农业地理集聚对农业机械化技术进步的影响*
——基于丘陵山区的实证分析

罗富民

(乐山师范学院经济与管理学院，四川乐山 614000)

0 引言

世界各国农业发展历史经验表明，农业机械化是农业技术进步的重要内容，也是农业现代化的重要标志。我国地形多样，地貌复杂，丘陵山区占整个国土面积的比重达到了66%[1]。虽然丘陵山区是我国重要的粮食主产区和特色经济作物优势区，但是农业机械化技术进步的步伐缓慢，明显滞后于平原地区。因此，推进丘陵山区农业机械化技术进步，已经成为提升我国农业机械化技术整体水平的迫切要求，也是加快丘陵山区农业现代化步伐的必然选择。

近年来，丘陵山区农业机械化问题已经引起了国内外学者的广泛关注。国外学者对伊朗、尼日利亚、津巴布韦等丘陵山区国家农业机械化发展的影响因素、农业机械化与农业生产率关系、农业机械化服务等问题进行了探讨[2-4]。国内学者则以我国南方省份为例，深入研究了我国丘陵山区农业机械化发展现状、制约因素、发展路径及对策等[1，5-9]。但是，现有研究并没有分析农业地理集聚对丘陵山区农业机械化技术进步的影响。此外，罗富民[10]虽然采用空间计量分析法，以四川为例探讨了农业分工演进对丘陵山区农业机械化进程的影响。但是该分析方法仅揭示了不同地区农业机械化水平的空间相关关系，而并不能揭示农业机械化技术水平不同时期间的动态相关关系。

农业地理集聚是农业区域分工深化的结果，表现为某一类或几类农作物的种植不断向某个特定地域范围集中。近年来，国内学者采用空间基尼系数、产业集中率、区位商、专业化指数等方法对我国农业地理集聚度进行了测算，并根据测算结果分析了我国农业地理集聚的行业特征、空间格局、演进趋势、经济效应等[11-15]。但是，现有研究并没有专门探讨丘陵山区农业地理聚集问题，更没有分析丘陵山区农业地理集聚对农业机械化技术进步的影响。

基于丘陵山区农业机械化发展的现实需要和现有研究存在的不足，文章首先分析农业地理集聚对丘陵山区农业机械化技术进步的影响路径，进而选取我国17个丘陵山区省份1997～2014年间的相关数据，对其农业地理集聚度进行测算； 并利用测算结果，基于动态面板数据模型，实证分析农业地理集聚对丘陵山区农业机械化技术进步的影响。最后，根据理论和实证分析结果，提出促进丘陵山区农业机械化技术进步的对策建议。

1 农业地理集聚对农业机械化技术进步的影响路径

1.1 对农业机械技术创新的影响

诱致性农业技术变革理论认为，在家庭经营为主的前提条件下，农户由于自身能力和知识水平的限制，其所需农业技术只能通过外部获取，而不能自主研发[16]。又由于农业技术具有公共产品特性，大多数农业技术研发工作实际是由各级政府支持的农业公共科研部门承担。而农业地理集聚对农业机械技术创新的作用体现在两个方面：一是，农业地理集聚有利于农业机械技术研发公共投入的增加。这是因为，农业地理集聚表现为某一农作物种植规模的扩大，对该农作物种植中的相应农业机械技术需求量也随之扩大。由于技术需求量的扩大，便可以提高农业机械技术研发成果的推广使用率，进而产生巨大的社会效益。使得各级政府部门更加重视该类农业机械技术的研发，加大研发投入，促进该类农业机械技术创新。其次，农业地理集聚有利于农户与农业机械技术研发部门的信息交流和互动。这是因为，农业地理集聚伴随的是集聚区内农业专业化水平的提升。而专业化水平提升后，聚集区内农户对农业机械技术需求的共通性、集中性会突显。由于技术需求的集中，对农业技术研发部门而言，要想搜集这些信息以及处理这些信息的相关成本会降低。从而有利于农户与农业技术研发部门间对机械技术信息需求的交流，进而推动农业技术创新。

