外出务工对农户家庭种植业生产的作用研究——基于2101个农户的实证分析

明　辉，漆雁斌

(四川农业大学 经济学院，四川 成都 611130)



外出务工对农户家庭种植业生产的作用研究
——基于2101个农户的实证分析

明辉，漆雁斌

(四川农业大学 经济学院，四川 成都 611130)

摘要：以增收为主要目标的农民外出务工，是农业劳动力转移的重要途径，也是农户家庭农业生产要素配置发生变化的驱动因子。通过CHNS数据的匹配构建了微观面板数据，在固定效应回归模型、面板数据分位数回归模型、随机前沿生产函数模型的基础上，分析了外出务工对农户家庭种植业流动资产投入、总资产投入以及种植业全要素生产率的作用。结果表明，种植业生产规模较小的农户家庭可能会因为家庭成员外出打工而增加流动资产的投入；而生产规模较大的农户家庭，可能会由于外出打工而减少种植业方面的流动资产投入；外出务工对小规模农户家庭种植业生产总资产投入作用不显著，但对大规模农户的总资产投入有明显的抑制作用；在劳动节约型和资本节约型技术进步对种植业全要素生产率做出重要贡献的背景下，农民外出务工在一定程度上有助于种植业生产率的提升。建议未来应准确把握农户特别是种植业生产专业大户的外出务工动向，以及农业生产结构、耕地面积及投入的变动情况。

关键词：外出务工；流动资产投入；总资产投入；面板数据；随机前沿生产函数

一、引言

要素配置对任何一个产业的增长至关重要，从投入的角度看，是指在产出不变的前提下通过要素投入量的调整，所能达到的最小投入成本与调整前实际最小投入成本的比值。20世纪90年代后期随着城镇化、工业化和第三产业的发展，由于农户增收的驱动，各地区农村外出劳动力数量呈现出不同程度的增长，至2006年，外出劳动力已占农村全部劳动力的30%左右。在家庭联产承包责任制的背景下，家庭劳动力的数量与结构是农业经济活动的重要决定因素。因此，有学者认为农村劳动力外出打工可能会抽空农业家庭生产中的劳动力，出现农业生产劳动力投入缺失或不足的现象[1]；还可能减少农户的农机投资，不利于农业生产，以致最终引发耕地“撂荒”[2]。但另有学者提出，当部分劳动力流出农业后，农业生产要素禀赋结构可能发生变化，进而诱致农业生产方式发生变化，在当前农业劳动力过剩的情况下可能会使要素配置效率得到改善[3]。那么，以农民增收为主要政策目标的农民外出务工，到底是促进还是抑制了农户家庭农业生产特别是以耕地为载体的种植业生产？农业生产要素的配置效率是提高还是降低了？这些问题的研究事关中国的粮食安全和农业产业发展，具有一定的现实意义。

二、文献综述

农民外出务工对农业生产产生的效应是多重的，而且较为复杂，就像一个“黑箱”。从定性的角度看，其对农业生产的促进作用主要表现为：外出的家庭成员可能会用务工收入的一部分支持家庭生产性投资，增加资本性生产资料的数量，从而提高技术效率和生产能力，当然这些收入也可能主要被用于支持直接消费，如房屋建设和子女教育，从而不会直接作用农业生产活动[4]；此外，劳动力流动还能促进农村劳动力群体能力的提升[5]。而对农业生产的抑制作用则可能有：非农收入的增加会降低农户在农业生产工具上的投资；除农机技术之外，劳动力外出务工程度越高，农户对各类技术的需求越少[6]；农村劳动力转移不是同质劳动力的转移过程，而是具有高度筛选性的转移过程，这可能导致农户青壮年劳动力流失，使农村留守劳动力结构劣化，从而降低资源配置效率和生产能力[7]。从定量的角度看，相关分析结论为：有外出务工成员的农户，其家庭经营规模效率可能发生变化，耕地规模较小农户的外出务工有利于粮食种植面积的扩大，而耕地规模较大农户的外出务工却使粮食种植面积显著下降[8]；安徽的数据表明，农户的非农转移减少了农户的农业生产投工量，降低了粮食生产效率[9]；基于农村固定观察点农户数据的多元回归模型显示，农民兼业化促进了农户家庭的机械使用量，降低了生产资料的投入[10]。由此可见，目前对外出务工与农业生产之间关系的研究还缺乏深入的全国性定量分析。

