农业机械化能否缩小城乡收入差距？

孙学涛

(1.山东社会科学院 农村发展研究所，山东 济南 250002；2.中国海洋大学 经济学院，山东 青岛 266100)

一、问题提出

城乡收入差距是全面建成小康社会的难点。改革开放以来农民收入显著提升，2019年中国农村居民人均可支配收入为16 021元，是1978年的119倍。但农民收入水平快速增长的同时城乡收入差距也不断扩大，2019年中国城乡居民收入比达到2.64。与此同时，党和政府也高度重视城乡收入差距问题。2017年中国提出了到2050年实现乡村全面振兴和农民富的目标，2020年中央一号文件提出了促进农民持续增收的具体措施。促进农民增收、缩小城乡收入差距成为实施乡村振兴战略的关键所在。因此，在乡村振兴的背景下，研究农民收入差距的来源以及促进农民增收的路径变得尤为迫切。

在脱贫攻坚大背景下，针对城乡居民收入差距逐渐扩大的现象，学者从经济发展的工业化偏好理论[1-2]和城市偏向理论[3-4]等角度解释了城乡收入差距产生的原因。同时，国内学者也从户籍制度[5]和政治制度[6]等角度解释了城乡收入差距产生的原因。现有文献主要从制度角度分析城乡收入差距，但城乡收入差距问题产生的根源在于城市居民收入相对较高且增速快，而农村居民收入水平相对较低且增速慢。因此不仅需要从城乡收入差距的“城”角度解释城乡收入差距，而且还需要从城乡收入差距的“乡”这一角度解释城乡收入差距产生的原因[7]。

由农业经济学理论可知，农业机械化不仅是提高农业生产率和增加农民收入最为重要的动力[8]，也是缩小城乡收入差距的主要途径[2]。农业机械化水平提升可以实现农业机械对劳动要素的替代[9]，提高劳动生产率[10]，进而增加农民的农业经营性收入。与此同时，农业机械对劳动要素的替代还为农民的非农就业创造了机会，间接地促进了城市化[11]，增加了农民的工资性收入，进而缩小了城乡收入差距，最终实现乡村振兴。但这些文献仅局限于直观的判断，缺乏实证分析，特别是农业机械化对城乡居民收入差距的具体作用机理和影响路径等方面缺乏深入研究。

虽然农业机械化促进农民增收的观点已经成为学界的普遍共识，但在脱贫攻坚背景下农业机械化对城乡居民收入差距作用机理的研究成果还相对缺乏，特别是现有文献还不能很好地解决农业机械化与农民收入之间的内生性问题。本文将利用2002—2017年中国县域面板数据分析农村劳动力转移背景下农业机械化对农民收入和城乡收入差距的影响。

二、文献回顾

随着中等收入陷阱理论的发展，学者开始逐渐关注城乡收入差距的相关问题，并就形成原因进行了多视角研究。户籍制度[12]、农村金融发展[13]和教育[14]是引起城乡收入差距的重要原因。除从二元经济结构视角研究城乡收入差距的成因外，部分学者发现农业自身发展水平是影响城乡居民收入差距的主要因素[10]。改革开放以来中国基尼系数不断上升，由1978年的0.18上升到2018年的0.47。学者研究发现中国最主要的不平等表现在城乡收入差距[15]，其中缩小城乡收入差距的重点在于“乡”[2]，即通过提高农民收入的方式缩小城乡收入差距。农业机械化不仅能够提高农民收入[10]，而且还是缩小城乡收入差距的重要方式[2]。因此，农业机械化或是农民增收和缓解城乡收入差距最具解释力的变量之一。

理论上，农业机械化对城乡收入差距的影响主要表现在两个方面。一方面，提高农业机械化水平意味着农业要素投入增加，进而提高农业生产率，从而缓解城乡收入差距；另一方面，虽然农业发展方式逐步由粗放型增长转向高质量型发展，但农业部门内土地非农化现象经常发生。因此，通过增加农业部门要素投入的方式促进农业高质量发展很难实现。而在农业经济高质量发展的背景下，通过优化农业部门的要素投入结构，促进农民增收，缓解城乡收入差距的路径是切实可行的。基于以上理论分析，部分学者采用家庭数据[16]、省级区域(不包括香港、澳门和台湾，本文研究同)的样本数据[10]、县域数据[17]等证实了农业机械化水平提升促进农民增收，缓解了城乡收入差距。

