农业机械化与农民收入：来自农机具购置补贴政策的证据，本文主要内容关键词为：农机具论文,农民收入论文,化与论文,农业机械论文,证据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言 如何增加农民收入，始终是政策制定者与理论研究者关注的热点话题之一。党的十八大报告提出了2010-2020年农民收入倍增的战略计划；2015年和2016年中央“一号文件”更是具体地提出了拓宽农村外部增收渠道、加大政策助农力度等促进农民增收的政策。理论研究者则从农业技术进步(例如Wu et al.，2010；Ding et al.，2011；肖卫、肖琳子，2013)、农产品价格形成机制(例如黄延信，2009；冯海发，2014；Bassett，2014；卢凌宵等，2015)、农村土地管理制度(例如许庆等，2008；Li et al.，2011；李中，2014)、农民组织化(例如伊藤顺一等，2011；张会萍等，2011；薛凤蕊等，2012；Yang and Liu，2012)、农村劳动力转移(例如马宇等，2008；阳俊雄，2001；杨昕，2015；Nguyen et al.，2015)、财政支农(例如钟甫宁等，2008；李普亮，2012；Wang and Shen，2014)等多个角度对如何促进农民增收进行了分析。但是，较少有研究分析农业机械化对农民增收的作用效果。农村劳动力大量转移殆尽与农村劳动力红利逐渐褪去，已成为中国农业发展中不争的事实(蔡昉，2008；2010)，而促进农业机械化则成为中国农业应对劳动力不足的重要手段。那么，推进农业机械化会对农民收入造成怎样的影响呢？研究农业机械化对农民收入的作用效果，有利于为农民增收政策的制定提供实证依据。 当前有关农业机械化与农民收入之间关系的研究还很薄弱。相关研究中，张睿、高焕文(2008)的实证分析证实了农业机械化有助于农户增收，并且其研究还运用灰色理论建立了务农收入与农民人均纯收入预测模型，预测结果显示，到2010年，中国农业机械化对农民增收的贡献至少为6.51%。孔荣、梁永(2009)基于1980-2005年的统计数据对农机总动力对农村居民家庭人均纯收入进行了测算，并认为农机总动力每提高1%，农村居民家庭人均纯收入会相应增长0.87%。李辉、钟绵生(2010)也证实了农业机械化对农民收入有正向影响，他们计算出农民农业收入关于农业机械化的弹性为0.1029。同样，许广月(2011)基于中国省级面板数据证实了农业机械化与农民收入之间存在相关关系。此外，还有学者讨论了农业机械化与农民福利之间的关系。例如，Herdt(1983)指出，农业机械化在促进农业增产时，会因产量提升而降低食品价格，从而降低低收入群体和食品消费比例较高群体在食品上的消费支出，有利于他们对其他商品的购买。Ahmed(1983)与Lim(1983)的研究也得出了类似的结论。 需要指出的是，有关农业机械化与农民收入之间关系的研究大都存在着两个问题。第一，忽视了农业机械化与农民收入之间互为因果的内生性问题。由于农业机械是农业生产中重要的生产要素，因而理论上讲，农业机械投入对农业生产和农民收入有着决定性作用；而农民收入反过来直接影响农户购置农机具或购买农业机械服务，进而影响农业机械化程度①。因此，直接将农业机械化变量与农民收入变量进行回归估计必然面临着内生性问题，有损估计结果的有效性。第二，研究样本数量不足。现有研究多是采用省级面板数据或时间序列数据进行实证分析，样本数量较小，因而研究结论的可信度不高。 针对现有研究存在的问题，本文拟采用如下办法来解决：第一，选取2003-2008年中国全部县级层面的面板数据作为研究数据，以解决样本数量不足的问题。