熊 鷹, 李 曉**, 鐘 鈺

(1.四川省農(nóng)業(yè)科學院農(nóng)業(yè)信息與農(nóng)村經(jīng)濟研究所 成都 610066; 2.中國農(nóng)業(yè)科學院農(nóng)村經(jīng)濟與發(fā)展研究所北京 100081)

我國農(nóng)業(yè)發(fā)展已取得了顯著成效, 糧食等重要農(nóng)產(chǎn)品供給有力、市場穩(wěn)定, 農(nóng)業(yè)農(nóng)村經(jīng)濟發(fā)展保持著穩(wěn)定向好的勢頭。然而也要看到我國農(nóng)業(yè)發(fā)展面臨的結(jié)構(gòu)性矛盾, 其中生產(chǎn)與環(huán)境的關(guān)系依然比較突出?？沙掷m(xù)的農(nóng)業(yè)是追求高質(zhì)量發(fā)展的重要組成部分, 更是農(nóng)業(yè)領(lǐng)域深入貫徹落實習近平總書記“綠水青山就是金山銀山”理念的根本要求。農(nóng)藥施用對于防范農(nóng)作物病蟲害、提高產(chǎn)量具有積極的作用, 但多年來農(nóng)藥過量投入、施用不合理等問題長期存在, 導致我國農(nóng)藥利用率遠低于發(fā)達國家, 據(jù)農(nóng)業(yè)農(nóng)村部公布的數(shù)據(jù)顯示, 2019年3大糧食作物農(nóng)藥利用率為39.8%, 遠低于發(fā)達國家農(nóng)藥利用率60%以上的水平。農(nóng)藥過量投入及其低效利用不僅造成資源浪費、增加生產(chǎn)成本, 而且大量的農(nóng)藥散逸于土壤、水體及大氣之中, 引發(fā)了一系列環(huán)境問題[1]。為此, 2015年原農(nóng)業(yè)部頒布了《農(nóng)藥使用量零增長行動方案》, 2017年和2019年中央“一號文件”分別提出“農(nóng)藥使用量零增長”和“農(nóng)藥使用量負增長”的行動計劃。在政策引導下, 我國農(nóng)藥使用量從2015年的178.3萬t下降到2019年的139.2萬t, 減量成效初步顯現(xiàn)。但農(nóng)藥減施效果的可持續(xù)性主要取決于微觀主體的實施行為, 農(nóng)戶是農(nóng)藥的直接使用者, 作為“理性經(jīng)濟人”, 其施藥行為旨在追求收益最大化, 考慮自身稟賦和自然、經(jīng)濟、社會等因素所作出的最終決策[2]。因此, 為了繼續(xù)保持農(nóng)藥使用量零或負增長的良好態(tài)勢, 有必要對影響農(nóng)戶施藥行為的具體因素展開深入研究, 并采取針對性的措施引導農(nóng)戶減少農(nóng)藥的不合理投入。

