农业培训对新型职业农民农业经营性收入影响研究*

杨冬梅，罗明忠

(1. 江西科技学院管理学院，南昌市，330098; 2. 华南农业大学经济管理学院，广州市，510642)

0 引言

农民增收问题一直备受关注。2004—2020年连续多个中央一号文件均提出促进农民持续增收。影响农民收入影响较多，除了农民年龄、性别、受教育程度等自身因素外[1]，还会受到农地禀赋、农村基础设施建设、参加农机合作社、农业机械化和农业综合开发投资等外界因素的影响[2-5]，此外，各项惠农政策也会对农民收入产生影响[6]。面对现代农业的发展，传统小农户越来越难以适应新技术的要求，而新型职业农民则可以将资金和技术有效结合，适应现代农业发展。2012年中央一号文件正式提出新型职业农民这一概念，之后我国新型职业农民数量得到快速上升，截止2017年底，已经突破1500万人。仅2017年，我国新型职业农民人均农业经营性纯收入突破2.5万元，且将近30%的新型职业农民人均农业经营性纯收入高于城镇居民。乡村振兴战略实施的重点是产业兴旺，关键是人才振兴，对新型职业农民进行培育是乡村人才振兴的重要举措[7]。因此，基于新型职业农民微观角度研究农业培训对其农业经营性收入的影响，对于促进新型职业农民发展以及乡村振兴都有重要意义。

既往研究发现，参加农业培训对农民农业生产行为有重要影响[8]，培训可以促进农民降低农业化学投入品[9]以及农药的使用量[10]，还可以提高农民组织化程度[11]；在农业生产技术上，培训可以提高农民生产技术认知水平[12]，进而促进农民获得新的农业生产技术[13]；此外，培训在促进农户收入增加[14]、提高农业生产效率方面都发挥着重要作用[15]，只是相对高收入者，低收入者从农业培训中获得的收益更多[16]。而关于新型职业农民参加培训效果的研究较少，也有学者开始从新型职业农民的分类出发探究培训对其经济收入的影响[17]。作为衡量农业培训效果的指标之一，但鲜有文献从新型职业农民的培训视角研究其对农业经营性收入的影响。可见，既有研究对新型职业农民农业经营性收入的影响还存有空间。基于此，本文以粤赣两省501份新型职业农民调查数据，探究新型职业农民参加农业培训的农业经营性收入效应，采用倾向得分匹配法依据是否参加过农业培训将所获得样本分为处理组和控制组，对比参加农业培训和未参加农业培训新型职业农民农业经营性收入差距。

1 理论分析

正如诺贝尔经济学奖获得者舒尔茨在《改造传统农业》一书中所言，在决定农业生产的增长量和增长率的生产要素中，土地的差别是最不重要的，物质资本的差别是相当重要的，农民的能力的差别是最重要的。这种能力的提升方式主要有培训等三种。对个体进行培训，重在提升其人力资本，如综合素质、能力的提升以及视野的拓宽[18]，最终影响其收入。农业培训对新型职业农民农业经营性收入的作用路径如下。

1) 农业培训促进新型职业农民生产能力的提升。作为知识积累的重要途径，参加农业培训对改善农民农业生产有着重要意义[19]。正如前文分析，参加培训可以改变新型职业农民的农业生产行为，特别是在现代农业发展背景下，农业生产前的各种技术培训，有利于新型职业农民在农业生产过程中采用新技术和新设备，提升生产能力，如农业机械设备的操作培训，可以促进新型职业农民改变传统农业生产方式，也有利于节省劳动力数量和劳动时长，以降低生产成本获得最大的经济报酬，此外，也有利于促进新型职业农民扩大生产规模。

2) 农业培训有利于提升新型职业农民经营管理能力。为了在市场中具有较强的竞争力，现代农业和农村发展要求新型职业农民不断提升农业管理能力、学习能力和应变能力。通过参加农业培训可以增强新型职业农民农业经营风险意识，在农产品种植或者养殖上，合理安排种植或养殖类型，避免盲目性，防止同质化，降低经营风险；加强对农产品生产过程中的管理，提升农产品质量，在产品销售中占领话语权，促进收入增加。

3) 农业培训有利于提升农产品销售能力。农产品销售状况如何直接关系到新型职业农民经济收入的状况。传统农产品销售渠道单一且范围小，当局部农产品出现供给大于市场需求时，则会造成农产品滞销，农民受损。参加农业培训，如网络技术培训，可以拓宽新型职业农民农产品销售渠道和扩大农产品销售范围，防止农产品滞销或者积压，增加新型职业农民收益。

