农业劳动力老龄化、农业机械应用与农地转入

○ 许彦君 陈昭玖 张梦玲

（江西农业大学经济管理学院，江西 南昌 330045）

一、引言与文献综述

目前我国农业适度规模经营仍未达到预期，农业生产经营格局依然是以小农为主，需进一步促进农地经营权有序流转以激活农村农地资源，化解农地细碎化及分散化的经营格局，实现农地要素优化配置与农业适度规模经营[1]。当前，中国农村农地流转日益活跃，在促进农地集中和农业规模经营的同时，也增加了农民收入，但依然存在农地流转总体水平不高、自愿程度低等问题[2]。2004年至2014年十年间年均农地流转率增速高达11.22%，之后流转率增速便开始有所下降，2014 年至2016 年平均农地流转增速仅为1.42%，多年来对于农地流转的政策努力并没有改变我国农地流转市场低效率的现状。2021年中央一号文件再次指出，“在保持农村农地承包关系稳定并长久不变的基础上，继续健全农地经营权流转服务体系”。我国农业现代化在近几年间迅速发展，促使农业劳动力非农转移，而农村劳动力大规模外出非农就业为农地流转创造了有利条件，但同时引发了“新三农”问题中的“农民老龄化”[3]。数据显示，2020 年底，我国60 岁及以上人口比重较2010 年上升了5.44%①数据来源：国家统计局.第七次全国人口普查主要数据情况[M].北京：中国统计出版社，2021.，十年间全国范围内老龄化程度不断加深，在人口红利逐渐消失的背景下，未来很长一段时期内，我国将持续人口均衡发展压力。在全国人口老龄化持续加深的背景下，从事农业生产的那部分劳动力也逐渐趋于老龄化，2006年全国农业从业人数中，51岁及以上占比32.5%，2016 年农业生产经营人数中，全国年龄为55 岁及以上人员占比高达33.6%②数据来源：国家统计局.全国农业普查公报（第五号）[M].北京：中国统计出版社，2020.，突出表明十年间农业劳动力老龄化程度愈发严重。然而,现实是,在农村劳动力非农转移的同时，我国农业生产不断发展，粮食生产实现“十七连丰”，并没有出现部分学者所担心的农业劳动力老龄化对农业生产的冲击问题，农村劳动力的非农转移诱发劳动力要素价格不断上升，促使机械替代人工进程加快，一定程度上缓解了农业劳动力老龄化对农业生产的威胁[4]。在当前农地流转市场总体水平依然不高的情况下，农业劳动力老龄化程度的加深对农业规模经营产生不利影响，而想要弄清通过提高农业机械应用水平是否能够缓解农业劳动力老龄化对农地转入行为的抑制作用？还需进一步深入研究。

围绕农业劳动力老龄化及农业机械水平与农地流转的研究，国内外学者已积累了有益的成果。首先，关于农地转入的影响方面，兼业程度不同，农户流转意愿也存在显著差异，纯农户流入意愿相对较强[5]。从农户行为视角考虑时，通过构建农地流转诱因的微观理论框架，分析农地流转决策行为并评价福利效应，认为土地价值、农业补贴以及涉农贷款对农户租入土地决策具有显著正向影响，进一步发现流入地农户的净收入效应主要来源于农地规模扩大引起的技术效率提高[6]。其次，从个体层面与地区层面两个维度考察劳动力老龄化对农地流转的影响时，年龄越大越可能租出农地，但租入的可能性越小[7]，进一步研究发现，老龄化一次项对土地转入行为的影响为正,老龄化二次项对土地转入行为的影响为负,并且均通过了显著性水平检验，说明老龄化与土地流转行为之间存在着显著的“U”型关系[8-9]，而从不同地区老龄程度对农地流转影响进行研究，发现从全国范围和东中西部地区看，65岁以上农户对农地转出有显著的正向影响，对农地转入有显著的负向影响；60～65岁农户对农地转出并没有显著影响，对农地转入的影响具有显著的区域差异，而在东部地区，60～65 岁农户倾向于不转入农地，在中部地区60 岁至65 岁农户更倾向于转入农地[10]。也有学者认为农户家庭劳动力老龄化并不会影响农地流转[11]。而关于农业机械水平对农地转入的影响方面，机械投入对农村土地流转具有重要的影响，当家庭拥有较高的农业机械总价值时，侧面说明农户家庭农业机械应用水平越高，最终会提升农业生产效率[12]，预期农业机械总价值会正向促进农户转入农地[13]。

