农业机械化对粮食生产技术效率影响*——基于农机跨区服务的空间效应视角

王丹，刘春明，周杨

(1. 长春金融高等专科学校会计学院，长春市，130028； 2. 吉林工程技术师范学院工商管理学院，长春市，130122； 3. 吉林农业大学经济管理学院，长春市，130118)

通讯作者：刘春明，男，1977年生，吉林白山人，博士，副教授，硕导；研究方向为农业经济管理、人力资源。E-mail: 906248795@qq.com

0 引言

随着农业现代化的发展和粮食补贴政策的不断完善，我国粮食生产力得到了空前发展，粮食产量实现了“十二连增”，但生产要素的过渡消耗让我们付出了巨大的生态代价，粮食是否能够可持续发展一度成为了学术界热议的话题[1-3]。同时，农村劳动力的不断流失也引发了“谁来种粮”的担忧。在当前资源条件刚性约束下，提高粮食生产率无疑是缓解粮食增产、劳动力不足与生态保护之间矛盾的必然选择[4-5]。随着城镇化进程的不断推进，农业生产中的人工成本逐年上涨，在诱致性技术变迁理论和农机具购置补贴等国家政策的作用下，农业生产环节表现出由农业机械化大面积替代人工的状态。然而，多重影响效应随之凸显。一方面，农业机械化带来的技术进步为粮食增产方式转型提供了新动力，促进了粮食生产技术效率的增长；另一方面，农业机械化的大规模使用填补了农忙时对于劳动力的需求，有效避免了因各个环节操作不及时对粮食生产造成的影响。因此，在可持续发展背景下，考察农业机械化服务对粮食生产技术效率的影响，有助于为保障粮食产能政策的制定提供实证依据。

目前，国内外关于农业机械化对粮食生产的影响主要通过投入产出函数进行直接分析。如黄玛兰等[6]采用随机前沿生产函数测算了13个粮食主产区农业机械化对粮食生产的影响，研究发现农业机械化可以正向影响粮食产量，但对粮食边际产出的影响并不显著；王欧等[7]同样采用了随机前沿生产函数对农业机械化与劳动力投入在粮食生产中的关系及影响进行了研究，认为农业机械化正逐渐替代劳动力并促进了粮食产出；Armagan等[8]运用DEA和Malmquist指数法核定了土耳其1994—2003年的农业生产效率，结论表明，机械化水平的推广和技术创新效率的提高是影响粮食生产效率和农业发展的主要因素；虽然上述研究均得出了重要的结论，对本研究具有重要的借鉴价值，然而，上述研究均将研究区域看做独立的个体，忽视了自1995年便开始流行的农机跨区服务对粮食生产技术效率的影响。从宏观层面来看，随着农机跨区服务的日趋成熟，农业机械化水平的提高不仅会影响本地区的粮食生产，也会对周边地区起到辐射作用，即空间溢出效应。高鸣等[9]证实了粮食生产技术效率具有空间自相关效应，并推测农机跨区服务对这一现象起到了至关重要的作用，但该研究没有对这一推测进行验证，也未能回答农业机械化对粮食生产技术效率的影响程度有多大。

因此，作为上述研究的继承，本研究以小麦为研究对象，重点考察农业机械化对粮食生产技术效率的空间影响。此外，由于农机跨区服务可能会在农机类型上产生差异，本研究将小型农机和大中型农机进行区分，进一步讨论农机跨区服务对粮食生产技术效率空间效应的影响。

1 模型构建与数据来源

1.1 超越对数随机前沿生产函数

对生产技术效率进行测度的方法主要有两种，根据是否存在具体的函数形式，可以分为非参数型和参数型[10-11]。随机前沿模型(SFA)是由Battese and Coelli在1992年和1995年提出来的多投入单产出的研究方法，是参数型方法中最具有代表性的一种。与非参数型方法相比，SFA在C-D生产函数的基础上引入了技术损失效率函数，可以较为准确的测度导致技术无效率的环境因素和随机误差项[12-13]。但是由于C-D生产函数对前提条件的假定要求较为严格，本文采用更具包容性和灵活性的超越对数随机前沿模型(Translog-SFA)测算农业机械化服务对小麦生产技术效率的影响，具体函数表达式如式(1)所示。

