【在希望的田野上】各地做好抢收抢种 筑牢丰收基础

诱致性技术创新理论（Hayami & Ruttan, 1971）认为，农业技术的发展方向由要素相对稀缺性内生决定——劳动力稀缺引致劳动节约型技术（机械化），土地稀缺引致土地节约型技术（生物化学技术）。但在中国当前的发展阶段，智能农机（北斗导航精量播种、无人机飞播）兼具劳动节约和土地节约双重属性：精量播种节约种子和化肥（土地节约型要素），同时大幅减少人工投入（劳动节约型）。因此，智能农机的推广应通过两条渠道提升农业TFP：（1）技术效率提升——精准作业减少要素浪费，提高单位投入产出比；（2）规模效应——机械化使单个经营主体可管理的土地面积扩大，实现规模经济。

据此提出以下假说：
- H1：北斗导航精量播种机的推广使县级农业TFP提高3%—6%，效应在推广后第2年起显著（存在技术学习滞后）。
- H2：智能农机对种植规模≥50亩的种粮大户的TFP效应强于种植规模<10亩的小农户（规模门槛假说），前者弹性约为后者的1.5—2倍。
- H3：精量播种的TFP效应主要通过种子节约和化肥节约两个渠道传导，而非单纯依靠增产——即要素节约效应强于产量提升效应。

核心挑战是技术采纳的内生性：TFP增长快的地区可能更倾向于率先推广智能农机。本文利用各省北斗导航农机补贴政策推广时点的交错差异进行渐进DID识别——补贴政策的启动时点由省级财政和农业农村部门的行政决策决定，对县级TFP可视为外生冲击。使用Callaway & Sant'Anna（2021）估计量以处理异质性处理效应问题。关键识别假定：（1）在政策实施前，处理组和未处理组的TFP趋势平行；（2）省级补贴政策时点与县级TFP的未观测冲击不相关。

渐进DID模型：

Y_{it} = α + Σ_{k≠-1} β_k D_{it}^k + γ X_{it} + μ_i + λ_t + ε_{it}

其中 Y_{it} 为县 i 在 t 年的农业TFP（经DEA-Malmquist指数测算，对数化），D_{it}^k 为相对于政策实施时点的事件期哑变量（k = -4,..., +4，以k = -1为基准期）。β_k (k ≥ 0) 识别政策实施后各期的平均处理效应。μ_i 为县固定效应，λ_t 为年固定效应。X_{it} 包含时变控制变量：有效灌溉面积占比、农业用电量、化肥施用量、农业劳动力占比。

• 被解释变量：县级农业TFP，使用DEA-Malmquist指数，以县级农业总产值（1990年不变价）为产出，以播种面积（土地）、农业从业人员（劳动）、农业机械总动力（资本）、化肥施用量折纯（中间投入）为投入要素测算。Malmquist指数分解为技术效率变化和技术进步两个分项
• 核心解释变量：北斗导航农机推广政策哑变量 = 该省是否已实施北斗导航农机设备专项补贴或推广计划，以农业农村部和各省农机化主管部门的政策文件编码确定时点
• 异质性分析变量：经营规模分组（<10亩/10—50亩/≥50亩），作物类型（小麦/玉米/水稻主产县分类）
• 样本区间：2015—2026年，覆盖约2000个农业县，年度频率，约24000个观测值

• Bacon-Decomp分解：使用Goodman-Bacon分解检验渐进DID中各处理组对比对总估计量的权重贡献，确认"后处理vs.先处理"的不良2×2对比未主导结果。
• 替换TFP测算方法：以随机前沿分析（SFA）替代DEA测算TFP，检验生产函数形式假定（DEA的非参数性 vs. SFA的参数性）对结论的影响。
• 排除农机购置补贴的混杂效应：在回归中额外控制一般性农机购置补贴金额（非定向智能农机补贴），分离智能农机推广的独立效应。
• 安慰剂政策时点：将各省政策实施时间随机提前3年，重复估计1000次，检验实际处理效应是否位于安慰剂分布的尾部。

