農(nóng)業(yè)機械化與農(nóng)民收入的影響研究

摘要：農(nóng)業(yè)機械化是農(nóng)業(yè)現(xiàn)代化重要標(biāo)志和基礎(chǔ)支撐，其可以通過提高農(nóng)業(yè)生產(chǎn)效率、農(nóng)產(chǎn)品供給數(shù)量與質(zhì)量，促進(jìn)農(nóng)業(yè)勞動力轉(zhuǎn)移等，推動農(nóng)民增收。通過對浙江省81縣2012—2020年面板數(shù)據(jù)構(gòu)建縣級數(shù)據(jù)模型，實證檢驗農(nóng)業(yè)機械化對農(nóng)民收入的影響效應(yīng)。研究結(jié)果表明：農(nóng)業(yè)機械化水平的提高與農(nóng)民增收具有正向聯(lián)系，在浙江省范圍內(nèi)，機械化率每提高0.01，將帶動浙江省農(nóng)村居民可支配收入上漲0.025%，且結(jié)果顯著，而山區(qū)26縣的農(nóng)業(yè)機械化發(fā)展尚未實現(xiàn)增收作用；機械化水平的提高可顯著提高勞動生產(chǎn)率和推動勞動力轉(zhuǎn)移，有效促進(jìn)農(nóng)民增收，但在山區(qū)26縣尚未發(fā)揮出明顯的增收效果。因此，山區(qū)26縣還需通過推進(jìn)農(nóng)機作業(yè)條件改善、農(nóng)業(yè)裝備全領(lǐng)域研推用、農(nóng)業(yè)生產(chǎn)全環(huán)節(jié)標(biāo)準(zhǔn)化、社會化服務(wù)全范圍覆蓋補齊農(nóng)業(yè)機械化發(fā)展短板，以機械化賦能產(chǎn)業(yè)高質(zhì)量發(fā)展，促進(jìn)農(nóng)業(yè)增效、農(nóng)民增收。

關(guān)鍵詞：農(nóng)業(yè)機械化；農(nóng)民收入；共同富裕；浙江??；實證分析

中圖分類號：S-9； F323.8 文獻(xiàn)標(biāo)識碼：A 文章編號：2095?5553 （2024） 11?0265?07

Research on the influence of agricultural mechanization on farmers' income：

Empirical analysis based on county panel data in Zhejiang Province

Suo Lili， Wang Yu， Han Su， Shi Xiaoyan， Wu Meng， Xu Qing

（Zhejiang Academy of Agricultural Sciences， Hangzhou， 310021， China）

Abstract： Agricultural mechanization is an important symbol and fundamental support for agricultural modernization， which can increase farmers' income by improving agricultural production efficiency， the quantity and quality of agricultural product supply， promoting the transfer of agricultural labor， and so on. This paper constructs a county?level data model based on the panel data of 81 counties in Zhejiang Province from 2012 to 2020， and authentic proof tests the impact of agricultural mechanization on farmers' income in the province and 26 mountainous counties. The research results indicate that there is a positive correlation between the improvement of mechanization level and the increase of farmers' income. Within the province， every 0.01 increase in mechanization rate will drive the disposable income of rural residents in the province to increase by 0.025%， and the results are significant. However， the development of agricultural mechanization in 26 counties in mountainous areas has not yet achieved the effect of increasing income. The improvement of mechanization level can significantly improve labor productivity and promote labor transfer， effectively promoting farmers' income increase throughout the province， but it has not yet shown a significant income increase effect in 26 mountainous counties. Therefore， the 26 counties in mountainous areas still need to improve the operating conditions of agricultural machinery， promote the use of agricultural equipment in all fields， standardize all aspects of agricultural production， and provide full coverage of socialized services to fill the gaps in the development of agricultural mechanization， so as to enable high?quality development of the mechanization industry， promote agricultural efficiency， and increase farmers' income.

Keywords： agricultural mechanization; farmers' income; common prosperity; Zhejiang Province; empirical analysis

0 引言

農(nóng)業(yè)機械化和農(nóng)機裝備是轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式、提高農(nóng)村生產(chǎn)力的重要基礎(chǔ)，是實施鄉(xiāng)村振興戰(zhàn)略的重要支撐。沒有農(nóng)業(yè)機械化，就沒有農(nóng)業(yè)農(nóng)村現(xiàn)代化[1]。2022年國務(wù)院印發(fā)的《“十四五”推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化規(guī)劃》，提出來“十四五”時期農(nóng)業(yè)農(nóng)村現(xiàn)代化的主要目標(biāo)就是增加農(nóng)民收入?！笆奈濉睍r期，浙江省面臨高質(zhì)量發(fā)展建設(shè)共同富裕示范區(qū)、爭創(chuàng)農(nóng)業(yè)農(nóng)村現(xiàn)代化先行的光榮使命，在這個有“七山一水兩分田”之稱，面積僅占全國陸域1.1%的南方丘陵山區(qū)省，有山區(qū)26縣，是浙江省中藥材、食用菌、油料、水果特色農(nóng)產(chǎn)品優(yōu)勢區(qū)，也是浙江省實現(xiàn)共同富裕道路上的重要任務(wù)和關(guān)鍵環(huán)節(jié)[2]。2021年，山區(qū)26縣農(nóng)作物耕種收機械化水平為62.6%，低于浙江省平均水平12.3個百分點，農(nóng)村居民人均可支配收入為27 619元，低于浙江省平均水平21.6個百分點。那么，如何破解山區(qū)26縣農(nóng)業(yè)機械化發(fā)展水平提升難題，變機械化生產(chǎn)的薄弱點為產(chǎn)業(yè)提升、農(nóng)民增收的增長點。因此，本文通過實證分析農(nóng)業(yè)機械化對浙江省及山區(qū)26縣農(nóng)民收入的增長效應(yīng)及其中介路徑，提出山區(qū)26縣農(nóng)業(yè)機械化水平提升對策，發(fā)揮農(nóng)業(yè)機械化促進(jìn)農(nóng)民增收過程中的綜合效應(yīng)，推動農(nóng)業(yè)高質(zhì)高效發(fā)展具有重要意義。

