劉 勤，何志文，鄭硯硯，檀律科，張 斌

(農(nóng)業(yè)部南京農(nóng)業(yè)機(jī)械化研究所，南京 210014)

農(nóng)作物秸稈含有作物生長必需的碳、磷、鉀等營養(yǎng)元素，秸稈還田不僅改善土壤性狀，減緩地力衰竭，增加團(tuán)粒結(jié)構(gòu)，提高土壤水分保蓄能力，還改善植株性狀，提高作物產(chǎn)量近10%。研究表明土壤有機(jī)質(zhì)、孔隙度、速效氮、鋅、鐵、錳、酶活性等理化指標(biāo)與秸稈還田呈顯著正相關(guān)。目前我國每年產(chǎn)生各類秸稈約6.2億t，但還田率僅為15%，若秸稈還田比率增加至80%，農(nóng)田碳平衡將由虧轉(zhuǎn)贏［1-3］。實施秸稈還田，可充分利用秸稈資源，減輕焚燒秸稈對生態(tài)環(huán)境的負(fù)面影響，緩解溫室效應(yīng)，是發(fā)展低碳農(nóng)業(yè)不可替代的有效途徑。

2009年，國家對秸稈還田等重點環(huán)節(jié)農(nóng)機(jī)作業(yè)實施補(bǔ)貼試點。補(bǔ)貼本身不能增加農(nóng)業(yè)資源，但可改變生產(chǎn)要素配置環(huán)境和相對價格，進(jìn)而改變農(nóng)戶的生產(chǎn)行為。農(nóng)戶和其他任何經(jīng)濟(jì)主體一樣，會有目的地爭取利益極大化，但這種爭取受到局限的約束，所有約束人的行為都是局限，從局限轉(zhuǎn)變可推斷行為轉(zhuǎn)變，局限不變，行為不會變［4］。在沒有實施補(bǔ)貼政策時，秸稈還田作業(yè)價格是一種局限，補(bǔ)貼政策實施后，局限發(fā)生轉(zhuǎn)變，作業(yè)價格隨之發(fā)生變動，補(bǔ)貼導(dǎo)致作業(yè)價格降低，根據(jù)需求定律，價格降低，則需求量上升。除價格因素外，凡對農(nóng)戶采用決策產(chǎn)生影響的各種因素均是局限，具體來說，農(nóng)戶年齡、性別、受教育程度、認(rèn)知度、耕地規(guī)模、收入水平等個體和社會環(huán)境特征的局限轉(zhuǎn)變均會對農(nóng)戶采用行為產(chǎn)生影響。目前，大多學(xué)者主要從技術(shù)層面著重研究秸稈還田的技術(shù)功效，而從微觀層面對農(nóng)戶秸稈還田采用行為進(jìn)行分析并不多見，該研究試圖以局限轉(zhuǎn)變作為分析切入點探明農(nóng)戶秸稈還田采用行為的影響因素，弄清秸稈還田技術(shù)擴(kuò)散的推動力和阻礙力，為技術(shù)擴(kuò)散過程的優(yōu)化與調(diào)控提供科學(xué)依據(jù)。

1 模型構(gòu)建與變量選擇

1.1 模型構(gòu)建

該研究主要考察農(nóng)戶是否采用秸稈還田技術(shù)，其結(jié)果為采用和不采用，將此作為因變量，對于因變量為二分選擇變量的回歸分析，選擇建立logistic模型把分類因變量通過logit轉(zhuǎn)化為分類變量的概率比。當(dāng)因變量的變化與某個自變量相聯(lián)系的同時還取決于其他自變量的值時，模型的互動作用便會產(chǎn)生。當(dāng)自變量增加時，互動項的數(shù)量將迅速增加，檢驗所有可能的互動作用項會變得非常困難，因此通常只檢驗?zāi)切┰趯嶋H中可能性較大的互動項［5］。為探究模型的交互作用并使互動項的檢驗相對簡單，該研究建立只含有一個交互項的回歸模型，模型確立如下:

