农村劳动力弱质化对农业生产化肥利用效率的影响*——基于机械化的调节效应分析

张晓晗，马恒运

(河南农业大学经济与管理学院，郑州市，450046)

0 引言

增加化肥投入可能提高单位面积产量，同时可能带来严重环境污染[1-2]。我国的化肥使用强度从2000年的265 kg/hm2，增加到2018年的341 kg/hm2[3]，远远超过了国际公认的225 kg/hm2的限额[4]。然而，在使用效率上，中国的化肥平均利用率只有33%，比发达国家低15%～30%[5]。化肥的高强度使用、低效率和不科学的施用方法，造成了资源浪费及农业面源污染等问题，威胁着人类健康和农业可持续发展[6-8]。与此同时，我国农村劳动力结构在工业化和城镇化推进下发生显著变化，以非农就业为特征的青壮年劳动力外流，将老人、妇女推向农业生产主力军位置，承担起农业生产管理与农业生产决策重任，带来农业要素投入结构变革。在化肥减量增效的现实要求下，农村劳动力弱质化(老龄化、女性化、兼业化)是否影响化肥利用效率是值得探讨问题[9-11]。

因此，化肥投入和利用效率研究文献较多。Mohammad[12]基于南瓜的四次重复田间试验，发现灌溉施肥有利于提高化肥利用效率。Eagle等[13]在加利福尼亚州进行实验，研究不同秸秆管理措施对水稻氮肥利用效率影响，发现秸秆还田可以减少氮损失，有益于水稻吸收土壤氮肥。李静等[14]及杨增旭等[15]发现教育水平、收入状况、化肥价格、财政支持、种植规模、农户技术培训，是影响粮食生产化肥利用效率的重要因素。邹伟等[16]研究发现扩大土地经营规模能提高化肥利用效率。史常亮等[17]采用回归分析和夏普里值分解法，考察耕地细碎化对农户化肥使用效率影响。孙铭鸿等[18]通过在双季稻田系统进行田间定位试验，发现猪粪化肥配施有利于提高稻田土壤氮肥利用率。此外，其他学者研究了节水灌溉[19]、农业补贴等对化肥施用量的影响[20]。

以上文献综述看出，目前化肥利用效率影响因素研究成果，主要集中在四个方面：第一，施肥技术对化肥效率的影响。第二，耕地状况对化肥效率的影响。第三，外部环境和基础设施条件的影响。第四，个体和家庭状况的影响。然而，较少基于劳动力结构变化进行研究。虽然在一些微观调查中涉及农户年龄、性别和非农收入对化肥投入量的影响，但由于单个农户很有可能同时具有老龄、女性和兼业三个特征，因而缺乏对劳动力结构变化的考量。有些研究关注农业劳动力老龄化、女性化对化肥利用效率的直接影响，却忽视机械要素投入变化的间接效应。同时发现，很多研究忽略了地形地貌差异对化肥投入影响。

为此，本文基于全国小麦主产省的面板数据，建立随机前沿生产函数模型估计小麦化肥利用效率，并比较分析各省、不同土壤条件小麦化肥效率差异。进一步地，通过Tobit模型分析小麦化肥利用效率各影响因素作用方向。与已有研究相比，本文主要从两个方面进行拓展。首先，从宏观层面考察农村劳动力弱质化(老龄化、女性化和兼业化)对小麦生产化肥利用效率的影响。其次，考虑到机械对劳动力替代作用，本文引入机械化水平作为调节变量，同时考虑农业机械投入和劳动力结构弱质化对化肥利用效率影响，并分析机械化对化肥利用效率的调节效应，进一步丰富现有化肥使用效率研究文献。

1 理论分析与研究假设

1.1 农业劳动力弱质化对化肥利用效率负面影响可能性

农村劳动力结构弱质化与化肥利用效率密切相关。农户作为理性经济人，在资源条件的约束下，会依据自身禀赋(比如体力水平、技术水平、时间安排)做出农作物生产要素投入决策，以实现效用或收入最大化。老龄、女性、兼业农村劳动力会根据自身禀赋选择多施或少施化肥，这将直接影响化肥利用效率。

