农业劳动力性别结构对粮食生产的影响——基于CFPS数据的实证分析

冷智花 行永乐 钱 龙

(1.湘潭大学 商学院，湖南 湘潭 411105；2.南京财经大学 粮食和物资学院，江苏 南京 210003)

一、问题的提出

时至今日，中国传统的“男耕女织”的家庭分工模式已然改变，取而代之的是半工半耕和女耕男工模式，女性已经超过男性成为粮食种植的重要劳动力。Luo(2018)根据2011年全国931个村庄的抽样数据结果，发现从事农业生产的女性比例已高达69.89%。在城镇化进程中，中国农业劳动力性别结构转变既是女性劳动力向非农部门转移滞后的结果，也是农户家庭内部分工的最优决策(蔡弘 等，2017；Pattnaik et al. ，2020)。男性外出务工的机会与工资水平明显高于女性，而在家务劳动、老人孩子照料方面女性较为擅长，导致女性更多留守在农业领域(许秀川 等，2017)。那么，这会对粮食生产和粮食安全产生何种影响？农业劳动力性别结构转换会影响农业可持续发展吗？

中国农户的土地经营呈现细碎化(许秀川 等，2017)，耕种规模也普遍偏小，农业劳动力无论是数量上还是结构上的变动，都会对农业发展产生重要的影响。农业劳动力性别结构的变动是否对农业产生负面影响，从而危及中国农业的可持续发展？如何确保农业劳动力女性化趋势下国家粮食安全？这些都是农业现代化发展进程中亟待研究和解决的重要问题。

二、文献综述

性别差异对农业生产的影响一直是学术研究的热点问题。20世纪80年代至20世纪90年代的大部分学者认为，农村女性劳动力的农业生产效率和男性劳动力是相同的(Udry，1996)。后续的研究中，Zhang et al.(2004)采用中国家庭微观数据，也发现女性经营耕地的农业收入并没有低于男性。由于中国南北方农业生产差异性较大，彭代彦等(2016)根据中国26个省份的面板数据，运用超越对数随机前沿分析方法研究了农村女性劳动力对粮食生产技术效率的影响以及南北区域差异，他们发现农业女性劳动力显著提高了北方的粮食生产技术效率。Song et al.(2009)也表达了对农业女性劳动力从事农业生产的积极看法，认为女性劳动力如果拥有充分的农业技术支持和对接市场的能力，可以有效改善中国农业的发展。文华成(2014)使用中国宏观截面农业数据，针对农业劳动力女性化对农业生产的影响进行实证分析，发现农业劳动力女性化对农业生产规模有积极影响。Aly et al.(2010)基于尼泊尔国家数据，发现一旦控制农业灌溉强度和种植农作物种类，农业女性劳动力的农业生产效率与男性劳动力没有显著差异。Alene et al.(2008)在研究肯尼亚西部地区农业女性劳动力对农业发展的影响时，也发现无论在资源利用方面还是人力资本方面，女性和男性都有相同的农业生产效率。

另一部分学者却持不同观点。Quisumbing et al.(2001)发现，加纳地区女性管理的农作物耕地产量更低，并且指出可能是因为女性在土地资源获取方面存在困难。Campos et al.(2016)则认为传统单纯的性别变量不能识别女性在农业生产中发挥的作用，因此，从户主为女性、农地的所有者为女性以及农地管理者为女性三个方面使用乌干达国家调查数据，考察农业生产中性别效率的差异，结果发现，农地管理者为女性时，男女的农业效率有显著差异。Owusu et al.(2017)基于加纳北部的微观数据使用随机前沿方法，在解决内生性问题后，发现当稻田品质相似时，男性更高的种植率和施肥率造成女性平均产量要低于男性。Kilic et al.(2015)量化了性别差异对农业生产效率的影响，发现女性农业生产效率要比男性低22%～37%，且该差异大部分是由于性别差异先天造成，而少儿抚养、男性非农就业以及农肥滥用会放大这一差异。Andrews et al.(2015)使用乌干达国家家庭调研数据考察了性别差异对农业生产效率的影响，发现低生产效率的农地往往投入更高的女性劳动力，更进一步，他们指出要提高总的国家农业生产效率需要将女性掌管的农地流转到男性手中。李旻等(2009)采用中国辽宁省四年面板数据进行实证分析，发现劳动力女性化不利于农业生产发展，并指出男女同耕的作业形式才有利于农业发展。Peterman et al.(2011)基于尼日利亚和乌干达数据，使用多元Tobit模型，发现在控制社会经济变量、农业投入以及种植选择后，女性拥有农地的生产效率小于男性，但是强调该差异与农作物种类和农地本身特征也有一定的联系。考虑到农作物种类的差异，杨进等(2016)使用宏观省级层面数据，探讨女性对经济作物种植和粮食作物种植的影响，发现女性劳动力比例越高的地区，粮食种植面积的比例越低。