式中 P——農(nóng)戶采用秸稈還田的概率

βi、βk——回歸系數(shù)

Χi、Χt、Χm——解釋變量

ΧtΧm——互動項

α——常數(shù)項

互動項XtXm是通過高次項加入模型的，它是解釋變量Xt和Χm的積，表明Χm對P的作用依Χt的取值而變化，在含有互動項的模型中，其作用是否顯著尤為關(guān)鍵，如果βk統(tǒng)計性顯著，就表明互動項對模型擬合有顯著貢獻(xiàn)，反之，可以不考慮模型的交互作用。

1.2 變量選擇

凡是影響農(nóng)戶采用秸稈還田技術(shù)的因素均為局限，局限轉(zhuǎn)變可推斷行為轉(zhuǎn)變，模型選擇農(nóng)戶年齡、性別、受教育程度、耕地規(guī)模、收入水平、補(bǔ)貼標(biāo)準(zhǔn)、認(rèn)知度等局限為解釋變量，由于需要考察年齡和認(rèn)知度之間的交互作用，特別將“認(rèn)知度×年齡”作為交互項，變量描述與解釋見表1，分類變量編碼見表2。

表1 變量描述與解釋

2 實證分析

2.1 數(shù)據(jù)來源與描述性統(tǒng)計

該研究400份樣本數(shù)據(jù)基于2012年對江蘇泗洪縣2個村的抽樣入戶調(diào)查，數(shù)據(jù)均為橫截面數(shù)據(jù)且有效，調(diào)查采取問卷與訪談相結(jié)合的方式。樣本數(shù)據(jù)中，男性占69%，女性占31%;年齡30～50歲的占30%，50～60歲的占51%，60歲以上的占19%，均值為53.6歲;家庭平均收入為4.26萬元;人均耕地面積為0.196hm2;受教育程度大多為初中和小學(xué)，小學(xué)及以下文化程度占61%，初中及以上文化程度占39%;68%的農(nóng)戶對秸稈還田技術(shù)能改善生態(tài)環(huán)境和提高農(nóng)產(chǎn)品品質(zhì)有較高認(rèn)知度。通過調(diào)研可知，江蘇泗洪縣秸稈還田的作業(yè)成本為每公頃600元，實施農(nóng)機(jī)作業(yè)補(bǔ)貼政策后，每公頃補(bǔ)貼150元，即實際補(bǔ)貼標(biāo)準(zhǔn)為25%。在現(xiàn)有補(bǔ)貼標(biāo)準(zhǔn)下，57%的農(nóng)戶選擇采用秸稈還田技術(shù)，43%為不采用。在被問及希望的補(bǔ)貼標(biāo)準(zhǔn)為多少時，選擇40%～50%的農(nóng)戶最多，占44%;選擇30%～40%為其次，占23%;選擇30%以下和50%以上的分別只有17%和16%。均值為 41.3%。

表2 分類變量編碼

2.2 自變量數(shù)據(jù)處理

(1)為考察補(bǔ)貼標(biāo)準(zhǔn)變量對農(nóng)戶采用行為的影響，運用數(shù)據(jù)轉(zhuǎn)換命令，產(chǎn)生一個新變量STA1，其值為農(nóng)戶希望的補(bǔ)貼標(biāo)準(zhǔn)和實際補(bǔ)貼標(biāo)準(zhǔn)之間的離差，即STA1=STA-25%，如此處理的目的是為了研究農(nóng)戶采用行為的調(diào)整發(fā)生比率。發(fā)生比率可以看出補(bǔ)貼標(biāo)準(zhǔn)一個單位的變化對采用行為的影響，但補(bǔ)貼標(biāo)準(zhǔn)一個單位的變化即每增加1%或降低1%的作用十分微小，沒有什么研究意義;而調(diào)整發(fā)生比率卻能分析一個離散的變化，比如補(bǔ)貼標(biāo)準(zhǔn)增加5%或降低5%對于農(nóng)戶采用行為的影響。顯而易見，研究調(diào)整發(fā)生比率更有意義，調(diào)整發(fā)生比率的計算公式如下:

