農戶土地利用決策模型構建及影響因素分析
——以陜西省米脂縣高西溝村為例

李 芹，陳 海，梁小英，邱海軍，王國義

（西北大學 城市與環境學院，陜西 西安710127）

揭示微觀農戶土地利用行為的變化，并分析其決策對宏觀農業土地利用變化的影響，成為學者們關注的熱點。通過構建農戶決策模型模擬農戶土地利用行為已成為學者們常用的方法之一［1－3］。目前，比較有代表性的模型包括經驗統計模型，隨機模型，優化模型，動態模擬模型，綜合模型模擬，多層線性規劃模型，神經網絡模型，人工社會模型，多智能體模型（agent－based models）和Logit模型等［4－6］。這些模型大多通過統計回歸方式，在影響因素間建立定量關系，對決策的形成機理及其變化研究較少。因此，依據明晰的和具有良好激勵機制的行為理論進行個體行為模擬，已成為揭示微觀土地利用行為的關鍵問題之一［7－10］。

本研究以生態脆弱區典型村落——高西溝為研究區，以微觀土地利用主體——農戶為切入點，借鑒經濟學理論構建“GPRD”農戶決策模型，模擬生態脆弱區農戶土地利用決策過程及其對研究區耕地集約利用的影響，為研究農戶土地利用決策與土地集約空間格局變化的互動機理奠定基礎。

1 研究區概況及數據處理

1.1 研究區概況

高西溝位于陜西省米脂縣縣城以北20km，無定河東岸金雞河流域，有40座山和21條溝。屬溫帶半干旱半濕潤森林草原帶，年均降雨量約440mm，降水量不足且年內變化大，降水高度集中在7—9月，約占全年降水量的75%左右，多干旱和暴雨，水土流失嚴重。高西溝村共有農戶126戶（其中常住農戶80戶，包括53戶種植戶，27戶非種植戶；搬遷及在外居住農戶36戶），總計522人，總土地面積4km2，總耕地面積302.2hm2；2012年全村農民人均收入16 061元。高西溝50a的水土保持治理過程，先后進行了6次大規模的退耕還林，水土保持工作取得了顯著成效，被評為“退耕還林示范區”。

目前，研究區的土地利用狀況朝著可持續方向發展，作物種植結構趨于多樣化，主要作物類型有玉米，谷子，糜子，豆類，土豆，蔥，果樹等。高西溝農戶擁有的耕地面積較小，勞動力冗余較多，大部分勞動力流向二三產業，35%的年輕勞動力將土地轉給他人耕種，完全脫離農業生產，對這部分農戶沒有列入研究范圍。

1.2 數據來源與研究思路

1.2.1 數據來源

（1）影像數據。航片（航片攝影比例尺為1∶3.5萬，絕對航高為6 400m，航攝儀類型為RMKA，焦距為153.039mm，成像日期為most recent time 2000年5月），通過航片解譯，結合實際1∶1萬高程圖，制作研究區DEM，獲取研究區坡度，坡向等數據。并結合實際調研，獲取道路信息，通過ArcGIS 9.3區域分析功能計算地塊到道路的距離。

（2）氣象數據。米脂縣1952—2010年59a降水量數據來源于米脂縣統計局。利用其計算降水變率，并依據實際情況對研究區降水進行分級。

（3）農戶數據。針對研究區18～75歲之間的常住農戶進行調查，采用農戶問卷調查和參與式農戶評估方法，利用半結構訪談形式，與被訪者進行交流，獲得地塊的土地利用信息、作物投入產出信息和農戶家庭特征信息等。調查農戶共53戶，年齡在75歲以上的種植戶有4戶，未列入研究范圍，獲得有效問卷42份，占種植戶的86%。

1.2.2 研究方法 對農戶決策模型的構建主要是借鑒經濟學理論通過農戶決策過程分析展開研究，通過理論分析與實際驗證兩個模塊進行探討。其中，理論分析主要是以經濟學理論為支撐對農戶決策過程進行逐步分析，得出理論背景下農戶的最終決策；實際驗證主要通過研究區農戶實際的勞動力配置和作物種植信息對理論模型進行驗證。