综上所述，学术研究仍未就性别差异对农业发展的影响达成一致意见，大多从单一角度来测度粮食种植的性别效率差异，且没有结合宏观发展环境来谈农业劳动力性别结构转变的机制，也没有考虑农业现代化发展在性别差异与种植效率间可能的作用。由于剩余劳动力的存在，家庭农业收入与农业人均产出的变化可能存在不一致性(冒佩华 等，2015a)。本文从家庭实际种植面积、家庭粮食纯收入和家庭粮食亩产价值多维角度来研究粮食种植性别效率差异，试图探寻城镇化背景下，农业劳动力性别结构发生改变后对粮食生产的影响，以及是否会危及粮食安全，进而探究随着农业机械化水平的提升和专业分工的深化，性别差异是否依然显著。

本文可能的贡献在于：一是从微观决策视角透析家庭分工决策机制和最优化选择，探讨城镇化背景下家庭分工模式和性别结构转变对粮食生产和粮食安全的影响；二是考虑农业机械化发展和专业化分工发展对劳动力的替代效应，探讨技术与分工对劳动力性别差异的削弱作用。

三、理论分析

(一)农村劳动力迁移与农业种植主体性别结构变化的行为决策分析

随着非农就业机会不断增加，大量农村劳动力纷纷走出农村奔向城市实现非农就业，率先进入城市工作的更多的是男性劳动力。本文基于托达罗模型，且在该模型的基础上将城市劳动力需求曲线视为是不断变化的，分阶段讨论农村劳动力迁移过程中参与农业种植主体的变化过程(陈飞 等，2015)。

图1 农村劳动力迁移与农业种植主体变化

扩展的托达罗模型如图1所示。其中，横坐标表示城市和农村的劳动力数量，城市的坐标原点在Oc，农村的坐标原点在Ov；纵坐标表示城市和农村的工资水平；AAi(i=1，2，3)为不同阶段城市劳动力需求曲线，BB1为农村的劳动力需求曲线。因为农村劳动力转移到城市，往往先被非正规部门接受，再向正规部门转移，且存在制度因素的限制，所以定义AA0段为城市正规部门的劳动力需求曲线，A0Ai(i=1，2，3)为城市非正规部门的劳动力需求曲线。托达罗模型认为，农村劳动力的迁移决策取决于预期的城乡工资差异，而预期的工资差异由实际的城乡工资差异和成功城市就业的概率综合决定。基于这一农村劳动力人口流动机理，按照各阶段迁移目标对象的不同，将农村劳动力流动分为三个阶段。第一阶段，农村剩余劳动力迁移阶段：A0A1与BB1相交于均衡点E，确定城市与农村的均衡工资水平U1=R1，城市的劳动力数量为OcL1，农村的劳动力数量为OvL1。由于城市工业化的发展，非农就业岗位激增，而农村人多地少，出现部分闲置劳动力，所以该部分剩余劳动力向城市迁移，外出务工。此阶段，农业种植仍为传统的“男女同耕”作业。第二阶段，农村有效劳动力迁移阶段：由于城市现代化的推进和第三产业比重的不断加大，城市非正规部门劳动力需求增加，需求曲线上升至A0A2，达到均衡时A0A2与BB1相交于F点，均衡工资水平上升到U2=R2，城市的劳动力数量为OcL2，农村的劳动力数量为OvL2。耕种技术的进步和政府农业补贴政策的出台，使得农业种植效率提高，降低了对农业劳动力数量的要求，将部分农村劳动力从农业种植中解放出来。巨大的城乡预期工资差距和城市就业机会吸引农村有效劳动力放弃农业种植，选择外出打工赚钱，且农村人口迁移以男性劳动力为主，妇女、儿童和老人留守农村。该阶段，一部分家庭出现农户兼业化行为，女性担起家庭农业种植的重任，男性闲时外出务工，农忙时节返乡务农、半工半耕，农业劳动力中女性的比重持续上升。第三阶段，农村劳动力女性化阶段：城市非正规部门劳动力需求曲线上升至A0A3，曲线A0A3与曲线BB1在G点达到均衡状态，均衡工资水平为U3=R3，城市的劳动力数量为OcL3，农村的劳动力数量为OvL3。由于外出务工的高工资和不断增加的就业机会，男性劳动力不再参与家庭的农业种植，专门从事非农生产活动，而留守农村的女性接过农业种植的大旗，从事播种、施肥、打药和收割等农业活动，农业劳动力出现女性化特点。