式中 AOR——調(diào)整發(fā)生比率

a、b——自變量不同水平的值

βk——自變量回歸系數(shù)

(2)為考察模型交互項“認(rèn)知度×年齡”的作用，運用數(shù)據(jù)轉(zhuǎn)換命令，將年齡變量進(jìn)行變換處理，變換后產(chǎn)生一個新的變量AGE1，其值為AGE與平均值的離差即AGE1=AGE-53.6，如此處理的目的:一是降低交互項和單變量之間的相關(guān)性，以減少多重共線性［6］，二是對交互項的回歸系數(shù)進(jìn)行更好的解釋。

2.3 自變量篩選

由于涉及多個自變量，分析重點是從中篩選出解釋或預(yù)測能力強(qiáng)的自變量，采用基于最大似然估計的正向逐步選擇法逐步選擇加入，選入自變量基于Score檢驗統(tǒng)計量，剔除基于Wald統(tǒng)計值。Bendel等認(rèn)為篩選候選變量時應(yīng)以0.15～0.20的顯著水平作為標(biāo)準(zhǔn)，通用的0.05標(biāo)準(zhǔn)太低，不足以保證將有可能成為重要預(yù)測變量的候選變量都納入模型中［7］。為不降低篩選質(zhì)量，同時又最大限度地將有可能成為重要預(yù)測變量的候選變量都納入模型，該研究變量進(jìn)入標(biāo)準(zhǔn)選為0.15，剔除標(biāo)準(zhǔn)選0.20，分析軟件選用SPSS19.0。經(jīng)過7個步驟的篩選，除耕地規(guī)模變量外，其余變量均進(jìn)入了模型，檢驗結(jié)果見表3。

表3 模型估計結(jié)果

2.4 模型評價

經(jīng)檢驗，模型卡方值為73.073，sig值統(tǒng)計性顯著，拒絕零假設(shè)，說明模型中包含的自變量對因變量有顯著的解釋能力。

擬合優(yōu)度HL指標(biāo)為2.707，sig值統(tǒng)計性不顯著，說明不能拒絕關(guān)于模型擬合數(shù)據(jù)很好的假設(shè)，換句話說模型很好地擬合了數(shù)據(jù)。

表4中，模型對樣本數(shù)據(jù)的綜合預(yù)測率為85%，分類預(yù)測率分別是83.7%和86.7%，模型預(yù)測值與對應(yīng)的觀測值有較高的一致性，預(yù)測效果較好。

表4 模型預(yù)測分析

2.5 模型結(jié)果分析

補(bǔ)貼標(biāo)準(zhǔn)變量sig值為0.002，統(tǒng)計性最為顯著，對農(nóng)戶采用行為影響程度最大，說明補(bǔ)貼可明顯提高農(nóng)戶邊際收益，激勵農(nóng)戶的采用行為。從回歸系數(shù)看，補(bǔ)貼標(biāo)準(zhǔn)與采用行為呈負(fù)相關(guān)，說明農(nóng)戶希望的補(bǔ)貼標(biāo)準(zhǔn)越高，即和現(xiàn)有補(bǔ)貼標(biāo)準(zhǔn)離差越大，則農(nóng)戶采用概率越低。Exp(B)近似為0，可以解釋為補(bǔ)貼標(biāo)準(zhǔn)一個單位值的變化微不足道，此時應(yīng)重點研究調(diào)整發(fā)生比率。為求得補(bǔ)貼標(biāo)準(zhǔn)比現(xiàn)有標(biāo)準(zhǔn)高5%的調(diào)整發(fā)生比率，應(yīng)用式 (1)由于已對補(bǔ)貼標(biāo)準(zhǔn)變量進(jìn)行了數(shù)據(jù)預(yù)處理，即取值為與現(xiàn)有補(bǔ)貼標(biāo)準(zhǔn)的離差，因此當(dāng)補(bǔ)貼標(biāo)準(zhǔn)為現(xiàn)有補(bǔ)貼標(biāo)準(zhǔn)時，將a取值為0，當(dāng)補(bǔ)貼標(biāo)準(zhǔn)高于現(xiàn)有補(bǔ)貼標(biāo)準(zhǔn)5%時，離差縮小了5%，于是將b取值為-0.05，得到:

