糧食定價機制改革背景下農戶生產決策行為研究

王莉 趙一夫 劉慧

摘 要：利用全國農村固定觀察點東北三省和內蒙古2009年、2012年、2015年農戶的面板數據，主要考慮利潤、風險、家庭勞動力投入三個目標，構建農戶多目標種植決策模型，對不同類型農戶生產決策行為進行研究。結果表明：小農戶除了考慮利潤、風險目標外，耕地質量也是影響生產決策的重要因素。規模經營農戶主要考慮利潤、風險、家庭勞動力這三個目標，但是利潤目標的權重低于風險目標或家庭勞動力目標的權重。小農戶和規模經營農戶的目標權重會隨時間有所調整，共同點是對風險目標重視程度增加。隨著糧食定價機制改革的推進，預計主產區農戶對風險目標會越來越重視，政府的支持政策應更多關注于防范風險。

關鍵詞：生產決策行為;定價機制;糧食

中圖分類號：F326.11? ?文獻標識碼：A? ?文章編號：1003-3890（2019）03-0036-07

當前，國內糧食供求關系發生階段性重要變化，品種結構不平衡問題較為突出。種植業是農業的重要基礎，調整優化種植結構是當前和今后一個時期農業農村經濟的重要任務[1]。農戶是我國農業生產的主體，其生產決策行為是誘發種植結構調整的微觀基礎，價格是影響農戶生產決策的最關鍵因素，糧食價格定價機制改革目的就是通過價格引導農戶生產決策行為，進而實現種植結構優化[2]。同時，應當注意到，不同類型農戶的生產決策行為是不同的，制定農業政策時正確認識目標農戶類型的多樣性特征有利于縮小政策偏差、提高農業政策實施效率[3]?！兜谌稳珖r業普查主要數據公報》顯示，截至2016年末，全國有農業經營戶20 743萬戶，其中，小農戶20 345萬戶，占比98.1%①。小農戶長期存在是我國的基本國情，其面對市場信號變動時采取的實際生產行為與市場配置資源的邏輯難以一致，需要國家政策的引導和扶持[4]。相對于小農戶，規模經營農戶對市場信息把握的敏感度、接受科技創新和推廣的能力更強，能夠根據供需變化及市場價格變化及時調整種植結構。規模經營農戶還具有鮮明的示范功能，能夠在率先行動的同時帶動、支持小農戶，是種植結構調整優化的引領者[5]。在糧食價格定價機制改革的背景下，糧食主產區不同類型農戶生產決策行為受哪些因素制約、政府應如何引導和扶持等問題值得關注。

國內外關于農戶生產決策行為的研究理論中，認為農戶追求最優化決策已成為多種農戶理論的一個共同點，區別主要在于農戶是基于單一目標還是多目標進行生產決策。Robinson最早提出了多屬性效用的思想，指出決策過程是一個十分復雜的過程，決策者在生產決策中存在多方面的考慮[6]。Rehman et al.進一步指出，基于決策者的多目標建立的效用模型比基于單一的利潤最大化目標建立的效用模型能更加準確地預測生產者行為[7]。隨后多目標效用模型越來越受到學者們的關注并廣泛用于農業方面的分析。實踐中，農戶的生產決策行為是基于多目標的，即除了利潤最大化目標外，還考慮規避風險、減少勞動力投入等目標。Berbel et al.運用多目標效用模型分析了西班牙南部兩個相似但不同的灌溉單位各目標權重的差異性[8]。Manos et al.運用多目標效用模型分析了孟加拉肥料定價對于農業集約化生產和農場行為的影響[9]。劉瑩等基于2001年和2004年寧夏自治區5縣130戶農戶種植生產的數據，運用多目標效用模型對所有農戶以及不同類型農戶的各目標權重進行估計[10]。Yano et al.擴展了多目標效用模型并把它應用到農作物規劃問題研究中[11]。Van Huylenbroeck et al.認為，由于受經濟發展、政策變化等因素影響，農戶追求的各目標的重要性排序可能隨時間有所變化[12]。在農戶多目標生產決策行為研究中，由于各目標之間關系復雜，各目標權重的估計是一個難點。孟雪等將國內外關于確定權重的方法按照計算程序大致分為主觀賦權法、客觀賦權法、主客觀綜合集成賦權法三類[13]?？陀^賦權法的優點是不依賴人的主觀判斷，決策結果具有較多的數學理論依據，因而在實踐中應用較廣。

