农业劳动力老龄化对农业碳排放的影响——基于农业技术创新的调节效应

王欣星，王新利

（黑龙江八一农垦大学经济管理学院，大庆163319）

多数科学家和政府承认温室气体正在为地球和人类带来灾难，温室气体大多来源于人类自身的生活及生产活动，全球温室气体构成近1/4来自农业领域[1]。农业生产方式不同其碳排放的数量有明显的差异，而农业劳动力年龄结构与农业生产方式紧密相关。中国正面临人口老龄化加速发展局面，农村65岁以上人口占比已达13.84%，农业劳动力老龄化现象更加严重，占比达17.18%[2]。就农业人口老龄化对碳排放的影响，目前的研究观点并不统一，且研究多集中在非农业领域，更多的关注老年人口消费方式对碳排放的影响。

早期从人口因素角度探究对碳排放的影响重点在人口规模，而之后的研究从省域和全国层面分析发现，人口老龄化对农业碳排放的影响逐渐超过人口规模，且随着老年人口占比增长，碳排放也在不断增加[1-2]。而社会经济水平和中国人口老龄化发展的速度提升，一方面虽刺激了老年人口能源消费需求上升，但从长期视角来看，在人口压力较小的情况下老龄化会抑制碳的排放[3-4]。因此，通过对因素分解和动态面板估计还发现，人口老龄化与碳排放之间存在倒U型关系，其中通过生产渠道表现为显著促进碳排放，而消费渠道影响不明显[5]。因此在农业领域内，当前人口老龄化对碳排放的实际影响未知，其是否对碳排放存在正向促进作用？而政府将技术创新“作为国家积极应对人口老龄化的第一动力和战略支撑”，实际上又扮演着怎样的角色？在不同技术创新水平下，人口老龄化对碳排放的影响是否存在区别？当值得深思。基于此，欲采用STIRPAT模型和调节效应模型，利用分层回归法探究以上问题，以期为政府在农业劳动力老龄化发展背景下制定农业碳减排相关政策提供思路。

1 理论分析与研究假设

1.1 农业劳动力老龄化与农业碳排放的关系

农业劳动力老龄化发展会通过直接和间接的方式改变农业生产过程中的相关因素，从而影响农业碳排放。从直接影响来看，与适龄劳动力相比，首先，劳动力老龄化发展会改变农业生产的投入结构，老龄劳动力利用机械耕种、抛秧、播种、收割、灌溉和农膜的使用面积较少，但随着农业劳动力总量减少和老龄劳动力占比增加，劳动力供给不足促使农业机械使用量不断增长[6]，且老龄劳动力普遍受教育程度偏低，农业生产要素投入组合效率较低，农业生产经营方式相对粗放[7]，阻碍了现代要素的引入和生产资源的优化配置，能源消耗和农膜分解量也随之上涨。其次，农业劳动力老龄化发展会改变农业生产的种植结构，老龄劳动力更倾向于种植各类资源投入少的作物，从而一定程度上形成农作物种植结构单一化[8]。并且，老龄劳动力对耕地经济效益的关注度更低[6]，人的生命周期推进导致认知能力下降会使老龄劳动力决策偏向风险规避型，且其农业抗风险能力相对较弱[9]，黑龙江作为主粮大省，因此决策时会偏好于水稻、小麦等粮食作物，导致三大主粮种植面积和产量随老龄化程度加深而增加[10]，而水稻是碳排放最高的农作物。最后，劳动力老龄化发展会影响农作物有废弃物处理和粪便管理方式，此外，老年人环保意识相对较弱，且若存在长期养成的不良习惯则较难更改[11]，因此农业发展过程中长期采取就地焚烧、犁入土壤和粪便随地排放的废弃物处理方式增加对环境的负面影响。基于以上分析提出假设：

