農業地理集聚對農業機械化技術進步的影響*
——基于丘陵山區的實證分析

羅富民

(樂山師范學院經濟與管理學院，四川樂山 614000)

0 引言

世界各國農業發展歷史經驗表明，農業機械化是農業技術進步的重要內容，也是農業現代化的重要標志。我國地形多樣，地貌復雜，丘陵山區占整個國土面積的比重達到了66%[1]。雖然丘陵山區是我國重要的糧食主產區和特色經濟作物優勢區，但是農業機械化技術進步的步伐緩慢，明顯滯后于平原地區。因此，推進丘陵山區農業機械化技術進步，已經成為提升我國農業機械化技術整體水平的迫切要求，也是加快丘陵山區農業現代化步伐的必然選擇。

近年來，丘陵山區農業機械化問題已經引起了國內外學者的廣泛關注。國外學者對伊朗、尼日利亞、津巴布韋等丘陵山區國家農業機械化發展的影響因素、農業機械化與農業生產率關系、農業機械化服務等問題進行了探討[2-4]。國內學者則以我國南方省份為例，深入研究了我國丘陵山區農業機械化發展現狀、制約因素、發展路徑及對策等[1，5-9]。但是，現有研究并沒有分析農業地理集聚對丘陵山區農業機械化技術進步的影響。此外，羅富民[10]雖然采用空間計量分析法，以四川為例探討了農業分工演進對丘陵山區農業機械化進程的影響。但是該分析方法僅揭示了不同地區農業機械化水平的空間相關關系，而并不能揭示農業機械化技術水平不同時期間的動態相關關系。

農業地理集聚是農業區域分工深化的結果，表現為某一類或幾類農作物的種植不斷向某個特定地域范圍集中。近年來，國內學者采用空間基尼系數、產業集中率、區位商、專業化指數等方法對我國農業地理集聚度進行了測算，并根據測算結果分析了我國農業地理集聚的行業特征、空間格局、演進趨勢、經濟效應等[11-15]。但是，現有研究并沒有專門探討丘陵山區農業地理聚集問題，更沒有分析丘陵山區農業地理集聚對農業機械化技術進步的影響。

基于丘陵山區農業機械化發展的現實需要和現有研究存在的不足，文章首先分析農業地理集聚對丘陵山區農業機械化技術進步的影響路徑，進而選取我國17個丘陵山區省份1997～2014年間的相關數據，對其農業地理集聚度進行測算； 并利用測算結果，基于動態面板數據模型，實證分析農業地理集聚對丘陵山區農業機械化技術進步的影響。最后，根據理論和實證分析結果，提出促進丘陵山區農業機械化技術進步的對策建議。

1 農業地理集聚對農業機械化技術進步的影響路徑

1.1 對農業機械技術創新的影響

誘致性農業技術變革理論認為，在家庭經營為主的前提條件下，農戶由于自身能力和知識水平的限制，其所需農業技術只能通過外部獲取，而不能自主研發[16]。又由于農業技術具有公共產品特性，大多數農業技術研發工作實際是由各級政府支持的農業公共科研部門承擔。而農業地理集聚對農業機械技術創新的作用體現在兩個方面：一是，農業地理集聚有利于農業機械技術研發公共投入的增加。這是因為，農業地理集聚表現為某一農作物種植規模的擴大，對該農作物種植中的相應農業機械技術需求量也隨之擴大。由于技術需求量的擴大，便可以提高農業機械技術研發成果的推廣使用率，進而產生巨大的社會效益。使得各級政府部門更加重視該類農業機械技術的研發，加大研發投入，促進該類農業機械技術創新。其次，農業地理集聚有利于農戶與農業機械技術研發部門的信息交流和互動。這是因為，農業地理集聚伴隨的是集聚區內農業專業化水平的提升。而專業化水平提升后，聚集區內農戶對農業機械技術需求的共通性、集中性會突顯。由于技術需求的集中，對農業技術研發部門而言，要想搜集這些信息以及處理這些信息的相關成本會降低。從而有利于農戶與農業技術研發部門間對機械技術信息需求的交流，進而推動農業技術創新。

