文献信息
- 标题: Of maize and men: the effect of a New World crop on population and economic growth in China
- 作者: Shuo Chen, James Kai-sing Kung
- 类型: 论文笔记 / 经济史 / 人口史 / 计量史学
- 出版年份: 2016
- 出版机构/期刊: Journal of Economic Growth
- DOI: 10.1007/s10887-016-9125-8
- 难度评估: 高 - 需要经济学、统计学、计量史学基础 ---
引言:马尔萨斯陷阱与中国
本研究聚焦于17世纪至20世纪初的中国,探讨在新大陆作物_特别是玉米_引入后,中国是否仍然深陷"马尔萨斯陷阱",以及这种新的农业技术对人口和经济增长产生了何种影响.
领域基础知识
马尔萨斯陷阱 (Malthusian Trap): 人口总是倾向于以几何级数增长,而食物生产却只能以算术级数增长.任何技术进步或土地扩张带来的食物增加,最终都会被更快增长的人口所消耗殆尽.
- 积极抑制 (Positive Checks): 增加死亡率的因素,如饥荒、瘟疫和战争.
- 预防性抑制 (Preventive Checks): 降低出生率的因素,如晚婚、禁欲或生育控制.
现代经济增长 (Modern Economic Growth): 人均收入能够持续、快速增长的经济发展阶段.通常伴随着工业化、技术创新、教育水平提升、人口结构转变以及城市化进程.
哥伦布大交换 (Columbian Exchange): 15世纪末哥伦布发现新大陆后,欧洲、非洲和美洲之间动植物、病菌、思想和人口的大规模交流.
大分流 (Great Divergence): 18世纪以来,西方欧洲(特别是英国)与东亚(特别是中国)在经济发展道路上出现的分岔.
研究的主要背景
- 中国的人口爆炸性增长与人均收入停滞:
- 从1500年的1.3亿人口到1900年的4亿人口,中国人口在400年间几乎增长了两倍.然而,根据Maddison (2001) 的数据,中国的人均GDP却长期停滞在约600美元(经调整),处于温饱水平.
- 当时中国处于一种"高压人口体制",生产力的任何增长都极有可能被人口增长以远高于欧洲的速度所转化和消耗.
- 新大陆作物在旧世界的影响_以马铃薯为例:
- Nunn 和 Qian (2011) 的研究发现,马铃薯的引入在1700-1900年间使旧世界人口增长了25-26%,城市化率提高了27-34%.
- 中国也引入了三种主要的新大陆作物_玉米、甘薯和马铃薯.其中玉米因其对中国地理条件的适应性(抗旱、耐寒,适合山地和丘陵种植),以及数据可得性,成为本研究的重点.
- 中国未能工业化之谜:
- 传统观点认为是中国农业剩余不足以支撑工业化.
- 本研究观点认为,人口增长是农业生产力提高(部分归因于玉米的引入)的内生结果,而非导致农业剩余不足的根本原因.
作者的问题意识
- 新大陆作物(特别是玉米)的引入,是否帮助中国摆脱了马尔萨斯陷阱,实现了人口和经济增长?
- 或者,玉米的引入是否仅仅导致了人口增长,而人均收入和城市化水平仍然停滞不前?
- 与欧洲马铃薯的经验相比,中国玉米的引入为何产生了不同的经济增长轨迹?
研究意义
- 为马尔萨斯理论提供了丰富的经验支持
- 对"统一增长理论"的重要贡献
- 深化了对中欧"大分流"原因的理解
- 构建了独特的历史数据集
- 方法论上的严谨性
内容及结构
- 引言 (Introduction)
- 玉米在中国的传播,1600-1910年 (The diffusion of Maize in China)
- 数据和测量 (Data and measurement)
- 估计策略和实证结果 (Estimation strategy and empirical results)
- 有效性和稳健性检验 (Validity and robustness checks)
- 人口增长而无经济发展 (Population growth without economics development)
- 结论 (Conclusion)
数据集
- 地理单位: 267个"府"(相当于今天的地级市),涵盖中国18个省
- 时间跨度: 1600年至1910年
主要数据来源:
- 玉米种植(核心自变量):查阅了1119卷府级地方志
- 人口密度(核心因变量):来源于梁方仲 (1980) 和曹树基 (2000) 的历史人口数据
- 内战和瘟疫:来源于<中国历代战争年表>和宋正海 (1992) 的灾害记录
- 粮食价格:来源于清代粮食价格数据库
- 城市化率:来源于曹树基 (2000) 和Stauffer (1922) 的数据
- 实际工资:来源于清代借贷纠纷案件的判例
核心方法:差分中差分 (Difference-in-Differences, DID)
基本思想:
- "处理": 玉米在某个府开始种植
- "处理组": 玉米开始种植的府
- "对照组": 尚未开始种植玉米的府
- "处理前"与"处理后": 基于玉米采用年份划分的时间段
计量模型:
\[\text{popden}_{it} = \alpha \text{Maize}_{it} + \beta X_{it} + f_i + p_t + \epsilon_{it}\]
- \(\text{popden}_{it}\):府 \(i\) 在时期 \(t\) 的人口密度(取自然对数)
- \(\text{Maize}_{it}\):核心解释变量,如果府 \(i\) 在时期 \(t\) 已经采用了玉米则为1,否则为0.其系数 \(\alpha\) 是本研究关注的核心参数
- \(X_{it}\):一系列控制变量,包括战争和瘟疫的发生频率
- \(f_i\):府固定效应
- \(p_t\):时期固定效应
- \(\epsilon_{it}\):误差项
DID方法的关键假设:平行趋势假设 (Parallel Trend Assumption). 即在没有玉米种植的情况下,玉米采用区和非采用区的人口密度变化趋势应该是平行的.
