摘要：從農(nóng)村人口老齡化視角出發(fā)，研判農(nóng)業(yè)機械對農(nóng)業(yè)勞動力是否存在替代作用；判斷我國當(dāng)前農(nóng)業(yè)勞動力是否短缺，預(yù)測我國未來農(nóng)業(yè)機械化水平，嘗試對“農(nóng)業(yè)機械化可以解決農(nóng)業(yè)勞動力短缺問題嗎？”進行解答。采用我國31個省市2004—2020年省級面板數(shù)據(jù)，從農(nóng)業(yè)機械對農(nóng)業(yè)勞動力替代能力視角出發(fā)，采用交互固定效應(yīng)模型，提出衡量農(nóng)業(yè)機械替代能力的估計方法。實證結(jié)果表明：我國農(nóng)業(yè)機械對農(nóng)業(yè)勞動力的替代能力為：10000kW的農(nóng)業(yè)機械每年能夠取代大約1 169～1 239個農(nóng)業(yè)勞動力。并通過古典經(jīng)濟學(xué)測算方法、時間演繹法、ARIMA預(yù)測模型，對我國農(nóng)業(yè)剩余勞動力數(shù)量以及農(nóng)業(yè)機械化水平進行預(yù)測。結(jié)果表明：我國農(nóng)業(yè)機械總動力水平大致以每年增加24946630kW的速度增長，到2035年我國農(nóng)業(yè)機械總動力大約會增加374199450kW，農(nóng)業(yè)機械化的增長能夠彌補人口老齡化帶來的農(nóng)業(yè)勞動力短缺。

關(guān)鍵詞：農(nóng)業(yè)機械化；農(nóng)村人口老齡化；農(nóng)業(yè)勞動力；替代能力；時間演繹

中圖分類號：F323

文獻標(biāo)識碼：A

文章編號：20955553 （2024） 070316

08

Can agricultural mechanization solve the shortage of agricultural labor？

Li Shuangshuang1， Liu Weibo 2， Jiang Jian3

（1. School of Economics， Liaoning University， Shenyang， 110136， China; 2. School of Economics and Management，

Hunan University of Science and Engineering， Yongzhou， 425199， China; 3. School of Business Administration，

Zhongnan University of Economics and Law， Wuhan， 430073， China）

Abstract：

From the perspective of rural population aging， this article examines whether agricultural machinery has a substitutive effect on agricultural labor force. To determine whether there is a current shortage of agricultural labor in China， predict the future level of agricultural mechanization in China， and attempt to answer the question “Can agricultural mechanization solve the problem of agricultural labor shortage？”. Based on the provincial panel data of 31 provinces and cities in China from 2004 to 2020， from the perspective of the substitution ability of agricultural machinery for agricultural labor force， this paper uses the interactive fixed effect model to propose an estimation method to measure the substitution ability of agricultural machinery. The empirical results show that the substitution ability of agricultural machinery for agricultural labor force in China is as follows： 10000 kilowatt agricultural machinery can replace about 1169-1239 agricultural labor force every year. After that， the number of agricultural surplus labor force and the level of agricultural mechanization in China are predicted by the classical economic calculation method， time deductive reasoning method and ARIMA prediction model. The results show that the total power level of agricultural machinery in China is increasing at a rate of approximately 24946630 kilowatts per year. By 2035， the total power of agricultural machinery in China will increase by 374 199 450 kilowatts. The growth of agricultural mechanization can make up for the shortage of agricultural labor caused by population aging.

Keywords：

agricultural mechanization; rural population aging; agricultural labor force; substitution capacity; temporal deduction

0 引言

隨著我國生育降低以及預(yù)期壽命的延長，人口老齡化問題對我國經(jīng)濟社會發(fā)展產(chǎn)生深遠而持久的影響［1］，尤其是在農(nóng)業(yè)生產(chǎn)領(lǐng)域，傳統(tǒng)農(nóng)業(yè)生產(chǎn)的高風(fēng)險、低回報的產(chǎn)業(yè)特性，本就使得農(nóng)業(yè)生產(chǎn)并不適合承載過多勞動力，對勞動力吸引能力較弱，勞動群體老齡化特征明顯［2］，而人口自然老齡化的加劇，又會造成勞動力要素價格的提高以及勞動群體老齡化程度的加深，進一步對農(nóng)業(yè)生產(chǎn)產(chǎn)生消極影響。然而，我國畢竟是一個體量超過14億的人口大國，糧食安全問題始終是社會長治久安、經(jīng)濟平穩(wěn)發(fā)展的頭等大事。維持一定規(guī)模的農(nóng)業(yè)生產(chǎn)經(jīng)營活動是十分有必要的。而農(nóng)業(yè)機械化的推廣普及則能夠完美地兼顧到二者的需要，較為精準(zhǔn)地處理好農(nóng)業(yè)勞動力不足帶來的桎梏，實現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)高質(zhì)量的發(fā)展?；诖耍疚膹霓r(nóng)村人口老齡化視角出發(fā)，探究農(nóng)業(yè)機械對農(nóng)業(yè)勞動力替代能力，解答農(nóng)業(yè)機械化能否解決農(nóng)業(yè)勞動力短缺問題。

