农业机械化综合发展水平地区差异及收敛特征

武玉环 王海松 周荣柱 朱宁 张晓薇

摘要：農业机械化发展是保障我国农产品供给、促进农民增产增收、持续巩固脱贫攻坚成果的强有力支撑，研究我国农业机械化综合发展水平地区差异及收敛特征发展有利于识别农业机械化发展不均衡的根本原因，为政策制定者提供数据支持，平衡资源配置，缩小地区发展差距，进而全面推进乡村振兴。根据2004—2021年农业机械化生产有关数据，利用熵值法测算我国农业机械化综合发展水平，测算Dagum基尼系数描述其区域差异；利用空间探索性分析其产业集聚，检验其收敛性。研究表明：2004—2021年期间，我国农业机械化综合发展水平略有上升，由0.319 0上升至0.345 4，涨幅较小。我国农业机械化综合发展空间分布的地区差距有缩小趋势。从整体上看，我国农业机械化综合发展受邻近省份的影响较为明显，基本呈现高值与高值相邻、低值与低值相邻的地理集聚特征，且具有明显的正向相关性特征。农业机械化发展水平较低区域对水平较高区域有“追赶效应”，且相邻城市之间农业机械化综合发展的空间正向关联较强。据此提出，加大资金与相关科研投入、提高政策针对性、深化区域分工与合作等方面建议。

关键词：农业机械化；地区差异；区位基尼系数；收敛性

中图分类号：F323

文献标识码：A

文章编号：20955553 （2024） 02031109

收稿日期：2023年5月9日  修回日期：2023年12月28日

基金项目：教育部产学合作协同育人项目（230825052507181）；河北省教育厅科学研究项目资助（BJS2024097）；2023年度河北省社会科学发展研究课题（20230303051）；河北水利电力学院基本科研业务费专项资金资助（SYKY2340）

第一作者：武玉环，女，1991年生，河北沧州人，博士，副教授；研究方向为农业经济理论与政策。Email： wuyuhuan@hbwe.edu.cn

通讯作者：王海松，男，1977年生，河北沧州人，硕士，副教授；研究方向为产业经济学。Email： micromoon@hbwe.edu.cn

Regional differences and convergence characteristics of comprehensive development level

of agricultural mechanization

Wu Yuhuan1， Wang Haisong1， Zhou Rongzhu2， Zhu Ning3， Zhang Xiaowei1

（1. Department of Economics and Trade， Hebei University of Water Resources and Electric Engineering，

Cangzhou， 061000， China； 2. National Animal Husbandry Station， Ministry of Agriculture and Rural Affairs，

Beijing， 100125， China； 3. Institute of Agricultural Economics and Development， Chinese Academy of

Agricultural Sciences， Beijing， 100081， China）

Abstract：

The development of agricultural mechanization is a strong support for ensuring the supply of agricultural products in China， promoting  the increase of farmers production and income， and continuously consolidating the achievements  of poverty alleviation. Studying the regional differences in the comprehensive development level of agricultural mechanization in China and the development of convergence characteristics are conducive to identifying the root causes of the uneven development of agricultural mechanization， providing data support for policy makers， balancing resource allocation， and narrowing the regional development gap， and then comprehensively promoting the rural revitalization.  Based on the data related to agricultural mechanization production from 2004 to 2021， the entropy method is used to measure the comprehensive development level of agricultural mechanization in China， and the Dagum Gini coefficient is calculated to describe its regional differences. Spatial exploratory analysis is used to analyze its industrial agglomeration and test its convergence. Research result shows that during  2004 and 2021， the comprehensive development level of agricultural mechanization in China has increased slightly， from 0.319 0 to 0.345 4，  with small increase. The regional gap in the spatial distribution of comprehensive agricultural mechanization development in  China has a trend of narrowing. On the whole， the comprehensive development of agricultural mechanization in  China is more obviously affected by neighboring provinces. It basically shows the geographical agglomeration characteristics of high values adjacent to high values and low values adjacent to low values， and has obvious positive correlation characteristics. Areas with a lower level of agricultural mechanization development have a “catchup effect” on areas with a higher level， and the spatial positive correlation between adjacent cities in the comprehensive development of agricultural mechanization is strong. Based on this， suggestions are put forward to increase capital investment and related scientific research investment， improve policy pertinence， and deepen regional division of labor and cooperation.

