绿色防控技术对稻农经济收益的影响及其作用机制
李后建 曹安迪
摘要 中国农业正在向绿色发展转变，绿色防控技术在确保粮食安全和保护生态环境方面发挥着重要作用。文章基于四川省623户水稻种植户的微观调查数据，采用倾向得分匹配法消除了样本选择性偏差，分析了绿色防控技术对农户经济收益的影响及其作用机制，并对研究结果进行了一系列的稳健性检验。研究结果表明：①绿色防控技术的采纳能够显著改善稻农的经济收益。与未采纳绿色防控技术的状态相比，采纳绿色防控技术能够使农户每亩水稻的毛收入增加104.96%，每亩水稻的净利润增加40.45%。②从作用机制上看，采纳绿色防控技术使稻农获得了更高的市场溢价，同时有利于激励稻农扩大水稻种植规模，并增加对农地的投入，包括提高有机肥和种子的投入费用。③尽管采纳绿色防控技术带来了一定的消极影响，即提高了病虫害损失率，导致一定程度的减产，但整体而言，采纳绿色防控技术所带来的价格溢价弥补了因病虫害引致的产量损失，改善了稻农的经济收益。④绿色防控技术对稻农经济收益的影响会由于教育水平的差异以及互联网的应用而存在明显的异质性。最后，研究从加大农村人力资本投入、完善农村互联网设施、强化绿色防控技术政策支持以及加强对农用化学投入品的监管等四个方面提出对策建议。
关键词 绿色防控技术;经济收益;倾向得分匹配;逆概率加权;回归调整
中图分类号 F323.3 文献标识码 A 文章编号 1002-2104（2021）02-0080-10 DOI：10.12062/cpre.20200619
以稻飞虱、水稻纹枯病、稻纵卷叶螟为主的病虫害严重制约着中国水稻的稳产和高产。为防治水稻病虫害，中国自1970年以来围绕抗病品种、农业防治、生物防治和化学防治等四个方面开发了许多水稻病虫害防治方法[1]。其中，化学防治仍是当前中国作物病虫害的主要防治措施，原因是化学防治具有耗时短、效率高和价格低等特点，能极大地满足农民快速、有效控制作物病虫害的需求[2]。然而，中国水稻种植的农药边际生产率早在2012年就已经近乎为零，即农药使用已经过量，唯有减少农药使用量才能提高种植者的农业纯收入[3]。众所周知，过量使用化学农药会产生诸多负外部性，如破坏生态环境、危害人体健康、增加农业生产成本以及阻碍农产品出口[4-7]。为遏制化学农药过量使用，中国于2015年出台了《到2020年农药使用量零增长行动方案》，明确提出要“加快转变病虫害防控方式，大力推进绿色防控”。绿色防控强调减少化学农药使用量，采用农业防治、物理防治、生物防治、生态调控以及科学用药等技术有效控制作物病虫害，以确保农业生产安全、农产品质量安全和农业生态环境安全，促进农业增产、增收[8]。
然而，当前中国的绿色防控技术应用水平较低[9]，化学农药一直被农民视为保护农作物免受病虫害和助力农业生产的必要投资[2]。只有当采纳绿色防控技术带来的净收益大于传统化学防治的净收益时，农户才会采纳绿色防控技术[7]。目前，学术界在绿色防控技术能否改善农户经济收益的问题上尚未达成共识，部分学者认为采纳绿色防控技术能够显著改善农户的经济收益，主要体现在节约农药使用成本[10-11]、提高作物产量[5]、增加种植收入[12-13]以及提高家庭消费支出[14-15]等方面。不过，亦有学者认为绿色防控技术对农户经济收益的改善作用并不明显，甚至会产生消极影响[16-17]。值得注意的是，现有文献多以蔬菜[11，17-18]、水果[19-22]等经济作物种植户作为研究对象，缺乏对粮食作物种植户的考量。其次，已有相关文献多针对印度[18，20]、孟加拉国[11，19]、柬埔寨[17]、肯尼亚[22-23]等国家考察了绿色防控技术对农户经济收益的影响，但并未就中国情景探讨绿色防控技术对稻农经济收益的影响及其作用机制。对于中国而言，稻农仍是一个庞大的群体，且大部分稻农属于低收入群体，自然和市场的双重风险使得这部分群体面临着较高的返贫风险。因此，相比关注蔬菜、水果等高附加值的农产品生产主体，将稻农作为研究对象并探究采纳绿色防控技术的经济收益对于建立健全稳定脱贫的长效机制，解决好“谁来种地”，以及确保国家粮食安全等重大问题具有更加重要的现实意义。基于此，本文利用四川省623户水稻种植户的微观调查数据，采用倾向得分匹配法探究绿色防控技术对稻农经济收益的影响及其作用机制。
1 文献回顾
