全国麦收高效有序推进

基于 Stigler（1961）信息经济学，农机服务市场存在信息不对称，导致收割服务价格不能充分反映各地供需缺口，产生跨区套利机会。引入 Hayek（1945）价格信号理论，市场价格通过传递各地收割需求信息引导农机流动，但信息传递的时滞可能导致空间错配。提出假说：H1：农机跨区作业服务价格与当地收割紧迫程度正相关；H2：信息基础设施越完善的地区，农机跨区流动对价格信号响应越快，空间配置效率越高；H3：存在一个最优的跨区调度半径，超越该半径后边际运输成本超过边际收益，导致效率损失。

采用县级面板数据的双重差分法，以"区域农业应急救灾中心"设立年份作为准自然实验，识别农机调度组织化对收割效率的因果效应。关键识别假设为平行趋势假定——中心设立前，处理组与对照组在收割进度、单产损失率等指标上无系统性差异。利用中心设立的渐进性，采用事件研究法检验事前趋势与动态处理效应。为处理可能的内生选址问题，使用地形起伏度、路网密度等地理变量作为工具变量进行两阶段估计。

基准模型设定为：`Y_it = α + β·Center_it + γ·X_it + μ_i + λ_t + ε_it`，其中 Y_it 为县 i 在年份 t 的收割效率指标（适收期内收割完成率、收割损耗率），Center_it 为应急救灾中心设立状态变量，X_it 为控制变量集（农机保有量、劳动力外出比例、路网密度、降水偏差）。进一步构建空间杜宾模型（SDM）以捕捉跨区农机流动的空间溢出效应：`Y_it = ρ·W·Y_it + β·Center_it + θ·W·Center_it + γ·X_it + μ_i + λ_t + ε_it`，W 为基于公路旅行时间的空间权重矩阵。

核心被解释变量为"收割窗口匹配度"——县级实际收割完成日期与农学最优收割窗口期（籽粒含水量 13%-15% 对应时段）的偏差天数，数据来源于全国农业气象观测站逐日记录与县级农情调度表。核心解释变量包括：农机服务市场厚度（县域内跨区作业农机数量/本地收割面积）、价格信号强度（省内其他县收割进度的加权平均值）、信息基础设施指数（农村宽带覆盖率、智能手机普及率）。数据来源为农业农村部农机化管理司、"三农"统计年鉴、中国气象局农气站观测数据（2015-2026年面板）。

（1）替换被解释变量：以县级小麦单产损失率（基于卫星遥感NDVI时序数据的产量估算与统计单产的差值）替代收割窗口匹配度，验证结论对指标选择的敏感性；（2）安慰剂检验：将应急救灾中心设立时间随机提前 2-3 年，若伪处理效应不显著则支持因果推断；（3）剔除极端天气年份样本，排除气象灾害对收割效率的混杂干扰；（4）使用省级边界断点回归，利用两省交界处邻近县在农机补贴政策上的差异作为外生变异来源，进一步排除遗漏变量偏误。

---

依据 Williamson（1985）交易成本经济学，农机收割服务具有时间专用性——小麦成熟后必须在 5-7 天适收期内完成收割，错过窗口期将导致籽粒脱落损失。这种时间专用性加上天气不确定性，使得现货市场交易面临极高的缔约后机会主义风险——农机手可能临时抬价或违约转向更高出价农户。提出假说：H1：农机应急作业服务队通过纵向一体化降低交易成本，其服务覆盖区域的收割违约率显著低于纯市场化调度区域；H2：基于"保底收费+绩效奖励"的混合合约比固定价格合约更能激励农机手在恶劣天气下履约；H3：服务队覆盖密度与农户收割等待时间呈倒 U 型关系，超过最优密度后管理协调成本上升。

利用各地农机应急作业服务队成立的时序差异，构建渐进双重差分识别框架。核心挑战在于服务队成立可能非随机——农业大县更可能率先组建。采用两阶段策略：第一阶段用各县小麦播种面积占耕地比重和历年收割期降水方差预测服务队成立概率（倾向得分），第二阶段在匹配样本上进行加权 DID 估计。同时，利用 2025 年中央财政农机应急服务专项资金下拨的准自然实验，以各县获得资金额度的离散变化作为工具变量，识别组织化程度提升对收割效率的外生冲击。

