刘文倩, 费喜敏, 王成军,3①

(1.浙江农林大学经济管理学院, 浙江 临安 311300; 2.浙江省农民发展研究中心, 浙江 临安 311300; 3.浙江大学中国农村发展研究院, 浙江 杭州 310000)

近年来化肥的大量施用造成了诸多环境问题[1]。QIAO等[2]对太湖地区作物施肥的研究发现:化肥的过量施用对作物产生了负面影响,导致环境逐渐恶化。为了寻找控制化肥施用的有效机制和途径,对农户的化肥施用行为进行了深入研究发现：(1)农户的受教育年限以及对环境的认知会对农业生产中的施肥行为产生影响[3-6],如农户的环境意识以及风险偏好等因素会对农户的化肥投入行为产生一定影响[4],大量农户的兼业行为也会增加化肥投入量[6];(2)农户是否过量施用化肥主要受农户土地权利、地块面积、耕地灌溉条件等因素的影响[7-8];(3)政策等外在因素也会对农户的化肥施用行为产生影响,如政府技术支持力度会对农户的化肥施用行为产生显著影响[9]。HUANG等[10]的研究表明,为农户提供一定的生产培训可以有效减少农户的化肥施用量。因此,化肥的过量施用行为对生态安全构成了威胁,研究过量施用化肥行为有利于农业可持续发展[11-13]。

中国当前的化肥施用已经过量[14],但是,对于化肥“过量”标准的界定存在较大差异,主要从农学、经济学和生态环境3个角度进行界定[15-17],农学角度指基于农作物产量最大化来确定最佳施肥量,即此时的化肥投入是农学上的农作物产出量最大的施肥量;经济学关于最佳化肥投入的标准是基于“利润最大化”理论,即当农户投入在农业生产中的边际收益等于边际成本时的化肥施用量是经济学上的最佳施肥量;基于生态环境角度下的最佳施肥量则是考虑了环境污染等一些不可控的外部成本后的施肥量。对比以上3个角度对化肥最佳投入量的衡量标准,农学角度测算出的最佳化肥投入量最大,生态环境角度测算的最佳施肥量与经济学角度测算的施肥量较低[15],但考虑到我国目前还没有将农户化肥施用量控制普遍纳入到农业的补偿范围,笔者选择从经济学角度分析农户化肥的过量施用行为。从现有的研究成果来看,关于农民化肥施用行为的研究已经相当丰富,但以往研究更多的是对农户施肥量影响因素的探究,对于农户在农业生产中化肥投入是否过量以及哪些因素会影响过量施肥行为的研究较少。中国当前正处于工业化、城市化加速发展时期,农民生产中化肥过量施用现象较为普遍,系统分析农民化肥经济过量施用行为及其影响因素具有典型的理论和现实意义。

1 研究方法

1.1 研究区概况

浙江省地处中国东南沿海长三角地区,土地面积约10.55万km2,是中国经济较为活跃和发达的省份之一。浙江省也是农业高产地区,地理位置优越,资源丰富,其农业生产水平较高,是一个农、林、牧、渔各业全面发展的高产综合性农业区[18]。浙江省现下辖11个地级市,分别是杭州、宁波、温州、绍兴、湖州、嘉兴、金华、衢州、舟山、台州、丽水。由于地区间经济发展水平存在一定差异,因此选取杭州、衢州、丽水和金华这4个代表性的地级市,再从中选取具有代表性的县(市)作为样本地区进行调查和研究。

