左喆瑜，李 周

（1.新疆大學(xué)經(jīng)濟與管理學(xué)院，新疆 烏魯木齊 830000；2.仲愷農(nóng)業(yè)工程學(xué)院 經(jīng)貿(mào)學(xué)院，廣東 廣州 510225；3.中國社會科學(xué)院農(nóng)村發(fā)展研究所，北京 100732）

一、引言與文獻綜述

化肥過量施用及低利用率是導(dǎo)致中國農(nóng)業(yè)面源污染的主要原因之一。農(nóng)戶為什么會過量施肥？為何農(nóng)業(yè)上最優(yōu)的化肥施用量卻不是經(jīng)濟上最優(yōu)用量？學(xué)者們從農(nóng)業(yè)的不確定性對其進行解釋［1-2］。農(nóng)業(yè)的不確定性主要源于生產(chǎn)不確定性、價格不確定性、技術(shù)不確定性、政策不確定性以及區(qū)域資源稟賦和環(huán)境差異導(dǎo)致的不確定性等，這些不確定性會影響農(nóng)戶投入行為。綠色農(nóng)業(yè)技術(shù)是一種新技術(shù)，其生產(chǎn)和技術(shù)的不確定性通過作用于農(nóng)戶風(fēng)險偏好進而影響技術(shù)采納行為?，F(xiàn)有文獻認(rèn)為存在中介因素可正向調(diào)節(jié)風(fēng)險厭惡對農(nóng)戶綠色農(nóng)業(yè)技術(shù)采納行為的抑制作用［3-5］。政策干預(yù)主要分為輕推和傳統(tǒng)干預(yù)兩類，其中，輕推可以產(chǎn)生更高的福利［6］。輕推實施的必要前提是保證決策者的自由選擇權(quán)并使其客觀支付和報酬不變［7-8］。傳統(tǒng)政策干預(yù)方式主要有推廣教育、技術(shù)支持、補貼政策、政府規(guī)制等［9-11］。政策干預(yù)可以直接或通過風(fēng)險偏好間接影響農(nóng)戶技術(shù)采納行為［12］。風(fēng)險偏好是一系列社會經(jīng)濟和政策變量的函數(shù)，忽略這類因素對風(fēng)險偏好的影響會導(dǎo)致對經(jīng)濟行為的分析有偏［13-14］。

