广东省农村人口老龄化对农业发展的影响

The Impact of Rural Population Aging on Agricultural Development in Guangdong Province

摘要: 本文选用2010~2020年的省级面板数据，以广东农村人口老龄化，广东农业生产总值，广东农业精准化发展及农业产业升级作为研究对象，运用GM(1,1)模型对农村人口老龄化进行预测分析，运用熵权秩和比模型构建精准农业程度指标与农业产业升级程度指标；运用VAR模型分析各变量内在影响。研究发现：第一，农村人口老龄化对农业精准化有长期的负向影响，这是由于老龄农户较难掌握先进信息技术，农村人口老龄化对农业产业升级具有正向影响，这是由于老龄化推动了农业朝组织化和规模化发展；第二，农村人口老龄化对农业生产总值存在较大的正向影响，老龄化倒逼了农业依靠生产高效、经营创新来发展；第三，从长期来看，农业精准化发展和产业升级会推动农业发展。根据结果，本文提出利用老年人红利，提高农业劳动力结构水平；完善精准化农业的基础设施，建立信息化平台；建立农业产业升级的相关机构等建议。

Abstract: This paper selects the provincial panel data from 2010 to 2020 and takes the aging of the rural population in Guangdong, the GDP of agriculture in Guangdong, the precision development of agriculture in Guangdong, and the upgrading of the agricultural industry as the research objects. We use the GM(1,1) model to predict the aging population in Guangdong’s rural areas, use the entropy weight rank sum ratio model to construct Degree of precision agriculture Index and Degree of agricultural industry upgrading index, and then use the VAR model to analyze the intrinsic impact of each variables. The research results show that: firstly, the aging of the rural population has a long-term negative impact on agricultural precision because it is difficult for elderly farmers to master advanced information technology. At the same time, the aging of the rural population has a positive effect on the upgrading of the agricultural industry because aging promotes the development of agriculture towards organization and scale. Secondly, the aging of the rural population has a great positive impact on the agricultural GDP because aging forces agriculture to rely on production efficiency and business innovation. Thirdly, in the long run, the precision development of agriculture and the upgrading of the agricultural industry can effectively promote the development of agriculture. According to the research results, this paper proposes to make full use of the dividends of the elderly to improve the age structure of agricultural production, improve the infrastructure of precision agriculture in Guangdong, establish relevant information platforms and institutions, and put forward suggestions on policies and regulations.

1. 引言

1.1. 研究背景与意义

如今，人口老龄化已经成为全球普遍现象，中国也不可避免的在1999年末进入老龄化社会。第七次全国人口普查数据显示，截止2021年，中国65岁以上人口占总人口的比例达14.2%。城镇化的推进，使人口加速向主要的发达地区聚集，大量农村青壮年劳动力流向城市，农村老龄化现象更为严峻。

农业是国民经济的基础，是一切生产的首要条件。《“十四大”推进农业农村现代化规划》中强调要解决好我国“三农”问题，必须推动农业现代化发展。而广东省作为我国人口大省，耕地面积却仅253.22万公顷，要实现现代农业强省建设，推进农业精细化发展，加速农业产业升级。

农村人口老龄化程度持续加深必定会从各个方面对农业发展产生影响，因此，通过理论研究与实践尝试科学地认识农村人口老龄化对农业发展的影响并探索出有效的应对方法十分必要。本文以广东农村和广东农业为主要研究对象，分析广东农村人口老龄化，农业精准化，农业产业升级的现状及其相关关系，进一步研究它们对农业生产总值的影响，为广东农业现代化进程提供理论参考。

1.2. 文献综述

国外方面，Jansuwan Para [1] 等以泰国农民作为研究对象，利用二项式逻辑回归模型(BLR)分析泰国老龄农民对农业生产的影响，得到大多数泰国老龄农民打算停止耕作，从事农业意愿不强的结论；Lee Jimin [2] 等利用二元统计分析以及证据权法(WOE)分析农村老龄化对韩国废弃农田拓荒的影响，得出农村老龄化农业从业人数的减少，会增加废弃农田的数据的结论；Enpu Ma [3] 等人利用我国2000年和2010年人口普查数据，构建农村老龄化–劳动力数量弹性系数(ALEC)，分析黄淮海地区农村老龄化对农业生产的影响，得出我国黄淮海地区农村老龄化程度逐渐加深，我国农业要发展必须培育新型职业农民的结论。

