農(nóng)村勞動力弱質(zhì)化對農(nóng)業(yè)生產(chǎn)化肥利用效率的影響*
——基于機械化的調(diào)節(jié)效應(yīng)分析

張曉晗，馬恒運

(河南農(nóng)業(yè)大學經(jīng)濟與管理學院，鄭州市，450046)

0 引言

增加化肥投入可能提高單位面積產(chǎn)量，同時可能帶來嚴重環(huán)境污染[1-2]。我國的化肥使用強度從2000年的265 kg/hm2，增加到2018年的341 kg/hm2[3]，遠遠超過了國際公認的225 kg/hm2的限額[4]。然而，在使用效率上，中國的化肥平均利用率只有33%，比發(fā)達國家低15%～30%[5]?；实母邚姸仁褂?、低效率和不科學的施用方法，造成了資源浪費及農(nóng)業(yè)面源污染等問題，威脅著人類健康和農(nóng)業(yè)可持續(xù)發(fā)展[6-8]。與此同時，我國農(nóng)村勞動力結(jié)構(gòu)在工業(yè)化和城鎮(zhèn)化推進下發(fā)生顯著變化，以非農(nóng)就業(yè)為特征的青壯年勞動力外流，將老人、婦女推向農(nóng)業(yè)生產(chǎn)主力軍位置，承擔起農(nóng)業(yè)生產(chǎn)管理與農(nóng)業(yè)生產(chǎn)決策重任，帶來農(nóng)業(yè)要素投入結(jié)構(gòu)變革。在化肥減量增效的現(xiàn)實要求下，農(nóng)村勞動力弱質(zhì)化(老齡化、女性化、兼業(yè)化)是否影響化肥利用效率是值得探討問題[9-11]。

因此，化肥投入和利用效率研究文獻較多。Mohammad[12]基于南瓜的四次重復(fù)田間試驗，發(fā)現(xiàn)灌溉施肥有利于提高化肥利用效率。Eagle等[13]在加利福尼亞州進行實驗，研究不同秸稈管理措施對水稻氮肥利用效率影響，發(fā)現(xiàn)秸稈還田可以減少氮損失，有益于水稻吸收土壤氮肥。李靜等[14]及楊增旭等[15]發(fā)現(xiàn)教育水平、收入狀況、化肥價格、財政支持、種植規(guī)模、農(nóng)戶技術(shù)培訓(xùn)，是影響糧食生產(chǎn)化肥利用效率的重要因素。鄒偉等[16]研究發(fā)現(xiàn)擴大土地經(jīng)營規(guī)模能提高化肥利用效率。史常亮等[17]采用回歸分析和夏普里值分解法，考察耕地細碎化對農(nóng)戶化肥使用效率影響。孫銘鴻等[18]通過在雙季稻田系統(tǒng)進行田間定位試驗，發(fā)現(xiàn)豬糞化肥配施有利于提高稻田土壤氮肥利用率。此外，其他學者研究了節(jié)水灌溉[19]、農(nóng)業(yè)補貼等對化肥施用量的影響[20]。

以上文獻綜述看出，目前化肥利用效率影響因素研究成果，主要集中在四個方面：第一，施肥技術(shù)對化肥效率的影響。第二，耕地狀況對化肥效率的影響。第三，外部環(huán)境和基礎(chǔ)設(shè)施條件的影響。第四，個體和家庭狀況的影響。然而，較少基于勞動力結(jié)構(gòu)變化進行研究。雖然在一些微觀調(diào)查中涉及農(nóng)戶年齡、性別和非農(nóng)收入對化肥投入量的影響，但由于單個農(nóng)戶很有可能同時具有老齡、女性和兼業(yè)三個特征，因而缺乏對勞動力結(jié)構(gòu)變化的考量。有些研究關(guān)注農(nóng)業(yè)勞動力老齡化、女性化對化肥利用效率的直接影響，卻忽視機械要素投入變化的間接效應(yīng)。同時發(fā)現(xiàn)，很多研究忽略了地形地貌差異對化肥投入影響。

為此，本文基于全國小麥主產(chǎn)省的面板數(shù)據(jù)，建立隨機前沿生產(chǎn)函數(shù)模型估計小麥化肥利用效率，并比較分析各省、不同土壤條件小麥化肥效率差異。進一步地，通過Tobit模型分析小麥化肥利用效率各影響因素作用方向。與已有研究相比，本文主要從兩個方面進行拓展。首先，從宏觀層面考察農(nóng)村勞動力弱質(zhì)化(老齡化、女性化和兼業(yè)化)對小麥生產(chǎn)化肥利用效率的影響。其次，考慮到機械對勞動力替代作用，本文引入機械化水平作為調(diào)節(jié)變量，同時考慮農(nóng)業(yè)機械投入和勞動力結(jié)構(gòu)弱質(zhì)化對化肥利用效率影響，并分析機械化對化肥利用效率的調(diào)節(jié)效應(yīng)，進一步豐富現(xiàn)有化肥使用效率研究文獻。

