鄭陽陽，羅建利

(1.中國農(nóng)業(yè)大學 經(jīng)濟管理學院，北京 100083；2.溫州大學 商學院，浙江 溫州 325035)

當前，承包戶“土地拋荒”、轉(zhuǎn)入戶“毀約棄耕”現(xiàn)象不斷出現(xiàn)(1)在百度搜索關(guān)鍵詞“毀約棄耕”和“退耕退租”，2012-2013年間的搜索結(jié)果為5個和29個，而2019年8月的搜索結(jié)果顯示為30 300個和420 000個，說明土地毀約棄耕已不是個別地區(qū)的個別現(xiàn)象，而是愈演愈烈。，不僅造成嚴重的土地資源浪費，給社會帶來一定的不穩(wěn)定因素，也引發(fā)了誰來種地、農(nóng)戶是否愿意種地的討論。因此，如何減少農(nóng)戶“土地拋荒”和“毀約棄耕”行為，提升其擴大農(nóng)地規(guī)模意愿成為當前中國農(nóng)業(yè)規(guī)?；?jīng)營中面臨的現(xiàn)實問題。為此，許多學者從土地產(chǎn)權(quán)意識、務工收入、家庭勞動力數(shù)、農(nóng)地確權(quán)等方面來探討其原因[1-4]。其中，農(nóng)業(yè)生產(chǎn)培訓(以下簡稱“培訓”)作為有效且重要的途徑，對農(nóng)戶擴大農(nóng)地規(guī)模意愿具有重要影響。一方面，可以使農(nóng)戶獲取重要的生產(chǎn)、銷售等信息；另一方面，能夠提高農(nóng)村人口素質(zhì)，增強農(nóng)戶內(nèi)生發(fā)展動力。早在2004年國家就開始實施農(nóng)村勞動力“陽光工程”培訓計劃，2017年原農(nóng)業(yè)部出臺《“十三五”全國新型職業(yè)農(nóng)民培育發(fā)展規(guī)劃》，提出到2020年全國新型職業(yè)農(nóng)民總量超過2 000萬人，2018年國務院印發(fā)的《鄉(xiāng)村振興戰(zhàn)略規(guī)劃(2018-2022年)》明確提出，實施現(xiàn)代青年農(nóng)場經(jīng)營者、農(nóng)村實用人才和信息職業(yè)農(nóng)民培育工程。

在大量人力、物力投入的情況下，農(nóng)業(yè)培訓計劃取得了一定的成效。李昊等基于1 223份農(nóng)戶問卷，發(fā)現(xiàn)農(nóng)藥施用技術(shù)培訓能夠顯著減低農(nóng)藥使用量[5]；熊雪等基于貧困區(qū)1 259份農(nóng)戶數(shù)據(jù)，運用PSM方法，發(fā)現(xiàn)培訓使農(nóng)戶家庭收入平均增加21.75%[6]，這一結(jié)論也得到國外學者的驗證[7]。隨著研究的推進，有學者開始關(guān)注培訓對農(nóng)戶規(guī)?；?jīng)營的影響。陳秧分等基于東部沿海3省1市323份農(nóng)戶數(shù)據(jù)，發(fā)現(xiàn)農(nóng)業(yè)技術(shù)培訓對農(nóng)戶規(guī)模化經(jīng)營意愿具有顯著正向影響[8]；同樣，童洪志基于演化博弈和仿真模擬，發(fā)現(xiàn)補貼與貸款失信懲戒或者培訓的組合有助于農(nóng)戶擴大生產(chǎn)規(guī)模[9]。

已有研究多把培訓作為控制變量，忽略了其內(nèi)生性和“自選擇”問題，這可能會導致估計偏誤；同時，培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響機理如何，現(xiàn)有研究尚未回答?；诖?，本文運用中國農(nóng)業(yè)大學國家農(nóng)業(yè)農(nóng)村發(fā)展研究院2018年全國12個省(自治區(qū))2 340份農(nóng)戶數(shù)據(jù)，嘗試回答培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響：首先從理論上闡明培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響機理；然后基于農(nóng)戶異質(zhì)性視角，分析培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響，并運用工具變量法和PSM解決培訓的內(nèi)生性和“自選擇”問題；最后分析培訓對農(nóng)戶計劃經(jīng)營規(guī)模的影響。

