《农户异质性对农业技术培训参与的影响》-经济学论文，人口资源与环境论文-论文范文参考-科学狗论文网

标题

农户异质性对农业技术培训参与的影响

范文

何安华　刘同山　孔祥智

摘要近年来，随着土地流转加速和农民合作社的涌现，我国农户的异质性不断提高。本文将农户是否流转土地、是否加入合作社视为农户异质性的重要表现，考察其对农户参加农业技术培训的影响。基于鲁晋宁三省1 039户农户数据，构建了零膨胀负二项模型（ZINB）进行计量分析，并通过了稳健性检验。研究发现：租入土地不会显著影响农户的农业技术培训参与，但加入合作社会让农户参加更多培训。具体而言，租入土地农户参加农业技术培训的期望次数是不租入土地农户的1.04倍，而加入合作社农户参加农业技术培训的期望次数是未加入合作社农户的2.11倍。当前农业技术培训过于大众化造成的低瞄准性，是租入土地的规模经营农户没有对培训表现出更多需求的重要原因。本文的政策含义在于，农业技术培训政策需要做出适当调整，应结合已经分化的农户需求实行分层定位，提供差异化的技术培训服务，增强对不同培训目标人群的瞄准度；应给予开展农业技术培训服务的合作社更多支持。

关键词农户异质性；农民专业合作社；农业技术培训；ZINB模型

中图分类号F306.4文献标识码A文章编号1002-2104（2014）03-0116-08doi：10.3969/j.issn.1002-2104.2014.03.017

在理论界，Schultz[1]在回答如何改造传统农业这一问题时，强调了对农民进行人力资本投资的重要性。在我国，对农民进行人力资本投资具有更强可操作性的措施可能是开展农业技术培训。在政策界，自2004年以来，“三农”问题被提升到战略性高度，农民培训对解决“三农”问题的重要性便日益突出。回顾十年来的中央1号文件，文件中多次对农民培训问题提出了明确要求，对农民开展实用的技术培训已成为政策界的共识。从国内实践看，近年来，专业大户、家庭农场、农民专业合作社等新型农业经营主体快速涌现，日益成为推进我国现代农业发展的重要载体，但农民职业技能培训和农业科技推广体系建设改革却有一定的滞后性。随着政府对农民培训投入力度的持续加大，农业技术培训的供给将会迅速增加，与此同时，我国农村土地流转愈加普遍，农民专业合作社发展仍在加速。那么租入土地和加入合作社，是否会作为异质性的重要来源，对农户参加农业技术培训产生重要影响呢？或者说，租入土地的农户与自耕农这两类农户的农业技术培训参与行为有没有显著差异？基于此，本文构建ZINB模型，考察农户参与土地流转、加入合作社与农户参与技术培训之间的关系，判断当前的农业技术培训是否偏离了政策设计的目标，从而给出土地流转和合作社快速发展背景下农业技术培训的政策重点，对制定相应的政策有重大现实意义。

1文献回顾及简评

很多经验分析文献讨论了农户参加培训决策行为的影响因素，这些影响因素又可分为农户的内在因素或称为农民的禀赋[2]和外在因素。曹建民等[3]认为农户参加技术培训的行为决定于农户掌握的信息、农户的个人特征和家庭特征等，发现中年人、村干部、水稻种植比例较高的农户和非农就业比例较高的农户更愿意参加技术培训。高升[4]则将农户对培训实用性的评价、农户获取培训信息渠道数纳入了Logit模型。但大部分文献纳入计量模型的影响因素有很强的趋同性，这些因素包括农户户主的个人特征、农户家庭特征、农户对培训实用性的评价、对现代农业技术的认知度、所处的地理环境等[5-7]。现有文献用以识别显著影响农户农业技术培训参与的因素的方法可以分为两类，一类文献以农户是否参加农业技术培训为因变量，再以上述影响因素的全部或部分为解释变量，构建Logit或Probit单方程模型，进行ML估计，如刘芳等[5]、高升[4]等人的研究。这类文献的缺陷是只能识别出影响农户是否参加培训的因素，却忽略了既影响农户是否参加培训又影响农户参加培训次数的因素所包含的重要信息。另一类文献是以农户参加培训次数为因变量，应用Tobit模型进行估计，如于敏[6]的研究。这类文献虽然考虑了影响因素对农户培训次数的影响，但Tobit模型本身有着无法克服的缺陷，该模型估计要求两部分模型的解释变量不完全相同，并且系统模型假设随机变量服从联合正态分布，违背这两个假设的模型可能不可估计[8]。另外，Tobit模型尽管容许有大量的零，但仍将因变量y在正值上的分布看成连续分布，假定y=max（0，y*），其中y*呈正态分布与农户参加培训次数在y>0时的离散性完全不相称。因此，要想无偏地识别出农户参加农业技术培训的影响因素，需要新的方法。

