楊芷晴

(華中農業(yè)大學 經(jīng)濟管理學院，湖北 武漢 430070)

一、問題的提出

伴隨著工業(yè)化和農業(yè)現(xiàn)代化進程的推進，由環(huán)境污染所帶來的農業(yè)綠色發(fā)展問題日益嚴峻。根據(jù)環(huán)保部發(fā)布的《2016中國環(huán)境狀況公報》，2016年我國地表水Ⅳ類(1)根據(jù)《地表水環(huán)境質量標準》(GB 3838-2002)，Ⅰ、Ⅱ類水質可用于飲用水源一級保護區(qū)、珍稀水生生物棲息地、魚蝦類產卵場、仔稚幼魚的索餌場等；Ⅲ類水質可用于飲用水源二級保護區(qū)、魚蝦類越冬場、洄游通道、水產養(yǎng)殖區(qū)、游泳區(qū)；Ⅳ類水質可用于一般工業(yè)用水和人體非直接接觸的娛樂用水；Ⅴ類水質可用于農業(yè)用水及一般景觀用水；劣Ⅴ類水質除調節(jié)局部氣候外，幾乎無使用功能。及以下等級水質占監(jiān)測點總量的比重是32.3%，湖泊(水庫)中Ⅳ類及以下水質的比例是33.9%。國土資源部門和水利部門對地下水質量綜合評價的結果顯示，較差及以下等級的占比高達60.1%和76%。其中，化學需氧量、五日生化需氧量和氨氮等是主要的污染指標。從這些污染物的來源來看，來自農村的污染比例正逐漸超過城市，成為主要的排放源。除此之外，農業(yè)生產的其他污染物也日益嚴重。據(jù)農業(yè)部披露，當前我國農藥利用率僅為36.6%，大量農藥殘留在土、水、氣中。全國耕地面積大概有40%出現(xiàn)退化，東北黑土地有機質含量下降，南方部分地區(qū)出現(xiàn)土壤酸化。農村環(huán)境污染正通過耕地質量、勞動力健康、大氣與水污染等威脅著農業(yè)的綠色發(fā)展，且這種負效應正擴散到城市，逐步抵消著經(jīng)濟增長的社會福利改善。

而現(xiàn)實情況是，我國的農業(yè)生態(tài)補償機制尚未健全，農業(yè)污染行為成本低且監(jiān)管乏力，農業(yè)綠色生產的供需雙方激勵都嚴重不足。從農村環(huán)境污染的供給端來看，與城市的點源污染相比，一方面，農業(yè)的污染主要是面源污染，具有排放分散、隱蔽性特征[1-3]，且污染范圍廣泛、不易監(jiān)測，監(jiān)管難度大、成本高。而工業(yè)污染的結構性特征明顯。如造紙、農副食品加工、化學原料和化學制品制造業(yè)、紡織業(yè)等4個行業(yè)就占到工業(yè)源排放量的一半以上。另一方面，如前所述，農村地區(qū)的環(huán)境污染同時會影響土地和勞動力質量，而惡化的環(huán)境還會以資源詛咒的方式進一步影響農民收入，促使其采取掠奪環(huán)境的生產行為獲得收入，帶來進一步的污染，形成“貧困-污染”陷阱(poverty-pollution trap)。速水佑次郎和神門善久[4]在對發(fā)展中國家農業(yè)發(fā)展的研究中就曾指出，由農村貧困和農業(yè)現(xiàn)代技術制約的相互作用更容易產生農業(yè)污染，使經(jīng)濟陷入低質量發(fā)展的陷阱之中。從農村環(huán)境污染的需求端來看，當前我國農村廢棄物資源化利用尚未形成體系，相關的社會化服務程度也不高，農業(yè)污染難以依靠市場機制予以規(guī)制。而若采取強制性監(jiān)督或管制的治理措施，不僅成本高昂、監(jiān)管難度大、治理成本高，而且往往效果并不好。

其中一種可能的解決方式，是從農村地區(qū)的教育人力資本入手，即主要通過農戶生產技能水平的提升，提高污染性生產要素的使用效率，并進一步將其內化為農業(yè)綠色生產的行為約束，以農業(yè)生產方式的轉變(如種養(yǎng)習慣改變、化肥農藥使用、廢棄物處理與利用等)來減少污染，提高農業(yè)的綠色發(fā)展，而不是單純依靠增加要素投入、農業(yè)技術來獲得農業(yè)產出和農民收入的持續(xù)增長。

具體來說，教育是如何影響綠色生產率的？這一問題在農村和城市地區(qū)差別較大，主要源于以下三個方面的問題：一是城市地區(qū)的環(huán)境污染主要是點源污染，污染物排放的行為決策多來自掌握權力的少數(shù)企業(yè)管理者，且具有一定的行業(yè)分布特征。而農業(yè)污染則主要來自于農民的生產行為，農業(yè)的生產決策幾乎都來自于農戶個人，與農戶個人的環(huán)保意識、技能水平、風險控制能力等息息相關，而以上因素都與農民的受教育程度、務農經(jīng)驗以及所接受的職業(yè)教育、技術培訓等教育人力資本有關。二是與工業(yè)不同，土地是農業(yè)生產的主要生產資料，缺乏教育可能帶來的環(huán)境退化行為會直接影響到土地質量，進而影響農業(yè)產出和可持續(xù)發(fā)展。而受過良好教育的農戶會意識到這一問題并自覺減少污染。如有學者研究發(fā)現(xiàn)，完成中學的成年人通常使用休耕來減少土壤侵蝕和化肥損失[5]。三是農村面源污染帶來的大氣和水體污染還會直接影響勞動者健康狀況，進而影響勞動力的生產技能。在傳統(tǒng)的農業(yè)技術下，適宜耕作的土地供給隨著人口增長越來越短缺，貧困的農民將被迫耕種相對脆弱的土地，或開發(fā)邊際土地上脆弱的自然資源等不可持續(xù)的活動來獲得收入[6-7]。而環(huán)境污染對農業(yè)經(jīng)濟的損害將會帶來貧困的惡性循環(huán)，身體健康狀況較差的勞動者更容易受到農業(yè)污染的環(huán)境損害，讓貧困家庭更為貧窮，從而使經(jīng)濟陷入李嘉圖的貧困和不平等陷阱之中。

