗空間相關性和最優(yōu)空間計量模型的基礎上,采用空間杜賓模型實證分析了農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構的影響效應,并進行了穩(wěn)健性檢驗和異質(zhì)性分析。結果表明:在整個樣本期內(nèi),提高農(nóng)業(yè)機械化水平,不僅可以促使本地區(qū)農(nóng)業(yè)種植結構“趨糧化”,還可以促使鄰近地區(qū)農(nóng)業(yè)種植結構“趨糧化”,致使區(qū)域種植結構趨同;早期,農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構具有顯著的空間溢出效應,但近些年,隨著中國農(nóng)機跨區(qū)服務面積的不斷回落,農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構的空間溢出效應在逐漸減弱。為此,提出促進農(nóng)機發(fā)展向全程全面高質(zhì)高效轉(zhuǎn)型升級、提高農(nóng)機作業(yè)水平和效率以及加強各區(qū)域農(nóng)機作業(yè)服務的協(xié)調(diào)與合作、實現(xiàn)區(qū)域間農(nóng)機資源的合理流動和科學調(diào)配等建議。

一、引 言

糧食安全是經(jīng)濟發(fā)展和社會穩(wěn)定的重要基石,是國家安全的重要基礎。中央一號文件多次指出要保障國家糧食安全,并提出“藏糧于地、藏糧于技”的要求。2021年中央農(nóng)村工作會議和2022年中央一號文件明確指出,要全力抓好糧食生產(chǎn)和重要農(nóng)產(chǎn)品供給,堅持中國人的飯碗任何時候都要牢牢端在自己手中,牢牢守住保障國家糧食安全和不發(fā)生規(guī)模性返貧兩條底線。2022年中央農(nóng)村工作會議和2023年中央一號文件進一步強調(diào),保障糧食和重要農(nóng)產(chǎn)品穩(wěn)定安全供給始終是建設農(nóng)業(yè)強國的頭等大事,要抓緊抓好糧食和重要農(nóng)產(chǎn)品穩(wěn)產(chǎn)保供,實施新一輪千億斤糧食產(chǎn)能提升行動。當前,中國糧食安全已經(jīng)邁入新的發(fā)展階段,國內(nèi)的糧食安全保障程度處于歷史最好時期(朱晶等,2021)。但是,需要注意的是,伴隨中國城鎮(zhèn)化的快速推進,農(nóng)村青壯年勞動力不斷向非農(nóng)部門轉(zhuǎn)移,農(nóng)地流轉(zhuǎn)也廣泛興起,部分地區(qū)出現(xiàn)糧食播種面積減少及種植結構“非糧化”現(xiàn)象。國家統(tǒng)計局的數(shù)據(jù)顯示,改革開放以來,全國糧食播種面積及其比例呈“減-增-減”變化趨勢。2003年以前,糧食播種面積及其比例總體呈不斷下降趨勢,2004-2016年糧食播種面積及其比例總體呈不斷上升趨勢,2017年以后糧食播種面積及其比例不斷下降。同時,囿于資源與環(huán)境硬約束和種糧比較效益偏低,尤其又面臨復雜多變的國際貿(mào)易形勢和全球新冠肺炎疫情的沖擊,糧食安全形勢十分嚴峻。因此,立足于復雜的國內(nèi)國際環(huán)境,研究與糧食安全直接相關的農(nóng)業(yè)種植結構問題就具有重要的理論價值和現(xiàn)實意義。

值得關注的是,隨著農(nóng)村青壯年勞動力大量向城市轉(zhuǎn)移,糧食生產(chǎn)中出現(xiàn)一個顯著變化,即糧食生產(chǎn)過程的農(nóng)業(yè)機械化服務水平不斷提高,農(nóng)業(yè)機械對農(nóng)村勞動力的替代強度不斷提升。在需求端,囿于農(nóng)村勞動力價格不斷上漲,農(nóng)村勞動力價格相對于資本與技術的價格隨之提高,要素相對價格的變化促使農(nóng)民廣泛增加對勞動節(jié)約型技術的需求,特別是對農(nóng)業(yè)機械的需求。在供給端,伴隨農(nóng)業(yè)機械化的快速發(fā)展,糧食生產(chǎn)各個環(huán)節(jié)的機械化程度不斷提高,農(nóng)業(yè)機械對于傳統(tǒng)勞動力的替代性顯著增強。農(nóng)業(yè)機械對勞動力的替代打破了傳統(tǒng)糧食生產(chǎn)中以勞動力為主要投入要素的生產(chǎn)模式,其作為一種典型的勞動節(jié)約型技術,可以節(jié)省大量勞動力、大幅提高農(nóng)業(yè)生產(chǎn)效率、降低農(nóng)業(yè)生產(chǎn)成本,進而對農(nóng)業(yè)種植結構產(chǎn)生影響。而學界在討論種植結構調(diào)整問題時,雖然強調(diào)了非農(nóng)就業(yè)、農(nóng)地流轉(zhuǎn)、稟賦特征、人力資本、要素價格上漲、政府政策對種植結構調(diào)整的影響,但鮮有研究關注在要素稟賦以及要素相對價格不斷變化的背景下農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構所產(chǎn)生的影響,更鮮有研究關注農(nóng)機的跨區(qū)作業(yè)對農(nóng)業(yè)種植結構可能產(chǎn)生的空間溢出效應。這正是本文的研究重點。