关于老龄化对化肥施用量的影响，目前尚未有定论。一方面，随着年龄的增加，老年人的体力不断下降，难以胜任繁重的农业生产及田间管理工作。体力的衰退不仅是劳动质量的下降，本质也是劳动供给的减少，为保证或提高土地产出能力，老龄劳动力很可能倾向于过量投入化肥。例如，由于体力效应他们通常会在多次适量和少次多量两种施肥方式中选择后者，而后者的施肥总量通常比前者多[21]。其次，因循守旧的思想，导致老年人往往不愿接受新事物和新技术，对粮食生产不利[22]。但也有学者认为劳动者的年龄反映了经验的积累，更丰富的耕作和管理经验能够帮助其实现化肥、农药等生产要素的高效施用[23]。

与男性相比，农村女性劳动力施肥是否“过量”和“不理性”，也受到多方面作用影响。一方面，妇女通常在发挥体力方面与男性相比处于劣势，且女性劳动力还需承担赡养父母、照顾子女等家庭责任，这可能导致其增加对化肥要素的投入。但是，女性劳动力通常不从事非农业工作，专注农业生产使他们更珍惜土地，擅长于精耕细作，增加劳动时间和加强耕作等措施，可以抵消假定的不利条件[24]。最终化肥的利用水平取决于这些因素的相对优势。

此外，有研究认为家庭成员的兼业行为对生产资料的投入量存在正向效应[10]。农民从事非农就业，最直接的影响就是投入农业生产的时间减少，为了弥补因时间缩减而可能带来的农作物减产，兼业农户将倾向于增加化肥、农药等生产资料的投入。同时，移民寄回的汇款呈现积极的收入效应，非农收入为农村家庭购买用于农业生产的肥料和机械提供了资金方面的支持[25-27]。

基于以上分析，本文提出研究假说一：农业劳动力弱质化影响小麦生产化肥利用效率。

1.2 劳动力弱质化视角下机械化对化肥利用效率调节效应

劳动力弱质化降低农业生产劳动投入，造成效率损失。从数量上看，以非农就业为特征的农村人口兼业化制约了劳动力有效供给。从质量上看，因人口流动而遗留在农村的老龄和女性劳动力也因为自身弱质性影响农业生产。农村人口老龄化、女性化和兼业化给农业生产带来了实际或潜在的劳动力损失。

虽然劳动力供给的减少可能会给化肥投入带来一定负面影响，但农户可以通过增加机械等替代性要素的投入来应对劳动力资源不足[28]。从理论上讲，机械作为劳动节约型要素，其与化肥之间的关系并不明确。但是在实际生产中，机械由于作业的“高质量”显著节省了化肥使用，例如使用化肥深施机施肥能增加土壤吸收率，减少浪费，进而提高化肥利用效率。也就是说，虽然农业劳动力的老龄化、女性化和兼业化降低了农业生产特别是田间管理环节的劳动投入，对化肥高效施用不利。但是这种劳动力结构上的弱质化通常会引致机械投入增加，进而提高粮食生产效率[29]。当使用机械替代劳动力进而产生劳动节约效应时，很可能并不影响化肥利用效率。即机械投入有利于缓解劳动力弱质化可能对化肥投入带来的负面影响。

基于此，本文提出研究假说二：机械化调节效应抵消劳动力弱质化对化肥利用效率的负面效果。

2 模型选择、变量定义与数据来源

为验证前述假说，本部分首先在参考前人研究的基础上，设定测算化肥利用效率的随机前沿函数模型、影响因素分析的Tobit模型和调节效应模型。随后对变量进行定义及统计描述，描述变量选取、赋值和数据分布情况。

2.1 模型选择

2.1.1 随机前沿函数模型

首先，运用随机前沿函数模型估计各省小麦生产技术效率。随机前沿函数模型(SFA)要求设定某种生产函数估计生产前沿面，例如Cobb-Douglass或Translog函数，为避免超越对数生产函数可能带来的多重共线性问题，将其设定为在农业生产中广泛采用的柯布道格拉斯(C-D)函数模型，定义小麦随机前沿生产函数模型

