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

王淑红，杨志海

（1.华中农业大学经济管理学院，湖北 武汉 430070；2.中国人民大学环境学院，北京 100872）

保障粮食安全事关国计民生，是中国国家层面的重要战略之一。然而，以高投入方式换来的粮食生产连续增产并非没有代价。化肥、农药等的过量施用不仅引起土壤结构恶化、肥力下降以及土壤板结等耕地质量下降问题，也带来严重的环境污染问题。首次全国土壤污染状况调查公报显示，污染物含量超标的耕地占比高达20%，其中83%来自铬、镍和砷等无机物质的污染，而这些无机物质的污染很大程度上是由于农业生产中农药、化肥等化学产品过量施用导致的。这意味着，转变农业生产经营方式，推动我国粮食生产绿色转型，加快提升粮食绿色全要素生产率已到了刻不容缓的地步。与此同时，伴随着城镇化和工业化的不断推进，作为粮食生产主体的农业劳动力，大量转移到城镇非农部门[1]，农业劳动力的年龄结构发生了显著的变化，粮食生产的重担由青年劳动力转向老龄劳动力[2]。据《中国人口统计年鉴》和《中国人口和就业统计年鉴》显示，2000年我国农村65岁以上人口占乡村人口比重仅为7.35%，到2016年该比重则上升至12.53%，而且预计未来我国农业劳动力老龄化趋势会不断加剧[3-4]。不少学者提出了“未来谁来种地”、“明天谁来种粮”的问题，引起了社会各界的广泛关注。但是，关于农业劳动力老龄化是否对粮食绿色生产造成不利影响的问题仍然缺乏足够的证据。

随着农业生产中资源环境问题日益突出，学者们开始将农业生产过程中的环境有害型投入或负产出纳入到传统的粮食全要素生产率核算框架，以测算分析农业绿色全要素生产率。譬如，吴丽丽等[5]、潘丹[6]、李谷成[7]以及黄安胜等[8]通过测算我国农业绿色生产效率，发现我国农业绿色生产仍存在较大的提升空间，主要原因在于农业生产过程中的污染排放较为严重。在粮食生产领域，闵锐和李谷成[9]分析了湖北省粮食生产环境技术效率的变动趋势，赵丽平等[10]则更进一步对我国各粮食生产功能区的粮食生产环境技术效率进行了研究。有学者则指出，由于忽略粮食生产带来的环境代价，传统测算方法得到的效率均值显著地高估了我国粮食生产的真实效率水平[11]。与此同时，已有文献不乏对粮食生产率与农业劳动力老龄化关系的探讨，但大多是基于微观农户数据而展开的研究，而且未拓展至粮食绿色全要素生产率的研究。在这些研究中，一种观点认为农业老龄劳动力由于体力较差、受教育程度较低，且受传统观念的束缚，直接影响到其对先进技术的掌握[12]以及要素配置的优化[13]，降低主要生产要素的边际产值，使得农业生产和劳动供给出现“非粮化”倾向，带来农业生产的单一化、粗放化经营，从而降低粮食生产率。另一种观点则认为随着农业生产条件的改善，农业老龄劳动力更倾向于用物质要素投入（比如农业机械、农药、化肥等）替代劳动[2]，新型种植方式也减轻了对劳动力的依赖；此外，由于老龄劳动力外出进行非农务工的机会较小，反而更专注于对农业生产进行精细化耕作，从而有助于提升粮食生产率[14-15]。

整体而言，已有文献为本研究的开展奠定了良好基础，但由于研究方法与角度不同等原因，尚未得到一致的结论，并存在一些有待完善之处：其一，大部分文献主要研究了农业劳动力老龄化对粮食生产率的影响，而对粮食绿色全要素生产率影响的研究较为少见；其二，现有分析农业劳动力老龄化对粮食生产率影响的文献大多聚焦于微观层面，鲜有宏观层面的研究，这不利于把握我国农业劳动力老龄化对粮食生产影响的总体态势。鉴于此，本文基于1991—2016年27个省（区）的粮食生产面板数据，尝试在测算粮食绿色全要素生产率指数的基础上，分析农业劳动力老龄化对粮食绿色全要素生产率变动影响的综合效应，以期为政府制定应对农业劳动力老龄化，推进粮食生产绿色转型政策提供参考。

