熊 鹰, 李 晓**, 钟 钰

(1.四川省农业科学院农业信息与农村经济研究所 成都 610066; 2.中国农业科学院农村经济与发展研究所北京 100081)

我国农业发展已取得了显著成效, 粮食等重要农产品供给有力、市场稳定, 农业农村经济发展保持着稳定向好的势头。然而也要看到我国农业发展面临的结构性矛盾, 其中生产与环境的关系依然比较突出。可持续的农业是追求高质量发展的重要组成部分, 更是农业领域深入贯彻落实习近平总书记“绿水青山就是金山银山”理念的根本要求。农药施用对于防范农作物病虫害、提高产量具有积极的作用, 但多年来农药过量投入、施用不合理等问题长期存在, 导致我国农药利用率远低于发达国家, 据农业农村部公布的数据显示, 2019年3大粮食作物农药利用率为39.8%, 远低于发达国家农药利用率60%以上的水平。农药过量投入及其低效利用不仅造成资源浪费、增加生产成本, 而且大量的农药散逸于土壤、水体及大气之中, 引发了一系列环境问题[1]。为此, 2015年原农业部颁布了《农药使用量零增长行动方案》, 2017年和2019年中央“一号文件”分别提出“农药使用量零增长”和“农药使用量负增长”的行动计划。在政策引导下, 我国农药使用量从2015年的178.3万t下降到2019年的139.2万t, 减量成效初步显现。但农药减施效果的可持续性主要取决于微观主体的实施行为, 农户是农药的直接使用者, 作为“理性经济人”, 其施药行为旨在追求收益最大化, 考虑自身禀赋和自然、经济、社会等因素所作出的最终决策[2]。因此, 为了继续保持农药使用量零或负增长的良好态势, 有必要对影响农户施药行为的具体因素展开深入研究, 并采取针对性的措施引导农户减少农药的不合理投入。

国内外学者对影响农户施药行为的诸多因素已展开了深入的研究, 主要包括3个方面: 1)个体和家庭因素对农户施药行为的影响研究。一些学者对施药农户的性别差异进行了探讨, 指出男性比女性更致力于了解农药基础知识以确保农药施用的预期效果,施药行为更加规范[3-5]; 但Wang等[6]的研究表明男性施药行为的安全性相比女性较低。Ntow等[7]认为年龄是影响农户施药行为的重要因素, 年龄越大的农户, 对个人经验的依赖性越强, 规范施药的可能性越低[8-9]; 但Hashemi等[10]研究表明, 年龄越大的农户, 其种植经验越丰富, 对农药伤害的感知越强,越重视施药的安全性。农户受教育程度也被视为影响农户施药行为的重要因素, 受教育程度较高的农户对新知识的接受度相对较高, 也能够更加全面地了解农药施用技术, 由此对合理使用农药产生了极大地促进作用[11-13]。针对家庭人口数对农户施药行为的影响, 有研究显示, 家庭人口量越大, 越容易受生计压力的影响, 农户越想要通过大量施药以保障农业收入[14-15], 但家庭人口中种地人口数较多,农户家庭则会更加关注农药施用信息[16]。2)生产经营因素对农户施药行为的影响。一些学者已对土地经营规模影响农户施药行为的问题进行了探讨, 多数研究表明经营规模较小的农户受耕地面积所限,对于新技术、新品种的采纳积极性不高。过量或施用高毒、禁用农药的可能性较大, 而生产规模较大的农户, 对农产品质量安全的重视程度更高, 也更加注重农药的安全施用[17-19]。但也有研究表明, 种植面积大的农户, 为了规避风险而更容易采取过量施药行为[20]。农户生产目的和农业收入占比对农户施药行为的影响也受到不少学者的关注, 普遍认为以市场销售为主要生产目的、农业收入占比越高,农户施药量越大[15,21-24]。3)外部环境因素对农户施药行为的影响研究。已有研究表明, 农户施药行为受市场激励影响较大, 随着农产品价格的上涨, 农户会加大农药施用量[25], 而农产品价格下降, 则会引起农户施药量的减少[26]。并且, 参加农业保险的农户, 其不合理施药行为的发生概率越低[27-28]。由于农户减少农药施用具有正的外部性和效益的缓释性,在缺乏政策激励的情况下, 农户施药行为往往不能达到社会最优水平, 因此有必要加强政府引导[29]。一些研究表明, 政府提供生产补贴[30-31]、加强技能培训[9,32-33]和宣传教育[34-35]等, 对规范农户施药行为具有显著影响。但也有研究表明, 一些针对农产品价格和要素投入的补贴政策可能对农户安全生产产生负面影响, 如对粮食价格的补贴可能导致化肥、农药的过度使用[36-37]。

