论文部分内容阅读
摘要：基于中国健康与营养调查（CHNS）的面板数据，采用固定效应模型，估计了中国农村地区农户健康人力资本对种植业收入的影响。结果显示，几乎所有的健康测量指标都影响到农户的种植业收入，但不同健康指标的影响存在差异性，其中自评健康（SRH）的影响最为显著。身体质量指数（BMI）和热量摄入与农户收入之间呈非线性关系，其边际效应的转折点分别为28.68kg/m2和5164.36kcal。此外，年龄和教育等非健康指标对农户收入并没有显著影响。
关键词：健康人力资本；农户；收入增长；边际效应；CHNS数据
中图分类号：F061.2 文献标识码：A 文章编号：1003-3890（2013）03-0025-05
一、引言
二元性作为发展经济体的显著特征，在中国也不例外。在中国宏观经济增长的背后，城乡二元特征依然显著。如何增加农民收入已然成为城乡二元经济结构调整中的最大改革。长久以来，众多学者从不同角度论证了影响农民收入增长的潜在因素，其中人力资本理论的贡献尤为突出。舒尔茨认为，改善农民福利的决定性因素并不是以能源、耕地和资金为代表的传统物质资本，而是劳动者质量的改善和知识的增进。由此，提高农村居民的人力资本投资水平对构建农民收入增长的长效机制，促进农村经济健康发展有至关重要的作用。实际上，人力资本对经济和收入增长的重要贡献在很多文献中得到证实，但早期人力资本理论将更多的研究注意力集中在教育上。
与教育只能提高劳动者的质量不同，健康作为人力资本的一种重要形式，不仅能提高劳动生产率，还可以增加个体的劳动时间。在同等条件下，教育等其他人力资本投资的收益率取决于人们的期望寿命、力量、精力和持久力。健康人力资本对经济增长、收入的正向作用被国内外众多经验研究成果证实。但这方面的最初研究大多集中在工业化国家，对发展中国家和转型国家的研究成果较少，对农村居民健康收入效应的研究则更少。最早是营养效率假说的提出，该假说认为，与营养不良的劳动者相比，那些获取了更多热量摄入的劳动者有着更高的劳动效率。此后，很多学者从热量摄入的角度验证健康与收入的关系，除了热量摄入之外，铁等其他维生素的缺乏同样会对劳动产出产生负面作用。另一些研究则以人体测量变量，如身高、身体质量指数（BMI）等作为健康测量指标，研究其对收入的影响。
国内在农民健康收入效应上的研究成果并不多，正处于起步阶段。对现有文献梳理后发现两条主要的研究线索，分别是从事农村地区农业活动农民和从事非农活动农民的健康收入效应。前者，较早的文献来自于张车伟对中国贫困农村家庭的研究，研究结论表明，营养和健康是制约贫困地区农村家庭种植业收入增长的重要因素[1]。后者的研究成果相对较多，如魏众利用中国健康与营养调查（CHNS）数据对农村非农活动健康收入效应的研究[2]。这一领域更多的研究成果集中在农村外出打工人群的健康收入效应上[3]，研究结论均表明健康对外出务工收入的作用显著为正。另外，部分文献并没有对农业收入和非农收入进行严格区分，侧重于分析健康对农村家庭人均收入的决定作用[4]。
以上研究文献为本文提供了有益的借鉴，但现有对农村地区健康收入效应的研究主要是针对农民个体层面，这是因为健康测量数据往往是通过个人问卷调查取得的。考虑到农村地区不同的收入实现方式，农业生产活动往往是以户为单位开展的，很难将个人收入从家庭总收入中剥离出来，所以大多数研究将农业收入进行平均处理。笔者认为，这种处理方式不能够区分每个家庭成员对总收入的贡献，因为一个健康良好的家庭成员对总收入的贡献会比一个健康欠佳的成员多。本文侧重于分析农户的健康人力资本对农业活动收入影响，农村地区的农业活动主要包括种植业和养殖业两类，考虑到自变量土地的作用，以及劳动时间的可获得性，进一步将研究范畴限定在健康人力资本对从事农村种植业农户收入的影响。
二、理论框架和模型
在家庭层面的健康收入效应研究上，经常被应用的Mincer收入函数并不适用，我们需要找到反映家庭农业投入与产出关系的生产函数。Cobb-Douglas生产函数为进行这种分析提供了可能性。标准的Cobb-Douglas生产函数可以表述为：
