農村勞動力弱質化對農業生產化肥利用效率的影響*
——基于機械化的調節效應分析

張曉晗，馬恒運

(河南農業大學經濟與管理學院，鄭州市，450046)

0 引言

增加化肥投入可能提高單位面積產量，同時可能帶來嚴重環境污染[1-2]。我國的化肥使用強度從2000年的265 kg/hm2，增加到2018年的341 kg/hm2[3]，遠遠超過了國際公認的225 kg/hm2的限額[4]。然而，在使用效率上，中國的化肥平均利用率只有33%，比發達國家低15%～30%[5]?；实母邚姸仁褂谩⒌托屎筒豢茖W的施用方法，造成了資源浪費及農業面源污染等問題，威脅著人類健康和農業可持續發展[6-8]。與此同時，我國農村勞動力結構在工業化和城鎮化推進下發生顯著變化，以非農就業為特征的青壯年勞動力外流，將老人、婦女推向農業生產主力軍位置，承擔起農業生產管理與農業生產決策重任，帶來農業要素投入結構變革。在化肥減量增效的現實要求下，農村勞動力弱質化(老齡化、女性化、兼業化)是否影響化肥利用效率是值得探討問題[9-11]。

因此，化肥投入和利用效率研究文獻較多。Mohammad[12]基于南瓜的四次重復田間試驗，發現灌溉施肥有利于提高化肥利用效率。Eagle等[13]在加利福尼亞州進行實驗，研究不同秸稈管理措施對水稻氮肥利用效率影響，發現秸稈還田可以減少氮損失，有益于水稻吸收土壤氮肥。李靜等[14]及楊增旭等[15]發現教育水平、收入狀況、化肥價格、財政支持、種植規模、農戶技術培訓，是影響糧食生產化肥利用效率的重要因素。鄒偉等[16]研究發現擴大土地經營規模能提高化肥利用效率。史常亮等[17]采用回歸分析和夏普里值分解法，考察耕地細碎化對農戶化肥使用效率影響。孫銘鴻等[18]通過在雙季稻田系統進行田間定位試驗，發現豬糞化肥配施有利于提高稻田土壤氮肥利用率。此外，其他學者研究了節水灌溉[19]、農業補貼等對化肥施用量的影響[20]。

以上文獻綜述看出，目前化肥利用效率影響因素研究成果，主要集中在四個方面：第一，施肥技術對化肥效率的影響。第二，耕地狀況對化肥效率的影響。第三，外部環境和基礎設施條件的影響。第四，個體和家庭狀況的影響。然而，較少基于勞動力結構變化進行研究。雖然在一些微觀調查中涉及農戶年齡、性別和非農收入對化肥投入量的影響，但由于單個農戶很有可能同時具有老齡、女性和兼業三個特征，因而缺乏對勞動力結構變化的考量。有些研究關注農業勞動力老齡化、女性化對化肥利用效率的直接影響，卻忽視機械要素投入變化的間接效應。同時發現，很多研究忽略了地形地貌差異對化肥投入影響。

為此，本文基于全國小麥主產省的面板數據，建立隨機前沿生產函數模型估計小麥化肥利用效率，并比較分析各省、不同土壤條件小麥化肥效率差異。進一步地，通過Tobit模型分析小麥化肥利用效率各影響因素作用方向。與已有研究相比，本文主要從兩個方面進行拓展。首先，從宏觀層面考察農村勞動力弱質化(老齡化、女性化和兼業化)對小麥生產化肥利用效率的影響。其次，考慮到機械對勞動力替代作用，本文引入機械化水平作為調節變量，同時考慮農業機械投入和勞動力結構弱質化對化肥利用效率影響，并分析機械化對化肥利用效率的調節效應，進一步豐富現有化肥使用效率研究文獻。

1 理論分析與研究假設

1.1 農業勞動力弱質化對化肥利用效率負面影響可能性

農村勞動力結構弱質化與化肥利用效率密切相關。農戶作為理性經濟人，在資源條件的約束下，會依據自身稟賦(比如體力水平、技術水平、時間安排)做出農作物生產要素投入決策，以實現效用或收入最大化。老齡、女性、兼業農村勞動力會根據自身稟賦選擇多施或少施化肥，這將直接影響化肥利用效率。