设定双重差分模型：`Y_ivt = α + β·Team_iv + δ·Post_t + θ·(Team_iv × Post_t) + γ·X_ivt + μ_v + λ_t + ε_ivt`，其中 i 为村庄，v 为县，t 为年份。Team_iv 为村庄是否有服务队覆盖，Post_t 为服务队成立前后虚拟变量，交互项系数 θ 为核心识别参数。进一步引入合约异质性分析模型：`Y_ivt = α + Σ_k β_k·ContractType_k + γ·X_ivt + μ_v + λ_t + ε_ivt`，ContractType_k 为第 k 种合约类型（固定价、保底+绩效、纯绩效），以检验最优激励合约形式。

核心被解释变量包括：收割履约率（实际收割面积/签约面积）、收割时滞（从农户发出收割需求到农机到田的平均小时数）、收割质量评分（籽粒破损率、割茬高度达标率）。核心解释变量为合约类型与治理结构特征：服务队的法人性质（合作社/村集体/企业）、合约形式（口头/书面）、计价方式（按亩/按产量分成/混合）。数据来源包括：课题组对黄淮海主产区 300 个村庄的入户问卷调查（2024-2026 年 3 个麦收季面板数据）、4976 支服务队的登记管理台账、县级农机管理部门行政记录。

（1）替换识别策略：以县级行政边界两侧 30km 范围内邻近村庄作为地理断点回归样本，利用两县服务队覆盖密度的制度性差异识别处理效应；（2）排除竞争性假说：控制农村道路硬化率、通信基站覆盖率等基础设施变量，排除"服务队效应仅是基础设施改善的代理"这一替代解释；（3）安慰剂结果变量：以同村玉米收割效率（玉米收割机械化率低、对时效性要求更低）作为安慰剂结果变量，若服务队仅对时间专用性强的小麦收割有显著效应，则支持交易成本机制；（4）Bootstrap 随机推断：随机分配服务队覆盖状态 1000 次，构建检验统计量经验分布。

---

根据 Kahneman & Tversky（1979）前景理论，农户在收割时机决策中面临多维度不确定性（降水概率、农机可得性、籽粒含水量），参考点依赖使其将"预期亩产"作为参照点，产生损失厌恶——宁可提前收割承受水分扣价，也不愿承担降雨导致的倒伏绝收风险。同时，当邻居开始收割时产生羊群效应，遵循"多数人在做的决策"这一社会规范启发式，导致过早或过晚收割的集体行动偏差。提出假说：H1：降水预报中 30% 的降雨概率被农户主观加权至 50% 以上（概率扭曲），导致过度提前收割；H2：当村级收割比例超过 60% 时，剩余未收割农户的收割急迫感呈非线性上升，锚定于邻居行为而非自身田间条件；H3：信息框架效应——以"延迟收割亩均损失 XX 元"的损失框架比"适时收割亩均增收 XX 元"的收益框架更能促使农户合理安排收割时间。

设计包含多重行为偏好的 lab-in-the-field 离散选择实验。每道选择题向农户呈现两个收割方案：（A）立即收割，单位面积产量为 X，概率 p 遭遇降雨损失；（B）等待 3 天收割，产量更高但面临不确定性。通过系统改变方案属性水平（降雨概率 10%/30%/50%/70%、降雨损失幅度、邻居收割比例、信息呈现框架），正交设计生成 16 个选择集，随机分配给 1000 户样本农户。通过混合 Logit 模型识别损失厌恶系数、概率权重函数弯曲参数与社会互动效应参数。为避免实验需求效应，设计激励相容的支付机制——随机抽取一个选择集的真实后果兑现。

基于随机效用最大化框架设定混合 Logit 模型：`U_njt = β_n·X_njt + ε_njt`，其中 n 为农户，j 为收割方案，t 为选择情境。X_njt 包含方案属性向量（产量、降雨概率、降雨损失、邻居收割率、框架类型）。β_n 为随机参数向量，假设损失厌恶系数服从对数正态分布、概率权重参数服从正态分布。进一步设定潜类别 Logit 模型以识别行为异质性类别：`U_njt|class_c = β_c·X_njt + ε_njt|class_c`，将农户分为"风险规避型""羊群追随型""理性计算型"等行为类别，估计各类别比例与协变量。