在分析农业劳动力老龄化对农地流转的影响时，具体的作用机理是什么？有哪些中间变量在其作用？研究认为，农户年龄偏大且社会保障到位时转出农地多、流入农地少，即养老保险及医疗保险与老龄化对农地转出有显著正向交互作用，对农地流入有显著负向交互作用，老龄化与低保救济的交互项在影响农地转出时显著为负[14]。老年人口的农地情结显著增加了农户的农地流入需求，而老年人口的劳动能力限制则显著降低了农户的农地流入需求[15]；人口老龄化还通过抑制户主非农就业来抑制家庭转出农地，促进家庭转入农地[16]。

对于农业劳动力老龄化影响农地流转的研究为本文提供了许多可借鉴之处，但也存在一些不足，农业劳动力老龄化究竟是否影响农地转入，如何影响农村农地转入？具体的作用机制是什么？为了厘清两者之间的关系，本文将运用中国劳动力动态调查（CLDS）2016年数据，通过对分组回归，旨在进一步明晰农业机械应用在农业劳动力老龄化阻碍农地转入过程中的调节作用。本文的主要贡献体现在：（1）本文把农业劳动力老龄化对农地转入的影响途径划分为直接效应和间接效应进行考察，选取农业农业机械应用水平作为调节变量，梳理农业劳动力老龄化对农地转入的调节作用机理。（2）通过地区异质性分析结果，阐述不同地区不同老龄化程度机械应用的难易程度对农地转入的不同影响。

二、理论分析与研究假说

现有学者们分别从不同理论角度阐述农地流转决策的形成机制，如机会成本理论、交易费用理论和劳动力迁移理论，并揭示了农地流转行为诱因的共性与差异[17-19]，鉴于此，文章接下来将阐释农业劳动力老龄化对农地转入行为的影响机理。

劳动力迁移理论中的人力资本劳动力迁移理论是美国经济学家托达罗关于城乡人口流动的一个理论解释，人力资本在农业生产决策过程中发挥重要作用[20]，而老龄化程度能够在一定程度上反映人力资本水平，因而农业劳动力老龄化势必会影响家庭农地转入决策。当农户家庭农业劳动力老龄化程度越高，老龄农业劳动力占比越大，农业劳动力总体上弱质化程度就越强。一方面，农业劳动力老龄化引起的劳动力整体素质下降，导致有效农业劳动供给不足，一定程度上阻碍了现代农业生产技术的实施，从而对农业生产经营产生负面影响[21-23]。另一方面，相对于青壮年劳动力，老龄劳动力受教育程度相对较低，接受新事物以及创新能力较弱[24]，加之体力状况也较差，身体各项机能逐渐下降从而导致劳动力投入质量存在问题，进而使得农业规模有所缩减[21-22，25]。青壮年劳动力外迁引起农业劳动力趋于老龄化，导致农业劳动能力下降[26-27]，使得较高的老龄劳动力参与率的家庭转入的农地明显减少。据此，提出本文的第一个假说H1：

