劳动力成本上升、主产区优势与中国大豆种植面积变化——基于1991—2019年的省级面板数据

韩振兴，常向阳

（1. 南京农业大学经济管理学院，江苏 南京 210095；2. 山西农业大学农业经济管理学院，山西 太谷 030801；3. 南京农业大学中国粮食安全研究中心，江苏 南京 210095）

中美贸易摩擦和大豆振兴计划的提出使大豆产业再度成为人们关注的焦点。2018年以来，为应对中美贸易摩擦，中国在降低对美国大豆进口的同时，不仅把进口市场从美国转向巴西、阿根廷等南美市场[1]，而且加大了从俄罗斯、乌克兰、印度、乌拉圭等国的进口[2]。但是，目前中国大豆对外依赖程度过大，而中国又没有大豆定价权，在美国对国际大豆产业的隐形控制下[3]，中国必须恢复一定的大豆种植面积，保持一定的自给水平。2015年农业部下发了《关于促进大豆生产发展的指导意见》，在政策层面支持扩大大豆种植面积，2019年中央一号文件提出“大豆振兴计划实施方案”，旨在恢复大豆生产，增加大豆有效供给。

关于大豆种植面积变化的主要原因：第一种观点认为是在“谷物基本自给，口粮绝对安全”的粮食安全政策下，大豆生产让位于三大主粮生产所致。但是，粮食安全政策已经持续很长时间，只是不同阶段的内容不同而已，换句话说就是，各个时期大豆种植面积的变化都是在保障粮食安全的前提下进行的，即粮食安全政策是大豆种植面积变化的约束条件，而不是主导因素。第二种观点认为是大量进口挤占了国内大豆生产。但是，众所周知，进口大豆主要用于食用油的生产，国产大豆主要用于食用豆制品和调味品的生产[4]，用途差异较大，尤其随着城乡居民对植物蛋白需求的不断上升，进口大豆对国产大豆的挤占空间有限，可见，进口冲击也不是影响国产大豆种植面积变化的主要因素。第三种观点认为是农户出于比较收益的考虑，用比较收益更高的作物替代了部分大豆种植。大豆的替代作物主要是水稻或玉米[5]，玉米替代大豆种植在东北表现的更为明显，尤其是吉林省，导致玉米种植比例高达70%以上[6]。虽然水稻、玉米的比较收益高于大豆，但是其他作物的收益可能更高，为什么不是其他作物替代大豆种植？可见，这里不仅是比较收益的原因，还可能存在其他原因，比如作物的机械化程度等，相较而言，机械化程度高的作物更易替代种植条件相似、机械化程度低的作物，比如用水稻、玉米替代大豆。

综上可知，粮食安全约束、比较收益和大量进口冲击是中国大豆种植面积变化多年来一直面临的约束条件，一定时期内也不会改变。同时，大豆的国内价格远高于国际价格，但价格差异背后的原因是生产成本差异。那么，在上述约束条件下，应该如何合理扩大大豆种植面积，尤其是在劳动力成本持续上升的背景下。从全国范围来看，大豆适宜种植区域较广[7]，有北方春大豆区、黄淮流域夏大豆区、长江流域大豆区、长江以南秋大豆区和南方大豆两熟区，但近年来实际种植区域只集中在黑龙江、内蒙古、安徽、四川、河南五省，五省面积之和占全国的70%以上，说明相较其他地区，这五省具有更高的种植大豆的综合比较优势。那么，是否可以只增加主产区省份的大豆种植面积，进而依靠规模经济来降低生产成本，利用主产区优势来弱化劳动力成本上升的冲击？

现有文献多关注劳动力成本上升对种植结构[8-10]、作物种植面积或者比例的影响[11]，且多集中于三大主粮作物和少部分经济作物[12-13]，已经取得了一些研究成果和有益进展。但是，没有进一步分析在此过程中是否存在主产区与非主产区的影响差异，即主产区优势对劳动力成本上升冲击的调节效应。因此，本研究基于1991—2019年中国大豆生产的省级面板数据，在控制资源禀赋、外部环境和市场因素的情况下，探析劳动力成本上升对中国大豆种植面积变化的影响机制，并分析主产区优势在上述影响机制中的调节作用。

