农机社会化服务对粮食绿色生产效率的影响分析*

张泽文，张德硕，崔茂森

(青岛农业大学经济与管理学院(合作社学院),山东青岛,266000)

0 引言

无农不稳,无粮则乱。我国作为粮食生产大国,近年来粮食产量不断增加,但是在增产背后带来的是过度使用农药、化肥、农膜,从而导致土壤肥力下降、耕地资源遭到破坏,造成一系列的生态环境问题。根据《第二次全国污染源普查公报(2020)》显示,2020年我国粮食化肥使用量高达36 606 kt,粮食农药使用量达915.4 kt,粮食农膜使用量达1 665.5 kt,均远超国际标准,对生态环境造成一定威胁。中央一号文件多次指出,粮食发展要协调资源消耗、环境保护和高效生产的三者之间关系,加强农业污染的综合治理,因此在抓好粮食生产的同时,保障粮食绿色生产显得尤为重要。当前,我国粮食生产方式从主要依靠人力畜力转变为主要依靠农业机械的新阶段,农机社会化服务已然成为解决粮食生产“谁来种、怎么种”的现实路径,为保障国家粮食安全、减少环境污染和助力乡村振兴提供了重要支撑。因此在当前国家高度重视粮食安全的背景下,探究农机社会化服务对粮食绿色生产效率的影响,对实现粮食绿色高效生产、保障国家粮食安全和生态安全,以及促进农业可持续发展均具有重要的现实意义。

关于生态效率的概念最早是1990年瑞士学者Schaltegger和Sturm提出[1],即经济增长中要考虑到其造成的环境影响。2007年国内学者周震峰率先提出关于农业方面生态效率的思考[2],引起国内学者的广泛关注。近年来,关于粮食绿色生产效率的研究成果逐渐丰富,研究内容主要集中在水平测度、空间特性、特定区域研究和影响因素等方面。在水平测度方面,陈宝珍等[3]采用DEA的方法计算了2006—2015年中国各省粮食生产生态效率,其结果表明,全国总体趋势上升缓慢,粮食产区生态效率显著提高;从区域上看,东北、中部、西部和东部地区粮食生态效率依次下降。鲁庆尧等[4]通过对2000—2018年各省粮食生产生态效率的测算分析,研究表明各省间粮食生产生态效率平均值较低,从分区上看,从西、中到东呈显著减少趋势。在空间特性方面,崔宏博[5]测度了2000—2019年我国粮食绿色生产效率,结果表明中国粮食绿色生产效率上升趋势显著,且明显具有正向全局空间自相关性特征,但效率值较低均小于1,未达到有效前沿面;三大粮食功能区的效率值稳定保持“主销区>产销平衡区>全国平均>主产区”的关系。在特定区域研究方面,李雪等[6]对我国粮食主产区进行研究,认为粮食主产区的粮食生产生态效率不高,投入和非期望产出存在大量冗余。任志安等[7]对淮河生态经济带展开研究,其结果表明:淮河生态经济带粮食绿色生产效率呈现在波动中缓慢增长的趋势,各地绿色发展水平区域差距明显,呈现出“东高西低”的特点。在影响因素方面,已有研究表明人均GDP、灌溉率[8]、规模化水平[9]、农业机械化水平、工业化水平[10]和技术创新[11]等因素对粮食绿色生产效率均有着重要的影响。关于农机社会化服务的研究成果多数来自微观视角,已有研究表明农机社会化服务有利于缓解农户相对贫困[12],是构成了农机具购置补贴促进农民增收的重要渠道[13]。此外,农机社会化服务有助于化肥减量施用[14]、促进农户增加粮食作物种植面积[15]、还有助于提升小麦生产技术效率[16]。