基于以上背景，本文從農業(yè)綠色生產的角度研究教育的影響機制，以及不同教育形式對農業(yè)綠色生產率的不同影響，以回答當前中國農業(yè)綠色生產發(fā)展究竟需要怎樣教育的問題。與現(xiàn)有研究相比，本文預期將在如下兩方面有所貢獻：

第一，本文特別關注了農村教育中的非學歷教育對農業(yè)綠色生產率的影響。根據(jù)韋伯新世界詞典(1962，第461頁)，“教育”是“人們知識、技能、思想和品格等方面的訓練與開發(fā)過程”。從教育形式來看，主要有全日制在校學歷教育和非在校形式的非學歷教育兩大類。從學歷教育來看，我國農村地區(qū)的在校學歷教育包括義務教育(中小學教育)、高中階段教育、高等教育等；從非學歷教育來看，我國農村地區(qū)的非在校教育形式較多，包括學前教育、職業(yè)教育、成人技術培訓等，其目的是提高農民技能、促進農民轉移、就業(yè)與再就業(yè)等等。由于我國農業(yè)生產者大多以自我雇傭為主，這意味著以農業(yè)技能培訓、就業(yè)與再就業(yè)為主要目的的非學歷教育對于農業(yè)生產發(fā)展方面的作用可能更大。然而，從現(xiàn)有研究來看，不論是理論還是實證分析文獻，對非學歷教育的研究都稍顯不夠。如Prichett就曾質疑過這種單純使用受教育年限的簡單增長模型的合理性[8-9]。事實上，用平均受教育年限作為教育的唯一衡量指標還暗含了這樣一個假設：在任何教育制度下，多接受一年的教育所帶來的知識和技能增長是相同的。這種度量方法同時還假定了學歷教育是教育的主要來源，其他如非在校教育的因素的影響都是微不足道的。但這實際上并不適合我國農村的教育背景與經(jīng)濟發(fā)展實際情況。

第二，本文重點關注了農村不同教育形式(包括學歷教育和非學歷教育)對農業(yè)綠色生產率的差異性影響。過去有關教育經(jīng)濟問題的研究中，多使用受教育年限這一指標進行實證分析。然而，不少研究結果表明，受教育程度在中國農村地區(qū)收入的影響較為微弱，不論是對農業(yè)產業(yè)還是非農產業(yè)[10-11]。這要求我們尋求更為有效的變量來加以衡量教育的作用。在我國小農經(jīng)濟背景下，受教育水平事實上難以全面有效地衡量以自我雇傭為主的農村勞動者的真實技能水平。對于農業(yè)生產者來說，其生產技能高低、要素配置能力以及化肥農藥使用行為除了與其所受教育程度相關之外，還與其參與的其他各類形式的非學歷教育有關，如職業(yè)教育、技術培訓等。因此，本文的教育指標除了考慮以農村地區(qū)的平均受教育年限為基礎的學歷教育之外，還重點考察了農村非學歷教育的影響；并將學歷教育按等級分為初級、中級和高級三大類，非學歷教育按類別分為職業(yè)培訓、就業(yè)訓練、技工培訓、職業(yè)鑒定四大類，以探討不同教育形式的差異性影響。

在實證處理中，若以區(qū)域為研究對象考察教育與綠色生產率之間的關系，一般都會得到教育和綠色生產率存在正相關關系。然而，由于可能存在遺漏變量，這種相關關系不一定是因果關系，且相關系數(shù)并不一定準確。而其中最常見的是一個遺漏變量是收入水平。隨著農村居民收入水平的提高、受教育水平大幅上升的同時，農業(yè)生產性活動比重將降低，農村改水設施、環(huán)境治理能力等都會得到改善，農村總體環(huán)境狀況將會得到改善，這將會促進農業(yè)的持續(xù)健康發(fā)展。而除了收入水平之外，可能的遺漏變量還包括區(qū)域功能特征、自然條件、種養(yǎng)習慣等因素。這些因素一方面會通過教育對農村環(huán)境污染起作用，另一方面也會直接與農民的農業(yè)生產活動所帶來的環(huán)境污染有關，而這都會影響農業(yè)的綠色生產。而如果在回歸分析中不能完全控制這些變量，將會帶來估計的偏誤。為此，本文的實證分析中一方面加入了農村地區(qū)的收入水平這一變量，以控制上述影響；另一方面，在農業(yè)綠色生產率的計算中，特別考慮了地理層面的因素，包括各省的不同地形地貌、氣象條件、種植制度、土壤類型、耕作方式等特征，利用第一次全國污染源普查發(fā)布的《農田地膜殘留系數(shù)手冊》、《肥料流失系數(shù)手冊》、《畜禽養(yǎng)殖業(yè)源產排污系數(shù)手冊》、《農藥流失系數(shù)手冊》，并參考相關文獻，采用單元調查法計算了2006-2015年省級層面的農業(yè)綠色生產率。與此同時，為了控制非學歷教育可能帶來的自選擇問題，我們在具體變量的選取中采用了相對外生的各非學歷機構數(shù)量來衡量，而沒有使用各學歷機構中農村勞動者的培訓數(shù)量、結業(yè)人數(shù)等來衡量，能在一定程度上消除樣本自選擇帶來的偏誤。