為分析上述問題,本文在研究中將特征事實與實證檢驗結合起來,基于1997-2020年省級層面數(shù)據(jù),研究農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構的影響及其空間溢出效應,以期為保障國家糧食安全,更好地促進農(nóng)業(yè)現(xiàn)代化發(fā)展提供理論支持與政策參考。文章下文內(nèi)容安排如下:第二部分為相關文獻綜述;第三部分從宏觀層面描述農(nóng)業(yè)機械化發(fā)展的階段性演變特征;第四部分為計量分析模型、數(shù)據(jù)來源和變量說明;第五部分報告計量結果,包括空間相關性檢驗、最優(yōu)模型選擇的相關檢驗、空間計量檢驗、穩(wěn)健性檢驗及異質(zhì)性分析結果;第六部分為研究結論及其政策涵義。

二、文獻綜述

改革開放之前的30年,中國農(nóng)業(yè)種植結構主要受計劃經(jīng)濟體制的影響,單一的糧食型種植結構特征明顯。在計劃經(jīng)濟體制背景下,政府實施計劃干預,強制要求以種植糧食為主。政府是農(nóng)業(yè)種植結構調(diào)整的主導者,農(nóng)民是被動的接受者。在此期間,糧食播種面積在農(nóng)作物總播種面積的比重一直高達80%以上,并且一度逼近90%。改革開放以后,農(nóng)業(yè)種植結構逐步發(fā)生變化,農(nóng)民成為種植結構調(diào)整的主體,政府充當引導者的角色。種植結構也從原來單一的糧食型逐步轉(zhuǎn)變?yōu)楦佣嘣摹⒏m應國內(nèi)外市場需求的種植結構。目前,關于農(nóng)業(yè)種植結構的研究主要聚焦于非農(nóng)就業(yè)、農(nóng)地流轉(zhuǎn)、要素價格變動以及政策供給等方面。

第一,非農(nóng)就業(yè)對農(nóng)業(yè)種植結構的影響。關于這一問題的探討,現(xiàn)有研究主要可以歸納為三點:一是非農(nóng)就業(yè)可以促使種植結構“趨糧化”。比如,鐘甫寧等(2016)研究表明,農(nóng)戶外出務工會促使其增加機械要素投入并提高糧食作物種植比例。暢倩等(2021)基于黃河流域中上游地區(qū)農(nóng)戶微觀數(shù)據(jù)發(fā)現(xiàn),非農(nóng)就業(yè)會顯著降低農(nóng)戶復種次數(shù)并提高糧食作物種植比例。二是非農(nóng)就業(yè)可以促使種植結構“非糧化”。比如,張琛等(2022)研究表明,農(nóng)戶非農(nóng)就業(yè)程度越高,種植結構越趨于多元。三是非農(nóng)就業(yè)并不能促進種植結構“趨糧化”或“非糧化”。比如,鄭陽陽和羅建利(2019)基于誘致性變遷理論認為,非農(nóng)就業(yè)會促使農(nóng)戶種植“勞動節(jié)約型”作物,種植結構呈現(xiàn)“去勞動化”特征,而不拘于“趨糧化”或“非糧化”。

第二,農(nóng)地流轉(zhuǎn)對農(nóng)業(yè)種植結構的影響。張宗毅和杜志雄(2015)運用全國1740個種植業(yè)家庭農(nóng)場數(shù)據(jù)發(fā)現(xiàn),隨著土地流轉(zhuǎn)所帶來的土地經(jīng)營規(guī)模的擴大,糧食作物種植比例會提高。因此不用過度擔心“非糧化”問題。錢龍等(2018)進一步細分了農(nóng)地轉(zhuǎn)入和轉(zhuǎn)出問題,分析發(fā)現(xiàn),農(nóng)戶土地轉(zhuǎn)入(轉(zhuǎn)出)行為能夠有效提升(降低)糧食種植比例。但是,與此結論相反的是,高延雷等(2021)研究認為,農(nóng)地轉(zhuǎn)入會顯著促進種植結構“非糧化”,并且農(nóng)戶的風險偏好會強化農(nóng)地轉(zhuǎn)入對種植結構“非糧化”的影響。仇童偉和羅必良(2022)進一步實證檢驗了農(nóng)地交易對象對農(nóng)地種植類型的影響,研究發(fā)現(xiàn),與親友和本村農(nóng)戶相比,將農(nóng)地流轉(zhuǎn)給外村農(nóng)戶或經(jīng)濟組織會提高“非糧化”生產(chǎn)的概率。

第三,要素價格變動對農(nóng)業(yè)種植結構的影響。楊進等(2016)綜合運用宏微觀數(shù)據(jù)研究發(fā)現(xiàn),農(nóng)村勞動力價格上漲會降低糧食作物種植比例。持相反觀點的是閆周府等(2021),他們從技術選擇的視角重新考察了勞動力價格變化對糧食生產(chǎn)的影響。研究發(fā)現(xiàn),勞動力價格上漲會顯著提高糧食種植比例。鄭旭媛和徐志剛(2016)則探討了要素相對價格發(fā)生變化時,要素替代的難易程度對種植結構的調(diào)節(jié)效應。研究發(fā)現(xiàn),勞動力成本上升會誘使農(nóng)戶以機械替代勞動力,但替代強度受地形稟賦的約束。劉余和周應恒(2021)從土地租金的角度出發(fā),研究了糧地租金變動對農(nóng)戶種糧行為的影響。結果表明,糧地租金上漲會顯著降低農(nóng)戶種糧面積和種糧比例。

