碳中和背景下农户兼业能否促进低碳生产行为？

王 洋，孙 玥

（东北农业大学经济管理学院，黑龙江哈尔滨 150030）

1 研究背景

2020 年9 月，习近平主席明确提出我国在实现碳达峰和碳中和过程中所承担的重大使命。乡村振兴是我国的重要战略，碳达峰和碳中和的提出对于乡村振兴战略的实施提出新要求，对于我国农业农村发展提出低碳生产新号召。碳中和是通过吸收CO2等温室气体的方式来中和碳排放并减少碳盈余，对近年来我国农业生产过程中化肥农药投入过多、水资源使用不节制导致的土壤成分比例失衡、固氮率较低以及碳排放量过大等一系列经济效益与环境效益相冲突的问题提供新颖的解决思路［1］。因此，鼓励农户进行低碳生产，在农业生产中响应碳中和号召，对于保护农村生活环境和农业生态、促进乡村振兴以及完成大国使命都具有重要意义。

同时，伴随农业农村现代化进程，农户“农忙务农，农闲兼业”的“半农半耕”现象日益普遍。农户是农业生产的直接参与者，现有研究广泛关注影响农户进行低碳生产的因素，这有利于从根本上推动农户进行低碳生产，更好更快实现农业农村碳中和。综合现有研究，影响农户进行低碳生产的因素主要集中在农户禀赋、农户心理动因、政府规制等方面。在农户禀赋上，李波等［2］、徐婵娟等［3］强调农户风险偏好、政治身份、性别、年龄以及种植规模等因素在促进农户低碳生产上具有异质性影响。在农户心理动因上，赵连杰等［4］通过二元Logistic 回归模型研究表明环境公平感知对农膜和秸秆处理具有促进作用；张露等［5］基于技术易用性视角指出，技术门槛越低、实施条件越便利，越有利于农户进行低碳生产行为。在政府规制上，刘勇等［6］基于农户有限理性，指出政府补贴可保障农户成本收益以促进农户低碳生产行为；陈儒等［7］强调政府补偿对于拉动农户进行低碳生产行为的有效性取决于实际补偿的有效性。此外，有学者强调农户并不是独立存在的个体，农户低碳生产决策也受到社会网络、周围农户环境约束等外部因素影响。

伴随城镇化进程加快，农户兼业成为普遍现象。学术界对于农户兼业的研究较为广泛。综合现有研究，学者们的共同观点是农户兼业对农户低碳生产行为有影响，但尚未对影响方向有一个明确的定论。部分学者认为农户兼业对农户低碳生产行为具有促进作用，促进路径有增收效应和耕地功能转变效应。在增收效应上，刘琼等［8］认为农户兼业减少农户种植时间的同时增加了农户经济收入，这为农地流转、土地托管或引入专业农机提供了经济基础和前提条件。农户兼业有利于加快农地流转和土地托管的进程，进而促使农户进行低碳生产；另外，农户兼业增加非农收入，使农户对耕地依赖减少。农户一般选择对自有耕地粗放经营，通过土地撂荒或闲置的方式减少农业碳排放从而达到低碳生产的目的［9］。在耕地功能转变效应上，谢贤鑫等［10］认为农户兼业使非农收入增加，对农业收入依赖度降低；同时自有耕地功能从获取经济效益向自给自足转变，因而更注重农产品高质量产出，更倾向于施用有机肥、测土配方施肥等技术，并从侧面进行低碳生产。另一部分学者认为非农兼业对农户进行低碳生产行为具有抑制作用，如畅倩等［11］利用630 户稻农数据，认为农户兼业通过提高农户地块集中度对农户生态生产行为产生的抑制作用，会随着家庭生命周期的后移不断增强；杨肃昌等［12］分析由于年轻劳动力向非农产业转移，农村剩余老年劳动力低碳意识淡薄，同时为弥补劳动力投入不足，保证农业产出和经济效益的获得，农户选择增加化肥农药。

由此可见，现有研究仍具有发展空间。第一，现有研究大多集中在机械、电力等方面的碳中和上，鲜有强调农业农村碳中和的重要作用和探究乡村振兴的低碳化发展新路径。第二，现有研究主要关注外部环境、农户认知对农户低碳生产行为的影响以及农户兼业对于其他农户生产行为的影响，但在城乡劳动力结构失衡和碳中和对农业农村发展提出新要求的背景下，鲜有研究农户兼业对农户低碳生产行为的影响。第三，在研究方法上，以往研究中学者多采用二元Logistic 模型，鲜有采用倾向得分匹配（PSM）法解决样本自选择偏误问题。因而，本研究利用黑龙江省376 份农户调研数据，基于倾向得分匹配法，在碳中和背景下分析农户兼业对农户低碳生产行为的影响，并基于农户兼业视角提出农业农村碳中和的有效实现路径。