1 理论与机理分析

结合已有文献研究结论，比如人力资本存量生命周期理论、农业技术进步理论以及农户经济行为理论等，本文认为农业劳动力老龄化主要通过两种路径影响粮食绿色全要素生产率：人力资本弱化作用和要素替代深化作用。

1.1 农业劳动力老龄化与人力资本弱化作用

一般认为，我国农业老龄劳动力受教育水平普遍较低，其认知能力、学习能力以及应变能力较之年轻劳动力有较大的差距[16-18]。此外，根据人力资本存量生命周期理论，农业劳动力人力资本存量存在一种“倒U型”变化趋势，即随着年龄的增长，人力资本存量会由少到多，直至在某一年龄达到峰值后，再逐步下降[17]。这意味着，农业劳动力老龄化将不可避免的带来人力资本存量的下降。具体而言，随着年龄的增加，老龄劳动力的生理功能退化，反应速度变慢，且易受到各种慢性病的困扰，这些将会加速其体力和精力的下降，从而降低参与农业劳动的可能性，减少劳动时间[19]，伴随而来的是农业劳动力供给数量的减少与质量的下降。这意味着，农业劳动力老龄化将不可避免的造成以绿色生产技术应用为载体的粮食绿色生产转型受阻，进而不利于粮食绿色全要素生产率的提高。因此，本文将此种负面效应定义为“人力资本弱化作用”。

1.2 农业劳动力老龄化与要素替代深化作用

农业劳动力老龄化将导致农户要素禀赋产生变化，迫使农户重新对粮食生产要素进行配置，这便为要素替代提供了机会与空间。本文所指的要素替代主要体现在三个方面：1）粮食生产田间作业对农户的体力精力要求较高，且在连续作业的情况下老龄劳动力难以胜任，为了能够继续从事粮食生产，农户会选择将部分或者全部生产环节外包，进而诱导粮食生产的专业化和纵向分工，从而有利于促进粮食绿色生产[20-21]；2）农业劳动力老龄化能够倒逼农业技术升级，逐步替代传统的粗放式生产要素投入方式，提高农户的粮食生产效率，并使其摆脱依赖于劳动力投入的旧模式[22]；3）农业劳动力老龄化在一定程度上会促进农村土地流转，老龄劳动力可将耕地交与种田能手等进行更为科学高效的管理[23]。因此农业劳动力老龄化程度的加剧，使得传统生产要素逐渐被现代化生产要素所替代，而这种替代为粮食绿色全要素生产率增长提供了机遇。本文将这种正向作用定义为“要素替代深化作用”。

农业劳动力老龄化会同时通过上述两种路径（如图1）影响粮食绿色全要素生产率。若人力资本弱化作用强于要素替代深化作用，农业劳动力老龄化则整体上不利于粮食绿色全要素生产率的提高；反之，则会有助于粮食绿色全要素生产率的增长。

图1 农业劳动力老龄化对粮食绿色全要素生产率变动影响的机理分析Fig. 1 Mechanism analysis of the aging of agricultural labor force on the change of the GTFPI

2 研究方法与数据来源

2.1 模型选择

由于农业生产符合规模报酬不变的特征，考虑到在稀缺资源约束下获得粮食产量最大化、对环境造成的污染最小化更符合我国粮食生产的实际情况，所以本文主要从产出导向入手，基于规模报酬不变角度来构建GML（Global-Malmquist-Luenberger）指数。

2.1.1 生产可能性集合 由于传统的ML（Malmquist-Luenberger）指数仅适用于分析短期内相邻时期的生产率变动，不具备指数循环性，并且利用线性规划求解时可能会出现无解的情况[24]，基于此，本文借鉴Oh[25]的GML指数模型，将各决策单元（DMU）所有考察期为基准，并与方向性距离函数结合构建生产前沿面测算粮食绿色全要素生产率，模型如下：

本文将我国各省作为决策单元，生产可能性集合为[26]：

式中：x= (x1,x2,…,xM)∈R+M为M种投入要素x构成的向量集；yg=(y1g,y2g,…,yNg)∈R+N为N种合意产出yg构成的向量集，yb=(y1b,y2b, …,ySb)∈R+S为S种非合意产出yb构成的向量集；P为生产可能性集合，表示对于投入要素向量集x可以同时生产出合意产出和非合意产出的组合(yg,yb)。此外，根据Färe等[27]的定义，上式中，生产可能性集合P是一个有界闭集，具备以下性质：

