農(nóng)戶異質性對農(nóng)業(yè)技術培訓參與的影響

何安華　劉同山　孔祥智

摘要近年來，隨著土地流轉加速和農(nóng)民合作社的涌現(xiàn)，我國農(nóng)戶的異質性不斷提高。本文將農(nóng)戶是否流轉土地、是否加入合作社視為農(nóng)戶異質性的重要表現(xiàn)，考察其對農(nóng)戶參加農(nóng)業(yè)技術培訓的影響?；隰敃x寧三省1 039戶農(nóng)戶數(shù)據(jù)，構建了零膨脹負二項模型（ZINB）進行計量分析，并通過了穩(wěn)健性檢驗。研究發(fā)現(xiàn)：租入土地不會顯著影響農(nóng)戶的農(nóng)業(yè)技術培訓參與，但加入合作社會讓農(nóng)戶參加更多培訓。具體而言，租入土地農(nóng)戶參加農(nóng)業(yè)技術培訓的期望次數(shù)是不租入土地農(nóng)戶的1.04倍，而加入合作社農(nóng)戶參加農(nóng)業(yè)技術培訓的期望次數(shù)是未加入合作社農(nóng)戶的2.11倍。當前農(nóng)業(yè)技術培訓過于大眾化造成的低瞄準性，是租入土地的規(guī)模經(jīng)營農(nóng)戶沒有對培訓表現(xiàn)出更多需求的重要原因。本文的政策含義在于，農(nóng)業(yè)技術培訓政策需要做出適當調整，應結合已經(jīng)分化的農(nóng)戶需求實行分層定位，提供差異化的技術培訓服務，增強對不同培訓目標人群的瞄準度；應給予開展農(nóng)業(yè)技術培訓服務的合作社更多支持。

關鍵詞農(nóng)戶異質性；農(nóng)民專業(yè)合作社；農(nóng)業(yè)技術培訓；ZINB模型

中圖分類號F306.4文獻標識碼A文章編號1002-2104（2014）03-0116-08doi：10.3969/j.issn.1002-2104.2014.03.017

在理論界，Schultz[1]在回答如何改造傳統(tǒng)農(nóng)業(yè)這一問題時，強調了對農(nóng)民進行人力資本投資的重要性。在我國，對農(nóng)民進行人力資本投資具有更強可操作性的措施可能是開展農(nóng)業(yè)技術培訓。在政策界，自2004年以來，“三農(nóng)”問題被提升到戰(zhàn)略性高度，農(nóng)民培訓對解決“三農(nóng)”問題的重要性便日益突出?；仡櫴陙淼闹醒?號文件，文件中多次對農(nóng)民培訓問題提出了明確要求，對農(nóng)民開展實用的技術培訓已成為政策界的共識。從國內實踐看，近年來，專業(yè)大戶、家庭農(nóng)場、農(nóng)民專業(yè)合作社等新型農(nóng)業(yè)經(jīng)營主體快速涌現(xiàn)，日益成為推進我國現(xiàn)代農(nóng)業(yè)發(fā)展的重要載體，但農(nóng)民職業(yè)技能培訓和農(nóng)業(yè)科技推廣體系建設改革卻有一定的滯后性。隨著政府對農(nóng)民培訓投入力度的持續(xù)加大，農(nóng)業(yè)技術培訓的供給將會迅速增加，與此同時，我國農(nóng)村土地流轉愈加普遍，農(nóng)民專業(yè)合作社發(fā)展仍在加速。那么租入土地和加入合作社，是否會作為異質性的重要來源，對農(nóng)戶參加農(nóng)業(yè)技術培訓產(chǎn)生重要影響呢？或者說，租入土地的農(nóng)戶與自耕農(nóng)這兩類農(nóng)戶的農(nóng)業(yè)技術培訓參與行為有沒有顯著差異？基于此，本文構建ZINB模型，考察農(nóng)戶參與土地流轉、加入合作社與農(nóng)戶參與技術培訓之間的關系，判斷當前的農(nóng)業(yè)技術培訓是否偏離了政策設計的目標，從而給出土地流轉和合作社快速發(fā)展背景下農(nóng)業(yè)技術培訓的政策重點，對制定相應的政策有重大現(xiàn)實意義。

