陈儒¹, 邓悦², 姜志德^1,, 谢晨³
1. 西北农林科技大学经济管理学院,杨陵 712100
2. 西北农林科技大学人文社会发展学院,杨陵 712100
3. 国家林业局经济发展研究中心,北京 100714

Comparative analysis of regional factors influencing land reconversion possibility in returning farmland to forest and grassland project areas in China

CHENRu¹, DENGYue², JIANGZhide^1,, XIEChen³
1. School of Economics and Management,Northwest Agriculture and Forestry University,Yangling 712100,China
2. School of Humanities and Social Development,Northwest Agriculture and Forestry University,Yangling 712100,China
3. Research Center for Economics and Development,State Forestry Administration,Beijing 100714,China
通讯作者:姜志德,E-mail：zhidej@sina.com
收稿日期:2016-01-10
修回日期:2016-08-5
网络出版日期:2016-11-16
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:国家自然科学基金面上项目（71573212）中国清洁发展机制基金赠款项目（2012027）
作者简介:
-->作者简介：陈儒,男,山西曲沃人,博士生,主要研究方向为生态农业、低碳经济。E-mail：R.CHEN@foxmail.com



展开

摘要
本文以计划行为理论为基础,采用调研获取的17省（市、自治区）1757个农户调查数据,运用因子分析、最优尺度回归模型实证分析了中国退耕还林还草地区复耕可能性及其影响因素的区域差异。结果表明,退耕区复耕可能性具有明显的区域差异,依据复耕可能性的大小可以划分为复耕可能性较高和较低两类地区。退耕区农户的复耕意愿是影响退耕区复耕可能性的主要因素之一,但非最重要因素,在复耕可能性较高的地区,退耕补贴依然是影响该地区农户复耕决策的重要因素,农户做出复耕决策受本地区其它农户的影响较大。在复耕可能性较低的地区,退耕农户较高的退耕积极性降低了复耕发生的概率,农户的复耕意愿和复耕预期对复耕可能性的影响程度也随着自身知识水平的提升而降低,退耕补贴已经不再是该地区农户复耕决策中重要的考虑因素,因此在政策设计上应考虑降低或停止农户的退耕补助,探索构建以碳交易为主的市场化补贴机制。此外,两类地区退耕农户均十分注重工程的实施效果,在政策设计中应加强对工程后期成果的维护。

关键词：复耕;可能性;影响因素;退耕还林还草工程
Abstract
This study is based on TPB theory and used data obtained by investigation of 1757 farmer households in 17 provinces. An empirical analysis was carried out using factor analysis and optimal scaling regression modeling in regional differences of factors influencing land reconversion possibility in returning farmland to forest and grassland project areas in China. We found an obvious regional difference in land reconversion possibility; according to the possibility it can be classified as two areas of a higher likelihood of land reconversion and lower. Farmers' willingness of land reconversion was an important factor influencing the possibility of land reconversion,but not the only major factor. Subsidy was an important factor affecting farmer rehabilitation decisions in the higher likelihood of land reconversion area,farmer rehabilitation decisions were affected by other farmers in the region. The enthusiasm of farmers led to a low possibility of land reconversion in the lower likelihood areas,the degree of farmer willingness and anticipation of land reconversion influenced rehabilitation possibility also along with its own knowledge level of ascension. Subsidy was no longer the important consideration factor in farmer rehabilitation decision-making. Therefore,policy design should reduce or stop farmer subsidies,and explore the construction of a carbon trading-based market subsidy mechanism. Both the two types of areas focused on the project implementation effect,so policy design should strengthen the maintenance of projects.

Keywords：land reconversion;possibility;influencing factors;returning farmland to forest and grassland project

-->0
PDF (684KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
陈儒, 邓悦, 姜志德, 谢晨. 中国退耕还林还草地区复耕可能性及其影响因素的比较分析[J]. , 2016, 38(11): 2013-2023 https://doi.org/10.18402/resci.2016.11.01
CHEN Ru, DENG Yue, JIANG Zhide, XIE Chen. Comparative analysis of regional factors influencing land reconversion possibility in returning farmland to forest and grassland project areas in China[J]. 资源科学, 2016, 38(11): 2013-2023 https://doi.org/10.18402/resci.2016.11.01

