农户种植业生产及其要素替代分析——基于联立方程模型
农业保险与农业面源污染：影响因素及其度量--基于联立方程组模型的情景模..
第17卷第5期上海财经大学学报Vol.17No.52015年10月Journal of Shan g hai Universit y of Finance and EconomicsOct.2015农业保险与农业面源污染:影响因素及其度量基于联立方程组模型的情景模拟陈俊聪1,2,王怀明1(1.南京农业大学金融学院,江苏南京210095;2.南京农业大学农林经济管理博士后流动站,江苏南京210095)㊀㊀摘㊀要:文章基于联立方程组模型的情景模拟方法,运用2005-2012年中国省际面板数据,实证分析了农业保险对中国农业面源污染的影响㊂研究表明:(1)中国农业保险促进了农业规模发展与农业技术进步,降低了农业种植业比重;农业规模扩大加剧了农业面源污染,而农业种植业比重下降与农业技术进步缓解了农业面源污染㊂综合来看,农业保险影响农业环境的机制在于,规模效应加剧了农业面源污染,结构效应与技术效应减轻了农业面源污染㊂(2)我国农业保险对农业环境质量的综合影响,受益地区往往是农业经济较为发达的地区(如华东㊁东北地区),受损地区往往是农业经济欠发达地区(如华南㊁西北地区)㊂(3)农业固定资产投资㊁农业机械化水平㊁农业外向程度等因素是影响农业保险环境效应的重要因素㊂当前,我国正处于农业面源污染防治的关键阶段,政府可以通过将农业保险保费补贴额度与农业生产技术选择相对接,积极引导㊁鼓励农民采用绿色农业生产技术,从而有效降低农业面源污染,推动中国农业保险向环境友好型的绿色保险转变㊂㊀㊀关键词:农业保险;农业面源污染;保费补贴㊀㊀中图分类号:F840.66;F307㊀文献标识码:A㊀文章编号:1009-0150(2015)05-0034-10收稿日期:2015-05-07基金项目:国家自然科学基金项目(31301229);中央高校基本科研业务费基金项目(KJQN201414)㊂作者简介:陈俊聪(1984-),男,江苏宜兴人,南京农业大学金融学院讲师,南京农业大学农林经济管理博士后流动站研究人员;王怀明(1963-),男,江苏姜堰人,南京农业大学金融学院教授,博士生导师㊂一㊁引言及文献综述㊀㊀近年来我国农业保险发展迅速㊂‘中国农业保险统计年鉴“显示,2013年中国农业保险保费收入规模达到304.62亿元,表明我国已经成为仅次于美国的第二大农业保险的国家㊂农业保险及其补贴政策已成为我国促进农业发展㊁稳定农民收入的重要措施㊂与此同时,我国农业面源污染也相当严重,而农业化学品的过量施用是影响我国农业面源污染的重要原因㊂数据显示,受农药和重金属污染的耕地分别占全国耕地总面积的7.5%和16.7%(国土资源部,2011)㊂蒋高明(2011)研究指出,我国每年的农业化肥施用量是世界耕地第一大国 美国和第二大国 印度的总和,亩均化肥施用量是美国的3倍;同时我国每年有高达40%的农膜㊁60%的化肥和60%-70%的农药残留于土壤并形成农业面源污染㊂那么,我国快速增长的农业保险在提高农民农业生产积极性的同时,是否对我国农业环境质量产生了影响如果存在,其影响效应㊁传导机制又如何?关于这些问题的探讨,对推动中国农业保险向环境友好型的绿色保险转变具有重要意义㊂㊀㊀20世纪80年代国外学者就展开了农业保险与农业环境的相关研究,主要侧重于分析农业保险对农民化学品施用行为的研究㊂部分学者认为农业保险会激励农民增加化学品投入,Horowitz 和Lichtenber g (1993)利用递归模型研究发现,美国中西部购买了农业保险的农民倾向于多施用化肥约19%㊁农药约21%㊂Horowitz 和Lichtenber g (1994)认为农业保险能够对农业减产带来的损2015年第5期农业保险与农业面源污染:影响因素及其度量35㊀失进行补偿,对于购买农业保险的农户将会增加化学要素的施用㊂Chakir和Hardelin(2010)针对法国油菜保险的实证研究发现,农业保险促进了农户在农业生产中的化学品投入㊂同时,另一部分学者则认为农业保险会降低化学品投入㊂Qui gg in(1993)采用普通最小二乘法对美国中西部玉米及大豆种植者的相关数据研究发现,购买农业保险会使农民减少农药和化肥的使用量,农业保险与化学品投入之间形成了一种替代关系㊂Smith和Goodwin(1996)运用联立方程对美国堪萨斯州的麦农购买农业保险和化学物质施用行为进行了实证分析,表明购买保险农户的氮肥投入会降低5美元/公顷㊂他们的研究表明,农业保险制度下的道德风险效应导致农户减少化学品要素投入㊂Vincent等(1996)运用蒙特卡罗模拟对爱荷华州的农业保险对农户生产的影响进行了分析,研究发现,如果农业保险保障水平低于(或等于)70%,农业保险计划就会引致氮肥施用的少量减少;而如果保障水平为90%,高风险规避型农户则会减少化肥施用约10%,即农业保险保障水平与农户风险承担能力对化学要素的施用产生显著影响㊂国外学者关于农业保险与农民化学品施用关系的诸多研究得出了相互矛盾的观点,究其原因主要在于地区农业生产条件(如气候㊁降雨)㊁农业保险保障水平㊁农民风险偏好等因素存在较大差异㊂㊀㊀国内学者钟甫宁等(2007)运用联立方程组对新疆生产建设兵团现行农业保险制度与农户农用化学要素施用行为之间的关系进行了实证分析,结果显示,农户购买农业保险的决策对其化肥和农膜的施用量具有一定程度的促进作用,但统计上并不是很显著,而购买农业保险后农民的农药施用量则显著减少㊂林光华和汪思洁(2013)利用浙江省家禽保险试点地区农户的调查数据,分析家禽保险对农户养殖行为的影响,研究发现参加家禽保险对疫病防控要素投入有负向影响,并且统计上显著㊂㊀㊀关于农业保险对农户生产行为的影响,现有研究做了大量工作,但是在涉及农业保险对农业环境质量的影响方面,现有文献则较少涉及㊂鉴于此,本文基于2005-2012年中国省际面板数据,考察中国农业保险对农业面源污染的影响㊂本文的主要工作是:第一,基于联立方程组模型的情景模拟方法,分析了中国农业保险影响农业面源污染的三大传导机制,即规模效应㊁结构效应和技术效应;第二,基于区域模型,检验了农业保险对农业面源污染终端影响的异质性㊂二、模型设定与数据说明(一)模型设定㊀㊀Grossman和Kru g er(1991)提出了经典的环境效应分析框架,他们将环境效应分解为规模㊁结构和技术三种效应,分析引起地区环境质量变动的影响途径㊂随着我国农业保险险种覆盖范围㊁保费补贴比例的不断提高,农业保险将改变农民参与农业生产活动的预期生产收益㊂对于追求利润最大化的经济理性农民而言,预期收益的变化将诱使他们调整资源配置㊁土地利用㊁要素投入,进而改变农业生产规模㊁农业生产结构和农业生产技术,并最终对农村生态环境带来不同程度的影响(张伟等,2014)㊂㊀㊀本文将遵循Grossman和Kru g er(1991)的研究思路,从规模㊁结构与技术效应这三个不同维度,考察农业保险所引致的农业规模㊁结构与技术三个方面变动对农业面源污染的影响㊂其中,规模效应是指随着农业保险的发展带动农业生产规模的扩大,加大农业对土地㊁水资源和农用化学品等的需求,从而对农业面源污染产生影响;结构效应是指通过农业保险会对地区农业产业结构产生影响,而农产品生产结构调整会影响农户的农用化学品投入,进而影响农业环境质量;技术效应是指农业保险通过影响农业技术进步㊁改变农用化学品投入,从而对农业环境质量产生影响㊂因此,本文基于Grossman和Kru g