人口老齡化下農業人力資本對農業綠色全要素生產率的影響

杜建國 李波 楊慧

摘要 推動農業綠色發展不僅是鄉村振興的有效途徑，而且是賦能農業現代化的內在要求，農業人力資本的提升決定了農業綠色發展的水平。該研究首先構建了2011—2021年中國30個省份的農村勞動力系數，分析了農村人力資本總體情況。其次，運用超效率SBM方法，構建GM指數測度了農業綠色全要素生產率及其分解指標，分析了中國農業綠色全要素生產率水平分布與區域差異。最后，結合農村勞動力系數與農業綠色全要素生產率指數，進行了實證分析。研究結果表明：①中國農村老齡化系數從2011年到2021年增長了0. 063，農村老齡化問題正不斷沖擊著農業農村的可持續發展。②中國農業綠色全要素生產率從2011到2021年大多在1以上，農業綠色發展態勢良好，且增長主要動力來源于農業綠色技術進步。③農村老齡化的人力資本結構顯著抑制了農業綠色全要素生產率的提升，并且在經過一系列穩健性檢驗后，該結論依然成立。機制分析發現，創新水平提升在上述關系中起部分中介作用。異質性分析發現，在受教育程度低的地區以及中國西部地區，農村人口老齡化對農業綠色全要素生產率存在顯著的抑制作用，而在受教育程度高的地區以及中國東中部地區，農村人口老齡化對農業綠色全要素生產率的影響不顯著。相較于環境規制強度低的地區，環境規制強度高的地區農村人口老齡化對農業綠色全要素生產率抑制效應更加明顯。基于上述結論，該研究從人才建設、產業融合、制度改革三個方面提出政策建議，研究結果為農村老齡化與農業綠色全要素生產率的關系提供了一定的實證依據，為農村老齡化問題的解決、鄉村振興的全面實現與農業農村綠色發展間的協調關系提供了一定政策啟示。

關鍵詞 農村老齡化；人力資本；農業綠色全要素生產率；技術效率；技術進步

中圖分類號 F323. 3 文獻標志碼 A 文章編號 1002-2104（2023）09-0215-14 DOI：10. 12062/cpre20230501

積極貫徹落實黨的二十大精神，全面實現鄉村振興，是中國式現代化道路進程中亟待解決的現實難題，也是實現中國經濟高質量發展的必然選擇。當前，以綠色發展推進鄉村振興已成為加快構建農業新發展格局、推動農村高質量發展的必然要求。據國際能源署統計數據顯示，截至2022年，全球二氧化碳排放量同比增長0. 9%，較2021年增加3. 21億t，達到368億t的新高。而在溫室氣體的排放來源中，農業源碳排放是加劇氣候變暖、造成碳排放量增加的“第二元兇”，降低農業源碳排放量，加快推進農業綠色發展迫在眉睫。

在實現農業綠色發展的進程中，人口老齡化的加快會對中國經濟社會發展造成長久的不利影響已成為不爭的事實［1］，而農村人口老齡化造成的影響相對更為嚴重。據《中國鄉村振興綜合調查研究報告2021》顯示，截至2019 年，農村全體人口中60 歲及以上人口的比重已達20. 04%，65歲及以上人口的比重達13. 82%，遠超“老齡社會”的標準，農村地區的老齡化程度遠超全國情況［2］。那么，農業人口的老齡化是否會對農業綠色發展造成沖擊，其內在機制是什么？回答這一問題有必要在人口老齡化背景下分析農村人力資本對農業綠色發展的影響，為推進中國農業綠色發展提供政策依據。

1 文獻綜述與影響機制

1. 1 文獻綜述

1. 1. 1 老齡化對農業生產的影響

農村老齡化是指依據學界的老齡化界定標準來確定的農村發展現象，學界對老齡化進行了兩種界定，分別是10%的60歲及以上的人數與7%的65歲及以上的人數，當農村人力結構滿足其中一項標準，即可認為農村進入了老齡化社會，從而形成了農村老齡化現象［3］。該研究主要討論農村老齡化視域下人力資本對農業綠色全要素生產率的影響，因此在研究農村老齡化時，該研究主要定義的群體為農業勞動力群體。農業勞動力專指從事第一產業的勞動人口，屬于農村勞動力的主要構成部分［4］。需要說明的是，由于科技醫療水平的提升以及農業機械的普及導致農業從業門檻降低，國內農村有很多年齡已經達到65歲的老年群體仍然在從事農業生產。學界對農業勞動力的老齡化年齡界定爭議愈演愈烈，尚未達到統一的學術標準［5-8］。該研究結合國內學者的普遍做法，將老齡化的計算起點標準設置為65歲。農業勞動力老齡化對農業生產具有重要影響，學者們對此的觀點大致分為兩種。一是會降低農業就業人口的勞動參與率與有效勞動供給，導致農業生產投入中的勞動投入占比降低，對農業生產形成制約作用［9-11］。二是直接倒逼農業生產專業化水平的提升，由于勞動力資本投入不足，為盡可能保證農業生產甚至促進持續增產，只能采用農業機械、物質資本等資本密集型生產要素［12-14］。之所以形成不同的觀點，主要原因在于學者分析農業勞動力老齡化影響農業生產的視角與作用機制差異。

1. 1. 2 農業綠色發展的測算與影響因素

眾多學者通過構建農業綠色全要素生產率來衡量農業綠色發展。從最初的對綠色全要素生產率的對比研究到如今的綠色全要素生產率的作用因素研究，已經不再僅僅局限于對綠色全要素生產率的功能認知，而是考慮到針對性地提升綠色全要素生產率。

