劳动力转移与粮食安全，本文主要内容关键词为：劳动力转移论文,粮食安全论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中国是世界第一人口大国，粮食供应不能主要依靠进口，而即使是在国际经济一体化程度越来越高的今天，如果一个国家的粮食供给高度依赖于进口，那么它可能会构成其经济发展的一个重要约束。关于中国的粮食安全问题，Brown（1994）曾写了《谁来养活中国？》的文章，认为中国到2030年将需要进口3.05亿吨粮食弥补国内的缺口，从而会威胁到世界的粮食供给，但是美国著名农业经济学家Johnson（1994）并不认同这一判断，认为中国完全有能力提供足够的食物养活人民而不会影响世界粮食供给。由此争论可见，中国的粮食供给问题不仅仅是中国的问题，它甚至会产生重大国际影响，因而研究中国粮食生产的影响因素具有重要意义。 中国目前的人均耕地面积不足1.5亩，农业生产基础薄弱，现代科技的应用程度并不高，然而，在目前快速的工业化过程中，大量农村劳动力迁移进入城市部门，这将是影响粮食安全问题的重大因素。当一个农村劳动力转移出农业部门之后，他不仅不再生产粮食，而且还要农民生产粮食来养活他。从这个角度来看，农业劳动力转移对于粮食生产的影响比其他生产要素投入的减少对粮食安全问题的影响要更大。改革开放以后，农村劳动力迁移的数量大、增速快，其对于中国农业生产和粮食生产的影响非常值得引起研究者和决策者的高度关注。 二、文献综述与研究动机 农村劳动力转移对于中国的粮食生产以及粮食安全问题之所以重要，除了粮食本身的重要性以外，还有其他很多因素促使我们有必要对这一问题进行全面而深入的研究。 第一，中国是世界第一人口大国，新中国建立后60多年的工业化吸收了很多农村剩余劳动力，目前关于中国农村剩余劳动力是否已经消耗完毕还存在着争论。从2003～2004年开始，劳动力的工资表现出明显上涨的趋势，东南沿海城市也出现了招工难现象，这被媒体称为“民工荒”。对于这一现象，蔡昉（2007a，2007b）较早地提出这预示着中国已经开始出现劳动力短缺和“刘易斯拐点”的到来。类似地，Zhang et al.（2011）利用甘肃贫困地区调研数据的研究发现，2003年后该地区实际雇工的工资无论在农忙时还是在农闲时都已开始大幅上涨，据此推测全国性的劳动力短缺已经出现。但是，也有学者认为中国劳动力市场上的民工短缺、工资上涨等现象并不意味着“刘易斯拐点”的到来。例如Knight et al.（2010）认为民工工资上涨和农村劳动力剩余并存是阻碍劳动力流动的城乡劳动力市场的制度性分割导致的；陆铭（2011）也认为，刘易斯的二元经济模型假设不存在劳动力流动的制度性障碍，而近年来中国劳动力市场上的一些新变化不能简单地与“刘易斯拐点”对应。许庆等（2013）基于县级数据研究认为，中国并没有出现全局性的劳动力短缺。还有部分研究认为低技能劳动者的工资增长并不明显，因而并不符合“刘易斯拐点”的前提条件。Minami和Ma（2010）通过估计1990～1995年、1996～2000年和2001～2005年三个时间段的农业生产函数来计算劳动力的边际生产率，并将其与日本的历史数据进行比较，发现并没有证据表明中国已经出现了劳动力短缺。另外，姚洋和余淼杰（2009）指出，低技能劳动力真实工资的增长可能是由于农村收入增长和经济的周期性繁荣所致，与“刘易斯拐点”无关。 第二，现有研究关于农村劳动力迁移是否影响中国的粮食产出并没有取得一致的结论。例如，Avner和Ayal（2002）的研究表明，农村劳动力的转移会增加农业的资本投入并提高农村劳动生产率，从而利于增强中国的粮食安全；朱农（2005）则认为，转移农村剩余劳动力可促使资本、技术等生产要素进入农业领域，从而能够提高农业劳动生产率并有利于中国的粮食安全。但是，也有完全相反的观点或结论，例如Charlotte（2009）和Mancinelli et al.