年龄对农民跨期绿色农业技术采纳的影响

doi:10.18402/resci.2020.06.10

摘要/Abstract

摘要：

中国农业面临着劳动力老龄化与绿色化转型的双重约束。聚焦于跨期技术属性,本文提出了中国情景下年龄对农民跨期绿色农业技术采纳的倒U形影响假说,进而以秸秆还田为例,采用中介效应模型,利用冀鲁皖鄂4省1372份农民调查数据进行了实证检验。结果发现：①年龄对于农民跨期绿色农业技术采纳的影响效应呈倒U形态势,“中年农民”成为现阶段绿色农业技术扩散的积极力量;②人力资本和风险偏好是年龄影响农民跨期绿色农业技术采纳的重要中介变量,两者的中介效应占年龄总效应的71.94%;③信息化和耕地规模对中青年农民的跨期绿色农业技术采纳具有促进作用;经济价值认知、是否贫困、供水情况、补贴和处罚政策对中老年农民采用跨期绿色农业技术表现出积极影响;社会资本对中青年农民的技术采纳具有负向影响,但有利于中老年农民采纳跨期绿色农业技术。由于年龄较高农民积极采纳跨期绿色农业技术其实是该群体非农就业机会减少而被动“以农为业”的结果,这表明农业生产包括农业资源保护与开发缺乏最为优质的劳动力支撑;另一方面,非农就业的青壮年劳动力由于缺乏务农经历,多年后回归农业又能否承担起农业绿色化转型的责任也值得思考。因此,劳动力老龄化对中国农业短期的影响在于如何把地种好,而长期的潜在威胁依然是谁来种地。

关键词: 跨期技术, 绿色农业, 年龄, 秸秆还田, 中介效应, 倒U形

Abstract:

Based on the intertemporal technical attributes, this study systematically explored the influence of age on farmers’ adoption of intertemporal green agricultural technology, and conducted an empirical test by employing the survey data of 1,372 farmers in Hebei, Shandong, Anhui, and Hubei Provinces and using a mediating effect model. The results show that, first, the effect of age on farmers’ adoption of intertemporal green agricultural technology is inverted U-shaped. Second, human capital and risk preference are two important mediating variables for the influence of age, whose mediating effects explain 71.94% of the effect of age. Third, information and scale of land parcels play an important role in promoting the younger farmers’ adoption of intertemporal green agricultural technology, while economic value cognition, poverty, water supply, subsidies, and punishment policies have a positive impact on the adoption of intertemporal green agricultural technology by older farmers. Social capital has a negative impact on the adoption of green technology of young farmers, but it is beneficial for old farmers to take action. In the long run, speeding up the cultivation of new professional farmers, improving the new agricultural management system, and further developing the agricultural insurance system are important ways and necessary guarantee for the adoption of intertemporal green agricultural technology.

Key words: intertemporal technology, green agriculture, age, returning straw to the field, mediating effect, inverted U-shaped

张童朝, 颜廷武, 仇童伟. 年龄对农民跨期绿色农业技术采纳的影响[J]. 资源科学, 2020, 42(6): 1123-1134.

ZHANG Tongchao, YAN Tingwu, QIU Tongwei. Effects of age on farmers’ adoption of intertemporal green agricultural technology[J]. Resources Science, 2020, 42(6): 1123-1134.