1.2 样本选择及数据的获取

数据来源于国家林业局“浙江省山区民生监测”项目,为了获取山区农户代表性样本,釆用分层随机抽样方法选择样本。首先将浙江省11个地市按照农村经济发达程度分为4组:人均收入在2万元以上的地区属于经济发达地区;人均收入在1.8～2万元之间属于经济较发达地区;人均收入在1.6～1.8万元之间属于经济中等发达地区;人均收入在1.6万元以下为欠发达地区;县(市)的经济发展程度主要是按照地市中所有县(市)的农村居民人均收入水平为依据进行划分。在每组中随机抽取组内的地市,其中经济发达、较发达、中等发达和欠发达地区各抽取1个城市。在每个地市中抽取1个经济中等发达县(市),在每个县(市)内部按照经济发达情况将乡镇分为2组,每组内抽取1个经济中等发达乡镇,再把每个乡镇内部按照经济发达程度将村分为2组,在每组中抽取中等发达的村,在每个村中随机抽取12个农户,共计抽取4个县(市)、8个乡镇、16个村庄和192个农户,样本分布情况见表1。其中种植粮食作物的农户有119个,种植经济作物的农户有76个,剔除部分没有投入产出等信息的样本后所使用的样本量为184个农户,其中有部分农户家庭既种植了粮食作物，又种植了经济作物,因此,对作物进行分类分析时有部分农户重叠。为了保证样本数据的可靠性,采用入户问卷调查方式进行数据收集。调查内容包括5个部分:(1)农户家庭的基本情况,包括家庭的人口规模、性别、年龄、受教育和职业培训情况等信息。(2)家庭的农地资源禀赋情况,包括家庭经营农地的地块数、每块面积、复种情况、耕作条件等信息。(3)农地的投入与产出情况,投入情况包括农药投入、化肥投入、农家肥投入、农膜投入、自家人工投入、雇工投入、灌溉投入、机械服务投入等信息,产出情况包括产量和价格等信息。(4)农民劳动非农化情况,包括家庭成员中每个劳动力的职业、工作地点、每年非农时间、收入,此外,还包括针对整个家庭的收入情况(具体包括农业收入、工资性收入、自营工商业收入、财产性收入以及农业补贴、转移支付等项目)。(5)设计一些选择题和开放性问题,以了解农民对一些具体问题的想法。

1.3 样本特征分析

对样本数据的统计描述分析和单因素方差分析结果见表1。为了研究各解释变量对别的解释变量的影响,以及各解释变量之间的交互作用情况,采用单因素方差分析来检验各个变量均值之间的差异。首先,在农户自身特征上,不同的特征因素对农户之间化肥施用的影响存在较大不同。一是尽管化肥施用在一些特征因素上(如表1中户主年龄、教育程度、劳动力投入、环境意识等)不同农户之间存在一定差异,但是这种差异不显著;二是化肥施用在不同的技术培训和非农就业层次的农户之间不但存在一定差异,而且这种差异在统计学意义上还是显著的。农户的非农就业层次的划分主要以农户非农就业时间占全年参与非农业与农业生产总时间的比例作为划分依据,将农户的非农就业层次划分为3类:纯农户、Ⅰ兼农户和Ⅱ兼农户。纯农户指家庭从业人员主要从事农业生产,其非农就业时间不超过家庭总劳作时间10%的农户;Ⅰ兼农户指家庭成员有非农就业的,且其参与非农就业的时间占总的劳作时间的比例在10%～50%之间的农户;Ⅱ兼农户指家庭成员有非农就业的,且其参与非农就业的时间占总的劳作时间的比例在50%以上的农户。需要指出的是,在不同的技术培训状态的农户之间,化肥过量施用因作物种类不同而存在差异,种植粮食作物的农户,经历不同技术培训时化肥的施用存在显著的统计学意义上差异,而种植经济作物的农户之间不存在差异。这也进一步说明有必要分作物种类进行具体分析。

