農(nóng)業(yè)機(jī)械化水平對(duì)湖北農(nóng)戶耕地復(fù)種指數(shù)的影響*

彭繼權(quán), 吳海濤, 宋嘉豪, 李孟丁

?

農(nóng)業(yè)機(jī)械化水平對(duì)湖北農(nóng)戶耕地復(fù)種指數(shù)的影響*

彭繼權(quán), 吳海濤**, 宋嘉豪, 李孟丁

(中南財(cái)經(jīng)政法大學(xué)工商管理學(xué)院 武漢 430073)

耕地復(fù)種指數(shù)的提升對(duì)我國(guó)糧食安全戰(zhàn)略實(shí)施和三農(nóng)問(wèn)題解決意義重大。為了考察農(nóng)業(yè)機(jī)械化水平對(duì)湖北農(nóng)戶耕地復(fù)種指數(shù)的影響, 以1 682份湖北農(nóng)戶調(diào)查數(shù)據(jù)為基礎(chǔ), 通過(guò)運(yùn)用IVTobit和IVProbit回歸模型, 探討農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)的影響及其在不同類(lèi)型農(nóng)作物耕地間的差異性。研究結(jié)果表明: 1)農(nóng)業(yè)機(jī)械化水平每提升1%, 耕地復(fù)種指數(shù)提高1.393%, 糧食作物耕地復(fù)種指數(shù)提高0.988%, 經(jīng)濟(jì)作物耕地復(fù)種指數(shù)提高2.160%。2)從不同類(lèi)型農(nóng)作物耕地復(fù)種意愿來(lái)看, 農(nóng)業(yè)機(jī)械化水平每提升1%, 農(nóng)戶對(duì)糧食作物耕地復(fù)種意愿的概率提高3.100%, 對(duì)經(jīng)濟(jì)作物耕地復(fù)種意愿的概率提高5.361%。從其他控制變量來(lái)看, 戶主教育、戶主年齡、家庭非農(nóng)收入占比、家庭轉(zhuǎn)出土地、氣溫變化對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的負(fù)向影響; 家庭規(guī)模、農(nóng)作物品種數(shù)量、地區(qū)類(lèi)型對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的正向影響?？傊? 農(nóng)戶農(nóng)業(yè)機(jī)械化水平的提升對(duì)耕地復(fù)種有積極作用, 特別對(duì)經(jīng)濟(jì)作物耕地復(fù)種指數(shù)的提升作用尤為明顯。

農(nóng)業(yè)機(jī)械化水平; 農(nóng)戶行為; 耕地; 復(fù)種指數(shù); IVTobit; IVProbit

中國(guó)人均耕地面積比較匱乏, 城鎮(zhèn)化發(fā)展擠占了大量農(nóng)業(yè)用地, 加劇了人地矛盾, 嚴(yán)重危及國(guó)家糧食安全[1-2]。在耕地資源有限的背景下保障國(guó)家的糧食安全, 還需要不斷提高耕地集約化程度, 耕地復(fù)種是在時(shí)間和空間上加強(qiáng)耕地集約化利用最簡(jiǎn)單有效的措施之一[3-4]。據(jù)統(tǒng)計(jì), 我國(guó)農(nóng)業(yè)增收的1/3由耕地復(fù)種所貢獻(xiàn)[5-6], 耕地復(fù)種可以通過(guò)提高糧食產(chǎn)量進(jìn)而保障國(guó)家糧食安全, 同時(shí)還能一定程度上緩解糧食作物與經(jīng)濟(jì)作物之間的爭(zhēng)地矛盾[7-8]。目前一些研究表明, 中國(guó)部分糧食主產(chǎn)區(qū)的單產(chǎn)增速逐步放緩, 甚至出現(xiàn)下降趨勢(shì)[9-10]。其原因是隨著耕地資源利用程度和農(nóng)業(yè)技術(shù)采用程度的提高, 糧食單產(chǎn)水平出現(xiàn)了“天花板效應(yīng)”[11]。因此, 在中國(guó)當(dāng)前耕地難以外延擴(kuò)展, 糧食單產(chǎn)增長(zhǎng)困難的情況下[12], 研究耕地復(fù)種對(duì)國(guó)家糧食安全戰(zhàn)略具有重要的現(xiàn)實(shí)意義。

復(fù)種指數(shù)作為衡量復(fù)種效率的重要指標(biāo), 反映了農(nóng)業(yè)生產(chǎn)在時(shí)間尺度上利用農(nóng)業(yè)生產(chǎn)資源的程度[13]。復(fù)種指數(shù)不僅受到光、水、熱資源等自然因素的影響, 還受到經(jīng)濟(jì)、政策、人力、技術(shù)條件等社會(huì)因素的影響。目前, 世界上關(guān)于耕地復(fù)種指數(shù)的研究主要集中在人均耕地較少的地區(qū), 采用復(fù)種模式最為普遍的是亞非地區(qū)[14], 尤其是亞洲地區(qū)[15]。國(guó)內(nèi)眾多學(xué)者圍繞復(fù)種指數(shù)及其影響因素進(jìn)行了大量研究, 復(fù)種指數(shù)的影響因素可以總結(jié)為以下4類(lèi): 第一, 農(nóng)業(yè)生產(chǎn)要素層面。有學(xué)者[16]認(rèn)為肥料、水利、勞動(dòng)力和技術(shù)條件是提高復(fù)種指數(shù)的重要因素。第二, 自然因素層面?？登辶值萚17]發(fā)現(xiàn)積溫波動(dòng)是造成江蘇省復(fù)種指數(shù)偏低的主要原因。李闊等[18]發(fā)現(xiàn)氣候異常變化會(huì)影響耕地的復(fù)種指數(shù)。農(nóng)作物間的選擇搭配以及農(nóng)作物生產(chǎn)的季節(jié)性是影響耕地復(fù)種指數(shù)的重要因素[19]。也有部分學(xué)者發(fā)現(xiàn)耕地復(fù)種指數(shù)變化的空間格局與地形密切相關(guān)[20-21]。第三, 國(guó)家政策層面。國(guó)家政策一般會(huì)通過(guò)和勞動(dòng)集約度或者資本集約度的交互效應(yīng)來(lái)影響耕地的復(fù)種指數(shù)[22]。農(nóng)業(yè)補(bǔ)貼政策會(huì)提高農(nóng)戶務(wù)農(nóng)積極性, 從而提高耕地的利用程度[23]。而耕地輪作休耕政策會(huì)降低耕地的復(fù)種程度[24]。城鎮(zhèn)化的擴(kuò)張導(dǎo)致大量耕地被占用[25], 為保證農(nóng)作物的播種面積, 城鎮(zhèn)化反向促進(jìn)耕地復(fù)種指數(shù)的提高[26-27]。第四, 農(nóng)業(yè)市場(chǎng)層面。種糧比較利益偏低會(huì)降低農(nóng)戶的種糧積極性, 導(dǎo)致農(nóng)戶對(duì)耕地的利用程度下降[5]。也有學(xué)者從市場(chǎng)交易的角度發(fā)現(xiàn)土地市場(chǎng)發(fā)育的程度會(huì)直接影響耕地的復(fù)種指數(shù)[28-29]。

綜上所述, 目前關(guān)于復(fù)種指數(shù)的研究較為豐富, 但大部分研究都是基于國(guó)家統(tǒng)計(jì)數(shù)據(jù), 鮮有從農(nóng)戶層面研究耕地的復(fù)種指數(shù)。耕地復(fù)種是單個(gè)農(nóng)戶自身的生產(chǎn)行為, 使用宏觀統(tǒng)計(jì)數(shù)據(jù)分析會(huì)掩蓋地區(qū)內(nèi)農(nóng)戶的異質(zhì)性, 且只能從宏觀層面探究影響復(fù)種指數(shù)的因素, 難以精準(zhǔn)找出影響農(nóng)戶耕地復(fù)種指數(shù)的微觀因素。隨著農(nóng)業(yè)機(jī)械的普及和農(nóng)業(yè)基礎(chǔ)設(shè)施的完善, 傳統(tǒng)農(nóng)業(yè)的作業(yè)方式得到較大改善, 農(nóng)業(yè)生產(chǎn)效率得到較大提升, 那么, 農(nóng)業(yè)機(jī)械化水平的提高會(huì)影響農(nóng)戶耕地的復(fù)種指數(shù)嗎?