1 理論分析與研究假設(shè)

1.1 農(nóng)業(yè)勞動力弱質(zhì)化對化肥利用效率負面影響可能性

農(nóng)村勞動力結(jié)構(gòu)弱質(zhì)化與化肥利用效率密切相關(guān)。農(nóng)戶作為理性經(jīng)濟人，在資源條件的約束下，會依據(jù)自身稟賦(比如體力水平、技術(shù)水平、時間安排)做出農(nóng)作物生產(chǎn)要素投入決策，以實現(xiàn)效用或收入最大化。老齡、女性、兼業(yè)農(nóng)村勞動力會根據(jù)自身稟賦選擇多施或少施化肥，這將直接影響化肥利用效率。

關(guān)于老齡化對化肥施用量的影響，目前尚未有定論。一方面，隨著年齡的增加，老年人的體力不斷下降，難以勝任繁重的農(nóng)業(yè)生產(chǎn)及田間管理工作。體力的衰退不僅是勞動質(zhì)量的下降，本質(zhì)也是勞動供給的減少，為保證或提高土地產(chǎn)出能力，老齡勞動力很可能傾向于過量投入化肥。例如，由于體力效應(yīng)他們通常會在多次適量和少次多量兩種施肥方式中選擇后者，而后者的施肥總量通常比前者多[21]。其次，因循守舊的思想，導(dǎo)致老年人往往不愿接受新事物和新技術(shù)，對糧食生產(chǎn)不利[22]。但也有學者認為勞動者的年齡反映了經(jīng)驗的積累，更豐富的耕作和管理經(jīng)驗?zāi)軌驇椭鋵崿F(xiàn)化肥、農(nóng)藥等生產(chǎn)要素的高效施用[23]。

與男性相比，農(nóng)村女性勞動力施肥是否“過量”和“不理性”，也受到多方面作用影響。一方面，婦女通常在發(fā)揮體力方面與男性相比處于劣勢，且女性勞動力還需承擔贍養(yǎng)父母、照顧子女等家庭責任，這可能導(dǎo)致其增加對化肥要素的投入。但是，女性勞動力通常不從事非農(nóng)業(yè)工作，專注農(nóng)業(yè)生產(chǎn)使他們更珍惜土地，擅長于精耕細作，增加勞動時間和加強耕作等措施，可以抵消假定的不利條件[24]。最終化肥的利用水平取決于這些因素的相對優(yōu)勢。

此外，有研究認為家庭成員的兼業(yè)行為對生產(chǎn)資料的投入量存在正向效應(yīng)[10]。農(nóng)民從事非農(nóng)就業(yè)，最直接的影響就是投入農(nóng)業(yè)生產(chǎn)的時間減少，為了彌補因時間縮減而可能帶來的農(nóng)作物減產(chǎn)，兼業(yè)農(nóng)戶將傾向于增加化肥、農(nóng)藥等生產(chǎn)資料的投入。同時，移民寄回的匯款呈現(xiàn)積極的收入效應(yīng)，非農(nóng)收入為農(nóng)村家庭購買用于農(nóng)業(yè)生產(chǎn)的肥料和機械提供了資金方面的支持[25-27]。

基于以上分析，本文提出研究假說一：農(nóng)業(yè)勞動力弱質(zhì)化影響小麥生產(chǎn)化肥利用效率。

1.2 勞動力弱質(zhì)化視角下機械化對化肥利用效率調(diào)節(jié)效應(yīng)

勞動力弱質(zhì)化降低農(nóng)業(yè)生產(chǎn)勞動投入，造成效率損失。從數(shù)量上看，以非農(nóng)就業(yè)為特征的農(nóng)村人口兼業(yè)化制約了勞動力有效供給。從質(zhì)量上看，因人口流動而遺留在農(nóng)村的老齡和女性勞動力也因為自身弱質(zhì)性影響農(nóng)業(yè)生產(chǎn)。農(nóng)村人口老齡化、女性化和兼業(yè)化給農(nóng)業(yè)生產(chǎn)帶來了實際或潛在的勞動力損失。

