基于农户视角的秸秆还田技术采纳支付意愿影响因素研究

周颖 甘寿文 祖君鸣 杜艳芹

摘要 基于河北省保定市徐水区502份调查数据，运用意愿价值评估方法，结合Logistic回归模型分析手段，构建耦合个体禀赋、生产经营、环保认知、社会资源、政策偏好等因素的秸秆还田技术采纳意愿评价模拟模型，定量分析秸秆还田费用支付意愿影响因素。结果表明，正向影响支付意愿的因素由强到弱为秸秆用途、问题求助、技术培训措施、粉碎费用、农药费用及销售收入；负向影响支付意愿的因素由强到弱为采纳别人意见、家庭总收入及化肥费用；样本总体的支付意愿平均水平为724.8元/hm2。鉴于北方地区农户秸秆还田技术采纳意愿较低，技术决策中应充分考虑农户的意愿和偏好，建立和完善农民参与政策项目的保障机制；搭建农村信息交流共享平台，提高农民的知识水平和操作能力；建立生产环节长效动态激励机制，引导农户环境友好型生产行为。

关键词 秸秆还田技术；意愿价值评估法；支付意愿；影响因素；计量经济模型

中图分类号 S-9 文献标识码 A 文章编号 0517-6611（2017）29-0214-07

Determinants Affecting Farmers Willingnesstopay for Adopting Straw Countersfield Technology from View of Farmers

ZHOU Ying1， GAN Shouwen1， ZU Junming2 et al

（1.Institute of Agricultural Resources and Regional Planning， Chinese Academy of Agricultural Science， Beijing 100081；2.Xushui Agriculture Bureau in Baoding City，Hebei Province，Baoding，Hebei 072550）

Abstract Based on the survey data of 502 households in Xushui District， Baoding City，we applied the contingent valuation method （CVM） and the logistic regression Model， constructed the simulation model of evaluating the adoption willing for straw countersfield technology including individual endowments， production and management， environmental awareness， social resources and policy preferences characteristic variables. We put forward the determinants affecting willingnesstopay for adopting straw countersfield technology. The positive impacts of willingness to pay from strong to weak were straw use， problem assisting， technical training， crushing costs， pesticide costs and sales revenue， and the negative impacts from strong to weak were adopting the views of others， the total household income and fertilizer costs. The average level of willingness to pay is 724.8 yuan/hm2. In view of the low willingnesstopay for adopting straw countersfield technology in the northern China， the government should take the following effective measures： taking full account of farmers wishes and preferences for decisionmaking， establishing the safeguards mechanisms for participating projects for farmers， and building the rural information exchange platform to promote the knowledge level and operational capability of farmers， establishing the longterm dynamic incentive mechanism of production link to guide farmers environmental friendly production behavior.

Key words Straw crushing returning technology；Contingent valuation method （CVM）；Willingnesstopay （WTP）；Influence factors；Compensation policy；Econometric model

作者簡介 周穎（1975—），女，北京人，副研究员，博士，从事农业生态补偿研究。

收稿日期 2017-07-12

秸秆还田技术是保护性耕作的一项重要内容，其利用作物秸秆残茬覆盖地表，培肥土壤地力和减少水分无效蒸发[1-2]，加强资源节约和环境保护[3]，已成为全球普遍推广应用的绿色环保农机化技术。美国、加拿大、巴西等国的秸秆还田技术应用面积已占本国耕地面积的40%～70%[4]。我国从20世纪70年代起开展保护性耕作技术和理论研究，现已在全国15个省（区、市）开展项目示范推广，小麦、玉米、水稻等主要农作物秸秆还田面积已接近总耕地面积15%。截至2015年，全国小麦、玉米、水稻三大粮食作物的机收率已经达到92%、63%和86%[5]。尽管秸秆还田技术在我国得到重视和长足发展[6]，但是玉米机械化收割依然是短板，农民对玉米秸秆还田仍缺乏足够的重视和了解。

