土地流转对农户农业机械使用的影响

彭继权，吴海涛

（1.江西财经大学经济学院，江西 南昌 330013；2.中南财经政法大学工商管理学院，湖北 武汉 430073）

1 引言

农业机械化是现代农业的重要标志和物质技术基础，推进农业现代化就必须要加快农业机械化发展步伐，才能真正实现乡村振兴。中华人民共和国成立初期，中国面临“一辆拖拉机都不能造”的窘境，到1978年，农用机械总动力达到11 749.9万kW，农业耕种收综合机械化水平达到19.66%。改革开放以来，党和国家继续把农业机械化发展作为农业经济提质增量的重要手段，把农业机械化作为实现农业现代化的重要内容[1]。截至2016年，农业机械总动力达到97 245.6万kW，主要农作物耕种收综合机械化水平为65.32%，中国基本上实现了从零基础到农机大国的跨越。然而，这并不意味中国已经完全摆脱落后的传统农业阶段而步入现代农业发展阶段，其重要原因是中国仍未全面实现农业机械化[2-3]。

经过多年发展，阻碍农业机械化发展的大部分问题基本扫清。新时期农业机械化发展的制约因素是什么？如何进一步提高中国农业机械化水平，是目前值得深入研究的问题。现代农业是高效农业，农机是提高农业生产效率的重要手段，只有土地规模经营和集约耕作，才有可能实行大规模机械化作业[4]。因此，土地适度规模经营是实现农业机械化的必要条件。中国家庭联产承包经营责任制有效调动了农民生产积极性，提高了农业生产效率[5]，但也导致了农地细碎化问题[6]，限制了大规模机械化作业的可能[7]。马晓河等[8]发现土地流转是解决土地细碎化，实现规模经营的有效途径。由此，有一派观点认为，要想推进中国农业机械化进程，需要把现有分散的农地集中起来统一经营[9-10]。与以上观点相对，有学者认为土地流转不能提高农户对农业技术的需求[11]。因为农业机械的可租赁性使众多农户能够平摊高额的农机购置成本[12]，细碎土地并没有影响农业机械化发展。“农机跨区作业服务”可以把千万户小规模农户集中变成一个大农场，同样能够实现现代化大规模生产[13]。

造成以上两种观点的主要原因是学者们在分析土地流转对农业机械使用的影响时，大多都未能解决样本自选择偏误问题，即样本农户的土地流转情况并非完全随机，农户是否会选择土地流转很大程度是依据家庭特征，农户自选择就造成了观测样本的非随机性，导致估计结果偏误，甚至错误结果。再则，以往学者在探讨土地流转对农业机械化水平的影响时，并没有对土地的流转方向和流转土地的类型进行区分，这也会导致研究结论不够精准。那么，土地流转究竟会不会对农业机械使用产生影响呢？这一问题的科学回答将有利于中国农业土地政策制定和农业机械化发展。基于此，本文将运用反事实分析框架，在处理样本自选择偏误的基础上，以求得到土地流转对农业机械化水平的真实影响。

2 理论分析与研究假设

土地流转后农户一般会对农用地平地和整地，以期通过增加土地生产力和改善生产环境达到增收的目的。平地包括田块土层调节和梯田改造工程，整地包括田块归并工程和条田建设工程，都有利于农业机械使用[14]（图1）。土地流转对农业机械使用的影响机理如下：（1）田块土层调节。田块土层调节不仅能平抑田块高差，还能保护土壤。土地流转能够促进农户对田块土层进行综合调节，田块高差减少能够为农业机械提供更为良好的田间作业环境[15]。另外，地基平整或客土回填都能提高农业机械作业的水土条件[16]。（2）梯田改造工程。梯田改造又被称为“坡改梯”，主要是沿等高线方向修建条状阶台或波浪式断面田，调节整体地形坡度。通过梯田改造工程能有效降低坡地的倾斜度和合理规划梯田的生产道路，从而降低农业机械的转移难度和作业难度，减少农业机械的动力消耗[17]。另外，梯田改造会完善水利工程配套建设，解决田块涝渍，保障农业机械作业的水土环境[18]。（3）田块归并工程。田块归并是指通过互换或者整合土地的方式减少地块数，实现土地连片耕作。土地流转能够有效降低土地分散程度和田埂系数，实现农作物连片合理布局，增加农业机械作业的净耕地面积[19-20]。（4）条田建设工程。条田建设是指对不规则田块的形状、规格和方向重新进行改良。土地流转后农户的农用地规模变大，可以对以往不规则的田块重新合理设置，增加农业机械作业的便利性和降低作业成本[21]。

