机械化与粮食增产：直接影响还是间接影响?*——基于5类品种的实证

金铂皓，纪晓岚

(华东理工大学社会与公共管理学院,上海 200237)

0 引言

长年以来，由于我国承包地大面积呈现独立、破碎、零散的形态，推进机械化式耕作举步维艰[1]。虽然早年有大量学者认为在我国，由于气候，土壤潮湿等自然限制，无论生产面积如何，均不适宜机械作耕的观点，但在老挝[2]、孟加拉湾[3]等地区的成功实践，让人们看到了在我国气候潮湿地区也能够推进机械化运作的可能。随着大量农村劳动力进城务工，其承包地被闲置，对于在农地流转基础上，扩大生产规模，实现农业机械化运作，促成规模经济，以提高农作物尤其是粮食产量，最终维护粮食安全的呼声越来越高。在此背景下，十九大提出乡村振兴战略，并再次要求推进的“三权分置”改革，正是在理清农地产权的前提下，推进农地流转，扩大生产规模的必要手段，而同时提出的构建现代农业产业体系，则是强调依靠农业机械化等现代手段生产农作物，有利于发展适度的规模经营。可以说，农地流转，适度规模经营，农业机械化耕作是一脉相承的。实际上，早在20世纪90年代初开始，我国民间就有自发性的农地流转[4]，而机械化耕作在我国也较为普遍，均不是近年才有的产物。那么在近年来农村劳动力大量转移，农地流转热情高涨，生产规模逐渐扩大的背景下，规模经营发展带来的必然要求——机械化水平发展，其显著提高农作物中最基础的作物——粮食产量了吗？在未来还需要哪些工作帮助完善？这些都是事关国家粮食安全，必须要回答的问题。

对于我国机械化发展是否显著促进粮食增产的问题，学界研究已非常成熟。不过近年来随着时间的发展，也出现了一点质疑的声音。总体来讲，研究的观点可以分为支持派与部分支持派。

支持派是当下比较最主流的观点，其视角也多种多样。从历史视角出发，Singh等研究了亚洲地区60年来的农业进步，指出机械化水平，促进了谷物尤其是大米生产的增加，最终改善了当地居民的温饱问题[5]。Kic等更是将研究区域扩大到广大亚非拉国家，认为机械化是发展中国家提升农业总产值的出路[6]。在国内，卢李朋等[7]依据甘肃62年的数据，实证了粮食增产的核心靠机械化。从影响机理出发，王珺鑫等[8]以山东为样本，发现机械总动力是粮食生产波动的主要因素。 彭代彦[9]认为机械化是劳动力的替代要素，同样可以像劳动力一样提高稻田的利用率，进而最终提高粮食产量，随着时间发展，彭代彦等[10]更进一步还认为机械化可以推动农业生产技术的变革，通过技术本身也可以实现粮食增产。从发展预期角度，田甜运用C-D模型指出机械作业显著推动粮食单产[11]。除此之外也有综合视角看待两者关系的研究，如彭澧丽等[12]认为机械化对劳动生产率和耕地产出两方面产生作用，并最终在两方面共同作用下，提升了粮食产量。

而另一派的观点带有典型的区域性特色。其以报酬递减规律为理论基础，肯定早期机械化对粮食产量的作用，同时也发现了近年继续推动机械化，会使得粮食边际产量下降，进而不能显著提升粮食产量的结论。Hou et al[13]以华北平原为研究区域，发现该地区技术投入的边际效率出现了小幅度下滑，这对未来该地区农产品的产量会有影响，显然，机械化是科技投入的组成部分，其观点对于机械化是否显著提升粮食产量有一定参照作用。 而史常亮等[14]在新疆的考察中则十分明确，将近年来农机总动力在粮食生产中贡献率不足的原因直指机械化投入对粮食边际产量作用下滑。 杜继丰等[15]在珠三角的调研发现，机械化程度已经不再是粮食增产的主要因素，也就是说该观点肯定机械化曾经对于粮食生产的贡献，但如今这个作用已不再突出。而姜德波等[16]在黄淮海平原的调研中更是独特，其在研究区域得到了农机总动力增加到某个阶段，继续提高机械化作用并不能再提升粮食产量的结论。可以说，相较于史常亮等认为机械化投入对粮食产量增长已经出现了拐点的研究结论[14]，姜德波等[16]直接地认为机械化投入对粮食产量已经出现了极值点。不过总体来讲，两者对于该问题的研究结果均为前期先肯定，后期又否定。