一、培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響機理分析

舒爾茨在《改造傳統(tǒng)農(nóng)業(yè)》中提出，要加大對人力資本投資，認為改造傳統(tǒng)農(nóng)業(yè)的關(guān)鍵在于教育和培訓農(nóng)戶。作為一項惠民工程，培訓能夠使農(nóng)戶獲得更多農(nóng)業(yè)生產(chǎn)信息、提高其生產(chǎn)經(jīng)營能力，進而影響農(nóng)戶擴大農(nóng)地規(guī)模意愿。從短期來看，培訓能夠使農(nóng)戶獲得更多生產(chǎn)信息、提升其技術(shù)水平；從長期來看，培訓能提高農(nóng)戶素質(zhì)，使其由傳統(tǒng)農(nóng)民轉(zhuǎn)化為現(xiàn)代職業(yè)農(nóng)民。因此，本文主要從信息獲取、技能提升和素質(zhì)提高三個維度探討培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響機理。

從信息獲取來看，在農(nóng)業(yè)信息不暢的情況下，培訓成為農(nóng)戶獲取信息的重要途徑。培訓可使農(nóng)戶獲得更多農(nóng)業(yè)生產(chǎn)信息，如農(nóng)資市場價格、農(nóng)產(chǎn)品市場價格等。農(nóng)戶通過對農(nóng)資以及農(nóng)產(chǎn)品市場價格的了解能夠比較準確地判斷市場走勢，據(jù)此調(diào)整種植結(jié)構(gòu)和經(jīng)營規(guī)模，從而減少經(jīng)營風險和不確定性。調(diào)研數(shù)據(jù)顯示(2)數(shù)據(jù)來源于中國農(nóng)業(yè)大學國家農(nóng)業(yè)農(nóng)村發(fā)展研究院組織的2019年寒假返鄉(xiāng)調(diào)研，詢問農(nóng)戶對未來3～5年糧食價格走勢有何判斷：走低=1；說不準=2；走高=3。在1 861個樣本中(剔除缺失值)，培訓農(nóng)戶的平均值為1.03，未培訓農(nóng)戶平均值為0.98。由于2018年數(shù)據(jù)中沒有此變量，故用2019年數(shù)據(jù)進行說明。，接受培訓農(nóng)戶對未來3～5年糧食價格預期高于未接受培訓農(nóng)戶，說明接受培訓農(nóng)戶能夠更準確的把握市場，從而增強其農(nóng)業(yè)經(jīng)營信心。同時，培訓能夠使農(nóng)戶及時準確的了解當前農(nóng)業(yè)農(nóng)村發(fā)展形勢和農(nóng)業(yè)政策，并根據(jù)最新農(nóng)業(yè)政策來發(fā)掘農(nóng)業(yè)機遇，從而提高農(nóng)戶對農(nóng)業(yè)生產(chǎn)的信心和希望。本文以農(nóng)戶是否知道“二輪承包到期后再延長30年”的政策來衡量其政策認知，被調(diào)研農(nóng)戶選擇“知道=1”或“不知道=0”。從表1中可以看出，相對于未培訓農(nóng)戶，培訓農(nóng)戶的政策認知較高，進一步從農(nóng)戶轉(zhuǎn)入面積來看，培訓農(nóng)戶轉(zhuǎn)入面積遠遠高于未培訓農(nóng)戶。