假设H1：农业劳动力老龄化加剧会促进农业碳排放。

1.2 调节视角下农业劳动力老龄化、农业技术创新与农业碳排放

农业劳动力老龄化会通过改变生产要素投入结构影响农业碳排放，其中投入要素既包括农药、化肥、农膜等非机械要素，也包括耕种机、抛秧机、播种机、收割机等机械要素，而广义上农业技术创新包括农业新技术研发、推广、应用及新技术引发的农业生产要素的重新组合[12]，故从定义上来看，农业技术创新会通过研发渠道直接改变机械要素的供给水平，也会间接影响非机械投入要素组合。而发展路径显示我国农业科技创新已由增产向提质和保障粮食安全转变，且在供给侧改革下通过技术创新实现经济持续发展需建立在保护环境基础上[13]，因此新技术研发将逐渐加重对环境效益的考量，并通过引致老龄劳动力形成新的技术需求深化技术研发和要素投入结构的关系。此外，技术研发是创新基础，而推广和应用是落实研发成果的关键，亦对农业生产要素投入结构存在影响。基于以上分析提出假设：

假设H2：农业技术创新对农业劳动力老龄化影响农业碳排放具有调节作用。

假设H2a：农业技术创新将负向调节农业劳动力老龄化对农业碳排放的影响。

2 研究设计

2.1 模型选取与构建

为考察农业劳动力老龄化、农业技术创新和农业碳排放之间的作用关系，将利用以下几个模型进行分析。

2.1.1 STIRPAT模型

STIRPAT模型由Dietz[14]于1994年在IPAT模型基础上扩展形成，运用此模型研究人口、富裕、技术与环境间的关系，可更准确分析人文因素对环境的影响。表达式如下：

式（1）中，I为环境负重，通常指资源消耗、碳排放等；P为人口因素；A为富裕程度；T为技术因素；a为模型系数；b、c、d分别表示对应因素的影响力指数；μ为模型误差。对式（1）取自然对数，并将农业劳动力老龄化作为人口因素引入模型中，用农村居民家庭恩格尔系数衡量富裕程度，农业能源消耗强度衡量技术水平，考虑到产业结构与城镇化对农业碳排放存在影响[15-16]，将二者也纳入模型中，得：

2.1.2 调节效应模型

调节效应分析于1986年由Baron和Kenny提出，其主要考虑一组作用关系背后的影响因素，当自变量X与因变量Y具有某种关系时，存在一个变量Z影响X与Y之间的关系，则Z称为调节变量[17]。变量间作用关系如图1所示。

图1 调节示意图Fig.1 Adjustment diagram

当仅存在一个调节变量时，上述调节效应模型可用以下公式表示：

其中，a为常数项，b、b’和c、c’分别为自变量和调节变量系数，d为二者交互项系数，μ1、μ2为残差项。调节作用检验通常检验交互项系数，若其显著，则认为存在调节作用。检验方法主要为分层回归法，可通过两次回归或PROCESS插件一步实现，两种途径结果相同，但前者可得到加入交互项前后的详细变化数据。

2.1.3 综合调节效应模型

借助以上两个模型构建综合调节效应模型，考察农业领域技术创新是否对劳动力老龄化与碳排放的关系起调节作用及作用方向，模型如下：

其中，式（5）为主效应模型，式（6）为调节效应模型。t为年份，C代表农业碳排放，AALF为农业劳动力老龄化率（%），APO为农业技术创新水平（项或万千瓦），A为农村居民家庭恩格尔系数（%），T为农业能源消耗强度（万吨/亿元），UL为城镇化（%），SAP为农业产业结构（%）。

2.2 变量测量

农业碳排放量为因变量。以狭义农业为研究对象，测量包括化肥、农药、农膜、柴油、灌溉、稻田碳排放和秸秆焚烧碳排放。除秸秆焚烧外，其他碳源均采用碳排放系数法测算，即碳源实际值乘碳排放系数。依据IPCC和相关研究，系数值分别为0.895 6、4.934 1、5.18、0.886 4 kgC·kg-1、266.48 kgC·hm-2[18]、8.31 g·m-2[19]。秸秆焚烧主要计算产量前三的玉米、水稻、小麦焚烧产生的CO、CO2和CH4，利用以下公式：

