科技对脱贫户家庭收入影响及政策参与度研究

林昆仑，王林龙，赵 荣，陈幸良

（1.中国林学会，北京 100091；2.中国林业科学研究院 科技信息研究所，北京 100091）

当前，我国脱贫攻坚目标任务已经完成，区域性整体贫困得到有效解决，反贫困工作从消除绝对贫困逐步转向缓解相对贫困[1]。由于以往深度贫困区在空间分布上与生态脆弱地区的非良性耦合[2-3]，部分脱贫户发展的内生动力不足，农村劳动力大量城市转移等因素，巩固脱贫成果难度依然很大，减贫的边际效用递减问题也逐渐凸显出来[4]。如何建立长效机制，激发落后地区的内生动力，确保脱贫成果巩固提升不反弹、脱贫户持续增收不返贫，是当前亟待解决的重大现实问题。

促进农民持续稳定增收，离不开科技支撑。加强落后地区的科技供给，能够更有效的培育落后地区的内生能力，有助于清除滋生贫困的土壤，杜绝返贫现象发生，彻底解决贫困问题。2016年，为进一步发挥科技创新在精准扶贫中的支撑引领作用，助力各地如期完成脱贫攻坚任务，科技部等多部门先后出台了《科技扶贫行动方案》《科技助力精准扶贫工程实施方案》等，旨在通过开展技术攻关、成果转化、平台建设、要素对接、创业扶贫、教学培训、科普惠农等行动，形成贫困地区创新驱动发展的新模式。2021年，科技部等部门再次提出，要实施科技支撑乡村振兴行动，部署一批引领性国家科技项目、强化一批国家农业战略科技力量、培育一批农业科技领军企业、组织一批科技人才上山下乡、转化一批先进适用技术，实现农业科技高水平自立自强。然而，现有研究对科技的减贫增收效果评价并不明晰，脱贫户的参与意愿也不明朗，这是未来科技助农政策改进的现实挑战。因此，研究科技创新的减贫增收效应，评价科技对农民的收入影响程度，厘清影响脱贫户参与科技助农的关键因素，对于进一步完善政策以提高科技助农绩效、建立长效增收机制具有重要意义。

一、文献综述

贫困和反贫困一直是全人类共同关注的重要问题。围绕贫困的内涵、诱因、机理、测度、减贫策略等问题，特别是收入贫困与多维贫困[5]，绝对贫困与相对贫困[6]，区域贫困与个人贫困[7]等，国内外开展了大量研究。近年来，我国在长期的反贫困实践中提出了“精准扶贫”的概念，这是为了抵消经济减贫效应下降而必需采取的战略、机制和措施。不少学者从旅游扶贫[8-10]、教育扶贫[11-12]、金融扶贫[13-14]、产业扶贫[15]等角度探索实现精准扶贫的关键路径和有效模式，也有学者基于“互联网+”[16-18]、农民合作社[19]研究创新精准扶贫的新方式。然而，系统性研究科技在精准扶贫和乡村振兴中的地位、作用、困境及改进等方面的文章较少。

科学技术对脱贫增收具有重要作用，农村地区的农业技术创新与农户的家庭福祉存在显著正向影响[20]，对农户进行创新、知识和发展方面的整合有助于缓解贫困提高收入[21]，特别是缩小技术差距，发展非农经济，能够使穷人极大收益。科技也是乡村振兴的实现路径之一。把科技与乡村振兴相结合，就是要强调将先进实用的新技术、新方法快速稳妥地嵌入到落后地区现有的经济结构和产业模式中，实现更快、更有效率地增收致富。同时，科技也将持续推动农村人口科学素质提升，提高脱贫人口改善生活生产的可持续内生动力和“造血”功能。

