农业机械化可以解决农业劳动力短缺吗？

摘要：从农村人口老龄化视角出发，研判农业机械对农业劳动力是否存在替代作用；判断我国当前农业劳动力是否短缺，预测我国未来农业机械化水平，尝试对“农业机械化可以解决农业劳动力短缺问题吗？”进行解答。采用我国31个省市2004—2020年省级面板数据，从农业机械对农业劳动力替代能力视角出发，采用交互固定效应模型，提出衡量农业机械替代能力的估计方法。实证结果表明：我国农业机械对农业劳动力的替代能力为：10000kW的农业机械每年能够取代大约1 169～1 239个农业劳动力。并通过古典经济学测算方法、时间演绎法、ARIMA预测模型，对我国农业剩余劳动力数量以及农业机械化水平进行预测。结果表明：我国农业机械总动力水平大致以每年增加24946630kW的速度增长，到2035年我国农业机械总动力大约会增加374199450kW，农业机械化的增长能够弥补人口老龄化带来的农业劳动力短缺。

关键词：农业机械化；农村人口老龄化；农业劳动力；替代能力；时间演绎

中图分类号：F323

文献标识码：A

文章编号：20955553 （2024） 070316

08

Can agricultural mechanization solve the shortage of agricultural labor？

Li Shuangshuang1， Liu Weibo 2， Jiang Jian3

（1. School of Economics， Liaoning University， Shenyang， 110136， China; 2. School of Economics and Management，

Hunan University of Science and Engineering， Yongzhou， 425199， China; 3. School of Business Administration，

Zhongnan University of Economics and Law， Wuhan， 430073， China）

Abstract：

From the perspective of rural population aging， this article examines whether agricultural machinery has a substitutive effect on agricultural labor force. To determine whether there is a current shortage of agricultural labor in China， predict the future level of agricultural mechanization in China， and attempt to answer the question “Can agricultural mechanization solve the problem of agricultural labor shortage？”. Based on the provincial panel data of 31 provinces and cities in China from 2004 to 2020， from the perspective of the substitution ability of agricultural machinery for agricultural labor force， this paper uses the interactive fixed effect model to propose an estimation method to measure the substitution ability of agricultural machinery. The empirical results show that the substitution ability of agricultural machinery for agricultural labor force in China is as follows： 10000 kilowatt agricultural machinery can replace about 1169-1239 agricultural labor force every year. After that， the number of agricultural surplus labor force and the level of agricultural mechanization in China are predicted by the classical economic calculation method， time deductive reasoning method and ARIMA prediction model. The results show that the total power level of agricultural machinery in China is increasing at a rate of approximately 24946630 kilowatts per year. By 2035， the total power of agricultural machinery in China will increase by 374 199 450 kilowatts. The growth of agricultural mechanization can make up for the shortage of agricultural labor caused by population aging.

Keywords：

agricultural mechanization; rural population aging; agricultural labor force; substitution capacity; temporal deduction

0 引言

随着我国生育降低以及预期寿命的延长，人口老龄化问题对我国经济社会发展产生深远而持久的影响［1］，尤其是在农业生产领域，传统农业生产的高风险、低回报的产业特性，本就使得农业生产并不适合承载过多劳动力，对劳动力吸引能力较弱，劳动群体老龄化特征明显［2］，而人口自然老龄化的加剧，又会造成劳动力要素价格的提高以及劳动群体老龄化程度的加深，进一步对农业生产产生消极影响。然而，我国毕竟是一个体量超过14亿的人口大国，粮食安全问题始终是社会长治久安、经济平稳发展的头等大事。维持一定规模的农业生产经营活动是十分有必要的。而农业机械化的推广普及则能够完美地兼顾到二者的需要，较为精准地处理好农业劳动力不足带来的桎梏，实现农业产业高质量的发展。基于此，本文从农村人口老龄化视角出发，探究农业机械对农业劳动力替代能力，解答农业机械化能否解决农业劳动力短缺问题。

农业机械对农业劳动力的替代问题在近几年已吸引学界广泛关注。黄玛兰等［3］采用超越对数生产函数法，测算出机械与劳动力替代弹性。郑晶等［4］通过动态面板模型，研究分析得到农业机械化可以通过劳动力转移的遮掩效应对农业全要素生产率产生影响。郑旭媛等［5］研究发现平原地区耕地坡度低、机械易于替代劳动是其机械化进程快于丘陵山区的重要原因。已上研究均表明：农业机械能够替代农业劳动力。但是对于农业机械是通过何种方式对劳动力产生替代作用？学界主要形成以下两种观点：第一种观点认为，农业机械可以通过提高农业生产效率的方式，促进农业劳动力从农业部门向非农部门转移［6］，另一种观点认为，农业机械能够替代人畜力，进行土地整理、播种等工作，减轻劳动强度，提升农业生产能力和专业化水平［7］。

