中國地區(qū)農(nóng)業(yè)技術進步及其影響因素的空間計量分析

熊德斌+賈振杰+王鑫鑫

摘要：文章在文獻分析的基礎上，建立了農(nóng)業(yè)技術進步影響因素的空間計量模型，并運用1978～2015年大陸31個省、市、自治區(qū)的數(shù)據(jù)進行實證研究。文章以農(nóng)業(yè)機械化使用情況來衡量技術進步，首先，運用MoranI指數(shù)證明我國農(nóng)業(yè)機械化存在空間相關性，其次，對各變量進行LM檢驗，從而選擇適合研究對象的空間誤差模型（SEM）；然后，運用豪斯曼檢驗確定模型使用效果較好的固定效應；最后，用聚類穩(wěn)健的標準誤得到模型估計結果。結果表明：1.農(nóng)業(yè)從業(yè)勞動力對機械化的影響不顯著，土地投入、農(nóng)民人均純收入、人均糧食產(chǎn)量、產(chǎn)業(yè)結構均顯著；2.土地投入、農(nóng)民人均純收入、人均糧食產(chǎn)量對農(nóng)業(yè)機械化有正向影響，產(chǎn)業(yè)結構的影響系數(shù)為負，并且土地投入對農(nóng)業(yè)機械化的影響最大，彈性系數(shù)為1.065；3.空間自相關系數(shù)λ為0.584，通過1%的顯著性檢驗，與MoranI指數(shù)一致表明農(nóng)業(yè)機械化存在空間正相關性。

關鍵詞：中國；農(nóng)業(yè)機械化；空間計量

一、引言

隨著國民經(jīng)濟的高速發(fā)展，我國農(nóng)業(yè)生產(chǎn)水平持續(xù)提升，伴隨著農(nóng)業(yè)機械化水平不斷提高，投入農(nóng)業(yè)生產(chǎn)的各要素的產(chǎn)出效率也得到提升。農(nóng)業(yè)機械化對生產(chǎn)要素的投入結構尤為重要?！笆濉鞭r(nóng)業(yè)現(xiàn)代化總體規(guī)劃指出，逐步實現(xiàn)農(nóng)業(yè)科技進步貢獻率、主要農(nóng)作物耕種收綜合機械化率分別達到56%和63%，基于不同地區(qū)的資源稟賦差異，如何在促進技術進步的同時，提高農(nóng)業(yè)機械化水平成為迫切要解決的問題?；谥袊魇》莶煌牡貏莸匦巍①Y源稟賦等，省域農(nóng)業(yè)機械化水平有較大差異，最明顯的影響農(nóng)業(yè)機械化水平的因素是耕種土地的破碎程度，特別是山地農(nóng)業(yè)，使用大型機械最為困難。在推進農(nóng)業(yè)機械化的進程中，分析相關因素的影響程度，并提出具體的改進措施，成為了眾學者研究的熱點問題。在分析農(nóng)業(yè)機械化問題時，由于各省都有不同的發(fā)展水平，省域之間各因素相互獨立的假設前提不再適用，各省份之前的相鄰效應、溢出效應有著不可忽視的作用。

基于我國農(nóng)業(yè)機械化發(fā)展的迫切需要，本文選取全國31各?。ㄊ校﹨^(qū)1978～2015年的相關數(shù)據(jù)，使用空間計量的方法，探討各因素對農(nóng)業(yè)機械化進程的影響，揭示影響作用的同時，體現(xiàn)省域之間的空間相關關系。

