農(nóng)業(yè)生產(chǎn)培訓(xùn)能提升農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿嗎？
——來自12省2 340個(gè)農(nóng)戶的證據(jù)

鄭陽陽，羅建利

(1.中國農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100083；2.溫州大學(xué) 商學(xué)院，浙江 溫州 325035)

當(dāng)前，承包戶“土地拋荒”、轉(zhuǎn)入戶“毀約棄耕”現(xiàn)象不斷出現(xiàn)(1)在百度搜索關(guān)鍵詞“毀約棄耕”和“退耕退租”，2012-2013年間的搜索結(jié)果為5個(gè)和29個(gè)，而2019年8月的搜索結(jié)果顯示為30 300個(gè)和420 000個(gè)，說明土地毀約棄耕已不是個(gè)別地區(qū)的個(gè)別現(xiàn)象，而是愈演愈烈。，不僅造成嚴(yán)重的土地資源浪費(fèi)，給社會(huì)帶來一定的不穩(wěn)定因素，也引發(fā)了誰來種地、農(nóng)戶是否愿意種地的討論。因此，如何減少農(nóng)戶“土地拋荒”和“毀約棄耕”行為，提升其擴(kuò)大農(nóng)地規(guī)模意愿成為當(dāng)前中國農(nóng)業(yè)規(guī)?；?jīng)營(yíng)中面臨的現(xiàn)實(shí)問題。為此，許多學(xué)者從土地產(chǎn)權(quán)意識(shí)、務(wù)工收入、家庭勞動(dòng)力數(shù)、農(nóng)地確權(quán)等方面來探討其原因[1-4]。其中，農(nóng)業(yè)生產(chǎn)培訓(xùn)(以下簡(jiǎn)稱“培訓(xùn)”)作為有效且重要的途徑，對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿具有重要影響。一方面，可以使農(nóng)戶獲取重要的生產(chǎn)、銷售等信息；另一方面，能夠提高農(nóng)村人口素質(zhì)，增強(qiáng)農(nóng)戶內(nèi)生發(fā)展動(dòng)力。早在2004年國家就開始實(shí)施農(nóng)村勞動(dòng)力“陽光工程”培訓(xùn)計(jì)劃，2017年原農(nóng)業(yè)部出臺(tái)《“十三五”全國新型職業(yè)農(nóng)民培育發(fā)展規(guī)劃》，提出到2020年全國新型職業(yè)農(nóng)民總量超過2 000萬人，2018年國務(wù)院印發(fā)的《鄉(xiāng)村振興戰(zhàn)略規(guī)劃(2018-2022年)》明確提出，實(shí)施現(xiàn)代青年農(nóng)場(chǎng)經(jīng)營(yíng)者、農(nóng)村實(shí)用人才和信息職業(yè)農(nóng)民培育工程。

在大量人力、物力投入的情況下，農(nóng)業(yè)培訓(xùn)計(jì)劃取得了一定的成效。李昊等基于1 223份農(nóng)戶問卷，發(fā)現(xiàn)農(nóng)藥施用技術(shù)培訓(xùn)能夠顯著減低農(nóng)藥使用量[5]；熊雪等基于貧困區(qū)1 259份農(nóng)戶數(shù)據(jù)，運(yùn)用PSM方法，發(fā)現(xiàn)培訓(xùn)使農(nóng)戶家庭收入平均增加21.75%[6]，這一結(jié)論也得到國外學(xué)者的驗(yàn)證[7]。隨著研究的推進(jìn)，有學(xué)者開始關(guān)注培訓(xùn)對(duì)農(nóng)戶規(guī)模化經(jīng)營(yíng)的影響。陳秧分等基于東部沿海3省1市323份農(nóng)戶數(shù)據(jù)，發(fā)現(xiàn)農(nóng)業(yè)技術(shù)培訓(xùn)對(duì)農(nóng)戶規(guī)?；?jīng)營(yíng)意愿具有顯著正向影響[8]；同樣，童洪志基于演化博弈和仿真模擬，發(fā)現(xiàn)補(bǔ)貼與貸款失信懲戒或者培訓(xùn)的組合有助于農(nóng)戶擴(kuò)大生產(chǎn)規(guī)模[9]。

已有研究多把培訓(xùn)作為控制變量，忽略了其內(nèi)生性和“自選擇”問題，這可能會(huì)導(dǎo)致估計(jì)偏誤；同時(shí)，培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響機(jī)理如何，現(xiàn)有研究尚未回答。基于此，本文運(yùn)用中國農(nóng)業(yè)大學(xué)國家農(nóng)業(yè)農(nóng)村發(fā)展研究院2018年全國12個(gè)省(自治區(qū))2 340份農(nóng)戶數(shù)據(jù)，嘗試回答培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響：首先從理論上闡明培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響機(jī)理；然后基于農(nóng)戶異質(zhì)性視角，分析培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響，并運(yùn)用工具變量法和PSM解決培訓(xùn)的內(nèi)生性和“自選擇”問題；最后分析培訓(xùn)對(duì)農(nóng)戶計(jì)劃經(jīng)營(yíng)規(guī)模的影響。