总体而言, 既有研究成果已经相当丰富, 不仅从农户及其家庭和生产经营特征等内部视角展开分析, 也从市场和政府等外部环境视角展开分析, 但因研究对象或方法选择不同, 研究结论存在差异,并且现有研究也存在较大的改进空间。首先, 对影响农户施药行为的部分因素缺乏深入考量, 如探讨土地要素对农户施药行为的影响时, 现有研究仅局限于分析土地经营规模对农户施药行为的影响, 缺乏从地权稳定性、土地集中度等综合反映土地要素特征的因素展开深入分析; 针对生产补贴对农户施药行为的影响分析, 现有研究多是将补贴因素作为虚拟变量引入计量模型, 这种方法仅粗略估计了补贴与否对农户施药行为的影响, 无法具体识别不同补贴对农户施药行为的作用大小。其次, 现有研究多采用OLS模型或二项Logit模型估计方法进行实证分析, 而农户施药行为是具有多个等级的有序变量, 现有实证分析方法无法准确、全面地反映农户施药行为。为此, 本文通过剖析农户施药行为的内在机理, 基于黑龙江、辽宁、河北、山东、江西、湖南、四川7省746户种粮农户的调查数据, 采用广义有序Logit模型深入分析影响农户施药行为的主要因素, 旨在丰富农户施药行为的理论研究, 并为政府部门制定相关政策引导农户合理施药提供决策参考。

1 农户施药行为的内在机理分析

农药虽然不能直接提升产量, 但通过减少病虫草害发生, 可以间接提升粮食产量。Hall等[38]和Talpaz等[39]最早将农药投入引入生产函数, 并定义为damage-abatement生产函数, 此后Fox等[40]对damage-abatement生产函数的具体形式进行了解析。以使用数量最多的杀虫剂为例, 在第1阶段, 假设未施农药时, 害虫数量为A0, 对面积为S的耕地施用农药强度为T, 能够杀死的害虫比例为P(ST), 0≤P(ST)≤1。鉴于农户个体特征影响到农药施用效果, 为此把P(ST)当作随农户个体变换的可变量Pi(ST),i表示第i个农户个体。并且, 假设杀虫数量和农药施用量成正比, 即害虫数量的控制函数如下:

第2阶段, 将粮食现实产量假设为Y, 无害虫干扰的潜在产量是Q(X),X代表土地、化肥等生产要素的向量, 害虫影响粮食生产的比例为φ, 数量A的害虫对粮食产量的影响为D()A, 一般而言即害虫数量越多, 对粮食生产造成的影响越大。因此, 考虑害虫影响下的粮食生产函数可表示为:

由式(1)、(2)推导出涉及农药投入的damage-abatement生产函数如下:

假设粮食销售价格、农药购买价格、粮田补贴分别为p、c、γ, 除农药外的其他生产要素X的价格标准化为q, 可将农户的利润表示如下:

我国粮食的价格受政府调控定价,p为外生变量。农户作为“理性经济人”, 其施药行为决策是为了实现利润最大化, 将式(3)代入式(4)可得最优的农药施用强度决策条件:

从式(6)可以看出, 农户施药决策受到粮食的产量Q(X)、售价p、农药购买价格c、农户的认知农药水平ρi和粮食种植面积S等因素的影响。其中,粮食产量Q(X)又受到种粮补贴的提高、病虫害保险的推广、农业技术培训的普及等政府激励政策的影响; 农户对农药杀虫效果的认知又受其性别、年龄、受教育程度、种粮收入占比、种粮动机等个体及家庭因素的影响; 种粮面积不仅与土地规模, 还与地权稳定性、土地集中度等因素有关。

基于上述理论分析并结合相关文献的补充完善,本文提出影响农户施药行为的因素包括性别、年龄、受教育程度、务农劳动力人数等农户个体与家庭因素, 种粮面积、地权稳定性、地块集中度、种粮收入占比、种粮动机等农户生产经营因素, 粮食销售价格、农药购买价格、种粮补贴、农业技术培训、农业生产保险等外部环境因素, 而各种因素对农户施药行为的作用显著性及其影响方向和影响程度,还需要通过实证分析进一步检验。

2 数据来源与研究方法

2.1 数据来源

从课题组2019年4—5月在黑龙江、辽宁、河北、山东、江西、湖南、四川等7个产粮大省的种粮农户调查活动中获取数据。被调查者是家庭中从事种粮并进行生产决策的农户。调查主要围绕影响农户施药行为的个体与家庭、生产经营和外部环境3类因素展开, 通过面谈和问卷调研, 发放了850份问卷, 将信息不全、信息填写错误的问卷剔除, 最终保留了746份有效问卷, 有效问卷占比87.76%。样本农户的基本特征如表1所示。

表1 样本农户基本统计特征Table 1 Basic statistical characteristics of sample farmers

调查结果显示, 样本农户年龄主要分布于45～65岁, 占样本总量的62.6%; 农户受教育程度主要为小学和初中, 占样本总量的71.45%, 受教育程度在大专及以上的仅有3.08%; 农户家庭人口中务农劳动力普遍偏少, 83.11%的农户家庭务农劳动力不超过2人; 农户的粮食生产规模相对较小, 种植面积不足3.33 hm2的农户占比为65.82%; 种粮收入占总收入比值不超过50%的农户占到54.56%, 表明种粮兼业化趋势比较明显; 样本农户种粮动机主要是自给和增收或纯粹为了增收, 完全以自给为种粮目的的农户仅占13.00%。总体而言, 样本农户以受教育程度不高的中老年人口为主, 在农业生产中呈现出劳动力不足、种植规模不大、种粮以自给和增收或纯粹以增收为目的、但种粮收入占总收入比重仍然偏低等特征。

2.2 模型与变量

在研究影响农户施药行为的有关因素时, 通常将农药投入当作连续变量, 运用OLS等方法展开分析。然而, 这一处理方法对于农户群体差异下的不同生产决策以及所受到的不同因素影响等问题关注不足。为此, 本文按不同施药程度将农户施药行为分不同等级, 当因变量是有序离散变量时, 通常运用有序Logit模型进行分析。不过此模型以平行线假设或比例优势假设为前提, 也即是假设对于不同次序类别的因变量, 自变量产生了相同的影响[41]。可从现实情况来看, 此假设往往是不成立的。Williams[42]在2006年提出了两种处理方式: ①将其前提假设彻底舍弃, 仅在有序Logit模型下展开分析;②把定序变量当作定类变量, 在多项Logit模型下展开分析。这两种方法都存在一定的不足, 前者的结果误差相对较大; 后者的次序信息丢失, 与研究目的相偏离。广义有序Logit模型不受以上假设限制,并可将因变量次序信息反映出来, 能够得到更为准确的估计结果且与研究目的相符。定义广义的有序Logit模型如下:

式中:y∈ [1,M];j∈ [1,M- 1],M为各定序变量的类别数,j取值1, 2, ···,M-1; 其不同取值时的概率分别为:

本文中, 模型的因变量被分为4个序次类别,即M=4; 1, 2, ···,M-1代表有序多类因变量的j个类别; 就j=1而言, 对比了类别1的因变量和类别2、3、4的因变量; 对于j=2, 则因变量类别1、2与类别3、4比较; 对于j=3, 则因变量类别1、2、3与类别4比较, 具体采用统计软件Stata14.0对样本数据进行回归处理。