2 理论分析与研究假设

农户兼业对农户低碳生产行为的促进作用主要体现在增收效益和思想认知转变效益两方面。在时间恒定的前提下，农户兼业必定改变劳动力配置，使农户工作重心向非农兼业转移，促使农户收入结构发生变化，兼业收入逐渐多于农业收入。农户作为理性经济人，为实现利润最大化，会作出将自有土地进行流转的理性选择，这不仅是出于土地转出获得租金可增加收入的考虑，也是因为化肥过量施用带来的农作物边际产出逐渐下降，而且化肥投入成本比较高，因而从成本与收益两方面看，兼业农户选择土地流转，间接减少农业生产中的各种要素投入，有效实现低碳生产。

众多学者表明，农户兼业使农户工作重心转移，家庭剩余劳动力数量减少，农户处于被动和主动两方面考虑会选择用机械代替劳动力，农户兼业与农业生产机械代替，二者是递进关系。首先在被动层面，在农忙时节，农户由于时间、精力等约束，不能同时兼顾农业生产和兼业工作，因而农业生产效率较低，兼业农户为保证农作物产出，被动选择土地托管或购买农机代替传统人力畜力，解放自身劳动力；其次在主动层面，基于被动选择的契机，农业机械优化了生产过程中的要素配置，形成了全新的劳动力和机械投入配置模式，达到了农作物产量增加的目的［13］。因而，兼业农户出于理性考虑会主动选择购买农机或购买相应农机服务，从而实现生产要素配置持久有效。

不仅如此，农户无论是在外地务工还是在本地务工，都能够破除信息闭塞约束，农户兼业后所接受的外部信息更为全面。一方面，转变“保护环境是政府责任”的刻板认知，使农户对于自身的角色定位从原来农业生产经营者转变为低碳生活方式的提倡者与享受者，这种正确的环境认知对农户行为具有正向引导作用，会促使农户保护环境，积极进行低碳生产；另一方面，农户会根据现有禀赋进行新一轮劳动力配置，减少对耕地的生存依赖，增加对耕地的生活需要［14］，这种耕地功能的转变会促使农户更加关注农作物的高品质产出，因而积极进行低碳生产。

综上所述，伴随农户各类资本的积累，农户兼业会促进农户进行低碳生产。基于此，提出以下假设：农户兼业能够促进农户进行低碳生产行为。

3 数据来源与模型构建

3.1 数据来源

本研究所采用的数据来源于笔者所在研究团队（以下简称“课题组”）于2020 年1～2 月对黑龙江省农户进行调研中获取的数据。调研样本选取原则为分层抽样。首先，选取黑龙江省11 个地市（包括哈尔滨市、牡丹江市、佳木斯市、绥化市、双鸭山市、齐齐哈尔市、伊春市、鸡西市、黑河市、鹤岗市以及七台河市）；然后再从11 个地市中选取1～7 个乡镇，共计39 个乡镇；最后，结合当地发展情况，从各乡镇选择农业发展水平较好和常住人口较多样本村，并从每个样本村中随机选取农户作为调研对象。为保证调研数据的真实性，课题组对调研员进行多次培训和答疑，采用深度访谈与电话回访相结合的方式进行调研。同时为保证样本具有代表性，确保调研对象涵盖规模大户和普通农户。在调研结束后，最终得到有效问卷376 份（以下简称“样本”）。

3.2 模型设定

3.2.1 二元Logistic 基准回归模型

设置研究的因变量为农户是否进行低碳生产，是“0 或1”二分类变量，因而将二元Logistic 模型作为基准回归模型，表示为：

式（1）中：p表示农户进行低碳生产的概率；X1～X11为影响农户进行低碳生产的各项因素。具体而言，选取了农户兼业、家庭成员人数、农户受教育程度、农业收入占比、毛收入、是否加入合作社、政治身份、县城距离以及政府宣传教育、政府监管和政府处罚等11 个因素。