1.2 對農業機械技術擴散的影響

農業機械技術的擴散是在由農戶與農業技術推廣部門共同作用影響下完成的。而農業地理集聚對農業機械技術擴散的影響主要表現在降低擴散成本、提升擴散速度。Bass[17]的技術擴散理論認為，農業技術擴散過程類似于傳染病的蔓延過程，農戶對農業機械技術的采用往往會受到其他農戶采用行為的影響。在農業地理集聚區的農戶之間，由于使用農業機械技術的相似性和共通性，一家農戶采用該技術并取得效益后，其他農戶會迅速效仿該農戶，進而提升農業機械技術擴散速度。另一方面，農業機械技術的擴散還將受到政府的農業技術推廣部門通過電視、廣播、現場示范等多種方式對現代農業技術進行宣傳的影響。而農業地理集聚可以降低農業技術推廣部門的宣傳推廣成本，進而促進農業機械技術擴散。這是因為，農業地理集聚區內農戶的生產經營比較集中，農業技術推廣部門更加容易的將各種農業機械技術的相關信息傳達給農業機械技術使用者。

1.3 對農業機械技術效率的影響

農業機械技術效率提升主要表現在使用同樣的農業機械，在相同的時間內，可以獲取更多的產出或效益。農業機械技術效率的提升主要取決于農戶對農業機械技術的熟練掌握程度。舒爾茨[18]認為，對農戶進行人力資本投資是農戶熟練掌握并有效利用農業技術的關鍵，農戶人力資本積累主要來自正規教育和“干中學”。Foster等[19]研究指出，農戶從事農業生產經營中的“干中學”，主要來自兩個方面，一是自身的干中學，二是與他人交流學習的“干中學”。在農業地理集聚區內，農戶采用農業機械技術的相似性，更加有利于農戶內部進行學習交流，從而有利于提升農業技術技術效率。而農業機械技術效率的提升，反過來又會進一步促進農戶農業機械技術的采用。

2 丘陵山區農業地理集聚度測算

2.1 測算方法

農業地理集聚程度的測算方法主要包括空間基尼系數、產業集中率、專業化指數、區位商等方法。該文主要采用區位商方法。

(1)

式(1)中，LQij表示第i個區域j類農作物的地理集聚度；eij表示第i個區域j類農作物的種植面積；ei表示第i個區域農作物播種總面積；Ej表示j類農作物的全國種植的面積；E表示全國農作物播種總面積。如果LQij的值越大，則地理集聚度越高； 如果LQij的值大于1，則說明相對于其他地區而言，j類農作物在i區域有較高的地理集聚度。

2.2 樣本選擇與數據來源

按照式(1)計算農業地理集聚度，需要首先確定區域和農作物種類。在區域上，該文主要選擇除北京外的其他17個丘陵山區省份(表1)。北京雖然屬于丘陵山區，但是農業生產經營規模相對其他省份較小，不具有代表性。在農作物種類上，該文主要選取選擇稻谷、小麥、玉米、薯類、油料、蔬菜6類農作物。這6類農作物基本涵蓋了丘陵山區普遍種植的糧食作物和經濟作物。在農業地理集聚度的具體計算中，該文選取1997～2014年間， 17個丘陵山區省份的農作物播種總面積和上述6類農作物的播種面積，計算各年度、各省份、各類農作物的地理集聚度。農作物播種面積的數據來源于歷年《中國統計年鑒》和《中國農村統計年鑒》。

2.3 測算結果

為了比較分析各個不同省份、不同年度的農業地理集聚度，該文在分別計算出各年度、各省份、各類農作物的地理集聚度的基礎上，對每個地區每一年度6類農作物的地理集聚度按作物種類數進行簡單算術平均，得到測算結果如表1。

表1 1997～2014年丘陵山區6類農作物的平均地理集聚度

省份1997200020022004200620082010201220141997～2014平均山西09452094540967610073090270892808737085920843409226浙江09468096960990009731098281002810043104211020909915福建11735114081146511742122451202912013117841175411787江西10341094690958209480100251015710187102461026109967湖北10849110691125211273113711137510554109651128111130湖南09770095060970609706097991000810478105791075910040廣東11917114081104011140117531163911506113261136311437廣西09306090540872908592087470821908252081560857708617重慶13306125401279712911142341385013858136541361913349四川11663114461150911795126201252312589125521271412098貴州10928111571149011904129151274512737124181221912019云南07726087970874509277093210920909443092120928108986西藏04676041180447805306056410541305133052360510904974陜西10025104091054410499109971066510878105841049510536甘肅09241095491041711144122741222312173122141205511208青海10505113691235913225123301522514466138351384012998寧夏09857089190957209906108251223412056116951033210685 注：由于篇幅限制，該文主要列出了代表性年份的數據

