農村勞動力轉移對粳稻生產環境效率的影響研究*
——基于灰水足跡視角

姚玲,劉曉利

(吉林農業大學經濟管理學院,長春市,130118)

0 引言

隨著市場化改革的推進和城鎮化率的攀升，農村勞動力逐漸向第二、三產業轉移，在促進農民增收[1-2]、緩解糧食生產內卷化困境[3]的同時,加劇了化肥等增產型生產要素的過量施用[4-5]，最終會對糧食生產環境效率產生不利影響。當前我國糧食生產環境效率整體上仍處于較低水平[6]，不利于實現糧食增產的綠色可持續發展[7]。而在資源條件日益趨緊的農業發展狀態下，提高糧食生產環境效率已然成為緩解糧食增產與環境保護之間矛盾的必然選擇[8]。2022年“中央一號文件”明確提出深入推進農業生產要素減量化，提升糧食單產和品質，推進農業綠色發展。其本質在于提高糧食生產環境效率。然而，在農村勞動力不斷外流背景下，糧食生產環境效率會如何發生變化？又該如何提高糧食生產環境效率？由此，探究農村勞動力轉移對糧食生產環境效率的影響機制有助于充分理解農業生產要素投入與環境效率提高之間的關系，對于農業綠色可持續發展具有重要的理論參考意義。

當前已有關于糧食生產環境效率的研究多以化肥、農藥的污染排放量為非期望產出[3， 6， 9-14]，將其納入指標體系進行環境效率的測算，但這只反映出糧食增產背后土地資源的受污染情況，并未體現資源后期的自我修復成本。而灰水足跡是指以現有的環境水質標準為基準，將農業生產活動排放的污染物完全消納、稀釋使其達到現有環境水質標準所需的水資源量[15]，與上述污染指標相比，更能全面反映農業生產的污染情況[16]，其本質在于突顯環境資源的自我修復代價。忽視環境資源的自我修復功能，會造成評估結果的有偏，不利于對糧食生產環境效率的準確認識與把握。此外，以往研究多針對農業或者糧食大類，粳稻作為我國單產水平較高、種植效益較好的重要口糧之一，卻鮮有人關注粳稻生產環境效率的變化以及勞動力轉移對其產生的影響。文章通過測度和分析我國粳稻生產灰水足跡排放量及其時空演變，將其加入基于非期望產出的SBM模型中評價和分析2005—2020年我國13個粳稻主產省的粳稻生產環境效率，并應用中介效應模型實證檢驗勞動力轉移影響粳稻生產環境效率的內在機制。與已有研究[9-14]相比，本文可能的邊際貢獻在于從灰水足跡視角出發探討了農村勞動力轉移對粳稻生產環境效率的影響機制，是對已有研究的豐富與拓展。

1 理論分析

農村勞動力轉移對粳稻生產環境效率的影響機制如圖1所示。首先，為了追求“自身”利潤最大化，存在勞動力轉移的農戶往往施加更多的增產型化學要素來替代缺失的勞動力[17]，增加了粳稻生產灰水足跡排放量[15， 18]；其次，轉移的勞動力通常是受教育程度較高的青壯年而剩余勞動力多為老、弱、幼和婦女，不僅缺乏對水土資源的保護意識，還增加了測土配方施肥、精細養分管理等環境友好型技術的推廣難度，使得灰水足跡的防控以及后續的資源自我修復更為困難。基于以上分析，本文提出假設。

H1：農村勞動力轉移會降低粳稻生產環境效率。

然而，除了農村勞動力轉移本身帶來的直接負向影響外，其產生的可支配收入變化、經營規模變化可以間接有效地改善粳稻生產環境效率。一方面，因土地收益的增長速度遠低于勞動力轉移帶來的工資性收入[19]，減輕了農戶的資金約束[20]，有利于推動粳稻生產技術進步(如耕作與施肥技術改進)來提高粳稻生產環境效率[21]；另一方面，勞動力轉移會擴大農戶經營規模[3， 22]。經營規模的擴大會推動土地逐步流轉向生產要素配置效率高、管理能力強的農業新型經營主體，由此逐步形成規模化生產[23-24],在保產保量的同時降低增產型化學物品施用強度[25-26]，從而降低灰水足跡排放量[15， 18]。

因此，農村勞動力轉移是把雙刃劍，文化程度較高的青壯年勞動力外流，可能導致粳稻生產環境效率的損失，但可以通過提高農民可支配收入、擴大經營規模改善粳稻生產環境效率。基于以上分析，本文提出假設。

