农户行为特征与农业科技需求"——基于对重庆市农户的调查

刘 明，王燕飞

（重庆市委党校 经济管理教研部，重庆 400041）

一、引 言

自20世纪50年代以来，农业科技需求的影响因素已成为国外学者关注的热点问题，研究内容大致可分为三类：一是单一或者几种因素对农业技术需求的影响。如 Wossink等人、Abdulai等人的研究，均发现知识是农户选择采用除草剂的重要决定因素［1－2］；Wubeneh等人揭示了家庭可用劳动力和对科技产品属性的了解会影响农户的科技需求，因为规模较小的家庭对使用高产品种、无机化肥和精耕工具更有压力［3］；Ransom等人认为农户的可支配收入对技术采用有积极效应，务农收入、非农收入以及可用信贷资源均能促进农户采用科技产品［4］。二是农业技术需求产生的内在模式。Polson等人将尼日利亚西南部热带雨林农户采用木薯高产品种的决定过程纳入定性选择框架内，发现当农户从事农业生产的目的从自给自足转变到为市场提供商品时，会做出采用农业科技产品的决定［5］；Negatu等人阐述了农户的主观观念和技术采用行为存在双向关系，因此外界环境对农户主观观念的影响是需求传导的另一个动力［6］；Marra等人均认为技术的采用涉及到一个动态过程，学习和采纳之间具有一段时滞［7］。三是如何开展行之有效的推广活动。Foti等人认为农户家庭的社会经济属性会影响其技术需求，因此应因地制宜，可为不同群体的农户设计合适的农业科技产品［8］；Adesina等人认为农户对技术产品属性的了解是决定是否采用技术的主要因素，这为推广农业科技产品提供了新方向［9］；Fufa等人发现耕种地区的基础设施和社会经济条件对农户行为具有一定影响，提出推广活动需要进行策略和程序上的规划［10］。

较之国外的研究，国内对该论题的研究起步较晚，且研究的重点集中在农业科技的供求、农业科技创新与成果转化等方面。高启杰认为中国农户素质低下导致需求拉动机制不明显，加之缺乏技术扩散机制，从而形成了农业科技成果的供求矛盾［11］；陈长民认为农业科技创新离不开有力、高效的投资支持［12］；李光明等人运用二元logit模型对影响农民采用农业技术的因素进行了实证分析，认为政府制度安排、农户文化程度等对农业科技的需求有显著的正向作用［13］；戴小枫等人从农业科技基础性工作、技术研究、技术转移、科技体制创新等层面，提出了入世后中国农业科技发展战略、优先领域的调整意见与政策建议［14］。

相对于国外研究的严谨，国内的研究偏重于理论概念的综合。在经验研究层面上，关于农户行为对农业科技需求影响的研究文献相对较少。鉴此，笔者基于对重庆市农户的调查数据，采用主成分分析法对影响农户科技需求的诸多行为特征进行归纳，提取影响农户科技需求的主要行为特征变量，并运用排序选择模型，探讨农户行为特征对农业科技需求的影响大小。

二、研究设计

（一）数据来源与样本选择

本文数据来源于笔者自2011年1月底至2011年6月初对重庆地区16个区县的实地调研①本调查所涉及的16个区县分别为：沙坪坝区、江北区、大渡口区、铜梁县、潼南县、涪陵区、长寿区、垫江县、梁平县、万州区、綦江区、巫山县、云阳县、南川区、秀山县、永川区。，调查对象为农村地区常住农户；采用问卷调查以及访谈法，采用随机抽样方法，对1 800户农户进行了调查，并根据调查员所反馈的信息进行有效性验证，从中剔除了前后矛盾的问卷，然后根据所有信息的填写完善度进行第二次筛选，最终获得有效问卷1 710份，有效率为95%，样本分布见表1。

由表1可知，调研样本的层次与地域分布广泛，具有显著的差异性和广泛的代表性；农业科技需求程度不高，且存在结构差异。整体而言，分层样本的科技需求均值多介于3～4之间，超出4的样本仅占总样本的16．3%，这表明农户科技需求不足。从分层样本的均值来看，不同性别、文化水平与生产部门的农户，科技需求跨度不大，差异不明显。农户科技需求存在地域差距，主城远郊农户的科技需求较低，需求均值为3．17；主城近郊与区县地区农户的科技需求均较高，需求均值接近于4。