1 現(xiàn)狀分析

1.1 農(nóng)業(yè)機械化發(fā)展現(xiàn)狀

2012—2021年，浙江省農(nóng)作物耕種收綜合機械化率由50.9%增長到74.9%，如圖1所示。

山區(qū)26縣主要位于浙江南部，指衢州、麗水兩市的所轄縣（市、區(qū)），以及淳安、永嘉、平陽、蒼南、文成、泰順、武義、磐安、三門、天臺、仙居等山區(qū)縣，土地面積約占全省的45%，人口約占全省24%，是全省中藥材、食用菌、油料、水果特色農(nóng)產(chǎn)品優(yōu)勢區(qū)，2021年分別為全省貢獻(xiàn)了59.6%、59.8%、37.6%和38.7%的產(chǎn)出。磐安道地藥材、龍泉食用菌、蒼南番茄、青田油茶等山區(qū)優(yōu)勢特色產(chǎn)業(yè)年產(chǎn)值均超過5億元，成為山區(qū)農(nóng)民增收致富的支柱產(chǎn)業(yè)。在“機械強農(nóng)、科技強農(nóng)”雙強行動驅(qū)動下，山區(qū)26縣農(nóng)作物耕種收機械化增幅比全省平均水平高2.4個百分點，畜牧、水產(chǎn)、設(shè)施種植和農(nóng)產(chǎn)品初加工等機械化水平保持快速增長。

1.2 農(nóng)民收入現(xiàn)狀

2012—2021年，浙江省農(nóng)村居民可支配收入由14 552元增長到35 247元（圖1），山區(qū)26縣農(nóng)村居民人均可支配收入由10 116元增長至27 619元，增長了2.73倍，增速連續(xù)10年高于城鎮(zhèn)居民，城鄉(xiāng)居民收入比由2012年的2.52縮小到2021年的1.94。山區(qū)26縣收入結(jié)構(gòu)與全省基本一致。以衢州、麗水農(nóng)民收入為例，工資性收入是農(nóng)民收入的主要來源，但工資性收入、經(jīng)營性收入、財產(chǎn)性收入均低于全省平均水平，說明兩地農(nóng)民向二三產(chǎn)轉(zhuǎn)移、農(nóng)業(yè)生產(chǎn)效率、對外投資和財產(chǎn)租賃等均不強，但由于政府對“三農(nóng)”的各種補貼相對較高，轉(zhuǎn)移性收入占比高于全省平均水平。

1.3 農(nóng)民收入影響因素研究現(xiàn)狀

關(guān)于農(nóng)民收入的影響因素研究比較豐富，農(nóng)民資本稟賦、農(nóng)村經(jīng)濟制度安排、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變化、農(nóng)業(yè)技術(shù)進(jìn)步及其客觀生產(chǎn)條件等都是推動農(nóng)村經(jīng)濟增長、提高農(nóng)民收入的重要驅(qū)動力[3]。有的學(xué)者指出，隨著城鎮(zhèn)化的推進(jìn)，不僅會制約農(nóng)村勞動力就業(yè)人數(shù)的增長，還會因家庭贍養(yǎng)負(fù)擔(dān)人口的增加，從而抑制龍頭企業(yè)和加快農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級是實現(xiàn)農(nóng)民增收的有效途徑[4， 5]。財政支農(nóng)力度與農(nóng)民收入之間具有正向的強相關(guān)性[6]。隨著土地流轉(zhuǎn)比例的增加，農(nóng)民增收的效應(yīng)表現(xiàn)為先增加后降低的“倒u型”曲線[7]。盡管勞動節(jié)約型技術(shù)對農(nóng)民增收影響重大，但是技術(shù)進(jìn)步總體上并不能使農(nóng)民收入明顯提升[8]。但是，也有學(xué)者指出，無論是短期還是長期，農(nóng)業(yè)技術(shù)進(jìn)步對涉農(nóng)與非農(nóng)收入都有一定的提升作用[9]。農(nóng)業(yè)技術(shù)進(jìn)步不僅對農(nóng)民增收有直接效應(yīng)，也會通過勞動力遷移模式產(chǎn)生間接作用[10]。農(nóng)村人口的教育、健康、技能水平及其家庭稟賦同樣也是促進(jìn)農(nóng)民增收的重要因素[11]。機械化可以直接作用于農(nóng)業(yè)收入增長，也可以通過勞動力轉(zhuǎn)移作為中介變量“部分地”促進(jìn)非農(nóng)收入增長[12]。有學(xué)者實證檢驗了農(nóng)業(yè)機械化對農(nóng)民收入的單向或雙向因果關(guān)系[13， 14]。也有學(xué)者基于農(nóng)業(yè)技術(shù)進(jìn)步、農(nóng)機服務(wù)等視角測度農(nóng)業(yè)機械化對農(nóng)民增收的貢獻(xiàn)率[15]。但是，也有學(xué)者提出，農(nóng)業(yè)機械化和農(nóng)業(yè)技術(shù)水平的提升對需求彈性、技術(shù)要求比較低的農(nóng)業(yè)產(chǎn)業(yè)可能存在負(fù)向影響[16]。

