人力资本对农业全要素生产率的影响及其异质性研究

蒋浩东　朱满德　赵志尚

摘  要：人力资本是提高农业全要素生产率的重要途径。应用DEA-Malmquist指数方法测算1999-2018年我国各省区的农业全要素生产率，进一步运用工具变量法探究人力资本提高对农业全要素生产率的影响及其异质性。结果表明：人力资本提升可显著促进农业全要素生产率增长，且对山区省份的正向作用更大;劳动力转移有益于农业全要素生产率增加，但因人力资本提高引致的劳动力转移不利于农业全要素生产率增加，并且对山区省份的负面作用更强。为进一步提升农业全要素生产率，一是加强农村地区教育投资，补足职业教育短板，推动教育多元化;二是适当提高农业部门社会福利，促使人才回流;三要建立非农业反哺农业的长效机制，统筹城乡一体化发展。

关键词：DEA-Malmquist指数;工具变量法;人力资本;农业全要素生产率

一、问题的提出

随着中国经济发展迈入新常态以及社会主要矛盾发生转变，如何在宏观经济疲软的现实情境下继续推进农业发展，促进农民增收，实现农业生产方式绿色转型，已成为农业农村亟需破解的焦点问题^[1]。而农业可持续发展及农业现代化水平提升的内在表现就是物质要素投入的贡献度降低和全要素生产生产率的份额不断增加。李金锴测算2004-2016年中国农业全要素生产率，并分析其对中国农业产值增长的贡献，研究发现农业全要素生产率的年均贡献度达53.7%^[2]。可见，农业全要素生产率是农业经济增长的主要驱动力。

由于全要素生产率在促进经济提质增效、創新发展中的作用日益增加，近年来备受学者们的关注。现有研究多聚焦于技术进步、效率改善及要素配置等视域探究农业全要素生产率的时序变动态势和贡献度。譬如，在技术进步方面，黄勇考察了2004-2009年湖北省农业全要素生产率的走势，并剖析农业全要素生产率增长的内在动因，发现技术进步是其主要助推作用^[3]。王兵和曾志奇进一步在模型中纳入非期望产出，考虑在碳排放约束下中国1993-2017年农业全要素生产率增长的动力源泉，结果表明技术进步仍是促进中国农业全要素生产率提升的关键因素^[4]。在效率驱动方面，周鹏飞发现技术效率改善与技术进步双轮耦合驱动了中国农业全要素生产率的增长，并且农业TFP具有极强的路径依赖性^[5]。郭萍基于夏普利值不平等分解法测度与分解中国农业全要素的地区差异，结果表明农业规模效率对农业TFP的年均贡献为18%^[6]。在要素配置方面，张乐将农业TFP分解为技术变化、纯技术效率变化、规模效率变化和配置效率变化，研究发现1991-2010年配置效率对农业TFP增长的年均贡献达到8.37%^[7]。而朱满德以玉米为考察主体，测度及分解了1978-2018年中国玉米的全要素生产率，研究发现若略去配置效率在玉米生产中的贡献，玉米全要素生产率的年均增长率将由正转负，年均增长率降幅达85.52%^[8]。

已有研究也较为深入地研究了人力资本对农业全要素生产率的影响。如，陈燕翎将农村人力资本作为门槛变量研究贸易开放对农业全要素生产率的影响，研究认为当人力资本水平越过设定门槛值时，农产品进口明显促进了农业全要素生产率的增长^[9]。韩海彬提出异质性人力资本通过技术创新路径和技术模仿路径对农业全要素生产率产生影响^[10]。于伟研究发现农村教育人力资本与农业全要素生产率互促且在空间状态下存在显著溢出效应^[11]。

目前，已有文献从多个视角较为深层地辨析了人力资本对农业全要素生产率的作用，对认识农业全要素生产率的驱动机制提供了有益参考，也为本文的继续研究提供了丰富的研究范式和理论指导。但现有研究较少考虑人力资本在影响农业全要素生产率时存在地区差异，尤其从地形要素维度考察人力资本对农业全要素生产率影响的区域异质性更不多见，而这其中的机理显然是不容忽视的。

