□劉明月 陸 遷
秸稈還田是把不宜直接作飼料的秸稈(玉米秸稈、高粱秸稈等)直接或堆積腐熟后施入土壤中的一種方法。秸稈還田不僅能增加土壤有機(jī)質(zhì)及氮、磷、鉀等含量,還能提高土壤水分的保蓄能力(孫偉紅,2004)。此外,秸稈還田的增肥增產(chǎn)作用顯著,一般可增產(chǎn)5% -10%(強(qiáng)學(xué)彩,2003)。因此,秸稈還田被認(rèn)為是當(dāng)今世界范疇內(nèi)改善農(nóng)田生態(tài)環(huán)境,發(fā)展持續(xù)農(nóng)業(yè)的重大措施。近年來,國家和地方政府相繼出臺(tái)了一系列政策,加快推進(jìn)秸稈還田。但是,農(nóng)戶作為農(nóng)業(yè)生產(chǎn)的主體,并沒有對(duì)秸稈還田表現(xiàn)出很大的熱情,而是將農(nóng)作物秸稈大量露天焚燒或隨意堆棄,那么為什么農(nóng)戶沒有對(duì)秸稈還田表現(xiàn)出積極的態(tài)度?影響農(nóng)村秸稈還田的主要因素是什么?是什么制約著農(nóng)戶的秸稈還田行為?如何促進(jìn)農(nóng)村秸稈還田實(shí)施?
農(nóng)戶農(nóng)作物秸稈利用行為引起了一些學(xué)者的關(guān)注。Illa and Robert(1997)研究了美國加州農(nóng)場(chǎng)主處理稻草行為及其影響因素,認(rèn)為政府應(yīng)該加大資金投入和補(bǔ)貼額度;Hellin and Schrader(2003)分析了瑞典農(nóng)戶處理農(nóng)作物秸稈的行為及其影響因素,提出了有關(guān)市場(chǎng)激勵(lì)和增大政府補(bǔ)貼的相關(guān)政策,以減少農(nóng)戶秸稈的焚燒行為。李振宇等(2002)在新制度經(jīng)濟(jì)學(xué)框架內(nèi)對(duì)農(nóng)民焚燒秸稈現(xiàn)象進(jìn)行經(jīng)濟(jì)學(xué)分析;趙學(xué)平等(2006)通過對(duì)農(nóng)戶參與環(huán)境的行為分析,提出通過向秸稈回收綜合利用企業(yè)進(jìn)行補(bǔ)貼,建立秸稈還田利用的激勵(lì)機(jī)制;芮雯奕等(2009)對(duì)影響農(nóng)戶秸稈還田的因素進(jìn)行分析,表明不同地區(qū)農(nóng)戶對(duì)于秸稈還田的決策存在差異,同時(shí)技術(shù)因素也影響農(nóng)戶秸稈還田的行為決策。錢忠好等(2010)利用江蘇省南通市的實(shí)地調(diào)查數(shù)據(jù)進(jìn)行實(shí)證研究,認(rèn)為秸稈利用行為受農(nóng)民個(gè)體特征、技術(shù)、風(fēng)險(xiǎn)、社會(huì)等因素的影響。
以上研究在一定程度上揭示了農(nóng)戶秸稈利用行為及其影響因素,但現(xiàn)有研究大多關(guān)注于秸稈還田的環(huán)境效應(yīng),此外對(duì)農(nóng)戶秸稈還田行為研究還存在對(duì)一些主要影響因素的忽略,如政府對(duì)秸稈還田補(bǔ)貼政策的實(shí)施情況、政府對(duì)焚燒秸稈的處罰力度等因素?;诖?,本研究以河南省寶豐縣農(nóng)戶調(diào)查數(shù)據(jù)為基礎(chǔ),對(duì)影響農(nóng)戶秸稈還田意愿的主要因素進(jìn)行實(shí)證分析,找出影響農(nóng)民秸稈還田行為的主要因素,以期為當(dāng)?shù)卣⑥r(nóng)村環(huán)境管理的微觀激勵(lì)機(jī)制提供科學(xué)參考。
表1 農(nóng)戶秸稈還田意愿影響因素的變量選擇與賦值