er(1991)的联立方程组方法,实证检验中国农业保险的环境效应㊂首36㊀上海财经大学学报2015年第5期先,构建农业面源污染的决定方程:E=f(Gd p,Str,Tec)(1)其中,因变量E表示农业面源污染,自变量Gd p㊁Str㊁Tec分别表示农业规模㊁农业结构和农业技术,重点考察中国农业保险基于农业规模㊁结构与技术效应的传导机制㊂根据农业保险影响农业污染传导机制的差异,构建以下农业保险影响农业规模㊁结构与技术的基本模型(见表1):Gd p=f(Labor,Ca p,Land,O p en,Ins)(2)Str=f(Ga p,HR,Cit y,O p en,Ins)(3)Tec=f(HR,Mac,Cit y,O p en,Ins)(4)㊀㊀农业产出与农业生产要素的投入密切相关,农业生产要素主要包括土地㊁劳动和资本㊂随着我国农产品贸易规模的不断扩大,对我国农业产业的涉及范围会越来越广泛,农业国际化对我国农业产业规模㊁结构与技术进步的影响会越来越重要㊂因此,在式(2)农业规模方程变量选取中,Gd p表示农业规模,变量Labor㊁Ca p与Land分别表示农业劳动力㊁农业资本与农作物总播种面积,变量O p en与Ins分别表示农产品贸易开放度与农业保险㊂表1㊀基本模型的联立方程组及变量预期方程1:E方程2:Gd p方程3:Str方程4:Tec自变量预期类型自变量预期类型自变量预期类型自变量预期类型Gd p+内生Labor+外生Ga p+外生HR+外生Str+内生Ca p+外生HR+外生Mac+外生Tec-内生Land+外生Cit y+外生Cit y+外生O p en+外生O p en+外生O p en+外生Ins+外生Ins-外生Ins+外生㊀㊀注: + ㊁ - 分别代表自变量对因变量起到正向作用和负向作用㊂㊀㊀农业产业结构调整(Str)与城镇化水平(Cit y)密切相关,城镇化加快了农业人口向城市的转移,农村剩余劳动力转移缓解了农村人多地少㊁劳动力闲置的局面,有利于推动农产品的集约化和规模化生产,从而影响农业产业结构调整㊂农村人力资本水平(HR)是影响农业科技进步与农业劳动生产率的重要因素,其对农业产业结构调整同样具有重要作用㊂同时,城乡收入差距也是影响农业产业结构的重要因素,城乡收入差距会影响农村人口向城市和城镇聚集,城镇居民的 消费示范 效应必然导致农产品市场需求结构发生快速变动,从而对农产品生产结构产生影响㊂因此,在式(3)农业结构方程中,因变量为农业结构(Str),自变量为城乡收入差距(Ga p)㊁农村人力资本水平(HR)㊁城镇化水平(Cit y),以及农产品贸易开放度(O p en)与农业保险(Ins)㊂㊀㊀农业技术进步(Tec)与农村人力资本水平(HR)㊁农业机械化程度(Mac)密切相关,地区农业人力资本积累与农业机械化程度提升会促进农业劳动力生产效率与农业技术进步㊂同时,随着地区城镇化的不断加速,有助于产生农业规模经济,从而对农业技术进步产生重要影响㊂由此,在式(4)农业技术方程中,变量Tec表示农业技术,变量HR㊁Mac与Cit y分别表示农村人力资本㊁农业机械化水平与城镇化水平,变量O p en与Ins分别表示农产品贸易开放度与农业保险㊂㊀㊀考虑到农业保险与控制变量可能存在替代或互补关系,如农业保险可能会激励农民加大农业投资(包括物资资本㊁技术设备等方面),从而推动农业经济发展㊂因此,在式(2)㊁式(3)与式(4)的基础上,我们进一步引入农业保险与其他自变量的交互项,构建以下含有交互项的拓展模型: Gd p=f(Labor,Ca p,Land,O p en,Ins,LaborˑIns,Ca pˑIns,LandˑIns,O p enˑIns)(5) Str=f(Ga p,HR,Cit y,O p en,Ins,Ga pˑIns,HRˑIns,Cit yˑIns,O p enˑIns)(6) Tec=f(HR,Mac,Cit y,O p en,Ins,HRˑIns,MacˑIns,Cit yˑIns,O p enˑIns)(7)2015年第5期农业保险与农业面源污染:影响因素及其度量37㊀㊀㊀综上所述,本文构建了两组联立方程组模型,分别是基本模型(式1㊁式2㊁式3与式4)与含有交互项的拓展模型(式1㊁式5㊁式6与式7)㊂考察中国农业保险对农业面源污染影响的三大传导机制,即规模效应㊁结构效应和技术效应,以及农业保险与其他自变量的交互项对农业保险环境效应的影响㊂考虑到我国各省份在农业资源禀赋㊁农业外向程度㊁农业保险与农业面源污染方面存在较大的地域差异性,我们按照我国大区划分为华东㊁华中㊁华北㊁华南㊁东北㊁西南和西北7个区域,重点考察农业保险对地区农业环境的影响效应及地区差异性㊂(二)数据来源及说明㊀㊀本文使用2005-2012年我国31个省份的面板数据,原始变量数据来源于‘中国农业年鉴“㊁‘中国农村统计年鉴“和‘中国统计年鉴“㊂为消除价格因素,农业保险保费收入㊁农业总产值㊁农业投资规模均经过GDP指数与固定资产投资指数进行调整(2000年价格)㊂同时相关变量取值情况说明如下:㊀㊀农业面源污染变量(E),考虑到化肥㊁农药是农业面源污染的主要来源,本文选取农业化肥㊁农药使用规模作为衡量农业面源污染的替代指标㊂农业保险(Ins)主要采用农业保险保费收入表示㊂㊀㊀农业规模(GDP)以农业总产值进行衡量;农业结构(Str)用种植业产值占农业总产值表示;农业技术(Tec),以数据包络分析法测得各地农业全要素生产率(Total Factor Productivit y,TFP)来衡量农业技术,在TFP计算过程中产出为农业总产值,投入要素包括农业劳动力㊁农业资本与农作物播种总面积㊂农业劳动力(Labor)用农业劳动力投入规模来衡量;农业资本(Ca p)以农业固定资产投资表示;农作物总播种面积(Land),以农作物总播种面积表示农业生产的土地投入㊂㊀㊀另外,农村人力资本(HR)的具体计算过程为,根据我国现行教育体制将农村居民家庭劳动力接受教育的时间分为6个层次:不识字或识字很少(3年)㊁小学程度(6年)㊁初中程度(9年)㊁高中程度(12年)㊁中专程度(12年)㊁大专及大专以上(15年),然后根据各省份农村居民家庭劳动力文化结构状况,即各层次农村居民家庭劳动力所占比例,以各层次受教育年数为权重核算出各省份农村居民家庭劳动力的人力资本㊂农业机械化水平(Mac,千瓦)用农林牧渔业的各种动力机械的动力之和表示;城乡收入差距(Ga p)以城镇人口可支配收入与农村人口纯收入之间的比重表示;城市化(Cit y,%)表示为城镇人口占总人口的比重;农产品贸易开放度(O p