基于此, 本文嘗試運(yùn)用1 682個(gè)農(nóng)戶實(shí)地調(diào)查數(shù)據(jù), 探究農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)的影響, 厘清農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)影響的程度和方式, 并分析其影響機(jī)制。特別強(qiáng)調(diào)的是, 直接把農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)進(jìn)行回歸, 模型可能會(huì)存在內(nèi)生性(endogeneity)和樣本選擇偏誤(sample selection bias)問(wèn)題, 本文將選取合適的工具變量和計(jì)量模型, 準(zhǔn)確地估計(jì)出農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)的凈效應(yīng), 為促進(jìn)我國(guó)耕地復(fù)種指數(shù)的提升和國(guó)家糧食安全戰(zhàn)略的發(fā)展提供政策依據(jù)。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 模型設(shè)定

本文運(yùn)用湖北省的1 682個(gè)農(nóng)戶實(shí)地調(diào)查數(shù)據(jù)作為研究樣本, 為考察農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)的影響, 構(gòu)建如式(1)所示的計(jì)量回歸模型。

式中: 下標(biāo)表示單個(gè)農(nóng)戶;為農(nóng)戶耕種的復(fù)種指數(shù);為農(nóng)業(yè)機(jī)械化水平, 以農(nóng)作物耕、種、收綜合機(jī)械化率為主要指標(biāo), 另外選取農(nóng)業(yè)機(jī)械數(shù)量、農(nóng)業(yè)機(jī)械投資和灌溉面積占比作為模型穩(wěn)健性檢驗(yàn)指標(biāo);為其他控制變量, 包括戶主受教育水平、戶主年齡、家庭規(guī)模、家庭非農(nóng)收入占比、家庭土地流轉(zhuǎn)面積、農(nóng)作物種植品種數(shù)量、氣溫變化和地形特征;是隨機(jī)擾動(dòng)項(xiàng);0、0和為待估參數(shù), 其中0是本文感興趣的參數(shù)。由于本文的主要因變量“復(fù)種指數(shù)”為連續(xù)變量, 式(1)為多元線性模型, 所以本文采用的基準(zhǔn)回歸方法為普通最小二乘法(OLS)。在運(yùn)用OLS方法進(jìn)行回歸時(shí), 回歸模型必須滿足最優(yōu)線性無(wú)偏性(BULE)假定。但一般樣本基本不可能完全滿足, 為了獲得0的無(wú)偏估計(jì)量, 必須解決式(1)中的兩個(gè)計(jì)量難題——內(nèi)生性問(wèn)題和樣本選擇問(wèn)題。為解決內(nèi)生性影響模型估計(jì)結(jié)果的有效性問(wèn)題, 本文采用工具變量法(2SLS)和工具變量GMM模型(即IVGMM)來(lái)解決模型估計(jì)上的內(nèi)生性問(wèn)題; 為解決樣本選擇偏誤問(wèn)題, 本文使用Tobit模型進(jìn)行估計(jì), 同時(shí)解決以上兩個(gè)問(wèn)題則采用工具變量Tobit模型(即IVTobit)方法。IVTobit的計(jì)量模型為式(2)-式(4):

式中: 變量Y為潛變量,Y為可以觀測(cè)到的變量(耕地復(fù)種指數(shù)),Z為本文所用的工具變量,m為內(nèi)生變量, 上述問(wèn)題的內(nèi)生性源于和Z、v的相關(guān)性。另外, 本文也想進(jìn)一步考察農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶復(fù)種意愿的影響, 考慮到意愿的取值為0或1, 故選取工具變量Probit模型(IVProbit)進(jìn)行估計(jì), IVProbit和IVTobit的區(qū)別在于Y的取值不同, IVProbit的計(jì)量模型見(jiàn)式(2)、式(3)和式(5)。

1.2 數(shù)據(jù)來(lái)源、變量選取和描述統(tǒng)計(jì)分析

1.2.1 數(shù)據(jù)來(lái)源

本文研究數(shù)據(jù)來(lái)自于課題組2016年在湖北省的農(nóng)戶實(shí)地調(diào)查數(shù)據(jù), 此次調(diào)查的內(nèi)容涵蓋家庭人口基本信息、家庭資本信息、家庭生產(chǎn)經(jīng)營(yíng)情況和農(nóng)業(yè)機(jī)械使用情況等。為保證樣本選取具有代表性, 調(diào)研地點(diǎn)選取了湖北省英山縣、蘄春縣、沙市區(qū)、陽(yáng)新縣和老河口市等5個(gè)縣市區(qū), 在一定程度上可以代表湖北省的東、中、西部。采用隨機(jī)抽樣的方法, 在每個(gè)縣市區(qū)抽取5個(gè)鄉(xiāng)鎮(zhèn), 每個(gè)鄉(xiāng)鎮(zhèn)抽取2個(gè)村, 每個(gè)村抽取35戶農(nóng)戶, 共調(diào)查1 750戶農(nóng)戶, 剔除無(wú)效樣本68份, 共獲得有效樣本1 682份。

1.2.2 變量選取

表1為本文變量的描述性統(tǒng)計(jì)結(jié)果, 主要包括各變量定義、均值和標(biāo)準(zhǔn)差。

1)農(nóng)業(yè)機(jī)械化水平。主要采用農(nóng)業(yè)農(nóng)村部對(duì)農(nóng)業(yè)機(jī)械化水平的衡量指標(biāo), 即農(nóng)作物耕、種、收綜合機(jī)械化率。其測(cè)算方法是機(jī)耕率、機(jī)播率和機(jī)收率的加權(quán)平均值(根據(jù)農(nóng)業(yè)農(nóng)村部的賦值方法權(quán)重分別為0.4、0.3、0.3)。機(jī)耕率等于機(jī)耕面積除以應(yīng)耕作面積, 機(jī)播率等于機(jī)播面積除以農(nóng)作物播種面積, 機(jī)收率等于機(jī)收面積除以實(shí)際收獲面積。選用農(nóng)業(yè)作物耕、種、收綜合機(jī)械化率能夠直接反映農(nóng)戶的實(shí)際機(jī)械化作業(yè)水平, 相比農(nóng)機(jī)總動(dòng)力更容易觀測(cè)。

2)農(nóng)戶耕地復(fù)種指數(shù)。復(fù)種是指一年內(nèi), 在同一田塊連續(xù)種植(收獲)2季或者2季以上作物的種植方式。連作、套作、移栽、再生等都是實(shí)現(xiàn)復(fù)種的具體技術(shù)措施。復(fù)種有兩個(gè)本質(zhì)特征: 一是通過(guò)多種一季或若干季作物提高對(duì)耕地資源的利用程度, 即在時(shí)間維度增加對(duì)耕地的利用強(qiáng)度; 二是通過(guò)多收一季或若干季作物提高對(duì)耕地資源的利用效果, 即增加耕地產(chǎn)出。復(fù)種指數(shù)是耕作制度研究中衡量耕地資源集約化利用程度的基礎(chǔ)性指標(biāo), 也是國(guó)家宏觀評(píng)價(jià)資源利用基本狀況的重要技術(shù)指標(biāo)。復(fù)種指數(shù)的計(jì)算方法為: 耕地復(fù)種指數(shù)=(全年農(nóng)作物總收獲面積/耕地面積)×100%, 這種計(jì)算方法能夠準(zhǔn)確簡(jiǎn)單地表達(dá)出連作復(fù)種方式對(duì)耕地資源的利用程度[13]。