一、培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響機(jī)理分析

舒爾茨在《改造傳統(tǒng)農(nóng)業(yè)》中提出，要加大對(duì)人力資本投資，認(rèn)為改造傳統(tǒng)農(nóng)業(yè)的關(guān)鍵在于教育和培訓(xùn)農(nóng)戶。作為一項(xiàng)惠民工程，培訓(xùn)能夠使農(nóng)戶獲得更多農(nóng)業(yè)生產(chǎn)信息、提高其生產(chǎn)經(jīng)營(yíng)能力，進(jìn)而影響農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿。從短期來看，培訓(xùn)能夠使農(nóng)戶獲得更多生產(chǎn)信息、提升其技術(shù)水平；從長(zhǎng)期來看，培訓(xùn)能提高農(nóng)戶素質(zhì)，使其由傳統(tǒng)農(nóng)民轉(zhuǎn)化為現(xiàn)代職業(yè)農(nóng)民。因此，本文主要從信息獲取、技能提升和素質(zhì)提高三個(gè)維度探討培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響機(jī)理。

從信息獲取來看，在農(nóng)業(yè)信息不暢的情況下，培訓(xùn)成為農(nóng)戶獲取信息的重要途徑。培訓(xùn)可使農(nóng)戶獲得更多農(nóng)業(yè)生產(chǎn)信息，如農(nóng)資市場(chǎng)價(jià)格、農(nóng)產(chǎn)品市場(chǎng)價(jià)格等。農(nóng)戶通過對(duì)農(nóng)資以及農(nóng)產(chǎn)品市場(chǎng)價(jià)格的了解能夠比較準(zhǔn)確地判斷市場(chǎng)走勢(shì)，據(jù)此調(diào)整種植結(jié)構(gòu)和經(jīng)營(yíng)規(guī)模，從而減少經(jīng)營(yíng)風(fēng)險(xiǎn)和不確定性。調(diào)研數(shù)據(jù)顯示(2)數(shù)據(jù)來源于中國農(nóng)業(yè)大學(xué)國家農(nóng)業(yè)農(nóng)村發(fā)展研究院組織的2019年寒假返鄉(xiāng)調(diào)研，詢問農(nóng)戶對(duì)未來3～5年糧食價(jià)格走勢(shì)有何判斷：走低=1；說不準(zhǔn)=2；走高=3。在1 861個(gè)樣本中(剔除缺失值)，培訓(xùn)農(nóng)戶的平均值為1.03，未培訓(xùn)農(nóng)戶平均值為0.98。由于2018年數(shù)據(jù)中沒有此變量，故用2019年數(shù)據(jù)進(jìn)行說明。，接受培訓(xùn)農(nóng)戶對(duì)未來3～5年糧食價(jià)格預(yù)期高于未接受培訓(xùn)農(nóng)戶，說明接受培訓(xùn)農(nóng)戶能夠更準(zhǔn)確的把握市場(chǎng)，從而增強(qiáng)其農(nóng)業(yè)經(jīng)營(yíng)信心。同時(shí)，培訓(xùn)能夠使農(nóng)戶及時(shí)準(zhǔn)確的了解當(dāng)前農(nóng)業(yè)農(nóng)村發(fā)展形勢(shì)和農(nóng)業(yè)政策，并根據(jù)最新農(nóng)業(yè)政策來發(fā)掘農(nóng)業(yè)機(jī)遇，從而提高農(nóng)戶對(duì)農(nóng)業(yè)生產(chǎn)的信心和希望。本文以農(nóng)戶是否知道“二輪承包到期后再延長(zhǎng)30年”的政策來衡量其政策認(rèn)知，被調(diào)研農(nóng)戶選擇“知道=1”或“不知道=0”。從表1中可以看出，相對(duì)于未培訓(xùn)農(nóng)戶，培訓(xùn)農(nóng)戶的政策認(rèn)知較高，進(jìn)一步從農(nóng)戶轉(zhuǎn)入面積來看，培訓(xùn)農(nóng)戶轉(zhuǎn)入面積遠(yuǎn)遠(yuǎn)高于未培訓(xùn)農(nóng)戶。

表1 培訓(xùn)和未培訓(xùn)農(nóng)戶政策認(rèn)知和轉(zhuǎn)入面積的差異

注：數(shù)值為均值，括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。

注：小麥種植戶樣本為997戶，由于不同環(huán)節(jié)小麥投入費(fèi)用存在缺失值，平均每個(gè)環(huán)節(jié)樣本為960戶左右。

圖1 小麥種植戶中培訓(xùn)農(nóng)戶與未培訓(xùn)農(nóng)戶農(nóng)業(yè)生產(chǎn)資料投入

注：玉米種植戶樣本為1 255戶，由于不同環(huán)節(jié)玉米投入費(fèi)用存在缺失值，平均每個(gè)環(huán)節(jié)樣本為1 200戶左右。