然而，農戶多目標效用模型需要至少兩期農戶跟蹤調研數據才能進行對比分析，由于數據收集不易，國內外相關研究較少。為此，本文利用全國農村固定觀察點東北三省和內蒙古2009年、2012年、2015年農戶的面板數據，主要考慮利潤、風險、家庭勞動力投入三個目標，將農戶分為小農戶和規模經營農戶，構建農戶多目標種植決策模型，分析不同類型農戶生產決策行為。

一、數據來源、模型構建與目標權重確定

（一）數據來源

本文數據來源于全國農村固定觀察點東北三省和內蒙古2009年、2012年、2015年農戶的調查數據，涉及49個行政村。據第二次全國農業普查數據，2006年經營規模35畝以下農戶占農業經營戶比例為98.24%②，最接近2016年第三次全國農業普查數據中小農戶占農業經營戶的比例。以這個比例推算，本文近似將2009年東北三省和內蒙古經營規模達到50畝及以上、2012年經營規模達到70畝及以上③、2015年經營規模達到100畝及以上的農戶定義為規模經營農戶。

東北三省和內蒙古農作物主要有玉米、大豆和水稻，三種糧食作物種植面積占農作物總種植面積的75%以上④，優勢產區這一比例可達90%以上⑤。因此，本文只考慮這三種糧食作物，并要求農戶家庭經營主業為種植業，且2009年、2012年、2015年每年至少種植三種糧食作物中的一種。最終經過篩選，本文一共獲得6 143個小農戶有效樣本、533個規模經營農戶有效樣本。具體的樣本數量分布如表1所示。

（二）模型構建

（三）目標權重確定

本文擬采用主成分分析法確定各目標權重。基于文獻梳理和實地調研了解，東北三省和內蒙古農戶生產決策時除了考慮利潤、風險、家庭勞動力投入目標外，可能還會考慮耕地質量和種植技術這兩個因素。耕地質量用5畝以上地塊數比例和水澆地比例兩個指標近似表示，種植技術用戶主文化程度這個指標近似表示。主成分分析法確定各目標權重的基本思路如下：

第一，將原始數據標準化，消除量綱的影響。

第二，主成分個數選擇原則是特征根大于1，且累計方差貢獻率在85%以上。

第三，主成分的方差貢獻率為權重，對該權重在各主成分線性組合中的系數的加權平均的歸一化后的數值為本項目的各目標權重。

二、模型數據整理與分析

利用農戶多目標種植決策模型估計小農戶和規模經營農戶的各目標權重，需要的數據包括農戶主要農作物種植結構、農戶對主要農作物投入產出情況、農戶主要農作物雇工情況、農戶主要農作物每畝凈利潤、農戶的耕地質量和種植技術。其中，農戶主要農作物每畝凈利潤用《全國農產品成本收益資料匯編》中東北三省和內蒙古玉米、大豆、稻谷2009—2015年畝均凈利潤計算凈利潤的方差協方差矩陣，因此，本文僅對來自全國農村固定觀察點東北三省和內蒙古農戶調查數據進行整理和分析。

（一）農戶主要農作物種植結構

在東北三省和內蒙古，玉米、大豆和水稻種植模式均為一年一熟制，不存在間作套種情況，樣本農戶三種糧食作物平均種植面積和結構如表2所示。

從種植面積來看，小農戶三種糧食作物平均種植面積從2009年的26.21畝增加到2012年的32.81畝，然后繼續增加到2015年的52.39畝;規模經營農戶三種糧食作物平均種植面積則從90.6畝增加到188.63畝，然后繼續增加到211.18畝。從種植結構來看，與2009年相比，比較明顯的變化在于小農戶大豆平均種植面積占比在2012年小幅下降后2015年大幅上升;規模經營農戶大豆平均種植面積占比在2012年、2015年都顯著下降，而玉米平均種植面積占比在2012年大幅下降后2015年又大幅上升。