中國政府高度關(guān)注由化肥過量施用導(dǎo)致的農(nóng)業(yè)面源污染問題。2017—2020 年中央一號文件明確提出要加強農(nóng)業(yè)面源污染防治、促進農(nóng)業(yè)綠色發(fā)展；2021年中央一號文件再次明確提出“推進農(nóng)業(yè)綠色發(fā)展”，重點從綠色生產(chǎn)行動、綠色保護行動和健全治理體系三方面推進農(nóng)業(yè)綠色發(fā)展邁上新臺階［15］。中國政府主要從技術(shù)和政策兩方面開展農(nóng)業(yè)綠色發(fā)展實踐。在技術(shù)方面，我國探索實施耕地輪作休耕制度、實地作物管理、保護性耕作實踐、現(xiàn)代灌溉技術(shù)等。在政策方面，2016年中央出臺《建立以綠色生態(tài)為導(dǎo)向的農(nóng)業(yè)補貼制度改革方案》，中國農(nóng)業(yè)政策目標(biāo)從“保供給”與“保增收”為主轉(zhuǎn)變?yōu)橐跃G色發(fā)展為主，由農(nóng)業(yè)“四項補貼”（良種補貼、農(nóng)機具購置補貼、種糧農(nóng)民直接補貼和農(nóng)業(yè)生產(chǎn)資料綜合補貼）轉(zhuǎn)變?yōu)檗r(nóng)業(yè)支持保護補貼［16-17］。廣東省是中國農(nóng)業(yè)面源污染最嚴(yán)重的省份之一，為探索農(nóng)業(yè)可持續(xù)發(fā)展路徑，廣東省于2014—2018年實施世界銀行貸款農(nóng)業(yè)面源污染治理項目（簡稱“世行項目”）。世行項目推廣的綠色農(nóng)業(yè)技術(shù)主要有配方肥、緩（控）釋肥、水稻實地養(yǎng)分管理技術(shù)（簡稱“實地技術(shù)”）、水肥一體化技術(shù)等，其中，實地技術(shù)源引自國際水稻研究所，并在華南地區(qū)進行本土化改進［18］，以適應(yīng)當(dāng)?shù)氐臍夂驐l件、土壤性狀和耕種習(xí)慣等。與傳統(tǒng)栽培技術(shù)相比，實地技術(shù)通過改變施肥時間和施肥比例在減少化肥投入同時實現(xiàn)不減產(chǎn)甚至增產(chǎn)（實地技術(shù)不施回青肥，通過減少該時期的無效分蘗以減少化肥用量，但在幼穗分化期進行追肥以保證產(chǎn)量），其配套肥料為配方肥或緩（控）釋肥。世行項目實施技術(shù)支持政策和綠色農(nóng)業(yè)補貼政策以促進農(nóng)戶技術(shù)采納行為。前者指提供實地技術(shù)培訓(xùn)；后者指對配方肥或緩（控）釋肥進行補貼，補貼對象為項目村內(nèi)種植面積不超過3.33 公頃的散戶，補貼額度為肥料零售價的25%。有鑒于此，本文以世行項目的實施為契機，根據(jù)對項目村和非項目村1 190個水稻種植地塊調(diào)查數(shù)據(jù)，在測度農(nóng)戶風(fēng)險偏好參數(shù)基礎(chǔ)上，借助兩階段方法估計風(fēng)險偏好和政策干預(yù)對農(nóng)戶實地技術(shù)采納行為的影響并估計其經(jīng)濟效應(yīng)與環(huán)境效應(yīng)。

二、理論分析與研究假說

實地技術(shù)是知識密集型技術(shù)，需要農(nóng)戶結(jié)合天氣、病蟲害等情況對施肥行為作出適時調(diào)整。當(dāng)農(nóng)戶尚未完全掌握技術(shù)時，產(chǎn)量具有較大的不確定性，風(fēng)險厭惡程度對實地技術(shù)采納行為具有消極影響。新古典經(jīng)濟理論基本假設(shè)條件之一是理性人假設(shè)，根據(jù)期望效用理論人們面對風(fēng)險和不確定性事件時可推算結(jié)果發(fā)生的概率和效用。不完全信息決定了農(nóng)戶是基于有限理性假設(shè)作出實地技術(shù)采納行為決策，新古典經(jīng)濟理論不能很好地解釋和預(yù)測農(nóng)戶風(fēng)險偏好，行為經(jīng)濟學(xué)中的前景理論可以更好地進行解釋。根據(jù)前景理論偏好特征，除效用函數(shù)凹度外，對小概率事件重視系數(shù)可從另一個角度反映風(fēng)險偏好特征［19］，其值越大，表明農(nóng)戶對小概率事件越不重視，其行為越保守，技術(shù)采納概率越小?；诖耍岢龅谝粋€研究假說：

H1：風(fēng)險厭惡系數(shù)和對小概率事件重視系數(shù)對農(nóng)戶實地技術(shù)采納行為具有消極影響。

農(nóng)戶實地技術(shù)采納行為具有環(huán)境正外部性，個體采納水平將低于社會最優(yōu)水平，需要政策干預(yù)以促進技術(shù)采納。綠色農(nóng)業(yè)補貼政策對農(nóng)戶實地技術(shù)采納行為的影響不確定。一方面，綠色農(nóng)業(yè)補貼政策可以促進技術(shù)采納行為；另一方面，當(dāng)農(nóng)戶對實地技術(shù)不信任或未完全掌握時，即使獲得了綠色農(nóng)業(yè)補貼，也可能不采納該技術(shù)，而是沿用傳統(tǒng)栽培技術(shù)。技術(shù)培訓(xùn)可以提高人力資本水平，通過改善農(nóng)戶技術(shù)掌握情況而促進采納行為。基于此，提出第二個研究假說：

