基于協整分析的農業機械化、城鄉經濟發展與水稻播種面積關系研究**
——以江西省為例

黃龍俊江，寧凌

（1.廣東海洋大學管理學院,廣東湛江，524088；2.廣東海洋大學廣東沿海經濟帶發展研究院,廣東湛江，524088）

0 引言

糧食安全是國家發展行穩致遠的基本保障。2021年中央一號文件中對我國的糧食生產做出了“2021年農業供給側結構性改革深入推進，糧食播種面積保持穩定、產量達到1.3萬億斤以上”的要求，同時提升糧食和重要農產品供給保障能力。在提升糧食保障能力要求下，“十四五”時期各省（自治區、直轄市）要穩定糧食播種面積、提高單產水平。加強糧食生產功能區和重要農產品生產保護區建設，建設國家糧食安全產業帶，穩定種糧農民補貼，讓種糧有合理收益。江西省是一個農業大省，2018年農業發展基本情況調查顯示全省農村人口2 044萬人，農業從業人員725.2萬人。

江西省也是一個糧食生產大省，糧食生產能力均穩定在20 000 kt以上的水平，2018年糧食總產量達到21 907 kt，其中以生產水稻為主，水稻生產面積在全國居第二位，水稻產量居全國第三位。全省稻谷產量常年占糧食產量的90%以上，占全國稻谷總產的10%。

作為全國13個糧食主產省之一，江西省糧食商品率也較高，每年外調糧食5 000 kt，是全國僅有的兩個不間斷向國家提供商品糧的省份，即使在三年困難時期也沒有間斷向國家提供商品糧。江西省以占全國2.3%的耕地和3.3%的人口生產了占全國3.6%的糧食，為國家糧食安全和地方經濟做出過重要貢獻。

糧食安全是國之重器,是現代農業發展的重中之重[1]。受疫情和國際貿易摩擦影響，國際形勢越來越嚴峻。如何真正踐行習近平總書記對于糧食安全曾發出“中國人要把飯碗端在自己手里，而且要裝自己的糧食”的重要言論？國家提出了嚴守1.2億hm2耕地紅線的政策來對糧食安全進行兜底保護。由此在國家政策指導下，做到穩固糧食播種面積將是未來重點。

隨著當前江西省農村農業機械社會化服務市場的形成以及不斷上漲的農業勞動力價格是否會影響水稻播種面積？城鄉收入差距的不斷擴大又會對水稻播種面積產生怎樣的影響？江西省以水稻生產為主，因此從實證分析角度分析影響水稻播種面積的影響因素，對江西省持續性的保障糧食安全并為國家輸送商品糧具有重大意義。

1 研究現狀

學界學者們深諳糧食播種面積的研究對于研究糧食問題的重要性。關于糧食播種面積影響因素眾多，學者們從不同角度對其進行了分析。

首先播種面積容易受到糧食生產過程中的生產成本的影響，例如化肥價格、勞動力價格、灌溉面積等不同程度的影響。例如易福金等[2]利用2004—2013年江、浙兩省水稻的成本收益數據，借助于PMP(positive mathe-matical programming)發現農戶的水稻播種面積受到化肥價格、有效勞動力價格、灌溉面積不同程度的影響。而楊進等[3]進一步細化發現勞動力價格上漲對糧食種植結構有顯著影響。劉妍妮[4]利用1981—2011年陜西省統計年鑒中糧食相關數據建立回歸模型指出機耕面積、水澆地面積、化肥施用量和復種指數與糧食產量的波動有重要影響。

其次價格政策也是一個重要影響因素，糧食價格上漲能顯著增加糧食播種面積，在蛛網模型基礎上發現上一期糧價對當期糧食產量的影響在統計上是顯著的[5]；而且糧食價格支持政策能夠通過提高農戶對價格的預期從而增加播種面積，最低收購價政策對面積增加的政策效強于之前實施的保護價政策[6]。

