董 莹，穆月英

基于PSM-SFA两阶段模型的农业生产创新
——来自北京市示范户与非示范户的实证

董 莹，穆月英

（中国农业大学经济管理学院，北京100083）

基于倾向得分匹配（PSM）与随机前沿分析（SFA）两阶段模型，在测算技术采用的农业生产创新无偏效果基础上，以北京市示范户与非示范户为例，着重分析农户管理能力对农业生产创新效果的影响，并据此探究保障农业可持续发展的有效途径。主要结论包括：农业生产创新整体效果不明显，不同管理能力农户采用技术的生产创新效果差异较大；非示范户产出主要依赖于土地、肥料，技术采用效率较低；示范户要素投入结构合理且效果明显，年轻、富有经验与专业化程度高尤具优势。因此，继续鼓励具有“新型职业农民”特质农户率先采用新技术，既有利于推动向专业与规模化的农业生产模式转型，又是促进农业技术扩散，提升农户管理能力、保障增收的可持续性路径。

农业生产创新；农户管理能力；可持续性路径；PSM-SFA两阶段模型

创新是经济增长的源动力，农业创新作为中国农业可持续发展的引擎，连续多年被中央“一号文件”锁定。“创新双螺旋”理论认为创新是技术进步与应用创新的双螺旋结构共同演进的产物，关注以技术和管理集成作用下的创新价值实现和以人为本的创新模式。目前，中国农业生产主体农户通常具有“小而散”的特征，缺乏技术创新的获取渠道与技术管理能力，其采用技术农业生产创新的效果也受到制约。因此，从管理能力视角探讨如何在生产一线保障农业生产创新持续高效进行，是在小规模分散经营模式制约下，探讨农民增收与农业可持续发展的有效途径。

由于农业生产的复杂性，创新的管理能力的作用效果通常受到品种差异、多环节叠加等因素作用，很难被分离测定。因此，以往研究不乏从农业生产创新的技术效率角度展开，却少有从管理能力视角剖析农业生产创新差异与可持续的发展途径。本文拟应用PSM-SFA两阶段模型，针对具体的新型农业技术，剔除样本“自选择”偏差，测算采用新型农业技术的生产创新效果并匹配得到资源禀赋无差异的农户样本，进一步从农户管理能力视角重新测算并比较分析农业生产创新效果差异与潜力空间，据此总结改善农业生产创新效果、保障农业未来可持续发展的可行性途径。

一、文献综述

在创新驱动的农业的可持续发展过程中，评价农业生产创新效果的文献颇多，主要运用全要素生产率框架下的数据包络分析（Data Envelopment Analysis，DEA）与随机前沿分析（Stochastic Frontier Analysis，SFA）方法，测算农户采用新型技术进行农业生产创新对其技术效率的提升与增收的影响。但这些从技术层面对农业生产创新效果进行评价的文献通常一方面忽略是否采用技术的农户在自身资源禀赋、技术需求与技术补贴政策等非技术因素上存在的样本“自选择”偏差，另一方面极少考虑农户在管理技术创新能力上的差异，使实证结果缺乏有效性与准确性。为解决样本“自选择”偏差问题，陈玉萍等（2010）[1]在考察改良陆稻技术的采用对农户收入影响时引入了非参数倾向得分匹配法（Propensity Score Matching，PSM）进行修正；Pan（2014）[2]运用PSM方法测算了生产技术推广对农户在水稻的营养管理行为方式的影响。运用PSM模型方法能够对技术推广采用的最终效果进行无偏估计，但无法展现技术采用与应用管理全过程产生的效果差异的影响因素。Battese和Coelli（1995）[3]尝试将单阶段SFA方法与广泛应用的Heckman两阶段样本选择模型相结合，引入技术非效率方程的第二阶段估计，从生产技术结构与技术非效率方面有层次地反映了生产效率的影响因素，但仍不能排除样本“自选择”偏差的影响。因此，近期研究开始兼顾样本“自选择”偏差问题与全面反映生产技术结构与技术非效率差异的影响因素，将PSM-SFA模型方法相结合[4]。González-Flores等（2014）[5]就采用这种组合模型方法，系统性地评估了高价值市场项目对厄瓜多尔小规模农户减贫的作用，并针对加入高价值市场项目所需的配套管理能力造成的减贫效果差异着重进行了比较分析。

