王丹,劉春明,周楊
(1. 長春金融高等??茖W校會計學院,長春市,130028; 2. 吉林工程技術(shù)師范學院工商管理學院,長春市,130122; 3. 吉林農(nóng)業(yè)大學經(jīng)濟管理學院,長春市,130118)
通訊作者:劉春明,男,1977年生,吉林白山人,博士,副教授,碩導;研究方向為農(nóng)業(yè)經(jīng)濟管理、人力資源。E-mail: 906248795@qq.com
隨著農(nóng)業(yè)現(xiàn)代化的發(fā)展和糧食補貼政策的不斷完善,我國糧食生產(chǎn)力得到了空前發(fā)展,糧食產(chǎn)量實現(xiàn)了“十二連增”,但生產(chǎn)要素的過渡消耗讓我們付出了巨大的生態(tài)代價,糧食是否能夠可持續(xù)發(fā)展一度成為了學術(shù)界熱議的話題[1-3]。同時,農(nóng)村勞動力的不斷流失也引發(fā)了“誰來種糧”的擔憂。在當前資源條件剛性約束下,提高糧食生產(chǎn)率無疑是緩解糧食增產(chǎn)、勞動力不足與生態(tài)保護之間矛盾的必然選擇[4-5]。隨著城鎮(zhèn)化進程的不斷推進,農(nóng)業(yè)生產(chǎn)中的人工成本逐年上漲,在誘致性技術(shù)變遷理論和農(nóng)機具購置補貼等國家政策的作用下,農(nóng)業(yè)生產(chǎn)環(huán)節(jié)表現(xiàn)出由農(nóng)業(yè)機械化大面積替代人工的狀態(tài)。然而,多重影響效應隨之凸顯。一方面,農(nóng)業(yè)機械化帶來的技術(shù)進步為糧食增產(chǎn)方式轉(zhuǎn)型提供了新動力,促進了糧食生產(chǎn)技術(shù)效率的增長;另一方面,農(nóng)業(yè)機械化的大規(guī)模使用填補了農(nóng)忙時對于勞動力的需求,有效避免了因各個環(huán)節(jié)操作不及時對糧食生產(chǎn)造成的影響。因此,在可持續(xù)發(fā)展背景下,考察農(nóng)業(yè)機械化服務對糧食生產(chǎn)技術(shù)效率的影響,有助于為保障糧食產(chǎn)能政策的制定提供實證依據(jù)。
目前,國內(nèi)外關(guān)于農(nóng)業(yè)機械化對糧食生產(chǎn)的影響主要通過投入產(chǎn)出函數(shù)進行直接分析。如黃瑪蘭等[6]采用隨機前沿生產(chǎn)函數(shù)測算了13個糧食主產(chǎn)區(qū)農(nóng)業(yè)機械化對糧食生產(chǎn)的影響,研究發(fā)現(xiàn)農(nóng)業(yè)機械化可以正向影響糧食產(chǎn)量,但對糧食邊際產(chǎn)出的影響并不顯著;王歐等[7]同樣采用了隨機前沿生產(chǎn)函數(shù)對農(nóng)業(yè)機械化與勞動力投入在糧食生產(chǎn)中的關(guān)系及影響進行了研究,認為農(nóng)業(yè)機械化正逐漸替代勞動力并促進了糧食產(chǎn)出;Armagan等[8]運用DEA和Malmquist指數(shù)法核定了土耳其1994—2003年的農(nóng)業(yè)生產(chǎn)效率,結(jié)論表明,機械化水平的推廣和技術(shù)創(chuàng)新效率的提高是影響糧食生產(chǎn)效率和農(nóng)業(yè)發(fā)展的主要因素;雖然上述研究均得出了重要的結(jié)論,對本研究具有重要的借鑒價值,然而,上述研究均將研究區(qū)域看做獨立的個體,忽視了自1995年便開始流行的農(nóng)機跨區(qū)服務對糧食生產(chǎn)技術(shù)效率的影響。從宏觀層面來看,隨著農(nóng)機跨區(qū)服務的日趨成熟,農(nóng)業(yè)機械化水平的提高不僅會影響本地區(qū)的糧食生產(chǎn),也會對周邊地區(qū)起到輻射作用,即空間溢出效應。高鳴等[9]證實了糧食生產(chǎn)技術(shù)效率具有空間自相關(guān)效應,并推測農(nóng)機跨區(qū)服務對這一現(xiàn)象起到了至關(guān)重要的作用,但該研究沒有對這一推測進行驗證,也未能回答農(nóng)業(yè)機械化對糧食生產(chǎn)技術(shù)效率的影響程度有多大。