本文的邊際貢獻(xiàn)主要表現(xiàn)在以下幾個方面：（1）目前學(xué)術(shù)界關(guān)于農(nóng)業(yè)機械化對農(nóng)民增收的作用路徑缺乏全面討論，本文從縣級層面展開實證分析，并在此基礎(chǔ)上利用中介效應(yīng)模型對不同路徑進(jìn)行識別，進(jìn)一步討論了機械化率對農(nóng)民增收的作用機制，為農(nóng)業(yè)機械化更好地促進(jìn)農(nóng)民收入增加提供了新思路。（2）既有文獻(xiàn)以農(nóng)業(yè)機械總動力衡量機械化水平，考慮到2012年后浙江省高耗能農(nóng)業(yè)機械報廢補償相關(guān)政策，農(nóng)業(yè)機械總動力無法準(zhǔn)確衡量農(nóng)業(yè)機械化水平，且農(nóng)機跨區(qū)作業(yè)的存在使得農(nóng)機總動力低的地區(qū)也可能具有較高農(nóng)業(yè)機械化水平，因此選取農(nóng)作物耕種收綜合機械化率來衡量農(nóng)業(yè)機械化水平，為之后農(nóng)業(yè)機械化相關(guān)研究提供參考。（3）考慮到山區(qū)26縣是浙江省實現(xiàn)共同富裕先行和省域現(xiàn)代化先行“兩個先行”的重點地區(qū)，也是提高農(nóng)業(yè)機械化水平的關(guān)鍵短板，增加地區(qū)異質(zhì)性分析，并考慮農(nóng)業(yè)機械化對農(nóng)民收入的滯后性影響，從而更加準(zhǔn)確地判斷農(nóng)業(yè)機械化對農(nóng)民收入的作用效果。

2 理論分析與研究假說

各農(nóng)業(yè)機械化是利用機器代替人畜力進(jìn)行農(nóng)業(yè)生產(chǎn)的技術(shù)改造和經(jīng)濟發(fā)展過程，農(nóng)業(yè)機械化的發(fā)展能夠通過提高農(nóng)產(chǎn)品供給數(shù)量、供給質(zhì)量和供給效益等，實現(xiàn)農(nóng)業(yè)供給能力和供給水平的提高，進(jìn)行推動農(nóng)民增收。經(jīng)典農(nóng)業(yè)經(jīng)濟理論認(rèn)為，農(nóng)業(yè)機械化的發(fā)展具有規(guī)模效應(yīng)，而浙江省的耕地資源地形地貌多樣化、分布細(xì)碎化、地權(quán)分散化的特征可能會制約農(nóng)業(yè)機械化大規(guī)模種植養(yǎng)殖的發(fā)展。然而事實并非如此，由圖1可以看出，浙江省的農(nóng)業(yè)生產(chǎn)正向機械化大步邁進(jìn)，農(nóng)民的收入也隨之發(fā)生增長。

農(nóng)業(yè)機械作業(yè)可實施人力無法達(dá)到的現(xiàn)代科學(xué)農(nóng)藝要求，其廣泛應(yīng)用加快了農(nóng)業(yè)生產(chǎn)進(jìn)度，降低了農(nóng)民勞動強度，提高了勞動生產(chǎn)率，進(jìn)而促進(jìn)了農(nóng)民經(jīng)營性收入的上漲[17]。另一方面，農(nóng)業(yè)機械的廣泛應(yīng)用加快了農(nóng)業(yè)生產(chǎn)進(jìn)度，降低了農(nóng)民勞動強度，提供了勞動生產(chǎn)率。土地產(chǎn)出率或勞動生產(chǎn)率的提高都促進(jìn)了農(nóng)民經(jīng)營性收入的上漲。

機械化發(fā)展對農(nóng)業(yè)勞動力的替代使得大量勞動力由第一產(chǎn)業(yè)向第二、三產(chǎn)業(yè)轉(zhuǎn)移，非農(nóng)就業(yè)時間的增加使得農(nóng)民非農(nóng)收入也相應(yīng)增長，機械化可以通過促進(jìn)勞動力非農(nóng)轉(zhuǎn)移來增加農(nóng)民收入[14]。

基于上述分析，本文提出如下假說。

H1：農(nóng)業(yè)機械化水平的提高與農(nóng)民增收具有正向聯(lián)系。

H2：農(nóng)業(yè)機械化可以通過中介變量勞動生產(chǎn)率促進(jìn)農(nóng)民增收。

H3：農(nóng)業(yè)機械化可以通過中介變量勞動力轉(zhuǎn)移促進(jìn)農(nóng)民增收。

3 模型構(gòu)建與指標(biāo)數(shù)據(jù)處理

3.1 基準(zhǔn)回歸

本文將農(nóng)作物耕種收綜合機械化率作為外生變量引入模型，探究其對農(nóng)村居民可支配收入的影響。考慮到農(nóng)村居民可支配收入受往期收入影響，存在路徑依賴特征，使用動態(tài)面板模型展開研究，基準(zhǔn)回歸模型構(gòu)建如式（1）所示。

