The effects of land transfer on technical efficiency
CAIRong通讯作者:
收稿日期:2017-07-25
修回日期:2018-01-21
网络出版日期:2018-05-02
版权声明:2018《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (1123KB)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-->
1 引言
土地资源配置是影响一国经济发展的重要因素。20世纪70年代末至80年代初推行的家庭联产承包责任制对改革初期的中国经济增长发挥了决定性作用,但是,平均分配土地也造成了农户承包土地面积的“超小规模”经营格局,并且地块零碎、分散,严重阻碍了农业生产效率的进一步提升。据统计,1995年中国户均耕地规模只有0.52hm2,远低于世界银行将2hm2作为小规模经营的定义标准[1]。为了克服家庭超小规模分散式经营引发的农业生产效率低下问题,自20世纪80年代末期以来,全国各地开展了一系列土地流转创新实践,并出台法律法规和政策对其进行规范和指导。1998年,宪法修正案正式承认了土地流转的合法性。之后,相关政策及法律法规对土地流转作了规范化要求[1]。近年来,中央“一号文件”更是连年提出鼓励土地流转,提升农业生产效率。在这一背景下,土地流转规模不断扩大,截止2011年底,全国家庭承包土地流转总面积达到0.152亿hm2,占家庭承包经营土地面积的17.8%[2]。就流转速度而言,2009—2012年家庭承包耕地流转总面积平均增长速度达到22.47% ,土地流转农户数量逐年增加,2012年已占到总农户数的19.32%。针对土地流转所产生的影响,以往研究给予了不少关注。例如,Deininger 等、冒佩华等分析了土地流转对农户家庭收入的影响,发现流转户较未流转户相比,家庭收入显著上升[3,4];钱龙等、朱建军等分析了土地流转的生产率效应,发现转入土地能够显著提升土地生产率,但这一效果可能受到土地流转市场发育程度的影响[5,6]。但是,除黄祖辉等[7]之外,以往研究对土地流转与农户技术效率的关系却甚少关注,他们利用江西省稻农调查数据研究发现,土地产权对农户技术效率的影响不显著。不足的是,该文未考虑样本选择偏差问题,分析结果可能存在偏误。为了准确揭示土地流转对农户技术效率的影响,本文以河南省延津县331个胡萝卜种植户的问卷调查数据为例,先使用随机前沿生产函数(SFA)对农户技术效率进行测度,再使用倾向得分匹配估计方法(PSM)分析参与土地流转对流转户和非流转户技术效率影响的平均处理效应(ATT和ATU),最后使用回归分析法(RBM)对分析结果进行稳健性检验。基于ATT和ATU方法的估计结果不仅能够弄清已经参与土地流转的农户技术效率变化情况,也能够反映尚未参与土地流转的农户在未来参与土地流转后其技术效率的潜在变化,这对未来政府制定相应的激励政策具有良好的参考意义。并且,通过对比ATT和ATU方法的估计结果,还能够在一定程度上回答究竟是土地流转还是其他不可观测因素(如农户种植能力、风险偏好、土壤肥力等)造成了农户技术效率的变化,从而有效揭示出土地流转对农户技术效率的因果效应。
2 数据说明及统计描述
2.1 数据说明
本文所使用数据资料来自课题组2017年1—2月在河南省最大的胡萝卜主产县(延津)所开展的农户问卷调查。胡萝卜,又名红根、金笋,起源于中亚和地中海地区,距今已有2000多年的栽培历史。元朝末年,胡萝卜开始传入中国,在南北方均有栽培。胡萝卜具有很高的营养价值,既可以提高机体防癌能力,也具有抗氧化和延缓衰老的功效,享有“小人参”的美誉。据农业部统计,中国胡萝卜栽培面积约48万hm2,占世界栽培面积的40%,年产量908万t,占世界总产量的32%,是当之无愧的胡萝卜生产大国;在地理分布上,胡萝卜栽培面积最大的3个省依次为河南、山东和河北。在河南,延津县作为最重要的胡萝卜栽培区域,种植历史悠久,质量上乘,其生产出的胡萝卜曾在明朝万历年间被列为贡品而名扬海内外。近年来,延津县胡萝卜产区先后获得了“河南省无公害农产品产地”、“河南省科普示范生产基地”、“河南省农业标准化种植示范基地”等称号,并且“延津胡萝卜”也是河南省农业系统继“延津小麦”之后获得的第二个国家级地理标志农产品称号。考虑到调研便利性,课题组将胡萝卜种植比较集中的小潭乡选为调查区域。问卷调查内容包括土地流转、成本收益、劳动力转移、耕地特征、生产性社会化服务使用以及农户基本特征等等。调查采取分层抽样的方式进行。首先,根据小潭乡农业局提供的所辖各村的胡萝卜栽培情况,选择栽培规模较大的4个村作为被调查村庄(冯庄村、东里七村、西里七村和小吴村);然后,对各村内部所有胡萝卜种植户进行问卷调查。最终,共走访调查363个胡萝卜种植户,剔除信息不全及失真的问卷,有效问卷331份,占91.2%。