第二，以农机具购置补贴政策为重要研究自变量，分别采用双重差分模型(difference-in-difference，简称“DID模型”)和倾向值匹配(propensity score matching，简称“PSM模型”)方法衡量农业机械化对农民收入的影响。由于中国农机具购置补贴政策在县级层面具有“先试点、再逐步推广”的实施次序特征，并且该项补贴政策直接影响着所实施地区农业机械使用量，且与农民收入水平互为外生，这为研究农业机械化对农民收入的影响创造了一个准自然实验环境，因而能够有效避免农业机械化与农民收入二者之间的内生性问题。因此，本文研究具有如下学术意义：第一，评估农业机械化对农民收入的作用效果有助于为促进农民增收政策的制定提供实证依据。第二，弥补现有研究存在的不足，尤其是在一定程度上避免农业机械化与农民收入之间的内生性问题，可以得到农业机械化与农民收入二者更为准确的关系。 二、研究设计与数据说明 (一)政策背景 中国农机具购置补贴政策开始实施于2004年，在实施中呈现出以下特征：第一，农机具购置补贴政策以县为单位依照试点次序先后逐步铺开。2004年，首批试点县为66个；2009年，补贴试点覆盖到了中国所有县(区、市)。第二，中央财政依据各县耕地面积、粮食产出情况分配资金，此外，农机具购置补贴资金总额逐年增加。第三，农机具购置补贴政策实行地区普惠制原则。具体而言，以县为补贴实施单位，凡是该区域内的户籍农民或直接从事农业生产的组织，都能申请农机具购置补贴，其他县的则不能申请。具体操作中，农民根据拟购买农业机械的型号先申请购机补贴指标②，然后再行购买农机。当补贴资金不充裕时，则采用“先到先得”的资金分配原则。第四，农机具购置补贴额度执行“定额补贴”原则，一般情况下，每档农机产品的补贴额度原则上不超过该档产品上年平均销售价格的30%。值得一提的是，中国农机具购置补贴政策紧扣粮食生产中的耕、种、收环节。2004年农业部农办财[2004]22号文件明确指出，农机具购置补贴项目的实施原则之一就是根据粮食生产的需要，对小麦、水稻、玉米、大豆四种粮食作物田间作业机具的购置进行补贴。受政策目标的指引，中国粮食作物生产机械化水平迅速提高③；2013年年底，中国小麦、水稻、玉米的耕、种、收环节综合机械化率分别达到93.71%、73.14%、79.76%。农机具购置补贴政策实施10年来(2004-2013年)，中国三大主粮生产的机械化实现了快速发展。其中，玉米机收水平从2003年的1.89%，增长到2013年的51.57%；水稻机播率从2003年的6.00%，增长到2013年的36.10%。 (二)研究模型 农机具购置补贴政策在县级层面依照试点次序先后逐步展开，这为本文研究提供了一个具备准自然实验特征的外生变量。基于这一特点，本文将使用由中国全部县级单位构成的面板数据，建立双重差分模型以分析农业机械化对农民收入的影响。双重差分法适合分析或评价外生事件带来的影响，能够消除不随时间变化的变量选择性偏差。目前，已有许多学者采用双重差分方法，对某个因素变化或某项政策的效果进行研究或评估，例如，Galiani et al.(2005)研究了供水私营化对儿童死亡率的影响，Nunn and Qian(2014)探讨了食物援助项目与社会冲突的关系。本文研究建立双重差分模型如下：
农机具购置补贴政策是通过影响农业机械化发展进一步影响农民收入的，即农业机械化变量充当着农机具购置补贴变量影响农民收入变量的中介变量。在(1)式与(2)式中，系数α表示农机具购置补贴对农民收入
的作用效果，系数β表示农机具购置补贴对农业机械化水平
