【在希望的田野上】全国夏粮丰收成定局

根据诱致性技术创新理论（Hayami & Ruttan, 1971），要素相对价格变化会引致节约稀缺要素的技术创新。中国农村劳动力持续外流推高了农业用工成本，从而诱致了劳动节约型农机技术的推广——智能化收割机正是这一逻辑的产物。同时，农业技术采纳理论（Feder et al., 1985）指出，农户的技术采纳决策取决于预期的净收益、信息获取成本以及风险偏好。智能化农机通过降低机收损失率（从常规的2%-3%降至0.7%），直接提高了单位面积有效产出，其增产效应应显著为正。

据此提出以下假说：
- H1：智能化农机推广使小麦单产平均提升3%-5%，增产效应在旱地小麦中更为显著（旱地小麦单产基数低，边际提升空间大）。
- H2：农户采纳智能化农机的概率与其经营规模、教育水平和信贷可及性正相关，与小农户的技术采纳门槛效应显著。
- H3：智能化农机的增产效应存在规模经济特征——经营规模越大，单位面积增产效果越强。

核心识别挑战：农户是否采纳智能化农机并非随机——采纳者可能本身具备更高的生产效率（自选择偏误）。本文采取双重策略：（1）利用各省份智能化农机推广试点的县域差异构造准自然实验，以PSM-DID估计技术推广的平均处理效应，假设在控制可观测特征后，试点县与非试点县在农机采纳前的小麦单产趋势平行；（2）使用内生转换回归模型（ESR），以村级农业机械化服务组织数量和距县级农机经销商的距离作为工具变量，校正农户自选择偏误。

基准PSM-DID模型设定为：

ΔY_it = α + β · SmartMachine_i + γ · X_it + λ_t + ε_it

其中 Y_it 为县 i 在 t 年的小麦单产（公斤/亩），SmartMachine_i 为智能化农机推广的二元处理变量，X_it 包括播种面积、化肥施用量、有效灌溉面积占比、受灾面积占比等控制变量，λ_t 为年份固定效应。β 捕捉智能化农机推广对小麦单产变化的平均处理效应（ATT）。内生转换回归模型进一步将农户分为采纳者和非采纳者两个状态，分别估计其产量方程，克服自选择偏误。

被解释变量：小麦单产（公斤/亩），以县域小麦总产量除以播种面积计算，数据来自农业农村部县级统计面板。核心解释变量：智能化农机采纳（二元变量，1=该县在当年使用了配备机收减损系统的联合收割机），通过各省农机购置补贴系统中的机具型号编码识别。控制变量：亩均化肥施用量（折纯量）、有效灌溉面积占比、受灾面积占比、农业劳动力占比。数据来源包括农业农村部县级面板（2015-2026年）、CFPS农户追踪数据（2016、2018、2020、2022、2024五轮）以及《中国农业机械化年鉴》省级数据。

• 替换被解释变量：以单位面积粮食产值（元/亩）替代物理单产，检验增产效应是否因产品价格波动而改变结论。
• 替换核心解释变量：以县级联合收割机总功率中智能化机型功率占比作为连续处理强度变量，替代二元处理变量，检验结论对处理变量测度方式的敏感性。
• 安慰剂检验：将智能化农机推广时点分别前移1年和2年，以虚假处理时点重新估计PSM-DID，预期虚假处理效应不显著。
• 排除其他政策干扰：控制同期的"高标准农田建设"和高产创建示范县的固定效应，排除同期农业政策对增产效应的混淆。

根据Williamson（1985）的交易成本理论，跨省农机调度涉及高度的资产专用性——收割机在特定收获窗口期（通常仅5-10天）具有极高的时间专用性，一旦错过窗口，收割机的经济价值急剧下降。在没有互助协议的情况下，跨省调度面临信息不对称（需求方无法准确传达紧急程度）、机会主义风险（供方可能坐地起价）和协调成本（供需双方匹配效率低）。互助协议通过标准化信息通报、价格约束和违约惩罚条款，将市场交易转化为有治理结构的混合型交易，预期可以显著降低交易成本。

