江蘇省農(nóng)機化對農(nóng)業(yè)發(fā)展的貢獻(xiàn)率研究

魏瑜 張兆同 李穎卓 鄭瓊婷

0 序言

江蘇是農(nóng)業(yè)大省，農(nóng)林牧漁業(yè)總產(chǎn)值保持了多年的持續(xù)增長。2010年以來年均增長8.41%，2019年達(dá)到了7 503億元，在全國占比6.05%，位列全國第四。在農(nóng)業(yè)保持較快發(fā)展的同時，農(nóng)村勞動力大量轉(zhuǎn)移，土地規(guī)模經(jīng)營面積不斷增加，農(nóng)業(yè)機械化獲得了較快發(fā)展。隨著江蘇省鄉(xiāng)村振興戰(zhàn)略的實施，農(nóng)業(yè)現(xiàn)代化進(jìn)程的加快，農(nóng)業(yè)機械化將成為江蘇農(nóng)業(yè)發(fā)展的重要力量。本文結(jié)合農(nóng)業(yè)生產(chǎn)的相關(guān)理論研究，基于C-D生產(chǎn)函數(shù)，運用Shapley值分解法，計算農(nóng)業(yè)機械化對江蘇農(nóng)業(yè)發(fā)展的貢獻(xiàn)率。研究成果將有利于提高社會各界對農(nóng)業(yè)機械化的認(rèn)識，有助于更好地發(fā)揮農(nóng)機化作用，加快實現(xiàn)江蘇農(nóng)業(yè)“十四五”發(fā)展目標(biāo)。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

生產(chǎn)要素貢獻(xiàn)率的主要測算方法可以歸為兩類，即有無法和數(shù)學(xué)模型法。有無法是對有農(nóng)業(yè)機械和沒有農(nóng)業(yè)機械兩者情況下的農(nóng)業(yè)生產(chǎn)情況進(jìn)行測算，通過比較有無機械狀態(tài)下的農(nóng)業(yè)生產(chǎn)結(jié)果，計算農(nóng)業(yè)機械化對農(nóng)業(yè)的貢獻(xiàn)率[1]。這一方法簡單直接，但忽視了生產(chǎn)要素之間的協(xié)同效應(yīng)。農(nóng)業(yè)機械和其他要素的組合效應(yīng)會超過農(nóng)業(yè)機械的直接效應(yīng)，簡單運用有無法，可能會導(dǎo)致貢獻(xiàn)率結(jié)論偏差。數(shù)學(xué)模型法是運用生產(chǎn)函數(shù)，對各個生產(chǎn)要素的貢獻(xiàn)率進(jìn)行計算分析，常用的方法有C-D生產(chǎn)函數(shù)法[2]、索羅余值法[3]和超越對數(shù)生產(chǎn)函數(shù)法[4-5]等。索羅余值和超越對數(shù)生產(chǎn)函數(shù)兩種計算方法是C-D生產(chǎn)函數(shù)法的改進(jìn)和擴展。索洛余值法避開了具體生產(chǎn)函數(shù)形式的約束，但需要“希克斯中性”“規(guī)模收益不變”的假設(shè)前提[6]。超越對數(shù)生產(chǎn)函數(shù)是對C-D生產(chǎn)函數(shù)的擴展，除了包含中性技術(shù)進(jìn)步項、要素進(jìn)步項以外，還包含要素交互項[7-8]。數(shù)學(xué)模型法的計算結(jié)果也缺乏對不同生產(chǎn)要素之間的聯(lián)合貢獻(xiàn)的合理劃分，解決這一問題可以用Shapley值分解法。

Shapley值分解法起源于博弈論。1953年Shapley首次解決了博弈論中的一個難題：多方參與的合作聯(lián)盟中如何公平有效地分配總收益，即聯(lián)盟各方的貢獻(xiàn)比例如何確定。Shapley值分解法的基本原理包括兩個方面內(nèi)容：一是每個參與者的效益之和等于所有參與者通過合作產(chǎn)生的總效益；二是綜合考慮每個參與者本身與其他參與者的聯(lián)合貢獻(xiàn)，而不是只考慮每個參與者的單獨個人效益。

