黑龍江省農(nóng)業(yè)機械化與農(nóng)民非農(nóng)收入互動關系研究

林慧 王玉斌

摘要：為了提高農(nóng)民的非農(nóng)收入，解決“三農(nóng)”的核心問題，運用VAR（向量自回歸）模型，實證探究了黑龍江省農(nóng)業(yè)機械化與農(nóng)民非農(nóng)收入之間的互動關系。研究結(jié)果表明：黑龍江省農(nóng)業(yè)機械化與農(nóng)民非農(nóng)收入互為格蘭杰因果，黑龍江省農(nóng)業(yè)機械化的發(fā)展對非農(nóng)收入的增加有著較為穩(wěn)定的促進作用，但短期來看存在一定的滯后性；而非農(nóng)收入的增加會較為強烈地抑制農(nóng)業(yè)機械化的發(fā)展，兩者尚未形成良性的相互促進的互動關系。鑒于此，研究提出依靠科技進步帶動黑龍江省農(nóng)業(yè)機械化發(fā)展，通過完善農(nóng)業(yè)合作組織提升農(nóng)業(yè)機械服務保障水平，加強農(nóng)機技能培訓發(fā)揮農(nóng)業(yè)機械利用效率，拓寬農(nóng)民的非農(nóng)就業(yè)渠道增加農(nóng)民的非農(nóng)收入等方面的建議，以期促進黑龍江省農(nóng)業(yè)機械化和非農(nóng)收入之間形成互相促進的良性互動關系。

關鍵詞：農(nóng)業(yè)機械化；非農(nóng)收入；VAR模型；互動關系

中圖分類號：F304.6文獻標志碼：A論文編號：cjas2021-0107

The Interaction Between Agricultural Mechanization and Farmers’Non- Agricultural Income in Heilongjiang Province： An Empirical Analysis Based on VAR Model

Lin Hui， Wang Yubin

（College of Economics and Management， China Agricultural University， Beijing100083）

Abstract： To improve farmers’non- agricultural income， solve the core problems of the Sannong issue（namely， agriculture， rural community and farmers）， this paper uses VAR （vector auto regression） model to empirically explore the interaction between agricultural mechanization and farmers’off- farm income in Heilongjiang Province. The results show that agricultural mechanization and farmers’non-agricultural income in Heilongjiang Province are Granger causality. In addition， the development of agricultural mechanization in Heilongjiang Province has a relatively stable promoting effect on the increase of non-agricultural income， but there is a certain lag in the short term. The increase of non- agricultural income will strongly inhibit the development of agricultural mechanization， and it has not yet formed a benign interactive relationship of mutual promotion. In view of this， in order to promote the formation of a benign interactive relationship between agricultural mechanization and non- agricultural income in the province， the study puts forward some suggestions on relying on scientific and technological progress to drive the development of agricultural mechanization， upgrading the service guarantee level of agricultural machinery by improving agricultural cooperation organizations， strengthening the training of agricultural machinery skills， giving full play to the utilization efficiency of agricultural machinery， broadening farmers’non-agricultural employment channels and increasing farmers’non-agricultural income.

Keywords： Agricultural Mechanization； Non-agricultural Income； VAR Model； Interaction

0引言

中國目前已全面完成脫貧攻堅任務，“三農(nóng)”問題既是全面建成小康社會必須要面對的重點和難點問題，也是中國經(jīng)濟穩(wěn)定健康發(fā)展以及全面小康社會建成后相對貧困問題要解決的關鍵。農(nóng)民收入問題是三農(nóng)問題的基本點[1]，破解三農(nóng)問題的關鍵就是要想方設法提高農(nóng)民的非農(nóng)收入[2]。

