全国小麦收获过八成 夏播进入高峰

基于 Hayami-Ruttan 诱致性技术变迁理论，农业劳动力成本上升将诱导机械替代劳动。本文提出三个假说：H1 农业机械化通过缩短收获窗口期减少产后损失，提升技术效率；H2 机械化通过释放劳动力促进非农转移，改善要素配置效率；H3 智能高端农机的效率增益在小规模经营中受限于不可分性，规模经营主体受益更大。

核心挑战在于农机投入与生产率之间的内生性——高生产率地区可能率先采用农机。本文利用各省农机购置补贴政策实施年份的差异作为工具变量，补贴力度变化外生于个体农户的生产率水平。同时借助黄淮海、长江中下游等不同农区的地理气候差异构造队列双重差分，控制时间趋势。

第一步，采用超越对数形式的随机前沿生产函数估计技术效率：lnY_it = β₀ + β₁lnL_it + β₂lnK_it + β₃lnM_it + 0.5ΣΣβ_jk lnX_j lnX_k + v_it - u_it。第二步，以技术效率为被解释变量，农机投入强度为核心解释变量，控制土地规模、灌溉率、劳动力教育水平等，设定双向固定效应模型：TE_it = α + δ·Mech_it + γ·X_it + μ_i + λ_t + ε_it。

被解释变量为小麦亩均产量与 SFA 估计的技术效率指数。核心解释变量为亩均农机动力投入（千瓦/亩）和机收率。工具变量为省级农机购置补贴金额（滞后一期）。控制变量包括化肥投入、灌溉面积占比、经营者年龄与受教育年限、地块数量（衡量土地细碎化）。数据来源覆盖 2000-2025 年全国农村固定观察点，样本包含 12 个小麦主产省约 8000 个农户。

第一，替换核心解释变量：将农机动力投入替换为农机服务外包支出占比，检验机械服务市场化的替代效应；第二，更换估计方法：采用 Olley-Pakes 半参数法替代 SFA 估计全要素生产率，规避联立性偏误；第三，安慰剂检验：以玉米或其他非小麦作物的生产率作为伪结果变量，验证效应仅存在于机械替代显著的环节；第四，剔除极端样本：去掉经营规模前 1% 和后 1% 的样本。

---

农机跨区作业具有地点专用性（设备须奔赴特定地块）、时间专用性（收获窗口仅数天）和人力资本专用性（机手技能），构成 Williamson 意义上的资产专用性。本文提出假说：H1 资产专用性越高，交易方越倾向纵向一体化（合作社自营）而非市场契约；H2 在中等专用性场景中，嵌入社会网络的"关系型契约"能以更低交易成本实现治理；H3 信息平台（如农机调度 App）降低搜寻成本，改变治理结构最优边界。

采用多案例研究设计，遵循"理论抽样"原则在黄淮海小麦主产区选取 6 个典型农机合作社——覆盖纯市场中介、松散联合体、紧密型合作社三种治理模式。通过"模式匹配"（pattern matching）方法，将案例中观测到的契约安排、纠纷处理、履约保障等特征与 Williamson 治理结构理论的预测进行对照，验证或修正理论。

交易成本测算方面，将总交易成本分解为搜寻成本（信息获取与议价）、缔约成本（合同签订与保证金）、执行成本（监督与纠纷解决）。构建跨案例的标准化成本矩阵：TC_i = C_search,i + C_contract,i + C_enforce,i。以每亩作业面积的平均交易成本为比较基准，控制作业规模、地形条件、地块分散度等因素，运用模糊集定性比较分析（fsQCA）识别低交易成本的条件组合。

搜寻成本以信息获取时间（天）和通讯费用衡量；缔约成本以合同复杂度（条款数量、是否书面）和保证金比例衡量；执行成本以机手监督人数占比、纠纷发生频率和平均解决时间衡量。数据来源为 2024-2026 年三个"三夏"季度的田野调查，涵盖 6 个合作社、访谈 40 位机手和 60 位农户，收集作业台账记录约 3000 条。