综上所述，机械化对粮食增产作用的研究当前已有非常多的贡献，只是在时间的延续性上存在分歧。针对这个问题，以下几个角度可能是处理该分歧，进一步探究机械化对粮食增产作用的突破口。第一：部分支持派认为随着时间的推移，当前机械化对粮食增产的作用已不再显著，但无论是哪一派，这种作用都停留在直接影响的层面。那么随着时代的发展，机械化对粮食增产的作用能不能依靠间接影响发挥出来？第二：两大派别尤其是部分支持派的结论，主要是基于当地品种研究得到的。这样获得的结论，是否在不同品种的研究下同样适用？为此，文章基于以上两大疑问，对机械化和粮食增产作用采取进一步的探讨。

1 理论探讨

既然该研究推测机械化发展可能为粮食增产带来间接效应，那这种间接效应的可能表现形式又是如何。以要素流动理论的视角来看，机械化作为一种技术要素，同样可以像劳动力要素等一样在市场内流动，那么其作用就不仅限于自身内部区域，而是可以扩展到了空间维度。这该层面下，一个地区的机械化发展，就不仅能够推动本地区的粮食增产(直接影响)，也可能间接带动其他地区的粮食增产，形成一种间接的溢出效应。

当前在现实中，我国有没有可能存在这种溢出效应？对于该问题，该研究从以下两个角度解答。首先，从技术帮扶角度出发，我国当前出现了农业服务外包的机械化支持模式。具体表现在我国部分地区，一部分农户由于资金有限或对机械化运作熟悉程度不足，并不愿意采取自购农机等方式种植粮食。不过，他们也肯定机械化对种植的作用，愿意邀请一些专门从事翻地、播种等专业化的团队来操作，形成一种农业上的专业化分工[17]。可以说，服务外包的模式使得农业也被纳入到了专业分工的行业中，为机械化的溢出效应提供了重要支撑[18]。另外，从经验学习角度出发，部分机械化水平较弱的区域，其部门人员或专业人士等会前往机械化水平强的区域考察学习，利用先进技术改进当地较落后的技术，最终运用到当地的粮食生产。与前者当地机械化水平影响其他地区粮食产量不同，这种方式则强调当地机械化发展带动其他地区机械化发展，进而影响其他地区的粮食产量，其形式更为间接。

图1 机械化对粮食增产的作用机理

图2 直接影响和间接影响说明

通过上述的文献整理和理论探讨，初步认为，在空间维度上考虑，机械化存在对自身区域粮食增产的直接影响，也可以存在对其他区域粮食增产的间接影响，具体手段整理得到图1、图2，其中图2中框内的箭头即代表直接影响，框外的2个箭头为间接影响。那进一步地来看，这种效应是否在不同品种方面均存在呢？因此该文提出如下假设：

