夏播粮食近八成 夏管全面展开

基于Schultz的理性小农假说，农户在利润最大化目标下配置生产要素。农机购置补贴降低了资本品的影子价格，使得资本对劳动的替代变得更加经济。依据Hsieh & Klenow的资源错配框架，当补贴使资本边际产出与劳动边际产出趋于均衡时，TFP将提升。提出三个假说：H1——农机补贴显著提高县域农业TFP；H2——补贴的TFP效应存在门槛效应，过低或过高的补贴力度均不利于效率改善；H3——补贴对要素配置效率的影响在规模化经营地区更为显著。

采用工具变量法（IV）识别因果关系。选取各县地形坡度均值和距最近农机经销商的距离作为补贴强度的工具变量——地形坡度影响机械化作业难度从而影响补贴申请意愿（相关性），但不直接影响当期TFP（排他性）。同时利用2020年补贴政策调整作为准自然实验，构建连续型DID模型。平行趋势假定要求政策调整前，处理组与控制组的TFP变化趋势一致，通过事件研究法予以验证。

基准模型为双向固定效应模型：$TFP_{it} = \alpha + \beta_1 Subsidy_{it} + \beta_2 X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$，其中$TFP_{it}$为i县t年的农业全要素生产率（OP法测算），$Subsidy_{it}$为单位播种面积补贴金额，$X_{it}$为控制变量向量（包括耕地面积、劳动力数量、降水量、气温等），$\mu_i$为县固定效应，$\lambda_t$为时间固定效应。进一步引入补贴强度的二次项检验非线性关系，并使用2SLS估计处理内生性问题。

被解释变量TFP使用Olley-Pakes半参数法测算，投入变量包括劳动力（农业从业人数）、资本（农机总动力）、土地（播种面积）和中间投入（化肥施用量折纯），产出为农业总产值（以农产品生产价格指数平减）。核心解释变量为单位播种面积农机购置补贴额，来源于山东省农机购置补贴公示系统。控制变量涵盖县级耕地面积、农村劳动力数量、年均降水量与气温（来自气象站数据）、道路密度等。样本期为2018-2025年，覆盖山东省约90个农业县。

第一，替换TFP测算方法，采用Levinsohn-Petrin（LP）法和ACF法重新估计，验证结果对生产率测算方法的稳健性。第二，使用安慰剂检验，将补贴时间随机前移2-3年，确认政策效应的时序特征。第三，采用倾向得分匹配（PSM）构建反事实样本，比较匹配后处理组与控制组的TFP差异。第四，剔除直辖市辖区和极端气候年份样本，检验结果的样本稳健性。第五，使用不同的工具变量（如各县距省会城市的距离）重新进行2SLS估计。

---

农机合作社本质上是一种公共资源治理安排——高性能农机具有高资产专用性和部分排他性特征，属于俱乐部物品。依据Ostrom的自主治理理论，合作社需要解决成员间的搭便车、设备维护投入不足和收益分配争议等集体行动问题。Williamson的交易成本理论进一步指出，当资产专用性高时，纵向一体化或长期契约比市场交易更优。提出假说：H1——理事长具有技术权威或社会资本优势的合作社，农机使用效率更高；H2——采用按作业量分红的利润共享规则的合作社，成员退出率更低；H3——外部补贴冲击会打破合作社内部制度均衡，治理结构灵活的合作社适应更快。

采用多案例比较与计量分析相结合的策略。首先，在临沭县及周边6县选取30-50家合作社进行深度访谈和案例比较，提炼治理结构的类型学（如权威型、民主型、松散型）。然后，利用全省合作社监测数据进行计量分析。核心挑战是治理结构的内生性——绩效好的合作社可能主动选择更好的治理结构。利用合作社成立时的发起人身份（村干部、农机大户或普通农户）作为治理结构的工具变量，因为发起人身份影响初始治理安排但不直接影响当期绩效。

