農機社會化服務對我國農地生產效率的影響*
——基于三階段DEA和Tobit模型的實證研究

林文姬，蘇向輝，馬瑛，李淑敏，曾德鵬

(1. 新疆農業(yè)大學公共管理學院，烏魯木齊市，830052；2. 新疆農業(yè)大學亞心校區(qū)管理委員會辦公室，烏魯木齊市，830052)

0 引言

農機社會化服務作為農業(yè)社會化服務的重要組成部分，是現(xiàn)代農業(yè)科技和物質裝備的重要支撐，它的發(fā)展能夠提升糧食和重要農產品供給保障能力。然而我國的農業(yè)生產一直存在著資源消耗率高、生產效率低下的問題[1]，加上農業(yè)社會化服務體系存在著地區(qū)發(fā)展不平衡，政府與市場雙重失靈等問題[2]，在此背景下，如何通過農機社會化服務提高農地生產效率，保障國家糧食安全，成為學者們普遍關注的問題。

當前學術界對于農機社會化服務是否能提高農地生產效率尚沒有一個明確回答?！爸С峙伞倍鄰挠衩?、小麥等單一農作物角度論述了農機社會化服務能顯著提高農地生產效率。但在此過程中存在一些限制條件，一是受限于土地規(guī)模，提出推進農機社會化服務發(fā)展的同時仍需推進土地適度規(guī)模經營[3]；二是生產效率提升路徑在不同區(qū)域有所差別，應結合實際情況探索適合不同區(qū)域的農業(yè)機械化發(fā)展模式[4]。當然也有少部分學者從整體出發(fā)探討了農機社會化服務對糧食生產效率的影響，認為既可以通過資本對勞動的替代效應和技術投入效應來分析農機社會化服務對糧食生產效率的作用機理[5]，也可以從不同規(guī)模的視角研究農機社會化服務對糧食生產效率的影響，以檢驗服務規(guī)?；欠褚蕾囉谕恋匾?guī)模化發(fā)展[6]。然而，“反對派”認為農機社會化服務對糧食生產效率的影響在不同環(huán)節(jié)有所差異，糧食生產部分服務環(huán)節(jié)對生產效率的提高并沒有產生顯著影響[7-9]，因此難以得出明確性的結論。還有一些學者從勞動分工的視角出發(fā)，認為農機社會化服務對農業(yè)生產可能帶來效率損失[10]。

綜上所述，學術界對農機社會化服務與農地生產效率關系的研究已較為全面，且多將農地置于農業(yè)生產大系統(tǒng)測算生產效率。但存在如下不足：一是在研究對象上，多為對單一作物生產效率的研究；二是在研究視角上，雖有不少學者對農地生產效率進行過研究，但少有從農機社會化服務的視角分析其對農地生產效率的影響；三是在研究方法上，已有研究多是從微觀個體農戶層面去考察農地生產效率，缺少宏觀層面的把握，且采用的是“一步法”并未排除環(huán)境與隨機因素的影響，所得結果存在較大誤差。鑒于此，運用三階段DEA模型測算2019年31個地區(qū)的農地生產效率，并利用Tobit模型進一步分析農機社會化服務對調整后的農地生產效率的影響，以期探索農地生產效率的提升路徑。

1 理論分析與研究假設

本研究是在剔除環(huán)境和隨機干擾的基礎上分析農機社會化服務對農地生產效率的影響。主要探討的是與農地生產效率相關的兩個問題：一是調整后的各地區(qū)農地生產效率變化以及區(qū)域差異；二是農機社會化服務如何影響農地生產效率?；诖?，主要從資源的優(yōu)化配置論、技術引入論和社會分工論來探討農機社會化服務是如何作用于農地生產效率，并假設農機社會化服務正向影響農地生產效率。

優(yōu)化配置論是指通過市場對資源進行調整與優(yōu)化來實現(xiàn)生產的高效率、高效益。放在農業(yè)生產系統(tǒng)中考慮，本質上是資本對勞動的替代，使用農機作業(yè)服務替代勞動力投入，用于彌補農業(yè)生產中勞動力不足的問題[11-12]。這主要是由于農村勞動力的非農就業(yè)以及兼業(yè)現(xiàn)象的出現(xiàn)，使得農業(yè)生產中弱勢化現(xiàn)象嚴重[13-14]。農業(yè)勞動力不足、機會成本增加，人們對可以替代勞動力的技術和服務的需求也就隨即產生，借助市場機制將農業(yè)機械服務引入生產環(huán)節(jié)，減少因勞動力流失所造成的負面效應，提高農地生產效率。