同理，為求得補(bǔ)貼標(biāo)準(zhǔn)比現(xiàn)有標(biāo)準(zhǔn)低5%時的調(diào)整發(fā)生比率，將a取值為0，b取值為0.05，應(yīng)用式(1)得到:

這意味著，當(dāng)補(bǔ)貼標(biāo)準(zhǔn)高于現(xiàn)有標(biāo)準(zhǔn)5%時，農(nóng)戶采用發(fā)生比是現(xiàn)有標(biāo)準(zhǔn)的1.82倍，當(dāng)?shù)陀诂F(xiàn)有標(biāo)準(zhǔn)5%時，其采用發(fā)生比只有現(xiàn)有標(biāo)準(zhǔn)的54.7%。

性別、受教育程度、認(rèn)知度、家庭收入、“認(rèn)知度×年齡”對農(nóng)戶采用行為有顯著影響并呈正相關(guān)。在控制了其他變量的條件下，男性采用發(fā)生比較女性提高了1.92倍，初中及以上文化程度采用發(fā)生比是小學(xué)及以下文化程度的3.072倍;收入每增加1 000元，采用發(fā)生比可提高約10%，認(rèn)知度高的農(nóng)戶采用發(fā)生比較認(rèn)知度低的農(nóng)戶提高了2.54倍。說明農(nóng)戶對秸稈還田技術(shù)有助于改善農(nóng)業(yè)生態(tài)環(huán)境的認(rèn)知程度越高，其采用意愿越高，如果農(nóng)戶缺乏生態(tài)意識，則更傾向采用傳統(tǒng)作業(yè)方式。

年齡變量sig值為0.005，統(tǒng)計性顯著，回歸系數(shù)為負(fù)值，說明年齡變量對農(nóng)戶采用行為存在顯著影響并呈負(fù)相關(guān)，在認(rèn)知度取值為0時，即認(rèn)知度低的條件下，Exp(B)值為0.667，表明年齡越大，基于風(fēng)險等不確定因素，農(nóng)戶對秸稈還田技術(shù)的采用意愿越低，越傾向于采用傳統(tǒng)作業(yè)方式處理秸稈，年齡每增加1歲，秸稈還田技術(shù)的采用發(fā)生比會減少33.3%。通過對交互項“認(rèn)知度×年齡”的檢驗后發(fā)現(xiàn)，回歸系數(shù)統(tǒng)計性顯著，說明年齡變量對采用概率的影響取決于認(rèn)知度，依認(rèn)知度的不同而變化，認(rèn)知度的提高可顯著提高年齡大的農(nóng)戶的采用發(fā)生比，在提高其認(rèn)知度后，其采用行為可提高42.8%。

模型中的年齡及家庭收入變量是以不同尺度來測量，年齡一個單位的變化并不等于家庭收入一個單位的變化，比較這兩個自變量與因變量之間關(guān)系的強(qiáng)度，不應(yīng)根據(jù)非標(biāo)準(zhǔn)化回歸系數(shù)，而應(yīng)采用標(biāo)準(zhǔn)化系數(shù)來比較其對發(fā)生作用的強(qiáng)度，標(biāo)準(zhǔn)化系數(shù)計算公式如下:

式中 Ti——第i個自變量的標(biāo)準(zhǔn)化回歸系數(shù)

βi——第i個自變量的非標(biāo)準(zhǔn)化回歸系數(shù)

Si——第i個自變量的標(biāo)準(zhǔn)差

通過統(tǒng)計分析，年齡的非標(biāo)準(zhǔn)化回歸系數(shù)為-0.405，標(biāo)準(zhǔn)差為6.301，家庭收入的非標(biāo)準(zhǔn)化回歸系數(shù)為0.098，標(biāo)準(zhǔn)差為12.662，代入 (2)式得到:

經(jīng)比較發(fā)現(xiàn)，對于農(nóng)戶采用行為而言，年齡的作用比家庭收入的作用要大得多。

3 討論與結(jié)論

在其他利用logistic模型進(jìn)行農(nóng)戶決策行為的研究中，通常只對影響因素進(jìn)行單一分析，很少針對影響因素之間的交互作用進(jìn)行專門分析，而實際上，一個因素的變化常常依賴于其它一個和多個因素的變化，考察它們之間的交互作用可對影響因素進(jìn)行更深入的分析。當(dāng)自變量中存在不同測度單位的連續(xù)變量時，傳統(tǒng)研究通常將所有自變量進(jìn)行同等處理，即全部采用非標(biāo)準(zhǔn)化回歸系數(shù)解釋其對因變量的作用，但對于以不同尺度測量的自變量來說，一個單位的變化并不等同于另一個單位的變化，比較它們與因變量之間關(guān)系的強(qiáng)度，采用標(biāo)準(zhǔn)化系數(shù)進(jìn)行解釋要比非標(biāo)準(zhǔn)化回歸系數(shù)更合適。此外，大多采用logistic模型進(jìn)行的研究中一般只考察發(fā)生比率，而對調(diào)整發(fā)生比率鮮有涉及，發(fā)生比率只能研究自變量一個單位的變化對因變量產(chǎn)生的變化，但有時候一個單位的變化微不足道，研究區(qū)間變化更有意義。

為彌補(bǔ)以往研究的不足，該研究利用調(diào)研數(shù)據(jù)從局限轉(zhuǎn)變角度構(gòu)建含有交互項的logistic模型，回歸結(jié)果表明隨著年齡的增長，農(nóng)戶采用行為會隨之降低，但在提高其認(rèn)知度后，采用發(fā)生比可提高1.428倍。對年齡、家庭收入兩個以不同尺度測量的連續(xù)變量進(jìn)行標(biāo)準(zhǔn)化回歸系數(shù)分析后發(fā)現(xiàn)，年齡變量對農(nóng)戶采用行為的影響較收入變量更為顯著。調(diào)整發(fā)生比率的測算結(jié)果表明，當(dāng)補(bǔ)貼標(biāo)準(zhǔn)提高5%后，采用發(fā)生比將是現(xiàn)有補(bǔ)貼標(biāo)準(zhǔn)的1.82倍。

基于上述研究結(jié)果，提出如下政策啟示:

(1)局限的轉(zhuǎn)變是一種“邊際”性的，補(bǔ)貼存在邊際激勵效果，可顯著提高邊際農(nóng)戶的采用積極性。農(nóng)戶是不斷變化著的理性決策者，是否采用秸稈還田技術(shù)取決于他們對秸稈還田技術(shù)成本和收益的內(nèi)在比較。秸稈還田技術(shù)作為一種可持續(xù)農(nóng)業(yè)技術(shù)，具有很強(qiáng)的正外部性，正外部性意味著農(nóng)戶邊際私人成本高于邊際社會成本，對于正外部影響，政府補(bǔ)貼政策可以促使外部收益轉(zhuǎn)化為技術(shù)采用者的私人收益，從而使農(nóng)戶的私人收益和社會收益一致。推廣長期作用明顯但短期作用小的秸稈還田技術(shù)，有必要通過政府行為提高技術(shù)采用者的短期效益。政府應(yīng)加大對秸稈還田作業(yè)的補(bǔ)貼力度，降低作業(yè)成本，一旦有了有效的激勵，農(nóng)戶就會點石成金［8］。但有一個問題需引起重視，即補(bǔ)貼作為一項農(nóng)業(yè)保護(hù)政策，具有追加性特點，額度不能一味提高，應(yīng)避免補(bǔ)貼過程中農(nóng)戶對補(bǔ)貼過度依賴，削弱其調(diào)節(jié)功能。