但不同类型耕地因耕作制度和种植环境等方面的差异，其生产效率和经济效益都会有所区别。水田地块作物的农业生产率一般要高于旱地，且水田作物的经济价值也普遍高于旱地[22]。因此，不同类型耕地的土地流转对农业机械的使用也有所区别。耕地类型主要分为水田和旱地，两种耕地的生产效率都与耕作半径、坡度和耕作层厚度息息相关，因旱地具有单个地块面积狭小、陡坡、耕作层较薄等特点，农业机械作业的难度较大，流转后土地综合治理成本较高[23]，而水田一般耕作半径较大、平缓、耕作层较厚，农业机械作业难度较低，流转后土地综合治理成本相对较低[23]，所以，土地流转对农户提高水田农业机械使用程度可能会更高。基于此，提出本文研究假设：

H1：土地转入会增加农户对农业机械使用，土地转出会降低农户对农业机械使用。

H2：水田转入比旱地转入更能促进农户增加农业机械使用，水田转出比旱地转出更能促进农户降低农业机械使用。

图1 土地流转对农业机械化水平的影响机理Fig.1 Mechanism of land transfer on the level of agricultural mechanization

3 数据来源、变量选择与模型构建

3.1 数据来源

研究数据来自课题组2016年在湖北省实地调查所得，此次调查涵盖家庭人口基本信息、家庭生产经营情况、农地流转行为和农业机械使用情况等。湖北省山地占56%，丘陵占24%，平原湖区占20%。为保证样本代表性，选取英山县、蕲春县、沙市区、阳新县和老河口市5个县市区调研，基本能够代表湖北省的东中西部。采用随机抽样方法，在每个县市区抽取5个乡镇，每个乡镇抽取2个村，每个村抽取35户农户，共调查1 750户农户，剔除无效样本68份，共获得有效样本1 682份。

3.2 变量选择

（1）农业机械使用。本文所指的农业机械使用情况主要为农户农业机械化水平，因此，采用农户农业机械化水平衡量农户农业机械使用情况。农业机械化水平的测度方法主要有3种，即农机总动力、农机净值和农业作物耕种收综合机械化率。前两者无法准确衡量真实的农业机械化水平，一是动力大小对农机作业水平的决定作用正在减弱，很多小动力机械也可以发挥高效能的作业能力；二是农机跨区作业已经普及，地区农机总动力不能完全代表农业机械化水平；三是获取农户层面农机总动力的数据较难。本文主要采用农业部对机械化的衡量标准，即农作物耕种收综合机械化率，测算方法是机耕率、机播率和机收率的加权平均值（权重分别为0.4、0.3、0.3），已有学者采用此法测度了农业机械化水平[24]。

（2）土地流转面积。土地流转是本文的关键解释变量，主要分为土地转入面积和土地转出面积，再进一步细分土地类型为水田和旱地。根据农户有无土地流转情况，生成6种有无土地流转的虚拟变量。

（3）其他控制变量。户主年龄。户主是家庭决策的重要角色，户主年龄会影响其生产经营行为，进而影响农业机械使用决策。劳动力受教育年限。家庭劳动力受教育水平越高，务农机会成本就越高。当家庭劳动力外出务工后，农户会增加农业机械使用来代替劳动力减少的影响。劳动力培训比例。家庭劳动力接受专业培训比例越高，基于比较利益考虑，农户会更少从事农业生产经营活动。家庭不健康人员比例。家庭不健康成员比重越高，家庭收入可能会越低，考虑到使用农业机械的高昂成本，农户会更多选择自己耕作土地。农作物种植种类。当农户的农作物种植种类较多时，为了保障农作物在不同季节的最佳生长时间，往往会选择农业机械来缩短农业播、种、收等时间。地形特征。一般而言，平原地区相较于丘陵或者山区，农业机械作业的方便程度更高。具体测度方法见表1。