關于綠色全要素生產率的測算研究，最早可追溯至1997年，Chung等［15］采用非參數方法進行測算，將非期望產出引入到方向性距離函數方法中，從而實現對綠色全要素生產率的測算。國內早期對綠色全要素生產率的研究大多采用這一方法，在研究內容上主要以綠色全要素生產率與傳統全要素生產率的對比以及綠色全要素生產率的區域差異比較為主，如對中國工業行業綠色全要素生產率的測算、不同國家綠色全要素生產率的測算對比以及不同地區綠色全要素生產率的測算［16-18］。隨著學者們對綠色全要素生產率研究的深入，在研究方向上逐漸出現了轉向，開始嘗試對綠色全要素生產率進行分解，并從影響因素角度進行探討，主要分為行業角度［19-20］與區域角度［21］兩種。在農業生產方面，近兩年關于農業綠色全要素生產率的研究較多，主要集中在時空演化與影響因素的分析方面。郭海紅等［22］采用全局GML指數進行了農業綠色全要素生產率增長率的測算，發現綠色技術進步是影響農業綠色全要素生產率增長的主要因素。銀西陽等［23］從空間溢出效應視角分析了農業產業集聚對農業綠色全要素生產率的影響，指出二者具有明顯的空間相關性，農業產業集聚程度越高，農業綠色全要生產率越低，且這種影響表現出了強烈的空間溢出效應［24］。

從現有研究來看，關于綠色全要素生產率的研究正在逐漸走向分解影響因素的方向，農業作為中國主要產業體系，關系到“三農”問題的解決，農業綠色全要素生產率的測算等研究內容受到了大力關注，然而將其放置在農村老齡化背景下的研究內容較少，有待進一步補充。

1. 2 人口老齡化對農業綠色發展的影響機制

1. 2. 1 人口老齡化對農業綠色發展影響的直接效應

農村勞動力老齡化進程的加快會通過影響人力資本質量與變更能源消耗結構等方式直接影響農業綠色發展。一方面，老齡化的人力資本結構的變化會導致農業生產參與者整體身體素質機能的下降［25］，從而降低農業生產的人力資本質量，對農業生產效率整體形成負面影響［26］。同時，老齡化的人力資本結構變化會導致農村家庭對電力、供暖、醫療等方面的需求進一步加大［27］，而此類產業多屬于高能耗產業，不可避免地對農業綠色全要素生產率的增長產生抑制作用。另一方面，在人力資本存量的界定中，工作經驗與熟練度是重要考量因素［28］，老齡勞動力由于工作經驗豐富，對農業生產活動較為熟練，可以在一定程度上促進人力資本存量的增長。同時，老齡化的人力資本結構變化有利于降低農村整體消費水平［29］，從而減少消費行為所引起的能源消耗與污染物產出，相較于年輕群體，老年群體因為自身身體抵抗力較差等原因，對環境污染的容忍度更低，具有更加積極的環保意識與行為，在一定程度上促進了農業綠色全要素生產率的提升。

綜合上述觀點，該研究提出以下有待驗證的假設。

H1a：農村勞動力老齡化會抑制農業綠色全要素生產率的提升。

H1b：農村勞動力老齡化會促進農業綠色全要素生產率的提升。

1. 2. 2 人口老齡化對農業綠色發展影響的間接效應

農村勞動力老齡化進程的加快可能通過影響技術創新水平的方式間接影響農業綠色發展。一方面，老齡化的人力資本結構變化導致農業生產參與者的整體思維呈現保守發展趨勢［30］，限制了新技術在農業生產中的應用，并且由于老齡群體人數增長，迫使政府不斷加大對老年群體的醫療與養老服務支出［31］，在一定程度上擠占對農業技術創新與應用以及農業高素質人才培養等方面的財政支出［32］，抑制農業綠色全要素生產率的提升。另一方面，在技術創新層面，老齡化的人力資本結構變化會導致農村社會勞動力數量整體下降［33］，從事農業生產的勞動力成本將增長，企業為了保證農業生產利益，會從技術手段等層面謀求出路，推動技術進步，從而提升農業綠色全要素生產率。

綜合上述觀點，研究提出以下有待驗證的假設。

H2a：農村勞動力老齡化會抑制技術創新，從而抑制農業綠色全要素生產率。

H2b：農村勞動力老齡化會促進技術創新，從而提升農業綠色全要素生產率。

2 農村老齡化及農業綠色全要素生產率的現狀

2. 1 農村老齡化現狀

該研究將老齡化的計算起點標準設置為65歲，依據農業勞動力的定義，計算農村勞動力老齡化系數情況，并依據2011—2021年《中國人口與就業統計年鑒》中的相關數據，對各省份農村人口數量進行了整理。由于數據可得性等原因，研究未涉及香港、澳門、臺灣和西藏。式（1）計算了農村勞動力老齡化系數：

