人口老龄化下农业人力资本对农业绿色全要素生产率的影响

杜建国 李波 杨慧

摘要 推动农业绿色发展不仅是乡村振兴的有效途径，而且是赋能农业现代化的内在要求，农业人力资本的提升决定了农业绿色发展的水平。该研究首先构建了2011—2021年中国30个省份的农村劳动力系数，分析了农村人力资本总体情况。其次，运用超效率SBM方法，构建GM指数测度了农业绿色全要素生产率及其分解指标，分析了中国农业绿色全要素生产率水平分布与区域差异。最后，结合农村劳动力系数与农业绿色全要素生产率指数，进行了实证分析。研究结果表明：①中国农村老龄化系数从2011年到2021年增长了0. 063，农村老龄化问题正不断冲击着农业农村的可持续发展。②中国农业绿色全要素生产率从2011到2021年大多在1以上，农业绿色发展态势良好，且增长主要动力来源于农业绿色技术进步。③农村老龄化的人力资本结构显著抑制了农业绿色全要素生产率的提升，并且在经过一系列稳健性检验后，该结论依然成立。机制分析发现，创新水平提升在上述关系中起部分中介作用。异质性分析发现，在受教育程度低的地区以及中国西部地区，农村人口老龄化对农业绿色全要素生产率存在显著的抑制作用，而在受教育程度高的地区以及中国东中部地区，农村人口老龄化对农业绿色全要素生产率的影响不显著。相较于环境规制强度低的地区，环境规制强度高的地区农村人口老龄化对农业绿色全要素生产率抑制效应更加明显。基于上述结论，该研究从人才建设、产业融合、制度改革三个方面提出政策建议，研究结果为农村老龄化与农业绿色全要素生产率的关系提供了一定的实证依据，为农村老龄化问题的解决、乡村振兴的全面实现与农业农村绿色发展间的协调关系提供了一定政策启示。

关键词 农村老龄化；人力资本；农业綠色全要素生产率；技术效率；技术进步

中图分类号 F323. 3 文献标志码 A 文章编号 1002-2104（2023）09-0215-14 DOI：10. 12062/cpre20230501

积极贯彻落实党的二十大精神，全面实现乡村振兴，是中国式现代化道路进程中亟待解决的现实难题，也是实现中国经济高质量发展的必然选择。当前，以绿色发展推进乡村振兴已成为加快构建农业新发展格局、推动农村高质量发展的必然要求。据国际能源署统计数据显示，截至2022年，全球二氧化碳排放量同比增长0. 9%，较2021年增加3. 21亿t，达到368亿t的新高。而在温室气体的排放来源中，农业源碳排放是加剧气候变暖、造成碳排放量增加的“第二元凶”，降低农业源碳排放量，加快推进农业绿色发展迫在眉睫。

在实现农业绿色发展的进程中，人口老龄化的加快会对中国经济社会发展造成长久的不利影响已成为不争的事实［1］，而农村人口老龄化造成的影响相对更为严重。据《中国乡村振兴综合调查研究报告2021》显示，截至2019 年，农村全体人口中60 岁及以上人口的比重已达20. 04%，65岁及以上人口的比重达13. 82%，远超“老龄社会”的标准，农村地区的老龄化程度远超全国情况［2］。那么，农业人口的老龄化是否会对农业绿色发展造成冲击，其内在机制是什么？回答这一问题有必要在人口老龄化背景下分析农村人力资本对农业绿色发展的影响，为推进中国农业绿色发展提供政策依据。

1 文献综述与影响机制

1. 1 文献综述

1. 1. 1 老龄化对农业生产的影响

农村老龄化是指依据学界的老龄化界定标准来确定的农村发展现象，学界对老龄化进行了两种界定，分别是10%的60岁及以上的人数与7%的65岁及以上的人数，当农村人力结构满足其中一项标准，即可认为农村进入了老龄化社会，从而形成了农村老龄化现象［3］。该研究主要讨论农村老龄化视域下人力资本对农业绿色全要素生产率的影响，因此在研究农村老龄化时，该研究主要定义的群体为农业劳动力群体。农业劳动力专指从事第一产业的劳动人口，属于农村劳动力的主要构成部分［4］。需要说明的是，由于科技医疗水平的提升以及农业机械的普及导致农业从业门槛降低，国内农村有很多年龄已经达到65岁的老年群体仍然在从事农业生产。学界对农业劳动力的老龄化年龄界定争议愈演愈烈，尚未达到统一的学术标准［5-8］。该研究结合国内学者的普遍做法，将老龄化的计算起点标准设置为65岁。农业劳动力老龄化对农业生产具有重要影响，学者们对此的观点大致分为两种。一是会降低农业就业人口的劳动参与率与有效劳动供给，导致农业生产投入中的劳动投入占比降低，对农业生产形成制约作用［9-11］。二是直接倒逼农业生产专业化水平的提升，由于劳动力资本投入不足，为尽可能保证农业生产甚至促进持续增产，只能采用农业机械、物质资本等资本密集型生产要素［12-14］。之所以形成不同的观点，主要原因在于学者分析农业劳动力老龄化影响农业生产的视角与作用机制差异。

1. 1. 2 农业绿色发展的测算与影响因素

众多学者通过构建农业绿色全要素生产率来衡量农业绿色发展。从最初的对绿色全要素生产率的对比研究到如今的绿色全要素生产率的作用因素研究，已经不再仅仅局限于对绿色全要素生产率的功能认知，而是考虑到针对性地提升绿色全要素生产率。

