全国夏粮小麦已收获近七成

将各小麦主产省的联合收割机投入视为资本要素在不同"生产单元"间的配置问题。在一价律框架下，若要素市场无摩擦，收割机在各省的边际产出应趋于均等；但信息不对称（机手不了解各地收获需求）、物流成本（跨省运输通行费、燃油）、时间约束（麦收窗口期仅10-15天）形成配置摩擦。H1：收割机边际产出在省际间存在显著差异，且差异程度与跨省信息不对称程度正相关。H2：物流成本每降低10%，跨省收割机流动量增加约5-8%。H3：若消除信息摩擦和物流成本，全国平均收获效率可提升8-12个百分点。

利用"日度-省份"面板中联合收割机投入量与收获面积的非线性关系识别边际产出。关键策略：将各省每日收割机投入量对收获面积做面板固定效应回归，残差作为配置效率的代理变量。进一步利用"高速公路绿色通道政策"（农机跨区作业免通行费）覆盖范围变化作为物流成本的外生冲击，构造断点回归识别物流成本对跨省流动的因果效应。

第一阶段估计各省日度收获生产函数：Harvest_i,t = α + βln(Machines_i,t) + γln(Labor_i,t) + δWeather_i,t + μ_i + λ_t + ε_i,t。第二阶段计算各省收割机的边际产出(MP_M = β × Harvest_i,t / Machines_i,t)，检验省际MP_M的离散系数是否随时间收敛。第三阶段用 Gravity 模型：Flow_ij,t = exp(α + β₁ln(Distance_ij) + β₂ln(MP_diff_ij,t) + β₃Toll_ij + γX) + ε，其中 Flow_ij 为从省i流向省j的收割机数量。

被解释变量：各省日收获面积（万亩）。核心解释变量：联合收割机投入台数、农机手数量。MP_M差异通过 SFA 框架估算。Gravity 变量：省会间公路距离（公里）、是否存在跨省绿色通道（虚拟变量）、两省麦收高峰期重叠天数。控制变量：日降水量（≥10mm为不适宜作业日）、日平均温度、机收适宜度指数。数据覆盖 2021-2026年每年5月15日-6月20日，8个主产省份，约288个日度观测值。

第一，以邻省收割机数量作为工具变量处理农机投入的内生性（邻省供给影响本省可用机具但不受本省需求直接影响）。第二，替换生产函数形式为超越对数函数，检验MP_M估算对函数形式的敏感性。第三，将样本限定在河南、山东、河北三省（收获期时间梯度最明显），排除省份间不可比因素的干扰。第四，使用空间自回归模型（SAR）处理省际间的空间依赖——相邻省份的收获进度在空间上相关。

---

跨区机收涉及三方主体（机手、种植户、中介），面临资产专用性（收割机是沉没投资）、高度不确定性（天气导致收获期突变）、信息不对称（机手不清楚各地面积，农户不清楚机手质量）三重合约困境。农机合作社模式以纵向一体化降低搜寻成本但增加管理成本；经纪人模式以人际关系网络降低信息成本但增加代理成本；平台调度模式以数字技术降低匹配成本但面临双边信任难题。H1：交易频率高的地区倾向于合作社模式（内部化以节省重复缔约成本）；H2：信息不对称严重的地区经纪人模式占比更高；H3：数字基础设施完善的地区平台调度模式增长更快。

采用多案例比较法，在山东、河南、安徽三省各选择4县（共12县），控制农业结构相似性的同时最大化制度环境差异（如合作社发展水平、经纪人活跃度、数字基础设施建设）。对每县进行3-5个农机合作社、2-3个经纪人、10-15个种植户的半结构化访谈。交易成本的分项计量采用"作业成本法"——将收获总成本分解为搜寻成本（找地/找机时间与信息费）、缔约成本（合同签订与纠纷处理时间）、监督成本（机收质量核验时间）、执行成本（实际收割费用）。

种植户的模式选择使用 Ordered Probit 模型：Mode_i* = β₁TC_i + β₂Inst_i + β₃Farm_i + ε_i，其中 Mode_i 为从非正式口头约定到正式合作社签约的有序离散变量。交易成本 TC_i 的代理变量包括：离最近县城距离（信息可及性）、历年麦收纠纷次数、土地细碎化指数（地块数/经营总面积）。制度环境 Inst_i 包括：村集体组织化程度、当地农机补贴覆盖率、数字平台渗透率。

被解释变量：跨区机收的组织模式（1=个人散机随机收割、2=经纪人安排、3=合作社统一调度、4=数字化平台匹配）。解释变量组：（1）资产专用性——收割机的品牌型号专用化程度（是否仅适配特定作物）、机手跨省流动距离（公里）；（2）不确定性——近5年收获期天气变异系数、麦收持续时间标准差；（3）交易频率——机手年均跨区作业次数、服务地块数量。数据通过问卷调查（预计回收有效问卷300份）配合县级农机站行政记录获取。