第四,政策供給對農(nóng)業(yè)種植結構的影響。董小菁等(2020)研究發(fā)現(xiàn),水權交易水價政策相比統(tǒng)一水價、階梯水價政策更能促使農(nóng)戶種植結構“節(jié)水化”。農(nóng)機補貼政策也是影響農(nóng)業(yè)種植結構變化的重要因素,農(nóng)機補貼政策通過提高機械化水平,促進農(nóng)業(yè)規(guī)?；l(fā)展,從而提高糧食播種比例(田曉暉等,2021)。孟菲等(2022)實證分析了影響“非糧化”的主要因素,研究發(fā)現(xiàn),良好的環(huán)境政策有助于抑制農(nóng)業(yè)種植“非糧化”。但是,也有學者提出不同的觀點,認為政策對農(nóng)業(yè)種植結構并沒有顯著影響。例如,許慶等(2020)基于全國農(nóng)村固定觀察點調(diào)查數(shù)據(jù)發(fā)現(xiàn),農(nóng)業(yè)支持保護補貼政策可以顯著增加規(guī)模農(nóng)戶糧食種植面積,但對種植結構沒有顯著影響。

此外,還有部分學者從人力資本(葉初升和馬玉婷,2020)、農(nóng)業(yè)機械化(彭繼權等,2020;朱滿德等,2021)、經(jīng)營規(guī)模(畢雪昊等,2020)以及互聯(lián)網(wǎng)使用(羅千峰和趙奇鋒,2022)等角度分析了種植結構調(diào)整問題。其中,值得關注的是,有幾支文獻已經(jīng)關注到農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的影響。例如,彭繼權等(2020)運用農(nóng)戶調(diào)查數(shù)據(jù)分析發(fā)現(xiàn),機械化水平的提高可以顯著提高糧食種植面積和種植比例;朱滿德(2021)利用宏觀數(shù)據(jù)分析發(fā)現(xiàn),糧食生產(chǎn)全程機械化可以顯著提高糧食種植比例。農(nóng)業(yè)機械化作為農(nóng)業(yè)現(xiàn)代化的根本出路,對保障國家糧食安全起著至關重要的作用。當前學術界在研究農(nóng)業(yè)機械化與糧食生產(chǎn)關系時,多集中于農(nóng)業(yè)機械化對糧食生產(chǎn)要素投入(鄭旭媛和徐志剛,2016)、糧食產(chǎn)量(方師樂等,2017;付華和李萍,2020)以及糧食生產(chǎn)效率(吳海霞等,2022)等方面,缺乏對農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構影響的探討,而對這一問題的探討恰恰與糧食安全密切相關。

綜上所述,針對農(nóng)業(yè)種植結構調(diào)整這一問題,現(xiàn)有研究從不同角度給出了答案,為本文的研究提供了重要參考。但是,現(xiàn)有研究仍有進一步拓展的空間。一是,雖然目前已有個別研究關注到農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的影響,但目前關于這一方向的研究文獻非常有限,討論還不夠充分,有待豐富;二是,現(xiàn)有研究忽略了農(nóng)機的跨區(qū)作業(yè)可能帶來的空間溢出效應以及這種空間溢出效應的持續(xù)性。事實上,已有部分文獻關注到了農(nóng)業(yè)機械化對糧食產(chǎn)量、糧食種植面積和糧食作物全要素生產(chǎn)率的空間溢出效應(例如方師樂等,2017;張露和羅必良,2018;吳海霞等,2022),但鮮有文獻深入探討農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的空間溢出效應?；诖?本文試圖從農(nóng)機跨區(qū)作業(yè)的視角出發(fā),運用最新數(shù)據(jù),力求在農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的直接效應和空間溢出效應方面做一些探索性拓展,探討農(nóng)業(yè)機械化發(fā)展能否促進種植結構“趨糧化”,是否具有空間溢出效應?能否促進區(qū)域種植結構趨同?進一步地,考察這種空間溢出效應是否具有可持續(xù)性?

三、中國農(nóng)業(yè)機械化發(fā)展的階段性演變

1. 農(nóng)業(yè)機械動力水平及路徑演變

改革開放以來,中國農(nóng)業(yè)機械化水平呈穩(wěn)步上升趨勢(圖1)。2020年,農(nóng)業(yè)機械總動力達105622.15萬千瓦,相比1978年的11749.90萬千瓦提高了近8倍,年均增長率為5.37%。從農(nóng)業(yè)機械發(fā)展的內(nèi)部結構來看,在2000年左右,農(nóng)機內(nèi)部結構發(fā)生顯著變化。1978-2000年,受農(nóng)戶小規(guī)模、分散化經(jīng)營的影響,農(nóng)業(yè)機械化發(fā)展呈現(xiàn)小型化的特征。這一階段小型拖拉機數(shù)量由1978年的137.30萬臺增長到了2000年的1264.40萬臺,年均增長10.62%。相反,大中型拖拉機發(fā)展緩慢,總量由1978年的55.74萬臺增長到了2000年的97.45萬臺,年均增長2.57%。得益于小型拖拉機的快速采用,農(nóng)業(yè)機械總動力由1978年的11749.90萬千瓦增長到2000年的52573.61萬千瓦,增長了近4倍。