农业依附于自然条件并受其约束，致使农业发展必须契合当地自然禀赋条件，造成山区与非山区的农业特征大相径庭，因此通过提高人力资本以促进农业全要素生产率增长和农业发展的效果是不一致的。一是农业结构差异，非山区地带多以种植业为主，而山区地带适宜林业与养殖业^[12]，造成劳动力要素投入不同，那么人力资本提高带来的影响是否也会趋异？二是地形差异，非山区更加平坦，农机替代率高，易于形成规模经营，则人力资本提高引致农业部门的劳动力向非农部门转移对两者农业全要素生产率的作用是否存在差异？明晰这些问题有助于为提高农业全要素生产率提供启示。

二、理论分析与研究假设

从整体上来说，农村人力资本提高是能够促进我国农业全要素生产率增长的，低技能人力资本的贡献聚焦于技术扩散或模仿，而高技能人力资本主要作用于新技术的创新^[13]。此外，人力资本还从资源整合及效率提升的路径实现农业全要素生产率的改进^[14]。但当作用对象存在差别时，人力资本遵循以上路径形成的作用效力也会发生变化。山区与非山区的地理条件不同决定二者的农业结构不一致，人力资本就会出现分异作用。

地区农村人力资本提升对农业发展产生的效力与其农业结构息息相关。地形、土地坡度、气候条件等地理因素会形成农业的异质性，在地形地貌的牵制下，山区缺乏规模化、机械化及设施化为重要特征的现代农业的优势自然条件^[15]。对此，山区的农业发展态势与非山区形成鲜明对比，立体农业、特色农业及生态农业等“精质”农业成为其主攻方向，而非山区地带趋向集约化式的规模农业，契合机械化的粮食作物成为其重点。如，2019年，东北平原的粮食播种面积占比都在75%以上，其中黑龙江高达97.07%，而同期西南地区粮食播种面积占比最高的四川仅为64.78%;在机械化水平方面，东北平原人均农机总动力最低的吉林为6.96千瓦/人，远高于西南各省。此外，山区的农业类型侧重于精细化管理，从生产、监管到收获等过程要求投入较多的人力数量并且地形地貌限制其无法以机械替代，造成劳动力投入居高不下。根据国家统计局数据计算得出，2018年东北平原单位农作物播种面积承载的劳动力平均为30.46人/亩，而西南云贵川渝四个地区为76.92人/亩。正是由于以上差异的存在，人力资本优化对农业发展的成效不等同，尤其对于劳动投入数量较多的农业更具有优势。因此，提出如下假说：

H1：人力资本提高能够促进农业全要素生产率增长。

H2：人力资本提高对山区农业全要素生产率的积极效力更强。

农村人力资本与农村劳动力流出存在“马太效应”，即农业部门劳动力高技能人力资本更易析出。2015年我国农民工总量为2.77亿人，其中高中文化及以上占比25.2%，大专以上占8.3%，到2019年，人数达到2.91亿人，高中文化及以上的占比提升到27.7%，并且大专及以上文化程度占比增加到11.1%。农村转移的劳动力当中，接受过高等教育的劳动力比例呈上升态势。此外，转移到城市的较高人力资本劳动者能够有更多的机会和平台学习新知识，加上农业弱质性及城乡工资差异的冲击，会增强这部分劳动者对城市的粘性与稳固性^[16]。不过碍于我国农业部门存在劳动力冗余的现象，适度转出在整体上可以优化土地要素配置，促进农业劳动生产率提高。但高技能人力资本的转出会降低农业技术学习与推广的可能性，增加农业全要素生产率提升的难度。而相较于山区地带，非山区集约化、机械化与规模化的农业能够在一定程度上弥补由此造成的消极作用。因此，提出如下假设：

