唐小平，蔣健，李雙雙

(貴州大學(xué)經(jīng)濟學(xué)院，貴陽市，550025)

0 引言

農(nóng)業(yè)作為我國第一產(chǎn)業(yè)，是國民經(jīng)濟的基礎(chǔ)。然而，隨著新冠疫情在全球的蔓延以及經(jīng)濟全球化所遭遇到的抵制，農(nóng)業(yè)進出口貿(mào)易受到嚴重影響。在國內(nèi)農(nóng)業(yè)生產(chǎn)面臨增產(chǎn)后勁不足、農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)短時間內(nèi)難以迅速調(diào)整的背景下，我國農(nóng)業(yè)領(lǐng)域中的糧食安全問題面臨著新的挑戰(zhàn)。因此，在有限的農(nóng)業(yè)生產(chǎn)資源條件下，提高我國農(nóng)業(yè)生產(chǎn)效率，成為確保我國糧食安全的關(guān)鍵因素。

農(nóng)業(yè)機械化不僅是現(xiàn)代農(nóng)業(yè)的重要組成部分，也是農(nóng)業(yè)科技進步重要的實現(xiàn)途徑之一[1]。自1978年以來，我國機械投入農(nóng)業(yè)生產(chǎn)領(lǐng)域的數(shù)量越來越多，農(nóng)業(yè)機械總動力從1978年的117 499 MW，到2019年的1 006 000 MW。41年內(nèi)提高了7.56倍，農(nóng)業(yè)機械資金投入在農(nóng)業(yè)生產(chǎn)支出的比重也越來越重。截至2017年。我國農(nóng)業(yè)機械化作業(yè)水平達到69.8%，農(nóng)業(yè)科技進步貢獻率為57.5%，但貢獻率相較發(fā)達國家仍然低20%[2]，因此農(nóng)業(yè)機械化在提高農(nóng)業(yè)科技進步方面有著較大的上升空間。農(nóng)業(yè)技術(shù)進步對經(jīng)濟增長貢獻程度的衡量往往是通過測算農(nóng)業(yè)全要素生產(chǎn)率的方法[3]。因此通過種植業(yè)全要素生產(chǎn)率來衡量農(nóng)業(yè)機械化對種植業(yè)生產(chǎn)的影響是一個比較合適的方法和途徑。隨著我國人口老齡化程度的不斷加深[4]，以及大量青壯年勞動力向城市的轉(zhuǎn)移，老年群體將成為農(nóng)業(yè)生產(chǎn)的主力軍[5]。因此研究分析在不同農(nóng)村人口老齡化程度下，農(nóng)業(yè)機械化對種植業(yè)全要素生產(chǎn)率的影響，對于未來農(nóng)業(yè)機械在農(nóng)業(yè)生產(chǎn)領(lǐng)域的推廣與使用具有重要的參考價值。

1 文獻綜述

農(nóng)業(yè)機械化技術(shù)是用農(nóng)業(yè)機械代替人畜力,進行土地整理、播種等工作,能夠有效減輕勞動強度,提升農(nóng)業(yè)生產(chǎn)能力和專業(yè)化水平[6]。農(nóng)業(yè)機械對農(nóng)業(yè)生產(chǎn)的影響主要體現(xiàn)在兩方面：一方面，農(nóng)業(yè)機械對農(nóng)業(yè)勞動力存在著較為明顯的替代作用[7]。另一方面，農(nóng)業(yè)機械化也能提高種植業(yè)的生產(chǎn)技術(shù)，這主要表現(xiàn)在機械化的種植方式能夠?qū)崿F(xiàn)傳統(tǒng)種植方式所不能實現(xiàn)的一些對糧食生產(chǎn)有促進作用的操作，例如通過“深松翻”和“少免耕”技術(shù)，不僅能減輕對土壤的壓實，還能減少土壤水分蒸發(fā)和水土流失，提高土壤蓄水和保墑能力，改善土壤結(jié)構(gòu)，增加有機質(zhì)含量，從而起到提高單產(chǎn)水平的作用[8]。

全要素生產(chǎn)率(Total Factor Productivity)是經(jīng)濟增長的動力源泉，而其增長又可以分為兩部分，一部分是技術(shù)進步的變化，另一部分是技術(shù)效率的改善[9]。從現(xiàn)有文獻看，關(guān)于全要素生產(chǎn)率的研究主要集中在測算方法與指標選取上。其中，測算方法主要包括C-D 生產(chǎn)函數(shù)回歸法、增長核算法、隨機前沿分析法(SFA)以及基于數(shù)據(jù)包絡(luò)分析(DEA)的Malmquist生產(chǎn)率指數(shù)法[10]。相比較于其他三種方法，基于數(shù)據(jù)包括分析(DEA)的Malmquist生產(chǎn)率指數(shù)法，該方法對數(shù)據(jù)的限制較少，為全要素生產(chǎn)率提供了較好的參考。羅春嬋等[11]利用Malmquist全要素生產(chǎn)率指數(shù)法，以非導(dǎo)向超效率EBM模型為基礎(chǔ)，測算了全局參比下商業(yè)銀行動態(tài)效率的全要素生產(chǎn)率指數(shù)。韓海彬等[12]則采用Malmquist-Luenberger生產(chǎn)率指數(shù)模型測算了農(nóng)業(yè)全要素生產(chǎn)率。

