各地做好抢收抢种 筑牢丰收基础

农机跨区作业市场具有典型的时空不可分特征：服务供给（收割机）在空间上高度流动，而需求（成熟作物）受气候决定且窗口期极短。H1：信息不对称导致农机供给与收获需求之间存在空间错配，形成局部过剩与局部短缺并存的结构性低效。H2：数字平台（如农机调度 App）的接入降低搜寻成本，显著提升跨区服务的空间配置效率。H3：县级道路密度与农机转移速度正相关，基础设施改善的福利效应在收获窗口期尤为显著。

核心挑战在于农机流向本身具有内生性——收割机倾向于驶向路网发达、作物早熟地区。本文利用"三夏"期间阶段性降雨作为工具变量：突发降雨使局部地区收获窗口压缩，外生地改变农机需求强度，但不直接影响其他地区的农机供给决策。同时采用边界断点回归（以省界两侧路网差异作为空间断点），在行政边界附近比较农机准入条件相似但基础设施不同的相邻县的配置效率差异。

建立两阶段模型：第一阶段估计农机服务市场的空间价格均衡——Pᵢⱼ = α + βDᵢⱼ + γZⱼ + δWᵢ + εᵢⱼ，其中 Pᵢⱼ 为农机从县 i 流向县 j 的概率，Dᵢⱼ 为空间距离，Zⱼ 为目标县农机需求特征，Wᵢ 为来源县供给能力。第二阶段估计配置效率：Efficiencyⱼ = θ₀ + θ₁Mismatchⱼ + θ₂Digitalⱼ + θ₃RoadDensityⱼ + Controls + uⱼ，核心解释变量 Mismatch 由第一阶段预测值与实际值的偏差构造。

被解释变量：县级收获进度日变化率（来自农情调度日数据）。核心解释变量：①农机错配指数 = |实际农机到达量 - 均衡预测量| / 均衡预测量；②数字渗透率 = 该县通过农机调度平台成交的作业面积占比；③路网可达性 = 县级公路密度 × 与周边产粮县的平均通行时间倒数。控制变量包括：县级人均耕地面积、土地流转率、种植结构集中度指数（Herfindahl）、降雨偏离常年均值。

①替换工具变量：用"邻省农机保有量 × 距离衰减因子"作为替代 IV，排除降雨可能通过影响作物品质间接影响农机需求的渠道；②更换效率测度：以 DEA-Malmquist 指数替代随机前沿效率得分，检验非参数方法下结论是否一致；③空间自相关校正：采用 Conley 标准误允许任意空间自相关结构，消除农机流动的空间溢出对标准误估计的偏差；④安慰剂检验：将农机调度时间随机提前或推后 30 天，检验公路密度等"基础设施效应"是否为虚假的季节性相关。

---

农业机械化面临的核心障碍之一是土地细碎化——地块分散、面积狭小使得大型农机进场面临高昂的协调成本：与多个承包户逐一谈判、机具在不同地块间转移耗时、不规则地块增加作业死角。按照 Coase (1937) 的逻辑，土地流转本质上是用企业式统一经营替代市场式逐户谈判，将外部交易成本内部化。H1：地块数量每增加 1 个标准差，农机作业成本上升 15-20%。H2：完成土地流转的农户，其机械化水平较未流转农户高 0.3-0.5 个标准差，且该效应主要通过降低协调成本实现。

土地流转决策存在严重自选择：机械化意愿强的农户可能更主动转入土地。本文采用"本村土地流转服务平台建成时间"作为工具变量——平台建成外生地降低了流转信息搜寻成本，推动流转，但其建成时间由县级财政审批进度决定，与单个农户的机械化偏好不直接相关。进一步利用"村庄内相邻地块是否已流转的比例"构造同伴效应 IV，捕捉社会规范对流转决策的外生推动。对地块细碎化的内生性，利用"联产承包时按土地等级平均分配导致的初始细碎度"作为历史工具变量。