H2：綠色農(nóng)業(yè)補貼政策對農(nóng)戶實地技術(shù)采納行為的影響不確定，技術(shù)支持政策對農(nóng)戶實地技術(shù)采納行為影響為正。

農(nóng)戶采納實地技術(shù)面臨產(chǎn)量不確定性風(fēng)險。綠色農(nóng)業(yè)補貼政策可以降低生產(chǎn)投入成本，部分抵消不確定性帶來的風(fēng)險，降低農(nóng)戶對新技術(shù)的風(fēng)險厭惡程度，有助于提高技術(shù)采納水平?；诖?，提出第三個研究假說：

H3：綠色農(nóng)業(yè)補貼政策可以正向調(diào)節(jié)風(fēng)險厭惡對農(nóng)戶實地技術(shù)采納行為的抑制作用。

當(dāng)農(nóng)戶完全采納實地技術(shù)時，綠色農(nóng)業(yè)補貼政策和技術(shù)支持政策可以保證農(nóng)戶在水稻生長前期減少基肥和分蘗肥施用量，通過減少無效分蘗提高作物對肥料的吸收率，避免剩余養(yǎng)分以徑流形式進入水體和土壤，從而減低環(huán)境污染［20-21］，使政策干預(yù)對肥料投入環(huán)境效率的影響為正。基于此，提出第四個研究假說：

H4：對于完全采納行為，綠色農(nóng)業(yè)補貼政策和技術(shù)支持政策對肥料投入環(huán)境效率影響為正。

三、數(shù)據(jù)來源、變量選取與模型選擇

（一）數(shù)據(jù)來源

課題組于2019 年10 月—2020 年1 月在廣東省的4 個市8 個縣25 個鎮(zhèn)67 個村開展農(nóng)戶問卷調(diào)查。為保證樣本代表性，按廣東省地理區(qū)域和項目實施情況，選取4 個試點市8 個試點縣（包括縣級市和區(qū)）作為樣本市（縣），具體為：在粵東北地區(qū)選取梅州市的興寧縣和蕉嶺縣；在粵東地區(qū)選取汕尾市的海豐縣；在珠三角地區(qū)選取江門市的恩平、臺山和開平市，選取惠州市的惠陽區(qū)和博羅縣。在每個樣本縣選取2～4 個樣本鎮(zhèn)，在每個樣本鎮(zhèn)選取項目村和非項目村作為樣本村，在每個樣本村隨機選取8～12 位農(nóng)戶進行一對一訪談。調(diào)查獲得2018 年和2019 年兩期面板數(shù)據(jù)，包括農(nóng)戶數(shù)據(jù)和地塊數(shù)據(jù)，地塊數(shù)據(jù)主要統(tǒng)計最大的兩塊地?？倶颖镜霓r(nóng)戶數(shù)為720 戶，獲取的兩期地塊數(shù)據(jù)為2 632 份。

世行項目實施的截止時間為2018 年，2019 年僅有小部分示范村仍能獲得綠色農(nóng)業(yè)補貼，且額度較之前下降。為保證研究數(shù)據(jù)的可比性，本文僅保留2018 年的調(diào)查數(shù)據(jù)；為反映農(nóng)戶在不同地塊施肥行為的差異，使用地塊數(shù)據(jù)分析技術(shù)采納行為。由于需要計算肥料生產(chǎn)率，要求地塊的氮磷鉀純量投入之和不為0，因此刪除純量投入之和為0 的樣本。經(jīng)處理后，本文所用數(shù)據(jù)包含1 190 個地塊樣本。

