農(nóng)戶可持續(xù)生產(chǎn)技術(shù)采用的集成效應(yīng)研究

李想

(安徽財(cái)經(jīng)大學(xué) 合作經(jīng)濟(jì)研究中心，安徽 蚌埠 233041)

摘要：基于安徽省調(diào)研農(nóng)戶數(shù)據(jù)，在考量可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率影響的基礎(chǔ)上，運(yùn)用傾向得分匹配方法分析農(nóng)戶采用測(cè)土配方技術(shù)、秸稈還田技術(shù)、免耕栽培、節(jié)水灌溉與病蟲綜合防治五種可持續(xù)生產(chǎn)技術(shù)的集成效應(yīng)。結(jié)果表明：調(diào)研農(nóng)戶的技術(shù)效率均值為0.422；農(nóng)戶可持續(xù)生產(chǎn)技術(shù)采用數(shù)量越多，越有利于投入量減少或產(chǎn)出增加，提高農(nóng)戶技術(shù)效率；集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率的平均處理效應(yīng)均值為0.057，描述統(tǒng)計(jì)方法高估了可持續(xù)生產(chǎn)技術(shù)的集成采用效應(yīng)。因此，政府應(yīng)注重技術(shù)的協(xié)同采用，充分發(fā)揮多種技術(shù)的集成效應(yīng)，實(shí)現(xiàn)技術(shù)采用效用的最大化。

關(guān)鍵詞：可持續(xù)生產(chǎn)技術(shù)；集成效應(yīng)；農(nóng)戶；傾向得分匹配方法

中圖分類號(hào)：F323.3文獻(xiàn)標(biāo)志碼：A

收稿日期：2015-04-17

基金項(xiàng)目：教育部“長(zhǎng)江學(xué)者和創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃”創(chuàng)新團(tuán)隊(duì)項(xiàng)目《西部地區(qū)農(nóng)村金融市場(chǎng)配置效率、供求均衡與產(chǎn)權(quán)抵押融資模式研究》(IRT1176)；西北農(nóng)林科技大學(xué)基本科研業(yè)務(wù)費(fèi)人文社會(huì)科學(xué)項(xiàng)目《農(nóng)村土地承包經(jīng)營(yíng)權(quán)抵押擔(dān)保融資效果評(píng)價(jià)、運(yùn)作模式與支持政策研究》(2014RWZD01)

作者簡(jiǎn)介：曹瓅，女，安徽池州人，博士生，研究方向：農(nóng)村金融理論與政策；

近年來，各糧食主產(chǎn)區(qū)在嚴(yán)格推廣高產(chǎn)優(yōu)質(zhì)良種基礎(chǔ)上，主推測(cè)土配方技術(shù)、秸稈還田技術(shù)、灌溉技術(shù)、免耕栽培技術(shù)、病蟲害綜合防治技術(shù)等適宜不同區(qū)域、不同播栽方式與不同品種類型的可持續(xù)生產(chǎn)技術(shù)，強(qiáng)化多種技術(shù)的集成采用，形成以節(jié)地、節(jié)水、節(jié)肥、節(jié)藥、節(jié)種、節(jié)能為發(fā)展方向，重視秸稈還田利用，增加農(nóng)田有機(jī)質(zhì)投入和管理，大力發(fā)展以改善生態(tài)環(huán)境、提高資源利用率為主題的可持續(xù)稻作技術(shù)體系，取得了顯著成效。如何科學(xué)準(zhǔn)確評(píng)價(jià)農(nóng)戶采用測(cè)土配方技術(shù)、秸稈還田技術(shù)、灌溉技術(shù)、免耕栽培技術(shù)、病蟲害綜合防治等多種可持續(xù)生產(chǎn)技術(shù)的集成效應(yīng)，對(duì)于多技術(shù)集成采用在全國(guó)推廣能夠提供必要的政策依據(jù)。

