借贷利率、购置补贴与农业机械化率的关系研究<br/>——基于8省54县调查数据的实证分析

借贷利率、购置补贴与农业机械化率的关系研究
——基于8省54县调查数据的实证分析

2018-03-15刘世琦沈晓晖

中国软科学 2018年2期

钟真，刘世琦，沈晓晖

(1.中国人民大学农业与农村发展学院，北京 100872； 2.浙江省桐乡市农机监理站，浙江桐乡 314500)

一、引言

农业机械化是传统农业向现代农业转型的中心线索，也是农业现代化的主要标志之一[1-2]。近年来，随着农业科技的发展、劳动力成本的快速攀升等多种因素的影响下，农业机械化在增加农业产出、促进农业劳动力转移和增加农民收入等方面的作用显得日益重要。据农业部测算，到2015年底，全国农作物耕种收综合机械化率(以下简称“农机化率”)已达到63.82%，这意味着我国的农业生产方式已经总体进入以机械作业生产为主的阶段；同时，自2004年开始试点实施农机购置补贴政策以来，中央财政资金已累计投入超过1400亿元，补贴农机具超过3800万台(套)。农机具购置补贴为农民购买和使用农机服务提供了直接激励[3]，也对提高我国农业机械化水平起到重要作用。

但是，农民个人投资依然是农机投入的主体[4]。除了一部分补贴资金，农民还需要动用自有资金或借贷资金，才能满足机械化生产的资金需要。因此，借贷利率(包括正规和非正规金融市场的借贷利率)将影响农民农机投入。一般而言，借贷利率可以大致衡量一个地区平均的资本使用成本，如果借贷利率越高，资金使用成本越高，就越可能抑制农民购买机械的积极性，因而不利于农机化率的提高。然而，事实并非完全如此。实地调研发现，某些借贷利率高的地区也同时拥有较高的农机化率，例如黑龙江和新疆2004-2013年样本县正规金融机构的平均年借贷利率水平高达7.7%，而其农机化率也处于全国领先水平，同期平均达到77.1和72.4%；或者，两个地区借贷利率有较大差别，但农业机械化水平却大致相当，例如辽宁和山东十年间平均借贷利率水平差异较大，分别为8.2%和6.3%，而同期样本县平均农机化率则十分接近，均在64.1%左右*这里的“实地调研”指本文课题组的调研。调研情况见数据来源与变量特征部分。。那么，为什么会出现此类状况？借贷利率是如何影响农民购机决策的；农机购置补贴在其中有发挥了什么作用；借贷利率、购置补贴与农机化率之间究竟是何种关系？回答这些问题，有利于揭示我国农机化水平提升的内在机制，对金融支持农机发展和完善农机购置补贴政策等具有重要的现实意义。

二、文献综述

农业机械化是一个涉及自然科学和社会科学的综合性领域。从社会科学的角度看，现有对农业机械化的研究主要围绕其作用、存在问题和影响因素等方面展开的。在农业机械化对农业的作用方面，学者多用实证的方法，定量衡量农业机械化对粮食产出[5-7]、劳动力转移[8-9]、农民增收和农业经济增长的影响[10-11]，结果表明农业机械化在这些方面都有显著的正效应。在存在的问题方面，地区发展的差异性较大，整体水平并不高；农机作业结构不平衡，作物品种之间的机械化程度差异大；农机服务体系不健全；农业机械作业的成本偏高等情况是较突出的[12]。在影响农业机械化水平的因素方面，农民的技能水平和文化程度[13]、财政支农力度[14]、农机价格水平[15]和土地经营规模[16]是几大主要因素。

