EN中文

经济地理 >

2019 , Vol. 39 >Issue 6: 172 - 182

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.06.019

三农、土地与生态

农业劳动力价格上涨对农作物种植结构变化的省际差异性影响

  • 黄玛兰 ,
  • 李晓云 , ※
展开
  • 华中农业大学 经济管理学院，中国湖北 武汉 430070
※ 李晓云（1978—），女，福建邵武人，博士，教授，博士生导师。主要研究方向为农业耕作系统、农业经济理论与政策。E-mail：。

黄玛兰（1990—），女，湖南郴州人，博士研究生。主要研究方向为农业经济理论与政策。E-mail：。

收稿日期: 2018-10-08

  修回日期: 2019-05-17

  网络出版日期: 2025-04-24

基金资助

国家自然科学基金项目(71673102)

中央高校基本科研业务费项目(2662016PY060)

收起

The Impacts of Rural Labor Price Rising on Crop Structure among Provinces

  • HUANG Malan ,
  • LI Xiaoyun , ※
Expand
  • College of Economics and Management，Huazhong Agricultural University，Wuhan 430070，Hubei，China

Received date: 2018-10-08

  Revised date: 2019-05-17

  Online published: 2025-04-24

Fold

摘要

文章采用1981—2015年的省域面板数据，在分析主要农作物种植面积比例变动趋势的基础上，利用线性混合模型探究了农业劳动力转移及其价格上涨对农作物种植结构变化产生的影响。结果表明：①与1981年相比，2015年中国省域粮食作物、棉花种植比例整体呈下降趋势；蔬菜、油料种植比例整体呈增长趋势；大豆种植比例在大多数省份呈下降趋势，少数省份呈上升趋势；在粮食作物内部，小麦种植比例整体呈下降趋势，玉米则呈增长趋势，水稻种植比例在部分省份呈下降趋势。②农业劳动力转移及其价格上涨对农作物种植结构变化的影响存在显著的省际差异性。农业劳动力转移会促进大宗粮食作物种植比例的增加，同时也有利于促进经济发达地区及大型农产品集散区的经济作物（蔬菜）种植比例增加。农业劳动力价格上涨有利于促进经济作物种植比例的增加，尤其是蔬菜种植比例，但不利于传统粮棉作物种植比例的增加，尤其是棉花种植比例。③除此之外，工业化水平、农业机械化率、人均耕地面积、农业补贴、化肥、灾害率均对作物种植比例的形成及变动具有不同程度的影响。

关键词： 农业劳动力价格; 劳动力转移; 种植结构; 线性混合模型; 农作物种植面积; 粮食安全; 农业机械化

本文引用格式

黄玛兰 , 李晓云 . 农业劳动力价格上涨对农作物种植结构变化的省际差异性影响[J]. 经济地理, 2019 , 39(6) : 172 -182 . DOI: 10.15957/j.cnki.jjdl.2019.06.019

Abstract

This study attempts to map changes of the major crops planting proportion across China based on the provincial panel data from 1981 to 2015. Linear mixed model is employed to analyze the various driving factors, especially rural labor migration and rural labor price rising. The results show: 1) compared with the year of 1981, the planting proportions of grains and cotton decline significantly, but those of vegetables, oil-bearing crops generally increase, and soybean planting proportion in most provinces decline, within grain crops, wheat planting proportion generally decline but those of corn are increase, and in some provinces rice is decline. 2) Inter-provincial difference impacts of rural labor migration and rural labor price rising on crop structure have been seen across China. Rural labor migration increases the planting proportions of grains and cash crops, such as vegetables, grown in economically developed areas and large agricultural product distribution centers. Rising of rural labor price exert significant positive impacts on the planting proportion of cash crops, especially vegetables, whereas it has negative impacts on traditional crops, particularly cotton. 3) In addition, industrialization level, agricultural mechanization ratio, per capita cultivated area, agricultural subsidy, fertilizer and disaster ratio have varying degrees of impacts on crop planting structure.

Key words： rural labor price; rural labor migration; cropping structure; linear mixed model; crops planting area; food security; agriculture mechanization