[lndpiit=α1 lndpiit-1+β1 machit+γ1 contit+di+vt+eit] （1）

式中： lndpiit——i縣在t年的農(nóng)村居民可支配收入水平；

machit——農(nóng)作物耕種收綜合機械化率；

contit——其他可能影響農(nóng)民收入的控制變量，包括農(nóng)藥使用量、化肥施用量、食品類商品零售價格指數(shù)、第一產(chǎn)業(yè)占比；

di、vt——縣級虛擬變量和年份虛擬變量，對縣級層面和時間層面的固有差異影響進(jìn)行控制；

eit——標(biāo)準(zhǔn)誤差項；

α1、β1、γ1——待估系數(shù)。

3.2 中介效應(yīng)檢驗

為識別機械化率影響農(nóng)民可支配收入的作用機制，本文主要考慮兩種中介作用：第一，機械化能否通過提高勞動生產(chǎn)率來促進(jìn)農(nóng)民收入增長。此時因變量為農(nóng)村居民可支配收入，自變量為農(nóng)作物耕種收綜合機械化率，中介變量為勞動生產(chǎn)率。第二，機械化能否通過提高促進(jìn)勞動力轉(zhuǎn)移來促進(jìn)農(nóng)民收入增長。此時因變量為農(nóng)村居民可支配收入，自變量為農(nóng)作物耕種收綜合機械化率，中介變量為勞動力轉(zhuǎn)移數(shù)量。模型構(gòu)建如式（2）～式（5）所示。

勞動生產(chǎn)率

[lnlaborit=α2 lnlaborit-1+β2 machit+γ2 contit+di+vt+eit] （2）

[lndpiit=α3 lndpiit-1+β3 machit+θ1 lnlaborit+γ3 contit+di+vt+eit] （3）

勞動力轉(zhuǎn)移

[transit=α4 lnlaborit-1+β4 machit+γ4 contit+di+vt+eit] （4）

[lndpiit=α5 lndpiit-1+β5 machit+θ2 transit+γ5 contit+di+vt+eit] （5）

3.3 樣本選擇與數(shù)據(jù)來源

為探究機械化對農(nóng)民收入的影響效應(yīng)，利用中介效應(yīng)模型比較了浙江省81縣以及山區(qū)26縣2012—2020年期間農(nóng)業(yè)機械化水平對農(nóng)民收入的作用效果和影響路徑。在充分考慮機械化率、農(nóng)業(yè)生產(chǎn)效率、勞動力轉(zhuǎn)移、農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)、政府財政補貼、農(nóng)藥化肥投入、市場價格、社會化服務(wù)、規(guī)?；a(chǎn)、基礎(chǔ)設(shè)施建設(shè)完善等各類可能對農(nóng)民收入產(chǎn)生影響變量的基礎(chǔ)上，受制于數(shù)據(jù)可獲性及模型擬合效果，最終選擇農(nóng)作物耕種收綜合機械化率為自變量，農(nóng)村居民可支配收入為因變量，勞動生產(chǎn)率、勞動力轉(zhuǎn)移為中介變量，農(nóng)藥、化肥、零售價格、一產(chǎn)占比為控制變量開展模型分析，相關(guān)數(shù)據(jù)來源于《浙江省統(tǒng)計年鑒》《浙江省農(nóng)業(yè)農(nóng)村統(tǒng)計資料》等統(tǒng)計資料。各主要變量及數(shù)據(jù)處理見表1。

4 實證結(jié)果與分析

4.1 基準(zhǔn)模型回歸結(jié)果

考慮到農(nóng)民收入可能存在的時間慣性，本文在實證模型中引入了因變量滯后項，且農(nóng)業(yè)機械化和農(nóng)民收入之間可能存在互為因果的內(nèi)生性問題。因此，為克服可能存在的內(nèi)生性問題和估計偏差，本文參照Arellano[18， 19]、Blundell[20]的廣義矩估計方法（GMM），使用系統(tǒng)GMM方法對原水平模型和差分變換后的模型同時進(jìn)行估計，來修正未觀察到的異方差問題、遺漏變量偏差、策略誤差以及潛在的內(nèi)生性問題。

基準(zhǔn)模型回歸結(jié)果如表2模型（1）所示。從檢驗結(jié)果來看，在控制縣域固定效應(yīng)、年份固定效應(yīng)，以及生產(chǎn)投入、市場價格及產(chǎn)業(yè)結(jié)構(gòu)等情況后，Arellano-Bond自相關(guān)檢驗中隨機誤差項的二階自相關(guān)的假設(shè)沒有被拒絕，表明Arellano-Bond估計量滿足一致性的前提條件，GMM估計方法適用于本文研究，農(nóng)民收入滯后項系數(shù)的顯著性也驗證了使用動態(tài)模型的必要性。Hansen過度識別檢驗沒有被拒絕，表明本文將變量滯后項作為工具變量的選擇是有效的，模型設(shè)定較為合理。