（2010）的研究认为，教育水平更高的劳动力更有可能迁入城市，这会造成农村人力资本的下降，进而影响粮食产出；吕新业（2003）则认为随着农村劳动力的转移，粮食生产者主要是妇女和老人，这一趋势的发展会使农业从业者的科技素质降低，从而会成为影响粮食安全的不稳定因素；秦立建等（2011）基于安徽省的调查数据研究发现，劳动力的转移减少了农户的农业生产投工量，降低了粮食生产的效率。 第三，从理论上讲，即使农村剩余劳动力已经被消耗完，劳动力继续转移也未必会导致影响粮食安全问题，这是因为农户可以采取两个策略来应对劳动力转移：一是在粮食生产中更多地用机械动力，或者更多地投入其他农业生产要素来弥补劳动力投入的降低；二是重新配置劳动力在粮食和非粮食生产中的投入，比如减少林、牧、渔业或对经济作物的劳动力投入，从而降低劳动力迁移对于粮食生产的影响。 第四，即使农村劳动力迁移影响到了粮食安全问题，还需要知道它影响的是主要粮食作物还是次要粮食作物，一个理论上的可能性是：劳动力迁移可能会更多地影响次要粮食作物的生产，这是因为耕地的用途大多时候不能在主要和次要粮食作物之间任意改变①，而且，主粮对于农户的生存和生活而言更重要，所以他们会先放弃或减少次要粮食作物的一耕种。因此即使农村劳动力转移使得劳动力短缺达到一定的程度，也未必会严重影响中国的粮食安全问题。更重要的是，劳动力迁移对于主要粮食作物以及次要粮食作物的影响是否有所不同，这对根据劳动力的主要流出地及流出的数量预测未来的粮食产量以及制定相应的政策十分重要的。 第五，由于中国不同地区之间的农业生产条件和农业生产禀赋差异很大，粮食生产在地区之间分布很不均匀，粮食主产区所生产的粮食产量在全国粮食总产量中占绝大部分②，因而主产区的粮食生产总量问题对于中国的粮食安全将起到决定性作用。因此，我们在研究中还需要区分劳动力迁移对于主产区和非主产区粮食生产的影响是否有所不同。 第六，仅仅用宏观数据或者仅仅用微观数据展开研究都不足以完整而清楚地回答本文提出的问题。家庭成员外出打工可能会降低该农户的粮食总产量、粮食播种面积，或者有部分农户举家外出，这必然会降低这部分农户的粮食总产量；但是，如果他们将自己耕地转租给其他农户耕种，从而留守的农户更多地经营耕地并投入更多的其他农业生产要素，则并不会降低该地区的粮食总产量。因此，为了全面深入地研究劳动力迁移对粮食生产的影响，区域汇总数据和农户数据缺一不可。 基于上述分析，本文将分别使用县（市）级汇总数据和农户面板数据全面检验劳动力迁移对于主产区和非主产区的粮食总产量、主要粮食作物和次要粮食作物以及粮食生产要素配置的影响。 三、检验方法与数据来源 为了直接检验农村劳动力迁移是否影响到粮食生产，建立如下的生产函数：
其中，Y表示粮食总产量，L表示劳动力存量，M表示移民的数量，T表示农业生产的机械动力，D表示耕地面积，C表示化肥和种子等要素的投入，H表示人力资本投入。 然后，将式（1）转化为如下回归方程：
但是式（2）将面临着如下三个问题： 首先，我们无法得到关于M的统计数据；其次，L作为劳动力存量，不能直接进入生产函数，这是因为如果存在剩余劳动力，它并不能被视为投入的要素，因此在考察劳动力迁移是否影响到粮食总产量时，还必须考虑农村的剩余劳动力是否消耗完（换言之，还需要考虑中国经济的“刘易斯拐点”是否到来）；第三，可以用从业者数量来替代式（2）中的L，但是从业者数量并不等于粮食生产的劳动力要素投入，这是因为兼业在农村普遍存在。基于上述考虑，我们采用如下回归方程：
其中，
表示农、林、牧、渔业的从业者占农村劳动力存量的比重，采用式（3）的优点在于： 首先，它将劳动力存量和从业者数量同时纳入到一个模型中，此时，
表示存量劳动力中投入到第一产业的比例，如果其他部门（例如城市部门、农村地区的非农业生产、乡镇企业等）竞争到的农村劳动力越多，这一比例就越低。如果它在式（3）中显著为正，则说明额外再增加一定比例的劳动力到第一产业中就会增加其总产量，而如果再转移出一定比例的劳动力到其他部门就会降低其总产量，所以此时该部门的生产开始面临着劳动力短缺；而如果它在式（3）中显著为负，或者不显著，则表明尚未面临劳动力短缺，此时的劳动力迁移并不会影响粮食安全。 其次，在从业者数量不能准确反映劳动投入时间，以及广泛存在兼业的情况下，上述方法依然具有一定的适应性，比如可以建立如下回归方程：
