王丹，劉春明，周楊

(1. 長(zhǎng)春金融高等?？茖W(xué)校會(huì)計(jì)學(xué)院，長(zhǎng)春市，130028； 2. 吉林工程技術(shù)師范學(xué)院工商管理學(xué)院，長(zhǎng)春市，130122； 3. 吉林農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，長(zhǎng)春市，130118)

通訊作者：劉春明，男，1977年生，吉林白山人，博士，副教授，碩導(dǎo)；研究方向?yàn)檗r(nóng)業(yè)經(jīng)濟(jì)管理、人力資源。E-mail: 906248795@qq.com

0 引言

隨著農(nóng)業(yè)現(xiàn)代化的發(fā)展和糧食補(bǔ)貼政策的不斷完善，我國(guó)糧食生產(chǎn)力得到了空前發(fā)展，糧食產(chǎn)量實(shí)現(xiàn)了“十二連增”，但生產(chǎn)要素的過渡消耗讓我們付出了巨大的生態(tài)代價(jià)，糧食是否能夠可持續(xù)發(fā)展一度成為了學(xué)術(shù)界熱議的話題[1-3]。同時(shí)，農(nóng)村勞動(dòng)力的不斷流失也引發(fā)了“誰(shuí)來(lái)種糧”的擔(dān)憂。在當(dāng)前資源條件剛性約束下，提高糧食生產(chǎn)率無(wú)疑是緩解糧食增產(chǎn)、勞動(dòng)力不足與生態(tài)保護(hù)之間矛盾的必然選擇[4-5]。隨著城鎮(zhèn)化進(jìn)程的不斷推進(jìn)，農(nóng)業(yè)生產(chǎn)中的人工成本逐年上漲，在誘致性技術(shù)變遷理論和農(nóng)機(jī)具購(gòu)置補(bǔ)貼等國(guó)家政策的作用下，農(nóng)業(yè)生產(chǎn)環(huán)節(jié)表現(xiàn)出由農(nóng)業(yè)機(jī)械化大面積替代人工的狀態(tài)。然而，多重影響效應(yīng)隨之凸顯。一方面，農(nóng)業(yè)機(jī)械化帶來(lái)的技術(shù)進(jìn)步為糧食增產(chǎn)方式轉(zhuǎn)型提供了新動(dòng)力，促進(jìn)了糧食生產(chǎn)技術(shù)效率的增長(zhǎng)；另一方面，農(nóng)業(yè)機(jī)械化的大規(guī)模使用填補(bǔ)了農(nóng)忙時(shí)對(duì)于勞動(dòng)力的需求，有效避免了因各個(gè)環(huán)節(jié)操作不及時(shí)對(duì)糧食生產(chǎn)造成的影響。因此，在可持續(xù)發(fā)展背景下，考察農(nóng)業(yè)機(jī)械化服務(wù)對(duì)糧食生產(chǎn)技術(shù)效率的影響，有助于為保障糧食產(chǎn)能政策的制定提供實(shí)證依據(jù)。

目前，國(guó)內(nèi)外關(guān)于農(nóng)業(yè)機(jī)械化對(duì)糧食生產(chǎn)的影響主要通過投入產(chǎn)出函數(shù)進(jìn)行直接分析。如黃瑪蘭等[6]采用隨機(jī)前沿生產(chǎn)函數(shù)測(cè)算了13個(gè)糧食主產(chǎn)區(qū)農(nóng)業(yè)機(jī)械化對(duì)糧食生產(chǎn)的影響，研究發(fā)現(xiàn)農(nóng)業(yè)機(jī)械化可以正向影響糧食產(chǎn)量，但對(duì)糧食邊際產(chǎn)出的影響并不顯著；王歐等[7]同樣采用了隨機(jī)前沿生產(chǎn)函數(shù)對(duì)農(nóng)業(yè)機(jī)械化與勞動(dòng)力投入在糧食生產(chǎn)中的關(guān)系及影響進(jìn)行了研究，認(rèn)為農(nóng)業(yè)機(jī)械化正逐漸替代勞動(dòng)力并促進(jìn)了糧食產(chǎn)出；Armagan等[8]運(yùn)用DEA和Malmquist指數(shù)法核定了土耳其1994—2003年的農(nóng)業(yè)生產(chǎn)效率，結(jié)論表明，機(jī)械化水平的推廣和技術(shù)創(chuàng)新效率的提高是影響糧食生產(chǎn)效率和農(nóng)業(yè)發(fā)展的主要因素；雖然上述研究均得出了重要的結(jié)論，對(duì)本研究具有重要的借鑒價(jià)值，然而，上述研究均將研究區(qū)域看做獨(dú)立的個(gè)體，忽視了自1995年便開始流行的農(nóng)機(jī)跨區(qū)服務(wù)對(duì)糧食生產(chǎn)技術(shù)效率的影響。從宏觀層面來(lái)看，隨著農(nóng)機(jī)跨區(qū)服務(wù)的日趨成熟，農(nóng)業(yè)機(jī)械化水平的提高不僅會(huì)影響本地區(qū)的糧食生產(chǎn)，也會(huì)對(duì)周邊地區(qū)起到輻射作用，即空間溢出效應(yīng)。高鳴等[9]證實(shí)了糧食生產(chǎn)技術(shù)效率具有空間自相關(guān)效應(yīng)，并推測(cè)農(nóng)機(jī)跨區(qū)服務(wù)對(duì)這一現(xiàn)象起到了至關(guān)重要的作用，但該研究沒有對(duì)這一推測(cè)進(jìn)行驗(yàn)證，也未能回答農(nóng)業(yè)機(jī)械化對(duì)糧食生產(chǎn)技術(shù)效率的影響程度有多大。