其中，Y为总产量（产值），A为生产技术进步率；L为劳动力投入；K为固定资本投入。在标准的Cobb-Douglas生产函数中，并没有教育、健康等人力资本变量的作用空间，因此，如何使人力资本变量进入到生产函数方程中是首要解决的问题。
Cobb-Douglas生产函数的初始设定中，对劳动力生产要素的度量是从数量角度提出的，即考察劳动力数量对最终产出的影响。但效率工资理论认为，劳动者的工资水平与生产效率密切相关，一个高效率的劳动者可以在给定的时钟时间之内产出较多的效率时间，从而影响最终的劳动产出，所以劳动时间也应该作为劳动力生产要素的度量指标之一。而按照人力资本理论的观点，教育、健康等人力资本不仅可以影响劳动者的生产效率，还可以影响劳动供给时间。一个受过良好教育、健康的劳动者通常会被认为具有较高的生产效率和更长的劳动时间。这样，人力资本可以通过影响劳动力投入的质量与最终的产出发生关系。
沿着上述分析思路，本文把农户的农业产出看成技术进步率、固定资本以及劳动力投入的函数，并对各生产要素进行重新界定。
Ya=f（L，K，A）（2）
在这个农户生产函数中，Ya代表农户的农业产出，L代表从事农业生产的劳动力投入，K代表农业生产的固定资本投入，A为农业技术进步率。固定资本投入K包括两个主要构成部分：一是土地，这是从事农业生产最基本的固定资本投入；二是家庭购买获得的其他投入品，如种子、化肥、农药、雇工等。土地与购得的其他投入品共同对农业产出作出贡献，表示为：
Zk·Xm（3）
其中，Z代表土地，X代表购得的其他投入品，k和m分别表示Z和X的产出弹性。对于劳动力投入L的考察，通过上述分析可知，我们不能仅仅局限于对劳动力数量，人力资本及其影响的劳动时间应同时进入到劳动力投入的考察范畴，因此，劳动力投入 可以表示为劳动力数量、劳动时间和教育、健康等人力资本的函数。 Ldq·Leg·e？准1s+？准2h+？准nwn+？着（4）
其中，Lq为从事农业生产的劳动力数量，Le为从事农业生产的劳动时间，d和g为产出弹性；s为教育状况；h为健康状况；wn是一个控制变量的向量，如家庭特征以及社区特征等；？着为随机扰动项。这样，最终要估计的农户农业生产函数方程为：
Ya=A·Zk·Xm·Ldq·Leg·e？准1s+？准2h+？准nwn+？着（5）
在农村地区，农业生产技术在短时期内大面积的普及并转化为农业产出的困难较大，因此，农业技术进步对农业产出变化的影响作用较小，技术进步率A被视为一个固定不变的常数，这一假定也与中国农村地区农业发展的现实情况相符。将等式（5）的两边取自然对数，得到要估计的计量模型为：
Ln（Y）=a+klnZ+mlnX+dlnLq+glnLe+？准1s+？准2h+？准nwn+？着（6）
在健康与收入关系的研究中，由于遗漏变量以及收入对健康的反向影响，健康变量的内生性问题不可避免。现有文献解决这一问题的思路主要有两个：一是寻找合适的工具变量。研究者通常从当地的医疗价格、医疗可及性和一般消费品价格等获取工具变量。二是采用面板数据固定效应模型（FE Model）。在固定效应变换中，不随时间变化的个体效应被差分掉了，如果随时间变化的个体效应与健康变量不相关，就可以得到一致的估计量。由于本文研究的是农户层面的健康收入效应，在计量模型构建中，通过加入尽可能多的家庭控制变量，可以减少家庭因素对健康的影响。另外，有研究表明，健康行为和状况更多的取决于长期收入，而短期收入的影响相对较小[5]。所以有理由相信，面板固定效应模型可以减少甚至消除内生性偏误问题。
三、数据和变量定义
本文的数据来源于CHNS数据库，该数据库被广泛应用于研究中国的健康及相关问题。截至2011年，该调查共进行了8次，范围涉及中国东、中、西部9个省的农村和城市。该调查在问卷设计、样本选取等方面具有突出的严谨性和代表性，数据的大样本和固定追踪特征为研究者进行实证研究提供了可能。鉴于关键自变量自评健康（SRH）的可获得性，以及调查年份距今的时间，本文使用CHNS数据中2000、2004和2006年的面板数据。在剔除无效样本后，进入研究范畴的共有9 252个观测值，所有观测值均为农村地区的家庭样本。
