1、 2009.12-24-健康人力资本积累与农民收入增长*王 引1 尹志超2 内容提要：本文运用中国健康与营养调查数据，对营养摄入与农民收入之间的关系进行了考察。为了克服营养摄入内生性带来的偏误，本文选用固定效应模型和动态面板数据模型对二者的关系进行实证研究。结果显示，热量摄入与农民收入之间呈显著正向关系，且热量摄入对男性收入的影响大于对女性收入的影响。本文还发现，蛋白质摄入对农民收入具有显著的正向影响，碳水化合物和脂肪摄入对农民收入没有显著影响。因此，营养结构的改善能显著促进农民收入的增长。本文的研究结果不仅证实了以营养为基础的效率工资模型的有效性，同时也表明健康人力资本的积累对中国农民收入增
2、长具有重要贡献。关键词：营养摄入 营养结构 农民收入 一、引言 长期以来，农民收入一直是政府和学界关心的热门话题。党的十七届三中全会进一步提出2020年农民人均纯收入翻一番的新目标。为了实现这一目标，2008 年以后的 12 年间农民人均纯收入需要达到约 6%的年均增长率。如何保持农民收入较快增长是“三农”工作面临的重要任务。相关研究从制度、市场需求、农民素质、资源禀赋、农业结构等不同角度探讨了农民收入增长的制约因素（孙继辉，2004），本文将从营养摄入的角度研究农民收入的决定因素，并据此提出相应的政策启示。从理论上看，人力资本对经济发展的巨大作用逐渐被人们所认识，但是，作为人力资本重要构成部
3、分的营养和健康对经济发展的作用至今尚未在经济学界达成共识。尤其在中国经济快速增长的过程中人们营养和健康的改善发挥了怎样的作用，是一个非常值得研究的问题。本文将用基于大型微观数据的实证分析结果回答营养和健康对农民收入增长和国民财富积累的作用，并对以营养为基础的效率工资理论进行检验。本文首先回顾国内外关于本文研究主题的文献。最早将营养和健康引入经济模型的是Leibenstein（1957），他提出以营养为基础的效率工资模型，他认为，与营养不良的人相比，那些摄入了更多热量（卡路里）的劳动者有更高的生产率。此后大量实证研究在效率工资模型的框架下进行。但是，估计该模型的主要困难在于营养摄入的内生性，也就
4、是说，收入本身也会对现在或将来的营养摄入产生影响。一些研究发现了营养和健康对劳动生产率和收入的正向影响。Strauss（1986）用消费品价格、家庭特征变量、农场资产等作为工具变量处理营养摄入的内生性问题，用塞拉利昂的数据证实了营养摄入与家庭农场劳动生产率之间显著的正向关系。Duncan&Strauss（1997）用大米、小麦、豆类、水果、蔬菜等的地区价格指数作为工具变量对巴西劳动者营养和健康状况与其工资的关系进行了研 *本文得到西南财经大学“211 工程”三期建设项目资助。感谢2009 年留美经济学年会（南宁）参与者的评论和建议。健康人力资本积累与农民收入增长 -25-究。他发现，身高对工资
5、有显著的影响，身体质量指数（body mass index，BMI）对受教育程度较低的男性的工资有显著影响；人均热量和蛋白质摄入对工人工资具有正向作用；营养结构的改善对工资具有重要影响。Croppenstedt&Muller（2000）用样本选择（sample selection）模型对埃塞俄比亚农民的研究表明，体重身高比（weight-for-height，WFH）、身体质量指数和身高对工资具有显著的正向影响，营养投资的回报是非常高的。Schultz（2002）用食品价格和父母受教育程度作为工具变量估计发现，身高对工资具有显著的正向影响。与此相对，也有一些研究认为营养摄入与劳动生产率和收入之
6、间的关系并不显著。Deolalikar（1988）用印度南部的面板数据（panel data），采用固定效应模型估计了个人的工资方程和农业生产函数，他发现，农民每日摄入的营养对工资和农业产出没有显著影响，但是，体重身高比对工资和产出都有显著的影响。Swamy（1997）用印度农村的数据检验了以营养为基础的效率工资模型，他发现，降低工资可以降低单位有效劳动力的成本，即效率工资模型并不有效。可见，关于营养摄入与农民收入的关系，经济学家并没有取得一致的意见。在国内文献方面，张车伟（2003）用贫困地区农村的数据，选择价格指数和医疗价格等作为工具变量，估计了营养、健康对劳动生产率的影响，发现营养摄入和
