農業培訓對新型職業農民農業經營性收入影響研究*

楊冬梅，羅明忠

(1. 江西科技學院管理學院，南昌市，330098; 2. 華南農業大學經濟管理學院，廣州市，510642)

0 引言

農民增收問題一直備受關注。2004—2020年連續多個中央一號文件均提出促進農民持續增收。影響農民收入影響較多，除了農民年齡、性別、受教育程度等自身因素外[1]，還會受到農地稟賦、農村基礎設施建設、參加農機合作社、農業機械化和農業綜合開發投資等外界因素的影響[2-5]，此外，各項惠農政策也會對農民收入產生影響[6]。面對現代農業的發展，傳統小農戶越來越難以適應新技術的要求，而新型職業農民則可以將資金和技術有效結合，適應現代農業發展。2012年中央一號文件正式提出新型職業農民這一概念，之后我國新型職業農民數量得到快速上升，截止2017年底，已經突破1500萬人。僅2017年，我國新型職業農民人均農業經營性純收入突破2.5萬元，且將近30%的新型職業農民人均農業經營性純收入高于城鎮居民。鄉村振興戰略實施的重點是產業興旺，關鍵是人才振興，對新型職業農民進行培育是鄉村人才振興的重要舉措[7]。因此，基于新型職業農民微觀角度研究農業培訓對其農業經營性收入的影響，對于促進新型職業農民發展以及鄉村振興都有重要意義。

既往研究發現，參加農業培訓對農民農業生產行為有重要影響[8]，培訓可以促進農民降低農業化學投入品[9]以及農藥的使用量[10]，還可以提高農民組織化程度[11]；在農業生產技術上，培訓可以提高農民生產技術認知水平[12]，進而促進農民獲得新的農業生產技術[13]；此外，培訓在促進農戶收入增加[14]、提高農業生產效率方面都發揮著重要作用[15]，只是相對高收入者，低收入者從農業培訓中獲得的收益更多[16]。而關于新型職業農民參加培訓效果的研究較少，也有學者開始從新型職業農民的分類出發探究培訓對其經濟收入的影響[17]。作為衡量農業培訓效果的指標之一，但鮮有文獻從新型職業農民的培訓視角研究其對農業經營性收入的影響。可見，既有研究對新型職業農民農業經營性收入的影響還存有空間。基于此，本文以粵贛兩省501份新型職業農民調查數據，探究新型職業農民參加農業培訓的農業經營性收入效應，采用傾向得分匹配法依據是否參加過農業培訓將所獲得樣本分為處理組和控制組，對比參加農業培訓和未參加農業培訓新型職業農民農業經營性收入差距。

1 理論分析

正如諾貝爾經濟學獎獲得者舒爾茨在《改造傳統農業》一書中所言，在決定農業生產的增長量和增長率的生產要素中，土地的差別是最不重要的，物質資本的差別是相當重要的，農民的能力的差別是最重要的。這種能力的提升方式主要有培訓等三種。對個體進行培訓，重在提升其人力資本，如綜合素質、能力的提升以及視野的拓寬[18]，最終影響其收入。農業培訓對新型職業農民農業經營性收入的作用路徑如下。

1) 農業培訓促進新型職業農民生產能力的提升。作為知識積累的重要途徑，參加農業培訓對改善農民農業生產有著重要意義[19]。正如前文分析，參加培訓可以改變新型職業農民的農業生產行為，特別是在現代農業發展背景下，農業生產前的各種技術培訓，有利于新型職業農民在農業生產過程中采用新技術和新設備，提升生產能力，如農業機械設備的操作培訓，可以促進新型職業農民改變傳統農業生產方式，也有利于節省勞動力數量和勞動時長，以降低生產成本獲得最大的經濟報酬，此外，也有利于促進新型職業農民擴大生產規模。

2) 農業培訓有利于提升新型職業農民經營管理能力。為了在市場中具有較強的競爭力，現代農業和農村發展要求新型職業農民不斷提升農業管理能力、學習能力和應變能力。通過參加農業培訓可以增強新型職業農民農業經營風險意識，在農產品種植或者養殖上，合理安排種植或養殖類型，避免盲目性，防止同質化，降低經營風險；加強對農產品生產過程中的管理，提升農產品質量，在產品銷售中占領話語權，促進收入增加。

3) 農業培訓有利于提升農產品銷售能力。農產品銷售狀況如何直接關系到新型職業農民經濟收入的狀況。傳統農產品銷售渠道單一且范圍小，當局部農產品出現供給大于市場需求時，則會造成農產品滯銷，農民受損。參加農業培訓，如網絡技術培訓，可以拓寬新型職業農民農產品銷售渠道和擴大農產品銷售范圍，防止農產品滯銷或者積壓，增加新型職業農民收益。