秸秆还田技术具有良好的土壤效应、生物效应和农田效应[7-9]，对农田生态环境带来非负的效益或福利而表现出显著的正外部性[10]。由于技术活动的边际私人收益小于边际社会收益，所以政府因外部经济而带来的效用应该给予农户报酬和鼓励。我国从2004年起推广保护性耕作及秸秆还田奖补试点，逐年加大农机购置补贴力度，大幅度提高购机的积极性。农机市场爆发式增长背后是更多的农机大户享受补贴优惠，但对于广大农民来说，采纳秸秆还田技术表现出的显著正外部性，却没能由政府通过补贴手段来纠正。农业生产的弱质性特征导致粮食作物需求收入弹性小，在市场上与其他产业竞争必然产生“外溢效应”[11-12]。由于缺乏有针对性的补贴政策，生产投入额外成本不能内部化解决，农民参与环境保护和清洁生产动力不足，导致现阶段秸秆还田技术推广依然面临困境。

因此，在农业技术活动中建立一种合理、有效的补贴政策机制，充分发挥生产经营主体的能动作用，是弥补因“政策失灵”和“市场失灵”造成农业可持续发展困境的有效途径。该研究针对我国现阶段在农业技术补偿政策机制及公众参与机制等方面存在的问题，基于河北省保定市徐水区502份农户调查数据，运用国际上最普遍的对环境物品非市场价值评估的意愿价值评估法（contingent valuation method，CVM）和Logistic二分类回归模型，从农户视角定量提出秸秆还田技术应用支付意愿决定因素，摸清影响因素在一定环境条件下的耦合关系和作用机制，并对其强度进行排序，以期为技术决策及环境保护提供参考和服务。

1 研究综述

农业生态补偿政策是国际社会支持和保护农业发展的重要激励手段，20世纪80年代起国外学者围绕保护性耕作技术应用影响因素及补偿机制开展了探索研究。大多数研究基于计量经济模型手段，分析技术应用行为的决定因素，其结果为各国政府制定有效的农业生态补偿政策提供科学依据。Norton等[13]分析農户采纳农业清洁生产方式的决策过程，认为只要补贴不小于农户的采纳意愿，农户就愿意采纳污染控制技术；如果这种技术能够改善农田环境质量，那么农户的采纳意愿就小于采纳这种技术所造成的利润损失；信息与技术支持政策能够改变农户的利润函数与效用函数，从而降低农户的采纳意愿。Derpsch等[14]系统梳理全球30个国家和地区保护性耕作技术发展现状，提出影响技术采纳的因子包括思想认知、技术方法、机械设备、除草药剂及激励性政策。Davey等[15]基于43 573份样本的Probit计量模型分析认为，影响加拿大牧场地区保护性耕作技术采纳意愿的因素有农场规模、与研究地点接近程度、土壤类型及受教育程度；Babcock等[16]重点分析了农业项目投入与保护性耕作技术采纳意愿的关系。Kurkalova等[17]提出可直接估算保护性耕作技术采纳补贴标准的方法， 以爱荷华州为例，运用意愿价值评估法计算平均补贴标准为玉米5.93美元/（hm2 ·a）， 大豆8.65美元/（hm2 ·a）。

国内学者2000年以来开展以秸秆还田为主的保护性耕作技术效果及采纳意愿研究，大多数研究基于农户微观层面数据，定量分析技术采纳行为的政策、环境和家庭属性等影响因素。方松海等[18]研究农户禀赋各因子对于保护地生产技术采纳决策的影响作用，结合Logistic回归模型分析摸清明显倾向于采纳及不采纳技术的农户特征，并为政府制定推广政策提供建议。葛继红等[19]基于江苏省376户调查数据，运用Probit模型分析了影响农户选择配方肥技术的因素，运用Tobit模型分析影响配方肥施用比例的因素，结果表明：农户科学施肥能力特征和信息技术可得性特征对配方施肥技术选择与配方肥施用比例有更显著的影响。钱加荣等[20]以河南和江苏两地151份问卷数据为依据，运用Logit模型对秸秆还田技术补贴政策实施效果进行实证分析，研究表明：年龄、教育程度和秸秆还田机械质量等因素显著影响技术采纳意愿。王艳等[21]实证分析了花生种植户机械化耕作、播种和收获技术采纳行为的影响因素，研究得出：以非农收入为主的农户家庭收入对技术采纳具有显著负向影响；花生用地、示范户特征和农机补贴等对技术采纳具有正向影响。王文信等[22]分析黄淮海地区农户种植苜蓿的影响因素，建立幼稚价格预期模型，证明针对其他作物的种植补贴不会显著影响苜蓿种植面积，增加苜蓿供给能有效降低饲料粮供给压力。郭霞等[23]基于对山东省粮食作物和经济作物种植农户的调查，应用Logistic模型和区间回归模型，探讨影响农技推广服务外包农户支付意愿及水平的影响因素，得出农户受教育程度、种植成本和作物用途、技术作用认知等因素显著影响支付意愿和水平。