而關(guān)于農(nóng)業(yè)機械對農(nóng)業(yè)方面的全要素生產(chǎn)效率的影響，有相當一部分的國內(nèi)外學(xué)者認為，農(nóng)業(yè)機械化能夠提高農(nóng)業(yè)種植的生產(chǎn)效率[13-14]，這主要表現(xiàn)在以下幾點：一是使用農(nóng)業(yè)機械可以有效節(jié)約勞動力且不會影響到農(nóng)業(yè)產(chǎn)出；二是農(nóng)業(yè)機械的使用會提高作業(yè)效率，避免工時延誤給作物生長帶來的影響，進而間接增加產(chǎn)出?？偠灾r(nóng)業(yè)機械化水平的提高能顯著提高農(nóng)作物生產(chǎn)的技術(shù)水平，即農(nóng)業(yè)機械化發(fā)展水平通過提高農(nóng)業(yè)生產(chǎn)的技術(shù)水平來促進種植業(yè)全要素生產(chǎn)率的增長。王新利[15]等通過對黑龍江農(nóng)業(yè)機械化水平與農(nóng)業(yè)經(jīng)濟增長關(guān)系進行的實證研究，分析得到黑龍江農(nóng)業(yè)機械化發(fā)展對黑龍江農(nóng)業(yè)經(jīng)濟增長存在長期促進作用。另一部分學(xué)者則持相反觀點，認為農(nóng)業(yè)機械化并不能明顯的保障農(nóng)業(yè)生產(chǎn)效率的提高。Binswanger[16]通過系統(tǒng)總結(jié)了日本、美國、法國等發(fā)達國家和菲律賓、印度等發(fā)展中國家的歷史經(jīng)驗，研究發(fā)現(xiàn)機械化對糧食的增產(chǎn)效應(yīng)僅僅發(fā)生在特定的環(huán)境下，即機械化的同時需要伴隨著高性能種子、化肥的投入。Ito[17]發(fā)現(xiàn)我國農(nóng)業(yè)機械的發(fā)展水平對農(nóng)業(yè)生產(chǎn)并沒有產(chǎn)生較多影響。

綜上所述，有關(guān)農(nóng)村老齡化對農(nóng)業(yè)機械和農(nóng)業(yè)生產(chǎn)的影響研究，一方面，絕大多數(shù)學(xué)者都只是從技術(shù)選擇的角度來研究分析老齡化對農(nóng)業(yè)機械化發(fā)展和推廣的影響，郭曉鳴等[18]認為當前在農(nóng)業(yè)勞動力老齡化和農(nóng)業(yè)機械作業(yè)社會化服務(wù)應(yīng)運而生并快速發(fā)展的背景下，小農(nóng)出于節(jié)約家庭勞動力和彌補自身勞動力不足的選擇下，會選取和購買農(nóng)業(yè)機械。另一方面，絕大多數(shù)學(xué)者都認為農(nóng)村老齡化程度的加深并不利于農(nóng)業(yè)生產(chǎn)[19]，一方面，勞動力老齡化使得農(nóng)業(yè)生產(chǎn)單一化、粗放化，長遠看會影響到農(nóng)業(yè)產(chǎn)出，危及我國的糧食安全[20]。另一方面，勞動力進入老年之后，其勞動者勞動能力衰退較快，從而影響勞動生產(chǎn)率提高[21]。

綜上所述，雖然有關(guān)農(nóng)業(yè)機械、農(nóng)業(yè)生產(chǎn)效率、農(nóng)村老齡化之間的關(guān)系研究有很多，例如：彭超等[22]運用隨機前沿生產(chǎn)函數(shù)模型，研究了農(nóng)業(yè)機械化對農(nóng)戶“加總”糧食生產(chǎn)技術(shù)效率的作用效果。但是仍存在一些進一步研究和探索的空間。首先，在研究內(nèi)容上，有關(guān)研究方法大都局限于農(nóng)業(yè)機械化與種植業(yè)全要素生產(chǎn)率的線性關(guān)系。其次，農(nóng)業(yè)種植是一個十分重視技術(shù)和經(jīng)驗的生產(chǎn)活動，不同年齡段的農(nóng)村勞動力對于農(nóng)業(yè)機械使用有著較為明顯的差異，在傳統(tǒng)種植技術(shù)方面，年長者比年輕者要更有經(jīng)驗，而在以機械化作業(yè)為前提的現(xiàn)代農(nóng)業(yè)生產(chǎn)中，年輕者則能夠更快地熟悉和熟練地使用農(nóng)業(yè)機械。因此，研究在不同年齡段的農(nóng)業(yè)生產(chǎn)主體下，農(nóng)業(yè)機械對種植業(yè)全要素生產(chǎn)率的影響研究，具有一定的現(xiàn)實意義。最后，本文將通過引入工具變量的方式，解決農(nóng)業(yè)機械和種植業(yè)全要素生產(chǎn)率之間可能存在的內(nèi)生性問題。農(nóng)業(yè)機械與種植業(yè)全要素生產(chǎn)效率之間存在著相互決定、相互影響的關(guān)系，即農(nóng)業(yè)機械化能夠通過技術(shù)進步的方式影響種植業(yè)全要素生產(chǎn)率，而隨著種植業(yè)全要素生產(chǎn)率的提高以及農(nóng)戶收入的增加，農(nóng)戶作為種植業(yè)全要素生產(chǎn)率提高的既得利益者，勢必會產(chǎn)生推動農(nóng)業(yè)機械化的內(nèi)生動力。因此對農(nóng)業(yè)機械化以及種植業(yè)全要素生產(chǎn)率直接回歸必然存在內(nèi)生性的問題，而如果不考慮農(nóng)業(yè)機械化的內(nèi)生性問題，那么估計出來結(jié)果不一定能說明農(nóng)業(yè)機械化會促進種植業(yè)全要素生產(chǎn)率的提高，因此有必要對農(nóng)業(yè)機械與種植業(yè)全要素生產(chǎn)率之間的關(guān)系進行再深入的研究。綜上所述，本文運用面板門檻模型，以農(nóng)村人口老齡化率為門檻變量，研究分析農(nóng)業(yè)機械化對種植業(yè)全要素生產(chǎn)率的影響，最后通過引入工具變量地形，探討分析農(nóng)業(yè)機械化與種植業(yè)全要素生產(chǎn)率之間的內(nèi)生性問題。