圖2 玉米種植戶中培訓(xùn)農(nóng)戶與未培訓(xùn)農(nóng)戶農(nóng)業(yè)生產(chǎn)資料投入

從技能提升來看，一般來說，接受過培訓(xùn)的農(nóng)戶掌握更多農(nóng)業(yè)生產(chǎn)技能，如科學(xué)施用化肥和農(nóng)藥、預(yù)防和防治病蟲害以及高效管理農(nóng)業(yè)等。以小麥和玉米種植戶為例，從圖1和圖2可以看出，相對(duì)于未接受培訓(xùn)的農(nóng)戶，接受培訓(xùn)農(nóng)戶的種苗費(fèi)、化肥費(fèi)、農(nóng)藥費(fèi)和水電及灌溉費(fèi)都明顯較少。已有研究也證明，培訓(xùn)能夠顯著降低農(nóng)業(yè)生產(chǎn)成本、增加農(nóng)戶收入[5-6]?？梢哉f，農(nóng)戶農(nóng)業(yè)生產(chǎn)技能的提升不僅能夠有效提高農(nóng)業(yè)效益，也會(huì)使農(nóng)戶對(duì)未來農(nóng)業(yè)發(fā)展充滿信心和憧憬，進(jìn)而激發(fā)其擴(kuò)大農(nóng)地規(guī)模意愿。

從素質(zhì)提高來看，培訓(xùn)不僅僅能提高農(nóng)戶技術(shù)水平，更重要的是把傳統(tǒng)農(nóng)民改造為現(xiàn)代職業(yè)農(nóng)民，即具有較強(qiáng)經(jīng)營(yíng)管理能力和創(chuàng)新精神。通過培訓(xùn)農(nóng)戶可接觸更多、更先進(jìn)的企業(yè)管理理念，從而運(yùn)用到農(nóng)業(yè)經(jīng)營(yíng)管理中，特別是對(duì)于雇工較多的合作社和現(xiàn)代農(nóng)業(yè)企業(yè)尤為重要。運(yùn)用現(xiàn)代科學(xué)管理理念可以有效降低農(nóng)業(yè)生產(chǎn)成本、提高農(nóng)業(yè)生產(chǎn)效率，進(jìn)而提升農(nóng)業(yè)經(jīng)營(yíng)者擴(kuò)大農(nóng)地規(guī)模的信心。同時(shí)，培訓(xùn)能夠顯著提高農(nóng)戶環(huán)境認(rèn)知水平和新技術(shù)采納概率。調(diào)研數(shù)據(jù)顯示(3)對(duì)于不同的技術(shù)：技術(shù)采納=1；不采納=0。農(nóng)機(jī)更新頻率：一直用到不能用=1；用舊了就買新的=2；出現(xiàn)更先進(jìn)、更新的設(shè)備馬上購入=3。對(duì)于作物新品種，培訓(xùn)農(nóng)戶平均值為0.7，未培訓(xùn)農(nóng)戶為0.6。對(duì)于秸稈還田技術(shù)，培訓(xùn)農(nóng)戶為0.679，未培訓(xùn)農(nóng)戶為0.588。對(duì)于綠色防控技術(shù)，培訓(xùn)農(nóng)戶為0.200，未培訓(xùn)農(nóng)戶為0.068。對(duì)于節(jié)水灌溉技術(shù)，培訓(xùn)農(nóng)戶為0.394，未培訓(xùn)農(nóng)戶為0.287。對(duì)于農(nóng)機(jī)具更新頻率，培訓(xùn)農(nóng)戶為1.451，未培訓(xùn)農(nóng)戶為1.377。由于2018年數(shù)據(jù)中沒有此變量，故用2019年數(shù)據(jù)進(jìn)行說明。，接受培訓(xùn)農(nóng)戶作物新品種采納、秸稈還田技術(shù)采納、綠色防控技術(shù)采納、節(jié)水灌溉技術(shù)采納以及農(nóng)機(jī)具更新頻率的平均值都高于未培訓(xùn)農(nóng)戶，說明接受培訓(xùn)農(nóng)戶更具有創(chuàng)新和冒險(xiǎn)精神，而這會(huì)進(jìn)一步增強(qiáng)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模的信心。

總之，相對(duì)于未接受培訓(xùn)農(nóng)戶，接受培訓(xùn)農(nóng)戶可以獲得更多的信息、技術(shù)和管理理念，而且，接受培訓(xùn)農(nóng)戶能夠更加準(zhǔn)確判斷當(dāng)前農(nóng)業(yè)發(fā)展形勢(shì)，從而提升其擴(kuò)大經(jīng)營(yíng)規(guī)模的信心。

