城镇化、劳动力转移和安徽省化肥面源污染

吴义根

（池州学院 商学院，安徽 池州 247000）

我国城镇化快速推进，大量农业人口从农村土地转移到非农产业，一方面提升了农村劳动力就业率，增加了农民的收入，提升了农民自身的人力资本，且缓解了农业生产的内卷化[1]，这可以回馈农民，使其收入增加。另一方面农村人口减少，促进了适度规模经营，同时优化了农业现代化生产要素的投入，为农业机械化的进一步推广注入了内生动力[2]。农业由劳动过密投入的土地密集型转向劳动集约型，农业生产效率提升。截至2020年，实现了粮食产量十七连丰，人均粮食占有量480公斤，远超世界平均水平[3]。为了追求粮食产量，面对农业劳动力缺乏，选择了化肥作为替代要素，导致这个廉价的替代品被过量施用，在过去的三十年，我国的化肥、农药以及农膜使用量增加了2～4倍。自2015年以来，我国推动并实施了农业绿色发展五大行动，在“一控、两减、三基本”的目标约束下，我国化肥和农药的施用量逐年下降。但我国面源污染的现实情况仍然非常严峻，2019年我国化肥施用强度是326 千克/公顷，超过国际安全施用的建议标准（225千克/公顷）。2020年我国三大粮食作物（水稻、小麦和玉米）化肥利用率平均为40.2%，仍比欧美等发达国家低10%～

20%[4]。

目前文献主要讨论了化肥面源污染的时间和空间分布以及驱动因素等。就方法来说，采用了时 间 序 列VAR 模型[5]、OLS 面 板模 型[6-7]、SD 模型[8]、LMDI分解模型[9]或IPAT方程[10]、空间面板模型[11-12]，从不同侧重点分别讨论了农业面源污染的影响因素。就城镇化来说，直接讨论其对面源污染影响的文献很鲜见，主要是基于农村劳动力非农转移和农民收入角度间接讨论的比较多[13]。一些调查显示，城镇化增加了非农收益，这导致更多农村青壮年劳动力外出打工，为了确保产量，农民倾向于多使用廉价的化肥替代劳动[14]，结果导致化肥过量施用且低效[15]。农村劳动力非农化，导致农村优质劳动力短缺，使得一些环境友好型的技术很难推广，加大了农业面源污染治理难度[16]，对农村生态环境造成负面影响。随着城镇化进程加快，农民收入增加，农民手里资金的约束得以缓解，在小农风险回避情境下[15]，农民倾向于多施用化肥，这加剧了化肥面源污染。但同时由于农民收入结构改善，农民的经营性收入比例呈现下降趋势，这又缓解了农业面源污染[17]。劳动力转移背景下，以手工劳动为主、低污染的“传统农业”开始转向高污染的“石油农业”[18]，高度依赖化肥成为农民生产的习惯[19]。

综上，已有文献从城镇化和农村劳动力转移视角做了较为丰富的研究。但也存在拓展空间：一是现有文献多从城镇化引起农村劳动力转移或者收入结构变化等某一视角来讨论其对面源污染的影响，而从城镇化这一视角讨论其对面源污染直接影响文献较少，将城镇化和农村劳动力转移纳入同一框架下来研究较为鲜见。二是从方法上来看，为了讨论面源污染的驱动因素以及区域异质性，而忽视了城镇化、农村劳动力转移对化肥面源污染长期动态影响。基于此，本文选用面板向量自回归模型，将城镇化、农村劳动力转移以及化肥面源污染纳入到同一框架下，利用PVAR 模型克服内生性，考察三者之间的长期动态关系，评估城镇化、农村劳动力转移的环境效应。