图/表 10

图1

图2

表1

表2

变量设定与赋值说明"

变量			赋值说明
因变量
跨期绿色农业技术采纳		Y	是否进行秸秆还田：否=0;是=1
自变量
年龄	年龄	lnAge	受访者实际年龄/岁,取对数
年龄	平方项	(lnAge)²	受访者实际年龄/岁,取对数后的平方
人力资本	文化程度	Edu	不识字或识字很少=1;小学=2;初中=3;高中（中专）=4;大专及以上=5
	健康状况	Hea	非常差=1;比较差=2;一般=3;比较好=4;非常好=5
	人力资本	Hum	取文化程度与健康状况的算术平均值
风险偏好	风险厌恶	Ris1	关于“对于可能存在风险的事,我暂时不会尝试”：完全同意=1;比较同意=2;一般=3;不太同意=4;完全不同意=5
	风险规避	Ris2	您觉得是否有必要购买农业保险：有必要=0;没必要=1
	风险偏好	Risk	取风险厌恶与风险规避的算术平均值
个体特征	性别	Gen	女=0;男=1
	政治面貌	Sta	群众或其他=0;共产党员=1
	兼业	Par	无兼业=0;有兼业=1
	技术掌握	Tec	秸秆处置和还田方法技术掌握：很不好=1;不太好=2;一般=3;比较好=4;非常好=5
	生态价值认知	Ecol	秸秆还田对环保和空气污染防治：非常不利=1;不太有利=2;不好说=3;有些好处=4;非常有利=5
	经济价值认知	Econ	秸秆还田对您家增产增收：非常不利=1;不太有利=2;不好说=3;有些好处=4;非常有利=5
家庭禀赋	是否贫困	Pov	家庭年人均纯收入不低于2300元=0;否则为1
	劳动力	Lab	家庭劳动力数量/人
	信息化	Int	家中是否安装了宽带网络：否=0,是=1
	经营规模	Sca	家庭实际经营耕地面积/亩
	块均面积	Ave	家庭经营耕地的块均面积/（亩/块）
社会资本	信任	Tru	您对亲朋邻里：完全不信任=1;不太信任=2;一般=3;比较信任=4;完全信任=5
	互惠规范	Rec	您得到过亲朋邻里的帮助吗：从来没有=1;较少=2;一般=3;较多=4;经常=5
	社会参与	Ass	您经常和亲朋邻里聊天交流吗：从来没有=1;较少=2;一般=3;较多=4;经常=5
社区条件	环境	Env	您对“本村环境污染严重”：完全不同意=1;不太同意=2;一般=3;比较同意=4;完全同意=5
	供水	Wat	您对本村的供水情况：不满意=1;不太满意=2;一般=3;比较满意=4;非常满意=5
	供电	Ele	您对本村的供电情况：不满意=1;不太满意=2;一般=3;比较满意=4;非常满意=5
制度规则	补贴	Sub	您有无领取到秸秆利用方面的补贴：无=0;有=1
制度规则	处罚	Pun	当地是否有秸秆焚烧处罚措施：无=0;不清楚=1;有=2
地区	地区	Reg	南方水田区=1,北方旱作区=0

