农户异质性对种植碳效率的影响研究

□ 徐明庆 刘军弟

（西北农林科技大学 经济管理学院，陕西 杨凌 712100）

一、引 言

党中央提出的2030 年前“碳达峰”和2060 年前“碳中和”重大决策部署要求实现生态文明和农业高质量发展。须引起重视的是，农业为仅次于工业的最大碳排放源，且据联合国粮食及农业组织（FAO）统计，每年农地温室气体排放量相当于150 亿吨CO2，超过全球人为温室气体排放的30%[1]，而种植业作为农业重大碳排放源和三次产业中唯一吸收碳的生产部门，是带动农业经济向绿色低碳循环与可持续发展的关键。为实现我国在第七十五届联合国大会上作出的“双碳”承诺，应在保障种植业产量与收益的前提下，采取绿色生产模式以减少碳排放和增加碳汇，即提高种植碳效率以提早碳达峰和促进碳中和。种植碳效率本质上是基于农户单元在生产中的累积，需深入挖掘影响农户种植碳效率的相关因素与特征差异[2]，而农户在生产经营管理中易受认知差异、偏好、传统观念、个体信念、决策能力、家庭条件、资源禀赋、未来预期、信息不对称等诸多异质性因素影响，从而表现出“有限理性”决策，导致不同农户间种植碳效率存在差异。本文探究农户异质性对种植碳效率的影响，为引导与规制农户“高碳效率”生产提供政策制定依据。

二、国内外文献回顾

“碳效率”最初界定为“碳的经济效率”，即单位产值的CO2排放量[3]。随着相关研究在农业领域的拓展，基于投入产出法测算和比较碳投入和碳产出来测度碳效率成为常规范式，碳效率被认为是农业生产系统的重要资源，意为单位碳投入所获得的经济产量、经济价值等有效价值量[4]。随着“碳效率”内涵逐步扩维，相关领域学者将碳效率划分为碳生产效率、碳经济效率、碳生态效率三个维度，分别以单位碳排放的产量、产值、碳汇来测算[3]，更好地表征了农业生产领域的碳效率问题，为本文提供了有益借鉴。

农户异质性通常被界定为农户间自身禀赋、生产意愿与决策、偏好、资源禀赋等方面的差异[5,6]。影响种植碳效率四项测算部分的农户异质性因素相关研究沿四条主线展开：主线之一是探讨农户低碳农业生产行为的影响因素，研究发现户主特征、家庭务农禀赋、低碳认知、信息资源禀赋、社会身份与经历等是主要影响因素[7,8,9]，该主线与种植碳排放紧密相关；主线之二是探讨土地生产率的影响因素，发现土地流转、要素投入、农地规模和分块等是主要影响因素[10,11,12]，该主线与种植产量紧密相关；主线之三是探讨农户参与碳汇供给的影响因素，研究发现户主禀赋、家庭特征、互联网获取知识、技术指导、社会关系网络、社会资本等是主要影响因素[13,14]，该主线与种植碳汇紧密相关；主线之四是探讨农户农业经营收入的影响因素，研究发现农户个体禀赋、资源拥有量、网络通讯状况、利润导向、非农收入、政府价格支持等是主要影响因素[5,15]，该主线与种植收入紧密相关。综合四条主线研究，农户异质性因素可归为四类：户主个人特征、家庭特征、专业知识与技术特征、社会关系网络特征；考虑到农产品有效供给市场有助于促进农民增收，该途径须通过交易来实现[16]，而在不增加碳排的基础上提高交易收入即能提高碳经济效率，由此引入农产品和农资物品的销售价格和渠道、签订合同等交易特征。

目前碳效率的测算研究未形成完备体系，本文在提炼碳效率相关测算参数基础上，构建完善种植碳效率测算体系；为避免常用的百分位三等分法忽略种植碳效率测度数据的偏斜特征而致结论偏倚，提出以数据均值为基准进行有序三分类赋值；已有文献对农户异质性的理解都较为片面，本文结合文献研究与农村实地考察构建五类特征下的农户异质性指标体系，并采用主成分分析法降维处理以凝练农户异质性涵义；现有影响因素研究多运用存在Gramer 问题的二元Logistic 模型，本文选用预测精度更高的有序三分类Logistic 模型分析农户异质性对种植碳效率的影响。