国内方面，王善高、田旭 [4] 通过构造农户种植决策模型，基于全国农村固定观察点调查数据分析在耕地地形不同情况下农村老龄化对农业生产的影响，得出农村老龄化在不同的地区产生的影响不同，其中对平原地区影响较小，对丘陵地区影响较大的结论；廖扬 [5] 利用C-D生产函数模型，依照我国统计年鉴数据构造空间SDM模型分析农村老龄化对农业经济的影响，得出农村老龄化会直接导致劳动力投入减少，影响农业经济发展的结论；李雪梅 [6] 利用C-D生产函数模型和估计回归方程，分析山东省农村人口老龄化对农业经济的影响，得出农村老龄化对农业经济的影响在短期和长期上有所不同，在短期中农村老龄化起负作用，在长期中起正向作用的结论。

从研究内容来看，我国学者在进行农村老龄化对农业经济的影响时采取不同角度进行分析，但是少有学者针对近几年出现的精准农业技术和农业产业升级等方面进行分析研究；从研究对象来看，国内研究区域主要是针对全国或者山东地区，鲜有学者针对以广东农业进行专门研究；从研究结果来看，各国学者关于农村老龄化对农业影响的正负性结论不一。

2. 概念界定与数据来源

2.1. 被解释变量——广东农业生产总值

本文以广东农业生产总值(亿元)作为被解释的变量，用以描述广东农业发展水平。变量代号为GAP (Gross agricultural product of Guangdong)。

2.2. 核心解释变量——广东农村人口老龄率

在本文的面板模型中，将广东农村中65岁及以上年龄的人口占总人口数的比例作为老龄率，以此衡量广东农村人口老龄化程度。变量代号为AR (Aging rate of rural population in Guangdong)。

2.3. 控制变量

2.3.1. 精准农业化程度

农业精准化指在农业领域即农业生产、市场、消费以及农村社会经济、技术等各个具体环节的全过程中全面发展和应用现代信息技术如通讯技术、计算机技术等，以达到降低成本、农产品可控化、标准化和批量化等目的。本文用精准农业程度来描述广东农业精准化发展水平。变量代号为DPA (Degree of precision agriculture)。

2.3.2. 农业产业升级程度

农业产业升级通过科技创新引领、组织合作分工等方式来达到缓解劳动力压力、提高农业效率，促进农业经济发展等目的。本文用农业产业升级程度来描述广东农业产业升级发展水平。变量代号为DAIU (Degree of agricultural industry upgrading)。

2.4. 数据来源

本文选用2010~2020年省级面板数据，其中所用到的所有数据均来自于《广东农村统计年鉴》与《中国人口与就业统计年鉴》。

3. 模型建立

3.1. 指标构建与现状分析

3.1.1. 广东农村老龄化现状及其预测

依据老龄率定义绘制2010年~2019年广东农村人口老龄率线图。

Figure 1. Line: the rate of population aging in the rurals of Guangdong Province

图1. 广东农村人口老龄率线图

由图1可知2010年~2019年广东省农村人口老龄率整体呈现递增趋势且均达到了老龄化标准，说明广东农村人口老龄化问题较为严重且不断加深。为进一步分析老龄率发展趋势，本文运用GM(1,1)模型对广东农村人口老龄率进行预测分析。

使用python3对数据计算得数据级比值区间为[0.833, 1.181]，由此构造各级比值与级比值区间折线图。由图2可知数据均落在级比值区间中，数据通过检验，可以建立GM(1,1)模型。模型建立结果如表1。

Table 1. Result of GM(1,1)

表1. GM(1,1)结果

计算得平均相对误差是2.956%，意味着模型拟合效果良好。因此依据原始数据与预测数据绘制预测效果图。

Figure 2. GM(1,1) forecast effect

图2. GM(1,1)预测效果图

由图2可知，广东农村人口老龄率将逐年上升，预计2024年老龄率达14%，即进入深度老龄化阶段。

3.1.2. 精准农业程度与产业升级程度指标构建与现状分析

1) 二级指标遴选

本文参考吴健雄 [7] 基于广东信息化建设水平，建立的农村信息化水平测评体系，构建精准农业程度指标；依据贾晋 [8] 对乡村产业升级的客观评价体系，构建农业产业升级程度指标，指标如表2所示。

Table 2. Indicator system

表2. 指标体系表

2) 指标建立

依据熵权秩和比综合评价方法利用SPSSPRO计算得各指标权重如下图(图3，图4)。

由图3可以看出，专业人员占就业人员比和从事科技人员数所占比值较大，说明农业信息人才水平建设对农业精准化具有重要意义。由图4可以看到，科技开发人员数和科技活动课题数所占权重较大，说明科技化对农业产业升级具有重要意义。

