城鎮化、勞動力轉移和安徽省化肥面源污染

吳義根

（池州學院 商學院，安徽 池州 247000）

我國城鎮化快速推進，大量農業人口從農村土地轉移到非農產業，一方面提升了農村勞動力就業率，增加了農民的收入，提升了農民自身的人力資本，且緩解了農業生產的內卷化[1]，這可以回饋農民，使其收入增加。另一方面農村人口減少，促進了適度規模經營，同時優化了農業現代化生產要素的投入，為農業機械化的進一步推廣注入了內生動力[2]。農業由勞動過密投入的土地密集型轉向勞動集約型，農業生產效率提升。截至2020年，實現了糧食產量十七連豐，人均糧食占有量480公斤，遠超世界平均水平[3]。為了追求糧食產量，面對農業勞動力缺乏，選擇了化肥作為替代要素，導致這個廉價的替代品被過量施用，在過去的三十年，我國的化肥、農藥以及農膜使用量增加了2～4倍。自2015年以來，我國推動并實施了農業綠色發展五大行動，在“一控、兩減、三基本”的目標約束下，我國化肥和農藥的施用量逐年下降。但我國面源污染的現實情況仍然非常嚴峻，2019年我國化肥施用強度是326 千克/公頃，超過國際安全施用的建議標準（225千克/公頃）。2020年我國三大糧食作物（水稻、小麥和玉米）化肥利用率平均為40.2%，仍比歐美等發達國家低10%～

20%[4]。

目前文獻主要討論了化肥面源污染的時間和空間分布以及驅動因素等。就方法來說，采用了時 間 序 列VAR 模型[5]、OLS 面 板模 型[6-7]、SD 模型[8]、LMDI分解模型[9]或IPAT方程[10]、空間面板模型[11-12]，從不同側重點分別討論了農業面源污染的影響因素。就城鎮化來說，直接討論其對面源污染影響的文獻很鮮見，主要是基于農村勞動力非農轉移和農民收入角度間接討論的比較多[13]。一些調查顯示，城鎮化增加了非農收益，這導致更多農村青壯年勞動力外出打工，為了確保產量，農民傾向于多使用廉價的化肥替代勞動[14]，結果導致化肥過量施用且低效[15]。農村勞動力非農化，導致農村優質勞動力短缺，使得一些環境友好型的技術很難推廣，加大了農業面源污染治理難度[16]，對農村生態環境造成負面影響。隨著城鎮化進程加快，農民收入增加，農民手里資金的約束得以緩解，在小農風險回避情境下[15]，農民傾向于多施用化肥，這加劇了化肥面源污染。但同時由于農民收入結構改善，農民的經營性收入比例呈現下降趨勢，這又緩解了農業面源污染[17]。勞動力轉移背景下，以手工勞動為主、低污染的“傳統農業”開始轉向高污染的“石油農業”[18]，高度依賴化肥成為農民生產的習慣[19]。

綜上，已有文獻從城鎮化和農村勞動力轉移視角做了較為豐富的研究。但也存在拓展空間：一是現有文獻多從城鎮化引起農村勞動力轉移或者收入結構變化等某一視角來討論其對面源污染的影響，而從城鎮化這一視角討論其對面源污染直接影響文獻較少，將城鎮化和農村勞動力轉移納入同一框架下來研究較為鮮見。二是從方法上來看，為了討論面源污染的驅動因素以及區域異質性，而忽視了城鎮化、農村勞動力轉移對化肥面源污染長期動態影響。基于此，本文選用面板向量自回歸模型，將城鎮化、農村勞動力轉移以及化肥面源污染納入到同一框架下，利用PVAR 模型克服內生性，考察三者之間的長期動態關系，評估城鎮化、農村勞動力轉移的環境效應。

