楊永莉 杜亞娜

摘要：從農(nóng)戶信貸行為研究的角度，以農(nóng)戶信貸需求和供給作為因變量，農(nóng)戶特征變量、社會資本等作為自變量，以山西省太原市婁煩縣1 665戶農(nóng)戶作為調(diào)研樣本，采用需求可識別雙變量Probit模型對農(nóng)戶信貸行為進行識別。結(jié)果表明，當(dāng)前農(nóng)戶獲取信貸資金更傾向于非金融機構(gòu)，同時銀行在信貸支持中更具有“嫌貧愛富”的特征;年齡、上學(xué)人口對正規(guī)信貸和非正規(guī)信貸的需求具有正向影響;正規(guī)信貸更傾向于貸款給有工資性收入的群體，非正規(guī)信貸具有“中性”，更傾向于貸款給勞動力多的家庭;與村、鎮(zhèn)干部以及鄰里的關(guān)系程度對正規(guī)信貸和非正規(guī)信貸供給呈現(xiàn)為正向影響。研究認為解決金融精準扶貧的關(guān)鍵還是在于加快農(nóng)村土地流轉(zhuǎn)市場建設(shè)，創(chuàng)新開發(fā)土地流轉(zhuǎn)金融產(chǎn)品，充分發(fā)揮合作社的作用，加強對農(nóng)民的技術(shù)培訓(xùn)，完善農(nóng)業(yè)保險等，這些舉措也是降低金融機構(gòu)風(fēng)險的重要途徑。

關(guān)鍵詞：金融精準扶貧;三農(nóng)問題;信貸行為;Probit模型

中圖分類號： F323.8;F830.589 ?文獻標志碼： A ?文章編號：1002-1302（2020）11-0022-06

收稿日期：2020-03-04

基金項目：國家自然科學(xué)基金青年科學(xué)基金（編號：71902176）。

作者簡介：楊永莉（1988—），女，山西壺關(guān)人，碩士，中級會計師，主要從事普惠金融研究。E-mail：tyccbyyl@126.com。

通信作者：杜亞娜，博士，主要從事組織行為學(xué)、人力資源、社會企業(yè)管理研究。E-mail：duyana199@163.com。 ?改革開發(fā)以來，中國特色的扶貧模式使得超過7億人口脫貧，為全面建設(shè)小康社會奠定了基礎(chǔ)。但截至2014年年底，我國還有7千萬人口沒有脫貧。2015年11月27日，習(xí)近平總書記在中央扶貧開發(fā)工作會議上強調(diào)，要確保在2020年實現(xiàn)所有貧困人口脫貧，共同邁入小康社會，并由此拉開了中國扶貧的新篇章。金融精準扶貧作為當(dāng)前我國農(nóng)村脫貧攻堅的一個重要戰(zhàn)略，其本質(zhì)就是通過信貸支持的方式實現(xiàn)農(nóng)村貧困人口脫貧，并取得積極成效。根據(jù)搜狐網(wǎng)中國華融在2019年5月16日的文章中指出，截至2019年3月末，國家面向脫貧人口精準扶貧的貸款達到7 126億元，惠及1 938萬貧困人口與家庭。同時產(chǎn)業(yè)精準扶貧貸款余額達到1.17萬億元，直接帶動貧困人口脫貧達到797萬人次。但是在金融精準扶貧過程中，一方面，部分地區(qū)的基層銀行部門金融扶貧貸款“嫌貧愛富”“濟貧不達”，究其主因是貧困戶償還能力較弱;另一方面，部分農(nóng)村地區(qū)的貧困戶“懼貸”“盲目借貸”等現(xiàn)象層出不窮，導(dǎo)致金融扶貧政策扭曲，進而嚴重制約著農(nóng)村扶貧的實效性[1]。因此，如何提高農(nóng)村金融精準扶貧的實效性，真正發(fā)揮金融扶貧的作用，是困擾地方基層銀行扶貧的一個難點。要提高金融精準扶貧的實效性，需要深入研究影響農(nóng)戶信貸行為的關(guān)鍵因素，進而找到農(nóng)戶信貸行為規(guī)律。這樣才能讓基層商業(yè)銀行更好地掌握金融精準扶貧的特點，實現(xiàn)金融精準扶貧的突破。