2 数据来源、变量与模型选择

2.1 数据来源

本文数据来源于课题组2019年8—11月进行的《新型职业农民：成长路径及经营绩效》调查，利用新型职业农民集中培训的机会，对参加培训的新型职业农民发放调查问卷，经过预调查、问卷确定和全面调查等阶段，共发放调查问卷560份，收回有效问卷545份，调查范围涉及广东和江西两省。删除关键值缺失的无效问卷后，本文最终使用501份有效问卷，问卷使用率为91.92%，其中江西省126份数据，广东省375份数据。调查问卷主要包括区域特征、个体特征、农业培训情况以及新型职业农民生产经营情况。各地区样本情况如表1所示：

表1 样本地域分部情况Tab. 1 Sample geographical divisions

2.2 变量选择

变量定义、赋值及其描述性统计结果如表2所示。

表2 变量定义、赋值及其描述性统计结果Tab. 2 Variable definition, assignment and descriptive statistical results

被解释变量。本研究的被解释变量为新型职业农民农业经营性收入，用“2018年农业经营获得的收入”来衡量新型职业农民农业经营性收入，主要包括种植业、养殖业收入，并对农业经营性收入取对数。

核心解释变量。本研究的核心解释变量为农业培训，是否参加过农业培训作为农业培训的代理变量，为二分类变量，如果参加过农业培训，则为1，反之，则为0。

控制变量。不仅参加农业培训会影响新型职业农民农业经营性收入，其他因素也可能会对其产生影响，基于此，新型职业农民个体特征、家庭特征和村庄层面特征。个体特征包括新型职业农民年龄、性别、学历、是否村干部；家庭特征包括家庭从事农业生产人数和农业经营规模；村庄层面特征包括地形特征变量。

2.3 模型选择

参考相关研究[20]，农业培训对新型职业农民收入影响的回归模型

Yi*=β0+β1traini+β2xi+ε

(1)

式中：Yi*——新型职业农民农业经营性收入；

traini——如果新型职业农民参加过农业培训，则traini=1，反之则为0；

Xi——控制变量，包括新型职业农民个体特征、家庭特征和环境特征等。

但回归结果会面临样本选择性偏差和内生性问题，为克服这个问题，本文构建倾向得分匹配模型检验农业培训对新型职业农民农业经营性收入的影响效应：

ATT=E[Y1|D=1]-E[Y0|D=1]

(2)

式中：D——虚拟变量，表示是否参加过农业培训，当D=1为处理组；

Y1——参加过农业培训新型职业农民收入水平，D=0为控制组；

Y0——未参加过农业培训新型职业农民收入水平。

在处理组中，E[Y0|D=1]表示参加过农业培训的新型职业农民假设没有参加农业培训情况下的收入状况，但这在现实中无法进行观测，需要从控制组选择相似样本数据进行匹配。首先，采用Logit模型估计在既定的条件下新型职业农民参加农业培训的条件概率，用P(X)表示，并据此作为样本匹配的依据；其次选择恰当方式进行匹配；最后，通过对比，得到农业培训对新型职业农民农业经营收入的平均影响，各公式如下：

(3)

ATT=E{E[Y1-Y0|D=1,P(X)]}

=E{E[Y1|D=1,P(X)]-

E[Y0=0,P(X)|D=1]}

(4)

式中：ATT——农业培训对新型职业农民农业经营性收入的平均处理效应。

2.4 主要变量描述性统计结果

根据表3中变量描述性统计可知,处理组(参加过农业培训)中新型职业农民农业收入对数的均值为13.66,控制组(未参加过农业培训)中新型职业农民农业经营性收入的对数为12.48，差值为1.18，并且T检验在1%的水平上显著,表明农业培训可以显著影响新型职业农民农业经营性收入水平，参加农业培训的新型职业农民农业经营性收入高于没有参加过农业培训的。

表3 处理组和控制组变量统计描述Tab. 3 Variable statistical description of treatment group and control group