2 數據來源、變量與模型選擇

2.1 數據來源

本文數據來源于課題組2019年8—11月進行的《新型職業農民：成長路徑及經營績效》調查，利用新型職業農民集中培訓的機會，對參加培訓的新型職業農民發放調查問卷，經過預調查、問卷確定和全面調查等階段，共發放調查問卷560份，收回有效問卷545份，調查范圍涉及廣東和江西兩省。刪除關鍵值缺失的無效問卷后，本文最終使用501份有效問卷，問卷使用率為91.92%，其中江西省126份數據，廣東省375份數據。調查問卷主要包括區域特征、個體特征、農業培訓情況以及新型職業農民生產經營情況。各地區樣本情況如表1所示：

表1 樣本地域分部情況Tab. 1 Sample geographical divisions

2.2 變量選擇

變量定義、賦值及其描述性統計結果如表2所示。

表2 變量定義、賦值及其描述性統計結果Tab. 2 Variable definition, assignment and descriptive statistical results

被解釋變量。本研究的被解釋變量為新型職業農民農業經營性收入，用“2018年農業經營獲得的收入”來衡量新型職業農民農業經營性收入，主要包括種植業、養殖業收入，并對農業經營性收入取對數。

核心解釋變量。本研究的核心解釋變量為農業培訓，是否參加過農業培訓作為農業培訓的代理變量，為二分類變量，如果參加過農業培訓，則為1，反之，則為0。

控制變量。不僅參加農業培訓會影響新型職業農民農業經營性收入，其他因素也可能會對其產生影響，基于此，新型職業農民個體特征、家庭特征和村莊層面特征。個體特征包括新型職業農民年齡、性別、學歷、是否村干部；家庭特征包括家庭從事農業生產人數和農業經營規模；村莊層面特征包括地形特征變量。

2.3 模型選擇

參考相關研究[20]，農業培訓對新型職業農民收入影響的回歸模型

Yi*=β0+β1traini+β2xi+ε

(1)

式中：Yi*——新型職業農民農業經營性收入；

traini——如果新型職業農民參加過農業培訓，則traini=1，反之則為0；

Xi——控制變量，包括新型職業農民個體特征、家庭特征和環境特征等。

但回歸結果會面臨樣本選擇性偏差和內生性問題，為克服這個問題，本文構建傾向得分匹配模型檢驗農業培訓對新型職業農民農業經營性收入的影響效應：

ATT=E[Y1|D=1]-E[Y0|D=1]

(2)

式中：D——虛擬變量，表示是否參加過農業培訓，當D=1為處理組；

Y1——參加過農業培訓新型職業農民收入水平，D=0為控制組；

Y0——未參加過農業培訓新型職業農民收入水平。

在處理組中，E[Y0|D=1]表示參加過農業培訓的新型職業農民假設沒有參加農業培訓情況下的收入狀況，但這在現實中無法進行觀測，需要從控制組選擇相似樣本數據進行匹配。首先，采用Logit模型估計在既定的條件下新型職業農民參加農業培訓的條件概率，用P(X)表示，并據此作為樣本匹配的依據；其次選擇恰當方式進行匹配；最后，通過對比，得到農業培訓對新型職業農民農業經營收入的平均影響，各公式如下：

(3)

ATT=E{E[Y1-Y0|D=1,P(X)]}

=E{E[Y1|D=1,P(X)]-

E[Y0=0,P(X)|D=1]}

(4)

式中：ATT——農業培訓對新型職業農民農業經營性收入的平均處理效應。

2.4 主要變量描述性統計結果

根據表3中變量描述性統計可知,處理組(參加過農業培訓)中新型職業農民農業收入對數的均值為13.66,控制組(未參加過農業培訓)中新型職業農民農業經營性收入的對數為12.48，差值為1.18，并且T檢驗在1%的水平上顯著,表明農業培訓可以顯著影響新型職業農民農業經營性收入水平，參加農業培訓的新型職業農民農業經營性收入高于沒有參加過農業培訓的。

表3 處理組和控制組變量統計描述Tab. 3 Variable statistical description of treatment group and control group