三、数据来源与模型构建

（一）数据来源

本文数据源于2019 年7～8 月在陕西关中地区3个市（西安、咸阳、宝鸡）、5 个县/ 区（杨陵、武功、周至、扶风、三原）、24 个镇（乡、街道）、70 个行政村的农户调查。每个样本镇（乡、街道）按行政面积、农业人口和种植分布密度分层整群随机抽样选取样本行政村，每个行政村按村庄规模、农户数和农田分布分层随机选取样本农户。共调查302 户，有效问卷267 份，问卷有效率88.41%。

（二）构建有序三分类Logistic 模型

回归分析是探究因果关系的重要手段。前人研究多给出Logistic 回归估计结果与实际数据具有较高拟合度的结论[17]，且概率型非线性回归的Logistic 模型不要求变量满足正态分布和协方差相等要求，高度适应生产生活实际。Logistic 回归分析要求自变量间不能存在线性函数关系，否则会导致变量系数标准差增大进而降低估计系数可靠性[18]，为避免较多的农户异质性指标出现多重共线性和加重Logistic 模型分析工作量，本文采用主成分分析法对这39 个初始指标进行降维以综合指标信息及凝练农户异质性涵义，聚焦主要因果分析。碳效率测度结果为连续型变量，为方便比较不同农户间种植碳效率的相对高低,须根据其数据分布进行有序划分（低、中、高），从而转变为有序三分类因变量，如此可避免发生二分类Logistic 模型高估高端组和低估低端组的Gramer 问题并提高预测精度[19]。由此构建有序三分类Logistic 模型分析农户异质性对种植碳效率的影响。

有序多分类Logistic 模型的定义式如下[20]：

式中，y★为不可直接测量的观测现象内在趋势，∂为常数项，iβ为系数项，η为误差项。

假设因变量y为d个等级的有序变量，自变量为xT=（x1,x2,…xb），则等级为h（h=1,2,…d）的概率为P（y=h丨x），小于等于h等级的概率为P（y≤h丨x）=P（y=1丨x）+P（y=2 丨x）+…+P（y=h丨x），小于等于h（h=1,2,…d-1）等级的累积概率用logit 函数作变换：

有序分类结果的Logistic 定义如下：

公式（3）等价于公式（4）：

等级d被分为｛1,2…h｝和｛h+1,h+2…d｝两类，P值为前h个等级的累积概率和后d-h个等级的累积概率的优势的对数。算出累积概率后，便可计算某一特定等级的概率：

由于因变量种植碳效率存在次序关系，有序三分类Logistic 模型包括以下二个有序分类函数：

式中，P1、P2、P3分别代表农户种植碳效率为低、中、高的概率。

四、种植碳效率测度体系构建、描述与分级

（一）种植碳排放量的测度

已有研究将农业生产碳排放源归为五类：农业生产资料（氮磷钾肥、农药、农膜、柴油等）、农业生产活动( 灌溉、翻耕、人工）、种植耗电碳排放（按煤电计）、土壤呼吸、农业废弃物1样本区内环保管控严格，焚烧秸秆和农资废弃物随意丢弃现象极少，故这部分碳排放在本文忽略不计。。根据联合国政府间气候变化专门委员会(IPCC)公布的碳排放测算方法设定计算公式[4]：

式中，E为种植碳排放总量，Tq为第q种碳排放源的使用量，δq为第q种碳排放源的碳排放系数。表1 给出了研究样本碳排放系数。

表1 种植碳排放系数

（二）种植碳汇量的测度

1.农作物固碳

农作物在生长周期内通过光合作用进行碳吸收形成净初级生产量，公式如下[26]：

式中，Ccrop为碳吸收总量，j为作物类型，Cj为碳吸收率，Yj为作物产量，rj为作物经济产品部分的含水量，Hj为作物经济系数。表2 给出了调研区域主要农作物的经济系数、含水量与碳吸收率。

表2 农作物的经济系数、含水量与碳吸收率

2.经济林木固碳

果树、景观树、花卉、种苗等经济林木通过光合作物吸收碳，公式如下：

式中，Cforest为碳吸收总量，kB为第k种经济林木的生物量，kψ为第k种经济林木的生物量碳转换系数。据已有研究，我国经济林木的平均生物量为23.7t/hm2[28]，经济林木的生物量碳转换系数采用数值为0.5[29]。

3.土壤固碳

耕作时化肥、有机肥的施用；免耕、复种、轮作等耕作管理；作物残留还田等都会增加土壤碳库的碳含量，公式如下：

式中，Csoil为各类土壤固碳项目的固碳总量，CSr为第r种土壤固碳项目的使用量，θr为第r种土壤固碳项目的固碳系数。表3 给出了调研区域主要土壤固碳项目及对应固碳系数。