何安华等：农户异质性对农业技术培训参与的影响中国人口·资源与环境2014年第3期2研究方法与模型选择

模型2的缺陷是无法直接对比租入/不租入土地农户的差异，也无法直接对比加入/不加入合作社农户的差异。为了解决这一问题，本文以各组农户数量占农户总数的比重为权重，近似计算出各组间的差异，然后再分别与模型1中leasedumi和coopdumi的估计系数相比较，并由此判断模型2的稳健性。

2.2计数数据中对零膨胀现象的处理

在实际问题中，计数数据普遍存在零膨胀特征，即获得的数据很大一部分是零值。具有零膨胀特征的计数数据超出了一般泊松模型或负二项模型的预测能力。幸运的是，解决零膨胀现象的Hurdle模型于1986年被提出并应用于经济学研究领域[9]，继而Lambert[10]于1992年提出零膨胀泊松模型（ZIP），Greene[11]在1994年又将ZIP模型扩展到零膨胀负二项模型（ZINB），使得对具有零膨胀特征的计数数据的估计变得更为有效和无偏。零膨胀模型假设数据分为两部分，第一部分对应零事件的发生，个体取值只能为零，这一部分的零值解释了数据中可能存在过多零的原因；第二部分个体符合泊松/负二项分布，取值可以为零或正整数。因此，零膨胀模型将数据中的零分成“过多的零”和“真实的零”，并从零分段，对零部分和非零部分分别建立二项选择模型和一般计数模型，其中二项选择模型主要回答变量影响事件是否发生的问题，一般计数模型主要回答变量影响事件发生次数的问题。

本文对农户2008年参加技术培训的次数进行考察，发现未参加技术培训的比重较大，占到农户总数的5558%。农户参加技术培训次数为零的情况可分为两组，一组是2008年期间没有技术培训可获性的农户（组A1），另一组是有技术培训可获性但没有参加培训的农户（组A2），这两组农户的技术培训次数都为零，但造成零值的原因不同。当符合组A1的样本较多或组A2样本中零值过多时，计数出现零膨胀现象。因此，可将原始数据集看作一个全零数据集和一个服从泊松/负二项分布的数据集组成的混合数据集，再以一些特征变量采用二项选择模型对农户是否属于组A1进行预测并排除掉属于组A1的样本，对余下的属于组A2的样本进行泊松/负二项模型估计。

2.3模型选择：ZIP模型还是ZINB模型？

为了考察土地流转和加入农民合作社对农户参加技术培训的影响，以农户参加农业技术培训次数作为被解释变量，解释变量包括农户的户主特征、家庭特征、村庄特征和省份虚拟变量。根据文献回顾和经济理论选取进入模型的解释变量。