农作物播种面积占比变动和时空动态信息是进行农业生产布局、制定农业政策和调整种植结构的科学依据[1]。优化农作物种植结构的空间布局对于实现农业可持续发展，保障食物安全，满足消费需求增长，增加农民收入等具有重要意义[2]。改革开放以来，中国主要农作物播种面积变化呈现出较大的时空差异性，众多文献研究了中国主要农作物种植面积的时空变化。纪龙、张聪颖、王嫚嫚、潘学鹏、潘伟、金涛、陈欢等分别研究了中国蔬菜、中国苹果、湖北水稻、华北平原冬小麦、新疆棉花、江苏粮食作物、中国玉米等作物种植面积的时空变化[3⇓⇓⇓⇓⇓-9]。这些研究主要从单种作物或单个省份/区域角度来说明中国种植业生产整体上向规模化、专业化方向发展。也有部分学者，如刘珍环、徐慧等研究了中国农作物种植结构空间格局变化特征[10-11]，但对农作物种植结构时空变化驱动因子的空间计量实证研究还较少。影响农作物种植结构形成和变化的因素错综复杂[12]，自然气候条件是制约作物空间分布格局变化的原动力，但随着社会经济和科技发展，历史传统、社会经济因素、政策导向和种植技术发展等因素的作用越发凸显[1]。
舒尔茨认为经济增长中人力资本的贡献大于物质资本的贡献，人力资本是农业经济增长的主要源泉[13]。在人口红利时期，劳动力需求不足掩盖了劳动力的异质性，劳动力被同质化。随着我国人口红利逐步减弱，劳动力异质性逐步凸显[14]，其对农业生产的影响也越发被关注和重视。大量研究从劳动力数量、人口结构变化、劳动力价格等方面研究其对农业生产的影响。农业劳动力转移和人口结构变化对农业生产的影响主要体现在农业产出和农业生产技术效率等方面。关于农业劳动力转移与粮食产量的研究成果丰硕，黄玛兰、程名望等概括了学者关于劳动力转移对粮食生产影响所持的3种不同观点，包括劳动力转移对粮食产量具有正向、负向以及统计上无显著影响[15-16]。但在我国老龄化、女性化、低文化的农业人口结构演变趋势下，男性和壮年女性的转移会提高农户退出农业生产的概率，增大农户家庭耕地流出率，甚至会降低农业产出增长率[17]。由农村老龄劳动力或者女性劳动力从事农业生产的农户在农业生产技术应用、生产经营方式、生产经营收入、生产结构方面，相比由农村非老龄劳动力或者男女劳动力共同从事农业生产的农户，均表现出明显的劣势[18-19]。但是，老龄化带来的影响因作物本身对劳动力体力与人力资本要求的不同而有差异。例如，胡雪枝等[20]认为，老龄化对农作物的影响随着作物集体决策与机械化程度由高到低的变化，呈现出由完全没有影响到部分有影响再到有显著影响的梯度变化。事实上，农业劳动力老龄化并非绝对的坏事。彭代彦、成德宁等通过分析中国农业劳动力结构变化对农业和粮食生产技术效率的影响发现，农业劳动力的老龄化和教育显著提高了农业和粮食生产的技术效率，但女性化显著降低了农业和粮食生产的技术效率[21-22]。目前较少研究关注劳动力价格上涨对作物播种面积的影响。易福金等研究表明随着每工日劳动力价格上涨，江苏省水稻播种面积增加而浙江省播种面积减少，表明农业劳动力价格上涨并不意味着粮食播种面积普遍下降[23]。而杨进等认为劳动力价格上涨降低了粮食种植比例，增加了经济作物种植比例[24]。综上所述，现有文献主要从农业劳动力转移（规模数量）和农业劳动力结构等方面分析农业劳动力资源对农业生产的影响，而较少研究劳动力价格上涨和非农析出对农作物种植结构变化的时空异质性影响。
现有文献关于农作物种植结构演变驱动因子的研究方法以经典线性回归模型为主导，驱动因子的空间异质性影响考虑较少。农作物种植结构演变驱动因子在空间尺度上的集聚（或者离散）趋势探索不足，从而无法反映驱动因子的空间非平稳性特征。农业劳动力资源包括劳动力数量、结构（性别、年龄、受教育水平等）、价格等方面，本研究仅从劳动力数量及其价格两个角度，以除海南、香港、澳门、台湾的中国30个省（市、自治区）为研究对象，在分析省域主要农作物种植面积比例时空变化趋势的基础上，利用线性混合模型探究农业劳动力变化对农作物种植结构演变的时空异质性影响。本文旨在剖析农业劳动力转移及其价格上涨对我国农作物种植结构变化的省际异质性效应，为更准确地判断农业劳动力未来发展趋势及其对农作物种植结构变化的影响，针对性地制定差异化的劳动力相关政策，优化农作物种植结构提供案例参考。

1 研究方法与数据来源

1.1 线性混合模型

线性混合模型（Linear Mixed Model，LMM）普遍应用于农业、生物学、经济学和社会科学等学科中[25]，它适用于拟合地区间观测数据的空间自相关性及同一地区时序数据的自相关性。线性混合模型包括固定效应和随机效应部分，通过随机效应部分引入空间和时间协方差[26]，对方差分量（包括方差及协方差矩阵）的估计是参数估计的重点。经典估计方法包括极大似然估计和受限极大似然估计，后者是对前者未考虑固定效应的估计所引起的自由度减少的修正估计[27]，本文选择受限极大似然估计。在严格遵循以数据为基础的模型选择时，逐步型方法是较流行的模型选择方法。本文选择另外一种模型选择方法——AIC（Akaike information criterion）准则法。AIC准则因避免了使用逐步型方法选择最优模型时需要设置一个合适显著性水平的要求而变得更具优势。其判定原则为AIC值越小，相对应的模型对数据的拟合效果越好。模型基本形式如下：
y i j = β 1 x 1 i j + β 2 x 2 i j …   β n x n i j + b i 1 z 1 i j + b i 2 z 2 i j … b i n z n i j + ε i j
b i k ~ N 0 , ψ k 2 , C o v b i k , b i k ' = ψ k k '
ε i j ~ N 0 , σ 2 λ i j j , C o v ε i j , ε i j ' = σ 2 λ i j j '
式中： y i j为因变量，是作物j播种面积占省份i的农作物总播种面积（或者粮食作物播种面积）比例； β 1~ β n为模型的固定效应参数； x 1 i j~ x n i j是作物j在省份i中的固定效应分量（通常第一项作为截距项/常数项保留， x 1 i j=1）。本文固定效应变量包括核心自变量农业劳动力价格和农业劳动力转移量，以及控制变量工业化水平、农业机械化率、人均耕地面积、农业补贴、化肥施用量、自然灾害率等8个因素。所有自变量的皮尔逊配对相关性检验结果显示变量间均仅具有弱相关性，可以选为农作物种植结构变化的驱动因子。 b i 1~ b i n是省份i的随机效应参数，假定其服从多元正态分布，随机效应随省份和年份的不同而变化； z 1 i j~ z n i j是随机效应因子，本文选择省份（地区）和年份（时间）为随机效应因子； ε i j为作物j在省份i的随机误差项，且假定其呈多元正态分布； ψ k 2和 ψ k k '分别为随机效应的方差和协方差，在实际应用中，其具体形式依据相对较少的基本参数进行参数化； σ 2 λ i j j '是第i组误差项 ε i j和 ε i j '间的协方差，通常， λ i j j '也是采用一些基本参数对其进行参数化，其具体形式视具体问题而定，例如当观测值是在组内独立采样，并假定具有恒定的误差方差时， λ i j j = 1， λ i j j ' = 0（且j≠j'时），常数项误差项方差 σ 2是唯一需要估计的参数。