H3：劳动力转移会促进农业全要素生产率提升，但人力资本提高引致农村劳动力析出对农业全要素生产率产生消极作用且对山区的负面作用更大。

三、模型与数据

（一）模型与变量

为考察人力资本对农业全要素生产率影响的异质性，构建如下形态的面板模型：

被解释变量TFP：农业全要素生产率。鉴于数据包络分析（DEA）的Malmquist指数法利用线性规划及对偶原理确定生产前沿面，无需设定具体的前沿生产函数形式和非效率项分布形式^[17]，也不受投入产出不同量纲的限制，且多数文献普遍采用该种方法，因此使用DEA-Malmquist模型测算我国农业全要素生产率。具体公式如下：

间生产点与前沿面技术相比较所得出的距离输出函数。其中，产出指标选择农业增加值，该指标相较于农业总产值更能体现生产过程创造的新增价值;投入指标分别为农业从业人数、农作物播种面积、农机总动力、化肥（折纯量）、薄膜、农用柴油及农药。需要注意的是，囿于现有统计资料并没有对农业就业人数单独区分，借鉴杜江等的研究，以农业增加值占农林牧渔总增加值的比重对第一产业就业人员进行剥离^[18]，由此获得农业劳动力投入。该方法测算出来的农业全要素生产率是以上年为1的环比指数，为研究需要，本文将其换算为以1999为基期的累积值。

控制变量X：包括城市化水平、财政支持、老龄化程度、家庭经营收入及水利设施条件。城市化水平，是影响劳动力转移和土地利用的关键因素，采用城镇常住人口占地区总人口的比重表示。农业固定资产投资，能够为农业生产发展的基础设施建设提供资金支持，提升农业经济效益，以农村固定资产投资到农业的额度表征。老龄化程度，农业劳动力老龄化会牵制劳动能力制约有效劳动投入，降低农业生产效率，但人口老龄化加深也会增加对农业社会化服务的购买及土地等要素重新配置，从而利于农业发展，所以最终影响走势不确切，以农村地区老年负担系数衡量。家庭经营收入，收入与投资存有一定的正相关性，因而家庭经营收入越高，农业投资就会增加。水利设施，农业生产与水源挂钩并依附于资源多寡，兴建水利设施能促进农业生产活动持续下去。

（三）数据来源

国家1999年实施高等教育扩招，因此本文选取1999-2018年中国大陆31个省份的面板数据进行实证研究。数据主要来源于《中国人口和就业统计年鉴》、《中国农村统计年鉴》、《新中国六十年汇编》和《中国统计年鉴》以及百度文库，部分缺失数据采用向前补漏法补充。此外，本文对山区与非山区省份的划分是基于山地及丘陵占全省面积的比重，考虑我国整体山区面积占比约三分之二，所以将山地及丘陵面积占比超过我国整体水平的省份定性为山区省份，分别为湖北、重庆、贵州、四川、云南、湖南、福建、浙江及山西。

四、实证分析

（一）內生性说明

经济活动中的研究对象或多或少存在着联系，为此模型设置中的反向因果关系或遗漏变量等问题会引发内生性问题，导致参数估计有偏。人力资本与农业全要素生产率之间较大可能存在反向因果关系，人力资本水平越高，其知识储备、技术能力对农业发展的创新力及要素配置效力就越强，越能够促进农业全要素生产率提升。同时，农业全要素生产率提高带来的农业经济效益增加反过来会为人力资本优化提供必需的基础条件。另外，关于模型建构中遗漏变量的问题，我国农业的发展导向是基于宏观政策设计框架之中，难以避免人为因素影响，以及自然因素在某种程度上造成农业收益的不确定性，都会影响农业全要素生产率的高低。对此，本尝试运用工具变量处理可能存在的内生性问题。

借鉴叶升初等的研究，以各省国家财政性教育支出作为人力资本的工具变量^[19]。国家财政性教育支出为在一定程度上改善农村居民的受教育条件，促进人力资本提高，由此间接影响农业全要素生产率。并且，各省国家财政性教育经费是由中央、地方各级财政或上级部门直接划拨到各类学校及教育行政或事业单位并计入到国家预算支出科目，不受某一地区的农业发展影响，因此具备外生性。除教育支出外，再引入医疗卫生支出作为人力资本的工具变量。医疗卫生支出仅影响身体健康程度，不会直接对农业全要素生产率产生作用，因此具备外生性。