en)用农产品进出口总额占农业GDP的比重来衡量㊂三、实证分析(一)基本模型的计量分析㊀㊀本文采用3SLS方法估计基本模型的联立方程组,估计结果见表2㊂从全国范围看,在污染方程中,农业规模㊁结构对农业面源污染有显著的正向作用,其中农业总产值㊁种植业比重每增加1%,农业面源污染将分别增加1.051%㊁0.403%;而农业技术对农业面源污染具有显著的负向作用,农业技术进步每提升1%,农业面源污染将减轻2.147%㊂从各地区实证结果来看:农业经济规模增长加剧了农业面源污染㊂其中,农业规模效应的估计系数在华中和西南地区模型中较高(分别为0.995与1.110),在东北地区模型系数估计相对较低(为0.280)㊂但是,农业结构调整对农业面源污染存在一定的差异性,其中,华中地区种植业比重提升1%,农业面源污染将上升1.898%;在华东㊁东北地区模型估计系数达到0.653㊁0.584;而在西北地区种植比重的提升降低了农业化肥㊁农药使用量,模型估计系数为-0.482㊂另外,农业技术进步显著降低了农业面源污染,其中在华东㊁东北与华北地区模型估计系数分别达到-2.852㊁-1.483与-1.3288㊂表2中污染方程的实证结果表明,农业规模扩大与农业结构调整增加了化肥和农药的使用量,加剧了农业面源污染,而农业38㊀上海财经大学学报2015年第5期技术进步则在一定程度上缓解了农业面源污染㊂㊀㊀基于农业规模㊁结构与技术变动对农业面源污染影响的差异性,农业保险所引致的农业经济规模㊁农业产业结构与农业技术进步这三个方面变动对农业环境的影响将进一步呈现复杂性㊂由表2实证结果可知:(1)在规模方程中,控制了农业劳动㊁农业资本㊁农作物播种面积㊁农产品贸易开放度等因素后,本文估计了中国农业保险对农业规模的影响㊂从全国范围看,我国农业保险对农业规模的影响显著为正,农业保险承保规模每增长1个百分点,农业经济规模增长将达到0.031个百分点㊂从区域样本看,农业保险显著促进了农业经济增长,其中在华东㊁华北㊁华南㊁华中地区,农业保险的估计系数分别达到0.045㊁0.048㊁0.092㊁0.061㊂(2)在结构方程中,控制了农村人力资本㊁城乡收入差距㊁城镇化水平㊁农产品贸易开放度等变量后,估计了中国农业保险对农业结构调整的影响㊂从全国样本看,随着中国农业保险险种覆盖范围㊁保费补贴比例的不断提高,农业保险降低了我国农业种植业比重(估计系数为-0.011)㊂但是,区域层面的估计模型存在一定的差异性,其中,变量lo g(Ins)在华北㊁西北地区显著为正(系数分别为0.081㊁0.038),而在华东㊁华中㊁东北地区显著为负(估计系数分别为-0.092㊁-0.022与-0.015)㊂可以看出,在全国层面农业保险发展带动了农业生产经营的多样化,随着农业保险承保险种的不断增加,一定程度上促进了传统农业中种植业比重的下降,加速了农业结构的调整㊂但是,由于各地区政策性农业保险补贴规模㊁农业要素禀赋㊁农产品贸易开放度等存在一定的差异,因此,农业保险对我国地区农业结构的调整也存在一定的差异性㊂(3)在技术方程中,控制了农村人力资本㊁农业机械化水平㊁城镇化水平㊁农产品贸易开放度等因素后,实证结果表明农业保险加快了农业技术进步㊂在全国模型中,实证结果显示在1%显著性水平下,我国农业保险增长1%,农业技术进步将提升0.026%,农业保险对我国农业技术进步起到了明显的推动作用㊂在区域层面上,农业保险对地区农业技术具有明显的促进作用,变量lo g(Ins)在华东㊁华北㊁东北㊁西南㊁西北地区的模型中估计系数显著为正㊂农业保险规模增长有助于农户规避农业风险㊁促进规模化经营,以及加大农业固定资产投资㊁农业机械设备的投资,这些都促进了农业技术进步效应㊂总体来说,农业保险加快了我国农业技术的进步㊂表2㊀联立方程3SLS估计结果(基本模型)项目全国华东华北华南华中东北西南西北污染方程lo g(Gd p)1.051∗∗∗0.946∗∗∗0.974∗∗∗0.791∗∗∗0.995∗∗∗0.280∗∗∗ 1.110∗∗∗0.969∗∗∗lo g(Str)0.403∗∗∗0.653∗∗∗0.685∗∗∗0.587∗∗∗ 1.898∗∗∗0.584∗∗∗ 1.053∗∗∗-0.482∗∗lo g(Tec)-2.147∗∗∗-2.852∗∗∗-1.328∗∗∗-0.649∗∗∗-0.784∗∗-1.483∗∗∗-0.246∗∗∗-0.017∗∗规模方程lo g(Labor)0.130∗∗∗0.40∗∗∗0.482∗∗∗0.644∗∗-0.322-0.2370.442-0.044 lo g(Land)0.750∗∗∗0.591∗∗∗0.471∗∗∗-0.051 1.412∗∗∗0.010.403 1.046∗∗∗lo g(Ca p)0.163∗∗∗0.133∗∗∗0.139∗∗∗0.0230.162∗0.499∗∗∗0.238∗∗∗0.331∗∗∗lo g(O p en)0.182∗∗∗0.214∗∗∗0.128∗∗∗0.0250.173∗-0.1920.081-0.041 lo g(Ins)0.031∗∗∗0.045∗∗∗0.048∗∗∗0.092∗∗∗0.061∗∗∗0.064∗∗∗0.036∗∗0.042∗∗结构方程lo g(Ga p)-0.221∗∗ 1.514∗∗∗-0.285-0.358∗0.164-0.014-0.063-0.583∗∗∗lo g(HR)-0.0120.412∗∗∗-1.191∗∗∗0.238∗∗∗-0.347∗∗∗-1.5420.096∗∗∗-0.374∗∗∗lo g(O p en)-0.151∗∗∗-0.242∗∗∗-0.0320.242∗∗0.1130.148∗∗∗0.073∗∗∗0.149∗∗lo g(Cit y)-0.272∗∗∗ 1.945∗∗∗-5.157∗∗∗-1.803∗∗∗-0.604∗∗-1.039∗∗∗-0.412∗∗∗-1.701∗∗∗lo g(ins)-0.011∗-0.092∗∗∗0.081∗∗∗0.014-0.022-0.015∗∗-0.021∗∗∗0.038∗∗∗2015年第5期农业保险与农业面源污染:影响因素及其度量39㊀续表2㊀联立方程3SLS估计结果(基本模型)项目全国华东华北华南华中东北西南西北技术方程lo g(HR)-0.022∗∗∗-0.017-0.0660.036-0.276∗∗0.1830.0180.078∗lo g(Mac)0.027∗∗0.068∗∗0.0340.345∗∗∗0.256∗∗∗0.341∗∗∗0.127-0.032 lo g(O p en)0.011∗-0.0220.013-0.0580.2070.172∗∗∗-0.012-0.143∗∗∗lo g(Cit y)-0.048∗0.316∗∗∗-0.1480.352-0.426-0.851∗-0.192∗∗0.452∗∗lo g(Ins)0.026∗∗∗0.012∗∗∗0.033∗∗∗-0.034∗0.0110.022∗∗∗0.039∗∗0.034∗∗㊀㊀注:∗∗∗㊁∗∗与∗分别表示变量在1%㊁5%与10%水平下显著,下同㊂(二)拓展模型的计量检验㊀㊀考虑到农业保险与控制变量可能存在替代或互补关系,从而影响农业保险对农业环境的综合影响效应㊂本文采用3SLS方法实证检验了含有交互项的拓展模型联立方程组(见表3)㊂在表3的污染方程中,农业规模㊁结构和技术效应的估计结果与基本模型联立方程组一致,不存在系统性差异㊂本部分重点将考察中国农业保险与控制变量交互项的估计结果㊂表3㊀联立方程3SLS估计结果(拓展模型)项目全国华东华北华南华中东北西南西北污染方程lo g(Gd p) 1.051∗∗∗0.948∗∗∗0.975∗∗∗0.807∗∗∗ 1.108∗∗∗0.292∗∗∗ 1.108∗∗∗0.968∗∗∗lo g(Str)0.393∗∗∗0.742∗∗∗0.653∗∗∗0.581∗∗∗0.406∗∗∗0.553∗∗∗ 1.126∗∗∗-0.226 lo g(Tec)-1.873∗∗∗-1.721∗∗∗-1.086∗∗∗-0.479∗∗∗-0.429∗∗∗-1.019∗∗∗-0.236-0.019规模方程lo g(Labor)0.0610.0980.492∗∗∗0.618-1.049∗∗-0.8430.098-0.061 lo g(Labor)ˑlo g(ins)0.023∗∗0.0710.0330.0720.184∗0.2720.148-0.013 lo g(Land)0.874∗∗∗0.975∗∗∗0.452∗∗∗0.031 2.452∗∗∗0.6610.7510.941∗∗∗lo