从现有研究来看，科技在多方面对落后地区产生积极的影响，包括挖掘资源优势、调整产业结构、促进经济增长、提升人力资本、增加农民收入、缩小城乡差距等，许多学者结合实际研究从科技培训、科学普及、科技特派员制度[22]、农技推广体系、农民合作社、互联网+等角度探讨如何完善现有的制度体系，以提升科技助农的效果。尽管技术变革对减少贫困和不平等具有正向影响[23]，但应用在脱贫领域的技术强调要成熟适用[24]。因此，许多研究者以农业科技为抓手，如农业技术扩散[25]、农业科技推广、科技特派员[26]、农业集约化[27]等，并通过具体案例研究科技要素在脱贫增收工作中的优势、成效、困境及改进对策。在路径选择上，研究人员结合各地情况总结出符合地方实际的科技助农模式，如“政府+农技推广部门+合作社+农民”“政府+科技特派员+技术培训”“科研单位+驻村工作队”等，也有从比较优势角度、科技网络推广角度、协同机制角度[28]、供给和需求角度[29]等对科技助农模式进行探索。整体来看，关于科技助农的研究已经取得了一定的成果，但仍存在需要改进的地方。首先，既有文献对科技精准扶贫的意义、路径、模式、机制等研究较多，但对科技助农的绩效评价、效果分析等研究尚显不足，从农户收入的角度评价科技助农效果的研究更少。其次，现有研究大多通过具体的科技政策（如科技特派员制度）间接研究科技对乡村振兴的支撑作用，缺乏从整体和全局角度评价科技助农的执行效果、群体参与性及其影响因素等，不利于未来科技助农在实践应用中的调整和改进。最后，在研究方法上，学者多结合具体的案例采用定性研究的方法讨论科技助农的模式创新或路径选择，而采用计量方法的定量研究较少。

鉴于此，本研究通过实地调研获取数据对农民收入的影响因素进行分析，评价科技因素对脱贫户收入的影响，并比较不同科技帮扶方式对农民收入的影响程度。在此基础上，分析农民参与科技助农积极性的影响因素，以期为实践中科技支撑乡村振兴政策的完善和改进提供决策参考。

二、理论框架与研究方法

科技创新能够显著提高落后地区科技供给能力，促进特色产业发展，提升人员科技文化素质，激发创新创业热情，是农民增收致富的“发动机”和“催化剂”。本研究应用多元线性回归和有序logistics回归方法，对全国10省（区）402户农民的家庭收入进行系统分析，旨在研究科技对农民脱贫增收的影响，并探索影响农户参与科技助农的驱动因素。

（一）理论框架

科学技术作用于人和物两个因素，进而带动落后地区农民增收。就人的因素而言，Amartya Sen把贫困与能力结合到贫困与反贫困的研究框架中。他认为，可行能力的大小反映了个人在不同生活状态选择的自由，导致贫困的根本原因在于人的可行能力被剥夺，即指个体丧失了实现各种可能的功能性活动组合的实质自由[30]。因此，度量贫困的准则是人的可行能力方面的缺失，解决贫困问题的目的就要提升人的自我发展能力[31-32]。科技助农通过开展科普教育、技术培训等方式，提高人的劳动素质，进而提升人的可行能力，不仅能够提高农业收入，还增加了获取非农收入的可能性。

就物的因素而言，科学助农最直接最有效的方式就是应用推广适宜当地生产条件的农业新品种新技术新工具。通过将科学、技术、知识、人才、管理等现代生产要素嵌入贫困地区的劳动力、土地等传统生产要素，建立起落后地区转型升级、提质增效、持续增长的长效机制，从而从根本上消除导致贫困的各种因素，达到长久脱贫的目标。具体见图1。

图1 科技带动落后地区脱贫增收的主要路径

（二）研究方法

1.农户收入模型的构建

研究农户收入影响因素的方法有很多，如结构方程、处理效应模型、HLM模型等，但这些研究方法大多为验证性，其假设要求十分严格，修正意见较大，估计结果的可靠性存疑。借助多元线性回归模型，由多个自变量的最优组合共同来预测或估计因变量，是目前最经典最成熟的方法。本研究主要探讨科技因素对农户收入影响是否显著，故采用最直接的多元线性回归方法，将科技要素作为影响农户收入的自变量之一。鉴于多元线性回归方法已经较为成熟，具体过程不再赘述。仅将方程简单列示：