技術引入論表明農機作業(yè)不僅是替代勞動力，更重要的是給農業(yè)生產帶來新技術[15]，“大國小農”以及土地細碎化的基本國情決定了必須要走包容小農戶的現(xiàn)代農業(yè)之路，然而小農戶由于文化水平偏低，對農業(yè)技術的采納和獲取常常缺乏主動性，一味將先進技術直接推廣給農戶可能會造成把握能力不夠而難以執(zhí)行，導致技術投入不充分和使用效率低等問題[16]。而通過農機社會化服務將先進的生產技術引入到農業(yè)生產過程中則有助于克服農戶在采納現(xiàn)代農業(yè)技術中所面臨的困境，將專業(yè)的機耕、機播、植保、收割、烘干等技術運用于農業(yè)生產過程中，能有效的提高農產品的質量和土地的產出率，促進農地生產效率提高。

社會分工論指出農機社會化服務通過農業(yè)主體之間縱向分工，各經營主體和服務主體的目的和效率發(fā)生改變。對經營主體來說，分工使其對勞動力的需求轉為對市場上商品化的農機社會化服務的需求，對服務主體來說，分工不僅可以提高對農機應用的熟練程度，還能進一步激勵他們運用農機進行對外服務[17]，通過開展農機區(qū)域內和跨區(qū)作業(yè)服務，更好參與到某一特定環(huán)節(jié)的專業(yè)化服務，簡化了生產活動[18]，提高農地生產效率。

綜上所述，農機社會化服務對農地生產效率的影響路徑如圖1所示，并提出以下假說。

假說1：農機社會化服務正向影響農地生產效率。

假說2：農機社會化服務通過資本對勞動的替代效應、技術要素的投入效應和社會分工效應來提高農地生產效率。

圖1 農機社會化服務對農地生產效率的影響路徑

2 研究方法、變量選取及數(shù)據(jù)來源

2.1 研究方法

2.1.1 DEA三階段模型

本研究運用Fried提出的三階段DEA模型[19]，該模型在測算效率時能很好消除環(huán)境和隨機誤差對效率的影響，更符合實際情況。模型設定如下。

第一階段：傳統(tǒng)DEA模型分析初始效率。

鑒于農業(yè)生產的特性，采用投入導向規(guī)模報酬可變的DEA-BCC模型對原始投入產出數(shù)據(jù)進行初始效率評價，模型形式如式(1)所示。

Min[θ-ε(ets-+ets+)]

(1)

式中：n——決策單元個數(shù)；

θ——各省農地生產效率值；

xj——投入要素；

yj——產出要素；

ε——非阿基米德無窮小量；

λj——各決策單元系數(shù)；

et——單元行向量；

s-——投入的松弛變量；

s+——產出的松弛變量。

當且僅當θ=1，s-=s+=0時，決策單元為DEA有效；當θ<1時，決策單元非DEA有效。

第二階段：SFA回歸。

利用SFA回歸，以外部環(huán)境因素為解釋變量，以第一階段所得到的投入要素松弛值為被解釋變量，有效分解出環(huán)境因素、統(tǒng)計噪聲和管理無效率對效率的影響，得到調整后的投入值。

根據(jù)Fried等的想法，構造出如式(2)所示的SFA回歸函數(shù)。

Sni=f(Zi;βn)+vni+μni

i=1,2,…I;n=1,2…N

(2)

式中：Sni——投入的松弛變量；

Zi——環(huán)境變量；

βn——環(huán)境變量的系數(shù)；

vni——隨機干擾，服從正態(tài)分布；

μni——管理無效率，服從截斷正態(tài)分布，vni與μni相互獨立且不相關，兩者之和構成了混合誤差項。

管理無效率的計算公式參考羅登躍[20]、陳巍巍[21]等的研究成果，分離公式如式(3)所示。

(3)

借助SFA回歸主要是剔除環(huán)境和隨機因素對效率的干擾，使所有的決策單元處于相同的外部環(huán)境中，最后的調整公式如式(4)所示。

[max(vni)-vni]

i=1,2,…,I;n=1,2,…N

(4)