農(nóng)業(yè)機械對農(nóng)業(yè)勞動力的替代問題在近幾年已吸引學(xué)界廣泛關(guān)注。黃瑪蘭等［3］采用超越對數(shù)生產(chǎn)函數(shù)法，測算出機械與勞動力替代彈性。鄭晶等［4］通過動態(tài)面板模型，研究分析得到農(nóng)業(yè)機械化可以通過勞動力轉(zhuǎn)移的遮掩效應(yīng)對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生影響。鄭旭媛等［5］研究發(fā)現(xiàn)平原地區(qū)耕地坡度低、機械易于替代勞動是其機械化進程快于丘陵山區(qū)的重要原因。已上研究均表明：農(nóng)業(yè)機械能夠替代農(nóng)業(yè)勞動力。但是對于農(nóng)業(yè)機械是通過何種方式對勞動力產(chǎn)生替代作用？學(xué)界主要形成以下兩種觀點：第一種觀點認(rèn)為，農(nóng)業(yè)機械可以通過提高農(nóng)業(yè)生產(chǎn)效率的方式，促進農(nóng)業(yè)勞動力從農(nóng)業(yè)部門向非農(nóng)部門轉(zhuǎn)移［6］，另一種觀點認(rèn)為，農(nóng)業(yè)機械能夠替代人畜力，進行土地整理、播種等工作，減輕勞動強度，提升農(nóng)業(yè)生產(chǎn)能力和專業(yè)化水平［7］。

盡管絕大部分學(xué)者均認(rèn)識到我國農(nóng)業(yè)未來可能出現(xiàn)的勞動力短缺問題［810］，但對于現(xiàn)階段我國農(nóng)業(yè)是否存在勞動力短缺，學(xué)界對此尚存爭議：項繼權(quán)等［11］基于我國快速的工業(yè)化和城鎮(zhèn)化進程，指出“農(nóng)村空心化”、“農(nóng)業(yè)邊緣化”和“農(nóng)民老齡化”是新時期的“新三農(nóng)問題”。施庚宏等［12］運用固定時期勞均耕地面積法對2019年我國農(nóng)業(yè)勞動力剩余的存量及比率進行測算，發(fā)現(xiàn)2019年我國農(nóng)業(yè)勞動力剩余存量為347.12萬人。對于我國農(nóng)業(yè)勞動力短缺的原因，學(xué)者們的研究主要集中于以下三個方面：一是人口在城鄉(xiāng)之間的流動。二是生育降低、預(yù)期壽命延長帶來的人口老齡化。三是農(nóng)業(yè)技術(shù)進步可能對農(nóng)業(yè)勞動力產(chǎn)生的“擠出效應(yīng)”［1315］。然而事實上，人口流動趨勢與農(nóng)業(yè)技術(shù)進步速度充滿著不確定性因素，且難以預(yù)測?？茖W(xué)技術(shù)的進步充滿著大量不確定性，農(nóng)業(yè)技術(shù)進步能在多大程度上緩解農(nóng)業(yè)勞動力短缺是一個難以預(yù)測的內(nèi)容。而我國未來人口老齡化的趨勢已成學(xué)界共識［16， 17］。

綜上所述，以上文獻為本文的研究打下了一定的理論基礎(chǔ)。然而，對于農(nóng)業(yè)機械能否解決農(nóng)村人口老齡化帶來的農(nóng)業(yè)勞動力短缺問題的研究則較為少見。據(jù)此，本文從農(nóng)村人口老齡化視角出發(fā)，采用交互固定效應(yīng)模型和ARIMA預(yù)測模型，對三個方面的問題展開探討：一是研判農(nóng)業(yè)機械對農(nóng)業(yè)勞動力力是否存在替代作用？替代作用的強度有多大？二是從農(nóng)村人口老齡化視角出發(fā)，判斷我國當(dāng)前農(nóng)業(yè)勞動力是否短缺？亦或預(yù)測我國未來農(nóng)業(yè)勞動力的需求是否會出現(xiàn)缺口，且缺口的數(shù)額有多大？最后，通過對我國未來農(nóng)業(yè)機械化水平的預(yù)測，結(jié)合前兩個方面的研究成果，嘗試對“農(nóng)業(yè)機械化可以解決農(nóng)業(yè)勞動力短缺問題嗎？—基于農(nóng)村人口老齡化的視角”進行解答，并就此提出相應(yīng)的政策建議。