采用Logistic 回歸模型對(duì)農(nóng)戶選擇秸稈還田意愿的影響因素進(jìn)行分析。變量選擇主要基于對(duì)農(nóng)戶秸稈還田意愿相關(guān)文獻(xiàn)的梳理分析以及結(jié)合實(shí)際調(diào)查情況確定。本文選擇以下變量作為考察農(nóng)戶秸稈還田意愿的回歸模型變量:農(nóng)戶的性別、學(xué)歷、年齡、家庭總勞動(dòng)力、收入結(jié)構(gòu)、種植規(guī)模、家中是否有村干部、秸稈還田的預(yù)期收益、焚燒秸稈對(duì)空氣危害的認(rèn)識(shí)程度、焚燒秸稈對(duì)交通的危害的認(rèn)識(shí)程度、政府對(duì)秸稈還田補(bǔ)貼政策、焚燒秸稈的處罰力度、當(dāng)?shù)負(fù)碛薪斩捈庸I(yè)情況、機(jī)械化作業(yè)水平等,具體見表1。
數(shù)據(jù)來源于筆者在河南省寶豐縣進(jìn)行的農(nóng)戶調(diào)查。采用分層抽樣的方法,在寶豐縣13個(gè)鄉(xiāng)鎮(zhèn)中按經(jīng)濟(jì)發(fā)展水平的高、中、低抽取三個(gè)鄉(xiāng)鎮(zhèn),即經(jīng)濟(jì)發(fā)展水平較高的大營鎮(zhèn)、經(jīng)濟(jì)發(fā)展水平一般的趙莊鄉(xiāng)和經(jīng)濟(jì)發(fā)展水平較低的張八橋鎮(zhèn),然后采用隨機(jī)抽樣的方法在三個(gè)鄉(xiāng)鎮(zhèn)中分別選取70個(gè)農(nóng)戶。采取調(diào)查員直接入戶問卷調(diào)查的方式,共發(fā)出問卷210 份,回收問卷198份,問卷有效率94.29%:其中大營鎮(zhèn)回收問卷64 份,趙莊鄉(xiāng)回收問卷68 份,張八橋鎮(zhèn)回收問卷66 份。采用SPSS 13.0 統(tǒng)計(jì)軟件進(jìn)行描述性統(tǒng)計(jì)分析,結(jié)果見表2。
表2 農(nóng)戶選擇秸稈還田意愿的調(diào)查結(jié)果
將農(nóng)戶是否選擇秸稈還田作為二分類因變量,農(nóng)戶的個(gè)人特征、農(nóng)戶的家庭特征、農(nóng)戶秸稈還田的預(yù)期收益、農(nóng)戶對(duì)焚燒秸稈危害的認(rèn)識(shí)程度和外部環(huán)境五大類因素作為解釋變量,logistic 模型可以表述為:
模型中P 為農(nóng)戶選擇秸稈還田的概率,1 -P 為沒有選擇秸稈還田的概率,β0為常數(shù)項(xiàng),βn為Xn 的回歸系數(shù),模型中Xn 取值和定義見表1。
在logistic 模型中,模型擬合優(yōu)度評(píng)價(jià)常用的統(tǒng)計(jì)量是Cox -Snell R2統(tǒng)計(jì)量和Nagelkerke R2統(tǒng)計(jì)量。Cox -Snell R2統(tǒng)計(jì)量類似于線性模型中的R2統(tǒng)計(jì)量,其值越大表明模型的擬合優(yōu)度越高。Nagelkerke R2統(tǒng)計(jì)量取值范圍為0 -1,其值越接近1,表明模型擬合優(yōu)度越高,越接近0,表明模型擬合優(yōu)度越低。
表3 模型擬合優(yōu)度
表3 是模型擬合優(yōu)度評(píng)價(jià)。 -2 Log likeli-hood 統(tǒng)計(jì)量為對(duì)數(shù)似然函數(shù)值的-2 倍,該值越小表明模型的擬合優(yōu)度越高。Cox -Snell R2統(tǒng)計(jì)量和Nagelkerke R2統(tǒng)計(jì)量分別是0.509 和0.682,說明模型可以解釋了被解釋變量68%以上的變動(dòng),模型的擬合優(yōu)度比較高。