综上所述,现有文献关于农机社会化服务与粮食绿色生产效率的研究已非常丰富,但仍存在一定待完善的空间。一是现有研究关于农机社会化服务水平的指标体系构建维度过于单一,不能够科学、全面的评价农机社会化服务的发展水平,二是鲜有研究从空间视角来考察农机社会化服务对粮食绿色生产效率的影响及溢出效应。因此本文可能存在的边际贡献在于,一是从多维度构建了农机社会化服务水平指标体系;二是在空间视角下,运用空间杜宾模型探究农机社会化服务对粮食绿色生产效率的空间溢出及作用机制;三是检验了农机社会化服务对粮食绿色生产效率的溢出距离即可能存在的地理衰减边界,以期为发展农机社会化服务、提高粮食绿色生产效率提供实证依据。

1 理论分析与研究假说

粮食绿色生产效率提升的重点在于通过先进的生产技术及设备改善现有的生产投入结构,利用技术革新的方式实现农业生产与环境的均衡发展。农机社会化服务作为一种新型组织形式,改变了以往的粮食生产方式,提高了整体或某一生产环节的效率,且有效降低了因粮食生产而造成的环境代价。本文认为农机社会化服务有助于提升粮食绿色生产效率的理论依据源于以下几个方面。

1.1 农业社会化服务对粮食绿色生产效率的影响机理

一是替代效应。随着城镇化发展,农村居民为追求更高的收入而不断流向城镇,粮食生产中呈现出劳动力供给不足的问题。留在农村继续从事粮食生产的农民需要耕种的土地规模增大,若保持现有的劳动力投入可能带来生产效率的损失。生产主体若通过市场机制购买农机服务来实现对劳动力要素的替代,则可以有效缓解这种粮食生产中劳动力投入不足的问题,能够有效提高粮食生产的效率。二是分工效应。由于粮食种植中生产周期长、生产时间固定等特征,使得其生产过程中的分工和专业化程度较低。随着农机社会化服务的出现与采纳,农户通过农机社会化服务的专业化作业而产生了分工效应。经过生产环节技术上细分后,专业分工不断深化,生产主体在某一生产环节的熟练程度不断提高,不同生产主体在特定的环节上发挥了比较优势,从而提高了整体的粮食生产效率。三是减碳效应。农机作业相较于人工耕作具有较高的精准性和高效性,避免了农药和化肥的过量使用,能够有效降低粮食生产过程中农药化肥带来的面源污染和碳排放,从而促使粮食绿色生产效率的提高。基于此,提出假设H1:农机社会化服务能够促进粮食绿色生产效率的提升。

1.2 农机社会化服务对粮食绿色生产效率的空间溢出机理

农机社会化服务对粮食绿色生产效率的空间溢出效应是通过农机跨区作业来实现的。在重点农时季节开展跨区域的机耕、机播、机收服务,不仅能够提高农机的利用率、提高农机的使用效益,而且能够满足邻近地区农民对农机作业的需求,在生产方式上实现了外部规模经济,从而有利于粮食生产效率的提升。另一方面,通过农机跨区作业,有效解决邻近地区劳动力季节性不足的矛盾,优化邻近地区粮食生产中的投入要素配置,进而促进邻近地区的粮食生产效率提高。基于此,提出假设H2:农机社会化服务对邻近地区的粮食绿色生产效率存在空间溢出效应。

1.3 农地规模经营与农村金融水平调节效应的作用机理

农地经营规模越大,越有利于机械施用技术与装备的采纳,从而保证作业的连续性[17]。此外,连片规模越大,越有助于通过生产性服务外包而进行专业化作业[18]。因此本文认为在农地经营规模更大的地区,农机社会化服务对粮食绿色生产效率的正向促进作用更为显著。基于此,提出假设H3a:农地规模经营在农机社会化服务对粮食绿色生产效率的影响中发挥正向调节作用。

