農(nóng)業(yè)機械化對安徽省農(nóng)民增收貢獻率實證分析

胡汪洋 劉東林 劉濤 曹成茂 程銀彬 李誠 張勇 常志強

摘要：【目的】定量分析安徽省農(nóng)業(yè)機械化對農(nóng)民收入增長的貢獻率，為農(nóng)業(yè)機械化發(fā)展和決策提供科學依據(jù)?！痉椒ā繗w納得出安徽省2005～2015年影響農(nóng)民收入增長的11項指標，并查閱統(tǒng)計年鑒得到與指標相對應的時間序列數(shù)據(jù)，利用有無比較法和柯布—道格拉斯生產(chǎn)函數(shù)法分別測算農(nóng)業(yè)機械化為農(nóng)民增收的直接貢獻率和綜合貢獻率，同時引入因子分析和逐步回歸方法，運用SPSS 22.0和Eviews 8.0具體分析2005～2015年安徽省影響農(nóng)民收入增長的時間序列數(shù)據(jù)，并確定生產(chǎn)函數(shù)模型。【結果】2005～2015年安徽省農(nóng)業(yè)機械化對農(nóng)民人均純收入的直接貢獻率穩(wěn)定在9.50%左右，最高年份貢獻率達10.25%，2010～2015年和2006～2015年的綜合貢獻率分別為25.22%和29.40%，證明農(nóng)業(yè)機械化對農(nóng)民增收具有顯著正相關作用?！窘ㄗh】發(fā)揮購機補貼政策的引導推動作用，同時建立新型農(nóng)業(yè)機械維修體系，并加大新型職業(yè)農(nóng)民培訓力度，以進一步促進農(nóng)民增收。

關鍵詞： 農(nóng)業(yè)機械化；農(nóng)民增收；柯布—道格拉斯生產(chǎn)函數(shù)；貢獻率；安徽省

中圖分類號： S23-9；F323.3 文獻標志碼：A 文章編號：2095-1191（2018）02-0403-08

0 引言

【研究意義】農(nóng)民收入問題一直是我國政府關注的重要問題之一，2017年中央一號文件中再次突出強調(diào)增加農(nóng)民收入的重要性和緊迫性，指出推進農(nóng)業(yè)供給側(cè)結構性改革要以增加農(nóng)民收入、保障有效供給為主要目標（傳云，2017）。隨著時代發(fā)展與科技進步，農(nóng)業(yè)機械化對現(xiàn)代農(nóng)業(yè)發(fā)展和農(nóng)村經(jīng)濟增長做出了巨大貢獻（白人樸，2004）。首先，農(nóng)業(yè)機械化的發(fā)展直接促進了農(nóng)業(yè)生產(chǎn)方式的轉(zhuǎn)變，加速了農(nóng)業(yè)科技成果的規(guī)?；藴驶瘧?；其次，農(nóng)業(yè)機械化的節(jié)本增效能力與替代效應，極大提高了勞動生產(chǎn)率、土地產(chǎn)出率和資源利用率，促進勞動力向其他產(chǎn)業(yè)轉(zhuǎn)移，帶來更多的家庭收益（馮啟高和毛罕平，2010；楊敏麗等，2010；羅錫文等，2016）。目前對農(nóng)業(yè)機械化為農(nóng)民增收作用多體現(xiàn)在定性表述，沒有具體到何種程度，因此深入量化分析農(nóng)業(yè)機械化對農(nóng)民收入增長的促進作用，有助于人們更精準地認識其貢獻份額（張睿和高煥文，2008），對政府相關部門決策具有一定參考價值?！厩叭搜芯窟M展】已有很多學者在農(nóng)業(yè)機械化對農(nóng)業(yè)生產(chǎn)或經(jīng)濟的貢獻率及影響農(nóng)民收入增長主要因素兩個方向做了大量研究。楊邦杰等（2000）指出，農(nóng)業(yè)機械化對農(nóng)業(yè)貢獻率的測算方法分別是根據(jù)貢獻率定義直接測算的有無比較法和通過間接計算要素產(chǎn)出彈性的柯布—道格拉斯生產(chǎn)函數(shù)模型法；張社梅和蔣遠勝（2015）采用改進的柯布—道格拉斯隨機前沿模型測算了四川省農(nóng)業(yè)經(jīng)濟增長因素分解，其中機械的貢獻率為37.11%。此外，還有學者采用數(shù)據(jù)包絡分析（DEA）、VAR模型等方法（宗曉杰，2006；辛沖沖等，2015）測算農(nóng)業(yè)機械化對農(nóng)民增收的貢獻率，得到的最終結果不盡相同。并且，從已有研究看目前對農(nóng)民收入影響因素的分解情況也各不相同，沒有統(tǒng)一標準。例如，郭燕枝和劉旭（2011）利用格蘭杰因果關系檢驗和典型相關分析確定了農(nóng)業(yè)從業(yè)人員、農(nóng)村非農(nóng)產(chǎn)業(yè)勞動力等7個指標；蔡飛鳳和江三良（2015）從農(nóng)民收入的4個組成部分分類選取了第一產(chǎn)業(yè)增量與GDP增量之比、農(nóng)業(yè)機械聯(lián)合收獲機擁有量等9個指標；此外，王佳寧等（2016）根據(jù)“十三五”規(guī)劃反映經(jīng)濟發(fā)展的指標明確了國內(nèi)生產(chǎn)總值、全員勞動生產(chǎn)率、城鎮(zhèn)化率、服務業(yè)增加比重共4項指標?！颈狙芯壳腥朦c】目前安徽省農(nóng)業(yè)機械化已發(fā)展到較高水平，但對農(nóng)民增收貢獻一直沒有具體定量分析；且前人研究多集中于農(nóng)業(yè)機械化對農(nóng)業(yè)生產(chǎn)的貢獻率和影響農(nóng)民收入因素分析兩大方面，而從當前階段重點探討農(nóng)業(yè)機械化與農(nóng)民收入增長之間的量化關系的研究鮮見報道?！緮M解決的關鍵問題】基于影響安徽省農(nóng)民收入因素的時間序列數(shù)據(jù)，利用有無比較法和柯布—道格拉斯生產(chǎn)函數(shù)法分別測算農(nóng)業(yè)機械化為農(nóng)民增收的直接貢獻率和綜合貢獻率，引入因子分析和逐步回歸方法分析2005～2015年的時間序列數(shù)據(jù)，確定生產(chǎn)函數(shù)模型，并結合安徽省農(nóng)業(yè)機械化發(fā)展過程中的問題，提出合理意見建議，為農(nóng)業(yè)機械化有效促進農(nóng)民增收提供參考。

