农户可持续生产技术采用的集成效应研究

农户可持续生产技术采用的集成效应研究

李想

(安徽财经大学 合作经济研究中心，安徽 蚌埠 233041)

摘要：基于安徽省调研农户数据，在考量可持续生产技术对农户技术效率影响的基础上，运用倾向得分匹配方法分析农户采用测土配方技术、秸秆还田技术、免耕栽培、节水灌溉与病虫综合防治五种可持续生产技术的集成效应。结果表明：调研农户的技术效率均值为0.422；农户可持续生产技术采用数量越多，越有利于投入量减少或产出增加，提高农户技术效率；集成采用可持续生产技术对农户技术效率的平均处理效应均值为0.057，描述统计方法高估了可持续生产技术的集成采用效应。因此，政府应注重技术的协同采用，充分发挥多种技术的集成效应，实现技术采用效用的最大化。

关键词：可持续生产技术；集成效应；农户；倾向得分匹配方法

中图分类号：F323.3文献标志码：A

收稿日期：2015-04-17

基金项目：教育部“长江学者和创新团队发展计划”创新团队项目《西部地区农村金融市场配置效率、供求均衡与产权抵押融资模式研究》(IRT1176)；西北农林科技大学基本科研业务费人文社会科学项目《农村土地承包经营权抵押担保融资效果评价、运作模式与支持政策研究》(2014RWZD01)

作者简介：曹瓅，女，安徽池州人，博士生，研究方向：农村金融理论与政策；

近年来，各粮食主产区在严格推广高产优质良种基础上，主推测土配方技术、秸秆还田技术、灌溉技术、免耕栽培技术、病虫害综合防治技术等适宜不同区域、不同播栽方式与不同品种类型的可持续生产技术，强化多种技术的集成采用，形成以节地、节水、节肥、节药、节种、节能为发展方向，重视秸秆还田利用，增加农田有机质投入和管理，大力发展以改善生态环境、提高资源利用率为主题的可持续稻作技术体系，取得了显著成效。如何科学准确评价农户采用测土配方技术、秸秆还田技术、灌溉技术、免耕栽培技术、病虫害综合防治等多种可持续生产技术的集成效应，对于多技术集成采用在全国推广能够提供必要的政策依据。

农户技术采用的效应分析主要集中于新技术对产量、收入、环境等方面影响。农户技术采用能够增加农户收入[1-2]，但也有学者认为农业技术应用对农户收入起负向作用[3]。中国农业技术应用的宏观取向是可持续农业技术[4]，各种可持续生产技术的环境效益在自然科学领域得到大量研究，就农户而言，更为重要的经济效益也得到了学者越来越多的关注。如韩洪云、杨增旭采用Bivariate Probit计量模型实证分析表明农户采纳测土配方施肥技术具有显著增收效应[5]。保护性耕作技术能显著提高作物单产[6]。蔡荣、蔡书凯基于安徽省水稻种植户实证发现农户对于保护性耕作技术的采用能够使得稻谷的单产水平大约要高出93 kg/hm2[7]；然而也有研究表明保护性耕作技术对粮食单产影响不显著，甚至可能产生负面影响[8]。王金霞、张丽娟基于中国黄河流域农户调研数据证实采用保护性耕作技术与小麦和玉米单产之间没有显著相关关系，但可显著减少单位面积劳动力投入[9]。针对病虫害综合防治技术的研究表明其有助于降低农药的使用量，同时增加农户产量、收益与降低成本[10]。

现有文献为本研究提供了重要的借鉴与参考，但这些成果主要考查单项农业技术的采用效应，针对多数粮食主产区通过集成可持续生产技术提升粮食产量与质量的现实状况，缺乏对多种可持续生产技术集成采用效应展开相关探索，无法为实现粮食优质高产而进行农户成套集成技术采用提供实证依据。因此，本文以可持续生产技术采用集成效应为研究对象，利用安徽省调研农户数据，运用DEA模型与SFA模型测算农户家庭经营技术效率，并将可持续生产技术纳入模型考察其对农户技术效率的影响，进而基于倾向得分匹配方法(PSM)，将集成采用可持续生产技术从其它影响农户生产技术效率的社会经济因素中独立出来，考量集成采用可持续生产技术对农户生产技术效率的影响效应。