因此,作為上述研究的繼承,本研究以小麥為研究對象,重點考察農(nóng)業(yè)機械化對糧食生產(chǎn)技術(shù)效率的空間影響。此外,由于農(nóng)機跨區(qū)服務可能會在農(nóng)機類型上產(chǎn)生差異,本研究將小型農(nóng)機和大中型農(nóng)機進行區(qū)分,進一步討論農(nóng)機跨區(qū)服務對糧食生產(chǎn)技術(shù)效率空間效應的影響。
對生產(chǎn)技術(shù)效率進行測度的方法主要有兩種,根據(jù)是否存在具體的函數(shù)形式,可以分為非參數(shù)型和參數(shù)型[10-11]。隨機前沿模型(SFA)是由Battese and Coelli在1992年和1995年提出來的多投入單產(chǎn)出的研究方法,是參數(shù)型方法中最具有代表性的一種。與非參數(shù)型方法相比,SFA在C-D生產(chǎn)函數(shù)的基礎(chǔ)上引入了技術(shù)損失效率函數(shù),可以較為準確的測度導致技術(shù)無效率的環(huán)境因素和隨機誤差項[12-13]。但是由于C-D生產(chǎn)函數(shù)對前提條件的假定要求較為嚴格,本文采用更具包容性和靈活性的超越對數(shù)隨機前沿模型(Translog-SFA)測算農(nóng)業(yè)機械化服務對小麥生產(chǎn)技術(shù)效率的影響,具體函數(shù)表達式如式(1)所示。
(1)
式中:yit——第i省第t年產(chǎn)出變量;
xit——第i省第t年產(chǎn)出變量投入變量;
β——各投入變量的未知參數(shù);
vit——第i個省市第t年的隨機誤差項;
uit——第i個省市第t年的技術(shù)無效率項。
產(chǎn)出變量主要為小麥的單位面積產(chǎn)量;投入變量,主要包括每公頃種子(x1)、化肥(x2)、機械(x3)和人工(x4)的費用等;此外,由于技術(shù)進步的數(shù)據(jù)無法觀測,筆者加入了時間虛擬變量(T)作為衡量技術(shù)進步的依據(jù),設(shè)定2006年=1,2007年=2,…,2018年=13等;若β顯著且為正,則說明該投入變量對小麥生產(chǎn)技術(shù)效率的提高有正向效應,反之則相反;各個投入變量的一次項為短期內(nèi)對產(chǎn)出變量的影響,二次項為長期對產(chǎn)出變量的影響,交叉項為兩兩投入變量之間的相互作用對產(chǎn)出變量的影響。
由于技術(shù)溢出、要素流動等因素的存在,小麥生產(chǎn)技術(shù)效率在各個省份間可能不是獨立存在的,某個省份的小麥生產(chǎn)技術(shù)效率可能會受到鄰近省份經(jīng)濟行為的影響。因此,本文選用Moran’s I指數(shù)考察各個省份間小麥生產(chǎn)技術(shù)效率的空間相關(guān)性,以及檢驗其具有怎樣的相關(guān)性,模型設(shè)定公式如式(2)所示。
(2)
式中:I——Moran’s I空間相關(guān)性指數(shù)值;
TEi——各省區(qū)小麥生產(chǎn)技術(shù)效率;
S2——小麥生產(chǎn)技術(shù)效率的方差;
wij——空間權(quán)重矩陣。
Moran’s I取值為[-1,1]之間,大于0表明鄰近省區(qū)之間具有正向空間自相關(guān),小于0為負向空間相關(guān),等于0則無空間自相關(guān),即在空間上隨機分布。Moran’s I指數(shù)值受空間權(quán)重矩陣設(shè)定的影響較大,因此,為盡可能選擇更為合適的空間權(quán)重矩陣,本文參考了白俊紅和劉春明的經(jīng)驗[14-15],按照地理單元距離2次方的倒數(shù)建立空間距離權(quán)重矩陣,即wij=1/d2,d為兩個省區(qū)間核心位置的地理距離。