2 理論分析

目前，學(xué)界對于全要素生產(chǎn)率的概念的界定仍未達成共識，因此，本文借鑒孫曉華等[23]對全要素生產(chǎn)率下的定義。對種植業(yè)全要素生產(chǎn)率進行如下定義：種植業(yè)全要素生產(chǎn)率是一種能夠反映種植業(yè)生產(chǎn)過程中各種投入要素的平均產(chǎn)出水平，即投入轉(zhuǎn)化為最終產(chǎn)出的總體效率，能夠體現(xiàn)種植業(yè)生產(chǎn)率本質(zhì)的評價指標。

農(nóng)業(yè)種植是一個十分重視技術(shù)和經(jīng)驗的生產(chǎn)活動，不同年齡段的農(nóng)村勞動力對于農(nóng)業(yè)機械使用有著較為明顯的差異，在傳統(tǒng)種植技術(shù)方面，年長者比年輕者要更有經(jīng)驗，而在以機械化作業(yè)為前提的現(xiàn)代農(nóng)業(yè)生產(chǎn)下，年輕者則能夠更快地熟悉和熟練地使用農(nóng)業(yè)機械。與此同時，袁文勝等[24]認為對農(nóng)業(yè)機械的熟悉和操作的熟練程度會對農(nóng)作物的生長發(fā)育產(chǎn)生影響，進而影響到全要素生產(chǎn)率。因此，在不同的老齡化程度下，農(nóng)業(yè)機械化率對種植業(yè)的全要素生產(chǎn)率影響也不同。即農(nóng)業(yè)機械化率與種植業(yè)全要素生產(chǎn)率是一種非線性關(guān)系。在我國由于生育率降低、預(yù)期壽命延長所造成的人口老齡化程度不斷加深，以及農(nóng)村勞動力轉(zhuǎn)移所帶來的農(nóng)村老齡化、空心化問題的現(xiàn)實大背景下，農(nóng)村人口老齡化問題將變得尤為嚴重。因此，研究分析在不同農(nóng)村人口老齡化程度下，農(nóng)業(yè)機械化對種植業(yè)全要素生產(chǎn)率的影響研究，具有一定的現(xiàn)實意義。本文選擇農(nóng)村人口老齡化率為門檻變量。

地形是制約農(nóng)業(yè)機械化生產(chǎn)的重要因素。雖然農(nóng)業(yè)機械化的發(fā)展可以通過促進農(nóng)業(yè)技術(shù)進步的方式來提高種植業(yè)全要素生產(chǎn)率，但由于不同地區(qū)存在的地形異質(zhì)性，地形較為復(fù)雜的地區(qū)，農(nóng)機難以進入，坡度較高地區(qū)的耕地也難以使用大型農(nóng)機，這些地區(qū)往往采用人工勞動方式，因此在地形坡度較高的地區(qū)，農(nóng)業(yè)機械化水平普遍較低，即地區(qū)地形坡度與其農(nóng)業(yè)機械化水平高度相關(guān)。

圖1 農(nóng)業(yè)機械化對種植業(yè)全要素生產(chǎn)率影響的機制分析圖Fig.1 Mechanism analysis chart of agricultural mechanization’s influence on total factor productivity of planting industry

3 模型設(shè)定與變量選取

3.1 面板門檻模型設(shè)定

由上文可知，農(nóng)業(yè)機械化率與種植業(yè)全要素生產(chǎn)率是非線性關(guān)系。目前，針對變量非線性關(guān)系的研究主要有3種方法，即交叉項模型，先驗的分組檢驗，基于Hansen提出的門檻回歸模型。而三者中，Hansen提出的門檻模型結(jié)果更加客觀科學(xué)[25]，因此本文采用門檻模型進行相關(guān)的研究分析。根據(jù)所要研究核心變量，本文構(gòu)建面板門檻數(shù)據(jù)模型如式(1)所示。

Y=C+α1X×I(qit

α3Zit+uit+eit

(1)

