-
农业社会化服务是农业社会化分工和生产力发展到一定阶段的必然结果[1]。很长一段时期内,中国的农业现代化总体水平不高,农业社会化服务体系也有待进一步发展完善;进入21世纪,农业社会化服务的发展得到了持续关注。农业机械化服务程度是衡量农业社会化发展的重要指标,也是推进农业现代化进程的关键突破口,是承接服务供给和服务需求的载体。国外对机械化服务的研究主要关注资源禀赋、成本交易和作用机理等,如农场主利用机械化外包服务,提高农业生产效率,从而实现农业规模经营[2-3]。国内早期研究偏向社会服务化体系的建设[4],随着农业现代化的快速发展,机械化服务主体的研究得到了学界的关注。有学者认为以农民合作社、农业龙头企业以及栽培大户为代表的新型农业经营主体兼具生产和服务的双重功能,使小农经济实现农业现代化成为可能[5-6]。近年来关于农业机械化外包服务影响因素的研究较多,一些学者通过实证分析发现,土地质量、年龄、教育程度、种植年限以及参加合作社促进农户外包行为,农业劳动力数量、兼业化程度、土地细碎化程度、农户自身的农业技术水平以及自然灾害抑制农户外包行为,土地规模对外包行为先为促进作用后抑制作用[7-10]。对水稻Oryza sativa整地、育秧、移栽、病虫防治、收割环节的外包服务需求分析发现,不同生产环节外包程度差异性较大,耕地经营规模增大会使农户更倾向于在劳动密集型环节采用外包,也会增加任一环节外包的可能性[11]。对规模经营主体而言,其决策的关键是外包服务和自购农机的交易成本比较[12],在技术密集型生产环节上,外包的价格机制更加明显[13]。以水稻为例,当前研究对象以小规模经营为主[9, 12],缺少对规模农户的社会化服务行为的分析,而事实上中国的规模农业已经有了较大的发展;研究环节范围较为局限[8, 11, 13],没有构成水稻生产的全产业链。本研究以水稻规模经营户为研究切入点,对水稻生产全产业链各环节作了细分,探讨了水稻规模增加与农户采用机械化服务(外包)的关系,旨在揭示水稻规模农户生产环节选择外包服务的规律特征,为推进农业社会化服务建设提供政策指导。
HTML
-
数据来源于2016年浙江省3个农业社会化服务试点县市(海盐县、龙游县、东阳市)的实地问卷调查。为了使样本具有代表性,根据栽培规模实际现状,对调研地点进行分层抽样。在每个试点县市获取水稻栽培面积达2.00 hm2及以上户主信息,逐个编码后等距抽样。其中东阳市选择7个乡镇,30个村,47个农户;海盐县7个乡镇,30个村,66个农户;龙游县3个乡镇,27个村,35个农户。为了保证数据真实准确,采用了入户调研的方式,对水稻栽培户面对面的访谈。受访样本中男性占95.2%,年龄在30~55岁的占82.6%,文化程度初中占比例最大,占65.0%。调查内容主要包括农户个人信息、家庭基本特征、土地要素特征、生产环节机械化服务情况以及相关社会化服务获得渠道等;水稻全产业链服务环节主要涉及整地、育秧、插秧、灌溉、施肥、病虫害防治、收割、烘干等8个方面,询问得到生产过程中是否使用了土地翻耕机、插秧机、喷药机、施肥机、收割机、粮食烘干机或者其他机械的外包服务等信息。此次调研共发放问卷160份,收回有效问卷148份,问卷有效回收率为92.5%。
-
为研究稻农生产环节对机械化服务外包选择行为,以生产经营特征变量为关键自变量,以户主特征、家庭特征、土地特征以及外部环境特征变量等为控制自变量;以整个生产环节采用机械化服务外包的程度作为因变量,以生产过程中接受服务环节的次数作为依据对其赋值(表 1)。
变量名称 变量定义 均值 标准差 预期影响 因变量 整个生产环节采用机械化服务外包的程度(yi) 生产过程中接受服务环节的个数 3.05 1.64 关键自变量 生产经营特征 水稻栽培面积(x1) 根据实际调查数据,单位:hm2 29.16 22.53 + 水稻栽培面积的平方项(x2) 实际调查数据面积的平方项 19 595.69 37 917.93 - 控制自变量 户主特征 年龄(x3) 按周岁计算 48.97 8.16 + 受教育年限(x4) 连续变量,从小学算起 8.89 2.80 + 种粮前是否有当农机手(x5) 1表示是,0表示否 0.44 0.50 - 家庭特征 家庭拥有农机数量(x6) 单位:台 7.68 8.64 - 农业劳动力占全部劳动力比例(x7) 家庭从事农业劳动力比例 0.62 0.19 - 土地要素特征 土地破碎度(x8) 田块数量/农户稻田面积,单位:块·hm-2 0.70 0.20 - 地块类型(x9) 1表示平原,0表示梯田 0.78 0.42 + 外部环境特征 是否参加合作社组织(x10) 1表示参加,0表示没有参加 0.23 0.42 + 说明:“+”表示预期变量对水稻生产采取机械化服务有正向影响,“-”表示负向影响 Table 1. Variable assignment and expected impact
-