1）不投入要素也不会得到产出，即对于x∈R+M，存在(0,0)∈R+M；

2）有限要素投入的情况下将会得到有限的产出；

3）投入要素和合意产出的强可处置性，即若x'≥x则P(x')⊇P(x)；若(yg,yb)∈P(x)且(yg)'≤yg，则((yg)',yb)∈P(x)；

4）非合意产出的减少必然伴随合意产出成比例的减少，二者具有联合弱可处置性，即若(yg,yb)∈P(x)，且0≤θ≤1，则(θyg,θyb)∈P(x)；

5）必须同时生产合意产出和非合意产出，即若(yg,yb)∈P(x)，且yb=0，则yg=0。

2.1.2 方向性距离函数 Färe等[27]在距离函数的基础上构建了方向性距离函数D，能够同时实现合意产出yg的增加和非合意产出yb的减少。其定义如下：

式中：g=(gy,gb)为方向向量，gy∈R+n，gb∈R+s，方向性距离函数的目的是在gy方向上增加合意产出yg，并且在gb方向缩减非合意产出yb，β是合意产出沿着方向向量gy最大可能扩张程度以及非合意产出沿着方向向量gb最大可能的缩减程度，该方向性距离函数可通过下列线性规划求解[27]。

式中：k=1, 2, …,K，表示决策单元，zk为强度变量，表示各个决策单元在构造生产可能性集合时各自权重。x和yg的两个不等式约束表示投入要素和合意产出的强可处置性，即性质③；yb的等式约束表示其弱可处置性，三者一起表示合意产出与非合意产出的联合弱可处置性，即性质④。

2.1.3 GML指数 参考Oh[25]的思路，本文构建了GML指数用来衡量粮食绿色全要素生产率的变化。首先根据当期基准构建时期t的生产可能性集合参照集，如下：

全局基准定义如下：

式中：下标C、G分别表示当期基准和全局基准（即将所有当期基准包络后得到的全局生产可能性集合参照集，其余各个时期都可与之比较）。GML指数就是将所有的当期基准包络而形成的单一的、各期均可与之比较的全局生产可能性集合参照集。参照Pastor和Lovell[28]，本文将GML指数具体定义为：

式中：D=(x,yg,yb)是简化了的方向性距离函数D=(x,yg,yb;gy,gb)，DGt=(xt, (yg)t,(yb)t)=max{βt|((yg)t+β(gy)t, (yb)t-β(gb)t)∈PG}，根据全局基准PG得到。若GMLt,t+1＞1表示从t到t+1期粮食绿色全要素生产率提高，即给定投入要素产出更多的合意产出和更少的非合意产出；GMLt,t+1=1表示从t到t+1期粮食绿色全要素生产率没有发生变化；若GMLt,t+1＜1则表示从t到t+1期粮食绿色全要素生产率降低。

2.1.4 面板模型 为了考察农业劳动力老龄化对粮食绿色全要素生产率变动的影响，本文构建以下模型：

式中：y代表粮食绿色全要素生产率指数，即前文计算得到的GML指数，i表示省份，t表示时期，α0为常数项，β1是农业劳动力老龄化程度（Old）的估计参数，φk代表其他控制变量的系数估计值，μit0为随机扰动项。

2.2 变量设置与说明

2.2.1 投入指标 本研究所考虑的投入要素包括粮食生产过程中的劳动力投入、土地投入、化肥投入、机械投入、农药投入和水资源投入，各指标的具体说明见表1。为了确保要素投入与粮食产出口径一致，本文借鉴闵锐和李谷成[9]的做法，采用权重系数法将各生产要素进行剥离。权重系数分为两类：A=（农业产值/农林牧渔总产值）×（粮食播种面积/农作物播种总面积），B=粮食播种面积/农作物播种总面积。其中粮食生产土地投入仍使用粮食播种面积，粮食生产劳动力投入=系数A×第一产业从业人员，其余四种投入要素均乘以系数B。