關于老齡化對化肥施用量的影響，目前尚未有定論。一方面，隨著年齡的增加，老年人的體力不斷下降，難以勝任繁重的農業生產及田間管理工作。體力的衰退不僅是勞動質量的下降，本質也是勞動供給的減少，為保證或提高土地產出能力，老齡勞動力很可能傾向于過量投入化肥。例如，由于體力效應他們通常會在多次適量和少次多量兩種施肥方式中選擇后者，而后者的施肥總量通常比前者多[21]。其次，因循守舊的思想，導致老年人往往不愿接受新事物和新技術，對糧食生產不利[22]。但也有學者認為勞動者的年齡反映了經驗的積累，更豐富的耕作和管理經驗能夠幫助其實現化肥、農藥等生產要素的高效施用[23]。

與男性相比，農村女性勞動力施肥是否“過量”和“不理性”，也受到多方面作用影響。一方面，婦女通常在發揮體力方面與男性相比處于劣勢，且女性勞動力還需承擔贍養父母、照顧子女等家庭責任，這可能導致其增加對化肥要素的投入。但是，女性勞動力通常不從事非農業工作，專注農業生產使他們更珍惜土地，擅長于精耕細作，增加勞動時間和加強耕作等措施，可以抵消假定的不利條件[24]。最終化肥的利用水平取決于這些因素的相對優勢。

此外，有研究認為家庭成員的兼業行為對生產資料的投入量存在正向效應[10]。農民從事非農就業，最直接的影響就是投入農業生產的時間減少，為了彌補因時間縮減而可能帶來的農作物減產，兼業農戶將傾向于增加化肥、農藥等生產資料的投入。同時，移民寄回的匯款呈現積極的收入效應，非農收入為農村家庭購買用于農業生產的肥料和機械提供了資金方面的支持[25-27]。

基于以上分析，本文提出研究假說一：農業勞動力弱質化影響小麥生產化肥利用效率。

1.2 勞動力弱質化視角下機械化對化肥利用效率調節效應

勞動力弱質化降低農業生產勞動投入，造成效率損失。從數量上看，以非農就業為特征的農村人口兼業化制約了勞動力有效供給。從質量上看，因人口流動而遺留在農村的老齡和女性勞動力也因為自身弱質性影響農業生產。農村人口老齡化、女性化和兼業化給農業生產帶來了實際或潛在的勞動力損失。

雖然勞動力供給的減少可能會給化肥投入帶來一定負面影響，但農戶可以通過增加機械等替代性要素的投入來應對勞動力資源不足[28]。從理論上講，機械作為勞動節約型要素，其與化肥之間的關系并不明確。但是在實際生產中，機械由于作業的“高質量”顯著節省了化肥使用，例如使用化肥深施機施肥能增加土壤吸收率，減少浪費，進而提高化肥利用效率。也就是說，雖然農業勞動力的老齡化、女性化和兼業化降低了農業生產特別是田間管理環節的勞動投入，對化肥高效施用不利。但是這種勞動力結構上的弱質化通常會引致機械投入增加，進而提高糧食生產效率[29]。當使用機械替代勞動力進而產生勞動節約效應時，很可能并不影響化肥利用效率。即機械投入有利于緩解勞動力弱質化可能對化肥投入帶來的負面影響。

基于此，本文提出研究假說二：機械化調節效應抵消勞動力弱質化對化肥利用效率的負面效果。

2 模型選擇、變量定義與數據來源

為驗證前述假說，本部分首先在參考前人研究的基礎上，設定測算化肥利用效率的隨機前沿函數模型、影響因素分析的Tobit模型和調節效應模型。隨后對變量進行定義及統計描述，描述變量選取、賦值和數據分布情況。

2.1 模型選擇

2.1.1 隨機前沿函數模型

首先，運用隨機前沿函數模型估計各省小麥生產技術效率。隨機前沿函數模型(SFA)要求設定某種生產函數估計生產前沿面，例如Cobb-Douglass或Translog函數，為避免超越對數生產函數可能帶來的多重共線性問題，將其設定為在農業生產中廣泛采用的柯布道格拉斯(C-D)函數模型，定義小麥隨機前沿生產函數模型