据此提出以下假说：
- H1：农机互助协议使受灾省份的机收进度在协议启动后3天内加速20%以上（相比无协议反事实情形）。
- H2：互助协议制度条款越完备（含明确价格上限、违约赔偿、仲裁机制），跨省农机响应速度越快（从启动到首批收割机到达的时间越短）。
- H3：互助协议的应急抢收效应在收获窗口越紧迫（降雨集中度越高）的地区越显著，即制度效应与外部冲击强度正相关。

核心识别挑战：签订互助协议的省份可能本身具备更好的农机调度能力（自选择偏误）。本文采用合成控制法（SCM，Abadie & Gardeazabal, 2003；Abadie, Diamond & Hainmueller, 2010）——以湖北作为处理组（2026年夏收期间启动互助协议），利用其他未签订协议的产麦省份加权构造"反事实湖北"，比较实际机收进度与反事实机收进度的差距，识别协议的制度效应。事件研究法进一步检验互助协议签订前后机收进度加速度的变化。关键识别假定：在协议启动前，处理组与合成控制组的机收进度趋势平行；协议启动是外生的天气冲击（湖北多轮降雨）触发的制度响应。

合成控制法的核心是求解最优权重向量 W = (w_2, ..., w_J+1)′，使得合成控制组的特征向量 X_0W 在协议启动前尽可能接近处理组的特征向量 X_1。制度效应 τ̂_t 在协议启动后各期 t 为：

τ̂_t = Y_{1t} - Σ_{j=2}^{J+1} w_j^* · Y_{jt}

其中 Y_{1t} 为湖北在 t 日的实际机收进度（已收割面积占比），右项为合成湖北的对应值。事件研究法进一步将互助协议签订作为事件日，回归方程设定为：Progress_{it} = α + Σ_{k=-7}^{7} β_k · D_{it}^k + γ X_{it} + μ_i + λ_t + ε_{it}，D_{it}^k 为事件前后第 k 天的虚拟变量，β_k 捕捉协议效应的时序动态。

被解释变量：日度机收进度（已收割面积 ÷ 应收面积），数据来源为农业农村部农机调度日报（2026年5月15日—6月25日）。核心解释变量：互助协议制度特征指数（通过文本分析法从各省互助协议原文中编码提取，包括：是否有明确价格上限=1/0、是否有违约赔偿条款=1/0、是否约定了启动条件=1/0，加总为0-3的制度完备度得分）。控制变量：日降雨量（气象局网格数据）、当日投入收割机数量（农机监测平台数据）、道路通行条件指数。样本为全国13个小麦主产省的日度面板数据，2026年夏收期间共约520个观测值。

• 安慰剂检验（空间安慰剂）：将处理组替换为其他未签订互助协议的小麦主产省，重复SCM估计，预期虚假处理效应不显著，排除自然天气好转导致机收加速的替代解释。
• 替换结果变量：以"当日收割机到达数量增长率"替代"机收进度"，检验制度效应是否在农机供给响应维度上也成立。
• 改变合成控制预测变量组合：分别剔除降雨变量、收割机保有量变量后重新构造合成控制组，检验最优权重的敏感性和结论的稳健性。

根据Acemoglu & Autor（2011）的技能偏向型技术变革理论，技术进步对劳动力市场同时产生替代效应和互补效应——替代效应集中于常规性体力任务，互补效应体现在与新技术互补的技能任务上。智能化农机（如配备传感器和实时监测系统的收割机）替代的是传统的手工收割和简单的机械操作任务，但同时创造了对农机操作员、维修技师和数据分析员的新需求。对于低学历、年长的农业劳动者，替代效应可能占据主导；而对于具备一定技术素养的年轻劳动者，互补效应可能更强。

