使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

人口老龄化对农地利用的影响研究

——基于大样本微观农户的考察

  • 郑淋议 1,2
  • 钱文荣 1,2 ✉
1. 浙江大学 中国农村发展研究院，浙江 杭州 310058； 2. 浙江大学 公共管理学院，浙江 杭州 310058

最近更新：2024-11-06

DOI： 10.3785/j.issn.1008-942X.CN33-6000/C.2024.01.161

  • 全文
  • 图表
  • 参考文献
  • 作者
  • 出版信息
EN 引
目录contents

摘要

农村人口老龄化问题较之城市更为严峻，它对农业生产的负面作用也愈加凸显。实证研究发现：（1）人口老龄化对农地利用具有显著的负面影响，它使得农地利用整体上从全部耕种向部分未耕种，甚至是全部未耕种的方向转变。（2）老人体能下降、返乡劳动力减少和养老金收入增加是人口老龄化引发农地利用方式转变的中介机制。同时，地形和农业机械化具有调节作用，山区的人口老龄化对农地利用的影响比平原地区更大，而农业机械化可缓解该负面影响。（3）人口老龄化具体会使农户减少农地耕种，降低农地转入以及增加农地抛荒。（4）上述农地利用方式的变化会导致粮食作物种植减少及粮食产量下降。因此，未来应健全农地流转市场，做好农业经营的代际传承，推进农业机械化服务市场建设，为人口老龄化形势下的粮食安全保驾护航。

一 引 言

人口老龄化是全球性的现象和趋势，无论是发达国家还是发展中国家，都面临着不同程度的老龄化问题，而人口的年龄结构及其变化趋势对一个国家或地区的经济社会发展以及政治状况都会产生巨大的影响［

1］。事实上，自联合国1956年在《人口老龄化及其经济社会后果》中正式提出“老龄化”概念以来，人口老龄化问题已经引起世界各国广泛关注［2-3］。作为全球老年人口最多的国家，中国的人口老龄化问题不容忽视［4-5］。第七次全国人口普查数据显示，截至2020年，中国60岁及以上人口已到达2.64亿，占全部人口的18.70%，而同期65岁及以上人口也达到1.91亿，占全部人口的13.50%。与第六次全国人口普查相比，从2010年到2020年的十年间，60岁及以上人口的比重和65岁及以上人口的比重分别上升了5.44%、4.63%。中国的人口老龄化程度进一步加深，给中国未来经济社会发展带来了潜在压力。更为严峻的是，由于城乡发展不平衡、农业农村发展不充分，农村人口老龄化出现了程度高于城镇、速度快于城镇、地区差异大于城镇、老年人口多于城镇的城乡倒置现象［6］，致使农村地区的人口老龄化问题相较于城镇显得更为急迫。

农村人口老龄化对农村经济发展具有广泛而深刻的影响［

7］。从现有研究来看，有关农村人口老龄化的代表性成果主要集中在以下四个方面：一是人口老龄化与农业要素投入的关系。比如，王善高和田旭的研究指出，老龄化增加了农业机械投入［8］；Ren等人的研究发现，老龄化减少了化肥投入。二是人口老龄化与农业生产率的关系［9］。比如，魏佳朔和高鸣的研究发现，老龄化降低了小麦的全要素生产率［10］；周宏等的研究表明，农业社会化服务有效缓解了劳动力老龄化对水稻生产效率的负面影响［11］；Maestas等人的研究进一步指出，老龄化会降低劳动生产率，进而阻碍经济增长。三是人口老龄化与农地配置效率的关系［12］。比如，张瑞娟［13］和韩家彬等［14］的研究发现，老龄化增加了农户农地转出面积，有力推动了农业规模经营。四是人口老龄化与农地利用效率的关系。比如，林本喜和邓衡山［15］以及周来友等［16］的研究发现，农业劳动力老龄化短期内并不会降低农地利用效率。回顾上述相关文献，可以发现，当前大多数研究主要关注农村人口老龄化对农业生产率、农地配置效率和农地利用效率的影响，基本侧重于农业生产末端生产效率的研究，而聚焦人口老龄化与农地利用关系的研究依然相对缺乏。

目前有两篇文献重点考察了人口老龄化对农地利用的影响。仇童伟和彭嫦艳以60岁以上人口占家庭总人口比例为人口老龄化的衡量指标，基于中国家庭金融调查数据和拓展Probit模型指出，人口老龄化不仅加剧了农地抛荒，也促进了农地转出，使得“非粮化”问题较为突出［

17］。储怡菲和吴方卫直接以受访者年龄为人口老龄化的代理变量，利用中国健康与养老追踪调查数据和面板多维固定效应模型研究发现，人口老龄化使得家庭农地转出呈现先增加后减少的趋势［18］。以上文献在为本研究提供参考价值的同时，也留下了尚待深化的空间。首先，人口老龄化的测度方式值得商榷。一方面受访者年龄难以直接反映家庭层面的人口老龄化；另一方面由于现阶段中国“老人农业”现象较为普遍［19］，将60岁及以上人口占比视为人口老龄化的衡量指标可能会低估老龄化的影响。其次，农地利用的全面考察有待加强。上述文献重点考察了人口老龄化对农地转出及农地抛荒的影响，更为偏重流动人口家庭，而对包括非流动人口家庭的农地耕种、农地转入在内的行为决策却缺乏足够关注。最后，人口老龄化影响农地利用的潜在机制需要厘清。尽管上述文献相继探讨了农机服务的调节作用及农业劳动力健康状况的中介作用，但暂未联合考察潜在的中介机制和调节机制，亦未能兼顾地形、劳动力返乡、养老收入等的影响。

