基于Meta的农户农药使用行为影响因素综合效应量评估*

崔亚飞，周 荣

(安徽财经大学财政与公共管理学院，蚌埠 233030)

0 引言

对农户农药使用进行有效治理，是关系到农业生态环境可持续发展和农副产品安全的重大现实问题[1]。虽然农业农村部于2015年印发了《到2020年农药使用量零增长行动方案》， 2016年国务院印发的《全国农业现代化规划(2016—2020年)》中也再次明确开展农药使用量零增长行动。但是，这些国家层面宏观政策实施能否取得预期效果，最终取决于直接利益相关者农户的农药使用行为[2]。张云华等[3]较早对中国农户农药使用行为影响因素进行了实证研究，结论表明，农户的家庭人口数、人均耕地、农业信贷、农药效果知识以及农业技术协会是影响农户采用无公害农药行为的主要因素，而农户的受教育水平和农技人员指导则没有影响。也有文献发现，农户性别、受教育水平、市场化监管、施用经验和信息获取渠道及其信任度等因素对农户农药使用行为均有显著影响[4-5]。黄季焜等[6]则认为，农户的技术信息知识和风险偏好是农药使用行为的主要影响因素，同时，市场化监督、农药价格和农户受教育水平也有显著影响。而王常伟和顾海英[2]的研究表明，农户的性别、年龄、受教育水平和风险态度对农药使用行为有显著影响，但政府宣传指导和种植监管的影响不显著，而且市场化的合作社和售前合同对农户农药使用行为却有负向激励作用。

阳检等[7]曾对农户农药使用行为影响因素的研究文献结论进行了传统的综述，但是这种传统定性的文献综述无法对已有研究结论的共识与分歧进行量化甄别。Meta分析是对大量同类实证研究结论是否具有一致性、以及相同结论的综合效应量进行评估的实证性方法，其评估结果可以为进一步相关研究指明方向，更能为政府相关决策提供理论支撑和广泛共识[8]。近年来，Meta分析已由最初的医学领域研究拓展至农业生态环境管理领域的综合效应量评估研究。如Baumgart等[9]采用Meta分析法，评估了46篇关于美国农户参与农业管理影响因素的实证文献结论，他们发现，农户家庭人口数、培训教育、经济收入和信息获取等因素对农户参与行为有正向影响，而年龄则有反向影响，这是已有研究文献的实证结论共识，其他影响因素则不显著或存在分歧。

截止目前，已有大量研究中国农户农药使用行为影响因素的实证文献，但是，这些实证文献研究结论到底达成了哪些共识？这些共识的综合效应量如何？尚未有文献对此重要问题给予实证性研究。基于此，文章使用Meta分析法，首次对中国农户农药使用行为影响因素的已有实证文献研究结论进行定量评估，并测算相应的综合效应量。评估结果发现：大多数影响因素的作用方向已达成一致共识，但是也有影响因素存在着分歧； 达成共识的影响因素的综合效应量普遍较低，或者说，影响因素的相关性系数大多属于中相关性或弱相关性范畴。评估结果对进一步明确影响因素研究方向和完善相关决策具有重要参考意义。

1 研究方法

1.1 文献来源

该文使用单个或组合主题词“农药使用行为”、“农药施用行为”、“农药+影响因素”、“pesticides influencing factors China”、“farmers pesticides China”在中国知网(CNKI)期刊数据库、硕博论文数据库、会议论文数据库、以及英文ScienceDirect期刊数据库、Springer期刊数据库、Jstor期刊数据库、Emerald期刊数据库、EBSCO Econlit数据库进行检索，共检索到2 189篇公开发表的文献。

