农业机械化是农业现代化建设的重要内容、是建设新农村的引擎、是构建和谐社会的保障。农业机械总动力反映一个地区的农业机械化发展的总体水平,也代表着农业现代化的发展水平。构造农机总动力影响因素的数学模型的目的就在于分析主导因素对农机总动力发展的影响程度,进而探索出农业机械化发展的某些规律。本文采集了江苏省1989-2006年的相关数据,利用自相关时间序列回归分析方法建立了数学模型。结果表明：影响江苏省农业机械总动力的6个关键因素的相关性排序为：农村剩余劳动力转移率、农村居民家庭人均纯收入、粮食播种面积、政府的财政投入、农民受教育程度和粮食单产,它们与农业机械总动力的相关系数分别为0.9396、0.9384、0.8924、-0.8778、0.8671、0.7224。自回归模型达到了较高的预测精度(R2=0.9628),用此模型对江苏省05、06年的农机总动力进行预测,平均预测偏差为0.68%。同样条件下其他比较典型的三元logistic模型、基于Shapley值的组合预测模型、灰色神经网络组合模型和自适应性神经网络模型的平均预测偏差分别为8.24%、1.87%、2.52%和2.73%,表明自回归模型的预测效果非常理想。由于自然资源条件、社会经济条件、技术条件存在差异,苏南、苏中、苏北在同一时间内农业机械化的项目选择、发展速度和规模水平不可能完全相同,必然呈现出地区之间的差异性。本文在苏南、苏中、苏北分别选取了常州市、泰州市和宿迁市分别建立了自回归模型,并进行了比较分析。结果表明：常州市、泰州市和宿迁的模型都达到了很高的精度(R2=0.9982,R2=0.9628,R2=0.9648)。常州市农业机械化总动力发展的关键影响因素为人均地区生产总值、农劳占社会劳动力比例、主要农作物播种面积、主要农作物生产机械化水平；宿迁市农业机械化总动力发展的关键影响因素为农村居民家庭人均纯收入、第一产业从业人员、农村居民恩格尔系数；泰州市农业机械化总动力发展的关键影响因素为农林牧渔业总产值、农林牧副渔人员、农村居民家庭人均纯收入、第一产业从业人员。其中农民的收入、农村劳动力转移这两个因素在常州市、泰州市和宿迁市的农机总动力发展过程中都是关键影响因素,而其他因素在不同地区对农机总动力的贡献呈现出差异性。本文首次应用自回归时间序列模型对江苏省、常州市、泰州市和宿迁市的农机总动力进行建模分析。模型能更好地解释和分析农业机械总动力发展变化的规律、趋势及其原因,这对推进农业机械化事业的全面健康、快速的发展,均具有重要的意义。