農(nóng)戶技術(shù)采用的效應(yīng)分析主要集中于新技術(shù)對(duì)產(chǎn)量、收入、環(huán)境等方面影響。農(nóng)戶技術(shù)采用能夠增加農(nóng)戶收入[1-2]，但也有學(xué)者認(rèn)為農(nóng)業(yè)技術(shù)應(yīng)用對(duì)農(nóng)戶收入起負(fù)向作用[3]。中國(guó)農(nóng)業(yè)技術(shù)應(yīng)用的宏觀取向是可持續(xù)農(nóng)業(yè)技術(shù)[4]，各種可持續(xù)生產(chǎn)技術(shù)的環(huán)境效益在自然科學(xué)領(lǐng)域得到大量研究，就農(nóng)戶而言，更為重要的經(jīng)濟(jì)效益也得到了學(xué)者越來越多的關(guān)注。如韓洪云、楊增旭采用Bivariate Probit計(jì)量模型實(shí)證分析表明農(nóng)戶采納測(cè)土配方施肥技術(shù)具有顯著增收效應(yīng)[5]。保護(hù)性耕作技術(shù)能顯著提高作物單產(chǎn)[6]。蔡榮、蔡書凱基于安徽省水稻種植戶實(shí)證發(fā)現(xiàn)農(nóng)戶對(duì)于保護(hù)性耕作技術(shù)的采用能夠使得稻谷的單產(chǎn)水平大約要高出93 kg/hm2[7]；然而也有研究表明保護(hù)性耕作技術(shù)對(duì)糧食單產(chǎn)影響不顯著，甚至可能產(chǎn)生負(fù)面影響[8]。王金霞、張麗娟基于中國(guó)黃河流域農(nóng)戶調(diào)研數(shù)據(jù)證實(shí)采用保護(hù)性耕作技術(shù)與小麥和玉米單產(chǎn)之間沒有顯著相關(guān)關(guān)系，但可顯著減少單位面積勞動(dòng)力投入[9]。針對(duì)病蟲害綜合防治技術(shù)的研究表明其有助于降低農(nóng)藥的使用量，同時(shí)增加農(nóng)戶產(chǎn)量、收益與降低成本[10]。

現(xiàn)有文獻(xiàn)為本研究提供了重要的借鑒與參考，但這些成果主要考查單項(xiàng)農(nóng)業(yè)技術(shù)的采用效應(yīng)，針對(duì)多數(shù)糧食主產(chǎn)區(qū)通過集成可持續(xù)生產(chǎn)技術(shù)提升糧食產(chǎn)量與質(zhì)量的現(xiàn)實(shí)狀況，缺乏對(duì)多種可持續(xù)生產(chǎn)技術(shù)集成采用效應(yīng)展開相關(guān)探索，無法為實(shí)現(xiàn)糧食優(yōu)質(zhì)高產(chǎn)而進(jìn)行農(nóng)戶成套集成技術(shù)采用提供實(shí)證依據(jù)。因此，本文以可持續(xù)生產(chǎn)技術(shù)采用集成效應(yīng)為研究對(duì)象，利用安徽省調(diào)研農(nóng)戶數(shù)據(jù)，運(yùn)用DEA模型與SFA模型測(cè)算農(nóng)戶家庭經(jīng)營(yíng)技術(shù)效率，并將可持續(xù)生產(chǎn)技術(shù)納入模型考察其對(duì)農(nóng)戶技術(shù)效率的影響，進(jìn)而基于傾向得分匹配方法(PSM)，將集成采用可持續(xù)生產(chǎn)技術(shù)從其它影響農(nóng)戶生產(chǎn)技術(shù)效率的社會(huì)經(jīng)濟(jì)因素中獨(dú)立出來，考量集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶生產(chǎn)技術(shù)效率的影響效應(yīng)。

一、研究方法、數(shù)據(jù)說明與變量選擇

(一)研究方法

1.DEA模型與SFA模型。DEA模型基于規(guī)模報(bào)酬是否可變發(fā)展出了規(guī)模報(bào)酬不變的CCR模型和規(guī)模報(bào)酬可變的BCC模型。本文因利用deap2.1軟件，以投入為導(dǎo)向的BCC模型進(jìn)行分析，模型數(shù)學(xué)原理不再詳述。

