粮食安全视角下农业机械化对农业种植结构的影响研究※

内容提要:农机跨区作业促进了农业内部分工和区域间技术外溢。首先回顾了中国农业机械化发展特征,然后利用1997-2020年省级面板数据,在检验空间相关性和最优空间计量模型的基础上,采用空间杜宾模型实证分析了农业机械化发展对农业种植结构的影响效应,并进行了稳健性检验和异质性分析。结果表明:在整个样本期内,提高农业机械化水平,不仅可以促使本地区农业种植结构“趋粮化”,还可以促使邻近地区农业种植结构“趋粮化”,致使区域种植结构趋同;早期,农业机械化对农业种植结构具有显著的空间溢出效应,但近些年,随着中国农机跨区服务面积的不断回落,农业机械化发展对农业种植结构的空间溢出效应在逐渐减弱。为此,提出促进农机发展向全程全面高质高效转型升级、提高农机作业水平和效率以及加强各区域农机作业服务的协调与合作、实现区域间农机资源的合理流动和科学调配等建议。

一、引 言

粮食安全是经济发展和社会稳定的重要基石,是国家安全的重要基础。中央一号文件多次指出要保障国家粮食安全,并提出“藏粮于地、藏粮于技”的要求。2021年中央农村工作会议和2022年中央一号文件明确指出,要全力抓好粮食生产和重要农产品供给,坚持中国人的饭碗任何时候都要牢牢端在自己手中,牢牢守住保障国家粮食安全和不发生规模性返贫两条底线。2022年中央农村工作会议和2023年中央一号文件进一步强调,保障粮食和重要农产品稳定安全供给始终是建设农业强国的头等大事,要抓紧抓好粮食和重要农产品稳产保供,实施新一轮千亿斤粮食产能提升行动。当前,中国粮食安全已经迈入新的发展阶段,国内的粮食安全保障程度处于历史最好时期(朱晶等,2021)。但是,需要注意的是,伴随中国城镇化的快速推进,农村青壮年劳动力不断向非农部门转移,农地流转也广泛兴起,部分地区出现粮食播种面积减少及种植结构“非粮化”现象。国家统计局的数据显示,改革开放以来,全国粮食播种面积及其比例呈“减-增-减”变化趋势。2003年以前,粮食播种面积及其比例总体呈不断下降趋势,2004-2016年粮食播种面积及其比例总体呈不断上升趋势,2017年以后粮食播种面积及其比例不断下降。同时,囿于资源与环境硬约束和种粮比较效益偏低,尤其又面临复杂多变的国际贸易形势和全球新冠肺炎疫情的冲击,粮食安全形势十分严峻。因此,立足于复杂的国内国际环境,研究与粮食安全直接相关的农业种植结构问题就具有重要的理论价值和现实意义。

值得关注的是,随着农村青壮年劳动力大量向城市转移,粮食生产中出现一个显著变化,即粮食生产过程的农业机械化服务水平不断提高,农业机械对农村劳动力的替代强度不断提升。在需求端,囿于农村劳动力价格不断上涨,农村劳动力价格相对于资本与技术的价格随之提高,要素相对价格的变化促使农民广泛增加对劳动节约型技术的需求,特别是对农业机械的需求。在供给端,伴随农业机械化的快速发展,粮食生产各个环节的机械化程度不断提高,农业机械对于传统劳动力的替代性显著增强。农业机械对劳动力的替代打破了传统粮食生产中以劳动力为主要投入要素的生产模式,其作为一种典型的劳动节约型技术,可以节省大量劳动力、大幅提高农业生产效率、降低农业生产成本,进而对农业种植结构产生影响。而学界在讨论种植结构调整问题时,虽然强调了非农就业、农地流转、禀赋特征、人力资本、要素价格上涨、政府政策对种植结构调整的影响,但鲜有研究关注在要素禀赋以及要素相对价格不断变化的背景下农业机械化发展对农业种植结构所产生的影响,更鲜有研究关注农机的跨区作业对农业种植结构可能产生的空间溢出效应。这正是本文的研究重点。