具体到农机投入或投资方面的研究则相对较少，相关的文献也多集中在农机购置补贴政策方面。从近十年农机购置补贴政策的实践来看，财政支持农机发展的范围与力度均不断加大，财政投入在农机投入中所占比重有所增加，补贴资金对引导农民购买农业机械的效果也十分显著[17]。但相关问题也很多：如随着农业机械技术越来越成熟，农业机械价值越来越高，购置补贴对提高农民购机能力的作用有限，农民购置农机的资金压力持续存在；又如补贴政策对民间资本的拉动力不足，制约了政策效应的发挥[18]。为此，各地也积极探索金融扶持农业机械化的政策，如加大农业科技贷款的支持力度[19]、农机销售企业和相关的金融机构尝试合作担保贷款或探索各种形式的抵押贷款[20]。总的来说，农业机械化信贷支持领域有所扩大，力度也在增强，但农民购机贷款难、贷款成本高等问题并没有很好解决。与其他农业产业类似，以农民为主的私人主体是中国农业机械投资的主要力量[21]，故农民的购机行为是推进农业机械化需抓住的关键因素之一。国家财政政策和农村金融市场都应提供各种有利于减轻购机成本和增强农民购机能力的举措。而要充分调动政府与市场的力量，前提是厘清借贷利率、购置补贴等影响农民购机行为的外部条件与农机化率之间的逻辑关系。

而文献梳理则发现，多数理论研究要么从宏观的金融或财政政策角度来对农业经济发展进行分析，要么从微观的农户角度分析其一般性信贷约束问题，但很少有文献从中观层面将分析视野投射到农业机械化这一农业现代化的重要领域，并将金融市场约束与国家财政补贴结合起来分析解释中国特色的农业机械化发展轨迹。据此，本文将以县级单位为研究对象，从农机投入的角度，对借贷利率、购置补贴和农机化率之间的关系进行实证分析。

三、拟验证的假说

作为农机投资主体的农户，可以动用的自有资金数量和资金使用成本是影响其购机行为的重要约束。而借贷利率和购置补贴对这两大约束又会产生直接的影响。一方面，如果农民可以直接使用自有资金购买，那么他需要考虑自有资金的机会成本，即与其他用途(包括储蓄)相比是否更为合算，其衡量标准则往往是当地借贷利率水平。此时无论是正规金融机构的利率还是非正规金融机构的利率都将影响农民的这一投资行为。而如果农民自有资金不足，需要通过借贷来购买农机，那么正规或非正规的利率水平仍是其直接考量依据。另一方面，如果农机购置补贴的额度较高，农民个人投入资金就相对较少，购机行为更容易发生，反之则农民购机的成本压力较大，故购置补贴的力度将影响其购机行为。进一步地，上述两个方面对农户购机行为的影响最终将作用到农机化率上。为方便起见，我们将借贷利率、购置补贴和农机化率之间关系概述为图1所示。

图1 借贷利率、购置补贴与农业机械化率的关系

根据经济学相关理论和实际调查情况，本文提出以下推断：

第一，借贷利率与农机化率之间呈倒U型关系，即在低于一个阈值时，借贷利率可能对农机化率有正向影响，到达并超过此阈值后，借贷利率对农机化率有负向影响。提出此假说的理论与现实依据有两点：一是根据农业机械保有量的变化看，农户购机需求不可能长期旺盛。在国家实施农机购置补贴政策的初期，补贴极大刺激了农民购买农业机械的积极性，此时由于投资农机所带来的农业和非农业收益的增加将大于较低利率水平下因借贷竞争带来的资金使用成本的提高。换言之，在借贷利率处于一个较低的区间内，适当的借贷竞争反而会促进农民的购机行为，故借贷利率与农机化率将呈现正向关系。在补贴政策实行到一定阶段以后，农业机械保有量趋于稳定甚至饱和，农民购机热情将明显下降，借贷利率高低直接影响着购机资金的使用成本，故借贷利率与农机化率将呈现负关系。二是根据农村金融市场发展状况看，农村的正规金融市场与非正规金融市场之间存在分割、竞争与互补的关系。当正规金融机构的贷款利率较高，但购买农机仍有利可图时，非正规金融即民间借贷的活跃性将增强，从而促进农户能在农忙季节迅速进行农机投资，尤其是购买小型农机具以满足生产，进而提高了农机化率。当整体借贷利率超过一定阈值后，过高的资金成本已成为投资农业机械尤其是价值较高的农业机械的一大制约，此时利率的影响将呈现负面效果，即利率越高，农机购买量将下降，进而导致农机化率趋于稳定或降低。基于以上分析，本文推断，借贷利率对农机化率的影响将呈现倒U型的关系。