表2分别汇报了全部样本、转出户样本、转出水田户样本、转出旱地户样本、转入户样本、转入水田户样本和转入旱地户样本的全变量的均值。不论何种样本，都表现出转出土地、转出水田和转出旱地样本的农业机械化水平均值普遍都要小于全样本农业机械化水平均值，而转入土地、转入水田和转入旱地样本的农业机械化水平均值普遍要高于全样本农业机械化水平均值，这说明土地流转可能是影响农业机械化水平的重要因素。

表1 主要变量及计算方法Tab.1 Main variables and calculation methods

3.3 模型构建

如果将参与土地流转农户作为“处理组”，而将未参与土地流转农户作为“控制组”。由于实验组和处理组的初始家庭禀赋不一，存在“样本自选择偏误”问题，固此法不行。即使实验组未来农业机械化水平低于处理组，关注的重心仍为参与土地流转农户未来农业机械化水平是否与这些农户未参与土地流转（假想）未来农业机械化水平有差别。由于土地流转参与户未参与流转的行为无法观测，这就造成了“数据缺失”问题。为此，RUBIN[29]提出“反事实框架”，称为“鲁宾因果模型”，以此模型来解决数据缺失问题。以虚拟变量Di={0，1}表示农户i是否参与土地流转，即1为参与，而0为没有参与。y0i表示农户i未参加土地流转未来农业机械化水平，而y1i表示农户i参加土地流转未来农业机械化水平，Yi表示实验的结果变量，那么反事实框架可以表示为以下模型：

模型（1）表明两种结果中的哪一种将在现实中被测到，主要取决于实验状态。用ATT来测度个体在实验状态下的平均处理效应，即表示个体i在实验状态下的观测结果与其反事实的差，则参与土地流转农户的平均处理效应（ATT）为：

为了得到“干净”的平均处理效应，在满足均值可忽略性E（y0i|xi，Di）=E（y0i|xi）与E（y1i|xi，Di）=E（y1i|xi）的假设条件下，农户对Di的选择完全取决于xi，防止存在遗漏变量问题，构建回归模型进行解决，模型表达式为：

表2 不同流转类型农户的家庭基本特征描述性统计Tab.2 Descriptive statistics of basic characteristics of rural households in different transfer types

式（3）中：yi表示农业机械化水平；x'i是一组系统性协变量；Di表示农户的土地是否流转；β为协变量x'i的估计系数；εi为模型的误差项。

为确保处理效应估计是建立在可比个体之间的不同结果的基础上，使用ROSENBAUM and RUBIN[26]提出的得分倾向匹配法进行估计。基本思路为：首先，利用Logit模型计算每个样本农户参与土地流转的条件概率拟合值（PS值），PS值相近的参与土地流转农户与未参与土地流转农户构成共同支撑领域。

式（4）中：xi为可观测到的协变量。其次，将参与土地流转的农户和未参与土地流转的农户逐一匹配，确保控制组和处理组的主要特征尽可能相似。最后，利用控制组模拟处理组的反事实状态，比较农户在参与和不参与土地流转这两种互斥事实下农业机械化水平差异，差值即为净处理效应。在计算得到农户土地流转的倾向值后，农业机械化水平的ATT表示为：

式（5）中：Nt表示土地流转农户的样本数；t表示匹配后的实验组；c表示匹配前的控制组；为实验组中第i个参与土地流转农户的观测值；为控制组中第j个没有参与土地流转农户的观测值；pi为实验组农户i的预测概率值；pj为控制组农户j的预测概率值；λ（pi，pj）为权重函数，不同的匹配方法有不同的权重函数。本文尝试使用卡尺匹配、核匹配、局部线性回归匹配方法，如果不同匹配方法的估计结果差异不大，则说明模型较为稳健。