其余变量T均值检验结果表明，处理组和控制组的新型职业农民在性别、年龄、学历、从事农业生产年限、家庭从事农业生产人数和地形特征等方面具有显著组间差别。具体来看，在性别方面，处理组男性的数量要多于控制组的男性，性别差值为0.21，发现参加过农业培训的男性居于多数；在年龄上，处理组新型职业农民的年龄要大于控制组的，两者的差值为3.12，可以看出控制组新型职业农民更趋于年轻化；在文化程度上，相对于控制组的新型职业农民，处理组新型职业农民文化程度较低，但差异性较小，两者的差值为0.14；在从事农业生产时间上，处理组新型职业农民从事农业生产年限的均值为9.46年，控制组新型职业农民从事农业生产年限为5.69年，两者差值为3.77，可以看出处理组新型职业农民从事农业生产年限时间较长；在家庭从事农业生产人数上，处理组新型职业农民家庭从事农业生产人数要高于控制组，这种差异性较小，其差值为0.27；在农业经营面积上，处理组新型职业农民农业经营面积要高于控制组的新型职业农民，差值为2.82；在地形特征上，处理组新型职业农民的均值为2.33，控制组新型职业农民均值为2.15，差值为0.18。

处理组和控制组中可观测变量的显著差异在一定程度上说明了新型职业农民参加农业培训并不是随机选择的过程，样本存在选择性偏误问题。如果忽视这种选择性偏差问题，简单地对处理组和控制组新型职业农民农业收入进行比较或者回归分析会出现有偏的估计结果。

3 实证检验结果与分析

3.1 倾向得分的Logit估计

本文采用Logit模型估计新型职业农民参与农业培训的概率值，因变量为新型职业农民是否参加过农业培训，通过引入新型职业农民个体特征、家庭特征和环境特征变量进行倾向得分估计。结果表明：模型整体显著，Logit模型回归系数与边际效应符号相一致。新型职业农民性别、年龄、从事农业生产年限、家庭从事农业生产人数和地形特征等变量会显著影响新型职业农民参加农业培训。具体如表4所示，其中第5列为边际效应。

表4 倾向得分匹配的Logit模型估算结果Tab. 4 Logit model estimation results for propensity score matching

在个体特征中，新型职业农民的性别在1%的水平上通过显著性检验，系数为0.568 7，且为正向影响，说明性别会影响新型职业农民参加农业培训。边际效应为19.01%，说明在其他因素不变的情况下，男性参加农业培训的概率值会比女性高19.01%，可能的原因在于，农业生产多以体力劳动为主，男性占比较大，通过调查发现在新型职业农民性别构成中，男性数量要高于女性数量，其参加农业培训的概率值会偏大。年龄在10%的水平上正向影响新型职业农民参加农业培训，系数为0.016 4，表明在其他变量不变的情况下，年龄每增加1岁，其参加农业培训的概率会增加0.57%，这也与调查结果相一致，参加过农业培训的新型职业农民年龄均值为40.04，高于未参加过农业培训的。可能原因在于新型职业农民以务农收入为主要来源，在自身知识储备不足的情况下，愿意通过参加培训获得农业生产知识。从事农业生产年限在1%的水平上显著正向影响新型职业农民参加农业培训，系数为0.031 9，边际效应为1.12%，表明新型职业农民从事农业生产时间每增加1年，其参加农业培训的概率会增加1.12%，可能的原因在于，虽然从事农业生产时间越长，农业生产经验越丰富，但是作为“有限理性经济人”，且以农业生产为主要收入来源的新型职业农民，为了提高农业生产效率，获取更高的经济报酬，也会愿意参加农业培训，进而获得新的农业生产知识。

在家庭特征中，家庭从事农业生产人数在10%的水平上正向影响新型职业农民参加农业培训，系数为0.098 2，表明家庭从事农业生产人数每增加1个，其参与农业培训的概率会增加3.75%。此外，地形特征在5%的水平上正向影响新型职业农民参加农业培训，系数为0.156 3，边际效应为5.3%，表明相比平原地区，处于山区的新型职业农民参加农业培训的概率值会更高。学历、是否为村干部和农业经营规模面积未通过显著性检验。

3.2 倾向得分匹配估计结果

倾向得分匹配包括了K近邻匹配、核匹配、半径匹配和马氏匹配等多种匹配方式，其中核匹配能够避免样本损失的缺点，因此选择核匹配作为匹配方式，同时为了检验结果的稳健性，选择K近邻匹配和半径匹配作为对比。首先通过对Logit模型的估计得出新型职业农民参与农业培训的概率值，然后基于概率值对参加过培训和没有参加过培训的新型职业农民采取核匹配方式进行匹配。结果如表5所示。