表1 培訓和未培訓農(nóng)戶政策認知和轉(zhuǎn)入面積的差異

注：數(shù)值為均值，括號內(nèi)為標準誤。

注：小麥種植戶樣本為997戶，由于不同環(huán)節(jié)小麥投入費用存在缺失值，平均每個環(huán)節(jié)樣本為960戶左右。

圖1 小麥種植戶中培訓農(nóng)戶與未培訓農(nóng)戶農(nóng)業(yè)生產(chǎn)資料投入

注：玉米種植戶樣本為1 255戶，由于不同環(huán)節(jié)玉米投入費用存在缺失值，平均每個環(huán)節(jié)樣本為1 200戶左右。

圖2 玉米種植戶中培訓農(nóng)戶與未培訓農(nóng)戶農(nóng)業(yè)生產(chǎn)資料投入

從技能提升來看，一般來說，接受過培訓的農(nóng)戶掌握更多農(nóng)業(yè)生產(chǎn)技能，如科學施用化肥和農(nóng)藥、預防和防治病蟲害以及高效管理農(nóng)業(yè)等。以小麥和玉米種植戶為例，從圖1和圖2可以看出，相對于未接受培訓的農(nóng)戶，接受培訓農(nóng)戶的種苗費、化肥費、農(nóng)藥費和水電及灌溉費都明顯較少。已有研究也證明，培訓能夠顯著降低農(nóng)業(yè)生產(chǎn)成本、增加農(nóng)戶收入[5-6]?？梢哉f，農(nóng)戶農(nóng)業(yè)生產(chǎn)技能的提升不僅能夠有效提高農(nóng)業(yè)效益，也會使農(nóng)戶對未來農(nóng)業(yè)發(fā)展充滿信心和憧憬，進而激發(fā)其擴大農(nóng)地規(guī)模意愿。

從素質(zhì)提高來看，培訓不僅僅能提高農(nóng)戶技術(shù)水平，更重要的是把傳統(tǒng)農(nóng)民改造為現(xiàn)代職業(yè)農(nóng)民，即具有較強經(jīng)營管理能力和創(chuàng)新精神。通過培訓農(nóng)戶可接觸更多、更先進的企業(yè)管理理念，從而運用到農(nóng)業(yè)經(jīng)營管理中，特別是對于雇工較多的合作社和現(xiàn)代農(nóng)業(yè)企業(yè)尤為重要。運用現(xiàn)代科學管理理念可以有效降低農(nóng)業(yè)生產(chǎn)成本、提高農(nóng)業(yè)生產(chǎn)效率，進而提升農(nóng)業(yè)經(jīng)營者擴大農(nóng)地規(guī)模的信心。同時，培訓能夠顯著提高農(nóng)戶環(huán)境認知水平和新技術(shù)采納概率。調(diào)研數(shù)據(jù)顯示(3)對于不同的技術(shù)：技術(shù)采納=1；不采納=0。農(nóng)機更新頻率：一直用到不能用=1；用舊了就買新的=2；出現(xiàn)更先進、更新的設備馬上購入=3。對于作物新品種，培訓農(nóng)戶平均值為0.7，未培訓農(nóng)戶為0.6。對于秸稈還田技術(shù)，培訓農(nóng)戶為0.679，未培訓農(nóng)戶為0.588。對于綠色防控技術(shù)，培訓農(nóng)戶為0.200，未培訓農(nóng)戶為0.068。對于節(jié)水灌溉技術(shù)，培訓農(nóng)戶為0.394，未培訓農(nóng)戶為0.287。對于農(nóng)機具更新頻率，培訓農(nóng)戶為1.451，未培訓農(nóng)戶為1.377。由于2018年數(shù)據(jù)中沒有此變量，故用2019年數(shù)據(jù)進行說明。，接受培訓農(nóng)戶作物新品種采納、秸稈還田技術(shù)采納、綠色防控技術(shù)采納、節(jié)水灌溉技術(shù)采納以及農(nóng)機具更新頻率的平均值都高于未培訓農(nóng)戶，說明接受培訓農(nóng)戶更具有創(chuàng)新和冒險精神，而這會進一步增強農(nóng)戶擴大農(nóng)地規(guī)模的信心。

總之，相對于未接受培訓農(nóng)戶，接受培訓農(nóng)戶可以獲得更多的信息、技術(shù)和管理理念，而且，接受培訓農(nóng)戶能夠更加準確判斷當前農(nóng)業(yè)發(fā)展形勢，從而提升其擴大經(jīng)營規(guī)模的信心。