一、理論分析

城鎮化和農村勞動力轉移對化肥面源污染影響機制主要有兩大效應：一是污染效應，二是減排效應，其影響機制如圖1所示。

圖1 城鎮化、農村勞動力轉移對化肥面源污染影響的理論機制

就污染效應來看，一方面隨著城鎮化進程的深入，城鎮人口規模不斷擴大，而且吸納的就業人數增加，這些都增加了對農產品的剛性需求[20]。同時，城鎮化改變了土地的利用方式，城市建設用地和非農產業建設用地擠占了耕地數量[21]。為了應對農產品需求增加以及耕地資源減少，確保自身收入不降低，農民會選擇加大化肥投入。另一方面城鎮化的發展有利于農村勞動力向非農產業轉移。這必然會大幅度減少農村勞動力數量，較勞動力的成本而言，化肥更廉價，這會驅動農民使用耕地和勞動力節約型技術，過量施用化肥成為最優選擇[11]。

就減排效應來說，一方面城鎮化水平提升，消費者對農產品的綠色生產和綠色消費意愿增強，促使政府和農業生產者關注農業生態環境，隨著進城農民收入水平和教育水平提升，農民綠色生產意識增強。城鎮化為環境友好型技術推廣提供資金支持，有利于降低化肥施用量[22]。另一方面城鎮化帶動了農村勞動力轉移，主要是青壯年勞動力流出農村，剩下的農村勞動力的平均質量下降[23]。此外，農村勞動力轉移推動了農村土地流轉，有利于實現農地規模經營[24]，一定程度上降低化肥的過量施用[25]。

綜上，城鎮化、農村勞動力轉移對化肥面源污染影響取決于正效應與負效應的相對大小，需要進一步進行實證判斷并分析長期動態影響。

二、研究方法、指標選取與數據來源

（一）研究方法

為了考察城鎮化、農村勞動力轉移對化肥面源污染的遠期影響，本文采用PVAR 模型，該模型綜合了時間與空間分析的優勢，同時控制了時間和個體異質性。能考察所有變量及滯后項，模型能把目標變量納入同一內生性系統，可以真實反映目標變量的長期動態關系，其正交化脈沖響應函數可以將不同因素對化肥面源污染的影響分離出來。PVAR模型為：

式中，yit是沖擊變量，i為安徽省16個地級市，t為年份，ai為個體固定效應，βt為時間效應，εit為隨機擾動項，其中城市異質性是通過個體效應ai來衡量的，βt為每個時期特定的沖擊效應。本文設定yit=(ur，nlr，ei)′包含3個變量的列向量，ur表示城鎮化率，nlr表示農村勞動力轉移率，ei表示各市化肥面源污染排放強度。

（二）變量選取

1.化肥面源污染排放強度（NLR）。現有統計數據并沒有安徽省化肥面源污染排放量的直接數據。化肥對環境污染排放核算一般采用單元調查法，化肥對環境污染的載體主要包括土壤、大氣、作物、水體。本文重點評估化肥對地下水和地表水產生的污染，核算的污染物主要是總氮（TN）和總磷（TP）。本文根據已有文獻的普遍做法[26]，核算了安徽省各地級市的化肥面源污染。具體計算公式為式（2）：

式（2）中，E表示化肥面源污染總量，Eij表示第i單元產生并流失進入水體的第j種污染物排放量；Cij表示第i單元產生并對水體環境造成潛在面源污染的第j種污染物排放量；Ti表示第i單元指標數；σij表示第i單元第j種污染物產污系數；δi表示第i種化肥流失率。不同污染物的特征、危害以及環境效應存在差異，為了便于比較，需要對污染物做標準化處理[10]，具體計算公式如式（3）所示，

其中，Pi為農業面源污染等標排放量，m3/a（立方米每年）；Pij為單元i污染物j等標排放量；Eij為單元i污染物j的排放量，t/a（噸每年）；Mij為污染物j的排放標準，mg/l（質量濃度，毫克每升）；1010為單位調整系數。由于國家目前尚未制定農業面源污染的相關排放標準，采用《污水綜合排放標準》（GB 8978—2002），總氮采用一級標準的B標準為20mg/l，總磷采用二級標準為3mg/l[26]。