在农村经济中,金融是连接农村经济体的重要纽带[19],为农民在扩大生产规模、改善生产条件、采纳农业技术方面发挥着重要作用。健全的农村金融信贷服务有助于农户缓解资金约束,进而为农户采纳农机社会化服务提供资金支撑。因此本文认为在农村金融发展水平更高的地区,农机社会化服务对粮食绿色生产效率的正向促进作用更加显著。基于此,提出假设H3b:农村金融发展水平在农机社会化服务对粮食绿色生产效率的影响中发挥正向调节作用。

2 模型选取、指标构建、数据来源

2.1 指标选取

2.1.1 被解释变量

粮食绿色生产效率(efficiency)。指标体系构建对粮食绿色生产效率的测算影响较大,既要保证构建的指标体系能够全面评价研究地区的实际状况,又要兼顾指标选取的科学性和合理性。基于生产要素理论,参考已有研究构建了表1所示指标体系。选取了粮食生产过程中的土地、劳动力、生产要素作为投入变量:(1)土地投入:选取粮食播种面积作为衡量土地投入[20];(2)劳动力投入:选取农业从业人员来表示;(3)生产要素主要包括农药、农膜、化肥、机械分别用农药使用量、农膜使用量、化肥使用量、农业机械总动力来表示,通过借鉴鲁庆尧的研究[4],为更精确的测度粮食生产中投入要素的使用量,将生产要素投入和劳动力投入与粮食播种面积占比系数乘积进行测算。

表1 粮食绿色生产效率评价指标体系Tab. 1 Evaluation index system of green production efficiency of grain

产出指标包括期望产出和非期望产出:期望产出选择粮食总产量来表示。非期望产出选择碳排放量来表示。包括对化肥、农药、农膜产生的碳排放量进行估算[21],借鉴相关学者[22]研究以相应指标乘以对应碳排放系数取得,碳排放系数如下:化肥0.896(kg/kg)[23]、农药4.934(kg/kg)、农膜5.180(kg/kg)。具体指标说明如表1所示。

2.1.2 核心解释变量

农机社会化服务水平(machine)。关于农机社会化服务水平的衡量,学术界暂未形成统一的观点。杨义武等[13]通过采用各地区年末每十万乡村人口拥有农机作业服务专业户和组织数量、农机户利润率来表示农机社会化服务水平。颜华等[24]采用农业机械服务费用占农业生产总投入费用的比重来表征农机社会化服务水平。当前大多研究对于农机社会化服务水平的指标选取代表性不足,测算维度较为单一,无法有效衡量农机社会化服务的水平。本文在参考前人研究的基础上,从组织支撑、人员支撑、资本存量、专业化程度四个维度选取指标,以衡量农机社会化服务水平,具体指标如表2所示。

表2 农机社会化服务指标体系Tab. 2 Agricultural machinery socialization service index system

2.1.3 调节变量

农地经营规模(scale):在考虑到土地实际利用情况等问题,本文选取人均农作物播种面积来表示农地经营规模水平。其值越高,代表该地区农地经营的规模化水平越高。农村金融发展水平(finance):金融发展有利于提高资源配置效率,因此用各省份涉农贷款余额与农林牧渔业总产值之比来衡量农村金融发展水平[25]。

2.1.4 控制变量

农田水利化程度(hydration):用有效灌溉面积占农作物播种面积百分比表示[26]。农作物受灾率(disaster):用受灾面积与粮食总播种面积的比值表示[27]。农村劳动力转移(transfer):其计算方法借鉴何春等[28]的做法,以(乡村从业人员-乡村第一产业人员)/乡村从业人员的比重作为衡量农村劳动力转移规模的代理变量。财政支农水平(support):财政支农在完善农村基础设施、加强生态环境治理、提升农业生产能力等方面发挥着重要作用,因此本文用农林水事务财政支出来表衡量。对外开放程度(opening):用对外出口额与GDP比值来表示[29]。

2.2 模型设定

2.2.1 SBM-undesirable模型

传统的DEA模型并未将非期望产出纳入到模型中,因此算出的效率结果并不准确,容易产生较大的偏差。Tone[30]将非期望产出纳入模型中,提出包含非期望产出的SBM模型,该模型如式(1)所示。