表3 土壤固碳系数

4.种植碳汇总量

种植碳汇总量（Cplant）为农作物固碳量（Ccrop）、经济林木固碳量（Cforest）和土壤固碳量（Csoil）之和，公式如下：

（三）种植碳效率的测度

1.种植碳生产效率

种植碳生产效率是作物总产量与碳排放总量的比值，作为评估种植碳实用产量的指标，公式如下：

式中，CC为碳生产效率，Mn是第n种作物的产量，E为种植碳排放总量。在实际研究中，作物产量分农作物和经济林木产量，并以相应生物量来衡量。因考虑根、茎、叶等能产生实际价值（如秸秆还田、青饲料等），在获得用以售卖的农作物产量数据后，除以相应经济系数（见表2），以获得相应农作物的生物量；经济林木的生物量以23.7t/hm2计[28]。

2.种植碳经济效率

种植碳经济效率是作物总收益与碳排放总量的比值，作为评估种植碳实际产值的指标，公式如下：

式中，CE为碳经济效率，Mn是第n种作物的经济产量，Pn为第n种作物的出售价格，E为种植碳排放总量。在实际研究中，只核算已形成经济价值的作物产量，未售出的农作物和经济林木不计入。

3.种植碳生态效率

种植碳生态效率是作物碳汇总量与种植碳排放总量的比值，作为评估种植碳生态可持续发展的指标，公式如下：

式中，CS为碳生态效率，Cplant为作物碳汇总量，E为种植碳排放总量。

（四）种植碳效率有序分级

农户调研数据多呈偏态分布，此类数据一般采用百分位三等分法进行有序三分级[30]，使处理后的赋值数据呈正态分布，但忽略了同一分位中数据间的差值差异。而数据偏斜在现实生活中具备常态化，忽略其偏斜特征易导致结论偏倚[31]，应以均值为基准进行数据赋值以便研究不同分位的数据分布差异，由此得出可信度更高的一般性结论。本文根据测算汇总结果，分别以碳生产效率、碳经济效率和碳生态效率的测度均值为1/2 临界点来核算全值（缓和极大极小值的过度偏倚作用），以此全值的1/3 和2/3 作为低、中、高碳效率的两个分界点，并将低、中、高级别赋值为1、2、3。三类碳效率除分别存在极少测算缺值外，频数均为高碳效率＞低碳效率＞中碳效率（见表4）。各碳效率赋值结果作为有序三分类Logistic 回归的因变量。

表4 种植碳效率分级

五、农户异质性指标体系构建与主成分分析

（一）农户异质性指标体系构建与描述

以文献回顾为基础，结合研究区域社会经济、习俗文化、地理环境、资源禀赋、种植技术、农业政策等状况，构建农户异质性指标体系并作描述性统计分析（见表5）。

表5 农户异质性的指标定义、赋值、均值和标准差

1.户主个人特征

本文重点考察“实际户主”性别、年龄、文化程度、婚姻状况、健康状况和特殊经历。若遇户口本上为户主却非主要决策者的“名义户主”，转而调查实际家庭主要决策者。研究发现户主90%为男性，平均年龄为57.69 岁，普遍处于在婚状态；文化程度以初中为主；健康状况普遍良好，多有打工等经历。

2.家庭特征

本文采用家庭劳动力占比、家庭最高文化水平、家庭务耕人数、过去生产经验、劳动力投入方式、年务耕时间、兼业化程度、是否贫困户、经营规模、地块分散度和是否土地流转来衡量家庭特征。研究发现家庭最高学历多为高中；家庭劳动力占比平均为71%，户均1.91 人从事农业生产，平均务农年限达到34.75 年；户均经营面积为4.71 亩，分散于2.57个地块；农业劳动以自耕为主，少量雇工或机耕；年务耕时间平均为8.97 月，非农收入平均占比为67%；贫困农户占比为6%；土地流转农户占比为27%，其中转出占比79%。