1 數(shù)據(jù)來源與研究方法

1. 1 農(nóng)業(yè)機械化對農(nóng)民增收效益分析

1. 1. 1 直接效益 農(nóng)業(yè)機械化（簡稱農(nóng)機化）對農(nóng)民收入增長的直接效益主要體現(xiàn)在農(nóng)機化經(jīng)營收入上，也就是通過農(nóng)業(yè)機械服務帶來的收入，包括農(nóng)業(yè)機械代耕作業(yè)（包含跨區(qū)作業(yè)）、農(nóng)機運輸和維修及農(nóng)副產(chǎn)品初級加工收入。截至2016年底，安徽省農(nóng)機總動力6867×104 kW，耕種收綜合機械化水平73.5%，各類農(nóng)機社會化服務組織8509家，其中農(nóng)機合作社3887家，農(nóng)機經(jīng)營服務總收入328.7億元。

1. 1. 2 間接效益 （1）增加產(chǎn)量。以水稻人工插秧和機插秧為例，人工插秧的產(chǎn)量約為7500 kg/ha，而機插秧產(chǎn)量為9000 kg/ha，平均每公頃增產(chǎn)約1500 kg。原因在于機插秧相比于人工插秧倒伏現(xiàn)象和病蟲害少，株距整齊，通風透光效果好且秧苗根莖有效分解率高。（2）縮短農(nóng)時。以安徽北部地區(qū)小麥收獲為例，按照30年前農(nóng)機化水平仍普遍較低時的經(jīng)驗，小麥從6月初開始收獲到全部收割完畢至少需要1個月時間，但隨著當前階段農(nóng)機化水平的提高，夏糧收獲只需要5～7 d，為下一季的生產(chǎn)贏得了寶貴的農(nóng)時，從而保證豐產(chǎn)。（3）節(jié)本減損。以水稻插秧為例，人工插秧為4800～5000元/ha，機插秧為3900元/ha，節(jié)省成本900～1050元/ha；再以烘干機為例，2016年安徽地區(qū)遭受嚴重雨水災害，收獲的小麥濕度大，傳統(tǒng)方法晾曬不僅浪費大量土地，成本高且濕度不能保證，而用烘干機烘干的小麥濕度全部保持在13%以下，保證了小麥價格不受影響，解決了“豐產(chǎn)不豐收”問題。（4）加速勞動力轉(zhuǎn)移。農(nóng)業(yè)機械逐漸替代人工完成繁重的農(nóng)業(yè)生產(chǎn)，才使得越來越多的勞動力從土地中解放出來，現(xiàn)代農(nóng)民與過去的農(nóng)民相比已產(chǎn)生了翻天覆地的變化，按照就業(yè)人口分類統(tǒng)計，20年甚至10年前的農(nóng)民完全以第一產(chǎn)業(yè)為主，而現(xiàn)在越來越多的農(nóng)業(yè)從業(yè)者涌向城市，從事加工業(yè)和服務業(yè)等，拓展其他收入來源，既屬于第一產(chǎn)業(yè)也包含于第二、第三產(chǎn)業(yè)（祝華軍，2005）。（5）社會化服務水平提升。農(nóng)業(yè)機械化社會服務水平提升促進農(nóng)民收入增長主要體現(xiàn)在兩個方面，一是合作社的成立組織更多的農(nóng)戶進行專業(yè)生產(chǎn)協(xié)作，為農(nóng)民提供各種有償服務，同時通過擴大作業(yè)規(guī)模，提高農(nóng)機利用率，節(jié)省農(nóng)戶非必要投資，降低市場競爭和風險；二是農(nóng)機裝備的增加帶動了農(nóng)機手需求的增長，除區(qū)域性服務外，跨區(qū)作業(yè)模式保證了農(nóng)機手收入的穩(wěn)定，根據(jù)調(diào)查，平均專業(yè)農(nóng)機手的年收入為10萬元左右。另外，農(nóng)業(yè)機械化對農(nóng)民收入的間接貢獻還體現(xiàn)在解決秸稈禁燒難題、促進土地流轉(zhuǎn)、提高有效耕種面積、改善農(nóng)業(yè)種植結構等方面。