既有相关文献主要探讨了绿色防控技术的经济和非经济福利效应。部分学者认为绿色防控技术会给农户带来显著的福利效应。Kouser和Qaim[5]指出采用转基因抗虫棉增加了農户的毛收入，并对生态环境和人体健康产生了积极影响。Isoto等[24]通过分析乌干达咖啡种植者的调查数据发现采纳绿色防控技术使咖啡净收入增加了118%，并估算出采纳绿色防控技术的农村收入乘数为1.27。Rakshit等[19]评估了信息素给甜瓜害虫防治带来的经济效益，指出采用信息素的投资回报率在140%～165%之间。而另一部分学者则对多国或多种病虫害防治方法的经济和非经济效益进行了综合评估。Pretty和 Bharucha[10]对亚洲和非洲24国的85个绿色防控项目进行了综合评估，发现采纳绿色防控技术不仅能减少农药使用量，提高作物产量，还能改善土壤质量和农场卫生状况。Rahman等[11]评估了嫁接、堆肥、黄板诱杀、信息素、生物杀虫剂以及土壤改良等不同绿色防控技术的经济效益，认为绿色防控技术通过降低生产成本来增加农户的经济收益。然而，有部分学者认为绿色防控技术对农户经济收益的改善作用并不明显，甚至会产生消极影响。Cornejo[16]认为绿色防控技术对番茄产量和种植利润无显著影响。Malacrinò等[17]评估了绿色防控技术对柬埔寨豇豆种植户的经济影响，认为较高的绿色防控成本降低了农户的经济收益，这种结果在生物防治产品短缺的国家表现得尤为明显。除此之外，绿色防控技术带来的经济与环境效应会随采纳程度和采纳时间[25]、采纳技术[7]、采纳季节[18]、作物品种[22，26]的不同而表现出明显的异质性。
通过梳理相关文献后发现，关于绿色防控技术对农户经济收益影响的研究多集中在国外，鲜有学者就中国情景探讨绿色防控技术对农户经济收益的影响及其作用机制。尽管有学者以中国黄淮海平原的家庭农场为研究对象评估了绿色防控技术对家庭农场经济收益的影响[26]，但家庭农场与小规模农户在生产要素、劳动性质以及产品属性等方面存在明显差异，因而对家庭农场的研究并不能等同于对小规模农户的研究。放眼国外，关于绿色防控技术对农户经济收益影响的研究相对较多，但也存在一定的研究缺陷。就研究对象而言，研究对象比较单一，多以除中国以外的其他发展中国家的蔬菜、水果等经济作物种植户为研究对象，而缺乏对粮食作物，尤其是水稻种植户的考量。另外，已有文献涉及的绿色防控技术多局限于品种改良、生物杀虫剂、信息素和引入天敌等生态调控和生物防治方法，而鲜有关于灯光诱杀和黄蓝板诱杀等理化诱控技术的研究。就研究方法而言，部分研究未能较好地解决采纳绿色防控技术这一变量可能存在的内生性问题，估计结果的准确性和可靠性较低。基于上述研究缺口，本文利用四川省623户水稻种植户的微观调查数据，采用倾向得分匹配法估计绿色防控技术对稻农经济收益的影响，并揭示其中的作用机制，为政府有关部门在制定促进农业绿色发展和稻农增收的相关政策时提供参考和借鉴。
2 研究设计
2.1 模型选择
倾向得分匹配是目前用于解决自选择问题的主流方法，其基本思想是根据估算出的倾向得分将处理组（采纳绿色防控技术）与控制组（未采纳绿色防控技术）中可观测变量取值尽可能相似的个体和进行匹配后，以（yi-yj）来度量个体的经济收益受到干预后的处理效应。本文主要使用Logit回归来估计倾向得分，并综合考虑样本特点和各种匹配方法的优缺点，选择卡尺内最近邻匹配和核匹配作为倾向得分匹配的主要方法。卡尺内最近邻匹配采用的是一对一的匹配方法，并在给定的卡尺范围内寻找最近匹配。而核匹配是一种整体匹配的方法，其基本思想是根据个体距离的大小赋予不同的权重，再将处理组中的每个样本与整个对照组样本（去掉在共同取值范围之外的个体）进行匹配。具体而言，用来与处理组进行匹配的样本是虚拟样本，它们是通过核函数计算出的权重构造的，即反事实结果。在本文中，就是为每个采纳者构造出一个与之各方面特征尽可能相似的虚拟的未采纳者，这个虚拟的未采纳者的结果变量可被视为反事实情境下采纳者不采纳绿色防控技术的结果变量，那么这两个结果变量的差异就是采纳者采纳绿色防控技术的平均净效应。因此，倾向得分匹配能够有效解决两组子样本由于初始条件不完全相同而造成的选择偏差问题。我们利用从两组子样本中观测到的数据计算以下三个平均处理效应：
采纳者平均处理效应（ATT），指采纳者如果不采纳绿色防控技术的经济收益变化，表达式为：
未采纳者平均处理效应（ATU），指未采纳者如果采纳绿色防控技术的经济收益变化，表达式为：
平均处理效应（ATE），指绿色防控技术的采纳者相比那些未采纳者在经济收益上的差异，表达式为：
在（1）～（3）式中，N1为处理组的样本个数，N0为控制组的样本个数，N=N0+N1为样本容量。虚拟变量Di={0，1}表示个体是否采纳绿色防控技术，即是否采用灯光诱杀或黄蓝板诱杀，0表示未采纳，1表示采纳。
需要注意的是，倾向得分匹配无法控制那些不可观测因素對估计结果造成的偏差，所以本文使用Rosenbaum边界估计来评估不可观测因素对倾向得分匹配结果造成的影响。假设农户采纳绿色防控技术的概率为：