二、數(shù)據(jù)、變量與模型

1.數(shù)據(jù)來源

表2 樣本地區(qū)分布

本文數(shù)據(jù)來源于中國農(nóng)業(yè)大學國家農(nóng)業(yè)農(nóng)村發(fā)展研究院2018年1-2月寒假返鄉(xiāng)調(diào)研。調(diào)研人員來源于中國農(nóng)業(yè)大學各個專業(yè)的本科、碩士和博士生，在調(diào)研之前組織專門培訓活動，講解問卷中的難點和疑點。同時，按照地區(qū)和人數(shù)對調(diào)研人員分組，每組設立組長負責收發(fā)放問卷以及解答調(diào)研過程中遇到的各種問題，對于回收的問卷有專人進行審查，并通過獎懲機制(對于問卷質(zhì)量較高的調(diào)研人員進行獎勵，而對于質(zhì)量較差的問卷予以剔除并降低調(diào)研人員的勞務費)來提高問卷質(zhì)量。問卷包括農(nóng)戶問卷和村級問卷，要求每個村莊隨機抽取15～20戶，最終獲得2 553份農(nóng)戶問卷和159份村級問卷。在數(shù)據(jù)處理過程中把村級問卷和農(nóng)戶問卷匹配，剔除匹配不一致以及缺失值較多的樣本。由于本研究主要分析農(nóng)戶擴大農(nóng)地規(guī)模的意愿，故剔除當前經(jīng)營規(guī)模為零的農(nóng)戶，最終獲得2 340份農(nóng)戶問卷，來自12個省(自治區(qū))、136個縣(縣級市、區(qū))、159個村莊。其中，12個省(自治區(qū))包括東北地區(qū)(吉林和黑龍江)、東部地區(qū)(山東、江蘇和河北)、中部地區(qū)(安徽、江西、河南、湖北和湖南)和西部地區(qū)(內(nèi)蒙古和四川)，具體樣本分布如表2所示。

2.變量選取與描述性統(tǒng)計分析

(1)因變量——農(nóng)戶擴大農(nóng)地規(guī)模意愿。為探討當前農(nóng)戶擴大農(nóng)地規(guī)模意愿，在問卷中詢問農(nóng)戶“未來三年是否計劃擴大規(guī)模？”，如果農(nóng)戶未來計劃擴大規(guī)模則為1，反之則為0。為進一步挖掘農(nóng)戶規(guī)模化經(jīng)營潛在需求，對于選擇擴大農(nóng)地規(guī)模的農(nóng)戶，進一步詢問“計劃擴大到多少(畝)”。

(2)核心自變量——農(nóng)業(yè)生產(chǎn)培訓。由于中國社會普遍以家庭為單位，因此直接詢問被調(diào)研者是否參加培訓可能存在偏誤，在調(diào)研中詢問“家人是否受過農(nóng)業(yè)生產(chǎn)經(jīng)營培訓？”，被調(diào)研者選擇“是”或“否”。這里的家人主要是指家庭中共享收入的成員。

(3)控制變量。為更好測度培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響，本文從農(nóng)戶特征、家庭特征和村莊特征三個層面來控制相關(guān)變量，包括性別、年齡、教育程度、家庭勞動力數(shù)、非農(nóng)就業(yè)、經(jīng)營類型、經(jīng)營范圍、是否城郊、小康村、經(jīng)濟水平、地形特征和農(nóng)地交易平臺。相關(guān)變量的描述性統(tǒng)計如表3所示。

表3 變量描述性統(tǒng)計

3.模型設定

(1)Probit模型和Cloglog模型?？紤]到農(nóng)戶擴大農(nóng)地規(guī)模意愿為二值變量，故選擇二元Probit模型來分析農(nóng)戶選擇擴大農(nóng)地規(guī)模的影響因素。模型設定如下：

(1)

Expandi=β0+β1traini+γzi+δregioni+εi

(2)

式(1)和式(2)中，Expandi為農(nóng)戶是否愿意選擇擴大農(nóng)地規(guī)模，Expandi=1時，農(nóng)戶選擇擴大農(nóng)地規(guī)模，Expandi=0時，農(nóng)戶不選擇擴大農(nóng)地規(guī)模，p為農(nóng)戶選擇擴大農(nóng)地規(guī)模的概率，traini為農(nóng)戶是否參加培訓，β1為培訓的系數(shù)，zi為控制變量，包括性別、年齡、教育程度、家庭勞動力數(shù)、非農(nóng)就業(yè)、經(jīng)營類型、經(jīng)營范圍、是否城郊、小康村、經(jīng)濟水平、地形特征和農(nóng)地交易平臺，γ為控制變量系數(shù)，regioni為地區(qū)虛擬變量，δ為地區(qū)虛擬變量系數(shù)。

由于愿意擴大農(nóng)地規(guī)模的農(nóng)戶較少(約占總樣本的16.7%)，直接運用Probit模型可能會導致“稀有事件偏差”[10]，借鑒普蓂喆等的做法，運用“補對數(shù)模型(Complementary log-log model)”來糾正潛在偏差[11]，具體模型如下：

