王莉 趙一夫 劉慧

摘 要：利用全國農(nóng)村固定觀察點東北三省和內(nèi)蒙古2009年、2012年、2015年農(nóng)戶的面板數(shù)據(jù)，主要考慮利潤、風(fēng)險、家庭勞動力投入三個目標(biāo)，構(gòu)建農(nóng)戶多目標(biāo)種植決策模型，對不同類型農(nóng)戶生產(chǎn)決策行為進行研究。結(jié)果表明：小農(nóng)戶除了考慮利潤、風(fēng)險目標(biāo)外，耕地質(zhì)量也是影響生產(chǎn)決策的重要因素。規(guī)模經(jīng)營農(nóng)戶主要考慮利潤、風(fēng)險、家庭勞動力這三個目標(biāo)，但是利潤目標(biāo)的權(quán)重低于風(fēng)險目標(biāo)或家庭勞動力目標(biāo)的權(quán)重。小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶的目標(biāo)權(quán)重會隨時間有所調(diào)整，共同點是對風(fēng)險目標(biāo)重視程度增加。隨著糧食定價機制改革的推進，預(yù)計主產(chǎn)區(qū)農(nóng)戶對風(fēng)險目標(biāo)會越來越重視，政府的支持政策應(yīng)更多關(guān)注于防范風(fēng)險。

關(guān)鍵詞：生產(chǎn)決策行為;定價機制;糧食

中圖分類號：F326.11? ?文獻標(biāo)識碼：A? ?文章編號：1003-3890（2019）03-0036-07

當(dāng)前，國內(nèi)糧食供求關(guān)系發(fā)生階段性重要變化，品種結(jié)構(gòu)不平衡問題較為突出。種植業(yè)是農(nóng)業(yè)的重要基礎(chǔ)，調(diào)整優(yōu)化種植結(jié)構(gòu)是當(dāng)前和今后一個時期農(nóng)業(yè)農(nóng)村經(jīng)濟的重要任務(wù)[1]。農(nóng)戶是我國農(nóng)業(yè)生產(chǎn)的主體，其生產(chǎn)決策行為是誘發(fā)種植結(jié)構(gòu)調(diào)整的微觀基礎(chǔ)，價格是影響農(nóng)戶生產(chǎn)決策的最關(guān)鍵因素，糧食價格定價機制改革目的就是通過價格引導(dǎo)農(nóng)戶生產(chǎn)決策行為，進而實現(xiàn)種植結(jié)構(gòu)優(yōu)化[2]。同時，應(yīng)當(dāng)注意到，不同類型農(nóng)戶的生產(chǎn)決策行為是不同的，制定農(nóng)業(yè)政策時正確認(rèn)識目標(biāo)農(nóng)戶類型的多樣性特征有利于縮小政策偏差、提高農(nóng)業(yè)政策實施效率[3]?！兜谌稳珖r(nóng)業(yè)普查主要數(shù)據(jù)公報》顯示，截至2016年末，全國有農(nóng)業(yè)經(jīng)營戶20 743萬戶，其中，小農(nóng)戶20 345萬戶，占比98.1%①。小農(nóng)戶長期存在是我國的基本國情，其面對市場信號變動時采取的實際生產(chǎn)行為與市場配置資源的邏輯難以一致，需要國家政策的引導(dǎo)和扶持[4]。相對于小農(nóng)戶，規(guī)模經(jīng)營農(nóng)戶對市場信息把握的敏感度、接受科技創(chuàng)新和推廣的能力更強，能夠根據(jù)供需變化及市場價格變化及時調(diào)整種植結(jié)構(gòu)。規(guī)模經(jīng)營農(nóng)戶還具有鮮明的示范功能，能夠在率先行動的同時帶動、支持小農(nóng)戶，是種植結(jié)構(gòu)調(diào)整優(yōu)化的引領(lǐng)者[5]。在糧食價格定價機制改革的背景下，糧食主產(chǎn)區(qū)不同類型農(nóng)戶生產(chǎn)決策行為受哪些因素制約、政府應(yīng)如何引導(dǎo)和扶持等問題值得關(guān)注。

