基于Meta的農(nóng)戶農(nóng)藥使用行為影響因素綜合效應(yīng)量評估*

崔亞飛，周 榮

(安徽財經(jīng)大學(xué)財政與公共管理學(xué)院，蚌埠 233030)

0 引言

對農(nóng)戶農(nóng)藥使用進行有效治理，是關(guān)系到農(nóng)業(yè)生態(tài)環(huán)境可持續(xù)發(fā)展和農(nóng)副產(chǎn)品安全的重大現(xiàn)實問題[1]。雖然農(nóng)業(yè)農(nóng)村部于2015年印發(fā)了《到2020年農(nóng)藥使用量零增長行動方案》， 2016年國務(wù)院印發(fā)的《全國農(nóng)業(yè)現(xiàn)代化規(guī)劃(2016—2020年)》中也再次明確開展農(nóng)藥使用量零增長行動。但是，這些國家層面宏觀政策實施能否取得預(yù)期效果，最終取決于直接利益相關(guān)者農(nóng)戶的農(nóng)藥使用行為[2]。張云華等[3]較早對中國農(nóng)戶農(nóng)藥使用行為影響因素進行了實證研究，結(jié)論表明，農(nóng)戶的家庭人口數(shù)、人均耕地、農(nóng)業(yè)信貸、農(nóng)藥效果知識以及農(nóng)業(yè)技術(shù)協(xié)會是影響農(nóng)戶采用無公害農(nóng)藥行為的主要因素，而農(nóng)戶的受教育水平和農(nóng)技人員指導(dǎo)則沒有影響。也有文獻發(fā)現(xiàn)，農(nóng)戶性別、受教育水平、市場化監(jiān)管、施用經(jīng)驗和信息獲取渠道及其信任度等因素對農(nóng)戶農(nóng)藥使用行為均有顯著影響[4-5]。黃季焜等[6]則認為，農(nóng)戶的技術(shù)信息知識和風(fēng)險偏好是農(nóng)藥使用行為的主要影響因素，同時，市場化監(jiān)督、農(nóng)藥價格和農(nóng)戶受教育水平也有顯著影響。而王常偉和顧海英[2]的研究表明，農(nóng)戶的性別、年齡、受教育水平和風(fēng)險態(tài)度對農(nóng)藥使用行為有顯著影響，但政府宣傳指導(dǎo)和種植監(jiān)管的影響不顯著，而且市場化的合作社和售前合同對農(nóng)戶農(nóng)藥使用行為卻有負向激勵作用。

陽檢等[7]曾對農(nóng)戶農(nóng)藥使用行為影響因素的研究文獻結(jié)論進行了傳統(tǒng)的綜述，但是這種傳統(tǒng)定性的文獻綜述無法對已有研究結(jié)論的共識與分歧進行量化甄別。Meta分析是對大量同類實證研究結(jié)論是否具有一致性、以及相同結(jié)論的綜合效應(yīng)量進行評估的實證性方法，其評估結(jié)果可以為進一步相關(guān)研究指明方向，更能為政府相關(guān)決策提供理論支撐和廣泛共識[8]。近年來，Meta分析已由最初的醫(yī)學(xué)領(lǐng)域研究拓展至農(nóng)業(yè)生態(tài)環(huán)境管理領(lǐng)域的綜合效應(yīng)量評估研究。如Baumgart等[9]采用Meta分析法，評估了46篇關(guān)于美國農(nóng)戶參與農(nóng)業(yè)管理影響因素的實證文獻結(jié)論，他們發(fā)現(xiàn)，農(nóng)戶家庭人口數(shù)、培訓(xùn)教育、經(jīng)濟收入和信息獲取等因素對農(nóng)戶參與行為有正向影響，而年齡則有反向影響，這是已有研究文獻的實證結(jié)論共識，其他影響因素則不顯著或存在分歧。

