更好的营养会促进农民的劳动参与吗？*——基于CHNS面板数据的实证分析

于大川

(广东金融学院 社会保障研究所，广州 510520)



更好的营养会促进农民的劳动参与吗？*
——基于CHNS面板数据的实证分析

于大川

(广东金融学院 社会保障研究所，广州 510520)

摘要：基于中国健康与营养调查(CHNS)1989—2011年的面板数据，使用Logit模型，从热量和主要营养素摄入两个方面实证分析营养对我国农民劳动参与的影响及结构性差异，结果表明：营养对农民的劳动参与有显著影响，热量、碳水化合物、蛋白质摄入具有正向影响，脂肪摄入则具有负面影响；营养对农民劳动参与的影响存在性别、年龄和时间差异，对女性农民的影响要高于男性农民，对老年农民的影响要高于中青年农民；热量、脂肪和蛋白质摄入的影响随时间变化逐渐增强，碳水化合物摄入的影响则呈现出先增强后减弱的变化趋势。扩大农民的劳动参与率应从改善农民的营养水平和营养结构入手，并且应注意根据不同的性别、年龄特征制订有针对性的政策措施。

关键词：营养；农民；劳动参与；营养效率；劳动效率；健康状况；热量；主要营养素；CHNS数据

一、引言

长期以来，“三农”问题一直是社会舆论和政策研究的焦点。“三农”问题的核心是农民问题，尤其是农民的收入问题。在社会经济快速发展的同时，城乡居民的收入差距不仅没有减小，反而有扩大趋势。因此，促进农民收入增长，实现城乡统筹发展迫在眉睫。要实现农民增收，首先要全面提高农民的劳动参与率，因为是否参与劳动是农民能否获得收入的前提。从这个角度上讲，关注和研究农民的劳动参与行为及其制约因素有着重要的现实意义。

国内已有文献对农民劳动参与(供给)的影响因素进行了广泛的研究，大致可归纳为以下方面：一是个体或家庭因素。庞丽华等(2003)对农村老年人劳动参与率的研究发现，农村老年人的劳动参与率较高，年龄、性别、健康、所承担的责任、居住方式和土地等个体和家庭因素是影响其是否劳动的主要因素。程名望等(2012)的研究发现，性别、干部身份、教育和培训、健康、家庭类型等因素对农民从事农村非农就业有显著影响。二是政策或制度因素。杨向阳等(2007)研究发现，公共投资对农民参与非农就业有显著促进作用。刘颖等(2014)对安徽省天长市的研究发现，农户对粮食补贴政策的满意度越高，其减少非农就业时间的可能性就越大。程杰(2014)对四川省成都市的研究发现，养老保障制度对农村居民的劳动参与率和劳动供给时间有明显的负向影响。徐庆等(2015)利用中国健康与养老追踪调查数据讨论了新农合制度对农村妇女劳动供给决策的影响，发现新农合制度显著促进了农村妇女的劳动供给。

可以看出，已有文献已经进行了较为深入的研究，但鲜有文献关注营养对农民劳动参与的影响。虽然一些文献探讨了健康与农民劳动参与(供给)之间的关系(刘生龙，2008；于大川 等，2015)，但这些文献主要考察了自评健康等指标衡量的健康状况对劳动参与的影响，并未将营养作为健康的一个重要维度进行研究。那么，营养究竟是否会影响农民的劳动参与？如果存在影响，其影响程度有多大？营养对农民劳动参与的影响是否存在结构性差异？本文将基于全国性的微观调查面板数据对上述问题做出系统解答，以期为全面提高农民的劳动参与率提供决策参考和经验依据。