(1)

式中：yit——第i省第t年产出变量；

xit——第i省第t年产出变量投入变量；

β——各投入变量的未知参数；

vit——第i个省市第t年的随机误差项；

uit——第i个省市第t年的技术无效率项。

产出变量主要为小麦的单位面积产量；投入变量，主要包括每公顷种子(x1)、化肥(x2)、机械(x3)和人工(x4)的费用等；此外，由于技术进步的数据无法观测，笔者加入了时间虚拟变量(T)作为衡量技术进步的依据，设定2006年=1,2007年=2，…，2018年=13等；若β显著且为正，则说明该投入变量对小麦生产技术效率的提高有正向效应，反之则相反；各个投入变量的一次项为短期内对产出变量的影响，二次项为长期对产出变量的影响，交叉项为两两投入变量之间的相互作用对产出变量的影响。

1.2 空间相关性分析

由于技术溢出、要素流动等因素的存在，小麦生产技术效率在各个省份间可能不是独立存在的，某个省份的小麦生产技术效率可能会受到邻近省份经济行为的影响。因此，本文选用Moran’s I指数考察各个省份间小麦生产技术效率的空间相关性，以及检验其具有怎样的相关性，模型设定公式如式(2)所示。

(2)

式中：I——Moran’s I空间相关性指数值；

TEi——各省区小麦生产技术效率；

S2——小麦生产技术效率的方差；

wij——空间权重矩阵。

Moran’s I取值为[-1，1]之间，大于0表明邻近省区之间具有正向空间自相关，小于0为负向空间相关，等于0则无空间自相关，即在空间上随机分布。Moran’s I指数值受空间权重矩阵设定的影响较大，因此，为尽可能选择更为合适的空间权重矩阵，本文参考了白俊红和刘春明的经验[14-15]，按照地理单元距离2次方的倒数建立空间距离权重矩阵，即wij=1/d2，d为两个省区间核心位置的地理距离。

1.3 空间效应分析

面板空间效应分析方法主要包括面板空间自回归模型(PSARM)、面板空间杜宾模型(PSDM)、面板空间误差模型(PSEM)和面板空间自相关模型(PSACM)。这几种方法在空间效应传导机制和经济机理等方面各不相同。PSARM假定在空间作用的影响下被解释变量均会对其它地区造成影响；PSEM假定被解释变量对其它地区产生的冲击是随机误差导致的；而PSDM和PSACM则同时考虑了SARM和PSEM的空间传导机制，且PSDM还考虑了空间相互作用，及除依赖自身解释变量外还依赖其它地区解释变量的信息。因此，鉴于不同空间效应分析方法间的差异，本研究选用PSDM方法，并参考虞松波等的思想[16]，选取本研究的指标，具体公式如式(3)所示。

lnTEit=β0+δwijlnTEit+β1lnMacit+

β2lnDRit+β3lnAgrit+β4lnPolit+

β5Eduit+θ1wijlnMacit+θ2wijlnDRit+

θ3wijlnAgrit+θ4wijlnPolit+

θ5wijEduit+εit

(3)

式中：TEit——第i省第t年小麦生产技术效率；

Macit——第i省第t年农业机械总动力；

DRit——第i省第t年灾害率；

Agrit——第i省第t年第一产业增加值；

Polit——第i省第t年农林水事务项目支出；

Eduit——第i省第t年受教育年限；

β、θ——待估参数；

εit——扰动项。

1.4 数据来源

本文主要选取2001—2018年的我国小麦生产面板数据，运用FRONTIER4.1和Stata软件进行生产技术效率测度和空间效应检验。上述投入、产出要素和空间计量模型中的解释变量均来自《全国农产品资料汇编》和《中国农村统计年鉴》中的数据运算得到。在《全国农产品资料汇编》中统计的21个小麦种植的主要省份中，考虑到数据的可得性，以及本研究方法的合理性和可比较性，剔除掉北京、天津、上海、重庆、贵州和青海等省份，保留河北、山西、内蒙古、黑龙江、江苏、安徽、山东、河南、湖北、四川、云南、陕西、甘肃、宁夏和新疆等15个小麦种植省区作为本文的研究对象。