國內(nèi)外學者對影響農(nóng)戶施藥行為的諸多因素已展開了深入的研究, 主要包括3個方面: 1)個體和家庭因素對農(nóng)戶施藥行為的影響研究。一些學者對施藥農(nóng)戶的性別差異進行了探討, 指出男性比女性更致力于了解農(nóng)藥基礎(chǔ)知識以確保農(nóng)藥施用的預期效果,施藥行為更加規(guī)范[3-5]; 但Wang等[6]的研究表明男性施藥行為的安全性相比女性較低。Ntow等[7]認為年齡是影響農(nóng)戶施藥行為的重要因素, 年齡越大的農(nóng)戶, 對個人經(jīng)驗的依賴性越強, 規(guī)范施藥的可能性越低[8-9]; 但Hashemi等[10]研究表明, 年齡越大的農(nóng)戶, 其種植經(jīng)驗越豐富, 對農(nóng)藥傷害的感知越強,越重視施藥的安全性。農(nóng)戶受教育程度也被視為影響農(nóng)戶施藥行為的重要因素, 受教育程度較高的農(nóng)戶對新知識的接受度相對較高, 也能夠更加全面地了解農(nóng)藥施用技術(shù), 由此對合理使用農(nóng)藥產(chǎn)生了極大地促進作用[11-13]。針對家庭人口數(shù)對農(nóng)戶施藥行為的影響, 有研究顯示, 家庭人口量越大, 越容易受生計壓力的影響, 農(nóng)戶越想要通過大量施藥以保障農(nóng)業(yè)收入[14-15], 但家庭人口中種地人口數(shù)較多,農(nóng)戶家庭則會更加關(guān)注農(nóng)藥施用信息[16]。2)生產(chǎn)經(jīng)營因素對農(nóng)戶施藥行為的影響。一些學者已對土地經(jīng)營規(guī)模影響農(nóng)戶施藥行為的問題進行了探討, 多數(shù)研究表明經(jīng)營規(guī)模較小的農(nóng)戶受耕地面積所限,對于新技術(shù)、新品種的采納積極性不高。過量或施用高毒、禁用農(nóng)藥的可能性較大, 而生產(chǎn)規(guī)模較大的農(nóng)戶, 對農(nóng)產(chǎn)品質(zhì)量安全的重視程度更高, 也更加注重農(nóng)藥的安全施用[17-19]。但也有研究表明, 種植面積大的農(nóng)戶, 為了規(guī)避風險而更容易采取過量施藥行為[20]。農(nóng)戶生產(chǎn)目的和農(nóng)業(yè)收入占比對農(nóng)戶施藥行為的影響也受到不少學者的關(guān)注, 普遍認為以市場銷售為主要生產(chǎn)目的、農(nóng)業(yè)收入占比越高,農(nóng)戶施藥量越大[15,21-24]。3)外部環(huán)境因素對農(nóng)戶施藥行為的影響研究。已有研究表明, 農(nóng)戶施藥行為受市場激勵影響較大, 隨著農(nóng)產(chǎn)品價格的上漲, 農(nóng)戶會加大農(nóng)藥施用量[25], 而農(nóng)產(chǎn)品價格下降, 則會引起農(nóng)戶施藥量的減少[26]。并且, 參加農(nóng)業(yè)保險的農(nóng)戶, 其不合理施藥行為的發(fā)生概率越低[27-28]。由于農(nóng)戶減少農(nóng)藥施用具有正的外部性和效益的緩釋性,在缺乏政策激勵的情況下, 農(nóng)戶施藥行為往往不能達到社會最優(yōu)水平, 因此有必要加強政府引導[29]。一些研究表明, 政府提供生產(chǎn)補貼[30-31]、加強技能培訓[9,32-33]和宣傳教育[34-35]等, 對規(guī)范農(nóng)戶施藥行為具有顯著影響。但也有研究表明, 一些針對農(nóng)產(chǎn)品價格和要素投入的補貼政策可能對農(nóng)戶安全生產(chǎn)產(chǎn)生負面影響, 如對糧食價格的補貼可能導致化肥、農(nóng)藥的過度使用[36-37]。

總體而言, 既有研究成果已經(jīng)相當豐富, 不僅從農(nóng)戶及其家庭和生產(chǎn)經(jīng)營特征等內(nèi)部視角展開分析, 也從市場和政府等外部環(huán)境視角展開分析, 但因研究對象或方法選擇不同, 研究結(jié)論存在差異,并且現(xiàn)有研究也存在較大的改進空間。首先, 對影響農(nóng)戶施藥行為的部分因素缺乏深入考量, 如探討土地要素對農(nóng)戶施藥行為的影響時, 現(xiàn)有研究僅局限于分析土地經(jīng)營規(guī)模對農(nóng)戶施藥行為的影響, 缺乏從地權(quán)穩(wěn)定性、土地集中度等綜合反映土地要素特征的因素展開深入分析; 針對生產(chǎn)補貼對農(nóng)戶施藥行為的影響分析, 現(xiàn)有研究多是將補貼因素作為虛擬變量引入計量模型, 這種方法僅粗略估計了補貼與否對農(nóng)戶施藥行為的影響, 無法具體識別不同補貼對農(nóng)戶施藥行為的作用大小。其次, 現(xiàn)有研究多采用OLS模型或二項Logit模型估計方法進行實證分析, 而農(nóng)戶施藥行為是具有多個等級的有序變量, 現(xiàn)有實證分析方法無法準確、全面地反映農(nóng)戶施藥行為。為此, 本文通過剖析農(nóng)戶施藥行為的內(nèi)在機理, 基于黑龍江、遼寧、河北、山東、江西、湖南、四川7省746戶種糧農(nóng)戶的調(diào)查數(shù)據(jù), 采用廣義有序Logit模型深入分析影響農(nóng)戶施藥行為的主要因素, 旨在豐富農(nóng)戶施藥行為的理論研究, 并為政府部門制定相關(guān)政策引導農(nóng)戶合理施藥提供決策參考。