在人多地少、地块细碎且分散的国情农情约束下，农地利用是基础性和方向性问题，农地利用状况在一定程度上决定着农地利用效率、农地配置效率和农业生产率。为此，国家采取多项措施奖励耕种、禁止抛荒和推动流转。比如：为提高农民耕种积极性，农业农村部每年都要发布一系列强农惠农政策，对实际种粮农民发放包括一次性农资补贴、耕地地力保护补贴、农机购置与应用补贴和农业保险保费补贴等在内的支农资金；为减少和遏制农地抛荒现象，农业农村部相继印发《关于统筹利用撂荒地促进农业生产发展的指导意见》和《农业生产发展资金项目实施方案》，要求将各地耕地抛荒情况纳入考核指标，对耕地抛荒一年以上者，取消次年补贴资格；为推动农业适度规模经营，中央相继发布《关于引导农村土地经营权有序流转发展农业适度规模经营的意见》和《农村土地经营权流转管理办法》，强调通过健全农地流转市场，推动耕地的高效利用。不过，从近几年《农民工监测调查报告》和《中国农村经营管理统计年报》来看，全国农民工规模基本保持扩大态势，而全国农地流转比例则几乎停滞不前，这在一定程度上表明上述政策的作用可能较为有限，人口老龄化可能已对农地利用产生负面冲击。基于此，在人口老龄化程度日益加深的背景下，农村人口老龄化整体上是否会影响农户的农地利用行为？人口老龄化如何影响农户的农地利用行为？人口老龄化对农地利用的影响主要受哪些因素调节，对农地耕种、流转与抛荒具体会产生什么样的影响？以上问题构成了本文的研究重点。

鉴于上述讨论，本文将以农村的农户样本为研究对象，利用最新公开的中国农村家庭追踪调查数据，综合运用面板有序Logit模型、面板多维固定效应模型、调节效应模型和分样本回归方法，从农户层面实证检验农村人口老龄化对农地利用的整体效应和具体影响，并对可能的中介机制和调节机制进行深入分析，以期为强化农村人口老龄化背景下的农地利用提供参考依据。总体上，相较于已有研究，本文潜在的边际贡献主要体现在以下三个方面：一是综合使用65岁及以上人数与劳动力人数之比、69岁及以上人数与劳动力人数之比、65岁及以上人数与家庭总人数之比、65岁及以上人数与16岁及以上人数之比等多个指标衡量人口老龄化，使得相关估计结果更为稳健；二是立足全体农户样本，在整体把握农户农地利用行为的基础上，深入讨论人口老龄化对农地耕种、农地转出、农地转入、农地抛荒的具体影响，有助于更加全面地理解人口老龄化与农地利用的定量关系；三是分别从体能效应、时间效应、中介效应入手以及从地形、农业机械等维度出发，综合考察人口老龄化影响农地利用的潜在中介机制和调节机制，使得人口老龄化与农地利用间的关系链条更为完整。

二 理论分析与研究框架

考虑到农村人口老龄化既可能通过某些潜在渠道对农地利用施加影响，也可能伴随着其他因素共同作用于农地利用，因此，为系统探索农村人口老龄化对农地利用的作用机制，本文将从中介机制和调节机制入手进行深入分析（分析框架见图1）。

fig

图1  人口老龄化影响农地利用的分析框架

（一） 农村人口老龄化对农地利用的影响：中介机制分析

农村人口老龄化对农地利用的影响是复杂的。理论上讲，它主要通过体能效应、时间效应和收入效应对农地利用施加影响。其中，时间效应理论上主要起积极作用，而体能效应和收入效应则可能产生负面影响。

首先，体能效应主要是指人口老龄化所引起的劳动力体能下降导致农业生产“后继无人”，进而使得农地利用从耕种向抛荒转变的过程。关于人口老龄化引起的体能下降，实际上并不难理解，伴随着农业劳动力年龄的不断增长，他们的生理机能或体力状况都会出现不同程度的下降，劳动力质量也将随之降低［

20］。加之农业生产经营本身就是一项颇耗体力的复杂劳动，尤其是传统农业，极大地依赖劳动力的身体素质［8］。因此，家庭劳动力体能下降理论上将给农地利用带来一定的负面影响。

其次，时间效应主要是指人口老龄化会使得转移劳动力从非农产业领域退出并再次进入农业生产领域，减少兼业劳动期间务农劳动力出现临时短缺的情况，加强农业生产方面的时间投入，进而促进农地利用从抛荒向耕种转变的过程。总体上，人口老龄化引发的劳动力回流主要表现在以下方面：一是大龄劳动力本身的返乡回流。现阶段非农劳动力在城乡劳动力市场有着严格的年龄限制，一般超过60岁的大龄农民工便不能继续在城市从事体力劳动。而这部分回流的大龄劳动力在一定时期内仍可凭借自身丰富的经验，增加对自家农地的耕种［

14］。二是中青年劳动力的返乡回流。随着年岁增长，老人的身体状况出现问题，为照料家中老人，部分中青年劳动力可能将被迫返乡务农，从而减少因务农劳动力不足而导致的农地抛荒现象［18］。因此，由人口老龄化引致的劳动力回流，理论上将给农地利用带来一定的积极影响。

最后，收入效应主要是指中国情境下人口老龄化所带来的养老金收入增加，可能会激励农户减少或退出农业生产，进而使得农地利用从耕种向抛荒转变的过程。在传统文化观念影响下，代际转移是农村老人的主要经济来源［

21］。近年来，随着国家经济实力的增强，中国相继建立起包括新型农村社会养老保险、城乡居民统一养老保险在内的农村社会保障制度，养老金收入成为老人经济来源的重要补充［22］。根据现行养老金制度，参保农民只要向政府缴纳一定比例的养老保险费，到了60岁之后，他们每月便可以领取一份属于自己的养老金。因此，当老人获得来自代际转移和养老金收入的基本保障之后，他们也可能减少或退出农业生产［23］，进而对农地利用产生一定的负面影响。