尽管绝大部分学者均认识到我国农业未来可能出现的劳动力短缺问题［810］，但对于现阶段我国农业是否存在劳动力短缺，学界对此尚存争议：项继权等［11］基于我国快速的工业化和城镇化进程，指出“农村空心化”、“农业边缘化”和“农民老龄化”是新时期的“新三农问题”。施庚宏等［12］运用固定时期劳均耕地面积法对2019年我国农业劳动力剩余的存量及比率进行测算，发现2019年我国农业劳动力剩余存量为347.12万人。对于我国农业劳动力短缺的原因，学者们的研究主要集中于以下三个方面：一是人口在城乡之间的流动。二是生育降低、预期寿命延长带来的人口老龄化。三是农业技术进步可能对农业劳动力产生的“挤出效应”［1315］。然而事实上，人口流动趋势与农业技术进步速度充满着不确定性因素，且难以预测。科学技术的进步充满着大量不确定性，农业技术进步能在多大程度上缓解农业劳动力短缺是一个难以预测的内容。而我国未来人口老龄化的趋势已成学界共识［16， 17］。

综上所述，以上文献为本文的研究打下了一定的理论基础。然而，对于农业机械能否解决农村人口老龄化带来的农业劳动力短缺问题的研究则较为少见。据此，本文从农村人口老龄化视角出发，采用交互固定效应模型和ARIMA预测模型，对三个方面的问题展开探讨：一是研判农业机械对农业劳动力力是否存在替代作用？替代作用的强度有多大？二是从农村人口老龄化视角出发，判断我国当前农业劳动力是否短缺？亦或预测我国未来农业劳动力的需求是否会出现缺口，且缺口的数额有多大？最后，通过对我国未来农业机械化水平的预测，结合前两个方面的研究成果，尝试对“农业机械化可以解决农业劳动力短缺问题吗？—基于农村人口老龄化的视角”进行解答，并就此提出相应的政策建议。

1 理论基础

本文参考刘骏等的做法［18］，构建如式（1）所示的农业机械和农业劳动力相互替换的生产函数。

Yit=Ait（Lit+μRit）α1Kitα2Titα3

0lt;α1、α2、α3lt;1； α1+α2+α3=1

（1）

式中：

Y——农业总产出；

i——某一地区；

t——某一年份；

A——技术水平；

L——农业劳动力投入的数量，万人；

R——

农业机械投入的总动力，104 kW；

T——农用土地投入数量；

u——

农业机械对农业劳动力的替代能力；

K——农业资本存量；

α1——

农业机械与农业劳动力之间的生产替代弹性；

α2——

农业资本对农业生产的产出弹性；

α3——土地对农业生产的产出弹性。

为使模型能够使用计量软件，本文对式（1）进行处理得到式（2）。

lnYit=

lnAit+α1lnLit+α1lnuRitLit+1+

α2lnKit+α3lnTit

（2）

利用泰勒公式对模型进行处理，可得式（3）。

lnYit≈

lnAit+α1lnLit+μα1RitLit+

α2lnKit+α3lnTit

（3）

化简可以得到式（4）。

lnYit=

λ0+β1RitLit+β2lnLit+

β3lnKit+β4lnTit+εit

（4）

式中：

λ0——与技术水平相关的控制变量。

其中β1=uα1，β2=α1，即u=β1/β2，β3、β4分别是指农业资本、土地对农业生产的产出弹性。本文通过测算出β1与β2，进而间接测算出u值。ε指随机误差项。考虑到农业机械的应用与推广属于技术层面的变化，因此，需要对控制变量λ0进行分解，分解为农业机械和其他技术进步，可得式（5）。

lnYit=

λ1+λ2lnRit+β1RitLit+β2lnLit+

β3lnKit+β4lnTit+εit

（5）

2 农业机械替代能力的实证研究

2.1 样本选择与数据来源

本文选取2004—2020年我国31个省（市、自治区）相关面板数据进行实证研究，数据来自《中国农村统计年鉴》《中国人口和就业统计年鉴》《中国统计年鉴》以及各省统计年鉴及相关统计资料。