1 農(nóng)戶施藥行為的內(nèi)在機理分析

農(nóng)藥雖然不能直接提升產(chǎn)量, 但通過減少病蟲草害發(fā)生, 可以間接提升糧食產(chǎn)量。Hall等[38]和Talpaz等[39]最早將農(nóng)藥投入引入生產(chǎn)函數(shù), 并定義為damage-abatement生產(chǎn)函數(shù), 此后Fox等[40]對damage-abatement生產(chǎn)函數(shù)的具體形式進行了解析。以使用數(shù)量最多的殺蟲劑為例, 在第1階段, 假設(shè)未施農(nóng)藥時, 害蟲數(shù)量為A0, 對面積為S的耕地施用農(nóng)藥強度為T, 能夠殺死的害蟲比例為P(ST), 0≤P(ST)≤1。鑒于農(nóng)戶個體特征影響到農(nóng)藥施用效果, 為此把P(ST)當作隨農(nóng)戶個體變換的可變量Pi(ST),i表示第i個農(nóng)戶個體。并且, 假設(shè)殺蟲數(shù)量和農(nóng)藥施用量成正比, 即害蟲數(shù)量的控制函數(shù)如下:

第2階段, 將糧食現(xiàn)實產(chǎn)量假設(shè)為Y, 無害蟲干擾的潛在產(chǎn)量是Q(X),X代表土地、化肥等生產(chǎn)要素的向量, 害蟲影響糧食生產(chǎn)的比例為φ, 數(shù)量A的害蟲對糧食產(chǎn)量的影響為D()A, 一般而言即害蟲數(shù)量越多, 對糧食生產(chǎn)造成的影響越大。因此, 考慮害蟲影響下的糧食生產(chǎn)函數(shù)可表示為:

由式(1)、(2)推導出涉及農(nóng)藥投入的damage-abatement生產(chǎn)函數(shù)如下:

假設(shè)糧食銷售價格、農(nóng)藥購買價格、糧田補貼分別為p、c、γ, 除農(nóng)藥外的其他生產(chǎn)要素X的價格標準化為q, 可將農(nóng)戶的利潤表示如下:

我國糧食的價格受政府調(diào)控定價,p為外生變量。農(nóng)戶作為“理性經(jīng)濟人”, 其施藥行為決策是為了實現(xiàn)利潤最大化, 將式(3)代入式(4)可得最優(yōu)的農(nóng)藥施用強度決策條件:

從式(6)可以看出, 農(nóng)戶施藥決策受到糧食的產(chǎn)量Q(X)、售價p、農(nóng)藥購買價格c、農(nóng)戶的認知農(nóng)藥水平ρi和糧食種植面積S等因素的影響。其中,糧食產(chǎn)量Q(X)又受到種糧補貼的提高、病蟲害保險的推廣、農(nóng)業(yè)技術(shù)培訓的普及等政府激勵政策的影響; 農(nóng)戶對農(nóng)藥殺蟲效果的認知又受其性別、年齡、受教育程度、種糧收入占比、種糧動機等個體及家庭因素的影響; 種糧面積不僅與土地規(guī)模, 還與地權(quán)穩(wěn)定性、土地集中度等因素有關(guān)。

基于上述理論分析并結(jié)合相關(guān)文獻的補充完善,本文提出影響農(nóng)戶施藥行為的因素包括性別、年齡、受教育程度、務(wù)農(nóng)勞動力人數(shù)等農(nóng)戶個體與家庭因素, 種糧面積、地權(quán)穩(wěn)定性、地塊集中度、種糧收入占比、種糧動機等農(nóng)戶生產(chǎn)經(jīng)營因素, 糧食銷售價格、農(nóng)藥購買價格、種糧補貼、農(nóng)業(yè)技術(shù)培訓、農(nóng)業(yè)生產(chǎn)保險等外部環(huán)境因素, 而各種因素對農(nóng)戶施藥行為的作用顯著性及其影響方向和影響程度,還需要通過實證分析進一步檢驗。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