一、研究方法、数据说明与变量选择

(一)研究方法

1.DEA模型与SFA模型。DEA模型基于规模报酬是否可变发展出了规模报酬不变的CCR模型和规模报酬可变的BCC模型。本文因利用deap2.1软件，以投入为导向的BCC模型进行分析，模型数学原理不再详述。

DEA模型测算得出的各投入变量松弛量同时受到环境因素、管理效率与随机因素三部分的影响，通过进一步构建SFA模型分解DEA模型测算所得的投入松弛量，能够从中确定外部环境因素和随机因素，分析农户采用可持续生产技术对水稻生产技术效率的影响。

假设有I个DMU，在投入导向的分析下，分别对每个DMU的N个投入松弛变量进行SFA分析，构建如下SFA回归方程：

sni=fn(zi,βn)+vni+uni

(1)

2.倾向得分匹配方法。根据是否集成采用可持续生产技术，农户区分为两类：处理组(集成采用可持续生产技术农户)与对照组(未集成采用可持续生产技术农户)。Rosenbaum和Rubin提出的倾向得分匹配方法基本思想是通过获得倾向得分值，找到一组和集成采用可持续生产技术的农户样本特征类似的没有集成采用可持续生产技术的农户，通过一定的方式匹配后，在其他条件完全相同的情况下，对处理组与对照组进行技术效率比较，由于两组农户特征变量相似，能够将两者技术效率差异归结为集成采用可持续生产技术的影响效应，从而有效控制样本选择偏误，准确估计平均处理效应(ATT)[11]。倾向得分匹配方法的具体实现步骤包括倾向得分与样本匹配两部分。

农户是否集成采用可持续生产技术是由其自身特征变量决定的。因此，倾向得分定义为在给定样本特征的情况下，农户集成采用可持续生产技术的条件概率，即：

(2)

其中，T表示一个指示函数，如果农户集成采用可持续生产技术，则T=1，未集成采用，则T=0。因此，假设其倾向得分p(X)已知，对于第i 个农户而言，则集成采用可持续生产技术对农户技术效率的平均处理效应为：

(3)

式中，Y1i和Y0i分别表示同一个农户在集成采用可持续生产技术和未集成采用可持续生产技术两种情况下的技术效率。

倾向得分匹配方法主要通过创造随机试验条件进行集成采用可持续生产技术和未集成采用可持续生产技术的比较分析，需要满足条件独立分布假设与共同支撑假设。在具体的实证研究中，依据Dehejia和Wahba的研究，倾向得分匹配法的基本步骤如下[12]：第一，估计Logit模型，得到每个农户集成采用可持续生产技术的概率值，即为每个农户个体的PS值。第二，将样本农户等分为W组。在每个细分组中，分别计算处理组和对照组的平均PS值，并判断二者之间是否存在显著差异，如果存在，则需要进一步细分组别，并重新进行上述检验。本文中取W=5。第三，等到处理组和对照组在每个细分小组中的平均得分值都相等时，检验处理组和对照组中的各解释变量均值是否具有显著性差异，若存在显著性差异，则需重新返回上述步骤。第四，进一步运用最近邻匹配法、半径匹配法、核匹配法三种匹配方法实现处理组和对照组样本之间的匹配。

(二)数据说明

本文所用研究数据为安徽省11个固定观察村的669个水稻农户调研数据，调研内容涉及农户户主年龄、户主文化程度、是否为村干部、技术风险类型、户主兼业、家庭务农劳动力、家庭种植规模、家庭总收入、与村民交流、信息获取渠道、加入合作社、农技人员指导、参加培训、政府推广、距离市场远近、环境认知、技术认知等农户特征，以及农户采用测土配方技术、秸秆还田技术、免耕栽培、节水灌溉与病虫综合防治五种可持续生产技术的基本情况。考虑到未采用一项可持续生产技术的农户与采用五项可持续生产技术的农户均较少，运用倾向得分匹配方法进行分析不仅样本农户的代表性有限，而且样本量偏小。因此研究按照采用一项以下可持续生产技术农户与采用四项以上可持续生产技术农户进行种植技术效率比较分析。由此根据观测样本农户是否集成采用可持续生产技术，样本农户最终形成“处理组”农户，即集成采用可持续生产技术的农户127个，占总样本的18.98%；“对照组”农户，即未集成采用可持续生产技术的农户153个，占总样本的22.87%。