为分析上述问题,本文在研究中将特征事实与实证检验结合起来,基于1997-2020年省级层面数据,研究农业机械化发展对农业种植结构的影响及其空间溢出效应,以期为保障国家粮食安全,更好地促进农业现代化发展提供理论支持与政策参考。文章下文内容安排如下:第二部分为相关文献综述;第三部分从宏观层面描述农业机械化发展的阶段性演变特征;第四部分为计量分析模型、数据来源和变量说明;第五部分报告计量结果,包括空间相关性检验、最优模型选择的相关检验、空间计量检验、稳健性检验及异质性分析结果;第六部分为研究结论及其政策涵义。

二、文献综述

改革开放之前的30年,中国农业种植结构主要受计划经济体制的影响,单一的粮食型种植结构特征明显。在计划经济体制背景下,政府实施计划干预,强制要求以种植粮食为主。政府是农业种植结构调整的主导者,农民是被动的接受者。在此期间,粮食播种面积在农作物总播种面积的比重一直高达80%以上,并且一度逼近90%。改革开放以后,农业种植结构逐步发生变化,农民成为种植结构调整的主体,政府充当引导者的角色。种植结构也从原来单一的粮食型逐步转变为更加多元的、更适应国内外市场需求的种植结构。目前,关于农业种植结构的研究主要聚焦于非农就业、农地流转、要素价格变动以及政策供给等方面。

第一,非农就业对农业种植结构的影响。关于这一问题的探讨,现有研究主要可以归纳为三点:一是非农就业可以促使种植结构“趋粮化”。比如,钟甫宁等(2016)研究表明,农户外出务工会促使其增加机械要素投入并提高粮食作物种植比例。畅倩等(2021)基于黄河流域中上游地区农户微观数据发现,非农就业会显著降低农户复种次数并提高粮食作物种植比例。二是非农就业可以促使种植结构“非粮化”。比如,张琛等(2022)研究表明,农户非农就业程度越高,种植结构越趋于多元。三是非农就业并不能促进种植结构“趋粮化”或“非粮化”。比如,郑阳阳和罗建利(2019)基于诱致性变迁理论认为,非农就业会促使农户种植“劳动节约型”作物,种植结构呈现“去劳动化”特征,而不拘于“趋粮化”或“非粮化”。

第二,农地流转对农业种植结构的影响。张宗毅和杜志雄(2015)运用全国1740个种植业家庭农场数据发现,随着土地流转所带来的土地经营规模的扩大,粮食作物种植比例会提高。因此不用过度担心“非粮化”问题。钱龙等(2018)进一步细分了农地转入和转出问题,分析发现,农户土地转入(转出)行为能够有效提升(降低)粮食种植比例。但是,与此结论相反的是,高延雷等(2021)研究认为,农地转入会显著促进种植结构“非粮化”,并且农户的风险偏好会强化农地转入对种植结构“非粮化”的影响。仇童伟和罗必良(2022)进一步实证检验了农地交易对象对农地种植类型的影响,研究发现,与亲友和本村农户相比,将农地流转给外村农户或经济组织会提高“非粮化”生产的概率。

第三,要素价格变动对农业种植结构的影响。杨进等(2016)综合运用宏微观数据研究发现,农村劳动力价格上涨会降低粮食作物种植比例。持相反观点的是闫周府等(2021),他们从技术选择的视角重新考察了劳动力价格变化对粮食生产的影响。研究发现,劳动力价格上涨会显著提高粮食种植比例。郑旭媛和徐志刚(2016)则探讨了要素相对价格发生变化时,要素替代的难易程度对种植结构的调节效应。研究发现,劳动力成本上升会诱使农户以机械替代劳动力,但替代强度受地形禀赋的约束。刘余和周应恒(2021)从土地租金的角度出发,研究了粮地租金变动对农户种粮行为的影响。结果表明,粮地租金上涨会显著降低农户种粮面积和种粮比例。