第二，购置补贴对农机化率有正向影响。针对农民购置机械的补贴具有专门性，能对农民的购买决策产生直接干预和激励，补贴范围和力度越大，越容易促使农民购买机械，从而提高农机化率。另一方面，补贴实际上能部分抵消高利率带来的负面作用，间接降低农民资金使用成本，增强农民购买力。因此，农机购置补贴对农机化率具有正向的促进作用。

当然，农户收入水平、劳动力转移率、农业机械化服务组织等因素也影响着农机化率，本文将这些因素作为控制变量进入实证模型。借贷利率与购置补贴是本文关注的从资金角度影响农机化率的重点因素。

四、数据来源与变量特征

本文所用数据来自农业部农机化司于2015年对全国8个省以县为单位的问卷调查。调查要求各县报送其自实施农机购置补贴政策以来农机化发展相关的指标数据。其中，8省分别为黑龙江、辽宁、新疆、河南、山东、安徽、湖北和江西；各省县级名单按照该省十余年间所获中央农机购置补贴资金占全国的比重随机抽取，共抽得62个县。经过上报数据的整理，最终选定数据较为齐全的54个县作为本文研究的对象*县级样本名单可向作者索取。。该样本范围覆盖我国东北、西北、中东部和南方地区的粮食主产区，农机购置补贴政策实施相对较早，农业机械化生产水平相对较高，对于本文研究问题的分析具有较强的代表性。

(一)因变量：农机化率

按照《全国农业机械化统计年报》的定义，农机化率由机耕水平、机播水平、机收水平分别以0.4、0.3、0.3的权重加权计算而来。其中，机耕水平是指机耕面积占各种农作物播种面积中应耕作面积的百分比(农作物播种面积中应耕作面积等于农作物总播种面积减去免耕播种面积)；机播水平、机收水平分别是指机播面积、机收面积占各种农作物播种总面积、收获总面积的百分比。从全国的数据看，2004至今的十余年是改革开放以来中国农业机械化发展最快的时期，年均增加近2.7个百分点；而1978—2003年年均增长不到0.5个百分点。同期，各省农机化率也快速提高，尽管水平各有差异，但变化趋势基本一致。从样本数据看，来自8省54县平均的农机化率从2004年的51.79%上升到2013年的75.8%，总体上高于全国平均水平，但变化趋势与全国整体情况类似。这与实施基本相符。其中，来自湖北、江西两省的样本县农机化率与全国平均水平较为接近，而其他6省的样本县农机化率均明显高于全国平均水平；而来自辽宁的样本县农机化水平与8省样本平均水平十分接近(见图2)。

(二)自变量：借贷利率、购置补贴金额与相关控制变量

鉴于前述正规金融市场与非正规金融市场的关系，本文假定一个县域内的金融市场是关联的，即非正规金融的借贷利率是正规金融借贷利率的一个函数，那么我们可以利用该区域内正规金融的借贷利率来表示包括非正规金融市场利率在内的资本价格的高低。基于此，本文选择县级农村信用社或农业银行等正规金融机构的贷款年利率来反映一个地区整体资金借贷成本。该利率越高说明农民进行农机投资的成本高，反之则较低。从样本数据看，2004-2013年样本县平均年借贷利率总体略有上涨，但基本在7%上下小幅波动。其中，辽宁样本县的借贷利率水平最高，十年间年贷款利率平均超过8%，而湖北最低，十年间平均水平不到6%；山东样本县的波动幅度最大，新疆和河南次之，但新疆样本县的借贷利率在较高水平上存在明显波动(见图3)。