基准模型：Mechanizationᵢⱼₜ = α + β₁Fragmentationᵢⱼₜ + β₂Transferᵢⱼₜ + γXᵢⱼₜ + μⱼ + λₜ + εᵢⱼₜ，其中 i 为农户、j 为村庄、t 为年份。Fragmentation 以地块数量与 Simpson 离散指数衡量，Transfer 为转入土地面积占比。中介效应检验：分三步估计 Fragmentation → 协调成本（谈判耗时、作业等待时间）→ Mechanization 的传导路径，采用 Bootstrap 法检验间接效应的显著性。扩展模型加入 Fragmentation × Transfer 交互项，检验土地流转是否缓解了细碎化对机械化的抑制。

机械化水平采用多维指标：①农机作业环节覆盖率（耕、种、收、防各环节是否使用机械）；②单位面积农机作业费用（反映机械替代劳动的程度）；③是否使用智能农机（北斗导航、无人机等）作为二元变量。交易成本变量：地块距离农户住所的平均距离（移动成本）、经营地块的户主数量（谈判对象数）、是否与邻户有共用机耕道（协调便利性）。样本覆盖 2015-2025 年全国农村固定观察点约 2 万农户。

①替换土地细碎化度量：用 Januszewski 指数和 Igozurike 指数替代 Simpson 指数，排除特定指标构造方式对结论的影响；②限制样本：仅保留粮食主产区 13 省样本，排除经济作物区（蔬菜、水果等）机械化模式不同的干扰；③DID 匹配：以村庄土地流转服务平台建成为事件，使用 PSM-DID 估计制度冲击对机械化的因果效应；④排除替代解释：控制农户非农就业比例和外出务工工资，排除"劳动力流失倒逼机械化"这一竞争性假说。

---

智能农机（如北斗导航精量播种机）具有高沉没成本（一次性购置支出大）、收益不确定（技术效果依赖操作熟练度和地块条件）和远期回报（效率提升需多季摊销）三大特征。根据前景理论：农户将购置成本编码为"损失"、将未来收益编码为"利得"，损失厌恶（λ>1）使农户对价格高度敏感；概率加权函数使小概率的"机械故障导致绝收"被高估，压制采纳意愿。H1：同等预期收益下，损失域（购置支出）的边际影响约为利得域（增产收益）的 2-2.5 倍。H2：提供"故障免费维修保险"能显著提升采纳率，因其消除了被高估的尾部风险。

离散选择实验设计：向农户呈现两组虚拟智能农机方案（属性：购置价格、补贴比例、预期增产率、故障概率、操作培训天数），要求农户选择"购买 A / 购买 B / 均不购买"。通过系统变换各属性水平，识别损失厌恶系数 λ、概率加权参数 γ 和边际效用递减系数。田野实验：随机将农户分为三组——对照组（仅提供技术参数）、信息组（额外提供本村早期采纳者的增产数据）、框架组（将补贴表述为"避免损失 3000 元"而非"获得补贴 3000 元"），比较三组采纳率差异，分离信息摩擦与框架效应的独立贡献。

采用混合 Logit 模型（Mixed Logit）估计农户偏好参数：Uᵢⱼₜ = βₚᵢPriceⱼₜ + βₛᵢSubsidyⱼₜ + βᵧᵢYieldⱼₜ + βᵣᵢRiskⱼₜ + εᵢⱼₜ，其中 βᵢ 服从多元正态分布以捕捉偏好异质性。进一步在 Preference Space 和 WTP Space 分别估计，计算各属性的支付意愿（WTP）。结构估计部分：假定价值函数 v(x) = xᵅ（x≥0）和 v(x) = -λ(-x)ᵝ（x<0），概率加权函数 w(p) = pᵞ/(pᵞ+(1-p)ᵞ)¹/ᵞ，通过极大似然恢复 α、β、λ、γ 四个行为参数，并与预期效用理论（λ=1, γ=1）的约束模型进行似然比检验。