一、理论分析

城镇化和农村劳动力转移对化肥面源污染影响机制主要有两大效应：一是污染效应，二是减排效应，其影响机制如图1所示。

图1 城镇化、农村劳动力转移对化肥面源污染影响的理论机制

就污染效应来看，一方面随着城镇化进程的深入，城镇人口规模不断扩大，而且吸纳的就业人数增加，这些都增加了对农产品的刚性需求[20]。同时，城镇化改变了土地的利用方式，城市建设用地和非农产业建设用地挤占了耕地数量[21]。为了应对农产品需求增加以及耕地资源减少，确保自身收入不降低，农民会选择加大化肥投入。另一方面城镇化的发展有利于农村劳动力向非农产业转移。这必然会大幅度减少农村劳动力数量，较劳动力的成本而言，化肥更廉价，这会驱动农民使用耕地和劳动力节约型技术，过量施用化肥成为最优选择[11]。

就减排效应来说，一方面城镇化水平提升，消费者对农产品的绿色生产和绿色消费意愿增强，促使政府和农业生产者关注农业生态环境，随着进城农民收入水平和教育水平提升，农民绿色生产意识增强。城镇化为环境友好型技术推广提供资金支持，有利于降低化肥施用量[22]。另一方面城镇化带动了农村劳动力转移，主要是青壮年劳动力流出农村，剩下的农村劳动力的平均质量下降[23]。此外，农村劳动力转移推动了农村土地流转，有利于实现农地规模经营[24]，一定程度上降低化肥的过量施用[25]。

综上，城镇化、农村劳动力转移对化肥面源污染影响取决于正效应与负效应的相对大小，需要进一步进行实证判断并分析长期动态影响。

二、研究方法、指标选取与数据来源

（一）研究方法

为了考察城镇化、农村劳动力转移对化肥面源污染的远期影响，本文采用PVAR 模型，该模型综合了时间与空间分析的优势，同时控制了时间和个体异质性。能考察所有变量及滞后项，模型能把目标变量纳入同一内生性系统，可以真实反映目标变量的长期动态关系，其正交化脉冲响应函数可以将不同因素对化肥面源污染的影响分离出来。PVAR模型为：

式中，yit是冲击变量，i为安徽省16个地级市，t为年份，ai为个体固定效应，βt为时间效应，εit为随机扰动项，其中城市异质性是通过个体效应ai来衡量的，βt为每个时期特定的冲击效应。本文设定yit=(ur，nlr，ei)′包含3个变量的列向量，ur表示城镇化率，nlr表示农村劳动力转移率，ei表示各市化肥面源污染排放强度。

（二）变量选取

1.化肥面源污染排放强度（NLR）。现有统计数据并没有安徽省化肥面源污染排放量的直接数据。化肥对环境污染排放核算一般采用单元调查法，化肥对环境污染的载体主要包括土壤、大气、作物、水体。本文重点评估化肥对地下水和地表水产生的污染，核算的污染物主要是总氮（TN）和总磷（TP）。本文根据已有文献的普遍做法[26]，核算了安徽省各地级市的化肥面源污染。具体计算公式为式（2）：

式（2）中，E表示化肥面源污染总量，Eij表示第i单元产生并流失进入水体的第j种污染物排放量；Cij表示第i单元产生并对水体环境造成潜在面源污染的第j种污染物排放量；Ti表示第i单元指标数；σij表示第i单元第j种污染物产污系数；δi表示第i种化肥流失率。不同污染物的特征、危害以及环境效应存在差异，为了便于比较，需要对污染物做标准化处理[10]，具体计算公式如式（3）所示，

其中，Pi为农业面源污染等标排放量，m3/a（立方米每年）；Pij为单元i污染物j等标排放量；Eij为单元i污染物j的排放量，t/a（吨每年）；Mij为污染物j的排放标准，mg/l（质量浓度，毫克每升）；1010为单位调整系数。由于国家目前尚未制定农业面源污染的相关排放标准，采用《污水综合排放标准》（GB 8978—2002），总氮采用一级标准的B标准为20mg/l，总磷采用二级标准为3mg/l[26]。