2 模型估计结果及讨论

2.1 模型假设检验分析

长期以来，Trangslog-SFA最让人诟病的就是其不同的函数形式会得出不同的估计结果，因此，有必要在估计之前对样本数据进行一些列的检验，主要包括：模型的适用性检验、生产函数形式检验、技术进步检验、技术非中性检验和技术效率时变性检验等。较为常用的检验方式主要是t检验和广义似然比检验(LR)，本文主要使用LR检验对本文的模型设定进行考量，LR检验的表达式如式(4)所示。

LR=-2×[ln(H0)-ln(H1)]

(4)

式中：H0——限制性条件；

H1——无限制性条件。

1) 模型适用性检验。即检验效率损失项是否存在，关键就是考察是否拒绝原假设H0，γ为该模型的技术无效项，意为小麦实际产量距离理想前沿面的差距与生产技术效率的相关程度，γ值越接近1，表明两者之间的差距与生产技术效率的关系越紧密。模型结果表明，本研究的γ值为0.992 9，说明造成我国小麦产出不理想的主要原因就是效率存在损失，仅有0.007 1是由不可控因素造成的，如气候条件、病虫害等。其次是单边似然比检验统计量LR值，当γ=0的假设被拒绝时，LR值必须要大于在约束条件下的最大χ2值，才能判定本模型对于本研究的适用度和有效性，本文的LR值为140.916，明显大于约束条件为6、显著性水平为1%的χ2临界值16.81，说明Trangslog-SFA适用于本研究。

表1 模型假设检验结果Tab. 1 Test results of model hypothesis

2) 生产函数形式检验、技术进步检验、技术非中性检验和外生效率损失检验。根据表1的检验结果可知，这四种检验的LR值均大于显著性水平为5%的χ2临界值，拒绝原假设H0。说明Trangslog生产函数是否较C-D生产函数更为适用，存在技术变化，且技术变化与种子、人工、机械、化肥、农药等投入变量相关，生产率也与本研究选取的效率损失变量相关。因此，本研究的模型设定较为合理。

2.2 技术效率水平和区域差异分析

表2为小麦生产技术效率和区域差异检验结果，由于篇幅的限制，本文只列出生产率的平均变动水平。从样本地区的效率值来看，我国小麦平均生产技术效率为0.698 8，不甚理想，生产要素配置还存在不合理现象，仍然存在21.3%的效率损失。从变动趋势来看，我国小麦的年均技术变动率为0.005 9，虽然变动幅度较小，但仍然呈现正向增长趋势，恰好符合我国对小麦生产的日益增长的支持力度。除部分省域外，生产技术效率较低的地区变动率往往较高，而生产技术效率较高的地区则相反。从区域差异来看，效率最高的地区为河南省，河南省历来便是我国小麦生产大省，拥有较为优越的资源禀赋和出众的机械化率，自2000年以来，新品种的累计种植面积已达到17 000 khm2，每公顷产量已超过了6 450 kg，农业机械总动力也已超过1亿kW，大中型农用拖拉机超过45万台；效率最低的地区为山西省(0.518 5)，变动率也呈负向增长，产生这种结果的可能原因为当地的农业发展较为落后，且土地较为贫瘠，地形多样，科技成果的研发和推广效果并不佳，农业机械化程度普遍不高，2018年山西省的农业机械总动力也仅为1 441.09万kW，大中型农用拖拉机仅为13.08万台。两地农业机械化的差异引致生产技术效率的差异恰好说明农业机械化是影响生产技术效率的可能原因之一。因此，下文采用空间计量模型探究农业机械化对小麦生产技术效率的影响。

表2 2001-2018年小麦平均生产技术效率和变动率Tab. 2 Average wheat production efficiency and variation rate from 2001 to 2018

2.3 农业机械化水平与技术效率的空间相关性分析

为了检验小麦种植过程中，各区域的农机跨区服务和生产技术效率是否具有空间相关性，本文基于2001—2018年各区域农业机械总动力和前文测算出的生产技术效率值，测算出了每一年的Moran’s I指数，如表3所示。