图2 2014年以来全国与样本区域农机化率(%)

图3 2004-2013年样本区域平均借贷利率(%)

农机购置补贴资金由中央财政和地方财政共同担负，地方各级政府可以视自身财政情况安排相应的补贴资金。因此，理论上县级单位获得的农机购置补贴资金来源于中央和省、地市等地方财政资金。但由于相当一部分地方政府财力紧张而没有安排相应的补贴，县级农机购置补贴资金常常仅来自中央财政资金。本研究以县为研究单位，不区分中央与地方补贴资金的构成，仅关注补贴资金的数量对农机化率的影响。从样本数据看，2004-2013年样本县平均农机购置补贴资金从18.2万元增长到1713.1万元，其中2008-2009年补贴资金出现了大幅提升，这一趋势与全国农机购置补贴量的变化十分吻合。其中，辽宁样本县的平均补贴资金最多，十年间累计补贴1.25亿元，而河南样本县最少，同期累计补贴0.51亿元(见图4)。

此外，为了更加准确地估计借贷利率、购置补贴与农机化率之间的关系，本文将引入若干控制变量。已有文献表明，诸多宏观经济和微观市场特征将影响农机化率。本文认为，大多数影响因素都是通过作用于农机购买和使用行为进而影响农机化率的，故控制变量的选取不宜过多过泛，而应围绕“购机”和“用机”来选取。基于此，本文引入农民人均纯收入[22]、农村劳动力转移比例[23]和农业机械化作业服务组织[24]等指标作为控制变量。相关变量十年间的均值及其标准差如表1所示。

图4 2004-2013年样本区域平均农机购置补贴额(万元)

变量名指标解释样本量均值农机化率(mechanization)农业机械化耕种收综合水平(%)54066.51(18.006)借贷利率(rate)县级正规金融机构贷款年利率(%)5407.27(2.216)农机购置补贴(subsidy)年均县级农机购置补贴金额(万元)540879.08(1275.424)农民人均纯收入(income)农民人均纯收入(元)5406012.96(2957.302)农村劳动力转移比例(labortransfer)农民外出务工人数占全县农村劳动力总人数比例(%)54029.79(18.167)农机服务组织(orgniazations)全县农业机械化作业服务组织数量(个)54080.34(137.119)

注：括号中为标准差。

五、实证检验与结果分析

(一)模型设定

为了验证关于借贷利率和购置补贴对农机化率的影响，本文设定如下基础模型：

(1)

首先，需要讨论的是区域借贷利率水平是否为外生变量。本文认为，一个地区的资金借贷利率是由宏观经济影响下该地区资金供给和需求总体态势决定的，农机购置的资金需求对该地区金融市场的供求关系影响甚微，故可以认定借贷利率是一个外生变量。

