基于減量化目標(biāo)的農(nóng)戶施藥行為研究*
——來自7省種糧農(nóng)戶的微觀數(shù)據(jù)

熊 鷹, 李 曉**, 鐘 鈺

(1.四川省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息與農(nóng)村經(jīng)濟(jì)研究所 成都 610066; 2.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)村經(jīng)濟(jì)與發(fā)展研究所北京 100081)

我國(guó)農(nóng)業(yè)發(fā)展已取得了顯著成效, 糧食等重要農(nóng)產(chǎn)品供給有力、市場(chǎng)穩(wěn)定, 農(nóng)業(yè)農(nóng)村經(jīng)濟(jì)發(fā)展保持著穩(wěn)定向好的勢(shì)頭。然而也要看到我國(guó)農(nóng)業(yè)發(fā)展面臨的結(jié)構(gòu)性矛盾, 其中生產(chǎn)與環(huán)境的關(guān)系依然比較突出?？沙掷m(xù)的農(nóng)業(yè)是追求高質(zhì)量發(fā)展的重要組成部分, 更是農(nóng)業(yè)領(lǐng)域深入貫徹落實(shí)習(xí)近平總書記“綠水青山就是金山銀山”理念的根本要求。農(nóng)藥施用對(duì)于防范農(nóng)作物病蟲害、提高產(chǎn)量具有積極的作用, 但多年來農(nóng)藥過量投入、施用不合理等問題長(zhǎng)期存在, 導(dǎo)致我國(guó)農(nóng)藥利用率遠(yuǎn)低于發(fā)達(dá)國(guó)家, 據(jù)農(nóng)業(yè)農(nóng)村部公布的數(shù)據(jù)顯示, 2019年3大糧食作物農(nóng)藥利用率為39.8%, 遠(yuǎn)低于發(fā)達(dá)國(guó)家農(nóng)藥利用率60%以上的水平。農(nóng)藥過量投入及其低效利用不僅造成資源浪費(fèi)、增加生產(chǎn)成本, 而且大量的農(nóng)藥散逸于土壤、水體及大氣之中, 引發(fā)了一系列環(huán)境問題[1]。為此, 2015年原農(nóng)業(yè)部頒布了《農(nóng)藥使用量零增長(zhǎng)行動(dòng)方案》, 2017年和2019年中央“一號(hào)文件”分別提出“農(nóng)藥使用量零增長(zhǎng)”和“農(nóng)藥使用量負(fù)增長(zhǎng)”的行動(dòng)計(jì)劃。在政策引導(dǎo)下, 我國(guó)農(nóng)藥使用量從2015年的178.3萬t下降到2019年的139.2萬t, 減量成效初步顯現(xiàn)。但農(nóng)藥減施效果的可持續(xù)性主要取決于微觀主體的實(shí)施行為, 農(nóng)戶是農(nóng)藥的直接使用者, 作為“理性經(jīng)濟(jì)人”, 其施藥行為旨在追求收益最大化, 考慮自身稟賦和自然、經(jīng)濟(jì)、社會(huì)等因素所作出的最終決策[2]。因此, 為了繼續(xù)保持農(nóng)藥使用量零或負(fù)增長(zhǎng)的良好態(tài)勢(shì), 有必要對(duì)影響農(nóng)戶施藥行為的具體因素展開深入研究, 并采取針對(duì)性的措施引導(dǎo)農(nóng)戶減少農(nóng)藥的不合理投入。

