劳动力转移与农业机械化进程

周晓时

(华中农业大学 a. 经济管理学院；b. 湖北农村发展研究中心， 湖北 武汉 430070)



劳动力转移与农业机械化进程

周晓时

(华中农业大学 a. 经济管理学院；b. 湖北农村发展研究中心， 湖北 武汉 430070)

基于诱致性技术进步理论，实证分析劳动力转移对农业机械化的影响。研究结果表明，农业劳动力转移对农业机械化进程有显著促进作用，农业劳动力占总劳动力比重每下降1%可以促使农机总动力增长1.85%；农业劳动力转移的收入效应和替代效应同样对农业机械化有显著促进作用，农户工资性收入和农户农机投入每增加1%，农机总动力将分别增加0.32%、0.18%；考虑南北方种植结构、地形差异后，农业劳动力转移的作用同样显著。

农业机械化； 劳动力转移； 收入效应； 替代效应

一、农业生产转型与农业机械化水平

劳动力的持续非农转移导致农业劳动力不断减少，并呈现老龄化和女性化趋势*根据《2014年中国农民工监测报告》，例如，2014年我国农民工的数量高达2.74亿人，其中男性占比高67%，50岁以下年龄段占比高达87.9%。，这些变化导致了农业劳动力成本的不断上升，而且这一趋势在未来会更加明显。根据速水—拉坦的诱致性技术进步理论，农业劳动力成本的上升会诱致劳动节约型农业技术进步的发展。由于劳动力的进一步转移，用机械替代劳动成了农户的理性选择，这意味着，我国农业生产的机械化时代已经来临，相应的农业机械化配套政策也应未雨绸缪[1]。农业机械技术作为节约劳动的主要体现技术，对农业发展做出了巨大贡献：农业机械化的发展不仅弥补了劳动力二元转移带来的农业劳动力结构性短缺，避免了农业产出近59%的下降幅度[2]，还有力促进了农业产出的增加[3-5]。

由于受要素边际报酬递减和生态环境承载能力的制约，依靠投入扩张来维持农业增长的传统方式将不再适用，特别是在当前农业供给侧改革对降低农业生产成本的要求下，转型农业生产方式，采用资本密集型的机械化生产方式势在必行。在此背景下，探讨如何提高农业机械化水平成为学界内的研究热点。根据国内外相关文献，农业机械化的影响因素主要包括：(1)家庭(人均)收入[6-7]；(2)劳动力转移与非农就业[4,8-14]；(3)家庭(劳均)耕地与人口规模[7-8,13,15-19]；(4)农户年龄、受教育程度与技术培训情况[9,11,13,19-20]；(5)农村基础设施建设[8-9]；(6)自然地理条件与种植结构等多个方面[13,18,21]。其中劳动力因素更值得关注，这不仅因为机械化是一种典型的劳动节约型技术，而且劳动力转移有力缓解了我国农业生产的“过密化”和“内卷化”，促进了劳动力资源的优化配置，提高了生产效率[22]，但劳动力转移对农业机械化发展是否存在促进作用还存在一些争议。一些学者采用农户微观数据研究表明，劳动力转移和非农就业的增加促使农户减少对农机具等固定资产的投入[8-9,23-24]，而现实中在农村劳动力快速转移的同时，农业机械化发展并没有停滞，2004—2012年农业劳动力占总劳动力比重从46.38%下降到33.20%，而同期农机总动力从6.4亿千瓦增长到10.3亿千瓦。农村劳动力转移作为农民的理性选择，在促进农民非农收入增加的同时，农业劳动力投入数量减少，势必会对农业机械化进程和农业生产产生重大影响。在当前劳动力成本不断上涨的背景下，农业机械化成为农业供给侧改革、降低农业生产成本的重要方向之一，所以理清农村劳动力转移与农业机械化之间的关系不仅可以进一步验证诱致性技术进步理论的适用性，并且对我国农业生产转型具有重要意义。