從具體估計系數(shù)看，實證擬合結(jié)果表明，在控制其他變量不變情況下，機械化水平的提高確實與農(nóng)民增收具有正向聯(lián)系。在浙江省范圍內(nèi)，機械化率每提高1%，就將帶動浙江省農(nóng)村居民可支配收入上漲0.025%，且結(jié)果顯著。有強烈證據(jù)證實農(nóng)業(yè)機械化水平的提升可促進(jìn)農(nóng)民收入增長。此外，農(nóng)民收入滯后項的估計系數(shù)符號為正且在1%的置信水平下顯著，表明農(nóng)村居民可支配收入存在一定的增長慣性和持續(xù)效應(yīng)。各控制變量中，農(nóng)藥使用量在5%的置信水平下對農(nóng)民收入存在顯著的負(fù)向影響，這可能是因為農(nóng)藥投入的增加加大了農(nóng)戶生產(chǎn)成本，致使農(nóng)民可支配收入下降；在10%的置信水平下，一產(chǎn)占比的降低有助于提高農(nóng)民收入。

4.2 地區(qū)異質(zhì)性對農(nóng)民增收影響

聚焦浙江省山區(qū)26縣農(nóng)村居民可支配收入遠(yuǎn)低于浙江省平均水平的客觀現(xiàn)實，為有效推進(jìn)山區(qū)26縣高質(zhì)量發(fā)展，本文進(jìn)一步分離出山區(qū)26縣子樣本進(jìn)行分組回歸，回歸結(jié)果如表2模型（2）所示。結(jié)果表明，在2012—2020年樣本期內(nèi)，山區(qū)26縣的農(nóng)業(yè)機械化發(fā)展尚未實現(xiàn)增收作用。這可能是因為，受自然形成的地形地貌約束，地塊坡度大、細(xì)碎凌亂且不規(guī)則、機耕道缺乏，導(dǎo)致農(nóng)機下田難、作業(yè)難、轉(zhuǎn)運難。如，2021年山區(qū)26縣累計建成高標(biāo)準(zhǔn)農(nóng)田面積280.8 khm2，與耕地面積占比僅46.3%，遠(yuǎn)低于浙江省60.7%的平均水平。山區(qū)26縣農(nóng)機應(yīng)用成本遠(yuǎn)高于平原地區(qū)，加之山區(qū)土地流轉(zhuǎn)和土地托管等限制農(nóng)業(yè)機械化推廣應(yīng)用問題尚未有效解決以及社會化服務(wù)能力弱等問題，過去9年間山區(qū)26縣農(nóng)業(yè)機械化水平的提升對農(nóng)村居民可支配收入影響不顯著。

4.2.1 勞動力生產(chǎn)率的中介效應(yīng)檢驗

根據(jù)前文模型設(shè)定，本文首先檢驗勞動生產(chǎn)率是否在機械化促進(jìn)農(nóng)民增收過程中起到了中介作用，模型估計結(jié)果見表3。

表3模型（3）估計結(jié)果表明，農(nóng)業(yè)機械化水平的提升在5%的置信水平下顯著提高勞動生產(chǎn)率，機械化率每提高1%，將推動勞動生產(chǎn)率提升0.121%，農(nóng)業(yè)機械作業(yè)有效實現(xiàn)了對勞動力的替換，促進(jìn)農(nóng)業(yè)勞動生產(chǎn)率提高。在模型（4）同時引入勞動生產(chǎn)率和機械化率時，勞動生產(chǎn)率對農(nóng)民收入有顯著的正向影響，機械化率估計系數(shù)和顯著性均明顯降低，在全省樣本中，勞動生產(chǎn)率是影響農(nóng)業(yè)機械化水平與農(nóng)民收入之間關(guān)系的重要路徑，農(nóng)業(yè)機械化通過促進(jìn)勞動生產(chǎn)率提高有效推動農(nóng)民收入增長。

從山區(qū)26縣子樣本來看，模型（5）結(jié)果表明，農(nóng)業(yè)機械化水平的提升同樣有助于推動勞動生產(chǎn)率提高，機械化水平每提高1%，將推動勞動生產(chǎn)率上漲0.100%；但勞動生產(chǎn)率的提升并未有效轉(zhuǎn)化為收入增長（模型（6））。這一方面可能是因為山區(qū)26縣子樣本中機械供給尚不充分，在提高勞動生產(chǎn)率的同時，收獲、初加工等環(huán)節(jié)仍舊對人工具有較高的依賴程度，農(nóng)業(yè)勞動力難以轉(zhuǎn)移；另一方面也可能因為部分被機器替代的勞動力在退出農(nóng)業(yè)生產(chǎn)的同時并未通過轉(zhuǎn)移到其他產(chǎn)業(yè)等渠道得到合理利用，閑置勞動力尚未發(fā)揮其賦能增收作用。

4.2.2 勞動力轉(zhuǎn)移的中介效應(yīng)檢驗

根據(jù)前文實證可以看出，勞動力變動是影響農(nóng)業(yè)機械化水平和農(nóng)民收入相互關(guān)系的重要因素。除了促進(jìn)勞動生產(chǎn)率提升外，農(nóng)業(yè)機械化也可通過推動勞動力非農(nóng)轉(zhuǎn)移的渠道實現(xiàn)工資性收入增長。根據(jù)前文模型設(shè)定，本文對勞動力轉(zhuǎn)移在機械化促進(jìn)農(nóng)民增收過程中的中介作用進(jìn)行檢驗，模型估計結(jié)果見表4。