表2

图3

表3

表4

表5

表6

表7

参考文献 32

[1]	杨志海. 老龄化、社会网络与农户绿色生产技术采纳行为: 来自长江流域六省农户数据的验证[J]. 中国农村观察, 2018, (4):44-58.
	[ Yang Z H. Ageing, social network and the adoption of green production technology: Evidence from farm households in six provinces in the Yangtze River basin[J]. China Rural Survey, 2018, (4):44-58.]
[2]	于艳丽, 李桦, 薛彩霞. 政府规制与社区治理对茶农减量施药行为的影响[J]. 资源科学, 2019,41(12):2227-2236.
	[ Yu Y L, Li H, Xue C X. Influence of government regulation and community governance on tea farmers’ behavior of reducing pesticide use[J]. Resources Science, 2019,41(12):2227-2236.]
[3]	徐志刚, 张骏逸, 吕开宇. 经营规模、地权期限与跨期农业技术采用: 以秸秆直接还田为例[J]. 中国农村经济, 2018, (3):61-74.
	[ Xu Z G, Zhang J Y, Lv K Y. The scale of operation, term of land ownership and the adoption of inter-temporal agricultural technology: An example of “straw return to soil directly”[J]. Chinese Rural Economy, 2018, (3):61-74.]
[4]	李卫, 薛彩霞, 姚顺波, 等. 农户保护性耕作技术采用行为及其影响因素: 基于黄土高原476户农户的分析[J]. 中国农村经济, 2017, (1):44-57.
	[ Li W, Xue C X, Yao S B, et al. The adoption behavior of households’ conservation tillage technology: An empirical analysis based on data collected from 476 households on the loess plateau[J]. Chinese Rural Economy, 2017, (1):44-57.]
[5]	高立, 赵丛雨, 宋宇. 农地承包经营权稳定性对农户秸秆还田行为的影响[J]. 资源科学, 2019,41(11):1972-1981.
	[ Gao L, Zhao C Y, Song Y. Effect of stability of land contract and land-use rights on straw retention for rural households[J]. Resources Science, 2019,41(11):1972-1981.]
[6]	李然嫣, 陈印军. 东北典型黑土区农户耕地保护利用行为研究: 基于黑龙江省绥化市农户调查的实证分析[J]. 农业技术经济, 2017, (11):80-91.
	[ Li R Y, Chen Y J. A study on the behavior of farmers’ cultivated land protection and utilization in typical black soil areas of Northeast China: An empirical analysis based on survey of farmers in Suihua City, Heilongjiang Province[J]. Journal of Agrotechnical Economics, 2017, (11):80-91.]
[7]	陈飞, 翟伟娟. 农户行为视角下农地流转诱因及其福利效应研究[J]. 经济研究, 2015,50(10):163-177.
	[ Chen F, Zhai W J. Land transfer incentive and welfare effect research from perspective of farmers’ behavior[J]. Economic Research Journal, 2015,50(10):163-177.]
[8]	张龙耀, 杨军, 张海宁. 金融发展、家庭创业与城乡居民收入: 基于微观视角的经验分析[J]. 中国农村经济, 2013, (7):47-57.
	[ Zhang L Y, Yang J, Zhang H N. Financial development, family entrepreneurship and income of urban and rural residents: Empirical analysis based on micro perspective[J]. Chinese Rural Economy, 2013, (7):47-57.]
[9]	胡雪枝, 钟甫宁. 人口老龄化对种植业生产的影响: 基于小麦和棉花作物分析[J]. 农业经济问题, 2013,34(2):36-43.
	[ Hu X Z, Zhong F N. The impact of population aging on planting production: Based on the analysis of the two crops of wheat and cotton[J]. Issues in Agricultural Economy, 2013,34(2):36-43.]
[10]	Stark O. Migration in less development countries: Risk, remittances and family[J]. Finance and Development, 1991,28(4):431-452.
[11]	乔志霞. 农业劳动力老龄化对苹果户生产行为影响研究: 以陕甘苹果主产省为例[D]. 杨凌: 西北农林科技大学, 2018.
	[ Qiao Z X. Impact of Agricultural Labor Aging on Production Behavior of Apple Households: A Case Study from Shanxi and Gansu Province[D]. Yangling: Northwest A&F University, 2018.]
[12]	协天紫光, 樊秀峰, 黄光灿. 东道国投资便利化建设对中国企业对外直接投资二元边际的影响[J]. 世界经济研究, 2020, (4):120-134.
	[ Xie T Z G, Fan X F, Huang G C. The impact of host countries’ investment facilitation on Chinese firms’ OFDI binary margins[J]. World Economy Studies, 2020, (4):120-134.]
[13]	Mazzeo R S, Tanaka H. Exercise prescription for the elderly: Current recommendations[J]. Sports Medicine, 2001,31(11):809-818. doi: 10.2165/00007256-200131110-00003 pmid: 11583105
[14]	Bosek M, Grzegorzewski B, Kowalczyk A, et al. Degradation of postural control system as a consequence of Parkinson’ s disease and ageing[J]. Neuroscience Letters, 2005,376(3):215-220. doi: 10.1016/j.neulet.2004.11.056 pmid: 15721224
[15]	Verhaeghen P, Salthouse T A. Meta-analyses of age-cognition relations in adulthood: Estimates of linear and nonlinear age effects and structural models[J]. Psychological Bulletin, 1997,122(3):231-249. doi: 10.1037/0033-2909.122.3.231 pmid: 9354147
[16]	杨校美. 人口老龄化会影响技术创新吗: 来自G20的经验证据[J]. 华东经济管理, 2018,32(6):115-123.
	[ Yang X M. Can population aging affect technological innovation: Empirical evidence from G20[J]. East China Economic Management, 2018,32(6):115-123.]