基于该文的研究主题，纳入Meta分析的文献必须符合3个标准：(1)研究区域和样本是中国各省(直辖市、自治区)的农户； (2)必须是实证性研究文献，有明确的样本总量、相关性系数和显著性检验等信息； (3)研究的问题必须是农户使用(施用)农药行为、或安全使用农药行为、或采用无公害绿色农药意愿的影响因素筛选。依据3个标准，通过阅读所检索文献题目和摘要剔除了1 752篇，再通过阅读论文正文信息剔除了408篇，剩余的29篇文献中有22篇文献采用Logistic或Probit实证方法， 7篇采用结构方程模型实证方法。为了避免因实证方法不同可能导致的异质性干扰，排除了采用结构方程模型实证方法的文献，最终有22篇文献符合纳入Meta分析的标准，研究区域覆盖中国18个省(直辖市、自治区)、总样本量为1.191 1万个农户，相关文献信息报告于表1。

表1 纳入Meta分析的文献

文献作者(发表年份)研究区域样本量研究对象实证方法研究的问题[1]张云华等(2004)山西等3省353农户Logistic使用无公害绿色农药意愿[2]李红梅等(2007)四川214农户Logistic安全使用农药[3]郑龙章(2009)福建331茶农Logistic使用无公害绿色农药意愿[4]傅新红、宋汶庭(2010)四川406农户Logistic使用生物农药[5]毛飞、孔祥智(2011)陕西450果农Logistic安全使用农药[6]秦军(2011)甘肃、贵州、湖南等9省2 110农户Logistic农药使用行为[7]杨小山、林奇英(2011)福建358农户Logistic使用无公害绿色农药意愿[8]吴林海等(2011)河南233农户Logistic农药施用行为[9]关桓达等(2012)湖北1 351农户Logistic农药使用行为[10]张伟、朱玉春(2013)陕西211菜农Logistic安全使用农药[11]李秀义、官志强(2013)福建335菜农Logistic安全使用农药[12]刘丹、周波(2014)江西1 169稻农Logistic农药使用行为[13]乔立娟等(2014)河北283农户probit农药使用行为[14]邢永华等(2014)青海249菜农Logistic农药使用行为[15]王建华等(2015)江苏、浙江、黑龙江等5省986农户Logistic农药施用行为[16]田云等(2015)湖北387农户Logistic农药使用行为[17]马瑛(2016)新疆276棉农Logistic农药使用行为[18]任重、薛兴利(2016)山东609粮农Logistic使用无公害绿色农药意愿[19]曾伟等(2016)山东517农户Probit农药使用行为[20]张慧静等(2016)山东293菜农Logistic使用无公害绿色农药意愿[21]徐璐等(2016)北京323菜农Logistic农药残留认知[22]吴雪莲等(2016)湖北467农户Logistic农药使用行为

1.2 变量选择与数据提取

Meta分析要求影响因素必须被至少两篇或以上的文献采用且通过显著性检验，而且，这个影响因素在不同文献中含义或测量内容须相同，或至少是近似相同，以确保实证结果的可综合性[10]。因此，通过对纳入分析的22篇实证文献中自变量梳理，该文选择了其中通过显著性检验的12个影响因素：第一个是性别(男性=1，女性= 0)有4篇文献通过了显著性检验； 第二个是年龄，有8篇文献通过了显著性检验； 第三个是受教育水平，有12篇文献通过了显著性检验； 第四个是家庭人口数，有3篇文献通过了显著性检验； 第五个是家庭年收入，有4篇文献通过了显著性检验； 第六个是政府补贴，有6篇文献通过了显著性检验； 第七个是零售商推荐，有4篇文献通过了显著性检验； 第八个是种植面积，有11篇文献通过了显著性检验； 第九个是种植经验或经营年限，有5篇文献通过了显著性检验； 第十个是农药相关知识，有8篇文献通过了显著性检验； 第十一个是农药使用技能培训，有8篇文献通过了显著性检验； 最后一个是参加合作社组织，共有3篇文献通过了显著性检验。

然后，针对所选择的12个影响因素变量，从通过显著性检验的每篇文献中，分别把影响因素的相关系数和样本量提取，共获得12组原始数据。

1.3 效应量创造与转换方法

因为Meta分析无法直接使用所提取的原始数据，必须将原始数据转换为Meta分析所特有的效应量才可进行评估。效应量是反映两个变量或者自变量与因变量之间关系强度的值。费舍尔Z值(Fisher′s z)是衡量变量之间关系强度最常用的效应量，其优点是即使原始数据不服从正态分布，转换后的Fisher′s z值依然服从正态分布[11]。所以，该文首先把12组原始数据分别转换为相应的Fisher′s z值，然后，利用Fisher′s z值进行影响因素的综合效应量及置信区间的评估，最后，再把综合效应量及置信区间转换成综合相关系数形式。