表4模型（7）結(jié)果表明，農(nóng)業(yè)機械化水平的提升在5%的置信水平下顯著推動勞動力非農(nóng)轉(zhuǎn)移，機械化率每提高1%，將推動農(nóng)業(yè)勞動力占比下降0.000 3。在模型（8）同時引入勞動力轉(zhuǎn)移和機械化率時，勞動力轉(zhuǎn)移對農(nóng)民收入有顯著的負(fù)向影響，機械化率估計系數(shù)和顯著性均明顯降低，在浙江省樣本中，勞動力轉(zhuǎn)移是影響農(nóng)業(yè)機械化水平與農(nóng)民收入之間關(guān)系的重要路徑，農(nóng)業(yè)機械作業(yè)可通過推動農(nóng)業(yè)勞動力向非農(nóng)轉(zhuǎn)移來實現(xiàn)工資性收入增長，進(jìn)而實現(xiàn)可支配收入的提高。

從山區(qū)26縣子樣本來看，模型（9）結(jié)果表明農(nóng)業(yè)機械化可在5%的顯著水平下顯著促進(jìn)農(nóng)業(yè)勞動力轉(zhuǎn)移，農(nóng)業(yè)就業(yè)比重隨著機械化發(fā)展而顯著降低。模型（10）農(nóng)業(yè)機械化和勞動力轉(zhuǎn)移對農(nóng)民收入影響均不顯著。這可能是因為山區(qū)農(nóng)業(yè)轉(zhuǎn)移勞動力職業(yè)技能不高，就業(yè)競爭能力較弱，致使機器換人釋放勞動力的同時，勞動力供給結(jié)構(gòu)卻無法匹配勞動力需求結(jié)構(gòu)，致使缺乏技能的山區(qū)農(nóng)業(yè)轉(zhuǎn)移勞動力供大于求，無法有效轉(zhuǎn)移，另外轉(zhuǎn)移的勞動力也只能從事技術(shù)含量低的工作種類，因此未對農(nóng)民收入產(chǎn)生實質(zhì)性影響。山區(qū)26縣尚未形成機械化率提升-勞動力轉(zhuǎn)移-農(nóng)民增收的有效路徑。

5 結(jié)論與建議

5.1 結(jié)論

1） 在浙江省范圍內(nèi)，農(nóng)作物耕種收綜合機械化率的提升顯著提高了農(nóng)村居民可支配收入水平，機械化率每提高1%，浙江省農(nóng)村居民可支配收入上漲0.025%，即以2021年浙江省農(nóng)村居民可支配收入35 247元為例，當(dāng)控制其他變量不變時，機械化率提高1%，收入增長約92.4元。但需要注意的是，機械化率提升在山區(qū)26縣尚未實現(xiàn)農(nóng)民增收效果。

2） 以勞動生產(chǎn)率、勞動力轉(zhuǎn)移為中介變量探究機械化率對農(nóng)民收入的影響路徑發(fā)現(xiàn)，在浙江省樣本中，機械化率的增收效應(yīng)是通過提高勞動生產(chǎn)率、促進(jìn)勞動力轉(zhuǎn)移來實現(xiàn)的。然而，在山區(qū)26縣樣本中，機械化率的提升雖然也在一定程度上推動了勞動生產(chǎn)率提高和勞動力轉(zhuǎn)移，但二者在山區(qū)尚未發(fā)揮出明顯的增收效果。

因此，山區(qū)26縣還需進(jìn)一步以提升農(nóng)業(yè)機械化水平為抓手，充分發(fā)揮農(nóng)業(yè)機械化對農(nóng)業(yè)生產(chǎn)的作用效果，增強農(nóng)業(yè)綜合生產(chǎn)能力，促進(jìn)農(nóng)業(yè)增效、農(nóng)民增收。

5.2 建議

5.2.1 推進(jìn)農(nóng)機作業(yè)條件全方面改善

開展高標(biāo)準(zhǔn)農(nóng)田建設(shè)，逐步把山區(qū)26縣永久基本農(nóng)田全部建成高標(biāo)準(zhǔn)農(nóng)田。在保護(hù)生態(tài)的前提下，引導(dǎo)適度規(guī)模生產(chǎn)經(jīng)營，推進(jìn)農(nóng)田地塊小變大、短變長、陡變緩，并加大對機耕道、田間路的建設(shè)力度，切實改善農(nóng)機作業(yè)通行條件，坡度大于15°的園地探索通過軌道等形式解決機械上山的難題。規(guī)范山地設(shè)施大棚的建設(shè)，鼓勵26縣利用荒山荒坡等非耕地，建設(shè)生產(chǎn)、加工、冷鏈物流等一體化的現(xiàn)代設(shè)施農(nóng)業(yè)示范園，提高土地產(chǎn)出率。