其中，草谷比指农作物单位土地面积上秸秆产量与作物产量比，此处将采用2017年全国农村可再生能源统计调查制度中的草谷比，玉米、水稻、小麦分别为1.86、0.97、0.93。Em为第m类污染物排放量；A为秸秆露天焚烧量；Fmj为第m类污染物排放因子，j为因子类型。参考现有研究，玉米、水稻、小麦秸秆露天焚烧比，废弃比，CO、CO2、CH4排放因子分别为0.14、0.15、0.13，0.63，102.2、1 390.4、2.19 g·kg-1[20]。

农业劳动力老龄化率为自变量，使用农村65岁以上人口数与农村15岁及以上人口总数的比值来衡量。农业技术创新水平为调节变量，用农业领域科技发明专利和实用新型专利总数（APO1）来衡量，用农业机械总动力（APO2）进行稳健性检验。控制变量分别是农村居民家庭恩格尔系数；农业能源消耗强度，用农业能源消耗总量和实际农业总产值比值衡量；城镇化水平，考虑到城镇化绝对水平与农村人口老龄化均基于人口值测算，二者间存在很强相关性，因此用城镇化的发展水平来衡量，即城镇人口占总人口比值的一阶差分，也代表城镇化增长率；农业产业结构，用种植业生产总值和广义农业生产总值比值衡量。

2.3 样本选取与数据来源

黑龙江作为中国农业大省，且近年来粮食产量稳居第一，故以其为研究样本。农村15～64岁和65岁及以上人口数源于2001～2006年《中国人口统计年鉴》与2007～2019年《中国人口和就业统计年鉴》，前者于2007年更名为后者。农业领域科技发明专利和实用新型专利数源于中国知网专利数据库。农业机械化总动力，化肥折纯量，农药、农膜和农用柴油使用量，农地灌溉和水稻种植面积，玉米、稻谷和小麦产量，农村居民家庭恩格尔系数，农业能源消费量，农业总产值，城镇化率，种植业总产值均源于2001～2019年《黑龙江统计年鉴》。为准确去除变量间可能存在的异方差影响，并满足模型对数据要求，将数据对数化处理。

2.4 平稳性检验与多重共线性分析

采用时间序列研究，因存在不平稳特征会导致模型“虚假回归”现象，故对变量先进行平稳性检验。利用ADF检验法对对数化处理后的变量进行平稳性检验，结果如表1所示。

表1 变量单位根检验Table 1 Variable unit root test

表1显示既存在原序列平稳，也存在一阶平稳序列。故对模型（2）回归残差序列进行ADF检验，结果显示在有时间趋势项和截距项，且无滞后的状态下，t值为-3.841 01，P值为0.046 3＜0.5，即残差序列平稳，变量间具有协整关系。利用SPSS24.0软件对模型（2）、（5）和（6）的自变量进行多重共线性检验，结果显示自变量与两组调节变量VIF值分别为31.129、128.254，14.146、13.026，其他变量间VIF值均小于10。故模型（2）不受影响，可进行回归分析，其他模型变量另行处理。

3 假设检验与结果分析

3.1 农业劳动力老龄化与农业碳排放检验及结果分析

针对以上两个变量间的假设检验，运用分层回归分析法，利用以下两个模型检验农业劳动力老龄化对农业碳排放的影响，结果如表2所示。

表2 农业劳动力老龄化与农业碳排放回归Table 2 Aging of agricultural labor force and return of agricultural carbon emissions

模型2结果显示，农业能源消耗强度和农业碳排放呈显著负相关关系，技术水平上升会引致农业规模增加，2000～2018年黑龙江省粮食作物播种面积增加0.8倍，伴随的农药、化肥、农膜等要素投入增加促进了碳排放。农村居民家庭恩格尔系数不显著，可能在于农民农业收益与不稳定环境间具有很高的关联性，各种社会保障能力相对较低，致使其生活稳定性较低。因此，农民会将大部分收入进行储蓄，且随着农民年龄增长，储蓄率先减后增，在45～49岁间达到最小值[21]。观察期内黑龙江省农村居民收入虽在增加，但老龄人口比也在增加，储蓄也随之上升，农业生产资本投入趋于平稳，故此因素不显著。而城镇化和农业产业结构不显著，前者可能在于城镇化过程中，主要转移人群为农村剩余劳动力，对专业从事农业生产活动的劳动力影响较小；后者可能在于黑龙江省观察内种植业占比的标准差仅为0.04，即农业产业结构离散程度非常小，基本处于平衡状态，故其不显著。模型2在1基础上加入自变量后，拟合度增加，F值在99%的置信区间内显著，农业劳动力老龄化与农业碳排放具有显著正向关系，即农业劳动力老龄化发展会促进农业碳排放，假设H1验证成立。