其余變量T均值檢驗結果表明，處理組和控制組的新型職業農民在性別、年齡、學歷、從事農業生產年限、家庭從事農業生產人數和地形特征等方面具有顯著組間差別。具體來看，在性別方面，處理組男性的數量要多于控制組的男性，性別差值為0.21，發現參加過農業培訓的男性居于多數；在年齡上，處理組新型職業農民的年齡要大于控制組的，兩者的差值為3.12，可以看出控制組新型職業農民更趨于年輕化；在文化程度上，相對于控制組的新型職業農民，處理組新型職業農民文化程度較低，但差異性較小，兩者的差值為0.14；在從事農業生產時間上，處理組新型職業農民從事農業生產年限的均值為9.46年，控制組新型職業農民從事農業生產年限為5.69年，兩者差值為3.77，可以看出處理組新型職業農民從事農業生產年限時間較長；在家庭從事農業生產人數上，處理組新型職業農民家庭從事農業生產人數要高于控制組，這種差異性較小，其差值為0.27；在農業經營面積上，處理組新型職業農民農業經營面積要高于控制組的新型職業農民，差值為2.82；在地形特征上，處理組新型職業農民的均值為2.33，控制組新型職業農民均值為2.15，差值為0.18。

處理組和控制組中可觀測變量的顯著差異在一定程度上說明了新型職業農民參加農業培訓并不是隨機選擇的過程，樣本存在選擇性偏誤問題。如果忽視這種選擇性偏差問題，簡單地對處理組和控制組新型職業農民農業收入進行比較或者回歸分析會出現有偏的估計結果。

3 實證檢驗結果與分析

3.1 傾向得分的Logit估計

本文采用Logit模型估計新型職業農民參與農業培訓的概率值，因變量為新型職業農民是否參加過農業培訓，通過引入新型職業農民個體特征、家庭特征和環境特征變量進行傾向得分估計。結果表明：模型整體顯著，Logit模型回歸系數與邊際效應符號相一致。新型職業農民性別、年齡、從事農業生產年限、家庭從事農業生產人數和地形特征等變量會顯著影響新型職業農民參加農業培訓。具體如表4所示，其中第5列為邊際效應。

表4 傾向得分匹配的Logit模型估算結果Tab. 4 Logit model estimation results for propensity score matching

在個體特征中，新型職業農民的性別在1%的水平上通過顯著性檢驗，系數為0.568 7，且為正向影響，說明性別會影響新型職業農民參加農業培訓。邊際效應為19.01%，說明在其他因素不變的情況下，男性參加農業培訓的概率值會比女性高19.01%，可能的原因在于，農業生產多以體力勞動為主，男性占比較大，通過調查發現在新型職業農民性別構成中，男性數量要高于女性數量，其參加農業培訓的概率值會偏大。年齡在10%的水平上正向影響新型職業農民參加農業培訓，系數為0.016 4，表明在其他變量不變的情況下，年齡每增加1歲，其參加農業培訓的概率會增加0.57%，這也與調查結果相一致，參加過農業培訓的新型職業農民年齡均值為40.04，高于未參加過農業培訓的。可能原因在于新型職業農民以務農收入為主要來源，在自身知識儲備不足的情況下，愿意通過參加培訓獲得農業生產知識。從事農業生產年限在1%的水平上顯著正向影響新型職業農民參加農業培訓，系數為0.031 9，邊際效應為1.12%，表明新型職業農民從事農業生產時間每增加1年，其參加農業培訓的概率會增加1.12%，可能的原因在于，雖然從事農業生產時間越長，農業生產經驗越豐富，但是作為“有限理性經濟人”，且以農業生產為主要收入來源的新型職業農民，為了提高農業生產效率，獲取更高的經濟報酬，也會愿意參加農業培訓，進而獲得新的農業生產知識。

在家庭特征中，家庭從事農業生產人數在10%的水平上正向影響新型職業農民參加農業培訓，系數為0.098 2，表明家庭從事農業生產人數每增加1個，其參與農業培訓的概率會增加3.75%。此外，地形特征在5%的水平上正向影響新型職業農民參加農業培訓，系數為0.156 3，邊際效應為5.3%，表明相比平原地區，處于山區的新型職業農民參加農業培訓的概率值會更高。學歷、是否為村干部和農業經營規模面積未通過顯著性檢驗。

3.2 傾向得分匹配估計結果

傾向得分匹配包括了K近鄰匹配、核匹配、半徑匹配和馬氏匹配等多種匹配方式，其中核匹配能夠避免樣本損失的缺點，因此選擇核匹配作為匹配方式，同時為了檢驗結果的穩健性，選擇K近鄰匹配和半徑匹配作為對比。首先通過對Logit模型的估計得出新型職業農民參與農業培訓的概率值，然后基于概率值對參加過培訓和沒有參加過培訓的新型職業農民采取核匹配方式進行匹配。結果如表5所示。