农业生产创新作为一个复杂的动态过程，其效果是通过技术采用阶段和应用管理阶段的集成作用而逐渐释放出来的，而以上两个阶段均受到农户自身资源禀赋、技术需求与补贴政策因素的影响，而农户的管理能力则主要决定应用管理阶段的效率。随着中国农村劳动力的不断转出，作为技术载体的农户在文化程度、身体素质上呈现出的“一增一降”态势[6]，一方面提升了农户采用技术的可能性，另一方面也激发了农户除增加产量、节约物质资本与劳动力投入[7-8]外的技术需求。农户自身的教育水平、种植经验、技术认知水平[9-10]、技术信息获取渠道通畅与否[11]以及先行者技术创新所获收益[12]，与农户类型的分化和农业专业化、规模化程度与技术补贴力度[13-15]共同影响着农户的技术采用决策与管理能力，进而形成了差异化的农业生产创新效果。由于技术知识的公共品属性，农户对具有环境正外溢的新型技术采用动力相对不足，导致该类技术扩散缓慢[16]，需要在技术采用上有针对性地推进技术补贴。然而，多数分散经营的农户往往更需要提高农业生产创新的管理能力，却很难得到有效的指导，制约了其农业生产创新的效果，是可持续性技术采用与农业发展的主要威胁[17]。

综上，贯穿农业生产创新的全过程，对技术采用阶段与应用管理阶段的效果与效率进行系统而有层次性的测算与比较分析，进而探索农业可持续发展路径的文章尚属少见。本研究拟采用PSM模型方法纠正样本“自选择”偏差来测算无偏的技术采用效果，将匹配得到的资源禀赋特征无差异的农户样本，通过两阶段SFA模型从管理能力差异视角对农业生产创新效果差异进行实证比较分析，并探讨农业生产创新的高效与可持续性途径。

二、研究方法

为有层次性地评估技术采用效果以及管理能力在农业生产创新中的作用，本文将借鉴Bravo-Ureta等（2012）[18]的研究将技术采用效果的倾向得分匹配（PSM）方法与测算管理能力的两阶段随机前沿生产函数（SFA）模型相结合进行实证模型构建。

（一）技术采用效果与PSM模型

PSM方法是由Rosenbaum和Rubin在1983年最早引入研究，以避免样本“自选择”偏差。由于其模型仅是关于变量协方差的方程，因此，基于此的测算结果具有样本组变量协方差分布更平衡和无偏差的优良特性，得到了广泛的应用。其具体方法原理为

其中，Di代表农户对某项技术的采用情况，Di＝1表示采用技术，Di＝0表示未采用技术；X代表农户技术采用的禀赋变量和分别代表采用与不采用技术的产出。评价创新效果时需要测算的是农户采用技术前后的产出差异ATT，通常用只能观察到的采用与未采用技术农户的产出差异ATE来替代而存在样本“自选择”偏差，而PSM模型则能对共同影响技术采用决策和效果的农户禀赋特征差异通过进行前期的倾向打分与匹配剔除，纠正这种偏差。PSM模型第一阶段倾向得分原理如式（1）所示，需要测算农户资源禀赋特征X对技术采用的影响的倾向得分。由于因变量值为0或1，通常采用Probit模型进行回归，并给各变量进行倾向打分。模型第二阶段匹配原理如式（3）所示，是在倾向得分已知基础上，采用最近邻、核密度等方法进行匹配，匹配到一组与采用技术农户组禀赋特征无差异的未采用技术农户组作为对照组，剔除农户资源禀赋对技术采用效果的影响，测算农业生产创新中技术采用对产出的无偏贡献。在匹配方法选取上，本文采用了更能提升平均匹配质量、降低偏差的可替代最近邻匹配法（nearest neighbor matching with replacement）进行匹配[19-20]，其具体匹配原理为