但现有文献存在不足。一是现有文献忽视了农业机械化与城乡收入差距之间的内生性。农业部门内部通过投入农业机械促进农民增收，进而缩小了城乡收入差距；同时，随着农民收入水平的不断提高，农民会继续增加对农业机械要素的投入，进而影响农业机械化水平。因此只探讨农业机械化对城乡收入差距的影响必然会面临着内生性问题，进而可能对实证结果的有效性产生损失。二是学者在探讨农业机械化对城乡收入差距的影响过程中忽视了农业机械化的空间相关性，只考虑到本地区农业机械化对本地区城乡收入差距的影响，忽视了周边地区对其城乡收入差距的影响。

根据现有文献存在的不足，本文从以下几个方面进一步拓展：第一，在探讨农业机械化对城乡收入差距影响的同时还采用县域所在地的平均坡度作为农业机械化的工具变量，利用空间双重差分模型(SDID)进一步研究农业机械化对城乡收入差距的影响；第二，由于农业机械化不仅会对农民收入和城乡收入差距产生直接影响，而且还可能存在着农村劳动力转移这一中介效应，因此在农村劳动力流动背景下讨论了农业机械化对城乡收入差距的作用机制；第三，选取县域数据探讨农业机械化与城乡收入差距之间的关系，空间相关性要求不仅要分析农业机械化对城乡收入差距的影响，而且还需要考虑其空间溢出效应[18]。

三、计量模型

如果样本数据不仅依赖于自身，而且还依赖于其他地区的数据，即样本数据存在着一定的空间依赖关系，需要采用空间计量模型研究样本数据之间的关系。样本数据的空间依赖性在空间计量模型中表现为变量的自回归项和滞后项。以往的空间计量模型在处理自回归项和滞后项时，分别运用空间自回归模型和空间误差模型处理，但空间自回归项和空间误差项可能同时存在[18]。基于此，本部分尝试采用带空间自回归误差项的空间自回归模型(SARAR模型)讨论农业机械化对城乡收入差距的影响，因为该模型能够同时处理空间自回归项和空间误差项。

SARAR模型主要用于研究相邻地区之间的相互关系，即分析自变量对因变量的影响及其空间溢出效应，样本的空间溢出效应体现在空间自回归项上，空间依赖关系体现在空间误差项上。SARAR模型的数学表达式为：

Y=ρWY+Xβ+μ

(1)

μ=λWμ+ε

(2)

其中，ρ表示城乡收入差距的反应系数，衡量的是相邻县域的城乡收入差距对本县域城乡收入差距的影响程度；W表示县域的空间权重矩阵；Y表示城乡收入差距；WY表示城乡收入差距的空间滞后因变量，衡量的是相邻县域的变化对本县域城乡收入差距的影响程度；X表示自变量；β为解释变量的回归系数；λ表示空间误差系数，衡量的是相邻县域的城乡收入差距误差对本县域城乡收入差距的影响程度；Wμ表示空间滞后误差项，衡量的是其他相邻县域的误差；ε表示残差扰动项。

为了分析农业机械化对城乡收入差距的影响，式(1)和式(2)中的W为地理距离权重矩阵，其衡量方式为根据县域的经纬度并运用欧式距离公式计算县域i与县域j之间的距离。

四、数据来源

本文的研究对象是县域。包含全国县域指标的统计年鉴只有《中国区域经济统计年鉴》(2003—2015年)和《中国县(市)社会经济统计年鉴》(2003—2018年)。同时，城乡收入差距在一定程度上受到价格的影响，因此，从《中国城市统计年鉴》(2003—2018年)收集各地级市的居民消费价格指数，对涉及价格的指标进行平减。由于部分省份的相关指标缺失，本文相关数据指标还来源于相关地市的统计公报(2003—2018年)。以上统计年鉴内部分指标缺失，本文利用省级统计年鉴对相关指标进行补充。县域所在地的平均坡度数据主要由ArcGIS 12.0软件在地图上抓取，县域所在地的经纬度数据和地理距离权重矩阵的生成过程中所需要的县域经纬度数据均来源于经纬度网(1)由于基于不同地图数据的经纬度值存在一定的差异，本文所采用的经纬度为常用地图网站经纬度的平均值。。