2.2 统计描述
经统计发现,户主年龄介于25~78岁之间,平均年龄约50岁,其中65岁及以上的样本占12.7%、55~65岁之间的样本占18.1%、45~55岁之间的样本占36.9%;户主文化程度大多数为初中水平,有201户,占60.7%,高中文化水平的有29户,占8.8%,其余均为小学文化水平,占30.5%,说明该地区胡萝卜种植户的文化程度相对较低;此外,户主中有18户(5.4%)为女性。受访农户的家庭人口数平均4.3人,劳动力个数平均2.5人,介于1~5人之间,家庭负担系数平均为0.33,介于0~1之间;有54.1%的农户家庭可以使用宽带上网。样本农户胡萝卜种植经验平均约22年,其中有35.6%的农户表示曾经接受过胡萝卜种植技术指导,其余64.4%的农户表示从未接受过胡萝卜种植技术指导,很多农户在遇到种植管理的困惑时,习惯于将农资销售商或者邻居作为咨询对象。户均承包耕地面积约0.76hm2,其分布以0.33hm2以下的为主,占42.0%,其次是介于0.33~0.67hm2之间,占37.5%,0.67hm2及以上的有20.5%。非农收入是农户家庭收入的重要来源,非农收入比重不足25%的农户只有13.9%,非农收入比重介于25%~50%之间的农户占24.5%,介于50%~75%的农户达56.4%,有少数农户的非农收入比重甚至在75%及以上。样本农户到最近农资销售点的距离介于0.01~4.0km,平均距离为0.6km。在信贷约束方面,存在正规信贷约束的有77户,占23.3%,存在非正规信贷约束的农户有27户,占8.2%。农户特征分布情况具体见表1。Table 1
表1
表1研究区农户特征分布情况
Table 1The distribution of farmer characteristics in study area
变量 | 户数/户 | 比例/% | 变量 | 户数/户 | 比例/% |
---|---|---|---|---|---|
年龄/岁 | 农资市场距离/km | ||||
<45 | 107 | 32.3 | <1 | 243 | 73.4 |
45~55 | 122 | 36.9 | 1~2 | 19 | 5.7 |
55~65 | 60 | 18.1 | ≥2 | 69 | 20.9 |
≥65 | 42 | 12.7 | 家庭抚养负担 | ||
性别 | <0.5 | 231 | 69.8 | ||
男 | 313 | 94.6 | ≥0.5 | 100 | 30.2 |
女 | 18 | 5.4 | 正规信贷约束 | ||
文化程度 | 是 | 77 | 23.3 | ||
小学 | 101 | 30.5 | 否 | 254 | 76.7 |
初中 | 201 | 60.7 | 非正规信贷约束 | ||
高中 | 29 | 8.8 | 是 | 27 | 8.2 |
农技指导 | 否 | 304 | 91.8 | ||
有 | 118 | 35.6 | 非农收入占比/% | ||
没有 | 213 | 64.4 | <25 | 46 | 13.9 |
种植经验/年 | 25~50 | 81 | 24.5 | ||
<10 | 22 | 6.7 | 50~75 | 187 | 56.4 |
10~20 | 162 | 48.9 | ≥75 | 17 | 5.2 |
≥20 | 147 | 44.4 | 承包耕地面积/hm2 | ||
务农人数/人 | <0.33 | 139 | 42.0 | ||
1~2 | 203 | 61.3 | 0.33~0.67 | 124 | 37.5 |
3~4 | 120 | 36.3 | ≥0.67 | 68 | 20.5 |
≥5 | 8 | 2.4 | 家庭人口数/人 | ||
有无宽带 | 1~3 | 94 | 28.4 | ||
是 | 179 | 54.1 | 4~5 | 151 | 45.6 |
否 | 152 | 45.9 | ≥6 | 86 | 26.0 |
新窗口打开
