基于VAR模型的粮食主产区农业机械化与农业劳动力转移关系分析

杨萌萌

摘要：基于粮食主产区河南省1989—2018年的数据，构建VAR模型，使用Granger检验、脉冲响应函数和方差分解分析等方法，对其农业机械化和农业劳动力转移的动态关系进行分析。結果表明：农业机械化和农业劳动力转移存在双向格兰杰因果关系，但双向互馈的影响程度不同，农业机械化水平提升对农业劳动力转移的作用显著高于其逆向作用。研究发现对于加快提高粮区农业机械化水平，助推农业劳动力有序流转，促进现代农业发展有重要的政策涵义。

关键词：农业；机械化；劳动力转移；VAR模型

中图分类号：F323.3；F323.6 文献标识码：A DOI：10.16465/j.gste.cn431252ts.20210309

近年中央“一号文件”连续提出要全面推进农业机械化，合理配置农业劳动力资源，优先发展农业农村现代化。粮食主产区作为保障国家粮食安全的主体，其农业机械化程度和农业劳动力流动一定程度上影响着粮食生产的供给水平与能力。同时，农业机械化发展对劳动力的替代作用也日益显现，劳动力非农转移加快，这一现象引起学者对农业机械化与劳动力转移关系的关注。

已有文献[1-2]对农业机械化与农户劳动力转移之间的研究主要集中在两个方面：一是农业机械化对农户劳动力转移的作用。农户受个人禀赋和家庭禀赋的影响，难以持续进行农业生产活动，农户会以资金为代价将农业生产的一些环节外包或者托管给农业机械化组织，农机社会化组织不断发展，使农机这一稀缺资源逐渐富裕[3-5]，从而替代了劳动力。农机服务的出现通过规模效益降低了机械的成本，促进了机械替代劳动力，使更多的剩余劳动力转移。中国是农业大国，但耕地细碎导致农户以家庭承包为基础进行小规模经营[6]，这种前提下农业机械化可以弥补细碎化经营的不足[7]，进而可以解放农业劳动力，促进农户劳动力转移和农业产出的增加[8]，把小规模农户引入现代农业生产体系。二是农户劳动力转移对农业机械化的反作用[9]。通过诱致性技术进步理论[10]可知，随着大量劳动力非农化转移，诱发农业老龄化、妇女化的现象，而这些农业主体因为自身身体素质、生理因素无法长期从事繁重的农业劳动，就会对农机社会化服务产生需求进而促进了农业机械化的发展[11]。

综上所述，已有文献对农业机械化与农户劳动力转移之间的理论关系展开了有益探索。但是，相关研究仍存在不足，主要包括两个方面：一是，现有研究多集中于农业机械化对农业劳动力转移的单项因果关系，忽略了两者之间互为因果的内生性关系。二是，现有研究虽涉及农户劳动力转移对机械化的影响这个问题，但多为理论研究，缺乏实证分析。针对现有不足，本文拟采用构建VAR 模型的方法，探讨河南省农业机械化与农户劳动力转移之间互为因果的内生性问题，从而弥补现有研究的不足。

1 理论模型与数据来源

1.1 VAR模型介绍

式中：Y为K维的内生变量矢量；A为相应的系数矩阵；p为内生变量滞后的阶数；εt为随机扰动项；t为时间。

1.2 变量选取

本文涉及的变量主要为农业机械化和农业劳动力转移。通过总结已有文献，本文用目前使用频率最高的农业机械总动力来衡量农业机械化的水平。该指标可以反映农业生产中的机械使用量及投入量；通过配第—克拉克定律以及刘易斯二元经济模型，得出农业人口会随着经济的发展由第一产业即农业转移到第二、三产业，因此本文用河南省第二、三产业的就业人数占总就业人数的比重作为代理变量来表示农业劳动力转移量。

1.3 数据来源

考虑到数据的平衡性和可获得性，本文选择粮食主产区河南省为研究对象，对其1989—2018年30年的时间序列数据进行实证分析，其中两个指标的数据主要来源于《河南统计年鉴》和《中国统计年鉴》。为了消除时间序列波动和异方差的影响，对农业机械总动力进行处理，取自然对数记为ln M；农户劳动力转移量通过对就业人口和第二、三产业就业人口进行计算得到，记为T。各变量的描述性统计见表1，变化趋势见图1。除此以外，本文所有的实证分析均运用stata软件进行操作。

由图1可以看出，两个变量30年的变化趋势基本是一致的。农业机械化水平总体呈提高趋势，河南省第二、三产业的就业人数占总就业人数的比重即农业劳动力转移水平总体也呈增长趋势。