本文的被解释变量为城乡收入差距，采用农村居民人均纯收入占城镇职工平均工资的比重(%)来衡量。由于本文从城乡收入差距的“乡”角度讨论城乡收入差距产生的原因，因此被解释变量还包含了农民收入。农民收入采用农村居民人均纯收入(元)取自然对数来衡量。

本文的解释变量为农业机械化水平。农业机械化水平采用单位耕地机械总动力(KW/hm2)来衡量。同时为了解决农业机械化与城乡收入差距之间的内生性问题，本文还尝试采用县域所在地的平均坡度作为农业机械化的工具变量。县域所在地的平均坡度数据主要由ArcGIS 12.0软件在地图上抓取。

控制变量包括县域互联网水平和人力资本等。

变量的统计描述如表1所示。

表1 县域数据统计描述

五、实证分析

(一)空间相关性检验

进行空间计量分析之前，首先要分析农业机械化与城乡收入差距的空间依赖关系，如果农业机械化不仅会对本县域的城乡收入差距产生影响，而且还会对相邻县域的城乡收入差距产生影响，才可使用空间计量模型。本文运用莫兰指数(Moran’sI)考察农业机械化的空间相关关系。县域农业机械化的莫兰指数检验结果如表2所示。

表2 莫兰指数检验结果

由表2可知，中国县城农业机械化的莫兰指数值为负，除2004年和2017年外其余年份均显著。这表明县域农业机械化存在显著的负向相关效应，即农业机械化水平较高的地区与农业机械化水平较低的地区相邻，说明本县域农业机械化水平提升会抑制相邻县域农业机械化水平提升。

(二)空间计量分析

农业机械化对城乡收入差距的影响机制是农业机械化通过促进农民增收，进而影响城乡收入差距，因此在讨论农业机械化对城乡收入差距影响的同时还需要讨论农业机械化对农民收入的影响。如果农业机械化对农民收入不存在影响，那么讨论农业机械化与城乡收入差距就没有意义。如果农业机械化对农民收入存在影响，那么农业机械化才有可能影响城乡收入差距。因此，在分析农业机械化对城乡收入差距的影响之前，需要分析农业机械化对农民收入的影响。由于本文采用的数据是面板数据，实证分析农业机械化对城乡收入差距的影响之前需要讨论混合效应、随机效应和固定效应对于分析农业机械化对城乡收入差距影响的适用性。BP检验结果显著，说明农业机械化对城乡收入差距的影响更适合采用随机效应。豪斯曼(Hausman)检验结果显著，说明农业机械化对城乡收入差距的影响更适合采用固定效应。本文采用面板数据讨论农业机械化对城乡收入差距的影响，不仅县域样本变动会影响城乡收入差距，而且时间变动也会对其产生影响。因此，本文尝试建立的模型为时点个体固定效应模型。利用SARAR模型分析农业机械化对城乡收入差距的影响，模型的具体估计结果如表3所示。

表3 农业机械化对城乡收入差距的影响

表3给出了农业机械化对城乡收入差距的影响，从表3可知。计量模型内的自回归项的系数显著为正，说明不仅本地区的机械化会影响本地区的城乡收入差距，周边地区的机械化也会影响本地区的城乡收入差距。由于不同模型之间的结果基本一致，本部分以县域样本为例分析农业机械化对城乡收入差距的影响，具体如下：

第一，分析农业机械化对农民收入的影响。由表3可知，农业机械化对农民收入的影响为正，并且通过了显著性水平检验。这说明随着农业机械化水平的不断提高，农民收入水平也在不断提高[10]。可能的解释是，一方面，随着农业机械化水平的不断提高，劳动要素从农业内释放出来，这部分释放出来的劳动要素流向非农产业，农民获得更多的工资性收入，最终提高了农民收入。另一方面，农业机械化水平提高的过程是资本要素逐渐代替劳动要素的过程。根据边际技术替代率，农业部门内农业机械与农业劳动力之间存在着替代关系，农业部门增加农业机械运用，则会减少劳动投入，即会提高劳动产出效率，农民进而获得更多的农业经营性收入，最终提高农民收入。

