農業機械化能否改善農業勞動力錯配

秦佳虹，王成軍

（浙江農林大學經濟管理學院，浙江 臨安 311300）

農業勞動力資源是發展農業生產的基礎，為農業經濟發展和現代農業文明建設提供保障。2019年中央一號文件明確強調農業改革發展必須注重技術研發，完善農業勞動力配置，提高農業勞動生產率。農業勞動力在農業生產中的有效配置不僅有利于提高農業生產效率，促進農業可持續發展，而且為農業新業態發展提供了可能性。然而現階段，不同農業行業間勞動力配置的扭曲直接限制了農業經濟的發展[1]。據研究表明，中國中、西部地區的農業勞動錯配相對嚴重，如果消除錯配會使農業全要素生產率（TFP）增長20%以上[2]。為此，如何改善農業勞動力錯配對中國農業發展至關重要。

關于農業勞動力的研究主要集中于農業勞動力轉移的現狀及其影響因素，較少文獻從農業內部勞動力錯配的角度進行研究[3-5]。勞動力配置扭曲既存在各產業之間，必然也存在農業內部。那么農業內部各行業之間的勞動力錯配情況如何？任韜和王文舉[6]提出中國第二產業勞動力配置不足，而第一產業和第三產業勞動力配置呈現過剩狀態。柏培文[7]對中國各省農業勞動力資源錯配進行測算，認為在2000年之后農業勞動力錯配程度顯著增加且存在顯著的地區差異性。

從經濟學視角看，導致勞動力錯配的因素有很多，現有研究對勞動力錯配主要從貿易開放、技術水平、政府干預等角度做出解釋[8-11]。但由于不同產業的勞動力錯配影響因素具有差異性，因此有必要分產業進一步探析勞動力錯配的原因。從已有研究來看，多關注工業部門勞動力錯配的影響因素，但專門對農業勞動力錯配的探究較少[12]。技術進步可以直接提高生產過程中勞動力生產率，并進一步解放大量勞動力，促進勞動力匹配到高效率生產行業，從而改善行業內部資源的錯配[13-15]。那么，作為技術進步的重要體現方式，農業機械化水平的提高如何影響農業勞動力錯配，是否起到改善農業勞動力錯配的作用值得探討。

雖然，現今就農業機械化對農業勞動力錯配的討論尚未出現，但不少學者關注到技術進步可以促進農業發展方式的轉變，提高農業生產效率[16-17]。楊敏麗等[18]認為農業機械化促進了農村和農業經濟水平的全面發展。周渝嵐等[19]基于C—D函數研究表明，農機動力水平顯著正相關農業經濟發展方式轉變。李澤華等[20]研究發現，農業機械化導致農業生產集約化，并進一步促進農業資源的合理配置和經濟的穩定發展。資源配置要素理論表明，農業發展方式的轉變從狹義上可以看成社會資源的有效配置，從而促進農業經濟發展[21-22]。基于農業勞動力是農業資源中極為重要的組成部分，探究農業機械化對農業勞動力錯配的影響對中國優化農業資源配置，促進農業經濟發展有重要的指導作用。

綜上，現有文獻較少具體測算農業勞動力錯配，缺乏針對勞動力在農業內部是否有效配置的具體研究。并且，當前研究甚少從農業機械化角度對勞動力錯配做出解釋，未客觀揭示技術進步對于農業勞動力配置的影響。為了解決上述問題，本文基于LSDV方法測算2003—2017年29個省市的農業勞動力錯配指數，以其絕對值描述農業勞動力錯配程度并分析時空差異，采用固定效應模型和差分GMM模型，分析農業機械化對農業勞動力錯配的影響，探討其影響結果在東部和中西部地區的區域差異，為改善農業勞動力錯配，提高農業生產效率提供理論依據。

1 理論分析

相對于“有效配置”，“錯配”描述了資源偏離最優配置的狀態，即農業勞動力錯配進一步探究農業勞動力最優配置的偏離程度[23]。通常而言，技術進步解放了大量農業勞動力，有效促進農業勞動力往生產效率高的產業流動，從而達到勞動力資源的有效配置。盡管農業機械化的基本表現形式是農業生產機械的投入量，但從本質上是農業技術的進步及其引發農業經濟發展方式發生嬗變的復雜過程。基于這一判斷，農業機械化對農業勞動力錯配的影響可以借助集約化理論、資源優化配置理論和競爭優勢理論予以解釋，其作用途徑如圖1所示。