P=F(Expandi=1|X)=F(X,β)=1-exp{-ex’β}

(3)

式(3)中，P為事件發(fā)生概率，x’β=ln[-ln(1-p)]，即對發(fā)生概率p的補數(shù)(complement，1-p)取兩次對數(shù)。X包括核心自變量、控制變量以及地區(qū)虛擬變量，β為變量系數(shù)。

(2)IV-Probit模型。由于核心自變量可能存在內(nèi)生性問題，本部分選擇IV-Probit模型，具體模型設定如下：

(4)

traini=ω1peer_traini+θzi+δregioni+υi

(5)

(6)

假設擾動項μi和υi的期望為0，服從二維正態(tài)分布，具體形式如下：

(7)

式(7)中，ρ為μi和υi的相關(guān)系數(shù)，如果ρ=0則不存在內(nèi)生性，ρ≠0則存在內(nèi)生性。

(3)傾向得分匹配法(propensity score matching，PSM)。現(xiàn)實中，農(nóng)戶是否培訓并非滿足抽樣的隨機性，而是存在“自選擇”，即農(nóng)戶是否選擇培訓之前的初始條件(如農(nóng)戶的年齡、教育程度和家庭勞動力數(shù)等)存在系統(tǒng)差異，如果直接回歸可能會存在選擇性偏誤。而PSM可以通過構(gòu)造反事實來解決上述問題，因此，本文選擇傾向得分匹配法。具體步驟如下：

第一，運用Logit模型來估計農(nóng)戶參與培訓的概率，估計傾向得分值，如式(8)所示：

(8)

第二，運用鄰近匹配、核匹配、局部線性匹配、半徑匹配和馬氏匹配方法獲得處理組和控制組，從而消除自選擇問題。

第三，根據(jù)上述獲得的匹配樣本，比較處理組和控制組農(nóng)戶擴大農(nóng)地規(guī)模意愿的平均差異，即平均處理效應(average treatment effect on the treated，ATT)。

北京在多個領(lǐng)域創(chuàng)新政策亮點突出，尤其是社區(qū)居家養(yǎng)老服務政策全面領(lǐng)先。此外，北京也位列醫(yī)養(yǎng)結(jié)合政策創(chuàng)新首位，確定了開展省級醫(yī)養(yǎng)結(jié)合試點，出臺了相關(guān)服務標準，明確提出發(fā)展社區(qū)居家老年人慢性病管理，并出臺促進中醫(yī)藥健康養(yǎng)老服務發(fā)展的政策、規(guī)劃。

ATT=E[(Y1-Y0)|D=1]=E{E[(Y1-Y0)|D=1],P(X)}

(9)

如式(9)所示，D為0-1的二分變量，即D=1表示處理組，D=0為控制組，P(x)為傾向得分值，Y1和Y0分別為接受培訓農(nóng)戶和未接受培訓農(nóng)戶的估計結(jié)果。

三、結(jié)果與分析

本文的核心目的是分析培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響。首先，運用Probit模型和Cloglog模型做基準回歸；接著，考慮到農(nóng)戶異質(zhì)性，基于經(jīng)營規(guī)模、家庭收入和教育程度以及地區(qū)特征來分析培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響；隨后，考慮到培訓的內(nèi)生性問題，以“鄰里培訓水平”作為工具變量進行解決，并運用PSM解決農(nóng)戶培訓的“自選擇”問題；進一步地，通過樣本調(diào)整和模型調(diào)整對上述結(jié)果做穩(wěn)健性檢驗；最后，對于計劃擴大農(nóng)地規(guī)模的農(nóng)戶，分析培訓對其計劃經(jīng)營規(guī)模的影響。

1.培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響

在回歸之前首先做多重共線性檢驗，方差膨脹因子(VIF)檢驗結(jié)果為1.79，說明不存在多重共線性?；貧w結(jié)果如表4所示，Probit模型和Cloglog模型的第(1)列只控制核心自變量——培訓，第(2)列進一步控制農(nóng)戶、家庭和村莊變量，第(3)列控制農(nóng)戶、家庭、村莊以及地區(qū)虛擬變量。總體來看，無論是Probit模型還是Cloglog模型，培訓系數(shù)都為正且在1%水平上顯著，說明培訓能夠顯著提升農(nóng)戶擴大農(nóng)地規(guī)模意愿。進一步對比回歸系數(shù)發(fā)現(xiàn)，Cloglog模型中培訓的系數(shù)高于Probit模型，說明控制潛在“稀有事件偏差”后，培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿影響更大。