3.2.2 倾向得分匹配法

倾向得分匹配法在本研究中的应用是通过设置初始条件非常接近的对照组和控制组，并加入农户兼业的外部干预，对比农户低碳生产行为的采纳差异，从而判断农户兼业的外部干预效果，以解决在研究农户兼业与农户进行低碳生产过程中除了上述所选控制变量外，那些同时影响农户兼业与农户进行低碳生产的因素带来的样本自选择偏误问题。使用PSM 模型，通过构造反事实来论证对照组和控制组的关系。

倾向得分匹配法步骤如下：首先第一阶段，以二元Logistic 模型为基准，计算每个农户选择兼业的条件概率拟合值，可用Pscore（以下简称“Ps”）代表倾向得分值，定义为：表示农户选择兼业；表示农户不选择兼业。Xi为协变量。其次第二阶段，农户兼业根据倾向评分进行匹配，通过对多种匹配方式结果的衡量和比较，若匹配结果趋于一致，则说明匹配结果的稳健性。最后第三阶段，对处理效应进行估计，即农户兼业对农户进行低碳生产的平均影响，用ATT 表示：

3.3 变量说明

3.3.1 被解释变量：农户是否进行低碳生产

综合考量碳排放系数大小排序和有效实现碳中和的途径，将低碳生产技术具体分为3 种：进行秸秆还田、使用测土配方施肥、使用有机肥。当农户采纳任一种或几种低碳生产技术时，即认为农户进行低碳生产，此时y=1；当农户不采纳任意一种低碳生产技术时，即认为农户不进行低碳生产，此时y=0。样本中，有261 位农户进行低碳生产，115 位农户不进行低碳生产。

3.3.2 关键解释变量：农户兼业

参考江鑫等［15］的研究成果，询问“农户除了农业生产以外是否兼业”，当农户回答为“是”时，认为农户除了农业生产外，还从事经商、务工以及其他非农工作；当农户回答为“否”时，认为农户只从事农业生产。

3.3.3 控制变量

参考谢贤鑫等［10］、储成兵［16］、李晓静等［17］、赵会杰等［18］的研究成果，将控制变量分为4 个部分（见表1）。

表1 变量描述性统计

（1）人力资本，主要包括家庭成员人数和受教育程度。一般认为，家庭成员人数越多，农户兼业产生的内部联动性越强，家庭内部其他成员会受经济利益驱使也从事兼业，因而短期内劳动力投入减少，无法沿用劳动密集型技术而土地流转，间接进行低碳生产行为；农户受教育程度越低，在技术接受度和理解能力上都不及文化水平高的劳动力，因而对低碳生产行为接纳度较低。

（2）社会资本，主要包括是否加入合作社和政治身份。低碳生产作为实现农业可持续发展和碳中和重大战略目标的正确路径，党员农户政治觉悟高于其他普通农户，应是其他农户的行动标杆，积极响应低碳号召、实施低碳生产行为。加入合作社的农户，其技术获取途径和来源都多于其他农户，若加入合作社的农户不实施低碳生产行为，普通农户出于观察、学习以及规避风险的角度，也不予采纳。

（3）经济资本，主要包括农业收入占比和毛收入。一般认为，种植规模越大越容易形成规模经营，采纳低碳生产行为单位成本越低，则越倾向于采纳低碳生产行为；农户毛收入越低、越注重经济效益，对减少碳排放行为的生态认知与效益的关注度较差，对低碳生产行为的采纳积极性较低。

（4）外部环境。除以上三方面农户生计资本外，外部环境对农户生产行为决策的影响，主要考量县城距离、政府宣传教育、政府监管以及政府处罚。一般认为，距离县城越近，接触到的外部信息越多，农户低碳生产认知越全面客观，则农户越愿意进行低碳生产；政府宣传教育对农户影响越大，农户对低碳生产越能够理解和接受，则农户越乐于进行低碳生产。政府监管处罚力度越大，越反向促使农户进行低碳生产。

4 实证结果分析

4.1 基准回归分析

首先农户是否进行低碳生产和农户兼业的相关性分析结果显示（见表2），在5%显著性水平下相关系数为0.264，说明二者存在正相关。其中，模型1、模型2是将农户是否进行低碳生产作为被解释变量、农户兼业作为核心解释变量，X2～X11作为控制变量引入方程并进行回归。