國內(nèi)外關(guān)于農(nóng)戶生產(chǎn)決策行為的研究理論中，認(rèn)為農(nóng)戶追求最優(yōu)化決策已成為多種農(nóng)戶理論的一個共同點，區(qū)別主要在于農(nóng)戶是基于單一目標(biāo)還是多目標(biāo)進行生產(chǎn)決策。Robinson最早提出了多屬性效用的思想，指出決策過程是一個十分復(fù)雜的過程，決策者在生產(chǎn)決策中存在多方面的考慮[6]。Rehman et al.進一步指出，基于決策者的多目標(biāo)建立的效用模型比基于單一的利潤最大化目標(biāo)建立的效用模型能更加準(zhǔn)確地預(yù)測生產(chǎn)者行為[7]。隨后多目標(biāo)效用模型越來越受到學(xué)者們的關(guān)注并廣泛用于農(nóng)業(yè)方面的分析。實踐中，農(nóng)戶的生產(chǎn)決策行為是基于多目標(biāo)的，即除了利潤最大化目標(biāo)外，還考慮規(guī)避風(fēng)險、減少勞動力投入等目標(biāo)。Berbel et al.運用多目標(biāo)效用模型分析了西班牙南部兩個相似但不同的灌溉單位各目標(biāo)權(quán)重的差異性[8]。Manos et al.運用多目標(biāo)效用模型分析了孟加拉肥料定價對于農(nóng)業(yè)集約化生產(chǎn)和農(nóng)場行為的影響[9]。劉瑩等基于2001年和2004年寧夏自治區(qū)5縣130戶農(nóng)戶種植生產(chǎn)的數(shù)據(jù)，運用多目標(biāo)效用模型對所有農(nóng)戶以及不同類型農(nóng)戶的各目標(biāo)權(quán)重進行估計[10]。Yano et al.擴展了多目標(biāo)效用模型并把它應(yīng)用到農(nóng)作物規(guī)劃問題研究中[11]。Van Huylenbroeck et al.認(rèn)為，由于受經(jīng)濟發(fā)展、政策變化等因素影響，農(nóng)戶追求的各目標(biāo)的重要性排序可能隨時間有所變化[12]。在農(nóng)戶多目標(biāo)生產(chǎn)決策行為研究中，由于各目標(biāo)之間關(guān)系復(fù)雜，各目標(biāo)權(quán)重的估計是一個難點。孟雪等將國內(nèi)外關(guān)于確定權(quán)重的方法按照計算程序大致分為主觀賦權(quán)法、客觀賦權(quán)法、主客觀綜合集成賦權(quán)法三類[13]?？陀^賦權(quán)法的優(yōu)點是不依賴人的主觀判斷，決策結(jié)果具有較多的數(shù)學(xué)理論依據(jù)，因而在實踐中應(yīng)用較廣。

然而，農(nóng)戶多目標(biāo)效用模型需要至少兩期農(nóng)戶跟蹤調(diào)研數(shù)據(jù)才能進行對比分析，由于數(shù)據(jù)收集不易，國內(nèi)外相關(guān)研究較少。為此，本文利用全國農(nóng)村固定觀察點東北三省和內(nèi)蒙古2009年、2012年、2015年農(nóng)戶的面板數(shù)據(jù)，主要考慮利潤、風(fēng)險、家庭勞動力投入三個目標(biāo)，將農(nóng)戶分為小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶，構(gòu)建農(nóng)戶多目標(biāo)種植決策模型，分析不同類型農(nóng)戶生產(chǎn)決策行為。

一、數(shù)據(jù)來源、模型構(gòu)建與目標(biāo)權(quán)重確定

（一）數(shù)據(jù)來源

本文數(shù)據(jù)來源于全國農(nóng)村固定觀察點東北三省和內(nèi)蒙古2009年、2012年、2015年農(nóng)戶的調(diào)查數(shù)據(jù)，涉及49個行政村。據(jù)第二次全國農(nóng)業(yè)普查數(shù)據(jù)，2006年經(jīng)營規(guī)模35畝以下農(nóng)戶占農(nóng)業(yè)經(jīng)營戶比例為98.24%②，最接近2016年第三次全國農(nóng)業(yè)普查數(shù)據(jù)中小農(nóng)戶占農(nóng)業(yè)經(jīng)營戶的比例。以這個比例推算，本文近似將2009年東北三省和內(nèi)蒙古經(jīng)營規(guī)模達(dá)到50畝及以上、2012年經(jīng)營規(guī)模達(dá)到70畝及以上③、2015年經(jīng)營規(guī)模達(dá)到100畝及以上的農(nóng)戶定義為規(guī)模經(jīng)營農(nóng)戶。