1 理論基礎(chǔ)

本文參考劉駿等的做法［18］，構(gòu)建如式（1）所示的農(nóng)業(yè)機械和農(nóng)業(yè)勞動力相互替換的生產(chǎn)函數(shù)。

Yit=Ait（Lit+μRit）α1Kitα2Titα3

0lt;α1、α2、α3lt;1； α1+α2+α3=1

（1）

式中：

Y——農(nóng)業(yè)總產(chǎn)出；

i——某一地區(qū)；

t——某一年份；

A——技術(shù)水平；

L——農(nóng)業(yè)勞動力投入的數(shù)量，萬人；

R——

農(nóng)業(yè)機械投入的總動力，104 kW；

T——農(nóng)用土地投入數(shù)量；

u——

農(nóng)業(yè)機械對農(nóng)業(yè)勞動力的替代能力；

K——農(nóng)業(yè)資本存量；

α1——

農(nóng)業(yè)機械與農(nóng)業(yè)勞動力之間的生產(chǎn)替代彈性；

α2——

農(nóng)業(yè)資本對農(nóng)業(yè)生產(chǎn)的產(chǎn)出彈性；

α3——土地對農(nóng)業(yè)生產(chǎn)的產(chǎn)出彈性。

為使模型能夠使用計量軟件，本文對式（1）進行處理得到式（2）。

lnYit=

lnAit+α1lnLit+α1lnuRitLit+1+

α2lnKit+α3lnTit

（2）

利用泰勒公式對模型進行處理，可得式（3）。

lnYit≈

lnAit+α1lnLit+μα1RitLit+

α2lnKit+α3lnTit

（3）

化簡可以得到式（4）。

lnYit=

λ0+β1RitLit+β2lnLit+

β3lnKit+β4lnTit+εit

（4）

式中：

λ0——與技術(shù)水平相關(guān)的控制變量。

其中β1=uα1，β2=α1，即u=β1/β2，β3、β4分別是指農(nóng)業(yè)資本、土地對農(nóng)業(yè)生產(chǎn)的產(chǎn)出彈性。本文通過測算出β1與β2，進而間接測算出u值。ε指隨機誤差項?？紤]到農(nóng)業(yè)機械的應(yīng)用與推廣屬于技術(shù)層面的變化，因此，需要對控制變量λ0進行分解，分解為農(nóng)業(yè)機械和其他技術(shù)進步，可得式（5）。

lnYit=

λ1+λ2lnRit+β1RitLit+β2lnLit+

β3lnKit+β4lnTit+εit

（5）

2 農(nóng)業(yè)機械替代能力的實證研究

2.1 樣本選擇與數(shù)據(jù)來源

本文選取2004—2020年我國31個?。ㄊ?、自治區(qū)）相關(guān)面板數(shù)據(jù)進行實證研究，數(shù)據(jù)來自《中國農(nóng)村統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》《中國統(tǒng)計年鑒》以及各省統(tǒng)計年鑒及相關(guān)統(tǒng)計資料。

2.2 模型設(shè)計和變量說明

為了估計農(nóng)業(yè)機械對農(nóng)業(yè)勞動力的替代能力，依據(jù)理論基礎(chǔ)部分的結(jié)論，如式（6）所示。

lnOutputit=

λ1+λ2lnM_powerit+

β1M_densityit+β2lnLaborit+

β3lnCapitalit+β4lnLandit+

∑βjXijt+εit+ui+et

（6）

式中：

λ、β——模型參數(shù)；

M_power——農(nóng)機總動力，104 kW；

M_dendity——農(nóng)業(yè)機械密度，kW/人；

Labor——農(nóng)業(yè)勞動力人數(shù)，萬人；

Capital——農(nóng)業(yè)資本數(shù)量，億元；

Land——農(nóng)用土地投入數(shù)量，khm2；

X——本文的控制變量；

ui——省份固定效應(yīng)；

et——時間固定效應(yīng)。

考慮到雙向固定效應(yīng)的做法比較柔性，無法解決那些既隨時間變化又隨個體變化的不可觀測變量帶來的內(nèi)生性問題，造成模型估計結(jié)果并不十分準(zhǔn)確。因此本文參考Bai［19］的研究，在雙向固定效應(yīng)模型中進一步加入省份和年度的交互固定效應(yīng)，模型如式（7）所示。