Yit=Af(Lit,Fit,Mit,Git)evit-uit

=ALitβ1Fitβ2Mitβ3Gitβ4evit-uit

(1)

式中：Yit——第i個省份第t年的小麥產出；

Lit——第i個省份第t年的勞動力投入；

Fit——第i個省份第t年的化肥投入；

Mit——第i個省份第t年的機械動力投入；

Git——第i個省份第t年的種子投入；

A——常數；

β——所有變量的待估系數；

vit——隨機誤差項。

基于產出導向型的小麥生產技術效率的估計公式為TEit=exp(-uit)，在這里，借鑒文獻[30]的研究，將化肥的利用效率定義為在其他投入要素固定不變情況下，達到既定產出所需要的最小化肥需求量和農戶實際化肥施用量的比值。進一步地，可推導基于C-D生產函數技術層面的化肥利用效率FE的度量公式，其中，β2代表化肥投入估計參數，定義為

FEit=exp(-uit/β2)

(2)

2.1.2 Tobit模型

采用多元回歸方法分析農村勞動力老齡、女性和兼業化水平對化肥利用效率的影響。由于因變量(化肥利用效率)取值范圍在0～1之間，為避免最小二乘法對兩端截斷離散數據的估計偏誤，選擇Tobit模型進行極大似然估計，定義技術效率回歸模型如式(3)所示。

(3)

式中：FEit——化肥利用效率值；

δ0——常數項；

δi——待估參數；

Zit——化肥利用效率影響因素，包括3個核心自變量，1個調節自變量和6個控制變量；

εit——隨機誤差項。

2.1.3 調節效應模型

為檢驗機械化水平在農村勞動力弱質化影響小麥生產化肥利用效率中的調節作用，構建調節效應模型如下。

FEit=a0+a1aginit+a2femiit+a3diveit+

a4educit+a5sizeit+a6pricit+a7infrit+

a8disait+a9territ+μit

(4)

FEit=λ0+λ1aginit+λ2femiit+λ3diveit+

λ4educit+λ5sizeit+λ6pricit+λ7infrit+

λ8disait+λ9territ+λ10mechit+φit

(5)

FEit=γ0+γ1aginit+γ2femiit+γ3diveit+

γ4educit+γ5sizeit+γ6pricit+γ7infrit+

γ8disait+γ9territ+γ10mechit+γjmechit×Nit+τit

(6)

式中：FEit——化肥利用效率；

agin——老齡化程度；

femi——女性化程度；

dive——兼業化水平；

educ——勞動力教育；

size——人均經營規模；

pric——化肥價格；

infr——農田基礎設施；

disa——農業災害情況；

terr——地形特征；

mech——機械化水平。

a、λ、γ為所有變量的待估參數，γj為各交互項系數，Nit為各被交乘要素，包括在基礎回歸中系數為正的核心自變量，因為要考察機械化是否在這些要素的正向影響中發揮作用。模型(4)用于估計勞動力弱質化對小麥化肥利用效率影響，在實證分析時設定模型Ⅰ，包括老齡化程度agin、女性化程度femi、兼業化水平dive、勞動力教育educ、人均經營規模size、化肥價格pric、農田基礎設施infr、農業災害情況disa和地形特征terr變量。

模型(5)用于估計小麥機械化水平對化肥利用效率影響，在實證分析時設定模型Ⅱ，在模型Ⅰ的基礎上增加反映機械化水平的虛擬變量mech。模型(6)用于估計機械化水平對老齡、女性、兼業化變量作用的影響，在實證分析時設定模型Ⅲ、Ⅳ，其中，模型Ⅲ在模型Ⅱ的基礎上增加機械化水平與女性化程度的交互項(femi×mech)，模型Ⅳ在模型Ⅲ的基礎上增加機械化水平與兼業化水平的交互項(dive×mech)。

2.2 變量定義

所需變量包括模型(1)中測量技術效率的投入與產出變量，模型(3)～(6)影響因素分析中的被解釋變量、核心解釋變量、調節變量和控制變量四類。研究關注的核心解釋變量為農村勞動力結構弱質化，包括老齡化程度(年齡結構)、女性化程度(性別結構)、兼業化水平(就業結構)三個指標。