（4）式中的xi代表可观测变量，ui代表不可观测变量，γ代表不可观测变量的影响程度。只有当不存在不可观测因素或不可观测因素对结果无影响时，γui=0。农户采纳绿色防控技术的概率可表示为Pi/（1-Pi）。本文设F服从Logistic分布，则匹配的农户i和j是否采纳绿色防控技术的概率之比可表示为：
由（5）式可知，当不存在不可观测因素时，ui-uj=0，匹配农户i和j采纳绿色防控技术的概率之比等于1，即eγ=1，这种情况被称为基本情形。可能性比例边界为[e-γ，eγ]，eγ用于衡量农户是否采纳绿色防控技术对不可观测因素的敏感程度。因此，我们可以赋予eγ不同的值，从而得到不同水平下不可观测因素对农户采纳绿色防控技术的可能性造成的偏离程度。最后，通过观察Rosenbaum边界的显著性水平和相应的置信区间即可判断不可观测因素对估计结果的影响程度。
2.2 数据来源
四川省是中国重要的稻作区。国家统计局数据显示，四川省常年种植面积稳定在190万hm2左右，总产1 500万t左右，在中国全部省份中均位列第7。因此，选择四川省作为调研地点具有典型的代表意义。2019年8—9月，我们在四川省水稻主产区中随机抽取了7个地级市（自治州），分别是成都、德阳、巴中、达州、宜宾、泸州、凉山州。然后，从每个地级市（自治州）中抽取新型经营主体集中度较高的1～2个县（区），再从每个县（区）抽取1～2个乡（镇）。对于每个乡（镇），采取两步分层随机抽样的方法来获取调查数据。
第一步，根据各乡（镇）农业主管部门负责人提供的资料，将所有样本村庄分成两类：有新型经营主体的村庄和无新型经营主体的村庄。接下来根据分层随机抽样的原则，确定每个样本乡（镇）需要抽取的有新型经营主体的村庄1～2个。为了让抽取的两类村庄具有较强的可比性，本研究根据每个村庄的经济状况、交通状况以及水稻生产潜力等指标的综合评价结果，在每个样本乡（镇）中选取与有新型经营主体的村庄类似的无新型经营主体的村庄1～2个。第二步，根据村两委提供的水稻种植户资料和名单，在第一步抽取的有新型经营主体和无新型经营主体的村庄中各抽取约10户水稻种植户作为调查对象。问卷调查的内容包括户主特征、家庭特征、水稻种植投入和产出等诸多方面，并指派受过专业培训的调研人员与调查对象进行一对一访谈。最后，我们共收集到641份问卷，剔除相关信息严重缺失或异常的样本后，剩余有效问卷为623份。
2.3 变量选取和描述性统计
2.3.1 结果变量
本文主要参考Midingoyi等[21]、Githiomi等[22]对绿色防控技术经济效益的评估，选择每亩毛收入和每亩净利润两个结果变量来测度农户的经济收益，选择每亩产量、每千克稻谷的市场价格、种植面积、每亩有机肥投入费用、每亩种子费用、水稻病虫害损失占比等作为衡量作用机制的变量。其中，每亩毛收入代表了农户从事水稻种植的盈利水平（留存的粮食按市价折算）;每亩净利润代表了农户在一个水稻生产周期内的经营成果;种植面积不包括复种面积。
2.3.2 解释变量
本文涉及的绿色防控技术主要包括灯光诱杀和黄蓝板诱杀等理化诱控技术。将农户是否采纳绿色防控技术设为关键解释变量，若采纳绿色防控技术则赋值为“1”，否则赋值为“0”。
2.3.3 控制变量
我们参考现有研究经验，选取14个关于户主和家庭特征的变量作为控制变量。①户主性别：朱萌等[27]发现与女性户主相比，男性户主接受新事物的能力较强，因此更倾向于采纳环境友好型农业技术。在本研究中，若户主为男性，则赋值为1，否则赋值为0。②户主年龄：老龄劳动力对农业生产技术的学习能力和应用能力较弱，因此农业劳动力老龄化不利于绿色防控技术的采纳。参照杨志海[28]的研究，我们将户主年龄纳入控制变量。③户主年龄的平方：考虑到户主年龄与绿色防控技术的采纳之间可能是非线性关系，故将户主年龄的平方纳入控制变量，并定义为户主年龄的平方除以100。④户主的婚姻状况：由于结婚意味着要承担照顾家庭的责任，因此户主的婚姻状况可能会影响绿色防控技术的采纳。在本研究中，若户主已婚，则赋值为1，否则赋值为0。⑤户主的政治面貌：由于中共党员需要履行在生产、工作、学习和社会生活中起先锋模范作用的义务，因此可能会率先采纳绿色农业生产技术。在本研究中，若户主是中共党员，则赋值为1，否则赋值为0。⑥户主的受教育年数：Khonje等[13]发现受教育水平对采纳农业技术和提升农业生产率具有显著的正向影响，拥有较高受教育水平的农民能够更好地理解采纳绿色农业技术对人体健康和生态环境的重要性。本研究将户主的受教育年数纳入控制变量，并定义为受正规教育的年数。⑦户主的兄弟姐妹数量：定义为有直接血缘关系的兄弟姐妹数量。⑧户主的健康水平：定义为户主自评的与同龄人相比的健康水平，分值为1～4分，依序为很不健康、不健康、健康和很健康。⑨户主的通信费用：借鉴佟大建等[29]的研究，农户的社会关系网络越强，就越容易获取农业信息和技术推广服务。本研究将户主的通信费用纳入控制变量，并定义为2018年户主通信支出总额的自然对数，在某种程度上能够衡量户主的社会关系网络水平。⑩家庭人口数：定义为户主家中的人口总数。家庭人口数越多，家庭生活压力越大，因此农户更希望采用先进的农业生产技术来提高农业生产率，改善家庭生计[27]。○11