2 農戶決策模型的構建

決策者決策過程包括4步：確定決策目標（goal），找 出 選 擇 方 案 （project），評 估 方 案 風 險（risk），做出最后的決定（decision）。農業生產也屬于經濟活動，農戶作為農業生產活動最終決策者，其決策行為也遵循這樣的規律，本研究將農戶決策過程定義為“GPRD”決策，通過該決策模型探究農戶決策機理及其影響因素。

2.1 決策目標

決策首先要有明確的目標，農戶是農業生產活動的決策者，決策過程中把追求自身收益最大化作為最終目的，農戶收益公式定義為：

式中：I1——從事農業活動的收益；I2——其它經濟活動的收益；P——農作物銷售價格；Q——作物產量；E——總的耕地面積；C——資本投入；L——家庭勞動力數量；G——其他收益；L1——家庭務農勞動力數量；E1——耕地用于種植作物的面積。

通過公式計算可得，農戶為實現收益最大化，必須要通過勞動力的合理配置實現，但是，農戶是以家庭為生產單位進行農業活動的，所擁有的耕地面積是有限的，又存在農業人口與非農業人口的分別，農戶進行決策時受到各方面條件的約束。

在進行收益最大化分析時，需作如下假定：（1）家庭勞動力數量不變，設為N，在現有的經濟技術水平下，單位勞動力可種植的土地面積是一定的，假定每個勞動力可耕種的土地面積為M，家庭務農勞動力為N，總的土地面積為A，應滿足A＜M·N。（2）現實生產中農業個體的勞動生產率因為種植技術、家庭特征等的不同，作物產量及其農業總收入也不同；（3）農業個體通過農業種植結構調整實現其種植業收益最大化；在此基礎上，將總體和個體結合起來進行分析，在決策目標的指導下，農戶會根據社會經濟和自然條件來選擇適合自己的選擇方案。確定決策目標后就要根據決策目標選擇可行性方案，選擇合適的方案是決策目標能否實現的關鍵步驟。

2.2 選擇方案

農戶的生產決策并非是完全理性的，會受到各種條件的約束，在農業活動中農戶決策時考慮到先滿足自身糧食需要，在此基礎上通過合理配置勞動力，優化糧食作物和經濟作物的種植比例來實現收益最大化。農戶可選擇的決策方案主要涉及生計類型的選擇，土地種植結構的選擇兩個方面。由公式（4）得出農戶實現收益最大化的手段涉及到勞動力投入、土地要素投入兩個變量的合理配置，農戶在選擇從事種植業與其它經濟活動時，一般只需要考慮勞動力配置問題，涉及勞動力這一個決策變量。為實現最大化，需要對該公式求偏導數：

式中：P·?Q／?L1——耕地種植活動中勞動的邊際產品產值；?G／?L1——農戶向作物生產中每增加單位投入時所獲得的凈收益。農戶為實現收益最大化就必須使用于耕地種植和用于從事其他經濟活動的勞動力的邊際收益相等。

而農戶面臨種植糧食作物與種植經濟作物的選擇時，必須對土地要素投入量做出選擇，將農戶的種植業收入描述為以土地投入量為自變量的一元線性函數：

式中：E1——用于種植糧食作物的耕地面積；E－E1——用于種植經濟作物的耕地面積；P1，P2——代表糧食作物和經濟作物銷售價格；Q1，Q2——各種糧食作物，經濟作物的產量；C——種植作物的資金投入。農戶種植業收入對糧食作物作物種植面積E1的一階導數為：

該函數為一元一次函數，所以在該函數區間的邊界點上取最大值，即E1＝0或E1＝E。

式中：UQ2——經濟作物單位面積產量；UI2——經濟作物單位面積收益。

I（0）與I（E）的大小取決于作物單位面積利潤，如UI2＞UI1則在點0處取得最大值，即農戶耕地全部用于種植經濟作物的收益最高。如UI2＜UI1，則在點E處取得最大值，即農戶耕地全部用于種植糧食作物的收益最高。

2.3 風險評估

任何一個方案都存在一定的風險，決策過程中需要針對可選方案進行風險評估，對于農業生產活動來講，風險主要包括自然風險和人為風險兩方面，農戶的生機類型選擇和種植方案都存在風險，需要決策者深入分析。

2.3.1 生計類型選擇風險 研究區農業比較利益較低，農業生產活動中，農村家庭務農勞動力剩余較多，勞動力大量流向二三產業。將研究區調研農戶按照務農勞動力與打工人數的比例，非農收入占總農業收入的比重原則劃分為不同農戶類型，不同類型農戶勞動力務農機會成本為：