7、疾病对农村劳动生产率的影响最显著。魏众（2004）利用1993 年中国营养调查数据，采用样本选择模型研究发现，健康状况对农村劳动力参与非农就业机会有显著影响。刘国恩等（2004）利用中国健康与营养调查数据，采用个人自我评估的一般健康状况作为健康的衡量指标，用固定效应模型估计了以家庭为基础的个人收入函数，他们发现，个人健康是决定中国家庭人均收入的重要因素，且农村人口比城市人口的健康经济回报更大，女性比男性的健康经济回报更大。王曲、刘民权（2005）则比较系统地综述了关于健康价值及其决定因素的文献。本文余下部分是这样安排的：第二部分介绍估计的模型和将要用到的数据；第三部分估计热量摄入对农民收入的影
8、响；第四部分估计营养结构对农民收入的影响；第五部分是结论及政策启示。二、模型和数据（一）模型 关于营养摄入与收入之间的关系，通常是估计含有营养、健康变量的收入方程，其基本模型为：LnincomeNutritionXu=+（1）（1）式中，Lnincome是收入的对数，Nutrition是营养摄入变量，控制变量X包括年龄、年龄平方、受教育年限、婚姻状况等。关于营养健康，学术界通常采用以下几种方法进行度量（Strauss and Duncan，1998）：一是使用一般健康状态（general health status）来度量，通常是采取受访者自己评分的办法；二是根据受访者报告的生病或正常状态的特
9、征进行度量；三是使用建立在营养摄入之上的度量指标，例如摄入热量（卡路里）、蛋白质等的数量；四是使用与营养相关的人体测量学指标，例如身高、体重身高比（WFH）、身体质量指数（BMI）等。一般认为，营养摄入量表明了个人短期的营养健康状况，体重身高比和身体质量指数代表着个人中期的营养健康状况，身高则表明了个人长期的营养健康状况。本文集中研究热量及其构成成分碳水化合物、脂肪和蛋白质摄入量等短期营养衡量指标对农民收入的影响。估计方程（1）面临的一个主要问题是营养变量的“内生性”，因为收入水平往往会直接或间接影响营养摄入量。在实证研究中，解决营养健康变量内生性问题主要有两种思路。一种思路是选取健康人力资本
10、积累与农民收入增长 -26-食品价格、医疗价格、医疗可获得性等变量作为工具变量，然后用两阶段方法估计工资或收入方程（例如Croppenstedt and Muller，2000；Duncan and Strauss，1997）。另一种思路是利用面板数据的估计方法，比如采用固定效应方法处理营养健康变量的内生性问题（例如Deolalikar，1988；刘国恩等，2004）。有研究表明，收入对健康的影响通常被持久收入效应所支配，而短期收入效应的影响相对较小（Smith，1999），因此，使用固定效应模型产生的偏误较小。考虑到所用数据的综列（longitudinal）特征，本文采取面板数据的估计方法研
11、究营养健康变量对收入的影响。这样，估计的收入方程就变为：itititiitLnincomeNutritionXcu=+（2）（2）式中，ic为不可观测的个体特征信息。本文主要采用面板数据的固定效应模型对方程（2）进行估计。固定效应模型假设满足严格外生性（strictly exogenous）的条件，但这一假设往往过于严格。对方程（2），即使当期残差itu与当期和前期的营养摄入不相关，但是很可能与未来的营养摄入1+itNutrition是相关的，即它只能满足序惯外生性（sequentially exogenous）的条件。在这种情况下，固定效应模型的估计可能是有偏的，而动态面板数据模型（dyna