主模型为Ordered Probit回归：$Performance_i^* = \alpha + \beta_1 Governance_i + \beta_2 Subsidy_i + \beta_3 (Governance_i \times Subsidy_i) + \gamma Z_i + \varepsilon_i$。被解释变量为合作社绩效综合评分（1-5级），$Governance_i$为治理结构指标向量（理事长任期、利润分红规则、成员大会频率等），$Subsidy_i$为合作社获得的补贴总额。交互项检验治理结构是否调节了补贴对绩效的影响。$Z_i$为控制变量（合作社规模、成立年限、所在县地形等）。使用Shapley值分解量化各因素对绩效差异的贡献度。

合作社绩效采用综合评分体系，涵盖三个维度：农机使用效率（年均作业天数、设备完好率）、经济效益（成员人均增收幅度）和组织稳定性（成员退出率）。治理结构变量从合作社章程和理事会记录中提取，包括理事长连任次数、决策投票机制（一人一票或按股投票）、利润分配方式（按交易量或按股金）。补贴数据来自省级公示系统。实地调研覆盖临沭、莒南、沂南等6县约300家合作社，采用分层抽样，收集2020-2025年面板数据。

第一，使用不同的绩效衡量指标（如纯技术效率的DEA得分）替换综合评分，验证结论的指标稳健性。第二，利用Heckman两步法修正样本选择偏差——合作社是否参与补贴申请本身是非随机的。第三，采用模糊断点回归（Fuzzy RD），以合作社注册成员数是否达到省级示范社标准（如50人）作为治理结构变化的断点，检验治理结构升级对绩效的因果效应。第四，使用Bootstrap方法估计标准误，缓解小样本偏误。

---

依据Keynes的财政乘数理论，政府农业财政支出通过两条渠道产生乘数效应：直接渠道——绿色防治投入采购农资、雇佣技术服务人员，形成对上游产业的直接需求拉动；间接渠道——防治投入提升粮食产量和品质，增加农民收入，进而通过边际消费倾向放大农村消费需求。Auerbach & Gorodnichenko的状态依存理论预测，当粮食价格低迷（农业经济"衰退"）时，农户自有资金不足，财政投入的边际效应更大。提出假说：H1——安徽省县级绿色防治财政支出的产出乘数显著大于零；H2——乘数在经济发展水平较低的县域更大（边际收益递减）；H3——在粮食价格下行周期中，财政乘数高于价格上行周期。

采用叙事法（Ramey & Zubairy, 2018）识别外生农业财政支出冲击。具体而言，利用安徽省各县政府工作报告和预算报告中明确提及的突发性绿色防治专项拨款（如因病虫害爆发而追加的应急防治预算），这类支出决策独立于当期农业产出，可视为外生冲击。在此基础上，使用Jordà（2005）的局部投影法估计动态乘数：$Y_{i,t+h} - Y_{i,t-1} = \alpha_h + \beta_h \Delta G_{it} + \Gamma_h X_{it} + \varepsilon_{it}$，其中$\beta_h$为h期后的累积乘数。关键假定是叙事法识别的支出冲击与当期产出无关。

动态乘数估计采用局部投影法（LP）：$Y_{i,t+h} - Y_{i,t-1} = \alpha_{ih} + \beta_h \Delta G_{it} + \sum_{j=1}^{p}\phi_{jh}\Delta G_{i,t-j} + \sum_{j=0}^{p}\gamma_{jh}\Delta Y_{i,t-j} + \delta_h Controls_{it} + \varepsilon_{it}$。被解释变量为i县t+h期的农业总产值增量（取对数），核心解释变量为外生绿色防治支出增量。为检验状态依存性，引入支出冲击与粮食价格状态的交互项：$\beta_h = \beta_h^0 + \beta_h^1 \times State_{it}$，其中$State_{it}$为粮食价格偏离趋势值的缺口。控制变量包括气象灾害、前一期产出等。

被解释变量为各县农业总产值（以农业生产资料价格指数平减至2015年不变价），数据来自《安徽统计年鉴》。核心解释变量为县级绿色防治财政支出，从安徽省财政决算报告和预决算公开平台中提取，时间跨度为2015-2025年。粮食价格状态变量使用全国农产品批发价格200指数中的粮食分项，计算HP滤波后的价格缺口。控制变量涵盖各县播种面积、农村劳动力、降水量与气温偏差、上级转移支付等。样本覆盖安徽省约60个农业县，构建年度面板数据。

