江苏省科技赋能农业保险的农户接受机制研究
——基于UTAUT2 科技接受模型

刘妍 沈宇航 徐杰凯

一、引言

2020年，农业农村部发布《数字农业农村发展规划（2019-2025年）》，明确要求积极推进“农业保险+科技应用”，以实现保险科技与农业保险的协同综合发展。2021年，第十三届全国人民代表大会第四次会议通过《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（以下简称《规划》），明确提出以高质量发展为目标的“发展新阶段”，并在《规划》中15次提及保险行业，其中农业保险是重点关注之一。

江苏省作为农业保险大省，同时也是科技创新大省，积极响应国家号召，发挥东部领头作用。2022年，江苏省财政厅发布《关于印发江苏省农业保险创新产品保护管理暂行办法的通知》，明确要求支持鼓励保险公司创新农业保险产品，不断提升科技在农业保险中的应用深度和广度。2023年，江苏省财政厅农业保险工作小组印发《江苏省推进农业保险高质量发展三年工作方案（2023-2025）》，明确表明江苏省农业保险高质量发展步入新阶段。为更好地发挥农业保险强农惠民政策效应，服务乡村振兴，强化科技赋能支撑农业保险高质量发展成为工作重点。方案要求农业保险经办机构充分利用遥感、无人机等现代化科技手段，实现精准承保、快速定损、科学理赔，优化查勘定损方式和效率，构建“线上+线下”农业保险服务体系。在“以农户为中心，以惠民为主旨”的发展思路下，农业保险经营主体需要更深入地去了解农户对于科技赋能农业保险的接受意愿、偏好和感受。针对此，本研究重点分析“农户如何更好地接受科技赋能农业保险”这一基本问题，并逐步探讨以下四点：（1）影响农户接受科技赋能农业保险的因素有哪些？（2）是否存在新的未知因素影响农户对于科技赋能农业保险的接受度？(3)是否存在新的中介变量，对农户科技赋能农业保险接受的使用行为存在影响？(4)农户的家庭务农情况是否对关键路径存在异质性效应？

二、文献综述

（一）农业保险科技的应用效应

Kayula（2022）认为保险科技的意义在于改变传统业务程序和销售渠道，互联网技术的应用使保险经纪人可以更好地为投保人提供咨询和服务，打破地理界限。

王申辰（2022）认为，我国自然灾害频次高、持续时间长，极易造成巨大损失，同时风险多变难以提前预测和规避，保险公司经营风险与偿付压力巨大，影响行业发展。庹国柱（2019）提出，我国缺乏农业保险统一监管协调机构，行业协作不够紧密，行业规范有待建立健全。关于保险科技是否能帮助解决上述问题，很多学者做出研究论证。庹国柱（2019）基于玉米降水指数保险险种视角，研究得出3S技术与大数据等科学技术的应用能够颠覆农业保险经营模式，减少理赔纠纷降低逆向选择，保证公平性；使用传感器采集数据，再通过大数据分析，提高数据精确性；依靠数据平台支撑提高业务效率及产品研发速度，实现降本增效。李泉、张璐帆（2019）选用2007-2017年全国农业保险时间序列数据，利用DEA-SBM模型进行分析，得出互联网技术的普及对农业保险发展效率具有显著促进作用。王秋萍（2022）应用双向固定效应模型和中介效应模型，研究证实了保险科技驱动农业保险发展的正向积极效应。

（二）技术接受使用模型相关理论

技术接受与利用整合理论（UTAUT)是Venkatesh等人（2003）在TRA、TPB、TAM和DIT等七种信息技术使用行为理论的基础上提出的整合模型。2012年，Ven-katesh等学者对UTAUT进行调整并测试，推出UTAUT2模型，将UTAUT理论的适用性拓展到个体消费情境，突出反映非组织环境中个体内在需求对信息技术使用的影响，对行为的预测能力达到74%，远高于UTAUT理论。UTAUT2模型包含7个自变量（绩效期望、努力期望、社会影响、便利条件、享乐动机、价格价值和习惯）和3个调节变量（性别、年龄、经验），被广泛用于解释受众对新技术的接受度。