圖1 農業機械化影響農業勞動力錯配的作用機制Fig. 1 Interaction mechanism diagram of agricultural mechanization and labor misallocation

集約化理論的核心觀點是通過規模生產優化資源的有效配置，促進資源區域間流動，從而擴大經濟效應[24]。值得借鑒的是，現階段有大量研究表明產業集聚改善了中國資源錯配[25-27]。季書涵和朱英明[28]通過研究發現，產業集聚對資源錯配有顯著的改善作用，且產業集聚的協同作用能改善勞動力配置過度。在農業生產上，農業機械化水平的提高為農業集約化創造了有利條件。一方面，農業機械化導致農業資源在大規模生產經營中利用效率更高，從而達到農業勞動力的高效利用。另一方面，農業大規模生產需要更多勞動力，促進局部地區剩余勞動力的跨區域流動，從而為改善勞動力錯配提供有效途徑。

資源優化配置理論認為技術優勢行業有較高的資源配置效率，達到勞動力等生產要素的合理配置[21]。機械化促使生產率較高的行業在生產過程中獲得產品價格優勢，產品利潤的提高推動勞動力向高生產率行業分配。從農業內部資源配置來看，農業機械化在某種程度上降低了農業生產成本，提高生產效益，促進了農業勞動力有效分配，從而改善了農業勞動力錯配。

從優勝劣汰的競爭優勢理論來看，技術進步會增加生產競爭力，促進生產要素重新分配，從而改善資源錯配[29]。農業機械化的提高，小規模農業經營主體因不具有競爭優勢而退出生產，農業勞動力將配置到更有競爭力的產業中，從而改善了農業勞動力錯配。與此同時，具有技術優勢的經營主體為擴大競爭優勢會進一步提升技術水平，從而增加高技術、高效率生產的農業勞動力人數，實現農業勞動力的高效配置。

綜上所述，農業機械化有助于促進農業勞動力跨區域流動，提高勞動力配置效率。同時，農業機械化有助于提高農業生產效率，促進勞動力錯配的改善。此外，農業機械化還有助于增加生產競爭力，促進勞動力重新優化配置，進而改善農業勞動力錯配。

2 研究方法

2.1 計量模型構建

為考察農業機械化對農業勞動力錯配的影響，本文構建計量模型為：

式中：下標i表示省份，t表示年份。為使回歸方向一致，借鑒季書涵和朱英明[28]的處理方法，|LMISit|為農業勞動力錯配指數的絕對值，用以反映錯配程度。數值越大，農業勞動力錯配程度越嚴重。TEC為核心解釋變量，代表農業機械化和農業機械總動力，取對數。β為農業機械化對農業勞動力錯配的影響系數，若顯著為負，說明農業機械化能改善農業勞動力錯配。xijt為農業勞動力錯配的控制變量矩陣，γj為各控制變量的系數矩陣。μi表示個體效應，λt表示時間效應，εit表示隨機誤差項，且服從正態分布。

在此基礎上，為考察農業機械化對農業勞動力錯配的影響，考慮到農業勞動力錯配具有一定的路徑依賴性，構建動態面板模型為：

式中：|LMISi,t-r|為農業勞動力錯配指數的r階滯后項的絕對值，最高為p階。

2.2 變量測量

本文借鑒陳永偉和胡偉明[30]的方法構建農業勞動力錯配指數（LMIS），計算方法為：

式中：γLi為各省農業勞動力相對價格扭曲系數，Li為該年i省農業勞動力就業人數，L為全國農業勞動力就業人數，Li/L為i省使用的農業勞動力占總農業勞動力的實際比例，si為i省農業總產值占全國農業總產值的份額，βLi為i省農業勞動力產出彈性，βL為農業勞動力產出彈性的加權值。siβLi/βL為i省農業勞動力有效配置使用勞動力的理論比例。Li/L和siβLi/βL的比例反映了農業勞動力錯配情況。若γLi＞1，此時LMIS＜0，代表農業勞動力相對使用成本較低，配置過剩，反之則配置不足。指數的絕對值表示勞動力錯配程度，值越小則程度越輕。

