摘要：從農(nóng)村人口老齡化視角出發(fā)，研判農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力是否存在替代作用；判斷我國(guó)當(dāng)前農(nóng)業(yè)勞動(dòng)力是否短缺，預(yù)測(cè)我國(guó)未來(lái)農(nóng)業(yè)機(jī)械化水平，嘗試對(duì)“農(nóng)業(yè)機(jī)械化可以解決農(nóng)業(yè)勞動(dòng)力短缺問(wèn)題嗎？”進(jìn)行解答。采用我國(guó)31個(gè)省市2004—2020年省級(jí)面板數(shù)據(jù)，從農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力替代能力視角出發(fā)，采用交互固定效應(yīng)模型，提出衡量農(nóng)業(yè)機(jī)械替代能力的估計(jì)方法。實(shí)證結(jié)果表明：我國(guó)農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力的替代能力為：10000kW的農(nóng)業(yè)機(jī)械每年能夠取代大約1 169～1 239個(gè)農(nóng)業(yè)勞動(dòng)力。并通過(guò)古典經(jīng)濟(jì)學(xué)測(cè)算方法、時(shí)間演繹法、ARIMA預(yù)測(cè)模型，對(duì)我國(guó)農(nóng)業(yè)剩余勞動(dòng)力數(shù)量以及農(nóng)業(yè)機(jī)械化水平進(jìn)行預(yù)測(cè)。結(jié)果表明：我國(guó)農(nóng)業(yè)機(jī)械總動(dòng)力水平大致以每年增加24946630kW的速度增長(zhǎng)，到2035年我國(guó)農(nóng)業(yè)機(jī)械總動(dòng)力大約會(huì)增加374199450kW，農(nóng)業(yè)機(jī)械化的增長(zhǎng)能夠彌補(bǔ)人口老齡化帶來(lái)的農(nóng)業(yè)勞動(dòng)力短缺。

關(guān)鍵詞：農(nóng)業(yè)機(jī)械化；農(nóng)村人口老齡化；農(nóng)業(yè)勞動(dòng)力；替代能力；時(shí)間演繹

中圖分類號(hào)：F323

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：20955553 （2024） 070316

08

Can agricultural mechanization solve the shortage of agricultural labor？

Li Shuangshuang1， Liu Weibo 2， Jiang Jian3

（1. School of Economics， Liaoning University， Shenyang， 110136， China; 2. School of Economics and Management，

Hunan University of Science and Engineering， Yongzhou， 425199， China; 3. School of Business Administration，

Zhongnan University of Economics and Law， Wuhan， 430073， China）

Abstract：

From the perspective of rural population aging， this article examines whether agricultural machinery has a substitutive effect on agricultural labor force. To determine whether there is a current shortage of agricultural labor in China， predict the future level of agricultural mechanization in China， and attempt to answer the question “Can agricultural mechanization solve the problem of agricultural labor shortage？”. Based on the provincial panel data of 31 provinces and cities in China from 2004 to 2020， from the perspective of the substitution ability of agricultural machinery for agricultural labor force， this paper uses the interactive fixed effect model to propose an estimation method to measure the substitution ability of agricultural machinery. The empirical results show that the substitution ability of agricultural machinery for agricultural labor force in China is as follows： 10000 kilowatt agricultural machinery can replace about 1169-1239 agricultural labor force every year. After that， the number of agricultural surplus labor force and the level of agricultural mechanization in China are predicted by the classical economic calculation method， time deductive reasoning method and ARIMA prediction model. The results show that the total power level of agricultural machinery in China is increasing at a rate of approximately 24946630 kilowatts per year. By 2035， the total power of agricultural machinery in China will increase by 374 199 450 kilowatts. The growth of agricultural mechanization can make up for the shortage of agricultural labor caused by population aging.

Keywords：

agricultural mechanization; rural population aging; agricultural labor force; substitution capacity; temporal deduction

0 引言

隨著我國(guó)生育降低以及預(yù)期壽命的延長(zhǎng)，人口老齡化問(wèn)題對(duì)我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展產(chǎn)生深遠(yuǎn)而持久的影響［1］，尤其是在農(nóng)業(yè)生產(chǎn)領(lǐng)域，傳統(tǒng)農(nóng)業(yè)生產(chǎn)的高風(fēng)險(xiǎn)、低回報(bào)的產(chǎn)業(yè)特性，本就使得農(nóng)業(yè)生產(chǎn)并不適合承載過(guò)多勞動(dòng)力，對(duì)勞動(dòng)力吸引能力較弱，勞動(dòng)群體老齡化特征明顯［2］，而人口自然老齡化的加劇，又會(huì)造成勞動(dòng)力要素價(jià)格的提高以及勞動(dòng)群體老齡化程度的加深，進(jìn)一步對(duì)農(nóng)業(yè)生產(chǎn)產(chǎn)生消極影響。然而，我國(guó)畢竟是一個(gè)體量超過(guò)14億的人口大國(guó)，糧食安全問(wèn)題始終是社會(huì)長(zhǎng)治久安、經(jīng)濟(jì)平穩(wěn)發(fā)展的頭等大事。維持一定規(guī)模的農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)是十分有必要的。而農(nóng)業(yè)機(jī)械化的推廣普及則能夠完美地兼顧到二者的需要，較為精準(zhǔn)地處理好農(nóng)業(yè)勞動(dòng)力不足帶來(lái)的桎梏，實(shí)現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)高質(zhì)量的發(fā)展?；诖?，本文從農(nóng)村人口老齡化視角出發(fā)，探究農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力替代能力，解答農(nóng)業(yè)機(jī)械化能否解決農(nóng)業(yè)勞動(dòng)力短缺問(wèn)題。

