人力資本對農業全要素生產率的影響及其異質性研究

蔣浩東　朱滿德　趙志尚

摘 ?要：人力資本是提高農業全要素生產率的重要途徑。應用DEA-Malmquist指數方法測算1999-2018年我國各省區的農業全要素生產率，進一步運用工具變量法探究人力資本提高對農業全要素生產率的影響及其異質性。結果表明：人力資本提升可顯著促進農業全要素生產率增長，且對山區省份的正向作用更大;勞動力轉移有益于農業全要素生產率增加，但因人力資本提高引致的勞動力轉移不利于農業全要素生產率增加，并且對山區省份的負面作用更強。為進一步提升農業全要素生產率，一是加強農村地區教育投資，補足職業教育短板，推動教育多元化;二是適當提高農業部門社會福利，促使人才回流;三要建立非農業反哺農業的長效機制，統籌城鄉一體化發展。

關鍵詞：DEA-Malmquist指數;工具變量法;人力資本;農業全要素生產率

一、問題的提出

隨著中國經濟發展邁入新常態以及社會主要矛盾發生轉變，如何在宏觀經濟疲軟的現實情境下繼續推進農業發展，促進農民增收，實現農業生產方式綠色轉型，已成為農業農村亟需破解的焦點問題^[1]。而農業可持續發展及農業現代化水平提升的內在表現就是物質要素投入的貢獻度降低和全要素生產生產率的份額不斷增加。李金鍇測算2004-2016年中國農業全要素生產率，并分析其對中國農業產值增長的貢獻，研究發現農業全要素生產率的年均貢獻度達53.7%^[2]。可見，農業全要素生產率是農業經濟增長的主要驅動力。

由于全要素生產率在促進經濟提質增效、創新發展中的作用日益增加，近年來備受學者們的關注。現有研究多聚焦于技術進步、效率改善及要素配置等視域探究農業全要素生產率的時序變動態勢和貢獻度。譬如，在技術進步方面，黃勇考察了2004-2009年湖北省農業全要素生產率的走勢，并剖析農業全要素生產率增長的內在動因，發現技術進步是其主要助推作用^[3]。王兵和曾志奇進一步在模型中納入非期望產出，考慮在碳排放約束下中國1993-2017年農業全要素生產率增長的動力源泉，結果表明技術進步仍是促進中國農業全要素生產率提升的關鍵因素^[4]。在效率驅動方面，周鵬飛發現技術效率改善與技術進步雙輪耦合驅動了中國農業全要素生產率的增長，并且農業TFP具有極強的路徑依賴性^[5]。郭萍基于夏普利值不平等分解法測度與分解中國農業全要素的地區差異，結果表明農業規模效率對農業TFP的年均貢獻為18%^[6]。在要素配置方面，張樂將農業TFP分解為技術變化、純技術效率變化、規模效率變化和配置效率變化，研究發現1991-2010年配置效率對農業TFP增長的年均貢獻達到8.37%^[7]。而朱滿德以玉米為考察主體，測度及分解了1978-2018年中國玉米的全要素生產率，研究發現若略去配置效率在玉米生產中的貢獻，玉米全要素生產率的年均增長率將由正轉負，年均增長率降幅達85.52%^[8]。

已有研究也較為深入地研究了人力資本對農業全要素生產率的影響。如，陳燕翎將農村人力資本作為門檻變量研究貿易開放對農業全要素生產率的影響，研究認為當人力資本水平越過設定門檻值時，農產品進口明顯促進了農業全要素生產率的增長^[9]。韓海彬提出異質性人力資本通過技術創新路徑和技術模仿路徑對農業全要素生產率產生影響^[10]。于偉研究發現農村教育人力資本與農業全要素生產率互促且在空間狀態下存在顯著溢出效應^[11]。

目前，已有文獻從多個視角較為深層地辨析了人力資本對農業全要素生產率的作用，對認識農業全要素生產率的驅動機制提供了有益參考，也為本文的繼續研究提供了豐富的研究范式和理論指導。但現有研究較少考慮人力資本在影響農業全要素生產率時存在地區差異，尤其從地形要素維度考察人力資本對農業全要素生產率影響的區域異質性更不多見，而這其中的機理顯然是不容忽視的。