的作用效果。通过(1)式与(2)式能间接计算出农民收入关于农业机械化水平的弹性，即为α/β。 此外，在双重差分模型估计之后，本文将采用工具变量法进行检验。本文采用农机具购置补贴变量作为农业机械化水平的工具变量⑤，如(3)式所示：
进一步，本文还将检验农业机械化对农民收入的作用机制。事实上，农业机械化主要通过两条途径影响农民收入。第一，农业机械化影响农业产出，继而影响农民的农业收入。McMillan(1949)、Southworth(1974)、Toquero and Duff(1985)、Yang et al.(2013)、Yamauchi(2014)的研究皆指出，农业机械化有利于推动农业规模化发展，有助于农业增产，因而有益于提高农民的农业收入。第二，农业机械化通过促进劳动力转移促进农民收入水平提高。Jabbar et al.(1983)、Martin and Olmstead(1985)、Krishnasreni and Thongsawatwong(2004)、晖峻众三(2010)和周振等(2016)的研究均表明，农业机械化促进了农业劳动力转移，而劳动力转移促进农民收入增加也得到了许多学者的证实(例如李宾、马九杰，2014；杨昕，2015)。农业机械化对农民收入的影响可能还存在其他途径，不过，本文将主要对这两种作用机制进行检验，分析判断哪种作用机制对农民收入的影响更有意义。 (三)变量选取与数据来源 由于农机具购置补贴政策于2009年覆盖到中国全部县级地区，为了保证研究样本有尽可能多的变化，本文选取的时间段为2003-2008年。农机具购置补贴试点县逐年推进名单由笔者向农业部调研获得，根据农机具购置补贴试点县名单本文构造了研究变量Pit。其中，倘若试点县于某一年开始实施农机具购置补贴，则将该年之后Pit取1，否则取0。本文选取农民总收入(income)作为衡量农民收入状况的指标⑥；由于中国农机具购置政策主要服务于粮食生产，因此，本文采用各县粮食产量(grain)表示农业产出；劳动力转移数量(transfer)以乡村从业人员数量与农林牧渔业从业人员数量的差值表示⑦；本文以农机总动力(power)衡量县级地区农业机械化水平。农民总收入(income)、粮食产量(grain)、劳动力转移数量(transfer，单位：人)、农机总动力(power)数据来自2004-2009年历年的《中国区域经济统计年鉴》⑧。同时，研究样本中剔除了粮食产量为0的县级地区。由于2003-2008年间中国少数县域出现合并、拆分等区划变化，因此，本文研究数据为非平衡面板数据。为了消除异常值的影响，本文对所有连续变量在1%和99%分位上进行了winsorize处理⑨。 影响农民收入的因素很多，然而，在本文模型中却仅讨论了农业机械化对农民收入的作用效果，并未控制其他能够影响农民收入的变量。本文如此处理的理由如下：倘若农机具购置补贴试点县的选择是随机的⑩，那么，即使不控制其他影响农民收入的变量，也能通过双重差分法得出农业机械化对农民收入的净效应(参见Angrist and Pischke，2008)(11)。 三、实证分析 (一)基准模型估计结果 表1分别报告了农机具购置补贴政策(Pit)这一核心自变量对县级农民收入(income)、农业机械化水平(power)的作用效果。在模型估计中，本文采用Galiani et al.(2005)的方法，选择县级层面的聚类标准误，以此获得稳健的估计结果。 表1中，方程(1)与方程(2)汇报了农机具购置补贴政策对农民收入的作用效果。在方程(1)中，该项补贴对农民收入的作用效果并不显著；不过，方程(2)考察了农机具购置补贴政策的滞后一期变量(