（二）變量選取

1.被解釋變量 實地技術(shù)采納行為方程的被解釋變量為“采納行為”和“完全采納行為”。經(jīng)濟效應(yīng)與環(huán)境效應(yīng)方程的被解釋變量為“肥料生產(chǎn)率”和“肥料投入環(huán)境效率”。其中，肥料投入環(huán)境效率為氮磷鉀純量投入的最小可能值與觀測值之比，有效率時比值為1，非效率時比值小于1。本文采用隨機前沿分析方法計算肥料投入環(huán)境效率。為避免多重共線性，采用柯布-道格拉斯生產(chǎn)函數(shù)形式：

式（1）中，Yi為地塊i的單位面積產(chǎn)值；X1為地塊面積；X2為勞動成本，定義為雇工成本與機械服務(wù)成本之和；X3為可變物質(zhì)投入成本；Z為單位面積氮磷鉀純量投入。本文測度的是環(huán)境有害投入變量的環(huán)境效率問題，借鑒Reinhard等［22］的方法，以ZF表示生產(chǎn)一定產(chǎn)出的有害投入的最小可能值，令Ui= 0，得到氮磷鉀純量投入獲得有效使用時的產(chǎn)出（lnY F i），則式（1）可以表示為：

令式（1）與式（2）中的環(huán)境效率相等，得到環(huán)境效率估計式為：

2.核心解釋變量 （1）風(fēng)險偏好參數(shù)。農(nóng)戶基于有限理性作出實地技術(shù)采納行為決策，其風(fēng)險選擇表現(xiàn)出前景理論偏好特征，效用函數(shù)凹度不是影響風(fēng)險偏好的唯一參數(shù)，非線性的概率權(quán)重和損失規(guī)避也會影響風(fēng)險偏好［23］。本文參考Tanaka等［19］提出的實驗方法測度農(nóng)戶風(fēng)險偏好參數(shù)，假設(shè)前景值函數(shù)為：

式（4）～式（6）中，V(x，p；y，q)為前景值函數(shù)；x和y為結(jié)果，v(·)代表不同結(jié)果的值函數(shù)；p、q分別為x和y出現(xiàn)的概率；π(p)和π(q)為概率權(quán)重函數(shù)。（1 -σ）、α、λ分別代表風(fēng)險厭惡系數(shù)、對小概率事件重視系數(shù)和損失規(guī)避程度。本文主要考察（1 -σ）和α對農(nóng)戶實地技術(shù)采納行為的影響。

本文設(shè)計了三個成對選擇的抽獎游戲［19］，通過現(xiàn)場實驗測度農(nóng)戶風(fēng)險厭惡系數(shù)和對小概率事件重視系數(shù)。第一，貨幣激勵。損益值（卡片上的數(shù)值）代表分?jǐn)?shù)，令1 分等價于0.01 元。當(dāng)農(nóng)戶做完所有的抽獎游戲后，將其抽取的總分?jǐn)?shù)乘以0.01 元，得到可以兌取的獎金額，通過貨幣支付激勵農(nóng)戶真實顯示風(fēng)險偏好。第二，抽獎設(shè)計。將抽獎游戲設(shè)置成選擇題形式，每個選擇題包括A 和B 兩個選項；抽獎游戲一和二分別設(shè)置14 個選擇題，抽獎游戲三設(shè)置7 個選擇題。選項A 代表低風(fēng)險抽獎，從題項1～題項14 獎金額保持不變；選項B 代表高風(fēng)險抽獎，獎金額逐漸提高。按題項順序依次詢問農(nóng)戶，直至其選擇從A 轉(zhuǎn)向B 為止。抽獎游戲一和抽獎游戲二的轉(zhuǎn)折點共同決定σ和α，抽獎游戲三的轉(zhuǎn)折點決定λ。

（2）政策干預(yù)。用綠色農(nóng)業(yè)補貼政策和技術(shù)支持政策代表政策干預(yù)。分散的小農(nóng)戶通常更關(guān)注眼下最急需的技術(shù)，如未來一周或幾周是否需要施肥及施肥方法，因此針對小農(nóng)戶可以通過提高技術(shù)培訓(xùn)頻數(shù)來提高技術(shù)采納概率和改善采納效果。