二、數(shù)據(jù)、變量與模型

1.數(shù)據(jù)來源

表2 樣本地區(qū)分布

本文數(shù)據(jù)來源于中國農(nóng)業(yè)大學(xué)國家農(nóng)業(yè)農(nóng)村發(fā)展研究院2018年1-2月寒假返鄉(xiāng)調(diào)研。調(diào)研人員來源于中國農(nóng)業(yè)大學(xué)各個(gè)專業(yè)的本科、碩士和博士生，在調(diào)研之前組織專門培訓(xùn)活動(dòng)，講解問卷中的難點(diǎn)和疑點(diǎn)。同時(shí)，按照地區(qū)和人數(shù)對(duì)調(diào)研人員分組，每組設(shè)立組長(zhǎng)負(fù)責(zé)收發(fā)放問卷以及解答調(diào)研過程中遇到的各種問題，對(duì)于回收的問卷有專人進(jìn)行審查，并通過獎(jiǎng)懲機(jī)制(對(duì)于問卷質(zhì)量較高的調(diào)研人員進(jìn)行獎(jiǎng)勵(lì)，而對(duì)于質(zhì)量較差的問卷予以剔除并降低調(diào)研人員的勞務(wù)費(fèi))來提高問卷質(zhì)量。問卷包括農(nóng)戶問卷和村級(jí)問卷，要求每個(gè)村莊隨機(jī)抽取15～20戶，最終獲得2 553份農(nóng)戶問卷和159份村級(jí)問卷。在數(shù)據(jù)處理過程中把村級(jí)問卷和農(nóng)戶問卷匹配，剔除匹配不一致以及缺失值較多的樣本。由于本研究主要分析農(nóng)戶擴(kuò)大農(nóng)地規(guī)模的意愿，故剔除當(dāng)前經(jīng)營(yíng)規(guī)模為零的農(nóng)戶，最終獲得2 340份農(nóng)戶問卷，來自12個(gè)省(自治區(qū))、136個(gè)縣(縣級(jí)市、區(qū))、159個(gè)村莊。其中，12個(gè)省(自治區(qū))包括東北地區(qū)(吉林和黑龍江)、東部地區(qū)(山東、江蘇和河北)、中部地區(qū)(安徽、江西、河南、湖北和湖南)和西部地區(qū)(內(nèi)蒙古和四川)，具體樣本分布如表2所示。

2.變量選取與描述性統(tǒng)計(jì)分析

(1)因變量——農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿。為探討當(dāng)前農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿，在問卷中詢問農(nóng)戶“未來三年是否計(jì)劃擴(kuò)大規(guī)模？”，如果農(nóng)戶未來計(jì)劃擴(kuò)大規(guī)模則為1，反之則為0。為進(jìn)一步挖掘農(nóng)戶規(guī)?；?jīng)營(yíng)潛在需求，對(duì)于選擇擴(kuò)大農(nóng)地規(guī)模的農(nóng)戶，進(jìn)一步詢問“計(jì)劃擴(kuò)大到多少(畝)”。

(2)核心自變量——農(nóng)業(yè)生產(chǎn)培訓(xùn)。由于中國社會(huì)普遍以家庭為單位，因此直接詢問被調(diào)研者是否參加培訓(xùn)可能存在偏誤，在調(diào)研中詢問“家人是否受過農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)培訓(xùn)？”，被調(diào)研者選擇“是”或“否”。這里的家人主要是指家庭中共享收入的成員。

(3)控制變量。為更好測(cè)度培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響，本文從農(nóng)戶特征、家庭特征和村莊特征三個(gè)層面來控制相關(guān)變量，包括性別、年齡、教育程度、家庭勞動(dòng)力數(shù)、非農(nóng)就業(yè)、經(jīng)營(yíng)類型、經(jīng)營(yíng)范圍、是否城郊、小康村、經(jīng)濟(jì)水平、地形特征和農(nóng)地交易平臺(tái)。相關(guān)變量的描述性統(tǒng)計(jì)如表3所示。

表3 變量描述性統(tǒng)計(jì)

3.模型設(shè)定

(1)Probit模型和Cloglog模型?？紤]到農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿為二值變量，故選擇二元Probit模型來分析農(nóng)戶選擇擴(kuò)大農(nóng)地規(guī)模的影響因素。模型設(shè)定如下：

(1)

Expandi=β0+β1traini+γzi+δregioni+εi

(2)

式(1)和式(2)中，Expandi為農(nóng)戶是否愿意選擇擴(kuò)大農(nóng)地規(guī)模，Expandi=1時(shí)，農(nóng)戶選擇擴(kuò)大農(nóng)地規(guī)模，Expandi=0時(shí)，農(nóng)戶不選擇擴(kuò)大農(nóng)地規(guī)模，p為農(nóng)戶選擇擴(kuò)大農(nóng)地規(guī)模的概率，traini為農(nóng)戶是否參加培訓(xùn)，β1為培訓(xùn)的系數(shù)，zi為控制變量，包括性別、年齡、教育程度、家庭勞動(dòng)力數(shù)、非農(nóng)就業(yè)、經(jīng)營(yíng)類型、經(jīng)營(yíng)范圍、是否城郊、小康村、經(jīng)濟(jì)水平、地形特征和農(nóng)地交易平臺(tái)，γ為控制變量系數(shù)，regioni為地區(qū)虛擬變量，δ為地區(qū)虛擬變量系數(shù)。

由于愿意擴(kuò)大農(nóng)地規(guī)模的農(nóng)戶較少(約占總樣本的16.7%)，直接運(yùn)用Probit模型可能會(huì)導(dǎo)致“稀有事件偏差”[10]，借鑒普蓂喆等的做法，運(yùn)用“補(bǔ)對(duì)數(shù)模型(Complementary log-log model)”來糾正潛在偏差[11]，具體模型如下：

