基于土地要素的农户行为决策模型分析——以陕西省米脂县姜兴庄村为例

陈姗姗，刘　康，陈　海，芮　旸

(西北大学 城市与环境学院, 陕西 西安　710127)



基于土地要素的农户行为决策模型分析
——以陕西省米脂县姜兴庄村为例

陈姗姗，刘康，陈海，芮旸

(西北大学 城市与环境学院, 陕西 西安710127)

微观经济主体农户行为决策受多因素影响。土地要素是表征农户投资与收入行为的重要因子。农户满意度行为分析可反映农户有限理性种植决策选择机制。两者结合,可表征土地利用变化驱动因子,优化农地景观格局。论文以陕西省米脂县姜兴庄村为例,通过建立土地要素投资收入实证模型、农户效益模型和满意度Probit模型,利用2009—2012年地块与农户调研数据,分析农户土地利用决策影响因素。结论为:①土地碎化程度(-0.279)和土地质量整体状况(0.272)对农户流动资金投入影响强度高;土地灌溉条件(0.165)和土地质量整体状况(0.154)对农户农业收入影响显著。②模型模拟与实测最优对比结果:7.5%，10.6%，20%,轮种混种比例明显占优,体现了农户的满意度偏好决策方式。Probit 模型较好地模拟了农户决策行为态度。其中农业活动收入、耕地面积、政策虚拟显著相关。

农户;土地要素;probit行为决策模型;姜兴庄村

生态脆弱区农户土地利用与生计多样化问题逐渐成为研究的聚焦点[1-3]。农户土地利用研究主要集中两个方向：①基于土地资源阐述农户用地行为与农地格局变化驱动机制;学者们主要从土地要素和资源禀赋[4]、土地质量[5]、土地流转[6]等几个方面展开研究。②基于农户决策研究农业系统土地变化与影响因素。包括:农户有限理性研究[7]、农户决策行为建模[8]、不同类型农户土地利用投入、效率、和影响因素分析上[9]。

土地资源是农业生产的物质基础,土地要素是农户行为决策的重要依据。农户是农业生产中最关键的决策单元。土地效用与禀赋条件会因农户自身特质而产生差异,土地质量会因农户规避风险差异而产生影响,土地流转也会受农户态度因素的制约。所以该角度较缺乏考虑农户决策行为与偏好满意度的影响。农户行为决策是土地格局变化的重要依据。研究决策者投资行为、主观规范、偏好满意度不但能很好地解释微观农户土地利用的过程机理,而且相比土地要素的“凝固化”状况而言,决策者与土地利用行为之间能更好地呈现出动态性和相关性[10]。本文以农业土地要素投入与收入为基础,集合有限理性、最大效用模型、空间多项式Logistic和Probit模型,研究土地要素对农户生产行为影响,深入分析地块诸因子对农户种植行为的约束力,补充农户满意度决策对土地利用的影响。将土地资源与农户决策两者结合,旨在将农户决策机制与土地利用地块信息耦合起来,使构建模型更加全面、实用,对构建整体决策模型打基础。

1　数据与方法

1.1研究区简介

姜兴庄位于陕西省米脂县,属于黄土高原丘陵沟壑区。全村共154户,670人,其中劳动力约292人。耕地类型多样,山地发展经济林。耕地面积266 hm2,坝地12.13 hm2,梯田5.33 hm2。梯田和台坝地种植粮食与经济作物,包括红葱、玉米、土豆、谷子和豆类等。村民收入以农业、经济林为主。该村农户人均耕地面积多,水土保持与退耕政策影响相对较小,多样的土地利用方式和异质化农户群体使该研究区更具有欠发达区村域的典型性和多代表性。

1.2数据收集

1)农户数据收集处理:陕西省米脂县姜兴庄村2009—2012年农户数据收集,采用个案与群体问卷调查、实地调查验证、典型农户半访谈等方式,获取74份有效样本农户(户主决策者)调查数据。

2)地块数据收集处理:利用手持GPS 及航片(摄影比例尺为 1∶3.5 万,绝对航高 6 400 m,航摄仪类型为 RMKA,焦距为153.039 mm),获取姜兴庄地块权属图。运用ArcGIS工具将耕地利用的空间属性与农户属性相匹配。绘制样本区地图。

1.3土地要素对农户决策影响模型

本文为了与农户行为决策模型的效用机制联系紧密,针对性地从F投资、W收入两个方向讨论土地要素对研究区农户影响。实证模型为:

(F,W)=f(Xsc,XQ,Xsy)。

(1)