從控制變量來看，性別系數(shù)顯著為正，說明男性擴大農(nóng)地規(guī)模意愿更強；年齡系數(shù)顯著為負，說明年齡越大其擴大經(jīng)營規(guī)模意愿越低；家庭勞動力系數(shù)顯著為正，說明家庭勞動力越多，農(nóng)戶擴大經(jīng)營規(guī)模意愿越強，可能原因是雖然機器在不斷替代勞動，但是人依然是現(xiàn)代農(nóng)業(yè)生產(chǎn)中最主要的生產(chǎn)力；非農(nóng)就業(yè)系數(shù)顯著為負，說明非農(nóng)收入越高，農(nóng)戶越不愿意擴大經(jīng)營規(guī)模，這也與現(xiàn)實情況相符，即農(nóng)戶非農(nóng)收入越高，越不重視農(nóng)業(yè)收入，從而不愿擴大經(jīng)營規(guī)模；相比于普通農(nóng)戶，專業(yè)大戶和家庭農(nóng)場主擴大經(jīng)營規(guī)模意愿更強；小康村的系數(shù)顯著為負，說明小康村農(nóng)戶擴大經(jīng)營規(guī)模意愿較低，可能原因是小康村自身或者周邊地區(qū)經(jīng)濟較為發(fā)達，農(nóng)戶有更多非農(nóng)就業(yè)機會。

表4 培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響 N=2 340

注：Probit模型為PseudoR2，Cloglog模型為LR，括號中為標準誤，***、**、*分別表示在1%、5%、10%水平上顯著，下同。

2.異質(zhì)性分析

上述回歸僅僅分析了培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿影響的平均效應，而未考慮到農(nóng)戶群體的內(nèi)部差異，因此，從農(nóng)戶經(jīng)營規(guī)模、家庭收入、教育程度以及地區(qū)差異視角來進行異質(zhì)性分析。

從經(jīng)營規(guī)模來看，參考許慶等和高鳴的研究[12-13]，根據(jù)調(diào)研的樣本情況(調(diào)研樣本絕大部分為小農(nóng)戶，經(jīng)營面積在30畝及以下的農(nóng)戶占總樣本農(nóng)戶的85.43%)，把經(jīng)營規(guī)模大于等于30畝的界定為大規(guī)模農(nóng)戶，小于30畝的界定為小規(guī)模農(nóng)戶?？梢钥闯?，對于不同經(jīng)營規(guī)模，培訓的系數(shù)都為正且在10%水平上顯著，對比系數(shù)來看，對于大規(guī)模農(nóng)戶其系數(shù)更大，可能原因是大規(guī)模農(nóng)戶更重視農(nóng)業(yè)生產(chǎn)，接受培訓的大規(guī)模農(nóng)戶能夠有效利用其培訓獲取的農(nóng)業(yè)信息來提高農(nóng)業(yè)效益，進而提升其擴大農(nóng)地規(guī)模意愿。

從家庭收入情況來看，根據(jù)國家統(tǒng)計局數(shù)據(jù)，2018年農(nóng)村人均可支配收入達到14 617元，考慮到目前家庭人口3～4人，以5萬元作為劃分標準，5萬元及以上為高收入農(nóng)戶，五萬元以下為低收入農(nóng)戶。表5可以看出，對于高收入農(nóng)戶培訓系數(shù)為正且在1%水平上顯著，而對于低收入農(nóng)戶系數(shù)不顯著，說明培訓對高收入農(nóng)戶擴大農(nóng)地規(guī)模意愿具有顯著影響，可能原因是高收入農(nóng)戶本身資金較為充裕，通過培訓能夠獲得更多農(nóng)業(yè)信息，進而激發(fā)其擴大農(nóng)地規(guī)模意愿。