農業依附于自然條件并受其約束，致使農業發展必須契合當地自然稟賦條件，造成山區與非山區的農業特征大相徑庭，因此通過提高人力資本以促進農業全要素生產率增長和農業發展的效果是不一致的。一是農業結構差異，非山區地帶多以種植業為主，而山區地帶適宜林業與養殖業^[12]，造成勞動力要素投入不同，那么人力資本提高帶來的影響是否也會趨異？二是地形差異，非山區更加平坦，農機替代率高，易于形成規模經營，則人力資本提高引致農業部門的勞動力向非農部門轉移對兩者農業全要素生產率的作用是否存在差異？明晰這些問題有助于為提高農業全要素生產率提供啟示。

二、理論分析與研究假設

從整體上來說，農村人力資本提高是能夠促進我國農業全要素生產率增長的，低技能人力資本的貢獻聚焦于技術擴散或模仿，而高技能人力資本主要作用于新技術的創新^[13]。此外，人力資本還從資源整合及效率提升的路徑實現農業全要素生產率的改進^[14]。但當作用對象存在差別時，人力資本遵循以上路徑形成的作用效力也會發生變化。山區與非山區的地理條件不同決定二者的農業結構不一致，人力資本就會出現分異作用。

地區農村人力資本提升對農業發展產生的效力與其農業結構息息相關。地形、土地坡度、氣候條件等地理因素會形成農業的異質性，在地形地貌的牽制下，山區缺乏規模化、機械化及設施化為重要特征的現代農業的優勢自然條件^[15]。對此，山區的農業發展態勢與非山區形成鮮明對比，立體農業、特色農業及生態農業等“精質”農業成為其主攻方向，而非山區地帶趨向集約化式的規模農業，契合機械化的糧食作物成為其重點。如，2019年，東北平原的糧食播種面積占比都在75%以上，其中黑龍江高達97.07%，而同期西南地區糧食播種面積占比最高的四川僅為64.78%;在機械化水平方面，東北平原人均農機總動力最低的吉林為6.96千瓦/人，遠高于西南各省。此外，山區的農業類型側重于精細化管理，從生產、監管到收獲等過程要求投入較多的人力數量并且地形地貌限制其無法以機械替代，造成勞動力投入居高不下。根據國家統計局數據計算得出，2018年東北平原單位農作物播種面積承載的勞動力平均為30.46人/畝，而西南云貴川渝四個地區為76.92人/畝。正是由于以上差異的存在，人力資本優化對農業發展的成效不等同，尤其對于勞動投入數量較多的農業更具有優勢。因此，提出如下假說：

H1：人力資本提高能夠促進農業全要素生產率增長。

H2：人力資本提高對山區農業全要素生產率的積極效力更強。

農村人力資本與農村勞動力流出存在“馬太效應”，即農業部門勞動力高技能人力資本更易析出。2015年我國農民工總量為2.77億人，其中高中文化及以上占比25.2%，大專以上占8.3%，到2019年，人數達到2.91億人，高中文化及以上的占比提升到27.7%，并且大專及以上文化程度占比增加到11.1%。農村轉移的勞動力當中，接受過高等教育的勞動力比例呈上升態勢。此外，轉移到城市的較高人力資本勞動者能夠有更多的機會和平臺學習新知識，加上農業弱質性及城鄉工資差異的沖擊，會增強這部分勞動者對城市的粘性與穩固性^[16]。不過礙于我國農業部門存在勞動力冗余的現象，適度轉出在整體上可以優化土地要素配置，促進農業勞動生產率提高。但高技能人力資本的轉出會降低農業技術學習與推廣的可能性，增加農業全要素生產率提升的難度。而相較于山區地帶，非山區集約化、機械化與規模化的農業能夠在一定程度上彌補由此造成的消極作用。因此，提出如下假設：