面板空間效應分析方法主要包括面板空間自回歸模型(PSARM)、面板空間杜賓模型(PSDM)、面板空間誤差模型(PSEM)和面板空間自相關(guān)模型(PSACM)。這幾種方法在空間效應傳導機制和經(jīng)濟機理等方面各不相同。PSARM假定在空間作用的影響下被解釋變量均會對其它地區(qū)造成影響;PSEM假定被解釋變量對其它地區(qū)產(chǎn)生的沖擊是隨機誤差導致的;而PSDM和PSACM則同時考慮了SARM和PSEM的空間傳導機制,且PSDM還考慮了空間相互作用,及除依賴自身解釋變量外還依賴其它地區(qū)解釋變量的信息。因此,鑒于不同空間效應分析方法間的差異,本研究選用PSDM方法,并參考虞松波等的思想[16],選取本研究的指標,具體公式如式(3)所示。
lnTEit=β0+δwijlnTEit+β1lnMacit+
β2lnDRit+β3lnAgrit+β4lnPolit+
β5Eduit+θ1wijlnMacit+θ2wijlnDRit+
θ3wijlnAgrit+θ4wijlnPolit+
θ5wijEduit+εit
(3)
式中:TEit——第i省第t年小麥生產(chǎn)技術(shù)效率;
Macit——第i省第t年農(nóng)業(yè)機械總動力;
DRit——第i省第t年災害率;
Agrit——第i省第t年第一產(chǎn)業(yè)增加值;
Polit——第i省第t年農(nóng)林水事務項目支出;
Eduit——第i省第t年受教育年限;
β、θ——待估參數(shù);
εit——擾動項。
本文主要選取2001—2018年的我國小麥生產(chǎn)面板數(shù)據(jù),運用FRONTIER4.1和Stata軟件進行生產(chǎn)技術(shù)效率測度和空間效應檢驗。上述投入、產(chǎn)出要素和空間計量模型中的解釋變量均來自《全國農(nóng)產(chǎn)品資料匯編》和《中國農(nóng)村統(tǒng)計年鑒》中的數(shù)據(jù)運算得到。在《全國農(nóng)產(chǎn)品資料匯編》中統(tǒng)計的21個小麥種植的主要省份中,考慮到數(shù)據(jù)的可得性,以及本研究方法的合理性和可比較性,剔除掉北京、天津、上海、重慶、貴州和青海等省份,保留河北、山西、內(nèi)蒙古、黑龍江、江蘇、安徽、山東、河南、湖北、四川、云南、陜西、甘肅、寧夏和新疆等15個小麥種植省區(qū)作為本文的研究對象。
長期以來,Trangslog-SFA最讓人詬病的就是其不同的函數(shù)形式會得出不同的估計結(jié)果,因此,有必要在估計之前對樣本數(shù)據(jù)進行一些列的檢驗,主要包括:模型的適用性檢驗、生產(chǎn)函數(shù)形式檢驗、技術(shù)進步檢驗、技術(shù)非中性檢驗和技術(shù)效率時變性檢驗等。較為常用的檢驗方式主要是t檢驗和廣義似然比檢驗(LR),本文主要使用LR檢驗對本文的模型設(shè)定進行考量,LR檢驗的表達式如式(4)所示。
LR=-2×[ln(H0)-ln(H1)]
(4)
式中:H0——限制性條件;
H1——無限制性條件。
1) 模型適用性檢驗。即檢驗效率損失項是否存在,關(guān)鍵就是考察是否拒絕原假設(shè)H0,γ為該模型的技術(shù)無效項,意為小麥實際產(chǎn)量距離理想前沿面的差距與生產(chǎn)技術(shù)效率的相關(guān)程度,γ值越接近1,表明兩者之間的差距與生產(chǎn)技術(shù)效率的關(guān)系越緊密。模型結(jié)果表明,本研究的γ值為0.992 9,說明造成我國小麥產(chǎn)出不理想的主要原因就是效率存在損失,僅有0.007 1是由不可控因素造成的,如氣候條件、病蟲害等。其次是單邊似然比檢驗統(tǒng)計量LR值,當γ=0的假設(shè)被拒絕時,LR值必須要大于在約束條件下的最大χ2值,才能判定本模型對于本研究的適用度和有效性,本文的LR值為140.916,明顯大于約束條件為6、顯著性水平為1%的χ2臨界值16.81,說明Trangslog-SFA適用于本研究。