本文因变量采用农户施药强度来衡量, 根据农户的农药投入水平, 将施药强度分为低、中、较高、高4个等级, 分别取值为0、1、2、3。由于市场上的农药种类繁多, 一些受访农户对农药类型和用量记忆不清, 此种情况下, 借助以下方式对农药施用强度进行估算: 首先, 将样本农户的农药施用次数均值n*计算出来, 以n*作为基数, 设定40%的浮动范围, 低于 0.6n*以下判定为施药强度低,0.6n*～1.4n*为施药强度中等, 1.4n*～2n*为施药强度较高, 大于2n*为施药强度高。自变量中, 农药购买价格也同样存在因不同种类和规格的农药难以统一标准进行度量的困难, 而农药购买价格是为了反映农药投入成本, 因此采用单位面积农药投入成本进行衡量。地块集中度取决于各地块间的距离, 但当存在较多数量的地块时, 距离数据的测算就不够准确, 因此该变量以农户主观性的地块集中度评价为依据。各变量解释及特征值如表2所示。

表2 农户施药行为调查的变量解释及特征值Table 2 Variables explanation and characteristic values of farmers’ behavior survey of pesticide input

3 结果与分析

3.1 模型回归结果

广义定序Logit回归结果如表3所示, pseudoR2为0.58, wald2χ为1059.53, prob＞2χ为0.0000, log pseudo likelihood为-383.52。结果显示, 回归模型具有较高的拟合度, 且具有一定的解释力。表3报告了变量系数、Z值、Odds Ratio值(以下简称“OR值”)以及Robust标准误等结果值, 系数值为正, 说明自变量越大, 农户高强度施药的可能性较大; 系数值为负,说明自变量越大, 农户低强度施药的可能性较大。从影响农户施药强度的显著因素来看, 农户年龄越小、受教育程度越高、种粮面积越大、地块集中度越高、地权稳定性越好、以自给为目的、农药投入成本越低、参与农业技术培训和病虫害保险, 施药强度越低。

表3 农户施药强度影响因素回归结果Table 3 Regression results of impact factors of pesticide input intensity of farmers

续表3

本文还对自变量取均值对农户施药强度概率所产生的边际贡献(MEMs)以及自变量对农户施药强度概率的平均边际贡献(AMEs)进行了测算, 以此识别各自变量对农户施药强度的不同影响。表4和表5的结果显示, MEMs和AMEs存在明显的差异。虽然MEMs更易计算, 可就非线性回归来讲, 个体平均行为和平均个体行为差异较大, 采用AMEs解释自变量对农户施药强度概率的平均贡献更具有现实意义。

表4 自变量取均值对农户施药强度概率的边际贡献(MEMs)Table 4 Marginal effects at mean of farmer’s pesticide input intensity probability (MEMs)

表5 自变量对农户施药强度概率的平均边际贡献(AMEs)Table 5 Average marginal effects of farmer’s pesticide input intensity probability (AEMs)

3.2 稳健性检验

为进一步检验模型的稳健性, 本文构建子样本加以验证, 若子样本的实证结果与全样本相近, 说明模型具有稳健性, 反之则不具有稳健性。本研究中, 调查农户既有纯农户, 也有兼业农户, 鉴于兼业农户更具有代表性, 因此将纯农户剔除后再进行实证分析, 618户兼业农户的子样本实证结果如表6所示, 与表3所示的全样本实证结果基本一致, 表明计量模型没有因研究样本选择的改变而发生明显变化, 模型具有稳健性, 研究结果较为可靠。

表6 农户施药强度影响因素稳健性检验回归结果Table 6 Robust test results of model regression of impact factors of pesticide input intensity of farmers

3.3 结果分析

1)个体和家庭因素。对于年龄变量, 其在y=3时在P＜1%水平显著, 方向为正(表3); 且在农户施药强度“较高”的概率的边际贡献(0.32%)在P＜5%水平显著(表5)。表明年龄越大的农户按剂量施用农药的可能性越低, 这可能与其长期施药行为的惯性有关。