農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力的替代問(wèn)題在近幾年已吸引學(xué)界廣泛關(guān)注。黃瑪蘭等［3］采用超越對(duì)數(shù)生產(chǎn)函數(shù)法，測(cè)算出機(jī)械與勞動(dòng)力替代彈性。鄭晶等［4］通過(guò)動(dòng)態(tài)面板模型，研究分析得到農(nóng)業(yè)機(jī)械化可以通過(guò)勞動(dòng)力轉(zhuǎn)移的遮掩效應(yīng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生影響。鄭旭媛等［5］研究發(fā)現(xiàn)平原地區(qū)耕地坡度低、機(jī)械易于替代勞動(dòng)是其機(jī)械化進(jìn)程快于丘陵山區(qū)的重要原因。已上研究均表明：農(nóng)業(yè)機(jī)械能夠替代農(nóng)業(yè)勞動(dòng)力。但是對(duì)于農(nóng)業(yè)機(jī)械是通過(guò)何種方式對(duì)勞動(dòng)力產(chǎn)生替代作用？學(xué)界主要形成以下兩種觀點(diǎn)：第一種觀點(diǎn)認(rèn)為，農(nóng)業(yè)機(jī)械可以通過(guò)提高農(nóng)業(yè)生產(chǎn)效率的方式，促進(jìn)農(nóng)業(yè)勞動(dòng)力從農(nóng)業(yè)部門向非農(nóng)部門轉(zhuǎn)移［6］，另一種觀點(diǎn)認(rèn)為，農(nóng)業(yè)機(jī)械能夠替代人畜力，進(jìn)行土地整理、播種等工作，減輕勞動(dòng)強(qiáng)度，提升農(nóng)業(yè)生產(chǎn)能力和專業(yè)化水平［7］。

盡管絕大部分學(xué)者均認(rèn)識(shí)到我國(guó)農(nóng)業(yè)未來(lái)可能出現(xiàn)的勞動(dòng)力短缺問(wèn)題［810］，但對(duì)于現(xiàn)階段我國(guó)農(nóng)業(yè)是否存在勞動(dòng)力短缺，學(xué)界對(duì)此尚存爭(zhēng)議：項(xiàng)繼權(quán)等［11］基于我國(guó)快速的工業(yè)化和城鎮(zhèn)化進(jìn)程，指出“農(nóng)村空心化”、“農(nóng)業(yè)邊緣化”和“農(nóng)民老齡化”是新時(shí)期的“新三農(nóng)問(wèn)題”。施庚宏等［12］運(yùn)用固定時(shí)期勞均耕地面積法對(duì)2019年我國(guó)農(nóng)業(yè)勞動(dòng)力剩余的存量及比率進(jìn)行測(cè)算，發(fā)現(xiàn)2019年我國(guó)農(nóng)業(yè)勞動(dòng)力剩余存量為347.12萬(wàn)人。對(duì)于我國(guó)農(nóng)業(yè)勞動(dòng)力短缺的原因，學(xué)者們的研究主要集中于以下三個(gè)方面：一是人口在城鄉(xiāng)之間的流動(dòng)。二是生育降低、預(yù)期壽命延長(zhǎng)帶來(lái)的人口老齡化。三是農(nóng)業(yè)技術(shù)進(jìn)步可能對(duì)農(nóng)業(yè)勞動(dòng)力產(chǎn)生的“擠出效應(yīng)”［1315］。然而事實(shí)上，人口流動(dòng)趨勢(shì)與農(nóng)業(yè)技術(shù)進(jìn)步速度充滿著不確定性因素，且難以預(yù)測(cè)?？茖W(xué)技術(shù)的進(jìn)步充滿著大量不確定性，農(nóng)業(yè)技術(shù)進(jìn)步能在多大程度上緩解農(nóng)業(yè)勞動(dòng)力短缺是一個(gè)難以預(yù)測(cè)的內(nèi)容。而我國(guó)未來(lái)人口老齡化的趨勢(shì)已成學(xué)界共識(shí)［16， 17］。

綜上所述，以上文獻(xiàn)為本文的研究打下了一定的理論基礎(chǔ)。然而，對(duì)于農(nóng)業(yè)機(jī)械能否解決農(nóng)村人口老齡化帶來(lái)的農(nóng)業(yè)勞動(dòng)力短缺問(wèn)題的研究則較為少見(jiàn)。據(jù)此，本文從農(nóng)村人口老齡化視角出發(fā)，采用交互固定效應(yīng)模型和ARIMA預(yù)測(cè)模型，對(duì)三個(gè)方面的問(wèn)題展開(kāi)探討：一是研判農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力力是否存在替代作用？替代作用的強(qiáng)度有多大？二是從農(nóng)村人口老齡化視角出發(fā)，判斷我國(guó)當(dāng)前農(nóng)業(yè)勞動(dòng)力是否短缺？亦或預(yù)測(cè)我國(guó)未來(lái)農(nóng)業(yè)勞動(dòng)力的需求是否會(huì)出現(xiàn)缺口，且缺口的數(shù)額有多大？最后，通過(guò)對(duì)我國(guó)未來(lái)農(nóng)業(yè)機(jī)械化水平的預(yù)測(cè)，結(jié)合前兩個(gè)方面的研究成果，嘗試對(duì)“農(nóng)業(yè)機(jī)械化可以解決農(nóng)業(yè)勞動(dòng)力短缺問(wèn)題嗎？—基于農(nóng)村人口老齡化的視角”進(jìn)行解答，并就此提出相應(yīng)的政策建議。