3.专业知识与技术特征

农户如具备专业知识与技术并有意识地科学化生产经营，将降低时间、人力、农资物品等成本投入并提高产出，有助提高碳效率。本文采用被动接受种植技术指导、主动获取种植技术知识、当前农业技术服务体系满意程度、经互联网了解碳排与碳汇知识、“三品一标”了解程度、所受低碳宣传、为实现规模经营流转土地意愿、低碳认知程度、了解的现代种植技术、采用的现代种植技术和低碳种植服务有效改进建议来衡量专业知识与技术特征。研究发现农户被动接受的技术指导（平均0.63 种）多为村委会组织种植技术培训，主动获取的技术知识（平均0.46 种）多为与其他种植户交流生产管理经验；对实现规模经营而流转土地的意愿普遍不强；对当前农业技术服务体系满意程度普遍为“一般”，多认为“扩展服务范围”（57%）和“提高服务质量”（51%）是低碳种植服务的有效改进建议；所受低碳宣传多通过电视和村委会，经互联网了解的碳排与碳汇知识（平均0.66 种）多为低碳生活知识，对“三品一标”的认识多为其中一两项，总体上低碳认知程度不高；了解的现代种植技术（平均1.04 种）多为设施农业，采用的现代种植技术（平均0.15 种）多为设施农业中的单拱大棚或单层膜连栋大棚。

4.交易特征

农户在种植生产经营过程中存在购入农资物品、售卖农产品、购买农业保险等交易行为；而交易产品、交易渠道、合作持久度、中间商差价、风险保障等的不同，会不同程度地影响收入水平。本文采用是否使用电商渠道售卖农产品或购买农资物品、是否与农产品收购商签订购销合同、是否售卖绿色有机无公害农产品、农产品售卖渠道和是否购买农业保险来衡量交易特征。研究发现农户有12%使用电商渠道售卖农产品或购买农资物品，3%售卖绿色有机无公害农产品，11%与收购商签订购销合同，且农产品售卖渠道（平均1.21 种）多为客商上门收购；购买农业保险状况多为“从来没有买过”和“曾经买过，现在不买”前者比例较高。

5.社会关系网络特征

农户会因社交熟人接触先进生产技术、丰富种植专业知识、拓展农产品销售渠道、拥有更多生产要素获得机会等，以此提高生产效率和经济收入，从而提高种植碳效率。本文采用是否加入合作社、是否常与城里熟人联系、认识的涉农人群、获取农业信息渠道、与周围邻居的交流频率和亲戚朋友的特殊职业来衡量社会关系网络特征。研究发现农户加入合作社占比13%，常与城里熟人联系占比57%，认识的涉农人群（平均0.82 种）多为农产品收购商；与周围邻居的交流频率普遍为“较多”，且获取农业信息渠道（平均2.12 种）多为亲友邻里和电视；亲戚朋友的特殊职业多为教师。

（二）农户异质性指标主成分分析

采用SPSS 22 提取特征值大于1 的主成分。KMO值为0.694，Bartlett 球形检验卡方值为2271.804、自由度741、伴随概率P=0.000＜0.01，表明符合主成分分析要求。

经标准化处理，提取后的14 个主成分方差贡献率依次为8.41%、6.71%、5.47%、5.02%、4.67%、4.26%、4.19%、3.94%、3.83% 、3.72%、3.54%、3.45%、3.31%和3.13%，累积方差贡献率达63.64%，说明主成分分析效果良好。采用kaiser 标准化最大方差法旋转成分矩阵，确定各主成分意义见表6。

表6 主成分命名、指标构成及涵义解释

一般认为载荷绝对值大于0.3 即为显著，上述14 个主成分均符合要求。根据成分得分系数矩阵得到14 个主成分关于39 个农户异质性指标的线性表达，并将各主成分计算结果作为有序三分类Logistic 模型的自变量。

六、农户异质性对种植碳效率的影响分析

（一）模型检验

分别对以种植碳生产效率、碳经济效率和碳生态效率为因变量的有序三分类Logistic 模型作平行性检验和拟合优度检验。3 个平行性检验结果均符合P＞0.05，表明各回归方程显著平行，数据适合采用有序三分类Logistic 模型；三个模型拟合信息均符合P＜0.01，代表相应模型中变量系数至少有一个不为0，从而拒绝零假设，模型在整体上有意义。

（二）农户异质性对种植碳效率影响的回归结果与分析

模型1、2、3 分别为以种植碳生产效率、碳经济效率、碳生态效率为因变量的有序三分类Logistic 模型。降低碳排放或在一定碳排下提高产量、收益和碳汇（产量与碳汇增减同向，可并称为产出）均有助于提高碳效率，结合实地调研对模型回归结果（略）进行分析。