因此，作為上述研究的繼承，本研究以小麥為研究對(duì)象，重點(diǎn)考察農(nóng)業(yè)機(jī)械化對(duì)糧食生產(chǎn)技術(shù)效率的空間影響。此外，由于農(nóng)機(jī)跨區(qū)服務(wù)可能會(huì)在農(nóng)機(jī)類型上產(chǎn)生差異，本研究將小型農(nóng)機(jī)和大中型農(nóng)機(jī)進(jìn)行區(qū)分，進(jìn)一步討論農(nóng)機(jī)跨區(qū)服務(wù)對(duì)糧食生產(chǎn)技術(shù)效率空間效應(yīng)的影響。

1 模型構(gòu)建與數(shù)據(jù)來(lái)源

1.1 超越對(duì)數(shù)隨機(jī)前沿生產(chǎn)函數(shù)

對(duì)生產(chǎn)技術(shù)效率進(jìn)行測(cè)度的方法主要有兩種，根據(jù)是否存在具體的函數(shù)形式，可以分為非參數(shù)型和參數(shù)型[10-11]。隨機(jī)前沿模型(SFA)是由Battese and Coelli在1992年和1995年提出來(lái)的多投入單產(chǎn)出的研究方法，是參數(shù)型方法中最具有代表性的一種。與非參數(shù)型方法相比，SFA在C-D生產(chǎn)函數(shù)的基礎(chǔ)上引入了技術(shù)損失效率函數(shù)，可以較為準(zhǔn)確的測(cè)度導(dǎo)致技術(shù)無(wú)效率的環(huán)境因素和隨機(jī)誤差項(xiàng)[12-13]。但是由于C-D生產(chǎn)函數(shù)對(duì)前提條件的假定要求較為嚴(yán)格，本文采用更具包容性和靈活性的超越對(duì)數(shù)隨機(jī)前沿模型(Translog-SFA)測(cè)算農(nóng)業(yè)機(jī)械化服務(wù)對(duì)小麥生產(chǎn)技術(shù)效率的影響，具體函數(shù)表達(dá)式如式(1)所示。

(1)

式中：yit——第i省第t年產(chǎn)出變量；

xit——第i省第t年產(chǎn)出變量投入變量；

β——各投入變量的未知參數(shù)；

vit——第i個(gè)省市第t年的隨機(jī)誤差項(xiàng)；

uit——第i個(gè)省市第t年的技術(shù)無(wú)效率項(xiàng)。

產(chǎn)出變量主要為小麥的單位面積產(chǎn)量；投入變量，主要包括每公頃種子(x1)、化肥(x2)、機(jī)械(x3)和人工(x4)的費(fèi)用等；此外，由于技術(shù)進(jìn)步的數(shù)據(jù)無(wú)法觀測(cè)，筆者加入了時(shí)間虛擬變量(T)作為衡量技術(shù)進(jìn)步的依據(jù)，設(shè)定2006年=1,2007年=2，…，2018年=13等；若β顯著且為正，則說明該投入變量對(duì)小麥生產(chǎn)技術(shù)效率的提高有正向效應(yīng)，反之則相反；各個(gè)投入變量的一次項(xiàng)為短期內(nèi)對(duì)產(chǎn)出變量的影響，二次項(xiàng)為長(zhǎng)期對(duì)產(chǎn)出變量的影響，交叉項(xiàng)為兩兩投入變量之間的相互作用對(duì)產(chǎn)出變量的影響。