表1 农户科技需求调查样本分布概况表

（二）描述性分析

在问卷设计时，为全面描述农户行为特征及其影响农业科技需求的机制，将农户行为特征分为以下四类：一是农户个体特征，包括年龄、家庭规模、文化水平3个指标；二是农户的社会文化行为特征，主要体现在农户之间的交流、技术共享、科技致富积极性、关注程度、主动尝试5个指标；三是经济行为特征，包括生产规模、总收入、务农收入、相对经济状况、农产品价格5个指标；四是其他外部因素，包括区域市场距离、交通、气候、政府职能等8个指标。问卷采用打分方式，各指标由低到高分为五个层次，分别赋以1、2、3、4、5分，各指标的定义及描述性统计见表2。

表2 指标定义及描述性统计表

三、农户科技需求影响因素分析

影响科技需求的农户行为较多，各种行为特征具有主次之分，且可能存在交互影响。为了全面概括农户行为特征，本文采用主成分分析法对各指标进行压缩。

首先，进行因子分析适用性检验。用KMO（Kaiser－Meyer－Olkin）指标检验样本数据是否适合因子分析，也可根据球形检验方法判断（见表3）。若KMO值越大，表示变量间共同因子越多，即越适合进行因子分析；若KMO值小于0．5，则不宜进行因子分析。由表3可知，样本数据的KMO值为0．735，且球形检验的误差概率低于0．05，表明可对其进行因子分析。

表3 KMO和Bartlett检验表

其次，采用主成分分析法提取公共因子，并采用方差最大化方法进行因子旋转，得到各个因子对总变异水平的方差贡献和因子载荷矩阵（见表4）。旋转发现，前7个公共因子的特征值均大于1，累积方差贡献达到84．214%，能较好说明整个变异水平的绝大多数情况。

表4 提取因子结论表

由因子载荷矩阵可知，第一公共因子SC反映了农户对科技致富积极性、关注程度、主动尝试指标的评价情况，揭示了农户自觉自愿认识、采用科技成果的情况，因此将其命名为科技意识因子，因子得分大小表明科技意向的强弱；第二公共因子IC综合了交流、技术共享、技术有效性信息，体现了农户在生产实践中的技术交流行为，这是科技信息传播的前提，因此将其命名为信息交流因子，因子得分越高表明交流行为越活跃；第三公共因子IL在总收入、务农收入、相对经济状况方面具有较高的相关性，这类信息反映了农户的收益情况，因此将其命名为收益水平因子，因子得分越高表明经济效应越好；第四公共因子EP综合了市场距离、农产品价格、交通条件信息，体现了农业生产的经济条件，因此将其命名为经济型生产条件因子，其得分越高表明经济型生产条件越好；第五公共因子PH综合了务农补贴、政策优惠、强制性采用信息，这些因素均是政府职能的体现，因此将其命名为政策扶持因子，因子得分越高表明政府对科技推广的力度越强；第六公共因子SS综合了农户的年龄、家庭规模、文化程度方面的信息，体现了农户在农村的社会影响力，因此将其命名为社会地位因子，得分越高表明农户的社会影响力越大；第七因子NP综合了气候条件、土壤条件、区域发展信息，体现了农户所在地区的自然条件，因此将其命名为自然型生产条件因子，因子得分越高表明自然条件越好。

在提取公因子基础上，根据因子得分系数矩阵，可计算出各公共因子得分，并提取得到7个新的变量。新变量综合了初始变量的信息，也消除了初始变量间的相关性。本文采用排序选择模型，对这7个变量与农户科技需求之间的因果关系进行探索。

四、实证检验

（一）模型的构建

上文采用主成分分析法对农户的行为特征进行了整合，得到了新的变量。农户科技需求的五个层次之间具有优先顺序，故本文采用排序选择模型，进一步研究农户行为特征对农业科技需求的影响。为此，简单介绍排序选择模型的原理。

设SD＊i为农户科技需求量的隐变量（latent variable），不可观测，而可观测的是调查对象的农业科技需求SDi，且SDi的取值分别为1，2，…，5。潜在的农业科技需求量与农户行为特征存在以下的线性关系：

其中βj分别表示是第i个农户的j种行为特征变量的回归系数，j＝1，2，…，7，u＊i是独立同分布的随机变量。

在估计排序模型时，只需输入SDi和各个解释变量的观察值。SD＊i由各个解释变量作线性解释，一个典型的理解是把SD＊i认为是某种效用，效用的大小用数值衡量。根据SDi＊所对应的如下规则，对SDi进行排序分类：