1 理論基礎(chǔ)

本文參考劉駿等的做法［18］，構(gòu)建如式（1）所示的農(nóng)業(yè)機(jī)械和農(nóng)業(yè)勞動(dòng)力相互替換的生產(chǎn)函數(shù)。

Yit=Ait（Lit+μRit）α1Kitα2Titα3

0lt;α1、α2、α3lt;1； α1+α2+α3=1

（1）

式中：

Y——農(nóng)業(yè)總產(chǎn)出；

i——某一地區(qū)；

t——某一年份；

A——技術(shù)水平；

L——農(nóng)業(yè)勞動(dòng)力投入的數(shù)量，萬(wàn)人；

R——

農(nóng)業(yè)機(jī)械投入的總動(dòng)力，104 kW；

T——農(nóng)用土地投入數(shù)量；

u——

農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力的替代能力；

K——農(nóng)業(yè)資本存量；

α1——

農(nóng)業(yè)機(jī)械與農(nóng)業(yè)勞動(dòng)力之間的生產(chǎn)替代彈性；

α2——

農(nóng)業(yè)資本對(duì)農(nóng)業(yè)生產(chǎn)的產(chǎn)出彈性；

α3——土地對(duì)農(nóng)業(yè)生產(chǎn)的產(chǎn)出彈性。

為使模型能夠使用計(jì)量軟件，本文對(duì)式（1）進(jìn)行處理得到式（2）。

lnYit=

lnAit+α1lnLit+α1lnuRitLit+1+

α2lnKit+α3lnTit

（2）

利用泰勒公式對(duì)模型進(jìn)行處理，可得式（3）。

lnYit≈

lnAit+α1lnLit+μα1RitLit+

α2lnKit+α3lnTit

（3）

化簡(jiǎn)可以得到式（4）。

lnYit=

λ0+β1RitLit+β2lnLit+

β3lnKit+β4lnTit+εit

（4）

式中：

λ0——與技術(shù)水平相關(guān)的控制變量。

其中β1=uα1，β2=α1，即u=β1/β2，β3、β4分別是指農(nóng)業(yè)資本、土地對(duì)農(nóng)業(yè)生產(chǎn)的產(chǎn)出彈性。本文通過(guò)測(cè)算出β1與β2，進(jìn)而間接測(cè)算出u值。ε指隨機(jī)誤差項(xiàng)。考慮到農(nóng)業(yè)機(jī)械的應(yīng)用與推廣屬于技術(shù)層面的變化，因此，需要對(duì)控制變量λ0進(jìn)行分解，分解為農(nóng)業(yè)機(jī)械和其他技術(shù)進(jìn)步，可得式（5）。

lnYit=

λ1+λ2lnRit+β1RitLit+β2lnLit+

β3lnKit+β4lnTit+εit

（5）

2 農(nóng)業(yè)機(jī)械替代能力的實(shí)證研究

2.1 樣本選擇與數(shù)據(jù)來(lái)源

本文選取2004—2020年我國(guó)31個(gè)?。ㄊ?、自治區(qū)）相關(guān)面板數(shù)據(jù)進(jìn)行實(shí)證研究，數(shù)據(jù)來(lái)自《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》以及各省統(tǒng)計(jì)年鑒及相關(guān)統(tǒng)計(jì)資料。

2.2 模型設(shè)計(jì)和變量說(shuō)明

為了估計(jì)農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力的替代能力，依據(jù)理論基礎(chǔ)部分的結(jié)論，如式（6）所示。

lnOutputit=

λ1+λ2lnM_powerit+

β1M_densityit+β2lnLaborit+

β3lnCapitalit+β4lnLandit+

∑βjXijt+εit+ui+et

（6）

式中：

λ、β——模型參數(shù)；

M_power——農(nóng)機(jī)總動(dòng)力，104 kW；

M_dendity——農(nóng)業(yè)機(jī)械密度，kW/人；

Labor——農(nóng)業(yè)勞動(dòng)力人數(shù)，萬(wàn)人；

Capital——農(nóng)業(yè)資本數(shù)量，億元；

Land——農(nóng)用土地投入數(shù)量，khm2；

X——本文的控制變量；

ui——省份固定效應(yīng)；

et——時(shí)間固定效應(yīng)。

考慮到雙向固定效應(yīng)的做法比較柔性，無(wú)法解決那些既隨時(shí)間變化又隨個(gè)體變化的不可觀測(cè)變量帶來(lái)的內(nèi)生性問(wèn)題，造成模型估計(jì)結(jié)果并不十分準(zhǔn)確。因此本文參考Bai［19］的研究，在雙向固定效應(yīng)模型中進(jìn)一步加入省份和年度的交互固定效應(yīng)，模型如式（7）所示。