圖1 1978-2020年中國農(nóng)業(yè)機械動力演變(單位:萬臺;萬臺;萬千瓦)注:主坐標軸表示農(nóng)機總動力,次坐標軸表示大中型和小型農(nóng)機數(shù)量。數(shù)據(jù)來源:國家統(tǒng)計局。

2000年以后,伴隨中國城鎮(zhèn)化的快速推進和農(nóng)機補貼政策的實施,農(nóng)業(yè)機械大型化特征明顯。首先,在城鎮(zhèn)化進程中,農(nóng)村勞動力向非農(nóng)部門大量轉(zhuǎn)移,勞動力成本不斷上漲,這為農(nóng)業(yè)機械替代勞動力創(chuàng)造了重要條件。其次,自2004年開始,中央在原有大中型拖拉機更新補貼政策的基礎上開始對農(nóng)機購置進行大規(guī)模的政策補貼,并且開始向大中型農(nóng)機傾斜。農(nóng)業(yè)機械化也從原來的小型化開始轉(zhuǎn)向大型化。2001-2020年,大中型拖拉機數(shù)量由82.99萬臺增長到了477.27萬臺。而相比之下,小型拖拉機市場則逐步趨于飽和,增速趨緩。2001-2020年間,小型拖拉機擁有量由1305.10萬臺增長到1727.60萬臺。

2. 農(nóng)業(yè)機械化的作業(yè)面積和作業(yè)水平

伴隨農(nóng)業(yè)機械總動力的快速增長,農(nóng)作物機械化作業(yè)面積和作業(yè)水平都得到了極大提高。首先,從農(nóng)機作業(yè)面積來看,2020年機耕面積達128129.05千公頃,為1978年機耕面積的3.15倍;機播面積由1978年的13330.40千公頃增長到了2020年的98777.91千公頃,年均增長4.88%;機收面積由1978年的3125.34千公頃增長到了2020年的105504.10千公頃,增長高達33.76倍(圖2)。其次,從農(nóng)機作業(yè)水平來看,1978-2020年,機耕水平由40.90%增長到85.49%,增長了1倍多;機播水平由8.90%增長到58.98%,增長了562.70%;機收水平由1978年的2.10%增長到2020年的64.56%,增長了近30倍。農(nóng)作物耕種收綜合機械化水平由1978年的19.66%增長到2000年的71.25%,增長262.41%。

圖2 1978-2020年中國農(nóng)業(yè)機械作業(yè)面積(單位:千公頃) 數(shù)據(jù)來源:《國內(nèi)外農(nóng)業(yè)機械化統(tǒng)計資料》(1978-2000)和《中國農(nóng)業(yè)機械工業(yè)年鑒》(2001-2020)。

3. 農(nóng)機跨區(qū)服務發(fā)展演變

農(nóng)機跨區(qū)服務是農(nóng)民自發(fā)探索的、具有中國特色的農(nóng)業(yè)機械化發(fā)展路徑?？傮w來看,農(nóng)機跨區(qū)服務發(fā)展主要可以分為四個階段:一是1995年前的萌芽階段;二是1996-1999年的井噴增長階段;三是2000-2013年的全面推進階段;四是2014年至今的回落階段。

1995年前,跨區(qū)服務的農(nóng)機數(shù)量較少、規(guī)模較小,跨區(qū)服務的組織化程度比較低,跨區(qū)服務范圍一般局限于省內(nèi),跨區(qū)服務環(huán)節(jié)一般僅限于機收環(huán)節(jié)。1995年后,大中型農(nóng)機跨區(qū)服務開始逐漸興起,跨區(qū)服務環(huán)節(jié)由機收服務逐步向機耕、機播服務深入,跨區(qū)服務領域也由小麥逐步向水稻、玉米等糧食作物拓展。值得關注的是,農(nóng)機跨區(qū)服務是由農(nóng)民自發(fā)興起的,不是由政府主導構建。伴隨政府對跨區(qū)服務的支持與管理,農(nóng)機跨區(qū)服務趨于規(guī)范化,也激發(fā)了更多的農(nóng)機戶參與到農(nóng)機跨區(qū)服務中,參與跨區(qū)服務的省份也在不斷增多,跨區(qū)服務范圍也開始由省內(nèi)向省外擴展并逐步覆蓋到全國。這一階段,參加跨區(qū)機收的聯(lián)合收割機由1996年的2.3萬臺增加到1999年的8.9萬臺,實現(xiàn)了井噴式增長。

經(jīng)歷了1996-1999年的快速增長階段,2000-2013年,農(nóng)機跨區(qū)作業(yè)市場逐步趨于規(guī)范化,跨區(qū)服務中介組織開始涌現(xiàn),農(nóng)機服務組織化程度逐步加深。跨區(qū)服務主體由過去的單一農(nóng)機戶逐步轉(zhuǎn)為農(nóng)機合作社和農(nóng)機服務公司。跨區(qū)服務領域也由小麥向水稻、玉米、大豆等農(nóng)作物延伸,跨區(qū)服務面積呈穩(wěn)步增長趨勢。2008-2013年,農(nóng)機跨區(qū)服務面積年均增長6.97個百分點,其中跨區(qū)機收面積、跨區(qū)機耕面積和跨區(qū)機播面積的年均增長率分別為6.17%、8.95%、10.16%。

圖3 2008-2020年中國農(nóng)機跨區(qū)作業(yè)面積(單位:千公頃)注:2017年數(shù)據(jù)缺失,采用2016和2018年的平均值表示。數(shù)據(jù)來源:歷年《中國農(nóng)業(yè)機械化年鑒》。

