城镇化率与农机化程度的关系研究

邓 鑫，漆雁斌，于伟咏

(四川农业大学 a.管理学院；b.经济学院，成都 611130)



城镇化率与农机化程度的关系研究

邓 鑫a，漆雁斌b，于伟咏b

(四川农业大学 a.管理学院；b.经济学院，成都 611130)

城镇化率与粮食产量同步增长，但看到农业生产劳动力却在减少。为此，假设农业机械替代了农业生产劳动力，确保了粮食产量安全，通过SVAR模型和时变参数模型，以城镇化变动率与农业机械化变动率为研究对象，分长期和短期、静态和动态两组进行分析，结果表明：两者之间在长期内有均衡关系，短期内有偏离修复能力；静态角度上，农业机械化需要很长时间才能完全消化城镇化率变动冲击；动态角度上，从1978年至2014年之间弹性系数基本大于1，富有弹性。因此认为，城镇化吸引了人口，农业机械化代替了劳动力从事生产。

城镇化率；农业机械化水平；弹性系数；SVAR模型；时变参数模型

0 引言

随着户籍制度变迁，放松的户籍制度加大了农业劳动人口的流动性，使得我国经济效率得到极大提升[1]，与此相伴随的是城镇化进程稳步推进及城镇化水平的不断提高[2-4]。民以食为天，粮食需求一直有增无减，粮食产量在很长一段时间里供不应求，但在2008年却出现了供大于求的局面[5]。那么不禁会产生这样的疑问：既然农村很大一部分劳动力都向非农部门转移了，那么究竟是什么替代了农业劳动力而保证粮食产量有增无减，出现11连增的局面呢？

1 研究设计

1.1 设计原理

在非农部门具有报酬比较优势的情况下，农业劳动力向非农部门富集，并逐渐脱离农业生产，定居于城市，成为城市常住人口是改革开放以来比较显著的事件。此消彼长的结果导致农业生产劳动力不足，以致于对农业生产劳动力替代性投入需求增加，技术性投入便是农业生产劳动力替代性要素之一。由于最直接的技术投入反映在农业机械化程度，由此猜想城镇化率变动对农业机械化水平变动具有正向传导机制。传导机制示意如图1所示。

从已有文献来看，城镇化率与农机化水平之间具有长期的稳定关系，在长期内农业机械化水平随着城镇化率提高1%，将正向变动1.09%[6]。也有学者提出：区域农业机械化、新型城镇化与工业化应当协同发展，以保障发展质量[7]。同时，农业机械化发展也与区域农业可持续发展密不可分[8]，农业机械化改善了农业生产的要素投入，减少了对劳动力的需求[9]。也有学者从微观角度指出，劳动力外出打工，其农业生产意愿逐渐降低，但在较近地区工作的人员却对农机服务支出表现出强烈意愿[10]，这就说明农业机械对农业劳动力具有替代作用。也就是说，城镇化的演进吸纳了农村人口不断向城市聚集，大量农业人口脱离农业生产，而农业机械化发展却保障了农业可持续发展，因此农业机械化的需求伴随着城镇化率的不断提升而富有弹性。本文将结合SVAR模型与时变参数模型对上述猜想和假设进行验证。

图1 城镇化率对农业机械需求影响传导机制

agricultural machinery

1.2 变量选择及处理

本文拟以城镇常住人口与总人口的比值表示城镇化率。由于考虑的是农业机械化变动率对城镇化变动的影响，因此对两个时间序列数据农业机械化水平(Agricultural Mechanization Level，AML，以下简称农机化水平)、城镇化率(Rate of Urbanization，RU)做了相应处理，农业机械化水平变动、城镇化率变动指标均以上一年为基期。为了提高观测效果，将变动效果都扩大了100，分别表示为

(1)

(2)

1.3 数据来源及描述

本文数据均来源于国家统计官网，并按照上述方式进行了预处理。从两列时间序列趋势图(见图2)来看，大致上表示出农业机械化水平变动跟随着城镇化率变动而变动，且趋势大致一致，具有正向传导机制。

图2 农业机械水平变动与城镇化率变动趋势图

2 分析过程及结果

本部分将通过常规的时间序列检验及分析，最后在结构向量自回归模型中分析我国农业机械化水平变动对城镇化率的影响。以下检验均在Eviews8.0中实现。

为保证时间序列的平稳性，避免出现伪回归现象，笔者首先对数据进行平稳性检验，结果显示农机化水平变动与城镇化率变动原序列分别在5%、1%的显著性水平下平稳，两个序列具有同阶单整性。单位根据检验结果如表1所示。其中，C、T、K分别表示常数项、趋势项、滞后期数。本检验采用SIC法则。