1文獻回顧及簡評

很多經(jīng)驗分析文獻討論了農(nóng)戶參加培訓決策行為的影響因素，這些影響因素又可分為農(nóng)戶的內在因素或稱為農(nóng)民的稟賦[2]和外在因素。曹建民等[3]認為農(nóng)戶參加技術培訓的行為決定于農(nóng)戶掌握的信息、農(nóng)戶的個人特征和家庭特征等，發(fā)現(xiàn)中年人、村干部、水稻種植比例較高的農(nóng)戶和非農(nóng)就業(yè)比例較高的農(nóng)戶更愿意參加技術培訓。高升[4]則將農(nóng)戶對培訓實用性的評價、農(nóng)戶獲取培訓信息渠道數(shù)納入了Logit模型。但大部分文獻納入計量模型的影響因素有很強的趨同性，這些因素包括農(nóng)戶戶主的個人特征、農(nóng)戶家庭特征、農(nóng)戶對培訓實用性的評價、對現(xiàn)代農(nóng)業(yè)技術的認知度、所處的地理環(huán)境等[5-7]?，F(xiàn)有文獻用以識別顯著影響農(nóng)戶農(nóng)業(yè)技術培訓參與的因素的方法可以分為兩類，一類文獻以農(nóng)戶是否參加農(nóng)業(yè)技術培訓為因變量，再以上述影響因素的全部或部分為解釋變量，構建Logit或Probit單方程模型，進行ML估計，如劉芳等[5]、高升[4]等人的研究。這類文獻的缺陷是只能識別出影響農(nóng)戶是否參加培訓的因素，卻忽略了既影響農(nóng)戶是否參加培訓又影響農(nóng)戶參加培訓次數(shù)的因素所包含的重要信息。另一類文獻是以農(nóng)戶參加培訓次數(shù)為因變量，應用Tobit模型進行估計，如于敏[6]的研究。這類文獻雖然考慮了影響因素對農(nóng)戶培訓次數(shù)的影響，但Tobit模型本身有著無法克服的缺陷，該模型估計要求兩部分模型的解釋變量不完全相同，并且系統(tǒng)模型假設隨機變量服從聯(lián)合正態(tài)分布，違背這兩個假設的模型可能不可估計[8]。另外，Tobit模型盡管容許有大量的零，但仍將因變量y在正值上的分布看成連續(xù)分布，假定y=max（0，y*），其中y*呈正態(tài)分布與農(nóng)戶參加培訓次數(shù)在y>0時的離散性完全不相稱。因此，要想無偏地識別出農(nóng)戶參加農(nóng)業(yè)技術培訓的影響因素，需要新的方法。

何安華等：農(nóng)戶異質性對農(nóng)業(yè)技術培訓參與的影響中國人口·資源與環(huán)境2014年第3期2研究方法與模型選擇

模型2的缺陷是無法直接對比租入/不租入土地農(nóng)戶的差異，也無法直接對比加入/不加入合作社農(nóng)戶的差異。為了解決這一問題，本文以各組農(nóng)戶數(shù)量占農(nóng)戶總數(shù)的比重為權重，近似計算出各組間的差異，然后再分別與模型1中l(wèi)easedumi和coopdumi的估計系數(shù)相比較，并由此判斷模型2的穩(wěn)健性。

2.2計數(shù)數(shù)據(jù)中對零膨脹現(xiàn)象的處理

在實際問題中，計數(shù)數(shù)據(jù)普遍存在零膨脹特征，即獲得的數(shù)據(jù)很大一部分是零值。具有零膨脹特征的計數(shù)數(shù)據(jù)超出了一般泊松模型或負二項模型的預測能力。幸運的是，解決零膨脹現(xiàn)象的Hurdle模型于1986年被提出并應用于經(jīng)濟學研究領域[9]，繼而Lambert[10]于1992年提出零膨脹泊松模型（ZIP），Greene[11]在1994年又將ZIP模型擴展到零膨脹負二項模型（ZINB），使得對具有零膨脹特征的計數(shù)數(shù)據(jù)的估計變得更為有效和無偏。零膨脹模型假設數(shù)據(jù)分為兩部分，第一部分對應零事件的發(fā)生，個體取值只能為零，這一部分的零值解釋了數(shù)據(jù)中可能存在過多零的原因；第二部分個體符合泊松/負二項分布，取值可以為零或正整數(shù)。因此，零膨脹模型將數(shù)據(jù)中的零分成“過多的零”和“真實的零”，并從零分段，對零部分和非零部分分別建立二項選擇模型和一般計數(shù)模型，其中二項選擇模型主要回答變量影響事件是否發(fā)生的問題，一般計數(shù)模型主要回答變量影響事件發(fā)生次數(shù)的問題。

本文對農(nóng)戶2008年參加技術培訓的次數(shù)進行考察，發(fā)現(xiàn)未參加技術培訓的比重較大，占到農(nóng)戶總數(shù)的5558%。農(nóng)戶參加技術培訓次數(shù)為零的情況可分為兩組，一組是2008年期間沒有技術培訓可獲性的農(nóng)戶（組A1），另一組是有技術培訓可獲性但沒有參加培訓的農(nóng)戶（組A2），這兩組農(nóng)戶的技術培訓次數(shù)都為零，但造成零值的原因不同。當符合組A1的樣本較多或組A2樣本中零值過多時，計數(shù)出現(xiàn)零膨脹現(xiàn)象。因此，可將原始數(shù)據(jù)集看作一個全零數(shù)據(jù)集和一個服從泊松/負二項分布的數(shù)據(jù)集組成的混合數(shù)據(jù)集，再以一些特征變量采用二項選擇模型對農(nóng)戶是否屬于組A1進行預測并排除掉屬于組A1的樣本，對余下的屬于組A2的樣本進行泊松/負二項模型估計。

2.3模型選擇：ZIP模型還是ZINB模型？

為了考察土地流轉和加入農(nóng)民合作社對農(nóng)戶參加技術培訓的影響，以農(nóng)戶參加農(nóng)業(yè)技術培訓次數(shù)作為被解釋變量，解釋變量包括農(nóng)戶的戶主特征、家庭特征、村莊特征和省份虛擬變量。根據(jù)文獻回顧和經(jīng)濟理論選取進入模型的解釋變量。