但是,自2014年開始,農(nóng)機跨區(qū)服務面積開始逐漸回落。僅在2014年,農(nóng)機跨區(qū)服務面積相比上年下降超30%,出現(xiàn)了斷崖式下跌。其中,跨區(qū)機收面積、跨區(qū)機耕面積和跨區(qū)機播面積相比上年分別減少了8329、828、266千公頃,降幅分別為32.03%、12.24%和8.62%。并且,這種下降趨勢一直延續(xù)至今。有研究指出,農(nóng)機跨區(qū)服務市場萎縮的原因在于,內(nèi)生性的本地農(nóng)機服務和農(nóng)村“熟人社會”特征使得跨區(qū)作業(yè)服務逐漸失去競爭優(yōu)勢,本地農(nóng)機服務逐步占據(jù)主導地位,農(nóng)機跨區(qū)服務市場的輻射空間逐年變小(仇葉,2017)。

四、模型設定、數(shù)據(jù)說明與變量選取

1. 空間面板模型設定

為實證檢驗農(nóng)業(yè)機械化的發(fā)展對農(nóng)業(yè)種植結構的空間溢出效應,本文構建如下空間面板模型:

(1)

其中,GPSit為農(nóng)業(yè)種植結構;ρ·W·GPSit為農(nóng)業(yè)種植結構的空間滯后項,ρ為空間自回歸系數(shù),W為空間權重矩陣;Xit為關鍵解釋變量農(nóng)業(yè)機械化(Lnmachine)和所有的控制變量,其中控制變量包括第一產(chǎn)業(yè)勞動力(Lnalabor)、農(nóng)用化肥施用量(Lnfertilizer)、財政支農(nóng)(Lnfinasup)、有效灌溉面積(Lnggarea)和農(nóng)作物受災面積(Lnszarea);D·Xit·θ為關鍵解釋變量和所有控制變量的空間滯后項,D為對應的空間權重矩陣,θ為對應的解釋變量空間滯后項系數(shù);μi和ηt分別為地區(qū)效應和時間效應;εit為擾動項,λ·M·εjt為擾動項的空間滯后,λ分別為對應的系數(shù),M為對應的空間權重矩陣;vit為均值為0、方差為σ2的誤差項。式(1)為包含所有空間效應的一般嵌套空間模型。在實際計量檢驗時,具體模型為:① 如果模型中λ=0、ρ≠0、θ≠0,則為空間杜賓模型(SDM);② 如果模型中λ=0、ρ≠0、θ=0,則為空間自回歸(滯后)模型(SAR);③ 如果模型中λ≠0、ρ≠0、θ=0,則為廣義空間自回歸模型(SAC);④ 如果模型中λ≠0、ρ=0、θ=0,則為空間誤差模型(SEM)。

本文的重點是研究農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的直接效應和空間溢出效應,因此著重研究SAR、SAC和SDM模型,并通過各種檢驗方法判定最優(yōu)模型。擇優(yōu)選擇模型時,還將進行LM、Wald和LR檢驗,具體檢驗將在后文中進行詳細介紹。

2. 數(shù)據(jù)說明與變量選取

本文采用1997-2020年29個省份(1)不包含西藏、青海和港澳臺。的面板數(shù)據(jù)來分析農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的影響,數(shù)據(jù)主要來源于歷年《中國農(nóng)村統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》和國家統(tǒng)計局。部分變量部分年份數(shù)據(jù)缺失,本文采用線性插補方法進行補齊。此外,本文對解釋變量進行了對數(shù)化處理以減少模型可能存在的異方差性,減弱數(shù)據(jù)的多重共線性,增強面板數(shù)據(jù)的平穩(wěn)性。以下是變量選取和測度的詳細說明。

(1) 被解釋變量:農(nóng)業(yè)種植結構GPS,采用糧食播種面積與農(nóng)作物總播種面積的比例,即糧食種植比例來衡量。

(2) 關鍵解釋變量:農(nóng)業(yè)機械化Lnmachine,采用各省份人均農(nóng)業(yè)機械總動力的對數(shù)表示,人均農(nóng)業(yè)機械總動力采用農(nóng)業(yè)機械總動力與第一產(chǎn)業(yè)從業(yè)人員之比衡量(2)選取農(nóng)業(yè)機械總動力作為衡量農(nóng)業(yè)機械化發(fā)展水平的指標主要基于以下考慮:第一,主流文獻通常采用農(nóng)機動力來衡量農(nóng)業(yè)機械化發(fā)展水平(方師樂等,2017;伍駿騫等,2017);第二,本文中的農(nóng)業(yè)機械化發(fā)展水平實際上指的是農(nóng)業(yè)機械儲備量,用農(nóng)機動力值表征是較為合理的。。

(3) 控制變量:農(nóng)業(yè)勞動力Lnalabor,采用各省份第一產(chǎn)業(yè)從業(yè)人員總數(shù)的對數(shù)表示。農(nóng)用化肥施用量Lnfertilizer,采用各省份農(nóng)用化肥施用折純量與第一產(chǎn)業(yè)從業(yè)人員比例的對數(shù)表示。財政支農(nóng)Lnfinasup,采用各省份財政支農(nóng)支出的對數(shù)表示。有效灌溉比例ggratio,采用國家統(tǒng)計局分省份年度數(shù)據(jù)中有效灌溉面積與耕地面積之比表示。農(nóng)作物受災比例szratio,采用各省份農(nóng)作物受災面積與農(nóng)作物總播種面積的比例表示。