(1)

式中:E——以碳排放为非期望产出时所求得的粮食生产生态效率值;

λ——权重系数;

n——投入指标的个数;

S1——期望产出的个数;

S2——非期望产出的个数;

Xi——投入变量;

由于模型基于非径向和非角度的方法进行评估,因此避免了传统由径向和角度带来的偏差。

2.2.2 空间杜宾模型

为便于检验农机社会化服务对粮食绿色生产效率的空间溢出效应,本文采用空间杜宾模型就农机社会化服务对粮食绿色生产效率的影响展开实证研究,构建模型如式(2)所示。

efficiencyit=α+βmachineit+γWmachineit+θCit+ui+vt+εit

(2)

式中:i——区域;

t——年份;

machine——解释变量;

efficiency——被解释变量;

W——空间权重;

C——控制变量合集;

α、β、γ、θ——回归系数。

2.3 数据来源

本文的样本期间为2010—2020年,样本包括我国除港、澳、台地区和西藏自治区以外的所有其他30个省、自治区、直辖市,以上指标数据来源于历年《中国农村统计年鉴》《中国统计年鉴》《中国农业机械工业年鉴》等。

3 实证分析

3.1 粮食绿色生产效率的测度及空间分布

运用SBM-undesirable模型对2010—2020年间各省份的粮食绿色生产效率进行测算,图1为样本期间粮食绿色生产效率的变化趋势图。

图1 粮食绿色生产效率变动趋势

从时间上看,2010—2020年粮食绿色生产效率总体呈现逐步上升趋势,2010年粮食绿色生产效率平均值为0.716 2,2020年粮食绿色生产效率平均值为0.876 8,年增长率为2.041%。具体而言,2010—2013年期间波动上升,由于农业生产逐步实现规模化推动粮食产量增加导致,但由于过度依赖化肥农药等污染物的使用,导致2013—2017年,增速逐渐放缓,直至2017年年底,党的十九大报告提出乡村振兴战略,为粮食绿色生产效率指明新方向,致使2018—2020年粮食绿色生产效率增速开始加快。

为更清晰地展示我国各省粮食绿色生产效率的空间格局演变,将2010年和2020年粮食绿色生产效率按照四分位法进行分类,分为低、中低、中高和高效率区域,根据ArcGIS软件绘制中国粮食绿色生产效率空间分布图。如图2所示,可以看出我国粮食绿色生产效率空间分异特征明显,从区域来看:2010年高效率区大多分布在东北地区、西北地区和西南地区,至2020年各省粮食绿色生产效率不断提升,集聚程度不断加强,高效率区域由“带状”分布转变为连片分布。河北、河南、山东等地始终处于效率值较低的区域,究其原因,是由于河北、河南、山东等地的亩均化肥使用量均超出平均水平的两倍以上,投入要素的冗余致使其生产效率的低下,且过量投入要素带来的碳排放导致其非期望产出大量增加,造成资源的浪费并引发一定的环境问题。

(a) 2010年

3.2 空间相关性检验

3.2.1 全局莫兰指数检验

在进行空间计量分析之前首先应进行空间效应的检验,以判断变量是否存在空间相关性,进而判断空间计量模型的适用性。空间效应的检验主要包括全局空间自相关检验和局部空间自相关检验,以明晰粮食绿色生产效率和农机社会化服务水平是否存在空间效应。