1. 2 指標體系構建

1. 2. 1 理論基礎 本研究中影響農(nóng)民增收貢獻值指標體系的建立應用因子分析和逐步回歸分析方法。首先通過降維思想分析具有相關性的原始多個變量，找出少數(shù)幾個對原始變量有潛在支配作用的因子（王春枝，2014）；再通過逐步回歸將變量逐個引入模型，不斷對方程和各解釋變量進行F檢驗和t檢驗，剔除使回歸方程不再顯著的變量，以保證最終得到的解釋變量集為最優(yōu)（呂海燕等，2013）。具體步驟流程如圖1所示。

1. 2. 2 指標選取 影響農(nóng)民收入增長的因素包括內(nèi)因、外因、直接影響和間接影響等，參考戰(zhàn)英杰和申秋紅（2010）、張永禮等（2015）的研究結果，本研究根據(jù)勞動、資本和土地等3個方面不同因素對農(nóng)民收入增長的影響，選擇農(nóng)民人均純收入（Y）作為反映農(nóng)民收入的因變量，自變量包括農(nóng)村固定資產(chǎn)投資占比（X1）、耕種收綜合機械化水平（X2）、化肥施用量（X3）、農(nóng)作物播種面積（X4）、有效灌溉面積（X5）、農(nóng)林水支出占財政支出比重（X6）、城鎮(zhèn)化率（X7）、農(nóng)村居民人均居住面積（X8）、第一產(chǎn)業(yè)占GDP比重（X9）、第一產(chǎn)業(yè)就業(yè)人口（X10）及農(nóng)業(yè)從業(yè)人員占全社會從業(yè)人員比重（X11）等11項指標。根據(jù)量化分析得到相關變量數(shù)據(jù)如表1所示。

1. 3 數(shù)學模型確定

1. 3. 1 直接貢獻率測算模型 根據(jù)有無比較法利用農(nóng)機經(jīng)營收入計算農(nóng)機化直接貢獻率，其優(yōu)點是計算過程簡單，但結果不能體現(xiàn)農(nóng)業(yè)機械化的間接效益。貢獻率指有效或有用成果數(shù)量與資源消耗及占用量之比，也用于分析經(jīng)濟增長中各因素作用大小的程度，實際上是計算某因素的增長量（程度）占總增長量（程度）的比重。根據(jù)上述貢獻率定義，農(nóng)機化對農(nóng)民增收的直接貢獻率計算公式為：

1. 3. 2 柯布—道格拉斯生產(chǎn)函數(shù)測算模型 利用Cobb-Douglas生產(chǎn)函數(shù)模型計算要素彈性系數(shù)間接測算貢獻率，其優(yōu)點是從宏觀角度進行全面考慮，能測算出農(nóng)機化為農(nóng)民增收的綜合貢獻率，而不僅體現(xiàn)于直接貢獻。根據(jù)因子分析和逐步回歸分析結果，選取影響農(nóng)民收入增長的n個變量（X1，X2，…，Xn）建立最終的柯布—道格拉斯生產(chǎn)函數(shù)模型（石磊等，2013），表達式如下：