截止目前，已有大量研究中國農(nóng)戶農(nóng)藥使用行為影響因素的實證文獻，但是，這些實證文獻研究結(jié)論到底達成了哪些共識？這些共識的綜合效應(yīng)量如何？尚未有文獻對此重要問題給予實證性研究。基于此，文章使用Meta分析法，首次對中國農(nóng)戶農(nóng)藥使用行為影響因素的已有實證文獻研究結(jié)論進行定量評估，并測算相應(yīng)的綜合效應(yīng)量。評估結(jié)果發(fā)現(xiàn)：大多數(shù)影響因素的作用方向已達成一致共識，但是也有影響因素存在著分歧； 達成共識的影響因素的綜合效應(yīng)量普遍較低，或者說，影響因素的相關(guān)性系數(shù)大多屬于中相關(guān)性或弱相關(guān)性范疇。評估結(jié)果對進一步明確影響因素研究方向和完善相關(guān)決策具有重要參考意義。

1 研究方法

1.1 文獻來源

該文使用單個或組合主題詞“農(nóng)藥使用行為”、“農(nóng)藥施用行為”、“農(nóng)藥+影響因素”、“pesticides influencing factors China”、“farmers pesticides China”在中國知網(wǎng)(CNKI)期刊數(shù)據(jù)庫、碩博論文數(shù)據(jù)庫、會議論文數(shù)據(jù)庫、以及英文ScienceDirect期刊數(shù)據(jù)庫、Springer期刊數(shù)據(jù)庫、Jstor期刊數(shù)據(jù)庫、Emerald期刊數(shù)據(jù)庫、EBSCO Econlit數(shù)據(jù)庫進行檢索，共檢索到2 189篇公開發(fā)表的文獻。

基于該文的研究主題，納入Meta分析的文獻必須符合3個標(biāo)準(zhǔn)：(1)研究區(qū)域和樣本是中國各省(直轄市、自治區(qū))的農(nóng)戶； (2)必須是實證性研究文獻，有明確的樣本總量、相關(guān)性系數(shù)和顯著性檢驗等信息； (3)研究的問題必須是農(nóng)戶使用(施用)農(nóng)藥行為、或安全使用農(nóng)藥行為、或采用無公害綠色農(nóng)藥意愿的影響因素篩選。依據(jù)3個標(biāo)準(zhǔn)，通過閱讀所檢索文獻題目和摘要剔除了1 752篇，再通過閱讀論文正文信息剔除了408篇，剩余的29篇文獻中有22篇文獻采用Logistic或Probit實證方法， 7篇采用結(jié)構(gòu)方程模型實證方法。為了避免因?qū)嵶C方法不同可能導(dǎo)致的異質(zhì)性干擾，排除了采用結(jié)構(gòu)方程模型實證方法的文獻，最終有22篇文獻符合納入Meta分析的標(biāo)準(zhǔn)，研究區(qū)域覆蓋中國18個省(直轄市、自治區(qū))、總樣本量為1.191 1萬個農(nóng)戶，相關(guān)文獻信息報告于表1。

表1 納入Meta分析的文獻

文獻作者(發(fā)表年份)研究區(qū)域樣本量研究對象實證方法研究的問題[1]張云華等(2004)山西等3省353農(nóng)戶Logistic使用無公害綠色農(nóng)藥意愿[2]李紅梅等(2007)四川214農(nóng)戶Logistic安全使用農(nóng)藥[3]鄭龍章(2009)福建331茶農(nóng)Logistic使用無公害綠色農(nóng)藥意愿[4]傅新紅、宋汶庭(2010)四川406農(nóng)戶Logistic使用生物農(nóng)藥[5]毛飛、孔祥智(2011)陜西450果農(nóng)Logistic安全使用農(nóng)藥[6]秦軍(2011)甘肅、貴州、湖南等9省2 110農(nóng)戶Logistic農(nóng)藥使用行為[7]楊小山、林奇英(2011)福建358農(nóng)戶Logistic使用無公害綠色農(nóng)藥意愿[8]吳林海等(2011)河南233農(nóng)戶Logistic農(nóng)藥施用行為[9]關(guān)桓達等(2012)湖北1 351農(nóng)戶Logistic農(nóng)藥使用行為[10]張偉、朱玉春(2013)陜西211菜農(nóng)Logistic安全使用農(nóng)藥[11]李秀義、官志強(2013)福建335菜農(nóng)Logistic安全使用農(nóng)藥[12]劉丹、周波(2014)江西1 169稻農(nóng)Logistic農(nóng)藥使用行為[13]喬立娟等(2014)河北283農(nóng)戶probit農(nóng)藥使用行為[14]邢永華等(2014)青海249菜農(nóng)Logistic農(nóng)藥使用行為[15]王建華等(2015)江蘇、浙江、黑龍江等5省986農(nóng)戶Logistic農(nóng)藥施用行為[16]田云等(2015)湖北387農(nóng)戶Logistic農(nóng)藥使用行為[17]馬瑛(2016)新疆276棉農(nóng)Logistic農(nóng)藥使用行為[18]任重、薛興利(2016)山東609糧農(nóng)Logistic使用無公害綠色農(nóng)藥意愿[19]曾偉等(2016)山東517農(nóng)戶Probit農(nóng)藥使用行為[20]張慧靜等(2016)山東293菜農(nóng)Logistic使用無公害綠色農(nóng)藥意愿[21]徐璐等(2016)北京323菜農(nóng)Logistic農(nóng)藥殘留認知[22]吳雪蓮等(2016)湖北467農(nóng)戶Logistic農(nóng)藥使用行為