東北三省和內(nèi)蒙古農(nóng)作物主要有玉米、大豆和水稻，三種糧食作物種植面積占農(nóng)作物總種植面積的75%以上④，優(yōu)勢產(chǎn)區(qū)這一比例可達(dá)90%以上⑤。因此，本文只考慮這三種糧食作物，并要求農(nóng)戶家庭經(jīng)營主業(yè)為種植業(yè)，且2009年、2012年、2015年每年至少種植三種糧食作物中的一種。最終經(jīng)過篩選，本文一共獲得6 143個小農(nóng)戶有效樣本、533個規(guī)模經(jīng)營農(nóng)戶有效樣本。具體的樣本數(shù)量分布如表1所示。

（二）模型構(gòu)建

（三）目標(biāo)權(quán)重確定

本文擬采用主成分分析法確定各目標(biāo)權(quán)重?；谖墨I梳理和實地調(diào)研了解，東北三省和內(nèi)蒙古農(nóng)戶生產(chǎn)決策時除了考慮利潤、風(fēng)險、家庭勞動力投入目標(biāo)外，可能還會考慮耕地質(zhì)量和種植技術(shù)這兩個因素。耕地質(zhì)量用5畝以上地塊數(shù)比例和水澆地比例兩個指標(biāo)近似表示，種植技術(shù)用戶主文化程度這個指標(biāo)近似表示。主成分分析法確定各目標(biāo)權(quán)重的基本思路如下：

第一，將原始數(shù)據(jù)標(biāo)準(zhǔn)化，消除量綱的影響。

第二，主成分個數(shù)選擇原則是特征根大于1，且累計方差貢獻率在85%以上。

第三，主成分的方差貢獻率為權(quán)重，對該權(quán)重在各主成分線性組合中的系數(shù)的加權(quán)平均的歸一化后的數(shù)值為本項目的各目標(biāo)權(quán)重。

二、模型數(shù)據(jù)整理與分析

利用農(nóng)戶多目標(biāo)種植決策模型估計小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶的各目標(biāo)權(quán)重，需要的數(shù)據(jù)包括農(nóng)戶主要農(nóng)作物種植結(jié)構(gòu)、農(nóng)戶對主要農(nóng)作物投入產(chǎn)出情況、農(nóng)戶主要農(nóng)作物雇工情況、農(nóng)戶主要農(nóng)作物每畝凈利潤、農(nóng)戶的耕地質(zhì)量和種植技術(shù)。其中，農(nóng)戶主要農(nóng)作物每畝凈利潤用《全國農(nóng)產(chǎn)品成本收益資料匯編》中東北三省和內(nèi)蒙古玉米、大豆、稻谷2009—2015年畝均凈利潤計算凈利潤的方差協(xié)方差矩陣，因此，本文僅對來自全國農(nóng)村固定觀察點東北三省和內(nèi)蒙古農(nóng)戶調(diào)查數(shù)據(jù)進行整理和分析。

（一）農(nóng)戶主要農(nóng)作物種植結(jié)構(gòu)

在東北三省和內(nèi)蒙古，玉米、大豆和水稻種植模式均為一年一熟制，不存在間作套種情況，樣本農(nóng)戶三種糧食作物平均種植面積和結(jié)構(gòu)如表2所示。

從種植面積來看，小農(nóng)戶三種糧食作物平均種植面積從2009年的26.21畝增加到2012年的32.81畝，然后繼續(xù)增加到2015年的52.39畝;規(guī)模經(jīng)營農(nóng)戶三種糧食作物平均種植面積則從90.6畝增加到188.63畝，然后繼續(xù)增加到211.18畝。從種植結(jié)構(gòu)來看，與2009年相比，比較明顯的變化在于小農(nóng)戶大豆平均種植面積占比在2012年小幅下降后2015年大幅上升;規(guī)模經(jīng)營農(nóng)戶大豆平均種植面積占比在2012年、2015年都顯著下降，而玉米平均種植面積占比在2012年大幅下降后2015年又大幅上升。