2 实证分析

2.1 单位根检验

时间序列的平稳是VAR模型建立的前提是时间序列的平稳，如果时间序列不平稳，在分析中出现“伪回归”现象的可能性很大，因此对相关变量进行平稳性检验是很有必要的。本文采用ADF检验方法检验各变量的平稳性，检验结果见表2。

表2是单位根检验的结果，可以看出ln M和T的原始序列不平稳。而对d ln M和d T一阶差分后，两者均在5%置信水平下拒绝原假设，即不存在单位根，两者是平稳时间序列，表明ln M和 T都是一阶单整序列，记为Ⅰ（1）。

2.2 确定最优滞后期

为探究前文提出的问题，研究河南省农业机械化和农业劳动力转移之间关系，本文构建我国农业机械化和农业劳动力转移的VAR模型。建立VAR模型变量的滞后阶数的确定很重要，一般来说，滞后阶数要适度，阶数大会导致模型的自由度过大，参数有效性变小。综合考虑，本文选取的滞后阶数为3，滞后期p的选择见表3。

2.3 Granger因果关系检验

一般格兰杰因果关系检验中滞后期的选择具有随意性，这必定会对检验的结果产生影响。而基于VAR模型的Granger因果关系检验的滞后期的选择是确定的，可以很好地解决上述问题。由于上文确定的VAR的最优滞后期为3，故Granger检验时滞后期为3，检验结果见表4。

从表4可以看出，在以ln M为被解释变量的方程中，检验变量T系数的联合显著性，其卡方统计量为6.844 4，相应的p值为0.077，故认为T是ln M的Granger原因。同理，ln M是T的Granger原因。综上，在5%的显著性水平下，农业机械化与农业劳动力转移存在双向的格兰杰因果关系，即农业机械化的提高会促进农业劳动力的转移，反之亦然。

2.4 模型的稳定性检验

VAR模型不稳定，脉冲响应和方差分解就没有意义。检验VAR模型的稳定性，其实就是检验VAR模型所有根的模，只有模的倒数都小于1，即都位于单位圆内，VAR模型才是稳定的。检验结果见图2，农业机械化与农业劳动力转移的VAR模型中的6个模均位于单位圆内，表明该VAR模型是稳定的，可以进行后续的脉冲响应和方差分解。

2.5 脉冲响应分析

将脉冲响应函数绘制成脉冲响应曲线见图3。分别给ln M是T一个标准误差的信息冲击，滞后期设定为20期，图3展示了20年考察期内各变量对于冲击的响应情况和响应路径。

从图3（b）可以看出，对ln M进行冲击，从第1期开始，T会先呈现出下降趋势并且为负值，当发展到第3期与第4期时达到最小值，之后在第7期上升到正值并且第10期之后随着脉冲期数的增加将会保持稳定。这表明农业机械化对劳动力转移会先出现负向影响之后就是持续的正向影响，并且随着期数的增加，这种作用效果将一直持续，所以可以认为，对于农业劳动力转移而言，农业机械化是一项重要的积极影响因素，能够持续推进农业劳动力转移。

根据图3（c）显示的脉冲响应分析结果能够看出，对T进行单位冲击时，ln M在前7期为正值，表示短期情况下农业劳动力转移的增加会造成农业机械化水平的提升。但是随着冲击期数的增长，ln M会逐渐缩小，并且当发展到第7期时趋于0，此后随着冲击期数增加将会缩小。这表示对于长期农业劳动力转移而言，过度的农业劳动力转移会对农业机械化产生负向影响。

2.6 方差分解分析

一般来说，脉冲响应函数表示的是一个变量的冲击对另一个变量的动态影像路径，而方差分解可以分析出来VAR模型每个扰动项因素对变量影响的相对程度。对ln M和T进行方差分解，见表5和表6。

由表5可知，河南省农业机械化的ln M预测性方差主要受到自身波动影响，不管是对ln M进行向前一期还是20期的预测，其预测方差至少有93.9%来自ln M本身，其余的6.1%来自T。这意味着农业机械化受自身的影响较大，变量农户劳动力转移的作用很小。表6显示，如果作一期预测，则T的预测误差有96.9%来自T本身。但如果作20期预测，则T的预测方差有52.1%来自ln M，47.8%来自于T本身。这表明，农业机械化对农业劳动力转移有较大的影响。

3 结论与建议

3.1 结论

本文选取河南省1989—2018年的数据，构建农业机械化和农业劳动力转移的VAR模型，运用平稳性检验、Granger检验、脉冲响应函数和方差分解分析等方法，对粮食主产区河南省农业机械化和农业劳动力转移的动态关系进行研究。结果表明：