表3 农业机械化水平与技术效率的Moran’s I指数值Tab. 3 Moran’s I index values of agricultural mechanization level and technical efficiency

由表3可知，除2002—2005年外，小麦生产技术效率和农业机械化水平的Moran’s I指数值在0.2～0.35之间徘徊，且均显著为正，说明无论是生产技术效率还是农业机械化水平均存在一定的空间正相关关系，即存在显著的空间收敛现象。总体来看，我国小麦生产技术效率和农业机械化水平的空间正相关性呈波动性上升趋势。具体可以将2006—2018年分为两个阶段：第一阶段是2006—2013年，生产技术效率和农业机械化水平的Moran’s I指数值分别由0.217和0.213攀升至0.323和0.352，呈现出逐年增强的空间溢出效应。形成这种现象的原因可能是：虽然早在1995年，众多的农机手开始意识到农机跨区作业所蕴含的巨大商机，国家也开始加强农机跨区服务的支持和管理，但农机跨区服务模式从无到有经历了10年的时间，2006年开始这种模式才逐渐成熟，形成一定的跨省规模，并覆盖全国[17]。与此同时，跨区机收小麦的面积也在不断上升，由2006年10 718.6 khm2持续上升至2013年的14 425.7 khm2，年均上升幅度为4.32%。然而，在2014—2018年的第二阶段Moran’s I指数值开始持续下降，在调研中发现，由于农村中“熟人社会”的特征，内生性农机服务开始替代外地市场占据主导地位，大范围的农机跨区服务市场萎缩，辐射空间变小，这也与仇叶[18]的研究结论相一致。

从表3中也可以发现，生产技术效率和农业机械化水平之间呈现出一定的均衡关系，即一个地区农业机械化水平的Moran’s I指数值的变动会影响生产技术效率的同方向变动，尤其以2009年之后最为明显。农业机械化水平与生产技术效率分别由2009年的0.211和0.244持续上升至2014年的0.346和0.306，而后又几乎同步的出现下滑。农业机械化水平对生产技术效率的影响表现在以下方面：(1)在乡村劳动力逐渐短缺的情况下，农业机械化有效弥补了因劳动力不足引致的效率损失；(2)机械化操作的标准化程度较高，避免了人工操作带来的无畏效率损失。在吉林省等地的农机研究院调研发现，在人工操作的小麦要经历收割、捆绑、装运、碾打和清选等环节，损失率一般在10%左右，而在使用农机进行收割后，损失率降低至3%左右；(3)粮食生产各环节有着严格的时令限制，农业机械化减少了人工操作慢引起的错过时令的风险。而农机跨区服务在提高邻近地区生产技术效率的同时，也会将先进的农机技术推广到其它地区，由此引起农业机械化对生产技术效率在空间上的溢出效应。

基于以上分析，提出以下假说。

假说1：农业机械化对本地区生产技术效率会产生显著的正向影响。

假说2：农业机械化对其它地区生产技术效率会产生显著的正向溢出效应。

2.4 农业机械化影响生产技术效率的空间效应分析

从Moran’s I指数值可以看出，农业机械化水平和生产技术效率的空间自相关性极为相似，为验证农业机械化水平对生产技术效率的空间影响是否显著，本文采用PSDM模型进行空间效应分析，结果如表4所示。

表4 空间效应回归结果Tab. 4 Regression results of spatial effect

由表4可知，农业机械化水平的系数值为0.064，但仅在10%的水平下显著，显然与理论预期中的显著性水平不符。考虑到大中型农机和小型农机在作业范围上可能存在差异。小型农机作业范围相对较小，一般不超过村一级；而大中型农机一般为大规模农业经营主体或农机服务组织使用，作用范围相对较大，跨区、跨省的现象较为普遍。因此，有必要将农业机械化水平分解为大中型农业机械化水平和小型农业机械化水平进行回归。在进行分解回归后，可以发现：(1)模型的拟合优度显著提升，由0.664上升为0.867，回归可信度增加；(2)大中型农业机械化水平的系数值为0.049，在1%的水平下显著，但小型农业机械化水平的系数值并不显著，符合前文的理论预期，即可表明农业机械化水平对生产技术效率的空间影响主要来源于大中型农业机械化服务，也可说明农业跨区服务对提升生产技术效率扮演着重要的角色。此外，灾害率、第一产业比重和政策支持水平均与生产技术效率间存在显著的空间相关关系。