Hurdle模型、ZIP模型和ZINB模型是處理零膨脹計數(shù)數(shù)據(jù)的常用模型，但因Hurdle 模型在經(jīng)濟學中有著特殊性和爭議性[12]，本文將根據(jù)數(shù)據(jù)集的分布情況在ZIP模型和ZINB模型中選擇較為適宜的模型進行估計。借鑒王存同[13]選擇零膨脹模型的思路：第一，觀察數(shù)據(jù)是否存在零膨脹現(xiàn)象。參加技術培訓次數(shù)為零值的農(nóng)戶占到農(nóng)戶總數(shù)的55.58%，零值的比例很大，數(shù)據(jù)存在零膨脹現(xiàn)象。第二，判斷計數(shù)數(shù)據(jù)是否存在過度離散?？梢酝ㄟ^考察計數(shù)變量的均值和方差是否相等，以及alpha檢驗是否顯著，來判斷是否存在過度離散。當均值和方差基本相等且alpha檢驗不顯著（P>005）時，數(shù)據(jù)服從泊松分布，應采用ZIP模型；當均值明顯小于方差且alpha檢驗顯著（P<005），即為過度離散，服從負二項分布，應采用ZINB模型。農(nóng)戶參加技術培訓次數(shù)的均值為1.66，方差為14.03，且alpha檢驗顯著（P=000）。因此，本文的數(shù)據(jù)存在零膨脹現(xiàn)象和過度離散，宜采用ZINB模型進行估計。第三，通過Vuong檢驗比較ZINB模型和負二項模型的優(yōu)劣。若Vuong檢驗統(tǒng)計量顯著為正，則傾向于ZINB模型；反之則傾向于負二項模型。如下文所示，Vuong值檢驗是顯著為正的（P<005）。因此，本文適宜采用ZINB模型。

3數(shù)據(jù)來源和描述性分析

3.1數(shù)據(jù)來源

本文的數(shù)據(jù)來源于國家社科基金重大項目“發(fā)展農(nóng)民專業(yè)合作組織和完善農(nóng)村基本經(jīng)營制度研究”的一手調查數(shù)據(jù)。課題組于2009年7月至9月，共組織40余名調研員分成三個調研組赴山東、山西、寧夏3省調查。原則上，每一省份選取4個縣，每個縣再選擇3個鄉(xiāng)鎮(zhèn)，每個鄉(xiāng)鎮(zhèn)選1至3個村莊不等，每個村莊再隨機抽取20個農(nóng)戶。實際獲得山東、山西、寧夏3省11個縣、市、區(qū)（分別為：高平市、高唐縣、冠縣、賀蘭縣、利通區(qū)、寧津縣、平原縣、沁縣、武鄉(xiāng)縣、澤州縣、中寧縣）的1 039戶農(nóng)戶數(shù)據(jù)。結合研究目標，在數(shù)據(jù)預處理時，先后剔除了不再從事農(nóng)業(yè)、家庭主業(yè)為養(yǎng)殖業(yè)、純租出土地的農(nóng)戶，形成目標樣本戶，接著剔除有缺失數(shù)據(jù)、異常值的樣本。最終得到有效樣本761個。

3.2描述性分析

數(shù)據(jù)分析表明，2008年種植戶總體的平均耕地經(jīng)營規(guī)模為11.40畝，家庭人均耕地面積為2.78畝，其中人均承包地面積為2.43畝。在2008年參加技術培訓的農(nóng)戶有338戶，占44.42%，未參加技術培訓的農(nóng)戶有423戶，占55.58%。統(tǒng)計發(fā)現(xiàn)，參加培訓和未參加培訓農(nóng)戶在家庭耕地總面積、人均耕地面積指標上均有顯著的統(tǒng)計差異。

從家庭平均耕地總面積看，參加技術培訓的農(nóng)戶耕地總面積平均為12.45畝，未參加技術培訓的農(nóng)戶耕地總面積平均為10.56畝，兩者在5%的水平上具有統(tǒng)計顯著性。未參加技術培訓農(nóng)戶的耕地總面積雖然較小，但是其統(tǒng)計分布較參加技術培訓農(nóng)戶的耕地總面積要集中。從家庭人均耕地面積看，參加技術培訓和未參加技術培訓的農(nóng)戶人均耕地面積也存在著明顯的差異。前者比后者高出036畝。從家庭人均承包地面積看，參加技術培訓農(nóng)戶的人均承包地面積為254畝，而未參加技術培訓農(nóng)戶的人均承包地面積為234畝，二者相差02畝，且不具有統(tǒng)計顯著性。這是因為承包地在二輪承包之初仍然堅持按人頭調整，雖然經(jīng)過幾年的人口變動，各村的人均承包地面積變化也不太大。

表2給出了租入/未租入土地和加入/未加入合作社的農(nóng)戶參加技術培訓的情況。一方面，租入土地農(nóng)戶組的技術培訓參加率為52.87%，較未租入土地農(nóng)戶組高出10.6個百分點，而且從均值差異來看，技術培訓次數(shù)有顯著差異，租入土地農(nóng)戶組的技術培訓參加次數(shù)平均為232次，較未租入土地農(nóng)戶組高出083次，并且在5%的水平上具有顯著性。這表明農(nóng)戶租入土地與其參加技術培訓可能有正相關關系。

