20世纪下半叶呈现出两大全球趋势：人力资本空前增长（至少以受教育年限衡量是如此）；以及从事农业的人口占比大幅下降。
受教育年限和农业就业的变化幅度都很大。Barro-Lee 数据集显示，在所有国家中，平均而言，20世纪40年代出生的人群上学四年，而20世纪80年代出生的人群上学九年。尽管缺乏对全球农业就业人口占比的一致估算，但我们有数据的大多数国家都呈现出类似情况。例如，泰国农业就业人口占比从20世纪60年代的80%降至21世纪初的不足40%。巴西从60%降至20%，意大利则从30%降至不足5%（Herrendorf 等，2014）。
这两种趋势是否相关？更具体地说，受教育年限增加是否推动了劳动力从农业转移出去？
近期研究表明，受教育程度较高的劳动者会离开农业，转而从事技能回报更高的职业（Herrendorf 和 Schoellman，2018；Gollin 等，2013）。沿着这一思路，受教育年限增加使年轻群体掌握了在农业以外更有用的技能，可能促使更多人寻找非农工作，从而有效减少农业劳动力供给，并可能引发向城市地区的劳动力转移。
这一假设虽有道理，但要进行正式研究，仍需应对两项挑战。第一，在价格既定的情况下，准确衡量不同出生群体间农业生产相对回报的变化。第二，在一般均衡框架下，计算农业劳动者供给减少所带来的总体影响。
受教育年限增加，造就了更加城市化的劳动力队伍
在近期的一项研究中，我和合著者应对了这两项挑战（Porzio 和 Santangelo，2017）。我们的结论是：
证据与劳动力特征发生深刻转变的判断相符，而且这种转变倾向于城市部门——年轻群体确实拥有在农业以外更受重视的技能，且差异显著。不过，劳动力特征变化所产生的总体影响通常难以计算，而且可能因国家而异。因此，我们根据一般均衡力量的强弱，给出了一系列估算。在价格固定的情况下，受教育年限增加可能解释了观察到的劳动力转移中至多40%；但如果价格效应很强，受教育年限增加的净影响可能是促使人们转入农业。
为得出这些结论，我们分三步进行：
我们使用52个低收入、中等收入和高收入国家的微观数据，将劳动力转出农业分解为年份趋势和出生群体成分。我们构建了一个易于分析的理论模型，以解释分解结果。我们利用按出生群体划分的受教育年限数据，研究教育在各群体观测差异中的作用
出生群体效应还是年份效应？
图1以巴西和印度两个国家为例，展示了这项实证分析。
图1按出生群体划分的劳动力转移：两个示例
A图：巴西
B图：印度
说明：图中每条线代表某个十年出生的男性（1910—1919年、1920—1929年，……，1960—1969年）在25至60岁期间、且在我们有数据的年份中从事农业的人口占比。例如，A图中颜色最深的线表示1910至1919年出生于巴西的男性，在1960年和1970年从事农业的人口占比。由于我们的样本仅包括25至60岁的个人，这条线没有延伸至1980年。
以A图中的巴西为例，图中有两个显著特点。第一，在每个出生群体内部，劳动者随着时间推移倾向于离开农业，也就是说，年份效应为负。第二，较年轻群体中从事农业的人口占比较低，也就是说，出生群体效应同样为负。并非所有国家都像巴西。
B图展示印度。在这个例子中，同一出生群体内从事农业的男性占比几乎没有下降；而与巴西一样，较年轻群体从事农业的人口占比确实较低。
我们对样本中的每个国家都进行了类似分析，并在图2中总结了结果。沿着各个出生群体进行观察，在劳动力快速转移的国家（转移率大幅为负），我们看到劳动者离开农业，就像巴西一样。与此同时，几乎所有国家的出生群体效应都为负，甚至包括印度这样总体劳动力转移较少的国家；这意味着年轻一代从事农业的可能性较低。出生群体效应幅度很大，事实上，从纯粹机械的意义上说，它们解释了劳动力转出农业总量的一半以上。
图2按出生群体划分的劳动力转移：所有国家
A图：年份效应
B图：出生群体效应
说明：A图按各国农业劳动力转移总体率绘制平均年份效应；B图则按劳动力转移总体率绘制平均出生群体效应。要了解平均年份效应和出生群体效应的计算方法，可以看图1A。巴西的平均年份效应是图中各出生群体轨迹斜率的平均值；平均出生群体效应则是同一年内各轨迹之间差距的平均值。
人力资本、摩擦还是技术？