國(guó)內(nèi)外學(xué)者對(duì)影響農(nóng)戶施藥行為的諸多因素已展開了深入的研究, 主要包括3個(gè)方面: 1)個(gè)體和家庭因素對(duì)農(nóng)戶施藥行為的影響研究。一些學(xué)者對(duì)施藥農(nóng)戶的性別差異進(jìn)行了探討, 指出男性比女性更致力于了解農(nóng)藥基礎(chǔ)知識(shí)以確保農(nóng)藥施用的預(yù)期效果,施藥行為更加規(guī)范[3-5]; 但Wang等[6]的研究表明男性施藥行為的安全性相比女性較低。Ntow等[7]認(rèn)為年齡是影響農(nóng)戶施藥行為的重要因素, 年齡越大的農(nóng)戶, 對(duì)個(gè)人經(jīng)驗(yàn)的依賴性越強(qiáng), 規(guī)范施藥的可能性越低[8-9]; 但Hashemi等[10]研究表明, 年齡越大的農(nóng)戶, 其種植經(jīng)驗(yàn)越豐富, 對(duì)農(nóng)藥傷害的感知越強(qiáng),越重視施藥的安全性。農(nóng)戶受教育程度也被視為影響農(nóng)戶施藥行為的重要因素, 受教育程度較高的農(nóng)戶對(duì)新知識(shí)的接受度相對(duì)較高, 也能夠更加全面地了解農(nóng)藥施用技術(shù), 由此對(duì)合理使用農(nóng)藥產(chǎn)生了極大地促進(jìn)作用[11-13]。針對(duì)家庭人口數(shù)對(duì)農(nóng)戶施藥行為的影響, 有研究顯示, 家庭人口量越大, 越容易受生計(jì)壓力的影響, 農(nóng)戶越想要通過大量施藥以保障農(nóng)業(yè)收入[14-15], 但家庭人口中種地人口數(shù)較多,農(nóng)戶家庭則會(huì)更加關(guān)注農(nóng)藥施用信息[16]。2)生產(chǎn)經(jīng)營(yíng)因素對(duì)農(nóng)戶施藥行為的影響。一些學(xué)者已對(duì)土地經(jīng)營(yíng)規(guī)模影響農(nóng)戶施藥行為的問題進(jìn)行了探討, 多數(shù)研究表明經(jīng)營(yíng)規(guī)模較小的農(nóng)戶受耕地面積所限,對(duì)于新技術(shù)、新品種的采納積極性不高。過量或施用高毒、禁用農(nóng)藥的可能性較大, 而生產(chǎn)規(guī)模較大的農(nóng)戶, 對(duì)農(nóng)產(chǎn)品質(zhì)量安全的重視程度更高, 也更加注重農(nóng)藥的安全施用[17-19]。但也有研究表明, 種植面積大的農(nóng)戶, 為了規(guī)避風(fēng)險(xiǎn)而更容易采取過量施藥行為[20]。農(nóng)戶生產(chǎn)目的和農(nóng)業(yè)收入占比對(duì)農(nóng)戶施藥行為的影響也受到不少學(xué)者的關(guān)注, 普遍認(rèn)為以市場(chǎng)銷售為主要生產(chǎn)目的、農(nóng)業(yè)收入占比越高,農(nóng)戶施藥量越大[15,21-24]。3)外部環(huán)境因素對(duì)農(nóng)戶施藥行為的影響研究。已有研究表明, 農(nóng)戶施藥行為受市場(chǎng)激勵(lì)影響較大, 隨著農(nóng)產(chǎn)品價(jià)格的上漲, 農(nóng)戶會(huì)加大農(nóng)藥施用量[25], 而農(nóng)產(chǎn)品價(jià)格下降, 則會(huì)引起農(nóng)戶施藥量的減少[26]。并且, 參加農(nóng)業(yè)保險(xiǎn)的農(nóng)戶, 其不合理施藥行為的發(fā)生概率越低[27-28]。由于農(nóng)戶減少農(nóng)藥施用具有正的外部性和效益的緩釋性,在缺乏政策激勵(lì)的情況下, 農(nóng)戶施藥行為往往不能達(dá)到社會(huì)最優(yōu)水平, 因此有必要加強(qiáng)政府引導(dǎo)[29]。一些研究表明, 政府提供生產(chǎn)補(bǔ)貼[30-31]、加強(qiáng)技能培訓(xùn)[9,32-33]和宣傳教育[34-35]等, 對(duì)規(guī)范農(nóng)戶施藥行為具有顯著影響。但也有研究表明, 一些針對(duì)農(nóng)產(chǎn)品價(jià)格和要素投入的補(bǔ)貼政策可能對(duì)農(nóng)戶安全生產(chǎn)產(chǎn)生負(fù)面影響, 如對(duì)糧食價(jià)格的補(bǔ)貼可能導(dǎo)致化肥、農(nóng)藥的過度使用[36-37]。

總體而言, 既有研究成果已經(jīng)相當(dāng)豐富, 不僅從農(nóng)戶及其家庭和生產(chǎn)經(jīng)營(yíng)特征等內(nèi)部視角展開分析, 也從市場(chǎng)和政府等外部環(huán)境視角展開分析, 但因研究對(duì)象或方法選擇不同, 研究結(jié)論存在差異,并且現(xiàn)有研究也存在較大的改進(jìn)空間。首先, 對(duì)影響農(nóng)戶施藥行為的部分因素缺乏深入考量, 如探討土地要素對(duì)農(nóng)戶施藥行為的影響時(shí), 現(xiàn)有研究?jī)H局限于分析土地經(jīng)營(yíng)規(guī)模對(duì)農(nóng)戶施藥行為的影響, 缺乏從地權(quán)穩(wěn)定性、土地集中度等綜合反映土地要素特征的因素展開深入分析; 針對(duì)生產(chǎn)補(bǔ)貼對(duì)農(nóng)戶施藥行為的影響分析, 現(xiàn)有研究多是將補(bǔ)貼因素作為虛擬變量引入計(jì)量模型, 這種方法僅粗略估計(jì)了補(bǔ)貼與否對(duì)農(nóng)戶施藥行為的影響, 無法具體識(shí)別不同補(bǔ)貼對(duì)農(nóng)戶施藥行為的作用大小。其次, 現(xiàn)有研究多采用OLS模型或二項(xiàng)Logit模型估計(jì)方法進(jìn)行實(shí)證分析, 而農(nóng)戶施藥行為是具有多個(gè)等級(jí)的有序變量, 現(xiàn)有實(shí)證分析方法無法準(zhǔn)確、全面地反映農(nóng)戶施藥行為。為此, 本文通過剖析農(nóng)戶施藥行為的內(nèi)在機(jī)理, 基于黑龍江、遼寧、河北、山東、江西、湖南、四川7省746戶種糧農(nóng)戶的調(diào)查數(shù)據(jù), 采用廣義有序Logit模型深入分析影響農(nóng)戶施藥行為的主要因素, 旨在豐富農(nóng)戶施藥行為的理論研究, 并為政府部門制定相關(guān)政策引導(dǎo)農(nóng)戶合理施藥提供決策參考。