式中：I——省份；

t——年度；

Y——種植業(yè)全要素生產(chǎn)率(被解釋變量)；

X——農(nóng)業(yè)機械化發(fā)展水平綜合變動指數(shù)(核心解釋變量)；

q——老齡化率(門檻變量)；

r——特定的門檻值；

Z——指控制變量；

I(·)——指標函數(shù)；

uit——個體固定效應(yīng)；

eit——隨機擾動項。

3.2 變量選取和數(shù)據(jù)來源

3.2.1 變量選取

被解釋變量：種植業(yè)全要素生產(chǎn)率測算值，根據(jù)種植業(yè)全要素生產(chǎn)率的已下定義以及參考過往學(xué)者的研究成果[26]，本文構(gòu)建了如表1所示的種植業(yè)全要素生產(chǎn)率測算指標體系。

表1 種植業(yè)全要素生產(chǎn)率測算指標體系Tab.1 Index system for measuring total factor productivity of planting industry

解釋變量：農(nóng)業(yè)機械化發(fā)展水平綜合指數(shù)，過往常常采用農(nóng)業(yè)機械總動力表征的農(nóng)業(yè)機械化水平對種植業(yè)的生產(chǎn)影響，可能低估了農(nóng)業(yè)機械化對種植業(yè)生產(chǎn)的貢獻，因此本文參考已有文獻[27]，參照中華人民共和國農(nóng)業(yè)行業(yè)標準NY/T1408.1-2007《農(nóng)業(yè)機械化水平評價第1部分:種植業(yè)》的行業(yè)標準評定指標和相應(yīng)的指標權(quán)重，借鑒史雪陽等[28]的做法:構(gòu)建了機械化水平評價指標體系。最后，由于主成分分析法需要各變量相互獨立，而機械化水平的部分測量指標信息有重疊和交叉，難以保證相互獨立。因此，本文選取熵值法測算各指標的權(quán)重系數(shù)，農(nóng)業(yè)機械化綜合發(fā)展水平評價指標及相應(yīng)的權(quán)重如表2所示，其中：Sja表示機耕面積，hm2；Sza表示應(yīng)耕面積，hm2；Sjb表示機播面積，hm2；Szb表示農(nóng)作物總播種面積；hm2；Sjc表示機械收獲面積，hm2；Szc表示總收獲面積，hm2；Sjd表示機械植保面積，hm2；Szd表示總植保面積，hm2；Sje表示機電灌溉面積，hm2；Sze表示總灌溉面積，hm2；R表示農(nóng)機服務(wù)收入，元；Zny表示農(nóng)業(yè)總產(chǎn)值，元；Pnj表示農(nóng)機總動力，kW；Lpx表示受專業(yè)培訓(xùn)的農(nóng)機人員，人；Lnj表示鄉(xiāng)村農(nóng)機人員總數(shù)，人；Lny表示農(nóng)業(yè)勞動力人數(shù)，人；Rnj表示農(nóng)機經(jīng)營利潤總額，元；Ynj表示農(nóng)業(yè)機械原值，元；L表示全社會從業(yè)人員數(shù)，人。

表2 機械化水平評價指標及相應(yīng)的權(quán)重Tab.2 Mechanization level evaluation index and corresponding weight

門檻變量：農(nóng)村人口老齡化率q，以農(nóng)村人口老齡化率度量。農(nóng)村人口老齡化率與從事農(nóng)業(yè)生產(chǎn)的老齡化現(xiàn)象高度一致[29]，因此，本文選取農(nóng)村人口老齡化率作為門檻變量。由于大量農(nóng)村戶籍人口遷移到城市，其中尤以青壯年勞動力為主，因此通過統(tǒng)計以戶籍所在地的農(nóng)村人口老齡化率作為解釋變量，將與實際的農(nóng)村人口老齡化率不符，使得測算數(shù)據(jù)比真實數(shù)據(jù)偏小，難以真實反應(yīng)從事農(nóng)業(yè)人口的老齡化程度對農(nóng)業(yè)機械的影響。因此，本文的農(nóng)村人口老齡化率的數(shù)據(jù)為通過對各地區(qū)農(nóng)村內(nèi)抽樣調(diào)查的方法計算得出，農(nóng)村人口老齡化的測算公式為：農(nóng)村人口老齡化率=農(nóng)村老年人口/農(nóng)村人口總數(shù)，農(nóng)村老年人口與農(nóng)村人口總數(shù)均由抽樣調(diào)查所得。

控制變量：農(nóng)村人力資本水平(Capital)、政府財政支農(nóng)強度(Finance)、產(chǎn)業(yè)結(jié)構(gòu)(Industry)。本文參考過往學(xué)者的研究成果：從教育、政策和結(jié)構(gòu)三個角度來選取影響種植業(yè)全要素生產(chǎn)率的因素，其中教育方面用農(nóng)村人力資本水平來衡量，具體操作為將學(xué)歷情況與受教育年限一一對應(yīng)，即將文盲、小學(xué)、初中、高中、中專、大專、本科、研究生及以上實際受教育年限分別設(shè)置為0、6、9、12、12、15、16和18.5年。政策方面則用政府財政支農(nóng)強度度量，具體表示為農(nóng)林水事務(wù)支出占總支出比重。產(chǎn)業(yè)方面則用第一產(chǎn)業(yè)就業(yè)人口占總?cè)丝诒戎貋矶攘哭r(nóng)業(yè)外部結(jié)構(gòu)因素[30]。