第一，使用SVAR模型中的Blanchard-Perotti识别策略作为替代方法，比较两种外生冲击识别方法下的乘数估计是否一致。第二，对粮食价格状态变量采用不同的滤波方法（BK滤波和CF滤波）重新划分繁荣与衰退期，验证状态依存乘数的稳健性。第三，进行子样本分析，分别对皖北、皖中、皖南三大区域估计区域乘数，检验结论的区域稳健性。第四，使用蒙特卡洛模拟构建置信区间，修正小样本下LP估计的置信区间偏窄问题。第五，控制同期其他农业政策（如高标准农田建设投入）的干扰。

---

依据Acemoglu & Autor的任务模型，将玉米生产分解为整地、播种、田间管理、收获和产后处理五个任务环节。高性能播种机（如指夹式）显著提升了播种环节的自动化程度，替代了该环节的常规体力劳动。被替代的劳动力面临两种选择：转移至非农部门（Lewis模型预测）或转向农机操作、绿色防治等需要认知技能的"非常规任务"岗位。提出假说：H1——高性能播种机推广显著降低了县域农业就业占比，加速劳动力向非农部门转移；H2——机械化替代倒逼留守农民参与技术培训，表现为新型职业农民培训参与率上升；H3——机械化对农业工资的影响存在极化效应——高技能农机操作员工资上升，低技能体力劳动者工资下降。

采用Bartik工具变量法（shift-share IV）识别因果效应。核心思路是：各县的农机推广强度取决于全国层面的机型推广趋势（shift）与各县历史农机保有结构（share）的交互作用。具体工具变量构造为$IV_{it} = \sum_k Share_{ik,t_0} \times \Delta National_{kt}$，其中$Share_{ik,t_0}$为基期i县k类农机在全国的份额，$\Delta National_{kt}$为k类农机全国推广增量。该IV满足排他性假定的前提是：基期农机结构不通过其他渠道影响当期劳动力市场变化。控制基期经济特征后，这一假定较为可信。

主回归模型为：$\Delta L_{it} = \alpha + \beta \Delta Machine_{it} + \gamma X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$。被解释变量$\Delta L_{it}$为i县t年农业就业占比的变化（或农村劳动力非农转移率的变化），$\Delta Machine_{it}$为高性能播种机保有量增量（单位：台/万亩）。使用2SLS估计，第一阶段为$\Delta Machine_{it} = \pi_0 + \pi_1 IV_{it} + \pi_2 X_{it} + \mu_i + \lambda_t + \nu_{it}$。控制变量包括县域GDP增速、二三产业就业占比、教育水平、交通基础设施等。中介效应模型检验人力资本渠道：培训参与率 = f(机械化强度, 控制变量)。

被解释变量包括三个维度：（1）农业就业占比变化——来自《中国县域统计年鉴》的乡村从业人员分行业数据；（2）非农转移率——来自山东省农民工监测调查报告的县内外出务工人数；（3）农村工资结构——来自全国农村固定观察点调查的分技能类型农业工资数据。核心解释变量为高性能播种机推广密度（台/万亩播种面积），从山东省农机购置补贴公示系统中按机型逐一筛选识别。人力资本中介变量为各县新型职业农民培训人次，来自农业农村部门统计。样本期为2018-2025年，覆盖山东省约90个农业县。

第一，使用不同的Bartik权重构造方式（如使用2010年普查数据而非2018年数据作为份额基期）检验IV的稳健性。第二，利用安慰剂检验——将玉米播种机推广变量替换为同期收获机械推广量（理论上不应直接影响播种环节劳动力需求），验证效应的特异性。第三，采用双重差分法，以各县是否获批"全国全程机械化示范县"作为处理变量，比较示范县与非示范县的劳动力市场变化。第四，控制各县同期非农产业政策（如开发区设立）的干扰，排除劳动力需求侧的混淆因素。第五，使用不同窗口的时间差分（1年期vs3年期变化）验证结论的时间稳健性。