式中：L 表示農村勞動力老齡化系數；P65 + 表示農村老齡化勞動力數量；P16 - 64 表示16～64歲正常農村勞動力數量。

根據式（1），研究測算出2011—2021年30個省份的農村勞動力老齡化系數。由表1可知，2011—2021年，農村勞動力老齡化系數不斷攀升，從2011 年的0. 109，到2021年已經上升至0. 172，提高了0. 063，意味著2021年農村勞動力老齡化程度相較十年前提升了57%。需要說明的是，聯合國對國家人口老齡化的界定標準為65歲以上人口數量占總人口數量的7%，中國農村早在2011年便已經達到了10. 9%，已經遠遠超過了7%的標準，說明中國農村勞動力老齡化問題已經屬于遺留時間較長的問題。隨著農村與城市的經濟發展差距不斷拉大，農村勞動力每年都存在向經濟發展水平更高的城市等其他地區進行轉移，從進城務工的農村人口數量不斷激增的現實亦可證明這一點，而老齡群體則因為各類原因無法轉移，從而導致中國農村“空心化”問題不斷加劇，農村勞動力老齡化系數將伴隨這一現象的加劇而不斷提高，而且按照這一趨勢，如果不加以控制，中國農村勞動力老齡化系數將接近0. 2，超過1/5的農村勞動力將屬于老齡群體。從區域差異角度可以看出各地區的農村勞動力老齡化系數總體呈現上升趨勢，但不同省份與區域的上升情況有所差異。東部地區在三個區中的農村勞動力老齡化系數上升幅度最為明顯，說明東部地區的農村勞動力老齡化程度更為嚴重。東部地區的特點是農村人口基數小、人口流入大，近些年因為實施城鎮化加速，農村人口轉移更加頻繁。在各省份中，四川、江蘇、遼寧、重慶的農村勞動力老齡化系數都突破了0. 2，說明這些省份的農村勞動力老齡化現象較為嚴重，而一些邊遠少數民族地區的農村勞動力老齡化系數普遍偏低，如青海、新疆等。

根據農村勞動力老齡化指標發現，中國農村老齡化現象已經存在多年，老齡化的成因主要受到三個方面的影響。第一，勞動力轉移。中國快速城鎮化發展的同時，農村勞動力需要通過就業轉移來改善家庭收入水平，以緩解家庭生活壓力，轉移人群主要以青年勞動力為主，而老年群體因為身體原因，往往無法實現就業轉移，大多選擇留守農村，從而導致農村勞動力以老年群體居多，伴隨勞動力轉移現象的不斷演化，農村勞動力老齡化趨勢隨之不斷加劇。第二，中國人口結構整體發展趨勢。早在2005年，有學者指出中國已經處于低出生率、低死亡率、低自然增長率的人口發展階段，這一人口結構發展趨勢意味著將會有越來越多的青壯年勞動力不斷轉化為老齡勞動力，老齡勞動力的基數不斷增長，而人口總數則維持在一個相對恒定的狀態，其結果便是勞動力老齡化系數不斷提高。第三，城鄉二元結構。在過去很長一段時間內，城市的發展都是以犧牲農業農村作為代價，在政府資源配置上也主要傾向于城市，從而實現了城市工業和第三產業的快速發展，整體表現出政治、經濟、文化與社會進程中的二元分割局面。城市的資源配置、工資待遇以及教育環境等客觀條件遠遠優于農村，不可避免地刺激農村勞動力向外轉移，加之“走出農村”的傳統思想直接導致青年群體在農村的斷代現象。

2. 2 農業綠色全要素生產率的測度及空間差異

采用包含非期望產出的Super‐SBM模型以及全局參比的Malmquist指數方法進行農業綠色全要素生產率的測度，相較于傳統DEA‐Malmquist指數方法，該方法不僅突破了效率極值為1的限制，而且綜合考慮了變量松弛問題，總體而言測算結果更為科學，具體步驟如下：

首先，假設有n 個決策單元，每個單元有m 種投入，s1種期望產出與s2種非期望產出構成，其中，sxi、syk、szl分別表示投入、期望產出和非期望產出的松弛量，λj 為權重向量，ρ為目標函數，ρ 越大代表農業綠色發展效率越高。在該研究中，將30個省份作為決策單元，由勞動、土地、農機、灌溉、化肥五種投入要素，通過生產得到期望產出（農林牧漁業產值）與非期望產出（農業碳排放）。

式中：M GC 表示農業綠色全要素生產率的變動，小于1時表示降低，大于1時表示上升，等于1時表示不變；式中，ECc 表示技術效率變動，即決策單元在給定投入下的產出效果；BPCc 表示技術進步變動，即決策單元技術進步下的產出效果。二者分解指數值大于1時，表示對農業綠色全要素生產率具有促進作用，反之則具有抑制作用，等于1時表示沒有明顯變化。因西藏地區相關數據嚴重缺失，不在研究范圍。投入產出指標見表2。

其中：土地、勞動、農機、灌溉與化肥投入以及期望產出的農林牧漁業產值來源于《中國農村統計年鑒》；非期望產出的農業碳排放參照李波等［24］的研究，在確定農業六類碳源排放系數后匯總計算所得。研究通過MATLAB軟件計算了農業綠色全要素生產率（全局參比的Malmquist指數，即GM指數），并將其分解為技術效率變化指數ECc 與技術進步變化指數BPCc，見表3。

除2016—2017年，30個省份的農業綠色全要素生產率GM 指數在研究期內均大于1，表明中國農業綠色生產效率始終處于穩步發展狀態，其中，2019—2020 年，GM 指數高達1. 282，相較2010—2011 年增幅9. 57%，2020—2021年出現小幅回落。分區域而言，2019—2020年，各地區GM指數均呈現不同幅度的增長，其中，西部地區GM 指數增幅最大，由1. 169 增長至1. 347，增幅為15. 23%；中部地區次之，由1. 168 增長至1. 321，增幅為13. 10%；東部地區增幅最低，由1. 170增長至1. 282，增幅為9. 57%，可能的原因是，中西部地區農業綠色生產效率相對較低，技術進步較容易，相較2019—2020年，2020—2021年GM指數均出現回落。

從省域視角進行分析，如圖1所示截至2019—2020年，貴州省在所有省域中的增幅情況最為明顯，在2019—2020年的GM指數排在首位，而在2011—2012年時在所有省份中排名僅在中游。除貴州省以外，河南省、天津市、寧夏回族自治區與湖南省等的增幅表現同樣較為優秀，分別位列第2～5位，在2019—2020年的GM指數的各省份排名中同樣位列在前，分別是1. 448、1. 441、1. 437與1. 465。北京市、江蘇省、黑龍江省、遼寧省與上海市2019—2020年的GM指數相較2010—2011年均存在不同程度的下跌，其中，北京市降幅最高。大部分省份2020—2021年GM指數均出現下降。