從表1可以發現， 1997～2014年間17個丘陵山區省份農業地理集聚度普遍呈現出逐步提升趨勢。在表1中最后一欄的數據是對18年數據的再次平均，從該欄數據可以發現，在17個丘陵山區省份中，福建、湖北、湖南、廣東、重慶、四川、貴州、陜西、甘肅、青海、寧夏等11個省份6類農作物18年間總的平均地理集聚程度大于1。由此說明這些省份的農業種植已經具有較高的地理聚集度，而其他6個省份農業地理集聚度偏低。

3 農業地理集聚對丘陵山區農業機械化技術進步的影響實證

3.1 計量模型的建立

農業機械化技術進步是農業機械化技術水平不斷提升的過程。這一過程存在連續性和漸進性特征，即當前農業機械化技術水平可能會受到前期農業機械化技術水平的影響。這是因為，當前的農業機械技術是在原有技術的基礎上進行不斷改進或創新的結果。由于農業機械化技術水平具有跨期相關性，采用普通計量模型僅是將其作為被解釋變量，難以反映這種跨期相關性，而如果建立動態面板數據模型則可以反映。與普通面板數據模型相比，動態面板數據模型主要是要引入被解釋變量的滯后項作為解釋變量。

理論和實踐表明，農業機械化技術水平還會受到農民收入水平、農機人員受教育程度以及農業機械研發推廣培訓投入的影響。這是因為，農民收入水平會影響到農業機械設備的購買意愿及購買能力； 農機人員受教育程度會影響農業機械技術的擴散及使用效率； 農業機械研發推廣培訓投入則直接影響農業機械技術從創新到推廣和使用效率提升的整個過程。因此，該文建立一個以農業機械化技術水平為被解釋變量，農業機械化技術水平的一階滯后項、農業地理集聚度為解釋變量，農民收入水平、農機人員受教育程度以及農業機械研發推廣培訓投入為控制變量的動態面板數據模型：

Tit=α+β1Tit-1+β2Git+β3Iit+β4Eit+β5Pit+εit

(2)

模型(2)中,Tit表示第i個地區t時期的農業機械化技術水平;Tit-1表示第i個地區t-1時期的農業機械化技術水平；Git表示第i個地區t時期的農業地理集聚度；Iit、Eit、Pit分別表示第i個地區t時期的農民收入水平、農機人員受教育程度和農業機械研發推廣培訓投入；β1、β2、β3、β4、β5為待估計參數;α為常數項;εit為隨機誤差項。

3.2 變量表示與數據來源

在模型(2)中，農業機械化技術水平(Tit)用農機綜合作業效率表示。因為農業機械化技術進步就是不斷研發并應用新的農業機械技術，進而不斷提高生產效率的過程。因此，農業機械化生產效率的高低能夠在很大程度上反映出農業機械化技術水平的高低。而農業機械化生產效率首先就體現在農機人員使用農業機械設備進行機耕、機播、機收等過程中的作業效率。該文將采用農業機械進行耕地、播種、收割過程中的機耕作業效率、機播作業效率和機收作業效率進行加權平均計算，進而得到農機綜合作業效率。

農機綜合作業效率 =機耕作業效率×0.4+機播作業效率×0.3+機收作業效率×0.3

(3)

式(3)中，該文將機耕作業效率的權數設定為0.4，機播作業效率和機收作業效率的權數設定為0.3。主要參考了農業部在計算農業綜合機械化率時將機耕率的權數設為0.4，將機播率和機收率的權數分別設為0.3。該文計算農機綜合作業效率使用的機耕面積、機播面積、機收面積和農機人員數量的數據來源于歷年的《中國農業機械工業年鑒》和《中國農業機械化年鑒》以及《國內外農業機械化統計資料(1949～2004)》《全國農業機械化統計資料匯編(2005～2013)》。

在模型(2)中，農業地理聚集度(Git)用各個地區6類農作物的平均地理聚集度表示，具體數據采用表1中各個地區相關年份的農業地理集聚度。農民收入水平(Iit)用各個地區的農民人均純收入表示，數據來源于歷年《中國統計年鑒》。農機人員受教育程度(Eit)用初中以上文化程度的農機人員數量占全部農機人員數量的比重表示，數據來源于《中國農業機械工業年鑒》和《中國農業機械化年鑒》。農業機械研發推廣培訓投入(Pit)是農業機械科研投入和推廣培訓投入的加總。這些投入以政府財政投入為主，也包括了農業機械技術推廣培訓中少量的農村集體投入和農民個人投入。這些投入的詳細數據可以從歷年的《中國農業機械工業年鑒》和《中國農業機械化年鑒》中獲得。