1.2 變量選擇與數(shù)據(jù)提取

Meta分析要求影響因素必須被至少兩篇或以上的文獻采用且通過顯著性檢驗，而且，這個影響因素在不同文獻中含義或測量內(nèi)容須相同，或至少是近似相同，以確保實證結(jié)果的可綜合性[10]。因此，通過對納入分析的22篇實證文獻中自變量梳理，該文選擇了其中通過顯著性檢驗的12個影響因素：第一個是性別(男性=1，女性= 0)有4篇文獻通過了顯著性檢驗； 第二個是年齡，有8篇文獻通過了顯著性檢驗； 第三個是受教育水平，有12篇文獻通過了顯著性檢驗； 第四個是家庭人口數(shù)，有3篇文獻通過了顯著性檢驗； 第五個是家庭年收入，有4篇文獻通過了顯著性檢驗； 第六個是政府補貼，有6篇文獻通過了顯著性檢驗； 第七個是零售商推薦，有4篇文獻通過了顯著性檢驗； 第八個是種植面積，有11篇文獻通過了顯著性檢驗； 第九個是種植經(jīng)驗或經(jīng)營年限，有5篇文獻通過了顯著性檢驗； 第十個是農(nóng)藥相關(guān)知識，有8篇文獻通過了顯著性檢驗； 第十一個是農(nóng)藥使用技能培訓(xùn)，有8篇文獻通過了顯著性檢驗； 最后一個是參加合作社組織，共有3篇文獻通過了顯著性檢驗。

然后，針對所選擇的12個影響因素變量，從通過顯著性檢驗的每篇文獻中，分別把影響因素的相關(guān)系數(shù)和樣本量提取，共獲得12組原始數(shù)據(jù)。

1.3 效應(yīng)量創(chuàng)造與轉(zhuǎn)換方法

因為Meta分析無法直接使用所提取的原始數(shù)據(jù)，必須將原始數(shù)據(jù)轉(zhuǎn)換為Meta分析所特有的效應(yīng)量才可進行評估。效應(yīng)量是反映兩個變量或者自變量與因變量之間關(guān)系強度的值。費舍爾Z值(Fisher′s z)是衡量變量之間關(guān)系強度最常用的效應(yīng)量，其優(yōu)點是即使原始數(shù)據(jù)不服從正態(tài)分布，轉(zhuǎn)換后的Fisher′s z值依然服從正態(tài)分布[11]。所以，該文首先把12組原始數(shù)據(jù)分別轉(zhuǎn)換為相應(yīng)的Fisher′s z值，然后，利用Fisher′s z值進行影響因素的綜合效應(yīng)量及置信區(qū)間的評估，最后，再把綜合效應(yīng)量及置信區(qū)間轉(zhuǎn)換成綜合相關(guān)系數(shù)形式。

原始數(shù)據(jù)相關(guān)系數(shù)r轉(zhuǎn)換為Fisher′s z值的公式為：

(1)

Fisher′s z值的方差為：

(2)

式(2)中,n是指原始數(shù)據(jù)中每個影響因素的樣本量。

Fisher′s z值的標(biāo)準(zhǔn)誤為：

(3)