1 引言

中国为了继续巩固退耕还林还草工程实施成果,于2014年中央一号文件再次提出“继续在陡坡耕地、严重沙化耕地、重要水源地实施退耕还林还草”,并批准实施《新一轮退耕还林还草总体方案》,要求各省（区、市）按照总体方案设计符合自身实际情况的实施方案。然而,由于中国退耕还林还草工程实施范围广、地域差异大,各省份实施方案的设计和补助标准的确定需要结合当地退耕的实际情况,并充分考虑农户的自主退耕意愿以及其它相关影响因素。因此,诸多****针对退耕补偿结束后不同地区的复耕可能性、农户行为意愿等问题从多角度展开研究。
对于退耕地区的复耕可能性,部分****认为若退耕补助到期后不继续进行补贴,退耕地复耕发生的概率会增大^[1],退耕还林项目恢复的林草地在项目结束后有可能被重新开垦为农田^[2],项目可持续性令人担忧^[3,4],退耕补助依然是农户保持退耕还林最主要的激励因素^[5]。Jacobson结合美国生态补偿工程CRP项目做了深入研究,也发现在项目停止后,由于土地质量实现了改善,项目中约21%~28%的土地会被复耕^[6]。然而也有部分****持相反观点,李秀彬等认为山区农民毁林开荒、扩大耕地面积的趋势已经发生了根本性逆转,坡耕地撂荒才是今后面临的主要问题,继续大规模实施退耕还林工程是没有必要的,并且指出退耕补贴会带来很多负面问题^[7]。单纯的退耕补贴已无法构成对退耕农户的持续激励^[8],应引入市场化的差别补贴机制^[9]。
对于农户的行为意愿及影响因素方面,****多从退耕意愿和复耕意愿两个角度进行论证,并得出影响行为意愿的因素主要有农户户主特征,如性别、年龄、教育程度等;农户家庭特征,如劳动力数量、耕地面积等;退耕还林情况,如退耕面积、是否有林业收入等;此外,农户态度、参与退耕还林程度、退耕政策执行力度、区域地理特征等也是影响农户做出复耕决策的主导因素^[1-4,10-15]。在区域特征影响因素研究方面,由于数据获取的局限性,所得结论差异性较大,任林静等在研究陕西安康山区退耕户的复耕意愿及影响因素时发现,地域特征对农户是否复耕影响显著^[11]。郭轲等认为地区因素对于农户的复耕决策没有显著影响^[1]。刘燕等在模型中增加了一个地区解释变量,并区分定义为黄河流域及北方地区和长江流域及南方地区,研究得出地区差异变量均不显著影响农户退耕还林意愿,认为有可能是该变量的作用被其它解释变量捕获或调查数据不足所致^[10]。
因此,由于地域的限制使得现有文献鲜有研究退耕区复耕可能性及其影响因素的区域差异。本文以此为契机,利用中国17省（市、自治区）1757个农户的实地调查数据,以计划行为理论为基础,拟从多角度、系统地分析各退耕地区复耕可能性的大小,并对其进行归类,在此基础之上进一步深入剖析导致复耕可能性地区差异的影响因素,以期为设计符合各省自身实际现状的方案提供政策参考。

2 研究方法

2.1 影响农户复耕行为决策的主要因素

农户是否复耕的行为选择是综合因素制约下成本与收益之间权衡比较的过程^[16],也是一种决策过程。在现实情况中,农户的决策行为由于受到多方面因素的制约,使得农户是介于完全理性与非理性之间的“有限理性”决策者,并没有一个能度量的效用函数获得完全理性决策的最优解,所以决策的合理性必须考虑人的基本生理限制以及由此而引起的认知限制、动机限制、环境限制及其相互影响的限制。生理限制和认知限制源于农户主要决策者的主观特征,环境限制源于农户所处的客观环境,动机限制源于农户主观的行为意向。基于Fishbein和Ajzen共同提出的计划行为理论（Theory of Planned Behavior,TPB）可知,行为意向是指个人对于某一项特定行为的采行意愿。同时,该理论指出行为态度、主观规范和知觉行为控制是决定行为意向的三类主要变量^[17,18],态度越积极、主观规范作用越大、知觉行为控制越强,个体的行为意向就越大,动机就越强,进而决定采取行动。因此,本文认为农户做出复耕决策的可能性受以下三类因素的影响：
（1）户主特征。采用性别、健康状况和受教育程度3个户主因素。户主对家庭决策有一定自主权,户主的基本生理限制源于性别、身体健康状况,认知限制源于受教育程度。生理限制和认知限制共同影响农户的复耕决策过程,生理限制越小、认知限制越大,农户越容易做出复耕决策。
（2）农户的行为意向。①行为态度。态度是指农户对退耕还林工程直观感觉的体现,也反映了农户对退耕还林工程评价所形成的显著信念。本文选取是否有必要继续退耕、工程评价、复耕意愿、是否参与专项建设4个农户态度方面的因素,假设复耕意愿越低、对工程满意度越高、退耕积极性越高的农户,发生复耕的概率低。行为是指基于行为意向所进行的实际行动,在退耕还林过程中,农户参与退耕还林工程建设的程度反映了农户对于工程的采行意愿,较高的采行意愿间接折射出农户较强的退耕积极性与退耕行为信念,退耕行为信念直接影响农户复耕行为的态度、主观规范和知觉行为控制,并最终影响复耕行为意向。假设积极参与工程专项建设的农户,发生复耕的概率低。②主观规范。采用复耕预期比例1个因素。主观规范是指个体在决定是否执行某特定行为时感知到的社会压力,它反映的是重要的他人或团体对个体行为决策的影响^[19]。因此,农户在复耕决策过程中的社会压力源于村民集体影响力,复耕预期比例越低,农户的主观规范约制性越强,复耕意愿就越低。复耕预期是指在现有的退耕还林还草政策规范的约制下,农户基于自身所处环境的主观认知来判断群体中会做出复耕决策的比重,该比重的大小反映了农户受村民集体影响力的强弱,假设复耕预期比例越大,农户越容易做出复耕决策。③知觉行为控制。知觉行为控制是指个体对于执行某特定行为容易或困难的感知程度,它反映的是个体对促进或阻碍执行行为因素的知觉^[19]。知觉行为控制包括了内在控制因素,如个人的技术、能力等及外在控制因素,如信息、机会或障碍等^[20]。本文选取农户是否具有劳动技能、对于退耕政策了解程度2个方面的因素,假设具有劳动技能、对于退耕政策了解透彻的农户,发生复耕的概率低。
（3）农户所处的客观环境。①家庭特征。农户家庭环境是复杂的,家庭特征的差异性会影响农户的决策。本文主要考虑家庭劳动力数量、家庭类型2个因素来反映家庭环境的差异,处于家庭劳动力数量多、以农业为主的家庭环境中的农户复耕可能性越大;②退耕情况。退耕还林的现实情况也是制约农户决策过程的客观环境因素,本文选取退耕面积、退耕地林木成活比例这2个因素来反映退耕还林情况的差异,退耕面积小、退耕地林木成活比例低的农户更容易做出复耕决策;③退耕政策。政策是一种制度,也是一种行为规范,制约着农户的行为动机。本文考虑退耕补助占收入比重、退耕补助是否足额发放这2个因素反映退耕政策落实情况,退耕补助发放是否足额及其占收入的比重关系到农户的切身利益,会直接影响农户复耕的行为决策。通常来讲,退耕政策落实越到位,农户复耕的可能性越低;④区域特征。农户的复耕意愿具有显著的区域差异^[11],各地区的地理条件、经济水平、退耕政策补助标准、农户特征等差异,所引起地区间复耕可能性也各不相同,地区之间的差异在后文中会做充分探讨。
因此,本文最终确定了16个主要解释变量,其赋值以及依据理论假设对分类变量的量化说明如表1所示。
Table 1
表1
表1变量赋值及量化说明
Table 1The assignment and quantitative description of the explanatory variables