lnOutputit=

λ1+λ2lnM_powerit+

β1M_densityit+β2lnLaborit+

β3lnCapitalit+β4lnLandit+

∑βjXijt+εit+ui+et+λTiFt

（7）

式中：

Ft——共同因子；

λTi——因子載荷。

被解釋變量：參考尹朝靜等［20］的做法，以農(nóng)業(yè)生產(chǎn)總值的對數(shù)（億元）作為農(nóng)業(yè)總產(chǎn)出的代理變量（lnOutput）。核心解釋變量：農(nóng)業(yè)勞動力人數(shù)的對數(shù)（lnL）、農(nóng)業(yè)機械密度（M_density）：基于單位勞動力所擁有的農(nóng)業(yè)機械總動力，其中農(nóng)業(yè)勞動力人數(shù)用第一產(chǎn)業(yè)勞動力人數(shù)（萬人）衡量。非核心解釋變量：農(nóng)業(yè)資本數(shù)量的對數(shù)（lnCapital）、農(nóng)業(yè)機械總動力的對數(shù)（lnM_power）、農(nóng)用土地投入數(shù)量的對數(shù)（lnLand）?？刂谱兞浚嚎紤]到化肥施用量以及農(nóng)藥使用量等均包含在農(nóng)業(yè)資本中，故本文選取了以下控制變量：農(nóng)村用電量（power）、農(nóng)村人力資本水平（rhc）、農(nóng)作物受災(zāi)面積（cwa）以及農(nóng)村人口老齡化率（poe）。變量說明如表1所示。

=

2.3 基本回歸結(jié)果

為防止異方差對本文實證檢驗結(jié)果的干擾，本文分別對控制變量農(nóng)村用電量（power）以及農(nóng)作物受災(zāi)面積（cwa）進行對數(shù)化處理。為說明模型中加入交互固定效應(yīng)的必要性，在表2中展示隨機效應(yīng)、時間效應(yīng)、個體固定效應(yīng)以及雙向固定效應(yīng)模型回歸結(jié)果。

如表2所示，模型1到模型4依次為隨機效應(yīng)、年份固定效應(yīng)、省份固定效應(yīng)以及雙向固定效應(yīng)模型，盡管使用雙向固定效應(yīng)模型使得模型擬合優(yōu)度有所上升，但回歸結(jié)果仍與預(yù)期不符，故嘗試在此基礎(chǔ)上加入省份與年份的交互固定效應(yīng)，回歸結(jié)果如表3所示。

如表3所示，在雙向固定效應(yīng)模型中加入交互固定效應(yīng)后，再通過逐漸增加控制變量的方法對模型進行回歸分析，所得回歸結(jié)果均與預(yù)期相符，且模型擬合優(yōu)度有所提高，說明模型中確有存在既隨時間變化又隨個體變化的不可觀測變量所帶來的內(nèi)生性問題，模型選擇較為合理。控制變量農(nóng)村用電量前的系數(shù)與農(nóng)村人力資本水平前的系數(shù)均顯著為正，農(nóng)作物受災(zāi)面積前的系數(shù)顯著為負(fù)，說明農(nóng)村用電量與農(nóng)村人力資本水平的提高均有利于農(nóng)業(yè)生產(chǎn)，而農(nóng)作物受災(zāi)面積的擴大卻不利于農(nóng)業(yè)生產(chǎn)，這一結(jié)果與現(xiàn)實情況完全相符。由理論式（3）、式（4）可知：u=β1/β2，則可計算出u的取值范圍為0.116 9～0.123 9，即10000kW的農(nóng)業(yè)機械每年能夠取代大約1 169～1 239個農(nóng)業(yè)勞動力。

3 農(nóng)村人口老齡化對農(nóng)業(yè)勞動力數(shù)量影響的實證研究

3.1 我國農(nóng)村剩余勞動力數(shù)量的估計

為探究我國農(nóng)業(yè)勞動力是否短缺？在何時短缺？首先要測算出現(xiàn)階段我國農(nóng)業(yè)勞動力的過剩值。農(nóng)業(yè)機械對農(nóng)業(yè)勞動的替代更多地體現(xiàn)在工作時長的減少和工作效率的提高，考慮工作時長減少帶來的農(nóng)業(yè)剩余勞動力可能更加符合本文的需要。因此，本文參考王檢貴等［21］的相關(guān)研究成果，采用古典測算方法測算我國2020年農(nóng)業(yè)剩余勞動力的數(shù)量。古典法盡管存在著數(shù)據(jù)可得性差、計算過程復(fù)雜等弊端，但可行性和可信度均高于新古典經(jīng)濟學(xué)估算方法和標(biāo)準(zhǔn)結(jié)構(gòu)比較估算法［22］。