1.2 对农业机械技术扩散的影响

农业机械技术的扩散是在由农户与农业技术推广部门共同作用影响下完成的。而农业地理集聚对农业机械技术扩散的影响主要表现在降低扩散成本、提升扩散速度。Bass[17]的技术扩散理论认为，农业技术扩散过程类似于传染病的蔓延过程，农户对农业机械技术的采用往往会受到其他农户采用行为的影响。在农业地理集聚区的农户之间，由于使用农业机械技术的相似性和共通性，一家农户采用该技术并取得效益后，其他农户会迅速效仿该农户，进而提升农业机械技术扩散速度。另一方面，农业机械技术的扩散还将受到政府的农业技术推广部门通过电视、广播、现场示范等多种方式对现代农业技术进行宣传的影响。而农业地理集聚可以降低农业技术推广部门的宣传推广成本，进而促进农业机械技术扩散。这是因为，农业地理集聚区内农户的生产经营比较集中，农业技术推广部门更加容易的将各种农业机械技术的相关信息传达给农业机械技术使用者。

1.3 对农业机械技术效率的影响

农业机械技术效率提升主要表现在使用同样的农业机械，在相同的时间内，可以获取更多的产出或效益。农业机械技术效率的提升主要取决于农户对农业机械技术的熟练掌握程度。舒尔茨[18]认为，对农户进行人力资本投资是农户熟练掌握并有效利用农业技术的关键，农户人力资本积累主要来自正规教育和“干中学”。Foster等[19]研究指出，农户从事农业生产经营中的“干中学”，主要来自两个方面，一是自身的干中学，二是与他人交流学习的“干中学”。在农业地理集聚区内，农户采用农业机械技术的相似性，更加有利于农户内部进行学习交流，从而有利于提升农业技术技术效率。而农业机械技术效率的提升，反过来又会进一步促进农户农业机械技术的采用。

2 丘陵山区农业地理集聚度测算

2.1 测算方法

农业地理集聚程度的测算方法主要包括空间基尼系数、产业集中率、专业化指数、区位商等方法。该文主要采用区位商方法。

(1)

式(1)中，LQij表示第i个区域j类农作物的地理集聚度；eij表示第i个区域j类农作物的种植面积；ei表示第i个区域农作物播种总面积；Ej表示j类农作物的全国种植的面积；E表示全国农作物播种总面积。如果LQij的值越大，则地理集聚度越高； 如果LQij的值大于1，则说明相对于其他地区而言，j类农作物在i区域有较高的地理集聚度。

2.2 样本选择与数据来源

按照式(1)计算农业地理集聚度，需要首先确定区域和农作物种类。在区域上，该文主要选择除北京外的其他17个丘陵山区省份(表1)。北京虽然属于丘陵山区，但是农业生产经营规模相对其他省份较小，不具有代表性。在农作物种类上，该文主要选取选择稻谷、小麦、玉米、薯类、油料、蔬菜6类农作物。这6类农作物基本涵盖了丘陵山区普遍种植的粮食作物和经济作物。在农业地理集聚度的具体计算中，该文选取1997～2014年间， 17个丘陵山区省份的农作物播种总面积和上述6类农作物的播种面积，计算各年度、各省份、各类农作物的地理集聚度。农作物播种面积的数据来源于历年《中国统计年鉴》和《中国农村统计年鉴》。

2.3 测算结果

为了比较分析各个不同省份、不同年度的农业地理集聚度，该文在分别计算出各年度、各省份、各类农作物的地理集聚度的基础上，对每个地区每一年度6类农作物的地理集聚度按作物种类数进行简单算术平均，得到测算结果如表1。