1. 4 數(shù)據(jù)來源

表1數(shù)據(jù)來源于2005～2016年《安徽省統(tǒng)計年鑒》。其中，農(nóng)業(yè)機械化水平（X2）的數(shù)據(jù)由安徽省農(nóng)業(yè)機械管理局管理處提供（在統(tǒng)計年鑒和農(nóng)機領域，一般用耕種收綜合機械化水平來表示農(nóng)業(yè)機械化水平），但該指標是2007年開始公開統(tǒng)計，因此2005和2006年的指標數(shù)據(jù)為農(nóng)業(yè)機械管理局根據(jù)當年相關數(shù)據(jù)的計算值。農(nóng)林水支出占財政支出比重（X6）根據(jù)歷年農(nóng)林水財政支出除以財政支出所得；農(nóng)業(yè)從業(yè)人員占全社會從業(yè)人員比重（X11）根據(jù)歷年統(tǒng)計數(shù)據(jù)農(nóng)業(yè)從業(yè)人員除以全社會從業(yè)人員比重所得。需要強調(diào)的是，影響農(nóng)民收入的因素很多，例如勞動力教育水平、灌溉水平等，但經(jīng)參考相關文獻得出其均不是影響農(nóng)民收入的主要指標，而本研究的主要目的是建立恰當?shù)纳a(chǎn)函數(shù)模型來反映農(nóng)業(yè)機械化水平對農(nóng)民收入增長的綜合貢獻份額，因此，選取上述11項指標作為測算依據(jù)能夠較全面地反映影響農(nóng)民收入增長的因素集合。

1. 5 統(tǒng)計分析

運用SPSS 22.0和Eviews 8.0分別對表1中2005～2015年影響安徽省農(nóng)民收入增長的11項指標對應的時間序列數(shù)據(jù)進行主成分分析和因子分析，以確定生產(chǎn)函數(shù)模型。

2 結果與分析

2. 1 構建柯布—道格拉斯生產(chǎn)函數(shù)

對表1中的11個變量進行主成分分析，由表2可知，前2個主成分的特征值大于1，且其累積貢獻率達到87.2%，超過85.0%，說明可以取前2個主成分來綜合反映原有指標。在因子分析主對話框中輸入Scores命令，得到所有變量的因子得分系數(shù)矩陣表。

從第一主成分中選取因子權重較高的5個影響因子（X2、X3、X5、X7、X8），從第二主成分中選取因子權重較高的2個影響因子（X4、X6），將其代入公式（2）和（3）后建立以下影響農(nóng)民收入增長的初步模型：

X2～X8涵蓋土地、資金和勞動三大要素，符合柯布—道格拉斯生產(chǎn)函數(shù)的基本構建原理；α2～α8分別表示對應要素的產(chǎn)出彈性系數(shù)，定義為當其他投入要素不變時，該要素增加1%所引起的產(chǎn)出量變化率。

對表1中的數(shù)據(jù)進行回歸分析，結果如表3所示。

根據(jù)回歸結果可以確定初步模型：lnY=34.608+0.5723lnX2+0.5292lnX3+1.2322lnX4+0.2564lnX5+0.3767lnX6+2.9444lnX7+0.2555lnX8 （8）

從分析結果可看出，初步模型的R2近似于1，說明擬合效果很好，且F=1346.232>F0.05，表示農(nóng)民人均純收入增長與所選擇的各變量因素之間存在顯著線性關系，但實際上，該模型所有參數(shù)中除X8農(nóng)村居住面積的t檢驗P為0.0228<0.05外，其他參數(shù)均未通過t檢驗，原因可能在于至少有兩個或兩個以上的變量之間還存在多重共線性關系，因此，需要進行逐步回歸，篩選并剔除引起多重共線性的變量。如表4所示，首先引入X2作為初始因子，引入變量后X2對應的P=0，顯然通過t檢驗；再引入X3變量，得到P=0.174>0.05，未通過t檢驗，故排除該因子；接著分別引入X4、X5和X6變量，結果P分別為0.064、0.151和0.0005，僅有X6變量通過t檢驗，且D.W.值1.909>1.52（0.05顯著性水平下對應值），通過檢驗，故排除X4和X5變量；同理，分別再引入X7和X8變量，結果顯示X7和X8變量均通過t檢驗，且此時R2=0.999，表明擬合非常好，D.W.值2.441，說明不存在殘差序列自相關性。所以選取X2、X6和X7和X8 4個變量建立最終模型，得到公式（9），在此基礎上進一步分析影響農(nóng)業(yè)機械化對農(nóng)民收入增長的貢獻份額。