Yit=Af(Lit,Fit,Mit,Git)evit-uit

=ALitβ1Fitβ2Mitβ3Gitβ4evit-uit

(1)

式中：Yit——第i个省份第t年的小麦产出；

Lit——第i个省份第t年的劳动力投入；

Fit——第i个省份第t年的化肥投入；

Mit——第i个省份第t年的机械动力投入；

Git——第i个省份第t年的种子投入；

A——常数；

β——所有变量的待估系数；

vit——随机误差项。

基于产出导向型的小麦生产技术效率的估计公式为TEit=exp(-uit)，在这里，借鉴文献[30]的研究，将化肥的利用效率定义为在其他投入要素固定不变情况下，达到既定产出所需要的最小化肥需求量和农户实际化肥施用量的比值。进一步地，可推导基于C-D生产函数技术层面的化肥利用效率FE的度量公式，其中，β2代表化肥投入估计参数，定义为

FEit=exp(-uit/β2)

(2)

2.1.2 Tobit模型

采用多元回归方法分析农村劳动力老龄、女性和兼业化水平对化肥利用效率的影响。由于因变量(化肥利用效率)取值范围在0～1之间，为避免最小二乘法对两端截断离散数据的估计偏误，选择Tobit模型进行极大似然估计，定义技术效率回归模型如式(3)所示。

(3)

式中：FEit——化肥利用效率值；

δ0——常数项；

δi——待估参数；

Zit——化肥利用效率影响因素，包括3个核心自变量，1个调节自变量和6个控制变量；

εit——随机误差项。

2.1.3 调节效应模型

为检验机械化水平在农村劳动力弱质化影响小麦生产化肥利用效率中的调节作用，构建调节效应模型如下。

FEit=a0+a1aginit+a2femiit+a3diveit+

a4educit+a5sizeit+a6pricit+a7infrit+

a8disait+a9territ+μit

(4)

FEit=λ0+λ1aginit+λ2femiit+λ3diveit+

λ4educit+λ5sizeit+λ6pricit+λ7infrit+

λ8disait+λ9territ+λ10mechit+φit

(5)

FEit=γ0+γ1aginit+γ2femiit+γ3diveit+

γ4educit+γ5sizeit+γ6pricit+γ7infrit+

γ8disait+γ9territ+γ10mechit+γjmechit×Nit+τit

(6)

式中：FEit——化肥利用效率；

agin——老龄化程度；

femi——女性化程度；

dive——兼业化水平；

educ——劳动力教育；

size——人均经营规模；

pric——化肥价格；

infr——农田基础设施；

disa——农业灾害情况；

terr——地形特征；

mech——机械化水平。

a、λ、γ为所有变量的待估参数，γj为各交互项系数，Nit为各被交乘要素，包括在基础回归中系数为正的核心自变量，因为要考察机械化是否在这些要素的正向影响中发挥作用。模型(4)用于估计劳动力弱质化对小麦化肥利用效率影响，在实证分析时设定模型Ⅰ，包括老龄化程度agin、女性化程度femi、兼业化水平dive、劳动力教育educ、人均经营规模size、化肥价格pric、农田基础设施infr、农业灾害情况disa和地形特征terr变量。

模型(5)用于估计小麦机械化水平对化肥利用效率影响，在实证分析时设定模型Ⅱ，在模型Ⅰ的基础上增加反映机械化水平的虚拟变量mech。模型(6)用于估计机械化水平对老龄、女性、兼业化变量作用的影响，在实证分析时设定模型Ⅲ、Ⅳ，其中，模型Ⅲ在模型Ⅱ的基础上增加机械化水平与女性化程度的交互项(femi×mech)，模型Ⅳ在模型Ⅲ的基础上增加机械化水平与兼业化水平的交互项(dive×mech)。

2.2 变量定义

所需变量包括模型(1)中测量技术效率的投入与产出变量，模型(3)～(6)影响因素分析中的被解释变量、核心解释变量、调节变量和控制变量四类。研究关注的核心解释变量为农村劳动力结构弱质化，包括老龄化程度(年龄结构)、女性化程度(性别结构)、兼业化水平(就业结构)三个指标。

