健康与效率

健康与效率_来自中国贫困农村的证据_纪念中国社会科学院建院三十周年学术论文集·人口与劳动经济研究所卷

营养、健康与效率——来自中国贫困农村的证据

营养、健康与效率^[1]——来自中国贫困农村的证据

张车伟

一、引言

人力资本对经济发展的贡献已经为越来越多的研究所证实(Schultz，1961;Becker，1964;Welch，1970)，不过，已有的研究主要集中在教育的作用上(Romer，1986，1990:Lucas，1988，1993;Stokey，1988，1991;Azariadis和Drazen，1990;Barro和sala－FMartin，1995)。而人力资本并不是一个单维度的概念，它不仅包括教育，还包括营养和健康，甚至性格、道德品质和文化观念等也都应该被包括在其范畴之中。但与教育相比，关于人力资本其他方面对经济增长贡献的研究则相对缺乏。

事实上，营养、健康与经济发展之间的关系很早就为学术界所关注(Keys，1950)，尤其是Leibenstein(1957)提出效率工资理论后，很多研究都试图证明体格矮小和营养不足会限制收入的提高(Davies，1973; Spurr，1977)。但此后很长一段时期内，对这一问题的研究并没有取得实质性进展。造成这一状况的主要原因在于营养、健康与劳动生产率之间的关系不是一种单向的因果关系，而是一种复杂的相互影响关系。营养和健康会影响到劳动生产率或者说收入，收入又会反过来影响到营养和健康。如果不能把营养、健康对劳动生产率的影响从二者相互影响的关系中辨识开来，那么，在研究中所观察到的二者之间的正相关关系就不足以用来推测可能存在的任何因果联系。20世纪80年代中期之后，研究方法的改进使得控制营养、健康与劳动生产率之间的“同步性”影响成为可能，从而这一领域的研究被大大推进。尽管最近的许多研究(Strauss，1986;Deolalikar，1988;sahn和Alderman，1988;Haddad和Bouis，1991;Foster和Rosenzweig，1992，1994)都表明，营养和健康对劳动生产率具有显著的促进作用，但这一结论仍需要得到更深入和更广泛研究的印证。

在关于营养和健康与劳动生产率关系的研究中，衡量营养和健康的指标通常包括这样几类:①营养摄入，如热能的摄取等。②体质特征，如身高、体重和体质指数(BMI)。③疾病。④自我评价的身体状况。⑤日常活动能力指数。总体来看，已有的研究常常只涉及上述诸多方面的一个或几个，尚没有见到同时拥有上述营养和健康所有方面的研究成果。

理论上说，源于“省略变量”的“偏误”可以通过找到有效的“工具变量”加以消除。但问题是，营养和健康的各个方面是相互联系的，在这种情况下，如果无法控制足够多的营养和健康指标，那么，旨在控制解释变量“内生性”影响的“工具变量法”仍然无法得到“一致性的”估计结果。作者不仅同时收集了上面所提到的关于营养和健康的所有指标，而且还收集了可以克服营养、健康“内生性”影响的一系列工具变量，这就为得到关于营养和健康的“一致性”估计提供了可能。利用来自中国贫困农村的数据，本研究将通过包括尽量多的营养和健康变量来控制源于“省略变量”的“偏误”;利用一系列“工具变量”消除“同时性”及其他可能来源的“内生性”影响，从而给出关于营养和健康的“一致性”估计。

本文的贡献主要体现在这样几个方面:①在一个研究中同时包括了营养、健康的几乎所有方面，并控制了估计中可能存在的各种“偏误”。②为营养、健康与劳动生产率关系研究提供了来自中国的例证。③为中国政府制定农村发展和农民收入的政策提供来自营养和健康方面的依据。

二、理论框架和模型

衡量营养、健康对劳动生产率影响的方法之一是把营养和健康因素引入到标准的工资方程中(Mincer，1974)。在工资方程中，只需把营养、健康看作另外一组人力资本特征变量，就可以从实证的角度估计出营养、健康对劳动生产率的影响。