二、基于诱致性技术进步的作用机制分析

传统观点认为在“刘易斯拐点”到来前，农业“剩余劳动力”向非农产业转移并不会对农业产生负面影响，相对富余的劳动力制约以农业机械为代表的劳动力替代型技术发展。然而经历了三十多年的农村劳动力持续转移后，农业劳动力老龄化、女性化的趋势已经不可避免，劳动力成本持续上升，势必对农业要素投入以及生产方式转变产生重大影响。根据诱致性技术进步理论，劳动力成本上升将诱致节约劳动技术的出现和发展。但对于劳动力转移是否会促进机械化进程，学术界还存在争议。正如前文所述，部分学者认为劳动力转移对农业生产性投资有负向影响，而Zhao、De Brauw和Rozelle等研究表明劳动力外流带来的收入增加促进了农业生产性投资[25-26]，纪月清和钟甫宁进一步发现农户在非农就业增加的情境下，会通过增加农机服务投入来代替减少的劳动[15]。

盖庆恩等指出劳动力转移对资本和劳动力投入存在两个方面的影响：一，劳动力转移带来的收入效应，可以缓解农户面临的资本约束；二，劳动力转移降低农户劳动力供给，在耕种条件不变情境下客观要求农户增加资本投入，由此表现出资本—劳动替代关系[27]。而纵观现有文献，关于农业机械化的影响因素分析仍缺乏对农村劳动力转移的具体考察，特别是综合劳动力转移带来的收入效应和替代效应两方面来分析对农业机械化的影响。所以本文通过分解劳动力转移带来的收入效应和替代效应，进一步考察劳动力转移对农业机械化进程的影响路径，同时检验速水—拉坦式诱致性技术进步理论是否适用于中国。

根据速水佑次郎和拉坦的诱致性技术进步理论并结合相关文献基础，劳动力转移对农业机械化进程的作用机制如图1所示。借鉴王波和李伟的做法[14]，本文采用农民工资性收入来反映劳动力成本，即随着非农的工资性收入增加，劳动力的价格相对于土地的价格也不断上升。一方面，非农收入(工资)的增加会提高农民农机投入的预算，并促使农民把更多的剩余时间用于闲暇生活而非农业生产，因此，增加机械投入来使自己从繁重的农业生产活动中解放出来成为了农民的理性选择。此处将非农收入带来的影响命名为收入效应。另一方面，劳动力非农转移所带来的劳动力投入缺口也需要增加机械或资本投入来弥补，因此采取农户农机投入来反映劳动力转移所带来的替代效应。

图1 农业劳动力转移对农业机械化的作用机制

地形地貌条件等因素对农业机械化的发展至关重要，为消除其影响，本文采用面板数据固定效应模型进行估计，该模型在有效控制遗漏变量问题的基础上，还能够提供更多个体动态信息。具体设定如下：

f=αi+βitχit+τitιit+εit

(1)

其中，下标i表示地区，t表示时间，αi表示个体固定效应，χit为控制变量，ιit为劳动力转移指标，βit和τit为待估计参数，εit为一般随机干扰项。

三、劳动力转移对农业机械化的影响

(一)变量选择及数据处理

(1)被解释变量，农业机械化进程。一般文献对农业机械化进程的衡量多采用农业机械总动力，包括耕作、排灌、植物保护、收获、农业运输机械和林业、牧业、渔业以及其他机械，其为反映综合机械化程度的关键指标。基于此，本文采取亩均农业机械总动力(Mech)作为因变量，具体的做法是采取农业机械总动力除以农作物总播种面积。

(2)解释变量，劳动力转移(Labor)。采用农业劳动力占总劳动力比重*根据官方统计数据，农业劳动力采用第一产业从业人员表示，总劳动力采用三次产业总从业人员表示；同时考虑到农业劳动力转移和农业机械化之间不可避免的内生性关系，本文在实证分析中进行了相关处理，具体见下文。表示。随着经济发展，农业劳动力持续向非农产业转移，其存量不仅取决于劳动力转移量，还取决于人口自然增长率。因此用农业劳动力数量的变化来反映劳动力转移趋势并不适宜。而反观农业劳动力占总劳动力比重，其下降趋势和农业劳动力转移的历史大趋势基本一致。我国官方数据显示自1952年我国农业劳动力占总劳动力比重就呈现明显的下降趋势。基于此，采用农业劳动力占总劳动力比重指标反映农业劳动力转移的事实更具有代表性。