Xni——調整前投入值；

max(vni)-vni——使所有決策單元的隨機干擾都處于相同水平上，以此排除偶然性因素對效率的影響。

第三階段：調整后的投入變量的DEA分析。

再次運用DEA-BCC對調整后的投入變量與原始產出變量進行測算，得到排除環(huán)境和隨機干擾的效率值。

2.1.2 Tobit回歸模型

Tobit回歸模型在處理截斷數(shù)據(jù)方面具有很好的優(yōu)勢，運用DEA三階段測算出的各省農地生產效率是分布在0～1之間的效率值，DEA模型的估計結果并不能得出農地生產效率的影響因素及影響程度，因此有必要對DEA的分析結果進行Tobit回歸，以探究農機化社會服務如何影響農地生產效率，模型設定如式(5)所示。

Yi=αo+aiXi+εii=1,2,3…n

(5)

式中：Yi——各省農地生產效率值；

α0——常數(shù)項；

αi——待估參數(shù)；

Xi——影響農地生產效率的因素；

εi——隨機誤差項。

2.2 變量選取與數(shù)據(jù)來源

本研究將農地置于農業(yè)生產系統(tǒng)中進行測算，選取1個產出變量，5個投入變量，3個環(huán)境變量作為DEA模型中的變量，選取1個核心解釋變量，5個控制變量作為Tobit模型中的變量(表1)，具體如下。

表1 變量說明及描述性統(tǒng)計Tab. 1 Variable description and descriptive statistics

在投入產出變量選取上，借鑒楊彩艷等[2]的做法，選取農業(yè)總產值作為產出變量。投入變量參考崔海洋等[1]的方法，以農作物播種面積、第一產業(yè)勞動力、化肥施用量、農業(yè)機械總動力、有效灌溉面積作為投入變量。其中，農作物播種面積與第一產業(yè)勞動力人數(shù)分別代表土地和勞動力的投入，其余投入變量則代表農業(yè)生產技術和資本的投入。

環(huán)境變量指的是對農地生產效率有影響但又不受其控制的變量?？紤]到數(shù)據(jù)的可獲得性，以農村居民人均可支配收入作為衡量經濟發(fā)展水平的重要指標。同時農業(yè)財政的預算水平以及農作物的受災程度對農業(yè)生產的影響是無法忽視的，故選取農林水事務占地方財政總預算的百分比以及農作物受災面積占總播種面積的百分比作為農業(yè)生產過程中的環(huán)境變量。

針對農機社會化服務指標的選取，學者們從農機社會化服務程度、農業(yè)機械化程度、農機社會化服務投入、農機作業(yè)服務人員等方面進行選取。本研究參考王洋等[5]的方法，以DEA三階段取得的農地生產效率作為因變量，農地生產效率置于農業(yè)生產系統(tǒng)中考慮是指農業(yè)綜合效率，而綜合效率(TE)是指在一定時期內，在一定技術裝備和要素投入情況下實際產出與最優(yōu)產出的比值，或最優(yōu)投入與實際投入的比值，是純技術效率(PTE)及規(guī)模效率(SE)綜合作用的結果，其是對決策單元的資源配置能力與利用效率能力的多方面綜合衡量與評價。其中，純技術效率是指在既定的技術水平和資源條件下農業(yè)產出能力的大小。規(guī)模效率則反映了農戶經營規(guī)模是否與自身的經營能力、管理水平等相協(xié)調的情況。在自變量上，選取農機社會化服務水平作為核心解釋變量，用于衡量農機社會化服務對農地生產效率的影響。并認為學者們選取的這些變量能在一定程度上反映農機需求變化以及農機服務水平，但選取農機社會化服務總收入(包括農機社會化服務組織作業(yè)收入以及農機專業(yè)戶作業(yè)收入)與農作物播種面積的比值更能代表農機社會化服務需求變化及農機社會化服務水平，同時也能減少地區(qū)差異的影響。

控制變量除了上文提到的財政支農比和農作物受災率，還加入了人均經營規(guī)模(農作物播種面積與鄉(xiāng)村從業(yè)人員的比值)、農作物灌溉率(有效灌溉面積與播種面積的比值，作為衡量基礎設施水平的變量)、城市化率作為控制變量。