假設(shè)農(nóng)業(yè)部門生產(chǎn)函數(shù)為

Y=F（L，A，B，C，D…）

（8）

其中，A、B、C、D…表示化肥、農(nóng)藥、土地、資本等其他要素投入。

t=T/L

（9）

式中：

t——

每個農(nóng)業(yè)勞動力平均工作日數(shù)；

T——

農(nóng)業(yè)生產(chǎn)過程中總的勞動投入日數(shù)。

一般認(rèn)為，農(nóng)民每年合理的工作負(fù)荷為270個工作日，可得農(nóng)業(yè)生產(chǎn)實際需要的勞動力數(shù)量

L0=T/270

（10）

由此可得，實際需要農(nóng)業(yè)勞動力數(shù)量與農(nóng)業(yè)勞動力數(shù)量比值

L0/L=（T/270）/L=T/L/270=t/270

（11）

則農(nóng)業(yè)剩余勞動力數(shù)量占現(xiàn)存農(nóng)業(yè)勞動力的比重

r=1－（L0/L）=1－t/270

（12）

則我國農(nóng)業(yè)剩余勞動力數(shù)量

L1=r×L=（1－t/270）×L

（13）

由式（13）可知，農(nóng)業(yè)勞動力數(shù)量以及每個農(nóng)業(yè)勞動力平均工作日數(shù)，即可算出我國農(nóng)業(yè)剩余勞動力數(shù)量。本文參考全國農(nóng)村固定觀察點調(diào)查數(shù)據(jù)，并咨詢相關(guān)學(xué)者的意見，推斷出2020年我國農(nóng)業(yè)勞動力平均工作日數(shù)為265天，根據(jù)2021年各省市統(tǒng)計年鑒數(shù)據(jù)顯示：2020年我國農(nóng)業(yè)勞動力總數(shù)為17727.31萬人，則我國2020年農(nóng)業(yè)剩余勞動力數(shù)量為328.2835萬人。

3.2 我國農(nóng)村人口老齡化對農(nóng)業(yè)勞動力數(shù)量的影響研究

國際上一般把15～64歲列為勞動年齡人口，而我國規(guī)定男子16～60周歲，女子為16～50周歲，考慮到我國農(nóng)民一生勞作時間較長，因此本文將15～64歲的農(nóng)村人口列為農(nóng)業(yè)勞動年齡人口。人口老齡化是造成我國未來勞動力不足的重要原因［23］。因此，為探究農(nóng)村人口老齡化對農(nóng)業(yè)勞動力數(shù)量供給的影響，本文對此做實證分析。

如表4所示，2020年農(nóng)村人口年齡結(jié)構(gòu)是基于抽樣調(diào)查的結(jié)果，相較于統(tǒng)計戶籍人口，在農(nóng)村地區(qū)抽樣調(diào)查能夠去除掉戶籍在農(nóng)村，卻定居于城鎮(zhèn)的樣本對數(shù)據(jù)的干擾?；?020年農(nóng)村人口年齡結(jié)構(gòu)數(shù)據(jù)，以2020年為基期，通過時間演繹的方法，避開農(nóng)業(yè)勞動力轉(zhuǎn)移等其他因素對農(nóng)業(yè)勞動力數(shù)量的影響，僅研究隨時間變化，即人口自然老齡化，對農(nóng)業(yè)勞動力數(shù)量的影響。以5年為一個時間跨度，分別推算出2025年、2030年以及2035年農(nóng)村各年齡層人數(shù)占比。

首先本文做出如下假定。

假定1：農(nóng)村適齡人口（即15～64歲）數(shù)量與農(nóng)業(yè)勞動力數(shù)量相一致，即本文認(rèn)為這兩個群體之間存在高度重疊。事實上我國農(nóng)業(yè)勞動力群體的主體部分也均來源于農(nóng)村適齡人口。

假定2：不考慮農(nóng)村勞動力轉(zhuǎn)移對預(yù)測結(jié)果的影響。當(dāng)前我國正面臨著推進新型城鎮(zhèn)化與實施鄉(xiāng)村振興戰(zhàn)略舉措并行的現(xiàn)狀，人口未來的流動方向，學(xué)界至今尚未達成基本一致的認(rèn)識。但是針對未來可能出現(xiàn)的人口自然老齡化問題，基于現(xiàn)有生育水平和人口結(jié)構(gòu)，學(xué)界對此已基本達成共識。

假設(shè)基期15～65歲農(nóng)業(yè)勞動力數(shù)量占農(nóng)村總?cè)丝诒戎貫間，10～14歲占比為g1，60～64歲占比為g2。