黑龍江省作為經(jīng)濟發(fā)展相對落后的農(nóng)業(yè)大省和重要的商品糧基地，農(nóng)民人均可支配收入雖保持上升趨勢，但就其結(jié)構(gòu)來看，農(nóng)業(yè)經(jīng)營性收入始終占據(jù)最大比重，非農(nóng)收入所占比重較小。農(nóng)村勞動力紅利正在逐漸退去，早已成為中國農(nóng)業(yè)發(fā)展的客觀事實[3]，“半工半耕”或者“少耕多工”已成為大多數(shù)地區(qū)的基本農(nóng)情[4]，農(nóng)業(yè)領域?qū)C械化的需求是勞動力成本較高的國家對高質(zhì)量產(chǎn)品和先進生產(chǎn)技術需求的回應[5]，要解決目前中國農(nóng)業(yè)勞動力不足的問題，必然要不斷推進農(nóng)業(yè)機械化的發(fā)展。農(nóng)業(yè)現(xiàn)代化的重要標志之一便是農(nóng)業(yè)機械化[6]，農(nóng)業(yè)機械化水平的不斷發(fā)展，能夠有效提高農(nóng)業(yè)作業(yè)水平，推動農(nóng)業(yè)現(xiàn)代化發(fā)展，促進農(nóng)民增收，加快實現(xiàn)鄉(xiāng)村振興戰(zhàn)略的進程。黑龍江省有著廣闊的耕地面積且地勢平坦，農(nóng)業(yè)機械化發(fā)展起步早于其他省份，發(fā)展水平位居全國前列[7]。基于此，筆者嘗試構(gòu)建VAR（向量自回歸）模型進行實證分析，探究黑龍江省的農(nóng)業(yè)機械化發(fā)展與農(nóng)民非農(nóng)收入增加之間是否形成有效的良性互動關系。

1相關文獻概述

現(xiàn)有文獻對農(nóng)業(yè)機械化與農(nóng)民收入互動影響關系進行了廣泛研究。主要集中在以下3個面：一是，農(nóng)業(yè)機械化對農(nóng)民收入的影響。二是，農(nóng)民收入對農(nóng)業(yè)機械化的影響。三是，農(nóng)業(yè)機械化與農(nóng)民非農(nóng)收入。

1.1農(nóng)業(yè)機械化對農(nóng)民收入的影響

周益波等[8]基于全國30個省份面板數(shù)據(jù)實證研究指出，農(nóng)業(yè)機械化對農(nóng)民總收入提高，縮小農(nóng)民內(nèi)部的收入差距有促進作用；陳會然等[9]基于全國范圍的時序數(shù)據(jù)指出，農(nóng)業(yè)機械化與農(nóng)民經(jīng)營性收入之間存在著較為穩(wěn)定的雙向因果關系；周振等[10]基于全國縣級層面面板數(shù)據(jù)等實證分析指出，農(nóng)業(yè)機械化對農(nóng)民增收有著明顯的促進作用；劉明輝等[11]采用中國家庭追蹤調(diào)查微觀數(shù)據(jù)（2016CFPS）經(jīng)過實證分析指出，農(nóng)業(yè)機械化服務對于農(nóng)戶農(nóng)業(yè)增收有著明顯的推動作用，且存在著較為顯著的個體異質(zhì)性和地區(qū)差異性。

1.2農(nóng)民收入對農(nóng)業(yè)機械化的影響

關于此方面的研究多見于對農(nóng)業(yè)機械化影響因素的探討。萬發(fā)[12]基于省際面板數(shù)據(jù)的分析指出，農(nóng)民人均純收入對農(nóng)業(yè)機械化的發(fā)展有明顯的正向促進作用；鄒於娟等[13]基于11省份的面板數(shù)據(jù)分析指出，農(nóng)民收入的增加會使當?shù)氐霓r(nóng)機總動力減少，高收入農(nóng)戶有著較為明顯的非農(nóng)化傾向；鐘真等[14]基于8個省份面板數(shù)據(jù)的分析指出，農(nóng)民人均純收入的增加對提高農(nóng)機化率有重要作用。

1.3農(nóng)業(yè)機械化與農(nóng)民非農(nóng)收入

許慶等[15]運用四省份面板數(shù)據(jù)對農(nóng)民的長期投資激勵進行研究后指出，非農(nóng)就業(yè)可能是農(nóng)戶對于農(nóng)業(yè)機械、運輸工具等長期投資的影響因素，但并未就具體的影響效果進行分析；李明艷等[16]基于江西省的農(nóng)戶調(diào)研數(shù)據(jù)對農(nóng)戶非農(nóng)就業(yè)與土地利用行為進行分析后指出，非農(nóng)收入的增加明顯增加了農(nóng)戶對農(nóng)業(yè)機械的投入；Koike[17]研究南亞地區(qū)農(nóng)戶機械定制租賃系統(tǒng)時指出，農(nóng)民通常只有在從非農(nóng)業(yè)來源獲得額外收入時才希望擁有機械，但DeBrauw等[18]利用中國6省份的農(nóng)戶調(diào)查數(shù)據(jù)實證分析指出，農(nóng)戶非農(nóng)收入提高后更傾向于購買房產(chǎn)和消費品來提高自己的生活質(zhì)量，而對于農(nóng)業(yè)機械等生產(chǎn)性投資并未有明顯的增加；劉承芳等[19]利用六縣市數(shù)據(jù)實證分析后指出非農(nóng)收入增加給機械化投入帶來的是消極作用；劉同山[20]運用三省九縣的農(nóng)戶調(diào)查數(shù)據(jù)，農(nóng)業(yè)機械化的發(fā)展會對農(nóng)民的非農(nóng)就業(yè)起到促進作用，從而提高農(nóng)民的非農(nóng)收入，機械化發(fā)展促進非農(nóng)收入增加這在現(xiàn)有研究中已達成基本共識。