---

农业机械化的大规模推广面临一个根本性的制度约束：土地细碎化。在人均耕地面积不足1.5亩的中国，单户分散经营使得大型农机设备的最小有效作业规模无法达到，形成"有机器用不起"的困境。土地流转制度通过两条路径缓解这一约束：（1）确权登记颁证——清晰界定土地承包经营权，降低农户转出土地时的产权不确定性（担心失去土地），激励土地向种粮大户集中；（2）流转服务平台建设——降低土地转出方和转入方的搜寻匹配成本和合约执行成本。当土地经营规模跨越机械化作业的最小有效规模门槛后，农机采纳将在边际上变得经济合理。

据此提出以下假说：
- H1：土地确权颁证使县级机械化率提高2—4个百分点，土地流转服务平台建设又额外提高1.5—3个百分点，两者的效应可叠加。
- H2：确权→流转面积→机械化率的传导链条完整且显著——土地确权通过增加流转面积（中介变量）间接促进机械化采纳，中介效应占总效应的40%—60%。
- H3：土地流转制度对机械化率的促进效应在人均耕地面积≤1亩的高细碎化地区强于人均耕地面积≥3亩的低细碎化地区（制度约束越紧，制度改革红利越大）。

核心挑战是制度变革的内生性——机械化率高的地区可能更积极推进土地流转改革。本文利用各省确权登记和流转平台建设的全省推开时间差异作为外生制度冲击——这两项改革的推进节奏主要由省级政府的行政部署决定，对县级机械化率在政策时点上可视为外生。使用渐进DID框架，以Cengiz et al.（2019）的堆叠DID方法处理处理时点异质性。中介效应分析使用Bootstrap方法（1000次抽样）检验间接效应的置信区间，克服逐步法的统计检验力不足问题。

基准DID模型：

Mechanization_{it} = α + β₁ Titling_{it} + β₂ Platform_{it} + γ X_{it} + μ_i + λ_t + ε_{it}

其中 Titling_{it} 为确权颁证完成哑变量（县确权面积占比≥90%），Platform_{it} 为流转服务平台建成运营哑变量。β₁ 识别确权的机械化效应，β₂ 识别平台的增量效应。

中介效应检验（以土地流转比例为中介变量 M_{it}）：

第一步（总效应）：Mech_{it} = c×Titling_{it} + controls + FE
第二步（制度→中介）：Transfer_{it} = a×Titling_{it} + controls + FE
第三步（直接+间接）：Mech_{it} = c'×Titling_{it} + b×Transfer_{it} + controls + FE

间接效应（中介效应）= a×b，Bootstrap置信区间不包含零时显著。

• 被解释变量：县级农作物耕种收综合机械化率（%），来自农业农村部农业机械化管理司年报，按主要作物加权平均
• 核心解释变量：确权颁证完成率 = 县级已颁发土地承包经营权证面积/应确权面积；流转服务平台 = 0/1哑变量（县级土地流转服务中心或交易所是否运营）
• 中介变量：土地流转率 = 县级家庭承包耕地流转面积/家庭承包经营耕地总面积
• 调节变量：土地细碎化指数 = 农户块均耕地面积（亩/块）的县级均值；人均耕地面积
• 控制变量：非农就业占比、农民人均可支配收入、农村老龄化率（60岁以上占比）、县域GDP增速
• 样本区间：2013—2026年，覆盖全国约2000个农业县，年度频率

• 替换制度变量测度：以省级确权进度（省级确权面积占比）替代县级确权率，排除县—省之间制度变量的测量误差带来的衰减偏误。
• 排除同期其他农业改革干扰：控制"三项补贴"改革（2015—2016年）和农业水价综合改革（2016年启动）的政策哑变量，分离土地流转制度的净效应。
• 分区域子样本回归：将样本分为东部/中部/西部/东北四区分别估计，检验制度效应的区域异质性是否由区域经济发展水平差异驱动。
• 工具变量：以县到最近省会城市的距离×省级确权推进时点的交互项作为确权进度的IV——省级政策传导存在由近及远的空间衰减，距离影响制度执行强度但对机械化率无直接效应。