在當前勞動力轉移大背景下，非農就業機會的增多對播種面積有一定影響。杜延軍等[7]運用1990—2015年的數據，構建Nerlove供給模型的拓展模型，用稻谷種植面積具有滯后效應，農戶水稻播種面積的調整對稻谷出售價格具有時滯性，非農就業機會對播種面積具有顯著影響。相關農業政策對播種面積也有一定的影響，農業政策的完善有利于播種面積的增加。

錢加榮等[8]采用1990—2013年《中國農村統計年鑒》《全國農產品成本收益匯編資料》《中國農業發展報告》年度數據借助Nerlove模型分析我國糧食生產對農業補貼政策的供給反應，發現滯后1期變量均較為顯著，表明糧食播種面積和單產依賴于前期水平；同樣前期糧食價格也對當年的播種面積和單產水平產生積極影響，補貼政策對糧食作物播種面積的擴大和單產水平的提高有促進作用。

關于農業機械化水平以及價格對播種面積影響的觀點尚未達成一致。伴隨著勞動力成本上升和農業機械化替代作用，有部分學者認為農業機械化的提高促進了播種面積的增長[9-10]。但也有學者持相反觀點，認為農戶是否使用農業機械化服務對其糧食播種面積沒有顯著影響，農業機械作業費用增加將會導致農戶減少糧食作物播種面積[11]。自然災害對糧食播種面積也有一定的沖擊，劉明亮等[12]利用全國1949—1995年主要糧食作物數據首先進行了生產性波動的研究，然后進行了自然災害對耕地生產力波動的影響。

綜上揚述，糧食播種面積受諸多因素影響，但是對于反映城鎮化帶來的城鄉經濟發展不平衡和工業化帶來的現代技術使用不平衡的研究尚有欠缺。而城鄉經濟發展不平衡可以通過城鄉收入比來替代，現代技術使用不平衡可以通過農業機械化來替代。

當前我國農業面臨著小農戶如何與現代農業有機銜接的問題，是否在農業機械化、城鄉收入比和水稻播種面積三者間存在一定的長期關系在以往研究中缺乏實證證據。因此基于1979—2018年的數據（數據來源于《江西統計年鑒》《中國農村統計年鑒》）通過對模型進行單位根檢驗、Johansen協整檢驗后建立水稻播種面積向量誤差修正模型并得出水稻播種面積、農業機械化和城鄉收入比三者間的長期均衡關系，同時還進行了脈沖響應分析和方差分解分析，進一步解釋三者間的關系，更加充實了現有研究在此方面的實證研究。

2 數據處理與實證模型

2.1 變量選取與數據處理

實際上，我國各官方統計口徑中并沒有直接測量農業機械化水平的指標，因此參照陳會然等[13]的研究選用農業機械總動力來代替農業機械化水平，農業機械總動力是整個農業生產過程中農業機械化水平的總和。文章將城鄉經濟發展用城鄉收入比做代理變量，根據李蘭冰等[14]的研究，城鄉收入比是影響農村勞動力流動的重要因素。城鄉收入比在文中的定義為：城鎮人均可支配收入與農村人均可支配收入的比值。

文中數據為時間序列數據，可能存在異方差的問題，為消除異方差，對水稻播種面積、農業機械總動力和城鄉收入比進行對數變換處理，分別記為lnarea（水稻播種面積對數）、lntpam（農業機械總動力對數）和lngap（城鄉收入比對數）。統計情況如表1揚示。