其中c1、c2、c3、c4是决定SDi排序的门限值（threshold values）。排序模型要求，对于SDi＊而言，较大的SDi对应于较大的潜在变量SDi＊。根据ui＊的累积分布函数，可得SDi所对应的各值的概率分布，在此基础上，通过极大似然方程得到5个临界值。该临界值与系数一样，通过极大似然方法得到估计，以下为似然方程：

P（S Di＝h）为农户科技需求的概率分布值；I（·）为指示函数，当排序选择项与概率所指代的事一样时，该指示函数取值1，反之取0；h为农户科技需求的5个层次。根据分布函数类型，有3种常见的排序选择模型：Probit模型、Logit模型和Extreme value模型。本次调研的有效样本数n为1 710，样本容量较大，累积分布函数可视为服从正态分布，因此采用Probit模型。

（二）实证结果

以农业科技需求SDi为因变量，农户行为特征为解释变量，利用排序选择模型，分别建立线性回归方程。检验结果显示，在0．1的显著性水平下，科技意识、信息交流、政策扶持对农业科技需求作用显著，其它因子不显著。为了规避多重共线性，本文以解释力度最大的农户行为特征为核心解释变量，按照解释变量对因变量解释力度由大到小的顺序，依次引入其它变量，逐步回归结果如表5所示。

将表5中模型Ⅵ与其它各模型对比可知，依次加入IC、PH、IL、NP、SS变量后，其它解释变量仍然显著，模型整体的AIC指标基本保持稳定，且调整之后的对数似然值（Log likelihood）与LR值有所增加，这说明模型Ⅵ的拟合优度得到了提高；加入EP之后，Z统计量无法通过检验，其它指标也未得到明显优化，表明模型Ⅵ较为稳定，因此将其作为最终结果进行分析，模型Ⅵ的AIC值为2．232 9，LR值为136．426 0，拟合优度较高；Z统计量值均符合标准，表明解释变量对科技需求具有显著影响。

（三）排序选择及结论评价

根据上述实证结论，可得农业科技需求的标准方程与概率分布如下：

式（4）中的SD＊，由等号右边的变量作线性解释。式（5）的5个方程中，＠cnorm表示正态分布函数，4个参数（临界值）将正态分布分为5个区间，对应于不同的排序值。对于隐变量SD＊，当SD＊≤－2．570 1时，SD＝1，农 户 不 需 农 业 科 技；当－2．570 1＜SD＊≤－1．677 3时，SD＝2，农户不太需要农业科技；当－1．667 3＜SD＊≤－0．096 0时，SD＝3，农户对农业科技的需求一般；当－0．096 0＜SD＊≤1．044 2时，SD＝4，农户有些需要农业科技；当SD＊＞1．044 2时，SD＝5，农户很需要农业科技。

式（5）中的5个方程分别给出了不同层次科技需求程度的概率分布。计算得到各观测值的概率均值分别为0．05、0．08、0．33、0．28、0．25，即农户科技需求观测值落在第三、第四、第五层次的可能性较高，这表明农户对农业科技有着稳定的需求，但需求程度不高。表1数据也显示，科技需求程度的平均得分为3．60。同时，农户科技需求存在地域差异，调研发现对科技需求程度最高的，首先是居住在主城近郊的农户，其次是居住在区县的农户，而主城远郊农户的科技需求偏低，可能的原因是主城近郊的农户拥有市场、信息、交通等优势，务农收益较高，对农业科技产品的消费能力较强；区县的农户收入来源单一，对农业的依赖性较大，对科技产品需求较大；主城远郊地区不具备交通、市场优势，该地区农户为了提高收入，只能寻求非农收入，降低对农业的依赖。

（四）进一步分析

表5中回归结果显示，在0．1的显著性水平下，除了EP，各因子均对农业科技需求具有显著影响，现将其分类整理、分析如下：

科技意识因子SC在1%的显著性水平上对农业科技需求存在正向作用，回归系数为0．985 2，远高于其它解释变量，这表明这些农户行为是影响农业科技需求最主要的因素。因为科技意识体现了对科技的认知、信赖和偏好，只有具备了科技意识，才会对科技产生意向并主动采用科技产品。同时，根据“预期的自我实现”这一规律，若农户认为农业科技存在一定功效，具有采用技术进行农业生产的内在动力，最终取得的收益也会较高。由表2可知，这类变量得分均值在3．0左右，关注、尝试农业科技等变量的平均得分甚至低于3．0，表明农户科技意识的水平不高，这是导致科技需求不高最主要的原因。