Shorrocks[9]將Shapley值分解法應(yīng)用到了度量多元回歸方程中各自變量對因變量的貢獻(xiàn)大小。在回歸模型中，若將判定系數(shù)R2看作為總效益，因變量的各影響因素（即回歸模型中的各自變量）看作各個參與者，所有影響因素的組合看作聯(lián)盟，則可以運用Shapley值分解法度量回歸模型中各自變量對因變量的貢獻(xiàn)。Shapley值分解法考慮了自變量進(jìn)入回歸方程的所有可能次序的組合，有效地解決了因各影響因素的相關(guān)性而難以區(qū)分每個自變量對因變量的貢獻(xiàn)的問題。Lipovetsky[10]指出，用Shapley值分解法可以有效克服多元回歸模型中自變量間多重共線性導(dǎo)致的回歸系數(shù)不穩(wěn)定的影響，而農(nóng)機化貢獻(xiàn)率測算的投入變量存在一定的多重共線性現(xiàn)象。因此，基于C-D生產(chǎn)函數(shù)，運用Shapley值分解法，測算農(nóng)機化貢獻(xiàn)率，既可以克服農(nóng)業(yè)生產(chǎn)投入要素變量之間的多重共線性問題，也可以比較準(zhǔn)確地劃分每個參與生產(chǎn)的要素貢獻(xiàn)。

1.2 模型設(shè)計

原始的C-D生產(chǎn)函數(shù)為：

式中：Y——產(chǎn)量；

A——技術(shù)水平；

K——投入的資本量；

L——投入的勞動力；

α——K的產(chǎn)出彈性；

β——L的產(chǎn)出彈性。

美國經(jīng)濟學(xué)家J.Tinberen將技術(shù)水平看作變量，用隨時間變化的量A（t）來替換式中的常量A，將C-D生產(chǎn)函數(shù)轉(zhuǎn)化為：

式中：A（t）——綜合技術(shù)水平。

為了計算方便，可以用指數(shù)形式A0ert表示A（t），則式（2）可以表示為：

式（3）就是現(xiàn)在常用的生產(chǎn)函數(shù)。

式中：r——技術(shù)進(jìn)步率；

t——時間序號；

A0——基年的技術(shù)水平。

假 設(shè) 農(nóng) 業(yè) 生 產(chǎn)中 第t期 有X1,t，X2,t…Xk,t，k種投入要素，用Yt代表第t期的農(nóng)業(yè)產(chǎn)出，則農(nóng)業(yè)生產(chǎn)函數(shù)的數(shù)學(xué)模型為：

式（4）兩邊取自然對數(shù)，對模型進(jìn)行線性化，得到表達(dá)式如下：

式中：ut——第t期的隨機擾動項，t=1,2…n-1，n。

本文將運用式（5）進(jìn)行回歸分析，借助于Shapley值分解法進(jìn)行貢獻(xiàn)劃分和界定。

1.3 變量選擇

本文基于已有的研究成果和農(nóng)業(yè)生產(chǎn)現(xiàn)實，考慮數(shù)據(jù)的獲得性，選擇和確定農(nóng)業(yè)生產(chǎn)投入與產(chǎn)出要素。農(nóng)業(yè)產(chǎn)出變量可以由多個指標(biāo)確定，包括農(nóng)業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)量和農(nóng)業(yè)總利潤等，但因為統(tǒng)計年鑒中的農(nóng)業(yè)機械總動力包括了農(nóng)林牧漁各個方面，因此，選取農(nóng)林牧漁總產(chǎn)值作為農(nóng)業(yè)總產(chǎn)出。投入要素變量選擇農(nóng)業(yè)機械總動力、土地資源投入量、農(nóng)業(yè)勞動力投入量、化肥施用量等。