式中：Yi为第i个贫困户对数化处理后的家庭农业收入；Di为第i个脱贫户是否获得科技帮扶的虚拟变量；Xi为包括控制变量在内的影响第i个脱贫户农业收入的其他变量；γ，β待定参数，i=1,2,…,n为样本量，εi为随机误差项。

进一步研究不同帮扶方式（技术培训、现场指导、良优品种、图书资料等其他4种类别）对收入的影响。定义收入方程为：

2.农户参与科技助农驱动力模型的构建

方程（1）考察的是科技帮扶是否会对农户收入产生影响，方程（2）考察的是科技帮扶的方式如何影响农户收入。接下来，要考察如何来提高科技帮扶对农户收入的影响。要想提高科技帮扶对农户收入的影响，则必须让农户对科技帮扶政策信任和认可，提高其参与度。此时，因变量脱贫户的参与积极性是一个有序分类变量。

有序分类变量实际上是多个二元Logistic回归叠加的结果。此时，研究脱贫户对科技扶贫政策的参与积极性p以及发生概率大小与哪些因素相关时，直接处理可能性数值p存在困难：一是，0≤p≤1范围过小导致因变量与自变量关系难以用线性模型来描述；二是当p接近0或者1时，p值的微小变化不够灵敏难以处理。这时，此时使用Logit变换，令当p从 0→1时，Q值范围为 -∞→+∞，灵敏度大大提升。记为：

式中：pi是第i个脱贫户农户参与科技助农的积极性，Xi是影响第i个脱贫户农户参与科技助农的驱动因素，j为随机误差项。

三、变量选择及数据来源

（一）变量选择

收入方程（1）考察的是科技帮扶是否会对农户收入产生影响，因变量为脱贫户家庭农业收入，关键解释变量为农户是否获得科技帮扶。除科技因素外，影响贫困农户家庭农业收入的还有多种因素，本研究借鉴前人关于农户收入影响因素的研究方法，将资源禀赋、社会资本等纳入自变量，将户主的个人特征、家庭人口特征等作为控制变量[33-35]。本研究对自变量的选择特殊性主要包括：一是考虑到落后地区劳动力大部分外出务工，留守的劳动力才是真正从事农业生产的人员，故将家庭剩余劳动力人数作为人口学控制变量；二是考虑到落后地区农户除人力和土地要素外，其余农业收入紧密相关的固定资产主要是农机具等农业机械设备，故引入生产性固定资产的作为其资本投入的代理变量；三是考虑到县城既是科技精准扶贫政策上传下达的关键枢纽，又是农民获得各类生产、加工、销售等技术、政策和信息的主要来源地，一定程度上，离县城的越近，其获得的信息越及时准确，故农户生活所在地里县城的距离纳入控制变量。

收入方程（2）考察的是不同帮扶方式对已获得科技帮扶的脱贫户农业收入影响程度，因变量亩均农业收入，关键解释变量是不同帮扶类型的虚拟变量。因本研究仅考虑不同帮扶方式之间的影响显著性比较，为简化估计，人口学控制变量等其他的影响因素暂不考虑。

参与方程（3）考察的是脱贫户对科技助农政策参与积极性的影响因素。因变量是参与积极性，针对脱贫户是以户为单位，易导致精准识别偏差问题，本研究有如下特殊考虑：一是引入“家庭重大支出负担”变量反应排除致贫因素后农户实际可支配收入的能力，是反映农户真实生活质量的代理指标；二是将农户非农收入占比纳入自变量，反应农户收入结构的代理指标；三是将农户每亩农业收入纳入自变量。以上变量选择情况见表1。

表1 变量选择及说明†

（二）数据来源

本研究数据来自2017年8月对湖南、山西、四川、云南、河北、吉林、甘肃、陕西、广西、海南10省（区）的实地督查。参与实地督查的32名人员共分5个督查组，采取随机抽样的方式，每省抽取2个贫困县，每县抽取2个贫困村，每村抽取不少于10个建档立卡贫困户，进行实地访谈，收回402份访谈问卷。收集的10省（区）样本农户基础信息，包括户主、家庭情况、生产生活情况等信息，因各样本均为督查工作人员通过入户实地访谈代为填写的数据，故不存在数据缺失、信息失真、奇异值等情况，均为有效样本。具体描述性统计情况见表2。