從課題組2019年4—5月在黑龍江、遼寧、河北、山東、江西、湖南、四川等7個產(chǎn)糧大省的種糧農(nóng)戶調(diào)查活動中獲取數(shù)據(jù)。被調(diào)查者是家庭中從事種糧并進行生產(chǎn)決策的農(nóng)戶。調(diào)查主要圍繞影響農(nóng)戶施藥行為的個體與家庭、生產(chǎn)經(jīng)營和外部環(huán)境3類因素展開, 通過面談和問卷調(diào)研, 發(fā)放了850份問卷, 將信息不全、信息填寫錯誤的問卷剔除, 最終保留了746份有效問卷, 有效問卷占比87.76%。樣本農(nóng)戶的基本特征如表1所示。

表1 樣本農(nóng)戶基本統(tǒng)計特征Table 1 Basic statistical characteristics of sample farmers

調(diào)查結(jié)果顯示, 樣本農(nóng)戶年齡主要分布于45～65歲, 占樣本總量的62.6%; 農(nóng)戶受教育程度主要為小學和初中, 占樣本總量的71.45%, 受教育程度在大專及以上的僅有3.08%; 農(nóng)戶家庭人口中務(wù)農(nóng)勞動力普遍偏少, 83.11%的農(nóng)戶家庭務(wù)農(nóng)勞動力不超過2人; 農(nóng)戶的糧食生產(chǎn)規(guī)模相對較小, 種植面積不足3.33 hm2的農(nóng)戶占比為65.82%; 種糧收入占總收入比值不超過50%的農(nóng)戶占到54.56%, 表明種糧兼業(yè)化趨勢比較明顯; 樣本農(nóng)戶種糧動機主要是自給和增收或純粹為了增收, 完全以自給為種糧目的的農(nóng)戶僅占13.00%?？傮w而言, 樣本農(nóng)戶以受教育程度不高的中老年人口為主, 在農(nóng)業(yè)生產(chǎn)中呈現(xiàn)出勞動力不足、種植規(guī)模不大、種糧以自給和增收或純粹以增收為目的、但種糧收入占總收入比重仍然偏低等特征。

2.2 模型與變量

在研究影響農(nóng)戶施藥行為的有關(guān)因素時, 通常將農(nóng)藥投入當作連續(xù)變量, 運用OLS等方法展開分析。然而, 這一處理方法對于農(nóng)戶群體差異下的不同生產(chǎn)決策以及所受到的不同因素影響等問題關(guān)注不足。為此, 本文按不同施藥程度將農(nóng)戶施藥行為分不同等級, 當因變量是有序離散變量時, 通常運用有序Logit模型進行分析。不過此模型以平行線假設(shè)或比例優(yōu)勢假設(shè)為前提, 也即是假設(shè)對于不同次序類別的因變量, 自變量產(chǎn)生了相同的影響[41]?？蓮默F(xiàn)實情況來看, 此假設(shè)往往是不成立的。Williams[42]在2006年提出了兩種處理方式: ①將其前提假設(shè)徹底舍棄, 僅在有序Logit模型下展開分析;②把定序變量當作定類變量, 在多項Logit模型下展開分析。這兩種方法都存在一定的不足, 前者的結(jié)果誤差相對較大; 后者的次序信息丟失, 與研究目的相偏離。廣義有序Logit模型不受以上假設(shè)限制,并可將因變量次序信息反映出來, 能夠得到更為準確的估計結(jié)果且與研究目的相符。定義廣義的有序Logit模型如下:

式中:y∈ [1,M];j∈ [1,M- 1],M為各定序變量的類別數(shù),j取值1, 2, ···,M-1; 其不同取值時的概率分別為:

本文中, 模型的因變量被分為4個序次類別,即M=4; 1, 2, ···,M-1代表有序多類因變量的j個類別; 就j=1而言, 對比了類別1的因變量和類別2、3、4的因變量; 對于j=2, 則因變量類別1、2與類別3、4比較; 對于j=3, 則因變量類別1、2、3與類別4比較, 具體采用統(tǒng)計軟件Stata14.0對樣本數(shù)據(jù)進行回歸處理。