1 農(nóng)戶施藥行為的內(nèi)在機(jī)理分析

農(nóng)藥雖然不能直接提升產(chǎn)量, 但通過減少病蟲草害發(fā)生, 可以間接提升糧食產(chǎn)量。Hall等[38]和Talpaz等[39]最早將農(nóng)藥投入引入生產(chǎn)函數(shù), 并定義為damage-abatement生產(chǎn)函數(shù), 此后Fox等[40]對(duì)damage-abatement生產(chǎn)函數(shù)的具體形式進(jìn)行了解析。以使用數(shù)量最多的殺蟲劑為例, 在第1階段, 假設(shè)未施農(nóng)藥時(shí), 害蟲數(shù)量為A0, 對(duì)面積為S的耕地施用農(nóng)藥強(qiáng)度為T, 能夠殺死的害蟲比例為P(ST), 0≤P(ST)≤1。鑒于農(nóng)戶個(gè)體特征影響到農(nóng)藥施用效果, 為此把P(ST)當(dāng)作隨農(nóng)戶個(gè)體變換的可變量Pi(ST),i表示第i個(gè)農(nóng)戶個(gè)體。并且, 假設(shè)殺蟲數(shù)量和農(nóng)藥施用量成正比, 即害蟲數(shù)量的控制函數(shù)如下:

第2階段, 將糧食現(xiàn)實(shí)產(chǎn)量假設(shè)為Y, 無害蟲干擾的潛在產(chǎn)量是Q(X),X代表土地、化肥等生產(chǎn)要素的向量, 害蟲影響糧食生產(chǎn)的比例為φ, 數(shù)量A的害蟲對(duì)糧食產(chǎn)量的影響為D()A, 一般而言即害蟲數(shù)量越多, 對(duì)糧食生產(chǎn)造成的影響越大。因此, 考慮害蟲影響下的糧食生產(chǎn)函數(shù)可表示為:

由式(1)、(2)推導(dǎo)出涉及農(nóng)藥投入的damage-abatement生產(chǎn)函數(shù)如下:

假設(shè)糧食銷售價(jià)格、農(nóng)藥購(gòu)買價(jià)格、糧田補(bǔ)貼分別為p、c、γ, 除農(nóng)藥外的其他生產(chǎn)要素X的價(jià)格標(biāo)準(zhǔn)化為q, 可將農(nóng)戶的利潤(rùn)表示如下:

我國(guó)糧食的價(jià)格受政府調(diào)控定價(jià),p為外生變量。農(nóng)戶作為“理性經(jīng)濟(jì)人”, 其施藥行為決策是為了實(shí)現(xiàn)利潤(rùn)最大化, 將式(3)代入式(4)可得最優(yōu)的農(nóng)藥施用強(qiáng)度決策條件:

從式(6)可以看出, 農(nóng)戶施藥決策受到糧食的產(chǎn)量Q(X)、售價(jià)p、農(nóng)藥購(gòu)買價(jià)格c、農(nóng)戶的認(rèn)知農(nóng)藥水平ρi和糧食種植面積S等因素的影響。其中,糧食產(chǎn)量Q(X)又受到種糧補(bǔ)貼的提高、病蟲害保險(xiǎn)的推廣、農(nóng)業(yè)技術(shù)培訓(xùn)的普及等政府激勵(lì)政策的影響; 農(nóng)戶對(duì)農(nóng)藥殺蟲效果的認(rèn)知又受其性別、年齡、受教育程度、種糧收入占比、種糧動(dòng)機(jī)等個(gè)體及家庭因素的影響; 種糧面積不僅與土地規(guī)模, 還與地權(quán)穩(wěn)定性、土地集中度等因素有關(guān)。

基于上述理論分析并結(jié)合相關(guān)文獻(xiàn)的補(bǔ)充完善,本文提出影響農(nóng)戶施藥行為的因素包括性別、年齡、受教育程度、務(wù)農(nóng)勞動(dòng)力人數(shù)等農(nóng)戶個(gè)體與家庭因素, 種糧面積、地權(quán)穩(wěn)定性、地塊集中度、種糧收入占比、種糧動(dòng)機(jī)等農(nóng)戶生產(chǎn)經(jīng)營(yíng)因素, 糧食銷售價(jià)格、農(nóng)藥購(gòu)買價(jià)格、種糧補(bǔ)貼、農(nóng)業(yè)技術(shù)培訓(xùn)、農(nóng)業(yè)生產(chǎn)保險(xiǎn)等外部環(huán)境因素, 而各種因素對(duì)農(nóng)戶施藥行為的作用顯著性及其影響方向和影響程度,還需要通過實(shí)證分析進(jìn)一步檢驗(yàn)。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