表1不同特征农户的化肥施用量

Table1Fertilizerapplicationraterelativetofarmerhousehold

变量类型变量名称变量分级均值/(kg·hm-2)标准差/(kg·hm-2)均值差异性分析1)粮食作物经济作物粮食作物经济作物粮食作物经济作物农户特征户主年龄/岁<45948.491 072.15463.78543.27F=1.60F=0.0445～601 152.87994.991 285.421 128.27>601 644.701 059.761 421.26819.31受教育年限/年<51 101.10885.30956.17913.00F=0.59F=1.155～81 350.34898.40913.30915.39>81 374.891 252.881 385.871 382.97技术培训否1 022.091 058.89771.431 037.74F=-4.94∗∗∗F=0.73是2 640.22851.202 600.23904.06劳动力投入<1501 137.07966.341 201.84965.27t=-0.81t=-0.76≥1501 330.291 160.981 338.101 140.75非农就业层次纯农户928.871 052.19594.281 129.05F=2.54∗F=1.52Ⅰ兼农户1 576.78630.981 840.93697.12Ⅱ兼农户1 123.581 193.69895.33936.97环境意识很好1 256.70997.361 183.31929.99F=0.07F=0.32一般1 164.22966.261 494.981 030.40很差1 267.551 269.11548.751 378.44土地资源特征田地面积/hm-2<0.21 211.561 054.191 236.441 044.41t=0.65t=-0.10≥0.21 236.43870.391 305.63875.65田地质量高于一般水平1 252.181 103.891 252.18975.01F=2.51∗F=0.81一般水平1 028.41845.551 028.411 067.68低于一般水平1 991.601 285.891 991.60985.82耕地类型山上田1 139.561 043.271 030.311 054.82t=-2.16∗t=0.60山下田1 992.23836.582 527.77624.36农机投入<1 5001 129.021 008.24964.081 019.37t=-1.38t=-0.51≥1 5001 506.541 375.891 897.90615.22灌溉条件很好1 084.46926.211 084.46911.62F=1.90F=0.80一般1 311.77993.40786.89979.32较差1 761.181 288.292316.901 281.41地区开化1 495.51923.921 066.18898.75F=1.00F=1.33临安968.51944.121 292.91948.19龙泉1 105.951 004.031 508.991 070.95永康1 281.161 734.61971.381 457.61

*、**和***分别表示在10%、5%和1%水平上显著。1)F为单因素方差分析检验值,t为独立性t检验值。

其次,在田地特征上,由表1可知,田地面积对化肥施用量没有显著影响:种粮农户在质量较差的田地上施肥量显著高于质量较好田地,而种植经济作物的农户化肥施用量在不同质量田地之间没有显著差异。种植粮食作物的农户在山下田的施肥量显著高于山上田,而种植经济作物的农户施肥量在山上和山下田之间没有显著差异。农户在农业生产中的农机投入对化肥施用量的影响没有显著差异,但不同灌溉条件之间化肥的施用有较大差异,农户在灌溉条件较差的田地施用的化肥显著高于灌溉条件好的。各地区之间的化肥施用量也存在一定差异。上述差异对农户的化肥过量施用行为是否具有决定性的作用?还需进一步进行实证分析。

1.4 生产函数方法

通过构建生产函数模型对化肥施用量进行测算,通过建立计量经济模型分析农户非农就业对其化肥过量施用行为的影响。首先构建C-D生产函数模型[12]:

Y=aXfβlLβ2W1iβ1iexptβt。

(1)

式(1)中,α为常量；因变量Y为农作物产量,自变量包括生产要素投入以及农户特征变量；Xf为农户的化肥施用量；L为耕地劳动力投入；W1iβ1i为控制变量(农户特征等)；t为耕地的地块特征；βt为化肥的待估参数,在回归中控制了县级虚拟变量，β1和β2分别为化肥产出和劳动力投入弹性。化简得:

(2)

通过采用生产函数模型测算化肥的产出弹性,结合式(2)测算化肥对农作物产量的影响。因此，基于“利润最大化”理论可以得出:

(3)

式(2)～(3)中，F为化肥；PF和PY分别为化肥和农作物价格。结合式(2)和(3)得出化肥最优施用量(xzy)的测算公式:

(4)