考虑到模型可能存在不稳定性，进行了VAR模型平稳性判定及Granger因果关系检验。将两个数列构造一个试探性构建向量自回归模型(VAR模型)，在AIC和SC法则下确定VAR最佳滞后期数为1。按照最佳滞后期数构建的模型，其AR根均落在单位圆内，VAR模型稳定。在VAR模型中进行Granger因果关系检验，在5%的显著性水平下，发现RUC对AMLC存在显著的单向Granger因果关系，如表2所示。

表1 单位根检验结果

表2 Granger因果关系检验

2.1 城镇化率与农机化水平之间的静态分析

2.1.1 静态角度的长短期均衡分析

在确定的滞后期数下进行基于Johansen协整关系检验，检验结果表明至少存在一个协整关系(检验方程结果如方程3)。城镇化率变动对农机化水平变动的长期影响效力为2.225 8%，也表示为农机化水平与城镇化率之间的弹性为2.225 8，则

AMLC=2.275 8RUC

(3)

通过向量误差修正模型来讨论短期内城镇化率变动对农机化水平变动的影响，发现模型的误差项修正系数为-0.3050，呈现出负向反馈机制，与修正含义吻合。这表明，城镇化率变动对农机化水平变动具有短期作用效力。当农机化水平变动偏离长期均衡时，将以30.50%的速度对下个月的变动速率产生影响，则

D(AMLC)=-0.305 0×[AMLC(-1)-2.275 8×

RUC(-1)+0.820 5]-0.294 7

(4)

城镇化变动与农机化水平之间存在着长期和短期均衡关系。从长期来看，两者之间长期内存在着正向变动关系，且农机化水平与城镇化水平之间富有弹性，说明城镇化对农机化水平的提高具有很强的促进作用。从短期来看，城镇化率变动对农机化水平变动的短期修正力度较大，修正力度达偏离值的30%。上述均衡分析仅仅是在静态角度观察了城镇化率与农机化水平之间的长期和短期变动结果，因此将构建结构向量自回归模型，来观察静态环境下农机化水平变动如何随着城镇化水平的冲击而做出反应的。

2.1.2 静态角度影响的时滞性分析—基于SVAR模型

将城镇化率变动与农机化水平变动指标建立VAR模型，并根据AIC和SC确定最佳的滞后期为1。建立AB型双变量形式的SVAR模型，模型假定为

Aεt=Bμt

(5)

其中，A、B分别表示2×2的矩阵；εt、μ分别表示的是一个二维向量。由上述知A、B的具体设定为

(6)

其中，C(1)、C(2)、C(3)分别为待估系数。估计结果为

(7)

以上述构造的SVAR模型为基础，通过脉冲响应函数(IPF)分析当模型中的一个内生变量遭遇到一个标准误差大小的冲击后，其自身的当期值和未来值所产生的响应。从图3可以看出：城镇化水平变动对农机化水平变动呈现出正向冲击状态，正向冲击效果从第1期开始迅速增加，到第2期达到最大值0.508 2%；随后开始逐渐下降，进一步延长冲击时间，在第14期后达到稳定状态。也就是说，短期内农机化水平对城镇化水平的变动具有很强的灵敏度，城镇化水平细微的变动都将引起农机化水平的剧烈变化。

图3 农机化水平变动对城镇化水平变动的响应

进一步通过方差分解有助于研究SVAR模型的特征，分析每个结构冲击对内生变量变化产生影响的程度来评价不同结构冲击的重要性。从表3可以看出：对于农机化水平变动而言，城镇化率变动在开始时对农机化水平变动的贡献率快速增长，从第1期的0贡献到第2期的8.856 6%，此后的增长速度有所放缓，但一直在略微增长，并于第16期后稳定在12.841 7%。这表明，城镇化水平变动将持续影响农机化水平变动。

表3 方差分解结果

～表示在第16期时稳定。

从上面的分析来看，城镇化水平变动对农机化水平变动的冲击在第2期达到最大值，而城镇化水平变动对农机化水平变动的贡献率在前两期增长迅速，并在第16期后稳定。这进一步表明农机化与城镇化率之间具有较强的弹性关系，并且这种弹性是正向连续的。城镇化是一个连续不断的过程，随着城镇化率不断提高，农村常住人口，尤其是从事农业生产的人员逐渐减少，农业生产动力不足，在对粮食需求并没有减少的情况，农业机械的需求将持续增加，以缓解农业生产劳动力不足。