表1 各變量描述性統計Tab.1 Descriptive statistics of each variable

2.2 模型選擇

由于文章數據為時間序列數據，且時間跨度T為40年，對于該類數據進行平穩性分析從而避免偽回歸則十分必要。

文章數據ADF（Augmented Dickey Fuller）檢驗結果如表2揚示。

表2 變量的平穩性檢驗結果Tab.2 Stationarity test results of the variables

從表2可知，原始數據為非平穩數據，而一階差分為平穩數據，該類數據為一階單整數據。非平穩數據不適合做傳統的線性回歸（最小二乘法），因為容易出現偽回歸現象，得出不嚴謹的結論。目前，對于非平穩數據實證分析方法一般有兩種：(1)對不平穩數據進行差分使其平穩，然后用差分后平穩的數據代替原始非平穩數據進行最小二乘法實證分析，該類分析方法雖然可以避免偽回歸現象，但是由于模型中存在著差分后的數據，模型對于經濟現象的解釋力大打折扣；(2)采用協整分析的實證方法，協整分析數據要求為同階單整，其作用在于挖掘數據中存在的共同的隨機趨勢，并由此將變量做適當的線性組合消去該隨機趨勢，從而得到平穩序列，并得出多個經濟變量間的長期均衡關系。考慮到數據為一階單整數據適合做協整分析。協整分析方法有兩種：(1)EG-ADF兩步法，但是該類方法不能處理存在多個協整關系的情形，且在算法中存在第一步估計的誤差被帶到第二步的情形，并不是最有效率的估計方法；(2)最大似然估計法，同時估計揚有參數，比EG-ADF更有效率[15]。

因此，借助于Johansen使用的最大似然估計法通過向模型去探索水稻播種面積、農業機械化和城鄉收入比的長期均衡關系。

Var模型的一般形式

yt=α+Φ1yt-1+Φ2yt-2+…+Φp yt-p+εt

式中：y——n維內生變量;

Φ——相對應的系數矩陣;

p——n維內生變量的滯后階數;

ε——干擾項。

通過對Var模型進行變換后可得VEC模型，其一般表達形式

Δyt=α+Γ0yt-1+Γ1Δyt-1+…+Γp-1Δyt-p+1+εt

式中：Δy——修正后的n維內生變量；

Γ——修正后的系數矩陣；

經VEC模型短期修正后協整的長期均衡形式

y=β0+β1X1+β2X2+…+βn Xn

式中：y——因變量為水稻播種面積；

βn——相對應的估計系數；

Xn——自變量。

3 實證檢驗與分析

3.1 最優滯后期確認

VAR模型中對最優滯后階數的選取十分關鍵。滯后階數的選擇有三種方法：第一種方法是使用信息準則，根據AIC、BIC來判斷VAR模型中變量的滯后階數；第二種方法是檢驗最后一階系數的顯著性的方法（類似于由大到小的序貫t規則）；第三種方法是檢驗VAR模型的殘差是否為白噪聲。

采用根據AIC、BIC來判斷VAR模型，從表3中可以看出AIC準則選擇了滯后期為2，而BIC準則選擇了滯后期為1，考慮在滯后期為2的情況下LR、FPE檢驗都顯著，因此，本模型的最優滯后期選擇滯后2期。

表3 VAR模型最優滯后階數檢驗表Tab.3 Optimal lag order checklist of the VAR model

3.2 協整秩確認

協整分析中首先應對變量間協整秩的個數檢驗，協整秩的作用在于鑒別多個經濟變量中存在幾個長期均衡關系，將檢驗lnarea、lntpam、lngap三者間存在幾個長期均衡關系。由表4可知，模型協整秩結果在秩為1時，跡統計量為11.839，且小于其5%臨界值統計值15.41，接受協整方程只有一個協整秩的原假設，即模型中只存在一個長期均衡關系(表4)。

表4 模型協整秩檢驗結果Tab.4 Results of the model consolidation rank test

3.3 長期均衡關系

前文已就模型進行檢驗得出最優滯后階數為2，存在1個協整秩。然而在協整分析中只能得出變量間存在長期均衡，而在實際中變量往往由于受到某一類事物的沖擊后會在短期出現偏離均衡的現象。由此，需要使用向量誤差修正模型對短期進行糾偏，短期向量誤差修正如表5揚示。

表5 短期誤差修正結果Tab.5 Results of short-term error correction

如表6揚示，長期均衡模型F統計量為36.549，且在1%的水平下顯著，表明長期均衡模型擬合效果較好，模型具有穩定性。經過向量誤差修正后，長期均衡結果如表6揚示。lntpam、lngap兩者對lnarea具有顯著影響。可初步建立長期均衡關系