2.2.1 投入与产出变量

在模型(1)中，选取小麦产量作为产出变量，投入变量从劳动力、化肥、种子及农用机械四个方面考量。其中小麦产量lnY、劳动力投入lnL、化肥投入lnF、种子投入lnG和机械动力投入lnM分别用小麦作物单位面积产量(kg/hm2)、每公顷用工数量(日/hm2)、每公顷化肥使用量(kg/hm2)、每公顷种子用量(kg/hm2)及每公顷机械作业费(元/hm2)，取自然对数值表示；机械作业费将以2 003=100为基期进行农机具价格指数平减。农药、农膜、燃料等投入变量不予考虑，因为它们在农资投入费用中所占比重较小，2019年这一比例(小麦生产农药、农膜、燃料费用占全部物质服务费用的比重)仅为5.65%。

2.2.2 被解释变量与核心解释变量

通过模型(1)得到技术效率TEit及参数β2估计值，然后根据式(2)得到化肥利用效率值FEit作为模型(3)～(6)的被解释变量。核心解释变量中，劳动力老龄化(agin): 采用农村65岁及以上人口占农村15岁及以上人口比重衡量。女性化(femi): 采用农村15岁以上人口中女性所占比例衡量。兼业化(dive): 现有文献多采用非农就业率(如乡村从业人员中非农林牧渔业劳动力数量所占比重)来衡量人口兼业化程度，该方法主要基于劳动力非农转移视角。考虑到研究目的，借鉴杨肃昌等[31]的做法，使用农村居民工资性收入占总收入比重度量兼业化水平。

2.2.3 调节变量

选择小麦机械化水平作为调节变量。由于机械总动力在农业机械化发展水平中具有较强代表性，是一个典型的反映农业机械化的强度指标。故借鉴王则宇等[32]的方法，设置反映机械化水平的虚拟变量(mech)，重点讨论机械化水平在劳动力弱质化影响小麦生产化肥利用效率中发挥的调节作用。

2.2.4 控制变量

为排除其他可能影响小麦化肥利用效率的因素，结合以往研究，选取人均经营规模、化肥价格、劳动力教育、农田基础设施条件、农业灾害情况、地形特征作为模型(3)～(6)的控制变量，各变量指标选取依据说明如下。

人均经营规模。人均经营规模一方面可能产生规模经济效应，有利于提高化肥施用效率，另一方面也可能因为规模过大而导致劳动力相对不足不利于化肥减施。本文以人均播种面积表示人均经营规模，具体计算方法为：各省农作物总播种面积除以农业人口。

化肥价格。化肥价格的上升也因农户行为的不同而对施肥效率造成正、负两种效应，如当农民使用有机肥替代化肥或减少肥料施用量时，影响为正，而当农民因肥料价格上涨而购买劣质农资时影响为负[14]。化肥价格由每公顷化肥费用除以每公顷化肥折纯用量得。

劳动力教育。大量研究表明，农民受教育水平对新知识新技术的使用及农业生产技术效率具有积极作用，因此将其作为控制变量，并预期影响为正。具体选择劳动力平均受教育年限表征劳动力教育，计算方法为：∑各类别受教育程度劳动力比例×相应教育年限。其中，文盲半文盲、小学、初中、高中、中专和大专及以上六种类别受教育年限分别为1、6、9、12、12和15.5。

农田基础设施条件。农田基础设施条件(农田灌溉设施)的改善，推动农业生产持续发展，也为留守老人、妇女的田间管理创造良好条件[33]从而实现更高的技术效率。本文采用有效灌溉面积占总耕地面积的比重衡量农田基础设施条件。

农业灾害情况。农业生产是受自然条件影响很大的产业，受灾导致减产将给农户带来巨大损失，因此将农业灾害情况纳入控制变量，并以农作物受灾面积占农作物总播种面积的比重表示。文中各变量的定义及统计方法如表1所示。