表1 1997～2014年丘陵山区6类农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广东11917114081104011140117531163911506113261136311437广西09306090540872908592087470821908252081560857708617重庆13306125401279712911142341385013858136541361913349四川11663114461150911795126201252312589125521271412098贵州10928111571149011904129151274512737124181221912019云南07726087970874509277093210920909443092120928108986西藏04676041180447805306056410541305133052360510904974陕西10025104091054410499109971066510878105841049510536甘肃09241095491041711144122741222312173122141205511208青海10505113691235913225123301522514466138351384012998宁夏09857089190957209906108251223412056116951033210685 注：由于篇幅限制，该文主要列出了代表性年份的数据

从表1可以发现， 1997～2014年间17个丘陵山区省份农业地理集聚度普遍呈现出逐步提升趋势。在表1中最后一栏的数据是对18年数据的再次平均，从该栏数据可以发现，在17个丘陵山区省份中，福建、湖北、湖南、广东、重庆、四川、贵州、陕西、甘肃、青海、宁夏等11个省份6类农作物18年间总的平均地理集聚程度大于1。由此说明这些省份的农业种植已经具有较高的地理聚集度，而其他6个省份农业地理集聚度偏低。

3 农业地理集聚对丘陵山区农业机械化技术进步的影响实证

3.1 计量模型的建立

农业机械化技术进步是农业机械化技术水平不断提升的过程。这一过程存在连续性和渐进性特征，即当前农业机械化技术水平可能会受到前期农业机械化技术水平的影响。这是因为，当前的农业机械技术是在原有技术的基础上进行不断改进或创新的结果。由于农业机械化技术水平具有跨期相关性，采用普通计量模型仅是将其作为被解释变量，难以反映这种跨期相关性，而如果建立动态面板数据模型则可以反映。与普通面板数据模型相比，动态面板数据模型主要是要引入被解释变量的滞后项作为解释变量。

理论和实践表明，农业机械化技术水平还会受到农民收入水平、农机人员受教育程度以及农业机械研发推广培训投入的影响。这是因为，农民收入水平会影响到农业机械设备的购买意愿及购买能力； 农机人员受教育程度会影响农业机械技术的扩散及使用效率； 农业机械研发推广培训投入则直接影响农业机械技术从创新到推广和使用效率提升的整个过程。因此，该文建立一个以农业机械化技术水平为被解释变量，农业机械化技术水平的一阶滞后项、农业地理集聚度为解释变量，农民收入水平、农机人员受教育程度以及农业机械研发推广培训投入为控制变量的动态面板数据模型：

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

(2)

模型(2)中,Tit表示第i个地区t时期的农业机械化技术水平;Tit-1表示第i个地区t-1时期的农业机械化技术水平；Git表示第i个地区t时期的农业地理集聚度；Iit、Eit、Pit分别表示第i个地区t时期的农民收入水平、农机人员受教育程度和农业机械研发推广培训投入；β1、β2、β3、β4、β5为待估计参数;α为常数项;εit为随机误差项。

3.2 变量表示与数据来源

在模型(2)中，农业机械化技术水平(Tit)用农机综合作业效率表示。因为农业机械化技术进步就是不断研发并应用新的农业机械技术，进而不断提高生产效率的过程。因此，农业机械化生产效率的高低能够在很大程度上反映出农业机械化技术水平的高低。而农业机械化生产效率首先就体现在农机人员使用农业机械设备进行机耕、机播、机收等过程中的作业效率。该文将采用农业机械进行耕地、播种、收割过程中的机耕作业效率、机播作业效率和机收作业效率进行加权平均计算，进而得到农机综合作业效率。

农机综合作业效率 =机耕作业效率×0.4+机播作业效率×0.3+机收作业效率×0.3

(3)

式(3)中，该文将机耕作业效率的权数设定为0.4，机播作业效率和机收作业效率的权数设定为0.3。主要参考了农业部在计算农业综合机械化率时将机耕率的权数设为0.4，将机播率和机收率的权数分别设为0.3。该文计算农机综合作业效率使用的机耕面积、机播面积、机收面积和农机人员数量的数据来源于历年的《中国农业机械工业年鉴》和《中国农业机械化年鉴》以及《国内外农业机械化统计资料(1949～2004)》《全国农业机械化统计资料汇编(2005～2013)》。