表1 模型假設(shè)檢驗結(jié)果Tab. 1 Test results of model hypothesis
2) 生產(chǎn)函數(shù)形式檢驗、技術(shù)進步檢驗、技術(shù)非中性檢驗和外生效率損失檢驗。根據(jù)表1的檢驗結(jié)果可知,這四種檢驗的LR值均大于顯著性水平為5%的χ2臨界值,拒絕原假設(shè)H0。說明Trangslog生產(chǎn)函數(shù)是否較C-D生產(chǎn)函數(shù)更為適用,存在技術(shù)變化,且技術(shù)變化與種子、人工、機械、化肥、農(nóng)藥等投入變量相關(guān),生產(chǎn)率也與本研究選取的效率損失變量相關(guān)。因此,本研究的模型設(shè)定較為合理。
表2為小麥生產(chǎn)技術(shù)效率和區(qū)域差異檢驗結(jié)果,由于篇幅的限制,本文只列出生產(chǎn)率的平均變動水平。從樣本地區(qū)的效率值來看,我國小麥平均生產(chǎn)技術(shù)效率為0.698 8,不甚理想,生產(chǎn)要素配置還存在不合理現(xiàn)象,仍然存在21.3%的效率損失。從變動趨勢來看,我國小麥的年均技術(shù)變動率為0.005 9,雖然變動幅度較小,但仍然呈現(xiàn)正向增長趨勢,恰好符合我國對小麥生產(chǎn)的日益增長的支持力度。除部分省域外,生產(chǎn)技術(shù)效率較低的地區(qū)變動率往往較高,而生產(chǎn)技術(shù)效率較高的地區(qū)則相反。從區(qū)域差異來看,效率最高的地區(qū)為河南省,河南省歷來便是我國小麥生產(chǎn)大省,擁有較為優(yōu)越的資源稟賦和出眾的機械化率,自2000年以來,新品種的累計種植面積已達到17 000 khm2,每公頃產(chǎn)量已超過了6 450 kg,農(nóng)業(yè)機械總動力也已超過1億kW,大中型農(nóng)用拖拉機超過45萬臺;效率最低的地區(qū)為山西省(0.518 5),變動率也呈負向增長,產(chǎn)生這種結(jié)果的可能原因為當?shù)氐霓r(nóng)業(yè)發(fā)展較為落后,且土地較為貧瘠,地形多樣,科技成果的研發(fā)和推廣效果并不佳,農(nóng)業(yè)機械化程度普遍不高,2018年山西省的農(nóng)業(yè)機械總動力也僅為1 441.09萬kW,大中型農(nóng)用拖拉機僅為13.08萬臺。兩地農(nóng)業(yè)機械化的差異引致生產(chǎn)技術(shù)效率的差異恰好說明農(nóng)業(yè)機械化是影響生產(chǎn)技術(shù)效率的可能原因之一。因此,下文采用空間計量模型探究農(nóng)業(yè)機械化對小麥生產(chǎn)技術(shù)效率的影響。
表2 2001-2018年小麥平均生產(chǎn)技術(shù)效率和變動率Tab. 2 Average wheat production efficiency and variation rate from 2001 to 2018
為了檢驗小麥種植過程中,各區(qū)域的農(nóng)機跨區(qū)服務和生產(chǎn)技術(shù)效率是否具有空間相關(guān)性,本文基于2001—2018年各區(qū)域農(nóng)業(yè)機械總動力和前文測算出的生產(chǎn)技術(shù)效率值,測算出了每一年的Moran’s I指數(shù),如表3所示。
表3 農(nóng)業(yè)機械化水平與技術(shù)效率的Moran’s I指數(shù)值Tab. 3 Moran’s I index values of agricultural mechanization level and technical efficiency