進一步分析發(fā)現(xiàn)，2009—2012年，國家對東北三省和內(nèi)蒙古三種糧食作物都實施托市收購政策，且托市收購價格明顯高于市場價格。玉米、大豆、水稻的托市收購比價由1∶2.49∶1.27變?yōu)?∶1.87∶1.32⑥，大豆種植比較效益降低，玉米、水稻種植比較效益增加。但是受耕地面積較小、種植習(xí)慣、輪作倒茬、家庭勞動力較少等因素制約，小農(nóng)戶玉米、大豆、水稻平均種植面積雖然都增加，但種植結(jié)構(gòu)變化幅度均較小;規(guī)模經(jīng)營農(nóng)戶耕地面積較大，對市場價格變化較敏感，有意愿和能力投入較多資金擴大效益相對較高的水稻種植面積，導(dǎo)致水稻平均種植面積占比由18.82%上升到42.41%⑦。2012—2015年，國家對東北三省和內(nèi)蒙古玉米、稻谷繼續(xù)實施托市收購政策，2014年大豆由臨時收儲政策改革為目標(biāo)價格補貼制度。其中，2014年玉米臨時收儲價格達(dá)到最高，平均為每斤1.12元;2015年玉米臨時收儲價格首次下調(diào)至每斤1元，玉米、大豆、水稻的比價⑧由2012年的1∶1.87∶1.32變?yōu)?015年的1∶2.4∶1.55，玉米種植比較效益降低，大豆、水稻種植比較效益增加。小農(nóng)戶玉米、大豆種植結(jié)構(gòu)的變化方向與其比較效益變化方向一致;規(guī)模經(jīng)營農(nóng)戶由于前期普遍購買了大型玉米專用機械設(shè)備，資金投入較高，在玉米臨時收儲價格首次下調(diào)時種植結(jié)構(gòu)調(diào)整速度慢于小農(nóng)戶，所以玉米種植結(jié)構(gòu)的變化方向與其比較效益變化方向相反。

（二）農(nóng)戶主要農(nóng)作物投入產(chǎn)出情況

農(nóng)作物投入包括資金和勞動力，資金投入包括種子、化肥、農(nóng)藥、農(nóng)膜、水電及灌溉、機械作業(yè)、土地租賃費用等。從資金投入來看，由于生產(chǎn)資料價格和土地租金的上漲，小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶三種糧食作物資金投入都呈不斷上漲趨勢。其中，玉米資金投入漲幅最大，小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶2015年較2009年漲幅分別達(dá)到75.34%和139.39%。從勞動力投入來看，由于機械化程度的提高和社會化服務(wù)的發(fā)展，小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶三種糧食作物勞動力投入都呈不斷減少趨勢。其中，大豆勞動力投入降幅最大，小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶2015年較2009年降幅分別達(dá)到45.69%和45.82%。就產(chǎn)出來看，2009—2012年，由于三種糧食作物出售價格（托市價格）普遍漲幅高于生產(chǎn)成本漲幅，小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶畝均凈利潤均明顯增加。2012—2015年，由于三種糧食作物出售價格普遍漲幅低于生產(chǎn)成本漲幅，小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶畝均凈利潤均明顯減少。2015年農(nóng)戶種植玉米、大豆則普遍虧損⑨，其中，規(guī)模經(jīng)營農(nóng)戶虧損額大于小農(nóng)戶（表3）。

（三）農(nóng)戶主要農(nóng)作物雇工情況

東北三省和內(nèi)蒙古耕地規(guī)模較大，農(nóng)忙時普遍存在雇工情況。從農(nóng)戶類型來看，小農(nóng)戶勞動力投入主要依靠家庭成員，三種糧食作物雇工數(shù)量均少于規(guī)模經(jīng)營農(nóng)戶。從糧食作物種類來看，水稻種植雇工最多，大豆種植雇工最少（表4）。

（四）耕地質(zhì)量和種植技術(shù)

