農(nóng)業(yè)機械化對糧食生產(chǎn)技術(shù)效率影響*
——基于農(nóng)機跨區(qū)服務的空間效應視角

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

0 引言

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。

1 模型構(gòu)建與數(shù)據(jù)來源

1.1 超越對數(shù)隨機前沿生產(chǎn)函數(shù)

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。

1.2 空間相關(guān)性分析

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。

1.3 空間效應分析

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。

1.4 數(shù)據(jù)來源

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。

2 模型估計結(jié)果及討論

2.1 模型假設(shè)檢驗分析

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。

2.2 技術(shù)效率水平和區(qū)域差異分析

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

2.3 農(nóng)業(yè)機械化水平與技術(shù)效率的空間相關(guān)性分析

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。

2.4 農(nóng)業(yè)機械化影響生產(chǎn)技術(shù)效率的空間效應分析

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。

3 結(jié)論

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。