2.1.3 长期、短期与静态角度小结

长期来看，通过协整关系结果表述了农机化与城镇化之间存在较强的均衡关系，农机化替代了农业生产劳动力而保证了粮食安全，验证了假设和猜想；短期来看，通过误差修正模型，表述了农机化与城镇化之间偏离了均衡关系时，将以非常大的力度进行修正(30%)，表明它们之间的均衡关系十分紧密，进一步刻画了农机化受到城镇化影响，参与了农业生产劳动力的替代。静态角度来看，通过SVAR模型脉冲响应与方差分解结果来看，两者稳定期数平均数为15期。也就是说，农机化要吸收城镇化率变动的冲击，需要15年；但这只是从当前变动对后期的影响，具体当期对当期的影响并不可知。

2.2 城镇化率与农机化水平之间的动态分析

考虑到前面构建的模型虽然从整体上观察到了城镇化水平与农业机械化水平之间的变动关系，但不能观察到这个变化的过程，因此将通过构建状态空间模型来进行观察。

2.2.1 固定参数模型时变性检验

本文已经对数据进行了平稳性检验，两个数据原序列是平稳的，这里不再进行数据的平稳性检验。同时,也基于VAR模型进行了Johansen协整关系检验，证实了城镇化水平变动对农业机械化水平之间存在长期均衡关系。因此，直接利用OLS方法构建固定参数模型，则

AMLCt=3.1635+1.0149RUCt

各项系数的显著性水平很好，均在1%的显著性水平下成立。接下来，通过对固定参数模型的估计结果进行Cusum Test(残差累积检验)，检验模型参数的稳定性，结果如图4所示。

图4 固定参数模型估计的检验结果

检验结果表明：递归残差的Cusum Test 检验值在5%显著性水平下超出了临界值(虚线表示)。这说明，农机化水平变动与城镇化水平变动模型参数不稳定，参数可能随着时间变化而变化。因此，观察取样时间段内的农机化水平与城镇化水平之间的弹性大小，需要构建时变参数状态空间模型。

2.2.2 时变参数状态空间模型的设定及估计

状态空间模型分为信号方程和状态方程两部分。通过卡尔曼滤波迭代算法来估计到不可观测变量的估计结果，即考察样本时间段内农机化水平与城镇化之间的弹性关系具体是怎样变化的，建立如下模型。

信号方程为

AMLCt=C(1)+svtRUCt+ut

(8)

状态方程为

svt=C(2)+C(3)svt-1+δt

(9)

其中，信号方程表示农机化水平与城镇化水平之间的一般关系。方程式中的sv表示状态变量，反映的是样本区间内城镇化水平与农机化水平之间的动态关系；状态方程反映状态变量的生成过程，ut、δt分别表示两个方程的随机扰动项，且服从零均值、方差为常数的正态分布。

利用卡尔曼滤波算法，通过计量软件分析，得到在状态空间模型下农机化水平与城镇化率的函数关系为

AMLCt=3.1635+svtRUCt

svt=4.0086+0.0920svt-1

2.2.3 我国城镇化率变动对农机化水平变动的动态影响与假设验证

由图5可知：从1978年来，城镇化率对农机化水平的弹性系数波动性较大，波动范围0～5.9，且呈现出弹性系数逐渐增大的趋势。这种波动趋势在1995年后幅度增大，表现出1995年后由于改革开放的逐渐深入，农村剩余劳动力逐渐向沿海地区转移，参与非农工作，致使农村劳动力不足，从而对农业机械投入的需求增大；同时，也看到在2003年用工荒前后，城镇化率与农机化水平的弹性系数波动较大，主要是由于受到农民工返乡潮的影响，劳动力替代农机化投入所致。

从整体来看，大部分时间内城镇化与农机化水平的弹性系数都大于1，表明了城镇化与农机化水平水平之间是富有弹性的，进一步论证了本文开始部分的猜想。随着城镇化水平的不断提高，农业生产劳动力相对不足，再加上其他因素，诸如大多数农村出生劳动力并不会产于农业生产，加剧农业生产劳动力不足，导致农机化需求增加，因此城镇化水平与农业机械化水平之间呈现出富有弹性。