其次，要处理的是县级农机购置补贴资金(subit)的内生性问题。根据农机购置补贴政策实施的情况看，补贴资金分配是自上而下进行的，县一级是补贴资金下拨的最基层单位。而上级农机化主管部门在分配下级农机购置补贴资金时，常常会按照下级各单位在上一年度的补贴资金使用情况、上一年度农业产出(特别是粮食产量)和本年度的农机购置补贴资金需求评估值来确定补贴资金分配额度。因而补贴资金分配越多的地区，常常是粮食主产区等农机购置和使用需求较强的地区，其农机化率自然相对较高。反过来，农机化率高的地区，由于往年补贴资金需求较大、粮食产量较高等因素，一般而在下一年度也会获得比其他地区更多的补贴资金。因此，补贴资金与农机化率之间至少存在着明显的因互为因果引起的内生性关系。为此，在模型设定时有必要消除subit的内生性问题。按照上述补贴资金分配的主要依据，样本县上一年粮食产量和上一年的补贴资金均具有作为补贴的工具变量的必要特征，即都与补贴资金高度相关。但细致的分析可以发现，上一年度的补贴资金会影响当年的农机保有量，进而影响当年农机化率，故并不合适作为subit的工具变量。而上一年度的粮食产量面积则与当年农机化率几乎没有类似的因果联系，所以相较而言，上一年度的粮食产量作为subit的工具变量更为合适的。也有一些研究将粮食单产和粮食播种面积来作为农机购置补贴的工具变量(周振和崔嵩，2015[17])。而本文认为，无论是粮食单产还是播种面积，都只能体现粮食产量的某个维度，并且两者之积本身就是粮食产量，故没有必要选择粮食单产或播种面积(抑或两者一起)作为工具变量。据此，本文选择上一年度的粮食产量作为subit的工具变量来估计相关参数。

再次，要处理的是购置补贴、农民收入和借贷利率之间交互关系问题。逻辑上看，农机购置补贴和上一年度农民人均纯收入对农机化率的影响可以预期为正，故它将缓解借贷利率对农机化率产生的负面影响。如果借贷利率与农机化率确实存在倒U型关系，那么购置补贴和农民收入将有可能延缓倒U型拐点的出现。换言之，如果购置补贴或农民收入越高，农民在购置或使用农机时的借贷竞争就有可能越激烈，借贷利率与农机化率正相关的区间就越大。为此，本文在模型中将引入购置补贴、农民人均纯收入收入分别与借贷利率的交互项，以模拟上述情况并提高模型估计的准确性。

于是，基础模型式(1)需进一步设定为如下待估模型：

(2)

式(2)中，grainit-1表示上一年度粮食产量，是subit的工具变量；rateit*subit和rateit*incit-1分别是借贷利率与农机购置补贴、上一年度农民人均纯收入的交互项。

(二)估计结果分析

基于处理面板数据和内生性问题的需要，本文采用面板工具变量法进行参数估计。为了排除自然条件差异等基本不随时间推移而变化的因素之干扰，估计时使用固定效应模型。豪斯曼检验的结果(卡方P值为 0.0091)也支持选择固定效应模型。为了提高模型估计结果的稳健性，本文对进入模型的变量组合进行了多种尝试(见表3)。先对借贷利率、借贷利率平方和购置补贴三个关键变量与农机化率进行回归，结果均高度显著(模型I)。而引入农民人均纯收入、农村劳动力转移比例和农机服务组织三大控制变量后，模型估计结果依然整体显著，但农机购置补贴的显著性水平大大下降(见模型II)。这或许与农机购置补贴的内生性有关。为此，模型III利用上一年度粮食产量作为工具变量对农机购置补贴的内生性进行了处理。结果显示，农机购置补贴对农机化率的影响明显得到了提高，并在10%水平上显著；同时借贷利率及其平方项依然在1%水平上高度显著，而农民人均纯收入和农机服务组织的影响明显减弱。可见，模型对借贷利率、借贷利率平方和购置补贴三个关键变量的设定和对农机购置补贴内生性的处理是合理的。此外，为了进一步验证购置补贴、农民人均纯收入和借贷利率之间的交互关系，本文对引入rateit*subit和rateit*incit-1的模型进行了面板OLS和面板2SLS(面板工具变量法)估计，估计结果分别见模型IV和模型V。从两个估计结果的对比看，尽管未处理补贴的内生性问题时，两个交互项系数估计值在统计上是显著的，而处理了补贴的内生性问题后，两个交互项系数估计值反而不显著了，但由于系数都十分微小和处理补贴内生性的必要，本文认为购置补贴、农民人均纯收入和借贷利率之间对农机化率的交互影响并不明显。总体而言，处理了农机购置补贴的内生性问题之后，三大关键变量和三大控制变量的系数估计值均高度显著，且模型整体统计学性状良好，故本文主要依据模型V来做以下分析。

