基于面板数据的江西省农业机械总动力影响因素研究

张丽娜，曹建斌，刘建村，徐 郑，赵庆亮，王 艳，李道义

(1.中国农业机械化科学研究院，北京100083； 2.广东省现代农业装备研究所，广东 广州510635； 3.重庆市潼南区农业科技投资(集团)有限公司，重庆402679)

0 引言

农业机械化是工业化和城市化进程下农业转型的重要推动力，是现代农业发展的重要标志。农业机械总动力指主要用于农、林、牧、渔业的各种动力机械的动力总和[1-2]。农业机械总动力能够在一定程度上反映地区水稻生产机械化发展现状，是实现水稻生产由人畜力向机械化生产方式转变、有序推进农业生产现代化的物质载体，是体现区域农机装备水平高低的一个重要指标，在一定程度上也能体现出农机装备结构的合理性[3]。

农业机械总动力是提高农业劳动生产率和农业竞争能力的主要影响因素，其发展受多因素(如工业化发展水平、自然条件、社会和经济发展水平)的影响。如何定量分析各种影响因素对农业机械总动力发展的作用，并把重要的因素转化为可量化的经济指标，是现代农业生产系统分析的重要内容。科学准确地对江西省农业机械总动力进行分析并对影响因素进行剖析，不仅可以为政府部门制定农业机械化发展规划提供理论依据，还可以为江西省农业机械化产业发展提供一定的参考信息，为江西省农机市场发展指明方向。本研究选择江西省农业机械总动力为主要研究对象，从人口发展、经济效益等方面入手，分析其主要影响因素并对其未来增长趋势进行预测，旨在对江西省农业机械产业发展决策制定提供理论依据。

1 研究方法与数据来源

1.1研究方法

在统计学中，线性回归方程是利用最小二乘函数对一个或多个自变量之间关系进行建模的一种回归分析。本研究拟采用多元线性回归算法建立农业机械总动力与影响因素之间的相关关系，力求找到机械化装备结构的主导因素，以便从主要矛盾抓起，有重点、分步骤地解决装备结构存在的相关问题[4]。回归分析是经济计量分析中使用最多的方法，多元回归分析预测法，是指通过对2个或2个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。多元线性回归模型的一般形式为

Yi=β0+β1X1i+β2X2i+…+βkXki+ui(i=1，2，…n)

式中k——解释变量的数目

β0，β1…βk——未知参数，称为回归系数

Yi——被解释变量

X1i，X2i，…Xki——k个可以精确测量并可控制的一般变量，称为解释变量

ui——随机误差

1.2指标选择及数据来源

1.2.1现状研究及指标选择

农业机械化是农业技术进步的重要手段，是农业技术水平的反映，是农业现代化的重要标志，农业机械总动力是农业机械化的具体表现。据统计，2004—2018年中央和省财政共投入江西农机购机补贴资金超过68亿元，共补贴各类农机具约1.2×106万台(套)，有力调动了农民购机用机的积极性。参照国家投入农机购置补贴前，江西省农机总动力只有1.22×107kW(2003年)，2018年总动力达到2.38×107kW，年均增速为4.5%，显著推动了江西省现代农业的发展。

农业机械总动力的提升是受政策、自然条件、经济和社会发展等多方面因素共同作用的结果，具有一定的复杂性。农业机械化对城镇化的推进具有促进和支撑作用，反过来城镇化为农业机械总动力的提升提供技术支持和需求动力。就农业机械总动力影响因素而言，社会经济发展、土地规模、地形条件、农村人口和宏观政策等均是影响农业机械总动力的主要因素。从经济发展水平看，本文选取农村居民人均可支配收入(购机主体)和江西省财政总收入(财政投入主体)为衡量指标。土地规模选取粮食作物播种面积占总农作物播种面积比值为衡量指标；农村人口选择第一产业就业人员占比为衡量指标；地形条件以粮食作物总产量为衡量指标，暂不考虑文化程度及人口分布的影响，以上数据均从江西省农业机械统计年鉴获得。设江西农业机械总动力为Y，种植结构为X1，粮食产量为X2，农村居民家庭人均可支配收入为X3，第一产业就业人员占比为X4，江西省财政总收入为X5。各数列时间序列如表1所示。