4計量結果及分析

4.1培訓的ZINB模型結果及其分析

在進行回歸分析之前，需要考察解釋變量的共線性問題。對所有解釋變量做相關分析后，發(fā)現(xiàn)部分解釋變量之間存在顯著的相關關系，特別是農(nóng)戶租入土地同時加入合作社虛擬變量與多個控制變量有顯著的相關性。幸運的是，該變量與其他控制變量的相關系數(shù)絕對值較小，最高的僅為0.277，仍然可以進行計量分析。為了考察解釋變量之間是否存在共線性，本文利用方差膨脹因子和容忍度進行檢測。結果表明所有解釋變量的平均方差膨脹因子為1.36，最大的僅為1.78，其容忍度最低也達到了0.562，模型在可接受的范圍內。此外，數(shù)據(jù)不可能具有正態(tài)分布，用最大似然估計方法。所有標準計數(shù)數(shù)據(jù)的分布都表現(xiàn)出異方差性，進行參數(shù)估計時還需對標準誤做穩(wěn)健性調整。

通常來說，研究者根據(jù)自己是關注計數(shù)變量的期望值還是計數(shù)分布去選擇計數(shù)模型的解釋方式。本文重點關注農(nóng)戶參加培訓次數(shù)的期望值。而解釋變量的變化所帶來計數(shù)變量期望值的變化，可以用期望值的倍數(shù)變化、百分比變化、邊際變化等方式來表達[14]。在本案例中，ZINB模型回歸系數(shù)的解釋包括兩部分：一部分是負二項回歸系數(shù)（表4），另一部分是logit回歸系數(shù)。ZINB模型中負二項回歸系數(shù)的解釋和一般負二項模型一樣，即回歸系數(shù)βi是平均參加農(nóng)業(yè)技術培訓次數(shù)的對數(shù)（Lograte），一般以發(fā)生率比（IRR）即eβi來解釋。若解釋變量為虛擬變量，eβi表示在控制其他影響因素的條件下，某一組別的期望計數(shù)是參照組期望計數(shù)的倍數(shù)。

4.1.3四組農(nóng)戶回歸系數(shù)差異的T檢驗估計結果直接給出了各組農(nóng)戶虛擬變量的回歸系數(shù)及對應的發(fā)生率比，可以直觀看出各組農(nóng)戶參加農(nóng)業(yè)技術培訓期望次數(shù)的多少，但這種關系仍需要檢驗。通過T檢驗發(fā)現(xiàn)，租入土地并參加合作社的農(nóng)戶和不租入土地但加入合作社的農(nóng)戶的系數(shù)估計值在統(tǒng)計上不存在顯著差異4.2穩(wěn)健性分析：改變ZINB模型的設定

為了確保分析結論的可靠性，從以下角度進行穩(wěn)健性檢驗：在表4所采用的ZINB模型中，樣本農(nóng)戶按是否租入土地、是否加入合作社兩個虛擬變量的組合分成了四組，估計結果直接給出了四組農(nóng)戶參加農(nóng)業(yè)技術培訓期望次數(shù)的倍數(shù)關系，但沒有直接給出租入土地農(nóng)戶與不租入土地農(nóng)戶在參加技術培訓方面的差異，也沒有直接給出加入合作社農(nóng)戶與不加入合作社農(nóng)戶的差異。改變ZINB模型的設定，只引入是否租入土地、是否加入合作社兩個虛擬變量，采用MLE方法能夠直接得到這種差異（見表5）。表5中的估計結果顯示

5進一步分析

通過ZINB模型的估計結果可以發(fā)現(xiàn)：一方面，租入土地對農(nóng)戶參加農(nóng)業(yè)技術培訓的行為無顯著影響。為什么會出現(xiàn)這種情況呢？本文認為這是由于技術培訓的實用性和及時性不夠，技術培訓一般圍繞大眾化問題展開，無法吸引種植規(guī)模較大農(nóng)戶參加培訓。實際生活中，即使培訓供給充足，農(nóng)業(yè)也未必參加培訓，需求因素對農(nóng)戶參加

但這種需求在租地農(nóng)戶和不租地農(nóng)戶之間有沒有明顯差異呢？顯然，當培訓主體沒有采取差異化策略對受訓農(nóng)戶進行細分，仍以賣方主導的思維提供培訓時，租地農(nóng)戶和不租地農(nóng)戶參加培訓的需求差異就非常小了。因此，租入土地的農(nóng)戶參加培訓的積極性不見得比其他農(nóng)戶更高。另一方面，合作社成員身份對農(nóng)戶參加農(nóng)業(yè)技術培訓有顯著的正向影響。這點不難理解，因為合作社對社員提供技術培訓是免費或僅收取非常低的服務費[15]。樣本農(nóng)戶所在村莊至少有一個合作社，大部分合作社都為社員提供技術培訓，只有個別合作社為非社員提供服務。樣本數(shù)據(jù)也顯示，社員中63.64%的農(nóng)戶參加過技術培訓，而非社員的這一比例僅為24.73%。由于非社員對合作社沒有歸屬感，享用這份“免費的午餐”可能會有一定的心理負擔，所以較少參加合作社提供的農(nóng)業(yè)技術培訓。