DEA模型測(cè)算得出的各投入變量松弛量同時(shí)受到環(huán)境因素、管理效率與隨機(jī)因素三部分的影響，通過進(jìn)一步構(gòu)建SFA模型分解DEA模型測(cè)算所得的投入松弛量，能夠從中確定外部環(huán)境因素和隨機(jī)因素，分析農(nóng)戶采用可持續(xù)生產(chǎn)技術(shù)對(duì)水稻生產(chǎn)技術(shù)效率的影響。

假設(shè)有I個(gè)DMU，在投入導(dǎo)向的分析下，分別對(duì)每個(gè)DMU的N個(gè)投入松弛變量進(jìn)行SFA分析，構(gòu)建如下SFA回歸方程：

sni=fn(zi,βn)+vni+uni

(1)

2.傾向得分匹配方法。根據(jù)是否集成采用可持續(xù)生產(chǎn)技術(shù)，農(nóng)戶區(qū)分為兩類：處理組(集成采用可持續(xù)生產(chǎn)技術(shù)農(nóng)戶)與對(duì)照組(未集成采用可持續(xù)生產(chǎn)技術(shù)農(nóng)戶)。Rosenbaum和Rubin提出的傾向得分匹配方法基本思想是通過獲得傾向得分值，找到一組和集成采用可持續(xù)生產(chǎn)技術(shù)的農(nóng)戶樣本特征類似的沒有集成采用可持續(xù)生產(chǎn)技術(shù)的農(nóng)戶，通過一定的方式匹配后，在其他條件完全相同的情況下，對(duì)處理組與對(duì)照組進(jìn)行技術(shù)效率比較，由于兩組農(nóng)戶特征變量相似，能夠?qū)烧呒夹g(shù)效率差異歸結(jié)為集成采用可持續(xù)生產(chǎn)技術(shù)的影響效應(yīng)，從而有效控制樣本選擇偏誤，準(zhǔn)確估計(jì)平均處理效應(yīng)(ATT)[11]。傾向得分匹配方法的具體實(shí)現(xiàn)步驟包括傾向得分與樣本匹配兩部分。

農(nóng)戶是否集成采用可持續(xù)生產(chǎn)技術(shù)是由其自身特征變量決定的。因此，傾向得分定義為在給定樣本特征的情況下，農(nóng)戶集成采用可持續(xù)生產(chǎn)技術(shù)的條件概率，即：

(2)

其中，T表示一個(gè)指示函數(shù)，如果農(nóng)戶集成采用可持續(xù)生產(chǎn)技術(shù)，則T=1，未集成采用，則T=0。因此，假設(shè)其傾向得分p(X)已知，對(duì)于第i 個(gè)農(nóng)戶而言，則集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率的平均處理效應(yīng)為：

(3)

式中，Y1i和Y0i分別表示同一個(gè)農(nóng)戶在集成采用可持續(xù)生產(chǎn)技術(shù)和未集成采用可持續(xù)生產(chǎn)技術(shù)兩種情況下的技術(shù)效率。

傾向得分匹配方法主要通過創(chuàng)造隨機(jī)試驗(yàn)條件進(jìn)行集成采用可持續(xù)生產(chǎn)技術(shù)和未集成采用可持續(xù)生產(chǎn)技術(shù)的比較分析，需要滿足條件獨(dú)立分布假設(shè)與共同支撐假設(shè)。在具體的實(shí)證研究中，依據(jù)Dehejia和Wahba的研究，傾向得分匹配法的基本步驟如下[12]：第一，估計(jì)Logit模型，得到每個(gè)農(nóng)戶集成采用可持續(xù)生產(chǎn)技術(shù)的概率值，即為每個(gè)農(nóng)戶個(gè)體的PS值。第二，將樣本農(nóng)戶等分為W組。在每個(gè)細(xì)分組中，分別計(jì)算處理組和對(duì)照組的平均PS值，并判斷二者之間是否存在顯著差異，如果存在，則需要進(jìn)一步細(xì)分組別，并重新進(jìn)行上述檢驗(yàn)。本文中取W=5。第三，等到處理組和對(duì)照組在每個(gè)細(xì)分小組中的平均得分值都相等時(shí)，檢驗(yàn)處理組和對(duì)照組中的各解釋變量均值是否具有顯著性差異，若存在顯著性差異，則需重新返回上述步驟。第四，進(jìn)一步運(yùn)用最近鄰匹配法、半徑匹配法、核匹配法三種匹配方法實(shí)現(xiàn)處理組和對(duì)照組樣本之間的匹配。