低碳种植信息认知能力（F1）对碳生产效率、碳经济效率和碳生态效率均具有显著正向影响，分别通过10%、5% 和10% 显著性水平。农户低碳种植信息认知能力越高，则易应用先进技术生产高产、高价与低碳农产品；在具备相应资金、技术和人脉时易因“三品一标”等农产品的安全优质而参与生产；易因低碳认知而减少生产碳排放；易因通过网络了解碳排与碳汇知识而自觉行动推进绿色环保、低碳经济和“美丽乡村”建设；易因认识更多涉农人群而具备提高生产技术与农产品议价空间的人际平台；易因低碳宣传的耳濡目染形成低碳意识而减少种植污染；易因更多农业信息获取渠道和更高信息集汇水平而提高低碳农业政策适应度和主观能动性。生产经营能力（F2）对碳生产效率、碳经济效率和碳生态效率均具有显著正向影响，分别通过5%、1%和5%显著性水平。农户生产经营能力越高，易因耕地扩大形成规模经济效应，减少单位土地农资成本投入并降低碳排放；易采用现代种植技术改变作物的光照、温度、湿度、营养等生长环境来提高产量和品质，且反季节蔬果有利于获得市场价格优势；易通过扩大销售面赢得最大利润空间；易减少化肥、农药、生长激素等投入来生产销售绿色有机无公害农产品，降低成本又获得高市场价格回报。

户主务农能力（F3）对碳经济效率和碳生态效率均具有显著正向影响，分别通过1% 和10% 显著性水平。户主务农能力越高，易因较高文化程度而具备更好的市场经济认知和经营销售能力；易因良好的健康支持其扩大耕作和精细管理，作物生长状况得以改善，且年富力强者更具拓销动力；在务农普遍的传统农村，务农年限较少的新型职业农民，其转入土地有利于撂荒耕地的重垦，且更善经营的状态有利于创收；年龄更接近中青年且思维体格在巅峰状态，有利于农地经营。

获取种植技术指导能力（F4）对碳生产效率和碳生态效率均具有显著正向影响且通过5% 显著性水平。农户获取种植技术指导能力越高，易因多途径技术培训和专门指导而提升农地生产管理技能；易因户主的特殊经历拓展人际网与知识面，具备习得先进技术的信息禀赋而增进产出，且易多渠道销售和采取营销手段，盈利反馈又驱动其扩大生产。

农产品交易保障水平（F5）对碳生产效率、碳经济效率和碳生态效率均具有显著正向影响且通过1% 显著性水平。农户的农产品交易保障水平越高，则易与农产品收购商签订购销合同，长期稳定的销售渠道可减轻其市场风险冲击顾虑，激励其尽心务农以保证作物长势和收成相对良好；易加入合作社以获得实用技术交流经验、延请专家指导、实现规模效应等集体福利，还可经合作社统一销售避免本地市场价格竞争以获得更高利润回报。

非农化倾向（F6）对碳生产效率和碳生态效率均具有显著负向影响且通过5%显著性水平。农户非农化倾向越高，易因家庭最高学历者的求学备考增加脱产成员，导致种植产出缩减；易因亲戚朋友非农职业生活质量更佳的社交环境影响而舍弃田间工作去从事第二、三产业；易因土地流转或整合（多为转出）后较少的地块而减少产出；易因主动获取种植技术知识的意识欠缺而使农地生产技能相对低效。

家庭务农能力（F7）对碳经济效率具有显著正向影响且通过5%显著性水平。家庭务农能力越高，易因更多的务耕人数而降低单人劳动强度并提高家庭劳动密度，可形成更细分工以完善和扩大生产经营，同时减少农业生产资料的粗放式投入，从而提高收成并降低碳排；易因更高的家庭劳力占比而专注于种植，且多头商议有助于选种高收益作物和拓宽销售渠道；易因更长的年务耕时间实现按不同作物的生长季节与营养环境采取间作、套作、轮作、复种等耕作制度，以提高农地利用率和实现换季创收。

保障务农收入意愿（F8）对碳生产效率、碳经济效率和碳生态效率均具有显著正向影响且通过1% 显著性水平。农户保障务农收入意愿越高，易因购买农业保险得以平滑风险，则家庭经济平稳有助于维持正常的农业活动；易因较低的兼业化程度而专注务耕，有助于扩大种植和实现农业增收。