H3：勞動力轉移會促進農業全要素生產率提升，但人力資本提高引致農村勞動力析出對農業全要素生產率產生消極作用且對山區的負面作用更大。

三、模型與數據

（一）模型與變量

為考察人力資本對農業全要素生產率影響的異質性，構建如下形態的面板模型：

被解釋變量TFP：農業全要素生產率。鑒于數據包絡分析（DEA）的Malmquist指數法利用線性規劃及對偶原理確定生產前沿面，無需設定具體的前沿生產函數形式和非效率項分布形式^[17]，也不受投入產出不同量綱的限制，且多數文獻普遍采用該種方法，因此使用DEA-Malmquist模型測算我國農業全要素生產率。具體公式如下：

間生產點與前沿面技術相比較所得出的距離輸出函數。其中，產出指標選擇農業增加值，該指標相較于農業總產值更能體現生產過程創造的新增價值;投入指標分別為農業從業人數、農作物播種面積、農機總動力、化肥（折純量）、薄膜、農用柴油及農藥。需要注意的是，囿于現有統計資料并沒有對農業就業人數單獨區分，借鑒杜江等的研究，以農業增加值占農林牧漁總增加值的比重對第一產業就業人員進行剝離^[18]，由此獲得農業勞動力投入。該方法測算出來的農業全要素生產率是以上年為1的環比指數，為研究需要，本文將其換算為以1999為基期的累積值。

控制變量X：包括城市化水平、財政支持、老齡化程度、家庭經營收入及水利設施條件。城市化水平，是影響勞動力轉移和土地利用的關鍵因素，采用城鎮常住人口占地區總人口的比重表示。農業固定資產投資，能夠為農業生產發展的基礎設施建設提供資金支持，提升農業經濟效益，以農村固定資產投資到農業的額度表征。老齡化程度，農業勞動力老齡化會牽制勞動能力制約有效勞動投入，降低農業生產效率，但人口老齡化加深也會增加對農業社會化服務的購買及土地等要素重新配置，從而利于農業發展，所以最終影響走勢不確切，以農村地區老年負擔系數衡量。家庭經營收入，收入與投資存有一定的正相關性，因而家庭經營收入越高，農業投資就會增加。水利設施，農業生產與水源掛鉤并依附于資源多寡，興建水利設施能促進農業生產活動持續下去。

（三）數據來源

國家1999年實施高等教育擴招，因此本文選取1999-2018年中國大陸31個省份的面板數據進行實證研究。數據主要來源于《中國人口和就業統計年鑒》、《中國農村統計年鑒》、《新中國六十年匯編》和《中國統計年鑒》以及百度文庫，部分缺失數據采用向前補漏法補充。此外，本文對山區與非山區省份的劃分是基于山地及丘陵占全省面積的比重，考慮我國整體山區面積占比約三分之二，所以將山地及丘陵面積占比超過我國整體水平的省份定性為山區省份，分別為湖北、重慶、貴州、四川、云南、湖南、福建、浙江及山西。

四、實證分析

（一）內生性說明

經濟活動中的研究對象或多或少存在著聯系，為此模型設置中的反向因果關系或遺漏變量等問題會引發內生性問題，導致參數估計有偏。人力資本與農業全要素生產率之間較大可能存在反向因果關系，人力資本水平越高，其知識儲備、技術能力對農業發展的創新力及要素配置效力就越強，越能夠促進農業全要素生產率提升。同時，農業全要素生產率提高帶來的農業經濟效益增加反過來會為人力資本優化提供必需的基礎條件。另外，關于模型建構中遺漏變量的問題，我國農業的發展導向是基于宏觀政策設計框架之中，難以避免人為因素影響，以及自然因素在某種程度上造成農業收益的不確定性，都會影響農業全要素生產率的高低。對此，本嘗試運用工具變量處理可能存在的內生性問題。

借鑒葉升初等的研究，以各省國家財政性教育支出作為人力資本的工具變量^[19]。國家財政性教育支出為在一定程度上改善農村居民的受教育條件，促進人力資本提高，由此間接影響農業全要素生產率。并且，各省國家財政性教育經費是由中央、地方各級財政或上級部門直接劃撥到各類學校及教育行政或事業單位并計入到國家預算支出科目，不受某一地區的農業發展影響，因此具備外生性。除教育支出外，再引入醫療衛生支出作為人力資本的工具變量。醫療衛生支出僅影響身體健康程度，不會直接對農業全要素生產率產生作用，因此具備外生性。