变量类型及名称		变量定义（变量赋值）	均值	标准差	变量量化说明
户主特征	性别	女性=1;男性=2	1.89	0.314	男性所占比例
	健康状况	不可以劳动=1;可以劳动=2	1.98	0.123	健康劳动力所占比例
	受教育程度	初中及以下=1;高中及以上=2	1.21	0.406	教育程度为初中及以下比例
行为态度	是否有必要继续退耕	没有必要=1;有必要=2	1.79	0.407	认为没必要退耕的农户比例
	工程评价	不成功=1;不确定=2;成功=3	2.46	0.685	工程评价不高的农户比例
	愿否复耕	不愿意=1;不确定=2;愿意=3	1.68	0.885	愿意复耕的农户比例
	是否参与专项建设	未参与=1;参与=2	1.36	0.479	未参与专项建设农户比例
主观规范	复耕预期比例	10%以下=1;10%~50%=2;50%~80%=3;80%以上=4	2.03	1.148	复耕预期在50%以上的农户比例
知觉行为控制	是否了解退耕政策	不了解=1;了解=2	1.80	0.397	不了解政策的农户比例
	是否具有劳动技能	没有=1;有=2	1.37	0.483	没有劳动技能的农户比例
家庭特征	家庭劳动力数量	连续变量	3.86	1.308	各地区劳动力数量均值
	家庭类型	农业为主=1;打工为主=2;个体为主=3;农业兼打工=4;	2.48	1.081	以农业为主的家庭所占比例
退耕还林情况	退耕面积	连续变量	8.54	26.692	各地区退耕面积均值
	退耕地林木成活比例	10%以下=1;10%~40%=2;40%~70%=3; 70%~90%=4;90%以上=5	4.09	0.914	退耕地树木成活比例在40%以下的农户比例
退耕政策情况	退耕补助占收入比重	10%以下=1;10%~50%=2;50%~80%=3; 80%以上=4	1.09	0.339	退耕补助占收入比重在50%以上的农户比例
	退耕补助是否足额	没足额=1;不清楚=2;足额=3	2.53	0.697	补助发放未足额的农户比例

新窗口打开

2.2 分析流程

在研究方法的选取上,考虑到解释变量较多,因此采用因子分析法对诸多解释变量进行降维处理,选出公共因子,进而通过计算各地区综合因子得分来判断农户复耕可能性的大小。在因子分析的基础之上,依据复耕可能性的大小对各个地区进行分类。最后通过最优尺度回归分析,筛选出各分类地区中显著影响复耕可能性的因素并进行深入剖析,进而为退耕还林现行政策的完善以及后续政策的设计提供参考。各个方法描述如下：
（1）因子分析法。因子分析可将具有错综复杂关系的变量综合为数量较少的几个因子,以再现原始变量与因子之间的相互关系,从而用较少的因子代替原有较多的解释变量以达到简化分析的目的^[21]。因子分析法通过对解释变量相关系数矩阵的内部结构进行研究,将诸多变量进行归类,同一类别中的解释变量相关性较高,而不同类别之间相关性较低,每个类别即视为一个公共因子,之后用这些公共因子的线性函数与特殊因子之和来描述原来观测的解释变量。其数学模型为：
Xi=αi1F1+αi2F2+?+αimFm+εi（1）
式中 Xi为设定的各个解释变量;i=1,2,…,p; αi1, αi2,…, αim为因子载荷; F1, F2，?, Fm为公共因子; εi为 Xi的特殊因子。用矩阵表示时,因子分析模型可写为： X=AF+ε,其中, A为因子载荷矩阵;F是这个 p观测指标的公共因子, 且m≤ p。在建立公共因子与解释变量之间的关系后,可以获得每个样本的公因子得分,最后通过计算各个地区综合因子得分来判断农户复耕可能性的大小。
（2）最优尺度回归分析法。本文中以各个地区的综合因子得分作为被解释变量来表示退耕区复耕可能性,由于解释变量中含有分类变量,在统计建模时对分类变量的处理可采用Logistic回归、Probit回归或最优尺度回归模型等。然而Logistic回归和Probit回归要求被解释变量为分类变量,同时在回归结果解释中仅可以描述各解释变量对被解释变量的影响程度,却无法反映该影响的重要性,且当问题中绝大多数变量为分类变量时,分析操作比较麻烦。因此,本文选取能弥补Logistic回归和Probit回归缺陷的最优尺度回归来分析各解释变量对被解释变量的影响。最优尺度回归分析是采用一定的非线性变换方法对原始变量进行转换,然后反复迭代找到最佳方程式,分析各解释变量对被解释变量影响的强弱变化情况^[21]。
因此通过以上研究方法,选取一系列解释变量的观测值来分析退耕农户复耕的可能性。最终模型构建如下：
Y=f(X)+μ（2）
式中 Y为退耕区复耕可能性的被解释变量; X为反映农户户主特征、行为态度、主观规范、知觉行为控制、家庭特征、退耕还林情况、退耕政策情况方面的解释变量; μ为随机扰动项。