方案属性变量设计：降雨概率（10%/30%/50%/70%）、产量变化（+5%/-5%/-15%）、邻居收割比例（20%/40%/60%/80%）、信息框架（收益型/损失型/中性）。农户个体特征变量：风险偏好（DOSPERT 量表得分）、时间偏好（耐心贴现率实验）、数字素养（智能手机使用强度）、种植规模、非农收入占比。主要被解释变量为二元选择变量（立即收割=1，等待=0）。数据来源：课题组在河南、山东、河北、安徽 4 省 20 县 100 个村庄开展的入户行为实验（2026 年麦收前），同步收集 2024-2026 年 3 个麦收季的实际收割行为追溯数据以验证实验外推有效性。

（1）外部有效性验证：将行为实验估计的偏好参数（损失厌恶系数、概率权重参数）代入实际收割行为面板数据，检验实验参数是否能够预测真实世界的收割时机选择；（2）实验设计稳健性：通过移除极端属性水平（如降雨概率 70%）的选择集，检验参数估计对属性水平设计的敏感度；（3）次序效应检验：比较不同选择集呈现顺序下的参数差异，排除实验疲劳效应；（4）样本选择偏误修正：利用 Heckman 两阶段法修正因外出务工户主难以访谈到而产生的样本选择问题，使用村级外出务工比例作为排除变量。

---

依据周黎安（2007）晋升锦标赛理论，在粮食安全省长责任制考核压力下，地方官员将麦收完成速度作为向上级释放能力的"政绩信号"。然而根据 O'Brien & Li（1999）选择性政策执行框架，地方政府可能优先在交通便利、媒体关注度高的地区部署农机资源以最大化政绩显示度，而偏远地区收割保障力度不足。此外，1792 家区域农业应急救灾中心的跨县级协调涉及辖区间利益博弈——农机外调虽有利于全局最优，但可能损害本县收割时效性，导致"以邻为壑"的辖区保护主义。提出假说：H1：粮食安全考核权重越高的省份，麦收完成速度越快但收割损失率并未显著降低（速度-质量权衡）；H2：交通干线沿线县的农机调度响应速度显著快于偏远县，呈现出政绩显示导向的空间偏斜；H3：位于市级行政边界附近的县，在农机跨区调度中面临更高的协调摩擦成本。

利用 2020 年粮食安全省长责任制考核指标修订这一制度冲击——新考核体系将"粮食收获环节损失率"纳入核心指标，替代原有的"收割完成天数"指标。将这一考核指标切换作为准自然实验，采用广义 DID 比较指标修订前后县级收割治理行为的变化。同时，利用市级行政边界的地理断点回归——比较距市级边界 20km 内两侧县的农机跨区调度频率与收割完成时间，识别辖区保护主义效应。关键识别假定：在控制地理条件与种植结构后，边界两侧县的系统性差异仅来源于所属不同行政辖区的治理制度。

考核指标切换的 DID 模型：`Y_it = α + β·Post_t + γ·HighWeight_i + δ·(Post_t × HighWeight_i) + θ·X_it + μ_i + λ_t + ε_it`，其中 HighWeight_i 表示县 i 所在省份在考核修订前粮食安全考核权重是否高于中位数（高权重组=1），Post_t 为 2020 年及之后年份虚拟变量。δ 捕捉考核指标从"速度"转向"质量"对高考核权重地区的边际效应。地理断点回归模型：`Y_i = α + τ·D_i + f(loc_i) + γ·X_i + ε_i`，其中 D_i 为所在市虚拟变量，loc_i 为距市级边界距离，f(·)为局部线性或二次多项式。

核心被解释变量包括三类：收割速度指标（从成熟到收割完成的县域平均天数）、收割质量指标（县域收割环节损失率，基于农调队实割实测数据）、资源动员指标（县域内跨区农机日均流量、农机应急服务队出动频次）。核心解释变量：省级粮食安全考核中"收获环节损失"指标权重（手工编码各省考核文件）、县级距交通干线最短距离（GIS 测算）、县级领导任期与年龄（官员晋升激励的代理变量，数据来自领导干部数据库）。数据来源：2015-2026 年全国 2856 个县级单元面板，农业农村部农情调度系统 + 组织部领导干部数据库 + 全国公路 GIS 数据。