第四,政策供给对农业种植结构的影响。董小菁等(2020)研究发现,水权交易水价政策相比统一水价、阶梯水价政策更能促使农户种植结构“节水化”。农机补贴政策也是影响农业种植结构变化的重要因素,农机补贴政策通过提高机械化水平,促进农业规模化发展,从而提高粮食播种比例(田晓晖等,2021)。孟菲等(2022)实证分析了影响“非粮化”的主要因素,研究发现,良好的环境政策有助于抑制农业种植“非粮化”。但是,也有学者提出不同的观点,认为政策对农业种植结构并没有显著影响。例如,许庆等(2020)基于全国农村固定观察点调查数据发现,农业支持保护补贴政策可以显著增加规模农户粮食种植面积,但对种植结构没有显著影响。

此外,还有部分学者从人力资本(叶初升和马玉婷,2020)、农业机械化(彭继权等,2020;朱满德等,2021)、经营规模(毕雪昊等,2020)以及互联网使用(罗千峰和赵奇锋,2022)等角度分析了种植结构调整问题。其中,值得关注的是,有几支文献已经关注到农业机械化对农业种植结构的影响。例如,彭继权等(2020)运用农户调查数据分析发现,机械化水平的提高可以显著提高粮食种植面积和种植比例;朱满德(2021)利用宏观数据分析发现,粮食生产全程机械化可以显著提高粮食种植比例。农业机械化作为农业现代化的根本出路,对保障国家粮食安全起着至关重要的作用。当前学术界在研究农业机械化与粮食生产关系时,多集中于农业机械化对粮食生产要素投入(郑旭媛和徐志刚,2016)、粮食产量(方师乐等,2017;付华和李萍,2020)以及粮食生产效率(吴海霞等,2022)等方面,缺乏对农业机械化对农业种植结构影响的探讨,而对这一问题的探讨恰恰与粮食安全密切相关。

综上所述,针对农业种植结构调整这一问题,现有研究从不同角度给出了答案,为本文的研究提供了重要参考。但是,现有研究仍有进一步拓展的空间。一是,虽然目前已有个别研究关注到农业机械化对农业种植结构的影响,但目前关于这一方向的研究文献非常有限,讨论还不够充分,有待丰富;二是,现有研究忽略了农机的跨区作业可能带来的空间溢出效应以及这种空间溢出效应的持续性。事实上,已有部分文献关注到了农业机械化对粮食产量、粮食种植面积和粮食作物全要素生产率的空间溢出效应(例如方师乐等,2017;张露和罗必良,2018;吴海霞等,2022),但鲜有文献深入探讨农业机械化对农业种植结构的空间溢出效应。基于此,本文试图从农机跨区作业的视角出发,运用最新数据,力求在农业机械化对农业种植结构的直接效应和空间溢出效应方面做一些探索性拓展,探讨农业机械化发展能否促进种植结构“趋粮化”,是否具有空间溢出效应?能否促进区域种植结构趋同?进一步地,考察这种空间溢出效应是否具有可持续性?

三、中国农业机械化发展的阶段性演变

1. 农业机械动力水平及路径演变

改革开放以来,中国农业机械化水平呈稳步上升趋势(图1)。2020年,农业机械总动力达105622.15万千瓦,相比1978年的11749.90万千瓦提高了近8倍,年均增长率为5.37%。从农业机械发展的内部结构来看,在2000年左右,农机内部结构发生显著变化。1978-2000年,受农户小规模、分散化经营的影响,农业机械化发展呈现小型化的特征。这一阶段小型拖拉机数量由1978年的137.30万台增长到了2000年的1264.40万台,年均增长10.62%。相反,大中型拖拉机发展缓慢,总量由1978年的55.74万台增长到了2000年的97.45万台,年均增长2.57%。得益于小型拖拉机的快速采用,农业机械总动力由1978年的11749.90万千瓦增长到2000年的52573.61万千瓦,增长了近4倍。