近年来，国内学术界重视农业环保技术采纳行为意愿影响机理方面的研究，虽然大多数研究在方法上借助计量经济模型工具，但是选择国际上最流行的意愿价值评估方法（CVM）的研究案例仍不多见。CVM方法不仅是目前国际社会广泛采用的衡量非市场环境物品价值的重要方法，也是社会科学中定量化行为研究的有效手段。CVM是在假想市场环境下，直接询问受访者对于某一环境物品或资源保护措施的支付意愿（willingnesstopay，WTP）或因环境受到破坏及资源损失的受偿意愿（willingnesstoaccept，WTA），以WTP和WTA来评估环境服务的经济价值[24-25]。CVM采用社会调查方法来收集数据，引导受访者对环境物品和服务做出定价，对于缺乏真实市场价格信息的环境物品价值评估独具优势[26]。CVM方法至今依然没有成为官方认可的生态补偿标准判定方法，其原因是CVM采取假想市场揭示偏好，在评估中出现策略性偏差、手段偏差、資料偏差及假想偏差等，使人们对其信度和效度缺乏信任[27]。鉴于此，该研究尝试通过合理的技术途径和对策措施规避CVM的偏差和可能产生误差，以期获得更为科学的评估结果，并为提高我国农业生态补偿领域CVM应用的有效性和可靠性积累经验。

2 数据来源与研究方法

2.1 研究区概况

保定市徐水区是河北省中部的产粮大县，现辖14个乡镇的304个行政村。全区农业生产条件优越，为典型的冬小麦/夏玉米一年两熟制；常年各类农作物种植面积约7.2万hm2。2013年，全区粮食作物面积约5.9万hm2，其中：小麦播种面积2.8万hm2，玉米播种面积2.9万hm2；农业机械总动力887 255 kW，大中型拖拉机1 583台[28]。秸秆年产量大约70.6万t，其中：小麦秸秆约24.8万t，玉米秸秆约42.5万t，其他农作物秸秆约3.3万t。年秸秆还田面积4.6万hm2，还田量49.4万t，分别占种植面积和秸秆总量的63.5%和70.1%；青贮、氨化秸秆10.8万t，占秸秆总量的15.3%。全区秸秆综合利用率保持在87.3%，秸秆未被利用率为12.7%；小麦秸秆还田比例达到100%，玉米秸秆粉碎还田的比例达85%，仍有较大的推广空间。全区现有秸秆粉碎还田机1 300台，每个行政村拥有3～4台秸秆粉碎机，可见机械化装备水平已不是秸秆还田的主要障碍。

2.2 数据来源

采用目标抽样与分层抽样相结合的方法获取数据。第一阶段目标抽样，考虑全区种植业总体布局，选择中东部以粮食生产为主的10个乡（镇）作为目标区域。第二阶段分层抽样，参照当地有关专家及农业技术员的意见，根据各村生产条件及秸秆还田的实施现状，将10个乡（镇）划分为3个层次：安肃镇、崔庄镇、遂城镇和高林村鎮生产条件最好为第一层；东史端乡、漕河镇、留村乡生产条件较好为第二层；大王店镇、正村乡、大因镇生产条件一般为第三层。每个层中的各乡（镇）分别抽取2个行政村，共计20个行政村，每个村随机选择26户受访者构成样本总体。调查时间为2014年7月10—16日，问卷内容涉及2013—2014年冬小麦和2013年夏玉米生产情况。 该次调查收集问卷共计513份，不合格问卷有11份，有效率达97.9%。以502份有效问卷作为研究的数据来源，符合样本容量整体要求故研究有代表性。