5.2.2 推進(jìn)農(nóng)業(yè)機械裝備全領(lǐng)域研推用

強化山區(qū)26縣水果、蔬菜、茶葉等特色農(nóng)產(chǎn)品農(nóng)機裝備研發(fā)制造推廣協(xié)同攻關(guān)，研發(fā)適用小型機械和高效智能機械，對生產(chǎn)小眾特色產(chǎn)業(yè)短缺機具的企業(yè)給予支持。鼓勵當(dāng)?shù)剞r(nóng)業(yè)農(nóng)村部門結(jié)合生產(chǎn)主體在特色產(chǎn)業(yè)引進(jìn)農(nóng)機創(chuàng)新產(chǎn)品試用、試驗熟化、改進(jìn)提升和實地驗證，同時加強鑒定能力建設(shè)，縮短研發(fā)制造從樣品樣機向產(chǎn)業(yè)化生產(chǎn)的過程。

5.2.3 推進(jìn)農(nóng)業(yè)生產(chǎn)全環(huán)節(jié)標(biāo)準(zhǔn)化

開展農(nóng)機與農(nóng)藝融合研究，在一定區(qū)域內(nèi)統(tǒng)一種植模式、農(nóng)藝參數(shù)及農(nóng)機具規(guī)格，結(jié)合山區(qū)26縣特色產(chǎn)業(yè)品種培育、耕作制度、栽植方式、機械裝備等，總結(jié)形成不同產(chǎn)業(yè)、不同作物農(nóng)業(yè)機械化全程機械化技術(shù)模式，協(xié)同農(nóng)業(yè)機械化新技術(shù)和新裝備的試驗、熟化、示范和推廣應(yīng)用，整體提升各產(chǎn)業(yè)各環(huán)節(jié)機械化水平，并形成標(biāo)準(zhǔn)化生產(chǎn)、加工、農(nóng)旅等融合發(fā)展的一二三產(chǎn)業(yè)融合的全產(chǎn)業(yè)鏈模式，滿足農(nóng)民的季節(jié)性兼業(yè)需求，穩(wěn)定提高農(nóng)民的工資性收入。

5.2.4 推進(jìn)社會化服務(wù)全范圍覆蓋

鼓勵家庭農(nóng)場、農(nóng)業(yè)企業(yè)等新型農(nóng)業(yè)主體針對山區(qū)26縣特色產(chǎn)業(yè)利用土地、資金、技術(shù)、機具等生產(chǎn)要素從事農(nóng)機社會化服務(wù)，推動農(nóng)機社會化服務(wù)組織與農(nóng)民建立緊密利益連接機制，指導(dǎo)農(nóng)戶以市場需求為導(dǎo)向，實施開展統(tǒng)一耕種、統(tǒng)一大田托管、統(tǒng)一統(tǒng)防統(tǒng)治、統(tǒng)一烘干儲藏、統(tǒng)一加工銷售等標(biāo)準(zhǔn)化、專業(yè)化、規(guī)?；a(chǎn)，達(dá)到節(jié)本增效的目的。推行新型服務(wù)模式，如大力發(fā)展訂單農(nóng)業(yè)，引導(dǎo)龍頭企業(yè)、農(nóng)批市場、電商企業(yè)、大型超市等采取“農(nóng)戶（基地）+合作社+企業(yè)+市場”模式，不斷拉長和完善產(chǎn)業(yè)鏈。

5.2.5 推進(jìn)政府保障體系完善化建設(shè)

針對山區(qū)26縣適用機具提高補貼比例，鼓勵市縣通過累加補貼、優(yōu)機優(yōu)補等方式降低農(nóng)民購機成本?？s短山區(qū)急需短缺新機具享受補貼的周期，在合理配置資金的前提下，可參照日本等小型農(nóng)機具推廣的經(jīng)驗，在先導(dǎo)區(qū)試點提高新機具的首年度補貼比例，如第一年補貼70%，第二、三年補貼比例50%、30%逐年降低的方式促進(jìn)新機具的推廣。試點對山區(qū)26縣進(jìn)行燃油、維修保養(yǎng)等補貼，鼓勵農(nóng)民用機作業(yè)，加快推進(jìn)農(nóng)機報廢更新工作，確保農(nóng)戶用得起農(nóng)機，用得上好機。

參 考 文 獻(xiàn)

[ 1 ] 范靜. 農(nóng)業(yè)機械化對農(nóng)業(yè)增效農(nóng)民增收的影響[J]. 江蘇農(nóng)機化， 2021（6）： 32-35.

[ 2 ] 江玲潔. 共同富裕路上，一個都不能少——加快推動山區(qū)26縣跨越式高質(zhì)量發(fā)展[J]. 浙江經(jīng)濟， 2021（5）： 30-31.

[ 3 ] 宿楊. 寧夏農(nóng)民增收驅(qū)動力研究及對策建議[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2020， 41（6）： 212-221.

Su Yang. Study on driving forces of farmers' income increasing ils1XvquRncDYASFk9CfbWJv2fmPSS/cgYVUuh4nbUPE=n Ningxia and its countermeasures [J]. Chinese Journal of Agricultural Resources and Regional Planning， 2020， 41（6）： 212-221.

[ 4 ] 姜長云， 李俊茹. “十四五”時期促進(jìn)農(nóng)民增收的戰(zhàn)略思考[J]. 江淮論壇， 2021（2）： 38-44.

[ 5 ] 盧曉. 推動農(nóng)業(yè)產(chǎn)業(yè)化實現(xiàn)農(nóng)民增收[J]. 人民論壇， 2019（12）： 96-97.

[ 6 ] 朱湖根， 萬倫來， 金炎. 中國財政支持農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營項目對農(nóng)民收入增長影響的實證分析[J]. 中國農(nóng)村經(jīng)濟， 2007（12）： 28-34.