Hurdle模型、ZIP模型和ZINB模型是处理零膨胀计数数据的常用模型，但因Hurdle 模型在经济学中有着特殊性和争议性[12]，本文将根据数据集的分布情况在ZIP模型和ZINB模型中选择较为适宜的模型进行估计。借鉴王存同[13]选择零膨胀模型的思路：第一，观察数据是否存在零膨胀现象。参加技术培训次数为零值的农户占到农户总数的55.58%，零值的比例很大，数据存在零膨胀现象。第二，判断计数数据是否存在过度离散。可以通过考察计数变量的均值和方差是否相等，以及alpha检验是否显著，来判断是否存在过度离散。当均值和方差基本相等且alpha检验不显著（P>005）时，数据服从泊松分布，应采用ZIP模型；当均值明显小于方差且alpha检验显著（P<005），即为过度离散，服从负二项分布，应采用ZINB模型。农户参加技术培训次数的均值为1.66，方差为14.03，且alpha检验显著（P=000）。因此，本文的数据存在零膨胀现象和过度离散，宜采用ZINB模型进行估计。第三，通过Vuong检验比较ZINB模型和负二项模型的优劣。若Vuong检验统计量显著为正，则倾向于ZINB模型；反之则倾向于负二项模型。如下文所示，Vuong值检验是显著为正的（P<005）。因此，本文适宜采用ZINB模型。

3数据来源和描述性分析

3.1数据来源

本文的数据来源于国家社科基金重大项目“发展农民专业合作组织和完善农村基本经营制度研究”的一手调查数据。课题组于2009年7月至9月，共组织40余名调研员分成三个调研组赴山东、山西、宁夏3省调查。原则上，每一省份选取4个县，每个县再选择3个乡镇，每个乡镇选1至3个村庄不等，每个村庄再随机抽取20个农户。实际获得山东、山西、宁夏3省11个县、市、区（分别为：高平市、高唐县、冠县、贺兰县、利通区、宁津县、平原县、沁县、武乡县、泽州县、中宁县）的1 039户农户数据。结合研究目标，在数据预处理时，先后剔除了不再从事农业、家庭主业为养殖业、纯租出土地的农户，形成目标样本户，接着剔除有缺失数据、异常值的样本。最终得到有效样本761个。

3.2描述性分析

数据分析表明，2008年种植户总体的平均耕地经营规模为11.40亩，家庭人均耕地面积为2.78亩，其中人均承包地面积为2.43亩。在2008年参加技术培训的农户有338户，占44.42%，未参加技术培训的农户有423户，占55.58%。统计发现，参加培训和未参加培训农户在家庭耕地总面积、人均耕地面积指标上均有显著的统计差异。

从家庭平均耕地总面积看，参加技术培训的农户耕地总面积平均为12.45亩，未参加技术培训的农户耕地总面积平均为10.56亩，两者在5%的水平上具有统计显著性。未参加技术培训农户的耕地总面积虽然较小，但是其统计分布较参加技术培训农户的耕地总面积要集中。从家庭人均耕地面积看，参加技术培训和未参加技术培训的农户人均耕地面积也存在着明显的差异。前者比后者高出036亩。从家庭人均承包地面积看，参加技术培训农户的人均承包地面积为254亩，而未参加技术培训农户的人均承包地面积为234亩，二者相差02亩，且不具有统计显著性。这是因为承包地在二轮承包之初仍然坚持按人头调整，虽然经过几年的人口变动，各村的人均承包地面积变化也不太大。

表2给出了租入/未租入土地和加入/未加入合作社的农户参加技术培训的情况。一方面，租入土地农户组的技术培训参加率为52.87%，较未租入土地农户组高出10.6个百分点，而且从均值差异来看，技术培训次数有显著差异，租入土地农户组的技术培训参加次数平均为232次，较未租入土地农户组高出083次，并且在5%的水平上具有显著性。这表明农户租入土地与其参加技术培训可能有正相关关系。

4计量结果及分析

4.1培训的ZINB模型结果及其分析

在进行回归分析之前，需要考察解释变量的共线性问题。对所有解释变量做相关分析后，发现部分解释变量之间存在显著的相关关系，特别是农户租入土地同时加入合作社虚拟变量与多个控制变量有显著的相关性。幸运的是，该变量与其他控制变量的相关系数绝对值较小，最高的仅为0.277，仍然可以进行计量分析。为了考察解释变量之间是否存在共线性，本文利用方差膨胀因子和容忍度进行检测。结果表明所有解释变量的平均方差膨胀因子为1.36，最大的仅为1.78，其容忍度最低也达到了0.562，模型在可接受的范围内。此外，数据不可能具有正态分布，用最大似然估计方法。所有标准计数数据的分布都表现出异方差性，进行参数估计时还需对标准误做稳健性调整。