中國農業綠色全要素生產率分解得到的技術效率與技術進步變化情況如表4和圖2所示。可以看出，研究期間內，全國技術進步變動（BPCc）除2014—2015年外均大于1，即農業方面的技術進步較為明顯，而技術效率變動（ECc）在多個年份存在小于1 的情況。相較于2010—2011年，2020—2021年的分解值分別增加。

由表4可知，2020—2021年的分解值相較于2010—2011年分別增長了-0. 079與0. 032，意味著中國農業綠色全要素生產率的增長主要依賴于技術進步，近十年內各類農機在農業生產中的廣泛應用大大提高了中國綠色農業生產效率。而相比于技術進步，農業技術效率的增長相較緩慢，且始終保持在較低水平，甚至在多個年份表現出下降態勢，說明農業技術效率始終是中國綠色農業發展的一大短板。可能的原因是農村人力資本的短缺，因為城鄉二元結構的存在，農村人才普遍向外轉移，尤其是高知識、高素質的農村人力資本向外轉移，從而導致農業生產的人才匱乏，從事農業生產的老年群體因為專業知識較為落后，對新型農業技術的接受程度與能力較差，抑制了農業技術效率的提升。綜合來看，雖然老齡化的人力結構變化抑制了農業技術效率的提升，但也因此對技術進步形成了一種強有力的倒逼作用，而且從當前情況來看，這種作用力所引起的農業綠色全要素生產率的提升效果要遠遠高于技術效率的提升效果。

從地區差異來看，東部、中部、西部三個地區的農業綠色全要素生產率指數及其分解值均表現出波動變化趨勢，其中，中部地區的波動幅度相對較大，需要說明的是，除少量年份外，東部地區在研究期間的GM指數始終相較西部地區更低，且存在明顯差距。可能的原因是，東部地區多為沿海發達經濟帶，城市經濟遠遠領先于農村經濟，農村人口向城市的流動情況要更加嚴重，農村老齡化更加嚴重，這一點從表1的結果同樣得到了驗證。從分解值來看，在技術效率層面，東、中、西部地區技術效率漲幅均小于0，2020—2021年的技術效率值相較2011—2012年分別下降了0. 091、0. 032、0. 102，同時，東部地區大多年份的技術效率值始終保持在1以下的水平，說明東部地區的技術效率已經對農業綠色全要素生產率的增長起到抑制作用，且這種抑制作用正在不斷加劇；在技術進步層面，相較2010—2011年，東、西部地區技術進步值均出現增長，分別增長0. 106、0. 025，同時，各地區技術進步均值均在1以上，即說明各地區均以技術進步的增長作為綠色農業發展的主要動力。

3 研究設計

3. 1 樣本選擇與數據來源

該研究選取2011—2021年30個省份為研究樣本，采用了累積算法對農業綠色全要素生產率Global‐Malmquist指數進行測算。該研究相關數據來源于《中國統計年鑒》《中國人口與就業統計年鑒》《中國農村統計年鑒》、各省（直轄市、自治區）統計年鑒、中國宏觀經濟數據庫、EPS數據庫。部分缺失數據通過插值法補全。同時，為了緩解異方差的影響，作者對相關變量取自然對數處理。此外，為了緩解極端值的影響，該研究對相關連續變量在1%和99%水平上進行縮尾處理。

3. 2 變量定義

設定農業綠色全要素生產率（GTFP）為被解釋變量。以測算得到的農村勞動力老齡化系數（Old）作為核心解釋變量，同時增加了農村居民老年撫養比（Olda）作為解釋變量，用于穩健性檢驗，驗證農村勞動力老齡化系數對農業綠色全要素生產率的關系，具體可以通過非勞動年齡的老年人口數量與勞動年齡人口數量的比加以表示。綜合以往的研究，以及農村農業生產實際情況，研究設定了6 個控制變量，分別是一產占比（Str）、農業就業（Employ）、外商直接投資（FDI）、資源消耗（Oil）、受災面積（Disaster）、教育水平（Edu）。主要變量說明見表5。

3. 3 模型構建

該研究構建面板固定效應模型如式5，以驗證人口老齡化下農業人力資本對農業綠色全要素生產率的影響。

其中，下標i，t 分別表示個體省份、年份。被解釋變量為GTFPi，t 為i 省份在t 年的農業綠色全要素生產率指數，核心解釋變量Oldi，t 為i 省份在t 年的農業人口老齡化程度，Controls 為一系列控制變量。同時，在模型中控制了雙向固定效應，其中μi 表示個體固定效應，δt 表示時間固定效應。如果模型（5）中的系數β1 顯著為負，則說明人口老齡化顯著降低了農業綠色全要素生產率。

4 實證分析

4. 1 描述性分析

表6報告了主要變量的描述性統計結果，被解釋變量農業綠色全要素生產率GTFP 的均值為1. 11，中位數約為1. 09，且均值遠大于標準差，說明變量相對集中；解釋變量人口老齡化Old 均值和中位數均為0. 13，且最大值最小值近似在兩個標準差以內，說明數據接近正態分布。除外商直接投資（FDI）以外，其余所有控制變量均值均大于標準差，說明數據不存在過度分散問題。