让工资(以对数形式表示)W(或者更精确地说，时间的价值)作为代表劳动生产率的一个指标，那么，工资就可以被表示为与下列变量的函数关系:一组营养、健康变量λ;一组个人特征变量X_i，如年龄、教育以及其他一些人力资本指标如工作经验等;一组社区特征变量X_c，如基础设施状况和工作环境、条件等。同时，工资方程还应该包括和工资有关的、无法观测到的个人特征变量η，以及衡量营养和健康因素时可能产生的测量误差φ。再以ε代表工资方程中的残差，那么，工资方程就可以表示为如(1)所示的关系式。

如果拥有个体水平上的数据，工资方程显然是衡量营养、健康对劳动生产率影响的理想形式。但仅有家庭户水平上的资料时，工资方程就无能为力，在这种情况下，选择生产函数方程就成了另外一种选择。

虽然生产函数不直接度量劳动生产率，但当控制了所有其他投入品的影响之后，营养、健康(人力资本)的生产率效应完全能够从生产函数中得到体现。但在标准的生产函数方程中，人力资本变量并没有“合法地”占据一席之地，因此，营养、健康(人力资本变量)如何进入到生产函数方程之中就成了首先要考虑的问题。

效率工资理论通过在营养和“时间效率”之间建立联系，把营养和产出联系在一起了。这一理论认为，劳动时间可以被区分为“时钟时间”和“效率时间”。一个效率高的劳动力在给定的“时钟时间”内，会生产出较多的“效率时间”。单位“时钟时间”内生产的“效率时间”依赖于劳动力的营养状态，这样，营养的好坏就会直接影响到劳动的效率或产出。

如果效率工资理论所说的短期营养状况(营养消费)与劳动效率之间的关系是存在的，则中期和长期营养状况以及健康其他方面如疾病等与劳动效率之间的关系也同样存在。同时，如果从事的活动不是简单的体力劳动，受教育程度基于同样的原因也应和劳动效率发生联系。受教育程度高的人完全可以通过更有效地工作来获得更高的产出。因此，效率工资理论为人力资本与劳动产出之间的关系提供了最基本的解释框架。

如果用Y代表农户种植业的产出(产值)，那么，它可以表示为有效劳动时间L_e，可变的非劳动投入V，固定资本K，以及土地A的函数，进而，种植业的生产函数就可以被写成(2)的形式。

公式(2)中的有效劳动时间L_e是无法在实际中被观察到的，但它可能被进一步表示为关系式(3)中“同质性”和“异质性”的两个部分。其中，H为一组影响到“效率时间”的人力资本变量，如营养、健康、教育等方面的指标。h(·)为效率时间方程，它一般被认为是一个“增函数”，其增加的速度一开始递增而后变为递减。h(·)代表了劳动时间的“异质性”部分。L_i为实际观察到的“时钟劳动时间”，它代表了劳动时间的“同质性”部分。

把(3)式代入(2)中，人力资本变量就合理地进入了生产函数方程。通过这样的生产函数方程，营养、健康等的“生产率效应”便可以被估计出来。

很显然，在上面的农户生产函数中，土地和劳动是必需的投入品。所谓必需投入品意味着缺少其中的任意一个，都将无法生产出任何产品(或产值)。和必需投入品有所不同，其他投入品如化肥、种子、杀虫剂以及农用动力和设备则可以被看成是非必需投入品。非必需投入品的含义是指在缺少这些投入品的情况下，一定数量的产品或产量仍然可以被生产出来。这样，化肥、种子等非必需投入品对产出的影响，基本上可以被认为是通过提高土地的利用效率而实现。由于土地的数量是固定的和无法替代的，化肥、种子等非必需投入品在提高土地利用效率中的作用因此也将遵循收益递减的规律。基于这样的关系，土地和非必需投入品对产量的贡献可以被写成下面的关系式。

其中，A代表土地，X代表非必需投入品，m代表非必需投入品的种类，k_m代表待估计的参数。如果k_m=0，则非必需投入品对土地的利用效率没有任何影响;如果k_m＞0，则土地的效率会随着x增加而增加。