假说H1：农业劳动力老龄化对农地转入有负向影响，农户家庭老龄农业劳动力占比越高，其农地转入的可能性越低。

速水佑次郎和弗农·拉坦的诱致性技术变迁理论被广泛运用于分析农业发展中的技术变革和应用[28-30],该理论认为，当稀缺资源带来要素价格变化时，会诱致技术进步和要素替代[31]。劳动力作为农业生产的基本投入要素之一，当农业劳动力逐渐趋于老龄化引发农业劳动力价格上涨，进而冲击农业劳动力数量供给和劳动成本时，出于理性考虑，农户将会寻找能够缓解此现象对最终收益造成损失的替代要素，而农业机械与劳动力之间存在较强的替代关系，成为农业劳动力的替代要素[32-37]。外出务工之所以不再负向影响农地转入，关键在于农业机械很好地替代了流失劳动力[38]，家庭拥有较高的农业机械价值时，侧面说明农户家庭农业机械应用水平越高，流失劳动力对农业生产的约束效应就越能被农户通过扩大经营规模的方式突破，最终会提升农业生产效率[39]，预期农业机械总价值会正向促进农户转入农地[40]。可见，农业劳动力老龄化的加深并不必然导致农地转入绝对受阻。据此，本文提出本文假说H2、H3：

假说H2：农业机械应用对农地转入有显著正向影响，农机应用水平越高，家庭越可能转入农地。

假说H3：农业机械应用在农业劳动力老龄化与农地转入之间起调节作用，机械应用能够缓解农业劳动力老龄化对农地转入的不利影响。

三、数据来源、变量选取与模型设定

（一）数据来源及基本情况

本文数据来源于中山大学社会科学中心提供的中国劳动力动态调查（CLDS），通过对中国城乡村居进行追踪调查，建立了以劳动力为调查对象的综合性数据库，包含了劳动力个体、家庭和社区三个层次的数据，反映了中国人口、经济和社会等多方面内容。“2016 年CLDS”调查在全国29 个省、直辖市、自治区（因数据不全，除港澳台、西藏、海南外）展开，样本覆盖面较广，具有一定的代表性。根据本文研究需要，对现有数据进行筛选处理：一是筛选来自农村并且从事农业生产的样本；二是对核心变量的缺失值样本进行剔除；三是对数据库的个体、家庭及社区数据进行合并处理。最终保留在农村从事农业生产的4 698个有效样本。且在每个样本中随机选择样本农户家庭成员进行问卷访谈，数据库信息涉及面较宽，为本文分析农业劳动力老龄化对农地转入的影响提供了很好的数据支持。

样本基本情况如下：样本在东部、中部、西部的分布比例为37.16%、35.19%和27.65%。其中，样本农户家庭存在农地转入行为的比例为16.16%。在从事农业生产的家庭中，60 岁及以上农业劳动力人数平均占比32.39%，65 岁及以上农业劳动力人数平均占比17.17%。目前仍有35.75%的家庭其农田耕作方式依然为传统农耕，农田耕作方式为半机械化和全机械化的比例为40.84%和23.41%。从个人特征看，户主为男性和女性的比例分别为92.03%和7.97%，男性平均年龄为55 岁，女性平均年龄为59岁，且91.22%为在婚状态，户主仅8.78%为党员身份。从家庭特征看，家庭劳动力总数在“1人以下”“2～4 人”“5 人以上”的比例分别为8.55%、73.86%、17.59。家庭劳动力总数中非农劳动力平均占比55.44%。有10.2%的家庭为农业生产专业户，家庭获得农业补贴的样本占57.82%。农业收入占家庭总收入的平均值为50.77%，家庭成员关系比较亲密。从村庄特征看，有59.86%的农户家庭是靠近县城的，村庄所处地形为平原、丘陵、山区的比例分别为46.16%、23.68%、30.15%，村庄平均道路硬化比为61.68%。

（二）变量选取

1.被解释变量：农地转入。大多数学者使用家庭是否经历农地转入，来表示农户家庭是否参与农地流转行为[12]，也有学者认为，农地流转参与率更能精确显示农户家庭参与农地流转程度[13]。因此，为了更好地分析农地转入行为，本文将引入是否经历农地转入和农地转入率两种测量方式。是否经历农地转入变量为二分类变量，有农地转入的，赋值为1，反之赋值为0。农地转入率变量为家庭农地转入面积与家庭总耕地面积之比，为连续变量。特别指出，这里的农地转入并不是广义上的各类农地，而仅仅指耕地转入。