其中Xsc表示农户土地数量特征(Scale),变量因子包括劳均土地面积、土地相对贫困状况。土地相对贫困=1-农户土地面积/户均土地面积。XQ土地质量特征(Quality),包括细碎化程度、灌溉条件、交通条件、土壤肥力条件、土地质量整体状况等。

结合姜兴庄村长、会计与农户对地块赋值,按照差、较差、一般、较好、好等级得分1～5分。表示土地制度特征(System):农户土地承包经营权流转行为状况定义:是否转入或转出土地(是=1,否=0)。农户资金投入=(农药+化肥+种子+农家粪(等)投入)/农户土地总面积。采用二项分类Logistic模型进行运算检验和回归分析。表达式为:

W=α+β1XSc+β2XQ+β3XSy+ε。

(2)

W表示农户生产性资金投入或年纯收入,α为截距项,XSc，XQ，XSy分别表示土地数量、质量及制度特征要素,β1，β2，β3分别表示XSc，XQ，XSy的估计参数;ε为随机扰动项。

1.4农户行为决策的Probit模型

通过了解姜兴庄村农户自身异质性和有限理性决策。体现农户种植决策行为和土地要素之间的关系。构建0-1型农户行为满意度Probit模型,形式为:

(3)

其中:Y=(1,采取相应的决策，0,不采取决策);农户种植满意度函数为农户调整意愿=Z(收入,家庭特征,个人特征,政策变量)+随机扰动。根据样本数据,农户偏好行为有两种:愿意就目前的经营状况进行调整(M=1)或是保持现状(M=0)。本文用一组向量表达农户土地利用决策。

2　结果与分析

2.1土地要素对农户种植决策影响

2.1.1土地要素对农户生产性投资行为模型模拟与验证结果利用SPSS16.0软件建立多元线性回归模型并进行方差分析检验,F值为15.146,P<0.01,模型具有统计学意义。 土地要素影响强度排序为:土地碎化程度(-0.279)>土地质量整体状况(0.272)>转入耕地(0.250)>土地灌溉条件(-0.120)。农户流动资金投入额与土地碎化程度和土地灌溉条件与呈负相关关系。地块越分散,劳作成本越大,从而弱化了农户扩大化经营意愿,降低了农户对农地投入的积极性。这与黄土高原脆弱区尤为吻合。土地质量与耕地转入呈正相关,即土地质量越好,该村农户收益高、风险小、混种轮种易实现,农户积极性越高,越愿意转入耕地或扩大投资;姜兴庄农地灌溉条件受限性大,除水浇地与坝地投入比例高以外,其他类型耕地对农灌条件影响较大,农地灌溉条件越差,农地投入资金尤其是固定资本投入尤为明显。

2.1.2土地要素对农户农业收入的模型模拟与验证结果R值为0.766,R2值为0.559,F值为22.536,P<0.01,模型具有统计学意义;显著性检验与土地要素相关的变量共有3个。土地灌溉条件(0.165)>土地质量整体状况(0.154)>转入耕地(0.130)。3个显著变量均与农户农业收入呈正相关关系。土地灌溉条件越好的地块,农业产量很高,尤其是该村特色红葱收入明显提高。研究区水浇地种植玉米或瓜果蔬菜时收入可观。姜兴庄大面积种葱农户比较占优,土地整体质量差异会导致化肥与劳动力投入差异显著,收入显著提高。转入耕地与土壤肥力因子影响力较低是因为退耕还林与水土保持政策,导致耕地面积愈加受限,土地流转面积减少。部分研究区农地质量优劣是平均分配,(水浇地、坝地、梯田坡度等级均分)耕地质量受水因子影响大,肥力差异小。

2.2姜兴庄效益模型模拟结果与实际调查结果对比分析

结合姜兴庄村典型农户调查收支详情、村干部调查信息获取有效样本农户数据,取3年农产品每公顷价格的平均值,劳动力人数、时间和土地投入(2010年),计算农户种植作物净收益。结果最大值为农户理性最优选择种植作物类型。结合姜兴庄农户种植选择特征,本文取EV最大值排列前两个所对应的种植作物,调查统计得出实际农户选择种植作物类型与数量比例,两者比较结果(如表1所示)。

表1理性种植决策与实际农户决策结果比较

Tab.1The comparison between the result of the household′s rational decision-making and the actual survey results