1.3.1 農(nóng)林牧漁總產(chǎn)值（Y1）

考慮到通貨膨脹因素，將采用不變價格計算的農(nóng)林牧漁總產(chǎn)值作為總產(chǎn)出變量參與計算。該數(shù)據(jù)可以由統(tǒng)計年鑒直接獲得。

1.3.2 農(nóng)林牧漁機械總動力（X1）

農(nóng)業(yè)機械投入可以運用農(nóng)機總動力或者農(nóng)業(yè)燃油量等指標(biāo)表示。但因為農(nóng)業(yè)機械總動力一直是多年來的主要統(tǒng)計指標(biāo)，數(shù)據(jù)比較容易獲得，并能夠真實反映農(nóng)機投入的特點，因此，選取農(nóng)業(yè)機械總動力作為農(nóng)業(yè)機械投入。

1.3.3 土地資源投入量（X2）

土地資源是農(nóng)業(yè)生產(chǎn)系統(tǒng)中最為重要的生產(chǎn)要素。農(nóng)林牧漁總產(chǎn)值包含農(nóng)業(yè)、林業(yè)、牧業(yè)和漁業(yè)四個方面。土地資源投入量在農(nóng)業(yè)方面主要是農(nóng)作物播種面積，在林業(yè)方面是茶園和果園面積，在漁業(yè)方面是漁業(yè)養(yǎng)殖面積。規(guī)?；翗I(yè)生產(chǎn)具有工業(yè)化生產(chǎn)特征，產(chǎn)出受土地資源約束較小。因此，土地資源投入量是農(nóng)作物播種面積、茶園面積、果園面積、漁業(yè)養(yǎng)殖面積之和。

1.3.4 農(nóng)業(yè)勞動力投入量（X3）

農(nóng)業(yè)勞動力直接參與了農(nóng)業(yè)生產(chǎn)，是獲得農(nóng)業(yè)產(chǎn)出必不可少的人力因素。雖然農(nóng)業(yè)機械可以替代人力，但在目前的農(nóng)業(yè)生產(chǎn)中，人力因素仍然是核心因素。產(chǎn)出計算包含了農(nóng)林牧漁各個方面，因此，選擇從事農(nóng)林牧漁的勞動力即第一產(chǎn)業(yè)就業(yè)人口參與計算。

1.3.5 化肥施用量（X4）

化肥是提升農(nóng)業(yè)產(chǎn)出的要素，可以保障土地的生產(chǎn)能力。在一定情況下，化肥的施用量越多，產(chǎn)量會越高。因此，化肥施用量（折純量）也是重要的投入要素變量，直接影響著農(nóng)業(yè)產(chǎn)出。

1.4 數(shù)據(jù)來源與修正

根據(jù)研究需要，選取2003－2019年相關(guān)數(shù)據(jù)。原始數(shù)據(jù)來源于《江蘇省農(nóng)村統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》和《中國農(nóng)業(yè)機械工業(yè)年鑒》。從2003年開始，農(nóng)林牧漁總產(chǎn)值執(zhí)行新的國民經(jīng)濟行業(yè)分類標(biāo)準(zhǔn)，扣減了農(nóng)業(yè)總產(chǎn)值中的農(nóng)民家庭兼營商品性工業(yè)產(chǎn)值，增加了農(nóng)林牧漁服務(wù)業(yè)產(chǎn)值，并正式使用生產(chǎn)價格調(diào)整數(shù)據(jù)。基于部分?jǐn)?shù)據(jù)統(tǒng)計口徑上的變化，為保證研究的科學(xué)性，對相關(guān)數(shù)據(jù)進(jìn)行了修正。