其中，EI表示化肥面源污染的等標排放強度，AL表示農作物播種面積。

2.農村勞動力轉移。農村勞動力轉移反映了戶籍在農村的農村勞動力就業的轉移過程，主要從農業部門轉移至非農業部門，可以用農村勞動力轉移率來表示，農村勞動力轉移的測算借鑒童玉芬的做法[27]，具體估算公式如式（5）所示，

3.城鎮化水平。城鎮化水平可以從人口、經濟、土地和社會等方面來判斷，本文重在關注城鎮化帶來的要素再配置及其對化肥面源污染的影響。政策制定和落實主要是考察城鎮人口變化，本文采用式（6）計算：

（三）數據來源

本文分析需要的數據包括化肥施用總量、氮肥、磷肥、鉀肥、復合肥施用量和農作物播種面積等，數據均來源于2006—2020 年《安徽省統計年鑒》。對于城鎮化變量的極少數缺失數據，采用平均增長率方法補全。另外，為了降低數據的波動性，降低異方差帶來的影響，取了三個變量的對數值。三個變量的描述性統計分析如表1所示。

表1 各變量描述性統計結果

三、實證檢驗與結果分析

（一）數據平穩性檢驗

為了避免使用非平穩面板數據造成虛假回歸，本文采用LLC 檢驗、Fisher-ADF 檢驗和Hadri LM檢驗等三種方法檢驗了數據的平穩性，結果如表2 所示。結果顯示，除了城鎮化率LLC 檢驗在5%的顯著性水平上拒絕原假設，其余均在1%的顯著性水平上拒絕了原假設，說明城鎮化率、農村勞動力轉移率和化肥面源污染等標排放量強度等數據滿足平穩性要求，可以進行PVAR模型分析。

表2 面板單位根檢驗

（二）PVAR模型估計結果分析

為了確保所設定的PVAR 模型的可靠性，首先需要判斷最優滯后階數，一般采用MMSC 統計量來判斷[28]，即根據MBIC、MAIC和MQIC值來選擇。根據表3的結果顯示，最優滯后階數為一階。由于設定的PVAR 模型是動態面板模型，包含了個體固定效應。為了得到參數的一致估計量，需要剔除個體固定效應的影響，采用各變量的前項均值差分法來糾正，確保轉換后的變量與模型的滯后變量正交，選擇滯后變量作為估計模型的工具變量，然后對模型進行系統GMM估計[29]。

表3 多準則聯合判斷結果

本文采用系統GMM 對PVAR 模型的參數進行了估計，結果如表4所示。在方程（1）中，因變量是城鎮化，滯后一期的城鎮化對因變量有正向促進作用，農村勞動力轉移率和化肥面源污染等標排放量滯后項對因變量影響不顯著。在方程（2）中，因變量是農村勞動力轉移率，其滯后變量對本身有正向的促進作用，城鎮化率的滯后一期對農村勞動力轉移率的影響顯著為正，隨著城鎮化水平提高，城鎮能提供更多就業崗位，吸引大量的農村勞動力到城鎮就業，因此農村勞動力轉移率會提高，這和理論機制分析一致。本文重點關注方程（3），因變量為化肥面源污染等標排放量強度，各變量滯后一期均通過了顯著性檢驗，城鎮化率滯后一期的系數顯著為負，說明城鎮化率滯后項降低了對化肥面源污染排放強度的影響，城鎮化通過污染效應和減排效應影響化肥面源污染等標排放量強度，系數為負說明減排效應大于污染效應，隨著城鎮化水平提升，一方面增加了對資源的剛性需求，這加劇了化肥面源污染的排放，另一方面通過技術等方面回饋農村，通過技術和農民環保意識等改善資源的利用效率，降低了化肥面源污染等標排放量強度。農村勞動力轉移率滯后項正向影響化肥面源污染等標排放量強度，即農村勞動力轉移率越高，化肥面源污染等標排放量強度越大，農村勞動力轉移對化肥面源污染影響來自污染效應和減排效應，顯然污染效應大于減排效應，隨著農村勞動力轉移率逐步提升，其增加了對化肥面源污等標排放量強度的正向影響。化肥面源污染等標排放量強度滯后一期顯著為正，說明化肥面源污染自我增強的機制是存在的。