則5年后農(nóng)業(yè)勞動力數(shù)量比重可以表示為

g0=g+g1－g2

（14）

依次類推，可以分別求出10年后以及15年后的農(nóng)村適齡勞動力數(shù)量占2020年農(nóng)村總?cè)丝谥械谋戎亍?/p>

如表4所示，2020年我國農(nóng)村適齡勞動人口占比為63.01%，而2025年、2030年以及2035年農(nóng)村適齡勞動力人口占比分別為63.89%、62.58%、58.55%，相較于2020年，分別上升0.88%以及下降0.43%、4.46%。再以2020年農(nóng)業(yè)勞動人口數(shù)量作為基數(shù)，則可測算出2025年、2030年以及2035年的農(nóng)業(yè)勞動力數(shù)量分別為2020年的101.40%、99.32%以及92.92%。勞動力剩余數(shù)量分別為：576.4658萬人、207.7378萬人以及-926.8100萬人，也就是說，在不考慮其他相關(guān)要素改變的情況下，最遲到2030—2035年，我國農(nóng)業(yè)勞動力就存在不足，而這還是尚未考慮到農(nóng)業(yè)勞動力轉(zhuǎn)移對此可能產(chǎn)生的沖擊。而根據(jù)本文的相關(guān)研究可知，這大概需要74803.067～79282.293kW的農(nóng)業(yè)機械的替換。

4 我國農(nóng)業(yè)機械化總動力的預(yù)測分析

4.1 時間序列觀察

在經(jīng)典的回歸模型中，主要是通過回歸分析來建立不同變量之間的函數(shù)關(guān)系（因果關(guān)系），以考察事物之間的聯(lián)系。然而農(nóng)業(yè)機械總動力受較多因素影響，且各地區(qū)間的經(jīng)濟發(fā)展水平、地理自然條件存在差異，對農(nóng)業(yè)機械總動力水平的影響差異較大，將所有相關(guān)因素統(tǒng)一在同一模型之下，難度較大且沒有必要。因此，本文參考李志超等［24］的做法，采用ARIMA模型對我國農(nóng)業(yè)機械化水平進行預(yù)測。時間序列模型必須是平穩(wěn)性序列才能建立計量模型。

如圖1所示，除2015—2016年外，我國2004—2020年農(nóng)業(yè)機械總動力序列{m_powert}呈明顯上升趨勢。根據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，造成這一結(jié)果的原因主要是小型農(nóng)機具保有量減少導(dǎo)致。

均值E（m_powert）、方差Var（m_powert）、相關(guān)性Cov（m_powert， m_powert-s）與時間t存在高度線性相關(guān)，時間序列{m_powert}非平穩(wěn)，其中s表示省份，因此，本文對時間序列{m_powert}進行平穩(wěn)性檢驗。結(jié)果如表5所示，原始序列{m_powert}未能通過單位根檢驗，而經(jīng)過一階差分處理后，序列{d_m_powert}的ADF單位根檢驗結(jié)果顯著性水平小于5%，時間序列穩(wěn)定。

4.2 滯后階數(shù)p和q的確定

將一階差分后的{d_m_powert}序列做自相關(guān)和偏自相關(guān)，結(jié)果如圖2、圖3所示。

由一階差分序列ACF圖和PACF圖可知：一階差分序列{d_m_powert}自相關(guān)與偏自相關(guān)均無明顯特征，考慮到原始序列有著較為明顯的線性增長趨勢，p值與q值不可能太大。本文從ARIMA（0，1，0）開始，逐一選取模型ARIAM（1，1，0）、ARIAM（0，1，1）、ARIMA （1，1，1），之后通過赤池信息量準(zhǔn)則，選取最優(yōu)模型，檢驗結(jié)果如表6所示。

通過比較AIC與BIC值可知，模型ARIMA（0，1，0）的擬合效果最佳，故本文采用模型ARIMA（0，1，0），由此可以得到方程（15）。

yt－yt－1=2 494.663

（15）

由式（15）可知，從2004—2020年，我國農(nóng)業(yè)機械化總動力以每年24946630kW的速度增長。截止到2035年，我國會存在大約7.480×107～7.928×107kW農(nóng)機缺口，實際上我國農(nóng)業(yè)機械的發(fā)展如保持上述增速的話，只需要到2024年就能補齊這一缺口，當(dāng)然考慮到農(nóng)機增速不可能一直保持如此速度增長，2024年農(nóng)機總動力實際水平較預(yù)測水平會有所下降，但考慮到農(nóng)機發(fā)展存在一定的慣性，且2020—2024年時間跨度較短，預(yù)測與實際偏差不會較大，且農(nóng)機的發(fā)展存在2024—2035年長達11年的時間窗口，足夠補齊這存在的偏差。

綜上所述，可以得出結(jié)論：至少到2035年，隨著我國農(nóng)業(yè)機械總動力的增長，在不考慮其他影響農(nóng)業(yè)勞動力變化的因素下，我國將不存在由人口老齡化造成的農(nóng)業(yè)勞動力短缺。