P=F(Expandi=1|X)=F(X,β)=1-exp{-ex’β}

(3)

式(3)中，P為事件發(fā)生概率，x’β=ln[-ln(1-p)]，即對(duì)發(fā)生概率p的補(bǔ)數(shù)(complement，1-p)取兩次對(duì)數(shù)。X包括核心自變量、控制變量以及地區(qū)虛擬變量，β為變量系數(shù)。

(2)IV-Probit模型。由于核心自變量可能存在內(nèi)生性問題，本部分選擇IV-Probit模型，具體模型設(shè)定如下：

(4)

traini=ω1peer_traini+θzi+δregioni+υi

(5)

(6)

假設(shè)擾動(dòng)項(xiàng)μi和υi的期望為0，服從二維正態(tài)分布，具體形式如下：

(7)

式(7)中，ρ為μi和υi的相關(guān)系數(shù)，如果ρ=0則不存在內(nèi)生性，ρ≠0則存在內(nèi)生性。

(3)傾向得分匹配法(propensity score matching，PSM)。現(xiàn)實(shí)中，農(nóng)戶是否培訓(xùn)并非滿足抽樣的隨機(jī)性，而是存在“自選擇”，即農(nóng)戶是否選擇培訓(xùn)之前的初始條件(如農(nóng)戶的年齡、教育程度和家庭勞動(dòng)力數(shù)等)存在系統(tǒng)差異，如果直接回歸可能會(huì)存在選擇性偏誤。而PSM可以通過構(gòu)造反事實(shí)來解決上述問題，因此，本文選擇傾向得分匹配法。具體步驟如下：

第一，運(yùn)用Logit模型來估計(jì)農(nóng)戶參與培訓(xùn)的概率，估計(jì)傾向得分值，如式(8)所示：

(8)

第二，運(yùn)用鄰近匹配、核匹配、局部線性匹配、半徑匹配和馬氏匹配方法獲得處理組和控制組，從而消除自選擇問題。

第三，根據(jù)上述獲得的匹配樣本，比較處理組和控制組農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的平均差異，即平均處理效應(yīng)(average treatment effect on the treated，ATT)。

北京在多個(gè)領(lǐng)域創(chuàng)新政策亮點(diǎn)突出，尤其是社區(qū)居家養(yǎng)老服務(wù)政策全面領(lǐng)先。此外，北京也位列醫(yī)養(yǎng)結(jié)合政策創(chuàng)新首位，確定了開展省級(jí)醫(yī)養(yǎng)結(jié)合試點(diǎn)，出臺(tái)了相關(guān)服務(wù)標(biāo)準(zhǔn)，明確提出發(fā)展社區(qū)居家老年人慢性病管理，并出臺(tái)促進(jìn)中醫(yī)藥健康養(yǎng)老服務(wù)發(fā)展的政策、規(guī)劃。

ATT=E[(Y1-Y0)|D=1]=E{E[(Y1-Y0)|D=1],P(X)}

(9)

如式(9)所示，D為0-1的二分變量，即D=1表示處理組，D=0為控制組，P(x)為傾向得分值，Y1和Y0分別為接受培訓(xùn)農(nóng)戶和未接受培訓(xùn)農(nóng)戶的估計(jì)結(jié)果。

三、結(jié)果與分析

本文的核心目的是分析培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響。首先，運(yùn)用Probit模型和Cloglog模型做基準(zhǔn)回歸；接著，考慮到農(nóng)戶異質(zhì)性，基于經(jīng)營(yíng)規(guī)模、家庭收入和教育程度以及地區(qū)特征來分析培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響；隨后，考慮到培訓(xùn)的內(nèi)生性問題，以“鄰里培訓(xùn)水平”作為工具變量進(jìn)行解決，并運(yùn)用PSM解決農(nóng)戶培訓(xùn)的“自選擇”問題；進(jìn)一步地，通過樣本調(diào)整和模型調(diào)整對(duì)上述結(jié)果做穩(wěn)健性檢驗(yàn)；最后，對(duì)于計(jì)劃擴(kuò)大農(nóng)地規(guī)模的農(nóng)戶，分析培訓(xùn)對(duì)其計(jì)劃經(jīng)營(yíng)規(guī)模的影響。

1.培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響

在回歸之前首先做多重共線性檢驗(yàn)，方差膨脹因子(VIF)檢驗(yàn)結(jié)果為1.79，說明不存在多重共線性?；貧w結(jié)果如表4所示，Probit模型和Cloglog模型的第(1)列只控制核心自變量——培訓(xùn)，第(2)列進(jìn)一步控制農(nóng)戶、家庭和村莊變量，第(3)列控制農(nóng)戶、家庭、村莊以及地區(qū)虛擬變量?？傮w來看，無論是Probit模型還是Cloglog模型，培訓(xùn)系數(shù)都為正且在1%水平上顯著，說明培訓(xùn)能夠顯著提升農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿。進(jìn)一步對(duì)比回歸系數(shù)發(fā)現(xiàn)，Cloglog模型中培訓(xùn)的系數(shù)高于Probit模型，說明控制潛在“稀有事件偏差”后，培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿影響更大。