綜上研究可以發(fā)現(xiàn)：關于農(nóng)業(yè)機械化與農(nóng)民人均純收入關系的研究較多，但對于農(nóng)業(yè)機械化與農(nóng)民非農(nóng)收入關系的直接研究較為少見，雖然已有學者就農(nóng)業(yè)機械化對非農(nóng)收入的影響以及非農(nóng)收入對農(nóng)業(yè)機械化的影響兩方面分別展開過討論，但依然存在以下問題：（一）已有研究中關于農(nóng)業(yè)機械化發(fā)展對收入增加和非農(nóng)收入增加的推動作用有著較為一致的結(jié)論，但關于非農(nóng)收入提高對農(nóng)業(yè)機械化發(fā)展究竟是正向促進作用，還是反向抑制作用尚未形成一致定論，這可能與研究區(qū)域的選擇有關；（二）現(xiàn)有研究很少注意到農(nóng)業(yè)機械化與非農(nóng)收入之間互為因果的內(nèi)生性關系，這可能會使研究結(jié)果出現(xiàn)一定的偏差；（三）現(xiàn)有研究大都圍繞較大范圍內(nèi)的省級面板數(shù)據(jù)進行研究，缺少針對某一特定區(qū)域的微觀層面的實證分析。因此，本研究選擇黑龍江省作為研究對象，探究黑龍江省的農(nóng)業(yè)機械化和農(nóng)民非農(nóng)收入的互動關系，將研究重點從宏觀層面轉(zhuǎn)為微觀層面，將研究視角從全局性視角轉(zhuǎn)為區(qū)域性視角，具有重要的現(xiàn)實意義。

2研究設計

2.1模型構(gòu)建

VAR模型的建模思想是把涉及的所有變量都看作內(nèi)生變量，并用每一個內(nèi)生變量與其他所有變量的滯后階構(gòu)造函數(shù)，建模分析模型。模型最主要的特點是將幾個相關的變量放在一起，組成一個使預測相互自洽的系統(tǒng)[21]。VAR模型的優(yōu)勢是建模時無需提出假設，因為它并不是依賴于經(jīng)濟理論，而是依據(jù)數(shù)據(jù)本身的性質(zhì)確定模型系統(tǒng)的動態(tài)結(jié)構(gòu)[22]，已經(jīng)成為分析和預測多個相關時間序列的最常用的模型。鑒于本研究是探究黑龍江省農(nóng)業(yè)機械化和非農(nóng)收入之間的互動關系，選用VAR模型作為實證研究模型較為適宜，其一般形式見式（1）[21]。

需要指出的是，VAR模型的系數(shù)僅匯報了黑龍江省農(nóng)業(yè)機械化和非農(nóng)收入之間互動影響的部分信息，為進一步深入剖析兩者的互動影響，本研究進一步借助脈沖響應分析和方差分解探究兩者的互動關系。

2.2變量設置及數(shù)據(jù)來源

2.2.1變量設置

（1）農(nóng)業(yè)機械化水平。參考王月梅[23]、周振[10]等學者的研究，同時考慮數(shù)據(jù)的可獲得性，用農(nóng)業(yè)機械總動力衡量，記作JX，這也是衡量農(nóng)業(yè)機械化水平最為常用的指標。

（2）非農(nóng)收入。用工資性收入衡量，記作FN。已有學者指出，若不加區(qū)分地將財產(chǎn)性收入和轉(zhuǎn)移性收入納入非農(nóng)收入范圍，極易對研究結(jié)果產(chǎn)生不必要的干擾[24]，而且本研究主要研究農(nóng)民非農(nóng)就業(yè)產(chǎn)生的非農(nóng)收入，轉(zhuǎn)移性收入和財產(chǎn)性收入與研究動機無太大關聯(lián)，所以并沒有納入非農(nóng)收入的范圍。