在模型(2)中，农业地理聚集度(Git)用各个地区6类农作物的平均地理聚集度表示，具体数据采用表1中各个地区相关年份的农业地理集聚度。农民收入水平(Iit)用各个地区的农民人均纯收入表示，数据来源于历年《中国统计年鉴》。农机人员受教育程度(Eit)用初中以上文化程度的农机人员数量占全部农机人员数量的比重表示，数据来源于《中国农业机械工业年鉴》和《中国农业机械化年鉴》。农业机械研发推广培训投入(Pit)是农业机械科研投入和推广培训投入的加总。这些投入以政府财政投入为主，也包括了农业机械技术推广培训中少量的农村集体投入和农民个人投入。这些投入的详细数据可以从历年的《中国农业机械工业年鉴》和《中国农业机械化年鉴》中获得。

需要说明的是，在模型估计过程中，由于西藏自治区的相关数据缺失以及农机人员受教育程度数据从2004年才开始统计，使得该文最终只能采用除西藏外的16个丘陵山区省份2004～2014年间的数据进行计量分析。此外，为了保持数据量纲的相对均衡性，农民人均纯收入的数据单位由统计年鉴中的元换算成万元，而农业机械研发推广培训投入的数据单位由万元换算成亿元。

3.3 模型估计方法

在对动态面板数据模型(2)进行估计的过程中，可能会面临的问题是：农业机械化技术水平的一阶滞后项与误差项存在相关性； 农业机械化技术水平与农业地理集聚度之间也可能存在双向因果关系，进而导致联立内生性问题。由于该问题的存在，如果采用普通面板数据模型的最小二乘法进行分析，会造成估计系数的有偏性和非一致性。为了解决这一问题，Arellano等[20]提出了一阶差分广义矩方法(First-differenced GMM，简称差分GMM)，对动态面板数据模型进行分析； Arellano等[21]、Blundell等[22]则在此基础上进一步提出了系统广义矩方法(System GMM，简称系统GMM)。

在对动态面板数据模型进行差分GMM估计和系统GMM估计时，还必须保证两个条件：一是，要求工具变量是有效的； 二是，要求随机扰动项不存在序列相关。这就需要对模型设定的合理性和工具变量的有效性进行检验。根据Arellano等[21]、Blundell等[22]的建议，可以采用Sargan统计量来检验工具变量的有效性，如果Sargan的P值较大则可以认为工具变量是有效的； 可以用差分方程的二阶序列相关检验AR(2)统计量来判断随机扰动项是否存在序列相关，如果AR(2)的P值大于常用的显著性水平，就表明不存在序列相关。

表2 模型估计结果

变量差分GMM估计系统GMM估计参数值Z统计量参数值Z统计量Tit⁃1031971012∗∗07228979∗∗Git42208225∗∗38513342∗∗Iit690271693∗∗35485300∗∗Eit56067223∗∗32864149Pit17438542∗∗04260037常数项-36163-100-41378378∗∗Wald检验统计量275377346Wald检验P值000000Sargan检验统计量1270514347Sargan检验P值0694109553AR(2)检验统计量-0064406173AR(2)检验P值0948705370 注：Wald检验的原假设是各解释变量的系数均为0；Sargan检验的原假设是工具变量是有效的；AR(2)检验的原假设是不存在二阶自相关。∗∗、∗表示5%和10%水平下通过显著性检验

3.4 计量分析结果及解释

该文在Stata11软件中分别采用差分广义矩和系统广义矩方法，对动态面板数据模型(2)进行估计。在估计过程中，由于样本数据的时间跨度较短，因此将工具变量的最大滞后阶数设定为2，其他选项的设定采用程序默认方式。

由表2可知，无论是差分GMM估计还是系统GMM估计，Wald检验均表明，模型中各个变量的引入是有效的； Sargan检验表明模型估计采用的工具变量是有效的； AR(2)检验表明模型不存在二阶自相关。由此说明模型的设定和工具变量的使用比较合理。