3 数据来源及样本描述

3.1 数据来源

本研究数据来自于2012年国家林业局和西北农林科技大学合作成立的联合项目组对各地区有退耕任务的农户开展的实地问卷调查,问卷采用表格和选择题形式获取了农户家庭基本情况、劳动力就业结构、土地利用结构、家庭收支状况、退耕还林情况及农户对退耕还林工程建设的参与意愿、态度等方面数据。调研样本地区分布比较广泛,涉及华北、华中、华南、西北、西南、东部六大区域,涵盖重庆、陕西、甘肃、四川等17个省（ 市、自治区）^[22]。共发放问卷1817份,回收1777份,其中有效问卷1757份,回收率为97.80%,有效率为98.87%。

3.2 样本描述

3.2.1 样本基本特征
由于家庭的户主及配偶对农户家庭决策有一定自主权,且对家庭的生产经营、收支、退耕还林等情况均比较了解,调查样本中户主和配偶总共占样本93%,故样本获得合理。同时依据已定义好的变量对样本数据进行筛选,其基本特征如表2所示。
Table 2
表2
表2样本基本特征
Table 2The basic characteristics of the samples

类别	选项	所占比重/%	类别	选项	所占比重/%
年龄	29岁以下	0.97	管护情况	管护	80.52
	30~44岁	20.43		没有管护	19.48
	45~59岁	67.56	工程专项建设参与情况	参与	30.01
	60岁以上	11.04		没有参与	69.99
受教育程度	初中及以下	81.50	工程评价	满意	63.00
	高中及以上	18.50		不确定	25.00
家庭类型	农业为主	25.90		不满意	12.00
	打工为主	19.92	复耕预期	10%以下	46.50
	个体为主	9.22		10%~50%	21.80
	农业兼打工	44.96		50%~80%	13.80
家庭劳动力数量	2人及以下	46.68		80%以上	17.90
	3人及以上	53.32	复耕意愿	愿意	28.43
土地利用变化情况	耕地	-60.66		不确定	12.05
	林地	142.19		不愿意	59.52
	牧草地	20.51	退耕意愿	愿意	77.99
	园地	31.82		不愿意	22.01

新窗口打开
从表2可以得出,样本农户户主年龄大多分布在30~60岁之间;半数以上户主的文化程度在初中及以下,文化程度不高;农户家庭类型呈现出多元化特征,以农业为主的家庭类型仅占25.9%;农户土地利用变化明显,与退耕前相比,耕地减少了60.66%,林地增加142.19%;虽然退耕地农户具有较强的管护意愿,但参与退耕还林专项建设的程度还不高。在退耕还林工程评价方面,63%的农户认为退耕还林工程增加了农户收入,退耕地植被覆盖率大幅提升,生态环境得到较大改善,工程实施比较成功;12%的农户认为退耕还林工程不成功,对退耕还林工程实施效果不满意,农户反映最多的不满还是与自身经济利益相关的问题,诸如对补偿标准的不满、退耕地没有收成等;此外,25%的农户虽然感受到了退耕还林的好处,但同时也体会到了其中的不足,对其成功与否难以给出确切的评价。复耕预期是影响农户做出复耕决策的关键因素,占68.3%比重的样本农户认为本村50%以下的农户会复耕,退耕农户预期本村复耕发生的比例处于较低的水平;在复耕意愿方面,仅28.43%的农户复耕意愿强烈;在退耕意愿方面,77.99%的农户退耕意愿强烈。可见,退耕区样本农户具有较高的退耕意愿和较低的复耕意愿。
3.2.2 各退耕地区农户的复耕意愿
复耕意愿是退耕区农户最直观的态度体现,是影响农户复耕行为决策的重要因素,****较多基于农户的复耕意愿视角来判断退耕户在补偿期结束后是否会复耕^[1,11]。如表3所示,在本次调研的17省（市、自治区）中,河南、湖南、湖北、甘肃地区退耕农户具有较强的复耕意愿,分别占各自样本比例的42.42%、47.50%、78.95%、37.10%,其中湖北地区退耕农户的复耕意愿最高。重庆、四川、吉林、河北退耕农户的复耕意愿较低,其中重庆地区退耕农户的复耕意愿最低,占其样本比例的8.7%。吉林、云南、宁夏、新疆地区有较高比例退耕农户的复耕态度表现出不确定性。
Table 3
表3
表3各退耕地区农户的复耕意愿情况
Table 3The land reconversion willingness in the returning farmland to forest and grassland project areas （%）

地区	复耕意愿			地区	复耕意愿
	不愿意		不确定	愿意	不愿意	不确定	愿意
陕西	65.79	11.44	22.77	云南	47.37	36.84	15.79
甘肃	57.56	5.34	37.10	四川	85.71	0.00	14.29
宁夏	51.95	27.54	20.51	河南	49.62	7.96	42.42
新疆	47.05	25.17	27.78	湖南	51.28	1.22	47.50
河北	86.11	0.38	13.51	湖北	16.67	4.38	78.95
山西	59.02	16.79	24.19	江西	64.29	14.28	21.43
内蒙	61.54	18.46	20.00	广西	52.63	17.37	30.00
重庆	86.67	4.63	8.70	吉林	36.84	53.11	10.05
贵州	53.95	20.08	25.97