1.2 空間相關(guān)性分析

由于技術(shù)溢出、要素流動(dòng)等因素的存在，小麥生產(chǎn)技術(shù)效率在各個(gè)省份間可能不是獨(dú)立存在的，某個(gè)省份的小麥生產(chǎn)技術(shù)效率可能會(huì)受到鄰近省份經(jīng)濟(jì)行為的影響。因此，本文選用Moran’s I指數(shù)考察各個(gè)省份間小麥生產(chǎn)技術(shù)效率的空間相關(guān)性，以及檢驗(yàn)其具有怎樣的相關(guān)性，模型設(shè)定公式如式(2)所示。

(2)

式中：I——Moran’s I空間相關(guān)性指數(shù)值；

TEi——各省區(qū)小麥生產(chǎn)技術(shù)效率；

S2——小麥生產(chǎn)技術(shù)效率的方差；

wij——空間權(quán)重矩陣。

Moran’s I取值為[-1，1]之間，大于0表明鄰近省區(qū)之間具有正向空間自相關(guān)，小于0為負(fù)向空間相關(guān)，等于0則無(wú)空間自相關(guān)，即在空間上隨機(jī)分布。Moran’s I指數(shù)值受空間權(quán)重矩陣設(shè)定的影響較大，因此，為盡可能選擇更為合適的空間權(quán)重矩陣，本文參考了白俊紅和劉春明的經(jīng)驗(yàn)[14-15]，按照地理單元距離2次方的倒數(shù)建立空間距離權(quán)重矩陣，即wij=1/d2，d為兩個(gè)省區(qū)間核心位置的地理距離。

1.3 空間效應(yīng)分析

面板空間效應(yīng)分析方法主要包括面板空間自回歸模型(PSARM)、面板空間杜賓模型(PSDM)、面板空間誤差模型(PSEM)和面板空間自相關(guān)模型(PSACM)。這幾種方法在空間效應(yīng)傳導(dǎo)機(jī)制和經(jīng)濟(jì)機(jī)理等方面各不相同。PSARM假定在空間作用的影響下被解釋變量均會(huì)對(duì)其它地區(qū)造成影響；PSEM假定被解釋變量對(duì)其它地區(qū)產(chǎn)生的沖擊是隨機(jī)誤差導(dǎo)致的；而PSDM和PSACM則同時(shí)考慮了SARM和PSEM的空間傳導(dǎo)機(jī)制，且PSDM還考慮了空間相互作用，及除依賴自身解釋變量外還依賴其它地區(qū)解釋變量的信息。因此，鑒于不同空間效應(yīng)分析方法間的差異，本研究選用PSDM方法，并參考虞松波等的思想[16]，選取本研究的指標(biāo)，具體公式如式(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年小麥生產(chǎn)技術(shù)效率；

Macit——第i省第t年農(nóng)業(yè)機(jī)械總動(dòng)力；

DRit——第i省第t年災(zāi)害率；

Agrit——第i省第t年第一產(chǎn)業(yè)增加值；

Polit——第i省第t年農(nóng)林水事務(wù)項(xiàng)目支出；

Eduit——第i省第t年受教育年限；

β、θ——待估參數(shù)；

εit——擾動(dòng)項(xiàng)。

1.4 數(shù)據(jù)來(lái)源

本文主要選取2001—2018年的我國(guó)小麥生產(chǎn)面板數(shù)據(jù)，運(yùn)用FRONTIER4.1和Stata軟件進(jìn)行生產(chǎn)技術(shù)效率測(cè)度和空間效應(yīng)檢驗(yàn)。上述投入、產(chǎn)出要素和空間計(jì)量模型中的解釋變量均來(lái)自《全國(guó)農(nóng)產(chǎn)品資料匯編》和《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》中的數(shù)據(jù)運(yùn)算得到。在《全國(guó)農(nóng)產(chǎn)品資料匯編》中統(tǒng)計(jì)的21個(gè)小麥種植的主要省份中，考慮到數(shù)據(jù)的可得性，以及本研究方法的合理性和可比較性，剔除掉北京、天津、上海、重慶、貴州和青海等省份，保留河北、山西、內(nèi)蒙古、黑龍江、江蘇、安徽、山東、河南、湖北、四川、云南、陜西、甘肅、寧夏和新疆等15個(gè)小麥種植省區(qū)作為本文的研究對(duì)象。