1 文獻回顧

針對信貸扶貧問題，國內(nèi)外學(xué)者進行了大量的研究。Matin等認為信貸扶貧就是改善生計的小額貸款，應(yīng)動態(tài)性地瞄準用戶需求[2]。Asad等則在對巴基斯坦窮人扶貧貸款研究后，認為小額貸款有助于改善窮人健康、生活質(zhì)量等方面的問題[3]。在國內(nèi)，賀立龍等通過模型檢驗認為，貧困人口獲取貸款更依賴于非正規(guī)信貸，親朋關(guān)系、收入結(jié)構(gòu)等制約著信貸的可得性[4]。黃秋波等則探討了農(nóng)戶社會資本對信貸行為的影響，結(jié)果表明社會資本對農(nóng)戶信貸起著顯著的動員作用;在研究模型方面，主要采用單方程和聯(lián)立方程進行研究[5]。在單方程中，國內(nèi)部分學(xué)者運用了Probit模型和Tobit模型對農(nóng)戶借貸行為進行估計，以找到影響農(nóng)戶借貸的原因。田雅群等從心理學(xué)的角度，通過構(gòu)建Probit單變量模型和Heckman兩階段模型，分析人格特征對信貸行為的影響，結(jié)果表明積極人格特征對于農(nóng)戶獲取正規(guī)性貸款有正向影響[6]。但實際研究發(fā)現(xiàn)，采用Probit單變量模型的假設(shè)前提是認為所有貧困戶都有信貸需求，而實際卻與上述假設(shè)不一定相符。因此，人們提出采用聯(lián)立方程解決單方程的假設(shè)問題，將這部分未參與信貸的農(nóng)戶考慮進來，以此解決供求效應(yīng)分離導(dǎo)致的有偏估計問題。在聯(lián)立方程中，國內(nèi)主要采用局部可觀察雙變量Probit模型和需求可識別雙變量Probit模型對農(nóng)戶信貸行為特征進行分析。實踐表明，需求可識別雙變量Probit模型更受到學(xué)者的青睞，因其不僅可對“有需求、有供給”的農(nóng)戶特征進行識別，還可以對“有需求、無供給”的農(nóng)戶特征進行識別，從而大大提高了農(nóng)戶信貸行為分析的客觀性[7-10]。綜上，本研究嘗試采用雙變量Probit模型的方式對農(nóng)戶信貸行為特征進行分析，旨在提高金融精準扶貧的可達性。

2 研究模型、變量及數(shù)據(jù)來源

2.1 研究模型

現(xiàn)實信貸中農(nóng)戶通常會面臨2個選項，即農(nóng)戶是否有貸款需求，以及金融機構(gòu)是否為農(nóng)戶提供貸款，并分別用yd和ys表示?？山M成為4種不同的組合，即：有貸款需求，金融機構(gòu)提供貸款;有貸款需求，金融機構(gòu)不提供貸款;無貸款需求，金融機構(gòu)提供貸款;無貸款需求，金融機構(gòu)不提供貸款。令：

根據(jù)以上賦值，可以得到4種不同組合，即為（1，1）、（1，0）、（0，1）、（0，0）。其中，（1，1）組合可以通過數(shù)據(jù)統(tǒng)計得到，但（1，0）則只能通過問卷調(diào)查得到。

農(nóng)戶在參與貸款中獲取貸款的途徑包括正規(guī)信貸和非正規(guī)信貸。正規(guī)信貸是指從正規(guī)商業(yè)銀行獲取的貸款;非正規(guī)信貸則是通過熟人等其他方式獲取的貸款。分別從以上2個方面探討對貧困農(nóng)戶識別的精準性，以及對農(nóng)戶信貸行為的影響，并由此建立聯(lián)立方程：

式中：y*d、y*s分別代表信貸需求和供給的隱藏變量;Xd、Xs分別表示影響信貸的外生變量;βd、βs表示待估參數(shù);εd、εs為誤差項，且上述2個誤差項服從聯(lián)合正態(tài)分布，記作，εd，εs～BVN（0，0，1，1，ρ）其中ρ表示εd和εs的相關(guān)系數(shù)。在上式中，y*d、y*s不可關(guān)系，與yd、ys關(guān)系可表示為：