2. 2 農(nóng)業(yè)機械化對農(nóng)民增收貢獻率測算

2. 2. 1 直接貢獻率測算 根據(jù)公式（1）代入2008～2016年安徽省農(nóng)業(yè)機械化經(jīng)營收入和農(nóng)村居民可支配總收入，計算得出農(nóng)業(yè)機械化對農(nóng)民增收的直接貢獻率。從表5可看出，安徽省農(nóng)業(yè)機械化經(jīng)營純利潤逐年增長，2008年為126.69億元，到2016年已達到328.74億元，平均年增長率12.66%，2008～2016年農(nóng)業(yè)機械化對農(nóng)民增收的直接貢獻率穩(wěn)定在9.50%左右，其中最高年份貢獻率達10.25%。

2. 2. 2 綜合貢獻率測算 如表6所示，考慮年度之間農(nóng)民收入增長受短期內(nèi)政策、氣候、災害等因素的影響，分別以3年（2012～2015年）、5年（2010～2015年）和10年（2006～2015年）為時間段測算不同時期各要素的平均增長率和貢獻率。根據(jù)公式（4）和（5），代入表1中相關數(shù)據(jù)后計算結果。由表6和圖2可得：

（1）2010～2015年農(nóng)業(yè)機械化水平（耕種收綜合機械化水平）對農(nóng)民收入增長的貢獻率為25.22%，在所有要素中的貢獻僅次于城鎮(zhèn)化率X7；其次2006～2015年農(nóng)業(yè)機械化水平對農(nóng)民收入增長的貢獻率為29.40%，相比較2010～2015年的貢獻率增長了4.18個百分點，說明隨著全省范圍內(nèi)耕種收綜合機械化水平的不斷提高，在邁進中高級階段后，對農(nóng)民收入增長的促進作用逐漸趨緩。

（2）對農(nóng)民收入增長貢獻比值最大的為城鎮(zhèn)化率（X7），2012～2015、2010～2015及2006～2015年期間貢獻率計算值分別為56.15%、61.79%和67.68%，說明城鎮(zhèn)化率的不斷提高對農(nóng)民增收具有顯著的作用。

（3）2012～2015、2010～2015及2006～2015年期間農(nóng)林水支出占財政支出比重（X6）所占的貢獻份額分別為-1.53、1.46和-8.79，其原因可能在于政府對農(nóng)林水支出規(guī)模出現(xiàn)拐點，整體上呈現(xiàn)下降的趨勢，所以出現(xiàn)邊際效益遞減情況，且增加農(nóng)民收入并不一定要求財政農(nóng)林水支出金額越多越好，而是提高整體的支出效率更有益于發(fā)揮最大效益。

（4）結合表3數(shù)據(jù)來看，化肥施用量（X3）、農(nóng)作物播種面積（X4）和有效灌溉面積（X5）3個變量也呈現(xiàn)出與農(nóng)民增收的正相關關系，間接反映了土地貢獻率，主要與近10多年來中央一號文件不斷提出的鼓勵和支持承包土地向?qū)I(yè)大戶、家庭農(nóng)場、農(nóng)民合作社流轉(zhuǎn)政策有著密切關系。

3 討論

本研究根據(jù)2005～2016年安徽省有關農(nóng)業(yè)機械化和農(nóng)村經(jīng)濟發(fā)展的11項指標數(shù)據(jù)，分析了安徽省農(nóng)業(yè)機械化對農(nóng)民收入增長的直接貢獻率為9.50%左右。張睿和高煥文（2008）在研究中分析全國農(nóng)業(yè)機械化經(jīng)營收入對農(nóng)民增收貢獻率為6.51%，本研究結論基本符合實際，因為安徽省農(nóng)業(yè)機械化水平在全國一直處于靠前水平，且統(tǒng)計時間截至2016年，所以貢獻率相應的高出3個百分點。另外，本研究根據(jù)柯布—道格拉斯生產(chǎn)函數(shù)模型測算的安徽省農(nóng)業(yè)機械化綜合貢獻率為29.40%，張社梅和蔣遠勝（2015）依據(jù)農(nóng)業(yè)技術效率、農(nóng)業(yè)規(guī)模報酬等因素測算了1998～2012年四川省農(nóng)業(yè)經(jīng)濟增長結構各要素貢獻率，其中機械部分占全要素的37.11%，雖然研究方法和選取指標不盡一致，但得出的結論相差不大，均表明農(nóng)業(yè)機械技術進步對農(nóng)業(yè)經(jīng)濟增長的貢獻十分顯著，且農(nóng)業(yè)機械投入貢獻遠高于勞動力與土地，但也說明應當合理化分配農(nóng)林水投入，減少出現(xiàn)邊際效益遞減情況。