4. 2 基準回歸結果

該研究采用面板固定效應模型估計模型（5），并使用異方差穩健標準誤，后文若未特殊說明，則處理方式與此一致。表7報告了農村人口老齡化對農業綠色全要素生產率的基準回歸結果。其中列（1）為僅控制時間固定效應的回歸結果，發現人口老齡化Old 系數為-0. 645 5，且在1%水平上顯著，說明農村人口老齡化對農業綠色全要素生產率存在抑制作用。列（2）控制了時間、個體固定效應，發現人口老齡化Old 系數顯著為負，且模型的擬合優度有較大程度上升。列（3）加入了一系列控制變量，控制了時間固定效應，發現核心解釋變量系數仍為負，且在1%水平上顯著為負。為緩解基本模型可能存在的遺漏變量問題，作者在列（4）中進一步控制了個體固定效應，此時Old 系數在1%水平上顯著為-1. 703 9，說明農村人口老齡化對農業綠色全要素生產率存在抑制作用，農村青年勞動力越多，農業綠色全要素生產率越高。綜上所述，上述結果驗證了該研究的基本假設H1a。

4. 3 內生性處理

農業污染不僅影響了數億農村人口的生產活動，而且還通過水、大氣和食品等渠道影響到農村人口的生活與健康，因此，該研究假設可能存在互為因果的內生性問題。此外，考慮到，該研究可能存在潛在的遺漏變量問題，作者使用了工具變量法，PSM傾向得分匹配，并且都在模型中控制個體固定效應，以減少內生性問題帶來的研究偏差。

4. 3. 1 工具變量法

第一，選擇滯后一期的農村人口老齡化系數作為工具變量。前一期的農村人口老齡化系數會影響當期的農村人口老齡化系數；同時，上一期農村人口老齡化系數不會直接影響當期的農業綠色全要素生產率，也即工具變量滿足外生性要求。表8的列（1）與列（2）報告了兩階段最小二乘法（IV-2SLS）的回歸結果。第一階段結果顯示，Old_L1系數為0. 645 1，滯后一期的農村人口老齡化顯著促進了當期的農村人口老齡化程度，也證明了工具變量與核心解釋變量的相關性。同時，Kleibergen‐Paap rk LM統計量為59. 79，說明工具變量沒有不可識別問題。此外，還進行了弱工具變量檢驗，Cragg‐Donald Wald F 統計量為179. 38，結果顯示，在1%水平上拒絕原假設，即所選變量并非弱工具變量，這驗證了該研究工具變量選取的合理性。列（2）報告了第二階段的回歸結果，Old 系數為-1. 980 3，且在5%顯著性水平下顯著，說明考慮了內生性問題后，該研究的基本結論依然穩健。

第二，選擇養老服務質量作為工具變量。該研究創新性地選擇養老機構床位數作為工具變量。首先，一個地區人口老齡化程度增加，會顯著提升養老服務需求，進而表現為養老機構數與養老機構床位數增長，也即工具變量滿足相關性；同時，地區養老服務質量更多表現為服務業的發展程度，而與農業沒有直接的關聯，進而與農業綠色全要素生產率沒有直接的聯系，即工具變量滿足外生性。養老機構床位數數據來源于國泰安數據庫（CSMAR）。值得一提的是，由于國泰安數據庫中關于養老機構床位數數據開始時間為2013 年，因此，在進行兩階段最小二乘法（IV‐2SLS）回歸中選擇的樣本時間為2013—2021 年，即270個樣本。表8列（3）、列（4）報告了IV‐2SLS的回歸結果。列（3）中IV系數顯著為正，說明農村人口老齡化系數越高，當地養老機構床位數越多。同時Kleibergen‐PaapWald rk LM統計量為11. 62，通過了不可識別檢驗，此外，Cragg‐Donald Wald F 統計量為11. 04，也即該工具變量還通過了弱工具變量檢驗。列（4）中Old系數在1%顯著性水平下顯著為負，說明該研究的基本結論仍然成立。

4. 3. 2 傾向得分匹配

考慮到農業綠色全要素生產率可能內生于所處省份特征，為進一步緩解內生性，該研究使用PSM傾向得分匹配方法來解決這一問題。具體而言，將農村人口老齡化系數（Old）按從大到小排序，將30%分位數作為分段點，取農村人口老齡化高于30%分段點的樣本為處理組，剩余樣本為對照組。并選取所有控制變量為匹配協變量，傾向得分通過logit模型計算，并使用1比4最近鄰匹配，剔除未匹配成功的樣本，最后使用匹配得到的樣本重新驗證農村人口老齡化與農業綠色全要素生產率的關系。表9列（1）報告了使用最近鄰匹配后的回歸結果，核心解釋變量Old 系數在1%顯著性水平下顯著為負，說明該研究的基本結論穩健。此外，作者還使用了半徑匹配、核匹配，列（2）、列（3）報告了相應的結果，人口老齡化系數顯著為負，說明傾向得分匹配后，該研究的基本結論依然成立。

4. 4 其他穩健性檢驗

4. 4. 1 替換解釋變量

考慮到該研究僅選擇了農村人口老齡化系數作為解釋變量，選取變量單一，結果可能存在一定偶然性。為了使該研究的結論更加穩健，參考以往的研究，使用農村居民老年撫養比（Olda）進行穩健性檢驗。其中，農村居民老年撫養比數據來源于中國人口統計年鑒。表10列（1）報告了替換解釋變量的回歸結果，在控制時間、個體固定效應后，回歸結果在1%水平上顯著為負，說明基本結論仍然穩健。

4. 4. 2 替換穩健標準誤

在之前的研究中，面板固定效應回歸模型均采用了異方差穩健標準誤。實際上，同一省份個體不同年份的擾動項往往存在自相關即聚類現象，而聚類穩健標準誤可以克服此類組內自相關問題。因此，為保證該研究的穩健性，作者選擇省份個體聚類穩健標準誤進行重新估計，并同時控制了個體和時間固定效應。表10列（2）匯報了相應的結果，Old 系數在1%顯著性水平下顯著為負，說明基本結論依然穩健。