[17]	Binswanger H P. Attitudes toward risk: Experimental measurement in rural India[J]. American Journal of Agricultural Economics, 1980,62(3):395-407. doi: 10.2307/1240194
[18]	刘琪. 子女人力资本对流动人口创业的影响[J]. 华南农业大学学报(社会科学版), 2019,18(6):96-110.
	[ Liu Q. The impact of children’ s human capital on entrepreneurship of floating population[J]. Journal of South China Agricultural University (Social Science Edition), 2019,18(6):96-110.]
[19]	于林, 赵士军, 陈倩. 高层管理团队隐性人力资本研究[J]. 工业技术经济, 2011,30(2):118-122.
	[ Yu L, Zhao S J, Chen Q. Research on hidden human capital of top management team[J]. Journal of Industrial Technological Economics, 2011,30(2):118-122.]
[20]	温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014,22(5):731-745. doi: 10.3724/SP.J.1042.2014.00731
	[ Wen Z L, Ye B J. Analyses of mediating effects: The development of methods and models[J]. Advances in Psychological Science, 2014,22(5):731-745.]
[21]	徐志刚, 张炯, 仇焕广. 声誉诉求对农户亲环境行为的影响研究: 以家禽养殖户污染物处理方式选择为例[J]. 中国人口·资源与环境, 2016,26(10):44-52.
	[ Xu Z G, Zhang J, Qiu H G. Effects of reputation demands on farmers’ pro-environmental behavior: Taking the farmers’ disposal behavior of poultry waste as an example[J]. China Population, Resources and Environment, 2016,26(10):44-52.]
[22]	Giannoccaro G. Survey data of stated farmers’ preferences and willingness to supply straw[J]. Data in Brief, 2017,11:12-14. doi: 10.1016/j.dib.2016.12.034 pmid: 28116339
[23]	张童朝, 颜廷武, 何可, 等. 资本禀赋对农户绿色生产投资意愿的影响: 以秸秆还田为例[J]. 中国人口·资源与环境, 2017,27(8):78-89.
	[ Zhang T C, Yan T W, He K, et al. Impact of capital endowment on peasants’ willingness to invest in green production: Taking crop straw returning to the field as an example[J]. China Population, Resources and Environment, 2017,27(8):78-89.]
[24]	黄腾. 互联网使用对苹果种植户安全生产行为的影响研究[D]. 杨凌: 西北农林科技大学, 2018.
	[ Huang T. The Impact of Internet Usage on Apple Farmers’ Safety Production Behavior[D]. Yangling: Northwest A&F University, 2018.]
[25]	高杨, 赵端阳, 于丽丽. 家庭农场绿色防控技术政策偏好与补偿意愿[J]. 资源科学, 2019,41(10):1837-1848. doi: 10.18402/resci.2019.10.07
	[ Gao Y, Zhao D Y, Yu L L. Family farms’ policy preferences and willingness to accept compensation on green pest control techniques[J]. Resources Science, 2019,41(10):1837-1848.]
[26]	纪月清, 顾天竹, 陈奕山, 等. 从地块层面看农业规模经营: 基于流转租金与地块规模关系的讨论[J]. 管理世界, 2017, (7):65-73.
	[ Ji Y Q, Gu T Z, Chen Y S, et al. Analysis of agricultural scale management from the land parcel level: Based on the perspective of the relationship between land transfer rent and land parcel size[J]. Management World, 2017, (7):65-73.]
[27]	乔丹, 陆迁, 徐涛. 社会网络、推广服务与农户节水灌溉技术采用: 以甘肃省民勤县为例[J]. 资源科学, 2017,39(3):441-450. doi: 10.18402/resci.2017.03.06
	[ Qiao D, Lu Q, Xu T. Social network, extension service and farmers water-saving irrigation technology adoption in Minqin County[J]. Resources Science, 2017,39(3):441-450.]
[28]	李芬妮, 张俊飚, 何可. 非正式制度、环境规制对农户绿色生产行为的影响: 基于湖北1105份农户调查数据[J]. 资源科学, 2019,41(7):1227-1239. doi: 10.18402/resci.2019.07.04
	[ Li F N, Zhang J B, He K. Impact of informal institutions and environmental regulations on farmers’ green production behavior: Based on survey date of 1105 households in Hubei Province[J]. Resources Science, 2019,41(7):1227-1239.]
[29]	程令国, 张晔. 早年的饥荒经历影响了人们的储蓄行为吗: 对我国居民高储蓄率的一个新解释[J]. 经济研究, 2011,46(8):119-132.
	[ Cheng L G, Zhang Y. Does famine experience in childhood influence one’s saving decision: A new explanation of China’s high household saving rate[J]. Economic Research Journal, 2011,46(8):119-132.]
[30]	张姗, 石祖梁, 杨四军, 等. 施氮和秸秆还田对晚播小麦养分平衡和产量的影响[J]. 应用生态学报, 2015,26(9):2714-2720.
	[ Zhang S, Shi Z L, Yang S J, et al. Effects of nitrogen application rates and straw returning on nutrient balance and grain yield of late sowing wheat in rice-wheat rotation[J]. Chinese Journal of Applied Ecology, 2015,26(9):2714-2720.]
[31]	Preacher K J, Hayes A F. Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models[J]. Behavior Research Methods, 2008,40(3):879-891. doi: 10.3758/BRM.40.3.879
[32]	H·孟德拉斯. 农民的终结[M]. 李培林, 译. 北京: 社会科学文献出版社, 2010.
	[ Mendras H. The End of the Peasant[M]. Li P L, Trans. Beijing: Social Sciences Academic Press, 2010.]