家庭老年人数量：定义为户主家庭中60岁及以上的人口数。○12家庭儿童数量：定义为户主家庭中16岁及以下的人口数。
○13家中水稻种植能手的数量：家中水稻种植能手的数量在一定程度上反映了农户水稻种植经验的掌握程度。借鉴耿宇宁等[30]的研究，我们将家中水稻种植能手的数量纳入控制变量，并定义为家中掌握水稻种植技术和经验的人数。
○14家庭用网情况：互联网的使用有助于提升农民的信息搜索能力和生产决策能力[31]。本研究将家庭用网情况纳入控制变量，并定义为2018年户主家中能否使用互联网，若能使用互联网，則赋值为1，否则赋值为0。
我们把未采纳绿色防控技术的农户集合设置为控制组，把采纳了绿色防控技术的农户集合设置为处理组。表1汇报了两样本独立t检验结果，可看出两组间存在显著差异。具体而言，除每亩产量之外，采纳者的每亩毛收入、每亩净利润、每千克稻谷的市场价格、种植面积、每亩有机肥投入费用、每亩种子费用以及水稻病虫害损失占比均显著高于未采纳者。然而，由于稻农采纳绿色防控技术的行为并非随机，而是一种自我选择行为，因此我们不能简单地比较两组间因变量的均值差异来估计绿色防控技术对农户经济收益的影响，否则会导致研究结果出现明显的偏差。在控制变量上，对于采纳绿色防控技术的稻农而言，他们的兄弟姐妹数更多、受正规教育的时间更短、身体更健康、家庭人口数更少、家中种植能手更多。此外，未观测到的变量也可能存在显著差异，如采纳绿色防控技术的动机、农业情怀等内部因素都会对是否采纳绿色防控技术这一自选择行为产生一定的影响，同时也可能影响农户的经济收益。
3 实证分析
3.1 倾向得分匹配
3.1.1 农户采纳绿色防控技术的决策估计
本文使用Logit模型估计农户采纳绿色防控技术的倾向得分，并得出相关控制变量的边际效应。回归结果显示，户主受正规教育的时间越长，采纳绿色防控技术的可能性就越小。其次，户主的政治面貌和健康水平对绿色防控技术的采纳具有积极影响。此外，家庭老年人数每增加一个单位标准差，采纳绿色防控技术的可能性就降低6.4%。与之相反，家中的种植能手每增加一个单位标准差，采纳绿色防控技术的可能性就增加17.3%。而其余控制变量未通过显著性检验，对农户绿色防控技术采纳决策的影响几乎可以忽略。限于篇幅，回归结果并未列出。
3.1.2 共同取值范围和平衡性检验
考虑到采纳绿色防控技术的农户占样本总体的65.7%，控制组和处理组之间的样本数量有一定的差异，故使用最近邻匹配和核匹配两种方法匹配两组间的个体，通过对比选出匹配效果较好的估计结果做进一步分析。图1（a）和图1（b）分别描绘了最近邻匹配和核匹配的倾向得分共同取值范围，可看出控制组与处理组的重叠区域较大，仅有极少数观测对象被排除在共同取值范围之外，剔除后对整体的影响甚微。
表2汇报了最近邻匹配和核匹配质量的平衡性检验结果，可看出最近邻匹配和核匹配的各项平衡性指标均无显著差异，匹配后的R2均由0.178降低到0.019，说明控制组和处理组之间平衡性良好;均值偏差由19分别降低到6.8和8.3，中位数偏差由13.1分别降低到5和4.8;不过，最近邻匹配的总体偏差削减情况相对较好，从50%降到40%。进一步地，基于最近邻匹配的各控制变量偏差削减情况也相对核匹配较好，限于篇幅并未列示。
3.1.3 敏感性分析
在分析匹配结果之前，我们使用Rosenbaum边界分析来检验最近邻匹配和核匹配两种方法所得匹配结果对不可观测因素的敏感程度。若匹配结果对那些不可观测因素的影响不敏感，则认为匹配结果是可靠的。本文进行Γ范围从1～2的敏感性分析。参数Γ表示隐藏偏差的大小，即Γ=1时表示无隐藏偏差，Γ值越大，存在的隐藏偏差就越大。如果Γ在接近1的时候已有结果就变得不显著了，则表明估计结果对不可观测因素十分敏感。反之，如果Γ在接近2的时候已有结果才变得不显著，则表明该结果对不可观测因素不太敏感。
表3的最后两列分别汇报了基于最近邻匹配和核匹配的绿色防控技术采纳对农户经济收益影响的Rosenbaum边界估计结果。在给定Γ为1～2的整个区间内，两种匹配方法所得每亩净利润、每亩毛收入、每亩产量、每千克稻谷的市场价格、种植面积、每亩有机肥投入费用以及每亩种子费用等变量的结果均在1%的水平上显著，说明它们都没有受到不可观测因素的影响。然而，就水稻病虫害损失占比而言，当Γ=2时，最近邻匹配所得结果才在10%的水平上变得不显著。而当Γ=1.7时，核匹配所得结果已经在10%的水平上变得不显著。因此，我们认为最近邻匹配的结果最优。