另外，由于不同种类技术的自身差异，通常采用相应技术所需禀赋也必然有所不同，因此，为运用倾向得分匹配的方法寻找更合理的对照组，实证测算将按具体技术分类展开。另外，PSM模型匹配得到农户禀赋无差异的样本组也将应用于以下SFA两阶段模型，有效剔除农户资源禀赋差异，为从管理能力视角比较分析示范户与非示范户的创新效果差距奠定基础。

（二）管理能力差异影响与SFA两阶段模型

通过上述匹配找到了与采用技术农户具有相似特征的对照组并完成了技术采用对创新效果的无偏估计。而进一步分析管理能力如何在应用管理阶段通过改善技术效率影响农业生产创新效果，还需要引入广泛应用于技术效率测算的技术结构与技术非效率SFA两阶段生产函数模型，其原理为

式（5）和式（6）中，yi代表农户的农业产出；xi表示要素投入量；β代表其投入产出系数表示设定误差、测量误差和随机因素对前沿面的影响；ui～iid（0+，σu2）是单侧非负误差项，反映技术非效率损失。式（6）由（5）式两边取对数得到，模型由技术结构与技术非效率两部分模型构成，前者表征微观农户投入生产要素结构的变化产生的技术进步，后者体现由农户管理能力差异产生的非效率损失缓解作用。式（7）是技术非效率方程的模型形式，其中Zi代表产生技术非效率的因素，在本研究中具体变量设置为农户自身资源禀赋、技术采用与补贴等，是下文中进行测算与分析的重点。

三、数据建模与实证分析

（一）数据建模

蔬菜产业在北京市农业产业中占有重要位置，北京市又是中国蔬菜优势产区，其生产创新的推广体系也较为完善。其中就包括具有特色与实践意义的连续多年开展的高产高效技术示范户建设工程。本研究以该项推广工程为基础，先后对北京市示范户与非示范户的生产创新情况进行了预调研与问卷分析，并于2013—2014年选取了北京市13个区县，在每个区县内随机抽取6个设施蔬菜生产乡镇，每个乡镇选取2个村蔬菜种植农户进行实地调研，得到可用问卷样本547户（其中示范户308户，非示范户239户），调研内容涉及农户的基本特征、技术需求与采用、技术补贴以及投入产出等情况。

由于农户自身禀赋特征与技术补贴等因素同时影响着技术采用决策与应用管理的全过程，在模型设置上，PSM中Probit倾向打分模型与SFA的技术非效率方程模型选取的共同自变量包括：农户是否有该项技术需求、年龄、种植经验、受教育程度、设施蔬菜总种植规模、蔬菜收益占总收入比重、是否有配方肥等物化补贴、是否有防虫板防虫网补贴、是否有加入农业保险补贴；其中，技术需求主要作用于技术采用决策阶段，因此仅在Probit模型中出现，而是否采用良种优苗技术、是否采用病虫害综合防控技术、是否采用测土配方施肥技术对改善技术非效率作用则在SFA技术非效率方程模型中；SFA的技术结构方程模型中选择C-D生产函数形式，并选择播种面积、劳动、种苗费、肥料费。考虑环境污染严重等制约下，农业生产经营方式面临着质与量上的需求，以及农业生产模式转型，在模型结构上选择在高产高效、质量安全与环境保护3类设施新型生产技术中最具代表性的良种优苗、病虫害综合防控与测土配方施肥3项具体生产技术分别构建模型。为便于理解农户自身禀赋对技术采用的决策与应用管理全过程的影响，首先按技术采用情况的不同将农户自身禀赋特征进行统计与比较分析，如表1所示。