3.控制變量 （1）個體特征。第一，年齡。戶主年齡越大，風(fēng)險承受能力可能越低、行為越保守，對新技術(shù)采納意愿越低。對于技術(shù)采納者，年齡越大，可能風(fēng)險厭惡系數(shù)越大，更看重產(chǎn)量的穩(wěn)定性，為保證采納技術(shù)后產(chǎn)量不降低，傾向于完全采納，從而可能產(chǎn)生正的經(jīng)濟效應(yīng)與環(huán)境效應(yīng)。第二，受教育年限。一般來講，受教育年限越長，則人力資本水平越高，農(nóng)戶學(xué)習(xí)、分析和試驗?zāi)芰υ綇?，對新技術(shù)的接受程度越高，技術(shù)采納效果越好。第三，社會學(xué)習(xí)。農(nóng)村社區(qū)內(nèi)部農(nóng)戶之間的社會學(xué)習(xí)可以形成學(xué)習(xí)溢出效應(yīng)，對技術(shù)采納水平和采納效果將產(chǎn)生積極影響。（2）生產(chǎn)經(jīng)營特征。第一，地塊規(guī)模。為降低技術(shù)采納風(fēng)險，農(nóng)戶可能會先選擇小面積地塊進行試驗，以與使用傳統(tǒng)栽培技術(shù)的作物生長情況進行對比，地塊規(guī)模對技術(shù)采納行為影響可能為負(fù)。當(dāng)農(nóng)戶作出技術(shù)采納行為后，受規(guī)模經(jīng)濟影響地塊規(guī)模越大，則獲得的收益越高，對技術(shù)采納者，地塊規(guī)?？赡墚a(chǎn)生正的經(jīng)濟效應(yīng)與環(huán)境效應(yīng)。第二，土地流轉(zhuǎn)行為。土地流轉(zhuǎn)使農(nóng)地向具有比較優(yōu)勢的經(jīng)營者集中，這類主體在人力資本水平、資金、技術(shù)等方面更具優(yōu)勢，其風(fēng)險承受能力更強、技術(shù)采納概率將更高、采納效果將更好。第三，兼業(yè)情況。學(xué)習(xí)新技術(shù)需要更多的時間和精力，而兼業(yè)農(nóng)戶所能投入的精力相對少，技術(shù)采納水平可能更低。兼業(yè)與非兼業(yè)農(nóng)戶的平均受教育年限分別為8.9 年和7.2 年，兼業(yè)農(nóng)戶更高的人力資本水平使其更有可能嚴(yán)格按照技術(shù)規(guī)程施肥，產(chǎn)生正的經(jīng)濟效應(yīng)和環(huán)境效應(yīng)。各變量說明與描述性統(tǒng)計情況如表1 所示。

表1 變量說明與描述性統(tǒng)計

（三）模型選擇

1.農(nóng)戶實地技術(shù)采納行為 根據(jù)實地技術(shù)“不施回青肥、增施幼穗肥”的關(guān)鍵技術(shù)點，提煉出兩條采納行為判斷標(biāo)準(zhǔn)：一是以“第一次追肥時間是否在插完秧的12 天以后”判斷農(nóng)戶“不施回青肥”行為；二是以“第二次追肥時間是否在插完秧的30 天以后”判斷農(nóng)戶“增施幼穗肥”行為。當(dāng)農(nóng)戶施肥行為同時滿足上述兩條標(biāo)準(zhǔn)，為完全采納；僅滿足其中一條標(biāo)準(zhǔn)，為部分采納；不滿足任何一條標(biāo)準(zhǔn)，為非采納。據(jù)此，將農(nóng)戶技術(shù)采納行為分為兩個層次：一是農(nóng)戶做出采納行為還是非采納行為；二是采納行為屬于完全采納還是部分采納。技術(shù)采納行為的理論模型為：

