耕地細碎化、耕地質量認知與化肥施用效率
——基于湖北省水稻種植戶的調查數(shù)據(jù)

蔡嘯宇，張俊飚，王璇

（1.華中農(nóng)業(yè)大學經(jīng)濟管理學院，湖北 武漢 430070，2.湖北農(nóng)村發(fā)展研究中心，湖北 武漢 430070，3.湖北生態(tài)文明建設研究院，湖北 武漢 430070）

化肥作為農(nóng)業(yè)科技成果的結晶之一，為解決新中國成立以來所面臨的糧食短缺及人民溫飽問題提供了強有力的保障，同時也組成了現(xiàn)代農(nóng)業(yè)生產(chǎn)投入要素中的核心部分。然而隨著農(nóng)業(yè)生產(chǎn)中對化肥要素投入的依賴逐步上漲，越來越多的學者開始關注到化肥過量施用所帶來的負面影響。隨著國家化肥減量增效政策的深入實施，化肥施用強度提高對糧食主產(chǎn)區(qū)化肥施用量增長的貢獻正在下降[1]，過量施用化肥不僅會損害土地肥力、降低土壤微生物活性[2]，同時還是農(nóng)村面源污染的主要來源之一[3]。我國目前所面臨的化肥施用過量問題已十分嚴峻，2015年原國家農(nóng)業(yè)部發(fā)布的《到2020年化肥使用量“零增長”行動方案》中指出，中國的農(nóng)作物化肥折純施用量達到了328.5 kg/hm2，遠高于世界120 kg/hm2的水平?；实目茖W施用越來越受到國家的重視，如2019年中央一號文件強調要“加大農(nóng)業(yè)面源污染治理力度，開展農(nóng)業(yè)節(jié)肥節(jié)藥行動，實現(xiàn)化肥農(nóng)藥使用量負增長”。國家關于農(nóng)戶施肥調控政策也從“增量增產(chǎn)”逐步演變到“減量增效”[4]。

目前，關于耕地細碎化、耕地質量認知以及化肥施用，諸多學者在不同領域開展了有關的研究，主要集中在以下四個方面：第一，不同要素對化肥施用量的影響。這一部分研究多關注于農(nóng)戶自身資源稟賦的變化對化肥施用行為的影響，研究發(fā)現(xiàn)，勞動力非農(nóng)轉移促使農(nóng)戶在農(nóng)業(yè)生產(chǎn)中投入更多的化肥[5]，農(nóng)戶風險規(guī)避程度越高，越傾向于施用更多化肥以避免潛在的產(chǎn)量損失[6]，而穩(wěn)定轉入土地的經(jīng)營權或土地轉入呈連片化特征，經(jīng)營規(guī)模與地塊規(guī)模的同步擴張會帶來地塊層面的規(guī)模經(jīng)濟，能顯著降低農(nóng)戶化肥施用強度[7-8]。

第二，宏觀層面計算化肥施用效率。該類研究從技術效率角度衡量化肥施用效率，史常亮等[9]使用夏普里值分解方法考察了全國25省的耕地細碎化對農(nóng)戶化肥使用效率的影響方向及程度，發(fā)現(xiàn)農(nóng)戶在化肥使用上存在著較高的技術無效率，王萍萍和韓一軍[10]在計算小麥、水稻主產(chǎn)區(qū)的化肥施用技術效率，并對其進行空間相關性和收斂性研究分析后發(fā)現(xiàn)，我國農(nóng)業(yè)生產(chǎn)過程中化肥施用的技術效率嚴重低下，但是不管在時間上還是空間上都呈現(xiàn)出了不斷趨同的現(xiàn)象。

第三，耕地細碎化程度對生產(chǎn)效率或技術效率的影響。由于不同國家和地區(qū)在地形、氣候、政策、資源稟賦等方面的顯著差異，關于耕地細碎化程度對生產(chǎn)效率或技術效率的影響方向在國際國內研究中均存在較大的分歧。Lon等[11]使用緬甸4個村莊為樣本，研究發(fā)現(xiàn)耕地細碎化與水稻生產(chǎn)率之間存在負向關系；Todorova和Lulcheva[12]發(fā)現(xiàn)了保加利亞土地制度改革后，導致耕地細碎化程度不斷增加，并對耕地產(chǎn)量、生產(chǎn)效率、生產(chǎn)成本都造成了顯著的負向影響；鄒偉和張曉媛[13]選用江蘇省微觀農(nóng)戶調研數(shù)據(jù)，研究發(fā)現(xiàn)擴大經(jīng)營規(guī)模有助于提高化肥施用效率。而Tchale[14]則認為耕地細碎化反而能夠提高耕地生產(chǎn)效率，這主要是由于選取耕地平均地塊大小來作為衡量耕地細碎化標準造成的，其運用馬拉維國家統(tǒng)計局數(shù)據(jù)分析得到該國農(nóng)戶耕地細碎化程度與生產(chǎn)效率存在正向關系，即使控制了耕地類型、質量以及其他投入要素，該關系仍是顯著的。Niroula和Thapa[15]同樣認為細碎化的耕地能夠使農(nóng)戶進行多樣化的種植并平衡各生產(chǎn)要素的投入比例。