H2：農村勞動力轉移可通過提高農戶可支配收入提高粳稻生產環境效率。

H3：農村勞動力轉移可通過擴大農戶經營規模提高粳稻生產環境效率。

圖1 農村勞動力轉移對粳稻生產環境效應影響路徑

2 數據來源、變量與模型選擇

2.1 數據來源

考慮到數據的可得性以及本研究方法的可比較性和合理性，僅保留河北、內蒙古、遼寧、吉林、黑龍江、山東、河南、湖北、江蘇、浙江、安徽、云南、寧夏13個粳稻主產省份作為本文的研究對象。為了保持數據口徑一致性，對部分數據進行無量綱化處理，最終構建13個粳稻主產省2005—2020年的面板數據，原始數據來源于《全國農產品成本收益資料匯編》《中國統計年鑒》《中國農村統計年鑒》，以及各省份的統計年鑒以及國家統計局網站。對于缺失的數據利用其他年份算的平均增長率估算得到。各指標的描述性統計如表1所示。

表1 變量的描述性統計Tab. 1 Descriptive statistics of variables

2.2 變量選擇

1) 被解釋變量。粳稻生產環境效率(Neff)：采用SBM-DEA模型[27-28]測算的包含非期望產出的環境效率值，借鑒付永虎等[16]的研究，依據粳稻生產過程中要素投入、產出及水環境影響的特點，構建包括各生產要素投入、期望產出(粳稻產量[14])、非期望產出(粳稻生產灰水足跡[17])的效率評價指標體系(表2)。

2) 解釋變量。農村勞動力轉移(LAB):配第—克拉克定律指出，勞動力會隨著經濟發展水平的提升而逐漸向工業、服務業轉移[20]。因此，本文用鄉村從業人員中工業和服務業從業人員所占比重[3]表示農村勞動力轉移。

3) 中介變量。人均可支配收入(INCOME):為反映勞動力轉移后的可支配收入變化，本文用農村人均可支配收入來衡量。

人均播種面積(SCALE):為了反映勞動力轉移后的經營規模變化，借鑒田紅宇等[3]的研究，用人均播種面積來衡量，具體用各省份糧食播種總面積除以鄉村從業人員數表示。

4) 控制變量。本文選取的控制變量如下：財政支農水平(FAB)：用地方財政支出中的農林水事務支出總額表示；有效灌溉率(IRR)：用有效灌溉面積與農作物總播種面積的比值表示；受災率(DIS)：用受災面積與農作物總播種面積的比值表示；農業機械密度(MECH)：用機械總動力與農作物總播種面積之比表示；環保意識(EA)：用有效灌溉面積與化肥使用量之比表示。

表2 粳稻生產環境效率評價指標體系Tab. 2 Evaluation index system of environmental efficiency of japonica rice production

2.3 模型選擇

本研究采用Sobel檢驗[26, 33]的顯著性來驗證農村勞動力轉移是否可以通過其產生的可支配收入變化、經營規模變化這兩條路徑來提升粳稻生產環境效率，建立中介效應模型如式(1)～式(5)所示。

Neffi,t=θ1+c×LABi,t+d1×Zi,t+ε1

(1)

INCOMEi,t=θ2+α×LABi,t+d2×Zi,t+ε2

(2)

Neffi,t=θ3+c′×LABi,t+b×INCOMEi,t+

d3×Zi,t+ε3

(3)

SCALEi,t=θ4+e×LABi,c+d4×Zi,t+ε4

(4)

Neffi,t=θ5+c″×LABi,t+f×SCALEi,t+

d5×Zi,t+ε5

(5)

式中：Neffi,t——各個省份的第t年的粳稻生產環境效率；

LABi,t——自變量；

INCOMEi,t、SCALEi,t——中介變量；

θ1、θ2、θ3、θ4、θ5——截距；

ε1、ε2、ε3、ε4、ε5——隨機擾動項；

a、b、c、c′、c″、e、f、d1、d2、d3、d4、d5——回歸系數；

Zi,t——各個省份的第t年影響粳稻生產環境效率的其他控制變量；

c——因變量影響各個省份的第t年的粳稻生產環境效率的總效應；

a、e——自變量對各個中介變量的影響；

c′、b和c″、f——自變量、各個中介變量對各個省份的第t年的粳稻生產環境效率的直接效應。

當系數c顯著，a、b和e、f均顯著，則兩個中介變量均存在中介效應；若a、b和e、f中至少有一個不顯著時，則需要進一步檢驗系數乘積的顯著性。當存在中介效應時，c′、c″不顯著則為完全的中介作用，否則為部分的中介作用。