本节采用地理距离矩阵,分别计算了2010—2020年间各年粮食绿色生产效率和农机社会化服务水平的全局莫兰指数,结果如表3所示。结果表明,样本期间内粮食绿色生产效率和农机社会化服务水平均在1%水平上显著,说明我国各省粮食绿色生产效率和农机社会化服务水平存在显著的空间相关性。进一步来看,样本期间内Moran’I指数均为正值,即粮食绿色生产效率和农机社会化服务水平均存在正向空间关联。从Moran’I指数的数值来看,粮食绿色生产效率的数值保持稳定,说明其空间关联性呈现出稳态特征;农机社会化服务水平的Moran’I指数呈现逐年上升的趋势,从2010年的0.0 750增长至2020年的0.193 9,表明各省之间农机社会化服务水平的空间集聚程度整体上不断加强,空间关联程度日益密切。

表3 2010—2020年全局莫兰指数Tab. 3 Global Moran index from 2010 to 2020

3.2.2 局部莫兰指数检验

为进一步考察粮食绿色生产效率和农机社会化服务水平的空间集聚特征,本文通过局部莫兰指数绘制了粮食绿色生产效率和农机社会化服务水平的Moran散点图。Moran散点图由四个象限组成,分别反映出各地和邻近地区的空间关联方式,第一象限(HH)代表高值区域被高值区域所包围;第二象限(LH)代表低值区域被高值区域所包围;第三象限(LL)代表低值区域被低值区域所包围;第四象限(HL)代表高值区域被低值区域所包围。2020年全国粮食绿色生产效率的Moran散点图如图3所示。可以看出,我国各省份粮食生产效率的Moran散点几乎分布在第一、第三象限,HH集聚主要集中在东北、西南和西北地区,LL集聚集中在东部和中部地区的几个相邻省份。

图3 2020年粮食绿色生产效率莫兰散点图

2020年农机社会化服务水平的散点图如图4所示,大多数省份依然分布在第一、第三象限,形成了鲜明的“高-高”与“低-低”空间集聚的特征,也印证了我国区域发展的不平衡性。以上检验支撑了本文采用空间计量方法的适用性,以及从空间视角探究农机社会化服务对粮食绿色生产效率影响效应的合理性。

图4 2020年农机社会化服务水平莫兰散点图

3.3 农机社会化服务对粮食绿色生产效率的空间溢出效应

上文通过空间相关性分析可知,我国省域粮食绿色生产效率和农机社会化服务水平均存在着显著的正向空间相关性,因此建立空间计量模型对其影响效应进行估计。空间计量模型的设定,需要通过LM、LR、Hausman等检验来确定其具体形式,检验结果如表4所示。通过LM检验得知,LM-Err和LM-Lag的统计量分别为88.22和64.91,在1%的水平上均通过显著性检验,故应采用两者结合的SDM模型。进行LR检验的结果显示,LR-SEM和LR-SAR均在1%显著性水平下拒绝原假设,说明空间杜宾模型不能够简化为空间滞后模型和空间误差模型。最后,Hausman检验结果显示,在1%的显著性水平下拒绝原假设,说明应选择固定效应模型。综上检验,本文选用空间杜宾固定效应模型进行估计。

表4 空间计量模型选择及检验结果Tab. 4 Spatial econometric model selection and test results

本节采用地理距离矩阵和邻接矩阵分别估计农机社会化服务对粮食绿色生产效率的空间溢出效应,回归结果如表5所示。从回归结果来看,农机社会化服务对粮食绿色生产效率具有显著的促进作用,且有着正向的空间溢出效应。具体来看,在模型(1)地理距离矩阵下,农机社会化服务对粮食绿色生产效率的影响系数和溢出系数为0.312和0.146,并分别在1%和10%的水平上显著。在模型(2)空间邻接矩阵下,农机社会化服务对粮食绿色生产效率的影响系数和溢出系数为0.313和0.081,且前者在1%的水平上显著。通过比较两个空间矩阵下的回归系数可以发现,系数的大小以及显著性较为一致,因此本文认为结果有较强的稳健性。这说明农机社会化服务不仅可以通过替代劳动力要素、实现分工和专业化生产以及优化生产要素配置等提升本省粮食绿色生产效率,还可以通过农机跨区作业对邻近省份的粮食绿色生产效率产生正向作用。结果与理论预期相一致,H1、H2假设得证。