假設(shè)P表示農(nóng)戶參與信貸的虛擬變量，分別用1和0表示農(nóng)戶參與和不參與信貸市場。由于未參與的農(nóng)戶不能看出金融機構(gòu)是否愿意提供貸款，所以引入需求可識別雙變量Probit模型，具體如下：

需求方程：

采用極大似然估計法對上述方程進行聯(lián)合求解，得到對數(shù)似然函數(shù)：

上述函數(shù)中，Φ（·）為一元積累正態(tài)分布函數(shù);ΦBN（·）為二元積累正態(tài)分布函數(shù)。

2.2 研究變量

2.2.1 因變量 本研究中，因變量包含需求方程因變量和供給方程因變量，同時用戶獲取貸款的途徑包括正規(guī)信貸和非正規(guī)信貸。徐璋勇等分析認為，農(nóng)戶貸款需求分為顯性需求和隱性需求，其中前者已發(fā)生信貸，后者是有需求，但還未參與信貸[11]。而隱性貸款需求還可以分為2類：一是農(nóng)戶自身申請貸款，但是被拒絕;二是主觀上認為申請不到貸款。為有效識別真正有貸款需求的農(nóng)戶，借鑒賀立龍等的研究成果[4]，采用意愿調(diào)查法對正規(guī)信貸和非正規(guī)信貸需求進行統(tǒng)計，具體通過3個問題進行識別。問題一是：提問“自2018年以來，是否向正規(guī)金融機構(gòu)申請過貸款？”選擇“是”，則表示有貸款需求，選擇“否”則表示未申請。問題二是：針對未申請農(nóng)戶，提問“為何不申請貸款？”選擇“不需要貸款”或“可從其他渠道獲取”，則認為該農(nóng)戶不需要貸款;選擇“申請也得不到”，表示該農(nóng)戶存在需求。問題三是：排除無效需求客戶。為進一步識別第2個問題中的有效農(nóng)戶，對選擇“申請也無法獲得貸款”的農(nóng)戶，提出“你為什么這么認為？”通過該問題，識別出無償還能力的農(nóng)戶。通過以上識別，得出因變量的觀測樣本。

2.2.2 自變量 結(jié)合以往的研究基礎(chǔ)，本研究在自變量選擇方面，除以往的農(nóng)戶基本特征以外，還將社會資本納入到貸款行為影響因素中，究其原因是社會資本也會影響農(nóng)戶信貸[4]。自變量構(gòu)建如表1所示。

3 數(shù)據(jù)說明與統(tǒng)計描述

3.1 數(shù)據(jù)來源

為獲取農(nóng)戶信貸行為的內(nèi)在關(guān)系，以太原市婁煩縣的邊家莊村、范家村、小河溝村的部分農(nóng)戶作為樣本，于2019年12月3日至2020年1月4日展開為期1個月的調(diào)查。這幾個村的貧困發(fā)生率都在1.2%左右，是當(dāng)前太原市扶貧工作的重點幫扶對象。為了獲取一手數(shù)據(jù)，采用調(diào)查入戶訪談的方式進行調(diào)查，總計調(diào)查訪談1 985戶，收回有效問卷 1 841 份，剔除部分數(shù)據(jù)不完整的問卷，總計回收 1 665 份有效問卷，回收有效率為83.8%。

3.2 描述性統(tǒng)計

通過調(diào)查3個村的部分農(nóng)戶，得到農(nóng)戶融資來源結(jié)果，見表2。

通過表2數(shù)據(jù)可以看出，農(nóng)戶從非正規(guī)融資渠道獲取的貸款戶數(shù)比例要遠遠高于正規(guī)融資渠道得到的貸款戶數(shù)，說明在該地區(qū)大部分農(nóng)戶獲取貸款主要是依靠非正規(guī)融資渠道，特別是親戚朋友借款等。

在社會資本方面，986戶農(nóng)戶認為與村或鎮(zhèn)干部關(guān)系緊密，占整體調(diào)查樣本的59.2%;認為與親戚或鄰里關(guān)系好的有1 420戶，占調(diào)查戶數(shù)的852%;510戶農(nóng)戶在最近3年內(nèi)申請過貸款，占調(diào)查總數(shù)的30.9%，未提出貸款申請的為1 155戶，占調(diào)查總數(shù)的69.1%。