表1 各数列时间序列

对以上数据，运用多元回归分析进行参数估计，得到模型如下

Y=-4 787.872+18 787.538X1+0.787X2-1.066X3-107.888X4+2.848X5

(-0.604)(1.995)(0.534)(-1.85)(-1.534)(1.653)

R=0.856a，R2=0.732，F=10.402，p=0.000a。

回归结果显示，整体回归结果p<0.01，说明差异极显著。这里样本回归模型中R2和F统计量较大，说明预测效果较好。t0.05(21)=1.721，除了X1和X3的t值>1.721，其余参数估计值均不能通过显著性检验，表明模型中解释变量存在多重共线性，需要进一步采用逐步引入法选择解释变量。

1.2.2相关系数法检验

从表2可以看出，解释变量之间的相关系数并不一致，相关系数较大的达到0.997，接近1。其中，变量X3和X4、X5之间存在明显相关性，相关系数高达0.909和0.997，说明存在明显的相关性，进一步证实了解释变量之间存在多重共线性问题。

表2 相关系数矩阵

1.2.3逐步引入法选择解释变量

对Y分别关于X1、X2、X3、X4、X5作线性回归，回归分析的结果汇总如表3所示。

从回归的结果可以看出，只引进一个解释变量X1时，变量X1的F值与R2和调整R2是5个变量中最大的，各项统计检验结果最好，符合江西双季稻大省的实际情况。除X1外，其余方程的F值大小排序依次为X4>X2>X3>X5。

表3 线性回归分析结果汇总

进一步采用逐步多元回归分析方法，加入X4，对Y关于X1、X4作最小二乘回归，得

Y=-13 730.9+24 738.15X1-2.609 5X4

(-2.293 67)(3.327 601)(-0.074 29)

R2=0.672 3， 调整R2=0.642 5，F=22.570 35，p=0.000a。

可以看出，加入X4后，可决系数R2略有增加，但调整R2有减少，且F值为22.57>F0.05(2，23)=3.422，应拒绝原假设β1=β2=0，说明回归方程显著，能通过置信水平为95%的F检验，即“种植结构”“第一产业就业人员占比”变量联合起来确实对“农业机械总动力”有显著影响，所以在模型中保留X4。

加入X2，对Y关于X1、X2、X4作最小二乘回归，得

Y=-12 526.6+25 421.14X1-0.574 03X2-16.695 6X4

(-1.911 03)(3.306 4)(-0.497 5)(-0.366 14)

R2=0.676， 调整R2=0.629，F=14.614 73，p=0.000a。

可以看出，加入X2(粮食产量)后，可决系数R2有所增加，调整R2略有下降，虽然F值可以通过置信水平为95%的F检验(F0.05(3，22)=3.049)，但X2的参数估计值与表2中的不符，所以在模型中略去X2。

继续加入X3，并重复上述过程，得

Y=-7 798.89+20 501.73X1-0.106 5X3-69.705 6X4

(-0.996 9)(2.493 3)(-1.164 78)

(-1.035 39)

R2=0.692 2， 调整R2=0.648，F=15.743 12，p=0.000a。

可以看出，在加入X3后，可决系数R2有所增加，调整R2略有减少，虽然F值可以通过置信水平为95%的F检验(F0.05(3，22)=3.049)，但同样X3参数估计值的符号不正确，所以在模型中略去X3。

继续加入X5，并重复上述过程，得

Y=-9 422.84+21 436.16X1-50.917 1X4-0.251 41X5

(-1.218 21)(2.567 6)(-0.783 95)

(-0.886 1)

R2=0.684 1， 调整R2=0.639，F=15.161 6，p=0.000a。

可以看出，在加入X5后，可决系数R2有所增加，调整R2有所减少，虽然F值可以通过置信水平为95%的F检验(F0.05(3，22)=3.049)，但同样X5参数估计值的符号不正确，所以在模型中略去X5。