2.2 模型设计和变量说明

为了估计农业机械对农业劳动力的替代能力，依据理论基础部分的结论，如式（6）所示。

lnOutputit=

λ1+λ2lnM_powerit+

β1M_densityit+β2lnLaborit+

β3lnCapitalit+β4lnLandit+

∑βjXijt+εit+ui+et

（6）

式中：

λ、β——模型参数；

M_power——农机总动力，104 kW；

M_dendity——农业机械密度，kW/人；

Labor——农业劳动力人数，万人；

Capital——农业资本数量，亿元；

Land——农用土地投入数量，khm2；

X——本文的控制变量；

ui——省份固定效应；

et——时间固定效应。

考虑到双向固定效应的做法比较柔性，无法解决那些既随时间变化又随个体变化的不可观测变量带来的内生性问题，造成模型估计结果并不十分准确。因此本文参考Bai［19］的研究，在双向固定效应模型中进一步加入省份和年度的交互固定效应，模型如式（7）所示。

lnOutputit=

λ1+λ2lnM_powerit+

β1M_densityit+β2lnLaborit+

β3lnCapitalit+β4lnLandit+

∑βjXijt+εit+ui+et+λTiFt

（7）

式中：

Ft——共同因子；

λTi——因子载荷。

被解释变量：参考尹朝静等［20］的做法，以农业生产总值的对数（亿元）作为农业总产出的代理变量（lnOutput）。核心解释变量：农业劳动力人数的对数（lnL）、农业机械密度（M_density）：基于单位劳动力所拥有的农业机械总动力，其中农业劳动力人数用第一产业劳动力人数（万人）衡量。非核心解释变量：农业资本数量的对数（lnCapital）、农业机械总动力的对数（lnM_power）、农用土地投入数量的对数（lnLand）。控制变量：考虑到化肥施用量以及农药使用量等均包含在农业资本中，故本文选取了以下控制变量：农村用电量（power）、农村人力资本水平（rhc）、农作物受灾面积（cwa）以及农村人口老龄化率（poe）。变量说明如表1所示。

=

2.3 基本回归结果

为防止异方差对本文实证检验结果的干扰，本文分别对控制变量农村用电量（power）以及农作物受灾面积（cwa）进行对数化处理。为说明模型中加入交互固定效应的必要性，在表2中展示随机效应、时间效应、个体固定效应以及双向固定效应模型回归结果。

如表2所示，模型1到模型4依次为随机效应、年份固定效应、省份固定效应以及双向固定效应模型，尽管使用双向固定效应模型使得模型拟合优度有所上升，但回归结果仍与预期不符，故尝试在此基础上加入省份与年份的交互固定效应，回归结果如表3所示。

如表3所示，在双向固定效应模型中加入交互固定效应后，再通过逐渐增加控制变量的方法对模型进行回归分析，所得回归结果均与预期相符，且模型拟合优度有所提高，说明模型中确有存在既随时间变化又随个体变化的不可观测变量所带来的内生性问题，模型选择较为合理。控制变量农村用电量前的系数与农村人力资本水平前的系数均显著为正，农作物受灾面积前的系数显著为负，说明农村用电量与农村人力资本水平的提高均有利于农业生产，而农作物受灾面积的扩大却不利于农业生产，这一结果与现实情况完全相符。由理论式（3）、式（4）可知：u=β1/β2，则可计算出u的取值范围为0.116 9～0.123 9，即10000kW的农业机械每年能够取代大约1 169～1 239个农业劳动力。

3 农村人口老龄化对农业劳动力数量影响的实证研究

3.1 我国农村剩余劳动力数量的估计

为探究我国农业劳动力是否短缺？在何时短缺？首先要测算出现阶段我国农业劳动力的过剩值。农业机械对农业劳动的替代更多地体现在工作时长的减少和工作效率的提高，考虑工作时长减少带来的农业剩余劳动力可能更加符合本文的需要。因此，本文参考王检贵等［21］的相关研究成果，采用古典测算方法测算我国2020年农业剩余劳动力的数量。古典法尽管存在着数据可得性差、计算过程复杂等弊端，但可行性和可信度均高于新古典经济学估算方法和标准结构比较估算法［22］。