二、理论分析

从微观角度来看，营养状况会通过以下两个渠道对个体的劳动参与(或一般性的劳动供给)行为产生影响：

一是劳动效率。营养效率假说(Leibenstein，1957)认为，与营养不良的劳动者相比，那些摄入了更多热量(卡路里)的劳动者具有更高的劳动效率，这表明营养不良会导致个体劳动效率下降，而劳动效率下降会对劳动者的劳动参与产生显而易见的负向影响。首先从劳动力需求和供给两个方面来分析劳动力市场的一般情况：一方面，劳动力需求方会在招聘过程中对所有求职者进行甄别，并通过一些可识别的外部特征，如身体是否单薄甚至身体高度等，将那些可能存在劳动效率低下问题的劳动者排除在雇佣范围之外(Mduma，2014)，这会使营养不良的劳动者很难获得就业机会*即使他们能够通过劳动力需求方的筛选实现就业，由于边际生产力低下，劳动力需求方也会采取措施迫使他们选择退出，因为一个以追求利润最大化为目标的厂商不可能长期为那些边际生产率低于工资率的工人支付工资(樊明，2002)。。另一方面，来自于劳动力需求方的甄别和筛选增加了那些营养状况差、劳动效率低的劳动者找工作的难度，提高了他们的就业成本，减弱了他们参与劳动的主观意愿*即使这部分劳动者能够顺利实现就业，其在工作中实际获得的工资水平也会低于预期工资，这可能最终导致他们选择退出劳动力市场(Vanwey et al，2013)。。此外，与营养不良相关联的劳动效率下降在一定程度上降低了劳动者的潜在收入能力，这相当于降低了他们选择闲暇的机会成本，其结果也会消减他们参与劳动的积极性。

与城市居民主要从事非农就业的情况不同，在中国农村地区，农民的劳动参与情况非常复杂，他们当中的大部分人会选择从事农业生产活动，但由于非农就业和农业生产收入差距的客观存在，也有相当一部分农民会进入劳动力市场寻求非农就业机会(孙顶强 等，2015)。对于参与非农就业的农民而言，上述分析成立，即营养不良会降低农民的非农劳动效率从而减少其获得非农就业机会的概率。然而对于参与农业生产的农民而言，由于属于“自雇行为”，因此其劳动参与行为不受劳动力需求方的影响，但营养同样会通过影响农业生产效率对农民的农业劳动参与产生作用，而且作用力会更强，这是因为农业生产大多属于中、重体力劳动，尤其需要良好的营养支持(王引 等，2009)。在营养不良的情况下，由于生产效率低下，农民从农业生产中获得的实际收益是不断下降的，闲暇机会成本随之降低，这些因素都会使得农民退出农业生产，转而选择闲暇或选择从事相对效用较高的其他家庭生产类型。

二是健康状况。劳动效率并不是联系营养与劳动参与的唯一渠道，在健康经济学中，营养摄入水平通常被视为健康状况的一个重要衡量指标(Schultz，2010)。伴随着营养状况变差，个体的健康水平往往会呈现同方向变化趋势，这是因为当营养摄入不足时，人体的能量均衡会被打破，人们将处于一种亚健康状态，而且长期的营养不良还会导致一些慢性疾病的发生，如低血糖、贫血等，从而使人们的健康受损(中国营养学会，2000)。营养不良导致的健康问题会使人们重新评价用于各类活动的时间价值，如工作、闲暇和健康生产等，并进行合理配置，进而实现个人效用最大化(Cai et al，2006)。通常情况下，随着人们健康状况的下降，人们会降低对工作时间的价值评价并减少劳动供给时间，转而将更多的时间分配到相对效用较高的闲暇和健康生产之上。尤其是当健康状况严重恶化时，人们将彻底地退出劳动市场，成为一个非劳动参与者。

以上分析表明，营养不良通过影响劳动效率和健康状况从而使个体的劳动参与概率降低。但在某些情况下，上述理论推断并不成立。例如，由于营养欠佳导致的劳动效率和收入降低可能会产生一种“收入效应”，这会使劳动参与率不降反升(Dwyer et al，1999)。此外，营养不良引发的健康问题意味着个体对医疗服务的需求增加，此时个体会更积极地参与劳动并获得足够高的收入，用以满足增加了的医疗服务需求(Brown et al，2010)。因此，虽然许多经验研究找到了营养与劳动参与正相关的证据，但从理论上讲，营养对劳动参与的影响方向仍然是不确定的。