（二） 农村人口老龄化对农地利用的影响：调节机制分析

在农业生产过程中，人口老龄化对农地利用的影响还可能受到地形条件和农业机械化的调节。已有研究指出，地形条件在很大程度上决定着农业机械化作业的难易程度［

8］，一般而言，与山区相比，平原地区因其更为开阔的地形条件和较高的农地连片集中程度，更适合机械化作业，从而更加容易形成机械对短缺劳动力的替代［24］。具体到本文的农地利用而言，山区由于其地形高低起伏、农地集中连片程度较低，农业机械化作业难度较大，机械难以形成对人口老龄化条件下劳动力短缺的替代。因此，从这个意义上讲，山区的人口老龄化对农地利用的负面影响相对更大。与之相反，平原地区由于更加方便采用机械化作业，人口老龄化引发的务农劳动力不足更容易被机械所替代，这将使得平原地区的人口老龄化对农地利用的负面影响相对较小。

三 数据来源与研究设计

（一） 数据来源

本文使用的数据来自浙江大学和西南财经大学合作主导的中国农村家庭追踪调查（China rural household panel survey，CRHPS）数据库。该调查自2011年正式启动以来，每两年开展一轮全国性调查，截至目前共有五期公开面板追踪数据。整个调查涵盖全国29个省级行政区，使用分层、三阶段和人口规模成比例（PPS）抽样方法进行采样。具体而言，第一阶段按照人均GDP将全国市县分成10层，分层随机抽取样本县（区、县级市）；第二阶段从抽中的县（区、县级市）中随机抽取社区（村）；第三阶段从抽中的社区（村庄）中随机抽取住户。对农村样本的末端抽样规则是，每个样本村随机选取20户左右的农户作为受访样本。该调查具有全面而丰富的数据信息，涉及农村家庭的人口年龄结构、收入与消费支出、农业生产与经营、农地利用与流转、劳动力流动与转移、村庄人口经济与社区治理等方方面面，是研究中国农村家庭经济社会变迁不可多得的一手资料［

25］。不过，由于农地利用信息2017年起才开始涉及，本文主要使用2017年和2019年两期面板数据。为进一步探讨农村人口老龄化对农地利用的影响，在对各年度数据进行系列合并与清理的基础上，本文保留了人口老龄化、农地利用、户主个体特征、家庭特征和社区特征等关键变量，最终获得分布在全国29个省级行政区的15 469个农户样本。

（二） 变量选取与描述统计

1 被解释变量：农地利用

本文的被解释变量主要来自受访者对问卷“您家的承包耕地是否全部有人在种，包括自家种或转给父母子女、亲朋好友、邻居等耕种”的回答。其中，受访者选择答案1表示“是，全部耕种”，答案2表示“否，部分未耕种”，答案3表示“否，全部未耕种”。CRHPS数据库显示，在2017年，全部耕种的农户比例为88.90%，部分未耕种的农户比例为8.04%，全部未耕种的农户比例为3.06%。到了2019年，全部耕种的农户比例略有下降，具体为87.18%；而部分未耕种（部分抛荒）和全部未耕种（全部抛荒）的农户比例均略有上升，分别为8.94%和3.88%（见图2）。以上证据初步表明，当前农地利用形势不容乐观，农地利用有从耕种向抛荒的转变趋势。中国人多地少，耕地资源稀缺，要保障国家粮食安全，这种现象值得重视和警惕。

fig

图2  农地利用变化

2 核心解释变量：人口老龄化

目前人口老龄化的测度主要有三种方法：一是对样本农户进行不同年龄分组［

14］，比如分为青年农户、中年农户和老年农户；二是使用家庭农业劳动力的平均年龄［8］；三是使用65岁及以上人数与劳动力人数之比、65岁及以上人数与家庭总人数之比［26］。考虑到对样本农户进行不同年龄分组会严重依赖受访者或户主本身的年龄，难以反映农户家庭真实的人口老龄化程度；与此同时，农业劳动力平均年龄严格来说反映的也不是农户家庭当下的人口老龄化情况，而是农业劳动力的年龄分布情况。因此，为避免因衡量误差带来的内生性问题，本文借鉴随淑敏和何增华［27］的研究，使用65岁及以上人数与劳动力人数之比作为人口老龄化的衡量指标，同时使用69岁及以上人数与劳动力人数之比、65岁及以上人数与家庭总人数之比进行稳健性检验［9］。需要说明的是，根据人口与劳动经济学定义，本文将16岁至64岁的年龄人口视为劳动力［28］。

3 控制变量

为排除其他可观测因素对估计结果的潜在干扰，参考已有研究并结合数据可得性，本文的控制变量主要包括户主个体特征、家庭特征和社区特征三个层面。其中，户主个体特征包括年龄、年龄平方、健康程度、文化程度和婚姻状况。选取上述变量的主要原因在于，有研究指出，年龄与农地利用间通常存在非线性关系［

29］，健康程度和文化程度是重要的人力资本［14］，婚姻状况会改变家庭的就业决策［30］，它们对农地利用的影响都不容忽视。家庭特征包括非农就业、劳动力规模、家庭规模、耕地面积、耕地细碎化、农业比较收益、户主估计的耕地市场价值和家庭收入，它们主要用于刻画家庭层面的人地资源禀赋和经济状况对农地利用的潜在影响［8，31-34］。社区特征包括人地关系（村庄户均耕地面积）和经济水平（村庄人均可支配收入），它们进一步刻画村庄层面的人地资源禀赋与经济状况对农地利用的可能影响［29，32-33］。此外，考虑到中国跨越多个温度带，农地复种指数亦可能影响农地利用，因此，本文参考李宇等［35］的研究并结合中国农田熟制空间分布数据集对各省作物熟制的划分，对样本所涉省份的作物熟制进行赋值。各变量的定义和描述统计具体如表1所示。