DCE 实验属性水平：购置价格（3/6/9 万元三档）、补贴比例（20%/35%/50%）、预期增产率（5%/10%/15%）、年故障概率（1%/5%/10%）、培训天数（1/3/5 天）。农户特征变量：年龄、受教育年限、风险态度量表得分（DOSPERT 简化版）、数字素养（是否使用智能手机农技 App）、经营规模、信贷约束程度（是否有未偿贷款）。田野实验的因变量为实验后 6 个月内是否实际申请农机购置补贴（从补贴系统获取客观数据，避免自报偏差）。

①替代模型设定：采用广义极值模型（GEV）和随机参数 Logit 替代混合 Logit，检验分布的参数化假设是否驱动结论；②排除理性疏忽假说：在调查中加入注意力检验题（trap question），剔除未通过检验的样本重新估计，确认行为偏误不是由测量误差导致；③不同参照点设定：分别以"当前传统农机成本"和"同村平均购置价"为参照点重估前景理论参数；④外部有效性验证：用 Holdout Choice（实验中的保留选择集）检验模型预测精度，确保估计参数具有样本外预测力。

---

根据 Lewis-Fei-Ranis 模型，经济发展伴随劳动力从传统农业向现代工业的持续转移。中国自 2010 年前后跨越刘易斯拐点，农业工资开始上升，这为劳动节约型技术（农业机械化）的引入提供了经济激励。然而 Acemoglu (2010) 指出技术偏向性存在双重效应：替代效应直接减少农业劳动需求（推力），生产率效应提高农业收入可能延缓转出（拉力）。H1：县级机械化水平每提高 1 个标准差，农业就业份额下降 2-3 个百分点。H2：该效应在丘陵山区（地形制约农机替代劳动）显著弱于平原地区，构成结构转型速度的地理差异。

机械化的内生性来源：预期劳动力流失严重的地区可能更积极推广农机，导致反向因果。本文构造 Bartik 工具变量：Bartik_IVⱼ = Σₖ Shareⱼₖ,₀ × ΔMechanization_ₖₜ，其中 Shareⱼₖ,₀ 为基期县 j 作物 k 的播种面积占比，ΔMechanization_ₖₜ 为全国层面作物 k 的机械化率增长。该 IV 利用各县初始种植结构的差异暴露于全国性技术趋势的程度来识别，初始种植结构在短期视为前定。同时利用"邻县农机购置补贴总额"作为空间溢出工具变量，捕捉农机服务市场的跨县外溢效应。

动态面板模型：LaborAgriⱼₜ = α + ρLaborAgriⱼₜ₋₁ + βMechⱼₜ + γWageⱼₜ + δXⱼₜ + μⱼ + λₜ + εⱼₜ。因变量为农业就业份额，采用系统 GMM 处理滞后因变量内生性（Blundell-Bond 估计量）。中介效应设定：Mech → Wage（农业工资）→ LaborAgri 和 Mech → NonAgriJob（农机服务创造的非农岗位）→ LaborAgri 两条路径。异质性分析按地形（平原/丘陵/山地）和经济发展阶段（东中西部）分组估计。进一步用行业-地区 DID 检验农机化对农村非农就业结构的影响，区分制造业、建筑业和服务业。

核心被解释变量：农业就业份额 = 第一产业从业人员 / 乡村从业人员总数。核心解释变量：农业机械化综合指数 = Σₖ ωₖ × 作物 k 的机械化率，ωₖ 为播种面积权重，涵盖耕、种、收三个环节。中介变量：农业日工资（来自农产品成本收益调查）、农机服务业从业人员数（反映农机化催生的新就业形态）。控制变量：人均 GDP、城镇化率、非农产业占比、交通基础设施密度、县级教育年限均值。样本为 2005-2025 年全国县级面板。