关于绿色全要素生产率的测算研究，最早可追溯至1997年，Chung等［15］采用非参数方法进行测算，将非期望产出引入到方向性距离函数方法中，从而实现对绿色全要素生产率的测算。国内早期对绿色全要素生产率的研究大多采用这一方法，在研究内容上主要以绿色全要素生产率与传统全要素生产率的对比以及绿色全要素生产率的区域差异比较为主，如对中国工业行业绿色全要素生产率的测算、不同国家绿色全要素生产率的测算对比以及不同地区绿色全要素生产率的测算［16-18］。随着学者们对绿色全要素生产率研究的深入，在研究方向上逐渐出现了转向，开始尝试对绿色全要素生产率进行分解，并从影响因素角度进行探讨，主要分为行业角度［19-20］与区域角度［21］两种。在农业生产方面，近两年关于农业绿色全要素生产率的研究较多，主要集中在时空演化与影响因素的分析方面。郭海红等［22］采用全局GML指数进行了农业绿色全要素生产率增长率的测算，发现绿色技术进步是影响农业绿色全要素生产率增长的主要因素。银西阳等［23］从空间溢出效应视角分析了农业产业集聚对农业绿色全要素生产率的影响，指出二者具有明显的空间相关性，农业产业集聚程度越高，农业绿色全要生产率越低，且这种影响表现出了强烈的空间溢出效应［24］。

从现有研究来看，关于绿色全要素生产率的研究正在逐渐走向分解影响因素的方向，农业作为中国主要产业体系，关系到“三农”问题的解决，农业绿色全要素生产率的测算等研究内容受到了大力关注，然而将其放置在农村老龄化背景下的研究内容较少，有待进一步补充。

1. 2 人口老龄化对农业绿色发展的影响机制

1. 2. 1 人口老龄化对农业绿色发展影响的直接效应

农村劳动力老龄化进程的加快会通过影响人力资本质量与变更能源消耗结构等方式直接影响农业绿色发展。一方面，老龄化的人力资本结构的变化会导致农业生产参与者整体身体素质机能的下降［25］，从而降低农业生产的人力资本质量，对农业生产效率整体形成负面影响［26］。同时，老龄化的人力资本结构变化会导致农村家庭对电力、供暖、医疗等方面的需求进一步加大［27］，而此类产业多属于高能耗产业，不可避免地对农业绿色全要素生产率的增长产生抑制作用。另一方面，在人力资本存量的界定中，工作经验与熟练度是重要考量因素［28］，老龄劳动力由于工作经验丰富，对农业生产活动较为熟练，可以在一定程度上促进人力资本存量的增长。同时，老龄化的人力资本结构变化有利于降低农村整体消费水平［29］，从而减少消费行为所引起的能源消耗与污染物产出，相较于年轻群体，老年群体因为自身身体抵抗力较差等原因，对环境污染的容忍度更低，具有更加积极的环保意识与行为，在一定程度上促进了农业绿色全要素生产率的提升。

综合上述观点，该研究提出以下有待验证的假设。

H1a：农村劳动力老龄化会抑制农业绿色全要素生产率的提升。

H1b：农村劳动力老龄化会促进农业绿色全要素生产率的提升。

1. 2. 2 人口老龄化对农业绿色发展影响的间接效应

农村劳动力老龄化进程的加快可能通过影响技术创新水平的方式间接影响农业绿色发展。一方面，老龄化的人力资本结构变化导致农业生产参与者的整体思维呈现保守发展趋势［30］，限制了新技术在农业生产中的应用，并且由于老龄群体人数增长，迫使政府不断加大对老年群体的医疗与养老服务支出［31］，在一定程度上挤占对农业技术创新与应用以及农业高素质人才培养等方面的财政支出［32］，抑制农业绿色全要素生产率的提升。另一方面，在技术创新层面，老龄化的人力资本结构变化会导致农村社会劳动力数量整体下降［33］，从事农业生产的劳动力成本将增长，企业为了保证农业生产利益，会从技术手段等层面谋求出路，推动技术进步，从而提升农业绿色全要素生产率。

综合上述观点，研究提出以下有待验证的假设。

H2a：农村劳动力老龄化会抑制技术创新，从而抑制农业绿色全要素生产率。

H2b：农村劳动力老龄化会促进技术创新，从而提升农业绿色全要素生产率。

2 农村老龄化及农业绿色全要素生产率的现状

2. 1 农村老龄化现状

该研究将老龄化的计算起点标准设置为65岁，依据农业劳动力的定义，计算农村劳动力老龄化系数情况，并依据2011—2021年《中国人口与就业统计年鉴》中的相关数据，对各省份农村人口数量进行了整理。由于数据可得性等原因，研究未涉及香港、澳门、台湾和西藏。式（1）计算了农村劳动力老龄化系数：