表1具体展示了农户自身禀赋特征（单位设施投入产出情况），3项具体技术的采用决策以及所获补贴与产出的情况。从技术的采用决策结果看，良种优苗技术的采用比例最高，达到55.39％，其次是病虫害综合防控技术，为26.65％，而测土配方施肥技术的采用率较低，仅为21.39％；从单产水平看，是否采用病虫害综合防控技术产生的差异较大，达到了12.94％，其次是测土配方施肥技术，为5.54％，而良种优苗技术采用情况差异较小。技术需求强烈的农户易采用技术；示范户技术采用意愿普遍高于非示范户；采用与未采用技术农户在年龄、种植规模方面差异不明显，但教育水平较高的农户更易采用技术；蔬菜收入占总收入比重越高的农户更易采用技术，尤其是良种优苗、测土配方施肥技术，这说明蔬菜种植专业化水平越高，农户对蔬菜生产越关注，采用技术改善生产效率的意愿就越高涨；采用测土配方施肥技术，采用良种优苗、病虫害综合防控技术农户所获物化与农业保险补贴也普遍较高。另外，补贴和种植规模有明显个体差异，说明目前蔬菜生产规模多样化、补贴的覆盖强度不均。

表1 按技术采用情况分农户自身禀赋特征

表2 各项技术的采用倾向得分估测结果

（二）实证结果与比较分析

在运用PSM方法对技术采用样本的“自选择”偏差进行纠正，并匹配得到与采用技术组的对照组的过程中，首先运用Probit模型估计得到了影响技术采用因素（表2）及其采用最近邻法进行匹配的ATT值（表3）。结果显示影响农户技术采用决策的模型回归效果较好，对3项技术的采用情况的模型估测水平分别为25.58％、19.39％和18.97％，其中，技术需求是采用3项技术的共同因素，除此之外，农户种植经验、受教育程度、设施播种面积规模、配方肥物化投入补贴与防虫板、网补贴也在各种技术采用中起到了不同作用；在此基础上选择平均匹配质量、降低偏差效果较好的可替代最近邻匹配法（nearest neighbor matching with replacement）[20-21]进行匹配，3项技术匹配后的样本量分别为534户（其中技术采用组299户，对照组235户）、538户（其中技术采用组302户，对照组236户）和539户（其中技术采用组306户，对照组233户），如图1～图3所示①图1～图3中，横轴上下对称分布都应为正的分布比例，如纵轴标注坐标单位，则上半部分为正，下半部分为负，这和原本的匹配的用意矛盾，故未标注。。检验得到匹配后的3项技术采用比例的平均值偏差与中位数偏差均有显著减少，匹配后技术采用组与对照组的倾向匹配得分均值分布差异有大幅度减弱，均说明匹配后样本平衡性更好[23]，即通过PSM方法匹配找到了合理的对照组。

表3中，全样本下的ATT测算结果显示，尽管3项技术的采用总体均具有促进产出的作用趋势，但仅有病虫害综合防控的技术采用对于产出的正向作用显著也较大。从非示范户与示范户对比角度看，ATT值的方向、程度与显著度有很大差异。就非示范户而言，除测土配方施肥技术外，其他两项技术对产出的贡献均呈现负向的趋势；而示范户则相反，后两项技术对产出有显著正效应。为什么技术采用的“无偏”估计效果在两个群体上仍存在如此大的差异呢？

表3 可替代最近邻法匹配下的3项技术ATT效果值

在对农户的调研与访谈中发现，尽管农户所做的采用决策一致，但其在管理应用技术的具体方法与时机，即管理能力上差异较大，即新技术应用阶段所需的管理能力差异可能通过生产技术结构与技术效率造成农业生产创新上的差距。因此，验证管理能力的影响对于指导实践具有重要意义。为区分存在管理能力差异的示范户与非示范户，以下将分别采用两阶段SFA模型进行对比实证分析。表4是以PSM模型匹配得到的农户资源禀赋无差异对照组为数据基础，按示范户与非示范户分别测算的SFA两阶段模型结果，表现了管理能力作用下，示范户与非示范户生产结构与技术效率上存在的差异。其中，模型中σ2与γ均通过了显著性检验，γ值显著接近1，说明存在显著的技术非效率损失。匹配后差异有效降低，说明PSM方法能有效修正“自选择”偏差。