为了尽量避免CVM可能产生的偏差，该研究采取了以下有效措施：一是在安肃镇、漕河镇、留村乡开展预调查，以考察和提高问卷质量；二是向农户发放《秸秆粉碎还田技术讲解》手册，集中讲解秸秆还田补贴政策情况；三是向参与问卷调查的农户发放误工费，标准为30元/人，以模拟补贴实施的真实市场情况；四是采取面对面访谈形式，获取个体属性和外部因素相关信息；五是创新性地在核心估值问题后设计后续确定性问题，以提高支付意愿表达的准确性。首先，假设政府资金有限不能负担全部的玉米机械收割费用，询问受访者是否愿意自己支付部分秸秆还田费用。如果受访者愿意支付（WTP>0），则询问受访者最多愿意支付的额度。WTP投标值按单位面积秸秆粉碎与旋耕费用之和设定，共分为11个选项，最高值为110元以上。其次，设计“10”刻度量化表，受访者对某个投标值回答“是”之后，请其在10刻度量度表上选择支付意愿的可能性（图1）。根据后续问题的回答对WTP的选项值进行修正，即将确定度小于某一数值的回答并入“不太愿意”[29-30]。该次调查的确定性门槛定为“8”，凡是答案选择小于或等于“8”均被认为是“不太愿意”，通过校正进一步量化行动意愿的真实可能性。

2.3 模型构建

基于农户调查横截面数据，选择经典的Logistic二元离散模型作为分析工具。Logistic回归模型是最成熟也是应用最广泛的分类模型[31]，能把（0，1）上预测概率的问题转化为在实数轴上预测一个时间发生的机会比问题，普遍应用于经济决策领域的研究[32-33]。该研究将秸秆还田费用支付意愿作为离散型因变量，运用Logistic模型的逻辑概率分布函数如下：

Pi（t=1|Xi）=F（α+βXi）= 1 1+e-（α+βxi） （1）

1-Pi== 1 1+e-（α+βxi） （2）

式中，t表示是否非常愿意支付秸秆还田费用；Xi为影响支付意愿的因素；对于给定Xi，Pi是非常愿意支付的概率，1-Pi为不太愿意支付的概率，Pi /（1-Pi）为非常愿意与不太愿意支付行为的发生比。经过变换可得Logit回归模型：

Logit（P）= ln（ P 1-P ）=β0+β1X1i+β2X2i+…+βkXki+μi，k=1，2，…，n；i=1，2，…，n （3）

式中，P/（1-P）表示是否非常愿意支付还田费用（即粉碎与旋耕费用之和，被解释变量）；Xi（i=1，2，…，n）表示支付意愿影响因素（解释变量）；β0为常数项（截距），β1，β2，…，βk表示回归系数；μ为随机误差项；k为解释变量的个数；n为调查样本容量。

2.4 变量选择

模型引入的解释变量有4组，参照《徐水县国民经济统计资料（2011—2013年）》，变量赋值及预期影响判断见表1。由表1可知，个体属性变量，包括性别、年龄、受产成本及秸秆用途；环境及社会资源变量，包括对土壤污染关注、信息来源途径、问题求助对象以及对别人意见采纳情况；政策认知变量，包括秸秆还田补贴、粮食价格政策认知以及惠农政策排序。

3 结果与分析

3.1 样本总体特征

受访者是户主的有339人，占总人数67.5%，户主中男性受访者295人，占户主人数的87%。受访者年龄结构中，46岁以上的中老年人占84.66%，35岁以下青年人仅占3.19%，反映了当前农村劳动力年龄总体出现老年化态势。受访者每年劳动时间累计不超过3个月占样本的83.47%，表明农业机械化普及极大提高劳动生产率。户均耕地面积为0.35 hm2，耕地0.40 hm2以下的占72.31%。家庭总收入数据获取难度较大，大多数受访者能在调查员引导下估计，其中：家庭總收入在1.1万～3.0万元的占总人数的48.4%。玉米生产成本费用组成见图2：机械费用所占比例最高，为43.68%，化肥费用为33.91%，种子费用占994%，灌溉费用占7.61%，农药费用最少，为4.86%。