其中，EI表示化肥面源污染的等标排放强度，AL表示农作物播种面积。

2.农村劳动力转移。农村劳动力转移反映了户籍在农村的农村劳动力就业的转移过程，主要从农业部门转移至非农业部门，可以用农村劳动力转移率来表示，农村劳动力转移的测算借鉴童玉芬的做法[27]，具体估算公式如式（5）所示，

3.城镇化水平。城镇化水平可以从人口、经济、土地和社会等方面来判断，本文重在关注城镇化带来的要素再配置及其对化肥面源污染的影响。政策制定和落实主要是考察城镇人口变化，本文采用式（6）计算：

（三）数据来源

本文分析需要的数据包括化肥施用总量、氮肥、磷肥、钾肥、复合肥施用量和农作物播种面积等，数据均来源于2006—2020 年《安徽省统计年鉴》。对于城镇化变量的极少数缺失数据，采用平均增长率方法补全。另外，为了降低数据的波动性，降低异方差带来的影响，取了三个变量的对数值。三个变量的描述性统计分析如表1所示。

表1 各变量描述性统计结果

三、实证检验与结果分析

（一）数据平稳性检验

为了避免使用非平稳面板数据造成虚假回归，本文采用LLC 检验、Fisher-ADF 检验和Hadri LM检验等三种方法检验了数据的平稳性，结果如表2 所示。结果显示，除了城镇化率LLC 检验在5%的显著性水平上拒绝原假设，其余均在1%的显著性水平上拒绝了原假设，说明城镇化率、农村劳动力转移率和化肥面源污染等标排放量强度等数据满足平稳性要求，可以进行PVAR模型分析。

表2 面板单位根检验

（二）PVAR模型估计结果分析

为了确保所设定的PVAR 模型的可靠性，首先需要判断最优滞后阶数，一般采用MMSC 统计量来判断[28]，即根据MBIC、MAIC和MQIC值来选择。根据表3的结果显示，最优滞后阶数为一阶。由于设定的PVAR 模型是动态面板模型，包含了个体固定效应。为了得到参数的一致估计量，需要剔除个体固定效应的影响，采用各变量的前项均值差分法来纠正，确保转换后的变量与模型的滞后变量正交，选择滞后变量作为估计模型的工具变量，然后对模型进行系统GMM估计[29]。

表3 多准则联合判断结果

本文采用系统GMM 对PVAR 模型的参数进行了估计，结果如表4所示。在方程（1）中，因变量是城镇化，滞后一期的城镇化对因变量有正向促进作用，农村劳动力转移率和化肥面源污染等标排放量滞后项对因变量影响不显著。在方程（2）中，因变量是农村劳动力转移率，其滞后变量对本身有正向的促进作用，城镇化率的滞后一期对农村劳动力转移率的影响显著为正，随着城镇化水平提高，城镇能提供更多就业岗位，吸引大量的农村劳动力到城镇就业，因此农村劳动力转移率会提高，这和理论机制分析一致。本文重点关注方程（3），因变量为化肥面源污染等标排放量强度，各变量滞后一期均通过了显著性检验，城镇化率滞后一期的系数显著为负，说明城镇化率滞后项降低了对化肥面源污染排放强度的影响，城镇化通过污染效应和减排效应影响化肥面源污染等标排放量强度，系数为负说明减排效应大于污染效应，随着城镇化水平提升，一方面增加了对资源的刚性需求，这加剧了化肥面源污染的排放，另一方面通过技术等方面回馈农村，通过技术和农民环保意识等改善资源的利用效率，降低了化肥面源污染等标排放量强度。农村劳动力转移率滞后项正向影响化肥面源污染等标排放量强度，即农村劳动力转移率越高，化肥面源污染等标排放量强度越大，农村劳动力转移对化肥面源污染影响来自污染效应和减排效应，显然污染效应大于减排效应，随着农村劳动力转移率逐步提升，其增加了对化肥面源污等标排放量强度的正向影响。化肥面源污染等标排放量强度滞后一期显著为正，说明化肥面源污染自我增强的机制是存在的。