信息交流因子IC对农业科技需求的影响是正向且显著的，回归系数为0．479 1。农户之间的交流行为有利于技术推广，受益于农业技术的农户，会借助于信息交流活动来寻求所需技术；生产规模较大的农户，对农业生产的依赖性较高，能主动参与技术交流活动，获知技术信息。因此，农户的信息交流行为越频繁，采用农业科技产品的可能性越高。由表2的调查结果可知，技术交流与技术共享变量的样本均值分别为2．88和2．57，表明农户在生产实践中较少进行信息交流，这是造成目前农户科技需求不足的重要原因。

收益水平因子IL在10%的显著性水平下，对农业科技需求具有正向影响。这一结论符合“经济人”假设，即农户是理性的，只有预期技术收益较高时，才会采用高成本的技术，因此高收入一般对应于高成本。在消费倾向水平不变时，一定的收入是消费能力的前提，收益水平越高，对农业科技产品的有效需求越多。表1数据显示，重庆地区农户生产的成本与收益均较低，这在一定程度上也能解释农户科技需求不高的原因。

政策扶持因子PH在1%的显著性水平上，对农业科技需求产生负向影响，回归系数为－0．365 2，负向作用较为明显。近年来，政府在农业技术上的投入不断增加，但收效甚微。实地调研发现：一方面，农户得到补贴后并未进行相关的生产活动，这种现象在发达区县尤为突出，发达地区的农户具有交通、信息等方面的优势，更可能将补贴用于非农产业；另一方面，过度的技术推广政策，使农户产生逆反心理。由此看来，目前的政策扶持未能促进农业科技推广，政府应寻求其它的政策扶持途径。

社会地位因子SS的回归系数为－0．138 5（Prob．＝0．093 7），表明该因子对农业科技需求具有显著的负向作用。该因子综合了农户的年龄、家庭规模、文化程度等方面的信息，说明年龄、家庭规模较大且文化程度较高的农户，其科技需求一般较低，这与中国的特殊国情有关。中国的社会保障体系不健全，年龄偏长、家庭规模较大的农户，一般承担着抚养老人和子女、教育子女等责任，经济负担较重，务农收入无法满足农户生活需要，促使其产生兼业行为或者转移至其它产业；未产生兼业行为、家庭规模较小的那部分农户，生存压力迫使其不得不使用无机化肥和精耕工具等农技产品；文化程度较高的农户拥有转移劳动力的比较优势，因此社会地位较高的农户，更易转移至其它行业，从而对农业生产的依赖程度降低，科技需求也随之减少。

自然生产条件因子NP达到10%的显著性水平，回归系数为－0．144 9，表明对农业科技需求产生一定的负向作用。该因子综合了气候条件、土壤条件、区域发展等信息，是农业生产的自然资源条件。这与本文的研究对象有关，在重庆地区特别是两翼农村地区，劳动人口大量转移，留守农村的老人、妇女从事农业生产的动力不足，对农业收益的期望值较低，甚至停留在维持生存的水平。这导致了自然条件较好地区的农户无需采用农业科技产品便能得到稳定的产出水平，并足够维持基本生活。因此自然条件越好，农业科技需求反而越低。

经济生产条件因子EP在10%的显著性水平下，未通过显著性检验，但对农业科技需求也具有一定影响。由模型Ⅶ、模型Ⅵ对比可知，加入第四主成分后，模型整体的拟合优度得到了提高，回归系数为－0．122 2，表明第四主成分对农业科技需求产生一定的负向作用，即经济生产条件并不能促进农户采用农业科技产品。经济生产条件综合了市场距离、农产品价格、交通条件等方面的信息，因此这些因素对农业科技需求有一定的负向影响。可能的解释是，开放的经济为农户提供了更多的就业渠道，务农收入不再是农村人口唯一的选择，便利的市场与交通促进了农村劳动力的兼业行为，农户对农业的依赖程度降低，因此农业科技需求不足；较高的农产品价格仅将难以转移的劳动力（如老人、儿童）留在了农村地区，这部分人口自给自足的比重较高，市场参与度较低，也难以产生对农业科技产品的高需求。因此，经济生产条件因子对农业科技需求产生混合效应，最终无法促进科技需求。