對于影響農(nóng)業(yè)機械化增收和對農(nóng)民收入貢獻值的因素不同學者有各自的看法，李金良（2008）認為農(nóng)業(yè)機械化的發(fā)展在一定程度上完成了對勞動力的替代，但并不是影響農(nóng)業(yè)產(chǎn)值增加和主要糧食增產(chǎn)的主要因素，起決定作用的是耕地面積、化肥和農(nóng)藥的使用；王志章和孫晗霖（2015）則認為農(nóng)民是農(nóng)機最重要的投資和經(jīng)營運作主體，兩者之間存在螺旋式上升趨勢，且農(nóng)機總動力是農(nóng)民收入的影響因素之一。但上述文獻中均提到了關于農(nóng)業(yè)機械維修、保養(yǎng)和燃油的問題，這些因素在一定程度上加重了農(nóng)民負擔，降低了農(nóng)民收入。綜合來說，本研究認為除以上文獻中提到的影響因素外還應包括以下3個方面：一是農(nóng)業(yè)機械化從業(yè)者的年齡偏高，影響了農(nóng)業(yè)機械的作業(yè)效率和綜合利用率，其增收作用的廣度發(fā)揮不充分；二是農(nóng)業(yè)機械化從業(yè)者的學歷結構偏低，限制了對新機械、新技術的學習使用；三是機庫棚建設用地政策落實難，農(nóng)機具露天存放，風吹雨淋，加劇金屬零部件的銹蝕和故障的概率，縮短機具使用壽命，降低經(jīng)濟收益。

此外，針對田間機耕道路建設涉及到用地政策，“路難行”對發(fā)展大中型機械和規(guī)模經(jīng)營構成了一定的現(xiàn)實障礙；且安徽省土地流轉(zhuǎn)規(guī)模已接近50%，農(nóng)村空心化、老齡化嚴重，新一代農(nóng)民不想種田，也不愿種田，加之勞動強度大，效益低，直接從事農(nóng)業(yè)生產(chǎn)的人員越來越少，所以隨著城鎮(zhèn)化率的逐年加快，更加需要推動農(nóng)業(yè)機械化水平進一步提高。

4 建議

4. 1 進一步發(fā)揮購機補貼政策的推動作用

購機補貼依然是增加機械總量，提升裝備結構的主要動力。但經(jīng)過10多年的實施，常規(guī)機械的補貼需求降低，購機補貼政策實施進入新的轉(zhuǎn)折期，農(nóng)民和合作經(jīng)濟組織強烈要求將新型農(nóng)業(yè)機械納入補貼范疇，解決農(nóng)民購買力不足與新型機械價格高的矛盾。建議有關部門抓緊研究新的補貼實施辦法，完善農(nóng)機購置補貼政策，充分發(fā)揮農(nóng)業(yè)補貼政策的惠農(nóng)增收效應，加大主要農(nóng)作物生產(chǎn)全程機械化所需機具的補貼力度，對于主要農(nóng)作物薄弱環(huán)節(jié)所需機具做到敞開補貼，應補盡補；認真落實深松作業(yè)補助，在適宜地區(qū)加快農(nóng)機深松技術的推廣應用，爭取地方財政資金投入，開展水稻機插秧、油菜機收等薄弱環(huán)節(jié)機械化作業(yè)補貼；探索農(nóng)機燃油補貼，進一步降低生產(chǎn)成本，提高機手使用農(nóng)機的積極性，增加農(nóng)民收入。

4. 2 建立新型農(nóng)業(yè)機械維修體系

以社會化、專業(yè)化、產(chǎn)業(yè)化為目標，使農(nóng)業(yè)機械維修業(yè)成為農(nóng)業(yè)機械化（農(nóng)村經(jīng)濟）發(fā)展新的增長點。一是建立對購置維修設備的補貼政策，支持農(nóng)業(yè)機械維修戶和維修企業(yè)設備的升級改造，提高維修質(zhì)量。二是加強對維修人員的技能培訓，提高維修技能和職業(yè)道德，尤其是幫助其掌握新型農(nóng)業(yè)機械的維修技能。三是支持生產(chǎn)企業(yè)在基層建立維修站點。四是制定維修質(zhì)量標準。五是農(nóng)機、工商、質(zhì)監(jiān)、勞動等部門有機配合，加大協(xié)調(diào)監(jiān)管力度，各行其責，以新思維新理念，合力解決維修難、維修貴的問題。