表2 模型估计结果

注：*、**、***分别表示在10%、5%与1%的水平上显著。

由于2004-2013年样本县民间借贷利率的数据无法获得，本文所用借贷利率数据为样本县正规金融机构借贷利率，绝大多数样本县借贷利率都低于11%，导致本文数据仅能观察到各样本县借贷利率水平与农机化率之间的正向关系。但这并不影响估计结果对倒U型假说的支持。一方面，正规金融机构借贷利率数据本身支持借贷利率与农机化率之间的负二次项关系。另一方面，由于农村的正规金融市场与非正规金融市场之间的特殊关系，即便可以同期观察到超过11%的民间借贷利率数据，也不影响我们的结论。事实上，农村的非正式金融，尤其是亲朋好友之间的借贷，因程序简单快捷和交易费用较低，而长期成为正规金融的一种补充甚至替代。正规金融借贷利率较低，但借贷竞争激烈，无论是借贷利率直接提高还是通过提高借贷门槛间接提高，存在较高信贷约束的农户往往会转向非正规金融进行融资，以此满足季节性的生产用途。即便非正规金融的借贷利率要明显高于正规金融的借贷利率，但只要仍能够通过投资农机获得足够的收益，那么借贷利率与农机化率同时提高的现象就会发生。所以，可以推断非正规金融作用于农机化率的“拐点利率”会比正规金融更高。

第三，农民人均纯收入、农村劳动力转移比例和农机服务组织等因素对农机化率的提高也具有十分重要的作用。农机化率的快速提高不单单是农机购置补贴政策的功劳，而是诸多强农惠农政策的综合体现，也是整个国家经济、社会、科技大发展背景下的必然趋势。从本文县级层面的估计结果看，样本县农民人均纯收入每增加100元，农机化率将提高约0.2个百分点；样本县农村劳动力转移比例每提高1个百分点，农机化率将提高约0.1个百分点；样本县农机服务组织每增加100个，农机化率将提高约0.5个百分点。需要强调的是，农机服务组织在农机化发展过程中的作用日益明显。数据显示，十年间样本县农机服务组织的数量平均为80家，没有正式的农机服务组织的样本县比例从25.9%下降为3.7%，拥有50家以上农机服务组织的样本县比例从不到30%增加到43.7%。其中，大多数农机服务组织都为农机合作社或与农民合作社相关的组织或机构。这表明，农机行业本身的成长发展亦将进一步推动农业化率的提高。

六、研究结论与政策含义

农机购置补贴政策实行十余年以来，我国农业机械化水平提升迅速，但由于农户依然是农机投资主体，地区借贷利率水平将直接影响农户购机成本，进而影响其购机行为，因此地区金融市场与农业机械化水平将存在特殊的关系。本文利用8省54县2004-2013年的面板数据，对县级区域平均借贷利率、农机购置补贴和农机化率之间的关系进行了较为深入的实证分析。结果表明，在排除了农机购置补贴的内生性之后，借贷利率并非与农机化率呈现简单负向线性关系，而是呈现一个 “先正后负”的关系：先在一个较宽的相对低利率区间内呈现正向关系，然后在超过一个较高的“拐点利率”之后呈现负向关系。具体结论及其政策含义如下：