CHNS数据中，将农村种植业划分为三类，分别是粮食作物、蔬菜作物和园艺作物。因此，因变量收入由农户从事以上所有种植业所获得的收入组成。为了便于比较，使用CHNS数据提供的农村地区消费价格指数对收入进行调整，并转换为以2009年的不变价格衡量的家庭种植业总收入水平。
自变量分为非人力资本变量和人力资本变量两类，非人力资本变量的构造方法如下。土地采用各调查年份的上一年家庭拥有的耕地面积的亩数来表示。其他投入品以农户在种植业上的所有投入品价值衡量，同样以2009年的不变价格作了平减处理。由于家庭用于种植业劳动时间数据的缺乏，笔者使用家庭成员每天用于种植业生产的小时数进行变量构造，首先将劳动时间在个人层面进行加总，然后以农户为单位计算平均值。劳动力数量则使用家庭总人口数作为代理变量，因为在中国农村地区，通常不存在严格的劳动年龄界限，具有劳动能力的家庭成员都会参与到农业生产活动当中。
研究中共使用了9个人力资本相关变量，主要描述了农户的年龄、教育、SRH、身高、BMI指数和热量摄入等方面的状况。其中，一系列健康指标无疑是本研究最为关心的自变量。此外，为了验证BMI指数以及热量摄入与收入之间的非线性关系，还在模型中引入了这两个变量的平方项。
需要指出的是，在CHNS数据中，上述人力资本相关变量都是个人层面的，需要将其转换为家庭层面的数据。借鉴张车伟的做法[1]，笔者尝试了两种方法进行转换，分别是简单平均法和赋权平均法。在简单平均法中，以个人所在的农户为依据，计算某个变量的平均水平。以身高为例，就是计算农户中所有成员身高的平均值，从而得到家庭的平均身高数据。在赋权平均法中，考虑到不同健康状况家庭成员的劳动时间供给是不同的，健康良好的家庭成员会产出更多的劳动时间，可以将个人从事种植业生产的劳动时间占家庭总劳动时间的比重作为权重，首先得到个人层面的不同人力资本变量数据，然后再以农户为单位，计算相应变量的家庭平均值。
除了以上变量外，模型中还引入年份虚拟变量来考虑时间效应。表1中给出了所有非人力资本变量以及按简单平均法计算的人力资本相关变量的定义和描述性统计。
四、实证结果及其解释
作为参照系，首先对模型进行混合最小二乘法（Pooled OLS）估计。从回归结果上看（见表2），在以简单平均法计算的健康变量中，除BMI指数及其平方项外，其他健康变量对收入均有显著影响。但部分健康变量的作用方向显然与预期不相符，如身高和BMI指数，对收入的影响是负的。在赋权平均法计算的健康变量中，所有健康指标的显著性都有改善，但身高对收入依然有负面影响。此外，教育对收入的影响并不显著，且影响系数非常小，偏离于已有研究的估计结果[6][7]。
OLS模型将所有健康变量视为外生变量，这种假设成立的可能性非常小，所以OLS的估计结果可能是有偏的。固定效应模型可以消除不随时间变化的个体效应对健康的影响，减少甚至消除内生性偏误，其估计结果的可行性更高。
表3给出了按不同方法计算得到的人力资本相关变量的FE估计结果。在按简单平均法计算的健康变量估计结果中，SRH对农户种植业收入表现出显著性的影响，每增加1个自评等级，可以带来约5.8%的家庭年均种植业收入。客观健康变量对收入并没有表现出整体性的显著影响，其中身高对收入有显著的积极影响，回报率为0.8%。虽然热量摄入和BMI指数对收入的影响程度非常可观，但在统计上并没有表现出显著性的影响。对此，可能的解释是在计算客观健康变量均值过程中，没有考虑到农户的性别结构、年龄结构以及家庭成员的个人偏好等因素，所以这些变量并不能完全代表家庭的总体健康状况。此外，与预期相符的是，热量摄入与收入之间呈现出非线性关系，意味着当热量摄入处于低水平时，增加热量摄入可以提高农户的种植业收入，而当热量摄入达到临界值后，继续增加热量摄入不仅无益于收入的提高，还会降低收入水平。这种非线性关系也存在于BMI指数与收入之间。 在非健康变量中，教育和年龄等变量虽然具有经济上的显著影响，且影响的方向与理论预期一致，但在统计上均不显著。有研究表明，教育对农业产出的估计结果依赖于对教育变量的选用[6]，而家庭平均教育年限可能无法有效反映教育在农业生产上的真实作用[7]。