3)其他變量。戶主教育水平: 戶主是家庭的主要決策者, 戶主教育水平將直接影響農(nóng)戶對(duì)土地配置的決策[30]; 戶主年齡: 戶主年齡能夠在一定程度上反映家庭結(jié)構(gòu), 家庭結(jié)構(gòu)會(huì)影響家庭生計(jì)策略的選擇; 家庭規(guī)模: 家庭規(guī)模的大小會(huì)影響到家庭的生產(chǎn)和消費(fèi)行為; 家庭非農(nóng)收入占比: 家庭非農(nóng)收入占比可以來(lái)衡量家庭的非農(nóng)化程度, 農(nóng)戶的非農(nóng)化程度越高, 農(nóng)戶對(duì)土地的耕種意愿和資本投入就會(huì)越低; 家庭土地流轉(zhuǎn)面積: 農(nóng)戶的土地流轉(zhuǎn)面積越大, 表明農(nóng)戶的土地經(jīng)營(yíng)意愿越低, 對(duì)于土地復(fù)種的意愿就會(huì)越低; 農(nóng)作物品種數(shù)量: 農(nóng)作物生長(zhǎng)周期和季節(jié)性的差異會(huì)影響土地的復(fù)種程度; 氣溫變化: 適宜的溫度是農(nóng)作物生長(zhǎng)的必要條件, 土地復(fù)種也需要考慮到自然氣候的變化; 地區(qū)類(lèi)型: 土地類(lèi)型必然是影響農(nóng)業(yè)機(jī)械使用的決定因素。

表1 研究區(qū)農(nóng)業(yè)機(jī)械化水平對(duì)樣本農(nóng)戶耕地復(fù)種指數(shù)影響的變量說(shuō)明和統(tǒng)計(jì)

2 結(jié)果與分析

2.1 模型變量間多重共線性檢驗(yàn)結(jié)果

如果回歸模型中變量之間存在嚴(yán)重的多重共線性問(wèn)題, 那么回歸結(jié)果可能存在問(wèn)題。本研究選取多重共線性的診斷方法對(duì)各變量之間的多重共線性問(wèn)題進(jìn)行檢驗(yàn)。判斷模型變量間是否存在嚴(yán)重多重共線性主要是根據(jù)容差和方差膨脹因子, 當(dāng)變量容差的值為0.1~1.0, 方差膨脹因子小于10, 則認(rèn)為該變量的多重共線性不嚴(yán)重。表2是以農(nóng)業(yè)機(jī)械化水平為因變量的多重共線性檢驗(yàn)結(jié)果, 各變量的容差均為0.1~1.0, 且方差膨脹因子都小于10, 檢驗(yàn)結(jié)果表明各變量間的多重共線性不嚴(yán)重, 基本滿足回歸模型的要求。

表2 以農(nóng)業(yè)機(jī)械化水平為因變量的樣本農(nóng)戶耕復(fù)種指數(shù)回歸模型多重共線性檢驗(yàn)結(jié)果

2.2 基于OLS估計(jì)的農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的影響分析

表3主要是考量農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)的影響, 方程1中的關(guān)鍵解釋變量為農(nóng)作物耕、種、收綜合機(jī)械化水平, 為本文最關(guān)注的變量; 方程2中關(guān)鍵解釋變量為家庭農(nóng)業(yè)機(jī)械數(shù)量; 方程3中的關(guān)鍵解釋變量為家庭農(nóng)業(yè)機(jī)械投資; 方程4中的關(guān)鍵解釋變量為灌溉面積占比。方程2-方程4都是為了檢驗(yàn)方程1的穩(wěn)健性。在方程1中, 回歸結(jié)果顯示, 農(nóng)業(yè)機(jī)械化水平通過(guò)了1%置信水平的顯著性檢驗(yàn), 除戶主教育水平外, 其他控制變量都通過(guò)了顯著性檢驗(yàn)。方程2-方程4, 回歸結(jié)果依次顯示, 農(nóng)業(yè)機(jī)械數(shù)量對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的正向影響, 農(nóng)業(yè)機(jī)械投資對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的正向影響, 灌溉面積占比對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的正向影響。這表明, 不論選用何種農(nóng)業(yè)機(jī)械化水平指標(biāo), 農(nóng)業(yè)機(jī)械化水平依然對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在穩(wěn)健的正向影響, 從而進(jìn)一步驗(yàn)證了農(nóng)業(yè)機(jī)械化水平確實(shí)會(huì)影響農(nóng)戶的耕地復(fù)種指數(shù)。

2.2.1 農(nóng)業(yè)機(jī)械化水平的影響

農(nóng)業(yè)機(jī)械化水平的OLS回歸系數(shù)是0.114 0, 且該變量在1%置信水平上顯著。這表明農(nóng)業(yè)機(jī)械化水平每提升1%, 則農(nóng)戶的耕地復(fù)種指數(shù)會(huì)提高0.11%?？赡茉蚴寝r(nóng)業(yè)生產(chǎn)具有明顯的地域性、季節(jié)性與周期性。一般而言, 農(nóng)業(yè)的地域性和季節(jié)性雖然無(wú)法通過(guò)農(nóng)業(yè)機(jī)械來(lái)克服和改變, 但農(nóng)業(yè)機(jī)械可以縮短農(nóng)業(yè)生產(chǎn)作業(yè)周期。農(nóng)業(yè)生產(chǎn)作業(yè)主要包括土地翻整、播種和收割等關(guān)鍵環(huán)節(jié), 農(nóng)業(yè)機(jī)械使用正好可以有效縮短這些生產(chǎn)環(huán)節(jié)的時(shí)間, 特別是在輪作作物區(qū), 只有順利完成上一輪農(nóng)作物的“搶收”工作, 才有可能及時(shí)播種下一輪農(nóng)作物。因此, 農(nóng)業(yè)機(jī)械能夠通過(guò)縮短農(nóng)業(yè)生產(chǎn)作業(yè)時(shí)間, 進(jìn)而保證復(fù)種農(nóng)作物種植的季節(jié)性, 提高土地利用率, 增加耕地復(fù)種程度。

2.2.2 農(nóng)戶個(gè)體特征的影響

戶主年齡對(duì)農(nóng)戶耕地復(fù)種指數(shù)的回歸系數(shù)是-0.009 4, 且該變量在1%置信水平上顯著。這表明, 戶主年齡每增加1歲, 農(nóng)戶耕地復(fù)種指數(shù)就會(huì)降低0.94%。可能原因是耕地復(fù)種是對(duì)土地集約化利用的表現(xiàn), 只有在符合農(nóng)作物生長(zhǎng)的季節(jié)內(nèi)快速完成兩次或兩次以上相同的農(nóng)業(yè)生產(chǎn)操作才有可能實(shí)現(xiàn)耕地復(fù)種。因此, 耕地復(fù)種需要較大的勞動(dòng)力投入量, 戶主的年齡越大, 戶主的體力難以維持高強(qiáng)度的農(nóng)業(yè)生產(chǎn)活動(dòng), 對(duì)耕地復(fù)種的意愿就會(huì)降低。戶主教育水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)有正向影響, 但結(jié)果并不顯著。