)对农民收入的影响，该变量通过了1%水平的显著性检验，回归系数为0.013，表明该项试点的滞后一期能够显著提高农民收入，农机具购置补贴政策实施所带来的农民收入的平均增长约为1.300%。方程(1)和方程(2)的估计结果表明，农机具购置补贴政策实施对农民收入的影响具有滞后效应。本文认为，这种滞后性是由农机作用发挥的时间滞后性与农业生产的长周期性所决定的，为此在后续分析中也将继续考察补贴试点对农民收入的滞后效应。方程(3)与方程(4)考察了农机具购置补贴政策对农业机械化的作用效果。模型估计结果显示，不论是农机具购置补贴政策变量的当期还是滞后一期，估计结果均表明，农机具购置补贴政策能显著提高农业机械化水平。方程(4)中滞后一期的农机具购置补贴试点变量通过1%水平的统计检验，回归系数为0.026，说明农机具购置补贴政策实施对实施县的农业机械化水平的平均增长约为2.600%。
在方程(1)～(4)中，均考虑了时间固定效应与县级地区固定效应的影响。时间固定效应各年份的估计系数均为正且通过了1%水平的显著性检验，表明随着年份的推移，所有县农民收入水平与农业机械化水平都呈现逐年增加的趋势。这也说明，随着农机技术进步，农业机械化水平不断提高，农民收入也持续增长。 农机具购置补贴政策对农民收入作用效果与农机具购置补贴政策对农业机械化水平作用效果的比值即为农业收入关于农业机械化的弹性。根据滞后一期的回归系数测算可得，该弹性值为0.496，表明县级地区农机总动力每增长1%，农民总收入则相应地增长0.496%。 (二)农业机械化对农民收入作用机制的检验 进一步，本文检验农业机械化对农民收入的作用机制。表2报告了农业机械化对粮食产出和劳动力转移的结果，在估计中仍选择县级层面的聚类标准误。
表2中的方程(1)与方程(2)考察的是农机具购置补贴政策对粮食产出的作用效果，方程(3)与方程(4)分析的是农机具购置补贴政策对劳动力转移的作用效果。方程(1)与方程(2)中农机具购置补贴政策变量通过显著性检验，估计系数为正，表明无论是补贴试点的当期，还是滞后一期，都对粮食产出产生了显著的正向作用。值得注意的是，模型估计结果显示，根据方程(1)和方程(2)的系数，可以得出农机具购置补贴试点滞后一期的作用效果均高于当期的作用效果。以方程(2)与方程(1)为例，不难发现，方程(2)中
的估计系数0.031高于方程(1)中
的估计系数0.027，并且方程(2)中
通过1%水平的显著性检验，而方程(1)中
并没有通过统计检验。这进一步反映了农机具购置补贴试点对农民收入的作用效果存在滞后性。 根据表1和表2中方程(2)的估计结果，测算出粮食产出关于农业机械化水平(农机总动力)的弹性为1.200。同理，测算出劳动力转移关于农业机械化水平(农机总动力)的半弹性为107463.34。 再进一步，本文通过工具变量法分别估计农业机械化通过粮食产出和劳动力转移两条路径对农民收入的作用效果，并且将此估计结果与表2和表1中的结果进行对比，作为对基准模型和DID模型估计结果的稳健性检验。表3汇报了对这两条路径的检验结果。表3中，本文分别用农机具购置补贴政策的滞后一期变量(
)作为自变量农机总动力、粮食产出和劳动力转移的工具变量。模型一阶段估计结果限于篇幅未汇报。一阶段估计结果显示，
对农机总动力、粮食产出和劳动力转移的作用效果显著；Anderson-Rubin Wald检验结果和Hansen J统计量均表明，
符合作为工具变量的要求。