由表3可知,除2002—2005年外,小麥生產(chǎn)技術(shù)效率和農(nóng)業(yè)機械化水平的Moran’s I指數(shù)值在0.2~0.35之間徘徊,且均顯著為正,說明無論是生產(chǎn)技術(shù)效率還是農(nóng)業(yè)機械化水平均存在一定的空間正相關(guān)關(guān)系,即存在顯著的空間收斂現(xiàn)象。總體來看,我國小麥生產(chǎn)技術(shù)效率和農(nóng)業(yè)機械化水平的空間正相關(guān)性呈波動性上升趨勢。具體可以將2006—2018年分為兩個階段:第一階段是2006—2013年,生產(chǎn)技術(shù)效率和農(nóng)業(yè)機械化水平的Moran’s I指數(shù)值分別由0.217和0.213攀升至0.323和0.352,呈現(xiàn)出逐年增強的空間溢出效應。形成這種現(xiàn)象的原因可能是:雖然早在1995年,眾多的農(nóng)機手開始意識到農(nóng)機跨區(qū)作業(yè)所蘊含的巨大商機,國家也開始加強農(nóng)機跨區(qū)服務的支持和管理,但農(nóng)機跨區(qū)服務模式從無到有經(jīng)歷了10年的時間,2006年開始這種模式才逐漸成熟,形成一定的跨省規(guī)模,并覆蓋全國[17]。與此同時,跨區(qū)機收小麥的面積也在不斷上升,由2006年10 718.6 khm2持續(xù)上升至2013年的14 425.7 khm2,年均上升幅度為4.32%。然而,在2014—2018年的第二階段Moran’s I指數(shù)值開始持續(xù)下降,在調(diào)研中發(fā)現(xiàn),由于農(nóng)村中“熟人社會”的特征,內(nèi)生性農(nóng)機服務開始替代外地市場占據(jù)主導地位,大范圍的農(nóng)機跨區(qū)服務市場萎縮,輻射空間變小,這也與仇葉[18]的研究結(jié)論相一致。
從表3中也可以發(fā)現(xiàn),生產(chǎn)技術(shù)效率和農(nóng)業(yè)機械化水平之間呈現(xiàn)出一定的均衡關(guān)系,即一個地區(qū)農(nóng)業(yè)機械化水平的Moran’s I指數(shù)值的變動會影響生產(chǎn)技術(shù)效率的同方向變動,尤其以2009年之后最為明顯。農(nóng)業(yè)機械化水平與生產(chǎn)技術(shù)效率分別由2009年的0.211和0.244持續(xù)上升至2014年的0.346和0.306,而后又幾乎同步的出現(xiàn)下滑。農(nóng)業(yè)機械化水平對生產(chǎn)技術(shù)效率的影響表現(xiàn)在以下方面:(1)在鄉(xiāng)村勞動力逐漸短缺的情況下,農(nóng)業(yè)機械化有效彌補了因勞動力不足引致的效率損失;(2)機械化操作的標準化程度較高,避免了人工操作帶來的無畏效率損失。在吉林省等地的農(nóng)機研究院調(diào)研發(fā)現(xiàn),在人工操作的小麥要經(jīng)歷收割、捆綁、裝運、碾打和清選等環(huán)節(jié),損失率一般在10%左右,而在使用農(nóng)機進行收割后,損失率降低至3%左右;(3)糧食生產(chǎn)各環(huán)節(jié)有著嚴格的時令限制,農(nóng)業(yè)機械化減少了人工操作慢引起的錯過時令的風險。而農(nóng)機跨區(qū)服務在提高鄰近地區(qū)生產(chǎn)技術(shù)效率的同時,也會將先進的農(nóng)機技術(shù)推廣到其它地區(qū),由此引起農(nóng)業(yè)機械化對生產(chǎn)技術(shù)效率在空間上的溢出效應。
基于以上分析,提出以下假說。
假說1:農(nóng)業(yè)機械化對本地區(qū)生產(chǎn)技術(shù)效率會產(chǎn)生顯著的正向影響。