假设农业部门生产函数为

Y=F（L，A，B，C，D…）

（8）

其中，A、B、C、D…表示化肥、农药、土地、资本等其他要素投入。

t=T/L

（9）

式中：

t——

每个农业劳动力平均工作日数；

T——

农业生产过程中总的劳动投入日数。

一般认为，农民每年合理的工作负荷为270个工作日，可得农业生产实际需要的劳动力数量

L0=T/270

（10）

由此可得，实际需要农业劳动力数量与农业劳动力数量比值

L0/L=（T/270）/L=T/L/270=t/270

（11）

则农业剩余劳动力数量占现存农业劳动力的比重

r=1－（L0/L）=1－t/270

（12）

则我国农业剩余劳动力数量

L1=r×L=（1－t/270）×L

（13）

由式（13）可知，农业劳动力数量以及每个农业劳动力平均工作日数，即可算出我国农业剩余劳动力数量。本文参考全国农村固定观察点调查数据，并咨询相关学者的意见，推断出2020年我国农业劳动力平均工作日数为265天，根据2021年各省市统计年鉴数据显示：2020年我国农业劳动力总数为17727.31万人，则我国2020年农业剩余劳动力数量为328.2835万人。

3.2 我国农村人口老龄化对农业劳动力数量的影响研究

国际上一般把15～64岁列为劳动年龄人口，而我国规定男子16～60周岁，女子为16～50周岁，考虑到我国农民一生劳作时间较长，因此本文将15～64岁的农村人口列为农业劳动年龄人口。人口老龄化是造成我国未来劳动力不足的重要原因［23］。因此，为探究农村人口老龄化对农业劳动力数量供给的影响，本文对此做实证分析。

如表4所示，2020年农村人口年龄结构是基于抽样调查的结果，相较于统计户籍人口，在农村地区抽样调查能够去除掉户籍在农村，却定居于城镇的样本对数据的干扰。基于2020年农村人口年龄结构数据，以2020年为基期，通过时间演绎的方法，避开农业劳动力转移等其他因素对农业劳动力数量的影响，仅研究随时间变化，即人口自然老龄化，对农业劳动力数量的影响。以5年为一个时间跨度，分别推算出2025年、2030年以及2035年农村各年龄层人数占比。

首先本文做出如下假定。

假定1：农村适龄人口（即15～64岁）数量与农业劳动力数量相一致，即本文认为这两个群体之间存在高度重叠。事实上我国农业劳动力群体的主体部分也均来源于农村适龄人口。

假定2：不考虑农村劳动力转移对预测结果的影响。当前我国正面临着推进新型城镇化与实施乡村振兴战略举措并行的现状，人口未来的流动方向，学界至今尚未达成基本一致的认识。但是针对未来可能出现的人口自然老龄化问题，基于现有生育水平和人口结构，学界对此已基本达成共识。

假设基期15～65岁农业劳动力数量占农村总人口比重为g，10～14岁占比为g1，60～64岁占比为g2。

则5年后农业劳动力数量比重可以表示为

g0=g+g1－g2

（14）

依次类推，可以分别求出10年后以及15年后的农村适龄劳动力数量占2020年农村总人口中的比重。

如表4所示，2020年我国农村适龄劳动人口占比为63.01%，而2025年、2030年以及2035年农村适龄劳动力人口占比分别为63.89%、62.58%、58.55%，相较于2020年，分别上升0.88%以及下降0.43%、4.46%。再以2020年农业劳动人口数量作为基数，则可测算出2025年、2030年以及2035年的农业劳动力数量分别为2020年的101.40%、99.32%以及92.92%。劳动力剩余数量分别为：576.4658万人、207.7378万人以及-926.8100万人，也就是说，在不考虑其他相关要素改变的情况下，最迟到2030—2035年，我国农业劳动力就存在不足，而这还是尚未考虑到农业劳动力转移对此可能产生的冲击。而根据本文的相关研究可知，这大概需要74803.067～79282.293kW的农业机械的替换。

4 我国农业机械化总动力的预测分析

4.1 时间序列观察

在经典的回归模型中，主要是通过回归分析来建立不同变量之间的函数关系（因果关系），以考察事物之间的联系。然而农业机械总动力受较多因素影响，且各地区间的经济发展水平、地理自然条件存在差异，对农业机械总动力水平的影响差异较大，将所有相关因素统一在同一模型之下，难度较大且没有必要。因此，本文参考李志超等［24］的做法，采用ARIMA模型对我国农业机械化水平进行预测。时间序列模型必须是平稳性序列才能建立计量模型。

如图1所示，除2015—2016年外，我国2004—2020年农业机械总动力序列{m_powert}呈明显上升趋势。根据国家统计局数据显示，造成这一结果的原因主要是小型农机具保有量减少导致。