3.1.4 匹配結果
表3汇报了最近邻匹配的结果，我们主要关注采纳者的平均处理效应（ATT）和未采纳者的平均处理效应（ATU）。限于篇幅，核匹配相关结果并未列示。
（1）绿色防控技术对水稻种植净利润和毛收入的影响。研究结果表明，绿色防控技术的采纳使稻农的每亩净利润和每亩毛收入显著增加。具体地，ATT结果显示若采纳者未采纳绿色防控技术，则每亩净利润将降低40.45%，每亩毛收入将降低104.96%;ATU结果显示若未采纳者采纳了绿色防控技术，则每亩净利润将由402元增加至623元，增加了54.98%，且每亩毛收入将由1 229元增加至2 033元，增加了65.42%。这与现有研究结果一致，即绿色防控技术的采纳能显著改善农户的经济收益[10，18-19，22]。
（2）绿色防控技术对水稻产量和病虫害损失的影响。研究结果还表明，绿色防控技术的采纳对水稻产量及水稻病虫害损失占比具有显著的负向影响。在反事实情境下，倘若采纳者不采纳绿色防控技术，其每亩产量将增加24.17%，水稻病虫害损失占比将下降32.43%;倘若未采纳者采纳了绿色防控技术，其每亩产量将减少22.27%，水稻病虫害损失占比将提高16.67%。该研究结果与Kibira等[23]、Pretty和 Bharucha[10]的研究结果并不一致，合理的解释可能是他们研究中涉及到的绿色防控技术主要包括生物杀虫剂、信息素、品种改良以及引入天敌等生态调控和生物防治方法，与本文所涉及的黄蓝板诱杀和灯光诱杀等理化诱控手段有较大差异。黄蓝板诱杀和灯光诱杀分别利用害虫的趋色和趋光特性来降低害虫密度，但不会破坏害虫种群平衡[32]，对病虫害的防治效果可能不及生态调控和生物防治等方法。此外，绿色防控要求科学、合理、安全地使用农药，但在种植过程中使用的绿色农药或生物杀虫剂可能不足以彻底控制病虫害的爆发[33]，由此可能会造就由病虫害引致的作物减产。
（3）绿色防控技术对稻谷价格的影响。从表3提供的数据可以看出，绿色防控技术的采纳能够显著提升稻谷的市场单价。ATT结果显示，若采纳者不采纳绿色防控技术，其稻谷的市场单价将降低239.41%;ATU结果显示，若未采纳者采纳了绿色防控技术，其稻谷的市场单价将提高154.49%，即由每千克2.44元提升至6.21元。由此可见，绿色防控技术的采纳提高了稻谷的市场溢价，可能的原因有以下三点：首先，推广和应用绿色防控技术的主要目的是保障农产品质量安全和促进农业绿色可持续发展。绿色防控要求减少化学农药使用量，采用科学、环保的方法控制作物病虫害。Timprasert等[2]在研究泰国菜农采纳绿色防控技术的动机时指出，尽管绿色防控技术能够有效控制病虫害，但在材料上的花费却比普通化学农药昂贵，且准备工作比较烦琐。为此，稻农需要通过抬高水稻售价来弥补额外的水稻种植成本。其次，正如前文所述，采纳绿色防控技术会降低水稻的产量，为弥补水稻产量降低导致的收益损失，稻农也有强烈的动机来提高水稻售价，从而弥补减产导致的损失。最后，在市场信息不对称的情况下，采纳绿色防控技术的稻农通常会借助经济组织提供的质量认证资质来为食品质量贴标签，利用这种信号显示机制向消费者传递稻米的质量信息[34]，即相比化学农药，采用绿色防控技术控制病虫害有助于减少稻米农药残留和其他有害物质含量，提高了稻米的品质，能够获得更高的市场认可度。因此，采用绿色防控技术生产的稻米能够获取较高的价格溢价。
（4）绿色防控技术对水稻种植面积的影响。我们还发现绿色防控技术的采纳会激励稻农扩大水稻种植面积，且在1%的水平上显著。ATT结果表明，若采纳者不采纳绿色防控技术，其种植面积将减少96.87%;ATU结果表明，若未采纳者采纳了绿色防控技术，其种植面积将增加102.64%。这与Cuyno等[35]的研究结果一致。采纳绿色防控技术改善了稻米的品质，而市场对这种高品质稻米有更加强烈的需求，这就刺激了稻农必须通过扩大种植面积来提高供应量，从而满足市场需求。更重要的是，采纳绿色防控技术使得稻米的单产下降了，在同等条件下，稻农只有通过扩大水稻种植面积才能弥补由于单产下降导致的总产量削减，从而维持原有的总产量。最后，扩大种植面积有利于发挥规模效应，降低采纳绿色防控技术的单位生产成本[2]。
（5）绿色防控技术对有机肥和种子投入费用的影响。匹配结果还显示，绿色防控技术的采纳会激励稻农增加每亩有机肥和种子的投入费用。ATT结果表明，如果采纳者不采纳绿色防控技术，则每亩有机肥投入费用将减少36.84%，每亩种子费用将减少104.17%;ATU结果表明，如果未采纳者采纳了绿色防控技术，则每亩有机肥投入费用将增加21.65%，每亩种子费用将增加64.94%。该结果与Isoto等[24]的研究结果一致，其研究表明在采纳绿色防控技术后，农户购买农资和服务的支出也随之增加。其次，为了提高作物的质量和产量，农户通常会将减少农药用量节省下来的资金转投至肥料和种子上[10]。