本研究所用的各類數(shù)據(jù)均來源于2020年的《中國統(tǒng)計年鑒》《中國農村統(tǒng)計年鑒》以及各省統(tǒng)計年鑒，其中核心解釋變量農機作業(yè)服務總收入來源于2020年《中國農業(yè)機械工業(yè)年鑒》。

2.3 pearson相關系數(shù)檢驗

為檢驗DEA模型中各投入產出變量是否符合“同向性”假設，采用pearson相關系數(shù)檢驗，結果如表2所示。各投入產出變量的相關系數(shù)均為正，且通過了1%顯著性水平檢驗，說明投入產出指標的選取具有合理性。

表2 農業(yè)投入與產出變量的pearson相關系數(shù)檢驗Tab. 2 Pearson correlation coefficient test of agricultural input and output variables

3 結果與分析

3.1 三階段DEA模型效率測算

3.1.1 基于一階段DEA-BCC模型的農地生產效率

將2019年31個地區(qū)的農業(yè)生產經營過程中投入產出數(shù)據(jù)導入到DEAP2.1軟件中，結果如表3所示。

表3 2019年中國各省(市)農地生產效率值Tab. 3 Production efficiency value of agricultural land in China’s provinces (cities) in 2019

由表3可知，在不考慮外部環(huán)境和隨機因素影響的情況下，2019年我國農地生產效率均值為0.769，生產效率較高，且黑龍江、上海、江蘇、福建等9個地區(qū)生產效率值達到了1，位于農業(yè)生產隨機前沿，資源的使用和配置處于DEA有效。天津、河北、山西、內蒙古等綜合效率小于1的地區(qū)都存在不同程度的資源無效率，說明這些地區(qū)資源配置有待優(yōu)化。其中，山西、安徽、吉林等地區(qū)的效率值不到0.5，而北京、青海、海南、貴州等地區(qū)的效率值在0.95以上，說明不同地區(qū)之間的效率值差異較大，且部分地區(qū)仍存在技術效率值偏低的情況，說明我國農業(yè)并未完全擺脫“高投入、高消耗”的局面，造成了資源配置無效。最后通過對比技術效率和規(guī)模效率不難發(fā)現(xiàn)，我國大部分地區(qū)農地的規(guī)模效率水平要高于純技術效率水平，因此純技術效率是造成農地生產效率偏低的主要原因。

3.1.2 第二階段SFA前沿回歸結果與分析

為消除外部環(huán)境和隨機噪聲對農地生產效率的影響，以第一階段投入要素的松弛值作為被解釋變量，以表1中的各環(huán)境因素作為解釋變量，運用Frontier4.1軟件進行數(shù)據(jù)分析，回歸系數(shù)為正，表明生產要素存在投入冗余，不利于提高農地生產效率，反之，系數(shù)值為負則有利于提高農地生產效率，具體回歸結果見表4。由表4可知，各環(huán)境變量與投入松弛變量之間大部分都能通過1%的顯著性水平檢驗，說明外部環(huán)境因素與我國農地生產效率之間確實存在緊密相關。其中γ值均趨于1且通過1%的顯著性水平檢驗，表明管理無效率是造成投入冗余的主要因素。對數(shù)似然比檢驗表示模型估計有效，LR單邊檢驗誤差值均大于臨界值，拒絕不存在無效率下的原假設，表明采用隨機模型是合理的。

1) 農村居民人均可支配收入(B1)對農作物播種面積(A1)、第一產業(yè)勞動力(A2)、化肥施用量(A3)、農業(yè)機械總動力(A4)以及灌溉面積(A5)的回歸系數(shù)均為負值，且通過1%的顯著性水平檢驗，表明農村人均收入水平的適當提升有助于農戶生產投入的合理化，減少投入冗余，提高農地生產效率，這與理論預期一致。主要是經濟發(fā)展較好的地方，能源供給、道路交通、水利灌溉等基礎設施相對較完善，有利于農民對先進生產技術的掌握，在一定程度上提高農地生產效率。

2) 財政支農水平(B2)對農作物播種面積(A1)、第一產業(yè)勞動力(A2)、化肥施用量(A3)、農業(yè)機械總動力(A4)以及灌溉面積(A5)的回歸系數(shù)均為負值，且基本都通過了顯著性水平為1%的檢驗。說明隨著財政對農業(yè)支持力度的增加，各種支農補貼和扶持政策將農機等先進的機械設備引入到農業(yè)生產過程中，在一定程度上提高了農戶的預期收入，減少了農業(yè)生產的個人成本，農民種糧積極性提高，對生產要素的配置更加合理化，有利于提高生產效率。