玉米扩散机制
- 引入路线: 16世纪中叶,玉米经由三条路线传入中国:丝绸之路(进入甘肃)、印度/缅甸(进入云南)、葡萄牙海路(进入福建)
- 地理适宜性: 中国超过55%的土地适宜种植玉米(相比甘薯20%,马铃薯10%)
- 扩散模式: 早期(前200年)扩散缓慢,1750年后扩散速度显著加快,到20世纪初几乎遍布全国
- 影响: 玉米种植面积和产量大幅增加,被誉为继占城稻引入后的"第二次农业革命"
稳健性检验
- 府特异性时间趋势
- 标准误聚类:使用Conley标准误
- 空间计量方法:广义空间二阶段最小二乘法(GS2SLS)
- 子样本分析:限制样本到华北地区(北纬33度以北)
- 离群值和数据敏感性
- 粮食价格验证
主要结果
1. 玉米显著促进了中国人口增长
- 基线回归 (表3): 玉米种植使府级人口密度增加了约 9.9%
- 量化贡献: 在1776-1910年间,玉米种植导致中国人口增长了约 18.77%
- 机制: 玉米引入确实增加了粮食供给,导致粮食价格下降(玉米种植后粮食价格下降3.7%)
2. 玉米未能带来显著的经济发展
- 城市化率: 玉米种植对府级城市化率没有统计学上的显著影响
- 实际工资: 玉米种植对府级农业长期雇工的实际工资也没有统计学上的显著影响
- 长期效应: 即使考虑滞后一期的玉米种植效应,对城市化率和实际工资的影响仍然不显著
3. 与欧洲马铃薯的对比
Nunn和Qian (2011) 发现马铃薯在旧世界不仅促进了人口增长,也推动了城市化和经济增长.本研究的发现为这一论断提供了"反例":在中国,玉米带来的大规模人口增长并非工业革命的充分条件.
核心发现图示
- 图5: 玉米采用前后人口密度变化趋势,验证了平行趋势假设,并显示采用后人口密度显著上升
- 图6: 玉米采用前后战乱发生频率变化趋势
- 图8: 玉米采用前后粮食价格变化趋势
- 图9: 玉米采用前后城市化率变化趋势,显示没有显著变化
- 图11: 玉米采用前后实际工资变化趋势,显示没有显著变化
结论
玉米显著促进了中国人口增长,但未能提升人均收入: 玉米的广泛种植在1776-1910年间使中国人口增加了近19%.然而,这一农业生产力的提升并未转化为人均收入的显著增加,也未能推动城市化进程或提高实际工资水平.
中国在18-19世纪仍深陷马尔萨斯陷阱: 尽管引入了具有革命性潜力的新农业技术,中国经济仍然未能摆脱马尔萨斯力量的束缚.
与欧洲经验形成对比,为"大分流"提供反例: 这强调了大规模人口增长并非工业革命或经济现代化的充分条件.
对领域的贡献: 强化了马尔萨斯理论的实证基础、深化了对统一增长理论的理解、为历史经济学研究提供了宝贵的数据和方法、拓宽了对"哥伦布大交换"影响的认知
未来研究方向
文献中提及的方向
- 其他新大陆作物的影响:由于数据限制,本文只研究了玉米
- 更细致的区域异质性分析:不同区域的社会经济结构和制度环境差异巨大
进一步思考
- 玉米引入对中国社会结构和制度变迁的深层影响
- 中欧"大分流"中技术扩散与制度环境的比较研究
- 长期环境变化对新大陆作物效应的调节
- 玉米与地方经济专业化和市场整合
- 马尔萨斯陷阱中的"质量-数量权衡"
学术思考
- **"马尔萨斯陷阱"的衡量边界与逃逸机制的复杂性问题
- **新大陆作物的异质性与"次级农业革命"的可能性
- **微观层面的农民采纳行为与宏观效应的联系
- **"经济增长"代理变量的局限性与替代指标的探索
- **中国内部区域异质性的深层机制
深度评析:玉米与人_新大陆作物对中国人口与经济增长的影响
领域基础知识:什么是"马尔萨斯陷阱"?