表5 不同匹配法下農業培訓對新型職業農民農業經營性收入的處理效應Tab. 5 Treatment effects of agricultural training on new-type professional farmers’ agricultural operating income under different matching methods

參加農業培訓有助于提高新型職業農民農業經營性收入。從核匹配結果來看，匹配前，處理組(參加過農業培訓)和控制組(未參加過農業培訓)的農業經營性收入的對數分別為13.663和12.486，差值為1.176，說明參加過農業培訓的新型職業農民農業經營性收入要比未參加過農業培訓的新型職業農民農業經營性收入高出1.176；匹配后，處理組(參加過農業培訓)和控制組(未參加過農業培訓)的農業經營性收入的對數分別為13.663和12.591，差值為1.071，并在1%的水平上通過顯著性檢驗，這說明在考慮了樣本的“自選擇”問題以后,農業培訓對新型職業農民農業經營性收入水平的影響變小，也說明了忽視農業培訓的選擇性偏差和內生性問題將會造成培訓收入效應的嚴重高估。

同時，表5分別用K近鄰匹配、半徑匹配和核匹配等3種匹配方法估算農業培訓對新型職業農民農業經營性收入的影響效應，從結果可以看出匹配結果相差較小，而且均通過1%的顯著水平檢驗，其效應方向和顯著水平是一種的，說明結果具有一定的穩健性。因此，本文所得到的研究結果沒有因為匹配方法的不同而發生變化，采用傾向得分匹配法研究農業培訓對新型職業農民農業經營性收入的研究結果具有一定穩健性。

3.3 傾向得分匹配結果的平穩性檢驗

為保證傾向得分匹配估計結果的可靠性，匹配結果還要確保滿足平衡假設。一般來說，模型匹配后各個協變量的標準化偏差最好控制在10%以內，因此，為檢驗結果的可靠性，繼續驗證處理組和控制組的各個變量是否滿足平衡性假設。表6報告了傾向得分匹配的平衡性檢驗結果。其中第3列為處理組(參加過農業培訓)和控制組(未參加過農業培訓)在匹配前后的均值，第4列為匹配前后的標準誤，第5列為標準化偏差，第6列和第7列為T檢驗結果。

表6 處理組和控制組的平衡性檢驗結果Tab. 6 Balance test results of treatment group and control group

結果顯示，新型職業農民性別、年齡、學歷、從事農業生產年限、家庭從事農業生產人數和地形特征均在匹配前處理組和控制組都有顯著差異，匹配后，這種顯著性未得到體現。此外，與匹配前相比，匹配后處理組和控制組各個協變量的標準化偏差都有所降低，都在10%以內，說明匹配后，處理組和控制組樣本的差異基本得到消除，該模型滿足平衡性假設檢驗，也說明了表4和表5的結果具有穩健性。

4 結論

本文基于2019年粵贛兩省501份新型職業農民調查數據，在理論分析基礎上，采用傾向得分匹配法(PSM)分析農業培訓對新型職業農民農業經營性收入的影響。得出以下研究結論：第一，通過數據描述性統計發現，樣本新型職業農民生產經營收入水平較高，均值為13.22；第二，實證分析發現，農業培訓有利于提高新型職業農民農業經營性收入，參加過農業培訓的新型職業農民農業經營性收入要比未參加過農業培訓的新型職業農民農業經營性收入高出1.176；第三，在考慮了樣本的“自選擇”問題以后，農業培訓對新型職業農民農業經營性收入水平的影響變小，核匹配結果的差值為1.071，也說明了忽視農業培訓的選擇性偏差和內生性問題將會造成培訓收入效應的嚴重高估。第四，新型職業農民性別、年齡、從事農業生產年限、家庭從事農業生產人數和地形特征變量會顯著影響新型職業農民參加農業培訓，但是影響程度和方向不一致。提出建議：首先，借助互聯網等新媒體多渠道加大培訓知識宣傳力度，增強新型職業農民對培訓內容的了解程度，降低培訓費用或者提高補貼，提高新型職業農民參加農業培訓的積極性。其次，創新培訓方式，建立瞄準機制，依據新型職業農民農業經營問題需求進行歸類，有針對性的開展農業培訓，提高培訓效果，如農業耕作需求，提供專門的耕作技術培訓；如農產品銷售問題，提供農產品網絡銷售技術培訓。此外，也可以依據新型職業農民年齡或者收入水平，提供差異化培訓，充分發揮農業培訓在新型職業農民農業經營性收入中積極作用。