2.2.3 農(nóng)戶家庭特征的影響

農(nóng)戶家庭規(guī)模與耕地復(fù)種指數(shù)存在顯著的正向影響, 可能原因是家庭規(guī)模越大, 從事農(nóng)業(yè)生產(chǎn)活動(dòng)的人數(shù)就越多, 農(nóng)戶耕地復(fù)種的可能性就越大。家庭非農(nóng)收入占比對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的負(fù)向影響, 可能原因是農(nóng)戶的非農(nóng)收入占比越大, 農(nóng)戶對(duì)土地的依賴就會(huì)越小, 對(duì)土地的投入也就會(huì)越小。轉(zhuǎn)出土地面積對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的負(fù)向影響, 可能原因是土地轉(zhuǎn)出的規(guī)模越大, 農(nóng)戶從事農(nóng)業(yè)生產(chǎn)活動(dòng)的意愿就越小, 對(duì)耕地復(fù)種的意愿也會(huì)越小。種植農(nóng)作物品種數(shù)量對(duì)農(nóng)戶耕地復(fù)種指數(shù)有顯著的正向影響, 可能原因是農(nóng)戶種植農(nóng)作物的品種越多, 農(nóng)戶對(duì)土地的利用程度可能就越大, 耕地的復(fù)種程度也就越高。

2.2.4 自然特征的影響

氣溫變化對(duì)耕地復(fù)種指數(shù)存在顯著的負(fù)向影響, 回歸系數(shù)為-0.097 3, 表明氣溫變化異常地區(qū)耕地的復(fù)種指數(shù)要比氣溫變化不異常地區(qū)低9.73%。可能原因是, 氣溫是農(nóng)作物生長(zhǎng)的重要因素, 特別是對(duì)于耕地復(fù)種尤其重要, 氣溫變化異常的地區(qū)缺乏良好的復(fù)種條件, 因此耕地復(fù)種指數(shù)低。地區(qū)類(lèi)型對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的正向影響, 回歸系數(shù)為0.505 0, 表明平原地區(qū)的復(fù)種指數(shù)要比非平原地區(qū)的高50.5%, 可能原因是, 平原地區(qū)的地理環(huán)境更具優(yōu)勢(shì), 在農(nóng)作物生產(chǎn)方面可以節(jié)省大量的時(shí)間和勞動(dòng), 所以平原地區(qū)耕地的復(fù)種程度會(huì)更高。

表3 農(nóng)業(yè)機(jī)械化水平對(duì)樣本農(nóng)戶耕地復(fù)種指數(shù)影響的普通最小二乘法估計(jì)結(jié)果

***、**、*分別表示自變量在1%、5%、10%的置信水平上顯著。括號(hào)內(nèi)數(shù)據(jù)為標(biāo)準(zhǔn)誤。*, **, *** mean that explanatory variables have significant influences on levels of 10%, 5%, and 1%. Data in parenthesis is the standard error.

2.3 基于IVTobit估計(jì)的農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的影響分析

前文采用了OLS回歸方法估計(jì)了農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的影響, 但估計(jì)結(jié)果可能會(huì)因樣本選擇偏誤和內(nèi)生性問(wèn)題而產(chǎn)生偏誤, 因此, 還需要進(jìn)一步驗(yàn)證以上問(wèn)題是否存在。表4中的方程1為T(mén)obit模型估計(jì)結(jié)果, 方程2和方程3為2SLS模型估計(jì)結(jié)果, 方程4為IVGMM模型估計(jì)結(jié)果, 方程5和方程6為IVTobit模型估計(jì)結(jié)果。表4的方程1中農(nóng)業(yè)機(jī)械化水平的Tobit回歸系數(shù)比OLS回歸系數(shù)更大, 表明OLS回歸模型中確實(shí)存在樣本選擇偏誤問(wèn)題。從方程2-方程4可知, 不管是2SLS估計(jì)結(jié)果還是IVGMM結(jié)果, 農(nóng)業(yè)機(jī)械化水平的估計(jì)系數(shù)會(huì)因內(nèi)生性問(wèn)題而被嚴(yán)重低估, 說(shuō)明OLS回歸模型中確實(shí)存在內(nèi)生性問(wèn)題。根據(jù)Stock和Yogo[31]所提出的工具變量弱識(shí)別(weak identifacation)檢驗(yàn)方法, 檢驗(yàn)結(jié)果表明本文所采用的工具變量并非弱工具變量。另外, 工具變量也通過(guò)了冗余檢驗(yàn)。以上一系列有關(guān)工具變量的檢驗(yàn)結(jié)果表明, 本文所采用的工具變量較為科學(xué)可行。

由此可知, 樣本選擇偏誤和內(nèi)生性都會(huì)對(duì)模型估計(jì)產(chǎn)生干擾, 且內(nèi)生性問(wèn)題導(dǎo)致模型估計(jì)的偏誤會(huì)更大。如果僅采用OLS回歸方法可能得不出農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的真實(shí)估計(jì)值, 為此, 本文采用工具變量Tobit模型(即IVTobit)方法同時(shí)處理樣本選擇問(wèn)題和內(nèi)生性問(wèn)題, IVTobit回歸結(jié)果見(jiàn)方程6。就關(guān)鍵解釋變量“農(nóng)業(yè)機(jī)械化水平”而言, IVTobit估計(jì)系數(shù)比2SLS和IVGMM估計(jì)系數(shù)更大。農(nóng)業(yè)機(jī)械化水平每提高1%, 農(nóng)戶耕地的復(fù)種指數(shù)就提高1.393%, 且在1%置信水平上顯著。從控制變量的IVTobit估計(jì)系數(shù)可知, 各控制變量的IVTobit估計(jì)系數(shù)與OLS、2SLS、IVGMM的估計(jì)系數(shù)相差不大, 說(shuō)明IVTobit模型具有較強(qiáng)的穩(wěn)健性, 估計(jì)結(jié)果較為可信。至此, 我們可以確定農(nóng)業(yè)機(jī)械化水平確實(shí)能夠顯著影響農(nóng)戶耕地復(fù)種指數(shù), 且農(nóng)業(yè)機(jī)械化水平帶動(dòng)耕地復(fù)種指數(shù)提升的幅度要高于自身提升幅度, 這一真實(shí)影響效應(yīng)必須要在解決了回歸模型中樣本選擇偏誤和內(nèi)生性問(wèn)題之后才能得出。

表4 農(nóng)業(yè)機(jī)械化水平對(duì)樣本農(nóng)戶耕地復(fù)種指數(shù)影響的IVTobit估計(jì)結(jié)果

***、**、*分別表示自變量在1%、5%、10%的置信水平上顯著。括號(hào)內(nèi)數(shù)據(jù)為標(biāo)準(zhǔn)誤。*, **, *** mean that explanatory variables have significant influences on levels of 10%, 5%, and 1%, respectively. Data in parenthesis is the standard error.

2.4 農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的作用機(jī)制分析

前文證實(shí)了農(nóng)業(yè)機(jī)械化水平確實(shí)會(huì)對(duì)耕地復(fù)種指數(shù)產(chǎn)生影響, 但農(nóng)業(yè)機(jī)械化水平是如何影響耕地復(fù)種指數(shù)的呢? 或者說(shuō), 農(nóng)業(yè)機(jī)械化水平對(duì)不同類(lèi)型耕地復(fù)種指數(shù)的影響是一樣的嗎? 這一問(wèn)題的解答對(duì)厘清耕地復(fù)種指數(shù)的影響機(jī)制具有重要意義。農(nóng)戶種植農(nóng)作物的類(lèi)型主要可以分為糧食作物和經(jīng)濟(jì)作物, 不同類(lèi)型農(nóng)作物的復(fù)種程度可能會(huì)存在差異。本文根據(jù)農(nóng)作物種植類(lèi)型把耕地分為糧食作物耕地和經(jīng)濟(jì)作物耕地, 進(jìn)而分別考量農(nóng)業(yè)機(jī)械化水平對(duì)糧食作物耕地和經(jīng)濟(jì)作物耕地復(fù)種指數(shù)的影響, 然后分別考察農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶糧食作物耕地復(fù)種和經(jīng)濟(jì)作物耕地復(fù)種意愿的影響。