(三)变量选择

在农户技术效率的测算中，根据DEA模型测算的数据要求与水稻生产特性，产出指标以水稻实际收获总产量来衡量。投入指标包括实际收获面积、劳动力投入、物质费用总投入。

将农户采用可持续生产技术的数量作为调研区域的技术采用因素，将其纳入模型分析对农户技术效率的影响。假设在控制变量不变的情况下，农户采用可持续生产技术数量越多越有助于减少水稻种植技术效率损失。同时按照农户的现实状况，主要选取三个环境控制变量：(1)教育因素。根据户主受教育年限进行设置，将户主按照教育年限分为四组(小学及以下=1、初中=2、高中或中专=3、大专及以上=4)，以此反映户主教育对农户生产技术效率的外部影响。(2)政策因素。选取粮食生产补贴数额来反映政策因素对农户家庭经营效率的影响。(3)经济因素。选取农户家庭非农收入综合反映农户生产所处的经济环境。

在倾向得分匹配法中，选取DEA模型测算出的效率值作为衡量农户水稻生产技术效率的指标。鉴于农户的异质性对其生产技术效率的可能影响，本文选取了户主年龄、户主文化程度、是否为村干部、技术风险类型、户主兼业、家庭务农劳动力、家庭种植规模、家庭总收入、与村民交流、信息获取渠道、加入合作社、农技人员指导、参加培训、政府推广、距离市场远近、环境认知、技术认知共17个变量作为控制变量。各变量定义与描述性统计如表1所示。

表1　变量定义与描述性统计表

二、实证结果及分析

(一)农户采用可持续生产技术对技术效率的影响

运用软件deap2.1对调研的669个农户技术效率进行测算。669户农户的生产技术效率值主要介于0.037~1之间，样本间差异性较大，生产技术效率值平均值为0.422。进一步，以DEA分析得出的DMU中各投入松弛变量作为被解释变量，以农户采用可持续生产技术的政府粮食生产补贴、农户家庭非农收入、户主教育程度、可持续生产技术采用四个环境变量作为解释变量，运用软件Frontier4.1得出SFA回归结果(见表2)。

表2显示，统计量γ趋近于1表明管理因素影响占据主导地位且主要受到环境变量的影响，运用SFA模型对农业投入松弛进行分解并分析环境因素对农户技术效率的影响是很有必要的。可持续生产技术采用数量对于各松弛变量的系数均为负值，且除对劳动投入松弛量不显著外，对其他两个投入松弛量均通过5%与1%的显著性检验，与假设相符。这表明农户可持续生产技术采用数量越多，越能减少物质投入且能够对耕地形成一定的替代作用，从而减少物质投入与播种面积冗余，有利于投入量减少或产出的增加，提高农户技术效率。

表2　SFA回归结果表

注: ***、**、*分别表示在1%、5%及10%显著性水平上显著。

(二)农户可持续生产技术采用的集成效应分析

1.集成采用可持续生产技术对农户技术效率影响的初步考察

农户采用测土配方技术、秸秆还田技术、免耕栽培、节水灌溉与病虫综合防治五种可持续生产技术有助于提高水稻生产技术效率。初步考察集成采用可持续生产技术对农户技术效率的影响效应，发现可持续生产技术集成采用户的技术效率均值为0.455，高于非采用户的均值0.069；在农户特征变量方面，户主年龄、户主文化程度、是否为村干部、技术风险类型、户主兼业、家庭务农劳动力、家庭种植规模、家庭总收入、与村民交流、信息获取渠道、加入合作社、农技人员指导、参加培训、政府推广、距离市场远近、环境认知、技术认知也存在明显差异。“处理组”农户和“对照组”农户在技术效率方面的差异初步验证了集成采用可持续生产技术对农户技术效率的影响，但由于两组农户在其各特征变量上也存在显著差异，因此，必须排除农户特征变量差异的影响，对可持续生产技术采用的集成效应进行准确的判断。

2.可持续生产技术集成效应的倾向得分计算

利用Logit回归模型拟合农户集成采用可持续生产技术的概率模型，首先运用逐步法逐一引入农户个体特征、家庭特征、技术环境等影响变量估算倾向得分，分析可持续生产技术集成采用户与非集成采用户倾向得分平衡性以及模型的PseudoR2值，最后选取户主年龄、户主文化程度、是否为村干部、户主兼业、家庭务农劳动力、家庭种植规模、家庭总收入、信息获取渠道、农技人员指导、政府推广、环境认知这组特征变量用于倾向得分估算。表3列出了变量选择和Logit模型估算结果，PseudoR2值为0.252 6，选取特征变量能够满足平衡性的要求。依据此估算结果，能够计算出农户集成采用可持续生产技术的倾向得分。