表1 變量定義及描述性統(tǒng)計

五、空間計量結果及其分析

1. 空間相關性檢驗

在確定使用空間計量模型之前,首先要考察被解釋變量和解釋變量是否存在空間依賴性。為此,本文采取莫蘭指數(shù)I檢驗法對上述變量進行空間相關性檢驗。

莫蘭指數(shù)I的計算公式為:

(2)

準確檢驗不同地區(qū)觀測值之間的空間相關性,還有賴于構造適當?shù)目臻g權重矩陣。本文選擇基于經(jīng)緯度的地理距離作為空間權重矩陣,主要原因有:一是考慮到中國農(nóng)機跨區(qū)服務的廣泛存在,地理距離是影響農(nóng)機跨區(qū)服務的重要因素,也是影響農(nóng)機溢出效應的關鍵;二是考慮到距離較近的地區(qū)間的農(nóng)業(yè)生產(chǎn)條件較為相似,農(nóng)業(yè)生產(chǎn)的關聯(lián)性相對較大?；谏鲜鲈?本文認為選擇地理距離空間權重矩陣,對于表征不同省份觀測值在空間上的分布及其相互聯(lián)系可能更為合適。在構造出空間權重矩陣后,本文對其進行標準化處理,以保證數(shù)據(jù)的平滑。采用全局莫蘭指數(shù)I對1997-2020年29個省份糧食種植比例和農(nóng)業(yè)機械化的空間相關性檢驗結果見圖4?？臻g相關性檢驗結果顯示:1997-2020年,29個省份糧食種植比例和農(nóng)業(yè)機械化的莫蘭指數(shù)均在1%的顯著性水平上拒絕原假設,表明這兩個變量均存在空間相關性,故有必要運用空間計量模型進行進一步的分析研究。

圖4 空間相關性檢驗數(shù)據(jù)來源:歷年《中國統(tǒng)計年鑒》和百度地圖測算的省會城市地理距離。

2. 最優(yōu)模型選擇的相關檢驗

表2的檢驗顯示,在地理距離空間權重矩陣設定下,公式(1)中針對空間自回歸模型的Robust-LM檢驗值和針對空間誤差模型的Robust-LM檢驗值均在1%的水平上顯著。此時,需要采用“一般到具體”的思路估計SDM模型,并對此進行Wald或LR檢驗。從表2的檢驗結果可知,Wald-spatial-lag檢驗值和Wald-spatial-error檢驗值均在1%的水平上顯著,LR-spatial-lag檢驗值和LR-spatial-error檢驗值同樣在1%的水平上顯著,這表明SAR和SEM均不是最優(yōu)模型。同時,由AIC檢驗結果可知,加入誤差滯后項后,AIC值變大,因此SAC模型也不是最優(yōu)模型。綜合上述LM檢驗、Wald檢驗、LR檢驗和AIC檢驗來看,SDM模型是公式(1)的最優(yōu)模型。確定SDM模型為最優(yōu)模型后,進一步進行Hausman檢驗以確定選用固定效應還是隨機效應,表2的結果顯示Hausman檢驗值在1%的顯著性水平上拒絕了原假設,表明應選用固定效應模型;針對SDM模型是否存在個體固定效應、時間固定效應還是空間和時間雙重固定效應的LR檢驗結果顯示,空間固定效應檢驗和時間固定效應檢驗結果均顯著拒絕原假設,表明應選擇空間時間雙重固定效應模型。具體的模型檢驗結果見表2。

表2 模型選擇的相關檢驗

3. 基準回歸結果分析

根據(jù)上述空間相關性和最優(yōu)模型選擇的檢驗結果,本文最終選擇空間杜賓模型(SDM)來估計公式(1)。同時還分別列出了OLS、SAR、SEM、SAC模型的估計結果,以便更好地比較并檢驗關鍵解釋變量參數(shù)估計的穩(wěn)健性。

表3同時報告了農(nóng)業(yè)機械化影響農(nóng)業(yè)種植結構的雙重固定效應的OLS和空間面板計量模型回歸結果,由于SAR模型、SAC模型和SDM模型中農(nóng)業(yè)機械化的空間滯后項為內(nèi)生變量,并且SEM模型中包含誤差項的空間滯后項,為此本文采用極大似然法估計以上模型,以獲得一致性估計。

表3 農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構影響的空間面板計量估計結果

表3中,SAR、SEM、SAC和SDM模型回歸方程的空間自回歸系數(shù)Spatial rho或lambda均在1%的顯著性水平上通過了Z檢驗,說明各地區(qū)農(nóng)業(yè)種植結構在內(nèi)生性空間交互效應、外生性空間交互效應和誤差項空間交互效應作用下具有明顯的空間依賴性,再次證明選用空間面板計量模型是合理的。從SDM模型的回歸結果可以看出,在控制了影響本地農(nóng)業(yè)種植結構的主要影響因素后,用于測度農(nóng)業(yè)種植結構空間效應的空間自回歸系數(shù)Spatial rho顯著為正,系數(shù)為1.227。這意味著,當控制其他影響因素時,鄰近地區(qū)糧食種植比例加權值每提升1%,本地區(qū)糧食種植比例提高1.227%。這也證明了,鄰近地區(qū)間的農(nóng)業(yè)種植結構具有趨同性。