最后評估得到的綜合效應(yīng)量Fisher′s z值轉(zhuǎn)換成綜合相關(guān)系數(shù)R的公式為：

(4)

一般而言，影響因素的綜合相關(guān)系數(shù)R，如果在0.1以下，認為相關(guān)性可以忽略； 如果在0.1-0.3之間，認為相關(guān)性較弱； 如果在0.3～0.5之間，認為相關(guān)性中等； 如果在0.5以上，認為相關(guān)性強[12]?；谏鲜鲛D(zhuǎn)換的Fisher′s z值及其標(biāo)準(zhǔn)誤，該文使用Meta分析常用軟件CMA2.0進行綜合效應(yīng)量實證評估[13]。

2 實證評估結(jié)果與分析

2.1 異質(zhì)性判斷與模型選擇

異質(zhì)性(heterogeneity)是指納入Meta分析的各個研究文獻的效應(yīng)量變異程度。檢驗異質(zhì)性的指標(biāo)通常采用反映效應(yīng)量的加權(quán)離均差平方和的Q統(tǒng)計量及其P值，以及反映異質(zhì)性在效應(yīng)量總變異中所占比重的I2統(tǒng)計量。一般而言，如果Q統(tǒng)計量的p值小于10%，則表明存在異質(zhì)性； 反之，則表明不存在異質(zhì)性。I2統(tǒng)計量取值范圍為0%～100%，當(dāng)0≤I2<25%時意味著無異質(zhì)性； 當(dāng)25%≤I2<50%時，意味著輕度異質(zhì)性； 當(dāng)50%≤I2<75%時，意味著中度異質(zhì)性； 當(dāng)75%≤I2≤100%時，意味著重度異質(zhì)性。一般情況下，當(dāng)I2不大于50%時，異質(zhì)性都可以接受； 對于社會科學(xué)研究領(lǐng)域而言，有時I2<75%也被視為異質(zhì)性可接受標(biāo)準(zhǔn)[14]。

Meta分析有固定效應(yīng)模型(fixed effects model)和隨機效應(yīng)模型(random effects model)兩種。從理論角度而言，如果假設(shè)納入分析的所有研究文獻結(jié)論具有一致的效應(yīng)，且每一個研究結(jié)論的不同只是因為抽樣誤差的所致，那么適合采用固定效應(yīng)模型。反之，如果納入分析的所有研究文獻結(jié)論并不具有一致的效應(yīng)，那么適合采用隨機效應(yīng)模型，此時綜合效應(yīng)量只是對所有效應(yīng)量均值的評估[15]。此外，也可以依據(jù)異質(zhì)性檢驗指標(biāo)選擇，如果Q統(tǒng)計量的P值大于10%且I2﹤50%，適合采用固定效應(yīng)模型。反之，如果Q統(tǒng)計量的P值小于10%且I2﹥50%，則適合采用隨機效應(yīng)模型。因為該文研究目的在于評估已有研究文獻實證結(jié)論的一致性及其綜合效應(yīng)量，所以從理論上適合選擇固定效應(yīng)模型，同時兼顧異質(zhì)性檢驗指標(biāo)的顯著性。

2.2 評估結(jié)果與分析

把前文12組原始數(shù)據(jù)相關(guān)系數(shù)r轉(zhuǎn)換成的Fisher′s z值及其標(biāo)準(zhǔn)誤分別輸入CMA2.0軟件，采用逆方差法(inverse variance)和95%置信區(qū)間進行評估。分析發(fā)現(xiàn)，每一組同類研究文獻結(jié)論均存在不同程度的異質(zhì)性，因此，采用把每組中嚴(yán)重影響異質(zhì)性的文獻剔除，直至Q統(tǒng)計量的P值大于10%且I2﹤50%的策略，然后利用固定效應(yīng)模型進行評估，評估的綜合效應(yīng)量Fisher′s z值和轉(zhuǎn)換成綜合相關(guān)系數(shù)R的結(jié)果報告于表2。