為計算農業勞動力產出彈性βL，借鑒陳永偉和胡偉民[30]的資源錯配測算方法，建立帶有要素價格扭曲的農業生產函數，并將兩邊取對數，演化的計量模型為：

式中：Yit為農業總產出，Kit為投入的農業資本，即t年i省農業固定資本存量。Lit為t年農業勞動力投入，即t年i省農業勞動力就業人數。Nit為t年農業土地投入，即t年i省農業耕地面積。βKi、βLi、βNi分別為農業資本、農業勞動力和土地的產出彈性。在計算過程中，農業資本存量Kit采用永續盤存法計算：

式中：Kit和Kit-1分別為i地區當期和上一期固定資本存量。Iit為t年i地區當期固定資產投資，采用農業固定資本形成總額衡量當年投資，數據缺失年份采用農業固定資產投資占全社會固定資產投資比重乘以全社會固定資本形成總額補齊。Pit為i地區不變價格投資價格指數。δt為折舊率，涉及折舊率的計算主要出現在工業等宏觀經濟，也有學者采用PIM方法和采用凈投資來回避折舊的方法進行農業上折舊率計算，但鑒于農業數據的獲取局限性以及考慮到農業折舊率與過去資本存量的相關性更大，本文采用李谷成等[31]的處理方法，其基于《國營企業國定資產折舊試行條例》和《企業會計準則》綜合計算加權折舊率，計算結果δt的取值為5.42%。

最小二乘虛擬變量法（LSDV）在回歸中加入個體虛擬變量且使用穩健標準誤。考慮到省際差異，采用最小二乘虛擬變量法對公式（5）進行估計。在回歸結果分析中，各省虛擬變量顯著，因此可以判斷該模型較為合理。

2.3 控制變量

農業勞動力錯配除受到農業機械化（TEC）的影響外，還會受其他因素影響。由于本文首次測算農業勞動力錯配指數，現階段研究農業勞動力錯配的理論框架尚未完整構建，因此借鑒已有關于農業勞動力配置和勞動力錯配的研究[32-33]，在計量模型中加入了控制變量（表1）。

農業經濟水平（AGDP）：以1978年為基年，通過各省農業總產值平減指數進行換算并取其對數。農業化學投入（FER）：各地區農用化肥施用量。農業工資水平（WAGE）：借鑒李谷成等[34]的研究，變量進行自然對數化處理，反應農業從業人員收入水平。政府農業干預程度（EXP）：財政涉農支出占財政支出的比例。反應政府對農業發展的資金投入程度，衡量政府對農業勞動力流動的干預。農產品價格水平（PRICE）：農產品生產價格指數來衡量。各變量統計性描述見表1。

表1 變量描述統計表Table 1 Description of variables

2.4 數據來源

本研究選擇29個省（直轄市）為研究對象（注：重慶的數據加入四川省計算，西藏和港澳臺地區的數據由于缺失較多不納入計算），研究時段為2003—2017年。變量面板數據來源于《中國農業年鑒》、中國各省市統計年鑒、《中國農村統計年鑒》、《中國國內生產總值核算歷史資料》數據集和中經網數據庫。

3 結果與分析

3.1 農業勞動力錯配程度分析

基于勞動力錯配指數在整體計算時會出現正負抵消的情況，因此本文在整體分析仍取絕對值對其分析。從全國整體來看，2003—2017年農業勞動力錯配程度整體上呈現零值收斂的趨勢，即農業勞動力資源配置呈現越來越合理的狀態。2017年農業勞動力錯配程度平均值為0.32（圖2），相較2003年的0.63，年平均下降率為2.2%。值得注意的是，2015—2017近三年農業勞動力錯配下降幅度較大，年均下降率達4.8%。在某種程度上，這說明中國勞動力錯配在農業內部錯配情況得到有效改善。

圖2 2003—2017年中國及各地年均勞動力錯配程度動態 Fig. 2 Dynamic change in China’s agricultural labor misallocation indexes from 2003 to 2017