图1 1978-2020年中国农业机械动力演变(单位:万台;万台;万千瓦)注:主坐标轴表示农机总动力,次坐标轴表示大中型和小型农机数量。数据来源:国家统计局。

2000年以后,伴随中国城镇化的快速推进和农机补贴政策的实施,农业机械大型化特征明显。首先,在城镇化进程中,农村劳动力向非农部门大量转移,劳动力成本不断上涨,这为农业机械替代劳动力创造了重要条件。其次,自2004年开始,中央在原有大中型拖拉机更新补贴政策的基础上开始对农机购置进行大规模的政策补贴,并且开始向大中型农机倾斜。农业机械化也从原来的小型化开始转向大型化。2001-2020年,大中型拖拉机数量由82.99万台增长到了477.27万台。而相比之下,小型拖拉机市场则逐步趋于饱和,增速趋缓。2001-2020年间,小型拖拉机拥有量由1305.10万台增长到1727.60万台。

2. 农业机械化的作业面积和作业水平

伴随农业机械总动力的快速增长,农作物机械化作业面积和作业水平都得到了极大提高。首先,从农机作业面积来看,2020年机耕面积达128129.05千公顷,为1978年机耕面积的3.15倍;机播面积由1978年的13330.40千公顷增长到了2020年的98777.91千公顷,年均增长4.88%;机收面积由1978年的3125.34千公顷增长到了2020年的105504.10千公顷,增长高达33.76倍(图2)。其次,从农机作业水平来看,1978-2020年,机耕水平由40.90%增长到85.49%,增长了1倍多;机播水平由8.90%增长到58.98%,增长了562.70%;机收水平由1978年的2.10%增长到2020年的64.56%,增长了近30倍。农作物耕种收综合机械化水平由1978年的19.66%增长到2000年的71.25%,增长262.41%。

图2 1978-2020年中国农业机械作业面积(单位:千公顷) 数据来源:《国内外农业机械化统计资料》(1978-2000)和《中国农业机械工业年鉴》(2001-2020)。

3. 农机跨区服务发展演变

农机跨区服务是农民自发探索的、具有中国特色的农业机械化发展路径。总体来看,农机跨区服务发展主要可以分为四个阶段:一是1995年前的萌芽阶段;二是1996-1999年的井喷增长阶段;三是2000-2013年的全面推进阶段;四是2014年至今的回落阶段。

1995年前,跨区服务的农机数量较少、规模较小,跨区服务的组织化程度比较低,跨区服务范围一般局限于省内,跨区服务环节一般仅限于机收环节。1995年后,大中型农机跨区服务开始逐渐兴起,跨区服务环节由机收服务逐步向机耕、机播服务深入,跨区服务领域也由小麦逐步向水稻、玉米等粮食作物拓展。值得关注的是,农机跨区服务是由农民自发兴起的,不是由政府主导构建。伴随政府对跨区服务的支持与管理,农机跨区服务趋于规范化,也激发了更多的农机户参与到农机跨区服务中,参与跨区服务的省份也在不断增多,跨区服务范围也开始由省内向省外扩展并逐步覆盖到全国。这一阶段,参加跨区机收的联合收割机由1996年的2.3万台增加到1999年的8.9万台,实现了井喷式增长。

经历了1996-1999年的快速增长阶段,2000-2013年,农机跨区作业市场逐步趋于规范化,跨区服务中介组织开始涌现,农机服务组织化程度逐步加深。跨区服务主体由过去的单一农机户逐步转为农机合作社和农机服务公司。跨区服务领域也由小麦向水稻、玉米、大豆等农作物延伸,跨区服务面积呈稳步增长趋势。2008-2013年,农机跨区服务面积年均增长6.97个百分点,其中跨区机收面积、跨区机耕面积和跨区机播面积的年均增长率分别为6.17%、8.95%、10.16%。

图3 2008-2020年中国农机跨区作业面积(单位:千公顷)注:2017年数据缺失,采用2016和2018年的平均值表示。数据来源:历年《中国农业机械化年鉴》。

但是,自2014年开始,农机跨区服务面积开始逐渐回落。仅在2014年,农机跨区服务面积相比上年下降超30%,出现了断崖式下跌。其中,跨区机收面积、跨区机耕面积和跨区机播面积相比上年分别减少了8329、828、266千公顷,降幅分别为32.03%、12.24%和8.62%。并且,这种下降趋势一直延续至今。有研究指出,农机跨区服务市场萎缩的原因在于,内生性的本地农机服务和农村“熟人社会”特征使得跨区作业服务逐渐失去竞争优势,本地农机服务逐步占据主导地位,农机跨区服务市场的辐射空间逐年变小(仇叶,2017)。