Figure 3. Degree of precision agriculture index weight

图3. 精准农业程度指标权重棒棒图

Figure 4. Degree of agricultural industry upgrading index weight

图4. 农业产业升级程度指标权重雷达图

3) 精准农业程度和农业产业升级程度现状分析

基于各二级指标权重，计算得精准农业程度和农业产业升级程度的WRSR值，以此绘制出两个指标线图。

从图5可以看到，广东省精准农业程度与产业升级程度总体上呈递增的趋势，且自2018年以来增长速度加快，说明近年广东农业精准化发展迅猛，产业升级速度加快。

Figure 5. WRSR line diagram of degree of precision agriculture and degree of agricultural industry upgrading

图5. 精准农业程度和产业升级程度WRSR线图

3.1.3. 广东省农业生产总值现状分析

依据《农村统计年鉴》数据，绘制2010~2020年广东农业生产总值柱形图。

由图6可知，广东农业生产总值在2010年~2020年平稳增长，说明广东农业综合生产能力不断提高，农业经济保持稳步发展。

3.2. 数据检验

3.2.1. 平稳性检验

本文数据为时间序列数据，因此对数据进行平稳性检验与协整检验。为消除数据异方差的影响，先对数据采取对数处理。利用python3对数据进行ADF单位根检验，同时为确保检验的准确性，采取PP单位根检验法验证ADF检验结果。检验结果如表3和表4。

Figure 6. Gross agricultural product of Guangdong

图6. 广东农业生产总值柱形图

Table 3. ADF unit root test

表3. ADF单位根检验表

Table 4. PP unit root test

表4. PP单位根检验表

由ADF检验与PP检验可知，lnDAIU和lnAR在95%的置信水平下是平稳的，同时，四个指标一阶差分后均为平稳的。因此可认为lnDAIU，lnDPA，lnGAP，lnAR为一阶单整序列。

3.2.2. EG协整检验

由于四个指标均为一阶单整序列，需对其进行协整检验。

构造回归模型：

$y={\beta }_0+\underset{i=1}{\overset{3}{{\displaystyle \sum }}}{\beta }_i{x}_i+{\epsilon }_i$ (1)

式中，y代表 $\ln \text{GAP}$， $x_1,x_2,x_3$ 分别代表 $\ln \text{AR}$， $\ln \text{DAIU}$， $\ln \text{DPA}$， ${\epsilon }_i$ 为回归残差。

对回归残差进行平稳性检验，若残差序列平稳，说明y与各变量具有长期均衡关系。利用python3对回归残差进行协整检验，检验结果如表5：

Table 5. EG cointegration test

表5. EG协整检验表

从ADF和PP检验可以看出，残差序列是平稳序列，所以， $\ln \text{GAP}$ 与 $\ln \text{AR}$， $\ln \text{DAIU}$， $\ln \text{DPA}$ 具有长期均衡关系，因此可以通过建立VAR模型进一步分析各指标之间的关系。

3.3. VAR模型建立

3.3.1. 变量说明

为避免书写赘述，在本模型使用X代表 $\ln \text{DAIU}$，Y代表 $\ln \text{DPA}$，Z代表 $\ln \text{AR}$，W代表 $\ln \text{GAP}$。

3.3.2. 确定最优滞后值

VAR模型对滞后值的选择比较敏感，因此运用EViews进行滞后值检验，检验结果如图7。

Figure 7. Optimal hysteresis selection

图7. 最优滞后值确定

由图7可知，LR，AIC，FPE，SC，HQ五个准则均选择了滞后值为1。

3.3.3. Granger因果检验

EG协整检验虽能够证明变量之间存在长期稳健关系，但不能证明变量之间是否存在因果关系。因此本文利用R软件对内生变量进行因果检验。检验结果见表6。

Table 6. Granger causal test

表6. 格兰杰因果检验结果表

^*0.01 < p < 0.05, ^**p < 0.01.