由于农民外出务工后，农户家庭生产的劳动力投入将发生变动*例如，McGough,Bruce(2013)指出在商业周期非凸和农户效用函数确定的情况下，农户生产的劳动力需求曲线的斜率会比Frisch需求曲线的斜率更陡。见《Journal of Economic Dgnamics and control》，2013年第6期。，进而会导致以家庭经营为主要特征的农业生产资本投入、土地投入等(土地流转)发生变化，并会通过生产资源数量和配置效率的变动改变农业生产效率。因此，本文认为农民外出务工对农户家庭农业生产作用，可进一步分解为外出务工对家庭农业生产资本投入的作用，以及对农户家庭经营全要素生产率的作用两个方面。接下来便在CHNS这一全国性微观面板数据的基础上，从前述两个角度进行详细的定量研究。

三、数据来源与变量构建

(一)数据来源

本文的数据来自于中国健康与营养调查(China Health and Nutrition Survey，CHNS)，该调查覆盖了东部沿海、中部和西部的广西、贵州、黑龙江、河南、湖北、湖南、江苏、辽宁、山东9个省区。到目前为止，数据横跨了1989年、1991年、1993年、1997年、2000年、2004年、2006年、2009年和2011年，能够较好地反映外出务工对农业生产的长期作用，具有较好的代表性。

(二)变量构建

CHNS中农户的家庭成员数据包括共同拥有经济资源的个体，涵盖了在外务工成员的信息。本文构建了农户家庭外出务工人数这一核心解释变量，具体方法为将家庭成员个体数据库中有“外出务工”这一情况的成员个数累加，并与家庭数据库中该家庭成员所在家庭的数据进行匹配*CHNS数据中，“外地务工”是指离开本地区不少于3个月的农村劳动力。以往大多数涉及农户外出务工的研究都只分析了“有”和“无”两种情况，鲜有在累计外出务工总成员数量基础上的分析。，从而获得从事农业的家庭外出务工成员信息*这里的从事种植业生产家庭是指有种植业收入的家庭，而不管该家庭在CHNS中位于“城镇”或位于“农村”。。另外，由于学者们比较关心农民外出打工所导致的“耕地利用不充分”现象，所以本文以CHNS中家庭的种植业经营活动为研究对象。关于农户种植业产出的测度，首先将研究对象选定为家庭经营模式*CHNS将农业生产形式划分为集体经营、家庭经营、两者兼有和其他，其中家庭经营占比最高。，再以农作物销售收入和自用部分换算收入的总和作为产出。关于农户的种植业劳动力投入，则采用家庭成员平均每天用于农作物生产的小时数乘以劳动力数量进行变量值的构造*家庭整体农业劳动参与率的下降，可部分显示农村中大量的撂荒或土地出租现象。而家庭内部农业从业人员比例的变动则可能意味着家庭由劳动密集型转向土地或投入密集型作物。用家庭成员从事农业的劳动时间乘以家庭成员数量的结果反映劳动力投入可以涵盖前述两种情况。这里同样涉及家庭数据库和家庭成员数据库中的数据匹配问题。，即先将劳动时间在个人层面进行加总*利用CHNS 数据库中关于农户从事种植业的数据，按照年工作时间=年工作月份*4*周工作天数*天工作小时数。，再以农户为单位计算总值，该方法较赋权平均法更能反映实际情况[11]。劳动力数量则使用家庭总人口数作为代理变量，因为在农村通常不存在严格的劳动年龄界限，具有劳动能力的家庭成员都会参与到种植业生产活动当中。最后，本文关注农户种植业生产的流动资产投入和总资产投入：流动资产投入反映农户当前从事农业生产的积极性*对应CHNS数据中的农作物每年租地、种子、肥料、农药、农具、雇工的总花费。，而包括了固定资产投入的总资产投入则可以反映农户对未来通过务农提高家庭收入的信心*将CHNS数据中的农业机械总价值作为农户固定资产投入的代理变量，包括(大、中、小)型拖拉机、手扶拖拉机、灌溉设备、电动打谷机、家用水泵。总投入则为流动资产投入和固定资产投入之和。，农民外出务工对这两类投入的作用可能不同。模型中相关变量均进行了价格指数的调整，其中农户种植业产出用农产品收购价格指数进行调整，农户的流动资产投入和总资产投入分别用农产品生产价格指数进行调整。为保证模型中所有变量的数据在CHNS中可得，选取了1989年、1991年、1993年、1997年、2000年、2004年、2006年、2009年、2011年9个地区的数据，在进行了个体数据与家庭数据的匹配并剔除异常值后，构建了2000—2011年2 101个家庭的非平衡面板数据以备后续分析。表1给出了变量的描述性统计。