全部样本、流转户和非流转户的胡萝卜单产及生产要素投入情况的统计结果见表2。针对全部样本,胡萝卜平均产量为41 292 kg/hm2,最低产量24 300 kg/hm2,最高产量61 800 kg/hm2,产量差距较大,标准差有6175kg/hm2;在生产要素方面,劳动投入数量平均约129日/hm2,包括家庭用工天数和雇工天数,除了少数大规模胡萝卜种植户以外,大部分农户以家庭用工为主;种子投入平均约1038元/hm2,介于210~3600元之间,之所以存在这么大差距,其原因是使用了不同品种的胡萝卜种子,不同品种的价格差异较大;肥料投入平均约1875元/hm2,最小值为0,说明有的农户不使用肥料,而是采用动物粪便来肥沃土地,最大值为4530元/hm2,远远超过平均水平;农药投入平均为670元/hm2,分布差异较大,介于(75~2400)元/hm2之间,农药费用较高的农户,不仅使用了除草剂,还会使用预防害虫的农药来规避产量损失风险;其他资本投入包括土地平整费用、灌溉费用和机器播种的费用,平均约1750元/hm2,介于450~7800元之间,差距较大,主要是由于农户之间的土地平整费用和机器播种费用差异较大造成。
Table 2
表2
表2胡萝卜单产和生产要素投入情况
Table 2Input of production factors and per unit output of carrot
全部样本 | 流转户 | 非流转户 | ||||||
---|---|---|---|---|---|---|---|---|
均值 | 标准差 | 均值 | 标准差 | 均值 | 标准差 | |||
胡萝卜产量/(kg/ hm2) | 41 292 | 6 176 | 46 039 | 4 272 | 38 897 | 5 579 | ||
劳动投入/(日/ hm2) | 129 | 35 | 128 | 34 | 129 | 36 | ||
种子投入/(元/ hm2) | 1 038 | 528 | 1 065 | 565 | 1 025 | 509 | ||
肥料投入/(元/ hm2) | 1 875 | 476 | 1 859 | 421 | 1 882 | 502 | ||
农药投入/(元/ hm2) | 670 | 267 | 696 | 291 | 657 | 253 | ||
其他资本/(元/ hm2) | 1 750 | 568 | 1 825 | 848 | 1 712 | 348 |
新窗口打开
对比流转户和非流转户的胡萝卜单产及生产要素投入情况发现:参与土地流转农户的胡萝卜单产要比未参与土地流转的农户高约7142kg/ hm2,并且两者在要素投入方面并不存在明显差异,两者之间的这种单产差异是否源于土地流转带来的技术效率提高,还需要通过计量分析模型作进一步验证。
3 理论分析及模型设定
3.1 理论分析
技术效率并非旨在衡量收入或者产出,而是对农户管理效率和生产效率的测量。农地市场的形成及农地的自由流转,主要是通过从低效率生产农户向高效率生产农户转移土地,从而使得农地的边际产出在各农户之间趋于一致,最终提高资本、劳动等生产要素的配置效率和农业生产效率,这对农业生产和宏观经济发展均具有重要意义。从逻辑上讲,农地流转提升技术效率的作用机制可以归为三类:一是土地流转在推进适度规模经营的同时,一定程度上促使转入户的劳动资本投入之比趋于合理;二是土地流转可以降低耕地细碎化程度,在不降低耕地产出的情况下,既为机械化耕作创造了有利条件,也减少了生产管理过程中的劳动投入;三是土地流转将使农地转入户的收入结构发生变化,即农业收入的地位或重要性上升,这将促使转入户努力提升自身农业生产和管理技能。3.2 模型设定
在此基础上,本文将基于Stata14.0软件首先使用随机前沿生产函数(SFA)对农户技术效率进行测度,然后使用倾向得分匹配估计方法(PSM)分析参与土地流转对流转户和非流转户技术效率影响的平均处理效应(ATT和ATU),最后使用回归分析法(RBM)对分析结果进行稳健性检验。3.2.1 技术效率测算:随机前沿生产函数(SFA)
生产技术效率是个体在农业生产过程中生产要素利用和配置效率受到既定投入结构和生产方式的影响,反映的是实际产出与最大产出数量之比。随机前沿生产函数(SFA)是常用的测量个体技术效率的方法,以具体的生产函数形式来估计生产前沿面并以此为基准确定生产的技术效率,特别适用于分析多投入单产出的生产[8]。随机前沿生产函数的基本形式为:
式中
在具体操作时,将产出变量
3.2.2 效应评估:倾向值匹配估计法(PSM)
该方法最早由Rosenbaum等[9]提出,基本思路是将影响土地流转(0/1变量)的多个特征变量进行降维,浓缩成一个指标,即倾向值(PS值),通过匹配PS值,从控制组(或处理组)中匹配出与处理组(或控制组)最具可比性的个体作为处理组的对照组,两组农户技术效率平均值的差值即为土地流转对技术效率的平均处理效应。一般而言,倾向值匹配估计法(PSM)包括三个基本步骤:
(1)计算PS值。PS值是指给定样本特征
(2)根据计算出的PS值检验共同支撑假设是否满足以及平衡性检验是否通过,在此基础上选择匹配方法对分组样本进行匹配。常用的匹配方法包括最近邻匹配(NNM)、核匹配(KM)、局部线性回归匹配(LLRM)、半径匹配(RM)等。