Keywords：

agricultural mechanization; regional differences; location Gini coefficient; property of convergence

0 引言

农业机械化是推动农业增产、农民增收的重要途径。2004—2020年，我国农业生产综合机械化水平由34.3%上升至72.03%，上升幅度37.73%。2018年12月21日，国务院发布《关于加快推进农业机械化和农机装备产业转型升级的指导意见》，意见指出“没有农业机械化，就没有农业农村现代化”。2021年12月27日，农业农村部印发《“十四五”全国农业机械化发展规划》，规划中提到要大力推进农业机械化全程全面和高质量发展。2023年2月13日，《中共中央国务院关于做好2023年全面推进乡村振兴重点工作的意见》发布，意见明确提出“加快先进农机研发推广”，指明农业机械化发展的具体方向。农业机械化快速发展的同时出现了一系列的问题。譬如，先进适用的农机装备有效供给不足、农机与农艺融合不够等问题，农业机械化带来的能源消耗成为农业碳达峰最大不确定因素。因此，研究农业机械化综合发展不仅有利于农业农村现代化健康发展，更是实现碳达峰、碳中和目标的重要组成部分。

城镇化发展大背景下，农业机械化生产业已成为解决农业劳动力短缺的最佳生产要素，其在提高粮食产量、保障国家粮食安全中的作用越来越明显。统计数据显示，目前我国农业机械化存在区域发展不平衡、部分地区农机作业效益差、农机作业碳排放持续增加等问题。农业机械化发展要逐步从发展数量到提升质量上来，十九大报告提出，“高质量发展是建设现代化经济体系的必由之路”。总体来讲，农业机械化综合发展不仅是建设现代农业的必然要求，更是建设现代经济体系的要求。

现有关于农业机械化发展的研究主要集中在三个方面：（1）我国农业机械化综合发展水平的研究。众多学者研究表明，我国农业机械化水平已达较高水平，具有明显的增收效应并能起到促进农产品总量供给、保障我国粮食安全的重要作用。但目前还存在农业机械化和农机装备产业发展不平衡、不充分等问题［12］。（2）农业机械化发展水平地区差异性研究。由于地区间自然环境、社会条件不同，这样导致了不同地区农业机械化发展呈现不平衡现象。首先，不同地区的地形地貌、气候条件等条件会极大地影响农业机械化的实施效果；其次，不同地区的经济发展水平存在差异，同样会导致农业机械的使用以及农业机械化推广也有所不同［34］。（3）农业机械化对农业生产的影响研究。首先，农业机械化通过使用机械设备在种植、收割、加工等环节替代人力，显著提高了作业速度与效率，同时对周边地区农业生产效率的提升有明显的空间溢出效应［5］；其次，农业机械化水平的提升能够促进农民增收从而直接缩小城乡收入差距，另外通过农村劳动力转移间接地缩小城乡收入差距［6］。（4）农业机械化对农业碳排放的影响研究。关于这个问题不同学者研究结论有所不同。一部分学者实证分析了农业机械化的推广应用加剧了农业碳排放总量的增加［7］，科技创新与数字化应用需要兼顾农业机械化率与粮食安全［8］；另外一部分学者研究认为，农业机械化显著降低了本地农业碳排放强度，对农业碳排放强度的影响存在显著的负向空间溢出效应，具有明显的空间减碳效应［9］。