g(Land)ˑlo g(ins)0.033∗-0.091∗∗0.037∗∗-0.128-0.259∗∗0.154∗-0.1420.046 lo g(Ca p)0.0810.0130.146∗∗0.060-0.1620.463∗∗0.0770.031∗∗lo g(Ca p)ˑlo g(ins)0.0200.028-0.0110.0220.063∗∗-0.0120.044∗∗∗0.041 lo g(O p en)0.226∗∗∗0.287∗∗∗0.208∗∗∗0.1990.1680.5140.0130.341∗∗lo g(O p en)ˑlo g(ins)-0.015∗∗-0.012-0.032-0.0730.036-0.1570.025-0.117∗∗∗lo g(ins)0.061∗∗0.128-0.0130.328∗∗∗0.795-0.7740.122-0.036∗∗结构方程lo g(Ga p)0.0320.794 1.253∗∗-1.274∗∗∗0.452-1.449∗∗-0.239-0.169 lo g(Ga p)ˑlo g(ins)-0.0790.178∗-0.318∗∗0.191∗-0.0690.332∗∗0.083-0.153 lo g(HR)0.0430.212∗-2.073∗∗∗0.158-0.019-0.987∗0.052-0.063 lo g(HR)ˑlo g(ins)-0.014∗0.049∗0.199∗∗∗0.032-0.071∗0.1520.013-0.053∗∗∗lo g(O p en)-0.123∗∗∗-0.218∗0.342∗∗∗0.639∗∗∗-0.338-0.654∗∗∗0.114∗-0.371∗∗∗lo g(O p en)ˑlo g(ins)-0.021∗0.0130.218∗∗∗-0.1290.072∗0.042∗0.013∗0.134∗∗∗lo g(Cit y)-0.186 1.223∗∗-10.082∗∗-2.893∗∗∗0.214 5.985∗∗-0.202∗-0.357∗∗∗lo g(Cit y)ˑlo g(ins)-0.112∗0.123 1.182∗∗∗0.239-0.185∗∗-0.862∗∗-0.082-0.359∗∗∗lo g(ins)0.324∗-1.127∗∗-2.473∗∗∗-0.882 1.542∗-3.929∗∗-0.522 1.459∗∗∗技术方程lo g(HR)0.0120.0760.156-0.351∗∗∗-1.047∗∗-0.8570.1390.188∗∗lo g(HR)ˑlo g(ins)0.018∗∗-0.021∗∗∗-0.0270.097∗∗∗0.189∗∗0.128-0.037-0.043∗∗lo g(Mac)0.057∗-0.0660.324∗∗∗-0.331∗∗0.835∗∗∗-0.2380.2120.414∗∗∗lo g(Mac)ˑlo g(ins)0.013∗0.031∗∗-0.058∗∗∗0.183∗∗∗-0.123∗∗0.092-0.052-0.163∗∗∗lo g(O p en)0.023∗∗0.081∗-0.0520.642∗∗∗0.742∗-0.2910.066-0.169 lo g(O p en)ˑlo g(ins)0.012∗-0.021∗0.012-0.183∗∗∗-0.124∗0.057-0.0110.012 lo g(Cit y)-0.191∗∗∗-0.2290.738-1.713∗∗∗-1.457∗∗ 6.847-0.792∗∗∗0.523 lo g(Cit y)ˑlo g(ins)0.063∗0.086-0.0920.553∗∗∗0.364∗∗∗0.8150.291∗∗∗-0.097 lo g(ins)0.141∗0.242∗0.824∗∗-2.891∗∗∗-2.832∗∗-0.0210.1220.036∗∗∗40㊀上海财经大学学报2015年第5期㊀㊀全国数据的实证结果显示:(1)在规模方程中,变量lo g(Ins)与lo g(Labor)交互项㊁变量lo g(Ins)与lo g(Land)交互项分别在5%㊁10%水平上显著,估计系数分别为0.023㊁0.033;变量lo g(Ins)与lo g(O p en)交互项在5%的水平下显著,估计系数为-0.015;另外,变量lo g(Ins)与lo g(Ca p)交互项未通过显著性检验㊂(2)在农业结构方程中,变量lo g(Ins)与lo g(HR)交互项㊁变量lo g(Ins)与lo g(O p en)交互项㊁变量lo g(Ins)与lo g(Cit y)交互项的估计系数分别为-0.014㊁-0.021与-0.112㊂(3)在技术方程中,变量lo g(Ins)与lo g(HR)的交互项㊁变量lo g(Ins)与lo g(Mac)的交互项㊁变量lo g(Ins)与变量lo g(O p en)的交叉项以及变量lo g(Ins)与变量lo g(Cit y)的交叉项都通过了显著性检验,系数分别为0.018㊁0.013㊁0.012与0.063㊂全国层面数据的实证结果表明:农业固定资产投资㊁农业机械化水平㊁农业外向程度等因素是影响农业保险环境效应的重要因素,这些影响因素与农业保险的交互项变量促进了农业规模扩张㊁降低了农业种植业比重,同时也加快了地区农业技术进步㊂㊀㊀从表3区域层面实证结果来看,农业保险与控制变量的交互项对农业规模㊁结构以及技术的影响存在一定的地区差异,这与地区农业经营特色㊁农业气候特征㊁农业保险承保项目以及保险补贴等密切相关㊂在规模方程中,在华东㊁华中地区,变量lo g(Ins)与变量lo g(Land)交互项的系数分别为-0.091㊁-0.259;而在华北㊁东北地区,变量lo g(Ins)与变量lo g(Land)交互项的系数为0.037㊁0.154㊂在结构方程中,在华北地区,变量lo g(Ins)与变量lo g(Cit y)交互项的系数为1.182,而在华中㊁东北与西北地区,变量lo g(Ins)与变量lo g(Cit y)交互项的系数分别为-0.185㊁-0.862与-0.35㊂在农业技术方程中,在华东㊁华南地区,变量lo g(Ins)与变量lo g(Mac)交互项系数分别为0.031㊁0.183;在华北㊁华中㊁西北地区,变量lo g(Ins)与变量lo g(Mac)交互项系数分别为-0.058㊁-0.123与-0.163㊂在区域模型中,变量lo g(Ins)与交互项对农业规模㊁结构以及技术的变动存在一定的差异,地区要素禀赋是影响农业保险环境效应的重要因素㊂在城镇化水平㊁农业机械化以及贸易开放度较高的地区,农业保险能够推动农业技术进步,减少农业面源污染,我国地方政府在推动农业保险发展㊁增强我国粮食安全的同时,需要因地制宜地制定农业发展政策,因为完善的农业配套设施可以改善农业保险环境效应㊂(三)基本模型与拓展模型的情景模拟㊀㊀依据基本模型和拓展模型的估计结果,本文模拟了中国农业保险(Ins)增长1%的情境下,农业规模(Gd p)㊁农业结构(Str)㊁农业技术(Tec)的相应变化,以及对农业污染(E)的终端影响㊂其中,将农业污染终端影响依据农业规模效应㊁结构效应㊁技术效应的传导路径进行了细分,并进行了深入分析,估计结果见表4㊂㊀㊀由表4中基本模型的情景模拟结果可知,中国农业保险(Ins)每增长1%,则农业产量(Gd p)上升0.031%,种植业比重(Str)下降0.011%,农业技术(Tec)上升0.026%,农业污染(E)减少0.028% (其中农业规模效应㊁结构效应㊁技术效应分别为0.033%㊁-0.004%㊁-0.056%)㊂情景模拟结果表明,农业保险的增长逐步实现了我国农业向高效益㊁低污染方向的转型㊂因此,在兼顾粮食安全与环境保护的双重目标下,我国政府应该逐步调整农业保险补贴政策,推动中国农业保险向环境友好型的绿色保险转变㊂㊀㊀但是,我国农业保险的区域环境效应存在较大差异(见表4)㊂张祖荣(2013)指出,由于我国各地区的主要农作物及其主要风险存在较大差异,针对特定农作物险种和特定风险的补贴,难以适应各地风险差异和特色农业的实际情况;一些农业大省财政压力较大,难以承担相应的巨额保费补贴责任,因此影响了该地区农业保险的均衡发展㊂农业保险的非均衡发展对农业面源污染的影响出现较大的地区差异㊂。