接下來，把視角轉向控制變量。說明農(nóng)業(yè)對家庭的重要性下降之后，農(nóng)戶參加農(nóng)業(yè)技術培訓的積極性也會降低，因為兼業(yè)農(nóng)戶更需要的是非農(nóng)職業(yè)技能培訓。有村干部、外出務工等特殊經(jīng)歷的農(nóng)戶參加農(nóng)業(yè)技術培訓的期望次數(shù)是無類似經(jīng)歷農(nóng)戶的1.350 3倍，通過5%顯著性水平檢驗。此外，戶主年齡及受教育年數(shù)、家庭勞均耕地面積對農(nóng)戶參加農(nóng)業(yè)技術培訓期望次數(shù)的影響均不顯著。筆者的解釋是當前存在一些農(nóng)業(yè)技術培訓對象僅僅是“農(nóng)戶”，沒有根據(jù)年齡、受教育水平、家庭經(jīng)營規(guī)模將農(nóng)戶細分，即沒有針對不同的培訓對象采取差異化策略去確定培訓內容、培訓方式等，一套培訓方案應付各類農(nóng)戶，因此，參加培訓農(nóng)戶的年齡、受教育水平、家庭經(jīng)營規(guī)模就沒有呈現(xiàn)出明顯的差異。

6研究結論與政策啟示

本文采用2009年山東、山西、寧夏三省的農(nóng)戶調查數(shù)據(jù)，運用ZINB模型重點考察租入土地、合作社成員身份對農(nóng)戶參加農(nóng)業(yè)技術培訓的影響。研究結果表明：租入土地并沒有顯著影響農(nóng)戶參加農(nóng)業(yè)生產(chǎn)技術培訓的行為，而合作社成員身份則明顯提高了農(nóng)戶參加農(nóng)業(yè)生產(chǎn)技術培訓的積極性。此外，本文還發(fā)現(xiàn)，戶主有其他職業(yè)的農(nóng)戶參加農(nóng)業(yè)技術培訓的期望次數(shù)較低；有過特殊經(jīng)歷的農(nóng)戶，參加培訓次數(shù)顯著高于參照組農(nóng)戶；戶主年齡及受教育年數(shù)、家庭勞均耕地面積對農(nóng)戶參加農(nóng)業(yè)技術培訓的行為無顯著影響。

上述結論具有重要的政策含義。第一，隨著現(xiàn)役農(nóng)戶老齡化和農(nóng)村勞動力向非農(nóng)產(chǎn)業(yè)的轉移，新型農(nóng)業(yè)經(jīng)營主體將是租入土地進行適度規(guī)模經(jīng)營的中青年農(nóng)戶。但租地經(jīng)營的新型經(jīng)營主體對當前大眾化的農(nóng)業(yè)技術培訓沒有表現(xiàn)出更強的需求。這有可能是新型農(nóng)業(yè)經(jīng)營主體有其自己的農(nóng)業(yè)新技術獲取途徑，也可能是當前的技術培訓供給無法滿足他們的需求，即培訓供需對接錯位。這兩種可能無疑都意味著當前的農(nóng)業(yè)技術培訓政策需要作出調整：一是糾正過去將所用農(nóng)戶都視作相同的培訓對象并沿用單一培訓模式的工作思路，結合農(nóng)戶的差異化培訓需求對農(nóng)戶實行分層定位，增強不同培訓目標人群的瞄準度，分別提供更具針對性和適用性的技術培訓服務；二是對以其他方式獲取新技術的新型農(nóng)業(yè)經(jīng)營主體給予適當補貼，分擔他們的新技術獲取成本。第二，進一步加大發(fā)展農(nóng)民專業(yè)合作社的扶持力度，對開展技術培訓的合作社給予專項補貼資金。對于由合作社提供更有效率的技術培訓，可以以項目方式委托給合作社。這既能促進合作社的發(fā)展，又可以避免政府供給“勞而無功”，同時還可以靈活有效地滿足農(nóng)戶的技術培訓需求。

（編輯：王愛萍）

參考文獻（References）

[1]Schultz T W. Transforming Traditional Agriculture[M]. New Haven： Yale University Press， 1964， 56-71.

[2]孔祥智，方松海，龐曉鵬，等.西部地區(qū)農(nóng)戶稟賦對農(nóng)業(yè)技術采納的影響分析[J].經(jīng)濟研究， 2004，（12）：85-95. [Kong Xiangzhi， Fang Songhai， Peng Xiaopeng， et al. The Nature of Institutional Systems and Its Effects on the Evolution[J]. Economic Research，2004， （12）， 85-95.]

[3]曹建民，胡瑞法，黃季焜.技術推廣與農(nóng)民對新技術的修正采用：農(nóng)民參與技術培訓和采用新技術的意愿及其影響因素分析[J].中國軟科學，2005，（6）：60-66. [Cao Jianmin， Hu Ruifa， Huang Jikun. Agricultural Technology Extension and Farmers Modification of New Technology： Study on Influence Factors in FarmersParticipating in Technologies Training and Their Willingness to Adopt[J]. China Soft Science， 2005， （6）：60-66.]