在以赋权平均法计算健康变量的估计结果中，SRH依然有显著性的影响，并且统计上的显著性更高，对收入的影响程度变得更大。BMI指数和热量摄入与收入之间的非线性关系没有实质性改变，但所有的客观健康变量均变得不显著，除了以上讨论的可能原因外，笔者认为，在农户内部，不同成员之间在人体测量以及营养摄入上存在着“互补性”，在一定程度上弱化了客观健康变量对收入的作用。但这种“互补性”却不可能体现在对健康状况的自我主观评价中。
对BMI指数及热量摄入与收入之间的非线性关系，进一步的验证结果见表4。表中计算了模型中涉及到的两个健康变量边际效应的转折点，对比发现，在以简单平均法计算的健康变量中，样本均值和转折点均比按赋权平均法计算的健康变量大，这是因为在对健康变量赋权过程中，实际上降低了原始健康变量的取值，所以，按简单平均法计算的健康变量的转折点更有参考价值。
表4中健康变量边际效应转折点的经济含义是，在BMI指数和日热量摄入量分别达到28.68kg/m2和5 164.36kcal前，两者在数量上的增加都会对农户收入产生正向作用。在达到临界值时，两者对收入的边际效应消失，如果继续提高，可能会对收入产生负面影响。本文测算的热量摄入边际效应转折点与Strass对塞拉利昂的研究结论接近，但与Thomas和Strass对巴西以及张车伟对中国贫困农村地区的研究结论存在较大差异，这种差异性可以解释为样本人群工作性质的不同，以及样本人群所在的国别、地区间存在经济、社会和文化等方面的差别。
此外，不管是BMI指数，还是热量摄入，其转折点都要高于样本均值。这说明，在中国农村地区，BMI指数的提高和营养摄入水平的改善都将极大促进农户的农业收入水平，这显然是一个提高农民收入的新思路，这条思路指向了区别于传统物质资本和教育等人力资本以外的更广阔空间。
五、结论及政策含义
本文选取SRH、身高、BMI指数和热量摄入等健康变量，估计了中国农村农户健康对种植业收入的效应，为加深理解发展中国家农村地区健康人力资本在收入增长中的作用提供了线索。研究主要得出了以下几点结论：第一，在中国农村地区，健康人力资本对农户种植业收入有显著性影响，但不同健康指标的影响不尽相同。第二，BMI指数和热量摄入与农户收入之间呈现出一种非线性关系，随着两者数值的增加，对种植业产出的回报出现递减，甚至消失。BMI指数边际效应的转折点出现在28.68kg/m2，而热量摄入的转折点出现在5164.36kcal。第三，在非健康变量中，教育和年龄对种植业收入的影响并不显著。第四，以个人种植业劳动时间占家庭总劳动时间的比重作为权重，来计算农户健康状况的方法，可以更敏锐地揭示农户内部不同成员个体上的差异，更易于捕捉健康因素对收入的作用。
在中国经济转型以及经济结构调整的背景下，农民增收问题日益受到政府和社会的关注。以上研究结论具有明显的政策含义。改善农民的健康状况对增加农民收入、繁荣农村经济、加快城乡发展一体化进程有重要的推动作用。政策制定中，如何提高农民的健康水平，应着重考虑以下两个方面：其一，完善农村地区公共卫生服务体系，加大农村公共卫生支出规模，强化基础医疗的作用。其二，改革和完善现有的新型农村合作医疗制度，加强农村地区医疗救助制度的开展力度，使更多的农民从医疗保障制度中获得实惠。
参考文献：
[1]张车伟.营养、健康与效率-来自中国贫困农村的证据[J].经济研究，2003，（1）：3-12.
[2]魏众.健康对非农就业及其工资决定的影响[J].经济研究，2004，（2）：64-74.
[3]侯风云.中国农村人力资本收益率研究[J].经济研究，2004，（12）：75-84.
[4]刘国恩，Dow William H.，傅正泓，等.中国的健康人力资本与收入增长[J].经济学（季刊），2004，（4）：101-118.
[5]Smith J P.Healthy bodies and thick wallets：the dual relation between health and economic status[J].The Journal of Economic Perspectives，1999，13（2）：145-166.