农业科技创新、农业技术效率与农业经济发展基于向量自回归模型的实证分析
通过实证分析，我们发现：
1、农业科技创新和农业技术效率对农业经济发展具有显著的正向影响，且 存在长期稳定的均衡关系。
2、农业科技创新对农业技术效率有显著的促进作用，而农业技术效率对农 业科技创新的影响则相对较小。
3、相比之下，农业技术效率对农业生产总值的影响程度要高于农业科技创 新。
这些结果验证了我们的研究假设，并揭示了农业科技创新、农业技术效率与 农业经济发展之间的内在。
为了验证以上假设，我们首先需要搜集相关数据并进行预处理。本次演示选 取了某省1990年-2019年的农业科技创新、农业技术效率和农业经济发展数据进 行分析。其中，农业科技创新采用农业科研机构数量和科研经费投入来衡量，农 业技术效率采用单位耕地面积的农作物产量来衡量，农业经济发展采用农业生产 总值来衡量。考虑到数据的可获得性和可靠性，本次演示选取了这些指标进行分 析。
VAR模型的设定需要基于数据的性质和研究的目的一、研究问题
本次演示旨在探讨农业科技创新、农业技术效率与农业经济发展之间的相互 关系，因此研究问题可以表述为：农业科技创新、农业技术效率与农业经济发展 之间是否存在长期稳定的均衡关系？如果存在，它们之间的相互影响程度如何？
二、研究假设
根据文献综述，我们提出以下研 究假设：
农业科技创新、农业技术效率 与农业经济发展——基于向量
自回归模型的实证分析
目录
01 二、研究假设
02 六、结论
农业科技创新、农业技术效率与农业经济发展之间的关系研究
农业科技创新、农业技术效率与农业经济发展之间存在着密切的。本次演示 将基于向量自回归模型（VAR），对它们之间的关系进行实证分析，以期为农业 科技创新、农业技术效率与农业经济发展的研究提供参考。
假设1：农业科技创新与农业经济发展正相关，即农业科技创新能够促进农 业经济的发展。
计量经济学之联立方程模型
计量经济学之联立方程模型引言联立方程模型（Simultaneous Equation Model，简称SEM）是计量经济学中的一个重要分析工具，用于研究多个经济变量之间的相互关系。
通过建立一组方程，可以理解变量之间的联动效应，并进行预测和政策分析。
本文将介绍联立方程模型的基本概念、建模步骤和常见的估计方法等内容。
基本概念联立方程模型的定义联立方程模型是指由多个方程组成的一种数学模型，用于描述多个经济变量之间的关系。
每个方程都包含一个因变量和若干个解释变量，以及一个误差项。
联立方程模型的核心思想是通过解方程组，得到各个变量的估计值，进而分析它们之间的关系。
基本假设在建立联立方程模型时，需要对变量之间的关系进行假设。
常见的基本假设有：1.线性关系假设：方程中的变量之间的关系是线性的。
2.独立性假设：各个方程中的误差项是独立的，即它们之间不存在相关性。
3.零条件均值假设：解释变量的条件均值为零，即解释变量的期望与误差项无关。
4.同方差假设：各个方程中的误差项方差相等。
建模步骤建立联立方程模型的步骤如下：步骤一：确定变量根据研究主题和数据可获得的变量，确定需要建立模型的变量集合。
步骤二：构建方程根据经济理论和实际问题，构建联立方程模型的方程形式。
每个方程包含一个因变量和若干个解释变量。
步骤三：参数估计通过收集数据，对联立方程模型进行参数估计。
常用的估计方法有最小二乘估计（Ordinary Least Squares，简称OLS）和广义矩估计（Generalized Method of Moments，简称GMM）等。
步骤四：模型诊断对估计得到的模型进行诊断，检验模型的拟合优度、参数显著性和误差项的假设等。
常见的诊断方法有虚拟变量检验、异方差性检验和序列相关性检验等。
步骤五：模型解释与政策分析根据估计得到的模型结果，解释各个变量之间的关系，并进行政策分析。
可以利用模型进行预测和模拟，评估不同政策对经济变量的影响。
第十一章：联立方程模型
[计量经济学讲义] 第十一章：联立方程模型前面十章讨论的是单一方程模型，用一个方程描述一个经济变量与引起这个变量变化的各个因素之间的关系。
解释变量X 是因变量Y 的原因，其因果关系是单向的。
然而，经济现象是复杂的，因果关系可能是双向的，或者一果多因，或者一因多果。
这时用一个单一方程很难完整地表达，需要用多个相互联系的方程，才能正确反映复杂的现实经济系统状况。
§1 联立方程模型的基本概念一、联立方程模型的例子例1：（农产品供需模型）t D =1α+2αt P +3αt Y +t u 1 （1.1）t S =1β+2βt P +3βt R +t u 2 （1.2）t D =t S （1.3）例2：小型国民经济宏观模型假定该经济是封闭的。
t C =1α+2αt Y +3α1－t C +t u 1 （2.1） t I =1β+2β(t Y -1-t Y )+3β1-t Y +4β4-t R +t u 2 （2.2） t R =1γ+2γt Y ＋3γ (t Y -1-t Y )+4γ(t M -1-t M )+5γ(1-t R +2-t R )+t u 3 （2.3） t Y =t C +t I +t G （2.4）二、联立方程模型的变量和方程式（1）内生变量：由模型系统内决定，其值大小由方程组的联立解得到。
一般而言，内生变量既影响所在系统，又受所在系统影响。
它是具有某种概率分布的随机变量，并且与随机扰动项相关。
设t Y 是内生变量，t u 是随机扰动项，则有Cov(t Y ，t u )≠0（2）外生变量：由模型系统外部决定，其值大小由系统之外的因素决定。
联立方程模型中，外生变量是非随机变量，与随机扰动项不相关。
设t X 是外生变量，t u 是随机扰动项，则有Cov(t X ，t u )=0（3）前定变量；包括外生变量和滞后内生变量。
联立方程模型中，前定变量与随机扰动项不相关。
设s t Y －是外生变量，t u 是随机扰动项，则有Cov(s t Y －，t u )=02、方程式对联立方程模型中的方程，可以有以下两种分类：按模型对象的行为方式、性质等，可以分为行为方程、技术方程、制度方程和恒等式等。
中国农业发展的数学模型
中国农业发展的数学模型农业发展的数学模型通常涉及的因素包括耕地面积、作物生产效率、农产品价格、农业投入和产出、市场需求等。
以下是一个简单的数学模型示例。
假设我们要分析其中一算数，我们可以首先对其天然条件进行测量。
比如说，我们可以测量该地区的耕地面积、土地质量、气候水资源等。
假设这些因素对农产品的产量有影响，我们可以将这些因素用数学式子表示出来，比如：产量=a×耕地面积+b×土地质量+c×气候水资源其中a，b，c是经验参数，代表了相应因素对产量的影响程度。
这样，我们就可以通过测量和计算，得到该地区的预期农产品产量。