（1）替换官员激励度量：以县委书记是否在换届窗口期（距常规换届年份 ≤1 年）替代考核权重变量，检验晋升激励的稳健性；（2）虚假考核冲击：将考核指标修订时间人为提前至 2017 年或推后至 2022 年，若虚假冲击的处理效应不显著则支持因果推断；（3）排除极端天气干扰：剔除收割期累计降雨量超过历史均值 1.5 个标准差的年份-县域样本，排除自然灾害对收割速度的外生冲击；（4）空间安慰剂检验：随机置换县所属市级辖区 1000 次，构建断点回归估计量的经验分布，检验辖区边界效应是否显著偏离随机基准。

---

Schultz（1964）在《改造传统农业》中指出，传统农业停滞的根源不在于要素数量不足，而在于缺乏新的生产要素与组织形式。农机收割服务外包本质上是一种"纵向非一体化"的生产组织创新——农户将收割环节从家庭生产中分离，交由专业服务组织完成，在不改变土地细碎化格局的前提下实现机械化规模作业，这正是 Hayami & Ruttan（1985）诱致性技术变迁理论在劳动稀缺条件下的中国表达。提出假说：H1：农机收割服务外包率每提高 10 个百分点，小麦单产的技术效率提升 2-3 个百分点，且该效应在劳动力外流率高的地区更强（劳动替代机制）；H2：农机服务市场的竞争程度（以县域内跨区作业服务队数量度量）与收割服务价格呈负相关，与服务质量呈正相关，呈现出市场深化效应；H3：农机服务外包通过释放家庭劳动时间配置效率（非农就业增加）间接提升农户总收入，其间接福利效应超过直接成本节约效应。

核心识别挑战在于农机服务外包率与 TFP 之间的双向因果——TFP 越高的地区农机服务需求越大。采用县域农机购置补贴政策强度作为工具变量：中央财政农机购置补贴的县级分配额度部分取决于上一级农业主管部门的行政分配，这一分配过程受政治关联、预算惯性等因素影响，与当期 TFP 冲击不完全相关。此外，利用 Bartik 工具变量构造法（Bartik, 1991）：以各县初始农机服务队数量（2000 年固定值）与全国农机服务市场增长率（剔除本省贡献）的交乘项作为外包率的工具变量，捕捉外生的市场扩展趋势。

第一步通过随机前沿分析估计技术效率：`lnY_it = β_0 + Σ_j β_j·lnX_jit + v_it - u_it`，其中 Y_it 为县 i 在年份 t 的小麦单产，X_jit 为传统投入要素（种子、化肥、劳动、土地），v_it 为随机误差，u_it 为非负技术无效率项。第二步将估计的技术效率作为被解释变量进行 IV-2SLS 回归：`TE_it = α + γ·Outsource_it + δ·Z_it + μ_i + λ_t + ε_it`，其中 Outsource_it 为农机服务外包率（机收面积/总播种面积），识别采用上文所述工具变量。进一步进行 Malmquist 指数分解：`M_it = TEC_it × TC_it × SEC_it`，将 TFP 变动分解为技术效率变动、技术进步与规模效率变动，识别农机服务外包对每一分解因子的贡献。

生产函数投入变量：劳动投入（每亩标准工日）、化肥投入（折纯量）、种子投入（公斤/亩）、机械动力投入（千瓦时/亩）。农机服务外包率：机收面积/小麦播种面积，进一步按服务来源区分本地服务队与跨区服务队。市场结构变量：县域农机服务赫芬达尔指数（HHI）、农机收割服务价格（元/亩）、跨区农机到达及时率。工具变量：县级农机购置补贴额度、2000 年农机服务队存量 × 全国农机服务市场增长率。数据来源：1998-2026 年全国农村固定观察点 2 万余户面板数据、农业农村部农机化统计年报（县级层面）、全国农产品成本收益调查。

（1）替换生产率度量方法：以数据包络分析（DEA）代替随机前沿分析计算 Malmquist 指数，验证结论对效率估计方法的稳健性；（2）控制基础设施与制度变量：逐步加入县级公路密度、移动通信覆盖率、土地流转率、农业保险覆盖率等控制变量，检验农机服务外包对 TFP 的边际贡献是否因遗漏基础设施与制度变量而产生偏误；（3）子样本异质性分析：按地形（平原/丘陵/山地）、种植规模（大规模/小规模）、经济发展水平（高/中/低）分组回归，检验外包生产率效应的群体异质性；（4）工具变量有效性诊断：报告弱工具变量检验的 Cragg-Donald F 统计量与 Anderson-Rubin 检验的置信区间，若排除工具变量弱性后结论依然成立则增强论证可信度。

---