（二）内生性检验

使用工具变量法的前提条件是存在内生解释变量、工具变量与解释变量相关，并满足外生性。对此，分别进行DWH检验、LM检验、弱工具变量检验及过度识别检验，检验结果如表2所示。结果表明，教育支出与医疗卫生支出两个工具变量均显著通过LM检验、弱工具变量检验及过度识别检验，证明所选择的工具变量满足相关性与外生性;DWH检验也表明模型存在内生性，可运用工具变量法。

（三）实证结果分析

从全国层面来看，人力资本对农业全要素生产率的直接贡献都为正且效果显著，此结果佐证了现有研究关于人力资本在提高农业全要素生产率方面具备积极作用的结论。人力资本提升不仅降低了劳动力自身在行业间转换的门槛，改善资源配置效率，而且进一步增加了激发创新绩效的可能性^[20]，从而实现农业全要素生产率的提升;另外，人力资本与劳动力转移的交互项的参数估计显著为负，劳动力转移的参数估计显著为正，表明整体上的农村劳动力转移减少了农业部门劳动力冗余和部分缓解了土地要素约束，促使农业全要素生产率增加，但同时又发现，人力资本提升造成的农村劳动力转移不利于农业全要素生产率提高。该结论反映出我国农业部门劳动力整体丰腴，但却存在结构性失衡的问题，即农业发展所急需的优质劳动力缺乏^[21]，H3得到证实。

从地区层面来看，山区与非山区的人力资本水平、人力资本提高引致的劳动力转移及劳动力转移对农业全要素生产率的影响方向显著相同，但影响效果却存有差异。首先是人力资本提高方面，山区与非山区的估计系数分别为2.791和2.247，可知山区提高人力资本相较于非山区在促进其地区农业发展的效力更强，此结果符合H1;其次是人力资本提高促使的劳动力转移方面，二者的参数估计分别为-0.0049和-0.00284，其带来的负面作用对山区更强，H2得到证实。再者是劳动力转移方面，对山区与非山区都带来农业全要素生产率的提高，再次证实了H3。

此外，对控制变量的解释。第一，家庭经营收入对农业全要素生产率变动存在显著的异质性，在全国层面和非山区省份并未有效推动农业生产，甚至减少了农业全要素生产率，而却显著促进了山区省份农业全要素生产率增长。部分原因是家庭经营收入的构成单元多样化，以农业生产经营为主的家庭作坊份額存在稀释的可能性。而非山区省份多为经济发展靠前的地区，市场经济推进度高于山区省份，所以家庭经营收入构成更多取决于非农行业。第二，老龄化对农业全要素生产率的影响均显著为正。这意味着老年农业劳动力受劳动能力牵制，逐渐放开对土地资源的约束，土地资源在市场重新配置下提高生产率，对农业全要素生产率提高发挥了积极的作用。第三，综合看来，农业固定资产投资有益于农业全要素生产率增加，在山区省份得到显著体现。第四，水利设施在全国层面和非山区省份的作用为正，但未通过显著性检验，而对山区省份呈显著的消极作用。山区省份的耕地资源匮乏且条件恶劣，水库建设会增加“人地矛盾”，阻碍农业全要素生产率提升。最后，城镇化进程有益于农业全要素生产率提高，而山区省份相反，但未能通过显著性检验。城镇化水平能够保持劳动力析出的稳固性，降低农村农业劳动力冗余度。并且城市化进程能一定程度上加快农业基础设施建设、提高农业市场化水平及为农业发展提供社会资金、技术和人才支持等要素。

（四）稳健性检验

为验证回归结果的稳健性，考虑采用替换控制变量法重新估计模型。利用农业固定资产投资结构替代农业固定资产投资来反映农业支持度，即农业固定资产投资占农村固定资产投资的比重，重新估计结果如表4。重新估计后，各待估参数的正反方向、大小及显著性基本与表3类似。因此，稳健性检验表明本文的估计结果是可信的。