第四，耕地質量認知產(chǎn)生差異的原因。研究發(fā)現(xiàn)農(nóng)戶自身條件是農(nóng)戶耕地質量認知最主要的直接影響因素，社會經(jīng)濟因素和自然資源稟賦對農(nóng)戶耕地質量認知的直接影響效度依次減弱[16]。劉洪斌和呂杰[17]通過構建理論計量經(jīng)濟模型發(fā)現(xiàn)土地調整次數(shù)、農(nóng)產(chǎn)品價格、農(nóng)戶參與技術培訓的次數(shù)和家庭中農(nóng)業(yè)收入的比例是導致農(nóng)戶耕地質量保護認知行為差異的主要原因。

值得注意的是，農(nóng)業(yè)生產(chǎn)中施用的化肥除了會被作物吸收外，還有一部分會流失在土壤中[18]，若直接選用化肥施用量作為評價化肥施用效果會使結果出現(xiàn)偏誤，而選用將傳統(tǒng)的“單投入”擴展至“多投入”結構的化肥施用效率作為評價化肥使用效果的代理變量則更精確[19]。此外，已有的研究表明，經(jīng)濟作物化肥施用強度顯著高于糧食作物化肥施用強度，如若混合考慮，可能會導致所測得的效率值偏低。但即使是同樣分類的糧食作物，水稻、小麥、玉米的生長周期與生長環(huán)境要求卻不盡相同[20]，盡管這類糧食作物均存在化肥過量施用的現(xiàn)象[21-22]，但農(nóng)戶仍然會根據(jù)不同作物的需求差異化的施用化肥，而不是選擇“一刀切”[23]，也會造成化肥效率值測算出現(xiàn)偏誤。因此選擇區(qū)分不同作物進行研究是保障實證結果準確的前提。

綜上所述，既有文獻鮮有將農(nóng)業(yè)生產(chǎn)中不同投入要素納入同一框架下進行研究，耕地作為化肥施用的直接受體，耕地的相應特征理應在研究中被充分考慮。此外，由于地理、氣候、政策等諸多自然、人為因素的影響，不同地區(qū)的化肥施用效率存在較大的差異，實際分析時應該細化到作物的品種和產(chǎn)區(qū)，得出的結論與對策才更具有建設性意義，這正是本研究的創(chuàng)新點。湖北省坐擁江漢平原，是中國水稻的主要產(chǎn)區(qū)之一，2017年湖北省水稻產(chǎn)量為1.93×107t，水稻播種面積為2.37×106hm2，分別占全國的7.70%和9.06%。研究湖北省調研區(qū)內化肥施用現(xiàn)狀、總結化肥施用存在的問題和誤區(qū)，對綜合優(yōu)化化肥要素投入配置以及促進我國水稻產(chǎn)業(yè)良性發(fā)展具有重要意義?；谏鲜龇治?，本文選用湖北省水稻種植農(nóng)戶微觀調研數(shù)據(jù)，以化肥施用效率來評價農(nóng)戶化肥施用效果，并綜合考慮了耕地細碎化程度與耕地質量認知對化肥施用效率的影響。首先建立計量模型測算化肥施用效率，其次分析影響化肥施用效率的因素并對結果進行穩(wěn)健性檢驗，最后得出相應的結論和政策啟示，以期對未來相關部門化肥施用結構調整、實現(xiàn)化肥施用量負增長的目標并推動農(nóng)業(yè)現(xiàn)代化發(fā)展提供參考與借鑒。