分地區來看，東部地區一直是農業勞動力錯配程度最為嚴重的地區，年均錯配程度達0.73，而中西部地區農業勞動力錯配情況相對較好，年均錯配程度達0.33。一方面，東部地區對農業勞動力需求較大，勞動力呈現配置極度不足的狀態。特別是2008年金融危機對經濟發達的東部農業生產有較大負向沖擊，加劇了農業勞動力錯配。但在2011年之后，東部地區的錯配程度得到極大緩解，年均下降率為6.6%。這可能是在“四萬億經濟刺激計劃”的影響下，廉價的農業勞動力向東南沿海地區聚集，利用地區技術優勢，推動勞動力流通和農業高效率生產，從而改善農業勞動力錯配。中西部地區錯配程度較小，即勞動力在農業生產中得到較好的配置。中部地區錯配程度由0.33升至0.40，西部地區錯配程度由0.44降至0.34。之后二者變化趨勢大體一致，在2011—2014年農業勞動力錯配程度上升，并在2014年之后呈現穩健下降的趨勢，農業勞動力錯配得到有效改善。

另一方面，東部地區農業勞動力錯配在近年來改善效果更為顯著，這可能是因為農業跨省剩余勞動力轉移產生人口紅利，從而影響農業勞動力錯配。經濟發達地區年輕化農業流入人口產生的人口紅利為農業生產創造更好的人口結構優勢，并進一步改善農業勞動力錯配。

綜合以上，農業勞動力錯配在全國范圍內得到有效改善。其中，東部地區錯配程度較高但改善效果明顯，而中西部地區錯配情況較好但改善效果較弱。一方面，東部地區與中西部地區的農業生產方式有一定差異。由于東部地區農業生產不集中，農業勞動力資源分散，整體勞動力錯配較為嚴重。另一方面，東部地區雖然錯配嚴重，但是由于農業科技進步帶來較大的改善空間，因此東部地區農業勞動力錯配是主要待改善區域。

3.2 農業機械化對農業勞動力錯配的影響

基于2013—2017年29個省份的面板數據，分別采用靜態面板模型和動態面板模型進行估計。靜態面板模型采用固定效應模型（FE），回歸結果見表2。根據公式（2），解釋變量中含有被解釋變量的滯后項，屬于動態面板數據模型。GMM方法在構造包參函數時從矩條件出發，能很好地解決內生性問題。并且，由于使用的面板數據N相對較小，系統GMM會產生較多工具變量，由此在研究中采用差分GMM對公式（2）進行估計。

通過模型進行反復檢驗，設定滯后期數為滯后1期。根據結果，AR2和Sargan檢驗的P值均大于0.1，表明采用差分GMM的估計結果均可靠。根據回歸結果顯示，農業勞動力錯配的滯后一期顯著，這表明當期農業勞動力錯配受上一期影響。

靜態面板固定效應模型顯示核心變量農業機械化（TEC）對農業勞動力錯配顯著為負（表2），即農產品對外貿易對我國農業資源錯配有改善作用。在考慮變量的動態效應之后，農業機械化（TEC）對農業勞動力錯配（LMIS）的影響為負，且在1%的水平上顯著。綜合二者，農業機械化對中國農業勞動力錯配有顯著改善作用。跟前文理論分析一致，中國通過提高農業機械化水平，促進了農業勞動力的流動，優化了勞動力的配置，極大地改善了農業勞動力錯配。

表2 基準回歸估計結果Table 2 Regression results

在控制變量中，農業經濟水平（AGDP）對農業勞動力錯配（LMIS）顯著為正，這表明農業經濟的發展在某種程度上會加劇農業勞動力錯配。這可能是因為中國在農業經濟發展過程中，通過大量廉價勞動力得到經濟的發展。在某種程度上也表明改善農業勞動力錯配不能一味通過提高經濟發展來實現，技術提高才是實現合理配置的重中之重。農業化學投入（FER）對農業勞動力錯配（LMIS）正向顯著，這表明通過依賴化學投入來提高農業產量，但在本質上對農業勞動力配置會有一定的損害。在生產過程中，要適度控制化肥的使用，通過物理技術的提高才能帶動農業勞動力高效生產。