式中：L 表示农村劳动力老龄化系数；P65 + 表示农村老龄化劳动力数量；P16 - 64 表示16～64岁正常农村劳动力数量。

根据式（1），研究测算出2011—2021年30个省份的农村劳动力老龄化系数。由表1可知，2011—2021年，农村劳动力老龄化系数不断攀升，从2011 年的0. 109，到2021年已经上升至0. 172，提高了0. 063，意味着2021年农村劳动力老龄化程度相较十年前提升了57%。需要说明的是，联合国对国家人口老龄化的界定标准为65岁以上人口数量占总人口数量的7%，中国农村早在2011年便已经达到了10. 9%，已经远远超过了7%的标准，说明中国农村劳动力老龄化问题已经属于遗留时间较长的问题。随着农村与城市的经济发展差距不断拉大，农村劳动力每年都存在向经济发展水平更高的城市等其他地区进行转移，从进城务工的农村人口数量不断激增的现实亦可证明这一点，而老龄群体则因为各类原因无法转移，从而导致中国农村“空心化”问题不断加剧，农村劳动力老龄化系数将伴随这一现象的加剧而不断提高，而且按照这一趋势，如果不加以控制，中国农村劳动力老龄化系数将接近0. 2，超过1/5的农村劳动力将属于老龄群体。从区域差异角度可以看出各地区的农村劳动力老龄化系数总体呈现上升趋势，但不同省份与区域的上升情况有所差异。东部地区在三个区中的农村劳动力老龄化系数上升幅度最为明显，说明东部地区的农村劳动力老龄化程度更为严重。东部地区的特点是农村人口基数小、人口流入大，近些年因为实施城镇化加速，农村人口转移更加频繁。在各省份中，四川、江苏、辽宁、重庆的农村劳动力老龄化系数都突破了0. 2，说明这些省份的农村劳动力老龄化现象较为严重，而一些边远少数民族地区的农村劳动力老龄化系数普遍偏低，如青海、新疆等。

根据农村劳动力老龄化指标发现，中国农村老龄化现象已经存在多年，老龄化的成因主要受到三个方面的影响。第一，劳动力转移。中国快速城镇化发展的同时，农村劳动力需要通过就业转移来改善家庭收入水平，以缓解家庭生活压力，转移人群主要以青年劳动力为主，而老年群体因为身体原因，往往无法实现就业转移，大多选择留守农村，从而导致农村劳动力以老年群体居多，伴随劳动力转移现象的不断演化，农村劳动力老龄化趋势随之不断加剧。第二，中国人口结构整体发展趋势。早在2005年，有学者指出中国已经处于低出生率、低死亡率、低自然增长率的人口发展阶段，这一人口结构发展趋势意味著将会有越来越多的青壮年劳动力不断转化为老龄劳动力，老龄劳动力的基数不断增长，而人口总数则维持在一个相对恒定的状态，其结果便是劳动力老龄化系数不断提高。第三，城乡二元结构。在过去很长一段时间内，城市的发展都是以牺牲农业农村作为代价，在政府资源配置上也主要倾向于城市，从而实现了城市工业和第三产业的快速发展，整体表现出政治、经济、文化与社会进程中的二元分割局面。城市的资源配置、工资待遇以及教育环境等客观条件远远优于农村，不可避免地刺激农村劳动力向外转移，加之“走出农村”的传统思想直接导致青年群体在农村的断代现象。

2. 2 农业绿色全要素生产率的测度及空间差异

采用包含非期望产出的Super‐SBM模型以及全局参比的Malmquist指数方法进行农业绿色全要素生产率的测度，相较于传统DEA‐Malmquist指数方法，该方法不仅突破了效率极值为1的限制，而且综合考虑了变量松弛问题，总体而言测算结果更为科学，具体步骤如下：

首先，假设有n 个决策单元，每个单元有m 种投入，s1种期望产出与s2种非期望产出构成，其中，sxi、syk、szl分别表示投入、期望产出和非期望产出的松弛量，λj 为权重向量，ρ为目标函数，ρ 越大代表农业绿色发展效率越高。在该研究中，将30个省份作为决策单元，由劳动、土地、农机、灌溉、化肥五种投入要素，通过生产得到期望产出（农林牧渔业产值）与非期望产出（农业碳排放）。

式中：M GC 表示农业绿色全要素生产率的变动，小于1时表示降低，大于1时表示上升，等于1时表示不变；式中，ECc 表示技术效率变动，即决策单元在给定投入下的产出效果；BPCc 表示技术进步变动，即决策单元技术进步下的产出效果。二者分解指数值大于1时，表示对农业绿色全要素生产率具有促进作用，反之则具有抑制作用，等于1时表示没有明显变化。因西藏地区相关数据严重缺失，不在研究范围。投入产出指标见表2。

其中：土地、劳动、农机、灌溉与化肥投入以及期望产出的农林牧渔业产值来源于《中国农村统计年鉴》；非期望产出的农业碳排放参照李波等［24］的研究，在确定农业六类碳源排放系数后汇总计算所得。研究通过MATLAB软件计算了农业绿色全要素生产率（全局参比的Malmquist指数，即GM指数），并将其分解为技术效率变化指数ECc 与技术进步变化指数BPCc，见表3。

除2016—2017年，30个省份的农业绿色全要素生产率GM 指数在研究期内均大于1，表明中国农业绿色生产效率始终处于稳步发展状态，其中，2019—2020 年，GM 指数高达1. 282，相较2010—2011 年增幅9. 57%，2020—2021年出现小幅回落。分区域而言，2019—2020年，各地区GM指数均呈现不同幅度的增长，其中，西部地区GM 指数增幅最大，由1. 169 增长至1. 347，增幅为15. 23%；中部地区次之，由1. 168 增长至1. 321，增幅为13. 10%；东部地区增幅最低，由1. 170增长至1. 282，增幅为9. 57%，可能的原因是，中西部地区农业绿色生产效率相对较低，技术进步较容易，相较2019—2020年，2020—2021年GM指数均出现回落。