通常来说，研究者根据自己是关注计数变量的期望值还是计数分布去选择计数模型的解释方式。本文重点关注农户参加培训次数的期望值。而解释变量的变化所带来计数变量期望值的变化，可以用期望值的倍数变化、百分比变化、边际变化等方式来表达[14]。在本案例中，ZINB模型回归系数的解释包括两部分：一部分是负二项回归系数（表4），另一部分是logit回归系数。ZINB模型中负二项回归系数的解释和一般负二项模型一样，即回归系数βi是平均参加农业技术培训次数的对数（Lograte），一般以发生率比（IRR）即eβi来解释。若解释变量为虚拟变量，eβi表示在控制其他影响因素的条件下，某一组别的期望计数是参照组期望计数的倍数。

4.1.3四组农户回归系数差异的T检验估计结果直接给出了各组农户虚拟变量的回归系数及对应的发生率比，可以直观看出各组农户参加农业技术培训期望次数的多少，但这种关系仍需要检验。通过T检验发现，租入土地并参加合作社的农户和不租入土地但加入合作社的农户的系数估计值在统计上不存在显著差异4.2稳健性分析：改变ZINB模型的设定

为了确保分析结论的可靠性，从以下角度进行稳健性检验：在表4所采用的ZINB模型中，样本农户按是否租入土地、是否加入合作社两个虚拟变量的组合分成了四组，估计结果直接给出了四组农户参加农业技术培训期望次数的倍数关系，但没有直接给出租入土地农户与不租入土地农户在参加技术培训方面的差异，也没有直接给出加入合作社农户与不加入合作社农户的差异。改变ZINB模型的设定，只引入是否租入土地、是否加入合作社两个虚拟变量，采用MLE方法能够直接得到这种差异（见表5）。表5中的估计结果显示

5进一步分析

通过ZINB模型的估计结果可以发现：一方面，租入土地对农户参加农业技术培训的行为无显著影响。为什么会出现这种情况呢？本文认为这是由于技术培训的实用性和及时性不够，技术培训一般围绕大众化问题展开，无法吸引种植规模较大农户参加培训。实际生活中，即使培训供给充足，农业也未必参加培训，需求因素对农户参加

但这种需求在租地农户和不租地农户之间有没有明显差异呢？显然，当培训主体没有采取差异化策略对受训农户进行细分，仍以卖方主导的思维提供培训时，租地农户和不租地农户参加培训的需求差异就非常小了。因此，租入土地的农户参加培训的积极性不见得比其他农户更高。另一方面，合作社成员身份对农户参加农业技术培训有显著的正向影响。这点不难理解，因为合作社对社员提供技术培训是免费或仅收取非常低的服务费[15]。样本农户所在村庄至少有一个合作社，大部分合作社都为社员提供技术培训，只有个别合作社为非社员提供服务。样本数据也显示，社员中63.64%的农户参加过技术培训，而非社员的这一比例仅为24.73%。由于非社员对合作社没有归属感，享用这份“免费的午餐”可能会有一定的心理负担，所以较少参加合作社提供的农业技术培训。

接下来，把视角转向控制变量。说明农业对家庭的重要性下降之后，农户参加农业技术培训的积极性也会降低，因为兼业农户更需要的是非农职业技能培训。有村干部、外出务工等特殊经历的农户参加农业技术培训的期望次数是无类似经历农户的1.350 3倍，通过5%显著性水平检验。此外，户主年龄及受教育年数、家庭劳均耕地面积对农户参加农业技术培训期望次数的影响均不显著。笔者的解释是当前存在一些农业技术培训对象仅仅是“农户”，没有根据年龄、受教育水平、家庭经营规模将农户细分，即没有针对不同的培训对象采取差异化策略去确定培训内容、培训方式等，一套培训方案应付各类农户，因此，参加培训农户的年龄、受教育水平、家庭经营规模就没有呈现出明显的差异。