三、数据、变量与模型

1.数据来源

本文研究所用数据来源于中国健康与营养调查(China Health and Nutrition Survey，CHNS)*CHNS数据地址为：http：//www.cpc.unc.edu/projects/china。，该数据由美国北卡罗来纳大学卡罗来纳人口研究中心和中国疾病与预防控制中心营养食品安全研究所联合组织实施。调查的主要目的有两个：一是为了检验中国健康、营养和计划生育政策的实施效果，二是为了分析经济社会转型对中国人口健康与营养状况的影响。截至目前，该调查一共进行了9次*调查年份分别是1989年、1991年、1993年、1997年、2000年、2004年、2006年、2009年和2011年。，调查范围涉及中国的9个省区*9个省区分别为：辽宁、黑龙江、江苏、山东、河南、湖北、湖南、广西和贵州。、4 400个家庭和26 000多个个体。

本文采用CHNS所有调查年份的面板数据。在数据处理上：首先，由于以农民作为研究对象，因此以户口类型为依据将城镇居民剔除；其次，在校学生有充分理由不参与劳动，因此将在校学生剔除；最后，考虑到自然衰老引起的健康问题可能对劳动参与产生的负面影响，将研究对象年龄限定为18~65岁。这样，在删除缺失和极端数据后，共获得17 204个有效样本。

2.变量选取

(1)因变量：劳动参与状况。变量构造基于CHNS问卷中“你现在有工作吗？”的询问，该问题有“是”和“否”两个选项，分别赋值为“1=参与劳动”、“0=未参与劳动”。

(2)自变量：营养状况。选取热量摄入和主要营养素摄入两个衡量指标。热量摄入反映了营养状况“总量”，主要营养素(碳水化合物、脂肪、蛋白质)摄入则反映了营养“结构”状况。营养变量数据来自于CHNS中的营养膳食调查问卷。

(3)控制变量：包括性别、年龄及其平方项、受教育年限、婚姻状况、对家庭儿童的照顾行为等，此外，调查省区、年份也被纳入到模型中以控制省际差异和时间变化对劳动参与的影响。变量的基本情况见表1。

表1　变量定义及描述性统计

注：(1)Calories、Carbo、Fat、Protn取值均为原值；(2)按是否有配偶对Marriage进行分类：第一类是包括在婚和分居在内的在婚状态，第二类是包括未婚、离婚和丧偶在内的不在婚状态。

3.模型选择

农民的劳动参与(LFP)可表示为营养(Nutrition)和其他社会经济因素(X)的函数。考虑到使用的是面板数据，计量模型可表示为：

LFPit=β0+β1Nutritionit+β2Xit+ui+εit

(1)

其中，LFPit、Nutritionit分别表示第i个农民在t时期的劳动参与状况和营养状况，Xit为控制变量的向量，ui代表不随时间变化的个体异质性，εit为随个体和时间变化而变化的扰动项，β为待估计参数。

对某个特定的农民来说，他要么参与劳动，要么不参与，因此LFP是一个二值离散变量，取值为1或0。对于因变量为离散变量的情形，本文采用以往文献中常用的Logit模型进行估计。模型形式如下：

(2)

式(2)中，Z是包括营养(Nutrition)在内的一系列自变量的向量，β为要估计的参数，G是一个Logistic随机变量的累积分布函数，可表示为：

(3)

这样，式(2)对所有参数和Z的值都严格介于0~1之间，是一个非线性模型，可以使用极大似然法(MLE)得到参数的估计值。

四、实证结果与分析

本文从热量和主要营养素摄入两个维度分别检验营养对农民劳动参与的影响。为了检验营养对不同特征(性别、年龄)农民劳动参与影响的差异，除了对总体样本进行回归分析之外，还分别对男性、女性农民样本以及18~50岁、51~65岁*此处对年龄所做的分组参考了Cai 和 Kalb(2006)的做法，将18~50岁年龄组的农民定义为中青年农民，将51~65岁年龄组的农民定义为老年农民。农民样本进行了回归分析(见表2、表3)。实证分析使用的是Stata 12.0统计软件。