4. 3 加大新型職業(yè)農(nóng)民培訓力度

發(fā)展現(xiàn)代農(nóng)業(yè)，實現(xiàn)農(nóng)民職業(yè)體面化，以解決好地怎么種為導向，加快構建新型農(nóng)業(yè)經(jīng)營體系，加大對新型職業(yè)農(nóng)民的培訓力度，結合農(nóng)業(yè)發(fā)展的新形勢、新任務，培養(yǎng)既懂農(nóng)業(yè)技術又善于經(jīng)營的高素質(zhì)新型農(nóng)民隊伍，確保農(nóng)業(yè)后繼有人；加大技術先進、安全可靠的農(nóng)機裝備與技術推廣力度，提高農(nóng)民用機致富本領。多途徑實現(xiàn)農(nóng)民職業(yè)體面化，培養(yǎng)新型職業(yè)農(nóng)民，有助于在大范圍內(nèi)對勞動力、資金、技術等資源進行合理優(yōu)化配置，充分調(diào)動農(nóng)民積極性和創(chuàng)造性，間接地幫助農(nóng)民增收。

參考文獻：

白人樸. 2004. 農(nóng)業(yè)機械化與農(nóng)民增收[J]. 農(nóng)業(yè)機械學報， 35（4）： 179-182. [Bai R P. 2004. Agricultural mechanization and increase in farmersincome[J]. Transactions of the Chinese Society for Agricultural Machinery， 35（4）： 179-182.]

蔡飛鳳， 江三良. 2015. 我國農(nóng)民收入影響因素的實證分析[J]. 安徽農(nóng)業(yè)科學， 43（1）： 365-368. [Cai F F， Jiang S L. 2015. Empirical analysis on the influencing factors of farmers income in China[J]. Journal of Anhui Agricultural Science， 43（1）： 365-368.]

傳云. 2017. 2017年中央1號文件解讀[J]. 農(nóng)機科技推廣，（2）：10. [Chuan Y. 2017. Interpretation of document No.1 of the central government in 2017[J]. Agriculture Machinery Technology Extension，（2）： 10.]

馮啟高， 毛罕平. 2010. 我國農(nóng)業(yè)機械化發(fā)展現(xiàn)狀及對策[J]. 農(nóng)機化研究，32（2）： 245-248. [Feng Q G，Mao H P. 2010. The development present situation and countermeasure on agricultural mechanization in China[J]. Journal of Agricultural Mechanization Research，32（2）： 245-248.]

郭燕枝， 劉旭. 2011. 基于格蘭杰因果檢驗和典型相關的農(nóng)民收入影響因素研究[J]. 農(nóng)業(yè)技術經(jīng)濟，（10）： 92-97. [Guo Y Z， Liu X. 2011. Research on the influencing factors of farmers income based on Grainger causality test and canonical correlation[J]. Journal of Agrotechnical Economics， （10）： 92-97.]

李金良. 2008. 農(nóng)業(yè)機械化、農(nóng)業(yè)增產(chǎn)與農(nóng)民增收——基于河南省南陽市面板數(shù)據(jù)的實證研究[J]. 湖湘三農(nóng)論壇， （4）： 918-926. [Li J L. 2008. Agricultural mechanization， increasing agricultural production and increasing farmers income—Empirical study based on panel data of Nanyang City in Henan Province[J]. Huxiang Forum on Rural Issues，（4）： 918-926.]

羅錫文， 廖娟， 胡煉， 臧英， 周志艷. 2016. 提高農(nóng)業(yè)機械化水平促進農(nóng)業(yè)可持續(xù)發(fā)展[J]. 農(nóng)業(yè)工程學報，32（1）： 1-11. [Luo X W，Liao J，Hu L，Zang Y，Zhou Z Y. 2016. Improving agricultural mechanization level to promote agricultural sustainable development[J]. Transactions of the Chinese Society of Agricultural Engineering， 32（1）： 1-11.]

呂海燕， 李海旺， 李武林. 2013. 基于逐步回歸分析的河南糧食產(chǎn)量因素研究[J]. 河南科學， 31（12）： 2133-2136. [Lü H Y，Li H W，Li W L. 2013. The factors of grain production based on the stepwise regression in Henan Province[J]. Henan Science， 31（12）： 2133-2136.]

石磊，向其鳳，陳飛. 2013. 多水平模型及其在經(jīng)濟領域中的應用[M]. 北京：科學出版社： 137-140. [Shi L， Xiang Q F， Chen F. 2013. Multilevel Model and Its Application in the Economic Field[M]. Beijing： Science Press： 137-140.]

王春枝. 2014. 因子分析中公因子提取方法的比較與選擇[J]. 內(nèi)蒙古財經(jīng)大學學報， 12（1）： 90-94. [Wang C Z. 2014. The comparison and selection of the common factors extraction method in factor analysis[J]. Journal of Inner Mongolia University of Finance and Economics， 12（1）： 90-94.]