運(yùn)用調(diào)查數(shù)據(jù),對(duì)表2 中的影響因素進(jìn)行二項(xiàng)Logistic 回歸分析,結(jié)果見表4。
表4 農(nóng)戶秸稈還田意愿影響因素的logistic 回歸結(jié)果
其中B 為回歸系數(shù)的估計(jì)值,S.E.為估計(jì)值的標(biāo)準(zhǔn)差,Wald 為回歸系數(shù)顯著性檢驗(yàn)的Wald 統(tǒng)計(jì)量,df 為自由度,Sig.為概率P 值,Exp(B)為其他條件不變時(shí)對(duì)應(yīng)變量每增加一個(gè)單位后秸稈還田的概率與原秸稈還田的概率相比的倍數(shù)近似值。
模型實(shí)證研究表明,性別、學(xué)歷、家庭收入結(jié)構(gòu)、家庭種植規(guī)模、農(nóng)戶秸稈還田的預(yù)期收益、政府對(duì)秸稈還田補(bǔ)貼政策的實(shí)施情況和政府對(duì)焚燒秸稈的處罰力度通過了顯著性檢驗(yàn),是影響農(nóng)戶秸稈還田的主要影響因素。
(1)性別。一般學(xué)者認(rèn)為,性別在選擇秸稈還田上沒有多大差別,所以很少有把性別作為影響因素進(jìn)行考慮。從表4 可知,在5%的置信度下,性別在調(diào)查地區(qū)對(duì)秸稈還田意愿影響顯著。在本次調(diào)查中,男性136人,女性62人,其中男性選擇秸稈還田的占68.69%,女性選擇秸稈還田的占31.31%??赡艿脑蚺砸话愠袚?dān)更多的家務(wù)事情,對(duì)生活成本考慮更多,她們多會(huì)選擇把秸稈當(dāng)燃料或把秸稈當(dāng)飼料等其他秸稈處置方式,男性一般容易接受新技術(shù)。
(2)學(xué)歷。學(xué)歷與秸稈還田選擇意愿成正相關(guān)關(guān)系。這與部分學(xué)者的研究結(jié)論是一致的(朱啟榮等,2005),認(rèn)為農(nóng)戶的學(xué)歷與農(nóng)民的信息接受能力呈正相關(guān)關(guān)系,學(xué)歷和焚燒秸稈的意愿成負(fù)相關(guān)關(guān)系。從表4 可以得出,在10%的置信度下學(xué)歷對(duì)秸稈還田選擇行為影響比較大,學(xué)歷越高的農(nóng)戶,收入一般更加多元化,如外出務(wù)工等,可能從事農(nóng)業(yè)活動(dòng)比較少。同時(shí)學(xué)歷高的農(nóng)戶更容易了解秸稈還田的好處和接受新技術(shù),所以更易于選擇秸稈還田。
(3)家庭收入結(jié)構(gòu)。在5%的置信度下,家庭收入結(jié)構(gòu)對(duì)秸稈還田選擇意愿影響顯著,且兩者呈負(fù)相關(guān)關(guān)系,意味著家庭總收入中農(nóng)業(yè)收入所占的比例越大,選擇秸稈還田的就越少。從調(diào)查的情況看,農(nóng)業(yè)收入比例高的農(nóng)戶擁有數(shù)量較多的秸稈,傾向于將秸稈出售以獲取現(xiàn)金收入,而不是采取秸稈還田方式。
(4)家庭種植規(guī)模。在5%的置信度下,種植規(guī)模對(duì)秸稈還田的影響顯著,與秸稈還田選擇成正相關(guān)關(guān)系。在其他條件不變的情況下,種植規(guī)模越大,越容易選擇秸稈還田。可能的原因是,夏收秋種的時(shí)間短,種植規(guī)模越大,勞動(dòng)強(qiáng)度越大,秸稈還田能節(jié)約時(shí)間,降低勞動(dòng)強(qiáng)度,所以秸稈還田的意愿較大。