同样的道理，营养、健康以及其他所有人力资本变量在生产函数中的作用都可以被认为是使劳动时间发挥更大的效率而实现。具体来说，营养、健康等人力资本变量与劳动时间对产量的共同贡献可以被表示为关系式(5)。

其中，L代表从事种植业的劳动时间，e为自然对数，H(Z)为捕获营养、健康等人力资本变量影响的方程。

综上所述，要估计的生产函数方程最终可以被写成下面的形式:

在(6)中，H(Z)会因具体变量的不同而采取不同的形式。概括来说，有些人力资本变量的影响可能是线性的，而有些人力资本变量的影响则可能是非线性的。例如，营养的效率工资理论一般假定，H(Z)是一个先以增加的速度，经过一个转折点后，再以下降的速度上升的方程。因此，在估计营养对劳动生产率影响的时候，常常在方程中加入一个平方项以反映这种非线性的影响。具体到农户种植业生产函数方程，这种非线性的影响对于许多其他人力资本变量如教育、(BMI)以及年龄等都可能存在，作者因而选择了在模型中加入平方项的方法来反映这种影响。这样，H(Z)就可以被表示为:

在(7)中，z₁为和产出之间没有非线性关系的人力资本变量，Z₂为和产出之间可能存在非线性关系的人力资本变量，W为控制变量和家庭背景等，γ₁、θ_n为待估计的参数。

这样，对生产函数(6)两边取对数，要估计的方程形式就变为:

在(8)中，A为土地面积，X为非必需投入品，L为劳动时间，Z为营养、健康、教育等人力资本变量，W为人力资本的控制变量，ε为残差项。

三、数据和结果

本研究使用的数据包括三个来源。最基本的数据来自1997年底在全国6个国家级贫困县进行的《中国贫困地区信贷和贫困调查》。调查内容涵盖了农户生产和生活的所有方面，包括农户生产、收入、消费、储蓄、信贷、教育、健康等各个方面的信息。这次贫困调查的抽样方法和国家统计局《农村住户调查》的抽样方法完全相同，均采用分阶段随机抽样的方法，即首先确定要调查的县和村。然后，再根据随机抽样的原则确定具体的家庭户。抽样结果共选中了6个贫困县中43个村的460个样本户。调查采取问卷调查的方式，问卷包括家庭户问卷和社区问卷两个部分。家庭户问卷由户主或其他家庭成员回答，而社区问卷则分别由所抽取到的样本村、组相关人员填写。对家庭户的调查采取直接入户的方式，最后形成有效问卷446户。

《中国贫困地区信贷和贫困调查》的460个样本户也全部是国家统计局《农村住户调查》中的样本户。国家统计局《农村住户调查》详细搜集了被调查户的收入、消费情况，并按月详细记录了食物消费的具体品种和数量。本研究使用的有关营养拥有量方面的指标，就是依据国家统计局这次调查得到的数据计算而得。因此，国家统计局《农村住户调查》是本研究使用数据的第二个来源。

数据的第三个来源是同样针对这460个样本户进行的另外一次补充调查。这次补充调查主要搜集了农户的健康状况，调查内容包括个人的身高、体重、营养知识、疾病状况、自我评价的健康状况以及日常生活能力等。本研究涉及这些方面的指标则主要来自这次跟踪调查。作者把上述三个来源的数据连接在一起，形成了本研究最终使用的数据库。

在估计营养、健康对劳动生产率影响的生产函数中，控制其他变量的目的主要是要消除被研究变量可能具有的“内生性”影响，但引入控制变量的同时也可能引入其他的“内生性”问题。在这种情况下，如何控制模型中的“内生性”影响，就成了能否得到“一致性”估计结果的关键。鉴于此，作者对可能存在“内生性”的解释变量进行了研究。表1给出了在控制着所有其他营养和健康变量(作为“内生性”变量对待)情况下，对各个可能“内生的”解释变量进行检验的结果。在检验“内生性”时，使用的是一个工具变量系列，这些工具变量包括粮食消费价格指数、肉类消费价格指数、蔬菜消费价格指数、食用油消费价格指数、蛋奶消费价格指数、村医疗价格Ⅰ、村医疗价格Ⅱ、乡卫生院医疗价格、家庭房屋的价值(万元)、抚养系数(百分比)、家庭孩子的数量、到村公路的距离(公里) 12个工具变量。