EV理性最优实际调查A类农户种植决策选择结果葱土豆葱、土豆葱、土豆、玉米UA农户数比例/%07.6923.069.31B类农户种植决策选择结果葱、土豆葱、果树葱、轮种混种UB农户数比例/%C类农户种植决策选择结果UC农户数比例10.6葱200豆类031.7葱、玉米2057.7混种60

注:种植玉米地变更少,轮种即土豆、谷子、豆类轮耕,混种即葱、土豆、谷子、豆类、果树、蔬菜瓜果同期耕种。

由表1可知,3类农户选择EV理性最优的作物比例之和分别为7.69%,10.6%，20%。远小于农户总数50%,实际调研中轮种与混种占优。比例结果差异性显著,表明姜兴庄农户决策不遵循农地收益最大化,而是建立在诸多影响因素限制的满意度原则上。进一步证明了种植决策是土地要素特征和农户决策意愿共同作用的结果。

2.3姜兴庄农户决策Probit模型模拟

由表1模拟结果可知:收入变量3个因子对农户种植决策影响大,呈现较显著负相关;家庭特征变量中劳动力数值为0.29与农户决策显著正相关。耕地面积-0.57负相关性很大;通过不同意愿农户特征变量比较验证模型的合理与精确度,均值反映收益参数与影响因子对农户行为的影响力。综合土地要素、农户满意度行为偏好模型分析结果,按照影响姜兴庄农户用地决策从大到小程度,分析结果如下。

表2　Probit模型结果

1)收入变量与土地细碎化程度对研究区农户决策调整影响最为显著。姜兴庄农耕面积排居高渠乡第三(共有19个村),耕地占优,农地收入影响颇大,农业收入态势的稳定和增加会直接影响农户信心和扩大农耕面积的意愿。农、副业收入的好坏反映了农户依赖耕地收入的需求大小。姜兴庄正发展成为“一乡一业”红葱产业典型示范行政村。土地细碎化程度越高,越不利于农户生产性投资决策,农户会选择更保守的分布零散式种植方式,更会加重土地的分散使用,降低集约度,进一步阻碍土地要素功能,收入越低。耕地面积的规模化和地块的整体化不但能降低农地成本的“进出壁垒”,而且有利于该村农户对农地的有效分配以及红葱作物的三年轮替种收。

2)家庭耕地面积、劳动力数和土地质量整体状况对农户种植行为作用明显。耕地面积基础好的农户收入稳定。姜兴庄欠发达村域受干旱与病虫害影响较大,对于土地质量状况好的农户而言,不但可提高土豆和红葱这类受土地质量影响大的作物产量,而且可发展优势作物来获取可观收入。该村以精耕细作式传统农业为主,对于红葱这种三年生作物和种植大面积经济作物而言,劳动力数量尤为重要。

3)政策变量、家庭退耕面积与土地流转(主要为流入土地)因子对研究区3类农户土地利用决策影响较显著。政策主要体现在退耕补贴、土地租金以及红葱产业市场引导的间接影响上。退耕面积与土地流转则直接作用于农户种植意愿的选择,该村退耕与流出土地多的农户不会以理性方式去权衡利弊得失从而反复调整作业方式以追求最大收益,而是会选择兼种多类作物、轮种以及兼业务工方式获得收入。

4)性别、土地灌溉条件和技术因子差异性对农户调整意愿的行为偏好也有所影响。男性农户比女性农户种植经验更丰富,技术选择与接受行为更强,目的性与能动性占优。较优越的灌溉条件可有效促进农户的农资投入意愿,尤其是坝地玉米的投入和浇灌地蔬菜瓜果类的投入,同时也显著减少了劳力与时间的投入。红葱与经济作物(果树)对技术需求较高,该村要求达到无公害红葱产品和果树产品标准化,其他小规模种植的技术有效需求不高。

3　结论与展望

3.1主要结论

土地要素与农户行为属性对农户土地利用决策有很大的影响,本文基于陕西省米脂县姜兴庄村为例,通过土地要素对农户投资、收入行为影响与农户满意度决策分析模型模拟相结合,探讨了农户属性与地块信息耦合后的农户土地利用行为,得出以下结论:

1)农户流动资金投入与土地要素显著相关因子分别为:土地碎化程度(-0.279)>土地质量整体状况(0.272)>转入耕地(0.250)>土地灌溉条件(-0.120)。农户农业收入的影响因素中,通过显著性检验与土地要素相关的共有3个。分别为:土地灌溉条件(0.165)>土地质量整体状况(0.154)>转入耕地(0.130)。农户满意度决策变量结果占优有:农业活动变量、家庭耕地面积、政策虚拟变量等。这些因子相互影响共同作用于姜兴庄农户土地种植调整意愿。