本文因變量采用農(nóng)戶施藥強度來衡量, 根據(jù)農(nóng)戶的農(nóng)藥投入水平, 將施藥強度分為低、中、較高、高4個等級, 分別取值為0、1、2、3。由于市場上的農(nóng)藥種類繁多, 一些受訪農(nóng)戶對農(nóng)藥類型和用量記憶不清, 此種情況下, 借助以下方式對農(nóng)藥施用強度進行估算: 首先, 將樣本農(nóng)戶的農(nóng)藥施用次數(shù)均值n*計算出來, 以n*作為基數(shù), 設(shè)定40%的浮動范圍, 低于 0.6n*以下判定為施藥強度低,0.6n*～1.4n*為施藥強度中等, 1.4n*～2n*為施藥強度較高, 大于2n*為施藥強度高。自變量中, 農(nóng)藥購買價格也同樣存在因不同種類和規(guī)格的農(nóng)藥難以統(tǒng)一標準進行度量的困難, 而農(nóng)藥購買價格是為了反映農(nóng)藥投入成本, 因此采用單位面積農(nóng)藥投入成本進行衡量。地塊集中度取決于各地塊間的距離, 但當存在較多數(shù)量的地塊時, 距離數(shù)據(jù)的測算就不夠準確, 因此該變量以農(nóng)戶主觀性的地塊集中度評價為依據(jù)。各變量解釋及特征值如表2所示。

表2 農(nóng)戶施藥行為調(diào)查的變量解釋及特征值Table 2 Variables explanation and characteristic values of farmers’ behavior survey of pesticide input

3 結(jié)果與分析

3.1 模型回歸結(jié)果

廣義定序Logit回歸結(jié)果如表3所示, pseudoR2為0.58, wald2χ為1059.53, prob＞2χ為0.0000, log pseudo likelihood為-383.52。結(jié)果顯示, 回歸模型具有較高的擬合度, 且具有一定的解釋力。表3報告了變量系數(shù)、Z值、Odds Ratio值(以下簡稱“OR值”)以及Robust標準誤等結(jié)果值, 系數(shù)值為正, 說明自變量越大, 農(nóng)戶高強度施藥的可能性較大; 系數(shù)值為負,說明自變量越大, 農(nóng)戶低強度施藥的可能性較大。從影響農(nóng)戶施藥強度的顯著因素來看, 農(nóng)戶年齡越小、受教育程度越高、種糧面積越大、地塊集中度越高、地權(quán)穩(wěn)定性越好、以自給為目的、農(nóng)藥投入成本越低、參與農(nóng)業(yè)技術(shù)培訓和病蟲害保險, 施藥強度越低。

表3 農(nóng)戶施藥強度影響因素回歸結(jié)果Table 3 Regression results of impact factors of pesticide input intensity of farmers

續(xù)表3

本文還對自變量取均值對農(nóng)戶施藥強度概率所產(chǎn)生的邊際貢獻(MEMs)以及自變量對農(nóng)戶施藥強度概率的平均邊際貢獻(AMEs)進行了測算, 以此識別各自變量對農(nóng)戶施藥強度的不同影響。表4和表5的結(jié)果顯示, MEMs和AMEs存在明顯的差異。雖然MEMs更易計算, 可就非線性回歸來講, 個體平均行為和平均個體行為差異較大, 采用AMEs解釋自變量對農(nóng)戶施藥強度概率的平均貢獻更具有現(xiàn)實意義。

表4 自變量取均值對農(nóng)戶施藥強度概率的邊際貢獻(MEMs)Table 4 Marginal effects at mean of farmer’s pesticide input intensity probability (MEMs)

表5 自變量對農(nóng)戶施藥強度概率的平均邊際貢獻(AMEs)Table 5 Average marginal effects of farmer’s pesticide input intensity probability (AEMs)