1.热量摄入对农民劳动参与的影响

表2中总体样本的回归结果显示，热量摄入通过了显著性检验，在1%的水平上显著相关，且回归系数为正。这表明农民摄入的热量越高，其参与劳动的可能性越大。平均而言，日均热量摄入量每提高1%，农民参与劳动的概率就会提高6.05%*此处的概率值是热量摄入对劳动参与的边际效应，后面的概率值均为边际效应。。对此，可能的解释是，农民所从事的农业生产和非农就业大都属于体力劳动，劳动强度较大，这意味着要参与这些类型的劳动，必须要有较为强壮的身体作为支撑，否则将难以适应。热量摄入的增加可以在一定程度上提高农民的“身体资本”，增强农民的生产活动参与能力，而在热量摄入不足的情况下，这种促进作用会更明显*根据中国营养学会(2000)制定的参考标准，从事中、重体力劳动的成年人日均热量摄入参考量分别为2 500kcal和2 950kcal，而样本农民的日均热量摄入量约为2 506kcal。。此外，热量摄入还可以改善农民的“健康资本”，使其保持良好的健康状态，从而提高劳动参与概率。

表2中男性、女性样本的回归结果显示，热量摄入在男性和女性样本中均通过了显著性检验，在1%的水平上显著相关，回归系数皆为正。从影响程度上看，热量摄入对女性农民劳动参与的影响要大于男性农民，存在明显的性别差异。平均而言，每增加1%的日均热量摄入，男性和女性农民的劳动参与率将分别提高3.96%和8.03%。这是因为相比男性农民，女性农民的身体素质普遍较弱，特别是在力量和体力方面处于“劣势”，因此她们只有在摄入更多热量时才有可能适应强度较大的体力劳动，否则，她们将会放弃参与劳动，转而从事具有“相对比较优势”的家务劳动等。

表2中中青年、老年样本的回归结果显示，热量摄入在中青年和老年农民样本中均通过了显著性检验，在1%的水平上显著相关，回归系数皆为正。从影响程度上看，热量摄入对老年农民劳动参与的影响程度要大于中青年农民，存在明显的年龄差异。平均而言，每增加1%的日均热量摄入，中青年和老年农民的劳动参与率会分别提高5.11%和9.26%。这是因为相对于中青年农民，老年农民的身体健康状况普遍较差，充足的热量摄入能够使其保持较充沛的体力和良好的健康水平，进而促进他们的劳动参与行为。

表2　热量摄入对农民劳动参与影响的Logit模型回归结果

注：(1)***、**、*分别表示在1%、5%和10%的水平上显著相关；(2)括号内是标准误；(3)Calories取原值的对数值。

此外，从回归结果中还发现了一个有趣的现象，那就是婚姻状况对中青年农民的劳动参与有着非常显著的影响，而对老年农民的影响不显著。可能的解释是，随着年龄的增长，老年农民在家庭中将不再扮演抚养者或赡养者的角色，特别是家庭中的子女长大成人后，他们就成了被赡养者。在没有沉重家庭负担的情况下，婚姻状况对其劳动参与将不再产生影响。

2.主要营养素摄入对农民劳动参与的影响

表3中总体样本的回归结果显示，碳水化合物、脂肪、蛋白质三种主要营养素摄入均通过了显著性检验，但影响方向不尽一致。其中，碳水化合物和蛋白质摄入对农民的劳动参与有正向影响，平均而言，每增加1%的日均碳水化合物和蛋白质摄入会使农民的劳动参与概率分别提高9.45%和1.58%。这是因为碳水化合物和蛋白质不仅是人体能量的主要来源，还具有调节代谢、降低慢性病发生率等重要的生理功能，适量摄取能够使人们保持良好的健康和活动水平。从总体样本的描述结果看，我国农民存在碳水化合物、蛋白质摄入不足的问题*根据中国营养学会(2000)制定的参考标准，中国成年人碳水化合物供给热量比例以62.7%~68.3%为宜，而样本农民的碳水化合物热量供给比例约为63.42%。中国成年人每日所需蛋白质摄入量按性别和劳动强度有所不同：在轻体力劳动情况下，男性为75g，女性为65g；在中体力劳动情况下，男性为80g，女性为70g；在重体力劳动情况下，男性为90g，女性为80g。而样本农民的平均蛋白质摄入量为70.73g。，因此增加这两类营养素的摄入将有利于促进其劳动参与水平。而脂肪摄入对农民的劳动参与有负向影响，平均而言，每增加1%的日均脂肪摄入会使农民的劳动参与率降低0.82%，这与当前农民不合理的营养结构有关。近年来，随着物质生活水平的提高，人们日均摄入脂肪量严重超标，与脂肪有关的疾病发病率逐年上升。从总体样本的描述结果看，农民在一定程度上存在脂肪摄入过度的问题*根据中国营养学会(2000)制定的参考标准，中国成年人脂肪供给热量比例以20%~25%为宜，而样本农民的脂肪热量供给比例约为24.42%。，脂肪过量摄入导致的肥胖及健康问题可能会对农民的劳动参与产生负向影响。