(3)根据匹配后样本计算平均处理效应。土地流转影响流转户、非流转户技术效率的平均处理效应分别为公式(4)、公式(5),其中,
值得注意的是,倾向值匹配估计法(PSM)的一个重要假设是条件独立分布(CIA),即在一组不受土地流转影响的可观测的协变量
Table 3
表3
表3协变量X的定义
Table 3The definition of covariate X
变量 | 定义 | 均值 | 标准差 |
---|---|---|---|
年龄/岁 | 户主年龄 | 49.86 | 10.71 |
性别 | 户主性别:1=男,0=女 | 0.95 | 0.23 |
文化程度/年 | 小学=5年,初中=8年,高中=11年 | 6.95 | 2.60 |
家庭人口数/个 | 2016年家庭常驻人口及在外学习或工作人口总数 | 4.32 | 1.66 |
务农人数 | 从事务农工作在6个月以上的人数 | 2.54 | 0.89 |
种植经验/年 | 农户种植胡萝卜的时间 | 21.84 | 9.26 |
农技培训 | 是否曾接受过胡萝卜种植技术指导或培训:是=1,否=0 | 0.36 | 0.48 |
非农收入份额/% | 2016年家庭非农收入之和/2016年家庭总收入 | 0.48 | 0.26 |
家庭抚养负担/% | 家中≥ 65岁的老人个数与≤ 15岁的小孩个数之和占家庭总人数的比例 | 0.33 | 0.26 |
是否安装宽带 | 1=是,0=否 | 0.56 | 0.53 |
承包耕地面积/ hm2 | 从村集体承包耕地面积 | 7.46 | 3.28 |
农资市场距离/ km | 距常去的农资销售点距离 | 0.60 | 0.62 |
正规信贷约束 | 存在=1,不存在=0 | 0.23 | 0.42 |
非正规信贷约束 | 存在=1,不存在=0 | 0.08 | 0.27 |
新窗口打开
3.2.3 稳健性检验:回归分析法(RBM)
为了对上述研究方法得到的平均处理效应进行稳健性检验,使用回归分析法(Regression-Based Method)分析土地流转对技术效率的影响[10]。该方法同样依赖于条件独立性假设条件(CI),其参数表达式可以写为:
式中
利用普通最小二乘法(OLS)得到
接着,评价不可观测因素对平均处理效应的干扰强度是否较大。根据Altonji等[11]提出的方法思路,利用依可观测因素选择的相关信息来判断依不可观测因素选择是否会严重影响上述分析得到的平均处理效应。具体地,在公式(7)的基础上,利用公式(10)评价不可观测因素对平均处理效应的影响:
公式(10)意味着处理变量
至于隐性偏差造成的影响是否严重,可以借助公式(11)进行判定。如果
4 结果分析及讨论
4.1 随机前沿生产函数(SFA)估计结果
在对技术效率进行测度之前,先对随机前沿模型的设定形式进行检验。分为两步:一是检验随机无效率项表4是超越对数随机前沿生产函数的参数估计结果。由表可知,除ln(S)和ln(C)的系数小于0之外(但都不显著),ln(L)、ln(F)、ln(P)的系数均大于0,符合生产函数的单调性假设,[ln(L)]2、[ln(S)]2、[ln(F)]2、[ln(P)]2和[ln(C)]2的系数均小于0,符合边际报酬随要素投入增加而递减的规律。由于超越对数函数的要素产出弹性可变,本文计算出各投入要素在样本均值水平上的产出弹性:
劳动投入的产出弹性=0.079;
种子投入的产出弹性=0.152;
肥料投入的产出弹性=-0.027;
农药投入的产出弹性=-0.012;
其他资本投入的产出弹性=0.048。
据此可知,种子投入的产出弹性最大,每增加1%的种子投入,产出将增加0.15%。肥料和农药的产出弹性均小幅低于0,这可能与该地区普遍存在的过量施肥和过量使用农药现象有关。在现实中,为了提高作物产量和规避生产风险,过量施用肥料和农药的行为在农业生产中广泛存在[12,13]。劳动的产出弹性为正,说明在其他条件不变的情况下,该地区增加劳动力投入可以促进胡萝卜产量提高,这一结论与以往研究结论不太一致。以往一些研究发现劳动投入的产出弹性为负,即农村劳动力存在剩余现象[14,15]。一个可能的解释是,该地区农户多为兼业经营,且距离县城较近,为非农就业提供了便利,因而不存在农业劳动力剩余的现象。但必须说明的是,单纯依靠劳动投入的增加提高产量是非常有限的,产出弹性仅为0.079。其他资本投入的产出弹性为正,但值较小,说明依靠其他资本投入对提高产量的作用微乎其微。
Table 4
表4
表4超越对数SFA参数估计结果
Table 4Estimation results of stochastic frontier production function analysis (SFA) in logarithmic form