3 實證檢驗結果與分析

3.1 灰水足跡的時空演變及環境效率估算

1) 中國粳稻生產灰水足跡的時空演變。將樣本省份劃分為五大粳稻主產區：東北主產區(吉林、遼寧、黑龍江、內蒙古)、長江中下游主產區(江蘇、安徽、浙江、湖北)、華北主產區(河南、河北、山東)、西南主產區(云南)和西北主產區(寧夏)，分區觀測各生產省2005年和2020年粳稻生產灰水足跡的變化。

表3 2005與2020年中國各省份的粳稻生產灰水足跡

從灰水足跡來看，2005年中國粳稻生產灰水足跡整體呈現“南高北低”的空間特征。高灰水足跡省份有長江中下游地區的湖北和浙江、西南地區的云南，灰水足跡較低的省份多位于東北和西北地區。2020年，中國粳稻生產高灰水足跡分布范圍明顯擴大，而低灰水足跡分布范圍區域變小。需要指出的是，長江中下游地區作為中國重要的粳稻生產基地，在實現增產的同時農業污染也隨之加劇，灰水足跡排放量明顯提高，寧夏的粳稻生產灰水足跡排放量也明顯提高；遼寧、吉林、黑龍江的粳稻生產灰水足跡排放量明顯下降，其原因可能在于東北地區的機械作業率高，節約了農業生產中氮肥的使用。如農機深耕作業能夠增強土壤的儲水和保肥能力，增強土壤中氮的保有量，進而降低氮肥使用強度[19]。

2) 中國粳稻生產技術效率和環境效率估計結果。根據SBM-DEA模型的測算結果，繪制了全國和五大粳稻主產區的效率變化圖(圖2和圖3)。

圖2 2005—2020年全國主產省粳稻生產

圖3 2005—2020年五大粳稻主產區

首先，2005—2020年全國粳稻生產技術效率均值為0.816 7，而環境效率為0.775，前者高出后者4.17%，可見，如果忽略粳稻生產過程中的灰水足跡排放量將會高估粳稻生產技術效率，這從側面說明現階段中國粳稻生產并未實現經濟與環境雙重效益[9]。其次觀察兩種效率的變化趨勢可以發現，無論是技術效率還是環境效率在2005—2013年整體上均呈下滑態勢，進一步驗證了粳稻長期增產的背后，其環境成本也在逐漸增加。最后從各主產區來看，粳稻生產的環境效率呈現長江中下游地區>東北地區>西南地區>華北地區>西北地區，長江中下游地區粳稻生產的平均環境效率最高，為0.8227，這主要受益于國家“大保護”戰略的實施。

3.2 影響機制檢驗

結合上文分析可以發現中國粳稻生產環境效率值總體不高且變化趨勢不穩定，因此進一步探討粳稻生產環境效率的影響因素。首先對各變量進行多重共線性檢驗，方差膨脹因子(VIF)均小于5，本文各變量之間不存在多重共線性問題。從回歸結果來看，農村人均可支配收入、人均播種面積均存在顯著的中介效應，且兩個中介效應模型在Sobel檢驗下也顯著。

回歸(1)表明農村勞動力轉移對粳稻生產環境效率的直接效應顯著為負，估計系數為-0.382 2。回歸(2)表明農村勞動力轉移推動農村人均可支配收入提高，即勞動力轉移程度越高，人均可支配收入越高。回歸(3)中農村勞動力轉移和農村人均可支配收入的估計系數均顯著，表明控制了農村勞動力轉移變量后，中介變量農村人均可支配收入對環境效率的正向效應仍顯著。由于c、a、b三個參數估計均顯著，并且農村人均可支配收入的中介效應(a×b)的正負號與農村勞動力轉移對粳稻生產環境效率的直接效應(c′)的正負號相反，表明存在農村人均可支配收入的中介效應。但由于c′顯著，表明農村人均可支配收入存在“部分”中介效應。其中農村人均可支配收入的中介效應為-29.44%，間接效應占直接效應的比重為-0.227 5，這表明農村人均可支配收入提高可以緩解農村勞動力轉移引起的粳稻生產環境效率損失的29.44%。

回歸(4)和回歸(5)為人均播種面積在農村勞動力轉移影響粳稻生產環境效率中發揮的中介效應檢驗結果。由上述結果可知，農村勞動力轉移對環境效率的直接效應顯著為負。并且勞動力轉移程度越高，人均播種面積越大，這與鐘甫寧[1]、田紅宇[3]的研究保持一致。在控制勞動力轉移變量后，中介變量人均播種面積對環境效率的影響仍顯著正向，可以看出，人均播種面積存在“部分”中介效應，并且中介效應為-15.83%，間接效應與直接效應的比重為-0.136 6，這表明農村勞動力轉移促進了人均播種面積提高，削弱農村勞動力轉移對粳稻生產環境效率負向效應的程度為15.83%。