省份	县（区、市）	乡镇/街及样本村/社区		样本数
山东	平度市	南村镇兰底河南村、前庄村;蓼兰镇何家店村、西马丘村;崔家集镇前洼村、团结村		188
	莱西市	沽河镇甲瑞社区、牛溪埠社区;姜山镇大泊村、小泊村		121
	安丘市	金冢子镇草店子、周家店、谷家村等		20
湖北	新洲区	邾城街巴徐村、章程村;辛冲街干河村、罗坪河村、双桥村;潘塘街井边村、孙寨村、熊店村、易河村		207
湖北	武穴市	花桥镇下彭村、刘六西村、马塘村;石佛寺镇董干畈村、湖南畈村;龙坪镇牛车村、下冯村;万丈湖农场黄湖村、太泊村		204
河北	沧县	高川乡泗庄村、阎辛庄村、蒲码头村、东芮屯村;刘家庙乡后生金刘村		192
	新华区	小赵庄乡孙庄子村、万庄子村		55
	南皮县	鲍官屯镇小张官村		56
安徽	灵璧县	朱集镇曹家庄、胡光村、刘派村、刘寨村、苗河村、王店村		195
安徽	灵璧县	尤集镇大章李村、解圩村、马巷村		134
合计	9县（区/市）	19乡镇/街	55村/社区	1372