表5 空间杜宾模型估计结果Tab. 5 Estimation results of spatial Dubin model

从控制变量的回归结果来看,各控制变量的影响效应基本符合预期。农田水利化程度在两种空间矩阵下的系数显著为正,空间项在地理距离矩阵下显著为正,说明农田水利化程度的提高不仅有利于本地区内粮食绿色生产效率的提升,而且促进了邻近地区粮食绿色生产效率的提升。农作物受灾率在两种空间矩阵下的系数和空间项均显著为负,表明受灾率的增加对粮食产量的影响较大,进而降低了粮食绿色生产效率。农村劳动力转移在两种空间矩阵下的系数为正但不显著,其空间项在两矩阵下显著为正,这说明在农村劳动力转移程度较高的地区,粮食生产过程中的劳动力要素投入更加合理,有利于提升粮食绿色生产效率。财政支农水平在两种空间矩阵下的系数显著为正,但其空间项在两矩阵下的效应为负,这说明财政支农有利于本地区粮食绿色生产效率的提升,但对邻近地区的粮食绿色生产效率存在一定的“挤出效应”。对外开放程度在两种空间矩阵下的系数和空间项均显著为正,这说明随着对外开放程度的提高,技术的引进与扩散会加快农业技术进步,有助于提升粮食绿色生产效率。

3.4 农机社会化服务对粮食绿色生产效率空间溢出机制检验

前文对农机社会化服务对粮食绿色生产效率的溢出效应进行了实证检验。为进一步明晰其空间溢出机制,检验农机社会化服务是否能够通过与农地规模经营和农村金融等途径的交互影响来实现粮食绿色生产效率的提升?对此,本节在空间杜宾模型中加入调节变量与农机社会化服务变量的交互项,采用调节效应模型验证农机社会化服务对粮食绿色生产效率的空间溢出机制,估计结果如表6所示。

表6 引入调节变量的空间杜宾模型估计结果Tab. 6 Estimating results of spatial Doberman model with adjusting variables

表6模型(3)为加入农地经营规模与农机社会化服务交互项的空间杜宾模型计量结果。结果所示,农机社会化服务与农地经营规模交互项的回归系数和空间溢出系数为0.703和0.239,说明在农地规模经营水平较高的地区,农机社会化服务对粮食绿色生产效率的直接效应和空间溢出效应更大,农地经营规模在农机社会化服务与粮食绿色生产效率之间发挥正向调节作用。这是由于随着农地规模的扩大,更加有利于农机社会化服务的采纳和实施,从而通过保证农机作业的连续性而提升耕地利用效率和施用效率,且连片规模越大,越有助于通过农业生产性服务外包而进行专业化、规模化作业。

表6模型(4)为加入农村金融发展水平与农机社会化服务交互项的空间杜宾模型计量结果。如回归结果所示,农机社会化服务与农村金融发展水平交互项的回归系数和空间溢出系数为0.087和0.081,且均在1%的统计水平上显著,这说明在农村金融发展水平较高的地区,农机社会化服务对粮食绿色生产效率的直接效应和空间溢出效应更强,农村金融在农机社会化服务与粮食绿色生产效率之间同样发挥了正向调节作用。其合理的解释是农村金融水平的提高可以有效地调节资源在各个领域和各个环节的流动,更加有利于农户采纳农机社会化服务,从而在农机社会化服务中起到调节作用。实证结果与前文的理论预期相一致,假设H3a和H3b得到验证。

