我国现代农业机械化发展对农业经济的影响研究

彭肖肖，陈冬冬

（1.四川大学锦城学院 金融学院，成都 611731；2.四川农业大学 商学院，成都 611830）

近年来，从传统农业向现代化农业发展成为我国的核心目标，其中农业机械化水平是评价现代化农业发展程度的重要组成部分[1]。与传统农业不同，随着国家政策对现代化农业的支持，农业机械化发展迅速，并有效的促进了我国农业生产效率，提高劳动效率，增加农业经济产值。从2004年开始，我国农作物耕种收综合机械化率持续增长，但不同农业作物之间机械化水平偏差较大，各区域农业综合机械化水平差异化明显[2]。杨进等人以小规模农户为对象，研究了中国农业机械化发展对农户粮食播种面积的影响，证明不断上涨的每亩农业机械作业费用会降低农户粮食作物播种面积的占比[3]。可见，农业机械化发展是促进我国农业经济增长必不可少的一部分。

本文将从以2013年至2017年的各地区面板数据为基础，结合相关理论分析和实证分析研究农业机械化对农业经济发展的影响，有助于我国现代农业化的推进。一方面,分析我国农业机械化发展的阶段性进程和成效，为下一步深入知道提供理论基础，促进农业机械化的协调性发展；另一方面，结合影响农业经济发展的其他因素，判断当下我国农业机械化推进对增加农业经济的影响。

一、我国农业机械化发展现状

我国农业机械化水平整体呈现上升趋势。通过参考相关学者的研究，农业机械总动力是衡量农业机械化的重要指标。

我国农业机械总动力从1998年到2015年，总体呈上升趋势，涨幅达147.14%,到2016年小幅度下降，随后2017年同比上升1.58%。我国深化农村改革，贯彻实施农机购置等补贴政策，制定《国务院关于促进农业机械化和农机工业又好又快发展的意见》等指导文件，是农业机械化水平整体上升的主要原因。农用大中型拖拉机数量，整体呈上升趋势，其中在2005年至2008年增速较快，年均涨幅达28.98%，小型拖拉机在此期间增速也相对较快，其主要原因在于2004年我国通过《中华人民共和国农机化促进法》，鼓励、扶持农民和农业生产经营组织使用先进适用的农业机械，促进农业机械化，建设现代农业。小型拖拉机数量从1998年到2011年呈上升趋势，2011年后数量开始下降，到2017年，降幅达9.77%，主要原因在于，随着我国对农机补贴政策的实施，农业实施集约化生产范围扩大，小型拖拉机的可使用性降低，导致其实际数量的降低。其他农业机械，包括排灌电动机、排灌柴油机、联合收割机等，数量整体呈上升趋势，可见我国农业机械化发展成效显著。

各区域的农业机械发展水平具有明显的差异[4]。目前我国中部和东部地区发展水平较高，西部地区机械化水平相对较低。2017年部分地区的农业机械总动力均值达3186.56万千瓦，其中山东省最高，占该年农业机械总动力的10.27%。中部地区农业机械总动力最高，达到39725.41万千瓦，居于三大经济带之首。虽然东部地区农业机械总动力占总动力的32.33%，高于西部地区，但是其标准差也达到最高值3311.57万千瓦，表明中部各地区之间的农业化水平差异大，东部地区中北京、上海和天津三地区农业机械总动力小于500万千瓦，造成差异的原因主要是与地理位置和环境以及地区重点经济建设方向有关。西部地方农业机械总动力占总动力的27.46%，相对较低，但是各地区之间的差异性相比中部和东部地区，更为稳定。

表1我国三大经济带地区农业机械总动力描述性统计

二、我国农业机械化与农业经济变化的实证分析

随着农业机械化水平的提高，农业的生产效率提高，并促进农业经济增长。本文运用计量分析方法研究农业机械化水平对农业经济增长的影响程度。

（一）变量选取与研究方法

根据参考文献，选取农业总产值、农业机械总动力、有效灌溉面积和总播种面积等作为研究变量，进行实证分析。本文数据来源于国家统计局和各地区统计局的《统计年鉴》。

本文针对农业机械化对农业经济影响的分析，以2013年到2017年的各省统计数据作为样本，采用多元线性回归中的普通最小二乘法，分析农业机械化对农业经济变化的影响方向和程度。