综合现有研究，本文从基础层、应用层、效果层3个层面测算我国农业机械化综合发展水平，测算过程中，综合考虑农业机械化的生产效应、增收效应及环境效应，并研究其分布动态及收敛特征。研究农业机械化综合发展水平的地区差异及其收敛特征可以揭示农业机械化进程中的不平衡性，为政策制定提供理论支持，减少地区不平衡，加快农业现代化步伐。本文采用熵值法及Dagum基尼系数来描述各省之间农业机械化水平的区域差异；利用空间探索性分析研究农业机械化的产业集聚及其空间分布格局；利用收敛性分析低水平地区是否在逐步缩小与高水平地区之间的发展差距。

1 研究方法与指标选取

1.1 熵值法

熵值法是以离散程度测定综合水平的方法之一，其基本原理是通过指标相对变化对整体的影响判断其权重，以此实现对整体水平的判断。

1） 为消除因量纲不同对评价结果的影响，对指标进行标准化处理。正向和逆向指标计算分别如式（1）、式（2）所示。

xij′=xj－xminxmax－xmin

（1）

xij′=xmax－xjxmax－xmin

（2）

式中：

xj——第j項指标值；

xmax——第j项指标的最大值；

xmin——第j项指标的最小值；

xij′——标准化值。

2） 计算第j项指标下第i年份指标值的比重

yij=xij′∑mi=1xij′ 0≤yij≤1

（3）

并根据yij计算第j项指标的信息熵值

ej=－K∑mi=1yijlnyij

（4）

式中：

K——

常数，K=1lnm。

假设信息效用价值为dj，dj=1－ej，第j项指标的权重

wj=dj∑mi=1dj

（5）

3） 计算样本的综合评价值

U=∑ni=1yij·wj×100%

（6）

参考陈银娥等［10］的研究，从基础层、应用层、效果层3个层面综合考虑农业机械化的生产效应、增收效应及环境效应，测算我国农业机械化综合发展水平（表1）。

文中所用数据，各省份农作物总播种面积、农业总产值指数、农业电力消费量、农村用水总量、第一产业GDP等来源于国家统计局；农业机械化服务组织年末数、农业机械户年末数、机耕面积、机收面积、机播面积等数据来自《中国农业机械工业年鉴》；2004—2013年，山西、吉林、黑龙江、广西农业劳动力人数数据来源于国家统计局农林牧渔从业人数，其余数据来源于各省统计年鉴；2019年辽宁省数据基于2004—2018年数据用线性插值法补齐；2020、2021年数据来源于《中国农村统计年鉴》（2021、2022）；2004—2012年，第一产业年末就业人员数来源于国家统计局，2013—2021年来源于各省统计年鉴。考虑数据可得性，时间区间范围为2004—2021年。

参考田云［11］、徐清华［12］等的研究，农业碳排放计算公式为

C=∑Ci=∑Tiδi

（7）

式中：

Ci——对应碳源的农业碳排放量；

Ti——碳排放源的量；

δi——对应碳源的碳排放系数。

碳排放系数具体数值如表2所示。

1.2 Dagum区位基尼系数

Dagum基尼系数分解方法可以从整体上描述中国农业机械化综合发展水平的地区差距，如式（8）所示。

G=∑kj=1∑kh=1∑nji=1∑nhr=1yji－yhr

2n2y

（8）

式中：

yji、yhr——

j、h地区内任一省份（自治区、直辖市，下同）的农业机械化综合发展水平；

y——

根据熵值法测算的全国各省农业机械化综合发展得分的平均值，Yh≤…≤Yj≤…≤Yk；

n——省份的个数；

k——

划分的地区数；

nj、nh——

j、h地区内省份的个数。

参照Dagum的基尼系数分解方法［13］，基尼系数由3部分组成：地区内差距的贡献Gw、地区间净值差距的贡献Gnb、超变密度的贡献Gt，并且满足G=Gw+Gnb+Gt。