1）消除統(tǒng)計口徑變化的影響，修正農(nóng)機總動力數(shù)據(jù)。由于農(nóng)機總動力在2016年對統(tǒng)計口徑進(jìn)行了調(diào)整，農(nóng)用運輸車不再作為農(nóng)業(yè)機械納入統(tǒng)計范圍，為保證數(shù)據(jù)的一致性，對2016－2019年的農(nóng)機總動力進(jìn)行了修正。主要是依據(jù)2011－2015年農(nóng)用運輸車動力數(shù)據(jù)，運用對數(shù)模型進(jìn)行擬合預(yù)測，擬合模型的R2=0.98，擬合效果較好?；跀M合方程預(yù)測2016－2019年農(nóng)用運輸車動力數(shù)據(jù)，并修正了相關(guān)年份農(nóng)機總動力數(shù)據(jù)。

2）消除受災(zāi)面積影響，修正農(nóng)作物播種面積數(shù)據(jù)。農(nóng)作物受災(zāi)面積是指因災(zāi)減產(chǎn)一成以上的農(nóng)作物播種面積。如果同一地塊的當(dāng)季農(nóng)作物多次受災(zāi)，只計算其中受災(zāi)最重的一次。成災(zāi)面積是指受災(zāi)面積中因災(zāi)減產(chǎn)三成以上的農(nóng)作物播種面積，成災(zāi)面積包含在受災(zāi)面積之中。因此，對農(nóng)作物總播種面積做如下修正：修正的農(nóng)作物播種面積=農(nóng)作物總播種面積-0.1×受災(zāi)面積-0.2×成災(zāi)面積。根據(jù)修正原則和方法，對相關(guān)數(shù)據(jù)進(jìn)行修正，修正后的所有數(shù)據(jù)如表1所示。

表1 修正后的投入和產(chǎn)出變量值

2 計算結(jié)果

2.1 進(jìn)行數(shù)據(jù)多重共線性驗證

利用式（5）和修正后的2003－2019年的相關(guān)數(shù)據(jù)，運用普通最小二乘法做回歸分析，可以得到方差膨大因子（VIF），結(jié)果如表2所示。方差膨大因子（VIF）是一種度量自變量多重共線性對參數(shù)估計方差影響的指標(biāo)，一般認(rèn)為，如果該指標(biāo)值超過40，則為有嚴(yán)重影響，其方程的偏回歸系數(shù)估計非常的不穩(wěn)定。

表2 普通最小二乘法計算的各變量的方差膨大因子（VIF）

由表2可知，投入因素變量ln（X1）、ln（X3）和代表技術(shù)進(jìn)步的時間序號t的方差膨大因子（VIF）指標(biāo)值均大于40，表明研究數(shù)據(jù)變量之間存在多重共線性。如果直接用普通最小二乘法或類似方法估計C-D生產(chǎn)函數(shù)的產(chǎn)出彈性，再據(jù)此計算貢獻(xiàn)率，會出現(xiàn)負(fù)值的情況[6，11]，原因是多重共線性影響了回歸系數(shù)的穩(wěn)定性，導(dǎo)致貢獻(xiàn)率估計偏差。

2.2 運用Shapley值分解法進(jìn)行貢獻(xiàn)劃分

利用Stata MP 16.0軟件對式（5）的回歸方程進(jìn)行估計，得到判定系數(shù)為R2=0.972，方程擬合效果非常好，可以用Shapley值分解法來測算各投入因素的貢獻(xiàn)率。在Stata MP 16.0中加載shapleyx,2.0.1，計算出包括農(nóng)業(yè)機械在內(nèi)的各投入要素對農(nóng)業(yè)總產(chǎn)出的貢獻(xiàn)率（見表3）。計算結(jié)果表明，在各投入要素中，貢獻(xiàn)率最高的是農(nóng)業(yè)勞動力，為27.54%；其次是技術(shù)進(jìn)步，為25.98%；排名第三的是農(nóng)業(yè)機械，為24.85%。

表3 基于Shapley值分解的各投入要素對農(nóng)業(yè)總產(chǎn)出的貢獻(xiàn)率

從長期來看，農(nóng)業(yè)機械對勞動力的替代能力將持續(xù)增強，而技術(shù)進(jìn)步的貢獻(xiàn)也與農(nóng)業(yè)機械使用有關(guān)。某種程度上，農(nóng)業(yè)機械體現(xiàn)了一定的中介作用，農(nóng)機化對農(nóng)業(yè)的貢獻(xiàn)還有增加空間。