2)效益模型与实测结果对比差异显著,说明农户决策行为偏好显著性高。0-1变量模型验证结果吻合性高。同时考虑农户行为属性与土地要素共同作用下的农户种植调整行为,能够更好地解释姜兴庄农户决策机理。

3.2研究展望

未来研究中,还需要对以下两方面进行完善:

1)针对性地扩大土地要素指标,增加土地区位与土地利用状况指标,使模型更具有空间属性表达力,为后续构建整体模型打基础。

2)姜兴庄村农户满意度行为选择结果显著,进一步完善农户决策影响因素,未来将农户风险与规避因子纳入模型定量化,使其更精确地表达农户种植意愿。

[1]ANKE N. The significance of diversification for rurallivelihood systems[J]. Food Policy, 2004,29(4): 321-338.

[2]BLOCK S, WEB P. The dynamics of livelihood diversifi-cation in post-famine Ethiopia[J]. Food Policy, 2001,26(4):333-350.

[3]阎建忠,张镱锂,摆万奇,等.大渡河上游生计方式的时空格局与土地利用/覆被变化[J].农业工程学报,2005,21(3): 83-89.

[4]高新才,滕海峰.土地要素对农户生产性投资行为的影响研究——基于甘肃省青城镇344家农户调查[J].兰州大学学报(社会科学版),2011,39(3):91-96.

[5]HOLDE S,SHIFERAW B,PENDER J. Non-farm Income,household welfare, and sustainable land management in a less favoured area in the ethiopian highlands[J].Food Policy,2004,29(4):369-392.

[6]BESLEY T. Property rights and Investment Incentives: Theory and evidence from ghada[J].Journal of Political Economy,1995.103(5):903-937.

[7]李亮.影响有限理性实现程度的因素分析[D].南京: 南京理工大学,2005.

[8]陈海,杨维鸽,梁小英,等.基于 Multi-Agent System 的多尺度土地利用变化模拟的构建与模拟[J].地理研究,2010,29(8): 1519-1527.

[9]HAPPE K, HUTCHINGS N J, DALGAARD T, et al.Modelling the interactions between regional farming structure, nitrogen losses and environmental regulation[J]. Agricultural Systems, 2011,104(3): 281-291.

[10] BOUSQUET F, LE PAGE C. Multi-agent simulations and ecosystem management: A review[J]. Ecological Modelling, 2004,176(3): 313-332.

(编辑徐象平)

Land element-based analysis of farmers′ decision-making about land use： A case study in Jiangxingzhuang village of Mizhi county, Shaanxi Province

CHEN Shan-shan, LIU Kang, CHEN Hai, RUI Yang

(College of Urban and Environmental Science, Northwest University, Xi′an 710127， China)

Micro-economic subject of household behavior decision-making is influenced by many factors. Land element is an important factor in farmers′ investment and income behavior. Farmers′ satisfaction behavior analysis can better reflect the household bounded rationality and behavior decision-making mechanism. A case was studied for Jiangxingzhuang Village of Mizhi County in Shaanxi Province.After establishing the Investment income empirical model and farmers′ satisfaction Probit model, using 2009—2012 household survey data to explain and analyze these differences and the influential factors. The conclusions can be drawn as follows: ①The factors in Land fragmentation degree(-0.279) and Land quality overall situation(0.272) have a significantly affect in farmers′ investment behavior. The factors in Land irrigation(0.165)and Land quality overall situation(0.154) have a significantly affect in farmers′ incomes behavior. ② There is a significant difference between the rational optimal decision and the farmers′ actual decision-making in Jingxingzhuang Village,which can illustrate that households′ bounded rationality plays an important role. The results revealed that the coefficient of agricultural income is 0. 65,the agricultural acreageis-0.56, Policy virtua land is 0.328, family farmland area is 0.41.All levels show the significant association, and is in line with the comparison between theoretical predictions and actual research.

rural household; land element; the probit model of behavioral decision; Jingxingzhuang Village

2014-03-11

国家自然科学基金资助项目(41271103，40901093)；教育部人文社科基金资助项目(10YJC790017)；陕西省教育厅基金资助项目(11JK0744)； 陕西省社科基金资助项目(2015D055)

陈姗姗,女,陕西宝鸡人,西北大学博士生,从事土地利用、决策模型研究。

K903

ADOI：10.16152/j.cnki.xdxbzr.2016-01-023