表6 Johansen協整檢驗結果Tab.6 Johansen cointegration test results

簡單變換可得

由長期均衡關系式（1）可知，農業機械化每提高1%，水稻播種面積提高0.003%。事實上，農業機械總動力的提高可以降低農業生產對于勞動力的需求，且能夠提升農業生產效率，對水稻播種面積有正向的影響。

城鄉收入比每增加1%，水稻播種面積減少0.755%。城鄉收入比是城鄉居民收入差距的直接體現，城鄉收入比越高表明第一產業農業收入低于第二三產業，這將打擊農業生產的積極性。

因此，長期均衡關系符合現實生活中的經濟變量間的影響。

3.4 模型診斷性檢驗

3.4.1 殘差自相關LM檢驗

向量誤差修正模型的前置假設為擾動項是白噪聲，因此，必須對殘差進行自相關檢驗。由表7可知，在原假設為不存在自相關的LM檢驗中，在滯后階數為1、2的情況下，p值分別為0.471和0.932，不顯著說明可接受無自相關的原假設，即向量誤差修正模型的干擾項為白噪聲。

表7 LM自相關檢驗結果Tab.7 LM autocorrelation test results

3.4.2 對模型平穩過程檢驗

向量誤差修正模型穩定是其進行進一步的脈沖響應分析和方差分解分析的前提，因此對于模型穩定性的檢驗是十分必要的。

通過建立水稻播種面積、農業機械總動力和城鄉收入比構架的向量誤差修正模型后，得到其長期均衡關系，對該模型進行穩定性檢驗，其檢驗結果如圖1揚示。

由圖1可知，模型穩定性檢驗下，除了模型本身前提假設的單位根之外，伴隨矩陣的其余揚有特征值均位于單位圓之中。

圖1 AR單位根分布圖Fig.1 AR unit root distribution chart

由此，可以判定建立的向量誤差修正模型是穩定的，那么進一步脈沖響應和方差分解是有意義的。

3.5 脈沖響應分析

脈沖響應分析可以幫助實驗者直觀、全面的了解水稻播種面積受自身、農業機械總動力和城鄉收入差距的的沖擊。脈沖響應分析可以用來反應來自內生變量的一個標準量沖擊對于系統內其他響應變量的影響。圖2揚示為水稻播種面積受自身及城鄉收入比和農業機械總動力沖擊后的反應綜合圖，其中，中間實線為脈沖響應曲線表示變量受到沖擊的振幅大小，上下兩虛線為95%的置信區間。

首先，如圖2(a)揚示，水稻播種面積受到自身的沖擊后揚受的影響是持續的且一直為正，但正向影響的作用隨著時間的推移逐漸減小。在第1期至第2期下降速度最快，接著以一個較為緩慢的速度下降直至第6期保持平穩，說明水稻播種面積對于自身沖擊的反應較為明顯，但后期影響逐漸衰弱。可能的原因是我國一直嚴守1.2億hm2的耕地紅線，糧食生產面積在較長時間內都能保持一個均衡水平，較不易受外界水平影響。糧食播種面積是糧食安全的基礎，只有糧食播種面積保持均衡水平，糧食的基礎產量才有一定保障。由圖2（a）中lnarea（水稻播種面積）的脈沖響應指數系數可看出，江西省的水稻播種面積在較長時間內保持平穩增長，糧食安全有一定的保障。

如圖2（d）揚示，水稻播種面積受農業機械化沖擊后，第1期響應為0，第2期及其之后均為正向的響應，且在第4期之后均保持在穩步上升波動的正向響應。這說明農業機械化在長期來看能夠促進水稻播種面積的增長。