2.核心解释变量：（1）农业劳动力老龄化。在农业劳动力老龄化的测度上，参照多数学者的做法，将60岁作为老龄化的年龄界限[14]。同时，参照相关研究，本文采用参与农业劳动的家庭成员中老龄劳动力所占比例[41]，即年龄大于等于60 岁的农业劳动力占家庭全部农业劳动力的比例，作为衡量农业劳动力老龄化程度的指标。此外，选取家庭劳动力人数中65岁及以上占比为核心解释变量的替代变量，以进行稳健性检验。（2）农业机械应用。采用问卷中已有问题“家庭作物生产的农田耕作方式”作为农业机械应用水平的代理变量。

3.控制变量。为控制其他可能影响农地转入的因素，保障拟合结果的可靠性，本文还引入了以下控制变量：（1）根据新迁移经济学可知，家庭作为一个独立的决策单位，通过统筹安排劳动力资源和农地资源，使得所有家庭成员参与其中，为提升家庭受益最大化共同努力[42]，因此引入个人特征和家庭特征变量。个体特征。户主在家庭决策中起决定性作用，户主为男性，较为年轻的劳动力以及良好的健康水平等都可能对农地转入产生影响。因此，引入户主性别、年龄、健康水平、婚姻状况、党员状况等个体层面的特征变量。家庭特征。选取家庭劳动力总数、非农就业、农业生产专业化、农业补贴、家庭总收入、农业收入占比、家庭成员关系等变量表征。当家庭劳动力数量越多时，农户家庭越有足够的劳动能力和经济基础扩大经营规模，家庭就越有可能转入农地，预期该变量对农地转入的影响为正；对于非农就业变量，有学者采用非农收入占家庭总收入的比重来表示[43]，但鉴于家庭成员从事非农工作其本质是劳动力要素的优化配置，本文借鉴已有学者研究，采用“家庭劳动力总数中非农就业人数占比”来表示[44]③农业生产专业化、农业补贴、家庭总收入、农业收入占比、家庭成员关系等变量均选取问卷中已有问题，定义及赋值见表1，此处不再赘述。。（2）农地流转在很大程度上是一个村庄内部市场，因此引入村庄特征变量，村庄交通情况、村庄地形、村庄道路硬化比表征，以控制村庄交通便利程度和地形地貌可能的影响。村庄交通情况变量，采用问卷中已有问题“本村距最近县城/区政府的距离为多少公里”来表示，并对数据进行处理，设置虚拟变量，村庄是否靠近县城④村庄地形和道路硬化比均采用问卷中已有问题，具体变量赋值见表1，此处不再赘述。。（3）省份特征。考虑到地区差异，即不同省份的农地转入情况可能存在差异，本文在模型中还加入了省份虚拟变量，控制省际差异。

表1 变量定义及描述性统计分析

4.工具变量。分析农业机械应用与农地转入之间的关系时，依然可能存在内生性问题。由以往的文献可知，内生性的产生主要有三种可能，互为因果、遗漏变量和观测误差[45]。家庭农业机械应用水平越高，农户越有可能扩大经营规模，而农地转入反过来也会影响家庭农业机械应用，两者互为因果。家庭农地转入可能受到诸多因素的影响，尽管在实证方程中尽量控制一系列与农地转入相关的特征变量，但在理论上仍无法有效控制遗漏变量，本文农业机械应用指标的选取，虽然是采用问卷中已有问题，但可能会与真实的农业机械应用水平存在误差。考虑到可能存在的内生性问题，文章尝试寻找农业机械应用的工具变量来缓解可能存在的内生性问题所造成的估计偏误，最终选取变量“是否有银行或信用合作社”作为工具变量，问卷中的具体调查问题是“行政区划内是否有银行或信用合作社”。选取这一工具变量的原因是：首先，“是否有银行或信用合作社”在农户农地转入决策前就客观存在，并不会对农民农地转入决策产生直接影响，可以认为这一变量是外生变量；其次，一般来说，行政区划内有银行或信用合作社，农户家庭便可以利用现有条件在购买大型农机具时获取信贷服务，从而使家庭农业生产机械应用水平有所提高，满足工具变量与内生变量相关性的要求。因此，“是否有银行或信用合作社”是一个合适的工具变量。