---

农业机械化对劳动力市场的影响具有"先替代、后互补"的动态特征。在机械化初期（以小型拖拉机和收割机为主），机器直接替代体力劳动，减少农业用工需求，释放劳动力向城市和非农部门转移——这是传统的"替代效应"。然而，当机械化进入智能化阶段（北斗导航精量播种、无人机飞播），对劳动力的需求出现结构性变化：传统体力劳动者被替代，但同时产生了对农机操作手、无人机飞手、设备维护技术员等新型技能岗位的需求——这是"互补效应"。Acemoglu & Restrepo（2018）的技能偏向型技术变革框架预言：当新技术的"恢复效应"（创造新岗位）超过"替代效应"时，技术冲击对就业的净效应可能为正。

新闻中临泉县综合机械化率超98%、无人机飞播替代传统育秧移栽的场景恰好反映了这一转变：一方面，播种环节从多人多日变为一人一机数小时（强替代效应）；另一方面，飞手、北斗导航操作员等新岗位涌现（互补效应初显）。

据此提出以下假说：
- H1：县级机械化率从50%提升至70%阶段，以替代效应为主——机械化率每提高10个百分点，农业从业人数减少3%—5%；从70%提升至95%+阶段，替代效应减弱，互补效应开始显现——农机操作和维修岗位增加。
- H2：智能农机（无人机、北斗精量播种机）对低技能体力劳动者的替代效应强于传统机械化（替代弹性更大），但对高技能农机操作岗位的创造也强于传统机械化（互补效应也更大）——即智能农机同时放大替代与互补两个效应。
- H3：智能农机推广对年轻劳动力（18—35岁）的互补效应（创造新岗位）强于对中老年劳动力（50岁以上），而对女性劳动力的替代效应弱于对男性劳动力——存在技能和性别的差异化冲击。

核心内生性挑战：劳动力转移本身会影响机械化决策——农村劳动力流失越严重，留守劳动力越稀缺，对机械化的需求越强烈（劳动稀缺引致机械化）。本文使用Bartik IV解决这一反向因果：以全国层面的农机总动力增长率×县初始（2000年）农业劳动力占比构造外生的县级机械化冲击——全国趋势对单一县是外生的，初始劳动力份额则反映了该县对机械化的潜在需求强度。

在Bartik IV的基础上，使用分组回归识别差异化效应：按年龄组（18—35/36—50/50以上）、性别、受教育程度分组，估计机械化对各子群体劳动供给的不同影响。

IV-2SLS两阶段模型：

第一阶段：Mech_{it} = α + π Bartik_{it} + γ X_{it} + μ_i + λ_t + ε_{it}

第二阶段：LaborAgri_{it} = α + β Mech_{it} + δ (Mech_{it} × Smart_{it}) + θ X_{it} + μ_i + λ_t + ε_{it}

其中 LaborAgri_{it} 为县 i 在 t 年的农业从业人数（对数），Mech_{it} 为综合机械化率，Smart_{it} 为智能农机推广程度（无人机+北斗农机保有量/农机总保有量）。交叉项系数 δ 识别：智能农机普及是否改变了机械化对劳动力的替代弹性——若 δ < 0，则智能农机放大替代效应；若 δ > 0，则智能农机引入互补效应，抵消部分替代。

Bartik IV = MechGrowth_t^{national} × AgrilaborShare_{i, 2000}，其中 MechGrowth_t^{national} 为全国农机总动力年均增长率（不含本省），AgrilaborShare_{i, 2000} 为县 i 在2000年农业从业人员占比。