据此提出以下假说：
- H1：县级智能化农机保有量每增加10%，本地农业短期雇佣劳动力的需求减少3%-5%（替代效应），但同时农机操作与维修岗位增加1%-2%（互补效应），净就业效应为负但幅度有限。
- H2：智能化农机的替代效应集中于低学历（初中及以下）和年长（50岁以上）劳动力群体，对年轻、高学历群体的就业冲击不显著甚至为正。
- H3：在农机化水平较高的地区，农业工资率（日工资）因劳动力需求下降而承压，工资增长慢于农机化水平较低的地区。

核心内生性挑战：（1）农业机械化水平与劳动力就业之间可能存在反向因果——劳动力短缺的地区更倾向推广农机；（2）劳动参与决策存在自选择偏误。本文以省级农机购置补贴力度（购机补贴金额/农机购置均价）作为农机化水平的外生工具变量——补贴力度由上级政策决定，不受本地劳动力市场状况直接影响。第一阶段回归：补贴力度 → 农机化水平；第二阶段回归：农机化水平 → 劳动力就业。同时使用Heckman两步法校正劳动参与的自选择偏误——第一步 probit 模型估计劳动参与概率并计算逆米尔斯比，第二步在工资/就业方程中纳入作为控制变量。

基准2SLS模型设定为：

第一阶段：Machinery_{it} = α₁ + β₁ · Subsidy_{pt} + γ₁ · X_{it} + μ_i + λ_t + ε_{it,1}
第二阶段：Labor_{it} = α₂ + β₂ · Machinery_{it} ̂ + γ₂ · X_{it} + μ_i + λ_t + ε_{it,2}

其中 Machinery_{it} 为县 i 在 t 年的智能化农机保有量（智能化联合收割机台数/播种面积），Labor_{it} 为农业短期雇佣劳动力数量占总农村劳动力的比例，Subsidy_{pt} 为省 p 在 t 年的农机购置补贴力度。β₂ 捕捉智能化农机推广对农业劳动力需求的因果效应（预期为负）。X_{it} 包括人均耕地面积、非农就业机会（县域规模以上工业企业就业数）、农村人口结构（15-64岁人口占比）等控制变量。

被解释变量：农业劳动力参与（二元变量，CLDS个体数据中自报过去12个月是否从事农业劳动）和农业短期雇佣天数（CFPS农户数据中自报的年雇佣临时工天数）。核心解释变量：县级智能化农机保有量密度，以配备"机收减损系统"的联合收割机台数除以播种面积（万亩）计算，通过农业农村部农机购置补贴系统中的机具型号编码识别"智能化"特征。控制变量：个体层面（年龄、教育年限、性别、婚姻状态）、家庭层面（耕地面积、非农收入占比）、县级层面（人均GDP、第二产业占比、到最近地级市的公路距离）。数据来源：CLDS 2016/2018/2020/2022/2024 五轮追踪数据，CFPS的农业模块，样本覆盖全国25个省份约150个县级单位。

• 替换工具变量：以"县级农机合作社数量"替代"省级补贴力度"作为农机化水平的工具变量——合作社数量影响机械可及性但不受个别农户劳动供给决策影响，检验系数的一致性。
• 替换劳动市场结果变量：以"外出务工概率"（CLDS个体是否在户籍县以外就业）替代"本地农业劳动参与"，检验农机化是否推动了劳动力向外转移（广延边际效应）。
• 异质性分析：按年龄、教育水平分组进行子样本回归，检验H2中技能偏向性的稳健性，并报告各组的2SLS系数差异及其显著性。

根据空间均衡理论（Takayama & Judge, 1971），在无交易成本、信息完全的理想市场中，生产要素（收割机）的自由流动将使各地区的农机作业服务价格收敛至同一水平，实现帕累托最优配置。然而，中国农机跨区调度市场存在现实摩擦——地理距离造成运输成本、信息不对称导致供需误配、收获时间的地区重叠加剧了高峰期竞争。湖北案例中，降雨压缩收获窗口至3天，农机需求在极短时间内剧增，若缺乏有效的跨区调度机制，将出现严重的地区性供需失衡——部分省份收割机闲置而受灾省份收割机严重短缺。