表1 变量定义与赋值方法Tab. 1 Variable definition and assignment method

2.3 数据来源

样本数据为2004—2018年全国15个小麦主产省投入产出的面板数据。各省小麦生产投入产出指标、机械化农具价格指数、单位面积化肥费用，来自2005—2019年的《全国农产品成本收益资料汇编》和《中国农村统计年鉴》；各省农村人口老龄化、女性化、受教育水平相关数据来源于《中国人口和就业统计年鉴》；各省农民兼业化、机械化水平、农作物播种面积数据来自《中国农村统计年鉴》；农业人口数来自各省2005—2019年《统计年鉴》；各省耕地面积来自2005—2009年《中国统计年鉴》、2010—2019年《中国农村统计年鉴》；各省有效灌溉面积来自2005—2019年《中国农村统计年鉴》；各省农作物受灾面积来自《中国农业年鉴》，其中，缺失数据用历年各省统计年鉴和国家统计局网站数据库补齐。表2列示了模型中主要变量的计数单位和描述统计。

表2 主要变量描述统计Tab. 2 Descriptive statistics of main variables

3 估计结果及分析

3.1 技术效率及化肥利用效率估计

采用Frontier对模型(1)进行极大似然估计，结果如表3所示。除劳动力投入系数不显著外，其他变量系数均在1%至10%的水平上显著，模型目的为测算小麦生产技术效率，总体上显著即可。单侧似然比检验LR拒绝不存在技术欠效率(即uit=0)的原假设，说明我国小麦产出确实存在技术非效率，此时随机前沿模型设定有效。同时γ值达到0.972 8，接近于1且在1%的水平下显著，即随机前沿生产函数的误差有97.28%来自技术非效率，2.72%源于无法控制的随机误差，说明SFA模型估计有效，采用极大似然法估计合理。

从要素投入估计结果看，在四种要素投入中，化肥的产出弹性最大，这与许多研究结论一致，意味着在当前的生产中增加化肥投入可以有效提高小麦产量。在小麦生产中，劳动力的产出弹性为正，但不显著。这与事实相符，实际上中国的粮食生产普遍存在劳动力冗余现象。此外，小麦的种子要素投入产出弹性在10%的水平下显著为正，增加种子投入可以提高小麦产出。

表3 小麦随机前沿生产函数模型估计结果Tab. 3 Estimated results of wheat stochastic frontier production function model

通过随机前沿生产函数模型得到技术效率TEit和化肥产出弹性β2的估计值后，根据TEit=exp(-uit)可求uit的值，随后由式(2)计算可得化肥利用效率FEit的值。中国各小麦主产省历年生产技术效率和化肥利用效率测算结果如表4所示。从总体上看，与较高的技术效率相比，小麦化肥利用效率偏低，仅为0.339。从地区看，省际间技术效率值存在较大差异，小麦主产省最高技术效率达到0.981，化肥利用效率达到0.930(河南)，最低仅为0.428技术效率和0.038化肥利用效率(内蒙古)。

表4 2004—2018年小麦主产省化肥利用效率平均值Tab. 4 Average fertilizer use efficiency in major wheat producing provinces from 2004 to 2018

考虑到各地区土壤条件差异，参照《中国化肥区划》将全国及15个小麦主产省划分为7个区域，具体见表5。在小麦生产投入中，黄淮海地区化肥利用效率最高达到0.747，北部高原地区最低仅为0.092。地区间差距较大，地形地势因素是否影响化肥利用效率，将在下面分析中予以考察。

表5 小麦化肥区域生产技术效率与化肥利用效率比较Tab. 5 Comparison of wheat production technology efficiency and chemical fertilizer utilization efficiency

3.2 劳动力弱质化对化肥利用效率影响

将化肥利用效率FE作为被解释变量，劳动力老龄化、女性化、兼业化程度变量作为核心解释变量，同时引入其他控制变量，进行Tobit模型回归分析。考虑归并数据的面板模型允许个体效应的存在，且假设εi与解释变量Zit不相关。因此，不考虑混合Tobit回归或固定效应Tobit模型，选择使用随机效应面板Tobit回归分析，模型估计结果如表6所示。