新窗口打开
然而,仅仅通过退耕农户的复耕意愿来判断退耕区复耕可能性未免过于片面,依据前文农户复耕行为决策影响因素的分析可知,农户户主特征、行为意向、所处的客观环境等均是影响农户复耕决策行为的关键因素,所以要从多角度、多方面科学完整地评定各退耕区的复耕可能性。因此,为了进一步深入分析各地区复耕发生的可能性,本文拟从多角度设计变量建立实证模型,首先采用因子分析法对诸多解释变量进行降维处理,选出公共因子,进而通过计算各地区综合因子得分并据此判断农户复耕可能性的大小。

4 实证结果及分析

4.1 各退耕地区复耕可能性的比较分析

因子分析一般不适用于分类变量,所以在进行因子分析之前,需要对各解释变量中的分类变量进行量化处理,量化说明如表1所示,之后进一步对解释变量进行标准化处理,并采用KMO和 Bartlett检验方法分析所获得数据是否可以运用因子分析。本文运用spass20.0软件对标准化后的样本数据进行因子分析,KMO检验结果显示值为0.688>0.5,Bartlett球形检验的统计量为244.587,显著性水平远小于1%,说明本研究中的变量比较适合做因子分析,分析结果如表4-表6所示。
Table 4
表4
表4因子分析解释的总方差
Table 4Total variance explained

成分	初始特征值			旋转平方和载入
	特征根	方差贡献率 /%	累积方差 贡献率/%	特征根	方差贡献率 /%	累积方差 贡献率/%
1	4.632	28.950	28.950	2.967	18.541	18.541
2	2.213	13.834	42.784	2.443	15.269	33.810
3	1.934	12.089	54.873	2.041	12.757	46.567
4	1.864	11.649	66.522	1.971	12.318	58.885
5	1.449	9.057	75.580	1.946	12.161	71.046
6	1.371	8.566	84.146	1.856	11.600	82.646
7	1.040	6.501	90.647

新窗口打开
Table 5
表5
表5旋转后因子载荷矩阵
Table 5Rotated component matrixa

解释变量	公共因子			解释变量	公共因子
	F1		F2	F3	F4	F5	F6
受教育程度	0.865			复耕预期比例	0.506
是否具有劳动技能	0.809			性别	0.808
健康状况	0.161			是否参与专项建设	0.749
工程评价		0.906		家庭类型		0.523
退耕补助是否足额		0.887		退耕面积		0.900
是否了解退耕政策			0.912	是否有必要继续退耕		0.743
愿否复耕			0.720	退耕地林木成活比例			0.527
家庭劳动力数量			0.329	退耕补助占收入比重			0.938

新窗口打开
Table 6
表6
表6各地区公共因子得分及排名
Table 6Component score coefficient matrix and ranking

地区	公共因子得分						综合公共因子得分	排名
	F1			F2	F3	F4	F5	F6
湖北	-0.563	0.163	2.119	1.778	0.189	1.184	0.690	1
吉林	0.732	3.047	-0.755	0.788	-0.627	-0.733	0.533	2
江西	0.957	0.941	-0.542	0.052	1.178	-0.230	0.454	3
内蒙	0.385	-0.131	-0.919	-0.364	0.264	3.266	0.363	4
湖南	0.538	0.315	1.708	0.280	-0.721	-0.445	0.316	5
新疆	-0.770	0.311	-0.300	-0.056	3.141	-0.326	0.247	6
甘肃	0.880	-0.707	1.505	-0.512	0.339	-0.390	0.218	7
重庆	0.873	-0.236	-0.485	-0.513	-0.521	0.783	0.034	8
贵州	0.512	-0.981	0.378	0.300	0.095	-0.504	-0.020	9
山西	-0.050	-0.286	-0.085	0.390	0.127	-0.389	-0.055	10
陕西	0.029	-0.429	-0.106	-0.172	-0.216	-0.130	-0.165	11
四川	1.346	-1.224	-1.133	0.774	-0.973	-0.479	-0.194	12
河南	-0.527	-0.300	0.339	-0.065	-0.329	-0.302	-0.222	13
河北	0.580	-0.296	-0.616	-1.106	-0.247	-0.434	-0.282	14
云南	-1.694	1.120	0.601	-2.122	-1.215	0.401	-0.519	15
广西	-2.283	-0.548	-1.371	1.811	-0.770	-0.202	-0.697	16
宁夏	-0.945	-0.760	-0.338	-1.263	0.286	-1.069	-0.701	17

新窗口打开
Table 7
表7
表7各地区退耕农户复耕意愿所属类别
Table 7The category of regions farmers' willingness of land reconversion

类型	地区	特征
类型一	湖北、吉林、江西、内蒙、湖南、新疆、甘肃、重庆	复耕可能性较高的地区
类型二	贵州、山西、陕西、四川、河南、河北、云南、广西、宁夏	复耕可能性较低的地区