1 理論分析與研究假設

1.1 耕地細碎化與化肥施用效率

耕地作為農(nóng)業(yè)生產(chǎn)中最重要的投入要素，其細碎化程度將會對農(nóng)戶在農(nóng)業(yè)生產(chǎn)中化肥投入決策產(chǎn)生十分重要的影響。耕地在空間上的分散不僅增加了農(nóng)業(yè)勞動力往返不同地塊之間的時間損耗、變相降低了單位地塊的用工投入，同時還提高了農(nóng)用機械作業(yè)的時間與難度、降低了機械的作業(yè)效率，進一步提高了農(nóng)業(yè)生產(chǎn)的總成本。農(nóng)戶作為追求自身收益最大化的理性經(jīng)濟人，在短期內無法改變現(xiàn)有耕地分布狀況的前提條件下，會選擇將自身擁有的農(nóng)業(yè)投入資源進行內部重新配置，即存在通過增加化肥要素投入以彌補農(nóng)業(yè)勞動力相對不足和替代費用高昂的機械要素投入的動機。另一方面，耕地細碎化增加了農(nóng)戶的監(jiān)督成本與因氣候等不確定因素導致減產(chǎn)的風險，出于對風險規(guī)避的考量，農(nóng)戶傾向于加大化肥要素的投入[6]。

基于此，本研究提出假設1：

H1：耕地細碎化程度提高會增加農(nóng)戶化肥要素的投入，進而降低化肥施用的效率。

1.2 耕地質量認知與化肥施用效率

根據(jù)認知心理學及其相關理論，認知是個體對信息進行加工的過程，而決策是信息處理過程，決策行為取決于認知行為，不同的農(nóng)戶因認知能力、思維、自身經(jīng)驗以及知識儲備的差異，對“耕地質量”這一概念的認知程度也不盡相同，進而導致決策的差異性[24]。20世紀70年代，在農(nóng)業(yè)技術相對落后的背景下，為了實現(xiàn)耕者有其田，“肥瘦搭配”的均分地權制度應運而生。一方面，農(nóng)戶作為追逐自身收益最大化的理性經(jīng)濟人，會將絕大多數(shù)精力和管理投入到相對肥沃的耕地上，期望以相對較低的投入就能換來較高的產(chǎn)出，此時要素在肥沃耕地的配置上更趨于合理。另一方面，由于農(nóng)戶對化肥投入相關知識儲備不足，其施用化肥強度多依據(jù)傳統(tǒng)經(jīng)驗和習慣，一部分農(nóng)戶在購買高質量化肥后仍按照過去經(jīng)驗或其他農(nóng)戶的一般做法施肥[25]。若農(nóng)戶認為耕地貧瘠，則其傾向于大量施用化肥以期能夠在短期內改善耕地質量，從而提高作物產(chǎn)量獲得期望收益。而關于耕地是否肥沃或貧瘠很大程度取決于農(nóng)戶自身的主觀判斷，這種對耕地質量的認知或評價將會影響農(nóng)戶對于耕地的化肥施用量。

基于此，本研究提出假設2：

H2：農(nóng)戶的耕地質量認知會影響化肥要素投入決策，進而影響化肥施用的效率。

2 研究方法

2.1 模型設定

農(nóng)業(yè)生產(chǎn)對環(huán)境變化十分敏感，容易受到天氣、自然災害等隨機因素的影響，而隨機前沿法（SFA）相較于數(shù)據(jù)包絡分析法Data Envelopment Analysis（DEA）能夠有效區(qū)分隨機擾動項與非技術效率[9]。本文運用超越對數(shù)形式的隨機前沿生產(chǎn)函數(shù)對稻農(nóng)化肥施用效率進行測算，由于一步法使用時需滿足非效率項分布必須服從正態(tài)截尾分布的苛刻條件[26]，故本文選用兩步法估計，在忽略技術效率影響因素的前提下，估計生產(chǎn)函數(shù)和技術效率值，并且對技術效率的影響因素進行回歸分析[27]。在本文回歸分析中，先利用隨機前沿模型回歸取得非效率項FEE的估計值，然后運用CLAD模型分析外生性因素對FEE的影響。

Aigner等[28]與Meeusen和van den Broeck[29]獨立提出了隨機前沿生產(chǎn)函數(shù)模型，其具體形式如下：

式中：yi代表第i個農(nóng)戶的水稻總產(chǎn)量；t(·)代表農(nóng)戶的農(nóng)業(yè)生產(chǎn)技術，表現(xiàn)為具體設定的生產(chǎn)函數(shù)形式；xij代表第i個農(nóng)戶除化肥投入外的第j種投入要素向量，fi代表第i個農(nóng)戶的化肥投入要素向量；β為待估計參數(shù)向量；νi為隨機誤差項，且νi～N(0,σ2)，代表農(nóng)戶不可控因素及測量誤差的影響；ui為非負數(shù)的技術效率損失值。

隨機前沿理論通過測算實際產(chǎn)出與最大產(chǎn)出之間的差距，從而計算出技術效率，這些差距主要是由于技術非效率引起的，具體測算公式為：

式中：TEi取值為0～1，表示第i個農(nóng)戶的農(nóng)業(yè)生產(chǎn)技術效率，Xi為生產(chǎn)函數(shù)中的變量集合，E(·)為數(shù)學期望值。