然而，PSDM模型的回归结果并不能直观的表达出农业机械化水平对生产技术效率的直接或空间溢出效应，需要通过求解偏微分方法进行分解回归[19]，并遵循伍骏骞[20]的思想，进一步将不同类型农业机械化水平对生产技术效率的影响中的变量进行直接效应、间接(空间溢出)效应和总效应估计(表5)。

表5 直接效应、间接效应和总效应Tab. 5 Direct effect, indirect effect and total effect

由表5的结果可知，首先，在直接影响方面，除小型农机和受教育程度外，其它变量均显著，这与PSDM空间效应的回归结果相一致。其中，大中型农机改善本地区生产技术效率的效果显著，弹性约为0.055，即大中型农业机械化水平每提升1%，生产技术效率将会提升0.055%，小型农机的系数值不显著，可能与方师乐的推测一致，小型农机更多的是扮演交通工具的角色[17]；灾害率的弹性为-0.094，在1%的水平下显著，及灾害率显著制约了小麦生产技术效率的提升，自然灾害的发生会导致小麦减产，从而降低小麦生产技术效率；第一产业比重的系数值显著为正，这一结果并不是鼓励政府为提高生产技术效率而去增加第一产业比重，而是意味着2001—2018年农业大省相对生产技术效率较高；政策支持水平的系数值为0.045，且显著为正，意味着政策扶持资金每提升1%，生产技术效率将会提升0.045%；其次，在间接(溢出)效应方面，仅有大中型农机和灾害率的系数值显著。大中型农机的系数值为0.070，高于直接效应的0.055，说明大中型农机改善生产技术效率的方式主要来源于空间溢出效应，大中型农机的服务范围不仅是本省，更主要的是周边临近区域，农机跨区服务对生产技术效率的影响显著。这就意味着农业劳动力的流失并不必然会对粮食产出造成巨大损失。要素市场化改革和农业机械等能够替代劳动力的技术和要素的空间流转，可以在一定程度上弥补劳动力流失对粮食产出造成的负面影响；同时，无需过分担忧诸如“谁来种地”等问题的担忧，尤其是对适宜大中型农机作业的地区而言。加快农业机械化水平的提高，并加强农机跨区服务模式的支持力度，同时要注意与农机跨区服务相配套的要素投入。

3 结论

由于农村劳动力的不断流失和农业机械的有效替代，理论上，农业机械的高标准化和低损失率能够对粮食生产产生积极影响。然而，农机跨区服务的日渐成熟使农业机械化水平对粮食生产技术效率产生了内部异质性。如果不考虑空间溢出效应和农业机械化水平的内部结构差异，将无法有效甄别农业机械化水平对粮食生产技术效率的实际影响。因此，本文利用2001—2018年15个省(市、区)的面板数据，构建了随机前沿生产函数模型(SFA)，对小麦生产技术效率进行测度，并通过Moran’s I指数和PSDM模型重点考察了农业机械化水平对小麦生产技术效率的空间影响，得到以下结论。

1) 中国2001—2018年的小麦平均生产技术效率为0.698 8，不甚理想，年均技术变动率为0.005 9，总体呈现波动上升趋势。

2) 除部分省域外，生产技术效率较低的地区变动率往往较高，而生产技术效率较高的地区则相反，区域间不平衡的局面逐渐改善。

3) 生产技术效率和农业机械化水平之间呈现出一定的均衡关系，两者均呈现正向的空间自相关性，且在2006—2013年正向影响逐年加强，2014年后，可能存在内生性农机服务开始替代外地市场的现象，大范围的农机跨区服务市场萎缩，辐射空间变小。

4) 农业机械化可以提高小麦生产技术效率，且存在空间溢出效应，但不如预期般显著，在将农业机械化进行分离后发现，这种正向的空间溢出效应主要来源于大中型农机的跨区服务产生。上述结论意味着，在农业要素市场化改革和农业劳动力流失严重的今天，农机跨省服务已经成为了改善粮食生产技术效率的重要方式，这也是农业分工的重要结果。