新窗口打开
表4显示,旋转后前6个公因子成分特征值均大于1,累计方差贡献率达到82.646%。因此选取前6个成分作为公因子来描述各个地区复耕可能性是恰当的。表5显示了旋转后因子载荷矩阵,因子载荷是公共因子与解释变量之间的相关系数,载荷越大,说明公共因子与指标变量之间的关系越密切。为了方便解释,表中只给出每个公因子上具有较高载荷的系数。在此基础之上,继续估算各地区在该6个公共因子上的得分及综合得分,结果如表6所示。
表6显示,在综合考虑各个因素的基础之上,各地区复耕可能性由大到小依次为湖北、吉林、江西、内蒙、湖南、新疆、甘肃、重庆、贵州、山西、陕西、四川、河南、河北、云南、广西、宁夏。其中,湖北综合公共因子得分最高为0.690,反映了该地区退耕农户复耕可能性较大;宁夏综合公共因子得分最低为-0.701,表明该地区退耕农户复耕可能性最小。与表3中各退耕地区农户的复耕意愿相比,复耕意愿强度位列前四位的湖北、湖南、河南、甘肃地区,与其相对应的复耕可能性分别排在了第1位、第5位、第13位及第7位,而复耕意愿最低的重庆地区,其复耕可能性排到了第8位。因此,依据退耕农户的复耕意愿来判断各个退耕地区的复耕可能性是不合理的。
表6中综合因子得分的正负表示该地区复耕可能性与平均水平相比的高低程度,据此将各地区复耕的可能性划分成较高和较低两种类型,其中综合因子得分为正代表复耕可能性较高的地区,综合因子得分为负代表复耕可能性较低的地区,如表7所示。同时,为了进一步深入剖析影响退耕地区复耕可能性的因素以及由此所产生的区域差异,本文分别对两种类型地区的样本数据进行最优尺度回归分析,以期挖掘出导致退耕地区复耕可能性差异的重要影响因素。

4.2 不同类型退耕地区复耕可能性影响因素的比较分析

依据表1中定义的解释变量,以各个地区的综合因子得分作为被解释变量表示退耕区复耕可能性,运用spass20.0软件对表7中两类地区的农户样本数据进行了最优尺度回归,回归结果中剔除了不显著的解释变量。各回归模型的方差分析表显示,模型均通过显著性检验,具有统计学意义,标准化系数的符号方向均符合理论假设。具体回归结果如表8、表9所示。
Table 8
表8
表8类型一地区复耕可能性影响因素的最优尺度回归结果
Table 8The model estimation results about the affecting factors of land reconversion possibility in type Ⅰ area

解释变量	标准化系数		Df	F	Sig.	重要性
	Beta					Std. Error
愿否复耕	0.097	0.041	2	5.609	0.004	0.072
工程评价	-0.176	0.048	2	13.334	0.000	0.171
复耕预期比例	0.216	0.048	2	20.662	0.000	0.262
家庭劳动力数量	-0.099	0.042	1	5.442	0.020	0.066
家庭类型	0.197	0.043	3	21.066	0.000	0.093
退耕补助是否足额	-0.158	0.040	2	15.532	0.000	0.198
R	0.488
R2	0.238
调整后R2	0.210
Sig.	0.000

新窗口打开
Table 9
表9
表9类型二地区复耕可能性影响因素的最优尺度回归结果
Table 9The model estimation results about the affecting factors of land reconversion possibility in type Ⅱ area

解释变量	标准化系数		Df	F	Sig.	重要性
	Beta					Std. Error
受教育程度	-0.069	0.030	1	5.410	0.020	0.032
愿否复耕	0.096	0.034	2	8.222	0.000	0.012
是否有必要继续退耕	-0.096	0.022	1	18.184	0.000	0.052
工程评价	-0.085	0.026	2	10.290	0.000	0.014
是否参与专项建设	-0.308	0.029	1	109.806	0.000	0.384
复耕预期比例	0.145	0.043	2	11.367	0.000	0.066
家庭劳动力数量	-0.114	0.028	1	16.924	0.000	0.055
家庭类型	0.161	0.026	3	38.556	0.000	0.106
是否了解退耕政策	-0.077	0.031	1	6.077	0.014	0.012
R	0.497
R2	0.247
调整后R2	0.230
Sig.	0.000

新窗口打开
如表8所示,在第一类复耕可能性较高的地区,复耕预期比例、工程评价、补助是否足额这3个因素是导致该地区复耕可能性较大的主要因素,其重要性分别为0.262、0.171、0.198。这表明该类地区的退耕农户十分关心退耕补贴,退耕补贴依然是影响该地区农户复耕决策的重要因素,在政策设计上要十分重视补贴政策的后续完善;农户做出复耕决策受本地区其它农户的影响较大,该地区农户更加注重其它农户的行为动机,一旦有农户进行复耕,其将一同跟进,进而发生大面积的复耕,在政策设计上更多要注重引导、宣传和教育;同时该地区退耕农户十分注重工程的实施效果,其对于工程的满意度也将影响复耕决策行为。此外,农户的复耕意愿、家庭劳动力数量和家庭类型也显著影响该类地区的复耕可能性,但其重要性较低分别为0.072、0.066、0.093,并不是最重要的影响因素,这也再次证明依据农户的复耕意愿来判断各个退耕地区的复耕可能性是不合理的。
如表9所示,在第二类复耕可能性较低的地区,首先退耕农户的受教育程度对于该地区复耕可能性有显著影响,这表明与第一类地区相比较,该类地区退耕农户的知识水平有所提升,随着农户的认知限制降低,复耕可能性也随之减小。其次,农户行为态度中是否有必要继续退耕、是否参与专项建设显著影响该类地区复耕可能性,其中参与工程专项建设因素对复耕可能性影响的重要性最大,高达0.384,表明该类地区退耕农户具有较高的退耕积极性,大大降低了复耕发生的可能性,同时该地区退耕农户也十分关心工程的实施效果。再次,与第一类地区相比较,该类地区退耕农户的复耕预期比例对复耕可能性影响的重要性大幅下降,仅为0.066,且农户的复耕意愿、对退耕政策的了解程度也显著影响复耕可能性,这说明由于该类地区农户受教育水平的提升,使得农户对退耕政策了解更为透彻,其复耕决策行为受本地区其它农户的影响也随之降低,同时对新一期的退耕政策也表现出较高的期待性。此外,农户的家庭环境也显著影响该类地区的复耕可能性,其中家庭类型对复耕可能性影响的重要性处于较高水平上,这说明多元化的家庭类型使得该地区农户的异质性增强,非农性收入逐渐成为农户的主要收入来源,退耕补贴已经不再是该地区农户复耕行为决策中重要考虑的因素,因此在政策设计上应考虑降低或停止农户的退耕补助,探索市场化的补贴机制。