表1　变量的描述性统计*CHNS中户主的受教育程度分为了6级，1-小学以下，2-小学，3-初中，4-高中，5-本专科，6-硕士。

四、外出务工与农户家庭种植业生产资本投入之间的关系研究

(一)计量经济模型及变量说明

考虑模型中解释变量的设定以及对农户家庭种植业生产资本投入的现有研究，结合本文样本数据的实际特点，在尽可能多的包括相关变量和控制模型多重共线性的基础上，加入了对应的控制变量，得到的计量模型如下：

(1)

其中i 表示农户家庭，t 表示年份。模型中的被解释变量为农户种植业生产的资产投入input，后续分析将具体分为流动资产投入和总资产投入两类。核心解释变量为农户家庭外出务工人数work。主要解释变量为X，包括：种植业产出、种植业劳动力投入。种植业产出是一个包括家庭特征、家庭资源禀赋、生产要素市场、农产品市场和农业政策综合信息的变量，这些因素能对农户的生产投入起到决定性作用[12]，即种植业产出高的、或以种植业为主要收入来源的农户通常会倾向于投入更多的生产资本。种植业劳动力投入也是农户资产投入的主要决定因素，即有足够劳动力的家庭，或在种植业上投入较多劳动时间的农户，倾向于有较高的种植业生产资产投入[13]。δ 代表年份控制变量， η 表示不随时间变化的固定效应， ε 是随机误差项。所有模型的估计结果均由STATA12.0运行获得。

(二)模型结果及分析

1、外出务工与农户家庭种植业生产流动资产投入关系的计量经济分析

本部分在计量方程(1)的基础上，探索外出务工与农户家庭种植业生产流动资产投入之间的关系。首先，分别进行了模型的固定效应估计和随机效应估计，相应的Hausman检验值为116.11，表明随机效应模型可能遗漏了不同农户家庭的特征、资源禀赋等非观测效应，而这些效应又和解释变量显著相关，所以采用固定效应回归模型进行计量经济分析*由于流动资产投入对“外出务工”没有明显的作用，所以模型里没有考虑内生变量问题。。其次，由于种植业生产投入和外出务工之间的关系在不同农业生产投入水平的生产中可能存在差别，但全样本面板数据回归模型无法有效反映出这种特性，因此本文还采用了面板数据分位数回归进行分析。最后，为保证模型的稳健性，在多次建模的基础上，删除了不显著的解释变量和某些年份的控制变量，从而得到实证分析结果，如表2所示。

表2中的两个固定效应模型结果均显示，全样本回归模型总体都通过了相关检验，种植业收入和劳动力投入对农户家庭生产流动资产投入有显著的促进作用，但农民外出打工对流动资产投入却没有显著的促进作用。分位数回归的结果却显示，10%、25%、75%分位数对应的回归模型中“外出打工人数”这一变量通过了显著性检验，这说明种植业流动资本投入较少(即生产规模较小)的农户家庭可能会因为家庭成员外出打工而增加流动资产的投入；而流动资本投入(即生产规模)较大、专业化程度较高的农户家庭，可能会由于外出打工而减少种植业方面的流动资产投入。出现这种现象的可能原因是，种植业生产规模偏小的农户，可能由于还没有发挥出生产的规模效益而处于资源投入报酬递增的阶段，家庭成员外出打工带回的收入有利于农户短期内增加流动资本的投入*杨俊(2011)在研究湖北省荆州市的纯农户和兼业农户生产组合时指出，只有增加资本投入才能获得目标收益。见《中国农村观察》，2011年第1期。，从而产生规模效益、获得更好的种植业收入；而生产规模偏大、专业化的农户家庭可能会由于青壮年家庭成员的外出，无力维持以往的规模生产，只能在短期内减少相关投入。