同时将农业劳动力转移对农业机械化的影响分解为收入效应和替代效应，本文选取农民人均工资性收入和农户农机投入分别作为收入效应和替代效应的代理变量进行分析，具体指标如下：

农民人均工资性收入(Wage)。劳动力转移是农民在农业生产和非农就业之间按照效用最大化原则做出的理性选择，劳动力转移会增加农民的工资性收入，间接增加农民从事农业生产的机会成本。根据表1，用农民人均工资取对数后对农业劳动力占总劳动力比重做简单回归，可以看出，农业从业人员占比每下降1个百分点，显著促进农民工资性收入增加0.09%，且模型组内R2高达0.7870，所以采用农民人均工资性收入作为劳动力转移带来的收入效应代理变量较为合理。而收入的增加一方面可以增加农民机械投入的资金预算，另一方面会提高农民休闲效用的价值，促进劳动替代技术即农业机械的采纳。

农户农机支出(Hmi)。农业机械化的本质是采用农业机械替代各生产环节中的人畜力，一般通过自购农机和购买农机服务两个渠道来实现[21]，前者采用农民农机购置投入指标表示，而后者由于缺乏相关统计，采用与农机服务投入对称的农业机械化收入作为代理指标，将二者加总可以得到农户农机总支出*考虑到农户农机支出也是农机购置补贴的最终反映，为避免共线性陷阱，模型中未添加农机购置补贴变量。。劳动力非农转移降低了农业生产的劳动力投入，引致农户通过增加农业机械投入替代转移的劳动力，维持农业产出水平。简单的回归分析(表1)发现，农业从业人员占比每下降1%，农机投入可以增加0.04%，同时模型显著且组内R2为0.4035，表明农户农机投入可以较好反映劳动力转移带来的替代效应。

表1 工资收入、农机投入与劳动力转移

注：(1)模型Ⅰ和Ⅱ估计时中均对因变量取对数；(2)括号中的数字为所估计系数的标准误；(3)***、**、*分别表示在1%、5%和10%水平下显著，下同。

(3)其他控制变量。根据前文文献回顾，本文选取如下变量作为控制变量：土地投入(Land),采用农作物总播种面积表示；受教育程度(Edu),采用农村居民受教育水平指标表示，教育对农业生产投资的影响不言而喻；种植结构(Str)，考虑到小麦和水稻的机械化程度相差较大，将种植结构细分为小麦播种面积占比(Wheat)和水稻播种面积占比(Rice)；基础设施(Inf)，采用公路密度表示，公路设施的完善加速农业机械的推广和应用，促进了农业机械跨区作业。

由于2004年前的统计资料没有统计农机投入、2013年相关数据并未公开发布以及西藏的数据缺失较为严重，同时考虑到2004年开始实施《中华人民共和国农业机械化促进法》，为避免政策因素和缺失数据影响，本文采用剩余30个省份(自治区或直辖市)2004—2012年构成的平衡面板数据进行分析*由于缺乏港、澳、台地区的统计资料，本文并未将这些地区纳入分析范围，这仅限一种学术处理。。其中农村居民工资性收入以2004年为基期采用农村居民消费CPI进行平减。农机投入以2004年为基期，采用农业机械农具价格指数进行平减。数据主要来源于2005—2013年的《中国统计年鉴》、《中国农村统计年鉴》、《中国农业机械工业年鉴》以及各省(直辖市、自治区)的《统计年鉴》等统计资料。相关变量的描述性统计见表2。