從課題組2019年4—5月在黑龍江、遼寧、河北、山東、江西、湖南、四川等7個(gè)產(chǎn)糧大省的種糧農(nóng)戶調(diào)查活動(dòng)中獲取數(shù)據(jù)。被調(diào)查者是家庭中從事種糧并進(jìn)行生產(chǎn)決策的農(nóng)戶。調(diào)查主要圍繞影響農(nóng)戶施藥行為的個(gè)體與家庭、生產(chǎn)經(jīng)營(yíng)和外部環(huán)境3類因素展開, 通過面談和問卷調(diào)研, 發(fā)放了850份問卷, 將信息不全、信息填寫錯(cuò)誤的問卷剔除, 最終保留了746份有效問卷, 有效問卷占比87.76%。樣本農(nóng)戶的基本特征如表1所示。

表1 樣本農(nóng)戶基本統(tǒng)計(jì)特征Table 1 Basic statistical characteristics of sample farmers

調(diào)查結(jié)果顯示, 樣本農(nóng)戶年齡主要分布于45～65歲, 占樣本總量的62.6%; 農(nóng)戶受教育程度主要為小學(xué)和初中, 占樣本總量的71.45%, 受教育程度在大專及以上的僅有3.08%; 農(nóng)戶家庭人口中務(wù)農(nóng)勞動(dòng)力普遍偏少, 83.11%的農(nóng)戶家庭務(wù)農(nóng)勞動(dòng)力不超過2人; 農(nóng)戶的糧食生產(chǎn)規(guī)模相對(duì)較小, 種植面積不足3.33 hm2的農(nóng)戶占比為65.82%; 種糧收入占總收入比值不超過50%的農(nóng)戶占到54.56%, 表明種糧兼業(yè)化趨勢(shì)比較明顯; 樣本農(nóng)戶種糧動(dòng)機(jī)主要是自給和增收或純粹為了增收, 完全以自給為種糧目的的農(nóng)戶僅占13.00%?？傮w而言, 樣本農(nóng)戶以受教育程度不高的中老年人口為主, 在農(nóng)業(yè)生產(chǎn)中呈現(xiàn)出勞動(dòng)力不足、種植規(guī)模不大、種糧以自給和增收或純粹以增收為目的、但種糧收入占總收入比重仍然偏低等特征。

2.2 模型與變量

在研究影響農(nóng)戶施藥行為的有關(guān)因素時(shí), 通常將農(nóng)藥投入當(dāng)作連續(xù)變量, 運(yùn)用OLS等方法展開分析。然而, 這一處理方法對(duì)于農(nóng)戶群體差異下的不同生產(chǎn)決策以及所受到的不同因素影響等問題關(guān)注不足。為此, 本文按不同施藥程度將農(nóng)戶施藥行為分不同等級(jí), 當(dāng)因變量是有序離散變量時(shí), 通常運(yùn)用有序Logit模型進(jìn)行分析。不過此模型以平行線假設(shè)或比例優(yōu)勢(shì)假設(shè)為前提, 也即是假設(shè)對(duì)于不同次序類別的因變量, 自變量產(chǎn)生了相同的影響[41]?？蓮默F(xiàn)實(shí)情況來看, 此假設(shè)往往是不成立的。Williams[42]在2006年提出了兩種處理方式: ①將其前提假設(shè)徹底舍棄, 僅在有序Logit模型下展開分析;②把定序變量當(dāng)作定類變量, 在多項(xiàng)Logit模型下展開分析。這兩種方法都存在一定的不足, 前者的結(jié)果誤差相對(duì)較大; 后者的次序信息丟失, 與研究目的相偏離。廣義有序Logit模型不受以上假設(shè)限制,并可將因變量次序信息反映出來, 能夠得到更為準(zhǔn)確的估計(jì)結(jié)果且與研究目的相符。定義廣義的有序Logit模型如下:

式中:y∈ [1,M];j∈ [1,M- 1],M為各定序變量的類別數(shù),j取值1, 2, ···,M-1; 其不同取值時(shí)的概率分別為:

本文中, 模型的因變量被分為4個(gè)序次類別,即M=4; 1, 2, ···,M-1代表有序多類因變量的j個(gè)類別; 就j=1而言, 對(duì)比了類別1的因變量和類別2、3、4的因變量; 對(duì)于j=2, 則因變量類別1、2與類別3、4比較; 對(duì)于j=3, 則因變量類別1、2、3與類別4比較, 具體采用統(tǒng)計(jì)軟件Stata14.0對(duì)樣本數(shù)據(jù)進(jìn)行回歸處理。