王佳寧， 白靜， 羅重譜. 2016. 中國經(jīng)濟社會發(fā)展主要指標更迭及“十三五”重要指標述評[J]. 改革，（6）： 6-21. [Wang J N， Bai J，Luo C P. 2016. The changes of main indicators of economic and social development and review of major index of the Thirteenth Five-Year Plan in China[J]. Reform，（6）： 6-21.]

王志章， 孫晗霖. 2015. 農(nóng)業(yè)機械化對農(nóng)民增收效應的實證研究[J]. 中國農(nóng)機化學報， 36（2）： 310-313. [Wang Z Z， Sun H L. 2015. Empirical research of agricultural mechanization on the effect of increasing famers income[J]. Journal of Chinese Agricultural Mechanization， 36（2）： 310-313]

辛沖沖， 張敏， 宋玉蘭. 2015. 新疆農(nóng)機化發(fā)展與農(nóng)民增收效應關系研究——基于VAR模型[J]. 農(nóng)機化研究， （8）： 242-248. [Xin C C，Zhang M，Song Y L. 2015. Research on the relationship between Xinjiang agricultural mechanization development and the effect of farmers increasing Income—Based on VAR model[J]. Journal of Agricultural Mechanization Research， （8）： 242-248.]

楊邦杰， 洪仁彪， 賈栓祥. 2000. 農(nóng)業(yè)機械化對農(nóng)業(yè)貢獻率測算方法研究[J]. 農(nóng)業(yè)工程學報， 16（3）： 50-53. [Yang B J， Hong R B， Jia S X. 2000. Methods development to estimate the mechanization profit in agricultural industry[J]. Transactions of the Chinese Society for Agricultural Engineering， 16（3）： 50-53.]

楊敏麗， 李世武， 惲竹恬. 2010. 區(qū)域農(nóng)業(yè)機械化發(fā)展問題研究[J]. 中國農(nóng)機化，（1）： 8-13. [Yang M L，Li S W，Yun Z T. 2010.Study on regional development of agricultural mechanization in China[J]. Chinese Agricultural Mechanization， （1）： 8-13.]

戰(zhàn)英杰， 申秋紅. 2010. 影響我國農(nóng)民收入的因子分析[J]. 東北農(nóng)業(yè)大學學報， 41（4）： 144-150. [Zhan Y J， Shen Q H. 2010. Factor analysis on farmers income in China[J]. Journal of Northeast Agricultural University， 41（4）： 144-150.]

張睿， 高煥文. 2008. 我國農(nóng)業(yè)機械化經(jīng)營收入對農(nóng)民增收的貢獻[J]. 農(nóng)機化研究，（8）： 1-5. [Zhang R， Gao H W. 2008. The contribution of agricultural mechanization management to China farmer income[J]. Journal of Agricultural Mechanization Research，（8）： 1-5.]

張社梅， 蔣遠勝. 2015. 四川省農(nóng)業(yè)經(jīng)濟增長結構變動分析[J]. 農(nóng)業(yè)技術經(jīng)濟，（2）： 85-94. [Zhang S M， Jiang Y S. 2015. Analysis on the change of agricultural economic growth structure in Sichuan[J]. Journal of Agrotechnical Economics，（2）： 85-94.]

張永禮， 陸剛， 武建章. 2015. 基于MIV和GA-BP模型的農(nóng)業(yè)機械化水平影響因素實證分析[J]. 農(nóng)業(yè)現(xiàn)代化研究， 36（6）：1026-1031. [Zhang Y L， Lu G， Wu J Z. 2015. Empirical analysis on influencing factors of agricultural me-chanization level based on MIV and GA-BP model[J]. Research of Agricultural Modernization，36（1）：1026-1031.]

祝華軍. 2005. 農(nóng)業(yè)機械化與農(nóng)業(yè)勞動力轉(zhuǎn)移的協(xié)調(diào)性研究[J]. 農(nóng)業(yè)現(xiàn)代化研究， 26（3）：190-193. [Zhu H J. 2005. On coordination between agricultural labor transferring and agricultural mechanization[J]. Research of Agricultural Modernization， 26（3）： 190-193.]

宗曉杰. 2006. 用DEA法的兩個模型測算農(nóng)機化貢獻率的算法研究[J]. 農(nóng)業(yè)工程學報，22（5）：20-23. [Zong X J. 2006. Approach to estimating the agricultural mechanization contribution rate by two models in the DEA method[J]. Transactions of the Chinese Society for Agricultural Engineering， 22（5）： 20-23.]

（責任編輯 鄧慧靈）