在502份有效问卷中，有404人表示“非常愿意”支付部分秸秆还田费用（WTP>0），占样本总体的80.48%；有98份表示“不太愿意”（WTP=0），仅占样本总体的19.52%。受访者支付意愿的分布如图3所示：支付意愿的分布出现2个峰值，分别是300元/hm2以下（占22.5%），751～900元/hm2（占18.3%）；样本总体支付意愿均值为724.5元/hm2。

3.2 单因素统计分析

表2进一步分析了单一影响因素与支付意愿之间相关关系。

3.2.1 个体属性的影响。初中及以下文化程度的占样本总体86.85%，文化程度越高农户越愿意支付秸秆还田费用。年龄在56～65岁的占样本总体35.26%，该年龄组的支付意愿高于其他年龄组，表明中老年人作为家庭的主要劳动力，还是非常愿意为改善耕地质量而增加投入的，因而表现出较高的支付意愿。家庭经营收入在2.1万～4.0万元，占总人数的53.78%，随着收入增加其非常愿意支付意愿反而减小，说明中等和较高收入家庭并不愿意在农业生产上增加投入。此外，使用机械收割方式的受访者不太愿意支付的比例明显高于不使用机械收割的农户，说明机械收割方式对农户支付意愿有显著的负向影响。

3.2.2 环境及社会因素方面的影响。受访者认为投入品引起土壤污染的占73.11%，其中非常愿意支付秸秆还田费用占72.03%，说明农民的环保意识逐渐增强，生态环境问题正在引起农民的关注。生產中遇到问题经常求助于周边村民的占样本总体的50.59%，其非常愿意支付费用的占5644%，远高于不太愿意的比例；有问题不求助别人且不太愿意支付还田费用的比非常愿意支付的高29.9%。可见，社会资源比较丰富且沟通交流广泛的农户对于秸秆还田改善环境的作用认识更深，因而更愿意支付粉碎还田费用。

3.2.3 政策因素方面的影响。在了解购机补贴政策的受访者中，有更多的人表示不太愿意支付秸秆还田费用，说明我国现行的秸秆还田技术补贴试点均依托农机购置补贴政策来实行，针对农机装备进行补贴，受益者是农机大户及农机手，农户参与的积极性并不高。然而，当提出将实施针对农户的秸秆还田补贴政策时，农户非常愿意支付的比例明显高于不太愿意的比例，说明政策的激励作用效果显著。

3.3 多因素回归分析

运用SPSS 19.0统计软件的基于Wald统计量的前进法，以是否愿意支付秸秆还田费用（即秸秆粉碎和旋耕费用之和）为被解释变量，将解释变量进入模型进行二元Logistic回归分析。在0.05显著水平上进行回归模型的拟合优度检验、汇总检验和偏回归系数显著性检验。首先，模型的Hosmer-Lemeshow 拟合优度检验结果显示：检验统计量概率高于显著性水平α，因此可以判断没有充分的理由拒绝被解释变量的观测值与模型预测值不存在差异的零假设，表明在0.05显著性水平上模型的估计拟合了数据且预测准确率达86.10%。其次，模型汇总检验结果显示：Cox& Snell R2值和Nagelkerke R2值分别是0.215和0342，对数似然值为374.324，说明模型可以解释被解释变量30%以上的变动，模型的拟合优度较好。第三，模型偏回归系数检验结果见表3。相关系数矩阵中的元素值显示，各变量之间无高度相关性，不存在多重共线性的问题，回归方程有统计意义且结果可信。

（1）个体属性变量中家庭总收入在0.01水平上通过显著性检验，并且与支付意愿呈显著负相关，与假设一致。说明家庭总收入越高的农户越不愿意增加农业生产技术投入，因为对于高收入家庭来说农业收入已經不是主要经济来源，若再增加农业方面投资意义不大。