綜合上述結果來看，可以得出以下4個結論：(1)農村勞動力轉移提高了人均可支配收入進而改善了粳稻生產環境效率，可能的解釋是農村勞動力外出務工在增加收入、緩解農業生產資金約束同時，也導致部分農民更加重視新生產技術的學習與使用，推動粳稻生產技術進步，減少了農業生產要素(如氮肥)的無畏消耗，有助于改善環境效率；(2)農村勞動力轉移推動了人均播種面積的擴大進而推動粳稻生產規模化，降低了單位面積的氮肥施用強度，有利于提高粳稻生產環境效率；(3)農村勞動力轉移直接負向影響粳稻生產環境效率，主要是由于外出務工人群往往是農村中文化水平較高的青壯年，留守的粳稻生產者偏于老齡化、女性化，其身體素質和環保意識較低，往往通過加大化肥投入量去提高產量，增加了粳稻生產過程中灰水足跡排放量，不利于提高粳稻生產環境效率；(4)農村勞動力轉移對粳稻生產環境效率的總體影響均顯著負向，這說明勞動力轉移帶來的收入增加、規模擴大雖然促進了環境效率提升，但在很大程度上還無法彌補由生產者身體素質和環保意識的低水平造成的環境效率損失。

財政支農水平的系數顯著為負，說明財政支農水平不利于提高粳稻生產環境效率，因財政支農的目標偏向于“增產”，在一定程度上激勵了農業生產者加大生產要素投入，忽視了環境代價；有效灌溉率的系數顯著為正，說明灌溉設施的完善一方面可以減輕自然災害對粳稻生產環境效率的負面影響，另一方面也可以提高污染源性質增產要素的利用效率，避免重復、多次的過量投入；受災率的系數顯著為負，可能存在的原因是自然災害后農業生產者往往會提高污染源性質增產要素的施用率[3]；機械密度和環保意識的系數均不顯著。

3.3 穩健性檢驗

為了保證回歸結果的可靠性，本文采用替換解釋變量的方法進行穩健性檢驗。衡量農村勞動力轉移的指標是鄉村從業人員中二三產業從業人員的比重，現借鑒已有研究，將采用鄉村從業人員與鄉村從業人員中第一產業人員的差值[19]進行替換，重新回歸后的結果與前文基本一致。因此，穩健性檢驗結果與前文實證結果沒有顯著性差異，表明本文的實證結果具有較強的可靠性。

表4 農村人均可支配收入、人均播種面積的中介效應Tab. 4 Intermediary effect of rural per capita disposable income and per capita sowing area

表5 替換解釋變量的穩健性檢驗結果Tab. 5 Robustness test results of alternative explanatory variables

4 結論與對策建議

4.1 結論

本文在測算粳稻灰水足跡的基礎上，應用非徑向、非角度的SBM-DEA模型對我國2005—2020年13個粳稻主產省份的環境效率進行了測度，并運用中介效應模型考察農村勞動力轉移影響粳稻生產環境效率的內在機制。主要研究結論如下：(1)2005—2020年粳稻生產灰水足跡有所下降，但高灰水足跡區域呈擴大趨勢；(2)忽視粳稻生產過程中的灰水足跡排放量會高估粳稻生產技術效率，2005—2020年粳稻生產技術效率、環境效率均值分別為0.816 7和0.775 0，前者高出后者4.17%，并且粳稻生產環境效率整體上呈下降趨勢，五大粳稻主產區效率排名依次為長江中下游地區、東北地區、西南地區、華北地區、西北地區；(3)農村勞動力轉移降低了粳稻生產環境效率，雖然存在正向的收入中介效應和規模中介效應，但現階段還難以完全彌補勞動力轉移帶來的直接環境效率損失。

4.2 對策建議

基于以上結論，得出對策建議：(1)測量粳稻生產技術效率時，不能僅關注“產量”和不可避免的環境代價，更要重視環境資源后期的自修復成本，多維度擴大測量體系，逐步增加各層面“質量、效率、綠色”維度的權重；(2)要鼓勵發展鄉村經濟，促進農村勞動力就地就近轉移就業，提升農戶家庭收入；與此同時，要加大農業信息和技術推廣力度，提高農業新型作業技術采用率；(3)要加快健全農村土地流轉機制，促進規模化經營，切實加強培育新型農業經營主體，為優化生產要素投入效率、實現規模經濟、提升糧食生產環境效率等多維度目標搭建有效平臺。