表5 不同匹配法下农业培训对新型职业农民农业经营性收入的处理效应Tab. 5 Treatment effects of agricultural training on new-type professional farmers’ agricultural operating income under different matching methods

参加农业培训有助于提高新型职业农民农业经营性收入。从核匹配结果来看，匹配前，处理组(参加过农业培训)和控制组(未参加过农业培训)的农业经营性收入的对数分别为13.663和12.486，差值为1.176，说明参加过农业培训的新型职业农民农业经营性收入要比未参加过农业培训的新型职业农民农业经营性收入高出1.176；匹配后，处理组(参加过农业培训)和控制组(未参加过农业培训)的农业经营性收入的对数分别为13.663和12.591，差值为1.071，并在1%的水平上通过显著性检验，这说明在考虑了样本的“自选择”问题以后,农业培训对新型职业农民农业经营性收入水平的影响变小，也说明了忽视农业培训的选择性偏差和内生性问题将会造成培训收入效应的严重高估。

同时，表5分别用K近邻匹配、半径匹配和核匹配等3种匹配方法估算农业培训对新型职业农民农业经营性收入的影响效应，从结果可以看出匹配结果相差较小，而且均通过1%的显著水平检验，其效应方向和显著水平是一种的，说明结果具有一定的稳健性。因此，本文所得到的研究结果没有因为匹配方法的不同而发生变化，采用倾向得分匹配法研究农业培训对新型职业农民农业经营性收入的研究结果具有一定稳健性。

3.3 倾向得分匹配结果的平稳性检验

为保证倾向得分匹配估计结果的可靠性，匹配结果还要确保满足平衡假设。一般来说，模型匹配后各个协变量的标准化偏差最好控制在10%以内，因此，为检验结果的可靠性，继续验证处理组和控制组的各个变量是否满足平衡性假设。表6报告了倾向得分匹配的平衡性检验结果。其中第3列为处理组(参加过农业培训)和控制组(未参加过农业培训)在匹配前后的均值，第4列为匹配前后的标准误，第5列为标准化偏差，第6列和第7列为T检验结果。

表6 处理组和控制组的平衡性检验结果Tab. 6 Balance test results of treatment group and control group

结果显示，新型职业农民性别、年龄、学历、从事农业生产年限、家庭从事农业生产人数和地形特征均在匹配前处理组和控制组都有显著差异，匹配后，这种显著性未得到体现。此外，与匹配前相比，匹配后处理组和控制组各个协变量的标准化偏差都有所降低，都在10%以内，说明匹配后，处理组和控制组样本的差异基本得到消除，该模型满足平衡性假设检验，也说明了表4和表5的结果具有稳健性。

4 结论

本文基于2019年粤赣两省501份新型职业农民调查数据，在理论分析基础上，采用倾向得分匹配法(PSM)分析农业培训对新型职业农民农业经营性收入的影响。得出以下研究结论：第一，通过数据描述性统计发现，样本新型职业农民生产经营收入水平较高，均值为13.22；第二，实证分析发现，农业培训有利于提高新型职业农民农业经营性收入，参加过农业培训的新型职业农民农业经营性收入要比未参加过农业培训的新型职业农民农业经营性收入高出1.176；第三，在考虑了样本的“自选择”问题以后，农业培训对新型职业农民农业经营性收入水平的影响变小，核匹配结果的差值为1.071，也说明了忽视农业培训的选择性偏差和内生性问题将会造成培训收入效应的严重高估。第四，新型职业农民性别、年龄、从事农业生产年限、家庭从事农业生产人数和地形特征变量会显著影响新型职业农民参加农业培训，但是影响程度和方向不一致。提出建议：首先，借助互联网等新媒体多渠道加大培训知识宣传力度，增强新型职业农民对培训内容的了解程度，降低培训费用或者提高补贴，提高新型职业农民参加农业培训的积极性。其次，创新培训方式，建立瞄准机制，依据新型职业农民农业经营问题需求进行归类，有针对性的开展农业培训，提高培训效果，如农业耕作需求，提供专门的耕作技术培训；如农产品销售问题，提供农产品网络销售技术培训。此外，也可以依据新型职业农民年龄或者收入水平，提供差异化培训，充分发挥农业培训在新型职业农民农业经营性收入中积极作用。