二、理論基礎

對農(nóng)業(yè)機械化的影響，最被人們熟知的就是地勢地形、耕地塊數(shù)以及耕地破碎程度。較多山地地區(qū)的可耕種土地較少，甚至被分割成很多塊，造成土地破碎化。相比平原地區(qū)，這些地方的機械化水平明顯要低，推廣機械化的路徑就只有研發(fā)適合山地資源稟賦的小型機械。另一方面，隨著勞動力成本上升，非農(nóng)就業(yè)機會增多，農(nóng)民不愿再從事農(nóng)業(yè)種植，那么愿意從事農(nóng)業(yè)生產(chǎn)的少部分農(nóng)戶擁有的可耕地增多，原來以勞動為主的生產(chǎn)方式已經(jīng)不再適用，那么這在一定程度也會增加機械化的使用。對于農(nóng)戶自身來說，隨著生活水平的提高，農(nóng)戶的生產(chǎn)偏好有所改變，不愿意在農(nóng)業(yè)生產(chǎn)中投入更多的勞動，更愿意由機械來完成，并且機械化投入大大節(jié)約了農(nóng)民的生產(chǎn)成本。隨著農(nóng)民收入的增多，家庭有更多的可支配收入來購買農(nóng)業(yè)機械。農(nóng)民收入很大一部分來自糧食產(chǎn)量，而糧食產(chǎn)量的提高，促使農(nóng)戶愿意投入更多的資金購買農(nóng)業(yè)機械。不同地區(qū)產(chǎn)業(yè)結構的分布也會影響此產(chǎn)業(yè)的生產(chǎn)經(jīng)營方式，農(nóng)業(yè)產(chǎn)值占GDP比重越大，則農(nóng)業(yè)受相關政策的支持越利好，如購買農(nóng)用機械補貼，糧食補貼等，政府也會通過提升機械化水平，進而提升農(nóng)業(yè)總產(chǎn)值，使國民經(jīng)濟得到更好進展。另外，農(nóng)業(yè)機械化也受科技進步、工業(yè)化程度等方面的影響。

基于投入要素和農(nóng)戶的視角，本文從勞動力、土地投入、農(nóng)民人均純收入、人均糧食產(chǎn)量、產(chǎn)業(yè)結構這五個方面對農(nóng)業(yè)機械化水平的影響來分析，探索各因素對農(nóng)業(yè)機械化的影響程度，以及透過省域數(shù)據(jù)，呈現(xiàn)機械化水平的空間相關性，對現(xiàn)狀的農(nóng)業(yè)機械化水平做合理分析，為農(nóng)業(yè)技術進步的提升提供參考。

三、研究方法、變量及數(shù)據(jù)來源

（一）研究方法

空間計量經(jīng)濟學誕生于20世紀70年代，它是在做經(jīng)濟計量的橫截面或面板數(shù)據(jù)的基礎上，增加空間數(shù)據(jù)，通常這種空間數(shù)據(jù)用空間權重矩陣的形式出現(xiàn)?？臻g權重矩陣可以是橫截面單位的位置或距離信息，也可以是經(jīng)濟距離。在經(jīng)濟學中，許多經(jīng)濟數(shù)據(jù)都與地理位置相關，比如用來描述中國各省的經(jīng)濟發(fā)展狀況的相關數(shù)據(jù)，都與其空間位置有關。空間因素的加入，使空間計量經(jīng)濟學更準確的說明經(jīng)濟區(qū)域發(fā)展關聯(lián)程度。

在進行計量時，首先應考察數(shù)據(jù)是否存在空間依賴性。空間可以再多個方向上表現(xiàn)出相關性，表現(xiàn)在數(shù)據(jù)上是位置相近的區(qū)域有相似的變量取值。在度量空間自相關時，本文選取最常用的 “莫蘭指數(shù)I”（MoranI）的方法。莫蘭指數(shù)I的取值一般在-1和1之間，大于0表示正空間自相關，即高值與高值相鄰、低值與低值相鄰；小于0表示負空間自相關，即高值與低值相鄰。