根据二元经济理论和托达罗模型，上文分析了城镇化背景下农村劳动力由农业向工业，从农村到城市迁移的机制。户籍制度限制了人口的有效迁移，导致了中国农户家庭分工大多呈现“男工女耕”，即男性在城市打工，女性在农村务农照顾家庭。考虑到女性在体力方面弱于男性，且女性通常需要照顾家庭，难以全身心投入到农业生产中。此外，男性外出务工获得的收入能够有效提升家庭收入水平，农业收入的重要性下降，留守人员已经不倾向依赖农业经营来改善家庭福利。因此，在农业日渐呈现弱质化的时代背景下，提出：

假说1：农户家庭分工发生转变，农业劳动力性别结构趋于女性化不利于粮食生产。

(二)机械化程度、专业分工视角下粮食种植的性别差异分析

中国农业种植以小规模经营为主，农户实际种植面积绝大多数小于最优的土地种植面积。随着农村男性劳动力外出务工，留守女性由于家庭劳动力供给不足、生产技术匮乏、家庭事务缠身等原因，会进一步减少土地经营面积。土地规模的缩小，使得家庭减小了农业种植的投入，降低了农业产出，规模化土地经营的边际收入显著降低，无法体现技术进步带来的效益。图2通过生产函数和成本函数分析男性和女性在农业种植方面的差异，并探讨农业机械化、专业分工对农业劳动力性别转变效率的影响。

图2 机械化专业分工视角下的农业生产性别差异

如图2所示，横轴表示土地规模，纵轴表示农业产出和成本，曲线OP1和曲线OP2分别为女性和男性的初始生产函数，初始成本函数为OL1。当边际成本与边际收益相等时，农户的农业产出最大，此时，成本函数OL1的平行线k1与女性的生产函数曲线OP1相切于点C1，对应的最优土地经营规模为S1；同理，成本函数OL1的平行线k2与男性的生产函数曲线OP2相切于点C3，最优土地经营规模为S3。无论是土地经营规模，还是农业产出，女性均小于男性。对女性的农业种植施加技术进步和机械化的影响，女性的农业生产效率提高，曲线OP1上升至曲线OP3。由于国家政策对农业种植的支持，生产函数从OL1移动至OL2，生产函数曲线OP3与OL3的平行线k3相交于点C2。可以发现，女性的农业产出显著提高，值得注意的是最优土地经营面积也显著增加。因此，机械化和专业分工有可能减弱甚至抵消性别差异给农业种植带来的影响，且当土地经营面积达到一定规模时才能发挥作用。因此，鉴于专业化分工和机械化技术的发展能够有效替代劳动力，缓解劳动力女性化的劣势，提出：

假说2：社会化分工和机械化技术的发展会削弱农业劳动力性别转变对粮食生产的不利影响。

四、数据、变量与模型

(一)数据来源

本文数据来源于北京大学“985”项目资助、北京大学中国社会科学调查中心执行的中国家庭追踪调查(CFPS)(1)由于2014年后，CFPS问卷不再涉及家庭种植面积以及农业收入方面的问题，所以使用CFPS 2012截面数据。。与本文相关的数据主要包括从事农业活动的个人基本特征、农业家庭基本信息、村庄信息以及省级宏观特征，故选取2014年发布的CFPS 2012的成人数据库、家庭数据库以及部分2012年统计年鉴数据。

首先，将家庭中女性参与农业活动的时间占家庭总农业时间的比例作为判断一个家庭是否以女性劳动力为主参与农业种植的依据，故必须保证家庭中每个参与农业活动成员时间的有效性，因此，删除家庭成员参与农业活动时间信息缺失的家庭样本；其次，将成人库中参与农业活动时间信息完整的家庭与家庭数据库进行跨库匹配，剔除匹配不到信息的家庭样本，最终获得有效家庭样本4601个。