（三）计量模型设定

1.Probit模型。对于农户家庭农地转入行为的研究，在分析农业劳动力老龄化对农地转入的影响时，其被解释变量为是否农地转入。由于这一变量为二分类变量，本文构建二元Probit 模型来分析。设置农地转入决策方程如下：

（1）式中，Y1i为虚拟变量，Y1i=1表示第i个样本有农地转入行为，Y1i=0 表示第i个样本无农地转入行为；Xi为解释变量，即农业劳动力老龄化的代理变量“家庭务农人数中60 岁及以上占比”“家庭务农人数中65 岁及以上占比”，Ci为控制变量，β1、β2分别为回归模型的系数估计值；εi表示独立同分布的随机误差项，代表不可观测因素的汇总，且服从标准正态分布。

2.Tobit模型。分析农业劳动力老龄化对农地转入率的影响时，其被解释变量农地转入率近似连续型变量，采用Tobit模型检验农业劳动力老龄化对农地转入率的影响，并设置农地转入率方程如下：

（2）式中，Y2i表示第i个样本所在家庭的农地转入率，其他变量与（1）式一致。

3.分组回归模型。若核心解释变量X对被解释变量Y的影响随第三个变量U取值的变化而变化，则称变量U在X影响Y的关系中发挥调节作用[46]，当为连续型变量、U为类别变量时，可采取分组回归方法检验变量U对X与Y之间路径关系的调节作用，即比较不同组别回归结果中变量X系数的差异，若差异显著，则变量U发挥了显著的调节作用。鉴于本文核心解释变量农业劳动力老龄化为连续型变量，调节变量农业机械应用为类别变量，故采用分组回归模型检验农业机械应用在农业劳动力老龄化影响农地转入关系中的调节效应。

四、实证检验与结果分析

（一）农业劳动力老龄化与农业机械应用对农地转入的影响

鉴于农地转入决策方程和农地转入率方程之间可鉴于农地转入决策方程和农地转入率方程之间可能存在关联性，导致因变量截断以及样本选择偏误，本文采用赫克曼（Heckman）两阶段模型进行了联立估计。针对两式进行独立检验，结果rho=0并不接受两模型相互独立的原假设，即联立估计和独立估计无显著差异。因此，本文对农地转入决策方程和农地转入率方程采取独立估计。基于样本数据，以农户是否转入农地和农地转入率为被解释变量，进行Probit和Tobit基本回归分析。

考虑到农业机械应用与农地转入之间可能存在相互影响，从而产生内生性问题，本文使用工具变量法进行处理，采用的工具变量为“行政区划范围内是否有银行或信用合作社”。首先，将内生变量作为被解释变量、工具变量作为解释变量进行回归，得到内生变量的拟合值；然后，使用该拟合值作为解释变量引入模型进行回归，估计方法分别为IV-Probit 和IV-Tobit，所得到的回归结果如表3 所示。Wald内生性检验结果表明，包含“农业机械应用”变量的模型1 和模型2 均在1%的水平上拒绝了农业机械应用不存在内生性的假设，说明普通的Probit估计结果有偏，因此，采用工具变量法是适宜的，本文将采用表3模型1和模型2进行分析。表3模型3和模型4中，Wald内生性检验结果表明，无法拒绝农业机械应用为外生变量的原假设，因此，采用表2中模型3和模型4进行分析。同时，考虑到可能存在弱工具变量问题，本文进行了弱工具变量检验，表3各模型中的弱工具变量检验的F统计值均大于10，因此，不存在弱工具变量问题。且第一阶段工具变量对内生变量有较强的解释力，p值均小于0.05。