3.2 穩(wěn)健性檢驗

為進一步檢驗模型的穩(wěn)健性, 本文構(gòu)建子樣本加以驗證, 若子樣本的實證結(jié)果與全樣本相近, 說明模型具有穩(wěn)健性, 反之則不具有穩(wěn)健性。本研究中, 調(diào)查農(nóng)戶既有純農(nóng)戶, 也有兼業(yè)農(nóng)戶, 鑒于兼業(yè)農(nóng)戶更具有代表性, 因此將純農(nóng)戶剔除后再進行實證分析, 618戶兼業(yè)農(nóng)戶的子樣本實證結(jié)果如表6所示, 與表3所示的全樣本實證結(jié)果基本一致, 表明計量模型沒有因研究樣本選擇的改變而發(fā)生明顯變化, 模型具有穩(wěn)健性, 研究結(jié)果較為可靠。

表6 農(nóng)戶施藥強度影響因素穩(wěn)健性檢驗回歸結(jié)果Table 6 Robust test results of model regression of impact factors of pesticide input intensity of farmers

3.3 結(jié)果分析

1)個體和家庭因素。對于年齡變量, 其在y=3時在P＜1%水平顯著, 方向為正(表3); 且在農(nóng)戶施藥強度“較高”的概率的邊際貢獻(0.32%)在P＜5%水平顯著(表5)。表明年齡越大的農(nóng)戶按劑量施用農(nóng)藥的可能性越低, 這可能與其長期施藥行為的慣性有關(guān)。

對于受教育程度變量, 其在y=3時在P＜1%水平顯著, 方向為負(表3); 且在農(nóng)戶施藥強度“高”的概率的邊際貢獻(-12.22%)在P＜1%水平顯著(表5)?？梢娛芙逃捷^高的農(nóng)戶能夠?qū)夹g(shù)信息及施藥方法有更深入地了解與把握, 從而減少農(nóng)藥施用量。

2)生產(chǎn)經(jīng)營因素。對于種糧面積變量, 其在y=3時在P＜1%水平顯著, 方向為負(表3); 且在農(nóng)戶施藥強度“高”的概率的邊際貢獻(-0.68%)在P＜5%水平顯著(表5)。即種糧面積每增加1個單位, 農(nóng)戶施藥強度“高”的概率降低0.68%, 表明農(nóng)藥投入的規(guī)模經(jīng)濟存在, 較大規(guī)模農(nóng)戶的單位農(nóng)藥用量相對更小, 可能的解釋是規(guī)模種植在一定程度上促使農(nóng)戶掌握一些科學的種植方法, 對農(nóng)藥等化學投入品有更多的了解, 農(nóng)戶施藥行為也更加規(guī)范。

對于地塊集中度變量, 其在y=3時在P＜1%水平顯著, 方向為負(表3); 且在農(nóng)戶施藥強度“高”的概率的邊際貢獻(-5.62%)在P＜1%水平顯著(表5)。地塊分散時, 農(nóng)戶在各地塊往返過程中會產(chǎn)生更多的無效勞動, 在勞動力不足、成本提升的情況下, 地塊分散度較高的農(nóng)戶會盡可能地減少勞動而對農(nóng)藥等化學品進行大量應用。同時, 地塊集中有利于機械整地、深耕等機械化作業(yè), 提高耕地質(zhì)量和農(nóng)藥利用效率, 促進農(nóng)藥的減量投入。

對于地權(quán)穩(wěn)定性變量, 其在y=3時在P＜5%水平顯著, 方向為負(表3); 且在農(nóng)戶施藥強度“較高”的概率的邊際貢獻(-4.03%)在P＜1%水平顯著(表5)。表明地權(quán)穩(wěn)定性提高有利于促進農(nóng)戶關(guān)注耕地地力保護, 減少因追求短期利益而過量施用農(nóng)藥。

對于種糧收入占比變量, 其在y=3時在P＜1%水平顯著, 方向為正(表3); 且在農(nóng)戶施藥強度“較高”的概率的邊際貢獻(13.95%)在P＜5%水平顯著(表5)。即種糧收入占比每增加1個單位, 農(nóng)戶施藥強度“較高”的概率增加13.95%, 表明種糧收入占比越高的農(nóng)戶越傾向于增加農(nóng)藥施用強度, 以保證實現(xiàn)生產(chǎn)預期。