变量	全样本回归1					分组回归1
	模型1.1		模型1.2			中青年组		中老年组
		系数	标准误		系数	标准误		系数	标准误	系数	标准误
lnAge	-0.203	0.189	9.482***	3.266		0.101*	0.058	-1.556***	0.474
(lnAge)²			-1.265***	0.426
Gen	0.007	0.098	0.028	0.099		0.041	0.165	0.029	0.128
Sta	0.245*	0.125	0.244*	0.125		0.346	0.241	0.202	0.150
Par	-0.007	0.094	-0.049	0.096		0.027	0.161	-0.074	0.123
Tec	0.027	0.039	0.025	0.039		0.076	0.071	0.005	0.048
Ecol	0.067	0.053	0.074	0.054		0.068	0.093	0.062	0.068
Econ	0.070	0.054	0.073	0.054		-0.069	0.106	0.125*	0.065
Pov	-0.193**	0.088	-0.184**	0.088		-0.096	0.156	-0.213*	0.110
Lab	0.047	0.033	0.045	0.033		0.031	0.074	0.049	0.038
Int	0.161*	0.088	0.134	0.088		0.372**	0.156	0.052	0.110
Sca	0.008**	0.004	0.008**	0.004		0.011**	0.006	0.003	0.005
Ave	-0.010	0.012	-0.012	0.012		-0.022	0.019	0.004	0.017
Tru	0.020	0.052	0.024	0.052		0.067	0.092	-0.005	0.065
Rec	0.057	0.038	0.053	0.038		-0.029	0.071	0.090*	0.047
Ass	-0.005	0.047	-0.010	0.047		0.057	0.088	-0.034	0.058
Env	0.163***	0.032	0.160***	0.032		0.169***	0.059	0.160***	0.038
Wat	0.111***	0.041	0.120***	0.041		0.027	0.079	0.153***	0.050
Ele	0.015	0.052	0.012	0.053		0.083	0.091	-0.038	0.067
Sub	0.299	0.200	0.317	0.202		0.039	0.289	0.587*	0.300
Pun	0.118**	0.054	0.139**	0.055		0.145	0.099	0.152**	0.068
Reg	已控制		已控制			已控制		已控制
Pro>chi²	0.000		0.000			0.000		0.000
Pseudo R²	0.357		0.362			0.397		0.358

标准值区间	低水平[0,0.2]	较低水平(0.2,0.4]	一般水平(0.4,0.6]	较高水平(0.6,0.8]	高水平(0.8,1]	均值
人力资本	2.77	23.54	23.98	43.08	6.63	0.55
风险偏好	37.68	19.17	16.40	16.40	10.35	0.46

		全样本回归2
		模型2.1（Edu）	模型2.2（Hea）	模型2.3（Hum）	模型2.4（Ris1）	模型2.5（Ris2）	模型2.6（Risk）
lnAge	系数	-1.824***	-0.740***	-1.599***	-0.097	-0.584***	-0.264**
lnAge	标准误	0.141	0.138	0.133	0.132	0.164	0.130
Pro>chi²		0.000	0.000	0.000	0.000	0.000	0.000
Pseudo R²		0.124	0.048	0.085	0.025	0.118	0.036

变量	全样本回归3
	模型3.1		模型3.2		模型3.3		模型3.4
	系数	标准误	系数	标准误	系数	标准误	系数	标准误
Edu	0.156***	0.052			0.124**	0.052
Hea	-0.033	0.044			-0.034	0.045
Hum							0.348**	0.161
Ris1			0.107***	0.031	0.105***	0.031
Ris2			0.383***	0.089	0.358***	0.090
Risk							0.701***	0.145
lnAge	8.657***	3.307	8.177**	3.281	7.563**	3.314	8.942***	3.263
(lnAge)²	-1.132***	0.432	-1.085**	0.428	-0.986**	0.433	-1.178***	0.426
Pro>chi²	0.000		0.000		0.000		0.000
Pseudo R²	0.367		0.379		0.383		0.376