1.2 数据来源与说明

本文选取我国1981—2015年的省际面板数据 ① ，数据来源于《全国农产品成本收益资料汇编》《新中国六十年统计资料汇编》、各省统计年鉴、《中国农村统计年鉴》《中国农业机械工业年鉴》。极少数缺失数据采用插值法补齐。变量描述性统计结果见表1。各变量定义如下：选取农村居民人均工资性收入表示农业劳动力价格，并依据农村居民消费价格指数以1981年不变价格折算。农村居民人均工资性收入是农村居民人均总收入扣除家庭经营性收入、财产性收入及转移性收入的剩余部分。该指标体现了农户家庭劳动力资源自用的机会成本以及劳动力雇佣的影子价格，反映了农业劳动力价格变化的大致方向与水平。选取人均耕地面积表示土地禀赋特征变量。选取工业增加值与第三产业增加值占GDP的比重表示工业化发展水平。该指标可以体现地区的非农就业机会差异，反映了地区间的经济发展差异。用农作物综合机械化率[28-29]反映农业资本投入，使用机耕、机播与机收水平分别按照0.4∶0.3∶0.3的比例进行加权平均，由农业部进行核算。农业补贴金额用财政支农资金表示，并依据农业生产资料价格指数按1981年不变价格折算。选取农业劳动力占总劳动力的比重表示农业劳动力转移，反映城乡“二元经济”结构特征。其中农业劳动力、总劳动力分别用第一产业从业人员、三次产业总从业人员表示。选取农用化肥施用量来表示农业生产物质投入水平。自然灾害率反映气候稳定性，由农作物受灾面积与成灾面积占农作物总播种面积的比例加权所得，二者的权重分别为0.1、0.3。
表1 变量描述性统计结果

Tab.1 Descriptive statistics of variables

变量名称 变量定义 最小值 最大值 均值 标准差
粮食播种面积占比（%） 粮食作物占总农作物播种面积之比 32.81 95.70 71.41 11.32
水稻播种面积占比（%） 水稻占粮食作物播种面积之比 0.02 91.32 29.18 29.51
小麦播种面积占比（%） 小麦占粮食作物播种面积之比 0.01 68.67 23.85 17.90
玉米播种面积占比（%） 玉米占粮食作物播种面积之比 0.05 74.83 21.92 18.26
蔬菜播种面积占比（%） 蔬菜占总农作物播种面积之比 0.80 37.66 8.91 7.27
棉花播种面积占比（%） 棉花占总农作物播种面积之比 0.00 42.42 3.65 5.92
油料播种面积占比（%） 油料占总农作物播种面积之比 0.28 34.60 8.22 5.09
大豆播种面积占比（%） 大豆占总农作物播种面积之比 0.04 36.36 4.56 5.35
农业劳动力价格（元） 农村居民人均工资性收入 12.48 2 491.13 276.32 348.52
工业化水平（%） （工业增加值+第三产业增加值）/GDP 25.97 96.26 73.41 11.99
农作物综合机械化率（%） 机耕水平 ×0.4+机播水平 ×0.3+机收水平 ×0.3 0.12 94.01 33.76 20.92
人均耕地面积（hm2） 耕地面积/总人口 0.01 0.42 0.11 0.08
劳动力转移量（%） 农业劳动力占总劳动力的比重 3.28 84.21 49.57 18.91
农业补贴金额（亿元） 财政支农总金额 0.28 168.48 16.55 25.76
化肥施用量（10^4 t） 实际化肥施用折纯量 0.20 716.09 128.77 118.52
自然灾害率（%） 受灾面积比重 ×0.1+成灾面积比重 ×0.3 0.05 26.71 7.24 4.36

注：①本文研究对象包括粮食作物、棉花、油料、大豆、蔬菜，以及粮食作物内部的3种主粮作物水稻、小麦、玉米。②作物结构又称作物构成、作物组合，指一个国家、地区或生产单位内各种作物种植面积的比例关系。它反映种植业内部的关系和各种作物的地位，体现种植业的类型和特征，是研究农业生产布局的重要内容。在学术研究中，一般学者习惯用某作物的播种面积占农作物总播种面积的比例表示，或者用某作物播种面积占耕地的比例表示。本文采用前者来反映农作物种植结构。