隨機前沿法常見的生產(chǎn)函數(shù)形式主要有柯布—道格拉斯（Cobb-Douglas，C-D）生產(chǎn)函數(shù)與超越對數(shù)（Trans-log）生產(chǎn)函數(shù)等，盡管C-D生產(chǎn)函數(shù)在計算與解釋方面存在優(yōu)勢，但它使用的前提假定了不同農(nóng)戶間的產(chǎn)出彈性為定值和替代彈性為1，條件較為固定，不能很好的反應出不同農(nóng)戶之間決策能力的異質性帶來的產(chǎn)出差異[30]。因此，本文在實際估計中選用替代彈性可變的、形式相對靈活的超越對數(shù)生產(chǎn)函數(shù)以克服C-D生產(chǎn)函數(shù)中?？怂怪行约夹g進步假定的缺陷[31]，模型具體形式為：

式中：產(chǎn)出變量yi定義為第i個農(nóng)戶的水稻總產(chǎn)量；xij、xik表示為第i個農(nóng)戶除化肥投入外的第j種、第k種投入變量，包括耕地、勞動和機械費用總投入；fi表示第i個農(nóng)戶在水稻生產(chǎn)中施用化肥的總量；其余變量為各自變量的平方項與交互項。通過已有研究，采用Kopp和Smith[32]提出的非徑向概念來計算化肥施用效率，即保持投入要素與產(chǎn)出水平不變，以可能達到的最低化肥施用量fi l代替實際化肥施用量fi，并假定技術效率損失為零，（3）式可改寫為：

將（5）式看為一元二次方程并求解得：

（6）式解答出效率值有正負兩個值，根據(jù)化肥效率定義，應舍去負值取正值。

由（6）式計算出的化肥施用效率值介于0～1之間，屬于受限因變量，為探尋影響化肥施用效率的因素及避免估計結果出現(xiàn)偏誤，本文首先選擇采用Tobit模型進行回歸，運用極大似然估計法（MLE）對模型進行參數(shù)估計。模型形式如下：

式中：ti為受限因變量，即農(nóng)戶在水稻生產(chǎn)過程中的化肥施用效率；si為影響化肥施用效率的變量集合；ui為隨機擾動項。由于Tobit模型回歸結果對分布的依賴性很強，因此本文在使用Tobit模型回歸的基礎上，經(jīng)檢驗后選擇更加穩(wěn)健的歸并最小離差法（Censored Least Absolute Deviations，CLAD）模 型，即使在非正態(tài)與異方差的情況下也能得到一致估計結果。

2.2 數(shù)據(jù)來源

本文使用的數(shù)據(jù)來源于課題組2018年對湖北省武漢市、鄂州市、黃岡市、荊門市4市6區(qū)縣農(nóng)戶調研數(shù)據(jù)，調研人員采用隨機抽樣對農(nóng)戶進行一對一的訪談，剔除掉無效、關鍵變量缺失問卷，共獲得有效問卷549份。其中武漢市選取江夏區(qū)與黃陂區(qū)，問卷總占比為49.00%；鄂州市選取鄂城區(qū)與梁子湖區(qū)，問卷占比為17.12%；荊門市選取京山市，問卷占比為13.84%；黃岡市選取團風縣，問卷占比為20.04%，具體調查樣本地理分布如表1所示。

表1 調查問卷地理分布情況Table 1 Geographical distribution of the questionnaire

2.3 變量選取與賦值

2.3.1 化肥施用效率 運用隨機前沿方法測算化肥施用效率值，生產(chǎn)函數(shù)中產(chǎn)出變量選用稻農(nóng)一年的水稻總產(chǎn)量，單位為kg；投入變量主要選擇耕地、勞動力、化肥以及機械投入費用。其中耕地投入指農(nóng)戶實際經(jīng)營的耕地面積，包括自家承包耕地與流轉承包耕地；勞動力投入指水稻生產(chǎn)過程中參與勞動力總和；化肥投入指在水稻生產(chǎn)過程中施用的化肥總量；機械投入費用是在水稻生產(chǎn)過程中運用機械耕地、收割所支出的費用總和。