变量 | 系数 | 标准误 | 变量 | 系数 | 标准误 |
---|---|---|---|---|---|
ln(L) | 1.619** | 0.660 | ln(L)ln(S) | -0.153*** | 0.057 |
ln(S) | -0.209 | 0.314 | ln(L)ln(F) | 0.003 | 0.054 |
ln(F) | 0.151 | 0.205 | ln(L) ln(P) | -0.122* | 0.068 |
ln(P) | 0.373 | 0.454 | ln(L)ln(C) | 0.025 | 0.087 |
ln(C) | -0.745 | 0.467 | ln(S) ln(F) | 0.050 | 0.039 |
[ln(L)]2 | -0.138** | 0.057 | ln(S)ln(P) | 0.012 | 0.041 |
[ln(S)]2 | -0.047** | 0.023 | ln(S) ln(C) | 0.167 | 0.058 |
[ln(F)]2 | -0.010 | 0.008 | ln(F) ln(P) | -0.072 | 0.051 |
[ln(P)]2 | -0.055 | 0.035 | ln(F)ln(C) | -0.004 | 0.033 |
[ln(C)]2 | -0.045 | 0.055 | ln(P)ln(C) | 0.122 | 0.068 |
对数似然值=223.55 Wald卡方值=160.26 显著性=0.000 |
新窗口打开
表5是流转户、非流转户及全部农户的技术效率均值、最小值及最大值情况,表6是技术效率的分布情况。可以看出,在全部样本中,农户技术效率介于0.41~0.98之间,平均值为0.85,说明总体而言农户的技术效率水平较高,但仍有较大上升空间。进一步对比流转户和非流转户的技术效率,很显然,非流转户相比,流转户的技术效率相对较高。但技术效率差异是否由土地流转引起,至此只能给出初步判断,下文将进行正式检验。
Table 5
表5
表5不同样本技术效率的基本统计
Table 5The basic statistics of technical efficiency
全部样本 | 子样本(流转户) | 子样本(非流转户) | |||
---|---|---|---|---|---|
平均值 | 0.85 | 0.93 | 0.80 | ||
最大值 | 0.98 | 0.98 | 0.95 | ||
最小值 | 0.41 | 0.72 | 0.41 |
新窗口打开
Table 6
表6
表6不同样本技术效率分布情况
Table 6The distribution of technical efficiency
技术效率 分布值 | 全部样本 | 子样本(流转户) | 子样本(非流转户) | |||||
---|---|---|---|---|---|---|---|---|
频数 | 比例/% | 频数 | 比例/% | 频数 | 比例/% | |||
<0.6 | 17 | 0.06 | 0 | 0 | 17 | 0.07 | ||
0.6~0.7 | 20 | 0.06 | 0 | 0 | 20 | 0.09 | ||
0.7~0.8 | 39 | 0.12 | 1 | 0.01 | 38 | 0.17 | ||
0.8~0.9 | 119 | 0.36 | 9 | 0.08 | 110 | 0.50 | ||
≥0.9 | 136 | 0.41 | 101 | 0.91 | 35 | 0.16 |
新窗口打开
4.2 倾向值匹配(PSM)估计结果
表7汇报了倾向值匹配估计法(PSM)的第一阶段计算结果,显示户主年龄、性别、文化程度、种植经验、务农人数、农资市场距离和非正规信贷约束对农户土地流转行为存在显著影响。Table 7
表7
表7土地流转影响因素估计结果
Table 7Estimation results of determinants of land transfer
变量 | 系数(标准误) | Z值 | 变量 | 系数(标准误) | Z值 |
---|---|---|---|---|---|
年龄 | -0.022(0.01)** | -2.09 | 农资市场距离 | 0.492(0.13)*** | 3.60 |
性别 | 1.082(0.52)** | 2.06 | 家庭抚养负担 | 0.185(0.33) | 0.56 |
文化年限 | 0.193(0.04)*** | 4.20 | 正规信贷约束 | 0.196(0.19) | 0.99 |