表6 小麦生产化肥利用效率随机效应Tobit面板回归模型估计结果Tab. 6 Estimation results of random effects panel tobit regression model for wheat fertilizer utilization efficiency

各模型回归结果的LR检验均显著拒绝“H0∶σε=0”，故证实存在个体效应，因此使用随机效应面板Tobit回归有效。

3.2.1 核心变量影响

第一，农业劳动力女性化程度与小麦生产化肥利用效率在1%的显著性水平下呈现正向影响。这表明虽然女性劳动力在体力方面处于劣势，但是对于农业生产的专注和精细化耕作，以及女性在农业生产资料成本的估算和节约方面有着天然的优势，减少了化肥的多余投入，亦或是妇女在生产中使用机械，抵消了体力不足对化肥利用效率的不利影响。

第二，农户非农工资所占比重越大，小麦生产化肥利用效率越高，这表明兼业行为会降低家庭化肥资料的投入。可能是因为，从事非农工作的农户必然会将部分时间和精力从务农劳动转移到非农工作中，从而无暇顾及土地农资投入，在务农劳作上也可能仅是在作物播种和收获时才会相对付出时间和精力，对田间管理环节较忽视。且农民在外就业期间接触到知识和技术等劳动力素质的累积，都会对小麦化肥利用效率带来有益影响。

第三，农业劳动力老龄化程度与小麦生产化肥利用效率在1%的显著性水平下呈现负相关关系。这意味着在小麦生产中，体力衰弱效应大于经验积累效应，为保证或提高土地产出能力，老龄劳动力很可能倾向于过量投入化肥。

3.2.2 控制变量影响

第一，教育水平显著影响化肥利用效率。受教育水平在1%的显著性水平下对小麦生产化肥利用效率起正向影响，与预期方向一致。作为对技能的具备和运用要求较高的要素投入环节，提高教育和培训水平有利于劳动者获取和掌握新技术进而提高化肥利用效率。

第二，人均经营规模正向影响小麦化肥利用效率。这表明，由于规模经济效应，种植规模大的农户较种植规模小的农户化肥利用效率更高。可能的原因是，规模经营带来单位土地面积化肥投入成本的降低，导致种植大户愿意接受成本较高的有机肥等施肥技术，从而减少化肥施用量。

第三，农业灾害情况显著影响化肥利用效率，受灾率与小麦化肥利用率呈正比关系。这意味着，灾害的发生会抑制农户对化肥的投入，农民一般不会在遭受冻害、倒伏、干热风等受灾田块上施用更多肥料，因而提高化肥利用率。

最后，化肥利用效率地形差异明显。平原地区的小麦化肥利用效率显著高于山地或高原地区，这说明地势越平缓，小麦化肥利用效率越高。可能是因为，平原地区更有利于机械化作业、化肥流失较少，以及施肥技术应用等。

3.2.3 调节变量影响

由表6可知，农业劳动力的女性化、兼业化并未降低小麦生产化肥利用效率，为验证是否是机械化的调节作用，即是否是机械投入弥补了女性和兼业劳动力在体力和时间上的不足。具体在实证中，将机械化水平、机械化水平与女性化程度的交互项、机械化水平与兼业化水平的交互项纳入回归模型检验。

在Tobit回归模型Ⅱ中加入小麦机械总动力虚拟变量，其系数为正且在1%的水平上显著。这说明机械化水平的提高，会对化肥利用效率产生正向影响，与预期一致。加入交互项后，其他变量系数的大小、符号及显著性程度并未发生明显改变，说明模型估计结果稳定。模型Ⅲ和模型Ⅳ的估计结果显示，女性化对小麦生产化肥利用效率的正向影响受机械化水平调节，即机械投入在一定程度上替代女性劳动力，弥补其体力不足，提高化肥投入效率。此外，从农民兼业行为对机械化程度和化肥使用量的影响来看，农民并非采用机械替代减少的劳动投入，而是选择少施化肥，这意味着兼业农户放弃部分农业生产的规模或者强度，与前文的分析一致。