从省域视角进行分析，如图1所示截至2019—2020年，贵州省在所有省域中的增幅情况最为明显，在2019—2020年的GM指数排在首位，而在2011—2012年时在所有省份中排名仅在中游。除贵州省以外，河南省、天津市、宁夏回族自治区与湖南省等的增幅表现同样较为优秀，分别位列第2～5位，在2019—2020年的GM指数的各省份排名中同样位列在前，分别是1. 448、1. 441、1. 437与1. 465。北京市、江苏省、黑龙江省、辽宁省与上海市2019—2020年的GM指数相较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指数均出现下降。

中国农业绿色全要素生产率分解得到的技术效率与技术进步变化情况如表4和图2所示。可以看出，研究期间内，全国技术进步变动（BPCc）除2014—2015年外均大于1，即农业方面的技术进步较为明显，而技术效率变动（ECc）在多个年份存在小于1 的情况。相较于2010—2011年，2020—2021年的分解值分别增加。

由表4可知，2020—2021年的分解值相较于2010—2011年分别增长了-0. 079与0. 032，意味着中国农业绿色全要素生产率的增长主要依赖于技术进步，近十年内各类农机在农业生产中的广泛应用大大提高了中国绿色农业生产效率。而相比于技术进步，农业技术效率的增长相较缓慢，且始终保持在较低水平，甚至在多个年份表现出下降态势，说明农业技术效率始终是中国绿色农业发展的一大短板。可能的原因是农村人力资本的短缺，因为城乡二元结构的存在，农村人才普遍向外转移，尤其是高知识、高素质的农村人力资本向外转移，从而导致农业生产的人才匮乏，从事农业生产的老年群体因为专业知识较为落后，对新型农业技术的接受程度与能力较差，抑制了农业技术效率的提升。综合来看，虽然老龄化的人力结构变化抑制了农业技术效率的提升，但也因此对技术进步形成了一种强有力的倒逼作用，而且从当前情况来看，这种作用力所引起的农业绿色全要素生产率的提升效果要远远高于技术效率的提升效果。

从地区差异来看，东部、中部、西部三个地区的农业绿色全要素生产率指数及其分解值均表现出波动变化趋势，其中，中部地区的波动幅度相对较大，需要说明的是，除少量年份外，东部地区在研究期间的GM指数始终相较西部地区更低，且存在明显差距。可能的原因是，东部地区多为沿海发达经济带，城市经济远远领先于农村经济，农村人口向城市的流动情况要更加严重，农村老龄化更加严重，这一点从表1的结果同样得到了验证。从分解值来看，在技术效率层面，东、中、西部地区技术效率涨幅均小于0，2020—2021年的技術效率值相较2011—2012年分别下降了0. 091、0. 032、0. 102，同时，东部地区大多年份的技术效率值始终保持在1以下的水平，说明东部地区的技术效率已经对农业绿色全要素生产率的增长起到抑制作用，且这种抑制作用正在不断加剧；在技术进步层面，相较2010—2011年，东、西部地区技术进步值均出现增长，分别增长0. 106、0. 025，同时，各地区技术进步均值均在1以上，即说明各地区均以技术进步的增长作为绿色农业发展的主要动力。

3 研究设计

3. 1 样本选择与数据来源

该研究选取2011—2021年30个省份为研究样本，采用了累积算法对农业绿色全要素生产率Global‐Malmquist指数进行测算。该研究相关数据来源于《中国统计年鉴》《中国人口与就业统计年鉴》《中国农村统计年鉴》、各省（直辖市、自治区）统计年鉴、中国宏观经济数据库、EPS数据库。部分缺失数据通过插值法补全。同时，为了缓解异方差的影响，作者对相关变量取自然对数处理。此外，为了缓解极端值的影响，该研究对相关连续变量在1%和99%水平上进行缩尾处理。

3. 2 变量定义

设定农业绿色全要素生产率（GTFP）为被解释变量。以测算得到的农村劳动力老龄化系数（Old）作为核心解释变量，同时增加了农村居民老年抚养比（Olda）作为解释变量，用于稳健性检验，验证农村劳动力老龄化系数对农业绿色全要素生产率的关系，具体可以通过非劳动年龄的老年人口数量与劳动年龄人口数量的比加以表示。综合以往的研究，以及农村农业生产实际情况，研究设定了6 个控制变量，分别是一产占比（Str）、农业就业（Employ）、外商直接投资（FDI）、资源消耗（Oil）、受灾面积（Disaster）、教育水平（Edu）。主要变量说明见表5。

3. 3 模型构建

该研究构建面板固定效应模型如式5，以验证人口老龄化下农业人力资本对农业绿色全要素生产率的影响。

其中，下标i，t 分别表示个体省份、年份。被解释变量为GTFPi，t 为i 省份在t 年的农业绿色全要素生产率指数，核心解释变量Oldi，t 为i 省份在t 年的农业人口老龄化程度，Controls 为一系列控制变量。同时，在模型中控制了双向固定效应，其中μi 表示个体固定效应，δt 表示时间固定效应。如果模型（5）中的系数β1 显著为负，则说明人口老龄化显著降低了农业绿色全要素生产率。