在確定使用空間計量方法后，要選擇模型形式。一般的空間面板模型表達式為：

其中，y是被解釋變量yi，t的一階滯后，當τ≠0時為動態(tài)面板；dXδ表示解釋變量的空間滯后，d為相應空間權重矩陣D的第i行；γ為時間效應；m表示擾動項空間權重矩陣M的第i行。特殊地，如果τ=ρ=0且δ=0，模型表達形式為y=xβ+ui+γ+ε，ε=λmε+vit，稱之為“空間誤差模型”（SEM）；如果τ=λ=0且δ=0，模型表達形式為yit=ρwy+xβ+u+γ+ε，稱之為“空間誤差模型”（SLM）。根據(jù)Anselin（1988）的觀點，空間計量模型主要分為空間滯后模型（SLM）與空間誤差模型（SEM），通過將結果進行LM檢驗而選出最優(yōu)模型。其次，本文將使用聚類穩(wěn)健的標準誤估計模型的隨機效應和固定效應，并運用豪斯曼檢驗選擇使用隨機效應還是固定效應。

（二）變量

本文選取1978～2015年全國31個省市的相關數(shù)據(jù)，為衡量農(nóng)業(yè)機械化程度，選取省域農(nóng)業(yè)機械總動力（mach，萬千瓦）作為被解釋變量，解釋變量包括投入土地（land，千公頃）、勞動力投入（labor，萬人）、農(nóng)民人均純收入（income，元）、人均糧食產(chǎn)量（crop，千克）、農(nóng)業(yè)產(chǎn)業(yè)結構（struc）。模型中使用的數(shù)據(jù)均是各變量取對數(shù)后的值。endprint

其中土地投入變量用農(nóng)作物播種面積表示。農(nóng)業(yè)勞動力投入無法直接獲得，本文根據(jù)鄉(xiāng)村從業(yè)人員的數(shù)量進行了換算。鄉(xiāng)村從業(yè)人員中包括在種植業(yè)、動物飼養(yǎng)、漁業(yè)、林業(yè)等生產(chǎn)中的勞動者人數(shù)，為了得到種植業(yè)部門中的勞動力估計，鄉(xiāng)村從業(yè)人員按農(nóng)作物產(chǎn)出占農(nóng)業(yè)總產(chǎn)出的價值份額，即按農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧漁業(yè)總產(chǎn)值的份額，進行加權。對于農(nóng)民純收入，由于2013～2015數(shù)據(jù)缺失，本文用農(nóng)村居民人均可支配收入代替。對于農(nóng)業(yè)產(chǎn)業(yè)結構，本文用農(nóng)業(yè)總產(chǎn)值占GDP比重表示，此指標可以衡量各省的農(nóng)業(yè)在總體經(jīng)濟中的地位。

此外，在計算空間權重矩陣時，除了使用基于地理相鄰關系的簡單權重矩陣（W）外，本文還使用各省在樣本期間的平均農(nóng)業(yè)總產(chǎn)值之間的差額作為測度省域間經(jīng)濟距離的指標（E），最終的經(jīng)濟空間權重矩陣為W*=W×E，本文使用的是該矩陣進行標準化的矩陣。其中矩陣W中元素都是0，1值，主對角線元素都是0，各省相鄰為1，否則為0；矩陣E的主對角線元素都是0，其他的（i，j）元素為Eij=（i≠j）， 為省域i在樣本期間的平均農(nóng)業(yè)總產(chǎn)值。并且基于地理關系和經(jīng)濟聯(lián)系程度，把海南省與廣東省視為相鄰省份。

（三）數(shù)據(jù)來源

文中數(shù)據(jù)來源于中國經(jīng)濟與社會發(fā)展統(tǒng)計數(shù)據(jù)庫，以及《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》和《新中國六十年統(tǒng)計資料匯編》，部分數(shù)據(jù)來自各省歷年統(tǒng)計年鑒。本文進行空間計量分析所使用的軟件是Stata，部分數(shù)據(jù)處理以Matlab作為輔助。