表2 綜合效應(yīng)量與相關(guān)系數(shù)評估

影響因素固定效應(yīng)模型綜合相關(guān)系數(shù)R95%置信區(qū)間綜合效應(yīng)量Fisher′s z95%置信區(qū)間Q(P值)I2Z性別(N=2:4)-1.09-1.18,-1.011.24?(0.27)19%25.49???-0.80-0.83,-0.77年齡(N=3:8)-0.06-0.11, 01.16?(0.56)01.83?-0.06-0.11, 0教育水平(N=5:12)0.300.27, 0.336.60?(0.16)39%20.27???0.290.26, 0.32家庭人口(N=2:3)-0.15-0.22,-0.080.21?(0.65)04.46???-0.15-0.22,-0.08家庭年收入(N=2:4)0.230.17, 0.290.03?(0.87)07.60???0.230.17, 0.28政府補貼(N=5:6)0.270.24, 0.303.93?(0.42)016.74???0.260.24, 0.29零售商推薦(N=2:4)0.110.06, 0.161.09?(0.30)9%4.57???0.110.06, 0.16種植面積(N=4:11)-0.05-0.10, 02.55?(0.47)01.92?-0.05-0.10, 0(N=3:11)0.080.03, 0.131.98?(0.37)02.94???0.080.03, 0.13種植經(jīng)驗(或經(jīng)營年限)(N=2:5)-0.47-0.56,-0.381.31?(0.25)24%10.43???-0.44-0.51,-0.36農(nóng)藥相關(guān)知識(N=3:8)0.320.26, 0.380.90?(0.64)09.87???0.310.25, 0.36農(nóng)藥使用技能培訓(xùn)(N=4:8)0.380.32, 0.445.54?(0.14)46%12.68???0.360.31, 0.41參加合作社組織(N=2:3)0.190.12, 0.273.24??(0.07)69%5.07???0.190.12, 0.26 注:第一列括號中N表示本組最終評估文獻數(shù)與納入評估文獻數(shù)對比情況; ?,??,???分別表示10%,5%,1%顯著性水平; 評估結(jié)果均保留小數(shù)點后兩位且四舍五入

由表2可以看出，在影響因素性別的4篇文獻中，剔除2篇嚴(yán)重異質(zhì)性文獻后，剩余2篇文獻的異質(zhì)性指標(biāo)Q統(tǒng)計量的P值為0.27，大于10%顯著性水平，I2為19%，遠小于50%的可接受標(biāo)準(zhǔn)，而且綜合效應(yīng)量的Z得分為25.49且通過1%顯著性水平，表明所評估的綜合效應(yīng)量Fisher′s z值-1.09是顯著有效的，其相應(yīng)的綜合相關(guān)系數(shù)R高達-0.8，意味著相對女性而言，男性會不安全的使用農(nóng)藥。在影響因素年齡的8篇文獻中，剔除5篇嚴(yán)重異質(zhì)性文獻后，剩余3篇文獻的I2為0達到完全同質(zhì)性，評估的綜合相關(guān)系數(shù)R為-0.06，表明農(nóng)戶年齡越大越可能不安全使用農(nóng)藥。此外，家庭人口數(shù)、種植經(jīng)驗(或經(jīng)營年限)的綜合相關(guān)系數(shù)也分別為負數(shù)。

需要注意的是，在影響因素種植面積的11篇文獻中，有4篇文獻的綜合相關(guān)系數(shù)R為-0.05，該類文獻原文中的核心解釋是因為種植面積大，為了省時省力而大量使用農(nóng)藥或者不使用無公害農(nóng)藥； 另有3篇文獻的綜合相關(guān)系數(shù)R為0.08，這類文獻原文中核心解釋是因為種植面積大，為了降低經(jīng)營風(fēng)險或分攤成本而采用無公害農(nóng)藥。這兩種截然相反的實證結(jié)論的綜合效應(yīng)量均通過了異質(zhì)性檢驗，表明種植面積對農(nóng)戶農(nóng)藥使用行為的影響作用仍存在分歧。

由表2還可以看出，在影響因素農(nóng)藥使用技能培訓(xùn)的8篇文獻中，剔除4篇嚴(yán)重異質(zhì)性文獻后，剩余4篇文獻的I2為46%，依然存在一定程度異質(zhì)性，綜合相關(guān)系數(shù)R為0.36，是正相關(guān)影響因素中綜合相關(guān)系數(shù)最高的。其次是農(nóng)藥相關(guān)知識的綜合相關(guān)系數(shù)R為0.31，第三個是教育水平綜合相關(guān)系數(shù)R為0.29。