原始数据相关系数r转换为Fisher′s z值的公式为：

(1)

Fisher′s z值的方差为：

(2)

式(2)中,n是指原始数据中每个影响因素的样本量。

Fisher′s z值的标准误为：

(3)

最后评估得到的综合效应量Fisher′s z值转换成综合相关系数R的公式为：

(4)

一般而言，影响因素的综合相关系数R，如果在0.1以下，认为相关性可以忽略； 如果在0.1-0.3之间，认为相关性较弱； 如果在0.3～0.5之间，认为相关性中等； 如果在0.5以上，认为相关性强[12]。基于上述转换的Fisher′s z值及其标准误，该文使用Meta分析常用软件CMA2.0进行综合效应量实证评估[13]。

2 实证评估结果与分析

2.1 异质性判断与模型选择

异质性(heterogeneity)是指纳入Meta分析的各个研究文献的效应量变异程度。检验异质性的指标通常采用反映效应量的加权离均差平方和的Q统计量及其P值，以及反映异质性在效应量总变异中所占比重的I2统计量。一般而言，如果Q统计量的p值小于10%，则表明存在异质性； 反之，则表明不存在异质性。I2统计量取值范围为0%～100%，当0≤I2<25%时意味着无异质性； 当25%≤I2<50%时，意味着轻度异质性； 当50%≤I2<75%时，意味着中度异质性； 当75%≤I2≤100%时，意味着重度异质性。一般情况下，当I2不大于50%时，异质性都可以接受； 对于社会科学研究领域而言，有时I2<75%也被视为异质性可接受标准[14]。

Meta分析有固定效应模型(fixed effects model)和随机效应模型(random effects model)两种。从理论角度而言，如果假设纳入分析的所有研究文献结论具有一致的效应，且每一个研究结论的不同只是因为抽样误差的所致，那么适合采用固定效应模型。反之，如果纳入分析的所有研究文献结论并不具有一致的效应，那么适合采用随机效应模型，此时综合效应量只是对所有效应量均值的评估[15]。此外，也可以依据异质性检验指标选择，如果Q统计量的P值大于10%且I2﹤50%，适合采用固定效应模型。反之，如果Q统计量的P值小于10%且I2﹥50%，则适合采用随机效应模型。因为该文研究目的在于评估已有研究文献实证结论的一致性及其综合效应量，所以从理论上适合选择固定效应模型，同时兼顾异质性检验指标的显著性。

2.2 评估结果与分析

把前文12组原始数据相关系数r转换成的Fisher′s z值及其标准误分别输入CMA2.0软件，采用逆方差法(inverse variance)和95%置信区间进行评估。分析发现，每一组同类研究文献结论均存在不同程度的异质性，因此，采用把每组中严重影响异质性的文献剔除，直至Q统计量的P值大于10%且I2﹤50%的策略，然后利用固定效应模型进行评估，评估的综合效应量Fisher′s z值和转换成综合相关系数R的结果报告于表2。