其中，0＜χ≤1，它用来度量从业者数量与劳动力投入时间的差异程度以及兼业的普遍程度。如果可以假设不同地区从业者与劳动力投入时间的差异程度大致相同，以及不同地区的兼业程度大致相同，那么将模型（3）转换成模型（4）之后，并不会影响α的符号和显著性，因而并不影响我们对于劳动力迁移是否影响粮食安全的检验。 本文的实证检验使用的第一个数据来自于国家统计局《中国县（市）社会经济统计年鉴》，该统计数据的优点在于它包含了2000多个县和县级市的重要经济指标，这些县（市）覆盖了所有农村地区，因而具有全国代表性。而且，县市的大样本相对于省级样本而言，能更详细地考虑不同地区之间的差异。本文使用2000、2005和2010年的统计数据，这是因为可以将这3年的统计数据与从历次人口普查中得到的人均教育年限指标配合起来进行实证检验。另外，该统计年鉴中没有报告粮食播种面积和化肥施用量，为了解决这一问题，利用国家统计局《中国县（市）社会经济统计概要——2000》中提供的1999年各县（市）的粮食播种面积和化肥施用量作为2000、2005和2010年各县（市）该指标的代理变量③。 本文使用的第二个数据为国家统计局农调队收集的中部地区某粮食主产省份2000～2004年的3000个农户面板数据。相对于其他数据而言，农调队的数据采用农户每日记账的方式记录，保障了数据的质量。另外，该省属于粮食主产区，这个数据可以帮助检验农户从事非农产业活动或者迁移外出对于主要粮食作物（水稻）以及非主要粮食作物（小麦）的影响是否有所不同。 四、实证检验 （一）基于县（市）数据的检验 基于上面介绍的检验方法，得到了劳动力迁移对生产区粮食总产量影响的回归结果。从回归结果可以看出：首先，“第一产业从业人员比例”变量的回归系数在2000年都不显著，但是在2005年和2010年却都显著为正，这说明只有到了2005年，第一产业从业人员的比重下降才会显著降低粮食主产区和非主产区的粮食总产量。上述结论表明，无论是主产区还是非主产区，劳动力迁移等因素只有到了2005年左右才开始影响粮食总产量。 同时，我们还用“第一产业从业人员比例”与“粮食主产区”做交互项，然后利用全部数据进行回归，结果发现，交互项在2005年数据的回归中不显著，但是在2010年数据的回归中显著为负，这说明2005年，劳动迁移等因素对粮食总产量的影响在主产区和非主产区之间的影响没有显著差异；而到了2010年，主产区的劳动力迁移影响则小于非主产区。 上述结果说明：从2005年起，农村的粮食生产逐渐受到了劳动力转移等因素的影响，这一情况在粮食主产区和非主产区都存在，但总体而言，其在粮食主产区的影响相对于在非主产区的影响更低。 下面进一步利用县（市）数据研究劳动力迁移等因素对于粮食总产量的影响机制，以及这些因素在主产区和非主产区的影响为什么不同。下面来考察农村劳动力迁移与机械动力使用之间的关系，从2000、2005和2010年3个年份的回归结果，可以看出：首先，第一产业从业人员占比都显著为负，即劳动力投入越多，机械动力的投入就越少，而第一产业从业人员占比随着时间的推移是呈下降趋势的，这说明粮食生产中始终存在着以机器替代人的趋势；其次，第一产业从业比的回归系数的绝对值随着时间的推移而明显下降，这说明机械动力对劳动力投入减少的替代弹性逐步降低，其原因之一在于新推出的大型机械动力的生产效率更高。 下面将上述数据分成主产区和非主产区两个子样本，研究劳动力迁移等因素是否对两个地区的机械替代人产生不同的影响。回归结果显示：首先，“第一产业从业比”在所有的模型中都显著为负，结果与前面保持一致；其次，它的回归系数的绝对值在主产区的回归中都更大，这说明劳动力迁移等因素导致的机械替代人在粮食主产区表现得更为明显。换言之，第一产业从业比下降，它在主产区带动的机械动力投入的增加要明显高于在非主产区。 另外，当劳动力投入因为迁移而减少时，农户可以调整其他要素的投入数量，一方面，他们可以相应地减少所有的粮食生产要素投入，这样无疑会导致粮食总产量的降低；另一方面，他们也可以通过增加其他粮食生产要素来抵消劳动力投入的减少，从而不会（显著）降低粮食总产量。但是，采取哪种策略要取决于粮食生产对于农户的重要程度。