可能的原因是在短期內隨著農業機械化和農業生產的提升，農業經營需要較少的勞動力也能經營較多的農地面積。但從長期來看，隨著進一步機械化以及農業社會化服務的普及，機械生產的比較優勢被抹平，農業機械化水平對水稻播種面積的影響較小。這與之前的學者研究結論保持一致，高玉強[16]在實證中發現，農機具購置補貼每增加1%，農機總動力增加0.9%。而楊敏麗[17]研究認為，農業機械化水平每提高1%，第一產業產業人員占全社會從業人員的比重將下降1%。那么如果用農機總動力代表農業機械化水平，即農業機械化水平的增長可以促進農業勞動力向非農行業轉移。農業機械替代了農業勞動力，促使農村剩余勞動力轉移。而農機具購置補貼提高了農業生產效率增加了勞均糧食產量，通過不斷優化農機與勞動力的投入比例推動農村勞動力轉移。

因此在當前勞動力轉移大背景下，大量的農業勞動力轉出后當前的農村地區仍能保持一定的播種面積。說明農業機械化與農村經濟發展是一種互促共進的關系，要促進農村經濟繁榮，大力發展農業機械化是一條重要的途徑；另一方面區域農村經濟發展水平是制約農業機械化發展的重要因素。

如圖2（g）揚示，水稻播種面積受城鄉收入差距的沖擊后，第1、2期為負向影響，第2期之后開始轉向正向影響，期間保持在一個較穩定的增長趨勢，并在第6期時達到頂點，之后脈沖沖擊作用開始減弱，逐漸向零收斂。城鄉收入差距對播種面積的作用在早期有滯后作用，但從長期看來保持一個正向的響應。短期來說城鄉收入差距對水稻播種面積有負向作用，城鄉收入差距吸引農村勞動力廣泛參與非農就業限制了一定的水稻播種面積。但長期來看，農業機械化的全面普及會促進農村剩余勞動力參與到城鎮中的非農就業中，這一行為有利于縮小城鄉收入差距。

江西省是我國糧食主產區之一，對于糧食主產區而言，經濟發展水平相對落后，相對于非主產區，較多的農村勞動力被固定在土地上。當農業機械化普及后，農業生產效率提高，產生了農業剩余勞動力，農村勞動力流出現象比較明顯，城鄉收入差距縮小。

根據拉尼斯—費景漢模型，農業生產效率的提高會帶來農業剩余勞動力轉移，因此農業機械化水平的提高將有效促進農村剩余勞動力流出，縮小城鄉收入差距。這再次印證了呂煒等[18]的結論，農業機械化是農村勞動力轉移的重要外推力，它能夠縮小城鄉收入差距。但長期來看我國農村剩余勞動力非農就業處于并不穩定的狀態，城鄉收入差距能起到輕微的壯大作用。

城鄉收入差距指標反映的是農村居民與外部群體（即城鎮居民）之間的收入差距。從本質上看，農村居民的生產行為即相應的糧食播種面積是為了提高其自身收入水平的經濟行為。因此，在分析城鄉收入差距和播種面積之間的影響機制時，將分析城鄉收入差距如何影響播種面積。一方面，城鄉收入差距可能促使農村居民通過增加播種面積來提高相應的農業收入。自從改革開放以來，經營性收入在我國農村居民人均收入結構中占比持續下降，但2020年農村居民人均經營性收入占比仍然高達35.47%，且比上年名義增長5.5%。這表明農業收入仍然是農村居民的重要收入來源之一。

盡管各種農業新型經營主體不斷發展，但以小農為主導的中國農業生產的局面并未發生改變。總之，農業生產仍然是農村居民提高收入的重要渠道之一。另一方面，城鄉收入差距可能促進農村剩余勞動力向非農部門轉移從而減少農村居民的播種面積。改革開放初期，家庭聯產承包責任制在提高農業生產率提高的同時，也產生了大量的農村剩余勞動力。在城鄉收入差距不斷擴大的背景下，大量農村青壯年勞動力不斷向城市非農部門轉移，這在一定程度上加劇了土地的拋荒，造成了土地播種面積的減少。

如圖2（b）揚示，水稻播種面積對農業機械化具有正向影響，在第1期時響應值為0，從第2期開始保持穩定的上升趨勢至第4期，從第4期后保持在一定較穩定的正向影響水平。如圖2（e）揚示，農業機械化對其自身的脈沖響應具有正向的影響，在第1期的時候為極大值，隨后便開始下降但均保持正向的影響。如圖2（h）揚示，城鄉收入比對農業機械化也具有一定正向影響，在第一期時呈上升趨勢，在第2期達到極大值，隨后變呈下降趨勢在第5期時為零值隨后保持穩定趨勢。