对于受教育程度变量, 其在y=3时在P＜1%水平显著, 方向为负(表3); 且在农户施药强度“高”的概率的边际贡献(-12.22%)在P＜1%水平显著(表5)。可见受教育水平较高的农户能够对技术信息及施药方法有更深入地了解与把握, 从而减少农药施用量。

2)生产经营因素。对于种粮面积变量, 其在y=3时在P＜1%水平显著, 方向为负(表3); 且在农户施药强度“高”的概率的边际贡献(-0.68%)在P＜5%水平显著(表5)。即种粮面积每增加1个单位, 农户施药强度“高”的概率降低0.68%, 表明农药投入的规模经济存在, 较大规模农户的单位农药用量相对更小, 可能的解释是规模种植在一定程度上促使农户掌握一些科学的种植方法, 对农药等化学投入品有更多的了解, 农户施药行为也更加规范。

对于地块集中度变量, 其在y=3时在P＜1%水平显著, 方向为负(表3); 且在农户施药强度“高”的概率的边际贡献(-5.62%)在P＜1%水平显著(表5)。地块分散时, 农户在各地块往返过程中会产生更多的无效劳动, 在劳动力不足、成本提升的情况下, 地块分散度较高的农户会尽可能地减少劳动而对农药等化学品进行大量应用。同时, 地块集中有利于机械整地、深耕等机械化作业, 提高耕地质量和农药利用效率, 促进农药的减量投入。

对于地权稳定性变量, 其在y=3时在P＜5%水平显著, 方向为负(表3); 且在农户施药强度“较高”的概率的边际贡献(-4.03%)在P＜1%水平显著(表5)。表明地权稳定性提高有利于促进农户关注耕地地力保护, 减少因追求短期利益而过量施用农药。

对于种粮收入占比变量, 其在y=3时在P＜1%水平显著, 方向为正(表3); 且在农户施药强度“较高”的概率的边际贡献(13.95%)在P＜5%水平显著(表5)。即种粮收入占比每增加1个单位, 农户施药强度“较高”的概率增加13.95%, 表明种粮收入占比越高的农户越倾向于增加农药施用强度, 以保证实现生产预期。

对于种粮动机变量, 其在y=1时在P＜10%水平显著, 方向为正(表3); 且在农户施药强度“低”的概率的边际贡献(-3.42%)在P＜5%水平显著(表5)。表明以自给为目的的农户, 因没有过度追求产量的生产动机, 施药强度相对较小, 而以增收为目的的农户, 出于追求产量以获得更多收益的考虑, 则倾向于多施农药。

3)外部环境因素。对于农药投入成本变量, 其在y=3时在P＜5%水平显著, 方向为负(表3); 且在农户施药强度“高”的概率的边际贡献(-0.09%)在P＜5%水平显著(表5)。即农药投入成本每增加1个单位,农户施药强度“高”的概率降低0.09%, 但该边际贡献值较小, 表明农药投入成本的增加对抑制农户减少农药投入的作用有限, 农户更看重的是农药使用所实现的产量保障目标。

对于农业技术培训变量, 其在y=3时在P＜1%水平显著, 方向为负(表3); 且在农户施药强度“高”的概率的边际贡献(-17.02%)在P＜5%水平显著(表5)。参与农业技术培训的农户不仅在生产技术方面更有保障, 而且对农产品质量安全认识也有所增强, 从而倾向于减施农药。

对于农业生产保险变量, 其在y=3时在P＜1%水平显著, 方向为负(表3); 且在农户施药强度“高”的概率的边际贡献(-15.29%)在P＜1%水平显著(表5)。农户参与农业生产保险, 有助于减轻病虫害等所造成的损失影响, 减少农户在应对收入波动中对农药的过度依赖, 因此参与农业生产保险的农户, 其施药强度更低。