• 被解释变量：县级农业从业人数，来自人口普查和农村固定观察点，分解为广延边际（是否从事农业）和集约边际（农业劳动天数/年）；同时构造非农转移变量 = 县级外出务工劳动力数/农村劳动力总数
• 核心解释变量：综合机械化率（机耕率+机播率+机收率加权平均）；智能农机推广度 = 县级北斗导航农机和无人机保有量/农机总保有量（%）
• Bartik IV的基础变量：2000年县级农业劳动力占比来自第五次人口普查；全国农机总动力增长率来自农业农村部
• 分组变量：年龄分组（18—35/36—50/50+）、性别（男/女）、受教育程度（初中及以下/高中及以上）
• 控制变量：非农工资水平（县平均务工日工资）、县域城镇化率、最低工资标准（市级）、距最近地级市的距离
• 样本区间：2010—2026年，县级面板，约2000个县

• 替换劳动供给测度：以农村住户调查中的"家庭农业劳动投入天数"替代从业人数，区分集约边际（减少劳动天数）与广延边际（退出农业）两条调整路径。
• 替换IV构造：以省级农机购置补贴金额×2000年农业劳动力占比构造替代IV，排除全国机械增长率中可能由少数大省主导的问题。
• 排除老龄化混杂效应：在回归中控制农村老龄化率（60岁以上占比），区分"机械化→劳动力减少"与"老龄化→劳动力自然减少"两个渠道。
• 反事实分析：使用Oaxaca-Blinder分解方法，将劳动力变化的差异分解为"机械化贡献部分"和"人口结构变化贡献部分"，量化机械化的独立解释力。

---

跨区农机作业服务形成了一个庞大的要素服务市场——每年"三夏"期间1700余万台（套）农机具在全国范围内压茬推进作业，联合收割机从河南开始一路向北至黑龙江，形成了全球罕见的"农机迁徙"现象。从新古典经济学视角，这一市场的效率取决于两个维度：（1）空间价格整合——竞争性市场应满足"一价定律"（调整运输成本后），即不同地区的农机服务价格应趋同，若存在持续性价格差异则表明市场分割或信息摩擦；（2）规模经济——农机服务供给是否存在规模报酬递增，即大型农机服务组织的单位作业成本是否显著低于个体农机户，这决定了农机服务产业化的效率增益空间。

新闻中山东昌邑市3万多亩盐碱地小麦的全程机械化收割场景——联合收割机、运粮车、烘干设施协同作业——恰好体现了规模运作的潜在效率。

据此提出以下假说：
- H1：中国跨区农机收割服务市场存在显著的空间价格整合，相邻省份农机作业价格的长期协整关系成立，价格差异的均值回复半衰期约为7—15天。
- H2：农机服务存在显著的规模经济——作业面积每翻一番，单位面积收割成本下降15%—25%（成本-产出弹性约0.75—0.85），规模报酬递增主要来自固定成本（农机购置折旧）的摊薄和跨区迁徙路线优化带来的空驶率降低。
- H3：农机服务价格的空间传导存在季节性非对称性——"三夏"期间南→北的传导速度快于"三秋"期间北→南的传导速度（收割窗口紧迫性差异导致的信息效率差异）。

市场整合检验采用Ravallion（1986）动态模型框架，在控制运输成本、地区固定效应和季节性效应后，检验中心市场（河南/山东等农机出发地）价格变动对周边市场价格的短期和长期传导系数。若长期乘数趋近于1（经运输成本调整），则市场长期整合；若短期调整系数（误差修正项）显著为负且绝对值较大，则市场调整速度快。

规模经济识别使用超越对数成本函数：该函数形式灵活，不预设常替代弹性或线性成本函数，允许U型平均成本曲线和要素间替代弹性随产出水平变化。核心参数为成本对产出的弹性——若弹性显著小于1，则存在规模经济。

空间价格整合（误差修正模型）：

ΔP_{it} = α + β₁ ΔP_{ct} + β₂ (P_{i,t-1} - γ P_{c,t-1} - δ Dist_{ic}) + θ Z_{it} + ε_{it}

其中 P_{it} 为地区 i 在 t 日的农机收割服务价格（元/亩），P_{ct} 为中心市场（河南周口，中国最大的跨区收割出发地）价格。β₁ 为短期价格传导系数，β₂ 为误差修正速度（预期<0），γ 为长期均衡乘数（预期→1）。Dist_{ic} 为运输距离（公里）。