[4]高升.農(nóng)戶參加培訓決策行為的影響因素：基于湖南1 040戶農(nóng)戶的調查[J].湖南農(nóng)業(yè)大學學報：社會科學版，2011，（4）：21-26. [Gao Sheng. Factor Influencing Farmers Decision of Attend Technical Training： Based on Investigation of 1040 Households in Hunan Province[J]. 2011， （4）： 21-26.]

[5]劉芳，王琛，何忠偉.北京新型農(nóng)民科技培訓的需求及影響因素的實證研究[J].農(nóng)業(yè)技術經(jīng)濟， 2010，（6）：61-66. [Liu Fang， Wang Chen， He Zhongwei. The Empirical Research of Beijing New Technology Training Farmers Needs and Influence Factors[J]. Journal of Agrotechnical Economics， 2010， （6）： 61-66.]

[6]于敏.現(xiàn)代農(nóng)業(yè)背景下農(nóng)民生產(chǎn)技能培訓需求意愿及制約因素分析：基于寧波511個種養(yǎng)農(nóng)戶的調查[J].經(jīng)濟問題探索， 2010，（2）：61-67. [Yu Min. The Demand Will and Its Restrict Factor Analysis of Farmers Production Skills Training Based on 511 Planting and Raising Farmers Investigation[J]. Inquiry into Economic Issues， 2010， （2）： 61-67.]

[7]李恩，張志堅，李飛.影響農(nóng)民參加農(nóng)業(yè)技術培訓行為因素的分析：基于長春市郊區(qū)的調查數(shù)據(jù)[J].管理學刊，2012，（3）：66-72. [Li En， Zhang Zhijian， Li Fei. Influencing Factors to Training Farmers with Industrial Technology： In the View of Survey Data of Suburb of Changchun City[J]. Journal of Management， 2012， （3）： 66-72.]

[8]周華林，李雪松.Tobit模型估計方法與應用[J].經(jīng)濟學動態(tài)，2012，（5）：105-119. [Zhou Hualin， Li Xuesong. Tobit Models Estimation Method and Application[J]. Economic Perspectives，2012， （5）： 105-119.]

[9]Mullahy J. Specification and Testing of Some Modified Count Data Models[J]. Journal of Econometrics， 1986， 33（3）：341-365.

[10]Lambert D. Zeroinflated Poisson Regression with an Application to Defects in Manufacturing[J]. Technometrics， 1992， 34（1）：1-14.

[11]Greene W. Accounting for Excess Zeros and Sample Selection in Poisson and Negative Binomial Regression Models[C]. Working Paper （EC-94-10）， Department of Economics， New York University， 1994.

[12]Dalrymple M L， Hudson I L， Ford R P K. Finite Mixture， Zeroinflated Poisson and Hurdle Models with Application to SIDS[J]. Computational Statistics & Data Analysis， 2003， 41（3-4）：491-504.

[13]王存同.零膨脹模型在社會科學實證研究中的應用：以中國人工流產(chǎn)影響因素的分析為例[J].社會學研究， 2010，（5）：130-148. [Wang Cuntong. Zeroinflated Poisson /Negative Binomial Modeling for Sociologists： Based on the Analysis of Induced Abortion in China[J]. Sociological Studies， 2010， （5）： 130-148.]

[14]郭志剛，巫錫煒.泊松回歸在生育率研究中的應用[J].中國人口科學， 2006，（4）：3-8. [Guo Zhigang， Wu Xiwei. Application of Poisson Regression in Fertility Study[J]. Chinese Journal of Population Science， 2006， （4）： 3-8.]

[15]何安華，孔祥智.農(nóng)民專業(yè)合作社對成員服務供需對接的結構性失衡問題研究[J].農(nóng)村經(jīng)濟， 2011，（8）：6-9. [He Anhua， Kong Xiangzhi. Research on the Structural Imbalance of Supply and Demand for Farmers Professional Cooperative Servicing Its Members[J]. Rural Economy， 2011， （8）： 6-9.]AbstractIn recent years， the heterogeneity of Chinese farmer increasingly strengthens with the acceleration of land circulation and the emergence of farmer professional cooperatives. This paper takes the behavior of farmers in renting land or joining cooperative as the main manifestation of their heterogeneity， and investigates their influence on farmers participation in agricultural technology training. This paper selects ZeroInflated Negative Binomial（ZINB） and tests the models robustness， according to the nature of the survey data from 1 039 peasant households in Shandong， Shanxi and Ningxia provinces. The result indicates that the land tenancy behavior of farmers doesnt effect their participation behavior of agricultural technology training， but the possibility of participation agricultural will dramatically increase if a household joins in a farmers professional cooperative or only engages in agriculture management. In practical terms， the expected frequency of the farmers who rent land to participate in agricultural technology training is 1.044 0 times of the others， while the farmers who join cooperative is 2.112 9 times of the others. The current too runofmill agricultural technology training is an important reason of limiting farmers demand for it. So the government should take the heterogeneity of farmers into account， organize agricultural technology training in differentiated positioning and give more subsidies to the cooperatives which carry out the agricultural technical training.