1 理论分析与模型设定

1.1 理论分析

根据诱致性技术变迁理论，当要素相对价格发生变化时，理性的农户会选择使用相对便宜的要素替代相对昂贵的要素[14]，同时，扩大节约昂贵要素使用的作物种植，减少密集使用该要素的作物生产[8,11,15]。具体到大豆生产上，劳动力成本持续上升，理性的豆农，一是会选择用机械替代劳动，继续种植大豆[16]，但是需要达到一定的种植规模才适合机械作业，该方式很大程度上会导致大豆种植面积增加；二是选择种植机械化程度更高的作物替代大豆种植，进一步节约劳动要素的使用，该方式会导致大豆种植面积减少。因为第二种方式比第一种方式更加节约劳动要素，多数农户会倾向于选择第二种方式，由此提出本文的研究假说1。

假说1：劳动力成本上升会减少大豆种植面积。

根据大卫·李嘉图的比较优势理论，即使一个地方在所有产品的生产上都不具备绝对优势，仍然可以通过生产具有比较优势的产品获利。具体到大豆生产上，全国适宜种植区域较广，但却集中在少数几个省份，尤其黑龙江一省就占到全国的40%左右[17]，悠久的种植历史和独特的自然资源禀赋形成了主产区的综合比较优势，较高的集中度使得主产区综合比较优势更加明显，可以在一定程度上弱化其他因素的冲击。由此提出本文的研究假说2。

假说2：劳动力成本上升对大豆种植面积变化的影响存在显著的主产区与非主产区差异，主产区优势会弱化劳动力成本上升带来的冲击。

当然，农户种植决策不仅受自然条件的影响，同时也受资源禀赋、外部环境和市场因素的影响。在早期的作物种植决策中，自然条件是影响农户种植决策的主要因素，在种植模式相对成熟后，更多地会受到资源禀赋、外部环境和市场因素的影响[18-19]。为此，需要在控制资源禀赋、外部环境和市场因素的情况下，分析劳动力成本上升对大豆种植面积变化的影响。

1.2 模型设定与变量选择

1.2.1 模型设定 结合前面的理论分析，借鉴前人的做法，本研究的被解释变量为大豆种植面积，关键解释变量为劳动力成本，主要分析劳动力成本上升对大豆种植面积变化的影响机制，以及该影响在主产区与非主产区的差异，控制变量从资源禀赋、外部环境和市场因素三方面来考虑。为此，建立如下回归模型：

式中：i表示省份，t表示年份，因变量Yit表示大豆种植面积，为便于模型解释，对其取对数。关键解释变量为PLit和PLit×Dit。α0～α5为待估参数，μi为个体固定效应，νt为时间固定效应，εit为随机扰动项。

面板数据的优点在于：一是可以解决由不可观测的个体效应造成的遗漏变量问题，遗漏变量问题多数情况是由不可观测的不随时间变化的个体效应或者异质性造成的，面板数据恰好能解决这部分遗漏变量问题；二是可以提供更多的个体动态变化信息，面板数据兼顾截面和时间两个维度，截面维度上能回答规模效应问题，时间维度上能反映技术进步，故而能提供更多的个体动态变化信息；三是样本容量较大，能有效提高估计精度。

1.2.2 变量选择 关键解释变量PLit，表示i省t年的劳动力成本，用农村居民工资性收入表示[10]。农村居民工资性收入，指农村居民就业人员通过各种途径得到的全部劳动报酬和各种福利，包括受雇于单位或个人、从事各种自由职业、兼职和零星劳动得到的全部劳动报酬和福利，一定程度上更能反映农业劳动力从事农业生产的机会成本。《全国农产品成本收益资料汇编》中表示地区劳动力价格的指标有地区日工价和雇工工价，地区劳动日工价虽有省份差异，但无作物差异，且从1993年起才有统计数据；雇工工价既存在省份差异，也存在作物差异，但是从1998年起才有统计数据，并且属于观测点抽样数据，样本量偏少。为此，本研究选取样本量最大且能反映农业劳动力机会成本的农村居民工资性收入做基准回归，用地区劳动日工价和雇工工价进行稳健性检验。为缓解可能存在的异方差问题和偏态分布问题，对上述指标取自然对数。

