农业科技采纳对农户收入影响的实证研究基于江(2)

二、研究方法、数据来源及相关变量的选取

借助一定的研究方法有助于更加清晰地对研究问题勾画、凸显，并对问题的最终结果具有较强的解释功能。

(一)研究方法

截至目前，在经济学领域关于农户技术采纳行为对收入影响的研究并不多，这也导致其没有完善的研究方法可以借鉴，不过，我们依然可以将农户采纳科技行为等同于农户加入农业合作社行为，因此可以采用农户加入生产合作社对农户的收入行为理论探讨农户的科技采纳行为对收入的影响关系。

借鉴苏群、陈杰等学者的研究成果[38]，本文将农户分为纯农户与兼业农户两大类，并构建采纳农业科技对农户收入影响的决策模型，标准思路如下:

从事农业科技采纳对农户i的收入效应Yi可以用如下公式表示：

Yi=Xi、βχ+yDDi+εi={YOi=Xi、βχ+εi}

其中，X是解释变量，D为是否从事农业科技采纳的虚拟变量，ε为误差项。假设农户对未从事科技采纳时的收入效果期望值为E(Y0|D=1)，那么以农户为基准的平均处理效果ATT则可以表示为：

ATT=E(Y1i-Y0i|Di=1)=E(Y1i|Di=1)-E(Y0i|Di=1)

将同一主体从业农业科技采纳和未从事科技采纳的效果相对比，则能计算出平均处理效果。但是，农户只能选择采纳或不采纳中的任一项，因此无法同时观测到(2)式中的右边两项，所以上述的E(Y0|D=1)只是为了研究需要而设定的假想收入期望值。若将ATT〞定义为纯农户与兼业农户的期望效果值，则会出现：

ATT〞=E(Y1i|Di=1)-E(Y0i|Di=0)

假设农户采纳农业科技是一个随机变量，则ATT=ATT〞；若假设不成立，就会出现实际效果与预期效果存在偏差的情况，为更好地解决这个问题，将选择变量设定为：

Di*=Zi'βz+ui；Di=1；ifDi*>0，0otherwise

(4)式中，Di*是潜在的变量，Z表示可能影响到农户科技采纳或不采纳的影响因素。在假设ε和μ符合二元正态分布的条件下，采用一定的计量方法对(1)式和(4)式处理，得到如下没有偏差的估算值。此时，农户的预期效果期望值为：

E(Y|X,D=1)=X'βX+γD+ρσλ(Z'βZ)

(5)式中的λ(Z'βZ)=ψ(Z'βZ)/φ(Z'βZ)是正规密度函数与正规分布函数的比值，又称为逆米尔斯比。因此,纯农户与兼业农户的预期效果期望值可以表示为：

E(Y|X,D=1)-E(Y|X,D=0)=γD+ρσψ(Z'βZ)/φ(Z'βZ)[1-φ(Z'βZ)]

仔细观察可发现，运用上述方法进行参数估计时，由于内生性问题的存在，会对结果产生干扰。因此，采用PSM方法代替此种参数估计值法，它的优势在于打破了将效益函数进行特殊假设的做法，转而将参与或者不参与的选择置于随机状态，并将处理组和对照组的效益分析比较。

随机状态下，一定存在：

Y0⊥D|W

(7)式称为独立性条件假设，W是影响选择与效益的一个变量，平衡状态下，ATT=ATT〞恒成立，此时样本处理效果如下：

ATT=E(Y1|D=1，W)-E(Y0|D=0，W)

基于W包括较多不确定性变量，因此采用倾向分值PB确保其相似性，此条件下的参与组织的概率为：

P(W)=Pr(D=1|W)

若(7)式成立，则Y0⊥D|P(W)已成立，此时可认为W拥有的属性具有同一性，处理组和对照组可以配对。

为方便分析对比，将样本个体区分为两种类型，即处理组(从事科技采纳的农户)和对照组(未从事科技采纳的农户)。本文运用PSM方法对农业科采纳的预估效果基本思路如下：首先，采用Logit模型分析农户在具体条件下采纳农业科技的概率，即倾向得分；其次，为了保证结果的精确性，分别选择最邻近匹配方法、半径匹配方法和核匹配方法三种不同的方法对样本一一匹配；最后，在已知倾向得分的前提下，采纳农业科技对农户的平均处理效应便可通过分析处理组和对照组收入状况差异得到。

(二)数据来源

本文的数据来源于课题组2019年7―9月对江西省各地空巢农户所做的抽样调查，首先选取农业科技转化率较高的8个市(县)作为调查对象，接着在每个市(县)随机抽取一定的乡镇的农户进行取样，为保证结果的精确性，在每个乡镇等距离的抽取一定样本，共获取580户样本，整理后共得到有效问卷541户，有效率为93.28%。样本情况见表1。

表1 样本情况描述变量变量描述频数所占比例/%年龄[45,55)[55,65)≥性别男女.2341.77婚姻状况未婚已婚.4876.52文化程度小学及以下初中高中及以上.注：空巢农户年龄大多超过45岁，本文只选取45岁及以上年龄段进行研究

文章来源：《吉林农业科技学院学报》 网址: http://www.jlnykjxyxb.cn/qikandaodu/2021/0427/703.html