如果认为粮食生产重要，则可能会采取后一种策略；否则可能采取前一种策略。 本文还对劳动力迁移与平均每亩粮食播种面积上所施用化肥量进行了回归分析，可以看出：如果不分主产区和非主产区，“第一产业从业比”不显著，但是若区分产区，则出现非常有趣的结果：劳动力迁移导致从业人员占比减少，则会导致主产区的平均施肥量显著增加，但是却会导致非主产区的平均施肥量显著降低。上述对比说明主产区和非主产区的农户应对劳动力转移等因素导致的劳动力投入减少的策略完全相反。在非主产区，粮食对当地农户而言可能更多的是作为口粮，而劳动力迁移出去后就不需要那么多的口粮，因此会相应地减少其他粮食生产要素的投入；但对于主产区的农户而言，粮食生产可能决定了他们的很大部分收入，因此，当劳动力投入减少时，他们会通过增加其他生产要素来抵消劳动力投入减少导致的粮食总产量下降。这一点再次支持了前面关于为什么劳动力转移对于主产区粮食总产量的负面影响更小这一结论。 （二）基于农户数据的检验 下面继续利用位于中部粮食主产区的某省2000～2004年农户调查数据研究劳动力迁移对于粮食生产的影响。采用如下回归方程：
其中，
表示家庭成员从事农业生产的时间占全部劳动时间的比重，Y则是农户的水稻总产量或小麦总产量，其他符号的含义同前。 首先看劳动力迁移导致农户在农业生产中投入的劳动时间减少是否会显著影响水稻和小麦总产量。 从以水稻和小麦总产量为被解释变量的固定效应模型回归结果中可以看出：外出劳动时间占比在水稻和小麦生产函数中大多时候不显著，而且在2003～2004年时间段的回归中都不显著为负，这一结果说明：即便到了2004年，劳动力外出并没有显著地降低该中部省份农户的水稻和小麦总产量。 下面从多个角度考察农户生产行为的改变，以回答为什么该主产区省份的劳动力迁移没有导致水稻和小麦的总产量显著下降。首先，从农户的农业生产性投资的决定因素回归方程中可以看出：外出劳动时间占比的回归系数在所有的方程中都为负，并且大部分都显著，这说明外出劳动时间越多的农户，对于生产性固定资产的投资越少。但是，这一结果并不能表明这些因素的变动会显著降低农户的粮食总产量，这是因为粮食总产量是否下降还要同时取决于其他因素的变动（见表1）。
从外出劳动对于农户小麦播种面积影响的回归议程中可以看出：外出劳动时间占比在所有方程中的回归系数都为负，并且在前3个方程中都显著，这表明外出劳动时间越多的农户耕种小麦面积越少（见表2）。但是，我们从水稻播种面积的回归方程却可以发现：外出劳动时间占比在所有的水稻播种面积决定议程中都不显著。这种对比说明：更多的外出劳动只会使得农户耕种的小麦面积有所减少，但是并没有显著减少他们耕种的水稻面积。由于小麦属于该省份的次要粮食作物，所以上述结果再一次表明劳动力迁移并没有显著影响到该省份的主要粮食作物的生产。 上述回归结果只是考察了外出劳动时间对于农户粮食生产行为的影响，对应地，我们还可以继续考察从未外出劳动的农户（即没有劳动力迁移的农户）的生产行为。此时，我们设置一个虚拟变量“未外出”，用来度量一个农户是否有成员外出劳动，1表示没有，0表示有。下面我们来考察未外出的农户在粮食播种面积、生产性投资等方面与有外出的农户是否有显著差异。
表3报告了小麦播种面积的决定方程，从中可以看出，“未外出”这个虚拟变量在所有方程中的回归系数都为正，并且在前两个方程中都在1%的显著性水平上显著，这说明没有劳动力迁移的农户会更多地播种小麦。但是，如果对农户的水稻播种面积进行回归，则“未外出”这个虚拟变量在所有方程中都不显著，这表明没有劳动力迁移农户的水稻播种面积没有显著更多。这些结果与表2回归结果结合在一起说明：劳动力迁移对于水稻的播种没有什么显著影响，但是有外出劳动的农户减少了小麦的播种，而没有外出劳动的农户增加了小麦的播种，这说明劳动力迁移会带来小麦种植在迁移和非迁移农户之间的转化，这背后也隐含着小麦种植耕地的流转——没有劳动力迁移的农户承租了有劳动力迁移农户的耕地。 通过对未外出劳动对于农户的生产性投资的影响因素分析可知：“未外出”变量在所有方程中的回归系数都为正，并且在大部分模型中都显著，这说明没有劳动力迁移的农户更多地进行了农业生产设备的投资，对比这一结果与前面的结果可以说明：未外出农户更多地从事粮食种植，因此更多地进行了农业生产性固定资产的投资。