本文因變量采用農(nóng)戶施藥強(qiáng)度來衡量, 根據(jù)農(nóng)戶的農(nóng)藥投入水平, 將施藥強(qiáng)度分為低、中、較高、高4個(gè)等級(jí), 分別取值為0、1、2、3。由于市場(chǎng)上的農(nóng)藥種類繁多, 一些受訪農(nóng)戶對(duì)農(nóng)藥類型和用量記憶不清, 此種情況下, 借助以下方式對(duì)農(nóng)藥施用強(qiáng)度進(jìn)行估算: 首先, 將樣本農(nóng)戶的農(nóng)藥施用次數(shù)均值n*計(jì)算出來, 以n*作為基數(shù), 設(shè)定40%的浮動(dòng)范圍, 低于 0.6n*以下判定為施藥強(qiáng)度低,0.6n*～1.4n*為施藥強(qiáng)度中等, 1.4n*～2n*為施藥強(qiáng)度較高, 大于2n*為施藥強(qiáng)度高。自變量中, 農(nóng)藥購(gòu)買價(jià)格也同樣存在因不同種類和規(guī)格的農(nóng)藥難以統(tǒng)一標(biāo)準(zhǔn)進(jìn)行度量的困難, 而農(nóng)藥購(gòu)買價(jià)格是為了反映農(nóng)藥投入成本, 因此采用單位面積農(nóng)藥投入成本進(jìn)行衡量。地塊集中度取決于各地塊間的距離, 但當(dāng)存在較多數(shù)量的地塊時(shí), 距離數(shù)據(jù)的測(cè)算就不夠準(zhǔn)確, 因此該變量以農(nóng)戶主觀性的地塊集中度評(píng)價(jià)為依據(jù)。各變量解釋及特征值如表2所示。

表2 農(nóng)戶施藥行為調(diào)查的變量解釋及特征值Table 2 Variables explanation and characteristic values of farmers’ behavior survey of pesticide input

3 結(jié)果與分析

3.1 模型回歸結(jié)果

廣義定序Logit回歸結(jié)果如表3所示, pseudoR2為0.58, wald2χ為1059.53, prob＞2χ為0.0000, log pseudo likelihood為-383.52。結(jié)果顯示, 回歸模型具有較高的擬合度, 且具有一定的解釋力。表3報(bào)告了變量系數(shù)、Z值、Odds Ratio值(以下簡(jiǎn)稱“OR值”)以及Robust標(biāo)準(zhǔn)誤等結(jié)果值, 系數(shù)值為正, 說明自變量越大, 農(nóng)戶高強(qiáng)度施藥的可能性較大; 系數(shù)值為負(fù),說明自變量越大, 農(nóng)戶低強(qiáng)度施藥的可能性較大。從影響農(nóng)戶施藥強(qiáng)度的顯著因素來看, 農(nóng)戶年齡越小、受教育程度越高、種糧面積越大、地塊集中度越高、地權(quán)穩(wěn)定性越好、以自給為目的、農(nóng)藥投入成本越低、參與農(nóng)業(yè)技術(shù)培訓(xùn)和病蟲害保險(xiǎn), 施藥強(qiáng)度越低。

表3 農(nóng)戶施藥強(qiáng)度影響因素回歸結(jié)果Table 3 Regression results of impact factors of pesticide input intensity of farmers

續(xù)表3

本文還對(duì)自變量取均值對(duì)農(nóng)戶施藥強(qiáng)度概率所產(chǎn)生的邊際貢獻(xiàn)(MEMs)以及自變量對(duì)農(nóng)戶施藥強(qiáng)度概率的平均邊際貢獻(xiàn)(AMEs)進(jìn)行了測(cè)算, 以此識(shí)別各自變量對(duì)農(nóng)戶施藥強(qiáng)度的不同影響。表4和表5的結(jié)果顯示, MEMs和AMEs存在明顯的差異。雖然MEMs更易計(jì)算, 可就非線性回歸來講, 個(gè)體平均行為和平均個(gè)體行為差異較大, 采用AMEs解釋自變量對(duì)農(nóng)戶施藥強(qiáng)度概率的平均貢獻(xiàn)更具有現(xiàn)實(shí)意義。

表4 自變量取均值對(duì)農(nóng)戶施藥強(qiáng)度概率的邊際貢獻(xiàn)(MEMs)Table 4 Marginal effects at mean of farmer’s pesticide input intensity probability (MEMs)

表5 自變量對(duì)農(nóng)戶施藥強(qiáng)度概率的平均邊際貢獻(xiàn)(AMEs)Table 5 Average marginal effects of farmer’s pesticide input intensity probability (AEMs)

3.2 穩(wěn)健性檢驗(yàn)

為進(jìn)一步檢驗(yàn)?zāi)Ｐ偷姆€(wěn)健性, 本文構(gòu)建子樣本加以驗(yàn)證, 若子樣本的實(shí)證結(jié)果與全樣本相近, 說明模型具有穩(wěn)健性, 反之則不具有穩(wěn)健性。本研究中, 調(diào)查農(nóng)戶既有純農(nóng)戶, 也有兼業(yè)農(nóng)戶, 鑒于兼業(yè)農(nóng)戶更具有代表性, 因此將純農(nóng)戶剔除后再進(jìn)行實(shí)證分析, 618戶兼業(yè)農(nóng)戶的子樣本實(shí)證結(jié)果如表6所示, 與表3所示的全樣本實(shí)證結(jié)果基本一致, 表明計(jì)量模型沒有因研究樣本選擇的改變而發(fā)生明顯變化, 模型具有穩(wěn)健性, 研究結(jié)果較為可靠。