進一步分析發現，2009—2012年，國家對東北三省和內蒙古三種糧食作物都實施托市收購政策，且托市收購價格明顯高于市場價格。玉米、大豆、水稻的托市收購比價由1∶2.49∶1.27變為1∶1.87∶1.32⑥，大豆種植比較效益降低，玉米、水稻種植比較效益增加。但是受耕地面積較小、種植習慣、輪作倒茬、家庭勞動力較少等因素制約，小農戶玉米、大豆、水稻平均種植面積雖然都增加，但種植結構變化幅度均較小;規模經營農戶耕地面積較大，對市場價格變化較敏感，有意愿和能力投入較多資金擴大效益相對較高的水稻種植面積，導致水稻平均種植面積占比由18.82%上升到42.41%⑦。2012—2015年，國家對東北三省和內蒙古玉米、稻谷繼續實施托市收購政策，2014年大豆由臨時收儲政策改革為目標價格補貼制度。其中，2014年玉米臨時收儲價格達到最高，平均為每斤1.12元;2015年玉米臨時收儲價格首次下調至每斤1元，玉米、大豆、水稻的比價⑧由2012年的1∶1.87∶1.32變為2015年的1∶2.4∶1.55，玉米種植比較效益降低，大豆、水稻種植比較效益增加。小農戶玉米、大豆種植結構的變化方向與其比較效益變化方向一致;規模經營農戶由于前期普遍購買了大型玉米專用機械設備，資金投入較高，在玉米臨時收儲價格首次下調時種植結構調整速度慢于小農戶，所以玉米種植結構的變化方向與其比較效益變化方向相反。

（二）農戶主要農作物投入產出情況

農作物投入包括資金和勞動力，資金投入包括種子、化肥、農藥、農膜、水電及灌溉、機械作業、土地租賃費用等。從資金投入來看，由于生產資料價格和土地租金的上漲，小農戶和規模經營農戶三種糧食作物資金投入都呈不斷上漲趨勢。其中，玉米資金投入漲幅最大，小農戶和規模經營農戶2015年較2009年漲幅分別達到75.34%和139.39%。從勞動力投入來看，由于機械化程度的提高和社會化服務的發展，小農戶和規模經營農戶三種糧食作物勞動力投入都呈不斷減少趨勢。其中，大豆勞動力投入降幅最大，小農戶和規模經營農戶2015年較2009年降幅分別達到45.69%和45.82%。就產出來看，2009—2012年，由于三種糧食作物出售價格（托市價格）普遍漲幅高于生產成本漲幅，小農戶和規模經營農戶畝均凈利潤均明顯增加。2012—2015年，由于三種糧食作物出售價格普遍漲幅低于生產成本漲幅，小農戶和規模經營農戶畝均凈利潤均明顯減少。2015年農戶種植玉米、大豆則普遍虧損⑨，其中，規模經營農戶虧損額大于小農戶（表3）。

（三）農戶主要農作物雇工情況

東北三省和內蒙古耕地規模較大，農忙時普遍存在雇工情況。從農戶類型來看，小農戶勞動力投入主要依靠家庭成員，三種糧食作物雇工數量均少于規模經營農戶。從糧食作物種類來看，水稻種植雇工最多，大豆種植雇工最少（表4）。

（四）耕地質量和種植技術

從耕地質量來看，小農戶5畝以上地塊數占年末實際經營耕地塊的比例均低于規模經營農戶，但是水澆地比例均高于規模經營農戶。表明規模經營農戶耕地集中連片程度高，易于推廣和采用機械化。從種植技術來看，小農戶和規模經營農戶戶主平均受教育年限近似（表5）。進一步分析發現，小農戶戶主受教育年限變異較大，而規模經營農戶戶主受教育年限變異較小。因此，規模經營農戶文化程度普遍較高，易于接受新思想、采用新技術。

三、模型結果整理與分析

在運行模型之前，首先計算利潤、風險、勞動力、耕地質量（5畝以上地塊數比例、水澆地比例）、種植技術（戶主文化程度）這六個指標的相關系數矩陣。結果發現，相關系數絕對值70%以上大于0.3，表明各指標存在較強的線性關系，適合做主成分分析。