综上所述，绿色防控技术的采纳能够显著改善农户的经济收益。一方面，虽然绿色防控技术的采纳会导致水稻减产，但其带来的价格溢价明显超过了因产量下降而造成的经济损失。另一方面，绿色防控技术的采纳有利于激励农户增加对土地的投入，在本文中，采纳绿色防控技术促使农户增加了有机肥和种子的投入，并扩大了水稻种植面积。因此，我们认为采纳绿色防控技术主要通过提高水稻质量以及发挥规模效应来改善农户的经济收益，但却显著降低了水稻单产。
3.2 稳健性检验
在采用逆概率加权、回归调整以及逆概率加权回归调整等三种实证策略对前文的估计结果进行稳健性检验后，我们发现基于以上三种策略的检验结果均与前文的估计结果一致，这表明本文的研究结果具有较强的稳健性。限于篇幅，稳健性检验结果并未列示。
3.3 异质性处理效应
为进一步理解绿色防控技术采纳对不同样本群体经济收益影响的差异，我们根据受教育程度和互联网使用情况对总样本进行分组，并采用核匹配估计采纳者的平均处理效应ATT。对于受教育程度，我们将受正规教育年数小于7年的个体定义为受教育程度低的群体，用“0”表示，共490个样本;将受正规教育年数大于或等于7年的个体定义为受教育程度高的群体，用“1”表示，共133个样本。对于互联网使用情况，我们以家中能否使用互联网为标准将总样本分为两组。其中，不能使用互联网的家庭共126个，用“0”表示;能使用互联网的家庭共497个，用“1”表示。表4汇报了绿色防控技术采纳的异质性处理效应。
在受教育程度方面，受教育程度低的群体采纳绿色防控技术后增收显著，其每亩净利润和每亩毛收入分别增加了159元和1 519元。受教育程度高的群体在采纳绿色防控技术后，其每亩净利润的增加不显著，而每亩毛收入显著增加了420元。已有研究表明，受教育程度对农村劳动力参与非农就业具有正向影响，即受教育程度越高，劳动力就越倾向于参与非农就业[36]，因此可能在一定程度上分散他们从事水稻生产的精力。
在互联网使用方面，不能使用互联网的群体在采纳绿色防控技术后，其每亩净利润显著增加了95元，但每亩毛收入的变化不显著。能使用互联网的群体采纳绿色防控技术后增收显著，其每亩净利润和每亩毛收入分别增加了169元和1 591元。使用互联网有助于提升农民对农业政策、農业技术、农产品市场以及农业生产资料等生产经营信息的获取能力，并降低信息的获取成本[31]。因此，能使用互联网的群体获得的经济收益较高。
4 结论与建议
绿色防控技术对保护生态环境、保障粮食安全以及促进农业绿色发展具有重要作用。同时，促进农业增产以及改善农户经济收益一直是中国农村经济发展的关键。在此背景下，本文从农户经济收益的角度切入，利用四川省623户水稻种植户的微观调查数据，采用倾向得分匹配法解决了采纳绿色防控技术可能存在的选择偏差问题，评估了绿色防控技术对稻农经济收益的影响，并对其作用机制进行了系统分析。研究发现，绿色防控技术的采纳显著增加了稻农的种植收益，改善了稻农的生计。从作用机制来看，绿色防控技术的采纳提高了稻谷的价格溢价，但降低了每亩水稻的产量，这意味着绿色防控技术的采纳主要通过稻谷的价格溢价来改善农户的经济收益，即价格溢价给农户带来的收益已经超过由于病虫害导致的经济损失，从而显著改善了农户的经济收益。进一步研究发现，绿色防控技术的采纳显著改变了农户对土地的投入，即增加了有机肥和种子的投入，扩大了水稻种植面积。此外，本文的研究结果还显示，对于不同受教育程度以及能否使用互联网的稻农而言，绿色防控技术对他们经济收益的影响存在明显的异质性。最后，我们使用逆概率加权、回归调整、逆概率加权回归调整等实证策略对研究结果进行了稳健性检验，充分表明研究结果具有较强的稳健性。
基于上述研究结果，本文认为应从以下五个方面来促进绿色防控技术的推广和应用。①要加大对农村人力资本的投入力度，切实保障农村义务教育的开展，提高农村人口的科学文化水平。兴办农民田间学校，加大绿色防控技术的培训力度，提高农民对绿色防控技术的认知水平。农业推广部门、合作社以及农业技术公司应加大对绿色防控技术的宣传，优先鼓励种粮大户采纳绿色防控技术，从而带动小规模农户参与其中。②要完善农村互联网基础设施，提高农村地区的互联网普及程度，让农民跟上市场发展和技术转变的步伐。在乡镇一级设立优质农资供应点，确保绿色防控技术所需物资的供应。③要加强对绿色防控技术推广和应用的政策支持力度，可针对采用绿色防控技术生产的稻米适当提高最低收购价，并对绿色农资的购买提供一定的农业补贴，从而激励农户采纳绿色防控技术。④要严格规定和细化农药使用标准，加强对化学农药使用行为的监管力度，对违反农药使用规定者予以严肃惩处。
参考文献