基于Meta評估的綜合相關(guān)系數(shù)比較來看，僅有性別的綜合相關(guān)系數(shù)R為-0.8，屬于強相關(guān)性的影響因素。種植經(jīng)驗(或經(jīng)營年限)、農(nóng)藥使用技能培訓(xùn)、農(nóng)藥相關(guān)知識屬于中等相關(guān)性的影響因素。教育水平、政府補貼、家庭人口、家庭年收入、參加合作社和零售商推薦等屬于弱相關(guān)性的影響因素。而年齡和種植面積的影響作用極其微弱，屬于可忽略相關(guān)性。

顯而易見，上述Meta評估結(jié)果不僅可以為已有研究結(jié)論的共識與分歧提供了非常直觀的量化判定標(biāo)準(zhǔn)，還可以為相關(guān)影響因素進一步研究指明方向，這些都是傳統(tǒng)的定性文獻綜述無法企及的。

3 討論：穩(wěn)健性檢驗

3.1 敏感性分析

敏感性分析是對所評估的綜合效應(yīng)量是否穩(wěn)健進行檢驗的主要方法。其通常采用兩種策略，一種是采用逐個剔除納入分析的數(shù)據(jù)來考察對評估結(jié)果是否有顯著影響的策略，另一種是將固定效應(yīng)模型轉(zhuǎn)換為隨機效應(yīng)模型來考察對評估結(jié)果是否有顯著影響的策略。

為了獲得更穩(wěn)健的結(jié)論，該文敏感性分析將混合使用以上兩種策略，對于通過統(tǒng)計量Q(P值)檢驗且I2為0的影響因素，采用逐個剔除法考察評估結(jié)果變化是否顯著。根據(jù)表2中評估結(jié)果，對影響因素年齡納入分析的3篇文獻隨機剔除其中之一，評估結(jié)果并沒有發(fā)生顯著變化，依然位于表2中的95%置信區(qū)間內(nèi)。同理，政府補貼、種植面積和農(nóng)藥相關(guān)知識的敏感性分析均表明綜合效應(yīng)量評估結(jié)果是穩(wěn)健的。

對于通過統(tǒng)計量Q(P值)檢驗但I2﹥0的影響因素，如果納入分析的文獻數(shù)只有兩篇，就采用模型轉(zhuǎn)換法來考察評估結(jié)果變化是否顯著； 如果納入分析的文獻數(shù)大于兩篇，則采用逐個剔除法。根據(jù)表2中評估結(jié)果，性別、零售商推薦、經(jīng)營年限或種植經(jīng)驗、參加合作組織4個影響因素的隨機模型評估結(jié)果報告于表3。對比表2與表3可以看出，4個影響因素分別采用隨機效應(yīng)模型后，評估的綜合效應(yīng)量Fisher′s z均未發(fā)生顯著變化，僅有參加合作社組織影響因素由于異質(zhì)性指標(biāo)I2較高，隨機模型的95%置信區(qū)間擴大為0.06-0.33，但也通過了各項顯著性檢驗。

表3 敏感性分析結(jié)果

影響因素隨機效應(yīng)模型綜合效應(yīng)量Fisher′s z95%置信區(qū)間τ2Q(P值)I2Z性別(N=2:4)-1.10-1.19,-1.000.001.24?(0.27)19%22.71???零售商推薦(N=2:4)0.110.06, 0.160.001.09?(0.30)9%4.25???種植經(jīng)驗(或經(jīng)營年限)(N=2:5)-0.47-0.57,-0.370.001.31?(0.25)24%9.03???參加合作社組織(N=2:3)0.200.06, 0.330.013.24??(0.07)69%2.84??? 注:第一列括號中N表示本組最終評估文獻數(shù)與納入評估文獻數(shù)對比情況; ?,??,???分別表示10%,5%,1%顯著性水平; 第四列τ2指標(biāo)越接近0表示原模擬(固定效應(yīng)模型)效果越好; 評估結(jié)果均保留小數(shù)點后兩位且四舍五入