二、文獻綜述與研究假說

本文重在考察農村不同教育形式在農業(yè)綠色生產發(fā)展中的重要作用。如前所述，由于我國農業(yè)生產的分散性、隱蔽性特征，加之我國農業(yè)生態(tài)補償?shù)氖袌龌瘷C制尚未健全，無論是依靠市場手段予以規(guī)制，還是采取政府強制性監(jiān)督或管制的治理措施，都難以奏效。而教育作為一種重要的人力資本，能夠從正反兩方面的約束來推動農業(yè)的綠色生產。具體來說，從農民生產行為的內在約束來看，一方面教育能夠通過提高農民技能而減少污染性要素的使用，另一方面，由于農民既是污染的貢獻者，同時也是環(huán)境損害的最終受害者(如耕地質量惡化帶來的農業(yè)單位產出降低、水污染和空氣污染導致的健康損害等)，教育水平較高的地區(qū)，往往更能意識到環(huán)境污染的不可持續(xù)，進一步促進農民采納更加綠色的生產行為。從農民生產行為的外在約束來看，教育水平的提升一定程度上能夠緩解地方政府出于晉升考慮而采取犧牲環(huán)境要發(fā)展的短視行為，教育水平越高的農村地區(qū)，政府部門越有可能實施更嚴厲的環(huán)境污染治理措施。而這將有助于從反向激勵農業(yè)生產者采取環(huán)境友好的生產行為?；谝陨戏治觯疚姆謩e從教育與勞動力生產技能、地方環(huán)境規(guī)制的關系視角分析教育對農業(yè)綠色生產率的影響機制。

(一)教育、農業(yè)生產技能與農業(yè)綠色生產率

從農業(yè)生產端來看，教育對農業(yè)綠色生產率的影響主要是通過農業(yè)生產者內化的行為約束來實現(xiàn)的，而這將直接影響農業(yè)的生產技術。農民的技能水平如何，以及采用什么樣的生產方式都決定了農業(yè)生產過程中的污染性要素使用以及污染物的排放。這主要表現(xiàn)為教育水平高的農民會選擇采用更科學的方法進行農業(yè)生產。如更高教育水平的農戶可能越能夠科學地施用農藥化肥、更高的要素使用效率以及更為自覺的環(huán)境保護意識，而這種行為約束將會直接影響農業(yè)的綠色生產。

一方面，地區(qū)教育整體水平的改善會直接影響農戶個人的綠色生產行為和社會的總體環(huán)境狀況。如具有更高教育水平的農業(yè)生產者可能會更愿意選擇采用更加環(huán)境友好的方式進行生產，如減少化肥農藥的使用、更多采用有機肥等。這種更加環(huán)境友好的生產行為將對環(huán)境污染狀況起到明顯的改善作用。研究表明，教育水平較高的農戶往往具有更高的綠色生態(tài)意識。如Swinton等發(fā)現(xiàn)完成中學的成年人通常使用休耕來減少土壤侵蝕和化肥損失，受過良好教育的戶主不太可能發(fā)生過度放牧和砍伐樹木行為[5]。Torras研究發(fā)現(xiàn)，環(huán)境污染和中學生毛入學率之間明顯的負相關關系，識字率提高可以減少空氣污染和改善低收入國家的衛(wèi)生設施[12-13]。更高教育水平的農民也更有可能參加到環(huán)境改善的農業(yè)計劃項目中。王建華等研究發(fā)現(xiàn)，諸如農藥施用知識與技能培訓等人力資本投資，對于農民減少施用量、確保食品質量安全和緩解環(huán)境污染現(xiàn)狀都有顯著的積極影響[14]。從宏觀層面來看，McMahon提出的動態(tài)模擬法(dynamic simulation)估算了教育的間接受益，發(fā)現(xiàn)教育在減少水污染、空氣污染、森林砍伐和保護野生動物棲息地上均有著重要的作用[15-16]。

另一方面，教育還會提高農民的技能水平和產出效率，進而提高勞動生產率與污染性要素(如農藥、化肥、農用塑料薄膜等)的使用效率。一般來說，教育水平越高的勞動者往往能夠用較少的生產要素投入獲得較高的農業(yè)產出，這將直接導致化肥農藥等污染性要素投入的減少。反之，當生產技術給定時，若生產者信息不足，缺乏了解一系列適用于自己經(jīng)濟、環(huán)境特征的生產技術，則可能會采取一些對環(huán)境質量有影響的無效率生產行為，使環(huán)境遭到污染、土地要素質量惡化。如王緒龍等研究發(fā)現(xiàn)教育程度、信息來源等因素對農戶進行生態(tài)支付的意愿具有顯著的正向影響[17]。劉丁蓉等研究提出，在中高等教育比重和人群中健康比重高的地區(qū)，不僅勞動生產率相對較高，而且對高生產率增長也受到了積極影響[18]。

基于以上分析，本文提出如下假設：

H1：教育會通過改善地區(qū)的農業(yè)生產技能進而促進農業(yè)的綠色生產率。

(二)教育、地區(qū)環(huán)境規(guī)制與農業(yè)綠色生產率

從地區(qū)環(huán)境質量的供需角度來看，一個地區(qū)的環(huán)境狀況實際上是地區(qū)環(huán)境質量需求與政府環(huán)境治理能力的動態(tài)均衡。而教育能夠同時影響地區(qū)的環(huán)境需求與政府治理能力，從而影響地區(qū)的環(huán)境規(guī)制政策投放和農業(yè)的綠色發(fā)展水平。

一方面，較高教育水平的地區(qū)往往擁有更高的環(huán)境質量需求，這會將影響該地區(qū)環(huán)境規(guī)制政策的有效供給，進而影響該地區(qū)的環(huán)境質量與農業(yè)綠色發(fā)展水平。這是因為，高質量的環(huán)境往往是一種奢侈品，一般而言，較高收入水平或較高人力資本水平的地區(qū)選民往往具有更高質量的環(huán)境需求，他們會通過貨幣選票的方式進行消費，并自動做出有益于環(huán)境質量的選擇[19]。而一個地區(qū)的環(huán)境規(guī)制政策往往是反映著該地區(qū)中位選民的意愿[20]。這就意味著相對發(fā)達或教育水平相對較高的地區(qū)，其選民的高質量環(huán)境需求會推動地區(qū)環(huán)境規(guī)制水平的提升，這使得地區(qū)間的環(huán)境規(guī)制水平存在差別，進而導致地區(qū)間的污染轉移成為可能。