Gw=∑kj=1Gjjpjsj

（9）

Gnb=∑kj=2∑j－1h=1Gjh（pjsh+phsj）Djh

（10）

Gt=∑kj=2∑j－1h=1Gjh（pjsh+phsj）（1－Djh）

（11）

Gjj=∑nji=1∑nhr=1yji－yjr2Yjnj2

（12）

Gjh=∑nji=1∑nkr=1yji－yjrnjnh（Yj+Yh）

（13）

式中：

Gjj——

j地区的地区内基尼系数；

Gjh——

j、h区域之间的地区间基尼系数；

Djh——

j、h城市群之间经济韧性水平的相对影响。

pj=njn

（14）

sj=njYjnY

（15）

Djh=djh－pjhdjh+pjh

（16）

djh=∫∞0dFj（y）∫y0（y－x）dFh（x）

（17）

pjh=∫∞0dFh（y）∫y0（y－x）dFh（x）

（18）

式中：

djh——

地区间农业机械化综合发展得分差值；

pjh——

超变一阶矩阵，即j、h地区中所有yhr－yji>0的样本值总和的期望。

1.3 探索性空间分析

区位基尼系数可用来分析农业机械化综合发展的全局空间特征，但会受到地理单元设定的影响，为更全面、系统分析我国农业机械化综合发展的地理集聚特征，采用探索性空间分析考察其分布的相关性。

空间相关性指标主要分为全局空间自相关指标和局部空间自相关指标，其中，全局空间自相关指标用Moran指数检验，局部空间自相关指标用局部指标（LISA集聚图）和Moran散点图检验。

全局Morans I的计算如式（19）所示，其中S2=1n∑ni=1（xi－x-）2，x-=1n∑ni=1xi。

Morans I=∑ni=1∑nj=1wij（xi－x-）（xj－x-）S2∑ni=1∑nj=1wij

（19）

式中：

xi、xj——第i、j地区的观测值；

n——地区总数；

wij——

空間权值矩阵第i行第j列元素，采用简单的二进制邻接矩阵。

局部Morans Ii被定义为

Morans Ii=（xi－x-）S2∑nj=1wij（xj－x-）

（20）

1.4 收敛性的检验方法

β收敛是从增量的角度考察农业机械化综合发展水平的收敛特征，主要指的是农业机械化综合发展水平相对较低的区域具有更快的增长速度，最终区域间农业机械化综合发展的差距趋于收敛，可以分为绝对β收敛和条件β收敛两类。由于本文的分析建立在熵值法基础上，已体现各项指标在农业机械化发展水平中所占比重，因此本文采用绝对β收敛性检验。绝对β收敛性检验研究我国农业机械化综合发展是否向同一稳态均衡水平趋同，即初期农业机械化发展水平较低的省份对农业机械化发展水平较高的省份是否存在“追赶效应”。若β＞0，说明不存在绝对β收敛；反之若β＜0，则说明存在绝对β收敛，即初期农业机械化发展水平较低的省份对农业机械化发展水平较高的省份具有“追赶效应”，也就是说前者农业机械化发展水平的增速高于后者，最终各省份都将趋同于相同的稳态均衡水平。