2.2.1 投入與產出變量

在模型(1)中，選取小麥產量作為產出變量，投入變量從勞動力、化肥、種子及農用機械四個方面考量。其中小麥產量lnY、勞動力投入lnL、化肥投入lnF、種子投入lnG和機械動力投入lnM分別用小麥作物單位面積產量(kg/hm2)、每公頃用工數量(日/hm2)、每公頃化肥使用量(kg/hm2)、每公頃種子用量(kg/hm2)及每公頃機械作業費(元/hm2)，取自然對數值表示；機械作業費將以2 003=100為基期進行農機具價格指數平減。農藥、農膜、燃料等投入變量不予考慮，因為它們在農資投入費用中所占比重較小，2019年這一比例(小麥生產農藥、農膜、燃料費用占全部物質服務費用的比重)僅為5.65%。

2.2.2 被解釋變量與核心解釋變量

通過模型(1)得到技術效率TEit及參數β2估計值，然后根據式(2)得到化肥利用效率值FEit作為模型(3)～(6)的被解釋變量。核心解釋變量中，勞動力老齡化(agin): 采用農村65歲及以上人口占農村15歲及以上人口比重衡量。女性化(femi): 采用農村15歲以上人口中女性所占比例衡量。兼業化(dive): 現有文獻多采用非農就業率(如鄉村從業人員中非農林牧漁業勞動力數量所占比重)來衡量人口兼業化程度，該方法主要基于勞動力非農轉移視角。考慮到研究目的，借鑒楊肅昌等[31]的做法，使用農村居民工資性收入占總收入比重度量兼業化水平。

2.2.3 調節變量

選擇小麥機械化水平作為調節變量。由于機械總動力在農業機械化發展水平中具有較強代表性，是一個典型的反映農業機械化的強度指標。故借鑒王則宇等[32]的方法，設置反映機械化水平的虛擬變量(mech)，重點討論機械化水平在勞動力弱質化影響小麥生產化肥利用效率中發揮的調節作用。

2.2.4 控制變量

為排除其他可能影響小麥化肥利用效率的因素，結合以往研究，選取人均經營規模、化肥價格、勞動力教育、農田基礎設施條件、農業災害情況、地形特征作為模型(3)～(6)的控制變量，各變量指標選取依據說明如下。

人均經營規模。人均經營規模一方面可能產生規模經濟效應，有利于提高化肥施用效率，另一方面也可能因為規模過大而導致勞動力相對不足不利于化肥減施。本文以人均播種面積表示人均經營規模，具體計算方法為：各省農作物總播種面積除以農業人口。

化肥價格?；蕛r格的上升也因農戶行為的不同而對施肥效率造成正、負兩種效應，如當農民使用有機肥替代化肥或減少肥料施用量時，影響為正，而當農民因肥料價格上漲而購買劣質農資時影響為負[14]。化肥價格由每公頃化肥費用除以每公頃化肥折純用量得。

勞動力教育。大量研究表明，農民受教育水平對新知識新技術的使用及農業生產技術效率具有積極作用，因此將其作為控制變量，并預期影響為正。具體選擇勞動力平均受教育年限表征勞動力教育，計算方法為：∑各類別受教育程度勞動力比例×相應教育年限。其中，文盲半文盲、小學、初中、高中、中專和大專及以上六種類別受教育年限分別為1、6、9、12、12和15.5。

農田基礎設施條件。農田基礎設施條件(農田灌溉設施)的改善，推動農業生產持續發展，也為留守老人、婦女的田間管理創造良好條件[33]從而實現更高的技術效率。本文采用有效灌溉面積占總耕地面積的比重衡量農田基礎設施條件。

農業災害情況。農業生產是受自然條件影響很大的產業，受災導致減產將給農戶帶來巨大損失，因此將農業災害情況納入控制變量，并以農作物受災面積占農作物總播種面積的比重表示。文中各變量的定義及統計方法如表1所示。