另一方面，教育水平更高的地方政府官員會更加關注環(huán)境污染的健康損害，更有可能意識到污染對農業(yè)生產的不可持續(xù)性，這將直接影響地區(qū)的環(huán)境規(guī)制政策投放和環(huán)境治理能力，從而影響地區(qū)的勞動供給質量和綠色發(fā)展能力。有學者研究發(fā)現(xiàn)，過度污染對健康人力資本的損耗被證明會降低勞動供給質量和勞動生產率[21-22]。即使這種微觀個體層面的效應是非常微妙的，最終也可能導致總體經(jīng)濟的巨大福利損失[23]。與此同時，環(huán)境惡化還可能反過來導致教育水平較高的專業(yè)化人才流失[24]，進一步造成勞動力供給減少和勞動效率的損失，使地方經(jīng)濟陷入低質量發(fā)展的陷阱之中。而教育水平的提升將會通過適當?shù)沫h(huán)境規(guī)制影響健康狀況，進而促使經(jīng)濟走出陷阱。這一方面表現(xiàn)為更高的環(huán)境規(guī)制水平有助于改善地區(qū)總體健康狀況，這將促進提高學習效率和教育回報率[25]；另一方面，更高的規(guī)制帶來的健康狀況(包括存活概率和預期壽命等)改善還可能反過來進一步激勵教育投資[26-27]，這一過程還將從而促進生產質量的提升和生產技能的改善[28]。

基于以上分析，本文提出如下假設：

H2：教育會通過地方環(huán)境規(guī)制而影響一個地區(qū)的農業(yè)綠色生產率。

(三)農村不同教育形式的異質性影響

不同教育形式對我國農業(yè)綠色生產率的影響是不同的。這不僅表現(xiàn)為學歷教育與非學歷教育之間的作用不同，還表現(xiàn)為學歷教育與非學歷教育內部的等級、類別不同所帶來的差異。具體來說，農村不同教育形式對農業(yè)綠色生產的影響機制如下：

一方面，根據(jù)教育的篩選假說，學歷教育在以自我雇傭為主的農業(yè)生產者群體及整個農村勞動市場中的影響作用有限。20世紀70年代，以Berg[29], Arrow[30], Spence[31], Taubman等[32]以及Stiglitz[33]等為代表的學者提出了教育的篩選假說，提出教育僅僅是一種篩選機制或信號機制，教育并不直接影響收入，而是通過文憑或證書與收入相關聯(lián)。Thurow的職位競爭模型進一步提出，教育的功能不是傳授技能并因此提高工人生產率或更高的工資，而是認證他的“可培養(yǎng)性”并依據(jù)該證明給予他某個位置[34]，也就是說，“并不是人找工作，而是工作找人”(1972：第68頁)。根據(jù)篩選假說，我國傳統(tǒng)的小農經(jīng)濟背景下，農村勞動市場信息相對較為充分，農業(yè)生產中的雇主對勞動者生產能力的了解不需要通過教育信號來進行推測，農業(yè)生產者作為自我雇傭者也沒有必要為應聘工作而投資于教育信號，因此，對于農業(yè)綠色生產而言，學歷教育相比非學歷教育而言，其影響作用有限。

當然，由于學歷教育主要在于勞動者的基本技能、認知能力、學習能力的培養(yǎng)，受教育年限的不同依然會影響農業(yè)的生產與發(fā)展，進而直接或間接地影響農業(yè)的綠色生產。這意味著教育差距對農業(yè)發(fā)展的長期影響依然不容忽視。如有學者研究指出，缺乏教育可能會推動環(huán)境退化，Stocky以及Aghion等的研究就曾探討了環(huán)境污染、人力資本積累和經(jīng)濟增長之間的相互作用模式，指出以教育為主的人力資本在支撐經(jīng)濟增長和緩解環(huán)境污染方面的作用難以替代[35]。也有學者提出了基礎教育與高等教育在其中的差別，指出基礎教育對于模仿更為重要，而高等教育對于創(chuàng)新更為重要[36]。也有學者提出不同級別的教育水平對農業(yè)發(fā)展的影響也是不同的。受教育水平較高的勞動者更容易獲得非農就業(yè)從而取得非農收入的機會[37]，也更有助于農村轉移勞動力收入水平的提高[38]。而擁有較高教育水平的農村勞動力，不僅有助于提升其非農生產效率，即使那些走出鄉(xiāng)村卻未被城市工業(yè)體系所吸收的群體，在外出務工期間積累的資本和能力回到家鄉(xiāng)也能重新找到“用武之地”[39]。這主要是由于學歷教育所帶來的外出經(jīng)歷促進了打工者的能力發(fā)展，具體表現(xiàn)為遷移勞動力回流后個人生產效率和收入的提高，促進農業(yè)技術的改進和新生產技能的傳播等。

另一方面，非學歷教育由于其明確的指向性能夠更為有效地促進農業(yè)的綠色發(fā)展。在我國，農村地區(qū)的非學歷教育形式較多，除了廣泛的家庭教育之外，還包括各種政府的培訓計劃、成人技術培訓、職業(yè)教育，以及各種民辦的技工學校和職業(yè)教育學校等提供的教育。現(xiàn)有研究關于非學歷教育的實證分析較為缺乏，這主要是因為這類教育難以有效度量。從現(xiàn)有文獻來看，較多學者利用調查數(shù)據(jù)，從個體層面分析了非學歷教育對農民收入的影響。如楊曉軍等的研究發(fā)現(xiàn)，擁有培訓經(jīng)歷的勞動者往往具有更高的技能，這表現(xiàn)為他們能夠通過培訓提高勞動生產率并增加工資收入[40]。劉萬霞的研究發(fā)現(xiàn)職業(yè)教育與培訓都有助于農民獲得更好的就業(yè)機會[41]。此外，打工經(jīng)歷也對農民職業(yè)轉換有顯著的正向作用[42]。王建基于正規(guī)教育和技能培訓的比較研究發(fā)現(xiàn)，技能培訓更能有效促進農民工正規(guī)就業(yè)，其作用遠遠高于正規(guī)教育[43]。趙海的研究也指出了非學歷教育的重要作用，教育對于農村勞動力的非農工資回報僅有2.3%，明顯偏低，而技能勞動力比非技能勞動力要高出21%[44]。上述研究都明確指出了非學歷教育對農民收入和農業(yè)綠色發(fā)展中的重要作用。