在18世纪工业革命之前,人类社会普遍处于"马尔萨斯陷阱"(Malthusian Trap)中.简单来说,这个理论认为:技术进步带来的产出增加,最终会被人口增长所抵消.
- 如果农民发明了更好的耕作方法(比如引入了高产作物),短期内粮食多了,人均收入会提高
- 但随后,人们会生更多的孩子,或者因为营养改善导致死亡率下降
- 最终,新增的粮食养活了更多的人,但平均到每个人头上的粮食和收入又回到了"勉强维持生存"的水平(Subsistence Level)
研究背景:新大陆作物的"哥伦布大交换"
1492年哥伦布发现新大陆后,玉米、番薯、马铃薯等高产作物传向全世界.学术界(如 Nunn 和 Qian)曾发现,马铃薯在欧洲不仅促进了人口增长,还通过提高农业效率促进了城市化,从而助力欧洲开启了现代经济增长(工业革命).
作者的问题意识:中国为什么是个例外?
中国在 1500 年到 1900 年间,人口从 1.3 亿激增到 4 亿,约占全球增长的三分之一,但人均 GDP 却长期停滞在 600 美元左右.作者想探究:玉米这种新技术的引入,在中国究竟是开启了"现代经济增长之门",还是仅仅让中国在马尔萨斯陷阱里越陷越深?
内容及结构
论文共分为七个核心部分:
- 引言:提出核心议题
- 玉米在中国的传播:梳理 1600-1910 年玉米进入中国的路径及生态适应性
- 数据与度量:利用历史地方志、粮价、人口密度等构建 267 个府的面板数据
- 实证策略与结果:使用"双重差分法"(DID)测算玉米对人口的影响
- 稳健性检验:排除战乱、瘟疫及水稻改良等干扰因素
- 经济增长分析:考察玉米对城市化率和实际工资的影响
- 结论:总结发现
正文
1. 背景与挑战:如何证明是"玉米"导致了人口增长?
挑战: 18 世纪中国人口在增长,农业技术也在进步,但我们怎么知道人口增长是因为种了玉米?
解决方法: 作者利用了玉米传播的"时空差异".
- 空间差异: 有些府(地级市)适合种玉米,有些不适合(土地干旱程度、坡度不同)
- 时间差异: 玉米在不同府落户的时间有早有晚
2. 方法:地方志里的密码
- 核心数据集: 作者查阅了 1119 部地方志.地方志就像古代的"百科全书",如果某地的"物产"章节第一次出现了"玉蜀黍"或"包谷",作者就将其记录为该府开始采用玉米的时间
- 地理范围: 涵盖中国 18 个省的 267 个府,时间跨度 1600 年到 1910 年
3. 结果一(人口):19% 的贡献率
- 发现: 在控制了所有其他变量后,作者发现玉米的种植使得中国 1776 年至 1910 年间的人口增长了近 19%
- 逻辑: 玉米耐旱、耐寒,且能在山坡地生长.它不与水稻抢夺肥沃的平原地,而是开辟了原本无法耕种的边际土地
- 粮价验证: 引入玉米后,粮价显著下降(约 3.7%),这证明了玉米确实增加了食物供应
4. 结果二(经济):人口多了,钱没变多
这是本文最核心的发现.在欧洲,高产作物促进了城市化;但在中国:
- 城市化率: 玉米种植对城市化率没有任何显著的正向推动.人们依然留在农村,只是人更多了
- 实际工资: 玉米种植不仅没能提高实际工资,甚至因为人口过多导致劳动力边际报酬递减
- 边际报酬递减: 就像一亩地本来 2 个人种,粮食够吃;现在种了玉米产出多了点,但也挤进来了 4 个人种,虽然总粮食多了,但平分到每个人手里的粮食并没变多
结论
- 实证结论:玉米在中国成功引发了"人口爆炸",贡献了约五分之一的人口增长
- 理论意义:玉米作为一项"新技术",在中国遭遇了典型的马尔萨斯结局_它只创造了"更多的中国人",而没有创造"更富裕的中国人"
- 大分流解释:中国的人口密度过高,将技术红利迅速吞噬,形成了"内卷化"(Involution)的自我循环
未来研究方向
文献中提及的方向
- 其他新大陆作物:番薯(地瓜)为中国的推广作用
- 质量-数量权衡:探究当时中国父母为何选择生更多孩子
学术思考
- 作物特性与工业化:作物的"生态属性"是否决定了一个国家的工业化命运?
- 制度的调节作用:如果晚清政府拥有更强的产权保护或不同的土地税制,玉米产生的粮食盈余是否有可能转化为工业资本?
- 内卷化的现代启示:如果高科技(如 AI)的产出被某些社会因素抵消,我们会面临"数字化的马尔萨斯陷阱"吗?
文献信息:
- 标题: Of maize and men: the effect of a New World crop on population and economic growth in China
- 作者: Shuo Chen, James Kai-sing Kung
- 期刊: Journal of Economic Growth, 2016, Vol. 21, Issue 1, pp. 71-99
- DOI: 10.1007/s10887-016-9125-8