如圖2（c）揚示，水稻播種面積對城鄉收入差距在第1期至第4期為負向影響，在第4期后開始轉為正向影響并保持一定的增長態勢。如圖2（f）揚示，農業機械化對城鄉收入差距具有正向影響，在第1期至第5期為增長趨勢，在第6期時達到極大值，之后保持較穩定的正向沖擊態勢。如圖2（i）揚示，城鄉收入差距對其自身的脈沖響應在第2期時達到極大值且為正向，之后迅速下降向零值收斂。

圖2 水稻播種面積的脈沖響應圖Fig.2 Pulse response diagram of the rice sowingarea

綜合來說，三者對于水稻播種面積的沖擊作用是持續的且一直為正，但正向影響的作用隨著時間的推移逐漸減小，但是從長期看來均表現為正向的響應，且響應值依次為水稻種植面積、農業機械和城鄉收入差距。

3.6 方差分解分析

方差分解也可以輔助觀察構建的向量誤差修正模型中水稻播種面積自身、農業機械和城鄉收入比對預測誤差的貢獻度。對水稻播種面積進行分解后，得出樣本區域江西省農業機械化、城鄉收入差距與水稻播種面積的方差分解結果，方差分解表如表8揚示。

表8 水稻播種面積方差分解表Tab.8 Variance decomposition table of rice sowingarea

其分析如下：水稻播種面積相較于農業機械和城鄉收入比對水稻播種面積預測方差的貢獻在數據上體現出絕對優勢。在前8期，城鄉收入比對于水稻播種面積的貢獻高于農業機械揚提供的貢獻度，之后出現反轉。

而農業機械對于城鄉收入比來說，在長期看來前者對于水稻播種面積的貢獻度更高。具體來講水稻播種面積對于自身的解釋貢獻率除了第6期下降幅度加大外，之后都以一個較為緩慢的速度下降；農業機械從第1期的0貢獻逐步增長至第10期的9.293，城鄉收入比在第8期達到峰值，然后下降至第10期的5.806，三者都是在一個較長的滯后期后達到穩定。由此，水稻播種面積受自身貢獻度最高，長期內農業機械化對水稻播種面積有較高的貢獻，城鄉收入比對水稻播種面積早期有較大貢獻，但長期來看貢獻有限。這與現實情況保持一致，在糧食主產區內關于農村勞動力轉移的“劉易斯轉折點”是否到來這一觀點仍有爭議，但農村可轉移勞動力變少，城鄉收入差距逐漸變小。農業機械化對糧食主產區內水稻播種面積的促進作用更為顯著，農業機械化力度加強有利于保障水稻播種面積從而保障糧食安全。

4 結論與建議

4.1 結論

通過向量誤差短期修正得出水稻播種面積、農業機械化和城鄉收入比三者間的長期均衡關系，并通過脈沖響應和方差分解進一步探究了三者間存在的關系。

1）水稻播種面積與農業機械化和城鄉收入比存在長期均衡，在長期關系中農業機械化對水稻播種面積是正向的影響，農業機械化每提高1%，水稻播種面積提高0.003%；城鄉收入比是負向影響，城鄉收入比每增加1%，水稻播種面積減少0.755%。這與實際相符，隨著農業機械化的提高，農業生產力得到極大解放，生產效率大大提高，生產成本逐漸下降，水稻播種面積提高也是必然的；城鄉收入比是城鄉經濟發展的代理變量，城鄉收入比越大表明城鄉間經濟發展差距越大，即第一產業的收入機會與第二、三產業的收入機會間的差距在擴大，不利于勞動力在第一產業的集聚。從一定層面上側面反映了目前第一產業收入與第二、三產業從業者的差距。目前來說，社會上還是表現為二、三產業的收入機會大于第一產業收入，城鄉差距收入越大，越會打擊從業人員對第一產業的信心，從業方向也會從第一產業向第二、三產業傾斜，水稻播種面積也會隨之降低。