表3中，方程(1)估计出农业机械化水平对农民总收入的总效应。农业机械化水平变量通过了1%水平的显著性检验，估计系数为0.538，表明农民总收入关于农业机械化水平的弹性为0.538。这与根据表1中估计结果计算出的弹性值0.496相比，差异不大。 表3中，方程(2)与方程(3)分别估计了粮食产出对农民收入的影响和农业机械化对粮食产出的影响。从方程(2)的估计结果来看，粮食产出对农民收入的作用效果显著，该变量通过了1%水平的显著性检验，估计系数为0.549，说明粮食产出每增加1%，农民总收入将增加0.549%。方程(3)中，农业机械化水平变量通过了1%水平的显著性检验，估计系数为1.476，说明粮食产出关于农业机械化的弹性为1.476，这与表2推算出的1.200相接近。方程(4)与方程(5)分别估计了劳动力转移对农民收入的影响和农业机械化对劳动力转移的影响。方程(4)中，劳动力转移变量通过了1%水平的显著性检验，但估计系数的数值近似于0，说明劳动力转移对农民收入增长的作用效果很微弱。方程(5)中，农业机械化水平对劳动力转移的影响通过了1%水平的显著性检验，表明农业机械化有助于农村劳动力转移；同时计算得到弹性的大小与根据表2中结果推算的弹性值相当。通过对表3中方程(2)和(3)与方程(4)和(5)估计结果的对比分析，进一步得出农业机械化主要是通过提高农业产出进而增加农民收入的结论。 四、稳健性检验 (一)倾向值匹配与样本筛选 正如Angrist and Pischke(2008)所述，使用双重差分模型的重要前提条件是实验组(试点县)与参照组(非试点县)在选取上须是随机的。然而，中国农机具购置补贴试点县的选择中并不是随机的。据笔者向农业部调研获悉，中国农机具购置补贴政策在试点县选择上遵循了如下标准：一是试点地区耕地相对集中，粮食生产能力强；二是试点地区对农业机械作业服务具有较强的需求；三是试点地区具有一定的财政实力。符合上述三条标准的县将会被优先纳入补贴试点的范围。对此，本文以2004年农机具购置补贴政策变量(
)为因变量，以2003年各县耕地面积、粮食单产、财政收入为自变量，回归结果表明上述变量均显著且回归系数为正，表明试点县的选择符合上述三个标准，为此，本文研究还需要对样本进行筛选，以构建出一组随机的新样本，然后使用新样本对农业机械化对农民收入进行再估计，以此作为稳健性检验。 在对样本进行筛选时，需要保证样本是随机的。倘若所筛选的样本是随机的，那么，农机具购置补贴政策变量
必然与耕地面积、粮食单产、县级财政收入显著不相关。本文使用倾向值匹配(propensity score matching，PSM)方法对已有样本进行筛选，保证所筛选出的样本满足试点县与非试点县在耕地资源、产粮能力与财政水平上不存在明显的差异性。 倾向值匹配是Rosenbaum and Rubin(1985)提出的一种研究干预效果的分析方法。假设试点县筛选规则变量为
，倾向值匹配方法就是通过倾向值找到具有最相类似的
变量特征的试点县与非试点县，由此，试点县与非试点县的选择就处在了随机状态。具体实现方法如下：由于农机具购置补贴政策实施属于一次干预性实验，成为试点县的条件概率可通过试点县变量
的二分变量Logistic回归模型进行估计。记第i个县的农机具购置补贴政策变量为
，
是取值仅为0或1的虚拟变量，取值为1表示该县实施了农机具购置补贴试点，取值为0表示该县尚未实施了农机具购置补贴试点。那么，第i个县成为试点县的条件概率如(4)式所示，这个概率为i县被选作农机具购置补贴试点县的倾向值。
在得出倾向值之后，本文选择半径匹配方法对试点县和非试点县进行匹配(参见Rosenbaum and Rubin，1985)。假设
分别表示试点县组和非试点县组的倾向值，
分别表示试点县组和非试点县组成员的集合。当
之差的绝对值小于某一个数例如ε时，可以将j看作i县的一个匹配，如(5)式所示。在使用半径匹配时，试点县组和非试点县组需要具有共同支持域(common support)，也就是说，本文要使用试点县组和非试点县组倾向值相重叠部分的样本进行回归分析。对于倾向值不在重叠区域的观察个体，应从分析样本中剔除，如此也就完成了样本筛选的过程。