從控制變量來看，性別系數(shù)顯著為正，說明男性擴(kuò)大農(nóng)地規(guī)模意愿更強(qiáng)；年齡系數(shù)顯著為負(fù)，說明年齡越大其擴(kuò)大經(jīng)營(yíng)規(guī)模意愿越低；家庭勞動(dòng)力系數(shù)顯著為正，說明家庭勞動(dòng)力越多，農(nóng)戶擴(kuò)大經(jīng)營(yíng)規(guī)模意愿越強(qiáng)，可能原因是雖然機(jī)器在不斷替代勞動(dòng)，但是人依然是現(xiàn)代農(nóng)業(yè)生產(chǎn)中最主要的生產(chǎn)力；非農(nóng)就業(yè)系數(shù)顯著為負(fù)，說明非農(nóng)收入越高，農(nóng)戶越不愿意擴(kuò)大經(jīng)營(yíng)規(guī)模，這也與現(xiàn)實(shí)情況相符，即農(nóng)戶非農(nóng)收入越高，越不重視農(nóng)業(yè)收入，從而不愿擴(kuò)大經(jīng)營(yíng)規(guī)模；相比于普通農(nóng)戶，專業(yè)大戶和家庭農(nóng)場(chǎng)主擴(kuò)大經(jīng)營(yíng)規(guī)模意愿更強(qiáng)；小康村的系數(shù)顯著為負(fù)，說明小康村農(nóng)戶擴(kuò)大經(jīng)營(yíng)規(guī)模意愿較低，可能原因是小康村自身或者周邊地區(qū)經(jīng)濟(jì)較為發(fā)達(dá)，農(nóng)戶有更多非農(nóng)就業(yè)機(jī)會(huì)。

表4 培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響 N=2 340

注：Probit模型為PseudoR2，Cloglog模型為L(zhǎng)R，括號(hào)中為標(biāo)準(zhǔn)誤，***、**、*分別表示在1%、5%、10%水平上顯著，下同。

2.異質(zhì)性分析

上述回歸僅僅分析了培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿影響的平均效應(yīng)，而未考慮到農(nóng)戶群體的內(nèi)部差異，因此，從農(nóng)戶經(jīng)營(yíng)規(guī)模、家庭收入、教育程度以及地區(qū)差異視角來進(jìn)行異質(zhì)性分析。

從經(jīng)營(yíng)規(guī)模來看，參考許慶等和高鳴的研究[12-13]，根據(jù)調(diào)研的樣本情況(調(diào)研樣本絕大部分為小農(nóng)戶，經(jīng)營(yíng)面積在30畝及以下的農(nóng)戶占總樣本農(nóng)戶的85.43%)，把經(jīng)營(yíng)規(guī)模大于等于30畝的界定為大規(guī)模農(nóng)戶，小于30畝的界定為小規(guī)模農(nóng)戶。可以看出，對(duì)于不同經(jīng)營(yíng)規(guī)模，培訓(xùn)的系數(shù)都為正且在10%水平上顯著，對(duì)比系數(shù)來看，對(duì)于大規(guī)模農(nóng)戶其系數(shù)更大，可能原因是大規(guī)模農(nóng)戶更重視農(nóng)業(yè)生產(chǎn)，接受培訓(xùn)的大規(guī)模農(nóng)戶能夠有效利用其培訓(xùn)獲取的農(nóng)業(yè)信息來提高農(nóng)業(yè)效益，進(jìn)而提升其擴(kuò)大農(nóng)地規(guī)模意愿。

從家庭收入情況來看，根據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，2018年農(nóng)村人均可支配收入達(dá)到14 617元，考慮到目前家庭人口3～4人，以5萬元作為劃分標(biāo)準(zhǔn)，5萬元及以上為高收入農(nóng)戶，五萬元以下為低收入農(nóng)戶。表5可以看出，對(duì)于高收入農(nóng)戶培訓(xùn)系數(shù)為正且在1%水平上顯著，而對(duì)于低收入農(nóng)戶系數(shù)不顯著，說明培訓(xùn)對(duì)高收入農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿具有顯著影響，可能原因是高收入農(nóng)戶本身資金較為充裕，通過培訓(xùn)能夠獲得更多農(nóng)業(yè)信息，進(jìn)而激發(fā)其擴(kuò)大農(nóng)地規(guī)模意愿。

表5 培訓(xùn)對(duì)農(nóng)戶是否擴(kuò)大農(nóng)地規(guī)模影響的異質(zhì)性

表6 培訓(xùn)對(duì)農(nóng)戶是否擴(kuò)大農(nóng)地規(guī)模影響的地區(qū)差異

從地區(qū)差異來看，本文把區(qū)域劃分為東、中、西部和東北地區(qū)，分別考察不同地區(qū)培訓(xùn)的效應(yīng)，如表6所示。在中部和東北地區(qū)，培訓(xùn)系數(shù)顯著為正，而在東部和西部地區(qū)，培訓(xùn)系數(shù)不顯著?？赡茉蚴侵胁亢蜄|北地區(qū)都為農(nóng)業(yè)生產(chǎn)大省，資源稟賦條件較好，農(nóng)戶擴(kuò)大農(nóng)地規(guī)模的意愿較強(qiáng)。