4 实证结果分析

4.1 样本匹配效果检验

为保证估计结果有效性，必须满足匹配平衡性假设。表3为转出土地的控制组和处理组的平衡性检验结果，本文还对卡尺匹配法和局部线性回归匹配法在转入土地农户、转入旱地农户、转入水田农户、转出旱地农户和转出水田农户三个方面的匹配结果进行平衡性检验，检验结果表明都满足平衡性假设，由于篇幅限制，结果未在文中列出。从表3可知，匹配前的控制组和处理组各特征变量存在显著差异，匹配后的控制组和处理组各特征变量不存在显著差异，这说明得分倾向匹配结果比较有说服力。各特征变量匹配后的标准化偏差均小于20%，说明匹配后各变量误差消减的效果较好。由此可见，经过核密度法匹配之后，控制组和处理组的家庭特征差异基本消除，匹配结果满足平衡性要求，这也说明土地转出户控制组和处理组在农业机械化水平的差异确实是由土地是否转出引起。

4.2 土地流转对农业机械化水平的影响

本文使用卡尺匹配法（匹配1）、核匹配法（匹配2）和局部线性回归匹配法（匹配3）分别估计是否转出土地、是否转入土地、是否转出旱地、是否转入旱地、是否转出水田和是否转出水田对农业机械化水平的平均处理效应，采用多种匹配方法进行估计也能够对模型进行稳健性检验。表4为土地转入和土地转出对农业机械化水平的估计结果，从土地转入对农业机械化水平的平均处理效应来看，在匹配前，土地转入对农业机械化水平会显著提升13.53%，采用3种匹配方法估计后，土地转入对农业机械化水平的影响依然显著。卡尺匹配法、核匹配法和局部线性回归匹配法估计的ATT值分别为9.17%、10.44%和10.21%。总体而言，在采用得分倾向匹配法消除了控制组和处理组的样本差异后，净效应ATT的平均系数为9.94%，相比基准回归的影响系数有所缩小，由此可知，样本自选择偏误确实会对估计结果产生一定影响。可能原因是土地转入会增加农户实际种植面积，促进农户对土地平整，方便农业机械作业。

表3 倾向得分匹配的平衡性检验结果Tab.3 Balance test results of propensity score matching

从土地转出对农业机械化水平的平均处理效应来看，在匹配前，土地转出对农业机械化水平会显著降低20.62%，匹配后，3种匹配法的ATT值分别降为9.35%、9%和9.86%，且都在1%水平上显著。由此可知，样本自选择偏误会高估土地转出对农业机械化水平的影响，通过匹配消除控制组和处理组的样本差异后，净效应ATT的平均系数为9.4%，说明农户转入土地越多，农户从事农业生产经营活动的积极性越大，对农业机械使用也就越多。另外，土地的转入效应大于土地的转出效应，这可能是因为土地规模效益导致土地流入对农业机械化水平的上升效应大于土地转出对农业机械化水平的下降效应。

表4 土地转入和土地转出对农业机械化水平的PSM估计Tab.4 PSM estimation of agricultural mechanization levels by land transfer-in and transfer-out

4.3 不同类型土地转入对农业机械化水平的影响

表5为不同类型土地转入对农业机械化水平的估计结果。从水田转入对农业机械化水平的平均处理效应来看，匹配前，水田转入在5%水平上对农业机械化水平有显著正向影响，水田转入使农业机械化水平提高10.21%。匹配后，3种匹配法的ATT值分别下降为10.04%、10.56%和9.92%，且各系数的显著性保持不变，净效应ATT的平均系数为10.17%。由此可知，样本自选择偏误很显然会高估水田转入对农业机械化水平的影响，通过匹配消除控制组和处理组的样本偏差后的估计结果较为合理，且匹配结果较为稳健。