2 结果分析

2.1 中国主要农作物种植面积比例变化趋势

改革开放以来，中国各省（市、自治区）均处于快速的经济增长和城市化进程中，但是种植业生产及其结构变化却不尽相同。虽然全国层面形成了粮棉作物种植面积不断下降、经济作物种植面积不断增加的基本变化趋势，但是各地区的主要农作物播种面积变化趋势与全国总体情况并非一致，甚至存在很大差异。为了描述各地区主要农作物种植面积比例在1981、2015年的变动情况，同时为了降低数据的波动，本文分别取1981—1983年3年的平均值代表1981年，取2013—2015年3年的平均值代表2015年，来分析中国省域主要农作物种植面积比例的时空变化特征。具体计算公式为：某作物种植比例变化率=（2015年该作物播种面积占比-1981年该作物播种面积占比）/1981年该作物播种面积占比。当比率值大于0时，说明与1981年相比，某作物种植比例有所增长；反之，则表示其比例有所下降。
总体而言，与1981年相比，2015年我国省域粮食作物、棉花播种面积占比整体处于下降趋势；蔬菜、油料播种面积占比整体处于增长趋势；大豆种植比例在大部分省份呈下降趋势，少部分省份呈上升趋势。在粮食作物内部，与1981年相比，2015年小麦播种面积占比整体处于下降趋势；玉米播种面积占比则呈增长趋势；水稻播种面积占比在大部分非主产省呈增长趋势，少部分省呈下降趋势（图1）。具体而言，与1981年相比，2015年我国除了黑龙江、吉林和山西3个省粮食作物种植面积占比有所增长外，其他省均处于下降趋势，尤其是东南沿海、西北及西南地区的粮食作物播种面积占比下降趋势最为显著。其中，福建、广东、广西、新疆、青海5省的下降幅度均超过了30%，分别达38.95%、33.14%、38.39%、39.23%、37.79%。与1981年相比，2015年我国棉花播种面积占比仅新疆、甘肃及天津3省呈现出增长趋势，分别增长了2.78、3.46、1.97倍，其他省份均处于缩减趋势。与1981年相比，2015年长江流域大多数省油料作物种植面积比例均呈现增长趋势，湖北和湖南2省的种植面积占比增幅最大，分别达2.03、1.86倍；相反，东北和华北平原油料作物则处于下降趋势，其中黑龙江、天津、北京3省分别下降了75.56%、94.60%、64.08%。与1981年相比，2015年全国除了黑龙江、吉林2省蔬菜种植面积比例略有下降外，其他省份均呈现出增长趋势，西北地区（以甘肃、青海为例）、华东地区（以浙江、江苏为例）、华南地区（以广西为例）分别增长了8.25、8.25、8.95、8.74、9.49倍。与1981年相比，2015年全国大豆主产区的种植面积比例均处于下降趋势，其中降幅最大的5个省是西藏、山东、辽宁、吉林及河南，下降比例分别达86.55%、77.75%、77.67%、74.48%、72.28%。
图1 中国主要农作物种植面积比例变化率

Fig.1 Changes ratio of the main crop planting proportion in China

与1981年相比，2015年水稻种植面积比例增长区域主要集中在东北地区，其中黑龙江、内蒙古、吉林分别增长了7.29、2.30、1.05倍；南方双季稻稻作区除湖北、湖南外，其他省份均处于下降趋势。与1981年相比，2015年除贵州外，全国其他省份玉米播种面积比例均处于增长趋势，其中福建、宁夏、广东分别增长了61.31、10.56、7.66倍。与此相反，除了华北平原6省市小麦种植面积比例处于增长趋势外，全国其他省份小麦播种面积比例均处于下降趋势，下降最为明显的是东北3省和南方5省区（湖南、江西、福建、广东、广西），分别平均下降了92.24%、90.22%。

2.2 劳动力因素对作物种植结构变化影响的实证分析

各类农作物播种面积占比是形成区域作物种植结构空间形态的物理形式，本研究以劳动力要素为切入点，分析农业劳动力转移及其价格上涨对农作物种植结构变化的省际异质性影响。影响各类农作物种植结构变化的因素其回归系数显著性检验结果见表2。从地区和时间随机效应系数来看，粮食作物、蔬菜以及粮食作物内部的玉米作物存在显著时空异质性，表明这3种作物种植比例在省份间的不同年份里存在时序变化，且在同一时间截面上存在省际差异性；但棉花、大豆、油料作物以及粮食作物内部的水稻、小麦作物种植比例仅存在空间异质性，表明这5种作物的种植比例存在省际差异性。另外，核心自变量农业劳动力转移和农业劳动力价格分别与省份交互项的回归结果显示，农业劳动力转移及其价格对作物种植结构变化的影响在省域尺度上存在集聚（或者离散）趋势，呈现出显著的空间非平稳性特征。
表2 作物选定模型的回归系数显著性检验结果