根据卢曦［14］、杨桐彬［15］等的思路，设定绝对β收敛空间滞后模型和空间误差模型回归估计如式（21）和式（22）所示。

lnMacitMacit-1=

α+βlnMacit-1+ρ∑ni=1wijlnMacitMacit-1+

μi+ηt+εit

（21）

lnMacitMacit-1=α+βlnMacit-1+μi+ηt+εit

εit=λ∑ni=1wijεjt+σit

（22）

式中：

ln（Macit/Macit-1）——

i省份第t年的机械化综合发展的增长速度；

μi、ηt——个体和时间固定效应；

εit——随机误差项；

ρ、λ——空间相关系数。

2 結果分析

2.1 我国农业机械综合发展的地区分布

表3为2004—2021年全国及7个区域农业机械化综合发展水平的动态演进。

表中数据显示，2004—2021年，我国农业机械化综合发展水平略有上升，由0.319 0上升至0.345 4，涨幅较小，原因在于：尽管农业机械化发展水平不断提升，但农业机械化生产的效益还比较低，且化肥、农药等生产要素的投入增加了农业碳排放总量。分地区看，各区域之间农业机械综合发展水平存在明显差异，东北、华北、华东、华中区域综合发展水平相对较高，这几个区域综合发展水平均高于全国平均水平，主要原因在于：一是这几个区域均属于亚热带或温带季风气候区，热量水分充足，地势相较于我国西部来说较为平坦宽广，自然地理环境优越；二是这几个区域经济发展水平较高，可为农业机械化综合发展提供经济基础［16］。另外，东北地区机械化综合发展水平最高，呈现小幅上升趋势，由0.423 2上升至0.454 5；华北地区下降较为明显，由0.426 8下降至0.347 9；华东地区呈现小幅上升趋势，由0.348上升至0.386 6；华中地区小幅上涨，由0.319 7上升至0.428 8。华南、西南、西北区域综合发展水平相对较低，主要原因在于：华南地区耕地资源少，以水田农业为主，农业机械化开展受限；西南地区则主要受地形影响；西北部分地区土地使用效率较低［17］，加之农民收入低于东部沿海地区，无法保障农业机械化资金投入，导致其农业综合发展水平较低。

2.2 农业机械化综合发展地区差距分解

表4显示了我国农业综合发展的总体基尼系数及贡献率。

由表4可以看出，我国农业机械化综合发展总体基尼系数呈现下降趋势，由2004年0.223下降至2021年0.170，农业机械化综合发展水平地区差距下降了0.053，这表明我国农业机械化综合发展地区差距呈现逐渐缩小的趋势。

从我国农业机械化发展水平基尼系数贡献率来看，样本分析期内，组内贡献率数值小于组间贡献率和超变密度贡献率，这表明组内差距并不是导致我国农业机械化综合发展的主要原因。组间贡献率数值在60%以上，仍然是地区差异的主要原因。超变密度贡献率呈现波动中小幅上升趋势，其在地区差异中的作用有所上升。

1） 农业机械化综合发展的地区内差距。图1进一步显示了我国农业机械化综合发展不同区域内部分布的地区差距及其演变趋势。总体来看，华中、华南地区的地区差距较小，但华中地区组内基尼系数呈现快速下降趋势，而华南地区则呈现不规则波动，2004—2007年期间不断下降，2007—2016年呈现上升趋势，2016—2020年则呈现下降趋势，2021年有所回升。西南地区的地区差距较大，且波动较为明显，2008年后呈现下降趋势。华东地区较为平稳，2008年前，其地区差距逐渐减小，2008年后，地区差距则呈现小幅上升趋势。2004—2007年，东北地区的地区差异变动较小，2007—2010年则逐步回升，2010—2021年期间小幅波动、整体稳定。西北地区呈现波动中下降趋势。华北地区无明显的规则性波动，2019—2021年小幅回升。

2） 农业机械化综合发展地区间差异。表5显示的是农业机械化综合发展的地区间差距及其演变趋势。由于篇幅限制，文中仅展示代表各年份我国农业综合发展地区间差异。东北&华北、西北&华中、东北&华东、东北&西北4组地区组间差异呈现上升趋势，其余各组间差距则呈现下降趋势。

2.3 探索性空间分析结果

利用ArcGIS、GeoDa软件测算我国农业机械化综合发展水平全局Morans I指数，如表6所示。根据表6，我国农业机械化综合发展水平全局Morans I通过了1%或5%水平下的显著性检验，且均为正值。这表明，从整体上看，我国农业机械化综合发展受邻近省份的影响较为明显，基本呈现高值与高值相邻、低值与低值相邻的地理集聚特征，且具有明显的正向相关性特征。主要原因在于：（1）农业机械化生产的产业链整合。虽然我国农业机械生产水平有待提高，但相关鼓励政策、生产技术提升等因素不断推动行业整合加速，各农机生产企业的地区资源整合与互补使得区域内农机生产水平得到提升。（2）气候、地形地势等自然地理环境一致性。由于明显的气候、地形地势等因素，我国农机产业具备明显的区域特征，一方面不同的农业种植模式对农业机械化的要求不同；另一方面光热条件导致各地区熟制不同，也推动了农业机械化综合发展的集聚。（3）经济发展辐射效应。由波兰经济家家萨伦巴、马利士提出的“点轴开发模式”可解释经济发展的辐射效应，其中心思想是在区位条件较好的区域易于形成核心区域，并呈现点状分布，后期核心区域不断增加，相互连接形成轴线，其对周围地区形成辐射并形成新的核心区域。当某一特定区域农业机械化综合发展水平提升后，其技术溢出效应可迅速辐射周边地区，并在一定区域内形成集聚。