2 模型估計(jì)結(jié)果及討論

2.1 模型假設(shè)檢驗(yàn)分析

長(zhǎng)期以來(lái)，Trangslog-SFA最讓人詬病的就是其不同的函數(shù)形式會(huì)得出不同的估計(jì)結(jié)果，因此，有必要在估計(jì)之前對(duì)樣本數(shù)據(jù)進(jìn)行一些列的檢驗(yàn)，主要包括：模型的適用性檢驗(yàn)、生產(chǎn)函數(shù)形式檢驗(yàn)、技術(shù)進(jìn)步檢驗(yàn)、技術(shù)非中性檢驗(yàn)和技術(shù)效率時(shí)變性檢驗(yàn)等。較為常用的檢驗(yàn)方式主要是t檢驗(yàn)和廣義似然比檢驗(yàn)(LR)，本文主要使用LR檢驗(yàn)對(duì)本文的模型設(shè)定進(jìn)行考量，LR檢驗(yàn)的表達(dá)式如式(4)所示。

LR=-2×[ln(H0)-ln(H1)]

(4)

式中：H0——限制性條件；

H1——無(wú)限制性條件。

1) 模型適用性檢驗(yàn)。即檢驗(yàn)效率損失項(xiàng)是否存在，關(guān)鍵就是考察是否拒絕原假設(shè)H0，γ為該模型的技術(shù)無(wú)效項(xiàng)，意為小麥實(shí)際產(chǎn)量距離理想前沿面的差距與生產(chǎn)技術(shù)效率的相關(guān)程度，γ值越接近1，表明兩者之間的差距與生產(chǎn)技術(shù)效率的關(guān)系越緊密。模型結(jié)果表明，本研究的γ值為0.992 9，說明造成我國(guó)小麥產(chǎn)出不理想的主要原因就是效率存在損失，僅有0.007 1是由不可控因素造成的，如氣候條件、病蟲害等。其次是單邊似然比檢驗(yàn)統(tǒng)計(jì)量LR值，當(dāng)γ=0的假設(shè)被拒絕時(shí)，LR值必須要大于在約束條件下的最大χ2值，才能判定本模型對(duì)于本研究的適用度和有效性，本文的LR值為140.916，明顯大于約束條件為6、顯著性水平為1%的χ2臨界值16.81，說明Trangslog-SFA適用于本研究。

表1 模型假設(shè)檢驗(yàn)結(jié)果Tab. 1 Test results of model hypothesis

2) 生產(chǎn)函數(shù)形式檢驗(yàn)、技術(shù)進(jìn)步檢驗(yàn)、技術(shù)非中性檢驗(yàn)和外生效率損失檢驗(yàn)。根據(jù)表1的檢驗(yàn)結(jié)果可知，這四種檢驗(yàn)的LR值均大于顯著性水平為5%的χ2臨界值，拒絕原假設(shè)H0。說明Trangslog生產(chǎn)函數(shù)是否較C-D生產(chǎn)函數(shù)更為適用，存在技術(shù)變化，且技術(shù)變化與種子、人工、機(jī)械、化肥、農(nóng)藥等投入變量相關(guān)，生產(chǎn)率也與本研究選取的效率損失變量相關(guān)。因此，本研究的模型設(shè)定較為合理。