S1：对于不同品种的粮食的产量，在选取区域均存在空间自相关性。

S2：机械化发展对于不同品种的粮食的产量，均可以显著增产，其实现的形式包括直接效应或间接效应。

2 研究方法

2.1 数据来源与描述性统计

针对假设是否成立，该研究仍需实证。为此，该文将2000—2015年作为时间段，选取了我国31个省、直辖市、自治区(不含港、澳、台)为对象予以分析。在模型设定之前，首先需要考虑如何衡量机械化发展。该研究借鉴lin的方法[19]，使用农机总动力表征机械化发展。在因变量中，分别选取稻谷、小麦、玉米、豆类、薯类5类粮食产量作为因变量。此外，该研究从自然和社会两个角度选取控制变量。自然条件中，粮食产量由气候变化敏感性很强，但由于我国地域广，差异大，不同地区主要的自然气候威胁也有区别。为统一度量，将因气候灾害而受灾的农作物面积加入模型作为自然因素的控制变量。从社会因素而言，该文将粮食播种面积和化肥施用量纳入模型。这些数据中， 2000—2003年农作物因气候灾害而受灾的面积数据来自中国气象数据网， 2004—2015年数据出自《中国气象灾害统计年鉴》。其余数据若无明确指出，均出自各年度《中国农村统计年鉴》。表1给出了将所有变量在取自然对数之后对应的描述性统计。

2.2 自相关性检验设定

若要证明机械化发展对不同粮食品种均显著存在间接效应，其前提是机械化水平和不同品种的粮食产量存在空间相关性即该问题可以放在空间维度上探讨。在学界，全局Moran′s I在测量自相关性上得到普遍运用。

(1)

式(1)中，xi、xj分别代表i、j两个区某一确定品种的粮食产量，n为该品种粮食所选区域的总数。

wij表示空间权重矩阵。在空间模型计算中，wij的选取是至关重要的，常见的方法包括最近邻法和反距离法。最近邻法是以某省出发，赋值相邻的省份为1，不相邻为0，而反距离法则是通过计算两省球面距离的倒数，然而这两种方法对于我国农业生产均有缺陷。从最近邻法来看，其更适合面积大小相似的区域，而我国不同省份面积差异巨大并不合适； 而反距离法虽然考虑到我国各省的面积差异，但忽略了我国农业机械化传播在地形、通达度等方面的差异。因而该研究参照借鉴伍骏骞等的方法，运用两省之间机动车通行所需的最短时间(单位：h)的倒数来作为空间权重矩阵[20]，该方法由于机动车行驶时间既受到两地的距离也受到地形的影响，能够弥补先前方法的不足。该数据由百度地图查询获得(1)由于不同品种区域总数不同，因此共有4个空间权重矩阵，之后若无明确说明，均以该方式制作空间权重矩阵。需要补充的是，由于数据的完整性不同，稻谷(2)北京、青海、西藏无稻谷产量数据，因而区域总数为28、小麦(3)海南无小麦产量数据，因而区域总数为30、玉米、豆类、薯类(4)天津、上海、西藏无薯类产量数据，因而区域总数为285种品种的Wij会有所差别。

表1 描述性统计

变量名均值标准差说明稻谷产量7.811.96取对数前单位:kt,下同之后表格中,其命名为lnpayield小麦产量6.402.34命名为lnwhyield玉米产量7.362.04命名为lncoyield豆类产量5.601.44命名为lnbeyield薯类产量6.671.08命名为lnyamyield稻谷播种面积5.951.95取对数前单位:k·hm2,下同,命名为lnpaarea小麦播种面积5.192.17命名为lnwharea玉米播种面积5.742.02命名为lncoarea豆类播种面积5.031.51命名为lnbearea薯类播种面积4.431.12命名为lnyamarea农机总动力7.371.08取对数前单位:wkt,数据的区域总数为31,命名为lnmech化肥施用量4.631.19取对数前单位:wt,数据的区域总数为31,命名为lnfe因气候受灾面积4.341.50取对数前单位:w·hm2,数据的区域总数为31,命名为lndis