Tab.2 The result of parameters’significance test of selected model

自变量 P值
粮食 棉花 水稻 小麦 蔬菜 玉米 大豆 油料
地区变量 <0.001 <0.001 <0.001 < 0.001 <0.001 <0.001 <0.001 <0.001
时间变量 <0.001 - - 0.230 <0.001 <0.001 - -
农业劳动力价格 0.006 - - <0.001 0.585 <0.001 <0.001 -
农业劳动力数量 0.001 0.007 <0.001 <0.001 0.358 - - -
农业政策补贴 <0.001 - 0.008 0.037 <0.001 - <0.001 0.006
农业机械化率 <0.001 <0.001 <0.001 <0.001 0.007 <0.001 0.003 -
人均耕地面积 <0.001 - <0.001 <0.001 <0.001 <0.001 - <0.001
自然灾害率 - - - 0.005 <0.001 0.020 - 0.042
化肥施用量 <0.001 - - - 0.049 - - -
工业化水平 0.033 0.181 - 0.016 - 0.004 0.001 -
省份×农业劳动力价格 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001
省份×农业劳动力数量 <0.001 - <0.001 <0.001 <0.001 <0.001 <0.001 <0.001

注：lmer（）函数运行结果中无P值显示，采用ANOVA（）函数获取方程式的P值显著性水平。其自由度计算方法采用DDF=“Kenword-Roger”。相比与Satterthwaite方法计算的自由度，Kenword-Roger方法可不同程度地校正固定效应误差估计的偏差。

2.2.1 农业劳动力转移的省际差异效应

农业劳动力转移对整体蔬菜、油料作物种植面积占比具有正向影响，对江苏和华北平原等大豆主产区的大豆种植面积占比具有正向影响，但是对所有生产棉花的省份的棉花种植比例具有显著负向影响（图2）。这可能是由于，棉花作物不易于农业机械化作业，纯属劳动力密集型作物，费工耗时，需要更多的劳动力投入才能获取更多农业产出。随着大量劳动力转移至城市，我国农业劳动力数量由1990年的38 914万人减少至2015年的21 919万人，加剧了农业劳动力短缺，使农户选择种植具有较高经济收益的作物获取更多家庭收入的决策行为变得容易理解。农业劳动力转移对新疆、西南地区、东南丘陵地区的粮食作物种植面积占比具有显著负向影响，但是对江苏、吉林等省份的粮食种植面积占比具有正向影响。具体而言，对东北地区的小麦和水稻种植面积占比具有正向影响，对东北以及西南主产区的玉米播种面积占比具有显著正向影响，对东南丘陵地区（湖南、广东、浙江）的玉米生产具有负向影响。
图2 农业劳动力占比对作物种植结构变化的影响

Fig.2 The impacts of the agriculture labor proportion on cropping area

逻辑上来说，当农业劳动力转移之后，由于农业劳动量约束，农户会倾向于种植劳动力投入少、机械化替代程度较高的大田粮食作物。但是，农业劳动力转移对农作物生产的影响要面临机械替代劳动力的难易程度和种植结构调整空间等约束条件的制约[30]。具体而言，在不适宜机械作业的丘陵山区，劳动力转移对粮食生产的促进作用会被削弱。例如，西南地区和东南地区的地形地貌以山地及丘陵为主，不适宜农业机械化作业；而江苏、吉林却因为区域农业自然条件相对较好，人均耕地丰富，且耕地多低坡地，适宜大规模机械作业，有利于缓解劳动力与资本在粮食生产上的流失，因此劳动力转移对粮食播种面积下降的负向影响不明显[31]。东北地区的水稻和小麦作物在农业劳动力转移的背景下，出现其对播种面积占比产生正向影响的原因同样是由于东北平原的地形地貌有利于大型农业机械对农业劳动力的替代。而东南丘陵地区不适宜农业机械化作业，导致不利于玉米种植面积的增加。此外，在经济发达地区及发达的农产品集散地或农产品深加工中心，农作物种植结构调整空间较大，农作物结构调整变得相对容易，更具备生产高附加值的蔬菜水果及水产养殖的条件。例如，实证回归结果显示，在江苏、浙江、广东、陕西、甘肃等蔬菜生产大省，农业劳动力转移有利于促进具有高投入高产出特征的蔬菜作物播种面积占比的增加。

2.2.2 农业劳动力价格上涨的省际差异效应

劳动力价格对作物种植结构的影响在空间尺度和作物种类之间均存在显著差异（图3）。农业劳动力价格上涨对蔬菜、大豆、油料、玉米作物播种面积占比具有显著正向影响，但是对粮食作物、棉花的播种面积占比均具有显著负向影响。总体而言，随着农业劳动力价格不断上涨，各地区增加了经济作物播种面积比例，尤其是蔬菜种植比例。但减少了传统粮棉作物播种面积比例，尤其是棉花种植比例。这可能是由于种植业生产成本不断增加，导致农户更倾向于种植效益高的经济作物实现种植收益最大化的目标。
图3 农业劳动力价格对作物种植结构的影响