3.內(nèi)生性和“自選擇”問題

上述分析雖然表明培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿具有顯著正向影響，但并未考慮培訓(xùn)的內(nèi)生性和“自選擇”問題。一方面，農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿越強(qiáng)，越傾向于參加培訓(xùn)，從而導(dǎo)致反向因果內(nèi)生性問題；另一方面，農(nóng)戶是否選擇培訓(xùn)并非滿足完全隨機(jī)，而是存在“自選擇”問題，因此，直接回歸可能會(huì)導(dǎo)致估計(jì)偏誤?；诖?，采用工具變量法和PSM解決內(nèi)生性和“自選擇”問題。

(1)工具變量法。理論上，培訓(xùn)存在內(nèi)生性問題，但具體是否存在需要統(tǒng)計(jì)檢驗(yàn)。表7可以看出，外生性Wald檢驗(yàn)在10%水平上顯著，即拒絕培訓(xùn)變量外生性的假設(shè)，說明培訓(xùn)變量存在內(nèi)生性。既然存在內(nèi)生性，則需要尋找合適的工具變量，本文選擇“鄰里培訓(xùn)水平”作為工具變量，具體計(jì)算公式如下：

(10)

表7 工具變量法的回歸結(jié)果 N=2 340

“鄰里培訓(xùn)水平”是否是合適的工具變量？從相關(guān)性來看，在農(nóng)村的熟人社會(huì)，羊群效應(yīng)和示范效應(yīng)發(fā)揮著重要作用，農(nóng)戶是否選擇培訓(xùn)與周邊農(nóng)戶是否選擇培訓(xùn)具有很強(qiáng)的相關(guān)性。從外生性來看，其他農(nóng)戶是否選擇培訓(xùn)很難對(duì)當(dāng)前農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿產(chǎn)生影響。因此，理論上“鄰里培訓(xùn)水平”滿足外生性和相關(guān)性條件，具體是否為合適的工具變量需要進(jìn)一步統(tǒng)計(jì)檢驗(yàn)。表7顯示，弱工具變量AR檢驗(yàn)和Wald檢驗(yàn)在1%水平上顯著，即拒絕弱工具變量的假設(shè)，因此，“鄰里培訓(xùn)水平”可以作為培訓(xùn)的工具變量。

本文運(yùn)用兩階段估計(jì)(2SLS)和最大似然估計(jì)(MLE)進(jìn)行工具變量回歸，如表7所示，無論是2SLS還是MLE估計(jì)，培訓(xùn)的系數(shù)均為正且在1%水平上顯著，且兩種估計(jì)方法的系數(shù)變化不大，進(jìn)一步驗(yàn)證了基準(zhǔn)回歸結(jié)論。

(2)傾向得分匹配法。工具變量法只是解決了反向因果關(guān)系的內(nèi)生性問題，但仍然存在“自選擇”問題，進(jìn)一步運(yùn)用傾向得分匹配法來估計(jì)。如表8所示，除一對(duì)一匹配結(jié)果不顯著外，2鄰近匹配、4鄰近匹配、核匹配、局部線性匹配、半徑匹配和馬氏匹配結(jié)果均顯示接受培訓(xùn)農(nóng)戶和未接受培訓(xùn)農(nóng)戶(處理組和控制組)的平均處理效應(yīng)(ATT)值在5%水平上顯著，說明相對(duì)于未接受培訓(xùn)的農(nóng)戶，接受培訓(xùn)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿更強(qiáng)，這也驗(yàn)證了基準(zhǔn)回歸結(jié)論。

表8 PSM估計(jì)結(jié)果

注：核匹配寬帶選擇默認(rèn)值。

4.穩(wěn)健性檢驗(yàn)

表9 樣本調(diào)整后的穩(wěn)健性檢驗(yàn) N=911

為保證結(jié)果的穩(wěn)健性，進(jìn)一步通過樣本調(diào)整和模型調(diào)整進(jìn)行穩(wěn)健性檢驗(yàn)。

樣本調(diào)整。由于中國農(nóng)業(yè)發(fā)展需要更多年輕勞動(dòng)力參與，而考慮到調(diào)研樣本中農(nóng)戶年齡普遍較大，故剔除50歲及以上樣本來檢視培訓(xùn)對(duì)50歲以下農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響。如表9所示，在控制不同變量的基礎(chǔ)上，培訓(xùn)的系數(shù)依然為正且在1%水平上顯著。

模型調(diào)整。進(jìn)一步運(yùn)用Logit模型進(jìn)行回歸，如表10所示，在控制不同變量的基礎(chǔ)上，培訓(xùn)變量的系數(shù)為正且在1%水平上顯著，說明接受培訓(xùn)農(nóng)戶更愿意擴(kuò)大農(nóng)地規(guī)模。