3 政策建議

從計算結(jié)果可以看出，農(nóng)機化在農(nóng)業(yè)生產(chǎn)中的貢獻(xiàn)率是比較高的，而且會隨著機械化程度的提高而有所增加。因此，應(yīng)該在農(nóng)機化發(fā)展上采取相應(yīng)對策，提升農(nóng)機化對農(nóng)業(yè)發(fā)展的貢獻(xiàn)率，支撐現(xiàn)代農(nóng)業(yè)發(fā)展。

3.1 著力推進(jìn)特色農(nóng)業(yè)機械化，拓展農(nóng)機化貢獻(xiàn)空間

設(shè)施農(nóng)業(yè)、畜牧養(yǎng)殖、水產(chǎn)養(yǎng)殖、果茶和農(nóng)產(chǎn)品加工等特色農(nóng)業(yè)生產(chǎn)領(lǐng)域的機械化程度偏低，是江蘇農(nóng)機化發(fā)展的短板，影響了農(nóng)機化的整體貢獻(xiàn)率水平。因此，應(yīng)通過農(nóng)機化技術(shù)裝備示范推廣，以及相關(guān)政策和項目配套，推進(jìn)特色農(nóng)業(yè)機械化發(fā)展。

3.2 強化農(nóng)機化服務(wù)體系和平臺建設(shè)，提升農(nóng)機化貢獻(xiàn)質(zhì)量

經(jīng)過多年的發(fā)展，江蘇農(nóng)機裝備數(shù)量已經(jīng)達(dá)到相應(yīng)的水平，但服務(wù)體系、服務(wù)組織和平臺建設(shè)有待于進(jìn)一步完善。因此，應(yīng)完善農(nóng)機服務(wù)區(qū)域信息平臺，實現(xiàn)農(nóng)業(yè)機械的高效利用，提升農(nóng)機化貢獻(xiàn)質(zhì)量。

3.3 推動先進(jìn)高效裝備應(yīng)用，提升農(nóng)機化貢獻(xiàn)效果

使用先進(jìn)高效的農(nóng)機裝備，可以提高農(nóng)機裝備使用效率，提升農(nóng)機貢獻(xiàn)效果。因此，應(yīng)進(jìn)一步發(fā)揮政府補貼政策效應(yīng)，引導(dǎo)綠色生產(chǎn)機械和短板環(huán)節(jié)的機械應(yīng)用，優(yōu)化農(nóng)機裝備配置結(jié)構(gòu)，滿足農(nóng)業(yè)生產(chǎn)各環(huán)節(jié)的需要。

3.4 注重農(nóng)機化人才集聚和信息技術(shù)應(yīng)用，提升農(nóng)業(yè)機械化貢獻(xiàn)能力

應(yīng)加強農(nóng)機從業(yè)人員培訓(xùn)，培養(yǎng)創(chuàng)新型、應(yīng)用型、復(fù)合型農(nóng)業(yè)機械化人才；加快大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)在農(nóng)機化領(lǐng)域的應(yīng)用，服務(wù)智慧農(nóng)場、現(xiàn)代農(nóng)業(yè)園區(qū)的智慧農(nóng)業(yè)生產(chǎn)；強化農(nóng)機農(nóng)藝融合，提升農(nóng)機化貢獻(xiàn)能力。

3.5 加強基礎(chǔ)設(shè)施建設(shè)，為提升農(nóng)機化貢獻(xiàn)率創(chuàng)造條件

要結(jié)合高標(biāo)準(zhǔn)農(nóng)田建設(shè)，推動“宜機化”條件改善，圍繞農(nóng)業(yè)機械使用，規(guī)劃設(shè)計田塊和道路；加強農(nóng)業(yè)輔助用地規(guī)劃，合理布局機庫，為農(nóng)業(yè)機械的使用和維護(hù)提供條件和保障。