四、實證結果分析

（一）中國省域農(nóng)業(yè)機械化的空間相關性檢驗

在進行全國省域農(nóng)業(yè)機械化的空間相關性時，選擇使用莫蘭指數(shù)I。首先運用Stata生成經(jīng)濟空間權重矩陣，計算全國1978～2015年的機械總動力的全局MoranI值。由MoranI值結果可知，1978～2015年各年的p值均通過檢驗水平為1%的顯著性檢驗，說明全局空間自相關指標都拒絕“無空間自相關”的原假設，即存在空間自相關。

（二）空間計量模型選擇的相關檢驗

1. LM檢驗

依據(jù)估計結果進行LM（Lagrange multiplier）檢驗，LM統(tǒng)計量是考察約束條件的拉格朗日乘子是否為零，因為假設約束條件成立，那么這個約束條件應該對估計沒有影響，那么拉格朗日乘子應該為0。

模型使用Matlab做LM檢驗，對空間滯后模型（SLM）與空間誤差模型（SEM）做出選擇。由結果可知，在進行空間與時間固定效應的LM診斷時，LM-lag和LM-error的LM值分別為5.343、17.1938，p值（0.021、0.000）均通過5%的顯著水平。在進行穩(wěn)健性LM檢驗時，RLM-lag和RLM-error的LM值分別為1.102、12.953，RLM-error的p值（0.000）通過1%的顯著水平，但RLM-lag的p值（0.294）沒有通過顯著性檢驗，故而模型選擇空間誤差模型（SEM）。

2. 豪斯曼檢驗

先使用聚類穩(wěn)健的標準誤分別估計隨機效應和固定效應的空間誤差模型（SEM），再由豪斯曼檢驗選擇使用隨機效應還是固定效應。結果顯示，豪斯曼統(tǒng)計量為17.15，p值等于0.0042，在1%檢驗水平上顯著，故而可以拒絕“接受隨機效應”的原假設，因此該模型選擇固定效應。

3. 模型估計結果

由以上部分檢驗可知，本次研究最終選取的模型為固定效應的空間誤差模型。本文使用的SEM面板固定效應模型為：

lnmachit=αi+β1lnlaborit+β2lnlandit+β3lnincomeit+β4lncropit+β5lnstrucit+λWεit+uit（2）

其中i代表省份單位標識，t代表1978～2015年各個年度，uit代表隨機擾動項，αi為截距項，β1～β6為系數(shù)，λ是空間自相關項系數(shù)，ln表示對變量取自然對數(shù)，W是空間權重矩陣。固定效應的SEM模型估計結果如表1所示，模型的擬合優(yōu)度是0.903，變量lnlabor未通過10%水平的顯著性檢驗，變量lncrop和變量lnstruc均通過了5%水平的顯著性檢驗，變量lnland、lnincome均通過了1%的顯著性檢驗。

勞動力（lnlabor）對農(nóng)業(yè)機械總動力的彈性為0.253，但是未通過10%的顯著性檢驗，可能的原因是農(nóng)業(yè)機械的使用已經(jīng)不再受勞動力投入的影響；土地投入（lnland）對農(nóng)業(yè)機械總動力的彈性為1.065，表示土地投入增加1%將帶來農(nóng)業(yè)機械總動力1.065%的增加，此變量足以表明土地投入對機械化的影響程度之大，結果凸顯了土地的重要性。人均糧食產(chǎn)量對農(nóng)業(yè)機械總動力的彈性為0.354，農(nóng)民人均純收入（lnincome）對農(nóng)業(yè)機械總動力的彈性為0.324，人均糧食產(chǎn)量、人均純收入增加，都會帶來農(nóng)業(yè)機械總動力的增加；農(nóng)業(yè)總產(chǎn)值比重（lnstruc）對農(nóng)業(yè)機械總動力的彈性為-0.327，這種現(xiàn)象可能的原因是隨著各省的經(jīng)濟發(fā)展，其他產(chǎn)業(yè)的增長高于農(nóng)業(yè)增長，導致即使農(nóng)業(yè)總產(chǎn)值增加，但其所占GDP比重依然變小，但機械總動力依然是增加的。

