中国地区农业技术进步及其影响因素的空间计量分析

熊德斌+贾振杰+王鑫鑫

摘要：文章在文献分析的基础上，建立了农业技术进步影响因素的空间计量模型，并运用1978～2015年大陆31个省、市、自治区的数据进行实证研究。文章以农业机械化使用情况来衡量技术进步，首先，运用MoranI指数证明我国农业机械化存在空间相关性，其次，对各变量进行LM检验，从而选择适合研究对象的空间误差模型（SEM）；然后，运用豪斯曼检验确定模型使用效果较好的固定效应；最后，用聚类稳健的标准误得到模型估计结果。结果表明：1.农业从业劳动力对机械化的影响不显著，土地投入、农民人均纯收入、人均粮食产量、产业结构均显著；2.土地投入、农民人均纯收入、人均粮食产量对农业机械化有正向影响，产业结构的影响系数为负，并且土地投入对农业机械化的影响最大，弹性系数为1.065；3.空间自相关系数λ为0.584，通过1%的显著性检验，与MoranI指数一致表明农业机械化存在空间正相关性。

关键词：中国；农业机械化；空间计量

一、引言

随着国民经济的高速发展，我国农业生产水平持续提升，伴随着农业机械化水平不断提高，投入农业生产的各要素的产出效率也得到提升。农业机械化对生产要素的投入结构尤为重要。“十三五”农业现代化总体规划指出，逐步实现农业科技进步贡献率、主要农作物耕种收综合机械化率分别达到56%和63%，基于不同地区的资源禀赋差异，如何在促进技术进步的同时，提高农业机械化水平成为迫切要解决的问题。基于中国各省份不同的地势地形、资源禀赋等，省域农业机械化水平有较大差异，最明显的影响农业机械化水平的因素是耕种土地的破碎程度，特别是山地农业，使用大型机械最为困难。在推进农业机械化的进程中，分析相关因素的影响程度，并提出具体的改进措施，成为了众学者研究的热点问题。在分析农业机械化问题时，由于各省都有不同的发展水平，省域之间各因素相互独立的假设前提不再适用，各省份之前的相邻效应、溢出效应有着不可忽视的作用。

基于我国农业机械化发展的迫切需要，本文选取全国31各省（市）区1978～2015年的相关数据，使用空间计量的方法，探讨各因素对农业机械化进程的影响，揭示影响作用的同时，体现省域之间的空间相关关系。

二、理论基础

对农业机械化的影响，最被人们熟知的就是地势地形、耕地块数以及耕地破碎程度。较多山地地区的可耕种土地较少，甚至被分割成很多块，造成土地破碎化。相比平原地区，这些地方的机械化水平明显要低，推广机械化的路径就只有研发适合山地资源禀赋的小型机械。另一方面，随着劳动力成本上升，非农就业机会增多，农民不愿再从事农业种植，那么愿意从事农业生产的少部分农户拥有的可耕地增多，原来以劳动为主的生产方式已经不再适用，那么这在一定程度也会增加机械化的使用。对于农户自身来说，随着生活水平的提高，农户的生产偏好有所改变，不愿意在农业生产中投入更多的劳动，更愿意由机械来完成，并且机械化投入大大节约了农民的生产成本。随着农民收入的增多，家庭有更多的可支配收入来购买农业机械。农民收入很大一部分来自粮食产量，而粮食产量的提高，促使农户愿意投入更多的资金购买农业机械。不同地区产业结构的分布也会影响此产业的生产经营方式，农业产值占GDP比重越大，则农业受相关政策的支持越利好，如购买农用机械补贴，粮食补贴等，政府也会通过提升机械化水平，进而提升农业总产值，使国民经济得到更好进展。另外，农业机械化也受科技进步、工业化程度等方面的影响。

基于投入要素和农户的视角，本文从劳动力、土地投入、农民人均纯收入、人均粮食产量、产业结构这五个方面对农业机械化水平的影响来分析，探索各因素对农业机械化的影响程度，以及透过省域数据，呈现机械化水平的空间相关性，对现状的农业机械化水平做合理分析，为农业技术进步的提升提供参考。

三、研究方法、变量及数据来源

（一）研究方法

空间计量经济学诞生于20世纪70年代，它是在做经济计量的横截面或面板数据的基础上，增加空间数据，通常这种空间数据用空间权重矩阵的形式出现。空间权重矩阵可以是横截面单位的位置或距离信息，也可以是经济距离。在经济学中，许多经济数据都与地理位置相关，比如用来描述中国各省的经济发展状况的相关数据，都与其空间位置有关。空间因素的加入，使空间计量经济学更准确的说明经济区域发展关联程度。