需要說明的是，在模型估計過程中，由于西藏自治區的相關數據缺失以及農機人員受教育程度數據從2004年才開始統計，使得該文最終只能采用除西藏外的16個丘陵山區省份2004～2014年間的數據進行計量分析。此外，為了保持數據量綱的相對均衡性，農民人均純收入的數據單位由統計年鑒中的元換算成萬元，而農業機械研發推廣培訓投入的數據單位由萬元換算成億元。

3.3 模型估計方法

在對動態面板數據模型(2)進行估計的過程中，可能會面臨的問題是：農業機械化技術水平的一階滯后項與誤差項存在相關性； 農業機械化技術水平與農業地理集聚度之間也可能存在雙向因果關系，進而導致聯立內生性問題。由于該問題的存在，如果采用普通面板數據模型的最小二乘法進行分析，會造成估計系數的有偏性和非一致性。為了解決這一問題，Arellano等[20]提出了一階差分廣義矩方法(First-differenced GMM，簡稱差分GMM)，對動態面板數據模型進行分析； Arellano等[21]、Blundell等[22]則在此基礎上進一步提出了系統廣義矩方法(System GMM，簡稱系統GMM)。

在對動態面板數據模型進行差分GMM估計和系統GMM估計時，還必須保證兩個條件：一是，要求工具變量是有效的； 二是，要求隨機擾動項不存在序列相關。這就需要對模型設定的合理性和工具變量的有效性進行檢驗。根據Arellano等[21]、Blundell等[22]的建議，可以采用Sargan統計量來檢驗工具變量的有效性，如果Sargan的P值較大則可以認為工具變量是有效的； 可以用差分方程的二階序列相關檢驗AR(2)統計量來判斷隨機擾動項是否存在序列相關，如果AR(2)的P值大于常用的顯著性水平，就表明不存在序列相關。

表2 模型估計結果

變量差分GMM估計系統GMM估計參數值Z統計量參數值Z統計量Tit?1031971012??07228979??Git42208225??38513342??Iit690271693??35485300??Eit56067223??32864149Pit17438542??04260037常數項-36163-100-41378378??Wald檢驗統計量275377346Wald檢驗P值000000Sargan檢驗統計量1270514347Sargan檢驗P值0694109553AR(2)檢驗統計量-0064406173AR(2)檢驗P值0948705370 注：Wald檢驗的原假設是各解釋變量的系數均為0；Sargan檢驗的原假設是工具變量是有效的；AR(2)檢驗的原假設是不存在二階自相關。??、?表示5%和10%水平下通過顯著性檢驗

3.4 計量分析結果及解釋

該文在Stata11軟件中分別采用差分廣義矩和系統廣義矩方法，對動態面板數據模型(2)進行估計。在估計過程中，由于樣本數據的時間跨度較短，因此將工具變量的最大滯后階數設定為2，其他選項的設定采用程序默認方式。

由表2可知，無論是差分GMM估計還是系統GMM估計，Wald檢驗均表明，模型中各個變量的引入是有效的； Sargan檢驗表明模型估計采用的工具變量是有效的； AR(2)檢驗表明模型不存在二階自相關。由此說明模型的設定和工具變量的使用比較合理。

從表2中可以發現，差分GMM和系統GMM估計結果均表明，丘陵山區農業機械化技術水平存在顯著的跨期正相關性，由此說明農業機械化進步需要長期的積累，具有漸進性特征。而從農業地理集聚變量的參數值看，在差分GMM模型中，農業地理集聚度每提升1個單位，農業機械化技術水平可以提升4.22個單位； 在系統GMM模型中，農業地理集聚度每提升1個單位，而農業機械化技術水平可以提升3.85個單位。且無論差分GMM模型還是系統GMM模型，農業地理集聚度對丘陵山區農業機械化技術水平的影響均是顯著的。由此說明，農業地理集聚是促進丘陵山區農業機械化技術進步的重要因素。