在匹配过程中，本文并没有采取逐年匹配的方式，原因如下：第一，由于农机具购置补贴是以县为单位逐步推进的，2003年农机具购置补贴政策尚未实施，选取2003年的数据能够反映农机具购置补贴政策实施前的特征，2004年和2005年的试点县相应地也是2006年的试点县，因此，选择2006年作为匹配基准年也能为2004年和2005年的试点县找到与之相匹配的非试点县；第二，由于2006年农机具购置补贴已覆盖了中国1126个县，选择2006年为匹配基准年也是为了保证尽可能多地为试点县找到与之相匹配的非试点县；第三，以各县耕地面积、粮食单产、财政收入、南北方位、地形为匹配协变量(12)，主要是为了使得试点县与非试点县在选择规则上不具有差异。因此，本文以2006年样本县是否实施了农机具购置补贴试点为二分变量，以2003年各县耕地面积、粮食单产(等于粮食产量除以耕地面积)、财政收入、南北方位(以秦岭淮河为界划分南方地区和北方地区)、地形(平原和丘陵)为匹配协变量，匹配出新的面板数据。 在半径匹配中，本文选择的匹配卡尺大小ε为0.0003，卡尺大小远小于样本估计倾向值标准差的1/4，因此，本文选择的匹配尺度满足Rosenbaum and Rubin(1985)的要求。另一方面，为了验证本文匹配后的实验组与参照组在试点筛选规则变量上无明显的差异，本文对匹配后的样本做了属性一致性检验(balancing property test)。属性一致性检验结果表明，匹配后的试点县组与非试点县组在耕地面积、粮食单产、财政收入、南北方位、地形5个变量上没有显著差异，各变量差异检验结果的显著性水平都在10%以上。由此，本文构建了一组随机的实验组和参照组。 经匹配筛选后，本文得到了实验组和参照组，进而构建出了2003-2008年县级面板数据(13)。 (二)稳健性估计 1.基准模型的稳健性检验。表4是新样本下基准模型的回归结果。需要指出的是，在参数估计中，本文仍然选择县级层面的聚类标准误，以得到稳健的估计结果。
在表4的估计结果中，农机具购置补贴政策的当期变量(
)没有通过统计检验，说明农机具购置补贴政策的当期变量对农民总收入的作用效果并不显著；但是，农机具购置补贴政策的滞后一期变量(
)通过了5%水平的显著性检验，估计系数为0.012，说明农机具购置补贴政策对农民收入的作用具有滞后效应。方程(3)与方程(4)的估计结果都表明，农机具购置补贴提高了县域地区的农业机械化水平。依据方程(2)与方程(4)的估计结果，可以间接估算出农民总收入关于农机总动力的弹性，即0.437。经比较发现，表4测算的农民总收入关于农业机械化的弹性小于表1中的0.4961。由此可见，倘若不考虑补贴试点的非随机性特征，易高估农业机械化对农民收入的作用效果。
2.农业机械化水平对农民收入作用机制的稳健性检验。表5报告了在新样本下，农业机械化水平对农民收入作用机制的DID模型估计结果。方程(1)与方程(2)汇报了农机具购置补贴政策试点对粮食产出的作用效果。方程(1)与方程(2)中，农机具购置补贴政策试点的当期变量和滞后一期变量通过了显著性检验，估计系数均为正，说明农机具购置补贴政策对粮食产出起到了促进作用。农机具购置补贴政策滞后一期变量的估计系数为0.032，高于当期变量的估计系数0.030，并且滞后一期变量的显著性水平1%也高于当期变量的显著性水平5%，这与表2中二者显著性水平一致。方程(3)与方程(4)考察了农机具购置补贴试点对劳动力转移的影响。方程(3)与方程(4)中，无论是农机具购置补贴政策试点的当期变量还是滞后一期变量均未通过显著性检验，说明农机具购置补贴政策对农村劳动力转移没有效果。