农技指导 | 0.135(0.19) | 0.70 | 非正规信贷约束 | -0.784(0.34)** | -2.25 |
种植经验 | 0.020(0.01)* | 1.83 | 有无宽带 | -0.014(0.17) | -0.08 |
务农人数 | 0.185(0.09)** | 1.97 | 非农收入占比 | 0.233(0.32) | 0.72 |
家庭人口数 | 0.050(0.06) | 0.79 | 承包耕地面积 | -0.930(0.45)* | -1.86 |
新窗口打开
户主年龄的系数为负,在5%的水平上显著,说明户主年龄越大的农户越不倾向于转入土地,这与宋辉等、许恒周等分析结论一致[16,17]。户主年龄越大,意味着劳动能力越弱,从而没有能力转入土地进行规模种植。户主性别为女性的家庭转入土地的概率相对较低,其原因主要在于,户主为女性的家庭一般缺少男性劳动力,加上近年来农业雇工的工资水平不断上升,女性户主家庭通过农地转入的方式从事规模种植的积极性不足。农户文化程度越高,越倾向于转入土地,这一结果在1%的水平下显著。说明文化程度越高的农户越容易接受和使用农业新科技,从而转入土地进行规模种植。该地区农户的文化程度普遍不高,90%以上的农户只接受过小学和初中教育,不足10%的农户为高中毕业。从统计结果来看,胡萝卜种植经验越丰富的农户,越倾向于转入土地,主要原因是种植经验丰富的农户更有能力应对胡萝卜种植过程中的风险,也更愿意转入土地对胡萝卜进行规模种植。家庭农业劳动力总数越多的农户越倾向于转入土地。很显然,家庭农业劳动力人数越多,为了发挥劳动力的作用,农户会转入土地进行规模种植,这一结果与何欣等[18]的分析结论一致。农资市场距离在1%的水平上正向显著,说明离最近的农资市场距离越近的农户越愿意转入土地,这是因为,离农资市场的距离越近,越是给农户购买农资产品提供了便利的条件,促使农户转入更多土地进行规模种植。非正规信贷约束对土地转入存在显著抑制效应,并且在5%的水平上显著。一般而言,受到非正规信贷约束的农户是家庭收入较低的农户,他们对土地的依赖性较大,想要转入更多土地进行规模种植提高收入,但由于家庭收入较低未能从亲戚朋友那里借到期望借款而无法转入土地。自家承包耕地面积越多的农户越不倾向于转入土地。一方面,是农户的精力有限,如果家庭自有耕地较多,农户还需要兼顾非农就业,转入土地的概率会下降。类似地,郜亮亮等[19]在分析村级管制对土地流转的影响时也发现,自家耕地面积越多的农户越不倾向于转入土地。
在得到土地流转方程的参数估计结果之后,利用公式(3)中的解释变量来计算各个农户参与土地流转的条件概率拟合值,此概率值即为倾向值(PS)。为了保证样本的匹配质量,一方面要求流转户(处理组)和非流转户(控制组)样本的倾向值区间具有相当大范围的重叠(共同支持域),因为重叠区间太窄将会导致过多的流转户样本无法实现有效匹配,另一方面要求在样本匹配之后,解释变量的分布满足随机性条件,即在两组样本之间解释变量的差异不再具有统计显著性。在获得有效的匹配样本之后,进一步依据公式(2)定义估计土地流转对技术效率的影响,即土地流转对技术效率的的平均处理效应(包括ATT和ATU)。表8汇报了分别利用最近邻匹配(k=1)、核匹配(窗宽=0.06)、半径匹配(窗宽=0.01)和局部线性回归匹配四种方法测算的平均处理效应(ATT)以及实现匹配的处理组和控制组样本个数。平均处理效应(ATT和ATU)的显著性检验结果利用自助法(Bootstrap)得到,重复抽样次数为200次。从总体来讲,尽管各种匹配方法得到不同的平均处理效应数值,但从定性角度而言,四种方法的估计结果却具有一致性(结果见表8)。总体而言,对于流转户,参与土地流转时的实际技术效率将比未参与土地流转时的反事实技术效率平均高出12.8~14.4个百分点,而对于非流转户,参与土地流转时的反事实技术效率将比目前的实际技术效率平均提升约12.5~13.2个百分点。值得指出的是,以往一些研究在分析土地流转对农户技术效率的影响时,忽略样本选择偏误(或内生性)或仅控制可观测因素造成的样本选择偏误,其得到的平均处理效应(ATT)往往难以将土地流转和其他不可观测因素的作用进行区分,因而无法准确识别土地流转对农户技术效率的影响。而在本文中,增加了对非流转户的反事实分析(ATU),将其与流转户平均处理效应(ATT)进行对比发现,不论是流转户还是非流转户,只要参与土地流转,其技术效率都将得到提升,并且提升的幅度较为接近,这从一定程度上说明,土地流转确实对农户技术效率具有提升作用。
Table 8
表8
表8流转对技术效率的平均处理效应
Table 8The average treatment effect (ATE) of land transfer on technical efficiency