表2　外出务工与农户种植业生产流动资产投入的计量经济分析结果

注: ***表示p< 0.01，**表示p< 0.05，*表示p< 0.1。下表同。

2、外出务工与农户家庭种植业生产总资产投入关系的计量经济分析

接下来仍然以方程(1)为基础，分析外出务工与农户家庭种植业生产总资产投入的关系。耕地的细碎化会抑制农户生产的总资产、特别是固定资产投入[14]。考虑到耕地规模只有达到一定规模后，农户才会有较多的固定资产投入或总资产投入，所以在分析外出务工对农户家庭种植业生产总资本投入关系时，本文根据收集的数据特征设定了一个控制变量：小规模(land)加入式(1)，将耕地规模小于等于30亩的农户归为一类，用1表示，大于30亩的农户归为一类，用0表示。这样能够较好的观察不同耕地规模的农户外出打工与家庭种植业生产总投资之间的关系。由于hausman检验值为156.91，因此依然采用固定效应回归模型进行估计，综合分析结果如表3所示。

表3　外出务工与农户种植业生产总资产投入的计量经济分析结果

注:***表示p< 0.01，**表示p< 0.05，*表示p< 0.1。下表同。

由上述结果可知，列(1)至列(4)显示“外出务工人数”对农户家庭种植业生产总资产投入没有显著作用，但在加入“小规模”和“外出务工人数”的交叉项后，即在列(5)和列(6)中，该作用变为显著，这意味着外出务工对不同耕地规模农户的种植业总资产投入有不同的作用。具体来说，列(5)表明在没有年份控制变量的情况下，耕地面积小于等于30亩的农户，其家庭成员外出打工每增加1人，家庭种植业生产总资产投入几乎不变，外出打工对总资产投入的作用不明显；而耕地面积大于30亩的农户，外出打工对总资产投入产生了较显著的抑制作用，其家庭成员外出打工每增加1人，家庭种植业生产总资产投入会降低23%。这个现象与实际情况比较一致，由于耕地面积比较小的农户，固定资产的拥有量有限，外出打工对包含了固定资产投入的总资产投入作用不明显；但耕地规模较大的农户，可能会因为主要劳动力的外出而无法更新固定资产以维持以往规模的种植业生产，从而在一个较长时期内减少了固定资产的投入。列(6)中的变量除“小规模”外都显著，这说明在控制年份的情况下，耕地面积大小对模型常数项没有太大作用，而对“外出务工人数”的斜率有明显作用，该作用与列(5)的结论类似，这也在某种程度上证明了列(5)的稳健性。

综上所述，农民外出务工对种植业生产投入较少的农户家庭流动资产投入有明显的促进作用，规模越小促进作用越大，而对部分投入较多农户的流动资产投入则有较显著的抑制作用；外出务工对小规模农户家庭种植业生产总资产投入作用不显著，但对大规模农户的总资产投入有明显的抑制作用。

五、外出务工与种植业全要素生产率的关系研究

当生产投入发生变化时，生产要素配置效率也在变动，所以生产投入的增加和减少并不能直接说明农户家庭经营种植业效率的高低，因此本文接下来分析农民外出务工与种植业生产率之间的关系。

(一)随机前沿生产模型及其结果

要素生产率的研究方法有三类，一是参数方法，即随机前沿分析，二是非参数方法，即数据包络分析(DEA)，三是半参数方法，如Olley-Pakes方法和Levinsohn-Petrin方法。它们各有优缺点，适用的对象有所不同。由于农业生产函数的形式较为确定(常用模型为C-D边界生产函数模型和超越对数边界生产函数模型)，因此本文采用随机前沿模型分析种植业全要素生产率。首先对前述两类模型的似然值之比构建检验统计量，结果显示C-D边界生产函数模型被拒绝，也就是说，超越对数随机前沿生产函数模型更适合本文选取的数据。

设定函数形式的过程即是模型检验的过程，先设定随机前沿生产函数的具体形式为

lnf[Xit(t);β]=β0+βLln(L)+βKln(K)+

βtt+βLKln(L)ln(K)+βLtln(L)t+βKtln(K)t+

βL2ln2(L)+βK2ln2(K)+βt2t2

(2)

该模型可以估计随机生产前沿和技术效率损失函数，并可保证结果无偏、有效。其中被解释变量为农户的种植业产出，L 、K 分别是种植业生产的劳动力投入和总资产投入，β 是待估参数。一般而言，确定性前沿生产函数参数的检验有三个原假设，分别是：