lnOutputit=

λ1+λ2lnM_powerit+

β1M_densityit+β2lnLaborit+

β3lnCapitalit+β4lnLandit+

∑βjXijt+εit+ui+et+λTiFt

（7）

式中：

Ft——共同因子；

λTi——因子載荷。

被解釋變量：參考尹朝靜等［20］的做法，以農(nóng)業(yè)生產(chǎn)總值的對(duì)數(shù)（億元）作為農(nóng)業(yè)總產(chǎn)出的代理變量（lnOutput）。核心解釋變量：農(nóng)業(yè)勞動(dòng)力人數(shù)的對(duì)數(shù)（lnL）、農(nóng)業(yè)機(jī)械密度（M_density）：基于單位勞動(dòng)力所擁有的農(nóng)業(yè)機(jī)械總動(dòng)力，其中農(nóng)業(yè)勞動(dòng)力人數(shù)用第一產(chǎn)業(yè)勞動(dòng)力人數(shù)（萬(wàn)人）衡量。非核心解釋變量：農(nóng)業(yè)資本數(shù)量的對(duì)數(shù)（lnCapital）、農(nóng)業(yè)機(jī)械總動(dòng)力的對(duì)數(shù)（lnM_power）、農(nóng)用土地投入數(shù)量的對(duì)數(shù)（lnLand）?？刂谱兞浚嚎紤]到化肥施用量以及農(nóng)藥使用量等均包含在農(nóng)業(yè)資本中，故本文選取了以下控制變量：農(nóng)村用電量（power）、農(nóng)村人力資本水平（rhc）、農(nóng)作物受災(zāi)面積（cwa）以及農(nóng)村人口老齡化率（poe）。變量說(shuō)明如表1所示。

=

2.3 基本回歸結(jié)果

為防止異方差對(duì)本文實(shí)證檢驗(yàn)結(jié)果的干擾，本文分別對(duì)控制變量農(nóng)村用電量（power）以及農(nóng)作物受災(zāi)面積（cwa）進(jìn)行對(duì)數(shù)化處理。為說(shuō)明模型中加入交互固定效應(yīng)的必要性，在表2中展示隨機(jī)效應(yīng)、時(shí)間效應(yīng)、個(gè)體固定效應(yīng)以及雙向固定效應(yīng)模型回歸結(jié)果。

如表2所示，模型1到模型4依次為隨機(jī)效應(yīng)、年份固定效應(yīng)、省份固定效應(yīng)以及雙向固定效應(yīng)模型，盡管使用雙向固定效應(yīng)模型使得模型擬合優(yōu)度有所上升，但回歸結(jié)果仍與預(yù)期不符，故嘗試在此基礎(chǔ)上加入省份與年份的交互固定效應(yīng)，回歸結(jié)果如表3所示。

如表3所示，在雙向固定效應(yīng)模型中加入交互固定效應(yīng)后，再通過(guò)逐漸增加控制變量的方法對(duì)模型進(jìn)行回歸分析，所得回歸結(jié)果均與預(yù)期相符，且模型擬合優(yōu)度有所提高，說(shuō)明模型中確有存在既隨時(shí)間變化又隨個(gè)體變化的不可觀測(cè)變量所帶來(lái)的內(nèi)生性問(wèn)題，模型選擇較為合理?？刂谱兞哭r(nóng)村用電量前的系數(shù)與農(nóng)村人力資本水平前的系數(shù)均顯著為正，農(nóng)作物受災(zāi)面積前的系數(shù)顯著為負(fù)，說(shuō)明農(nóng)村用電量與農(nóng)村人力資本水平的提高均有利于農(nóng)業(yè)生產(chǎn)，而農(nóng)作物受災(zāi)面積的擴(kuò)大卻不利于農(nóng)業(yè)生產(chǎn)，這一結(jié)果與現(xiàn)實(shí)情況完全相符。由理論式（3）、式（4）可知：u=β1/β2，則可計(jì)算出u的取值范圍為0.116 9～0.123 9，即10000kW的農(nóng)業(yè)機(jī)械每年能夠取代大約1 169～1 239個(gè)農(nóng)業(yè)勞動(dòng)力。

3 農(nóng)村人口老齡化對(duì)農(nóng)業(yè)勞動(dòng)力數(shù)量影響的實(shí)證研究

3.1 我國(guó)農(nóng)村剩余勞動(dòng)力數(shù)量的估計(jì)

為探究我國(guó)農(nóng)業(yè)勞動(dòng)力是否短缺？在何時(shí)短缺？首先要測(cè)算出現(xiàn)階段我國(guó)農(nóng)業(yè)勞動(dòng)力的過(guò)剩值。農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)的替代更多地體現(xiàn)在工作時(shí)長(zhǎng)的減少和工作效率的提高，考慮工作時(shí)長(zhǎng)減少帶來(lái)的農(nóng)業(yè)剩余勞動(dòng)力可能更加符合本文的需要。因此，本文參考王檢貴等［21］的相關(guān)研究成果，采用古典測(cè)算方法測(cè)算我國(guó)2020年農(nóng)業(yè)剩余勞動(dòng)力的數(shù)量。古典法盡管存在著數(shù)據(jù)可得性差、計(jì)算過(guò)程復(fù)雜等弊端，但可行性和可信度均高于新古典經(jīng)濟(jì)學(xué)估算方法和標(biāo)準(zhǔn)結(jié)構(gòu)比較估算法［22］。

假設(shè)農(nóng)業(yè)部門生產(chǎn)函數(shù)為

Y=F（L，A，B，C，D…）

（8）

其中，A、B、C、D…表示化肥、農(nóng)藥、土地、資本等其他要素投入。

t=T/L

（9）

式中：

t——

每個(gè)農(nóng)業(yè)勞動(dòng)力平均工作日數(shù)；

T——

農(nóng)業(yè)生產(chǎn)過(guò)程中總的勞動(dòng)投入日數(shù)。

一般認(rèn)為，農(nóng)民每年合理的工作負(fù)荷為270個(gè)工作日，可得農(nóng)業(yè)生產(chǎn)實(shí)際需要的勞動(dòng)力數(shù)量