匹配方法 | 平均处理效应 | Z值 | 敏感性检验( | 控制组 | 处理组 |
---|---|---|---|---|---|
最近邻匹配(k=1) | ATT:0.133 | 6.61*** | *** | 188 | 106 |
ATU:0.126 | 12.12*** | *** | |||
核匹配(窗宽=0.06) | ATT:0.142 | 10.19*** | *** | 188 | 106 |
ATU:0.126 | 13.41*** | *** | |||
半径匹配(半径=0.01) | ATT:0.128 | 6.04*** | *** | 156 | 93 |
ATU:0.132 | 10.07*** | *** | |||
局部线性回归匹配 | ATT:0.144 | 9.50*** | *** | 188 | 106 |
ATU:0.125 | 13.00*** | *** |
新窗口打开
需要进一步指出,倾向值匹配法(PSM)是一种有效控制由于可观测变量引起的选择性偏差的工具,然而,如果不可观测变量同时影响选择和结果变量,隐藏性的偏差或不可观测变量引起的选择性偏差可能会导致PSM方法估计的结果不再有效。因此,考虑到PSM方法的局限性,本文使用Rosenbaum[20]提出的“卢森堡姆边界(Rosenbaum Bounds)”法则来评估不可观测因素对PSM估计结果的影响,从而检验PSM方法的估计结果是否有效。一般而言,伽马值(
4.3 稳健性检验结果
表9为了技术效率影响因素的参数估计结果,与前文分析结果接近,土地流转对技术效率的影响显著为正,与未流转的情景相比,流转情景下的农户技术效率要增加12.3个百分点(值得注意的是,该值是针对全部样本户的平均处理效应ATE)。胡萝卜种植规模越大,农户技术效率越高,估计结果显示,胡萝卜种植规模的系数为正,在1%的水平上显著,这与以往的研究结论一致,如郭晓鸣等、王晓兵等[21,22],表明规模经营能够在有限投入的约束下实现更高水平的产出。另外,与非流转户相比,流转户(转入)胡萝卜种植规模的扩大更能够促进技术效率的提升,这在一定程度上也说明土地流转对农户主动提升自身生产管理能力具有积极促进作用。Table 9
表9
表9技术效率影响因素估计结果
Table 9Estimation results of determinants of technical efficiency
变量 | 系数(标准误) | T值 | 变量 | 系数(标准误) | T值 |
---|---|---|---|---|---|
年龄 | -0.001(0.001) | -0.82 | 年龄离差×土地流转 | 0.000(0.001) | 0.41 |
性别 | 0.007(0.021) | 0.43 | 性别离差×土地流转 | -0.052(0.109) | -0.59 |
文化年限 | -0.005(0.003) | -1.14 | 文化年限离差×土地流转 | 0.003(0.006) | 0.42 |
农技指导 | 0.014(0.018) | 1.12 | 农技指导离差×土地流转 | -0.010(0.022) | -0.49 |
种植经验 | 0.000(0.001) | 0.49 | 种植经验离差×土地流转 | -0.001(0.001) | -0.67 |
务农人数 | 0.002(0.006) | 0.19 | 务农人数离差×土地流转 | 0.003(0.015) | 0.35 |
家庭人口数 | 0.006(0.005) | 1.09 | 家庭人口数离差×土地流转 | 0.000(0.009) | 0.03 |
农资市场距离 | 0.011(0.015) | 0.98 | 农资市场距离离差×土地流转 | -0.011(0.020) | -0.86 |
家庭抚养负担 | -0.041(0.029) | -1.52 | 家庭抚养负担离差×土地流转 | 0.007(0.045) | 0.13 |
正规信贷约束 | 0.006(0.014) | 0.47 | 正规信贷约束离差×土地流转 | -0.006(0.026) | -0.23 |
非正规信贷约束 | 0.012(0.023) | 0.59 | 非正规信贷约束离差×土地流转 | -0.022(0.056) | -0.29 |
有无宽带 | -0.003(0.013) | -0.32 | 有无宽带离差×土地流转 | 0.000(0.022) | 0.01 |
非农收入占比 | -0.005(0.029) | -0.30 | 非农收入占比离差×土地流转 | 0.024(0.057) | 0.40 |