3.5 农机社会化服务空间溢出效应的地理距离边界检验

由前文的分析可知,农机社会化服务不仅有利于本地区粮食绿色生产效率的提升,并且对邻近地区也有显著的空间溢出效应,然而这种溢出效应并非均质的,可能会存在一定的地理距离边界。理论上而言,邻近地区具有相似的农业资源禀赋,地形地貌差异较小,农作物的种类和熟制相似,且农业技术的适用性也较为一致,因此农机社会化服务对邻近地区粮食绿色生产效率的溢出效应更大,对相对较远地区的溢出效应更小。沿袭这一逻辑,本节利用空间分层方法,检验不同地理距离下农机社会化服务对粮食绿色生产效率的空间溢出地理边界。首先通过设置不同的距离阈值来构建多个地理距离矩阵,设置步进距离为200 km,并利用SDM模型对其进行连续回归,并将所得到的空间溢出系数和显著性水平进行记录,得到空间溢出系数与地理距离的关系表,结果如表7所示。

表7 农机社会化服务粮食绿色生产效率的空间溢出边界Tab. 7 Spatial spillover boundary of agricultural machinery socialization serving the green production efficiency of grain

根据表7可以看出,农机社会化服务对粮食绿色生产效率的空间溢出效应与地理距离呈现出负相关的关系,即随着地理距离的不断增大,空间溢出效应逐渐减弱。进一步,根据空间溢出系数变化的幅度大小,将空间溢出效应分为两个区间,第一个区间为400 km范围内,此区间内空间溢出系数的变化幅度较小,系数值均在0.1以上,为空间溢出效应的密集区域。第二个区间为400～600 km范围内,此区间内空间溢出系数衰减至0.081,约为初始距离矩阵下空间溢出系数值的一半。超出600 km后,空间溢出系数值稳定在0.06上下波动,并且不再显著。因此本文认为农机社会化服务对粮食绿色生产效率空间溢出效应的有效距离为600 km,超出此范围后空间溢出效应会受限于地理距离而不再显著。

4 结论与对策

本文基础2010—2020年全国30个省级数据,多维度构建出农机社会化服务水平的指标体系,运用SBM测算了粮食绿色生产效率,并进一步研究了农机社会化服务对粮食绿色生产效率的空间溢出及作用机制。

结果表明,从时间上看,2010—2020年粮食绿色生产效率呈现出稳步上升趋势,从空间上来说呈现出连片集聚的现象;农机社会化服务对粮食绿色生产效率具有显著的促进作用,且有着正向的空间溢出效应;农机社会化服务能够通过农地规模经营和农村金融等途径的交互影响来实现粮食绿色生产效率的提升;农机社会化服务对粮食绿色生产效率空间溢出效应的有效距离为600 km,超出此范围后空间溢出效应会受限于地理距离而不再显著。

鉴于此,本文提出以下建议。

1) 稳步提升农机社会化服务水平。首先当地政府需加强政策引导,多渠道增加投资,改善重点作物、关键生产环节和粮食主产区的机械作业。其次,在农村集体组织中着力培育新型农村社会化服务组织的经济实力和服务能力,以农机社会化服务组织为主体、政府部门为监督的新型农机服务主体,全面引导农机合作社向设施完善、制度健全、效益显著的方向发展。

2) 加强农机跨区作业保障机制。充分利用互联网技术建立全国或部分省域间的农机社会化服务平台,完善区域间农机作业的沟通协调机制。进一步落实农机跨区作业自由准入政策,与交通等多部门联动配合,保障跨区作业顺利进行。探索符合区域特性的粮食生产机械化解决方案,打造粮食生产优势区域样板,充分发挥邻近区域间的空间溢出作用。

3) 提升农地规模化经营水平。各地政府引导农民通过经营权流转、合作、土地托管等多种方式,加快促进土地流转型、服务带动型等多种形式的规模经营,并以高标准农田建设、农村土地综合整治契机,提高农机作业的便利程度。

4) 大力发展农村金融。政府加快完善农机购置的税费优惠政策,加大对农机租赁与采购的贷款支持力度,因地制宜开展农机作业补贴、贷款贴息、融资租赁、承租补助等金融支持方式,有效满足农机购置资金需求,助力农业农村现代化发展。