2.2 技術(shù)效率水平和區(qū)域差異分析

表2為小麥生產(chǎn)技術(shù)效率和區(qū)域差異檢驗(yàn)結(jié)果，由于篇幅的限制，本文只列出生產(chǎn)率的平均變動(dòng)水平。從樣本地區(qū)的效率值來(lái)看，我國(guó)小麥平均生產(chǎn)技術(shù)效率為0.698 8，不甚理想，生產(chǎn)要素配置還存在不合理現(xiàn)象，仍然存在21.3%的效率損失。從變動(dòng)趨勢(shì)來(lái)看，我國(guó)小麥的年均技術(shù)變動(dòng)率為0.005 9，雖然變動(dòng)幅度較小，但仍然呈現(xiàn)正向增長(zhǎng)趨勢(shì)，恰好符合我國(guó)對(duì)小麥生產(chǎn)的日益增長(zhǎng)的支持力度。除部分省域外，生產(chǎn)技術(shù)效率較低的地區(qū)變動(dòng)率往往較高，而生產(chǎn)技術(shù)效率較高的地區(qū)則相反。從區(qū)域差異來(lái)看，效率最高的地區(qū)為河南省，河南省歷來(lái)便是我國(guó)小麥生產(chǎn)大省，擁有較為優(yōu)越的資源稟賦和出眾的機(jī)械化率，自2000年以來(lái)，新品種的累計(jì)種植面積已達(dá)到17 000 khm2，每公頃產(chǎn)量已超過了6 450 kg，農(nóng)業(yè)機(jī)械總動(dòng)力也已超過1億kW，大中型農(nóng)用拖拉機(jī)超過45萬(wàn)臺(tái)；效率最低的地區(qū)為山西省(0.518 5)，變動(dòng)率也呈負(fù)向增長(zhǎng)，產(chǎn)生這種結(jié)果的可能原因?yàn)楫?dāng)?shù)氐霓r(nóng)業(yè)發(fā)展較為落后，且土地較為貧瘠，地形多樣，科技成果的研發(fā)和推廣效果并不佳，農(nóng)業(yè)機(jī)械化程度普遍不高，2018年山西省的農(nóng)業(yè)機(jī)械總動(dòng)力也僅為1 441.09萬(wàn)kW，大中型農(nóng)用拖拉機(jī)僅為13.08萬(wàn)臺(tái)。兩地農(nóng)業(yè)機(jī)械化的差異引致生產(chǎn)技術(shù)效率的差異恰好說明農(nóng)業(yè)機(jī)械化是影響生產(chǎn)技術(shù)效率的可能原因之一。因此，下文采用空間計(jì)量模型探究農(nóng)業(yè)機(jī)械化對(duì)小麥生產(chǎn)技術(shù)效率的影響。

表2 2001-2018年小麥平均生產(chǎn)技術(shù)效率和變動(dòng)率Tab. 2 Average wheat production efficiency and variation rate from 2001 to 2018

2.3 農(nóng)業(yè)機(jī)械化水平與技術(shù)效率的空間相關(guān)性分析

為了檢驗(yàn)小麥種植過程中，各區(qū)域的農(nóng)機(jī)跨區(qū)服務(wù)和生產(chǎn)技術(shù)效率是否具有空間相關(guān)性，本文基于2001—2018年各區(qū)域農(nóng)業(yè)機(jī)械總動(dòng)力和前文測(cè)算出的生產(chǎn)技術(shù)效率值，測(cè)算出了每一年的Moran’s I指數(shù)，如表3所示。

表3 農(nóng)業(yè)機(jī)械化水平與技術(shù)效率的Moran’s I指數(shù)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，小麥生產(chǎn)技術(shù)效率和農(nóng)業(yè)機(jī)械化水平的Moran’s I指數(shù)值在0.2～0.35之間徘徊，且均顯著為正，說明無(wú)論是生產(chǎn)技術(shù)效率還是農(nóng)業(yè)機(jī)械化水平均存在一定的空間正相關(guān)關(guān)系，即存在顯著的空間收斂現(xiàn)象。總體來(lái)看，我國(guó)小麥生產(chǎn)技術(shù)效率和農(nóng)業(yè)機(jī)械化水平的空間正相關(guān)性呈波動(dòng)性上升趨勢(shì)。具體可以將2006—2018年分為兩個(gè)階段：第一階段是2006—2013年，生產(chǎn)技術(shù)效率和農(nóng)業(yè)機(jī)械化水平的Moran’s I指數(shù)值分別由0.217和0.213攀升至0.323和0.352，呈現(xiàn)出逐年增強(qiáng)的空間溢出效應(yīng)。形成這種現(xiàn)象的原因可能是：雖然早在1995年，眾多的農(nóng)機(jī)手開始意識(shí)到農(nóng)機(jī)跨區(qū)作業(yè)所蘊(yùn)含的巨大商機(jī)，國(guó)家也開始加強(qiáng)農(nóng)機(jī)跨區(qū)服務(wù)的支持和管理，但農(nóng)機(jī)跨區(qū)服務(wù)模式從無(wú)到有經(jīng)歷了10年的時(shí)間，2006年開始這種模式才逐漸成熟，形成一定的跨省規(guī)模，并覆蓋全國(guó)[17]。與此同時(shí)，跨區(qū)機(jī)收小麥的面積也在不斷上升，由2006年10 718.6 khm2持續(xù)上升至2013年的14 425.7 khm2，年均上升幅度為4.32%。然而，在2014—2018年的第二階段Moran’s I指數(shù)值開始持續(xù)下降，在調(diào)研中發(fā)現(xiàn)，由于農(nóng)村中“熟人社會(huì)”的特征，內(nèi)生性農(nóng)機(jī)服務(wù)開始替代外地市場(chǎng)占據(jù)主導(dǎo)地位，大范圍的農(nóng)機(jī)跨區(qū)服務(wù)市場(chǎng)萎縮，輻射空間變小，這也與仇葉[18]的研究結(jié)論相一致。