表2 各变量相关统计情况

(二)农业劳动力转移的机械化诱致性影响

由于农业机械化与劳动力转移之间理论上还存在一定的内生性，在进行面板回归前，采用农业劳动力转移的滞后项考察其对农业机械化的影响，一方面可以缓解内生性陷阱，另一方面速水—拉坦技术进步理论中的诱致性是一个先后的概念，据此也可以来检验速水—拉坦式技术进步对农业机械化的诱致作用是否存在和影响大小。运用Davidson-MacKinnon检验进行变量内生性检验，计算得到F统计量为0.0874，P值为0.7678，在l%、5%和10%的显著性水平上都无法拒绝农业劳动力转移量的滞后项是外生变量的原假设，说明进行滞后处理后的农业劳动力转移量的内生性并不严重。考虑到变量的共线性，以农业劳动力占总劳动力比重为核心解释变量并纳入所有控制变量，进行面板VIF检验，解释变量和控制变量的VIF均值为2.30，基本可以认为不存在严重的共线性。然后对固定效应和随机效应模型的选择进行Hausman检验，卡方值为23.89，P值为0.0005，显著拒绝随机效应模型，支持前文的固定效应模型设定。

对于面板数据模型，还需要考虑异方差、序列相关和截面相关等问题。通过异方差检验，得到的卡方值为39009.93，P值为0.0000，在1%水平显著拒绝了同方差假设。由于D.W=0.0003，并且一阶序列相关检验得到F值为173.45，P值为0.0000，在1%水平拒绝原假设，即模型存在序列相关问题。最后进行截面相关检验，Pesaran统计量值为2.163，P值为0.036，表明各截面之间在5%显著性水平存在相关问题。所以本文采用Hoechle在2007年提出的方法来作适当修正，即在假定一阶自相关的情况下控制异方差和截面相关后进行固定效应估计。具体估计结果如下：

表3 模型参数估计结果

采用农业劳动力占总劳动力比重作为核心解释变量，模型1、模型2分别为添加所有控制变量前后的实证结果；模型3、模型4为采用工资收入和农机投入作为劳动力转移收入效应和替代效应的代理变量并加入所有控制变量所得。从结果中可以看出，模型的显著性和解释力较好，劳动力转移即农业劳动力占比的下降可以显著促进机械化的发展，在其他变量不变的情况下，农业劳动力占总劳动力比重每下降1个百分点，农机总动力可以增长1.85%，速水—拉坦的诱致性技术进步理论得到初步验证。随着农业劳动力转移加速，以及劳动力成本的高企，采用农业机械来替代劳动力是农业现代化的需要，也是农业供给侧改革，降低农业生产成本，避免深陷“内卷化”陷阱和提高农民收入的理性选择。

将农业劳动力转移的机械化诱致性影响分解为收入效应和替代效应后，可以看出收入效应和替代效应分别在1%和10%水平显著促进农机总动力的增长。这一结果进一步验证了速水—拉坦诱致性技术进步理论，并与曹阳、胡继亮[13]和纪月清、钟甫宁[15]的结论一致。在其他变量不变的情况下，农户工资性收入每增加1%，农机总动力将增加0.32%，农户农机投入每增加1%，农机总动力将增加0.18%，由此可见收入效应的作用更大。究其原因，农业劳动力转移作为农民收入提升的关键[28]，随着农民非农收入的增加，繁重的农业劳动所带来的收益不断降低，收入增加在提高农户农机投入预算的同时，拉高了农民对休闲活动的偏好，农民更愿意选择劳动替代型技术来获取更多休闲活动时间。而随着劳动力转移程度的加深，举家搬迁和定居城市的农民越来越多，农户农机投入反而会因此减少，对农业机械化的作用相对较小。所以在当前粮食连续“十二连增”的背景下，一方面需要发展非农经济，拓宽农民增收渠道，另一方面引导农户增加农机投入，特别是前者，将对我国农业机械化进程产生极大的促进作用。

