一、引言
农业是国民经济的基础，提高农户的粮食生产能力是增加农民收入、保障我国粮食安全和建立和谐社会的有效途径 （陈锡文等，2000）。在中央一系列惠农政策的激励下，2013 年我国的粮食产量再创历史新高，粮食产量连续七年达到5 亿吨。然而，据专家推算，随着我国人口的增加，到 2030 年中国的粮食需求将达到 6.4 亿吨 （财政部财政科学研究所课题组，2004）。按照目前的粮食产量计算，我国的粮食缺口多达 1.4 亿吨，占全国当前粮食产量的近 1/3。即我国长期的粮食安全仍然处于供应偏紧的状态。
与此同时，我国大多数农村地区农民的收入主要来源于农业生产，尤其是种植业中的粮食生产 （许庆等，2008）。因此，研究影响农户粮食产量的因素，对提高粮食生产能力、增加农民种植业收入具有重要的现实意义。
大多数学者从不同角度研究了影响粮食生产的因素。Lin(1992)、McMillan et. al(1989)和陈锡文等(2000)认为家庭联产承包责任制解放了农业生产力，提高了粮食产量，增加了农户的种植业收入。陈锡文等(2000)甚至认为我国上世纪 90 年代连续5 年的粮食增产与中央决定将土地承包期再延长 30 年的政策密切相关，延长土地承包期的措施稳定了民心，提高了农民的生产积极性。曹芳等(2005)、周应恒(2009)和 Yu and Jensen(2010)探讨了粮食直接补贴政策对农户粮食产量和收入的影响，认为粮食补贴改革增加了粮食生产并且提高了农民的收入；但是张海翔等(2011)和黄季琨等(2011)的研究发现，粮食直接补贴对农民粮食生产没有影响，应该加大提高粮食生产力的投入，如增加农业基础设施的投入，从而提高粮食的长期生产能力。
Teruel and Kuroda(2005)和汪小勤等(2009)分析了农田水利基础设施对农业生产的影响，发现农村水利基础设施的改善和投入的增加，有效地降低了农业生产的成本，提高了粮食产量。
Zilerman and Heiman(1997)和赵阳(2001)研究了农业科研投入与粮食生产的关系，认为农业科研投入显著提高了粮食产量。然而彭代彦(2002)的研究发现农业科研和技术推广服务增加了农业生产支出，从而降低了农民的种植业收入。彭代彦(2002)还进一步发现农村医疗卫生的投资能够有效降低农户的农业生产支出，并且增加农民的收入。
农村地区医疗卫生的投资能够提高农民的健康水平，增强人力资本 （蒋中一，2008）。然而，关于健康与粮食生产及种植业收入关系的研究大多集中在工业化国家，针对发展中国家和转型国家的研究还比较少。张车伟(2003)开创了我国国内第一篇研究健康与家庭种植业关系的文章 （魏众，2004）。该研究采取全国 6 个国际级贫困县共计 446 个调研样本，发现家庭劳动力因病无法工作的时间每增加一个月，种植业收入将减少 2300元。韩俊、罗丹(2005)发现，由于“看病难、看病贵”的原因，我国农村居民因病致贫、因病返贫的现象比较严重，农民一旦生大病，不但身体跨了，而且好几年不能恢复生产，甚至整个下半辈子都不能恢复生产。高梦滔、姚洋(2005)使用中国 8 个省共计 1354 个农户的数据测算了健康风险冲击对农户收入的影响，结果发现大病冲击对于农户的短期和中期影响使得患病家庭的人均纯收入平均降低 5%~6%，农户患大病对于中低收入家庭的负面影响更为严重。齐良书(2006)研究了收入与健康的关系，发现较低收入的农户其社会经济地位也较低，而社会经济地位较低者要提高收入水平，不得不在健康方面付出代价，结果导致健康恶化。以上仅有的几篇关于健康与粮食生产及种植业收入关系的研究里，健康指标的度量多是采用自评健康状况的方式，没有准确度量家庭医疗支出对农户粮食产量和种植业收入的影响。
文章使用中国16 个省、市共计 11590 个样本，运用随机前沿生产函数方法研究医疗支出对农户粮食生产的影响，考察了医疗支出对玉米和稻谷产量的影响。
由于农户可以在不同品种的农作物之间进行选择搭配播种，期望种植业收入最大化，所以文章进一步检验了医疗支出对农户种植业收入的影响。
文章的贡献有：第一，首次使用微观数据分析农户家庭医疗支出对粮食产量和种植业总收入的影响；第二，为健康与农户粮食生产以及农户种植业总收入的关系研究提供来自中国的例证；第三，为中国政府制定提高农户粮食生产能力、增加农民收入和农村社会和谐发展政策提供来自健康方面的依据。文章其余部分的结构如下：第二部分是数据来源和变量的描述性统计，第三部分是计量模型的介绍，第四部分是计量结果及讨论，第五部分指出文章的政策含义。
二、数据来源与变量选择