（二）內生性檢驗

使用工具變量法的前提條件是存在內生解釋變量、工具變量與解釋變量相關，并滿足外生性。對此，分別進行DWH檢驗、LM檢驗、弱工具變量檢驗及過度識別檢驗，檢驗結果如表2所示。結果表明，教育支出與醫療衛生支出兩個工具變量均顯著通過LM檢驗、弱工具變量檢驗及過度識別檢驗，證明所選擇的工具變量滿足相關性與外生性;DWH檢驗也表明模型存在內生性，可運用工具變量法。

（三）實證結果分析

從全國層面來看，人力資本對農業全要素生產率的直接貢獻都為正且效果顯著，此結果佐證了現有研究關于人力資本在提高農業全要素生產率方面具備積極作用的結論。人力資本提升不僅降低了勞動力自身在行業間轉換的門檻，改善資源配置效率，而且進一步增加了激發創新績效的可能性^[20]，從而實現農業全要素生產率的提升;另外，人力資本與勞動力轉移的交互項的參數估計顯著為負，勞動力轉移的參數估計顯著為正，表明整體上的農村勞動力轉移減少了農業部門勞動力冗余和部分緩解了土地要素約束，促使農業全要素生產率增加，但同時又發現，人力資本提升造成的農村勞動力轉移不利于農業全要素生產率提高。該結論反映出我國農業部門勞動力整體豐腴，但卻存在結構性失衡的問題，即農業發展所急需的優質勞動力缺乏^[21]，H3得到證實。

從地區層面來看，山區與非山區的人力資本水平、人力資本提高引致的勞動力轉移及勞動力轉移對農業全要素生產率的影響方向顯著相同，但影響效果卻存有差異。首先是人力資本提高方面，山區與非山區的估計系數分別為2.791和2.247，可知山區提高人力資本相較于非山區在促進其地區農業發展的效力更強，此結果符合H1;其次是人力資本提高促使的勞動力轉移方面，二者的參數估計分別為-0.0049和-0.00284，其帶來的負面作用對山區更強，H2得到證實。再者是勞動力轉移方面，對山區與非山區都帶來農業全要素生產率的提高，再次證實了H3。

此外，對控制變量的解釋。第一，家庭經營收入對農業全要素生產率變動存在顯著的異質性，在全國層面和非山區省份并未有效推動農業生產，甚至減少了農業全要素生產率，而卻顯著促進了山區省份農業全要素生產率增長。部分原因是家庭經營收入的構成單元多樣化，以農業生產經營為主的家庭作坊份額存在稀釋的可能性。而非山區省份多為經濟發展靠前的地區，市場經濟推進度高于山區省份，所以家庭經營收入構成更多取決于非農行業。第二，老齡化對農業全要素生產率的影響均顯著為正。這意味著老年農業勞動力受勞動能力牽制，逐漸放開對土地資源的約束，土地資源在市場重新配置下提高生產率，對農業全要素生產率提高發揮了積極的作用。第三，綜合看來，農業固定資產投資有益于農業全要素生產率增加，在山區省份得到顯著體現。第四，水利設施在全國層面和非山區省份的作用為正，但未通過顯著性檢驗，而對山區省份呈顯著的消極作用。山區省份的耕地資源匱乏且條件惡劣，水庫建設會增加“人地矛盾”，阻礙農業全要素生產率提升。最后，城鎮化進程有益于農業全要素生產率提高，而山區省份相反，但未能通過顯著性檢驗。城鎮化水平能夠保持勞動力析出的穩固性，降低農村農業勞動力冗余度。并且城市化進程能一定程度上加快農業基礎設施建設、提高農業市場化水平及為農業發展提供社會資金、技術和人才支持等要素。

（四）穩健性檢驗

為驗證回歸結果的穩健性，考慮采用替換控制變量法重新估計模型。利用農業固定資產投資結構替代農業固定資產投資來反映農業支持度，即農業固定資產投資占農村固定資產投資的比重，重新估計結果如表4。重新估計后，各待估參數的正反方向、大小及顯著性基本與表3類似。因此，穩健性檢驗表明本文的估計結果是可信的。