[1]LOU Y G， ZHANG G R， ZHANG W Q， et al. Reprint of： biological control of rice insect pests in China[J]. Biological control， 2014， 68： 103-116.
[2]TIMPRASERT S， DATTA A， RANAMUKHAARACHCHI S L. Factors determining adoption of integrated pest management by vegetable growers in Nakhon Ratchasima Province， Thailand[J]. Crop protection， 2014， 62： 32-39.
[3]朱淀， 孔霞， 顾建平. 农户过量施用农药的非理性均衡：来自中国苏南地区农户的证据[J]. 中国农村经济， 2014 （8）： 17-29，41.
[4]KOLEVA N G， SCHNEIDER U A， MCCARL B A. Pesticide externalities from the US agricultural sector：the impact of internalization， reduced pesticide application rates， and climate change[J]. Procedia environmental sciences， 2011，6： 153-161.
[5]KOUSER S， QAIM M. Valuing financial， health， and environmental benefits of Bt cotton in Pakistan[J]. Agricultural economics， 2013， 44（3）： 323-335.
[6]MURIITHI B W， AFFOGNON H D， DIIRO G M， et al. Impact assessment of Integrated Pest Management （IPM） strategy for suppression of mango-infesting fruit flies in Kenya[J]. Crop protection， 2016， 81： 20-29.
[7]耿宇寧， 郑少锋， 刘婧. 农户绿色防控技术采纳的经济效应与环境效应评价：基于陕西省猕猴桃主产区的调查[J]. 科技管理研究， 2018， 38（2）： 245-251.
[8]高杨， 牛子恒. 风险厌恶、信息获取能力与农户绿色防控技术采纳行为分析[J]. 中国农村经济， 2019 （8）： 109-127.
[9]GAO Y， ZHANG X， LU J， et al. Adoption behavior of green control techniques by family farms in China： evidence from 676 family farms in Huang-Huai-Hai Plain[J]. Crop protection， 2017， 99： 76-84.
[10]PRETTY J， BHARUCHA Z P. Integrated pest management for sustainable intensification of agriculture in Asia and Africa[J]. Insects， 2015， 6（1）： 152-182.
[11]RAHMAN M S， NORTON G W， RASHID M H A. Economic impacts of integrated pest management on vegetables production in Bangladesh[J]. Crop protection， 2018， 113： 6-14.
[12]KASSIE M， SHIFERAW B， MURICHO G. Agricultural technology， crop income， and poverty alleviation in Uganda[J]. World development， 2011， 39（10）： 1784-1795.
[13]KHONJE M， MANDA J， ALENE A D， et al. Analysis of adoption and impacts of improved maize varieties in eastern Zambia[J]. World development， 2015， 66： 695-706.