文章研究使用的数据来源于农业部农村固定观察点2007 年度的调研数据。该数据样本包括了 16 个省、直辖市和自治区，在东、中和西部地区均有分布，所以该样本具有良好的全国代表性。经过对数据的清理，最终获得有效样本 11590 户，其中东部地区占34%，中部地区占 42%，西部地区占 24%。数据的描述性统计见表 1。文章的因变量有 3 个，分别是农户的玉米产量、稻谷产量以及农户的种植业总收入，各个因变量指标都是以家庭为单位进行核算。农户的玉米产量均值为 2458 公斤，最少的产量为 53 公斤，最多产量为 36000 公斤。家庭的稻谷产量均值为1916 公斤，产量最少的为 27 公斤，产量最多的为97480 公斤。家庭种植业的平均收入为 6624 元，最少的家庭是78元，最多的家庭是216670元。
在解释变量的选取方面，文章将投工量按照每8小时为单位工作日进行标准化调整(Zhang et. al，2002)。
样本家庭种植业的投工量，平均为 119 天，最少的为 15 天，最多的是 2096天。
文章研究的农村家庭平均人口为3.93人，接近于“中国健康和营养调查(CHNS)”4.29 人的家庭规模。文章遵循齐良书(2006)和 Glauben(2008)的思路，将 16~65 岁之间的家庭成员纳入劳动力范围。农户家庭劳动力的平均年龄是 38.5 岁，接近“中国健康和营养调查”的调研数据 39.6 岁。文章的家庭劳动力平均受教育程度是6.59 年，非常接近“中国健康和营养调查”的调研数据 7.04 年。家庭规模、劳动力平均年龄和劳动力平均受教育年限的数据特征说明本数据的质量比较高。文章关注的主要变量是农户家庭的医疗支出，样本的平均家庭医疗支出为1121 元，最少的为 0 元，最多达到 84000 元。医疗支出最多的家庭，其医疗支出数额是 2007 年度农民人均纯收入4140 元的 20 倍。文章采用 Zilberman et. al(1994)和 Wang et. al(2010)的研究方法，将降水量作为代理变量考察农田水利设施对农业生产的影响。
三、研究方法
遵循汪小勤等(2009)的思路，文章选用随机前沿生产函数模型检验农户家庭的医疗支出对粮食产量和种植业收入的影响。该模型的优点是能够将影响产出的随机误差项与技术效率的随机冲击进行分离，以便寻找提高或者降低生产效率的影响因素。随机前沿生产函数最早由 Aigner et. al(1977)等提出，由Bettese and Coelli (1995) 等发展完善并且得到广泛运用（Baccouche and Kouk，2003）。随机前沿生产函数中的生产前沿是指对于既定要素的投入组合所能够达到的最大产出水平(Bettese and Coelli，1995)。函数模型包括：其一是随机前沿生产函数，测量给定要素投入及其投入组合所能够获得最大的实际产出水平；其二是技术欠效率函数，测量在生产者控制之外，但是能够提高或者降低生产效率的变量。随机前沿生产函数模型的一般形式为：
式(1)和式(2)中，t 等于 1、2 和 3 时分别表示农户的玉米产量、稻谷产量和种植业总收入。Yit是第i个农户的产出，Xit是K×1阶投入向量，β是各投入向量的待估参数。而前沿生产函数f(·)则表示农户生产的最优技术水平，该模型的误差项由vit-uit组成，vit和uit相互独立，并且独立于解释变量Xit。vit表示随机统计噪声，独立于投入和技术水平并且假定服从N(0，σv2)的正态分布；uit表示非负的随机变量对农户生产造成的技术效
的系数值在统计上显著，则表明模型的估计应该选择随机前沿生产函数方法，否则应该选用普通最小二乘法；第二，γ的系数值表示误差项中应该由技术损失效率解释的比例。
需要说明的是，技术效率损失函数uit的解释变量中，当系数符号为正时表示降低农户的生产效率，而当解释变量系数符号为负时则表示提高农户的生产效率。式(1)中的技术欠效率函数的一般形式为：
根据随机前沿生产函数的模型设定，文章选取农户的农作物实际收获面积、购买化肥的总金额、购买农药的总金额和劳动力投工量变量作为农业生产的解释变量，由于数据呈现非正态分布，所以文章采用变量的对数形式对数据进行平滑处理。中国农业生产的随机前沿生产函数模型如下：
式(4)中，TD、HF、NY 和 LD 分别是实际收获面积、购买化肥金额、购买农药金额和劳动投工量。而技术效率函数如：
式(5)中的 RS、NL、JY、YL 和 WG 分别表示家庭总人数、劳动力平均年龄、劳动力平均受教育年限、家庭的医疗总支出以及外出务工劳动力占家庭总劳动力人数的比例。
四、结果及讨论
文章的计量结果表明农户家庭的医疗支出显著降低了粮食生产能力和种植业收入。表 2 是中国农户玉米和稻谷生产和种植业收入的随机前言生产函数估计结果，文章中 3 个随机前沿生产函数计量模型的γ值都通过了显著性检验，说明应该使用随机前沿生产函数进行生产效率的检验。农户的玉米产量、稻谷产量和种植业收入损失的 89%、86%和 91%都归因于技术欠效率，而不是随机误差项。