表1　营养和健康变量“内生性”检验:控制其他营养和健康变量的情况

注:(1)SRHS，对健康状况自我评价指数;ADLs，日常生活能力指数。(2)第一列为8个包括所有健康变量的生产函数模型估计结果，其中在每个模型中，所列出的健康变量被作为“外生性”变量对待，而其他健康变量则被作为“内生性”变量对待，使用的工具变量为“完整工具变量系列”。第二列为包括所有健康变量且这些健康变量都被视为“内生性”变量的生产函数模型估计结果，使用的工具变量同样为“完整工具变量系列”。(3)在上述所有模型中，因变量为种植业产值的对数，没有出现在表中的解释变量包括种植业劳动时间对数、土地面积对数、化肥成本对数、种子成本对数、其他种植业投入成本对数、水浇地所占比重、家庭规模、种植业劳动力父母的平均受教育年限、种植业劳动力的平均年龄、年龄的平方项、种植业劳动力的平均受教育年限、受教育年限的平方项，以及村级水平上生产者粮食价格指数和县虚拟变量。

如果把Hausman“内生性”检验中T值大于1作为判定依据，那么，可以看出，家庭“卡路里拥有量”和“疾病”具有明显的“内生性”。而其他营养和健康则没有表现出显著的“内生性”。

根据对“内生性”的检验结果，作者在实际估计营养和健康影响的模型中，始终把“卡路里拥有量”、“卡路里拥有量平方”、“慢性病”、“因病损失工作时间”等变量作为“内生性”变量处理，其他反映人力资本方面的指标则被作为“外生性”变量。使用的工具变量同样为上述的工具变量系列。

本研究使用的数据既有来自对个人的观测又有来自对家庭的观测。但由于估计使用的是农户生产函数模型，所以当观测值为个人水平时，就需要找到适当的方法把个人水平变量变为农户水平变量。

本研究共使用了19个与人力资本有关的指标，这些指标分别描述了劳动力的年龄、受教育状况、身高、BMI、疾病、营养摄入、自我评价的健康状况和日常生活能力等不同方面。在这些指标中，“卡路里拥有量”是间接得来的，即根据家庭食物消费量和食物营养构成表推算得来。但从准确估计营养与劳动生产率的关系来说，该指标最好是通过观察劳动力实际营养摄入量直接得到。为了校正家庭人口年龄和性别结构在间接推算中的影响，本研究根据实际营养调查取得的数据对“卡路里拥有量”指标进行了调整，同时，调整还考虑到了家庭外出就餐和招待客人的状况。调整后的卡路里指标能更准确地反映家庭实际的营养状况。

除“卡路里拥有量”和“理想膳食模式评分”指标外，其他营养和健康指标的原始数据均为个人水平。本研究尝试了两种方法把个人水平指标转变为家庭水平指标。一种方法为简单平均方法，即计算家庭劳动力的简单算术平均，如BMI指标，就是家庭中参与种植业生产的所有劳动力BMI指数的平均值。另一种方法为加权平均，即计算家庭劳动力的加权平均，权重为个人劳动时间占家庭劳动时间的比重。如果Z_i为观察到的个人水平上某一人力资本指标，那么，其加权平均Zⁱ可由公式(9)求得。

其中，L为劳动时间，i为不同的人力资本变量，j为家庭中不同的劳动力个人，n为家庭劳动力数量。

使用加权办法也会有许多好处。最直接的好处便是它通过赋予每个劳动力不同的权重考虑到了人力资本个体差异的影响，如果健康或其他人力资本变量影响到劳动时间的供给，那么，加权之后的影响就更容易被探测到。使用简单平均法的一个最大问题是无法考虑到健康等人力资本因素个体间差异对劳动生产率的影响。