4. 4. 3 替換樣本

該研究的研究對象為省一級，考慮到直轄市有著較大的經濟、政治特殊性，其農村農業發展程度特征與其他省份可能存在很大的不同，因此，該研究對直轄市樣本進行剔除，以進行穩健性檢驗。表10列（3）匯報了替換樣本的回歸結果，核心解釋變量系數仍在5%顯著性水平下顯著為負，說明基本結論仍然穩健。

5 機制分析

通過該研究的分析表明，農村人口老齡化可能通過創新水平提升來影響農業綠色全要素生產率，鑒于此，該研究進一步通過實證探究創新水平提升在其中的渠道機制作用。該研究采用逐步回歸法進行中介效應檢驗，并構建如下中介效應模型如式（6）～（8）：

其中，Mediator 是需要被檢驗的中介變量。下標i，t分別表示個體省份、年份。被解釋變量為GTFPi，t 為i 省份在t 年的農業綠色全要素生產率指數，核心解釋變量Oldi，t為i 省份在t 年的農業人口老齡化程度，Controls 為一系列控制變量，μi 表示個體固定效應，δt 表示時間固定效應。若β1、β2、β4 顯著，則說明Mediator 在人口老齡化與農業綠色全要素生產率中存在中介效應，同時，若β3 顯著，則存在部分中介效應；若β3 不顯著，則存在完全中介效應。

該研究選取了省份當年發明專利申請受理量來衡量創新水平。專利數據來源于中國統計年鑒，表11報告了創新水平提升的中介效應檢驗結果。其中，列（2）中Old系數在1%顯著性水平上為負，說明農村人口老齡化顯著抑制了創新水平，列（3）報告了Old 系數為-1. 577 3，中介變量Patent 系數為0. 025 7，且在10%顯著性水平下顯著，說明創新水平在人口老齡化與農業綠色全要素生產率中存在部分中介效應。此外，比較列（1）基準回歸中核心解釋變量系數與列（2）Old 的系數發現，在引入地區發明專利變量（Patent）后，農村人口老齡化系數與農業綠色全要素的負向關系有所減弱。因此，該研究H2a得以驗證。

6 異質性分析

6. 1 受教育程度

受教育年限是人力資本的重要構成要素，反映了農村勞動力的特征與賦能，其值越高，理論上表示其可以接受新型農業技術與知識的程度與能力越高，越有利于農業綠色全要素生產率的提升［35］。然而，有關實證研究對人力資本和農戶綠色生產行為存在爭議。如農戶采用無公害及綠色農藥的行為受教育水平的影響很小［36］。為驗證受教育程度是否影響農村人口老齡化對農業綠色全要素生產率的效應，作者進一步按區域人口受教育程度進行異質性分析。

參考馬春艷等［37］的研究，受教育程度用勞動力受教育年限表示。具體而言，勞動力受教育年限用老齡勞動力在不同學歷階段的人數總和分別乘以對應學歷階段所需的教育年限的平均值加以得到，其中小學為6年、初中為9年、高中為12年，大學為16年。同時，作者以受教育程度的中位數為間斷點，分為受教育強度高和低兩組。表12列（1）、（2）匯報了相應的檢驗結果。在兩組樣本中，僅有受教育程度低的組Old 系數顯著為負，說明僅在受教育程度低的區域中，農村人口老齡化水平會抑制農業綠色全要素生產率，而在受教育程度高的樣本中，兩者關系不顯著。可能的原因是，老齡化的人力資本結構變化導致農業生產參與者的整體思維呈現保守發展趨勢，同時，受教育水平高的主體，其受教育的時間段相對更靠前，獲取的知識更加陳舊，在保守思想的加持下，其對新技術更排斥，且轉而更相信自身早期所獲得的知識，因此老齡化系數與農業綠色全要素生產率不顯著。

6. 2 環境規制

已有研究發現地區環境規制與綠色全要素生產率密切相關。環境規制對綠色全要素生產率的影響不僅取決于環境規制程度的大小，同時也取決于環境規制工具的選擇［38］。具體到農業綠色全要素生產率，命令控制型環境政策規制對農業綠色全要素生產率和糧食安全均產生正向影響，市場激勵型碳排放交易規制對農業綠色全要素生產率和糧食安全分別產生了正向作用和負向作用，自愿參與型環保投資規制僅對農業綠色全要素生產率產生了顯著正向影響［39］。由于農業經營主體遵循利益最大化原則，在環境規制強度高的地區，經營主體往往面臨的環境管制更多，或者面臨的政策補貼更多，其青年勞動力更加可能關注到污染治理、綠色技術及綠色生產。因此，作者假設在不同環境規制強度地區，農業經營主體對綠色生產的激勵動機不同，相應的，農村人口老齡化對農業綠色全要素生產率的影響因地區環境規制強度存在差異。環境規制強度高的地區，農村人口老齡化對農業綠色全要素生產率抑制作用更大。

為檢驗上述假設，作者統計了30個省份工業廢水、工業二氧化硫、工業煙粉塵的數據，并通過熵值法得到了環境規制綜合指標。同時，作者以環境規制強度的中位數為間斷點，分為環境規制強度高和低兩組。表12列（3）、（4）匯報了相應的檢驗結果。兩組樣本中Old 系數均顯著為負，說明在不同環境規制的區域中，農村人口老齡化水平均會抑制農業綠色全要素生產率。同時，高環境規制強度組Old 系數的絕對值大于低環境規制強度組，說明環境規制強度高的地區，農村人口老齡化程度對農業綠色全要素生產率的負向作用更大。