随机前沿生产函数的技术效率方程中，作为文章关心的主要变量，家庭的医疗支出变量降低了农户玉米生产的产量，并且这一结果在统计上显著，这一结论与张车伟(2003)的研究结果相一致。家庭的医疗支出降低了农户的玉米生产效率，当家庭成员患病时，从两方面降低了农户的玉米生产效率：第一，减少了劳动投入量。不仅患病的家庭成员不能参加农业劳动，而且还需要其他家庭成员对其进行陪护，进一步减少了劳动投入。
第二，减少了农业生产资料的投入。在家庭收入预算的约束下，增加医疗支出就会减少购买农业化肥、农药和种子等资本的投入，降低了农户玉米生产的潜力。而教育水平变量表明，农户家庭劳动力的平均受教育程度有助于提高玉米的生产产量。家庭人数越多，则提高了农户玉米的生产效率；而外出务工人数占家庭劳动力数量的比例越大，越能降低农户的玉米生产效率。
在技术效率方程中，家庭医疗支出显著降低了农户的稻谷生产效率，并且在统计上这一结果在5%的显著性水平上显著。
农户家庭劳动力的平均受教育程度降低了农户的稻谷生产效率，但是在统计上不显著。
而家庭劳动力成员平均年龄越大，则越能提高稻谷的生产效率。
年龄的大小在一定程度上代表了稻谷种植的经验，较丰富的种植经验有助于农户的育种、种植和收获，从而获得较高的产量。家庭人数越多则越能显著增加农户医疗支出、粮食生产与农户收入的稻谷生产效率，外出务工劳动力人数占家庭总劳动力总人数的比例负向影响农户的稻谷生产效率，但是在统计上不显著。
而生产函数中投工量变量的计量结果表明，投工量正向影响农户的稻谷生产。
在随机前沿生产函数的技术效率方程里，农户医疗支出变量的系数符号是正号，表明农户家庭的医疗支出降低了农户的种植业收入，这一结果在1%的显著性水平上显著。由此可以看出，农户家庭的医疗支出降低了农户的种植业收入水平，导致农户无法开展正常的生活和生产活动。
教育变量的计量结果表明，农户家庭劳动力平均受教育程度越高，则降低了农户的种植业收入，不过，这一结果在经济上并不明显，其系数值较小并且在统计上不显著，文章的发现与魏众(2004)和周清明(2009)等的研究结果相一致。可能的原因是在我国人均土地面积较少的情况下，较高教育程度的农村居民倾向外出务工，降低了教育水平对农业生产的影响。家庭人数变量正向影响家庭的种植业收入，并且在统计上显著。家庭成员较多的农户，家庭内部成员之间可以分工协作，提高劳动生产率，从而增加种植业收入。家庭劳动力的平均年龄正向影响农户的种植业收入，这是由于种植业需要经验，在干中学的过程中积极稳妥地混合种植各种农作物，提高家庭的种植业收入水平。降水量显著提高了农户的粮食产量和种植业收入，陈锡文(2000)认为我国粮食增产与气候处于丰水期密不可分，而丰水期是不可能经常存在的，所以要加强我国的农田水利基础设施建设 （Teruel and Kuroda，2005；黄季琨，2011）。
五、结论与建议
文章采用随机前沿生产函数模型检验了医疗支出对中国农户玉米和稻谷产量的影响和对农户家庭种植业收入的影响。
结果发现，家庭的医疗支出不仅显著降低了农户的粮食生产效率，减少了玉米和稻谷的产量，而且显著降低了农户家庭的种植业总收入。农户家庭劳动力的平均教育程度正向影响玉米和稻谷的产量；教育水平负向影响农户的种植业收入水平，然而，这种影响在经济上并不明显。
降水量变量正向影响农户的玉米和稻谷的产量，显著提高了农户的种植业收入水平。农业劳动的投工量显著增加农户的种植业收入水平，家庭人数越多则更能提高农户的种植业收入；而外出务工人数占家庭中劳动力人数的比例越大，则能够降低农户的种植业收入水平。
文章建议采取以下措施提高中国农户的粮食生产效率，增加农户的种植业收入：第一，采取有力措施减轻农民患病的经济负担。为了建立和谐社会，缓解农村居民因病返贫、因病致贫的现象，我国政府于2004 年开始实施新型农村合作医疗制度，该医疗保险的保障对象是农村居民 （秦立建等，2011）。然而，新型农村合作医疗的人均筹资水平很低，实际住院补偿率仅为26.3% （蒋中一，2008）。因此，有关部门应该采取切实措施提高农民住院治疗和患大病的补偿率，减轻农户的经济负担，促进农业生产。第二，加大对教育的投资力度，进一步提高农村居民的教育水平。
我国农民的平均受教育年限是 7.8 年，与一些发展中国家如巴西、马来西亚等相比尚有差距。受过良好教育的农民易于接受新品种、新科技，采用新方法，有助于提高农业产量并提高种植业收入。第三，加强农田水利基础设施建设。要加大公共财政的农业公共投资，将农田水利基础设施的投资列为优先投资项目，逐步完善农业基础设施建设，摆脱农民靠天种田的状况。