关键解释变量PLit×Dit，为劳动力成本和是否主产区的交互项，交互项系数表示劳动力成本上升对大豆种植面积变化的影响在主产区与非主产区的差异，Dit表示是否大豆主产区。近年来中国大豆生产的前五位省份是黑龙江、内蒙古、安徽、四川和河南，在上述五省中，黑龙江、内蒙古、安徽和河南四省长期位居全国大豆种植面积前列，四川是从2010年起才进入前五位的，在2001—2010年期间主要是吉林省，在1991—2000年期间主要是山东省，但是几乎每年前五位省份的面积之和均能占到全国的70%以上。为此，本文选取每年前五位的主产省份用1表示，表征该地区具有大豆生产的综合比较优势，其他省份用0表示。

控制变量中，R表示资源禀赋类控制变量，从农业资本存量（化肥投入量）、农业耕地数量（人均耕地面积）、地形条件和农业技术水平（农机总动力）几方面来考虑；E表示外部环境类控制变量，从非农经济比例、对外贸易依存度、粮食生产地位和相关政策几方面来考虑；M表示市场因素类控制变量，从比较收益、净进口量占比和粮食作物相对产值三方面来考虑。各变量定义和描述性统计见表1，所有价格变量用1991年不变价格进行折算。

表1 变量的描述性统计Table 1 Descriptive statistics of variables

1.3 数据来源

本文运用1991—2019年全国28个省份大豆生产的省级面板数据进行研究，因数据可得性未包括台湾、香港和澳门，西藏自治区和青海省因农业生产的特殊性被剔除，1997年后的重庆与四川合并，这仅是一种学术处理。其中，因变量大豆种植面积根据《中国统计年鉴》《中国农村统计年鉴》和《中国农业统计资料》整理获得；关键解释变量农村居民工资性收入、是否主产区根据《中国统计年鉴》整理获得；控制变量中，化肥投入量、人均耕地面积、农机总动力、非农经济比例、对外贸易依存度、粮食生产地位和净进口量占比根据《中国统计年鉴》《中国农村统计年鉴》和各省统计年鉴整理获得，地形条件根据《中国县市社会经济统计年鉴》整理获得，比较收益、粮食作物相对产值根据《中国统计年鉴》《中国农村统计年鉴》和《全国农产品成本收益资料汇编》整理获得。稳健性回归中的地区日工价和雇工工价来自《全国农产品成本收益资料汇编》。

2 结果与分析

2.1 中国大豆生产和进口情况

大豆既是食用植物油和蛋白食品的主要来源，也是动物饲料蛋白的重要原料，同时也是耕作制度中种养结合的重要倒茬作物[23]，稳定大豆生产是满足居民对植物蛋白需求、畜牧业发展和耕作制度的必然需要。

2.1.1 面积和产量 中国大豆种植面积的变化情况可以分为四个阶段（见表2）：1991—1999年，大豆种植面积波动较大，1991年首先跌回到了改革开放初期700万hm2的水平，其后从1992年的722万hm2陡增到1993年的945万hm2，整个90年代主要在750万～850万hm2波动；2000—2009年，大豆种植面积相对稳定，多数年份在930万～960万hm2波动；2010—2015年，大豆种植面积下降严重，2013年起跌到了90年代初期的水平，2015年更是降到了683万hm2；2016年起，大豆种植面积开始回升，从2016年的760万hm2上升至2019年的933万hm2。

中国大豆产量变化情况可以分为三个阶段（见表2）：1991—2009年，中国大豆产量呈波动式变化，无明显规律特征；2010—2015年，大豆产量呈下降趋势，从1 541万t逐步下降到1 237万t；2016年起，大豆产量开始回升，从2016年的1 360万t上升到2019年的1 809万t。此外，1991—2019年，中国大豆单产呈波动式变化，整体提升不大，最大值和最小值之间仅差529 kg/hm2，年均增长仅为18.89 kg/hm2。