考慮到內(nèi)生性和樣本選擇偏誤問(wèn)題, 采用IVTobit模型進(jìn)行估計(jì)。表5的方程1和方程2是農(nóng)業(yè)機(jī)械化水平對(duì)糧食作物耕地復(fù)種指數(shù)的IVTobit的第1階段和第2階段回歸結(jié)果?；貧w結(jié)果表明, 農(nóng)業(yè)機(jī)械化水平每提高1%, 糧食作物耕地復(fù)種指數(shù)就提高0.988%, 低于農(nóng)業(yè)機(jī)械化水平對(duì)全部耕地復(fù)種指數(shù)的影響。表5的方程3和方程4是農(nóng)業(yè)機(jī)械化水平對(duì)經(jīng)濟(jì)作物耕地復(fù)種指數(shù)的IVTobit的第1階段和第2階段回歸結(jié)果。回歸結(jié)果表明, 農(nóng)業(yè)機(jī)械化水平每提高1%, 經(jīng)濟(jì)作物耕地復(fù)種指數(shù)就提高2.160%, 高于農(nóng)業(yè)機(jī)械化水平對(duì)全部耕地復(fù)種指數(shù)的影響。由此可知, 農(nóng)業(yè)機(jī)械化水平對(duì)不同類(lèi)型農(nóng)作物耕地復(fù)種指數(shù)的影響存在顯著差異, 農(nóng)業(yè)機(jī)械化水平對(duì)經(jīng)濟(jì)作物耕地復(fù)種指數(shù)的影響遠(yuǎn)高于對(duì)糧食作物耕地復(fù)種指數(shù)的影響。從其他控制變量來(lái)看, 戶主教育水平每提高1%, 糧食作物和經(jīng)濟(jì)作物耕地復(fù)種指數(shù)分別顯著降低0.015%和0.047%。戶主年齡每增加1%, 糧食作物耕地復(fù)種指數(shù)顯著降低0.005%, 經(jīng)濟(jì)作物耕地復(fù)種指數(shù)沒(méi)有顯著變化。家庭規(guī)模每增加1%, 糧食作物耕地復(fù)種指數(shù)顯著增加0.030%, 經(jīng)濟(jì)作物耕地復(fù)種指數(shù)沒(méi)有顯著變化。家庭非農(nóng)收入占比每增加1%, 經(jīng)濟(jì)作物耕地復(fù)種指數(shù)顯著降低0.145%, 糧食作物耕地復(fù)種指數(shù)沒(méi)有顯著變化。家庭土地流轉(zhuǎn)面積每增加1%, 糧食作物和經(jīng)濟(jì)作物耕地的復(fù)種指數(shù)分別顯著增加0.030%和0.040%。農(nóng)作物種植種類(lèi)每增加1%, 糧食作物和經(jīng)濟(jì)作物耕地的復(fù)種指數(shù)分別顯著增加0.151%和0.230%。氣溫變化對(duì)糧食作物和經(jīng)濟(jì)作物耕地的復(fù)種指數(shù)沒(méi)有顯著影響。平原地區(qū)相較于非平原地區(qū)而言, 其糧食作物耕地復(fù)種指數(shù)的提升更大。

***、**、*分別表示自變量在1%、5%、10%的置信水平上顯著。*, **, *** mean that explanatory variables have significant influences on levels of 10%, 5%, and 1%, respectively. Data in parenthesis is the standard error.

方程5和方程6是農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶糧食作物耕地復(fù)種意愿和經(jīng)濟(jì)作物耕地復(fù)種意愿的IVProbit估計(jì)結(jié)果?；貧w結(jié)果表明, 農(nóng)業(yè)機(jī)械化水平每增加1%, 農(nóng)戶對(duì)糧食作物和經(jīng)濟(jì)作物耕地復(fù)種意愿的概率分別提高3.100%和5.361%, 這也進(jìn)一步說(shuō)明農(nóng)業(yè)機(jī)械化水平更能促進(jìn)經(jīng)濟(jì)作物耕地的復(fù)種程度, 佐證了以上的觀點(diǎn)。從其他控制變量來(lái)看, IVProbit估計(jì)結(jié)果的系數(shù)和IVTobit估計(jì)結(jié)果的系數(shù)基本一致, 表明模型具有良好的穩(wěn)健性。從其他控制變量來(lái)看, 戶主教育水平、家庭非農(nóng)收入占比、家庭土地流轉(zhuǎn)面積對(duì)農(nóng)戶糧食作物耕地復(fù)種指數(shù)的提升有顯著的負(fù)向影響, 農(nóng)作物種植種類(lèi)和地區(qū)類(lèi)型對(duì)農(nóng)戶糧食作物耕地復(fù)種指數(shù)的提升有顯著的正向影響。農(nóng)作物種植種類(lèi)對(duì)農(nóng)戶經(jīng)濟(jì)作物耕地復(fù)種指數(shù)的提升有顯著的正向影響。

3 討論和結(jié)論

3.1 討論

糧食安全關(guān)系到社會(huì)穩(wěn)定、國(guó)民經(jīng)濟(jì)建設(shè)等一系列問(wèn)題。在當(dāng)前, 我國(guó)糧食產(chǎn)量雖然已經(jīng)實(shí)現(xiàn)了連續(xù)“十四年增”, 但隨著城鎮(zhèn)化和工業(yè)化的進(jìn)程, 我國(guó)的耕地資源日趨緊張, 農(nóng)村勞動(dòng)力外流嚴(yán)重, “谷賤傷農(nóng)”又進(jìn)一步挫傷農(nóng)民的種糧積極性, 我國(guó)的糧食安全問(wèn)題仍不可掉以輕心。以往研究表明, 農(nóng)業(yè)增產(chǎn)很大一部分是由耕地資源集約化利用所貢獻(xiàn)的[26]。農(nóng)業(yè)機(jī)械使用是耕地集約化的重要途徑之一, 耕地復(fù)種指數(shù)又是耕地集約化的表現(xiàn)形式之一。所以, 探究農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的影響, 也就是在梳理農(nóng)業(yè)增產(chǎn)的內(nèi)在邏輯, 這對(duì)于我國(guó)糧食安全戰(zhàn)略有重要的現(xiàn)實(shí)意義。

目前, 學(xué)者大多從區(qū)域或者全國(guó)層面來(lái)測(cè)度耕地的復(fù)種指數(shù)[6,17,20], 所用的數(shù)據(jù)主要來(lái)源于國(guó)家統(tǒng)計(jì)局公布的省級(jí)面板數(shù)據(jù), 采用這一層級(jí)數(shù)據(jù)測(cè)度出來(lái)的結(jié)果能夠準(zhǔn)確把握區(qū)域?qū)用娓貜?fù)種指數(shù)的變動(dòng)趨勢(shì), 但無(wú)法掌握農(nóng)戶層面耕地復(fù)種指數(shù)的變化趨勢(shì), 較易忽視農(nóng)戶個(gè)體的異質(zhì)性[24,29], 這主要是由于農(nóng)戶層級(jí)數(shù)據(jù)缺失所致。事實(shí)上, 農(nóng)業(yè)生產(chǎn)活動(dòng)最后需要落實(shí)到具體的單個(gè)農(nóng)戶, 農(nóng)戶選擇何種生計(jì)決策是由家庭稟賦和外部社會(huì)環(huán)境共同作用的結(jié)果[32], 僅僅從宏觀層面考察區(qū)域復(fù)種指數(shù)的影響因素顯得略有不足, 難以得出直接適用于微觀農(nóng)戶生產(chǎn)的指導(dǎo)意見(jiàn)。與以往研究有所不同的是, 本文是從農(nóng)戶層面來(lái)衡量耕地復(fù)種指數(shù), 從農(nóng)戶微觀層面研究得出, 農(nóng)業(yè)機(jī)械化水平確實(shí)可以提高耕地的復(fù)種指數(shù)。再則, 以往農(nóng)業(yè)機(jī)械化水平的研究更多的是立足于宏觀層面, 本文從農(nóng)戶層面度量單個(gè)家庭的農(nóng)業(yè)機(jī)械化水平, 這一衡量方法不僅是為了確保與農(nóng)戶耕地復(fù)種指數(shù)微觀層面的數(shù)據(jù)維度相匹配, 也是為了更好地探討農(nóng)戶微觀層面農(nóng)業(yè)機(jī)械使用對(duì)農(nóng)戶生產(chǎn)的影響。為了消除農(nóng)業(yè)機(jī)械化水平與耕地復(fù)種指數(shù)可能存在互為因果的問(wèn)題, 本文采用了工具變量法處理了潛在的內(nèi)生性問(wèn)題, 這也是本文與以往研究的不同之處, 本文在計(jì)量的運(yùn)用和模型選取上更為規(guī)范準(zhǔn)確。