相比于表2 中的回归结果，表3 中模型1 和模型2 中“农业劳动力老龄化”和“农业机械应用”的平均边际效应绝对值较大，这说明，若不处理内生性问题，农业劳动力老龄化和农业机械应用的影响均会被低估。表3 模型1 和模型2 结果显示，农业劳动力老龄化的边际效应均为负，且均在1%的统计水平上显著，说明农业劳动力老龄化抑制家庭转入农地，验证假说H1。农业机械应用的平均边际效应均显著为正，说明农业机械应用能够促进家庭转入农地，验证假说H2。此外，农业劳动力老龄化（age65）的平均边际效应绝对值均大于农业劳动力老龄化（age60），表明模型设置在回归分析中十分稳健。农业劳动力老龄化的测量指标“家庭60 岁及以上务农劳动力占比”每增加1%，农户家庭转入农地的概率减少29 个百分点，农地转入率减少1.95个百分点;“家庭65岁及以上务农劳动力占比”每增加1%，农户家庭转入农地的概率减少50.8 个百分点，农地转入率减少1.45 个百分点,可能的原因是，农业劳动力老龄化程度加深，农户劳动能力受限，65 岁及以上农业劳动力的人力资本下降较大，对农地转入的负向影响更为突出。这一结果也在一定程度上表明了农业劳动力老龄化对农地转入行为的影响具有较强的稳定性。诚然，解释变量之间可能存在一定的相关关系。考虑到将它们同时放入模型中可能导致多重共线性，本文对表3模型1、模型2和表2模型3、模型4中所有解释变量进行了多重共线性检验。结果显示，模型中所有解释变量方差膨胀因子的平均值及最大值均远小于10，说明各模型中解释变量之间不存在多重共线性问题。

表2 农业劳动力老龄化与农业机械应用对农地转入影响的估计结果（基本回归）⑤为观察不同农业劳动力老龄化程度对农地转入的影响，表2中模型1、模型3为核心解释变量是农业劳动力老龄化（age60）的回归结果，模型2、模型4为核心解释变量是农业劳动力老龄化（age65）的回归结果。

表3 农业劳动力老龄化与农业机械应用对农地转入影响的估计结果（工具变量法）

从控制变量的影响看，个人特征中户主年龄对农户家庭是否农地转入及农地转入率具有显著负向影响，户主作为家庭主要决策者，随着年龄的增长，劳动能力逐渐下降，更不愿意扩大经营规模。家庭特征中，是否农业生产专业户在1%的统计水平上显著正向影响农地转入，农户家庭农业生产越具有专业化，越有可能利用已有生产条件增加农地转入率。家庭总收入和农业收入占比均显著影响农地转入，农户家庭总收入越多，农业收入占比越多，农户越有一定的经济资本转入农地。

（二）农业机械应用对农业劳动力老龄化影响农地转入行为的缓解作用

上文分析，农业劳动力老龄化对农地转入有负向影响，而农业机械应用有正向影响。那么，农业机械应用是否能缓解农业劳动力老龄化对农地转入造成的负向影响呢？对此，将农业机械应用进行分组回归来回答这一问题（见表4 和表5），模型1、模型3和模型5为核心解释变量是农业劳动力老龄化（age60）时的回归结果，模型2、模型4和模型6为核心解释变量是农业劳动力老龄化（age65）时的回归结果。在进行回归前，对以下所有模型中变量均进行多重共线性诊断，所有解释变量方差膨胀因子平均值及最大值均远小于10，说明解释变量之间不存在多重共线性问题。

表4 显示，在传统农耕和半机械化组中，农业劳动力老龄化对农地转入均存在显著的负向影响，而在全机械化组中农业劳动力老龄化对农地转入的影响为负，但不显著，农业劳动力老龄化之所以不再显著抑制农地转入，正是农业机械应用起到了一定的缓解作用。由表5 可知，在半机械化组中，农业劳动力老龄化显著负向影响农地转入率，而在全机械化组中，农业劳动力老龄化均不再显著负向影响农地转入率，也正是机械应用起到了一定的缓解作用。验证假说H3。同时，农业劳动力老龄化（age65）的边际效应绝对值均大于农业劳动力老龄化（age60）的边际效应绝对值，说明即使是在农业机械应用的缓解作用下，农业劳动力老龄化程度越深，对农地转入的抑制作用也越明显，这与上文实证部分检验结果一致，再次印证回归模型的稳健性。