2.1.2 生产成本 中国大豆生产成本增长迅速（见表2），从1998年的3 687元/hm2增长到2019年的10 295元/hm2，1998年仅为美国的73%，2019年已经是美国的1.36倍。从图1可以看出，中国大豆生产成本变化趋势与人工成本变化趋势保持了高度的一致性，相较于其他成本而言，人工成本上升是大豆生产成本上升的主要原因，人工成本上升主要是因为劳动力价格的迅速上升。据统计数据显示，1991—2019年全国农村居民工资性收入从每人151.92元上升到6 584元，劳动日工价从每工日2.90元上升到86.38元，大豆雇工工价从每工日19.47元上升到118.85元。

图1 中国大豆生产成本变化情况Fig. 1 Changes in China’s soybean production costs

2.1.3 进口情况 中国大豆进口数量的变化有三个分界线（见表2）：1996年中国从大豆净出口国变为净进口国[7]；2001年起，中国加入WTO后履行入世承诺，不断开放大豆产业，大豆进口量迅速增长；2003年大豆进口量首次超过国内产量，此后逐年增加，进口量与国内产量之比从2003年的1.35上升到2019年的4.89，其中，2015年最高为6.93。目前，中国是世界上最大的大豆进口国，进口额约占世界出口量的60%以上。

表2 中国大豆生产和进口情况Table 2 China’s soybean production and imports

中国大豆进口量大的原因：一是因为产量增长赶不上消费增长，根据统计数据显示，中国大豆消费量占世界大豆产量的比重已经从90年代初期的10%增加到现在的30%，对进口的依赖程度（进口量占消费量的比重）也从90年代初期的1%上升到现在的85%[2]，因为国产能力的增速赶不上消费的增速，所以需要依靠进口来满足国内消费需求[4]。二是大豆进口调控政策有限，相较于其他农产品而言，中国大豆既没有足够的关税政策空间，也无法使用配额管理、许可证及数量限制等措施，缺乏有效的口岸保护措施[4]。

2.2 模型估计结果

基于前文的理论分析和模型设定，借助Stata15.0分别运用混合OLS回归、固定效应FE、随机效应RE和极大似然估计MLE对模型进行估计，并通过相关检验选择最优估计，估计结果见表3。首先，在固定效应回归中ρ=0.729 1，说明复合扰动项中的方差主要来自个体效应μi的变动，并且F检验的统计量为18.16，说明固定效应优于混合OLS回归。其次，在随机效应和混合OLS回归的比较中，强烈拒绝“不存在个体随机效应”的原假设，说明随机效应优于混合回归。再次，极大似然估计的p值为0.000 0，强烈拒绝“σμ=0”的原假设，说明存在个体效应，不能进行混合回归。最后，通过Hausman检验，χ2统计量为52.90，p值为0.000 0，说明应该使用固定效应回归，而非随机效应，此时在考虑异方差的情况下，固定效应和随机效应比较检验的χ2统计量为150.403，p值为0.000 0，同样显示固定效应优于随机效应。因此，本研究根据固定效应回归结果进行分析。

表3 基准回归估计结果Table 3 Estimation results of the benchmark regression

从回归结果来看，劳动力成本上升对大豆种植面积存在显著的负向影响。在控制其他因素不变的情况下，当劳动力成本上升1%时，非主产区省份大豆种植面积减少0.118 4%，主产区省份大豆种植面积增加0.064 3%，均在5%的统计水平上显著。可以看出，随着劳动力成本不断上升，非主产区省份会不断减少大豆种植面积，但是在主产区省份不仅不会减少甚至还会增加大豆种植面积。说明在主产区省份，劳动力成本上升带来的冲击已经被当地多年来形成的大豆种植综合比较优势所弱化，甚至还会带来正向影响。