Key wordsheterogeneity of farmers； farmer professional cooperative； agricultural technical training； ZINB model

[4]高升.農(nóng)戶參加培訓決策行為的影響因素：基于湖南1 040戶農(nóng)戶的調查[J].湖南農(nóng)業(yè)大學學報：社會科學版，2011，（4）：21-26. [Gao Sheng. Factor Influencing Farmers Decision of Attend Technical Training： Based on Investigation of 1040 Households in Hunan Province[J]. 2011， （4）： 21-26.]

[5]劉芳，王琛，何忠偉.北京新型農(nóng)民科技培訓的需求及影響因素的實證研究[J].農(nóng)業(yè)技術經(jīng)濟， 2010，（6）：61-66. [Liu Fang， Wang Chen， He Zhongwei. The Empirical Research of Beijing New Technology Training Farmers Needs and Influence Factors[J]. Journal of Agrotechnical Economics， 2010， （6）： 61-66.]

[6]于敏.現(xiàn)代農(nóng)業(yè)背景下農(nóng)民生產(chǎn)技能培訓需求意愿及制約因素分析：基于寧波511個種養(yǎng)農(nóng)戶的調查[J].經(jīng)濟問題探索， 2010，（2）：61-67. [Yu Min. The Demand Will and Its Restrict Factor Analysis of Farmers Production Skills Training Based on 511 Planting and Raising Farmers Investigation[J]. Inquiry into Economic Issues， 2010， （2）： 61-67.]

[7]李恩，張志堅，李飛.影響農(nóng)民參加農(nóng)業(yè)技術培訓行為因素的分析：基于長春市郊區(qū)的調查數(shù)據(jù)[J].管理學刊，2012，（3）：66-72. [Li En， Zhang Zhijian， Li Fei. Influencing Factors to Training Farmers with Industrial Technology： In the View of Survey Data of Suburb of Changchun City[J]. Journal of Management， 2012， （3）： 66-72.]

[8]周華林，李雪松.Tobit模型估計方法與應用[J].經(jīng)濟學動態(tài)，2012，（5）：105-119. [Zhou Hualin， Li Xuesong. Tobit Models Estimation Method and Application[J]. Economic Perspectives，2012， （5）： 105-119.]

[9]Mullahy J. Specification and Testing of Some Modified Count Data Models[J]. Journal of Econometrics， 1986， 33（3）：341-365.

[10]Lambert D. Zeroinflated Poisson Regression with an Application to Defects in Manufacturing[J]. Technometrics， 1992， 34（1）：1-14.

[11]Greene W. Accounting for Excess Zeros and Sample Selection in Poisson and Negative Binomial Regression Models[C]. Working Paper （EC-94-10）， Department of Economics， New York University， 1994.

[12]Dalrymple M L， Hudson I L， Ford R P K. Finite Mixture， Zeroinflated Poisson and Hurdle Models with Application to SIDS[J]. Computational Statistics & Data Analysis， 2003， 41（3-4）：491-504.

[13]王存同.零膨脹模型在社會科學實證研究中的應用：以中國人工流產(chǎn)影響因素的分析為例[J].社會學研究， 2010，（5）：130-148. [Wang Cuntong. Zeroinflated Poisson /Negative Binomial Modeling for Sociologists： Based on the Analysis of Induced Abortion in China[J]. Sociological Studies， 2010， （5）： 130-148.]

[14]郭志剛，巫錫煒.泊松回歸在生育率研究中的應用[J].中國人口科學， 2006，（4）：3-8. [Guo Zhigang， Wu Xiwei. Application of Poisson Regression in Fertility Study[J]. Chinese Journal of Population Science， 2006， （4）： 3-8.]

[15]何安華，孔祥智.農(nóng)民專業(yè)合作社對成員服務供需對接的結構性失衡問題研究[J].農(nóng)村經(jīng)濟， 2011，（8）：6-9. [He Anhua， Kong Xiangzhi. Research on the Structural Imbalance of Supply and Demand for Farmers Professional Cooperative Servicing Its Members[J]. Rural Economy， 2011， （8）： 6-9.]AbstractIn recent years， the heterogeneity of Chinese farmer increasingly strengthens with the acceleration of land circulation and the emergence of farmer professional cooperatives. This paper takes the behavior of farmers in renting land or joining cooperative as the main manifestation of their heterogeneity， and investigates their influence on farmers participation in agricultural technology training. This paper selects ZeroInflated Negative Binomial（ZINB） and tests the models robustness， according to the nature of the survey data from 1 039 peasant households in Shandong， Shanxi and Ningxia provinces. The result indicates that the land tenancy behavior of farmers doesnt effect their participation behavior of agricultural technology training， but the possibility of participation agricultural will dramatically increase if a household joins in a farmers professional cooperative or only engages in agriculture management. In practical terms， the expected frequency of the farmers who rent land to participate in agricultural technology training is 1.044 0 times of the others， while the farmers who join cooperative is 2.112 9 times of the others. The current too runofmill agricultural technology training is an important reason of limiting farmers demand for it. So the government should take the heterogeneity of farmers into account， organize agricultural technology training in differentiated positioning and give more subsidies to the cooperatives which carry out the agricultural technical training.