据此提出以下假说：
- H1：农机跨省流动量随两省间收获时差（收获高峰日之差）的增大而增加，随省际公路距离增加而衰减——距离弹性约为-0.5至-1.0。
- H2：农机作业服务价格在相邻省份之间存在显著的协整关系，但短期价格偏离的调整速度较慢（半衰期超过3天），表明市场整合存在短期摩擦。
- H3：跨区农机调度每年为全国夏收降低机收总成本约5%-8%，减少粮食损失约50万-80万吨（以机收损失率从2%降至0.7%计算）。

本文通过两步识别空间配置效率：（1）使用空间引力模型估计农机流动的决定因素——距离与收获时差的弹性，若时差弹性显著为正且距离衰减合理，则市场在空间维度上具有基本效率；（2）使用价格收敛检验评估动态效率——若省际价差在收获高峰期显著扩大、调整速度缓慢，则市场存在短期配置失灵。关键识别假定：农机跨省流动主要受经济激励（价差、时差）驱动，而非行政指令，这要求控制政治因素（如省内农机优先调度指令）。

空间引力模型（Gravity Model）基准设定为：

ln(Flow_{ijt}) = α + β₁ · ln(Dist_{ij}) + β₂ · Gap_{ijt} + β₃ · ln(Price_{it}/Price_{jt}) + γ · X_{ijt} + λ_t + ε_{ijt}

其中 Flow_{ijt} 为 t 日从省 i 流向省 j 的收割机数量（台），Dist_{ij} 为省 i 与省 j 之间的公路距离（公里），Gap_{ijt} 为两省收获高峰日之差（天数），Price_{it}/Price_{jt} 为两省当日收割机日租金之比。预期 β₁ < 0（距离阻碍流动）、β₂ > 0（时差越大流动越多）、β₃ > 0（价差越大流动越多）。X_{ijt} 包括两省降雨量差异、农机保有量比等控制变量。

价格收敛检验使用Johansen协整检验和误差修正模型（ECM），考察省际价差的长期均衡关系和短期调整速度。

被解释变量：日度省际收割机净流量（流入量 - 流出量），数据来源为农业农村部农机跨区作业监测平台——基于收割机装载的GPS/北斗终端上报的实时位置和跨省轨迹识别。核心解释变量：省际公路距离（高德地图API获取省会间最短货运路线距离）；收获高峰日之差（基于各省近5年小麦收获进度数据的平均高峰日）；收割机日租金价差（中国农机流通协会各省日租金调查数据，含含油/不含油两种报价）。样本区间：2022—2026年每年5月15日—6月30日的日度面板，覆盖13个小麦主产省的78个省级流向对，约12,000个观测值。

• 替换空间摩擦变量：以"省际通行时间"替代"公路距离"作为空间摩擦的代理变量——考虑到高速公路与国道的速度差异，通行时间更能反映真实运输成本，检验引力模型弹性的稳定性。
• 排除行政调度干扰：在回归中加入"省内优先调度令"的虚拟变量（通过各省政府网站政策文件识别），排除行政指令对农机流动的干扰，检验纯市场驱动的配置效率。
• 反事实模拟：基于估计的引力模型参数，模拟"无跨省流动"情景下各省的供需缺口和成本变化，以蒙特卡洛模拟（1000次）给出福利增益的置信区间。

根据Aschauer（1989）的公共资本生产率假说，政府基础设施投资作为公共资本存量的一部分，直接进入私人部门的生产函数，提升全要素生产率。在农业领域，高标准农田建设（土地平整、灌排设施、田间道路）提高了土地质量，本质上是土地增强型技术进步；农机购置补贴降低了农户的资本使用成本，诱导了劳动节约型技术采纳。根据Blanchard & Perotti（2002）的财政乘数框架，政府农业投资的产出效应取决于投资的产出弹性和私人部门的响应程度——若投资"挤入"了私人投资（农户增加配套投入），乘数大于1。