表6 農(nóng)戶施藥強(qiáng)度影響因素穩(wěn)健性檢驗(yàn)回歸結(jié)果Table 6 Robust test results of model regression of impact factors of pesticide input intensity of farmers

3.3 結(jié)果分析

1)個(gè)體和家庭因素。對(duì)于年齡變量, 其在y=3時(shí)在P＜1%水平顯著, 方向?yàn)檎?表3); 且在農(nóng)戶施藥強(qiáng)度“較高”的概率的邊際貢獻(xiàn)(0.32%)在P＜5%水平顯著(表5)。表明年齡越大的農(nóng)戶按劑量施用農(nóng)藥的可能性越低, 這可能與其長(zhǎng)期施藥行為的慣性有關(guān)。

對(duì)于受教育程度變量, 其在y=3時(shí)在P＜1%水平顯著, 方向?yàn)樨?fù)(表3); 且在農(nóng)戶施藥強(qiáng)度“高”的概率的邊際貢獻(xiàn)(-12.22%)在P＜1%水平顯著(表5)?？梢娛芙逃捷^高的農(nóng)戶能夠?qū)夹g(shù)信息及施藥方法有更深入地了解與把握, 從而減少農(nóng)藥施用量。

2)生產(chǎn)經(jīng)營(yíng)因素。對(duì)于種糧面積變量, 其在y=3時(shí)在P＜1%水平顯著, 方向?yàn)樨?fù)(表3); 且在農(nóng)戶施藥強(qiáng)度“高”的概率的邊際貢獻(xiàn)(-0.68%)在P＜5%水平顯著(表5)。即種糧面積每增加1個(gè)單位, 農(nóng)戶施藥強(qiáng)度“高”的概率降低0.68%, 表明農(nóng)藥投入的規(guī)模經(jīng)濟(jì)存在, 較大規(guī)模農(nóng)戶的單位農(nóng)藥用量相對(duì)更小, 可能的解釋是規(guī)模種植在一定程度上促使農(nóng)戶掌握一些科學(xué)的種植方法, 對(duì)農(nóng)藥等化學(xué)投入品有更多的了解, 農(nóng)戶施藥行為也更加規(guī)范。

對(duì)于地塊集中度變量, 其在y=3時(shí)在P＜1%水平顯著, 方向?yàn)樨?fù)(表3); 且在農(nóng)戶施藥強(qiáng)度“高”的概率的邊際貢獻(xiàn)(-5.62%)在P＜1%水平顯著(表5)。地塊分散時(shí), 農(nóng)戶在各地塊往返過程中會(huì)產(chǎn)生更多的無效勞動(dòng), 在勞動(dòng)力不足、成本提升的情況下, 地塊分散度較高的農(nóng)戶會(huì)盡可能地減少勞動(dòng)而對(duì)農(nóng)藥等化學(xué)品進(jìn)行大量應(yīng)用。同時(shí), 地塊集中有利于機(jī)械整地、深耕等機(jī)械化作業(yè), 提高耕地質(zhì)量和農(nóng)藥利用效率, 促進(jìn)農(nóng)藥的減量投入。

對(duì)于地權(quán)穩(wěn)定性變量, 其在y=3時(shí)在P＜5%水平顯著, 方向?yàn)樨?fù)(表3); 且在農(nóng)戶施藥強(qiáng)度“較高”的概率的邊際貢獻(xiàn)(-4.03%)在P＜1%水平顯著(表5)。表明地權(quán)穩(wěn)定性提高有利于促進(jìn)農(nóng)戶關(guān)注耕地地力保護(hù), 減少因追求短期利益而過量施用農(nóng)藥。

對(duì)于種糧收入占比變量, 其在y=3時(shí)在P＜1%水平顯著, 方向?yàn)檎?表3); 且在農(nóng)戶施藥強(qiáng)度“較高”的概率的邊際貢獻(xiàn)(13.95%)在P＜5%水平顯著(表5)。即種糧收入占比每增加1個(gè)單位, 農(nóng)戶施藥強(qiáng)度“較高”的概率增加13.95%, 表明種糧收入占比越高的農(nóng)戶越傾向于增加農(nóng)藥施用強(qiáng)度, 以保證實(shí)現(xiàn)生產(chǎn)預(yù)期。

對(duì)于種糧動(dòng)機(jī)變量, 其在y=1時(shí)在P＜10%水平顯著, 方向?yàn)檎?表3); 且在農(nóng)戶施藥強(qiáng)度“低”的概率的邊際貢獻(xiàn)(-3.42%)在P＜5%水平顯著(表5)。表明以自給為目的的農(nóng)戶, 因沒有過度追求產(chǎn)量的生產(chǎn)動(dòng)機(jī), 施藥強(qiáng)度相對(duì)較小, 而以增收為目的的農(nóng)戶, 出于追求產(chǎn)量以獲得更多收益的考慮, 則傾向于多施農(nóng)藥。