6研究结论与政策启示

本文采用2009年山东、山西、宁夏三省的农户调查数据，运用ZINB模型重点考察租入土地、合作社成员身份对农户参加农业技术培训的影响。研究结果表明：租入土地并没有显著影响农户参加农业生产技术培训的行为，而合作社成员身份则明显提高了农户参加农业生产技术培训的积极性。此外，本文还发现，户主有其他职业的农户参加农业技术培训的期望次数较低；有过特殊经历的农户，参加培训次数显著高于参照组农户；户主年龄及受教育年数、家庭劳均耕地面积对农户参加农业技术培训的行为无显著影响。

上述结论具有重要的政策含义。第一，随着现役农户老龄化和农村劳动力向非农产业的转移，新型农业经营主体将是租入土地进行适度规模经营的中青年农户。但租地经营的新型经营主体对当前大众化的农业技术培训没有表现出更强的需求。这有可能是新型农业经营主体有其自己的农业新技术获取途径，也可能是当前的技术培训供给无法满足他们的需求，即培训供需对接错位。这两种可能无疑都意味着当前的农业技术培训政策需要作出调整：一是纠正过去将所用农户都视作相同的培训对象并沿用单一培训模式的工作思路，结合农户的差异化培训需求对农户实行分层定位，增强不同培训目标人群的瞄准度，分别提供更具针对性和适用性的技术培训服务；二是对以其他方式获取新技术的新型农业经营主体给予适当补贴，分担他们的新技术获取成本。第二，进一步加大发展农民专业合作社的扶持力度，对开展技术培训的合作社给予专项补贴资金。对于由合作社提供更有效率的技术培训，可以以项目方式委托给合作社。这既能促进合作社的发展，又可以避免政府供给“劳而无功”，同时还可以灵活有效地满足农户的技术培训需求。

（编辑：王爱萍）

参考文献（References）

[1]Schultz T W. Transforming Traditional Agriculture[M]. New Haven： Yale University Press， 1964， 56-71.

[2]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）：85-95. [Kong Xiangzhi， Fang Songhai， Peng Xiaopeng， et al. The Nature of Institutional Systems and Its Effects on the Evolution[J]. Economic Research，2004，（12）， 85-95.]

[3]曹建民，胡瑞法，黄季焜.技术推广与农民对新技术的修正采用：农民参与技术培训和采用新技术的意愿及其影响因素分析[J].中国软科学，2005，（6）：60-66. [Cao Jianmin， Hu Ruifa， Huang Jikun. Agricultural Technology Extension and Farmers Modification of New Technology： Study on Influence Factors in FarmersParticipating in Technologies Training and Their Willingness to Adopt[J]. China Soft Science， 2005，（6）：60-66.]

[4]高升.农户参加培训决策行为的影响因素：基于湖南1 040户农户的调查[J].湖南农业大学学报：社会科学版，2011，（4）：21-26. [Gao Sheng. Factor Influencing Farmers Decision of Attend Technical Training： Based on Investigation of 1040 Households in Hunan Province[J]. 2011，（4）： 21-26.]

[5]刘芳，王琛，何忠伟.北京新型农民科技培训的需求及影响因素的实证研究[J].农业技术经济， 2010，（6）：61-66. [Liu Fang， Wang Chen， He Zhongwei. The Empirical Research of Beijing New Technology Training Farmers Needs and Influence Factors[J]. Journal of Agrotechnical Economics， 2010，（6）： 61-66.]

[6]于敏.现代农业背景下农民生产技能培训需求意愿及制约因素分析：基于宁波511个种养农户的调查[J].经济问题探索， 2010，（2）：61-67. [Yu Min. The Demand Will and Its Restrict Factor Analysis of Farmers Production Skills Training Based on 511 Planting and Raising Farmers Investigation[J]. Inquiry into Economic Issues， 2010，（2）： 61-67.]

[7]李恩，张志坚，李飞.影响农民参加农业技术培训行为因素的分析：基于长春市郊区的调查数据[J].管理学刊，2012，（3）：66-72. [Li En， Zhang Zhijian， Li Fei. Influencing Factors to Training Farmers with Industrial Technology： In the View of Survey Data of Suburb of Changchun City[J]. Journal of Management， 2012，（3）： 66-72.]