假设1：βLK=βLt=βKt=βL2=βK2=βt2=0 ，即无变量间的相互作用，对应模型记为模型2；

假设2：βt=βLt=βKt=βt2=0 ，即无技术进步，对应模型记为模型3；

假设3：有冗余变量，即基础模型不显著变量系数为0，对应模型记为模型4；

而这里的基础模型是指含变量间相互作用、有技术进步、没有冗余变量的模型，记为模型1。

在运用前述部分提及的数据后，得到确定性前沿生产函数的参数估计结果，如表4所示。

表4结果显示*在建模时，假设2对应的模型3无法收敛，说明在样本期间技术进步在种植业生产中的正向或负向作用不容忽视。，模型4是合理的测度农业生产全要素生产率模型。由于基础模型1中劳动力和资本的一次项系数不显著，所以没有纳入最终模型。模型中劳动力二次项和资本二次项显著且系数为正，这说明样本期间种植业产出增长率随着劳动力投入的增加而增加，随着资本投入的增加而增加。时间变量一次项的系数为负，表明中性技术进步对种植业产出的作用不显著，但劳动力时间变量和资本时间变量显著且系数均为正，说明存在劳动节约型和资本节约型技术进步。劳动力和资本的交互作用显著为负，意味着生产资源配置不当。η<0 ，说明该期间种植业技术效率是以递增的速率递减的，年均变化率为0.035 6*这里的分析结果似乎和一些参考文献的结论不同，原因有两个：一是样本期间涵盖2000年至2011年，在劳动力转移和加大农业投资等相关政策的支持下，劳动力过剩和资金投入不足现象已有所缓解，这两者对农业产出的贡献已与大多数文献研究期间的20世纪80年代末期至2000年初期所对应的贡献不同了；二是本文仅分析种植业的生产率，这与包含农林牧渔业的农业生产率是不同的。。

表4　种植业全要素生产率确定性前沿生产函数回归结果

注:***表示p< 0.01，**表示p< 0.05，*表示p< 0.1。

表5　LR检验结果

注:***表示p< 0.01，**表示p< 0.05，*表示p< 0.1。

(二)外出务工对农户家庭种植业全要素生产率的作用

为考察外出务工对农户家庭种植业全要素生产率的作用，首先在前述生产率回归模型的基础上，经预测得到CHNS调查中所有农户家庭的全要素生产率，接下来再进一步构建合适的计量经济模型。模型中，被解释变量为随机前沿模型得到的农户家庭种植业全要素生产率估计值TFP。解释变量中，除了外出打工这一核心解释变量外，本文在对现有研究成果梳理的基础上加入了耕地规模、家庭成员数、户主年龄、户主年龄平方、户主受教育程度作为控制变量，具体形式为：

(3)

Hausman检验值为479.71，说明应采用固定效应模型。另外还采用了分位数回归模型分析不同分位点上种植业全要素生产率的主要决定因素，综合结果如表6所示。

表6表明，全样本面板数据的固定效应模型中，农民外出务工对农户家庭种植业全要素生产率作用不显著；但面板数据的分位数回归模型则显示，外出务工是种植业全要素生产率的决定因素，而且这一作用在五个分位点上均表现显著，都促进了种植业全要素生产率的提升。当然，在不同的分位点上，外出务工对种植业全要素生产率的促进作用不尽相同。除此之外，家庭成员数、耕地规模、户主年龄及年龄的平方，是目前中国农户家庭种植业全要素生产率高低的主要决定因素，户主的受教育程度的作用不甚明显。

六、结论及政策建议

本文利用CHNS不同数据库之间的匹配信息组建了面板数据，采用固定效应模型、面板数据的分位数回归模型和随机前沿生产函数模型，分析了农民外出务工对农户家庭种植业生产投入及全要素生产率的作用。结果显示：种植业生产规模较小的农户家庭会因为家庭成员外出打工而增加流动资产的投入；而生产规模较大的农户家庭，会由于外出打工而减少种植业方面的流动资产投入；外出务工对小规模农户家庭种植业生产总资产投入作用不显著，但对大规模农户的总资产投入有明显的抑制作用；在劳动节约型和资本节约型技术进步对种植业全要素生产率做出重要贡献的背景下，农民外出务工在一定程度上有助于种植业生产率的提升。为此，未来可围绕农民增收的政策目标继续鼓励农民外出务工，并应准确把握农户、特别是种植业生产专业大户的外出务工动向以及家庭种植业生产结构、耕地面积和投入的变动情况。

表6　外出打工与农户家庭种植业生产全要素生产率计量模型

注:***表示p< 0.01，**表示p< 0.05，*表示p< 0.1。

参考文献：

[1]陈文超. 农村青年外出打工对农户种地安排的影响——基于河村经验的分析[J]. 华东理工大学学报：社会科学版, 2012(5).