表1 粮食绿色全要素生产率投入产出指标Table 1 Input-output indicators of the GTFPI

2.2.2 产出指标 本文将粮食生产过程中的产出指标分为两类：合意产出和非合意产出。其中合意产出用各年度各省决策单元的粮食总产量表示；非合意产出参考赖斯芸等[29]和陈敏鹏等[30]采用的单元调查评估法来对各省粮食生产活动过程中所排放总氮（TN）和总磷（TP）进行核算。需要注意的是，全国第一次污染源普查结果表明，种植业中化学耗氧量（CODCr）的排放量不足农业源总排放量的5%，因此，本文所选取的粮食生产非合意产出指标不包括CODCr。具体测算公式为：

式中：Eij为单元i污染物j的排放量，在本研究中为粮食生产过程中总氮（TN）和总磷（TP）的排放量；Gij为单元i污染物j的产生量；μij为单元i污染物j的流失率；EUi表示单元i的统计总数，即各个产污单元的统计总数，在本文中具体为化肥施用折纯量和各类粮食作物总产量，来自《中国统计年鉴》和《中国农村统计年鉴》；ρij是单元i污染物j的产污系数。ρij和μij的相关数据参考赖斯芸等[29]以及《全国第一次污染源普查农业源系数手册》等资料所得。具体粮食生产产污单元清单列表及产污强度影响参数见表2、表3。

表2 粮食生产产污单元清单列表Table 2 List of the pollution units in the grain production process

表3 粮食生产产污单元产污强度影响参数Table 3 Parameters of the pollutant intensity of different pollution units

2.3 数据来源

本文中所用数据来源于《中国统计年鉴》、《中国农村统计年鉴》、《中国人口和就业统计年鉴》、《新中国五十年统计资料汇编》、《新中国60年统计资料汇编》、各省市的《水资源公报》，部分缺失数据根据各省统计年鉴进行补充。考虑到台湾、香港和澳门地区数据的可得性以及西藏、青海特殊的资源禀赋条件，故实证分析阶段将其排除在外（仅限于一种学术处理）；此外由于部分行政区域划分在考察期内发生变化，为保持统计口径一致，本文将1988年及以后的海南省数据纳入到广东省，将重庆1997年及以后年份的数据纳入到四川省。由此，本文最终构建了1991—2016年27个省（区）的粮食生产面板数据。

3 粮食绿色全要素生产率指数测算结果

本研究运用MATLAB2016b软件对1991—2016年我国27个省（市、区）的粮食绿色全要素生产率指数进行测算。表4显示了各个省区不同时间段内的平均粮食绿色全要素生产率指数。

从表中可以发现，全国大部分省份的粮食绿色全要素生产率指数在样本期内呈现上升趋势，表明粮食绿色全要素生产率在逐步提高，整体上我国粮食生产正在向着可持续化方向发展。然而，由于不同省份的经济发展水平、自然资源禀赋以及对环境的重视程度不同等原因，各个省份间的粮食绿色全要素生产率变动情况差异较大，比如辽宁省的粮食绿色全要素生产率在2011—2016年期间平均增长1.24%，而同期湖南省的粮食绿色全要素生产率则下降了0.44%。值得注意的是，尽管不同省份间的粮食绿色全要素生产率有着较大的差异，但在1991—2000年期间，绝大多数地区的粮食绿色全要素生产率均呈现出相似的恶化状态，这与赵丽平等[10]、田红宇和祝志勇[11]研究结果较为一致，表明这段时期我国粮食生产主要依靠生产要素的大量投入以及技术进步来推动生产前沿面外移。

为了更加清晰的考察样本期内我国粮食绿色生产状况的变化趋势，本文以1991年为基期（即假定1991年的粮食绿色全要素生产率指数值为1），对各省的粮食绿色全要素生产率指数进行了调整。

图2显示了我国总体及各粮食生产功能区粮食绿色全要素生产率指数的变化趋势。可以发现，我国粮食绿色全要素生产率变动状况表现出阶段性以及区域差异。具体而言，1991—2003年我国粮食绿色全要素生产率整体上呈波动下降趋势，粮食绿色全要素生产率指数于2003年降低至最低点0.931 1，粮食绿色全要素生产率降低了6.89%；此后，粮食绿色全要素生产率指数呈现出较为稳定的波动上升趋势，在2016年粮食绿色全要素生产率转降为升，增长率为0.31%。可能原因是自2004年起，国务院开始实行减征或免征农业税的惠农政策，并开始实行种粮直补、良种补贴、农资综合补贴。这“一减一补”相关政策极大地减轻了农户的粮食生产压力，粮食生产观念也逐步开始转变，粮食绿色生产状况不断改善。