超越对数成本函数：

lnC = α₀ + α_Y lnY + α_K lnP_K + α_L lnP_L + ½ β_{YY} (lnY)² + ½ β_{KK} (lnP_K)² + ½ β_{LL} (lnP_L)² + β_{YK} lnY lnP_K + β_{YL} lnY lnP_L + β_{KL} lnP_K lnP_L + CountyFE + ε

其中 C 为农机服务年总成本（万元），Y 为年作业面积（亩），P_K 为资本价格（农机购置价格/农机使用年限），P_L 为劳动价格（农机手日工资）。规模经济指标：SCE = 1 - (∂lnC/∂lnY)。若 SCE > 0，则存在规模经济。

• 价格变量：农机收割服务价格（元/亩），按不同作物（小麦/水稻/玉米）分别记录。数据来源：农业农村部农机跨区作业调度平台逐日逐县价格填报记录，以及全国农产品成本收益资料汇编的年度农机服务费数据
• 成本变量：农机服务组织年总成本 = 农机年折旧 + 燃油费 + 维修费 + 农机手工资，来自典型农机服务组织的问卷调查
• 产出变量：年作业面积 = 各类型农机全年实际作业的累计亩数，分自有土地作业和跨区服务作业
• 空间权重矩阵：以县间公路距离的倒数为权重构造空间权重矩阵，用于空间自回归（SAR）价格传导检验
• 样本区间：2018—2026年，其中日度价格数据仅覆盖"三夏"（5—6月）和"三秋"（9—10月）高峰季，成本函数使用年度面板数据

• 替换市场整合检验方法：以价格趋同的β收敛和σ收敛检验替代Ravallion模型，从另一角度验证价格差异的缩小趋势——β收敛检验初始价格高地区是否降价更快，σ收敛检验价格离散程度是否缩小。
• 替换成本函数形式：以Cobb-Douglas成本函数替代Translog函数，检验函数形式的灵活性假设（Translog允许非齐次性和可变替代弹性，C-D则强制单位替代弹性）对规模经济结论的敏感性。
• 替换中心市场：以不同中心市场（河南周口→山东潍坊→河北保定→黑龙江哈尔滨）重新估计误差修正模型，检验中心市场选择的稳健性。
• 排除疫情年：剔除2020—2022年疫情期间的观测值重新估计，检验疫情期间交通管制对跨区农机服务的扭曲是否驱动了整体结论。

---

在凯恩斯框架中，农机购置补贴属于政府投资补贴，通过降低农机有效价格刺激投资需求，并通过投资乘数放大对总产出的影响。然而，农机补贴乘数的大小取决于多个条件：（1）农机的资本-产出弹性——农机增加能在多大程度上提升农业产出，这取决于农机与土地、劳动的互补性和替代性；（2）补贴的挤出效应——补贴是否仅替代了农户自有资金购买农机的意愿（即"无论如何都会买"的农户被补贴了），挤出效应越大，乘数越小；（3）流动性约束——对于小规模农户，即使有30%的补贴，首付70%的购机款仍然构成紧约束，限制了补贴对购机的拉动作用。

新闻中全国"三夏"投入1700余万台（套）农机具——这一庞大数字背后是持续二十余年、累计数千亿元的农机购置补贴政策支撑。但补贴是否精准撬动了农机投资，还是被部分"搭便车"者稀释了乘数效应，值得仔细检验。

据此提出以下假说：
- H1：农机购置补贴的当期财政乘数约为1.2—1.8（即1元补贴带动农业增加值增加1.2—1.8元），乘数在第2—3年达到峰值后衰减，累积5年乘数约为2.5—3.5。
- H2：补贴乘数存在显著的门槛效应——当农户经营规模≥50亩时，乘数显著高于经营规模<10亩的小农户（流动性约束假说：小农户即使有补贴也难以承担购机自有资金门槛）。
- H3：补贴的产出渠道（机械化→增产→增收）贡献乘数的60%—70%，价格渠道（直接降低购机成本→刺激购买）贡献30%—40%——即补贴主要通过间接提升生产率而非简单降价发挥效应。