(二)变量说明

(1)粮食生产相关指标。本文选取多个变量以反映农业劳动力性别差异对粮食生产的影响。采用家庭实际种植面积反映对粮食生产规模的影响；采用家庭粮食纯收入反映对粮食生产净价值的影响；采用家庭粮食亩产价值表示单位土地粮食的产出效率(钱龙 等，2016)。

(2)农业劳动力性别结构。本文使用两种方式来测度这一关键解释变量。第一，使用家庭中女性参与农业活动的时间占家庭总农业时间的比重，来衡量家庭是否以女性为主参与农业种植。第二，将所有样本家庭按照女性劳动力从事农业生产时间占家庭总农业生产时间的比重进行分类处理。参考李旻等(2009)，根据家庭中女性劳动力从事农业生产时间在家庭总农业生产时间中所占比重不同，将家庭分为女性组(家庭中女性劳动力从事农业生产时间在家庭总农业生产时间中所占比重高于75%)、男性组(家庭中女性劳动力从事农业生产时间在家庭总农业生产时间中所占比重低于25%)和男女同耕组(家庭中女性劳动力从事农业生产时间在家庭总农业生产时间中所占比重在25%和75%之间)。

(3)主要劳动力基本特征。2012年CFPS数据并未提供具体的家庭户主名单，因此本文定义家庭中从事自家农业生产时间最长的人为主要劳动力，在模型中控制主要劳动力的年龄和受教育年限。

(4)家庭基本特征。这一维度引入农业劳动力老龄人口数、参与粮食生产的人数、家距最近商业中心的距离、雇佣他人从事粮食生产费用、家庭农用机械价值、家庭金融负债和家庭农业补贴一共7个控制变量。

(5)村居基本特征。农户粮食种植决策具有一定外部性，种植决策和生产技术具有可模仿性(杨志武 等，2010；胡雪枝 等，2012)。村居地理位置和经济发展状况会影响到农业生产规模和采用现代农业技术的便利性，因此本文控制了村居经济发展程度和村居地形地貌的影响。

(6)省市宏观经济特征。在此控制了城镇居民人均工资性收入，城镇工资越高，非农就业机会越多，男性劳动力外出务工的动力也就越大；农村粮食零售价格则能调动农村劳动力务农的积极性(陈飞 等，2015)，因此也予以控制。

模型中涉及的变量统计描述如表1所示。

表1 变量说明与统计描述

(三)模型设定

本文分两阶段考察农业劳动力性别差异对粮食生产的影响。

第一阶段，考察家庭中女性劳动力从事农业生产时间在家庭总农业生产时间中的比重对粮食生产各个方面的影响，模型设置如下：

Yi=α0+α1Fe_ratio+∑αjXj+ε1

(1)

其中，Yi(i=1,2,3)分别表示家庭实际种植面积、家庭粮食纯收入、家庭粮食亩产价值，Fe_ratio表示家庭中女性劳动力从事农业生产时间在家庭总农业生产时间中的占比，Xj表示其他控制变量，ε1为随机误差项。

第二阶段，根据女性组、男性组和男女同耕组建立模型，对比不同组家庭的粮食生产情况，借此反映农业劳动力性别差异对粮食生产的影响，模型设置如下：

Yi=β0+β1D1+β2D2+∑βjXj+ε2

(2)

其中：Yi(i=1,2,3)分别表示家庭实际种植面积、家庭粮食纯收入、家庭粮食亩产价值；以男性组为基准组，设置两个虚拟变量，D1表示家庭的分类情况，若是女性组的家庭取值为1，否则为0；D2也代表家庭类型的虚拟变量，若是男女同耕组的家庭取值为1，否则为0；Xj表示其他控制变量,ε2为随机误差项。

五、实证结果与分析

(一)劳动力性别结构与粮食生产的描述性分析

本文首先进行描述性对比分析，比较男性组、女性组和男女同耕组在家庭实际种植面积、家庭粮食纯收入和家庭粮食亩产价值三个方面的差异，探寻农业劳动力性别差异对粮食种植的影响。对比结果如表2所示。统计显示，和男性组相比，女性组有着更小的家庭实际种植面积；从家庭粮食纯收入方面来看，女性组的粮食纯收入要小于男性组；在家庭粮食亩产价值方面，男性组与女性组的差异并不大。然而，无论是家庭实际种植面积、家庭粮食纯收入还是家庭亩产价值，男女同耕组和其他两组相比，都表现出明显优势。