目前，UTAUT2模型已成为对用户的技术接受和使用行为解释能力最强的模型之一，在诸多技术领域的用户研究中得到广泛应用。由于研究对象的差异性，部分学者在研究时往往会使用其他理论对UTAUT2模型进行扩展和删减，以便更好地解释研究情境下的特定用户行为。杨华（2021）认为农户对科技加持下的新型农业保险的接受态度与行为可能受到感知风险的影响，这源于对相关技术缺乏了解或担心隐私安全的潜在威胁。张玉明（2020）使用UTAUT2模型对农业保险接受意愿进行实证研究，结果表明，感知风险与农业保险接受意愿的相关性得到验证。夏燕群（2019）与茹东（2022）等学者亦将感知风险理论和UTAUT2模型相结合并应用于保险新技术的用户使用行为研究中。

此外，高个体创新性的群体往往对科技赋能农业保险等前沿科技更感兴趣，主动了解与掌握相关知识及其使用方法的倾向也更强，更容易成为科技赋能农业保险的受众群体。UTAUT2模型虽然融合了创新扩散理论的相对优势、易用性、兼容性等要素，但欠缺类似个体创新性与相对优势的变量。杨华（2021）、张晓燕（2020）在研究互联网保险接受情况时，同时使用感知风险、个体创新性对UTAUT2模型进行扩展，武晓宇（2023）在研究移动视觉搜索对学术用户接受意愿时，将相对优势对UTAUT2模型进行扩展。

（三）研究评述

综上所述，在科技赋能农业保险的效应方面，国内外学者达成诸多共识，但科技赋能农业保险的农户接受机制研究相对欠缺。基于相关理论研究，本文选取解释能力较强的UTAUT2模型，并总结前人使用该模型的分析思路，同时根据科技赋能农业保险的特点与现状，将感知风险理论、创新扩散理论与UTAUT2模型结合，全面构建科技赋能农业保险的接受与使用的影响因素研究模型，通过对问卷调查对数据进行搜集，以期得到江苏省农户科技赋能农业保险的接受机制，为江苏省科技赋能农业保险高质量发展提供助力。

三、研究假设

UTAUT2模型包含绩效期望、努力期望、社会影响、促进条件、习惯、享乐动机、价格价值等7个直接影响接受和习惯的变量。结合科技赋能农业保险领域，本文对UTAUT2模型进行适用性调整。一是去除享乐动机和价格价值。二是将感知安全、感知信任、相对优势和个体创新性加入研究模型，并对模型按照直接和中介的作用路径分别进行假设。

（一）直接影响路径假设

根据UTAUT2模型的假设，绩效期望、努力期望和社会影响能够对接受意愿产生影响，继而影响使用行为；促进条件、习惯既可影响接受意愿，也可直接影响使用行为。基于假设，结合前人相关研究成果与科技赋能农业保险的特点，提出本研究模型中的绩效期望、努力期望、社会影响、促进条件、习惯、感知信任对科技赋能农业保险接受意愿及使用行为的影响路径假设。

1.绩效期望

绩效期望表示农户预期使用科技赋能农业保险可以帮助其提高绩效的程度。科技赋能农业保险具备多样性风险保障、线上应灾管理、智能业务服务等优势，可以让用户充分感受到支付的便捷性与普适性，提升绩效期望，从而增强接受意愿。因此，本文提出以下假设：

H1a：绩效期望对于接受意愿存在正向显著影响。

H1b：绩效期望对于相对优势存在正向显著影响。

2.努力期望

努力期望是指农户预期使用科技赋能农业保险所需要付出的努力程度。普遍认为接受科技带来的业务转化和使用其相应的线上功能所要付出的努力越大，则农户越不愿意接受保险科技赋能后的农业保险。因此，本文提出以下假设：

H2：努力期望对于接受意愿存在正向显著影响。

3.社会影响

社会影响是指农户所处的社会环境对其使用科技赋能农业保险的影响程度。普遍认为农户在选择科技赋能农业保险时会参考周围人的意见和社群传递的信息。所以，其他农户的推荐，政府的宣传都会提高其接纳意愿。因此，本文提出以下假设：

H3：社会影响对于接受意愿存在正向显著影响。

4.促进条件

促进条件是指农户预期使用科技赋能农业保险的相关条件对其接受科技赋能的促进程度。为了和努力期望进行严格的区分和更加针对农业保险领域的适用，这里促进条件主要与灾害、市场价格有关。一般来说灾害发生频率越高，种植作物越容易受到灾害影响，科技赋能基础设备使用资源越丰富，那么农户越有接受科技赋能农业保险的意愿。根据原模型理论，促进条件不仅会影响接受意愿，同时也会直接正向影响接受行为。因此，本文提出以下假设：