表2 综合效应量与相关系数评估

影响因素固定效应模型综合相关系数R95%置信区间综合效应量Fisher′s z95%置信区间Q(P值)I2Z性别(N=2:4)-1.09-1.18,-1.011.24∗(0.27)19%25.49∗∗∗-0.80-0.83,-0.77年龄(N=3:8)-0.06-0.11, 01.16∗(0.56)01.83∗-0.06-0.11, 0教育水平(N=5:12)0.300.27, 0.336.60∗(0.16)39%20.27∗∗∗0.290.26, 0.32家庭人口(N=2:3)-0.15-0.22,-0.080.21∗(0.65)04.46∗∗∗-0.15-0.22,-0.08家庭年收入(N=2:4)0.230.17, 0.290.03∗(0.87)07.60∗∗∗0.230.17, 0.28政府补贴(N=5:6)0.270.24, 0.303.93∗(0.42)016.74∗∗∗0.260.24, 0.29零售商推荐(N=2:4)0.110.06, 0.161.09∗(0.30)9%4.57∗∗∗0.110.06, 0.16种植面积(N=4:11)-0.05-0.10, 02.55∗(0.47)01.92∗-0.05-0.10, 0(N=3:11)0.080.03, 0.131.98∗(0.37)02.94∗∗∗0.080.03, 0.13种植经验(或经营年限)(N=2:5)-0.47-0.56,-0.381.31∗(0.25)24%10.43∗∗∗-0.44-0.51,-0.36农药相关知识(N=3:8)0.320.26, 0.380.90∗(0.64)09.87∗∗∗0.310.25, 0.36农药使用技能培训(N=4:8)0.380.32, 0.445.54∗(0.14)46%12.68∗∗∗0.360.31, 0.41参加合作社组织(N=2:3)0.190.12, 0.273.24∗∗(0.07)69%5.07∗∗∗0.190.12, 0.26 注:第一列括号中N表示本组最终评估文献数与纳入评估文献数对比情况; ∗,∗∗,∗∗∗分别表示10%,5%,1%显著性水平; 评估结果均保留小数点后两位且四舍五入

由表2可以看出，在影响因素性别的4篇文献中，剔除2篇严重异质性文献后，剩余2篇文献的异质性指标Q统计量的P值为0.27，大于10%显著性水平，I2为19%，远小于50%的可接受标准，而且综合效应量的Z得分为25.49且通过1%显著性水平，表明所评估的综合效应量Fisher′s z值-1.09是显著有效的，其相应的综合相关系数R高达-0.8，意味着相对女性而言，男性会不安全的使用农药。在影响因素年龄的8篇文献中，剔除5篇严重异质性文献后，剩余3篇文献的I2为0达到完全同质性，评估的综合相关系数R为-0.06，表明农户年龄越大越可能不安全使用农药。此外，家庭人口数、种植经验(或经营年限)的综合相关系数也分别为负数。

需要注意的是，在影响因素种植面积的11篇文献中，有4篇文献的综合相关系数R为-0.05，该类文献原文中的核心解释是因为种植面积大，为了省时省力而大量使用农药或者不使用无公害农药； 另有3篇文献的综合相关系数R为0.08，这类文献原文中核心解释是因为种植面积大，为了降低经营风险或分摊成本而采用无公害农药。这两种截然相反的实证结论的综合效应量均通过了异质性检验，表明种植面积对农户农药使用行为的影响作用仍存在分歧。

由表2还可以看出，在影响因素农药使用技能培训的8篇文献中，剔除4篇严重异质性文献后，剩余4篇文献的I2为46%，依然存在一定程度异质性，综合相关系数R为0.36，是正相关影响因素中综合相关系数最高的。其次是农药相关知识的综合相关系数R为0.31，第三个是教育水平综合相关系数R为0.29。

基于Meta评估的综合相关系数比较来看，仅有性别的综合相关系数R为-0.8，属于强相关性的影响因素。种植经验(或经营年限)、农药使用技能培训、农药相关知识属于中等相关性的影响因素。教育水平、政府补贴、家庭人口、家庭年收入、参加合作社和零售商推荐等属于弱相关性的影响因素。而年龄和种植面积的影响作用极其微弱，属于可忽略相关性。

显而易见，上述Meta评估结果不仅可以为已有研究结论的共识与分歧提供了非常直观的量化判定标准，还可以为相关影响因素进一步研究指明方向，这些都是传统的定性文献综述无法企及的。

3 讨论：稳健性检验

3.1 敏感性分析

敏感性分析是对所评估的综合效应量是否稳健进行检验的主要方法。其通常采用两种策略，一种是采用逐个剔除纳入分析的数据来考察对评估结果是否有显著影响的策略，另一种是将固定效应模型转换为随机效应模型来考察对评估结果是否有显著影响的策略。