---

依据Foster & Rosenzweig的学习模型，农户对绿色防控技术的采纳决策受三种信息源影响：自身试验经验（自我学习）、邻居的采纳结果（社会学习）和政府推广活动（外部信息注入）。省级工作组的全覆盖指导构成了强力的外部信息注入冲击，但其效果取决于技术本身的复杂度——简单技术（如释放天敌昆虫）比复杂技术（如精准施药配比）更容易采纳。结合Acemoglu et al.的技术追赶理论，单产较低的地区离技术前沿更远，技术推广的边际收益更高，理论上追赶速度更快。提出假说：H1——省级工作组推广显著提高了县域绿色防控技术采纳率；H2——技术复杂度越高，推广效应越弱；H3——推广促进了低单产地区的追赶，表现为县域单产的$\beta$收敛。

利用安徽省8个省级工作组分片包干的制度设计构建准自然实验。各工作组覆盖的县域组合具有行政分配特征，非各县自主选择。以工作组覆盖密度（工作组到县指导次数/年）作为推广强度的度量。关键挑战是工作组可能被分配到单产较低的县（选择性分配偏误）。利用各县到省会的距离和工作组成员的家乡县信息构建工具变量——工作组成员倾向于被分配到离家较近或交通较便利的县（相关性），但这些因素不直接影响农户的技术采纳行为（排他性）。

第一层为农户采纳决策的动态Probit模型：$P(Adopt_{ijt}=1) = \Phi(\alpha + \beta_1 Extension_{jt} + \beta_2 Adopt_{ij,t-1} + \beta_3 Neighbor_{jt} + \gamma X_{ijt} + \mu_j)$，其中$Adopt_{ijt}$为j县i农户t年是否采纳绿色防控技术，$Extension_{jt}$为工作组推广强度，$Adopt_{ij,t-1}$为上期采纳状态（状态依赖），$Neighbor_{jt}$为同村邻居采纳率（社会学习效应）。第二层为收敛性检验：$\Delta lnYield_{jt} = \alpha + \beta lnYield_{j,t-1} + \gamma Extension_j + \delta X_{jt} + \varepsilon_{jt}$，若$\beta < 0$则存在条件$\beta$收敛。

技术采纳变量从安徽省绿色防控技术推广统计中提取，区分三类技术：（1）生物防治（如赤眼蜂释放）；（2）物理防治（如诱虫灯、性诱剂）；（3）科学用药（如精准施药、轮换用药）。采纳率以"采纳面积/播种面积"衡量。推广强度使用省级工作组到县指导次数和培训人次。农户层面数据来自全国农村固定观察点安徽省约2000个样本农户的年度跟踪调查。单产数据为各县粮食亩产（《安徽统计年鉴》），控制变量包括农户年龄、教育水平、耕地规模、是否参加合作社、村庄距县城距离等。样本期为2020-2025年。

第一，使用倾向得分匹配（PSM）为工作组覆盖县匹配特征相似的非覆盖县（来自相邻省份），比较两组的技术采纳率差异，验证推广效应的稳健性。第二，对三类技术分别估计采纳模型，检验技术复杂度调节效应的一致性。第三，采用空间计量模型（空间Durbin模型）控制县域间技术扩散的空间溢出效应，避免遗漏变量偏误。第四，利用2022年某工作组因病暂停指导一学期的外生冲击，构建"中断-恢复"的准实验，验证推广与技术采纳的时序因果关系。第五，使用卫星遥感数据（NDVI植被指数）作为单产的替代指标，检验收敛性结论的指标稳健性。

---
---
date: 2026-06-30
field: [数字经济 | 工业互联网]
topics_count: 5
news_source: news-3
---

# 📰 每日经济学论文选题

> 📅 日期：2026-06-30
> 📊 经济新闻：1 条
> 🎓 论文选题：5 个
> 🏷️ 覆盖领域：数字经济 | 工业互联网

---