[2]纪月清, 钟甫宁. 非农就业与农户农机服务利用[J]. 南京农业大学学报：社会科学版, 2013(5).

[3]赵文, 程杰. 农业生产方式转变与农户经济激励效应[J]. 中国农村经济, 2014(2).

[4]Davis J, Lopez-Carr D. Migration, Remittances and Smallholder Decision-making: Implications for Land Use and Livelihood Change in Central America[J]. Land Use Policy, 2014(36).

[5]石智雷, 杨云彦. 外出务工对农村劳动力能力发展的影响及政策含义[J]. 管理世界, 2011(12).

[6]展进涛, 陈超. 劳动力转移对农户农业技术选择的影响——基于全国农户微观数据的分析[J]. 中国农村经济, 2009(3).

[7]Bezu S, Holden S. Are Rural Youth in Ethiopia Abandoning Agriculture?[J]. World Development, 2014,64.

[8]李德洗. 农户非农就业的粮食生产效应研究[J]. 中州学刊, 2012(4).

[9]秦立建, 张妮妮, 蒋中一. 土地细碎化、劳动力转移与中国农户粮食生产——基于安徽省的调查[J]. 农业技术经济, 2011(11).

[10]李庆, 林光华, 何军. 农民兼业化与农业生产要素投入的相关性研究——基于农村固定观察点农户数据的分析[J]. 南京农业大学学报：社会科学版, 2013(3).

[11]于大川, 潘光辉. 健康人力资本与农户收入增长——基于CHNS数据的经验研究[J]. 经济与管理, 2013(3).

[12]徐玉婷, 杨钢桥. 不同类型农户农地投入的影响因素[J]. 中国人口·资源与环境, 2011(3).

[13]Banerjee H, Goswami R, Chakraborty S, et al. Understanding Biophysical and Socio-economic Determinants of Maize (Zea mays L.) Yield Variability in Eastern India[J]. NJAS-Wageningen Journal of Life Sciences, 2014(12).

[14]Xie Y, Gong P, Han X, et al. The Effect of Collective for Estland Tenure Reform in China: Does Land Parcelization Reduce Forest Management Intensity?[J]. Journal of Forest Economics, 2014,20(2).

(责任编辑：马慧)

收稿日期：2015-12-25

基金项目：国家社会科学基金项目《农产品食品安全视阈下的农业生产模式转型问题研究》(14XGL003)

作者简介：明辉，女，重庆綦江人，副教授，硕士生导师，研究方向：技术经济及管理；

中图分类号：F325

文献标志码：A

文章编号：1007-3116(2016)07-0099-08

The Effection of Working away from Hometown on the Household’s Planation Production: The Empirical Analysis with 2 101 Households

MING Hui, QI Yan-bin

(College of Economics, Sichuan Agricultural University, Chengdu 611130, China)

Abstract:Working away from hometown is the important channel of transforming the residual labor in rural although improving the farmers' income is the main policy target. Based on the CHNS data, this paper constructs the micro-panel data and analyzes the effects of the migrant workers on liquid capital investment and total capital investment of the household's family plantation by using the fixed effects regression model and the quantile regression model of the panel data. Then the total factor productivity is measured with the stochastic frontier production function model. The results showed that the households of small scale plantation production would increase the liquid investment when the members of the family are outside for work while the large scale households would reduce the liquid capital investment. In terms of total capital investment, working away from hometown had little effect on the capital of the small scale households' plantation production, but the reducing effect was significant for the large scale households. At present, the labor saving progress and the capital saving progress both contribute to the total factor productivity in China. So working away from hometown could help the improvement of the plantation productivity to some degree. In the future, the trend of outside for work of the farmers especially the specialized farmers, the changes about the structure of agricultural production and the area or the agricultural inputs would be grasped.

Key words:working away from hometown; liquid capital investment; total capital investment; panel data; stochastic frontier production function

漆雁斌，男，四川岳池人，教授，博士生导师，研究方向：农林经济管理。

【统计调查与分析】