五、結論與啟示

本文先分析了人力資本優化對山區與非山區農業全要素生產率增長的異質影響，并基于DEA-Malmquist指數測算了1999-2018年中國大陸31個省份的農業全要素生產率，工具變量法實證檢驗了人力資本優化對農業全要素生產率增長的影響因地形地貌差異而不同，并通過了穩健性檢驗。研究結論表明：第一，人力資本提高能夠促進農業全要素生產率增長;第二，山區農業生產方式仍以傳統人力勞動為主，人力資本提高對山區農業全要素生產率的正向作用更大;第三，勞動力析出到非農部門會促進農業全要素生產率提升，但人力資本提高引致農村勞動力析出對農業全要素生產率產生消極作用且對山區的負面作用更大。同時發現，城鎮化顯著促進了農業全要素生產率提高。

基于以上研究成果，得出政策啟示：第一，加強農村地區教育投資，補足職業教育短板，推動教育多元化。農村地區教育投資結構存在諸多問題。一是學校結構不合理，普通中小學占比過大，優質學校和職業技術教育類學校不足，造成農村學生同質化現象嚴重且技能單一，與城市學生相比缺乏競爭力。逐步推動教育體制改革，加強對優質學校辦學。同時大力推動職業技術教育學校辦學，培育學生技能多元化發展，避免學生過早被應試教育淘汰而走進社會。二是農村學校師資缺乏，基礎教育學科單一，造成農村學生“畸形”發展，后期內生動力不足。推動全科教育老師培養及下鄉教育，彌補農村學校師資不足的缺陷。

第二，建立非農業反哺農業的長效機制，統籌城鄉一體化發展。盡管農業勞動力析出在一定程度上促進了農業全要素生產率提高，但囿于過量轉移造成非農部門提高接納門檻，產生越高等人力資本勞動力析出越順暢，而越低等人力資本析出越受阻的現象，最終導致高等人力資本勞動力大量外流而農業部門勞動力人力資本水平不高。因此，要創新經濟發展方式，實現農業部門與非農部門融合發展，建構非農業帶動農業發展的協同機制。對于山區省份，礙于土地細碎化嚴重、農機替代率低，更加應該重視勞動力外流問題。

第三，適當提高農業部門社會保障福利，促使人才回流。農業比較收益低下是促使農業勞動力析出到非農部門與農業接續傳承斷開的關鍵因素。父輩對后代的期盼與教育通常脫離農業角度，更希望后輩能夠到非農部門工作，造成人才培養與農業脫鉤。因此，政府在對農業財政補貼時，既要支持農業生產，也要關注到對農業工作人員的補貼，提高農業部門的福利保障，以此激勵農林牧漁相關專業的大專院校學生、技術工作經驗豐腴的農民工及農業科技人員等高等人力資本勞動力返農、效農、促農。

第四，培育新型農業經營主體和加強農業社會化服務建設。新型農業經營主體在文化技術、經營管理及信息獲取等方面有較大的優勢，能夠實現農業生產集約化、規模化和現代化，提高農業生產效率，通過服務外延一定程度上彌補農業高等人力資本勞動力流失的困境。

參考文獻：

[1]劉晗，王釗，姜松.基于隨機前沿生產函數的農業全要素生產率增長研究[J].經濟問題探索，2015（11）：35-42.

[2] 李金鍇，陳玨穎，劉合光.城鎮化背景下中國農業全要素生產率的增長性與協調性分析[J].世界農業，2021（02）：35-44+131.

[3] 黃勇.湖北省農業生產率增長、技術進步與效率變化研究[J].統計與決策，2013（08）：99-102.

[4] 王兵，曾志奇，杜敏哲.中國農業綠色全要素生產率的要素貢獻及產區差異——基于Meta-SBM-Luenberger生產率指數分析[J].產經評論，2020，11（06）：69-87.

[5] 周鵬飛，謝黎，王亞飛.我國農業全要素生產率的變動軌跡及驅動因素分析——基于DEA—Malmquist指數法與兩步系統GMM模型的實證考察[J].蘭州學刊，2019（12）：170-186.

[6] 郭萍，余康，黃玉.中國農業全要素生產率地區差異的變動與分解——基于Fre-Primont生產率指數的研究[J].經濟地理，2013，33（02）：141-145.