[6]孙志军，杜育红.农村居民的教育水平及其对收入的影响——来自内蒙古赤峰市的证据[J].教育与经济，2004，（1）：24-29.
[7]邓曲恒.教育收入增长与收入差距 中国农村的经验分析[M].上海：格致出版社，2009.
责任编辑、校对：关 华
关键词：健康人力资本；农户；收入增长；边际效应；CHNS数据
中图分类号：F061.2 文献标识码：A 文章编号：1003-3890（2013）03-0025-05
一、引言
二元性作为发展经济体的显著特征，在中国也不例外。在中国宏观经济增长的背后，城乡二元特征依然显著。如何增加农民收入已然成为城乡二元经济结构调整中的最大改革。长久以来，众多学者从不同角度论证了影响农民收入增长的潜在因素，其中人力资本理论的贡献尤为突出。舒尔茨认为，改善农民福利的决定性因素并不是以能源、耕地和资金为代表的传统物质资本，而是劳动者质量的改善和知识的增进。由此，提高农村居民的人力资本投资水平对构建农民收入增长的长效机制，促进农村经济健康发展有至关重要的作用。实际上，人力资本对经济和收入增长的重要贡献在很多文献中得到证实，但早期人力资本理论将更多的研究注意力集中在教育上。
与教育只能提高劳动者的质量不同，健康作为人力资本的一种重要形式，不仅能提高劳动生产率，还可以增加个体的劳动时间。在同等条件下，教育等其他人力资本投资的收益率取决于人们的期望寿命、力量、精力和持久力。健康人力资本对经济增长、收入的正向作用被国内外众多经验研究成果证实。但这方面的最初研究大多集中在工业化国家，对发展中国家和转型国家的研究成果较少，对农村居民健康收入效应的研究则更少。最早是营养效率假说的提出，该假说认为，与营养不良的劳动者相比，那些获取了更多热量摄入的劳动者有着更高的劳动效率。此后，很多学者从热量摄入的角度验证健康与收入的关系，除了热量摄入之外，铁等其他维生素的缺乏同样会对劳动产出产生负面作用。另一些研究则以人体测量变量，如身高、身体质量指数（BMI）等作为健康测量指标，研究其对收入的影响。
国内在农民健康收入效应上的研究成果并不多，正处于起步阶段。对现有文献梳理后发现两条主要的研究线索，分别是从事农村地区农业活动农民和从事非农活动农民的健康收入效应。前者，较早的文献来自于张车伟对中国贫困农村家庭的研究，研究结论表明，营养和健康是制约贫困地区农村家庭种植业收入增长的重要因素[1]。后者的研究成果相对较多，如魏众利用中国健康与营养调查（CHNS）数据对农村非农活动健康收入效应的研究[2]。这一领域更多的研究成果集中在农村外出打工人群的健康收入效应上[3]，研究结论均表明健康对外出务工收入的作用显著为正。另外，部分文献并没有对农业收入和非农收入进行严格区分，侧重于分析健康对农村家庭人均收入的决定作用[4]。
以上研究文献为本文提供了有益的借鉴，但现有对农村地区健康收入效应的研究主要是针对农民个体层面，这是因为健康测量数据往往是通过个人问卷调查取得的。考虑到农村地区不同的收入实现方式，农业生产活动往往是以户为单位开展的，很难将个人收入从家庭总收入中剥离出来，所以大多数研究将农业收入进行平均处理。笔者认为，这种处理方式不能够区分每个家庭成员对总收入的贡献，因为一个健康良好的家庭成员对总收入的贡献会比一个健康欠佳的成员多。本文侧重于分析农户的健康人力资本对农业活动收入影响，农村地区的农业活动主要包括种植业和养殖业两类，考虑到自变量土地的作用，以及劳动时间的可获得性，进一步将研究范畴限定在健康人力资本对从事农村种植业农户收入的影响。
二、理论框架和模型
在家庭层面的健康收入效应研究上，经常被应用的Mincer收入函数并不适用，我们需要找到反映家庭农业投入与产出关系的生产函数。Cobb-Douglas生产函数为进行这种分析提供了可能性。标准的Cobb-Douglas生产函数可以表述为：
其中，Y为总产量（产值），A为生产技术进步率；L为劳动力投入；K为固定资本投入。在标准的Cobb-Douglas生产函数中，并没有教育、健康等人力资本变量的作用空间，因此，如何使人力资本变量进入到生产函数方程中是首要解决的问题。