從表3的OLS、SAR、SEM、SAC和SDM模型回歸結果來看,不論是選擇OLS模型還是其他類別的空間計量模型,農(nóng)業(yè)機械化的參數(shù)估計值均通過了顯著性檢驗且方向均為正,只是參數(shù)估計值的大小略有差別。這說明,農(nóng)業(yè)機械化水平對農(nóng)業(yè)種植結構具有顯著的正向影響且影響很穩(wěn)健。根據(jù)上文的最優(yōu)模型檢驗結果,農(nóng)業(yè)機械化影響農(nóng)業(yè)種植結構回歸最優(yōu)模型為SDM模型。因此,本文以SDM模型的回歸結果為準并進行相應解讀。從SDM模型的回歸結果來看,在控制了影響農(nóng)業(yè)種植結構的主要因素后,農(nóng)業(yè)機械化的參數(shù)估計系數(shù)為正(0.094)且在1%的水平上通過了顯著性檢驗,這表明,提高農(nóng)業(yè)機械化發(fā)展水平可以顯著提高糧食種植比例。農(nóng)業(yè)機械化的空間滯后項系數(shù)顯著為正,為1.020。

LeSage和Pace(2009)研究指出,通過一個或者多個空間計量模型的點估計來檢驗空間溢出效應可能會使得研究結論存有偏誤,并認為通過求解偏微分的方法可以更有效地檢驗截面空間計量模型中解釋變量對被解釋變量的空間溢出效應。Elhorst(2010)也認同這個觀點,并將該求解偏微分法從截面空間計量模型拓展到了面板空間計量模型中?；诖?為深入揭示農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的直接影響和空間溢出效應,本文借鑒上述兩位學者的做法對表3中的最優(yōu)模型SDM模型回歸結果進行詳細的效應分解,得到了包括農(nóng)業(yè)機械化在內(nèi)的各解釋變量的直接效應、間接效應和總效應。具體的分解效應見表4(4)由于在SEM模型中θ=-ρβ,因而其解釋變量的直接效應為β,間接效應為0。因此,除SAR、SAC和SDM模型之外,表4中OLS和SEM模型的直接效應與表3一致。。

表4 農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構影響的分解效應

由表4的分解結果可知:第一,SDM模型中農(nóng)業(yè)機械化水平的直接效應系數(shù)顯著為正且系數(shù)值為0.068,這表明農(nóng)業(yè)機械化水平每提高1%,糧食種植比例則提高0.068%。第二, SDM模型中農(nóng)業(yè)機械化水平的間接效應參數(shù)估計通過了1%顯著性水平上的檢驗,參數(shù)估計值為0.343。這說明,農(nóng)業(yè)機械化水平的提高可以顯著提高本地區(qū)的糧食種植比例,對鄰近地區(qū)的糧食種植比例有著顯著的空間溢出效應,且這種空間溢出效應要高于直接效應。可見,中國農(nóng)機跨區(qū)服務不僅影響著糧食產(chǎn)量(方師樂等,2017),同時對糧食種植比例也有著顯著影響。第三,從整體上看,不論是OLS還是SAR、SEM、SAC、SDM模型,本地區(qū)農(nóng)業(yè)機械化水平對本地區(qū)的糧食種植比例均具有顯著的正向直接效應。在空間溢出效應上,SAR模型、SAC模型和SDM模型的農(nóng)業(yè)機械化水平的參數(shù)估計均顯著為正,顯著性程度和方向均相同,只是系數(shù)大小略有差異。這也在一定程度上說明,農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的正向影響是穩(wěn)健的。

4. 穩(wěn)健性檢驗

在上述計量分析中,基于地理距離空間權重矩陣,運用SDM空間計量模型分別考察了農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的影響。為了進一步檢驗上述實證結果的穩(wěn)健性,本文采用替換關鍵解釋變量衡量方法,即將農(nóng)作物耕種收機械化率(machinebl)作為衡量農(nóng)業(yè)機械化的替換指標,對上述空間計量研究結果進行再檢驗。從表5的結果可以看出,農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的穩(wěn)健性檢驗結果與上述實證結果基本一致。區(qū)別在于關鍵解釋變量農(nóng)業(yè)機械化的系數(shù)值和空間自回歸系數(shù)Spatial rho與上文結果有細微差別,但顯著性和影響方向與上文的研究結果一致,這說明農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的影響效應是可靠并穩(wěn)健性的。

表5 農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構影響的穩(wěn)健性檢驗

進一步地,對表5的回歸結果進行效應分解,以檢驗農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的直接影響和空間溢出效應的穩(wěn)健性。具體的分解效應如表6所示。表6的分解結果顯示,采用農(nóng)作物耕種收機械化率作為農(nóng)業(yè)機械化的替換指標后,農(nóng)業(yè)機械化的直接效應和間接效應依然顯著為正,與表4的效應分解結果基本一致。這說明,農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的影響效應是可靠并穩(wěn)健性的。農(nóng)業(yè)機械化不僅能促進本地區(qū)農(nóng)業(yè)種植結構“趨糧化”,還可以通過跨區(qū)作業(yè)促進鄰近地區(qū)種植結構“趨糧化”,實現(xiàn)區(qū)域種植結構趨同。