4 结论与讨论

4.1 结论

本文基于黑龙江、辽宁、河北、山东、江西、湖南、四川7省746户种粮农户的调查数据, 采用广义有序Logit模型分析影响农户施药行为的主要因素, 得出以下主要结论: 第一, 受教育程度、种粮面积、地块集中度、地权稳定性、农药投入成本、农业技术培训、农业生产保险等变量对农户施药强度具有负向影响, 显著提升农户低强度施药的概率;年龄、种粮收入占比、种粮动机等变量对农户施药强度具有正向影响, 显著提升农户高强度施药的概率。具体而言, 农户年龄越小、受教育程度越高、种粮面积越大、地块集中度越高、地权稳定性越好、以自给为目的、农药投入成本越低、参与农业技术培训和病虫害保险, 施药强度越低。第二, 从影响程度看, 农业技术培训、农业生产保险、种粮收入占比、受教育程度、地块集中度、地权稳定性、种粮动机对农户施药强度的影响较大, 而种粮面积、农户年龄、农药投入成本的影响相对较小。

基于本文研究结论, 为降低农户施药强度, 得出以下政策启示: 第一, 加大对统防统治项目的财政支持力度, 大力发展农作物病虫害专业化统防统治服务组织, 全面提升重大病虫害的专业化统一防控能力和水平, 提高病虫害统防统治覆盖率。第二,在全国96%的承包地已完成土地确权的基础上, 着力推进土地流转相关制度、机制、政策与模式的协同创新, 规范农地流转和稳定农地流转经营权, 促进适度规模经营, 加强土地综合整治, 推进地块集中连片, 为农户农药减量投入创造有利条件。第三,将保险与农业支持政策相结合, 完善粮食作物完全成本保险和收入保险试点, 调整保费补贴分摊办法,对粮食主产区、西部地区重点倾斜, 有针对性地提高产粮大县保费补贴标准, 激发农户参保意愿, 进一步扩大农业保险的覆盖面。第四, 加大农村公共教育投资, 提高农户整体综合素质, 加强农户施药知识培训和技能指导, 发挥规模种植户的示范带头作用, 提升农户农药使用效率。

4.2 讨论

农药投入对农业生态环境及农产品安全都具有较大的影响, 农户过量施药直接导致农业生态环境风险及农产品安全隐患, 迫切需要加强对农户施药行为的规范和引导。对农户施药行为的内在机理及影响因素的理论和实证分析, 从农户个体与家庭因素、生产经营因素、外部环境因素3个方面揭示影响农户施药行为的主要因素, 可为农药减施政策的制定提供参考依据。相比以往研究, 本文在以下两方面得到了深化:

1)通过对农户施药行为的内在机理分析, 对影响农户施药行为的内外部因素作了进一步细化, 如采用经营规模、地权稳定性、土地集中度综合反映土地要素特征, 采用种粮补贴额取代补贴与否的粗略估计来准确反映不同补贴对农户施药行为的作用大小, 弥补了现有研究在生产经营、外部环境等影响因素分析上存在遗漏部分重要因素或表征变量不够准确的不足, 不仅丰富了农户施药行为理论研究,也使得研究结果能够更好地反映客观现实。

2)目前针对农户施药行为影响因素分析多采用OLS模型或二项Logit模型估计方法, 而农户施药行为是具有多个等级的有序变量, 传统OLS模型和二项Logit模型估计方法均难以应对因变量为多个等级的有序变量分析, 无法准确、全面地反映农户施药行为, 广义有序Logit模型能较好地反映农户群体差异下的不同生产决策以及所受到的不同因素影响, 本文采用广义有序Logit模型深入分析影响农户施药行为的主要因素, 可以弥补传统分析方法的不足。

本文在研究中也存在需要改进之处: 一是在外部环境影响因素中主要考虑的是价格、补贴、保险等市场因素, 缺乏对政府规制的考察, 若将这一变量纳入模型或将使研究更为完善。二是受时间和人力的限制, 本研究调查样本有限, 若进一步扩大样本数量, 研究结论或更具科学性。以上存在的可能会对研究结论造成影响的不足之处, 将在本文后续的研究中作进一步完善。