表3　倾向得分的Logit模型估算表

注:*、**、***分别表示在10%、5%和1%水平下通过显著性检验。

3.样本平均处理效应分析

运用上述最近邻居匹配法、半径匹配方法、核匹配方法三种方法分别计算农户集成采用可持续生产技术对农户技术效率的影响效应，结果如表4所示，表明匹配前后处理组与对照组的农户技术效率及其差异，ATT值反映了集成采用可持续生产技术对农户技术效率的影响效果。利用Bootstrap法检验影响效应的统计显著性和标准误，结果表明无论采用哪一种匹配法，集成采用可持续生产技术对农户技术效率都表现出显著的正向技术集成采用效应(分别在10%、1%、5%水平上显著)。同时采用不同的匹配方法所计算出的影响效应是有差别的。

通过最近邻居匹配法，匹配前，处理组农户和对照组农户在技术效率的均值分别为0.455与0.386，差异为0.069。通过最近邻居方法匹配后，ATT值为0.064。通过半径匹配方法(Caliper=0.001)匹配后，处理组农户和对照组农户在技术效率的均值分别为0.455 与0.394，ATT值为0.061；通过核匹配方法匹配后，处理组农户和对照组农户在技术效率的均值分别为0.455 和0.408，ATT值为0.047。这三个差异反映出在控制了农户集成采用可持续生产技术的内生性后，可持续生产技术集成采用对农户技术效率的效用比匹配前分别下降了7.246%、11.59%、31.88%。

运用不同的匹配方法所计算出的结果虽然存在差异，但其影响效应的方向与趋势一致。究其原因，运用不同匹配算法进行计算将产生不同的共同支撑区域，由此导致在匹配过程中样本产生不同程度的损失，从而形成处理组与对照组匹配上的差异。进一步将不同匹配算法得到的效应进行平均，得到平均效应0.057，以此与匹配前的效应估算结果进行比较，结果表明处理组与对照组匹配前高估了可持续生产技术集成采用的效应。倾向得分匹配法通过将可持续生产技术集成采用从其它影响农户技术效率的因素中独立出来，以此考察其对农户技术效率的影响，其结果可信度更高。

表4　样本总体的平均处理效应表

注：匹配前是指没有进行倾向得分配对前的样本，匹配后是指进行匹配后的样本；***、**、*分别表示在1%、5%与10%水平上显著；标准误采用自抽样法(Bootstrap)反复抽样200 次得到。

三、研究结论与政策启示

本文利用安徽省调研农户数据，首先运用DEA模型与SFA模型研究农户技术效率与可持续生产技术对农户技术效率的影响；然后进一步基于倾向得分匹配方法(PSM)考察集成采用可持续生产技术对农户生产技术效率的影响效应。得到如下结论：

1.调研农户的生产技术效率值平均值为0.422；农户可持续生产技术采用数量越多，越能减少物质投入且能够对耕地形成一定的替代作用，从而减少物质投入与播种面积冗余，有利于投入量减少或产出的增加，提高农户技术效率。

2.进一步运用倾向得分匹配方法发现，该方法通过将集成采用可持续生产技术从其它影响农户生产技术效率的特征变量中分离出来，将两者技术效率差异归结为集成采用可持续生产技术的影响效应，从而有效控制样本选择偏误，准确估计可持续生产技术的集成效应。

3.运用最近邻居匹配法、半径匹配方法、核匹配方法，三种不同匹配方法所计算出的集成采用可持续生产技术对农户技术效率的影响效应方向和趋势一致，但其结果存在差异，其平均处理效应ATT值分别为0.064、0.061、0.047，表明控制了农户集成采用可持续生产技术的内生性后，可持续生产技术集成采用对农户技术效率的效用比匹配前分别下降了7.25%、11.59%、31.88%。进一步将三种匹配算法得到的集成效应进行平均，得到平均处理效应的均值为0.057，与匹配前的效应估算结果进行比较，描述统计方法高估了可持续生产技术的集成采用效应。