2.3.2 化肥施用效率影響因素 土地作為農(nóng)業(yè)生產(chǎn)過程中最重要的投入要素，其規(guī)模、性狀的差異自然影響了農(nóng)業(yè)產(chǎn)出。由于自然地理因素和家庭聯(lián)產(chǎn)承包責任制對耕地地塊面積、耕地質量進行分割，導致耕地呈現(xiàn)細碎化、質量不等化分布的特征[33-34]?，F(xiàn)有的研究表明，耕地細碎化將降低農(nóng)業(yè)生產(chǎn)要素的配置效率，不利于農(nóng)業(yè)生產(chǎn)和農(nóng)戶收入[35]，同時也增加了農(nóng)業(yè)生產(chǎn)成本[36]。本文關注的核心解釋變量分別為耕地細碎化程度與耕地質量認知。就耕地細碎化程度而言，現(xiàn)有研究多采用地塊數(shù)、平均地塊規(guī)模、戶均經(jīng)營面積等單變量作為衡量耕地細碎化程度的指標；也有不少學者采用辛普森指數(shù)（Simpson’s Index）作為耕地細碎化程度的衡量指標，其在一定程度上彌補了用單變量衡量耕地細碎化程度的不足，故本文選用辛普森指數(shù)作為衡量耕地細碎化程度的指標。辛普森指數(shù)具體的定義如下：

式中：n代表農(nóng)戶地塊數(shù)，ai代表各地塊面積，由上式可以看出，SI值介于0～1之間，且SI數(shù)值越接近1，其代表農(nóng)戶耕地的細碎化程度越高。

就耕地質量認知而言，農(nóng)戶在長期的農(nóng)業(yè)生產(chǎn)過程中積累了豐富的經(jīng)驗，能夠對耕地的質量做出較為準確的判斷，耕地質量變化會影響其化肥使用。因此本文選取農(nóng)戶對耕地肥力、耕地肥力變化趨勢兩個指標的認知狀況，作為衡量耕地質量認知的 指標。

關于控制變量的選擇，考慮到調研區(qū)實際情況和農(nóng)戶的異質性是造成農(nóng)戶行為差異的重要因素，本文選取以下控制變量：灌排條件、耕地流轉情況、農(nóng)戶個人及家庭特征。耕地灌排條件對水稻的生長具有直接影響作用，不方便的灌排條件可能會導致水稻減產(chǎn)，促使農(nóng)戶加大化肥施用以規(guī)避預期損失；不穩(wěn)定的耕地流轉可能會使農(nóng)戶增施化肥以追求短期利益最大化，從而規(guī)避耕地流轉環(huán)境不確定性帶來的風險；農(nóng)戶個體特征包括農(nóng)戶的性別、年齡、受教育程度、務農(nóng)年限、技術培訓參與次數(shù)；農(nóng)戶家庭特征包括家庭人均收入、務農(nóng)人口、非農(nóng)收入占比。

2.4 樣本描述性分析

各變量解釋及描述性統(tǒng)計如表2所示。在本文關注的核心變量中，辛普森指數(shù)平均值為0.70，其中高于均值的農(nóng)戶樣本數(shù)達到了341個，占比達62.11%，說明農(nóng)戶經(jīng)營耕地的細碎化程度比較嚴重；農(nóng)戶對耕地肥力、耕地肥力變化的主觀認知均值較為接近中值，說明該地區(qū)耕地質量情況較為樂觀、穩(wěn)定，農(nóng)業(yè)生產(chǎn)條件整體較好。在農(nóng)戶家庭及個人特征變量方面，農(nóng)戶平均年齡為58.84歲，其中年齡超過50歲的農(nóng)戶占比達到了81.65%，年齡最大的農(nóng)戶甚至達到了90歲，年齡低于40歲的農(nóng)戶占比只有4.14%，說明從事農(nóng)業(yè)生產(chǎn)的勞動力老齡化嚴重。農(nóng)戶受教育程度均值為1.60年，即樣本農(nóng)戶主要是小學、初中文化，文化程度普遍較低。農(nóng)戶務農(nóng)年限平均值為36.95年，務農(nóng)年限較長，說明樣本農(nóng)戶務農(nóng)經(jīng)驗豐富，對耕地質量的認知更加準確。家庭非農(nóng)收入占比平均值為0.66，說明被調查樣本農(nóng)戶兼業(yè)化程度較高。

表2 變量設置及描述性統(tǒng)計Table 2 Variable definitions and descriptive statistics

3 實證結果及分析

3.1 隨機前沿生產(chǎn)函數(shù)回歸結果分析

超越對數(shù)生產(chǎn)函數(shù)估計結果如表3所示，回歸結果中λ值為1.6435，無效率項u在復合擾動項中占據(jù)了主導地位，而不是測量誤差和隨機干擾項，LR檢驗值為28.63，通過了LR檢驗，故使用隨機前沿函數(shù)模型方法估計是合理的。模型中的部分參數(shù)具有統(tǒng)計的顯著性，通過計算得出稻農(nóng)的化肥施用效率均值為63.85%。