表1  变量定义与描述统计（n=15 469）
变量变量定义均值标准差最小值最大值
农地利用 农地使用情况（全部耕种=1，部分未耕种=2，全部未耕种=3） 1.154 0.446 1 3
人口老龄化 65岁及以上人数与劳动力人数之比 0.245 0.437 0 3
年龄 户主年龄/岁 52.189 10.253 16 69
年龄平方 户主年龄平方/岁 2 828.823 1 000.747 256 4 761
健康程度 户主身体状况（非常好=1，好=2，一般=3，不好=4，非常不好=5） 2.827 1.046 1 5
文化程度 户主文化水平（文盲=1，小学=2，初中=3，高中=4，中专或职高=5，大专或高职=6，大学本科=7，硕士=8） 2.665 1.006 1 8
婚姻状况 户主是否结婚（是=1，否=0） 0.891 0.312 0 1
家庭规模 家庭总人口数 3.185 1.693 1 13
劳动力规模 家庭劳动力数量 2.907 1.121 1 8
非农就业 非农就业人数与家庭总人口之比 0.239 0.261 0 1
农业比较收益 家庭农业收入与村庄户均工资收入之差是否大于0（是=1，否=0） 0.455 0.498 0 1
家庭收入 家庭总收入/元，取对数 9.800 2.360 0 14.494
耕地面积 家庭人均承包耕地面积/亩 2.888 5.808 0.002 360
耕地细碎化 实际经营耕地的地块数量/块 5.624 5.989 1 120
耕地市场价值 户主估计的亩均耕地市场价值/元，取对数 7.348 2.258 0 15.017
人地关系 村庄户均耕地面积/亩 7.850 12.431 0.5 310.881
经济水平 村庄居民人均可支配收入/元，取对数 8.756 1.007 0 11.513
作物熟制 所在省份作物一年几熟（一熟=1，两熟=2，三熟=3） 1.711 0.513 1 3

（三） 模型设定

1 面板有序Logit随机效应模型

考虑到本文的被解释变量农地利用为三分类测度，属于离散型有序变量，同时本文使用的数据为面板数据，因此直接使用最小二乘法进行回归较为不妥。为科学评估人口老龄化对农地利用的影响，本文使用符合被解释变量有序分类特征的面板有序Logit随机效应模型

来进行研究，并建立如下基准回归方程：

Yijt=α0+α1Agingijt+α2Zijt+θj+λt+δjt+εijt （1）

式（1）中，i代表农户，j代表省份，t表示代表调查年份。等式左边Y表示农地利用，其具体含义为：当农地全部耕种时，赋值为1；部分未耕种时，赋值为2；全部未耕种时，赋值为3。等式右边的Aging表示人口老龄化，主要用65岁及以上人数与劳动力人数之比来衡量；α0为截距项；α1为人口老龄化的估计系数；Z为包括个体特征、家庭特征和社区特征在内的一系列控制变量；θj表示省份虚拟变量，主要控制不同省份的区域差异；λt表示年份虚拟变量，主要控制不同年份的外生冲击；δjt表示省份与年份的交乘项，主要控制诸如气候条件、经济形势等既随省份也随年份变化的不可观测因素；εijt为随机扰动项。

2 面板多维固定效应模型

由于中介效应模型面临潜在的内生性偏误，并不适用于因果推断的经验研究［

36］，因此，在估计人口老龄化对农地利用整体影响的基础上，本文将直接构建面板多维固定效应模型，实证检验农村人口老龄化与农地利用间的中介机制。具体的回归方程设定如下：

Medijt=β0+β1Agingijt+β2Zijt+θj+λt+δjt+ωijt （2）

在式（2）中，Med为本文所关心的中介变量，即体能效应、时间效应和收入效应，其他变量的设置与式（1）一致，β0为截距项，ωijt为随机扰动项。

3 调节效应模型

为探讨农村人口老龄化对农地利用的影响是否还会受到地形及其基础上的机械化的调节，本文在式（1）的基础上构建如下形式的回归方程：

Yijt=φ0+φ1Agingijt+φ2Tijt+φ3ATijt+φ4Zijt+θj+λt+δjt+μijt （3）
Yijt=ξ0+ξ1Agingijt+ξ2Tijt+ξ3ATijt+ξ4Mijt+ξ4ATMijt+ξ5Zijt+θj+λt+δjt+ϖijt （4）

在上述方程中，T表示地形，M表示农业机械化，AT表示交乘项“人口老龄化×地形”，ATM表示交乘项“人口老龄化×地形×机械化”，其他变量的设置与式（1）一致，φ0和ξ0为截距项，μijt和ϖijt为随机扰动项。

四 人口老龄化对农地利用的影响

（一） 基准结果

表2报告了人口老龄化对农地利用的估计结果。整个估计使用面板有序Logit模型，其中，列（1）为式（1）不加任何控制变量的估计结果；在此基础上，列（2）为逐步加入全部控制变量的基准对比分析。结果显示，不论是否加入控制变量，人口老龄化的估计系数均显著为正。该结果表明，人口老龄化正推动农地利用从耕种向抛荒转变，客观上提高了农户抛荒农地的概率。不过，加入控制变量后，人口老龄化的估计系数和统计显著性相比之前均有所下降。这意味着，可观测因素会对估计结果的精确性产生干扰，本文控制相关个体特征、家庭特征和社区特征是十分必要的。考虑到同一社区内部的干扰项可能相互关联，不同社区之间的干扰项不存在相关性，因此，为排除社区层面不可观测因素对本文估计结果的干扰，本文将聚类层次从农户提升至社区。表2列（3）报告了聚类到社区的估计结果。不难发现，无论是聚类到农户还是到社区，列（2）和列（3）中人口老龄化的估计系数相差无几，且均在5%的统计水平上正向显著。以上估计结果表明，人口老龄化容易造成家庭农业劳动力体能下降，导致可用农业劳动力数量减少，进而对农地利用产生负面影响，致使农地利用从耕种向抛荒转变。