以往學(xué)者在探究復(fù)種指數(shù)差異時(shí), 一般會(huì)從地形特征[26-27]、政策補(bǔ)貼[23]、土地市場(chǎng)發(fā)展[28-29]來(lái)展開(kāi)研究, 最為普遍的則是從區(qū)域類(lèi)型的角度來(lái)探究[6,17,20], 從區(qū)域?qū)用嫣接懜嗟氖怯^察不同區(qū)域之間耕地復(fù)種指數(shù)的差異變化, 區(qū)域差異是影響耕地復(fù)種指數(shù)的外在自然條件, 這一點(diǎn)毋庸置疑。但以上這些研究視角基本上都可以歸納為影響復(fù)種指數(shù)的外部沖擊因素, 對(duì)復(fù)種指數(shù)差異的內(nèi)部致因分析不夠。實(shí)際上, 耕地復(fù)種的農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)方式最根本是源于農(nóng)戶自身的生產(chǎn)經(jīng)營(yíng)決策, 農(nóng)戶的農(nóng)業(yè)生產(chǎn)決策主要體現(xiàn)為農(nóng)戶種植品種的差異, 從農(nóng)戶內(nèi)生性視角探究不同農(nóng)作物類(lèi)型耕地復(fù)種指數(shù)更具合理性。因此, 本文把農(nóng)戶耕地類(lèi)型劃分為糧食作物耕地和經(jīng)濟(jì)作物耕地, 以期從農(nóng)戶角度探究農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的影響機(jī)制。當(dāng)然, 本文也存在進(jìn)一步提升深化的空間, 由于本文所采用的是農(nóng)戶微觀調(diào)查的截面數(shù)據(jù), 不能考量農(nóng)戶農(nóng)業(yè)機(jī)械化水平和耕地復(fù)種指數(shù)跨年度的變化情況。農(nóng)業(yè)生產(chǎn)活動(dòng)具有連續(xù)性的特征, 如果使用動(dòng)態(tài)面板數(shù)據(jù)來(lái)分析, 結(jié)論可能會(huì)更有說(shuō)服力。本文并不是研究農(nóng)戶耕地復(fù)種指數(shù)的變動(dòng)趨勢(shì), 而是旨在從農(nóng)業(yè)機(jī)械化水平的角度分析農(nóng)戶耕地復(fù)種的影響因素, 因此農(nóng)戶層級(jí)的截面數(shù)據(jù)也足以支撐本研究。

3.2 結(jié)論

本文以1 682份微觀農(nóng)戶調(diào)查數(shù)據(jù)為基礎(chǔ), 實(shí)證研究了農(nóng)戶農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的影響, 結(jié)果表明: 1)在沒(méi)有處理樣本選擇偏誤和內(nèi)生性的情況下進(jìn)行回歸, OLS估計(jì)結(jié)果和處理后的估計(jì)結(jié)果相差較大, 說(shuō)明直接用OLS回歸會(huì)嚴(yán)重干擾農(nóng)業(yè)機(jī)械化水平對(duì)耕地復(fù)種指數(shù)的真實(shí)影響。處理后的回歸系數(shù)表明, 農(nóng)業(yè)機(jī)械化水平對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在顯著的正向影響, 農(nóng)業(yè)機(jī)械化水平每增加1%, 農(nóng)戶的耕地復(fù)種指數(shù)就增加1.393%。提高農(nóng)業(yè)機(jī)械化水平能夠有效降低農(nóng)業(yè)生產(chǎn)作業(yè)時(shí)間, 保障復(fù)種農(nóng)作物種植的季節(jié)性, 最大化提高土地利用率, 增加耕地復(fù)種程度。除了農(nóng)業(yè)機(jī)械化水平會(huì)對(duì)耕地復(fù)種指數(shù)有影響外, 戶主教育、戶主年齡、家庭非農(nóng)收入占比、家庭轉(zhuǎn)出土地、氣溫變化對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在負(fù)向影響, 家庭規(guī)模、農(nóng)作物品種數(shù)量、地區(qū)類(lèi)型對(duì)農(nóng)戶耕地復(fù)種指數(shù)存在正向影響。2)對(duì)耕地復(fù)種指數(shù)的作用機(jī)制分析得出, 農(nóng)業(yè)機(jī)械化水平對(duì)不同類(lèi)型農(nóng)作物耕地復(fù)種指數(shù)和意愿的影響存在顯著差異, 農(nóng)業(yè)機(jī)械化水平對(duì)經(jīng)濟(jì)作物復(fù)種指數(shù)的影響要高于對(duì)糧食作物復(fù)種指數(shù)的影響, 農(nóng)業(yè)機(jī)械化水平提高農(nóng)戶經(jīng)濟(jì)作物耕地復(fù)種意愿的程度要高于提高農(nóng)戶糧食作物耕地復(fù)種意愿的程度。這主要因?yàn)榻?jīng)濟(jì)作物的經(jīng)濟(jì)效應(yīng)更高, 其復(fù)種可能性較糧食作物更大, 糧食作物不僅具有較強(qiáng)的季節(jié)性還不能反季節(jié)種植, 而經(jīng)濟(jì)作物生長(zhǎng)周期較短且生產(chǎn)過(guò)程可操作。

綜上所述, 本文認(rèn)為農(nóng)戶農(nóng)業(yè)機(jī)械化水平的提升對(duì)耕地復(fù)種發(fā)揮著積極作用, 特別對(duì)經(jīng)濟(jì)作物耕地復(fù)種指數(shù)的提升尤為明顯。為進(jìn)一步提高農(nóng)戶耕地復(fù)種程度, 保障國(guó)內(nèi)糧食安全, 政府可以大力推廣農(nóng)業(yè)機(jī)械使用, 加強(qiáng)對(duì)平原地區(qū)種糧農(nóng)戶的政策幫扶, 改革糧食收儲(chǔ)制度。

[1] 吳大放, 劉艷艷, 董玉祥, 等. 我國(guó)耕地?cái)?shù)量、質(zhì)量與空間變化研究綜述[J]. 熱帶地理, 2010, 30(2): 108–113 WU D F, LIU Y Y, DONG Y X, et al. Review on the research of quantity, quality and spatial change of cultivated land in China[J]. Tropical Geography, 2010, 30(2): 108–113

[2] DENG X Z, HUANG J K, ROZELLE S, et al. Impact of urbanization on cultivated land changes in China[J]. Land Use Policy, 2015, 45: 1–7