假說2:農(nóng)業(yè)機械化對其它地區(qū)生產(chǎn)技術(shù)效率會產(chǎn)生顯著的正向溢出效應。
從Moran’s I指數(shù)值可以看出,農(nóng)業(yè)機械化水平和生產(chǎn)技術(shù)效率的空間自相關(guān)性極為相似,為驗證農(nóng)業(yè)機械化水平對生產(chǎn)技術(shù)效率的空間影響是否顯著,本文采用PSDM模型進行空間效應分析,結(jié)果如表4所示。
表4 空間效應回歸結(jié)果Tab. 4 Regression results of spatial effect
由表4可知,農(nóng)業(yè)機械化水平的系數(shù)值為0.064,但僅在10%的水平下顯著,顯然與理論預期中的顯著性水平不符??紤]到大中型農(nóng)機和小型農(nóng)機在作業(yè)范圍上可能存在差異。小型農(nóng)機作業(yè)范圍相對較小,一般不超過村一級;而大中型農(nóng)機一般為大規(guī)模農(nóng)業(yè)經(jīng)營主體或農(nóng)機服務組織使用,作用范圍相對較大,跨區(qū)、跨省的現(xiàn)象較為普遍。因此,有必要將農(nóng)業(yè)機械化水平分解為大中型農(nóng)業(yè)機械化水平和小型農(nóng)業(yè)機械化水平進行回歸。在進行分解回歸后,可以發(fā)現(xiàn):(1)模型的擬合優(yōu)度顯著提升,由0.664上升為0.867,回歸可信度增加;(2)大中型農(nóng)業(yè)機械化水平的系數(shù)值為0.049,在1%的水平下顯著,但小型農(nóng)業(yè)機械化水平的系數(shù)值并不顯著,符合前文的理論預期,即可表明農(nóng)業(yè)機械化水平對生產(chǎn)技術(shù)效率的空間影響主要來源于大中型農(nóng)業(yè)機械化服務,也可說明農(nóng)業(yè)跨區(qū)服務對提升生產(chǎn)技術(shù)效率扮演著重要的角色。此外,災害率、第一產(chǎn)業(yè)比重和政策支持水平均與生產(chǎn)技術(shù)效率間存在顯著的空間相關(guān)關(guān)系。
然而,PSDM模型的回歸結(jié)果并不能直觀的表達出農(nóng)業(yè)機械化水平對生產(chǎn)技術(shù)效率的直接或空間溢出效應,需要通過求解偏微分方法進行分解回歸[19],并遵循伍駿騫[20]的思想,進一步將不同類型農(nóng)業(yè)機械化水平對生產(chǎn)技術(shù)效率的影響中的變量進行直接效應、間接(空間溢出)效應和總效應估計(表5)。
表5 直接效應、間接效應和總效應Tab. 5 Direct effect, indirect effect and total effect
由表5的結(jié)果可知,首先,在直接影響方面,除小型農(nóng)機和受教育程度外,其它變量均顯著,這與PSDM空間效應的回歸結(jié)果相一致。其中,大中型農(nóng)機改善本地區(qū)生產(chǎn)技術(shù)效率的效果顯著,彈性約為0.055,即大中型農(nóng)業(yè)機械化水平每提升1%,生產(chǎn)技術(shù)效率將會提升0.055%,小型農(nóng)機的系數(shù)值不顯著,可能與方師樂的推測一致,小型農(nóng)機更多的是扮演交通工具的角色[17];災害率的彈性為-0.094,在1%的水平下顯著,及災害率顯著制約了小麥生產(chǎn)技術(shù)效率的提升,自然災害的發(fā)生會導致小麥減產(chǎn),從而降低小麥生產(chǎn)技術(shù)效率;第一產(chǎn)業(yè)比重的系數(shù)值顯著為正,這一結(jié)果并不是鼓勵政府為提高生產(chǎn)技術(shù)效率而去增加第一產(chǎn)業(yè)比重,而是意味著2001—2018年農(nóng)業(yè)大省相對生產(chǎn)技術(shù)效率較高;政策支持水平的系數(shù)值為0.045,且顯著為正,意味著政策扶持資金每提升1%,生產(chǎn)技術(shù)效率將會提升0.045%;其次,在間接(溢出)效應方面,僅有大中型農(nóng)機和災害率的系數(shù)值顯著。