表4 1991—2016年全国各省区不同时间段平均粮食绿色全要素生产率指数Table 4 Average GTFPI in different time periods of various provinces in China from 1991 to 2016

图2 全国及各粮食生产功能区粮食绿色全要素生产率指数变化趋势Fig. 2 Trends of the GTFPI in China and different grain production functional areas

分区域来看，粮食主产区的粮食绿色全要素生产率指数在考察期内均高于粮食主销区、产销平衡区以及全国平均水平。可能的原因是我国粮食主产区大多处于平原地区，土壤相对肥沃，资源禀赋较好，有利于粮食作物的生长，因此在粮食生产过程中化肥、农药的利用效率高于主销区和产销平衡区；此外，粮食主产区内粮食作物占地区总产值的比重较高，为了获得粮食生产带来的长久利益，在生产过程中也更加重视保护生态环境。同时，这一结果也表明考察期内我国粮食生产环境恶化主要来源于非粮食主产区。其中，产销平衡区内大多数省份位于高原山区，自然环境较为恶劣，不利于粮食产业的发展，而主销区的经济发展水平虽然较高，但往往牺牲了农业生产及其生态环境[11]。

4 农业劳动力老龄化对粮食绿色全要素生产率变动的影响分析

4.1 指标选取与描述性统计分析

在考察农业劳动力老龄化对粮食绿色全要素生产率变动的影响时，除了关键变量农业劳动力老龄化程度外，本文还从收入特征、农业生产与支持特征以及外部环境三个方面选取控制变量。

1）粮食绿色全要素生产率指数。基于投入要素、合意产出和非合意产出得到粮食绿色全要素生产率，进一步将计算得到的GML指数定义为粮食绿色全要素生产率指数，用来反映各省不同年份间的粮食绿色生产的变化状况。

2）农业劳动力老龄化。参照彭代彦和文乐[31]的做法，本文采用农村65岁及以上人口占乡村人口总数的比重来反映农业劳动力老龄化程度。

3）收入特征。用以控制由于经济状况差异对粮食绿色全要素生产率变动产生的影响，包括人均收入、收入分配和农民收入。人均收入变量以1991年不变价格的农林牧渔总产值除以乡村人口表示。收入分配变量用城镇居民人均可支配收入除以农村居民人均可支配收入表示。收入构成用农村居民人均可支配收入中工资性收入占比来表示。农户总收入中工资性收入比重的增加将意味着农业生产在家庭经营中的地位下降，这在一定程度上会削弱农业劳动力的粮食生产积极性[32]。

4）农业生产与支持特征。包括相对价格、受灾率和财政支农力度。农民的生产决策会受到农业生产资料价格指数和农产品销售价格指数的影响[26]，故本文使用两者的比值来表示相对价格。受灾率用农作物总播种面积中受灾面积的比重来表示。财政支农力度由各地区财政农林水事务支出在地方财政一般预算支出中所占比例表示，间接反映了各地农业生产基础设施建设情况。有学者指出，中国农业公共产品投入的不足极大地制约了农业的可持续增长[33]。

5）外部环境。包括农业结构、经济结构、城镇化率和对外开放度。农业结构采用粮食播种面积与农作物总播种面积的比值来表示。农林牧渔总产值占地区生产总值的比重表示经济结构变量。农业结构和经济结构反映了当地对粮食生产的重视程度，重视程度越高，生产投入更加精细。城镇化率用各地区城镇人口占总人口的比重表示。一方面，城镇化会与粮食生产在土地等资源方面产生竞争[34]，另一方面，水、土地等资源也会由于城镇化带来的废水和废弃物排放增高而受到污染。由于1997年以前农产品进出口总值的相关数据难以获得，本文采用经过汇率折算后的各省进出口总值与地区生产总值的比重表示对外开放程度。对外开放程度与工业化进程和科技水平相关[35]，能够为农业产业化以及可持续发展提供动力。