工具變量：地形(Terrain)=坡度≤6°的耕地面積/總耕地面積。好的工具變量應(yīng)該同時具備與被替換變量高度相關(guān)、被解釋變量不相關(guān)以及外生的特征[31]。首先，分析地形與農(nóng)業(yè)機械化和種植業(yè)全要素生產(chǎn)率的相關(guān)性。農(nóng)業(yè)機械化與地形坡度相關(guān)是因為地勢相對平坦的地區(qū)農(nóng)業(yè)機械大規(guī)模作業(yè)相對容易，而地形坡度較高的地區(qū)農(nóng)業(yè)機械作業(yè)相對困難。因此本文借鑒付華等[32]的研究成果，選取坡度小于6°耕地面積在總的耕地面積中的比例作為工具變量。其次，雖然有大量文獻研究得到耕地對種植業(yè)全要素生產(chǎn)率會產(chǎn)生直接影響，但是更多的是從耕地的土壤和土地流轉(zhuǎn)等方面。現(xiàn)階段尚未看到有文獻證實耕地的坡度會直接影響種植業(yè)全要素生產(chǎn)率。最后，分析地形的外生性。地形屬于自然地理變量。至今還沒有看到相關(guān)文獻證實種植業(yè)全要素生產(chǎn)率的提高或減少會造成當?shù)氐牡匦胃淖儭?/p>

3.2.2 數(shù)據(jù)來源

數(shù)據(jù)來源于2004—2018年相關(guān)統(tǒng)計年鑒，包括《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《全國農(nóng)產(chǎn)品成本收益匯編》《中國勞動統(tǒng)計年鑒》《中國農(nóng)業(yè)機械工業(yè)年鑒》《國內(nèi)外農(nóng)業(yè)機械化統(tǒng)計資料1949—2004》《全國農(nóng)業(yè)機械化統(tǒng)計資料匯編2005—2013》《數(shù)據(jù)禾基礎(chǔ)地理數(shù)據(jù)》《地理國情檢測云平臺》《人地系統(tǒng)主題數(shù)據(jù)庫》《中國勞動統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》(曾用名：《中國人口統(tǒng)計年鑒》)及各省相關(guān)統(tǒng)計年鑒與統(tǒng)計資料。

4 實證結(jié)果與分析

4.1 農(nóng)業(yè)機械化水平測算結(jié)果分析

由表3～表6數(shù)據(jù)可以發(fā)現(xiàn)：除北京、天津外，其他各省市的農(nóng)業(yè)機械化綜合發(fā)展水平總體上呈現(xiàn)上升的趨勢。西部地區(qū)尤其是西南地區(qū)，農(nóng)業(yè)機械化綜合發(fā)展水平始終處在一個較低區(qū)間。截止2018年年底，云貴川三省的農(nóng)業(yè)機械化綜合發(fā)展水平均處在22以下，東部地區(qū)除北京、上海以外，絕大部分地區(qū)的農(nóng)業(yè)機械化綜合發(fā)展水平處在一個較高的水平上(30以上)。東北地區(qū)，地勢平坦，自然條件優(yōu)越，十分適合大規(guī)模農(nóng)業(yè)機械的使用，因此黑吉遼的農(nóng)業(yè)機械化綜合發(fā)展水平始終位居全國前列，尤其是黑龍江和吉林兩省的農(nóng)業(yè)機械化綜合發(fā)展水平，從2014年起，就一直處在50以上的水平。相比較于其他地區(qū)，中部地區(qū)各省市的農(nóng)業(yè)機械化綜合發(fā)展水平總體來看處于中間地帶。截止2018年年底，在傳統(tǒng)的12個農(nóng)業(yè)大省(包括：河北、江蘇、山東、浙江、安徽、湖南、湖北、江西、四川、黑龍江、吉林、河南)中，除河南、四川以外，剩余的10個傳統(tǒng)農(nóng)業(yè)大省的農(nóng)業(yè)機械化綜合發(fā)展水平均處在30以上。截至2018年底，農(nóng)業(yè)機械化綜合發(fā)展水平較低(30以下)的省市有(由低到高)：貴州(4.23)、北京(14.53)、云南(14.70)、甘肅(16.25)、河南(19.25)、上海(19.87)、重慶(20.70)、青海(21.12)、四川(21.71)、陜西(22.11)、山西(22.84)以及廣東(25.23)。農(nóng)業(yè)機械化綜合發(fā)展水平位于中間部分(30～50)的省市有(由低到高)：河北(30.08)、福建(32.42)、寧夏(34.74)、遼寧(36.90)、海南(37.23)、天津(38.03)、新疆(39.99)、湖北(45.84)、廣西(46.08)、湖南(47.56)以及江西(49.81)。發(fā)展水平較高(50以上)的省市有(由低到高)：山東(56.52)、黑龍江(59.33)、內(nèi)蒙古(59.40)、浙江(64.39)、吉林(72.82)、安徽(81.72)以及江蘇(81.85)。

表3 東部地區(qū)2004—2018年農(nóng)業(yè)機械化發(fā)展水平綜合變動指數(shù)Tab.3 Comprehensive change index of agricultural mechanization development level in Eastern China from 2004 to 2018