表6 農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構影響的分解效應:穩(wěn)健性檢驗

5. 異質(zhì)性分析

不同時期農(nóng)機發(fā)展水平和跨區(qū)作業(yè)面積是有所區(qū)別的。不同時期農(nóng)機具有不同的空間自相關性,因而對農(nóng)業(yè)種植結構的影響效應也有所不同。為了在時間維度上深入探究農(nóng)業(yè)機械化發(fā)展水平對農(nóng)業(yè)種植結構的空間溢出效應,本文將樣本數(shù)據(jù)劃分為1997-2013年和2014-2020年兩個時間段,基于經(jīng)緯度的空間距離權重矩陣,分別檢驗這兩個時間段農(nóng)機對糧食種植比例的異質(zhì)性影響。時間劃分的主要依據(jù)在于前文所分析的農(nóng)機跨區(qū)服務的階段性,突出表現(xiàn)在以2014年為分水嶺的農(nóng)機跨區(qū)服務特征。回歸結果如表7所示。

表7 不同時段農(nóng)業(yè)機械發(fā)展對農(nóng)業(yè)種植結構影響的空間面板計量估計結果

空間溢出效應測算結果如表8所示,其中列(1)列(2)匯報了采用農(nóng)業(yè)機械總動力作為農(nóng)業(yè)機械化發(fā)展水平衡量指標的回歸結果。結果顯示,在控制了影響農(nóng)業(yè)種植結構的主要因素后,1997-2013年,農(nóng)業(yè)機械化發(fā)展水平的空間溢出效應顯著,并且空間溢出效應估計系數(shù)值比直接效應更大;2014-2020年,農(nóng)業(yè)機械化發(fā)展水平的空間溢出效應不顯著?？赡艿脑蚴?1997-2013年是農(nóng)機跨區(qū)服務快速發(fā)展時期,而在2014年后,中國農(nóng)機跨區(qū)服務發(fā)展出現(xiàn)斷崖式下跌并且此后逐年下跌,本地農(nóng)機對跨區(qū)農(nóng)機產(chǎn)生了擠出效應。

表8 不同時段農(nóng)業(yè)機械發(fā)展對農(nóng)業(yè)種植結構影響的分解效應

為檢驗上述回歸結果的穩(wěn)健性,本文采用農(nóng)作物耕種收機械化率作為農(nóng)業(yè)機械化發(fā)展水平的替換指標,進一步匯報了回歸結果,如列(3)列(4)所示。由列(3)列(4)結果可知,在控制了影響農(nóng)業(yè)種植結構的主要因素后,1997-2013年,農(nóng)業(yè)機械化發(fā)展水平的空間溢出效應顯著,但2014-2020年農(nóng)業(yè)機械化發(fā)展水平的空間溢出效應不顯著?？梢?上述結果是穩(wěn)健的,即農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構的空間溢出效應是有時間范圍的,2014年以來,隨著中國農(nóng)機跨區(qū)服務面積的不斷回落,農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構的空間溢出效應也不再顯著。

六、結論與政策建議

本文首先從經(jīng)驗層面回顧了中國農(nóng)業(yè)機械化發(fā)展歷程,梳理了農(nóng)機動力水平、農(nóng)機作業(yè)化水平和農(nóng)機跨區(qū)服務發(fā)展演變。其次,利用1997-2020年省級面板數(shù)據(jù),在空間相關性檢驗和最優(yōu)空間計量模型檢驗的基礎上,運用SDM空間面板計量模型實證分析了農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構的影響效應。然后,輔以其他空間面板計量模型(例如SAR、SEM、SAC模型)和替換農(nóng)業(yè)機械化代理變量的方法對基準回歸結果進行了較為詳盡的穩(wěn)健性檢驗。此外,考慮到不同時期農(nóng)機跨區(qū)服務可能產(chǎn)生的異質(zhì)性空間效應,分別檢驗了1997-2013年和2014-2020年兩個時間段農(nóng)業(yè)機械化對農(nóng)業(yè)種植結構的空間溢出效應。

實證研究發(fā)現(xiàn):第一,從整體上看,提高農(nóng)業(yè)機械化水平,不僅可以促使本地區(qū)農(nóng)業(yè)種植結構“趨糧化”,還可以促使鄰近地區(qū)農(nóng)業(yè)種植結構“趨糧化”,致使區(qū)域種植結構趨同。穩(wěn)健性檢驗結果也與基準回歸結果基本一致。第二,不同時期,農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構的空間溢出效應有所差異。1997-2013年間,農(nóng)業(yè)機械化的空間溢出效應顯著,但2014-2020年不再顯著?？梢?隨著中國農(nóng)機跨區(qū)服務面積的不斷回落,農(nóng)業(yè)機械化發(fā)展對農(nóng)業(yè)種植結構的空間溢出效應逐漸減弱。

基于上述結論,本文提出以下政策建議:第一,持續(xù)加大農(nóng)機發(fā)展力度,促進農(nóng)機發(fā)展向全程全面高質(zhì)高效轉(zhuǎn)型升級,提高農(nóng)機作業(yè)水平和效率,以此穩(wěn)定糧食種植比例,保障國家糧食安全;第二,加強各區(qū)域農(nóng)業(yè)機械作業(yè)服務的協(xié)調(diào)與合作,構建一體化農(nóng)業(yè)機械跨區(qū)作業(yè)服務的信息平臺,實現(xiàn)區(qū)域間農(nóng)業(yè)機械資源的合理流動和科學調(diào)配。