L0=T/270

（10）

由此可得，實(shí)際需要農(nóng)業(yè)勞動(dòng)力數(shù)量與農(nóng)業(yè)勞動(dòng)力數(shù)量比值

L0/L=（T/270）/L=T/L/270=t/270

（11）

則農(nóng)業(yè)剩余勞動(dòng)力數(shù)量占現(xiàn)存農(nóng)業(yè)勞動(dòng)力的比重

r=1－（L0/L）=1－t/270

（12）

則我國(guó)農(nóng)業(yè)剩余勞動(dòng)力數(shù)量

L1=r×L=（1－t/270）×L

（13）

由式（13）可知，農(nóng)業(yè)勞動(dòng)力數(shù)量以及每個(gè)農(nóng)業(yè)勞動(dòng)力平均工作日數(shù)，即可算出我國(guó)農(nóng)業(yè)剩余勞動(dòng)力數(shù)量。本文參考全國(guó)農(nóng)村固定觀察點(diǎn)調(diào)查數(shù)據(jù)，并咨詢相關(guān)學(xué)者的意見(jiàn)，推斷出2020年我國(guó)農(nóng)業(yè)勞動(dòng)力平均工作日數(shù)為265天，根據(jù)2021年各省市統(tǒng)計(jì)年鑒數(shù)據(jù)顯示：2020年我國(guó)農(nóng)業(yè)勞動(dòng)力總數(shù)為17727.31萬(wàn)人，則我國(guó)2020年農(nóng)業(yè)剩余勞動(dòng)力數(shù)量為328.2835萬(wàn)人。

3.2 我國(guó)農(nóng)村人口老齡化對(duì)農(nóng)業(yè)勞動(dòng)力數(shù)量的影響研究

國(guó)際上一般把15～64歲列為勞動(dòng)年齡人口，而我國(guó)規(guī)定男子16～60周歲，女子為16～50周歲，考慮到我國(guó)農(nóng)民一生勞作時(shí)間較長(zhǎng)，因此本文將15～64歲的農(nóng)村人口列為農(nóng)業(yè)勞動(dòng)年齡人口。人口老齡化是造成我國(guó)未來(lái)勞動(dòng)力不足的重要原因［23］。因此，為探究農(nóng)村人口老齡化對(duì)農(nóng)業(yè)勞動(dòng)力數(shù)量供給的影響，本文對(duì)此做實(shí)證分析。

如表4所示，2020年農(nóng)村人口年齡結(jié)構(gòu)是基于抽樣調(diào)查的結(jié)果，相較于統(tǒng)計(jì)戶籍人口，在農(nóng)村地區(qū)抽樣調(diào)查能夠去除掉戶籍在農(nóng)村，卻定居于城鎮(zhèn)的樣本對(duì)數(shù)據(jù)的干擾?；?020年農(nóng)村人口年齡結(jié)構(gòu)數(shù)據(jù)，以2020年為基期，通過(guò)時(shí)間演繹的方法，避開(kāi)農(nóng)業(yè)勞動(dòng)力轉(zhuǎn)移等其他因素對(duì)農(nóng)業(yè)勞動(dòng)力數(shù)量的影響，僅研究隨時(shí)間變化，即人口自然老齡化，對(duì)農(nóng)業(yè)勞動(dòng)力數(shù)量的影響。以5年為一個(gè)時(shí)間跨度，分別推算出2025年、2030年以及2035年農(nóng)村各年齡層人數(shù)占比。

首先本文做出如下假定。

假定1：農(nóng)村適齡人口（即15～64歲）數(shù)量與農(nóng)業(yè)勞動(dòng)力數(shù)量相一致，即本文認(rèn)為這兩個(gè)群體之間存在高度重疊。事實(shí)上我國(guó)農(nóng)業(yè)勞動(dòng)力群體的主體部分也均來(lái)源于農(nóng)村適齡人口。

假定2：不考慮農(nóng)村勞動(dòng)力轉(zhuǎn)移對(duì)預(yù)測(cè)結(jié)果的影響。當(dāng)前我國(guó)正面臨著推進(jìn)新型城鎮(zhèn)化與實(shí)施鄉(xiāng)村振興戰(zhàn)略舉措并行的現(xiàn)狀，人口未來(lái)的流動(dòng)方向，學(xué)界至今尚未達(dá)成基本一致的認(rèn)識(shí)。但是針對(duì)未來(lái)可能出現(xiàn)的人口自然老齡化問(wèn)題，基于現(xiàn)有生育水平和人口結(jié)構(gòu)，學(xué)界對(duì)此已基本達(dá)成共識(shí)。

假設(shè)基期15～65歲農(nóng)業(yè)勞動(dòng)力數(shù)量占農(nóng)村總?cè)丝诒戎貫間，10～14歲占比為g1，60～64歲占比為g2。