图2显示了2004年、2021年农业机械化综合发展局部莫兰指数分布。由图2可以看出，高—高、低—低空间集聚范围明显缩小。这表明，我国农业机械化综合发展的空间分布更为均衡，原因在于：（1）相关政策的制定。农业机械化是发展现代农业的重要途径，国家及各级政府均制定相关政策推动农业机械化综合发展，各地农业机械化综合发展水平不断提升，推动了农业机械化综合发展的地区均衡。（2）农机社会化服务的发展。农机社会化服务是在城镇化不断发展的背景下，解决农业劳动力流失的重要手段，也是降低农业生产成本，提升规模效益的重要途径。《2021年全国农业机械化发展统计公报》显示，全国农机服务组织已有19.34万个，农机社会化服务的发展能够推动小农户和大市场的有效衔接，这也是农业机械化综合发展的重要驱动力。

（a） 2004年

（b） 2021年

2.4 收敛性的检验结果

对式（21）～式（22）进行参数估计之前，同样需要对被解释变量经济韧性增长速度的空间相关性予以检验，以及对SAR和SEM模型进行比选。Moran指数显示经济韧性增長速度具有空间正相关性，模型比选结果如表7所示。

空间滞后模型和空间误差模型β的系数分别为-0.283 8和-0.251，均小于0且通过了z检验，这表明我国农业机械化综合发展存在收敛性，农业机械化发展水平较低区域对水平较高区域有“追赶效应”，最终二者趋于相同的稳态值水平；且λ显著为正，这说明相邻城市之间农业机械化综合发展的空间正向关联较强。

3 结论与建议

3.1 结论

本文根据2004—2021年我国省际农业机械化发展相关数据，利用熵值法测算我国农业机械化综合发展水平，并在此基础上测算Dagum基尼系数描述其区域差异；利用空间探索性分析其产业集聚，并检验其收敛性。

1）  2004—2021年期间，我国农业机械化综合发展水平略有上升，由0.319上升至0.345 4。

2） 我国农业机械化综合发展空间分布的地区差距有缩小趋势，地区间差异是导致我国农业机械化综合发展地区差异的主要原因。

3） 整体来看，我国农业机械化综合发展受邻近省份的影响较为明显，基本呈现高值与高值相邻、低值与低值相邻的地理集聚特征，且具有明显的正向相关性特征。农业机械化发展水平较低区域对水平较高区域有“追赶效应”，且相邻城市之间农业机械化综合发展的空间正向关联较强。

3.2 建议

根据以上研究结论，提出以下建议。

1） 优化农机装备结构，加大对优势产业和地方特色产业生产机械的研发力度，着力提升农业机械化综合发展水平，并在此基础之上建立健全相关法律法规，将农业机械化发展真正落实到三农发展战略中。首先，政府应通过加大资金与相关科研投入，持续推动农业机械化科技创新、推广先进适用的农机技术、提高农机的使用效率。其次，对于农民购买农业机械化设备给予适当补贴，构建起支持农机工业加快发展的政策保障体系。再者，根据市场供求现状指定补贴政策，推动机械化设备贷款项目发展，提高贷款额度，降低贷款审批难度，做好风险控制的同时为农业机械化发展创造畅通的融资路径。另外，政府应加大人力资本投入，对农户进行农业机械化发展培训，并做好基层宣传工作，通过提高农民对机械化发展的认识，加大宣传的广泛程度与深化程度，创造良好的农业机械化发展氛围。