表2 农户低碳生产行为采纳基准回归

模型1 结果的系数为正，表明农户兼业使农户进行低碳生产的概率提高12.8%，与本研究的假设初步一致。随着兼业程度不断加深，农户对农业收入依赖程度和农业生产积极性逐渐下降，农业生产中的各种要素投入量不断减少，对自有耕地进行粗放经营，间接进行低碳生产；同时由于兼业工作会分散农户精力，农户自然会作出土地转出的选择，这有利于土地规模化经营，也便于引入专业农机进行大规模施肥，进而在一定程度上减少农户不合理施肥行为，反向促使农户进行低碳生产。此外，在社会资本上，加入合作社抑制了农户进行低碳生产，政治身份促进了农户进行低碳生产，政治身份对农户进行低碳生产的促进作用更为明显，系数为0.213。加入合作社的农户虽然获取消息渠道更多，但易受到周边环境和情感束缚的影响，进而抑制农户进行低碳生产。可理解为当农户是党员或村干部时，无论是从实施国家战略层面还是从维护良好生活环境视角，都要积极进行低碳生产。在经济资本上，由于农业生产比较效益较低，农业收入占比较少的农户一般从事非农兼业或非农业，对于农业生产的关注较少，因而从侧面减少高碳生产行为。在外部环境上，距离县城越远，获取消息的媒介越少，不利于农户全面认知低碳生产，也不利于农户积极进行低碳生产。政府宣传教育内容越细致、越紧密结合农户实际，对农户影响越大，农户进行低碳生产积极性越高。政府监管以及政府处罚对农户低碳生产行为采纳具有不同程度抑制作用。

4.2 倾向得分匹配结果

4.2.1 农户兼业的处理效应

以上基准回归分析未考虑样本自选择偏误带来的影响，以下控制其他变量，通过倾向得分匹配法得到农户在兼业情况下的平均处理效应。采用最小近邻匹配（n=1 和n=4）、核匹配以及卡尺分别为0.005和0.010 的半径匹配，匹配结果如表3 所示。其中，处理组为兼业的农户，控制组为不兼业的农户。以上5 种匹配方式在消除样本自选择偏误后，结果都表明与不从事兼业的农户相比，农户兼业能够促进其进行低碳生产。在平均处理效应上，5 种匹配方式t 值都大于1.96，表明5 种匹配方式都在5%水平上显著。具体来说，农户兼业对于农户低碳生产的概率提升效果为0.140～0.249，最小近邻匹配得到的ATT 值最大为0.249，核匹配得到的ATT 值最小为0.140，表明与不兼业的农户相比，农户兼业会使农户进行低碳生产的概率提升14%～24.9%。倾向得分匹配法结果与基准回归结果基本一致，但在其他变量影响下基准回归表明农户兼业促进低碳生产的效果小于倾向得分匹配法得到的ATT 值，这说明若不考虑样本自选择偏误问题，农户兼业对农户进行低碳生产的促进效果将被低估。综上所述，农户兼业有效促进低碳生产，与本研究假设相一致。

表3 农户低碳生产行为采纳的倾向得分匹配法处理效应

4.2.2 共同支撑假设检验

为确保匹配结果的准确性，通过共同支撑检验是否在匹配过程损失过多样本，结果如图1～图3所示。匹配前处理组与控制组之间差异较大，经过半径匹配后，处理组与控制组差异显著减小，且在峰值周围区域有所重合，足以证明倾向得分匹配的匹配效果较好，经过半径匹配缩减了控制组与对照组之间的差异。此外，匹配样本大部分都在共同支撑域内，说明损失的样本为少数，足以证明PSM 模型满足共同支撑假设。

图1 匹配前处理组与控制组核密度分布

图2 匹配后处理组与控制组核密度分布

图3 倾向得分共同取值范围

4.2.3 平衡性检验

参考潘东阳等［19］、Rosenbaum［20］等学者的做法，对倾向得分匹配后的结果进行平衡性检验，检验结果如表4 所示。大多数匹配变量标准偏误绝对值在10 以内，匹配前的t概率值基本大于0.96 且部分P值在1%水平上显著，经过匹配后变量T 检验的P值都远大于0.005，表明差异不显著，足以说明通过倾向得分匹配，样本之间个体特征差异得以明显削弱或消除，匹配效果良好。