則5年后農(nóng)業(yè)勞動(dòng)力數(shù)量比重可以表示為

g0=g+g1－g2

（14）

依次類推，可以分別求出10年后以及15年后的農(nóng)村適齡勞動(dòng)力數(shù)量占2020年農(nóng)村總?cè)丝谥械谋戎亍?/p>

如表4所示，2020年我國(guó)農(nóng)村適齡勞動(dòng)人口占比為63.01%，而2025年、2030年以及2035年農(nóng)村適齡勞動(dòng)力人口占比分別為63.89%、62.58%、58.55%，相較于2020年，分別上升0.88%以及下降0.43%、4.46%。再以2020年農(nóng)業(yè)勞動(dòng)人口數(shù)量作為基數(shù)，則可測(cè)算出2025年、2030年以及2035年的農(nóng)業(yè)勞動(dòng)力數(shù)量分別為2020年的101.40%、99.32%以及92.92%。勞動(dòng)力剩余數(shù)量分別為：576.4658萬(wàn)人、207.7378萬(wàn)人以及-926.8100萬(wàn)人，也就是說(shuō)，在不考慮其他相關(guān)要素改變的情況下，最遲到2030—2035年，我國(guó)農(nóng)業(yè)勞動(dòng)力就存在不足，而這還是尚未考慮到農(nóng)業(yè)勞動(dòng)力轉(zhuǎn)移對(duì)此可能產(chǎn)生的沖擊。而根據(jù)本文的相關(guān)研究可知，這大概需要74803.067～79282.293kW的農(nóng)業(yè)機(jī)械的替換。

4 我國(guó)農(nóng)業(yè)機(jī)械化總動(dòng)力的預(yù)測(cè)分析

4.1 時(shí)間序列觀察

在經(jīng)典的回歸模型中，主要是通過(guò)回歸分析來(lái)建立不同變量之間的函數(shù)關(guān)系（因果關(guān)系），以考察事物之間的聯(lián)系。然而農(nóng)業(yè)機(jī)械總動(dòng)力受較多因素影響，且各地區(qū)間的經(jīng)濟(jì)發(fā)展水平、地理自然條件存在差異，對(duì)農(nóng)業(yè)機(jī)械總動(dòng)力水平的影響差異較大，將所有相關(guān)因素統(tǒng)一在同一模型之下，難度較大且沒(méi)有必要。因此，本文參考李志超等［24］的做法，采用ARIMA模型對(duì)我國(guó)農(nóng)業(yè)機(jī)械化水平進(jìn)行預(yù)測(cè)。時(shí)間序列模型必須是平穩(wěn)性序列才能建立計(jì)量模型。

如圖1所示，除2015—2016年外，我國(guó)2004—2020年農(nóng)業(yè)機(jī)械總動(dòng)力序列{m_powert}呈明顯上升趨勢(shì)。根據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，造成這一結(jié)果的原因主要是小型農(nóng)機(jī)具保有量減少導(dǎo)致。

均值E（m_powert）、方差Var（m_powert）、相關(guān)性Cov（m_powert， m_powert-s）與時(shí)間t存在高度線性相關(guān)，時(shí)間序列{m_powert}非平穩(wěn)，其中s表示省份，因此，本文對(duì)時(shí)間序列{m_powert}進(jìn)行平穩(wěn)性檢驗(yàn)。結(jié)果如表5所示，原始序列{m_powert}未能通過(guò)單位根檢驗(yàn)，而經(jīng)過(guò)一階差分處理后，序列{d_m_powert}的ADF單位根檢驗(yàn)結(jié)果顯著性水平小于5%，時(shí)間序列穩(wěn)定。

4.2 滯后階數(shù)p和q的確定

將一階差分后的{d_m_powert}序列做自相關(guān)和偏自相關(guān)，結(jié)果如圖2、圖3所示。

由一階差分序列ACF圖和PACF圖可知：一階差分序列{d_m_powert}自相關(guān)與偏自相關(guān)均無(wú)明顯特征，考慮到原始序列有著較為明顯的線性增長(zhǎng)趨勢(shì)，p值與q值不可能太大。本文從ARIMA（0，1，0）開(kāi)始，逐一選取模型ARIAM（1，1，0）、ARIAM（0，1，1）、ARIMA （1，1，1），之后通過(guò)赤池信息量準(zhǔn)則，選取最優(yōu)模型，檢驗(yàn)結(jié)果如表6所示。

通過(guò)比較AIC與BIC值可知，模型ARIMA（0，1，0）的擬合效果最佳，故本文采用模型ARIMA（0，1，0），由此可以得到方程（15）。

yt－yt－1=2 494.663

（15）

由式（15）可知，從2004—2020年，我國(guó)農(nóng)業(yè)機(jī)械化總動(dòng)力以每年24946630kW的速度增長(zhǎng)。截止到2035年，我國(guó)會(huì)存在大約7.480×107～7.928×107kW農(nóng)機(jī)缺口，實(shí)際上我國(guó)農(nóng)業(yè)機(jī)械的發(fā)展如保持上述增速的話，只需要到2024年就能補(bǔ)齊這一缺口，當(dāng)然考慮到農(nóng)機(jī)增速不可能一直保持如此速度增長(zhǎng)，2024年農(nóng)機(jī)總動(dòng)力實(shí)際水平較預(yù)測(cè)水平會(huì)有所下降，但考慮到農(nóng)機(jī)發(fā)展存在一定的慣性，且2020—2024年時(shí)間跨度較短，預(yù)測(cè)與實(shí)際偏差不會(huì)較大，且農(nóng)機(jī)的發(fā)展存在2024—2035年長(zhǎng)達(dá)11年的時(shí)間窗口，足夠補(bǔ)齊這存在的偏差。

綜上所述，可以得出結(jié)論：至少到2035年，隨著我國(guó)農(nóng)業(yè)機(jī)械總動(dòng)力的增長(zhǎng)，在不考慮其他影響農(nóng)業(yè)勞動(dòng)力變化的因素下，我國(guó)將不存在由人口老齡化造成的農(nóng)業(yè)勞動(dòng)力短缺。