为了获得更稳健的结论，该文敏感性分析将混合使用以上两种策略，对于通过统计量Q(P值)检验且I2为0的影响因素，采用逐个剔除法考察评估结果变化是否显著。根据表2中评估结果，对影响因素年龄纳入分析的3篇文献随机剔除其中之一，评估结果并没有发生显著变化，依然位于表2中的95%置信区间内。同理，政府补贴、种植面积和农药相关知识的敏感性分析均表明综合效应量评估结果是稳健的。

对于通过统计量Q(P值)检验但I2﹥0的影响因素，如果纳入分析的文献数只有两篇，就采用模型转换法来考察评估结果变化是否显著； 如果纳入分析的文献数大于两篇，则采用逐个剔除法。根据表2中评估结果，性别、零售商推荐、经营年限或种植经验、参加合作组织4个影响因素的随机模型评估结果报告于表3。对比表2与表3可以看出，4个影响因素分别采用随机效应模型后，评估的综合效应量Fisher′s z均未发生显著变化，仅有参加合作社组织影响因素由于异质性指标I2较高，随机模型的95%置信区间扩大为0.06-0.33，但也通过了各项显著性检验。

表3 敏感性分析结果

影响因素随机效应模型综合效应量Fisher′s z95%置信区间τ2Q(P值)I2Z性别(N=2:4)-1.10-1.19,-1.000.001.24∗(0.27)19%22.71∗∗∗零售商推荐(N=2:4)0.110.06, 0.160.001.09∗(0.30)9%4.25∗∗∗种植经验(或经营年限)(N=2:5)-0.47-0.57,-0.370.001.31∗(0.25)24%9.03∗∗∗参加合作社组织(N=2:3)0.200.06, 0.330.013.24∗∗(0.07)69%2.84∗∗∗ 注:第一列括号中N表示本组最终评估文献数与纳入评估文献数对比情况; ∗,∗∗,∗∗∗分别表示10%,5%,1%显著性水平; 第四列τ2指标越接近0表示原模拟(固定效应模型)效果越好; 评估结果均保留小数点后两位且四舍五入

对于教育水平和农药使用技能培训两个影响因素分别采用逐个剔除法进行检验。分析发现，把教育水平影响因素中两篇文献剔除后，其异质性指标I2可以降低到0，此时评估的综合效应量Fisher′s z值和95%置信区间仍为0.30和[0.27， 0.33]。如果再剔除其中一篇，Fisher′s z值出现可取0.28或0.31的两种情况，但其变化幅度也仍在原来的95%置信区间范围内。农药使用技能培训影响因素中，剔除两篇文献后的异质性指标I2也可以降低到0，Fisher′s z值最小可取0.31、最大可取0.45，其值比原来95%置信区间[0.32， 0.44]超出0.01，但其综合效应量仍属于中等相关性范畴，表明原评估结果依然稳健。

3.2 发表偏倚(publication bias)

由于检索方法、未公开发表等各种原因，导致本应纳入而未纳入分析的遗漏文献现象，通常称为发表偏倚。该文在检索方法方面使用单个或组合主题词在中文数据库和英文数据库进行了全面检索，并制定了纳入分析标准，可以基本消除因检索方法导致的发表偏倚问题。那些公开发表的比未公开发表的研究文献更容易被纳入分析所导致的发表偏倚，无论对定性的综述还是定量的Meta分析都是普遍存在的客观现象。而且未公开发表的研究文献一部分可能是因为质量没有达到公开发表的要求，这反而可以保障已纳入分析的评估结果可靠性[17]。综合检索方法和敏感性分析结果，表明该文综合效应量评估结果具有良好的稳健性。

4 研究结论与展望

4.1 研究结论

该文基于覆盖中国18个省(直辖市、自治区)、总样本量为1.191 1万个农户的22篇实证文献结论，采用Meta分析法评估了研究结论的综合效应量，主要结论如下，并将其简列为表4。