(5)農(nóng)戶秸稈還田的預(yù)期收益。在調(diào)查中發(fā)現(xiàn),農(nóng)戶秸稈還田的預(yù)期收益大于成本的時(shí)候,農(nóng)戶更易于選擇秸稈還田。從表4 可以發(fā)現(xiàn),農(nóng)戶參與秸稈還田的預(yù)期收益與秸稈還田選擇意愿成正相關(guān)關(guān)系,在5%的置信度下,對(duì)秸稈還田選擇行為影響較顯著。這說明,在其他條件不變的情況下,農(nóng)戶對(duì)參與秸稈還田的預(yù)期收益越高,其秸稈還田的意愿越高。
(6)農(nóng)戶對(duì)焚燒秸稈交通危害的認(rèn)識(shí)程度。焚燒秸稈帶來的一個(gè)突出問題是焚燒過程中產(chǎn)生滾滾濃煙,直接影響民航、鐵路、高速公路的正常運(yùn)營,對(duì)交通安全構(gòu)成潛在威脅。從農(nóng)戶對(duì)焚燒秸稈交通危害的認(rèn)知程度來看,在5%的置信度下,對(duì)秸稈還田選擇意愿影響顯著,且成正相關(guān)關(guān)系。這說明,在其他條件不變的情況下,農(nóng)戶對(duì)危害性認(rèn)識(shí)越深入,其秸稈還田的意愿越高。
(7)政府對(duì)秸稈還田補(bǔ)貼政策的實(shí)施情況。實(shí)行農(nóng)作物秸稈直接還田,是最便捷、有效的秸稈利用方式。為鼓勵(lì)農(nóng)戶采取秸稈還田技術(shù),各級(jí)政府實(shí)施了秸稈還田補(bǔ)貼政策。從表4 可以看出,在5%的置信度下,政府補(bǔ)貼政策的實(shí)施情況對(duì)秸稈還田選擇意愿影響顯著,且成正相關(guān)關(guān)系。這說明在其他條件不變的情況下,政府的秸稈還田補(bǔ)政策實(shí)施的越好,農(nóng)戶秸稈還田的意愿就會(huì)越高。
(8)政府對(duì)焚燒秸稈處罰力度。在5%的置信度下,政府處罰力度對(duì)農(nóng)戶秸稈還田意愿影響顯著,且成正相關(guān)關(guān)系。由于農(nóng)戶數(shù)量大且高度分散,受監(jiān)督成本的制約,政府無法對(duì)農(nóng)戶行為進(jìn)行實(shí)時(shí)監(jiān)控,所以當(dāng)?shù)卣畱?yīng)該完善制度,加強(qiáng)查處力度,更好的實(shí)施秸稈還田。
實(shí)證研究表明,農(nóng)戶秸稈還田行為受多種因素的影響,其中,性別、學(xué)歷、家庭收入結(jié)構(gòu)、家庭種植規(guī)模、農(nóng)戶秸稈還田的預(yù)期收益、政府對(duì)秸稈還田補(bǔ)貼政策的實(shí)施情況和政府對(duì)焚燒秸稈的處罰力度是影響農(nóng)戶秸稈還田意愿的主要因素。因此,需采取一系列有效措施,通過建立農(nóng)戶行為的激勵(lì)約束機(jī)制,促進(jìn)秸稈還田的實(shí)施。
(1)家庭種植規(guī)模對(duì)農(nóng)戶秸稈還田行為有顯著正向影響,因此,應(yīng)鼓勵(lì)農(nóng)村土地向種田能手流轉(zhuǎn),通過規(guī)模經(jīng)濟(jì),降低秸稈還田成本,增強(qiáng)農(nóng)戶秸稈還田的意愿。在其他條件不變的情況下,農(nóng)戶種植規(guī)模越大,選擇秸稈還田的意愿就越大,所以政府應(yīng)該鼓勵(lì)和引導(dǎo)農(nóng)戶按照“依法、自愿、有償”原則,采取轉(zhuǎn)包、互換、租賃等形式依法進(jìn)行土地有序流轉(zhuǎn),擴(kuò)大種田能手的種植規(guī)模。
(2)秸稈還田補(bǔ)貼政策的實(shí)施力度對(duì)秸稈還田行為有顯著正向影響,因此,應(yīng)加大秸稈還田補(bǔ)貼力度。目前秸稈經(jīng)過粉碎還田每畝需70-80元,作為理性農(nóng)戶而言,如果秸稈還田不能彌補(bǔ)成本,農(nóng)戶秸稈還田動(dòng)因不足。為鼓勵(lì)農(nóng)戶采取秸稈還田技術(shù),應(yīng)提高農(nóng)戶實(shí)施秸稈還田的補(bǔ)貼額度,用經(jīng)濟(jì)辦法激勵(lì)農(nóng)戶秸稈還田。