表2 变量描述性统计†

四、实证分析

本研究通过对全国10省（区）402份农户实地调查数据进行回归，考察科技对农户收入的影响是否显著，并根据农户参与科技助农的积极性程度，探索影响农户参与科技助农政策的驱动力因素。

（一）收入方程回归估计结果

在方程（1）选择的自变量基础上，对农户家庭农业收入的多元线性回归模型进行估计，其R2为0.942，调整后的R2为0.941，模型的拟合度很好；F值为470.02，显著性为0.000；德宾-沃森系数为1.935，自变量相互独立，不存在共线性。具体结果见表3。

表3 模型（1）估计结果

结果显示，除户主文化程度、是否为村干部以及与县城距离三个变量无显著影响外，其余变量均对农化家庭农业收入影响显著。其中，是否获得科技帮扶对样本户的农业收入存在显著正向影响，其影响程度仅次于土地面积。科技因素已经成为落后地区农民脱贫增收的最重要的驱动力之一。

进一步考察不同帮扶方式对农户每亩农业收入影响。第一步，将“资料等其他”帮扶类型设置为参照组，其他帮扶类型为对照组，对线性回归模型进行估计，R2为0.138，显著性为0.000，德宾-沃森为2.008，拟合度、显著性、共线性均符合要求。结果显示，技术培训、现场指导、良优品种回归系数分别为0.262、0.195、0.275，显著性均为0.000，表明这三种类型与“资料等其他”相比，对农户农业收入存在显著的正向影响。第二步，将“现场指导”帮扶类型设置为参照组，其他帮扶类型为对照组，重复上述步骤，R2为0.138，显著性为0.000，德宾-沃森系数为2.008，拟合度、显著性、共线性均符合要求。结果显示，技术培训、良优品种、资料等其他回归系数分别为0.067、0.080、-0.195显著性分别为0.008、0.186、0.000，表明技术培训相对于现场指导而言，对农户农业收入存在显著的正向影响，而良优品种与现场指导而言，对农户农业收入影响不存在显著影响。

由此可以推断出，不同帮扶方式对农户收入影响的程度关系为：技术培训影响最明显，现场指导和良优品种次之，资料及其他再次。

（二）有序回归模型估计结果

对农户参与积极性进行有序回归模型估计，模型拟合信息显著性为0.000（＜0.05），表明存在统计学意义；模型拟合优度显著性为1.000，拟合度非常好；平行线检验显著性1.000（＞0.05），表明适合做有序Logistic回归。具体结果见表4。

表4 农户参与有序Logistic回归模型估计结果

由上表可以发现，土地面积、每亩农业收入、土地细碎化程度、非农收入占比、是否加入合作社、农产品销售难易程度、生产性固定资产对农户参与科技助农政策影响显著。其中，土地面积越大，参与的积极性越高；每亩农业收入越高，参与的积极性越高；土地细碎化程度越高，参与的积极性越低；非农收入占比越高的，参与积极性越高；加入合作社的农户参与的积极性高；农产品销售越容易，参与的积极性越高；生产性固定资产越少的参与积极性越高。

上述结果表明，对落后地区农户参与科技助农政策的积极性，受到其土地资源禀赋、收入结构、社会资本、农产品销售等因素影响。土地资源丰富、立地条件较好、农产品销售越容易，以及通过合作社分成方式的农户对科技助农政策的参与积极性更高。这与落后地区农民收入的结构有关，调查结果显示农户家庭收入66%来自于外出务工收入，18%来自于农业收入，也就是说，大部分农户通过外出打工来维持家庭生活，外出务工的农民会减少农业投资，并将土地加入合作社，并期待合作社能够应用先进的科技成果，从而获得更高的分成收益。

五、结论与建议

（一）主要结论

本研究利用全国10省（区）402份农户实地调查数据，探讨科技对农民收入的影响，在此基础上，进一步研究不同帮扶方式对脱贫户收入的影响。结果表明：

第一，科技创新能够显著提高落后地区科技供给能力，促进特色产业发展。科技创新通过落后地区内生能力的培育和创新要素的驱动，对农户的增收效果十分明显。获得科技帮扶的农户其家庭农业收入，尤其是农业亩产值更高。因而，加强对落后地区的科技支撑有助于清除滋生贫困的土壤，杜绝返贫现象发生，彻底解决贫困问题，是乡村振兴时代尤为关键的科技助农政策。