(1)影响因素的作用方向依据评估结果可分为正向和负向两大类。正向影响因素主要包括农药使用技能培训、农药相关知识、教育水平、政府补贴、家庭年收入、参加合作社组织和零售商推荐等； 负向影响因素则主要包括性别(男性)、种植经验(或经营年限)、家庭人口和年龄等，而种植面积的作用方向仍存在分歧。作用方向的确认，意味着政府部门可以通过制定相关措施来调控影响因素，进而达到引导农户农药使用行为之目的。

(2)影响因素的相关性程度依据评估结果可分为强相关性、中相关性、弱相关性和可忽略相关性四个档次。属于强相关性的仅有男性性别一个影响因素，中相关性的有农药使用技能培训、农药相关知识和经营年限或种植经验3个影响因素，其余影响因素大多属于弱相关性范畴。在现实中，由于性别属于人口统计学变量，政府部门不可能通过调控性别来引导农户农药使用行为，所以只有中相关性和弱相关性影响因素可供决策参考和调控，而这必然会导致相应措施的效果不佳。

(3)就影响因素的综合效应量而言，已有研究文献所筛选的影响因素尚缺乏强相关性的因素。农药使用技能培训和农药相关知识作为具体化的专业性知识，对农户安全使用农药或采用无公害农药行为均具有正向的中相关性，而受教育水平作为一种非专业化的知识对农药使用行为的作用较弱，这表明开展具体化的专业性知识培训比笼统的环境宣传教育更有效果。特别有意义的发现是，政府补贴对农户农药使用行为的正向作用很微弱，仅属于弱相关因素，因此，仅侧重政府补贴的经济激励措施可能并不会取得预期效果。

(4)就正向影响因素和负向影响因素对比而言，前者均属于可调控因素，后者或者属于不可调控因素，如性别、年龄等，或者属于间接可调控因素，如种植经验。种植经验作为一种认知性知识积累，如果其初始行为是不安全使用农药或不采用无公害农药，那么经验就会固化这种行为，从而产生负向作用，这种“大拇指规则”现象在中国农户中普遍存在，但通过农药使用技能培训或农药相关知识教育则可以产生纠正作用。

表4 主要研究结论矩阵

相关性正向影响因素负向影响因素强相关性(0.5≤|r︱)性别(男性)中相关性(0.3≤|r︱﹤0.5)农药使用技能培训; 农药相关知识种植经验(或经营年限)弱相关性(0.1≤|r︱﹤0.3)教育水平; 政府补贴; 家庭年收入; 参加合作社组织; 零售商推荐家庭人口 可忽略相关性(|r︱﹤0.1)种植面积年龄; 种植面积 注:最后一行中“种植面积”是仍存在分歧的影响因素

4.2 研究展望

该文评估结果表明，已有相关研究文献所筛选的影响因素除了性别之外，其余大多属于中相关性和弱相关性范畴。虽然上述影响因素的作用在一定程度上已达成一些共识，但评估过程也显示存在一定的异质性，这表明已有实证文献所筛选的影响因素可能只是“逐末”的次要因素，而不是“溯源”的主要因素。

依据新古典经济学相关理论该文认为，农药最基本作用就是预防和减少病虫害等意外风险可能带来的利益损失，在农药效果相同的条件下，具有“经济人”属性的农户会选择价格较低的； 而在农药价格相差不大的条件下，农户会依据自己经验等因素选择农药效果更好的。也就是说，农药效果和农药价格可能才是农户权衡的关键因素，这与张云华等[3]和黄季焜等[6]揭示的农药效果知识和农户风险偏好两个影响因素紧密联系，而且王常伟和顾海英[2]也证实了农户风险偏好对农药使用行为具有显著影响，但这些影响因素并没有得到进一步深入研究。

此外，国内还有部分文献采用计划行为理论(Theory of Planned Behavior，TPB)框架研究农户农药使用行为的影响因素[17-18]。此类文献研究范式与Logistic或Probit实证范式，哪种对农户农药使用行为影响因素筛选更科学有效的比较，还需要给予更多的研究，这对进一步厘清影响因素以及为科学决策提供参考具有重要意义。

附录：表1纳入Meta分析的文献