因此,基于式(4)测算出的化肥最优投入量,可以对农户化肥过量施肥量进行进一步计算:农户过量施肥量Xμ=农户实际施肥量(Xf)-农户最优施肥量。

Xμ=Xf-Xzy。

(5)

分别对样本地区种植的粮食作物和经济作物进行调查分析,采用最小二乘法验证浙江省4县(市)农作物生产中化肥施用是否经济过量,公式(1)进行取对数估计,构建农作物产量影响因素模型:

lny=lna+β1lnXf+β2lnL+β1ilnW1i+tβt。

(6)

1.5 OLS回归

采用多元线性回归模型,农户的过量施肥行为会受到多种因素的影响,在控制一些相关因素的情况下,分析农户化肥经济过量施用行为的影响因素。根据已有研究可知,农户的家庭特征以及地块特征都会对化肥的过量施用行为产生影响,因此根据多元线性回归模型原理最后设定农户化肥经济过量施用的影响因素模型为

(7)

式(7)中，α0为截距项；λi为家庭特征农户系数；θt为地块特征系数；因变量Yμ为农户的化肥过量施用量,解释变量Xi表示影响化肥施用量决策的因素,包括以下2组变量:(1)农户的家庭特征，包括户主年龄、受教育年限、技术培训、非农就业和环境意识等;(2)田地特征变量，包括田地面积、田地类型和田地质量等。借鉴已有研究,该研究控制了地区虚拟变量,用rt表示,其中4个县(市)采用3个虚拟变量表示,以控制不可观测的县级地区间的差异性。e为残差项,代表一些不可观测的影响因素。

2 结果与分析

2.1 生产函数回归结果

表2分别对粮食作物、经济作物以及总样本做了生产函数的回归分析,模型整体的拟合度较好,3个模型的R2分别为0.23、0.59和0.26,R2合适可用,且统计量F均显著。从生产函数的结果来看,持续增加化肥施用量对粮食作物产量和经济作物产量的提高具有正向显著影响,这说明当前化肥投入仍然是农作物产量增加的原因,但化肥施用在经济上是否最优还需要进一步分析。劳动力投入对粮食作物产量的影响是正向不显著关系,但是对经济作物产量具有正向显著影响,这是由于2种类型的作物播种周期不同。从农户的个体特征来看,户主年龄对作物产量的影响不显著,而户主受教育程度在粮食作物与总样本的回归中对作物产量具有负向显著影响,这是因为接受调查的4个县(市)农户的受教育程度普遍不高。从土地特征变量来看,土地质量分为3种,土壤质量差的耕地占总地块比例对农作物产量呈负向显著影响,表明田地的土壤质量越差,农作物产量越低;从土地类型来看,土地类型分为山上田和山下田2种,研究中作为虚拟变量进行回归,以山上田作为对照组,结果显示土地类型对粮食作物的产量以及总样本是负向显著影响,对经济作物产量是正向不显著影响;田地的灌溉条件对经济作物产量以及总样本是负向显著影响,表明田地灌溉条件越好,作物产量越高;田地灌溉条件对粮食作物是负向不显著影响。最后,在回归中放入3个地区虚拟变量。

表2生产函数回归结果

Table2Regressionoftheproductionfunction

自变量粮食作物经济作物总样本β值1)t值2)β值1)t值2)β值1)t值2)化肥施用量(对数形式)0.08∗1.880.18∗1.700.13∗∗∗2.97劳动力投入(对数形式)0.010.420.52∗∗∗4.760.010.12户主年龄(对数形式)-0.15-0.50-0.62-0.74-0.16-0.49户主受教育程度(对数形式)-0.27∗∗-2.44-0.12-0.36-0.34∗∗∗-2.97质量差田地比例-0.31∗-1.66-1.14∗-1.87-0.40∗∗-1.83田地灌溉条件-0.01-0.20-0.27∗-1.99-0.10∗-1.83山下田(山上田=1)-0.30∗-1.930.010.01-0.32∗-1.86临安0.27∗1.950.61∗1.810.40∗∗∗2.87龙泉0.040.320.020.040.120.86永康0.51∗∗∗3.43-0.93∗-1.900.36∗∗2.37截距项9.276.677.782.089.296.40