表2 粮食生产情况的性别对比分析

(二)基准回归

本文采用数据分析软件STATA14.0对模型进行回归分析。为控制区域差异引起的偏误问题，所有回归模型中均加入区域虚拟变量予以控制。模型(1)的估计结果报告在表3中，模型(2)的估计结果显示在表4中。

从表3的估计结果来看，女性农业劳动时间占比越高的家庭，对粮食生产越不利。首先，在其他条件不变的情况下，家庭中女性劳动力从事农业生产时间在家庭总农业生产时间中的比重越大，家庭的实际种植粮食面积越小，且估计结果在1%的统计水平上显著。这可能是因为粮食生产对劳动力体力要求较高，当家庭中大部分粮食生产都由女性参与时，女性会选择减少粮食种植面积。其次，在家庭粮食纯收入模型中，女性农业劳动时间家庭占比的估计系数在5%的统计水平上显著为负，说明随着女性劳动力从事农业生产时间在家庭总农业生产时间中的比重增加，家庭粮食纯收入不断减少。主要原因可能是，以女性为主参与农业生产的家庭减少了家庭实际种植面积，从而造成粮食收入的减少。另外，女性农业劳动时间家庭占比越大，家庭粮食亩产价值越小，可能的原因是农村留守女性受教育水平较低，接收农业新知识、使用农业新技术的能力较差，从而粮食亩产效率较低。另外，家务劳动也影响女性从事粮食生产的效率。总体而言，表3表明劳动力结构趋于女性化不利于粮食生产，假说1成立。

表3中其他变量的估计结果基本符合理论预期。从事农业生产的主要劳动力年龄越大，家庭经营耕地的面积越小，同时，家庭农业生产中老年人数量越多，家庭耕地面积也会越小。受教育水平较高的农户，往往会有其他副业收入，农业投入较少，因此家庭种植面积会减小。然而，由于受教育水平较高的农户接受信息、采用新技术的能力较强，因此种植效率较高，所以有更高的家庭粮食亩产价值。另外，对粮食种植有积极影响的因素有：参与粮食生产的人数、家庭农业补贴、家庭农用机械价值以及雇佣他人从事农业生产的费用。

表3 女性农业劳动时间家庭占比对粮食生产的影响

从另一个层面，本文根据女性农业劳动时间占比进行家庭分类，比较分析三种类型的家庭在粮食生产的表现情况。表4的数据结果显示，虚拟变量的参数估计值为负，说明与男性劳动力为主家庭相比，女性劳动力为主家庭在粮食生产中处于劣势，女性组的实际种植面积比男性组平均低17.2%；女性组的家庭农作物纯收入比男性组平均低10.4%；女性组的粮食亩产价值比男性组平均低9.9%。另外，虚拟变量的参数估计值为正，说明相对于男性组，男女同耕组在粮食生产方面的表现更好。上述结果意味着，和男性劳动力为主家庭相比，女性劳动力为主家庭不利于粮食种植，更加接近传统的男女同耕是更有利于粮食种植的生产模式。因此，表4再次表明劳动力结构趋于女性化不利于粮食生产，假说1进一步得到印证。

表4 不同类型种植家庭对粮食生产的影响

(续表4)

六、稳健性检验和进一步探讨

(一)自选择问题

上述回归方法，初步证实农业劳动力女性化对粮食生产具有负面影响。但是，家庭中女性劳动力从事农业生产时间在家庭总农业生产时间的比值并不是一个随机变量，而是家庭根据自身的情况进行选择的结果，与家庭中个人禀赋、家庭特征以及外部环境都是密切相关的。比如，距离商业中心越近、所在省市发展越快的家庭，男性越容易外出务工，女性劳动力的农业生产时间占家庭总农业生产时间的比例越会上升。因此，通过利用女性劳动力从事农业生产时间在家庭总农业生产时间中的比值进行效应估计时，必须考虑自选择问题。

倾向得分匹配(PSM)在解决自选择问题中具有明显优势，且应用广泛(冒佩华 等，2015b；曹永福 等，2013)。因此，本文使用PSM解决自选择带来的偏误问题，更加准确地估计农业劳动力女性化对粮食生产的影响。

本文选择女性组为处理组，男性组为对照组。反事实分析框架下的平均处理效应为(ATT)：

ATT=E(Y1|D=1)-EE(Y0|D=1)=EE(Y1-Y0|D=1)

(3)