（1） 農业机械化和农业劳动力转移存在双向格兰杰因果关系，农业机械化水平的提高能够推动农业劳动力的转移，但农业劳动力转移对农业机械化的反向作用并不明显。

（2） 脉冲相应的结果表明，农户劳动力转移对农业机械化冲击在前7期呈显出U型的负向响应，在第8期之后响应变为正向并缓慢上升，由此可见农业机械化对农户劳动力转移的推动作用具有滞后性；农业机械化对农业劳动力转移冲击的响应在前4期缓慢上升，之后缓慢下降，并在第7期之后出现副响应，由此可见过度的农业劳动力转移会对农业机械化的发展产生负向影响。

（3） 方差分析的结果显示，长远来看，农业劳动力转移对农业机械化的贡献率很低，而农业机械对农业劳动力转移的贡献较大。

3.2 建议

农业机械化是应对农业劳动力转移的重要手段，农业劳动力转移也在一定程度上促进了农业机械化的发展，劳动力转移不仅是“四化同步”的重要内容，也是农业机械化的关键因素之一。针对以上研究结果提出以下政策建议：一是从政府角度来说，首先完善劳动力转移相关政策，健全农业劳动力转移就业体系并且完善平等就业制度，引导农业劳动力有序合理转移，同时加大对农村的教育投入，避免农村人力资本浅化；其次要完善农业机械相关政策，既要注重农机的质量也要注重数量，加大农机补贴，优化农机结构，同时也要发展农机社会化服务。二是从农民角度来说，农民自身影响着农业机械化的进程，农民文化素质较低、学习能力较差、接受新事物的速度较慢，即使有政府补贴，农民的操作水平依旧达不到要求，对农机的需求就降低。因此政府应因地制宜开展培训，挑选熟练的有耐心的技术人员对农民进行培训，提高他们使用农机的积极性进而促进农业机械化进程。

参 考 文 献

[1]秦佳虹，王成军.农业机械化能否改善农业劳动力错配[J].农业现代化研究，2019，40（6）：1021-1028.

[2]李谷成，李燁阳，周晓时.农业机械化、劳动力转移与农民收入增长——孰因孰果？[J].中国农村经济，2018（11）：112-127.

[3]潘彪，田志宏.中国农业机械化高速发展阶段的要素替代机制研究[J].农业工程学报，2018，34（9）：1-10.

[4]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），2017，16（1）：45-66.

[5]周晓时.劳动力转移与农业机械化进程[J].华南农业大学学报（社会科学版），2017，16（3）：49-57.

[6]王跃梅，姚先国，周明海.农村劳动力外流、区域差异与粮食生产[J].管理世界，2013（11）：67-76.

[7]马九杰，赵将，吴本健，等.提供社会化服务还是流转土地自营：对农机合作社发展转型的案例研究[J].中国软科学，2019（7）：35-46.

[8] YANG Jin， HUANG Zuhui， ZHANG Xiaobo， et al. The rapid rise of cross-regional agricultural mechanization services in China[J]. American Journal of Agricultural Economics， 2013， 95（5）： 1245-1251.

[9] 杨思雨，蔡海龙.农机社会化服务对小规模农户劳动力转移的影响研究[J].农业现代化研究，2020，41（3）：417-425.

[10] HAYAMI Y， RUTTAN V W. Agricultural development： an international perspective[M]. London： Johns Hopkins Press， 1971.

[11]周振，马庆超，孔祥智.农业机械化对农村劳动力转移贡献的量化研究[J].农业技术经济，2016（2）：52-62.

[12]吴迪，霍学喜.城乡居民消费差距和收入差距互动关系的实证研究：来自VEC模型的验证[J].农业技术经济，2010（8）：101-106.

[13]黄浩，石研研.我国农业生产性服务业与农业经济增长的实证研究：基于VAR模型的计量分析[J].中国农机化学报，2019，40（10）：217-221+231.

[14]周力，张宁.新型城镇化、财政支出与城乡收入差距关联性的统计检验[J].统计与决策，2021，37（6）：87-89.

Analysis of the Relationship of Agricultural Mechanization and Agricultural Labor Force Transfer Based on the VAR Model

Yang Mengmeng

（ School of Engineering Management and Real Estate， Henan University Of Economics And Law， Zhengzhou， Henan 450000 ）

Abstract： Based on the data of Henan Province， a major grain-producing region from 1989 to 2018， the VAR model was established to analyze the dynamic relationship between agricultural mechanization and agricultural T in Henan Province by using Granger test， impulse response function and variance decomposition analysis. The results show that there is a two-way Granger causality relationship between agricultural mechanization and agricultural T， but the influence degree of two-way mutual feed is different， and the effect of agricultural mechanization level on agricultural T is significantly higher than its reverse effect. The findings of this study have important policy implications for accelerating the improvement of agricultural mechanization level in grain areas， boosting the orderly transfer of agricultural labor force and promoting the development of modern agriculture.

Key words： agricultural， mechanization， transfer of agricultural labor force， the VAR model