在模型2和模型4中，采用的核心解释变量和自由度不同，控制变量的系数也存在一定的差异，但整体上差异不大。可以看出土地投入和基础设施即公路密度对农业机械化有显著的正向影响，而农村劳动力受教育程度却有着负向影响的倾向，这可能是由于劳动力转移的选择性特征造成农业实际从业者的人力资本浅化[29]，对农业机械化的影响不显著甚至为负。种植结构方面，小麦、水稻占比对农业机械化的影响存在差异。小麦生产配套机械比较完善，机械化起步早、存量大、水平高，但农机结构还有待优化*小麦生产机械在部分地区出现了结构性剩余，部分老旧农机达到报废标准。随着《农机报废更新补贴试点工作实施指导意见》的出台以及农机具购置补贴的调整，小麦生产机械开始从增加存量到优化结构转变。，所以增加小麦播种面积可能会通过增加冗余动力的作业面积，促进老旧农机的有序退出，进而造成农机总动力下降。而水稻相对小麦机械化程度低，有较大的提升空间，提高水稻播种面积，在某种程度上会增加农机总动力，但囿于生产农艺特征和配套机械发展水平的相对滞后，对农业整体机械总动力的影响不一定显著。结合我国南北方种植结构差异现实，将我国农业生产区划分为南方和北方来进一步考察种植结构与地形差异下劳动力转移对农业机械化进程的影响。

(三)南北方种植结构与地形差异下的农业机械化

众所周知，秦岭—淮河一线是划分南北方的重要地理界限。北方与南方在自然环境与农业生产制度方面体现出较大差异。具体而言，北方多为平原，地势平坦，主要种植小麦、玉米等大田作物，机械化程度较高；南方山地丘陵较多，机械化作业较难，且以水稻种植为主。所以，本文同样以秦岭—淮河一线作为南北方划分依据。考虑到此界限与省市行政的边界并不完全一致，又限于资料的可获得性，最终基于行政省份进行划分。本文中的北方地区包括北京、黑龙江、吉林、辽宁、天津、内蒙古、新疆、宁夏、青海、甘肃、陕西、山西、河北、山东和河南15个省区，南方地区包括四川、重庆、贵州、云南、安徽、江苏、上海、湖北、湖南、江西、浙江、福建、广西、海南和广东15个省区。对南北两个地区分别进行估计，结果见表4。

表4 模型参数估计结果

通过分地区估计，无论是南方地区还是北方地区，农业劳动力转移都对农业机械化进程产生了显著的促进作用，印证了前文的综合模型结果，控制变量的系数和显著性变化不大。将劳动力转移带来的收入效应和替代效应分解后，可以看到南方的收入效应系数高于北方(0.3082>0.2464)，农民非农的工资性收入每增加1%，南方农机总动力增长比北方增加0.06%，这可能是由于南方丘陵山地较多，不仅农民劳作过程更加繁琐，农民收入增加后对农机投入的意愿也更高。农机投入在北方地区变得不再显著，这可能与当前北方机械化程度和农机存量本身较高有关，投入的增加并没有带来农机总动力的增长，因此北方地区的机械化发展应更侧重于结构性优化。

四、优化劳动力转移与农机投入

本文采用2004—2012年中国大陆省级面板数据，采用固定效应模型，分析劳动力非农转移对农业机械化进程的影响。研究结果表明：(1)劳动力非农转移会显著促进农业机械化进程，在其他变量不变的情况下，农业劳动力占总劳动力比重每下降1个百分点，农机总动力可以增长1.85%。这说明，随着劳动力非农转移的加速以及劳动力成本的上升，采用农业机械替代劳动力是农业现代化的客观需要，也是降低农业生产成本和提高农民收入的必然选择。(2)进一步，基于速水—拉坦的诱致性技术进步理论，将劳动力转移对农业机械化进程的作用机制划分为收入效应和替代效应，研究发现无论是收入效应还是替代效应，都会显著促进农机总动力的增长，且收入效应的促进作用明显大于替代效应。在其他变量不变的情况下，农户工资性收入每增加1%，农机总动力将增加0.32%，农户农机投入每增加1%，农机总动力将增加0.18%。这意味着发展非农经济、拓宽农民增收渠道以及引导农户增加农机投入是促进农业机械化发展的有力举措。(3)考虑种植结构、地形差异进行南北方划分后，农业劳动力转移的作用同样显著，但北方的替代效应受农机存量、农机结构等因素制约而不显著；土地投入增加和基础设施完善也显著促进了农机总动力的增长；由于劳动力转移的选择性特征和作物的农艺特征，劳动力受教育程度、种植结构并未对农机总动力增长产生显著影响。因此，在制定和实施农业机械化发展战略时应因地制宜，兼顾不同区域地形地貌和种植结构的差异。