12、mic panel-data estimation）则可能获得一致的估计结果。因此，本文也选择用动态面板数据模型估计营养摄入对农民收入的影响。这样，估计的收入方程就变为：1ititititiitLnincomeLnincomeNutritionXcu=+（3）本文用 Arellano&Bond（1991）的广义矩估计方法（GMM）对方程（3）进行估计。（二）数据 本文数据来源于北卡罗来纳大学和中国疾病预防控制中心联合进行的国际合作项目中国健康与营养调查（China Health and Nutrition Survey，CHNS）。该项目旨在调查中国居民健康和营养的状况以及相关影响因素，因而包
13、含有详尽的关于个人健康和营养方面的信息，以及居民人口学特征、经济社会活动等方面的数据。图1 样本农民人均实际收入变化趋势 CHNS 在辽宁、黑龙江、江苏、山东、河南、湖北、湖南、广西和贵州 9 个省份，通过分层随机抽样确定了大约 4400 个样本家庭，涉及约 19000 个调查对象。其中，农村家庭约占 68%，农村个人约占71%。调查从1989 年开始，共获得1989 年、1991 年、1993 年、1997 年、2000 年、2004年、2006 年7 个年份的数据。该数据具有分层随机抽样、大样本、面板数据等优良性质。健康人力资本积累与农民收入增长 -27-关于农民收入，CHNS 提供了农村
14、家庭的个人收入。为了便于比较，本文用CHNS 数据提供的物价指数对每一年的收入进行了平减处理，转换为按照1988 年不变价格衡量的收入。图1 是样本农民平均收入的趋势图。由图1 可知，从1989 年到2006 年，样本农民人均收入呈上升趋势，与中国经济发展的总体情况吻合。在实证分析中，本文限定研究对象为年龄介于18 岁到65 岁之间的农民，且对农民收入取了对数。关于营养摄入量，CHNS 数据中包含三日平均热量（卡路里）摄入量、三日平均碳水化合物摄入量、三日平均脂肪摄入量、三日平均蛋白质摄入量等。因此，本文选取了热量作为营养摄入的总量指标，选取碳水化合物、脂肪、蛋白质摄入量为个人营养结构的衡量指
15、标。营养摄入变量及其他控制变量的描述性统计结果见表 1。表 1 描述的是本文将用到的营养摄入变量的原值，在估计中将采用这些变量的对数值。表1 变量的描述性统计 变量 样本量 均值 标准差 最小值 最大值 热量（千卡）39342 2611.71 876.51 68.63 9372.18 碳水化合物（克）38670 407.81 145.73 12.52 998.07 脂肪（克）38670 68.40 39.35 0.48 249.99 蛋白质（克）38670 72.53 25.11 3.31 199.56 受教育年限（年）39342 6.04 4.14 0 16 年龄 39342 39.36 1
16、2.39 18 65 在婚 39342 0.80 0.40 0 1 三、热量摄入对农民收入的影响 热量（卡路里）作为反映短期营养状况的重要指标，它的摄入对收入产生什么样的影响，这是本文首先要回答的问题。下面用固定效应模型估计热量摄入对农民收入的影响，作为参照，本文同时也用随机效应模型进行了估计，结果见表2。表2 热量摄入对农民收入影响的估计结果 固定效应 随机效应 系数 稳健标准差 系数 稳健标准差 热量 0.0086*0.0020 0.0046*0.0016 受教育年限 0.0020*0.0004 0.0040*0.0002 年龄 0.0191*0.0082 0.0051*0.0003 年龄平方-0.0001*0.0000 -0.0001*0.0000 在婚 3.72E-05 0.0025 0.0017 0.0016 常数 9.8062 0.0140 F 值 183.20 Wald 2值 3791.84 Hausman 检验统计量 55.00 p 值 0.0000 注：*、*、*分别表示在1%、5%、10%的置信水平下显著；本文报告的标准差为稳健标准差（robust standard