(二)數(shù)據(jù)說明

本文所用研究數(shù)據(jù)為安徽省11個(gè)固定觀察村的669個(gè)水稻農(nóng)戶調(diào)研數(shù)據(jù)，調(diào)研內(nèi)容涉及農(nóng)戶戶主年齡、戶主文化程度、是否為村干部、技術(shù)風(fēng)險(xiǎn)類型、戶主兼業(yè)、家庭務(wù)農(nóng)勞動(dòng)力、家庭種植規(guī)模、家庭總收入、與村民交流、信息獲取渠道、加入合作社、農(nóng)技人員指導(dǎo)、參加培訓(xùn)、政府推廣、距離市場(chǎng)遠(yuǎn)近、環(huán)境認(rèn)知、技術(shù)認(rèn)知等農(nóng)戶特征，以及農(nóng)戶采用測(cè)土配方技術(shù)、秸稈還田技術(shù)、免耕栽培、節(jié)水灌溉與病蟲綜合防治五種可持續(xù)生產(chǎn)技術(shù)的基本情況?？紤]到未采用一項(xiàng)可持續(xù)生產(chǎn)技術(shù)的農(nóng)戶與采用五項(xiàng)可持續(xù)生產(chǎn)技術(shù)的農(nóng)戶均較少，運(yùn)用傾向得分匹配方法進(jìn)行分析不僅樣本農(nóng)戶的代表性有限，而且樣本量偏小。因此研究按照采用一項(xiàng)以下可持續(xù)生產(chǎn)技術(shù)農(nóng)戶與采用四項(xiàng)以上可持續(xù)生產(chǎn)技術(shù)農(nóng)戶進(jìn)行種植技術(shù)效率比較分析。由此根據(jù)觀測(cè)樣本農(nóng)戶是否集成采用可持續(xù)生產(chǎn)技術(shù)，樣本農(nóng)戶最終形成“處理組”農(nóng)戶，即集成采用可持續(xù)生產(chǎn)技術(shù)的農(nóng)戶127個(gè)，占總樣本的18.98%；“對(duì)照組”農(nóng)戶，即未集成采用可持續(xù)生產(chǎn)技術(shù)的農(nóng)戶153個(gè)，占總樣本的22.87%。

(三)變量選擇

在農(nóng)戶技術(shù)效率的測(cè)算中，根據(jù)DEA模型測(cè)算的數(shù)據(jù)要求與水稻生產(chǎn)特性，產(chǎn)出指標(biāo)以水稻實(shí)際收獲總產(chǎn)量來衡量。投入指標(biāo)包括實(shí)際收獲面積、勞動(dòng)力投入、物質(zhì)費(fèi)用總投入。

將農(nóng)戶采用可持續(xù)生產(chǎn)技術(shù)的數(shù)量作為調(diào)研區(qū)域的技術(shù)采用因素，將其納入模型分析對(duì)農(nóng)戶技術(shù)效率的影響。假設(shè)在控制變量不變的情況下，農(nóng)戶采用可持續(xù)生產(chǎn)技術(shù)數(shù)量越多越有助于減少水稻種植技術(shù)效率損失。同時(shí)按照農(nóng)戶的現(xiàn)實(shí)狀況，主要選取三個(gè)環(huán)境控制變量：(1)教育因素。根據(jù)戶主受教育年限進(jìn)行設(shè)置，將戶主按照教育年限分為四組(小學(xué)及以下=1、初中=2、高中或中專=3、大專及以上=4)，以此反映戶主教育對(duì)農(nóng)戶生產(chǎn)技術(shù)效率的外部影響。(2)政策因素。選取糧食生產(chǎn)補(bǔ)貼數(shù)額來反映政策因素對(duì)農(nóng)戶家庭經(jīng)營(yíng)效率的影響。(3)經(jīng)濟(jì)因素。選取農(nóng)戶家庭非農(nóng)收入綜合反映農(nóng)戶生產(chǎn)所處的經(jīng)濟(jì)環(huán)境。