表4 中部地區(qū)2004—2018年農(nóng)業(yè)機械化發(fā)展水平綜合變動指數(shù)Tab.4 Comprehensive change index of agricultural mechanization development level in Central China from 2004 to 2018

表5 西部地區(qū)2004—2018年農(nóng)業(yè)機械化發(fā)展水平綜合變動指數(shù)Tab.5 Comprehensive change index of agricultural mechanization development level in Western China from 2004 to 2018

表6 東北地區(qū)2004—2018年農(nóng)業(yè)機械化發(fā)展水平綜合變動指數(shù)Tab.6 Comprehensive change index of agricultural mechanization development level in Northeast China from 2004 to 2018

將東部、中部、西部、東北地區(qū)的農(nóng)業(yè)機械化綜合發(fā)展水平進行對比可以看出：東北地區(qū)的機械化發(fā)展水平常年處于領(lǐng)先位置，其次為東部地區(qū)、中部地區(qū)以及西部地區(qū)，結(jié)合上述分析可知，造成這一現(xiàn)狀的原因，除了是因為各個省市的自然地理條件外，還與其社會經(jīng)濟發(fā)展水平有關(guān)。因此各地區(qū)應(yīng)充分依托自身的資源稟賦優(yōu)勢，適當調(diào)整各地區(qū)的農(nóng)業(yè)機械化綜合發(fā)展水平，農(nóng)業(yè)大省以及自然條件相對優(yōu)越的省市應(yīng)積極推動農(nóng)業(yè)機械化以及推動農(nóng)業(yè)機械專業(yè)合作社的成立，使得農(nóng)業(yè)機械能夠得到充分的利用和使用。工業(yè)化、城市化率較高地區(qū)應(yīng)將重點放在二、三產(chǎn)業(yè)上。

4.2 種植業(yè)全要素生產(chǎn)率結(jié)果分析

本文將借鑒并參考過往學(xué)者的研究成果，采用Malmquist指數(shù)法來測算種植業(yè)全要素生產(chǎn)率，Malmquist指數(shù)法將種植業(yè)要素生產(chǎn)率分解為技術(shù)進步(TECHCH)、純技術(shù)效率(PECH)以及規(guī)模效率變化(SECH)三部分，其中純技術(shù)效率(PECH)與規(guī)模效率變化(SECH)之積為效率指數(shù)(EC)根據(jù)DEA-Malmquist指數(shù)法，t～t+1時期的Malmquist指數(shù)分解為

=TECHCH×PECH×SECH

=TECHCH×EC

Malmquist指數(shù)最初由Malmquist于1953年提出，指數(shù)值的不同意味著不同的生產(chǎn)水平，當指數(shù)值小于1時，意味著生產(chǎn)水平正在降低，指數(shù)值大于1時，意味著生產(chǎn)水平正在提高，當指數(shù)值等于1時，意味著生產(chǎn)水平保持不變。DEAP2.1軟件的操作結(jié)果如表7所示。

表7 2004—2018年種各地區(qū)種植業(yè)全要素生產(chǎn)率指數(shù)及其分解Tab.7 Total factor productivity index and its decomposition of planting industry in different regions from 2004 to 2018

由表7可知，各個地區(qū)的種植業(yè)全要素生產(chǎn)率均大于1，表明全國各地的生產(chǎn)水平均處于提高狀態(tài)，這與全國整體種植業(yè)TFP的增加是耦合的。除河北、安徽、湖南、江西、山西、甘肅、內(nèi)蒙古、云南、重慶、吉林以及遼寧十一個省份的純技術(shù)效率指數(shù)(PECH)小于1，其于省份均大于或者等于1，這表明我國多個省份的純技術(shù)效率指數(shù)在朝著好轉(zhuǎn)的方向發(fā)展。除山東、河南、內(nèi)蒙古、青海以及吉林五省的規(guī)模效率指數(shù)(SECH)小于1，其與各省市的規(guī)模效率指數(shù)均大于1或者等于1，說明我國大部分地方種植業(yè)規(guī)模正呈現(xiàn)上升的趨勢。全國30個省份的技術(shù)進步指數(shù)(TECHCH)均大于1，這意味著這些省份的農(nóng)業(yè)技術(shù)水平都有所增強。效率指數(shù)(EC)等于純技術(shù)效率指數(shù)(PECH)與規(guī)模效率(SECH)的乘積，由表7可知，30個省市的純技術(shù)進步指數(shù)(TECHCH)均大于效率指數(shù)(EC)，這與我國種植業(yè)全要素生產(chǎn)率的增長高度依賴于技術(shù)進步的特點高度吻合。

4.3 面板門檻結(jié)果分析

4.3.1 多重共線性檢驗

為防止回歸模型中的解釋變量之間由于存在精確相關(guān)關(guān)系或高度相關(guān)關(guān)系而使模型估計失真或難以估計準確。本文對解釋變量以及控制變量之間進行了Pearson相關(guān)系數(shù)以及VIF檢驗如表8所示。

表8 變量多重共線性檢驗的Pearson相關(guān)系數(shù)Tab.8 Pearson correlation coefficient of multicollinearity test