基于以上分析，本文提出如下假設：

H3：農村地區(qū)的不同教育形式對農業(yè)綠色生產率的影響效果不同。

(四)模型設定

根據(jù)以上分析，我們提出教育對農業(yè)綠色生產率如下兩條可能的影響路徑：第一，教育作為一項重要的人力資本形式，其本身可能會內化為農業(yè)生產者的技能與行為約束，直接對農民的綠色生產行為產生影響，從而影響農村地區(qū)的環(huán)境污染水平和綠色發(fā)展狀況；第二，教育水平的提升還會通過地方政府的環(huán)境規(guī)制行為來間接影響一個地區(qū)的農業(yè)綠色生產率。與此同時，不同教育形式的上述影響可能存在不同，如前文所述，學歷教育與非學歷教育，以及同一類別下的不同教育形式對農業(yè)綠色生產率的影響也存在不同。具體的影響機制如圖1所示：

圖1 教育對農業(yè)綠色生產率的影響路徑

根據(jù)上述分析，本文設定如下基準回歸模型：

GTFPit=αi+β1educi,t-1+γi∑Control+μit

(1)

其中，GTFPit表示第i個地區(qū)第t期的農業(yè)綠色生產率，相關的測度方法和指標選取如下文所述；educi,t-1表示第i個地區(qū)第t-1期的教育水平，包括學歷教育與非學歷教育兩個維度；∑Control表示其他影響農業(yè)綠色發(fā)展的控制變量，包括農民收入水平(income)，地區(qū)農業(yè)出口量(export)、城鎮(zhèn)化率(urban)、自然災害(disaster)等，具體的變量定義、指標選取及數(shù)據(jù)來源如下文所述。

本文以2006-2015年我國省級層面農村地區(qū)的面板數(shù)據(jù)為基礎做實證分析，相關數(shù)據(jù)來自歷年《中國農村統(tǒng)計年鑒》、《中國勞動統(tǒng)計年鑒》和《中國教育統(tǒng)計年鑒》。在數(shù)據(jù)處理中，由于上海和西藏農村地區(qū)數(shù)據(jù)缺失較多且不具備可比性，我們刪除了這兩個省份的樣本，得到全國29個省份共10年的數(shù)據(jù)。

2012年, 國務院辦公廳轉發(fā)文件《關于進一步加強學校體育工作的若干意見》(國辦發(fā)[2012]53號) , 指出學校體育教育的重要性，應該始終明確學校體育的發(fā)展方向和目標。2014年國務院頒發(fā)《關于加快發(fā)展體育產業(yè)促進體育消費的若干意見》(國發(fā)[2014]46號)鼓勵群眾體育消費，降低體育消費門檻，并提出具體指標。2016年國務院下發(fā)《“健康中國2030”規(guī)劃綱要》，對群眾體育的發(fā)展路線，倡導全民健身科學化，推進健康中國2030做出明確部署。

三、指標選取與數(shù)據(jù)說明

(一)農業(yè)綠色生產率的測度

本文從綠色發(fā)展的視角考察我國農業(yè)的生產與發(fā)展，這意味著要將農業(yè)生產活動中的正面產出(如農業(yè)GDP)和負面產出(如農業(yè)面源污染)放在同一個框架之中予以考量。傳統(tǒng)的效率分析模型主要是以投入-產出為基礎的數(shù)據(jù)包絡分析(Data Envelopment Analysis，DEA)方法。DEA方法是運籌學家Charnes(1979)[45]等提出的一種測度生產效率前沿的非參數(shù)方法。其原理是將每一個決策單元(DMU，Decision Making Units)都視為多因素的投入轉化為多因素產出的“黑箱”，利用每個決策單元的輸入與輸出數(shù)據(jù)，運用極點的思維，在數(shù)學規(guī)劃方法下計算出每個決策單元相對于效率單元的相對效率水平。DEA方法的特點在于：第一，DEA在計算決策單元的效率值時，不受權重限制，適用于分析多維指標與多維目標并存，具有較復雜生產關系的決策單元的效率。第二，它的函數(shù)只與決策單元的投入和產出有關，而不需要任何前提假設，也無需事先設定函數(shù)形式，也無需統(tǒng)一量綱。第三，更為重要的是，它用一種極點的方法，將所有的決策單元都與最優(yōu)決策單元進行比較，得出每個觀測樣本單元的相對效率。傳統(tǒng)的CCR-DEA模型是在規(guī)模報酬不變的假設下，以第jk個決策單元的效率最大為目標，將所有決策單元的效率值作為約束條件，模型如下：

其中u, v分別是產出和投入的權系數(shù)，且u=(u1, u2,…, ur)T，v=(v1, v2,…, vm)T。每個決策單元的效率值λj(0≤λj≤1,j=1,2,…,n)為：

然而，當存在負面產出的時候，傳統(tǒng)的CCR模型雖然可以將其轉化為投入進行處理，但Tone[46]認為由于生產前沿面有時會平行于x軸和y軸，使得在多投入-多產出條件下容易出現(xiàn)投入或產出松弛(Input /Output Slacks)的問題。這意味著，在徑向算法下，一個無效率的點所對應的效率點，可能會比前沿面上的其他效率點有更多的投入或更少的產出[47]，這導致效率值并不隨著投入和產出的變化而嚴格單調，也就是說，徑向算法下的點并非真正的效率點。為解決上述問題，Tone[47]提出了一個基于松弛測量(Slacks based Measure，SBM)的方法，通過引入一個同時包含投入超量和產出不足的指數(shù)，可以使效率值變得嚴格單調(monotone decreasing in input/output slacks)。

本文采用Tone[47]的SBM模型，將農業(yè)面源污染引入該模型，假設第i個省份在第t年的農業(yè)生產中有m種投入，s種產出(其中正面產出有s1種，負面產出有s2種，s=s1+s2)。那么，此時的農業(yè)綠色生產效率值為如下方程的解：