技术结构即要素投入结构方程的估测结果显示，相比较而言：（1）劳动力与肥料的投入在非示范户产出中贡献均不显著，说明非示范户仍有劳动力剩余或实际劳动投入参差不齐、对化肥使用存在误区因而利用率较低；（2）单位设施播种面积项估测系数显著且较大，即非示范户实际播种面积越大其蔬菜产出越多，体现出非示范户的实际产出对土地具有较强依赖性；（3）相比之下，示范户产出的因素则多元化地分散在各类要素的投入上，对土地要素的依赖较低；（4）非示范户在种苗上的投入产出弹性显著高于示范户，而肥料投入产出弹性显著低于示范户，说明非示范户目前的增收点仍在优质种苗投入上，而示范户的增收方式则更多体现在肥料的合理利用上。

与SFA模型单阶段估计方法相比，PSM-SFA两阶段模型方法得到的技术非效率方程估测结果差异较大，主要体现在纠正了原有方法测算易低估管理能力对效率损失缓解作用的偏差上，矫正“自选择”偏差的作用明显。对两组农户的测算结果进行比较，不难发现：（1）非示范户采用良种优苗技术造成了较大的技术效率损失，严重影响了技术创新效果；其采用病虫害综合防控技术难以得到采用后的显著收效；仅对测土配方施肥技术的采用实现了技术效率的提高。相比之下，示范户采用3项技术均具有显著的缓解技术非效率损失作用，且贡献度较大，也印证了表3中得到的结论。（2）非示范户户主年龄对缓解技术非效率损失的作用更大，而种植经验对技术非效率损失的缓解作用有所下降，说明对非示范户而言，随着年龄增长而沉淀的从事农业生产中积累的普适性经验以及对生产的专业技术经验仍是提高生产技术效率的核心。（3）受教育时间越长、设施蔬菜种植规模越大的非示范户的管理能力越差，体现在技术效率的抑制上，这可能是由于文化水平较高的非示范户更倾向于将人力资源分配到非农就业上以获得更高的收益，因此主观上容易轻视蔬菜生产管理，同时，由于缺乏从事较大规模农业生产的协调管理能力，因而技术效率较低；（4）对示范户群体而言，年轻、有设施蔬菜种植经验的农户具备的管理能力越强，其技术非效率损失也越少。说明年轻、有经验的农户又是示范户群体的生产创新的先锋与发展目标，一方面积累了足够的设施种植经验，另一方面灵活变通、乐于接受创新，并对其有较强的消化吸收能力，具有“新型职业农民”的特质；（5）蔬菜收益占总收入比重即增加蔬菜生产的专业化程度也体现了示范户的管理能力，能有效缓解技术效率损失，同时，适度扩大的规模化也有望成为其生产效率提升的突破点。

表4 匹配前后两组农户估测结果

四、结论

本文构建了PSM-SFA两阶段模型进行实证分析，以北京市示范户与非示范户调研数据基础，纠正技术采用阶段的“自选择”偏差并测算技术采用效果ATT值，进而在匹配得到的农户资源禀赋无差异样本基础上，从不同农户群体的管理能力视角测算与对比分析农业生产创新效果的差异，据此讨论中国农业未来可持续性路径，得到的主要结论如下。