空間自相關系數(shù)λ為0.584，通過1%的顯著性檢驗，表明農(nóng)業(yè)生產(chǎn)投入對機械化的影響確實存在空間相關性。λ度量了鄰近省份關于機械化數(shù)據(jù)的統(tǒng)計誤差對該省觀測值造成的沖擊，原因在于各省在統(tǒng)計機械化總動力時，多用途機器以及各種機器馬力的換算不同造成統(tǒng)計誤差。另外也度量了其他觀測不到的因素的空間相關性對機械化產(chǎn)生的正向促進作用。

五、主要結論及啟示

文章在對農(nóng)業(yè)機械化及其影響因素進行分析時，首先運用MoranI指數(shù)證明我國農(nóng)業(yè)機械化存在空間正相關性，又對選取的變量進行LM檢驗、豪斯曼檢驗確定模型使用固定效應的模型，最后用聚類穩(wěn)健的標準誤得到模型估計結果。實證結果表明：農(nóng)業(yè)從業(yè)勞動力對機械化的影響不顯著，土地投入、農(nóng)民人均純收入、人均糧食產(chǎn)量對農(nóng)業(yè)機械化有正向影響，產(chǎn)業(yè)結構對農(nóng)業(yè)機械化有負向影響，并且土地投入對農(nóng)業(yè)機械化的影響系數(shù)最大，空間自相關系數(shù)與MoranI指數(shù)一致表明農(nóng)業(yè)機械化存在空間正相關性。在提升我國農(nóng)業(yè)機械化水平方面，不但要考慮各影響因素的作用效果，同時還要全面考慮空間相關和空間依賴性。對于農(nóng)業(yè)技術進步的研究還有很多工作要做：進一步展示我國省域農(nóng)業(yè)機械化的空間演化機制及其路徑、準確衡量各省份之間的農(nóng)業(yè)機械化的溢出效應等，都是各界學者需要考慮的問題。

參考文獻：

[1]高鳴，宋洪遠.糧食生產(chǎn)技術效率的空間收斂及功能區(qū)差異——兼論技術擴散的空間漣漪效應[J].管理世界，2014（07）.

[2]胡瑞法，黃季焜.農(nóng)業(yè)生產(chǎn)投入要素結構變化與農(nóng)業(yè)技術發(fā)展方向[J].中國農(nóng)村觀察，2001（06）.

[3]羅富民.農(nóng)業(yè)分工演進對丘陵山區(qū)農(nóng)業(yè)機械化進程的影響——基于四川南部丘陵山區(qū)的空間計量分析[J].中國農(nóng)機化學報，2014（01）.

[4]孫久文，姚鵬.空間計量經(jīng)濟學的研究范式與最新進展[J].經(jīng)濟學家，2014（07）.

[5]王玨，宋文飛，韓先鋒.中國地區(qū)農(nóng)業(yè)全要素生產(chǎn)率及其影響因素的空間計量分析——基于1992～2007年省域空間面板數(shù)據(jù)[J].中國農(nóng)村經(jīng)濟，2010（08）.

[6]趙泉午，廖勇海.我國交通基礎設施與物流規(guī)模的實證研究——基于中國1998～2010年省域空間面板數(shù)據(jù)[J].華東經(jīng)濟管理，2012（03）.

[7]鄭旭媛，徐志剛.資源稟賦約束、要素替代與誘致性技術變遷——以中國糧食生產(chǎn)的機械化為例[J].經(jīng)濟學（季刊），2017（01）.

*基金項目：本文得到貴州大學2014年文科重點學科及特色學科重大科研項目“耕地擴權與山地農(nóng)業(yè)多種經(jīng)營方式發(fā)展研究”（GDZT201406）項目支持。本文受貴州大學2017年研究生創(chuàng)新基金“貴州農(nóng)地產(chǎn)權制度對技術進步的影響機制”（研人文2017038）資助。

（作者單位：貴州大學經(jīng)濟學院）endprint