表1 變量定義與賦值方法Tab. 1 Variable definition and assignment method

2.3 數據來源

樣本數據為2004—2018年全國15個小麥主產省投入產出的面板數據。各省小麥生產投入產出指標、機械化農具價格指數、單位面積化肥費用，來自2005—2019年的《全國農產品成本收益資料匯編》和《中國農村統計年鑒》；各省農村人口老齡化、女性化、受教育水平相關數據來源于《中國人口和就業統計年鑒》；各省農民兼業化、機械化水平、農作物播種面積數據來自《中國農村統計年鑒》；農業人口數來自各省2005—2019年《統計年鑒》；各省耕地面積來自2005—2009年《中國統計年鑒》、2010—2019年《中國農村統計年鑒》；各省有效灌溉面積來自2005—2019年《中國農村統計年鑒》；各省農作物受災面積來自《中國農業年鑒》，其中，缺失數據用歷年各省統計年鑒和國家統計局網站數據庫補齊。表2列示了模型中主要變量的計數單位和描述統計。

表2 主要變量描述統計Tab. 2 Descriptive statistics of main variables

3 估計結果及分析

3.1 技術效率及化肥利用效率估計

采用Frontier對模型(1)進行極大似然估計，結果如表3所示。除勞動力投入系數不顯著外，其他變量系數均在1%至10%的水平上顯著，模型目的為測算小麥生產技術效率，總體上顯著即可。單側似然比檢驗LR拒絕不存在技術欠效率(即uit=0)的原假設，說明我國小麥產出確實存在技術非效率，此時隨機前沿模型設定有效。同時γ值達到0.972 8，接近于1且在1%的水平下顯著，即隨機前沿生產函數的誤差有97.28%來自技術非效率，2.72%源于無法控制的隨機誤差，說明SFA模型估計有效，采用極大似然法估計合理。

從要素投入估計結果看，在四種要素投入中，化肥的產出彈性最大，這與許多研究結論一致，意味著在當前的生產中增加化肥投入可以有效提高小麥產量。在小麥生產中，勞動力的產出彈性為正，但不顯著。這與事實相符，實際上中國的糧食生產普遍存在勞動力冗余現象。此外，小麥的種子要素投入產出彈性在10%的水平下顯著為正，增加種子投入可以提高小麥產出。

表3 小麥隨機前沿生產函數模型估計結果Tab. 3 Estimated results of wheat stochastic frontier production function model

通過隨機前沿生產函數模型得到技術效率TEit和化肥產出彈性β2的估計值后，根據TEit=exp(-uit)可求uit的值，隨后由式(2)計算可得化肥利用效率FEit的值。中國各小麥主產省歷年生產技術效率和化肥利用效率測算結果如表4所示。從總體上看，與較高的技術效率相比，小麥化肥利用效率偏低，僅為0.339。從地區看，省際間技術效率值存在較大差異，小麥主產省最高技術效率達到0.981，化肥利用效率達到0.930(河南)，最低僅為0.428技術效率和0.038化肥利用效率(內蒙古)。

表4 2004—2018年小麥主產省化肥利用效率平均值Tab. 4 Average fertilizer use efficiency in major wheat producing provinces from 2004 to 2018

考慮到各地區土壤條件差異，參照《中國化肥區劃》將全國及15個小麥主產省劃分為7個區域，具體見表5。在小麥生產投入中，黃淮海地區化肥利用效率最高達到0.747，北部高原地區最低僅為0.092。地區間差距較大，地形地勢因素是否影響化肥利用效率，將在下面分析中予以考察。

表5 小麥化肥區域生產技術效率與化肥利用效率比較Tab. 5 Comparison of wheat production technology efficiency and chemical fertilizer utilization efficiency

3.2 勞動力弱質化對化肥利用效率影響

將化肥利用效率FE作為被解釋變量，勞動力老齡化、女性化、兼業化程度變量作為核心解釋變量，同時引入其他控制變量，進行Tobit模型回歸分析?？紤]歸并數據的面板模型允許個體效應的存在，且假設εi與解釋變量Zit不相關。因此，不考慮混合Tobit回歸或固定效應Tobit模型，選擇使用隨機效應面板Tobit回歸分析，模型估計結果如表6所示。