包括水稻栽培面积、水稻栽培面积的平方项2个变量。水稻栽培面积是决定稻农在劳动密集型生产环节是否采用外包服务的重要因素;耕地规模越大,农户受家庭劳动力约束越明显,越倾向于选择外包服务[9]。为考察水稻栽培面积与农户采用机械化服务之间否存在规模经济现象,加入“水稻栽培面积的平方项”并假设水稻栽培面积与农户采用机械化服务存在规模经济现象。随着面积增加,机械化成本降低,达到规模经济效应,超过一定规模后,外包需求意愿降低,两者呈“倒U”型关系。
-
包括年龄、受教育年限、种粮前是否有当农机手等3个变量。一般而言,户主年龄越大,其体力越难以支持完成水稻田间作业,对机械化外包服务的积极性越高[13];也有研究表明:随着生产决策者年龄增大,其非农就业机会减少,在自身劳动能力可承受的情况下,农户更趋于在劳动强度较低的生产环节不采取外包[14]。受教育程度在一定程度上与农民的非农就业能力成正比,正式的教育经历会增加农户对机械化服务的理解和交易成本的计算能力,因此与接受机械化服务程度存在正相关。但也有可能受教育水平较高的户主,其视野可能较开阔,自我学习和解决问题的能力较强,对有偿技术服务的需求意愿会较弱。农机手的经历会增强户主自我服务的能力,从而选择服务外包可能性相对较低。本研究假设,年龄、受教育程度对采用机械化服务具有正向影响,农机手的经历具有负向影响。
-
包括家庭拥有农机数量、农业劳动力占全部劳动力比重等2个变量。家庭拥有农机数量、农业劳动力数量对农户是否能够单独完成水稻生产各环节有重要影响,家庭农业劳动力和拥有农机数量越多,农户从事农业生产的比较优势越大[12],可能越不愿意接受机械化服务。因此假设家庭特征变量对采用机械化外包服务具有负向影响。
-
包括土地破碎度、地块类型2个变量。土地越细碎,机械耕作的成本越大,农户生产环节外包需求可能越低[9-10]。地块类型也会影响机械化服务程度,地块越平整,机械化服务越容易,农户接受机械化服务可能性越大。本研究假设,土地破碎度对农户采用机械化外包服务具负向影响,土地类型具正向影响。
-
合作社组织通过社员彼此交流,在农业技术服务和享受社员折扣价格上获得便利,因此参加合作社的农户可能会更愿意接受社会化服务。作为外部环境特征变量,是否参加过合作社组织对农户采用机械化服务具有正向影响。
-
水稻生产环节多,各环节影响农户接受机械化服务的因素复杂。研究设置的自变量中有虚拟变量和连续变量,因变量为整个生产环节采用机械化服务外包的程度,属于连续变量,故选择多元线性回归模型进行分析。选取水稻栽培面积(x1)、水稻栽培面积的平方项(x2)为关键自变量,年龄(x3)、受教育年限(x4)、种粮前是否有当农机手(x5)、家庭拥有农机数量(x6)、农业劳动力占全部劳动力比例(x7)、土地破碎度(x8)、地块类型(x9)、是否参加合作社组织(x10)为控制自变量。本研究还控制了地区虚拟变量。模型如下:yi=β0+β1xi1+β2xi2+…+βjxij+εi,i=1,2,…,n。其中:ε~N(0, δ2)为随机误差,j为自变量的数目,yi代表第i个样本农户采用机械化服务环节数;β0表示回归截距,β1,β2,…,βj为待定系数。
1.1. 数据来源
1.2. 变量选取与研究假设
1.2.1. 关键自变量
1.2.2. 户主特征变量
1.2.3. 家庭特征变量
1.2.4. 土地要素特征变量
1.2.5. 外部环境特征变量
1.3. 模型构建
-
调查发现(图 1):接受3次机械化服务环节的农户最多(34户),占比23.0%;一次都没有接受机械化服务的样本数(10户)占比6.8%;所有环节全部接受机械化服务的样本数为0。对造成农户选择频数差异的原因分析可知(图 2):成本是农户接受机械化服务考虑的主要因素(占比54.1%),不放心外面提供服务的质量(25.0%)和自家已有机械数量(18.2%)也是影响农户的重要因素,其他因素占比较小(2.7%),主要为土地规模、家庭成员从事农业劳动力的数量等。
-
当栽培农户的经营规模较低时,其家庭自有的劳动力足以满足水稻日常生产的需要,其接受机械化外包服务意愿较小。当农户通过土地流转等方式扩大农业经营规模,其家庭劳动力便无法满足大规模栽培的需要,尤其在水稻生产关键季节,受时间紧张、劳动力缺乏的制约,规模农户水稻栽培生产环节对季节性雇工和机械化外包服务的依赖会越来越高。
从表 2可知:整地、收割和烘干环节接受机械化服务的农户比例较高,13.33~53.33 hm2栽培规模的农户接受服务比例达50%;栽培规模为13.33~20.00 hm2的农户接受社会化服务比例最高,达80%。灌溉和施肥环节接受机械化服务比例相对较低,各种规模农户接受机械化服务比例均不超过30%,2.00~6.67 hm2栽培规模农户接受机械化服务比例为0。相比而言,13.33~53.33 hm2栽培规模农户在其他各环节接受机械化服务较为集中。