3)外部環(huán)境因素。對(duì)于農(nóng)藥投入成本變量, 其在y=3時(shí)在P＜5%水平顯著, 方向?yàn)樨?fù)(表3); 且在農(nóng)戶施藥強(qiáng)度“高”的概率的邊際貢獻(xiàn)(-0.09%)在P＜5%水平顯著(表5)。即農(nóng)藥投入成本每增加1個(gè)單位,農(nóng)戶施藥強(qiáng)度“高”的概率降低0.09%, 但該邊際貢獻(xiàn)值較小, 表明農(nóng)藥投入成本的增加對(duì)抑制農(nóng)戶減少農(nóng)藥投入的作用有限, 農(nóng)戶更看重的是農(nóng)藥使用所實(shí)現(xiàn)的產(chǎn)量保障目標(biāo)。

對(duì)于農(nóng)業(yè)技術(shù)培訓(xùn)變量, 其在y=3時(shí)在P＜1%水平顯著, 方向?yàn)樨?fù)(表3); 且在農(nóng)戶施藥強(qiáng)度“高”的概率的邊際貢獻(xiàn)(-17.02%)在P＜5%水平顯著(表5)。參與農(nóng)業(yè)技術(shù)培訓(xùn)的農(nóng)戶不僅在生產(chǎn)技術(shù)方面更有保障, 而且對(duì)農(nóng)產(chǎn)品質(zhì)量安全認(rèn)識(shí)也有所增強(qiáng), 從而傾向于減施農(nóng)藥。

對(duì)于農(nóng)業(yè)生產(chǎn)保險(xiǎn)變量, 其在y=3時(shí)在P＜1%水平顯著, 方向?yàn)樨?fù)(表3); 且在農(nóng)戶施藥強(qiáng)度“高”的概率的邊際貢獻(xiàn)(-15.29%)在P＜1%水平顯著(表5)。農(nóng)戶參與農(nóng)業(yè)生產(chǎn)保險(xiǎn), 有助于減輕病蟲害等所造成的損失影響, 減少農(nóng)戶在應(yīng)對(duì)收入波動(dòng)中對(duì)農(nóng)藥的過度依賴, 因此參與農(nóng)業(yè)生產(chǎn)保險(xiǎn)的農(nóng)戶, 其施藥強(qiáng)度更低。

4 結(jié)論與討論

4.1 結(jié)論

本文基于黑龍江、遼寧、河北、山東、江西、湖南、四川7省746戶種糧農(nóng)戶的調(diào)查數(shù)據(jù), 采用廣義有序Logit模型分析影響農(nóng)戶施藥行為的主要因素, 得出以下主要結(jié)論: 第一, 受教育程度、種糧面積、地塊集中度、地權(quán)穩(wěn)定性、農(nóng)藥投入成本、農(nóng)業(yè)技術(shù)培訓(xùn)、農(nóng)業(yè)生產(chǎn)保險(xiǎn)等變量對(duì)農(nóng)戶施藥強(qiáng)度具有負(fù)向影響, 顯著提升農(nóng)戶低強(qiáng)度施藥的概率;年齡、種糧收入占比、種糧動(dòng)機(jī)等變量對(duì)農(nóng)戶施藥強(qiáng)度具有正向影響, 顯著提升農(nóng)戶高強(qiáng)度施藥的概率。具體而言, 農(nóng)戶年齡越小、受教育程度越高、種糧面積越大、地塊集中度越高、地權(quán)穩(wěn)定性越好、以自給為目的、農(nóng)藥投入成本越低、參與農(nóng)業(yè)技術(shù)培訓(xùn)和病蟲害保險(xiǎn), 施藥強(qiáng)度越低。第二, 從影響程度看, 農(nóng)業(yè)技術(shù)培訓(xùn)、農(nóng)業(yè)生產(chǎn)保險(xiǎn)、種糧收入占比、受教育程度、地塊集中度、地權(quán)穩(wěn)定性、種糧動(dòng)機(jī)對(duì)農(nóng)戶施藥強(qiáng)度的影響較大, 而種糧面積、農(nóng)戶年齡、農(nóng)藥投入成本的影響相對(duì)較小。