1.PSM模型阶段的技术采用决策回归模型与匹配效果均较为理想。该模型结果显示：农户技术需求是采用决策的主要因素；尽管3项技术的采用总体都具有促进产出的作用趋势，但仅有病虫害综合防控的技术采用对于产出的正向作用显著；从非示范户与示范户对比看，除测土配方施肥技术外，非示范户采用技术对产出的贡献均呈现负向趋势；而示范户则相反，尤其是病虫害综合防控与测土配方施肥技术对农户增收有显著正效应。

2.SFA两阶段模型结果的比较显示：由于示范户与非示范户管理能力上的差异，其在生产的技术结构与技术非效率方面差异较大，从而导致了两组农户在农业生产创新效果的差距。相比而言，从技术结构角度看：示范户投入要素的技术结构合理，产出的贡献要素多样化且效率较高；非示范户存在投入生产劳动力素质参差不齐、依赖土地投入、化肥使用低效率等问题。在农业生产继续老龄化与环境因素的共同制约下，保障农业生产效率的稳步提高，仍需推动对小规模经营农户的肥料施用等生产性技术服务与指导[21]。从技术效率角度看，相比仅能通过种植经验来减少技术效率损失的非示范户，示范户的管理能力优势还体现在年轻化、专业化、适度规模化。由于示范户具备农业生产创新的一线示范与指导能力，通过高产高效示范等类似工程培育“新型职业农民”，鼓励其率先采用技术，不但有利于逐步推进向“让更少的人种更多的地”的可持续高效的自身生产模式转变，还有利于技术创新在生产一线从管理能力较高的职业农民向周边管理能力较低的农户扩散应用，在更大范围提升农业生产效率并促进农户增收，是从深度与广度上有效拓展农业生产创新效率潜力空间、保障中国未来农业可持续发展的可行性途径。

[1]陈玉萍，吴海涛，陶大云，等.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）：3667-3676.

[2]PAN D.The Impact of agricultural extension on farmer nutrient management behavior in Chinese rice production：a householdlevel analysis[J].Sustainability，2014，6（10）：6644-6665.

[3]BATTESE G E，COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data [J].Empirical Economics，1995，20（2）：325-332.

[4]GREENE W.A stochastic frontier model with correction for sample selection[J].Journal of Productivity Analysis，2010，34（1）：15-24.

[5]GONZáLEZ-FLORES M，BRAVO-URETA B E，SOLíS D，et al.The impact of high value markets on smallholder productivity in the ecuadorean sierra：a stochastic production frontier approach correcting for selectivity bias[J].Food Policy，2014，44：237-247.

[6]展进涛，陈超.劳动力转移对农户农业技术选择的影响——基于全国农户微观数据的分析[J].中国农村经济，2009（3）：75-84.

[7]PADEL S.Conversion to organic farming：a typical example of the diffusion of an innovation？[J].Sociologia Rruralis，2001，41（1）：40-61.

[8]王浩，刘芳.农户对不同属性技术的需求及其影响因素分析——基于广东省油茶种植业的实证分析[J].中国农村观察，2012（1）：53-64.

[9]孔祥智，方松海，庞晓鹏，等.西部地区农户禀赋对农业技术采纳的影响分析[J].经济研究，2004（12）：85-122.

[10]周宁.农民文化素质的差异对农业生产和技术选择渠道的影响——基于全国十省农民调查问卷的分析[J].中国农村经济，2007（9）：33-38.

[11]徐世艳，李仕宝.现阶段我国农民的农业技术需求影响因素分析[J].农业技术经济，2009（4）：42-47.

[12]ALDANA U，FOLTZ J D，BARHAM B L，et al.Sequential adoption of package technologies：the dynamics of stacked trait cornadoption[J].American Journal of Agricultural Economics，2011，93（1）：130-143.

[13]NOLTZE M，SCHWARZE S，QAIM M.Impacts of natural resource management technologies on agricultural yield and household income：the system of rice intensification in Timor Leste[J].Ecological Economics，2013，85：59-68.

