农业机械化推动粮食生产的时间序列研究

张经纬　冷海娟

摘要：现有的研究表明农业机械化能够达到提升生产效率的目标，本文选取粮食产量作为被解释对象，使用VAR模型对时间序列数据进行了实证分析。分析结果证实了农业机械化对于推动粮食生产的积极效应，对继续推广和应用农业机械化提供了理论上的支持。

关键词：农业机械化;粮食生产;政策激励

一、研究背景

农业机械化是实现农业现代化的重要手段，为了推行农业机械化，2004年我国颁布的《农业机械化促进法》，明确指出要提高对农业机械化的资金投入，支持农机设备的技术研发和推广，扶持农机服务组织，补贴农业用机械设备的购买。在政策激励下，我国农业机械化发展势头向好，农机设备总动力有显著提升，2020年我国农业机械使用总动力达到了105622万千瓦。

二、研究设计

1、样本选择

为了研究我国新世纪以来农业机械化对提升农业生产率的推动作用，本文选取了2000

年至2020年17年的农业粮食总产量数据以及农业机械投入总动力，并使用Stata15软件进行实证分析。

2、样本数据描述分析

农业粮食总产值和农业机械化数据表现为大体相同的发展趋势，并且二者均有逐年增加的趋势。2000年，我国农业经济总产值为46217.5万吨，2020年已经达到了66949.2万吨，增长了1.45倍左右，农业经济指数每年都超过了103，说明我国农业发展取得了巨大的进步，未来发展前景向好，为实现共同富裕和乡村振兴打下了坚实的物质基础。农业机械总动力从2000年的52573.6万千瓦增长到了2020年的102758.3万千瓦，增长了1.95倍，说明农机技术投入幅度增大，农业技术创新的水平越来越高。由此，我们假设：农业机械化的推进会显著提升农业粮食的生产效率。因为理论界普遍采用道格拉斯生产函数研究生产要素投入产出的关系，所以本文建立如下模型来描述农业机械化与粮食产量的关系：

lnlc=a+βlnmachinism+ε

其中，lnlc、lnmachinism分别为对粮食产量（lc）和农业机械化总动力（machinism）的对数化，ε为模型的残差。

3、数据处理

为了避免時间序列数据可能出现的自相关性问题，本文对样本数据进行了移动平均滤波检验，检验窗口设置为（2，1，2），并建立了噪音序列，对噪音序列进行了分析。自相关检验结果比较理想，样板数据不存在明显的自相关性问题。另外，本文利用指数平滑法对样本数据进行了滞后两期的拟合，拟合程度比较高，说明可以进行进一步的分析。

4、格兰杰因果检验

格兰杰因果检验的结果显示，粮食产量是农业机械化程度的格兰杰因这个假设被否定了，即农业机械化推广的程度是提升粮食产量的因素之一，符合本文之前做的假设。

5、模型回归分析

表2为模型系数回归的结果，可以看出模型整体拟合效果比较好，自变量和常数项的p值均为0，在所有置信水平上均显著，说明农业机械化的推广确实显著提升了粮食生产的产量和效率。具体的模型参数回归结果如下：

lnlc=4.24+0.59lnmachinism+ε

四、研究结论和政策建议

经过时间序列的实证分析，本文印证了农业机械化对于推动粮食生产的积极效应，说明大力推动农业机械化有利于粮食产出，解决了很大一部分中国人吃饭的问题，有利于提升农业生产的科技化水平，实现农业现代化。

当前，农业劳动力数量正面临劳动力转移的冲击，农村劳动力缺乏正成为新的社会问题，只有不断为农业生产注入新的技术因素，才能形成对传统劳动力的替代。加快农业机械化的研发和创新，促进农作物种植多样化、高效率，解决农村土地无人种的难题，提升农地经营集约化水平和规模效益。政府应该加大对大型农机购置的补贴支持，适度提高补贴标准，鼓励粮食生产机械化、科技化，促进农机对人劳动的替代，降低人工费用、取得规模效益，这也是未来降低粮食生产成本、提升粮食生产竞争力的重要举措。

作者简介：张经纬（1991.03-），男，汉，山东聊城人，江苏财经职业技术学院讲师，主要研究方向为经济学。

课题名称：“创业板公司会计信息质量研究”   课题来源：江苏财经职业技术学院校级课题（一般社科）  课题编号：2021XJY08