大中型農(nóng)機的系數(shù)值為0.070,高于直接效應的0.055,說明大中型農(nóng)機改善生產(chǎn)技術(shù)效率的方式主要來源于空間溢出效應,大中型農(nóng)機的服務范圍不僅是本省,更主要的是周邊臨近區(qū)域,農(nóng)機跨區(qū)服務對生產(chǎn)技術(shù)效率的影響顯著。這就意味著農(nóng)業(yè)勞動力的流失并不必然會對糧食產(chǎn)出造成巨大損失。要素市場化改革和農(nóng)業(yè)機械等能夠替代勞動力的技術(shù)和要素的空間流轉(zhuǎn),可以在一定程度上彌補勞動力流失對糧食產(chǎn)出造成的負面影響;同時,無需過分擔憂諸如“誰來種地”等問題的擔憂,尤其是對適宜大中型農(nóng)機作業(yè)的地區(qū)而言。加快農(nóng)業(yè)機械化水平的提高,并加強農(nóng)機跨區(qū)服務模式的支持力度,同時要注意與農(nóng)機跨區(qū)服務相配套的要素投入。
由于農(nóng)村勞動力的不斷流失和農(nóng)業(yè)機械的有效替代,理論上,農(nóng)業(yè)機械的高標準化和低損失率能夠?qū)Z食生產(chǎn)產(chǎn)生積極影響。然而,農(nóng)機跨區(qū)服務的日漸成熟使農(nóng)業(yè)機械化水平對糧食生產(chǎn)技術(shù)效率產(chǎn)生了內(nèi)部異質(zhì)性。如果不考慮空間溢出效應和農(nóng)業(yè)機械化水平的內(nèi)部結(jié)構(gòu)差異,將無法有效甄別農(nóng)業(yè)機械化水平對糧食生產(chǎn)技術(shù)效率的實際影響。因此,本文利用2001—2018年15個省(市、區(qū))的面板數(shù)據(jù),構(gòu)建了隨機前沿生產(chǎn)函數(shù)模型(SFA),對小麥生產(chǎn)技術(shù)效率進行測度,并通過Moran’s I指數(shù)和PSDM模型重點考察了農(nóng)業(yè)機械化水平對小麥生產(chǎn)技術(shù)效率的空間影響,得到以下結(jié)論。
1) 中國2001—2018年的小麥平均生產(chǎn)技術(shù)效率為0.698 8,不甚理想,年均技術(shù)變動率為0.005 9,總體呈現(xiàn)波動上升趨勢。
2) 除部分省域外,生產(chǎn)技術(shù)效率較低的地區(qū)變動率往往較高,而生產(chǎn)技術(shù)效率較高的地區(qū)則相反,區(qū)域間不平衡的局面逐漸改善。
3) 生產(chǎn)技術(shù)效率和農(nóng)業(yè)機械化水平之間呈現(xiàn)出一定的均衡關(guān)系,兩者均呈現(xiàn)正向的空間自相關(guān)性,且在2006—2013年正向影響逐年加強,2014年后,可能存在內(nèi)生性農(nóng)機服務開始替代外地市場的現(xiàn)象,大范圍的農(nóng)機跨區(qū)服務市場萎縮,輻射空間變小。
4) 農(nóng)業(yè)機械化可以提高小麥生產(chǎn)技術(shù)效率,且存在空間溢出效應,但不如預期般顯著,在將農(nóng)業(yè)機械化進行分離后發(fā)現(xiàn),這種正向的空間溢出效應主要來源于大中型農(nóng)機的跨區(qū)服務產(chǎn)生。上述結(jié)論意味著,在農(nóng)業(yè)要素市場化改革和農(nóng)業(yè)勞動力流失嚴重的今天,農(nóng)機跨省服務已經(jīng)成為了改善糧食生產(chǎn)技術(shù)效率的重要方式,這也是農(nóng)業(yè)分工的重要結(jié)果。