4 实证分析

4. 1 描述性分析

表6报告了主要变量的描述性统计结果，被解释变量农业绿色全要素生产率GTFP 的均值为1. 11，中位数约为1. 09，且均值远大于标准差，说明变量相对集中；解释变量人口老龄化Old 均值和中位数均为0. 13，且最大值最小值近似在两个标准差以内，说明数据接近正态分布。除外商直接投资（FDI）以外，其余所有控制变量均值均大于标准差，说明数据不存在过度分散问题。

4. 2 基准回归结果

该研究采用面板固定效应模型估计模型（5），并使用异方差稳健标准误，后文若未特殊说明，则处理方式与此一致。表7报告了农村人口老龄化对农业绿色全要素生产率的基准回归结果。其中列（1）为仅控制时间固定效应的回归结果，发现人口老龄化Old 系数为-0. 645 5，且在1%水平上显著，说明农村人口老龄化对农业绿色全要素生产率存在抑制作用。列（2）控制了时间、个体固定效应，发现人口老龄化Old 系数显著为负，且模型的拟合优度有较大程度上升。列（3）加入了一系列控制变量，控制了时间固定效应，发现核心解释变量系数仍为负，且在1%水平上显著为负。为缓解基本模型可能存在的遗漏变量问题，作者在列（4）中进一步控制了个体固定效应，此时Old 系数在1%水平上显著为-1. 703 9，说明农村人口老龄化对农业绿色全要素生产率存在抑制作用，农村青年勞动力越多，农业绿色全要素生产率越高。综上所述，上述结果验证了该研究的基本假设H1a。

4. 3 内生性处理

农业污染不仅影响了数亿农村人口的生产活动，而且还通过水、大气和食品等渠道影响到农村人口的生活与健康，因此，该研究假设可能存在互为因果的内生性问题。此外，考虑到，该研究可能存在潜在的遗漏变量问题，作者使用了工具变量法，PSM倾向得分匹配，并且都在模型中控制个体固定效应，以减少内生性问题带来的研究偏差。

4. 3. 1 工具变量法

第一，选择滞后一期的农村人口老龄化系数作为工具变量。前一期的农村人口老龄化系数会影响当期的农村人口老龄化系数；同时，上一期农村人口老龄化系数不会直接影响当期的农业绿色全要素生产率，也即工具变量满足外生性要求。表8的列（1）与列（2）报告了两阶段最小二乘法（IV-2SLS）的回归结果。第一阶段结果显示，Old_L1系数为0. 645 1，滞后一期的农村人口老龄化显著促进了当期的农村人口老龄化程度，也证明了工具变量与核心解释变量的相关性。同时，Kleibergen‐Paap rk LM统计量为59. 79，说明工具变量没有不可识别问题。此外，还进行了弱工具变量检验，Cragg‐Donald Wald F 统计量为179. 38，结果显示，在1%水平上拒绝原假设，即所选变量并非弱工具变量，这验证了该研究工具变量选取的合理性。列（2）报告了第二阶段的回归结果，Old 系数为-1. 980 3，且在5%显著性水平下显著，说明考虑了内生性问题后，该研究的基本结论依然稳健。

第二，选择养老服务质量作为工具变量。该研究创新性地选择养老机构床位数作为工具变量。首先，一个地区人口老龄化程度增加，会显著提升养老服务需求，进而表现为养老机构数与养老机构床位数增长，也即工具变量满足相关性；同时，地区养老服务质量更多表现为服务业的发展程度，而与农业没有直接的关联，进而与农业绿色全要素生产率没有直接的联系，即工具变量满足外生性。养老机构床位数数据来源于国泰安数据库（CSMAR）。值得一提的是，由于国泰安数据库中关于养老机构床位数数据开始时间为2013 年，因此，在进行两阶段最小二乘法（IV‐2SLS）回归中选择的样本时间为2013—2021 年，即270个样本。表8列（3）、列（4）报告了IV‐2SLS的回归结果。列（3）中IV系数显著为正，说明农村人口老龄化系数越高，当地养老机构床位数越多。同时Kleibergen‐PaapWald rk LM统计量为11. 62，通过了不可识别检验，此外，Cragg‐Donald Wald F 统计量为11. 04，也即该工具变量还通过了弱工具变量检验。列（4）中Old系数在1%显著性水平下显著为负，说明该研究的基本结论仍然成立。

4. 3. 2 倾向得分匹配

考虑到农业绿色全要素生产率可能内生于所处省份特征，为进一步缓解内生性，该研究使用PSM倾向得分匹配方法来解决这一问题。具体而言，将农村人口老龄化系数（Old）按从大到小排序，将30%分位数作为分段点，取农村人口老龄化高于30%分段点的样本为处理组，剩余样本为对照组。并选取所有控制变量为匹配协变量，倾向得分通过logit模型计算，并使用1比4最近邻匹配，剔除未匹配成功的样本，最后使用匹配得到的样本重新验证农村人口老龄化与农业绿色全要素生产率的关系。表9列（1）报告了使用最近邻匹配后的回归结果，核心解释变量Old 系数在1%显著性水平下显著为负，说明该研究的基本结论稳健。此外，作者还使用了半径匹配、核匹配，列（2）、列（3）报告了相应的结果，人口老龄化系数显著为负，说明倾向得分匹配后，该研究的基本结论依然成立。

4. 4 其他稳健性检验

4. 4. 1 替换解释变量

考虑到该研究仅选择了农村人口老龄化系数作为解释变量，选取变量单一，结果可能存在一定偶然性。为了使该研究的结论更加稳健，参考以往的研究，使用农村居民老年抚养比（Olda）进行稳健性检验。其中，农村居民老年抚养比数据来源于中国人口统计年鉴。表10列（1）报告了替换解释变量的回归结果，在控制时间、个体固定效应后，回归结果在1%水平上显著为负，说明基本结论仍然稳健。