4 估計結(jié)果與解釋

4.1 估計結(jié)果

根據(jù)以上的數(shù)據(jù)，并結(jié)合需求可識別雙邊模型，采用Stata工具對結(jié)果進行估計，得到表3和表4

4.2 結(jié)果解釋

4.2.1 金融精準扶貧的精準性 借助雙變量Probit模型的估計結(jié)果看出，婁煩縣農(nóng)戶信貸需求與相對貧困程度無顯著關(guān)系，金融機構(gòu)依舊“嫌貧愛富”。同時，相對貧困程度以及商業(yè)收入則對正規(guī)的信貸供給起著正向影響。由此看出，婁煩縣正規(guī)信貸金融機構(gòu)不僅沒有做到對貧困戶的精確識別，反而將識別的目標轉(zhuǎn)到更為富裕的農(nóng)戶上。非正規(guī)信貸更受到貧困農(nóng)戶的的青睞，但幫扶精準效果較差。如表4的估計結(jié)果中，相對貧困程度和工資收入對非正規(guī)信貸都有顯著的負向影響。換句話說，工資性收入越高，越不傾向于通過非正規(guī)信貸渠道獲取貸款;生病人口越多的農(nóng)戶家庭，越傾向于走非正規(guī)信貸渠道貸款。在供給方面，相對貧困程度及其相關(guān)的變量與非正規(guī)信貸并未表現(xiàn)出顯著相關(guān)，由此也佐證非信貸供給比較偏好“中性”的觀點。

4.2.2 農(nóng)戶特征變量對信貸行為的影響 通過雙變量Probit模型識別，戶主的年齡對正規(guī)和非正規(guī)信貸需求的影響都為正，且相關(guān)顯著;教育程度、家庭勞動力與非正規(guī)信貸呈現(xiàn)正向影響，說明非金融機構(gòu)更偏好家庭勞動力較多以及文化程度高的家庭;上學(xué)人口對正規(guī)和非正規(guī)信貸需求均呈現(xiàn)正向影響，說明婁煩縣的部分農(nóng)戶需要通過借款來解決上學(xué)問題;家庭年收入對非正規(guī)信貸的需求與供給都呈現(xiàn)為負向影響，因此看出婁煩縣農(nóng)戶其年收入越高，從非正規(guī)渠道獲取貸款的戶數(shù)也越少，進而看出非正規(guī)金融渠道獲取貸款主要是面向當(dāng)?shù)氐褪杖肴后w;工資收入對正規(guī)金融機構(gòu)信貸供給為正向影響，說明以農(nóng)信社、國有四大銀行為代表的正規(guī)金融機構(gòu)更傾向于貸款給非農(nóng)人員，進而在一定程度驗證其非農(nóng)化貸款傾向。

4.2.3 社會資本變量對農(nóng)戶信貸行為的影響 通過雙變量模型的識別看出，與村、鎮(zhèn)干部關(guān)系越緊密，則對正規(guī)和非正規(guī)金融信貸渠道都呈現(xiàn)為正向影響;與親朋鄰里關(guān)系程度也正向影響正規(guī)和非正規(guī)信貸的供給。這說明在農(nóng)村，與鄰里保持良好的人際關(guān)系有助于農(nóng)戶獲取貸款。同時親朋鄰里關(guān)系對非正規(guī)金融信貸需求呈現(xiàn)為負向影響，說明鄰里關(guān)系越好，農(nóng)戶越容易從鄰里借到錢，進而降低了對信用社等金融機構(gòu)的貸款需求。

同時，曾貸過款對正規(guī)信貸供給呈現(xiàn)為正向影響，說明正規(guī)金融機構(gòu)更傾向于有過貸款經(jīng)歷的農(nóng)戶。這主要是因為金融機構(gòu)可以通過追溯農(nóng)戶之前的貸款記錄，從而更好地了解農(nóng)戶的還款能力等信息，以此降低貸款風(fēng)險。

5 結(jié)論與啟示

5.1 結(jié)論

本研究運用需求可識別的雙變量Probit模型，以山西省太原市婁煩縣的1 665戶農(nóng)戶作為數(shù)據(jù)來源，深入研究了農(nóng)戶特征變量、社會資本等因素對正規(guī)信貸和非正規(guī)信貸的供需影響，并得出以下結(jié)論。