*、**和***分别表示在10%、5%和1%水平上显著。1)指对数形式自变量值每增加1%,因变量增加β%,非对数形式自变量值每增加1单位,因变量增加β。2)t为独立性t检验值。

2.2 样本农户化肥过量施用情况及分析

根据样本田地化肥投入对农作物产量影响的边际效益以及化肥施用量等,同时结合式(4)和(5)测算出样本田地化肥的经济最优施用量,进一步结合化肥实际用量测算出化肥经济过量施用量。基于种植粮食作物、经济作物以及总样本的农户样本数得到化肥的实际、最优和经济过量施用量(表3)。

表3不同地区不同作物的实际、最优和过量化肥施用量

Table3Actual,optimal,andexcessfertilizerapplicationratesrelativetocropandregionkg·hm-2

地区指标均值粮食作物经济作物总样本开化实际施肥量1 495.51923.921 654.44最优施肥量235.13899.97549.11过量施肥量1 260.3823.951 078.37临安实际施肥量968.51944.121 063.73最优施肥量217.87539.08408.24过量施肥量750.64405.04599.30龙泉实际施肥量1 105.961 004.031 043.13最优施肥量239.33363.88374.48过量施肥量866.62640.15617.21永康实际施肥量1 281.161 734.612 784.97最优施肥量205.40734.05635.61过量施肥量1 075.761 000.562 047.01

首先粮食作物施肥量测算结果显示,4个地区的化肥经济过量施用率在50%以上,开化和永康地区整体化肥施用量高于其他2个地区,并且开化和永康地区化肥过量施用现象最严重,分别约为1 260.38 和1 075.76 kg·hm-2。其次,经济作物施肥量测算结果显示,龙泉和永康地区化肥经济过量施用率均超过50%,开化和临安地区过量施肥情况一般,仍需进行相应调整。从总样本数据来看,4个地区化肥过量施用情况都需加以重视。因此,通过一系列的计算分析可知,被调查的4个县(市)化肥过量施用情况均较严重,因此在不对作物产量产生较大影响的情况下减少化肥施用量具有重要的经济意义。

2.3 OLS回归结果及分析

将前文中样本农户的化肥过量施用量作为因变量,根据经济计量模型式(6),通过多元回归得到农户化肥过量施用行为的影响因素。模型估计结果见表4。运用stata 12.0软件对农户化肥过量施用行为进行回归分析,为了提高模型估计结果的稳健性,笔者对不同种类作物进行分类回归分析,模型1是对粮食作物样本的回归分析,模型2是对经济作物样本的回归分析,模型3是对总样本数据的回归分析。

从模型的估计结果可知,3个模型的整体拟合程度较好,R2分别为0.40、0.38和0.28,R2合适可用,且统计量F均显著。户主的受教育程度对粮食作物的化肥过量施用是正向显著影响,在经济作物和总样本中是正向不显著影响,可能的原因是这些农户的平均年龄没有太大差异,同时农户的整体受教育水平都不高。农业技术培训对粮食作物和总样本是正向显著影响,对经济作物是负向显著影响,出现这样的差异是由于被调查的4个县(市)接受农业技术培训的次数很少,多数农户只参加1次培训,因此在对这部分农户农业生产的引导作用不强。Ⅰ兼农户对粮食作物以及总样本的化肥过量施用是正向显著影响,表明Ⅰ兼农户所占比例越大,化肥的过量施用越多。根据前文分析可知,Ⅰ兼农户从事农业生产的同时也参加非农就业,因此这部分农户在农业生产中的劳动力投入较少,这部分农户通常会增加化肥投入替代劳动力投入以提高农作物产量。农户的环境意识在3个模型中对化肥的过量施用均是负向影响,在经济作物样本中对化肥过量施用是负向显著影响。户主年龄对农户化肥过量施用的影响在统计上不显著,可能是因为这些农户的平均年龄没有太大差异。