從耕地質(zhì)量來看，小農(nóng)戶5畝以上地塊數(shù)占年末實際經(jīng)營耕地塊的比例均低于規(guī)模經(jīng)營農(nóng)戶，但是水澆地比例均高于規(guī)模經(jīng)營農(nóng)戶。表明規(guī)模經(jīng)營農(nóng)戶耕地集中連片程度高，易于推廣和采用機械化。從種植技術(shù)來看，小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶戶主平均受教育年限近似（表5）。進一步分析發(fā)現(xiàn)，小農(nóng)戶戶主受教育年限變異較大，而規(guī)模經(jīng)營農(nóng)戶戶主受教育年限變異較小。因此，規(guī)模經(jīng)營農(nóng)戶文化程度普遍較高，易于接受新思想、采用新技術(shù)。

三、模型結(jié)果整理與分析

在運行模型之前，首先計算利潤、風(fēng)險、勞動力、耕地質(zhì)量（5畝以上地塊數(shù)比例、水澆地比例）、種植技術(shù)（戶主文化程度）這六個指標(biāo)的相關(guān)系數(shù)矩陣。結(jié)果發(fā)現(xiàn)，相關(guān)系數(shù)絕對值70%以上大于0.3，表明各指標(biāo)存在較強的線性關(guān)系，適合做主成分分析。

根據(jù)Stata12統(tǒng)計分析軟件運行結(jié)果，按照主成分個數(shù)選擇原則，東北三省和內(nèi)蒙古2009年、2015年小農(nóng)戶、規(guī)模經(jīng)營農(nóng)戶和2012年規(guī)模經(jīng)營農(nóng)戶提取前2個主成分，2012年小農(nóng)戶提取第1個主成分。從提取的主成分累計方差貢獻率來看，最低的也達(dá)到85.5%，大部分都在90%以上，說明提取的主成分具有較強的解釋力（表6）。

為了更加精確地識別主要影響指標(biāo)，用Stata12統(tǒng)計分析軟件對載荷矩陣進行旋轉(zhuǎn)，旋轉(zhuǎn)后每一個載荷量表示對應(yīng)指標(biāo)對主成分的影響程度，絕對值越大影響程度越高。需要說明的是，本文的研究目的是主要考慮利潤、風(fēng)險、家庭勞動力投入三個目標(biāo)來分析糧食主產(chǎn)區(qū)農(nóng)戶生產(chǎn)決策行為適應(yīng)性，因此在每個主成分中只選擇載荷量最大的1個指標(biāo)，雖然這樣做可能遺漏部分相對重要的指標(biāo)，但是卻可以清楚地觀察到不同類型農(nóng)戶利潤、風(fēng)險、家庭勞動力投入三個目標(biāo)的權(quán)重及變化情況。以提取的主成分的方差貢獻率為權(quán)重，對該權(quán)重在各主成分線性組合中的系數(shù)的加權(quán)平均的歸一化后的數(shù)值為各目標(biāo)權(quán)重（表7）。從考慮目標(biāo)來看，小農(nóng)戶除了考慮利潤、風(fēng)險目標(biāo)外，耕地質(zhì)量（5畝以上地塊比例）也是影響生產(chǎn)決策的重要因素，規(guī)模經(jīng)營農(nóng)戶生產(chǎn)決策時主要考慮利潤、風(fēng)險和家庭勞動力投入目標(biāo)。從目標(biāo)權(quán)重來看，比較顯著的變化是與2009年相比，2015年小農(nóng)戶、規(guī)模經(jīng)營農(nóng)戶風(fēng)險目標(biāo)權(quán)重分別上升了26.1%、52.1%。

四、結(jié)論與建議

農(nóng)戶的生產(chǎn)決策是基于多目標(biāo)的。小農(nóng)戶除了考慮利潤、風(fēng)險目標(biāo)外，耕地質(zhì)量（5畝以上地塊比例）也是影響生產(chǎn)決策的重要因素，這主要是由于小農(nóng)戶耕地普遍細(xì)碎，而機械化程度的提高和社會化服務(wù)的發(fā)展使得連片種植可以節(jié)約至少1/3的生產(chǎn)成本。規(guī)模經(jīng)營農(nóng)戶主要考慮利潤、風(fēng)險、家庭勞動力投入這三個目標(biāo)，但是利潤目標(biāo)的權(quán)重低于風(fēng)險目標(biāo)或家庭勞動力投入目標(biāo)的權(quán)重，這主要是由于國家以高于均衡價格的托市價格對主產(chǎn)區(qū)糧食敞開收購，而且托市收購價格提前公布并逐年提高，利潤可預(yù)期。