5 結(jié)論與政策建議

隨著我國生育降低以及預(yù)期壽命的延長，一個無法忽視的事實：我國未來農(nóng)業(yè)生產(chǎn)恐怕難以保持現(xiàn)有的勞動力數(shù)量規(guī)模，農(nóng)業(yè)勞動力數(shù)量的減少和勞動力群體的老齡化極大可能在不遠的將來成為現(xiàn)實，而造成這一現(xiàn)狀的一個關(guān)鍵因素就在于人口的老齡化，因此，本文基于我國31個省市2004—2020年的省級面板數(shù)據(jù)，從農(nóng)業(yè)機械對農(nóng)業(yè)勞動力替代能力視角出發(fā)，采用交互固定效應(yīng)模型，提出衡量農(nóng)業(yè)機械替代能力的估計方法，之后分別通過古典經(jīng)濟學(xué)測算方法、時間演繹法、ARIMA預(yù)測模型，對我國農(nóng)業(yè)剩余勞動力以及農(nóng)業(yè)機械化水平進行預(yù)測。

1） 我國農(nóng)業(yè)機械對農(nóng)業(yè)勞動力的替代能力為：10 000kW的農(nóng)業(yè)機械每年能夠取代大約1169～1239個農(nóng)業(yè)勞動力。

2） 2020年我國農(nóng)業(yè)勞動力剩余量為328.2835萬人、而2025年、2030年以及2035年，則分別為576.4658萬人、207.7378萬人以及-926.8100萬人。

3） 截止2035年，我國大約需要2.495×107kW的農(nóng)業(yè)機械的補充。

4） 我國農(nóng)業(yè)機械總動力水平大致以每年增加7.480×107～7.928×107 kW的速度增長，預(yù)計到2035年我國農(nóng)業(yè)機械總動力會增加3.742×107kW；農(nóng)業(yè)機械化的增長能夠彌補人口老齡化帶來的農(nóng)業(yè)勞動力短缺。

我國自2016年全面放開二孩，到2021年實施三孩政策以來，人口生育水平只是在政策剛實行階段實現(xiàn)逆勢增長，之后就掉頭直下，出生率下降趨勢并未得到根本逆轉(zhuǎn)，學(xué)界對此普遍存在擔(dān)憂。然而，正如馬爾薩斯人口理論擔(dān)心人口爆炸式增長對一國發(fā)展的影響一樣，本文的實證結(jié)果表明，我國人口老齡化問題并不會造成農(nóng)業(yè)生產(chǎn)出現(xiàn)勞動力短缺，恰恰相反，在未來，極有可能隨著農(nóng)業(yè)機械化水平的提高以及新農(nóng)機裝備的出現(xiàn)，農(nóng)業(yè)生產(chǎn)不需要如此多的勞動力，人口老齡化在供給端層面對于農(nóng)業(yè)生產(chǎn)的影響較小。基于以上研究結(jié)論，本文提出政策建議：與其擔(dān)憂人口老齡化會通過勞動力供給進而對農(nóng)業(yè)生產(chǎn)產(chǎn)生影響，不如回歸生產(chǎn)的本質(zhì)，從技術(shù)角度解決生產(chǎn)要素投入組合的變化對農(nóng)業(yè)生產(chǎn)的影響，大力支持農(nóng)業(yè)生產(chǎn)的機械化和智能化，努力提高農(nóng)業(yè)生產(chǎn)效率。

參 考 文 獻

［1］馬駿， 沈坤榮. 中國人口老齡化對經(jīng)濟發(fā)展的影響機制及對策研究［J］. 浙江工商大學(xué)學(xué)報， 2021（4）： 72-83.

［2］應(yīng)瑞瑤， 徐斌. 農(nóng)戶采納農(nóng)業(yè)社會化服務(wù)的示范效應(yīng)分析——以病蟲害統(tǒng)防統(tǒng)治為例［J］. 中國農(nóng)村經(jīng)濟， 2014（8）： 30-41.

［3］黃瑪蘭， 李曉云， 游良志. 農(nóng)業(yè)機械與農(nóng)業(yè)勞動力投入對糧食產(chǎn)出的影響及其替代彈性［J］. 華中農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版）， 2018（2）： 37-45， 156.

Huang Malan， Li Xiaoyun， You Liangzhi. The impact of agricultural machinery and agricultural labor investment on grain production and its elasticity of substitution ［J］. Journal of Huazhong Agricultural University （Social Science Edition）， 2018（2）： 37-45， 156.