弃耕意愿（F9）对碳生产效率和碳生态效率均具有显著负向影响且通过1%显著性水平。农户弃耕意愿越高，则更愿为实现规模经营流转土地，大多因务农成本收益率低和转出土地可额外获益（一次性买断或按月、年支付地租），则转投非农工作的更高意愿使其务耕动力不足，引致种植产出下降；易进行土地流转且多为转出，转出者多为剩余小块农地自产自用而无须精耕细作小农户，农地产出有限；易因常与城里熟人联系而为更高报酬入城打零工耽误农时，或了解到城市居民偏好绿色有机无公害农产品而少施农药与化肥，引致产量降低；易呈现出改进低碳种植服务意愿低，一者因较多为种粮户且收益期待值低，二者因有转业和兼业的收入补充而不太看重务耕收入，家庭重心转移致使生产积极性与生产效率较低。劳动力非家庭化水平（F11）对碳经济效率具有显著正向影响且通过5%显著性水平。农户的劳动力非家庭化水平越高，易因户主的非在婚状态（即处于未婚、离婚乃至丧偶状态）而缺乏非农劳力，以务农收入为主；易雇用非家庭成员作劳力投入，雇工种植可弥补家庭劳力缺乏问题，研究区域多有雇工作集体机械耕作，在提高生产效率和节省人工的同时，也带来单亩成本降低的规模效应红利。

电商渠道交易能力（F13）对碳生产效率、碳经济效率和碳生态效率均具有显著正向影响且通过1% 显著性水平。农户电商渠道交易能力越高，越能减少农产品售卖的中间商赚取差价以提高利润空间，能通过电商对比采购到更物美价廉的农资物品，节约的资金还可雇工和雇用农业机械以扩大生产，还能在丰收旺季避免原产地市场的恶性价格竞争以保障劳动回报。

七、结论与建议

概况而言，与低碳生产经营相关的能力和意愿是影响种植碳效率的关键因素。为引导农户提高种植碳效率，建议如下：

（一）强化务农能力培训。村镇政府开设“成人班”，邀请专家与种地能手传授先进、实用种植技术，并串讲农地管理、低碳政策、市场供需、营销手段、风险规避等内容。

（二）协同推进低碳种植。农技站、农业院校等科研单位做好低碳种植新技术、新良种和新耕作制度的创新、引进、试验、示范和推广；政府提供低碳补贴，并带头推进“三品一标”乃至“新三品一标”在农村的落实；农业公司、家庭农场、专业大户、农民合作社等新型农业经营主体带动农户低碳种植，并雇用当地剩余劳动力以助力解决农村就业问题，其规模化耕作机械可在农耕之余以较低盈利租赁给周边农户。以期协同实现种植经济、社会、生态效益更优目标，并达成“农产品安全- 农业经济发展-生态保护”三赢局面，推动种植业高质量发展。

（三）畅通涉农信息渠道。针对不同农户群体，丰富依托互联网的讯息途径（短信、微信、QQ、短视频平台等），及时传达农业政策、气象灾害、适种作物、农技讲座等最新信息；设立交流中心集汇各类涉农人群，让种植技术、涉农产品、劳力、资金、物流等供需信息畅通且可及，以降低中间成本和提高实效。

（四）健全交易平台与保障机制。规范和推广电商渠道，制定协议降低平台入驻成本并鼓励农户学习、注册和使用，协约制定严惩机制整治恶意扰乱平台交易秩序行为，从而让物美价廉农资物品“走进来”，让当地特色和“实在”农产品“走出去”；农产品收购商须和农户签订政府为中间担保、合乎法律规范的农产品收购合同，以政府威信规避收购商“口头不算”与“霸王条款”，且违约罚金应按农户实际损失厘定。

（五）监督农业服务组织履行职能。主管部门应严格审查并鼓励公众参与监督拟注册和已有农民合作社，并号召社会公众建谋献策制定严谨的考评机制，不合格者予以取缔，杜绝“僵尸”、“空壳”合作社骗取国家补贴和消耗农民对农民合作社的信任；鉴于农业保险在农村地区的失信危机，对保险公司的险种处理可同此。

（六）规制政策保障低碳。制定优惠政策招引更善农地经营的“新型职业农民”，落实土地流转补贴并为弃耕农户提供新岗位，鼓励通过“专业化种植”打破“经验化种植”的粗放低效怪圈；政府、农资公司和农资服务站签订三方协议：农资服务站售卖农资物品时指导农户适度使用农药、化肥、农膜等农资物品，并付给农户一定报酬收集农资包装袋、瓶等，而农资公司以农资实物或优惠方式向农资服务站回收利用这些农资废弃物，政府则以财政转移支付方式予农资公司以回收补贴。