第二，分析农业机械化在城乡收入差距缩小过程中的作用。由表3可知，农业机械化对城乡收入差距的影响为正，并且通过了显著性水平检验。这说明随着农业机械化水平的不断提高，会促进农业劳动生产率的提高，进而缩小收入差距[19]。可能的解释是，一方面，农业机械化水平提升，意味着农业部门内资本要素投入不断增加，随着农业部门内资本要素和劳动要素投入结构的不断优化，劳动要素生产效率不断提高，进而增加农民收入。另一方面，农业机械补贴等惠农政策的实施，意味着非农部门向农业部门转移资本要素，农业部门与非农部门之间要素投入结构的不断优化也会提高农民的收入水平。无论是通过优化农业部门内部的要素配置结构还是通过优化农业部门与非农部门之间的要素配置结构，都能促进农民增收，从而实现缩小收入差距的目标。

第三，分析农业机械化的区域差异。农业机械化对东部县域农民收入和城乡收入差距的影响均为正，并且通过了显著性水平检验；对中部县域农民收入和城乡收入差距的影响为负，但不显著；对西部农民收入和城乡收入差距的影响显著为负。实证结果说明农业机械化会以提高农民收入的方式缩小东部县域的城乡收入差距；但农业机械化不利于西部县域农民收入水平的提升。可能的解释是，东部地区平原相对较多，同时地势起伏也较小，适合农业机械大规模作业，而中、西部县域的地形地貌使得部分地区农业机械无法进入。因此，中、西部地区农业机械化可能会成为农民增收的负担。

第四，分析控制变量对收入的影响。为了准确地分析农业机械化对收入的影响，在实证分析过程中加入了控制变量。实证分析过程中信息化水平和医疗水平等对收入的影响没有通过显著水平检验；居民消费水平、人力资本水平、金融发展水平、政府干预水平和规模经济水平等对收入的影响均通过了显著水平检验。限于篇幅，控制变量对收入的影响结果以及可能的解释不再一一分析。

六、内生性讨论

农业机械化在一定程度上会受到农民收入和地形等因素的影响，即农业机械化不是外生随机变量，而是在一定程度上可能是内生变量。农民收入水平相对较高的地区农业机械化可能相对发达，而农民收入水平相对较低的地区农业机械化可能正在发展中。如果不考虑农业机械化的内生性问题，那么估计出来的农业机械化对城乡收入差距影响的系数只能是农业机械化与城乡收入差距之间的相关关系，而不是因果关系。本文尝试寻找农业机械化的工具变量以分析其对城乡收入差距的影响。好的工具变量必须是相关的和外生的，即工具变量只与农业机械化相关，同时工具变量与模型内的其他控制变量无关。基于此，本文借鉴李欣泽等(2017)[20]的研究成果，使用县域所在地的平均坡度作为农业机械化的工具变量。因为县域所在地的平均坡度只通过农业机械化来影响城乡收入差距，同时县域所在地的平均坡度不会对城乡收入差距产生直接影响。首先，分析县域所在地的平均坡度的相关性。农业机械化与县域所在地的平均坡度相关是因为县域内能否大规模地推行农业机械会受到地势和地形的影响。地势相对平坦的地区农业机械大规模作业相对容易，而地势相对复杂的地区农业机械作业相对困难。其次，分析县域所在地平均坡度的外生性。县域所在地的平均坡度属于自然地理变量。至今还没有看到相关文献证实地区经济发展和农民收入水平能够改变当地的地势。基于以上分析，本文运用县域所在地的平均坡度作为农业机械化的工具变量来分析农业机械化对城乡收入差距影响的结果，结果见表4。

表4内生性检验部分报告了采用县域所在地的平均坡度作为农业机械化工具变量的估计结果。限于篇幅，表4工具变量部分没有汇报农业机械化的工具变量对收入差距的影响。由表4的工具变量部分可知，农业机械化的工具变量对全国县域和东部县域农民收入的影响为正，并且通过了显著性水平检验；农业机械化的工具变量对中部县域农民收入的影响为正，但没有通过显著性水平检验；农业机械化的工具变量对西部县域农民收入的影响显著为负。以上表明县域坡度可以看成农业机械化的工具变量。