由表6可知：在95%置信区间下， $\ln \text{AR}$ 对 $\ln \text{DAIU}$ 存在显著的格兰杰因果关系； $\ln \text{GAP}$， $\ln \text{AR}$， $\ln \text{DPA}$ 对 $\ln \text{DAIU}$ 存在显著的联合格兰杰因果关系； $\ln \text{DAIU}$ 对 $\ln \text{DPA}$ 存在显著的格兰杰因果关系； $\ln \text{AR}$ 对 $\ln \text{DPA}$ 存在显著的格兰杰因果关系； $\ln \text{GAP}$， $\ln \text{AR}$， $\ln \text{DAIU}$ 对 $\ln \text{DPA}$ 存在显著的联合格兰杰因果关系； $\ln \text{GAP}$， $\ln \text{DPA}$， $\ln \text{DAIU}$ 对 $\ln \text{AR}$ 存在显著的联合格兰杰因果关系； $\ln \text{DPA}$ 对 $\ln \text{GAP}$ 存在显著的格兰杰因果关系； $\ln \text{AR}$ 对 $\ln \text{GAP}$ 存在显著的格兰杰因果关系。

这表明：广东农村人口老龄化不仅对农业生产总值存在影响，也对农业精准化以及农业产业升级存在影响。同时农业精准化对农业生产总值也存在影响。为进一步确定各指标之间的影响关系，因此对格兰杰因果关系显著的序列建立VAR方程与进行脉冲分析和方差分解。

3.3.4. VAR方程建立

依据最优滞后值，通过R中VAR函数对通过联合格兰杰因果检验的指标确定VAR方程。

$\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)=\left(\begin{array}{c}5.854\\ -18.499\\ -5.753\end{array}\right)+\left(\begin{array}{cccc}0.322& 1.134& 1.478& -0.282\\ -0.138& -0.176& -1.568& 1.808\\ 0.053& 0.029& -0.248& 0.386\end{array}\right)\left(\begin{array}{c}X\left(-1\right)\\ Y\left(-1\right)\\ Z\left(-1\right)\\ W\left(-1\right)\end{array}\right)$ (2)

由公式(2)可看出：农业精准化与农村人口老龄化对农业产业升级具有促进影响，农业生产总值对农业产业升级呈抑制作用，说明农业产业升级还没得到足够的资金支持；农村人口老龄化不利于农业精准化发展，而农业生产总值能够促进农业精准化发展；农业生产总值对农村老龄化有促进作用。

3.3.5. 模型平稳性分析——AR根图检验

在进行脉冲分析和方差分解分析之前必须先对VAR模型进行平稳性检验。图8为使用EViews软件的检验结果，可见模型所有特征根根模的倒数均位于单位圆内，说明所建立模型平稳性良好。

Figure 8. AR root test

图8. AR根图检验

3.3.6. 脉冲分析

格兰杰检验只能验证指标存在因果关系，不能描述指标间的具体效应，因此对格兰杰因果关系显著的序列进行脉冲分析。图中虚线代表95%置信区间的偏离带。

1) $\ln \text{DAIU}$ 对 $\ln \text{DPA}$ 的脉冲分析

由图9可知，在本期给农业产业升级程度一个正冲击时，其对精准农业程度在第一期是正效应，第二期之后为负效应，且具有较长的持续影响效应。这说明农业产业升级的提高可能会对农业生态环境造成影响，例如破坏农业生物多样性，不利于农业精准化多方面发展。

2) $\ln \text{DPA}$ 对 $\ln \text{GAP}$ 的脉冲分析

由图10可知，在本期给予精准农业程度一个正向冲击，其对农业生产总值一直是正效应，在第一期达到顶峰后趋于平缓，到第4期之后始终维持一个稳定状态。这说明农业精准化、精细化作业，能够长期推动农业高效发展，有效的提高农业生产总值。

3) $\ln \text{AR}$ 对 $\ln \text{GAP}$ 的脉冲分析

由图11可知，给予老龄率一个正向冲击，其对农业生产总值一直是正效应，而且此影响具有较长的持续影响效应，在第一期之后维持一定值，说明农村人口老龄化的增加虽然会对农业造成劳动力不足等影响，但是更多的可能会从推动土地流转、刺激农业生产规模化等方面来间接促进农业生产总值的增加。

Figure 9. lnDAIU analysis of lnDPA pulses

图9. lnDAIU对lnDPA脉冲分析图

Figure 10. lnDPA analysis of lnGAP pulses

图10. lnDPA对lnGAP脉冲分析图

Figure 11. lnAR analysis of lnGAP pulses

图11. lnAR对lnGAP脉冲分析图

4) $\ln \text{AR}$ 对 $\ln \text{DAIU}$ 的脉冲分析

由图12可知，在本期给予老龄率一个正向冲击，其对农业产业升级程度由负效应逐渐转变为正效应，且在第2期后效应消除。总体上老龄率对农业产业升级程度的冲击较小，说明农村人口老龄化对农业产业升级的存在较小的正向影响。