均值E（m_powert）、方差Var（m_powert）、相关性Cov（m_powert， m_powert-s）与时间t存在高度线性相关，时间序列{m_powert}非平稳，其中s表示省份，因此，本文对时间序列{m_powert}进行平稳性检验。结果如表5所示，原始序列{m_powert}未能通过单位根检验，而经过一阶差分处理后，序列{d_m_powert}的ADF单位根检验结果显著性水平小于5%，时间序列稳定。

4.2 滞后阶数p和q的确定

将一阶差分后的{d_m_powert}序列做自相关和偏自相关，结果如图2、图3所示。

由一阶差分序列ACF图和PACF图可知：一阶差分序列{d_m_powert}自相关与偏自相关均无明显特征，考虑到原始序列有着较为明显的线性增长趋势，p值与q值不可能太大。本文从ARIMA（0，1，0）开始，逐一选取模型ARIAM（1，1，0）、ARIAM（0，1，1）、ARIMA （1，1，1），之后通过赤池信息量准则，选取最优模型，检验结果如表6所示。

通过比较AIC与BIC值可知，模型ARIMA（0，1，0）的拟合效果最佳，故本文采用模型ARIMA（0，1，0），由此可以得到方程（15）。

yt－yt－1=2 494.663

（15）

由式（15）可知，从2004—2020年，我国农业机械化总动力以每年24946630kW的速度增长。截止到2035年，我国会存在大约7.480×107～7.928×107kW农机缺口，实际上我国农业机械的发展如保持上述增速的话，只需要到2024年就能补齐这一缺口，当然考虑到农机增速不可能一直保持如此速度增长，2024年农机总动力实际水平较预测水平会有所下降，但考虑到农机发展存在一定的惯性，且2020—2024年时间跨度较短，预测与实际偏差不会较大，且农机的发展存在2024—2035年长达11年的时间窗口，足够补齐这存在的偏差。

综上所述，可以得出结论：至少到2035年，随着我国农业机械总动力的增长，在不考虑其他影响农业劳动力变化的因素下，我国将不存在由人口老龄化造成的农业劳动力短缺。

5 结论与政策建议

随着我国生育降低以及预期寿命的延长，一个无法忽视的事实：我国未来农业生产恐怕难以保持现有的劳动力数量规模，农业劳动力数量的减少和劳动力群体的老龄化极大可能在不远的将来成为现实，而造成这一现状的一个关键因素就在于人口的老龄化，因此，本文基于我国31个省市2004—2020年的省级面板数据，从农业机械对农业劳动力替代能力视角出发，采用交互固定效应模型，提出衡量农业机械替代能力的估计方法，之后分别通过古典经济学测算方法、时间演绎法、ARIMA预测模型，对我国农业剩余劳动力以及农业机械化水平进行预测。

1） 我国农业机械对农业劳动力的替代能力为：10 000kW的农业机械每年能够取代大约1169～1239个农业劳动力。

2） 2020年我国农业劳动力剩余量为328.2835万人、而2025年、2030年以及2035年，则分别为576.4658万人、207.7378万人以及-926.8100万人。

3） 截止2035年，我国大约需要2.495×107kW的农业机械的补充。

4） 我国农业机械总动力水平大致以每年增加7.480×107～7.928×107 kW的速度增长，预计到2035年我国农业机械总动力会增加3.742×107kW；农业机械化的增长能够弥补人口老龄化带来的农业劳动力短缺。

我国自2016年全面放开二孩，到2021年实施三孩政策以来，人口生育水平只是在政策刚实行阶段实现逆势增长，之后就掉头直下，出生率下降趋势并未得到根本逆转，学界对此普遍存在担忧。然而，正如马尔萨斯人口理论担心人口爆炸式增长对一国发展的影响一样，本文的实证结果表明，我国人口老龄化问题并不会造成农业生产出现劳动力短缺，恰恰相反，在未来，极有可能随着农业机械化水平的提高以及新农机装备的出现，农业生产不需要如此多的劳动力，人口老龄化在供给端层面对于农业生产的影响较小。基于以上研究结论，本文提出政策建议：与其担忧人口老龄化会通过劳动力供给进而对农业生产产生影响，不如回归生产的本质，从技术角度解决生产要素投入组合的变化对农业生产的影响，大力支持农业生产的机械化和智能化，努力提高农业生产效率。

参 考 文 献

［1］马骏， 沈坤荣. 中国人口老龄化对经济发展的影响机制及对策研究［J］. 浙江工商大学学报， 2021（4）： 72-83.