H4a：促进条件对于接受意愿存在正向显著影响。

H4b：促进条件对于接受行为存在正向显著影响。

5.习惯

习惯是指农户以前的行为及行为的习惯化程度。如果农户以前经常购买保险类产品和使用科技赋能下的服务模式和功能，那么他们接受科技赋能农业保险的意愿就会越强。并且习惯不仅会影响接受意愿，同时也会直接正向影响接受行为。因此，本文提出以下假设：

H5a：习惯对于接受意愿存在正向显著影响。

H5b：习惯对于接受行为存在正向显著影响。

6.感知安全

感知安全是基于感知风险理论而产生，感知风险是指农户对使用信息系统或技术时可能会存在和发生的负面或者不良结果所产生的心理预期。这种风险在信息技术领域通常来源于经济风险和个人隐私风险，一般而言，感知风险越大，农户接受意愿越低。在这里为了保持量表逻辑的一致性和问卷的填写质量，将感知风险的度量方向取反，改为感知安全。因此，本文提出以下假设：

H6：感知安全对于接受意愿存在正向显著影响。

7.感知信任

感知信任是指农户对政府及保险的信任程度，农户的感知信任程度越高，其接受科技赋能农业保险的可能性越高，同时，对科技提供方的感知信任越强，使用科技的感知安全也会越高。因此，本文提出以下假设：

H7a：感知信任对于接受意愿存在正向显著影响。

H7b：感知信任对于感知安全存在正向显著影响。

8.相对优势

相对优势是来源于创新扩散理论，指的是农户认为采用科技赋能创新比该创新的前身更好的程度。从UTATU2模型融合创新扩散理论的过程中来看，原模型认为，相对优势会影响接受意图。因此，本文提出以下假设：

H8：相对优势对于接受意愿存在正向显著影响。

9.个体创新性

个体创新性来源于创新扩散理论，指的是农户在信息科技领域对于新技术的使用愿意接受的程度。个体创新性是属于其个体本身的特质。创新性越强的农户，对使用新技术越是积极。因此，本文提出以下假设：

H9：个体创新性对于接受意愿存在正向显著影响。

（二）中介效应假设

为了更深入地分析自变量对于因变量的影响过程与作用机制，本文进一步对模型中可能存在的重要中介效应进行分析。在结构方程模型中，促进条件和习惯对接受行为都具有两条影响路径，一条是直接对接受行为产生的影响，另一条是通过影响接受意愿再影响接受行为，因此，对上述两个具有双路径的变量进行中介效应研究是必要的。同样地，感知信任和绩效期望在对接受意愿影响的路径中，也具有双路径特性。感知信任直接影响接受意愿，同时也通过影响感知安全再影响接受意愿；绩效期望直接影响接受意愿，同时也通过影响相对优势再影响接受意愿。因此，本文提出以下假设：

H10：感知安全对于感知信任与接受意愿存在中介效应。

H11：接受意愿对于习惯与接受行为存在中介效应。

H12：接受意愿对于促进条件与接受行为存在中介效应。

H13：相对优势对于绩效期望与接受意愿存在中介效应。

（三）异质效应假设

根据UTAUT2模型假设，人口统计学变量均为异质性检验变量，对模型中变量之间关系具有异质性的区分。本文基于农业保险的应用场景，选择对农业保险受众农户影响最深的家庭农户经营相关变量作为异质性检验变量。因此，本文提出以下假设：

H14：对于科技赋能农业保险接受意愿的关键影响路径，不同务农规模的农户存在显著差异。

H15：对于科技赋能农业保险接受意愿的关键影响路径，不同家庭年收入的农户存在显著差异。

H16：对于科技赋能农业保险接受意愿的关键影响路径，不同务农结构的农户存在显著差异。

综合上述假设，本文构建如图1所示的研究假设模型：

图1 科技赋能农业保险接受机制的研究假设模型图

图2 结构方程模型标准化系数图

四、研究设计

（一）数据来源

考虑到科技赋能农业保险在江苏处于起步阶段，本文选取农业保险需求强、农业发达的村镇进行调查，主要参考依据为2021-2023年江苏省农业产业强镇创建名单，从28个镇中随机抽取14个镇发放问卷，依托于江苏保险应用课题（SBX2023-6-B-04）项目组经费对招募调查员、问卷填写质量监控、农户填写激励机制等过程进行支撑。通过在线问卷，投放各乡镇微信群的方式共发出 5007 份问卷，总计回收1240份问卷，回收率为25%，通过信度效度检验后有效样本为976份，有效样本率为78%。具体详情如表1及表2。