4. 4. 2 替换稳健标准误

在之前的研究中，面板固定效应回归模型均采用了异方差稳健标准误。实际上，同一省份个体不同年份的扰动项往往存在自相关即聚类现象，而聚类稳健标准误可以克服此类组内自相关问题。因此，为保证该研究的稳健性，作者选择省份个体聚类稳健标准误进行重新估计，并同时控制了个体和时间固定效应。表10列（2）汇报了相应的结果，Old 系数在1%显著性水平下显著为负，说明基本结论依然稳健。

4. 4. 3 替换样本

该研究的研究对象为省一级，考虑到直辖市有着较大的经济、政治特殊性，其农村农业发展程度特征与其他省份可能存在很大的不同，因此，该研究对直辖市样本进行剔除，以进行稳健性检验。表10列（3）汇报了替换样本的回归结果，核心解释变量系数仍在5%显著性水平下显著为负，说明基本结论仍然稳健。

5 机制分析

通过该研究的分析表明，农村人口老龄化可能通过创新水平提升来影响农业绿色全要素生产率，鉴于此，该研究进一步通过实证探究创新水平提升在其中的渠道机制作用。该研究采用逐步回归法进行中介效应检验，并构建如下中介效应模型如式（6）～（8）：

其中，Mediator 是需要被检验的中介变量。下标i，t分别表示个体省份、年份。被解释变量为GTFPi，t 为i 省份在t 年的农业绿色全要素生产率指数，核心解释变量Oldi，t为i 省份在t 年的农业人口老龄化程度，Controls 为一系列控制变量，μi 表示个体固定效应，δt 表示时间固定效应。若β1、β2、β4 显著，则说明Mediator 在人口老龄化与农业绿色全要素生产率中存在中介效应，同时，若β3 显著，则存在部分中介效应；若β3 不显著，则存在完全中介效应。

该研究选取了省份当年发明专利申请受理量来衡量创新水平。专利数据来源于中国统计年鉴，表11报告了创新水平提升的中介效应检验结果。其中，列（2）中Old系数在1%显著性水平上为负，说明农村人口老龄化显著抑制了创新水平，列（3）报告了Old 系数为-1. 577 3，中介变量Patent 系数为0. 025 7，且在10%显著性水平下显著，说明创新水平在人口老龄化与农业绿色全要素生产率中存在部分中介效应。此外，比较列（1）基准回归中核心解释变量系数与列（2）Old 的系数发现，在引入地区发明专利变量（Patent）后，农村人口老龄化系数与农业绿色全要素的负向关系有所减弱。因此，该研究H2a得以验证。

6 异质性分析

6. 1 受教育程度

受教育年限是人力资本的重要构成要素，反映了农村劳动力的特征与赋能，其值越高，理论上表示其可以接受新型农业技术与知识的程度与能力越高，越有利于农业绿色全要素生产率的提升［35］。然而，有关实证研究对人力资本和农户绿色生产行为存在争议。如农户采用无公害及绿色农药的行为受教育水平的影响很小［36］。为验证受教育程度是否影响农村人口老龄化对农业绿色全要素生产率的效应，作者进一步按区域人口受教育程度进行异质性分析。

参考马春艳等［37］的研究，受教育程度用勞动力受教育年限表示。具体而言，劳动力受教育年限用老龄劳动力在不同学历阶段的人数总和分别乘以对应学历阶段所需的教育年限的平均值加以得到，其中小学为6年、初中为9年、高中为12年，大学为16年。同时，作者以受教育程度的中位数为间断点，分为受教育强度高和低两组。表12列（1）、（2）汇报了相应的检验结果。在两组样本中，仅有受教育程度低的组Old 系数显著为负，说明仅在受教育程度低的区域中，农村人口老龄化水平会抑制农业绿色全要素生产率，而在受教育程度高的样本中，两者关系不显著。可能的原因是，老龄化的人力资本结构变化导致农业生产参与者的整体思维呈现保守发展趋势，同时，受教育水平高的主体，其受教育的时间段相对更靠前，获取的知识更加陈旧，在保守思想的加持下，其对新技术更排斥，且转而更相信自身早期所获得的知识，因此老龄化系数与农业绿色全要素生产率不显著。

6. 2 环境规制

已有研究发现地区环境规制与绿色全要素生产率密切相关。环境规制对绿色全要素生产率的影响不仅取决于环境规制程度的大小，同时也取决于环境规制工具的选择［38］。具体到农业绿色全要素生产率，命令控制型环境政策规制对农业绿色全要素生产率和粮食安全均产生正向影响，市场激励型碳排放交易规制对农业绿色全要素生产率和粮食安全分别产生了正向作用和负向作用，自愿参与型环保投资规制仅对农业绿色全要素生产率产生了显著正向影响［39］。由于农业经营主体遵循利益最大化原则，在环境规制强度高的地区，经营主体往往面临的环境管制更多，或者面临的政策补贴更多，其青年劳动力更加可能关注到污染治理、绿色技术及绿色生产。因此，作者假设在不同环境规制强度地区，农业经营主体对绿色生产的激励动机不同，相应的，农村人口老龄化对农业绿色全要素生产率的影响因地区环境规制强度存在差异。环境规制强度高的地区，农村人口老龄化对农业绿色全要素生产率抑制作用更大。