雖然勞動力供給的減少可能會給化肥投入帶來一定負面影響，但農(nóng)戶可以通過增加機械等替代性要素的投入來應(yīng)對勞動力資源不足[28]。從理論上講，機械作為勞動節(jié)約型要素，其與化肥之間的關(guān)系并不明確。但是在實際生產(chǎn)中，機械由于作業(yè)的“高質(zhì)量”顯著節(jié)省了化肥使用，例如使用化肥深施機施肥能增加土壤吸收率，減少浪費，進而提高化肥利用效率。也就是說，雖然農(nóng)業(yè)勞動力的老齡化、女性化和兼業(yè)化降低了農(nóng)業(yè)生產(chǎn)特別是田間管理環(huán)節(jié)的勞動投入，對化肥高效施用不利。但是這種勞動力結(jié)構(gòu)上的弱質(zhì)化通常會引致機械投入增加，進而提高糧食生產(chǎn)效率[29]。當使用機械替代勞動力進而產(chǎn)生勞動節(jié)約效應(yīng)時，很可能并不影響化肥利用效率。即機械投入有利于緩解勞動力弱質(zhì)化可能對化肥投入帶來的負面影響。

基于此，本文提出研究假說二：機械化調(diào)節(jié)效應(yīng)抵消勞動力弱質(zhì)化對化肥利用效率的負面效果。

2 模型選擇、變量定義與數(shù)據(jù)來源

為驗證前述假說，本部分首先在參考前人研究的基礎(chǔ)上，設(shè)定測算化肥利用效率的隨機前沿函數(shù)模型、影響因素分析的Tobit模型和調(diào)節(jié)效應(yīng)模型。隨后對變量進行定義及統(tǒng)計描述，描述變量選取、賦值和數(shù)據(jù)分布情況。

2.1 模型選擇

2.1.1 隨機前沿函數(shù)模型

首先，運用隨機前沿函數(shù)模型估計各省小麥生產(chǎn)技術(shù)效率。隨機前沿函數(shù)模型(SFA)要求設(shè)定某種生產(chǎn)函數(shù)估計生產(chǎn)前沿面，例如Cobb-Douglass或Translog函數(shù)，為避免超越對數(shù)生產(chǎn)函數(shù)可能帶來的多重共線性問題，將其設(shè)定為在農(nóng)業(yè)生產(chǎn)中廣泛采用的柯布道格拉斯(C-D)函數(shù)模型，定義小麥隨機前沿生產(chǎn)函數(shù)模型

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

=ALitβ1Fitβ2Mitβ3Gitβ4evit-uit

(1)

式中：Yit——第i個省份第t年的小麥產(chǎn)出；

Lit——第i個省份第t年的勞動力投入；

Fit——第i個省份第t年的化肥投入；

Mit——第i個省份第t年的機械動力投入；

Git——第i個省份第t年的種子投入；

A——常數(shù)；

β——所有變量的待估系數(shù)；

vit——隨機誤差項。

基于產(chǎn)出導(dǎo)向型的小麥生產(chǎn)技術(shù)效率的估計公式為TEit=exp(-uit)，在這里，借鑒文獻[30]的研究，將化肥的利用效率定義為在其他投入要素固定不變情況下，達到既定產(chǎn)出所需要的最小化肥需求量和農(nóng)戶實際化肥施用量的比值。進一步地，可推導(dǎo)基于C-D生產(chǎn)函數(shù)技術(shù)層面的化肥利用效率FE的度量公式，其中，β2代表化肥投入估計參數(shù)，定義為

FEit=exp(-uit/β2)

(2)

2.1.2 Tobit模型

采用多元回歸方法分析農(nóng)村勞動力老齡、女性和兼業(yè)化水平對化肥利用效率的影響。由于因變量(化肥利用效率)取值范圍在0～1之間，為避免最小二乘法對兩端截斷離散數(shù)據(jù)的估計偏誤，選擇Tobit模型進行極大似然估計，定義技術(shù)效率回歸模型如式(3)所示。

(3)

式中：FEit——化肥利用效率值；

δ0——常數(shù)項；

δi——待估參數(shù)；

Zit——化肥利用效率影響因素，包括3個核心自變量，1個調(diào)節(jié)自變量和6個控制變量；

εit——隨機誤差項。

2.1.3 調(diào)節(jié)效應(yīng)模型

為檢驗機械化水平在農(nóng)村勞動力弱質(zhì)化影響小麥生產(chǎn)化肥利用效率中的調(diào)節(jié)作用，構(gòu)建調(diào)節(jié)效應(yīng)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——老齡化程度；

femi——女性化程度；

dive——兼業(yè)化水平；

educ——勞動力教育；

size——人均經(jīng)營規(guī)模；

pric——化肥價格；

infr——農(nóng)田基礎(chǔ)設(shè)施；

disa——農(nóng)業(yè)災(zāi)害情況；

terr——地形特征；

mech——機械化水平。

a、λ、γ為所有變量的待估參數(shù)，γj為各交互項系數(shù)，Nit為各被交乘要素，包括在基礎(chǔ)回歸中系數(shù)為正的核心自變量，因為要考察機械化是否在這些要素的正向影響中發(fā)揮作用。模型(4)用于估計勞動力弱質(zhì)化對小麥化肥利用效率影響，在實證分析時設(shè)定模型Ⅰ，包括老齡化程度agin、女性化程度femi、兼業(yè)化水平dive、勞動力教育educ、人均經(jīng)營規(guī)模size、化肥價格pric、農(nóng)田基礎(chǔ)設(shè)施infr、農(nóng)業(yè)災(zāi)害情況disa和地形特征terr變量。