控制变量中，净进口量占比对大豆种植面积的影响最为显著，在控制其他因素不变的情况下，净进口量占比增加1%，下一年大豆种植面积减少0.095 5%，符合理论预期，且在1%的统计水平上显著，但是明显小于劳动力成本上升的影响，进一步佐证了进口冲击只是大豆种植面积变化的约束条件，而非主要因素。从其他控制变量的影响来看，尽管多数变量回归系数的方向符合理论预期，但是显著性不高，为此不做详细讨论。

2.3 稳健性检验与异质性分析

2.3.1 稳健性检验 为了检验上述结果的稳健性，用地区日工价和雇工工价作为劳动力成本的代理变量进行稳健性回归，分别对应表4中模型II和模型III的回归结果，模型I为上文固定效应基准回归结果。首先，在模型II回归中，因为地区日工价从1993年起才有统计数据，样本量减少为755。在控制其他因素不变的情况下，劳动力成本上升1%，非主产区省份大豆种植面积下降0.195 0%，主产区省份大豆种植面积上升0.035 0%，分别在10%和5%的统计水平上显著，与基准回归结论一致。说明在主产区省份，劳动力成本上升对大豆种植面积变化的负向影响会被主产区优势所弱化，甚至会产生正向影响。控制变量中，净进口量占比的显著性和系数大小有所降低，对外贸易依存度的系数变得不显著，可能的解释是大豆进口量变化的影响有一部分被劳动力成本上升解释掉了，进一步从侧面说明进口冲击只是大豆种植面积变化的约束条件，而非主要影响因素。其他控制变量回归系数的显著性和方向几乎与模型I完全一致，进一步说明模型I的基准回归具有一定的稳健性。

表4 稳健性回归估计结果Table 4 Estimation results of the robust regression

其次，在模型III回归中，雇工工价因为统计更晚且属于抽样观察，样本量减少为237，但是雇工工价的优点在于可以同时反映劳动力成本变化的省份差异和作物差异。从模型III的回归结果来看，劳动力成本上升1%，非主产区省份大豆种植面积下降0.282 7%，主产区省份大豆种植面积上升0.032 2%，分别在5%和1%的统计水平上显著，与基准回归结论一致。说明在主产区省份，劳动力成本上升造成的负向影响可以被当地多年来形成的大豆种植综合比较优势所弱化，甚至会产生正向影响。控制变量中，是否主产区的回归系数在5%的统计水平上显著，其他控制变量回归系数的显著性和方向几乎与模型I完全一致，进一步说明模型I的基准回归具有一定的稳健性。

综上可知，无论是基准回归还是稳健性检验均表明，在非主产区省份，劳动力成本上升对大豆种植面积变化有负向影响，但在主产区省份，劳动力成本上升造成的负向影响可以被主产区多年来形成的大豆种植综合比较优势所弱化。

2.3.2 异质性分析 为了检验劳动力成本上升对大豆种植面积变化影响的区域异质性，以及主产区与非主产区影响差异的异质性，本研究从不同经济发展水平地区进行异质性分析。

从回归结果来看（见表5），劳动力成本上升对非主产区省份大豆种植面积变化的影响在东部、东北地区显著为负，在中部地区显著为正，在西部地区不显著。主要原因在于，东部地区相较其他地区经济更发达，种植大豆的机会成本更高，不仅要面临高附加值经济作物和三大主粮作物的种植替代，还要面临劳动力非农就业和人地比例关系日益紧张的约束；东北地区的非大豆主产省份主要是辽宁省，经济情况、面临的约束与东部地区类似，影响也相似；中部地区种植大豆的机会成本相对低于东部地区，面临的劳动力约束和人地比例约束也小于东部地区，所以劳动力成本上升对该地区大豆种植面积变化有微弱的正向影响。