表1 调查问卷发放地详情

表2 有效问卷样本描述性统计

（二）量表设计

为保证问卷的有效性，本研究所有量表设计均参考已有文献与量表，并进行适应性微调。问卷采用李克特5级量表，测量范围从1（非常不同意）到5（非常同意），具体题项见表3。问卷第一部分为被调查者基本信息，包括性别、年龄、文化程度及被调查者家庭信息，包括农户类型、家庭年总收入、务农收入占家庭总收入的比例及家庭谷物类耕种所占比例；第二部分为主体问卷量表。

表3 变量的测量题项及参考来源

五、假设检验与数据分析

下文使用SPSS27.0、AMOS26.0和STATA17.0软件对问卷进行数据分析，主要采用信度分析、效度分析、结构方程分析、中介效应分析、异质效应分析等统计方法，对江苏省科技赋能农业保险的接受机制进行深入研究与探讨。

（一）人口统计学差异性分析

在农业保险领域，研究对象的家庭务农特征往往存在很大差异性，本部分主要选取对农户使用行为存在较大影响的变量，如农户类型、种植结构、家庭收入，进一步对维度变量之间的差异性进行分析。针对二分类变量使用独立性T检验，针对多分类变量使用单因素方差分析。

如表4显示，规模农户的习惯均值为3.784，而普通农户的习惯均值为3.640，组间系数差异检验通过了5%显著性水平的T检验，可见，规模农户对于习惯更加重视。同时规模农户的感知安全均值为3.993，而普通农户的感知安全均值为3.816，并通过了5%显著性水平的T检验，可见规模农户更加看重感知安全。这里可以发现，规模农户具备依赖习惯和技术安全的特性。

表4 农户类型的差异性分析结果

如表5显示，谷物种植面积占比低于20%的农户相对优势均值最高，意味着谷物种植面积占比低的农户更加注重相对优势。同理，谷物种植面积占比低于20%的农户习惯均值最高，意味着谷物种植面积占比低的农户更加注重习惯。其他潜变量之间未呈现种植结构的差异，说明农户对农业保险科技的反应受种植结构的影响不大。

表5 种植结构的差异性分析结果

如表6显示，家庭总收入为10万（含）-20万的调查者对绩效期望、相对优势、接受行为均产生显著差异，并且均值最高。因此，家庭总收入为10万（含）-20万的调查者对于绩效期望、相对优势、接受行为更加重视。可以得出结论，在中等家庭收入群体里，对科技赋能的具体效果具有更高的关注度，而其他群体则没有特殊的差异。

表6 家庭总收入的差异性分析结果

表7 维度变量的描述性统计结果

（二）信度分析

问卷信度衡量指标为信度系数(Cronbach's alpha)。由于各变量的Cronbach's alpha系数的值均大于标准值0.7，因此本调查问卷的可信度较高，问卷中各变量之间的可靠性强。

（三）效度分析

本文所用问卷参考了大量国内外相关文献以及理论模型，并结合研究主题进行调整，保证了问卷内容的准确度。进一步验证性因子分析，并对收敛效度和区分效度进行检验，结果如表8、表9。表8可见，变量的因子负荷量均在0.6以上，组合信度CR值均大于0.7；表9可见，位于对角线上的各潜变量的AVE值开方大于相关系数，同时各潜变量自身的AVE高于0.5。可见，本文使用的量表具有较好的收敛和区分效度。

表8 各变量的验证性因子分析结果

表9 区分效度检验

（四）共同方法偏差检验

由于问卷题项均采用自我评价并打分的方法，因此可能存在数据来源同一性的问题，针对此，本研究运用Harman单因子检验法，在对本研究去掉有关个人基本情况这些题项后，对其余相关的36个题项开展探索性因子分析。结果显示，提取出的主成分的数量大于1且第一个主成分解释方差为22.303%，达到小于40%的合格标准。由此可知，本次问卷调查的各变量未出现共同方法偏差的现象。