[14]DONG Y，MU Y Y，ITOH S.Endogenous agricultural technology diffusion with factor structural changes in China[J].Journal of the Faculty of Agriculture，Kyushu University，2015，60（2）：519-528.

[15]魏晓卓，金丽馥，吴君民.基于和谐管理的粮食财政直接补贴和谐主题研究[J].系统工程理论与实践，2015（1）：1-17.

[16]FUGLIE K O，KASCAK C A.Adoption and diffusion of natural-resource-conserving agricultural technology[J].Review of Agricultural Economics，2001，23（2）：386-403.

[17]李想，穆月英.北方保护地菜农可持续生产行为分析[J].中国人口·资源与环境，2013，23（5）：164-169.

[18]BRAVO-URETA B E，GREENE W，SOLíS D.Technical efficiency analysis correcting for biases from observed and unobserved variables：an application to a natural resource management project[J].Empirical Economics，2012，43（1）：55-72.

[19]DEHEJIA R H，WAHBA S.Propensity score-matching methods for nonexperimental causal studies[J].Review of Economics and Statistics，2002，84（1）：151-161.

[20]ABADIE A，DRUKKER D，HERR J L，et al.Implementing matching estimators for average treatment effects in Stata[J].Stata Journal，2004，4：290-311.

[21]RUBIN D B.Using propensity scores to help design observational studies：application to the tobacco litigation[J].Health Services and Outcomes Research Methodology，2001，2（3-4）：169-188.

[22]黄季焜，邓衡山，徐志刚.中国农民专业合作经济组织的服务功能及其影响因素[J].管理世界，2010（5）：75-81.

Agricultural Production Innovation based on the PSM-SFA Two Stage Model—Empirical Analysis on Model and Non-modal Household in Beijing

DONG Ying，MU Yueying
（College of Economics and Management，China Agricultural University，Beijing 100083，China）

This paper applied the two-stage model combines the Propensity Score Matching（PSM）with the Stochastic Frontier Analysis（SFA）to estimate the contribution of technology adoption on the output without sample bias，and then researched on the effect difference from China’s agricultural production innovation and its sustainability path from the perspective of managerial ability based on model and non-modal households in Beijing.The results showed that the technology adoption income effect is not obvious now.Comparatively speaking，for the non-model households，fertilizer input is inefficient，land factor has been over counted on，their adoption of new technologies can hardly get benefit due to their low level managerial ability;while the technical input structure of the model households is reasonable and they can use all these three techniques to improve technical efficiency and better income with relatively high managerial ability.In addition，the model households of younger age，more experience，higher specialization level have more comparative advantage.Therefore，new agricultural production innovation adoption by model households who work as the new occupation farmers should be encouraged，because this way can not only help transfer the agricultural production mode from traditional to specialized and proper-scaled and get more income increase，but also induce other non-model farmers’technology application in a larger range and help them improve their managerial ability to guarantee income increase which can be a sustainable path for China’s agricultural innovation and development.

agricultural production innovation；farmer managerial ability；sustainability path；PSM-SFA two stage model

F323.3

A

1009-3370（2016）06-0106-08

10.15918/j.jbitss1009-3370.2016.0614

[责任编辑：宋宏]

2016-03-23

国家重点研发计划资助项目“粮食作物丰产增效资源配置机理与种植模式优化”（2016YFD0300200）；现代农业产业技术体系北京市果类蔬菜产业创新团队项目资助（BAIC01-2016）；北京市社科基金重点项目资助“北京蔬菜生产碳足迹及生态补偿机制研究”（15JGA020）；教育部高等学校博士学科点专项资助项目“中国农户技术采用及其激励政策研究——以水稻为例”（20120008110032）；农业部公益性行业科研专项资助项目“现代农作制模式构建与配套技术研究与示范”（201103001）

董莹（1988—），女，博士研究生，E-mail：B1305404@cau.edu.cn；穆月英（1963—），女，博士生导师，通讯作者，E-mail：yueyingmu@cau.edu.cn