表2和表3分别是使用“简单平均法”和“加权平均法”计算人力资本变量时，得到的农户种植业生产函数的估计结果。需要指出的是，这里只列出了与人力资本有关变量的估计结果，没有在表中出现的解释变量还包括种植业劳动时间对数、土地面积对数、化肥成本对数、种子成本对数、其他种植业投入成本对数、水浇地所占比重、家庭规模、种植业劳动力父母的平均受教育年限以及村级水平上生产者粮食价格指数。其中，“水浇地所占比例”用来控制土地质量的影响，“家庭规模”用来控制家庭人口的影响，“父母平均受教育年限”则用来控制家庭背景的影响。模型中还放入了村级水平上生产者粮食价格指数来消除因地理位置差异可能带来的影响。鉴于资料来自6个县，作者还对是否需要放入“县虚拟变量”进行了Hausman检验。检验结果表明，模型中加入县虚拟变量与否不会对估计结果的一致性带来显著的影响，因此，最后的估计模型没有包括县虚拟变量。

表2　营养、健康与生产效率:农户种植业生产函数

续表

注:(1)在上述所有模型中，没有出现在表中的解释变量同表1的注(3);(2)“慢性病”、“因病损失工作时间”、“卡路里拥有号”、“卡路里拥有量平方”以及“理想膳食评分”被作为“内生性”变量对待，工具变量为“完整工具变量系列”。(3)Hausman检验表明，模型中加入县虚拟变量与否不会对估计结果的一致性带来统计上显著的影响。(4)括号中为校正过异方差影响的“强力标准差”(Robust Standard Error)。

表3　热能摄取、健康与生产效率:农户种植业生产函数

续表

注:同表2。

表3中的结果显示，无论在哪种情况下，“卡路里拥有量”和“因病损失工作时间”都显著影响到劳动生产率。“因病损失工作时间”和产量之间呈现负的相关关系，而“卡路里拥有量”和产量之间的关系则是一种非线性关系:当卡路里拥有量水平较低时，随着卡路里拥有量的增加，产量会相应增加，但当卡路里增加到一定水平后，卡路里拥有量的增加不仅不再使产量增加还引起产量的下降。在不分性别的情况下，BMI的影响展现了和卡路里相同的模式，但这一关系在统计上并不显著。当把BMl分性别来看时，男性BMl和产出之间呈现显著的正相关关系，女性BMl虽然也和产出之间呈现正相关关系，但在统计上不显著。身高和产出之间的关系与理论预期有所不同，在不分男女性别情况下，身高和产出之间没有表现出与理论预期相同的关系。鉴于身高在男女之间存在着生物学上的生理差异，家庭劳动力的平均身高会受到性别结构的影响，在不分性别的情况下，身高并不能真正代表家庭劳动力的长期营养状况。当把身高分性别来看时，尽管可以克服家庭劳动力性别构成的影响，但这时的身高可能会同时捕获了与性别有关的其他无法观测因素的影响，因而，对身高的估计也不一定能完全代表长期营养状态的影响。其他营养(理想膳食模式)和健康指标和产出的关系虽然都表现出了和理论预期相同的方向，但这些关系在统计上都不显著。

鉴于模型对身高的估计是在给定BMI情况下进行的(或者说控制着BMI)，而BMI是一个由身高和体重共同构造的综合指数，因此，对BMI的估计当然也会捕获身高的部分影响。不过，体现在BMI中的身高影响并不是显而易见的，也就是说，从实际的估计式中无法直接看到这种影响。

表3为“加权平均”方法计算人力资本变量时农户生产函数估计结果。比较表2和表3可以发现，营养和健康变量对劳动生产率影响的关系没有发生任何实质改变，只是有些变量的影响程度加大了，如在模型(4)中，“因病损失工作时间”的系数由原来的－0.55增加到－1.54;而有些变量则由统计上不显著变为统计上显著了，如BMI。在加权平均模型中，BMI的影响展现了和“卡路里”相似的非线性影响，且这种非线性关系在统计上非常显著。这说明，使用劳动时间对人力资本变量进行加权处理不仅不会影响到估计的一致性，而且还可以有助于使健康的影响更容易被检测到。