四、模型设定、数据说明与变量选取

1. 空间面板模型设定

为实证检验农业机械化的发展对农业种植结构的空间溢出效应,本文构建如下空间面板模型:

(1)

其中,GPSit为农业种植结构;ρ·W·GPSit为农业种植结构的空间滞后项,ρ为空间自回归系数,W为空间权重矩阵;Xit为关键解释变量农业机械化(Lnmachine)和所有的控制变量,其中控制变量包括第一产业劳动力(Lnalabor)、农用化肥施用量(Lnfertilizer)、财政支农(Lnfinasup)、有效灌溉面积(Lnggarea)和农作物受灾面积(Lnszarea);D·Xit·θ为关键解释变量和所有控制变量的空间滞后项,D为对应的空间权重矩阵,θ为对应的解释变量空间滞后项系数;μi和ηt分别为地区效应和时间效应;εit为扰动项,λ·M·εjt为扰动项的空间滞后,λ分别为对应的系数,M为对应的空间权重矩阵;vit为均值为0、方差为σ2的误差项。式(1)为包含所有空间效应的一般嵌套空间模型。在实际计量检验时,具体模型为:① 如果模型中λ=0、ρ≠0、θ≠0,则为空间杜宾模型(SDM);② 如果模型中λ=0、ρ≠0、θ=0,则为空间自回归(滞后)模型(SAR);③ 如果模型中λ≠0、ρ≠0、θ=0,则为广义空间自回归模型(SAC);④ 如果模型中λ≠0、ρ=0、θ=0,则为空间误差模型(SEM)。

本文的重点是研究农业机械化对农业种植结构的直接效应和空间溢出效应,因此着重研究SAR、SAC和SDM模型,并通过各种检验方法判定最优模型。择优选择模型时,还将进行LM、Wald和LR检验,具体检验将在后文中进行详细介绍。

2. 数据说明与变量选取

本文采用1997-2020年29个省份(1)不包含西藏、青海和港澳台。的面板数据来分析农业机械化对农业种植结构的影响,数据主要来源于历年《中国农村统计年鉴》《中国统计年鉴》《中国人口和就业统计年鉴》和国家统计局。部分变量部分年份数据缺失,本文采用线性插补方法进行补齐。此外,本文对解释变量进行了对数化处理以减少模型可能存在的异方差性,减弱数据的多重共线性,增强面板数据的平稳性。以下是变量选取和测度的详细说明。

(1) 被解释变量:农业种植结构GPS,采用粮食播种面积与农作物总播种面积的比例,即粮食种植比例来衡量。

(2) 关键解释变量:农业机械化Lnmachine,采用各省份人均农业机械总动力的对数表示,人均农业机械总动力采用农业机械总动力与第一产业从业人员之比衡量(2)选取农业机械总动力作为衡量农业机械化发展水平的指标主要基于以下考虑:第一,主流文献通常采用农机动力来衡量农业机械化发展水平(方师乐等,2017;伍骏骞等,2017);第二,本文中的农业机械化发展水平实际上指的是农业机械储备量,用农机动力值表征是较为合理的。。

(3) 控制变量:农业劳动力Lnalabor,采用各省份第一产业从业人员总数的对数表示。农用化肥施用量Lnfertilizer,采用各省份农用化肥施用折纯量与第一产业从业人员比例的对数表示。财政支农Lnfinasup,采用各省份财政支农支出的对数表示。有效灌溉比例ggratio,采用国家统计局分省份年度数据中有效灌溉面积与耕地面积之比表示。农作物受灾比例szratio,采用各省份农作物受灾面积与农作物总播种面积的比例表示。

表1 变量定义及描述性统计

五、空间计量结果及其分析

1. 空间相关性检验

在确定使用空间计量模型之前,首先要考察被解释变量和解释变量是否存在空间依赖性。为此,本文采取莫兰指数I检验法对上述变量进行空间相关性检验。

莫兰指数I的计算公式为:

(2)

准确检验不同地区观测值之间的空间相关性,还有赖于构造适当的空间权重矩阵。本文选择基于经纬度的地理距离作为空间权重矩阵,主要原因有:一是考虑到中国农机跨区服务的广泛存在,地理距离是影响农机跨区服务的重要因素,也是影响农机溢出效应的关键;二是考虑到距离较近的地区间的农业生产条件较为相似,农业生产的关联性相对较大。基于上述原因,本文认为选择地理距离空间权重矩阵,对于表征不同省份观测值在空间上的分布及其相互联系可能更为合适。在构造出空间权重矩阵后,本文对其进行标准化处理,以保证数据的平滑。采用全局莫兰指数I对1997-2020年29个省份粮食种植比例和农业机械化的空间相关性检验结果见图4。空间相关性检验结果显示:1997-2020年,29个省份粮食种植比例和农业机械化的莫兰指数均在1%的显著性水平上拒绝原假设,表明这两个变量均存在空间相关性,故有必要运用空间计量模型进行进一步的分析研究。

图4 空间相关性检验数据来源:历年《中国统计年鉴》和百度地图测算的省会城市地理距离。

2. 最优模型选择的相关检验

表2的检验显示,在地理距离空间权重矩阵设定下,公式(1)中针对空间自回归模型的Robust-LM检验值和针对空间误差模型的Robust-LM检验值均在1%的水平上显著。此时,需要采用“一般到具体”的思路估计SDM模型,并对此进行Wald或LR检验。从表2的检验结果可知,Wald-spatial-lag检验值和Wald-spatial-error检验值均在1%的水平上显著,LR-spatial-lag检验值和LR-spatial-error检验值同样在1%的水平上显著,这表明SAR和SEM均不是最优模型。同时,由AIC检验结果可知,加入误差滞后项后,AIC值变大,因此SAC模型也不是最优模型。综合上述LM检验、Wald检验、LR检验和AIC检验来看,SDM模型是公式(1)的最优模型。确定SDM模型为最优模型后,进一步进行Hausman检验以确定选用固定效应还是随机效应,表2的结果显示Hausman检验值在1%的显著性水平上拒绝了原假设,表明应选用固定效应模型;针对SDM模型是否存在个体固定效应、时间固定效应还是空间和时间双重固定效应的LR检验结果显示,空间固定效应检验和时间固定效应检验结果均显著拒绝原假设,表明应选择空间时间双重固定效应模型。具体的模型检验结果见表2。

表2 模型选择的相关检验

3. 基准回归结果分析

根据上述空间相关性和最优模型选择的检验结果,本文最终选择空间杜宾模型(SDM)来估计公式(1)。同时还分别列出了OLS、SAR、SEM、SAC模型的估计结果,以便更好地比较并检验关键解释变量参数估计的稳健性。

表3同时报告了农业机械化影响农业种植结构的双重固定效应的OLS和空间面板计量模型回归结果,由于SAR模型、SAC模型和SDM模型中农业机械化的空间滞后项为内生变量,并且SEM模型中包含误差项的空间滞后项,为此本文采用极大似然法估计以上模型,以获得一致性估计。

表3 农业机械化对农业种植结构影响的空间面板计量估计结果

表3中,SAR、SEM、SAC和SDM模型回归方程的空间自回归系数Spatial rho或lambda均在1%的显著性水平上通过了Z检验,说明各地区农业种植结构在内生性空间交互效应、外生性空间交互效应和误差项空间交互效应作用下具有明显的空间依赖性,再次证明选用空间面板计量模型是合理的。从SDM模型的回归结果可以看出,在控制了影响本地农业种植结构的主要影响因素后,用于测度农业种植结构空间效应的空间自回归系数Spatial rho显著为正,系数为1.227。这意味着,当控制其他影响因素时,邻近地区粮食种植比例加权值每提升1%,本地区粮食种植比例提高1.227%。这也证明了,邻近地区间的农业种植结构具有趋同性。