为检验上述假设，作者统计了30个省份工业废水、工业二氧化硫、工业烟粉尘的数据，并通过熵值法得到了环境规制综合指标。同时，作者以环境规制强度的中位数为间断点，分为环境规制强度高和低两组。表12列（3）、（4）汇报了相应的检验结果。两组样本中Old 系数均显著为负，说明在不同环境规制的区域中，农村人口老龄化水平均会抑制农业绿色全要素生产率。同时，高环境规制强度组Old 系数的绝对值大于低环境规制强度组，说明环境规制强度高的地区，农村人口老龄化程度对农业绿色全要素生产率的负向作用更大。

6. 3 区域异质性

中国地域辽阔，地区间发展不平衡不充分问题突出，特别是中国各地区在经济基础、自然环境和农业生产水平等方面存在较大差异，且中国人口分布及老龄化程度也存在显著的区域差异。总体而言，中国人口集中在胡焕庸线的东南方，中国农村老龄人口在空间上主要集中分布于东部沿海和南部，并呈现出向中部绵延的趋势［40］。因此农村人口老龄化程度对农业绿色全要素生产率的影响可能具有区域异质性。

为检验上述假设，作者将中国分为东中西三个区域。表13汇报了相应的检验结果。其中，仅在西部地区，农村人口老龄化显著抑制了农业全要素生产率，而在东部和中部两组样本中，核心解释变量Old 系数不显著。可能的原因是，西部地区社会经济状况相对较差，地方政府对老年群体的医疗与养老服务支出压力相对更大，从而在一定程度上挤出对农业技术创新与应用以及农业高素质人才培养等方面的财政支出，导致其农村人口老龄化对农业绿色全要素生产率的抑制效应更加显著。

7 结论与政策建议

推进农业农村绿色生产，以绿色农业发展带动乡村振兴，具有重要的现实意义。该研究从人力资本视角探究制约农业绿色发展的关键要素，具体而言，作者以农村老龄化作为研究视角，探讨了由农村老龄化引发的人力资本结构变化对农业绿色全要素生产率的影响。研究发现：①中国农村劳动力老龄化系数在十年内表现出了稳步上升的发展趋势，早在2011年，中国农村劳动力老龄化系数已经超过了联合国对国家老龄化界定的7%标准，说明农村老龄化是一个长期性问题，且随着发展而愈演愈烈。②中国农业绿色全要素生产率及分解值在十年内均表现出波动变化趋势，但各地区存在差异状态，2011—2021年间，各地区GM指数变化幅度排序分别为中部、西部、东部地区。③农村老龄化的人力资本结构显著抑制了农业绿色全要素生产率的提升，表现为青年劳动力有着更加积极的绿色生产动力。机制分析发现，创新水平提升在上述关系中起部分中介作用。异质性分析发现，在受教育程度低的地区以及西部地区，农村人口老龄化对农业绿色全要素生产率存在显著的抑制作用，而在受教育程度高的地区以及东中部地区，农村人口老龄化对农业绿色全要素生产率的影响不显著。相较于环境规制强度低的地区，环境规制强度高的地区农村人口老龄化对农业绿色全要素生产率抑制效应更加明显。

基于上述研究结果，作者提出以下建议：①加强农业人才培育。对于农业经营个体，积极引导教育培训其进行绿色生产。一方面，提升农民知识水平，宣传和普及数字技术、绿色技术，积极引导在农业经营主体在农业生产过程中新型创新技术，另一方面，加强低碳环保的农业生产经营理念，提升农村农民绿色环保、绿色可持续生产观念，实现绿色生产的内源动力提升。对于教育体系，中国应积极发展适应现代化绿色农业的学科建设，以鼓励校企合作等方式推进绿色农业发展。②深入推进以农业为主导的三产融合型乡村产业体系建设与发展。农业作为第一产业，在其相关产业链中处于基础地位，然而也是传统产业体系中的弱势产业群体，在推进三产融合型乡村产业体系时，势必要突出农业的主导地位，充分保障农民群体的正当利益，才能切实推进绿色农业发展。政府应当在乡村产业体系建设中发挥主导者角色，以解决“三农”问题、为人民服务的理念来引导乡村产业走向融合，切实地落实好相关政策制定工作，明确农业的主体地位与农民群体的权益范围，在提升农业附加值的同时，切实做到将这部分利益反馈到农民群体身上。③完善农业相关政策。积极贯彻党的二十大精神，巩固和完善农村基本经营制度，发展新型农村集体经济，深化土地制度改革。发展新型农村集体经济是农业规模化、現代化发展的必然基础，从而实现绿色农业技术的集成化，可以有效促进绿色农业发展。地方政府应对低碳农业生产进行一定的政策鼓励。同时，在保障农业正常发展、粮食供应健康的情况下，不同区域结合自身经济发展特征、人口年龄结构，适当加大地区环境规制强度，以推进地区农业绿色生产。

参考文献

［1］ 武汉大学“十四五”时期人口相关政策研究课题组.“十四五”时期人口相关经济社会政策的思考与建议［J］. 中国人口·资源与环境，2020，30（6）：20-28.

［2］ 魏后凯. 中国乡村振兴综合调查研究报告（2021）［M］. 北京：中国社会科学出版社，2022.