四、营养、健康的回报

为了更加直观地理解营养、健康对中国贫困农村的意义，作者进一步计算了一些重要营养和健康指标的边际影响和弹性，结果被总结在表4中。第一种情况为根据“简单平均”模型计算的结果;第二种情况为根据“加权平均”模型计算的结果。

表4　重要营养和健康指标的边际影响和弹性

注:计算总边际影响和弹性时使用的为样本均值;计算达到转折点之前的边际影响和弹性时使用的为到达转折点之前的样本均值。

在“简单平均法”模型中，卡路里对产出的影响展现了一种边际影响趋近于零的非线性关系，其边际影响为零的转折点约在家庭人均卡路里拥有量为3128大卡的水平。也就是说，在家庭人均卡路里拥有量达到3128大卡之前，人均卡路里拥有量的增加会带来收入的增加，而当家庭人均卡路里拥有量超过3128卡后，卡路里增加对收入不再产生影响甚至带来收入水平的下降。总的来看，卡路里拥有量每增加1000卡，家庭种植业收入将会增加1051元，卡路里拥有量每增加1%，种植业收入会相应增加0.57%。在达到边际影响为零的转折点之前，卡路里拥有量每增加1000卡，家庭种植业产值将增加到1534元，这时卡路里拥有量的产出弹性为0.68，即卡路里拥有量每增加1%，种植业收入会相应增加0.68%。

在“加权平均法”模型中，营养和收入之间的关系没有发生实质的变量。所不同的是，边际影响为零的转折点下降到2770大卡，总弹性下降为0.31，达到边际影响为零的转折点之前的边际影响和前一个模型基本相同，为1119元，弹性为0.47。

在作者所研究的贫困地区，样本总体的人均卡路里拥有量为2267大卡左右，无论从哪个模型的估计结果来看，这一水平都离边际影响为零的转折点都有相当的差距。因此，在中国的贫困农村，营养的改善无疑会大大有助于农民收入的增加。

BMI的影响展现了和卡路里相似的模式，它也是一种边际影响趋近于零的非线性关系。在“加权平均法”的模型中，BMl总的边际影响为177元，总弹性为0.87，边际影响为零的转折点为23.57，达到边际影响为零转折点之前的边际影响为190元，弹性为0.96。考虑到BMI的正常值应在18.5～25之间，这里估计的边际影响为零的转折点为23.57，这一数字并不高。这说明在这些贫困地区，劳动力的BMI总体水平比较低，也进一步说明这些地方确实是营养仍然匮乏的地区。虽然在“简单平均”法的模型中，BMI和收入之间的关系在统计上不显著，但这一关系的形式并没有改变。不过，当把BMl分性别来看时，模型探测到了男性BMI的显著影响:家庭男性劳动力的平均BMI每增加1，将为家庭带来180元的收入增加，从弹性的角度来看，家庭男性劳动力的平均BMI每增加1%，将使收入增加0.92%。

模型没有探测到身高的显著影响。正如前面所指出的，在控制BMI的情况下，身高的影响不能仅从对身高的估计系数解读，还必须考虑到被BM I捕获到的部分影响。不过，由于身高代表了一个人的长期营养状态，对种植业来说，短期的营养供给也许更加重要。

疾病对农户种植业收入的影响非常大。在“简单平均”模型中，家庭劳动力因病无法工作时间每增加一个月，家庭年种植业产值将减少2300元;在“加权平均”模型中，家庭劳动力因病无法工作时间每增加一个月，家庭年种植业收入将减少6475元。考虑到样本地区的平均种植业收入只有4000多元，如果每个家庭劳动力每年有一个月因病无法工作，这个家庭将可能一无所获。

综上所述，本研究清楚地揭示，在中国的贫困地区，营养和健康确实是制约农民收入增加的重要因素。在乡村医疗体系逐渐瓦解，而新的医疗服务体系尚未建立的情况下，贫困地区的健康状况可能是这些地方部分人无法摆脱贫困的根本原因。本研究的实证结果表明，改善这些地方的营养状况和医疗卫生条件，将会极大地有助于这些地方农民收入的增加。

参考文献:

1.Azariadis，Costas，and Allan Drazen.，1990，“Threshold Externalities in Economic Development.”Quarterly Journal of Economics105(2):501－526.