從表3中也可以發(fā)現(xiàn)，生產(chǎn)技術(shù)效率和農(nóng)業(yè)機(jī)械化水平之間呈現(xiàn)出一定的均衡關(guān)系，即一個(gè)地區(qū)農(nóng)業(yè)機(jī)械化水平的Moran’s I指數(shù)值的變動(dòng)會(huì)影響生產(chǎn)技術(shù)效率的同方向變動(dòng)，尤其以2009年之后最為明顯。農(nóng)業(yè)機(jī)械化水平與生產(chǎn)技術(shù)效率分別由2009年的0.211和0.244持續(xù)上升至2014年的0.346和0.306，而后又幾乎同步的出現(xiàn)下滑。農(nóng)業(yè)機(jī)械化水平對(duì)生產(chǎn)技術(shù)效率的影響表現(xiàn)在以下方面：(1)在鄉(xiāng)村勞動(dòng)力逐漸短缺的情況下，農(nóng)業(yè)機(jī)械化有效彌補(bǔ)了因勞動(dòng)力不足引致的效率損失；(2)機(jī)械化操作的標(biāo)準(zhǔn)化程度較高，避免了人工操作帶來(lái)的無(wú)畏效率損失。在吉林省等地的農(nóng)機(jī)研究院調(diào)研發(fā)現(xiàn)，在人工操作的小麥要經(jīng)歷收割、捆綁、裝運(yùn)、碾打和清選等環(huán)節(jié)，損失率一般在10%左右，而在使用農(nóng)機(jī)進(jìn)行收割后，損失率降低至3%左右；(3)糧食生產(chǎn)各環(huán)節(jié)有著嚴(yán)格的時(shí)令限制，農(nóng)業(yè)機(jī)械化減少了人工操作慢引起的錯(cuò)過時(shí)令的風(fēng)險(xiǎn)。而農(nóng)機(jī)跨區(qū)服務(wù)在提高鄰近地區(qū)生產(chǎn)技術(shù)效率的同時(shí)，也會(huì)將先進(jìn)的農(nóng)機(jī)技術(shù)推廣到其它地區(qū)，由此引起農(nóng)業(yè)機(jī)械化對(duì)生產(chǎn)技術(shù)效率在空間上的溢出效應(yīng)。

基于以上分析，提出以下假說。

假說1：農(nóng)業(yè)機(jī)械化對(duì)本地區(qū)生產(chǎn)技術(shù)效率會(huì)產(chǎn)生顯著的正向影響。

假說2：農(nóng)業(yè)機(jī)械化對(duì)其它地區(qū)生產(chǎn)技術(shù)效率會(huì)產(chǎn)生顯著的正向溢出效應(yīng)。

2.4 農(nóng)業(yè)機(jī)械化影響生產(chǎn)技術(shù)效率的空間效應(yīng)分析

從Moran’s I指數(shù)值可以看出，農(nóng)業(yè)機(jī)械化水平和生產(chǎn)技術(shù)效率的空間自相關(guān)性極為相似，為驗(yàn)證農(nóng)業(yè)機(jī)械化水平對(duì)生產(chǎn)技術(shù)效率的空間影響是否顯著，本文采用PSDM模型進(jìn)行空間效應(yīng)分析，結(jié)果如表4所示。