通過表3各變量參數(shù)估計值可計算出投入要素的產(chǎn)出彈性，并根據(jù)辛普森指數(shù)值順序排列按四分位點分區(qū)間列出，如表4所示。由表4可知，大多農(nóng)戶所經(jīng)營的耕地細碎化程度比較高，辛普森指數(shù)超過0.5的農(nóng)戶占比達到了80.33%，且隨著耕地細碎化程度的不斷提高，農(nóng)戶化肥施用量呈現(xiàn)增加的趨勢。在耕地、勞動、化肥、機械投入4種要素中，耕地投入的產(chǎn)出彈性最大，均值為1.16，即水稻種植面積每增加1%，水稻產(chǎn)量增長1.16%，說明增加水稻播種面積仍然是水稻增產(chǎn)的重要貢獻因素，該值隨著耕地細碎化程度的增加而增大，一定程度上說明了耕地投入對增產(chǎn)的貢獻作用在細碎化程度高的耕地上更明顯；勞動產(chǎn)出彈性在四個組別里均為負值，表明加大勞動投入不僅不能促進水稻增產(chǎn)，反而會減少水稻的產(chǎn)量，這與張曉恒和周應恒[37]的研究結論相似，可能的原因是為追求水稻產(chǎn)量最大化，現(xiàn)有的勞動力投入相對于地塊數(shù)不多的耕地已經(jīng)過剩，但對于地塊數(shù)相對較多，即細碎化程度更高的耕地，往往需要花費更多的勞動投入以兼顧所有地塊上作物的生產(chǎn)，這也一定程度上解釋了表4 中勞動產(chǎn)出彈性隨著耕地細碎化程度的增加略有上升的現(xiàn)象；化肥產(chǎn)出彈性在四個組別中差距不大，均值為0.07，說明化肥投入增加對水稻產(chǎn)量增加的促進作用十分有限，這與調研區(qū)過量施用化肥的現(xiàn)象具有一定的聯(lián)系[38]；機械投入產(chǎn)出彈性在四組中幾乎為0，說明運用機械耕地、收割對產(chǎn)出的增加是有限的，可能的原因是調研區(qū)地形以丘陵、平原為主，許多稻農(nóng)的耕地由于地理環(huán)境因素的限制較為分散，耕地普遍較為細碎，平均地塊面積小，不利于農(nóng)用機械的規(guī)?；鳂I(yè)，使得機械投入帶來的邊際收益小于使用機械的邊際成本。

表3 隨機前沿生產(chǎn)函數(shù)估計結果Table 3 Stochastic frontier production function estimation results

表4 耕地細碎化程度與各要素產(chǎn)出彈性Table 4 Fragmentation degree of farmland and input-output elasticity

化肥施用效率均值僅為0.6385，農(nóng)戶在水稻生產(chǎn)過程中施肥效率較低，并未達到最優(yōu)的化肥施用狀態(tài)，若完全消除效率損失，化肥施用效率仍有36.15%的提升空間。換言之，當前農(nóng)戶在適量減少化肥投入的情況下，不僅不會帶來水稻產(chǎn)量的下 降，反而有利于提高化肥施用效率，可能的影響因素是多方面的，需要在后文用具體的實證模型進一步分析。

3.2 CLAD模型回歸結果分析

為探究影響調研區(qū)稻農(nóng)化肥施用效率的影響因素并使回歸結果更準確，本文在模型中加入了水稻單產(chǎn)變量，用于控制如氣溫、降水量和農(nóng)戶管理能力等其他不可觀測因素對效率的影響[39]。本文在使用Tobit模型回歸后，對模型擾動項進行了檢驗，檢驗發(fā)現(xiàn)條件矩估計量為34.39，拒絕“擾動項服從正態(tài)分布”的原假設，故使用在非正態(tài)情況下也適用的CLAD模型，Tobit模型與CLAD模型回歸結果如表5所示。整體對比兩模型回歸結果可知，CLAD模型的標準誤整體小于Tobit模型，對比本文所關注的核心變量，CLAD模型相較于Tobit模型在變量的顯著性水平上有了提高。進一步說明了使用Tobit模型估計結果存在一定的偏誤，故使用更為穩(wěn)健的CLAD模型。如果Tobit模型設定正確（滿足正態(tài)性和同方差性），則應與CLAD模型估計結果相差不大，因此可以將CLAD模型視為對Tobit模型的設定檢驗。