2.2.2數(shù)據(jù)來源本研究選取黑龍江省1995—2017年共23年的時間序列數(shù)據(jù)進行實證分析，數(shù)據(jù)皆來源于《黑龍江統(tǒng)計年鑒》。對非農(nóng)收入變量以1995年為基年用農(nóng)村居民消費價格指數(shù)進行折算以消除通脹影響；為減少分析過程中指數(shù)趨勢的影響，避免出現(xiàn)異方差和偽回歸，對所選指標都取自然對數(shù)，取自然對數(shù)后的變量分別記作LNJX、LNFN。

通過描述各變量的數(shù)據(jù)特征，可以初步掌握各變量數(shù)據(jù)大致的變化特點，為后續(xù)的計量分析提供參考，因此本文在進行實證分析前先給出各變量的描述性統(tǒng)計表以及LNJX和LNFN的變化趨勢圖，如圖1所示。本文的繪圖以及模型分析均用Stata16軟件進行操作。

從圖1可以看出，黑龍江省的農(nóng)業(yè)機械化水平和非農(nóng)收入都是呈不斷增長的趨勢的，但農(nóng)業(yè)機械化水平的增長較為緩慢，非農(nóng)收的增長雖略顯波動，但總體來看增速較快。

3實證分析

3.1時間序列平穩(wěn)性檢驗

構(gòu)建VAR模型的前提是所有的時間序列都是平穩(wěn)的，否則模型本身不穩(wěn)定，可能會產(chǎn)生虛假回歸現(xiàn)象，降低分析結(jié)果的可信度[26]，因此首先需要對選取的時間序列進行平穩(wěn)性檢驗，本研究選取目前實證研究中最為常用的ADF單位根檢驗法進行平穩(wěn)性檢驗，檢驗結(jié)果如表1所示。

由表1的檢驗結(jié)果可知，LNJX的原序列和一階差分都非平穩(wěn)序列，二階差分后顯示序列平穩(wěn)，且在1%的置信水平下顯著；LNFN的原序列非平穩(wěn)序列，一階差分后顯示序列平穩(wěn)，且在1%的置信水平下顯著。因此，經(jīng)過差分后，D2LNJX和DLNFN都已變?yōu)槠椒€(wěn)的時間序列，即LNJX～I（2），LNFN～I（1），符合VAR建模的前提，可建立VAR模型進行更深層次的分析。

3.2 VAR模型滯后階數(shù)的選擇

在進VAR建模時，首先需要確定變量的滯后階數(shù)。由于本研究所選數(shù)據(jù)為年度數(shù)據(jù)，滯后階數(shù)不宜太大，因此確定最大的可能滯后階數(shù)為4階，進行最優(yōu)滯后階數(shù)的判斷，結(jié)果如表2所示。

根據(jù)以上分析結(jié)果可以看出，不同的判斷準則對于最優(yōu)滯后階數(shù)的判斷并不一致。根據(jù)最簡潔的SBIC原則選擇滯后1階可能會過于簡潔，所以參考AIC準則和其他準則的判斷，選擇滯后階數(shù)為3階，建立VAR（3）模型。

3.3 VAR模型的檢驗

3.3.1模型穩(wěn)定性檢驗首先對模型的穩(wěn)定性進行檢驗。對于滯后階數(shù)為m且有n個內(nèi)生變量的VAR模型，特征根多項式有m×n個特征根，只有當特征根的模都大于1，也就是特征根模的倒數(shù)都小于1（即位于單位圓內(nèi)）時，VAR模型才是穩(wěn)定的，否則需要重新設定模型。如圖2所示，代表特征根模的倒數(shù)的6個“·”均位于單位圓內(nèi)，故本研究構(gòu)建的VAR模型是穩(wěn)定的，滿足進行后續(xù)有關分析的前提條件。

3.3.2殘差的自相關檢驗通過檢驗殘差是否存在自相關來檢驗變量的獨立性，具體檢驗結(jié)果如表3所示。根據(jù)表3可知，P值都遠大于0.05，可以接受“殘差無自相關”的原假設，符合VAR模型的建模條件。

3.4格蘭杰因果檢驗

格蘭杰因果檢驗考察的是一種動態(tài)相關關系，驗證一個變量的變化對另一個變量的變動是否具有預測能力[21]。VAR模型研究了多元時間序列之間的內(nèi)在關聯(lián)，格蘭杰因果是進一步說明多元時間序列間的先后引導關系。表4的檢驗結(jié)果顯示，無論是農(nóng)業(yè)機械化還是非農(nóng)收入作為被解釋變量，其P值均遠小于0.05，可見，農(nóng)業(yè)機械化和非農(nóng)收入互為格蘭杰原因，同時這也說明兩變量的滯后期分別對彼此有著顯著的影響。