對于種糧動機變量, 其在y=1時在P＜10%水平顯著, 方向為正(表3); 且在農(nóng)戶施藥強度“低”的概率的邊際貢獻(-3.42%)在P＜5%水平顯著(表5)。表明以自給為目的的農(nóng)戶, 因沒有過度追求產(chǎn)量的生產(chǎn)動機, 施藥強度相對較小, 而以增收為目的的農(nóng)戶, 出于追求產(chǎn)量以獲得更多收益的考慮, 則傾向于多施農(nóng)藥。

3)外部環(huán)境因素。對于農(nóng)藥投入成本變量, 其在y=3時在P＜5%水平顯著, 方向為負(表3); 且在農(nóng)戶施藥強度“高”的概率的邊際貢獻(-0.09%)在P＜5%水平顯著(表5)。即農(nóng)藥投入成本每增加1個單位,農(nóng)戶施藥強度“高”的概率降低0.09%, 但該邊際貢獻值較小, 表明農(nóng)藥投入成本的增加對抑制農(nóng)戶減少農(nóng)藥投入的作用有限, 農(nóng)戶更看重的是農(nóng)藥使用所實現(xiàn)的產(chǎn)量保障目標。

對于農(nóng)業(yè)技術(shù)培訓變量, 其在y=3時在P＜1%水平顯著, 方向為負(表3); 且在農(nóng)戶施藥強度“高”的概率的邊際貢獻(-17.02%)在P＜5%水平顯著(表5)。參與農(nóng)業(yè)技術(shù)培訓的農(nóng)戶不僅在生產(chǎn)技術(shù)方面更有保障, 而且對農(nóng)產(chǎn)品質(zhì)量安全認識也有所增強, 從而傾向于減施農(nóng)藥。

對于農(nóng)業(yè)生產(chǎn)保險變量, 其在y=3時在P＜1%水平顯著, 方向為負(表3); 且在農(nóng)戶施藥強度“高”的概率的邊際貢獻(-15.29%)在P＜1%水平顯著(表5)。農(nóng)戶參與農(nóng)業(yè)生產(chǎn)保險, 有助于減輕病蟲害等所造成的損失影響, 減少農(nóng)戶在應對收入波動中對農(nóng)藥的過度依賴, 因此參與農(nóng)業(yè)生產(chǎn)保險的農(nóng)戶, 其施藥強度更低。

4 結(jié)論與討論

4.1 結(jié)論

本文基于黑龍江、遼寧、河北、山東、江西、湖南、四川7省746戶種糧農(nóng)戶的調(diào)查數(shù)據(jù), 采用廣義有序Logit模型分析影響農(nóng)戶施藥行為的主要因素, 得出以下主要結(jié)論: 第一, 受教育程度、種糧面積、地塊集中度、地權(quán)穩(wěn)定性、農(nóng)藥投入成本、農(nóng)業(yè)技術(shù)培訓、農(nóng)業(yè)生產(chǎn)保險等變量對農(nóng)戶施藥強度具有負向影響, 顯著提升農(nóng)戶低強度施藥的概率;年齡、種糧收入占比、種糧動機等變量對農(nóng)戶施藥強度具有正向影響, 顯著提升農(nóng)戶高強度施藥的概率。具體而言, 農(nóng)戶年齡越小、受教育程度越高、種糧面積越大、地塊集中度越高、地權(quán)穩(wěn)定性越好、以自給為目的、農(nóng)藥投入成本越低、參與農(nóng)業(yè)技術(shù)培訓和病蟲害保險, 施藥強度越低。第二, 從影響程度看, 農(nóng)業(yè)技術(shù)培訓、農(nóng)業(yè)生產(chǎn)保險、種糧收入占比、受教育程度、地塊集中度、地權(quán)穩(wěn)定性、種糧動機對農(nóng)戶施藥強度的影響較大, 而種糧面積、農(nóng)戶年齡、農(nóng)藥投入成本的影響相對較小。