在進行计量时，首先应考察数据是否存在空间依赖性。空间可以再多个方向上表现出相关性，表现在数据上是位置相近的区域有相似的变量取值。在度量空间自相关时，本文选取最常用的 “莫兰指数I”（MoranI）的方法。莫兰指数I的取值一般在-1和1之间，大于0表示正空间自相关，即高值与高值相邻、低值与低值相邻；小于0表示负空间自相关，即高值与低值相邻。

在确定使用空间计量方法后，要选择模型形式。一般的空间面板模型表达式为：

其中，y是被解释变量yi，t的一阶滞后，当τ≠0时为动态面板；dXδ表示解释变量的空间滞后，d为相应空间权重矩阵D的第i行；γ为时间效应；m表示扰动项空间权重矩阵M的第i行。特殊地，如果τ=ρ=0且δ=0，模型表达形式为y=xβ+ui+γ+ε，ε=λmε+vit，称之为“空间误差模型”（SEM）；如果τ=λ=0且δ=0，模型表达形式为yit=ρwy+xβ+u+γ+ε，称之为“空间误差模型”（SLM）。根据Anselin（1988）的观点，空间计量模型主要分为空间滞后模型（SLM）与空间误差模型（SEM），通过将结果进行LM检验而选出最优模型。其次，本文将使用聚类稳健的标准误估计模型的随机效应和固定效应，并运用豪斯曼检验选择使用随机效应还是固定效应。

（二）变量

本文选取1978～2015年全国31个省市的相关数据，为衡量农业机械化程度，选取省域农业机械总动力（mach，万千瓦）作为被解释变量，解释变量包括投入土地（land，千公顷）、劳动力投入（labor，万人）、农民人均纯收入（income，元）、人均粮食产量（crop，千克）、农业产业结构（struc）。模型中使用的数据均是各变量取对数后的值。endprint

其中土地投入变量用农作物播种面积表示。农业劳动力投入无法直接获得，本文根据乡村从业人员的数量进行了换算。乡村从业人员中包括在种植业、动物饲养、渔业、林业等生产中的劳动者人数，为了得到种植业部门中的劳动力估计，乡村从业人员按农作物产出占农业总产出的价值份额，即按农业总产值占农林牧渔业总产值的份额，进行加权。对于农民纯收入，由于2013～2015数据缺失，本文用农村居民人均可支配收入代替。对于农业产业结构，本文用农业总产值占GDP比重表示，此指标可以衡量各省的农业在总体经济中的地位。

此外，在计算空间权重矩阵时，除了使用基于地理相邻关系的简单权重矩阵（W）外，本文还使用各省在样本期间的平均农业总产值之间的差额作为测度省域间经济距离的指标（E），最终的经济空间权重矩阵为W*=W×E，本文使用的是该矩阵进行标准化的矩阵。其中矩阵W中元素都是0，1值，主对角线元素都是0，各省相邻为1，否则为0；矩阵E的主对角线元素都是0，其他的（i，j）元素为Eij=（i≠j）， 为省域i在样本期间的平均农业总产值。并且基于地理关系和经济联系程度，把海南省与广东省视为相邻省份。

（三）数据来源

文中数据来源于中国经济与社会发展统计数据库，以及《中国统计年鉴》、《中国农村统计年鉴》和《新中国六十年统计资料汇编》，部分数据来自各省历年统计年鉴。本文进行空间计量分析所使用的软件是Stata，部分数据处理以Matlab作为辅助。

四、实证结果分析

（一）中国省域农业机械化的空间相关性检验

在进行全国省域农业机械化的空间相关性时，选择使用莫兰指数I。首先运用Stata生成经济空间权重矩阵，计算全国1978～2015年的机械总动力的全局MoranI值。由MoranI值结果可知，1978～2015年各年的p值均通过检验水平为1%的显著性检验，说明全局空间自相关指标都拒绝“无空间自相关”的原假设，即存在空间自相关。

（二）空间计量模型选择的相关检验

1. LM检验

依据估计结果进行LM（Lagrange multiplier）检验，LM统计量是考察约束条件的拉格朗日乘子是否为零，因为假设约束条件成立，那么这个约束条件应该对估计没有影响，那么拉格朗日乘子应该为0。

模型使用Matlab做LM检验，对空间滞后模型（SLM）与空间误差模型（SEM）做出选择。由结果可知，在进行空间与时间固定效应的LM诊断时，LM-lag和LM-error的LM值分别为5.343、17.1938，p值（0.021、0.000）均通过5%的显著水平。在进行稳健性LM检验时，RLM-lag和RLM-error的LM值分别为1.102、12.953，RLM-error的p值（0.000）通过1%的显著水平，但RLM-lag的p值（0.294）没有通过显著性检验，故而模型选择空间误差模型（SEM）。