式中：W——指不同類型勞動力務工日均工資；O——不同農戶類型勞動力平均務農機會；l——家庭中從事農業生產的勞動力數量；L——家庭總勞動力數量。

農戶的分類借鑒現有的研究成果并結合本研究的需要，對農戶類型劃分采納兩個指標：一是非農收入占總收入的比重，二是農戶非農勞動投入數量占總勞動數量投入的比重。將農戶分為4種類型：純農業型（非農收入占家庭總收入的比重少于30%的農戶）、農業主導型的兼業戶（非農收入介于30%～60%），非農主導的兼業戶（非農收入占家庭總收入介于60%～80%），非農業型（非農收入占總收入的比重大于80%）。不同農戶類型之間勞動力務農機會成本存在很大差異（表1）。由表1可知，研究區勞動力務農機會成本較高，且不同農戶類型勞動力務農機會成本差距較大。種植戶勞動力務農機會成本最高達到34.782，與打工農戶之間差距較大。

表1 農戶類型劃分

2.3.2 作物種植決策風險 農戶農業生產和經營都比較特殊，在生產活動中，農戶成為承擔風險的主體，直接面對自然災害，市場和政策等多重風險的沖擊［10－13］。農戶在追求利潤最大化的同時，還要避免社會風險的沖擊。旱災是研究區農業生產中面臨的重要的自然風險，該區有“十年九旱”的說法，農戶根據多年的生產經驗，對于農作物在不同的自然狀態下，產量變化有比較全面的預測。本研究引用期望值決策分析方法［14］計算農戶的作物種植決策風險（暫不考慮農地棄荒與流轉決策風險），以對不同作物類型種植優先順序進行排序。將其定義為數學期望值，農戶對作物種植的選擇以看作離散型隨機變量X，其數學期望值為：

式中：Xi——隨機變量 X 的各個取值（i＝1，2，…，n）；Pi——x＝xi的概率，即Pi＝P（xi），期望值決策方法就是計算各方案的期望益損值，并以此為依據，選擇平均收益最大化的方案作為最佳決策方案。

表2 研究區降水分級

農作物種植方案B包括：B1（玉米）、B2（谷子）、B3（豆子）、B4（土豆）、B5（大蔥）、B6（果樹）；將降水條件劃分為：極旱年（S1）、旱年（S2）、平年（S3）、濕潤（S4）、極濕潤年（S5）；決策方案Bi在Sj狀態下的收益值Aij看作隨機變量的取值。將米脂縣1952—2010年59a的年降水量進行匯總，計算年降水變率，計算公式為：

式中：Ri——第i年實際降水量（i＝1，2，…，n）；R——年平均降水量。根據年降水變率（表2），將降水分5個等級（S1極旱年，S2旱年，S3平年，S4濕潤年，S5極濕潤年），狀態概率為：P1，P2，P3，P4，P5。決策方案Bi在Sj狀態下的收益值Aij看做隨機變量的取值。