一是，借贷利率与农机化率之间存在倒U型关系的假说得到了验证。即如果借贷利率处于相对较低的区间内，那么它与农机化率之间将呈现正向影响。此时由于正规机构的贷款挤出效应明显，非正规金融将在农机投资中发挥更为重要的作用。但如果借贷利率过大，农机投资的利润空间不足，借贷利率对购机投入的制约作用将显现。值得庆幸的是，样本数据和计量结果表明，大多数地区的借贷利率尚没有突破“拐点利率”，因此现实中借贷利率与农机化率整体呈现正向关系。但这并不意味着，资金使用成本越高越有利于农机化发展，而是适当的借贷竞争有利于农机化水平的提高。当前，农机购置补贴方式已从“差价购机”全面转为“全价购机”，加上随着农业机械化水平的不断提高，高质量、高效率农机需求将逐步显现，农户购机的资金压力进一步增加。因此，对于政府金融政策而言，在降低农户购机压力和适当提高农机化率之间是需要认真权衡的。由于借贷利率常常是外生的以及农机化率受到其他多种因素的影响，建议政府在现阶段应重点从化解农户购机压力出发来发挥好金融政策对农机化发展的支持作用，如开展农机具抵押贷款、农机购置补贴收益权质押贷款、政策性担保贷款等政策创设试点。

二是，购置补贴对农机化率具有正向促进作用的假说也得到了定量验证。但是如果在量化分析中不考虑其内生性问题，将有可能大大低估补贴对农机化率的正效应。这意味着，政府应继续对农机购置提供财政支持。从农机化发展现状看，现阶段财政支持应重点向薄弱地区(如丘陵山区)和薄弱环节(如机种机播环节)倾斜，并尽可能简化补贴申领手续，使农民在生产最需要资金的时候获得补贴并迅速进行农机投资。当然，购置补贴也不能过高，避免农户过度依赖补贴政策，进而影响财政资金对农机投资的撬动作用。

三是，农民人均纯收入、农村劳动力转移比例和农机服务组织等因素对农机化率也有较强的正向促进作用。这意味着农业机械化水平的提高，并不仅仅与农机购置补贴政策和金融支农政策有关，还与农民收入水平、人口城镇化和农业组织化程度密切相关。可见，要想全面提升农机化发展水平，还应在农机之外下功夫。比如通过多种途径提高农民收入，积极培育包括农机合作社在内的新型农业经营主体，大力发展多种形式的适度规模经营，完善农机服务在内的农业社会化服务体系等等。

[1]程霖, 毕艳峰. 近代中国传统农业转型问题的探索——基于农业机械化的视角[J]. 财经研究, 2009, 35(8):105-114.

[2]孔祥智, 周振, 钟真. 农业机械化:十年进展与发展方向[J]. 科技促进发展, 2014(6):21-28.

[3]曹阳,胡继亮.中国土地家庭承包制度下的农业机械化——基于中国17省(区、市)的调查数据[J].中国农村经济，2010(10):57-65.

[4]孔祥智, 周振, 路玉彬. 我国农业机械化道路探索与政策建议[J]. 经济纵横, 2015(7):65-72.

[5]彭澧丽,杨重玉,龙方等.农业机械化对粮食生产能力影响的实证分析——以湖南省为例[J].技术经济，2011,30(1):34-38.

[6]周振, 穆娜娜. 农业机械化对中国粮食增产的影响研究[J]. 中国物价, 2015(11):27-29.

[7]刘宁. 我国农机购置补贴对粮食生产成本收益影响分析[J]. 价格理论与实践, 2010(3):49-50.

[8]章磷, 王春霞. 人口、机械化与农村剩余劳动力流量研究——以大庆市为例[J]. 农业技术经济, 2013(7):27-33.

[9]周振, 马庆超, 孔祥智. 农业机械化对农村劳动力转移贡献的量化研究[J]. 农业技术经济, 2016(2):52-62.

[10]李春迎.农业机械化对农业经济增长贡献的研究[D].山东农业大学，2005.

[11]刘明, 常家升. 对农贷与农业财政支出“悖论”的经济解释[J]. 陕西师范大学学报哲学社会科学版, 2008, 37(5):86-93.

[12]段亚莉, 何万丽, 黄耀明,等. 中国农业机械化发展区域差异性研究[J]. 西北农林科技大学学报自然科学版, 2011(6):210-216.