由此可见，农业机械化是通过作用于粮食产出来提高农民收入的，通过作用于劳动力转移影响农民收入的机制并不显著。事实上，表3中方程(4)的估计结果也证明了这一结论，该模型中农民总收入关于劳动力转移的半弹性近乎为0。这也说明，农业机械化通过劳动力转移机制对农民收入的作用效果不显著。 为了进一步进行稳健性检验，本文基于新样本采用工具变量法估计农业机械化水平通过农业产出和劳动力转移两条途径对农民收入的作用效果(结果见表6)。与表3中结果所采用的估计方法相同，本文仍分别用农机具购置补贴政策的滞后一期变量(
)作为农机总动力、粮食产量和劳动力转移的工具变量，模型一阶段估计结果限于篇幅也未汇报。不过，估计结果显示，
对农机总动力、粮食产量和劳动力转移的作用效果显著；工具变量检验结果也表明，
具有作为工具变量的特性。
表6中的方程(1)直接估计了农业机械化对农民收入影响的总效应，该总效应通过了5%水平的显著性检验，其系数大小显示，农民总收入关于农业机械化水平的弹性为0.464。该弹性值也与根据表4中估计结果的推算值0.437较为接近。 表6中的方程(2)与方程(3)分别估计了粮食产出对农民总收入的作用效果和农业机械化对粮食产出的作用效果。从方程(2)的估计结果来看，粮食产出对农民收入的作用效果显著，估计系数为0.408，说明粮食产出增加1%，农民总收入水平提高0.408%。方程(3)的估计结果表明，粮食产出对农民收入的估计系数为1.370，通过了5%水平的显著性检验，表明农业机械化水平对粮食产出的作用效果较强。方程(4)与方程(5)估计了农业机械化通过劳动力转移途径对农民收入的影响，具体而言，方程(4)与方程(5)分别估计了劳动力转移对农民收入的作用效果和农业机械化对劳动力转移的作用效果。方程(4)和方程(5)中，劳动力转移和农业机械化水平都未通过显著性检验，说明劳动力转移对农民收入的作用效果较弱。这一点与表5中的估计结果相一致。研究结果同样表明，农业机械化主要是通过影响粮食产出的途径增加农民收入。 值得一提的是，对比基于新样本的稳健性检验结果与基于原样本的估计结果，不难发现，倘若不对农机具购置补贴试点县选择的非随机性问题进行处理，易高估农业机械化对农民收入的作用效果。例如，匹配后基于新样本的推算值0.437和0.464均小于原样本的推算值0.496和0.538，这些结果也进一步表明了对补贴试点非随机性问题处理的必要性与重要性。 五、主要结论与政策含义 本文基于2003-2008年中国县级面板数据，分析了农业机械化对农民收入的作用机制，并运用双重差分模型估计了农业机械化水平对农民收入的作用效果，此外，本文还正视了以往研究中忽视的农业机械化水平与农民收入二者之间的内生性问题。最后，本文对模型估计结果进行了稳健性检验。研究结果表明：第一，农业机械化能够显著促进农民收入水平的提高，倾向值匹配分析结果显示，农民总收入关于农业机械化水平的弹性至少为0.4；第二，农业机械化主要是通过作用于粮食产出的方式提高农民收入水平，而通过促进劳动力转移的方式提高农民收入水平的效果不明显。 根据上述研究结论，本文得出如下政策含义：第一，应以提高农业机械化水平为政策抓手，促进农民增收。继续优化实行现行农机具购置补贴政策，大力发展农机社会化服务，给予农机手更多扶持性、奖励性政策。第二，充分发挥农业机械化对粮食生产的作用效果，增强农业综合生产能力，提高农业产出，增加农民收入。 当然，本文研究也存在些许不足。第一，由于数据获取的限制，本文没有能够细致地分析农业机械化对农民收入各个部分(经营性收入、工资性收入、转移性收入、财产性收入)的影响。第二，农机总动力并不是衡量农业机械化水平的较好指标，但是，受数据获取的限制，本文研究无法收集到能直接反映县域农业机械化水平的指标(例如主要农作物耕种收综合机械化率)。