模型(5)用于估計小麥機械化水平對化肥利用效率影響，在實證分析時設(shè)定模型Ⅱ，在模型Ⅰ的基礎(chǔ)上增加反映機械化水平的虛擬變量mech。模型(6)用于估計機械化水平對老齡、女性、兼業(yè)化變量作用的影響，在實證分析時設(shè)定模型Ⅲ、Ⅳ，其中，模型Ⅲ在模型Ⅱ的基礎(chǔ)上增加機械化水平與女性化程度的交互項(femi×mech)，模型Ⅳ在模型Ⅲ的基礎(chǔ)上增加機械化水平與兼業(yè)化水平的交互項(dive×mech)。

2.2 變量定義

所需變量包括模型(1)中測量技術(shù)效率的投入與產(chǎn)出變量，模型(3)～(6)影響因素分析中的被解釋變量、核心解釋變量、調(diào)節(jié)變量和控制變量四類。研究關(guān)注的核心解釋變量為農(nóng)村勞動力結(jié)構(gòu)弱質(zhì)化，包括老齡化程度(年齡結(jié)構(gòu))、女性化程度(性別結(jié)構(gòu))、兼業(yè)化水平(就業(yè)結(jié)構(gòu))三個指標。

2.2.1 投入與產(chǎn)出變量

在模型(1)中，選取小麥產(chǎn)量作為產(chǎn)出變量，投入變量從勞動力、化肥、種子及農(nóng)用機械四個方面考量。其中小麥產(chǎn)量lnY、勞動力投入lnL、化肥投入lnF、種子投入lnG和機械動力投入lnM分別用小麥作物單位面積產(chǎn)量(kg/hm2)、每公頃用工數(shù)量(日/hm2)、每公頃化肥使用量(kg/hm2)、每公頃種子用量(kg/hm2)及每公頃機械作業(yè)費(元/hm2)，取自然對數(shù)值表示；機械作業(yè)費將以2 003=100為基期進行農(nóng)機具價格指數(shù)平減。農(nóng)藥、農(nóng)膜、燃料等投入變量不予考慮，因為它們在農(nóng)資投入費用中所占比重較小，2019年這一比例(小麥生產(chǎn)農(nóng)藥、農(nóng)膜、燃料費用占全部物質(zhì)服務(wù)費用的比重)僅為5.65%。

2.2.2 被解釋變量與核心解釋變量

通過模型(1)得到技術(shù)效率TEit及參數(shù)β2估計值，然后根據(jù)式(2)得到化肥利用效率值FEit作為模型(3)～(6)的被解釋變量。核心解釋變量中，勞動力老齡化(agin): 采用農(nóng)村65歲及以上人口占農(nóng)村15歲及以上人口比重衡量。女性化(femi): 采用農(nóng)村15歲以上人口中女性所占比例衡量。兼業(yè)化(dive): 現(xiàn)有文獻多采用非農(nóng)就業(yè)率(如鄉(xiāng)村從業(yè)人員中非農(nóng)林牧漁業(yè)勞動力數(shù)量所占比重)來衡量人口兼業(yè)化程度，該方法主要基于勞動力非農(nóng)轉(zhuǎn)移視角。考慮到研究目的，借鑒楊肅昌等[31]的做法，使用農(nóng)村居民工資性收入占總收入比重度量兼業(yè)化水平。

2.2.3 調(diào)節(jié)變量

選擇小麥機械化水平作為調(diào)節(jié)變量。由于機械總動力在農(nóng)業(yè)機械化發(fā)展水平中具有較強代表性，是一個典型的反映農(nóng)業(yè)機械化的強度指標。故借鑒王則宇等[32]的方法，設(shè)置反映機械化水平的虛擬變量(mech)，重點討論機械化水平在勞動力弱質(zhì)化影響小麥生產(chǎn)化肥利用效率中發(fā)揮的調(diào)節(jié)作用。

2.2.4 控制變量

為排除其他可能影響小麥化肥利用效率的因素，結(jié)合以往研究，選取人均經(jīng)營規(guī)模、化肥價格、勞動力教育、農(nóng)田基礎(chǔ)設(shè)施條件、農(nóng)業(yè)災(zāi)害情況、地形特征作為模型(3)～(6)的控制變量，各變量指標選取依據(jù)說明如下。