上述结论有重要的政策启示。在农业技术推广应用过程中，政府必须注重考量农户技术采用之间的集成效应，实现技术协同采用。一方面，政府相关部门应避免就单项技术进行推广，注重将技术成套化，形成一套完整的技术体系加以试验并逐步完善，从而发挥多种技术的集成效应，实现技术采用效用的最大化。另一方面，政府促进采用一项可持续生产技术的相关政策可能对其他相关可持续生产技术产生溢出作用，即在促使农户技术采用中，应综合考虑农户采用行为可能存在的集成效应，对于存在互补关系的可持续生产技术应注重多种技术的协同采用，对于存在替代关系的可持续生产技术，应根据实际情况采取措施扭转农户对部分技术采用的偏见，从而鼓励农户集成采用多种可持续生产技术，实现水稻生产的可持续发展。

参考文献：

[1]周波,于冷.农业技术应用对农户收入的影响——以江西跟踪观察农户为例[J].中国农村经济,2011(1).

[2]陈玉萍,吴海涛,陶大云,Sushil Pandey,徐鹏,胡凤益,丁士军,王怀豫,冯璐.基于倾向得分匹配法分析农业技术采用对农户收入的影响——以滇西南农户改良陆稻技术采用为例[J].中国农业科学,2010,43(17).

[3]刘进宝,刘洪.农业技术进步与农民农业收入增长弱相关性分析[J].中国农村经济,2004(9).

[4]阎文圣,肖焰恒.中国农业技术应用的宏观取向与农户技术采用行为诱导[J].中国人口·资源与环境,2002,12(3).

[5]韩洪云,杨增旭.农户测土配方施肥技术采纳行为研究——基于山东省枣庄市薛城区农户调研数据[J].中国农业科学,2011(23).

[6]Hobbs P R, Gupta R K. Problems and Challenges of No-till Farming for the Rice-wheat Systems of the Indo-Gangetic Plains in South Asia[C]. Sustainable Agriculture and the Rice-Wheat System, Columbus, Ohio, and New York, USA: Ohio State University and Marcel Dekker, Inc., 2004.

[7]蔡荣,蔡书凯.保护性耕作技术采用及对作物单产影响的实证分析——基于安徽省水稻种植户的调查数据[J].资源科学,2012(9).

[8]Giller K E, Witter E, Corbeels M. Conservation Agriculture and Smallholder Farming in Africa: The Heretics’ View[J]. Field Crops Research, 2009, 114(1).

[9]王金霞,张丽娟.保护性耕作技术对农业生产的影响：黄河流域的实证研究[J].管理评论,2010(6).

[10]蔡书凯.农户IPM技术采纳行为及其效果分析——基于安徽省水稻种植户调研数据[D].杭州：浙江大学博士学位论文,2012.

[11]Rosenbaum P, Rubin D. The Central Role of the Propensity Score in Observational Studies for Causal Effects[J]. Biometrika, 1983, 70 (1).

[12]Dehejia R H, Wahba S. Propensity Score-Matching Methods for Nonexperimental Causal Studies[J]. Review of Economics and Statistics, 2002, 84 (1).

Study on Integrated Effect of Farmers Using Sustainable Production Technologies

LI Xiang

(Center for Cooperation Economic Research, Anhui University of Finance and Economics, Bengbu 233041, China)

Abstract:Based on household survey data in Anhui Province, this paper analyzes farmers' adoption integrated effects of soil testing technology, straw technology, tillage cultivation, water-saving irrigation and integrated pest five sustainable production technology using propensity score matching on the basis of considering affect sustainable production techniques to farmers technical efficiency. The results show that farmers' technical efficiency mean is 0.422. The more Farmers adopt the number of sustainable production techniques, the better to reduce inputs or increase outputs and improve the farmer's technical efficiency. The average treatment effect of integrated adopting sustainable production techniques for farmer technical efficiency is mean of 0.057. Descriptive statistics sustainable production methods overestimate the effect of the use of technology integration. Therefore, the government must focus on collaborative use of technology, and give full play integrated effect of multiple technologies to achieve technology uses utility maximization.

Key words:sustainable production technology; integrated effect; farmers; propensity score matching

(责任编辑：马慧)

罗剑朝，男，陕西武功人，教授，博士生导师，研究方向：农村金融理论与政策，农村金融管理。

【统计调查与分析】