表10 基于Logit模型的穩(wěn)健性檢驗(yàn) N=2 340

5.擴(kuò)展性分析

上述分析已經(jīng)闡述了培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響，為了更加準(zhǔn)確描述農(nóng)戶規(guī)?；?jīng)營(yíng)行為，對(duì)于愿意擴(kuò)大農(nóng)地規(guī)模的農(nóng)戶，進(jìn)一步詢問其計(jì)劃經(jīng)營(yíng)規(guī)模的大小，農(nóng)戶計(jì)劃經(jīng)營(yíng)規(guī)模從1畝到1 200畝不等(回歸中取對(duì)數(shù))。具體回歸結(jié)果如表11所示。

首先運(yùn)用OLS估計(jì)，在逐步控制不同變量的條件下，培訓(xùn)變量的系數(shù)為正且在5%水平上顯著，說明培訓(xùn)能夠顯著提高農(nóng)戶計(jì)劃經(jīng)營(yíng)規(guī)模。由于因變量本身存在大量的0值截?cái)?，進(jìn)一步采用截?cái)嗷貧w模型，發(fā)現(xiàn)培訓(xùn)變量系數(shù)依然顯著為正，而且，截?cái)嗷貧w模型中培訓(xùn)變量系數(shù)與OLS估計(jì)中的系數(shù)十分接近，說明結(jié)果呈現(xiàn)穩(wěn)健性和可靠性。

表11 培訓(xùn)對(duì)農(nóng)戶計(jì)劃經(jīng)營(yíng)規(guī)模的影響 N=390

注：OLS估計(jì)為R2，截?cái)嗷貧w為Wald檢驗(yàn)。

四、結(jié)論與建議

本文運(yùn)用中國農(nóng)業(yè)大學(xué)國家農(nóng)業(yè)農(nóng)村發(fā)展研究院2018年全國12省(自治區(qū))2 340份農(nóng)戶數(shù)據(jù)，基于Probit模型、Cloglog模型、IV-Probit模型和傾向得分匹配法分析培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響。主要結(jié)論有：第一，培訓(xùn)能夠顯著提升農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿，糾正“稀有事件偏差”后，結(jié)論依然成立且系數(shù)顯著提高。第二，異質(zhì)性分析表明，培訓(xùn)對(duì)大規(guī)模農(nóng)戶和高教育程度農(nóng)戶的影響更大；對(duì)于高收入農(nóng)戶以及中部和東北地區(qū)農(nóng)戶具有顯著正向影響，而對(duì)低收入農(nóng)戶以及東部和西部地區(qū)農(nóng)戶的影響不明顯。第三，考慮到培訓(xùn)的內(nèi)生性，運(yùn)用“鄰里培訓(xùn)水平”作為工具變量，并且在運(yùn)用PSM解決培訓(xùn)的“自選擇”問題后結(jié)論依然成立。第四，通過樣本調(diào)整和模型調(diào)整后，培訓(xùn)對(duì)農(nóng)戶擴(kuò)大農(nóng)地規(guī)模意愿的影響仍然顯著為正。第五，擴(kuò)展性分析顯示，培訓(xùn)能夠顯著提高農(nóng)戶計(jì)劃經(jīng)營(yíng)規(guī)模。

根據(jù)上述分析，得出以下政策建議：第一，強(qiáng)化農(nóng)戶培訓(xùn)力度。從調(diào)研數(shù)據(jù)來看，目前培訓(xùn)農(nóng)戶占總農(nóng)戶的22%，說明大部分農(nóng)戶并未接受培訓(xùn)。因此，應(yīng)把培訓(xùn)作為基層政府的一項(xiàng)重要績(jī)效考核指標(biāo)，加大培訓(xùn)的普及力度。同時(shí)，在每個(gè)村或鄉(xiāng)鎮(zhèn)樹立典型案例，讓農(nóng)戶看到培訓(xùn)帶來的實(shí)實(shí)在在的益處，從而激發(fā)農(nóng)戶參加培訓(xùn)的內(nèi)生動(dòng)力。第二，農(nóng)業(yè)生產(chǎn)培訓(xùn)應(yīng)考慮農(nóng)戶和地區(qū)差異。對(duì)于不同經(jīng)營(yíng)規(guī)模、收入水平、教育程度的農(nóng)戶，培訓(xùn)對(duì)其擴(kuò)大農(nóng)地規(guī)模意愿的效應(yīng)也不同，因此，在培訓(xùn)過程中應(yīng)根據(jù)不同類型農(nóng)戶的特征采取不同的策略。同時(shí)，在培訓(xùn)中也應(yīng)考慮地區(qū)資源稟賦的差異，根據(jù)地區(qū)資源稟賦來調(diào)整培訓(xùn)內(nèi)容和培訓(xùn)方式。第三，著重關(guān)注新型經(jīng)營(yíng)主體的現(xiàn)實(shí)需求。由基準(zhǔn)回歸結(jié)果可知，相對(duì)于小農(nóng)戶，生產(chǎn)大戶和家庭農(nóng)場(chǎng)主擴(kuò)大經(jīng)營(yíng)規(guī)模的意愿更強(qiáng)，因此，應(yīng)重點(diǎn)關(guān)注和了解其現(xiàn)實(shí)困境與需求，進(jìn)而制定有針對(duì)性的培訓(xùn)方案。