2.3 计量模型设定

考虑到机械化对粮食增产可能既存在直接效应，又存在间接效应，且当地机械化可能推动其他地区粮食增产，也可能通过当地机械化影响其他地区机械化进而再推动粮食增产，根据LeSage等的经验[21]，运用空间杜宾模型(SDM)是合适的方法，具体模型如式(2)。本模型的中文解读参考龚维进和徐春华一文[23]，直接的分解效应同样参考该文。其中F为粮食产量(5类品种分别作为因变量)，w为空间权重矩阵，wF则为因变量的内生交互效应，M表示以农机总动力为首的一组自变量，也包括控制变量，因而wM表示自变量的外生交互效应，In为N×1 且元素都为1 的列向量。ε为扰动项～(0，σεI)，α、β、γ、φ表示各自的回归系数。

F=αwF+βIn+γMnt+φwMat+ε

(2)

通过空间效应的分解探究直接效应和间接效应。参照LeSage等的做法[22]，通过偏微分的方式测度SDM的空间溢出。具体方法为先对式(2)的F取期望得E(F)，再在t时间上，E(F)对解释变量求偏导数得到式(3)。在式(3)中，矩阵对角线的元素为直接效应，非对角线元素代表间接效应。若模型退化为空间滞后模型(SAR)，此时求偏导数为式(4)。另外，若模型退化为空间误差模型(SEM)，则直接效应变为β且无间接效应[24]，假设也被推翻。

(3)

(4)

3 结果与分析

3.1 自相关检验

表2给出了农机总动力和不同品种的粮食产量的Moran′s I。可以看到，各年度的稻谷产量在均在1%显著性下通过了检验； 农机总动力以及和小麦的每年度的产量在5%显著性通过检验，玉米、豆类、薯类各年产量基本在10%显著性通过检验，因此应当使用空间计量模型。假设1被证实。

3.2 空间计量分析

在确定使用空间计量的基础上，现讨论SDM模型能否被简化。首先借鉴Anselin的经验[25]刻画两组非空间模型下的LM统计量，再构造两组Wald和LR统计量检验SDM是否会退化(5)具体方法为假设A1:γ=0和A2:αβ+γ=0，假设均拒绝则建立SDM，A1不能被拒绝则为SAR，A2不能被拒绝则为SEM，若前者统计量和后者发生冲突，则仍然使用SDM(6)SAR、SEM本身是SDM的特殊形式[26]。表3给出了不同模型下的LM、Wald和LR统计量。其中模型1、2、3、4、5分别代表以lnpayield、lnwhyield、lncoyield、lnbeyield、lnyamyield为因变量的SDM模型。在检验后可以发现，模型1、3、4均拒绝假设，而模型2、5的LM检验和Wald、LR检验不一致，因而5个模型均不能被退化。

表2 2000—2015年5类品种的粮食产量和农机总动力和的Moran′s I指数测算

变量名稻谷产量小麦产量玉米产量豆类产量薯类产量农机总动力20000.16∗∗∗0.20∗∗∗0.11∗0.15∗∗0.13∗∗∗0.03∗∗∗20010.15∗∗∗0.17∗∗∗0.11∗∗0.15∗∗0.11∗∗0.03∗∗∗20020.16∗∗∗0.16∗∗0.10∗0.17∗∗0.10∗0.03∗∗20030.16∗∗∗0.18∗∗∗0.11∗∗∗0.16∗∗0.07∗0.02∗∗20040.17∗∗∗0.18∗∗∗0.12∗∗0.17∗∗0.12∗0.02∗∗∗20050.14∗∗∗0.19∗∗∗0.13∗∗0.14∗0.21∗∗∗0.02∗∗∗20060.14∗∗∗0.20∗∗∗0.16∗∗0.13∗0.12∗∗0.03∗∗∗20070.13∗∗∗0.22∗∗∗0.16∗∗0.07∗0.10∗0.03∗∗∗20080.11∗∗∗0.25∗∗∗0.16∗∗0.11∗0.06∗∗0.02∗∗20090.13∗∗∗0.23∗∗∗0.16∗∗0.07∗∗0.09∗0.02∗∗20100.12∗∗∗0.24∗∗∗0.16∗∗0.130.05∗0.02∗∗20110.12∗∗∗0.23∗∗∗0.15∗∗0.100.03∗∗0.02∗∗20120.13∗∗∗0.23∗∗∗0.13∗∗0.11∗∗0.050.01∗∗20130.12∗∗∗0.22∗∗∗0.13∗∗0.07∗0.09∗∗0.01∗∗20140.13∗∗∗0.20∗∗∗0.11∗∗0.08∗∗0.08∗0.02∗∗20150.14∗∗∗0.20∗∗∗0.10∗0.10∗0.08∗0.02∗∗ 注:∗∗∗、∗∗、∗分别表示在1%、5%、10%显著性水平下通过检验