3.5脈沖響應分析

由于VAR模型參數(shù)較多所以系數(shù)也較多，以至于無法合理解釋每一個系數(shù)的經(jīng)濟含義[21]。VAR模型最主要的作用便是預測，所以在進行VAR模型分析時，運用脈沖響應函數(shù)對變量間的動態(tài)影響進行深入探究比模型本身的參數(shù)估計更有現(xiàn)實意義。脈沖響應函數(shù)可以反映沖擊對系統(tǒng)產(chǎn)生的動態(tài)影響，也就是給予的沖擊對某個變量在不同時期產(chǎn)生的影響效果。如果脈沖響應函數(shù)一段時間后趨于平穩(wěn)不再產(chǎn)生波動，則表明沖擊效應趨于穩(wěn)定。

脈沖響應函數(shù)最終趨于零時，說明沖擊效應逐漸趨于零，表明沖擊無法產(chǎn)生持久性的影響。但是經(jīng)過差分的變量進行脈沖響應分析時函數(shù)表現(xiàn)出來的是變量增量間的動態(tài)變化，所以脈沖響應函數(shù)值趨于零時，說明沖擊效應不是趨于零，而是逐漸趨于穩(wěn)定。為了更加明晰農(nóng)業(yè)機械化與非農(nóng)收入的互動關系，繪制出脈沖響應函數(shù)如圖3和4所示，圖中橫軸沖擊作用期數(shù)，縱軸表示響應變量受到?jīng)_擊后產(chǎn)生的波動，實線表示脈沖響應函數(shù)曲線，虛線表示0值參考線，設定作用期為15年。

由圖3可知，當給予非農(nóng)收入一個來自機械化的正向沖擊后，非農(nóng)收入在第1期便給予了較為強烈的正向響應，這種正向響應在第2期達到最高值，隨后逐漸減小，并在11期及以后逐漸趨于0，也就是說機械化帶給非農(nóng)收入的正向沖擊從第9期開始逐漸趨于穩(wěn)定。由此可知，黑龍江省農(nóng)業(yè)機械化的發(fā)展對非農(nóng)收入的增加有著很強且持久的促進作用，并且這種促進作用是較為持久的。這與現(xiàn)實情況是相符的，農(nóng)業(yè)機械化的發(fā)展提高了農(nóng)業(yè)的勞動生產(chǎn)率，大幅縮短了農(nóng)民投入到農(nóng)業(yè)生產(chǎn)中的時間，降低了農(nóng)民從事農(nóng)業(yè)生產(chǎn)的機會成本，使得農(nóng)民有更多的精力去從事非農(nóng)產(chǎn)業(yè)，從而獲得更多的非農(nóng)收入。

由圖4可知，農(nóng)業(yè)機械化在受到來自非農(nóng)收入的一個正向沖擊后，在第一期給予了較強烈的負向響應，負向響應自第二期逐漸減弱且到第三期后變?yōu)檎蝽憫^而又逐漸減弱變?yōu)樨撓蝽憫纬烧摬▌拥姆磻^程，最終波動逐漸趨于0，這說明不論從長期還是短期來看，黑龍江省農(nóng)民非農(nóng)收入增加都會較為強烈地抑制農(nóng)業(yè)機械化的發(fā)展。這一結(jié)果也與現(xiàn)實相符，雖然黑龍江省農(nóng)民收入中經(jīng)營性收入始終占據(jù)最大比重，但非農(nóng)收入比重逐漸增加，農(nóng)戶非農(nóng)化傾向日益明顯也是農(nóng)業(yè)現(xiàn)代化發(fā)展過程中的正常現(xiàn)象。由于面臨總體收入偏低，借貸困難等問題，農(nóng)民往往面臨較強的投資約束[18]，即使收入增加也不會過多增加對農(nóng)業(yè)機械的投入。非農(nóng)收入的增加使從事農(nóng)業(yè)生產(chǎn)的機會成本大于從事農(nóng)業(yè)生產(chǎn)的所得，農(nóng)戶便傾向于減少對農(nóng)業(yè)的投入，對農(nóng)業(yè)機械的投入也會減少，但又不會完全放棄農(nóng)業(yè)生產(chǎn)，所以還存在一定的波動性。