(2)受教育程度是農(nóng)戶采用行為的一個重要解釋變量。在某些條件下，教育的差別在農(nóng)業(yè)增長中只起著比較小的作用，比如開辟新農(nóng)田等引起的增長，但是秸稈還田技術(shù)是引致創(chuàng)新技術(shù)，是可持續(xù)農(nóng)業(yè)技術(shù)，對于技術(shù)上優(yōu)越的生產(chǎn)要素，教育的重要性尤為凸顯。當(dāng)農(nóng)戶個人能力和物質(zhì)資本不相稱時，這種能力就成了農(nóng)業(yè)增長中的限制性因素，政府應(yīng)對秸稈還田技術(shù)擴(kuò)散中的關(guān)鍵因素人力資本展開投資，農(nóng)戶在獲得必要的技能和知識后，對秸稈還田這種農(nóng)業(yè)新投入品的認(rèn)知度和使用能力會顯著提高。

(3)男性的采用發(fā)生比遠(yuǎn)大于女性，推廣政策應(yīng)積極偏向女性，以矯正政策中常見的男性偏向［9］。目前，很多女性在家庭中既是農(nóng)業(yè)生產(chǎn)者又是決策者之一，不能忽視女性在農(nóng)業(yè)生產(chǎn)中的作用，應(yīng)加強(qiáng)對女性的推廣力度，以提高女性有效使用現(xiàn)代農(nóng)業(yè)要素的能力。

(4)較高的認(rèn)知度不僅是農(nóng)戶是否采用秸稈還田技術(shù)，也是該技術(shù)能否長期擴(kuò)散的關(guān)鍵?，F(xiàn)階段，種地農(nóng)戶群體以中老年居多，認(rèn)知度的提升可以顯著提高他們對秸稈還田的采用行為，政府應(yīng)多形式、多渠道、多途徑提高農(nóng)戶對秸稈還田增強(qiáng)土壤肥力、改善生態(tài)環(huán)境的認(rèn)知度。農(nóng)戶個人行為始終出現(xiàn)于社會環(huán)境中，并且因后者而修正，政府應(yīng)充分利用網(wǎng)絡(luò)、電視，廣播、報紙等媒介進(jìn)行宣傳，并發(fā)揮農(nóng)業(yè)基層推廣部門、農(nóng)業(yè)科研院所、高校的力量，積極開展培訓(xùn)示范活動，同時，應(yīng)發(fā)揮技術(shù)示范戶在一線的示范和推廣作用，創(chuàng)新推廣模式，完善推廣體系。

［1］勞秀榮，孫偉紅，王真.秸稈還田與化肥配合施用對土壤肥力的影響.土壤學(xué)報，2013，40(4):618～623

［2］王愛玲，高旺盛，黃進(jìn)勇.秸稈直接還田的生態(tài)效應(yīng).中國農(nóng)業(yè)資源與區(qū)劃，2000，21(2):41～45

［3］畢于運，王亞靜，高春雨.中國秸稈資源綜合利用的系統(tǒng)構(gòu)成及總體趨勢.中國農(nóng)業(yè)資源與區(qū)劃，2010，31(4):35～38

［4］張五常.收入與成本.北京:中信出版社，2011，221～223

［5］王濟(jì)川，郭志剛.Logistic回歸模型——方法與應(yīng)用.北京:高等教育出版社，2001，177

［6］Cronbach L.Statistical tests for moderator variables:Flaws in analysis recently proposed.Psychological Bulletin，1987，102:414 ～417

［7］Bendel R B，Afifi A A.Comparison of stopping rules in forward“Stepwise”regression.J.Am.Stat.Association，1977，72:46 ～53

［8］西奧多·W.舒爾茨.改造傳統(tǒng)農(nóng)業(yè).北京:商務(wù)印書館，2010:5

［9］弗蘭克·艾利思著，胡景北譯.農(nóng)民經(jīng)濟(jì)學(xué).上海:上海人民出版社，2006，312