對于教育水平和農(nóng)藥使用技能培訓(xùn)兩個影響因素分別采用逐個剔除法進行檢驗。分析發(fā)現(xiàn)，把教育水平影響因素中兩篇文獻剔除后，其異質(zhì)性指標(biāo)I2可以降低到0，此時評估的綜合效應(yīng)量Fisher′s z值和95%置信區(qū)間仍為0.30和[0.27， 0.33]。如果再剔除其中一篇，F(xiàn)isher′s z值出現(xiàn)可取0.28或0.31的兩種情況，但其變化幅度也仍在原來的95%置信區(qū)間范圍內(nèi)。農(nóng)藥使用技能培訓(xùn)影響因素中，剔除兩篇文獻后的異質(zhì)性指標(biāo)I2也可以降低到0，F(xiàn)isher′s z值最小可取0.31、最大可取0.45，其值比原來95%置信區(qū)間[0.32， 0.44]超出0.01，但其綜合效應(yīng)量仍屬于中等相關(guān)性范疇，表明原評估結(jié)果依然穩(wěn)健。

3.2 發(fā)表偏倚(publication bias)

由于檢索方法、未公開發(fā)表等各種原因，導(dǎo)致本應(yīng)納入而未納入分析的遺漏文獻現(xiàn)象，通常稱為發(fā)表偏倚。該文在檢索方法方面使用單個或組合主題詞在中文數(shù)據(jù)庫和英文數(shù)據(jù)庫進行了全面檢索，并制定了納入分析標(biāo)準(zhǔn)，可以基本消除因檢索方法導(dǎo)致的發(fā)表偏倚問題。那些公開發(fā)表的比未公開發(fā)表的研究文獻更容易被納入分析所導(dǎo)致的發(fā)表偏倚，無論對定性的綜述還是定量的Meta分析都是普遍存在的客觀現(xiàn)象。而且未公開發(fā)表的研究文獻一部分可能是因為質(zhì)量沒有達到公開發(fā)表的要求，這反而可以保障已納入分析的評估結(jié)果可靠性[17]。綜合檢索方法和敏感性分析結(jié)果，表明該文綜合效應(yīng)量評估結(jié)果具有良好的穩(wěn)健性。

4 研究結(jié)論與展望

4.1 研究結(jié)論

該文基于覆蓋中國18個省(直轄市、自治區(qū))、總樣本量為1.191 1萬個農(nóng)戶的22篇實證文獻結(jié)論，采用Meta分析法評估了研究結(jié)論的綜合效應(yīng)量，主要結(jié)論如下，并將其簡列為表4。

(1)影響因素的作用方向依據(jù)評估結(jié)果可分為正向和負向兩大類。正向影響因素主要包括農(nóng)藥使用技能培訓(xùn)、農(nóng)藥相關(guān)知識、教育水平、政府補貼、家庭年收入、參加合作社組織和零售商推薦等； 負向影響因素則主要包括性別(男性)、種植經(jīng)驗(或經(jīng)營年限)、家庭人口和年齡等，而種植面積的作用方向仍存在分歧。作用方向的確認，意味著政府部門可以通過制定相關(guān)措施來調(diào)控影響因素，進而達到引導(dǎo)農(nóng)戶農(nóng)藥使用行為之目的。

(2)影響因素的相關(guān)性程度依據(jù)評估結(jié)果可分為強相關(guān)性、中相關(guān)性、弱相關(guān)性和可忽略相關(guān)性四個檔次。屬于強相關(guān)性的僅有男性性別一個影響因素，中相關(guān)性的有農(nóng)藥使用技能培訓(xùn)、農(nóng)藥相關(guān)知識和經(jīng)營年限或種植經(jīng)驗3個影響因素，其余影響因素大多屬于弱相關(guān)性范疇。在現(xiàn)實中，由于性別屬于人口統(tǒng)計學(xué)變量，政府部門不可能通過調(diào)控性別來引導(dǎo)農(nóng)戶農(nóng)藥使用行為，所以只有中相關(guān)性和弱相關(guān)性影響因素可供決策參考和調(diào)控，而這必然會導(dǎo)致相應(yīng)措施的效果不佳。