表2  人口老龄化与农地利用：基准结果
变量被解释变量：农地利用
（1）（2）（3）
人口老龄化 0.573***（0.080） 0.211**（0.085） 0.211**（0.083）
年龄 －0.101***（0.024） －0.101***（0.023）
年龄平方 0.001***（0.000） 0.001***（0.000）
健康程度 0.242***（0.036） 0.242***（0.035）
文化程度 －0.064*（0.037） －0.064（0.042）
婚姻状态 －0.270**（0.114） －0.270**（0.116）
家庭规模 0.058（0.039） 0.058（0.038）
劳动力规模 －0.190***（0.059） －0.190***（0.057）
非农就业 0.812***（0.155） 0.812***（0.176）
农业比较收益 －1.679***（0.095） －1.680***（0.115）
家庭收入 0.017（0.018） 0.017（0.018）
耕地面积 －0.035**（0.015） －0.035*（0.019）
耕地细碎化 0.053***（0.005） 0.053***（0.007）
耕地市场价值 0.003（0.016） 0.003（0.019）
人地关系 －0.011**（0.004） －0.011（0.012）
经济水平 －0.044（0.037） －0.044（0.058）
一年一熟（基准组） — —
一年两熟 0.373***（0.096） 0.373**（0.070）
一年三熟 1.767***（0.207） 1.767***（0.275）
省份虚拟变量 控制 控制
年份虚拟变量 控制 控制
省份与年份交乘项 控制 控制
观测值 15 469 15 469 15 469
聚类层次 农户 农户 社区
Log likelihood －6 575.352 －6 119.706 －6 119.706
Wald chi2 64.59 568.80 454.15

注：  括号内数值为标准误；*表示p<0.10，**表示p<0.05，***表示p<0.01。若无特殊说明，下表同。为保持表格美观，健康程度和文化程度默认为连续变量进行回归，这并不影响人口老龄化对农地利用的估计，感兴趣的读者可向作者索要相关估计结果。

（二） 稳健性检验

为进一步验证前述人口老龄化与农地利用的正向关联是否始终成立，本文将使用以下两种方法进行稳健性检验。

第一，变换估计方法。对于被解释变量为离散型有序变量的估计，除了有序Logit模型之外，有序Probit模型也是学界常用的备选项［

37］。因此，本文也尝试使用面板有序Probit模型对式（1）进行重新估计。与此同时，为排除模型选择对前文估计结果的干扰，本文也尝试放宽模型适用条件，将面板数据视为混合截面数据，直接使用有序Logit模型和有序Probit模型来验证估计结果的稳健性。表3列（1）至列（3）依次汇报了上述模型的估计结果。结果显示，不论使用何种模型，人口老龄化的估计系数均在1%的统计水平上正向显著。这表明，当前农村人口老龄化正推动农地利用从耕种向抛荒转变，这与表2的估计结果基本一致。

表3  人口老龄化与农地利用：变换估计方法
变量被解释变量：农地利用
（1）（2）（3）
人口老龄化 0.111** 0.181*** 0.085***
（0.046） （0.059） （0.033）
控制变量 控制 控制 控制
观测值 15 469 15 469 15 469
Log likelihood －6 119.800 －6 213.034 6 207.786
Wald chi2/LR chi2 551.66 1 100.89 1 111.38

注：  控制变量同表2列（2），下同。

第二，变换核心解释变量。鉴于现阶段“老人农业”现象较为普遍，本文首先尝试使用69岁及以上人数与劳动力人数之比作为人口老龄化的代理变量进行估计，具体估计结果详见表4列（1）。与此同时，参考Ren等［

9］的研究，65岁及以上人数与家庭总人数之比也被用作人口老龄化的衡量指标，其估计结果详见列（2）。此外，本文也将使用65岁及以上人数与16岁及以上人数之比进行稳健性检验，其估计结果详见列（3）。从表4可以看出，无论人口老龄化采取何种衡量方式，它对农地利用的影响均在1%的统计水平上正向显著，这再次证明了前文估计结果的可靠性。

表4  人口老龄化与农地利用：变换核心解释变量
变量被解释变量：农地利用
（1）（2）（3）
人口老龄化 0.275** 0.550*** 0.539***
（0.130） （0.206） （0.197）
控制变量 控制 控制 控制
观测值 15 469 15 469 15 469
Log likelihood －6 120.572 －6 119.239 －6 119.065
Wald chi2 568.80 568.99 568.80

综上所述，在经过一系列稳健性检验之后，人口老龄化对农地利用的影响始终显著为正，这表明本文的估计结果较为可信。在人口老龄化进程不断加快的背景下，有必要防范人口老龄化对农地利用的负面冲击，尽快采取措施遏制农地利用从耕种向抛荒转变的不良现象。

（三） 拓展性分析

前文论证了人口老龄化对农地利用的负面影响，然而，农地利用从耕种向抛荒转变是否会对粮食生产产生影响依然有待探索。由于农地是粮食生产的禀赋基础，农地利用方式的变化理论上也将影响到农业种植结构的调整及粮食产量的变化［

17］。为验证上述假说，在已有研究基础上，本文将进一步考察农地利用对农业种植结构和粮食产量的影响。根据数据可得性，粮食种植结构主要用“农户是否只种植粮食作物（是=1，否=0）”来表征；粮食产量主要使用“家庭粮食总产量/千克，取对数”来衡量。表5报告了相关估计结果。结果显示，与全部耕种相比，部分未耕种和全部未耕种不仅会促使农户减少纯粮食作物种植，引发农业种植结构调整，还会降低粮食产量，对粮食安全构成潜在威胁。

表5  拓展性分析：农地利用与粮食生产
变量种植结构粮食产量
（1）（2）
全部耕种（基准组） — —
部分未耕种 －0.056*** －0.669***
（0.014） （0.092）
全部未耕种 －0.288*** －3.093***
（0.021） （0.140）
控制变量 控制 控制
观测值 15 469 15 469
R2 0.092 0.236