承包耕地面积 | -0.030(0.030) | -1.26 | 承包耕地面积离差×土地流转 | 0.285(0.855) | 0.12 |
胡萝卜种植规模 | 0.195(0.135) | 3.32*** | 胡萝卜种植规模离差×土地流转 | 0.255(0.645) | 2.08** |
土地流转 | 0.123(0.013) | 8.09*** | 常数项 | 0.821(0.051) | 10.34*** |
新窗口打开
表10为回归分析法得到的平均处理效应,与PSM估计结果十分接近,对于流转户,参与土地流转时的技术效率将比未参与土地流转时的技术效率平均高出12.2个百分点,而对于非流转户,参与土地流转时的技术效率将比未参与土地流转时的技术效率平均减少约12.4个百分点。另外,评价隐性偏差的
Table 1
表1
表10 土地流转对技术效率的平均处理效应
Table 10 The average treatment effect of land transfer on technical efficiency
平均处理效应 | T检验(ATT/ATU=0) | 最小值 | 最大值 | 标准差 | |
---|---|---|---|---|---|
ATT:0.122 | 69.97*** | 0.072 | 0.181 | 0.021 | 3.882 |
ATU:0.124 | 73.25*** | 0.070 | 0.227 | 0.029 |
新窗口打开
5 结论与启示
5.1 结论
利用河南省延津县小潭乡331个胡萝卜种植户调研数据,本文结合超越对数随机前沿生产函数(SFA)、倾向值匹配估计法(PSM)等计量模型分析了土地流转(是否转入)对农户技术效率的影响效应。主要有以下几点研究发现:(1)农户技术效率异质性特征较为突出,技术效率水平介于0.41~0.98之间,平均为0.85;
(2)农户土地流转的行为决策受到户主年龄、性别、文化程度、种植经验、务农人数、农资市场距离和非正规信贷约束等因素的显著影响;
(3)土地流转能够使农户技术效率得到提升,流转户参与土地流转后的技术效率比参与流转前的技术效率平均高出12.8~14.4个百分点,非流转户若参与土地流转,其技术效率平均也将提升约12.5~13.2个百分点;
(4)不论是对倾向值匹配法的分析结果进行敏感性分析,还是利用回归分析法对平均处理效应进行稳健性检验,都证实本文研究结论稳健且可靠。
5.2 启示
根据本文的研究发现,可以得到一些启发性的政策含义。(1)目前农户平均技术效率仍有较大上升空间,并且调查地区农技指导未能有效发挥提升农户技术效率,对此需要创新当地基层组织的农技推广机制,着重加强农业生产性服务以及先进技术的推广力度,从而确保耕地转入户能够及时获取种植新技术及管理新措施,提升资源配置能力和生产技术效率。
(2)加快土地流转进程,鼓励青壮年和文化程度相对较高的劳动力参与农地流转,开展适度规模经营,与此同时,通过发展农村互助资金组织缓解农户非正规信贷约束也有助于促进土地流转市场的发展,据此不仅可以提高土地利用效率,对土地转入户来说,也能在一定程度上促进其技术效率的改进。
(3)鉴于调查地区胡萝卜种植中普遍存在的化肥、农药过量施用现象,当地基层政府组织应该积极推广减量使用化肥和农药的有效措施,现场提供应用集成示范,提升农户能够合理使用化肥和农药的能力,一方面既不会造成作物产量减少,另一方面也有助于缓解农业面源污染不断加剧的压力。
The authors have declared that no competing interests exist.
参考文献 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] | [J]. , [J]. , |
[2] | [J]. , [J]. , |
[3] | [J]. , |
[4] | [J]. , [J]. , |
[5] | [J]. , [J]. , |
[6] | [J]. , [J]. , |
[7] | [J]. , [J]. , |
[8] | [J]. , |
[9] | [J]. , |
[10] | [J]. , |
[11] | [J]. , |
[12] | [J]. , [J]. , |
[13] | [J]. , [J]. , |
[14] | [J]. , [J]. , |
[15] | [J]. , [J]. , |
[16] | [J]. , [J]. , |
[17] | [J]. , [J]. , |
[18] | [J]. , [J]. , |
[19] | [J]. , [J]. , |
[20] | [M]. , |
[21] | [J]. , [J]. , |
[22] | [J]. , [J]. , |