在傾向得分匹配法中，選取DEA模型測(cè)算出的效率值作為衡量農(nóng)戶水稻生產(chǎn)技術(shù)效率的指標(biāo)。鑒于農(nóng)戶的異質(zhì)性對(duì)其生產(chǎn)技術(shù)效率的可能影響，本文選取了戶主年齡、戶主文化程度、是否為村干部、技術(shù)風(fēng)險(xiǎn)類型、戶主兼業(yè)、家庭務(wù)農(nóng)勞動(dòng)力、家庭種植規(guī)模、家庭總收入、與村民交流、信息獲取渠道、加入合作社、農(nóng)技人員指導(dǎo)、參加培訓(xùn)、政府推廣、距離市場(chǎng)遠(yuǎn)近、環(huán)境認(rèn)知、技術(shù)認(rèn)知共17個(gè)變量作為控制變量。各變量定義與描述性統(tǒng)計(jì)如表1所示。

表1　變量定義與描述性統(tǒng)計(jì)表

二、實(shí)證結(jié)果及分析

(一)農(nóng)戶采用可持續(xù)生產(chǎn)技術(shù)對(duì)技術(shù)效率的影響

運(yùn)用軟件deap2.1對(duì)調(diào)研的669個(gè)農(nóng)戶技術(shù)效率進(jìn)行測(cè)算。669戶農(nóng)戶的生產(chǎn)技術(shù)效率值主要介于0.037~1之間，樣本間差異性較大，生產(chǎn)技術(shù)效率值平均值為0.422。進(jìn)一步，以DEA分析得出的DMU中各投入松弛變量作為被解釋變量，以農(nóng)戶采用可持續(xù)生產(chǎn)技術(shù)的政府糧食生產(chǎn)補(bǔ)貼、農(nóng)戶家庭非農(nóng)收入、戶主教育程度、可持續(xù)生產(chǎn)技術(shù)采用四個(gè)環(huán)境變量作為解釋變量，運(yùn)用軟件Frontier4.1得出SFA回歸結(jié)果(見表2)。

表2顯示，統(tǒng)計(jì)量γ趨近于1表明管理因素影響占據(jù)主導(dǎo)地位且主要受到環(huán)境變量的影響，運(yùn)用SFA模型對(duì)農(nóng)業(yè)投入松弛進(jìn)行分解并分析環(huán)境因素對(duì)農(nóng)戶技術(shù)效率的影響是很有必要的。可持續(xù)生產(chǎn)技術(shù)采用數(shù)量對(duì)于各松弛變量的系數(shù)均為負(fù)值，且除對(duì)勞動(dòng)投入松弛量不顯著外，對(duì)其他兩個(gè)投入松弛量均通過5%與1%的顯著性檢驗(yàn)，與假設(shè)相符。這表明農(nóng)戶可持續(xù)生產(chǎn)技術(shù)采用數(shù)量越多，越能減少物質(zhì)投入且能夠?qū)Ω匦纬梢欢ǖ奶娲饔?，從而減少物質(zhì)投入與播種面積冗余，有利于投入量減少或產(chǎn)出的增加，提高農(nóng)戶技術(shù)效率。