表4 空間效應(yīng)回歸結(jié)果Tab. 4 Regression results of spatial effect

由表4可知，農(nóng)業(yè)機(jī)械化水平的系數(shù)值為0.064，但僅在10%的水平下顯著，顯然與理論預(yù)期中的顯著性水平不符?？紤]到大中型農(nóng)機(jī)和小型農(nóng)機(jī)在作業(yè)范圍上可能存在差異。小型農(nóng)機(jī)作業(yè)范圍相對(duì)較小，一般不超過村一級(jí)；而大中型農(nóng)機(jī)一般為大規(guī)模農(nóng)業(yè)經(jīng)營(yíng)主體或農(nóng)機(jī)服務(wù)組織使用，作用范圍相對(duì)較大，跨區(qū)、跨省的現(xiàn)象較為普遍。因此，有必要將農(nóng)業(yè)機(jī)械化水平分解為大中型農(nóng)業(yè)機(jī)械化水平和小型農(nóng)業(yè)機(jī)械化水平進(jìn)行回歸。在進(jìn)行分解回歸后，可以發(fā)現(xiàn)：(1)模型的擬合優(yōu)度顯著提升，由0.664上升為0.867，回歸可信度增加；(2)大中型農(nóng)業(yè)機(jī)械化水平的系數(shù)值為0.049，在1%的水平下顯著，但小型農(nóng)業(yè)機(jī)械化水平的系數(shù)值并不顯著，符合前文的理論預(yù)期，即可表明農(nóng)業(yè)機(jī)械化水平對(duì)生產(chǎn)技術(shù)效率的空間影響主要來(lái)源于大中型農(nóng)業(yè)機(jī)械化服務(wù)，也可說明農(nóng)業(yè)跨區(qū)服務(wù)對(duì)提升生產(chǎn)技術(shù)效率扮演著重要的角色。此外，災(zāi)害率、第一產(chǎn)業(yè)比重和政策支持水平均與生產(chǎn)技術(shù)效率間存在顯著的空間相關(guān)關(guān)系。

然而，PSDM模型的回歸結(jié)果并不能直觀的表達(dá)出農(nóng)業(yè)機(jī)械化水平對(duì)生產(chǎn)技術(shù)效率的直接或空間溢出效應(yīng)，需要通過求解偏微分方法進(jìn)行分解回歸[19]，并遵循伍駿騫[20]的思想，進(jìn)一步將不同類型農(nóng)業(yè)機(jī)械化水平對(duì)生產(chǎn)技術(shù)效率的影響中的變量進(jìn)行直接效應(yīng)、間接(空間溢出)效應(yīng)和總效應(yīng)估計(jì)(表5)。

表5 直接效應(yīng)、間接效應(yīng)和總效應(yīng)Tab. 5 Direct effect, indirect effect and total effect

由表5的結(jié)果可知，首先，在直接影響方面，除小型農(nóng)機(jī)和受教育程度外，其它變量均顯著，這與PSDM空間效應(yīng)的回歸結(jié)果相一致。其中，大中型農(nóng)機(jī)改善本地區(qū)生產(chǎn)技術(shù)效率的效果顯著，彈性約為0.055，即大中型農(nóng)業(yè)機(jī)械化水平每提升1%，生產(chǎn)技術(shù)效率將會(huì)提升0.055%，小型農(nóng)機(jī)的系數(shù)值不顯著，可能與方師樂的推測(cè)一致，小型農(nóng)機(jī)更多的是扮演交通工具的角色[17]；災(zāi)害率的彈性為-0.094，在1%的水平下顯著，及災(zāi)害率顯著制約了小麥生產(chǎn)技術(shù)效率的提升，自然災(zāi)害的發(fā)生會(huì)導(dǎo)致小麥減產(chǎn)，從而降低小麥生產(chǎn)技術(shù)效率；第一產(chǎn)業(yè)比重的系數(shù)值顯著為正，這一結(jié)果并不是鼓勵(lì)政府為提高生產(chǎn)技術(shù)效率而去增加第一產(chǎn)業(yè)比重，而是意味著2001—2018年農(nóng)業(yè)大省相對(duì)生產(chǎn)技術(shù)效率較高；政策支持水平的系數(shù)值為0.045，且顯著為正，意味著政策扶持資金每提升1%，生產(chǎn)技術(shù)效率將會(huì)提升0.045%；其次，在間接(溢出)效應(yīng)方面，僅有大中型農(nóng)機(jī)和災(zāi)害率的系數(shù)值顯著。大中型農(nóng)機(jī)的系數(shù)值為0.070，高于直接效應(yīng)的0.055，說明大中型農(nóng)機(jī)改善生產(chǎn)技術(shù)效率的方式主要來(lái)源于空間溢出效應(yīng)，大中型農(nóng)機(jī)的服務(wù)范圍不僅是本省，更主要的是周邊臨近區(qū)域，農(nóng)機(jī)跨區(qū)服務(wù)對(duì)生產(chǎn)技術(shù)效率的影響顯著。這就意味著農(nóng)業(yè)勞動(dòng)力的流失并不必然會(huì)對(duì)糧食產(chǎn)出造成巨大損失。要素市場(chǎng)化改革和農(nóng)業(yè)機(jī)械等能夠替代勞動(dòng)力的技術(shù)和要素的空間流轉(zhuǎn)，可以在一定程度上彌補(bǔ)勞動(dòng)力流失對(duì)糧食產(chǎn)出造成的負(fù)面影響；同時(shí)，無(wú)需過分擔(dān)憂諸如“誰(shuí)來(lái)種地”等問題的擔(dān)憂，尤其是對(duì)適宜大中型農(nóng)機(jī)作業(yè)的地區(qū)而言。加快農(nóng)業(yè)機(jī)械化水平的提高，并加強(qiáng)農(nóng)機(jī)跨區(qū)服務(wù)模式的支持力度，同時(shí)要注意與農(nóng)機(jī)跨區(qū)服務(wù)相配套的要素投入。