表6 小麥生產化肥利用效率隨機效應Tobit面板回歸模型估計結果Tab. 6 Estimation results of random effects panel tobit regression model for wheat fertilizer utilization efficiency

各模型回歸結果的LR檢驗均顯著拒絕“H0∶σε=0”，故證實存在個體效應，因此使用隨機效應面板Tobit回歸有效。

3.2.1 核心變量影響

第一，農業勞動力女性化程度與小麥生產化肥利用效率在1%的顯著性水平下呈現正向影響。這表明雖然女性勞動力在體力方面處于劣勢，但是對于農業生產的專注和精細化耕作，以及女性在農業生產資料成本的估算和節約方面有著天然的優勢，減少了化肥的多余投入，亦或是婦女在生產中使用機械，抵消了體力不足對化肥利用效率的不利影響。

第二，農戶非農工資所占比重越大，小麥生產化肥利用效率越高，這表明兼業行為會降低家庭化肥資料的投入?？赡苁且驗?，從事非農工作的農戶必然會將部分時間和精力從務農勞動轉移到非農工作中，從而無暇顧及土地農資投入，在務農勞作上也可能僅是在作物播種和收獲時才會相對付出時間和精力，對田間管理環節較忽視。且農民在外就業期間接觸到知識和技術等勞動力素質的累積，都會對小麥化肥利用效率帶來有益影響。

第三，農業勞動力老齡化程度與小麥生產化肥利用效率在1%的顯著性水平下呈現負相關關系。這意味著在小麥生產中，體力衰弱效應大于經驗積累效應，為保證或提高土地產出能力，老齡勞動力很可能傾向于過量投入化肥。

3.2.2 控制變量影響

第一，教育水平顯著影響化肥利用效率。受教育水平在1%的顯著性水平下對小麥生產化肥利用效率起正向影響，與預期方向一致。作為對技能的具備和運用要求較高的要素投入環節，提高教育和培訓水平有利于勞動者獲取和掌握新技術進而提高化肥利用效率。

第二，人均經營規模正向影響小麥化肥利用效率。這表明，由于規模經濟效應，種植規模大的農戶較種植規模小的農戶化肥利用效率更高?？赡艿脑蚴?，規模經營帶來單位土地面積化肥投入成本的降低，導致種植大戶愿意接受成本較高的有機肥等施肥技術，從而減少化肥施用量。

第三，農業災害情況顯著影響化肥利用效率，受災率與小麥化肥利用率呈正比關系。這意味著，災害的發生會抑制農戶對化肥的投入，農民一般不會在遭受凍害、倒伏、干熱風等受災田塊上施用更多肥料，因而提高化肥利用率。

最后，化肥利用效率地形差異明顯。平原地區的小麥化肥利用效率顯著高于山地或高原地區，這說明地勢越平緩，小麥化肥利用效率越高?？赡苁且驗?，平原地區更有利于機械化作業、化肥流失較少，以及施肥技術應用等。

3.2.3 調節變量影響

由表6可知，農業勞動力的女性化、兼業化并未降低小麥生產化肥利用效率，為驗證是否是機械化的調節作用，即是否是機械投入彌補了女性和兼業勞動力在體力和時間上的不足。具體在實證中，將機械化水平、機械化水平與女性化程度的交互項、機械化水平與兼業化水平的交互項納入回歸模型檢驗。

在Tobit回歸模型Ⅱ中加入小麥機械總動力虛擬變量，其系數為正且在1%的水平上顯著。這說明機械化水平的提高，會對化肥利用效率產生正向影響，與預期一致。加入交互項后，其他變量系數的大小、符號及顯著性程度并未發生明顯改變，說明模型估計結果穩定。模型Ⅲ和模型Ⅳ的估計結果顯示，女性化對小麥生產化肥利用效率的正向影響受機械化水平調節，即機械投入在一定程度上替代女性勞動力，彌補其體力不足，提高化肥投入效率。此外，從農民兼業行為對機械化程度和化肥使用量的影響來看，農民并非采用機械替代減少的勞動投入，而是選擇少施化肥，這意味著兼業農戶放棄部分農業生產的規?；蛘邚姸龋c前文的分析一致。