图5 动态影响

3 结论

1)城镇化率与农机化水平之间的猜想成立。由前述分析可以看出：城镇化率与农机化水平之间存在着联系。由于改革开放以来农业人口不断涌入到城市工作，城镇常住人口逐渐增加，反映在城镇化率逐渐升高；同时，由于农业生产人口逐渐减少，农业产品需求量并未下降，因此农业生产劳动力替代性需求上升，主要反映在农业生产过程中农业机械投入增加。从文中来看：城镇化率与农机化水平之间的弹性系数多数情况下大于1，表现出富有弹性，由此得出农业劳动力向城市富集，推动城镇化率不断提高，导致农业生产力不足及农业生产劳动力替代性需求提升，且农业机械广泛运用于农业生产，农业机械化变动系数不断增大。

2)城镇化率对农机化水平存在长期而稳定的正向影响。从SVAR模型的脉冲响与方差分解来看：城镇化率变动对农机化水平变动存在着长期而稳定的关系，且这种关系是正向促进的。当城镇化率提高时，会在很长一个时期内对农机化水平产生正向促进作用。从脉冲效应和方差分解的稳定期数综合判定来看，城镇化率对农机化促进作用的消化期大约为15期，即约15年。

3)城镇化率与农机化水平之间的弹性系数波动性较大。从状态空间模型分析来看：改革开放以来，城镇化率与农机化水平之间的弹性系数之间存在着较大的波动性，且波动范围较大为0～5.9。波动性较大会导致农业生产的不稳定性，尤其是对农机公司决策的影响，会进一步加剧农机产品价格的波动性，从而加剧影响农户从事农业生产的积极性，影响农产品供给安全。

[1] 都阳, 蔡昉, 屈小博, 等. 延续中国奇迹:从户籍制度改革中收获红利[J]. 经济研究, 2014(8):4-13.

[2] 梁琦, 陈强远, 王如玉. 户籍改革、劳动力流动与城市层级体系优化[J]. 中国社会科学, 2013(12):36-59.

[3] 孙文凯, 白重恩, 谢沛初. 户籍制度改革对中国农村劳动力流动的影响[J]. 经济研究, 2011(1):28-41.

[4] 路琪, 周洪霞. 人口流动视角下的城镇化分析[J]. 宏观经济研究, 2014(12):112-121.

[5] 吕捷, 余中华, 赵阳. 中国粮食需求总量与需求结构演变[J]. 农业经济问题, 2013(5):15-19.

[6] 侯方安, 李斯华. 我国农业机械化与城镇化关系的协整分析[J]. 中国农机化学报, 2015(2):300-304.

[7] 陈莉, 王清. 区域农业机械化新型城镇化新型工业化协同发展研究[J]. 河南农业大学学报, 2015(5):707-717.

[8] 王术, 刘一明. 农业机械化与区域农业可持续发展关系实证分析[J]. 农机化研究, 2015,37(4):1-6.

[9] Akdemir B. Agricultural Mechanization in Turkey[J]. IERI Procedia, 2013(5):41-44.

[10] 曹阳, 胡继亮. 中国土地家庭承包制度下的农业机械化—基于中国17省(区、市)的调查数据[J]. 中国农村经济, 2010(10):57-65.

Study on the Relationship Between Urbanization Rate and Agricultural Mechanization Level

Deng Xina, Qi Yanbinb, Yu Weiyongb

(a.College of Management; b.College of Economics, Sichuan Agricultural University, Chengdu 611130, China)

Urbanization rate and grain output synchronous growth, but we see that the labor force in the agricultural production is reduced. In this paper, it is assumed that the agricultural machinery replaces the agricultural labor force, which ensures the security of grain output. Through the SVAR model and the Time-varying Autoregressive Model, the change rate of urbanization and the change rate of agricultural mechanization were studied, from two groups of long-term& short-term and static&dynamic analysis. That between them in the long term there is a equilibrium relationship, in the short term there is deviation from the repair capacity; static angle of agricultural mechanization need a long time to fully digest urbanization rate changes impact, dynamic angle from 1978 to 2014 between coefficient of elasticity is substantially greater than 1 and elastic. Therefore, we believe that the urbanization has attracted the population, agricultural mechanization in place of the labor force engaged in production.

rate of urbanization; agricultural mechanization level; modulus of elasticity; the SVAR model; the time-varying autoregressive model

2016-01-14

国家社会科学基金项目(14XGL003)

邓 鑫(1991-)，男，四川大竹人，硕士研究生，(E-mail) sicaudx@163.com。

漆雁斌(1969-)，男，四川岳池人，教授，博士生导师，(E-mail)qybin@sina.com。

S23-9

A

1003-188X(2017)02-0042-05