估计财政乘数的核心挑战在于政策的内生性：补贴资金的地区分配可能与地方农业经济状况相关——经济越落后的地区可能获得越多的补贴资金（均衡性导向），此时OLS估计的乘数向下偏误。本文使用Jordà（2005）局部投影法（LP）估计动态乘数：LP相比传统SVAR的优势在于不需要对变量间的同期关系强加递归识别假定，且对模型误设更稳健。

在LP框架中，控制县固定效应和年固定效应后，以县级补贴资金的同比变动作为冲击变量，追踪农业增加值在冲击后1—5年的动态响应（累积脉冲响应/初始冲击 = 乘数）。为缓解内生性，进一步控制上一年县级农业增加值和转移支付总额。

局部投影法（LP）：

y_{i,t+h} - y_{i,t-1} = α_i^h + β^h SubsidyShock_{it} + Σ_{j=1}^{p} γ_j^h Z_{i,t-j} + λ_t^h + ε_{it}^h

其中 y_{i,t+h} 为县 i 在 t+h 年的农业增加值（对数），h = 0, 1, ..., 5。SubsidyShock_{it} = Δln(Subsidy_{it}) 为补贴资金的对数变化（经县级CPI平减）。核心参数 β^h 为第 h 期的脉冲响应，累积乘数 = Σ_{h=0}^{5} β^h / β^0（以即时冲击为单位标准化）。

面板门槛回归（Hansen, 1999）：

y_{it} = α + β₁ Subsidy_{it} × I(Scale_{it} ≤ γ) + β₂ Subsidy_{it} × I(Scale_{it} > γ) + θ X_{it} + μ_i + ε_{it}

其中 Scale_{it} 为农户平均经营规模（亩），γ 为待估计的门槛值。I(·) 为示性函数。β₁ 和 β₂ 分别为低于门槛和高于门槛时的补贴乘数，β₂ - β₁ 的显著性检验识别规模门槛效应。

• 被解释变量：县级农业增加值（万元，2000年不变价），来自国家统计局县级统计年鉴；辅助被解释变量：农村居民人均经营性收入（来自农村固定观察点和省级统计年鉴）
• 核心解释变量：县级农机购置补贴资金（万元）= 中央补贴 + 省级配套补贴，来自财政部农机购置补贴资金拨付数据，经县级CPI平减后取对数
• 门槛变量：农户平均经营规模 = 县级耕地面积/农业经营户数（亩/户），数据来源为第三次全国农业普查和农村经营管理统计年报
• 中介变量：机械化率（机耕+机播+机收综合率）、农机保有量（万台/县农业从业人员）
• 控制变量：有效灌溉面积占比、化肥施用量、年均降水量、县域GDP增速、城市化率
• 样本区间：2010—2026年，县级年度面板，覆盖约2000个县

1. 替换乘数估计方法：以Blanchard-Perotti SVAR替代局部投影法，在递归识别假定下重新估计动态乘数，检验识别策略对结论的敏感性——LP的灵活性 vs. SVAR的结构性。
2. 排除补贴政策的"预期效应"：在模型中加入补贴公告提前期哑变量（中央发布下一年补贴政策的月份），检验农户是否因预期补贴而提前调整购机行为——若预期效应显著，则补贴的真实净效应可能被高估。
3. 替换门槛变量：以人均GDP替代经营规模作为门槛变量，检验乘数异质性是由"经营规模"还是由"经济发展水平"驱动的——二者的政策含义不同（前者指向补贴向大户倾斜，后者指向补贴向欠发达地区倾斜）。
4. 安慰剂补贴冲击：将补贴资金按县级层面随机重分配（保持总量和分配分布不变），进行1000次安慰剂试验，检验实际乘数估计是否显著高于随机分配下的乘数分布。
---
date: 2026-06-14
field: 产业经济 — 物流与交通
source: https://tv.cctv.com/2026/06/14/VIDEMxc1gveBNmwl6soRZ9KF260614.shtml
topics_count: 5
---