在确定应用SDM模型之后，还需要确定模型的效应形式。表3给出了模型1 的Hausman统计量，发现显著拒绝了使用随机效应的原假设，因而采用固定效应。类似地，之后所有模型也运用该方法确定形式。最终得到模型2为随机效应，模型1、3、4、5为固定效应(7)因篇幅问题，不再具体给出其他模型的Hasuman检验，有需要读者可向作者索取(见表4)。

表3 以稻谷产量为因变量的豪斯曼检验

(b)固定效应(B)随机效应(b-B)差值农机总动力-0.070-0.023-0.047化肥施用量0.1420.1060.036稻谷播种面积1.0171.0050.012因气候受灾面积-0.035-0.0420.007chi2(4)=11.13Prob>chi2=0.025

表4 空间杜宾模型的选择及设定形式

模型1模型2模型3模型4模型5拉格朗日乘数滞后51.685∗∗∗0.42654.664∗∗∗35.936∗∗∗0.187罗伯特拉格朗日乘数滞后68.383∗∗∗6.640∗∗∗37.826∗∗∗1.285280.393∗∗∗拉格朗日乘数误差9.992∗∗∗96.138∗∗∗35.282∗∗∗73.103∗∗∗2 710.307∗∗∗罗伯特拉格朗日乘数误差26.690∗∗∗102.352∗∗∗18.445∗∗∗38.451∗∗∗2 990.514∗∗∗沃尔德滞后15.939∗∗∗8.724∗9.747∗∗18.699∗∗∗5.439似然比滞后13.933∗∗∗8.628∗5.75618.155∗∗∗1.770沃尔德误差9.123∗∗∗8.772∗17.390∗∗∗24.606∗∗∗19.528∗∗∗似然比误差8.396∗8.709∗6.54324.228∗∗∗6.571 注:∗∗∗、∗∗、∗分别表示在1%、5%、10%显著性水平下通过检验

表5 以5类品种的粮食产量为因变量的模型估计

模型1模型2模型3模型4模型5R20.7070.9070.9150.4910.450农机总动力-0.0230.183∗∗∗-0.0070.1130.065∗∗∗化肥施用量0.106∗∗-0.179∗∗∗0.170∗∗0.299∗-0.012播种面积1.005∗∗∗1.047∗∗∗0.971∗∗∗0.859∗∗∗0.987∗∗∗因气候受灾面积-0.042∗∗∗-0.031∗∗-0.035∗∗-0.028∗-0.002W∗农机总动力0.045∗∗∗——0.141∗0.151∗∗∗W∗化肥施用量——0.185∗∗—-0.150∗∗∗W∗播种面积—-0.217∗∗∗——-0.148∗∗∗W∗受灾面积————0.443∗sigma2_e0.013∗∗0.024∗∗∗0.010∗∗∗0.047∗∗∗0.011∗∗∗对数极大似然估计291.984146.259435.87744.510448.05 注:∗∗∗、∗∗、∗分别表示在1%、5%、10%显著性水平下通过检验