系統GMM方法相對于差分GMM方法而言，由于其采用的工具變量不僅包括滯后的差分項也包括滯后的水平項，估計結果更為準確[23]。而從系統GMM估計結果看，農民收入水平可以顯著提升農業機械化技術水平，而農機人員受教育程度和農業機械研發推廣培訓投入雖然可以提升農業機械化技術水平，但其顯著性水平不高。這可能是因為，在系統GMM估計中，由于工具變量數目的增加，導致農業機械化技術水平的跨期回歸系數更大，進一步削弱了農機人員受教育程度和農業機械研發推廣培訓投入對農業機械化技術水平的影響。而從丘陵山區農業機械化發展實踐中看，農機人員的受教育程度普遍較低，而且受教育程度僅僅是學歷教育，無法反映與農業機械化技術水平提升密切相關的技術培訓教育。丘陵山區農業機械研發推廣培訓投入普遍降低，且各個年度的投入數量非常不穩定，這在一定程度上削弱了其對農業機械化技術水平提升的作用。

4 研究結論與對策建議

綜上所述，農業地理集聚可以通過促進農業機械技術創新、加速農業機械技術擴散、提升農業機械技術效率，進而促進丘陵山區農業機械化技術進步。近年來，丘陵山區農業地理集聚程度逐步提升，而計量分析結果表明，農業地理集聚是促進丘陵山區農業機械化技術進步的重要因素。此外，農機人員受教育程度和農業機械研發推廣培訓投入雖然可以提升農業機械化技術水平，但顯著性水平不高。基于研究結論，該文認為要加快丘陵山區農業機械化技術進步，可以從幾個方面著手。

(1)深入推進丘陵山區農業供給側結構性改革，提升特色優勢產業的地理集聚度。目前，丘陵山區農業地理集聚趨勢已經初步顯現，但是部分丘陵山區省份農業地理集聚度仍然不高； 而農業地理集聚度較高的丘陵山區省份中不同種類的農作物地理集聚度也存在顯著差異。對于農業地理集聚度整體較低的省份，比如山西、浙江、江西、廣西、云南等，要進一步發揮自身地理自然條件優勢，擴大特色優勢農作物種植規模，加快形成特色優勢農作物集聚區。對于農業地理集聚度較高，但部分農作物地理集聚度較低的省份，比如福建、湖北、湖南、廣東、重慶、四川、貴州、陜西、甘肅、青海、寧夏等，要深入推進丘陵山區農業供給側結構性改革，以市場需求為導向，進一步調整種植業結構，降低非優勢農作物種植比重，擴大具有比較優勢的農作物種植規模，從而進一步提升農業地理集聚度。最終，通過特色優勢產業集聚，拓展農業機械技術的使用空間，加快丘陵山區農業機械化技術進步。

(2)著力構建丘陵山區農業機械化的長效投入機制，不斷加大對農業機械技術的研發推廣培訓投入力度。當前丘陵山區每年農業機械研發推廣培訓的年經費投入除山西外，其余省份普遍在6 000萬及以下，其中江西、貴州、青海、甘肅等省份不足2 000萬。而且經費投入的波動性較大，對這些地區農業機械化技術的進步形成了障礙。這些省份的地方農業科研部門，要積極適應丘陵山區農業地理集聚趨勢，對于地理聚集區農業機械技術的需求信息，及時了解掌握。要進一步加大對丘陵山區農業集聚區的農業機械技術重視和研發力度。在農業機械技術的研發上，也要根據丘陵山區種植農作物的特點，開發出更多適用性強的專業機械設備，以此加快丘陵山區農業機械化技術進步。

(3)積極引導丘陵山區閑置土地向特色優勢產業流轉，擴大丘陵山區優勢農作物種植規模，促進丘陵山區農業地理集聚。對于由于部分農戶進城務工而產生的閑置土地，要積極開展土地綜合整治，提高土地利用價值。通過財政補貼、信貸扶持等方式，吸引更多的城市工商資本投資于丘陵山區農業生產經營。并鼓勵新型農業經營主體，通過土地流轉的方式擴大種植規模，為丘陵山區農業機械設備的使用和規模效益的發揮創造有利條件。對于浙江、福建、江西、湖北、湖南、廣東等省份要進一步促進土地向稻谷種植流轉，對于重慶、四川、貴州、云南等省份要促進土地向薯類和蔬菜種植流轉，而對于江西、陜西、甘肅等省份可促進土地向小麥和玉米種植流轉。