根據表3可知，果樹，土豆，大蔥產值都比較高，糧食作物中玉米的產值較其它作物高。

2.4 農戶決策分析

研究區農業比較利益較低，農戶決策時，會傾向于打工，務農勞動力數量較少，考慮到自身的生存需求和年齡因素，不同農戶對生計類型選擇上會做出不同的考慮，通過勞動力的合理配置在作物種植與打工之間進行抉擇，實現自身效用最大化。結合田玉軍，李秀彬［15－16］的研究，農戶擁有土地面積大，質量好，戶主年齡偏大，家庭勞動力數量較多的農戶偏向于農業種植活動。相反，土地面積小，質量差，戶主年齡偏小的，家庭消費較大而勞動力少的農戶會偏向于選擇打工，土地荒棄或者轉讓給其它農戶種植。土地資源有限，家庭勞動力數量相對充裕的農戶選擇兼業，在農業生產中傾向于選擇勞動生產率高的作物，土地種植結構比較單一。研究區農戶種植果樹，土豆產值較高，面臨的風險小，糧食作物中種植玉米收益較高。研究區農戶退耕還林政策之后，耕地面積減少，農戶擁有的土地數量減少，為最大化自身收益，農戶傾向于兼業生產。根據實際問卷調研資料的整理，研究區有85.7%的農戶家庭務農勞動力為兩人，11.9%的家庭務農勞動力為1人，勞動力數量投入都不多，兼業現象嚴重。由表4可知，各類型農戶特點表現為：（1）研究區純農戶數量最少，戶主平均年齡最大。結合實際調查，高西溝村以務農為生的農戶主要是年齡較大或是身體健康狀況欠佳的，這類型農戶作物種植主要是為滿足自身糧食需求，在決策方面較為保守。（2）以農為主的兼業農戶以土地為維持生計的主要手段，一般占有較多的土地，在種植過程中趨向于多樣化種植，對勞動力的安排采用農閑時間外出打工，農忙時節回家種地方式。以非農為主的兼業戶數量最多，這類型農戶戶主年齡較小，大部分時間，大部分勞動力外出打工，土地較少，難以形成規模經營。（3）非農戶可以分為兩類：一類是年輕家庭，孩子較小，在縣城上學，父母陪讀。一類是中老年家庭，有較穩定的可觀的非農收入，一般將土地交給親友種植，自己只留一部分土地或者是全部轉讓。

表3 不同作物類型益損值

表4 研究區不同農戶類型特點

根據“GPRD”模型理論，農戶的耕地利用過程中會更偏愛于產值較高的作物類型，研究區2012年作物種植面積由多到少的順序為：果樹＞土豆＞玉米＞谷子＞蔥、豆子，玉米屬于糧食作物，農戶在生產決策時首先會考慮到滿足自身糧食需求，飼養家畜也需要一定的糧食儲備。雖然種植玉米的收益不高但是維持基本的生活需要，農戶需要種植玉米。蔥的產值也較高，但是研究區蔥種植面積較少，在調研過程中針對農戶是否有意向改變種植結構，調查資料表明，研究區蔥的種植面積較少是因為退耕還林政策后農戶擁有的土地面積較少，種蔥的投入比較高，管理復雜。農戶傾向于保持傳統的種植習慣，決策較為保守。

3 農戶決策影響因子分析

農戶種植決策問題涉及到地塊的自然屬性，也與農戶的家庭特征相關，涉及到多層數據結構，在研究中選用多層線性模型對高西溝村農戶種植土豆和玉米的行為進行分析，多層線性模型（hierarchical linear models，HLM）是適用于分析具有嵌套結構數據的一種統計分析方法，該模型能夠有效地解決組織效應的求解問題［17－21］。多層線性模型處理分層數據的原理，先以第一層的特征變量建立回歸方程，然后把該方程中的截距和斜率作為因變量，使用第二層數據中的特征變量作為自變量進行二次回歸，基本形式為：

運用HLM軟件，以果樹，土豆和玉米為例，建立決策的二元伯努利模型，模型為：

注：r0j——一層模型相關系數；βij——二層模型相關系數；

根據組內相關系數值可知（表5），選擇種植土豆的決策行為有大概19%是由農戶層次之間的差異引起的，果樹種植決策的差異13.7%是由農戶層次產生的，玉米為20%。

根據分析結果可知，果樹主要是種植在與道路距離較近，高程較高的地塊上，因為高西溝的地塊多是梯田，地塊之間的道路屬于環山小路，寬度不足2m，大型交通工具使用難度較大，而土豆，果樹的產量較高，運輸困難，所以，農戶一般選擇距離道路較近的地塊進行土豆種植。土豆是耐旱作物，農戶傾向于選擇高程相對高的地方種植耐旱作物；而果樹是喜低溫干燥，喜光植被，果樹的種植與地塊的高程成正相關，與坡向呈顯著的負相關。玉米種植與地塊的坡向及其到道路距離呈極顯著的負相關，與高程呈負相關。原因在于玉米對于光照，水分的要求較高，研究區玉米大部分種植在水分相對充足的壩地上，坡向基本上都為－1，所以分析結果會顯示出與坡向的極顯著負相關。

表5 兩層模型模擬組內相關系數

表6 兩層模型模擬結果

農戶的家庭特征也影響到農戶的種植決策，根據模擬結果可以看出（表6），種植土豆，果樹與戶主的年齡，受教育程度，家庭總人口，家庭勞動力數量都具有一定的相關性，農戶種植土豆，果樹與戶主年齡呈現顯著的負相關，與家庭勞動力的數量呈顯著正相關關系。土豆和果樹都是勞動密集型作物，農戶家庭勞動力越多，種植土豆，果樹的可能性越大，玉米與農戶的家庭特征沒有明顯的相關關系。