5 結(jié)論與政策建議

隨著我國(guó)生育降低以及預(yù)期壽命的延長(zhǎng)，一個(gè)無(wú)法忽視的事實(shí)：我國(guó)未來(lái)農(nóng)業(yè)生產(chǎn)恐怕難以保持現(xiàn)有的勞動(dòng)力數(shù)量規(guī)模，農(nóng)業(yè)勞動(dòng)力數(shù)量的減少和勞動(dòng)力群體的老齡化極大可能在不遠(yuǎn)的將來(lái)成為現(xiàn)實(shí)，而造成這一現(xiàn)狀的一個(gè)關(guān)鍵因素就在于人口的老齡化，因此，本文基于我國(guó)31個(gè)省市2004—2020年的省級(jí)面板數(shù)據(jù)，從農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力替代能力視角出發(fā)，采用交互固定效應(yīng)模型，提出衡量農(nóng)業(yè)機(jī)械替代能力的估計(jì)方法，之后分別通過(guò)古典經(jīng)濟(jì)學(xué)測(cè)算方法、時(shí)間演繹法、ARIMA預(yù)測(cè)模型，對(duì)我國(guó)農(nóng)業(yè)剩余勞動(dòng)力以及農(nóng)業(yè)機(jī)械化水平進(jìn)行預(yù)測(cè)。

1） 我國(guó)農(nóng)業(yè)機(jī)械對(duì)農(nóng)業(yè)勞動(dòng)力的替代能力為：10 000kW的農(nóng)業(yè)機(jī)械每年能夠取代大約1169～1239個(gè)農(nóng)業(yè)勞動(dòng)力。

2） 2020年我國(guó)農(nóng)業(yè)勞動(dòng)力剩余量為328.2835萬(wàn)人、而2025年、2030年以及2035年，則分別為576.4658萬(wàn)人、207.7378萬(wàn)人以及-926.8100萬(wàn)人。

3） 截止2035年，我國(guó)大約需要2.495×107kW的農(nóng)業(yè)機(jī)械的補(bǔ)充。

4） 我國(guó)農(nóng)業(yè)機(jī)械總動(dòng)力水平大致以每年增加7.480×107～7.928×107 kW的速度增長(zhǎng)，預(yù)計(jì)到2035年我國(guó)農(nóng)業(yè)機(jī)械總動(dòng)力會(huì)增加3.742×107kW；農(nóng)業(yè)機(jī)械化的增長(zhǎng)能夠彌補(bǔ)人口老齡化帶來(lái)的農(nóng)業(yè)勞動(dòng)力短缺。

我國(guó)自2016年全面放開(kāi)二孩，到2021年實(shí)施三孩政策以來(lái)，人口生育水平只是在政策剛實(shí)行階段實(shí)現(xiàn)逆勢(shì)增長(zhǎng)，之后就掉頭直下，出生率下降趨勢(shì)并未得到根本逆轉(zhuǎn)，學(xué)界對(duì)此普遍存在擔(dān)憂。然而，正如馬爾薩斯人口理論擔(dān)心人口爆炸式增長(zhǎng)對(duì)一國(guó)發(fā)展的影響一樣，本文的實(shí)證結(jié)果表明，我國(guó)人口老齡化問(wèn)題并不會(huì)造成農(nóng)業(yè)生產(chǎn)出現(xiàn)勞動(dòng)力短缺，恰恰相反，在未來(lái)，極有可能隨著農(nóng)業(yè)機(jī)械化水平的提高以及新農(nóng)機(jī)裝備的出現(xiàn)，農(nóng)業(yè)生產(chǎn)不需要如此多的勞動(dòng)力，人口老齡化在供給端層面對(duì)于農(nóng)業(yè)生產(chǎn)的影響較小?；谝陨涎芯拷Y(jié)論，本文提出政策建議：與其擔(dān)憂人口老齡化會(huì)通過(guò)勞動(dòng)力供給進(jìn)而對(duì)農(nóng)業(yè)生產(chǎn)產(chǎn)生影響，不如回歸生產(chǎn)的本質(zhì)，從技術(shù)角度解決生產(chǎn)要素投入組合的變化對(duì)農(nóng)業(yè)生產(chǎn)的影響，大力支持農(nóng)業(yè)生產(chǎn)的機(jī)械化和智能化，努力提高農(nóng)業(yè)生產(chǎn)效率。

參 考 文 獻(xiàn)

［1］馬駿， 沈坤榮. 中國(guó)人口老齡化對(duì)經(jīng)濟(jì)發(fā)展的影響機(jī)制及對(duì)策研究［J］. 浙江工商大學(xué)學(xué)報(bào)， 2021（4）： 72-83.

［2］應(yīng)瑞瑤， 徐斌. 農(nóng)戶采納農(nóng)業(yè)社會(huì)化服務(wù)的示范效應(yīng)分析——以病蟲(chóng)害統(tǒng)防統(tǒng)治為例［J］. 中國(guó)農(nóng)村經(jīng)濟(jì)， 2014（8）： 30-41.

［3］黃瑪蘭， 李曉云， 游良志. 農(nóng)業(yè)機(jī)械與農(nóng)業(yè)勞動(dòng)力投入對(duì)糧食產(chǎn)出的影響及其替代彈性［J］. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2018（2）： 37-45， 156.

Huang Malan， Li Xiaoyun， You Liangzhi. The impact of agricultural machinery and agricultural labor investment on grain production and its elasticity of substitution ［J］. Journal of Huazhong Agricultural University （Social Science Edition）， 2018（2）： 37-45， 156.