（五）模型拟合检验

此部分是对结构方程的结构模型进行验证。潜变量用椭圆形表示，矩形代表观察变量、圆形表示误差项。根据前文所提出的假设，变量之间的结构方程路径分析如下图所示：

根据表10和表11及拟合度标准的对照，可以发现结构方程模型的各项指标均在拟合范围内，因此，结构方程模型的拟合优异，通过验证。

（六）直接路径检验

由表12可知，只有习惯对接受意愿的路径关系中，显著性P值为0.600，明显大于设定的显著性水平值0.05，不具有统计学意义。其他路径关系均存在正向显著影响。其中感知信任对感知安全标准化路径系数达到0.444，为影响效力最高的路径，促进条件对接受意愿也达到了0.301的路径系数，影响效力偏高，需要注意的是，接受意愿对接受行为的路径系数达到0.344，说明农户对科技赋能农业保险的接受从意愿转化为实际行动的效力较高。

表12 直接路径检验

（七）中介效应检验

表13中介效应检验结果显示：

表13 中介效应检验分析结果

模型1中，显著性P为0.002，小于设定的阈值0.05，95%的置信区间为[0.023,0.075]，不包含0。因此，该模型存在部分中介效应。

模型2中，显著性P为0.529，大于设定的阈值0.05，95%的置信区间值为[-0.010,0.020]，包含0。因此，该模型不存在中介效应。

模型3中，显著性P为0.001，小于设定的阈值0.05，95%的置信区间值为[0.069,0.149]，不包含0。而促进条件对于接受行为的直接效应结果中，显著性P值大于设定的阈值0.05，因此，促进条件对于接受行为不存在显著性影响，则该模型存在完全中介效应。

模型4中，相对优势在绩效期望与接受意愿之间产生中介效应，效应值为0.008,显著性P为0.009，小于设定的阈值0.05，95%的置信区间值为[0.002,0.002]，不包含0。因此，该模型存在部分中介效应。

根据以上4个中介效用模型，可以得出，在科技赋能农业保险过程中提高相对优势、技术使用安全更有利于农户多路径更好地接受科技赋能。同时，对农户进行风险意识培养也可以达到多路径影响接受行为的效果。

（八）异质效应检验

下文从农户规模、种植结构以及家庭收入三个维度对绩效期望、努力期望以及感知信任的接受机制进行异质性分析，对各个路径进行分组回归。

1.农户规模的影响

本文将样本分为规模农户和普通农户，检验结果见下表14。从回归结果来看，上述路径适用于规模农户和普通农户，为了进一步比较两组回归的差异，文中采用Bootstrap检验得到经验p值。在10%的显著性水平下，感知信任对感知安全的影响不存在农户规模的差异，感知安全对接受意愿的影响呈现显著的农户规模差异，相对于普通农户，感知安全对规模农户的接受意愿更强。同理可以分析，在1%显著性检验，接受意愿对接受行为的影响也呈现农户规模的差异，相对于普通农户，接受意愿对规模农户接受行为的影响更加明显。

表14 考虑农户规模的差异

2.考虑种植结构的影响

本文采用家庭耕种谷物类（稻谷、小麦、玉米等）占播种面积占比对农户种植结构进行量化，并将谷物类面积占比在50%以上的样本定义为谷物种植高组，其他样本定义为低组，检验结果见下表15。从回归结果来看，上述路径适用于谷物种植大户和谷物种植小户，为了进一步比较两组回归的差异，文中采用Bootstrap检验得到经验p值。注意到，在5%的显著性水平下，只有绩效期望对接受意愿的影响呈现种植结构的差异，相对于谷物种植低组，绩效期望对谷物种植占比高的农户接受意愿的影响更加明显。感知信任、努力期望对接受行为的机制不呈现种植结构的差异。

表15 考虑种植结构的差异

3.考虑农户家庭收入的影响

为了检验绩效期望、努力期望以及感知信任对接受行为的作用路径是否呈现农户家庭收入的影响。文中将农户家庭收入在20万及以上的农户定义为收入高组，其它样本定义为收入低组。从表16的回归结果来看，在0.05的显著性水平下，感知信任对感知安全的影响呈现家庭收入的差异，相对于家庭收入高组，感知信任对家庭收入低的农户感知安全影响更加明显。在0.1的显著性水平下，接受意愿对接受行为的影响呈现家庭收入的差异，相对于家庭收入高组，低收入家庭的接受行为对接受意愿的变动更加敏感。在0.01的显著性水平下，相对优势对接受意愿的影响也呈现家庭收入的异质性，相对于高收入家庭，相对优势对低收入家庭接受意愿的影响更加明显。同理可知，其他路径未呈现家庭收入的差异。