2） 充分考虑各区域农业机械化发展的实际情况及地域特征，提高政策针对性。因地制宜制定“宜机化”标准，根据不同区域和种植模式的需求，加大优势产业和地方特色产业生产机械的研发力度，优化农机装备结构，以提高农机工业市场竞争力。推进农业机械标准化作业流程，尤其是对于丘陵山区农田的改造。改进农业机械设备的质量、生产工艺、作业性能，提高农业机械与当地农业生产的实际情况，满足农民对农业机械作业的特定要求，建设具有地方特色的农业机械化发展道路；同时，注重农业机械化对当地环境的影响，走农业机械化高质量、可持续发展的道路。加强农艺标准和作业规范，将机械适应性作为制定农艺标准和作业规范的重要依据，促进农业生产经营专业化、标准化、规模化和集约化。同时，建立农机和农艺科研单位协作攻关机制。

3） 充分发挥农业机械化综合发展的空间辐射效应。要以农业机械化综合发展典型区域为依托，深化区域分工与合作，促进农业机械化区域平衡发展，推动产业结构升级，影响和辐射周围地区，推动区域农业机械化、一体化高质量发展，合作推动农业机械化政策创新、农业机械化技术推广、农机鉴定与标准化和可持续农业机械化等。

参 考 文 献

［1］杜国明， 梁梦晨， 黎春， 等. 现代化农区农业机械化发展水平演化研究［J］. 农业经济与管理， 2021（6）： 50-60.

Du Guoming， Liang Mengchen， Li Chun， et al. Study on evolution of agricultural mechanization development level in modern agricultural areas ［J］. Agricultural Economics and Management， 2021（6）： 50-60.

［2］王凯旋. 安徽省农业机械化发展水平评价及提升对策研究［D］. 合肥： 安徽农业大学， 2020.

［3］刘英辰. 中国农业机械化发展区域差异性研究 ［J］. 南方农机， 2020， 51（16）： 17-18.

［4］匡兵， 胡碧霞， 韩璟， 等. 乡村振兴战略背景下我国农业机械投入强度差异与极化研究［J］. 中国农业资源与区划， 2020， 41（5）： 50-56.

Kuang Bing， Hu Bixia， Han Jing， et al. Study on the difference and polarization of Chinas agricultural machinery input intensity under the background of rural revitalization strategy ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2020， 41（5）： 50-56.

［5］王罗方， 唐叶， 吴明亮， 等. 疫情影响下农业机械化发展及政府支撑模式研究——后疫情时代农业机械化高质量发展途径选择［J］. 农业工程与装备， 2020， 47（1）： 27-33.

Wang Luofang， Tang Ye， Wu Mingliang， et al. Research on the development of agricultural mechanization and government strategy under the influence of the COVID-19 ［J］. Agricultural Engineering and Equipment， 2020， 47（1）： 27-33.

［6］谢冬梅. 农业机械化发展对中国粮食生产的影响研究［D］. 成都： 西南财经大学， 2021.

［7］孙学涛. 农业机械化能否缩小城乡收入差距？［J］. 首都经济贸易大学学报， 2021， 23（1）： 81-93.

Sun Xuetao. Does agricultural mechanization narrow the income gap between urban and rural areas？ ［J］. Journal of Capital University of Economics and Business， 2021， 23（1）： 81-93.

［8］贺青， 张俊飚， 张虎. 农业机械化对农业碳排放的影响——来自粮食主产区的实证［J］. 统计与决策， 2023， 39（1）： 88-92.

［9］李伟娟， 张朋程. 山东省粮食安全、农业机械化与农业碳排放的关联及发展建议［J］. 湖北农业科学， 2022， 61（11）： 181-185.