表6 空间效应分解

模型1模型2模型3直接效应间接效应总效应直接效应间接效应总效应直接效应间接效应总效应农机总动力-0.0240.087∗∗∗0.064∗∗0.188∗∗∗0.122∗∗∗0.310∗∗∗-0.004-0.001-0.005 化肥施用量0.104∗∗-0.009∗0.095∗∗-0.185∗∗∗-0.123∗∗-0.308∗∗∗0.165∗∗0.391∗∗0.556∗∗∗播种面积1.009∗∗∗-0.085∗∗∗0.923∗∗∗1.046∗∗∗-0.107∗∗0.939∗∗∗0.972∗∗∗-0.0020.970∗∗∗受灾面积-0.042∗∗∗0.003∗∗-0.038∗∗∗-0.032∗∗-0.020∗∗-0.052∗∗-0.036∗∗0.001-0.035∗∗模型4模型5直接效应间接效应总效应直接效应间接效应总效应农机总动力0.1541.194∗∗1.349∗∗0.080∗∗∗0.615∗∗∗0.694∗∗∗化肥施用量0.3070.5810.888-0.025∗-0.560∗∗∗-0.585∗∗∗播种面积0.914∗∗∗1.617∗∗2.531∗∗∗0.996∗∗∗0.317∗1.311∗∗∗受灾面积-0.030∗-0.053-0.0830.0050.1630.167 注:∗∗∗、∗∗、∗分别表示在1%、5%、10%显著性水平下通过检验

在确定模型之后，进行下一步分析。分析中，不显著的变量空间滞后项将被去除，最终得到分析结果表5，其中在控制变量方面，各品种的播种面积本身不同，但因篇幅问题均放在一行内显示，统称为lnarea。依表5所示，机械化发展仅仅可以显著促进本地区的小麦和薯类增产。

那是否意味着机械化就没有显著促进其他3种作物的增产？为此，可通过空间效应的分解，观察机械化对不同品种粮食产量的直接和间接效应，如果机械化能发挥其间接影响即带动其他地区的机械化水平发展或者促进其他地区该作物增产，仍然可以认为其能够发挥作用，该分析结果如表6所示。依据表6显示，机械化虽没有对稻谷、豆类增产发挥直接效应，但存在显著的间接溢出效应(8)机械化具有对粮食增产的直接或间接效应均指在5%显著性水平通过检验且对应系数为正，下文同； 对于小麦和薯类作物，机械化不仅发挥了直接效应，也存在间接效应。可见，机械化发展并不只是推动了当地的粮食增产，它也可以通过上述的手段，实现溢出效应，发挥间接效应作用。

此外在所选取时间段内，机械化对玉米的增产既未产生显著的直接效应也无间接效应。该现象鉴于我国这两种作物机械化起步很晚的客观背景，不太可能发生机械化投入的报酬递减，因此可能是我国的这两类品种的粮食，当前生产的机械化水平还太低，需要进一步促进机械化发展，粮食增产的效应才能显著显现[27]。

4 空间分析的进一步探讨

通过上述的分析，得到了机械化在直接效应内促进了小麦、薯类的增产，在间接效应内促进了稻谷、小麦、豆类、薯类的增产，而对玉米产量没有显著提升的结论。这一说法在一定程度上看到了机械化在空间维度上的作用，也承认了当前我国粮食机械化发展上的不足。然而，这样的结论并不够严谨，主要表现在：(1)是否存在机械化发展的对某些品种的粮食增产的直接效应，在所选时段的前期不明显，而后期增产效应显著，这可以进一步证实我国通过扩大生产规模，加大投入机械技术来促进粮食增产的大方向的正确性；(2)是否存在机械化的对某些品种的粮食增产的间接作用，在所选时段的前期不明显，而后期增产效应显著，这反映了技术帮扶等间接影响并不是一直存在而是近几年才开展的； (3)是否存在某种粮食，机械化对其的直接增产效应在前期显著，后期变得不显著，这也是部分支持派学者所持的观点。