3.6方差分解

脈沖響應分析反映的是一個變量對于另一個變量產(chǎn)生沖擊的動態(tài)響應過程，方差分解是在脈沖響應分析的基礎上把VAR系統(tǒng)中每一個變量的方差分解到各個擾動項上，方差分解的分析提供了關于每個擾動項影響VAR模型內(nèi)各個變量的相對程度。為進一步分析農(nóng)業(yè)機械化和非農(nóng)收入對彼此產(chǎn)生影響的相對程度大小，對農(nóng)業(yè)機械化和非農(nóng)收入進行方差分解，方差分解表見表5和6。

通過表5可以看出，雖然在第1期時，農(nóng)業(yè)機械化變動的影響全部來源于其自身，但是從第2期起，非農(nóng)收入對農(nóng)業(yè)機械化變動的貢獻程度便維持在70%～ 73%左右，而來自農(nóng)業(yè)機械化本身的貢獻程度，僅占27%～30%左右，長期來看，非農(nóng)收入對農(nóng)業(yè)機械化的影響程度遠大于農(nóng)業(yè)機械化本身對自己的影響程度，這也說明了短期內(nèi)黑龍江省農(nóng)業(yè)機械化的發(fā)展只與其發(fā)展現(xiàn)狀有關，但長期來看，農(nóng)民的非農(nóng)收入對農(nóng)業(yè)機械化的發(fā)展有著較強的影響，而且這種影響不是暫時性的，是長久且穩(wěn)定的。

通過表6可以看出，雖然第1期時非農(nóng)收入變動的影響幾乎全部來源于其自身，但第2期起，來自于非農(nóng)收入本身的影響開始下降，由最初的99.9%穩(wěn)定到75.7%左右，而來自于農(nóng)業(yè)機械化的影響則從最開始的幾乎為0上升并穩(wěn)定在24.3%左右，這說明黑龍江省農(nóng)業(yè)機械化發(fā)展對農(nóng)民非農(nóng)收入增長的拉動作用具有一定的滯后性，而且這種拉動作用要小于農(nóng)民非農(nóng)收入增加本身所帶來的馬太效應。

綜合對兩變量方差分解的分析可以看出，農(nóng)業(yè)機械化對非農(nóng)收入增長的貢獻程度，是要遠小于非農(nóng)收入對農(nóng)業(yè)機械化發(fā)展起到的作用的。

4結(jié)論與建議

4.1結(jié)論

構(gòu)建VAR模型后，格蘭杰因果檢驗確定了黑龍江省農(nóng)業(yè)機械化和非農(nóng)收入互為格蘭杰因果，這表明兩者之間存在著有效的互動關系；脈沖響應分析和方差分解表明，黑龍江省農(nóng)業(yè)機械化的發(fā)展對非農(nóng)收入的增加有著較為穩(wěn)定的促進作用，這種促進作用在短期內(nèi)有一定的滯后性；而非農(nóng)收入的增加，不論從長期還是短期來看，都會抑制農(nóng)業(yè)機械化的發(fā)展，而且這種抑制作用是較為強烈的，可見黑龍江省農(nóng)業(yè)機械化和非農(nóng)收入之間并未形成良性的相互促進的互動關系，雖然農(nóng)業(yè)機械化的發(fā)展會促進非農(nóng)收入的增加，但農(nóng)戶非農(nóng)收入增加后存在著非農(nóng)化的傾向，并不有利于農(nóng)業(yè)機械化的向好發(fā)展。

4.2建議

農(nóng)業(yè)機械化只有繼續(xù)朝著更高水平發(fā)展才會在不斷促進農(nóng)民增收的同時吸引農(nóng)民對其投資；不斷提高非農(nóng)收入不論是對于繼續(xù)投入農(nóng)業(yè)機械化發(fā)展還是提高農(nóng)民的生活水平都大有裨益。通過黑龍江省23年的數(shù)據(jù)研究發(fā)現(xiàn)非農(nóng)收入的增加給機械化的發(fā)展帶來的是反向抑制作用，也就是說農(nóng)戶非農(nóng)收入提高后不但不會繼續(xù)增加農(nóng)業(yè)機械化的投資，反而有減少機械投資的傾向，這也驗證了已有研究中關于非農(nóng)收入的增加會持續(xù)促進非農(nóng)化的論斷。

但是不能忽視的是，未來農(nóng)業(yè)的發(fā)展，不論是小農(nóng)經(jīng)營還是大型農(nóng)場經(jīng)營，發(fā)展的趨勢一定是科技帶動下的農(nóng)業(yè)現(xiàn)代化，而農(nóng)業(yè)機械化的不斷發(fā)展是實現(xiàn)農(nóng)業(yè)現(xiàn)代化的現(xiàn)實保障，所以針對發(fā)現(xiàn)的問題本研究為促進黑龍江省農(nóng)業(yè)機械化和非農(nóng)收入之間形成良性的相互促進的互動作用提出以下建議。