［4］鄭晶， 高孟菲. 農(nóng)業(yè)機械化、農(nóng)村勞動力轉(zhuǎn)移對農(nóng)業(yè)全要素生產(chǎn)率的影響研究——基于中國大陸31個?。ㄊ?、自治區(qū)）面板數(shù)據(jù)的實證檢驗［J］. 福建論壇（人文社會科學(xué)版）， 2021（8）： 59-71.

［5］鄭旭媛， 徐志剛. 資源稟賦約束、要素替代與誘致性技術(shù)變遷——以中國糧食生產(chǎn)的機械化為例［J］. 經(jīng)濟學(xué)， 2016， 16（1）： 45-66.

［6］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.

［7］Cao R， Li S， Ji Y， et al. Task assignment of multiple agricultural machinery cooperation based on improved ant colony algorithm ［J］. Computers and Electronics in Agriculture， 2021， 182： 105993.

［8］錢龍， 洪名勇. 非農(nóng)就業(yè)、土地流轉(zhuǎn)與農(nóng)業(yè)生產(chǎn)效率變化——基于CFPS的實證分析［J］. 中國農(nóng)村經(jīng)濟， 2016（12）： 2-16.

［9］姜長云. 關(guān)于發(fā)展農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)的思考［J］. 農(nóng)業(yè)經(jīng)濟問題， 2016， 37（5）： 8-1， 110.

［10］方師樂， 衛(wèi)龍寶， 伍駿騫. 農(nóng)業(yè)機械化的空間溢出效應(yīng)及其分布規(guī)律——農(nóng)機跨區(qū)服務(wù)的視角［J］. 管理世界， 2017（11）： 65-78， 187-188.

［11］項繼權(quán)， 周長友. “新三農(nóng)”問題的演變與政策選擇［J］. 中國農(nóng)村經(jīng)濟， 2017（10）： 13-25.

［12］施庚宏， 施本植. 我國農(nóng)業(yè)勞動力剩余測度及其影響因素分析［J］. 湖北社會科學(xué)， 2021（4）： 49-56.

［13］廖柳文， 龍花樓， 馬恩樸. 鄉(xiāng)村勞動力要素變動與耕地利用轉(zhuǎn)型［J］. 經(jīng)濟地理， 2021， 41（2）： 148-155.

［14］宋浩楠， 欒敬東， 張士云， 等. 土地細(xì)碎化、多樣化種植與農(nóng)業(yè)生產(chǎn)技術(shù)效率——基于隨機前沿生產(chǎn)函數(shù)和中介效應(yīng)模型的實證研究［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟， 2021（2）： 18-29.

Song Haonan， Luan Jingdong， Zhang Shiyun， et al. Land fragmentation， production diversification and agricultural production technical efficiency ［J］. Agricultural Technology and Economy， 2021（2）： 18-29.

［15］陳秧分， 王國剛， 孫煒琳. 鄉(xiāng)村振興戰(zhàn)略中的農(nóng)業(yè)地位與農(nóng)業(yè)發(fā)展［J］. 農(nóng)業(yè)經(jīng)濟問題， 2018 （1）： 20-26.

［16］汪偉， 艾春榮. 人口老齡化與中國儲蓄率的動態(tài)演化［J］. 管理世界， 2015（6）： 47-62.

［17］齊鵬. 農(nóng)村養(yǎng)老服務(wù)長效機制的構(gòu)建［J］. 中州學(xué)刊， 2019（5）： 72-79.

［18］劉駿， 劉濤雄， 謝康. 機器人可以緩解老齡化帶來的中國勞動力短缺問題嗎？［J］. 財貿(mào)經(jīng)濟， 2021， 42（8）： 145-160.

［19］Bai J. Panel data models with interactive fixed effects ［J］. Econometrica， 2009， 77（4）： 1229-1279.

［20］尹朝靜， 李谷成， 范麗霞， 等. 氣候變化、科技存量與農(nóng)業(yè)生產(chǎn)率增長［J］. 中國農(nóng)村經(jīng)濟， 2016（5）： 16-28.

［21］王檢貴， 丁守海. 中國究竟還有多少農(nóng)業(yè)剩余勞動力［J］. 中國社會科學(xué)， 2005（5）： 27-35， 204-205.

［22］孔祥智. 我國農(nóng)業(yè)勞動力數(shù)量和勞動生產(chǎn)率估算［J］. 改革， 2019， 303（5）： 38-47.

［23］陳衛(wèi). 國際視野下的中國人口老齡化［J］. 北京大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2016， 53（6）： 82-92.

Chen Wei. China’s population ageing from an international perspective ［J］. Journal of Peking University （Philosophy and Social Sciences）， 2016， 53（6）： 82-92.

［24］李志超， 劉升. 基于ARIMA模型、灰色模型和回歸模型的預(yù)測比較［J］. 統(tǒng)計與決策， 2019， 35（23）： 38-41.