从表2中可以发现，差分GMM和系统GMM估计结果均表明，丘陵山区农业机械化技术水平存在显著的跨期正相关性，由此说明农业机械化进步需要长期的积累，具有渐进性特征。而从农业地理集聚变量的参数值看，在差分GMM模型中，农业地理集聚度每提升1个单位，农业机械化技术水平可以提升4.22个单位； 在系统GMM模型中，农业地理集聚度每提升1个单位，而农业机械化技术水平可以提升3.85个单位。且无论差分GMM模型还是系统GMM模型，农业地理集聚度对丘陵山区农业机械化技术水平的影响均是显著的。由此说明，农业地理集聚是促进丘陵山区农业机械化技术进步的重要因素。

系统GMM方法相对于差分GMM方法而言，由于其采用的工具变量不仅包括滞后的差分项也包括滞后的水平项，估计结果更为准确[23]。而从系统GMM估计结果看，农民收入水平可以显著提升农业机械化技术水平，而农机人员受教育程度和农业机械研发推广培训投入虽然可以提升农业机械化技术水平，但其显著性水平不高。这可能是因为，在系统GMM估计中，由于工具变量数目的增加，导致农业机械化技术水平的跨期回归系数更大，进一步削弱了农机人员受教育程度和农业机械研发推广培训投入对农业机械化技术水平的影响。而从丘陵山区农业机械化发展实践中看，农机人员的受教育程度普遍较低，而且受教育程度仅仅是学历教育，无法反映与农业机械化技术水平提升密切相关的技术培训教育。丘陵山区农业机械研发推广培训投入普遍降低，且各个年度的投入数量非常不稳定，这在一定程度上削弱了其对农业机械化技术水平提升的作用。

4 研究结论与对策建议

综上所述，农业地理集聚可以通过促进农业机械技术创新、加速农业机械技术扩散、提升农业机械技术效率，进而促进丘陵山区农业机械化技术进步。近年来，丘陵山区农业地理集聚程度逐步提升，而计量分析结果表明，农业地理集聚是促进丘陵山区农业机械化技术进步的重要因素。此外，农机人员受教育程度和农业机械研发推广培训投入虽然可以提升农业机械化技术水平，但显著性水平不高。基于研究结论，该文认为要加快丘陵山区农业机械化技术进步，可以从几个方面着手。

(1)深入推进丘陵山区农业供给侧结构性改革，提升特色优势产业的地理集聚度。目前，丘陵山区农业地理集聚趋势已经初步显现，但是部分丘陵山区省份农业地理集聚度仍然不高； 而农业地理集聚度较高的丘陵山区省份中不同种类的农作物地理集聚度也存在显著差异。对于农业地理集聚度整体较低的省份，比如山西、浙江、江西、广西、云南等，要进一步发挥自身地理自然条件优势，扩大特色优势农作物种植规模，加快形成特色优势农作物集聚区。对于农业地理集聚度较高，但部分农作物地理集聚度较低的省份，比如福建、湖北、湖南、广东、重庆、四川、贵州、陕西、甘肃、青海、宁夏等，要深入推进丘陵山区农业供给侧结构性改革，以市场需求为导向，进一步调整种植业结构，降低非优势农作物种植比重，扩大具有比较优势的农作物种植规模，从而进一步提升农业地理集聚度。最终，通过特色优势产业集聚，拓展农业机械技术的使用空间，加快丘陵山区农业机械化技术进步。

(2)着力构建丘陵山区农业机械化的长效投入机制，不断加大对农业机械技术的研发推广培训投入力度。当前丘陵山区每年农业机械研发推广培训的年经费投入除山西外，其余省份普遍在6 000万及以下，其中江西、贵州、青海、甘肃等省份不足2 000万。而且经费投入的波动性较大，对这些地区农业机械化技术的进步形成了障碍。这些省份的地方农业科研部门，要积极适应丘陵山区农业地理集聚趋势，对于地理聚集区农业机械技术的需求信息，及时了解掌握。要进一步加大对丘陵山区农业集聚区的农业机械技术重视和研发力度。在农业机械技术的研发上，也要根据丘陵山区种植农作物的特点，开发出更多适用性强的专业机械设备，以此加快丘陵山区农业机械化技术进步。