（2）生产经营变量中有5个解释变量通过显著性检验。化肥费用在0.01水平上显著负向影响支付意愿，由于施用化肥是保障粮食增产和稳产的主要措施，秸秆还田相比化肥的增产作用是长期而缓慢的，所以化肥投入较高的农户更重视短期内的效果和收益，并不愿意为秸秆还田增加投入。农药费用在0.05水平上显著正向影响支付意愿，大多数农户认识到施用农药会污染土壤，从秸秆还田提高土壤肥力状况考虑，非常愿意支付粉碎还田费用。 粉碎费用在0.01水平上显著正向影响支付意愿，说明农户的支付意愿与生产行为是一致的。销售收入通过0.05的显著性检验且参数为正，即玉米种植获得收益越高越愿意支付机械服务费用，说明农户比较认可机械化生产方式给农业生产带来的显著变化。秸秆用途在0.01水平上显著正向影响支付意愿且偏回归系数较高，表明对于玉米秸秆的处置除非青贮或送人，农户依然会选择秸秆还田这种环保方式，不管政府是否实施补贴政策。

（3）环境及社会变量中问题求助及采纳别人意见2个变量通过显著性检验。农户遇到问题是否求助亲戚朋友或周边村民在0.01水平上显著正向影响支付意愿，若农户在生产中经常向别人求助表明其思维比较活跃，对于农业生产及环境保护的知识获取欲望较强，越倾向于从事环保型生产行为，故表现出较强的支付意愿。反之，思想僵化、知识贫乏的农户，并不关心生产对环境的负面影响，因而支付意愿较低。采纳别人意见通过0.01的显著检验且方向为负，原因可能是完全采纳别人意见的农户在生产中缺乏独立思考的意识和能力，对秸秆还田的环境效应认识不足，在犹豫不觉地回答中表现出较低的支付意愿。

（4）政策认知变量中惠农政策排序第三位因素显著影响支付意愿。惠农政策排序虚拟变量是农户根据自己理解将现行的五项惠农政策按照重要性排序。惠农政策重要性排序第三位是“加强培训”，即：当农户认为加强教育培训政策排序第三，其“非常意愿”支付秸秆还田费用的意愿最高，表明大多数农户认为增加科技培训和技术推广服务讲座对于推广环保技术还是很有必要的。

4 结论与建议

4.1 结论

运用意愿价值评估法（CVM），引导获取北方旱作区农户对于国家大力推广的秸秆还田技术的机械收割费用的支付意愿，构建Logistic是模型实证分析了粮食作物农户秸秆还田技术采纳行为意愿的影响因素，得出以下结论。

4.1.1

家庭收入主要来源是技术采纳意愿的决定因素。以农业收入为主要经济来源的农户对绿色环保农机化技术有较强的采纳意愿，主要是由农业收入的主导地位决定的。种地农户在追求高产量、高收入的同时，非常迫切地希望改善农业生产条件、提高农业技术水平。因此，他们希望体验新技术成果给生产带来的新变化，即使会增加成本投入也在所不惜。反而以非农业收入为主要经济来源的家庭，更愿意将精力和物力投入到非农行业中，对农业生产关注程度普遍降低。

4.1.2

生产辅助能投入是影响技术采纳意愿的关键因素。生产经营成本中化肥投入对于技术采纳意愿具有显著负向影响，化肥施用仍是保证粮食产量的重要措施，农户不会关注对于土壤环境质量的影响，因而不愿意使用秸秆还田技术。农药投入影响方向与化肥投入相反。结合农户调查可知，大多数人已经认识到农药更容易引起空气、土壤及水质的污染，希望通过秸秆还田改善土壤理化性状和病虫害状况，确保粮食产量不降低。因此，研制推广能够替代化肥的有机肥料，引导农户通过轮作、科学管理及生物防治等措施预防农田病虫害，能有效引导农民采纳秸秆还田技术。

4.1.3

社会资源丰富程度是技术采纳意愿重要促进因素。农业生产劳动是在一定的社会交往、社会活动中实现的，个体的生产动机和行为不可避免地受到各种社会因素的影响；人们在各种各样的信息、观念、信仰等碰撞下，转变为人的动机、情绪和态度，并最终形成明确的行为导向。社会关系对于农民来说是一种稀缺资源，生产信息获取渠道、邻里亲戚关系及社会资源分享情况等直接影响行为决策。农户的社会关系资本越丰富，其获取的生产信息来源渠道越广阔，对环保技术的认知和接受能力越强，就越愿意尝试并采纳新技术。