3.2 农业技术创新调节作用检验及结果分析

在检验调节作用时，为降低变量间的非本质共线性，及更准确把握自变量和调节变量的系数含义，需将二者进行中心化处理[22]，交互项值为中心化处理后的乘积。中心化不影响交互项的系数、显著性和R2值，但会改变主效应模型中自变量和调节变量的系数和显著性[23]，因此仅探讨交互项的调节效应。且因自变量和调节变量间存在多重共线性，对自变量一阶差分处理，差分后的农业劳动力老龄化率值在数学上约等于同比增长率值，即将差分后的值代表农业劳动力老龄化增长率，农业劳动力老龄化程度会随着增长率的增长而加深，差分后变量不存在多重共线性。利用以下4个模型和分层回归法检验农业技术创新的调节作用，结果如表3所示。

表3 调节效应检验Table 3 Moderation effect test

模型4结果显示，Adj.R2从0.952变为0.964，F值在99%的置信区间内显著，加入交互项提高了模型拟合度。农业劳动力老龄化率在95%的置信区间内显著为正，交互项在95%的置信区间内显著为负，表明观察期内黑龙江省农业劳动力老龄化加剧对农业碳排放的促进作用会随着农业新技术研发水平的提高而减小，假设H2a成立。亦表明农业技术创新对农业劳动力老龄化与农业碳排放的关系存在调节作用，假设H2成立。

3.3 稳健性检验

模型6结果显示，Adj.R2增加，F值在99%的置信区间内显著，此时农业劳动力老龄化变量为正不显著，但交互项在95%的置信区间内仍显著为负，即观察期内黑龙江省农业技术创新水平对农业劳动力老龄化与农业碳排放之间的关系依然存在负向调节作用，稳健性检验结果依旧成立。

4 结论与建议

通过对农业劳动力老龄化、农业技术创新和农业碳排放三者间关系进行研究，得以下结论：第一，在农业劳动力老龄化发展阶段，随其老龄化程度不断加深，农业老龄劳动力通过改变土地利用方式、作物种植结构和农业废弃物处理方式等将促进农业碳排放增加，阻碍低碳农业发展。第二，随着农业技术创新水平提高，农业劳动力老龄化加剧对农业碳排放的促进作用会减小。农业技术创新通过研发、推广和应用新型节能高效、低污染产品改变农业生产要素投入结构，优化农业生产要素组合，积极调节农业劳动力老龄化加剧对农业碳排放作用的方向及大小，缓解老龄化发展对环境造成的负面影响。

根据上述结论提出以下建议：第一，农业碳减排政策制定和修改需充分考虑劳动力老龄化的影响，并促进农业劳动力向适龄结构调整和降低农业劳动力老龄化速度。积极推进全面二孩政策实施，制定和落实相关农业经济扶持政策，适当调整农业种植结构，鼓励和以经济效益为诱饵吸引青壮年农民工返乡务农，从而缓解农业碳排放减排压力。且考虑人口短期刚性形成的未来老龄化持续发展，潜在老龄农业劳动力的行为、意识、素质等亦会影响农业碳排，相关部门应加大适龄农业劳动力技能培训范围和力度，加强其环保意识培养，并落实相关惩罚政策。第二，适当调整科技创新财政分配，修缮政府、农业科研单位与农业生产经营主体间的有效“信息桥梁”，提高农业技术水平并促进农业低碳技术发展。加大农业领域和农业企业科技创新扶持力度，激发政府与私人单位技术创新积极性；加强与完善农村农业信息服务站等基层平台建设，及时有效的综合与反馈农业劳动力特征、经济追求、环境要求等信息给各相关组织，为农业科研单位研发提供方向和信息支持。同时，通过财政支持和农业新技术推广等政策加强农业创新技术转化能力，促进农业新技术推广和应用，增强技术创新的积极调节作用。