分析农业机械化对农业经济增加之间的关系，计量模型表示如下：

其中，Y表示农业总产值，X1表示农业机械总动力（万千瓦），X2表示农作物总播种面积，X3表示农业用电量，X4表示农业化肥施用量，X5表示农林水事务支出，β0～β5表示相应的偏回归系数，μ表示随机扰动项。

（二）实证分析

本文使用2013年到2017年各省的面板数据（见表2）作为样本，并将样本数据代入Eviews6.0软件进行实证分析。由于使用面板数据作为实证分析样本，需考虑由于非平稳序列所造成的“伪回归”，即需对各面板数据进行单位根检验，以确定变量数据的平稳性以及单整阶数，以此基础进行面板数据的协整检验，筛选变量，再进行多元线性回归。

表2 2013年到2017年各省面板数据

2015湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆2780 3044 2794 2146 614 1034 3336 1773 1841 68 1911 1253 145 311 2005 4468 5894 2697 3803 512 1300 4405 2575 3333 620 2667 2685 454 831 2489 7952 8717 4785 6135 845 3576 9690 5542 7186 253 4284 4229 558 1265 5757 149 124 1326 84 13 78 175 80 91 1 110 54 6 14 104 334 247 256 260 51 98 250 104 232 6 232 98 10 40 248 617 676 812 498 164 331 927 534 642 200 521 497 204 166 605 2016湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆2921 3255 3134 2348 696 1152 3711 1889 1944 52 2028 1275 156 312 2163 4188 6098 2391 3527 517 1319 4267 2041 3441 635 2172 1904 459 581 2552 7844 8793 4831 6145 823 3601 9729 5597 7164 258 4277 4254 561 1275 5868 153 127 1335 95 14 79 183 85 95 1 119 54 6 14 108 328 246 261 262 51 96 249 104 236 6 233 93 9 41 250 705 730 715 573 179 348 989 629 713 243 543 488 232 201 717 2017北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西154 238 3441 970 1418 2069 1400 2912 162 3722 1435 2175 1619 1327 4930 4611 145 244 3459 958 1415 1860 1232 2874 149 3715 1521 2234 1782 1447 4641 4577 130 183 2891 862 1435 1620 896 3471 146 3765 1494 2241 1527 1489 186 547 11103 3352 3805 2814 3153 5442 119 4825 2361 6581 1384 2261 13353 11710 144 470 7402 1744 3331 2168 3105 5634 122 4907 2137 6867 1269 2202 9798 9855 134 465 7581 1376 3484 2215 3285 5814 122 4991 2072 6313 1232 2310 174 469 8740 3768 7568 4220 5679 12294 340 7745 2291 8950 2331 5579 11027 14425 151 479 8717 3721 7922 4064 5676 12427 295 7677 2274 8894 2327 5561 10973 14472 121 440 8382 3578 9014 4172 6086 14768 285 7556 1981 8727 1549 5638 52 102 612 97 72 458 50 73 919 1836 906 157 381 100 482 321 55 92 601 98 71 490 51 77 983 1869 926 162 384 105 489 317 62 40 615 99 79 528 53 80 1013 1888 977 171 388 109 11 22 335 119 229 152 231 255 10 320 88 339 124 144 464 716 10 21 332 117 235 148 234 253 9 313 84 327 124 142 456 715 9 18 322 112 235 145 231 251 9 304 83 319 116 135 425 156 712 394 676 446 409 681 267 1009 739 578 442 557 964 792 444 161 801 432 729 481 551 802 327 986 722 625 411 581 943 807 518 158 783 478 808 459 555 815 457 918 697 682 448 608湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏2962 2598 2890 2539 707 1166 4004 2077 1983 78 2095 1069 162 309 4335 6255 2411 3658 570 1353 4420 2181 3535 523 2243 2019 462 605 7956 8322 4228 5970 709 3340 9575 5659 6791 254 4064 3752 555 1133 157 129 1415 104 16 80 188 95 102 1 131 56 6 15 318 245 258 264 51 95 242 96 232 6 232 84 9 41 715 782 754 647 198 348 1023 612 675 238 545 521 233 222