(3)积极引导丘陵山区闲置土地向特色优势产业流转，扩大丘陵山区优势农作物种植规模，促进丘陵山区农业地理集聚。对于由于部分农户进城务工而产生的闲置土地，要积极开展土地综合整治，提高土地利用价值。通过财政补贴、信贷扶持等方式，吸引更多的城市工商资本投资于丘陵山区农业生产经营。并鼓励新型农业经营主体，通过土地流转的方式扩大种植规模，为丘陵山区农业机械设备的使用和规模效益的发挥创造有利条件。对于浙江、福建、江西、湖北、湖南、广东等省份要进一步促进土地向稻谷种植流转，对于重庆、四川、贵州、云南等省份要促进土地向薯类和蔬菜种植流转，而对于江西、陕西、甘肃等省份可促进土地向小麦和玉米种植流转。

(4)鼓励吸引丘陵山区受教育程度较高农户从事农业机械化生产经营。对农民受教育程度不高的贵州、云南、甘肃、青海等西部贫困地区，要加强对农机人员的技术培训。同时，对于这些农户给予必要的财政资金补贴和信贷扶持，提升其购买农业机械设备的积极性。并根据这些农户的农业机械技术需求，积极研发或改进相关农业机械设备。对于农民受教育程度较高的浙江、广东、福建等东部发达地区，基层地方政府可以设立农业创业基金，吸引受教育程度较高的部分农户从事农业生产经营。并积极鼓励受教育程度较高的农户开展农业机械化的社会服务，为促进丘陵山区的农业机械化技术进步做贡献。

[1] 宋建武，刘恒新. 加快突破丘陵山区农业机械化的发展瓶颈.中国农机化， 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,曹光乔,张宗毅. 我国南方丘陵山区农业机械化宏观影响因素分析.农机化研究， 2010,32(8)： 229～233

[6] 胡志超,张会娟,钟挺,等. 推进南方丘陵山区农业机械化发展思考.中国农机化， 2011,(5)： 16～18

[7] 田阡,邓军. 丘陵山区农业机械化发展研究——重庆经验.农机化研究， 2012,34(5)： 16～20

[8] 王图展. 丘陵山区农业机械化发展的制约因素及对策——以重庆为例.农机化研究， 2013,35(3)： 24～28

[9] 胡新艳,杨晓莹,吕佳,等. 服务外包与我国南方地区农业机械化发展——理论逻辑与经验分析.中国农业资源与区划， 2016,37(3)： 162～169

[10]罗富民. 农业分工演进对丘陵山区农业机械化进程的影响——基于四川南部丘陵山区的空间计量分析.中国农机化学报， 2014,35(1)： 26～30

[11]李二玲，庞安超，朱纪广. 中国农业地理集聚格局演化及其机制.地理研究， 2012,31(5)： 885～898

[12]邓宗兵，封永刚， 张俊亮，等. 中国种植业地理集聚的时空特征、演进趋势及效应分析.中国农业科学， 2013,46(22)： 4816～4828

[13]肖卫东. 中国种植业地理集聚的空间统计分析.经济地理， 2014,(9)： 124～129

[14]贺亚亚，李谷成. 中国种植业地理集聚：行业特征、专业分工与时空演变.农业现代化研究， 2016,37(3)： 496～504

[15]林正雨，何鹏，李晓，等. 四川省农业地理集聚格局及演化机制研究.中国农业资源与区划， 2017,38(1)： 207～215

[16]速水佑次郎，弗农· 拉坦著，郭熙保,等译.农业发展的国际分析(修订扩充版).北京：中国社会科学出版社， 2000.80～100

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

[18]西奥多.W.舒尔茨著，梁小民译，改造传统农业.北京：商务印书馆， 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]陈强， 高级计量经济学及Stata应用.北京：高等教育出版社， 2014.4:294