Cobb-Douglas生产函数的初始设定中，对劳动力生产要素的度量是从数量角度提出的，即考察劳动力数量对最终产出的影响。但效率工资理论认为，劳动者的工资水平与生产效率密切相关，一个高效率的劳动者可以在给定的时钟时间之内产出较多的效率时间，从而影响最终的劳动产出，所以劳动时间也应该作为劳动力生产要素的度量指标之一。而按照人力资本理论的观点，教育、健康等人力资本不仅可以影响劳动者的生产效率，还可以影响劳动供给时间。一个受过良好教育、健康的劳动者通常会被认为具有较高的生产效率和更长的劳动时间。这样，人力资本可以通过影响劳动力投入的质量与最终的产出发生关系。
沿着上述分析思路，本文把农户的农业产出看成技术进步率、固定资本以及劳动力投入的函数，并对各生产要素进行重新界定。
Ya=f（L，K，A）（2）
在这个农户生产函数中，Ya代表农户的农业产出，L代表从事农业生产的劳动力投入，K代表农业生产的固定资本投入，A为农业技术进步率。固定资本投入K包括两个主要构成部分：一是土地，这是从事农业生产最基本的固定资本投入；二是家庭购买获得的其他投入品，如种子、化肥、农药、雇工等。土地与购得的其他投入品共同对农业产出作出贡献，表示为：
Zk·Xm（3）
其中，Z代表土地，X代表购得的其他投入品，k和m分别表示Z和X的产出弹性。对于劳动力投入L的考察，通过上述分析可知，我们不能仅仅局限于对劳动力数量，人力资本及其影响的劳动时间应同时进入到劳动力投入的考察范畴，因此，劳动力投入 可以表示为劳动力数量、劳动时间和教育、健康等人力资本的函数。 Ldq·Leg·e？准1s+？准2h+？准nwn+？着（4）
其中，Lq为从事农业生产的劳动力数量，Le为从事农业生产的劳动时间，d和g为产出弹性；s为教育状况；h为健康状况；wn是一个控制变量的向量，如家庭特征以及社区特征等；？着为随机扰动项。这样，最终要估计的农户农业生产函数方程为：
Ya=A·Zk·Xm·Ldq·Leg·e？准1s+？准2h+？准nwn+？着（5）
在农村地区，农业生产技术在短时期内大面积的普及并转化为农业产出的困难较大，因此，农业技术进步对农业产出变化的影响作用较小，技术进步率A被视为一个固定不变的常数，这一假定也与中国农村地区农业发展的现实情况相符。将等式（5）的两边取自然对数，得到要估计的计量模型为：
Ln（Y）=a+klnZ+mlnX+dlnLq+glnLe+？准1s+？准2h+？准nwn+？着（6）
在健康与收入关系的研究中，由于遗漏变量以及收入对健康的反向影响，健康变量的内生性问题不可避免。现有文献解决这一问题的思路主要有两个：一是寻找合适的工具变量。研究者通常从当地的医疗价格、医疗可及性和一般消费品价格等获取工具变量。二是采用面板数据固定效应模型（FE Model）。在固定效应变换中，不随时间变化的个体效应被差分掉了，如果随时间变化的个体效应与健康变量不相关，就可以得到一致的估计量。由于本文研究的是农户层面的健康收入效应，在计量模型构建中，通过加入尽可能多的家庭控制变量，可以减少家庭因素对健康的影响。另外，有研究表明，健康行为和状况更多的取决于长期收入，而短期收入的影响相对较小[5]。所以有理由相信，面板固定效应模型可以减少甚至消除内生性偏误问题。
三、数据和变量定义
本文的数据来源于CHNS数据库，该数据库被广泛应用于研究中国的健康及相关问题。截至2011年，该调查共进行了8次，范围涉及中国东、中、西部9个省的农村和城市。该调查在问卷设计、样本选取等方面具有突出的严谨性和代表性，数据的大样本和固定追踪特征为研究者进行实证研究提供了可能。鉴于关键自变量自评健康（SRH）的可获得性，以及调查年份距今的时间，本文使用CHNS数据中2000、2004和2006年的面板数据。在剔除无效样本后，进入研究范畴的共有9 252个观测值，所有观测值均为农村地区的家庭样本。
CHNS数据中，将农村种植业划分为三类，分别是粮食作物、蔬菜作物和园艺作物。因此，因变量收入由农户从事以上所有种植业所获得的收入组成。为了便于比较，使用CHNS数据提供的农村地区消费价格指数对收入进行调整，并转换为以2009年的不变价格衡量的家庭种植业总收入水平。