表4 全省PVAR模型的GMM估计结果

（三）PVAR模型的脉冲响应分析

脉冲响应函数反映了在PVAR 模型中给随机扰动项一个标准差冲击分别给系统中每个变量带来的影响，可以直接衡量各个变量间的动态交互作用大小，且能从动态变化中识别变量之间的时滞关系[30]。为了分析城镇化、农村劳动力转移对化肥面源污染动态影响机制和传导路径，继续分析PVAR 模型的脉冲响应函数，探索持续十期脉冲响应图。在做分析之前，首先检验PVAR 模型的稳定性，利用其特征根的数值大小来判断，其三个特征根倒数值均小于1，所有特征根均在单位圆内，PVAR模型满足稳定性要求，可以进一步分析。

PVAR模型与其他面板模型相比，更强调通过脉冲响应预测变量未来的变动方向。通过固定某一变量的前期值和其他变量的各期数值，然后再给该变量一个标准差冲击，识别其对其他变量未来值的冲击作用大小以及持续性影响。PVAR 模型中脉冲响应函数正交分解对三个变量顺序非常敏感，冲击变量的顺序尤为重要，而城镇化进程影响农村劳动力转移率，进而影响化肥面源污染的排放量。为了分析城镇化、农村劳动力转移对化肥面源污染的影响，本文在脉冲响应分析中，将变量LUR放在最前面，其次是变量LNLR，最后是变量LEI。通过蒙特卡洛模拟1 000次绘制出脉冲响应函数图，如图2所示。

图2 全省脉冲响应函数图（蒙特卡洛模拟1 000次）

（1）从图2中（a）（b）（c）可以看出，给化肥面源污染变量一个标准差冲击，可以看出化肥面源污染、农村劳动力转移和城镇化的动态反应情况。变量化肥面源污染立即产生一个正向冲击，冲击效应立即达到最大值，然后冲击效应开始下降，下降的速度较快，到第五期趋于0。化肥面源污染对自身冲击作用在中短期保持持续冲击影响，其对农村劳动力转移和城镇化的冲击作用几乎为0。

（2）从图2中（d）（e）（f）可以看出，给变量农村劳动力转移的一个标准差冲击，化肥面源污染立即产生一个正向的冲击效应，第一期达到最大值，这一冲击效应维持到第二期，然后开始缓慢下降，到第八期开始接近于0；农村劳动力自身立即产生了正向影响，冲击效应立即达到最大值，然后快速下降，到第五期接近于0；对城镇化的冲击效应不明显，说明农村劳动力转移并不是直接导致城镇化主要原因。

（3）从图2中（g）（h）（i）可以看出，给变量城镇化的一个标准差冲击，对化肥面源污染初始产生了一个正向冲击，但很快变成负向影响，到第五期的这种负向冲击达到最大值，并稳定至第十期；对农村劳动力转移产生了一个正向的冲击，冲击效应缓慢上升，在第五期达到最大值，并稳定到第十期；对城镇化冲击效应为正，且冲击效应立即达到最大值，并略有下降并维持到第十期；城镇化对自身的冲击效应立即达到最大值，并维持到第十期，冲击时滞较长，城镇化对自身累积影响是长期的。城镇化对农村劳动力转移产生了长期持续的正向冲击，时滞较长，说明城镇化持续提升了农村劳动力转移率，城镇化对化肥面源污染产生了负向冲击，这种冲击效应时滞较长，是长期持续冲击。