接下来，分析农业机械化的工具变量与农业机械化的差异。将表4工具变量部分与表3农民收入部分对比，发现县域坡度的系数大于农业机械化的系数。这说明在分析农业机械化对农民收入的影响过程中，可能存在着一定的内生性，内生性问题会导致实证分析过程中低估了农业机械化对农民收入的影响。

表4 内生性检验

为了避免样本的自选择问题，需要运用农业机械化水平相对较高的县域与农业机械化水平相对较低的县域进行对比，研究农业机械化对城乡收入差距的影响。因此本文借鉴范巧(2018)[21]的空间双重差分法(SDID)将实验组与控制组相匹配，将控制组作为对照组，研究实验组与对照组之间的区别。为了推动农业机械化，政府于2004年试点实施并于2009年在全国县域推广农机购置补贴政策。因此，本部分以农机购置补贴政策作为依据，基于空间自回归的双重差分法研究农业机械化对农民收入影响的模型具体为：

(3)

式(3)内的T表示农机购置补贴政策试点实施的年份，2004年之前T=0，2004年以后T=1。D表示县域是否实施农机购置补贴政策，实施农机购置补贴D=1，否则D=0。其余变量设置与式(1)和式(2)的变量设置一致。基于SDID分析的农业机械化对农民收入影响的估计结果如表4所示。

表4报告了空间双重差分法估计的农机购置补贴政策对农民收入影响的估计结果，限于表格，本部分没有汇报农机购置补贴政策对居民收入差距影响的估计结果。从表4中SDID部分的估计结果可以看出，农机购置补贴政策对全国县域和东部县域农民收入的影响显著为正；对中部县域农民收入的影响为正，但不显著；对西部县域农民收入的影响显著为负。这说明农机购置补贴政策能够影响农民收入水平，且与前文结果一致。

最后，分析基于不同方法估计的农业机械化对农民收入影响系数的差异。本部分尝试讨论基于SDID模型的估计系数与基于SARAR模型的估计系数的差异。将表4的SDID模型部分与表3的SARAR模型对比发现，无论是全国县域还是东部县域、中部县域和西部县域，SARAR模型同样会低估农业机械化对农民收入的影响。可能的解释是SARAR模型在分析农业机械化对农民收入的影响过程中将所有的县域样本看作一个整体，没有区分实施农机购置补贴的县域与未实施农机购置补贴的县域。而SDID模型在研究农业机械化对农民收入影响的过程中依据农机购置补贴政策将实施农机购置补贴政策的县域与未实施农机购置补贴政策的县域进行匹配，并作为样本的反事实参照组，去除随机因素对农民收入的影响。因此基于SARAR模型估计的系数在一定程度上可能会低估农业机械化对农民收入的影响。

七、作用机制分析

根据文献综述和前文的分析，本部分将从农村劳动力转移视角来研究农业机械化对城乡收入差距的传导机制。在作用机制分析过程中，本部分借鉴陈诗一和陈登科(2018)[22]的研究成果，将农业机械化和农村劳动力转移滞后一期，分析农业机械化对城乡收入差距的影响。考虑到数据的一致性和准确性，并借鉴伍山林(2016)[23]衡量农村劳动力流动的方法，本部分农村劳动力流动的衡量方式为县域从业人员数减去第二、三产业从业人员数进而得到第一产业从业人员数，并从乡村从业人员数中扣除第一产业从业人员数，进而得到农村劳动力流动数量(2)按照该方法计算的2 851个县级行政单元的农村劳动力流动数量与2009年以后国家统计局公布的《中国农民工监测调查报告》中的农民工数量接近。。农业机械化对城乡收入差距作用机制的估计结果如表5所示。

表5 作用机制分析

第一，分析农村劳动力转移对城乡收入差距的影响。由表5报告结果可知，农村劳动力转移对城乡收入差距的影响为正，并且通过了显著性水平检验；农村劳动力转移滞后项对城乡收入差距的影响为正，但没有通过显著性水平检验。说明农村劳动力转移能够提高农民收入进而缩小城乡收入差距[24]，但农村劳动力转移对城乡收入差距的影响不存在滞后效应。可能的解释是，一方面，由于农业部门内劳动力过剩，农村劳动力转移会优化农业部门的要素配置结构、释放农业部门的结构红利，从而提高农民的农业收入，缩小城乡收入差距；另一方面，农村劳动力转移能够增加农民的非农收入，农民非农收入的增加在一定程度也会缩小城乡收入差距。