从表3的OLS、SAR、SEM、SAC和SDM模型回归结果来看,不论是选择OLS模型还是其他类别的空间计量模型,农业机械化的参数估计值均通过了显著性检验且方向均为正,只是参数估计值的大小略有差别。这说明,农业机械化水平对农业种植结构具有显著的正向影响且影响很稳健。根据上文的最优模型检验结果,农业机械化影响农业种植结构回归最优模型为SDM模型。因此,本文以SDM模型的回归结果为准并进行相应解读。从SDM模型的回归结果来看,在控制了影响农业种植结构的主要因素后,农业机械化的参数估计系数为正(0.094)且在1%的水平上通过了显著性检验,这表明,提高农业机械化发展水平可以显著提高粮食种植比例。农业机械化的空间滞后项系数显著为正,为1.020。

LeSage和Pace(2009)研究指出,通过一个或者多个空间计量模型的点估计来检验空间溢出效应可能会使得研究结论存有偏误,并认为通过求解偏微分的方法可以更有效地检验截面空间计量模型中解释变量对被解释变量的空间溢出效应。Elhorst(2010)也认同这个观点,并将该求解偏微分法从截面空间计量模型拓展到了面板空间计量模型中。基于此,为深入揭示农业机械化对农业种植结构的直接影响和空间溢出效应,本文借鉴上述两位学者的做法对表3中的最优模型SDM模型回归结果进行详细的效应分解,得到了包括农业机械化在内的各解释变量的直接效应、间接效应和总效应。具体的分解效应见表4(4)由于在SEM模型中θ=-ρβ,因而其解释变量的直接效应为β,间接效应为0。因此,除SAR、SAC和SDM模型之外,表4中OLS和SEM模型的直接效应与表3一致。。

表4 农业机械化对农业种植结构影响的分解效应

由表4的分解结果可知:第一,SDM模型中农业机械化水平的直接效应系数显著为正且系数值为0.068,这表明农业机械化水平每提高1%,粮食种植比例则提高0.068%。第二, SDM模型中农业机械化水平的间接效应参数估计通过了1%显著性水平上的检验,参数估计值为0.343。这说明,农业机械化水平的提高可以显著提高本地区的粮食种植比例,对邻近地区的粮食种植比例有着显著的空间溢出效应,且这种空间溢出效应要高于直接效应。可见,中国农机跨区服务不仅影响着粮食产量(方师乐等,2017),同时对粮食种植比例也有着显著影响。第三,从整体上看,不论是OLS还是SAR、SEM、SAC、SDM模型,本地区农业机械化水平对本地区的粮食种植比例均具有显著的正向直接效应。在空间溢出效应上,SAR模型、SAC模型和SDM模型的农业机械化水平的参数估计均显著为正,显著性程度和方向均相同,只是系数大小略有差异。这也在一定程度上说明,农业机械化对农业种植结构的正向影响是稳健的。

4. 稳健性检验

在上述计量分析中,基于地理距离空间权重矩阵,运用SDM空间计量模型分别考察了农业机械化对农业种植结构的影响。为了进一步检验上述实证结果的稳健性,本文采用替换关键解释变量衡量方法,即将农作物耕种收机械化率(machinebl)作为衡量农业机械化的替换指标,对上述空间计量研究结果进行再检验。从表5的结果可以看出,农业机械化对农业种植结构的稳健性检验结果与上述实证结果基本一致。区别在于关键解释变量农业机械化的系数值和空间自回归系数Spatial rho与上文结果有细微差别,但显著性和影响方向与上文的研究结果一致,这说明农业机械化对农业种植结构的影响效应是可靠并稳健性的。

表5 农业机械化对农业种植结构影响的稳健性检验

进一步地,对表5的回归结果进行效应分解,以检验农业机械化对农业种植结构的直接影响和空间溢出效应的稳健性。具体的分解效应如表6所示。表6的分解结果显示,采用农作物耕种收机械化率作为农业机械化的替换指标后,农业机械化的直接效应和间接效应依然显著为正,与表4的效应分解结果基本一致。这说明,农业机械化对农业种植结构的影响效应是可靠并稳健性的。农业机械化不仅能促进本地区农业种植结构“趋粮化”,还可以通过跨区作业促进邻近地区种植结构“趋粮化”,实现区域种植结构趋同。