3 結(jié)論

由于農(nóng)村勞動(dòng)力的不斷流失和農(nóng)業(yè)機(jī)械的有效替代，理論上，農(nóng)業(yè)機(jī)械的高標(biāo)準(zhǔn)化和低損失率能夠?qū)Z食生產(chǎn)產(chǎn)生積極影響。然而，農(nóng)機(jī)跨區(qū)服務(wù)的日漸成熟使農(nóng)業(yè)機(jī)械化水平對(duì)糧食生產(chǎn)技術(shù)效率產(chǎn)生了內(nèi)部異質(zhì)性。如果不考慮空間溢出效應(yīng)和農(nóng)業(yè)機(jī)械化水平的內(nèi)部結(jié)構(gòu)差異，將無(wú)法有效甄別農(nóng)業(yè)機(jī)械化水平對(duì)糧食生產(chǎn)技術(shù)效率的實(shí)際影響。因此，本文利用2001—2018年15個(gè)省(市、區(qū))的面板數(shù)據(jù)，構(gòu)建了隨機(jī)前沿生產(chǎn)函數(shù)模型(SFA)，對(duì)小麥生產(chǎn)技術(shù)效率進(jìn)行測(cè)度，并通過Moran’s I指數(shù)和PSDM模型重點(diǎn)考察了農(nóng)業(yè)機(jī)械化水平對(duì)小麥生產(chǎn)技術(shù)效率的空間影響，得到以下結(jié)論。

1) 中國(guó)2001—2018年的小麥平均生產(chǎn)技術(shù)效率為0.698 8，不甚理想，年均技術(shù)變動(dòng)率為0.005 9，總體呈現(xiàn)波動(dòng)上升趨勢(shì)。

2) 除部分省域外，生產(chǎn)技術(shù)效率較低的地區(qū)變動(dòng)率往往較高，而生產(chǎn)技術(shù)效率較高的地區(qū)則相反，區(qū)域間不平衡的局面逐漸改善。

3) 生產(chǎn)技術(shù)效率和農(nóng)業(yè)機(jī)械化水平之間呈現(xiàn)出一定的均衡關(guān)系，兩者均呈現(xiàn)正向的空間自相關(guān)性，且在2006—2013年正向影響逐年加強(qiáng)，2014年后，可能存在內(nèi)生性農(nóng)機(jī)服務(wù)開始替代外地市場(chǎng)的現(xiàn)象，大范圍的農(nóng)機(jī)跨區(qū)服務(wù)市場(chǎng)萎縮，輻射空間變小。

4) 農(nóng)業(yè)機(jī)械化可以提高小麥生產(chǎn)技術(shù)效率，且存在空間溢出效應(yīng)，但不如預(yù)期般顯著，在將農(nóng)業(yè)機(jī)械化進(jìn)行分離后發(fā)現(xiàn)，這種正向的空間溢出效應(yīng)主要來(lái)源于大中型農(nóng)機(jī)的跨區(qū)服務(wù)產(chǎn)生。上述結(jié)論意味著，在農(nóng)業(yè)要素市場(chǎng)化改革和農(nóng)業(yè)勞動(dòng)力流失嚴(yán)重的今天，農(nóng)機(jī)跨省服務(wù)已經(jīng)成為了改善糧食生產(chǎn)技術(shù)效率的重要方式，這也是農(nóng)業(yè)分工的重要結(jié)果。