表2　SFA回歸結(jié)果表

注: ***、**、*分別表示在1%、5%及10%顯著性水平上顯著。

(二)農(nóng)戶可持續(xù)生產(chǎn)技術(shù)采用的集成效應(yīng)分析

1.集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率影響的初步考察

農(nóng)戶采用測(cè)土配方技術(shù)、秸稈還田技術(shù)、免耕栽培、節(jié)水灌溉與病蟲綜合防治五種可持續(xù)生產(chǎn)技術(shù)有助于提高水稻生產(chǎn)技術(shù)效率。初步考察集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率的影響效應(yīng)，發(fā)現(xiàn)可持續(xù)生產(chǎn)技術(shù)集成采用戶的技術(shù)效率均值為0.455，高于非采用戶的均值0.069；在農(nóng)戶特征變量方面，戶主年齡、戶主文化程度、是否為村干部、技術(shù)風(fēng)險(xiǎn)類型、戶主兼業(yè)、家庭務(wù)農(nóng)勞動(dòng)力、家庭種植規(guī)模、家庭總收入、與村民交流、信息獲取渠道、加入合作社、農(nóng)技人員指導(dǎo)、參加培訓(xùn)、政府推廣、距離市場(chǎng)遠(yuǎn)近、環(huán)境認(rèn)知、技術(shù)認(rèn)知也存在明顯差異。“處理組”農(nóng)戶和“對(duì)照組”農(nóng)戶在技術(shù)效率方面的差異初步驗(yàn)證了集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率的影響，但由于兩組農(nóng)戶在其各特征變量上也存在顯著差異，因此，必須排除農(nóng)戶特征變量差異的影響，對(duì)可持續(xù)生產(chǎn)技術(shù)采用的集成效應(yīng)進(jìn)行準(zhǔn)確的判斷。

2.可持續(xù)生產(chǎn)技術(shù)集成效應(yīng)的傾向得分計(jì)算

利用Logit回歸模型擬合農(nóng)戶集成采用可持續(xù)生產(chǎn)技術(shù)的概率模型，首先運(yùn)用逐步法逐一引入農(nóng)戶個(gè)體特征、家庭特征、技術(shù)環(huán)境等影響變量估算傾向得分，分析可持續(xù)生產(chǎn)技術(shù)集成采用戶與非集成采用戶傾向得分平衡性以及模型的PseudoR2值，最后選取戶主年齡、戶主文化程度、是否為村干部、戶主兼業(yè)、家庭務(wù)農(nóng)勞動(dòng)力、家庭種植規(guī)模、家庭總收入、信息獲取渠道、農(nóng)技人員指導(dǎo)、政府推廣、環(huán)境認(rèn)知這組特征變量用于傾向得分估算。表3列出了變量選擇和Logit模型估算結(jié)果，PseudoR2值為0.252 6，選取特征變量能夠滿足平衡性的要求。依據(jù)此估算結(jié)果，能夠計(jì)算出農(nóng)戶集成采用可持續(xù)生產(chǎn)技術(shù)的傾向得分。

表3　傾向得分的Logit模型估算表

注:*、**、***分別表示在10%、5%和1%水平下通過顯著性檢驗(yàn)。

3.樣本平均處理效應(yīng)分析

運(yùn)用上述最近鄰居匹配法、半徑匹配方法、核匹配方法三種方法分別計(jì)算農(nóng)戶集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率的影響效應(yīng)，結(jié)果如表4所示，表明匹配前后處理組與對(duì)照組的農(nóng)戶技術(shù)效率及其差異，ATT值反映了集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率的影響效果。利用Bootstrap法檢驗(yàn)影響效應(yīng)的統(tǒng)計(jì)顯著性和標(biāo)準(zhǔn)誤，結(jié)果表明無論采用哪一種匹配法，集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率都表現(xiàn)出顯著的正向技術(shù)集成采用效應(yīng)(分別在10%、1%、5%水平上顯著)。同時(shí)采用不同的匹配方法所計(jì)算出的影響效應(yīng)是有差別的。

通過最近鄰居匹配法，匹配前，處理組農(nóng)戶和對(duì)照組農(nóng)戶在技術(shù)效率的均值分別為0.455與0.386，差異為0.069。通過最近鄰居方法匹配后，ATT值為0.064。通過半徑匹配方法(Caliper=0.001)匹配后，處理組農(nóng)戶和對(duì)照組農(nóng)戶在技術(shù)效率的均值分別為0.455 與0.394，ATT值為0.061；通過核匹配方法匹配后，處理組農(nóng)戶和對(duì)照組農(nóng)戶在技術(shù)效率的均值分別為0.455 和0.408，ATT值為0.047。這三個(gè)差異反映出在控制了農(nóng)戶集成采用可持續(xù)生產(chǎn)技術(shù)的內(nèi)生性后，可持續(xù)生產(chǎn)技術(shù)集成采用對(duì)農(nóng)戶技術(shù)效率的效用比匹配前分別下降了7.246%、11.59%、31.88%。