可以識別以下三類技術(shù)采納行為：

對三類采納行為建立bivariate probit模型：

式（8）～式（10）中，φ和Φ2分別為標(biāo)準(zhǔn)正態(tài)分布和標(biāo)準(zhǔn)雙變量正態(tài)分布的累積分布函數(shù)。

2.不同技術(shù)采納行為的經(jīng)濟效應(yīng)與環(huán)境效應(yīng) 以肥料生產(chǎn)率和肥料投入環(huán)境效率代表經(jīng)濟效應(yīng)與環(huán)境效應(yīng)，計算公式為：

式（11）～式（12）中，P為肥料生產(chǎn)率；EE為肥料投入環(huán)境效率；Xp、Xe為影響因素。

農(nóng)戶技術(shù)采納行為存在自選擇偏差。相對部分采納和非采納者，完全采納者的某種內(nèi)在特征決定其即使不采納實地技術(shù)，也可能產(chǎn)生相對高的肥料生產(chǎn)率和肥料投入環(huán)境效率，因此利用式（11）～式（12）進行直接估計將高估經(jīng)濟效應(yīng)與環(huán)境效應(yīng)。為此，引入反米爾斯比率以糾正自選擇偏差，得到三類技術(shù)采納行為的肥料生產(chǎn)率和肥料投入環(huán)境效率方程：

第一類，完全采納：

第二類，部分采納：

第三類，非采納：

式（13）～式（18）中，λ01和λ02、λ1和λ2、λ0分別代表完全采納、部分采納和非采納行為的反米爾斯比率。

四、結(jié)果與分析

技術(shù)采納行為模型估計結(jié)果如表2中回歸（1）所示。分樣本回歸中，肥料生產(chǎn)率和肥料投入環(huán)境效率方程估計結(jié)果如回歸（2）所示。

表2 技術(shù)采納行為模型和經(jīng)濟效應(yīng)與環(huán)境效應(yīng)方程估計結(jié)果

（一）bivariate probit模型估計結(jié)果

回歸（1）估計結(jié)果顯示，Wald值較大，達到了1%顯著性水平，表明模型擬合度較好。ρ= 1，且在1%顯著性水平上拒絕“ρ= 0”的原假設(shè)，說明采用bivariate probit模型估計參數(shù)具有有效性。

1.風(fēng)險偏好和政策干預(yù)對農(nóng)戶實地技術(shù)采納行為的影響 由回歸（1）估計結(jié)果可知，風(fēng)險厭惡系數(shù)和對小概率事件重視系數(shù)對技術(shù)采納行為的影響為負(fù)，且分別在5%和10%水平上顯著，說明農(nóng)戶風(fēng)險厭惡程度越高、對小概率事件越不重視，越不采納實地技術(shù)，即H1得以驗證。綠色農(nóng)業(yè)補貼政策對采納行為和完全采納行為的估計系數(shù)分別為負(fù)和為正，但均不具有統(tǒng)計顯著性。政府無法對實地技術(shù)進行直接補貼，只能對與之配套的配方肥或緩（控）釋肥進行補貼。而農(nóng)戶即使獲得該補貼也可能仍沿用傳統(tǒng)栽培技術(shù)，或者雖然采用實地技術(shù)也可能沒有獲得綠色農(nóng)業(yè)補貼，因為農(nóng)戶使用的仍是傳統(tǒng)化肥。說明綠色農(nóng)業(yè)補貼政策對實地技術(shù)采納行為的影響是間接的和不確定的，不具有統(tǒng)計顯著性。技術(shù)支持政策對完全采納行為的估計系數(shù)在5%水平上顯著為正，說明提高技術(shù)培訓(xùn)頻數(shù)可以提高農(nóng)戶對新技術(shù)的認(rèn)知水平和掌握程度，從而促使農(nóng)戶做出完全采納行為。由此，H2得以驗證。