3) 受災率(B3)對農作物播種面積(A1)、化肥施用量(A3)、農業(yè)機械總動力(A4)以及灌溉面積(A5)的回歸系數(shù)均為正值，且大部分通過了顯著性水平為1%的檢驗。表明自然災害對農地生產效率帶來了負向影響，這也符合理論預期。農作物受災面積越大，有效產出相對農業(yè)投入來說就會越少，在一定程度上會造成農民對未來的農業(yè)生產收入持悲觀看法，兼業(yè)化農民將會增加，農業(yè)勞動力相對會減少，而其它投入變量為了彌補產值的虧空和勞動力的減少，會在不同程度增加投入，農業(yè)生產出現(xiàn)資源配置的低效，降低了農地生產效率。

表4 第二階段SFA模型回歸結果Tab. 4 Regression results of the second-stage SFA-like model

3.1.3 第三階段調整投入后的DEA估計結果

再次運用DEAP2.1軟件對調整后的投入和原始產出變量進行測算，得到的精準生產效率值見表5。由表5可見，與第一階段相比，剔除外生環(huán)境變量后，純技術效率提高2.6%，綜合效率和規(guī)模效率分別下降7.15%、11.51%，調整后的綜合效率處于中等效率水平(0.600≤TE<0.800)，純技術效率與規(guī)模效率處于相對高效率水平(0.800≤PTE、SE<1.000)，說明調整后的規(guī)模效率損失是導致綜合效率下降的主要原因。從整體來看，調整后的規(guī)模報酬遞減地區(qū)由14個下降為5個，其余地區(qū)均處于規(guī)模報酬遞增和不變階段。且調整后的生產效率值除了北京、天津、上海、福建等少數(shù)幾個地區(qū)有所降低，大部分地區(qū)綜合效率值都有了較大幅度的提升，這些效率值降低的地區(qū)主要是因為受外部環(huán)境的影響較大，而在河北、山西、內蒙古、遼寧等相對欠發(fā)達的地區(qū)，綜合效率值上升主要原因可能在于它們抓住了鄉(xiāng)村振興的政策機遇，引入了先進的生產機械，科學引導新型農業(yè)經營主體和農業(yè)服務主體積極參與到農業(yè)生產建設中，在良好大環(huán)境下不斷優(yōu)化生產要素配置，推動三產融合，提高了農地生產效率。

表5 2019年三階段DEA-BCC調整后的各省(市)農地生產效率值Tab. 5 Production efficiency value of agricultural land in each province (city) after the three-stage DEA-BCC adjustment in 2019

3.2 農機社會化服務對農地生產效率的影響

為了更好的衡量農機社會化服務對農地生產效率的影響，將經過三階段DEA模型調整后的農地生產效率值(Y)作為被解釋變量，將表1中提到的農機社會化服務使用水平(X1)作為核心解釋變量，其余5個變量(X2、X3、X4、X5、X6)作為控制變量。為了降低數(shù)據(jù)的異方差性，借鑒邱溆等[22]的做法，對變量X1進行取自然對數(shù)處理，得到變量lnX1，其余不變。同時為了滿足Tobit模型中要求的因變量必須含有一定比例的0值[23]，對Y進行適當變形，得到變量Y1，具體換算方法為Y1=(1/Y)-1[22]。變換后的Y1值越大表明農地生產效率值Y就越低，反之，則越高。運用Stata16.0軟件對上述變量進行分析，具體結果見表6。由表6可見，農機社會化服務水平(lnX1)對農地生產效率的影響在10%的水平上呈現(xiàn)正相關，說明隨著農機社會化服務使用量的增加，農地生產效率也會相應提高。通過將先進的生產技術和現(xiàn)代化的農業(yè)機械引入到農業(yè)生產中，可以替代農業(yè)勞動力的不足，農機社會化服務水平的不斷提高更好地促進了專業(yè)化分工進一步加深，多樣化的農機社會化服務模式已成為農業(yè)節(jié)本增效的重要途徑，有助于按照市場規(guī)律實現(xiàn)對土地、勞動力、資金、技術等生產資源的優(yōu)化配置，提升農地生產效率，這與假設一的預期一致。