[7] 張樂，曹靜.中國農業全要素生產率增長：配置效率變化的引入——基于隨機前沿生產函數法的實證分析[J].中國農村經濟，2013（03）：4-15.

[8] 朱滿德，張琪.要素市場化配置改革與中國玉米全要素生產率增長[J].湖南農業大學學報（社會科學版），2020，21（04）：1-11.

[9] 陳燕翎，莊佩芬.貿易開放、人力資本和農業全要素生產率——基于面板門檻回歸的實證研究[J].中共福建省委黨校學報，2019（01）：83-92.

[10] 韓海彬，趙麗芬，張莉.異質型人力資本對農業環境全要素生產率的影響——基于中國農村面板數據的實證研究[J].中央財經大學學報，2014（05）：105-112.

[11] 于偉，張鵬，姬志恒.中國省域農村教育人力資本與農業全要素生產率的空間交互效應——基于空間聯立方程的經驗分析[J].中國農業大學學報，2020，25（03）：192-202.

[12]湯丹.我國農業結構調整對農民收入影響的區域差異[J].經濟問題探索，2016（02）：180-184.

[13]Vandenbussche，J. P. Aghion and C. Meghir. Growth，distance to frontier and composition of human capital[J]. Journal of Economic Growth，2006（11）：97-127.

[14]于偉，張鵬，姬志恒.中國省域農村教育人力資本與農業全要素生產率的空間交互效應——基于空間聯立方程的經驗分析[J].中國農業大學學報，2020，25（03）：192-202.

[15]黃婧，史瓊，歐國武，崔嵬，孫秋.貴州現代山地高效農業發展的困境與對策[J].貴州農業科學，2015，43（08）：275-279.

[16]龍翠紅，洪銀興.農村人力資本外溢與中國城鄉居民收入差距關系的實證分析[J].經濟經緯，2012（03）：106-110.

[17]李谷成，范麗霞，成剛，馮中朝.農業全要素生產率增長：基于一種新的窗式DEA生產率指數的再估計[J].農業技術經濟，2013（05）：4-17.

[118]杜江，王銳，王新華.環境全要素生產率與農業增長：基于DEA-GML指數與面板Tobit模型的兩階段分析[J].中國農村經濟，2016（03）：65-81.

[19]葉初升，馬玉婷.人力資本及其與技術進步的適配性何以影響了農業種植結構？[J].中國農村經濟，2020（04）：34-55.

[20]紀雯雯，賴德勝.人力資本配置與中國創新績效[J].經濟學動態，2018（11）：19-31.

[21]李士梅，尹希文.中國農村勞動力轉移對農業全要素生產率的影響分析[J].農業技術經濟，2017（09）：4-13.

（責任編輯：李韻婷）

Study on the Impact of Human Capital on Agricultural Total Factor Productivity and Its Heterogeneity

——Comparison Between Mountainous and Non Mountainous Areas

Jiang Hao-dong， Zhu Man-de， Zhao Zhi-shang

（School of Economics， Guizhou University， Guiyang 550025）

Abstract： human capital is an important way to improve agricultural total factor productivity. The DEA Malmquist index method is used to calculate the agricultural total factor productivity of various provinces and regions in China from 1999 to 2018， and the instrumental variable method is further used to explore the impact and heterogeneity of the improvement of human capital on agricultural total factor productivity. The results show that the promotion of human capital can significantly promote the growth of agricultural total factor productivity， and has a greater positive effect on mountainous provinces; Labor transfer is beneficial to the increase of agricultural total factor productivity， but labor transfer caused by the improvement of human capital is not conducive to the increase of agricultural total factor productivity， and has a stronger negative effect on mountainous provinces. In order to further improve agricultural total factor productivity， first， strengthen education investment in rural areas， make up for the shortcomings of vocational education and promote the diversification of education; Second， appropriately improve the social welfare of the agricultural sector and promote the return of talents; Third， we should establish a long-term mechanism of non-agricultural feeding agriculture and coordinate the development of urban-rural integration.

Key Words： DEA Malmquist Index;?Instrumental Variable;?Method Human Capital;?Agricultural Total Factor Productivity