表1 SBM模型的變量表示

(三)指標與數(shù)據(jù)來源

1.農業(yè)綠色生產率投入產出指標的選取

上述方程最核心的部分是投入與產出指標的選取。從投入指標來看，農業(yè)生產性投入主要有土地、勞動力和機械動力。在這里分別用農作物播種面積、農業(yè)人口和農業(yè)機械總動力來表示。從產出指標來看，根據(jù)前文分析，我們認為農業(yè)生產的正向產出是農業(yè)GDP，而負向產出則是農業(yè)生產生活所帶來的面源污染，包括農藥化肥殘留、畜禽養(yǎng)殖污染、農作物固體殘留(主要是秸稈)以及農村生活排污所帶來的一系列污染，具體如表2。

表2 投入產出指標與變量描述

上述指標中農業(yè)負向產出的計算是關鍵。現(xiàn)有文獻中關于農業(yè)污染的指標主要采用的是化肥農藥等污染性要素的使用量或單位使用量[48-50]。然而，農業(yè)生產的污染性要素使用并非等同于最終形成的污染，只有那些未被環(huán)境消化且未被農作物吸收而流失的污染性要素投放才會形成農業(yè)污染。在環(huán)境資源稟賦不同的地區(qū)，污染性要素的使用與最終的污染形成之間可能差別較大。而由于不同地區(qū)的環(huán)境承載能力并非是不隨時間改變的量，因此，傳統(tǒng)的計量模型無法較好地控制這些因素。與此同時，上述指標并沒有包括農業(yè)的固體廢物污染(如農作物秸稈)等其他污染，這將給估計結果帶來偏誤。

為消除上述問題的影響，本文定義農業(yè)負向產出是指農業(yè)生產過程中的以下排放：①化肥殘留，②畜禽養(yǎng)殖，③農業(yè)固體廢棄物，④農村生活排污四類污染物所帶來的化學需氧量(COD)、總氮(TN)和總磷(TP)三類污染排放。本文采用賴斯蕓等(2004)[51]的單元調查法進行計算，具體計算中主要參考了2011年第一次全國污染源普查發(fā)布的《農田地膜殘留系數(shù)手冊》、《肥料流失系數(shù)手冊》、《畜禽養(yǎng)殖業(yè)源產排污系數(shù)手冊》、《農藥流失系數(shù)手冊》，以及賴斯蕓等[51]、梁流濤[52]、李谷成[53]等的研究。具體計算過程如下：

首先確定上述四類污染物的排放清單及其產污強度。根據(jù)全國污染源普查的系數(shù)手冊和李谷成[53]等的研究，綜合考慮各省的地形地貌、氣象條件、種植制度、土壤類型、耕作方式等特征，確定產出清單與單元產污強度參數(shù)如表3、表4所示。

表3 農業(yè)負面產出清單

表4 單元產污強度計算方程列表

注：上述計算方法參考全國污染源普查的系數(shù)手冊和賴斯蕓等[51]、梁流濤[52]、李谷成[53]等的研究。

其次，根據(jù)上述單元產污強度的參數(shù)取值，計算各省分年份的COD、TN和TP排放量。在具體計算中，通過廣泛文獻調研，在不同省份各參數(shù)取值上重點參照了國務院第一次全國污染源普查領導小組編制的《污染源普查農業(yè)源系數(shù)手冊》以及賴斯蕓等[51]和梁流濤[52]中的分省份各參數(shù)取值，最終計算得出2006-2015年中國農業(yè)分省份污染排放量(COD、TN和TP)的面板數(shù)據(jù)。上述計算中所需的數(shù)據(jù)還包括化肥施用量，畜禽養(yǎng)殖量，稻谷、小麥、玉米、豆類、薯類、油料作物總產量，農業(yè)人口等，數(shù)據(jù)均來自《中國農業(yè)統(tǒng)計年鑒》。

2. 教育

根據(jù)前文分析，本文將教育為學歷教育和非學歷教育兩個層面。具體指標選取如下：

①學歷教育(Educ_1)。本文的學歷教育用農村地區(qū)的平均受教育年限來衡量，采用Thomas et al.[54]的教育年限法來計算，具體公式如下：

即平均受教育年限=(樣本含小學文化程度人口數(shù)*6+初中*9+高中*12+大專及以上*16)/六歲以上抽樣總人口。由于學歷教育對農業(yè)生產和環(huán)境污染的影響存在滯后，因此我們在實證分析中采取滯后一期的受教育水平進行回歸。該數(shù)據(jù)來源于《中國教育統(tǒng)計年鑒》。

為考察學歷教育內部等級差別的差異性影響，本文同時還將學歷教育分為初級、中級和高級三個等級。其中，初級教育采用文盲和小學程度農村勞動力人數(shù)占六歲以上抽樣總人口的比例來衡量、中級教育采用初中農村勞動力人數(shù)占六歲以上抽樣總人口的比例來衡量，高級教育則為高中及以上農村勞動力人數(shù)占六歲以上抽樣總人口的比例來衡量。

②非學歷教育(Educ_2)。本文的非學歷教育由技術培訓、職業(yè)培訓、就業(yè)訓練、職業(yè)技能鑒定四個方面表征。其中，技術培訓由農村成人文化技術培訓學校數(shù)量的對數(shù)表示，該指標主要是通過實用技術培訓和農村勞動力轉移培訓，提高農民的技術和文化水平從而提高農民的再就業(yè)能力；職業(yè)培訓由各地區(qū)民辦職業(yè)培訓機構數(shù)量的對數(shù)表示；就業(yè)訓練由各地區(qū)就業(yè)訓練中心機構數(shù)量的對數(shù)表示，職業(yè)技能鑒定由各地區(qū)職業(yè)技能鑒定機構數(shù)的對數(shù)來表示。上述各指標均來自歷年《中國勞動統(tǒng)計年鑒》。