数据来源：各省市《统计年鉴》，样本数据保留到个位

采用ADF检验进行单位根检验。根据实证结果可见原始序列均不平稳，各变量一阶差分检验结果P值均小于0.05（见表3），不存在单位根，表示所有变量都是一阶单整。

表3 一阶差分下单位根检验结果

使用Johansen检验进行协整关系检验。确定变量的单整阶数之后，检验自变量和因变量之间的协整关系。模型分析结果表明（见表4），迹统计量和最大特征值统计量分别为470.0688和216.0687，高于显著性水平5%下的临界值103.847和40.9568，说明各变量在Johansen检验下拒绝原模型不存在协整关系的假定，可判定农业机械总动力等变量会影响农业总产值增长，即存在面板数据协整关系，多元线性回归分析可信。

表4 面板协整关系Johansen检验

使用DW检验和ADF检验分别检验残差的自相关性和平稳性，分析结果见表5。根据实证结果可见，DW检验统计值大于du小于4-du，表明残差不存在自相关性。ADF检验的P值小于显著性水平0.05，表明残差序列协整。

表5 残差自相关性DW检验和平稳性ADF检验结果表

使用普通最小二乘法对样本数据进行多元线性回归分析，见表6。

表6 普通最小二乘法下的多元线性回归分析

从分析结果可见，可决系数为0.9193，农业机械总动力等自变量对农业总产值拟合程度较好。F检验中，F统计量为339.4452（P值为0，小于显著性水平0.05），表示回归方程具有显著性特征。t检验中，各自变量P值均小于显著性水平0.05，表示各自变量对因变量均存在显著性影响。表明该方程拟合程度较好，具有统计学意义，可以对结果进行分析。

通过实证结果，得样本回归模型：

三、结论与政策建议

（一）结论

我国农业机械总动力对农业总产值具有显著的正向影响关系，即当农业机械总动力增加1万千瓦时，我国农业总产值会增加1006万元。说明我国农业机械化水已进入中级阶段，随着农业机械化水平的提高，我国农业总产值增加，有效促进农业经济发展。农作物总播种面积、农业用电量等因素，均对农业总产值产生正向影响，与文献参考结果一致。

相对于农用化肥施用量等其他因素，农业机械总动力对农业总产值的影响程度较低。各因素对农业总产值的影响不同，其中农用化肥施用量对农业总产值的影响较大。在合理的使用下，每增加1万吨的化肥施用量，会增加22122万农业总产值，影响程度接近农业机械总动力的20倍。各地区农业机械化发展差异性较大，土地集约化程度低，现有农业机械化发展模式受限于传统农业是基本原因。

（二）建议措施

完善农业机械化补助和支持政策，制定合理的机械化推进制度。农业机械化推行初期，国家陆续推出《农业机械促进法》等诸多扶持农业机械化发展的补贴政策和文件。目前我国大力发展农业集约化，补贴政策更多倾向于大型农业机械，而小型农机的补贴相对较少。我国山东等地区土地集约化程度高，对大型农机的需求量较高，而我国西部等地区多以丘陵，农业机械化程度较低，对小型农机的需求量远大于大型农机[5]。由上可见，由于我国各地区农业机械化程度差异性大，需根据不同的地理位置，在指导文件的基础上，各地区相关部分分别制定符合地区情况的政策，以此保证农业机械化水平的平衡发展，缩小地区之间的差异。

推动我国土地集约化发展，提高农业机械的使用效率和范围。部分偏远地区的土地资源依然较为分散，加之当地农民耕种土地所获收入依旧是生活的主要来源，使得土地集约化和农机使用受限，从而导致现代农业在发展过程中受到阻力。国家应从土地集约化的制度和政策方面着手，鼓励闲置土地流转，优化大型农场的经营和管理模式，提高我国农业机械化的生产效率[6]。