首先，除農(nóng)村人力資本水平(Capital)與產(chǎn)業(yè)結(jié)構(gòu)(Industry)之間的Pearson相關(guān)系數(shù)絕對值大于0.6外，其他各變量間的Pearson相關(guān)系數(shù)絕對值均小于0.6。其次，各變量的VIF值的最大值3.561<10，VIF的平均值為2.330，根據(jù)判斷多重共線性的兩個標準：(1)VIF平均值大于1，(2)最大VIF值大于10。只有兩個同時滿足才能得到各變量之間存在嚴重多重共線性這一結(jié)論。很顯然，本文中的各變量之間不存在嚴重的多重共線性。

4.3.2 單位根檢驗與協(xié)整檢驗

由于判斷各變量間是否存在長期的均衡關(guān)系，會對回歸結(jié)果產(chǎn)生重要影響。因此，本文需要進行單位根檢驗以及協(xié)整檢驗，檢驗結(jié)果如表9、表10所示。

由表9、表10可知，檢驗結(jié)果均顯著通過，說明變量間存在長期均衡關(guān)系，此時回歸結(jié)果有效。

表9 單位根檢驗Tab.9 Unit root test

表10 協(xié)整檢驗Tab.10 Cointegration test

4.3.3 門檻效應(yīng)檢驗

在進行門檻模型回歸之前，首先，對面板數(shù)據(jù)需要通過Hausman檢驗進行固定效應(yīng)模型與隨機效應(yīng)模型的選擇，Hausman檢驗P值為0.000 0，即采用固定效應(yīng)模型需要對面板數(shù)據(jù)進行門檻值個數(shù)檢驗判斷得到的門檻值是否真實的顯著性檢驗。其次，需要對面板數(shù)據(jù)進行門檻值個數(shù)檢驗，判斷得到的門檻值是否真實的顯著性檢驗。本文通過stata軟件對模型(1)進行了xthreg門限回歸檢驗，結(jié)果如表11所示。

由表11可知模型在單一門檻下通過5%的顯著性檢驗，在雙重門檻下并未通過10%的顯著性檢驗，由此可知，農(nóng)業(yè)機械化種植業(yè)全要素生產(chǎn)率之間存在單門檻效應(yīng)。

表11 門檻個數(shù)檢驗Tab.11 Threshold number test

4.3.4 門檻回歸結(jié)果分析

由表11的門檻個數(shù)檢驗可知，本文采用單門檻回歸模型，模型估計結(jié)果如表12所示。

通過對表12的模型結(jié)果分析可知：當農(nóng)村人口老齡化率低于13.45%時，農(nóng)業(yè)機械化程度的提高會有利于種植業(yè)全要素生產(chǎn)率的提高，影響系數(shù)顯著為0.000 4，即當農(nóng)村人口老齡化率低于13.45%時，農(nóng)業(yè)機械化綜合發(fā)展水平每增長1個單位，種植業(yè)全要素生產(chǎn)率將增加0.000 4。當跨過這一門檻值之后，農(nóng)業(yè)機械化就會對種植業(yè)生產(chǎn)造成不利影響，影響系數(shù)顯著為-0.002，即當老齡化率高于13.45%時，農(nóng)業(yè)機械化綜合發(fā)展水平每增長1個單位。種植業(yè)全要素生產(chǎn)率將減少0.002。出現(xiàn)這樣的原因是：農(nóng)業(yè)種植是一個十分重視技術(shù)和經(jīng)驗的生產(chǎn)活動，不同年齡段的農(nóng)村勞動力群體對于農(nóng)業(yè)機械使用有著較為明顯的差異，在傳統(tǒng)種植技術(shù)方面，年長者比年輕者要更有經(jīng)驗，而在以機械化作業(yè)為前提的現(xiàn)代農(nóng)業(yè)生產(chǎn)中，年輕者則能夠更快地熟悉和熟練地使用農(nóng)業(yè)機械。進而會對農(nóng)業(yè)生產(chǎn)的結(jié)果影響，最終影響種植業(yè)全要素生產(chǎn)率。

表12 農(nóng)業(yè)機械化對種植業(yè)全要素生產(chǎn)率的面板門檻效應(yīng)估計結(jié)果Tab.12 Estimation of panel threshold effect of agricultural mechanization on total factor productivity of planting industry

4.4 內(nèi)生性檢驗

為核心解釋變量選取合適的工具變量，是解決內(nèi)生性的主要辦法。

參考過往學(xué)者有關(guān)內(nèi)生性問題的研究分析[34]，在運用工具變量(地形)對農(nóng)業(yè)機械化與種植業(yè)全要素生產(chǎn)率之間的關(guān)系進行分析時，通常使用工具變量兩階段最小二乘法(IV-2SLS)的方法進行實證檢驗，以控制模型中的內(nèi)生性問題。在使用工具變量法之前，為了確保工具變量有效性，需要進行過度識別檢驗與弱工具變量檢驗，這里采用Sargen檢驗和Basmann進行過度識別檢驗，證明所有工具變量為外生，由于C-DW檢驗的F統(tǒng)計量216.597>10，說明弱工具變量問題得到有效控制。

表13 IV-2SLS模型的相關(guān)檢驗Tab.13 Correlation test of IV-2SLS model

表14展示了模型的IV-2SLS估計結(jié)果，采用單一門檻效應(yīng)模型，將表12和表14的結(jié)果進行對比，本文所關(guān)注的關(guān)鍵變量和顯著性水平基本保持一致，進一步驗證了本文結(jié)果的可靠。