接下来，我们可以考虑农产品的价格和市场需求对农业发展的影响。
假设农产品的价格和市场需求是决定农民投入和农业发展的因素之一，我们可以将其考虑进模型中，比如：农业发展=d×价格+e×市场需求其中d，e是经验参数，代表了价格和市场需求对农业发展的影响程度。
这样，我们就可以通过测量和计算，得到该地区的预期农业发展水平。
此外，我们还可以考虑其他因素的影响，比如农业投入和产出的关系，农业技术的进步，政府农业政策的调整等。
将这些因素加入模型中，可以进一步提高模型的准确性和可预测性。
当我们获得了各个参数的数值，并将其代入模型中进行计算时，就可以得到农业发展的预测结果。
通过比较不同参数值的情况，我们可以评估不同的农业政策对农业发展的影响，并为政府提供科学的决策依据。
需要指出的是，农业发展数学模型是一个非常复杂和综合的系统，其中涉及的因素众多且相互关联。
因此，在建立数学模型时，需要进行充分的数据收集和分析，在模型中合理地考虑各个因素之间的相互关系和影响，以提高模型的准确性和可靠性。
总之，农业发展的数学模型是一种非常重要的工具，可以帮助我们深入了解农业生产过程中的各种因素和相互作用，指导农业发展政策的制定和决策。
通过建立和应用这些模型，我们可以为实现农业的可持续发展和提高农民收入做出更好的贡献。
基于Probit和Logit模型的中国农业生产影响因素研究——以油料作物花生为例
基于Probit和Logit模型的中国农业生产影响因素研究——以油料作物花生为例吴怀军;周曙东;刘吉双;朱思柱【摘要】当前中国农业生产面临新常态的挑战,迫切需要进行农业供给侧结构性改革破解发展困境.文章从代表性油料作物花生入手,利用中国花生主产区446户与非主产区394户的微观调研数据,分别建立了二元响应模型中的probit和logit模型,对花生农户的种植意愿及其影响因素进行实证分析.依据花生生产的一系列特征,文章对影响中国农业生产的主要供给要素进行中长期的战略思考,研究其深层次的作用机制,在此基础上提出生产要素的优化配置路径,弥补了现有研究的不足.最后认为要稳定花生供给,提高农户生产积极性,需要从生产、组织和市场三方面同时着手解决.【期刊名称】《华东经济管理》【年(卷),期】2017(031)008【总页数】7页(P85-91)【关键词】农业生产;probit;logit;粮食安全;花生【作者】吴怀军;周曙东;刘吉双;朱思柱【作者单位】南京农业大学经济管理学院,江苏南京210095;盐城师范学院商学院,江苏盐城224007;南京农业大学经济管理学院,江苏南京210095;盐城师范学院商学院,江苏盐城224007;江苏省农科院农业经济与发展研究所,江苏南京210014【正文语种】中文【中图分类】F3262014年后中国农业生产也面临着“新常态”的挑战，传统的农业增产方式过度依赖资源和要素投入已难以持续，迫切需要加快农业供给改革转变生产方式［1］。
当前中国农业面临诸多矛盾和难题的“病根”主要出在农业结构和农业政策上，2015年中央农村工作会议首次提出“农业供给侧结构性改革”理念，为“十三五”时期农业、农村工作指路。
2016年中央一号文件明确指出要用农业供给侧改革破解中国农业发展困境。
经济理论一般认为供给侧主要有五个要素，即劳动力、土地及自然资源、资本、制度、创新等，农业供给侧改革就是从供给、生产端入手，通过五个要素的重新组合和优化配置扩大农产品有效供给，增强供给结构的适应性和灵活性。
农作物生产预测模型构建与应用案例分析
农作物生产预测模型构建与应用案例分析摘要：农作物的生产与供应对于食品安全和经济发展至关重要。
随着科技的进步，利用数据分析和机器学习方法构建农作物生产预测模型能够提供准确的预测结果，帮助农民和政府决策者制定有效的农业政策。
本文将以一个案例分析为例，详细介绍农作物生产预测模型的构建与应用过程。
第一部分：引言介绍农作物生产预测的重要性，解释为什么需要构建农作物生产预测模型，并简要概述本文的内容。
第二部分：数据收集与处理介绍如何收集农作物生产预测所需的数据，包括土壤信息、气候数据、历史产量等。
然后讨论如何对数据进行处理和清洗，确保数据的准确性和完整性。
第三部分：特征工程与模型选择详细阐述特征工程的过程，包括特征选择、特征提取和特征转换等方法。
然后介绍常用的农作物生产预测模型，如线性回归、决策树、随机森林等，并分析它们的优缺点。
第四部分：模型训练与评估讨论如何使用历史数据进行模型的训练，并介绍常用的评估指标，如均方根误差（RMSE）、平均绝对误差（MAE）等。
然后通过交叉验证的方法评估模型的性能。
第五部分：模型应用与案例分析以某地区的小麦生产预测为例，详细阐述如何将构建的农作物生产预测模型应用于实际情境中。
讨论模型的预测结果与实际情况的差异，并提出改进模型的建议。
第六部分：模型优化与扩展讨论如何优化已构建的模型，如引入时序特征、使用集成学习方法等。
同时，介绍如何将模型应用于其他农作物的生产预测，并提出未来发展的方向。
第七部分：结论总结本文的内容，强调农作物生产预测模型的意义和应用价值，展望未来的发展前景。
通过本文的案例分析，我们可以看到农作物生产预测模型的建立与应用对于农业生产和农民收益的提高具有重要意义。
通过收集和分析农作物生产相关的数据，并应用合适的机器学习方法，可以准确预测农作物的生产情况，为农民和农业政策制定者提供决策依据。
未来的发展方向包括模型优化与扩展、增加数据的粒度和多样性等方面。
通过不断改进和完善农作物生产预测模型，我们将能够更好地应对气候变化、提高农业生产的效益，推动农业现代化的进程。
农户农药化肥零增长行动参与意愿研究——基于Logit模型的实证分析
工程管理与技术现代商贸工业２０１８年第６期１７２㊀㊀作者简介:陈驹嵘(１９９０－),男,广东湛江人,华南农业大学经济管理学院硕士研究生,研究方向:农业经济管理㊁财务管理;晏发发(１９８３－),女,江西吉安人,中山大学岭南学院博士研究生,研究方向:应用经济学㊁企业管理㊁农产品价格㊁技术创新㊁消费者行为(通讯作者);肖杰强(１９９１－),男,广东广州人,华南农业大学经济管理学院硕士研究生,研究方向:农村金融.农户农药化肥零增长行动参与意愿研究基于L o gi t 模型的实证分析陈驹嵘１㊀晏发发２㊀肖杰强１(１．华南农业大学经济管理学院,广东广州５１０６４２;２．中山大学岭南学院,广东广州５１０２７５)摘㊀要:以中国１２个省３６个市２３８个农户为样本,采用L o gi t 模型,对农户农药化肥零增长行动选择的意愿进行研究.研究结果表明:农户年龄㊁农户受教育程度㊁鱼塘面积和种植作物种类数目对农户农药化肥零增长行动参与意愿具影响正向显著;农户家中农业收入占家庭总收入比例对农户农药化肥零增长行动参与意愿具影响负向显著.而农户性别㊁农户家庭年收入㊁家庭耕地面积㊁林地面积㊁农户对农药的认知对农户农药化肥零增长行动参与意愿不显著.关键词:农户;农药化肥;零增长;L o gi t 模型中图分类号:T B ㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀㊀d o i :１０．１９３１１/j．c n k i ．１６７２Ｇ３１９８．２０１８．０６．０７７１㊀引言化肥的平均灌溉量自１９７８年至２０１４年增加３７２．５５％.化肥的施用量的多少会影响农产品的质量,最终影响消费者的身体健康,所以引导农户参与农药化肥零增长迫在眉睫,为此,２０１６年中央一号文件提出绿色创新的主题,并且鼓励农业生产过程中化肥农药零增长,而要成功引导农户参与之前必须弄清楚影响农户化肥农药施用的关键因素.