6. 3 區域異質性

中國地域遼闊，地區間發展不平衡不充分問題突出，特別是中國各地區在經濟基礎、自然環境和農業生產水平等方面存在較大差異，且中國人口分布及老齡化程度也存在顯著的區域差異。總體而言，中國人口集中在胡煥庸線的東南方，中國農村老齡人口在空間上主要集中分布于東部沿海和南部，并呈現出向中部綿延的趨勢［40］。因此農村人口老齡化程度對農業綠色全要素生產率的影響可能具有區域異質性。

為檢驗上述假設，作者將中國分為東中西三個區域。表13匯報了相應的檢驗結果。其中，僅在西部地區，農村人口老齡化顯著抑制了農業全要素生產率，而在東部和中部兩組樣本中，核心解釋變量Old 系數不顯著。可能的原因是，西部地區社會經濟狀況相對較差，地方政府對老年群體的醫療與養老服務支出壓力相對更大，從而在一定程度上擠出對農業技術創新與應用以及農業高素質人才培養等方面的財政支出，導致其農村人口老齡化對農業綠色全要素生產率的抑制效應更加顯著。

7 結論與政策建議

推進農業農村綠色生產，以綠色農業發展帶動鄉村振興，具有重要的現實意義。該研究從人力資本視角探究制約農業綠色發展的關鍵要素，具體而言，作者以農村老齡化作為研究視角，探討了由農村老齡化引發的人力資本結構變化對農業綠色全要素生產率的影響。研究發現：①中國農村勞動力老齡化系數在十年內表現出了穩步上升的發展趨勢，早在2011年，中國農村勞動力老齡化系數已經超過了聯合國對國家老齡化界定的7%標準，說明農村老齡化是一個長期性問題，且隨著發展而愈演愈烈。②中國農業綠色全要素生產率及分解值在十年內均表現出波動變化趨勢，但各地區存在差異狀態，2011—2021年間，各地區GM指數變化幅度排序分別為中部、西部、東部地區。③農村老齡化的人力資本結構顯著抑制了農業綠色全要素生產率的提升，表現為青年勞動力有著更加積極的綠色生產動力。機制分析發現，創新水平提升在上述關系中起部分中介作用。異質性分析發現，在受教育程度低的地區以及西部地區，農村人口老齡化對農業綠色全要素生產率存在顯著的抑制作用，而在受教育程度高的地區以及東中部地區，農村人口老齡化對農業綠色全要素生產率的影響不顯著。相較于環境規制強度低的地區，環境規制強度高的地區農村人口老齡化對農業綠色全要素生產率抑制效應更加明顯。

基于上述研究結果，作者提出以下建議：①加強農業人才培育。對于農業經營個體，積極引導教育培訓其進行綠色生產。一方面，提升農民知識水平，宣傳和普及數字技術、綠色技術，積極引導在農業經營主體在農業生產過程中新型創新技術，另一方面，加強低碳環保的農業生產經營理念，提升農村農民綠色環保、綠色可持續生產觀念，實現綠色生產的內源動力提升。對于教育體系，中國應積極發展適應現代化綠色農業的學科建設，以鼓勵校企合作等方式推進綠色農業發展。②深入推進以農業為主導的三產融合型鄉村產業體系建設與發展。農業作為第一產業，在其相關產業鏈中處于基礎地位，然而也是傳統產業體系中的弱勢產業群體，在推進三產融合型鄉村產業體系時，勢必要突出農業的主導地位，充分保障農民群體的正當利益，才能切實推進綠色農業發展。政府應當在鄉村產業體系建設中發揮主導者角色，以解決“三農”問題、為人民服務的理念來引導鄉村產業走向融合，切實地落實好相關政策制定工作，明確農業的主體地位與農民群體的權益范圍，在提升農業附加值的同時，切實做到將這部分利益反饋到農民群體身上。③完善農業相關政策。積極貫徹黨的二十大精神，鞏固和完善農村基本經營制度，發展新型農村集體經濟，深化土地制度改革。發展新型農村集體經濟是農業規模化、現代化發展的必然基礎，從而實現綠色農業技術的集成化，可以有效促進綠色農業發展。地方政府應對低碳農業生產進行一定的政策鼓勵。同時，在保障農業正常發展、糧食供應健康的情況下，不同區域結合自身經濟發展特征、人口年齡結構，適當加大地區環境規制強度，以推進地區農業綠色生產。

參考文獻

［1］ 武漢大學“十四五”時期人口相關政策研究課題組.“十四五”時期人口相關經濟社會政策的思考與建議［J］. 中國人口·資源與環境，2020，30（6）：20-28.

［2］ 魏后凱. 中國鄉村振興綜合調查研究報告（2021）［M］. 北京：中國社會科學出版社，2022.

［3］ 趙夢晗，楊凡. 中國老年人的主觀年齡及影響因素分析［J］. 人口學刊，2020，42（2）：41-53.

［4］ 孫亞南. 農業勞動力轉移、人力資本投資與農村減貧［J］. 學習與探索，2020（11）：149-156.

［5］ 張宏勝. 中國農村人口老齡化對農業可持續發展的影響研究［J］. 農業經濟，2022（4）：83-85.

［6］ 彭魏倬加. 農村勞動力老齡化對農戶技術選擇與技術效率的影響［J］. 經濟地理，2021，41（7）：155-163.

［7］ 趙海濤，朱帆，常進雄. 老齡化背景下農村勞動力的年齡結構與非農轉移測度［J］. 華中農業大學學報（社會科學版），2020（5）：71-81，171.

［8］ 王善高，田旭. 農村勞動力老齡化對農業生產的影響研究：基于耕地地形的實證分析［J］. 農業技術經濟，2018（4）：15-26.