(3)就影響因素的綜合效應(yīng)量而言，已有研究文獻所篩選的影響因素尚缺乏強相關(guān)性的因素。農(nóng)藥使用技能培訓(xùn)和農(nóng)藥相關(guān)知識作為具體化的專業(yè)性知識，對農(nóng)戶安全使用農(nóng)藥或采用無公害農(nóng)藥行為均具有正向的中相關(guān)性，而受教育水平作為一種非專業(yè)化的知識對農(nóng)藥使用行為的作用較弱，這表明開展具體化的專業(yè)性知識培訓(xùn)比籠統(tǒng)的環(huán)境宣傳教育更有效果。特別有意義的發(fā)現(xiàn)是，政府補貼對農(nóng)戶農(nóng)藥使用行為的正向作用很微弱，僅屬于弱相關(guān)因素，因此，僅側(cè)重政府補貼的經(jīng)濟激勵措施可能并不會取得預(yù)期效果。

(4)就正向影響因素和負向影響因素對比而言，前者均屬于可調(diào)控因素，后者或者屬于不可調(diào)控因素，如性別、年齡等，或者屬于間接可調(diào)控因素，如種植經(jīng)驗。種植經(jīng)驗作為一種認知性知識積累，如果其初始行為是不安全使用農(nóng)藥或不采用無公害農(nóng)藥，那么經(jīng)驗就會固化這種行為，從而產(chǎn)生負向作用，這種“大拇指規(guī)則”現(xiàn)象在中國農(nóng)戶中普遍存在，但通過農(nóng)藥使用技能培訓(xùn)或農(nóng)藥相關(guān)知識教育則可以產(chǎn)生糾正作用。

表4 主要研究結(jié)論矩陣

相關(guān)性正向影響因素負向影響因素強相關(guān)性(0.5≤|r︱)性別(男性)中相關(guān)性(0.3≤|r︱﹤0.5)農(nóng)藥使用技能培訓(xùn); 農(nóng)藥相關(guān)知識種植經(jīng)驗(或經(jīng)營年限)弱相關(guān)性(0.1≤|r︱﹤0.3)教育水平; 政府補貼; 家庭年收入; 參加合作社組織; 零售商推薦家庭人口 可忽略相關(guān)性(|r︱﹤0.1)種植面積年齡; 種植面積 注:最后一行中“種植面積”是仍存在分歧的影響因素

4.2 研究展望

該文評估結(jié)果表明，已有相關(guān)研究文獻所篩選的影響因素除了性別之外，其余大多屬于中相關(guān)性和弱相關(guān)性范疇。雖然上述影響因素的作用在一定程度上已達成一些共識，但評估過程也顯示存在一定的異質(zhì)性，這表明已有實證文獻所篩選的影響因素可能只是“逐末”的次要因素，而不是“溯源”的主要因素。

依據(jù)新古典經(jīng)濟學(xué)相關(guān)理論該文認為，農(nóng)藥最基本作用就是預(yù)防和減少病蟲害等意外風(fēng)險可能帶來的利益損失，在農(nóng)藥效果相同的條件下，具有“經(jīng)濟人”屬性的農(nóng)戶會選擇價格較低的； 而在農(nóng)藥價格相差不大的條件下，農(nóng)戶會依據(jù)自己經(jīng)驗等因素選擇農(nóng)藥效果更好的。也就是說，農(nóng)藥效果和農(nóng)藥價格可能才是農(nóng)戶權(quán)衡的關(guān)鍵因素，這與張云華等[3]和黃季焜等[6]揭示的農(nóng)藥效果知識和農(nóng)戶風(fēng)險偏好兩個影響因素緊密聯(lián)系，而且王常偉和顧海英[2]也證實了農(nóng)戶風(fēng)險偏好對農(nóng)藥使用行為具有顯著影響，但這些影響因素并沒有得到進一步深入研究。

此外，國內(nèi)還有部分文獻采用計劃行為理論(Theory of Planned Behavior，TPB)框架研究農(nóng)戶農(nóng)藥使用行為的影響因素[17-18]。此類文獻研究范式與Logistic或Probit實證范式，哪種對農(nóng)戶農(nóng)藥使用行為影響因素篩選更科學(xué)有效的比較，還需要給予更多的研究，這對進一步厘清影響因素以及為科學(xué)決策提供參考具有重要意義。

附錄：表1納入Meta分析的文獻