表14 IV-2SLS估計結(jié)果Tab.14 IV-2SLS estimation results

4.5 穩(wěn)健性檢驗

為了進一步檢驗本文結(jié)論的可靠性，本文從兩方面進行了穩(wěn)健性檢驗，首先，本文選取農(nóng)業(yè)全要素生產(chǎn)率作為被解釋變量進行回歸。其次，將控制變量去掉，直接讓農(nóng)業(yè)機械化綜合發(fā)展水平與種植業(yè)全要素生產(chǎn)率之間進行門檻回歸。

檢驗結(jié)果如表16和表17所示，檢驗結(jié)果均顯示：核心解釋變量的系數(shù)符號、顯著性以及門檻變量的門檻值并沒有發(fā)生太大變化。進一步驗證了本文估計結(jié)果的可靠性。

表15 農(nóng)業(yè)全要素生產(chǎn)率測算指標體系Tab.15 Index system of total factor productivity in agriculture

表16 去掉控制變量的穩(wěn)健性檢驗Tab.16 Robustness test without control variables

表17 置換被解釋變量的穩(wěn)健性檢驗Tab.17 Robustness test of permutation explanatory variables

5 結(jié)論與建議

本文基于我國2004—2018年30個省級行政單位種植業(yè)有關(guān)的面板數(shù)據(jù)，分別測算了種植業(yè)全要素生產(chǎn)率以及農(nóng)業(yè)機械化綜合發(fā)展水平，運用面板模型，以農(nóng)村人口老齡化率為門檻變量，研究了農(nóng)業(yè)機械化對種植業(yè)全要素生產(chǎn)率的非線性關(guān)系。最后，通過引入工具變量地形，探究了農(nóng)業(yè)機械化與種植業(yè)全要素生產(chǎn)率之間的內(nèi)生性問題。(1)農(nóng)業(yè)機械化程度與種植業(yè)全要素生產(chǎn)率之間存在單門檻效應(yīng)。(2)農(nóng)村較高的老齡化水平，不利于農(nóng)業(yè)機械化對種植業(yè)全要素生產(chǎn)率的提高。當農(nóng)村人口老齡化率低于13.45%時，農(nóng)業(yè)機械化綜合發(fā)展水平每提高1個單位，則種植業(yè)全要素生產(chǎn)率提高0.000 4，當老齡化率高于13.45%時，農(nóng)業(yè)機械化綜合發(fā)展水平每提高1個單位，則種植業(yè)全要素生產(chǎn)率下降0.002。出現(xiàn)這樣的主要原因是由于老年群體難以熟悉和熟練的操作農(nóng)業(yè)機械，使得農(nóng)業(yè)機械難以發(fā)揮其通過提高農(nóng)業(yè)生產(chǎn)的技術(shù)水平來促進種植業(yè)全要素生產(chǎn)率的增長優(yōu)勢。(3)地形會通過影響農(nóng)業(yè)機械化水平，進而影響到種植業(yè)全要素生產(chǎn)率。(4)通過對各個省市農(nóng)業(yè)機械化綜合發(fā)展水平的測算，可以發(fā)現(xiàn)：東北地區(qū)的機械化發(fā)展水平常年處于領(lǐng)先位置，其次為東部地區(qū)、中部地區(qū)以及西部地區(qū)。地勢平坦地區(qū)(新疆、黑龍江、吉林等)的農(nóng)業(yè)機械化綜合發(fā)展水平大都較高。部分省市(北京、上海、廣東)由于其高度的城市化和工業(yè)化水平，使得這些地區(qū)即使擁有著非常好的發(fā)展農(nóng)業(yè)機械化的自然條件稟賦，但其農(nóng)業(yè)機械化綜合發(fā)展水平始終處于一個較低水平上。(5)通過對各個省市種植業(yè)全要素生產(chǎn)率的測算，發(fā)現(xiàn)全國各地的生產(chǎn)水平均處于提高狀態(tài)。這與全國整體種植業(yè)TFP的增加是耦合的。

基于以上幾點結(jié)論，本文提出如下建議：(1)積極推動農(nóng)業(yè)現(xiàn)代化的發(fā)展，努力提高農(nóng)業(yè)生產(chǎn)報酬，鼓勵更多的懂農(nóng)業(yè)、愛農(nóng)村、愛農(nóng)民的年輕人參與到農(nóng)業(yè)生產(chǎn)過程中來。(2)首先，積極鼓勵傳統(tǒng)農(nóng)業(yè)大省和自然條件稟賦相對優(yōu)越的省市推動農(nóng)業(yè)機械化的發(fā)展。其次，鼓勵農(nóng)業(yè)機械企業(yè)發(fā)明創(chuàng)造出更多適合地形較為復(fù)雜地區(qū)的農(nóng)業(yè)機械。(3)在我國老齡化進程不斷加深的大背景下，老年人群體在農(nóng)業(yè)生產(chǎn)群體中的占比不斷增加正在變得越來越難以逆轉(zhuǎn)。因此，加大力度對農(nóng)業(yè)生產(chǎn)群體進行有關(guān)農(nóng)業(yè)機械化與農(nóng)業(yè)現(xiàn)代化的培訓(xùn)變得越來越緊迫和必要。