表4化肥过量施用量影响因素回归结果

Table4Regressionoffactorsstimulatingexcessivefertilizerapplication

指标粮食作物经济作物总样本λ或θ值1)t值λ或θ值1)t值λ或θ值1)t值户主年龄/岁17.971.457.300.60-31.69-1.63户主受教育年限/年77.25∗∗2.2338.351.077.410.13农业技术培训1 436.27∗∗∗4.96-627.87-2.50897.95∗∗2.13Ⅰ兼农户(纯农户=1)511.33∗∗2.03-280.07-0.991 132.99∗∗∗2.71Ⅱ兼农户(纯农户=1)212.320.82155.980.57528.771.26环境意识-38.88-0.26-288.981.85-12.68-0.05劳动力投入-0.57-1.130.150.71-0.89-1.06山下田(山上田=0)636.46∗1.98-284.70-0.92388.690.71田地面积/hm2-109.28-0.24-27.39∗-1.85-23.52-0.32质量差的田地占比619.60∗1.98735.27∗1.801 065.29∗1.84农机投入0.050.62-0.32-1.100.21∗1.71灌溉条件206.36∗1.75160.25∗1.70374.65∗∗2.43地区控制是是是

*、**和***分别表示在10%、5%和1%水平上显著。1)指农户特征变量自变量每增加1单位,因变量增加λ; 土地特征变量每增加1单位，因变量增加θ。

从田地特征来看,质量差的田地占比对化肥过量施用量是正向显著影响,表明田地质量越差,化肥的过量施用量越多;田地的灌溉条件对化肥过量施用量是正向显著影响,表明农户种植农作物的耕地灌溉条件越好,化肥的过量施用越少。田地类型对粮食作物化肥施用量在10%水平上呈正显著影响,这是因为被调查的4个地区播种农作物的田地类型相似,且地形地势都没有太大差异。田地面积对经济作物的化肥过量施用是10%水平上的负显著影响,对粮食作物和总样本的化肥过量施用是负向不显著影响,一个可能的原因是田地面积越小的农户会更多地考虑短暂收益,因此会通过大量施肥来获取更多的农业收益。其他变量,例如劳动力投入等,对化肥过量施用量的影响在统计上不显著。

3 讨论与结论

研究结果表明:(1)浙江省4个山区县(市)农户的化肥施用量均出现过量施肥现象。(2)农户的农业技术培训和农户参与非农就业层次中的Ⅰ兼农户对化肥过量施用量具有显著影响。(3)田地质量以及灌溉条件也是影响农户化肥经济过量施用行为的重要影响因素,在上述回归结果中可发现,田地灌溉条件越好,化肥的过量施用越少,农户利用优越的灌溉渠道对田地进行灌溉,减少了化肥的过量施用。

在农业生产中,农户减少化肥的施用量不仅可以为农业带来更长远的发展,还能减轻对山区生态环境的破坏。根据上述的研究结论可以得出以下的政策启示:(1)政府可与山区农户加强沟通,宣传化肥危害等方面的环保知识,让山区农户转变观念,改善农户施肥方式,树立正确的施肥理念;(2)增加政府在农业生产中的投入,加大农户科学施肥技术培训,鼓励农业科技人员入户引导农户施肥,让农户树立正确的生产理念,同时政府应完善农地流转的各项措施,鼓励Ⅰ兼农户把土地流转出去,将土地流转给专心从事农业生产的农户从而提高土壤肥力,整体改善土壤质量;(3)政府部门应加强山区农户的农业基础设施建设,如水利设备等,对于农业可持续发展具有促进意义,为发展生态农业奠定基础。