農(nóng)戶的各目標(biāo)權(quán)重會隨時間有所調(diào)整。小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶共同特點是對風(fēng)險目標(biāo)重視程度都增加。這一方面是隨著政府對主產(chǎn)區(qū)糧食托市收購政策的調(diào)整，糧食作物的比較效益有所降低，農(nóng)戶收益的不確定性有所增加;另一方面是在糧食定價機制改革的趨勢下，如2014年大豆由臨時收儲政策改革為目標(biāo)價格補貼制度、2015年玉米臨時收儲價格首次降低、2015年稻谷最低收購價首次保持2014年水平不變。主產(chǎn)區(qū)農(nóng)戶由過去只關(guān)心產(chǎn)量轉(zhuǎn)為產(chǎn)量質(zhì)量并重，風(fēng)險意識逐步增加，較多地關(guān)注市場需求的變化。

小農(nóng)戶和規(guī)模經(jīng)營農(nóng)戶的目標(biāo)權(quán)重有所差異。在糧食托市收購價格水平漲幅趨緩、保持不變甚至降低期間，規(guī)模經(jīng)營農(nóng)戶對于風(fēng)險目標(biāo)權(quán)重重視程度明顯大于小農(nóng)戶。這一方面是因為規(guī)模經(jīng)營農(nóng)戶主要通過流轉(zhuǎn)耕地擴大糧食種植面積，而東北三省和內(nèi)蒙古耕地租金在總成本中所占份額較大（2015年平均約占40%左右）;另一方面是因為規(guī)模經(jīng)營農(nóng)戶前期普遍購買了大型專用機械設(shè)備，資金投入較高，而小農(nóng)戶耕地面積少，家庭經(jīng)營為主，糧食生產(chǎn)基本實現(xiàn)機械化，所以生產(chǎn)決策時較少考慮家庭勞動力目標(biāo)。規(guī)模經(jīng)營農(nóng)戶家庭勞動力投入目標(biāo)權(quán)重逐步下降，這主要是由于東北三省和內(nèi)蒙古規(guī)模經(jīng)營面積較大，普遍需要雇工。但是隨著機械化程度的提高，2015年內(nèi)蒙古、遼寧、吉林、黑龍江耕種收綜合機械化水平分別達(dá)到81.24%、77.12%、80.42%、92.94%，具體到玉米、大豆、水稻，耕種收綜合機械化水平更高，機械對勞動力的替代作用明顯。

根據(jù)以上研究結(jié)論，本文提出以下兩點建議：第一，隨著糧食定價機制改革的推進，糧食價格將主要由市場供求決定，預(yù)計主產(chǎn)區(qū)農(nóng)戶對風(fēng)險目標(biāo)會越來越重視，政府的支持政策應(yīng)更多地關(guān)注于防范風(fēng)險。對于生產(chǎn)環(huán)節(jié)的風(fēng)險，可通過培育一批糧食加工龍頭企業(yè)，支持企業(yè)以“公司+農(nóng)戶”“公司+合作社+基地+農(nóng)戶”“公司+聯(lián)合體”等形式發(fā)展產(chǎn)業(yè)化經(jīng)營，帶動和引導(dǎo)小農(nóng)戶種植優(yōu)質(zhì)糧食品種，適應(yīng)市場需求。對于銷售環(huán)節(jié)的風(fēng)險，應(yīng)穩(wěn)步擴大“保險+期貨”試點。2017年全國僅有70.8萬噸玉米和11.5萬噸大豆納入“保險+期貨”試點，分別僅占當(dāng)年總產(chǎn)量的0.33%和0.79%。第二，糧食定價機制市場化改革對規(guī)模經(jīng)營農(nóng)戶收入的沖擊大于小農(nóng)戶，規(guī)模經(jīng)營農(nóng)戶資金約束增加，政府的支持政策應(yīng)適當(dāng)向其傾斜，發(fā)揮其帶動和示范作用，如健全全國農(nóng)業(yè)信貸擔(dān)保體系，推進省級信貸擔(dān)保機構(gòu)向市縣延伸，重點服務(wù)種養(yǎng)大戶、家庭農(nóng)場、農(nóng)民合作社等。