運(yùn)用不同的匹配方法所計(jì)算出的結(jié)果雖然存在差異，但其影響效應(yīng)的方向與趨勢(shì)一致。究其原因，運(yùn)用不同匹配算法進(jìn)行計(jì)算將產(chǎn)生不同的共同支撐區(qū)域，由此導(dǎo)致在匹配過程中樣本產(chǎn)生不同程度的損失，從而形成處理組與對(duì)照組匹配上的差異。進(jìn)一步將不同匹配算法得到的效應(yīng)進(jìn)行平均，得到平均效應(yīng)0.057，以此與匹配前的效應(yīng)估算結(jié)果進(jìn)行比較，結(jié)果表明處理組與對(duì)照組匹配前高估了可持續(xù)生產(chǎn)技術(shù)集成采用的效應(yīng)。傾向得分匹配法通過將可持續(xù)生產(chǎn)技術(shù)集成采用從其它影響農(nóng)戶技術(shù)效率的因素中獨(dú)立出來，以此考察其對(duì)農(nóng)戶技術(shù)效率的影響，其結(jié)果可信度更高。

表4　樣本總體的平均處理效應(yīng)表

注：匹配前是指沒有進(jìn)行傾向得分配對(duì)前的樣本，匹配后是指進(jìn)行匹配后的樣本；***、**、*分別表示在1%、5%與10%水平上顯著；標(biāo)準(zhǔn)誤采用自抽樣法(Bootstrap)反復(fù)抽樣200 次得到。

三、研究結(jié)論與政策啟示

本文利用安徽省調(diào)研農(nóng)戶數(shù)據(jù)，首先運(yùn)用DEA模型與SFA模型研究農(nóng)戶技術(shù)效率與可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率的影響；然后進(jìn)一步基于傾向得分匹配方法(PSM)考察集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶生產(chǎn)技術(shù)效率的影響效應(yīng)。得到如下結(jié)論：

1.調(diào)研農(nóng)戶的生產(chǎn)技術(shù)效率值平均值為0.422；農(nóng)戶可持續(xù)生產(chǎn)技術(shù)采用數(shù)量越多，越能減少物質(zhì)投入且能夠?qū)Ω匦纬梢欢ǖ奶娲饔茫瑥亩鴾p少物質(zhì)投入與播種面積冗余，有利于投入量減少或產(chǎn)出的增加，提高農(nóng)戶技術(shù)效率。

2.進(jìn)一步運(yùn)用傾向得分匹配方法發(fā)現(xiàn)，該方法通過將集成采用可持續(xù)生產(chǎn)技術(shù)從其它影響農(nóng)戶生產(chǎn)技術(shù)效率的特征變量中分離出來，將兩者技術(shù)效率差異歸結(jié)為集成采用可持續(xù)生產(chǎn)技術(shù)的影響效應(yīng)，從而有效控制樣本選擇偏誤，準(zhǔn)確估計(jì)可持續(xù)生產(chǎn)技術(shù)的集成效應(yīng)。

3.運(yùn)用最近鄰居匹配法、半徑匹配方法、核匹配方法，三種不同匹配方法所計(jì)算出的集成采用可持續(xù)生產(chǎn)技術(shù)對(duì)農(nóng)戶技術(shù)效率的影響效應(yīng)方向和趨勢(shì)一致，但其結(jié)果存在差異，其平均處理效應(yīng)ATT值分別為0.064、0.061、0.047，表明控制了農(nóng)戶集成采用可持續(xù)生產(chǎn)技術(shù)的內(nèi)生性后，可持續(xù)生產(chǎn)技術(shù)集成采用對(duì)農(nóng)戶技術(shù)效率的效用比匹配前分別下降了7.25%、11.59%、31.88%。進(jìn)一步將三種匹配算法得到的集成效應(yīng)進(jìn)行平均，得到平均處理效應(yīng)的均值為0.057，與匹配前的效應(yīng)估算結(jié)果進(jìn)行比較，描述統(tǒng)計(jì)方法高估了可持續(xù)生產(chǎn)技術(shù)的集成采用效應(yīng)。