第一，将 Ordered Probit 替换为 Multinomial Logit 模型，检验各选项独立性假设（IIA）是否满足。第二，使用工具变量法处理制度环境的内生性——以"该县1950年代初级社成立年份"作为合作社传统的工具变量，以"最近省道距离"作为数字平台渗透率的工具变量。第三，跨省比较：控制省份固定效应后，核心结论是否仍然成立？第四，对极端值进行 Winsorize 处理后重新回归。

---

麦收是一个时间约束极强的决策：过早收割小麦含水率偏高增加烘干成本，过晚收割可能遭遇烂场雨导致损失。在有限信息下，麦农的收割决策可能受到两个行为偏误的影响：（1）跟随效应——看到周边已开始大面积收割，产生"再不收割就落伍了"的羊群心理，即使含水率尚未达到最优水平也启动收割；（2）锚定效应——新闻媒体发布的全国或全省收获进度数据（如"已完成68.54%"）可能成为麦农判断"正常节奏"的锚点，影响其对自身进度快慢的感知。H1：县域收获进度每提高10个百分点，邻近县域次日收割速度显著加快，表明存在空间跟随效应。H2：全国进度锚点的发布使进度落后省份的麦农明显加快收割节奏（加速幅度超过天气和成熟度可解释的范围）。H3：锚定效应对小规模种植户（信息渠道单一）的影响显著大于规模经营主体。

双重识别策略：对跟随效应，运用空间计量模型——以邻县的同日收获进度为核心解释变量，预测本县次日的收割行为变化。对锚定效应，利用各省进度数据的发布时间差（有的省早上发，有的省下午发）作为外生变异，检验数据发布前后收割行为的变化。同时配合线上实验：向随机分组的麦农分别展示"全国进度60%"和"全国进度75%"两个版本的新闻信息，比较两组对"是否应加快收割"判断的差异。

跟随效应基准模型：Harvest_i,t+1 = α + ρΣw_ij × Harvest_j,t + β₁Maturity_i,t + β₂Weather_i,t + β₃ProgressGap_i,t + μ_i + ε_i,t，其中 w_ij 为县域i与县域j之间的空间权重（距离衰减）。ρ显著为正则存在跟随效应。锚定效应模型：Speed_i,t = α + β₁Anchor_t + β₂(Anchor_t × Lag_i,t) + γControls + μ_i + ε_i,t，其中 Anchor_t 为锚定日虚拟变量（全国进度数据发布日=1），Lag_i,t 为县域i相对全国平均进度的差距。

被解释变量：县域日收获面积增长率（%）、县域收割天数偏离最优收割日期的绝对值。核心解释变量：邻县加权平均收获进度、锚定日虚拟变量及其与进度差距的交互项。行为变量：麦农风险偏好（通过问卷测度——"面对50%概率损失20%产量vs确定性损失8%产量"的选择，识别损失厌恶程度）。控制变量：小麦成熟度指数（积温法估算）、收获期天气预报降水量与实际降水量之差（预报偏误）、农机可及性（县域收割机保有量/播种面积）。数据覆盖2024-2026年3个麦收季。

第一，将空间权重矩阵从距离倒数替换为是否同属一个地级市的邻接矩阵，检验跟随效应是否更集中于行政边界内。第二，将锚定日替换为省级进度数据发布日（而非全国数据），检验不同层级锚点的效应强度差异。第三，使用断点回归——在锚定日前后各5天的时间窗口中识别收割速度的断点跳跃，带宽敏感性检验（±3天、±7天）。第四，工具变量法——以邻县过去3年同一日历日的平均收割速度作为当期收割行为的工具变量，处理双向因果（我收割快也可能影响邻居）。

---

在 Hayami-Ruttan 诱致性技术变迁框架中，中国黄淮海麦区劳动力成本上升（诱因）推动了联合收割机的快速推广（技术响应）。但技术推广本身存在地理梯度：平原连片地区先行（安徽、河南）、丘陵山地地区滞后（山西、陕西），这构成了国内版本的"南北技术鸿沟"。Gerschenkron 后发优势假说预判：落后地区可以通过"跨区机收"借入先进地区的资本设备，实现比先进地区更快的效率提升速度。H1：中国南北麦区的收获效率（亩均收割时长）存在显著的β收敛，落后地区收敛速度约为每年3-5%。H2：跨区调度（外地收割机占比）对收敛速度的贡献份额超过40%。H3：中国麦收效率已接近美国水平，但边际提升空间集中在丘陵山区机械化。

核心识别：以县级单位面积收割时长（分钟/亩）为效率指标，建立面板β收敛模型。将"跨区收割机占比"作为收敛加速因子引入模型，检验其对收敛系数的调节效应。跨国比较：以DEA构建全球小麦收获效率前沿面（投入：机械动力+劳动小时，产出：单位时间收获面积），定位中国各省相对于前沿面的位置。关键识别假定：麦收效率技术前沿的跨国可比性建立在相似的收获作业特征之上。