第二，分析农业机械化对农村劳动力转移的影响。由表5的估计结果可以看出，农业机械化对农村劳动力转移的影响为正，并且通过了显著性水平检验；农业机械化滞后项对农村劳动力转移的影响为正，但没有通过显著性水平检验。结果表明农业机械化能够促进农村劳动力转移[11]，但农业机械化对农村劳动力转移的影响不存在滞后效应。可能的解释是，由边际技术替代效应可知，资本要素与劳动要素之间存在着替代关系，而农业机械化水平提高意味在农业内资本要素投入的增加。由劳动要素与资本要素的替代关系可知，农业部门在一定程度上会减少劳动要素的投入量，进而促进农村劳动力向非农部门转移。

八、稳健性检验

前文的分析表明，推动农业机械化在一定程度上能够缩小城乡收入差距，但更重要的是需要进一步分析农业机械化水平提升对城乡收入差距的影响是否稳健。本部分从以下四个方面对前文的分析结果进一步讨论：

第一，重新构建农业机械化指标。由于农业机械化水平和城乡收入差距均为结果变量，因此模型内可能存在内生性问题，本部分将县域农业机械化总动力取自然对数作为县域农业机械化的衡量指标，进一步讨论农业机械化对城乡收入差距是否存在影响。空间计量模型的邻接关系、模型选取和样本分类方式等均不变，模型的估计结果如表6所示。

表6 重新构建农业机械化指标

表6报告了重新构建农业机械化指标的估计结果。从表6的估计结果可以看出，农业机械化对全国、东部县域和西部县域农民收入和城乡收入差距的影响为正，并且通过了显著性水平检验；对中部农民收入和城乡收入差距的影响为正，但没有通过显著性水平检验。与表3的基准回归不同的是，西部县域重新构建了农业机械化的变量后，农业机械化水平提升促进了西部县域农民收入水平的提升，同时也缩小了与城市居民之间的收入差距。同时空间误差项、空间自回归和扰动项的系数也与前文的估计结果基本一致。说明重新构建农业机械化指标后，农业机械化水平提升对城乡收入差距影响的估计结果稳健。

第二，重新定义县域之间的相邻关系。前文的分析过程中，空间权重矩阵的设定是基于县域之间的距离。由地理经济学的相关理论可知地理位置越近的县域，其交流也就越方便。因此，本部分借鉴孙学涛等(2018)[18]的研究成果，尝试采用简单权重矩阵，即两个县域之间是否存在空间上的相邻，如果两个县域存在空间上的相邻，权重设定为1，反之设定为0。空间计量模型的农业机械化指标、模型选取和样本分类方式等均不变，模型的估计结果如表7所示。

表7 重新定义相邻关系

从表7的估计结果可以看出，农业机械化对全国和东部县域农民收入和城乡收入差距的影响为正，并且通过了显著性水平检验；对中部县域农民收入和城乡收入差距的影响为负，但没有通过显著性水平检验；对西部县域农民收入和城乡收入差距的影响显著为负，并且通过了显著性水平检验。空间误差项、空间自回归和扰动项的系数也与前文的估计结果基本一致。上述结果表明重新定义空间计量模型相邻关系后，农业机械化水平提升对农民收入和城乡收入差距的估计结果稳健。

第三，重新构建空间计量模型。前文的分析过程中空间计量模型采用SARAR模型分析农业机械化对城乡收入差距的影响，在该模型内空间自回归项和空间误差项同时存在，本部分尝试采用空间自回归模型和空间误差模型分别研究农业机械化对城乡收入差距的影响。空间计量模型的农业机械化指标、邻接关系和样本分类方式等均不变，模型的估计结果如表8所示。