［3］ 赵梦晗，杨凡. 中国老年人的主观年龄及影响因素分析［J］. 人口学刊，2020，42（2）：41-53.

［4］ 孙亚南. 农业劳动力转移、人力资本投资与农村减贫［J］. 学习与探索，2020（11）：149-156.

［5］ 张宏胜. 中国农村人口老龄化对农业可持续发展的影响研究［J］. 农业经济，2022（4）：83-85.

［6］ 彭魏倬加. 农村劳动力老龄化对农户技术选择与技术效率的影响［J］. 经济地理，2021，41（7）：155-163.

［7］ 赵海涛，朱帆，常进雄. 老龄化背景下农村劳动力的年龄结构与非农转移测度［J］. 华中农业大学学报（社会科学版），2020（5）：71-81，171.

［8］ 王善高，田旭. 农村劳动力老龄化对农业生产的影响研究：基于耕地地形的实证分析［J］. 农业技术经济，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. 劳动经济学［M］. 北京：中国社会科学出版社，2015：16.

［11］ 王萍. 劳动力年龄和教育结构对经济增长的影响研究：基于人力资本存量生命周期的视角［J］. 宏观经济研究，2015（1）：52-57，115.

［12］ 陆岐楠，张崇尚，仇焕广. 农业劳动力老龄化、非农劳动力兼业化对农业生产环节外包的影响［J］. 农业经济问题，2017，38

（10）：27-34.［13］ 张露，罗必良. 小农生产如何融入现代农业发展轨道：来自中国小麦主产区的经验证据［J］. 经济研究，2018，53（12）：144-160.

［14］ 王淑红，杨志海. 农业劳动力老龄化对粮食绿色全要素生产率变动的影响研究［J］. 农业现代化研究，2020，41（3）：396-406.

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

［16］ 陈诗一. 中国的绿色工业革命：基于环境全要素生产率视角的解释（1980—2008）［J］. 经济研究，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］ 白稳. 我国东部地区绿色全要素生产率研究：基于DEAMalmquist的实证分析［J］. 经济与管理，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，赵浩，谢炳庚，等. 土地资源错配对中国城市工业绿色全要素生产率的影响［J］. 地理学报，2021，76（8）：1865-1881.

［21］ 逯进，李婷婷. 产业结构升级、技术创新与绿色全要素生产率：基于异质性视角的研究［J］. 中国人口科学，2021（4）：86-97，128.

［22］ 郭海红，刘新民. 中国农业绿色全要素生产率的时空分异及收敛性［J］. 数量经济技术经济研究，2021，38（10）：65-84.

［23］ 银西阳，贾小娟，李冬梅. 农业产业集聚对农业绿色全要素生产率的影响：基于空间溢出效应视角［J］. 中国农业资源与区划，2022，43（10）：110-119.

［24］ 李波，张俊飚，李海鹏. 中国农业碳排放时空特征及影响因素分解［J］. 中国人口·资源与环境，2011，21（8）：80-86.

［25］ 刘生龙，李军. 健康、劳动参与及中国农村老年贫困［J］. 中国农村经济，2012（1）：56-68.

［26］ 赵霞，韩一军，姜楠. 农村三产融合：内涵界定、现实意义及驱动因素分析［J］. 农业经济问题，2017，38（4）：49-57，111.

［27］ 刘辉煌，李子豪. 中国人口老龄化与碳排放的关系：基于因素分解和动态面板的实证分析［J］. 山西财经大学学报，2012，34（1）：1-8.

［28］ 陆杰华，刘畅. 区域性别文化影响视角下的性别收入不平等研究：基于2018 年劳动力动态调查数据的验证［J］. 西北人口，2023，44（1）：15-28.

［29］ 史清华，邓苏昊. 老龄化时代的中国服务业发展［J］. 华南农业大学学报（社会科学版），2023，22（2）：74-86.

［30］ 韩振秋. 我国老龄化问题治理机制及路径选择研究［J］. 广西社会科学，2019（12）：80-84.

［31］ 刘哲希，王兆瑞，陈小亮. 人口老龄化对居民部门债务的非线性影响研究［J］. 经济学动态，2020（4）：64-78.

［32］ 汪伟，姜振茂. 人口老龄化对技术创新的影响机制分析：基于DFA方法的创新评价和动态面板模型［J］. 上海财经大学学报，2017，19（6）：4-17.

［33］ 王金营，李庄园，王冬梅. 中国人口长期发展目标研究：基于增强经济实力的认识［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. 新型城镇化对绿色全要素生产率的影响［J］. 统计与决策，2021，37（5）：116-119.

［36］ 蔡乌赶，周小亮. 中国环境规制对绿色全要素生产率的双重效应［J］. 经济学家，2017（9）：27-35.

［37］ 马春艳，龚政，李谷成. 政府支持、FDI与农业技术创新：基于产出与效率的双重视角［J］. 农林经济管理学报，2020，19（1）：24-33.

［38］ 展进涛，徐钰娇. 环境规制、农业绿色生产率与粮食安全［J］.中国人口·资源与环境，2019，29（3）：167-176.

［39］ 李玲，陶锋. 中国制造业最优环境规制强度的选择：基于绿色全要素生产率的视角［J］. 中国工业经济，2012（5）：70-82.

［40］ 袁俊，吴殿廷，吴铮争. 中国农村人口老龄化的空间差异及其影响因素分析［J］. 中国人口科学，2007（3）：41-47，95.

（责任编辑：蒋金星）