其中：E(Y1|D=1)表示女性组粮食生产状况均值；E(Y0|D=1)表示假设女性组家庭以男性劳动力为主参与粮食种植时家庭的粮食生产状况均值。E(Y0|D=1)为反事实结果，可以通过倾向得分匹配获得合适的替代值。

在根据倾向得分匹配之后，进行处理效应分析之前，需要对匹配数据进行平衡性检验。匹配前，由于存在自选择引起的样本选择偏误问题，所以两种类型的耕种家庭在一些可观测协变量方面必然存在显著的差异；匹配后，可以消除样本选择偏差，改善数据的平衡性，保证估计效果。

(1)协变量的平衡性检验。基于Logit模型估计出来的倾向得分结果，按照最近邻匹配(NNM)规则、核匹配(KNM)规则，将处理组和对照组进行匹配。在使用匹配方法时，应当注意各个家庭特征在处理组和对照组之间的平衡性，也就是在经过匹配后，处理组和对照组关于协变量应当保持平衡，且不存在显著的系统差异(钱龙 等，2019；李云森，2013)。表5显示了处理组和控制组匹配前后协变量的均值统计结果以及均值差值的t检验结果。协变量的均值统计数据显示，匹配后两组所有的协变量差异均减小，偏误降低；匹配后差值的t检验结果表明，处理组和控制组在协变量上的差异均不显著。这说明，倾向得分匹配降低了两组之间的差异，满足了条件独立性假设，较好地处理了样本自选择问题。

表5 协变量平衡性检验结果

(2)性别差异对粮食生产影响的因果效应。表6给出四种匹配规则计算得到的性别差异对粮食生产的影响。结果显示，女性组的家庭实际种植面积比男性组的家庭实际种植面积少20%左右。同时，在家庭粮食纯收入方面，女性组要比男性组低15%～20%。然而，女性组和男性组在家庭粮食亩产价值方面并无显著差异，说明解决自选择问题后，女性劳动力与男性劳动力在粮食种植效率方面无明显的区别，这与王为等(2019)针对黑龙江农户的调查相一致。

表6 女性组的因果效应分析(ATT)

综上所述，农业劳动力性别结构的女性化不利于粮食生产。具体来看，更多女性劳动力参与到粮食种植中，减小了家庭实际耕种面积，降低了家庭粮食纯收入水平。性别差异给粮食生产带来负面影响的原因可能是多方面的，首先，女性劳动力由于体力方面的不足，不能满足粮食生产的劳动力需要，使得家庭不得不减少实际种植面积，造成家庭粮食纯收入的降低；其次，女性劳动力受教育水平较低，对于新的农业知识、耕种技术接受程度和熟练性较差，不足以支持家庭进行较大规模的粮食生产；最后，由于男性劳动力外出务工，脱离粮食生产，使得家庭劳动数量减少以及农业活动主干力量缺失。而在使用倾向得分匹配消除自选择后，结果表明，女性劳动力与男性劳动力在家庭粮食亩均价值方面不存在显著差异。

(二)劳动力性别结构对家庭年纯收入的影响

前述分析发现，劳动力结构女性化不利于粮食生产，随着女性劳动力更多参与农业劳动，农户家庭粮食种植面积变小，女性劳动力为主参与粮食种植的粮食收入劣于男性为主家庭。那么，为何理性农户还是做出上述决策呢？这必然是因为这一决策有利于农户家庭的整体福利。为验证这一猜测，本文以家庭全年纯收入作为家庭福利的指示变量。结果显示(表7)，女性农业劳动时间家庭占比对家庭全年纯收入在1%的统计水平上有显著的正影响，说明女耕男工模式是家庭分工的理性选择，男性进城务工使家庭获得更高的非农收入，家庭全年纯收入增加(耿小娟 等,2020；郝亚光，2012)。在家庭全年纯收入模型中，D1的估计系数为正，且为0.250，表示女性组的全年纯收入比男女同耕组平均高28.4%。

表7 劳动力性别结构与家庭全年纯收入

(三)农业机械化和专业化分工发展对性别效率差异的影响

为验证机械化程度与专业化分工是否在女性主导的家庭粮食生产中起积极作用，弥补男女性别所造成的粮食生产差异，利用前文倾向得分匹配后的样本，在不同分位点对机械化程度和专业化分工进行性别分组，讨论粮食生产的性别差异。其中，使用家庭农用机械价值表示机械化程度，使用雇佣他人从事粮食生产费用表示专业化分工。