基于本文研究結(jié)論, 為降低農(nóng)戶施藥強(qiáng)度, 得出以下政策啟示: 第一, 加大對(duì)統(tǒng)防統(tǒng)治項(xiàng)目的財(cái)政支持力度, 大力發(fā)展農(nóng)作物病蟲害專業(yè)化統(tǒng)防統(tǒng)治服務(wù)組織, 全面提升重大病蟲害的專業(yè)化統(tǒng)一防控能力和水平, 提高病蟲害統(tǒng)防統(tǒng)治覆蓋率。第二,在全國(guó)96%的承包地已完成土地確權(quán)的基礎(chǔ)上, 著力推進(jìn)土地流轉(zhuǎn)相關(guān)制度、機(jī)制、政策與模式的協(xié)同創(chuàng)新, 規(guī)范農(nóng)地流轉(zhuǎn)和穩(wěn)定農(nóng)地流轉(zhuǎn)經(jīng)營(yíng)權(quán), 促進(jìn)適度規(guī)模經(jīng)營(yíng), 加強(qiáng)土地綜合整治, 推進(jìn)地塊集中連片, 為農(nóng)戶農(nóng)藥減量投入創(chuàng)造有利條件。第三,將保險(xiǎn)與農(nóng)業(yè)支持政策相結(jié)合, 完善糧食作物完全成本保險(xiǎn)和收入保險(xiǎn)試點(diǎn), 調(diào)整保費(fèi)補(bǔ)貼分?jǐn)傓k法,對(duì)糧食主產(chǎn)區(qū)、西部地區(qū)重點(diǎn)傾斜, 有針對(duì)性地提高產(chǎn)糧大縣保費(fèi)補(bǔ)貼標(biāo)準(zhǔn), 激發(fā)農(nóng)戶參保意愿, 進(jìn)一步擴(kuò)大農(nóng)業(yè)保險(xiǎn)的覆蓋面。第四, 加大農(nóng)村公共教育投資, 提高農(nóng)戶整體綜合素質(zhì), 加強(qiáng)農(nóng)戶施藥知識(shí)培訓(xùn)和技能指導(dǎo), 發(fā)揮規(guī)模種植戶的示范帶頭作用, 提升農(nóng)戶農(nóng)藥使用效率。

4.2 討論

農(nóng)藥投入對(duì)農(nóng)業(yè)生態(tài)環(huán)境及農(nóng)產(chǎn)品安全都具有較大的影響, 農(nóng)戶過量施藥直接導(dǎo)致農(nóng)業(yè)生態(tài)環(huán)境風(fēng)險(xiǎn)及農(nóng)產(chǎn)品安全隱患, 迫切需要加強(qiáng)對(duì)農(nóng)戶施藥行為的規(guī)范和引導(dǎo)。對(duì)農(nóng)戶施藥行為的內(nèi)在機(jī)理及影響因素的理論和實(shí)證分析, 從農(nóng)戶個(gè)體與家庭因素、生產(chǎn)經(jīng)營(yíng)因素、外部環(huán)境因素3個(gè)方面揭示影響農(nóng)戶施藥行為的主要因素, 可為農(nóng)藥減施政策的制定提供參考依據(jù)。相比以往研究, 本文在以下兩方面得到了深化:

1)通過對(duì)農(nóng)戶施藥行為的內(nèi)在機(jī)理分析, 對(duì)影響農(nóng)戶施藥行為的內(nèi)外部因素作了進(jìn)一步細(xì)化, 如采用經(jīng)營(yíng)規(guī)模、地權(quán)穩(wěn)定性、土地集中度綜合反映土地要素特征, 采用種糧補(bǔ)貼額取代補(bǔ)貼與否的粗略估計(jì)來準(zhǔn)確反映不同補(bǔ)貼對(duì)農(nóng)戶施藥行為的作用大小, 彌補(bǔ)了現(xiàn)有研究在生產(chǎn)經(jīng)營(yíng)、外部環(huán)境等影響因素分析上存在遺漏部分重要因素或表征變量不夠準(zhǔn)確的不足, 不僅豐富了農(nóng)戶施藥行為理論研究,也使得研究結(jié)果能夠更好地反映客觀現(xiàn)實(shí)。

2)目前針對(duì)農(nóng)戶施藥行為影響因素分析多采用OLS模型或二項(xiàng)Logit模型估計(jì)方法, 而農(nóng)戶施藥行為是具有多個(gè)等級(jí)的有序變量, 傳統(tǒng)OLS模型和二項(xiàng)Logit模型估計(jì)方法均難以應(yīng)對(duì)因變量為多個(gè)等級(jí)的有序變量分析, 無法準(zhǔn)確、全面地反映農(nóng)戶施藥行為, 廣義有序Logit模型能較好地反映農(nóng)戶群體差異下的不同生產(chǎn)決策以及所受到的不同因素影響, 本文采用廣義有序Logit模型深入分析影響農(nóng)戶施藥行為的主要因素, 可以彌補(bǔ)傳統(tǒng)分析方法的不足。

本文在研究中也存在需要改進(jìn)之處: 一是在外部環(huán)境影響因素中主要考慮的是價(jià)格、補(bǔ)貼、保險(xiǎn)等市場(chǎng)因素, 缺乏對(duì)政府規(guī)制的考察, 若將這一變量納入模型或?qū)⑹寡芯扛鼮橥晟啤６鞘軙r(shí)間和人力的限制, 本研究調(diào)查樣本有限, 若進(jìn)一步擴(kuò)大樣本數(shù)量, 研究結(jié)論或更具科學(xué)性。以上存在的可能會(huì)對(duì)研究結(jié)論造成影響的不足之處, 將在本文后續(xù)的研究中作進(jìn)一步完善。