五、结论与启示

本文先分析了人力资本优化对山区与非山区农业全要素生产率增长的异质影响，并基于DEA-Malmquist指数测算了1999-2018年中国大陆31个省份的农业全要素生产率，工具变量法实证检验了人力资本优化对农业全要素生产率增长的影响因地形地貌差异而不同，并通过了稳健性检验。研究结论表明：第一，人力资本提高能够促进农业全要素生产率增长;第二，山区农业生产方式仍以传统人力劳动为主，人力资本提高对山区农业全要素生产率的正向作用更大;第三，劳动力析出到非农部门会促进农业全要素生产率提升，但人力资本提高引致农村劳动力析出对农业全要素生产率产生消极作用且对山区的负面作用更大。同时发现，城镇化显著促进了农业全要素生产率提高。

基于以上研究成果，得出政策启示：第一，加强农村地区教育投资，补足职业教育短板，推动教育多元化。农村地区教育投资结构存在诸多问题。一是学校结构不合理，普通中小学占比过大，优质学校和职业技术教育类学校不足，造成农村学生同质化现象严重且技能单一，与城市学生相比缺乏竞争力。逐步推动教育体制改革，加强对优质学校办学。同时大力推动职业技术教育学校办学，培育学生技能多元化发展，避免学生过早被应试教育淘汰而走进社会。二是农村学校师资缺乏，基础教育学科单一，造成农村学生“畸形”发展，后期内生动力不足。推动全科教育老师培养及下乡教育，弥补农村学校师资不足的缺陷。

第二，建立非农业反哺农业的长效机制，统筹城乡一体化发展。尽管农业劳动力析出在一定程度上促进了农业全要素生产率提高，但囿于过量转移造成非农部门提高接纳门槛，产生越高等人力资本劳动力析出越顺畅，而越低等人力资本析出越受阻的现象，最终导致高等人力资本劳动力大量外流而农业部门劳动力人力资本水平不高。因此，要创新经济发展方式，实现农业部门与非农部门融合发展，建构非农业带动农业发展的协同机制。对于山区省份，碍于土地细碎化严重、农机替代率低，更加应该重视劳动力外流问题。

第三，适当提高农业部门社会保障福利，促使人才回流。农业比较收益低下是促使农业劳动力析出到非农部门与农业接续传承断开的关键因素。父辈对后代的期盼与教育通常脱离农业角度，更希望后辈能够到非农部门工作，造成人才培养与农业脱钩。因此，政府在对农业财政补贴时，既要支持农业生产，也要关注到对农业工作人员的补贴，提高农业部门的福利保障，以此激励农林牧渔相关专业的大专院校学生、技术工作经验丰腴的农民工及农业科技人员等高等人力资本劳动力返农、效农、促农。

第四，培育新型农业经营主体和加强农业社会化服务建设。新型农业经营主体在文化技术、经营管理及信息获取等方面有较大的优势，能够实现农业生产集约化、规模化和现代化，提高农业生产效率，通过服务外延一定程度上弥补农业高等人力资本劳动力流失的困境。

参考文献：

[1]刘晗，王钊，姜松.基于随机前沿生产函数的农业全要素生产率增长研究[J].经济问题探索，2015（11）：35-42.

[2] 李金锴，陈珏颖，刘合光.城镇化背景下中国农业全要素生产率的增长性与协调性分析[J].世界农业，2021（02）：35-44+131.

[3] 黄勇.湖北省农业生产率增长、技术进步与效率变化研究[J].统计与决策，2013（08）：99-102.

[4] 王兵，曾志奇，杜敏哲.中国农业绿色全要素生产率的要素贡献及产区差异——基于Meta-SBM-Luenberger生产率指数分析[J].产经评论，2020，11（06）：69-87.

[5] 周鹏飞，谢黎，王亚飞.我国农业全要素生产率的变动轨迹及驱动因素分析——基于DEA—Malmquist指数法与两步系统GMM模型的实证考察[J].兰州学刊，2019（12）：170-186.

[6] 郭萍，余康，黄玉.中国农业全要素生产率地区差异的变动与分解——基于Fre-Primont生产率指数的研究[J].经济地理，2013，33（02）：141-145.