农业生产机械化，对稳定粮食产出、提高农业生产效率具有重要意义。上述结论与分析表明，农村劳动力转移通过收入效应和替代效应两方面促进农业机械化，因此劳动力转移不仅是“四化同步”的重要内容，也是农业机械化的关键因素之一。具体而言：一是应以健全农业劳动力转移就业服务体系为政策抓手，拓宽农民就业渠道，同时完善城乡劳动者平等就业制度，进一步诱导农业劳动力合理有序转移；二是增加农村地区教育经费投入，提高农村人力资本积累，以适应劳动力的选择性转移，避免农村人力资本浅化；三是注重农机投入要注重质与量的结合。譬如合理安排农机补贴政策，重点补贴粮棉油糖作物生产关键环节所需机具，同时继续推进农机报废更新补贴政策试点，优化农机装备结构。

需要注意的是，本文对农业劳动力转移指标的处理仍较为粗放，难以精确刻画农业劳动力转移的流量。同时我国地域广袤，地形地貌复杂，气候复杂多样，从南到北跨热带、亚热带、暖温带、中温带、寒温带、寒带等气候带，但由于相关数据的缺乏，对南北方的划分可能并不能准确反映我国耕地的地形地貌和种植结构变化。这些需要在未来研究中进一步讨论解决。

[1]吴丽丽, 李谷成, 周晓时. 要素禀赋变化与中国农业增长路径选择[J]. 中国人口·资源与环境, 2015,25(8):144-152.

[2]张宗毅, 刘小伟, 张萌. 劳动力转移背景下农业机械化对粮食生产贡献研究[J]. 农林经济管理学报, 2014(6):595-603.

[3]Yang J, Huang Z, Zhang X, et al. The rapid rise of cross-regional agricultural mechanization services in china[J]. american journal of agricultural economics, 2013,95(5):1245-1251.

[4]Yamauchi F. Wage growth, landholding, and mechanization in agriculture: evidence from indonesia[R]. World Bank Policy Research Working Paper, 2014.

[5]彭代彦. 农业机械化与粮食增产[J]. 经济学家, 2005(3):50-54.

[6]刘玉梅, 崔明秀, 田志宏. 农户对大型农机装备需求的决定因素分析[J]. 农业经济问题, 2009 (11): 58-66.

[7]吴昭雄, 王红玲, 胡动刚, 等. 农户农业机械化投资行为研究——以湖北省为例[J]. 农业技术经济, 2013(6):55-62

[8]刘承芳, 张林秀, 樊胜根. 农户农业生产性投资影响因素研究——对江苏省六个县市的实证分析[J]. 中国农村观察, 2002(4):34-42.

[9]刘荣茂, 马林靖. 农户农业生产性投资行为的影响因素分析——以南京市五县区为例的实证研究[J]. 农业经济问题, 2006(12):22-26.

[10]纪月清, 王亚楠, 钟甫宁. 我国农户农机需求及其结构研究——基于省级层面数据的探讨[J]. 农业技术经济, 2013(7):19-26.

[11]纪月清, 钟甫宁. 农业经营户农机持有决策研究[J]. 农业技术经济, 2011(5):20-24.

[12]Ji Y, Yu X, Zhong F. Machinery investment decision and off-farm employment in rural China[J]. China Economic Review, 2012,23(1):71-80.

[13]曹阳, 胡继亮. 中国土地家庭承包制度下的农业机械化——基于中国17省(区、市)的调查数据[J]. 中国农村经济, 2010(10):57-65.