4.2.1依靠科技進步，帶動黑龍江省農(nóng)業(yè)機械化不斷發(fā)展加強科技創(chuàng)新投入，注重研發(fā)為不同經(jīng)營規(guī)模農(nóng)戶量身定制的，適合當?shù)剞r(nóng)藝環(huán)境和有限資源稟賦的用戶友好型機械。黑龍江省農(nóng)業(yè)機械化發(fā)展起步早，應該始終堅持自主創(chuàng)新的原則，探索出帶有黑龍江省特色的農(nóng)機裝備科技創(chuàng)新之路，整合各方面力量為黑龍江省農(nóng)業(yè)機械化的不斷創(chuàng)新發(fā)展提供有力的技術支撐。

4.2.2完善黑龍江省農(nóng)機專業(yè)合作組織，提升農(nóng)業(yè)機械服務保障水平促進農(nóng)業(yè)機械化和非農(nóng)收入實現(xiàn)良性互動關系的關鍵是讓農(nóng)民愿意對農(nóng)業(yè)機械進行投資，最主要的是提高他們的投資回報率。政府部門應當對已經(jīng)成立的農(nóng)機專業(yè)合作組織進行重點扶持，積極支持農(nóng)機專業(yè)協(xié)會、農(nóng)機專業(yè)大戶等農(nóng)業(yè)服務機構(gòu)，機械服務為緩解勞動力成本上漲和農(nóng)村經(jīng)濟短缺提供了緩沖，通過向農(nóng)民客戶提供多樣化的服務可以幫助農(nóng)民更快地收回機械投資，增強其投資意愿。

4.2.3加強農(nóng)機技能培訓，發(fā)揮農(nóng)業(yè)機械利用效率要切實解決農(nóng)民對于能力提高和教育的需求，培養(yǎng)能夠熟練操作，維護和維修設備的人員；要將對農(nóng)機技術工作者的培訓作為長期重點工作來展開，使農(nóng)機技能培訓的作用得到充分發(fā)揮；要對專業(yè)型的農(nóng)機技術人才給予充分的重視，調(diào)動起他們對農(nóng)機事業(yè)的熱情，以期能夠從最大化地發(fā)揮技能人才的協(xié)助促進作用，從而提高農(nóng)業(yè)機械利用率，增加農(nóng)產(chǎn)品產(chǎn)出效益，提高農(nóng)民的非農(nóng)收入。

4.2.4積極拓寬農(nóng)民非農(nóng)就業(yè)渠道，增加農(nóng)民非農(nóng)收入推進農(nóng)業(yè)機械化不斷發(fā)展的一大利好就是可以將農(nóng)民從耕作的土地上解放出來，開拓出更多的非農(nóng)就業(yè)空間，從而增加農(nóng)民的非農(nóng)收入。在想方設法提高農(nóng)業(yè)機械化發(fā)展水平的同時還應該積極拓寬農(nóng)民非農(nóng)就業(yè)渠道，創(chuàng)造更加公平的非農(nóng)就業(yè)環(huán)境。鼓勵引導農(nóng)民自主創(chuàng)業(yè)，各部門聯(lián)合起來為農(nóng)民自主創(chuàng)業(yè)創(chuàng)造良好的創(chuàng)業(yè)環(huán)境，不斷加強宣傳，提高農(nóng)民自主創(chuàng)業(yè)意識，同時也要加強針對性的創(chuàng)業(yè)就業(yè)培訓并提供政策咨詢等服務，為農(nóng)民實現(xiàn)自主創(chuàng)業(yè)提高非農(nóng)收入保駕護航。

參考文獻

[1]林毅夫.“三農(nóng)”問題與我國農(nóng)村的未來發(fā)展[J].農(nóng)業(yè)經(jīng)濟問題， 2003（1）：19-24，79.

[2]李鶴，張啟文.農(nóng)村金融發(fā)展對農(nóng)民非農(nóng)收入影響的實證分析[J].統(tǒng)計與決策，2019，35（6）：111-114.

[3]蔡昉.劉易斯轉(zhuǎn)折點后的農(nóng)業(yè)發(fā)展政策選擇[J].中國農(nóng)村經(jīng)濟， 2008（8）：4-15，33.