根據Stata12統計分析軟件運行結果，按照主成分個數選擇原則，東北三省和內蒙古2009年、2015年小農戶、規模經營農戶和2012年規模經營農戶提取前2個主成分，2012年小農戶提取第1個主成分。從提取的主成分累計方差貢獻率來看，最低的也達到85.5%，大部分都在90%以上，說明提取的主成分具有較強的解釋力（表6）。

為了更加精確地識別主要影響指標，用Stata12統計分析軟件對載荷矩陣進行旋轉，旋轉后每一個載荷量表示對應指標對主成分的影響程度，絕對值越大影響程度越高。需要說明的是，本文的研究目的是主要考慮利潤、風險、家庭勞動力投入三個目標來分析糧食主產區農戶生產決策行為適應性，因此在每個主成分中只選擇載荷量最大的1個指標，雖然這樣做可能遺漏部分相對重要的指標，但是卻可以清楚地觀察到不同類型農戶利潤、風險、家庭勞動力投入三個目標的權重及變化情況。以提取的主成分的方差貢獻率為權重，對該權重在各主成分線性組合中的系數的加權平均的歸一化后的數值為各目標權重（表7）。從考慮目標來看，小農戶除了考慮利潤、風險目標外，耕地質量（5畝以上地塊比例）也是影響生產決策的重要因素，規模經營農戶生產決策時主要考慮利潤、風險和家庭勞動力投入目標。從目標權重來看，比較顯著的變化是與2009年相比，2015年小農戶、規模經營農戶風險目標權重分別上升了26.1%、52.1%。

四、結論與建議

農戶的生產決策是基于多目標的。小農戶除了考慮利潤、風險目標外，耕地質量（5畝以上地塊比例）也是影響生產決策的重要因素，這主要是由于小農戶耕地普遍細碎，而機械化程度的提高和社會化服務的發展使得連片種植可以節約至少1/3的生產成本。規模經營農戶主要考慮利潤、風險、家庭勞動力投入這三個目標，但是利潤目標的權重低于風險目標或家庭勞動力投入目標的權重，這主要是由于國家以高于均衡價格的托市價格對主產區糧食敞開收購，而且托市收購價格提前公布并逐年提高，利潤可預期。

農戶的各目標權重會隨時間有所調整。小農戶和規模經營農戶共同特點是對風險目標重視程度都增加。這一方面是隨著政府對主產區糧食托市收購政策的調整，糧食作物的比較效益有所降低，農戶收益的不確定性有所增加;另一方面是在糧食定價機制改革的趨勢下，如2014年大豆由臨時收儲政策改革為目標價格補貼制度、2015年玉米臨時收儲價格首次降低、2015年稻谷最低收購價首次保持2014年水平不變。主產區農戶由過去只關心產量轉為產量質量并重，風險意識逐步增加，較多地關注市場需求的變化。

小農戶和規模經營農戶的目標權重有所差異。在糧食托市收購價格水平漲幅趨緩、保持不變甚至降低期間，規模經營農戶對于風險目標權重重視程度明顯大于小農戶。這一方面是因為規模經營農戶主要通過流轉耕地擴大糧食種植面積，而東北三省和內蒙古耕地租金在總成本中所占份額較大（2015年平均約占40%左右）;另一方面是因為規模經營農戶前期普遍購買了大型專用機械設備，資金投入較高，而小農戶耕地面積少，家庭經營為主，糧食生產基本實現機械化，所以生產決策時較少考慮家庭勞動力目標。規模經營農戶家庭勞動力投入目標權重逐步下降，這主要是由于東北三省和內蒙古規模經營面積較大，普遍需要雇工。但是隨著機械化程度的提高，2015年內蒙古、遼寧、吉林、黑龍江耕種收綜合機械化水平分別達到81.24%、77.12%、80.42%、92.94%，具體到玉米、大豆、水稻，耕種收綜合機械化水平更高，機械對勞動力的替代作用明顯。