表3　主要营养素摄入对农民劳动参与影响的Logit模型回归结果

注：(1)***、**、*分别表示在1%、5%和10%的水平上显著相关；(2)括号内是标准误；(3)Carbo、Fat、Protn均取原值的对数值。

表3中男性、女性样本的回归结果显示，碳水化合物、蛋白质摄入在男性和女性农民样本回归中均通过了显著性检验，且回归系数皆为正，这表明随着这两种营养素摄入的提高，农民的劳动参与率将会增加。同时也可以看到，这两种营养素对不同性别农民劳动参与的影响程度是不同的，对女性农民的影响要大于男性农民。平均而言，每增加1%的日均碳水化合物摄入量，可使男性和女性农民劳动参与率分别上升5.63%和13.62%；每增加1%的日均蛋白质摄入量，可使男性和女性农民劳动参与率分别上升0.32%和3.23%。脂肪摄入对男性农民的劳动参与有显著的负向影响，但对女性农民的影响不显著。

表3中中青年、老年农民的回归结果显示，碳水化合物、蛋白质摄入在不同年龄段农民样本回归中均通过了显著性检验，且回归系数皆为正。但从影响程度来看，这两种主要营养素对老年农民的影响要大于中青年农民。平均而言，每增加1%的日均碳水化合物摄入量，会使中青年和老年农民的劳动参与率分别提高7.03%和18.66%;每增加1%的日均蛋白质摄入量，会使中青年和老年农民的劳动参与率分别提高1.02%和4.39%。脂肪摄入对不同年龄段农民劳动参与的影响也有差异，对老年农民有显著的负向影响，但对中青年农民的影响不显著。

3.进一步的讨论

为了进一步探求营养对农民劳动参与影响的变化趋势，同时进行稳健性检验，本文还考察了不同调查年份下热量和主要营养素摄入对农民劳动参与影响的差异(见表4~表5)。受篇幅所限，表4~表5中均省去了控制变量的回归结果。

表4　热量摄入对农民劳动参与影响的Logit模型回归结果(按调查年份)

注：(1)***、**、*分别表示在1%、5%和10%的水平上显著相关；(2)括号内是标准误；(3)Calories取原值的对数值；(4)CV表示控制变量。

如表4所示，在所有调查年份中，热量摄入对农民的劳动参与均有显著的正向影响，并且随着时间的推移，热量摄入对劳动参与的影响程度呈现出逐渐增强的趋势。这说明热量摄入在农民的劳动参与决策中起到了越来越重要的决定性作用。这一变动趋势与农民长期以来热量摄入水平较低的现象密切相关，也与热量所具有的多样化“功能”有关。充足的热量摄入不仅使农民拥有更好的“身体资本”，同时还改善了他们的“健康资本”。这些都会使农民在高强度的生产活动中保持较高的劳动效率和预期收益，进而提高他们参与劳动的积极性。