[3] 劉保花, 陳新平, 崔振嶺, 等. 三大糧食作物產(chǎn)量潛力與產(chǎn)量差研究進(jìn)展[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2015, 23(5): 525–534 LIU B H, CHEN X P, CUI Z L, et al. Research advance in yield potential and yield gap of three major cereal crops[J]. Chinese Journal of Eco-Agriculture, 2015, 23(5): 525–534

[4] KRAVCHENKO A N, SNAPP S S, ROBERTSON G P. Field-scale experiments reveal persistent yield gaps in low-input and organic cropping systems[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(5): 926–931

[5] 李琳鳳, 李孟剛. 提高復(fù)種指數(shù)是保障我國(guó)糧食安全的有效途徑[J]. 管理現(xiàn)代化, 2012, (3): 26–28 LI L F, LI M G. Improving the multiple cropping index is an effective way to ensure food security in China[J]. Modernization of Management, 2012, (3): 26–28

[6] 何文斯, 吳文斌, 余強(qiáng)毅, 等. 1980~2010年中國(guó)耕地復(fù)種可提升潛力空間格局變化[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2016, 37(11): 7–14 HE W S, WU W B, YU Q Y, et al. Changes in spatio-temporal distribution of potential increment multiple cropping in China during 1980~2010[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(11): 7–14

[7] WU W B, YU Q Y, VERBURG P H, et al. How could agricultural land systems contribute to raise food production under global change?[J]. Journal of Integrative Agriculture, 2014, 13(7): 1432–1442

[8] 唐華俊, 吳文斌, 余強(qiáng)毅, 等. 農(nóng)業(yè)土地系統(tǒng)研究及其關(guān)鍵科學(xué)問(wèn)題[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2015, 48(5): 900–910 TANG H J, WU W B, YU Q Y, et al. Key research priorities for agricultural land system studies[J]. Scientia Agricultura Sinica, 2015, 48(5): 900–910

[9] GRASSINI P, ESKRIDGE K M, CASSMAN K G. Distinguishing between yield advances and yield plateaus in historical crop production trends[J]. Nature Communications, 2013, 4: 2918

[10] PUGH T A M, MüLLER C, ELLIOTT J, et al. Climate analogues suggest limited potential for intensification of production on current croplands under climate change[J]. Nature Communications, 2016, 7: 12608

[11] 吳文斌, 唐華俊, 楊鵬, 等. 基于空間模型的全球糧食安全評(píng)價(jià)[J]. 地理學(xué)報(bào), 2010, 65(8): 907–918 WU W B, TANG H J, YANG P, et al. Model-based assessment of food security at a global scale[J]. Acta Geographica Sinica, 2010, 65(8): 907–918

[12] 吳文斌, 余強(qiáng)毅, 陸苗, 等. 耕地復(fù)種指數(shù)研究的關(guān)鍵科學(xué)問(wèn)題[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2018, 51(9): 1681–1694 WU W B, YU Q Y, LU M, et al. Key research priorities for multiple cropping systems[J]. Scientia Agricultura Sinica, 2018, 51(9): 1681–1694

[13] 卞新民, 馮金俠. 多元多熟種植制度復(fù)種指數(shù)計(jì)算方法探討[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào), 1999, 22(1): 11–15 BIAN X M, FENG J X. Method of calculating cropping system index of diversified multiple cropping system[J]. Journal of Nanjing Agricultural University, 1999, 22(1): 11–15

[14] 左麗君, 張増祥, 董婷婷, 等. 耕地復(fù)種指數(shù)研究的國(guó)內(nèi)外進(jìn)展[J]. 自然資源學(xué)報(bào), 2009, 24(3): 553–560 ZUO L J, ZHANG Z X, DONG T T, et al. Progress in the research on the multiple cropping index[J]. Journal of Natural Resources, 2009, 24(3): 553–560

[15] Devendra C, Thomas D. Smallholder farming systems in Asia[J]. Agricultural Systems, 2002, 71(1/2): 17–25

[16] 中華人民共和國(guó)農(nóng)業(yè)部糧食作物生產(chǎn)局. 改變耕作制度、擴(kuò)大復(fù)種面積[M]. 北京: 農(nóng)業(yè)出版社, 1958 Department of Food Crop Production, Ministry of Agriculture of the People’s Republic of China. Changing Farming System and Expanding Multiple Cropping Area[M]. Beijing: Agricultural Press, 1958

[17] 康清林, 李春蕾, 張玉虎. 2001—2010年江蘇省復(fù)種指數(shù)變化及其影響因子分析[J]. 首都師范大學(xué)學(xué)報(bào): 自然科學(xué)版, 2017, 38(5): 86–94 KANG Q L, LI C L, ZHANG Y H. The cropping index change and impact factor analysis in Jiangsu Province between 2001 and 2010[J]. Journal of Capital Normal University: Natural Science Edition, 2017, 38(5): 86–94

[18] 李闊, 許吟隆. 適應(yīng)氣候變化的中國(guó)農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整研究[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào), 2017, 19(1): 8–17 LI K, XU Y L. Study on adjustment of agricultural planting structures in China for adapting to climate change[J]. Journal of Agricultural Science and Technology, 2017, 19(1): 8–17

[19] 劉巽浩. 耕作學(xué)[M]. 北京: 中國(guó)農(nóng)業(yè)出版社, 1994 LIU X H. Farming Science[M]. Beijing: China Agriculture Press, 1994

[20] 李晶, 任志遠(yuǎn). 基于SPOTNDVI的陜西省耕地復(fù)種指數(shù)時(shí)空變化[J]. 干旱區(qū)資源與環(huán)境, 2011, 25(10): 86–91 LI J, REN Z Y. The monitoring for cropping index of arable land in northwest region using SPOTNDVI — A case of Shaanxi Province[J]. Journal of Arid Land Resources and Environment, 2011, 25(10): 86–91

[21] 田羅, 周文佐, 何萬(wàn)華, 等. 2000—2016年四川省耕地種植指數(shù)時(shí)空變化及其自然潛力分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2018, 26(8): 1206–1216 TIAN L, ZHOU W Z, HE W H, et al. Spatio-temporal evolution and potential analysis of cropping index in Sichuan Province during 2000–2016[J]. Chinese Journal of Eco-Agriculture, 2018, 26(8): 1206–1216

[22] 徐國(guó)鑫, 金曉斌, 宋佳楠, 等. 耕地集約利用對(duì)糧食產(chǎn)量變化影響的定量分析——以江蘇省為例[J]. 地理研究, 2012, 31(9): 1621–1630 XU G X, JIN X B, SONG J N, et al. The impact of intensive use of agricultural land on grain yields: A case study of Jiangsu Province[J]. Geographical Research, 2012, 31(9): 1621–1630

[23] 張倩, 許泉, 王全忠, 等. 補(bǔ)貼政策與農(nóng)戶稻作制度選擇——基于湖南省微觀調(diào)研的證據(jù)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究, 2016, (6): 89–99 ZHANG Q, XU Q, WANG Q Z, et al. The effect of subsidy policy on rice planting pattern choices of peasant households: Evidence from micro-investigation in Hunan Province[J]. Industrial Economics Research, 2016, (6): 89–99

[24] 閆慧敏, 劉紀(jì)遠(yuǎn), 曹明奎. 近20年中國(guó)耕地復(fù)種指數(shù)的時(shí)空變化[J]. 地理學(xué)報(bào), 2005, 60(4): 559–566 YAN H M, LIU J Y, CAO M K. Remotely sensed multiple cropping index variations in China during 1981-2000[J]. Acta Geographica Sinica, 2005, 60(4): 559–566

[25] 張樂(lè)勤, 陳素平, 陳發(fā)奎. 基于邊際模型的中國(guó)城鎮(zhèn)化演進(jìn)對(duì)耕地影響極限研究[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2014, 22(7): 837–842 ZHANG L Q, CHEN S P, CHEN F K. A marginal model-based study of the ultimate influence of China’s urbanization evolution on cropland[J]. Chinese Journal of Eco-Agriculture, 2014, 22(7): 837–842