5 结论与建议

5.1 结论

本文以计划行为理论为基础,采用调研获取的17省（市、自治区）1757个农户调查数据,运用因子分析、最优尺度回归模型来研究退耕地区复耕可能性及其影响因素的区域差异是合理有效的。同时得出以下结论：
（1）退耕区复耕可能性具有明显的区域差异。在综合考虑各个因素的基础上,各地区复耕可能性由大到小依次为湖北、吉林、江西、内蒙、湖南、新疆、甘肃、重庆、贵州、山西、陕西、四川、河南、河北、云南、广西、宁夏。同时,依据各地区复耕的可能性高低可划分成两种类型,第一类为湖北、吉林、江西、内蒙、湖南、新疆、甘肃、重庆,该类地区复耕可能性较高;第二类为贵州、山西、陕西、四川、河南、河北、云南、广西、宁夏,该类地区复耕可能性较低。
（2）结合农户的有限理性,同时基于社会心理学中的计划行为理论（TPB）发现,户主特征、农户行为态度、知觉行为控制、主观规范、家庭特征、退耕政策情况对退耕区复耕可能性具有较为显著的影响。其中,退耕区农户的复耕意愿是影响退耕区复耕可能性的主要因素之一,但非最重要因素;同时退耕农户均十分注重工程的实施效果,因此在政策设计中应加强对于工程建设成果的维护。
（3） 在复耕可能性较高的地区,退耕补贴依然是影响该地区农户复耕决策的重要因素,在政策设计上依然要十分重视补贴政策的后续完善;农户做出复耕决策受本地区其它农户的影响较大,在政策设计上更多要注重引导、宣传和教育。在复耕可能性较低的地区,农户较高的退耕积极性,大大降低了复耕发生的可能性,同时随着该类地区农户受教育水平的提升,农户对退耕政策的了解更为透彻,其复耕决策行为受自身复耕意愿和本地区其它农户的影响也随之降低,且对新一期的退耕政策期待性较高;农户的异质性从整体上削弱了该地区复耕发生的概率,退耕补贴已经不再是农户复耕决策中重要的考虑因素,因此在政策设计上应考虑降低或停止农户的退耕补助,探索市场化的补贴机制。