相关指标的描述性统计见表5。

表5 变量描述性统计Table 5 Descriptive statistics

4.2 农业劳动力老龄化对粮食绿色全要素生产率变动影响的回归分析

4.2.1 农业劳动力老龄化对粮食绿色全要素生产率变动的影响 为了克服可能存在的自相关和异方差问题，本文在所有回归中均使用聚类稳健标准误。此外，需要说明的是，在进行回归分析之前，首先需要确定使用何种模型对面板数据进行分析。具体分析步骤如下：1）面板数据回归可分为混合回归和固定效应回归（固定效应回归又包括固定效应模型和随机效应模型），根据LM检验进行选择；2）若LM检验结果显示需使用固定效应回归，则进一步使用Hausman检验以确定固定效应模型还是随机效应模型分析更恰当。为了保证回归结果的稳定性，本文对方程（8）采用逐步添加控制变量进行回归。运用Stata15.0软件得到模型估计结果，具体见表6。

从表6中可以发现，农业劳动力老龄化对粮食绿色全要素生产率的变动有显著的正向影响。在单独引入农业劳动力老龄化指标时，老龄化程度每提高1%，粮食绿色全要素生产率会提高0.017%；当逐步引入收入特征等控制变量后，这种正向影响逐步趋于稳定。不过，考虑到可能存在的非线性关系，本文进一步在模型Ⅳ的基础上加入了老龄化变量的二次项。模型Ⅴ估计结果显示，二次项变量在1%统计水平上显著为正。与郭晓鸣和左喆瑜[16]的结论一致，这意味着农业劳动力老龄化与粮食绿色全要素生产率的变动之间呈现出一种“U型”关系，即随着农业劳动力老龄化程度的提高，粮食绿色全要素生产率首先会下降，但到达一定阶段后，又会随之提高。

对于农业劳动力老龄化与粮食绿色全要素生产率变动之间存在的负向关系（即“U型”的前半段），可以从人力资本视角进行解释。正如上文所述，学者们普遍强调人力资本在农业生产转型过程中的重要性[36]。其原因在于，农业劳动力老龄化的人力资本弱化效应，使得老龄劳动力与青壮年劳动力相比，虽然经验丰富，但知识体系往往较陈旧，对新技术新方法的吸收能力较差。不仅如此，老龄劳动力学习新技术新方法的动机也更弱，因为在相同的学习成本下，老龄劳动力的受益时间远短于年轻人[37]，他们可能因此对转变粮食生产方式缺乏足够的积极性。因此，在一定程度下，粮食绿色全要素生产率会随着农业劳动力老龄化程度的加深而降低。对于农业劳动力老龄化与粮食绿色全要素生产率变动之间存在的正向关系（即“U型”的后半段），可能的解释是，伴随着农业劳动力的老龄化，农业生产要素禀赋发生了重要变化，尤其是农业劳动力资源状况发生了变化，为要素替代提供了机会与空间。随着老龄化程度的加深，这种要素替代效应超过了人力资本弱化效应，从而使得农业劳动力老龄化对粮食绿色全要素生产率变动影响的净效应为正。

表6 农业劳动力老龄化对全国粮食绿色全要素生产率变动影响的回归结果Table 6 Regression results of the aging on the change of the national GTFPI

此外，为了检验农业劳动力老龄化对粮食绿色全要素生产率变动影响的稳健性，本文使用“乡村65岁及以上人口”对数及其二次项作为农业劳动力老龄化的二级指标进行回归分析。结果显示“乡村65岁及以上人口”对数对粮食绿色全要素生产率指数有显著的正向影响，但其二次项变量的影响不显著。表明整体上农业劳动力老龄化带来了粮食绿色全要素生产率的提高，证明了上述实证分析结果的稳定性。

4.2.2 其他因素对粮食绿色全要素生产率变动的影响 1）收入特征的影响。收入构成对粮食绿色全要素生产率的变动存在显著的负向影响。这意味着农村居民人均可支配收入中工资性收入占比的提高，在一定程度上不利于粮食绿色全要素生产率的提高。收入主要来源的变化，无疑会对农户家庭的资源配置产生冲击，特别是使得农业劳动力的粮食生产积极性下降[13]，甚至可能出现“懒人农业”式的粗放经营，从而降低了粮食绿色全要素生产率。