Fig.3 The impacts of rural labor price on cropping area

2.2.3 其他影响因素对农作物种植结构变化的影响

农作物种植结构空间布局变化受诸多因素影响，除了农业劳动力变迁对作物种植结构存在空间异质性影响外，LMM模型回归表明（表3），工业化水平提升显著增加了大豆的种植比例，降低了粮食作物种植比例。农业补贴显著增加了粮食作物的播种面积占比，降低了蔬菜、大豆、油料作物的播种面积占比。人均耕地面积对粮食作物、油料作物播种面积占比具有正向影响，对蔬菜播种面积占比具有负向影响。在粮食作物内部，人均耕地面积规模的扩大有利于促进水稻、小麦种植比例的增加，不利于玉米种植比例的增加。农业机械化水平提升更有利于易机械化种植作物的播种面积占比增加，不利于难以机械化种植作物的播种面积占比增加。事实上，大田粮食作物比经济作物更易于采用农业机械技术，从回归系数看，农业机械化水平提升增加了粮食作物、大豆的播种面积占比，减少了棉花、蔬菜的种植比例。而在粮食作物内部，农作物综合机械化率提升有利于促进水稻、小麦种植比例的增加，不利于玉米种植比例的增加。化肥施用量增加提高了粮食作物和蔬菜的播种面积占比。自然灾害率对蔬菜和油料作物种植比例具有正向影响，但是对粮食作物内部的小麦和玉米种植比例具有负向影响。
表3 其他因素对各作物种植结构的影响

Tab.3 The impacts of the control variables on each crops’planting structure

工业化水平 农业机械化率 人均耕地面积 农业政策补贴 化肥施用量 自然灾害率
粮食作物 -0.07** 0.13*** 1.22*** 0.10*** 0.22*** -
（0.03） （0.02） （0.12） （0.02） （0.06）
棉花 - -0.19*** - - - -
（0.05）
蔬菜 - -0.05*** -1.37*** -0.10*** 0.09** 0.02***
（0.02） （0.08） （0.02） （0.05） （0.01）
大豆 0.14*** 0.10*** - -0.16*** - -
（0.04） （0.03） （0.03）
油料 - - 0.06*** -0.09*** - 0.02**
（0.02） （0.03） （0.01）
水稻 - 0.07*** 0.73*** -0.04*** - -
（0.02） （0.05） （0.02）
小麦 -0.13** 0.46*** 0.82*** 0.07** - -0.03***
（0.06） （0.04） （0.08） （0.03） （0.01）
玉米 0.13*** -0.15*** -0.81*** - - -0.02***
（0.04） （0.03） （0.09） （0.01）

注：1.最优模型运行完后进行方差齐性检验以及模型残差值的正态分布检验。经过函数plot（）、qqnorm（）检验的6个作物的模型均表现良好，满足同方差和残差值的正态分布假设。因文章篇幅限制，最优运行模型的plot残差图和正态Q-Q图均未列出，如读者感兴趣可向作者索取。2.R中有很多包可以分析线性混合模型，其中最常用的是lme4包的lmer（）函数和nlme包的lme（）函数 ①

。实践证明lme4从1990年代发展至今技术已经比较成熟，为混合效应模型提供了可靠、易于解释的输出 ② 。相比nlme包，lme4包更具有计算和统计上的优势 ③ ④ ，因此本文选择运用lme4包的lmer（）函数。

3 讨论

3.1 农作物雇工价格与作物种植结构变化

农业劳动力要素主要从农业生产方式、作物种植结构空间布局以及田间管理等方面对种植业生产产生影响。譬如，农业劳动力非农析出将导致投入到农业生产中的劳动力总量不断减少，农业劳动力价格上涨通过影响劳动力转移数量及增加其他劳动力替代要素的投入，导致农业生产土地投入和各类作物种植比例发生变化，进而作物生产空间布局不断发生变化。不同农作物的生产方式存在较大差异，对劳动力投入要素的需求不同，导致不同农作物的雇工费用也存在较大差异。通过对各农作物雇工工资水平与种植比例变化的比较发现（图4），各农作物的雇工费用在不断上涨，粮食作物、棉花、水稻、小麦、玉米、大豆、油料和蔬菜这8种作物的劳动力雇工工资从1998年的20元左右上涨到2016年的110元左右。2016年各作物的雇工费用分别达114.31、104.30、127.12、93.69、112.62、112.62、88.21、103.70元。其中，粮食作物和水稻的雇工费用较高，油料和蔬菜的雇工费用较低。这主要是因为粮食作物属于劳动时间和劳动强度都较为集中的作物，而油料和蔬菜则属于劳动周期较长，劳动平均较轻的作物[24]。在农业劳动力价格普遍上涨的情况下，我国主要农作物的种植结构发生了较大变化。1981—2016年，主要增加了蔬菜、油料、玉米等作物的种植比例，减少了粮食作物、棉花，以及粮食作物内部的水稻、小麦等作物的种植比例。这表明，整体而言，农作物雇工费用上涨与传统粮棉作物的种植比例变化呈现相反的趋势，但是与经济作物种植比例的变化呈现相同的趋势。因此，可以进一步认为农业劳动力价格上涨会抑制粮食作物的种植比例，促进经济作物的种植比例。
图4 我国主要农作物种植比例及雇工工资水平