表4 农户低碳生产行为采纳的倾向得分匹配平衡性检验

4.2.4 异质性分析

根据表1，农户兼业对农户进行低碳生产的促进作用在家庭成员人数、是否加入合作社、政治身份、农业收入占比以及受政府宣传教育、政府监管影响等方面具有显著差异，因而对农户进行分组，并依照江鑫等［15］、李晓静等［17］、赵鑫等［21］和张朝辉［22］的研究成果，将农户按照以下标准分成相对照的两组，同样进行倾向得分匹配法，分析农户兼业对农户进行低碳生产促进作用的异质性。结果如表5所示。

表5 农户低碳生产行为采纳的异质性分析

（1）在人力资本上，当家庭成员多时，农户兼业可使农户进行低碳生产的概率提升13.9%。家庭成员作为重要的人力资本，其数量多少直接影响着农户决策。当家庭成员多时，农户受各方面约束更少，家庭分工更为合理，知识和技术的积累更全面，非农兼业对农户进行低碳生产的促进作用更容易显现。

（2）在社会资本上，当农户加入合作社和无政治身份时，农户兼业对农户进行低碳生产的促进效果更为显著。加入合作社的农户以自有耕地入股，在解放劳动力的同时降低农户粗放经营自有耕地的可能性；合作社进行规模生产，统一进行施肥，农户不仅能够节约时间成本和自身劳动力，而且能够通过合作社的农机实现自有耕地高产，实现效益双丰收。普通农户比具有政治身份的农户受到的社会关注和政治约束少，因而更能够从自身理性小农角度出发，作出利己决策。

（3）在经济资本上，当农户的农业收入占比大于均值时，农户兼业促进农户进行低碳生产的作用更为明显。农业收入占比大于均值的农户与农业收入占比小于均值的农户相比，更具有“农忙务农、农闲打工”的农户兼业特点，这类农户兼业目的是增加收入来反哺农业，减少对农业生产的经济依赖，并且改变原有生产模式，引入专业农机，有效解放劳动力、提高生产效率，实现规范化生产，从而减少不必要的碳排放达到低碳生产。

（4）在外部环境上，农户受政府宣传教育影响大和政府监管力度大时，农户兼业促进农户进行低碳生产的作用更为明显。政府宣传教育为农户塑造良好低碳生产环境，政府监管为农户树立严格约束。对于政府宣传教育理解能力更强、受政府监管约束更多的农户，兼业后对自有耕地的处理更能偏向于低碳，也更有利于其进行低碳生产。

5 结论与政策启示

本研究利用黑龙江省376 份农户调研数据，通过倾向得分匹配法解决样本自选择偏误问题，分析农户兼业对农户进行低碳生产的影响，得出以下研究结论：（1）与不兼业的农户相比，农户兼业可使农户进行低碳生产的概率提升12.8%，其中农户政治身份以及政府宣传教育在农户兼业促进农户进行低碳生产的过程中作出主要贡献。（2）经过多种匹配方式，农户兼业可使农户进行低碳生产的概率提高14.0%～24.9%，说明若不考虑样本自选择偏误问题时，农户兼业对农户进行低碳生产的促进作用将被低估。（3）农户兼业对农户进行低碳生产的促进作用具有异质性，当农户家庭成员多、加入合作社、无政治身份、农业收入占比大于均值、受政府宣传教育影响大、政府监管力度大时，非农兼业对农户进行低碳生产的促进作用更明显。

上述研究结论蕴含的政策启示包括：首先要提供农户更多兼业机会，拓宽农户兼业渠道。考虑到农户兼业有利于农户进行低碳生产，因而政府应该为农户提供兼业机会，减少农户对耕地的经济依赖，增加农户兼业收入，使农户在兼业中提高低碳生产认知、提升低碳生产能力，争取成为一名高素质农民，进而为早日实现农业农村碳中和贡献力量。其次，要发挥合作社优势，营造低碳生产环境。促使农户加入合作社或促使农户进行土地托管委托合作社进行农业生产。农户加入合作社后，信息交流更为便捷、生产认知得以扭转，促使农户对低碳生产正外部性更为明确；从点到面地积极引导身边农户了解和采纳低碳生产行为，不断扩展采纳低碳生产行为的农户范围。最后，发挥政府监管的约束作用。政府运用微博、微信等多种手段进行监管，对农户高碳生产行为进行实时监督有效监管，对农户错误生产认知及时纠正，减少农户不合理行为产生的不良后果，减少碳中和战略实施道路上的基础性障碍，有效促进我国碳达峰目标的实现。