此外，人均經營規(guī)模(X2)對農地生產效率的影響在5%的水平上呈現(xiàn)正相關，表明人均經營規(guī)模越大，對農地生產效率的提升越有利，這主要是因為我國目前大部分地區(qū)土地的規(guī)模化程度不高、細碎化嚴重，推動土地流轉，提高農戶經營規(guī)模，有助于為農業(yè)機械化作業(yè)創(chuàng)造良好條件，更好地提高農地生產效率。財政支農水平(X4)與農地生產效率在5%的水平上呈現(xiàn)負相關，與理論預期有點不符，主要原因可能是我國的財政支農資金是一種有條件的自上而下的縱向轉移，主要是上級政府對下級政府的一種補助，在支農資金的投入過程中，難免部分地區(qū)會存在支農資金投入結構的不合理、監(jiān)督管理體系不完善，加上農業(yè)自身的弱質性，很容易造成農民對支農補貼的過分依賴，生產過程中過度依靠資金的投入，降低了土地和勞動力等要素的投入，要素間配置失衡，降低了農地生產效率。以灌溉率大小來衡量的基礎設施水平(X5)對農地生產效率的影響在1%水平上呈負相關。這可能是因為當前農業(yè)生產中仍存在著“粗放式”經營的現(xiàn)象，大水漫灌、土渠灌溉等粗放的灌溉模式在部分地區(qū)仍然存在，加上很多西部地區(qū)雖有相對完善的灌溉系統(tǒng)，但水資源缺乏，使得高效灌溉技術落實不到位，造成了農業(yè)生產中對水資源的利用水平不高，資源配置間存在著不合理，農地生產效率反而有所降低。城市化水平(X6)對農地生產效率的影響在1%顯著性水平上呈負相關。城市化在一定程度上可以促進生產技術的應用，有利于農地生產效率的提升，但城市化也會造成大量農田轉化為建設用地，加劇農民棄耕拋荒現(xiàn)象的產生，帶走大量的農村勞動力，使得留在農村耕作的基本都是一些老年人和婦女，勞動力弱勢化嚴重，如果沒有配套的解決措施，將會使得農地生產效率降低，制約我國農業(yè)的發(fā)展。

表6 農機社會化服務對農地生產效率的回歸結果Tab. 6 Regression results of agricultural machinery socialization services on agricultural land production efficiency

4 結論與建議

4.1 結論

本研究利用三階段DEA模型在剔除環(huán)境和隨機因素干擾的情況下測算了2019年我國31個地區(qū)的農地生產效率，并進一步運用Tobit模型分析農機社會化服務對我國農地生產效率的影響，結論如下。

1) 31個地區(qū)2019年的農業(yè)總產值和各投入要素之間存在顯著的正相關，農作物播種面積、第一產業(yè)勞動力、化肥使用量、農業(yè)機械總動力、灌溉面積對農業(yè)總產值的影響較大。未剔除環(huán)境和隨機因素前，2019年我國農地生產效率均值為0.769，總體相對較高，純技術效率均值為0.847，規(guī)模效率均值為0.912，可知純技術效率是造成綜合效率不高的主要原因。但不同地區(qū)之間效率也是差異明顯，其中，山西、安徽、吉林等地區(qū)的效率值不到0.5，而北京、青海、海南、貴州等地區(qū)的效率值在0.95以上。調整后純技術效率提高了2.6%，綜合效率和規(guī)模效率分別下降7.15%、11.51%，規(guī)模效率不高成了綜合效率偏低的主要原因，且規(guī)模報酬遞增的地區(qū)相對第一階段有了較大提升。其中，環(huán)境變量中，農村居民人均可支配收入、財政支農水平對農地生產效率產生積極影響，受災率對農地生產效率的提升具有負向影響。

2) 農機社會化服務與農地生產效率在10%的顯著性水平上呈現(xiàn)正相關。一方面，農機社會化服務的推進有利于發(fā)揮資本對勞動的替代效應，緩解城鎮(zhèn)化帶來的勞動力不足以及老齡化、女性化對農業(yè)生產的影響。另一方面，先進技術的引入使得農機社會化服務組織以及服務模式更加多元化，服務主體間縱向分工加深，專業(yè)化程度進一步提高，市場在資源配置中起到了決定性作用，農業(yè)經營者可以通過市場購買農機社會化服務，減少個人的生產成本，提高收入預期，農機社會化服務主體也可以在市場巨大利潤作用下更加積極地提供農機社會化服務，更好地提高農產品的產量與品質。