据此提出以下假说：
- H1：高标准农田建设投资每增加1%，粮食单产在3年内累计提升0.3%-0.5%，产出乘数大于1（因配套私人投资被"挤入"）。
- H2：农机购置补贴的短期（当年）产出效应高于高标准农田建设（农机补贴直接影响当期作业效率），但高标准农田建设的长期（3年以上）累计效应更大（改善土地质量的持久性）。
- H3：农业投资的边际产出效应在低产区和旱地农业区域更大（初始条件越差，投资的边际回报越高，存在收敛效应）。

核心内生性挑战：（1）政府农业投资并非外生——高产地区可能获得更多投资（反向因果）；（2）遗漏变量——气候条件、技术进步等因素同时影响产出和投资决策。本文以各省1990年代农业基建投资的历史存量与全国年度农业投资增长率的交互项作为当期投资的Bartik工具变量——历史投资存量影响当期的投资惯性，但不受当期产出冲击影响。同时采用局部投影法（Local Projections, Jordà, 2005）估计投资冲击的动态产出响应，相比传统VAR，LP方法对模型设定偏误更加稳健。关键识别假定：历史投资存量仅通过当期投资影响当期产出，不存在独立于当期投资的直接产出效应路径。

基准面板固定效应模型设定为：

ln(Y_{it}) = α + β · ln(I_{it}) + γ · X_{it} + μ_i + λ_t + ε_{it}

其中 Y_{it} 为省 i 在 t 年的粮食单产（公斤/亩），I_{it} 为省级农业财政投资（高标准农田建设支出 + 农机购置补贴支出，经省级农业GDP平减指数调整为不变价），X_{it} 包括化肥施用量、有效灌溉面积占比、受灾面积占比、农业劳动力数量。μ_i 为省份固定效应（控制不随时间变化的自然禀赋差异），λ_t 为年份固定效应（控制全国性气候和技术趋势）。β 为投资对产出的弹性。

局部投影法在基准回归基础上进一步估计动态响应：

ln(Y_{i,t+h}) - ln(Y_{i,t-1}) = α_h + β_h · Δ ln(I_{it}) + γ_h · X_{it} + μ_{i,h} + λ_{t,h} + ε_{i,t,h}

其中 h=0,1,...,5 为投资冲击后的年份，β_h 为投资冲击后第 h 年的累计产出响应，描绘投资的动态乘数路径。

被解释变量：粮食单产（公斤/亩），以各省粮食总产量除以播种面积计算，数据来自国家统计局分省年度数据。核心解释变量：（1）高标准农田建设支出——省级财政一般公共预算中"农田建设"科目的决算数（经省内各区县汇总）；（2）农机购置补贴支出——省级财政"农机购置补贴"科目决算数。两者合计为农业基础设施投资变量。控制变量：亩均化肥施用量（折纯量，公斤/亩）、有效灌溉面积占比（%）、受灾面积占比（%）、农业劳动力（第一产业就业人数）。数据来源为国家统计局分省面板、《中国财政年鉴》省级决算数据、农业农村部高标准农田上图入库数据库。样本区间为2010-2026年，31个省份，约527个观测值。

1. 替换工具变量构造方式：以"相邻省份的农业投资加权平均值"作为本省投资的工具变量（空间滞后IV）——相邻省份投资受共同的中央政策驱动，但不受本省当期产出影响，检验Bartik IV结论的稳健性。
2. 替换投资变量的测度：将财政农业投资分解为"高标准农田建设支出"和"农机购置补贴支出"两个独立变量，分别估计两者的独立产出弹性，检验两类投资乘数效应的结构性差异（验证H2）。
3. 样本排除检验：依次排除山东、河南、黑龙江三个产粮大省后重新估计，检验结论是否由少数产粮大省驱动（influential observations检验）。
4. 替换产出变量与时间窗口：以"粮食总产量"替代"单产"、以5年滚动窗口替代全样本、以3年移动平均平滑年度波动，检验估计结果的稳健性。
---
date: 2026-06-17
field: 金融 — 外汇与跨境资本
source: https://tv.cctv.com/2026/06/17/VIDEqIkyFiOwXcn1YjW4GfRk260617.shtml
topics_count: 5
---