五 人口老龄化对农地利用的机制检验

在证明人口老龄化对农地利用的负面影响之后，本文将进一步对人口老龄化与农地利用之间的作用机制进行检验，以期为促进人口老龄化背景下农地的有效利用提供有益镜鉴。

（一） 农村人口老龄化对农地利用的影响：中介机制检验

本文使用面板多维固定效应模型来检验农地利用过程中的体能效应、时间效应和收入效应是否存在。结合前文的理论分析，首先，劳动力体能下降主要归因于年龄增长带来的健康水平下降，因此，体能效应主要用“家中健康老人占比（取值：0—1）”来表征；其次，时间效应主要用“家中返乡劳动力占比（取值：0—1）”来衡量；最后，鉴于代际转移和养老金收入日益成为农村老人主要经济来源，收入效应主要用“农户代际转移与养老金收入之和/元，取对数”来衡量。

表6报告了基于式（2）面板多维固定效应模型的估计结果。首先，从体能效应来看，列（1）结果显示人口老龄化的估计系数为－0.042，且在1%的统计水平上显著，这表明体能效应是存在的，家庭人口老龄化的加重会使家中老人的身体状况发生恶化［

18］。而老人健康水平下降不仅使其无法从事农业生产，且需要家人的额外照料，这将对农地利用产生负面影响。其次，从时间效应来看，列（2）结果显示，人口老龄化会显著减少外出劳动力返乡。这与理论预期不尽一致，可能的原因在于，一方面进城务工的大龄劳动力在65岁前可能已经返乡，加之本文对人口老龄化的测度方式，导致人口老龄化对大龄劳动力的返乡并无影响；另一方面由于人口老龄化会减少家庭可用劳动力供给，青壮年劳动力将面临更大的经济负担，尽管家中老人需要照顾，但在农业比较收益依然相对较低的形势下，青年劳动力返乡照顾老人会直接减少家庭经济来源，因此他们不得不外出务工。最后，从收入效应来看，列（3）结果显示，人口老龄化每上升一个单位，养老收入将增加63.5%。这表明收入效应是存在的，由于代际转移和养老金收入可以满足老人日常基本生活需要，他们将相应地减少或退出农业生产。

表6  人口老龄化对农地利用的影响：中介效应检验
变量体能效应时间效应收入效应
（1）（2）（3）
人口老龄化 －0.042*** －0.017** 0.635***
（0.013） （0.007） （0.184）
控制变量 控制 控制 控制
观测值 1 872 15 469 15 469
Log likelihood — — —
Wald chi2 — — —
R2 0.438 0.036 0.154

（二） 农村人口老龄化对农地利用的影响：调节机制检验

为考察人口老龄化对农地利用的影响是否受地形条件及其基础上的农业机械化的调节，本文利用调节效应模型对相关调节效应进行深入分析。表7列（2）和列（3）分别汇报了基于式（3）和式（4）的估计结果。其中，地形用“所在地形是否为山区（山区=1，平原=0）”来衡量，农业机械化用“家庭机械总价值/元，取对数”来衡量。列（2）的估计结果显示，“人口老龄化×地形”的估计系数为0.016，人口老龄化的估计系数为0.181，两者分别在1%和10%统计水平上显著。这意味着山地地形会加剧人口老龄化在农地利用方面的负面影响。具体而言，山区人口老龄化对农地利用的影响效应为0.197（0.181+0.016），而平原地区人口老龄化对农地利用的影响效应为0.181。该结果表明，人口老龄化对农地利用的影响受到地形的调节，与平原地区相比，山区的人口老龄化对农地利用的负面效应更大。列（3）的估计结果进一步显示，“人口老龄化×地形×机械化”的估计系数为－0.232，且在1%的统计水平上显著为负。这表明农业机械可以削弱山区人口老龄化对农地利用的负面影响，且农户所拥有的机械越多，人口老龄化对农地利用的负面影响越小。

表7  人口老龄化对农地利用的影响：调节机制检验
变量被解释变量：农地利用
（1）（2）（3）
人口老龄化 0.211** 0.181* 0.189*
（0.085） （0.106） （0.107）
人口老龄化×地形 0.016*** 0.211***
（0.004） （0.023）
人口老龄化×地形×机械化 －0.232***
（0.027）
控制变量 控制 控制 控制
观测值 15 469 15 469 15 469
Log likelihood －6 119.706 －6 091.288 －6 028.261
Wald chi2 568.80 583.17 627.40

六 人口老龄化对农地耕种、流转与抛荒的影响

前文估计结果发现，人口老龄化总体上会推动农地利用从耕种向抛荒转变，但人口老龄化具体如何影响农户的农地利用行为仍不得而知。考虑到现实中的农地利用方式大致可分为耕种、流转和抛荒三种类型，为此，本文将进一步探讨人口老龄化对耕种、流转与抛荒三种农地利用方式分别产生了什么样的影响。具体地，为检验估计结果的稳健性和保持前后表格的一致性，本文将分别考察人口老龄化对农户自家耕地全部耕种、部分耕种的影响，对农地转出、农地转入的影响，以及对农户经营耕地全部抛荒、部分抛荒的影响。

（一） 农村人口老龄化对农地耕种的影响

表8报告了人口老龄化对农地耕种的估计结果。其中，全部耕种用“自家农地是否全部耕种（是=1，否=0）”来表示，部分耕种用“自家农地是否只耕种了部分（是=1，否=0）”来表示。从列（1）和列（2）的估计结果可以看出，人口老龄化使得农地全部耕种的概率下降2.8%，农地部分耕种的概率增加2.5%。这表明，伴随着家庭人口老龄化程度的提高，由于家庭务农劳动力的缺乏，农户会减少全部耕种，并选择耕种其中部分农地。

表8  人口老龄化对农地耕种的影响
变量全部耕种部分耕种
（1）（2）
人口老龄化 －0.028*** 0.025***
（0.008） （0.007）
控制变量 控制 控制
观测值 12 314 12 314
R2 0.090 0.063