4.1.4

政策与制度是影响技术采纳意愿的重要外部因素。农业补贴政策不仅直接增加了农民可支配的农业收入，使家庭经济状况较之前有所改善，同时也对农民生产行为及素质产生更深层次的影响。政策因素主要通过农民福利的改善和非农就业机会增加，提高农民环境保护的认识水平，逐步实现农村经济良性循环和绿色发展。

4.2 政策建议

4.2.1

建立和完善农民参与的保障机制。从法律层面明确规定农民参与项目的权利，建立匹配的操作程序以及相应的保障措施；通过对项目的利益相关者农户的赋权，使得农户对公益项目自发建立起主人翁意识。从财政层面明确参与资金的来源，为农户参与提供资金保障，在税收减免、财政支持、金融服务等方面进行扶持。从市场层面建立参与项目农户的粮食价格保护制度，加强投入品使用的监督及监管。

4.2.2

搭建农村信息交流共享服务平台。依托新型农村社会化服务组织架起农民与政府利益联结的桥梁纽带，一方面提供更多更好的农村公共文化信息服务，满足农民的文化需求和技术知识需求；另一方面将农技服务、农资供销、品牌营销、资金互助、金融帮扶等涉农经营服务领域的资源整合起来，通过机制、管理和服务的创新，为农业生产提供更为便利、高效的社会化服务。

4.2.3

建立生产环节长效动态激励机制。一是加大农户环保生产行为补贴，包括：自觉减少化肥、杀虫剂和除草剂的使用，更多地使用有机肥料、生物农药和机械除草；自觉采用秸秆机械粉碎覆盖还田技术，增加耕地土壤环境质量；自愿联合结成农业合作经济组织，采用全程机械化作业生产。二是设置农业技术补贴奖惩机制，凡申请补贴项目的农户必须承诺預期成果和保证措施，若不能达到最低标准要求则不能獲得全额补贴；并将技术补贴与国家环境检测最低标准指标体系挂钩，生产活动必须符合国家标准的方可获得补贴。三是健全农业保险的长效机制，建议单独成立政策性的农业保险公司，政府可以对从事农业保险的机构提供大规模的保费补贴，使农民能以较低保险费参加保险，真正享受到保险带来的收益。

参考文献

[1] 李曼，崔和瑞.发展保护性耕作技术 促进农业可持续发展[J].中国农机化，2005（5）：51-53.

[2] 赵亚丽，薛志伟，郭海斌，等.耕作方式与秸秆还田对土壤呼吸的影响及机理[J].农业工程学报，2014，30（19）：155-163.

[3] 高旺盛.论保护性耕作技术的基本原理与发展趋势[J].中国农业科学，2007，40（12）：2702-2708.

[4] 农业部，国家发展改革委.保护性耕作工程建设规划（2009—2015年）[EB/OL].（2009-08-28）[2017-05-11].http：//www.moa.gov.cn/zwllm/zcfg/nybgz/200908/t20090828_1340481.htm.

[5] 董洁芳.2015年全国玉米机收率达63%，提升5个百分点[EB/OL].（2015-12-25）[2017-05-11].http：//www.nj.agri.gov.cn/nxtwebfreamwork/zz/detail.jsp？articleId=ff80808151d2c6040151d6ba88a337ec.

[6] 王长生，王遵义，苏成贵，等.保护性耕作技术的发展现状[J].农业机械学报，2004，35（1）：167-169.

[7] 宋志伟，杨超.农作物秸秆综合利用技术[M].北京：中国农业科学技术出版社，2011.

[8] BESCANSA P，IMAZI M J，VIRTO I，et al.Soil water retention as affected by tillage and residue management in semiarid Spain[J].Soil and tillage research，2006，87（1）：19-27.

[9] 于晓蕾，吴普特，汪有科，等.不同秸秆覆盖量对冬小麦生理及土壤温、湿状况的影响[J].灌溉排水学报，2007，26（4）：41-44.

[10] 韦苇，杨卫军.农业的外部性及补偿研究[J].西北大学学报（哲学社会科学版），2004，34（1）：148-153.