[26] 梁守真, 馬萬(wàn)棟, 施平, 等. 基于MODIS NDVI數(shù)據(jù)的復(fù)種指數(shù)監(jiān)測(cè)——以環(huán)渤海地區(qū)為例[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2012, 20(12): 1657–1663 LIANG S Z, MA W D, SHI P, et al. Monitoring multiple cropping index using MODIS NDVI data: A case study of Bohai Rim[J]. Chinese Journal of Eco-Agriculture, 2012, 20(12): 1657–1663

[27] 梁書(shū)民. 我國(guó)各地區(qū)復(fù)種發(fā)展?jié)摿εc復(fù)種行為研究[J]. 農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題, 2007, 28(5): 85–90 LIANG S M. Probing potentials of multiple cropping in the selected provinces in China[J]. Issues in Agricultural Economy, 2007, 28(5): 85–90

[28] 曲福田, 吳郁玲. 土地市場(chǎng)發(fā)育與土地利用集約度的理論與實(shí)證研究——以江蘇省開(kāi)發(fā)區(qū)為例[J]. 自然資源學(xué)報(bào), 2007, 22(3): 445–454 QU F T, WU Y L. Theoretical and empirical study on the land market and land use intensity: A case of the development zones in Jiangsu Province[J]. Journal of Natural Resources, 2007, 22(3): 445–454

[29] 楊紅梅, 劉衛(wèi)東, 劉紅光. 土地市場(chǎng)發(fā)展對(duì)土地集約利用的影響[J]. 中國(guó)人口·資源與環(huán)境, 2011, 21(12): 129–133 YANG H M, LIU W D, LIU H G. Effects of land market development on land use intensity[J]. China Population, Resources and Environment, 2011, 21(12): 129–133

[30] 崔寧波, 張正巖. 臨儲(chǔ)政策取消下玉米種植結(jié)構(gòu)調(diào)整的影響因素與收入效應(yīng)——基于黑龍江省鐮刀彎地區(qū)調(diào)查數(shù)據(jù)的分析[J]. 商業(yè)研究, 2017, 59(11): 153–163 CUI N B, ZHANG Z Y. Influence factors and income effects of the adjustment of corn planting structure under the abolition of temporary storage policy: An analysis based on the survey data of sickle bend area in Heilongjiang Province[J]. Commercial Research, 2017, 59(11): 153–163

[31] STOCK J H, YOGO M. Testing for weak instruments in linear IV regression[M]//ANDREWS D W K, STOCK J H. Identification and Inference for Econometric Models Essays in Honor of Thomas Rothenberg. Cambridge: Cambridge University Press, 2002

[32] 彭繼權(quán), 吳海濤, 孟權(quán). 家庭生命周期、社會(huì)資本與農(nóng)戶生計(jì)策略研究[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2018, 23(9): 196–217 PENG J Q, WU H T, MENG Q. Study on family life cycle, social capital and rural households’ livelihood strategy[J]. Journal of China Agricultural University, 2018, 23(9): 196–217

Impact of agricultural mechanization level on farmers’ cropping index in Hubei Province*

PENG Jiquan, WU Haitao**, SONG Jiahao, LI Mengding

(School of Business Administration, Zhongnan University of Economics and Law, Wuhan 430073, China)

Increased multi-cropping index in cultivated lands is critical for food security strategies and issues concerning in agriculture, countryside and peasant communities in China. Presently, many studies exist on multiple cropping index. However, most of these studies are based on national statistics, with fewer studies on peasant household conditions. Multiple cropping of cultivated lands is the production activities of individual rural households. Therefore, the use of macro-statistical data had failed to adequately capture inherent heterogeneities in peasant conditions in different regions. Furthermore, it has limited research analysis to only the factors that affect multiple cropping index at macro scale. This has made it difficult to accurately analyze the driving factors at micro scale. Here, we used survey data from 1 682 peasant households in Hubei Province to investigate the impact of the level of agricultural mechanization on multiple cropping index at microscopic scale. To further avoid the possibility of endogeneity and sample selection bias in the model, we used IVTobit and IVProbit regression models to explore the impact of the level of agricultural mechanization on multiple-cropping index and the differences in various types of crops. The results showed that: 1) ordinary least square (OLS)-estimation result without consideration for sample selection bias and endogeneity and processed result were quite different. This indicated that the original OLS regression model significantly underestimated the effect of the level of agricultural mechanization on peasant household conditions. Regression coefficients pointed out that the level of agricultural mechanization had significant positive impact on multiple cropping index. For every 1% increase in the level of agricultural mechanization, multiple cropping index increased by 1.393%. This confirmed the hypothesis that agricultural mechanization effectively reduced the time of agricultural production, ensured seasonality of multiple crops, maximized utilization of land and increased the degree of cultivation. In addition, education and age of household head, proportion of non-agricultural income, transferred land and temperature change had dramatic negative effect on multiple cropping index of cultivated lands. Family size, number of crop varieties and type of area had significant positive effect on peasant household conditions. 2) Based on the analysis of the action mechanism of multiple cropping index of cultivated lands, there was significant difference in the impact of the level of agricultural mechanization on multiple cropping index and willingness of different types of crops. The level of agricultural mechanization affected cropping index of cash crops more than grain crops. Compared with peasants who grew food crops, those who grew cash crops were more willing to plant more with increasing level of agricultural mechanization. This was mainly because economic effects of cash crops were higher and peasants were more likely to multiply cash crops them than grain crops. The latter not only had strong seasonality, but also was not plantable in off-season periods, while the former had short growth cycle with operable production process. In summary, we argued that improvement of the level of agricultural mechanization by peasants played an active role in multiple cropping index in cultivated lands, especially for increasing cropping index of cash crops. In order to further improve the degree of cultivating land and to ensure domestic food security in peasant communities, government should vigorously promote the use of agricultural mechanization, strengthen policy support for peasants who cultivate grains in plains and reform grain storage systems.

Agricultural mechanization; Peasant behavior; Cultivated land; Multiple cropping index; IVTobit; IVProbit

, E-mail: wuhan_haitao@aliyun.com

Jul. 4, 2018;

Nov. 2, 2018

F323.3

A

2096-6237(2019)03-0380-11

10.13930/j.cnki.cjea.180624

彭繼權(quán), 吳海濤, 宋嘉豪, 李孟丁. 農(nóng)業(yè)機(jī)械化水平對(duì)湖北農(nóng)戶耕地復(fù)種指數(shù)的影響[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2019, 27(3): 380-390

PENG J Q, WU H T, SONG J H, LI M D. Impact of agricultural mechanization level on farmers’ cropping index in Hubei Province[J]. Chinese Journal of Eco-Agriculture, 2019, 27(3): 380-390

* 國(guó)家自然科學(xué)基金項(xiàng)目(71273281, 71573277)、湖北省人文社科重點(diǎn)研究基地項(xiàng)目(2018K008)、四川省哲學(xué)社會(huì)科學(xué)重點(diǎn)研究基地項(xiàng)目(DYWH1811, SHZLYB1804)資助

吳海濤, 主要研究方向?yàn)檗r(nóng)業(yè)經(jīng)濟(jì)。E-mail: wuhan_haitao@aliyun.com

彭繼權(quán), 主要研究方向?yàn)檗r(nóng)業(yè)經(jīng)濟(jì)。E-mail: jiquan_wuhan@163.com

2018-07-04

2018-11-02

* This study was supported by the National Natural Science Foundation of China (71273281, 71573277), the Project of Hubei Provincial Humanities and Social Sciences Key Research Base (2018K008), Sichuan Provincial Key Research Base of Philosophy and Social Sciences (DYWH1811, SHZLYB1804).