2.綠色農(nóng)業(yè)補貼政策可以正向調(diào)節(jié)風(fēng)險厭惡程度對農(nóng)戶實地技術(shù)采納行為的抑制作用 風(fēng)險厭惡系數(shù)與綠色農(nóng)業(yè)補貼政策的交互項對采納行為和完全采納行為的估計系數(shù)均為正，且均在1%水平上顯著。綠色農(nóng)業(yè)補貼政策可以部分抵消新技術(shù)采納風(fēng)險，降低生產(chǎn)成本，使農(nóng)戶對新技術(shù)的風(fēng)險厭惡程度降低，從而提高技術(shù)采納水平，H3得以驗證。

3.控制變量對農(nóng)戶技術(shù)采納行為的影響 受教育年限、社會學(xué)習(xí)、土地流轉(zhuǎn)行為對農(nóng)戶實地技術(shù)采納行為影響顯著為正，地塊規(guī)模對其影響顯著為負(fù)，與前文預(yù)期一致。年齡對實地技術(shù)采納行為影響不顯著，可能是由于樣本年齡的差異性較小，對模型的控制效果不明顯。

（二）肥料生產(chǎn)率和肥料投入環(huán)境效率方程估計結(jié)果

本文將樣本分為完全采納、部分采納和非采納三類進行分樣本回歸，分別考察風(fēng)險偏好、政策干預(yù)對肥料生產(chǎn)率和肥料投入環(huán)境效率的影響，回歸（2）報告了完全采納和部分采納樣本的回歸結(jié)果。第一，綠色農(nóng)業(yè)補貼政策和技術(shù)支持政策對完全采納行為的肥料投入環(huán)境效率影響均顯著為正。說明政策干預(yù)有助于農(nóng)戶準(zhǔn)確掌握技術(shù)要點，做出完全采納行為，產(chǎn)生正的環(huán)境效應(yīng)，H4得以驗證。第二，技術(shù)支持政策和風(fēng)險厭惡系數(shù)的交互項對部分采納行為的肥料生產(chǎn)率和肥料投入環(huán)境效率影響顯著為負(fù)，對完全采納行為的肥料投入環(huán)境效率影響顯著為負(fù)。對于技術(shù)采納者，農(nóng)戶參加實地技術(shù)培訓(xùn)次數(shù)越多，則投入的時間成本和學(xué)習(xí)成本越高，越希望采納技術(shù)后產(chǎn)量不降低甚至增產(chǎn)，這種預(yù)期會提高其風(fēng)險厭惡程度。農(nóng)戶雖然采納實地技術(shù)，改變了施肥時間和施肥比例，但隨著風(fēng)險厭惡程度的提升其傾向于多施肥以保證產(chǎn)量，從而對肥料生產(chǎn)率和肥料投入環(huán)境效率產(chǎn)生負(fù)向影響。第三，控制變量的影響。受教育年限對部分采納行為的肥料生產(chǎn)率影響顯著為正。對于部分采納者，受教育程度越高，越有助于農(nóng)戶理解實地技術(shù)核心，從而肥料生產(chǎn)率越高。地塊規(guī)模對完全采納行為的肥料投入環(huán)境效率影響顯著為正。地塊規(guī)模越大，則技術(shù)采納收益的規(guī)模效應(yīng)越明顯，農(nóng)戶越傾向于作出完全采納行為，從而肥料投入環(huán)境效率越高。兼業(yè)情況對部分采納行為的肥料生產(chǎn)率影響顯著為負(fù)，對完全采納行為的肥料投入環(huán)境效率影響顯著為正。兼業(yè)農(nóng)戶具有受教育程度更高和務(wù)農(nóng)時間更稀缺的特征。對于完全采納，兼業(yè)農(nóng)戶更高的人力資本水平使其對知識和技術(shù)的掌握程度更好，能完全按照關(guān)鍵技術(shù)要點進行施肥，對肥料投入環(huán)境效率影響為正。對于部分采納，兼業(yè)農(nóng)戶沒有時間完全按照技術(shù)規(guī)程操作，對肥料生產(chǎn)率影響為負(fù)。