[14]SHIFERAW B， KASSIE M， JALETA M， et al. Adoption of improved wheat varieties and impacts on household food security in Ethiopia[J]. Food policy， 2014， 44： 272-284.
[15]BECERRIL J， ABDULAI A. The impact of improved maize varieties on poverty in Mexico： a propensity score-matching approach[J]. World development， 2010， 38（7）： 1024-1035.
[16]FERNANDEZ-CORNEJO J.The microeconomic impact of IPM adoption： theory and application[J]. Agricultural and resource economics review， 1996， 25（2）： 149-160.
[17]MALACRIN A， SENG K H， AN C， et al. Integrated pest management for yard-long bean （Vigna unguiculata subsp. Sesquipedalis）in Cambodia[J]. Crop protection， 2020， 135：104811.
[18]AHUJA D B， AHUJA U R， SINGH S K， et al. Comparison of Integrated Pest Management approaches and conventional （non-IPM） practices in late-winter-season cauliflower in Northern India[J]. Crop protection， 2015， 78： 232-238.
[19]RAKSHIT A， KARIM A R， HRISTOVSKA T， et al. Impact assessment of pheromone traps to manage fruit fly on sweet gourd cultivation[J]. Bangladesh journal of agricultural research， 1970， 36（2）： 197-203.
[20]MYRICK S， NORTON G W， SELVARAJ K N， et al. Economic impact of classical biological control of papaya mealybug in India[J]. Crop protection， 2014， 56： 82-86.
[21]MIDINGOYI S K G， KASSIE M， MURIITHI B， et al. Do farmers and the environment benefit from adopting integrated pest management practices： evidence from Kenya[J]. Journal of agricultural economics， 2019， 70（2）： 452-470.
[22]GITHIOMI C， MURIITHI B， IRUNGU P， et al. Economic analysis of spillover effects of an integrated pest management （IPM） strategy for suppression of mango fruit fly in Kenya[J]. Food policy， 2019， 84： 121-132.
[23]KIBIRA M， AFFOGNON H， NJEHIA B， et al. Economic evaluation of integrated management of fruit fly in mango production in Embu County， Kenya[J]. African journal of agricultural and resource economics， 2015， 10（4）： 343-353.
[24]ISOTO R E， KRAYBILL D S， ERBAUGH M J. Impact of integrated pest management technologies on farm revenues of rural households： the case of smallholder Arabica coffee farmers[J]. African journal of agricultural and resource economics， 2014， 9（2）： 1-13.
[25]GAO Y， NIU Z H， YANG H R， et al. Impact of green control techniques on family farms welfare[J]. Ecological economics， 2019， 161： 91-99.
[26]GAUTAM S， SCHREINEMACHERS P， UDDIN M N， et al. Impact of training vegetable farmers in Bangladesh in integrated pest management （IPM）[J]. Crop protection， 2017， 102： 161-169.
[27]朱萌， 齊振宏， 罗丽娜， 等. 不同类型稻农保护性耕作技术采纳行为影响因素实证研究：基于湖北、江苏稻农的调查数据[J]. 农业现代化研究， 2015， 36（4）： 624-629.
[28]杨志海. 老龄化、社会网络与农户绿色生产技术采纳行为：来自长江流域六省农户数据的验证[J]. 中国农村观察， 2018 （4）： 44-58.
[29]佟大建， 黄武， 应瑞瑶. 基层公共农技推广对农户技术采纳的影响：以水稻科技示范为例[J]. 中国农村观察， 2018 （4）： 59-73.
[30]耿宇宁， 郑少锋， 王建华. 政府推广与供应链组织对农户生物防治技术采纳行为的影响[J]. 西北农林科技大学学报（社会科学版）， 2017， 17（1）： 116-122.
[31]AKER J C. Dial ‘Afor agriculture： a review of information and communication technologies for agricultural extension in developing countries[J]. Agricultural economics， 2011， 42（5）： 631-647.
[32]PINTO-ZEVALLOS D M， VNNINEN I. Yellow sticky traps for decision-making in whitefly management： what has been achieved？[J]. Crop protection， 2013， 47（5）： 74-84.
[33]XU H X， YANG Y J， LU Y H， et al. Sustainable management of rice insect pests by non-chemical-insecticide technologies in China[J]. Rice science， 2017， 24（2）： 61-72.
[34]MCCLUSKEY J J， WESSELER J， WINFREE J A. The economics and politics GM food labeling： an introduction to the special issue[J]. Food policy， 2018， 78： 1-5.
[35]CUYNO L C M， NORTON G W， ROLA A. Economic analysis of environmental benefits of integrated pest management： a Philippine case study[J]. Agricultural economics， 2001， 25（2/3）： 227-233.
[36]REARDON T， BERDEGUé J， ESCOBAR G. Rural nonfarm employment and incomes in Latin America： overview and policy implications[J]. World development， 2001， 29（3）： 395-409.
（责任编辑：刘照胜）