上述結(jié)論有重要的政策啟示。在農(nóng)業(yè)技術(shù)推廣應(yīng)用過程中，政府必須注重考量農(nóng)戶技術(shù)采用之間的集成效應(yīng)，實(shí)現(xiàn)技術(shù)協(xié)同采用。一方面，政府相關(guān)部門應(yīng)避免就單項(xiàng)技術(shù)進(jìn)行推廣，注重將技術(shù)成套化，形成一套完整的技術(shù)體系加以試驗(yàn)并逐步完善，從而發(fā)揮多種技術(shù)的集成效應(yīng)，實(shí)現(xiàn)技術(shù)采用效用的最大化。另一方面，政府促進(jìn)采用一項(xiàng)可持續(xù)生產(chǎn)技術(shù)的相關(guān)政策可能對(duì)其他相關(guān)可持續(xù)生產(chǎn)技術(shù)產(chǎn)生溢出作用，即在促使農(nóng)戶技術(shù)采用中，應(yīng)綜合考慮農(nóng)戶采用行為可能存在的集成效應(yīng)，對(duì)于存在互補(bǔ)關(guān)系的可持續(xù)生產(chǎn)技術(shù)應(yīng)注重多種技術(shù)的協(xié)同采用，對(duì)于存在替代關(guān)系的可持續(xù)生產(chǎn)技術(shù)，應(yīng)根據(jù)實(shí)際情況采取措施扭轉(zhuǎn)農(nóng)戶對(duì)部分技術(shù)采用的偏見，從而鼓勵(lì)農(nóng)戶集成采用多種可持續(xù)生產(chǎn)技術(shù)，實(shí)現(xiàn)水稻生產(chǎn)的可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]周波,于冷.農(nóng)業(yè)技術(shù)應(yīng)用對(duì)農(nóng)戶收入的影響——以江西跟蹤觀察農(nóng)戶為例[J].中國(guó)農(nóng)村經(jīng)濟(jì),2011(1).

[2]陳玉萍,吳海濤,陶大云,Sushil Pandey,徐鵬,胡鳳益,丁士軍,王懷豫,馮璐.基于傾向得分匹配法分析農(nóng)業(yè)技術(shù)采用對(duì)農(nóng)戶收入的影響——以滇西南農(nóng)戶改良陸稻技術(shù)采用為例[J].中國(guó)農(nóng)業(yè)科學(xué),2010,43(17).

[3]劉進(jìn)寶,劉洪.農(nóng)業(yè)技術(shù)進(jìn)步與農(nóng)民農(nóng)業(yè)收入增長(zhǎng)弱相關(guān)性分析[J].中國(guó)農(nóng)村經(jīng)濟(jì),2004(9).

[4]閻文圣,肖焰恒.中國(guó)農(nóng)業(yè)技術(shù)應(yīng)用的宏觀取向與農(nóng)戶技術(shù)采用行為誘導(dǎo)[J].中國(guó)人口·資源與環(huán)境,2002,12(3).

[5]韓洪云,楊增旭.農(nóng)戶測(cè)土配方施肥技術(shù)采納行為研究——基于山東省棗莊市薛城區(qū)農(nóng)戶調(diào)研數(shù)據(jù)[J].中國(guó)農(nóng)業(yè)科學(xué),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]蔡榮,蔡書凱.保護(hù)性耕作技術(shù)采用及對(duì)作物單產(chǎn)影響的實(shí)證分析——基于安徽省水稻種植戶的調(diào)查數(shù)據(jù)[J].資源科學(xué),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,張麗娟.保護(hù)性耕作技術(shù)對(duì)農(nóng)業(yè)生產(chǎn)的影響：黃河流域的實(shí)證研究[J].管理評(píng)論,2010(6).

[10]蔡書凱.農(nóng)戶IPM技術(shù)采納行為及其效果分析——基于安徽省水稻種植戶調(diào)研數(shù)據(jù)[D].杭州：浙江大學(xué)博士學(xué)位論文,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

(責(zé)任編輯：馬慧)

羅劍朝，男，陜西武功人，教授，博士生導(dǎo)師，研究方向：農(nóng)村金融理論與政策，農(nóng)村金融管理。

【統(tǒng)計(jì)調(diào)查與分析】