[14]王波, 李伟. 我国农业机械化演进轨迹与或然走向[J]. 改革, 2012(5):126-131.

[15]纪月清, 钟甫宁. 非农就业与农户农机服务利用[J]. 南京农业大学学报(社会科学版), 2013(5):47-52.

[16]Hayami Y, Kawagoe T. Farm mechanization, scale economies and polarization: the Japanese experience[J]. Journal of Development Economics, 1989,31(2):221-239.

[17]侯方安. 农业机械化推进机制的影响因素分析及政策启示——兼论耕地细碎化经营方式对农业机械化的影响[J]. 中国农村观察, 2008(5):42-48.

[18]刘玉梅, 田志宏. 中国农机装备水平的决定因素研究[J]. 农业技术经济, 2008(6):73-79.

[19]刘玉梅, 田志宏. 农户收入水平对农机装备需求的影响分析——以河北省和山东省为例[J]. 中国农村经济, 2009(12):44-55.

[20]张宗毅, 曹光乔. 基于DEA成本效率模型的我国耕种农机装备结构优化研究[J]. 农业技术经济, 2012(2):74-82.

[21]周晶, 陈玉萍, 阮冬燕. 地形条件对农业机械化发展区域不平衡的影响——基于湖北省县级面板数据的实证分析[J]. 中国农村经济, 2013(9):63-77.

[22]程名望, 黄甜甜, 刘雅娟. 农村劳动力外流对粮食生产的影响:来自中国的证据[J]. 中国农村观察, 2015(6):15-21.

[23]朱民, 尉安宁, 刘守英. 家庭责任制下的土地制度和土地投资[J]. 经济研究, 1997(10):62-69.

[24]许庆, 章元. 土地调整、地权稳定性与农民长期投资激励[J]. 经济研究, 2005(10):59-69.

[25]Zhao Y. Causes and consequences of return migration: recent evidence from China[J]. Journal of Comparative Economics, 2002,30(2):376-394.

[26]De Brauw A,Rozelle S. Migration and household investment in rural China[J]. China Economic Review, 2008,19(2):320-335.

[27]盖庆恩, 朱喜, 史清华. 劳动力转移对中国农业生产的影响[J]. 经济学, 2014(3):1147-1170.

[28]钟甫宁, 何军. 增加农民收入的关键:扩大非农就业机会[J]. 农业经济问题, 2007(1):62-70.

[29]郭剑雄, 李志俊. 劳动力选择性转移条件下的农业发展机制[J]. 经济研究, 2009(5):31-41.

Labor Migration and Agricultural Mechanization

ZHOU Xiao-shi

(a.EconomicsandManagementCollege;b.CenterforHubeiRuralDevelopment,HuazhongAgriculturalUniversity,Wuhan430070,China)

Based on the theory of induced technological progress, the effect of labor migration on agricultural mechanization is analyzed. The results show that transfer of agricultural labor force has significant promoting effect on agricultural mechanization, and the agricultural labor proportion decreased by 1% can promote the agricultural machinery total power increase of 1.85%. The income effect and the substitution effect of agricultural labor transfer also has a significant role, farmers’ wage income and farmers’ agricultural inputs increased 1%, the total power of agricultural machinery will be increased by 0.32% and 0.18%. Take the north and south planting structure and terrain differences into consideration, the promoting effect of agricultural labor migration is still remarkable.

agricultural mechanization; labor migration; income effect; substitution effect

2016-10-30

10.7671/j.issn.1672-0202.2017.03.005

国家自然科学基金(71473100)；国家“万人计划”青年拔尖人才支持计划(2015-48-2-50)；中央高校基本科研业务费专项基金(2662015PY093)；湖北省高等学校人文与社会科学重点研究基地项目(rcfz201607)

周晓时(1990—)，男，河南舞钢人，华中农业大学经济管理学院博士研究生，主要研究方向为农业技术经济学。E-mail:hzauzhou@foxmail.com

F304.6

A

1672-0202(2017)03-0049-09