２㊀文献综述与假设提出通过对相关文献的梳理,本文讨论影响农户行为选择的个人特征㊁家庭特征㊁土地特征㊁农业生产特征和认知特征因素.２．１㊀个人特征在农户农药化肥施用过程中,由于中国农村女性比男性节约,因此女性比男性农药化肥施用量比男性少(鲁柏祥,蒋文华与史清华,２０００);年龄越大的农户越容易参与零增量行动(左喆瑜,２０１５);受教育程度越高的农户环保意识更强(何浩然,张林秀,李强,２００６).根据以上分析,具体假设如下:假设１:男性农户比女性农户更倾向于不参与零增量行动.假设２:年龄越大的农户更倾向于参与零增量行动.假设３:受教育程度越高的农户更倾向于参与零增量行动.２．２㊀家庭特征从预算约束的角度来看,农户家庭经济状况会影响农户农药化肥零增量行动参与(王志威,刘娜,侯博,２０１４),农户收入越高,预算约束越小,用于农业生产资料的投入会更高(马骥,２００６).根据以上分析,具体假设如下:假设４:农户家庭年收入越高的农户更倾向于不参与零增量行动.假设５:农业收入占家庭总收入比例越高的农户更倾向于不参与零增量行动.２．３㊀土地特征当农户家庭耕地面积在一定规模时,面积越大时,农业生产占据农户家庭经济活动的比例更大,所能带来的经济收入也会更大,因此农户需要更多的农药化肥维持或者提高耕地带来的经济效益,可能会倾向不参加零增量活动(何浩然,张林秀,李强,２００６).农户家庭水田旱地㊁林地和鱼塘的规模相对较小,能够带来经济利润的可能性更低,所以当它们的面积越大时,农户可能会不施用化肥农药,因此农户参与农药化肥零增量行动的可能性更低(何浩然,张林秀,李强,２００６).根据以上分析,具体假设如下:假设６:家庭耕地面积越大的农户更倾向于不参与零增量行动.假设７:水田旱地面积越大的农户更倾向于参与零增量行动.假设８:林地面积越大的农户更倾向于参与零增量行动.假设９:鱼塘面积越大的农户更倾向于参与零增量行动.２．４㊀农业生产特征在耕地面积一定时,农户种植作物种类越多意味着农户可能考虑到了生态性,需要的农药化肥用量就更少,农户更倾向于参与零增量行动.根据以上分析,具体假设如下:假设１０:种植作物种类数目越多的农户更倾向于参与零增量行动.２．５㊀认知特征农户如果了解农药化肥对人体的危害,那么会更加科学合理的进行施用(马骥,蔡晓羽,２００７),因此农户对农药化肥的认知越深刻,就更倾向于参加零增加行动.根据以上分析,具体假设如下:假设１１:农户对农药的认知越多的农户更倾向于参与零增量行动.３㊀研究方法３．１㊀样本选取与数据来源本文所用的数据采用随机抽样的方式,在中国抽现代商贸工业２０１８年第６期１７３㊀取了１２个省,每个省抽取２个县,共抽取了２５个县,每个县抽取５个村,每个村抽取２个户进行调查,共获得了２５０个农户样本,剔除无效样本１２份,获得有效样本共２３８份.调查员发放问卷给每一个农户来收集农户信息.农户调查问卷涵盖了农户的个人特征等信息.３．２㊀变量选取解释变量的相关解释如下:(１)本文选用的农户个体特征变量是性别㊁年龄和受教育水平三个变量,其中性别分为两个等级:１＝男,０＝女;农户年龄采用农户的实际年龄,单位:年;农户受教育水平为农户的最高受教育程度,总共分为六个等级:小学㊁初中㊁高中或者中专㊁大专㊁本科和研究生依次取１－６.(２)家庭特征.本文选用的家庭特征变量是家庭总收入和农业收入占家庭总收入比例两个变量,其中家庭总收入是整个家庭所有成员的工作收入之和,单位:千元,农业收入占家庭总收入比例是农业收入与家庭总收入的比值所在的区间,总共分成四个区间:１＝０－３０％;２＝３０％－５０％;３＝５０％－８０％;４＝８０％－１００％.(３)土地特征.本文选用的土地特征变量是家庭耕地面积㊁水田旱地面积㊁林地面积和鱼塘面积这四个变量,单位:亩.(４)农业生产特征.在本文中选用的农业生产特征变量是种植作物种类数目,其数值为调查对象实际种植的作物种类数目,单位:种.(５)认知特征.在本文中选用的农户对农药化肥认知特征变量是农户对农药化肥对人体安全的认知情况,总共分为五个等级:完全不知道＝１;非常了解＝５.被解释变量是农户农药化肥零增长行动参与意愿,具有参与意愿＝１,否则＝０.４㊀实证分析４．１㊀模型设定研究化肥农药使用量的计量模型主要有L o g i t 模型㊁P r o b i t 模型㊁T o b i t 模型㊁H e c k m a n 模型㊁一般线性模型㊁D o u b l e －H u r d l e 模型.由于本研究的被解释变量是分类变量,并且本文的目的是对农户农药化肥零增加行动的参与意愿进行研究,本文运用L o g i t 模型,模型如下:P i ＝１/(β１s e x＋β２a g e＋β３e d u＋β４t i n c o m e＋β５a g r i n c o m e ＋β６l a n d ＋β７p a d d y d r y ＋β８w o o d ＋β９f i s h p o n d ＋β１０v a r i e t y ＋β１１c o g )其中,i 是第i 个农户参与农药化肥零增长行动可能性㊁s e x 为性别㊁a g e 为年龄㊁e d u 为受教育程度㊁t i n Ｇc o m e 为农户家庭年收入㊁a g r i n c o m e 为农业收入占家庭总收入比例㊁l a n d 为家庭耕地面积㊁p a d d y d r y 为水田旱地面积㊁w o o d 为林地面积㊁f i s h p o n d 为鱼塘面积㊁v a Ｇr i e t y 为种植作物种类数目㊁c o g 为农户对农药的认知.４．２㊀描述性统计运用S t a t a １３软件对样本数据进行描述性统计结果如下:性别的平均值为０．８０,标准差为０．４０,最小值为０,最大值为１;年龄的平均值为４６,标准差为１０．５８,最小值为２２,最大值为７０;受教育程度的平均值为２ １７,标准差为１．０５,最小值为１,最大值为６;农户家庭年收入的平均值为２．７２,标准差为１．１３,最小值为１,最大值为５;农业收入占家庭总收入比例的平均值为１．８１,标准差为０．９０,最小值为１,最大值为４;家庭耕地面积的平均值为８．２１,标准差为２４．１４,最小值为０,最大值为２１５;水田旱地面积的平均值为４．９９,标准差为１８．７８,最小值为０,最大值为２１０;林地面积的平均值为０．９１,标准差为３．３５,最小值为０,最大值为３０;鱼塘面积的平均值为０．０９,标准差为０．３５,最小值为０,最大值为２;种植作物种类数目的平均值为１．６３,标准差为０．９３,最小值为０,最大值为４;农户对农药的认知的平均值为２．５５,标准差为０．８３,最小值为１,最大值为５;参与农药化肥零增长行动的平均值为０．４１,标准差为０．４９,最小值为０,最大值为１.４．３㊀实证结果本文运用S t a t a 软件对２３８份问卷数据进行分析的结果见表１.表１㊀农户农药化肥零增量行动参与意愿L o gi t 模型结果变量回归系数稳健标准误性别－０．０８０．４５年龄０．０３∗０．０２受教育程度０．３２∗０．２０农户家庭年收入０．０９０．１８农业收入占家庭总收入比例－０．５０∗∗０．２３家庭耕地面积－０．０８００．０８水田旱地面积０．０８０．０８林地面积０．０６０．０９鱼塘面积０．９７∗∗０．５１种植作物种类数目０．４６∗∗∗０．１９农户对农药的认知０．１９０．２５㊀㊀注:∗∗∗㊁∗∗和∗分别代表显著水平为１％㊁５％和１０％.５㊀结果分析从表１的模型结果具体如下:农户个人特征:在关于农户个人特征的三个变量中,性别回归系数为负数,与假设１一致,但是结果不显著;年龄回归系数为负数,在５％的显著水平下通过显著性检验,验证了假设２;受教育程度回归系数为正,在５％的显著水平下通过显著性检验,验证假设３.