表5 Tobit與CLAD模型結果比較Table 5 Result comparison of the Tobit and the CLAD models

3.2.1 耕地細碎化與化肥施用效率 由回歸結果可知，代表耕地細碎化程度的代理變量辛普森指數(shù)有負向影響，且在1%的置信水平上顯著，即農(nóng)戶耕地細碎化程度越高會顯著降低化肥的施用效率。一方面本次調研區(qū)域位于湖北江漢平原水稻種植區(qū)，類似農(nóng)業(yè)機械服務等技術的推廣與實施較為成熟，但耕地的大量分散阻礙了現(xiàn)代農(nóng)用技術的推廣，降低了大規(guī)模經(jīng)營帶來的收益，進而提高了農(nóng)業(yè)生產(chǎn)成本[40]；另一方面，農(nóng)村勞動力的大量外流導致了參與農(nóng)業(yè)生產(chǎn)勞動的農(nóng)戶相對數(shù)量不足，且農(nóng)村留守的多為年紀較大的中老年人，身體健康程度與體力都不如年輕人，面對細碎化的耕地，往往需要投入更多的勞動成本才能兼顧到所有耕地的生產(chǎn)，避免水稻減產(chǎn)，而化肥要素投入在一定程度上可以作為勞動要素的替代，從而導致了農(nóng)戶出現(xiàn)過量施用化肥的現(xiàn)象，降低了化肥的施用效率[41]，研究假說H1得到證實。

3.2.2 耕地質量認知與化肥施用效率 作為耕地質量認知的代理變量，耕地肥力與耕地肥力變化評價顯著影響了化肥施用效率，且在1%的置信水平下顯著。可能的原因是農(nóng)戶常年經(jīng)營耕地，對耕地質量狀況有著較為準確的判斷與感知，農(nóng)戶出于利潤最大化的考慮，能夠根據(jù)耕地的肥沃程度調整化肥施用量，一方面可以減少自己的生產(chǎn)成本，提高種植收益，另一方面，當農(nóng)戶發(fā)現(xiàn)在適當減少優(yōu)質化肥投入不僅不會導致減產(chǎn)，反而卻能使得水稻獲得產(chǎn)量的提升后，農(nóng)戶會傾向于繼續(xù)調整化肥使用量以進一步減少成本并增加收益，最終結果是化肥要素投入逐步趨向于合理化，化肥施用效率逐步提高，研究假說H2得到證實。

3.2.3 控制變量與化肥施用效率 其他控制變量中，戶主性別正向顯著影響化肥施用效率；而戶主年齡則負向顯著影響化肥施用效率，這與黎孔清和馬豆豆[42]的研究結論一致。原因主要來源于兩方面，一是農(nóng)業(yè)生產(chǎn)是勞動密集型產(chǎn)業(yè)，隨著勞動力年齡的增加，體力受限，更傾向于使用大量化肥投入替代勞動投入；二是年齡越大的農(nóng)戶思想更為傳統(tǒng)保守，不會輕易改變化肥施用習慣與行為，造成了化肥施用不合理、效率降低的現(xiàn)象。受教育程度與農(nóng)業(yè)勞動力投入正向顯著影響化肥施用效率，農(nóng)戶受教育程度越高，對科學施用化肥的技能接受度更 高[43]，進而對合理施用化肥的認知更為全面，因此化肥施用效率越高；而農(nóng)業(yè)勞動力與化肥同為水稻生長的要素投入之一，勞動投入要素的增加在一定程度減輕了農(nóng)戶過多投入化肥要素的傾向；人均年收入與是否存在耕地流轉皆負向顯著影響化肥施用效率，可能原因在于：本次調研區(qū)域中，人均年收入高的樣本集中于非農(nóng)就業(yè)比例較高的農(nóng)戶，為兼顧非農(nóng)就業(yè)，更傾向于采用一次多施的行為以節(jié)省農(nóng)業(yè)勞動時間，而存在流轉耕地時，由于當前耕地契約流轉的不穩(wěn)定性，農(nóng)戶更傾向于追求短期利益最大化，即通過增施化肥的行為獲得產(chǎn)量的提升，從而降低了化肥施用的效率。

3.3 穩(wěn)健性檢驗

本文已充分考慮模型設定偏誤問題并盡力減弱，但為了減少不可觀測因素可能帶來的模型設定偏誤，同時檢驗前文估計結果的穩(wěn)健性，本文采用替換模型方法對回歸結果進行穩(wěn)健性檢驗。具體而言，將前文利用隨機前沿法測得的化肥施用效率樣本按等距比例分為5組并賦值1～5，運用有序Probit模型對變量進行穩(wěn)健性檢驗，具體回歸結果如表6所示?？梢园l(fā)現(xiàn)，改變模型后主要解釋變量的影響與前文保持一致，說明了本文的回歸結果與結論是比較穩(wěn)健的。