前面的回归仅仅考察了劳动力迁移对于农户水稻和小麦生产行为的影响，但是它并不能揭示问题的全部，因为没有迁移的劳动力还有可能从事其他农业生产活动，比如种植蔬菜、水果，或者养殖活动等，因此我们对农户年末经营耕地面积的决定因素进行了回归分析，从结果可以看出：“未外出”在所有的方程中都在1%的显著性水平上显著；同时，如果我们控制“外出劳动时间占比”，则它在所有方程中都在1%的显著性水平上显著为负。表明：有劳动力迁移的农户确实明显减少了农业生产经营活动，但是没有劳动力迁移的农户却明显增加了农业生产经营活动。这些回归结果综合在一起，再次揭示了为什么粮食主产区的劳动力迁移对粮食生产和粮食安全问题并没有带来非常严重的影响。 五、结论与政策启示 基于中国的县（市）统计数据和中部地区某粮食主产省份的农户数据，本文全面研究了劳动力迁移对于粮食生产的影响，并且对比了该影响在粮食主产区和非主产区之间的差异，以及导致这种差异的原因，为我们理解农村劳动力迁移对粮食安全问题的影响以及制定应对粮食安全问题的政策提供了科学证据。 本文基于县市数据的研究发现：首先，农村劳动力迁移降低了粮食总产量的现象大约从2005年左右才开始出现；其次，劳动力迁移对于主产区粮食总产量的负面影响相对于非主产区而言更小。其原因在于：在其他因素保持一致的情况下，劳动力迁移等因素导致的机器替代人在主产区表现得更为明显。 本文基于中部地区某粮食主产省份的农户数据的研究发现：首先，截止到2004年，农村劳动力迁移并没有显著影响该省农户的水稻和小麦总产量；其次，劳动力迁移主要影响该省份的次要粮食作物——小麦的生产，但是对于主要粮食作物——水稻并没有显著影响；第三，有劳动力外出的农户更少耕种小麦、更少投资生产性资产，但是没有劳动力外出的农户则更多地耕种小麦、更多地投资于农业生产性资产。上述结果说明，没有劳动力迁移的农户更多地从事了粮食的生产，从而抵消了有劳动力迁移的农户减少对粮食生产投入的负面影响，因此，农村劳动力迁移并没有显著降低农户的粮食总产量，没有显著威胁到中国的粮食安全。 结合本文基于县（市）数据和农户数据的研究结果，可以得如下启示：首先，中国农村的劳动力转移并没有显著影响到中国的粮食安全问题，因此在一定时期内不必因为劳动力迁移而针对粮食安全问题而做大的政策调整；其次，主产区和非主产区的农户应对劳动力转移等因素导致的劳动力投入减少的策略完全相反：在非主产区，粮食生产对于农户而言可能更多的是提供口粮，部分劳动力迁移出去后不需要那么多的口粮，因此他们会相应地减少粮食生产要素的投入；在粮食主产区，粮食生产决定了他们的很大部分收入，因此当劳动力投入减少时，他们会通过增加其他生产要素来抵消劳动力投入减少导致的粮食总产量的下降。因此，为了稳定粮食总产量，或者为了防止出现粮食安全问题，政策干预可以对主产区和非主产区有所区别。对于主产区而言，可以通过对农业机械生产企业进行补贴以激励农户用机器替代人的积极性，特别地，要调动那些没有劳动力外出的农户的粮食生产积极性；而对于非主产区而言，政策干预可以考虑激励农户更多地从事经济作物的种植。 最后需要说明的是，本文使用的农户数据在时间跨度上还面临着不足，而且使用的县（市）数据没有后面两年的粮食播种面积和施肥量这两个重要指标。 ①例如中部地区或南方的水田大多只能种植水稻或冬小麦，而不能改种玉米。 ②财政部2003年12月下发的《关于改革和完善农业综合开发政策措施的意见》中确定河北、内蒙古、辽宁、吉林、黑龙江、江苏、河南、山东、湖北、湖南、江西、安徽、四川13个省（自治区）为我国粮食主产区，北京、天津、山西、上海、浙江、福建、广东、广西、海南、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆等18个省（市、自治区）为粮食非主产区。 ③在后文中，如果我们不控制这两个代理变量或者只控制其中一个代理变量，或者这两个代理变量都不控制，本文的结论并不会发生改变。
标签：粮食安全论文; 中国小麦主产区论文; 农民论文; 三农论文; 小麦论文; 水稻论文; 农村论文;