（二） 农村人口老龄化对农地流转的影响

表9报告了人口老龄化对农地流转的估计结果。其中，农地转出用“您家是否有农地转出（是=1，否=0）”来表示，农地转出用“您家是否有农地转入（是=1，否=0）”来表示。根据列（1）和列（2）的估计结果不难发现，人口老龄化并没有增加农地转出的概率，但它使农地转入的概率减少1.7%。可能的原因在于目前农地流转市场需求相对不足，据《中国农村经营管理统计年报》统计，2017年以来全国农地流转比率一直维持在36%左右，这使得部分农户无法耕种的农地难以顺利转出，只能被迫抛荒。因此，在农地流转市场不发达的情形下，人口老龄化不仅不会促进农地转出，反而还会抑制农地转入。这从另外一个角度再次证明了人口老龄化对农地利用的负面影响。

表 9  人口老龄化对农地流转的影响
变量农地转出农地转入
（1）（2）
人口老龄化 －0.011 －0.017***
（0.011） （0.006）
控制变量 控制 控制
观测值 15 464 15 469
R2 0.054 0.067

（三） 农村人口老龄化对农地抛荒的影响

表10报告了人口老龄化对农地抛荒的估计结果。其中，全部抛荒用“您家农地是否全部抛荒（是=1，否=0）”来表示，部分抛荒用“您家农地是否只抛荒了部分（是=1，否=0）”来表示。根据列（1）和列（2）的估计结果不难看出，人口老龄化使得农地全部抛荒的概率上升1个百分点，农地部分抛荒的概率增加2个百分点。这表明，在家庭人口老龄化程度加剧之后，部分农户会退出农业生产，选择部分抛荒甚至全部抛荒农地。该估计与仇童伟和彭嫦艳［

17］的研究结论高度一致。

表10  人口老龄化对农地抛荒的影响
变量全部抛荒部分抛荒
（1）（2）
人口老龄化 0.010** 0.020***
（0.004） （0.007）
控制变量 控制 控制
观测值 15 469 15 469
R2 0.013 0.056

综上，可以发现，农户家庭层面的人口老龄化会显著降低农地耕种和农地转入的概率，同时显著增加农地抛荒的可能性，不过，它对农地转出并没有显著影响。这表明人口老龄化对农地利用的负向冲击相对较大，在人口老龄化作用下，农地利用整体上已从耕种向抛荒转变。这与前文的基准回归结果基本一致。

七 结论与启示

（一） 主要结论

由于城乡发展不平衡和农业农村发展不充分，农村人口老龄化问题比城市更为严峻，它对农业生产的负面作用也越来越值得重视。本文利用中国农村家庭追踪调查2017年和2019年两期农户面板追踪数据，运用面板随机效应模型实证检验了农村人口老龄化对农地利用的影响。研究发现，人口老龄化整体上会促使农地利用方式从耕种向抛荒转变，而且会降低农地耕种的概率，同时抑制农地转入，增加农地抛荒的可能性。机制分析结果表明，人口老龄化会导致老人体能下降、抑制劳动力回流及增加农村老人的养老金收入，从而对家庭农地利用造成负面影响。与此同时，地形在人口老龄化影响农地利用的过程中起着调节作用，相较于平原地区，山区的人口老龄化对农地利用的负面影响更大，但幸运的是农业机械化可以在一定程度上缓解这一负面影响。进一步分析发现，上述农地利用方式变化不仅会促使农户减少纯粮食作物种植，引发农业种植结构调整，还会降低粮食产量，对粮食安全构成潜在威胁。

（二） 政策启示

基于上述结论，本文得出如下政策启示。

第一，要健全农地流转市场，严防并遏制农地抛荒，着力解决“有地可种”的问题。现阶段人口老龄化已促使农地利用从耕种向抛荒转变，但农地流转市场的发展却停滞不前，人口老龄化不仅未能促进农地转出，而且抑制了农地转入。因此，在人口老龄化背景下，政府有必要健全农地流转市场，让人口老龄化问题较为严峻的农户可自愿有偿地将农地流转出去，避免农地的浪费与闲置，筑牢粮食安全的根基。

第二，要培育新型农业经营主体，做好农业经营的代际传承，着力解决“无人种地”的问题。鉴于当前农村70后不愿种地、80后不会种地、90后不提种地的现象较为突出，为确保农业经营的持续性，政府有必要守护包括60后在内的老年人口的身体健康，及时发挥他们在新型农业经营主体培育过程中的传帮带作用，推动新老农业经营主体的平稳过渡与有效衔接。

第三，要完善农业机械化服务市场，强化机械对劳动的替代，着力解决“如何种地”的问题。本文估计结果表明，农业机械化可以削弱人口老龄化对农地利用的负面影响，尤其是在自然条件相对恶劣的山区。因而，政府有必要推进农业机械化服务市场建设，加大农业机械补贴支持力度，通过推广机械使用来弥补老龄化背景下农业劳动力的不足。特别是要高度重视山区农业基础设施建设，改善山区农业生产条件，努力为山区农业机械的使用与推广创造有利条件。

参 考 文 献

1

蔡昉：《中国老龄化挑战的供给侧和需求侧视角》，《经济学动态》2021年第1期，第27-34页。 [百度学术] 

2

陈卫：《国际视野下的中国人口老龄化》，《北京大学学报（哲学社会科学版）》2016年第6期，第82-92页。 [百度学术] 

3

Wang Q.， Li L. & Li R.， “Uncovering the impact of income inequality and population aging on carbon emission efficiency： an empirical analysis of 139 countries，” Science of The Total Environment， Vol. 857 （2023）， https：//doi.org/10.1016/j.scitotenv.2022.159508. [百度学术] 

4

谢永清、李香菊：《应对人口老龄化税收政策的国际经验及中国启示》，《人口与经济》2023年第5期，第88-97页。 [百度学术] 

5

Yao Y.， Lv X. & Qiu C. et al.， “The effect of China’s Clean Air Act on cognitive function in older adults： a population-based， quasi-experimental study，” The Lancet Healthy Longevity， Vol. 3， No. 2 （2022）， pp. e98-e108. [百度学术] 

6

林宝：《中国农村人口老龄化的趋势、影响与应对》，《西部论坛》2015年第2期，第73-81页。 [百度学术] 