4 基本結論和政策建議

4.1 基本結論

從農村勞動力結構弱質化現狀出發，利用2004—2018年全國小麥主產省面板數據，考察了勞動力弱質化對小麥化肥利用效率的影響。

1) 小麥化肥利用效率總體水平偏低。隨機前沿生產函數模型估計結果顯示，小麥化肥利用效率地區差異較大，黃淮海地區較高，西南等地區則較低。然而，與較高技術效率相比，全國平均化肥利用率僅0.339 3，在維持現有產量水平下，小麥化肥利用效率至少還有66.07%的提升空間。因此，需要通過減少化肥用量或改進施肥方法來實現化肥投入的減量增效。

2) 農村勞動力弱質化沒有負面影響化肥利用效率。模型估計結果顯示，老齡化對化肥投入有顯著負向影響，這意味著隨著年齡增加，老年人由于體力衰退，造成施肥工作質量下降，對化肥利用效率不利。但是女性化、兼業化對化肥利用效率影響系數為正，且農業機械化水平對化肥投入效率影響系數也為正，這意味著，勞動力外出打工和留守婦女對小麥化肥投入的影響并非絕對負面。因為，隨著農業勞動投入的減少，農戶會增加農業機械購置或者可能外購農業機械外包服務，進而對化肥利用產生一定積極作用。從總體上看，農村勞動力弱質化影響為正，因而不必過分擔憂老齡化、女性化和兼業化對農業化肥投入的負影響，而應該順應這種變化趨勢。

3) 農業機械使用可能彌補勞動力女性化不足。勞動力弱質化對化肥利用效率影響受機械化水平調節。一方面，機械化與女性化有顯著交互效應，這表明機械投入與勞動力有替代效果，換句話說，機械使用可以彌補女性勞動力體力不足，因此不必擔憂勞動力女性化問題。另一方面，兼業化估計系數為正，同時機械化與兼業化交互項系數為負，表明兼業化導致非農工作時間增加，無暇顧及土地農資投入，甚至可能導致土地閑置或撂荒，進而提高化肥利用效率，并非得益于機械化的調節作用。

4) 農村教育顯著提高化肥利用效率。提高農村勞動力教育水平有利于改進小麥化肥利用率。相比其他生產要素，化肥在種類選擇、投入時間和用量等管理方面決策，對經營者人力資本要求較高[34]。因此，農民的教育水平將決定化肥投入是否“合理”。換句話說，高學歷農業勞動力在施用化肥時往往更有效率，由于受教育水平影響，勞動力更傾向于改善化肥使用技術。

4.2 政策建議

1) 實施化肥減量增效計劃。通過研究發現，目前小麥化肥利用效率仍然偏低，應該繼續加強對土壤生態保護和化肥減量施用的重視程度，推廣環境友好型肥料的使用，繼續實施化肥減量增效計劃刻不容緩。但關鍵是加強農機社會化服務，彌補現階段勞動力女性化和老齡化負面影響；加快土地流轉擴大規模經營，發揮土地化肥投入的規模經濟效應，推進施肥新技術采用。

2) 提高農村教育農技水平。農村勞動力受教育水平對化肥利用效率具有顯著正向作用，為此國家應不斷加大對農村地區教育資源的投入，開展科學施肥相關技術培訓，提高勞動者的綠色生產意識，減少農戶高強度、低效率和不科學的施肥方式。

3) 提高農業/村機械化水平。目前我國小麥已基本實現全程機械化，但是田間管理環節機械化程度還不夠，應加快田間管理機械(如化肥深施機)的應用，提高化肥施用技術水平，彌補傳統施肥方法的不足。

4) 研發適用型的農業機械。實證結果顯示，女性勞動力對化肥利用效率的影響受機械化水平正向調節作用。因此，應當研發適合勞動力弱質化的小型或微型施肥機械，滿足女性化和老齡化勞動力需求。

5) 在Probit和Tobit等非線性模型中，其估計量無法直接作為被解釋變量的邊際效應，需要進行轉換。換句話說，Tobit模型估計系數的符號有意義，但是數值存在偏誤。本文目的在于考察各解釋變量的影響方向，并不特別關注解釋變量偏效應值，因此未計算Tobit模型的邊際影響。