表5 培訓對農(nóng)戶是否擴大農(nóng)地規(guī)模影響的異質(zhì)性

表6 培訓對農(nóng)戶是否擴大農(nóng)地規(guī)模影響的地區(qū)差異

從地區(qū)差異來看，本文把區(qū)域劃分為東、中、西部和東北地區(qū)，分別考察不同地區(qū)培訓的效應，如表6所示。在中部和東北地區(qū)，培訓系數(shù)顯著為正，而在東部和西部地區(qū)，培訓系數(shù)不顯著。可能原因是中部和東北地區(qū)都為農(nóng)業(yè)生產(chǎn)大省，資源稟賦條件較好，農(nóng)戶擴大農(nóng)地規(guī)模的意愿較強。

3.內(nèi)生性和“自選擇”問題

上述分析雖然表明培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿具有顯著正向影響，但并未考慮培訓的內(nèi)生性和“自選擇”問題。一方面，農(nóng)戶擴大農(nóng)地規(guī)模意愿越強，越傾向于參加培訓，從而導致反向因果內(nèi)生性問題；另一方面，農(nóng)戶是否選擇培訓并非滿足完全隨機，而是存在“自選擇”問題，因此，直接回歸可能會導致估計偏誤?；诖?，采用工具變量法和PSM解決內(nèi)生性和“自選擇”問題。

(1)工具變量法。理論上，培訓存在內(nèi)生性問題，但具體是否存在需要統(tǒng)計檢驗。表7可以看出，外生性Wald檢驗在10%水平上顯著，即拒絕培訓變量外生性的假設，說明培訓變量存在內(nèi)生性。既然存在內(nèi)生性，則需要尋找合適的工具變量，本文選擇“鄰里培訓水平”作為工具變量，具體計算公式如下：

(10)

表7 工具變量法的回歸結(jié)果 N=2 340

“鄰里培訓水平”是否是合適的工具變量？從相關(guān)性來看，在農(nóng)村的熟人社會，羊群效應和示范效應發(fā)揮著重要作用，農(nóng)戶是否選擇培訓與周邊農(nóng)戶是否選擇培訓具有很強的相關(guān)性。從外生性來看，其他農(nóng)戶是否選擇培訓很難對當前農(nóng)戶擴大農(nóng)地規(guī)模意愿產(chǎn)生影響。因此，理論上“鄰里培訓水平”滿足外生性和相關(guān)性條件，具體是否為合適的工具變量需要進一步統(tǒng)計檢驗。表7顯示，弱工具變量AR檢驗和Wald檢驗在1%水平上顯著，即拒絕弱工具變量的假設，因此，“鄰里培訓水平”可以作為培訓的工具變量。

本文運用兩階段估計(2SLS)和最大似然估計(MLE)進行工具變量回歸，如表7所示，無論是2SLS還是MLE估計，培訓的系數(shù)均為正且在1%水平上顯著，且兩種估計方法的系數(shù)變化不大，進一步驗證了基準回歸結(jié)論。

(2)傾向得分匹配法。工具變量法只是解決了反向因果關(guān)系的內(nèi)生性問題，但仍然存在“自選擇”問題，進一步運用傾向得分匹配法來估計。如表8所示，除一對一匹配結(jié)果不顯著外，2鄰近匹配、4鄰近匹配、核匹配、局部線性匹配、半徑匹配和馬氏匹配結(jié)果均顯示接受培訓農(nóng)戶和未接受培訓農(nóng)戶(處理組和控制組)的平均處理效應(ATT)值在5%水平上顯著，說明相對于未接受培訓的農(nóng)戶，接受培訓農(nóng)戶擴大農(nóng)地規(guī)模意愿更強，這也驗證了基準回歸結(jié)論。

表8 PSM估計結(jié)果

注：核匹配寬帶選擇默認值。

4.穩(wěn)健性檢驗

表9 樣本調(diào)整后的穩(wěn)健性檢驗 N=911

為保證結(jié)果的穩(wěn)健性，進一步通過樣本調(diào)整和模型調(diào)整進行穩(wěn)健性檢驗。

樣本調(diào)整。由于中國農(nóng)業(yè)發(fā)展需要更多年輕勞動力參與，而考慮到調(diào)研樣本中農(nóng)戶年齡普遍較大，故剔除50歲及以上樣本來檢視培訓對50歲以下農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響。如表9所示，在控制不同變量的基礎上，培訓的系數(shù)依然為正且在1%水平上顯著。

模型調(diào)整。進一步運用Logit模型進行回歸，如表10所示，在控制不同變量的基礎上，培訓變量的系數(shù)為正且在1%水平上顯著，說明接受培訓農(nóng)戶更愿意擴大農(nóng)地規(guī)模。