具体地，选择零机械化程度和无专业分工以及机械化程度和专业化分工的50%、75%、90%分位点，考察不同机械化程度和专业化分工条件下，女性组与男性组在粮食生产方面的差异。表8显示，在零机械化程度条件下，女性组与男性组在家庭实际种植面积方面的差值为0.224，且该差异在1%的统计水平上显著；以机械化程度50%的分位点为界限时，女性组与男性组在家庭实际种植面积方面的差值为0.221，且统计显著；以机械化程度75%的分位点为界限时，女性组与男性组在家庭实际种植面积方面的差值为0.213，且统计显著；以机械化程度90%的分位点为界限时，女性组与男性组在家庭实际种植面积方面的差值为0.155，差异不再显著。数据结果表明，随着机械化程度的不断提高，女性劳动力与男性劳动力在家庭实际种植面积方面的差异逐渐减小，且以机械化程度90%的分位点为界限时，该差异不再显著。同样地，在家庭粮食纯收入方面，随着机械化程度不断提高，女性组与男性组之间的差值分别为0.214、0.204、0.073、0.056，且从以机械化程度75%的分位点为界限时起，两组的差异不再显著。类似的，随着专业分工程度的不断深化，无论是家庭实际种植面积还是家庭粮食纯收入，在性别方面的差异均不断减小，且差异的显著性逐渐降低。这说明机械化水平的提升和农业专业分工可以弥补粮食生产中的性别差距，发挥积极作用。因此，假说2得到印证。

表8 不同机械化程度和专业分工视角下粮食生产的性别差异

七、结论及政策建议

当前，中国农村男性农业劳动力向非农部门大量转移，留守女性成为农业生产的主力军。在这一背景下，本文基于2012年中国家庭追踪调查(CFPS)数据，实证分析了农业劳动力性别结构对粮食生产的影响，研究发现：(1)从家庭粮食种植面积来看，女性生产为主的家庭更倾向于减少粮食生产，降低粮食种植面积。(2)从家庭粮食亩产价值来看，女性和男性的种植效率并没有显著差异。在使用PSM解决自选择问题后，种植效率无性别差异。(3)从家庭纯收入来看，以女性劳动力为主参与粮食种植的家庭拥有更高的家庭总收入，这主要是由于家庭中男性劳动力外出务工增加了家庭非农收入。(4)农业机械化水平的提升与专业化分工的演进弥补了女性劳动力在粮食生产中的劣势，通过技术进步与专业化分工可以缩小粮食生产的性别差距。

因此，本文发现在城镇化进程中，中国农户采取“女耕男工”的分工模式是家庭理性决策后的最优选择，此时农户家庭总收入会更高，无疑改善了农户福利。但从宏观层面来看，粮食生产主体的性别结构演变对粮食安全有显著负面影响，产生了负的外部性。这种两难实际上是如何兼顾私人领域种粮收入和公共领域粮食安全保障，两者显然是冲突的。当然，本文认为两者的不兼容可以通过加快农业机械化进程和深化专业化分工来部分化解。

基于上述结论，本文提出以下建议：要高度重视劳动力女性化对粮食生产可能的不利影响。对此，一方面，要基于城乡统筹发展的思路，通过促进城镇化良性发展，让部分半工半耕型的兼业农户转变为市民，实现家庭式迁移，推动弱质化农户的迁出。中国的小农户仍然规模庞大，在保障粮食安全中发挥了巨大作用。但小农户的弊端也一览无余，包括生产成本高、兼业化带来的农业弱势化等。推动有条件的小农户离开农业，有利于加快土地流转和形成规模化经营主体，让家庭农场、种植大户等新型经营主体成为保障国家粮食安全的中坚力量。实际上，近些年来，规模经营主体在保障国家粮食安全中的作用越来越凸显。而且，在实现这一目标的过程中，规模经营主体也实现了可观的经济效应。另一方面，建议大力提升粮食生产中的农业机械化水平，并鼓励粮食生产社会化服务组织的发展。农业机械化的本质是资本替代劳动，是现代农业的标志之一，专业化分工是实现小农户和现代农业有机衔接的重要桥梁，能够弥补小农户在农业生产中的弊端。通过发展农业机械化逐步实现对人的替代，推动专业化分工来逐步替代传统家庭分工模式，能够有效削弱劳动力女性化带来的不利影响，进而保障国家粮食安全。