Fig.4 The proportion of main crops’area and the agricultural wage of employee

3.2 农作物用工量与作物种植结构变化

随着劳动力不断析出，增加劳动替代型生产要素投入成为农户普遍且理性的选择。但是，由于各农作物机械化种植难易程度及用工需求量不同，导致不同作物的农业机械对农业劳动的替代率存在较大差异。杜学振认为，综合机械化率每提高1%，单位面积的小麦、水稻、玉米、大豆和棉花用工量分别减少3.12%、3.18%、2.58%、3.91%和2.42%，总计可置换出约3%的单位面积农业用工[32]。图5展示了我国主要农作物的亩均用工量及综合机械化率。随着农业生产技术和机械技术不断进步，我国主要农作物的亩均用工量均不断下降，相反各自的综合机械化率均不断上升。其中，蔬菜、棉花、水稻、油料作物的亩均用工量排前四位，其亩均用工量分别由1978年（蔬菜为1998年）的50.44、60.5、38.1、33.1日下降为2016年的32.88、5.31、5.81、7.82日。农作物综合机械化率排前三位的分别为小麦、玉米、水稻，其各自的综合机械化率分别由2008年的86.54%、51.78%、51.15%上升到2016年的94.05%、85.29%、79.20%。通过对比各农作物的亩均用工量和综合机械化率发现，蔬菜、棉花、油料作物的亩均用工量多于整体粮食作物以及粮食作物内部的小麦、玉米作物的用工量，但其整体综合机械化率低于粮食的综合机械化率。在粮食作物内部，水稻、小麦、玉米的亩均用工量与综合机械化率的变化趋势呈现出高度负相关关联。小麦亩均用工量最低而综合机械化率最高，水稻恰好与之相反，玉米的亩均用工量及综合机械化率均处于适中水平。在耕地资源日趋减少背景下，经济作物凭借其高于传统粮棉作物的种植效益在种植结构调整中保持种植面积优势，而粮食作物则凭借其相对于经济作物易于机械化种植、规模化经营在保障粮食产出方面与其相抗衡。
图5 我国主要农作物亩均用工量及综合机械化率

Fig.5 Average labor input per mu and agricultural mechanization ratio of China’s main crop

4 研究结论与不足

农业劳动力转移及其价格上涨对农作物种植结构变化的影响存在显著的省际差异性。农业劳动力转移对新疆、西南地区、东南丘陵地区的粮食作物种植面积占比具有显著负向影响，但是对江苏、吉林等省份的粮食种植面积具有正向影响。具体而言，对东北地区的小麦和水稻种植面积占比具有正向影响，对东北以及西南主产区的玉米播种面积占比具有显著正向影响，对东南丘陵地区（湖南、广东、浙江）的玉米生产具有负向影响。农业劳动力转移对整体蔬菜、油料作物种植面积占比具有正向影响。对江苏和华北平原等大豆主产区的大豆种植面积具有正向影响。但是对所有棉花生产省份的棉花播种面积占比具有显著负向影响。农业劳动力转移对农作物种植结构的影响面临农业机械替代劳动力的难易程度和种植结构调整空间等约束条件的制约是解释劳动力转移对作物种植结构产生差异性影响的重要依据。农业劳动力价格上涨对蔬菜、大豆、油料、玉米作物播种面积占比具有显著正向影响，但是对粮食、棉花播种面积占比具有显著负向影响。面对劳动力成本上升，生产者用高投入高产出的产品替代低投入低产出的产品，用出售高附加值产品所获得的相对较高的价格和收入来平衡生产成本的上升，是一种相对理性的生产行为。
除此之外，工业化水平、农业机械化率、人均耕地面积、农业补贴、化肥、灾害率均对作物种植结构的形成及变动具有不同程度的影响。工业化水平提升显著增加了经济作物种植比例，相反却降低了粮食作物的种植比例。与之相反，农业补贴显著增加了粮食作物的播种面积占比，降低了经济作物的播种面积占比。人均耕地面积对粮食作物种植比例具有正向影响，对经济作物种植比例具有负向影响。农业机械化水平提升更有利于易机械化作业的大田粮食作物的播种面积占比增加，而不利于难以实施机械化作业的棉花、蔬菜播种面积占比增加。化肥施用量增加提高了粮食和蔬菜的种植比例。自然灾害率对蔬菜和油料作物种植比例具有正向影响，但是对粮食作物内部的小麦和玉米种植比例具有负向影响。
本研究试图从空间计量经济学及农业经济学的交叉学科角度研究中国主要农作物种植结构的时空变化趋势及其驱动因子作用水平。旨在从地理角度直观描绘中国农作物种植结构的时空变化特征，并在此基础上从农业劳动力转移及其价格上涨的空间异质性角度分析潜在驱动因子对作物种植结构变化的影响。但是在实证分析技术上，为了获取更优的作物模型来拟合更真实的作物种植结构驱动因子及其作用机理，未来进一步的研究考虑从下面三个方向改进和完善：①在模型测试过程中应同时利用精准的地理坐标和时间变量来确认空间距离和时间的影响。②为了获取更优且更合适的模型拟合效果，对于某些作物模型可以尝试多种因变量转换形式，并从中选择最优的转换形式。例如，在水稻模型中尝试添加二项式项作为水稻模型的响应变量进行模型拟合。③同理于第②点，对于自变量形式也是如此，应探索更多的参数转换形式，例如尝试二次方程形式的变量参数转换。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
唐荣莉, 姚雄, 王春萍, 等. 基于空间统计的重庆市水稻生产地理集聚时空演变[J]. 中国生态农业学报, 2018, 26(7):958-970.

[2]
李炎子.我国种植业空间布局演变(1978— 2009)[D]. 北京: 中国农业大学,2014.

[3]
纪龙, 吴文劼. 我国蔬菜生产地理集聚的时空特征及影响因素[J]. 经济地理, 2015, 35(9):141-148.