第一，從金融扶貧的可達性來講，婁煩縣金融機構(gòu)的扶貧可達性還有待提高。雖然大部分農(nóng)戶都有強烈的信貸需求，但部分農(nóng)戶在正規(guī)信貸獲取方面受到約束，大部分農(nóng)戶是通過非正規(guī)金融機構(gòu)獲取貸款的。

第二，農(nóng)戶年齡越高，上學(xué)人口越多，對信貸的需求越大。正規(guī)信貸渠道更傾向于貸款給具有工資性收入的群體，而非正規(guī)金融信貸渠道更傾向于貸款給文化程度高、家庭勞動力多的農(nóng)戶。有過貸款經(jīng)歷的農(nóng)戶，更容易獲得正規(guī)金融機構(gòu)的貸款。而正規(guī)金融信貸傾向于工資性收入的群體。其主要原因可概括為以下幾個方面：一是農(nóng)戶自身缺乏有效的抵押物，二是銀行在貸款時會查看農(nóng)戶是否有銀行貸款記錄，銀行更傾向于再次貸款給有過貸款記錄的農(nóng)戶。

第三，在社會資本中，正規(guī)金融機構(gòu)和非正規(guī)金融機構(gòu)都更傾向于貸款給與村、鎮(zhèn)干部關(guān)系好以及與親朋鄰里關(guān)系好的農(nóng)戶;另外如果親朋鄰里關(guān)系好，更容易通過非正規(guī)金融機構(gòu)獲取貸款。

5.2 研究啟示

通過對婁煩縣農(nóng)戶信貸行為的研究，可以得到以下幾點啟示。

第一，在當(dāng)前金融精準扶貧政策條件下，雖然一再強調(diào)要把貸款資金傾向于“三農(nóng)”，但無論是正規(guī)金融機構(gòu)還是非正規(guī)金融機構(gòu)，都是要控制自身信貸風(fēng)險的。因此，在強調(diào)增加“三農(nóng)”貸款的同時，更應(yīng)該關(guān)注農(nóng)戶自身還款能力的提升，這才是解決當(dāng)前“三農(nóng)”貸款難和融資難的根本。

第二，以土地流轉(zhuǎn)為契機，創(chuàng)新金融產(chǎn)品。要解決當(dāng)前農(nóng)戶融資難和獲取貸款難的問題，關(guān)鍵是要讓農(nóng)戶手中有“抵押品”。而兩權(quán)抵押和三權(quán)分置政策的深入，更是為農(nóng)戶提供了更多的抵押權(quán)，促使更多資本下沉到農(nóng)村[12]。因此，一是金融機構(gòu)要加大金融服務(wù)方式的創(chuàng)新，從而讓農(nóng)戶能更多地參與農(nóng)村土地流轉(zhuǎn)，以此提高農(nóng)戶的資金來源;二是加大金融產(chǎn)品的創(chuàng)新，特別是金融機構(gòu)要加大金融抵押產(chǎn)品的創(chuàng)新，結(jié)合農(nóng)村土地流轉(zhuǎn)市場產(chǎn)品的特點，設(shè)計符合不同農(nóng)戶要求的金融抵押產(chǎn)品;三是完善農(nóng)業(yè)保險制度，解決農(nóng)村農(nóng)田種植風(fēng)險大的問題，同時設(shè)立擔(dān)?；?，以解決土地流轉(zhuǎn)和支持農(nóng)業(yè)發(fā)展中帶來的風(fēng)險等問題，以在一定程度上緩解可能出現(xiàn)的不良貸款問題。

第三，加強農(nóng)業(yè)規(guī)?；l(fā)展，實實在在提高農(nóng)民收入，提高農(nóng)民償還能力。引入社會化資本及組織，通過企業(yè)化的方式發(fā)展農(nóng)業(yè)。在促進傳統(tǒng)農(nóng)業(yè)轉(zhuǎn)型的基礎(chǔ)上，加快現(xiàn)代農(nóng)業(yè)在農(nóng)村的發(fā)展，進而提高農(nóng)民自身的收入，改變以往的小作坊模式。加大對農(nóng)民的技術(shù)指導(dǎo)，讓更多的農(nóng)民能夠掌握科學(xué)的種植技術(shù)，以提高農(nóng)產(chǎn)品產(chǎn)量。通過搭建各種平臺，在增加農(nóng)產(chǎn)品生產(chǎn)規(guī)模的同時，解決農(nóng)民農(nóng)產(chǎn)品銷售的問題，以促進農(nóng)民增收。