［2］应瑞瑶， 徐斌. 农户采纳农业社会化服务的示范效应分析——以病虫害统防统治为例［J］. 中国农村经济， 2014（8）： 30-41.

［3］黄玛兰， 李晓云， 游良志. 农业机械与农业劳动力投入对粮食产出的影响及其替代弹性［J］. 华中农业大学学报（社会科学版）， 2018（2）： 37-45， 156.

Huang Malan， Li Xiaoyun， You Liangzhi. The impact of agricultural machinery and agricultural labor investment on grain production and its elasticity of substitution ［J］. Journal of Huazhong Agricultural University （Social Science Edition）， 2018（2）： 37-45， 156.

［4］郑晶， 高孟菲. 农业机械化、农村劳动力转移对农业全要素生产率的影响研究——基于中国大陆31个省（市、自治区）面板数据的实证检验［J］. 福建论坛（人文社会科学版）， 2021（8）： 59-71.

［5］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［J］. 经济学， 2016， 16（1）： 45-66.

［6］徐建国， 张勋. 农业生产率进步、劳动力转移与工农业联动发展［J］. 管理世界， 2016（7）： 76-87， 97.

［7］Cao R， Li S， Ji Y， et al. Task assignment of multiple agricultural machinery cooperation based on improved ant colony algorithm ［J］. Computers and Electronics in Agriculture， 2021， 182： 105993.

［8］钱龙， 洪名勇. 非农就业、土地流转与农业生产效率变化——基于CFPS的实证分析［J］. 中国农村经济， 2016（12）： 2-16.

［9］姜长云. 关于发展农业生产性服务业的思考［J］. 农业经济问题， 2016， 37（5）： 8-1， 110.

［10］方师乐， 卫龙宝， 伍骏骞. 农业机械化的空间溢出效应及其分布规律——农机跨区服务的视角［J］. 管理世界， 2017（11）： 65-78， 187-188.

［11］项继权， 周长友. “新三农”问题的演变与政策选择［J］. 中国农村经济， 2017（10）： 13-25.

［12］施庚宏， 施本植. 我国农业劳动力剩余测度及其影响因素分析［J］. 湖北社会科学， 2021（4）： 49-56.

［13］廖柳文， 龙花楼， 马恩朴. 乡村劳动力要素变动与耕地利用转型［J］. 经济地理， 2021， 41（2）： 148-155.

［14］宋浩楠， 栾敬东， 张士云， 等. 土地细碎化、多样化种植与农业生产技术效率——基于随机前沿生产函数和中介效应模型的实证研究［J］. 农业技术经济， 2021（2）： 18-29.

Song Haonan， Luan Jingdong， Zhang Shiyun， et al. Land fragmentation， production diversification and agricultural production technical efficiency ［J］. Agricultural Technology and Economy， 2021（2）： 18-29.

［15］陈秧分， 王国刚， 孙炜琳. 乡村振兴战略中的农业地位与农业发展［J］. 农业经济问题， 2018 （1）： 20-26.

［16］汪伟， 艾春荣. 人口老龄化与中国储蓄率的动态演化［J］. 管理世界， 2015（6）： 47-62.

［17］齐鹏. 农村养老服务长效机制的构建［J］. 中州学刊， 2019（5）： 72-79.

［18］刘骏， 刘涛雄， 谢康. 机器人可以缓解老龄化带来的中国劳动力短缺问题吗？［J］. 财贸经济， 2021， 42（8）： 145-160.

［19］Bai J. Panel data models with interactive fixed effects ［J］. Econometrica， 2009， 77（4）： 1229-1279.

［20］尹朝静， 李谷成， 范丽霞， 等. 气候变化、科技存量与农业生产率增长［J］. 中国农村经济， 2016（5）： 16-28.

［21］王检贵， 丁守海. 中国究竟还有多少农业剩余劳动力［J］. 中国社会科学， 2005（5）： 27-35， 204-205.

［22］孔祥智. 我国农业劳动力数量和劳动生产率估算［J］. 改革， 2019， 303（5）： 38-47.

［23］陈卫. 国际视野下的中国人口老龄化［J］. 北京大学学报（哲学社会科学版）， 2016， 53（6）： 82-92.

Chen Wei. China’s population ageing from an international perspective ［J］. Journal of Peking University （Philosophy and Social Sciences）， 2016， 53（6）： 82-92.

［24］李志超， 刘升. 基于ARIMA模型、灰色模型和回归模型的预测比较［J］. 统计与决策， 2019， 35（23）： 38-41.