2.Barro，Robert J.and Xavier Sala－I－Martin.1995，Economic Growth，New York:Mc Graw Hill.

3.Becker，Gary S.，1964，“Human Capital.A Theoretical and Empirical Analysis，With Special Reference to Education，”New York:Columbia University Press.

4.Davies，C.T.M.，1973，“Relationship of Maximum Aerobic Power Output to Productivity and Absenteeism of East African sugar cane Workers.”British Journal of Industrial Medicine，30，146－154.

5.Deolalikar，A.B.，1988，“Nutrition and Labor Productivity in Agriculture:Estimates for Rural South India，”The Review of Economics and Statistics，70.3:406－413.

6.Foster，A.and Rosenzweig，M.R.，1992，“Information Flows and Discrimination in Labor Markets in Rural Areas in Developing Countries，”Proceedings of the World Bank Annual Conference on Development Economics，173－204.

7.Foster，A and Rosenzweig，M R.，1994，“A Test for Moral Hazard in the Labor Market: Effort，Health and Calorie Consumption，”Review of Economics and Statistics.76. 2:213－227.

8.Haddad，L.J. and Bouis，H.E.，1991，“The Impact of Nutritional Status on Agricultural Productivity:Wage Evidence from the Philippines，”Oxford Bulletin of Economics and Statistics，53. 1:45－68.

9.Keys，A，etal.，1950，“The Biology of Human Starvation，”University of Minnesota Press，Minneapolis，M.N.

10.Latham，M.，1993，“The Relationship of Nutrition to Productivity and Well－being of Workers”，iP. Pinstrup—Anersen，ed.，The Political Economy of Food and nutrition Policies，Baltimore:Johns Hopkins Press.

11.Leibenstein，H.，1957，Economic Backwardness and Economic Growth，pp.62－67，Wiley，New York.

12. Lucas，Robert E. 1988，“On the Mechanics of Economic Development”.Journal of Monetary Economics22(1):3－42.

13.Lucas，Robert E.1993，Making a Miracle，Econometrica 61(2):251－272.

14. Mincer J.，1974，“Schooling，Experience and Earnings，National Bureau of Economic Research，”Chicago:University of Chicago Press.

15. Romer，Paul M 1986，“Increasing Returns and Long－Run Growth，”Journal of Political Economy 94(5):1002－10037.

16.Romer，Paul M.1990，“Endogenous Technological Change，”Journal of Political Economy 98(5)pt2:S7－102.(2).

17.Sahn，D.And ALderman，H.，1988，“The Effects of Human Capital On Wages，and the Determinants of Labor Supply in a Developing Country，”Journal of Development Economics，29.2:157－183.

18.Schultz，Theodore W.1961，“Investment in Human Capital，”American Economic Review 51(1):1－17.

19.Spurr，G.B.，Barac－Nieto，M.＆Maksud，M.G.，1977，“Productivity and Maximal Oxygen Consumption in Sugar Cane Cutters，”American Journal of Clinical Nutrition，30，316－321.

20.Stokey，Nancy L，1988，“Learning by Doing and the Introduction of New Goods，”Journal of Political Economy 96(4):701－717.

21.Stokey，Nancy L.1991，“Human Capital，Product Quality，and Growth，”Quarterly Journal of Economics106(2):587－616.

22.Strauss，J.，1986，“Does Better Nutrition Raise Farm Productivity，”Journal of Political Economy.94.2:297－320.

23.Welch，Finis.1970.“Education in Production，”Journal of Political Economy 78(1): 35－39.

(原载《经济研究》2003年第1期)

【注释】

[1]本文是中国社会科学院基础项目“贫困地区人口的营养、健康和劳动生产率研究”的部分成果。作者感谢蔡昉教授、Thomas Rawski教授、赵耀辉教授、Albert Park教授和张林秀教授所给予的建议、帮助和支持。