Li Weijuan， Zhang Pengcheng. Correlation and development suggestions of food security， agricultural mechanization and agricultural carbon emission in Shandong Province ［J］. Hubei Agricultural Sciences， 2022， 61（11）： 181-185.

［10］陈银娥， 陈薇. 农业机械化、产业升级与农业碳排放关系研究——基于动态面板数据模型的经验分析［J］. 农业技术经济， 2018（5）： 122-133.

Chen Yine， Chen Wei. A study on the relationship among agricultural mechanization， industrial upgrading and agricultural carbon emission： The empirical research based on dynamic panel data model ［J］. Journal of Agrotechnical Economics， 2018（5）： 122-133.

［11］田云， 尹忞昊. 中国农业碳排放再测算： 基本现状、动态演进及空间溢出效应［J］. 中国农村经济， 2022（3）： 104-127.

Tian Yun， Yin Minhao. Reevaluation of Chinas agricultural carbon emissions： Basic status， dynamic evolution and spatial spillover effects ［J］. Chinese Rural Economy， 2022（3）： 104-127.

［12］徐清华， 张广胜. 农业机械化对农业碳排放强度影响的空间溢出效应——基于282个城市面板数据的实证［J］. 中国人口·资源与环境， 2022， 32（4）： 23-33.

Xu Qinghua， Zhang Guangsheng. Spatial spillover effect of agricultural mechanization on agricultural carbon emission intensity ［J］. China Population， Resources and Environment， 2022， 32（4）： 23-33.

［13］Dagum C. A new approach to the decomposition of the Gini income inequality ratio ［J］. Empirical Economics， 1997， 22（4）： 515-531.

［14］卢曦， 许长新. 长江经济带水资源利用的动态效率及绝对β收敛研究——基于三阶段DEAMalmquist指数法［J］. 长江流域资源与环境， 2017， 26（9）： 1351-1358.

Lu Xi， Xu Changxin. Dynamic efficiency and unconditional β convergence of water resources utilization on the Yangtze River economic belt： Based on threestage DEAMalmquist index method ［J］. Resources and Environment in the Yangtze Basin， 2017， 26（9）： 1351-1358.

［15］杨桐彬， 朱英明， 姚启峰. 中国城市群經济韧性的地区差异、分布动态与空间收敛［J］. 统计与信息论坛， 2022， 37（7）： 45-60.

Yang Tongbin， Zhu Yingming， Yao Qifeng. Regional differences， distribution dynamics and spatial convergence of economic resilience in Chinese urban agglomerations ［J］. Journal of statistics and information， 2022， 37（7）： 45-60.

［16］王盛安， 张荣群， 艾东， 等. 中国农业机械化水平区域差异的测度及其空间格局［J］. 中国农机化学报， 2016， 37（8）： 223-228， 251.

Wang Shengan， Zhang Rongqun， Ai Dong， et al. Measurement and spatial distribution of Chinese agricultural mechanization levels regional difference ［J］. Journal of Chinese Agricultural Mechanization， 2016， 37（8）： 223-228， 251.

［17］孫兴， 刘熙. 中国城市碳排放效率的时空演变及影响因素——基于异质性空间随机前沿模型［J］. 地理研究， 2023， 42（12）： 3182-3201.

Sun Xing， Liu Xi. Spatiotemporal evolution and influencing factors of urban carbon emission efficiency in China： Based on heterogeneous spatial stochastic frontier model ［J］. Geographical Research， 2023， 42（12）： 3182-3201.

DOI： 10.13733/j.jcam.issn.20955553.2024.02.045

郭宣峰， 戴浩， 何蒲明， 等. 农机服务外包对绿色农业门槛效应研究——基于老龄化和规模化视角［J］. 中国农机化学报， 2024， 45（2）： 320-328

Guo Xuanfeng， Dai Hao， He Puming， et al. Research on the threshold effect of agricultural machinery service outsourcing on green agriculture： Based on the perspective of aging and scaling ［J］. Journal of Chinese Agricultural Mechanization， 2024， 45（2）： 320-328