[4]
张聪颖, 畅倩, 霍学喜. 中国苹果生产布局变迁分析——基于GIS技术与重心理论的应用[J]. 经济地理, 2018, 38(8):1-17.

[5]
王嫚嫚, 刘颖, 高奇正, 等. 湖北省水稻种植模式结构和比较优势时空变化[J]. 经济地理, 2017, 37(8):137-144.

[6]
潘学鹏, 李改欣, 刘峰贵, 等. 华北平原冬小麦面积遥感提取及时空变化研究[J]. 中国生态农业学报, 2015, 23(4):497-505.

[7]
潘伟, 杨德刚, 杨莉, 等. 新疆棉花种植面积的时空变化及适度规模研究[J]. 中国生态农业学报, 2011, 19(2):415-420.

[8]
金涛, 陆建飞. 江苏粮食生产地域分化的耕地因素分解[J]. 经济地理, 2011, 31(11):1886-1 890.

[9]
陈欢, 王全忠, 周宏. 中国玉米生产布局的变迁分析[J]. 经济地理, 2015, 35(8):165-171.

[10]
刘珍环, 杨鹏, 吴文斌, 等. 近30年中国农作物种植结构时空变化分析[J]. 地理学报, 2016, 71(5):840-851.

DOI

[11]
徐慧, 汪权方, 李家永, 等. 1980年以来中国大宗作物空间格局变化分析[J]. 长江流域资源与环境, 2017, 26(1):55-66.

[12]
雷金银, 吴霞, 王长军, 等. 1980—2015年宁夏农作物种植结构时空变化特征分析[J]. 干旱区资源与环境, 2017(12):172-178.

[13]
西奥多·W·舒尔茨. 改造传统农业[M]. 梁小民,译. 北京: 商务印书馆, 2013.

[14]
焦斌龙, 孙晓芳. 劳动力异质性及其流动——兼论我国劳动力从自发流动向自主流动转变[J]. 当代经济研究, 2013(9):61-66.

[15]
黄玛兰, 李晓云, 游良志. 农业机械与农业劳动力投入对粮食产出的影响及其替代弹性[J]. 华中农业大学学报:社会科学版, 2018(2):37-45.

[16]
程名望, 张帅, 潘烜. 农村劳动力转移影响粮食产量了吗?——基于中国主产区面板数据的实证分析[J]. 经济与管理研究, 2013(10):79-85.

[17]
盖庆恩, 朱喜, 史清华. 劳动力转移对中国农业生产的影响[J]. 经济学(季刊), 2014(3): 1 147-1 170.

[18]
李旻, 赵连阁. 农业劳动力“老龄化”现象及其对农业生产的影响——基于辽宁省的实证分析[J]. 农业经济问题, 2009(10):12-18.

[19]
李旻, 赵连阁. 农业劳动力“女性化”现象及其对农业生产的影响——基于辽宁省的实证分析[J]. 中国农村经济, 2009(5):61-69.

[20]
胡雪枝, 钟甫宁. 人口老龄化对种植业生产的影响——基于小麦和棉花作物分析[J]. 农业经济问题, 2013(2):36-43,110.

[21]
彭代彦, 吴翔. 中国农业技术效率与全要素生产率研究——基于农村劳动力结构变化的视角[J]. 经济学家, 2013(9):68-76.

[22]
成德宁, 杨敏. 农业劳动力结构转变对粮食生产效率的影响[J]. 西北农林科技大学学报:社会科学版, 2015, 15(4):19-26.

[23]
易福金, 刘莹. 劳动力价格上升与江、浙水稻播种面积相悖变化——基于替代弹性的解释[J]. 统计与信息论坛, 2016, 31(4):87-92.

[24]
杨进, 钟甫宁, 陈志钢, 等. 农村劳动力价格、人口结构变化对粮食种植结构的影响[J]. 管理世界, 2016(1):78-87.

[25]
周布. 非参数混合效应模型的正交化估计[D]. 上海: 华东师范大学, 2012.

[26]
Schabenberger O. Introducing the GLIMMIX procedure for generalized linear mixed models[C]// Proceedings of the Thirtieth Annual SAS Users Group International Conference(SAS Inst Inc,Cary,NC), 2005:171-177.

[27]
Patterson H D, Thompson R. Maximum likelihood estimation of components of variance[C]// Proceeding of International Biometric Conference,1973.

[28]
周振, 马庆超, 孔祥智. 农业机械化对农村劳动力转移贡献的量化研究[J]. 农业技术经济, 2016(2):52-62.

[29]
孔祥智, 周振, 钟真. 农业机械化:十年进展与发展方向[J]. 科技促进发展, 2014(6):21-28.

[30]
钟甫宁, 陆五一, 徐志刚. 农村劳动力外出务工不利于粮食生产吗?——对农户要素替代与种植结构调整行为及约束条件的解析[J]. 中国农村经济, 2016(7):36-47.

[31]
郑旭媛, 徐志刚. 资源禀赋约束、要素替代与诱致性技术变迁——以中国粮食生产的机械化为例[J]. 经济学(季刊), 2017, 16(1):45-66.

[32]
杜学振. 我国农业劳动力转移与农业机械化发展研究[M]. 北京: 中国农业大学出版社, 2011.

Options
文章导航

/

〈 〉