为此，在后续研究中笔者将在这些方面做出改进。 注释： ①中国农业机械化的特征是：农机手购置农业机械并提供农机社会化服务，普通农户购买农业机械服务。详见孔祥智等(2015)。 ②机具购置补贴针对农业机械实行分类分档补贴的方式，不同类、不同档的机械，其补贴额度不同。 ③数据来源：2004年与2013年的《全国农业机械化统计年报》；按照农业部的统计口径，主要农作物耕种收综合机械化率是通过农作物机耕水平、机播水平、机收水平加权平均计算而来，权重分别为0.4、0.3、0.3。 ④DID模型中所有不随时间变化的影响被地区固定效应所控制，例如地区地形等特质性因素；而所有地区共同的年度变化由时间固定效应控制，例如粮食生产中的技术进步。 ⑤农业机械化水平工具变量可能与农民收入之间存在显著的关系，即(1)式拟揭示的规律，因而农业机械化水平工具变量可能还不太满足工具变量与因变量不相关的要求(参见Wooldridge，2012)。但是，只要(1)式与(2)式能够揭示出农机具购置补贴政策对农业机械化水平与农民收入都存在着显著的正向影响，就能认为农业机械化对农民收入产生了正向作用。此时，(3)式只需能够用于测算出农业机械化水平对农民收入的作用效果即可。在(1)式与(2)式成立的基础上，(3)式能更为精确地测算出农业机械化水平对农民收入的弹性。 ⑥由于县级层面的统计年鉴并没有对农民的工资性收入、农业收入进行分类统计，因而本文分析仅探讨各个作用机制对农民总收入的影响。 ⑦乡村从业人员指乡村人口中16岁以上实际参加生产经营活动并取得实物或货币收入的人员，既包括劳动年龄内经常参加劳动的人员，也包括超过劳动年龄但经常参加劳动的人员。从业人员按从事主业时间最长(如果时间相同则按收入最多)分为农业从业人员、工业从业人员、建筑业从业人员、交运仓储及邮电通讯业从业人员、批零贸易及餐饮业从业人员、其他从业人员。因而，本文可以视农村劳动力转移数量为乡村从业人员数量与农林牧渔业从业人数之差。 ⑧盛来运、叶植材(总编)《中国区域经济统计年鉴》(2004-2009年，历年)，中国统计出版社。 ⑨采用winsorize处理有助于处理样本中的极端大值与极端小值。 ⑩本文在分析中先假设农机具购置补贴试点县的选择是随机的；然后放宽这个约束，讨论在试点县非随机选择的情况下，农业机械化对农民收入的净效应。 (11)农机具购置补贴政策实施之际，中国政府还实施了其他有利于农民收入增长的政策。但是，只要农机具购置补贴试点县的选择是随机的，就可以通过DID模型差掉其他政策的干扰，测算出农机具购置补贴政策对农民收入的净效应。许多学者都采用了这种方法来评估政策效果，例如Galiani et al.(2005)、Nunn and Qian(2014)。 (12)选择耕地面积、粮食单产作为协变量还有控制各县分配到的中央农机具购置补贴资金的涵义，正如本文第二部分所言，中央财政在补贴分配上以各县耕地面积与粮食产出为主要依据，补贴资金的多少也是影响各县农业机械化水平的重要因素。考虑南北方位与地形变量是因为这两大类因素直接影响着当地的农业机械化水平，因而也需要做一定的控制。 (13)在模型估计时，本文需要对补贴试点变量做滞后一期处理，因为2006年新增的补贴试点县实际上需要到2007年该项补贴才能发挥促进粮食生产的作用。另外，新样本中2008年已实施补贴的县的个数占当年县级单位总数的97%以上，为保证每一年内都有足够的对照组，新样本的时间跨度选择为2003-2007年。
标签：农民论文; 显著性论文; 农机具购置补贴论文; 显著性水平论文; 农机论文; 三农论文; 农村论文; 农资论文;