自变量分为非人力资本变量和人力资本变量两类，非人力资本变量的构造方法如下。土地采用各调查年份的上一年家庭拥有的耕地面积的亩数来表示。其他投入品以农户在种植业上的所有投入品价值衡量，同样以2009年的不变价格作了平减处理。由于家庭用于种植业劳动时间数据的缺乏，笔者使用家庭成员每天用于种植业生产的小时数进行变量构造，首先将劳动时间在个人层面进行加总，然后以农户为单位计算平均值。劳动力数量则使用家庭总人口数作为代理变量，因为在中国农村地区，通常不存在严格的劳动年龄界限，具有劳动能力的家庭成员都会参与到农业生产活动当中。
研究中共使用了9个人力资本相关变量，主要描述了农户的年龄、教育、SRH、身高、BMI指数和热量摄入等方面的状况。其中，一系列健康指标无疑是本研究最为关心的自变量。此外，为了验证BMI指数以及热量摄入与收入之间的非线性关系，还在模型中引入了这两个变量的平方项。
需要指出的是，在CHNS数据中，上述人力资本相关变量都是个人层面的，需要将其转换为家庭层面的数据。借鉴张车伟的做法[1]，笔者尝试了两种方法进行转换，分别是简单平均法和赋权平均法。在简单平均法中，以个人所在的农户为依据，计算某个变量的平均水平。以身高为例，就是计算农户中所有成员身高的平均值，从而得到家庭的平均身高数据。在赋权平均法中，考虑到不同健康状况家庭成员的劳动时间供给是不同的，健康良好的家庭成员会产出更多的劳动时间，可以将个人从事种植业生产的劳动时间占家庭总劳动时间的比重作为权重，首先得到个人层面的不同人力资本变量数据，然后再以农户为单位，计算相应变量的家庭平均值。
除了以上变量外，模型中还引入年份虚拟变量来考虑时间效应。表1中给出了所有非人力资本变量以及按简单平均法计算的人力资本相关变量的定义和描述性统计。
四、实证结果及其解释
作为参照系，首先对模型进行混合最小二乘法（Pooled OLS）估计。从回归结果上看（见表2），在以简单平均法计算的健康变量中，除BMI指数及其平方项外，其他健康变量对收入均有显著影响。但部分健康变量的作用方向显然与预期不相符，如身高和BMI指数，对收入的影响是负的。在赋权平均法计算的健康变量中，所有健康指标的显著性都有改善，但身高对收入依然有负面影响。此外，教育对收入的影响并不显著，且影响系数非常小，偏离于已有研究的估计结果[6][7]。
OLS模型将所有健康变量视为外生变量，这种假设成立的可能性非常小，所以OLS的估计结果可能是有偏的。固定效应模型可以消除不随时间变化的个体效应对健康的影响，减少甚至消除内生性偏误，其估计结果的可行性更高。
表3给出了按不同方法计算得到的人力资本相关变量的FE估计结果。在按简单平均法计算的健康变量估计结果中，SRH对农户种植业收入表现出显著性的影响，每增加1个自评等级，可以带来约5.8%的家庭年均种植业收入。客观健康变量对收入并没有表现出整体性的显著影响，其中身高对收入有显著的积极影响，回报率为0.8%。虽然热量摄入和BMI指数对收入的影响程度非常可观，但在统计上并没有表现出显著性的影响。对此，可能的解释是在计算客观健康变量均值过程中，没有考虑到农户的性别结构、年龄结构以及家庭成员的个人偏好等因素，所以这些变量并不能完全代表家庭的总体健康状况。此外，与预期相符的是，热量摄入与收入之间呈现出非线性关系，意味着当热量摄入处于低水平时，增加热量摄入可以提高农户的种植业收入，而当热量摄入达到临界值后，继续增加热量摄入不仅无益于收入的提高，还会降低收入水平。这种非线性关系也存在于BMI指数与收入之间。 在非健康变量中，教育和年龄等变量虽然具有经济上的显著影响，且影响的方向与理论预期一致，但在统计上均不显著。有研究表明，教育对农业产出的估计结果依赖于对教育变量的选用[6]，而家庭平均教育年限可能无法有效反映教育在农业生产上的真实作用[7]。
在以赋权平均法计算健康变量的估计结果中，SRH依然有显著性的影响，并且统计上的显著性更高，对收入的影响程度变得更大。BMI指数和热量摄入与收入之间的非线性关系没有实质性改变，但所有的客观健康变量均变得不显著，除了以上讨论的可能原因外，笔者认为，在农户内部，不同成员之间在人体测量以及营养摄入上存在着“互补性”，在一定程度上弱化了客观健康变量对收入的作用。但这种“互补性”却不可能体现在对健康状况的自我主观评价中。