4 結論

（1）構建的GPRD模型能夠很好地解釋研究區農戶的作物種植決策行為，高西溝村農戶對勞動力及作物種植的不同配置方案，農戶兼業現象普遍，農業主導型農戶較少，農業比較利益較低；作物種植結構以果樹，土豆，玉米為主，種植經濟作物經濟效益相對較高，農戶決策行為遵循效用最大化理論。

（2）高西溝村玉米種植決策主要受地塊自然條件的影響，地塊的坡度，高程，坡向及其與道路距離都不同程度地影響農戶經濟作物種植決策。農戶家庭特征對農戶經濟作物種植決策行為具有重要的影響，其中勞動力數量影響最為明顯。

［1］陳海，楊維鴿.基于 Multi－Agent System的多尺度土地利變化模型的構建及模擬［J］.地理研究，2010，29（9）：1519－1527.

［2］田梓文.基于神經網絡模型的土地利用變化模擬［D］.山東 青島：山東科技大學，2005.

［3］黎夏，葉嘉安.基于神經網絡的元胞自動機及模擬復雜土地利用系統［J］.地理研究，2005，24（1）：19－27.

［4］侯西勇，常斌，于信芳.基于CA－Markov的河西走廊土地利用變化研究［J］.農業工程學報，2004，20（5）：286－291.

［5］楊維鴿.基于CA－Markov模型和多層次模型的土地利用變化模擬和影響因素研究［D］.陜西 西安：西北大學，2010.

［6］高海東，陳海.基于博弈論的農戶尺度土地利用變化研究［J］.干旱地區農業研究，2009，27（5）：254－257.

［7］楊志武，鐘甫寧.農戶生產決策研究綜述［J］.生產力研究，2011，11（9）：209－212.

［8］西愛琴.農戶生產經營風險決策與管理對策研究：以浙江、湖北和陜西農戶為例的實證分析［D］.浙江 杭州：浙江大學，2006.

［9］蔡基宏.基于農戶模型的農民耕作行為分析［D］.福州福建：福建師范大學，2005.

［10］胡豹.農業結構調整中農戶決策行為研究：基于浙江、江蘇兩省的實證［D］.浙江 杭州：浙江大學，2004.

［11］高海東，陳海.基于博弈論的農戶尺度土地利用變化研究［J］.干旱地區農業研究，2009，27（5）：25－44.

［12］王鵬，黃賢金.生態脆弱地區農業產業結構調整與農戶土地利用變化研究：以江西省上饒縣為例［J］.南京大學學報：自然科學版，2003，39（6）：815－817.

［13］馬小勇.中國農戶的風險規避行為分析：以陜西省為例［J］.中國軟科學，2006，2（2）：22－25.

［14］殷煥武，張鐵山.期望值優化法在項目風險決策中的應用［J］.技術經濟與管理研究，2006，2（2）：59－60.

［15］田玉軍，李秀彬.農業勞動力機會成本上升對農地利用的影響：以寧夏回族自治區為例［J］.自然資源學報，2009，24（2）：369－378.

［16］陳瑜琦，李秀彬.勞動力務農機會成本對農戶耕地利用決策的影響：以河南省睢縣為例［J］.地理科學進展，2010，29（9）：1067－1073.

［17］唐潔.水稻二化螟災變風險分析多水平模型研究［D］.浙江 杭州：浙江大學，2006.

［18］張風雨，王海東.多水平模型及其在人口科學研究中的應用［J］.中國·人口科學，1995，51（6）：1－7.

［19］蓋笑松，張向葵.多層線性模型在縱向研究中的應用［J］.心理科學，2005，28（2）：429－431.

［20］楊維鴿，陳海.基于多層次模型的農戶土地利用決策影響因素分析：以陜西省米脂縣高西溝村為例［J］.自然資源學報，2010，25（4）：647－652.

［21］宋佳楠，金曉彬.基于多層模型的耕地集約利用對糧食生產力貢獻度分析：以內蒙古自治區為例［J］.資源科學，2010，32（6）：1161－1167.