综上所述，得到Y的最终回归方程为

Y=-13 730.9+24 738.15X1-2.609 5X4

2 结果与分析

目前以影响因素为对象的研究方法主要有灰色预测模型、地理加权回归模型和多元回归分析等方法[5-10]。围绕农业机械总动力增长影响因素，前人开展了许多研究，鞠金艳等[11]针对农机总动力增长影响因素进行分析得出，政府投入、劳均(每个劳动力)播种面积、燃料价格指数对农机总动力增长影响因素最大，农民人均纯收入、农业人均产值和文化程度比例对农机总动力增长波动不产生影响。张雄一等[12]以2000—2017年中国9大农业区农业机械总动力为研究对象，得出农业机械总动力与第一产业增加值变化的相关系数为0.735。进一步说明不同分析方法下，农业机械总动力的变化主要影响因素各不同。

本文从计量的角度对农业机械总动力影响因素进行分析，确定了农业机械总动力与农业机械总动力影响因素之间的相关关系。结果显示，影响农业机械总动力的主导因素有2个，即种植结构和第一产业就业人员占比。X1和X4通过了显著性检验，模型的修正拟合优度调整R2=0.642 5。说明X1(种植结构)、X4(第一产业就业人员占比)对农业机械总动力的解释程度为64.25%。其中X1与农业机械总动力的相关系数为24 738.15，说明粮食作物种植面积占总播种面积的比例越大，农业机械总动力值越增加，符合江西省水稻种植大省的实际发展需求。X4与农业机械总动力的相关系数为-2.609 5，说明第一产业就业人员占比越小，农业机械总动力值反而增加，第一产业就业人员占比反映的是从事农业生产劳动人数占社会总人数的比例，占比越低，整个社会经济水平越发达，要求人们用更少的劳动力投入去养活更多的人口，这就要求投入更多的农机装备、先进技术去替代劳动力，进而支撑整个国民经济发展。进一步验证了农业机械化发展释放农村劳动力，提高劳动生产率，促进了第一产业人员向第二三产业转移。

粮食产量与粮食播种面积成正比，表2结果显示X2与X3的相关性为0.802，与X1的相互影响程度较明显，说明存在多重共线性，逐步多元回归分析结果显示X1(种植结构)对Y的影响更大。农村居民人均可支配收入反映了当地农村家庭的经济基础，及对农业生产资料的购买能力。农业正处于生产方式加速转变的关键时期，在国家支农惠农强农政策的引导下，农村居民人均可支配收入越高，理论上越容易释放农村家庭对农业机械的需求动力，极大地提升农机装备水平，促进农业机械化发展。回归分析的结果显示，X3与Y呈正比，验证了理论结果，但逐步回归分析的结果显示，略去X3对模型的结果影响不大，说明农村居民可支配收入增高，并不绝对影响农业机械总动力。江西省财政总收入的逐年增加反应了江西省近25年经济发展水平，但财政总收入水平的提升对农业机械总动力的影响程度一般。

3 结论

(1)经过25年的发展，江西省农业机械化水平不断提高，农业机械总动力自2003年后也成显著增长趋势。逐步多元回归结果显示，种植结构和第一产业就业人员占比是影响江西省农业机械总动力变化的主要因素。江西省农业机械总动力变化与农民人均可支配收入及省财政收入的相关性一般，线性分析结果显示可能会影响农业机械总动力的变化，但影响程度不明显。

(2)虽然农业机械总动力是衡量农业机械化水平的重要组成部分，但其不能完全代表地方农业机械化水平。其影响因素众多，在江西省“双改单”情况下，应持续关注粮食种植面积占总农作物播种面积的比值，稳定粮食播种面积。同时，下一步还应综合考虑政策因素、技术因素对农业机械总动力的影响，从而为进一步因地制宜制定合理的补贴政策、创造良好的耕作环境等提供科学依据。