[7] 张乐，曹静.中国农业全要素生产率增长：配置效率变化的引入——基于随机前沿生产函数法的实证分析[J].中国农村经济，2013（03）：4-15.

[8] 朱满德，张琪.要素市场化配置改革与中国玉米全要素生产率增长[J].湖南农业大学学报（社会科学版），2020，21（04）：1-11.

[9] 陈燕翎，庄佩芬.贸易开放、人力资本和农业全要素生产率——基于面板门槛回归的实证研究[J].中共福建省委党校学报，2019（01）：83-92.

[10] 韩海彬，赵丽芬，张莉.异质型人力资本对农业环境全要素生产率的影响——基于中国农村面板數据的实证研究[J].中央财经大学学报，2014（05）：105-112.

[11] 于伟，张鹏，姬志恒.中国省域农村教育人力资本与农业全要素生产率的空间交互效应——基于空间联立方程的经验分析[J].中国农业大学学报，2020，25（03）：192-202.

[12]汤丹.我国农业结构调整对农民收入影响的区域差异[J].经济问题探索，2016（02）：180-184.

[13]Vandenbussche，J. P. Aghion and C. Meghir. Growth，distance to frontier and composition of human capital[J]. Journal of Economic Growth，2006（11）：97-127.

[14]于伟，张鹏，姬志恒.中国省域农村教育人力资本与农业全要素生产率的空间交互效应——基于空间联立方程的经验分析[J].中国农业大学学报，2020，25（03）：192-202.

[15]黄婧，史琼，欧国武，崔嵬，孙秋.贵州现代山地高效农业发展的困境与对策[J].贵州农业科学，2015，43（08）：275-279.

[16]龙翠红，洪银兴.农村人力资本外溢与中国城乡居民收入差距关系的实证分析[J].经济经纬，2012（03）：106-110.

[17]李谷成，范丽霞，成刚，冯中朝.农业全要素生产率增长：基于一种新的窗式DEA生产率指数的再估计[J].农业技术经济，2013（05）：4-17.

[118]杜江，王锐，王新华.环境全要素生产率与农业增长：基于DEA-GML指数与面板Tobit模型的两阶段分析[J].中国农村经济，2016（03）：65-81.

[19]叶初升，马玉婷.人力资本及其与技术进步的适配性何以影响了农业种植结构？[J].中国农村经济，2020（04）：34-55.

[20]纪雯雯，赖德胜.人力资本配置与中国创新绩效[J].经济学动态，2018（11）：19-31.

[21]李士梅，尹希文.中国农村劳动力转移对农业全要素生产率的影响分析[J].农业技术经济，2017（09）：4-13.

（責任编辑：李韵婷）

Study on the Impact of Human Capital on Agricultural Total Factor Productivity and Its Heterogeneity

——Comparison Between Mountainous and Non Mountainous Areas

Jiang Hao-dong， Zhu Man-de， Zhao Zhi-shang

（School of Economics， Guizhou University， Guiyang 550025）

Abstract： human capital is an important way to improve agricultural total factor productivity. The DEA Malmquist index method is used to calculate the agricultural total factor productivity of various provinces and regions in China from 1999 to 2018， and the instrumental variable method is further used to explore the impact and heterogeneity of the improvement of human capital on agricultural total factor productivity. The results show that the promotion of human capital can significantly promote the growth of agricultural total factor productivity， and has a greater positive effect on mountainous provinces; Labor transfer is beneficial to the increase of agricultural total factor productivity， but labor transfer caused by the improvement of human capital is not conducive to the increase of agricultural total factor productivity， and has a stronger negative effect on mountainous provinces. In order to further improve agricultural total factor productivity， first， strengthen education investment in rural areas， make up for the shortcomings of vocational education and promote the diversification of education; Second， appropriately improve the social welfare of the agricultural sector and promote the return of talents; Third， we should establish a long-term mechanism of non-agricultural feeding agriculture and coordinate the development of urban-rural integration.

Key Words： DEA Malmquist Index; Instrumental Variable; Method Human Capital; Agricultural Total Factor Productivity