①替换机械化指标：分别用农机总动力（千瓦/亩）和单位面积农机作业费替代综合机械化率，排除指标综合方法的影响；②排除最低工资干扰：控制各省历年最低工资标准及其与农业工资的比值，排除政策性工资上涨对劳动力转移的独立影响；③子样本检验：剔除直辖市和副省级城市样本，仅保留传统农区县，检验核心机制的泛化能力；④滞后结构检验：将机械化变量滞后 1-3 期分别回归，观察替代效应的时间衰减模式，确认效应的持续性而非短期波动。

---

Autor、Levy 与 Murnane (2003) 的 ALM 模型将工作任务分为常规认知、常规操作、非常规分析和非常规互动四类。传统农机（拖拉机、收割机）替代常规操作任务（驾驶和简单操控），而智能农机（北斗导航、无人机飞播）进一步替代常规认知任务（路线规划、播种量计算），同时创造非常规分析任务（数据分析、设备调试）需求。H1：智能农机推广导致中等技能岗位（传统农机手）就业份额下降，高技能（农机数据分析师、智能设备维护）和低技能（辅助工、搬运工）岗位份额上升，形成 U 型就业极化。H2：具备数字素养的年轻劳动者获得更高的技能溢价，年长劳动者面临更大的替代风险。

以各县"首次引入智能农机购置补贴目录"作为准自然实验，构建交错 DID（Staggered DID）设计：处理组为较早（2020-2022 年）将植保无人机、北斗导航农机纳入地方补贴目录的县，对照组为较晚（2023 年后）或未纳入的县。采用 Callaway-Sant'Anna 估计量处理异质性处理效应的加权问题。事件研究法以补贴目录纳入年份为事件时间零点，估计处理前后各期农村劳动力市场结果的动态变化。利用个体层面 CLDS 追踪数据，控制个体固定效应，比较同一劳动者在智能农机推广前后的职业转换和工资变动。

DID 基准设定：Yᵢⱼₜ = α + βTreatⱼ × Postⱼₜ + γXᵢⱼₜ + μᵢ + λₜ + εᵢⱼₜ（个体层面）或 Yⱼₜ = αⱼ + λₜ + Σₖ₌₋₅⁵ βₖDⱼₜₖ + εⱼₜ（事件研究法县级层面）。因变量集合包括：①是否在农机相关行业就业；②职业任务内容指数（常规操作任务强度 vs. 非常规分析任务强度）；③对数小时工资；④是否参加职业技能培训。关键控制变量：年龄、性别、受教育年限、婚姻状况、家庭抚养比、所在县的非农产业占比。在 ALM 分析框架下进一步估计：ΔSkillDemand = θ₀ + θ₁SmartMechⱼₜ + θ₂SmartMechⱼₜ × TaskRoutineᵢ + Controls + ε，TaskRoutine 为个体从事职业的常规任务强度评分。

核心解释变量：县智能农机推广强度 = 智能农机购置补贴金额 / 农机购置补贴总额。任务内容指标参考 O*NET 数据库的中国职业映射，将各农村职业（使用 GB/T 6565 职业分类）分解为：常规操作任务强度（重复性体力劳动占比）、常规认知任务强度（简单数据记录占比）、非常规分析任务强度（设备调试与数据分析占比）。从 BOSS 直聘 API 获取县级农机相关招聘岗位数据，按技能要求分类计数，构造技能需求结构指数。个体追踪样本约 1.5 万农村劳动力（2016-2024 年 5 轮 CLDS 数据）。

①替代识别策略：用"该县与智能农机产业集聚区（山东潍坊、河南洛阳）的地理距离 × 全国智能农机专利申请趋势"作为工具变量，捕捉供给侧技术扩散的外生性；②更换 DID 估计量：分别使用 Sun-Abraham、de Chaisemartin-D'Haultfoeuille 和 Borusyak-Jaravel-Spiess 三种最新交错 DID 估计量，确保结论不依赖于特定估计方法；③替代任务分类：改用 Mihaylov-Tijden 任务分类框架替代 O*NET 映射，检验任务内容编码的稳健性；④安慰剂检验：假设政策冲击提前 3 年发生，检验"前置效应"是否为零，排除处理组与对照组的前定趋势差异。

---