3.其他變量

本文用到的其他變量包括農民收入水平、勞動力生產技能水平、地方環(huán)境規(guī)制以及農業(yè)出口、城鎮(zhèn)化率、自然災害。具體指標選取及數(shù)據(jù)來源如下：①農民收入水平(income)用各省份農村居民純收入的對數(shù)表示。該數(shù)據(jù)來自于《中國農村統(tǒng)計年鑒》。②農業(yè)生產技能(tfp)用索洛余值法計算農業(yè)生產技能，主要是考慮到在農業(yè)綠色生產率的計算中使用了農業(yè)總產值以及土地、勞動力、資本等數(shù)據(jù)，為避免出現(xiàn)內生性問題，農業(yè)生產技能的衡量采用以索洛余值法為基礎的全要素生產率來衡量，相關數(shù)據(jù)指標來源于《中國農村統(tǒng)計年鑒》。③地方環(huán)境規(guī)制(Env_Policy)用各地區(qū)自然保護區(qū)面積占轄區(qū)面積比重來表示。該數(shù)據(jù)來自《中國農村統(tǒng)計年鑒》。自然保護區(qū)被廣泛認為是保存生物、文化和歷史多樣性的最有效手段之一。Bimonte認為自然保護區(qū)面積是對環(huán)境支出和政策的直接衡量[55]。既反映了公眾對環(huán)境設施的需求，也反映了政府滿足這一需求所采取的行動。新增的自然保護區(qū)面積會被添加到現(xiàn)有的自然保護區(qū)面積中，所以它解釋的是環(huán)境保護的存量效應。而且與污染物濃度不同，它不依賴于大氣條件和地理位置?？紤]到各省轄區(qū)面積相差較大，我們采用自然保護區(qū)面積占農作物播種面積比重來衡量這一指標。④農業(yè)出口(export)用該省份歷年的農業(yè)出口總值的對數(shù)來衡量，該數(shù)據(jù)來自《中國農村統(tǒng)計年鑒》。⑤城鎮(zhèn)化率(urban) 用城鎮(zhèn)人口占總人口的比重來表示，該指標主要表現(xiàn)為農業(yè)人口向非農人口的轉移，以及地區(qū)產業(yè)結構和勞動方式的轉變。⑥自然災害(disaster)用各省份受災面積占農作物總播種面積比重來表示。該指標能夠從一定程度上反映一個地區(qū)的農業(yè)生產能力和農業(yè)生態(tài)環(huán)境。

四、實證分析

(一)學歷教育對農業(yè)綠色生產率的影響

為檢驗全日制學歷教育是否會直接影響農業(yè)的綠色生產，我們設定如下回歸模型：

GTFPit=α0+β1educit-1+β2log(income)it+β3log(export)it+β4disasterit+β5urbanit+yearfixedeffects+μit

(1)

式中，下表i、t分別代表省份和年份，educ表示第i個省份在第t年的教育水平，考慮到全日制學歷教育影響的滯后效應，同時為了緩解內生性問題，我們將學歷教育取滯后一期放入模型。為了檢驗不同等級學歷教育的差異性，我們在回歸中分別對初級、中級、高級教育進行分組回歸。如前所述，學歷教育更多地表現(xiàn)為農民就業(yè)機會的獲取、認知能力以及在非農工作崗位上的“可培養(yǎng)性”，而不同教育水平的上述影響可能存在差別。income表示各省份農村地區(qū)的收入水平，用農村居民純收入的對數(shù)表示。我們預期收入水平較高的農村地區(qū)往往會有更高的綠色生產效率。export表示農業(yè)出口，由各省份的農產品出口額對數(shù)衡量。它能在一定程度上反映一個地區(qū)的農業(yè)發(fā)展能力，出口越高的地區(qū)可能會有更高水平的綠色生產效率。模型中還加入了受災面積占農作物播種面積的比重(disaster)和城鎮(zhèn)化率(urban)，我們預期，自然災害較為嚴重和城鎮(zhèn)化水平越低的地區(qū)往往具有較差的農業(yè)生態(tài)環(huán)境和發(fā)展能力，對農業(yè)綠色生產率的影響可能是負向的。此外，模型中還控制了年份固定效應(yearfixedeffect)。由于綠色生產率取值在0～1之間，我們采取Tobit截尾模型進行估計，設定角點解下界為0，上界為1，采用受限tobit模型進行回歸，后文的處理方式均相同。

表5報告了基于學歷教育的農業(yè)綠色生產模型的回歸結果。其中列(1)是以農村居民平均受教育年限來衡量的學歷教育。可以看到，學歷教育與農業(yè)綠色生產率之間的關系并不明顯。這在一定程度上驗證了教育篩選假說，學歷教育作為一種信號機制或篩選手段，對于以自我雇傭為主的農業(yè)生產群體而言可能意義并不大。進一步的分組回歸結果表明，不同等級學歷教育對綠色生產效率的影響也并不顯著，僅中級教育的影響在10%顯著性水平下為負。這說明，從綠色發(fā)展的角度來看，學歷教育在農村地區(qū)的影響較為微弱。而這與Fleisher等[10]和Zhao[11]的研究結果相似。此外，收入水平大多都在1%顯著性水平下為正，說明較為富裕的農村地區(qū)有著較高的綠色生產意識。

表5 農村學歷教育與農業(yè)綠色生產率的回歸結果(Tobit模型)

注：***、**和*分別表示顯著性水平為 1%、5%和 10%，括號中為標準誤。

(二)非學歷教育對農業(yè)綠色生產率的影響

為探討非學歷教育的影響，本文利用非學歷教育的各項指標對方程(1)中作上述回歸。這里的非學歷教育包括技術培訓、職業(yè)教育、職業(yè)技能鑒定與就業(yè)訓練四個方面。在“非學歷教育”的指標選取上，本文分別采取各省份不同非學歷教育機構數(shù)量的對數(shù)來衡量。而并沒有選擇使用這些非學歷教育機構中農村勞動者培訓數(shù)量作為衡量指標，是因為這些指標可能存在一定的內生性，而用各機構數(shù)量的對數(shù)來衡量，可以認為是一個相對外生的指標。與此同時，與全日制學歷教育不同，非學歷教育的影響更加著眼于當期，在具體的回歸中，我們并沒有對非學歷變量取滯后一期，而用當期值進行回歸。為保證結果可比性，我們依然采用Tobit模型進行估計。