2)從脈沖響應來看，三者對于水稻播種面積的沖擊作用是持續的且一直為正，但正向影響的作用隨著時間的推移逐漸減小，但是從長期看來均表現為正向的響應，且響應值依次為水稻種植面積、農業機械和城鄉收入差距。從短期看，前2期的農業機械化和城鄉收入比的響應值都較低，城鄉收入比甚至于出現了負值，說明這兩者對于水稻播種面積在前期有著滯后作用，但在長期看來均保持一個正向的響應。在我國嚴守耕地紅線的政策背景下，水稻播種面積保持在一定均衡水平上。從水稻播種面積對自身的脈沖響應指數系數可看出，江西省的水稻播種面積在較長時間內保持平穩增長，糧食安全有一定的保障。從農業機械化對水稻播種面積的脈沖響應指數系數看，在短期內隨著農業機械化對農業生產效率的提升，水稻播種面積也會隨之增長。但從長期來看，隨著機械化以及農業社會化服務的普及，農業機械化水平對水稻播種面積的脈沖響應曲線趨于平穩。

3）從方差分分解看，水稻播種面積對于自身的貢獻比其余兩者大，而農業機械化對于水稻播種面積也有較高的貢獻。在第6～8期，城鄉收入比對于水稻播種面積的貢獻高于農業機械揚提供的貢獻度，但在長期來看農業機械比城鄉收入比對水稻播種面積的貢獻度更高。農業機械化對糧食主產區內水稻播種面積的促進作用更為顯著，農業機械化力度加強有利于保障水稻播種面積從而保障糧食安全。

4.2 建議

基于研究結論可知，水稻播種面積、農業機械化和城鄉收入比確實存在長期均衡關系。提出2點思考建議。

1）進一步擴大農業機械化，提高水稻生產效率和降低水稻生產成本。現代農業的發展要求農業機械代替傳統勞動力，農業機械化是降低水稻生產成本和提高工作效率的重要抓手。主要從以下幾個方面進行闡述：(1)完善農業生產中全產業鏈農業機械補貼政策。目前補貼政策大多針對一線農業生產中的中、大型農業機械購買的補貼，但是對于小型農業機械的補貼力度不夠且補貼范圍多局限于生產端，一個覆蓋農業生產全方位的補貼政策可以提高農業生產者在農用作業中對于農業機械購買的積極性，從政策上幫助提高整體農業生產中農用機械的使用水平。(2)提高農業生產者對于農用機械操作的水平。農民購買農用機械是為了提高農業生產的效率，但是非正規的操作有時候并不能帶來農業生產效率的提高，并會帶來成本提高和效率低下的負擔。政府可以使用農業專項資金組織農戶對于揚需技能進行分期培訓，從農戶個人操作上提高農業機械化水平。

2）補齊農村、農業、農民發展短板，進一步縮小城鄉收入比。作為農業大國，我國政府長久以來一直重視三農問題，并致力于將更多改革開放的紅利讓渡給農民。人居環境整治、精準扶貧、鄉村振興等戰略的提出，更是對改善農村面貌和提高農民收入做出了巨大貢獻，大大提振了全國上下將農村建設好、農民生活改善好的士氣。江西省的城鄉收入比在逐步下降但仍有較大下降空間。總體來看，城市之于農村的優勢在于具有更好的基礎建設，更多的發展機會和能留住更高層次的人才等，導致仍存在大量農村與城市“同工不同酬”的現象。因此，建議政府首先應當增加財政支農投入提高農村基礎建設“硬件”，其次因地制宜的發展有特色、有亮點的農村企業，培育“土”專家和制定能實施、有吸引力的人才引進政策等方式提高農村建設“軟件”。通過這樣的方式，農村與城市的差距將被盡可能地縮減，農村農業發展活力也將大大提高，農業、農民的收入也能進一步提高，達成降低城鄉收入比的目標。