注釋：

①經(jīng)營規(guī)模10畝以下的農(nóng)戶占85.5%，經(jīng)營規(guī)模10～30畝的農(nóng)戶占10.5%，經(jīng)營規(guī)模30～50畝的農(nóng)戶占2.6%。

②35～39.9畝、40～44.9畝、45～49.9畝、50～59.9畝、60～99.9畝、100畝及以上的占比分別為0.41%、0.34%、0.22%、0.31%、0.40%、0.22%。

③以2016年100畝、2006年35畝為依據(jù)計算年均增長率后估算得出。

④2009年、2012年、2015年玉米、大豆、水稻種植面積占農(nóng)作物總種植面積的比例分別為73.83%、74.91%、77.92%。

⑤課題組調(diào)研了解。

⑥玉米臨時收儲價格取內(nèi)蒙古、遼寧、吉林、黑龍江平均價格。

⑦也許和規(guī)模經(jīng)營農(nóng)戶主要分布在黑龍江有關(guān)。

⑧玉米、水稻是托市收購價格;大豆是目標(biāo)價格，為每斤2.4元。

⑨以黑龍江為例，大豆2015年目標(biāo)價格補貼為每畝130.87元。加上目標(biāo)價格補貼，大豆每畝虧損額少于玉米。

參考文獻：

[1]農(nóng)業(yè)部關(guān)于印發(fā)《全國種植業(yè)結(jié)構(gòu)調(diào)整規(guī)劃（2016—2020年）》的通知[EB/OL].（2016-04-28）[2018-08-20].http：//jiuban.moa.gov.cn/zwllm/tzgg/tz/201604/t20160428_5110638.

htm.

[2]陳錫文.落實發(fā)展新理念 破解農(nóng)業(yè)新難題[J].農(nóng)業(yè)經(jīng)濟問題，2016（3）：4-10.

[3]鐘真，孔祥智.市場信號、農(nóng)戶類型與農(nóng)業(yè)生產(chǎn)經(jīng)營行為的邏輯——來自魯、晉、寧千余農(nóng)戶調(diào)查的證據(jù)[J].中國人民大學(xué)學(xué)報，2013（5）：62-75.

[4]程名望，史清華，Jin Yanhong，等.市場化、政治身份及其收入效應(yīng)——來自中國農(nóng)戶的證據(jù)[J].管理世界，2016（3）：46-58.

[5]張紅宇.發(fā)揮新型農(nóng)業(yè)經(jīng)營主體對改革的引領(lǐng)作用[N].經(jīng)濟日報，2017-02-10（15）.

[6]ROBISON L J. An appraisal of expected utility hypothesis tests constructed from responses to hypothetical questions and experimental choices[J].American journal of agricultural economics，1982，64（2）：367.

[7]REHMAN T， ROMERO C. The application of the MCDM paradigm to the management of agricultural systems：some basic considerations[J]. Agricultural systems，1993，41（3）：239-255.

[8]BERBEL J，RODRIGUEZ-OCAA A.An MCDM approach to production analysis：an application to irrigated farms in Southern Spain[J]. European journal of operational research，1998，107（1）：108-118.

[9]MANOS B，BEGUM M A A，KAMRUZZAMAN M，et al.Fertilizer price policy，the environment and farms behavior[J]. Journal of policy modeling，2007，29（1）：87-97.

[10]劉瑩，黃季焜.農(nóng)戶多目標(biāo)種植決策模型與目標(biāo)權(quán)重的估計[J].經(jīng)濟研究，2010（1）：148-157.

[11]YANO H，SAKAWA M.Interactive fuzzy decision making for multiobjective fuzzy random linear programming problems and its application to a crop planning problem？[M]//MADANI K，et al.Studies in computational intelligence.Switzerland：Springer International Publishing，2014：143-157.

[12]VAN HUYLENBROECK G，UREA CAMPOS E，VANSLEMBROUCK I.A （recursive） multiple objective approach to analyse changes in the utility function of farmers due to policy reforms[J].Applied mathematics & computation，2001，122（3）：283-299.

[13]孟雪，李賓.多目標(biāo)決策分析模型及應(yīng)用研究[J].現(xiàn)代管理科學(xué)，2013（7）：42-44.