表7 2000—2007年模型估计

模型6模型7模型8模型9模型10R20.7470.9180.7210.3100.181农机总动力-0.1290.1590.1190.542∗∗∗0.146∗化肥施用量0.280∗∗∗0.1310.274∗∗∗-0.0280.193播种面积0.870∗∗∗0.936∗∗∗0.875∗∗∗0.866∗∗∗0.819∗∗∗因气候受灾面积-0.049∗∗∗-0.045∗∗-0.049∗∗∗-0.0290.007W∗农机总动力0.133∗————W∗化肥施用量—————W∗播种面积0.355∗-0.139∗∗—-0.134∗∗0.148∗∗∗W∗受灾面积——-0.041∗——sigma2_e0.008∗∗∗0.009∗∗∗0.006∗∗∗0.056∗∗∗0.008∗∗∗对数极大似然估计232.390216.510275.712263.970226.539 注:∗∗∗、∗∗、∗分别表示在1%、5%、10%显著性水平下通过检验

为此，该研究将时间分为2000—2007年和2008—2015年两段，并观察在先后的时间段内，不同品种粮食在机械化作用下增产效应是否发生显著变化。通过实证，表7、表8分别给出了两段不同时间的模型估计； 表9、表10分别给出了这两段时间的空间效应分解，其中模型6和11、7和12、8和13、9和14、10和15分别代表以lnpayield、lnwhyield、lncoyield、lnbeyield、lnyamyield为因变量的模型。在效应形式的选择中，模型6～10， 15为固定效应，模型11～13为随机效应，模型14退化为SAR的随机效应模型(9)SAR模型不具有空间滞后项变量。在表8可以得到一些新发现：(1)在先后两个时间段，机械化对小麦的增产直接效应发生了从不显著到显著的变化；(2)从间接增产作用角度来看，机械化对薯类的在前期并不显著，而在后期显著。这反映了我国随着交通运输、通讯联络等方面的进步，薯类生产受到外包，发达机械化区域帮扶等方面的作用逐渐凸显； (3)对豆类而言，机械化对其增产的直接效应随着时间的变化，从显著变化为不显著，这也可能是部分支持派质疑机械化当前能否继续促进粮食增产的一个证据。然而，由于缺乏在空间维度的探讨，该派没有注意到机械化对豆类在间接作用上的变化。依靠上述手段的进步，机械化在后半时间段开始显著发挥了对粮食增产的溢出效应;(4)即使在后时间段，机械化对玉米的增产仍不显著，该品种是未来加强发展的重点。

表8 2008—2015年模型估计

模型11模型12模型13模型14模型15R20.7890.7220.8160.5690.973农机总动力0.2060.107∗0.037-0.0300.067∗化肥施用量0.551-0.167∗∗-0.097∗∗0.111-0.007播种面积1.025∗∗∗1.079∗∗∗1.036∗∗∗0.921∗∗∗0.9657∗∗∗因气候受灾面积-0.023∗∗-0.034∗∗-0.010-0.030∗∗-0.009∗∗W∗农机总动力0.107∗∗———-0.128∗∗∗W∗化肥施用量—————W∗播种面积—-0.186∗∗∗0.147∗∗—-W∗受灾面积—————sigma2_e0.148∗∗0.027∗∗0.011∗0.015∗∗∗0.001∗∗∗对数极大似然估计119.21641.935160.547108.164511.924 注:∗∗∗、∗∗、∗分别表示在1%、5%、10%显著性水平下通过检验