［9］ FOUGèRE M，MéRETTE M. Population ageing and economicgrowth in seven OECD countries［J］. Economic modelling，1999，16（3）：411-427.

［10］ 蔡昉. 勞動經濟學［M］. 北京：中國社會科學出版社，2015：16.

［11］ 王萍. 勞動力年齡和教育結構對經濟增長的影響研究：基于人力資本存量生命周期的視角［J］. 宏觀經濟研究，2015（1）：52-57，115.

［12］ 陸岐楠，張崇尚，仇煥廣. 農業勞動力老齡化、非農勞動力兼業化對農業生產環節外包的影響［J］. 農業經濟問題，2017，38

（10）：27-34.［13］ 張露，羅必良. 小農生產如何融入現代農業發展軌道：來自中國小麥主產區的經驗證據［J］. 經濟研究，2018，53（12）：144-160.

［14］ 王淑紅，楊志海. 農業勞動力老齡化對糧食綠色全要素生產率變動的影響研究［J］. 農業現代化研究，2020，41（3）：396-406.

［15］ CHUNG Y H，F?RE R，GROSSKOPF S. Productivity and undesirableoutputs：a directional distance function approach［J］. Journalof environmental management，1997，51（3）：229-240.

［16］ 陳詩一. 中國的綠色工業革命：基于環境全要素生產率視角的解釋（1980—2008）［J］. 經濟研究，2010，45（11）：21-34，58.

［17］ LIN E Y Y，CHEN P Y，CHEN C C. Measuring green productivityof country：a generlized metafrontier Malmquist productivity indexapproach［J］. Energy，2013，55：340-353.

［18］ 白穩. 我國東部地區綠色全要素生產率研究：基于DEAMalmquist的實證分析［J］. 經濟與管理，2014，28（5）：91-96.

［19］ FENG C，HUANG J B，WANG M. Analysis of green total‐factorproductivity in China’s regional metal industry：a meta‐frontier approach［J］. Resources policy，2018，58：219-229.

［20］ 鄧楚雄，趙浩，謝炳庚，等. 土地資源錯配對中國城市工業綠色全要素生產率的影響［J］. 地理學報，2021，76（8）：1865-1881.

［21］ 逯進，李婷婷. 產業結構升級、技術創新與綠色全要素生產率：基于異質性視角的研究［J］. 中國人口科學，2021（4）：86-97，128.

［22］ 郭海紅，劉新民. 中國農業綠色全要素生產率的時空分異及收斂性［J］. 數量經濟技術經濟研究，2021，38（10）：65-84.

［23］ 銀西陽，賈小娟，李冬梅. 農業產業集聚對農業綠色全要素生產率的影響：基于空間溢出效應視角［J］. 中國農業資源與區劃，2022，43（10）：110-119.

［24］ 李波，張俊飚，李海鵬. 中國農業碳排放時空特征及影響因素分解［J］. 中國人口·資源與環境，2011，21（8）：80-86.

［25］ 劉生龍，李軍. 健康、勞動參與及中國農村老年貧困［J］. 中國農村經濟，2012（1）：56-68.

［26］ 趙霞，韓一軍，姜楠. 農村三產融合：內涵界定、現實意義及驅動因素分析［J］. 農業經濟問題，2017，38（4）：49-57，111.

［27］ 劉輝煌，李子豪. 中國人口老齡化與碳排放的關系：基于因素分解和動態面板的實證分析［J］. 山西財經大學學報，2012，34（1）：1-8.

［28］ 陸杰華，劉暢. 區域性別文化影響視角下的性別收入不平等研究：基于2018 年勞動力動態調查數據的驗證［J］. 西北人口，2023，44（1）：15-28.

［29］ 史清華，鄧蘇昊. 老齡化時代的中國服務業發展［J］. 華南農業大學學報（社會科學版），2023，22（2）：74-86.

［30］ 韓振秋. 我國老齡化問題治理機制及路徑選擇研究［J］. 廣西社會科學，2019（12）：80-84.

［31］ 劉哲希，王兆瑞，陳小亮. 人口老齡化對居民部門債務的非線性影響研究［J］. 經濟學動態，2020（4）：64-78.

［32］ 汪偉，姜振茂. 人口老齡化對技術創新的影響機制分析：基于DFA方法的創新評價和動態面板模型［J］. 上海財經大學學報，2017，19（6）：4-17.

［33］ 王金營，李莊園，王冬梅. 中國人口長期發展目標研究：基于增強經濟實力的認識［J］. 人口研究，2022，46（4）：40-54.

［34］ PASTOR J T，KNOX LOVELL C A. A global Malmquist productivityindex［J］. Economics letters，2005，88（2）：266-271.

［35］ 尚娟，廖珍珍. 新型城鎮化對綠色全要素生產率的影響［J］. 統計與決策，2021，37（5）：116-119.

［36］ 蔡烏趕，周小亮. 中國環境規制對綠色全要素生產率的雙重效應［J］. 經濟學家，2017（9）：27-35.

［37］ 馬春艷，龔政，李谷成. 政府支持、FDI與農業技術創新：基于產出與效率的雙重視角［J］. 農林經濟管理學報，2020，19（1）：24-33.

［38］ 展進濤，徐鈺嬌. 環境規制、農業綠色生產率與糧食安全［J］.中國人口·資源與環境，2019，29（3）：167-176.

［39］ 李玲，陶鋒. 中國制造業最優環境規制強度的選擇：基于綠色全要素生產率的視角［J］. 中國工業經濟，2012（5）：70-82.

［40］ 袁俊，吳殿廷，吳錚爭. 中國農村人口老齡化的空間差異及其影響因素分析［J］. 中國人口科學，2007（3）：41-47，95.

（責任編輯：蔣金星）