表16 考虑家庭收入的差异

表17 研究假设验证结果

（九）模型检验结果

在前期理论分析、假设提出、模型构建及问卷设计、发放和数据回收等基础上，本章展开了相关的实证研究。研究结果如下表所示：

六、结论与政策建议

（一）结论

本文结合科技赋能农业保险的特点，在UTAUT2模型的基础上引入个体创新性、相对优势、感知信任和感知安全四个新变量，构建了科技赋能农业保险的接受和使用的影响因素模型。实证结果显示，主要假设基本都得到了验证，模型具有较好的解释力。其中，绩效期望、努力期望、社会影响、促进条件、个体创新性、感知信任、感知安全对科技赋能农业保险接受意愿都具有显著正向影响，而习惯对科技赋能接受意愿的影响不显著；其直接作用于接受行为的影响较为显著。最后接受意愿对接受行为的影响是显著，所以在科技赋能农业保险领域中，从意愿转化为行为效应是比较强的。在中介效应检验中，接受意愿在习惯与接受行为之间的中介作用不显著，在促进条件与使用行为之间的中介作用显著，感知安全对于感知信任与接受意愿的中介效应部分成立，相对优势对于绩效期望与接受意愿的中介效应部分成立，在异质性方面，种植结构、家庭收入、农户规模均部分对关键路径存在影响。

（二）政策建议

1.对农业保险关键价值链环节进行科技赋能

根据模型验证结果可知，绩效期望无论是直接影响接受意愿，还是通过相对优势再影响接受意愿都是显著正相关，同时努力期望对接受意愿同样也是显著正相关，且二者的相关性系数都较大。所以要对模型路径中涉及到的农业保险关键价值链进行赋能，才能最大化农户的接受意愿。主要包括以下几个方面：

一是科技赋能农业保险产品功能。使用3S遥感、互联网、气象监测、碳储监测等科学技术发展指数类保险，如天气指数保险、碳汇指数保险、价格指数保险等。在理赔触发条件方面，传统农业保险在赔偿触发机制上需要根据承保对象的损失状况来确定赔付金额，并基于现场调查的结果进行评估；相比之下，指数保险则更关注于市场价格的变动情况。因此，指数保险的赔偿决定更加直接明了，无需耗费大量时间和人力成本去核实灾害情况和处理争议问题。指数保险不仅有效扩展了面向“三农”的保险覆盖面，还通过保险保障手段提高了土地流转下新型经营主体在农村现代化发展中的竞争能力和发展实力。

二是科技赋能农业保险产品风险管理功能。传统农业保险不具备日常灾害管理和灾前管理功能，而赔偿金很多时候无法完全覆盖农户遭受的损失，所以日常和灾前的管理对于农户来讲就尤为重要。可以利用卫星地图、气象监测设备、遥感等技术在日常管理阶段，提供查看台风位置、土壤水分、温度湿度和农作物长势的监控信息。在灾前管理阶段，对可能的自然灾害、养殖环境恶化、疫情等提前警报；在灾后管理阶段，提供灾后处理和止损的推荐方式，并预警可能再次发生次级灾害的区域。

三是科技赋能农业保险产品的业务流程。科技赋能可以优化整个业务流程，降低时间成本和道德风险，从而有效降低农户参与农业保险的阻力。如在核保、定损、理赔业务中，替代原有的人工查勘，将灾前和灾后所有信息和所需数据资料都在一张卫星图中存储，实现业务流程在一张图上集中，真正做到全流程的“按图理赔”。

2.进一步加强科技赋能农业保险的监管

感知信任、感知安全是本次模型中根据感知风险理论添加的要素，通过检验结果可知，感知信任和感知安全都对接受意愿有较大的正向显著性影响，保险科技的应用有利于农业保险的发展，但是所带来的信息安全和风险问题同样也会降低农户的接受程度，所以政府要加强在科技赋能农业保险风险保障、产品设计、服务设计上的技术手段与信息的监管，最为重要的是保险产品科技赋能路径上的监管，要让科技赋能一直以农户为核心，不能让保险公司利用科技赋能的技术优势侵害农户的利益和隐私，同时完善现有的监管规章制度，保险科技加入到了保险行业，形成了行业模式的交叉，监管部门要针对大数据、物联网、区块链等新型科技手段在农业保险中的应用，出台专项监管的规章制度，填补对保险科技的监管空白，以规范保险科技在农业保险中的运作秩序。