基准β收敛方程：Δln(Efficiency_i,t) = α + βln(Efficiency_i,t-1) + γCrossRegion_i,t + δ[CrossRegion_i,t × ln(Efficiency_i,t-1)] + θX_i,t + μ_i + λ_t + ε_i,t。其中 β < 0 表示无条件收敛；交互项系数 δ < 0 表示跨区调度加速收敛。DEA模型使用投入导向规模可变（VRS）设定，计算各县相对于中国前沿面和全球前沿面的技术效率得分。

被解释变量：麦收效率 = ln(日收获面积 / 投入收割机台数)，反映单位机器的日作业能力。核心解释变量：上期效率的滞后值（收敛检验）、跨区收割机占比 = 省外牌照收割机数 / 收割机投入总数。控制变量：地块平均面积（亩/块）、田间道路通达度、收割期日均降水量、农机手平均年龄（代理经验与体能）。国际比较样本：中国12省 + 美国堪萨斯/北达科他州 + 加拿大萨斯喀彻温省 + 澳大利亚西澳州 + 法国北部平原区，2010-2026年。

第一，以单位面积收割劳动投入（工日/亩）替代资本投入指标，构造多要素效率指数，取代单要素效率进行收敛检验。第二，使用 System GMM 处理滞后因变量引入的内生性问题（Arellano-Bond 估计量）。第三，剔除极端天气年份（如2023年烂场雨），检验收敛趋势是否由气象异常驱动。第四，空间稳健性——使用空间β收敛模型（空间误差/空间滞后），控制省际空间溢出后检验收敛系数是否仍显著为负。

---

在 Acemoglu-Restrepo 任务模型中，自动化（联合收割机）同时产生替代效应（机器取代了手工收割劳动任务）和生产率效应（降低收割成本提高产出规模，可能增加对互补劳动的需求）。麦收场景的特殊性在于：手工收割是一项技能门槛极低的劳动密集型任务，过去吸纳了大量农村季节性剩余劳动力（尤其是50岁以上妇女）；而收割机操作、维修、烘干管理则是技能密集型任务。因此机械化可能产生"技能偏向型"的劳动需求变化——低技能岗位萎缩、高技能岗位扩张。H1：收割机投入每增加1万台，麦收季农业短期雇工人数减少约3-5万人（替代效应主导）。H2：农机驾驶员的时薪显著高于同地区同龄同性别的非技术农业务工者（技能溢价约20-35%）。H3：被替代的老年女性季节性劳动力再就业率显著低于青壮年男性。

以各省农机购置补贴力度差异和时间变化作为外生冲击，构造连续型 DID 识别机械化对就业的影响。处理强度 = 省农机补贴金额 / 耕地面积。被解释变量包括：县级麦收季（5-6月）农业短期雇工人数、农机手岗位数与工资、被替代劳动力的非农就业状态。利用个体层面的就业追踪面板（CMDS 的重复追踪样本），控制个体固定效应后识别就业状态转换。

基准 DID 模型：Emp_i,t = α + βSubsidy_i,t + γX_i,t + μ_i + λ_t + ε_i,t，其中 Emp 为代表就业的变量组（短期农业雇工人数、农机手人数、平均日工资）。个体层面转换模型使用固定效应 Logit：Pr(Move_i,t=1) = Φ(α + βMech_i,t + γAge_i + δFemale_i + θX_i,t + μ_i)。Oaxaca-Blinder 分解：ln(Wage_m) - ln(Wage_f) = Σβ_f(X̄_m - X̄_f) + ΣX̄_m(β_m - β_f)，将工资差异分解为禀赋效应（可解释部分）和技能溢价（不可解释部分）。

被解释变量组：（1）麦收季县域农业短期雇工人数（CMDS）；（2）农机手年均收入与日工资率；（3）被替代劳动力非农就业状态（是否外出务工、务工行业与收入）。核心解释变量：县域收割机保有量与增长率、同期外地收割机到访率（捕捉"借用设备"效应）。劳动力特征变量：年龄、性别、受教育年限、是否参加过农机驾驶培训。控制变量：县域非农产业发展水平（规模以上工业总产值）、最低工资标准、非农就业信息可及性（网络覆盖率）。样本覆盖华北平原、黄淮海平原主要产麦县，2018-2026年面板。

第一，以1950年代该县主要农作物类型（小麦vs水稻主导）作为当前收割机推广的工具变量——历史作物类型决定当前"路径依赖"的机械化强度，但与当期劳动力市场条件不直接相关。第二，替换就业变量的来源——使用统计年鉴中的乡村从业人员行业分布替代流动人口监测数据，检验数据来源敏感性。第三，将分析窗口限定在麦收当季（5月15日-6月20日），排除其他季节性因素的混淆。第四，分年龄段和性别进行子样本回归，量化异质性替代效应。第五，使用空间 DID（邻近处理县的就业溢出效应）检验劳动力是否跨县流动以规避替代冲击。

---