规模/hm2 整地 育秧 插秧 灌溉 施肥 病虫害防治 收割 烘干 总计 户数 比例/% 户数 比例/% 户数 比例/% 户数 比例/% 户数 比例/% 户数 比例/% 户数 比例/% 户数 比例/% 户数 比例/% [2.00,6.67] 7 41.18 3 17.65 0 0.00 0 0.00 0 0.00 5 29.41 15 88.24 7 41.18 17 11.41 (6.67,13.33] 9 47.37 1 5.26 4 21.05 1 5.26 1 5.26 4 21.05 16 84.21 8 42.11 19 12.75 (13.33,20.00] 16 80.00 5 25.00 10 50.00 4 20.00 2 10.00 5 25.00 16 80.00 16 80.00 20 13.42 (20.00,33.33] 29 59.18 18 36.73 27 55.10 2 4.08 1 2.04 15 30.61 35 71.43 29 59.18 49 32.89 (33.33,53.33] 17 56.67 18 60.00 18 60.00 6 20.00 5 16.67 8 26.67 20 66.67 18 60.00 30 20.13 >53.33 6 46.15 1 7.69 6 46.15 3 23.08 3 23.08 6 46.15 6 46.15 4 30.77 13 9.40 Table 2. Mechanized services in various production stages of rice farmers of different scales
-
基于以上样本的统计分析和模型设定,本研究使用STATA14软件对农户采用机械化服务程度的各影响因素进行多元线性回归模型分析,并重点估计了水稻栽培面积(x1)和水稻栽培面积的平方(x2)这2个变量对农户接受社会化服务程度的影响效应。
从表 3可知:水稻栽培面积(x1)和水稻栽培面积的平方(x2)对农户接受机械化程度存在显著影响(P<0.01,P<0.05),与预期方向一致。由此认为:水稻生产环节接受机械化服务程度和其栽培面积之间满足“倒U”型关系;随栽培面积增加,接受机械化服务程度先增加后减少,33.33 hm2视为一个临界点,表现出明显的规模经济效应。户主年龄对农户水稻生产接受机械化程度有显著的正向影响。随着年龄增加,农户身体机能下降,难以承担水稻田间作业,由此增加了各个环节的机械化服务需求,选择接受机械化服务的程度也随之增大。种粮前有农机手的经历对农户接受机械化服务环节数具有显著的负向影响(P<0.01)。推测原因是具备农机手经历的农户对于机械化作业环境较为熟悉,获取服务资源的范围更广,对交易成本有较合理的分析和判断,利于形成正确预期,拒绝服务。家庭拥有机械数量对农户接受机械化服务环节数具有显著的负向影响,说明随着家庭拥有农机数量的增加,农户自我提供机械化服务的倾向越明显;土地破碎度对农户生产环节接受机械化服务程度有显著的负向影响(P<0.05)。土地越细碎化,农户选择生产环节接受机械化服务的环节数就越少;即土地细碎化程度高,不仅对农业集中规模化发展造成阻碍,同时也对外包服务在农业各个生产环节的长远发展带来影响。就地区特征而言,龙游县在水稻生产过程中采用机械化服务次数要少于东阳,原因可能是龙游县经济建设和农业机械化建设相对落后,农户采用农机服务的便捷性得不到提高,制约了农户采用农机服务的积极性。
变量 系数 标准误 T P 水稻栽培面积 0.005*** 0.001 5.570 0.000 水稻栽培面积的平方 -1.24E-06** 5.43E-07 -2.280 0.024 年龄 0.046*** 0.015 2.990 0.003 受教育年限 0.044 0.045 0.990 0.325 种粮前是否有当农机手的经历 -0.553** 0.237 -2.330 0.021 家庭拥有机械数量 -0.115*** 0.024 -4.900 0.000 农业劳动力占全部劳动力比例 -0.025 0.597 -0.040 0.967 土地破碎度 -1.313** 0.608 -2.160 0.033 地块类型 -0.026 0.294 -0.090 0.930 是否参加农民专业合作社 -0.239 0.345 -0.690 0.489 东阳市(参照组) 龙游县 -0.652** 0.310 -2.110 0.037 海盐县 -0.019 0.300 -0.060 0.949 常数 1.019 1.204 0.850 0.399 说明:*,**,***分别表示在10%,5%,1%的统计水平上差异显著;T为回归系数/标准误;P由T得出 Table 3. Specific link uses the number of mechanized service times multiple linear regression model to estimate the results