4 基本结论和政策建议

4.1 基本结论

从农村劳动力结构弱质化现状出发，利用2004—2018年全国小麦主产省面板数据，考察了劳动力弱质化对小麦化肥利用效率的影响。

1) 小麦化肥利用效率总体水平偏低。随机前沿生产函数模型估计结果显示，小麦化肥利用效率地区差异较大，黄淮海地区较高，西南等地区则较低。然而，与较高技术效率相比，全国平均化肥利用率仅0.339 3，在维持现有产量水平下，小麦化肥利用效率至少还有66.07%的提升空间。因此，需要通过减少化肥用量或改进施肥方法来实现化肥投入的减量增效。

2) 农村劳动力弱质化没有负面影响化肥利用效率。模型估计结果显示，老龄化对化肥投入有显著负向影响，这意味着随着年龄增加，老年人由于体力衰退，造成施肥工作质量下降，对化肥利用效率不利。但是女性化、兼业化对化肥利用效率影响系数为正，且农业机械化水平对化肥投入效率影响系数也为正，这意味着，劳动力外出打工和留守妇女对小麦化肥投入的影响并非绝对负面。因为，随着农业劳动投入的减少，农户会增加农业机械购置或者可能外购农业机械外包服务，进而对化肥利用产生一定积极作用。从总体上看，农村劳动力弱质化影响为正，因而不必过分担忧老龄化、女性化和兼业化对农业化肥投入的负影响，而应该顺应这种变化趋势。

3) 农业机械使用可能弥补劳动力女性化不足。劳动力弱质化对化肥利用效率影响受机械化水平调节。一方面，机械化与女性化有显著交互效应，这表明机械投入与劳动力有替代效果，换句话说，机械使用可以弥补女性劳动力体力不足，因此不必担忧劳动力女性化问题。另一方面，兼业化估计系数为正，同时机械化与兼业化交互项系数为负，表明兼业化导致非农工作时间增加，无暇顾及土地农资投入，甚至可能导致土地闲置或撂荒，进而提高化肥利用效率，并非得益于机械化的调节作用。

4) 农村教育显著提高化肥利用效率。提高农村劳动力教育水平有利于改进小麦化肥利用率。相比其他生产要素，化肥在种类选择、投入时间和用量等管理方面决策，对经营者人力资本要求较高[34]。因此，农民的教育水平将决定化肥投入是否“合理”。换句话说，高学历农业劳动力在施用化肥时往往更有效率，由于受教育水平影响，劳动力更倾向于改善化肥使用技术。

4.2 政策建议

1) 实施化肥减量增效计划。通过研究发现，目前小麦化肥利用效率仍然偏低，应该继续加强对土壤生态保护和化肥减量施用的重视程度，推广环境友好型肥料的使用，继续实施化肥减量增效计划刻不容缓。但关键是加强农机社会化服务，弥补现阶段劳动力女性化和老龄化负面影响；加快土地流转扩大规模经营，发挥土地化肥投入的规模经济效应，推进施肥新技术采用。

2) 提高农村教育农技水平。农村劳动力受教育水平对化肥利用效率具有显著正向作用，为此国家应不断加大对农村地区教育资源的投入，开展科学施肥相关技术培训，提高劳动者的绿色生产意识，减少农户高强度、低效率和不科学的施肥方式。

3) 提高农业/村机械化水平。目前我国小麦已基本实现全程机械化，但是田间管理环节机械化程度还不够，应加快田间管理机械(如化肥深施机)的应用，提高化肥施用技术水平，弥补传统施肥方法的不足。

4) 研发适用型的农业机械。实证结果显示，女性劳动力对化肥利用效率的影响受机械化水平正向调节作用。因此，应当研发适合劳动力弱质化的小型或微型施肥机械，满足女性化和老龄化劳动力需求。

5) 在Probit和Tobit等非线性模型中，其估计量无法直接作为被解释变量的边际效应，需要进行转换。换句话说，Tobit模型估计系数的符号有意义，但是数值存在偏误。本文目的在于考察各解释变量的影响方向，并不特别关注解释变量偏效应值，因此未计算Tobit模型的边际影响。