Key wordsheterogeneity of farmers； farmer professional cooperative； agricultural technical training； ZINB model

[4]高升.農(nóng)戶參加培訓決策行為的影響因素：基于湖南1 040戶農(nóng)戶的調查[J].湖南農(nóng)業(yè)大學學報：社會科學版，2011，（4）：21-26. [Gao Sheng. Factor Influencing Farmers Decision of Attend Technical Training： Based on Investigation of 1040 Households in Hunan Province[J]. 2011， （4）： 21-26.]

[5]劉芳，王琛，何忠偉.北京新型農(nóng)民科技培訓的需求及影響因素的實證研究[J].農(nóng)業(yè)技術經(jīng)濟， 2010，（6）：61-66. [Liu Fang， Wang Chen， He Zhongwei. The Empirical Research of Beijing New Technology Training Farmers Needs and Influence Factors[J]. Journal of Agrotechnical Economics， 2010， （6）： 61-66.]

[6]于敏.現(xiàn)代農(nóng)業(yè)背景下農(nóng)民生產(chǎn)技能培訓需求意愿及制約因素分析：基于寧波511個種養(yǎng)農(nóng)戶的調查[J].經(jīng)濟問題探索， 2010，（2）：61-67. [Yu Min. The Demand Will and Its Restrict Factor Analysis of Farmers Production Skills Training Based on 511 Planting and Raising Farmers Investigation[J]. Inquiry into Economic Issues， 2010， （2）： 61-67.]

[7]李恩，張志堅，李飛.影響農(nóng)民參加農(nóng)業(yè)技術培訓行為因素的分析：基于長春市郊區(qū)的調查數(shù)據(jù)[J].管理學刊，2012，（3）：66-72. [Li En， Zhang Zhijian， Li Fei. Influencing Factors to Training Farmers with Industrial Technology： In the View of Survey Data of Suburb of Changchun City[J]. Journal of Management， 2012， （3）： 66-72.]

[8]周華林，李雪松.Tobit模型估計方法與應用[J].經(jīng)濟學動態(tài)，2012，（5）：105-119. [Zhou Hualin， Li Xuesong. Tobit Models Estimation Method and Application[J]. Economic Perspectives，2012， （5）： 105-119.]

[9]Mullahy J. Specification and Testing of Some Modified Count Data Models[J]. Journal of Econometrics， 1986， 33（3）：341-365.

[10]Lambert D. Zeroinflated Poisson Regression with an Application to Defects in Manufacturing[J]. Technometrics， 1992， 34（1）：1-14.

[11]Greene W. Accounting for Excess Zeros and Sample Selection in Poisson and Negative Binomial Regression Models[C]. Working Paper （EC-94-10）， Department of Economics， New York University， 1994.

[12]Dalrymple M L， Hudson I L， Ford R P K. Finite Mixture， Zeroinflated Poisson and Hurdle Models with Application to SIDS[J]. Computational Statistics & Data Analysis， 2003， 41（3-4）：491-504.

[13]王存同.零膨脹模型在社會科學實證研究中的應用：以中國人工流產(chǎn)影響因素的分析為例[J].社會學研究， 2010，（5）：130-148. [Wang Cuntong. Zeroinflated Poisson /Negative Binomial Modeling for Sociologists： Based on the Analysis of Induced Abortion in China[J]. Sociological Studies， 2010， （5）： 130-148.]

[14]郭志剛，巫錫煒.泊松回歸在生育率研究中的應用[J].中國人口科學， 2006，（4）：3-8. [Guo Zhigang， Wu Xiwei. Application of Poisson Regression in Fertility Study[J]. Chinese Journal of Population Science， 2006， （4）： 3-8.]

[15]何安華，孔祥智.農(nóng)民專業(yè)合作社對成員服務供需對接的結構性失衡問題研究[J].農(nóng)村經(jīng)濟， 2011，（8）：6-9. [He Anhua， Kong Xiangzhi. Research on the Structural Imbalance of Supply and Demand for Farmers Professional Cooperative Servicing Its Members[J]. Rural Economy， 2011， （8）： 6-9.]AbstractIn recent years， the heterogeneity of Chinese farmer increasingly strengthens with the acceleration of land circulation and the emergence of farmer professional cooperatives. This paper takes the behavior of farmers in renting land or joining cooperative as the main manifestation of their heterogeneity， and investigates their influence on farmers participation in agricultural technology training. This paper selects ZeroInflated Negative Binomial（ZINB） and tests the models robustness， according to the nature of the survey data from 1 039 peasant households in Shandong， Shanxi and Ningxia provinces. The result indicates that the land tenancy behavior of farmers doesnt effect their participation behavior of agricultural technology training， but the possibility of participation agricultural will dramatically increase if a household joins in a farmers professional cooperative or only engages in agriculture management. In practical terms， the expected frequency of the farmers who rent land to participate in agricultural technology training is 1.044 0 times of the others， while the farmers who join cooperative is 2.112 9 times of the others. The current too runofmill agricultural technology training is an important reason of limiting farmers demand for it. So the government should take the heterogeneity of farmers into account， organize agricultural technology training in differentiated positioning and give more subsidies to the cooperatives which carry out the agricultural technical training.

Key wordsheterogeneity of farmers； farmer professional cooperative； agricultural technical training； ZINB model