2. 豪斯曼检验

先使用聚类稳健的标准误分别估计随机效应和固定效应的空间误差模型（SEM），再由豪斯曼检验选择使用随机效应还是固定效应。结果显示，豪斯曼统计量为17.15，p值等于0.0042，在1%检验水平上显著，故而可以拒绝“接受随机效应”的原假设，因此该模型选择固定效应。

3. 模型估计结果

由以上部分检验可知，本次研究最终选取的模型为固定效应的空间误差模型。本文使用的SEM面板固定效应模型为：

lnmachit=αi+β1lnlaborit+β2lnlandit+β3lnincomeit+β4lncropit+β5lnstrucit+λWεit+uit（2）

其中i代表省份单位标识，t代表1978～2015年各个年度，uit代表随机扰动项，αi为截距项，β1～β6为系数，λ是空间自相关项系数，ln表示对变量取自然对数，W是空间权重矩阵。固定效应的SEM模型估计结果如表1所示，模型的拟合优度是0.903，变量lnlabor未通过10%水平的显著性检验，变量lncrop和变量lnstruc均通过了5%水平的显著性检验，变量lnland、lnincome均通过了1%的显著性检验。

劳动力（lnlabor）对农业机械总动力的弹性为0.253，但是未通过10%的显著性检验，可能的原因是农业机械的使用已经不再受劳动力投入的影响；土地投入（lnland）对农业机械总动力的弹性为1.065，表示土地投入增加1%将带来农业机械总动力1.065%的增加，此变量足以表明土地投入对机械化的影响程度之大，结果凸显了土地的重要性。人均粮食产量对农业机械总动力的弹性为0.354，农民人均纯收入（lnincome）对农业机械总动力的弹性为0.324，人均粮食产量、人均纯收入增加，都会带来农业机械总动力的增加；农业总产值比重（lnstruc）对农业机械总动力的弹性为-0.327，这种现象可能的原因是随着各省的经济发展，其他产业的增长高于农业增长，导致即使农业总产值增加，但其所占GDP比重依然变小，但机械总动力依然是增加的。

空间自相关系数λ为0.584，通过1%的显著性检验，表明农业生产投入对机械化的影响确实存在空间相关性。λ度量了邻近省份关于机械化数据的统计误差对该省观测值造成的冲击，原因在于各省在统计机械化总动力时，多用途机器以及各种机器马力的换算不同造成统计误差。另外也度量了其他观测不到的因素的空间相关性对机械化產生的正向促进作用。

五、主要结论及启示

文章在对农业机械化及其影响因素进行分析时，首先运用MoranI指数证明我国农业机械化存在空间正相关性，又对选取的变量进行LM检验、豪斯曼检验确定模型使用固定效应的模型，最后用聚类稳健的标准误得到模型估计结果。实证结果表明：农业从业劳动力对机械化的影响不显著，土地投入、农民人均纯收入、人均粮食产量对农业机械化有正向影响，产业结构对农业机械化有负向影响，并且土地投入对农业机械化的影响系数最大，空间自相关系数与MoranI指数一致表明农业机械化存在空间正相关性。在提升我国农业机械化水平方面，不但要考虑各影响因素的作用效果，同时还要全面考虑空间相关和空间依赖性。对于农业技术进步的研究还有很多工作要做：进一步展示我国省域农业机械化的空间演化机制及其路径、准确衡量各省份之间的农业机械化的溢出效应等，都是各界学者需要考虑的问题。

参考文献：

[1]高鸣，宋洪远.粮食生产技术效率的空间收敛及功能区差异——兼论技术扩散的空间涟漪效应[J].管理世界，2014（07）.

[2]胡瑞法，黄季焜.农业生产投入要素结构变化与农业技术发展方向[J].中国农村观察，2001（06）.

[3]罗富民.农业分工演进对丘陵山区农业机械化进程的影响——基于四川南部丘陵山区的空间计量分析[J].中国农机化学报，2014（01）.

[4]孙久文，姚鹏.空间计量经济学的研究范式与最新进展[J].经济学家，2014（07）.

[5]王珏，宋文飞，韩先锋.中国地区农业全要素生产率及其影响因素的空间计量分析——基于1992～2007年省域空间面板数据[J].中国农村经济，2010（08）.

[6]赵泉午，廖勇海.我国交通基础设施与物流规模的实证研究——基于中国1998～2010年省域空间面板数据[J].华东经济管理，2012（03）.

[7]郑旭媛，徐志刚.资源禀赋约束、要素替代与诱致性技术变迁——以中国粮食生产的机械化为例[J].经济学（季刊），2017（01）.

*基金项目：本文得到贵州大学2014年文科重点学科及特色学科重大科研项目“耕地扩权与山地农业多种经营方式发展研究”（GDZT201406）项目支持。本文受贵州大学2017年研究生创新基金“贵州农地产权制度对技术进步的影响机制”（研人文2017038）资助。

（作者单位：贵州大学经济学院）endprint