人均經(jīng)營規(guī)模。人均經(jīng)營規(guī)模一方面可能產(chǎn)生規(guī)模經(jīng)濟效應(yīng)，有利于提高化肥施用效率，另一方面也可能因為規(guī)模過大而導(dǎo)致勞動力相對不足不利于化肥減施。本文以人均播種面積表示人均經(jīng)營規(guī)模，具體計算方法為：各省農(nóng)作物總播種面積除以農(nóng)業(yè)人口。

化肥價格。化肥價格的上升也因農(nóng)戶行為的不同而對施肥效率造成正、負兩種效應(yīng)，如當農(nóng)民使用有機肥替代化肥或減少肥料施用量時，影響為正，而當農(nóng)民因肥料價格上漲而購買劣質(zhì)農(nóng)資時影響為負[14]。化肥價格由每公頃化肥費用除以每公頃化肥折純用量得。

勞動力教育。大量研究表明，農(nóng)民受教育水平對新知識新技術(shù)的使用及農(nóng)業(yè)生產(chǎn)技術(shù)效率具有積極作用，因此將其作為控制變量，并預(yù)期影響為正。具體選擇勞動力平均受教育年限表征勞動力教育，計算方法為：∑各類別受教育程度勞動力比例×相應(yīng)教育年限。其中，文盲半文盲、小學、初中、高中、中專和大專及以上六種類別受教育年限分別為1、6、9、12、12和15.5。

農(nóng)田基礎(chǔ)設(shè)施條件。農(nóng)田基礎(chǔ)設(shè)施條件(農(nóng)田灌溉設(shè)施)的改善，推動農(nóng)業(yè)生產(chǎn)持續(xù)發(fā)展，也為留守老人、婦女的田間管理創(chuàng)造良好條件[33]從而實現(xiàn)更高的技術(shù)效率。本文采用有效灌溉面積占總耕地面積的比重衡量農(nóng)田基礎(chǔ)設(shè)施條件。

農(nóng)業(yè)災(zāi)害情況。農(nóng)業(yè)生產(chǎn)是受自然條件影響很大的產(chǎn)業(yè)，受災(zāi)導(dǎo)致減產(chǎn)將給農(nóng)戶帶來巨大損失，因此將農(nóng)業(yè)災(zāi)害情況納入控制變量，并以農(nóng)作物受災(zāi)面積占農(nóng)作物總播種面積的比重表示。文中各變量的定義及統(tǒng)計方法如表1所示。

表1 變量定義與賦值方法Tab. 1 Variable definition and assignment method

2.3 數(shù)據(jù)來源

樣本數(shù)據(jù)為2004—2018年全國15個小麥主產(chǎn)省投入產(chǎn)出的面板數(shù)據(jù)。各省小麥生產(chǎn)投入產(chǎn)出指標、機械化農(nóng)具價格指數(shù)、單位面積化肥費用，來自2005—2019年的《全國農(nóng)產(chǎn)品成本收益資料匯編》和《中國農(nóng)村統(tǒng)計年鑒》；各省農(nóng)村人口老齡化、女性化、受教育水平相關(guān)數(shù)據(jù)來源于《中國人口和就業(yè)統(tǒng)計年鑒》；各省農(nóng)民兼業(yè)化、機械化水平、農(nóng)作物播種面積數(shù)據(jù)來自《中國農(nóng)村統(tǒng)計年鑒》；農(nóng)業(yè)人口數(shù)來自各省2005—2019年《統(tǒng)計年鑒》；各省耕地面積來自2005—2009年《中國統(tǒng)計年鑒》、2010—2019年《中國農(nóng)村統(tǒng)計年鑒》；各省有效灌溉面積來自2005—2019年《中國農(nóng)村統(tǒng)計年鑒》；各省農(nóng)作物受災(zāi)面積來自《中國農(nóng)業(yè)年鑒》，其中，缺失數(shù)據(jù)用歷年各省統(tǒng)計年鑒和國家統(tǒng)計局網(wǎng)站數(shù)據(jù)庫補齊。表2列示了模型中主要變量的計數(shù)單位和描述統(tǒng)計。

表2 主要變量描述統(tǒng)計Tab. 2 Descriptive statistics of main variables

3 估計結(jié)果及分析

3.1 技術(shù)效率及化肥利用效率估計

采用Frontier對模型(1)進行極大似然估計，結(jié)果如表3所示。除勞動力投入系數(shù)不顯著外，其他變量系數(shù)均在1%至10%的水平上顯著，模型目的為測算小麥生產(chǎn)技術(shù)效率，總體上顯著即可。單側(cè)似然比檢驗LR拒絕不存在技術(shù)欠效率(即uit=0)的原假設(shè)，說明我國小麥產(chǎn)出確實存在技術(shù)非效率，此時隨機前沿模型設(shè)定有效。同時γ值達到0.972 8，接近于1且在1%的水平下顯著，即隨機前沿生產(chǎn)函數(shù)的誤差有97.28%來自技術(shù)非效率，2.72%源于無法控制的隨機誤差，說明SFA模型估計有效，采用極大似然法估計合理。