4.2 建議

結合上述研究結果及我國現(xiàn)階段農機社會化服務的實際情況，提出以下建議。

1) 因地制宜發(fā)展農機社會化服務。通過上述的研究結果，可以看出不同地區(qū)之間的農地生產效率差異較大。為此，當?shù)卣畱Y合自身的實際情況制定相應政策，不可一概而語。一是就生產效率高低而言，對農地生產效率較高的地區(qū)，如：福建、重慶、四川、廣西以及山東等生產效率高于0.85的地區(qū)應加大新型農業(yè)機械的研發(fā)力度，通過技術創(chuàng)新提高農機社會化服務水平。對農地生產效率較低的地區(qū)，如：北京、上海、天津、吉林以及寧夏等生產效率低于0.5的地區(qū)應加大宣傳力度，大力推廣農機社會化服務；二是就經濟發(fā)展水平來說，農業(yè)生產勞動力弱勢化的地區(qū)，如：安徽、河南、湖南等地區(qū)應優(yōu)先推廣農機社會化服務，避免這些地區(qū)因勞動力缺乏造成農地生產效率的降低，影響國家糧食安全。經濟發(fā)達的地區(qū)，如：廣東、江蘇、福建等等地區(qū)對先進的生產技術接受能力較高，應大力推進農機社會化服務，鼓勵跨區(qū)作業(yè)，創(chuàng)新服務模式，設立示范區(qū)，在全國范圍內形成示范效應，促使農機社會化服務整體水平得以提升，提高農地生產效率。三是就地形地貌來說，在丘陵山區(qū)，如：江西、浙江、湖南、安徽等地區(qū)要重點開展土地宜機化整治，加快補齊丘陵山區(qū)機械化條件弱勢化的短板，為農機社會化服務的開展提供基礎物質條件。對于平原地區(qū)，如：江蘇、河南、山東等地區(qū)土地相對平坦，應加大農機購置補貼，促進農機服務需求規(guī)?；?，加快推進農機社會化服務進程，促進農地生產效率的提高。

2) 推進農機社會化服務的產業(yè)化發(fā)展。規(guī)?；钱a業(yè)化發(fā)展的前提。市場作為資源配置的基礎性手段，要充分發(fā)揮市場的調節(jié)作用，以市場需求為導向，積極搭建規(guī)范化的土地流轉平臺，通過土地流轉實現(xiàn)規(guī)?；洜I，突破土地細碎化帶來的限制，鼓勵農機社會服務組織和農機專業(yè)戶積極進行區(qū)域內以及跨區(qū)作業(yè)，實現(xiàn)深耕、播種、植保、收割、烘干等一體化經營，提升農機社會化服務的生產鏈，帶動農業(yè)經營主體和服務主體收入的提升，保障國家糧食安全，實現(xiàn)經濟效益和社會效益的雙贏，并在此過程中促進農地生產效率的提高。

3) 大力培育農機社會化服務組織和農機作業(yè)人員。中國小農經營占主體，而小農戶由于文化素養(yǎng)比較低，對先進生產技術和農機社會服務的采納被動且缺乏積極性，不利于生產效率的提高。農機社會化服務組織作為中介組織，能很好的將先進的生產技術和機械設備引入到農業(yè)生產中，克服小農戶在接納技術過程中所面臨的困境，農機作業(yè)人員作為將先進知識帶到田地的最后一道關卡，其自身的專業(yè)知識和技能水平直接影響到農地的生產效率。為此，當?shù)卣纫贫ㄏ鄳募t利政策，設立專項資金來支持各類農機社會化服務組織發(fā)展壯大，鼓勵多樣化的農機社會化服務模式，又要充分推動當?shù)氐霓r業(yè)類高等院校和基層的農機推廣部門與農機社會化服務組織開展合作，加大農機社會化服務組織管理人員以及農機作業(yè)服務人員的服務技能培訓，促進農戶對農業(yè)技術的接受與采納，以便更好的將先進技術運用到農業(yè)生產中，提高農地的生產效率。