（三）穩(wěn)健性檢驗

本文通過調(diào)整風(fēng)險厭惡程度的測量方式進行穩(wěn)健性檢驗。風(fēng)險厭惡系數(shù)取值范圍為［-1，1］，該值越大，代表越厭惡風(fēng)險，將風(fēng)險厭惡系數(shù)處于［-0.5，0］的農(nóng)戶定義為風(fēng)險偏好型，對其取值0；將風(fēng)險厭惡系數(shù)處于（0，1］的農(nóng)戶定義為風(fēng)險厭惡型，對其取值為1［4］。在風(fēng)險厭惡程度被重新定義的基礎(chǔ)上，得到新估計結(jié)果如表3 所示。風(fēng)險偏好、政策干預(yù)及其交互項對采納行為和完全采納行為的估計結(jié)果在作用方向和顯著性水平方面，均與表2的結(jié)果較為一致，控制變量的作用方向與顯著性水平也與表2結(jié)果較為一致，說明模型估計結(jié)果較為穩(wěn)健。

表3 穩(wěn)健性檢驗結(jié)果

五、結(jié)論與啟示

根據(jù)對世行貸款農(nóng)業(yè)面源污染治理項目村和非項目村1 190 個地塊樣本調(diào)查數(shù)據(jù)，基于行為經(jīng)濟學(xué)的前景理論，在測度農(nóng)戶風(fēng)險厭惡系數(shù)和對小概率事件重視系數(shù)基礎(chǔ)上，利用bivariate probit 模型分析風(fēng)險偏好和政策干預(yù)對農(nóng)戶實地技術(shù)采納行為的影響，并采用兩階段方法在糾正自選擇偏差的基礎(chǔ)上分析技術(shù)采納行為的經(jīng)濟效應(yīng)與環(huán)境效應(yīng)。結(jié)果表明：第一，風(fēng)險厭惡系數(shù)和對小概率事件重視系數(shù)對農(nóng)戶實地技術(shù)采納行為具有消極影響；第二，技術(shù)支持政策對農(nóng)戶實地技術(shù)采納行為具有積極影響；第三，綠色農(nóng)業(yè)補貼政策能夠正向調(diào)節(jié)風(fēng)險厭惡程度對農(nóng)戶實地技術(shù)采納行為的抑制作用；第四，對于完全采納行為，綠色農(nóng)業(yè)補貼政策和技術(shù)支持政策會產(chǎn)生正的環(huán)境效應(yīng)。

研究結(jié)論具有一定的政策啟示：第一，政策制定者可以通過綠色農(nóng)業(yè)補貼政策調(diào)節(jié)風(fēng)險偏好與實地技術(shù)采納行為之間的關(guān)系，減弱風(fēng)險偏好對技術(shù)采納行為的消極影響，使農(nóng)民采納并逐漸習(xí)慣實地技術(shù)，提高技術(shù)采納行為的可持續(xù)性。第二，通過實施精準(zhǔn)培訓(xùn)提高技術(shù)培訓(xùn)效果。在農(nóng)業(yè)生產(chǎn)的關(guān)鍵時間節(jié)點進行技術(shù)培訓(xùn)，方便農(nóng)戶掌握當(dāng)下最急需技術(shù)的要點，通過提高培訓(xùn)的頻數(shù)和精準(zhǔn)度以提高培訓(xùn)效果。第三，通過促進社會學(xué)習(xí)以提高技術(shù)采納水平。建議在村內(nèi)選擇親自耕種且具有技術(shù)基礎(chǔ)的農(nóng)戶（如村干部、種地能手等）作為技術(shù)助理，由政府對其進行技術(shù)培訓(xùn)，使其成為村內(nèi)新技術(shù)的早期采納者，為其他農(nóng)戶提供技術(shù)指導(dǎo)并發(fā)揮示范帶動作用，解決技術(shù)推廣的“最后一公里”問題。