根據以上研究結論，本文提出以下兩點建議：第一，隨著糧食定價機制改革的推進，糧食價格將主要由市場供求決定，預計主產區農戶對風險目標會越來越重視，政府的支持政策應更多地關注于防范風險。對于生產環節的風險，可通過培育一批糧食加工龍頭企業，支持企業以“公司+農戶”“公司+合作社+基地+農戶”“公司+聯合體”等形式發展產業化經營，帶動和引導小農戶種植優質糧食品種，適應市場需求。對于銷售環節的風險，應穩步擴大“保險+期貨”試點。2017年全國僅有70.8萬噸玉米和11.5萬噸大豆納入“保險+期貨”試點，分別僅占當年總產量的0.33%和0.79%。第二，糧食定價機制市場化改革對規模經營農戶收入的沖擊大于小農戶，規模經營農戶資金約束增加，政府的支持政策應適當向其傾斜，發揮其帶動和示范作用，如健全全國農業信貸擔保體系，推進省級信貸擔保機構向市縣延伸，重點服務種養大戶、家庭農場、農民合作社等。

注釋：

①經營規模10畝以下的農戶占85.5%，經營規模10～30畝的農戶占10.5%，經營規模30～50畝的農戶占2.6%。

②35～39.9畝、40～44.9畝、45～49.9畝、50～59.9畝、60～99.9畝、100畝及以上的占比分別為0.41%、0.34%、0.22%、0.31%、0.40%、0.22%。

③以2016年100畝、2006年35畝為依據計算年均增長率后估算得出。

④2009年、2012年、2015年玉米、大豆、水稻種植面積占農作物總種植面積的比例分別為73.83%、74.91%、77.92%。

⑤課題組調研了解。

⑥玉米臨時收儲價格取內蒙古、遼寧、吉林、黑龍江平均價格。

⑦也許和規模經營農戶主要分布在黑龍江有關。

⑧玉米、水稻是托市收購價格;大豆是目標價格，為每斤2.4元。

⑨以黑龍江為例，大豆2015年目標價格補貼為每畝130.87元。加上目標價格補貼，大豆每畝虧損額少于玉米。

參考文獻：

[1]農業部關于印發《全國種植業結構調整規劃（2016—2020年）》的通知[EB/OL].（2016-04-28）[2018-08-20].http：//jiuban.moa.gov.cn/zwllm/tzgg/tz/201604/t20160428_5110638.

htm.

[2]陳錫文.落實發展新理念 破解農業新難題[J].農業經濟問題，2016（3）：4-10.

[3]鐘真，孔祥智.市場信號、農戶類型與農業生產經營行為的邏輯——來自魯、晉、寧千余農戶調查的證據[J].中國人民大學學報，2013（5）：62-75.

[4]程名望，史清華，Jin Yanhong，等.市場化、政治身份及其收入效應——來自中國農戶的證據[J].管理世界，2016（3）：46-58.

[5]張紅宇.發揮新型農業經營主體對改革的引領作用[N].經濟日報，2017-02-10（15）.

[6]ROBISON L J. An appraisal of expected utility hypothesis tests constructed from responses to hypothetical questions and experimental choices[J].American journal of agricultural economics，1982，64（2）：367.

[7]REHMAN T， ROMERO C. The application of the MCDM paradigm to the management of agricultural systems：some basic considerations[J]. Agricultural systems，1993，41（3）：239-255.

[8]BERBEL J，RODRIGUEZ-OCAA A.An MCDM approach to production analysis：an application to irrigated farms in Southern Spain[J]. European journal of operational research，1998，107（1）：108-118.

[9]MANOS B，BEGUM M A A，KAMRUZZAMAN M，et al.Fertilizer price policy，the environment and farms behavior[J]. Journal of policy modeling，2007，29（1）：87-97.

[10]劉瑩，黃季焜.農戶多目標種植決策模型與目標權重的估計[J].經濟研究，2010（1）：148-157.

[11]YANO H，SAKAWA M.Interactive fuzzy decision making for multiobjective fuzzy random linear programming problems and its application to a crop planning problem？[M]//MADANI K，et al.Studies in computational intelligence.Switzerland：Springer International Publishing，2014：143-157.

[12]VAN HUYLENBROECK G，UREA CAMPOS E，VANSLEMBROUCK I.A （recursive） multiple objective approach to analyse changes in the utility function of farmers due to policy reforms[J].Applied mathematics & computation，2001，122（3）：283-299.

[13]孟雪，李賓.多目標決策分析模型及應用研究[J].現代管理科學，2013（7）：42-44.