表6報告了非學歷教育不同形式對農業(yè)綠色生產率的影響。列(1)-(4)分別是農村技工培訓、職業(yè)教育、職業(yè)鑒定以及就業(yè)訓練對農業(yè)綠色發(fā)展影響的估計結果。結果表明，除了就業(yè)訓練之外，其他三種形式的非學歷教育均直接促進了農業(yè)綠色生產水平的提升。這說明，以農業(yè)技能、農村勞動力轉移和再就業(yè)等為目的的非學歷教育能夠直接促進地區(qū)農業(yè)的綠色發(fā)展。這是由于這些類別的教育直接針對農業(yè)生產技能和勞動轉移，不論是對農業(yè)生產還是環(huán)境改善都有較為明顯的作用。

表6 農村非學歷教育與農業(yè)綠色生產率的回歸結果(Tobit模型)

注：***、**和*分別表示顯著性水平為 1%、5%和 10%，括號中為標準誤。

(三)教育的影響機制：生產技能還是環(huán)境規(guī)制？

根據(jù)前文分析，教育對農業(yè)綠色生產率的影響可能是通過勞動力生產技能水平的提升而帶來的，也可能是通過對地區(qū)環(huán)境規(guī)制的影響而帶來的。如Pretty等(2001)[56]就曾指出缺乏地方性的環(huán)境規(guī)制是自然資源和環(huán)境惡化的重要原因，直接影響農業(yè)生產的可持續(xù)性。在印度，由于公共產權資源缺乏管理，導致過去半個世紀以來的過度畜牧等問題。為驗證教育的具體影響路徑，我們分別將教育變量與農業(yè)生產技能和地區(qū)環(huán)境規(guī)制兩個變量做交互，設定如下回歸方程：

gtfpit=α0+β1educit+β2educit×tfpit+β3educit×Env_Policyit+γ1log(income)it+γ2log(export)it+γ3disasterit+γ4urbanit+yearfixedeffects+μit

(2)

在具體的估計中，我們對前面兩次回歸結果中顯著的教育變量進行分析，這是由于對不顯著的低次項討論其多次項是沒有意義的。同時，我們對交互變量都進行了對中處理(centering)，以消除多重共線性給估計帶來的偏誤。學歷變量用前文方程(1)回歸中顯著的中級教育滯后一階來衡量。非學歷教育變量依然采用的是各非學歷教育機構數(shù)量的對數(shù)來衡量。我們采用固定效應的Tobit模型進行估計，重點關注教育與地區(qū)農業(yè)生產技能，以及教育與地區(qū)環(huán)境規(guī)制交互項的顯著性。

表7報告了方程(2)的回歸結果。其中列(1)-(5)分別表示的是不同教育形式對地區(qū)農業(yè)綠色生產率的影響。結果顯示，在控制了其他因素的條件下，教育與地區(qū)環(huán)境規(guī)制的交互項均在5%以上的顯著性水平為正，而教育與農業(yè)生產技能的交互項卻并不顯著。這說明，教育水平提升所帶來的生產技能改善并不一定會提高地區(qū)的農業(yè)綠色生產率，而由教育所帶來的環(huán)境規(guī)制進一步促進了教育對綠色生產的正向影響。這一結果不論是在學歷教育還是在非學歷教育的組別中都非常顯著?；貧w結果支持了本文所提出的教育對地區(qū)環(huán)境規(guī)制的假設，而教育通過生產技能影響農業(yè)綠色生產率的假設并沒有得到支持。

表7 教育的影響機制(Tobit模型)

注：***、**和*分別表示顯著性水平為 1%、5%和 10%，括號中為標準誤。

五、結論與討論

在農業(yè)的綠色發(fā)展背景下，農村究竟需要怎樣的教育是一個值得關注的重要問題。本文分析并驗證了教育對農業(yè)綠色生產率的影響路徑，并對農村地區(qū)不同教育形式(如學歷教育與非學歷教育)的影響進行了檢驗。本文得出的基本結論如下：

第一，相較于學歷教育，以職業(yè)教育、技術培訓、就業(yè)訓練和職業(yè)鑒定為主要內容的非學歷教育顯著影響了我國的農業(yè)綠色生產。這一方面是由于我國小農經(jīng)濟背景下，以自我雇傭為主的農業(yè)生產群體往往更看重實際的農業(yè)生產技能，而不需要通過借助學歷教育所反映的信號機制或篩選機制來尋求雇傭。另一方面是由于我國農村地區(qū)的非學歷教育或直接針對農業(yè)生產技能和效率，或針對農村勞動力轉移和再就業(yè)，其對效率提升和環(huán)境改善的效果更為直接。

第二，教育的環(huán)境規(guī)制效應要大于勞動力生產技能效應。本文實證分析了教育對農業(yè)綠色生產率兩種可能的影響路徑，結果表明，在控制了教育與地區(qū)環(huán)境規(guī)制的交互項之后，教育通過勞動力技能提升而影響綠色生產率的效應變得十分微弱。這說明，傳統(tǒng)的內生經(jīng)濟增長模型所揭示的教育人力資本對經(jīng)濟增長的促進作用并不能直接改善環(huán)境，尤其對于農村地區(qū)的環(huán)境污染來說，大量的污染來自于分散的農戶個體，對于逐利的個體行為來說，綠色的生產行為相對于污染來說成本更高。而教育通過地區(qū)環(huán)境規(guī)制的影響而改善農村環(huán)境是當前發(fā)展階段相對可行的一條路徑。這種環(huán)境規(guī)制并不僅僅表現(xiàn)為配備更多的鄉(xiāng)村環(huán)境保護工作人員或采取更強勁的監(jiān)督管理措施，還包括采取增加自然保護區(qū)等相對正向的環(huán)境治理措施。一個地區(qū)教育人力資本水平的提升還有助于改善地區(qū)的環(huán)境治理設施，這將進一步促進教育與農業(yè)綠色生產效率的正向影響。