不同类型农户耕地利用效率的影响因素的研究.docVIP

不同类型农户耕地利用效率的影响因素的研究 　　摘要：指出了以重庆市武隆县典型山区为研究区域，运用参与式农户评价方法（PRA）对重庆市武隆县4个抽样村进行调查，依据农户不同生计方式将农户划分为基本型、自然资产型、人力资产型3种类型。并运用数据包络分析法（DEA）Tobit回归模型对不同类型农户耕地利用效率的影响因素进行了分析。结果表明：劳均耕地面积、农业收入比重是提高自然资产型农户耕地利用效率的显著因素，农业资金投入比重、耕地细碎化指数是影响其耕地利用效率怕的主要原因；人力资产型农户劳动力受教育程度对耕地利用效率提高有显著影响，而影响耕地利用无效率的因素主要是农业资金投入比重；基本型农户影响其耕地利用效率低的主要因素为中老年劳动力比重以及地块距离指数。 　　关键词：农户类型；耕地利用效率；影响因素 　　中图分类号：F301 文献标识码：A 文章编号：1674-9944（2016）10-0199-04 　　1.研究目的 　　土地利用/土地覆盖变化（LUCC）研究随着社会人口、资源和环境问题的日渐突出成为全球环境变化研究的前沿和热点领域，耕地作为土地的精华，成为LUCC研究中的重点。武隆县位于三峡库区中部，受七曜山和方斗山影响，地势崎岖，且喀斯特地貌发育明显，耕地分布零散。同时，受三峡工程影响，库区耕地数量、质量都呈现出下降趋势，库区人地矛盾激化，严重威胁着库区生态环境安全和经济发展。由于农户家庭资源禀赋差距较大，农户分化也会呈现不同趋势，农户对社会经济政策的响应，生计策略的调整，生产决策以及耕地利用效率存在差别且影响因素各不相同。基于此，有必要通过“农户分化-耕地投入-耕地利用效率”的研究，来分析不同类型农户耕地利用效率影响因素，为提高山区农户家庭的耕地利用率提出针对性的政策建议。 　　2.研究方法 　　2.1数据包络分析法 　　数据包络分析（data envelopment analysis）简称DEA。将每一农户作为决策单元（DMU），运用DEA模型构建最佳的生产前沿面，并判断每一农户的耕地生产距离最佳前沿面的情况，从而判断农户对耕地利用的相对效率。该方法在无需对指标已经统一量纲化，对处理多投入和多产出具有绝对优势。 　　2.2Tobit回归模型 　　由于DEA得出的效率值介于0～1之间，因此数据被截断，此时若用普通最小二乘法对模型直接回归，参数的估计将是有偏和不一致的。所以在此一般用Tobit模型进行回归分析。目前普遍认同的观点是，Tobit模型适用于解决技术效率的影响因素问题，并能找出效率改进的方向和途径，运用DEA-Tobit两阶段法，与其他的综合评价方法相比，方法处理多输入、特别是多输出的问题的能力具有绝对优势。 　　3.研究结果 　　3.1农户类型划分 　　笔者在参考有关农户类型划分的文献同时，结合研究目的，将农户家庭现主要谋生方式、家庭收入来源、农户对各生计资产的依赖程度、家庭主要劳动力配置方向、农副产品配置方式等指标，作为农户类型划分为的依据，故农户划分为基本型、自然资产型、人力资产型3种类型（表1）。研究区抽样的300户家庭中。基本型49户占抽样总量的16.3%，自然资产型61户占抽样总量的20.3%，人力资产型190户占抽样总量的63.3%。 　　3.2不同类型农户耕地利用效率测算 　　3.2.1指标选取 　　结合指标选取的原则以及研究的中不同类型农户耕地投入的特征，从土地、资金、劳动力3个方面考虑来选取耕地利用的投入指标。实际耕种面积/亩――该指标用来反映农户耕地的实际利用情况；资金消费/元――该指标说明耕地的资金投入情况，其主要包括种苗、肥料、农药、机械等方面的资金花费；劳动力用工/人――该指标反映农户耕地劳作的劳动力投入量。产出指标选取耕地总产值来反映耕地利用的最终成果（表2）。 　　3.2.2计算结果 　　模型计算借助软件deap2.1来实现，首先对得到的317户样本数据按照效率评价指标进行整理、筛选，剔除异常值以后得到306组有效数据；其次运用软件计算出每一农户的综合技术效率、纯技术效率、规模效率；最后将得到的各个农户的效率计算结果进行汇总得到不同类型农户的耕地利用效率值如表3。 　　3.3不同类型农户耕地利用效率影响因素 　　3.3.1指标选取 　　结合研究的背景及研究目的，分析不同类型农户的耕地利用效率影响因素，需要考虑各类型农户特征以及耕地投入特征，农户不同类型特征主要从家庭生计体现出来，耕地投入特征则主要通过劳动力、资金等方面体现。因此，本文主要从农业劳动力特征、家庭经营特征、耕作条件3个方面选取耕地利用效率的影响因素。具体如表4所示。 　　3.3.2计算结果 　　选用eviews软件对Tobit回归模型系数进行计算，并对模型和归回系数进行显著