5.2 政策建议

基于以上结论,本文政策建议如下：
（1）在复耕可能性较高地区的政策设计方面,应注重退耕补贴标准的合理制定,亦可适当提升退耕补助标准,对复耕意愿强烈和摇摆不定的农户产生有效激励,从而引导农户参与到工程建设上来。
（2）在复耕可能性较低地区的政策设计方面,可考虑适时暂停退耕还林工程,适当降低或停止农户的退耕补助。政策制定应侧重于加强引导农村劳动力的转移,鼓励农户向城市转移就业;引导退耕区产业的多元化发展,从而增强农户的异质性,使得复耕发生概率维持在较低水平上。同时,在全球应对气候变化的背景下,可以考虑构建以碳交易为主的市场化补贴机制,进一步维护退耕还林成果。
（3）注重提升退耕区农户的主观规范,通过政府积极引导、宣传和教育,并制定相应的政策和惩戒措施约制农户复耕行为,从而确保农户复耕预期处于较低水平上,使农户从盲目跟风向理性决策回归。同时注重退耕还林工程后续产业的发展,使农户从退耕还林成果中获得更多红利,从而更加肯定和确信退耕还林工程实施的重要意义,不断提升农户对于工程实施效果的满意度。此外,文中仍有许多问题需要进一步深入研究,诸如在降低或停止农户的退耕补助后,如何构建以碳交易为主的市场化补贴机制,以及在退耕地区引入碳贸易市场的实际可操作性等,都需要进一步的深入探讨。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	郭轲,王立群,张璇,等. 京津风沙源区退耕还林农户复耕决策影响因素分析-基于补贴结束假设下的实证检验 [J]. 世界林业研究,2015,28(4):90-96. [本文引用: 4] [Guo K,Wang L Q,Zhang X,et al. Influencing factor analysis on farmers' decision on reclamation of forest land in Beijing and Tianjin sandstorm source area:Empirical testing for assumption after government subsidy coming to end [J]. World Forestry Research,2015,28(4):90-96.] [本文引用: 4]
[2]	曹世雄,陈莉,余新晓. 陕北农民对退耕还林的意愿评价 [J]. 应用生态学报,2009,20(2):426-434. [本文引用: 1] [Cao S X,Chen L,Yu X X.Grain for green project:Willingness evaluation of the farmers in northern Shaanxi Province of China [J]. Chinese Journal of Applied Ecology,2009,20(2):426-434.] [本文引用: 1]
[3]	喻永红. 补贴期后农户退耕还林的态度研究-以重庆万州为例 [J]. 长江流域资源与环境,2014,23(6):774-780. [本文引用: 1] [Yu Y H.Study on farmers' attitudes toward the grain for green after the ending of governmental subsidy-a case of Wanzhou District in Chongqing [J]. Resources and Environment in the Yangtze Basin,2014,23(6):774-780.] [本文引用: 1]
[4]	冯琳,徐建英,邸敬涵. 三峡生态屏障区农户退耕受偿意愿的调查分析 [J]. 中国环境科学,2013,33(5):938-944. [本文引用: 2] [Feng L,Xu J Y,Di J H.Household's willingness to accept about conversion of farmland into forest program in ecological barrier zone of Three Gorges Reservoir Area [J]. China Environmental Science,2013,33(5):938-944.] [本文引用: 2]
[5]	喻永红. 基于CVM法的农户保持退耕还林的接受意愿研究-以重庆万州为例 [J]. 干旱区资源与环境,2015,29(4):65-70. [本文引用: 1] [Yu Y H.Famers' willingness to accept for maintaining the grain for green:An empirical analysis based on Wanzhou District in Chongqing [J]. Journal of Arid Land Resources and Environment,2015,29(4):65-70.] [本文引用: 1]
[6]	Jacobson S.The effects of conservation reserve program participation on later land use[D]. Williamstown:Williams College,2010. [本文引用: 1]
[7]	李秀彬,谈明洪,辛良杰. 有必要重启退耕还林工程吗[N]. 中国科学报,2014- 02-28(07) [本文引用: 1] [Li X B,Tan M H,Xin L J. Is it necessary to restart the project of returning farmland to forest [N]. China Science Daily,2014- 02-28(07).] [本文引用: 1]
[8]	金世华,赵冠楠. 后退耕时代农户退耕成果维护意愿及其影响因素分析 [J]. 生态经济(学术版),2011,(2):16-19 [本文引用: 1] [Jin S H,Zhao G N.Farmers' maintenance willingness to the achievements of SLCP and the analysis of its influence factors [J]. Eco-economy (Academic Edition),2011,(2):16-19.] [本文引用: 1]
[9]	赵冠楠,金世华,蒋峰,等. 后退耕时代:成果管护行为、意愿与激励机制研究 [J]. 中国人口·资源与环境,2011,(S2):143-147 [本文引用: 1] [Zhao G N,Jin S H,Jiang F,et al. Post-era of grain for green project:Research of behavior,willingness and incentive mechanism of protecting the achievement [J]. China Population,Resources and Environment,2011,(S2):143-147.] [本文引用: 1]
[10]	刘燕,董耀. 后退耕时代农户退耕还林意愿影响因素 [J]. 经济地理,2014,(2):131-138 [本文引用: 2] [Li Y,Dong Y.Factors influencing farmers willingness to participate in grain for green project in the post-program era [J]. Economic Geography,2014,(2):131-138.] [本文引用: 2]
[11]	任林静,黎洁. 陕西安康山区退耕户的复耕意愿及影响因素分析 [J]. 资源科学,2013,(12):2426-2433 [本文引用: 3] [Ren L J,Li J.Factors affecting rural households' willingness for land reconversion in the Ankang Mountainous Region [J]. Resources Science,2013,(12):2426-2433.] [本文引用: 3]
[12]	王术华,支玲,张媛,等. 退耕还林后期农户复耕意愿选择研究分析-以甘肃省安定区为例 [J]. 林业经济问题,2010,30(6):478-481 [Wang S H,Zhi L,Zhang Y,et al. The research analysis about the choose of farmers' rehabilitation in the later of returning land from farming to forestry-cases study of Anding District in Gansu Province [J]. Issues of Forestry Economics,2010,30(6):478-481.]
[13]	Skaggs R K,Harper W M.Determinants and implications of Post-CRP land use decisions [J]. Journal of Agricultural and Economics,1994,19(2):299-312.
[14]	Johnson P N.A qualitative choice analysis of factors influencing Post-CRP land use decisions [J]. Journal of Agricultural and Applied Economics,1997,29(1):163-173.
[15]	陈厚涛,姜志德. 退耕农户生态建设意愿与行为分析-基于安塞和米脂的调研数据 [J]. 中国农业大学学报,2013,18(4):224-231 [本文引用: 1] [Chen H T,Jiang Z D.Farmers' ecological construction willingness and behavior in grain for green:Data from farmer household survey in Ansai and Mizhi County [J]. Journal of China Agricultural University,2013,18(4):224-231.] [本文引用: 1]
[16]	柯水发,赵铁珍. 农户参与退耕还林行为选择机理分析 [J]. 北京林业大学学报(社会科学版),2008,7(3):52-56 [本文引用: 1] [Ke S F,Zhao T Z.Behavior choice mechanism of farmer households participating in conversion of cropland to forest program [J]. Journal of Beijing Forestry University(Social Sciences),2008,7(3):52-56.] [本文引用: 1]
[17]	Fishbein M,Ajzen I. Belief,Attitude,Intention,and Behavior [M]. MA:Addison-Wesley,1975. [本文引用: 1]
[18]	Ajzen I,Fishbein M.Understanding Attitudes and Predicting Social Behavior [M]. NJ:Prentice-Hall,1980. [本文引用: 1]
[19]	段文婷,江光荣. 计划行为理论述评 [J]. 心理科学进展,2008,16(2):315-320 [本文引用: 2] [Duan W T,Jiang G R.A review of the theory of planned behavior [J]. Advances in Psychological Science,2008,16(2):315-320.] [本文引用: 2]
[20]	Notani A S.Moderators of perceived behavioral control's predictiveness in the theory of planned behavior:A meta-analysis [J]. Journal of Consumer Psychology,1998,7(3):247-271. [本文引用: 1]
[21]	张文彤. 统计分析高级教程[M]. 北京:高等教育出版社,2010 [本文引用: 2] [Zhang W T.Advanced Course in Statistical Analysis[M]. Beijing:Higher Education Press,2010.] [本文引用: 2]
[22]	国家林业局经济发展研究中心. 国家林业重点工程社会经济效益监测报告[M]. 北京:中国林业出版社,2013 [本文引用: 1] [China National Forestry Economics and Development Research Center. A Report for Monitoring and Assessment of the Socio-economic Impacts of China's Key Forestry Programs[M]. Beijing:China Forestry Publishing House,2013.] [本文引用: 1]