表5 农业机械应用对农业劳动力老龄化影响农地转入的调节效应回归结果

（三）地区异质性分析

不同地区耕地地形复杂多样，经济发展水平不同，农户资源禀赋也存在差异,这些因素必然会导致农业劳动力老龄化对农地转入的影响效果。平原地区适宜机械作业，山区和丘陵地区由于地形高低起伏以及地块分散程度较大，农业机械难以作业或作业成本较高，地形条件直接决定着耕地机械化的难易程度[47-50]。因此，本文将样本分为东部、中部和西部三个地区进行分地区回归⑥根据CLDS调查的省份分布，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南，中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西，西部地区包括重庆、四川、贵州、云南、西藏、山西、甘肃、青海、宁夏、新疆。。

表6 不同地区异质性分析结果

考虑到篇幅原因，本文仅汇报被解释变量为农地转入率的回归结果。在东部和中部地区，农业劳动力老龄化对农地转入均存在显著负向影响，农业机械应用均显著正向影响农地转入，且农业劳动力老龄化（age65）的边际效应绝对值均大于农业劳动力老龄化（age60）,与上述实证分析一致，再次印证模型的稳健性。而在西部地区，农业劳动力老龄化虽负向影响农地转入，但不显著，且农业机械应用也不再显著促进农地转入。可能的原因是，一般而言，相较于绝大多数地区，在不考虑地区发展特殊地域农机的基础上，降水量少于年400毫米的地区很难发展农业，而中国西部地区大部分属于干旱半干旱区。再者，西部地区大多为高原、山地和盆地，比起平原地区不适合发展农业生产，农业机械更是难以实现。

五、结论与政策启示

（一）主要结论

我国农业现代化近几年迅速发展，农地流转和适度规模已经成为发展现代农业的必由之路。本文利用中山大学社会科学中心提供的中国劳动力动态调查数据，实证检验了农业劳动力老龄化及农业机械应用对农地转入的影响和农业机械应用的调节作用。结果表明，农业劳动力老龄化显著抑制农地转入，农业机械应用促进农地转入，且农业劳动力老龄化程度越深，对农地转入的抑制作用越明显，研究进一步证实，农业机械应用能有效缓解农业劳动力老龄化对农地转入的负向影响，且仅东部和中部地区，农业劳动力老龄化对农地转入存在显著负向影响，农业机械应用均显著正向影响农地转入。

（二）政策建议

第一，提升农业机械应用水平，加快农业生产效率的提高。农地流转与农机化是相辅相成、相互促进的，农业生产应因地制宜，根据实际情况选择适宜的农机化发展道路，强化农机购置补贴政策，将更多着实缓解劳动力弱质化的新型农业机械纳入农机购置补贴范围，消除部分规模农户的后顾之忧。促进农业机械的进步，提高农业生产技术，从而缓解农业劳动力老龄化对农业生产的不利影响，提高农民农地转入参与积极性。第二，完善农村农地经营补偿机制，创造老龄农户生产经营条件。农业劳动力老龄化对农地转入产生了消极影响，不利于农地的有效利用，因此，应当在规范农地流转市场、完善农业补贴的同时健全农村社会保障体系，完善农地经营补偿机制，刺激有效需求，弥补农业发展的比较劣势，从而吸引更多的生产主体参与到农地流转市场中来，提升老龄劳动力的农业经营“后备”能力，进一步激发农业发展活力。第三，加大新型农业经营主体培育力度，提高种田农户职业素质。当前农业劳动力逐渐趋于老龄化，农村从事农业生产的这代人，劳动能力水平已经不能持续满足现代农业发展的需要，急需培育出一批新型农业经营主体，缓解因老龄劳动能力限制带来的农地流转市场不景气从而导致的农业发展迟缓问题，实现劳动要素与农地资源的充分利用。第四，针对地区差异，发展实用性强的农业机械，缓解农业劳动力老龄化对农业生产的不利影响，从而提高农民农地转入参与积极性,实现农业规模经营。