(4)鼓勵吸引丘陵山區受教育程度較高農戶從事農業機械化生產經營。對農民受教育程度不高的貴州、云南、甘肅、青海等西部貧困地區，要加強對農機人員的技術培訓。同時，對于這些農戶給予必要的財政資金補貼和信貸扶持，提升其購買農業機械設備的積極性。并根據這些農戶的農業機械技術需求，積極研發或改進相關農業機械設備。對于農民受教育程度較高的浙江、廣東、福建等東部發達地區，基層地方政府可以設立農業創業基金，吸引受教育程度較高的部分農戶從事農業生產經營。并積極鼓勵受教育程度較高的農戶開展農業機械化的社會服務，為促進丘陵山區的農業機械化技術進步做貢獻。

[1] 宋建武，劉恒新. 加快突破丘陵山區農業機械化的發展瓶頸.中國農機化， 2010,(2)： 16～19

[2] Rasouli F，Sadighi H，Minaei S.Factors affecting agricultural mechanization：a case study on sunflower seed farms in Iran.Journal of Agricultural Science & Technology， 2009,(1)： 39～48

[3] Olaoye J O ，Rotimi A O.Measurement of agricultural mechanization index and analysis of agricultural productivity of farm settlements in Southwest Nigeria.Agricultural Engineering International Cigr Journal, 2010，(1)： 1～21

[4] Kabiti H M，Raidimi N E，Pfumayaramba T K，et al.Determinants of agricultural commercialization among smallholder farmers in Munyati Resettlement Area，Chikomba District，Zimbabwe.Journal of Human Ecology， 2015,(1)： 10～19

[5] 易中懿,曹光喬,張宗毅. 我國南方丘陵山區農業機械化宏觀影響因素分析.農機化研究， 2010,32(8)： 229～233

[6] 胡志超,張會娟,鐘挺,等. 推進南方丘陵山區農業機械化發展思考.中國農機化， 2011,(5)： 16～18

[7] 田阡,鄧軍. 丘陵山區農業機械化發展研究——重慶經驗.農機化研究， 2012,34(5)： 16～20

[8] 王圖展. 丘陵山區農業機械化發展的制約因素及對策——以重慶為例.農機化研究， 2013,35(3)： 24～28

[9] 胡新艷,楊曉瑩,呂佳,等. 服務外包與我國南方地區農業機械化發展——理論邏輯與經驗分析.中國農業資源與區劃， 2016,37(3)： 162～169

[10]羅富民. 農業分工演進對丘陵山區農業機械化進程的影響——基于四川南部丘陵山區的空間計量分析.中國農機化學報， 2014,35(1)： 26～30

[11]李二玲，龐安超，朱紀廣. 中國農業地理集聚格局演化及其機制.地理研究， 2012,31(5)： 885～898

[12]鄧宗兵，封永剛， 張俊亮，等. 中國種植業地理集聚的時空特征、演進趨勢及效應分析.中國農業科學， 2013,46(22)： 4816～4828

[13]肖衛東. 中國種植業地理集聚的空間統計分析.經濟地理， 2014,(9)： 124～129

[14]賀亞亞，李谷成. 中國種植業地理集聚：行業特征、專業分工與時空演變.農業現代化研究， 2016,37(3)： 496～504

[15]林正雨，何鵬，李曉，等. 四川省農業地理集聚格局及演化機制研究.中國農業資源與區劃， 2017,38(1)： 207～215

[16]速水佑次郎，弗農· 拉坦著，郭熙保,等譯.農業發展的國際分析(修訂擴充版).北京：中國社會科學出版社， 2000.80～100

[17]Bass F. A new product growth model for consumer durables.Management Science， 1969,(5)： 215～227

[18]西奧多.W.舒爾茨著，梁小民譯，改造傳統農業.北京：商務印書館， 1999.139

[19]Andrew D,Foster, Mark R.Rosenzweig，learning by doing and learning from others：human capital and technical change in agriculture.Journal of Political Economy， 1995,(6)： 1176～1209

[20]Manuel Arellano，Stephen Roy Bond.Some test of specification for panel data：monte carlo evidence and an application to employment equations.Review of Economic Studies， 1991,(2)： 277～297

[21]Arellano M,Bover O. Another look at the instrumental ariable estimation of error component model.Journal of Econometrics， 1995,(1)： 29～51

[22]Blundell R,Bond S. Initial conditions and moment restrictions in dynamic panel data model.Journal of Econometrics， 1998,(1)： 115～143

[23]陳強， 高級計量經濟學及Stata應用.北京：高等教育出版社， 2014.4:294