对BMI指数及热量摄入与收入之间的非线性关系，进一步的验证结果见表4。表中计算了模型中涉及到的两个健康变量边际效应的转折点，对比发现，在以简单平均法计算的健康变量中，样本均值和转折点均比按赋权平均法计算的健康变量大，这是因为在对健康变量赋权过程中，实际上降低了原始健康变量的取值，所以，按简单平均法计算的健康变量的转折点更有参考价值。
表4中健康变量边际效应转折点的经济含义是，在BMI指数和日热量摄入量分别达到28.68kg/m2和5 164.36kcal前，两者在数量上的增加都会对农户收入产生正向作用。在达到临界值时，两者对收入的边际效应消失，如果继续提高，可能会对收入产生负面影响。本文测算的热量摄入边际效应转折点与Strass对塞拉利昂的研究结论接近，但与Thomas和Strass对巴西以及张车伟对中国贫困农村地区的研究结论存在较大差异，这种差异性可以解释为样本人群工作性质的不同，以及样本人群所在的国别、地区间存在经济、社会和文化等方面的差别。
此外，不管是BMI指数，还是热量摄入，其转折点都要高于样本均值。这说明，在中国农村地区，BMI指数的提高和营养摄入水平的改善都将极大促进农户的农业收入水平，这显然是一个提高农民收入的新思路，这条思路指向了区别于传统物质资本和教育等人力资本以外的更广阔空间。
五、结论及政策含义
本文选取SRH、身高、BMI指数和热量摄入等健康变量，估计了中国农村农户健康对种植业收入的效应，为加深理解发展中国家农村地区健康人力资本在收入增长中的作用提供了线索。研究主要得出了以下几点结论：第一，在中国农村地区，健康人力资本对农户种植业收入有显著性影响，但不同健康指标的影响不尽相同。第二，BMI指数和热量摄入与农户收入之间呈现出一种非线性关系，随着两者数值的增加，对种植业产出的回报出现递减，甚至消失。BMI指数边际效应的转折点出现在28.68kg/m2，而热量摄入的转折点出现在5164.36kcal。第三，在非健康变量中，教育和年龄对种植业收入的影响并不显著。第四，以个人种植业劳动时间占家庭总劳动时间的比重作为权重，来计算农户健康状况的方法，可以更敏锐地揭示农户内部不同成员个体上的差异，更易于捕捉健康因素对收入的作用。
在中国经济转型以及经济结构调整的背景下，农民增收问题日益受到政府和社会的关注。以上研究结论具有明显的政策含义。改善农民的健康状况对增加农民收入、繁荣农村经济、加快城乡发展一体化进程有重要的推动作用。政策制定中，如何提高农民的健康水平，应着重考虑以下两个方面：其一，完善农村地区公共卫生服务体系，加大农村公共卫生支出规模，强化基础医疗的作用。其二，改革和完善现有的新型农村合作医疗制度，加强农村地区医疗救助制度的开展力度，使更多的农民从医疗保障制度中获得实惠。
参考文献：
[1]张车伟.营养、健康与效率-来自中国贫困农村的证据[J].经济研究，2003，（1）：3-12.
[2]魏众.健康对非农就业及其工资决定的影响[J].经济研究，2004，（2）：64-74.
[3]侯风云.中国农村人力资本收益率研究[J].经济研究，2004，（12）：75-84.
[4]刘国恩，Dow William H.，傅正泓，等.中国的健康人力资本与收入增长[J].经济学（季刊），2004，（4）：101-118.
[5]Smith J P.Healthy bodies and thick wallets：the dual relation between health and economic status[J].The Journal of Economic Perspectives，1999，13（2）：145-166.
[6]孙志军，杜育红.农村居民的教育水平及其对收入的影响——来自内蒙古赤峰市的证据[J].教育与经济，2004，（1）：24-29.
[7]邓曲恒.教育收入增长与收入差距 中国农村的经验分析[M].上海：格致出版社，2009.
责任编辑、校对：关 华