表8 重新构建空间计量模型

从表8的估计结果可以看出，农业机械化水平对全国和东部县域农民收入和城乡收入差距的影响为正，并且通过了显著性水平检验；对中部县域农民收入和城乡收入差距的影响为正，但没有通过显著性水平检验；对西部县域农民收入的影响为负，但对西部县域城乡收入差距的影响为正，并且通过了显著性水平检验。同时空间误差项和扰动项的系数也与前文基本一致。即重新构建空间计量模型后，农业机械化水平提升对农民收入和城乡收入差距影响的估计结果稳健。

第四，将样本进一步细分。前文的分析过程中样本的数据采用全国县域的数据以及将全国县域数据按照东、中、西部划分为三个地区。本部分尝试借鉴国务院发展研究中心的区划方法，将县域划分为八大经济区，进一步讨论农业机械化对农民收入和城乡收入差距的影响。空间计量模型的农业机械化指标、邻接关系和模型选取等均不变，模型的估计结果如表9所示。

表9 进一步细分样本

限于文章的篇幅，本文只报告了农业机械化对农民收入的估计结果，农业机械化对城乡收入差距的估计未报告。从表9的估计结果可以看出，农业机械化水平对南部沿海和东北综合经济区农民收入的影响为正，并且通过了显著性水平检验；对北部沿海、大西北综合经济区农民收入的影响显著为负；对其余经济区农民收入的影响没有通过显著性水平检验。由东、中、西部地区与八大经济区的对应关系可知，农业机械化对农民收入的影响与前文的估计结果基本一致。空间误差项和扰动项的系数与前文的估计结果也基本一致。这说明将县域细分为八大经济区后，农业机械化水平提升对农民收入的估计结果稳健。

九、结论与政策建议

研究发现，中国县域农业机械化水平存在着显著的空间负相关关系，即本县域的农业机械化水平提升会抑制相邻县域农业机械化水平的提升；农业机械化能够提高农民收入，最终实现缩小城乡收入差距的目标；农业机械化水平提升能够提高东部地区农民收入，进而缩小其城乡收入差距，但农业机械化水平提升会抑制西部地区的农民增收，进而导致其收入差距加大；农业机械化不仅会直接提高农民收入，进而缩小城乡收入差距，而且农业机械化还会替代农业劳动要素，促进农村劳动力转移，最终实现缩小收入差距的目标。

根据研究结论，为促进农民增收和缩小城乡收入差距，本文提出如下政策建议：

第一，推动农业机械化，提高农民收入。农业机械化水平提升不仅能够提高农民收入，而且还会促进城乡收入差距的缩小。因此，在人口红利即将消失和农村劳动力转移的背景下，农业机械化成为保证粮食安全和促进农民增收的重要方式。在适合农业机械的地区推进农业机械化，同时鼓励农业机械跨区作业，形成有中国特色的农业机械化模式，进而将农业机械化与小农经营相耦合，促进农民增收，最终实现缩小收入差距的目标。

第二，推动农业机械化，促进农村劳动力转移。由边际技术替代效应和前文结论可知，促进农民增收和缩小城乡收入差距的根本出路在于推动农村劳动力转移，只有改善了农业部门的劳动要素和土地要素的比例，进而通过提高农业机械化水平促进农民增收和缩小城乡收入差距才能成为可能。但需要处理好农业机械化在农村劳动力转移过程中的作用，即农业机械对农村劳动力的替代是以农业生产未受到损失为前提，而农村劳动力转移并不能通过农业机械化促进农民增收和缩小城乡收入差距。

第三，充分利用县域资源，推动农业机械化发展。由于中国县域经济发展水平、自然资源环境和科学技术水平等方面存在较大的差异，因此中国县域经济之间需要根据自身的比较优势，推动农业机械化。东部地区应该充分发挥资本和科技优势，走资本或技术密集型的农业机械化道路；中、西部地区应该根据本县域的地形和地势等资源推动农业机械化，即地形复杂和地势起伏相对较大的地区实施退耕还林还草，在地形平坦和地势起伏相对较小的地区推进农业机械化。

第四，加强县域之间的交流与合作。县域农业机械化存在显著的负向空间相关关系，即农业机械化水平较高的县域与农业机械化水平较低的县域相邻。农业机械水平较低的县域可以借鉴农业机械化水平较高县域的先进技术和管理经验来提升本地区的农业机械化水平，从而缩小县域之间农业机械化水平的差距，进一步促进县域农业机械化均衡发展。