[ 7 ] 謝文寶， 陳彤， 劉國勇. 三權(quán)分置下土地流轉(zhuǎn)對農(nóng)民增收的實證研究——基于新疆宏微觀數(shù)據(jù)的分析[J]. 新疆社科論壇， 2017（4）： 68-72.

[ 8 ] 黃祖輝， 錢峰燕. 技術(shù)進(jìn)步對我國農(nóng)民收入的影響及對策分析[J]. 中國農(nóng)村經(jīng)濟， 2003（12）： 11-17.

[ 9 ] 陸文聰， 余新平. 中國農(nóng)業(yè)科技進(jìn)步與農(nóng)民收入增長[J]. 浙江大學(xué)學(xué)報（人文社會科學(xué)版）， 2013， 43（4）： 5-16.

Lu Wencong， Yu Xinping. Agricultural technological progress and farms' income growth in China [J]. Journal of Zhejiang University （Humanities and Social Sciences）， 2013， 43（4）： 5-16.

[10] 馬軼群， 孔婷婷. 農(nóng)業(yè)技術(shù)進(jìn)步、勞動力轉(zhuǎn)移與農(nóng)民收入差距[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版）， 2019， 18（6）： 35-44.

Ma Yiqun， Kong Tingting. Agricultural technology progress， labor force transfer and regional rural income gap [J]. Journal of South China Agricultural University （Social Science Edition）， 2019， 18（6）： 35-44.

[11] 闞大學(xué)， 呂連菊. 中部地區(qū)農(nóng)村教育水平及其不同層次對農(nóng)民收入差距的影響[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2020， 41（8）： 220-227.

Kan Daxue， Lü Lianju. The Impact of rural educational level and its different levels on farmers' income gap in central China [J]. Chinese Journal of Agricultural Resources and Regional Planning， 2020， 41（8）： 220-227.

[12] 李谷成， 李燁陽， 周曉時. 農(nóng)業(yè)機械化、勞動力轉(zhuǎn)移與農(nóng)民收入增長——孰因孰果？[J]. 中國農(nóng)村經(jīng)濟， 2018（11）： 112-127.

Li Gucheng， Li Yeyang， Zhou Xiaoshi. Agricultural mechanization， labor transfer and the growth of farmer's income： A re?examination of causality [J]. Chinese Rural Economy， 2018（11）： 112-127.

[13] 辛沖沖， 張敏， 李紅， 等. 新疆農(nóng)機化發(fā)展能否持續(xù)促進(jìn)農(nóng)民增收[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2015， 36（3）： 127-135.

Xin Chongchong， Zhang Min， Li Hong， et al. Can agricultural mechanization development continue to promote the farmers' income in Xinjiang [J]. Chinese Journal of Agricultural Resources and Regional Planning， 2015， 36（3）： 127-135.

[14] 李玉波， 楊淑杰， 鄔偉三， 等. 農(nóng)業(yè)機械化與農(nóng)民增收關(guān)系的交互動態(tài)響應(yīng)分析——基于吉林省統(tǒng)計核算數(shù)據(jù)[J]. 中國農(nóng)機化學(xué)報， 2021， 42（1）： 151-158.

Li Yubo， Yang Shujie， Wu Weisan， et al. Interactive dynamic response analysis of the relationship between agricultural mechanization and farmers' income increase： Based on statistics and accounting data of Jilin Province [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（1）： 151-158.

[15] 梁天麗， 張潔瑕. 農(nóng)業(yè)機械化對廣西農(nóng)民增收貢獻(xiàn)率實證分析[J]. 中國農(nóng)機化學(xué)報， 2021， 42（2）： 224-229.

Liang Tianli， Zhang Jiexia. Empirical analysis on the contribution rate of agricultural mechanization to farmers' income in Gangxi [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（2）： 224-229.

[16] 朱建軍， 胡繼連. 農(nóng)地流轉(zhuǎn)對我國農(nóng)民收入分配的影響研究——基于中國健康與養(yǎng)老追蹤調(diào)查數(shù)據(jù)[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版）， 2015， 15（3）： 75-82.

Zhu Jianjun， Hu Jilian. Analysis on the impact of farmland transfer on farmers' income distribution： Based on CHARLS data [J]. Journal of Nanjing Agricultural University （Social Sciences Edition）， 2015， 15（3）： 75-82.

[17] 宗錦耀， 劉憲， 李斯華， 等. 新的探索新的跨越——中國改革開放三十年中的農(nóng)業(yè)機械化[J]. 中國農(nóng)機化， 2008（6）： 3-15.

Zong Jinyao， Liu Xian， Li Sihua， et al. New exploration， new leap forward： Agricultural mechanization in the reform and opening?up of China over the past 30 years [J]. Journal of Chinese Agricultural Mechanization， 2008（6）： 3-15.

[18] Arellano M， Bond S. Some tests of specification for panel data： Monte Carlo evidence and an application to employment equations [J]. The Review of Economic Studies， 1991， 58（2）： 277-297.

[19] Arellano M， Bover O. Another look at the instrumental variable estimation of error?components models [J]. Journal of Econometrics， 1995， 68（1）： 29-51.

[20] Blundell R， Bond S. Initial conditions and moment restrictions in dynamic panel data models [J]. Journal of Econometrics， 1998， 87（1）： 115-143.