表10 基于Logit模型的穩(wěn)健性檢驗 N=2 340

5.擴展性分析

上述分析已經(jīng)闡述了培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響，為了更加準確描述農(nóng)戶規(guī)?；?jīng)營行為，對于愿意擴大農(nóng)地規(guī)模的農(nóng)戶，進一步詢問其計劃經(jīng)營規(guī)模的大小，農(nóng)戶計劃經(jīng)營規(guī)模從1畝到1 200畝不等(回歸中取對數(shù))。具體回歸結(jié)果如表11所示。

首先運用OLS估計，在逐步控制不同變量的條件下，培訓變量的系數(shù)為正且在5%水平上顯著，說明培訓能夠顯著提高農(nóng)戶計劃經(jīng)營規(guī)模。由于因變量本身存在大量的0值截斷，進一步采用截斷回歸模型，發(fā)現(xiàn)培訓變量系數(shù)依然顯著為正，而且，截斷回歸模型中培訓變量系數(shù)與OLS估計中的系數(shù)十分接近，說明結(jié)果呈現(xiàn)穩(wěn)健性和可靠性。

表11 培訓對農(nóng)戶計劃經(jīng)營規(guī)模的影響 N=390

注：OLS估計為R2，截斷回歸為Wald檢驗。

四、結(jié)論與建議

本文運用中國農(nóng)業(yè)大學國家農(nóng)業(yè)農(nóng)村發(fā)展研究院2018年全國12省(自治區(qū))2 340份農(nóng)戶數(shù)據(jù)，基于Probit模型、Cloglog模型、IV-Probit模型和傾向得分匹配法分析培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響。主要結(jié)論有：第一，培訓能夠顯著提升農(nóng)戶擴大農(nóng)地規(guī)模意愿，糾正“稀有事件偏差”后，結(jié)論依然成立且系數(shù)顯著提高。第二，異質(zhì)性分析表明，培訓對大規(guī)模農(nóng)戶和高教育程度農(nóng)戶的影響更大；對于高收入農(nóng)戶以及中部和東北地區(qū)農(nóng)戶具有顯著正向影響，而對低收入農(nóng)戶以及東部和西部地區(qū)農(nóng)戶的影響不明顯。第三，考慮到培訓的內(nèi)生性，運用“鄰里培訓水平”作為工具變量，并且在運用PSM解決培訓的“自選擇”問題后結(jié)論依然成立。第四，通過樣本調(diào)整和模型調(diào)整后，培訓對農(nóng)戶擴大農(nóng)地規(guī)模意愿的影響仍然顯著為正。第五，擴展性分析顯示，培訓能夠顯著提高農(nóng)戶計劃經(jīng)營規(guī)模。

根據(jù)上述分析，得出以下政策建議：第一，強化農(nóng)戶培訓力度。從調(diào)研數(shù)據(jù)來看，目前培訓農(nóng)戶占總農(nóng)戶的22%，說明大部分農(nóng)戶并未接受培訓。因此，應把培訓作為基層政府的一項重要績效考核指標，加大培訓的普及力度。同時，在每個村或鄉(xiāng)鎮(zhèn)樹立典型案例，讓農(nóng)戶看到培訓帶來的實實在在的益處，從而激發(fā)農(nóng)戶參加培訓的內(nèi)生動力。第二，農(nóng)業(yè)生產(chǎn)培訓應考慮農(nóng)戶和地區(qū)差異。對于不同經(jīng)營規(guī)模、收入水平、教育程度的農(nóng)戶，培訓對其擴大農(nóng)地規(guī)模意愿的效應也不同，因此，在培訓過程中應根據(jù)不同類型農(nóng)戶的特征采取不同的策略。同時，在培訓中也應考慮地區(qū)資源稟賦的差異，根據(jù)地區(qū)資源稟賦來調(diào)整培訓內(nèi)容和培訓方式。第三，著重關(guān)注新型經(jīng)營主體的現(xiàn)實需求。由基準回歸結(jié)果可知，相對于小農(nóng)戶，生產(chǎn)大戶和家庭農(nóng)場主擴大經(jīng)營規(guī)模的意愿更強，因此，應重點關(guān)注和了解其現(xiàn)實困境與需求，進而制定有針對性的培訓方案。