(3)焚燒秸稈的處罰力度是影響農(nóng)戶秸稈還田意愿的主要因素,這意味著政府可以采取處罰方式約束農(nóng)戶焚燒秸稈行為。但是考慮到農(nóng)戶數(shù)量龐大且高度分散,監(jiān)督成本很高,單獨(dú)使用處罰制度效果較差,除充分利用廣播、電視、報(bào)紙、標(biāo)語等多種宣傳形式,宣傳秸稈焚燒的危害和秸稈還田的益處,提高農(nóng)民秸稈還田的意識(shí)外,應(yīng)充分發(fā)揮農(nóng)村社區(qū)組織作用,利用農(nóng)村“熟人社會(huì)”形成的社會(huì)資本,構(gòu)建農(nóng)村自我監(jiān)督和約束機(jī)制,糾正農(nóng)戶秸稈利用行為偏差。
[1]孫偉紅.長期秸桿還田改土培肥綜合效應(yīng)的研究[D].山東農(nóng)業(yè)大學(xué),2004.
[2]強(qiáng)學(xué)彩.秸桿還田量的農(nóng)田生態(tài)效應(yīng)研究[D].中國農(nóng)業(yè)大學(xué),2003.
[3]ILLAC,ROBERTH,DENNISL,etal.Report of the Advisory Committee on Alternatives to Rice Straw Burning[R].USA:Diane Publishing Company,1997:107 -121.
[4]HELLIN J,SCHRADER K.The incentives for alternative approaches to better use of straw in Sweden[J].Ecosystems and Environment,2003,9:237 -245.
[5]李振宇,黃少安.制度失靈與技術(shù)創(chuàng)新——農(nóng)民焚燒秸稈的經(jīng)濟(jì)學(xué)分析[J].中國農(nóng)村觀察,2002,(5):11-16.
[6]趙學(xué)平,陸遷.控制農(nóng)戶焚燒秸稈的激勵(lì)機(jī)制探析[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2006,(5):69 -72.
[7]芮雯奕,周博,張衛(wèi)建.江蘇省農(nóng)戶秸稈還田的影響因素分析[J].生態(tài)環(huán)境學(xué)報(bào),2009,18(5):1971 -1975.
[8]錢忠好,崔紅梅.農(nóng)民秸稈利用行為:理論與實(shí)證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2010,(9):5 -9.
[9]陳新鋒.對(duì)我國農(nóng)村焚燒秸稈污染及其治理的經(jīng)濟(jì)學(xué)分析[J].中國農(nóng)村經(jīng)濟(jì).2001,(2):47 -52.
[10]閆麗珍,成升魁,閔慶文等.作物秸稈資源的利用及其影響因素[J].資源開發(fā)與市場(chǎng),2005,21(2):126-128.
[11]朱啟榮.城郊農(nóng)戶處理農(nóng)作物秸稈方式的意愿研究[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2008,(5):103 -109.
[12]梅付春.秸稈焚燒污染問題的成本-效益分析[J].環(huán)境科學(xué)與管理,2008,(1):31 -37.
[13]曹國良,張小曳等.中國大陸秸稈露天焚燒量的估算[J].中國資源科學(xué),2006,28(1):51 -57.