表5 异质性回归估计结果Table 5 Estimation results of the heterogeneity regression

主产区优势的调节效应仅在西部地区不显著，在东部、中部和东北地区显著为正，调节效应回归系数分别为0.672 6、0.199 7和0.282 2，表明主产区优势对劳动力成本上升冲击的弱化作用存在明显的区域异质性。其中，东部地区主产区优势的弱化作用最大，主要因为东部地区经济发达，可以不断地通过机械替代劳动应对劳动力成本上升的冲击；东北地区次之，主要是因为黑龙江一直都是全国最大的大豆生产省份，具有大豆生产的绝对优势和传统优势，可以据此弱化劳动力成本上升带来的冲击；中部地区弱化作用最小，主要是因为该地区集中了几个粮食主产省份，还需同时兼顾本省的粮食生产地位。综合来看，除西部地区外，东部、中部和东北地区的大豆主产省份均存在明显的主产区优势对劳动力成本上升冲击的弱化作用。

3 结论与建议

3.1 结论

本研究运用1991—2019年中国大豆生产的省级面板数据，在控制资源禀赋、外部环境和市场因素的情况下，分析了劳动力成本上升对中国大豆种植面积变化的影响，并基于主产区与非主产区的影响差异分析了主产区优势在上述影响机制中的调节作用。研究发现：

第一，在非主产区省份，劳动力成本上升会降低大豆种植面积，但是在主产区省份，劳动力成本上升带来的冲击会被当地大豆种植的主产区优势所弱化，甚至还会增加大豆种植面积，进而引起大豆种植进一步向主产区集中。因此，应该在主产区省份合理扩大大豆种植面积，而不是盲目扩大，进而依靠规模经济来降低生产成本，利用主产区优势来弱化劳动力成本上升的冲击。

第二，劳动力成本上升对非主产区省份大豆种植面积变化的影响在东部、东北地区显著为负，在中部地区显著为正，在西部地区不显著，主产区优势的调节效应仅在西部地区不显著，在东部、中部和东北地区显著为正。可见，在东部、东北地区，主产区优势会弱化劳动力成本上升带来的负向影响；在中部地区，主产区优势会强化劳动力成本上升对大豆种植面积的正向影响。

3.2 政策建议

结合国内消费量和产量来看，未来较长时间内，中国大豆市场供给仍会以进口为主。但是，为了应对贸易摩擦和降低对进口市场的依赖程度，需要合理扩大大豆种植面积，保证一定的自给水平，即充分利用好国内国外两种资源和两个市场[24]，推动形成进口大豆与国产大豆错位竞争、相互补充的格局。囿于国内耕地面积有限和粮食安全底线的约束，需要科学合理地扩大大豆种植面积，形成与资源禀赋、比较优势相匹配的大豆生产规模和区域布局，而不是随意扩张。尤其是在劳动力成本不断上升的背景下，应该从以下几方面着手：

第一，合理扩大种植面积，形成规模化种植，降低生产成本。在非主产区省份，劳动力成本上升会减少大豆种植面积，但是在主产区省份，由于主产区综合比较优势的作用使得该影响被弱化，尤其在中部地区，主产区优势会强化劳动力成本上升对大豆种植面积的正向影响。所以应该在主产区合理扩大大豆种植面积，并且形成规模化种植、区域化布局，在主产区比较优势和规模优势的双重作用下，通过要素的集约化使用，降低生产成本、提高收益。

第二，在种植面积扩张有限的情况下，增加技术和育种方面的投入，提升大豆单产和品质。在种植面积扩张有限的情况下，要稳定大豆供给就必须提升大豆单产，通过增加单位面积的产出来增加总供给。提升大豆单产，一是要从技术方面入手，二是要从育种方面入手。有学者指出，美国、阿根廷、巴西、乌拉圭等国均是在未大规模化或者未合法化种植转基因大豆前单产就已经超过2 000 kg/hm2，甚至超过3 000 kg/hm2，说明提高单产与转基因种植并无必然联系，主要还是得益于良种培育和技术投入[3]。所以，应该加快培育优质、高产大豆新品种，提高大豆品种的适应性和高产性，提升大豆品质，提高食用大豆蛋白质含量和榨油大豆脂肪含量；加大大豆科技成果转化和种植技术推广力度，通过技术投入提高大豆产量和品质。