[4]羅必良，張露，仇童偉.小農(nóng)的種糧邏輯——40年來中國農(nóng)業(yè)種植結(jié)構(gòu)的轉(zhuǎn)變與未來策略[J].南方經(jīng)濟，2018（8）：1-28.

[5]LuFM.Theroleofagriculturalmechanizationinthe modernization of Asian agriculture： Taiwan’s experience[J].2009， 2（4）：124-131.

[6]白人樸.農(nóng)業(yè)機械化與農(nóng)民增收[J].農(nóng)業(yè)機械學報，2004（4）：179-182.

[7]王新利，趙琨.黑龍江省農(nóng)業(yè)機械化水平對農(nóng)業(yè)經(jīng)濟增長的影響研究[J].農(nóng)業(yè)技術經(jīng)濟，2014（6）：31-37.

[8]周益波，何可，張俊飚，等.農(nóng)業(yè)機械化對農(nóng)民收入的增長、結(jié)構(gòu)與分配效應研究[J].四川農(nóng)業(yè)大學學報，2019，37（5）：723-733.

[9]陳會然，劉繼為.基于VAR模型的農(nóng)業(yè)機械化與農(nóng)民收入關系研究[J].中國農(nóng)機化學報，2019，40（12）：224-230.

[10]周振，張琛，彭超，等.農(nóng)業(yè)機械化與農(nóng)民收入：來自農(nóng)機具購置補貼政策的證據(jù)[J].中國農(nóng)村經(jīng)濟，2016（2）：68-82.

[11]劉明輝，盧飛，劉燦.土地流轉(zhuǎn)行為、農(nóng)業(yè)機械化服務與農(nóng)戶農(nóng)業(yè)增收——基于CFPS2016數(shù)據(jù)的經(jīng)驗分析[J].南京社會科學，2019（2）：26-33.

[12]萬發(fā).農(nóng)機化發(fā)展的影響因素及內(nèi)在機制——基于我國省際面板數(shù)據(jù)分析[J].農(nóng)機化研究，2014，36（11）：46-50.

[13]鄒於娟，吳萍.消費理論視角下丘陵山區(qū)農(nóng)機總動力影響因素研究——基于南方11省（區(qū)、市）面板數(shù)據(jù)的實證分析[J].中國農(nóng)機化學報，2019，40（10）：210-216.

[14]鐘真，劉世琦，沈曉暉.借貸利率、購置補貼與農(nóng)業(yè)機械化率的關系研究——基于8省54縣調(diào)查數(shù)據(jù)的實證分析[J].中國軟科學， 2018（2）：32-41.

[15]許慶，章元.土地調(diào)整、地權穩(wěn)定性與農(nóng)民長期投資激勵[J].經(jīng)濟研究，2005（10）：59-69.

[16]李明艷，陳利根，石曉平.非農(nóng)就業(yè)與農(nóng)戶土地利用行為實證分析：配置效應、兼業(yè)效應與投資效應——基于2005年江西省農(nóng)戶調(diào)研數(shù)據(jù)[J].農(nóng)業(yè)技術經(jīng)濟，2010（3）：41-51.

[17]Masayuki K. Custom hire systems for agricultural machines in southeast Asia[J]. Engineering in Agriculture， Environment and Food，2009，2（4）.

[18]Alan D B， Scott R. Migration and household investment in rural China[J]. China Economic Review，2006，19（2）.

[19]劉承芳，張林秀，樊勝根.農(nóng)戶農(nóng)業(yè)生產(chǎn)性投資影響因素研究——對江蘇省六個縣市的實證分析[J].中國農(nóng)村觀察，2002（4）：34-42， 80.

[20]劉同山.農(nóng)業(yè)機械化、非農(nóng)就業(yè)與農(nóng)民的承包地退出意愿[J].中國人口·資源與環(huán)境，2016，26（6）：62-68.

[21]陳強.計量經(jīng)濟學及Stata應用[M].北京：高等教育出版社，2015.

[22]成金華，張意翔，王紅兵.中國能源政策調(diào)節(jié)效應分析：以能源財稅政策為例[J].中國地質(zhì)大學學報：社會科學版，2009，9（2）：19-25.

[23]王躍梅，姚先國，周明海.農(nóng)村勞動力外流、區(qū)域差異與糧食生產(chǎn)[J].管理世界，2013（11）：67-76.

[24]王庶，岳希明.退耕還林、非農(nóng)就業(yè)與農(nóng)民增收——基于21省面板數(shù)據(jù)的雙重差分分析[J].經(jīng)濟研究，2017，52（4）：106-119.