第二，科技助农的形式多种多样，各地结合实地情况总结出不同的帮扶模式，主要包括技术培训、现场指导、提供良优品种以及发放科普图书资料等。不同科技帮扶方式对农户的收入影响程度不同，技术培训影响最明显，现场指导和良优品种次之，简单的发放科普图书资料等其他方式效果不太明显。

第三，落后地区农户参与科技助农政策的积极性，受到其土地资源禀赋、收入结构、社会资本、农产品销售等因素影响。土地资源越丰富、立地条件越好、农产品销售越容易、亩产值越高，越倾向于利用科技成果，获得最大化的土地产出和农业收入。此外，落后地区农户大部分劳动力外出务工，外出务工收入越高的农户更倾向于将土地加入合作社，保留较少的生产型固定资产，也更愿意参与科技助农。

（二）政策建议

基于上述分析，结合当前我国实施科技支撑乡村振兴政策的实际需要，提出以下政策建议。

第一，加大科技助农的帮扶力度。科技供给是提高落后地区人的可行能力的有效方式，对带动农民增收具有明显的正向激励，也是驱动落后地区跨越式发展的根本途径。要进一步增强农村落后地区的科技供给能力，提高技术的扩散强度，重点筛选和提供适用、成熟、低成本、低风险的科技成果，促进其在落后地区和低收入人口中传递，发挥其示范引领和辐射带动作用。要鼓励和支持科研院所、企事业单位等在落后地区开展简约创新、微创新，优选一批涉及衣食住行等民生领域的简约创新产品，率先在贫困地区推广使用，让落后地区人口快速共享科技进步红利。

第二，提高科技助农的精准度。进一步强化科技助农措施的瞄准性，做到“实际、准确、清晰”。在全面摸清落后地区脱贫户实际情况的基础上，明确科技助农的切入点、标准和对象。针对落后地区现有的资源优势、产业基础等基本情况，结合实际编制科技助农项目任务书，确定实施内容、投资规模、进度安排、受益对象、责任分解等内容。同时，大力提供技术培训、现场指导、优良品种、技术资料、信息服务和订单生产等帮扶方式，构建起集中优势、集中力量、集中资源的科技助农新模式，大力提升帮扶效果。要进一步了解参与科技助农脱贫户的具体科技需求，精准地遴选科技服务专家和团队，依托高校、科研院所、社会组织等平台，使科技供需无缝对接，提升服务效果。

第三，发挥技术培训在科技助农中的关键作用。要加大对基层政府工作人员、农技推广人员的培训力度，将科技助农政策、问题、信息等情况及时上传下达，尤其是注重提高其利用“互联网+”、大数据、云计算等现代科技服务能力。要加大对技术能手、专业大户的培训力度，牢牢抓住乡土专家这一关键的“牛鼻子”，着力解决落后地区农村基层技术人员短缺难题，突破科技推广“最后一公里”的瓶颈，打造365天坚守岗位的“科技二传手”，使本地农民不出乡镇就能解决各种技术难题。要加强对农户线上平台的使用培训，帮助农户及时将种养殖问题通过微信、APP等方式及时快速的反馈到科技专家手中，以便第一时间开展技术指导。

第四，建立科技助农的长效机制。建立和完善“合作社+”“龙头企业+”等科技助农模式，鼓励和支持农民通过流转、入股分成等方式开展规模化集约经营，培育和发展具有竞争优势的产业形态，建立落后地区增收致富的长效机制。积极构建实施主体与实施对象之间利益共享和风险分担的利益驱动机制，推动脱贫户对外来帮扶人员和技术成果的社会信任，特别是要发挥基层组织的激励作用[36]，摆脱农户对科技助农政策的“参与困境”。同时，努力打破部门、区域等客观限制，有效整合各类科技资源，推动产学研紧密结合，提高科技支撑乡村振兴的整体效率。