從要素投入估計結(jié)果看，在四種要素投入中，化肥的產(chǎn)出彈性最大，這與許多研究結(jié)論一致，意味著在當前的生產(chǎn)中增加化肥投入可以有效提高小麥產(chǎn)量。在小麥生產(chǎn)中，勞動力的產(chǎn)出彈性為正，但不顯著。這與事實相符，實際上中國的糧食生產(chǎn)普遍存在勞動力冗余現(xiàn)象。此外，小麥的種子要素投入產(chǎn)出彈性在10%的水平下顯著為正，增加種子投入可以提高小麥產(chǎn)出。

表3 小麥隨機前沿生產(chǎn)函數(shù)模型估計結(jié)果Tab. 3 Estimated results of wheat stochastic frontier production function model

通過隨機前沿生產(chǎn)函數(shù)模型得到技術(shù)效率TEit和化肥產(chǎn)出彈性β2的估計值后，根據(jù)TEit=exp(-uit)可求uit的值，隨后由式(2)計算可得化肥利用效率FEit的值。中國各小麥主產(chǎn)省歷年生產(chǎn)技術(shù)效率和化肥利用效率測算結(jié)果如表4所示。從總體上看，與較高的技術(shù)效率相比，小麥化肥利用效率偏低，僅為0.339。從地區(qū)看，省際間技術(shù)效率值存在較大差異，小麥主產(chǎn)省最高技術(shù)效率達到0.981，化肥利用效率達到0.930(河南)，最低僅為0.428技術(shù)效率和0.038化肥利用效率(內(nèi)蒙古)。

表4 2004—2018年小麥主產(chǎn)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

考慮到各地區(qū)土壤條件差異，參照《中國化肥區(qū)劃》將全國及15個小麥主產(chǎn)省劃分為7個區(qū)域，具體見表5。在小麥生產(chǎn)投入中，黃淮海地區(qū)化肥利用效率最高達到0.747，北部高原地區(qū)最低僅為0.092。地區(qū)間差距較大，地形地勢因素是否影響化肥利用效率，將在下面分析中予以考察。

表5 小麥化肥區(qū)域生產(chǎn)技術(shù)效率與化肥利用效率比較Tab. 5 Comparison of wheat production technology efficiency and chemical fertilizer utilization efficiency

3.2 勞動力弱質(zhì)化對化肥利用效率影響

將化肥利用效率FE作為被解釋變量，勞動力老齡化、女性化、兼業(yè)化程度變量作為核心解釋變量，同時引入其他控制變量，進行Tobit模型回歸分析?？紤]歸并數(shù)據(jù)的面板模型允許個體效應(yīng)的存在，且假設(shè)εi與解釋變量Zit不相關(guān)。因此，不考慮混合Tobit回歸或固定效應(yīng)Tobit模型，選擇使用隨機效應(yīng)面板Tobit回歸分析，模型估計結(jié)果如表6所示。

表6 小麥生產(chǎn)化肥利用效率隨機效應(yīng)Tobit面板回歸模型估計結(jié)果Tab. 6 Estimation results of random effects panel tobit regression model for wheat fertilizer utilization efficiency

各模型回歸結(jié)果的LR檢驗均顯著拒絕“H0∶σε=0”，故證實存在個體效應(yīng)，因此使用隨機效應(yīng)面板Tobit回歸有效。

3.2.1 核心變量影響

第一，農(nóng)業(yè)勞動力女性化程度與小麥生產(chǎn)化肥利用效率在1%的顯著性水平下呈現(xiàn)正向影響。這表明雖然女性勞動力在體力方面處于劣勢，但是對于農(nóng)業(yè)生產(chǎn)的專注和精細化耕作，以及女性在農(nóng)業(yè)生產(chǎn)資料成本的估算和節(jié)約方面有著天然的優(yōu)勢，減少了化肥的多余投入，亦或是婦女在生產(chǎn)中使用機械，抵消了體力不足對化肥利用效率的不利影響。

第二，農(nóng)戶非農(nóng)工資所占比重越大，小麥生產(chǎn)化肥利用效率越高，這表明兼業(yè)行為會降低家庭化肥資料的投入?？赡苁且驗?，從事非農(nóng)工作的農(nóng)戶必然會將部分時間和精力從務(wù)農(nóng)勞動轉(zhuǎn)移到非農(nóng)工作中，從而無暇顧及土地農(nóng)資投入，在務(wù)農(nóng)勞作上也可能僅是在作物播種和收獲時才會相對付出時間和精力，對田間管理環(huán)節(jié)較忽視。且農(nóng)民在外就業(yè)期間接觸到知識和技術(shù)等勞動力素質(zhì)的累積，都會對小麥化肥利用效率帶來有益影響。