表4 全省PVAR模型的GMM估計結果

（三）PVAR模型的脈沖響應分析

脈沖響應函數反映了在PVAR 模型中給隨機擾動項一個標準差沖擊分別給系統中每個變量帶來的影響，可以直接衡量各個變量間的動態交互作用大小，且能從動態變化中識別變量之間的時滯關系[30]。為了分析城鎮化、農村勞動力轉移對化肥面源污染動態影響機制和傳導路徑，繼續分析PVAR 模型的脈沖響應函數，探索持續十期脈沖響應圖。在做分析之前，首先檢驗PVAR 模型的穩定性，利用其特征根的數值大小來判斷，其三個特征根倒數值均小于1，所有特征根均在單位圓內，PVAR模型滿足穩定性要求，可以進一步分析。

PVAR模型與其他面板模型相比，更強調通過脈沖響應預測變量未來的變動方向。通過固定某一變量的前期值和其他變量的各期數值，然后再給該變量一個標準差沖擊，識別其對其他變量未來值的沖擊作用大小以及持續性影響。PVAR 模型中脈沖響應函數正交分解對三個變量順序非常敏感，沖擊變量的順序尤為重要，而城鎮化進程影響農村勞動力轉移率，進而影響化肥面源污染的排放量。為了分析城鎮化、農村勞動力轉移對化肥面源污染的影響，本文在脈沖響應分析中，將變量LUR放在最前面，其次是變量LNLR，最后是變量LEI。通過蒙特卡洛模擬1 000次繪制出脈沖響應函數圖，如圖2所示。

圖2 全省脈沖響應函數圖（蒙特卡洛模擬1 000次）

（1）從圖2中（a）（b）（c）可以看出，給化肥面源污染變量一個標準差沖擊，可以看出化肥面源污染、農村勞動力轉移和城鎮化的動態反應情況。變量化肥面源污染立即產生一個正向沖擊，沖擊效應立即達到最大值，然后沖擊效應開始下降，下降的速度較快，到第五期趨于0。化肥面源污染對自身沖擊作用在中短期保持持續沖擊影響，其對農村勞動力轉移和城鎮化的沖擊作用幾乎為0。

（2）從圖2中（d）（e）（f）可以看出，給變量農村勞動力轉移的一個標準差沖擊，化肥面源污染立即產生一個正向的沖擊效應，第一期達到最大值，這一沖擊效應維持到第二期，然后開始緩慢下降，到第八期開始接近于0；農村勞動力自身立即產生了正向影響，沖擊效應立即達到最大值，然后快速下降，到第五期接近于0；對城鎮化的沖擊效應不明顯，說明農村勞動力轉移并不是直接導致城鎮化主要原因。

（3）從圖2中（g）（h）（i）可以看出，給變量城鎮化的一個標準差沖擊，對化肥面源污染初始產生了一個正向沖擊，但很快變成負向影響，到第五期的這種負向沖擊達到最大值，并穩定至第十期；對農村勞動力轉移產生了一個正向的沖擊，沖擊效應緩慢上升，在第五期達到最大值，并穩定到第十期；對城鎮化沖擊效應為正，且沖擊效應立即達到最大值，并略有下降并維持到第十期；城鎮化對自身的沖擊效應立即達到最大值，并維持到第十期，沖擊時滯較長，城鎮化對自身累積影響是長期的。城鎮化對農村勞動力轉移產生了長期持續的正向沖擊，時滯較長，說明城鎮化持續提升了農村勞動力轉移率，城鎮化對化肥面源污染產生了負向沖擊，這種沖擊效應時滯較長，是長期持續沖擊。