第四，增加農(nóng)戶社會資本。一是加快農(nóng)村合作社等各類組織的運作，進而通過組織的方式幫助農(nóng)戶獲取更多融資;二是不斷強化農(nóng)民職業(yè)教育，這樣不僅可以提高農(nóng)民的文化程度，還可提高農(nóng)戶適應(yīng)市場的能力，為農(nóng)戶金融觀念的轉(zhuǎn)變奠定基礎(chǔ);三是構(gòu)建農(nóng)村和諧社區(qū)，增進鄰里關(guān)系，更好地提高農(nóng)戶的償還能力。

總之，要提高金融扶持的精準性，關(guān)鍵不在于金融機構(gòu)，而是要在金融風(fēng)險有效控制下，結(jié)合農(nóng)戶當(dāng)前借款的特征，以及借款存在的局限入手，特別是要完善農(nóng)村土地流轉(zhuǎn)市場中的抵押品，以及進一步完善現(xiàn)代農(nóng)業(yè)組織和現(xiàn)代農(nóng)業(yè)規(guī)模發(fā)展等方面，這樣才能真正實現(xiàn)農(nóng)村貧困人口脫貧，也才能更好地發(fā)揮金融機構(gòu)在三農(nóng)信貸支持中的作用。

參考文獻：

[1]陳穎瑛，杜雪鋒.貧富差距對農(nóng)戶信貸資格的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2018，46（15）：324-328.

[2]Matin I，Hulme D，Rutherford S. Finance for the poor：from microcredit to microfinancial services[J]. Journal of International Development，2009，14（2）：273-294.

[3]Ghalib A K，Malki L，Katsushi S I. Microfinance and household poverty reduction：empirical evidence from rural Pakistan[J]. Oxford Development Studies，2015，43（1）：84-104.

[4]賀立龍，黃 科，鄭怡君. 信貸支持貧困農(nóng)戶脫貧的有效性：信貸供求視角的經(jīng)驗實證[J]. 經(jīng)濟評論，2018（1）：62-77.

[5]黃秋波，周 政，董自光. 農(nóng)戶社會資本對信貸可得性的影響機制：浙江實證[J]. 浙江樹人大學(xué)學(xué)報，2019，19（2）：50-58.

[6]田雅群，范亞辰. 人格特征對農(nóng)戶信貸行為的影響——基于中國農(nóng)村普惠金融調(diào)查的實證研究[J]. 現(xiàn)代經(jīng)濟探討，2020（1）：124-132.

[7]劉西川，楊奇明，陳立輝. 農(nóng)戶信貸市場的正規(guī)部門與非正規(guī)部門：替代還是互補？[J]. 經(jīng)濟研究，2014，49（11）：145-158，188.

[8]蔡書凱，蔡 榮. 土地信托流轉(zhuǎn)與農(nóng)戶參與意愿——基于 Probit-ISM分析方法[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報，2017，22（7）：173-185.

[9]李慶海，呂小鋒，李 銳，等. 社會資本能夠緩解農(nóng)戶的正規(guī)和非正規(guī)信貸約束嗎？——基于四元Probit模型的實證分析[J]. 南開經(jīng)濟研究，2017（5）：77-98.

[10]張學(xué)彪，陳加齊，孔祥臣，等. 基于Probit模型的農(nóng)村貧困戶參與電商行為影響因素分析[J]. 農(nóng)業(yè)展望，2018，14（1）：94-99，105.

[11]徐璋勇，楊 賀. 農(nóng)戶信貸行為傾向及其影響因素分析——基于西部11省（區(qū)）1 664戶農(nóng)戶的調(diào)查[J]. 中國軟科學(xué)，2014（3）：45-56.

[12]郭金豐. 鄉(xiāng)村振興戰(zhàn)略下的農(nóng)村土地流轉(zhuǎn)：市場特征、利益動因與制度改進——以江西為例[J]. 求實，2018（3）：79-97，112.曹雪萍. 鄉(xiāng)村經(jīng)濟振興視域下鄉(xiāng)村治理現(xiàn)代化研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（11）：28-32.