基于本文研究結(jié)論, 為降低農(nóng)戶施藥強度, 得出以下政策啟示: 第一, 加大對統(tǒng)防統(tǒng)治項目的財政支持力度, 大力發(fā)展農(nóng)作物病蟲害專業(yè)化統(tǒng)防統(tǒng)治服務(wù)組織, 全面提升重大病蟲害的專業(yè)化統(tǒng)一防控能力和水平, 提高病蟲害統(tǒng)防統(tǒng)治覆蓋率。第二,在全國96%的承包地已完成土地確權(quán)的基礎(chǔ)上, 著力推進土地流轉(zhuǎn)相關(guān)制度、機制、政策與模式的協(xié)同創(chuàng)新, 規(guī)范農(nóng)地流轉(zhuǎn)和穩(wěn)定農(nóng)地流轉(zhuǎn)經(jīng)營權(quán), 促進適度規(guī)模經(jīng)營, 加強土地綜合整治, 推進地塊集中連片, 為農(nóng)戶農(nóng)藥減量投入創(chuàng)造有利條件。第三,將保險與農(nóng)業(yè)支持政策相結(jié)合, 完善糧食作物完全成本保險和收入保險試點, 調(diào)整保費補貼分攤辦法,對糧食主產(chǎn)區(qū)、西部地區(qū)重點傾斜, 有針對性地提高產(chǎn)糧大縣保費補貼標準, 激發(fā)農(nóng)戶參保意愿, 進一步擴大農(nóng)業(yè)保險的覆蓋面。第四, 加大農(nóng)村公共教育投資, 提高農(nóng)戶整體綜合素質(zhì), 加強農(nóng)戶施藥知識培訓和技能指導, 發(fā)揮規(guī)模種植戶的示范帶頭作用, 提升農(nóng)戶農(nóng)藥使用效率。

4.2 討論

農(nóng)藥投入對農(nóng)業(yè)生態(tài)環(huán)境及農(nóng)產(chǎn)品安全都具有較大的影響, 農(nóng)戶過量施藥直接導致農(nóng)業(yè)生態(tài)環(huán)境風險及農(nóng)產(chǎn)品安全隱患, 迫切需要加強對農(nóng)戶施藥行為的規(guī)范和引導。對農(nóng)戶施藥行為的內(nèi)在機理及影響因素的理論和實證分析, 從農(nóng)戶個體與家庭因素、生產(chǎn)經(jīng)營因素、外部環(huán)境因素3個方面揭示影響農(nóng)戶施藥行為的主要因素, 可為農(nóng)藥減施政策的制定提供參考依據(jù)。相比以往研究, 本文在以下兩方面得到了深化:

1)通過對農(nóng)戶施藥行為的內(nèi)在機理分析, 對影響農(nóng)戶施藥行為的內(nèi)外部因素作了進一步細化, 如采用經(jīng)營規(guī)模、地權(quán)穩(wěn)定性、土地集中度綜合反映土地要素特征, 采用種糧補貼額取代補貼與否的粗略估計來準確反映不同補貼對農(nóng)戶施藥行為的作用大小, 彌補了現(xiàn)有研究在生產(chǎn)經(jīng)營、外部環(huán)境等影響因素分析上存在遺漏部分重要因素或表征變量不夠準確的不足, 不僅豐富了農(nóng)戶施藥行為理論研究,也使得研究結(jié)果能夠更好地反映客觀現(xiàn)實。

2)目前針對農(nóng)戶施藥行為影響因素分析多采用OLS模型或二項Logit模型估計方法, 而農(nóng)戶施藥行為是具有多個等級的有序變量, 傳統(tǒng)OLS模型和二項Logit模型估計方法均難以應對因變量為多個等級的有序變量分析, 無法準確、全面地反映農(nóng)戶施藥行為, 廣義有序Logit模型能較好地反映農(nóng)戶群體差異下的不同生產(chǎn)決策以及所受到的不同因素影響, 本文采用廣義有序Logit模型深入分析影響農(nóng)戶施藥行為的主要因素, 可以彌補傳統(tǒng)分析方法的不足。

本文在研究中也存在需要改進之處: 一是在外部環(huán)境影響因素中主要考慮的是價格、補貼、保險等市場因素, 缺乏對政府規(guī)制的考察, 若將這一變量納入模型或?qū)⑹寡芯扛鼮橥晟啤６鞘軙r間和人力的限制, 本研究調(diào)查樣本有限, 若進一步擴大樣本數(shù)量, 研究結(jié)論或更具科學性。以上存在的可能會對研究結(jié)論造成影響的不足之處, 將在本文后續(xù)的研究中作進一步完善。