第三，農(nóng)業(yè)勞動力老齡化程度與小麥生產(chǎn)化肥利用效率在1%的顯著性水平下呈現(xiàn)負相關(guān)關(guān)系。這意味著在小麥生產(chǎn)中，體力衰弱效應(yīng)大于經(jīng)驗積累效應(yīng)，為保證或提高土地產(chǎn)出能力，老齡勞動力很可能傾向于過量投入化肥。

3.2.2 控制變量影響

第一，教育水平顯著影響化肥利用效率。受教育水平在1%的顯著性水平下對小麥生產(chǎn)化肥利用效率起正向影響，與預(yù)期方向一致。作為對技能的具備和運用要求較高的要素投入環(huán)節(jié)，提高教育和培訓(xùn)水平有利于勞動者獲取和掌握新技術(shù)進而提高化肥利用效率。

第二，人均經(jīng)營規(guī)模正向影響小麥化肥利用效率。這表明，由于規(guī)模經(jīng)濟效應(yīng)，種植規(guī)模大的農(nóng)戶較種植規(guī)模小的農(nóng)戶化肥利用效率更高?？赡艿脑蚴牵?guī)模經(jīng)營帶來單位土地面積化肥投入成本的降低，導(dǎo)致種植大戶愿意接受成本較高的有機肥等施肥技術(shù)，從而減少化肥施用量。

第三，農(nóng)業(yè)災(zāi)害情況顯著影響化肥利用效率，受災(zāi)率與小麥化肥利用率呈正比關(guān)系。這意味著，災(zāi)害的發(fā)生會抑制農(nóng)戶對化肥的投入，農(nóng)民一般不會在遭受凍害、倒伏、干熱風等受災(zāi)田塊上施用更多肥料，因而提高化肥利用率。

最后，化肥利用效率地形差異明顯。平原地區(qū)的小麥化肥利用效率顯著高于山地或高原地區(qū)，這說明地勢越平緩，小麥化肥利用效率越高?？赡苁且驗?，平原地區(qū)更有利于機械化作業(yè)、化肥流失較少，以及施肥技術(shù)應(yīng)用等。

3.2.3 調(diào)節(jié)變量影響

由表6可知，農(nóng)業(yè)勞動力的女性化、兼業(yè)化并未降低小麥生產(chǎn)化肥利用效率，為驗證是否是機械化的調(diào)節(jié)作用，即是否是機械投入彌補了女性和兼業(yè)勞動力在體力和時間上的不足。具體在實證中，將機械化水平、機械化水平與女性化程度的交互項、機械化水平與兼業(yè)化水平的交互項納入回歸模型檢驗。

在Tobit回歸模型Ⅱ中加入小麥機械總動力虛擬變量，其系數(shù)為正且在1%的水平上顯著。這說明機械化水平的提高，會對化肥利用效率產(chǎn)生正向影響，與預(yù)期一致。加入交互項后，其他變量系數(shù)的大小、符號及顯著性程度并未發(fā)生明顯改變，說明模型估計結(jié)果穩(wěn)定。模型Ⅲ和模型Ⅳ的估計結(jié)果顯示，女性化對小麥生產(chǎn)化肥利用效率的正向影響受機械化水平調(diào)節(jié)，即機械投入在一定程度上替代女性勞動力，彌補其體力不足，提高化肥投入效率。此外，從農(nóng)民兼業(yè)行為對機械化程度和化肥使用量的影響來看，農(nóng)民并非采用機械替代減少的勞動投入，而是選擇少施化肥，這意味著兼業(yè)農(nóng)戶放棄部分農(nóng)業(yè)生產(chǎn)的規(guī)模或者強度，與前文的分析一致。

4 基本結(jié)論和政策建議

4.1 基本結(jié)論

從農(nóng)村勞動力結(jié)構(gòu)弱質(zhì)化現(xiàn)狀出發(fā)，利用2004—2018年全國小麥主產(chǎn)省面板數(shù)據(jù)，考察了勞動力弱質(zhì)化對小麥化肥利用效率的影響。

1) 小麥化肥利用效率總體水平偏低。隨機前沿生產(chǎn)函數(shù)模型估計結(jié)果顯示，小麥化肥利用效率地區(qū)差異較大，黃淮海地區(qū)較高，西南等地區(qū)則較低。然而，與較高技術(shù)效率相比，全國平均化肥利用率僅0.339 3，在維持現(xiàn)有產(chǎn)量水平下，小麥化肥利用效率至少還有66.07%的提升空間。因此，需要通過減少化肥用量或改進施肥方法來實現(xiàn)化肥投入的減量增效。