第一，扩展案例数量：增加长江中下游水稻产区的 3 个农机合作社作为对照，验证结论的地域外推性；第二，替换成本测算方法：以机手主观评价（Likert 量表）的交易困难程度作为交易成本的代理变量，与客观成本指标交叉验证；第三，时序对比：比较同一合作社引入智能调度平台前后的交易成本变化，控制合作社层面的固定效应；第四，排除替代解释：考察作业价格的区域差异是否由供需关系而非治理结构驱动。

---

根据 Gerschenkron 后发优势假说，农业生产率较低的地区通过引进成熟智能农机技术，可以越过传统机械化阶段实现生产率赶超。但 Aghion-Howitt 模型指出，技术吸收受制于人力资本和制度环境。本文提出：H1 中国县域农业劳动生产率存在绝对 β 收敛，但速度缓慢；H2 智能农机引入加速条件收敛，尤其在人力资本较高、基础设施完善的地区；H3 智能农机的生产率效应存在空间溢出，相邻县域共享受益。

利用智能农机购置补贴在不同省份、不同年份的分批推广作为准自然实验，构造渐近 DID。核心识别假设为：补贴政策的推出时点与县域固有的生产率趋势无关——检验方法包括事件研究法观测事前趋势平行性。进一步借助农机代理商网络的地理分布构造空间权重矩阵，识别技术扩散的邻域溢出效应，区分"学习效应"与"要素流动效应"。

收敛回归基准模型：Δln(y_it) = α + β·ln(y_i,t-1) + γ·SmartMech_it + δ·X_it + ε_it，其中 β < 0 表示收敛。空间杜宾模型扩展：Δln(y_it) = α + ρ·W·Δln(y_it) + β·ln(y_i,t-1) + θ·W·ln(y_i,t-1) + γ·SmartMech_it + η·W·SmartMech_it + δ·X_it + μ_i + λ_t + ε_it，其中 W 为距离倒数权重矩阵，η 捕捉技术空间外溢。若 η 显著为正，表明智能农机的生产率效应超越县域行政边界。

被解释变量为县域农业劳动生产率（农业增加值/农业从业人数）的对数增长率。核心解释变量包括智能农机密度（自动驾驶系统装机量/耕地面积）和传统农机密度。控制变量包括县域人力资本（平均受教育年限）、灌溉面积占比、耕地规模集中度、距区域中心城市的距离、数字普惠金融指数。数据为 2018-2025 年 1800 个县域的面板，智能农机数据来自农机工业协会与主要厂商销售数据库。

第一，更换收敛检验方法：采用 Phillips-Sul 俱乐部收敛检验替代 β 收敛，避免同质收敛假设过强的问题；第二，替换空间权重矩阵：分别以公路交通时间矩阵和经济距离（人均 GDP 差距倒数）矩阵替换地理距离矩阵；第三，工具变量法：以历史农机站分布密度作为当前智能农机保有量的工具变量，缓解测量误差与反向因果；第四，分作物类型检验：将小麦产区和水稻产区分开回归，考察技术扩散的作物异质性。

---

Acemoglu-Restrepo（2018）的任务模型指出，自动化同时产生替代效应（机器取代劳动力）和恢复效应（新任务创造劳动力需求）。在农业场景中，本文提出：H1 智能农机替代的是可编码的常规体力任务（收割、播种），减少对低技能劳动力的需求；H2 同时创造对设备维护、智能系统操作的认知技能需求，拉大农村技能溢价；H3 机械化释放老年和女性劳动力固守农业生产，促进青壮年男性劳动力向非农部门转移，强化家庭代际分工。

核心内生性问题是农机使用的非随机性——劳动力市场条件本身影响农机采购决策。本文构造县级层面的农机适宜度指数（地形坡度、地块规模、作物结构的外生加权平均）作为工具变量——该指数由地理和农艺条件决定，与个体劳动力市场结果无直接关联。同时利用 2015 年以后智能农机补贴政策大幅加码作为第二重识别，采用模糊断点设计比较政策门槛前后的劳动力市场变化。

个体就业状态方程：EmpStatus_ivt = α + β·MechDensity_mt + γ·X_ivt + μ_m + λ_t + ε_ivt，其中 i 为个体，v 为村庄，m 为县域。核心被解释变量包括：是否从事非农就业（二分变量）、年非农就业天数、对数小时工资。核心解释变量为县域农机密度。使用 2SLS 估计，一阶段方程：MechDensity_mt = θ·Suitability_m + ρ·PolicyIntensity_mt + τ·Z_mt + ν_mt。进一步，以年龄-性别交互项检验劳动力的异质性冲击。