［4］鄭晶， 高孟菲. 農(nóng)業(yè)機(jī)械化、農(nóng)村勞動(dòng)力轉(zhuǎn)移對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響研究——基于中國(guó)大陸31個(gè)?。ㄊ?、自治區(qū)）面板數(shù)據(jù)的實(shí)證檢驗(yàn)［J］. 福建論壇（人文社會(huì)科學(xué)版）， 2021（8）： 59-71.

［5］鄭旭媛， 徐志剛. 資源稟賦約束、要素替代與誘致性技術(shù)變遷——以中國(guó)糧食生產(chǎn)的機(jī)械化為例［J］. 經(jīng)濟(jì)學(xué)， 2016， 16（1）： 45-66.

［6］徐建國(guó)， 張勛. 農(nóng)業(yè)生產(chǎn)率進(jìn)步、勞動(dòng)力轉(zhuǎn)移與工農(nóng)業(yè)聯(lián)動(dòng)發(fā)展［J］. 管理世界， 2016（7）： 76-87， 97.

［7］Cao R， Li S， Ji Y， et al. Task assignment of multiple agricultural machinery cooperation based on improved ant colony algorithm ［J］. Computers and Electronics in Agriculture， 2021， 182： 105993.

［8］錢龍， 洪名勇. 非農(nóng)就業(yè)、土地流轉(zhuǎn)與農(nóng)業(yè)生產(chǎn)效率變化——基于CFPS的實(shí)證分析［J］. 中國(guó)農(nóng)村經(jīng)濟(jì)， 2016（12）： 2-16.

［9］姜長(zhǎng)云. 關(guān)于發(fā)展農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)的思考［J］. 農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題， 2016， 37（5）： 8-1， 110.

［10］方師樂(lè)， 衛(wèi)龍寶， 伍駿騫. 農(nóng)業(yè)機(jī)械化的空間溢出效應(yīng)及其分布規(guī)律——農(nóng)機(jī)跨區(qū)服務(wù)的視角［J］. 管理世界， 2017（11）： 65-78， 187-188.

［11］項(xiàng)繼權(quán)， 周長(zhǎng)友. “新三農(nóng)”問(wèn)題的演變與政策選擇［J］. 中國(guó)農(nóng)村經(jīng)濟(jì)， 2017（10）： 13-25.

［12］施庚宏， 施本植. 我國(guó)農(nóng)業(yè)勞動(dòng)力剩余測(cè)度及其影響因素分析［J］. 湖北社會(huì)科學(xué)， 2021（4）： 49-56.

［13］廖柳文， 龍花樓， 馬恩樸. 鄉(xiāng)村勞動(dòng)力要素變動(dòng)與耕地利用轉(zhuǎn)型［J］. 經(jīng)濟(jì)地理， 2021， 41（2）： 148-155.

［14］宋浩楠， 欒敬東， 張士云， 等. 土地細(xì)碎化、多樣化種植與農(nóng)業(yè)生產(chǎn)技術(shù)效率——基于隨機(jī)前沿生產(chǎn)函數(shù)和中介效應(yīng)模型的實(shí)證研究［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)， 2021（2）： 18-29.

Song Haonan， Luan Jingdong， Zhang Shiyun， et al. Land fragmentation， production diversification and agricultural production technical efficiency ［J］. Agricultural Technology and Economy， 2021（2）： 18-29.

［15］陳秧分， 王國(guó)剛， 孫煒琳. 鄉(xiāng)村振興戰(zhàn)略中的農(nóng)業(yè)地位與農(nóng)業(yè)發(fā)展［J］. 農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題， 2018 （1）： 20-26.

［16］汪偉， 艾春榮. 人口老齡化與中國(guó)儲(chǔ)蓄率的動(dòng)態(tài)演化［J］. 管理世界， 2015（6）： 47-62.

［17］齊鵬. 農(nóng)村養(yǎng)老服務(wù)長(zhǎng)效機(jī)制的構(gòu)建［J］. 中州學(xué)刊， 2019（5）： 72-79.

［18］劉駿， 劉濤雄， 謝康. 機(jī)器人可以緩解老齡化帶來(lái)的中國(guó)勞動(dòng)力短缺問(wèn)題嗎？［J］. 財(cái)貿(mào)經(jīng)濟(jì)， 2021， 42（8）： 145-160.

［19］Bai J. Panel data models with interactive fixed effects ［J］. Econometrica， 2009， 77（4）： 1229-1279.

［20］尹朝靜， 李谷成， 范麗霞， 等. 氣候變化、科技存量與農(nóng)業(yè)生產(chǎn)率增長(zhǎng)［J］. 中國(guó)農(nóng)村經(jīng)濟(jì)， 2016（5）： 16-28.

［21］王檢貴， 丁守海. 中國(guó)究竟還有多少農(nóng)業(yè)剩余勞動(dòng)力［J］. 中國(guó)社會(huì)科學(xué)， 2005（5）： 27-35， 204-205.

［22］孔祥智. 我國(guó)農(nóng)業(yè)勞動(dòng)力數(shù)量和勞動(dòng)生產(chǎn)率估算［J］. 改革， 2019， 303（5）： 38-47.

［23］陳衛(wèi). 國(guó)際視野下的中國(guó)人口老齡化［J］. 北京大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 2016， 53（6）： 82-92.

Chen Wei. China’s population ageing from an international perspective ［J］. Journal of Peking University （Philosophy and Social Sciences）， 2016， 53（6）： 82-92.

［24］李志超， 劉升. 基于ARIMA模型、灰色模型和回歸模型的預(yù)測(cè)比較［J］. 統(tǒng)計(jì)與決策， 2019， 35（23）： 38-41.