2) 農(nóng)村勞動力弱質(zhì)化沒有負面影響化肥利用效率。模型估計結(jié)果顯示，老齡化對化肥投入有顯著負向影響，這意味著隨著年齡增加，老年人由于體力衰退，造成施肥工作質(zhì)量下降，對化肥利用效率不利。但是女性化、兼業(yè)化對化肥利用效率影響系數(shù)為正，且農(nóng)業(yè)機械化水平對化肥投入效率影響系數(shù)也為正，這意味著，勞動力外出打工和留守婦女對小麥化肥投入的影響并非絕對負面。因為，隨著農(nóng)業(yè)勞動投入的減少，農(nóng)戶會增加農(nóng)業(yè)機械購置或者可能外購農(nóng)業(yè)機械外包服務(wù)，進而對化肥利用產(chǎn)生一定積極作用。從總體上看，農(nóng)村勞動力弱質(zhì)化影響為正，因而不必過分擔憂老齡化、女性化和兼業(yè)化對農(nóng)業(yè)化肥投入的負影響，而應(yīng)該順應(yīng)這種變化趨勢。

3) 農(nóng)業(yè)機械使用可能彌補勞動力女性化不足。勞動力弱質(zhì)化對化肥利用效率影響受機械化水平調(diào)節(jié)。一方面，機械化與女性化有顯著交互效應(yīng)，這表明機械投入與勞動力有替代效果，換句話說，機械使用可以彌補女性勞動力體力不足，因此不必擔憂勞動力女性化問題。另一方面，兼業(yè)化估計系數(shù)為正，同時機械化與兼業(yè)化交互項系數(shù)為負，表明兼業(yè)化導(dǎo)致非農(nóng)工作時間增加，無暇顧及土地農(nóng)資投入，甚至可能導(dǎo)致土地閑置或撂荒，進而提高化肥利用效率，并非得益于機械化的調(diào)節(jié)作用。

4) 農(nóng)村教育顯著提高化肥利用效率。提高農(nóng)村勞動力教育水平有利于改進小麥化肥利用率。相比其他生產(chǎn)要素，化肥在種類選擇、投入時間和用量等管理方面決策，對經(jīng)營者人力資本要求較高[34]。因此，農(nóng)民的教育水平將決定化肥投入是否“合理”。換句話說，高學歷農(nóng)業(yè)勞動力在施用化肥時往往更有效率，由于受教育水平影響，勞動力更傾向于改善化肥使用技術(shù)。

4.2 政策建議

1) 實施化肥減量增效計劃。通過研究發(fā)現(xiàn)，目前小麥化肥利用效率仍然偏低，應(yīng)該繼續(xù)加強對土壤生態(tài)保護和化肥減量施用的重視程度，推廣環(huán)境友好型肥料的使用，繼續(xù)實施化肥減量增效計劃刻不容緩。但關(guān)鍵是加強農(nóng)機社會化服務(wù)，彌補現(xiàn)階段勞動力女性化和老齡化負面影響；加快土地流轉(zhuǎn)擴大規(guī)模經(jīng)營，發(fā)揮土地化肥投入的規(guī)模經(jīng)濟效應(yīng)，推進施肥新技術(shù)采用。

2) 提高農(nóng)村教育農(nóng)技水平。農(nóng)村勞動力受教育水平對化肥利用效率具有顯著正向作用，為此國家應(yīng)不斷加大對農(nóng)村地區(qū)教育資源的投入，開展科學施肥相關(guān)技術(shù)培訓(xùn)，提高勞動者的綠色生產(chǎn)意識，減少農(nóng)戶高強度、低效率和不科學的施肥方式。

3) 提高農(nóng)業(yè)/村機械化水平。目前我國小麥已基本實現(xiàn)全程機械化，但是田間管理環(huán)節(jié)機械化程度還不夠，應(yīng)加快田間管理機械(如化肥深施機)的應(yīng)用，提高化肥施用技術(shù)水平，彌補傳統(tǒng)施肥方法的不足。

4) 研發(fā)適用型的農(nóng)業(yè)機械。實證結(jié)果顯示，女性勞動力對化肥利用效率的影響受機械化水平正向調(diào)節(jié)作用。因此，應(yīng)當研發(fā)適合勞動力弱質(zhì)化的小型或微型施肥機械，滿足女性化和老齡化勞動力需求。

5) 在Probit和Tobit等非線性模型中，其估計量無法直接作為被解釋變量的邊際效應(yīng)，需要進行轉(zhuǎn)換。換句話說，Tobit模型估計系數(shù)的符號有意義，但是數(shù)值存在偏誤。本文目的在于考察各解釋變量的影響方向，并不特別關(guān)注解釋變量偏效應(yīng)值，因此未計算Tobit模型的邊際影響。