[8]周华林，李雪松.Tobit模型估计方法与应用[J].经济学动态，2012，（5）：105-119. [Zhou Hualin， Li Xuesong. Tobit Models Estimation Method and Application[J]. Economic Perspectives，2012，（5）： 105-119.]

[9]Mullahy J. Specification and Testing of Some Modified Count Data Models[J]. Journal of Econometrics， 1986， 33（3）：341-365.

[10]Lambert D. Zeroinflated Poisson Regression with an Application to Defects in Manufacturing[J]. Technometrics， 1992， 34（1）：1-14.

[11]Greene W. Accounting for Excess Zeros and Sample Selection in Poisson and Negative Binomial Regression Models[C]. Working Paper （EC-94-10）， Department of Economics， New York University， 1994.

[12]Dalrymple M L， Hudson I L， Ford R P K. Finite Mixture， Zeroinflated Poisson and Hurdle Models with Application to SIDS[J]. Computational Statistics & Data Analysis， 2003， 41（3-4）：491-504.

[13]王存同.零膨胀模型在社会科学实证研究中的应用：以中国人工流产影响因素的分析为例[J].社会学研究， 2010，（5）：130-148. [Wang Cuntong. Zeroinflated Poisson /Negative Binomial Modeling for Sociologists： Based on the Analysis of Induced Abortion in China[J]. Sociological Studies， 2010，（5）： 130-148.]

[14]郭志刚，巫锡炜.泊松回归在生育率研究中的应用[J].中国人口科学， 2006，（4）：3-8. [Guo Zhigang， Wu Xiwei. Application of Poisson Regression in Fertility Study[J]. Chinese Journal of Population Science， 2006，（4）： 3-8.]

[15]何安华，孔祥智.农民专业合作社对成员服务供需对接的结构性失衡问题研究[J].农村经济， 2011，（8）：6-9. [He Anhua， Kong Xiangzhi. Research on the Structural Imbalance of Supply and Demand for Farmers Professional Cooperative Servicing Its Members[J]. Rural Economy， 2011，（8）： 6-9.]AbstractIn recent years， the heterogeneity of Chinese farmer increasingly strengthens with the acceleration of land circulation and the emergence of farmer professional cooperatives. This paper takes the behavior of farmers in renting land or joining cooperative as the main manifestation of their heterogeneity， and investigates their influence on farmers participation in agricultural technology training. This paper selects ZeroInflated Negative Binomial（ZINB） and tests the models robustness， according to the nature of the survey data from 1 039 peasant households in Shandong， Shanxi and Ningxia provinces. The result indicates that the land tenancy behavior of farmers doesnt effect their participation behavior of agricultural technology training， but the possibility of participation agricultural will dramatically increase if a household joins in a farmers professional cooperative or only engages in agriculture management. In practical terms， the expected frequency of the farmers who rent land to participate in agricultural technology training is 1.044 0 times of the others， while the farmers who join cooperative is 2.112 9 times of the others. The current too runofmill agricultural technology training is an important reason of limiting farmers demand for it. So the government should take the heterogeneity of farmers into account， organize agricultural technology training in differentiated positioning and give more subsidies to the cooperatives which carry out the agricultural technical training.

Key wordsheterogeneity of farmers； farmer professional cooperative； agricultural technical training； ZINB model

[9]Mullahy J. Specification and Testing of Some Modified Count Data Models[J]. Journal of Econometrics， 1986， 33（3）：341-365.

[10]Lambert D. Zeroinflated Poisson Regression with an Application to Defects in Manufacturing[J]. Technometrics， 1992， 34（1）：1-14.

Key wordsheterogeneity of farmers； farmer professional cooperative； agricultural technical training； ZINB model

[9]Mullahy J. Specification and Testing of Some Modified Count Data Models[J]. Journal of Econometrics， 1986， 33（3）：341-365.

[10]Lambert D. Zeroinflated Poisson Regression with an Application to Defects in Manufacturing[J]. Technometrics， 1992， 34（1）：1-14.

Key wordsheterogeneity of farmers； farmer professional cooperative； agricultural technical training； ZINB model

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。