个体层面变量：就业状态与就业类型（CFPS 成人库）、工资收入、周工作小时、受教育年限、健康状况。家庭层面变量：家庭耕地面积、是否流转土地、家庭抚养比。县级层面：农机总动力密度、智能农机占比。工具变量：农机适宜度指数 = 平坦耕地占比 × 0.4 + 平均地块面积 × 0.35 + 粮食作物面积占比 × 0.25。样本覆盖 2012-2024 年五轮 CFPS 数据，匹配 25 个省份约 160 个区县。

第一，替换被解释变量：以家庭整体非农收入占比替代个体就业状态，从家庭决策层面检验机械化效应；第二，剔除直辖市和经济特区样本，排除城市劳动力市场的溢出干扰；第三，构造伪冲击检验：以蔬菜或水果产区的农机推广作为伪处理变量——大规模作物（小麦、玉米）的农机化才应产生显著劳动力市场冲击，而园艺作物因机械化程度低不应显示类似效应；第四，使用 PSM-DID 匹配农机密度高和低的县域，在可比样本上再估计处理效应。

---

周黎安（2007）的晋升锦标赛理论指出，地方官员在可量化考核的指标上展开竞争。粮食播种面积和产量作为"省长负责制"下的硬指标，成为主产区官员晋升的关键维度。本文提出：H1 粮食产量考核压力越大，县级政府越倾向于在农机调度、农资保障上投入超常规行政资源，形成"运动式三夏"；H2 当考核指标偏离本地比较优势时，地方政府产生"数字应对"——虚报播种面积而放松田间管理；H3 省级政府的督查频率与县域"三夏"动员力度正相关，但边际效应随距离衰减。

以省委书记换届年份作为考核压力的外生冲击——新任省委书记上任初期通常强化粮食考核信号。利用换届时间的准随机性构成事件研究设计，比较换届前后年份县域的"三夏"动员指标（文件数量、会议频次、农机调度强度）变化。进一步，以县域是否为"产粮大县"（获中央财政奖励）作为处理组，以普通农业县为对照组，考察不同考核强度下的行为差异。关键识别假定为：换届时间与县域农业禀赋的交互项外生于其他影响基层行为的因素。

事件研究基准模型：Y_it = α + Σ_k β_k·D_it^k + γ·X_it + μ_i + λ_t + ε_it，其中 D_it^k 为相对换届年份的时间指示变量（k = -3, -2, ..., 3）。被解释变量 Y_it 包括：县级"三夏"工作会议次数（标准化）、农机调度行政指令文件数、夏粮播种面积上报增速。若 β_k 在 k ≥ 0 时显著上升，则验证考核压力传导假说。进一步引入产粮大县虚拟变量与换届效应的交互项：Y_it = α + β_1·Post_it + β_2·MajorGrain_i + β_3·Post_it × MajorGrain_i + γ·X_it + μ_i + λ_t + ε_it，β_3 为核心参数。

被解释变量：行政动员强度 = 主成分分析合成指标，底层的输入指标包括县级政府网站"三夏"关键词出现频次、农业农村局发文数量（手工编码）、农机调度会议次数。核心解释变量：省委书记换届虚拟变量（任命当年及次年取 1）、产粮大县虚拟变量（获财政部奖励 = 1）。控制变量：县委书记任期、县委书记年龄、县域人均财政收入、气象灾害损失率。文本分析以 13 个粮食主产省的 22 年文件为语料，LDA 提取 10 个主题，跟踪"粮食安全""三夏"主题强度的时序变化。

第一，更换考核压力度量：以省级政府工作报告中"粮食"一词出现频率作为考核信号强度的连续度量，替代换届二分变量；第二，排除替代解释——气象因素：控制干旱和洪涝天数后重新估计，排除"天气好所以汇报多"的混淆效应；第三，使用"省长粮食责任制"2015 年正式建立作为制度断点，实施模糊 RD 设计，比较制度前后县级动员行为是否发生跳跃；第四，以棉花、油料等非口粮作物主产县构造安慰剂检验，粮食考核压力应不对其产生类似激励。