农户家庭特征:农户家庭年收入回归系数为正数,符号与假设４不一致,且没有通过显著性检验;农户家中农业收入占家庭总收入比例在５％的显著水平下通过显著性检验,但是其回归系数为负数,验证假设５.土地特征:农户家庭耕地面积的回归系数为负数,与假设６一致,但是没有通过显著性检验;水田旱地㊁林地和鱼塘这三个变量回归系数均为正,与假设７㊁８㊁９一致,水田旱地和林地没有通过显著性检验,鱼塘面积在５％的显著水平下通过显著性检验,验证假设９.农户生产特征与认知特征:农户种植作物种类数目的回归系数为证,与假设１０一致,在１％的显著水平下通过显著性检验,验证假设１０.农户对化肥农药的认知情况的回归系数与假设１１一致,但是没有通过显著性检验.参考文献[１]鲁柏祥,蒋文华,史清华．浙江农户农药施用效率的调查与分析[J ]．中国农村观察,２０００,(０５):６２Ｇ６９．[２]左喆瑜．农户对环境友好型肥料的选择行为研究 以有机肥及控释肥为例[J ]农村经济,２０１５,(１０):７２Ｇ７７．[３]何浩然,张林秀,李强．农民施肥行为及农业面源污染研究[J ]．农业技术经济,２００６,(０６):２Ｇ１０．[４]王志威,刘娜,侯博．农产品安全视角下农户化肥施用决策研究[J ]．广东农业科学,２０１４,(０１):２２３Ｇ２２６．[５]马骥．农户粮食作物化肥施用量及其影响因素分析 以华北平原为例[J ]．农业技术经济,２００６,(０６):３６Ｇ４２．[６]马骥,蔡晓羽．农户降低氮肥施用量的意愿及其影响因素分析 以华北平原为例[J ]．中国农村经济,２００７,(０９):９Ｇ１６．。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
而从要素投入角度看， 农户一年在其农作物生 产上投入 了包括耕地 、 劳动时间、 种子 、 化肥 、 农药等 在 内的 １ 项生产要素， ４ 大体可归为资本、 土地、 劳动 等三类 。如此 ， 六类作物产值 、 三类要素投入 的基本 情况 参见 表 ２ 。
济学的老问题 ， 学界 已积累了丰富的文献资料， 生产
函数形 式 也从 早 期 的斯 皮 尔 曼 函数 、 Ｄ 函数 拓 Ｃ— 展 到当前 的里 昂惕 夫 函数 、 Ｅ Ｃ Ｓ函数 、 越 对 数 函 超 数 、 般 幂 函 数 （ ｏｌ 等 ， ０ ５ Ｄ ｂｒｉ， ９６ 一 Ｃ ｅｌ ｉ ２０ ； ｅｅｔ １８ ； ｎ Ｖａｉｎ １９） ｒ ，９２ 。而且 多数研 究成 果采 用 了单 产 出一 ａ
表 ２ 与农作物直接相关的变量解释及统 计特征
ｙ（ ） 元
３ ４ ９ ５． １
４ １９ ３．２
１４ ８ ３．４
８．６ ６ ９
３６ ９６ ８ ． ７
４１ ７ ９ ５． ９
Ｌ（ ） ｄ亩
Ｋ（ ） 元
Ｌ （日 ） ｂ
存在交互影响 ， 传统多数文献中使用单一方程模拟 分析农 户生 产经 营行 为 的方法 存在一 定局 限 。 基于此 ， 文利用 调查数 据 以农 户种植 业为 例 ， 本
在分 析各农 作物 生 产特 征 的基 础 上 ， 点利 用 联 立 重 方程 模型对 不 同农作 物 生 产 函数 进 行估 计 ， 分 析 并 不 同农 作 物项 目上 的要 素 替代 及 其 影 响 因素 ， 后 最 讨论 了优 化农户 农业 生产行 为 的一般 建议 。
内容 。因此， 本文将重点分析这六类农作物 的农户
生 产行 为 。
表 １ 被调查农户所涉种植业项 目分布
注 ： 类 种植 项 目因参与农户数量低于 ５ ３ 户而被剔除 ； 产值 和商 品率报告 的是相应种植户的均值 ， 中产值等于产 品与副 其
产品价值之和 ， 品率等于 出售量 占总产量的比重。 商
作者简介 ： 宁泽逵 （９９ ， ， 邵东人 ， １７一）男 湖南 西安财经 学院管理学院讲 师， 博士 ， 研究方 向为农村经济 。
８ ７
西安财经学院学报
平均产值 、 商品化率三个指标可以推断， 就这 ２０ ３ 个
样本农户而言 ， 小麦 、 玉米 、 大豆 、 薯类 、 蔬菜 、 水果这 六类农作物有着重要的意义。事实上这六类农作物
关键 词： 户种植业 ； 作物 ； 农 农 Ｃ—Ｄ生产函数 ； 联立方程模型 ； 要素替代
中图分 类号： ３ ７ １ Ｆ ０ ． 文献标识码 ： Ａ 文章 编号 ：６ ２ ２ １ （０ ２ Ｏ 一ｏ ８ —０ １７ － ８ ７ ２ １ 】４ Ｏ ７ ６
一
、
引 言
关 于农 业及 农户 生产 函数 的研究是农 业 生产经
多投入的生产函数形式 ， 即要么利用宏观统计数据 估计 某一 区域 的农 业 生 产 函数 ， 么 利 用微 观 调查 要 资料估计农户某一农产品的农业生产函数 ； 与之对 应， 采用 多产 出一 多 投人 生 产 函数 形式 的研 究 成果
所 占比例 较低 。然 而 ， 中 国小农 生 产经营 而言 ， 就 多
样化经营与高度兼业化往往是一种常态 ， 这既是风 险分散和有限资源充分利用 的理性计算结果， 也是 低组织化 、 原子化现状使然。有限要素配置下 的多 样化 经营 不可 避免 地造 就 了不 同经 营 内容 之问必然
收稿 日期 ：Ｏ ２ ３ ６ ２ １ 一Ｏ ～１
基金项 目： 国家社会科 学基金项 目（ｏ Ｙ ｏ ３ ； １ＸＪ ｏ ３） 教育部人文社会科学研究青年基金项 目（２ Ｊ ７０ ４ ） １Ｙ Ｃ ９０ ５
二、 农户农作物生产行为的描述性统计 分析
本文数据来 自农业部农村固定观察点于 ２０ ０４ 年对陕西省六村庄 ２０ ３ 个农户 的调查 。从该调查数 据的“ 农户家庭生产经营情况” 所反映的信息来看， 这 ２０个农 户 种植 了包括小麦 、 ３ 稻谷 、 玉米 、 薯类 、 油 料、 蔬菜 、 水果在 内的 １ 项 （ ， ２ 类） 而且大约 ７ ９ 的 ４／ ６ 农户 一年 中至少 同时从 事 １ 以上 农作 物 生 产 ， 项 相 应统 计 结 果 参见 表 １ 农户 农 产 品生 产 的 多样 化 特 ， 征显著。从表 １ 同农作物种植项 目的农户分布、 不
— —
基 于联 立 方程模 型
宁 泽 逵
（ 西安财经学院 管理学 院 ， 陕西 西安 摘
７Ｏ Ｏ ） １ １Ｏ
要 ： 于陕西农村 固定观察点农户调查数据 ， 基 利用联 立方 程模型对 多投入一 多产出农户 的农作物 种植行
为、 生产要 素配置行为及其影响因素进行 分析 。研究发 现 ： 多投入一多产出农户 的农作物种植行为 比较复杂 ， 不 同产 品生产存在 明显的交互影 响， 使用联立方程模 型方法能够取得较 好的估计结果 ， 当前多样化 经营农 对
户种植行为有着 良好的解释力与政策 寓意 ； 于生 产 函数估 计 的要 素边际替 代率估算及其 影响 因素的联 而基
立方程估计 ， 生产函数所揭示规律的深入分析有 着重要 推进作用 。实证分析结 果显示 ： 对 多投入一多 产 出农
户农作物生产 ， 并未严格地按照直观的“ 比较优势” 原理 进行生产要 素的优化配置 ， 造成这种现象 的原 因是多 方面 的， 加快推 进传统农业 的系统改造成为必须。
第２ ５卷 第 学报
Ｊ ｕ ｎ ｌ ｆＸｉａ ｎｖ ｒｉｙｏ ｉａ ｃ ｎ ｏ ｏ ｃ ｏ ｒ ａ ’ｎＵ ｉｅ ｓｔ ｆＦｎ ｎ ｅａ ｄＥｃ ｎ ｍｉｓ ｏ
Ｖｏ ５ Ｎｏ ４ Ｌ２ ．
Ｊ１ ０２ ｕ．２ １
农户种植业生产及其要 素替代分析