如表5所示，碳水化合物摄入在所有调查年份中均对农民的劳动参与有显著的正向影响，但其影响程度并不是逐渐提高的，而是呈现出先增强后减弱的“倒U型”变化趋势。可能的解释是：碳水化合物通常被认为是最“廉价”的营养来源，主要来自于谷物和水果。在温饱问题无法有效解决的情况下，充足的碳水化合物摄入必然有助于提高农民的劳动参与概率，但20世纪80年代末期以来随着农民生活水平的改善，碳水化合物对农民劳动参与的影响也随之减弱。脂肪摄入对农民的劳动参与有着显著的负向影响，并且随着时间的推移，这种负向影响的程度越来越大，这与营养结构不合理导致的脂肪摄入过量有关。随着经济状况的改善，人们的脂肪摄入存在超标问题，过量的脂肪摄入不仅会影响农民的劳动效率，还会损害其健康状况，从而对劳动参与产生负面影响，而且这种负面影响会随着脂肪摄入量的提高而增大。蛋白质对农民的劳动参与有着显著的正向影响，并且其影响程度随时间的推移而逐渐提高。这是因为蛋白质作为更“高级”的营养来源，不仅具有供给热量的功能，还具有运输、调节、催化、免疫等其他多种生理功能。随着时间推移以及蛋白质摄入水平的提高，蛋白质摄入对农民劳动参与的影响程度越来越大并不难理解。

表5　主要营养素摄入对农民劳动参与影响的Logit模型回归结果(按调查年份)

注：(1)***、**、*分别表示在1%、5%和10%的水平上显著相关；(2)括号内是标准误；(3)Carbo、Fat、Protn均取原值的对数值；(4)CV表示控制变量。

五、结论与建议

本文基于中国健康与营养调查(CHNS)1989—2011年的面板数据，使用Logit模型，从热量和主要营养素摄入两个方面实证检验营养对农民劳动参与的影响及结构性差异，得到如下主要研究结论：(1)营养显著影响着农民的劳动参与率，其中，热量、碳水化合物、蛋白质摄入对农民的劳动参与有正向影响，而脂肪摄入则具有负向影响。(2)营养对农民劳动参与的影响存在性别、年龄和时间差异。首先，热量、碳水化合物和蛋白质摄入对女性农民劳动参与的影响要高于对男性农民的影响；其次，几乎所有的营养变量对老年农民劳动参与的影响都要高于对中青年农民的影响；最后，热量、脂肪和蛋白质摄入对农民劳动参与的影响随时间变化逐渐增强，而碳水化合物摄入的影响则呈现先增强后减弱的“倒U型”趋势。

既然营养是影响农民劳动参与率的重要因素之一，因此有必要采取相应措施来强化营养对提高农民劳动参与率的促进作用。从研究结论可以看出，营养对劳动参与的正向影响主要来自于热量、碳水化合物和蛋白质摄入量的增加，因此提高农民总体营养摄入水平，特别是高质量营养素摄入水平将是一个有益的努力方向。营养对劳动参与率的负向影响主要来自于脂肪摄入量的增加，因此采取措施调整和改善农民的营养摄入结构也将收到明显的政策效果。此外，鉴于营养对农民劳动参与的影响存在着性别、年龄差异，针对农村地区女性和老年群体的营养改善计划的实施将有助于他们做出更为积极的劳动参与决策。当然，所有上述政策方向均需要政府部门的“三农”政策作为支撑。具体而言，着眼于现在，应重视农村地区的营养健康教育，尤其是科学膳食知识的宣传普及；实施针对农村地区，特别是农村贫困地区的营养投资计划；着眼于将来，应致力于发展现代农业，尤其是实现畜牧业、渔业的现代化发展，并制定有效的农产品价格保护机制，以丰富农村地区的物质资源及减轻农民的负担，从根本上改善他们的营养状况。

参考文献：

程杰.2014.养老保障的劳动供给效应[J].经济研究(10)：60-73.

程名望，潘烜.2012.个人特征、家庭特征对农村非农就业影响的实证[J].中国人口·资源与环境(2)：94-99.

樊明.2002.健康经济学：健康对劳动市场表现的影响[M].北京：社会科学文献出版社.

刘生龙. 2008.健康对农村居民劳动力参与的影响[J].中国农村经济(8)：25-33.

刘颖，董春玉.2014.粮食补贴政策对农户非农就业时间的影响分析——基于安徽省天长市的调研数据[J].华中农业大学学报(社会科学版)(4)：43-49.

庞丽华，ROZELLE S，BRAUW A. 2003.中国农村老人的劳动供给研究[J].经济学(季刊)(3)：721-730.