表9 2000—2007年空间效应分解

模型6模型7模型8直接效应间接效应总效应直接效应间接效应总效应直接效应间接效应总效应农机总动力-0.1320.241∗∗0.1080.1650.0830.2480.0140.0060.020化肥施用量0.278∗∗∗-0.0540.224∗∗∗0.1250.0560.1820.270∗∗∗0.0410.312∗∗∗播种面积0.872∗∗∗0.351∗∗∗1, 224∗∗∗0.940∗∗∗-0.0030.937∗∗∗0.882∗∗∗0.1401.022∗∗∗受灾面积-0.494∗∗∗0.009-0.485∗∗∗-0.045∗∗-0.022-0.067∗∗∗-0.051∗∗∗-0.108∗-0.159∗∗∗模型9模型10直接效应间接效应总效应直接效应间接效应总效应农机总动力0.603∗∗∗1.6862.290∗0.158∗0.5060.664化肥施用量-0.046-0.132-0.1780.1880.0880.277播种面积0.908∗∗∗1.3372.245∗∗0.836∗∗∗0.779∗∗1.615∗∗∗受灾面积-0.028-0.076-0.1050.0070.0030.010 注:∗∗∗、∗∗、∗分别表示在1%、5%、10%显著性水平下通过检验

表10 2008—2015年空间效应分解

模型11模型12模型13直接效应间接效应总效应直接效应间接效应总效应直接效应间接效应总效应农机总动力0.0190.173∗∗∗0.192∗∗0.111∗∗0.0680.179∗0.039-0.0090.030化肥施用量0.516-0.0090.042-0.174∗∗-0.101-0.274∗∗-0.099∗∗0.020-0.079∗∗播种面积1.031∗∗∗-0.019∗∗∗0.838∗∗∗1.080∗∗∗-0.0481.032∗∗∗1.036∗∗∗0.058∗∗1.094∗∗∗受灾面积-0.240∗∗0.005-0.019∗∗-0.034∗∗-0.020-0.055∗∗-0.0110.002-0.009模型14模型15直接效应间接效应总效应直接效应间接效应总效应农机总动力-0.0280.002∗∗-0.0260.628∗0.333∗∗∗0.961∗∗∗化肥施用量0.106-0.0070.099-0.009-0.004-0.013播种面积0.925∗∗∗-0.062∗∗0.863∗∗∗0.974∗∗∗0.451∗∗∗1.426∗∗∗受灾面积-0.031∗∗0.002-0.028∗∗-0.009∗∗-0.004∗-0.013∗∗ 注:∗∗∗、∗∗、∗分别表示在1%、5%、10%显著性水平下通过检验

5 结论与讨论

5.1 结论

综合以上两步结果，机械化对不同品种的粮食增产效应各异。总体而言，基于模型1～5，从直接影响来看，机械化显著推动小麦和薯类的增产； 从间接效应来看，机械化通过辐射、溢出作用，带动了其他地区稻谷、小麦、豆类、薯类的增产。从时间维度的两两比较(模型6比11， 7比12等)而言，机械化对小麦产量的直接效应、对豆类、薯类的间接效应都经历了从不显著到显著的过程，表明我国近年来机械化发展对粮食产量的贡献。最后，机械化对大豆产量的直接效应变为不显著，这可能由于我国近年来对大豆的进口依存度越来越高，当地机械化的作用未得到显著发挥。

5.2 建议

(1)科技是最大的生产力，推进科技创新，尤其是玉米的农机创新是下一阶段关键任务。可以看到，无论在何种形式，哪个时间段，目前机械化对玉米增产的作用均不显著。下一步应当针对该类品种粮食加大机械化技术投入与研发[28]。

(2)在各种模型的检验中，粮食播种面积基本对粮食产量都有显著正向影响，可见我国的粮食安全，光有内涵式的科技投入增产远远不够，外延式的耕地保护才是根本举措。在耕地保护中，①严格保护现有耕地，规范耕地征收征用制度，对以各种以公益性为旗号乱征地现象予以查处。②扩宽耕地保有，加大农村废旧工矿用地复垦为耕地力度，稳定提高耕地面积。

(3)当前外包、帮扶等机械化对粮食产量的间接效应逐渐显著，当地农户即使缺乏自有机械，也可以依靠外包等方式完成生产工作，进而对农业机械的需求量预期会有一定下降。针对此，应当推进农业机械供给侧结构改革，提供匹配市场的对应机械，保证农机自身市场的供需平衡。