2）农业生产与支持特征的影响。受灾率对我国粮食绿色全要素生产率变动具有显著的负向影响。粮食生产受到自然环境特征的影响较高，各种自然灾害频发会增加农业生产经营的风险，造成粮食减产，进而直接导致粮食绿色全要素生产率的降低。此外，生产风险的存在不仅会影响粮食产量，也会影响农户的要素投入行为[38]。面对粮食生产中的不确定性，风险规避型的农户将试图通过改变要素投入以减轻风险[39]，譬如增加农药、化肥的投入以期提高粮食的产出，而这又进一步加大了粮食生产中的污染排放，对粮食绿色全要素生产率造成不利影响。

财政支农力度对粮食绿色全要素生产率变动有显著的正向影响。农业财政支出的增加能够很好地解决粮食生产过程中的公共物品供给问题，促进农业基础设施、水利气象等事业的发展，优化农业生产外部环境[40]，进而对粮食绿色全要素生产率的增长产生正向影响。

4.3 农业劳动力老龄化影响的空间差异

根据图2可知，不同粮食生产功能区的粮食绿色全要素生产率指数及其波动趋势均存在较大差异。考虑到这种差异，本文进一步分区域进行回归分析。值得注意的是，由于时间跨度较大而省份较少，属于典型的长面板数据，上述回归方法不再适用。对于可能存在的固定效应，只要加入个体虚拟变量即可，即LSDV法。此外，对于扰动项间可能存在的组间异方差和组间同期相关，LSDV法也依然是一致的，只要适用“组间异方差、组间同期相关”稳健的标准误差即可，回归结果见表7。

表7 农业劳动力老龄化对粮食绿色全要素生产率指数的分区域回归结果Table 7 Regression results of the aging on different grain production functional areas

总体来看，农业劳动力老龄化变量及其二次项对粮食绿色全要素生产率变动的影响在粮食主产区、主销区和产销平衡区均为正，除了农业劳动力老龄化二次项在粮食主销区未通过显著性检验，其余均通过了显著性检验。这意味着上文所发现的农业劳动力老龄化与粮食绿色全要素生产率指数之间的“U型”关系均存在于粮食主产区、粮食主销区和产销平衡区。换言之，在粮食三大功能区，农业劳动力老龄化带来的人力资本弱化与要素替代深化效应随着老龄化程度的加深而此消彼长，从而使得农业劳动力老龄化对粮食绿色全要素生产率影响的净效应呈现出先负后正的结果。

5 结论与启示

5.1 结论

本文在利用方向性距离函数测算并分析了1991—2016年我国27个省份的粮食绿色全要素生产率的基础上，进一步核算了粮食绿色全要素生产率指数，实证分析了农业劳动力老龄化对粮食绿色全要素生产率变动的影响，得出以下结论。

1）在1991—2016年期间，我国粮食绿色全要素生产率指数呈波动上升趋势，但不同省份间的粮食绿色全要素生产率的变动状况差异较大，粮食主产区显著高于主销区和产销平衡区。

2）整体而言，农业劳动力老龄化对粮食绿色全要素生产率变动具有显著的正向影响，但进一步分析发现二者之间呈现出一种“U型”关系，即随着农业劳动力老龄化程度的提高，粮食绿色全要素生产率首先会下降，但到达一定阶段后，又会随之提高，并且在粮食主产区、粮食主销区和产销平衡区这种“U型”关系均存在。

3）工资性收入比重的增长和受灾率的增高均不利于粮食绿色全要素生产率的增长，而财政支农力度的增加则能够显著地提高粮食绿色全要素生产率。

5.2 启示

1）从整体来看，目前农业劳动力老龄化对粮食绿色全要素生产率的影响虽然不必过于担忧，但在推进粮食生产绿色转型过程中，需要充分考虑劳动力老龄化的现实，加强对人力资本的投资，建设必要的农业教育服务中心，尽可能地降低老龄劳动力由于人力资本弱化作用对粮食绿色全要素生产率提升带来的负面影响。

2）要进一步扩大农业生产外包服务范围，加强农业机械的推广，不断创新粮食产业的组织形式，发展专业化、集约化、社会化、组织化的新型经营方式，通过要素替代来弥补老龄劳动力由于人力资本弱化带来的不利影响。

3）在积极推动农村劳动力非农就业的同时，应更加关注粮食可持续性生产问题，适当增加农业财政支出，不断提高农业基础设施等公共物品的供给水平，进一步优化农业生产外部环境。

致谢：感谢中国人民大学环境学院陈琛博士在农业用水量数据方面给予的支持。