五、结论与启示

本文从农户行为特征出发，对影响科技需求的农户行为因素进行因子提取，并在此基础上对农户科技需求进行了实证分析，主要结论有：

第一，重庆地区农业科技需求程度不高，且存在地域差异。超过1／3的农户对农业科技产品的意愿仅处于中等水平，主城远郊农户的科技需求较低，而主城近郊、区县近郊、区县远郊地区农户的科技需求较高；第二，科技意识与信息交流等文化特征是影响农业科技需求的主要因素；第三，从农户行为的经济特征来看，收益水平对农业科技需求有正向影响；第四，农户的社会地位也是影响农业科技需求的重要因素，社会地位较高的农户，对农业的依赖程度较低，采用农业科技产品的意愿较小。此外，农户所在地区的自然型生产条件、经济型生产条件、政策扶持等因素，均在一定程度上影响了科技需求。

基于上述分析，可得到以下政策启示：一是应增强农户的科技意识。如建立科技示范基地，直接向农户展示农业科技对农业增产增收的作用；发挥大众媒体和社区邻里对农业科技推广的积极作用，推动农业新技术的普及应用；二是规范农产品市场和农业科技产品市场，杜绝投机欺诈行为；三是调整财政支农结构与支农形式，切实提高技术效益。如建立农业生产保险机制，稳定务农收益，发展专业合作组织，将农民转化为产业工人；四是应加快落后地区的农业基础设施建设，尤其是在交通、水利等方面。

［1］ Wossink G A A，de Buck A J，van Niejenhuis J H，et al．Farmer Perceptions of Weed Control Techniques in Sugarbeet［J］．Agricultural Systems，1997（3）．

［2］ Abdulai A，Huffman W E．The Diffusion of New Agricultural Technologies：The Case of Crossbreeding Technology in Tanzania［J］．American Journal of Agricultural Economics，2005（3）．

［3］ Wubeneh N G，Sanders J H．Farm－Level Adoption of Sorghum Technologies in Tigray，Ethiopia［J］．Agricultural Systems，2006（1－2）．

［4］ Ransom J K，Paudyal K，Adhikari K．Adoption of Improved Maize Varieties in the Hills of Nepal［J］．Agricultural Economics，2003（3）．

［5］ Polson R A，Spencer D S C．The Technology Adoption Process in Subsistence Agriculture：The Case of Cassava in Southwestern Nigeria［J］．Agricultural Systems，1991（1）．

［6］ Negatu W，Parikh A．The Impact of Perception and Other Factors on the Adoption of Agricultural Technology in the Moret and Jiru Woreda（district）of Ethiopia［J］．Agricultural Economics，1999（2）．

［7］ Marra M ，Pannell D J，Ghadim A A．The Economics of Risk，Uncertainty and Learning in the Adoption of New Agricultural Technologies：Where Are We on the Learning Curve？［J］．Agricultural Systems，2003（2－3）．

［8］ Foti R，Gadzirayi C，Mutandwaf E．The Adoption of Selected Soil Fertility and Water Management Technologies in Semi－Arid Zimbabwe：An Application of the Tobit Model［J］．Journal of Sustainable Development in Africa，2008 （3）．

［9］ Adesina A A，Zinnah M M．Technology Characteristics，Farmers＇Perceptions and Adoption Decisions：A Tobit Model Application in Sierra Leone［J］．Agricultural Economics，1993（4）．

［10］Fufa B，Hassan R M．Determinants of Fertilizer Use on Maize in Eastern Ethiopia：A Weighted Endogenous Sampling Analysis of the Extent and Intensity of Adoption［J］．Agrekon：Agricultural Economics Research，Policy and Practice in Southern Africa，2006，（1）．

［11］高启杰．农业科技成果的供求矛盾与对策研究［J］．中国农村经济，1995（9）．

［12］陈长民．陕西农业科技创新投资问题研究［J］．西安财经学院学报，2012（4）．

［13］李光明，徐秋艳．影响干旱区农户采用先进农业技术的因素分析［J］．统计与信息论坛，2012（2）．

［14］戴小枫，吴敬学，陈印军．中国农业科技发展战略思考［J］．中国软科学，2002（10）．