（四）PVAR模型的方差分解分析

PVAR 模型的方差分解分析是為了識別各影響因素貢獻的大小，反映每個沖擊變量在某一個被沖擊變量變化中的重要性大小。如表5所示。

表5 全省方差分解結果

（1）重點分析被沖擊變量LEI。在第一期，城鎮化變量對化肥面源污染的貢獻大約0.6%，而農村勞動力轉移對化肥面源污染的貢獻約為2.1%，化肥面源污染對自身貢獻為97.4%。第五期各自貢獻為11.7%、17.6%和70.7%。第六期農村勞動力轉移的貢獻達到最大值18%后略有下降，城鎮化對化肥面源污染的影響逐漸增大，第十期達到最大值為28.9%，化肥面源污染對自身沖擊貢獻逐漸下降，第十期貢獻為54.9%。總體來說，城鎮化對化肥面源污染變動貢獻要明顯高于農村勞動力轉移，但化肥面源污染變動主要來自自身，化肥面源污染具有自我增強效應，有一定的慣性。城鎮化和農村勞動力轉移是影響化肥面源污染的重要因素。

（2）分析被沖擊變量LNLR。在第一期，城鎮化變量對農村勞動力轉移的貢獻大約占1%，而農村勞動力轉移對自身的貢獻占比為99%，化肥面源污染對農村勞動力轉移的貢獻為0。城鎮化對農村勞動力轉移沖擊貢獻呈現上升趨勢，第五期的貢獻為4.7%，到第十期貢獻達到最大值為11.2%，城鎮化對自身沖擊貢獻逐漸下降，第五期對自身貢獻95.2%，到第十期貢獻為88.8%。顯然，城鎮化是農村勞動力轉移主要原因之一，農村勞動力轉移自身累計效應是主要的。

四、結論與政策建議

本文以安徽省16 個地級市2005—2019 年面板數據為基礎，分析了城鎮化、農村勞動力轉移對化肥面源污染的影響機制，并運用PVAR 模型分析了三者之間關系。結論如下：

一是城鎮化和農村勞動力轉移對化肥面源污染都有一個長期持續穩定的影響。城鎮化沖擊力持續擴大，農村勞動力轉移沖擊力逐漸降低，但城鎮化對化肥面源污染沖擊效應是負向的，而農村勞動力轉移對化肥面源污染沖擊效應為正向的，化肥面源污染對自身影響存在較長時滯，存在自我強化機制且有慣性。城鎮化是導致農村勞動力轉移率上升的一個主要因素，而城鎮化和農村勞動力轉移是化肥面源污染兩個主要影響因素。

二是城鎮化和農村勞動力是影響化肥面源污染的兩個重要因素，但貢獻不同。城鎮化的發展對化肥面源污染影響貢獻度持續上升，接近30%，而農村勞動力轉移率對化肥面源污染影響貢獻度上升后略有下降，接近20%，化肥面源污染有很強的累積效應，存在污染慣性。城鎮化是影響農村勞動力轉移的重要因素，貢獻持續上升，接近12%，農村勞動力轉移也存在自我強化機制，存在慣性，自我累積效應占據絕大部分。

以上結論的政策啟示在于：

一是防治化肥面源污染，除了推動污染防治技術，還應該重視社會經濟調節，考慮城鎮化的影響。安徽省在城鎮化發展過程中要注重城鎮化的質量效應，避免城鎮化的擴張效應，嚴控城鎮化低效擴展，推進新型城鎮化實現農業高效可持續發展。統籌各市城鎮化的推進和化肥面源污染防治，做到協調差異發展，平衡城鎮化推進與農業綠色發展，建立城市間農業環境政策聯動機制、合作機制，抓好源頭控制，設立鼓勵有機肥、生物肥等研發與推廣的綠色補償基金，實現城鎮化與綠色農業協調發展。

二是制定化肥面源污染防治政策，需要重點考慮勞動力大量流出地防治與技術應用。就政策而言，應該加大對農村留守勞動力科學施肥等技能培訓，推廣環境友好型生產技術。加強新型農業經營主體培育，引導農戶向非農兼業戶和農業專業戶雙向分化，培育農戶環保意識和質量意識。

三是化肥面源污染具有明顯的自我強化機制，累積效應明顯。對于化肥面源污染要采取源頭管制、預防為主，推動化肥替代型和環境友好型農業技術研發，杜絕走“先污染后治理”老路。