（四）PVAR模型的方差分解分析

PVAR 模型的方差分解分析是为了识别各影响因素贡献的大小，反映每个冲击变量在某一个被冲击变量变化中的重要性大小。如表5所示。

表5 全省方差分解结果

（1）重点分析被冲击变量LEI。在第一期，城镇化变量对化肥面源污染的贡献大约0.6%，而农村劳动力转移对化肥面源污染的贡献约为2.1%，化肥面源污染对自身贡献为97.4%。第五期各自贡献为11.7%、17.6%和70.7%。第六期农村劳动力转移的贡献达到最大值18%后略有下降，城镇化对化肥面源污染的影响逐渐增大，第十期达到最大值为28.9%，化肥面源污染对自身冲击贡献逐渐下降，第十期贡献为54.9%。总体来说，城镇化对化肥面源污染变动贡献要明显高于农村劳动力转移，但化肥面源污染变动主要来自自身，化肥面源污染具有自我增强效应，有一定的惯性。城镇化和农村劳动力转移是影响化肥面源污染的重要因素。

（2）分析被冲击变量LNLR。在第一期，城镇化变量对农村劳动力转移的贡献大约占1%，而农村劳动力转移对自身的贡献占比为99%，化肥面源污染对农村劳动力转移的贡献为0。城镇化对农村劳动力转移冲击贡献呈现上升趋势，第五期的贡献为4.7%，到第十期贡献达到最大值为11.2%，城镇化对自身冲击贡献逐渐下降，第五期对自身贡献95.2%，到第十期贡献为88.8%。显然，城镇化是农村劳动力转移主要原因之一，农村劳动力转移自身累计效应是主要的。

四、结论与政策建议

本文以安徽省16 个地级市2005—2019 年面板数据为基础，分析了城镇化、农村劳动力转移对化肥面源污染的影响机制，并运用PVAR 模型分析了三者之间关系。结论如下：

一是城镇化和农村劳动力转移对化肥面源污染都有一个长期持续稳定的影响。城镇化冲击力持续扩大，农村劳动力转移冲击力逐渐降低，但城镇化对化肥面源污染冲击效应是负向的，而农村劳动力转移对化肥面源污染冲击效应为正向的，化肥面源污染对自身影响存在较长时滞，存在自我强化机制且有惯性。城镇化是导致农村劳动力转移率上升的一个主要因素，而城镇化和农村劳动力转移是化肥面源污染两个主要影响因素。

二是城镇化和农村劳动力是影响化肥面源污染的两个重要因素，但贡献不同。城镇化的发展对化肥面源污染影响贡献度持续上升，接近30%，而农村劳动力转移率对化肥面源污染影响贡献度上升后略有下降，接近20%，化肥面源污染有很强的累积效应，存在污染惯性。城镇化是影响农村劳动力转移的重要因素，贡献持续上升，接近12%，农村劳动力转移也存在自我强化机制，存在惯性，自我累积效应占据绝大部分。

以上结论的政策启示在于：

一是防治化肥面源污染，除了推动污染防治技术，还应该重视社会经济调节，考虑城镇化的影响。安徽省在城镇化发展过程中要注重城镇化的质量效应，避免城镇化的扩张效应，严控城镇化低效扩展，推进新型城镇化实现农业高效可持续发展。统筹各市城镇化的推进和化肥面源污染防治，做到协调差异发展，平衡城镇化推进与农业绿色发展，建立城市间农业环境政策联动机制、合作机制，抓好源头控制，设立鼓励有机肥、生物肥等研发与推广的绿色补偿基金，实现城镇化与绿色农业协调发展。

二是制定化肥面源污染防治政策，需要重点考虑劳动力大量流出地防治与技术应用。就政策而言，应该加大对农村留守劳动力科学施肥等技能培训，推广环境友好型生产技术。加强新型农业经营主体培育，引导农户向非农兼业户和农业专业户双向分化，培育农户环保意识和质量意识。

三是化肥面源污染具有明显的自我强化机制，累积效应明显。对于化肥面源污染要采取源头管制、预防为主，推动化肥替代型和环境友好型农业技术研发，杜绝走“先污染后治理”老路。