这些新实证事实能说明什么？年份效应很容易解释。它们反映全国范围内农业生产回报的变化，因此涵盖了通常被认为推动结构性变革的因素：生产率增长不均衡以及农产品需求变化。相比之下，出生群体效应更难解释。出生群体效应为负，说明年轻群体较高的人力资本使他们更愿意离开农业，去寻求与自身技能相称的回报。不过，这也可能是由流动摩擦造成的：这些摩擦使年长者无法离开农村地区，去寻找非农工作。
我们借助经济理论来区分这两种解释。我们构建了一个简单的动态模型，描述由人力资本不同、同时存在的多代人所组成的经济体。该模型利用不同出生群体之间劳动力转移率的差异，分离出流动摩擦的影响。这里的流动摩擦指离开农业所涉及的任何金钱和心理成本。我们发现摩擦确实存在，而且如预期所示，在贫困国家通常更大。不过，我们还发现，不同出生群体之间的大部分差异源于年轻群体平均而言在农业之外工作所得回报更高，而非摩擦。换言之，农业劳动力供给随着时间推移而减少。
该模型还给出了简单公式，用于量化劳动力队伍变化的总体影响，并展示一般均衡如何调节这些影响。如果价格保持不变，农业劳动力供给减少平均而言可在各国造成农业劳动力转移总量多达40%的变化。同时，模型表明，在某些参数取值下，一般均衡力量可能十分强大，足以推翻总体预测。事实上，随着年轻一代在非农领域的生产率提高，非农产品价格可能下降到足以促使劳动者重新进入农业的程度。这一结果并不改变我们的主要结论，即农业劳动者供给随着时间推移而减少；但它凸显了作出总体预测的难度。此类预测实际上可能因国家和时间而异，例如取决于贸易开放程度。
受教育年限增加是否真的发挥了作用？
到目前为止，我们尚未直接使用任何教育数据，而只是指出年轻群体在非农生产中具有比较优势。
为直接分离教育的作用，我们计算了每个出生群体的平均受教育年限。首先，我们证明，正如预期，较年轻群体受教育年限更长，从事农业的人口占比更低。不过，这一结果并不稳固，因为两个变量的时间趋势都可能造成虚假相关。令人宽慰的是，我们还发现，如果两个出生群体之间的教育差距特别大，那么它们在农业就业方面的差距也特别大——也就是说，受教育年限与农业就业之间的简单相关关系，在一阶差分中同样成立。此外，我们还表明，这种关系在国家之间也成立：出生群体间受教育年限增长较快的国家，平均而言，其各出生群体间的农业就业差距也较大（见图3）。
图3受教育年限增加与出生群体效应
说明：纵轴绘出出生群体效应，如图2B所示；横轴绘出平均受教育年限的平均增长率，按每个国家计算，覆盖纳入我们数据集的出生群体（因此也是我们计算平均出生群体效应的同一批群体）。
上述相关关系虽有启发性，却不能解释为因果关系。理想情况下，我们希望追踪外生的受教育年限增加对非农就业的影响。幸运的是，具有重要影响力的研究（Duflo，2001）已为我们指明了方向：该研究设计了一种实证策略，利用印度尼西亚学校建设计划的推出。Duflo（2001）研究了学校建设对工资的影响；我们则复现了她的实证策略，研究教育对非农就业的影响。图4展示了结果——学校建设计划使人们的受教育年限增加，也提高了他们在农业以外就业的概率。
图4外生学校建设的影响
A图：受教育年限
B图：非农就业
说明：我们以学校教育年限（A图）或非农就业（B图）为因变量进行回归，将一个地区所受处理的强度（即学校建设）与出生群体虚拟变量进行交互。图中绘出了各出生群体的点估计，以反映学校建设的影响。1968年以前出生的群体（垂直红线所示）未接受处理，因为计划实施时他们已经离开学校。正如预期，这些群体受到的处理效应为零。相比之下，在受学校建设影响更大的地区，1968年后出生的群体受教育年限更长，在农业以外就业的概率也更高。
最后几点思考
总体而言，证据有力地表明，全球受教育年限的增加改变了劳动力队伍，并推动形成现代经济体；在这些经济体中，人们掌握的技能在农业以外更受重视。尽管如此，我们仍希望以谨慎的提醒作结。这些结果不足以证明劳动力转出农业有利于经济增长，也不足以证明这一转变必然是由年轻群体人力资本较高所驱动。结果同样符合另一种情形：教育通过偏好渠道影响农业就业。受教育程度较高的年轻一代可能只是更厌恶农业工作，因此忽视自己的农村背景，转而寻找仍可能遥不可及的城市工作。