从旱地转入对农业机械化水平的平均处理效应来看，匹配前，旱地转入对农业机械化水平有正向影响，但并不显著。匹配后，3种匹配法的净效应ATT的平均系数为3.71%，且3种估计系数依然都不显著，这说明旱地转入对农业机械化水平没有产生显著影响并不是由样本自选择偏误造成的。但本文依然可以得出，土地转入会对农业机械化水平的提升有显著正向影响，水田转入比旱地转入对农业机械化水平提升幅度更大，可能原因是水田流转后的平整成本更低，更能降低农业机械作业的难度系数，且水田对农业机械使用的需求更高，因此，水田转入对农户提高农业机械使用程度的可能性会更大。

表5 水田转入和旱地转入对农业机械化水平的PSM估计Tab.5 PSM estimates of agricultural mechanization levels in paddy field transfer-in and dryland transfer-in

4.4 不同类型土地转出对农业机械化水平的影响

表6为不同类型土地转出对农业机械化水平的估计结果。从水田转出对农业机械化水平的平均处理效应来看，匹配前，水田转出对农业机械化水平会显著降低21.9%。匹配后，3种匹配法的ATT值分别为9.51%、9.52%和10.08%，匹配后的ATT值比匹配前的ATT值下降较大，且都在5%水平上显著。通过匹配消除控制组和处理组的样本偏差后，净效应ATT的平均效应为9.7%，说明样本自选择偏误会高估水田转出对农业机械化水平的影响。

表6 水田转出和旱地转出对农业机械化水平的PSM估计Tab.6 PSM estimates of agricultural mechanization levels in paddy field transfer-out and dryland transfer-out

从旱地转出对农业机械化水平的平均处理效应来看，匹配前，旱地转入对农业机械化水平会显著降低24.97%。匹配后，3种匹配法的ATT估计值分别降为9.08%、9.23%和8.18%，净效应ATT的平均效应为8.83%，说明样本自选择偏误严重高估了旱地转出对农业机械化水平的影响。综上所述，水田转出和旱地转出都会对农业机械化水平产生显著负向影响，且水田转出对农业机械化水平下降的影响更大，可能原因是水田种植更有利于提升农业的机械化水平，这也正好佐证了前文土地转入中水田转入对机械化水平提升的影响更大。

5 结论及建议

在农业现代化发展的时代背景下，农业机械化水平是农业现代化的重要体现，是乡村振兴的重要推动力。本文基于2016年湖北省农户实地调研数据，采用得分倾向匹配法分析了土地流转对农业机械化水平的影响，研究结果表明：（1）土地流转对农业机械化水平有显著影响，其中，土地转入会提升农业机械化水平的9.94%，土地转出会降低农业机械化水平的9.4%；（2）从土地转入来看，水田转入会显著提升农业机械化水平的10.21%，旱地转入会提升农业机械化水平的3.71%，但并不显著；（3）从土地转出来看，水田转出会降低农业机械化水平的9.7%，旱地转出会降低农业机械化水平的8.83%。不论是从整体土地流转来看，还是对不同类型土地流转而言，土地转入效应大于土地转出效应，可能的解释是规模经营作用的结果。

在保证农作物种植结构合理布局的情况下，可以适度优先把农户的水田向农业企业、农民专业合作社、经营大户和种植能手集中。推动农村“三权分置”法制化，搭建土地流转公共服务平台，完善土地流转市场的管理制度和方法，制订科学的农地资产评估体系，确保土地价值评估的合理性，保证土地流转双方的利益，让农户真正放心地参与到土地流转的过程中来。同时，也要尽快将土地转出后进入城镇就业的农民纳入到城镇社会保障体系中，以解除该部分农民的后顾之忧。另外，国家需要继续加大农机扶持补贴政策，加快培育一批具有国际竞争力的本国农机生产企业，完善农机后期维护市场，形成一套适应新时期发展的新型农业推广服务体系。培育新型职业农民，注重农户农机专业知识的培养，提升农户对农业机械的认识和操作水平。