7

廖柳文、高晓路：《人口老龄化对乡村发展影响研究进展与展望》，《地理科学进展》2018年第5期，第617-626页。 [百度学术] 

8

王善高、田旭：《农村劳动力老龄化对农业生产的影响研究——基于耕地地形的实证分析》，《农业技术经济》2018年第4期，第15-26页。 [百度学术] 

9

Ren C.， Zhou X. & Wang C. et al.， “Ageing threatens sustainability of smallholder farming in China，” Nature， Vol. 616 （2023）， pp. 96-103. [百度学术] 

10

魏佳朔、高鸣：《农业劳动力老龄化如何影响小麦全要素生产率增长》，《中国农村经济》2023年第2期，第109-128页。 [百度学术] 

11

周宏、王全忠、张倩：《农村劳动力老龄化与水稻生产效率缺失——基于社会化服务的视角》，《中国人口科学》2014年第1期，第53-65页。 [百度学术] 

12

Maestas N.， Mullen K. J. & Powell D.， “The effect of population aging on economic growth， the labor force， and productivity，” American Economic Journal： Macroeconomics， Vol. 15， No. 2 （2023）， pp. 306-332. [百度学术] 

13

张瑞娟：《农村人口老龄化影响土地流转的区域差异及比较》，《农业技术经济》2017年第9期，第14-23页。 [百度学术] 

14

韩家彬、刘淑云、张书凤等：《农业劳动力老龄化对土地规模经营的影响》，《资源科学》2019年第12期，第2284-2295页。 [百度学术] 

15

林本喜、邓衡山：《农业劳动力老龄化对土地利用效率影响的实证分析——基于浙江省农村固定观察点数据》，《中国农村经济》2012年第4期，第15-25页。 [百度学术] 

16

周来友、仇童伟、周冬等：《丘陵山区劳动力老龄化对土地利用效率的影响——基于直接效应和间接效应的识别》，《中国土地科学》2015年第10期，第35-41页。 [百度学术] 

17

仇童伟、彭嫦燕：《农业人口老龄化对农地配置与种粮决策的影响：来自中国家庭金融调查的证据》，《中国农村观察》2023年第4期，第129-150页。 [百度学术] 

18

储怡菲、吴方卫：《农业劳动力老龄化与农地转出决策变动——基于家庭承包耕地决策权代际转移的视角》，《农业技术经济》，2023年9月5日，https：//doi.org/10.13246/j.cnki.jae.20230925.001。 [百度学术] 

19

杨进、陈志钢：《劳动力价格上涨和老龄化对农村土地租赁的影响》，《中国农村经济》2016年第5期，第71-83页。 [百度学术] 

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》，《农业经济问题》2013年第2期，第36-43页。 [百度学术] 

21

张川川、陈斌开：《“社会养老”能否替代“家庭养老”？——来自中国新型农村社会养老保险的证据》，《经济研究》2014年第11期，第102-115页。 [百度学术] 

22

钱文荣、洪甘霖、郑淋议：《社会养老保障水平与农地流转市场发育——基于数量和质量的双重视角》，《农业经济问题》2022年第8期，第4-18页。 [百度学术] 

23

黄祖辉、李懿芸、毛晓红：《我国乡村老龄化现状及其对粮食生产的影响与应对》，《西北农林科技大学学报（社会科学版）》2024年第2期，第35-42页。 [百度学术] 

24

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》，《经济学（季刊）》2017年第1期，第45-66页。 [百度学术] 

25

Qian W.， The Economy of Chinese Rural Households， Singapore： Palgrave Macmillan， 2020. [百度学术] 

26

林宝：《人口老龄化城乡倒置：普遍性与阶段性》，《人口研究》2018年第3期，第38-50页。 [百度学术] 

27

随淑敏、何增华：《人口老龄化对企业创新的影响——基于人口普查数据与微观工业企业数据的实证分析》，《人口研究》2020年第6期，第63-78页。 [百度学术] 

28

蔡昉、都阳、高文书等：《劳动经济学——理论与中国现实》，北京：北京师范大学出版社，2014年。 [百度学术] 

29

Zheng L.， Su L. & Jin S.， “Reducing land fragmentation to curb cropland abandonment： evidence from rural China，” Canadian Journal of Agricultural Economics， Vol. 71， No. 3-4 （2023）， pp. 355-373. [百度学术] 

30

钱龙、冷智花、付畅俭：《人口老龄化对居民家庭创业行为的影响——来自CFPS的经验证据》，《改革》2021年第6期，第83-96页。 [百度学术] 

31

郑淋议：《农地产权稳定性对农户耕地抛荒行为的影响》，《中国人口·资源与环境》2022年第12期，第166-175页。 [百度学术] 

32

Zheng L. & Qian W.， “The impact of land certification on cropland abandonment： evidence from rural China，” China Agricultural Economic Review， Vol. 14， No. 3 （2022）， pp. 509-526. [百度学术] 

33

Zheng L.， “Does off-farm work induce farmland abandonment？ evidence from China，” China Agricultural Economic Review， Vol. 16， No. 4 （2024）， pp. 664-682. [百度学术] 

34

Zheng L.， “Big hands holding small hands： the role of new agricultural operating entities in farmland abandonment，” Food Policy， Vol. 123 （2024）， https：//doi.org/10.1016/j.foodpol.2024.102605. [百度学术] 

35

李宇、邱炳文、何玉花等：《基于MODIS数据的2001—2018年中国耕地复种指数反演研究》，《地理科学进展》2020年第11期，第1874-1883页。 [百度学术] 

36

江艇：《因果推断经验研究中的中介效应与调节效应》，《中国工业经济》2022年第5期，第100-120页。 [百度学术] 

37

Zheng L.， Li L. & Zhao Z. et al.， “Does land certification increase farmers’ use of organic fertilizer？ evidence from China，” Journal of Land Use Science， Vol. 18， No. 1 （2023）， pp. 39-54. [百度学术]