在固定效應模型和系統GMM模型中，農業工資水平（WAGE）對農業勞動力錯配（LMIS）分別在5%和1%的水平下顯著為負（表2）。這表明農業勞動力崗位工資的增加會吸引潛在勞動力。農業高薪工作者一般為技術人員和管理人員，農業高薪崗位會吸引勞動力在區域間的流動，打破地域隔閡，改善勞動力配置。固定效應模型中，農產品價格水平（PRICE）對農業勞動力錯配（LMIS）影響不顯著。而系統GMM模型中，農產品價格水平（PRICE）能有效改善農業勞動力錯配（LMIS），這可能是因為農產品價格的提高側面也反映農業收益和農業勞動力工資水平的增加，且有一定的時間滯后性，適用于動態面板分析。政府農業干預程度（EXP）在系統GMM模型中正向影響農業勞動力錯配（LMIS），即加劇農業勞動力錯配。其可能的原因在于，政府對低效農業生產產業實行的財政補貼對農業勞動力自由流動有較大干預，在某種程度上扭曲了勞動力配置到高效率的農業生產活動中，加劇了勞動力的錯配。

3.3 農業勞動力錯配地區差異分析

中國農業各地區生產方式相差較大，農業勞動力錯配存在顯著的東、中西部差異。由上文可得，東部地區是農業勞動力錯配程度較為嚴重，而中西部地區相對較好。基于勞動力錯配在東部和中西部相差較大，進一步探究農業機械化改善勞動力錯配的地區差異性。由于動態面板模型對分區研究適用性較差，在此采用靜態固定面板中的固定效應模型，結果見表3。

回歸結果顯示，農業機械化對農業勞動力錯配的改善作用存在明顯的地區差異性。其中，農業機械化對東部地區的影響系數為0.575 0，顯著為負（表3），對中西部地區影響不顯著。結合上文，農業機械化對全國影響系數為0.815 0，大于東部地區的影響系數。雖然中西部地區的影響系數不顯著，但從全國和東部地區的影響系數來看，不能忽視農業機械化對中西部地區的貢獻。由此可見，農業機械化對農業勞動力錯配的改善作用主要集中于東部地區，對中西部地區影響作用較小。主要原因有：一方面，東部地區勞動力錯配較為嚴重，有較大的改善空間，因此農業機械化的增強對其有較顯著作用。另一方面，東部地區土地價格較高，農業難以實現集約化生產，機械化水平能有效提高農業生產效率，進而有效改善農業勞動力錯配。綜上所述，農業機械化對農業勞動力錯配的影響主要通過改善東部地區的錯配得以實現。

表3 農業機械化對農業勞動力錯配影響的估計結果（分區域）Table 3 Regression results of agricultural mechanization on labor misallocation in different regions

4 結論與建議

4.1 結論

研究表明，農業勞動力錯配存在空間差異性，政府在改善農業勞動力錯配上需要考慮地區差異性，充分重視東部地區農業勞動力錯配情況。農業機械化對中國農業勞動力錯配有顯著改善作用，實現改善勞動力錯配的區域主要集中在東部地區。政府在改善農業勞動力錯配上需提升農業機械化水平，重視技術進步在農業生產中發揮的作用，而東部地區能有效通過提高農業機械化水平改善農業勞動力錯配。此外，農業工資水平和農產品價格水平對農業勞動力錯配同樣具有改善作用。因此，為有效改善農業勞動力還需注重農業就業人員工資水平和農產品生產交易情況。

由于現階段尚未構建完整的農業勞動力錯配理論分析框架，而引致農業勞動力錯配可能還有其他原因。在研究中基于勞動力錯配和農業勞動力配置選取控制變量時，從更健全的理論體系上研究農業勞動力錯配是下一步研究的內容。

4.2 建議

1）針對性地改善國內農業勞動力錯配。各地區農業勞動力錯配情況存在差異，因此在實行優化農業勞動力配置的政策時需考慮措施的地域適用性。并且，東部地區農業勞動力錯配嚴重，是未來改善農業勞動力錯配的主要地區。

2）提高農業機械化水平，推動農業勞動力向農業高效產業配置。農業生產需從傳統農業走向創新性農業，鼓勵在農業生產中提高農機產品的使用率，為低收入農戶農業生產提供額外的農機補貼；提高農業機械的質量和技術水平，促進農機產業技術發展。

3）保證農業就業人員基本工資，促進農產品生產交易。應通過保障農業就業者基本工資水平，拓寬農產品交易渠道，促進農產品“走出去”，以此適當提高農業從業者工資和農產品價格，進而改善農業勞動力錯配。