表6 Ordered Probit模型回歸結果Table 6 Ordered Probit model regression results

4 結論與建議

4.1 結論

本文利用湖北省水稻種植戶微觀調查數(shù)據(jù)，運用隨機前沿方法測算農(nóng)戶在水稻生產(chǎn)過程中化肥施用效率，采用CLAD模型重點研究了耕地細碎化程度及耕地質量認知等變量對化肥施用效率的影響，并通過檢驗驗證了結論的穩(wěn)健性。得出的結論如下：

1）被調研區(qū)樣本稻農(nóng)隨著耕地的細碎化程度提高存在化肥施用過量的現(xiàn)象，且化肥施用效率均值為0.6385，效率較低，仍具有較大的提升空間。

2）耕地細碎化程度較高的農(nóng)戶的化肥施用效率低于耕地細碎化程度較低的農(nóng)戶，耕地細碎化阻礙了機械服務與農(nóng)業(yè)勞動力的投入，使得化肥要素投入增加，在一定程度上降低了化肥施用效率，經(jīng)過模型檢驗發(fā)現(xiàn)，耕地細碎化程度對農(nóng)戶化肥施用效率具有負向影響。

3）農(nóng)戶對耕地質量的認知顯著影響了化肥施用效率，戶主性別、年齡、受教育程度、家庭人均年收入、是否存在土地流轉等對化肥施用效率同樣具有顯著影響，農(nóng)戶會根據(jù)自身利潤最大化的需求，改變不同質量耕地條件下化肥要素投入水平，使化肥施用效率得到提升。

4.2 政策建議

耕地細碎化程度、耕地質量認知是影響化肥施用效率的重要因素之一，為進一步推進湖北省水稻產(chǎn)業(yè)良性發(fā)展，確?；室赝度朐谵r(nóng)業(yè)生產(chǎn)中的合理使用，基于以上研究結論，本文提出以下政策建議：

1）加快耕地整合與耕地連片經(jīng)營法律法規(guī)設立。湖北省坐擁江漢平原，是中國水稻的主產(chǎn)區(qū)之一，相對平坦的地形對推行鼓勵農(nóng)戶置換或互換分散地塊、促進耕地連片政策的阻力較小，取得的成效較大；政府應合理制定與耕地整合、置換相關的法律法規(guī)，如通過給予一定補貼或優(yōu)待等形式，加強農(nóng)戶參與耕地整合的意愿與動機，打消農(nóng)戶顧慮并促進耕地有序流轉，進一步為構建高標準農(nóng)田、合理配置要素投入比例、農(nóng)業(yè)機械化作業(yè)提供良好的環(huán)境。

2）加速耕地細碎化治理實踐經(jīng)驗和制度創(chuàng)新的結合。政府與當?shù)剞r(nóng)技推廣合作組織學習已有的耕地細碎化整治成功案列經(jīng)驗，在繼續(xù)推行農(nóng)村耕地所有權、經(jīng)營權、承包權“三權分置”的政策改革的基礎上，結合當?shù)靥厣a(chǎn)業(yè)，因地制宜，如湖北省京山市的“國寶橋米”招牌、鄂州市與黃岡市“蝦稻共生”、潛江市的“稻漁共作”等創(chuàng)新模式。具有針對性的開展耕地細碎化綜合治理工作；同時應尊重農(nóng)戶需求與意愿，并在治理過程中秉持公開、公平、公正的原則，打消農(nóng)戶對耕地地塊調整而產(chǎn)生的憂慮。

3）加強引導糾正農(nóng)戶對化肥施用的錯誤認識以及對耕地質量的合理認知，并給予科學施用化肥的方法與指導。一方面，政府可與農(nóng)技站等農(nóng)業(yè)技術推廣機構開展合作，定期為村民免費開展化肥知識講解與施用的技術培訓，從理論知識上糾正農(nóng)戶的認知偏差；另一方面，化肥生產(chǎn)商可在生產(chǎn)或銷售化肥過程中增加“施用說明書”等科學指導小冊，從實際操作中進一步提高農(nóng)戶對化肥施用的準確認識，從而提高化肥施用效率。

4）積極推行農(nóng)業(yè)科學種植生產(chǎn)模式，保障耕地質量穩(wěn)中有升。湖北省江漢平原作為水稻主產(chǎn)區(qū)之一，推行如作物輪作、休耕等科學生產(chǎn)模式，不僅有助于減少耕地營養(yǎng)元素不合理流失，還能提高耕地質量，有利于水稻生產(chǎn)的可持續(xù)發(fā)展。