[11] 徐祥临.如何理解“农业是弱质产业”[J].经济研究参考，1997（12）：43.

[12] 任大鹏，郭海霞.我国农业补贴的法制化研究[J].农村经济，2005（10）：7-9.

[13] NORTON N A，PHIPPS T T，FLETCHER J J.Role of voluntary programs in agricultural nonpoint pollution policy [J].Contemporary economic policy，1994，12（1）：113-121.

[14] DERPSCH R，FRIEDRICH T.Development and current status of notill adoption in the world[C]//.Proceedings on CD，18th Triennial Conference of the International Soil Tillage Research Organization（ISTRO）.Izmir：[s.n.]，2009.

[15] DAVEY K A，FURTAN W H.Factors that affect the adoption decision of conservation tillage in the prairie region of Canada [J].Canadian journal of agricultural economics/revue canadienne dagroeconomie，2008，56（3）：257-275.

[16] BABCOCK B A，CHAHERLI N M，LAKSHMINARAYAN P G.Program participation and farmlevel adoption of conservation tillage：Estimates from a multinomial Logit model[D].Iowa：Iowa State University，1995.

[17] KURKALOVA L A，KLING C L，ZHAO J H.The subsidy for adopting conservation tillage：Estimation from observed behavior [J].CARD IowA：Iowa State University，2001.

[18] 方松海，孔祥智.農户禀赋对保护地生产技术采纳的影响分析：以陕西、四川和宁夏为例[J].农业技术经济，2005（3）：35-42.

[19] 葛继红，周曙东，朱红根，等.农户采用环境友好型技术行为研究：以配方施肥技术为例[J].农业技术经济，2010（9）：57-63.

[20] 钱加荣，穆月英，陈阜，等.我国农业技术补贴政策及其实施效果研究：以秸秆还田补贴为例[J].中国农业大学学报，2011，16（2）：165-171.

[21] 王艳，周曙东.花生种植户机械化技术采纳行为实证分析[J].南京农业大学学报（社会科学版），2014，14（5）：106-111.

[22] 王文信，蔡世攀，王刚.黄淮海地区农户苜蓿种植行为影响因素分析[J].农业工程学报，2015，31（S1）：284-290.

[23] 郭霞，朱建军，刘晓光.农技推广服务外包农户支付意愿及支付水平影响因素的实证分析：基于山东省种植业农户的调查[J].农业现代化研究，2015，36（1）：62-67.

[24] MITCHELL R C，CARSON R T.Using surveys to value Public Goods：The Contingent Valuation Method[M].Washington D C：Resource for the Future Press，1989：900-902.

[25] DAVIS R K.Recreation planning as an economic problem[J].Natural Resource Journal，1963，3（2）：239-249.

[26] HANEMANN W M.Valuing the environment through contingent valuation [J].Journal of economic perspective，1994，8（4）：19-43.

[27] 蔡志堅，杜丽永，蒋瞻.条件价值评估的有效性与可靠性改善：理论、方法与应用[J].生态学报，2011，31（10）：2915-2923.

[28] 徐水县统计局.徐水县国民经济统计资料（2013年）[M].保定：保定统计局出版，2014：52-76.

[29] BLOMQUIST G，BLUMENSCHEIN K，JOHANNESSON M.Eliciting willingness to pay without bias using followup certainty statements：Comparisons between probably/definitely and a 10-point certainty scale[J].Environ Resource Econ，2009，43（4）：473-502.

[30] 许丽忠，钟满秀，韩智霞，等.环境资源价值CV评估的后续确定性问题有效性分析[J].自然资源学报，2012，27（8）：536-545.

[31] 樊欢欢，李嫣怡，陈胜可.Eviews统计分析与应用[M].北京：机械工业出版社，2011：102-122.

[32] 罗伯斯S.平狄克，丹尼尔L·鲁宾费尔德.计量经济模型与经济预测[M].北京：机械工业出版社，2008.

[33] 王秀东，王永春.基于良种补贴政策的农户小麦新品种选择行为分析：以山东、河北、河南三省八县调查为例[J].中国农村经济，2008（7）：24-31.