5) $\ln \text{AR}$ 对 $\ln \text{DPA}$ 的脉冲分析

由图13可知，在本期给予老龄率一个正向冲击，对精准农业始终产生负效应，且至第二期之后，影响效应始终维持一定稳定值，这说明农村人口老龄化不利于农业精准化发展，这主要是因为农业精准化较多的信息技术以及信息设施投入，老龄农户难以胜任此类工作。

Figure 12. lnAR analysis of lnDAIU pulses

图12. lnAR对lnDAIU脉冲分析图

Figure 13. lnAR analysis of lnDPA pulses

图13. lnAR对lnDPA脉冲分析图

3.3.7. 方差分解

1) 农业产业升级程度方差分解

由图14可知，农业产业升级程度对自身的相对贡献率随着时期推移逐渐减小；精准农业程度对农业产业升级的贡献率从第二期开始随着时期的推移逐渐增大；老龄率对产业升级程度的贡献率从第二期开始占一定比值，到第三期最大，此后保持一个较稳定比值；农业生产总值对产业升级程度的贡献率从第二期开始逐渐增大，到第七期后维持一个比值。

Figure 14. Variance decomposition of Degree of agricultural industry upgrading

图14. 农业产业升级程度方差分解图

方差分解结果表明：从长期来看，对农业产业升级推动作用最大的还属自身的发展惯性以及依靠精准农业带来的科技技术。农村人口老龄化程度的增加也能推动农业产业向规模化发展，以此推动农业产业升级；而农业生产总值对农业产业升级的推动作用较小。

2) 精准农业程度方差分解

由图15可知，农业产业升级对精准农业的贡献率在第一期最高，此后虽有所减少，但维持一定的比值；精准农业对自身的贡献率最高，且在第三期之后，贡献率维持一定的比值；老龄率对精准农业的贡献率从第三期开始保持一定的比值；农业生产总值对精准农业的贡献率从第二期开始维持一个稳定值，且比值小于老龄率。

Figure 15. Variance decomposition of degree of precision agriculture

图15. 精准农业程度方差分解图

方差分解结果表明：从长期上看，广东省精准农业程度的不断发展，主要还是依赖于自身的发展惯性以及农业产业升级；同时老龄率对精准农业的影响较大；由于精准农业有政策支持，因此农业生产总值对其的影响也较小。

3) 老龄率方差分解

由图16可知，老龄率对自身的贡献率从第一期开始逐渐减小，但始终维持一个较大比值；农业产业升级程度对老龄率的贡献率在第二期达到峰值后逐渐减小；精准农业程度对老龄率的贡献率从第二期开始逐渐增大；农业生产总值对老龄率的贡献率从第二期开始逐渐增大，但维持一个较小比值。

Figure 16. Variance decomposition of aging rate of rural population in Guangdong

图16. 广东老龄率方差分解图

方差结果表明：从长期来看，广东农村老龄化程度会随着老龄率的增加而增强，老龄化程度加深已成为必然趋势。而农业精准化的发展也对老龄率造成较大的影响。

4. 政策建议

4.1. 充分利用老年人红利，提高农业生产年龄结构水平

定期召开农业生产经验交流会，鼓励老一辈务农人将过去生产中得到的经验教训总结传授给新一代的农业从业人员。这样不仅可以促进农业经验的交流，发挥老龄农户在农业生产中的优势；同时还能吸引更多年轻人回流农村，以改善农业生产中的年龄结构层次问题，促进农业精准化发展与产业升级。

4.2. 完善广东精准化农业的基础设施，建立相关的信息化平台

构建数字农业技术研发平台，专门研究广东特色的数字农业技术体系；构建数字化农业数据支持平台，建立适合广东的农业要素数据库；建设网络化信息服务平台，完善数字化的通讯网络系统；建立精准化农业的高水平人才支撑平台，提高相关人员的福利；建立广东精准化农业的相关标准和指标体系，包括数据标准、服务标准等，制定相应的指标体系，并且与国家、国际的标准相对接。

4.3. 建立有关农业产业升级的相关机构和政策法规

建立农业社会化服务机构，提高农业集约化程度，通过资金、技术集约化等提高农业产出。推出有关政策法规来规范和支持土地流转市场，促进生产要素的合理配置，为规模经营等创造前提条件。

基金项目

本项目为国家级大学生创新创业训练计划。

NOTES

^*共同第一作者。

^#通讯作者。