表6 农业机械化对农业种植结构影响的分解效应:稳健性检验

5. 异质性分析

不同时期农机发展水平和跨区作业面积是有所区别的。不同时期农机具有不同的空间自相关性,因而对农业种植结构的影响效应也有所不同。为了在时间维度上深入探究农业机械化发展水平对农业种植结构的空间溢出效应,本文将样本数据划分为1997-2013年和2014-2020年两个时间段,基于经纬度的空间距离权重矩阵,分别检验这两个时间段农机对粮食种植比例的异质性影响。时间划分的主要依据在于前文所分析的农机跨区服务的阶段性,突出表现在以2014年为分水岭的农机跨区服务特征。回归结果如表7所示。

表7 不同时段农业机械发展对农业种植结构影响的空间面板计量估计结果

空间溢出效应测算结果如表8所示,其中列(1)列(2)汇报了采用农业机械总动力作为农业机械化发展水平衡量指标的回归结果。结果显示,在控制了影响农业种植结构的主要因素后,1997-2013年,农业机械化发展水平的空间溢出效应显著,并且空间溢出效应估计系数值比直接效应更大;2014-2020年,农业机械化发展水平的空间溢出效应不显著。可能的原因是,1997-2013年是农机跨区服务快速发展时期,而在2014年后,中国农机跨区服务发展出现断崖式下跌并且此后逐年下跌,本地农机对跨区农机产生了挤出效应。

表8 不同时段农业机械发展对农业种植结构影响的分解效应

为检验上述回归结果的稳健性,本文采用农作物耕种收机械化率作为农业机械化发展水平的替换指标,进一步汇报了回归结果,如列(3)列(4)所示。由列(3)列(4)结果可知,在控制了影响农业种植结构的主要因素后,1997-2013年,农业机械化发展水平的空间溢出效应显著,但2014-2020年农业机械化发展水平的空间溢出效应不显著。可见,上述结果是稳健的,即农业机械化发展对农业种植结构的空间溢出效应是有时间范围的,2014年以来,随着中国农机跨区服务面积的不断回落,农业机械化发展对农业种植结构的空间溢出效应也不再显著。

六、结论与政策建议

本文首先从经验层面回顾了中国农业机械化发展历程,梳理了农机动力水平、农机作业化水平和农机跨区服务发展演变。其次,利用1997-2020年省级面板数据,在空间相关性检验和最优空间计量模型检验的基础上,运用SDM空间面板计量模型实证分析了农业机械化发展对农业种植结构的影响效应。然后,辅以其他空间面板计量模型(例如SAR、SEM、SAC模型)和替换农业机械化代理变量的方法对基准回归结果进行了较为详尽的稳健性检验。此外,考虑到不同时期农机跨区服务可能产生的异质性空间效应,分别检验了1997-2013年和2014-2020年两个时间段农业机械化对农业种植结构的空间溢出效应。

实证研究发现:第一,从整体上看,提高农业机械化水平,不仅可以促使本地区农业种植结构“趋粮化”,还可以促使邻近地区农业种植结构“趋粮化”,致使区域种植结构趋同。稳健性检验结果也与基准回归结果基本一致。第二,不同时期,农业机械化发展对农业种植结构的空间溢出效应有所差异。1997-2013年间,农业机械化的空间溢出效应显著,但2014-2020年不再显著。可见,随着中国农机跨区服务面积的不断回落,农业机械化发展对农业种植结构的空间溢出效应逐渐减弱。

基于上述结论,本文提出以下政策建议:第一,持续加大农机发展力度,促进农机发展向全程全面高质高效转型升级,提高农机作业水平和效率,以此稳定粮食种植比例,保障国家粮食安全;第二,加强各区域农业机械作业服务的协调与合作,构建一体化农业机械跨区作业服务的信息平台,实现区域间农业机械资源的合理流动和科学调配。