孙顶强，冯紫曦.2015.健康对我国农村家庭非农就业的影响：效率效应与配置效应——以江苏省灌南县和新沂市为例[J].农业经济问题(8)：28-34.

王引，尹志超.2009.健康人力资本积累与农民收入增长[J].中国农村经济(12)：24-31.

许庆，刘进.2015.“新农合”制度对农村妇女劳动供给的影响[J].中国人口科学(3)：99-107.

杨向阳，赵蕾.2007.公共投资对农业生产率和非农就业的影响研究[J].农业经济问题(12)：41-49.

于大川，赵小仕. 2015.健康对农民劳动参与的影响：基于CHNS数据的实证研究[J].农业现代化研究，36(6)：155-159.

中国营养学会. 2000.中国居民膳食营养素参考摄入量[M].北京：中国轻工业出版社.

BROWN S，ROBERTS J，TAYLOR K. 2010. Reservation Wages，Labour Market Participation and Health [J]. Journal of the Royal Statistical Society，173(3)：501-529.

CAI L，KALB G. 2006. Health Status and Labour Force Participation：Evidence from Australia [J]. Health Economics，15(3)：241-261.

DWYER D S，MITCHELL O S. 1999. Health Problems as Determinants of Retirement： Are Self-rated Measures Endogenous? [J]. Journal of Health Economics(18)：173-193.

LEIBENSTEIN H. 1957. Economic Backwardness and Economic Growth： Studies in the Theory of Economic Development [M]. Wiley New York.

MDUMA J K. 2014. Gender Differences in Rural Off-Farm Employment Participation in Tanzania： Is Spatial Mobility an Issue? [J]. African Journal of Economic Review，2(1)：3-24.

CLC number：F249.21；D422.7Document code：AArticle ID：1674-8131(2016)01-0010-09

(编辑：朱德东；段文娟)

SCHULTZ T P. 2010. Health Human Capital and Economic Development [J]. Journal of African Economies，19(3)：12-80.

VANWEY L，VITHAYATHIL T. 2013. Off-farm Work among Rural Households：A Case Study in the Brazilian Amazon [J]. Rural Sociology，78(1)：29-50.

Does Better Nutrition Raise Farmers’ Labor Participation?—Empirical Analysis Based on CHNS Panel Data

YU Da-chuan

(Social Security Institute, Guangdong University of Finance, Guangzhou 510520, China)

Abstract:Based on the panel data from China health and nutrition survey (CHNS) from 1989 to 2011, by using Logit model, this paper empirically investigates the effect and difference of nutritional health on farmers’ labor participation from the two perspectives of calorie and nutrition factors. Results show that both calorie and main nutrient intake have a significant effect on the farmer’s labor participation, that calorie, carbohydrate and protein intake has positive effect, however, fat intake has negative effect, that the influence of nutrition on farmers’ labor participation has difference in gender, age and time, that the effect on women farmers is higher than the male farmers, that the effect on elderly farmers is higher than the young and middle-aged farmers, the effect of calories, fat and protein intake increases with the changing of time, and that the effect of carbohydrate intake presents a trend of rise first then fall. These results suggest that in order to increase the farmers’ labor participation rate, the government should not only enhance and improve the peasants’ nutrition level and nutrition structure, but also make the targeted policies according to farmers’ characteristics such as gender and age.

Key words:nutrition; farmer; labor participation; nutrition effect; labor effect; health condition; calorie; main nutrition materials; CHNS data

中图分类号：F249.21；D422.7

文献标志码：A

文章编号：1674-8131(2016)01-0010-09

作者简介：于大川(1981—)，男，山东莱西人；讲师，管理学博士，在广东金融学院劳动经济与人力资源管理系任教，主要从事健康经济、医疗保险研究。

基金项目：教育部哲学社会科学重大课题攻关项目(13JZD019)；广东省普通高校青年创新人才类项目(2014WQNCX134)；广东金融学院科研课题一般项目(14XJ02-10)

收稿日期：*2015-08-18；修回日期：2015-10-09

DOI：10.3969/j.issn.1674-8131.2016.01.002